Afrikan konfliktit ja Suomen vesistöalueiden tulvimisriski eli kolmas kurssikerta

Afrikan konfliktit ja datan käsittely

Kolmannella kurssikerralla harjoittelimme datan ryhmittelyä ja valintaa QGIS:ssä. Esimerkkinä oli Afrikan kartta, jossa esimerkiksi Angolalla oli miltei 20 eri riviä tietoa tietokannassa. Kun karttaa zoomasi, niin rannikolla näkyi pikkiriikkisiä saaria, jotka olivat kaikki siis omana tietonaan eri riveillä. Dataa piti yksinkertaistaa ja muokata. Ensin valitsimme työkalulla ominaisuuden (esim. value country= Egypt) ja sitten ”Advancent digitalizing toolbarin” –avulla käytimme Merge toimintoa ja ”Angolat” ja ”Egyptit” omiksi riveikseen.

Toinen tapa yhdistää olisi käyttää automaattista toimintoa. Otimme käyttöön Dissolve –toiminnon. Dissolve all –toiminto olisi ottanut Afrikan ulkorajat eli voisi käyttää, jos tutkisi mannerta. Ruksi pois ja Country –valittiin tekijäksi yhdistämään tiedot. Saimme 53 kohdetta tuotetuksi. Tällä kertaa ei ollut tilastotietoa, joten toimintoa pystyi huoletta käyttämään. Ilmeisesti tilastotiedon kanssa osa tiedosta hukkuisi tällä toiminnolla QGIS:ssä.

Halusimme tutkia netinkäyttöä Afrikassa, joten karttaan piti lisätä tietoa taulukosta. Kiinnostuksemme liittyi diffuusioteorioihin ja innovaatioiden leviämiseen. Ilmiöiden ja innovaatioiden leviämisen on nykyisin todettu tapahtuvan internetin ihmeellisen maailman myötä hyvin nopeasti  ja  globaalisti. Ennen tieto tavoitti ihmiset hitaammin, esimerkiksi sanomalehtien kautta. QGIS ei huoli excel –tiedostoa suoraan, joten muokkaamme sen MS-DOS CSV:ksi. Liitimme pelkän tekstitiedoston, johon ei oltu liitetty sijaintitietoa.

Laskimme prosentteina Facebookin käyttäjien määrää koko populaatiosta Afrikassa. Laskin myös internetin käyttäjien määrän. Luvuista huomaa heti, että Afrikassa on suurta vaihtelua ylipäätään siinä, käytetäänkö nettiä. Esimerkiksi Etelä-Afrikassa vajaa kolmasosa käyttää Facebookia ja nettiin menee 54% ihmisistä. Nigerissä luvut ovat pienimpiä 1,3% käyttää Facebookia tai 4,3% nigeriläisistä käyttää internetiä. Joissain maissa Facebookin ja netinkäytön luvut ovat samat, mikä herättää kysymyksiä siitä, eikö heillä ole tilastointimahdollisuutta muusta netinkäytöstä.

Huomattavaa on, että kasvuluvut 2000 ja 2017 vuosien välillä ovat hyvin suuria ja kasvu on ollut massiivista! Esim. Kongon Demokraattisen Tasavallan vuoden 2000 internetkäyttäjistä eli 500:sta vuoden 2017 nettiä käyttäjien määrään: 5 107 271 on hurja nousu!

Sini Virtanen oli tehnyt blogissaan selkeän ja havainnollistavan kuvan Facebook-käyttäjien osuudesta blogissaan (kuva 2).

Timanttikaivoksien ja öljykenttien esiintyminen vaikuttanee konflikteihin, sillä usein tärkeät resurssit aiheuttavat ongelmia, jos ei ole selvää, kenen hallinnassa alue on. Lisäksi epävakailla alueilla resursseja voidaan käyttää sotatoimien rahoittamiseen. Löysin nettisivun, jossa kerrotaan World Diamond Council –järjestöstä, joka on perustettu nimenomaan ehkäisemään ”veritimanttien” myymistä ja konfliktien rahoittamista timanttien myymisellä. Konfliktien tapahtumavuosien ja timanttien tai öljykenttien tapahtumien välillä voi olla yhteyttä, jos esimerkiksi konfliktin voimakkaassa vaiheessa on tarvetta saada enemmän rahaa eli kasvattaa öljykenttien tai timanttikaivosten tuottavuutta. Esimerkiksi Sierra Leonen ja Liberian tienoilla näyttäisi kartan (Kuva 1) perusteella olevan jonkin verran timantteja ja konflikteja.

