7. Kurssikerta: hetki lyö, viime hetki lyö

“Joka tapauksessa aina erilaisia karttoja tehdessä omin pikku kätösin tehdyn valmiin kartan näkeminen motivoi ja innostaa jatkamaan, ja huomaa, etteihän tämä lopulta niin vaikeaa ollutkaan! Tyyntä ennen myrskyä…?” Näihin epävarmoihin sanoihin päätin ensimmäisen blogitekstini 22.1. Tuosta päivästä on jo melkein 1,5kk, enkä silloin vielä osannut kuvitellakkaan, että viimeinen luotu kartta olisi valmis, ja viimeisen blogitekstin kirjoitushetki tulisi eteen. Tuo hetki on nyt.

Viimeisen kurssikerran aiheena oli itse etsiä mielenkiintoisia tilastotietoja, ja tuottaa niistä halutunlaiset kartat. Suomen demokraattisen valtiomallin mahdollistaman yliopiston lakon takia juuri meidän kurssikertamme kärsi kuitenkin lakkoilusta, ja kurssikertamme jouduttiin perumaan. Ensin näytti siltä, että karttojen luominen onnistuisi minulta kotioloissakin, mutta kun valitsemiani tilastoja yritin Excelissä muokata, ei Excel jostain syystä suostunut omalla koneellani toimimaan. Onneksi uusi kurssikerta kuitenkin järjestyi, ja pääsin muokkailemaan, tässä tapauksessa luotettavammalle tietokoneelle ainestojani. Pienten vaikeuksien kautta (joita käsittelen kyllä, myöhemmin ;)) syntyi kaksi koropleettista teemakarttaa, joista ensimmäinen (kuva 1) kuvaa ihmisten kokemaa köyhyysriskiä Euroopan valtioissa Eurostatin tilastojen pohjalta.

Kuva 1. Väestön kokema köyhyys Euroopan valtioissa.

Tästä kuvasta on nähtävissä, että väestöstä prosentuaalisesti korkein riski kokea köyhyyttä on selkeästi eniten Itä-Euroopan, ja entisen Jugoslavian alueen valtioissa. Mielenkiintoista kuitenkin on, että myös Espanja kuuluu näiden kehittyvien valtioiden kanssa korkeimpaan luokkaan. Ensin tulos hieman yllätti, mutta sitten muistin lukemani uutiset syrjäytyneisyydestä ja köyhyyden kasvusta Espanjassa. Suurin syy maan väestön kokemaan köyhyyden kasvuun on Euroopassa 2010- luvulla alkaneessa talouskriisissä, kun Yhdysvalloista alkaneen finanssikriisin aiheuttamat taloudelliset vaikeudet ajautuivat myös Eurooppaan, mikä näkyi verotulojen laskuna, valtioiden menojen lisääntymisenä ja budjettivajeiden kasvuna. Jotkut valtiot velkaantuivatkin voimakkaasti pelastaessaan pankkejaan. Näistä valtioista yksi oli Espanja.

Talouselämän vuonna 2013 tekemässä jutussa kerrotaan, että Espanjan työttömyysaste tuona vuonna oli korkeimmilla alueilla jopa 38,5%, mikä samana vuonna on esimerkiksi Suomessa Uudellamaalla ollut Tilastokeskuksen mukaan vain 6,3%. Toisaalta Ylen uutisen tietojen perusteella työttömyys ei jakaannu Espanjassa tasaisesti, vaan on keskittynyt merkittävästi Madridiin ja sen lähialueille, joiden kaduille on ilmaantunut romanialaisten kerjääjien lisäksi myös kantaespanjalaisia.

Talouskriisi aiheutti Madridissa pahan pitkäaikaistyöttömyyden etenkin kaupungin eteläosiin, missä asuvilla ihmisillä alimmat kuukausipalkat putosivat 600-700 euroon. Köyhyys ei kuitenkaan kosketa pelkästään vain työikäisiä, vaan heikoiten asiat ovat lapsilla, sillä he eivät valita tai saa ääntään kuuluviin. Ylen sivuilla vuonna 2014 ilmestyneestä uutisesta tuleekin ilmi, että kyseisenä vuonna jopa 2,3 miljoonaa lasta eli perheissä, jotka kuuluivat köyhyysrajan alapuolella eläviin. Vuoden 2008 jälkeen tuo lukumäärä oli noussut jopa 800 000:lla.

Espanjan korkeimmassa luokassa olemisen lisäksi mielenkiintoinen huomio on mielestäni myös se, että Espanjan ja Itä-Euroopan valtioiden jälkeen seuraavaksi korkeimmissa luokassa, 7.4-9.6%:ssa on Baltian maiden, Puolan ja Portugalin lisäksi myös Alankomaat. Tämä on mielenkiintoista siksi, että teollisuudesta ja leikkokukkien markkinoiden hallitsemisesta tunnetun maan BKT oli Wikipedian mukaan vuonna 2014 680 300 miljoonaa dollaria, mikä on ollut tuona vuonna 22:ksi korkein koko maailmassa. Tämä sai minut kyseenalaistamaan aineiston luotettavuuden, koska Globaliksenkin  mukaan Alankomaiden työttömyysprosentti on vain viiden prosentin luokkaa, eli maassa on verraten hyvä työllisyys. Toisaalta Helsingin Sanomien uutisessa kerrotaan, kuinka maassa on jopa 200 000 maahanmuuttajaa Marokosta, joiden määrää on maan äärioikeistoa edustava väestö kritisoinut. Maahanmuuttajilla on huonompien oikeuksien, sekä esimerkiksi kielitaidottomuuden ja koulutuksen puutteen takia yleensä aina huonompi työllisyys, joten näiden määrä voi osiltaan selittää Alankomaiden olemista toiseksi korkeimmassa luokassa. Toisaalta näiden marokkolaisten määrä suhteutettuna koko maan n. 17 miljoonan asukkaan väestömäärään on hyvin pieni, joka vahvistaa epäilykseni Alankomaiden tilastotietojen oikeellisuutta kohtaan.

Näiden korkeimpien luokkien tulosten lisäksi pienempien luokkien osalta huomioitavaa on se, että myös Italia kuuluu kaikkein alimpaan luokkaan, eli tulosten mukaan maan työttömyysprosentti olisi vain 0-5.4%:n välillä. Tämä herätti huomioni, koska Talouslehden sivuilla vuonna 2014 julkaistun uutisen mukaan maan työttömyysaste on tuona vuonna ollut 12,9%, mikä on korkein sitten vuoden 1977. Vaikka karttojeni aineistot ovatkin vuodelta 2010, en usko, että neljässä vuodessa Italian työttömyysprosentti olisi noussut noin radikaalisti. Lisäksi myös Globaliksen sivujen mukaan Italian työttömyys on samana vuonna ollut 12,5%, ja maan valtiovelka on jopa yli 135 % BKT:sta. Nämä huomiot vain kasvattivat epäluulojani siitä, että myös Italian kohdalla tilastotiedot olisivat viallisia. Tämä on mielestäni merkittävä virhe, koska ero onko maan työttömyysprosentti 13% vai 0-5.4% luokkaa on todella suuri.

Näistä huomioista ja ihmetyksistä huolimatta muuten tulokset ovat mielestäni odotettuja. Poikkeuksia lukuun ottamatta korkeimpiin luokkiin sijoittuneiden Itä-Euroopan maat vastapuolella ovat pienimpiin luokkiin sijoittuneet Länsi- ja Pohjois-Euroopan maat. Vaikka työttömyys on Euroopassa kasvanut etenkin juuri aiemmin mainitsemani talouskriisin takia, ovat työttömyysprosentit (siltä osin kun pitävät paikkaansa) mielestäni kuitenkin melko maltillisia. Samalla kuitenkin erot valtioiden välillä ovat merkittäviä, ja vaikka keskiarvo yleensä kuvaakin hyvin tilastotietoja, vääristää Tekniikka & Talous-lehden sivuilla ilmoitettu vuoden 2010 Euroopan keskimääräinen työttömyysprosentti 9,5% hieman tilastoja. Huojentavaa Euroopan taloustilanteen ja ihmisten kannalta kuitenkin on, että Eurostatin sivujen diagrammista (kuva 2) on nähtävissä työttömyyden oleminen tällä hetkellä laskusuunnassa.

Kuva 2. Euroopan keskimääräinen työttömyysprosentti 2000-2017 (lähde: http://ec.europa.eu/eurostat/statistics-explained/index.php/Employment_statistics/fi)

Koska etenkin pitkäaikainen työttömyys, ja siitä seuraava köyhyys aiheuttavat epävarmuutta, syrjäytyneisyyttä, ryöstelyä ja muita negatiivisia seurauksia, halusin toisessa kartassani tutkia, korreloiko Euroopan valtioiden köyhyysprosentit näiden rikollisuuden määrien kanssa. Tähän valitsin aineistoksi maiden poliisien ilmoittamien ja tilastoitujen rikosten määrät suhteutettuna väestöön. Lopputuloksena syntyi kartta (kuva 3), jonka tuloksista on nähtävissä niin yhteneväisyyksiä, kuin myös eroavaisuuksia köyhyysprosenttien tulosten kanssa.

Kuva 3. Väestön kokema rikollisuus Euroopan valtioissa.

Yhtäläistä karttojen tuloksissa on selkeästi se, että korkeimmissa köyhyysprosentin luokissa olevat maat, kuten Itä-Euroopan, entisen Jugoslavian ja Baltian maat ovat myös korkeimmissa rikollisuusluokissa. Huomioitavaa kuitenkin on, että myös Suomi kuuluu toiseksi korkeimpaan 1.6-3.3%:n luokkaan. Vaikka turvallisuus Suomessa on pääosin hyvää ja virkavalta organisoitua, Sisäministeriön tiedotteen mukaan etenkin omaisuus- ja liikennerikoksia on Suomessa paljon. Tämä selittää osiltaan Suomen kuulumista korkeimpaan luokkaan, koska aineistossa oli kaikki ilmoitetut rikokset, eikä esimerkiksi pelkästään vain henkirikoksia. Sisäministeriön tiedotteesta tuleekin myös ilmi, että Suomessa henkirikollisuuden asukaslukuun suhteutettu taso on korkeampi kuin läntisten naapurimaittemme, mitä todistaa myös karttani. Ero muihin Pohjoismaihin muodostuu pääosin syrjäytyneiden ja alkoholisoituneiden miesten alkoholin vaikutuksen alaisena tekemistä rikoksista.

Tulosten perusteella ei siis voi olettaa, että pelkästään korkean työttömyyden maissa olisi automaattisesti eniten myös rikollisuutta. Tätä todistaa Suomeen liittyvän huomion lisäksi myös se, että Irlanti ja Belgia kuuluvat toiseksi korkeimpaan luokkaan, missä on myös esimerkiksi Romania ja Ukraina, joissa köyhyyttä ja epävakautta tunnetusti on paljon. Syy miksi Irlanti ja Belgia kuuluvat tähän samaan luokkaan löytyy mielestäni maiden maahanmuuttajien osuuksista väestöistä. Eurostatin tilaston mukaan Irlanti ja Belgia kuuluvat neljään valtioon, joissa maahanmuuttajien suhteelliset osuudet koko väestöstä ovat kaikkein korkeimmat. Kun maahanmuuttajia on paljon, aiheuttaa se väkivaltaisuuksia ja levottomuutta, ja sitä kautta rikoksia eri kansojen välillä. Lisäksi maahanmuuttajien rikoksia saatetaan helpommin ilmoittaa, kuin jos tekijä olisi uhrille esimerkiksi joku tuttu. Tätä selittää mielestäni myös Iso-Britannian, Ranskan ja Portugalin oleminen muita länsimaita korkeammassa luokassa, koska myös näissä maissa korkeamman väestömäärän lisäksi myös maahamuuttajien osuudet ovat korkeammat.

YK:n kriminaalipolitiikan instituutti HEUNI:ssa työskentelevien Kauko Aromaan ja Markku Heiskasen tekemässä analyysissä, jossa analysoitiin Kansainvälisen rikosuhritutkimuksen (EU-ICS) tuloksia Euroopan maiden ilmoitetuista rikoksista kerrotaan myös, että Belgiassa jopa 90% ja Irlannissa 85% asuntomurroista ilmoitettiin poliisille. Voi siis myös olla, että näissä maissa ihmiset yleisestikkin ilmoittavat rikoksista muiden maiden väestöä helpommin, joka selittää maiden olemista korkean rikollisuuden luokassa.

Vaikka olen karttojeni ulkoasuun ja selkeyteen tyytyväinen, liittyi myös näiden karttojen luomiseen pieniä hankaluuksia. Ensimmäinen ongelma oli siis jo aikaisemmin mainitsemani Excelin temppuileminen kotona Eurostatin taulukoiden kanssa. Excel aiheutti harmaita hiuksia myös taulukoita karttatasoon liittäessäni, kun rikollisuus-aineiston yhteydessä tasojen liittämisen jälkeen Saksa hävisi joka kerran, vaikka uudelleen ja uudelleen yritin liittää tasoja yhteen. Apujen kyselyn jälkeen Saksan riviä Excelissä tarkastellessani kuitenkin huomasin, että olin lyönyt sen nimen perään vahingossa välimerkin. Noinkin pieni moka kostautui siis rankalla tavalla upottaen Saksan Euroopan kartalta Pohjanmereen. Yhdistämis-toiminto aiheutti myös toisen ongelman, kun ensimmäisen kerran tätä toimintoa käytin. Laitoin liitettävät tasot ensin väärin päin, jolloin toiminto ei tietenkään toiminut ollenkaan. Huomasin siis taas, kuinka tärkeää on lukea tarkkaan, mitä on liittämässä mihinkin.

