GIM1 vol. 7. Itsenäiset kartat: Biodiversiteetti, tiikerit ja palmuöljyn tuotanto

Palmuöljyn tuotanto ja käyttö

66 miljoonan tonnin (1000 kg) vuosituotolla palmuöljy on maailman eniten tuotettu kasviöljy. Sen alhainen markkinahinta ja soveltuvuus elintarvikkeisiin ovat johtaneet tilanteeseen, jossa puolet supermarkettien tuotteista sisältää palmuöljyä. Palmuöljyä käyttävät valmistajat perustelevat valintaansa usein halvemman hinnan sijaan sillä, että palmuöljy kestää paistamista ja antaa tuotteille hyvän koostumuksen ja maun. Palmuöljyä käytetään elintarviketeollisuudessa margariinien valmistuksessa, pakastepizzoissa, kekseissä ja muissa leivonnaisissa, muroissa, valmisruoissa ja kastikkeissa sekä uppopaistossa. Muualla palmuöljyyn törmää erilaisissa voiteissa, saippuoissa, meikeissä ja pesuaineissa sekä kynttilöissä. Näiden lisäksi öljyä käytetään tietenkin biopolttoaineena ja sekoitetaan tavallisen moottoriöljyn sekaan. Palmuöljypohjaisista biopolttoaineista vapautuu poltettaessa paljon hiilidioksidia ja metaania ja ilmastovaikutus on itse asiassa jopa 3 kertainen verrattuna tavallisiin fossiilisiin polttoaineisiin.

Hiljattain vuonna 2014 saatiin voimaan säädös, jonka mukaan tuotteissa on ilmoitettava mikäli ne sisältävät palmuöljyä. Tämän saa selville tuoteselosteesta missä tahansa yhteydessä mainitusta sanasta “palmu”. Palmuöljyn valmistuksessa puhdistusvaiheessa käytetään korkeita lämpötiloja, jolloin Eviran mukaan öljyyn muodostuu haitallisia aineita, mm. rasvahappoestereitä, jotka ovat terveydelle haitallisia. Palmuöljyn korvaaminen muilla kovilla rasvoilla, kuten voilla tai kookosrasvalla olisi teknisesti mahdollista, mutta elintarvikkeiden tuotantokustannukset olisivat tällöin suuremmat. Terveys-syistä Euroopan komissio on kuitenkin asettamassa haitallisille glysidyyliestereille lainsäädännölliset enimmäismäärät kasviöljyissä ja -rasvoissa. Asetus tulee sovellettavaksi kaikissa EU:n jäsenvaltioissa vuoden 2018 aikana.

Palmuöljyn tuottajat

90 % palmuöljystä tuotetaan Indonesiassa ja Malesiassa. Vuonna 2013 Indonesiassa tuotto oli yltänyt vuodesta 1961 vajaaseen 27 miljoonaan tonniin (1000 kg) (Kuva1) !

Kuvassa 2. on palmuöljytehdasaineistoa vuodelta 2017. Indonesiassa ja Malesiassa on molemmissa yli 400 tehdasta! Vertaa Kolumbiassa vain 17.

Kuva 1. Palmuöljyn tuotanto tonneina vuodesta 1961 vuoteen 2013. Suurimpia tuottajia (punainen): Indonesia, Malesia, Thaimaa, Nigeria, Kolumbia.

Kuva 2. Palmuöljytehtaiden määrä valtion sisällä. Tehdasaineisto on vuodelta 2017.

Biodiversiteetin kuumat pisteet, sosiaaliset ongelmat ja palmuöljy

Luonnon monimuotoisuuden kuumat pisteet (biodiversity hotspots) ovat alueita, joissa on väh. 1 500 kotoperäistä kasvilajia ja muutenkin monimuotoinen lajisto selkärankaisia ja selkärangattomia eläimiä sekä muita eliöryhmiä. Kuumien pisteiden osuus Maan maapinta-alasta on vähentynyt koko ajan, eikä ole yllätys että ongelma on suurinta juuri palmuöljyn tuotannon huippumaissa.

Kuva 3. Maailman biodiversiteetin kuumat pisteet.

Öljypalmuplantaasit peittävät tällä hetkellä yli 27 miljoonaa hehtaaria Maan pinnasta. Plantaasipinta-aloista ei kuitenkaan vaikuttanut olevan saatavilla minkäänlaista vapaasti karttaan sovellettavaa aineistoa. Löysin kuitenkin dataa palmuöljytehtaiden sijainneista, mistä voi päätellä jotakin myös plantaasien sijoittumisesta. Huomaa, että suurin osa tehtaista sijoittuu Indonesin ja Malesian rikkaan sademetsäluonnon alueille (Kuva 4.).

Kuva 4. Palmuöljytehtaiden sijoittuminen kuumiin pisteisiin.

Valitettavasti juuri biodiversiteetiltään rikas tropiikki sopii olosuhteiden puolesta täydellisesti öljypalmun kasvatukseen kostean ja lämpimän ilmastonsa takia. Tämän seurauksena sademetsää tuhotaan polttamalla päivittäin uusien plantaasien, “vihreiden aavikoiden”, tieltä. Yhä paheneva metsäkato aiheuttaa jopa viidenneksen maailman kasvihuonekaasupäästöistä. Palmuöljyn tuotannosta johtuen Indonesian kasvihuonepäästöt ovat yltäneet top kolmoseen heti Yhdysvaltojen ja Kiinan jälkeen.

Sademetsää raivataan öljyn takia myös siinä tapauksessa, että maanviljelijät menettävät ensin viljelysmaansa öljypalmuplantaasiksi, minkä jälkeen he raivaavat lisää viljelymaata metsistä. Ihmisten häätämisessä plantaasien tieltä sovelletaan usein kiristystä väkivallalla ja maanomistajia lahjotaan pelkästään nimellisiksi jäävillä korvauksilla. Plantaaseille työskentelemään päätyvät paikalliset ja muista maista tuodut työntekijät saavat erittäin huonoa palkkaa eikä heille anneta asianmukaista suojavarustusta esimerkiksi työskennellessä myrkyllisten aineiden kanssa.

