Lukujärjestys pakollisista biologian kursseista

Tein omaan käyttööni lukujärjestyksen biologian sivuaineen pakollisista kursseista jokaiselle viikolle. Näin siksi, että kurssit ja kurssisalit vaihtelevat välillä jännästi. Koska lukujärjestys on tehty Excelillä niin lataa toki itsellesi alla olevasta linkistä:
https://dl.dropbox.com/u/67633997/Biologiaekavuosi.xlsx

Joitakin kursseja tai luentosaleja ei ole listaan merkitty, koska niistä ei löydy tietoa WebOodistakaan. En vastaa mahdollisista jälkikäteen ilmenevistä muutoksista, ja jokainen pohjan käyttäjä on itse vastuulla oman versionsa päivittämisestä 19.8.2012 alkaen. Pohjaanhan voi toki lisäillä muitakin kursseja oman mielen mukaan, ei ole pakko rajoittaa biologiaan!

Luonnonmaantieteen harjoitustyökurssin lopputyö

Elikkäs pitkään ja hartaasti väännetty geomorfologinen karttatulkinta Hartolan peruskarttalehdeltä. Kartta piirretty ja työ taitettu Corelilla (X4 ja X6), sijaintikartassa käyetty MapInfoa. Arvosana toistaiseksi tuntematon!:D

Luettavissa täältä:

http://dl.dropbox.com/u/67633997/Geomorf.tulkintaHartolastaHELIKAIN.pdf

TVT3-blogi on nyt valmis!

Vihdoin!

Kurssilla opin todella paljon asioita MapInfosta, ja osaan nykyään käyttää sitä omasta mielestäni hyvin ja itsenäisesti. Mikäli se jotakuta kiinnostaa tai vaikuttaa johonkin, niin tuo lähes kuukauden tauko blogin päivittämisessä johtui erään läheisen henkilön kuolemasta ja siitä seuranneista univaikeuksista, jotka veivät voimat ja kyvyn tehdä asioita hetkellisesti täysin. Tämän lisäksi muitakin vaikeuksia (mm. kuume, täti sairaalassa) oli, mutta vaikeuksien kautta voittoon ja blogi on nyt, sunnuntaina 18.3.2012 kello 21.58, valmis arvosteltavaksi.

Jatkossa aion päivitellä tänne joitakin opintoihini liittyviä asioita ja kurssitöitä, koska tiedän isäni olevan lukijani:) Eli TVT3-blogi muuttuu ihan yleiseksi opintoblogiksi, ellei jollain toisellakin kurssilla tule blogin pitämistä tehtäväksi.

Kurssikerta 7, helppoa ja “nopeaa”

Seitsemännen ja viimeisen kurssikerran tarkoituksena oli tuottaa itsenäisesti karttaesitys, jonka tuottamiseen on käytetty kurssilla opittuja taitoja. Itse päädyin tekemään neljä erilaista teemakarttaa Afrikasta.

Aineiston hankinta

Olisin ensin tehnyt jotakin jännittävää ja uskomatonta Saksasta, mutta osavaltioita ei ollut tarpeeksi. Sen jälkeen kokeilin Ranskaa, mutta puuttuva kielitaito esti tehokkaasti kyseisen maan tilastokeskuksen sivujen käytön. Näin ollen päädyin Afrikkaan, koska valtiotasolla tietoa kyllä saa ja yleensä myös ymmärrettävällä kielellä. Afrikassa on kyllä valtioita hieman enemmän kuin vaaditut 20-30, mutta eipä se pahemmin häirinnyt. Alkuperäinen suunnitelmani oli käyttää kolmannella kurssikerralla käytettyjä aineistoja ja yhdistää niihin uusia tietoja ja tehdä sitten vertailua, että vaikuttaako vaikkapa timanttikaivosten lukumäärä bruttokansantuotteeseen henkeä kohden. Loppujen lopuksi koin kuitenkin itse keräämäni tiedot mielenkiintoisemmiksi ja tein vain niiden pohjalta karttoja.

En löytänyt Internetin ihmemaailmasta tarpeeksi nopeasti haluamaani aineistoa Excel-tiedostona, joten päätin koostaa aineistoni ite. Käytin CIA:n World Fact Book:ia, josta keräsin tiedot väkiluvusta, väestörakenteesta, uskonnosta, BKT:sta kokonaisuutena sekä henkeä kohden, alle köyhyysrajan elävistä ihmisistä, kaupungistumisasteesta, lapsikuolleisuudesta ja eliniänodotteesta. Näpyttelin tiedot Exceliin käsityönä, joten aikaa kului todennäköisesti enemmän kuin valmiin tietokannan tai tiedoston etsimiseen. Kuitenkin itse tehtäessä saa juuri sellaisen kuin haluaa ja tarvitsee. Tässä tapauksessa siis tiedot ovat suoraan vietävissä MapInfon paikkatietokannaksi. Lisäksi käytin maiden englannin kielisiä nimiä, joita käytettiin myös kolmannella kurssikerralla.

Aineistosta

Pidän CIA:ta varsin luotettavana tiedon välittäjänä, minkä takia valitsin kyseisen sivuston lähdeaineistokseni esimerkiksi Wikipedian sijasta. Suurin osa tiedoista on vuodelta 2011, mutta joissakin tapauksissa aiemmilta vuosilta. Esimerkiksi Libyan tiedoista osa on vuodelta 2010 ja osaa tiedoista ei edes ole. Oletan tämän johtuvan vuonna 2011 alkaneesta sisällissodasta, joka on muuttanut tietoja sekä vaikeuttanut tietojen keräämistä. Lisäksi Etelä-Sudania ei kartassani ole esitetty, vaan sen kaikki tiedot on yhdistetty Sudanin kanssa. Näin siksi, ettei kyseisestä valtiosta vielä ollut kaikkia tietoja ja lisäksi Sudanin tiedot lähteessäni sisälsivät myös Etelä-Sudanin tiedot. Halusin kuitenkin tehdä vertailua kaikkien valtioiden välillä, mikäli se on mahdollista, joten käytin eri vuosien tietoja. En näe tätä erityisen pahana asiana, sillä vuodessa valtioiden talous tai väestömäärä ei yleensä koe järjettömän suuria muutoksia. Tämän tekstin loppuun laitan vain yhden lähteen CIA:n sivuille, mutta liitän mukaan myös mahdollisuuden tarkastella Word-tiedostoa, johon laitan yksityiskohtaiset lähteet. Lisäksi laitan myös tekemäni Excel tiedoston ladattavaksi, mikäli joku haluaisi sitä tutkia tai mahdollisesti käyttääkin.

Liittäminen MapInfoon

Hankin kyllä bittimuotoisen kartan Afrikasta, mutta opettajan luvalla käytin kolmannella kurssikerralla käsiteltyä paikkatietoaineistoa. Tarkemmin ottaen sitä Afrikka-tietokantaa, josta poistimme turhia rivejä yhdistämällä valtiot kokonaisuuksiksi, eli käyttämässäni tietokannassa oli vain valtioiden nimet ja tunnistusnumerot sekä sijaintitiedot. Toin tekemäni Excel-tiedoston MapInfoon omaksi tietokannakseen ja nopealla tietokanta liitoksella liitin nämä kaksi tietokantaa yhteen. Äärimmäisen helppoa ja nopeaa kun alkuvalmistelut oli tehty huolella, sillä liitin tietokannat toisiinsa maiden nimien perusteella ja nehän täsmäsivät jo alusta asti. Koska en piirtänyt mitään itse, tein yhden kartan sijasta neljä, jotta työmääräni vastaisi jollakin tasolla karttansa piirtäneiden työmäärää. Uskoisin päässeeni kohtalaisen samoihin lukemiin, kun ottaa huomioon Excel-tiedoston koostamiseen (n. 3h) ja kurssikerralla käyetyn (n.2,5h) ajan ja lisäksi kirjoittamiseen kuluvan ajan.

