Aten blogi

Johdanto

Viimeisellä kurssikerralla pääsimme tekemään karttoja valitsemistamme aiheista ja sitä kautta kertaamaan aikaisemmin opittua. Lisäksi opimme etsimään dataa netistä ja siirtämään sitä paikkatieto-ohjelmaan. Mielestäni yksi kurssikerran suurimmista haasteista liittyikin juuri sopivan datan etsimiseen sekä datan käyttöoikeuksien selvittämiseen, johon itselläni kului melko paljon aikaa. Luettuani toisten opiskelijoiden blogeja myös monet muut pitivät sopivan datan löytämistä haasteena. Asiasta kertoo omassa blogissaan esimerkiksi Veera Ala-Heikkilä (2024), minkä lisäksi hän nostaa esille datan saamisen käyttökelpoiseen muotoon, mikä ei sekään onnistu aina täysin kivuitta.

Tekemäni kartat liittyvät huumekuolemiin maailmalla, Euroopassa ja Yhdysvalloissa. Keskityn tässä kirjoituksessa erityisesti karttojen tekemisen tekniseen prosessiin ja arvioin lopputuotosten visuaalista ilmettä. Tulkitsen myös karttojen sisältöä ja pohdin, mistä alueiden väliset erot johtuvat.

Huumekuolemat maailmanlaajuisesti

Aloitin ensimmäisen kartan tekemisen etsimällä paikkatieto-ohjelmistoon sopivan maailmanlaajuisen pohjakartan, johon sisältyvät myös valtioiden rajat. Kartta löytyi lopulta ”Natural Earth” nimiseltä sivustolta, jossa on tarjolla monenlaisia pohjakarttoja useissa eri mittakaavoissa. Lisäsin ohjelmistoon myös löytämäni huumekuolemiin liittyvän tietoaineiston ja yhdistin sen ”join” toiminnolla pohjakarttaan. Tämän jälkeen koropleettikartan tekeminen sujui melko kivuitta vanhasta muistista. Valmiiseen karttaan olen tyytyväinen ja mielestäni valitsemani värisävyt ja sommittelu ovat toimivia.

Kartan tulokset vaikuttivat ensisilmäyksellä hieman yllättäviltä, koska huumekuolemat näyttäisivät keskittyvän ennen kaikkea vauraisiin länsimaihin. Perehdyttyäni aiheeseen ymmärsin kuitenkin valtaosan huumekuolemista olevan seurausta opioidien käytön aiheuttamasta riippuvuudesta ja uskon tällaisten aineiden saatavuuden ja väärinkäytösmahdollisuuksien olevan suuremmat parempiosaisissa maissa. Kaikista vakavimpia ongelmat vaikuttaisivat olevan Yhdysvalloissa, jossa viime vuosina on kärsitty esimerkiksi voimakkaasti lisääntyneistä fentanyylin yliannostuskuolemista (HS, 2023). Myös Suomi kuuluu monien Pohjoismaiden ja Baltian maiden ohella luokittelun korkeimpiin luokkiin.

Kuva 1, Huumeriippuvuuden seurauksena kuolleet 100 000 asukasta kohden vuonna 2019 (Lähteet: Our World in Data ja Natural Earth)

Tilanne Euroopassa ja opioidien osuus kuolemista

Toisessa kartassa (Kuva 2) keskityn tarkemmin Euroopan sisäiseen tilanteeseen ja vertailen opioidien aiheuttamien kuolemien määrää muihin huumausaineisiin. Kartan tekeminen sujui kaiken kaikkiaan hyvin, vaikka vastaan tulikin joitakin haasteita. Esimerkiksi sopivan projektion löytäminen karttaesitystä varten oli hieman haastavaa, enkä ole täysin tyytyväinen Robinsonin projektioon, joka tuottaa jonkin verran vääristymää kaikilla osa-alueilla. Myös piirakkadiagrammien muotoilu vaati vähän kertausta, mutta onnistui lopulta hyvin. Lisäksi kartan suunnittelu ja sopivien datalähteiden löytäminen vei runsaasti aikaa erityisesti sen vuoksi, että pelkkien opioidien aiheuttamista kuolemantapauksista ei heti löytynyt sopivaa datalähdettä. Kokonaisuudessaan kartasta tuli kuitenkin selkeä ja alueiden välisten erojen tarkasteleminen onnistuu vaivattomasti.

Edellisen kartan (Kuva 1) tavoin voidaan todeta, että suurimmat huumekuolemiin liittyvät ongelmat keskittyvät ennen kaikkea Pohjois-Eurooppaan, Brittien saarille sekä osaan Itä-Euroopan maista. Näissä maissa myös opioidien käytöstä johtuvien kuolemien osuus kaikista kuolemantapauksista on suuri, paikoin jopa yli kolme neljäsosaa. Toisaalta opioidien käyttö aiheuttaa myös monissa Etelä -ja Länsi-Euroopan maissa yli puolet kuolemista. Jos katsomme tilannetta maailmanlaajuisesti, on tilanne kehittyvissä maissa usein päinvastainen ja opioidit aiheuttavat muihin huumeisiin verrattuna vähemmän kuolemia. Kuten jo aikaisemmin totesin, uskon tämän johtuvan siitä, mitä aineita alueella on parhaiten saatavilla. Monia opiaatteja käytetään esimerkiksi Suomessa voimakkaina kipulääkkeinä.

 

Kuva 2, Huumeriippuvuuden seurauksena kuolleet Euroopassa 100 000 asukasta kohden vuonna 2019 ja opiaattien osuus kuolemista (Lähteet: Our World in Data ja Natural Earth).

Yhdysvaltojen huumekuolemat

Viimeisessä kartassa (Kuva 3) keskityn Yhdysvaltoihin, joka erottui ensimmäisessä kartassa (Kuva 1) kaikista suurimmalla kuolinluvullaan väkilukuun suhteutettuna. Teknisessä mielessä kartan toteuttaminen ei sujunut täysin ongelmitta ja jouduin etsimään myös uuden pohjakartan, joka löytyi lopulta samalta sivustolta kuin aiempi (Natural Earth). Huumekuolemista kertovan osavaltiokohtaisen datan kohdalla jouduin tekemään kohtuullisen paljon selvitystyötä, mihin tarkoituksiin dataa voi käyttää. Sain kuitenkin selvitettyä, että datan käyttäminen on sallittua, jos sitä vain käyttää tarkoituksenmukaisesti terveystietojen raportoinnissa tai analysoinnissa.

Visualisoinnin suhteen ongelmia aiheuttivat erityisesti nimistön sommittelu ja sopivan värityksen löytäminen, sillä kaikkien osavaltioiden nimet eivät tahtoneet erottua taustasta. Päädyin lopulta lisäämään nimistölle valkoisen taustan, jolloin nimet erottuvat osavaltion väristä riippumatta. Jouduin myös etsimään netistä tietoa, miten saisin järkevästi Alaskan ja Havaijin sisälletyksi karttaan, mikä onnistui lopulta ”Layout Manager” työkalussa lisäämällä pääkartan oheen uusia karttoja. Onnistuin myös säätämään kartan eri osia niin, että ne eivät asetu toistensa päälle.

Kartan perusteella Yhdysvaltojen kuolemantapaukset keskittyvät eritoten maan itäosiin. Kaikista eniten tapauksia löytyy Länsi-Virginiasta, jonka lähialueilla on myös monia muita pahoin huumekuolemista kärsineitä osavaltioita. Sen sijaan monet pohjoiset osavaltiot Yhdysvaltojen keski- ja länsiosissa sekä esimerkiksi Teksas ovat kartan mukaan säästyneet huumekuolemilta keskimääräistä paremmin. Kokonaisuudessaan maan tilanne on kuitenkin erittäin huolestuttava ja monissa osavaltioissa väkilukuun suhteutetut kuolinluvut ovat selvästi suurempia kuin esimerkiksi Euroopassa keskimäärin.

 

Kuva 3, Huumeisiin kuolleet Yhdysvalloissa osavaltioittain 100 000 ihmisistä kohden vuonna 2021. (Lähteet: Centers for Disease Control and Prevention ja Natural Earth).

Yhteenvetoa kurssista

Ensimmäinen geoinformatiikan menetelmiä käsitellyt kurssi on nyt ohi ja matkan varrella mukaan on tarttunut paljon tärkeää oppia. Pidin kurssin suoritustavasta, jossa paikkatieto-ohjelmiston käyttöä opeteltiin kurssikerroilla opettajajohtoisesti ja blogissa pääsimme vielä kertaamaan ja syventämään aikaisemmin opittua. Mielestäni tällä tavalla asiat tulivat nopeasti opituiksi ensin perustasolla ja myöhemmin syvemmin. Monien QGIS-ohjelmiston perustoimintojen käytön opettelu tulee varmasti olemaan jatkossa hyödyksi ja kurssi vahvisti näkemystäni siitä, että haluan syventyä geoinformatiikkaan tulevissa opinnoissa vieläkin enemmän.

Kiitos lukemisesta!

