Kiitos Artulle kärsivällisyydestä, kärsivällisyydestä ja vielä kerran kärsivällisyydestä!

Kurssi oli erittäin hyödyllinen vaikkakin kivulias. Karttoja en osaa edelleenkään tehdä, Map-infon kanssa olen lähes yhtä poropeukalo kuin kurssin alussakin, mutta muiden tekemiä karttoja olen toki ihaillut. Jos joskus tarvitsen hyvin laadittua karttaa johonkin työhöni, tiedän keiden palveluiden puoleen kääntyä!

Kurssin tärkein anti oli omalla kohdalla ehkä toinen, kuin voisi olettaa. Karttojen laatimisen opettelu osoitti minulle, kuinka monesta tekijästä kartan lopullinen viesti rakentuukaan. Toivottavasti osaan nykyään tarkastella ja tulkita karttaesityksiä paremmin, ja kiinniittää huomiota seikkoihin, jotka aikaisemmin olisivat jääneet huomaamatta.

Ja kuten olen opinnoissani jo useasti huikannut, voin tämäkin kurssin jälkeen huokaista: “ei kipua, ei hyötyä!”

Olen koko kurssin aikana miettinyt, että mikä se tässä nyt on niin vaikeaa. Miksi tuherran karttoja niin kauan, että puolet työstä jää aina omalle ajalle, ja rästityöt kasaantuu. Tätä työtä tehdessäni ongelmakohta aukesi. Parempi myöhään kun ei milloinkaan. Toinen suosikkisananlaskuni on kuuluisa ”huh hellettä, sanoi jänis kun kiulussa paleli”. Ensimmäinen osoittaa kutinsa jokapäiväisessä elämässäni, jälkimmäinen ei ole tehnyt niin vielä kertaakaan. Jännityksellä odotan sen päivän saapumista!

Ongelma ei ole mapinfossa. Ongelma on aineistossa. Tai siinä että en ”ehdi” siihen tutustumaan.  Perusperusopiskeluajoistani on jo selvästi liian kauan aikaa, ja pureudun jokaiseen kurssitehtävään, kuin se olisi jokin oikea tutkimus, jolla nyt pitää havainnollistaa korrelaatioita ja etsiä mahdollisia kausaliteetteja. Se on kurssityö. Sen tarkoituksena on opetella käyttämään mapinfo-ohjelman soveltavia työkaluja. Lue ohjeet. Noudata ohjeita. Ripeästi. Älä jää jumiin siihen onko tämä nyt mistä kerättyä aineistoa. Ole ripeä. Tee kartta ohjeiden mukaan. Mene syömään.

Olen selvästi kovakalloinen.

Nyt kun aineisto oli omani, ja tiesin mistä oli kysymys, ja mitä sille piti tehdä, ja ennen kaikkea mitä halusin sille tehtävän, niin hupsista vain, kartta oli valmis tavoiteajassa, ja näytti kohtuullisen järkevältä. Toki Arttu antoi minulle paljon anteeksi, kysymyksessä on sijaintikartta, joka osoittaa näytteenkeruupaikat, (ei siis millään tavalla mitattuna vaativa tehtävä) MUTTA osasin ihan itse:

-Hakea pohjakartan Paitulista ja imaista sen mapinfoon niin, että koordinaatisto oli kohdallaan.

-Muuttaa kaikki miljoona (voimakasta liioittelua) koordinaattiani formaatista toiseen kansalaisen karttapaikassa (ihan itsenäisesti!)

-Tehdä tietokannan ecxelissä ja siirtää sen mapinfoon

-Muokata pallerot ja jakaa ne kolmeen luokkaan

– Tehdä kartan, jossa kaikki oli niin kuin piti ja oikeilla kohdillaan!!!

Kysymys oli graduni keruupisteistä, ja saatuani kartan valmiiksi tajusin, että sitä pitää vielä muuttaa, mutta sainpahan kerrankin jotain valmiiksi, hurraa!

Kerron nyt lyhyesti ja tieteelliseen kirjallisuuteen viittaamatta mistä työssäni on kysymys, ja miksi aineisto on kerätty juuri niin kuin on.

Tutkimukseni lähtökohtana on tarkastella kasvillisuudessa olevien hampaita kuluttavien tekijöiden jakautumista kasvuympäristön ja kasvityypin välillä. Tarkasteltavat kuluttavat elementit ovat kasvien sisältämät fytoliitit, jotka ovat kasvin piihaposta syntetisoimia opaalikvartsirakenteita, sekä kasvien pinnalle kertyneet sedimentit.

Miksi ihmeessä kukaan tekisi mitään tällaista? Koska kysymyksessä on mielenkiintoinen evoluutibiologinen viitekehys.  Koevoluution ja evolutiivisten vasteiden tutkiminenhan on parasta mitä ihminen voi tehdä!

