Kuukausi: helmikuu 2024

Mitä ja miksi

Viimeisellä kurssikerralla tehtävänä oli tehdä vapaavalintainen kahden muuttujan kartta omalla datalla. Ennen kurssikertaa muistin Mari Vaattovaaran esittelemän datasivuston, josta sopivasti löytyi aineistoa csv-muodossa. En siis halunnut lähteä käyttämään yhtään enempää aikaa tiedon etsimiseen muilta sivuilta, kun aiemmilla kurssikerroilla opeteltu tiedostomuoto oli saatavilla. Kartan aineistoiksi valikoituivat HDI:n (Human development index) ja BKT:n/asukas (bruttokansantuote) vertailu, sillä monet aineistot sivuilla olivat yksinään ja ne olisi pitänyt tuoda erikseen QGIS:iin. HDI ja BKT/asukas olivat mukavasti samassa tiedostossa ja halusin tietää, löytyisikö maailmasta jotain poikkeuksellisia valtioita, joilla on kehitystä rahanpuutteesta huolimatta tai rahasta huolimatta kehityksen puutetta. Halusin myös saada mukaan koko maailman, sillä esim. vain yhden mantereen esittäminen kartalla voisi jättää huomiotta koko maailman taloudellisen tilanteen. Esimerkiksi monet Euroopan valtiot ovat hyötyneet paljon kolonialismista, joka on jättänyt moniin ”globaalin etelän” valtioihin vaikeat lähtökohdat menestyksen luomiselle.

Raaka työ

Edellisen kurssikerran tiedostoista löytyi valmis karttapohja, jonka valitsin taustakartaksi. Sen jälkeen lisäsin tiedoston Exceliin ja rajasin pois turhat tiedot, kuten menneiden vuosien datan. Sivusto ei jostain syystä antanut tehdä rajausta latausvaiheessa. Rajatun tiedon luomisen jälkeen joutuikin hieman miettimään. Muistin kuitenkin menneeltä kurssikerralta Join attributes-toiminnon, josta piti tällä kertaa valita field value-vaihtoehto datan liittämiseksi karttatasoon. Aluksi otin input layeriksi väärän vaihtoehdon (taulukon pohjakartan sijasta), jonka tajuamiseen tarvitsin Artun apua. Arttua tarvittiin myös datan muuttamiseen numeromuotoon, jota ilman koropleettikartta ei olisi toiminut. Sen jälkeen jouduin pohtimaan, kuinka kahta muuttujaa voi esittää yhdellä kartalla. Muistin jollain kurssikerralla tehdyn valuma-aluekartan, mutta mielestäni piirakkadiagrammit olivat varsin epäselviä ja halusin toisenlaisen ratkaisun. Ajattelin ensin käyttävin jonkinlaista kaavaa, jotta hdi:sta ja bkt:stä saisi jonkun mysteerisen yhteisen arvon ja piirakoita ei tarvitsisi tehdä. Lukion lyhyellä matikalla en kuitenkaan keksinyt tälläista Matrixin jäsenyyttä vaativaa yhtälöä. Päädyin käyttämään Veera Matikaisen neuvomaa piirakkadiagrammia, jossa vain diagrammin koko kuvaa bkt:n suuruutta. Jälkeenpäin ajateltuna olisin voinut itsekin muistaa tämän, sillä tein samalla tavalla valuma-aluekartan aiemmalla kurssikerralla.

Karttojen ja aineiston analyysiä

Tulin siihen tulokseen, että kahden muuttujan kartoista on hyvin vaikea tehdä kauniita, kun verrattavien alueiden koko ja läheisyys vaihtelee Kanadasta Luxemburgiin. Jopa kuvassa 1, jonka tein Euroopan tilanteen selkeyttämiseksi on varsin hankala hahmottaa esimerkiksi Maltan tai Luxemburgin HDI:tä. Maailmankartalla (kuva 2) on vielä vaikeampi hahmottaa pienempien valtioiden tilannetta. Liina Leisolan (2024) blogissa on käytetty histogrammia piirakan sijasta, mutta molemmilla kuvaajilla on ongelmia pienien maiden visualisoinnin  kanssa. Syy on lähinnä  siinä, että pienten maiden koropleettitiedot sattuvat jäämään niiden oman piirakan tai histogrammin alle, kun samalla yritetään kuvata isompia maita. Joskus myös toisen maan tieto voi nielaista pienen maan datan, kuten voi nähdä Euroopasta kuvassa 2. Liinan blogissa oli myös hyvin kuvattu datattomat maat, jota en itse tajunnut tehdä. Vaikka karttani eviät olleet erityisen onnistuneista tällä kertaa, olen tyytyväinen värimaailmaan ja legendaan.