 

Lähteet:

Natural Earth. Countries (1:50M). Haettu 3.3.2024 osoitteesta:

Admin 0 – Countries

Natural Earth. States, provinces (1:50M). Haettu 3.3.2024 osoitteesta:

Admin 1 – States, provinces

Institute for Health Metrics and Evaluation, Global Burden of Disease (2019) – processed by Our World in Data. “Deaths – Drug use disorders – Sex: Both – Age: Age-standardized (Rate)” [dataset]. Institute for Health Metrics and Evaluation, Global Burden of Disease (2019) [original data]. Haettu 3.3.2024 osoitteesta:

https://ourworldindata.org/grapher/death-rates-from-drug-use-disorders

Institute for Health Metrics and Evaluation, Global Burden of Disease (2019) – processed by Our World in Data. “Deaths – Opioid use disorders – Sex: Both – Age: Age-standardized (Rate)” [dataset]. Institute for Health Metrics and Evaluation, Global Burden of Disease (2019) [original data]. Haettu 3.3.2024 osoitteesta:

https://ourworldindata.org/grapher/death-rate-from-opioid-use

Centers for Disease Control and Prevention. (1.3.2022). Drug Overdose Mortality by State. Haettu 3.3.2023 osoitteesta:

https://www.cdc.gov/nchs/pressroom/sosmap/drug_poisoning_mortality/drug_poisoning.htm

Similä, V. (3.5.2023). Fentanyyli­kuolemat yli kolmin­kertaistuivat USA:ssa. Helsingin Sanomat. Haettu 3.3.2024 osoitteesta:

https://www.hs.fi/ulkomaat/art-2000009557676.html

Ala-Heikkilä, V. (29.2.2024). Viikko 7: Oma karttaprojekti. Veeran blogi (MAA-202). Haettu 4.3.2024 osoitteesta:

https://blogs.helsinki.fi/veeraala/

 

 

 

 

Kurssikerran alku ja aineiston keruu

Kuudes kurssikerta alkoi tällä kertaa hieman erilaisissa merkeissä, sillä kävimme ensimmäistä kertaa ulkona keräämässä aineistoa. Aineiston keruu tehtiin puhelinsovelluksen avulla, jonka käyttö oli loppujen lopuksi hyvin yksinkertaista. Käytännössä keräsimme vain pisteiden koordinaatteja ja vastasimme muutamiin paikkoihin liittyviin kysymyksiin. Ulkona käyminen oli mukavaa vaihtelua aikaisempiin kurssikertoihin nähden ja saimme aineiston pohjalta toteutettua hienoja karttavisualisointeja.

Luokkatilassa pääsimme harjoittelemaan datan esittämistä uuden menetelmän, interpoloinnin avulla. Käytännössä menetelmä ottaa huomioon pisteiden arvojen lisäksi niiden lukumäärän sekä tiheyden, ja arvioi tietojen avulla arvot myös pisteettömille alueille. Lopputuloksena saadaan aikaiseksi taso, joka kuvaa aluetta kokonaisuudessaan, vaikka alkuperäisessä tietokannassa olisikin tutkimattomia alueita. On kuitenkin hyvä huomioida, että niukalla aineistolla interpoloinnista saattaa tulla liian karkea ja visualisointi ei välttämättä kerro koko totuutta ilmiön alueellisesta vaihtelusta.

Valmiin interpoloidun kartan tekeminen tuntui kokonaisuudessaan helpolta, eikä datan tuomisessakaan ollut ongelmia. Teimme visualisoinnin Kumpulan alueen koetusta turvallisuudesta alueelta kerätyn, melko niukan aineiston avulla. Kattavammalla aineistolla interpoloinnista olisi voitu saada tarkempi, sillä erot turvallisuuden tunteessa voivat parhaimmillaan vaihdella merkittävästi vain muutaman sadan metrin välein. Monien mielestä erittäin turvattomia alueita ei kuitenkaan Kumpulasta juuri löydy. Lähinnä liikenneonnettomuuksien riski on olemassa suurien teiden varsilla, kuten myös Aapo Tuulentie alleviivaa omassa blogissaan (2024).

Maanjäristykset globaalisti

Kurssikerran itsenäiset tehtävät liittyivät hasardeihin, joista erityisesti maanjäristykset ovat itselleni tuttuja. Tämän vuoksi päädyinkin keskittymään niihin ja tuotin aiheesta kolme karttaa, joista yksi kertoo maanjäristysten jakautumisesta maailmanlaajuisesti ja kaksi paikallisesti. Maailmanlaajuisessa tulkinnassa keskityn erityisesti siihen, minne järistykset sijoittuvat ja miksi näin on. Paikallisella tasolla pureudun lisäksi alueiden yksittäisiin järistyksiin sekä toimiin maanjäristystuhojen minimoimiseksi. Kaikissa kartoissa pohdin karttojen toimivuutta opetuskäytössä sekä keinoja parantaa niitä.

Ensimmäinen kartta (Kuva 1) havainnollistaa vuosien 1980-2024 yli 6,5 magnitudin maanjäristysten jakautumista maailmanlaajuisesti. Kuten kuvasta voidaan huomata, keskittyy valtaosa järistyksistä Tyynenmeren tulirenkaan alueelle, joka ulottuu Tyynenmeren ympäri Uudesta-Seelannista aina Chilen eteläosiin saakka. Tulirenkaan alueella tapahtuu peräti 90 prosenttia kaikista maanjäristyksistä, minkä lisäksi noin 75 prosenttia tulivuorista sijoittuu alueelle (National Geographic, n.d). Alueen poikkeuksellinen vulkaaninen ja seisminen aktiivisuus selittyy erityisesti alueen monilla litosfäärilaattojen rajavyöhykkeillä, jotka mukailevat tulirenkaan muotoa. Tämä voidaan huomata myös netistä löytämästäni kuvasta, jossa on otettu huomioon laattojen lisäksi vulkaanisen toiminnan sijoittuminen tulirenkaan varrelle (Kuva 2).

Vaikka valtaosa järistyksistä tapahtuukin Tyynenmeren alueella, on järistysvaara olemassa muuallakin. Tästä kertoo esimerkiksi Turkin ja Syyrian raja-alueelle iskenyt vuoden 2023 maanjäristys, jonka on arvioitu vaatineen lähes 55 000 ihmisen hengen (British Red Cross, 2024). Myös tekemässäni kartassa näkyvät, Balkanin niemimaalla ja Turkissa tapahtuneet järistykset kertovat alueen varsin suureesta seismisestä hasardista ja myös riskistä, koska alueella sijaitsee useita merkittäviä asutuskeskittymiä, joista kaikki eivät ole erityisen hyvin suojautuneet järistyksiltä. Lisäksi kartasta voidaan huomata, että hyvin laajalti muutkin Lähi-idän alueet sekä Himalajan seutu ovat kohdanneet todella suuria järistyksiä viimeisten vuosikymmenien aikana.

Valmis kartta (Kuva 1) sopii mielestäni opetuskäyttöön ja se antaa yleiskuvan järistysten jakautumisesta maailmanlaajuisesti. Myös Robinsonin projektio palvelee visualisointia, eikä vääristä alueiden ominaisuuksia liiaksi. Mielestäni kartta ei vaadi erityisemmin paikannimistöä, mutta sen tueksi voitaisiin tehdä toinenkin vastaavanlainen kartta, josta ilmenevät joko tätä pienempien tai suurempien järistysten määrät. Näin oppilaat ymmärtäisivät, kuinka paljon harvinaisempia suuret järistykset ovat pieniin verrattuna. Samalla tavalla kartan rinnalle voitaisiin tuoda vulkaanista toimintaa kuvaava kartta ja verrata järistysten ja vulkanismin sijoittumista keskenään. Tämä onnistuu vertailemalla netistä löytämääni kuvaa tekemääni karttaan (Kuvat 1 ja 2). Oikeastaan kuva täydentää karttaani hyvin myös siinä mielessä, että se antaa lisätietoa laattojen sijoittumisesta sekä nimistöstä.

 

Kuva 1, Maanjäristykset globaalilla tasolla vuosien 1980-2024 välillä. (Datan lähde: USGS)

Kuva 2, Tyynenmeren tulirenkaan alue, litosfäärilaattojen rajavyöhykkeet ja vulkanismin sijoittuminen (Kuva: Dale Ostlie (2018), Wikimedia Commons)

Japanin seismologia

Päätin myös perehtyä maanjäristysten osalta Japaniin, joka on tunnettu valtavasta seismisestä hasardista ja riskistä. Japani sijaitsee Tyynenmeren tulirenkaan alueella ja lukeutuu harvoihin valtioihin, joissa on koskaan mitattu yli 9 magnitudin maanjäristys. Koska katastrofin mahdollisuus on todellinen, on maassa toteutettu runsaasti ennaltaehkäiseviä toimia, jotka ovat jo tähän mennessä estäneet lukuisia kuolemantapauksia sekä vähentäneet taloudellisten ja aineellisten vahinkojen suuruutta.

Japanin turvatoimet pohjautuvat ennen kaikkea erittäin kattavaan EEW-systeemiin (earthquake early warning system), jonka mahdollistaa laaja seismisten asemien ja maanliikettä mittaavien instrumenttien verkosto. Käytännössä systeemi tunnistaa tärinän aiheuttamia S-aaltoja nopeammin liikkuvat P-aallot ja antaa niiden perusteella hälytyksen, jos tietyt raja-arvot ylittyvät (Tajima & Hayashida, 2018). Varautumisaika on hälytyksen jälkeen kuitenkin lyhyt, usein vain muutamia sekunteja. On myös tärkeää muistaa, että varoitusjärjestelmä ei yksinään kykene estämään suurimpia vahinkoja, vaan tarvitaan muitakin toimia, kuten kestäviä rakennustapoja, kriittisen infrastruktuurin eristämistä sekä ihmisten kouluttamista. Japanissa näissä on onnistuttu hyvin ja esimerkiksi maan rakennusmääräykset ovat maailman tiukimpia (Glanz, J. & Norimitsu, O, 2011).

