Kolmannella luentokerralla harjoiteltiin tietokantaliitoksia, joissa jonkin yhteisen tiedon, esimerkiksi nimen tai ID:n perusteella saadaan liitettyä eri tiedostojen tiedot samasta kohteesta yhteen. Myös kolmas, itsenäiseksi tehtäväksi annettu harjoitus sisälsi muutaman liitoksen. Tietoa valuma-alueista sisältävään taulukkoon piti liittää tiedot keskiylivirtaamasta ja järvisyysprosentista.
Keskiylivirtaaman liittäminen onnistui hienosti, ja sain myös sen perusteella laskettua tulvaindeksin, mutta järvisyysprosentti tuotti ongelmia. Liittämäni Excel-tiedosto sai QGIS:n muuttamaan Ä- ja Ö-kirjaimet oudoiksi merkeiksi, joten tietokantaliitos ei muutamien paikannimien kohdalla toiminut. Yritin myöhemmin liitosta toisella tiedostolla, joka onnekseni toimi.
Tulvaindeksistä tein koropleettikartan (kuva 1), jossa sinisen värin tummuus kuvaa tulvaindeksin suuruutta. Sen lisäksi yritin lisätä karttaan histogrammin järvisyysprosentista, mutta pylväät näkyvät vain kolmella valuma-alueella. Tämä ongelma näytti olevan yleinen, vierailin esimerkiksi Maijan blogissa ja näin siellä samanlaiset pylväät, mutta sain myös tietää, mistä ongelma mahdollisesti johtuu. ja että Lotta oli saanut karttaansa onnistuneen histogrammin. Lotan histogrammista näinkin, että pidemmät pylväät olivat vaaleammilla alueilla, eli suurella järvisyysprosentilla ja pienellä tulvaindeksillä on yhteys.
Omasta kartastani voin nähdä, että suuren tulvaindeksin alueet sijaitsevat rannikoilla. En ole varma, mistä tämä johtuu, mutta arvaukseni on, että se saattaa ehkä liittyä rannikoiden tuuliin ja sateisiin, tai matalaan maastoon ja suureen määrään merelle laskevia jokia. Lotan onnistuneesta histogrammista taas voisi päätellä, että järvien suuri määrä tai pinta-ala antavat esimerkiksi sulamisvesille paikan, jossa ne eivät aiheuta samalla tavoin tulvia kuin joissa.
Lähteet:
Jalonen Maija (2021) https://blogs.helsinki.fi/mmjalone/ (vierailtu 20.2.2021)
Puodinketo Lotta (2021) https://blogs.helsinki.fi/lottapuo/ (vierailtu 20.2.2021)