Jos tekisin jotain toisin (ainahan on parannettavaa), valitsisin toiseen karttaan aineistoksi kaikkien ilmoitettujen rikosten sijaan esimerkiksi ryöstöt, jolloin kartta ja tulokset voisivat olla paremmin yhdistettävissä köyhyysaineiston kanssa, ja kuvata paremmin todellisuutta esimerkiksi Suomen osalta. Toisaalta syy miksi valitsin kaikki rikollisuudet oli se, että Eurostatia ja muita aineistolähteitä tutkiessani huomasin, että joistain valtioista puuttui esimerkiksi ilmoitetut raiskaustilastot kokonaan. Lisäksi joidenkin aineistojen osalta en ollut ihan täysin varma, mitä kaikkea tilastot kuvasivat, joten katsoin parhaaksi valita sellaiset aineistot, joiden tiedot ymmärsin 100%:sti. Vaikka ymmärtäisi aineistot täysin, voi ne aiheuttaa silti päänvaivaa, mikä tuli huomattua Alankomaiden ja Italian köyhyystilastojen tulosten kanssa. Niiden oikeellisuus tai valheellisuus taitaa tällä kertaa jäädä kuitenkin mysteeriksi, koska varmaa selitystä Eurostatin tilaston eroavaisuuksille näiden tilastojen osalta verrattuna muihin löytämiini en vieläkään osaa sanoa.

Visuaalisesti olisin voinut myös tehdä vielä kolmannen, kuvallisen kartan, niinkuin Nelli Junttila on Brasilian biomeista tehnyt, johon olisin liittänyt kuvia esimerkiksi valtioiden yleisestä kaupunkiympäristöstä, mistä olisi voinut saada kuvaa valtion kehittyneisyydestä, ja sitä kautta esimerkiksi köyhyyden ilmenemisestä. Toisaalta niinkuin Nellikin karttaansa analysoi, voisi lopputuloksena Euroopan kohdalla olla todella sekava kartta, koska pienien valtioiden kohdalla olisi todella hankalaa saada selvää kuvaa mahtumaan valtioiden rajojen sisälle. Silti Nellin luoma kartta on mielestäni kiehtovan näköinen, ja aion kyllä jossain tilanteessa kokeilla samanlaisen kuvallisen kartan luomista! Positiivinen yllätys uuteen kuvalliseen karttaan tutustumisen lisäksi oli myös se, että vaikka ohjeiden ilmestyessä tiedostusblogiin hieman panikoin datan etsimispaikkojen laajuutta, oli niiden etsiminen ja tutkiminen yllättävän helppoa ja mielenkiintoista eri tilastoja vertaillessa.

Viidennessä blogitekstissäni muutama viikko sitten pohdin jo siihen astista matkaa QGisin ja karttojen luomisen parissa, joten en sen tarkemmin rupea tähän loppuun toistamaan kohtaamiani ongelmia ja onnistumisia. Se on kuitenkin pakko sanoa, että kun nyt mietin ja vertailen taaksepäin lähtökohtia joista kurssi alkoi, ja nykyisiä fiiliksiäni, olen kyllä melko ylpeä suorituksestani (katsotaan sitten olenko samaa mieltä arvosanojen tulemisen jälkeen…). Huomaan kehitystä luomissani kartoissa, ja etenkin tällä kerralla, kun sai itse päättää itseään kiinnostavan aiheen karttaan aineistoksi, voisin lopulta sanoa jopa innostuneeni karttojen tekemisestä!

Vaikka onnistumisen hetkien lisäksi on ongelmia ja turhautuneisuutta siis mahtunut vähintään yhtä paljon, jäi päälimmäisenä fiiliksenä tästä kurssista kuitenkin hyvä mieli. Ja niinkuin eräs mielestäni hyvä lainaus sanoo “A smooth sea never made a skilled sailor”, vastoinkäymiset voivat tehdä lopputuloksesta vieläkin paremman. Ensimmäisen blogitekstin varautuneista tunnelmista päädyttiin siis lopulta karttojen tekemisestä innostuneisiin tunnelmiin. Hyvä minä ja te!

Lähteet:

Eduskunta. Euroopan talouskriisi. https://www.eduskunta.fi/FI/tietoaeduskunnasta/kirjasto/aineistot/eu/eu-talouskriisi/Sivut/default.aspx. Luettu 7.3.2018.

Talouselämä. Täällä ovat Euroopan työttömyyshelvetit: työttömyysaste peräti 38,5%. https://www.talouselama.fi/uutiset/taalla-ovat-euroopan-tyottomyyshelvetit-tyottomyysaste-perati-38-5/34019da0-bd8d-3c18-9ee8-0b97d4c19cbe. Luettu 7.3.2018.

Tilastokeskus. 2. Työllisyys ja työttömyys vuonna 2013. https://www.stat.fi/til/tyti/2013/13/tyti_2013_13_2014-04-01_kat_002_fi.html. Luettu 7.3.2018.

Yle. Pahimman jälkeen. https://yle.fi/uutiset/3-8815545. Luettu 7.3.2018.

Yle. Miljoonat köyhät lapset ovat Espanjan vaiettu tragedia. https://yle.fi/uutiset/3-7857497. Luettu 7.3.2018.

Eduskunta. Espanja. https://www.eduskunta.fi/FI/tietoaeduskunnasta/kirjasto/aineistot/eu/eu-talouskriisi/Sivut/Espanja.aspx. Luettu 7.3.2018.

Wikipedia. Alankomaat. https://fi.wikipedia.org/wiki/Alankomaat. Luettu 7.3.2018.

Globalis. Alankomaat. http://www.globalis.fi/Maat/Alankomaat. Luettu 7.3.2018.

HS. Hollannin marokkolaiset pitävät kiinni vanhoista normeista. https://www.hs.fi/kulttuuri/art-2000003589138.html. Luettu 7.3.2018.

Talouselämä. Italian työttömyys kasvoi korkeimmalle tasolleen vuoden 1977 jälkeen. https://www.talouselama.fi/uutiset/italian-tyottomyys-kasvoi-korkeimmalle-tasolleen-vuoden-1977-jalkeen/118b9c5f-f268-3bad-bb5d-68443560d0dd. Luettu 7.3.2018.

Tekniikka&Talous. Näissä maissa on pahin työttömyys. https://www.tekniikkatalous.fi/tyoelama/2011-05-17/N%C3%A4iss%C3%A4-maissa-on-pahin-ty%C3%B6tt%C3%B6myys-3302146.html. Luettu 7.3.2018.

Sisäministeriö. Rikollisuus Suomessa- Suurin osa rikoksista on omaisuus- ja liikennerikoksia. http://intermin.fi/poliisiasiat/rikollisuus-suomessa. Luettu 7.3.2018.

Eurostat. Muuttoliikettä ja muuttajia koskevat tilastot. http://ec.europa.eu/eurostat/statistics-explained/index.php/Migration_and_migrant_population_statistics/fi. Luettu 7.3.2018.

Haaste.com. Rikollisuus vaihtelee EU-maissa. http://www.haaste.om.fi/fi/index/lehtiarkisto/haaste12007/rikollisuusvaihteleeeu-maissa.html. Luettu 7.3.2018.

Junttila, Nelli. 7. Kurssikerta: Oman kartan laadintaa (3.3.2018). https://blogs.helsinki.fi/junelli/. Luettu 7.3.2018.

 

 

6. Kurssikerta: kaupallisuudesta ja luonnonhasardeista mittakaavavirheisiin

Huhhuh, nyt jo kuudes kurssikerta takana, ja toiseksi viimeinen blogikirjoitus edessä. Aika menee kyllä todella nopeasti, kun tekemistä riittää, ja koulutyöt yrittää parhaansa mukaan yhdistää niiden ulkopuoliseen, vapaa-ajaksikin kutsuttuun käsitteeseen. Mutta ainakin tähän asti tämä on onnistunut melko hyvin, ja tämän Geoinformatiikan kurssin loppu, sekä fuksivuoden viimeisen periodin alku jo odottavat alkamista. Tämän, edellisistä blogiteksteistäkin nähtävän jaaritteluni jälkeen voisi kuitenkin mennä taas vihdoin itse asiaan…

Tämän kurssikerran aiheena oli pisteaineistojen tuottamiseen ja muokkaamiseen tutustuminen. Tähän saimmekin käytännönläheisen lähestymistavan, kun jalkauduimme maastoon keräämään eri koordinaateista pisteitä Epicollect5- sovelluksen avulla. Sormethan siinä paikkojen viihtyisyyteen liittyviin kysymyksiin vastauksia naputellessa jäätyivät, mutta luokkaan pääsyn, ja näiden keräämiemme pisteiden datan tutkimisen jälkeen, pääsimme käyttämään QGisiä yhdessä Go2streetview- liitännäisen kanssa, mikä oli ainakin itselleni itseasiassa todella mielenkiintoista ja mieleistä. Lisäsimme siis satunnaisesti valittuihin Helsingin kantakaupungin kortteleihin pisteitä, joihin ominaisuustiedoiksi rankkasimme kohteiden kaupallisuuden arvoja. Lopuksi interpoloimme vielä arvoja pisteiden välille, jolloin saimme esitettyä kortteleiden kaupallisen asteen koropleettikarttana. Tätä karttaa ei olisi tarvinnut liittää blogiin, mutta mielestäni kartoista tuli niin kiehtovan ja jännittävän näköisiä, ja pidin luomastani kartasta, joten päätin nyt sitten tuoda luomani kartan miljoonapäisen lukijakuntani nähtäville (kuva 1).

Kuva 1. Isopleettikartta Etu-Töölön alueen kaupallisuudesta.

Vaikka pääasiallisena tehtävänä ei ollut analysoida näitä karttoja, joitain huomioita haluan kuitenkin tuoda kartastani esille. Siitä on selkeästi nähtävissä, että kyseisellä korttelialueella kaupallisuus ei ole voimakkaasti läsnä, koska korkein luokka on vain 1.9, kun luokittelimme pisteitä 1-5 arvon välillä. Valitsemani kohde sattuikin olemaan pääasiassa Etu-Töölölle tyypillistä, tiivisti rakennettua, ja kivitaloista koostuvaa kerrostaloaluetta. Kaupallisuuden korkeimmat luokat ovat keskittyneet suurimpien teiden, Mechelinin- ja Runeberginkadun varsille, sekä teiden solmukohtiin. Syynä tähän on varmasti se, että suurimmat tiet ovat leveimpiä ja niiden kautta kulkee raitiovaunulinjoja, jotka tekevät niistä pienempiä katuja, kuten Eteläistä Hesperian- tai Museokatua paremmin saavutettavat. Näillä kadunpätkillä kaupallisuus on vain pienintä tasoa, joka kertoo asuinrakennusten sijoittumisesta näille rauhallisemmille kaduille.

Kartasta on myös nähtävissä kerrostalojen keskellä olevan sisäpihat, mikä kertoo alueen rakennushistoriasta, missä sen keskeisiä asemakaavan tavoitteita oli valoisien ja avarien suurkorttelipihojen luominen Helsingin uuden rakennusjärjestyksen luomisen yhteydessä 1917 Töölö-Seura Ryn sivujen mukaan. Myöhemmin pihoille ahdetut autopaikat valtasivat useimpien taloyhtiöiden tontit, mutta vain juuri kartassani näkyvän Mechelininkadun, Eteläisen Hesperiankadun, Runeberginkadun ja Museokadun rajoittama suurkortteli edustaa toteutuneena ja säilyneenä tätä tavoitetta.

Kun olimme yhdessä luoneet nämä mielenkiintoiset koropleettikartat, pääsimme itse tuottamaan kolme pistekarttaa maanjäristykset, tulivuoret ja meteoriittien putoamispaikkojen teemoilla. Mahdollisuuksia oli monia karttojen luomiseksi, mutta muutaman kokeilun jälkeen päädyin itse kuitenkin esittämään kaikkien näiden hasardien sijaintia yhdessä kartassa (kuva 2).

Kuva 2. Pistekartta maanjäristyksistä, purkautuneista tulivuorista ja meteoriittien putoamispaikoista.

Karttaani valitsin esitettäviksi teemoiksi vuoden 1980 jälkeen tapahtuneet yli 8 magnitudin suuruiset maanjäristykset, vuoden 1964 jälkeen purkautuneet tulivuoret, sekä kaikki meteoriittien putoamispaikat. Vaikka olisin voinut esittää nämä kaikki hasardit omissa kartoissaan, minkä ensin myös tein, syy miksi lähdin esittämään kaikkia näitä yhdessä ja samassa kartassa oli se, että mielestäni tällöin on helpompi vertailla näiden sijainteja ja korrelaatioita keskenään.