Kun Jukatanin niemimaalle pamahtanut meteoriitti yhdessä muiden mahdollisten tekijöiden kanssa aikaansai verrattain nopean ja ongelmallisen ilmastonmuutoksen, maapallon biodiversiteetti koki suuren muutoksen, ja eliöryhmien pakka meni valtaosin uusiksi. Nisäkkäät, jotka dinosaurusten kuningaskaudella pelasivat varsin pientä roolia eliökunnan kokonaiskuvassa, lajiutuivat hurjaa vauhtia ja valtasivat uusia ekolokeroita (adaptiivinen radiaatio on se termi, millä tästä ilmiöstä puhutaan). Mistä tämä erikoistumisen aalto sai alkunsa? Yksi keskeinen tekijä nisäkkäiden ravinnonkäytön monipuolistumisessa on ollut hampaiden morfologian monimuotoistuminen.  Nisäkkäiden yksi erityispiirre muihin eliöryhmiin verrattuna on hampaiden monimuotoinen morfologia, ja tämä sopeuma mahdollistaa erityyppisen ravinnon tehokkaan käytön.

Tietyt eläinryhmät ovat sopeutuneet  hampaita kuluttavan ravinnon syöntiin (hypsodontit), mutta edelleen on jokseenkin epäselvää, missä suhteessa eri tekijät eläinten hampaita kuluttavat. Fossilista hammasaineistoa on käytetty mm. ilmastomallien aineistona, joten on tärkeää ymmärtää, mistä hampaiden kuluminen johtuu. Kuluttaako nimenomaan fytoliitit hampaita (jolloin fossiililöydöt viittaisivat tietyn kasvillisuustyypin olemassa oloon tarkastelulla alueella tiettyyn aikaan), vai niiden pinnalla olevat sedimentit, jolloin hampaiden voimakas kuluminen puolestaan viittaisi elinympäristön avoimuuteen, kuivuuteen ja tuulisuuteen. Oma tutkimukseni on pieni osa laajempaa kokonaisuutta, jossa tutkitaan ravinnon kuluttavuuden ja hampaiden kulumisen välisiä mittasuhteita, ja se keskittyy nimenomaan ravintokasvien kuluttaviin tekijöihin.

Tutkimuskysymykseni ovat suurin piirtein seuraavat:

Onko suljettujen ja avoimien ympäristöjen kasvillisuuden pinnalla olevan sedimentin määrän välillä eroja?

Onko suljettujen ja avoimien ympäristöjen kasvien sisältämien fytoliittien määrässä eroja?

Onko eri kasviryhmien (yksisirkkaiset, kaksisirkkaiset, puuntaimet) sisältämien fytoliittien määrissä eroja?

Fytoliittien kvantifioiminen on aika pitkälti uusi menetelmä, mitä kehittelen tässä ohessa J

Näytteet on kerätty yhteensä  42 alueelta, joista 30 sisällytetään tutkimukseen (kolmas suosikkikansanviisaus, ei vara venettä kaada,  kerää aina isompi aineisto kuin todella tarvitset, koska monen monta asiaa menee vikaan, puolet aineistostasi tuhoutuu kuitenkin, menetelmäsi ei toiminutkaan toivottavalla tavalla jne. )  Lopullisiin analyyseihin sisällytetään 15 avoimen habitaatin keruualuetta, ja 15 suljetun habitaatin keruualuetta. Kultakin alueelta on kerätty jokaista näytekasvia (yksisirkkaiset, kaksisirkkaiset, puuntaimet) yksi näyte kahdelta korkeudelta, 25cm etäisyydeltä maanpinnasta, sekä maanpinnan tasosta.

Vertailunäytteeksi pölyisyyden suhteen keräsin näytteen hiekkatien laidalta avoimelta sekä suljetulta habitaatilta.  Zädääng!!! Siinä se nyt on. Mittakaava, legenda, pohjoisnuoli. Aivan naurettavissa paikoissa, mutta voih, miten niiden siirtäminen voikin olla niin vaikeaa! Mutta olen tyytyväinen itseeni. Ne ovat kaikki siellä. Ja legenda on tähänasitsista kelpoisin. Jos johonkin, niin tähän on hyvä lopettaa.

Kuudennella kurssikerralla tutustuimme mapinfon mahdollisuuksiin lisätä sijaintitietoja kartalle. Omasta näkökulmastani varmaan keskeisin menetelmä  bufferoinnin lisäksi, jossa nään mahdollisuuksia vaikutusalueiden mahdollisen päällekäisyyden esittämiseen ja etäisyyksien hahmottamiseen. Itselläni oli sen verran ongelmia jo toimivien exceleiden tuottamisessa, joten unelmat googlemapsin (jota sydämestäni rakastan!) käytöstä karistin puhtaasti itsekkäistä ja ajankäytöllisistä syistä. Sitten kun opettajan liksa juoksee, perehdyn paremmin tällaisten pedagogisesti moniuloitteisten tietopohjan visualisoimisen ihmemaailmaan!