Kartoista yleisesti

Käytin kaikissa kartoissani pohjana koropleettikarttaa ja sen päällä graduated pistekarttaa, jossa pisteen koko siis muuttuu arvoon nähden liukuvasti, eikä luokissa. Valitisin kaikkiin karttoihin gratuated symboleiksi pisteen, koska mielestäni sen koon muuttuminen on kaikista helpoimmin hahmotettavissa. Karttojen värimaailmat eroavat toisistaan, jotta kartat olisi helppo erottaa nopealla vilkaisulla värityksen perusteella. Samojen elementtien käyttäminen kuitenkin luo yhtenäisyyttä ja mielestäni helpottaa vertailua. Olisin mielelläni käyttänyt kahden muuttujan koropleettikarttaa, mutta en saanut siitä erityisen luettavaa joten tyydyin perinteisempään esitystapaan. Kartoillani ei ole näkyvissä nimistöä, sillä elän harhaluulossa, että jokainen tätä blogia lukeva henkilö, eli siis kohderyhmäni, osaa nimetä Afrikan valtiot ulkomuistista. Mikäli kohderyhmäni olisi jokin muu, vaikkapa peruskoululaiset, niin olisin toki laittanut nimistön näkyviin.

Tulkintaa kartoista ja kartoilta

Kuva 1. Kartta 1, Afrikan valtioiden väkiluku ja 0-14 vuotiaiden osuus

Kartta yksi on varsin riemunkirjava esitys Afrikan valtioiden väkiluvusta graduated symbolilla ja 0-14 vuotiaiden osuudesta koropleettina. Koropleetissa on kolme luokkaa, jotka on muodostettu luonnollisia luokkavälejä käyttämällä. Luokkia on vain kolme, koska erot ovat pienet ja useammat luokat loisivat mielestäni liioitellun kuvan alueellisista eroista. Graduated ympyröissä jouduin käyttämään logaritmista luokittelutapaa, koska muuten kartalla näkyisi vain Nigerian väkiluku. Nigerian 180 miljoonaa asukasta on tuplasti niin paljon kuin seuraavana tulevan Etiopian 93 miljoonaa asukasta, joten väkiluvultaan pienempien valtioiden symbolit olivat muilla luokittelutavoilla liian pieniä luettaviksi.

Väkiluvultaan suurimmat valtiot näyttäisivät sijoittuvan varsin satunnaisesti ympäri mannerta sen sijaan, että ne olisivat toistensa naapurimaita. On pakko myöntää, että yllätyin kun huomasin Nigerian olevan väkirikkain valtio, olisin kysyttäessä todennäköisesti veikannut Kongoa väkiluvultaan suurimmaksi. Maat, joissa lasten osuus on pienintä näyttäisivät sijoittuvan aivan Pohjois- ja Etelä-Afrikkaan, lasten osuuden ollessa Keski-Afrikassa suurinta. Tässä en kokenut yllätyksiä, sillä vauraammissa maissa ihmiset elävät pidempään ja hankkivat vähemmän lapsia, jolloin lasten osuus väestöstä pienenee. Teoriaani tukee myös seuraavana esittelemäni kartta Afrikan valtioiden bruttokansantuotteesta.

Kuva 2, histogrammi BKT:n jakautumisen arvoista

Kartta kaksi on vihertäväsävyinen kartta Afrikan valtioiden bruttokansantuotteesta miljardeina dollareina koko maata kohden sekä henkeä kohden dollareina. Bkt henkeä kohden on esitetty koropleettina ja siinä on neljä eri luokkaa. Kuten kuvasta 2 näkyy, on jakauma vino ja vinoihin jakaumiin sopii luokitteluksi kvantiilit tai omat luokkarajat. Päädyin kerrankin käyttämään ihan itse väännettyjä rajoja, koska siten sain mielestäni parhaiten erot näkyville. Mielestäni alueet erottuvat toisistaan hyvin, graduated symboli erottuu taustastaan ja karttaelementit ovat paikoillaan. Tokihan värisävyjen ja objektien sijaintien hienosäätöön voisi käyttää tuntikausia, mutta olen jo hyväksynyt ettei MapInfo ole tai tule ikinä olemaan piirto-ohjelma, joten lopputulos on kelvollinen.

Kuva 3. Kartta 2, Afrikan valtioiden BKT

Ylimpään BKT-henkeä kohden luokkaan kuuluvat maat löytyvät aivan etelästä ja läntiseltä Keski-Afrikan rannikolta, joiden lisäksi pohjoisessa oleva Libya kuuluu ylimpään luokkaan. Toiseksi ylimpään luokkaan kuuluvat valtiot ovat sijoittuneet ylimmän luokan valtioiden ympärille. Näin ollen Afrikan keskellä ja itä- ja länsirannikoilla on lähinnä kahden alimman luokan valtioita. Kahteen alimpaan luokkaan kuuluu yhteensä 36 valtiota kun taas kahteen ylimpään luokkaan kuuluu vain 16 valtiota. Jos verrataan nyt tekemääni karttaa kolmannella kurssikerralla tekemääni karttaan, jossa näkyvät öljylähteet ja timanttikaivokset Afrikassa, niin huomataan, että maissa joissa BKT on suuri, on myös öljylähteitä tai timanttikaivoksia. Tämä ei ole ollenkaan yllättävää, sillä timantit ja öljy ovat arvokkaita ja tuovat siten maahan varallisuutta. Varallisuus ei kuitenkaan välttämättä jakaannu aina tasaisesti. Eli vaikka valtion bruttokansantuote kokonaisuudessaan olisi suuri ja henkeäkin kohden kohtuullinen, voi osa kansasta silti elää alle köyhyysrajan. Seuraava karttani käsittelee juuri tätä ilmiötä.

Kuva 4, kartta 3, Afrikan valtioiden BKT ja alle köyhyysrajan elävät ihmiset

Kolmas kartta esittää Afrikan valtioiden kokonaisbruttokansantuotetta jo totutuilla graduated ympyröillä ja alle köyhyysrajan elävien ihmisten osuutta koropleettina. En ole tyytyväinen karttojen väritykseen, sillä se tuntuu jossain määrin liian räikeältä, eivätkä kaksi ylintä sävyä välttämättä erotu toisistaan jos näyttö on huono. Lisäksi legendasta puuttuu yksi luokka, eli valkoinen ”no data”. Tällä kurssikerralla tekemistäni kartoista tämä on mielestäni huonoin. Luokat ovat noin suurinpiirtein yhtä suuret, mutta oikeasti ne ovat sovinnaiset pyöristetyt luokkavälit, eli suomeksi tein ihan itse. Mielestäni tällä luokkajaolla tulee hyvin esille, että Afrikassa on todella paljon alle köyhyysrajan eläviä ihmisiä.Tässä tapauksessa köyhyysraja vaihtelee valtioittain siten, että rikkaimmilla valtioilla köyhyyden määritteleminen on höllempää kuin köyhissä valtioissa (CIA 2012).