Kuva 1. Afrikan kartta.

Suomen vesistöalueet ja tulvaindeksi

Seuraavaksi tutustuimme Suomen vesistöalueisiin keskiylivirtaaman, jokien, järvien, rantaviivan ja valuma-alueiden avulla. Tämä selvästi kolahti minuun enemmän, sillä siitä riittää ”vähän” juttua.. 😀

Luonnollisilla luokkarajoilla luokiteltu tulviminen näytti aika vähäiseltä (Kuva 2). Huomataan, että tulviminen on herkempää alueilla, joilla ei ole järviä tasaamassa tulvahuippuja (Kuva 3). Lisäksi rannikon joet ovat tasaisella alueella sijaitsevina herkempiä tulvimaan.

Kuva 2. Tulvaindeksi jaettuna kuuteen luokkaan.

Kuva 3. Tulvaindeksi valuma-alueilla sekä Järvisyys %.

Minulla oli suuria vaikeuksia saada järvisyysprosenttien pylväät näkymään. Vaihdoin varalta nimeen ääkköset pois ja kotona vielä klikkailin eri muuttujia. Lopulta sain kuvan tehtyä. Lisäksi QGIS kaatui pari kertaa ja esimerkiksi Afrikka -tiedot hävisivät kuin Saharaan.. Onneksi osasin aika nopeasti tehdä liitännät ym uudelleen ja tuli asiat opittua selkärankaan saakka.  🙂

Kuten Vivi Tarkka blogissaan totesi, niin olen samaa mieltä, että pylväiden tulkinta on hieman vaikeaa. Ehkä pitäisi mieluummin piirtää näkyviin prosentit numeerisina arvoina, sillä pylväistä ei oikein ymmärrä, onko kyseessä nyt 100% lähellä oleva luku vai ei. Lisäksi ei ole hajua pylväiden perusteella siitä, mikä mahtaa olla suurin järvisyysprosentin arvo, joka Suomessa ylipäätään voi olla.

Huomasin, että Sini Virtanen olikin kuvannut järvisyysprosentit piirakkadiagrammein, ja se esitystapa onkin heti selkeämpi. Piirakoista näkee heti ensisilmäyksellä, mitä luokkaa järvisyysprosentit ovat. Päätin kokeilla tehdä oman kuvan (kuva 4). Minulla oli vaikeuksia tehdä piirakoita, kunnes huomasin tehdä uuden sarakkeen muu kuin järvisyys % eli ”100-järvisyys%”. Kuten Sinikin totesi blogissaan, niin piirakat peittävät ikävästi kartan toisen informaation eli tulvaindeksin.

Kuva 4. Valuma-alueiden järvisyysprosentti piirakkadiagrammina. Järvisyysprosentti on diagrammin sininen osuus.

 

Mikä vaikuttaa tulvien esiintymiseen?

Tulvien esiintymiseen vaikuttavat vallitsevat sää- ja vesistöolot sekä valuma-alueen maastonmuodot sekä maankäyttö. Esimerkiksi kaupunkitulvia esiintyy rankkasateilla, sillä pinnat ovat päällystettyjä, jolloinka vedet virtaavat vesistöihin nopeasti ja suoraan, eikä vesi imeydy maaperään. Kaupunkivesistöjen virtaamassa voikin olla suuria vaihteluita. Vesi virtaa nopeammin myös jyrkissä rinteissä. Järvet toimivat vesivarastoina, joten ne tasaavat virtaamaa. (Ympäristö 2013).

Ilmastonmuutos pahentanee tulvia Suomessa. Ilmastonmuutoksen on arveltu pahentavan esimerkiksi Itämeren alueella rannikkotulvia. Tulvat lisääntyvät, sillä sademäärän ennustetaan nousevan talvisin koko Itämeren alueella. Myös kesäsateet kasvavat pohjoisilla alueilla. Toisaalta kevättulvat voivat olla lievempiä Etelä-Suomessa, sillä lumipeite lienee matalampi, joten lumensulamisvedet eivät muodosta niin suurta tulvariskiä. Ilmastonmuutos aiheuttaa myös valtamerten pinnannousua, mikä voi vaikuttaa rannikoiden tulvariskiä nostavasti, jos siihen ei varauduta. (Ilmatieteenlaitos 2015).

