Tag: GIS

Posted on

Lumisia hasardeja

Kuva 1. Kumpulan alueella sijaitsevien kohteiden koettu turvallisuus. Interpoloin tutkimuspisteet siten, että punaisella näkyy turvattomimmiksi koetut alueet, ja sinisellä taas turvallisimmiksi koetut alueet. Lähde: kurssilaisten itse keräämä data Epicollect5 –sovelluksen avulla. 

Kuudennella kurssikerralla käyttelimme mobiililaitteeseen ladattavaa Epicollect5-sovellusta. Sitä voi hyödyntää kätevästi pistemuotoisen datan keruussa ja datan siirrossa kartalle. Sää suosi mukavasti, ja vietin maastossa 45 minuuttia yhdessä talven kovimmista lumimyräköistä keräten viihtyvyyteen ja turvallisuuteen liittyvää tietoa kohteista, sekä niiden koordinaattitietoja. Sovellus oli varsin simppeli ja toimiva. Tunnilla kävimme yhteisen purun merkeissä opettajajohtoisesti eri ryhmien pisteet läpi kartalta. Kartan taustakartan voi vaihtaa myös satelliittikuvaksi tai vaikkapa Open Street Map -kartaksi, jolloin kohteet näkyvät. Havainnollistavaa ja kätevää! Aion varmasti hyödyntää kyseistä applikaatiota tulevaisuudessa pitämilläni mantsan tai miksei biologiankin tunneilla – mielellään vähintäänkin yhtä miellyttävän säätilan vallitessa. 

Siirsimme vielä CSV-muotoisen keräämämme aineiston QGISin taustakartan pisteiksi ja harjoittelimme pisteiden välin interpolointia interpolointityökalulla valitsemalla interpoloitavaksi muuttujaksi alueen turvallisuuden asteikolla 1-5. Näin saa jatkuvan pinnan, joka kattaa koko tutkimusalueen (kuva 1). Punaisella näkyy tässä turvattomimmiksi koetut alueet ja sinisellä turvallisimmiksi koetut alueet. Punaisen ja sinisen välille jäävät oranssi, keltainen ja vihreä. 

Lopputunnista on taas itsenäistehtävien aika hasardien parissa. Tavoitteena oli tuottaa materiaaleja, joita voisin opettajana käyttää tuntiopetuksessa. Ideana oli havainnollistaa muutamilla kartoilla jonkin hasardin sijoittumista. Lähestymistavan sai päättää vapaasti. Kiva idea! Päädyin kuvaamaan maanjäristyksiä pistemuotoisen datan pohjalta. 

 

Kuva 2. Pienet, 2,5-3 magnitudin havainnoidut maanjäristykset vuosien 2020-2022 aikana. Lähde: USGS (2022).

 

Kuva 3. Keskisuuret 4-5 magnitudin maanjäristykset vuosien 2021-2022 aikana. Lähde: USGS.

 

Kuva 4. Hyvin voimakkaat, 6-9 magnitudin maanjäristykset vuosien 1900-2022 aikana. Lähde: USGS.

Suodatin USGS:n sivuilta eri vuosien aikana sattuneita eri magnitudien suuruisia maanjäristyksiä. Tarkoituksenani oli havainnollistaa karttakuvin, että suurin osa suuremman kokoluokan järistyksistä sattuu nimenomaan litosfäärilaattojen reuna-alueilla, kun taas pienempiä sattuu satunnaisesti muuallakin. Tarkoitus on opettaa myös lähdekritiikkiä: suurin osa pikku järistyksistä oli paikannettu USA:n ja Kanadan alueelle, kas kummaa. Onkohan sillä mitään yhteyttä, että datan kerääjä sattuu olemaan USA:n geologinen tutkimuslaitos, jolla on varmasti tarkimmat järistyksiä mittaavat seismiset sensorit omalla maan kamarallaan.

Ulkomailla sattuvista pienistä, tuhoa aiheuttamattomista järistyksistä taas harvemmin raportoidaan. Tässä on siis tilastovirhe: pienen magnitudin järistykset ovat yleisempiä kuin suuret, mutta silti niitä näkyy aineistoissa näitä vähemmän (vrt. kuvat 2, 3 ja 4). Huomioi myös, että kuvassa näkyvät kaikista pienimmät järistykset on vielä havainnoitu 2 vuoden ajanjaksolta, kun taas keskisuuret vain vuoden jaksolta, mikä vielä vahvistaa tilastovirheen kontrastia. Tämä siksi, että keskisuuria järistyksiä oli tilastoitu niin paljon, että jouduin typistämään havaintojakson kestoa, jotta datamäärä säilyisi alle 20 000, jolloin koneen kapasiteetti vielä riitti datan lataamiseen.