Kartasta käy ilmi, että suurimmassa osassa Afrikan valtioita 40-80 prosenttia ihmisistä elää alle köyhyysrajan. Ainoastaan Tunisiassa ja Marokossa alle 20% ihmisistä elää alle köyhyysrajan, joskin sekin on jo aika paljon. Korrelaatiota BKT:n ja alle köyhyysrajan elävien ihmisten osuudella näyttäisi olevan jonkin verran siten, että mitä pienempi kokonais BKT, sitä suurempi osa kansasta on köyhiä. Tämä ei sinänsä ole yllättävää, sillä jos valtiolla ei ole paljoa niin sitä harvemmin on tavallisilla kansalaisillakaan. Nigerian BKT on yksi suurimmista, mutta silti 70% sen kansalaisista on köyhiä. Tämä selittynee sillä, että Nigeriassa on huomattavan paljon asukkaita, eikä raha jakaudu tasaisesti.

Kuva 5. Kartta 4, Afrikan valtioiden väkiluku ja lapsikuolleisuus

Neljäs ja toivottavasti viimeinen karttani esittää Afrikan valtioiden kaupungistumisastetta ja imeväiskuolleisuutta. Nämä kaksi ovat samassa kartassa siksi, että tahdoin nähdä olisko niillä mahdollisesti jotain yhteyttä. Oletukseni on siis se, että kaupungeissa on yleensä hiukan parempi hygienia ja enemmän sairaaloita kuin maaseudulla, joten kun enemmän ihmisiä asuu kaupungissa, niin myös useampi alle vuoden ikäinen lapsikin asuu kaupungissa. Kartassa olen jälleen käyttänyt graduated symbolia kuvaamaan imeväiskuolleisuutta (kuinka monta alle vuoden ikäisenä kuollutta on 1000 elävänä syntynyttä kohden) ja koropleetilla esitän kaupungistumisastetta. Kaupungistumisasteen luokittelua olisin voinut vielä miettiä, jotta saisin tuloksia paremmin esiin. Kartta on väritykseltään varsin vihreä ja mielestäni luettava. Joskin muutamat pienemmät maat, kuten Ruanda, Burundi ja Guinea Bissau hukkuvat lapsikuolleisuuden alle. Lisäksi legendasta hävisi muutama kirjain jonnekin, enkä saanut niitä takaisin.

Kaikista kaupungistunein maa on Gabon, jossa 86% väestöstä asuu kaupungeiss,  ja seuraavaksi kaupungistuneimmat ovat Libya ja Länsi-Sahara. Koen tuloksen aika yllättäväksi, sillä olisin odottanut esimerkiksi Etelä-Afrikan tai Egyptin nousevan enemmän kaupungistuneiksi. Sen sijaan vähiten kaupungistuneet maat eivät erityisemmin yllätä. Osa maista sijaitsee Saharan alueella, osa taas Itä-Afrikan hautavajoaman alueella ja näiden alueiden vaikeisiin olosuhteisiin on toimivia kaupunkeja hiukan hankala rakentaa. Vertailtaessa ensimmäisenä esittämääni väestökarttaa ja tätä karttaa voidaan huomata, että ainakin kolmessa ylimmän kaupungistumisluokan valtiossa väestön määrä on suhteessa pieni, mutta muissa luokissa en ainakaan itse havaitse erityistä korrelaatiota. Jossain määrin olisin olettanut, että maissa joissa on paljon ihmisiä olisi enemmän kaupunkeja ja siten suurempi kaupungistumisaste. Lisäksi jos vertaillaan BKT:ta ja kaupungistumista, niin huomataan, että  maat joissa BKT on suuri on myös kaupungistumisaste vähintäänkin kohtalaisen suuri. Voisiko tämä kertoa siitä, että köyhemmissä maissa ihmisillä ei ole varaa asua kaupungissa, vaan on asuttava maaseudulla ja mahdollisesti viljeltävä peltoja? Tai siitä, että pienemmän BKT:n maat ovat vähemmän kehittyneitä, jolloin niissä ei vain ole vielä kaupunkeja, mutta kaupungistuminen voi olla käynnissä?

Imeväiskuolleisuus ei näyttäisi olevan suoraan suhteessa valtion väkilukuun. Esimerkiksi Egyptissä väkiluku on suuri, mutta imeväiskuolleisuus pieni ja Malissa väkiluku on kohtalainen, mutta imeväiskuolleisuus suuri. Tämän lisäksi löytyy esimerkiksi Botswana ja Libya, joissa molemmissa väkiluku on pienehkö, mutta niin on imeväiskuolleisuuskin. Olettaisin imeväiskuolleisuuden olevan eniten sidoksissa muihin esittämiini ilmiöihin kuin ne ilmiöt toisiinsa. Esimerkiksi BKT vaikuttaa maan talouteen ja siihen, onko maalla varaa rahoittaa jonkinlaisia sairaalapalveluita, vai pitääkö kaikki hankkia yksityiseltä. Lisäksi alle köyhyysrajan elävien ihmisten määrä vaikuttaa siten, että mitä useampi on köyhä niin sitä useampi lapsi syntyy köyhään perheeseen. Köyhässä perheessä taas ei välttämättä ole varoja tai mahdollisuuksia ruokkia tai hoitaa lasta, jolloin helpostikin hoidettavissa oleva tauti, kuten ripuli, voi olla tappava, jolloin imeväiskuolleisuus kasvaa.

Yhteenvetoa aiheesta

Karttojeni perusteella väittäisin, että Pohjois-Afrikalla menee yllättävän hyvin, ja ainakin paremmin kuin mitä oletin. Erityisesti Libyalla näyttäisi menevän paremmin kuin suurimmalla osalla naapureistaan. Jääkin mielenkiintoiseksi seurata, millaiseksi Libya kehittyy kunhan saa sisällissotansa päätökseen. Jos siis saa. Sen sijaan itäisen ja keskisen Afrikan sijoittuminen lähes kaikissa ”huonoimpaan” luokkaan ei ollut yllättävää alueilla vallinneiden luonnonkatastrofien ja konfliktien takia. Lisäksi huomasin pitäneeni Etelä-Afrikkaa kehittyneempänä ja tavallaan ”parempana” valtiona kuin mitä se todellisuudessa on. Tämä voi johtua siitä, että olen ajatellut koko valtiota lähinnä valkoisten siirtolaisten asuttamien alueiden kautta. Omassa blogissaan Aino Matikainen on tutkinut Etelä-Afrikan alueellisia eroja, ja huomannut, että läntisissä osissa menee paremmin kuin itäisissä. Näin ollen kun tarkastellaan koko valtiota näyttäytyy se alueidensa keskiarvona, eikä vain parhaana mahdollisena. Lopputulos kurssikerrasta on siis se, että mikäli tekemistäni kartoista ei ole tieteelliselle yhteisölle mitään uutta ja mullistavaa hyötyä, niin ainakin opin itse uusia asioita. Vaikeinta tässä työssä oli päättää aihe ja sen jälkeen vaikeinta oli pysytellä edes jotenkuten järkevissä rajoissa, koska kaikkea ei ole mielekästä analysoida yhdessä ainoassa blogitekstissä.

Itsearviointia

Mielestäni viimeisin kurssikerta oli koko kurssin helpoin. Olettaisin tämän johtuvan siitä, että MapInfo alkaa viimeinkin olla noin suurinpiirtein hallussa, jolloin ylitsepääsemättömiä esteitä ei tule eikä pieniin juttuihin kulu tuhottomasti aikaa. TVT3-kurssin aikana GIS-osaamiseni on noussut nollatasolta aivan uusiin ulottuvuuksiin, teemakartan teko onnistuu jo siinä 30 sekunnissa, josta kurssin alussa mainittiin. Tosin lisäaikaa tulee kun pitää valita sopivat värit! Lisäksi lukiossa tuntemani syvä viha kaikkea geoinformatiikkaan liittyvää kohden on täysin kaikonnut ja tilalle on tullut päätös opetella vielä paremmaksi GIS-osaajaksi.