Halusin kartoilla selvittää poikkeavuuksia HDI:n ja BKT:n korrelaatiosta, mutta poikkevat maat eivät valitettavasti näy maailmankartalla erityisen selkeästi. Parhaiten näkyy suuren kokonsa ansiosta Libya, joka on aineiston mukaan jäänyt jälkeen HDI:n kehityksessä suhteessa BKT:hen. Ensi vilkaisulla kartasta ei voi kuitenkaan todeta, että Libya poikkeaisi jotenkin suuresti maailman keskiarvosta. Yleisesti HDI:llä ja BKT:llä per asukas vaikuttaa olevan suuri korrelaatio. Poikkeuksia ovat pienet öljyntuottajamaat kuten Libya, Päiväntasaajan Guinea, Qatar ja Brunei. Näilla mailla on alhainen HDI suhteessa BKT:hen, sillä suuret öljytuotot maissa luultavasti keskittyvät vain pienelle eliitille. Toisella puolella taas korostuvat lähinnä pienet Tyynenmeren saarivaltiot. Korkea HDI suhteessa maiden BKT:hen per asukas voisi johtua pienen ja tiiviin yhteisön tuomasta vähäisestä korruptiosta ja ulkomaiden tukiaisten paremmasta kohdentamisesta. Tajikistanin poikkeamalle en kuitenkaan keksi mitään selitystä. Omat karttani eivät onnistuneet kuvaamaan poikkemia maailmassa, vaan jouduin tarkistamaan ne kuvan 3 diagrammista. Ehkä seuraavalla GIS-kurssilla löytyy keinot parempaan kahden muuttujan karttaan.

Lähteet

Our World in Data (2021) Human develpment index vs. GDP per capita, 2021. Viitattu 29.2.2024. https://ourworldindata.org/grapher/human-development-index-vs-gdp-per-capita?tab=table

Matikainen V. (2024) Veeran GIS-blogi :). Viitattu 29.2.2024. https://blogs.helsinki.fi/veematik/

Leisola L. (2024) Liinan blogi. Viitattu 29.2.2024 https://blogs.helsinki.fi/liinalei/

Datan keruu

Kuudennella kurssikerralla aloitimme valistuksella käveltävän kaupungin tärkeydestä, jonka jälkeen siirryimme ulos keräämään dataa. Ulkoilun jälkeen interpoloimme tulokset turvallisuuden kokemuksesta Kumpulan alueella. Interpolointi oli minulle ennestään tuttu termi, ja sillä tarkoitetaan käytännössä arvojen laskemista alueille, joilta ei ole vastauksia. Täten saimme luotua ”heatmapin”, jolle jätin vastauspaikat yksittäisten tulosten hahmottamiseksi. Omasta kartastani jäi puuttumaan kaikki selitykset, sillä ajattelin tehdä ne omalta läppariltäni. QGIS ei kuitenkaan suostunut avaamaan heatmapin rasteriaineistoa enkä päässyt muokkaamaan karttaa. Vaikka tiestö on leikattu ja legendat ja pohjoisnuolet puuttuvat, punaisempi alue on turvattomin ja sininen turvallisin.

Heatmap ei välttämättä ole kaikista luotettavin lähde, sillä esimerkiksi oikeassa alakulmassa kaksi vierekkäistä vastausta ovat täysiä vastakohtia. Näin pieni aineisto on altis virheille eikä yksittäisen käyttäjän vastaus välttämättä kuvaa valtaosan mielipidettä. Paikallisiin vastauksiin on toisaalta voinut vaikuttaa myös liukkaus, joka vaihtelee hyvin paikallisesti tähän vuodenaikaan. Ainakin oman ryhmäni vastauksissa likkaus oli suuri turvallisuutta laskeva tekijä. Toinen mahdollinen vaikuttaja on ollut mahdollisesti liikenne, joka oli omalla ryhmälläni myös suuri vaikuttava muuttuja turvallisuudelle. Tähän viittaa myös vilkkaan Kustaa Vaasan tien suojatien kohdalla oleva suuri punainen alue. Monilla ryhmillä saattoi myös olla muita tuntemattomia tekijöitä turvallisuuden kannalta, joten kartta ei ole erityisen luotettava aineisto.