Monilla alueilla kartoitetaan tulvariskiä, ja Suomessa on olemassa myös tulvakarttapalvelu, josta tilannetta voi tarkkailla (linkki alla). Löysin myös kartan merkittävistä tulvariskialueista, joita on Suomessa 21. Niistä monet sijaitsevat suhteellisen lähellä rannikkoa. Alueet osittain osuvat harjoituksissa tehtyyn karttaan. Karttaharjoituksen alueet eivät ole niin tarkkoja kuin merkittävien tulvariskialueiden sijaintikartassa. Sijaintikartassa (linkki alla) on myös järvialueilla tai niiden lähettyvillä sijaitsevia kohteita kuten esimerkiksi Kemijärven keskusta, Ivalon taajama ja Jyväskylä. Näitä alueita ei harjoituksen kartoissa nouse esiin. (Ympäristö 2011a).

Rakentamisessa varaudutaan usein tulvien aiheuttamiin riskeihin todennäköisyyslaskelmien avulla. Esimerkiksi kaupunkien hulevesijärjestelmät mitoitetaan usein tietynsuuruisiksi, eivätkä ne pysty kuljettamaan erityisen suurien rankkasateiden tuomaa vesimäärää pois, jolloinka voi syntyä kaupunkitulvia. Toisaalta nykyisin kuitenkin asiaan kiinnitetään huomiota, ja voidaan tehdä erilaisia ratkaisuja viivyttämään veden virtausta, mikä tasaa virtaamia. Esimerkiksi Espoossa on suunniteltu viherpainanteita ja viivytysrakenteita Finnoonkallion korttelisuunnitelmaan (Espoo 2017). Toisaalta jotkut rakennuttajat mainostavat vettä läpäisevää asfalttia ratkaisuna kaupunkitulviin (Lemminkäinen 2016).

Tulvien aiheuttamassa riskikaroituksessa on otettu huomioon esimerkiksi altistuva asukasmäärä, vaikeasti evakoitavia rakennuksia tai teiden/rautateiden katkeamista ja näiden aiheuttamia riskejä yhteiskunnan kannalta. (Ympäristö 2011b). Tulvien riskejä pyritään usein ensisijaisesti hallitsemaan Suomessa ennaltaehkäisevästi esimerkiksi erilaisin rakennusmääräyksin kuten määräyksillä asuinrakennusten alimmista rakentamiskorkeuksista (Ympäristö 2015).

 

Linkit:

Sini Virtasen blogi: https://blogs.helsinki.fi/7k110738/ Luettu 30.1.2018

Vivi Tarkan blogi: https://blogs.helsinki.fi/vivitark/ Luettu 31.1.2018

Ulkoinen linkki: https://www.worlddiamondcouncil.org/ Luettu 29.1.2018

Espoo 2017: Pystytäänkö kaupunkitulvien aiheuttamaa kaaosta helpottamaan?http://www.espoo.fi/fi-FI/Asuminen_ja_ymparisto/Kaavoitus/Pystytaanko_kaupunkitulvien_aiheuttamaa_(130353) Luettu 31.1.2018

Ilmatieteenlaitos 2015: Ilmaston lämpeneminen muuttaa merkittävästi Itämeren ominaispiirteitä http://ilmatieteenlaitos.fi/tiedote/73421998 Luettu 31.1.2018

Lemminkäinen 2016: Hyvästi kaupunkitulvat http://www.lemminkainen.fi/lemminkainen/yritys/media/artikkelit-ja-videot/artikkeli/2016/hyvasti-kaupunkitulvat/ Luettu 31.1.2018

Tulvakarttapalvelu: http://paikkatieto.ymparisto.fi/tulvakartat/Html5Viewer_2_7/?locale=fi-FI

Ympäristö 2011a: Merkittävien tulvariskialueiden sijaintikartta http://www.ymparisto.fi/download/noname/%7B8E6B3D32-2DFD-46E2-A81D-B96E0407EB5D%7D/37011 Luettu 31.1.2018

Ympäristö 2011b: Merkittävät tulvariskialueet sekä merkittävyyden perusteena olevat vahingolliset seuraukset http://www.ymparisto.fi/download/noname/%7B3719970D-9239-4AE6-BFB8-8008E4556837%7D/37010 Luettu 31.1.2018

Ympäristö 2013: Tulvien esiintyminen http://www.ymparisto.fi/fi-FI/Vesi/Tulviin_varautuminen/Olenko_tulvariskialueella/Tulvien_esiintyminen Luettu 31.1.2018

