Kurssikerta 7. Viimeinen suoritus!

Monen erilaisen, tuskaisen ja hepulimaisen yrityksen jälkeen sain vihdoin tehtyä koko kurssin viimeisen osan.

Parin viinilasin jälkeen sain hyvän idean lähteä visualisoimaan miesten jakautumista Suomessa (Kuva 2). Latasin karttaan vaadittavat tiedot (kunta rajat, miesten määrä, Suomen väestö kunnittain) tilastokeskuksen tietokannoista. Laskin field calculatorin avulla vielä miesten prosentuaalisen osuuden helpottaakseni tarkastelua kartalla. Kartan perusteella miehiä esiintyy eniten Pohjois-Suomen kunnissa (Huom runsaat 3-5% enemmän!), mikä on todellisesti saanut minut miettimään uudelleen asuinpaikka valintaani. Nähtävästi Lapissa kaivattaisiin eräoppaita, ja ketkäs muutkaan sen paremmin osaisi kuin itse mantsalaiset!

Toisen kartan pohjakarttana käytin Thematicmappingistä ladattua “World bourders dataset” aineistoa. Lisäsin karttaan vielä Natural Earthistä ladatut järviaineiston sekä kaupunkialueet, jotka näkyvät kartassa haaleina ja tummennettuina alueina (Kuva 2.). Valtioiden väkiluvut sain tuotua worldometeristä, jotka vein ensin Excelliin, jossa puhdistin datan kaikesta turhasta. Tämän jälkeen yksinkertaisesti liitin aineiston pohjakartan tietokantaan Join-toiminnon avulla. Lisäksi hyödynsin Openstreetmappia merten visualisoinnissa.

Toin myös omasta Googletililtäni “omat pisteet”, jotka Google on automaattisesti tallentanut tililleni (Pitäisi varmaan lukea niitä tietoturva ponnahduslautoja). Tämä on mielestäni todella hauska ominaisuus, jonka avulla on mahdollista luoda esimerkiksi oma digitaalinen kartta versio siitä, missä kaikkialla sitä on tultu käytyä. Paperiseen karttaan verrattuna, versioon voisi lisäksi ladata rajaton määrä attribuuttitietoa kohteista!

Kuva 1. Korrepleettikartta maailman väkiluvuista.

Kuva 2. Suomen miesten jakautuminen kunnittain.

Näin jälkikäteen miettien, kokonaisuudessa kurssi oli todella hyvä ja opettavainen. Hyvä puoli myöhäisissa palautuksissa on se, että pystyy kertaamaan viime lukuvuodella opittuja tekniikoita. Luulin, että olin aivan tuomittu tämän kurssikerran karttojen kanssa, mutta yllättävän hyvin ohjelman polut ja menetelmät olivat vielä muistissa! Tästä sain ehkä hieman uutta luottamusta ja toivonkipinää GIS uralleni. Vaikka tällä kertaa en onnistunut luomaan GIF-esitystä time managerin avulla, niin uskon, että ensi kerralla tulen siinä  onnistumaan viime kevään pienen harjoittelu episodin jälkeen!

Tärkein opetus: GIS-kurssien deadlinet ovat elämä. Kun teet kaikki tehtävät ajoissa ja et lähde yllätys matkoille Intiaan, niin henkinen hyvinvointisi kiittää.

Kohti uusia GIS haasteita ….

 

Lähteet

Ainestot karttoja varten:

http://thematicmapping.org/downloads/world_borders.php (World boarders Dataset)

http://www.worldometers.info/world-population/population-by-country/ (Population)

http://www.naturalearthdata.com/ (Lakes & Urban Areas)

https://www.stat.fi/til/vrm.html (Väestörakenne)

https://myaccount.google.com/ (Googletili)

Kurssikerta 6. Tulivuoria ja maanjäristyksiä

Toiseksi viimeisellä luentokerralla pääsimme itse keräämään ja tuottamaan uutta dataa kenttätyön merkeissä. Tämän lisäksi tutustuimme pinta-puolisesti, miten dataa voi interpoloida, eli miten taulukkoarvojen väliin jäävät arvot kyetään ottamaan myös huomioon. Kurssikerran tärkeimpänä osana oli kuitenkin mielestäni kotitehtävä, jossa täytyi itse hankkia aineistoja internetistä, osata tuoda näiden sisältämä data QGIS-ohjelmaan sekä luoda opetukseen tarkoitettuja karttaesityksiä. 

Kartta 1.

Ensimmäisessä kartassa halusin esiintyvän kaksi tai useampi muuttujaa samanaikaisesti. Selkeyden vuoksi, tarkastelun kohteiksi valitsin yli 7,0 magnitudin maanjäristykset, sekä stratos- eli kerrostulivuoret. Tiesin jo entuudesta, että näiden ilmiöiden välillä esiintyy jonkinlaista korrelaatiota sekä että, kerrostulivuoria esiintyy laajalti litosfäärilaattojen reuna-alueilla.

Kuvaa 1. tarkastelemalla voidaan todella huomata, että kerrostulivuorien ja maanjäristysalueiden välillä on voimakasta klusterointia, jota tapahtuu eniten litosfääri- eli mannerlaattojen reunavyöhykkeillä. Kysymykseksi kuitenkin herää se, että ovatko tulivuoret ja maanjäristykset kausalitettisuhteessa keskenään, eli aiheuttaako toinen toisensa? Vastaus on kyllä ja ei. Joissakin tapauksissa ne voivat toimia toistensa laukaisijoina, mutta yleisesti katsottuna ne ovat kuitenkin kaksi omaa tapahtumasarjaansa. Tästä aiheesta Matti H. oli luonut mielestäni todella mielenkiintoisen kartan käyttämällä “Distance to nearest hub-analyysi työkalua”, joka  piirtää viivan kahden vektoriobjektin välille. Tässä tapauksessa lähimpien tulivuori- ja maanjäristyspisteiden välille! Samankaltaista lähestymistapaa voisi myös hyödyntää esimerkiksi ja syvimpien maanjäristyksien ja suurkaupunkien sijaintien tutkimuksessa.

Kuva 1. Yli 7,0 magnituden maanjäristykset 2000 jälkeen ja kerrostulivuoret esitettynä maailmankartalla.

Mielestäni kartta soveltuisi melko hyvin opetuksen käyttöön, sillä kuvaamalla olennaisimmat tulivuoret ja voimakkaimmat maanjäristykset samalla kartalla antaisi oppilaille mielekkäämmän kuvan niiden yhteyksistä. Lisäksi kerrostulivuoria esiintyy juuri erityisesti alityöntövyöhykkeillä, joissa esiintyy myös voimakkaita järistyksiä. Opetuksen kannalta kartta olisi vielä parempi, jos siinä olisi mannerlaattojen reunat, laattojen liikesuunnat sekä niiden nimet esitettynä.

Kartta 2.