Opetusmateriaalin luonti

Itsenäisissä tehtävissä tuli luoda kolme karttaa, joiden perusteella voisi opettaa esim. lukiolaisille valitsemaansa teemaa. Valitsin litosfäärilaattojen liikkeen ja niistä johtuvat asiat, sillä Moodlessa oli valmiiksi aineistolähteet näistä. Meteoriittien kraatereja ei mielestäni voitu kiinnostavasti yhdistää mihinkään prosessiin kuten maanjäristyksiin, joten päätin olla käyttämättä aineistoa. Mielestäni maantieteessä on tärkeämpää ymmärtää prosesseja ja kokonaisuuksia kuin osata ulkoa maailman meteoriittikraaterien sijainnit. Olen myös tyytyväinen valitsemiini väreihin ja pisteiden kokoihin. Värit erottuvat selkeästi taustasta ja vaikka pisteiden määrä tekee joistakin kohdista epäselkeitä, niiden koko on tasapainotettu hyvin. Järistyshavaintojen määrää olisi voinut miettiä tarkemmin luettavuuden parantamiseksi.

Ensimmäisessä kartassa (kuva 2) on litosfäärilaattojen rajat ja yli 8 magnitudin maanjäristykset vuodesta 1980. Halusin lisätä litosfäärilaatat jo ensimmäiseen karttaan, jotta ne voisivat toimia opetuksen pohjana. Järistykset ja tulivuoret kuuteinkin usein johtuvat litosfäärilaattojen sijainnista. Voimakkaiden järistyksien sijainneista voi havainnollistaa opiskelijoille törmäys- ja erkanemislaattojen eroja. Andien ja Filippiinien kohdalla on voimakkaita järistyksiä ja laattojen törmäyskohta, ja Atlantin keskiselänteellä ei synny voimakkaita järistyksiä erkanemisvyöhykkeen kohdalla.

Lisäsin kuvan 3 karttaan 6-8 magnitudin järistykset samalta aikaväliltä, sillä kuumien pisteiden ja erkanemisvyöhykkeiden vaikutus on helpompaa havainnollistaa opiskelijoille pienemmillä järistyksillä. Isommat maanjäristykset tekevät kartasta joissain kohdissa vaikeasti luettavan, sillä datapisteitä on niin paljon etenkin Tyynenmeren tulirenkaan alueella. Päätin kuitenkin jättää ne näkyviin, jotta kuvan 3 kartta toimisi jatkumona kuvan 2 kartalle. Kartasta voisi myös tutki muita ilmiöitä, sillä esimerkiksi Australian tai pohjoisen Kanadan järistykset eivät välttämättä liity litosfäärilaattojen liikkeeseen.

Kuvan 4 kartassa poistin pienemmät järistykset selkeyden lisäämiseksi ja lisäsin tilalle maailman tulivuoret. Tulivuorista voi hahmottaa myös kuumia pisteitä, ja litosfäärilaatan siirroksesta riippuen tulivuorista tulee erilaisia. Erkanemislaattojen kohdalla on yleensä kilpitulivuoria ja törmäyslaattojen kohdalla yleensä kerrostulivuoria, jotka voisi opettaa opiskelijoille. Tulivuoret voivat myös synnyttää tuhkastaan hedelmällistä maata (esim. Indonesia, Italia) ja vulkaanisesti aktiivisella alueella voidaan hyödyntää geotermistä energiaa (esim. Islanti). Nämä olisi myös hyvä opettaa opiskelijoille. Tulivuoret eivät välttämättä ole yhteydessä järistyksiin, joten ne olisi voinut mahdollisesti jättää pois selkeyden vuoksi. Jätin ne kuitenkin jatkumon luomiseksi edelliseen karttaan. Tulivuorista olisi voinut myös tehdä väriskaalan korkeuden merenpinnasta mukaan, jolloin lukija voisi hahmottaa yli- ja alityöntövyöhykkeiden sijainnin. Pietu Nuortimon (2024) blogissa on vastaava kartta, mikä oli mielestäni hyvä idea.