Ympäristö 2015: Helsingin ja Espoon rannikkoalueen tulvariskien hallintasuunnitelma vuosille 2013-2021 http://www.ymparisto.fi/download/noname/%7BAAFC10C7-A604-4DC0-9297-91D740A5683E%7D/103399 Luettu 31.1.2018

Kikkailua QGIS projektioiden kanssa eli Toinen kurssikerta

Toisella kerralla harjoittelimme QGIS:n valintatyökalun käyttöä. Aiheena oli Suomen kunnat. Tutkimme, minkälaisia valintatyökaluja on ja mitä niillä voisi tehdä. Esimerkiksi fyysisistä ominaisuuksista voi valita työkalun avulla.

Ennen tuntia eri projektiot olivat edelleen minulle hieman hämäriä. Maailmakartoissa olin eri projektioita vähän vertaillut, mutta minulla ei ollut selkeää käsitystä, miten suuria erot voivatkaan olla. Tämä oppitunti olikin minulle hyvin hyödyllinen, kun asia konkretisoitui.

Perusjuttu oli aika selkeää, sillä valintatyökalu toimi suht loogisesti kuten tietokoneen valinnat yleensä (shift + valinta), jotta sai valittua useamman kunnan. Myös polygonin piirto oli ihan selkeä, ja työkalu valitsi kaikki, jotka hitusenkin koskettivat piirrettyä monikulmiota.

Select by expression oli myös hyödyllinen, kun avasi esim. Fields and values –kohdan, joka sisälsi varsinaista paikkatietoa. Harjoittelimme myös valintaa esim. maakunnan mukaan (Kuva 1). Oli hyvä harjoitella, miten toiminto toimii, ja millaisen lausekkeen saa aikaiseksi.

Kuva 1. QGIS -ohjelmassa kaksi aluetta valittuna.

Seuraavaksi harjoittelimme mittatyökaluja ja vaikuttavatko eri projektiot ja koordinaattijärjestelmät mittatyökalujen ilmoittamiin tuloksiin. Sain tulokseksi pieniä alle prosenttiyksikön heittoja kokeilemillani koordinaatistoilla (Taulukko 1). Rajaamani alue (7621 neliökilometriä) sekä mittaamani pituus (201 kilometriä) olivat pieniä, mikä selittänee saatuja tuloksia. Jos olisi suurempi alue ja mitta, niin erot olisivat suurempia. Tosin varmasti sattumalta valitsemani koordinaatistot lienevät olleen samantyyppisiä (EPSG:3812 tai EPSG:53024).

Taulukko 1. Excel -taulukoidut mitat pinta-ala Suomen ”päästä” ja pituus kapein kohta.

Seuraavaksi kokeilimme WFS-palvelun lisäämistä QGIS:n (Tilastokeskuksen palvelimelta). Tämä lienee hyödyllistä, jos ei saa aineistoa valmiina kuten kurssilla.

Pinta-alan vääristymistä kartalla tarkasteltiin seuraavaksi Tilastokeskuksen pohja-aineiston avulla. Aineston alkuperäinen koordinaatisto tarkistettiin general –osastosta ja se oli ETRS89-TM35FIN. Muunnettiin koordinaatisto EPSG:3035. Katsottiin LAEA ja Sphere Mercator –projektioita. Kun Mercator avattiin, niin Suomen muodosta havaittiin sen olevan erilainen. Suomen pohjoisosa tuntui paisuvan ja eteläosa kutistuvan (Kuva 2).Kuva 2. Mercator -projektiolla tehty kuva QGIS:ssä.

Kun teimme Field calculatorilla Mercatorin ja LAEA -projektioiden pinta-alavertailut, huomasimme, että esimerkiksi Alajärven Mercatorin mukainen pinta-ala vaikuttaisi olevan peräti viisinkertainen LAEA:n verrattuna. Projektioiden pinta-alojen eron vertailusta näkee, että ero kasvaa pohjoiseen päin mentäessä (Kuva 3).

Kuva 3. QGIS kuva projektioiden pinta-alojen erosta. Musta kuvaa suurinta eroa.

Lopputunnista tehtiin tietojen yhdistäminen Suomen kuntien väkiluvusta ja käytetystä Shapefilestä. En saanut muokattua kuvaa sopivaksi blogiin, ja se jäi hieman pieneksi (Kuva 4).