Lisäksi halusin  luoda kartan, jossa näkyy kaikentyyppisten tulivuorten esiintyminen kartalla (Katso kuva 2.). Tämä mielestäni auttaa opiskelijoita havainnollistamaan paremmin tietyn tyyppisten tulivuorten ja laattatektoniikan välistä alueellista yhteyttä. Karttaa tulkitsemalla voidaan huomata esimerkiksi, että vedenalaiset ja stratostulivuoret sijoittuvat voimakkaasti litosfäärilaattojen saumakohtien törmäysvyöhykkeille, kun taas kilpitulivuorten ja rakopurkauksien sijainnit ovat taas keskittyneet enimmäkseen erkanemisalueille. Karttaan en kuitenkaan onnistunut tuomaan laattojen rajoja, vaikka löysin aineiston Google Earthista. Jälkikäteen miettien olin mitä luultavammin tehnyt virheen datan puhdistamis vaiheessa Excell-ohjelmassa. Matti M. oli kuitenkin onnistunut tuomaan aineiston samasta lähteestä mallikkaasti.

Kuva 2. Maapallolla esiintyvät tulivuorityypit.

Kartta 3.

Viimeisen kartan tekemiseen sain motivaatiota Matti H. blogista ja päätin yrittää myös luoda “heat-mapin”, mutta eri muuttujan kanssa. Otin tarkastelun kohteeksi kerrostulivuoret. Heat-map mielestäni onnistuneesti havainnolistaa tulivuorten niin kutsutut “Hotspotit” ja toimii näin hyvänä työvälineenä esimerkiksi opetuksessa. Kartasta voidaan havainnollistaa selkeästi muun muassa Tyynenmeren tulirengas. Lisäksi kartta on mielestäni mielenkiintoinen visuaalisesti, joten uskoisin, että se myös kiinnittäisi huomiota erityisesti nuoremmissa opiskelijoissa.

Kuva 2. Heat-map karttaesitys kerrostulivuorten esiintymistä.

Lisätietoa tulivuorista ja maanjäristyksistä karttojen tueksi

On tärkeätä tiedostaa se, että mikä aiheuttaa maanjäristykset ja mikä sen sijaan tulivuoret. Maanjäristykset ovat seurausta mannerlaattojen liikkeestä, kun ne törmäävät tai sivuavat toisiaan. Tämä selittää muun muassa sen,  että miksi esimerkiksi keskellä mannerlaattojakin saattaa esiintyä voimakkaitakin maanjäristyksiä, vaikka alueella ei saata esiintyä tulivuoria ollenkaan (Esim. Euraasian laatan keskiosat). Tulivuoret sen sijaan muodostuvat magman liikkeestä kuoren alapuolella.

On kuitenkin mahdollista, että  osa tulivuorten alapuolella esiintyvistä maanjäristyksistä  ovat sen sijaan seurausta magman liikkeestä. Magma aiheuttaa suuren paineen yläpuolella olevaan kivimassaan, joka aiheuttaa sen halkeamisen. Rakoja pitkin magma etenee kohti maankamaraa aiheuttaen yhä uudelleen kovan paineen takia maanjäristyksiä, jotka ovat usein hyvin heikkoja ja harvoin tunnettavissa maanpäällä. Kääntäenverrannolisesti, maanjäristykset muovaavat jatkuvasti maaperän kuorirakennetta, mikä mahdollisesti luo uusia rakoja maankamaraan. Nämä raot saattavat olla tulevaisuuden kanavia magmalle ja näin “portteja” uusille tulivuorille.

Karttakuvat eivät kuitenkaan selitä, sitä miksi juuri erityisesti meren läheisyydessä sijaitsevilla reunavyöhykkeillä esiintyy runsaasti tulivuoritoimintaa ja voimakkaita maanjäristyksiä. Tämä selittyy sillä, että merenpohja on huomattavasti tiheämpää kuin mannerlaattojen pohjat. (Katso kuva 3.) Painavammalla laatalla on taipumus painautua kevyemmän mannerlaatan alle, jota kutsutaa subduktioksi. Suuri kitka ja paine aiheuttavat alemman laatan sulamisen astenosfäärissä ja sekoittumisen mannerlaatan kivimateriaaliin ja veteen. Tästä johtuen alityöntövyöhykkeillä eli subduktiovyöhykkeillä esiintyy runsaasti  aktiivista tulivuoritoimintaa, kuten kuvan 2. “Ring Of Fire”alue Tyynellämerellä.

Kuva 4. Mannerlaatat ja Tyynellämerellä sijaitseva tulirengas eli Ring of Fire.

Kuva 5.  Mannerlaattojen mahdolliset kohtaamistavat.

Moisala, Matti. 6. Maanvuoria & tulijäristyksiä (26.2.2018). https://blogs.helsinki.fi/moisalam/ (Luettu 22.3.2018).
Hästbacka, Matti. Paikkatiedon elämänkaari (8.3.2018) https://blogs.helsinki.fi/madhastb/2018/03/08/round-vi/ (Luettu 22.3.2018).
Price, Richard. Plate tectonics, volcanoes & earthquakes (9.4.2010) (https://www.sciencelearn.org.nz/resources/654-plate-tectonics-volcanoes-and-earthquakes), Science Learning (Luettu 23.3.2018).
Umair, Irfan. Another volcano just erupted in the “Ring of Fire” (20.2.2018)(https://www.vox.com/science-and-health/2018/1/24/16924312/earthquake-volcano-mayon-philippines-japan), Vox (Luettu 22.3.2018).
Volcano Location Database Search (https://www.ngdc.noaa.gov/nndc/struts/form?t=102557&s=5&d=5), National Centers For Enviromental Information (Luettu 20.2.2018).

Northern California Earthquake Data Centre (http://quake.geo.berkeley.edu/anss/catalog-search.html) (Luettu 20.2.2018).

 

 

 

 

 

 

 

 

Kurssikerta 5. Bufferointia ja uima-altaita

Tehtävä 1. Lentokentät & Asemat

Ensimmäisessä tehtävässä oli tarkoitus tutkia muun muassa pääkaupunkiseudun asukkaita, jotka asuvat lentokenttien aiheuttamilla melu-alueilla sekä joukkoliikenneasemien lähettyvillä. Tämä tehtävä oli mielestäni melko helppo, sillä olimme käyneet saman tyyppisiä tehtäviä koskien bufferointia eli puskurivyöhykkeitä, jo aikaisemmin tunnilla. Tehtävässä hyödyllisimpiä työvälineitä olivat “spatial-query”,  “fixed distance buffer”, “selected feautures by expression” sekä “save selected feautures”. Lisäksi asemoita tutkittaessa hyödyllisenä toimivat “join attributes by location” sekä  itse ominaisuustaulukko.

Itsenäisharjoituksen ensimmäisenä koetuksena oli selvittää Helsinki-Vantaan lentokentän 55:en desibelin ja 65:en desibelin melualueita ja niiden rajaamia asukasmääriä. Tämä onnistui bufferityökalun sekä spatial queryn avulla helposti. Kuten taulukosta 1 voidaan huomata 65 desibelin melualueella asuu vain 19 ihmistä, joka on noin 0.19% koko alueen asukkaista. 55 desibelin melualueella luku nousee  jopa 12 273:een.  Tämä ei kuitenkaa ole suuri määrä, jos verrataan esimerkiksi vuoteen 1990, jolloin lähes 97 000 asukasta alistui 55 dB:n melulle. Huima lasku johtuu lentoasemille liikennöivän konekaluston melupäästöjen vähentymisestä, kiitoteiden ja lentoreittien käytön suunnittelusta ja lentomenetelmien kehittymisestä. (www.vantaa.fi).