Alla olevassa kuvassa (Kuva 3) on visualisoitu ja jaoteltu Japanin lähialueilla vuoden 1980 jälkeen sattuneet yli 6,5 magnitudin maanjäristykset. Kuten kuvasta voidaan huomata järistyksiä on sattunut paljon ja myös useita yli 7,5 magnitudin tapauksia on havaittavissa. Monet järistyksistä sijoittuvat Tokion pohjois- ja koillispuolelle, jossa myös vuoden 2011 järistys tapahtui. Myös Osakan kaakkoispuolella ja Hokkaidon saaren koillispuolella on esiintynyt suuria järistyksiä, joista monet ovat onneksi tapahtuneet etäämmällä saarista, merialueiden yllä. Etelä-Japanissa hasardin suuruus vaikuttaa pienemmältä, vaikkakin edelleen merkittävältä.

Mielestäni kartta on onnistunut ja se kuvaa hyvin Japanin alueen suurta seismistä aktiivisuutta. Kartan voisi hyvin liittää osaksi esitystä, jossa esitellään Japanin toimia maanjäristysten ehkäisemiseksi, jos mukaan liitettäisiin esimerkiksi EEW-systeemiä ja muita Japanin varautumiskeinoja havainnollistavia kuvia ja taulukoita. Japanin kohdalla suurimpien miljoonakaupunkien nimistön lisääminen oli nähdäkseni kannattavaa, koska nyt lukija voi paremmin tutkia järistysten sijoittumista suurimpiin asutuskeskittymiin nähden. Järistyksiä kuvaavien pallojen kokoeroja voisi kuitenkin ehkä hieman kasvattaa, jotta ne erottuisivat toisistaan paremmin. Kokonaisuudessaan kartan tekeminen oli helppoa ja pisteiden siirtäminen kartalle oli jo tuttua aikaisemmasta kartasta. Miljoonakaupunkien nimien lisääminen onnistui helposti, kun vain löysin netistä sopivan aineiston.

Kuva 3, yli 6,5 magnitudin maanjäristykset Japanissa vuodesta 1980 tähän päivään (Pohjakarttana ESRI ja datan lähde: USGS)

Seismisyys Kalifornian alueella 

Japanin ohella päädyin tarkastelemaan Kalifornian aluetta, jossa sijaitsee useita siirrosvyöhykkeitä ja valtavia asutuskeskittymiä. Myös Kaliforniassa on varauduttu maanjäristyksiin, vaikka toimet eivät olekaan aivan yhtä kattavia kuin Japanissa. Kaliforniassa on esimerkiksi käytössä Japanin tavoin EEW-järjestelmä ja kattava maanjäristyksiä mittaavien instrumenttien ja asemien verkosto. Hälytysten jakamiseksi on kehitetty muun muassa puhelinsovellus, joka mahdollistaa tiedon välittymisen nopeasti suurelle ihmisjoukolle (IRIS Earthquake Science, 2020).

Valmiista kartasta (Kuva 4) voidaan huomata, että maanjäristyksiä on selvästi Japania vähemmän, vaikka otin tällä kertaa huomioon myös 6–6,5 magnitudin järistykset. Selvä maanjäristysten keskittymä löytyy kartan luoteisosasta, jossa asutusta on vähemmän osavaltion eteläisempiin osiin verrattuna. Todella suuria maanjäristyksiä on kuitenkin tapahtunut myös suurkaupunkien, kuten Los Angelesin, San Franciscon ja San Diegon läheisyyksissä. Esimerkiksi vuonna 2010 Yhdysvaltojen ja Meksikon rajalle lähelle San Diegon kaupunkia iski 7,2 magnitudin maanjäristys, joka vaati kuolonuhreja.

Valmis kartta toimisi kohtuullisesti opetuksessa, mutta siihen olisi mielestäni pitänyt lisätä osavaltioiden sekä Yhdysvaltojen ja Meksikon raja, jotta oppilaat pääsisivät paremmin kiinni alueen sijaintiin Yhdysvalloissa sekä maailmalla. Myös järistyksiä kuvaavien pisteiden kokoa olisi voinut suurentaa. Mielestäni satelliittikuva toimii taustakarttana hyvin ja suurimpien kaupunkien nimien lisääminen helpottaa seismisen riskin tarkastelua. Hasardin suuruuden arviointia ajatellen karttaan voisi liittää siirroslinjat tai vaihtoehtoisesti tuoda kartan rinnalle toisen kartan, jossa siirrokset ovat nähtävillä. Teknisessä mielessä kartan tekeminen oli paljolti kertausta aikaisemmasta lukuun ottamatta kaupunkien liittämistä kartalle, jonka toteutin manuaalisesti.

 

Kuva 4, Kalifornian yli 6 magnitudin maanjäristykset vuosina 1980-2024 (Pohjakarttana ESRI, Datan lähde: USGS)

Kokonaisuudessaan kurssikerta oli mielenkiintoinen ja mielestäni sopivan haastava. Tehtävissä pääsin soveltamaan sekä kurssikerran aikana oppimaani että edellisten kurssikertojen asioita. Seuraavassa kirjoituksessa pääsen toteuttamaan kartan itse valitsemastani aiheesta, jota odotan innolla.

 

Lähteet:

National Geographic. (n.d). The Ring of Fire. Haettu 25.2.2024 osoitteesta:

https://www.nationalgeographic.com/science/article/ring-of-fire

British Red Cross. (2.2.2024). Türkiye (Turkey) and Syria earthquake 2023: a year on. Haettu 25.2.2024 osoitteesta:

https://www.redcross.org.uk/stories/disasters-and-emergencies/world/turkey-syria-earthquake

Dale Ostlie (Astroskiandhike). (14.7.2018). Tectonic plates and ring of fire. Wikimedia Commons. Haettu 25.2.2024 osoitteesta: 

https://commons.wikimedia.org/wiki/File:Tectonic_plates_and_ring_of_fire.png

Tajima, F. & Hayashida T. (2018). Earthquake early warning: what does “seconds before a strong hit” mean?. Progress in Earth and Planetary Science. 5:63. Haettu 25.2.2024 osoitteesta:  

https://doi.org/10.1186/s40645-018-0221-6 

Glanz, J. & Norimitsu, O. (11.3.2011). Japan’s Strict Building Codes Saved Lives. Haettu 27.2.2024 osoitteesta:

IRIS Earthquake Science. (3.9.2020). ShakeAlert—Earthquake Early Warning System for the West Coast of the U.S. (2020). Haettu 27.2.2024 osoitteesta:

Tuulentie, A. (26.2.2024). Viikko 6: Ulkoilua ja luonnonhasardikarttoja. Aapon blogi. Haettu 8.3.2024 osoitteesta:

https://blogs.helsinki.fi/aapotuul/

 

 

 

 

 

 

 

Johdanto

Viidennellä kurssikerralla opettelimme bufferointia, joka on keino laskea kohteiden ympärille halutun suuruisia vyöhykkeitä. Lisäksi kertasimme erilaisten laskenta- sekä piirtotoimintojen käyttöä. Tällä kertaa pääsimme jo kurssikerran aikana työskentelemään itsenäisesti ja harjoitustehtäviä oli yhteensä kolme kappaletta. Tehtävien tekeminen sujui hieman haparoiden, koska joidenkin toimintojen käyttö ei tahtonut heti luonnistua, mutta sain kuitenkin tehtävät lopulta tehdyiksi.

Tulkitsen tässä kirjoituksessa tavalliseen tapaan tuotoksiani ja lisään myös kirjoituksen lomaan muutamia taulukoita, joista tulee ilmi vastauksia kurssikerran tehtäviin. Kirjoituksen lopussa keskityn lisäksi QGIS-ohjelmiston käyttämiseen sekä puskurivyöhykkeisiin liittyviin seikkoihin.

 

Puskurivyöhyke Malmin lentokentän ympärille

Ensimmäisenä tehtävänä oli harjoitella puskurivyöhykkeen tekemistä Malmin lentoaseman ympärille. Puskurivyöhyke luotiin melualueita silmällä pitäen yhden ja kahden kilometrin etäisyydelle kiitoradoista. Käytännössä toteutus tapahtui QGIS-ohjelmassa hyödyntämällä ensin piirtotoimintoa kiitoratojen piirtämiseksi, jonka jälkeen luotiin puskurivyöhyke ”buffer” toiminnolla. Tämä ei kuitenkaan onnistunut täysin ongelmitta, sillä käytin ensin väärää piirtotyökalua, eivätkä piirrettyjen polygonien tiedot tahtoneet tallentua oikein. Sain kuitenkin ongelman korjattua ja lopulta selvitettyä tietoa meluvyöhykkeillä olevien rakennuksien määrästä, iästä ja asukkaista.

Kuten alla olevasta taulukosta (Taulukko 1) voidaan huomata, 2km vaikutusalueelle osuvien asukkaiden määrä on moninkertainen 1km alueella asuviin verrattuna. Tämä johtuu siitä, että yli kilometrin säteellä törmätään nopeasti moniin suhteellisen tiheisiin asuinalueisiin, kuten Malmiin, Puistolaan ja Tapanilaan. Jos lentokenttä olisi vilkkaassa käytössä aiheuttaisi ylilentävät lentokoneet varmasti jonkin asteista meluhaittaa erityisesti kilometrin säteellä asuville, vaikka meluhaittaan vaikuttaakin esimerkiksi lentokoneiden laskeutumissuunnat. Rakennuksien iän osalta voidaan todeta, että valtaosa rakennuksista on rakennettu vasta Malmin lentokentän käyttöönoton jälkeen, mikä kertoo lentoaseman aikaisesta rakennusajankohdasta ympäröivien alueiden kehitykseen verrattuna.

