Kurssikerta 7

Viimeisellä kurssikerralla tehtävänä oli luoda oma kahden muuttujan kartta vapaavalintaiselta alueelta. Kurssityössä kuvastui hyvin nykyisen MapInfo-osaamiseni taso. Osaan käsitellä aineistoa ja tehdä monenlaisia juttuja edes jonkinlaisten ohjeiden avulla, mutta ilman apua ei moni ratkaisu tai mahdollisuus tulisi mieleen. Aivan perustason tietokantojen käsittely ja yhdisteleminen vaikuttaa sujuvan, mutta ongelmanratkaisukyvyn hahmottuminen ja kehittyminen vaatisi vielä aika paljon harjoittelua. Uusi toiminto edellisiin kurssitöihin verrattuna oli pikselimuotoisen kartan piirtäminen MapInfolla vektorimuotoon, ja paikkatiedon kytkeminen alueisiin. Itse asiassa muistin piirrostyön ensimmäisellä kolmanneksella, että tutkimusalueestani Italiasta oli edellisiltana löytynyt valmis paikkatietokartta. Kuitenkin piirretyn paikkatietokannan periaate ehti tulla tutuksi, tosin ei loppuun asti koetelluksi. Vastapainoksi sain virkistää muistiani kolmannelta kurssikerralta tutulla alueiden pienpien alueiden yhdistämisellä yhteisen nimittäjän (suuremman alueen) perusteella.

Kurssia edeltävän iltana etsiessäni suuren innostuksen vallassa sopivaa aineistoa löysin Italian tilastokeskuksen mainiot sivut (2012). Valitsin aiheekseni yliopistotutkinnon (alempi, ylempi tai tohtori) suorittaneiden yli 15-vuotiaiden naisten osuuden ja aborttien määrän 20-24 –vuotiailla naisilla tuhatta naista kohti. Tarkoitus oli tarkastella yleisen koulutustason ja nuorten (yliopistoikäisten) naisten aborttien määrän yhteyttä. Muuttujavalinnan provokatiivisuudesta huolimatta en pitänyt yhteyttä odotettavana, oikeastaan vain mielenkiintoisena tutkimuskohteena. Taulukoita etsittyäni huomasin, että yhteys ei ole suorastaan ilmiselvä, mutta päätin jatkaa valitulla tiellä.

kartta

Kuva 1. Kartta yliopistotutkinnon suorittaneiden naisten osuudesta ja aborttien määrästä 20-24 -vuotiailla sekä maisemista Italian eri alueilla. Huomaa, että yliopistotutkintojen osuuden luokkarajat eivät ole jatkuvia. Aluetta klikkaamalla aukeaa kuva maisemasta valitulla alueella.

Kartalta (Kuva 1: linkki ”kartta”) ei havaita selkeää yhteyttä kuvattujen muuttujien välillä. Suhteellisesti suuria aborttien määriä on sekä koulutetummilla että vähän koulutetuilla alueilla ja vastaavasti pieni aborttien määrä melko korkeasti koulutetulla Abruzzon alueella. Oletettavasti aborttivastaisuus liittyy yliopistokoulutusta enemmän hartaaseen katolilaisuuteen. Mahdolliset yhteydet yliopistotutkintojen ja aborttien välillä johtunevat ennemminkin yhteisvallitsemista kuin syy-seuraus-suhteesta: samalla alueella sattuu olemaan muista syistä paljon tai vähän sekä koulutettuja että abortteja. Kenties merkillepantavin alueellinen piirre on se, että niemimaan eteläisimmän osan alueilla aborttien määrä on pieni. En tiedä mistä se johtuu, mutta mielikuvissani eteläisimpään Italiaan yhdistyy tietynlainen vanhoillisuus (ja mafia).

Karttaa voisi tutkia juuri Italian alueellisia eroja kuvaavana molempien muuttujien osalta – erot ääriarvojen välillä ovat melko suuret. Yliopistojen määrän esittäminen pylväinä olisi ollut järkevää koulutustason tulkitsemisen kannalta. Se olisi myös ollut mainio lisä alueellisten erojen kuvaamiselle. Myös tarkempi tutustuminen Italiaan olisi avannut tulkinnan mahdollisuuksia. Suureksi ilahduksekseni Aino Ropponen (29.2.) on ulottanut Italia-tietämyksensä minunkin kartan tutkimiseen: “Esimerkiksi hyvinvoivassa Venetossa, jossa sijaitsee suuri 60 000 opiskelijan Padovan yliopisto (Università degli Studi di Padova), näyttäisi yli 15-vuotiaista naisista vain alle kymmenellä prosentilla olevan yliopistotutkinto!”

Laskin jälkikäteen korrelaation ja piirsin pistediagrammin (kuva 1). Korrelaatio oli 0,48 ja selitysaste vain 0,23, joten luvutkaan eivät yhteyttä tue (olisi voinut laskea ennen kartan tekoa, mutta miten olisi käynyt motivaation?!)

Kuva 2. Aborttien määrän ja yliopistotutkinnon suorittaneiden osuutta kuvaava pistediagrammi. Jokainen piste kuvaa aluetta italiassa.

Koska kartan tekeminen sujui yllättävän joutuisasti, ja tuloskin oli aavistuksen pettymys, päätin repäistä ja lisätä linkkejä karttaan. En keksinyt mitään ovelaa teemaa abortteihin tai yliopistoihin liittyen, joten antauduin Italian kauniille maisemille. Linkkien liittäminen oli yllättävän helppoa, ja suurin aika menikin kuvien etsimiseen ja valmiin kartan taistelemiseen blogiin. Kuvien tehtävä on syventää lukijan Italiakuvaa, jota suhteelliset muuttujat raapivat. Visuaalisesti kartta on melko onnistunut. Värit ovat hieman turhan kirjavia.