Itseäni eniten kiinnosti tulokset asemien lähettyvillä asuvista työikäisistä asukkaista. Taulukko tarkastelemalla voidaan huomata, että 68,5% työikäisistä asuu 500m tai alle päästä joukkoliikenteenasemista, mikä osoittaa sen, että toimiva julkinenliikenne on toimivan kaupungin yksi edellytyksistä. Hyvät julkisenliikenteenyhteydet on yksi suurimmista vaikuttavista tekijöistä ihmisten muuttopäätöksissä kaupunkien sisällä. Tämä ei kuitenkaan tarkoita sitä, että tietty julkinenliikenne vaikuttaa enemmän kuin toinen. Osa matkustajista esimerkiksi valitsee nopean junan ja metron sijaan bussin, koska sitä käyttäessä ei tarvitse vaihtaa kulkuvälinettä (Yle 2011).

 

Taulukko 1. Malmin lentokentän, Helsinki-Vantaan lentokentän sekä metro- ja juna-asemien lähettyvillä esiintyvää  rakennus sekä asukastietoa.

Tehtävä 2. Taajamat

Seuraavassa itsenäisharjoituksessa tutkittiin hieman taajama-alueiden ikärakennetta sekä ulkomaalaisten jakautumista alueittain (Taulukko 2.). Taulukkoa tutkimalla voidaan huomata, että melkein koko alueen väestö, 97,60% asuu taajamissa. Lisäksi samankaltainen prosentuaalinen osuus kuvaa kouluikäisten sijoittumista taajamiin.

 

Taulukko 2.  Pääkaupunkiseudun taajamia koskevaa asukas- ja aluetietoa.

 

Tehtävä 3. Uima-altaat

Taulukko 3. Pääkaupunkiseudulla esiintyvät rakennukset, joissa on uima-allas tai sauna.

Vapaa-valintaiseksi tehtäväksi valitsin tutkimuskohteeksi sen , miten uima-altaat jakaantuvat pääkaupunkiseudun alueiden välillä. Tämä oli haastavin tehtävä, sillä tehtävässä täytyi käyttää monia erilaisia työvälineitä haluttujen vastausten saamiseksi. Tässä hieman muistiinpanoja työvaiheistani:

Rakennukset, joissa on uima-altaat sain selville yksinkertaisesti “statics panelia” tarkastelemalla. Niiden asukkaat sen sijaan “select expressionin” avulla. Erilaiset talotyypit saman periaatteen mukaisesti, mutta ominaisuustaulukon järjestämisen jälkeen laskin ilmenevät kappalemäärät manuaalisesti. Vaikein kohta oli mielestäni luoda visuaalinen karttaesitys, jossa kuitenkin onnistuin kun sain hieman vihjausta “point in polygon” työkalusta Lyyralta. Onnistuin luomaan karttaan absoluuttiset numero-arvot, mutta epäonnistuin pylväiden lisäämisessä, jossa nähtävästi moni muukin oli törmännyt ongelmiin. Olen karttaan yleisesti tyytyväinen, mutta olin unohtanut poistaa nolla arvot kokonaan, joita lman kartta olisi helppolukuisempi. Karttaa tulkitsemalla voidaan todeta, että uima-altaat enimmäkseen keskittyvät niin sanotusti “parempituloisille” lähiöalueille, kuten esimerkiksi Marjaniemeen, Laajasaloon ja Munkkiniemeen.

Kuva 1. Koropleettikartta pääkaupunkiseudulla esiintyvistä rakennuksista, joissa on uima-allas. Tummemmilla alueilla esiintyy eniten uima-altaita.

 

Bufferointi on mielenkiintoinen työväline, jonka avulla on mahdollista tutkia monenlaisia kohteita, tarkastella niiden välisiä vuorovaikutussuhteita sekä vaikutusta ympäröivään ympäristöön. Itse olen kiinnostunut muun muassa kaupunkisuunnittelusta, jossa bufferointia voitaisiin hyödyntää esimerkikisi meluhaittojen, tietoliikenneverkkojen ja liikkumistottumuksien kartoittamisessa ja sijoittamisessa. Miten kaupunkiympäristö vaikuttaa luontoon ja muihin ekosysteemeihin tietyn etäisyyden päästä? Miten sijoittaa palveluita, rakennuksia tai virkistysalueita? Mitkä ympäröivät tekijät täytyy ottaa huomioon ennen loppullisen päätöksen tekemistä? Se siis toimii  mainiona työvälineenä maankäytön ja rakennetun ympäristön suunnittelussa, jonka avulla on mahdollista havainnollistaa suurempia kokonaisuuksia.

Tämän kurssikerran päätavoitteena oli tutustua QGIS-ohjelman bufferointia koskeviin työvälineisiin, sekä palauttaa edellisillä kurssikerroilla opeteltuja työvälineitä mieleen. Kurssikerta oli mielestäni haastava, sillä vanhojen työkalujen soveltaminen ilman valmiiksi rakennettua ohjeellista pohjaa oli yllättävän haasteellista ja hermoja raastavaa. Huomasin myös, että en ollut täysin ymmärtänyt osan työkalun merkitystä ja käyttötarkoitusta. Käytin tehtävään suuren määrän aikaan, sillä halusin oppia ymmärtämään, missä tilanteissa, mitäkin välinettä käytetään ja miksi.

Monien tuntien työskentelyn jälkeen, onnistuin mielestäni vastauksien hankinnassa kohtuullisen hyvin, mutta tärkein edistysaskel oli henkilökohtainen kehittyminen ohjelman käyttäjänä. Kuitenkaan en mielestäni hallitse ohjelmaa täysin ja suuria aukkoja löytyy melko varmasti vielä lisää. Koen kuitenkin, että tämä kurssikerta oli opettavin ja antoisin kurssikerta. Suuri  kiitos tästä kuuluu erityisesti opiskelijakollegoilleni Aakelle ja Eemilille, joiden blogit auttoivat minua pääsemaan yli välivaiheista, sekä hahmottamaan paremmin työvälineiden käyttötarkoituksia.  Koen, että halitsen perusominaisuudet melko hyvin, kuten esimerkiksi tietokantojen luomisen sekä tuomisen ohjelmaan, laskuoperaattoreiden käytön, valittujen ominaisuuksien tarkastelun, ominaisuuksien yhdistämisen ja erottamisen, piirtämis- ja mittaustyökalujen käytön, bufferointiin tarvittavat työkalut jne. Lisäksi kartan visualisoiminen ja lopullinen tuottaminen on mielekästä ja helposti sujuvaa.