Kartastani on nähtävissä, että tässä esitetyt, kaikkein korkeimmat maanjäristykset sijoittuvat pääasiassa Etelä-Amerikan länsiosaan Chilen alueelle, Tyynellemerelle Japanin ja Indonesian alueille, sekä Intian valtamerelle, Indonesian länsiosan rannikolle. Maanjäristykset syntyvät, kun litosfäärilaatat liikkuvat maan sisäisten konvektiovirtausten aikaansaamana, ja niiden saumakohtiin syntyy jännitystä. Laattojen välillä oleva kitka lukitsee ajoittain niiden kivimassat yhteen, eikä jännitys pääse purkautumaan heti. Kivimassojen taipuessa jännitys kasvaa liian suureksi, ja kiven murtuessa jännitys laukeaa, ja laatat liikahtavat äkillisesti synnyttäen maapallon pinnassa ja sisäosissa kulkevia seismisiä aaltoja, sekä itse maanjäristyksen. Suurin syy, miksi maanjäristyskeskittymät ovat sijoittuneet juuri näille alueille onkin se, että nämä kaikki edellä mainitut alueet sijaitsevat laattojen reuna-alueilla.

Vaikka määrällisesti näitä yli 8 magnitudin maanjäristyksiä on tapahtunut melko harvoin, on niillä silti valtavat seuraukset maanjäristyalueiden ympäristölle ja ihmisille. Tieteen Kuvalehdessä kerrotaan, kuinka maan järinä itsessään tappaa harvoin ketään. Järistysten uhrit kuolevatkin yleensä rakennusten sortuessa tai tulipaloissa, joita syntyy, kun puita sinkoilee tulisijoista, kaasujohdot katkeilevat ja sähköjohdoissa syntyy oikosulkuja. Maankuoren liikahdus voi aiheuttaa myös hyökyaaltoja, kuten vuoden 2004 tuhoisa tsunami Intian valtamerellä. Tämä voimakkaimmasta maanjäristyksestä 40 vuoteen johtunut tsunami tappoi Ylen mukaan yli 230 000 ihmistä, ja miljoonat ihmiset joutuivat jättämään kotinsa. Onneksi järistyksiin osataan nykyään jo paremmin varautua, ja Tieteen Kuvalehden toinen uutinen esitteleekin kolme uusinta innovaatiota maanjäristysten varalle; järistysaaltoja hajottavat maahan upotettavat paalut, aaltoja imevät puut ja tuulivoimalat, sekä maanjäristyksen paineaallot ujellukseksi muuttavat teräslieriöt. Innovaatioiden toimivuutta ei uutisessa analysoida, mutta mitä enemmän uusia innovaatioita tulee, sitä parempi todennäköisyys on myös toimivien ennakointi- ja ehkäisykeinojen syntymiselle.

Koska olin valinnut maanjäristyksiksi vuoden 1980 jälkeen tapahtuneet, halusin, että myös tulivuorten purkautumisaineisto alkaisi suunnilleen samoihin aikoihin. Tämä olikin käyttämällämme catalog.data.dov sivulla onneksi mahdollista, koska aineistoista pystyi valitsemaan vuoden 1964 jälkeen purkautuneet tulivuoret, jotka ovat ajallisesti edes suunnilleen samalla ajanjaksolla maanjäristysten kanssa. Näitä esiintymiä kartassa vertaillessa huomaa, että tulivuorenpurkausalueet noudattelevat myös maanjäristysalueiden sijainteja. Purkaus syntyy, kun jostain maankuoren kohdasta, yleisimmin juuri litosfäärilaattojen alityöntö- ja törmäysvyöhykkeillä painavemman merenpohjanlaatan painuessa kevyemmän mantereisen laatan alle laatan yläpinta alkaa sulaa, kaasujen, laavan ja muiden kiinteiden purkaustuotteiden purkautuessa maan pinnalle. Tulivuorenpurkauksia onkin  maanjäristysesiintymien tavoin Chilen alueella Etelä-Amerikassa, Intian valtamerellä Indonesian länsipuolella, sekä myös Väli-Amerikassa Meksikon eteläpuolella litosfäärilaattojen reuna-alueilla. Kaikkein suurin tulivuorten purkauskeskittymä on kuitenkin Tyynen valtameren ympärillä Japanissa ja Filippiineillä, missä sijaitsee niin sanottu Tyynenmeren tulirengas eli vyöhyke, jossa esiintyy voimakasta tektonista ja vulkaanista toimintaa.

Litosfäärilaattojen reuna-alueiden vulkaanisesti aktiivisten alueiden lisäksi tulivuorenpurkauksia on kuitenkin myös ns. hot spot- alueilla, eli laattojen sisäosien poikkeuksellisen kuumien kohtien kohdalla, missä syvältä maapallon vaipan ja ytimen rajalta nouseva virtaus sulattaa ja ohentaa litosfäärilaattaa synnyttäen laatan purkautuessa tulivuoren, sekä laattojen erkanemisvyöhykkeillä, missä syvältä niiden alta purkautuva laava synnyttää tulivuorisaaria ja laakiobasaltteja, kuten Islannin. Oululaisen astrologian ja planetologian tutkimuskeskuksen sivujen mukaan maassa on n. 200 tulivuorta, joista yli 30 on toimivia, ja Islannissa tapahtuukin tulivuorenpurkaus keskimäärin jopa joka viides vuosi.

Vaikka maanjäristys- ja tulivuorenpurkausalueet noudattelevatkin säännöllisesti litosfäärilaattojen reuna-alueita, ei meteoriittien putoamispaikkojen sijainneissa ole nähtävissä mitään kausaliteettia, eli syy- ja seuraussuhdetta. Niitä on ympäri maailmaa aina Antarktista ja Grönlantia myöden, eniten kuitenkin kääntöpiirien alueilla. Merkittävää on, että selkeästi vähiten meteoriitteja on pudonnut ekvaattorin, 60° leveysasteen ja vuoristojen alueille. Syynä tähän mielestäni on varmasti se, että nämä alueet ovat joko sademetsien, vuoristojen tai muuten vain hankalien olosuhteiden takia huonosti saavutettavat ja asutut alueet, jolloin myös mahdollisilla meteoriittien putoamisilla ei ole ihmisille niin paljon merkitystä, eikä niitä myöskään näin ollen näillä alueilla niin paljon tutkita. Lisäksi geologian tutkimuskeskuksen erikoistutkija Kari A. Kinnunen kertoo MTV:n uutisessa, että myös Suomen maastossa on vielä paljon löytämättömiä meteoriitteja, koska löytymistä vaikeuttaa kivimeteoriittien nopea rapautuminen, sekä soiden ja järvien suuri määrä. Eniten meteoriitteja löytyy autiomaista ja jäätiköiltä, sillä niissä meteoriitit säilyvät hyvin. Omat näkemykseni siis noudattavat hänen sanomaansa. Onneksi meillä on suojanamme kuitenkin ilmakehä, joka tehokkaasti blokkaa avaruudesta uhkaavasti lähestyvät meteoroidit.

Vaikka tämän pistekartan teko oli selkeästi helpointa kaikista tekemisistäni kartoista, liittyi myös tähän joitain haasteita ja ongelmia. Ensinnäkin oli todella tärkeää muistaa Excelissä muuttaa pisteet pilkuiksi, jotta QGis pystyi käsittelemään aineistoja, sekä esimerkiksi meteoriittien putoamispaikkojen aineistoja ohjelmaan tuodessa muistaa säätää X-ja Y-akselien arvot oikein 1:ksi ja 2:ksi. Lisäksi, koska valitsin maanjäristysaineistoon ainoastaan yli 8:n magnitudin maanjäristykset, jäivät pienemmät, joita luonnollisesti on paljon enemmän, kokonaan kartan ulkopuolelle. Tämä aiheuttaakin hieman vääristymää maanjäristysalueiden esiintymissä, koska esimerkiksi San Andreaksen siirros Kaliforniassa on ehkä kuuluisin riskialue, jossa on tapahtunut lukuisia maanjäristyksiä. San Andreaksen siirros sijaitsee sekin mannerlaattojen reuna-alueella, jossa mannerlaatat liikkuvat hitaasti eri suuntiin. Myös Euroopan maista esimerkiksi Italia, Kreikka, Turkki ja Iran ovat kärsineet järistyksistä. Näiden lisäksi Kiinassa ilmenee toistuvasti suuria maanjäristyksiä, vaikka alue jääkin tärkeiden laattareunojen ulkopuolelle. Nämä jäävät kuitenkin melkein kokonaan kartan ulkopuolelle, koska suurin osa näillä alueilla tapahtuvista järistyksistä ovat alle 8 magnitudin kokoisia, niinkuin Mikko Vestolan tutkimus MVNetin (huom. ei mv-lehti…) sivuilla esittää.

Näiden lisäksi myös lopputuloksen visuaalisessa puolessa on joitain asioita, jotka voisi olla paremminkin. Ensin maanjäristys- ja tulivuorenpurkausalueet sulautuivat harmillisen paljon keskenään, eikä niitä ollut helppo erottaa toisistaan. Säädinkin näiden ulkoasua muotojen ja värien puolesta paremmin erotettavaksi, sekä valitsin meteoriittien putoamispaikkoja kuvaamaan raksia muistuttavan kuvion. Tämä kuitenkin aiheuttaa karttaan ehkä hieman sekaisuutta, kun meteoriittien putoamispaikkakeskittymissä merkit sulautuvat toisiinsa. Toisaalta itse asia tulee kartasta tästä huolimatta hyvin esille. Sekaisuutta ja hämmennystä aiheutti myös Printcomposerissa karttaani mittakaavaa lisäessäni se, että jana oli 0-400m välillä, ja ehkä noin 5cm pituinen näytöllä. Tämä mittakaava ei tietenkään voinut mitenkään pitää paikkaansa, koska näytössä 5cm levyiseltä näyttävä Afrikka on uskoakseni pikkaisen leveämpi kuin vain 400 metriä… Onneksi selvisi, että mittakaava maailmankarttojen yhteydessä on ennenkin ollut ihan väärä, joka ei toisaalta haittaa, koska tajusin myös, että maailmankarttaan harvemmin mittakaavaa ylipäätään laitetaankaan. Niinkuin Tuuli Lahin blogitekstissään “Kerta 6: Pisteaineistoa ja tulivuoria” kirjoitti, olisi karttaan voinut lisätä taustalle myös vielä mannerlaattojen reunat, jolloin olisi saanut parempaa kuvaa siitä, kuinka maanjäristykset, ja minun karttani kohdalla myös tulivuorenpurkaukset oikeasti sijoittuvat maapallolla.

Kuva 3. Hyödyllisempi kuva tulivuorten sijainneista Tyynellämerellä litosfäärilaattojen rajavyöhykkeillä. (lähde: https://www.bbc.co.uk/education/guides/zcv7hyc/revision/6)

Jos mietin luomani maailmankartan potentiaalia opetusmielessä, olisi juuri noiden litosfäärilaattojen reunojen lisääminen varmasti helpottanut merkittävästi opettamista, ja hasardien sijaintien syy-seuraussuhdetta litosfäärilaattoihin saanut tuotua selkeämmin esille, kuten kuvassa 3 on nähtävissä. Lisäksi, koska Tekniikka ja Talous-lehden sivuilla kerrotaan, että noin 20 prosenttia toimivista ydinreaktoreista sijaitsee alueilla, joilla on myös merkittävää seismistä aktiivisuutta, lisäämällä ydinvoimaloiden sijainnit karttaan, niinkuin kuvassa 4, voisi helposti esittää opetustarkoituksessa sitä, millainen riski maanjäristysalueilla sijaitsevilla ydinvoimaloilla on, ja millainen yhteys maanjäristysherkillä alueilla on ydinvoimalaonnettomuuksiin.

Kuva 4. Seismisesti aktiivisilla alueilla sijaitsevat ydinvoimalat. (lähde: http://maptd.com/worldwide-map-of-nuclear-power-stations-and-earthquake-zones/)

Kuvassa neljä on merkitty seismisesti aktiivisesti alueet punaisella, ja toimivat ydinvoimalat sinisillä neliöillä. Huomattavaa on, että pelkästään Japanissa ja muualla Itä-Aasian maanjäristysherkillä alueilla sijaitsee yhteensä paljon toimivia ydinreaktoreita. Määrä on valtava, etenkin kuin Japanin itärannikolla sijaitseva Fukushima Dai-ichi -ydinvoimalaitos vaurioitui pahoin vuonna 2011, ja radioaktiivisia aineita levisi usean päivän ajan sekä merelle että laitoksen lähialueelle, kun alueella oli voimakkuudeltaan jopa 9 magnitudin maanjäristys ja siitä seurannut tsunami. Suomen säteilyturvakeskuksen mukaan ydinvoimalaonnettomuudesta ympäristöön levinneet radioaktiivisten aineiden säteilyannokset ihmisille jäivät vähäisiksi suojelutoimenpiteiden ansiosta. Asukkaat saivat korkeintaan 1 – 10 millisievertin suuruisen säteilyannoksen, mikä oli melko vähän, ja YK:n Ionisoivan säteilyn vaikutusten tieteellisen komitea (UNSCEAR) mukaan pidemmällä aikavälillä on epätodennäköistä, että Fukushiman onnettomuus aiheuttaisi Japanin väestössä tai voimalaitoksen työntekijöiden suuressa enemmistössä minkäänlaisia myöhempiä terveysvaikutuksia. Raportin mukaan onnettomuuden lyhyt- ja pitkäaikaiset vaikutukset ovat olleet ja tulevat olemaan erittäin vähäisiä, ydinvoimalan läheisyydessä sijaitsevia, pahiten saastuneita alueita lukuun ottamatta. Tästä huolimatta ydinvoimalaonnettomuuksien aiheuttamat vauriot voiva hyvistä evakuointitoimista huolimatta olla ympäristön lisäksi myös ihmisille hengenvaarallisia, ja sen vuoksi mielestäni ydinvoimaloita ei saisi enää rakentaa seismisesti herkille riskialueille.