Kokonaisuudessaan kurssi antoi hyvät valmiudet MapInfolla työskentelyyn. Valmiuksien pohjalta on mukaan helppo kerrata ja oppia uutta kulloisenkin tarpeen mukaan. Yleinen käsitys paikkatiedon rakenteesta ja luonteesta auttaa tunnistamaan paikkatiedon avulla lähestyttäviä ongelmia ja tarjoaa muillekin kuin maantieteilijöille mielenkiintoisen näkökulman ilmiöiden tarkasteluun. Opetuksen kannalta kurssin antama ymmärrys paikkatietojärjestelmän periaatteista, mahdollisuuksista ja riskeistä on erityisen arvokasta. Toki suuri osa ajasta kului teknisten asioiden opetteluun. Kurssin alkaessa olin valmis ajattelemaan, että tämä on sitten elämäni viimeinen koitos MapInfon tai muiden paikkatieto-ohjelmien parissa. Nyt tuntuu siltä, etten panisi niin pahaksenikaan, jos opituille taidoille sattuisi tulemaan joskus myöhemminkin käyttöä. Se taitaa olla lopulta kurssin mieleenpainuvin anti.

Lähteet:

Italian tilastokeskus (26.2. 2012). <http://en.istat.it/>. Luettu 26.2. 2012

Ropponen, A (29.2. 2012). Aino opiskelee geoinformatiikkaa, kurssikerta 7. <https://blogs.helsinki.fi/ainoropp/>

Artikkeli 2

Queen ja Blinn valottavat artikkelissaan (2004) paikkatietojärjestelmän olemusta, rakennetta ja käyttämistä. Artikkeli on suunnattu aloittelijoille, jotka haluavat tutustua paikkatietojärjestelmän käsitteeseen tai alkaa käyttää geoinformatiikkaa. Vaikka julkaisu on liki 20 vuotta vanha, se toimii edelleen hyvänä perustietona aiheeseen. Täytyy tunnustaa, että en ole kaikkien käytännön harjoitusten lomassa juuri päätäni vaivannut geoinformatiikan käsitteellistämisellä. Ajoittain paikkatietojärjestelmät ovat ehkä tuntuneet melko itsestään selviltä toimintaympäristöiltä, ja keskittyminen on kohdistunut teknisten ja käytännön ongelmien ratkaisemiseen (milloin päivittää blogia ym.).

Artikkelissa todettiin, että paikkatietojärjestelmän lukuisista osista huolimatta mielekkäintä ja hedelmällisintä on tarkastella itse paikkatietoa (sijainti + ominaisuus) kaiken keskiössä. Muut osat ovat lopulta apuvälineitä datan analysoimista ja julkaisua varten. Käyttäjän vastuu on järjestelmän ohjailun ja käyttämisen(!) lisäksi myös suhtautua kriittisesti alkuperäiseen paikkatietoon ja sen rajoitteisiin. Toki tämä käyttäjän vastuu vaihtelee käyttäjätyypeittäin: paikkatiedon kerääjällä ja analysointia tekevällä käyttäjällä se on suurin, mutta myös valmiiden tuotosten käyttäjän pitää muistaa kriittisyys.

Kurssilla olemme lähestyneet geoinformatiikkaa juuri paikkatiedon näkökulmasta, eikä tekninen harjoittelu ole mielestäni sumentanut, pikemminkin kirkastanut, paikkatiedon keskeistä osaa. Toki nykypäivän tietotekniikkaympäristössä hardwaren, ja ehkä hieman softwarenkin rooli jää enemmän kulissiksi. Käyttäjän osa sen sijaan muuttuu teknisen puolen toisaalta helpottuessa ja toisaalta monipuolistuessa yhä keskeisemmäksi. Artikkelin perusteella osaisin ottaa vastaukseeni geoinformatiikan luonteesta mukaan kaikki paikkatietojärjestelmän kopmonentit, ja tarkastella niiden suhdetta kaikista keskeisimpään, paikkatietoon itseensä.

Suurin ero karttojen tekemiseen geoinformatiikan avulla ja ilman sitä liittyy kartoilla esitettävän datan muokattavuuteen. Tavallisesta sähköistä karttaa voidaan toki manuaalisesti muokata. Ominaisuuksia kuvaavia vektorien tai pikseleiden sijaintia ei ole kuitenkaan sidottu koordinaatistoon, jolloin niihin on mahdoton liittää useita ominaisuuksia, ja muokkaaminenkin voi olla kömpelöä. Jos karttaan on liitetty paikkatietokantoja, muokattavuus ja päivitettävyys ovat sen sijaan toista luokkaa. Kartan sähköiseen koordinaatistoon sidottuihin pikseleihin (rasterikartat) tai pisteisiin, viivoihin ja alueisiin (vektorikartat) voidaan liittää paikkatietokantoina periaatteessa loputtomasti ominaisuuksia. Tämä mahdollistaa useiden ominaisuustietojen yhdistelemisen erilaisiin karttaesityksiin ja niiden tulkitsemisen (overlay-analyysi). Sen lisäksi koordinaatistoon sidottua tietoa voidaan käsitellä ja analysoida helposti matemaattisilla toiminnoilla paikkatieto-ohjelman avulla, mikä mahdollistaa yksinkertaista overlay-analyysia monimutkaisemmat tutkimukset paikkatietojen suhteista.

 

Lähteet:

Queen, L., Blinn, C. (2004). The Basics of Geographic Information Systems. <https://moodle.helsinki.fi/file.php/5997/artikkeli2_basics_of_GIS.pdf>

Kurssikerta 6

Kurssikerran varsinaisena harjoitustyönä tehtiin kolmen kartan sarja maanjäristyksistä. Lähteenä käytettiin yhdysvaltalaisen maanjäristystietoja rekisteröivän ja julkaisevan toimijan (ASSN) dataa. Kartoilla oli tarkoitus havainnollistaa maanjäristysten lisäksi myös muuta tietoa siten, että ne olisivat käyttökelpoisia erilaisten maantieteellisten aiheiden opetuksessa. Valitsin karttoihini aiheiksi vuonna 2010 tapahtuneet 5-10 Richterin (kuva 1), vuonna 2010 tapahtuneet 2-5 Richterin (kuva 2) sekä vuosina 1950-1960 tapahtuneet 5-10 Richterin (kuva 3) maanjäristykset.

Kuva 1. 5-10 magnitudin järistykset vuonna 2010

Kuva 2. 2-5 magnitudin järistykset vuonna 2010

Kuva 3. 5-10 magnitudin järistykset 1950-1960.

