Kurssikerta 7 – tilastoja maailmalta

Kurssikerran tehtävänä oli tehdä teemakartta itse valitusta aiheesta, jossa on vähintään kaksi muuttujaa. Olisin halunnut valita Australian ”tutkimuskohteeksi” siitä syystä, että olen asunut siellä vuosia sitten ja menetin sille täysin biologin sydämeni. Australiasta ei kuitenkaan löytynyt hyvää karttaa eikä alueelle asetettu toivomus siitä, että se jakautuisi 20-30 alueeseen, toteutunut Australian kohdalla. Valitsin lopulta valtioksi Yhdysvallat osittain siitä syystä, että olen ollut sielläkin usean kuukauden ajan ja osittain siitä syystä, että Yhdysvalloista löytyy melko paljon tilastoitua tietoa. Kartta löytyi Artulta valmiina ja tilastot fedstatsin sivuilta (http://www.fedstats.gov/).

Tutkin hetken ajan eri tilastoja ja valitsin muuttujiksi työttömyyden (Regional and State Unemployment) ja omaisuusrikosten muutokset (Crime in the United States – Table 4) vuosien 2009 – 2010 aikana. Halusin karttaesityksessäni tutkia näiden kahden muuttujan välistä yhteyttä. 2009 alkuvuosi oli USA:ssa vielä laman aikaa ja tässä vaiheessa työttömyys on ollut suurta. Työttömyys lisää köyhyyttä ja sitä kautta myös rikollisuutta.

Lopullisesta karttaesityksestä jotkin osavaltiot, kuten Maine, on jäänyt pois koropleettikartalta (Kuva 1). Syytä en tähän tiedä, mutta huomasin ongelman vasta tarkasteltuani karttaa uudestaan kurssikerran jälkeen. Legendan sijoittaminen tuotti ongelmia ja siksi legendan teksti menee osittain kartan päälle eikä ole kovin esteettinen. Koropleettikartan värivalinnoissa päädyin ensimmäistä kertaa sitten ensimmäisen kurssikerran eri värien yhdistelmiin sen sijaan, että olisin valinnut yhden värin eri sävyjä. Mielestäni erot ovat näin paremmin nähtävissä – tai tätä mieltä olin ainakin vielä kurssikerralla. Jälkikäteen huomasin, että olen valinnut päinvastaisesti vihreän värin kuvaamaan suurinta kasvua omaisuusrikoksissa ja punaisen värin suurinta laskua. Luonnollisesti värit olisivat kuvaavampia, jos ne olisivat päinvastoin. Olisin vielä muuttanut tämän kartalta, mutta ilmeisesti olin tallentanut tiedostot vaillinaisena kotihakemistooni. Edelleen siis se, missä muodossa tiedostot tulisi Mapinfoon tallentaa, pysyy osittaisena arvoituksena.

Kuva 1. Työttömyystasteen ja omaisuusrikosten muutos vuosina 2009-2010

 

 

 

 

 

 

 

 

Näiden kahden valitsemani muuttujan välillä ei ole kovin selkeää yhteyttä. Karttaesityksestä on nähtävissä, että osavaltioissa, kuten Washington, Oregon ja South Dakota, joissa omaisuusrikosten määrän kasvu on suurin, on muutos työttömyydessä pienin eli täysin päinvastainen tilanne kuin itse ajattelin. Idahossa näiden ilmiöiden välillä vaikuttaisi olevan lievä positiivinen korrelaatio. On kuitenkin huomattava, että erot eri osavaltioiden välillä ovat pieniä molemmissa muuttujissa.  Omaisuusrikosten kohdalla muutos on pienimmillään 0,1 %. Herääkin kysymys, kuinka relevanttia tällaisen tiedon esittäminen karttaesityksessä on?

Vaikka karttaesitys ei olekaan kovin informatiivinen, oli viimeisestä kurssikerrasta silti paljon hyötyä. Vihdoinkin sai käytännössä kokeilla, kuinka paljon muistaa ja osaa aikaisemmilta kurssikerroilta oppimastaan. Ja eihän se ihan mutkattomasti sujunut vaan apua jouduin kysymään useaan otteeseen niin tilastojen muokkauksesta Excelissä kuin niiden liittämisestä Mapinfossa karttaan. Yleensä ratkaisut olivat hyvin yksinkertaisia ja luonteelleni tyypillistä on, että yritän ensin itse. Kun omat yritykset päätyvät monta kertaa umpikujaan, on pakko pyytää apua.

Kurssi on ollut pitkään aikaan ensimmäinen, jonka myötä kokee osaavansa jotain, mihin ihan jokainen vastaantulija ei pysty. Harmaiden hiusten määrä on varmasti moninkertaistunut kurssikerran aikana, mutta samalla on saanut kokea myös onnistumisen iloa. Kuten Elli Saari toteaa blogissaan, on kurssikerran aikana Mapinfon logiikkaa oppinut ymmärtämään paremmin, vaikka aika paljon joutuukin käyttämään ohjeita (https://blogs.helsinki.fi/ellsaari/).Uskon, että Mapinfoon perehtymisestä on runsaasti apua vielä, kun aikanani opetan yläasteella tai lukiossa maantiedettä, vaikka oppilaat luultavasti oppivatkin ohjelman käytön paljon opettajaansa nopeammin.

Lähteet:

Crime in the United States – Table 4 2010. The FBI Federal Bureau of Investigation. 28.2.2012 <http://www.fbi.gov/about-us/cjis/ucr/crime-in-the-u.s/2010/crime-in-the-u.s.-2010/tables/10tbl04.xls>

Regional and State Unemployment 2012. Bureau of Labor Statistics. 28.2.2012. <http://www.bls.gov/news.release/pdf/srgune.pdf>

Saari, Elli 2012. KK7 viimeinen. 16.3.2012. <https://blogs.helsinki.fi/ellsaari/>

Kurssikerta 6 – Maanjäristykset opetusmateriaalina

Edellisen kurssikerran jälkeen tämä kerta tuntui helpolta ja omalle pohdinnalle jätettiin enemmän tilaa vasta blogin kirjoitusvaiheeseen. Kurssikerran blogitehtävän pohjana käytettiin maanjäristystietokantaa (ANSS Catalog Search 2011.), jossa tarkoituksena oli tuottaa kolme karttaa opetustarkoitukseen. Itseäni luonnonkatastrofit ovat kiinnostaneet aina suunnattomasti ja siksi tämä aihe oli hyvin mielenkiintoinen. Lisäksi opiskelen opettajaksi, joten tämänkaltainen opetusmateriaali voi hyvinkin olla kohdallani ajankohtainen jonakin päivänä

Päätin valita aikahaarukaksi 1982 – 2012, koska tuo 30 vuoden aikahaarukka vaikutti sopivalta. Lisäksi itse olen syntynyt vuonna 1982, joten kyseinen aikaväli kiinnosti siitäkin syystä. Epähuomiossa en tosin ole muuttanut alkamispäivämäärää vaan kaikki maanjäristykset ovat olleet 1.1.1982 – 22.2.2012. Aloitin tekemään kartan maanjäristyksistä, joiden magnitudi on yli seitsemän (Kuva 1.). Toisessa kartassa ovat magnitudiltaan yli viiden maanjäristykset (Kuva 2.) ja viimeisessä yli kolmen (Kuva 3.). Ensimmäiseen karttaan valittu lukema olisi voinut olla suurempi, jolloin myös toisen ja kolmannen kartan magnitudi olisi korkeampi. Tällöin viimeisen ja toisen kartan välinen ero olisi selvemmin havaittavissa. Ensimmäisen kartan jälkeen muutin maanjäristyksiä kuvaavan symbolin tähdestä ympyrään, jolla on reunat, koska tähti ei mielestäni ollut symbolina yhtä kuvaava. Lisäksi tähtiä on vaikeampi erottaa toisistaan, kun maanjäristysten määrä kasvaa lukumäärällisesti.