PS. Lempikomentoni MapInfossa on Close all!:)

Lähteet:

CIA. (2012). Population below poverty line  27.2.2012

https://www.cia.gov/library/publications/the-world-factbook/docs/notesanddefs.html#P

Matikainen, A. (2012). Seitsemäs ja viimeinen kurssikerta 18.3.2012

<http://blogs.helsinki.fi/ainooika/2012/02/27/seitsemas-ja-viimeinen-kurssikerta/>

Tämän linkin takaa löytyvät kaikki CIA World Fact Bookista tietokantaa tehdessä käyttämäni lähteet Word-tiedostona: http://dl.dropbox.com/u/67633997/KK7l%C3%A4hteet.docx

Tämän linkin takaa taas löytyy afrikkavaestodataa.xlsx http://dl.dropbox.com/u/67633997/afrikkavaestodataa.xlsx

Artikkeli 2, GIS on elämä

Toisena kurssilla käsiteltynä artikkelina oli Lloyd P. Queenin ja Charles R. Blinnin The Basics of Geographic Information Systems (1993).  Heidän mukaansa GIS on yhtä kuin data, ohjelmistot ja käyttäjät, vaikka usein GIS:sin katsotaankin virheellisesti olevan pelkkää dataa. Kuitenkin jo nimi Geographic Information System kertoo, että kyse on paikkatieto järjestelmästä, tai systeemistä, ja järjestelmässä on yleensä useampia osia. GIS:issä käyttäjät ovat avainasemassa, sillä he kehittävät käytettävät ohjelmistot joilla dataa luodaan ja muokataan. Lyhyesti sanottuna GIS:siä ei olisi, jos yksikin osa kokonaisuudesta puuttuisi.

Oikeastaan artikkeli ei antanut minulla mitään uutta siihen nähden, että mitä vastaisin geoinformatiikan määritelmää kysyttäessä. Artikkeli kyllä selkeytti ja tiivisti asioita ollen samalla selkein tieteellinen artikkeli, jonka olen tähän mennessä lukenut. Vastaisin lyhyesti geoinformatiikan olevan paikkaan sidotun tiedon käsittelemistä tietokoneympäristössä erilaisten ohjelmien ja käyttäjien avulla. Lisäkysymyksiä esitettäessä monisanaisempikin tulkinta ja selittäminen olisi mahdollista.

Suurin ero kartan tekemisessä geoinformatiikan avulla tai ilman sitä on se, että geoinformatiikan kanssa kaikki on paljon helpompaa ja nopeampaa. Todellakin kaikki, sillä aineistojen ollessa tiedostoina niitä voidaan jakaa useille eri käyttäjille ja ohjelmistoille nopeasti ja vaivattomasti, tietoa on helppo lisätä, poistaa ja muokata ja tuotettuja karttoja pystytään levittämään nopeasti suurellekin yleisellö. Kuitenkin helppouden myötä tulee myös ongelma. Nimittäin geoinformatiikan avulla asioita on helppo manipuloida ja vääristellä tarkoituksella, tai sitten vahingossa painaa väärää nappia ja saada aikaan varsin harhaanjohtava lopputulos. Perinteisessä kartografiassa voidaan toki tehdä samaa, mutta paljon hitaammin, eikä manipuloitu aineisto välttämättä leviä ikinä kovin laajalle, kun tekniikka on aikaa vievä ja levitysmahdollisuudet rajalliset.

Perinteisten karttojen ongelmana on jollain tasolla myös ihmisten kartanlukutaidottomuus. Vaikka kartta olisi kuinka yleistetty ja helppotajuinen ja legendakin kartografin mielestä suorastaan täydellinen suoritus, niin aina löytyy joku, jolle kartta on aivan vieras käsite ja sitten ollaan hukassa. Geoinformatiikka sanana ja ilmiönä kuulostaa lähinnä joltakin, jota harrastetaan maatieteiden laitosten syvimmissä ja pimeimmissä tietokoneluokissa, eli ei siis sekään välttämättä erityisen kansantajuista. Kuitenkin Panu Lammi esittää blogissaan ajatuksen, että geoinformatiikan avulla voidaan tuottaa sovelluksia ja palveluita, joita käyttäessä valistumaton ei välttämättä edes tajua olevansa tekemisissä juurikin geoinformatiikan kanssa. Tälläisiä sovelluksia ovat esimerkiksi internetin erilaiset karttapalvelut, joista löytyy niin reittitietoja kuin vaikkapa vähittäiskaupan palveluita. Kaupallisiakin versioita on saatavilla esimerkiksi erilaisten autonavigaattoreiden ja matkapuhelinsovellusten muodossa, ja näistä molemmat alkavat olla varsin arkipäiväistyneitä.

Digitaalisissa kartoissa ja siten geoinformatiikassa käytetään kahta erilaista tapaa mallintaa asioita ja ne ovat rasterit ja vektorit. Artikkelissa näitä kahta esitellään jonkin verran. Rasterimuotoinen aineisto koostuu pikseleistä, jotka saavat rasterinsa, eli värinsä tai kuvionsa, sen mukaan mitä pikseli sisältää eniten. Näin ollen kahden alueen rajamailla oleva pikseli saa sen arvon jota pikselissä on enemmän. Jos esimerkiksi peltoa on 2/3 ja metsää 1/3 pikselistä niin pikseli merkitään pelloksi.  Jos kartantekijä niin haluaa on myös mahdollista käyttää ”yhdistelmäpikseleitä” eli sellaisia, jotka saavat oman yhdistelmärasterinsa. Tälläinen voisi olla vaikkapa pikseli, jonka alueella on suota ja metsää, jolloin pikseli voisi kuvata soista metsää. Pikseleiden koko riippuu todella paljon käytetystä aineistosta ja halutusta tarkkuudesta, joten toisinaan pikselit saattavat yleistää aluetta todella paljon. Lisäksi pikselit eivät välttämättä ole se kaikista esteettisin tai luettavin vaihtoehto, sillä jossain vaiheessa pikseleitä ei voi enää zoomata.

Vektoreita käytettäessä aineisto kuvataan pisteinä, viivoina ja alueina, joita voidaan zoomailla periaatteessa loputtomasti. Vektorimuotoisen aineiston tuottaminen on varsin vaivalloista, muotta jälkikäteen muokkaaminen onnistuu onneksi helposti. Lisäksi vektoriaineston etuna on se, että yleistävyyttä pystyy itse säätelemään paremmin kuin rasteriaineistossa sen mukaan, mikä sopii tarkoitukseen parhaiten. Periaatteessa jokaisen yksittäisen kiven ja kannon saa kartalle merkittyä, mutta on aivan eri asia kannaattaako se kartografisesti. Yleisimpiä vektorimuotoisia kohteita ovat pistein ja viivoin kuvatut ilmiöt, kuten vaikkapa bussipysäkit ja bussien reitit tai tieverkko.

Artikkelissa mainitaan myös overlay-analyysi, johon tällä kurssilla ei ole erityisesti perehdytty.  Overlay-analyysissa useita karttoja tai karttatasoja asetetaan päällekkäin, jolloin voidaan tutkia esimerkiksi korrelaatiota. Geoinformatiikkaa käyttämällä overlay-analyysia  on todella helppo tehdä, mutta kuten Ainokaisa Tarnanen blogissaan muistuttaa, niin analyysi onnistuu myös perinteisillä paperikartoilla. Tosin paperikarttoja käytettäessä tarvitaan apuvälineitä, kuten valopöytää tai sitten karttojen on oltava tehdyt jollekin läpinäkyvälle pohjalle, kuten piirtoheitin kalvolle. Lisäksi perinteisissä kartoissa päällekkäisten karttojen määrä voi muodostua ongelmaksi varsin nopeasti, kun turhia karttaelementtejä ei saa poistettua näkyvistä. GIS-ohjelmistoja käytettäessä päällekkäin ladottavien tasojen määrä on periaatteessa rajoittamaton, mutta käytännössä tietyn pisteen jälkeen selvyys kärsii niin pahasti, ettei informaatio ainakaan lisäänny.