Koska minulla ei itselläni ole aikaisempaa kokemusta opettajan työstä, peilaan ajatuksiani omiin lyläasteen ja lukion maantieteen tunteihini. Mielestäni mielenkiintoisinta oppimista oli erilaisten kuvien ja videoiden katsominen, jotka toivat vaihtelua tavalliseen lukemiseen ja karttamonisteiden tekemiseen. Löysinkin Youtubesta videon (https://www.youtube.com/watch?v=pM8XbzdlZIg), joka on lyhyt animaation Japanin lähistöllä vuonna 2011 sattuneesta maanjäristyksestä, ja siitä seuranneista yli 300:sta jälkijäristyksestä. Vaikka animaatio on lyhyt, olisi tämä mielestäni hyvä visualisoimaan sitä, kuinka paljon yhdellä alueella voi lyhyen ajan sisällä sattua maanjäristyksiä. Löysin myös saman sivun (https://earthquake-report.com/2012/01/01/latest-earthquakes-in-the-euro-mediteranean-region-emsc/), jonka myös Tuuli Lahin oli löytänyt, missä pystyy seuraamaan Euroopassa viimeksi tapahtuneita maanjäristyksiä ja niiden ominaisuuksia. Mielestäni tälläisen, reaaliajassa päivittyvän aineiston tutkiminen voisi olla myös opetusmielessä hyödyllistä, koska kun huomaa järistysten tapahtuvan konkreettisesti lähellä ja tällä hetkelläkin, voi niistä kiinnostuminen oppilaiden keskuudessa olla myös suurempaa.

Vaikka aikaisemmin olen kokenut, ettei opettajan työ ole se mitä haluan tehdä, sai aineistojen analysointi opetusmielessä ehkä pienen mielenkiinnon heräämään tätä kohtaan. Ehkä jonain päivänä olenkin luokan edessä esittelemässä tällä kurssilla tekemiäni karttoja. Kuka tietää…

Lähteet:

Töölö-Seura. Töölön historiaa. http://www.toolo-seura.fi/toolon-historiaa. Luettu 22.2.2018.

Britannica.uk. Earthquake-geology. https://www.britannica.com/science/earthquake-geology. Luettu 22.2.2018.

Tieteen Kuvalehti. Näin maanjäristys syntyy. http://tieku.fi/luonto/luonnonkatastrofit/maanjaristys/mista-maanjaristys-johtuu. Luettu 22.2.2018.

YLE. Tuhon aamu. https://yle.fi/uutiset/3-7698169. Luettu 22.2.2018.

Tieteen Kuvalehti. 3 uutta tekniikkaa suojaa maanjäristyksiltä. http://tieku.fi/luonto/luonnonkatastrofit/maanjaristys/3-uutta-tekniikkaa-suojaa-maanjaristyksilta. Luettu 22.2.2018.

Tekniikanmaailma. Tyynenmeren ”tulirenkaan” tulivuoret pelottelevat taas – uusin hälytystila nostettiin Japanissa. https://tekniikanmaailma.fi/tyynenmeren-tulirenkaan-tulivuoret-pelottelevat-taas-uusin-halytystila-nostettiin-japanissa/. Luettu 22.2.2018.

Oulu.fi. Islanti. http://www.oulu.fi/astronomy/planetology/vulk/Islanti/ISLANTI.html. Luettu 22.2.2018.

MTV. Maapalloa pommitetaan kymmenillä tuhansilla meteoriiteilla. https://www.mtv.fi/uutiset/kotimaa/artikkeli/maapalloa-pommitetaan-kymmenilla-tuhansilla-meteoreilla-katso-kaikki-suomeen-pudonneet-meteoriitit/6267842#gs.CkEQhOs. Luettu 22.2.2018.

MVNet. 2.3 Maanjäristysalueet. http://www.mvnet.fi/index.php?osio=Tutkielmat&luokka=Lukio&sivu=GE3_-_Endogeeniset_hasardit#s23. Luettu 22.2.2018.

Lahin, Tuuli. Kerta 6: Pisteaineistoja ja tulivuoria (21.2.2018). https://blogs.helsinki.fi/lahintuu/. Luettu 22.2.2018.

BBC. Global Environmental Hazards. https://www.bbc.co.uk/education/guides/zcv7hyc/revision/6. Luettu 22.2.2018.

Tekniikka&Talous. Ydinvoimalat ja mannerlaatat kartalla – Viidennes ydinvoimaloista toimii järistysherkillä alueilla. https://www.tekniikkatalous.fi/tekniikka/energia/2011-03-16/Ydinvoimalat-ja-mannerlaatat-kartalla—Viidennes-ydinvoimaloista-toimii-j%C3%A4ristysherkill%C3%A4-alueilla-3300645.html. Luettu 22.2.2018.

Maptd. Worldwide map of nuclear power stations and earthquake zones. http://maptd.com/worldwide-map-of-nuclear-power-stations-and-earthquake-zones/. Luettu 22.2.2018.

Säteilyturvakeskus. Fukushiman ydinvoimalalaitoksen onnettomuus. http://www.stuk.fi/aiheet/sateily-ymparistossa/radioaktiivisuus-muualla-maailmassa/fukushiman-ydinvoimalaitoksen-onnettomuus. Luettu 22.2.2018.

UNSCEAR. The Fukushima-Daiichi nuclear power plant accident. http://www.unscear.org/unscear/en/fukushima.html. Luettu 22.2.2018.

YouTube. Animated map of 300+ Japan earthquake aftershocks. https://www.youtube.com/watch?v=pM8XbzdlZIg. Katsottu 22.2.2018.

Earthquake-Report.com. Latest earthquakes in Europe. https://earthquake-report.com/2012/01/01/latest-earthquakes-in-the-euro-mediteranean-region-emsc/. Luettu 22.2.2018.

 

 

 

 

5. Kurssikerta: pohdintaa, buffereita ja ongelmien ratkaisua

Viides kurssikerta alkoi vähän normaalista poikkeavasti, koska jouduin menemään korvaamaan oman kurssini toisen kurssiporukan tunnille, ja alussa oli hieman jännitettävää, että mahdunko muitten mukaan. Vapaa tietokone löytyi kuitenkin loppujen lopuksi aitiopaikalta luokan edestä, ja pääsin kuin pääsinkin onneksi helpottuneena avaamaan QGisin uusia haasteita varten.

Meitä oli edellisellä kerralla valmisteltu siihen, että tämä kerta tulee keskittymään aikaisempien oppien soveltamiseen, ja eri ongelmanratkaisujen tekemiseen. Aloitimmekin kertaamalla piirtotyökalujen ja eri laskentatapojen käyttöä, sekä tutustumalla bufferien maailmaan edellisellä kerralla aloitetun Pornaisten kartan ainestojen avulla. Tämän jälkeen pääsimmekin itse tositoimiin Malmin ja Helsinki-Vantaan lentokenttien karttojen parissa näiden alueiden väestökantoja, ja melualueella asuvan väestön datoihin bufferointeja ja analyysejä tehden. Saaduista tuloksista kokosin Excelillä oheisen taulukon (kuva 1), josta näkyy eri säteiden välimatkalla lentokentistä ja melualueilta asuvat, sekä kouluikäisten ja ulkomaalaisten osuudet alueen väestöstä.

Kuva 1. Taulukko tehtävien tuloksista.

Taulukosta on nähtävissä, että 2000km:n etäisyydellä Helsinki-Vantaan lentokentästä asuu 12669 asukasta, joista yli 55dB:n alueella jopa 11913 asukasta, eli vajaa 94% kokonaisväestöstä. Tämä luku on todella korkea, etenkin kun THL:n mukaan lentomelun ympäristössä asumisesta voi aiheutua monia terveyshaittoja, kuten unihäiriöitä, mielenterveyden häiriöitä ja kohonnutta verenpainetta. Huomattavaa taulukon tuloksissa on myös se, että 500m:n sätellää lähimmästä juna- tai metroasemasta asuu 69% työikäisistä, mikä todistaa sitä, kuinka suuri merkitys hyvillä liikenneyhteyksillä on työmatkaliikenteelle etenkin pääkaupunkiseudulla, missä ihmisillä ei välttämättä ole niin paljon omia autoja.

Taajama-aluetta käsittelevistä tuloksista taas on nähtävissä, että 85% alueen asukkaista asuu taajamissa, mikä todistaa sitä, että taajama-alueet ovat Suomessa tasaisessa kasvussa. Tilastokeskuksen diagrammista (kuva 2) onkin nähtävissä, että jo vuodesta 1960 lähtien taajama-alueissa olevien rakennusten ja niissä asuvien ihmisten määrä on ollut tasaisessa, joskin tasaantuneessa nousussa. Omasta taulukostani näkee myös, että taajamien ulkopuolella asuvien kouluikäisten määrä oli kaikista kouluikäisistä vain 16%, eli 84% kouluikäisistä asuu taajamien sisällä. Tämä vastasi hypoteesiani siitä, että usein lapsiperheet, ja samalla kouluikäiset asuvat mielummin tiheämmissä, palveluita lähempänä olevissa taajamissa, kuin esimerkiksi maaseudulla.

Kuva 2. Diagrammi taajamien kasvusta (lähde: Tilastokeskus.fi)

Kysymyksiä ratkoessani kurssilla en niinkään kiinnittänyt huomiota saatuihin tuloksiin, lukuunottamatta niiden todenmukaisuuden pohtimista, mutta kun loin näistä tuon ensimmäisen taulukon, liittyi mielenkiintoisin huomio mielestäni Malmin melualueella asuviin. 1000 km:n säteellä pahimmasta melualueesta asuu 10576 ihmistä, ja lisätehtävästä saatujen tulosten mukaan tälle etäisyydelle on vuoden 1936 jälkeen, jolloin lentokenttä on valmistunut, rakennettu 842 rakennusta, joissa asuu yhteensä 10350 ihmistä. Tämä tarkoittaa, että melkein kaikki alueen ihmiset asuvat suoraan melualueelle rakennetuissa taloissa. Helsingin ensimmäisen lentokentän tulevaisuutta uhkaa kuitenkin tällä hetkellä sen muuttuminen kokonaan asuinalueeksi, jota vastaan on kuitenkin tehty kansalaisaloite ikonisen kulttuuriperinnön säilyttämiseksi. Vaikka muutossuunnitelmia on kritisoitu paljon, poistaisi se toisaalta alueella asuvien ihmisten kokemat meluhaitoista koituvat ongelmat, joita käsittelin aiemmin Helsinki-Vantaan melualueella asuvien määrää analysoidessani.

Kotona tehtäväksi minulla jäi itsenäistehtävä 3-5:stä vähintään yhden valitseminen, jonka valinta osoittautui yllättävänkin vaikeaksi. Saunomisesta en pidä, ja vajaan vuoden putkiremontin keskellä asumisen jälkeen ei innostus näitä analysoimiseksi ollut mitenkään päätä huimaavaa. Päädyinkin lopulta ensimmäiseen, Helsingin Yhtenäiskoulua käsittelevään tehtävään, koska mielestäni tässä aihepiiri oli mielenkiintoisin. Kun tehtävän olin monien ylä- ja alamäkien jälkeen valmiiksi saanut, ei QGis jostain syystä kuitenkaan omalla koneellani suostunut silmääni miellyttävää karttaa tekemään, jonka takia päädyin keräämään tulokset myös tästä Excelillä oheiseen taulukkoon (kuva 3).

Kuva 3. Taulukko itsenäistehtävä 3:n tuloksista.

Tuloksista on nähtävissä, että aineiston alueella oli vain 14 6-vuotiasta, jotka kuuluvat Yhteinäiskoulun koulupiiriin, ja ovat näin ollen aloittamassa seuraavana vuonna ensimmäisen luokan. Lisäksi tulevia yläasteikäisiä on vain 62, eli Yhtenäiskoulu on todella pieni Helsingin kouluksi, vain noin 250 oppilaan kokoinen. Löysin kuitenkin Helsingin kaupungin sivuilta tiedon, että Koskelan ala-asteen koululla, Yhtenäiskoululla sekä Käpylän peruskoululla on ollut yksi yhtenäinen, laajennettu oppilaaksiottoalue elokuusta 2015 lähtien. Mikäli käyttämämme aineisto on siis tuotettu vuoden 2015 jälkeen, voi tämä  osaltaan selittää sitä, miksi Yhtenäiskoulun aloittavien oppilaiden määrä on niin pieni.