Olen huomannut, että QGIS:n toimivuus on suuresti kiinni itse käyttäjästä. On tärkeätä tehdä oikeat toimenpiteet oikeassa järjestyksessä tai muuten ohjelma lakkaa kokonaan toimimasta tai antaa epäpäteviä tuloksia. Tämän kurssikerran aikana selailin aktiivisesti muiden opiskelijakollegoideni saamia tuloksia ja huomasin näitä verrattaessa suuria eroja omien vastauksieni kanssa. Tähän  selitykseksi ajattelin löytyvän väärien projektioiden käytössä, mutta mahdollisena tekijänä on myös se, että miten yksilöt ymmärtävät kysymyksen. Samankaltaisen huomion oli tehnyt myös Liisa, joka mainitsi, että väärinkäsityksiä saattaa tapahtua jo alkudatan hankinnassa. Esimerkiksi se miten kukakin käsittää yläasteikäisen saattaa muodostaa ristiriitoja ja eroavaisuuksia heti alkuun.

 

 

LÄHDELUETTELO

Furu, Lyyra: 5. kurssikerta: Suullinen vihjaus.

Becker, Eemil. 5. Kurssikerta: Homma rupee sujumaan…(19.2.2018) https://blogs.helsinki.fi/beemil/2018/02/19/homma-rupee-sujumaan/ (Luettu 29.2.2018).

Laine, Aake. 5. krssikerta: Bufferointia ja laskemista. (28.2.2018) https://blogs.helsinki.fi/aake/ (Luettu 29.2.2018).

Lentomelu. (5.3.2018) http://www.vantaa.fi/asuminen_ja_ymparisto/ymparistopalvelut/meluntorjunta/lentomelu. Vantaan kaupunki /(Luettu 30.2.2018).

Niemi, Liisa. 5. kurssikerta: Pohdintaa, buffereita ja ongelmien ratkaisua. (17.2.2018) https://blogs.helsinki.fi/nliisa/2018/02/17/5-kurssikerta-pohdintaa-buffereita-ja-ongelmien-ratkaisua/ (Luettu 30.2.2018).

Voisivatko junat ja metrot kulkea samoilla raiteilla? (12.8.2011 ) https://yle.fi/uutiset/3-5407449. Yle Helsinki (Luettu 29.2.2018).

 

 

Kurssikerta 4. – Ruutukarttoja ja ulkomaan kansalaisten alueellista eriytymistä pääkaupunkiseudulla

Tämän kurssikerran tarkoituksena oli tutustua ruutukarttojen tekemiseen, rasteritasojen käsittelyyn sekä tiedon tuottamiseen tietokantaan pistemuotoisten aineistojen avulla. Oppitunnin yhteisharjoituksena tutkimme pääkaupunkiseudun väestötietokantaa luomalla ruuduista koostuvan väestöntiheyskartan. Latasimme meille annetun valmiin tietokannan, jossa kerrottiin rakennusten tarkkuudella asukkaiden väestötietoa . Rakennuksiin oltiin muun muassa liitetty tieto asukkaiden kansallisuudesta, ikärakenteesta sekä sukupuolesta.

Seuraavaksi meidän täytyi laatia omavalintaisesta aiheesta ruutukartta. Valitsin tarkastelun kohteeksi ulkomaan kansalaiset  ja, mikä on heidän osuutensa pääkaupunkiseudun kokonaisväestöstä.  Kartan ruutu kokona käytin 500 x 500m, mikä mielestäni esitti parhaiten jakautumista Helsingin pääkaupunkiseudulla (Kuva 1.). Testasin myös 250 x 250m kokoista ruudukkoa, mutta  visuaalinen karttaesitys vääristi suuresti todellisia tuloksia ja pääkaupunkiseutu  kokonaisuudessaaa näytti asukasrakenteeltaan hyvin kansainväliseltä. QGIS-ohjelma onnistui kuitenkin kaatumaan ennen kuin ehdin tallentamaan kartan. Yritin luoda uuden ruudukon, joka myös olisi sisältynyt vain ruudut, joissa rakennuksia esiintyy “Spatial Query” apuvälineen avulla, mutta vastaukseksi sain vain: Sorry! Only this providers are enable: OGR, POSTGRES and SPATIALLITE. Onneksi kuitenkin Sini Virtanen oli tehnyt samankaltaisen havainnon oman tutkimusaiheensa kohdalla ja onnistunut luomaan ruutukartan (250 x 250 m) pääkaupunkiseudun asukastiheydestä (Kuva 3.).

 

Kuva 1. Ruutukartta ulkomaalaisten osuudesta pääkaupunkiseudulla. Mustat viivat kuvaavat kuntien rajoja; Espoo (vasen), Kauniainen (pienin), Vantaa (ylin) ja Helsinki (oikea).  Ruutukoko: 500 x500m.

Karttatulkintaa

Valitisin tarkastelun kohteeksi juuri nämä ryhmät, sillä kun tarkastellaan kieliryhmiä, niin mahdollisuutena on monia eri kansallisuuksia, jolloin saadaan epäpätevää tietoa esimerkiksi kansallisuuksien monipuolisuudesta . Esimerkiksi englanninkielisiä mahdollisia edustajia ovat niin Yhdysvaltojen, Britannian kuin Australian kansalaiset. Myös entisten siirtomaavaltioiden kansalaisista, kuten osa intialaistaustaisista edustavat englanninkielistäryhmää.

1990-luvulta lähtien ulkomaankansalaisten määrä  on hitaasti kasvanut koko Suomessa globalisaation ja kansainvälistymisen seurauksena (Taulukko 1.).  Nykyään ulkomaankansalaisten suhteellinen osuus on noin 4,4% Suomen koko väestöstä, mikä on muihin Euroopan maihin suhteutettuna hyvin vähän. Suurimmat ryhmät ovat keskittyneet erityisesti suurimpiin kaupunkeihin, kuten Helsinkiin, jonka väestöstä noin 11% oli ulkomaan kansalaisia vuonna 2016 (Väestöliitto 2016).

Ensimmäisen kartan perusteella jakaisin tärkeimmät ulkomaalaisten muodostamat keskittymät  kolmeen alueeseen, jättäen huomiomatta pienimmät erkoistapaukset Espoon ja Vantaan alueilla. Alueet sijaitsevat Helsingin kuntarajojen sisäpuolelle, Itä-Helsingissä sekä keskustan alueella. Viimeinen alue sijaitsee Espoon ja Helsingin rajaseudulla.

Pääkaupunkiseutu jakaa yhteisen työ- ja markkinaalueen, mikä on nykypäivänä suurin vaikuttava tekijä, miksi juuri pääkaupunkiseudulla esiintyy “suuri” määrä ulkomaan kansalaisia. Suurimpia muuttosyitä ovat muun muassa työllistyminen, sekä matalapalkkaisiin töihin että korkeasti koulutusta vaativiin työtehtäviin. Myös perhesiteet ja koulutus nousevat korkealle tasolle (Väestöliitto, 2011).

Helsingissä ulkomaalaiset ovat sijoittuneet melko kattavasti koko alueelle, josta voidaan tehdä mahdollisia päätelmiä, siitä että tietyillä alueilla asuu eri tulotasoisia ihmisiä. Muun muassa varakkaammat ulkomaan kansalaiset kuten  myös varakkaampi kantaväestö asuu usein lähempänä keskustaa. Helsingin kaupungin tietokeskuksen julkaisemassa tutkimusartikkelissa “Yhteinen kaupunki, eriytyvät kaupinginosat”, mainittiin, että  pääkaupunkiseudulla asuvat maahanmuuttajat ja vieraskieliset ovat keskimäärin kantaväestöä pienempituloisia, mikä on mahdollisesti yksi vaikuttava tekijä Itä-Helsingin suosioon ulkomaalaisten keskuudessa. Itä-Helsingissä asumiskustannukset ovat pienemmät kuin muun muassa Helsingin keskustassa, ja siellä sijaitsee paljon avara- ja korkotukivuokra-asuntoja. Myös yhteisöllisyydellä on mahdollisesti merkitystä keskittymisessä.