Kuva 1. Yli 7 magnitudin suuruiset maanjäristykset

 

 

 

Kuva 2. Yli 5 magnitudin suuruiset maanjäristykset

 

 

 

 

 

Kuva 3. Yli 3 magnitudin suuruiset maanjäristykset

 

 

 

 

 

 

 

 

 

 

 

 

Kartasta, jossa on esitetty yli 7 magnitudin suuruiset maanjäristykset, on nähtävissä, että voimakkaimmat maanjäristykset esiintyvät pääasiassa Tyynenmeren saaristoalueella, Japanissa sekä Väli-Amerikassa. Kun tarkasteluun otetaan mukaan yli 5 magnitudin suuruiset järistykset, on selvästi havaittavissa, että maanjäristyksiä esiintyy määrällisesti eniten mannerlaatojen reunoilla (Kuva 4.). Helsingin yliopiston seismologian laitoksen sivuilla sanotaankin, että valtaosa maajäristyksistä sattuu laattojen reunoilla ja ”arvion mukaan 70-90 % maailman seismisestä energiasta vapautuu Tyynen valtameren reunoilla” (Tietopankki – Perustietoa maanjäristyksistä). Opetustilanteessa mannerlaattakartta olisi välttämätön apuväline, koska sen avulla pystyy selittämään ilmiön syy-seuraussuhdetta.

kuva 4. Mannerlaatat

 

 

 

 

 

 

 

Maan uloin kuori muodostuu seitsemästä suuresta litosfäärilaatasta eli mannerlaatasta. Maanjäristys tapahtuu, kun kallioperään varastoitunut jännitys ylittää jossakin pisteessä kiviaineksen lujuuden. Tämä jännitys varastoituu kallioperään nopeammin mannerlaattojen kohtaamisalueilla kuin niiden sisäosissa (Tietopankki – Perustietoa maanjäristyksistä). Tässä on siis syy siihen, miksi maanjäristykset ovat laattojen reunoilla sisäosia yleisempiä ja mielestäni asiat voisi opettaa juuri näin päin. Esitetään ensin ilmiö ja sen jälkeen mietitään yhdessä miksi näin on.

Kartat kertovat hyvin sen, että mitä voimakkaampi maanjäristys on, sitä harvemmin ne esiintyvät. Tämä todetaan myös seismologian laitoksen sivuilla. Esimerkiksi 7-7,9 magnitudin suuruisten maanjäristysten vuosittainen esiintymistiheys on 18. Yli 8 magnitudin maanjäristyksiä puolestaan esiintyy keskimäärin 1 vuodessa (Tietopankki – Perustietoa maanjäristyksistä). USGS:n sivuilta on nähtävissä, että pieniä, yleensä alle 5 magnitudin suuruisia, järistyksiä tapahtuu eri puolilla maailmaa monta kertaa päivässä (USGS – Science for changing world 2012). On hyvä muistaa, että magnitudiasteikko on logaritminen. Asteesta seuraavaan siirtyminen tarkoittaa siis maanjäristyksen voimakkuuden kymmenkertaistumista, jolloin tuhotkin ovat usein sen mukaiset. Taulukosta 1. on nähtävissä magnitudin kasvun aiheuttamat muutokset (Tietopankki – Perustietoa maanjäristyksistä).

Taulukko 1. Magnitudin kasvun aiheuttamat muutokset
Magnitudin kasvu Vastaava maanliikkeen muutos (siirtymä) Vapautuneen energian määrän muutos
1 10 -kertainen noin 32-kertainen
0,5 3,2 -kertainen 5,5-kertainen
0,3 2 -kertainen 3-kertainen
0,1 1,3 -kertainen 1,4-kertainen

 

Tein ANSS-tietokannalla haun viimeisen kymmenen vuoden ajalta esiintyneistä yli 8 magnitudin järistyksistä (Mapinfo ei suostunut yhteistyöhön, joten kartta tulossa myöhemmin). Tulokseksi tuli 13 kpl, joka suunnilleen vastaa näiden maanjäristysten esiintymistiheyttä. Näistä viimeisin on viime vuoden maaliskuussa eli 11.3.2011 Japanissa tapahtunut 9,10 magnitudin suuruinen järistys. Japanin maanjäristys on opetukseen oiva esimerkki, koska alueella tapahtuu runsaasti voimakkaita maanjäristyksiä ja kyseinen maanjäristys on voimakkain koskaan Japaniin iskenyt järistys. Järistyksen aiheuttamat seuraukset olivat valtaisat ja siitä seurannut tsunami aiheutti lukuisia ydinonnettomuuksia. Opetuksessa voitaisiin keskittyä siihen, miksi tämä maanjäristys aiheutti niin suuria tuhoja ja miksi tsunami syntyi. Tästä päästäisiin myös Lotta Kivalonkin mainitseman aiheen, miksi kaikkein voimakkaimmat maanjäristykset eivät välttämättä ole tuhoisimpia (https://blogs.helsinki.fi/lokivalo/).

Lähteet:

ANSS Catalog Search 2011. 22.2.2012. < http://quake.geo.berkeley.edu/anss/catalog-search.html>

Kivalo, Lotta 2012. Earthquakes may be brought about.. 28.2.2012 <https://blogs.helsinki.fi/lokivalo/>

USGS – Science for changing world 2012. Latest Earthquakes in the World – Past 7 days. 28.2.2012. <http://earthquake.usgs.gov/earthquakes/recenteqsww/Quakes/quakes_all.php>

Tietopankki – Perustietoa maanjäristyksistä. Seismologian instituutti. Geotieteiden ja maantieteen laitos 2006. <http://www.helsinki.fi/geo/seismo/maanjaristykset/tieto/perustietoa.html>

Artikkeli 2 – Geoinformatiikan perusteita

Tehtävänä oli lukea vuonna 1993 julkaistu Lloyd P. Queenin ja Charles R. Blinnin kirjoittama artikkeli The Basics of Geographic Information Systems ja pohtia, mitä ajatuksia artikkeli herättää. Artikkeli käy hyvin perusteellisesti läpi, mitä GIS on ja miten se toimii ja asiasta tietämättömälle tarjoaa paljon informaatiota asiasta. En tiedä, onko syynä se, että artikkeli on jo lähes 20 vuotta vanha, mutta minussa ei herännyt kovin suuria oivalluksia.

GIS (Geographic Information Systems) eli paikkatietojärjestelmä koostuu neljästä eri komponentista: laitteet, ohjelmistot, aineisto ja käyttäjät. GIS on nopeasti kasvavaa tekniikkaa, joka on käytössä laajalti eri aloilla. Valtavaan kasvuun on syynä koko ajan lisääntyvä tarve saada informaatiota sekä tietokoneteknologian kyky tuottaa kustannustehokkaita tiedonkäsittely- ja tiedonhallintatapoja. GIS:n avulla voidaan kerätä, varastoida, muuntaa ja tuottaa spatiaalista tietoa. GIS:n tietokanta sisältää spatiaalisen tiedon lisäksi ominaisuustietoja, joka kuvaa spatiaaliselle ilmiölle tunnusomaisia piirteitä.

Kun karttoja luodaan GIS:n avulla, monet perinteiseen kartan piirtämiseen liittyvät ongelmat poistuvat. Suurimmat erot karttojen luomisessa GIS:n avulla verrattuna perinteiseen kartan piirtämiseen ovat sen nopeus, mahdollisuus yhdistää ja asettaa päällekkäin rajattoman määrän karttoja sekä karttojen mittakaavan ja projektion muuntaminen. Haittapuolia geoinformatiikalla luoduissa kartoissa ovat suuremmat kustannukset sekä se, että kartat on digitoitava ennen kuin niitä voidaan hyödyntää.

Paikkatietoaineistoa voidaan tallentaa digitaalisesti kahdella tavalla: rasteri- tai vektorimuodossa. Rasteriaineistossa kaikki tieto tallennetaan verkkomatriisiin eli ruudukkoon. Kuten Timo Säyrinen kirjoittaa blogissaan rasteriaineisto ”tallennetaan x- ja y- koordinaattina ja attribuuttina. Tällaista kolmen tiedon rypästä kutsutaan soluksi”() ja solut siis muodostavat ruudukon. Kun kartan tiedot on tallennettu rasterimuodossa, jokainen rasterin solu eli yksi ruutu vastaa jotakin sijaintia kartalla. Artikkelin mukaan rasterimuotoisen aineiston kriittisin asia on sopivan ruutukoon valitseminen siksi, että sen pitää olla samankokoinen kaikilla layereilla. Mitä pienempiin ruutuihin alue jaetaan, sitä enemmän soluja syntyy ja sitä tarkempaa tieto on.

Vektorimuodossa kukin objekti voidaan tallentaa pisteinä, viivoina tai polygoneina. Aino Matikainen kiteyttää rasteri- ja vektoriaineiston erot hyvin. Rasterimuotoisessa kartassa vektoriaineiston pistettä vastaa yksi solu, viivaa taas ketju soluja ja polygonia ryhmä vierekkäisiä saman rasterin omaavia soluja (https://blogs.helsinki.fi/ainooika/). Vektorimuotoinen aineisto on tarkempaa kuin rasterimuotoinen tieto ja aineistot ovat yleensä tiedostokooltaan pieniä. Vektorimuotoisen aineiston tuottaminen on kuitenkin kalliimpaa ja työläämpää.