Tarkastelin karttaesityksessäni kolmen skaalan (7-9 richteriä) maanjäristysten sijoittumista maailmankartalle. Richterin asteikolla mitataan järistyksen seurauksena vapautuvaa energiamäärää, ja asteikkoa tarkastellessa on hyvä muistaa en perustuvan kymmenkantaiseen logaritmiin (järjestyken voimakkuus kasvaa kymmenkertaiseksi kutakin nousevaa arvoa kohden) (Wikipedia)

Ensimmäisessä kartassa tarkastellaan seitsemän richterin maanjäristysten sijoittumista maapallon pinnalle. Tarkastelussa on huomioitu kaikki järistykset 1.1. 1981 lähtien

Seitsemän richterin järistys luokitellaan erittäin voimakkaaksi, järistyksen voimasta mm. sillat sortuvat.

Seuraavassa kartassa tarkastellaan kahdeksan richterin järistysten sijoittumista.

Näin voimakas järistys aiheuttaa valtavaa tuhoa satojen kilometrien säteellä

Yhdeksän Richterin järistyksiä oli tapahtunut tarkasteltavan aikajakson aikana kahdesti. Järistys on valtava, ja tuhoisat vaikutukset ulottuvat tuhansien kilometrien säteelle.

Kartoilta on helppo huomata, että järistysten sijainnit noudattelevat mannerlaattojen saumakohtien sijaintia. Voimakkaimmat järistykset kohdistuvat Tyynen valtameren ja Etelä-Amerikan alueille. Jatta Lahti on omassa blogissaan tarkastellut tulivuorten ja mannerlaattojen saumakohtien välistä yhteyttä, ja havainnut tulivuorten aktiivisuuden kasvavan reunakohdilla.

Tällaisella menetelmällä olisi mahdollista esittää oppilaille esim. Mannerlaattojen saumakohtien ja järistysherkkyyksien välistä yhteyttä.  Olisi myös mielenkiitntoista selvittää, miksi voimakkaimmat järistykset ovat sijoittuneet Japanin ja Indonesian rannikolle. Onko kyseisen alueen laattaliikunnot mahdollisesti erityisen aktiivisia? Mielenkiintoista olisi myös tarkastella ihmisasutuksen määrää voimakkailla järistysalueilla.

Viitteet:

Lahti Jatta (2014) Kurssikerta 6. Luettu 20.3.2014 <https://blogs.helsinki.fi/jattalah/>.

Maanjäristysaineisto (2014) <<http://quake.geo.berkeley.edu/anss/catalog-search.html>. Luettu 18.3.2014

Wikipedia, verkkotietosanakirja (2014) <http://fi.wikipedia.org/wiki/Richterin_asteikko> .Luettu 18.3.2014

Blogitehtävä jätti mieleeni kysymyksen siitä, olisiko minun pitänyt kerätä dataa tämän kerran harjoituksista excel-taulukkoon, vai kerätä kaikenlaista aineistoa oppimisretkeni varrelta. Jäin niin jumiin tähän ongelmaan, (koska tietenkään en tallentanut harjoituksen aineistoja minnekään), että jätin koko kirjoituksen tekemättä. Nyt oli taas aika kohdata epävarmuutensa, ja ajattelin ruotia suhdettani Mapinfo-ohjelmaan, taulukolla taikka ilman. Ehkä jonkinlainen taulukkokin vielä blogiin ilmestyy, kunhan saan mielessäni tasapainon sen suhteen, mitä sen pitäisi sisältää.

Mapinfo on ajatustasolla mainio formaatti. Ohjelma, johon voi ladata haluamansa karttapohjan, kerätä aineistoa, lisätä aineistoa, yhdistellä eri tietokantoja, ja tarkastella aineiston jakautumista, tai intensiteettiä, tai aineiston välisiä tai sisäisiä eroja tms. karttapohjalla. Omia mahdollisia käyttötarkoituksiani ajatellen ohjelman tärkeimmät ominaisuudet ovat tietokantojen yhdistely ja lisääminen ohjelmaan, ja niiden esittäminen kartoilla. Biologina sijaintitietojen esittäminen on varmaan keskeisin työkalu, mistä aineisto on, millaisten välimatkojen päästä toisiinsa nähden. Bufferointi voi tässä myös olla näppärä, jos aineisto on kerätty tietyn alueen sisältä koordinaattipisteen ympäriltä. Tai sitten vaikka leviämisreittejä voisi mahdollisesti esittää bufferityökalun avulla???  Voi olla, että Mapinfosta löytyisi tähänkin tehtävään sopivampi työkalu. Levinneisyysalueiden muutos ajan funktiona olisi ihanaa voida ilmaista yhdellä kartalla, tähänkin varmasti mapinfo halutessaan taipuisi. Mieleeni ei nyt vaan tule jo opetettua työkalua, jolla se voitaisiin tehdä.