Tiivistettynä GIS on tietokoneistettu useamman tekijän systeemi paikkatiedon säilyttämiseen, muokkaamiseen ja julkaisemiseen.

Lähteet:

Lammi, P. (2012). Artikkeli 2. Muistutus geoinformatiikan perusteista. 13.3.2012

<http://blogs.helsinki.fi/panlammi/2012/03/05/artikkeli-2-muistutus-geoinformatiikan-perusteista/>

Tarnanen, A. (2012) Artikkeli 2. Geoinformatiikan perusteita. 14.3.2012

<http://blogs.helsinki.fi/atarnane/2012/03/01/artikkeli-2-geoinformatiikan-perusteita/>

Queen, L.P. & C.R. Blinn (1993). The Basics of Geographic Information Systems.

Kurssikerta 6, Varo näppäilyvirheitä

Kuudennella kurssikerralla tutustuttiin GPS-paikantimeen, sillä kerättyjen tietojen esittämiseen kartalla, geokoodaamiseen ja pistemuotoiden tiedon tuottamiseen kartalle. Kurssikerran blogitehtävänä oli tuottaa kolme mielellään erilaista karttaa maanjäristyksistä, ja arvioida niiden soveltuvuutta opetusmateriaaliksi.

Kurssikerrasta lyhyesti

Oman osaryhmämme kanssa kartoitimme Kumpulan kampuksen lähialueiden suojateitä. Kaikki meni muuten varsin hyvin, mutta koordinaatteja Exceliin kirjatessa tuli pieni näppäilyvrihe, jonka seuraksena puolet suojateistä sijaitsivat jossain Mikkelin suunnalla. Tästä opimme, että aineisto kannattaisi tarkistaa ainakin kerran, ennen kuin epäilee virhettä paikkatieto ohjelmassa. Muuten varsin näppäriä ja helppoja toimintoja.

Maanjäristyskartoista

Tein kolme erillistä karttaa yli 7,0, yli 8,0 ja yli 9,0 richterin maanjäristyksistä 13.5.1992 alkaen kurssikerran päivämärään 22.3.2012 asti. Kyseiset päivämäärät valitsin lähinnä huvikseni  ja nähdäkseni suurinpiirtein montako suurehkoa maanjäristystä elinaikanani on tapahtunut. Mikäli todella käyttäisin näitä karttoja opetukseen, olisin valinnut jonkin toisen ajanjakson, vaikkapa viimeiset 5 tai 10 vuotta tai sitten oppilaiden elinajan. Karttoina nämä kolme ovat ihan ok, mutta eivät todellakaan parasta tasoani. Maailmankartassa pohjoisnuolta ei tarvita, mutta mittakaava ja legenda olisivat silti varsin mukavat, mikälie aivopieru ollut kun jääneet laittamatta. Kartassa tosin on vain yksi symboli, joten pienellä arvailulla tarkoituksen voinee saada selville. Värit ovat sentään toimivat! Sininen meri on looginen ja mantereet mukavan haalean tasavärisiä, joten punaiset vinoneliöt, jotka symboloivat järistyskeskuksia erottuvat hyvin.

Kuva 1, yli 7,0 Richterin maanjäristykset

 

 

 

Kuva 2, yli 8,0 Richterin maanjäristykset

 

 

 

 

 

 

 

 

 

Kuva 3, yli 9,0 Richterin maanjäristykset

 

Ilmiöstä

Mielestäni kartoilta käy varsin hyvin ilmi, että mitä heikompi maanjäristys niin sitä useammin saman tasoisia esiintyy. Yli 9 richterin järistyksiä on vain kaksi viimein 20 vuoden aikana, mutta yli 7 ricterin järistyksiä on jo useampi sata. Alle seitsemän richterin järistyksiä taas oli niin paljon, että käytössä olevat ohjelmat eivät kyenneet käsittelemään niiden määrää vaan kaatuivat. Mieluiten en opettaisi näiltä kartoilta, vaan tekisin uudet ja paremmat tai käyttäisin muuta materiaalia.

Kurssikerran tehtävänä oli myös etsiä maanjäristyksiin tai muihin niihin liittyviin ilmiöhin jonkinlaista visualisointia, eli karttoja tai kuvia. Etsintäretkelläni törmäsin mielestäni todella hyvään karttaan, jonka tekijäkin löytyy yllättävän läheltä. Tässä(http://blogs.helsinki.fi/annaylin/files/2012/02/maanjaristukset.jpg) Anna Ylisen tällä kurssikeralla tekemässä kartassa näkyvät yli 6 magnitudin maanjäristykset viimeisen kolmenkymmenen vuoden ajalta. Ylinen itse kertoo kartastaan näin:” Halusin myös esittää kaikki erisuuruiset maanjäristykset samalla kartalla, sillä minusta tällöin asian informaatio on selkeämpi. Esiintyneet järistykset on kuvattu omilla väreillään ja vielä niin että tuhoisammat esitetty hälyttävällä punaisella, pienemmät neutraalilla keltaisella ja kaikkein vaarattomimmat lähes positiivista kuvaavalla vihreällä värillä.” Mielestäni Ylinen on tehnyt karttansa kanssa todella hyvää työtä, ja siksi valitsin sen yhdeksi tämän kurssi kerran vertailukohteistani.

Kartoiltani pystyisi (jos olisi pakko) maanjäristysten lisäksi opettamaan joitakin laattarajoja, tai ainakin pystyisi laittamaan oppilaat arvamaan missä laattojen rajat voisivat mahdollisesti sijaita. Tältä (http://johomaps.com/world/worldtecton.html) kartalta saa kuitenkin huomattavasti paremman kuvan litosfäärilaatoista, niiden rajoista ja eri rajatyypeistä. Maanjäristyksiin liittyy liitosfäärilaattojen lisäksi usein myös vulkaanista toimintaa, joten tässä erittäin mukava interaktiivinen kartta maailman tulivuorista: http://www.cccarto.com/volcanofinder.html .

Yhteenveto

Kurssikerralla tuli opittua monta uutta ja hyvää keinoa MapInfon ja muiden paikkatieto-ohjelmien kanssa työskentelyyn. Maanjäristyskartat eivät olleet erityisen onnistuneita, mutta ainakin perusasiat ovat jokseenkin kunnossa. Lisäksi tiedän maanjäristyksistä, laattatektoniikasta ja vulkanismistä yleisesti aika paljon, kun aihe on ihan pienestä asti kiinnostanut, joten tekstikin jäi hiukan yksitoikkoiseksi, kun suurin osa asioista tuntuu itsestäänselvyyksiltä.