Kuvassa 5 on kartta samasta aiheesta kuin kuvassa 4. Mielestäni omani on onnistuneempi, sillä kuvassa 5 ei ole mainittu järistysten voimakkuutta ja projektio kuvaa maapallon pintaa vähemmän todenmukaisesti. Kuvasta 5 puuttuu myös litosfäärilaattojen rajat. Tulivuoria on myös vähemmän kuvassa 5, mutta se voi olla visuaalisuuden kannalta hyväkin asia. Omassa kartassani tulivurten ja järistysten yhteiset esiintymäkohdat ovat vähemmän selkeitä. Voisin itse hyvinkin käyttää omia karttojani opetusaineistona.

Lähteet

Nuortimo P. (2024) Pietun GIS-seikkailu. Viitatttu 23.2.2024. https://blogs.helsinki.fi/pietunuo/

Internet Geography. (2023) Distribution of earthquakes and volcanoes. Viitattu 23.2.2024. https://www.internetgeography.net/igcse-geography/the-natural-environment-igcse-geography/distribution-of-earthquakes-and-volcanoes/

Viides luento alkoi jälleen ohjeiden robottimaisella seurannalla, mutta aiheena oli tällä kertaa pääasiassa bufferialueiden luonti ja analyysi. Viime kerralla digitoitua Pornaisten karttaa käytettiin esim. clip-toiminnon ja teiden pituuksien mittamiseen, mutta suurin osa ajasta meni bufferoinnin kanssa.

Kurssikerran itsenäisistä tehtävistä ehdin tehdä lentokenttiin ja juna-asemiin liittyvän tehtävä 1:n. Malmin lentokentän tehtävässä ei tullut vielä mitään ongelmia, sillä ohjeet olivat hyvät ja uusi tieto oli tuoressa muistissa. Myös kaverin kanssa yhdessä pohtiminen auttoi tehtävässä eteenpäin. Se on yksi parhaita keinoja tehdä itsenäistä päättelyä QGIS:n kanssa, koska laajoja mekaanisia kokonaisuuksia voi olla vaikea sisäistää itse saman tien. Kaveri voikin muistaa asoita joita et itse muista ja toisinpäin, ja joskus apu voi pelastaa täydelliseltä jumilta. Lisätehtäviä en kuitenkaan uskaltanut aloittaa, koska edempänä oli vielä hyvin laaja tehtävien kirjo.

Helsinkin-Vantaan kohdalla varsinkin lentomeluvyöhykkeitä oli haastavaa saada yksitellen omaksi datapaketikseen. Kuitenkin yhteisen pohdinnan ja erittäin monen ylimääräisen QGIS-tason jälkeen vastaus saatin valmiiksi. Pohdintaan sisältyi lähinnä kurssikerralla käytyjen QGIS-toimintojen kokeilua ja toistoa kunnes jokin alkoi toimia, erityisesti Selected features only ja Statitics Toolbar olivat tärkeitä työkaluja. Statistic Toolbarin kanssa pitää olla tarkkana, sillä Aili Mikolan (2024) blogissa vastuksien asukasmääriin oli ilmeisesti laitettu kotitalouksien määrä yksittäisten asukkaiden sijasta. Aililla oli toisaalta paljon omaa tapaani kätevämpi toiminto lentomelun kanssa jota en itse tajunnut käyttää (kuva 5 Ailin blogissa). Tikkurilan lentomelualueen luomisessa kävi aluksi pieni lapsus, kun laitoin bufferialueen leveydeksi suoraan 1km, vaikka 500m olisi pitänyt ymmärtää laittaa kilmetrin sijasta. Asian sai kuitenkin korjattua myöhemmin.

Tikkurilan tehtävä oli sellainen pähkinä, että asematehtävän pari ensimmäistä osaa tuntuivat helpoilta. Työikäisten laskemisessa en kuitenkaan ymmärtänyt, miksi ohjeissa neuvottiin käyttämään Join attributes by location- toimintoa. Työikäisten lasku lähtötietokannasta onnistui, mutta sain vastauksen yksinkertaisesti katsomalla statistics toolbaria ja käyttämällä samoja työkaluja kuin ennenkin. Muihin tehtäviin ei tämän jälkeen enää riittänyt aikaa/jaksamista.