Koska minulla ei tulosteni taulukossa esittämisen takia ole liittää yhtään karttaa tätä blogitekstiä värittämään, keskityn pohtimaan harjoitusten aiheuttamia tuntemuksia, ja yleisiä ajatuksiani tähän astisesta matkasta QGisin kanssa. Olen aikaisemmissa teksteissäni ehkä vähän liiankin usein voivotellut sitä, kuinka tuntematonta QGisin käyttö minulle on ollut, ja miten olen paininut ohjelman kanssa. Jos siis mietin, mitkä toiminnot koen hallitsevani hyvin, rehellisesti sanottuna ei lista ole kovinkaan pitkä. Koen kuitenkin, että perustoiminnot, kuten aineistojen avaamiset, laskutoimitukset ja kohteiden valinnat onnistuvat ainakin paineettomassa tilassa jo ihan hyvin. Koen myös, että Spatial Queryn, ja tällä kerralla opeteltujen bufferien käyttö tuntuu ymmärrettävältä ja helpolta. Lisäksi pohjatöiden ja toimintojen antamisen jälkeen (toivottavasti) saadun kartan visualisoiminen, ja ulkoasun säätäminen tuntuu olevan myös itselleni helpointa ja mielekkäintä.

Näitä vastassa on kuitenkin kaikki se muu, mikä tuntuu haastavalta, ja missä koen tarvitsevani tunneilla apua. Eri tasojen yhdisteleminen, kaikkien tarvittavien valintojen rastittaminen esimerkiksi uusia tasoja luodessa, ja välillä yleisesti sen muistaminen, mistä joitain tiettyjä toimintoja saa tehtyä aiheuttavat itselleni hankaluuksia. Oikeastaan kaikkeen sellaiseen, minkä tuloksia en heti näe, vaan ovat tavallaan taustatöitä, ovat sellaista mihin tarvitsen lisäharjoitusta. Kotona tehtävät harjoitukset tuottavat myös lisästressiä, kun ei ole mahdollisuutta pyytää paniikissa apuja, vaan on kokonaan kahdenkesken QGisiä vastaan. Toisaalta, kun viime viikolla ohjelman myös omalle koneelle ladattuani huomasin, kotioloissa on helpompi keskittyä ohjeisiin, eikä joudu heti paniikkiin, jos tulos ei olekkaan sitä mitä piti, vaan joutuu kokeilemaan erehdyksen kautta uudestaan.

Niinkuin aikaisemmin kerroin, bufferointi tuntui helpolta, ehkä juuri sen takia, että siinä ei ole montaa kohtaa mitä valita väärin ja mokata. Apuna tietenkin on, että bufferointia on esitelty jo aikanaan lukiokirjoissa, vaikka sitä ei silloin ehkä tiedostanutkaan bufferoinniksi. Koska buffereiden avulla luodaan uusia alueita valmiiden tasojen alueiden päälle, pystytään näin tarkastelemaan alueiden välisiä etäisyyksiä. Bufferointia käytetäänkin monipuolisuutensa vuoksi todella monella eri saralla ja tutkimuksissa; kaupunkisuunnittelussa palveluiden sijoittamisessa ja julkisen liikenteen kattavuuden, sekä katvealueella tietoliikenneverkkojen sijoittamisen suunnittelussa, sekä ydinvoimala- tai ympäristöonnettomuuksissa evakuointikarttojen laatimisessa, joissa näillä on iso merkitys. Japanin Fukushimassa vuonna 2011 sattuneen maanjäristyksen aiheuttaman ydinvoimalaonnettomuuden uutisoinnissa Ylen sivuilla kerrotaan kuinka Japanin viranomaiset arvelivat aluksi, että asukkaiden evakuointi kolmen kilometrin säteeltä riittäisi, mutta pian päädyttiin 20 kilometriin ja paikoin laajempaankin evakuointiin, jonka takia kotoaan joutui lähtemään 150 000 ihmistä. Muiden maanjäristys- ja tsunamituhojen takia kodittomia oli aluksi jopa puoli miljoonaa. Mikäli tälläisiä evakuointisuunnitelmia ei kuitenkaan olisi voitu bufferointien avulla tehdä, olisi ihmismenetykset voineet olla vieläkin suurempia. Samalla tavoin bufferoinnin avulla voidaan vuosien jälkeen selvittää, milloin säteilytaso on tippunut niin alas, että alueelle on jälleen turvallista muuttaa takaisin, niinkuin Tsernobylin lähistölle muuttaneet ovat Helsingin Sanomien uutisen mukaan pystyneet tekemään. Bufferoinnista ja puskurivyöhykkeiden luomisella on siis todella iso merkitys etenkin ympäristöongelmien laajuuden ja vaikuttavuuden tutkimisessa.

Jos mietin buffereiden potentiaalia harjoitusten aineistojen perusteella, voisi bufferointia käyttää tukena esimerkiksi Helsingin alueen etnisen segregaation eli eriytymisen kitkemisessä. Helsingin Sanomien uutisessa kerrotaan niin sanotusta Valkoisten paosta, missä kantaväestön lapsiperheiden ja parempiosaisten poismuutto tahtoo käynnistyä sen jälkeen, kun etnisten vähemmistöjen osuus on ylittänyt jonkin kynnysarvon. Maahanmuuttajaväestö onkin keskittynyt eniten vuokra-asuntoalueille, ja esimerkiksi Helsingin Malmilla koululaisista 63% puhuu kotikielenään muuta kuin suomea tai ruotsia, kun taas Munkkiniemessä vieraskielisten lasten osuus on alle 2%. Käyttämiemme aineistojen avulla voitaisiin siis tutkia ja esittää se, mille kaikille alueille ulkomaalaiset ja kantaväestö konkreettisesti sijoittuvat, ja näin yrittää pyrkiä sekoittamaan alueiden etnistä edustavuutta enemmän. Koska niinkuin Mari Vaattovaara ja Matti Kortteinen tutkimuksessaan esittävät, sosiaalinen sekoittaminen asuinalueiden sisällä  on hidastanut Valkoisten pako ilmiön syntyä Suomessa.

Buffereidenkin käyttöön liittyy kuitenkin samoja haasteita, mitä huomasimme etenkin toisella kurssikerralla kartografiaan liittyvän eri projektiomallien ominaisuuksien takia. Tunnetun paikkatieto-ohjelmisto ArcGis:n artikkelissa kerrotaankin, kuinka heidän luomassaan bufferianalyysissä käytetty Mercatorin projektiomalli aiheutti sen, että bufferien koko päiväntasaajalla on tarkka ja vääristymät vähäisiä, mutta heti päiväntasaajasta pohjoiseen ja etelään suunnattaessa vääristymä, ja samalla bufferien etäisyyksien vääristymä kasvaa heikentäen näin tulosten luotettavuutta. Bufferien koot voivat siis vääristyä haitallisenkin paljon eri projektiomallien esitystapojen ongelmien takia.

Luonnollisesti siis myös QGisin kanssa eri projektiomallit aiheuttavat haasteita siihen, millaisia ongelmia sillä voi ratkaista. Jos ohjelmaan tuodut aineistot ovat eri projektiossa ja mittakaavassa, eikä projektiota ohjelmassa korjaa, ei esimerkiksi tasoja yhdistäessä tulokset tule näyttämään oikeilta. Lisäksi, mikäli halutut aineistot eivät ole oikeissa QGisin käyttämissä tiedostotyypeissä, aineistojen data ei ole kelpaavaa, tai aineistossa on esimerkiksi liikaa pientä ohjelmaa kuormittavaa dataa, aiheuttaa se ongelmia QGisin toimimiseen ja ongelmien ratkaisemiseen.

Vaikka QGisillä, ainakin sen koko maailman tunteva voi tutkia ja ratkaista monenlaisia ongelmia ja saada tuloksia hyvinkin nopeasti, on mahdollisuus virheisiin suuri, ja käyttäjällä onkin suuri vastuu siitä, että saadut tulokset on saatu oikeita toimenpiteitä käyttäen, ja tulokset näin ollen oikeita. Huomasin tämän myös itse kolmatta itsenäistehtävää tehdessäni, kun tulevien yläasteikäisten lukumäärää laskiessani ensin ajattelin, että ikä käsittää vuodet 13, 14 ja 15, mutta huomasin Sini Virtasen tuloksista, että hän oli laskenut määrään ikävuodet 12, 13 ja 14. Tätä ihmeteltyäni huomasin, että ohjeissa puhuttiin seuraavasta vuodesta, jolloin aineiston keruuhetkellä nuorimmat ovat tietenkin vielä 12-vuotiaita, kun he yläasteen aloittaessaan ovat tuon 13-vuotta. Samalla tavoin muunkielisten kouluikäisten osuutta laskiessani sain tulokseksi 8,1 jonka pyöristin 8:n, mutta Wordiin tallentamieni tietojen Exceliin viemisen yhteydessä tajusin virheeni, koska lukumäärä pitää tietenkin pyöristää ylöspäin yhdeksään. Kokematonkin käyttäjä voi siis huomata virheet, mutta aina tuloksesta ei pysty loogisesti päättelemään sen paikkaansapitävyyttä. Niinkuin edellisessä blogitekstissänikin pohdin, mikäli QGisin antamien tulosten kanssa ei ole tarkkana ja kyseenalaista niitä, voi virheiden teko olla ohjelmaa käyttäessä todennäköistä.

Lähteet:

Vantaan Sanomat. THL: Lentomelun terveyshaitat pitäisi tutkia laajemmin Vantaalla. https://www.vantaansanomat.fi/artikkeli/107578-thl-lentomelun-terveyshaitat-pitaisi-tutkia-laajemmin-vantaalla. Luettu 17.2.2018.

Liikennejärjestelmä. Muuttoliike, taajamien kasvu. http://liikennejarjestelma.fi/toimintaymparisto/aluerakenne/muuttoliike-taajamien-kasvu/. Luettu 17.2.2018.

HS. Malmin lentoaseman saa oikeuden mukaan muuttaa asunnoiksi. https://www.hs.fi/aihe/malmin-lentokentta/. Luettu 17.2.2018.

Wikipedia. Helsingin Yhtenäiskoulu. https://fi.wikipedia.org/wiki/Yhten%C3%A4iskoulu_(Helsinki). Luettu 17.2.2018.

Hel.fi. Oppilaaksiotto. https://www.hel.fi/peruskoulut/fi/koulut/yhtenaiskoulu/meidan-koulu/oppilaaksiotto/. Luettu 17.2.2018.

Yle. Japanin tsunamista viisi vuotta-Fukushiman ydinvoimalassa säteilee yhä rajusti. https://yle.fi/uutiset/3-8726655. Luettu 17.2.2018.

HS. Mummot muuttivat takaisin Tsernobyliin. https://www.hs.fi/radiotelevisio/art-2000002905126.html. Luettu 17.2.2018.

HS. “Valkoinen pako” on totta, ja asiasta pitää pystyä puhumaan. https://www.hs.fi/kotimaa/art-2000002684660.html. Luettu 17.2.2018.

Helsinki.fi. Alueellisesta eriytymisestä Helsingin seudulla: uusi kehitysvaihe. http://www.helsinki.fi/kaupunkitutkimus/dokumentit/seminaari12042011/Kortteinen_Alueellisesta%20eriytymisesta.pdf. Luettu 17.2.2018.

Opasnet. Maahanmuutto ja asuinalueiden etninen segregaatio. http://fi.opasnet.org/fi/Maahanmuutto_ja_asuinalueiden_etninen_segregaatio. Luettu 17.2.2018.

ArcGis. How buffer (analysis) works. http://pro.arcgis.com/en/pro-app/tool-reference/analysis/how-buffer-analysis-works.htm. Luettu 17.2.2018.

Virtanen, Sini. Verta, hikeä ja puskureita. (14.2.2018) https://blogs.helsinki.fi/7k110738/2018/02/13/verta-hikea-ja-puskureita/. Luettu 17.2.2018.

 

 

 

 

 

4. Kurssikerta: pään lyömisestä positiiviseen yllätykseen

Aikaisemmilla kurssikerroilla olemme käsitelleet valtioiden kokoisia aineistoja, mutta nyt perehdyimme tarkemmin piste- ja ruutuaineistoihin, joista pisteaineistot ovat merkittävä osa paikkatietojärjestelmää. Tämä siksi, koska ne ovat kaikkein tarkimpia paikkatietoaineistoja, ja niiden tietoa voidaan kerätä melkein mistä, ja minkälaisista kohteista tahansa, jolloin niitä myös käytetään usein lähtöaineistona, kun kerätään tietoa eri tarkkuuksilla oleville esittämistasoille. Pisteaineistoihin, kuten rakennuksiin tai eläinhavaintoihin voidaan siis liittää valtavasti ominaisuustietoja, jotka tekevät näiden aineistojen laajuuksista ja käyttömahdollisuuksista valtavat. Tätä laajaa aineistoa kerätäänkin yleensä lentokoneista tehtävän laserkeilauksen avulla, jolla voidaan mallintaa maastoa erittäin tarkasti. Koska näin tuotettu aineisto sisältää miljoonia eri pisteitä, pitää niistä usein siivota epäoleellisuuksia, kuten aitoja ja ihmisiä, jotka turhaan kasvattaisivat paikkatieto-ohjelmien kuormittavuutta.