Taulukko 1, tietoja Malmin lentoaseman läheisyydessä sijaitsevista rakennuksista ja alueen asukkaista

 

Helsinki-Vantaan lentoaseman meluvyöhykkeet

Malmin lentokentän ohella perehdyin Helsinki-Vantaan lentoaseman meluvyöhykkeisiin ja selvitin muutamia seikkoja lentoaseman lähialueen asutuksesta. Tehtävä osoittautui itsenäisesti tehtynä hieman haastavaksi, mutta toisaalta myös opettavaiseksi ratkaisujen lopulta löydyttyä. Lisäsin tehtävien kysymykset ja vastaukset alla olevaan taulukkoon (Taulukko 2).

Kuten taulukosta voidaan huomata 2km säteellä Helsinki-Vantaan kiitoradoista asuu yli 11 000 ihmistä, mikä on määränä merkittävä. Tulos on kuitenkin mitattu puskurivyöhykkeen avulla, joka ei ota huomioon varsinaisia meluvyöhykkeitä. Osittain tästä kertoo myös taulukon toinen kohta, josta voidaan huomata, että vain murto-osa kahden kilometrin säteellä asuvista kuuluu pahimpaan, 65db:n meluvyöhykkeeseen. Toisaalta yli 55db:n alueelle yltää jo kutakuinkin yhtä paljon ihmisiä, mitä kahden kilometrin säteellä kiitoradoista on asukkaita.

Tutkin myös kiitoradan 2 vaikutuksia Tikkurilan kaupunginosan alueella asuviin, jos liikenne ohjattaisiin laskeutumaan kiitoradalle kaakosta. Laskelmieni mukaan vähintään 60db:n melualueelle osuisivat Lounais-Tikkurilan asukkaat, joita melualueelle mahtuisi noin 2500. Toteutin laskelmat piirtämällä ensin viivan kiitoradasta 2 kaakkoon päin ja laskemalla viivan ympärille kilometrin levyisen puskurivyöhykkeen. Tämän jälkeen käytin ”clip” työkalua yhdistääkseni asutusta kuvaavat pisteet puskurivyöhykkeen kanssa samaan tietokantaan ja tutkin pisteisiin liittyviä tilastoja.

Taulukko 2, tietoja Helsinki-Vantaan lentoaseman läheisyydessä asuvista ihmisistä

 

Vantaan asutuksen sijoittuminen asemiin ja taajamiin nähden

Lentokenttien jälkeen siirryin analysoimaan vantaalaisen asutuksen sijoittumista suhteessa juna- ja metroasemiin. Hyödynsin tehtävien toteuttamisessa jälleen puskurivyöhykkeitä ja oikeastaan ainoana uutena asiana tuli laskimen käyttö 15-64-vuotiaiden osuuden selvittämiseksi. Koska asiat ja käytetyt työkalut olivat jo entuudestaan tuttuja, tuntui myös tehtävä tällä kertaa helpommalta.

Taulukosta voidaan huomata, että 500m etäisyydellä juna-asemista asuu yli viidesosa vantaalaisista, mitä voi pitää suurena lukuna (Taulukko 3). Tulos selittyy erityisesti asemien mahdollistamilla hyvillä kulkuyhteyksillä, jotka vetävät tiheämpää ja usein kerrostalovaltaista asutusta puoleensa.

Toisessa tehtävässä tutkin myös Vantaan asutuksen sijoittumista taajama-alueille sekä niiden ulkopuolelle. Laskelmieni mukaan valtaosa (n. 96%) asutuksesta sijoittuu taajamiin, mikä pätee myös kouluikäisten osalta. Haja-asutuksen osuus jää pieneksi, koska alue on melko tiheästi rakennettu.

Taulukko 3, tietoja Vantaan asutuksen sijoittumisesta suhteessa asemiin.

 

Uima-altaat ja saunat PK-seudulla

Viimeisen kurssikerran tehtävän sai valita useista eri vaihtoehdoista, joista päädyin lopulta asuntojen uima-altaisiin ja saunoihin keskittyneeseen tehtävään. Tehtävä oli paljolti aikaisemman kertausta aina karttavisualisoinnin tekemiseen asti, joka ei sujunut täysin haasteitta. Sain visualisoinnin kuitenkin tehtyä, mutta en ole siihen täysin tyytyväinen, koska monet osa-alueista näyttäytyvät kartalla niin pieninä, että en saanut kaikkiin mahtumaan sekä pylvästä että numeroarvoa. Jotta sain edes suurimman osan tiedosta näkyville, jouduin myös pienentämään numeroiden ja pylväiden kokoa, mikä heikentää luettavuutta. Jälkikäteen ajatellen olisin voinut toteuttaa kaksi erillistä karttaa samoin kuin Heikki Säntti (2024) teki omassa blogissaan. Myös paikannimistöä olisi voinut lisätä. Valmis kartta on kuitenkin nähtävillä alla (Kuva 1) samoin kuin taulukko vastauksineen (Taulukko 4).

Tulosten perusteella uima-altaiden voi katsoa olevan todellinen asunnon luksuselementti, sillä niitä on PK-seudulla hyvin harvassa (yhteensä 855 kappaletta). Kaikista yleisimpiä uima-altaat ovat omakotitaloissa selvällä erolla kerrostaloihin. Saunat ovat sen sijaan pääkaupunkiseudulla yleisiä, vaikka odotin prosenttiosuuden olevan vieläkin korkeampi.

Taulukko 4, tietoa PK-seudun uima-altailla ja saunoilla varustetuista asunnoista.

 

Kuva 1,  uima-altailla varustettujen asuntojen määrät osa-alueittain PK-seudulla

 

Ajatuksia QGIS-ohjelmiston ja puskurivyöhykkeiden käyttämisestä 

Tähän mennessä QGIS-ohjelmisto vaikuttaa varmalta ja monipuoliselta työskentelyalustalta, jonka osaamisella on varmasti merkitystä. Olen päässyt perehtymään moniin perustoimintoihin ja pystyn tuottamaan jatkuvasti monipuolisempia karttaesityksiä erilaisista aiheista. Osan toiminnoista käyttö tulee jo selkärangasta, mutta osa toisaalta vielä unohtuu herkästi, jos ohjelmistoa ei käytä vähään aikaan. Aikaisempien harjoitusohjeiden tai muun tiedonhaun avulla olen kuitenkin aina löytänyt oikeat toiminnot uudelleen ja saanut kerrattua niiden käyttöä. Tiedonhaku on myös opettanut, että monien asioiden tekeminen onnistuu useilla eri tavoilla.

Mielestäni keskeisimpiä QGIS-ohjelmiston työkaluja ovat tietokantojen visualisointiin keskittyvät toiminnot, joiden avulla voi esimerkiksi muuttaa ja säätää tasojen värejä tai tuoda näkyville erilaisia diagrammeja. On erittäin tärkeää, että kartta välittää tietoa oikein, minkä myötä kartan ulkoasun muokkaamiseen on oltava tarjolla riittävät edellytykset. Nostaisin tärkeänä työkaluna esille myös tilastotyökalun, josta voi helposti selvittää tietokantoihin liittyviä tilastosuureita. Tilastotyökalun käyttämisen kannalta on kuitenkin tärkeää osata käyttää valintatyökaluja, joiden avulla voi aktivoida tiettyjä tilastoyksiköitä kartalta. Myös laskin (field calculator) on merkittävä ja monipuolinen apuväline esimerkiksi attribuuttitaulukon muokkaamisessa. Mielestäni näiden kaikkien toimintojen perusteet ovat pääosin itselläni hallussa, vaikka niihin liittyykin vielä todella paljon opittavaa.

QGIS-ohjelmiston käyttämiseen liittyy myös selviä rajoitteita, jotka voivat vaikeuttaa työskentelyä. Yksi tällaisista on luonnollisesti tiedon saatavuuteen liittyvät rajoitteet sekä tietokantojen yhdistelemisen vaikeus, jos tietokannoista ei löydy yhteneväisiä sarakkeita, joissa esimerkiksi paikkojen nimet olisi kirjoitettu juuri samalla tavalla. Ajoittain haasteita voi myös tuottaa valtava tiedon määrä, jonka karsiminen onkin tärkeää sekä työskentelyn helpottamisen että ohjelman pystyssä pysymisen kannalta. Itselleni ongelmia on tuottanut myös projektin siirtäminen laitteelta toiselle, joka ei usein ole sujunut täysin ongelmitta. Nostaisin tässä kohtaa myös esille, että monien kysymysten ratkaisemisessa on hyvä osata monien muidenkin ohjelmistojen käyttöä, jotka voivat tarjota tukea karttaesityksien välittämälle tiedolle.

Pidin tämän kurssikerran keskiössä olleiden puskurivyöhykkeiden kanssa työskentelyä hyvänä oppina tulevaa ajatellen. Löydän puskuroinnille myös tosielämästä monia erilaisia käyttötarkoituksia, minkä vuoksi aihe tuntuu konkreettiselta ja hyödylliseltä tulevaa ajatellen. Jo kurssikerralla mainittujen esimerkkien lisäksi puskurivyöhykkeitä voitaisiin käyttää esimerkiksi luonnonkatastrofien, kuten maanjäristysten mahdollisten vaikutusten ennakoinnissa sekä arvokkaiden luontokohteiden suojelussa.

Lähteet:

Säntti, H. (20.2.2024). Viides kurssikerta. Heiggi’s blog. Haettu 21.2.2024

https://blogs.helsinki.fi/hksantti/

 

 

 

 

 

 

 

Johdanto

Kolmannella kurssikerralla pääsimme tutustumaan ruututeemakarttoihin sekä korkeusmallien tekemiseen QGIS-ohjelmistossa. Lisäksi aloitimme erilaisten piirtotyökalujen käytön harjoittelemisen, mihin tulemme perehtymään myös seuraavalla kurssikerralla.