Toistaiseksi olemme käyttäneet aina valmiita karttapohjia ja tilastotietoa karttaesityksen tuottamiseen, mutta minua kiehtoisi oman karttapohjan tekeminen niin, että aluejaot ”piirtäisi itse”. Pornaisten kuntatehtävässä rajattiin tietty alue, jonka sisältä tarkasteltiin tilastotietoa, mutta hierarkisia aluejakoja ei ole mielestäni tehty, enkä tiedä, voidaanko niin tehdä ohjelmalla, tai että miten tietokantojen aineiston saisi jaettua hierarkisesti (samassa suhteessa karttajaon kanssa).

Koska ilokseni kansalaisaktivismissa toimin hyvin yhteiskunnallisten aihepiirien keskuudessa, saa se minut innostumaan ohjelman muistakin mahdollisuuksista aivan uudella tavalla, ja myös ymmärtämään tietynlaisen vaaran, joka tällaiseen karttapohjaiseen esittämistapaan sisältyy. Samalla aineistolla tehty kartta näyttää aivan erilaiselta luokitteluperusteista riippuen. En tiedä, ovatko aivoni ohjelmoitu luottamaan liikaa objektiiviseen lähestymiseen, mutta mielestäni luokitteluperusteiden takana olevaa matematiikkaa (miten aineisto jakautuu, miksi, missä tilanteissa mikäkin toimintamalli esittäisi aineistossa olevat erot kaikkein luotettavimmin jne.) pitäisi opiskella oman kurssinsa verran. Niin, että mukana olisi myös keskustelua ja pohdintaa siitä mitä me näemme kartalla, ja miksi. Ja mitä siellä pitäisi nähdä. (Ei sillä, että ymmärtäisin matematiikkaa mitenkään helposti, mutta ihmisellä on oikeus rakastaa myös asioita, jotka eivät ole hänelle helppoja 🙂 )

Jos aineisto on todella epätasaisesti jakautunut, on sen luokittelu vaikeaa, niin ettei karttatulkinta ole tarkoituksettomasti harhaanjohtava. Karttoja tarkastellessa alan ainakin itse helpommin rakentamaan vaarallisenkin kepeitä päättelyketjuja kahden muuttujan välisestä kausaliteetista, jos vertaa vaikka diagrammien, tai puhtaasti tunnuslukujen välisen vertailun aikaansaamiin ajatuksiin. Siksi kaipaisin paljon enemmän tukea juuri aineiston luokitteluun, kuin mitä olen tähän mennessä saanut.  Loppupeleissä minkä tahansa ohjelman tekniset toiminnot voi hädän hetken tullen opiskella manuaalista. Mutta se miten aineistonsa antaa ohjelman työstettäväksi, se onkin sitten haastavaa. Jokainen kartantekijä on kuitenkin itse vastuussa siitä, minkälaisen signaalin kartallaan esittää. Vaikka Mapinfoa onkin niin hirmuisen helppo syyttää. Kaikesta.

Tällä kertaa harjoittelimme  ruututeemakartan tekemistä mapinfossa. Itse putoan aina harjoituksen alkuvaiheilla kyydistä, kun tiedostot eivät aukea tai löydy tai tulee vahingossa väärä toiminto, mutta ei hätää, sain lopulta kartan päälle hienon Gridverkon, joka käsittääkseni rajasi käsiteltävät datapisteet aina tietylle ruudulle. “Gridille” piti luoda  myös oma “tietokantasarake”, jotta tarkasteltavat tiedot “sijoittuvat” kartalle oikein.  Tehtävässä tehtiin väestöntiheyskartta, ja halutun väestöryhmän määrää tarkasteltiin halutulla alueella.

Itsenäistehtävässä tämä kaikki piti taas toistaa itse. Loistavaa pedagogiaa, en sitä kiellä, mutta jestas kun tunnen itseni aina ihan seinäjuntiksi tuijotellessani ohjeita ja eteeni avautuvia toimintaikkunoita. Vika on minussa, olisi aina niin kauhean tärkeä mukamas tietää, mitä ja miten ja miksi ja mihin tämä nyt perustuu,  ja miten pyöristää ja IHAN SAMA, TEE NYT SE TEHTÄVÄ VALMIIKSI JA MENE SYÖMÄÄN!!!