Lähteet:

Tectonic Plates of the Earth (2012). 11.3.2012

<http://johomaps.com/world/worldtecton.html>

Volcano finder (2012). 11.3.2012

<http://www.cccarto.com/volcanofinder.html>

Ylinen, A. (2012). Kuudes kurssikerta – Pelikoneita ja maanjäristyksiä 11.3.2012

<http://blogs.helsinki.fi/annaylin/2012/02/21/kuudes-kurssikerta-pelikoneita-ja-maanjaristyksia/>

Kurssikerta 5, Kunhan käytät päätäsi

Viidennellä kurssikerralla tutustuttiin bufferointiin, eli suomalaisemmin puskurivyöhykkeisiin eli etäisyysvyöhykkeisiin. Tutustumisen jälkeen tehtiin joukko itsenäisiä tehtäviä ja jossain määrin pitäisi myös arvioida MapInfo-osaamista. Nyt on pakko myöntää, että kirjoitan tätä tekstiä kurssin viimeisenä iltana, joten tietouteni saattaa olla jossain määrin parempaa kuin viidennellä kurssikerralla muuten olisi.

Kurssikerran harjoituksista

Kurssikerralla vastailtiin harjoituksen vuoksi erilaisiin kysymyksiin koskien mm. lentomelua, juna-asemien läheisyydessä asuvia ihmisiä ja täysin itsenäisesti joko erästä koulupiiriä, pääkaupunkiseudun uima-altaita tai taloja, joissa putkiremontti on lähestymässä. Kysymykset lyhyesti vastauksineen löytyvät tästä taulukosta: kk5 – Copy

Itsenäisistä tehtävistä valitsin kolmannen eli koulut. Käsittelyssä oli Helsingin Yhtenäiskoulun koulupiiri ja siihen liittyvät väestölliset seikat. Kooltaan tämä koulupiiri on varsin pieni ja varsinainen koulurakennus sijaitsee osoitteessan Louhitie 3. Tämänkin tehtävän kysymykset ja vastaukset löytyvät tuosta edellisestä taulukosta. Tehtävää tehdessäni MapInfolla (ja käyttäjällä) oli huono päivä, joten asioihin meni hiukan tavallista enemmän aikaa. Tehtävät eivät kuitenkaan olleet täysin mahdottomia, joten järkevän oloisia tuloksia olen saanut. Tein nopean kyselyn, jolla sain tehtyä Helsingin Yhtenäiskoulun koulupiiristä oman tietokannan, johon sitten lisäsin sarakkeita, joihin päivitin tietoa pks_vaki.tab:in avulla.

Aineiston keruuhetkestä seuraavan vuoden ekaluokkalaisten laskemiseen käytin 6-vuotiaita, sillä oletettavasti he menivät seuraavana vuonna kouluun. Seuraavan vuoden yläasteikäisinä käytin aineiston 12-, 13-, ja 14-vuotiaita, jotka tietysti ovat seuraavana vuonna normaalissa yläasteiässä. Kouluikäisiin lapsiin ja nuoriin laskin 7-16-vuotiaat, koska Timo Säyrinen kertoo blogissan heidän olevan peruskouluopetuksen piirissä Opetus- ja kulttuuriministeriön nettisivujen mukaan.

Tulosten perusteella kyseinen koulupiiri on kokonsa lisäksi myös väestöltään varsin pieni, eikä valtavia ekaluokkalaisten ryhmiä ole odotettavissa.

Itsenäisten tehtävien perusteella MapInfo-osaamiseni on varsin hyvää, sillä ymmärsin uudetkin asiat nopeasti sille tasolle, että pystyin käyttämään niitä useamman viikon tauon jälkeen vaivattomasti ja ongelmitta. Tässä tekstissä pitäisi jollain tavalla perustella, että olen todella ymmärtäny mitä olen tehnyt. Kuitenkin perustelujen ja selvennysten keksiminen ja kirjoittaminen tuntuu haastavimmalta osuudelta, sillä tekemäni asiat tuntuvat jo erittäin yksinkertaisilta, rutiininomaisilta ja ennen kaikkea niin itsestään selviltä, joten erityistä maininnan arvoista kerrottavaa ei ole.

Mitä muuta kuin meluasteista bufferoimalla voisi selvittää?

Ainakin kauppojen järkevää sijoittelua oletetun asiakaskunnan perusteella, minkä mainitsee blogissaan Minttu Haapanen. Kartalle voitaisiin sijoittaa kaupan suunniteltu sijainti ja eri säteisillä buffeireilla voisi selvittää kuinka monta ihmistä ja mahdollista asukasta tietylllä etäisyydellä asuu. Näin ollen voitaisiin määrittää, onko kauppa järkevä perustaa suunniteltuun sijaintiin. Lisäksi Mikko Raninen mainitsee mahdollisuuden, että bufferointia voisi käyttää vaikkapa terrori-iskun suunnittelussa. Esimerkiksi valitsemalla jokin sijainti, johon pudottaa vaikkapa ydinpommi, voitasiin laskea kuinka monta ihmistä jäisi sen vaikutusalueelle. Tämän kaltainen bufferointi on kuitenkin lähinnä teoreettista, sillä esimerkiksi ydinpilven leviämiseen vaikuttavat vaikeasti ennakoitavat sääolosuhteetn, kuten Raninen muistuttaa.

Yksinkertaistettuna bufferointia voi käyttää koska tahansa, kun halutaan tietää jonkin kohteen vaikutus ympäristöönsä tietyllä säteellä. Pistemäisten kohteiden, kuten kauppa ja ydinpommi, lisäki voidaan esittää myös viivamaisten kohteiden, kuten teiden ja  tieliikenteestä johtuvien melun, päästöjen tai tiesuolan tai tärinän leviäminen ympäristöön. Myöskin alueiden, vaikka peltojen ravinteiden leviäminen veteen tai luonnonsuojelualueen reunavyöhykkeiden määrittäminen, onnistuu bufferoimalla. Viivat ja alueet vain vaativat enemmän kikkailua kuin helpot pistemäiset kohteet.

Arviota MapInfon toimintojen keskeisyydestä ja rajoittavista tekijöistä

Kuten alussa manitsin, niin kirjoitan tätä tekstiä koko kurssin viimeisimpänä tekstinä, joten harjoitusta on kertynyt hieman enemmän kuin tämän tehtävän yhteydessä muuten olisi.

Mielestäni keskeisintä MapInfon käytössä on ymmärtää tietokantojen käyttö. Eli siis niiden rakenne, muokattavuus ja hyödynnysmahdollisuudet. Tokihan osaava henkilö saa MapInfolla aikaiseksi päteviä karttaesityksiä nopeasti, mutta ohjelman suurimmat edut ovat enemmän tietokannoissa, sillä todistetusti MapInfo ei ole piirto-ohjelma, jolla jälki olisi viimeiseen asti hiottua ja nättiä. Tietokannoissa tärkeintä on niiden muokattavuus. Tietokannalla on tietty perusrakenne, jonka puitteissa asioita voi lisäillä, muokata ja poistaa, ja tietokantoja voi myös yhdistellä, sekä tietoa tuoda ohjelman ulkopuolelta. Näitä ominaisuuksia hyödyntäen MapInfosta saa eniten irti. Erilaiset kyselyt koen lähinnä tietokantojen muokkaamiseen tarkoitettuina toimintoina, en niinkään itseisarvollisesti keskeisiksi toimminnoiksi. Toki kyselyistä on hyötyä myös erilaisia alueita rajatessa, mutta alueet mudostuvat tietokantojen perusteella.

MapInfolla on nopeaa ja helppoa tuottaa erilaisia visualisointeja, joista voidaan sitten tulkita asioita. Myöskin joitakin tilastollisia tunnuslukuja pystytään laskemaan ja niiden lisäksi tietokantojen välillä voidaan laskea uutta dataa eri muuttujista, kunhan ohjelmalle kertoo tarkalleen mitä haluaa laskettavan.