Pääsin soveltamaan opittua kotitehtävien parissa, joiden yhteydessä toteutin kaksi ruututeemakarttaa. Kerron näistä kartoista tämän kirjoituksen aikana lisää keskittyen erityisesti karttojen tulkitsemiseen sekä arviointiin teknisessä mielessä. Lisäksi esittelen lyhyesti kurssikerran aikana tekemiäni korkeusmalleja sekä digitointeja.

Vieraskielisten osuus pääkaupunkiseudulla

Ensimmäisenä kurssikerran tehtävänä oli perehtyä ruututeemakarttojen tekemiseen opettajan johdolla. Aloitimme tutustumalla eri tapoihin luoda ruudukoita, mikä oli hyvin keskeisessä osassa kartan visuaalisen ilmeen muodostumista sekä viestin välittymistä. Eri ruutukokojen aiheuttamat erot ovat merkittäviä, mikä on havaittavissa vertailemalla esimerkiksi kahta tekemääni teemakarttaa, joista toisen ruutukoko on sivua kohden 500 metriä ja toisen kilometrin verran (Kuvat 1 ja 2). Pienemmällä ruutukoolla päästään käsiksi hyvin rajattuihin alueisiin ja tarkemmin naapurustojen tasolle, mutta luettavuuden kannalta hieman suuremmat ruudut ovat mielestäni parempia, koska tällöin informaation määrä ei kasva liian suureksi. 500 metrin ruutukoolla kartan lukeminen tuntuu työläältä ainakin omalla kohdallani, mutta toisaalta se voisi olla sopiva tarkasteltaessa jotakin pienempää aluetta, kuten esimerkiksi Vantaata yksinään.

Ruudukkojen ohella keskeisessä osassa projektia oli väestötietokanta, jossa on esitetty pääkaupunkiseudun asukkaisiin liittyvää hyvin yksityiskohtaistakin tietoa. Suuren tietomääränsä vuoksi tietokanta oli kuitenkin valtavan kokoinen, joten päädyimme karsimaan sitä valitsemalla tarkasteltavaksi ainoastaan ne sarakkeet, joista olimme kiinnostuneita. Samalla tavoin rajasimme suurikokoista ruudukkoa kattamaan ainoastaan pääkaupunkiseudun alueen. Näin pystyimme välttämään esimerkiksi ohjelman kaatumisen ja säilytimme keskeiset tiedot helposti saatavilla.

Valmiissa kartoissa havainnollistan vieraskielisten asukkaiden määrää suhteessa koko alueen asukasmäärään kahdella eri ruutukoolla. Päädyin ottamaan asukasluvun huomioon, koska muutoin vieraskielisten osuus olisi todennäköisesti ollut suurinta alueilla, joissa asuu eniten ihmisiä. Suhdelukuihin päädyin siksi, koska ne mielestäni antavat absoluuttisiin arvoihin verrattuna selkeämmän kuvan kielivähemmistöjen osuudesta kaikkiin asukkaisiin nähden.

 

Kuva 1, vieraskielisten osuus suhteessa asukasmäärään pääkaupunkiseudulla 1 kilometriä/ruutu koolla

 

Kuva 2, vieraskielisten osuus suhteessa asukasmäärään pääkaupunkiseudulla 500 metriä/ruutu koolla.

Kartoista voidaan päätellä, että vieraskieliset ihmiset keskittyvät eritoten PK-seudun itä- ja keskiosiin, mutta yksittäisiä keskittymiä on ympäri karttaa. Yksittäisten ruutujen tarkasteleminen ei kuitenkaan välttämättä ole aina viisasta, sillä erityisesti 500m ruutukoon kartassa alueelle saattaa hyvinkin osua vain muutama asukas, jolloin suuri vieraskielisten osuus voi selittyä sattumalla, eikä kerro laajemmista trendeistä. Mielestäni on siis hyvä pyrkiä tutkimaan laajempia aluekokonaisuuksia, vaikka joskus yksittäisissäkin ruuduissa voi olla totuuden siemen.

Kokonaisuudessaan karttojen välittämä viesti käy järkeen, koska esimerkiksi Itä-Helsingin vahvasti maahanmuuttajataustaiset alueet (esim. Myllypuro ja Keski-Vuosaari) erottuvat kartalta selkeästi. Kartalta voidaan myös huomata, että vieraskielisten osuus useimmiten vähenee pääkaupunkiseudun reuna-alueita kohti mentäessä. Tämä on havaittavissa erityisesti karttojen länsi- ja pohjoisosissa joitakin poikkeuksia lukuun ottamatta.

Visuaalisessa mielessä olen lopputulokseen kaiken kaikkiaan tyytyväinen, sillä saan mielestäni havainnollistettua eri ruutukokojen mukanaan tuomia eroja. Jotta kartasta tulisi vieläkin parempi, voisi siihen lisätä esimerkiksi pienen sijaintikartan, jotta lukijat pääsisivät paremmin kiinni siihen, missä päin Suomea alue sijaitsee. Toisaalta karttaan voisi myös nimetä sijaintiin liittyvää tietoa tekstin muodossa, kuten esimerkiksi Onni Miettinen on blogissaan tehnyt (2024). Informaatioarvoa mietittäessä kartta on kuitenkin onnistunut esimerkiksi pisteteemakarttaan verrattuna, koska ruutukartassa tieto tulee paremmin ja selkeämmässä muodossa esiin, kuten myös Veera Ala-Heikkilä toteaa blogissaan (2024).

Korkeusmallien tekeminen ja digitointi

Kurssikerran loppupuolella pääsimme myös tutustumaan korkeusmallien tekemiseen ja käsittelimme ensimmäistä kertaa rasteriaineistoja tutkiessamme Pornaisten alueelle sijoittunutta karttalehteä. Toteutimme Pornaisiin sekä rinnevarjostuksen että tavalliset korkeuskäyrät, mikä oli kokonaisuudessaan melko yksinkertainen prosessi. Aluksi, säädimme aineistoille oikeat koordinaattijärjestelmät ja yhdistimme neljä korkeusmallia yhteen ”build virtual raster” toiminnolla. Tämän jälkeen toteutimme vain varjostuksen ja käyrät sopivilla toiminnolla ja visualisoimme ulkoasun sopivaksi.

Kurssikerralta annettiin myös tehtäväksi verrata valmiin karttalehden korkeuskäyriä ”countour” toiminnolla toteutettuihin käyriin. Latasin tätä varten peruskarttalehden paitulista ja laadin jo olemassa olevien käyrien sekaan uudet käyrät 5 metrin välein (Kuva 3). Kaiken kaikkiaan käyrät vastaavat pääpiirteittäin toisiaan, mutta myös pieniä eroavaisuuksia esiintyy, koska tarkennettaessa käyriin päästään käsiksi jo hyvin pieniin yksityiskohtiin. Lisäksi peruskarttalehdessä on mukana apukäyriä ilmeisesti 2,5 metrin välein, joita ei näy laatimissani käyrissä.

Kuva 3, kuvakaappaus Pornaisten alueelle sijoittuvan peruskarttalehden yksityiskohdista, jossa ruskealla erottuvat peruskarttalehden alkuperäiset käyrät ja vihreällä itse laatimani käyrät

Lopussa pääsimme myös digitoimaan Pornaisten keskustan alueelle tiet, mikä ei vielä sujunut täysin ongelmitta, vaikka pääsinkin itseäni tyydyttävään lopputulokseen. En esimerkiksi vielä oppinut muokkaamaan piirtämiäni viivoja jälkikäteen, mutta uskon asioiden selkiytyvän tulevan kurssikerran aikana.

Kokonaisuudessaan kurssikerta sujui melko kivuttomasti ja erityisesti karttojen tekemiseen alkoi löytymään rutiini harjoittelun myötä. Tästä on hyvä jatkaa eteenpäin kohti seuraavia kurssikertoja ja harjoituksia.

Lähteet:

Miettinen, O. (8.2.2024). kk4 blogi. opmietti’s blog. Haettu 14.2.2024.

https://blogs.helsinki.fi/opmietti/

Ala-Heikkilä, V. (8.2.2024). Ruutuja ja rastereita. Veeran blogi (MAA-202). Haettu 15.2.2024.

https://blogs.helsinki.fi/veeraala/

 

 

 

Johdanto

Kolmannella kurssikerralla harjoittelimme tietokantojen yksinkertaistamista sekä uuden tiedon tuottamista vanhan pohjalta. Lisäksi kävimme ensimmäistä kertaa läpi ”join” -toiminnon käyttöä, johon itse tutustuin jo ensimmäisellä kurssikerralla. Opettelimme myös tuomaan tietoa QGIS-ohjelmiston ulkopuolelta, sekä muokkaamaan sitä Excelissä siten, että se toimisi ohjelmistossa halutulla tavalla. Hyvänä kertauksena toimi myös monien, jo aikaisemmilla kurssikerroilla käytettyjen toimintojen hyödyntäminen harjoitustehtävien toteuttamisessa.

Toteutin uusia työkaluja hyödyntäen kaksi karttaa, joista ensimmäinen sijoittuu Afrikkaan ja toinen Suomeen. Keskityn tässä kirjoituksessa karttojen sisällölliseen tulkitsemiseen, minkä lisäksi kerron karttojen taustalla olevista ilmiöistä. Arvioin myös karttojen visuaalista ilmettä sekä viestin välittymistä, pohtien samalla, miten voisin jatkossa parantaa karttojani entisestään.