Yksi geoinformatiikan tärkeimmistä ominaisuuksista on se, että se mahdollistaa erilaisten analyysien tekemisen. Yksi näistä on Overlay-analyysi. Se mahdollistaa eri karttojen esittämisen päällekkäin, jollon eri ominaisuuksia voidaan esittää ja tarkastella samanaikaisesti tai tarvittaessa piilottaa ne näkyvistä. Tätä ominaisuutta on hyödynnetty jo sekä tällä että TVT2- kurssilla. Sitä voisi käyttää esimerkiksi tarkasteltaessa, kuinka laajalle alueelle jonkin tehtaan ympäristövaikutukset ulottuvat. Topi Tjukanov mainitsee blogissan, että overlay-analyysiä voisi käyttää myös esimerkiksi kaupunkivalaistuksen ja rikosten esiintymispaikkojen tarkastelu päällekkäin (https://blogs.helsinki.fi/ttjukano/).

Tieto muuttuu koko ajan ja osittain artikkeli sisältää vanhentunutta tietoa. Artikkelissa esitetyt perusperiaatteet ovat kuitenkin edelleen – lähes 20 vuoden jälkeenkin – samoja. GIS on ollut olemassa jo 60 vuoden ajan ja siinä ajassa siitä on tullut monella alalla käytössä olevaa teknologiaa. Se on täysin muuttanut käsityksemme siitä, kuinka maantieteellistä aineistoa kerätään, tallennetaan, analysoidaan ja jaetaan.

Lähteet:

Matikainen, Aino 2012. Artikkeli 2. Geoinformatiikasta.. 27.2.2012. <https://blogs.helsinki.fi/ainooika/>

Queen, L. P. & C. R. Blinn (1993/2004). The Basics of Geographic Information Systems. 25 s. Regents of the University of Minnesota.

Säyrinen, Timo 2012. Artikkeli 2 – GIS. 27.2.2012. <https://blogs.helsinki.fi/sayrinen/>

Tjukanov, Topi 2012. Artikkeli 2: Geoinformatiikka muuttuvan maailman keskellä. 27.2.2012. <https://blogs.helsinki.fi/ttjukano/>

Kurssikerta 5

Puskuroinnin ihmeellinen (?) maailma

Viidennellä kurssikerralla tuli seinä vastaan monta kertaa ja turhautuminen oli keskeisin tunne. Jouduin olemaan kurssikerralta pois ja tämä ei millään tavalla helpottanut itsenäisten tehtävien tekemistä. Kurssikerta koostui pääasiassa itsenäisesti suoritettavista tehtävistä, mutta kurssikavereiden ja opettajien auttava käsi olisi ollut tarpeen.

Kurssikerralla tarvittiin paljon aikaisemmin opittuja Mapinfo-taitoja sekä opittiin uusi keskeinen menetelmä: puskurointi (buffering). Puskuroinnin avulla voidaan laskea esimerkiksi kuinka monta kohdetta on tietyn suuruisen alueen sisäpuolella. Suurin vaikeus tuli siinä, etten tajunnut aluksi sitä, että Cosmetic Layerin on oltava tyhjänä ennen puskurointia. Sonja Murron blogista selvisi, että puskuroinnin rajan sileyttä olisi myös pystynyt muokkaamaan (https://blogs.helsinki.fi/sxmurto/).

Tehtävänä oli laskea kuinka moneen asukkaaseen Malmin ja Helsinki-Vantaan lentokenttien melu vaikuttaa 1 ja 2 km:n säteellä. Lisäksi Helsinki-Vantaalta piti laskea kuinka monta ihmistä asuu 65 ja vähintään 55 desibelin melualueella. Itsenäistehtävä 1:htä vaikeutti vielä se, että Helsinki-Vantaan lentokentälle piti itse määrittämällä piirtää Tikkurilaan alueelle syntyvä melualue, jos lennot muutettaisiin laskeutumaan kaakosta. Juna-asemat oli tallennettu tietokantaan ja niistä tuli laskea alle 500 metrin etäisyydellä asuvat ihmiset, niiden suhteellinen osuus kaikista alueen asukkaista sekä työikäisten osuus näistä asukkaista. Itsenäistehtävässä 2 piti laskea mm. kouluikäisten osuus taajaman asukkaista. Tämän lisäksi oli vapaavalintainen tehtävä, joista valitsin tehtävän, jossa tuli selvittää tietoa Helsingin Yhteiskoulussa aloittavista oppilaista. Saadut vastaukset tässä: taulukko kk5. Saaduissa arvoissa näyttää olevan aika paljon tekijästä johtuvia eroja. Eroihin vaikuttaa mm. se, miten tarkasti kiitoradat piirtää ja piirtääkö mukaan myös koneiden kulkuväylät sekä puskuroitujen alueiden rajojen sileys. Esimerkiksi poikkeuksellisen suuret luvut Helsinki-Vantaan kohdalla johtuvat siitä, että rajasin alueen melko suureksi.

Puskurointivyöhykkeet ovat kätevä tapa rajata alueita jonkin ominaisuuden perusteella. Niitä voidaan hyödyntää muun muassa eri yritysten tai palveluiden sijainnin suunnittelussa. Sen avulla voidaan tutkia, mihin esimerkiksi terveyskeskus tai kirjasto kannattaa sijoittaa. Biologian pääaineopiskelijana mieleeni tulee, että puskurointia voisi hyödyntää jonkin eläinlajin suojelussa määrittämällä lajin reviiri ja sen perusteella voidaan laatia suojelualueen suuruus. Puskurointivyöhykkeiden käyttö toki edellyttää aina ennakkotietoa tutkittavasta ilmiöstä. Lajin suojelu ei onnistu tietämättä ensin, kuinka suuri reviiri tutkittavalla eläinlajilla on tai eikä ihmisiin vaikuttavien asioiden tutkiminen onnistu ilman, että on tiedossa, kuinka paljon asukkaita alueella asuu.

Mapinfo on alkanut käydä jo tutummaksi, vaikka joidenkin opittujen toimintojen kohdalla joudun joka kerta miettimään, mitä tässä pitikään tehdä. Kovin luova käytössä en voi olla enkä usko, että opin helposti uusien työkalujen tai toimintojen käyttöä itsenäisesti. Tekemieni virheiden kautta uskon kuitenkin oppineeni paljon enemmän kuin ilman niitä. Keskeisimpiä oppimiani toimintoja ovat puskuroinnin lisäksi kartan rekisteröinti, tietokantojen tuominen ja muokkaaminen (työkaluista update column ja table structure) sekä erilaisten teemakarttojen luomiseen tarkoitettu työkalu. Näistä teemakarttojen tekeminen on parhaiten itselläni hallussa, koska se on helpoiten ymmärrettävissä. Nyt ymmärrän jo myös kunnolla, missä muodossa Mapinfoon pitää tallentaa tiedostoja.

Mapinfon mahdollisuudet ovat lähes rajattomat, kunhan kunnollista aineistoa on tarjolla. Käytettävän aineiston tarkkuus ja luotettavuus vaikuttavat merkittävästi Mapinfolla saatuihin tuloksiin. Kuten Niina Panula toteaa blogissaan ”Tiedon analysoinnissa tärkeää on osata rajata tarvittavaa tietoa, ja suhteuttaa saatuja tuloksia” (https://blogs.helsinki.fi/0k39181/). Eniten Mapnfon käyölle asettaakin rajoituksia sen käyttäjä, sillä kokemattomalle käyttäjälle virheiden tekeminen on helppoa. Mikko Raninen kirjoittaa blogissaan, että käyttäjän on huolellisesti valittava oikeat sarakkeet ja laskutoimitukset, jotta tulos ei vääristyisi (https://blogs.helsinki.fi/mraninen/). Kun nämä asiat pitää mielessä, niin saamiinsa tuloksiin on suhtauduttava aina hieman kriittisesti.

Lähteet:

Murto, Sonja 2012. Kurssikerta 5 – Bufferointia ja analyyseja. 23.2.2012. <https://blogs.helsinki.fi/sxmurto/>

Panula, Niina 2012. Viides kurssikerta; bufferointia ja omatoimisuutta. 24.2.2012.<https://blogs.helsinki.fi/0k39181/>

Raninen, Mikko 2012. Kurssikerta 5. Bufferoi bufferoi bufferoi vaan… (jos osaat). 24.2.2012. <https://blogs.helsinki.fi/mraninen/>

Kurssikerta 4

Paikkatietoa Yhdysvalloista

Tehtävänä oli tarkastella ja tehdä SWOT-analyysi interaktiivisesta karttapalvelusta, johon on siirretty Yhdysvaltojen väestönlaskennan tietoja paikkatietomuodossa. Tiedot on kerännyt U.S Census Bureau vuosilta 2005-2009 (). Tämän lisäksi tulisi verrata Yhdysvaltojen ja Suomen käytäntöä tuottaa paikkatietoa. Koska SWOT-analyysia en ole aikaisemmin tehnyt, tarkistin Wikipediasta, mitä se tarkoittaa (Wikipedia – SWOT-analyysi). Sieltä selvisi, että analyysin tarkoitus on keskittyä palvelun vahvuuksiin (Strenghts) ja heikkouksiin (Weaknesses) sekä mahdollisuuksiin (Opportunities) ja uhkiin (Threaths).