Lopputulos on sitten se, että kiire tulee ja se näkyy valmiissa kartassa. Laatimani kartta tarkastelee ruotsinkielisten jakautumista Helsingin kantakaupungin alueella. Minulle on kehittynyt vahvahko intuitio siitä, että Länsi-Helsingissä asuisi enemmän ruotsinkielisiä suhteessa esim. Itä-Helsinkiin. Syynä tunteeseen saattaa olla oma lapsuuteni Lauttasaaren mikä-mikämaassa, pienellä saarella oli sekä ruotsinkielinen päiväkoti, että koulu. Itä-Helsingissä  (Vuosaaressa)  asuessani ei ruotsinkielellä tarvinnut ketään kiitellä tai tervehtiä. Nyt halusin tarkastella, löytyykö elitistisestä kantakaupungista (jossa itse tällä hetkellä asun) selvästi ruotsinkielisiä alueita.

Jaoin aineiston kolmeen luokkaan, ja käytin luokkajakoon kvantillijakoa, aineistoni oli vinosti jakautunut. Olen varmaan joka ikinen kerta käyttänyt kvantillijakoa, koska se mielestäni jakaa vinon aineiston “reiluiten”, kun luokat ovat keskenään yhtä suuret. Pitää joku kerta käyttää muuta jakoa ihan vaan vaihtelun vuoksi.  Värejä en ehtinyt oikein säätää, ja kartasta tuli visuaalisesti huono ja kömpelö.

Eihän tuosta pastellikimarasta oikein mitään tolkkua saa. Mittakaava on paikallaan, mutta pohjoisnuoli puuttuu, ja mikä pahinta, legenda. Näin sanallisesti voin kertoa, että siniset ovat suurin luokka, vihreät keskimmäinen ja keltainen pienin luokka.

Mutta vaikka kartta on visuaalisesti heikko, on siihen tallennettu sen sisältämä aineisto ja toki sitä tulkita voi, ainakin tekijänsä, joka tietää mistä on kysymys. Intuitioni osui sekä oikeaan että väärään. Lauttasaari, sekä muu Länsi-Helsinki on ruotsinkieliseltä väestöltään runsasta suhteessa muihin alueisiin, samoin Vallilan alue. Kaupallisen toiminnan hallitseman keskusta-alueen asukkaista ruotsinkielisten osuus oli luokittelun pienin. Nopeasti katsottuna vaikuttaa, että ruotsinkielinen enemmistö asustaa kantakaupungissa asuntojen kannalta viihtyisimmillä alueilla. Tällainen jakautuminen voisi viitata siihen ,että ruotsinkielisten yhteiskunnallinen asema olisi kantaväestö parempi pääkaupunkiseudulla. Tämän tyyppiset suorat tulkinnat (varsinkin Annin tekemistä kartoista) ovat hyvin vaarallisia, ja valitettavan usein eräät populistisen puolueen kansankynttilät tähän helmasyntiin sortuvat. Tällaisten signaalien pohjalta toki voi lähteä tarkastelemaan tutkimuskysymystä toiselta kannalta, ja saada polttavan tarpeen verrata vaikka asukkaiden tulotason ja äidinkielen välistä suhdetta.

Itse kuitenkin tarkastelisin tämän tyyppistä karttaa niillä lähtöoletuksilla, mitkä kysymyksen asettelussa on huomioitu. Kartta esittää kolmeen erisuuruiseen luokkaan jaettujen ryhmien jakautumista kartalla. Ei muuta. Piste.

Ruutukartat voivat nähtävästi olla hyvin informatiivisia, jos niitä laatii ihminen, joka osaa niitä tehdä. Tiia Seeve esitti ruutukartalla alle kouluikäisten lasten lukumääriä sekä absoluuttisina arvoina, että väestön kokonaismäärään suhteutettuna.  Karttoja vertailemalla voi korostaa, miten paljon kartan informaatio muuttuu, riippuen siitä, miten se esitetään. Kannattaa käydä ihailemassa.

Lähteet:

Seeve Tiia  2014. Kurssikerta 4: Ruudut Helsingin yllä. Luettu 21.2.2014 <https://blogs.helsinki.fi/setiseti/2014/02/07/kurssikerta-4-ruudut-helsingin-ylla/>

Kurssitehtävän alkuksi pääsimme ihailemaan Afrikan mannerta, ja osoittamaan mahdollisia alueellisia yhteyksiä timanttikaivoisten ja konfliktien välillä.

Harjoituskerralla yhdistimme erillisten Afrikan valtioiden tietokantoja, lisäsimme MapInfon tietokantaan aineistoa excel- taulukko-ohjelmasta, sekä yhdistelimme erillisiä tietokantoja toisiinsa. Tämän tyyppinen puuhastelu tuntui tärkeältä, sillä tietokantojen käsittely ja hallinta on varmasti yksi keskeisemmistä osaamisalueista siinä vaiheessa, kun ryhtyy selvittelemään maailman tolaa ihan tosielämässä.  Harjoitus oli hyödyllinen, mutta itse klikkailin niin uskollisesti opettajan ohjeiden perässä, että en nyt itseäni tietokanta-velhoksi vielä kutsuisi.  Usko on silti vahva, että uudemman kerran pääsen vielä tietokantoja liittämään, yhdistelemään ja sorvailemaan. Ohjeet talteen, siis.