Kartassa (Kuva 4) tummempana näkyvät ne alueet, jossa asuu enemmän ihmisiä kuin keskimäärin Suomen kunnissa. Kartasta kuitenkin näkee, että esimerkiksi Rovaniemen alueella, Kemissä ja Oulussa on Pohjois-Suomessa keskimääräistä enemmän väkeä. Myös muita suurempia keskuksia voi kartasta havaita. Myös pääkaupunkiseudun väkimäärä näkyy selkeästi suurempana ja se on hyvin punainen.

Kuva 4. Suomen kuntien väkiluku QGIS -karttaohjelmalla piirrettynä.

Lopuksi vertailin vielä kunnan väkiluvun suhdetta kahteen eri projektioon (Kuva 5 ja kuva 6). Ne antoivat samansuuntaisia kuvia, paitsi pientä eroa oli eri kunnissa esimerkiksi rannikon kunnissa (esimerkiksi Kemi näkyi LAEA:ssa muttei Mercatorissa).

Kuva 5. Väkiluku / LAEA -projektion pinta-ala.

Kuva 6. Väkiluku / Mercator -projektion pinta-ala.

 

Tulipas pitkä postaus 😀 Lähinnä laitoin itselle muistiin juttuja, jotta osaisin ehkä kurssin jälkeenkin tehdä jotain.

 

25.1.2018 lisäys:

Katsoin Sini Virtasen blogia ja huomasin, etten itse ollut huomannut ollenkaan pohtia asioita syvemmin eli mitä ideaa on tehdä karttaprojektioita. Sini oli hienosti liittänyt pohdinnat blogiinsa. Lisäksi itse keskityin enemmän tekniseen puurtamiseen, enkä havainnoinut paljoa suurempia suuntaviivoja.

Katsoin myös Varpu Savolaisen blogia ja kiinnitin huomiotani, että hän oli tehnyt projektioista myös Lambertin projektiosta pinta-alan vääristymästä kartan. Oli todella havainnoillistavaa vertailla hänen karttojaan. Lisäksi karttojen värit olivat miellyttävät.

29.1.2018 Huomioita:

Selkein väestöntiheyksien vertailu lienee Miia Farstadilla (kuva 5 hänen blogissaan). Vierekkäisistä kuvista asiasta sai nopeammalla silmäyksellä yleiskuvan, että projektio tosiaan vaikuttaa tiheyden laskemiseen alan muutoksen kautta.

Huomasin, etten ollut laittanut itselleni karttaan legendaa piirtämästäni Mercatorin projektiosta, joten kuvassa 3 ei lue, minkä suuruinen pinta-alan vääristymä on. Tutustuin vähän asiaan ja Hämäläisen mukaan Mercator usein vääristää alaa Lambertiin verrattuna Suomessa 2-4 -kertaiseksi. Olisi ollut kiva vertailla tätä väittämää omaan karttaan. Tästä opin, että kannattaa mieluummin tehdä QGIS:ssä kartta ja legenda eikä ottaa vain ruutukaappauksia eri vaiheista. Vertailin vielä muiden kurssilaisten töitä ja huomasin, että esimerkiksi Liisa Niemellä oli hyvät legendat kartoissaan.

Miksi Mercatoria sitten käytetään vääristymästä huolimatta? Mercatorin projektiota on käytetty etenkin merenkulussa aiemmin, sillä se on helpottanut suunnistusta, kun laiva on voinut mennä kartalla suoran viivan. Silloin on helpompi navigoida. Lisäksi maailmankartoissa Mercatorin projektiota käytetään poliittisista syistä. Esimerkiksi, jos halutaan korostaa Pohjois-Amerikan taikka Euroopan kokoa. Mercatorin pinta-alavääristymät ovat 2-4 –kertaiset: suurempi vääristymä on pohjoiseen päin mentäessä sillä lieriäprojektiona Mercator kuvaa päiväntasaajan alueen lähinnä oikeaa tilannetta. Ja Suomen ollessa suhteellisen pohjoisessa, sen kuvaama alan vääristymä kasvaa. (Hämäläinen).

Karttoja tehdessä pitääkin siis muistaa kiinnittää huomiota siihen, mitä kartta kuvaa ja mitä projektiota siihen on aiemmin käytetty. Esimerkiksi väestötiheyttä on hyvä laskea samalla pinta-alalla vuosien mittaa, jotta tiheys ei muutu väärän alan käyttämisen vuoksi.