QGIS on vähän kuin vieras kieli, jonka opettelemisessa ei auta muu kuin raaka toisto ja opettujen asoiden ymmärrys. Oikoteitä ei valitettavasti ole. Yksi hankala asia toistaiseksi käydyistä on ollut ehkä WFS- ja muiden ulkoisten tiedostojen tuonti QGIS:iin. Asiat kuitenkin palautuvat mieleen toistoilla, joten edellisten kurssikertojen toimintojen käyttö seuraavilla kerroilla on ollut hyödyllistä. Omasta mielestäni olen hyvä lähinnä ohjeiden seuraamisessa ja tarvitsen vielä toistoja eri komentojen käytössä. Käyttäjä itse onkin QGIS:n luultavasti heikoin lenkki yleensä.

Puskurivyöhykettä voi käyttää myös metsien hakkuissa merkitsemään turvallisen etäisyyden teistä tai yleisesti jonkin alueen määrittämiseen tietyn kohteen ympärille.

Lähteet

Mikola A. (2024) Ailin GIS-luola. Viitattu 19.2.2024.https://blogs.helsinki.fi/maili/2024/02/14/buuferointia/

Neljäs kurssikerta alkoi laserkeilausta ja piste- sekä ruutuaineistoja käsittelevällä luennolla. Muinaisten rakennusten löytäminen laserkeilauksella oli kiinnostavaa, mutta olisin mielummin aloittanut suoraan QGIS:n kanssa pysyäkseni hereillä. Kirjalliset ohjeet olivat taas hieman vaikeaselkoiset ja/tai vanhentuneet, joten päätin vain mennä opetuksen mukana. Ohjeissa ei myöskään tehty samoja asioita kuten luennolla, joten ehkä niistä on vain parempi muistella jäkeenpäin tekemäänsä.

Toivon joskus, että opetuksen voisi laittaa kaksinkertaiselle nopeudelle kuten Youtube-videon. Välillä taas pienikin keskittymisen herpaantuminen voi pakottaa kysymään kaverilta, mitä nappia opettaja painoi viisi sekuntia sitten. Toisaalta kaverien ja opettajan apua ongelmatilanteissa voisi olla paljon hankalampaa saada videokurssilla tai itsenäisesti tekemällä, joten lopulta luennoille kannattaa kuitenkin tulla.

QGIS:n kanssa teimme neliökilometrin ruutukoon ruudukon, joka omalla kohdallani kuvaa ulkomaan kansalaisten osuutta pääkaupunkiseudulla. Jätin ruutukoon neliökilometrin kokoiseksi, koska mielestäni muut ruutukoot vain näyttivät huonommilta. Stella Syrjänen (2024) kertoo blogissaan, että ruutukokoja muuttamalla voidaan ”kärjistää tai neutralisoida alueiden eroja”. Esimerkiksi kuvassa 1 suuremmalla ruutukoolla Itä-Helsinki olisi voinut nousta yleisesti esiin sen sijaan, että tummat värit keskittyvät lähinnä Kontulaan ja Itäkeskukseen. Liian pienellä ruutukoolla osuudet voisivat keskittyä taas esimerkiksi pariin taloyhtiöön tai muutamalle kadulle.

Absoluuttisia arvoja ruutukartalla ei kuitenkaan kannata kuvata. Kurssikerran keskusteluissa totesimme, että ruotsinkielisten suuri absoluuttinen määrä Helsingin keskustassa selittyy yleisesti keskustan suuremmalla asukasluvulla. Jos halutaan jostain syystä kuvata vain asukkkaiden määrää jollakin alueella, absoluuttiset arvot ovat hyvä valinta. Mutta osuutta kuvatessa tulee aina ottaa huomioon suhteelliset määrät ja käyttää prosentteja.

Koropleettikarttaan verrattuna ruutukartan etuna on sen rajoittamattomuus hallinnollisiin alueisiin. Esimerkiksi kuvassa 1 Nuuksion lähellä on yksi tumma ruutu, jossa asuu suhteessa paljon ulkomaan kansalaisia. Nuuksion alue on kuitenkin iso, ja hallinnollisia alueita katsottaessa tämä keskittymä ei olisi välttämättä näkynyt kartalla. Tiivimmillä alueilla hallinnolliset rajat voivat olla taas todellisuudessa vain viivoja paperilla. Esimerkiksi kadun molemmilla puolilla olosuhteet ovat todennäköisesti samankaltaisia, vaikka kadulla kulkisi hallinnollinen raja.