Pistekartta-aineistoihin emme kuitenkaan luennolla sen tarkemmin keskittyneet, vaan pääosassa olivat ruutuaineistot. Tämä onkin ehkä monille yleisin vastaan tullut aineistomuoto, koska esimerkiksi monet Suomea käsittelevistä tietoaineistoista ovat juuri ruutumuotoisia, joita myös yksityiset käyttäjät voivat netistä vapaasti ladata. Muun muassa Tilastokeskuksen sivuilta voi, korkeaa maksua vastaan ladata niin 250 m x 250 m-, 1 km x 1 km- tai 5 km x 5 km-ruutukokoisia aineistoja. Hyvä puoli ruutuaineistoissa kuitenkin on, että jokaisesta rasterimuotoon tarkoitetusta aineistosta voi saada ruutukokoa säätämällä luotua selkeitä karttoja. Tätä ominaisuutta pääsimme myös itse hyödyntämään, kun loimme ensin 1 km x 1 km ruudukon, jonka yhdistimme pääkaupunkiseutua kuvaavaan tietokantaan, jossa oli tietoa muun muassa alueen väestön äidinkielestä, etnisestä taustasta ja iästä. Tämän pohjalta loimme itse eri ruutukoolla käytettynä karttoja, joihin saimme itse valita tarkasteltavan aiheen.

Kuva 1. Ruututeemakartta eläkeläisten osuudesta pääkaupunkiseudun väestöstä.

Omaan karttaani (kuva 1) valitsin ruutukooksi 500m x 500m, ja aiheeksi eläkeläisten, eli yli 65-vuotiaiden osuuden koko pääkaupunkiseudun väestömäärästä. Ns. eläkepommi, eli suurten ikäluokkien siirtyminen eläkkeelle hallitsee vahvasti karttaani. Eläkeläisten määrä näyttää olevan tasaisesti levittäytynyttä koko pääkaupunkiseudun alueelle, ja siinä näkyy vain vähän pienimpään luokkaan kuuluvia alueita. Alueellisesti voi kuitenkin sanoa, että suhteellisesti vähiten eläkeläisiä näyttäisi olevan Helsingin alueella, koska sieltä löytyy vain yksi ruutu, joka kuuluu korkeimpaan luokkaan. Määrällisesti eniten korkeimman luokan ruutuja näyttäisi olevan Espoossa, johon kuitenkin voi vaikuttaa Espoon pinta-alan oleminen Helsinkiin verrattuna merkittävästi suurempi. Toisaalta Espoon ja Vantaan alueilta löytyy laajimmat kokonaan 0% eläkeläisalueet. Huomioitavaa mielestäni myös on, että esimerkiksi aivan Östersundomin länsiosan ja Vantaan rajalla näyttäisi olevan keskittynyt muutama korkeimpien luokkien ruutua. Samanlainen, kuitenkin myös pieni keskittymä on nähtävissä myös Vantaan Aviapoliksen länsirajalla.

Jotta kartasta voisi tehdä parempia spatiaalisia analyyseja, tulisi siitä mielestäni löytyä pääkaupunkiseudun osien rajat selkeemmin merkattuna. Nyt ne kuitenkin sekoittuvat keskenään, eikä esimerkiksi pääkaupunkiseutua tuntemattomalle henkilölle kartan alueiden ymmärtämisestä tulisi välttämättä mitään. Kuitenkin, niinkuin Sini Virtanen blogissaan totesi, oli ne jätettävä pois kartan luettavuuden parantamiseksi. Tästä huolimatta halusin kuitenkin kurssikerran jälkeen lisätä karttaani Helsingin, Vantaan ja Espoon rajat, jotka mielestäni paransivat kartan alueiden hahmottamista ja sen ymmärrettävyyttä. Jos vielä olisin vaihtanut karttani väriskaalan sinisestä esimerkiksi punaiseksi, olisi visuaalinen ilme ollut vieläkin parempi, koska nyt ruudut harmillisesti joissain kohti hieman sekoittuvat kartan vesistöihin.

Koska kartastani ei ollut niin selkeästi nähtävissä eri alueiden välisiä eroja eläkeläisten suhteellisissa määrissä, olisi niiden paremmin näkyviin saamiseksi voinut myös valita isomman, 1 km x 1km ruutukoon, jolloin alueelliset erot esimerkiksi Helsingin ja Espoon välillä olisivat tulleet vielä räikeämmin esille. Toisaalta, jos olisin valinnut ruutukooksi pienemmän, olisi pienempien alueiden eroja pystynyt tarkastelemaan paremmin. Alueellisten erojen paremmin näkymiseksi olisin voinut tehdä myös niinkuin esimerkiksi Eveliina Sirola kartassaan on tehnyt, eli valinnut aineistoon yli 65-vuotiaiden sijaan yli 60-vuotiaat, jolloin asukkaiden määrä olisi luonnollisesti myös ollut isompi, ja tämän ikäluokan edustajien asumiskeskittymät todennäköisesti selkeämmin nähtävissä.

Konkreettisia ongelmia kartan teon yhteydessä herätti oikeeseen aineistoon laskutoimitusten tekeminen. Kun olin laskemassa eläkeläisten osuuksia ensimmäisen kerran, onnistuin laskemaan ne virheellisesti ruutujen asuntojen sisäisiin asukaslukuihin suhteutettuna, koko ruutujen asukaslukujen sijaan. Tämä sai osuudet näyttämään ominaisuustaulukossa aivan liian suurilta. Onneksi huomasin mokani, ja korjasin tekemäni virheen. Tästä opinkin sen, että mikäli tulokset näyttävät epäilyttäviltä, vaikka laskutoimintoja tehdessä laskukaava olisikin ollut oikein, tulee uskaltaa kyseenalaistaa muiden työvaiheiden oikeellisuudet. Mielummin on varma tietojen oikeellisuudesta, kuin on sen ongelman edessä, ettei ole varma onko kartassa esitetty asia luotettavaa.

Niinkuin aikaisemmin asitin, on eri ruutukoilla merkitystä kartan visuaaliseen ilmeeseen ja luettavuuteen. Tähän vaikuttaa kuitenkin myös muut seikat. Tilastokeskuksen tilastokoulu-osiossa kerrotaan, että  ruutukartoissa ruuduissa esitettävät lukuarvot ovat arvoiltaan yleensä absoluuttisia, kuten väestömääriä tai rakennusten lukumääriä. Kun karttaesityksessä käytetään tavallisesti vain yhdenkokoisia ruutuja, voidaan esittää absoluuttisia arvoja. Jos samassa kartassa taas halutaan esittää lukumäärätietoja erikokoisilla ruuduilla, on arvot suhteutettava, jotta ne olisivat vertailukelpoisia. Tälläisestä suhteutetuilla lukumäärillä esitetystä kartasta esimerkki on kvantitatiivinen koropleettikartta, joita olemme tehneet aiemmilla kurssikerroilla. Lisäksi on myös kvalitatiivinen alueluokituskartta, kuten kasvillisuusvyöhykekartat, jotka kuvaavat alueellisten ilmiöiden esiintymistä siten, ettei niihin ole sisällytetty määrällisiä tietoja, kuten kvantitatiivisissa koropleettikartoissa. Ruututeemakartoilla voi siis esittää absoluuttisia arvoja, mutta aina se ei kartan luettavuuden ja oikeellisuuden kannalta ole kannattavaa.

Verrattuna ruututeemakarttaa koropleettikarttaan eivät erot siis ole niin merkittäviä, mutta esimerkiksi pistekarttaan verrattuna, voi ruututeemakartta joskus olla olla järkevämpi valinta karttoja tehdessä. Pistekarttana esitettynä tekemäni ruutukartan eläkeläisten osuudet väestöstä tulisi ilmoittaa kokonaismäärinä, koska niissä arvot tulee olla aina absoluuttisia lukuarvoja. Toisaalta kartan selitettävyys voisi parantua, kun erikokoisilla pisteillä voisi kuvata esimerkiksi kaikkien pääkaupunkiseudun osien eläkeläisten määriä. Toisaalta mikäli halutaan tarkastella pienempien alueiden määriä, sopii ruututeemakartta mielestäni paljon paremmin, koska tällä nähdään ruutujen täytevärien erojen kautta lukuarvojen erot, eikä ole riskinä monien pisteiden meneminen päällekkäin.

Kokonaisuudessa olen omaan karttaani ihan tyytyväinen, ja se esittää mielestäni hyvin aikaisemmin mainitsemaani Suomen eläkepommiksi kutsuttua väestörakenteen ikääntymistä, kun sotien jälkeen syntyneet suuret ikäluokat siirtyvät eläkkeelle suurina massoina, sekä elävät suurelta osin parantuneen terveydenhuollon ansiosta yhä pidempään. Kun tähän yhdistää suomalaisnaisten laskevan hedelmällisyyden, jota todistaa Ylen selvitys, jonka mukaan Suomessa syntyi vuoden 2017 ensimmäisen vuosipuoliskon aikana vähemmän lapsia kuin koskaan aikaisemmin Suomen 100-vuotiaan itsenäisyyden aikana, on seurauksena Suomen taloudellisen ja väestöllisen huoltosuhteen heikkeneminen, kun työssäkäyviin suhteutettuna eläkeläisiä on yhä enemmän. Tämä huoltosuhteen heikkeneminen vaikuttaa etenkin Suomen talouteen, kun suurten ikäluokkien jäädessä eläkkeelle verotulot pienenevät, ja näiden siirtyminen mahdollisesti hoitokoteihin kuormittaa sosiaali- ja terveyspalveluita. Tilastokeskuksen pylväsdiagrammista (kuva 2) on myös selkeästi nähtävissä, että jo vuonna 2015 Suomi on ollut kuudenneksi korkein maa eläkeläisten määrän suhteessa 20% lukemallaan.

Kuva 2. Eläkeläisten osuudet EU-maissa vuonna 2015 (lähde: Tilastokeskus)

Tilastokeskuksen ennusteen mukaan Suomessa on vuonna 2040 vain 36 kuntaa, joiden väkiluku lisääntyy ilman maahanmuuttoa. Tämä tarkoittaakin, että Suomen huoltosuhde on suurelta osin riippuvainen maahanmuuton määrästä. Mikäli tähän ei siis panosteta, uhkaa Suomea konkreettisesti väestön väheneminen. Onneksi näistä huolehtiminen ei kuitenkaan ainakaan tällä hetkellä tarvitse kuulua isoimpiin huoliini…

Kun olin päässyt kotiin, lopussa pöytään päähän lyömistäkin vaatineen ruututeemakartan teon jälkeen, ei heti ensimmäisenä mielessä ollut uuden kartan tekemisen aloittaminen. Koska olimme kuitenkin kurssikerran loppupuolella tutkineet rasterikuvan käsittelemistä niin korkeusmallien kanssa säätämisen, kuin myös piirtämisen avulla Pornaisten alueen karttalehdellä, päätin yrittää kotitehtävän tekemistä, koska olin vihdoin myös saanut aikaiseksi QGisin lataamisen omalle tietokoneelleni. Ryhdyin siis rohkeasti työhön, ja latasin Paitulista karttalehden samasta tunnilla käsitellystä Pornaisten alueesta, ja laadin siihen korkeuskäyrät 5 metrin välein (kuva 3). Lopputuloksesta on nähtävissä, että peruskarttalehden käyriin (kartassa mustalla) verrattuna luomani 5 metrin korkeuskäyrät (harmaa) eivät mitenkään merkittävästi eroa toisistaan. Joissain paikoissa luomani korkeuskäyrät näyttäisivät kuitenkin menevän tieheämmin kuin peruskarttalehden käyrät. Syynä tähän voi kuitenkin olla se, että vaikka kuinka yritin karttalehden käyriä tummentaa, näkyvät ne kartassa kuitenkin harmillisen haaleina. En karttalehteä ladatessani löytänyt Paitulista meta- tai attribuuttitiedoista merkintää siitä, mitä korkeuskäyräväliä kartassa on käytetty, mutta olettaisin siinä olevan tuo sama 5m, koska käyrät vastasivat niin hyvin toisiaan.

Kuva 3. Peruskarttalehti Pornaisten alueelta Paitulin valmiiden, ja itse laatimieni korkeuskäyrien kanssa.

Vaikka aluksi hieman epäilyttikin ilman tukea QGisin kanssa painiminen, oli se itseasiassa yllättävänkin mutkatonta, ja oli mielestäni ehkä jopa helpompaa kuin tunnilla karttojen laatiminen. Ehkä kotiympäristössä pystyy helpommin keskittymään, sekä lukemaan ohjeita rauhallisesti menettämättä heti toivoaan, jos jotain meneekin pieleen, ja joutuu aloittamaan alusta. Edellisen blogitekstini viimeinen kappale alkoikin sanoilla “Seuraaville kurssikerroille pyrinkin kehittämään hermoja ja kärsivällisyyttäni siihen, ettei tietokoneohjelmat välttämättä toimi aina niinkuin toivoisi..”. Vaikka käytännön toteutus tälläiselle, ei-niin-pitkäpinnaiselle ihmiselle ei tällä neljännellä kurssikerralla ei tunnilla mennyt niin täydellisesti, voi jälkeenpäin tuota keskiviikkoista pään pöytään lyömistä jo ihan huvittuneena (eli nolostuneena) muistella. Ehkä jatkossa minun kannattaakin muistaa se, ettei kaikkea tarvitse saada heti tunnilla valmiiksi, vaan uskallan avata QGisin useammin myös kotona!