Voimakkaimpia ja eniten tuhoa aiheuttavia, 6-9 magnitudin järistyksiä, taas sattuu kaikista harvinaisimpina. Keräsin karttaan (kuva 4) tällaiset järistykset 122 vuoden ajalta, ja niitä on silmämääräisesti arvioiden saman verran kuin 4-5 magnitudin järistyksiä yhden vuoden aikana. Käytetyt eri aikaskaalat opettavat oppilaille samalla tärkeitä aineistojen tulkintataitoja ja oman päättelykyvyn vahvistamista. Huomion arvoista on myös se, että nämä keskisuuren ja suuren luokan järistykset sattuvat täysin samoilla alueilla litosfäärilaattojen reunamilla. 

Mielestäni kartat ovat melko havainnollistavia ja voisivat toimia opetuksen tukena nimen omaan siinä, että oppilaat itse saisivat ensiksi pienryhmissä pohtia, mitä huomioita näiden kolmen kartan pohjalta voisi esittää maanjäristyksistä, ja sen jälkeen käytäisiin yhdessä vastaukset läpi. Toisessa maanjäristyskartassa (Kuva 3) on pieni huolimattomuusvirhe: legendaan on jäänyt selitteeksi kyseisten järistysten magnitudiasteikko ja vuosiluvut, kun sen sijaan pitäisi lukea “maanjäristys”. Tämän toki korjaisin ennen karttojen opetusmateriaalina käyttöä.

Näillä kartoilla (kuvat 2,3 ja 4) voisi lisäksi opettaa laattatektoniikkaa sekä siihen liittyviä termejä kuten keskiselänteet, alityönnön, syvänmeren haudat, vulkaaniset saariryhmät (erityisesti Tyynenmeren tulirenkaan) sekä poimuvuoristot. Samoin maankuoren rakennetta voitaisiin samalla käydä läpi ja pohjustaa samalla hieman jo seuraavan tunnin aihetta, tulivuoritoimintaa. Oheisen linkin takaa löytyy opetuskäyttöönkin erittäin havainnollistavia kuvia laattatektoniikasta https://www.geologia.fi/2018/05/20/laattatektoniikka/ . 

Ali esittää myös blogissaan hyvän huomion, että maanjäristysten opetuksen yhteydessä on hyvä huomauttaa kiinnostavana ja oppilaiden omaa elämää lähemmäs tulevana lisätietona, että näitä sattuu myös Pohjoismaissa, Suomessakin. Suomenkin alueella esiintyy ajoittain heikkoja maanjäristyksiä, jotka johtuvat nimen omaan pääsääntöisesti jääkauden jälkeisestä maankohoamisesta, eivätkä laattatektoniikasta.

Lähteet:

Geologia.fi (2020). https://www.geologia.fi/2018/05/20/laattatektoniikka/. Luettu 24.2.2022.

USGS (2022). https://earthquake.usgs.gov/earthquakes/search/. Luettu 20.2.2022.

Ylikoski, Ali (2022). Alin geoinformatiikkablogi. https://blogs.helsinki.fi/alingeoinformatiikka/. Luettu 24.2.2022.

 

Posted on

Tietokantojen yhdistely – kaatumisia ja nousuja

Kuva 1. Afrikan merkittävät konfliktit, timanttikaivokset ja maalla sijaitsevat öljy- ja maakaasukentät toisen maailmansodan jälkeen vuoteen 2020. Lähde: PRIO (2020).