Vahvuuksia ja heikkouksia

Ensimmäisenä aukeaa näkymä New Yorkin eri rotu- ja etnisten ryhmien alueellisesta jakautumisesta. Kun karttaa zoomaa kauemmas, on nähtävissä myös muiden USA:n osavaltioiden etnisten ryhmien jakautuminen. Mitä kauemmas karttaa zoomaa, sitä suurempaa väestömäärää yksi piste kuvaa. Suurimmillaan se kuvaa 25 000 ja pienimmillään 25 asukasta. Muun muassa tästä syystä esimerkiksi North Dakotan ja Montanan osavaltiot näyttävät lähes asumattomilta. Tässä tulee vastaan kartan ensimmäinen heikkous. Koska Yhdysvalloissa on osavaltioiden asukaslukujen välillä valtavia eroja, en ole varma, ovatko pisteet parhaita kuvaamaan alueellista väestön jakautumista. Tiheästi asutuilla alueilla pisteiden erottaminen toisistaan on vaikeaa ja pinta-alaltaan suurilla alueilla, kuten Montanassa, pisteet eivät anna todellista kuvaa eri ihmisryhmien alueellisesta jakautumisesta. Ongelmaksi joillakin alueilla muodostuu myös se, että jos alueella on jotakin ihmisryhmää vähän, pisteitä ei ole mahdollista nähdä kauempaa. Pisteiden tueksi on onneksi annettu piirikuntien rotu- ja etnisten ryhmien prosentuaaliset osuudet ja arvioidut väkiluvut, joka helpottaa kartan lukemista. Kartan viitetekstissä myös mainitaan tietojen olevan arvioita ja virhemarginaali on otettava huomioon erityisesti alueilla, joissa on vähän asukkaita. Toki tässä olisi voinut miettiä, että onko kartan otsikko ”Mapping America: Every City, Every Block” hieman harhaanjohtava.

New Yorkin kaupungin alueelta ja New Jerseystä tiedot ovat kattavat. Samoin muun muassa Los Angelesin piirikunnan sekä joidenkin Texasin piirikuntien alueelta tietoa on paljon. Alueiden lähempi tarkastelu osoittaa, että New Yorkin alueella valkoisia alueita (low population area), on vähemmän kuin esimerkiksi Dallasin tai Los Angelesin piirikuntien alueella. Tätä osin selittää alueen pienempi pinta-ala eli asukastiheys on pienempi esimerkiksi Los Angelesissa kuin New Yorkissa.

Etnisyyden ja rodun lisäksi karttapalvelusta voi valita kolmesta muusta luokasta: tulotaso, asumismuodot ja koulutustaso. Näistä kaikista luokista löytyy vielä 4-7 erilaista teemaa. Jokaisessa pääryhmän teemassa on luokkia neljä tai viisi, joka helpottaa erityisesti tottumatonta kartanlukijaa. Aiheiden suuri määrä on ehdottomasti kartan vahvuus. Tulotasoluokassa voi tarkastella esimerkiksi keskimääräistä tulotason muutosta, asumismuodoissa esimerkiksi asunnon arvoa ja koulutuksessa esimerkiksi vähintään maisteritasoisten tutkintojen määrää. Näissä muissa teemoissa on käytetty pääasiassa ruutukarttaa, joka tämänlaisen aineiston kuvaamiseen on selkeämpi kuin pistekartta.

Palvelun etuja ovat myös sen helppo saatavuus, sillä aineisto on kaikkien internetiä käyttävien ulottuvilla. Suureksi plussaksi luen myös sen helppokäyttöisyyden ja nopeuden. Zoomaaminen ja kartalla liikkuminen onnistuu ilman pitkiä latausaikoja ja eri karttatyyppejä on vaivatonta vaihtaa. Kartan ulkoasu ja käytetyt värit ovat myös selkeitä ja tulkinnan varaa jää melko vähän.

Mapping America-palvelun heikkouksiin kuuluu aiemmin mainittujen lisäksi se, että kartat eivät perustu yksityiskohtaiseen tietoon vaan otoksiin. Palveluun olisin kaivannut myös jonkinlaista johdatustekstiä, josta selviäisivät motiivit teemojen valinnalle. Lisäksi kuten Mikko Raninen toteaa blogissaan, kartalta puuttuvat kartografian perusteisiin kuuluvat pohjoisnuoli sekä mittakaava. (blogs.helsinki.fi/mraninen/). Pohjoisnuolen puuttumista en itse koe ongelmaksi, koska Pohjois-Amerikan kartta on sen verran tuttu, mutta mittakaava olisi hyödyllinen. Mittakaavan pois jättämiseen on syynä ehkä ollut se, että se pätisi vain yhdessä suurennostilassa ja zoomatessa mittakaavan pitäisi olla eri.

Mahdollisuudet ja uhat

Karttapalvelussa ei ole mahdollista laittaa kahta teemaa päällekkäin, mutta eri karttoja vertailemalla voidaan tutkia, onko kahden tai useamman tekijän – esimerkiksi korkeakoulutuksen ja asuinkustannusten – välillä yhteyttä. Tässä toki vaarana on, että jos ei ole perehtynyt asiaan, on helppo tehdä eri ilmiöiden välisistä yhteyksistä vääriä johtopäätöksiä.

Eri alueiden etnistä jakaumaa voisi hyödyntää muun muassa kohderyhmämarkkinoinnissa. Kohderyhmät voisivat olla apuna myös yritysten etsiessä uutta sijaintipaikkaa. Korkeakoulutettujen jakautumista voisivat hyödyntää eri alojen yritykset miettiessään yrityksen sijoittumista pätevien työntekijöiden läheisyyteen. Yksityiselle ihmiselle tällainen palvelu voi tarjota apua esimerkiksi valittaessa uutta asuinpaikkaa tai hankittaessa tietoa siitä.

Mahdollisuus voi olla myös uhka. Kun tällainen palvelu on tarjolla, se helposti ajaa ihmisiä ja alueita eriarvoiseen asemaan. Suuri etnisten ryhmien keskittyminen pienelle alueelle ohjaa ihmisten käyttäytymistä. Kun tietoon yhdistetään tuloerot ja asuinkustannukset, voi se johtaa jopa joidenkin alueiden leimautumiseen slummiksi, vaikka todellisuus olisikin toinen. Pahimmassa kauhukuvassa tiettyjen alueiden suuret etniset keskittymät voivat johtaa jopa rasistisiin tai terroritekoihin.

Erityisen huolestuttavana pidän samaa sukupuolta olevien pariskuntien suhteiden tuomista karttapalveluun. En ymmärrä, mitä hyötyä tästä on. Pelkkä mielenkiinto asiaa kohtaan ei pitäisi olla syynä sen julkistamiseen. Ymmärtääkseni USA:ssa kaikissa osavaltioissa samaa sukupuolta olevien suhteita ei voi virallisesti rekisteröidä eikä tästä syystä kaikki osavaltiot ole asian suhteen edes vertailukelpoisessa asemassa.

Suomi vs. USA

Viljami Ruohonen kirjoittaa blogissaan, että ”USA:ssa liian tarkkojen tilastointien koetaan loukkaavan yksilönvapautta ja -suojaa”(blogs.helsinki.fi/viljamir/). Mapping America- palvelun kaltainen kaikille tarjolla oleva tieto ei sisällä niin yksityiskohtaista informaatiota, että se loukkaisi yksityisyydensuojaa.

Suomi on USA:han verrattuna turvallinen maa monella tavalla. Meillä on käytössä väestörekisteri ja yksilölliset henkilötunnukset ja ns. identiteettivarkauksia ei ole edes kriminalisoitu, koska Suomessa tällaisen harjoittaminen on paljon Yhdysvaltoja vaikeampaa. Suomessa paikkatieto on tarkkaa, mutta se ei ole tarjolla vapaasti kaikille. Tiedon yksityiskohtaisuuden takia on hyväkin, ettei tietoon pääse käsiksi ihan kuka vaan. Kenelle sitten niin yksityiskohtaiseen tietoon tulisi olla oikeus? Vääriin käsiin joutuessaan sosiaalisessa mediassa on yksityishenkilöiden tietoja vaivatonta levittää. Vaikka tietoa ei kukaan väärin käyttäisikään, niin maassa, jossa ajatusmaailma ”mitä muut meistä ajattelevat” on syvälle juurtunut, yksityisen tiedon leviäminen kaikkien saataville voisi olla hyvin vahingollista.

