University of Helsinki
Kolmannella kurssikerralla käsiteltiin erityyppisiä tietokantoja.
Tarkasteltava Afrikka-aineisto oli hyvin yksityiskohtainen – jopa liiallisuuksiin saakka, joten sitä piti ”karsia” ennen seuraavia vaiheita. Dissolve-työkalulla onnistuin yhdistämään tietokannan alueet maiden mukaan – eli jokaista maata kohden jäi yksi sarake attribuuttitauluun. Vielä ennen varsinaisia tehtäviä oli tuotava taulukkomuotoinen tiedosto Excelistä QGIS:iin. Tämä tapahtui tallentamalla tiedosto ensin csv-muodossa ja tuomalla se ohjelmistoon Delimited text layer -tyyppisenä. Myös tietokantojen yhdistäminen edellisestä kerrasta tutulla Join-toiminnolla sujui kätevästi: Afrikka-tietokantaan liittyivät siis Excelistä tuodut tiedot muun muassa internetin ja sosiaalisen median käyttöön liittyen.
Yleensä alueellista tietoa on järkevää tutkia suhteutettuna väkilukuun tai vastaavaan muuttujaan: tässä tapauksessa internetin käyttäjien suhteellista osuutta absoluuttisten lukujen sijaan. Prosentuaalisten osuuksien laskeminen onnistui Field Calculatorilla totuttuun tapaan, ja attribuuttitaulukkoon syntyi uusi sarake kuvaamaan internetin läpäisevyyttä (käyttäjien osuus valtion väestöstä). Visualisoin nämä tiedot kartalle (kuva 1) , josta näkyvät maakohtaiset erot. Yleisesti ottaen internetin läpäisevyys on melko hyvä valtion kehittyneisyyden mittari – se kertoo samalla myös yleisestä infrastruktuurista, sähköverkkojen laajuudesta ja taloudellisesta tilanteesta. Kartan perusteella suhteellisesti eniten internetin käyttäjiä on Keniassa, Libyassa, Malissa ja Marokossa.
Kuva 1. Internetin läpäisevyys Afrikan valtioissa vuonna 2018.
Kurssikerralla käsiteltiin myös muita Afrikkaan liittyviä tietokantoja, joita olivat konfliktit, öljykentät ja timanttikaivokset. Tavoitteena oli tarkastella ilmiöiden esiintymistä valtioiden sisällä, joten Count Points in Polygon -työkalu toimi tässä tarkoituksessa hyvin timanttien ja konfliktien kohdalla. Aluemuotoisten öljykenttien tietojen liittäminen puolestaan tapahtui Join Attributes by Location -työkalulla. Laadin tuloksena saaduista uusista tietokannoista kaksi karttaa: toisen konfliktien määristä eri valtioissa (kuva 2) ja toisen timanttien esiintymisestä (kuva 3). Oli mielenkiintoista myös pohtia annettujen tietojen perusteella, onko tapahtumien välillä mahdollista korrelaatiota – tapahtuuko esimerkiksi öljy- ja timanttialueilla paljon konflikteja tai korreloivatko luonnonvarojen löytyminen ja internetin yleistyminen ja elintason nousu keskenään.
Kuva 2. Afrikassa esiintyneet konfliktit maittain vuosina 1947 – 2008.
Kuva 3. Timanttikaivosten sijainti Afrikassa.
Tekemistäni kartoista löytyy muutamia kiinnostavia havaintoja. Ainakin muutamilla alueilla esimerkiksi Angolassa ja sen naapurivaltioissa on runsaasti sekä timanttikaivoksia että konflikteja – sen sijaan internetin läpäisevyys on alueilla pysynyt heikkona. Monissa Afrikan valtioissa kaivostoiminta on ulkomaisten yhtiöiden hallussa, eivätkä paikalliset välttämättä hyödy voitoista – tämä yhdessä aluekiistojen kanssa voi olla yksi konfliktien aiheuttaja. Ne alueet, joilla internetin läpäisevyys on korkea (Kenia, Libya, Mali yms.), on myös esiintynyt keskivertoa vähemmän konflikteja. Tämä näyttäisi tukevan oletusta, että internetin saavutettavuus korreloi korkeamman elintason ja sitä myöten kenties vakaamman yhteiskunnan kanssa.
