Kuukausi: tammikuu 2018

Kolmannella kurssikerralla jatkettiin QGISsin käyttöä (yllatus ullatus) ja saatiin lopulta aikaiseksi kaksi teemakarttaa. QGISsin käyttö tuntuu jo hyvin luontevalta! Ensimmäisessä kartassa (kuva 1)  tutkitaan Suomen valuma-alueiden järvisyysprosenttia. Järvisyysprosentilla tarkoitetaan pronsenttilukua, joka syntyy kun valuma-alueen järvien pinta-ala (Ajärvet) jaetaan koko alueen pinta-alalla (Akok) kaavan mukaan:

(Ajärvet/Akok) x 100

Järvisyysprosentti visualisoitiin teemakarttaan pylväsdiagramilla (histogrammilla). Oli mielenkiintoista huomata, kuinka helposti QGISsilla sai aikaiseksi diagrammin karttaan eikä tarvinnut ruveta sähläämään Excelin kanssa.

Toiseen teemakarttaan visualisoitiin Suomen valuma-alueiden tulvaindeksi (kuva 2). Tulvaindeksi jäi hieman irralliseksi ja omituiseksi käsitteeksi, ja ajaa mitä todennäköisemmin saman asian kuin tulvariski. Tulvaindeksi  laskettiin kaavalla:

Tulvaindeksi = MHQ (keskiylivirtaama) / MNQ (keskialivirtaama)

Kartasta (kuva 2) voidaan todeta, että suurimmat tulvariskialueet ovat Pohjanmaalla ja Etelä-Suomessa. Kuten Wikipedia kertoo: ”Erityisesti Pohjanmaan jokivesistöt ovat tulvaherkkiä, koska ne virtaavat laakeilla alueilla eikä vesistöissä ole paljon virtaamaa tasaavia järviä. Lumien sulaminen keväällä tapahtuu yleensä koko jokien pituudelta samaan aikaan, koska joet virtaavat idästä länteen ja vettä tulee lyhyessä ajassa paljon.” (Tulva – Wikipedia), ovat Pohjanmaan jokivesistöt erityisen tulvaherkkiä järvien vähäisyyden ja alavan maan takia. Uudenmaan alueella taas merivesitulvat ovat ongelma.

Tutkimalla karttoja yhdessä (kuvat 1 ja 2) huomataan, että järvisyydellä ja tulvaindeksillä on selvä korrelaatio. Mitä vähemmän järviä alueella on, sitä suurempi tulvariski on. Tämä pitä paikkansa, sillä järvet tasaavat tulvivien jokien virtaamaa ja näin vähentävät sekä lieventävät tulvia.

Viittaukset:

Tulva – Wikipedia, https://fi.wikipedia.org/wiki/Tulva,

Luettu: 1.2.2018

Toisella kurssikerralla jatkettiin QGISsiin perehtymistä, tutkittiin karttaprojektioiden välisiä eroja ja tuotettiin koropleettinen kartta Suomesta (kuva 1 ja kuva 2). Karttaan 1 visualisoitiin Mercatorin projektion ongelma – pinta-alan vääristyminen. Kuten kartasta nähdään, mitä pohjoisemmaksi mennään sitä suuremmaksi pinta-alan vääristymä kasvaa. Mercator projektio on paljon käytetty sen oikeakulmaisuudesta johtuen. Varsinkin merenkäynnin kannalta on tärkeätä että laajoissa kartoissa ilmansuuntien väliset kulmat ovat oikein. Myös tasavälisen lieriöprojektion (kuva 2) ongelma on pinta-alan vääristyminen pohjoissuunnassa, joskin huomattavasti pienemmässä mittakaavassa. Pinta-ala vääristymät tasavälisessä lieriöprojektiossa on -1% ja 44% välillä, kun taas Mercator vääristää pahimmillaan pohjoisten kuntien pinta-alaa yli 700%.

Harjoitus oli mielekäs ja muistutti, kuinka vääristynyt maailmankuva monella on perustuen Mercator pohjaisiin karttoihin. Harvalle ihmiselle tulee mieleen pohtia projektio valintaa karttaa katsoessaan. Paljon käytetyissä Mercator maailmankartoissa Grönlanti näyttää lähes koko Afrikan kokoiselta, vaikka todellisuudessa Afrikka on noin 14 kertaa Grönlantia pinta-alaltaan pienempi. Tämä johtaa vääristyneisiin mielikuviin ja lisää käsitystä Afrikasta Trumpin mukaisena perslävenä.

Mercator projektio aiheuttaa myös poliittisen ongelman. USA:ssa opetuksessa paljon käytetty Mercator projektio esittää Alaskan suurempana kuin koko  Meksikon. Tämä johtaa opetettavien lasten väärään käsitykseen valtasuhteista ja maailmanpolitiikasta. ”It alters the way you see the size – and, some people argue, the way you see the importance – of different parts of the world. So this isn’t just a cartographer’s dilemma – it’s a political problem.” (Five maps that will change the way you see the world (2017), Donald Houston)

Viittaukset:

Five maps that will change the way you see the world (2017), Donald Houston, University on Portsmouth, http://theconversation.com/five-maps-that-will-change-how-you-see-the-world-74967

Ensimmäinen kurssikerta pyhitettiin QGIS-ohjelman käyttöön ja opiskeluun. Kurssikerran lopputuloksena syntyi koropleettikartta (Kuva 1), joka esittää Itämeren valtioiden typpipäästöjä. QGISsin käyttö oli mielenkiintoista ja palkitsevaa, sillä lopputuloksena syntynyt kartta on tyylikäs eikä siihen kulunut turhan paljon aikaa.

Kartasta (kuva 1) voidaan tulkita, että Virossa on Itämeren pienimmät typpipäästöt, kun taas Puola, Ruotsi ja Venäjä ovat suurimmat päästöjen aiheuttajat. Kuten Kim-Henrik Helanne käsittelee omassa blogitekstissään, rantaviivan pituudella on merkitystä typpipäästöjen suhteellisissa osuuksissa. Hän toteaa, että typpiaineiston tarkastelussa tulisi ottaa huomioon mm. Itämereen laskevien jokien vaikutus typen kuljettajina. Tällöin voitaisiin tutkia typen kulkeutumista sisämaasta laajemmalta alueelta.