Afrikan konfliktit

Ensimmäisen tekemäni kartan tavoitteena on tarkastella Afrikan timanttikaivoksien ja öljynporausalueiden sijoittumisen yhteyttä valtioissa esiintyvien konfliktien määrään (Kuva 1). Kartan toteuttaminen vaati melko paljon tiedon yhdistelemistä, muokkaamista sekä tuomista muualta, eikä työvaiheet onnistuneetkaan kurssikerran aikana aivan helposti erityisesti koordinaattijärjestelmiin liittyneiden haasteiden vuoksi. Kerrattuani asioita jälkikäteen ja toteutettuani tehtävän uudestaan, alkoi uusien toimintojen käyttö kuitenkin sujumaan selvästi paremmin ja kartta valmistui verrattain nopeasti.

Sain Taika Jaakkolan blogista (2024) erittäin hyvän idean hyödyntää konfliktien kuvaamisessa koropleettikarttaa, joka mielestäni ilmaisee konfliktien määrään liittyviä eroja selkeästi ja helposti luettavassa muodossa. Mielestäni myös valitsemani väripaletti toimii konfliktien kaltaisen negatiivisen ilmiön kohdalla hyvin, sillä punaisen värin voi tulkita symboloivan aggressiota sekä sotaa. Lisäksi on tärkeää ottaa huomioon, että yhdistin samana vuonna valtioissa tapahtuneet konfliktit yksittäisiksi, jolloin kartta kuvaa paremmin valtioiden vakautta pitkällä aikavälillä.

Lisäsin karttaan myös timanttikaivokset pistemuodossa sekä öljykentät alueina, pyrkien keskittymään värityksessä ennen kaikkea kohteiden erotettavuuteen taustasta. Mielestäni onnistuin tässä melko hyvin, vaikka pienimmät öljynporausalueet ovatkin hieman vaikeasti havaittavissa. Kokonaisuudessaan olen karttaan tyytyväinen ja kaikki peruselementit ovat nähdäkseni mukana.

Kuva 1, Afrikan timanttikaivoksien ja öljykenttien sijoittuminen sekä konfliktien määrä valtioittain.

Kuten kartasta voidaan huomata, kaikista epävakaimmat valtiot ovat melko hajallaan toisistaan lukuun ottamatta Afrikan koillisosia, jossa konflikteista on kärsitty usein. Kaikista epävakaimpina valtioina erottuvat 2020-luvullakin sotinut Etiopia yhdessä useista sisällissodista kärsineiden Tšadin ja Angolan kanssa. Nostaisin pahoin konflikteista kärsineenä valtiona esille myös maailman nuorimman valtion Etelä-Sudanin, joka vain kolmentoista vuoden iästään huolimatta on noussut kartan toiseksi korkeimpaan luokkaan. Tämä kertoo maassa 2010- ja 2020-luvuilla vallinneesta sekasorrosta, jossa jo vuoteen 2018 mennessä oli arvioitu suoraan tai epäsuorasti menehtyneen jopa 400 000 ihmistä (Ross, A. 2023).

Erityisesti Afrikan länsi- ja eteläosissa erottuu myös selvästi vakaampia alueita, mikä kertoo Afrikankin sisällä esiintyvistä suurista alueellisista eroista turvallisuuden ja vakauden suhteen. Hyvänä esimerkkinä afrikkalaisesta menestystarinasta toimii Botswana, joka on paitsi onnistunut säilymään poliittisesti vakaana myös luomaan kauppaverkoston, jossa se pystyy hyödyntämään runsaita luonnonvarojaan erityisesti timanttien osalta. Botswana on maailman toiseksi suurin timanttien tuottaja, joka hyötyy tällä hetkellä maailman suurimman timanttien tuottajan (Venäjä) aloittamasta hyökkäyssodasta, jonka seurauksena ei-venäläisten timanttien kysyntä on kasvanut (Bastmeijer, J. 2023). On kuitenkin hyvä ottaa huomioon, että Botswana on hyvin riippuvainen timanteistaan ja maassa esiintyy taloudellista epätasa-arvoa erityisesti kaupunkien ja maaseudun välillä.

Koko Afrikan osalta timanttikaivokset keskittyvät eritoten maanosan etelä- ja länsiosiin ja öljykentät pohjoisosiin. Selkeää yhteyttä konfliktiherkkien alueiden sekä timanttikaivosten tai öljykenttien määrällä ei ole nähtävissä, sillä sekä vakaisiin että epävakaisiin alueisiin vaikuttaisi kuuluvan luonnonvaroiltaan rikkaita ja köyhiä alueita. Jaakkola tekee blogissaan aiheeseen liittyen terävän huomion todetessaan, että kartalla esitettävien teemojen yhteyksien ymmärtäminen vaatisi monien muiden seikkojen huomioon ottamista. Pelkkien luonnonvarojen olemassaolo ei takaa valtion menestystä, vaan niistä hyötyminen vaatii esimerkiksi riittävää poliittista vakautta sekä yhteiskunnan toimivuutta useilla eri osa-alueilla. Erilaisia epävakautta selittäviä tekijöitä on lukuisia ja epävakauden juuret juontuvat usein moniin eri seikkoihin.

Kartassa käyttämiini tietokantoihin oli tallennettuna myös monia muita muuttujia, jotka voivat auttaa kartan tulkitsemisessa. Esimerkiksi konfliktien tapahtumavuosilla on vaikutusta, koska osa epävakaiksi merkatuista valtioista on saattanut olla vakaita jo pitkään tai esimerkiksi öljy- ja timanttiesiintymien löytyminen on voinut tapahtua vasta konfliktin syttymisen jälkeen. Lisäksi osa konflikteista on luonnollisesti toisia vakavampia ja laajempia. Timanttikaivoksien ja öljyesiintymien tuottavuusluokittelu vaihtelee myös tapauskohtaiseksi, minkä johdosta niiden merkitsevyys ja mahdollinen vaikutus konfliktiin ei ole aina sama. Edellä mainittujen ohella tietokantaan oli tallennettu tietoa Internetin käyttäjien lukumääristä valtioittain, mikä antaa viitettä valtioiden kehittyneisyydestä sekä teknologisesta kehityksestä, kuten myös Aura Niskanen toteaa blogissaan (2024).

Suomen tulvavesialueet ja järvisyys

Toisena kurssikerran tehtävänä oli visualisoida Suomen alueiden tulvaherkkyyttä kartalla sekä järvisyyttä diagrammina. Valmis teemakartta on nähtävillä alla olevassa kuvassa (Kuva 2).

Aloitin tehtävän yhdistämällä ”keskiylivirtaama” taulukon tietoja ”valuma-alueet” tasoon. Tämän jälkeen laskin tulvaindeksin kaikille aineistossa esiintyville joille. Lisäsin myös taulukkoon alueiden järvisyysprosentin Excelin kautta ja loin teemakartan. Päätin myös hieman haastaa itseäni ja lisäsin teemakarttaan ympyrädiagrammeja, joista voi tutkia alueiden järvien osuutta suhteessa maa-alueisiin. Diagrammien tekeminen vaati hieman opettelemista ja tiedonhakua, mutta onnistui lopulta kohtuullisen hyvin, vaikka osa diagrammeista onkin vähän pieniä ja vaikeasti havaittavissa. Muutoin kartan tekeminen tapahtui melko sujuvasti ja nopeasti.

Kartalta voidaan huomata, että kaikista tulvaherkimmät alueet sijoittuvat melko odotetusti rannikkoseuduille, erityisesti Pohjanmaalle sekä etelärannikolle. Kyseisten alueiden tulvaherkkyyttä selittää alueiden sijoittuminen meren ja jokien läheisyyteen sekä matalat pinnamuodot, joiden myötä pienempikin vedenpinnan nousu voi nostaa tulvia maa-alueille. Monia pienemmän tulvimisriskin alueita yhdistää sen sijaan runsaampi järvien määrä, jotka tapaavat tasoittaa jokien virtaamia. Suomessa yleisimmän riskin tulville aiheuttaa keväinen lumien sulaminen, erityisesti, jos lumimäärät ovat suuria ja sulaminen nopeaa. Lisäksi rankkasateet ja suuret sademäärät voivat joissain tapauksissa nostaa vedenpintaa riittävästi.

Kuva 2, Suomen eri osien tulvaherkkyyttä ja järvisyyttä kuvaava teemakartta.

Lopuksi

Kolmannen kurssikerran harjoitukset eivät sujuneet täysin ongelmitta, mutta koen kehittyneeni selvästi harjoitusten myötä. Pääsin myös hyödyntämään kartoissa jo aikaisemmin oppimaani, mikä edesauttaa asioiden muistamista ja oppimista pysyvämmin. Pidin erityisesti Afrikan konflikteihin ja luonnonvaroihin keskittyneestä harjoituksesta ja toivon myös tulevien harjoitusten olevan monipuolisia ja sijoittuvan vaihtelevan kokoisille alueille.