Palmuöljyplantaasi sademetsän vieressä, Borneo. Lähde: http://www.worldlandtrust.org/news/2010/01/visit-to-borneo-orang-utans-elephants.htm

Tiikerit ahdingossa

Tiikeri (Panthera tigris) on maailman isoin kissaeläin. Tiikerit ovat sopeutuneet monenlaisiin elinympäristöihin ainavihannista monsuunimetsistä aina Siperian koivumetsiin. Villisiat ja kauriseläimet ovat tiikerin pääravintoa. Reviirin koko vaihtelee ympäristön saaliseläimistön runsauden mukaan. Uroksen reviiri tropiikissa on 30-70 km2, karummassa Siperiassa jopa 1000 km2. Naaras saa yleensä 2-3 pentua muutaman vuoden välein ja pennut itsenäistyvät n. 2 vuotiaina mikäli selviävät siihen ikään.

Tiikerin levinneisyys ulottui aikoinaan itäisestä Turkista Indonesiaan. Nykyään isoja kissoja esiintyy enää Intiasta Kaakkois-Aasiaan ja Sumatralle ulottuvalla alueella pirstaleisilla saarekkeilla. Lisäksi muutama yksilö löytyy Kiinasta ja Siperiasta. Tiikereitä on 9 alalajia, joista 1900-luvulla balintiikeri, kaspiantiikeri ja jaavantiikeri ovat kuolleet sukupuuttoon. Jäljellä olevat 6: amurintiikeri, kiinantiikeri, indokiinantiikeri, sumatrantiikeri, bengalintiikeri ja malakantiikeri ovat äärimmäisen/erittäin uhanalaisia. Luonnossa elää arviolta yhteensä enää 3 890 yksilöä, kun vielä 70-luvulla tiikereitä oli yli 30 000. Sadassa vuodessa maailma on menettänyt noin 97 % tiikereistään!

Tiikerien ahdinkoon on useita syitä, joista kuuluisin on varmaankin salametsästys. Tämä ei kuitenkaan yksin riitä selittämään näin katastrofaalista katoa. Tiikereitä uhkaa suuresti sopivien elinalueiden hupeneminen, jossa palmuöljyplantaaseilla on varmasti merkittävä osuus, erityisesti sumatrantiikerin tapauksessa. Lisäksi mm. orangit ja Borneon elefantit ovat yhä lähempänä sukupuuttoa palmuöljyn takia. Kun elinympäristöt katoavat eläinten on pakko tulla aina vain lähemmäs ihmistä, mikä edelleen lisää niiden altistumista vainolle ja metsästykselle.

Tiikerien suojelu ja palmuöljy

Kuva 5. Tiikerin suojelualueiden lkm tiikerivaltioissa

Suojelu on viimevuosina helpottanut tiikerikannan ahdinkoa mm. Siperiassa, Kiinassa ja Intiassa. Kaakkois-Aasiassa, palmuöljykeitaissa, tilanne on kuitenkin pahenemaan päin. Malesiassa tiikerien määrän arvioitiin laskeneen n. 250 een vuonna 2015. Indonesian ja Thaimaan tiikerikannasta ei ole edes tietoa. Tiikerien eteen on siis vielä paljon työtä. Muutama tiikerivaltio on lähtenyt mukaan suojelutyöhön tavoitellen tiikerien määrän kaksinkertaistamista vuoteen 2022 mennessä. WWF tukee valtioita tässä tavoitteessa. Tavoitetta varten on kartoitettu sellaisia tiikerien suojelualueita, jotka tarjoavat sopivat olot kannan tuplaamiseksi. Nämä ovat karttakuvassa 6. oransseja Tx2 alueita, muut suojelualueet ovat keltaisia.

Tarkastelin karttojen avulla tiikerin suojelun ja palmuöljyn välistä konfliktia hieman lähemmin ja on selvää, että palmuöljy on ainakin osittain syynä Kaakkois-Aasian tiikerien ahdingon jatkumiseen (Kuvat 6- 8). Malesiassa yhden suojelualueen sisällä on peräti 19 palmuöljytehdasta, ei ihme että tiikerit ovat siellä huvenneet ! Indonesiassa peräti 5 suojelualuetta pitää sisällään vähintään yhden palmuöljytehtaan ! Voisi kuvitella, ettei näillä alueilla ole enää tilaa yhdellekään tiikerille, ja mehän emme tiedä alueen tiikereistä WWF:n mukaan mitään. Ei niillä ainakaan kovin hyvin voi mennä..

Kuva 6. Punaiset pisteet ovat palmuöljytehtaita. Huomaa keskittyminen Indonesiaan ja Malesiaan.

Kuva 7. Palmuöljytehtaiden määrä tiikerin suojelualueilla.

Kuva 8. Tehtaan sisältävien suojelualueiden määrä valtion sisällä.

Palmuöljyn tuotantoon puuttuminen

Palmuöljyn käytöstä ei siis ole haittaa vain terveydellemme, vaan myös ilmastolle ja uhanalaisille lajeille. Käyttöä sekä tuotantoa olisi siis syytä vähentää rajusti. Jo sekin auttaisi, että kaikki palmuöljy tuotettaisiin vastuullisesti ja, että vastuullisen palmuöljyn käyttö yleistyisi. WWF:n mukaan lukuisat yritykset eivät ole lupauksista huolimatta siirtyneet käyttämään vastuulliseksi sertifioitua palmuöljyä. WWF on ollut mukana kehittämässä RSPO (Roundtable of Sustainable Palm Oil) sertifikaattia. RSPO palmuöljyn tuotannossa huomioidaan ympäristö ja sosiaaliset ongelmat. Tuotannossa ei hakata luonnonvaraisia sademetsiä viljelysmaaksi eikä plantaaseja raivata polttamalla. Ongelmana on tuottamani kartan perusteella mm. se, että palmuöljytehtaista melko pieni osa on RSPO sertifikaatin saaneita.

Kuva 9. Valitettavasti palmuöljyn huipputuotannon maissa RSPO sertifioituja tehtaita on kaikkiaan vajaa neljäsosa.

Miten minä voin vähentää palmuöljyn kulutusta?

Suomessa tilanne on sikäli hyvä, että meillä käytetään paljon rypsi- ja rapsiöljyjä, kookosrasvaa, auringonkukkaöljyä ja pellavaa palmuöljyn sijaan. Silti kaupassa on lukuisia palmuöljyäkin sisältäviä tuotteita, joiden kulutukseen kannattaa kiinnittää huomiota.