Lähteet:

Mapping America: Every City, Every Block. The New York Times. 8.2.2012. <projects.nytimes.com/census/2010/explorer>

Raninen, Mikko 2012. Blogitehtävä 4. viikolle: SWOT-analyysi. 16.2.2012. <blogs.helsinki.fi/mraninen/>

Ruohonen, Viljami 2012. Paikkatietoa Yhdysvalloista – Mapping America: Every City, Every Block. 16.2.2012. <blogs.helsinki.fi/viljamir/>

Wikipedia – SWOT-analyysi 2012. 15.2.2012. <fi.wikipedia.org/wiki/SWOT-analyysi>

Ruututeemakartta muunkielisistä

Kurssikerta aloitettiin jälleen yhteisesti tekemällä ruututeemakartta pääkaupunkiseudusta käyttämällä pääkaupunkiseudun väestötietokantaa (SeutuCD’09). Tietokanta sisältää pääkaupunkiseudusta hyvin tarkkaa tietoa rakennuksen tarkkuudella. Omakotitalosta voidaan nähdä vuoden 2009 tiedot mm. asukasmäärästä ja asukkaiden sukupuolesta.

Käytin itsenäisesti tehtävässä kartassa aineistona muunkielisten osuutta pääkaupunkiseudulla (Kuva 1.). Muunkielisillä tässä tarkoitetaan muita kuin suomen- tai ruotsinkielisiä. Kokeilin aluksi 1000 m2:n ruutukokoa, mutta 500 m2:n ruutukoossa eri alueet erottuivat mielestäni paremmin. Kartasta näkyy selvästi, että muunkielisiä on lähes koko pääkaupunkiseudulla. Vähiten muunkielisiä asuu muutenkin harvaan asutuilla alueilla, kuten Pohjois-Espoossa, Länsi-Vantaan pohjoisosissa sekä Östersundomin suunnalla. Eniten heitä asuu mm. Helsingin keskustan alueella, Merihaassa sekä Myyrmäki-Kannelmäki akselilla. Muunkielisten suuri määrä näillä alueilla johtunee osittain asuinkustannuksista, työpaikkojen sijainnista ja alueiden hyvistä kulkuyhteyksistä. Myös muissa maissa Suomea enemmän läsnä oleva yhteisöllisyys ajaa varmasti joitakin ihmisiä asumaan alueille, joissa etnisten vähemmistöjen osuus on suurehko. Mikko Raninen tuo myös hyvän pointin blogissaan: paikallisväestö ei muuta alueille, joissa ulkomaalaiskeskittymät ovat suuria. Tämä synnyttää itseään ruokkivan systeemin, jossa syntyy alueita, joilla valtaosa on ulkomaalaisia (blogs.helsinki.fi/mraninen/).

Kuva 1. Muunkielisten määrä pääkaupunkiseudulla

Ruutukartan etu on se, etteivät ruudut ole riippuvaisia hallinnollisista tai muista aluejaoista. Ruututeemakartalla on mahdollista esittää absoluuttisia arvoja. Kuten Elli Saari toteaa blogissaan, tämä on mahdollista, koska ruudut ovat samankokoisia (blogs.helsinki.fi/ellsaari/). Suhteellisia lukuarvoja voidaan myös esittää ruuduittain, mutta jos ruudun koko on pieni ja kuvattavaa ilmiötä ruudussa vähän, satunnaisvaihtelu voi vaikuttaa ruudun saamaan arvoon korostetusti (Tilastokeskus – Ruutukartat).

Ruututeemakartalla on mielestäni helpompi esittää eri ilmiöiden alueellista jakautumista kuin pistekartoilla, sillä jälkimmäisen ongelmana on oikean pistekoon valitseminen, jos samalla kartalla on harvaan ja hyvin tiheään asuttuja alueita.

Lisäsin karttaan pienalueiden rajat, jotta muunkielisen väestön jakautuminen olisi helpommin hahmotettavissa. Jotta kartta olisi informatiivisempi, siinä voisi olla niiden alueiden nimet, joissa muunkielisiä esiintyy eniten ja miksei myös vähiten. Kaikkia alueita kartalle ei missään nimessä voi tunkea, sillä silloin kartta olisi liian täynnä tavaraa. Absoluuttisten arvojen ansiosta eri alueita on helpompi vertailla keskenään. Koska väestö ei kuitenkaan ole jakautunut tasaisesti, tämänkaltaisen aineiston kanssa tulee ongelma. Suhteelliset osuudet tarjoaisivat lisäinformaatiota siitä, kuinka suuri osa alueen asukkaista on muunkielisiä ja väestön ominaisuuksien kuvaamiseen ne ovatkin parempia.

Legendan sijoittaminen karttaan oli ongelmallista, sillä rajasin kartan aavistuksen liian pieneksi niin, että legendalle ei meinannut löytyä paikkaa ja tässäkin versiossa alin luokka jää peittoon. Värivalintaan olen muuten tyytyväinen, mutta vaalein väri olisi voinut ehkä olla asteen tummempi, jotta se erottuisi selkeämmin. Viisi luokkaa antaa mielestäni selkeän ja parhaan kuvan väestön alueellisesta jakautumisesta.

Lähteet:

Raninen, Mikko 2012. Kurssikerta 4. Ruututeemakartta. 16.2.2012. <blogs.helsinki.fi/mraninen/>

Saari, Elli 2012. Ristinollaa KK4. 16.2.2012. <blogs.helsinki.fi/ellsaari/>

Seutu-CD09′ 2009. 8.2.2012.

Tilastokeskus 2012. Tuotteet ja palvelut – Verkkokoulu. 2.16 Ruutukartat. 15.2.2012. <www.stat.fi/tup/verkkokoulu/data/tkart/02/16/index.html>

Kurssikerta 3

Afrikan konfliktit ja luonnonvarat

Kolmannella kurssikerralla perehdyttiin edellisiä kertoja enemmän tietokantojen muokkaamiseen. Aluksi muokattiin Afrikan valtioiden tietokantaa, johon haluttiin lisätä valtioiden nimien lisäksi myös muuta informaatiota. Opettajan ohjeiden perässä pysyminen oli melko vaivatonta enkä ollut missään vaiheessa täysin pihalla tai jäänyt opetuksessa jälkeen. Se, miksi jokin asia tehtiin, jäi välillä ehkä hieman mysteeriksi, mutta nämä varmaan aukenevat vielä myöhemmässä vaiheessa paremmin.

Kurssikerralta hyvin mieleen jäänyt olennainen tieto on, että kun MapInfoon tuodaan ulkopuolelta tietoa, esimerkiksi Excel-tiedostoja, on kirjoitusasun oltava aina sama. Excel-muodossa tietojen tuominen MapInfoon kuitenkin on mahdollista. Tämä on todella positiivista ja hieman yllättävää, koska MS Office-ohjelmia on niin harvoin tehty käytettäväksi muiden ohjelmien kanssa.

Kuva 1. Afrikan konfliktit, öljykentät timanttikaivokset.

Afrikan kartassa (Maplibrary 2011) aineistona olivat konfliktipaikkojen (CSCW – A Comprehensive Study of Civil War 2007), öljykenttien (CSCW – A Comprehensive Study of Civil War 2007) sekä timanttikaivosten (CSCW – A Comprehensive Study of Civil War 2007) lukumäärät (Kuva 1.). Tietokannasta saatiin vielä laskemalla se, kuinka paljon väkilukuun suhteutettuna eri valtioissa käytetään internettiä. Luvut ovat hälyttävän alhaiset, mutta internetin käytössä Pohjois-Afrikan valtiot, saarivaltiot kuten Mauritius sekä yksittäisistä valtioista Etelä-Afrikka erottuvat edukseen (Internet World Stats 2011).

Libyan viime keväiset konfliktit eivät ole vielä tähän materiaaliin ehtineet. Tämän lisäksi konflikteista vapaa alue on Länsi-Saharan alue, jossa ei ole juurikaan asukkaita, mutta ei myöskään konflikteja aiheuttavia luonnonvaroja.Kartalta voidaan selvästi nähdä luonnovarojen ja konfliktien välinen yhteys. Hegren (2006) tutkimuksen mukaan konflikteja tapahtuu pääsääntöisesti alueilla, joilla paikallispopulaatiot ovat tiheitä. Suuri rykelmä konfliktipaikkoja on muun muassa Afrikan lounaisrannikolla, jossa sijaitsevat esimerkiksi lukuisista konflikteistaan tutut Sierra Leone ja Norsunluurannikko. Näillä alueilla on paljon luonnonvaroja, mutta myös valtiot ovat pieniä ja ihmiset asuvat ahtaasti pienellä alueella. Laajimmat konflktit ovat näyttäneet olevan Afrikan sarven, Kongon demokraattisen tasavallan ja Etelä-Afrikan alueella. Konfliktien laajuudesta voidaan päätellä, onko konflikti ollut maan rajan sisäpuolella ja kuinka suureen osaan väestöä se on mahdollisesti vaikuttanut. Kurssikerralla tuli ilmi, että samoilla paikoilla on saattanut olla useita tai pitkään kestäneitä konflikteja, joten pelkkä konfliktipaikkojen lukumäärä ja niiden laajuus ei vielä kerro koko totuutta. Tietokantaan on tallennettu myös konfliktien tapahtumavuosi, joka antaisi lisää informaatiota konfliktien kestosta ja siitä, millä alueella konflikteja on ollut usein.