 

Lähteet:

Jaakkola, T. (1.2.2024). Tietokantojen tunnelmissa – Konflikteja Afrikassa ja tulvia Suomessa. Taikamatkalla GIS-velhoksi. Haettu 2.2.2024.

https://blogs.helsinki.fi/jztaika/

Ross, A. (3.2.2023). Explainer: Why has peace eluded South Sudan? Reuters. Haettu 3.2.2023.

https://www.reuters.com/world/africa/why-has-peace-eluded-south-sudan-2023-02-03/

Bastmeijer, J. (1.10.2023). Botswana’s diamond trade, an increasingly lucrative business in one of the most unequal nations. El Pais. Haettu 5.2.2024.

https://english.elpais.com/international/2023-09-30/botswanas-diamond-trade-an-increasingly-lucrative-business-in-one-of-the-most-unequal-nations.html

Niskanen, A. (31.1.2024). Kolmas kurssikerta. Auran blogi. Haettu 5.2.2024

https://blogs.helsinki.fi/niskanau/

 

 

 

 

 

 

Johdanto

Toisella kurssikerralla jatkoimme QGIS-ohjelman käytön opettelua, kävimme läpi erilaisia tietokantoja sekä tutustuimme projektioihin keskittyen erityisesti niihin liittyviin vääristymiin. Lisäksi kävimme läpi tavallisimpien mittaus- ja valintatyökalujen käyttöä, jotka helpottavat valittujen tietokantojen tarkastelua halutuissa osissa. Mielestäni työkalut olivat suhteellisen helppokäyttöisiä ja ohjelmiston käyttö alkoi muutenkin sujumaan ensimmäistä kurssikertaa paremmin, kun monet perustoiminnot olivat jo tuttuja. Tämän lisäksi opin tekemään entistä selkeämpiä ja siistimpiä Excel-taulukkoja, mihin olen erityisen tyytyväinen, koska pidän Excel-taitoja erittäin hyödyllisinä jatkoa ajatellen.

Saimme kurssikerralta myös kotitehtäviä, joiden aiheena oli toteuttaa taulukointi sekä karttavisualisointi projektioiden välisistä eroista. Perehdyn näihin tarkemmin tämän blogin aikana.

Taulukko eri projektioista

Ensimmäisenä tehtävä oli havainnollistaa projektioiden välisiä eroja taulukon avulla (Taulukko 1). Valitsin tätä varten viisi projektiota ja mittasin jokaista niitä käyttäen etäisyyden Suomen käsivarren tyvestä lyhintä reittiä Venäjän rajalle. Lisäksi mittasin eri projektioilla erään, aivan Suomen pohjoisimpaan Lappiin sijoittuvan alueen pinta-alan ja laskin prosentuaaliset erot ETRS-TM35FIN-projektioon verrattuna. Taulukosta voi huomata, kuinka eri projektioiden käyttäminen voi aiheuttaa lopputuloksessa suurtakin heittoa, minkä vuoksi oikean projektion valitseminen on ensisijaisen tärkeää todellisuutta vastaavan lopputuloksen tavoittelussa. Väärän projektion valitseminen voi johtaa tahalliseen tai tahattomaan mielipidevaikuttamiseen ja väärän tiedon levittämiseen.

Valitsemistani projektioista kaikista räikeimmin etäisyyttä ja pinta-alaa vääristää Mercatorin projektio, joka kasvattaa Lapissa mittaamaani alueen pinta-alaa jopa kahdeksan kertaa todellista suuremmaksi. Tiesin jo etukäteen Mercatorin taipumuksesta suurentaa lähellä napoja olevien alueiden kokoa, mutta en osannut odottaa muutoksien olevan näin suuria jo arktisen alueen rajalla. Samoin Van Der Grintenin aiheuttama vääristymä on todella merkittävä sekä etäisyyden että pinta-alan osalta, mikä johtuu Mercatorin tavoin siitä, että kyseessä ei ole oikeapintainen projektio ja kyseisten projektioiden vahvuudet löytyvät muualta.

Myös muiden kokeilemieni projektioiden osalta vääristymää tapahtuu. Yllätyin, kuinka paljon kaikkia virheitä minimoimaan pyrkivät Robinsonin ja Winkel Tripelin -projektiot muuttavat sekä pinta-alaa että etäisyyttä, koska niillä aikaan saatavissa lopputuloksissa virheet näyttävät ainakin omaan silmääni varsin vähäisiltä.

Taulukko 1, välimatkat sekä pinta-alat eri projektioilla sekä suhteessa ETRS-TM35FIN-projektioon (mitattu tasolle).

Projektioiden aiheuttamat erot kartalla

Taulukon ohella kurssikerralla annettiin tehtäväksi muodostaa kolme Suomen kuntien pinta-alaa eri projektioilla visualisoivaa karttaa ETRS-TM35FIN-projektioon verraten. Näistä ensimmäinen tehtiin valmiiksi jo tunnilla, mutta valitettavasti en saanut sitä lähetettyä toimivana kannettavalle tietokoneelleni, joten tein sen uudestaan. Tämä ei kuitenkaan juuri haitannut, koska rutiini kyseisen kartan tekemiseen oli jo löytynyt kurssikerran aikana. Käytännössä karttojen toteuttaminen oli melko yksinkertaista ja osittain kertausta aiemmasta.

Ensimmäisessä kartassa vertaan pinta-aloja Robinsonin projektioon. Kuten kuvasta (Kuva 1) voidaan huomata, myös Robinson aiheuttaa vääristymää ETRS-TM35-projektioon nähden, mutta kuitenkin vielä verrattain maltillisesti. Vääristymät kasvavat pohjoista kohti mentäessä ja asteikon ensimmäisen ja viimeisen tilastoyksikön välisessä pinta-alassa eroa on noin 16 prosenttia. Robinsonin projektio on ollut esimerkiksi National Geographicin käytössä vuoteen 1998 asti (ESRI, n.d).

Itse karttaan olen melko tyytyväinen ja väripaletti nähdäkseni toimii. Peruselementtien luominen (legenda, mittakaava, pohjoisnuoli) sujui myös merkittävästi helpommin ensimmäiseen kurssikertaan verrattuna.

Kuva 1, erot kuntien pinta-alassa Robinsonin ja ETRS-TM35FIN -projektioiden välillä.

Toisessa kartassa valitsin vertailukohteeksi oikeakulmaisiin lieriöprojektioihin kuuluvan Mercatorin, joka vääristää pinta-aloja todella paljon enemmän Robinsoniin verrattuna (Kuva 2). Vähiten vääristyneeseen tilastoyksikköön verrattuna eniten vääristynyt kasvaa yli 100 prosenttia suuremmaksi eli noin 84 prosenttia enemmän suhteessa Robinsonin projektioon. Mielestäni tuntuu melko erikoiselta, kuinka suosittu ja käytetty Mercator on, sillä sen aiheuttamat pinta-alan vääristymät ovat niin merkittäviä, että ne pahimmillaan voivat vaikuttaa ihmisten tapaan hahmottaa maailmaa. Mercatorin muunnelma on käytössä esimerkiksi Googlen ja Bingin kartoissa, joiden käyttäjäkunta on valtavan laaja (Sigdel, R, 2021).

Toteutuksen osalta päädyin samaan väripalettiin, jotta vertailu Robinsonin projektion kanssa olisi mahdollisimman vaivatonta. Tosin, jollakin tavalla eroja voisi pyrkiä tuomaan vielä enemmän esille, kuten myös Jesperi Grönberg pohtii blogissaan (2024) omien karttojensa kohdalla. En kuitenkaan löytänyt tämän toteuttamiseen sopivaa keinoa tai väripalettia.

Kuva 2, erot kuntien pinta-alassa Mercatorin ja ETRS-TM35FIN -projektioiden välillä.

Päätin lopuksi valita tutkittavaksi vielä projektion, jossa vääristymät eivät tapahdu pohjois-etelä-suunnassa. Tämä onnistui hyvin valitsemalla poikittaisen Mercatorin projektion, jossa keskimeridiaani kulkee Irlannin alueella (Kuva 3). Tässä tapauksessa vääristymää tapahtuu tavallisesta Mercatorista poiketen itä-länsi-suunnassa, jonka vuoksi Itä-Suomen pinta-alat kasvavat Länsi-Suomeen verrattuna enemmän. Projektio sopiikin erityisesti pohjois-etelä-suunnassa pitkien valtioiden (ESRI, n.d), kuten Chilen kartoittamiseen. Irlanti sijaitsee kuitenkin vielä sen verran lähellä Suomea, että vääristymät eivät ole kovin merkittäviä.

Teknisessä mielessä kartta onnistui mielestäni kohtuullisen hyvin, mutta tällä kertaa erot väripaletissa olisivat voineet olla hillitympiä. Nyt prosentin sisään mahtuvat erot näyttäytyvät liian suurina.

Kuva 3, erot kuntien pinta-alassa poikittaisen Mercatorin ja ETRS-TM35FIN -projektioiden välillä.

Loppusanat

Tämän viikon kurssikerta sekä harjoitukset tarjosivat paljon lisää oppia ja toimivat hyvänä kertauksena aikaisemmasta. Kertaus tuli tarpeeseen erityisesti sen vuoksi, että aihe tuntui geoinformatiikkaan johdatelleella kurssilla hieman haastavalta. Nyt kuitenkin ymmärrän enemmän projektioiden välisistä käytännön eroista. Ohjelmistojen (Excel ja QGIS) osalta olen mielestäni kehittynyt melko paljon, vaikka ajoittain tehtävät ovatkin tuntuneet hieman haastavilta. Huolimatta ajoittaisesta jumiin jäämisestä, olen kuitenkin aina päässyt tehtävissä eteenpäin.