Lopullinen timanttikaivos-konfliktikartta näyttää tältä. Vihreät pallot ovat konflikteja, ja mustat tähtöset timanttikaivoksia. Kuvaa tarkastelemalla voisi herkästi väittää, että timanttikaivosten läsnäolo alueilla vähentää konflitkteja, tai että timanttikaivoksia ei perusteta konfliktiherkille alueille. Tällaisten kausaliteettien tulkitseminen vaatisi kuitenkin paljon taustatyötä mm. alueen mineeraalivarannoista, poliittisesta historiasta jne. toisaalta voi olla sattuman sumaa, ettei alueet, jossa on timanttiesiintymiä, ole erityisen konfliktiherkkiä.

Blogi-tehtävässä kehotettiin pohdiskelemaan erilaisia sovellusmahdollisuuksia Afrikka- tietokantojen käytölle. Pohjustuksesi kausaliteettien pohdinnalle luin artikkelin valtion pinta-alan ja sisällissodan välisestä yhteydestä (Hegre & Raleigh, 2006). Artikkelissa oli pohdittu syitä havaitulle ilmiölle, ja testattu erilasia hypoteeseja analysoimalla tekijöiden välistä riippuvuutta. Tarkasteltavia yhteyksiä olivat mm. pitkät välimatkat, populaatiokoko ja kulttuurinen rakenne, sekä konfliktialueen etäisyys raja-aluilta.Analyysin tuloksissa havaittiin mm. vahvoja yhteyksiä konfliktien ja etäisyyksien välillä, konfliktit olivat yleisiä periferia-alueilla kaukana pääkaupungista ja lähellä raja-alueita.

Annetuista esimerkeistä  voisi mahdollisesti tarkastella sitä, onko timanttikaivoksen ilmestymisen myötä konfliktit lisääntyneet tai mahdollisesti vähentyneet alueella. Tai ovatko konfliktit laajentuneet timantti- tai öljyteollisuuden myötä. Myös tuottavuusluokituksia ja internetin käyttäjien lukumäärää voisi mahdollisesti tarkastella, lisääkö hyvät vuodet jollain viiveellä hyvinvointia yhteiskunnassa. Öljykenttien löytymisvuoden ja poraamisvuoden välisiä aikajaksoja tarkastelemalla voitaisiin mahdollisesti havainnollistaa, onko öljyteollisuuden laajenemisen nopeuden välillä eroja alueittain, ja vaikuttaako mahdollisesti alueella olevat konfliktit siihen, kuinka nopeasti öljynporaus alueella alkaa.

Sitten voimme markustaa sujuvasti Afrikan mantereelta takaisin koto-Suomeen valuma-alueiden äärelle. Tehtävän tarkoituksena oli tarkastella valuma-alueen tulvaindeksiä. Tulvaindeksi mittaa alueen  virtausvaihteluita, eli keskialivirtaaman ja keskiylivirtaaman välistä suhdetta.  Tarkastelin tulvaindeksiä kvartillijaolla, jakamalla aineiston kolmeen yhtä suureen luokkaan (aineisto oli vinoutunut). Tulvaindeksiluokat visualisoin korpleettikartalla. Samaan karttaan lisäsin myös järvisyysprosenttipylväät. Tälläkertaa onnistuin muokkaamaan myös legendaa niin, että teksit on suomea!!! Myös pohjoisnuoli ja mittakaavatyökalu olivat molemmat yhteistyökykyisempiä kuin ennen! Mapinfo taitaa viimeinkin lämmetä minulle!

Lopputulos näyttää tältä

Järvisyysprosentin luokittelu ei oikein aukea minulle. Toki pylväistä pystyy suhteellisesti havaitsemaan, että tietyillä alueilla on järviä enemmän kuin toisilla, mutta kuinka palojn enemmän? Noh, koropleettikarttani antaa ymmärtää, että suurimmat virtausvaihtelut löytyvät Lounaisrannikolta, Etelä-Suomesta pääkaupunkiseudun tuntumasta sekä¨paikoittain Etelä-, Keski- ja Pohjois-Pohjanmaalta. Näillä alueilla järvien määrä on myös vähäisin. Tästä voisi tehdä köykäisen johtopäätöksen että järvisillä alueilla virtausvaihtelut ovat pienempiä. Järvet toimivat vesivarastoina ja mahdollisesti tasaavat virtauman vaihtelua niin kuivina, kuin sateisempinakin aikoina.