Internetin käyttö kertoo alueen elintasosta ja kun tämä tieto yhdistetään karttaan, jossa näkyvät konfliktit, öljykentät sekä timanttikaivokset, voidaan päätellä kuinka nämä vaikuttavat toisiinsa. Vaikuttavatko lukuisat konfliktit elintason nousuun? Kun konflikteista tiedetään päivämäärä, voidaan nähdä, onko mahdollisesti elintason nousu lisännyt konflikteja. Kun tiedetään öljykenttien ja timanttikaivosten löytämisvuosi sekä konfliktien tapahtumavuosi, voidaan tarkastella onko niillä vaikutusta toisiinsa. Olisi myös mielenkiintoista tietää öljykenttien ja timanttikaivosten tuottavuusluokittelu ja vertailla sitä konfliktien lukumäärään samalla alueella. Kuten Ainokaisa Tarnanen kirjoittaa blogissaan öljyt ja timantit kiinnostavat myös kansainvälisellä tasolla (blogs.helsinki.fi/atarnane/), joka aiheuttaa usein paikallisväestön riistoa ja seurauksena voi olla alueellista köyhtymistä. Öljykentän tai timanttikaivoksen hyvä tuottavuus ei siis suoraan välttämättä aiheuta konfliktia vaan voi paikallisväestön köyhtymisen myötä lisätä paikallisväestön räjähdeherkkyyttä.

Lähteet:

CSCW – A Comprehensive Study of Civil War (2007a). Conflict Site. 1.2.2012.<www.prio.no/CSCW/Datasets/Armed-Conflict/Conflict-Site/>

CSCW – A Comprehensive Study of Civil War (2007b). Petroleum Dataset v 1.2. 1.2.2012.<www.prio.no/CSCW/Datasets/Geographical-and-Resource/Petroleum-Dataset/Petroleum-Dataset-v-12/>

CSCW – A Comprehensive Study of Civil War (2007c). Diamond Resources. 1.2.2012.<www.prio.no/CSCW/Datasets/Geographical-and-Resource/Diamond-Resources/>

Hegre, Hávard, 2006: Population Size, Concentration and Civil War. A Geographically Disaggerated Analysis. – julkaisu epäselvä?

Internet World Stats (2011). 1.2.2012. <www.internetworldstats.com/stats1.htm>

Maplibrary (2011). Africa. 1.2.2012. <www.maplibrary.org/stacks/Africa/index.php>

Tarnanen, Ainokaisa 2012. Kurssikerta 3 – Tietojen yhdistelyä ja pohdintaa Afrikasta. 7.2.2012. <blogs.helsinki.fi/atarnane/>

Suomen valuma-alueet

Kaikki sujui hyvin, kunnes tietokantoja piti alkaa muokkaamaan itsenäisesti. Parin edellisen tunnin aikana syntynyt informaatiotulva aiheutti sen, että olin tietokannan kanssa täysin umpikujassa enkä tiennyt, mistä mitäkin tapahtuu. Olen mielestäni ollut aina hyvä sisäistämään uudet käyttöjärjestelmät, mutta jokin tässä MapInfossa tökkii pahemman kerran. Ehkä se on toistojen vähäinen määrä ja se, että tämän kaltaista ohjelmaa en ole ennen käyttänyt. Corelia ei tähän samaan kategoriaan voi mielestäni laskea.

Itsenäisessä tehtävässä käytettiin Suomen valuma-alueita aineistona (OIVA – Ympäristö- ja paikkatietopalvelu asiantuntijoille). Taulukossa oli valmiina alivirtaama, ylivirtaama sekä keskialivirtaama. Kaikki nämä olivat itselleni uusia käsitteitä. Ylivirtaamalla tarkoitetaan tulvaa ja keskiylivirtaama on siis tulvahuippujen keskiarvo. Alivirtaama taas on kuiva kausi ja keskialivirtaama kuivan kauden alimpien arvojen keskiarvo (TVT3-Geoinformatiikka, Paarlahti). Jakamalla keskiylivirtaama keskialivirtaamalla saadaan tulvaindeksi, joka ”kuvastaa virtaaman vaihtelua ja ottaa mukaan sekä kuivimmat kaudet että tulvaisimmat ajat” (TVT3-Geoinformatiikka, Paarlahti).Lopullisella kartalla (Kuva 2.) näkyy tulvaindeksin lisäksi pylväsdiagrammina järvisyysprosentti eli se kuinka paljon alueen pinta-alasta on järviä.

Kuva 2. Eri alueiden tulvaindeksi ja järvisyys Suomessa

 

Tulvaindeksistä oli tehty valmiiksi histogrammi, jonka avulla piti valita oikea luokittelutapa.MapInfo ehdotti luokittelutavaksi kvantiilia. Kokeilin myös, miltä kartta näyttää tasavälisellä luokittelulla, koska en ollut varma, onko jakauma epämääräinen vai vino. Tasavälinen luokittelu ei kuitenkaan osoittautunut hyväksi vaihtoehdoksi, koska se laittaa lähes kaikki samaan luokkaan, jolloin eroja ei ole havaittavissa. Päädyin lopulta valitsemaan MapInfon alunperin ehdottaman kvantiilin luokittelutavan. Kokeilin myös eri värivaihtoehtoja ja vaikka pylväsdiagrammi olisi ollut paremmassa harmoniassa sen ollessa sininen, mielestäni se kuitenkin erottui huonommin näin, jonka takia valitsin punaisen värin diagrammille. Pylväsdiagrammien alta on hieman vaikea erottaa Etelä-Suomen tulva-alueita. Tämä koituikin pylväiden laadinnassa hankalaksi, sillä pienempänä niitä ei kunnolla erota ja suurempana ne peittävät valuma-alueet alleen.

Kartalta voi huomata, että sisämaan valuma-alueet ovat suurempia eivätkä niin tulvaherkkiä kuin rannikon valuma-alueet. Sisämaan valuma-alueet ovat myös rannikkoa järvisempiä. Järvisyys selvästi korreloi negatiivisesti tulvaindeksin kanssa, mutta kuten Mikko Raninen toteaa blogissaan järvisyys ei ole ainoa tulvaindeksiin vaikuttava tekijä vaan tulvimista vähentävät myös metsät ja erityisesti suot (blogs.helsinki.fi/mraninen/).

Yllättävää ei ole, että järvisyysprosentti on suurin Järvi-Suomessa. Pohjanmaa on tunnetusti tulvaherkkää aluetta pääasiassa siksi, että alueella on runsaasti jokia ja vähän järviä. Kevättulvat aiheuttavat usein ongelmia alueella ja tämä on selvästi havaittavissa kartalta. Amanda Cardwell mielestäni pohtii hyvin blogissaan, mistä Etelä-Suomen suuri tulvaindeksi johtuu. Etelä-Suomen sademäärät ovat Suomen suurimpia, koska lämpimämpi eteläinen ilmamassa sitoo enemmän vesihöyryä. Erittäin hyvä Amandan pointti on, että myös kaupungistuneisuus vaikuttaa Etelä-Suomen tulvaindeksiin, koska vesi ei pääse imeytymään maaperään, josta melko suuri osa on vettä läpäisemätöntä. (blogs.helsinki.fi/amandaca/).