Rainforest rescue sivuston perusteella voit taistella palmuöljyä vastaan seuraavilla vinkeillä:

  1. Tee ruokaa itse tuoreista raaka-aineista, älä käytä kokkaamiseen palmuöljyä vaan esim. oliiviöljyä.
  2. Lue tuoteselosteita. Erityisesti elintarvikkeissa palmuöljy on näkyvillä, kosmetiikassa edelleen valitettavasti huonommin.
  3. Voit valittaa valmistajille palmuöljyn käytöstä.
  4. Voit allekirjoittaa vetoomuksia sademetsien suojelemiseksi.
  5. Voit lisätä ongelman näkyvyyttä esim. median välityksellä ja kampanjoihin osallistumalla.
  6. Vähennä autoilua.
  7. Etsi lisää tietoa ja kerro muille. Rohkaise kavereita ja perhettä luopumaan palmuöljystä.

Lähteet:

Karttojen kokoamiseksi etsitty aineisto:

taustakarttana open street map

Palmuöljyn tuotantomäärät (csv): <https://en.actualitix.com/>

Valtiot ja niiden rajat: <http://www.naturalearthdata.com/downloads/110m-cultural-vectors/>

Biodiversiteetin kuumat pisteet: <https://databasin.org/datasets/23fb5da1586141109fa6f8d45de0a260>

Palmuöljytehtaat: <http://data.globalforestwatch.org/datasets/ed8d5951b2a4482a9e62c4fe0bc23b5f_27>

Tiikerin suojelualueet: <http://data.globalforestwatch.org/datasets/f50efdadb0234ef392c4ecd8185c1f5f_4>

Tekstin lähteet:

Evira 2018. <https://www.evira.fi/elintarvikkeet/tietoa-elintarvikkeista/ravitsemus/palmuoljy/>

Greenpeace 2010. <http://www.greenpeace.org/finland/fi/kampanjat/palmuoljy/ongelmat/tuotanto-ongelmat/>

WWF 2016. <https://wwf.fi/wwf-suomi/viestinta/uutiset-ja-tiedotteet/Suomalaisten-elintarvikeyhtioiden-palmuoljyn-hankinnasta-yha-suurempi-osuus-on-vastuullisesti-tuotettua-2946.a>

WWF 2017. <https://wwf.fi/elainlajit/tiikeri/>

WWF 2015. <https://wwf.fi/wwf-suomi/viestinta/wwf-lehti/juttuarkisto/Viela-on-mahdollista-pelastaa-tiikerit-2576.a>

Yle 2016. <https://yle.fi/aihe/artikkeli/2014/11/27/kiisteltya-palmuoljya-loytyy-suomalaisestakin-ruokakaapista>

Rainforest rescue <https://www.rainforest-rescue.org/topics/palm-oil>

Viljanen Heidi (2010). Madagaskar – kuumin luonnon monimuotoisuuden
kuumista pisteistä?. Tieteessä tapahtuu 3/2010. <https://journal.fi/tt/article/download/2739/2511/>

 

 

 

Pirteänä pakkasessa, lopuksi lämmittelyä maanjäristyksillä eli kurssikerta 6.

Tänään tavoitteena oli siis:

  • oppia käyttämään Epicollect5-sovellusta pisteiden keräämisessä ja siirtämään kerättyjä tietoja kartalle
  • oppia tuottamaan pistemuotoista aineistoa kartalle eri tavoin
  • Oppia muokkaamaan muualta esim. internetistä löytyvää dataa sellaiseen muotoon, jotta se voidaan sijoittaa suoraan kartalle. Avainsanat tehtävässä: plot, csv-tiedosto eli comma separated values

Aluksi pääsimme kauniiseen ilta aurinkoon keräämään dataa eri paikkojen miellytävyydestä ajanvieton kannalta. Pakkanen saattoi rajoittaa ihmisten liikkumisintoa ulkona, joten tehtävä olisi ehkä mielekkäämpää toteuttaa kesällä, mutta anyway..

Epicollect oli minulle jo entuudestaan tuttu maantieteen didaktiikan kurssilta ja olen itse positiivisesti yllättynyt sovelluksen toimivuudesta ja monipuolisuudesta. (Mitä nyt vähän GPS lukema heitti, mutta pikkuvikoja… Johtui varmasti “älykkään” puhelimeni vaihtelevan laatuisista yhteyksistä) Se sopii hyvin maantiedon opetukseen, jos haluaa opettajana laittaa oppilaat harjoittelemaan paikkatiedon keräämistä ja opettaja saa tulokset ladattua helposti johonkin paikkatieto-ohjelmaan kartan tekoa varten. Sovellukseen kirjaudutaan google-tunnuksilla, jolloin voi luoda omia datan keruuprojekteja. Oppilaat pääsevät lisäämään aineistoa projektiin kirjautumattakin.

Pikkuisen hytisimme Miran kanssa, mutta hauskaa oli. Kiersimme 40 min Kumpulan alueella ja tietenkin biologeina teimme myös lajihavaintoja 😉 samalla, kun arvioimme erilaisia paikkoja meidän trooppisten kädellisten kannalta. Arttu vihjasi meille myös seuraavan esimerkkitehtävän avulla, ettei ulos ole aina pakko lähteä havaintoja tekemään, sillä QGISillä voi hyödyntää googlen katunäkymiä. Harjoitustehtävässä arvioimme Helsingin eri alueiden kaupallisuusastetta.

Ilta auringossa Kumpulassa

Internetistä dataa omaksi kartaksi

Tässä taas kurssilta saatu vinkki opettajille. Internetissä on sivustoja, joilta voi ladata ajantasaista aineistoa maapallon ilmiöistä. Esimerkiksi osoitteesta http://www.naturalearthdata.com/downloads/ löytyy ladattavaa aineistoa shapefile muotoisena, jolloin QGISiin avaaminen onnistuu.

Itse kopioin exceliin tiedot maanjäristyksistä vuodesta 2000 nykypäivään osoitteesta http://quake.geo.berkeley.edu/anss/catalog-search.html. Tiedot muunnettiin QGISin suosimaan csv muotoon ja eikun taustakartan päälle vain. Tuloksena minulla on tähän mennessä 2 karttaa.

Kuva 1. Vähintään 6 magnitudin maanjäristykset vuodesta 2000 nykypäivään

 

Kuva 2. Maanjäristysten syvyydet

 

Kartoista näkee jollakin tavalla missä on tapahtunut kaikkein voimakkaimpia ja syvimpiä järistyksiä. Nähdään myös, että voimakkuus ja syvyys eivät korreloi keskenään, sillä voimakkaimmat järistykset ovat eri paikoissa, kuin syvimmät. Vähintään 6 magnitudin maanjäristyksiä esiintyy selvästi eniten Tyynenmeren reuna-alueilla.