Lähteet:


Hegre & Raleigh (2006). Population size, concentration and civil war. A geographically disaggeregated analysis. Artikkeli on esitelty the environmental factors in civil war working group-tapaamisessa.

Paarlahti, Tulvaindeksi. <https://blogs.helsinki.fi/pak-2014/> Luettu 17.2.2014

PAK-kurssin ohjaajablogi (2014). Afrikkaa. Luettu 16.2.2014. <https://blogs.helsinki.fi/pak-2014/2014/01/28/afrikkaa/>

 

        
       

Kurssitehtävän tarkoituksena oli tarkastella erilaisia tapoja aineiston visualisoimiseen kartalla. Olin harjoituskerran sairaana, ja minulla oli ainutkertainen mahdollisuus tutustua mapinfon ominaisuuksiin ihan itse. Ensimmäinen kaksi tuntia kului siihen, että yritin saada koko Suomen kunnista vain osan analyysiin mukaan select-toiminnolla, mutta voi sitä onnistumisen riemua, kun mapinfo taipui tahtooni ja oli hetken sulaa vahaa käsissäni (ennen seuraavaa mittelöä).

Testasin harjoituksessa neuvottuja analyyseja. Pylväsdiagrammit ja graduatet-teemakartat eivät asetusten muutoksista huolimatta oikein toimineet, kuvat olivat sottaisia ja epäselviä, ja epäesteettisiä ennen kaikkea. Piirakkadiagrammitkin näyttivät kauhean suurilta, enkä osannut niitä pienentää. Ehkä kisaväsymys myös hiipi laahustavin askelin viettelemään työmoraaliani unten maille, öisten tuntien venyttäessä aika-avaruutta vääjäämättömästi. Gridanalyysi meni hieman yli hilseen, täytyy perehtyä paremmalla ajalla siihen, koska työkalu vaikutti mielenkiintoiselta. Päällekkäiset koropleettikartat jäivät kokeiluasteelle, kotitehtävänä lukemani artikkeli säikäytti kyseisen työkalun käytöstä siinä määrin, että tämän kanssa nyt pitää todella tietää mitä tekee, muuten sortuu tahattomaan harhaanjohtamiseen.

Lopulta päädyin tekemään turvallisen koropleettikartan piirakkadiagrammikuorutuksella. Tarkastelin kartassa  uudenmaan (maakunta nro 01) alueen jakautumista työllisyystilanteen mukaan. Lisäsin tarkasteluun piirakkadiagrammin kunkin kunnan kielijakaumasta kolmen kieliryhmän suhteen (suomi, ruotsi, muut kielet) Ajatuksenani oli tarkastella sitä, löytyykö kielipainotusten välillä eroja työllisyystilanteissa.

Lopputulos näyttää tältä:

En ole karttaan oikein tyytyväinen, osa piirakoista olisi varmaan pitänyt poistaa. Nyt se näyttää vihaisten Pacmanien vallankaappaukselta Uudellamaalla. Legendan tekemistä ja parantamista täytyy vielä harjoitella, ehkä voisin yrittää tehdä sen corelissa, koska mapinfossa legendan muokkaaminen vaikuttaa olevan minulle mahdoton tehtävä. Jos aidan voi kiertää näppärästi, on sitä turha lähteä ylittämään.

Tuloksia kartalla tarkasteltaessa saattaisi saada mielikuvan, että työllisyystilanne on heikoin alueilla, missä ruotsinkielisiä on suhteellisesti suurin määrä. Kuitenkin tällaisen tulkinnan tekeminen pelkästään karttaesitykseen pohjaten on hyvin epävarmaa. Tarkasteltavien tekijöiden välistä riippuvuutta pitäisi mielestäni ensin testata tilastollisesti, ennen kuin tämän kaltaisia esityksiä tehdään. Tällaisia esityksiä tehdessä on tärkeää varmistua siitä, että kartalla havaittavat yhteydet ovat todellisuudessa tilastollisesti merkitseviä, eivätkä vain visuaalisesta signaalista aiheutuvia mielikuvia.

Aleksi Rikkinen oli tehnyt oman koropleettikarttansa käyttäen koropleettikarttaa ja ympyrädiagrammeja, ja minusta hänen lopputuloksensa oli omaani paljon selkeämpi. Jaan myös ajatuksen siitä, että diagrammien koko olisi hyvä voida suhteuttaa kuvaavan määreen absoluuttiseen arvoon, esim. suhteellisten arvojen absoluuttiseen kokonaisarvoon.  Olisi kanssa hurjan kiva, jos diagrammeja pystyisi siirtelemään kartalla haluamaansa kohtaa. Kenties pystyykin? Ehkä Mapinfo yllättää minut vielä matkamme jatkuessa kohti kurssin loppumetrejä.