Lähteet:

Cardwell, Amanda 2012. Kurssikerta 3. 10.2.2012. <blogs.helsinki.fi/amandaca/

OIVA – Ympäristö- ja paikkatietopalvelu asiantuntijoille (2011). 1.2.2012. <wwwp2.ymparisto.fi/scripts/oiva.asp>

Paarlahti, Arttu. TVT3-Geoinformatiikka (2012). Tulvaindeksi. 7.2.2012. <blogs.helsinki.fi/tvt3-2012/>

Raninen, Mikko 2012.Kurssikerta 3. Muokkausta tietokantoihin ja vedellä leikkimistä.10.2.2012. <blogs.helsinki.fi/mraninen/>


Artikkeli 1 – Yhden ja kahden muuttujan koropleettikartat

Anna Leonowicz pohtii artikkelissaan ‘Two-variable choropleth maps as a useful tool for
visualization of geographical relationship’ yhden ja kahden muutujan koropleettikarttojen käyttötarkoitusta ja tulkintaa. Hänen mukaansa yhden muuttujan koropleettikarttoja on vaikea tehdä niin, että ne ovat vertailtavissa keskenään. Eri karttojen ilmiöiden samankaltaisuudet tai eroavaisuudet ovat nähtävissä vain, kun karttoja tarkastellaan ensin erikseen ja tämän jälkeen vertaillaan niitä keskenään. Tähän kirjoittajan mielestä on ratkaisuna kahden muuttujan koropleettikartat, joilla voidaan esittää kahta eri ilmiötä samanaikaisesti.

Kahden muuttujan koropleettikarttojen luettavuudesta saatiin negatiivista palautetta 1970-luvulla USA:ssa. Anna Leonowiczin mukaan tämä ei johdu kahden muuttujan kartoista sinänsä vaan niiden huonosta visuaalisesta esityksestä ja tämän takia niiden esittäminen vaatii hyvää suunnittelua. Hän testaakin artikkelissaan tätä hypoteesia ja toteaa lopuksi yhden muuttujan kartan toimivan paremmin luettaessa alueellista levinneisyyttä. Kahden muuttujan kartta taas toimii paremmin, kun esitetään alueellista suhdetta, mutta edellytyksenä on, että ne ovat huolellisesti laaditettuja.

Artikkelin kuvat havainnollistavat artikkelia paljon, koska itselleni kahden muuttujan koropleettikartat eivät ole tuttu juttu. Yhden muuttujan koropleettikarttoja taas on katseltu syksystä asti. Kahden muuttujan kartta pitää olla huolellisesti laadittu, koska se vaatii lukijaltaan enemmän. Johtuuko sitten tottumattomuudestani lukea kahden muuttujan karttoja, mutta artikkelin liitteenä oleva kahden muuttujan kartta (Fig 3.) ei kyllä ole itselleni mitenkään itsestäänselvä asia, vaan vaatii enemmän aikaa kuin samassa kuvassa olevat kaksi yhden muuttujan karttaa. Siksi en ole kovin yllättynyt, että artikkelissaan Anna Leonowicz toteaa, että melkein puolet tutkimukseen osallistuneista Varsovan yliopiston maantieteen opiskelijoista eivät olleet yhtä mieltä kahden muuttujan koropleettikarttojen helppoudesta.

Kahden muuttujan kartta vaatii selkeän legendan ja jo jonkin verran matemaattista ajattelua sekä laatijaltaan että lukijaltaan. Kaikissa kartoissa on aina oltava legenda, mutta kahden muuttujan koropleettikartassa sen tärkeys korostuu entisestään ja se vaatii huolellista tarkastelua. Myös värit on kartanlaatijan valittava huolellisesti. Kuten Julia Kemppinen toteaa blogissaan: ”Tavallisessa karttaesityksessä legendassa jokainen sävy symboloi aina yhtä tiettyä ilmiötä, kun taas päällekkäisissä koropleettikartoissa kahden ilmiön kohdatessa syntyy uusi yhteinen sävy” (blogs.helsinki.fi/jjkemppi/).

En ole kokeillut MapInfolla kahden muuttujan koropleettikartan laatimista, mutta tämän artikkelin luettuani sen luultavasti tulen laatimaan sisäistääkseni asian paremmin. Vaikeita käsitteitä artikkelissa ei muuten mielestäni ollut ja asiassa edettiin johdonmukaisesti. Olisi mielenkiintoista, jos tutkimukseen olisi osallistunut myös muiden maiden maantieteen opiskelijoita, jotta voitasiiin nähdä, onko koropleettikarttojen ymmärtämisessä eroja eri maiden välillä.

Lähteet:

Kemppinen, Julia 2012Artikkeli 1 – Anna Leonowicz ja päällekkäiset koropleettikartat. 28.1.2012. <blogs.helsinki.fi/jjkemppi/>

Leonowicz, Anna, 2006: Two-variable choropleth maps as a useful tool for visualization of geographical relationship. — Geografija 42: 33–37.

Kurssikerta 2 – Teemakarttojen laatimista

Kurssikerran aluksi käytiin yhteisesti läpi erilaisia MapInfosta löytyviä teemakarttoja. Kartat laadittiin Pohjois-Suomen kuntatietojen pohjalta (Kuntadata 2011). Kuten Anttoni Kervinen blogissaan toteaa, MapInfon nopeus ja erilaiset mahdollisuudet luoda selkeitä karttoja yllättivät täysin (blogs.helsinki.fi/aeekervi/). Erilaisia kokeiltuja karttoja olivat muun muassa pylväsdiagrammi-, piste- ja grid-kartta, joista viimeksi mainittu vaikutti lähinnä tajuntaa laajentavia piristeitä nauttineen tulkinnalta eri ilmiöistä eikä ole kovin käyttökelpoinen väline maantieteellisestä aineistoa esitettäessä. Grid-kartta on liukuvärjätty kartta, jossa aineisto on interpoloitu. Grid-kartan lisäksi itselleni uusia teemakarttatyyppejä olivat individual- ja prismaattinen kartta. Prismaattinen kartta on kolmiuloitteinen kartta, jolta on helppo havaita alueelliset yhden muutujan erot. Individual-kartta oli karttatyypeistä hauskin. Sen avulla voidaan kuvata ilmiöitä laadullisesti esimerkiksi ratkaistujen rikosten määrää poliisiautojen koolla eli mitä suurempi poliisiauto, sitä enemmän ratkaistuja rikoksia. Jos ilmiön vierelle ei oteta toista vertailtavaa ilmiötä, ei tämä kerro välttämättä kartanlukijalle yhtään mitään. Tässä karttatyypissä ongelmaksi koitui myös se, että pienimpien poliisiautojen koko oli niin pieni, että niitä oli lähes mahdotonta erottaa kartalta sen ollessa normaalikoossa.

Lopullisen teemakartan piti sisältää kaksi päällekkäistä teemakarttaa. Koska käytännössä kahden erilaisen diagrammin kuvaus samassa kartassa ei ole kovin kartanlukijaystävällistä, oli toiselle teemalle koropleettikartta melko itsestäänselvä valinta. Valitsin pylväsdiagrammiin vertailukohteiksi vuokra-asuntokuntien ja rivi-ja pientaloasuntokuntien lukumäärän Uudenmaan maakunnassa. Asuntokunnalla tässä tarkoitetaan kaikkia samassa asuinhuoneistossa asuvia henkilöitä (Metadata 2011). Halusin vertailla sitä, kuinka paljon Uudellamaalla on vuokra- ja rivi- sekä pientaloasuntoja sekä miten asumismuoto suhteutuu korkeakoulutettujen osuuteen alueella. Koropleettikartan aineistona on siis korkeakoulututkinnon suorittaneiden osuus. Kokeilin eri vaihtoehtoja ja mielestäni rivi- ja pientaloasuinkuntien sekä vuokra-asuntokuntien välinen yhteys oli parhaiten nähtävissä pylväsdiagrammissa. Korkeakoulutettujen jakautumiseen taas oli koropleettikartta selkein valinta.

Kartalta on selvästi nähtävissä, että rivi- ja pientaloista suurin osa on omistusasuntoja pääkaupunkiseutua sekä Keravaa, Järvenpäätä ja Hyvinkäätä lukuunottamatta. Erityisen paljon rivi- ja pientaloista omistusasuntoja on mm. Askolassa ja Nummi-Pusulassa. Korkeakoulutettujen ja omistusasumisen välillä ei näy olevan selvää yhteyttä. Korkeakoulututkinnon suorittaneita eniten on Kauniaisten ja Espoon alueella. Määrä vähenee, mitä kauemmas pääkaupunkiseudusta mennään. Olisi mielenkiintoista vertailla muiden maakuntien lukumääriä Uutenmaahan, koska Uudellamaalla korkeakoulutettujen osuus on maan suurimpia. Jos kyseessä olisi jokin muu maakunta, alhaisin korkeakoulutettujen prosentti ei varmasti olisi 17. Olisin myös halunnut kerrostaloasumisen samaan karttaan, mutta siihen ei ollut aineistoa tarjolla.

