Helsingin yliopisto
Moroooo!
Kolmannella kurssikerralla pyörittelimme ja yhdistelimme eri lähteistä tulevaa Afrikkaan liittyvää dataa. Ensimmäinen tietokanta sisälsi tietoa Afrikan valtioiden pinta-aloista. Ongelma tietokannassa oli se, että jos valtiolla oli saaria, ne oli laitettu omille riveillensä, jolloin jotkin valtioista olivat “hajonneet” useaan osaan attribuuttitaulukkoon. Tietokantaa täytyi siis aluksi yksinkertaistaa, jotta siihen pystyi lisäämään tietoa muista lähteistä. Kun tietokanta oli sopivassa muodossa, lisämme siihen dataa timanttikaivoksista, öljykentistä ja konflikteista Join –komennolla. Laskimme näiden lukumäärät valtiokohtaisesti Count points in polygon -työkalulla ja saimme aikaan kartan, josta voidaan havaita Afrikan timanttikaivosten, öljykenttien ja konfliktien sijainnit (Kuva 1).
Kuva 1. Afrikan timanttikaivosten, öljykenttien ja (nyt käynnissä tai aikaisemmin tapahtuneiden) konfliktien sijainnit.
Saimme kotitehtäväksi pohtia, mitä aikaan saamallamme attribuuttitaulukolla voi tehdä, tai mitä siitä voi päätellä, kun se sisältää tiedot:
- Konfliktin tapahtumavuodesta
- Konfliktin laajuudesta/säteestä kilometreinä
- Timanttikaivosten löytämisvuodesta
- Timanttikaivoksen kaivausten aloitusvuodesta
- Timanttikaivosten tuottavuusluokittelusta
- Öljykenttien löytämisvuodesta
- Öljykenttien poraamisvuodesta
- Öljykenttien tuottavuusluokittelusta
- Internetkäyttäjien lukumääristä eri vuosina.
En ollut ilmeisesti tallentanut projektia tunnilla oikein, joten en saanut sitä auki enää kotona. Edellä mainituista tiedoista voisi kuitenkin tehdä erilaisia päätelmiä ja tilastollisia testejä, onko esimerkiksi timanttikaivosten tai öljykenttien perustamisella yhteyksiä syttyneisiin konflikteihin. Tätä voitaisiin tutkia vuosilukujen avulla. Jos jossakin valtiossa on timanttikaivos/öljykenttä/molemmat sekä jokin konflikti, voitaisiin niiden aloittamisvuosien välistä mahdollista yhteyttä tutkia. Toki konflikti ei välttämättä syty heti, kun esimerkiksi kaivaukset timanttikaivoksella tai poraukset öljykentällä alkavat. Pinnan alla saattaa kyteä kauan, ennen kuin konflikti syttyy, ja tällaisia tietoja ei tietokannasta pysty päättelemään. Ja vaikka tietokannasta löytyisikin yhteyksiä muuttujien välillä, ei se automaattisesti kerro suorasta syy-seuraussuhteesta niiden välillä. Muuttujia saattaa olla useita, ja esimerkiksi juuri konfliktit tuntuvat usein syttyvän monien eri asioiden summana.
Myös sitä olisi mielestäni aiheellista tutkia, onko timanttikaivosten tai öljykenttien tuottavuusluokittelun tasolla yhteyttä konfliktien alkamiseen. Janella Lehtinen mainitsi blogissaan, että timanttikaivoksista tai öljyesiintymistä voitaisiin päätellä valtioiden varakkuudesta. Hän kuitenkin lisäsi, että valtion varakkuus ei kerro mitään tavallisten kansalaisten elintasosta. Juuri tämä sai minut miettimään sitä, että jos timanttikaivoksen tai öljykentän tuottavuus on suurta, mutta varakkuus ei jakaudu valtiossa tasaisesti, voi sillä olla yhteys konflikteihin. Oli hienoa lukea Aura Niskasen blogista siitä, kuinka kuitenkin Botswana on nostanut itsensä jaloilleen timanttien louhimisella, eikä valtiossa ole ollut konflikteja.