Tunnin yhteisenä harjoituksena toimi laaja, Afrikan valtiot sisältävä tietokanta, jolle harjoittelin tekemään erilaisia toimenpiteitä. Samassa tahdissa opettajan kanssa eteneminen oli mukavaa, vaikka siltikin välillä tipahdin kärryiltä huomioni herpaantuessa iltatunnilla johonkin muuhun. Vierustoverini on ollut onneksi korvaamaton apu näissä tilanteissa, ja olen varmasti kyllästymiseen asti pyytänyt häntä neuvomaan uudelleen juuri esitetyn asian. Kerta toisensa jälkeen hän on kuitenkin kärsivällisesti auttanut poloista ja väsynyttä muun työpäivän uuvuttamaa sivuainemantsalaista. Suurkiitos siis hänelle!😀 Muutenkin tiimityö toimii GIS:ssa. On itsellenikin palkitsevaa, jos omaksikin yllätyksekseni joskus huomaan muistavani työvaiheet ja valikot, joilla tietty toimenpide tehdään ja voin joskus vastavuoroisesti auttaa vieressä istuvia. QGIS:n kanssa on oltava myös kärsivällinen ja tarvitaan selkeästi myös ripaus korkeampaa voimaa, jotta työn saa kunnialla suoritettua maaliin asti. Tästä kohta lisää! 

Nyt kun olen ensin purkanut akuutin turhautumiseni QGIS-ohjelman käyttöön ja huonoon keskittymiskykyyni iltatunneilla, voisin taas palata itse asiaan eli tunnin tehtäviin. Opin yhdistelemään tunnilla tehdyn Afrikka-harjoituksen avulla tietokantoja yhteisen nimittäjän mukaan uudella työkalulla. Kaikissa liitettävissä tietokannoissa tulee siis olla jokin sarake, joka on sisällöltään sama kaikissa liitostietokannoissa, ja sen tulee sisältää kohteita identifioivaa tietoa. Lopputuloksena syntyy uusi, siistitympi ja helpommin hallittava tietokanta, mikä on tietysti kätevää aineiston analysoinnin kannalta. Uusi tietokanta kannattaa tallentaa pikimmiten ja nimetä se selkeästi, jotta se ei sekoitu vanhaan, sekavaan tietokantaan, kuten itselläni tietysti kävi. Ennen datan yhdistelyä on myöskin suotavaa tutkia yhdisteltäviä tietokantoja, jotta varmasti osaa huomata jos seremonian yhteydessä jotakin kallisarvoista hukkuukin. Samalla voi vielä tarkistaa, että yhdisteltävät aineistot tulivat varmasti “siivottua” huolella. On nimittäin aina lopputuloksen selkeyden kannalta vaaranpaikka, jos isossa aineistossa sama kohde onkin nimetty usealla eri tavalla, esimerkiksi Kongo / Kongon demokraattinen tasavalta. 

Tietokantojen yhdistelyssä on monta vaihetta ja nyt päästään jännittävimmän vaiheen äärelle: liitos ei nimittäin syystä tai toisesta onnistu noin 30 %:lla kerroista, vaan koko ohjelma kaatuu 🙂 Juuri ennen liitosta on siis loistava aika tallentaa tehty työ, jotta vältytään harmilta harmin päälle. Itselläni ohjelma kaatui tietysti ensi yrittämällä, vieläpä kaksi kertaa peräkkäin. Myöhemmin tunnilla tehdessäni itsenäistä tehtävää vasta neljäs kerta toden sanoi 😀 . Tietokantojen yhdistäminen taitaakin siis olla uskon asia, mutta itsehän en kuulu kirkkoon. Onneksi elämä (ja GIS) ei ole niin vakavaa, tai ainakaan itse en jaksa ottaa turhaa pulttia tehtävistä. 

Opin myös, että ennen Excel-tietokantojen tuontia QGIS:iin Excel-tiedosto on muutettava csv-muotoon ja tallennettava sellaisena. Tuodun tiedon pohjalta tein laskutoimituksia ja lisäsin siistittyyn, yhdistettyyn tietokantaan uusia sarakkeita. Lopputulemana sainkin ohjatusti aikaiseksi Afrikan mannerta kuvaavan teemakartan, jossa näkyy valtioittain timanttikaivokset, öljykentät sekä konfliktit (kuva 1). Taustalla vaikutti tietokanta, johon lisäsin ja yhdistelin mm. kussakin valtiossa sattuneiden kofliktien lukumäärät, ajanjakson, jonka aikanan konflitit olivat sattuneet, sekä öljy- ja timanttikaivosten lukumäärät valtioittain. 