Toisenlainen tilanne on Espoosa ja Vantaalla, jossa ulkomaan kansalaiset  eivät ole hajaantuneet yhtä kattavasti. Kartan mukaan suosittuja alueita ovat  ratojen ja  vilkkaasti liikennettyjen väyliena läheisyydessä sijaitsevat rakennetut asuinalueet. Esimerkiksi Otaniemi, joka alueena on yhdistelmä koulutusta, tutkimusta ja liiketoimintaa. Alueella sijaitsee merkittävien IT-alojen yritysten pääkonttoreita ja siitä on muodostunut yksi merkittävimmistä “pöhinä” keskuksista. Nämä houkuttelevat niin kansainvälisiä opiskelijoita kuin työntekijöit, jotka haluavat asua niiden läheisyydessä.

 

Ulkomaan kansalaiset - Väestö kansalaisuuden mukaan 1990-2016 ULKOMAAN KANSALAISET YHTEENSÄ

Taulukko 1. Suomessa asuvien ulkomaankansalaisten määrän kehitys vuosien 1991 – 2015 välillä (Tilastokeskus 2016).

Ruutukartta toimii hyvin, kun halutaan esittää absoluuttisia lukuarvoja, kuten väestönmäärää tai rakennusten lukumäärää. Kartassa yleensä käytetään yhdenkokoisia ruutuja, jotka rajaavat alleen  pinta-alaltaan pieniä alueita, jotka toimivat hyvin yksityiskohtaisen tiedon esittämisen kannalta. Koropleettikartoissa sen sijaan toimivat parhaiten suhteelliset arvot, sillä mitä suurempaa aluetta kuvataan, sitä enemmän kuvattavaa ja yleistettävää tietoa on (Tilastokoulu).

 

LÄHDELUETTELO

Miettinen, Anneli: Maahanmuuttajien määrä (Vuoden 2016 tiedot). (http://www.vaestoliitto.fi/tieto_ja_tutkimus/vaestontutkimuslaitos/tilastoja/maahanmuuttajat/maahanmuuttajien-maara/) Väestöliitto. (Luettu 20.2.2018)

Miettinen, Anneli & Säävälä, Minna: Maahanmuuton perusteet (Vuoden 2011 tiedot). http://www.vaestoliitto.fi/tieto_ja_tutkimus/vaestontutkimuslaitos/tilastoja/maahanmuuttajat/maahanmuuton-perusteet/) Väestöliitto. (Luettu 20.2.2018)

Tilastokeskus: Teemakarta. (http://tilastokoulu.stat.fi/verkkokoulu_v2.xql?page_type=sisalto&course_id=tkoulu_teemak&lesson_id=4&subject_id=3) (Luettu 20.2.2018)

Tilastokeskus: Ulkomaankansalaiset (Vuoden 2016 tiedot). (https://www.tilastokeskus.fi/tup/maahanmuutto/maahanmuuttajat-vaestossa/ulkomaan-kansalaiset.html) (Luettu 20.2.2018)

Vilkama, Katja: Yhteinen kaupunki, eriytyvät kaupunginosat? (2:2011). (https://helda.helsinki.fi/bitstream/handle/10138/28183/yhteinen.pdf?sequence=1) Helsingin kaupungin tietokeskus. (Luettu 20.2.2018).

Virtanen, Sini: Ruutu on valttia (6.2.2018). (https://blogs.helsinki.fi/7k110738/2018/02/06/ruutu-on-valttia/) (Luettu 20.2.2018)

 

Kurssikerta 3. – Afrikan valtiot & Suomen virtaamavaihtelujen indeksit

Kolmannella kurssikerralla pääsimme tutustumaan hieman syvällisemmin tietokantojen yhdistämistä koskeviin toimintoihin, sekä uuden tiedon tuottamisen menetelmiin. Ensimmäisen tehtävän tarkoituksena oli opetella kasvattamaan  aineistoa hyödyntämällä ulkoisia tietokantoja. Käytimme Afrikka-aineistoa, joka sisälsi vain tiedon valtion rajoista sekä nimistä. Yhdistimme tietokantaan muun muassa Excel-muodossa olevan tietokannan Afrikan valtioiden väkiluvuista ja facebookin sekä internetin käyttäjistä.

Internetin läpinäkyvyys eli käyttäjien osuus väestöstä toimii hyvänä kehityksen mittarina. Esimerkiksi Keniassa, jossa internetin käyttöaste on 89% esintyy huomattavasti vähemmän konflikteja kuin muissa valtioissa. Tarkastelemalla Afrikan karttaa (kuva 1.) voidaan myös huomata, että maassa ei esiinny öljyesiintymiä tai timanttikaivoksia, jolla on hyvin mahdollisesti yhteys konfliktien vähäisyyteen ja näin myös suureen internetin käyttäjäasteeseen.

Aiheeseen liittyen loin yksinkertaisen teemakartan internetkäyttäjien suhteellisen osuuden jakaumasta Afrikan maissa sekä öljykenttien, timanttikaivosten ja konfliktialueiden sijoittumisessa (kuva 1). Näiden ilmiöiden korrelaatio on  todennäköisesti positiivinen, sillä erityisesti energiavarat, kuten Afrikan kohdalla öljyesiintymät, kasvattavat koko maan hyvinvointia. Tämä pitäisi näkyä tekniikan kehittymisessä ja edelleen internetinkäyttäjien määrän nousuna, mikä voidaan havainnollistaa Pohjois-Afrikan öjymaiden suurista käyttäjätasoista. 

Afrikan karttaa tutkimalla voidaan myös todeta, että lähes poikkeuksetta konfliktialueet sijaitsevat samoilla alueilla kuin, missä luonnonvarat esiintyvät. Johtopäätöksiä tästä ei kuitenkaan voida suoraan tehdä, sillä kiistoihin usein liittyy myös muun muassa kulttuurisia eroja. Lisäksi valtion koolla, väkiluvulla sekä konfliktien sijainneilla on myös merkitystä. Esimerkiksi todennäköisyys, että tietyillä sijainneilla esiintyy konflikteja on kytköksissä siihen miten sijainti on suhteessa pääkaupunkiin, kapinallisten päämajoihin sekä kansainvälisiin rajoihin (Håvard & Clionadh 2006).

Lisäksi olisi mielenkiintoista tutkia tietokantojen perusteella, miten konfliktien alkamisvuodet ovat yhteyksissä timanttikaivosten/öljykenttien löytämisajankohtiin ja esiintyykö näiden välillä korrelaatiota.  Esimerkiksi Angolan sisällisodan yksi syy oli kiista Cabindan provinssisn öljyvarojen hallinnasta. Cabindan on öljyrikas-alue, joka tuottaa yli 60%  Angolan öljystä, jonka takia sillä oli muun muassa merkittävä rooli kamppailuissa hallituksenarmeijan sekä sissiryhmien välillä (Journal of Peace, Conflict and Development, 2010).

