Kolmas kurssikerta: tietokantoja ja tulvariskejä

Jatkoimme tällä kurssikerralla MapInfon perusteisiin tutustumista. Merkittävä osa ajasta meni tietokantojen käsittelyyn. Tietokantojen käsittely voi olla tarpeellista, sillä ne voivat pirstaloitua. Muokkasimme eri kohteisiin pirstaloituneita tietokantoja yhteen, jotta niiden käsittely olisi helpompaa. Datan yhdistämistä voidaan kutsua myös datan aggregoitumiseksi.

Kurssikerran sisältöön kuului myös tietokantojen tuominen Excelistä. Eri ohjelmien välillä tapahtuva yhteistyö avaa lisämahdollisuuksia yhä laajempaan tietojen käsittelyyn. Yhdistäminen on mahdollista esimerkiksi vertailemalla yhteisiä muuttujia tietokannoissa. Tällaiseen tietokantaliitokseen sopivia muuttujia löytyy usein yleensä esimerkiksi dataa identifioivista nimikkeistä kuten nimistä ja id:istä. Tiedon hakeminen vanhemmista tietokannoista avaa mahdollisuuksia luoda aivan uusia tietokantoja.

Tulvaindeksi ja järvisyys

Kuva 1. Tulvaindeksi ja eri tavoin laskettu suhteellinen järvisyys Suomen ja lähialuiden valuma-alueilla.

Valmiiksi tekemästäni kartasta (kuva 1) tuli lopulta visuaalisesti varsin miellyttävä. Siinä olevien pylväsdiagrammien värit erottuvat sävyiltään varsin hyvin alla olevasta koropleettikartasta. Visuaalisesti karttaa olisi mahdollista ehkä parantaa esimerkiksi laittamalla jokin mieto taustaväri kartan valkoisille alueille. Myöskin jos kartta ei sisältäisi järvisyyttä kuvaavia pylväitä, olisi siihen mielenkiintoista lisätä valuma-alueiden jokia. Parannettavaa olisi myös pylväiden sijoittelussa, sillä nyt ne ovat varsin usein todella ahtaasti tai päällekkäin, jolloin niiden informaatioarvo jää tiukasti sijoitelluilla alueilla varsin pieneksi. Pohdittava olisi kartasta myös aineiston luokittelu ja esitystapa, sillä nyt yksi ääriarvo tulvariskissä nostaa skaalan varsin suureksi. 180 – 1100 väli luokittelussa on varsin suuri, etenkin kun iso osa kohteista sijoittuu ihan sen alkupäähän.

Karttaa tehdessäni huomasin mielenkiintoisen seikan minkä lisäsin siihen. Järvisyyden suhteellista lukua laskettaessa sain eri tulokset, mikäli tulos oli laskettu aineiston perusteella tai jos käytin valmiiksi mukana tullutta lukua. Merkittävää on myös huomata alueiden koon vaikutus tuloksiin. Yleisesti pienen järvisyysprosentin omaavilla tai pienillä alueilla on aineiston perusteella laskettu järvisyysprosentti valmiina tullutta pienempi. Isommilla tai ison järvisyysprosentin omaavilla aluilla eri prosenttiluvut ovat taas lähempänä toisiaan tai aineiston perusteella laskettu on suurempi. Poikkeuksia tietysti löytyy. Hypoteesinani tähän ilmiöön on, että aineistossa on keskitytty enemmän isompiin kappaleisiin, jolloin pienillä alueilla olevat tai pienet kappaleet ovat jääneet pois. Tällöin nämä alueet saavat todellisuutta pienemmän järvisyysprosentin, kun taas isommat saavat todenmukaisemman.

Valmiista kartasta huomaa hyvin myös tulvariskin keskittymisen Itämeren rannikkoalueille. Kartassa näyttää myös olevan pieni tulvariski Lapissa, mutta oikeasti se on varsin lähellä Keski-Suomen tilannetta ja pienillä luokittelumuutoksilla se näyttäisi samalta. Kartasta voidaan myös olettaa, että järvisyydellä on jonkinasteinen korrelaatio tulvaindeksin kanssa, sillä pienen tulvaindeksin omaavat alueet ovat vaikuttavat pääosin myös ison suhteellisen järviosuuden omaavilta. Myös pinnanmuodot vaikuttavat paljon tulvimiseen ja Pohjois-Suomessa tulvaindeksi voisi olla nykyistä paljon korkeampi, jos maasto olisi tasaisempi (Saarinen, 2017). Huomattava on myös, että Etelä-Suomen tulvivammat seudut ovat suurimpien kaupunkialueiden lähistöllä (Lehtonen, 2017). Lehtonen sanoo syyksi tälle, että kaupunkialueilla vesi ei läpäise asfaltoitua pintaa, jolloin sen imeytyminen hidastuu ja tulvimisen riski kasvaa.

Ajatuksia muuttujista

Kurssikerran aineistossa pyydettiin myös esittämään ajatuksia erilaisista konflikteihin, timanttikaivoksiin, öljykenttiin ja internettiin liittyvistä muuttujista. Mahdollisuuksia on monia, sillä muuttujia on mahdollista verrata ja käyttää yhdessä toistensa kanssa montaa eri tarkoitusperää hakiessa. Esimerkiksi taloudellisten tapahtumien päivämääriä voidaan verrata konflikteihin ja niiden syntytaustaan. Jos tiedot laittaa kartalle, niin näkee myös alueellisesti niiden välisiä yhteyksiä. Yhteyksien etsimistä tulee yhä tarkempaa, mikäli sijaintitiedoissa on kunnolliset ajalliset määreet mukana ja niiden kehitystä voidaan seurata yksityiskohtaisesti.

Mielenkiintoista olisi tutkia myös esimerkiksi yleisen kehityksen etenemistä tutkimalla eri internetin käytön tunnuslukuja. Jos samoista muuttujista olisi myös alueelliset tiedot, olisi mahdollista selvittää onko kehitys edennyt tasaisesti vai esimerkiksi keskittynyt tietyille aluille tai ihmisryhmiin. Internetin käytön lisääntyessä myös esimerkiksi sen tuottamat tietomäärät lisääntyvät. Samalla on mahdollista luoda uusia käyttötapoja ja seurata niillä erilaisia ilmiöitä. Esimerkiksi konfliktien alueellista leviämistä ja esiintymistä voisi tutkia selvittämällä, milloin ja missä ihmiset alkavat ilmoittaa internetissä konflikteihin liittyvistä ilmiöistä. Myöskin jonkin alueiden internetin käytön tason laskemista seuraamalla voitaisiin selvittää missä erilaiset konfliktit alueellisesti sijaitsevat.

Lähteet:

Saarinen, E (2017). 3. Kurssikerta. 7.2.2017 <https://blogs.helsinki.fi/eemisaar/2017/02/07/3-kurssikerta/> Luettu 7.2.2017

Lehtonen, P (2017). 3. kurssikerta, datan muokkaaminen ja yhdistely. 3.2.2017 <https://blogs.helsinki.fi/lepylepy/2017/02/03/tiedon-hankintaa/> Luettu 12.2.2017

 

 

Leave a Reply

Your email address will not be published. Required fields are marked *