Sitten seuraa ripaus konkretiaa ja maailman parantamista. Mitä Afrikka-tuotoksen avulla voisi päätellä, kun tietokantoihin on tallennettu ainakin tietoa (PRIO 2020):  

-konfliktin tapahtumavuodesta ja konfliktin laajuudesta 

-timanttikaivosten löytymisvuodesta sekä kaivausten aloitusvuodesta 

-timanttikaivosten tuottavuusluokittelusta 

-öljykenttien löytymis- ja poraamisvuosista 

-öljykenttien tuottavuusluokittelusta 

-internetkäyttäjien lukumäärästä eri vuosina 

Päättelyssä täytyy aina olla varovainen ja tulkita tuloksia, ei omaa maalaisjärjen ohjailemaa ajatusta siitä, että öljykentät ja timanttikaivosteollisuus varmastikin lisäävät köyhissä maissa levottomuuksia ja aseellisia konflikteja. Edellä mainittujen tietokantojen, ja oman Afrikka-teemakarttani (kuva 1) perusteella voidaan kuitenkin varovaisesti todeta, että timantti- ja öljykaivosten olemassaolo alueella näyttäisi korreloivan konfliktien kanssa. Konfliktien tapahtumavuosia ja kestoja pitäisi vielä laajemmin analysoida kaivosten löytymisvuosien ja kaivostoiminnan aloitusvuosien kera ja tutkia, kuinka merkitsevää tilastollisesti korrelaatio näiden muuttujien välillä on. Lisäksi tulisi huomioida muut taustalla vaikuttavat taustamuuttujat. Tällaisia ovat mm. väestön köyhyysaste, kaivostoiminnan tuottavuus, kaivokset kussakin tilanteessa omistava taho, sekä maan alueella toteutettavasta kaivostoiminnasta kansalaisille seurannut mahdollinen hyöty, mikä näkyy vaurastumisena, kuten internetkäyttäjien lisääntymisenä valtiossa.  

Tutkimuksen mukaan kaivostoiminnan lisääntyminen Saharan eteläpuolisessa Afrikassa näyttäisi lisäävän myös naisten kokemaa kotiväkivaltaa. Kaivostoiminta heijastuu koko alueen elinkeinorakenteeseen siten, että naiset siirtyvät maanviljelystöistä palvelusektorin töihin, mikä ei välttämättä ole yhteisön hyväksymää (Kotsadam ym. 2016). Lisäksi kaivostoiminta aiheuttaa laajempia konflikteja alueen yhteisöissä, mikä heijastuu myös perhe-elämän epävakautena ja kotiväkivaltana. 

Kuva 2. Tulvaindeksi eli tulvimisriski Suomen valuma-alueilla.

Tein myös itsenäisen työn tunnilla oppimieni taitojen avulla aiheena Suomen vesistöalueiden valuma-alueominaisuudet ja tulvaherkkyys (kuva 2). Yhdistelin taas useita aineistoja QGIS:lla ja tein tarvittavat laskutoimitukset sekä tuloksia kuvaavat uudet sarakkeet. Lopputulemana sain aikaan jonkinmoisen koropleettiteemakartan, josta ilmenee alueiden tulvaindeksi eli turvaherkkyys. Diagrammeja en alkanut enää pitkän illan jälkeen kotona tekemään yhtä ahkerasti ja onnistuneesti kuin vaikkapa Turunen (2022). Hänen blogiaan ja ohjeita lukiessani totesin kuvaajien olevan itselleni näillä tähänastisilla GIS-taidoillani mahdoton tehtävä. Blogitekstin ja kuvan perusteella sain kuitenkin hienon maistiaisen siitä, mitä olisi pitänyt tehdä. Onnistuneenkin tuotoksen taustalla oli kuitenkin nähtävästi pitkä ja kivinen tie 😛  

Tuottamastani Suomen valuma-alueiden tulvaindeksejä kuvaavasta koropleettisestä teemakartasta voi kuitenkin tulkita, että tulvaindeksi eli riski tulvimiselle on suurinta Suomenlahden ja Pohjanlahden rannikkoseuduilla. Kaikkein suurin tulvariski on Pohjanmaalla, mikä johtuu paitsi sijainnista rannikolla, myös alueen alavuudesta ja jokisuudesta. Lisäksi korkea tulvariski löytyy Varsinais-Suomesta Turun alueelta sekä Uudeltamaalta Helsingin alueelta. Järvi-Suomen runsasjärvisillä alueilla tulvariski on hieman yllättävästikin pienin mahdollinen. Lapissa indeksi taas on hieman suurempi oletettavasti suuremmista lumen sulamisvesistä johtuen, mutta kuitenkin selvästi pienempi kuin Suomenlahden ja Pohjanlahden rannikkoseuduilla (kuva 2). 