Faktaa maanjäristyksistä

Maanjäristys on seurausta maankuoren palasten (mannerlaattojen) liikkumisesta toistensa suhteen, usein kahden laatan sivuamisesta tai törmäämisestä, jossa kallioperän jännitys kasvaa ja kiviaines lopulta repeilee synnyttäen järistyksen. Repeäminen etenee nk. siirros tai murrosvyöhykettä pitkin maanjäristyslähteen eli hyposentrin ympärillä.

Magnitudi on maanjäristyksen voimakkuuden suure. Asteikko on logaritminen eli magnitudi kasvaa yhden yksikön, kun maan liike kymmenkertaistuu ja seisminen energia kasvaa tällä välillä jopa 30 kertaisesti. Voimakkaita järistyksiä sattuu huomattavan harvoin verrattuna pieniin järistýksiin:

Maanjäristyksen syvyys kuvaa, kuinka monta kilometriä hyposentri on maanpinnan alapuolella. Matalimmat, eli lähellä maanpintaa sattuvat järistykset ovat erityisen tuhoisia. Tämä selittää tekemieni karttojen eron.

Jännitys hyposentrissä kasvaa erityisen voimakkaasti mannerlaattojen törmäysvyöhykkeillä. Tyynenmeren laatan ja muutaman pienemmän mannerlaatan välistä törmäysvyöhykettä kutsutaan Tyynenmeren tulirenkaaksi (Ring of Fire). Tämä Tyynenmeren rannikoiden muodostama vyöhyke on seismisesti aktiivisimpia ja n. 90 % maanjäristyksistä sattuu tällä alueella.

Jos karttojani käyttäisi opetustarkoitukseen, oppilaat voisivat pohtia niitä seuraavien kysymysten kautta ennen tutustumista edellä mainittuun teoriaan: Missä maanjäristyksiä sijaitsee? Kuinka voimakkaita kartan järistykset ovat? Järistyksen voimakkuuden ja syvyyden yhteys?

Lähteet:

Geotieteiden ja maantieteen laitos, Seismologian instituutti 2006, 22.2.2018. <http://www.helsinki.fi/geo/seismo/maanjaristykset/tieto/perustietoa.html>

U. S. Geological Survey, Earthquake Hazards Program, 22.2.2018. <https://earthquake.usgs.gov/>

Iki ihanat itsenäiset tehtävät eli kurssikerta 5.

Kurssikerralla harjoittelimme QGISin spatial query toiminnon sekä bufferoimisen käyttöä. Esimerkiksi kuvassa 1. on tehty terveyskeskuksen ympärille bufferi eli vyöhyke ja spatial querylla valittu ne asuinrakennukset jotka ovat tietyn matkan säteellä terveyskeskuksesta.

Kuva 1. Buffer ja spatial query

Taulukkoon on koottu itsenäisten tehtävien kysymykset ja vastaukset.

Taulukko itsenäisten tehtävien vastauksista

Pohdintaa itsenäisistä tehtävistä. Vastausten etsiminen QGISin avulla.

Bufferien tekeminen ja spatial query onnistuivat minulta hyvin. Desibelivyöhykkeiden erottamiseksi toisistaan kopioin desibeli-kerroksen pariin kertaan ja erottelin desibelialueen erilleen filter-toiminnolla. Valintatyökalujenkin käyttö onnistui hyvin. Dataa oli väestöä koskevassa taulukossa niin paljon, että tallensin siitä tarvitsemani tiedot uudeksi tasoksi. Tehtäviä tehdessä tuli kyllä ajatuskatkoja ja tein jotkin osiot ilmeisesti huolimattomasti. Esim. asemia koskeva tehtävä olisi varmaan pitänyt tehdä koko pääkaupunkiseudun väestöllä, ei vain Vantaan. Ulkokansalaisten prosenttiosuudet taajamissa oli tarkoitus laskea ja yritin tehdä sen join attributes by location toiminnolla, joka ei kuitenkaan jostain syystä suostunut toimimaan, ei vaikka korjasin taulokon virheellistä dataa.

Vastauksissa on siis virheitä. Esimerkiksi Mira oli selvittänyt taajama-asteen olevan todellisuudessa lähemmäs 100 %. Todennäköisesti taajama-aineistossa oli joitakin puutteita tai tein tehtävän väärällä väestöaineistolla.

Bufferi-toiminto eli puskurivyöhykkeiden tekeminen sopii hyvin tehtävissäkin esiintyneille vaikutusalueiden ja etäisyyksien tarkastelulle. Buffereita voi luoda myös eri muotoisia, mitä voisi hyödyntää esimerkiksi jonkin alueen suunnittelussa. Jos vaikka kartalle hahmotellaan uusi kauppakeskus tai bulevardi ja tehdään vaikutusalueesta bufferi, niin nähdään kuinka iso alue vaatii rakentemista, mitkä alueet jäävät uuden alle jne..

Olisi mukavaa tietää miten tuon ulkokansalaisia koskevan tehtävän saa tehtyä. En tiedä oliko vika minussa vai datassa vai jossakin muussa?

Viitattu Mira Kylliäisen blogitekstiin:

Mira Kylliäinen. 18.2.2018. Buffereita ja uima-altaita 12.2.2018 <https://blogs.helsinki.fi/michemmi/2018/02/18/buffereita-ja-uima-altaita-12-2-2018/>

There and back again – eli vektorista rasteriin ja takaisin

Pääkaupunkiseutu

Pääakaupunkiseudulla tarkoitetaan Espoon, Vantaan, Kauniaisten ja Helsingin kaupunkien muodostamaa aluetta. Lähde: https://fi.wikipedia.org/wiki/P%C3%A4%C3%A4kaupunkiseutu

Tänään siirryimme harjoittelemaan rasterimuotoisen aineiston tekemistä ja esittämistä. Rasteriaineistossa tieto ilmoitetaan tietyn kokoisina ruutuina eli pikseleinä, joista kullakin on tietyn muuttujan suhteen jokin arvo, josta ruudun värisävy kertoo. Yleensä rasteriaineiston pohjana on jokin pistemuotoinen aineisto. Lähdimme tekemään omia rasterikarttoja pääkaupunkiseudun neljän kaupungin tietojen pohjalta. Lähtöaineisto oli vektorimuotoista: pisteitä, viivoja, alueita (Kuva1).