Kuva 1. Teemakartta  internetin käyttäjista maittan Afrikassa.  Karttaan on liitetty tietokannat maanosassa esiintyvistä alueellisista konflikteista, timanttikaivoksista ja öljyesiintymistä.

Seuraavassa tehtävässä palasimme takaisin Eurooppaan ja lähdimme tarkastelemaan Suomen valuma-alueita. Tarkoituksena jälleen oli onnistua muodostamaan kartta, joka sisälsi samanaikaisesti kolme ominaisuuutta: tulvaindeksin, valuma-alueet sekä järvisyysasteen. Yksinkertaisesti kartat (Kuva 2. & 3.) esittävät sitä, minne Suomen vesi kasaantuu alueellisesti sekä visualisoi alueiden tulvaherkkyyksiä. Tulvaindeksi arvot saatiin laskemalla keskiylivirtaaman ja keskialivirtaamana suhde toisiinsa nähden (MHQ/MNQ). Järvisyysasteen ja valuma-alueet meille annettiin valmiina tietokantoina, jotka täytyi vain yhdistää yhdeksi tietokannaksi.

Kuva 2. Koropleettiteemakartta Suomen valuma-alueista.

 

Syitä veden jakautumiselle

Matalan tulvaindeksin alueilla on huomattavasti korkeampi järvisyysprosentti kokonais pinta-alasta (Katso kuva 3.). Samanlaisen havainnon oli tehnyt myös Lyyra Furu, joka huomasi nokkelasti, että tulvaindeksit ja järvisyysprosentit ovat siis kääntäen verrannollisia keskenään.  Blogissaan Eemil Becker oli tehnyt tästä mielenkiintoisen kaavion, josta voi havainnollistaa selkeästi, että kun tulvaindeksi kasvaa, niin järvien määrä vähenee. Kaavioon oltaisiin voitu vielä lisätä esimerkiksi käänteinen regressiokäyrä, paremmin havainnolistamaan muuttujien välistä riippuvuutta. Valuma-alueiden virtaamaan vaikuttaa  järvisyyden lisäksi myös, maastonmuodot, maankäyttö, maaperä sekä sää- ja vesistöolosuhteet (SYKE,2013). Esimerkiksi Etelä-Savossa esiintyy runsaasti järvialtaita sekä metsä kasvillisuutta, jotka varastoivat sadevettä hyvin.

Tulvia muodostavia alueita ovat erityisesti rannikkoalueet, mikä selittyy osaksi sillä, että ne ovat tiheästi asuttuja kaupunkiympäristöjä, joissa veden imeytyminen on heikompaa kuin esimerkiksi runsaasti kasvillisuutta ja huokoisen maaperän omaavissa metsäympäristöissä. Pohjanmaa on yksi esimerkki tulvaherkistä alueista, mikä todennäköisesti selittyy ihmisen toiminnan, sekä maanpinnan kohoamisen perusteella. Pohjanmaa on yksi alue Suomessa, jonka maanpinta on vähitellen kohonnut aina viimeisen Veiksel-jääkauden jälkeen. Tämä vaikeuttaa veden virtaamista mereen, sillä kaltevuudessa tapahtuvat geologiset muutokset aiheuttavat veden virtaamisen takaisin kohti sisämaata. Lisäksi Pohjanmaata sivuaa Suomenselän vedenjakaa, mikä  aiheuttaa Pohjanmaan jokien valuma-vesien virtaamisen Perämereen. Se erottaa myös Pohjanmaan valuma-alueen Järvi-Suomen vesistöjen valuma-alueista (ELY-keskus, 2014).

Karttaa (Kuva 3.) tarkastelemalla voidaan huomata, että Pohjois-Suomessa tulvaindeksi on myös alhainen. Tämä sen sijaan selittyy sillä ,että vedenjakaja ohjaa virtaukset kohti Jäämerta sekä Pohjanlahtea. Lisäksi pohjoisessa esiintyy runsaasti suo-alueita, jotka varastoivat sadevettä tehokkaasti, mikä edelleen selittää siellä esiintyvät melko vähäiset järvisyysasteet.

Kuva 3. Suomen valuma-alueet, tulvaindeksi ja järvisyysasteet.

 

 

LÄHDELUETTELO

Becker, Eemil. Harjoituskerta 3: Lisää soveltamista, (1.2.2018) https://blogs.helsinki.fi/beemil/ (Luettu 10.2.2018).

Furu, Lyyra. 3. Kurssikerta: Afrikka-tietokannan & Suomen valuma-alueiden tarkastelua, (10.2.2018) https://blogs.helsinki.fi/fufufu/ (Luettu 11.2.2018).

Håvard, Hegre & Clionadh, Raleigh. Population size, Concentration and Civil War. A Geographically Disaggregated Analysis, (21.9.2006). CSCW, PRIO & University of Colorado at Boulder (Luettu 9.2.2018).

Gonzales, Adrian: Petroleum and its Impact on Three Wars in Africa: Angola, Nigeria and Sudan, (Issue 16, 11.2010). Journal of Peace, Conflict and Development (Luettu 9.2.2018).

Pohjois-Pohjanmaan ELY-keskus. Pinnanmuodot ja vesistöt, (20.1.2014). Ympäristöhallinnin yhteinen verkkopalvelu. http://www.ymparisto.fi/fiFI/PohjoisPohjanmaan_ymparistohistoria/Pinnanmuodot_ja_vesistot (Luettu 10.2.2018).

Suomen ympäristökeskus SYKE. Tulvien esiintyminen, (24.6.2013). Ympäristöhallinnon yhteinen verkkopalvelu. http://www.ymparisto.fi/fiFI/Vesi/Tulviin_varautuminen/Olenko_tulvariskialueella/Tulvien_esiintyminen (Luettu 10.2.2018).

Kurssikerta 2. – Projektiot keskipisteessä.

Toisella luentokerralla keskityimme tarkastelemaan projektioiden merkitystä karttoja tehtäessä. Miten eri projektiot eroavat toisistaan ja mitä vaikutusta niillä on mittasuhteisiin, ulkoasuun ja lopputuloksiin. Projektio voi olla oikeapintainen-, oikeakulmainen- tai oikea-alainen projektio riippuen sen käyttötarkoituksesta. Esimerkiksi käyttämääni Mercatorin lieriöprojektioita käytetään usein navigoinnin, kuten merenkulun yhteydessä, sillä siinä mittakaava pysyy oikeana (Wikipedia). Lisäksi projektio voidaan valita sen mukaan, mistä kohtaa se sivuaa maapalloa. Vaihtoehtoa ovat lieriö-, taso- sekä kartioprojektiot.

Tehtävänä oli tehdä kaksi eri projektioon pohjautuvaa karttaa, jotka visualisoivat kuntien pinta-ala eroissa tapahtuvia vääristymiä. Vertailtaviksi projektioiksi valitsin Mercatorin- ja Wikel Tripel projektiot, joita vertailin Lambertin-projektion avulla mitattuihin pinta-aloihin. Harjoituksissa käytin Tilastokeskuksen tietokantaa:  Suomen kunnat 2018 (1:4 500 000).