Lähteet:

Grönberg, J. (24.1.2024). Toinen kurssikerta 24.1.2024. Jesperin GIS kärsimys. Haettu 26.1.2024.

https://blogs.helsinki.fi/jesperi/

ESRI. (n.d). Transverse Mercator. Haettu 27.1.2024.

https://pro.arcgis.com/en/pro-app/3.1/help/mapping/properties/transverse-mercator.htm

ESRI. (n.d). Robinson. Haettu 27.1.2024.

https://pro.arcgis.com/en/pro-app/3.1/help/mapping/properties/robinson.htm

Sigdel, R. (28.1.2021). Understanding Map Projections. Haettu 27.1.2024

https://medium.com/nightingale/understanding-map-projections-8b23ecbd2a2f

 

 

 

 

 

 

 

Johdanto

Ensimmäisellä kurssikerralla käsiteltiin kurssin käytännön asioita sekä aloitettiin QGIS-ohjelmaan tutustuminen. Lisäksi kävimme läpi paikkatiedon perusasioita, vektori- ja rasterimuotoisen paikkatiedon piirteitä sekä tasojen hyödyntämistä analyyseissa. Kerron tässä blogikirjoituksessa kahdesta kurssikerran aikana tekemästäni tehtävästä, joista ensimmäisen tein yhteisesti kurssilla ja toisen omatoimisesti.

Itämeren typpipäästöjen visualisointi

QGIS-ohjelma on itselleni entuudestaan melko tuntematon, vaikka käytinkin sitä hieman MAA-104 -kurssilla tehdyssä tehtävässä. Oli hyvä asia, että kurssilla kerrattiin ohjelman käyttämisen perusteita, jotta oppisin käyttämään sitä jatkossa omatoimisesti. Pidän ohjelman käyttämisen oppimista hyvin tärkeänä sekä tulevien opintojen että työelämän kannalta ja odotan innolla ohjelman käyttöön liittyviä tulevia kurssikertoja.

Ensimmäisen tehtävän tavoitteena oli saada aikaiseksi visualisointi, joka havainnollistaa Itämeren rannikolla sijaitsevien valtioiden osuuksia mereen päätyvissä typpipäästöissä. Visualisointi toteutettiin koropleettikartan avulla, josta ilmenee päästölähteiden sijainnit sekä päästöjen määrät valtioittain. Tehtävä aloitettiin siirtämällä tarvittava data QGIS-ohjelmaan, jonka lisäksi viilasin ohjelman perusasetuksia (mm. kieli) sekä ulkoasua itselleni sopivaksi. Tämän jälkeen siirryttiin varsinaisen teeman pariin ja etenimme kartan visualisoinnin kautta varsinaisen datan käsittelyyn sekä uuden datan laskemiseen. Lopuksi lisäsimme karttaan myös kartan peruselementit eli legendan, mittakaavan sekä pohjoisnuolen. Valmis kartta on nähtävillä alla olevassa kuvassa (Kuva 1).

Kuva 1, valmis visualisointi Itämeren rannalla sijaitsevien valtioiden aiheuttamista meren päästöistä.

Olen melko tyytyväinen valmiiseen visualisointiin ja viestin välittymiseen, vaikka parannettavaakin jäi. Mielestäni kartta havainnollistaa ilmiötä selkeästi, mutta luokkia olisi ehkä voinut olla yksi enemmän. Tämä sen takia, että nyt valtaosa valtioista kuuluu samaan luokkaan, eivätkä keskimmäisen luokan erot erotu mielestäni tarpeeksi. Valitsin väriteeman hieman eri tavalla, mitä kurssikerralla esitettiin, koska mielestäni myös valitsemani teema kuvaa hyvin mereen kohdistuvien typpipäästöjen kaltaista negatiivista ilmiötä. En aivan päässyt kurssikerralla kiinni siihen, miten kartalle tehdään kehykset, joten lopputuotoksessa niitä ei ole. Niiden poissaolo ei kuitenkaan nähdäkseni heikennä lopputuloksen laatua.

Kartasta voidaan huomata, että Itämeren alueella on useita päästölähteitä, joista selkeästi suurimpana erottuu Puola. Tämä hieman yllätti itseni, vaikka osasin odottaa Puolan olevan kärkipäätä. Samoin Ruotsin osuudet päästöistä olivat yllättävän suuret ja Venäjän melko pienet, jonka suhteen on tosin otettava huomioon Venäjän Itämeren rannikkoalueen lyhyys. Kuten jo aikaisemmin totesin luokkia olisi voinut olla visualisoinnissa yksi enemmän, sillä nyt esimerkiksi Tanska kuuluu Ruotsin kanssa samaan luokkaan, vaikka Ruotsin päästöt ovat Tanskaan verrattuna noin kaksinkertaiset. Joka tapauksessa rannikolla sijaitsevista valtiosta kohdistuu merkittäviä määriä päästöjä Itämereen ja päästöjen vähentäminen olisi toivottavaa. Erittäin hyvän huomion blogissaan tekee myös Taika Jaakkola (2024), joka nostaa tekstissään esille aikaisemman vuoden opiskelijan Joanna Nuutisen (2023) havainnon. Kuten Nuutisen ja Jaakkolan blogeissa todetaan, Itämereen päätyy päästöjä myös rannikkovaltioiden ulkopuolelta esimerkiksi jokien välityksellä, sillä Itämeren valuma-alueeseen kuuluu osia Norjasta, Valko-Venäjästä, Tšekistä, Slovakiasta ja Ukrainasta.

Viranomaistehtävät Suomen kunnissa

Toisessa tehtävässä tavoitteena oli toteuttaa oma koropleettikartta hyödyntämällä Suomen kuntien tietokantaa. Vaihtoehtoja vaikeusasteen suhteen oli kolme kappaletta ja päätin lopulta toteuttaa niistä toiseksi vaikeimman. Valmis kartta esittää Suomen kuntien viranomaistehtävien määrää suhteutettuna kuntien asukaslukuihin (Kuva 2).

Tehtävän toteuttaminen ei sujunut missään nimessä ongelmitta, ja jouduin tekemään paljon tiedonhakua päästäkseni haluamaani lopputulokseen. Valitsin ensimmäiseksi Tilastokeskuksen sivuilta sopivan aineiston ja latasin sen oikeassa muodossa. Aineistoon sisältyi laajalla skaalalla pääasiassa poliisien, mutta myös muiden viranomaisten erilaisia tehtävätyyppejä. Ladattuani aineiston, se vaati kuitenkin hieman muokkaamista siirtyäkseen QGIS-ohjelmaan sopivalla tavalla. Pääsin myös ensimmäistä kertaa opettelemaan ”join” -toiminnon käyttöä, jonka avulla tason piirteitä on mahdollista siirtää tasosta toiseen. Siirtämisvaiheessa ongelmia aiheutti erityisesti siirtämäni datan koodaus (encoding), joka ei tunnistanut pohjoismaisia ”ä” ja ”ö” -kirjaimia, minkä vuoksi siirtämisessä avaimena toimineet kuntien nimet eivät aina vastanneet toisiaan. Sain kuitenkin lopulta skandinaaviset kirjaimet näkymään oikealla tavalla. Lisäksi laskin jokaiselle kunnalle suhdeluvun jakamalla kuntien väkiluvun viranomaistehtävien määrällä. Ilman kyseistä laskutoimitusta lähinnä suurimmat kaupungit olisivat erottuneet kartalla kaikista tummimpina.

Lopputulokseen olen melko tyytyväinen ja mukana ovat kaikki haluamani elementit. Sain parannettua aikaisempaan karttaan verrattuna legendan muotoilua ja myös väriteema nähdäkseni toimii aiheen kohdalla. Se, miten viranomaistehtävät jakautuivat ympäri Suomea yllätti kuitenkin itseni, sillä suurimmat viranomaistehtävien määrät näyttäisivät keskittyvän Länsi-Suomeen Etelä- ja Keski-Pohjanmaan sekä Pohjanmaan maakuntiin. Lisäksi lähellä Turkua sijaitsevissa ympäryskunnissa on väkilukuun suhteutettuna paljon viranomaistehtäviä. Sen sijaan, suuret kaupungit erottuvat monin paikoin vähäisistä tehtävämääristään, mikä on tuloksena päinvastainen verrattaessa tilanteeseen, jossa väkilukuja ei huomioida. Toisaalta monet harvaanasutut kunnatkin erottuvat kartalla valkoisina. Kaikista suurimman suhdeluvun sai Virolahti ja pienimmän Luoto.

En ainakaan itse osaa suoranaisesti sanoa, mistä monet kartalla näkyvät trendit voisivat johtua. Kuvittelisin ainakin itse, että suuret kaupungit olisivat edelleen viranomaistehtävissä korkeammalla. Virolahden tapauksen kuitenkin ymmärrän, koska kunnan alueella sijaitsee Vaalimaan rajanylityspaikka, jonka myötä valtaosa viranomaistapauksista liittyy maahanpääsyn epäämiseen liittyviin tapauksiin. Mahdollisesti myös joissakin muissa yksittäistapauksissa korkeaa arvoa selittävät jotkin yksittäisen tyyppiset, muista kunnista poikkeavat viranomaistehtävät. Joka tapauksessa kartan laajempien trendien taustojen ymmärtäminen voi vaatia lisää tutkimus- ja selvittämistyötä.

 

Kuva 2, Suomen viranomaistehtävien jakautuminen kunnittain vuonna 2021. Kartassa huomioitu kuntien väkiluku. (Tilastokeskus)

 

Lähteet:

Nuutinen, J. (23.1.2023). QGIS-ohjelmistoon tutustuminen. Haettu 22.1.2024.

QGIS-ohjelmistoon tutustuminen

Jaakkola, T. (2024). QGIS for dummies ja karttojen laatimisen perusteita. Taikamatkalla GIS-velhoksi. Haettu 22.1.2024.

https://blogs.helsinki.fi/jztaika/

Tilastokeskus. (2022). Viranomaisten tehtäviä kunnittain, 1980-2022. Haettu 24.1.2024.

https://pxdata.stat.fi/PxWeb/pxweb/fi/StatFin/StatFin__rpk/statfin_rpk_pxt_13f7.px/

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!