Vuoden 2010 kartoilla pyrin havainnollistamaan ensinnäkin laattatektoniikan ja maanjäristysten yhteyttä. Laattatektoniikan opetus noudattaa mielikuvani mukaan yleensä rakennetta, että ensin todetaan litosfäärilaattojen olemassaolo ja sitten opetellaan siitä seuraavia ilmiöitä. Inspiroiva näkökulma voisi olla tutkia aluksi maanjäristyskarttoja, järistyspisteiden muodostamia säännönmukaisia muotoja, arvailla järistysten syytä ja johdatella oppilaat litosfäärilaattojen maailmaan. Toki kartat toimivat myös tyypillisessä merkityksessään ”todisteena” laattaliikuntojen vaikutuksesta, mutta opetusmielessä motivoivampaa olisi käyttää niitä ajattelun herättäjinä. Timo Säyrisen blogissa (20.2.) on esitetty samankaltaisella kartalla myös mannerlaattojen nimet, mikä on hyvä lisä ja esimerkiksi edellä kuvattuun metodiin sopiva loppupäätelmä / yhteenveto.

Litosfäärilaattojen sijoittuminen olisi paikoin havainnollistunut paremmin, jos samalla kartalla olisi esitetty enemmän järistyksiä (kaikki voimakkuudet tai useampi vuosi). Myös heikommat järistykset esittämällä laattojen rajat olisivat tosin jääneet myös epäselvemmäksi esimerkiksi Himalajan ja Länsi-Amerikan alueilla, missä laattaliikkeet aiheuttavat lievempiä järistyksiä laajalla alueella. Karttojen yhteistarkastelu antaa kuitenkin laattojen rajoista riittävän kuvan.

Kahdella järistyksen voimakkuudelta eroavalla kartalla halusin havainnollistaa lievempien järistysten yleisyyttä myös asutuilla alueilla. Ajattelin, että järistysalueiden sijoittumisen pohjalta voisi tehdä päätelmiä myös tiheän asutuksen sijoittumisesta. Harmikseni väentiheyskartan (http://soils.usda.gov/use/worldsoils/mapindex/popden.html) ja järistyskartan vertaaminen ei kuitenkaan anna aihetta oivalluksille korrelaatiosta. Mielenkiintoista on kuitenkin tarkastella, missä päin maailmaa maanjäristyksistä koituu suurin riski asutukselle. Toisaalta lievempien järistysten kartasta voi tarkastella vakaan kallioperän alueita, vaikka ydinjätteelle. Järistysten luokittelun luokkavälejä olisi voinut hioa, ja toisen luokan rajata kenties vielä voimakkaampiin järistyksiin. Myös oma kartta voimakkaimmista järistyksistä tai voimakkaimpien järistysten erottaminen omalla värikkään (Aino Ropponen 22.2.) olisi ollut hyvä ratkaisu. Näin karttoihin olisi voitu liittää myös havainnollisia tapausesimerkkejä.

Kolmannella kartan (kuva 3) avulla oli alun perin tarkoitus tarkastella mahdollisia muutoksia laattaliitosten aktiivisuudessa. Kävi kuitenkin ilmi, ettei viidenkymmenen vuoden takaa ole läheskään samanlaista dataa kuin nykyajalta, eivätkä kartat ole vertailukelpoisia. Historiallinen näkökulma tarjoaa kuitenkin mahdollisuuden pohtia maanjäristysten mittaamisen tärkeyttä ja mittaamiseen liittyvää tekniikkaa. Myös laattatektoniikan historiaa ja tutkimusta voi aasinsillan kautta sivuta.

 

Lähteet:

ANSS catalog search (20.2.2012). <http://quake.geo.berkeley.edu/anss/catalogsearch.html>

Ropponen, A (22.2. 2012). Aino opiskelee geoinformatiikkaa, kurssikerta 6. <https://blogs.helsinki.fi/ainoropp/>

Säyrinen, T (20.2. 2012). Timon blogi, kurssikera 6. <https://blogs.helsinki.fi/sayrinen/>.

Väentiheyskartta. US department of agriculture. <http://soils.usda.gov/use/worldsoils/mapindex/popden.html> luettu 25.2.2012

Kurssikerta 5

Kurssikerralla opeteltiin bufferointityökalun käyttö MapInfossa. Sen jälkeen tehtiin lukuisia harjoituksia, joissa yhdisteltiin bufferointia ja jo aiemmin opeteltuja taitoja. Bufferointi oli itsessään yksinkertainen työkalu, jolla voitiin rajata tietyn etäisyyden päähän objektista ulottuva alue. Sen sovellusmahdollisuudet harjoitustyön ongelmissa tuntuivat kuitenkin suurilta. Edellisissä harjoitustöissä on kerätty tai koostettu uutta tietoa lähinnä yhdistelemällä valmista paikkatietotietoa erilaisista ilmiöistä ja esittämällä ilmiöitä kartoilla. Bufferoinnin avulla voidaan lähestyä paikkatietojen keskinäisiin etäisyyksiin liittyviä ilmiöitä. Hyvä esimerkki on harjoitustyössä käytetyn asuntotietokannan tarkastelu jonkun tutkimuksen kannalta mielenkiintoisen paikan, kuten juna-aseman tai koulun kannalta. Bufferointia voisi käyttää myös hieman käänteisesti harjoitustyöhön verrattuna: mihin (vaihtoehtoisista paikoista) sijoitettuna esimerkiksi kuntoutuskeskuksen alueella olisi mahdollisimman paljon vanhusväestöä? Aino Ropponen mainitsee blogissaan (17.2.) sovellusmahdollisuuksina myös pistemäisten kohteiden, esim. erikoisliikkeiden, vaikutusalueiden päällekkäisyyden tutkimisen.

Kurssikerran harjoitteluun liittyi myös tavallisen peruskartan sijoittaminen digitaaliseen koordinaatistoon. Näin kartan pisteistä (esim. talot) saatiin yksinkertaisen digitoinnin jälkeen paikkatietoa. Nyt ymmärrän periaatteessa, miten paikkatietoaineistoa voi tuottaa ”tyhjästä” (ilman kopioidun kurssikansion antimia), vaikka vain koordinaatistoon sijoitettavasta ilmakuvasta ja maastohavainnoista. Biologiassa (pääaineeni) ja luonnonmaantieteessä ainakin kasvillisuus- ja eliöstöanalyyseissä paikkatietojärjestelmien käyttö tulee varmaan lisääntymään. Paikkatietoa voidaan tehokkaasti ja monesti riittävän tarkasti kerätä myös kaukokartoituksen keinoin. Sosiaalisista ja hallinnollisista ilmiöistä on paljon valmista yksityiskohtaista paikkatietoa, joten sen käyttö on tekniikkaa opettavalla kurssilla ymmärrettävää.