Kuva 1. Lähtöaineistossa neljän pääkaupunkiseudun kaupungin asuinrakennuksista oli koottu pisteaineisto ja jokaisesta rakennuksesta eli pisteestä oli ilmoitettu tietoja asukkaista. Mm. ikä, sukupuoli, kansalaisuus, äidinkieli.

Aineistossa oli todella paljon dataa, ja pelkäsimme QGISin kaatuvan jo pelkästä ajatuksesta käsitellä tätä massiivista aineistomäärää. Ongelman ratkaisemiseksi päätimme rajata datan määrää ja piirsimme ensin ruudukon (1000 x 1000m), ja rajasimme aineiston vain ruutuihin, jotka sisälsivät asukasdataa (Vector–>spatial query) (Kuva2.)

Kuva 2. Asukasdataa sisältävien ruutujen rajaaminen uudeksi ruudukoksi (new selection).

Nyt meillä oli kerättynä vain ne ruudut, joihin ylipäätään oli osunut taloja tietoineen (ruudukko 1000m). Nyt saatoimme helpohkosti luoda uusia ruutuaineistoja haluamistamme asukkaita koskevista tiedoista liittämällä 1000 x 1000m kohderuudukkoon esim vektoriaineistoa ruotsinkielisten asukkaiden lukumäärästä rakennuksissa (Kuva 3).

Kuva 3. Ruotsinkielisten määrästä kertovan ruudukon luominen. Join attributes by location- toiminto laskee yhteen kullekin ruudulle osuvien asuinrakennusten ruotsinkieliset asukkaat. Tuloksena ruotsinkielisten lkm kussakin ruudussa.

Nyt kun ruotsinkielisten määrä per 1 km2 visualisoitiin karttatasolla asteikollisella väriskaalalla, saatiin rasterimuotoinen karttakuva ruotsinkielisten jakautumisesta pääkaupunkiseudulla (Kuva 4.)  Ruotsinkielisten kuumat pisteet näyttäisivät olevan Kauniaisissa ja Helsingissä. 

Kuva 4. Ruotsinkielisten lkm/km2 pääkaupunkiseudulla.

Tein vastaavan rasteriaineiston naisten prosenttiosuudesta sekä ulkokansalaisten määrästä kussakin 1 km2 ruudussa. Naisten osuuden visualisoimiseksi liitin uuteen ruudukkoon tiedot koko asukasmäärästä, sekä naisten määrästä kussakin rakennuksessa. Kun näiden kokonaismäärät oli saatu kullekin ruudulle summana, naisten osuus laskettiin luonnollisesti SUM (naiset) / SUM (asukkaat) * 100 % (Kuva 5).

Kuva 5. Helsingin, Espoon ja Vantaan alueilla on sekä ruutuja, joissa asukkaiden joukossa ei ole ollenkaan naisia että ruutuja, joissa kaikki asukkaat ovat naisia. Näyttäisi myös siltä, että Helsinki on lievästi muita naisvaltaisempi kaupunki tai ainakin siellä naisten alueellinen jakautuminen on tasaisempaa. Tulokseen toki vaikuttavat sekä asukastiheys että talojen osuminen ruuduille.

Kuva 6. Ulkokansalaiset ovat kartan perusteella varsin keskittyneet tietyille alueille. Toisaalta kun tarkastelee kuvaa 4. ruotsinkieliset ovat vielä keskittyneempiä. Ulkokansalaisia on eniten Helsingissä, mutta keskittymiä löytyy myös Espoosta ja Vantaalta.

Näin olimme luoneet vektoriaineistoista rasteriaineistoa. Harjoitus oli mielestäni hyödyllinen, sillä se auttoi ymmärtämään rasteri- ja vektoriaineiston keskinäistä yhteyttä ja rasteriaineiston visualisointia. Olisin vielä voinut tehdä toisella ruutukoolla vastaavat kartat ja tarkastellut pikselikoon vaikutusta visualisointiin. Ainakin Marita Selin on kaatuilutuskasta huolimatta saanut visualisoitua eläkeläisten määrän kahdella eri ruutukoolla. Ruutukoon suureneminen ainakin pienentää selvästi aineiston hajontaa, selkeyttää ja yksinkertaistaa karttaa. Luonnollisesti pienentämällä ruutukokoa löytyy enemmän sellaisia ruutuja, joilla ei ole eläkeläisiä.

Eveliina Sirola on kirjoittanut blogissaan ruutuaineiston ja pisteaineiston ominaisuuksista. Pisteainesto on kätevä visualisoitaessa kohteita, joilla on tarkka sijainti. Ruutuaineisto puolestaan sopii hyvin alueellisen tiedon esittämiseen.

Seuraavaksi avasimme QGISiin rasteriaineistoa, jossa neljä eri kerrosta sisälsivät maastoa koskevia tietoja. Nämä liitettiin yhteen Merge-toiminnolla (Kuva 7.), josta QGIS juuri ja juuri hieman ontuen selvisi. Tässä ehkä tuli ilmi se, miten paljon dataa rasteriaineisto sisältää verrattuna vektorimuotoiseen aineistoon.

Kuva 7. Rasteriaineistojen yhteenliittäminen

Yhteenliitoksen tuloksena saadulla rasteriaineistolla harjoittelimme rinnevalovarjostuksen visualisointia (Raster–>Analysis–>DEM–>Hillshade). QGIS osasi tehtä sen varsin vaivattomasti ja korkeuskäyrätkin sai näkyviin mukavasti.

Sitten takaisin vektoreihin. Lisäsimme rasteriaineiston yhteyteen kartan Pornaisista ja aloimme luomaan omia vektoriaineistoja karttatason päälle lisäämällä uusia shapefileja. Tarkoitus oli saada paikoilleen kaikki asuinrakennukset ja päätiet (Kuva 8). QGIS ei piirtämisen osalta ole ehkä yhtä evolvoitunut ohjelma kuin corel draw, mutta vaikutti kuitenkin toimivan tässä tehtävässä melko moitteettomasti. (Eikä edes kaatunut…)

Kuva 8. Pornaisten asuintalot ja päätiet.

“Tosi vähän, eli tosi paljon” – Arttu Paarlahti 5.2.2018, kurssikerta 4.