Pääkaupunkiseudulla, erityisesti Helsingissä, vuokra-asuntokuntien määrä on suuri, joka johtuu osaksi siitä, että täällä asuu paljon opiskelijoita ja vuokra-asuntoja on myös muuta maata enemmän tarjolla suhteessa rivitalo- ja pienasuntoihin. Erityisesti Helsingissä asutaan paljon tiiviimmin ja yleisemmin kerrostaloissa kuin vaikkapa Inkoossa. Uudenmaan korkeakouluista suurin osa sijaitsee pääkaupunkiseudulla ja täällä on enemmän työpaikkoja valmistuneille. Siksi korkeakoulutetut helpommin jäävät tai muuttavat tänne asumaan valmistuttuaan. Lisäksi korkeakoulutetuista useampi on yksineläjiä ja/tai lapsettomia kuin korkeintaan toisen asteen koulutuksen omaavista. Perheelliset tarvitsevat isomman asunnon sekä muuttavat helpommin rauhallisemmille alueille, pääkaupunkiseudun ulkopuolelle.

Valitsemani väritys on mielestäni selkeä ja koropleettikartan alueet erottuvat sekä toisistaan että pylväsdiagrammeista. Uudellamaalla kunnat ovat pieniä ja MapInfo ei selkeyden vuoksi tunge kaikkia kuntien nimiä karttaan. Tämä vaatii kartanlukijalta tietoa Uudenmaan kuntien sijoittumisesta. Muuten kartta on mielestäni selkeä ja helposti luettava, vaikkakin vuokra-asuntojen ja rivi- ja pientalojen määrän pystyy päättelemään vain suurin piirtein. Tarkkojen lukeminen tietäminen ei kuitenkaan ole mielestäni tarpeellista.

MapInfon avulla karttojen tekeminen oli ensimmäistä kertaa huomattavasti sujuvampaa. Eri teemakarttojen luominen tapahtuu aina samasta valikosta melko samalla kaavalla. Kuten Mikko Raninenkin (blogs.helsinki.fi/mraninen/) blogissaan kirjoittaa, diagrammin värejä yms. joutuu kuitenkin MapInfon tarjoamista muokkailemaan ja kun kartan on luullut jo saaneensa valmiiksi, jokin olennainen asia puuttuu.

Lähteet:

Kervinen, Anttoni 2012. Kurssikerta 2. 28.1.2012. <blogs.helsinki.fi/aeekervi/>

Kuntadata 2011. TVT3-kurssiaineisto. Tilastokeskus. 25.11.2012.

Metadata 2011. TVT3-kurssiaineisto. Tilastokeskus. 19.11.2012.

Raninen, Mikko 2012. Kurssikerta 2. – Erilaisia teemakarttoja. 28.1.2012. <blogs.helsinki.fi/mraninen/>

Kurssikerta 1 – MapInfon harjoittelua ja koropleettikartan laatimista

Ensimmäisellä kurssikerralla harjoittelimme MapInfon käyttöä. TVT1-kurssilla MapInfoa oli jo pari kertaa käytetty, mutta kurssikerroilta ei juuri ollut jäänyt mitään ohjelman käytöstä mieleen. Onneksi tällä kurssilla MapInfon käyttö aloitettiin alusta ja opastus oli todella hyödyllinen. Ainakin perustoiminnot, kuten erilaisten työvälineiden sekä layereiden käyttö, sujuvat jo varmasti (lähes) ongelmitta toisella kurssikerralla.

Perustoimintojen harjoittelun jälkeen tehtiin ryhmän kanssa yhdessä harjoituskartta Helsingin pienalueista. Käytin tässä aineistona ruotsinkielisten osuutta. Tämän jälkeen laadittiin oma koropleettikartta annettujen ohjeiden pohjalta valmista aineistoa apuna käyttäen. Vaihtoehtona oli käyttää joko koko Suomen tai jonkin Suomen osan tai kuntien väestötietoja. Koska käytin aluksi aineistoina absoluuttisia arvoja, joita koropleettikartalla ei saanut käyttää, jouduin tekemään kartan kahteen kertaan. Tajusin tämän kirjoittaessani tätä tekstiä edellisiltana. Toisin kuin aiemmin olin arvellut, ei MapInfon käyttö ollut viikon jälkeen enää kovin tuoreessamuistissa. Tämän itse aiheutetun, mutta tahattoman kertauksen jälkeen uskon, että jotkut asiat alkavat mennä jo ilman, että MapInfoa tarvitsee tuijotella montaa minuuttia ja kokeilla eri kohdista, että mitä mistäkin tapahtui ”yritys ja erehdys”-menetelmällä.

Käytin siis julkaisuun päätyvässä kartassa aineistona eläkkeellä olevien osuutta väestöstä. Käytetystä väestötiedosta tuli laatia ensin histogrammi histogrammityökalun avulla (netistä löytyvä Illuminations-ohjelma) (Kuva 1.). Ohjelmaa en ollut aikaisemmin käyttänyt, mutta se olisi voinut olla hyödyllinen jo esimerkiksi TVT2-kurssilla. Tämän jälkeen MapInfon avulla laadittiin koropleettikartta käytetystä väestötiedosta.

Pienten alkukankeuksien myötä koropleettikartan teko oli helppoa ja nopeaa (Kuva 2.). Alkuvaikeudet johtuivat enemmän siitä, etten ole käyttänyt paikkatieto-ohjelmia aikaisemmin kuin siitä, että ohjelma olisi ollut monimutkainen. Värivalintaani en ollut täydellisen tyytyväinen, mutta tämä ongelma oli tuttu jo TVT2-kurssilla karttoja Corelilla laadittaessa. Olin kuitenkin yllättynyt siitä,  kuinka sekavia värivaihtoehtoja MapInfon valikoimissa oli. Aikaisemmilla kursseilla on opetettu käyttämään saman värin eri sävyja ja tummuusasteita, MapInfossa tämä oli vain haave. Siinä vihreän värin rinnalle sai valita punaisen – puna-viher-värisokean helvetti, jota pitäisi välttää visuaalisesti ilmaistavissa asioissa. Tähän huomiona, että vasta toisella kurssikerralla ymmärsin, että MapInfon värejä voi muuttaa. Näihin ensimmäisen kurssikerran valitsemiini väreihini on nyt tyytyminen. Kartan väritys ei ole pelkästään virheellinen siinä, että kartalla on sekavasti eri värejä vaan myös siinä, että tummin väri kuvaa alhaisinta lukuarvoa.

Pohjoisnuolen sijoittumisesta lähes sattumanvaraiseen paikkaan varoitettiin jo etukäteen. Ensimmäiseltä harjoittelukartalta tämä jäi kokonaan puuttumaan, koska en ymmärtänyt sitä, kuinka pohjoisnuoli ”käyttäytyy”. Varsinaisen kartan kohdalla menestys oli jo parempi ja nuolikin löytyy kartalta. Mittakaavan kohdalla kävi harjoittelukartalla sama juttu eli onnistuin rajaamaan sen pois kartalta. No, virheistä onneksi oppii ja kurssin edetessä näitä virheitä ei ehkä tarvitse enää tehdä.

Kartan informatiivisuutta häiritsee värivalinta. Hyvä puoli on, että värit erottuvat toisistaan kyllä mielestäni selkeästi, mutta muuten väritys kärsii aiemmin mainitsemistani ongelmista. Kartasta pystyy selvästi näkemään eläkkeellä olevien osuuden olevan selvästi alhaisin suurissa kaupungeissa, erityisesti Uusimaa korostuu tässä. Pohjois-Suomessa Rovaniemellä ja Kittilässä on vähiten eläkkeellä olevia. Eniten eläkkeellä olevia väestöstä on mm. Ilomantsissa Itä-Suomessa sekä Pohjois-Suomessa. Pelkosenniemellä.

Kuten Heini Lankia toteaa blogissaan (https://blogs.helsinki.fi/lankia/) on MapInfon ”luokittelutavan valinnassa oltava kriittinen. Ohjelman ehdottamaa luokittelua ei voi hyväksyä suin päin, vaan sopiva luokittelutapa on hyvä valita histogrammitarkastelun avulla.”  Histogrammia tarkasteltuani päädyin käyttämään luokittelutapana tasavälistä luokittelua, koska se soveltuu hyvin tasaisten ja epämääräisten jakautumien luokitteluun. Luokka, joka kuvaa kuntia, joissa eläkkeellä olevien osuus on alhaisin, on luokkavälinä suurin. Keskimmäiseen luokkaväliin kuuluvia kuntia taas on lukumäärällisesti eniten. Tasavälinen luokittelu antaa selkeän kuvan eläkkeellä olevien jakautumisesta kunnittain ja siksi paras vaihtoehto.

Lähteet:

Histogrammityökalu. 19.1.2012. <http://illuminations.nctm.org/ActivityDetail.aspx?ID=78>

Lankia, Heini 2012. 1.Kurssikerta. 25.1.2012. < https://blogs.helsinki.fi/lankia/>

Metadata 2011. TVT3-kurssiaineisto. Tilastokeskus. 19.11.2012.