Koordinaatiojärjestelmä Utsjoen pinta-ala, km² Suomen levein kohta, km
Sphere_Mercator 43800,78 1121,243
Sphere_Mollweide 5329,84 621,195
ETRS89/ETRS-LAEA 5332,718 509,958
Sphere_Robinson 7 578, 956 741,52
ETRS89/ETRS_TM35 5380,713 510,693

Taulukko 1. Mittaustuloksia Utsjoen pinta-alasta sekä Suomen leveimmän kohdan pituus esitettynä eri koordinaatistojärjestelmien avulla.

 

Kuva 1. Karttaesitys oikeakulmaisen Mercatorin ja oikeapintaisen Lambertin  projektion pinta-ala eroista.

Koropleettikartan (Kuva 1.) tarkoituksena on osoittaa Mercatorin projektion aiheuttamien pinta-ala vääristymien suuruusluokka verrattuna Lambertin projektion lähes todellisiin arvoihin. Karttaesitystä, sekä Excell-taulukkoa (taulukko 1.) tarkasteltaessa voidaan huomata, että Mercatorin projektio suurentaa  kuntien pinta-aloja moninkertaisesti (297-730%). Lisäksi erot kasvavat pohjois-eteläsuunnassa ja suurimmat vääristymät esiintyvät pohjoisessa. 

Mercator on lieriöprojektio, joka sivuaa maapalloa päiväntasaajaalla. Lisäksi se on oikeapintainen projektio, joka näyttää mittakaavat oikeassa suhteessa. Projektio antaa tarkempaa tietoa päiväntasaajan alueella, mutta vääristymät kasvavat kohti napoja mentäessä samassa suhteessa kuin leveyspiirien välit kasvavat.  Maapallo on kolmiuloitteinen pallo, jota on mahdotonta projisoida kaksiuloitteselle tasolle yhden projektion avulla ilman ilmeneviä virheitä.  Niin kuin Meri Suppula toteaa blogikirjoituksessaan,  Mercatorin projektio soveltuu hyvin maailmankarttojen kuvaamiseen , mutta  heikosti pienten ja pohjoisten alueiden, kuten Suomen.

 

Miller Cylindrical ProjectionKuva 2. Kuvaesitys Mercatorin lieriöprojektiosta ja sen vaikutus pinta-ala suhteisiin.  ( http://gisgeography.com/cylindrical-projection/ ) 

Kuva 3. Karttaesitys sovelletun Winkel-Tripel ja oikeapintaisen Lamberton projektion pinta-ala eroista.

Edellisen tehtävän perusteella projektion valinnalla on siis väliä sen käyttötarkoituksen mukaan! Toiseksi esimerkiksi  sain inspiraatiota tutkimalla Elli-Nora Kaarton blogia ja valitsin vapaavalintaiseksi koordinaatiojärjestelmäksi Winkel-Tripel-projektion (Kuva 3.). Vääristymät pystytään havainnollistamaan hyvin selkeästi Mercatorin-projektion ja sen välillä (kuva 1. vrt. kuva  3.). Kartan legendaa tarkastelemalla voidaan huomata, että vääristymät ovat prosentuaalisesti 48-93%, lukujen kasvaessa pohjoiseen mentäessä.  Vääristymien lukuarvot ovat melko suuria, mutta eivät mitään verrattaessa Mercatorin jopa 7:n kertaisiin arvoihin. Pienemmät vääristymät  selittyvät sillä, että Winkel-Tripel projektio on sovellettu projektio, jossa mikään suuruus (pituus, kulma, pinta-ala) ei ole täysin oikein. Projektion päätarkoituksena on esittää kartta, joka on mahdollisimman tasapainoinen ja selkeä visuaalisesti.

 Kuva 4. Suomen väestöntiheys kuvattuna koropleettikarttana. Koordinaatiojärjestelmänä toimii Lambertin oikeapintainen projektio.

Viimeisenä tehtävä oli tehdä samankaltainen havainnollinen esitys projektien aiheuttamista vääristymistä, mutta tällä kertaa suhteuttaa kuntien pinta-alat väestöntiheyteen. Tämän tehtävän kanssa minulla oli enemmän ongelmia kuin edellisten, sillä olin onnistunut sekoilemaan vektori tasojen tallentamisen kanssa. Lisäksi en saanut JOIN-toimintoa toimimaan, joten jouduin laskemaan verrattavat pinta-alat uudelleen.

Jäkikäteen miettien kuvan 3. prosentuaaliset arvot olisivat voineet olla selkeyden vuoksi kokonaislukuja. Legendojen otsikot taas hieman enemmän karttaa avaavia, kuten esimerkiksi “Lambertin vs. Mercatorin pinta-alat, %” niin kuin Ville Pauno oli merkinnyt omiin karttaesityksiinsä.  Lisäksi karttaan olisi voinut merkitä nuolen, mikä osoittaa lukuarvojen kasvu suunnan.

Kurssikerta 2. tärkeimmät opitut asiat: Projektion valinnalla on suurta väliä karttojen mittasuhteisiin, ulkoasuun sekä tuloksiin. Vektoritasoja tallentaessa täytyy olla huolellinen siitä, mikä koordinaatiojärjestelmä on päällä. Jokainen käytetty projektio on hyvä tallentaa omana tasonaan.

LÄHDELUETTELO

Kaarto, Elli-Nora. 2. kurssikerta: Lämpimämpiä ajatuksia (28.1.2018) https://blogs.helsinki.fi/elkaelka/ (Luettu 5.2.2018)

Suppula, Meri.  2. kurssikerta: karttaprojektion suuri vaikutus (26.1.2018) https://blogs.helsinki.fi/merisupp/ (Luettu 5.2.2018)

Pauno, Ville. 2. kurssikerta-Projektioita (2.2.2018) https://blogs.helsinki.fi/vilpauno/ (Luettu 5.2.2018)

Gisgeography. Cylinder Projection: Mercator, Transverse Mercatori and Miller (27.1.2018) http://gisgeography.com/cylindrical-projection/ (Luettu 5.2.2018)

Wikipedia. Mercatorin projektio. https://fi.wikipedia.org/wiki/Mercatorin_projektio (Luettu 5.2.2018)

Kurssikerta 1. – Ensikosketus QGIS-ohjelmaan!

Ensimmäisellä luentokerralla pääsimme tutustumaan QGIS-paikkatietoohjelmaan, joka toimii tämän kurssin yhtenä työalustana. Ohjelman on ilmeisesti luonut vapaaehtoiset “GIS-velhot”, jonka takia se on ilmainen ja avoin kaikille sen käyttäjille. Ohjelman tarkoituksena, (niin kuin muidenkin paikkatietoa käsittelevien ohjelmien) on pystyä visualisoimaan, muokkaamaan, analysoimaan dataa sekä tietysti muodostaa karttoja.

Oppitunnilla  kuuntelin opettajan neuvoja tarkasti ja yritin pysyä perässä parhaani mukaan.  Yrityksestä ja suuresta motivaatiosta huolimatta, onnistuin kuitenkin kadottamaan tiedostoja, sekä ylikuormittamaan koko ohjelman, “Classic”. Neljän tunnin hermoromahduksen jälkeen päätin ladata ohjelman omalle koneelle ja koettaa kartan tekoa kotoa käsin oman ajan kanssa, jolloin viimein kartta alkoi näyttämään joltakin järkevän oloiselta.