Lähteet:

Marita Selin (2018). Väestödata laittaa QGIS:n polvilleen eli neljäs kurssikerta. Blogikirjoitus 5.2.2018. <https://blogs.helsinki.fi/selkala/2018/02/05/vaestodata-laittaa-qgisn-polvilleen-eli-neljas-kurssikerta/>

Eveliina Sirola (2018). Neljäs kerta toden sanoo. Blogikirjoitus 7.2.2018. <https://blogs.helsinki.fi/evsirola/2018/02/07/neljas-kerta-toden-sanoo/>

 

Afrikka ja Suomen tulvariskialue-sähläämistä eli 3. kurssikerta

Afrikka

Aluksi harjoittelimme tietokantojen siistimistä datan yhdistämistoiminnolla. Esimerkkinä toimi Afrikan kartta, jossa pieniä saaria sisältävällä valtiolla oli tietokannassa tietoja moneen kertaan (koska valtiolla oli useita aluekohteita). Tietojen yhdistämiseen on ainakin kaksi tapaa: Merge Selected Features ja Dissolve.

Dissolve toiminto oli tässä tapauksessa kätevämpi, koska sillä pystyi käsittelemään koko Afrikan kartan kerralla (Kuva1.).

Kuva 1. Dissolve toiminnossa on oletuksena dissolve all, joka täytyi ottaa pois (muuten Afrikasta olisi tullut yhtenäinen tietoalue). Tiedot haluttiin yhdistää valtion nimen perusteella, jolloin country valittiin yhdistäväksi tunnukseksi.

Nyt kullakin valtiolla oli vain yksi tietorivi ja datan määrä väheni huomattavasti. Seuraavaksi liitettiin excel-tiedostosta aineistoa Afrikan tietokantaan. Excel muutettiin csv-muotoiseksi, jotta QGIS pystyi yhdistämään sen (Kuva2.).

Kuva 2. CSV-taulukon liittäminen QGISiin. Sarakkeiden erottelijaksi piti valita puolipilkku (semicolon) ja ruksia kohta no geometry, koska aineisto ei sisältänyt koordinaattitietoja.

Saatiin tietoja Afrikan valtioiden internetin ja facebookin käytöstä liitettyä karttakerroksiin. Sini Virtanen on liittänyt blogiinsa hyvän koropleettikartan Afrikan valtioiden facebook-käyttäjien osuuksista vuonna 2017. Algeriassa, Libyassa ja Tunisiassa näyttäisi olevan eniten facebook-käyttäjiä.Seuraavaksi oli tarkoitus tarkastella, kuinka monta timanttikaivosta, öljykenttää ja konfliktia kullakin Afrikan valtiolla on. Kaivokset ja konfliktit olivat pisteaineistoa, jolloin niiden määrä saatiin Count points in polygon-toiminnolla (Kuva 3.) Öljykentät olivat alueita , jolloin ne täytyi laskea Join attributes by location-toiminnolla (Kuva 4.)

Kuva 3. Count points in polygon

Kuva 4. Join attributes by location

Sini Virtasen blogissa  on hyvä karttakuva valtioiden luonnonvaroista ja konflikteista (Kuva5). Vaikuttaa kuvan perusteella siltä, että öljykenttien sijainnilla voisi olla jotain osuutta Algerian konflikteissa, mutta muuten luonnonvarojen sijainnille ja konfliktien määrälle on mahdotonta vetää yhteyttä. Muita maita, joissa konflikteja on ollut paljon ovat Chad(Tšad), Etiopia, Uganda ja Angola. Esimerkkejä maista, joissa konflikteja on ollut vähän ovat: Libya, Keski-Afrikan tasavalta, Botswana, Somalia ja Etelä-Afrikka.

Kuva 5. Lähde: Sini Virtanen (2018) <https://blogs.helsinki.fi/7k110738/>

Tekijöitä, jotka voivat vaikuttaa konfliktien määrään? Jokaisella valtiolla on varmasti useita omia taustavaikuttajia konflikteille. Bruttokansantuotteen vaihtelu: Taloudellisen tilanteen parantuessa eriarvoisuus voi kasvaa ja konfliktit lisääntyä, toisaalta huonossa taloustilanteessa köyhyys lisääntyy, mikä niin ikään voi johtaa konflikteihin, esimerkiksi jos maanviljely epäonnistuu sääolosuhteiden takia. Väestön lisääntyminen ja huono vesitilanne voivat johtaa konflikteihin. Actualixin karttojen mukaan esim. Etiopiassa maatalouden osuus bruttokansan tuotteesta on suhteellisen korkea, mikä voi lisätä konfliktiriskiä, jos olosuhteet maanviljelylle heikentyvät. Algeriassa sen sijaan bruttokansan tuote ei ole paljonkaan noussut vuonna 2014, vaikka maalla on hyvät öljyvarannot. Syynä saattaa olla öljyn hinnan lasku. Öljyn hinnassa tapahtuu jatkuvasti aaltoilua, mikä saattaa olla merkittävä syy konflikteille sen tuottajamaissa.

Suomen tulvaindeksit ja järvisyys %

Päivän lopuksi (meni vähän yötöiksi..) piti tuottaa kartta Suomen valuma-alueiden tulvaindekseistä ja järvisyysprosenteista. Aineiston tuominen excelistä tuotti päänsärkyä, kun kirjaimet eivät koodautuneet QGISiin oikein. Itse ratkaisin ongelman lisäämällä excel-tiedostoon numerokoodin, jolla aineistot sai yhdistettyä kätevästi toisiinsa.

Virtaama Q tarkoittaa tietyn uoman poikkileikkauksen kautta tietyssä aikayksikössä kulkevan vesimäärän tilavuutta (m3/s). Virtaamaan vaikuttavat sadanta, haihdunta, valuma-alueen maantieteellinen sijainti, ihmistoiminta ja järvisyys. Suomessa virtaaman osuus vuosisadannasta vaihtelee välillä 40-60 %. Virtaamat ovat maassamme pienimmillään tyypillisesti talvella, kun vesi sitoutuu lumeen ja kesällä, kun haihdunta on suurta. Suurimmillaan virtaamat ovat puolestaan keväällä, kun lumet sulavat ja syksyllä, kun sataa melko paljon, mutta haihdunta on vähäistä. Ylivirtaamalla tarkoitetaan keskimääräisen virtaaman ylittävää vesitilavuutta ja alivirtaamalla alittavaa tilavuutta.