Visualisoimastani kartasta voidaan havaita, että timanttikaivoksia, öljykenttiä ja konflikteja esiintyy sekä samoissa valtioissa, että erikseen. Kartan perusteella näyttää siltä, että useammin erikseen. Visualisointi onnistui mielestäni ihan jees, mutta legendassa minua häiritsee se, että “timantit” ja “konfliktit” eivät ole allekkain, vaikka niissä on molemmissa symbolina pallo. Se olisi näyttänyt paremmalta, jos “öljy” olisi ollut alimmaisena. Samoin mietin värivalintaani Afrikalle: ihankuin koko manner olisi hiekkaa. Eihän se ole, vaan hyvin suuri alue on sademetsää. Pohdinkin, olenko alitajuntaisesti antanut minuun upotettujen mielikuvien Afrikan savanneista vaikuttaa värivalintaani. Ja nyt, kun olen tehnyt kartasta hiekanvärisen, vahvistanko minä itse mahdollisia vääränlaisia mielikuvia muiden päissä??? Olisin voinut valita väriksi esimerkiksi lilan, jolloin väriin ei yhdistyisi mielleyhtymiä. Taas mieleen putkahtaa se, kuinka paljon kartantekijöillä on vastuuta ja valtaa sen suhteen, miten ihmiset maailman käsittävät!
Suomen valuma-alueet ja tulvaindeksit
Kurssikerran toisessa, omatoimisessa tehtävässä teimme QGIS’illä koropleettikartan Suomen valuma-alueiden tulvaherkkyydestä (kuva 2). Tulvaherkkyyttä kuvataan valuma-alueiden tulvaindekseillä. Mitä tummempi sininen kartalla, sitä suurempi tulvaindeksi on eli sitä herkemmin alueella tulvii. Lisäksi kuvasin kartalle ympyrädiagrammien avulla maa- ja järvipinta-alan suhteen eri alueilla.
Kuva 2. Suomen valuma-alueiden tulvaindeksit ja maa/järvipinta-alan suhde.
Tulvaindeksi on korkeinta Pohjois-Pohjanmaalla, Keski-Pohjanmaalla, Etelä-Pohjanmaalla, Pohjanmaalla, Varsinais-Suomessa ja Uudellamaalla. Lisäksi Lapissa Utsjoen ja osittain Inarin alueella tulvaindeksi on korkeampi kuin niitä ympäröivillä alueilla. Pohjanmaan eri alueiden ja eteläisen Suomen tulvaindeksiä voi selittää alueiden pienet korkeuserot. Kun maa on tasaista, vesi jää esimerkiksi lumien sulaessa seisomaan, ja syntyy tulvia. Vastaavasti Pohjois- ja Itä-Suomen alueiden pieni tulvaindeksi voisi selittyä niiden suuremmilla korkeuseroilla.
Jotenkin ensimmäinen intuitiivinen ajatukseni oli, että jos on paljon järviä, olisi myös enemmän tulvia. Ajatuksessa ei kuitenkaan ole mitään järkevää pohjaa. Kartasta voidaankin huomata, että Pohjanmaan alueella, missä on paljon tulvia, ei ole juurikaan järviä. Sen sijaan Kaakkois-Suomessa, Hämeessä ja Keski-Suomessa on paljon järviä, ja tulvaindeksi on pieni. Uskon myös järvien paljouden selittyvän korkeuseroilla: eihän järviä voi syntyä, jos ei ole mitään, mihin vesi voisi kertyä.
Tehtävä oli haastava, ja aivot olivat aika solmussa kurssikerran loppupuolella. Olen kuitenkin suhteellisen tyytyväinen lopputulokseen, etenkin valitsemiini väreihin. Piirakkakuvioiden kokoa olisi voinut muokata, sillä ne peittävät etenkin Varsinais-Suomen ja Uudenmaan alueelta tulvaindeksien väriluokkia tehokkaasti. Lisäksi olisin voinut ottaa pois järvien mustat ääriviivat, sillä ne hallitsevat kuvaa paljon.
Päivän ajatus: GISSI on kivaa mutta aika vaikeeta.
Lähteet:
Lehtinen, J. 2024. Kurssikerta 3: Datan pyörittelyä. https://blogs.helsinki.fi/janella/
Niskanen, A. 2024. Kolmas kurssikerta. https://blogs.helsinki.fi/niskanau/