Under den tredje lektionen fortsatte vi användningen av Mapinfo. Denna gång gick vi mera in på databaser och hur man hanterar dessa. Träningsmaterialet behandlade allt från Internetanvändare och förhållande mellan diamant-, oljeförekomster och konflikter i Afrika. Materialet städades genom att bland annat kombinera, sortera och radera objekt. Vi kombinerade också olika databaser och gjorde olika uträkningar utgående från tillgänglig data.
Först en liten analys över övningsmaterialet om Afrika, samt spekulation över vad som skulle kunna tolkats om även tidsaspekten skulle komma fram i materialet. Det är intressant hur mycket man kan tolka genom att enbart kolla på databaserna och den färdiga kartan. Databasen måste dock ha tillräcklig information om t.ex. det spatiala sambandet mellan två faktorer. Om man även hade tidpunkten för de olika händelserna kunde man ännu tydligare bilda en uppfattning om vad som hänt. För att stärka sina slutsatser kan det dock vara bra att ta stöd från utomstående litteratur.
Utgående från materialet såg vi att antalet internetanvändare har ökat under de senaste åren, detta är troligen resultatet av att teknologin har utvecklats och blivit allt mer tillgänglig för även de fattiga. Behovet har också ökat, det kan även vara bra för en Afrikansk jordbrukare att följa med globala marknadspriser. Riina Koskela har gått ett steg längre i sin blogg där hon funderat på sambandet mellan internet och uppkomsten av nya naturrikedomar, då dessa betyder större inkomster till landet som i sin tur kan satsa på teknik. Tyvärr tror jag dock att den största delen av vinsten går åt enskilda personer. Rikedomarna från diamanter och olja men även andra naturresurser går oftast till en liten elit vilket bidrar till den stora ojämlikheten i Afrika. Orättvisa, fattigdom och ojämlikhet skapar i sin tur konflikter, och attackerna riktas mot t.ex. Internationella oljeföretag (som vi sett i början av 2000-talet). Detta tror jag är bakgrunden i det starka sambandet mellan nya oljefält/diamantgruvor och konflikterna som syns på kartan, och om databasen även innehöll enskilda årtal för attackerna kunde det vara intressant att försöka identifiera de enskilda konflikterna och få mer specifikinformation om dessa. Ett exempel är Ogonerna som är en ursprungsbefolkning i Nigeria, som tvingades evakuera och överge den traditionella näringen då internationella oljebolag t.ex. Shell, förstörde den sköra naturen i Nigerdeltat. Senare skedde även våldsamma motattacker mot företaget (Univeristy of Michigan 2004) Detta hände i Nigeria från 1960-1990 talet och skulle vara intressant om även denna konflikt är synlig på kartan (Bild 1).
Bild 1. Karta över Afrikas oljefält, diamantgruvor och konflikternas utbredning (Paarlahti 2015).
För veckans egentliga uppgift fick vi använda oss av alla kunskaper vi lärt oss under lektionen. Målet var en karta (Bild 2) där det framgår översvämningsindexet för avrinningsområdena i Finland samt andelen sjöar för dessa. Med avrinningsområde avses ett landområde som avgränsas genom vattendelare (ofta förhöjningar i topografin), nederbörden eller smältvattnet inom ett avrinningsområde skall ledas till samma vattendrag. Vattenföring är ett mått på hur stort vattenflöde ett vattendrag har, ofta kubikmeter/sekund, i en viss punkt av en kanal. Högvattenföring är den högsta vattenföringen som förekommer i ett vattendrag under ett år, och orsakar översvämning, detta är viktigt med tanke på byggandet av t.ex. kanaler. Översvämningsindexet fås genom högvattenföringens förhållande till medelflödet för en flodfåra och beskriver hur många gånger större den högsta avrinningen är jämfört med medelavrinningen (Paarlahti 2010). Indexet visar alltså hur lätt det sker en översvämning i avrinningsområdet. På kartan framgår Indexet som färgade ytor och andelen sjöar som stapeldiagram, det handlar alltså om en kombinationstemakarta.