On vaikea sanoa minkälaisia ongelmia MapInfon avulla pystyy ratkaisemaan/tutkimaan, kun omat taidot ja kokemus ovat vielä melko suuri rajoite. Ohjelman käyttäjän on ymmärrettävä teknisten ratkaisujensa ja analyysien rakenne sekä tunnettava aineiston yksityiskohtaisuus ja luotettavuus, jotta ei erehtyisi pitämään tuloksiaan liian yksioikoisina. Tämä kyllä pätee kaikenlaisen tutkimukseen. Yksi selkeä reunaehto paikkatietoaineistossa kuitenkin on: sen täytyy olla kvantitatiivista tai luokiteltavissa numerisoitaviin luokkiin. Voihan sijaintitietoihin liittää valokuvia tai vaikka runoja, mutta paljon lisäarvoa eivät paikkatieto-ohjelmiston ominaisuudet silloin aineistolle tuota. Toki valokuvia voi luokitella keltaisen värin määrän tai runoja iloisuuden asteikolla 1-4 mukaan ja tehdä kartan helsinkiläisestä tunneilmastosta, jos rahoitus ei ole kaikki kaikessa.

Mitkä ovat osaamiseni perusteella MapInfon keskeisimmät työkalut? Jos työkalut käsittää vähän laajemmin, niin kyllä kai tietokantojen muokkaaminen, yhdisteleminen (erityisesti pistetietokannan yhdistäminen alueita sisältävään) ja nasevien kyselyiden tekeminen tietokannoista ovat olleet eniten käytössä. Mutta tietysti kaikkein keskeisin on Create thematic map, kun se on vaan niin kiva.

Alla on koottuna itsenäisten tehtävien vastaukset (kuva 1) sekä viimeisessä tehtävässä tuotettu kartta uima-altaiden sijoittumisesta pääkaupunkiseudulla (kuva 2). Kartta on rajattu käsittämään lähinnä Helsingin pienalueet, sillä Ympäryskunnista ei mitä ilmeisimmin ollut validia tietoa saatavilla. Tai sitten Westendissä on tosiaan vain kaksi uima-allasta, ja olen elänyt väärinkäsityksessä. Uima-allasmäärän epätasaiseen jakautumiseen on varmasti useita syitä. Toisin kuin esimeriksi varallisuus, uima-altaat eivät ole liikkuneet arvostetummille tai kalliimmille asuinalueille, vaan ne on rakennettu joko talon rakentamisvaiheessa tai jälkikäteen. Veikkaan, että vaikka altaita nykyään pidetään luksusjuttuna, niin johonkin aikaan rakennetuissa pientaloissa ne ovat olleet paljon yleisempiä kuin nykyään rakennettavissa. Tämä voisi selittää ainakin Pakilan suurta allasmäärää. Tietty varakkailla alueilla rakennettaviin uusiin taloihin rakennettaan usein altaita vieläkin, mikä selittää läntisimmän ja mereisimmän Helsingin pylväitä. Suurin arvoitus minulle ovat nuo idän melko suuret allasmäärät. Olisivatkohan tietyn uudehkon aikakauden kerrostaloihin rakennettuja? Olisi helpottanut tarkastelua, jos pylväät olisi vielä jakanut osiin talotyypin mukaan.

Kuva 1. Vastaukset itsenäistehtäviin.

 

Kuva 2. Uima-altaat Helsingissä pienalueittain. Yli kymmenen allasta sisältävät alueet ovat nimetty.

Lähteet:
Ropponen, A (17.2. 2012). Aino opiskelee geoinformatiikkaa, kurssikerta 5. <https://blogs.helsinki.fi/ainoropp/>

 

Mapping America

The New York Timesin (2012) karttapalvelussa on esitetty koko Yhdysvallat kattavia teemakarttoja. Kartoilla on esitetty mm. etnisten ryhmien, tulotason, asunnon arvojen, vuokrien, asuntolainojen, homoparien ja koulutustason jakautuminen sekä osavaltion osien (county) että pienempien väestölaskenta-alueiden (census track) kesken. Alla on palvelusta tehty SWOT-analyysi.

Mainittakoon vielä erikseen, että monet palvelun mahdollisuudet ja uhat ovat monesti kolikon kääntöpuolia. Oikein ja huolellisesti käytettynä palvelu tarjoaa luovia mahdollisuuksia rajoittamattomalle ihmisjoukolle. Toisaalta käyttäjien hyväuskoisuus, ennakkoasenteet ja ymmärtämättömyys voivat johtaa myös mahdollisesti vahingollisiin seurauksiin.

Suomen tilastokeskus tarjoaa paljon yksityiskohtaisempaa tietoa, mutta osan siitä vain rajatulle käyttäjäkunnalle tai maksullisena. Tieto perustuu laajoihin tilastoihin – ei siis näytteisiin – ja on siten luotettavaa. Paikkatietoa on hyvin vähän valmiiksi visualisoitu, joten tavallisen kansalaisen on vaikeaa päästä tarkastelemaan haluamiaan aiheita kartalla. Tietämys ilmiöiden jakautumisesta lähialueilla ja valtakunnan tasolla jää vähäisemmäksi, pitkälti aineistosta karttoja muokkaavien tahojen (kuten median ja TVT3-kurssilaisten) varaan. Toisaalta todellista jakautumista voimistavat tulkinnat esimerkiksi alueiden eriarvoisuudesta eivät ole niin todennäköisiä. Tieto ja asenteet, jotka johtavat tiettyjen alueiden pitämiseen alempiarvoisena, tulevat kuitenkin usein muita teitä kuin avoimista paikkatietopalveluista. Alueiden eriarvoistuminen on Yhdysvalloissa alkanut ja tapahtunut jo ennen tämänkaltaisten paikkatietosovellusten olemassaoloa. On toki hyvä muistaa, että itseään voimistava eriarvoistumisen kierre voi syntyä ja saada virtaa pienistäkin