Afrikan jälkeen siirryttiin melko erityyppiseen aineistoon: tulvaindekseihin ja järvisyyteen Suomessa. Tehtävän vaiheet olivat kuitenkin samat kuin aiemmin. Aluksi tuli lisätä tietokantoja ja sitten yhdistellä niiden tietoja valuma-alueet -tietokantaan. Tarkoituksena oli laskea eri jokien valuma-alueiden tulvaindeksejä, mikä tapahtuu jakamalla keskiylivirtaama (MHQ) keskialivirtaamalla (MNQ). Kasattuani kaikki vaaditut tiedot samaan taulukkoon, tapahtui tulvaindeksien laskeminen helposti uuteen sarakkeeseen. Samaan loppukarttaan tuli liittää myös valuma-alueiden järvisyysprosentit (taulukko tuotu Excelistä) joko pylväinä tai ympyrädiagrammeina. Laadin siis lopuksi kartan, josta käyvät ilmi sekä tulvaindeksit että järvisyys (kuva 4).
Kuva 4. Suomen jokien valuma-alueiden tulvaindeksit ja järvisyysprosentit.
Kuten yllä olevasta kartasta näkyy, tulvaindeksit ovat suurimmillaan Etelä-Suomessa ja Pohjanmaalla. Tämä ei ole sinänsä yllättävää ainakaan matalilla alueilla meren läheisyydessä, joissa on tyypillisesti tulvia etenkin keväisin. Sen sijaan pienin tulvariski on alueilla, joissa järvisyys on suuri (Keski-Suomi, Itä-Suomi). Tulvaindeksin ja järvisyyden välillä näyttää siis olevan selvä korrelaatio – kenties järvisillä alueilla maastonmuodot ja vesistöjen laajuus estävät tulvien syntymistä, kuten muun muassa Amelia Cardwell pohtii blogissaan (Cardwell, 2019). Lisäksi myös meren läheisyys saattaa vaikuttaa asiaan.
Kolmas kurssikerta oli hyvää harjoitusta etenkin erilaisten tietokantojen yhdistelyyn ja käsittelyyn liittyen – toisessa tehtävässä toimenpiteet alkoivat sujua jo rutiinilla. Jälkikäteen mietittynä Afrikka-tehtävässä olisi voinut tehdä vielä yhden kartan, jossa tarkastellaan öljyä ja konflikteja rinnakkain. Laura Ahola toteaa blogissaan (Ahola, 2019), että myös öljyn vaikutus alueiden talouteen olisi ollut kiinnostava tutkimuskohde. Yleensähän juuri suurilla öljylöydöksillä on nopea vaikutus valtioiden kehitykseen, mikä on nähtävissä esimerkiksi Lähi-Idässä. Valuma-aluetehtävän kartasta oli aavistuksen hankalaa saada selkeää – informaatiota tuntui olevan liikaa (pylväät yms.), mutta mielestäni lopputulos on kuitenkin ihan kohtuullisen ymmärrettävä.
Lainatut lähteet
Ahola, L. (31. tammikuu 2019). Hermot koetuksella. Noudettu osoitteesta https://blogs.helsinki.fi/lauahola/2019/01/31/hermot-koetuksella/
Cardwell, A. (31. tammikuu 2019). Viikko 3: Tulvaindeksejä, järvisyysprosentteja sekä pettyminen teemakarttaan. Noudettu osoitteesta https://blogs.helsinki.fi/amca/2019/01/30/viikko-3-valuma/