Tulvaindeksi lasketaan jakamalla keskimääräinen vuotuinen ylivirtaama keskimääräisellä vuotuisella alivirtaamalla eli MHQ/MNQ. Periaatteessa se siis kertoo, kuinka moninkertainen on ylivirtaaman tilavuus verrattuna alivirtaaman tilavuuteen keskimäärin vuodessa. Mitä korkeampi tulvaindeksi, sitä todennäköisemmin vesistöt tulvivat.

Kuva 6. QGISillä tuotettu karttakuva Suomen valuma-alueiden tulvaindekseistä ja järvisyydestä. Mitä korkeampi pylväs, sitä enemmän järviä.

Vaikuttaa siltä, että tulvaindeksillä ja järvisyydellä on käänteinen yhteys: Mitä enemmän järviä, sitä matalampi tulvaindeksi. Suurilla vesistöillä kuten järvillä onkin tulvimista puskuroiva eli ylivirtaamaa tasaava vaikutus, koska ne varastoivat veden väliaikaisesti ennen virtaamista jokien kautta mereen.

Korhosen (2007) mukaan Suomen vesistöt voidaan jakaa tyypillisten virtaamaolosuhteidensa mukaan kolmeen ryhmään: 1) Sisä-Suomen järvialueen vesistöt, joiden vuotuisen virtaaman vaihteluita suuret järvet tasaavat tehokkaasti 2) Suomenlahden ja Pohjanlahden rannikon pienet ja keskikokoiset joet, joiden valuma-alueilla on vähän järviä, jolloin virtaama vaihtelee voimakkaasti vuoden aikana. Tulvat ja kuivat kaudet ovat tavallisia. 3) Pohjois-Pohjanmaan ja Lapin suuret joet, joiden virtaama on melko suuri läpi vuoden, vaikka valuma-alueilla ei olekaan paljon järviä. Tulvaindeksikartalta nämä alueelliset erot ovat mielestäni melko selvästi havaittavissa (kuva 6.).

Lähteet:

Sini Virtanen (2018). Veritimantteja ja valuma-alueita. Blogikirjoitus 30.1.2018. <https://blogs.helsinki.fi/7k110738/2018/01/30/veritimantteja-ja-valuma-alueita/>

Actualitix- Statistics by coutry. 1.2.2018. < https://en.actualitix.com/country/afri/africa-growth-rate-of-gdp.php>

Korhonen Johanna (2007). Suomen vesistöjen virtaaman ja vedenkorkeuden vaihtelut. Suomen ympäristö 45/2007. SYKE. Helsinki 2007 <https://helda.helsinki.fi/bitstream/handle/10138/38428/SY_45_2007.pdf?sequence=3>

 

 

Projektiot huijaavat, 2. kurssikerta 22.1.

Tänään tutustuimme QGISiä työkaluna käyttäen siihen, miten eri karttaprojektiot voivat vaikuttaa kartalla esitettäviin ilmiöihin.

Erilaiset projektiot ovat erilaisia tapoja esittää geoidi maapallo kaksiulotteisena kartalla. Prosessissa tyypillisesti jokin seuraavista: kulma, suhteellinen pinta-ala tai etäisyys vääristyy eli kartalla alueen muoto poikkeaa sen todellisesta muodosta kolmiulotteisella maapallolla. Eri projektioissa näitä vääristymiä minimoidaan eri tavoin. Toisissa projektioissa jokin vääristymä on saatu pois kokonaan, toisissa on tehty kompromissi ja kaikkia vääristymiä esiintyy lievästi projektion tuottamalla kartalla.

Tutkimme tunnilla ensin, miten eri projektiot vaikuttavat mm. kartalla olevan alueen pinta-alaan. Mira Kylliäisellä on blogissaan hyvä taulukko:  (https://blogs.helsinki.fi/michemmi/2018/01/29/projektioiden-vertailua-22-1-2018/). QGISin mittaustyökalun avulla ja kartan projektiota muuttamalla ilmiötä voitiin testata. Tehtävissä itselläni oli tarkastelussa pääasiassa Mercatorin oikeakulmainen lieriöprojektio sekä Lambertin oikeapintainen tasoprojektio (LAEA).

Mercatorin projektio perustuu päiväntasaajaa vasten asetettuun lieriöpintaan, josta kartta muodostetaan tasoksi. Kohde maapallolla siirretään karttapinnalle vetämällä suora maapallon keskipisteen ja kohteen kautta ja viemällä kohde sitten karttapinnalle sinne missä jatkettu suora leikkaa tämän maapalloa ympäröivän kuvitteellisen lieriökarttapinnan. Tekniikka projektion tekemisessä aiheuttaa mittakaavan vääristymisen aina enemmän mitä kauempana päiväntasaajasta ollaan. Mitä lähempänä ollaan napaa sitä korkeammalle kartalla pisteiden kautta vedetty suora osuu, mikä johtaa kohteiden pituussuuntaiseen venymiseen.

Mercatorin projektiossa pituuspiirien välit ovat samansuuruiset, mutta kohteiden suhteelliset pinta-alat vääristyvät. LAEA projektiossa pinta-alat pysyvät oikeina, mutta kulmat vääristyvät.

Lambertin oikeapintainen tasoprojektio määritellään seuraavan kuvan osoittamalla tavalla:

Pallon pinnalla oleva piste siirretään pallon sivuamalle tasolle siten, että piste pallon pinnalla ja vastaava piste tasolla ovat yhtä kaukana pisteestä S. Lähde: https://fi.wikipedia.org/wiki/Lambertin_oikeapintainen_tasoprojektio

Lambertin projektioon laaditun kartan pinta-aloja voidaan pitää siis todenmukaisempina, kuin Mercatorin projektioon laaditun kartan. Seuraavaksi tarkastellaan, miten Suomen kuntien LAEA:n mukaiset pinta-alat muuttuvat Mercatorin projektiossa. QGIS-ohjelmaan tuotiin Suomen kuntia koskevaa aineistoa, joka on peräisin Tilastokeskukselta. Aineistot muunnettiin sekä Mercatorin, että Lambertin projektioiden mukaisiksi, jolloin saatiin kuntien pinta-alat kummassakin projektiossa.

Laskettiin kuntien pinta-alojen suhteellinen ero Mercatorin projektiossa seuraavasti: (pinta-ala Mercatorin projektiolla – pinta-ala LAEA projektiolla) / pinta-ala LAEA projektiolla * 100 %

Saatiin, kuinka monta prosenttia suurempi kunnan pinta-ala on Mercatorin projektiossa verrattuna Lambertin oikeapintaiseen projektioon.