 

Lähteet:
The New York Times. Mapping America: Every City, Every Block, 9.2.2012. <http://projects.nytimes.com/census/2010/explorer>

Kurssikerta 4

Kurssikerralla harjoiteltiin ruututeemakartan tekemistä. Aineistona oli pistemuotoinen tietokanta pääkaupunkiseudun asuinrakennuksista ja niissä asuvien henkilöiden ominaisuuksista. Pääkaupunkiseudun kartan päälle piirrettiin ruudukko ja kunkin ruudun sisään sijoittuvat asuinrakennukset määrittivät valitun ominaisuuden arvon ruudussa. Ruututeemakartalla voi esittää myös absoluuttisia arvoja (toisin kuin hallinnollisiin rajoihin perustuvilla koropleettiteemakartoilla), sillä ruudut ovat samankokoisia.  Tosin esitetyt arvot on suhteutettu pinta-alaan (ruudun koko), jolloin ne periaatteessa ovat suhteellisia. Tarkastelun ja tulkinnan kannalta pitää kuitenkin muistaa arvojen absoluuttinen luonne.

Kuva 1. Muunkielisten (ei suomi tai ruotsi) määrä pääkaupunkiseudulla.

Valitsin julkaistavaksi teemakartaksi muunkielisten (kuin suomen- tai ruotsinkielisten) asukkaiden lukumäärän 250 m² ruudulla (kuva 1). Kokeilin samaa myös suuremmalla 350 m² ruudukolla, mutta pienemmän ruudukon suurempi erottelukyky oli mielestäni tärkeämpää kuin hieman parempi luettavuus, joten päädyin pienempään ruudukkoon. Kartalla täysin asumattomat ruudut ovat valkoisia, minkä olisi ehkä voinut mainita legendassa. Visuaalisesti kartta olisi ollut parempi, jos esitettäväksi olisi rajattu pienempi alue, esim. pelkkä Helsinki. Toisaalta ilmiön tarkastelu laajemmalla alueella antaa enemmän tulkintamahdollisuuksia, ja myös Helsingin sisäisiä eroja voi havaita.

Yksi huomionarvoinen tekninen seikka on, että osa rakennuksista osui juuri ruutujen rajalle, jolloin MapInfo laski ne kuuluviksi molempiin ruutuihin. Tästä aiheutuva virhe on mahdollista korjata, mutta siihen ei kurssilla ryhdytty. Virhe korostuu, kun käytetään pienempää ruutukokoa, sillä silloin useampi rakennus osuu ruudun rajalle. Samasta syystä tiheästi taloja sisältävät alueet saavat suhteellisesti suurempia arvoja kuin harvan rakennetut alueet. Sama koskee jossakin määrin myös tiheitä kerrostalo-alueita, sillä kerrostalon asukkaiden laskeminen kahteen ruutuun nostaa arvoja pientaloa voimakkaammin. Kyseisellä kartalla (kuva 1) virhe saataisi näkyä esimerkiksi Helsingin keskustan liiallisena tummuutena. En kuitenkaan usko virheen olevan kovin iso, enkä tarkastele sitä sen enempää ilman tarkempaa tietoa (tieteentekijän asenne).

Kartalta havaitaan muunkielisten suhteellisen suuri määrä 1) tiheään asutuilla alueilla (mm. Helsingin kantakaupunki, Kallio, Espoon keskus), 2) idän klassikkoalueilla (mm. Vuosaari, Mellunmäki) sekä 3) junaratojen läheisyydessä. Luulen että ainakin kohtia 1) ja 3) selittää pitkälti suuri kokonaisasukasmäärä: Siellä missä on paljon asukkaita on myös ympäristöä enemmän muunkielisiä. Toisaalta hypoteettisia selityksiä voisivat olla myös perheettömyys (pienten asuntojen alueet) ja työpaikkojen läheisyys tai työmatkan nopeus (työn perässä maahan muuttaneet). Kohdan 2) alueilla todennäköinen syy on maahanmuuttajaväestön keskittyminen alueille. Tähän on syynä mm. halvempi vuokrataso (ja kaupungin vuokra-asuntojen suuri määrä) ja asuttamispolitiikka. Alueellinen eriytyminen on myös itseään voimistava ilmiö: kantaväestö muuttaa pois ja toisaalta maahanmuuttajien osuuden kasvu houkuttelee lisää maahanmuuttajia.

Kartan rinnalla olisi hyvä tarkastella asukasmäärää kuvaavaa karttaa, jolloin yleisestä asukasmäärästä riippumattomat selitykset muunkielisten määrälle olisivat perustellumpia. Itse asiassa koko ruututeemakartan olisi voinut tehdä muunkielisten osuudesta kaikista asukkaista. Kuten edellä vihjattiin, absoluuttisten arvojen tulkitseminen voi olla haasteellista. Etenkin kun tutkittavan ilmiön jakautumisessa mielenkiintoisinta on ilmiön suhteellinen puoli (muunkielisten osuus). Tällä kertaa absoluuttisten arvojen esittäminen ruututeemakartalla ei siis ollut paras ratkaisu ilmiön kuvaamiseksi. Ehkä kolmannella yrittämällä sitten (vrt. Kurssikerta 2). Olisikohan, kuten Liisa Halonen (11.2.) pohtii, ideana ollut lisätä koropleettokartantekijän tervettä inhoa absoluuttisia lukuja kohtaan?

Ruututeemakartan etu perinteiseen koropleettikarttaan on ilmiön todellisen, subjektiivisia rajoja mukailemattoman esiintymisen kuvaaminen. Esimerkiksi pääkaupunkiseudun pienalueita käyttäen tehdyltä vastaavalta kartalta (muunkielisten osuuksilla) ei havaittaisi mahdollista eroa ratojen varsilla yhtä selkeästi. (Esimerkki on huono, sillä eroa ei välttämättä ole, mutta ajatus on tärkein.) Tämä ruutukartan etu on suurin silloin, kun muut mahdolliset aluerajaukset ovat pienintä luettavaa ruutukokoa huomattavasti suuremmat. Tässä tapauksessa valmiita pienalueita käyttäen olisi saatu myös aika tarkka tulos. On huomattava myös, että ruututeemakarttaan käytetyn aineiston on oltava tilastoitu paljon ruudun kokoa pienempiin yksikköihin. Usein tilastoinnissa käytetään hallinnollisia rajoja, jolloin ruututeemakartta toimii vain niitä paljon pienimittakaavaisemmalla tasolla.