Lähteet:

Tilastokeskus. Ruututietokanta. https://www.stat.fi/tup/ruututietokanta/index.html. Luettu 9.2.2018.

Virtanen, Sini. Ruutu on valttia. (6.2.2018). https://blogs.helsinki.fi/7k110738/. Luettu 9.2.2018.

Sirola, Eveliina. Neljäs kerta toden sanoo. (7.2.2018). https://blogs.helsinki.fi/evsirola/. Luettu 9.2.2018)

Tilastokeskus. Tilastokoulu. http://tilastokoulu.stat.fi/verkkokoulu_v2.xql?page_type=sisalto&course_id=tkoulu_teemak&lesson_id=4&subject_id=3. Luettu 9.2.2018.

Edu. Teemakartat. http://www.edu.fi/lukiokoulutus/biologia_ja_maantieto/ops_kaytantoon_maantieteessa/aluetutkimus_ge4/peruskartografia/teemakartat. Luettu 9.2.2018.

Uusisuomi. Eläkepommi uhkaa Suomea. https://www.uusisuomi.fi/kotimaa/58393-elakepommi-uhkaa-suomea-3-ongelmaa-3-ratkaisua. Luettu 9.2.2018.

YLE. Väestönlisäys loppuu ehkä tänä vuonna. https://yle.fi/uutiset/3-9090304. Luettu 9.2.2018.

Findikaattori. Taloudellinen huoltosuhde. http://findikaattori.fi/fi/32. Luettu 9.2.2018.

Tilastokeskus. Eläkeläisten määrä EU-maissa. http://tilastokeskus.fi/til/vaerak/2015/vaerak_2015_2016-04-01_tie_001_fi.html?ad=notify. Luettu 9.2.2018.

 

 

 

 

 

 

 

 

 

 

 

 

3. Kurssikerta: syvissä vesissä(kö)?

Edellisen kerran QGisin laskenta- ja valintatyökalujen käytön opettelun jälkeen oli tämän kolmannen kurssikerran aiheena tutustua karttojen ja analyysien teon keskeisten pääosan esittäjien, eli tietokantojen valmisteluiden, yhdistelyiden ja uusien tietojen tuottaminseen olemassa olevaan tietokantaan. Kun tunnin alussa ymmärsin, mitä tämä tunti tulee käsittelemään, alkoi ensimmäisessä kirjoituksessani mainitsemani, tämän kurssin kurssikuvausta lukiessani tuona joulukuisen päivänä ilmaantuneet hikikarpalot nousemaan jälleen uhkaavasti otsaani. Syynä tähän yksinkertaisesti on se, että  tietokanta ja siihen liittyvät kaikki mahdolliset käsitteet *.SHX, *.DBF, *.PRJ ja *.SHP:istä avaruuteen asti ovat itselleni niin tuntematon alue, että näiden kanssa toimiminen aiheuttaa itsessäni hermostuneisuutta ja syviin vesiin uppoamisen pelkoa.

Tällä kurssikerralla pelkoni kävivätkin osittain toteen, kun tunnilla vuorotellen aallon lailla koneet ja QGisit alkoivat kaatuilemaan Afrikan teemakarttaa tehdessämme, jonka takia myöskään minulla ei ole tästä valmista tuotosta. Mutta, niinkuin kaikilla muillakin kerroilla jalkojen ehkä pienestä kastumisesta huolimatta, tästäkin selvittiin, ja Afrikka-karttaan uuden datan tuottamisen ja sarakkeiden tietojen päivittämisen harjoittelemisen ansiosta syntyi lopulta itse tekemäni Suomen vesistöalueiden tulvaindeksi- ja järvisyyskartta (kuva 1).

Kuva 1. Suomen järvisyys ja vesistöalueiden tulvaherkkyys

Excel-tiedostosta tuodun järisyysprosenttidatan ja keskiali- ja ylivirtaamista lasketun tulvaindeksidatan yhdistämisen jälkeen syntyi edellinen kartta, jossa kuvaan koropleettikarttana lasketut tulvaindeksiarvot ja pylväillä järvisyysosuudet. Niinkuin Sanni Hannulakin blogikirjoituksessaan Viikko 3: työskentely tietokantojen parissa toteaa, kartasta on selkeästi nähtävissä, että tulvaindeksi on korkein paikoissa, joissa sijaitsee vähiten järviä. Nämä Etelä- ja Rannikko-Suomen, sekä koko Pohjanmaan alavien viljelyalueiden kuuluminen tähän korkeimpaan luokkaan johtuu siitä, että etenkin keväisten rankkasateiden ja lumensulamisen yhdistelmän aiheuttamat virtaamien kasvut aiheuttavat massiivisiakin tulvia, kun kasvavalla vesimäärällä ei ole paikkaa, eli tässä tapauksessa järveä mihin kerääntyä, jolloin vesimassat tulvivat maastoon.

Tätä vastoin Pohjois-, Sisä-, jota oivasti myös Järvi-Suomeksi kutsutaan, sekä Itä-Suomen alueilla sijaitsevat laajat järvet kasvattavat valuma-alueiden keskimääräistä pinta-alaa. Tämän ansiosta veden valuminen uomiin kestää kauemmin ja pienempiin, vähäjärvisten alueiden valuma-alueisiin verrattuna satava sade peittää suuremman osan alueen pinta-alasta kuin suuremmilla valuma-alueilla. Lisäksi järvissä veden virtausnopeus on luonnollisesti jokia ja puroja hitaampi, jolloin myös valuma-alueelle kulkeva vesi etenee merkittävästi hitaammin, kuin vähäjärvisillä alueilla pienentäen edelleen näiden alueiden tulvaindeksiä.

Sateiden ja lumensulamisen lisäksi myös muilla lämpötilan vaihtelun aikaansaamilla luonnontieteellisillä ilmiöillä on vaikutusta Suomen vesistöjen virtaamiin ja vedenpinnan korkeuteen. Niinkuin Suomen Ympäristöhallinto tiedotteessaan toteaakin, tämän hetkisen kireän pakkasen aiheuttama hyyde ja jokien jäätyminen voivat nostaa jokien vedenkorkeuksia. Keväisten tulvahuippujen lisäksi siis myös talvisin etenkin korkeiden tulvaindeksialueiden uhkana on kovien pakkasten aiheuttamien hyyteen ja jään aikaansaamat vedenpinnannousut, ja edelleen tulvariskin kasvaminen.

Vaikka tulvat ovatkin vielä tällä hetkellä keskittyneetkin pääasiassa tietyille alueille, tulevat ilmastonmuutoksen aiheuttamien seurausten jälkeen korkeat tulvaindeksi-alueet leviämään laajemmille alueille myös Suomessa. Lisääntyvät sateet, vedenpinnan nousu ja lämpötilan noustessa lumien nopeampi sulaminen kasvattavat tulvien yleisyyttä ja niiden voimakkuutta. Vaikka etenkin Pohjanmaan korkean tulvaindeksin alueella sijaitsevassa Vaasassa esiintyvä voimakas maankohoaminen osaltaan kompensoi Itämeren valuma-alueella, jolla Vaasa sijaitsee merenpinnan nousua, ei se Ilmatieteen laitoksen tiedotteessakin mainitusti riitä kompensoimaan täysin esimerkiksi Helsingin alueen kohtaamia merenpinnan nousun aiheuttamia seurauksia.

Yleisesti ottaen olen tekemääni karttaan melko tyytyväinen, mutta silti monen muunkin kanssaopiskelijani, kuten muun muassa Marita Selinin ja hänen blogitekstissään Afrikan konfliktit ja Suomen vesistöalueiden tulvimisriski eli kolma kurssikerta mainitsemansa huomion kanssa samaa mieltä siitä, että järvisyysprosentit voisi myös omasta mielestäni karttojen tutkittavuuden ja analysoinnin parantamiseksi kuvata pylväiden ja digrammien sijaan esimerkiksi luvuilla. Muuten olen karttaani kuitenkin tyytyväinen, koska siitä on selkeästi nähtävissä Suomen eri osille tyypilliset ominaisuudet ja korrelaatiot tulvaindeksien ja järvisyyksien yhteyden osalta. Vaikka jalat saattoivatkin siis hieman kastua, pää pysyi kuitenkin pinnalla, mikä oli mielestäni oikein positiivinen asia.

Seuraaville kurssikerroille pyrinkin kehittämään hermoja ja kärsivällisyyttäni siihen, ettei tietokoneohjelmat välttämättä toimi aina niinkuin toivoisi, mutta siihen ei kumpikaan, tietokone tai minä kuole, vaan voimme lopulta selvitä yhdessä lähes kuivin nahoin rannalle.

Lähteet:

Hannula, Sanni. Viikko 3: työskentely tietokantojen parissa. (3.2.2018) https://blogs.helsinki.fi/sannihan/. Luettu 4.2.2018.

Suomen ympäristökeskus. Vesitilanne – Vedenkorkeus ja virtaama. http://www.ymparisto.fi/fi-FI/Vesi/Vesitilanne_ja_ennusteet/Vedenkorkeus_ja_virtaama. Luettu 4.2.2018.

Ilmatieteen laitos. Ilmaston lämpeneminen muuttaa merkittävästi Itämeren ominaispiirteitä. http://ilmatieteenlaitos.fi/tiedote/73421998. Luettu 4.2.2018.

Suomen luonnonsuojeluliitto. Luonnonsuojeluliiton Itämeriohjelma. https://www.sll.fi/mita-me-teemme/vedet/itameri. Luettu 4.2.2018.

Selin, Marita. Afrikan konfliktit ja Suomen vesistöalueiden tulvimisriski eli kolmas kurssikerta. https://blogs.helsinki.fi/selkala/2018/01/29/afrikan-konfliktit-ja-suomen-vesistoalueet-eli-kolmas-kurssikerta/. Luettu 4.2.2018.

 

 

2. Kurssikerta: Karttaprojektioiden värikkäässä maailmassa

Toisen kurssikerran aloitimme tutustumalla QGis:n valinta- ja laskentatyökaluihin sekä siihen, miten ohjelmaan voi vaihtaa käytetyn aineiston koordinaattijärjestelmän ja projektion. Testasimme myös, miten ohjelman pinta-alojen ja etäisyyksien mittaustyökalu toimi. Loogisesti ajateltuna ymmärsin heti, että koska eri koordinaattijärjestelmät käyttävät eri projektiomalleja jotka voivat erota esitystavoiltaan merkittävästikkin toisistaan, on näiden valinnoilla todennäköisesti myös huomattava vaikutus mittaustuloksiin eri järjestelmien välillä. Tätä hypoteesiä todistaaksemme valitsimmekin neljä eri projektiota, joita käyttäen mittasimme “Suomi-neidon” lippalakin pinta-alan, sekä Suomen leveimmän kohdan, Vaasasta Itä-Suomen Koivusuon luonnonpuiston tienoon välisen välimatkan. Saaduista tuloksista loimme excel-taulukot (taulukko 1).

Taulukko 1. Excel-taulukko eri projektioiden välisistä eroista pinta-alan ja etäisyyksien ilmoittamisessa.

Taulukostani on hypoteesini mukaan nähtävissä, että joidenkin projektioiden välillä on valtavia eroja. Esimerkiksi vertaillessa Mercatorin, ja monien internet-karttojen julkaisijoiden käyttämän Sphere Mercatorin projektioita QGis:n oletusprojektiona olevaan Lambertiin huomaa, että esimerkiksi Suomi-neidon lippalakin pinta-alan ero on jopa yli 80%. Syy näiden väliseen eroon on se, että Mercatorin projektiot kuuluvat oikeakulmaisiin projektiomalleihin, joissa keskimeridiaani kulkee päiväntasaajalla. Tämä aiheuttaa sen, että pituuspiirien välinen etäisyys pysyy vakiona, mutta leveyspiirien välinen etäisyys kasvaa napoja kohti mentäessä. Seurauksena on, että Suomen pohjoisen sijainnin takia etäisyydet täällä kasvavat merkittävästi todellisesta. Tätä vastoin Lambertin projektio on oikeapintainen, ja näyttää tällöin alueiden pinta-alat oikein.

Koska maapallomme on ainakin yleisen uskomuksen mukaan kolmiuloitteinen pallo, aiheuttaa sen kuvaaminen 2D karttoina eroja tiedon kuvaamiseen ja luotettavuuteen. Jos kartoilta tehtäviä mittauksia tehdään suoraan projektiotasolla, voivat virheet oltaessa kaukana projektioiden keskimeridiaanista kasvaakin häiritsevän suuriksi. Esimerkiksi lentokoneiden polttoainemäärien suhteuttaminen lentoreittien pituuksiin vääristyy, mikäli käytetty projektiomalli vääristää etäisyyksiä. Tämän takia etenkin karttoja tutkittaessa ja analysoitaessa on tärkeää muistaa kriittinen lähestymistapa, koska tasolla nähty kartta ei välttämättä vastaa täysin sitä, mitä se todellisuudessa on.