Luettavuus saattaa kuitenkin kärsiä ruutukartalla, sillä se ottaa vain tasaisen kokoiset alueet huomioon. Helsingin saaristossa on paljon ruutuja, joiden maapinta-ala on Manner-Helsingin ruutuja paljon pienempi. Ruutujen sijoittuminen voi olla myös hieman satunnaista. Esimerkiksi Espoon lounaiskulmassa Pentalan saarella pienessa pohjoisosassa on ruudun osa ja saarella vaikuttaa olevan asukkaita, vaikka niin ei välttämättä olisi. Ruutu nimittäin osuu myös Espoon rannalle, jossa ruudun asukkaat todennäköisemmin asuvat.

Mielestäni kuvan 1 kartta onnistui visuaalisesti hyvin. Yhden värin väriskaala voi olla usean luokan ainesitossa vaikeasti luettava, mutta päätin rajoittaa luokkia yhden värin saamiseksi kartalle. Useammman värin legendassa sisältän kartan ongelma voi nimittäin olla, ettei lukija ymmärrä nopeasti värien merkitystä. Itselläni oli ainakin vaikeuksia hahmottaa QGIS:n sinistä, punaista ja vihreää sisältävän skaalan kuvaamaa dataa. Värisokeilla voi olla myös samanlaisia vaikeuksia usemman värin kartassa.

Kartan kuvaamat tulokset olivat osittain yllättäviä. En odottanut Nuuksiossa olevan suhtellisen paljon ulkomaalaisia, mutta asiaa miettiessä määrä voi selittyä turismilla alueelle. Ainakin viimeksi Nuuksiossa käydessäni kansallispuistoon kulkeva bussi oli täynnä turisteja, ja osa käyneistä on voinut jäädä alueelle pyörittämään bisnestä. Kontulan ja Leppävaaran ulkomaalaisten osuus ei yllättänyt, sillä varsinkin pakolaisia on keskittynyt tällaisille halvemman asumisen alueille. Ulkomaalaisten osuus Vantaanjoen haaran pohjoispuolella voi puolestaan seilttyä lentokentän läheisyydellä. Nuuksion tapaan alueelle on voinut jäädä maahan tulleita turisteja hyvin yhteyksien ja yritysmahdollisuuksien äärelle. Espoon kartalla valkoiset alueet voivat selittyä pitkillä etäisyyksillä työpaikoille ja omistusasuntojen suurella määrällä alueella. Ulkomaalaiset saattavat ostaa asuntoja harvemmin Suomessa, sillä heidän tulevaisuutensa maassa ei ole aina varma.

Teimme myös ohjeita seuraamalla digitoitua aineistoa Pornaisten tiestöstä ja taloista. Rasteriaineistot jäivät hieman mysteeriksi luennolla, mutta oletettavasti seuraavalla kerralla niitä voidaan käsitellä enemmän. Niiden toiminta syntyi omalla koneellani lähinnä robottimaisesti ohjeita seuraamalla. Kuvaa digitoidusta Pornaisesta ei valitettavasti ole saatavilla QGIS:n versioiden yhteensopimattomuuden takia.

Lähteet

Syrjänen S. (2024). Stella’s blog. https://blogs.helsinki.fi/stellasy/. Viitattu 13.2.2024

Kolmannnen kurssikerran ensimmäisellä puoliskolla käsittelimme csv-tietokantojen liitoksia ja tiedon tuottamista tietokantaan sijainnin perusteella. Lisäksi teimme tauon jälkeen itsenäisesti tulvaindeksikartan Suomen valuma-alueista. Tietokantojen liitokset opettajan avulla sujuivat hyvin, eikä mitään ongelmia tullut missään vaiheessa. En kuitenkaan uskaltanut edes avata kurssikerran itsenäisiä ohjeita, sillä aiemmilla luennoilla ne olivat vain lisänneet tuskaani. Ohjeet unohtamalla pystyin myös paremmin keskittymään opetukseen. Tulvaindeksikartan tekemisessa tuli kuitenkin haasteita datan ja ympyrädiagrammien kanssa, eikä kartasta tullut mielestäni ideaalinen visuaalisesti. Haastavinta tällä kerralla oli koropleettikartan ja ympyrädiagrammien yhdistaminen visuaalisesti järkevällä tavalla. Myös QGIS:n käytössä pitää olla erittäin tarkkana, koska pienikin asia väärässä paikassa voi kaataa ohjelman ja kadottaa unohteliaan käyttäjän työn.