Lähteet:
Halonen, Liisa (11.2. 2012). Kurssikerta 4. <https://blogs.helsinki.fi/liisahal/>.

Kurssikerta 3

Afrikka

Kurssikerralla tutustuttiin paikkatietokantojen rakenteeseen ja harjoiteltiin tietokantojen muokkaamista MapInfolla. Harjoitusmateriaalina käytettiin Afrikan karttapohjaa, joka tulevaa käyttöä varten muokattiin sisältämään yhden aluetiedon valtiota kohti. Tietokantaan yhdistettiin öljykenttien, timanttikaivosten ja konfliktipaikkojen sijainnit. Oheiseen tiedotusblogissa julkaistuun karttaan (kuva 1) on kurssilla tarkasteltujen paikkatietojen ohella kuvattu myös konfliktialueiden laajuus pistesijaintien lisäksi.

Kuva 1. Afrikan timanttikaivokset, öljykentät ja konfliktialueet.

Kartasta huomataan, että konfliktit ovat laajalti sijoittuneet alueille, joilla on paljon timanttikaivoksia mantereen länsirannikolla ja länsiosissa. Pohjoisessa öljykenttien alueella on enemmän konflikteja kuin öljyttömillä alueilla. Mielenkiintoista on, että myös poikkeuksia löytyy. Esimerkiksi Libyan alueella ei aineistonkeruuhetkellä ole ollut konflikteja, vaikka valtiolla on runsaasti öljykenttiä. Syy löytyy vahvasta, diktatuurisesta hallinnosta. On toki muistettava, että öljyvarat eivät olleet tuoreen kansannousun suoranainen aiheuttaja, vaikka varojen epätasainen jakautuminen kansan silmissä varmasti suuri syy olikin. Yleisesti ottaen pohjoisen kehittyneempien valtioiden alueella on vähemmän konflikteja kuin muualla.

Myöskään konfliktialueiden rajat ja laajuus eivät selity timanttikaivosten tai öljykenttien sijoittumisella. Monin paikoin pistemäisenä kuvattu konflikti vaikuttaa kyseisen valtion alueella tai suuressa osassa valtiota (Etelä-Sudan). Tämä kertoo siitä, että konfliktit ovat poliittisia ja johtavat laajoihin valtataisteluihin ja jopa sisällissotiin valtioiden – kolonialismin ajalta keinotekoisten – rajojen sisällä. Myös imperialististen teollisuusmaiden vaikutus ja hyödyntavoittelu näkyy konfliktien sijoittumisessa (Säyrinen 31.1., Haapanen 1.2.). Länsirannikolla on paitsi paljon timanttikaivoksia myös eniten konflikteja. Länsimaiden,  ja yhä enemmän myös Kiinan, toiminta alueilla voi kasvattaa valmiita jännitteitä ihmisryhmien välillä mm. lisäämällä korruptiota ja eriarvoisuutta.

 

Tulvaindeksikartta

Kurssikerran varsinaisessa harjoitustyössä koottiin valuma-alueiden tulvaindeksiä ja järvisyyttä kuvaava kartta eri tietokannoista löytyviä tietoja yhdistelemällä (kuva 2). Tulvaindeksi laskettiin koskiylivirtaaman ja keskialivirtaaman suhteena eli se kuvaa jokien tulva-ajan virtaaman osuutta kuivan ajan virtaamasta. Korkea tulvaindeksi kertoo voimakkaista tulvista ja siten valuma-alueen tulva-alttiudesta. Tulvaindeksien arvot vaihtelivat suuresti siten, että suurin osa valuma-alueiden arvoista oli hyvin alhaisia, mutta joukossa oli myös korkeita arvoja ja muutama huippuarvo.

Luokitteluna käytettiin sovinnaisia luokkarajoja. Ylimmän luokkaraja katkaistiin legendaa varten, jotta omaan luokkaansa sijoittuvan Aurajoen valuma-alueen poikkeavuus erottuu. Valuma-alueen järvisyys kuvattiin pylväskoropleettikarttana. Pylväiden skaalaamiseen käytettiin pitkän harkinnan jälkeen neliöjuurimuunnosta. Suuret järvisyyserot tulivat erinomaisesti näkyviin myös ilman muunnosta, mutta Pohjanmaan palkit olivat pääosin viivoja ja niiden vertailu mahdotonta. Jätin järvet ja joet pois, koska ne eivät olisi mielekkäällä tarkasteluetäisyydellä tuoneet juurikaan tulkinnallista lisäarvoa karttaan, eikä kenties esteettistäkään. Myös tekniset ja ahkeruudelliset rasitteet painoivat.

Kartalta havaitaan, että valuma-alueen järvisyydellä ja tulvaindeksillä on negatiivinen korrelaatio. Syy tähän on, että järvet toimivat lumien sulaessa puskureina ja varastoivat paljon vettä ilman merkittäviä pinnankorkeusmuutoksia. Tällöin jokien virtaamat eivät pääse paljoa kasvamaan.

Toisaalta järvisyys ei voi selittä ainakaan kaikkia eroja rannikon valuma-alueiden välillä. Esimerkiksi Aurajoen valuma-alueella on hieman enemmän järviä kuin joillakin vähätulvaisemmilla alueilla. Todennäköisesti rannikon valuma-alueita yhdistää pienen järvisyyden lisäksi muukin tekijä, joka aiheuttaa suuren tulvaindeksin lisäksi myös eroja alueiden välillä. Tulvaherkät valuma-alueet ovat yleisesti ottaen pienempiä kuin laajalle sisämaahan ulottuvat valuma-alueet. Ne koostuvat yleensä yhdestä suuremmasta joesta, joka laskee melko suoraviivaisesti mereen, muodostamatta pitkiä vesistöreittejä. Yksi syy korkeaan tulvaindeksiin pienen järvisyyden lisäksi voisi olla se, että tämän tyylisillä valuma-alueilla joki tulvii myös jääpatojen muodostuessa. Tämä ei kuitenkaan käsitykseni ole yleistä ainakaan Aurajoella. Luultavasti sekä valuma-alueiden vähäinen järvisyys että yhden suuren pääuoman hallitsema luonne vaikuttavat yhdessä tulvaindeksiä korottavasti.