Viitteet:

Sini Virtasen blogi https://blogs.helsinki.fi/7k110738/ (Luettu 25.1.2018).

Varpu Savolaisen blogi: https://blogs.helsinki.fi/sadvarpu/ (Luettu 25.1.2018).

Liisa Niemen blogi: https://blogs.helsinki.fi/nliisa/ (Luettu 29.1.2018).

Miia Farstad blogi: https://blogs.helsinki.fi/miiafar-gis1/ (Luettu 29.1.2018).

Hämäläinen https://foto.aalto.fi/opetus/220/luennot/1/geodeettiset_jarjestelmat/Karttapro-vertailu.pdf (Luettu 29.1.2018)

(Ps Kiitos Sini kiitoksista 🙂 )

Ensimmäinen kurssikerta: typen päästöt Itämeren alueella

Tällä kurssikerralla palauttelin mieleen, miten QGIS toimii. Olen käyttänyt sitä aiemmin Geoinformatiikan johdanto -kurssilla. Jotkut ominaisuudet löytyivät monesta paikasta ja tuli pieniä ongelmia, mutta opetusta seuraamalla näihin sai vastauksen.

Aluksi yritin toimia itsenäisesti ohjeiden mukaan, mutta typen muuntelut olivat hieman haastavia, niin päädyin toimimaan muun ryhmän mukana. QGIS tuntui tulevan taas vähän tutummaksi. Sainkin aikaan kartan typen muuntelusta Itämeren alueella (Kuva 1).

Kuva 1. Typen muuntelu Euroopassa. QGIS -näkymä.

Field calculatorin käyttö oli hankalaa, kunnes päädyin seuraamaan opetusta. Omatoimisesti lausekkeen muodostaminen oli vaikeaa, eikä meinannut löytyä ”Fields and values” –kohtaa.

Värien ym muuntelu oli helppoa, ja vielä muistissa. Myös kartan piirtämiseen tarkoitettu välilehti oli suhteellisen helppo käytttää. Osittain siksi, että sitäkin olen jo aiemmin käyttänyt. Laitoin Legendaan yksinkertaisesti pohjoisnuolen, mittakaavan sekä selitteen päästöistä (Kuva 2). Kun vertailin karttaani muiden karttoihin, havaitsin, että värejä olisi ehkä voinut muuttaa kuten Elinan tai Maiju Karhun blogissa oli tehty. Ao kartastani tuli mielestäni ihan selkeä.

Kuva 2. Kartta typpipäästöistä Itämeren rannikolla eri valtioiden alueilla % alueen kokonaispäästöistä. QGIS- ohjelmalla tehty kartta.

Työn lähteenä käytettiin HELCOMin tietoja. HELCOM on Itämeren merellisen ympäristön suojelukomissio, joka on laatinut toimintaohjelman Itämeren tilan parantamiseksi. Itämeren tila on huonontunut viimeisen sadan vuoden aikana, minkä vuoksi on laadittu erilaisia suosituksia, joiden avulla valtiot voivat yrittää puuttua päästöihin ja muihin riskeihin esimerkiksi öljyonnettomuuksien torjuntaan.  ”Toimintaohjelman tavoitteena on saavuttaa hyvä ympäristön tila Itämerellä vuoteen 2021 mennessä. ” (Ympäristöministeriö 2010)

Vesiin päätyvisä typpipäästöjä muodostuu Suomessa eniten maataloudesta (reilu 50%).  ”Teollisuuden typpipäästöt Suomenlahteen ovat vähentyneet 90 t ja tulevat edelleen vähenemään 90 t ” Ympäristöministeriön (2010) raportin mukaan. Suomi siis ainakin on tehnyt jotain päästöjen hillitsemikseksi, mutta miten lienee esimerkiksi Puolan laita. Puolassa tehdyt rajoitukset lienevät tehokkaampia, sillä sen päästöt ovat suhteellisesti suuremmat. Toisaalta Ruotsissakin on yllättävän suuret päästöt suhteellisesti Kuvan 2 mukaan.

 

Blogi viittaukset:

Suomen Ympäristöministeriön tilannekatsaus 2010. http://www.ym.fi/download/noname/%7B843BC212-8C0B-400F-83A8-1BB8854AF0AF%7D/30427 ladattu 19.1.2018

Elina Tommila, viitattu 19.1.2018 https://blogs.helsinki.fi/7k110735/

Maiju Karhu, viitattu 19.1.2018 https://blogs.helsinki.fi/maikarhu/