Lähteet:

Rikkinen Aleksi (2014). KK2-  Monipuolisesti teemakarttoja. Luettu 10.2.2014 < https://blogs.helsinki.fi/alekrikk/2014/02/05/monipuolisesti-teemakarttoja/>

Kartta: Tilastokeskus, (2010). Helsinki

Blogissa annetussa kurssitehtävässä kehoitettiin kirjoittamaan reaktiopaperi kahden muuttujan koropleettikarttoja käsittelevästä artikkelista: ““Two-variable choropleth maps as a useful tool for visualization of geographical relationship” (Leonowicz, 2006)

Reaktiopaperin kirjoittaminen on itselleni aivan uusi kokemus, johon suhtaudun aidolla mielenkiinnolla. Tarkoituksena on kirjata ajatuksia, mitä artikkeli minussa herättää, ja kuvailla millaisia muutoksia lukemani mahdollisesti aiheuttaa ajattelutavassani. Tutkimusretki omien käsitysten maailmaan on siis tiedossa!

Artikkelissa pohdittiin koropleettikarttojen sisältämän informaation sisäistämiseen ja tiedostamiseen liittyviä tekijöitä. Siinä verrattiin yhden ja kahden muuttujan koropleettikartan informatiivista arvoa toisiinsa, ja tutkittiin millainen kartta on lukijalle helpointa tulkita niin, että haluttu informaatio on selkeästi hahmotettavissa. Artikkelissa myös sivuttiin, miten kahden toisistaan riippuvan tekijän esittäminen samassa koropleettikartassa esitetään mahdollisimman selkeästi, ja millaiset luokkajaot tällaisessa kartassa tulisi olla.

Artikkelia lukiessani rupesin ensimmäiseksi pohtimaan kuinka monta asiaa on huomioitava koropleettikarttaa laatiessa, vaikka kartassa tarkasteltaisiin vain yhtä muuttujaa. Luokkajako ja luokkien määrä ovat varmasti keskeisimpiä tekijöitä informatiivisen kartan luomiseksi. Nämä kaksi tekijää on myös hyvä huomioida karttaa tarkastellessa, koska tiedon luonne ja painotus voi muuttua paljonkin luokittelun myötä, vaikka käytettävä aineisto pysyisi samana. Myös värien käyttö on koropleettikartoissa taiteen laji, niiden avulla voidaan häivyttää tai korostaa visuaalisia eroja näin halutessa.

Kahden muuttuja koropleettikartan laatiminen on jo huomattavasti haasteellisempaa. Tekstissä oli pohdittu hyvän luokittelun rakentamista, ja muuttujien välisen korrelaation osoittamisen keinoja. Marja Penttinen on blogissaan mielestäni avannut hyvin kahden muuttujan koropleettikartan laatimisen hyödyt ja ongelmat sekä laatimisessa huomioitavat tekijät (https://blogs.helsinki.fi/mhpentti/2014/02/07/artikkelin-aikaansaamia-pohdintoja-kahden-muuttujan-koropleettikartoista/).

Artikkelissa tutkittiin myös sitä, onko kahden yhden muuttuja kartan vai kahden muuttuja koropleettikartan tulkitseminen lukijalle helpompaa. Tulokset viittasivat siihen, että yhden muuttujan kartta olisi helpompi tulkita, mutta informaatio tekijöiden välisistä riippuvuuksista välittyisi paremmin kahden muuttujan kartasta. Luettuani toisten opiskelijoiden ajatuksia asiaan liittyen, olen samaa mieltä siitä, että koska kahden muuttujan luotettavan koropleettikartan laatiminen vaatii tietyn tyyppisen aineiston, jossa korrelaatio on voimakasta, ja jossa luokkien määrän tulisi olla pieni, vaatii työ vankkaa asiantuntemusta. Laatiminen vaatii myös suurta harkintaa, ja tällaisia karttoja tarkastellessa tulee myös lukijan olla kriittinen. Ehkä tämä vastarinta ajan myötä vähenee, kun kokemusta karttuu, ja usko omiin tulkintataitoihin kasvaa.

Lähteet:

Mykkänen Eetu (2014) Tehtävä I: Tarpeellista mutta tarpeettoman haastavaa kartografiaa. Luettu 9.2.2014 < https://blogs.helsinki.fi/esmykkan/2014/01/29/artikkeli-i-tarpeellista-mutta-tarpeettoman-haastavaa-kartografiaa/>

Penttinen Marja (2014) Artikkeli 1:n aikaansaamia pohdintoja kahden muuttujan koropleettikartoista. Luettu 10.2.2014 <https://blogs.helsinki.fi/mhpentti/2014/02/07/artikkelin-aikaansaamia-pohdintoja-kahden-muuttujan-koropleettikartoista/>

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

Welcome to Blogipalvelut. This is your first post. Edit or delete it, then start blogging!