Lähteet:
Säyrinen, Timo (31.1. 2012). Kurssikerta 3: Virtaava vettä Suomessa ja Afrikan mystiikkaa. <https://blogs.helsinki.fi/sayrinen/>.
Haapanen, Minttu (1.2. 2012). Kurssikerta 3: Tulvii Pohjanmaa. <https://blogs.helsinki.fi/minhaapa/>.

Artikkeli 1

Anna Leonowicz tarkastelee artikkelissaan (2006) kahden muuttujan koropleettikartan havainnollisuutta ja luettavuutta. Artikkelissa kuvataan tutkimus, jossa pyrittiin opiskelijoilla suoritetun kokeen avulla vertaamaan yhden ja kahden muuttujan koropleettikartan vahvuuksia ja heikkouksia. Keskeisin johtopäätös on, että kahden muuttujan koropleettikartat soveltuvat – tietyin teknisin edellytyksin – kuvaamaan hyvin kahden alueellisen ilmiön välistä suhdetta. Yhden muuttujan koropleettikartat puolestaan ovat parhaimmillaan ilmiöiden alueellista jakautumista tarkastellessa.

Kun halutaan kuvata ja tarkastella kahden alueellisen ilmiön välistä suhdetta, yksi tapa on kuvata kumpikin ilmiö omalla koropleettikartallaan. Tällöin kuitenkin ilmiöiden jakautumisen vertailu voi olla huomattavan vaikeaa kahden erillisen kartan vertaamisessa syntyvien ihmisaivoille tyypillisten aistinharhojen vuoksi. Jos molemmat muuttujat pystytään esittämään yhdellä koropleettikartalla siten, että lukija kykenee erottelemaan kartalta kaikki muuttujien yhdistelmät, ilmiöiden alueellinen vertailu on helpompaa.
Kahden muuttujan koropleettikarttoja tehtäessä kaksi tärkeintä teknistä asiaa on ilmiöiden luokittelu ja värien valinta. Artikkelissa korkein suositeltu luokkien määrä on kolme luokkaa ilmiötä kohti. Värivalintojen pitäisi mahdollistaa, että sekä kummankin ilmiön itsenäinen jakautuminen sekä niiden yhdistelmien sijoittuminen erottuvat. Artikkelissa on esitetty hieno kartta, jossa kummallakin ilmiöllä on oma värisävy (sininen ja punainen) ja niiden yhteisesiintymisen voimistuessa yhdistelmien sävyt lähenevät violettia (kuva1). Kartan legendassa on esitetty eri yhdistelmien värisävyjen lisäksi eri tilastoalueiden sijoittuminen kummankin ilmiön suhteen pistediagrammia. Pistediagrammiin on piirretty regressiosuora. Esimerkin legendan avulla ilmiöiden suhdetta voidaan tarkastella jo ilman karttaa. Mutta toki vasta kartan avulla voidaan tutkia ilmiöiden alueellista sijoittumista ja alueellista yhteyttä.

Kuva 1. Kahden muuttujan koropleettikartta legendoineen.

MapInfolla vastaavanlaisten värejä sekoittavien kahden muuttujan koropleettikarttojen ei tietääkseni onnistu. Kahden päällekkäisen koropleettikartan alueiden värien yhdistämiseksi ei ole työkaluja, vaan toinen ilmiö pitää esittää rasterina. Kahden muuttujan karttojen tulkitseminen on toki silloinkin mahdollista (kuten kurssilla kokeiltiin), mutta intuitiiviset havainnot värisävyjen ja niiden muutosten tummuudesta ilmiöiden yhteyden kuvaajina eivät ole mahdollisia.
Kahden muuttujan koropleettikarttoja tehdessä on pidettävä mielessä, että ilmiöiden mahdollinen yhteisesiintyminen ei välttämättä tarkoita syy-seuraus-suhdetta. Kuten artikkelissakin todettiin, kartta ja ilmiöt on kytkettävä osaksi muuta tietoa, mikäli yhteyttä aikoo selittää. Värin ja rasterin yhdistelmänä toteutetuista kartoista lukija etsii karttaa lukiessaan ominaisuusyhdistelmiä yksi ominaisuus (väri tai rasteri) kerrallaan, mikä saattaa edesauttaa harhakäsitystä, että voimakas toinen ilmiö edesauttaisi toista ilmiötä. Pelkästään väriyhdistelmillä tehtyä karttaa lukiessa alueet kuvastuvat nimenomaan ominaisuusyhdistelminä (legendasta luettavia), ja tarkoituksenmukaisesti juuri yhteisesiintyminen tai –esiintymättömyys korostuu. Yksittäisten ilmiöiden jakautumista voidaan kahden muuttujan koropleettikartan ohessa selventää kummankin muuttujan erillisillä kartoilla, kuten artikkelin esimerkissä oli tehty.

Lähteet:
Leonowicz, A (2006). Two-variable choropleth maps as a useful tool for
visualization of geographical relationship. GEOGRAFIJA 42:1, 33-37

Kurssikerta 2

Toisella kurssikerralla tutustuttiin MapInfon teemakarttavalikoimaan. Harjoiteltiin tekemään pylväsdiagrammikarttoja, ympyrädiagrammikarttoja, graduated-teemakarttoja, pistekarttoja, individual-teemakarttoja (laadullisesti ryhmiteltävät ilmiöt) ja liukuvärikarttoja. MapInfon mahdollisuudet ja ennen muuta nopeus selkeiden karttojen teossa oli yllättävää, etenkin verrattuna edellisen kurssin piirtämiseen ja hiomiseen. Aineisto oli toki edelleen valmis ja tietokannat valmiiksi koottuja. Luulisin, että jatkossa keskitymme enemmän myös varsinaisen paikkatietoaineiston kokoamiseen.

Kuva 1. Suhteellinen kokonaisnettouutto (2010) ja työpaikkojen määrä (31.12. 2009) kunnittain Pohjois-Suomessa.