 

 

Lähteet: 

Kotsadam, A; Ostby, G; Aas Rustad, S. 2016. Stractural change and wife abuse: A disaggregated study of mineral minig and domestic violence in sub-Saharan Africa, 1999-2013. Political Geography 56 (2017) 53-65.  

Prio. Rauhaninstituutti. https://www.prio.org/. Luettu 31.1.2021. 

Turunen, Janne. Geoinformatiikan mystiset menetelmät -blogi. https://blogs.helsinki.fi/janneturunen/. Luettu 1.2.2022. 

Posted on

Aineistoissa ajelehtimassa

 

Kuva 1. GIS-harjoitus valintatyökalujen käytöstä. Kuvaan on tallennettu Pirkanmaan maakunnan kunnat, sekä  Suomen tutkamajakat.  Kunnat 2020. Väylävirasto, rajapinnat 2022.

Toisella kurssikerralla syvennyimme erilaisiin paikkatietoaineistoihin hyödyntäen mm. Kunnat 2020 –tietokantaa. Samalla aineistojen visualisoinnin osaaminen syveni hieman edelliskerrasta. Keskeisenä tällä kerralla oivalsin QGisi:n valintatyökalujen tärkeyden, koska aineistot ovat muuten niin laajoja. Valintatyökaluilla voi esimerkiksi rajata tarkasteltavien kohteiden joukon karttaikkunasta, etsiä tietyt ehdot täyttäviä alueita ja rakentaa useita eri valintakriteereitä täyttäviä kyselyitä. Valintatyökalujen avulla voi myös luoda kokonaan uusia tietokantoja tehtyjen valintojen pohjalta. Itse harjoittelin valintatyökalujen käyttöä tallentamalla Kunnat 2020 -tietokannasta QGis:lle vain ne kunnat, jotka kuuluvat Pirkanmaan maakuntaan. Lisäksi harjoittelin avoimen datan käyttöä lisäämällä samaan kuvaan tutkamajakat Väyläviraston Rajapinnat –aineistosta. Yhdistelmähän ei ole yhtään random😀 (kuva 1). Paikkatiedossa siis lähes kaikki on mahdollista. Siis silloin, jos ja vain jos osaa hallita paikkatieto-ohjelmia ja –aineistoja 🙂  

Kuva 2. Mercatorin projektion pinta-ala vääristymien suuruus prosentteina Suomessa verrattuna oikeapintaiseen Lambertin projektioon.

Tutkin myös projektioita ja koordinaatistoja. Mittatyökalun käyttö osoittautui hyödylliseksi ja simppeliksi. Projektion vaihto muuttaa pituus- ja pinta-alasuhteita enemmän tasopinnalla kuin ellipsoidin pinnalla tutkittaessa. Erityisesti esimerkiksi Robinsonin projektio muuttaa huomattavasti etäisyys ja pinta-alasuhteita tasopinnalla tutkittaessa. Myös yleisesti käytetty Mercatorin projektio vääristää huomattavasti erityisesti Pohjois-Suomea (kuva 2). Visualisointia varten loin aineistoon uuden sarakkeen, joka laskee Mercatorin projektion vääristymän suuruuden prosentteina vyöhykkeittäin Suomessa pohjois-eteläakselilla verrattuna oikeapintaiseen Lambertin projektioon. Tämä oli hieman haastavaa, mutta onnistui. 

Visualisointeja tuotettaessa tarvitaan myös QGis:n tulosteikkunaa, jonka käyttö alkaa tulla kerta kerralta tutummaksi hitaasti, mutta varmasti. Matkalla geoinformatiikan osaajaksi –blogissa tiivistetään hyvin toisen kurssikerran anti: “Pieniltä virheiltä ei kuitenkaan säästytty ja ohjelman käytössä vaaditaankin toistoja, jotta ns. Komennot jäävät mieleen (Sigg 2022).” 

 

Lähteet: 

Sigg, Milla. 2022. Matkalla geoinformatiikan osaajaksi. Haettu osoitteesta https://blogs.helsinki.fi/milsigg/. Luettu 30.1.2022.