Ensimmäisen luennon ja harjoituksen jälkeen, tulokseksi saatiin karttaesitys, mikä kuvastaa Itämeren ympärillä sijaisevien valtioiden typpikuormitusten osuuksia koropleettikarttana (Kuva 1). Karttaa tulkitsemalla voidaan selkeästi huomata, että Puolalla on suurimmat typpipäästöt. Seuraavaksi tulevat Venäjä ja Ruotsi. Ainoa Itämertä sivuava valtio, jonka typpikuormitus jää  3%, eli pienimmän luokittelurajan sisälle on Viro.

Kuva 1. Koropleettikartta Itämeren typpipitoisuuksista valtioittain.

Tulokset ovat hyvin epäsäännöllisiä ja joissakin tapauksissa jopa yllättäviä (Viro & Ruotsi),  joita tulkittaessa täytyy ottaa huomioon monia eri tekijöitä, kuten esimerkiksi valtion koko, sijainti Itämereen nähden, elinkeino sekä väestöntiheys.  Merkittävimpiä vesistöjä kuormittavia lähteitä ovat maatalous, yhdyskunnat sekä tuotantoteollisuus, jonka perusteella Puolan typpipäästöt ovat korkeimmat. Lisäksi haja-asutuksella, metsäteollisuudella, kalankasvatuksella sekä turvetuotannolla on oma osuutensa typenpäästöissä (SYKE, 2016). Puola on yksi viljellyimistä Euroopan maista, jossa tärkeässä roolisssa bruttokansatuoteesta on maatalous sekä teollisuus.  Tämän osoittaa myös oikeaksi Vivi Tarkan blogissa esiintynyt tilastotieto: “Puolan BKT:sta jopa 30% tulee teollisuudesta, kun sen osuus esim. Suomen BKT:sta on vain n. 16%”.

Kartan yhtenä ongelmana on se, että tulokset eivät huomio valtioiden pinta-aloja tai rajoja. Esimerkiksi suuret joet saattavat kulkea monien valtioiden läpi ja kuljettaa typpeä valuma-alueen rajojen ulkopuolelta Itämereen asti. Tämä huomattavasti vaikuttaa tutkimustuloksiin, sillä noin 75% typpikuormituksesta päätyy  jokien välityksellä tai suorana vesien kautta leviävänä kuormituksena Itämereen (HELCOM, 2010). Lisäksi päästöt näyttäisivät nousevan samassa suhteessa valtioiden pinta-alojen kanssa. Esimerkiksi Ruotsin rantaviiva sivuaa Itämerta suuremmalla pinta-alalla kuin muut maat. Yllättävänä poikkeuksena on kuitenkin Venäjä, joka  Ruotsin kanssa jakaa saman luokkarajan. Tämä voi mahdollisesti johtua a.) Venäjän heikoista ympäristö säädöksistä tai b.) Venäjän rannikolla esiintyy suuri määrä tiheästi asuttuja suurkaupunkeja, sekä teollisuuskeskittymiä (Esim. Pietari).

Blogissaan (Mannipet’s blog) Petri Manninen teki mielenkiintoisen havainnon, siitä että Tanska on asukastiheydeltään Itämeren alueen tiheimpiä, mutta päästökartassa se on aluuen pienimpiä saastuttajia. Verraten Tanskaa & Puolaa, yhdyn Manniseen siinä, että ainoa järkeenkäypä selitys ilmiölle on erot valtioiden taloudellisessa tilanteessa.

Onnistuin lopulta kartan luomisessa suhteellisen hyvin. Visuaalisesti kartta on helposti luettava ja ymmärrettävä, myös aiheeseen perehtymättömälle henkilölle. Jälkikäteen huomasin kuitenkin, että  legendan luokkarajat olisivat voineet olla järkevämpiä. Esimerkiksi viimeisellä luokkarajalla (13.3-33.7) on suuri vaihteluväli verrattuna muihin luokkiin, mikä aiheuttaa epäselvyyksiä suhteissa. Lisäksi luokkarajat menevät päällekkäin. Ohjelma muistuttaa ulkoisesti edellisessä kurssissa käytettyä Corel Draw-ohjelmaa, mutta eroaa suuresti sisällöltään . Ohjelma  vieläkin näin alkuun vaikuttaa toimintojen ja paneelien seka melskalta. Harjoitusten tekeminen  on kuitenkin selventänyt monia asioita  sekä motivaatiokin on noussut onnistumisien myötä. Perusominaisuudet ovat melko hallussa jo, mutta paljon epäselvyyksiä on vielä muun muassa tietokantojen tallentamisessa, niden kulkemissa poluissa sekä kokonaisuuden hahmottamisessa.

 


OSA II

Ensimmäisen kurssikerran tavoitteena oli myös tehdä toinen karttaesitys.  Saimme kotitehtäväksi ladata Suomen kunnat-kartta tietokannan, jota hyödyntämällä täytyi muodostaa korepleettikartta omavalintaisesta muuttujasta. Päätin tarkastella työttömyyttä kunnittain, minkä tuottaminen osoittautui edellisen tehtävän jälkeen helpoksi tehtäväksi. Yritin saada kuvista suurempia, mutta epäonnistuin siinä tehtävässä.

Kuva 2. Koropleettikartta Suomen työttömyysasteista kunnittain.

Karttaa tarkastelemalla voidaan huomata, että kuntien työttymyysaste on suurinta pohjois-Suomessa, erityisesti painottuen itäisiin kuntiin. Kunnittain työttömyyttä esiintyy eniten Pohjois-Karjalassa, Kainuussa ja Lapissa. Nämä ovat kuntia, jotka todennäköisesti kärsivät muuttotappioista sekä väestön ikärakenteen vanhenemisesta. Pienet ja syrjässä olevat kunnat eivät kykene tarjoamaan palvelualan töitä, mikä johtaa siihen, että  koulutettu ja nuori väestönosa muuttaa pois alueelta isompiin keskittymiin. Huoltotasekasvaa, mikä tarkoittaa sitä, että kaikki ylläpitokustannukset tulevat olemaan taloudellisesti kalliimpaa kunnalle. Tämä johtaa suuriin leikkauksiin, mikä taas palveluiden ja työpaikkojen  vähentymiseen.

 


 

LÄHTEET

Manninen, Petri. 1. Kurssikerta. (29.1.2018) https://blogs.helsinki.fi/mannipet/  (Luettu 1.2.2018).

Tarkka, Vivi. QGIS ja ensimmäinen kerta. (22.1.2018) https://blogs.helsinki.fi/vivitark/ (Luettu 1.2.2018).

HELCOMin Itämeren suojelun toimenpideohjeman BSAP:n toimeenpano SuomessaTilannekatsaus (17.5.2010),  Ympäristöministeriö. (Luettu 1.2.2018).

Itämeren typpikuorma Suomessa. (20.10.2016), Suomen Ympäristökeskus SYKE (Luettu 1.2.2018).