Harjoitustyössä tehtiin vähintään kahta ominaisuutta kuvaava teemakartta vapaavalintaisesta aiheesta Suomen kuntakartan pohjalle. Valitsin kuvattaviksi ominaisuuksiksi väkilukuun suhteutetun nettomuuton ja työpaikkojen määrän kunnassa (kuva 1) Pohjois-Suomessa. Suhteellinen nettomuutto laskettiin aineistossa ilmoitettujen kokonaisnettomuuton (kuntien välinen sekä siirtolaisuus) ja kunnan väkiluvun avulla. Työpaikkojen määrä oli aineistossa laskettu kunnassa työssäkäyvien henkilöiden määrän perusteella. Aineisto on laskettu vuoden lopussa ja siinä on mukana myös tilapäiset työpaikat. Alueeksi valitsin Pohjois-Suomen kuntien riittävän suuren koon takia. Rajasin tosin mukaan myös pieniä kuntia Oulun seudulta, koska alue on merkittävä esitettävien ilmiöiden tulkitsemisen kannalta.

Nettomuutto on esitetty koropleettikarttana ja työpaikkojen määrä graduated-teemakarttana käyttäen symboleina ympyröitä. Visuaalisesti kartta on melko selkeä. Oulun alueen pienet kunnat erottuvat huonosti, mutta hieman lähemmällä tarkastelulla olennaisin tieto välittyy. Kuntien nimien jättäminen on hyvä ratkaisu ja jopa selkeyttää pienimpiä kuntia. Legendan ja peruselementtien viimeistely jäi (ja jää) vähän vaiheeseen: työpaikkojen määrän pisteiden lukuarvot voisivat olla nätimpiä lukuja, ja nettomuuton luokkaväleihin sekä peruselementteihin unohtui englantia!

Nettomuuton kuvaamisessa oli perusteltua käyttää kahta eri väriryhmää: sinistä negatiivista ja punaista positiivista muuttoa varten. Sävyjen Luokat tehtiin sovinnaisesti, sillä negatiivinen ja positiivinen muutto tarvitsivat hieman erilaiset luokkavälit havainnollisuuden turvaamiseksi. Luokat ovat väriryhmien sisällä lähes tasavälisiä. Työpaikkojen määrää kuvaavien pisteiden koot skaalattiin logaritmiselle asteikolle – totesin sen olevan riittävän havainnollinen ja ehdottomasti esteettisin vaihtoehto.
Nettomuutto on kuvattu onnistuneesti. Satu Räty (31.1.) toteaa, että värien valinta on yksi kartantekijän tärkeimmistä hyveistä, mitä ajatellen karttani on kunniaksi. Jälkikäteen ajatellen työpaikkojen absoluuttinen määrä ei ole kovin onnistunut kuvattava ominaisuus kartan tulkintaa ajatellen. Toivoin havaitsevani muuttoliikkeen suuntautumista runsaasti työpaikkoja sisältäville alueille, mutta toki työpaikkojen kokonaismäärään vaikuttaa enemmän kunnan koko kuin oikeat työmahdollisuudet. Muuton ja työpaikkojen mahdollista yhteyttä kuvaavampi ominaisuus olisi ollut esimerkiksi työttömyys (avoimien työpaikkojen määrää tuskin on helposti saatavilla). Sen olisi voinut esittää vaikka päällekkäisenä koropleettikarttana, mikä olisi ollut mielenkiintoinen kokeilu, varsinkin kun nettomuuton luokkia on peräti kuusi.

Oulun, Ii ja Yli-Ii ovat muuttovoittoisia kuntia. Kartan perusteella ei kuitenkaan voi väittää, että työpaikkojen määrä olisi yhteydessä muuttovoittoon; monissa lähikunnissa on enemmän työpaikkoja kuin Ii’issä (monikko), ja ne ovat silti muuttotappioisia. Varmasti kokonaismäärä ja avoimet työpaikat osin korreloivat, mutta ei riittävästi ainakaan muuttoliikkeen selittämistä ajatellen. Toinen muuttovoittoinen alue on Kittilän , Muonion ja Kolarin kunnat. Suurin syy kehitykselle löytynee turismista. Työpaikkojen osalta varsinkin tältä alueelta täytyy muistaa, että luvuissa on myös tilapäiset työpaikat (tilastokeskuksen mukaan) ja aineisto on kerätty 31.12. 2009 eli turistisesonkiaikaan.
Suurimman muuttotappion alueet ovat Ranua ja Pudasjärvi Oulun liepeillä sekä Ylitornio Tornion liepeillä. Kaupunkien vetovoimatekijät selittävät tätä tappiota. Myös itäiset kunnat ja päälaen Utsjoki ja Inari ovat muita voimakkaammin tappiollisia. Mielenkiintoinen havainto on, että yliopistokaupunki Rovaniemi on muuttotappioaluetta. Vaikka ympäryskunnista varmasti muuttaa väkeä Rovaniemelle, vaikuttaa muuttoliike etelään olevan vielä suurempaa.

Kahden toisiinsa liittyvän ominaisuuden kuvaaminen kartalla ei osoittautunut aivan yksinkertaiseksi. Absoluuttisten ja suhteellisten arvojen kanssa tulee olla tarkka muutoinkin kuin koropleettikarttoja tehdessä. Vaikka työpaikkojen määrän esittäminen ei sinänsä ollut virheellistä, sillä ei lopulta ollut paljoa lisäarvoa tälle kartalle ja tutkimukseni tarkoitukselle. Mutta näinhän sitä oppii, kuinka tärkeä on etukäteen selvittää tulevan karttansa tarkoitus ja suunnitella esitettävät ominaisuudet huolellisesti sen mukaan. Lähestytäänköhän nyt sitä, että karttojen tekeminen voi olla tekninen prosessi, apuväline ja visualisointi, mutta ei välttämättä tutkimuksen itseisarvollinen tarkoitus… Yhtä kaikki, ei tämä karttojen tulkitseminen taida aivan turhaa ole niiden tekemisen oppimisen kannalta.

Lähteet:
Räty, Satu (31.1. 2012). Geoinformatiikka, Artikkeli 1: Kahden muuttujan koropleettikartta. <https://blogs.helsinki.fi/saturaty/>.