Näiden projektioiden aiheuttamien erilaisten luotettavuusongelmien avuksi onkin onneksi kehitetty taulukossakin näkyvä Robinsonin sovellettu projektiomalli, jossa kompromissina on minimoitu niin alojen, etäisyyksien kuin myös kulmien aiheuttamat vääristymät. Lisäksi niinkuin Maanmittauslaitoksen professori Markku Poutanen kirjassaan Satelliittipaikannus toteaa, etenkin rakentamisessa ja maanmittauksessa käytettävä, GPS-paikannuksen avulla tehtävä RTK- eli Reaaliaikainen kinemaattinen mittausmenetelmä tulee varmasti tulevaisuudessa helpottamaan mittausten tekemistä.

Tämän mittaustyökalujen ja Excelin pyörittämisen jälkeen tutustuimme tarkemmin paikkatiedon datan lähteisiin ja tuottajiin, sekä aloimme tutkimaan tarkemmin, onko kohteiden pinta-alojen kokojen muutoksissa jokin tietty suuntaus eri projektioiden välillä. Tätä analysoimme laskemalla prosentuaaliset erot aloille eri projektioiden välillä, ja visualisoimme erot luomalla luokitelluista lukuarvoista teemakartat (kuva 1) ja (kuva 2).

Kuva 1. Koropleettikartta Mercatorin ja Lambertin projektioiden välisistä alojen kokoeroista prosentuaalisesti.
Kuva 2. Koropleettikartta Robinsonin ja Lambertin projektioiden välisistä alojen kokoeroista prosentuaalisesti.

Lopputuloksesta on selkeästi nähtävissä myös taulukko 1:sen osoittamat merkittävät erot projektioiden välillä. Kuvassa yksi on osoitettuna valitsemani Mercatorin ja Lambertin projektioiden väliset erot, jotka ovat välillä 295-724% ja korkeimmassa luokassa jopa 599-724%. Lisäksi erot kasvavat tasaisesti meridiaanien suuntaisesti mitä pohjoisemmaksi, eli lähemmäksi napoja mennään (kuva 3). Tämä todistaa myös jo aikaisemmin todettua Mercatorin oikeakulmaiselle projektiotavalle ominaista piirrettä, missä alojen koot vääristyvät mitä kauemmas keskimeridiaani päiväntasaajasta siirrytään, mikä selittää myös kartasta nähtävää luokkien alueellista jakautumista. Meri Suppula blogikirjoituksessaan ”2. kurssikerta – karttaprojektion suuri vaikutus” toteaakin mielestäni hyvin:”Mercator on yleisesti maailmakartoissa käytetty projektio, ja se ei sovellu pienten, varsinkaan pohjoisten alueiden kuvaamiseen- -.” Suomen pienen alan, ja pohjoisen sijainnin takia kannattaa mielestänikin käyttää mahdollisimman vähän Suomen kartoissa, koska vääristymät tulisivat olemaan niin merkittäviä.

Kuva 3. Mercatorin projektiomalli (lähde:kartograph.org/).

Kuvassa 2 prosentuaaliset erot Robinsonin ja Lambertin projektioiden välillä ovat aivan toisenluokkaisia, kuin Lambertin ja Mercatorin välillä kuvassa 1. Kuvan 2 luokat ovat vain 0.610-1.060% välillä, joka kertoo siitä, että projektioiden alojen kuvaamisen erot eivät eroa toisistaan paljoakaan. Tämän takia valitsin karttaanikin vain viisi luokkaa ensimmäisen kartan kahdeksan luokan sijaan, koska mitä pienemmät erot luokkien välillä on, sitä vähemmän mielestäni niitä kannattaa karttaan selkeyden takia valita. Alueellisestikkaan erot eivät ensimmäisen kartan tavoin noudata järjestelmällistä tyyliä, vaan kasvavat kaakosta pohjoiseen. Syynä tähän alueellisesti epätasaiseen jakautumiseen on se, että koska Robinsonin projektiossa leveyspiirit näkyvät suorina ja pituuspiirit loivasti kaareutuvina (kuva 4), erot kasvavat mitä kauemmaksi mennään Greenwichin keskimeridiaanista. Mielenkiintoisena yksityiskohtana on kuitenkin se, että Suomen pohjoisin Utsjoen kunta kuuluu pienimpään 0.610-0.680% luokkaan, vaikka sitä eteläisemmät kunnat ovat korkeimmassa luokassa 0.910-1.060%.

Kuva 4. Robinsonin projektiomalli (lähde:kartograph.org/).

Vaikka valitsinkin tehtävänannoista helpomman, ensimmäisen vaihtoehdon, kokonaisuudessa voisin sanoa, että olen itseasiassa ylpeä siitä, että pystyin edellisestä kurssikerrasta viisastuneena tekemään kartat järjestelmällisesti ohjeita eteenpäin lukiessa jättäen visuaaliset hienosäädöt vasta loppuun. Näin ollen tunnilla pysyi myös paremmin mukana, eikä tullut ainakaan edelliseen kertaan verrattuna niin paljon epätoivon hetkiä. Haasteena kuitenkin oli, etenkin tulosteikkunassa tehtävien toimintojen käytön muistaminen, sekä pinta-alojen prosenttieroja Field Calculator- toiminnolla laskiessa kenttien oikeiden säätöjen valitseminen. Yleisesti ottaen toinen kurssikerta meni mielestäni kuitenkin jo huomattavasti paremmin kuin edellinen kerta, johon tietysti voi vaikuttaa se, että alamme tulemaan jo paremmin sinuiksi QGisin kanssa. Ehkä meistä vielä joku päivä tuleekin parhaimmat ystävykset. In my dreams…

Lähteet:

Poutanen, Markku. Satelliittipaikannus. (2016). Tähtitieteellinen yhdistys Ursa ry, Helsinki.

Kartograph: Map Projections. https://kartograph.org/showcase/projections/#robinson. Luettu 28.1.2018.

Kartograph: Map Projections. https://kartograph.org/showcase/projections/#mercator. Luettu 28.1.2018.

Suppula, Meri. 2. kurssikerta – karttaprojektion suuri vaikutus. (26.1.2018) https://blogs.helsinki.fi/merisupp/2018/01/26/2-kurssikerta-karttaprojektion-suuri-vaikutus/. Luettu 28.1.2018

 

 

 

 

 

1. Kurssikerta: QGIS 0 – Liisa 1

Kun ilmottauduin tälle Geoinformatiikan menetelmät 1 kurssille ihanassa joulukuplassani, ja luin kurssikuvauksesta kohdan “Kurssi koostuu kurssikerroilla tehtävistä paikkatietoon liittyvistä harjoituksista. Harjoitukset suoritetaan QGis-ohjelmistoa käyttämällä”, alkoivat hikikarpalot nousemaan uhkaavasti otsaani. Hallitsen kyllä tietokoneen “tärkeimpien” perusohjelmien (Skype, Word, Internet…) käytön, mutta koko muu arkipäiväisten tietokoneohjelmien ulkopuolinen maailma on itselleni aivan tutkimatonta. Alkavaa stressikohtaustani ei myöskään helpottaneet muistikuvat edellisen periodin Tiedon esittäminen maantieteessä- kurssin tunneista, jolloin saatoin pari epätoivon hetkeäkin kokea tehtäväraportin karttoja tehdessäni Corelin ihmeellisessä maailmassa. Mutta ehkä näiden jännittävien alkusanojen jälkeen on hyvä vihdoinkin päästä itse asiaan eli siihen, miten minä sitten lopulta selvisin ensimmäisestä kurssikerrasta voittajana maaliin?

Ensimmäinen kurssikerta aloitettiin kurssiin ja sen arvosteluperusteisiin tutustumalla, sekä kertaamalla jo hyvinkin tuttua paikkatieto- käsitettä ja siihen kuuluvaa sisältöä. Tämän pehmeän alun jälkeen alettiinkin sitten tositoimiin, kun aloimme tutustumaan tämän QGis- ohjelman monimutkaiselta näyttävään maailmaan. Lopulta monien toimintojen säätöjen, opettajan kartan perässä pysymisen yrittämisen ja hänen apujen kaipaamisen jälkeen lopputuloksena oli pienten muokkausten jälkeen ihan kelpo vektoriaineistoista ja lisätystä datasta yhdistetty teemakartta, joka kuvaa Itämeren rannikkovaltioiden tuottamia, Itämertä rehevoittävien typpipäästöjen suuruuksia (Kuva 1).

Kuva 1. Teemakartta Itämeren reunavaltoiden typpipäästöjen prosenttiosuuksista.

Itse tuotokseeni olen ihan tyytyväinen, vaikka legendat olisi voinut sijoittaa hieman paremmin, niin “Muut kuin Itämeren valtiot”- teksti olisi näkynyt paremmin. Kartastani on kuitenkin nähtävissä tärkein yksityiskohta eli se, mitkä maat tuottavat suhteessa eniten muun muassa teollisuudesta, maataloudesta ja kotitalouksien jätevesistä Itämereen kulkeutuvia typpipäästöjä. Puola on kaikista valtioista suurin typpipäästöjen tuottajamaa melkein jopa 34% osuudella koko typpipäästöistä. Tärkeimpänä huomiona mielestäni voi kuitenkin pitää sitä, että vaikka Venäjän rantaviiva on Itämereen suurimman rantaviivan omaavaan Ruotsiin verrattuna murto-osan kokoinen, on se silti toiseksi korkeimmassa luokassa Ruotsin kanssa yhdessä Latvian kanssa. Tästä voi helposti päätellä sen, että Venäjän päästöt ovat sen rantaviivaan suhteutettuna todella merkittävät. Isona syynä tähän on myös Marja Mannisen Ylen verkkosivuilla kirjoittamansa artikkelinkin mukaan Neva-joki, joka kuljettaa etenkin Pietarin kaatopaikkojen jätevesiä Suomenlahden kautta Itämereen.

Niinkuin Tuuli Lahin blogissaan kirjoitti, voisi tätä karttaa hyödyntää tekemällä uusi kartta, jossa kuvattaisiin typpipäästöjen prosenttimäärää suhteutettuna myös rantaviivan pituuteen. Mielestäni tämä oli häneltä hyvä oivallus, koska näin saataisiin ehkä paremmin suhteutettua dataa siitä, millä maalla päästöt ovat todellisuudessa kaikkein korkeimmat.

Itämeren saastumisesta on onneksi etenkin Suomessa alettu puhumaan, ja miettimään ratkaisuja sen huonon tilanteen parantamiseksi. Tämän takia mielenkiintoni heräsikin lähteä etsimään dataa siitä, onko Suomen typpipäästöt muuttuneet vuosien aikana. Tämän tuloksena löysinkin Suomen ympäristökeskuksen tuottaman pylväsdiagrammin (kuva 2), josta on selkeästi nähtävissä typpikuormituksen määrän pienentyminen vuosina 1990-2013. Vaikka diagrammi on melko vanha, on tästä nähtävissä oleva suunta kuitenkin oikea!

Kuva 2. Suomen Itämereen päästämän typpikuorman osuus 1990-2013.

Jos mietin tätä harjoitusta näin jälkeenpäin, oli oleellisinta ennestään tuntemattoman ohjelman kanssa työskentelyn takia tunnilla mukana pysyminen. Normaalitilanteessa olen melko tarkka raporttien ja karttojeni visuaalisen ilmeen kanssa, joten heikkoutenani harjoituksessa oli ehkä hienosäätöjen tekeminen datojen lisäämisen ja toimintojen antamisen lomassa, jolloin lopputuloksena ei ollutkaan visuaalista silmääni täydellisesti tyydyttävä, kun en ollut keskittynyt yhteen asiaan kerrallaan. Seuraavalla tunnilla ja jatkossa muutenkin pyrinkin jättämään hienosäätöjen tekemisen loppuun, jolloin niihin voi keskittyä rauhassa, ja lopputuloskin on ainakin toivottavasti silloin myös parempi. Joka tapauksessa aina erilaisia karttoja tehdessä omin pikku kätösin tehdyn valmiin kartan näkeminen motivoi ja innostaa jatkamaan, ja huomaa, etteihän tämä lopulta niin vaikeaa ollutkaan! Tyyntä ennen myrskyä…?

Lähteet:

Manninen, Marja. Pietarin lähellä muhii myrkkypommi-päästöt Suomenlahteen luvataan estää. (2016). Yle. https://yle.fi/uutiset/3-9256531. Luettu 19.1.2018.

Suomen ympäristökeskus: Suomen Itämereen päästämän typpikuorman osuus 1990-2013. (2015). http://www.ymparisto.fi/fi-FI/Meri/Mika_on_Itameren_tila/Itameren_typpikuorma_Suomesta(31457). Luettu 19.1.2018.

Lahin, Tuuli. Ensimmäinen kurssikerta. (19.1.2018) https://blogs.helsinki.fi/lahintuu/. Luettu 20.1.2018.