Suurin MapInfon käyttöön vaikuttava tekijä on käyttäjä. Mikäli käyttäjä ei osaa asiaansa, ei MapInfosta ole juurikaan apua. Kurssin alussa tuskin kukaan meistä olisi pystynyt juuri mihinkään muuhun, kuin painelemaan avuttomana nappeja toivoen, että jotain tapahtuisi. Kuitenkin näin kurssin lopussa ainakin minä tunnen itseni varsin päteväksi MapInfon käyttäjäksi ja uskoisin osaavani hyödyntää suurinta osaa ohjelman toiminnoista. Käytettävissä oleva paikkatietoaineisto asettaa tietysti rajoja sille, että mitä voidaan laskea tai visualisoida. Kuitenkin paikkatietoa on kohtalaisen helppoa tuottaa myös itse, joten ylitsepääsemättömiä esteitä tuskin tulee erityisemmin.

Lähteet:

Haapanen, M. (2012). Kurssikerta 5 – Lohikäärme Puff, eiku?!. 18.3.2012

<http://blogs.helsinki.fi/minhaapa/2012/02/19/kurssikerta-5-lohikaarme-puff-eiku/>

Raninen, M. (2012). Kurssikerta 5. Bufferoi bufferoi bufferoi vaan… (jos osaat). 18.3.2012

<http://blogs.helsinki.fi/mraninen/2012/02/18/kurssikerta-5-bufferoi-bufferoi-bufferoi-vaan-jos-osaat/>

Säyrinen, T. (2012). Kurssikerta 5 – kohti soveltavaa geoinformatiikkaa. 18.3.2012

<http://blogs.helsinki.fi/sayrinen/2012/02/14/kurssikerta-5-kohti-soveltavaa-geoinformatiikkaa/>

SWOT-analyysi

Yhtenä blogitehtävänä on SWOT analyysi yhdysvaltalaisesta Mapping Amerika: Every City, Every Block palvelusta, jonka tarjoaa New York Times. SWOT tarkoittaa vahvuuksien, heikkouksien, mahdollisuuksien ja uhkien analysointia. Palvelussa on useita erilaisia karttoja väestöstä vielä useammilla teemoilla, joiden tiedot on kerätty vuosina 2005-2009. Karttoja löytyy pisteinä ja koropleetteina ilmeisesti joidenkin pienten tilastoalueiden pohjalta. Eri teemoja ja karttaesityksiä löytyy roduista ja etnisyydestä, tuloista, asumisesta ja perheistä ja koulutuksesta.

Vahvuudet ja heikkoudet

Palvelun yksi ehdottomista vahvuuksista on suunnaton määrä tietoa isolta alalta. Heikkoutena taas on, että tieto on todella kapea-alaista ja lähinnä arvioita, eikä absoluuttisia lukemia. Kuitenkin tiedon määrä, vaikka onkin arvioita, on enemmän vahvuus kuin heikkous, koska asioita on jaoteltu eri kartoille, eikä ängetty kaikkea samaan ja harvemmin mikään tieto on täysin tarkkaa enää julkaisupäivänään. Toinen vahvuus on palvelun helppokäyttöisyys ja monipuolisuus. Käyttöliittymä toimii jouhevasti, ja voi tarkastella joko koko mantereista osaa Yhdysvalloista, tai sitten yhtä korttelia jossakin osavaltioista, eli valinnan varaa löytyy. Heikkoudeksi nostan kuiten Panu Lammin esille tuoman ajatuksen siitä, että on äärimmäisen epäkäytännöllistä, ettei koko Yhdysvaltoja saa samaan aikaan karttaikkunaan. Mannerosan saa kyllä varsin näppärästi näkymään kokonaan, joskin yleistys karsii alueellisia eroja huomattavasti, mutta Alaskaa ja Havaijia ei saa näkymään samaan aikaan. Lisäksi Alaska ei edes yksinään mahdu ruudulle kokonaisena, joten koko maan kattavaa tulkintaa on astetta hankalampi tehdä.

En oikein tiedä, että pitäisinkö korkeintaan korttelin tarkkuuteen menevää tarkastelutasoa ja jaottelua sinänsä heikkoutena vai vahvuutena. Kurssikerralla neljä käytimme suomalaista vastinetta, jossa vastaavia tietoja esitettiin talokohtaisesti, eli vieläkin tarkemmin. Talokohtaisuudessa vahvuutena on se, että aineiston pohjalta pystyy tekemään erilaisia jakoja joko hallinnollisten alueiden mukaan tai sitten vaikkapa ruutujaolla. Liisa Halonen näkee tiedon jakautumisen pieniin hallinnollisiin alueisiin palvelun suurimpana heikkoutena, sillä alueet ovat eri kokoisia, joten koropleettikartan ongelma, eli erikokoisilla alueilla voi esittää vain suhteellisia lukuja, tulee erittäin selvästi esiin.

Yksi vahvuuksista on myös palvelun ilmaisuus ja se, että se on kaikkien käytössä. Näin ollen on helppo tutustua itse aineistoon ja mahdollisesti innostua aiheista lisää. Suomalaista vastaavaa aineistoa, eli sitä kurssikerralta neljä tuttua talokohtaista tietokantaa ei saa ilmaiseksi mistään. Pienimmät ilmaiseksi saatavissa olevat tilastoinnin yksiköt ovat yleensä kunnat, mutta ainakin Helsingistä löytyy dataa joistakin aiheista pien- ja suuralueiden mukaan.

Yksi isoimmista heikkouksista on peruskarttaelementtien puute. Legenda kyllä löytyy ja on jopa ymmärrettävä, mutta mittakaava ja pohjoisnuoli loistavat vain poissaolollaan. Pohjoisen voi kyllä päätellä sijaitsevan noin suunnilleen karttaikkunan yläreunassa, mutta mittakaava en ainakaan itse osaa kaikissa Yhdysvaltain osissa päätellä.

Uhat ja mahdollisuudet

Palvelulla on hyvät mahdollisuudet kehittyä vielä paremmiksi, vaikkapa lisäämällä esitettävien aiheiden määrää. Noora Turunen esittää keskittymisen yksittäisiin väestöllisiin tietoihin heikkoutena, mutta itse näkisin sen hyvänä pohjana kehittää vielä parempi palvelu. Turunen myös mainitsee, että voisi olla mukava saada tietoa myös luonnonoloista, kuten maaperästä tai eläimistöstä. Se voisi olla mukavaa, mutta toisaalta taas palvelu voisi keskittyä lähinnä juuri väestöllisiin ja ihmisen toimintaan liittyviin teemoihin, jolloin resursseja ei leviteltäisi liian laajalle. Uhkana tälle palvelulle voisi olla toisen, paremman ja laajemman palvelun luominen ja sen laaja mainostaminen. Vaikkapa Google pystyisi varmaankin laajentamaan omia karttapalveluitaan todella paljon.

Palvelun aiheuttamana uhkana on tietojen väärinkäyttä. Anna Ylinen mainitsee yhdeksi uhaksi sen, että koska rodut esitetään kartalla todella yksityiskohtaisesti voi segregaatio voimistua. Näin suomalaisena muutenkin ihmisten luokittelu rodun mukaan mustiin, valkoisiin, latinoihin, aasialaisiin ja muihin tuntuu todella oudolta, ja jossain määrin epäilyttävältäkin. Mitä erityistä hyötyä tästä luokittelusta on, entä mitä haittoja? Hyötyänä voi toki olla alueellisten erojen näkeminen siinä, minne eri kansan ryhmät ovat keskittyneet. Haittana taas on se, että alueet saattavat eriytyä entisestään, kun vaikkapa valkoiset eivät halua muuttaa asuinalueella, jossa suurinosa muista asukkaista on mustia tai latinoja. Henkilökohtaisesti pidän huomattavasti enemmän suomalaisesta järjestelmästä jaotella ihmisiä kielen tai kotimaan mukaan.