Afrikan konfliktit ja luonnonvarat

Kuvan 1 kartasta tuli mielestäni järkevä visuaalisesti. En kuitenkaan saanut liitettyä internetin käyttöön liityviä tietoja kartalle ajanpuutteen takia. Esimerkiksi internetin käyttöasteesta olisi voinut löytää jonkinlaisen yhteyden konfliktien lukumäärään tai kartalla oleviin luonnonvaroihin. Ohjeita seuraamalla kartasta tuli kuitenkin mielestäni oikein laadukas.

Kartasta ei silti voi välttämättä päätellä, onko luonnonvaroilla ja konflikteilla korrelaatiota. Esimerkiksi Libyassa ei kartaan mukaan ole ollenkaan konflikteja, mutta sen datan luomisen jälkeen Libya on ollut pitkään sisällissodan kourissa. Liberiassa ja Angolassa vaikuttaa kartan mukaan olleen konflikteja luonnonvarojen lähellä, mutta Sahelin alueella ja Etiopiassa näyttää olevan ongelmia ilman luonnonvarojakin. Etelä-Afrikassa taas on paljon timantteja, mutta kiistat vaikuttavat puuttuvan tilastoista. Taustalla konflikteissa todennäköisesti vaikuttavat hallinnon vahvuus, etniset jännitteet, yleinen tulotaso ja muut tekijät. Lisäksi konfliktien alkamisvuodet ja luonnonvarojen löytämisajat kartalla tarjoaisivat suurempaa ymmärrystä luonnonvarojen ja konfliktien yhteydestä. Kaivoksien ja öljykenttien tuottavuus saattaa myös vaikuttaa konfliktien laajuuteen.

Tulvakerroinkartta

Tulvakerroinkartan teko alkoi hyvin, kun tietokantaliitokset oli helppo tehdä aikaisempien ohjeiden perusteella. Sain myös laskettua tulvaindeksit ja tehtyä koropleettikartan ilman suurempaa ulkopuolista apua, mutta ongelmat alkoivat järvisyysprosentin ilmestyttyä attribuuttitaulukkoon tekstimuodossa. QGIS alkoi myös mysteerisesti kaatuilla yrittäessäni korjata asiaa, ja jouduin lähestulkoon kopioimaan diagrammien teon kaverilta ajan ja kärsivällisyyden loppuessa kesken. Kiireellä tehdyn tuloksen huomaa kuvasta 1, sillä varsinkin Etelä-Suomessa pienten valuma-alueiden tulkitseminen on erittäin hankalaa. Ajattelin läpinäkyvyyden hieman auttavan kartan lukemisessa, mutta etelän pienten alueiden järvisyysprosentti jää kartasta epäselväksi. Olen kuitenkin tyytyväinen, että löysin toiminnon, joka skaalaa ympyrädiagrammin valuma-alueen koon mukaan. Visuaalisuutta olisi myös voinut parantaa ottamalla ympyrädiagrammiin toisen värin maa-alueelle, tai jopa tekemällä kaksi erillistä karttaa. Mielestäni Pietu Nuortimon (2024) kartta näyttää diagrammin haluamallani tavalla varsinkin Pohjanmaalla, ja kaksi karttaa auttavat tulosten tulkinnassa.

Kuvan 2 kartasta voidaan kuitenkin lukea, että suurin tulvavaihetlua tapahtuu Pohjanmaan ja Etelä-Suomen rannikolla. Yllätyin etenkin Aurajoen suurista tulvista, sillä Turun kaupungin luulisi numeroiden perusteella peittyvän veden valtaan keväisin. Kiinnostavaa oli myös, että suurilla valuma-alueilla ja järvisimmillä alueilla vaihtelu on pienempää. Tämä voi mahdollisesti johtua järvien suurista kyvyistä varastoida vettä ja sateiden alueellisesta jakautumisesta.

Lähteet

Nuortimo P. (2024) Pietun GIS-seikkailu. Viitattu 5.2.2024. https://blogs.helsinki.fi/pietunuo/