Informationen för uppgiften fanns i olika tavlor och i olika program (Excel och Mapinfo), dessutom var vissa uträkningar inte ens gjorda. Så det första jag började med var att sortera och kombinera de olika tavlorna och räkna ut översvämningsindexet. För att få en fungerande databas krävdes många olika åtgärder, detta var rätt invecklat, men väl gjort hade man en färdig grund för själva kartan. Antalet klasser (4) och klassificeringssystem (kvartiler) bestämde jag utgående från ett färdigt histogram. Med färgvalet ville jag åskådliggöra att risken för översvämning ökar med ett högre översvämningsindex, orange och gult associeras ofta med någon sorts risk.
Då Mapinfo placerar sina diagram blir des ofta placerade på olämpliga ställen. För att korrigera stapeldiagrammens placering på kartan flyttade jag över filen till programmet CorelDraw och kunde där behandla staplarna som enskilda objekt och flytta på deras platser. Att det är mycket svårt/begränsat att behandla enskilda objekt och den färdiga produkten anser jag vara ett av Mapinfos största problem.
Bild 2. Översvämningsindex och andel sjöar för Finlands avrinningsområden. (Tryck på bilden för tydligare karta).
På kartan ser vi att Finlands gränser åtminstone till en del är naturgeografiska och följer avrinningsområdena. De högsta översvämningsindexen finns kring Österbotten och längs med kusten. Vattenföringen varierar mycket mellan årstiderna men påverkas också i stor grad av avrinningsområdets egenskaper som topografi, form, mängden sjöar och växtlighet (Kuosmanen 2014). Människans aktivitet kan också påverka t.ex. urbanisering leder till en större vattenföring, då stadens ytor är dåliga på att infiltrera vatten. Detta är troligen och är en orsak till Auraflodens avrinningsområdes höga översvämningsindex.
På kartan (Bild 2) framgår tydligt korrelationen mellan andel sjöar och översvämningsindexet. Sjöarna fungerar som regleringsbassänger och risken för översvämning minskar då överloppsvattnet tillfälligt lagras tills vattnet avdunstar. Som exempel från kartan kan vi ta Päijänne och Saimen, som båda har en stor möjlighet att lagra vatten i sina sjöar och därmed även ett lågt index. Som tidigare nämnt påverkar också växtligheten och storleken på avrinningsområdet, och både Päijänne och Samen har även mycket stora skogsparti i jämförelse med kustområdena som långt består av leriga åkermarker som har en dålig förmåga att infiltrera stora mängder nederbörd eller smältvatten. Is fördämning är ett annat vanligt problem i kustregionerna, under vårvintern blir flodernas utlopp stockade av isblock vilket hindrar smältvattnet att rinna ut i havet och leder till översvämning. Landhöjningen i Österbotten får igång ett liknande fenomen, då isostasin får marken att ”luta åt fel håll” minskar strömningen och ökar på översvämningsrisken (Jalkanen 2013).
Det är roligt att se att sådant man tidigare lärt sig stämmer överens med kartan som man nu gjort. Att visualisera ett fenomen och ge stöd till texten är ju ett av kartans centrala mål. Kanske man kan dra slutsatsen att det blev en lyckad karta.
Källor:
Jalkanen P. (2013). Geosciencing and Cartography. <https://blogs.helsinki.fi/pjalkane/2013/02/06/pak-kurssikerta-3/ >2.2.2015.
Koskela R. (2015). Riina & 38 päivää paikkatietoa. <https://blogs.helsinki.fi/riinakos/> 2.2.2015
Kuosmanen N. (2014). Luento: luonnonmaantieteen perusteet. Helsingin yliopisto.
Paarlahti A. (2010). Tulvaindeksi. <https://blogs.helsinki.fi/tvt3-2010/2010/02/01/tulvaindeksi/> 2.2.2015.
Univeristy of Michigan (2004) The Curse of Oil in Ogoniland. <http://www.umich.edu/~snre492/cases_03-04/Ogoni/Ogoni_case_study.htm > 3.2.2015