Koropleettikartta kunnan pinta-alan suurenemisesta Mercatorin projektiossa

Nähdään, että pinta-ala vääristyy sitä enemmän mitä pohjoisempana kartalla ollaan. Lapissa pinta-ala kasvaa jopa 7 kertaiseksi. Karttakuvassa Suomi on Mercatorin projektiossa, jolloin mittakaavan suureneminen näkyy myös maan omituisena muotona.

Koska Mercatorin projektio vääristää pinta-aloja, se vääristää toki myös väestöntiheyttä, mikäli se lasketaan kartan pinta-alan mukaan.

Lambertin projektion pinta-alojen mukaan lasketut väestöntiheydet ovat lähempänä totuutta, koska kyseessä on oikeapintainen projektio. Mercatorin projektiossa kuntien pinta-alat ovat isompia, jolloin väestöntiheys on pienempi. Samat pääväestönkeskittymät ovat kuitenkin erotettavissa molemmista kartoista.

Viimeiseksi koropleettikartta väestöntiheyden vääristymästä:

Väestöntiheys ja pinta-ala vääristyvät lähes samalla tavalla.

Mitä tästä opimme? Kartta ei kerro totuutta!

Marita kirjoittaa blogissaan tarkemmin kurssikerran teknisestä osiosta ja hänelläkin on onnistuneita kuvia. Käykää tsekkaamassa 🙂

Lähteet:

https://en.wikipedia.org/wiki/Mercator_projection

https://en.wikipedia.org/wiki/Lambert_azimuthal_equal-area_projection

Marita Selin (2018). Kikkailua QGIS projektioiden kanssa eli Toinen harjoituskerta. Blogikirjoitus 22.1.2018. < https://blogs.helsinki.fi/selkala/2018/01/22/kikkailua-qgis-projektioiden-kanssa-eli-toinen-harjoituskerta/ >

Mira Kylliäinen (2018). Projektioiden vertailua 22.1.2018. Blogikirjoitus 29.1.2018. <https://blogs.helsinki.fi/michemmi/2018/01/29/projektioiden-vertailua-22-1-2018/>

Tutustuminen QGIS ohjelmaan 15.1.2018

QGIS on vapaa paikkatieto-ohjelmisto ja OSGeo:n (Open Source Geospatial Foundation) virallinen projekti, joka toimii vapaaehtoisvoimin. OSGeo koostuu lukuisista eri alojen asiantuntijajäsenistä, jotka haluavat yhdessä kehittää muun muassa kaikille avoimia työkaluja paikkatietoaineiston käsittelyyn. OSGeo:lla on Suomessa oma virallinen alayhdistyksensä.

QGIS ohjelmistoa kehitetään jatkuvasti monipuolisemmaksi ja sen avulla käyttäjä voi visualisoida, tuottaa, editoida ja analysoida paikkatietoa ja tehdä omia karttoja. Ohjelmaan voi tuoda internetistä tai omista tiedostoista sekä vektori- että rasterimuotoista aineistoa ja ohjelma tukee useita tiedostomuotoja. Sen avulla voi siis kätevästi yhdistää dataa eri lähteistä toimivaksi kokonaisuudeksi, vaikkapa kartaksi. QGIS:iin voi yhdistää myös GPS paikannuksen. QGISiin voi ladata tarvittaessa lisäosia Plugins-valikosta.

Tunnilla ohjelmaan avattiin karttapohjaksi OpenStreetMap. Sitten avattiin uudet vektorimuotoiset paikkatietoaineistokerrokset karttapohjan päälle. Käytetyt Itämerta koskevat aineistot ovat peräisin HELCOM:in data- ja karttapalvelusta. Harjoituksessa tuotettiin aineistosta koropleettikartta Itämeren ympärysvaltioiden typpipäästöistä. Koropleettikartta on teemakartta, jossa värin tummuus kertoo alueellisen tekijän määrästä suhteessa koko tarkasteltavan alueen yhteenlaskettuun määrään, tässä tapauksessa valtion kokonaistyppipäästön määrän suhteessa valtioiden yhteenlaskettuun kokonaistypen päästömäärään. Koska kyseessä on suhteellinen määrä, piti tämä tieto laskea saatavilla olevasta aineistosta, jossa oli ilmoitettu vain absoluuttinen typen määrä valtiota kohden. Kaikista valtioista ei ollut saatavilla typpitietoja. Tuotetusta kartasta huomataan Puolan olevan suurin typen päästäjä.

QGISillä tuotettu typpipäästökartta HELCOM alueella

HELCOM eli Helsingin komissio on Helsingin sopimuksen allekirjoittaneiden valtioiden perustama järjestö. Sopimus velvoittaa kaikki allekirjoittaneet valtiot sitoutumaan Itämeren suojeluun mm. vähentämällä kuormitusta kaikista päästölähteistä. Viimeisin versio sopimuksesta on tullut voimaan tammikuussa 2000. HELCOM perustaa Itämerensuojelutoimintansa maiden väliseen kommunikaatioon ja yhteisten ympäristösäädösten asettamiseen perustuen ajankohtaiseen tutkimusaineistoon Itämeren tilan seurannasta. Seurannan ja uusien säädösten myötä mm. jäsenvaltioiden typpipäästöjä on saatu vähennettyä. Esimerkiksi Suomen typpioksidipäästöt ovat vähentyneet vuodesta 1995 vuoteen 2014 46%.

Miksi Puola sitten saastuttaa niin paljon?

Puola on ongelmallinen siinä mielessä, että se on yksi suurimpia ja tiheimmin asutettuja Itämeren reunavaltioita ja sillä on kokoonsa nähden pitkä rantaviiva ja laaja valuma-alue Itämereen. Puolan rannikolla harjoitetaan paljon erilaista toimintaa: kalataloutta, maataloutta, turismia, teollisuutta ja laivaliikennettä, joista kaikista seuraa typpipäästöjä. Puolan talous on kasvanut nopeasti EU jäsenyyden saamisen jälkeen ja maatalous on maalle edelleen merkittävä vientitulojen lähde. Valtio käyttää edelleen energianlähteenään runsaasti polttoaineita ja öljyä, joista niin ikään päätyy typpipäästöjä ilmaan.

Lähteet:

http://www.osgeo.fi/

https://www.osgeo.org/

https://www.qgis.org/en/site/

http://www.helcom.fi/about-us/contracting-parties/poland

https://fi.wikipedia.org/wiki/Puola#Talous

http://www.helcom.fi/about-us