Myöskin seksuaalisuuten tai varallisuuten liittyvä rasismi voinee lisääntyä, kun rotujen lisäksi palvelusta saa myös tiedot siitä, missä päin on eniten kahden samaa sukupuolta edustavan henkilön talouksia. Löysin New Orleansista Lake Pontchartrainin eteläpuolelta korttelin, jonka talouksista 22% on homo- tai lesbo parien talouksia. Jotenkin kuvittelisin, että näin tarkka tiedon esittäminen voi olla jokseenkin haitallista alueen asukkaille, mikäli jonkinlaista homovastaisuutta esiintyy. Varsinkin kun kyseisen korttelin väestöstä on kaiken muun lisäksi 94% mustia, 40% ansaitsee alle 30 000 dollaria vuodessa, vain 77% on päässyt lukiosta ja kenelläkään ei ole maisterin arvoista tutkintoa. Todella yksityiskohtaista tietoa siis löytyy. Näiden uhkien lisäksi Turunen mainitsee terrorismin uhan, sillä onhan tuhoisaa iskua jossain määrin helpompi suunnitella jos tietää väestökeskittymien sijainnin.

Lyhyenä yhteen vetona sanottakoon, että palvelussa ovat hyvinä puolina helppo ja ilmainen saatavuus ja huonoina puolina jokseenkin arveluttavat aiheet ja yksityisyyden suoja.

 

Lähteet

Halonen, L. (2012). 4. viikon blogitehtävä 14.3.2012

<https://blogs.helsinki.fi/liisahal/2012/02/16/4-viikon-blogitehtava/>

Lammi, P. (2012). SWOTia kehiin – puntarissa New York Timesin paikkatietopalvelu 14.3.2012

<http://blogs.helsinki.fi/panlammi/2012/02/18/70/>

Mapping America: Every City, Every Block (2012). New York Times. <http://projects.nytimes.com/census/2010/explorer>

Turunen, N.  (2012). SWOT… What?! 14.3.2012

<http://blogs.helsinki.fi/nooratur/2012/02/07/swot-what/>

Ylinen, A. (2012). SWOT-analyysi 15.3.2012

<http://blogs.helsinki.fi/annaylin/2012/02/16/swot-analyysi/>

Kurssikerta 4, Vaikka kuinka toivoisit niin MapInfo ei ole piirto-ohjelma

Neljännellä kurssikerralla tutustuttiin ruututeemakarttoihin ja rasterimuotoisen kartan lisäämiseen MapInfoon sekä hiukan piirtotyökaluihin seuraavaa kurssikertaa varten.

Ruututeemakartta

Ruututeemakartta on teemakartta, jossa ilmiö esitetään samankokoisten ruutujen arvoina. Ruututeemakartta on kuin koropleettikartta, tosin sillä erotuksella, että ruudukko on aluejakona täysin keinotekoinen ja kartantekijän mielivaltaisesti muunneltavissa. Toisaalta Viljami Ruohosen sanoin: ”Ruututeemakartta on siis periaatteessa vapaa vallankäyttäjien aluejakovalinnoista ja esittää ilman ennakkoasenteita, kuinka paljon jotakin ilmiötä absoluuttisesti on valitulla ruutukoolla.” Ennakkoasenteiden puuttumisessa on kuitenkin otettava huomioon, että kartantekijälläkin on aina joitakin ennakkoasenteita, eikä kaikkia karttoja tehdä mahdollisimman selkeiksi ja karttateknisesti oikein.

Ruututeemakartalla on mahdollista esittää absoluuttisia arvoja, toisin kuin koropleettikartalla. Tämä johtuu siitä, että kaikki ruudut ovat yhtä suuria, jolloin alueiden koko ei väärennä tulosta. Toki on aina pohdittava olisiko kuitenkin parempi esittää suhteellisia lukuja, sen mukaan mikä palvelisi tarkoitusta parhaiten.

MapInfolla ruututeemakartan luominen onnistuu kohtalaisen helposti Create Grid-toiminnolla. Ruutujen koon pystyy määräämään täysin itse ja MapInfo luo tehdystä ruudukosta oman itsenäisen tietokannan, johon voidaan sittemmin lisätä ruutukohtaista tietoa. Edellisviikon, sekä muutaman ylimääräisen ja itsenäisen, harjoituksen takia tietokannan muokkaaminen ja uusien tietojen laskeminen ja päivittäminen sujuu jo lähes rutiinilla ja varsin nopsaan. Kun tietokanta on valmis luodaan koropleettikartta halutuilla väreillä ja luokituksilla. Ruututeemakartan etuna on se, että ilmiö näkyy juuri ja ainoastaan niissä ruuduissa, missä sitä esiintyy. Ainakin jos rajausehdot ovat kunnossa.

Harjoitus: yli 65-vuotiaita Pääkaupunkiseudulla

Ryhmän yhteisenä harjoituksena teimme ruututeemakartan pääkaupunkiseudun eli tässä yhteydessä Helsingin, Espoon, Kauniaisten ja Vantaan, väkiluvusta ja väestön sijoittumisesta. Koska kartastani tuli eeppisen ruma ja tärkeät karttaelementit kuten mittakaava, pohjoisnuoli ja legenda puuttuvat en julkaise sitä. Itsenäisenä harjoituksena tein yli 65-vuotiaiden, eli käytännössä eläkeläisten, sijoittumisesta pääkaupunkiseudulle. Arvot esitin absoluuttisina lukuina, en siis yli 65-vuotiaiden osuutena kokonaisväestöstä, joskin siitäkin varmasti saisi varsin mielenkiintoisen kartan.

Karttateknistä tulkintaa

Kuva 1.

Tein kolme versiota eri kokoisilla ruutujaoilla. Karttojen värityksenä käytin punaisen ja liilan sävyjä, sillä mielestäni ne erottuvat toisistaan riittävän hyvin ja lisäksi muodostavat harmonisen kokonaisuuden, jossa alueelliset erot erottuvat. Tosin joidenkin yksittäisten espoolaisten ruutujen havaitseminen voi olla hieman haastavaa. Kuten kuvasta 1 näkyy on aineisto vahvasti vasemmalle vino. Päädyin käyttämään jakoperusteena luonnollisa luokkavälejä, vaikkei se olekaan tälläiselle jakaumalle välttämättä paras vaihtoehto. Luonnollisilla luokkaväleillä kuitenkin tuli järkevimmän näköisiä karttoja, joissa suurimman intensiteetin alueet korostuvat.

Kartta 1.

Ensimmäisessä kartassa ruudut ovat kooltaan 250m x 250m ja näitä ruutuja on pääkaupunkiseudulla(ja hiukan sen ulkopuolella) 27 406, joista 5 211:sta asuu vähintään yksi yli 65-vuotias ihminen. Mielestäni tässä kartassa tulevat alueelliset erot parhaiten esille. Varsinkin ne alueet, joilla eläkeläisiä ei asu erottuvat selkeimmin. Lisäksi tiheimpien alueiden ympärillä näyttäisi olevan vaihettumisvyöhyke, jolla eläkeläisten määrä vähenee. Ruudut ovat aika pieniä, mutta itse pidän tärkeämpänä alueiden erottamista, kuin yksittäisten ruutujen arvoja.

Kartta 2.

Toisessa kartassa ruudut ovat kooltaan 500m x 500m ja niitä on 5950, joista 2033:ssa asuu vähintään yksi seniori. Ruutujen suuremmasta koosta johtuen niitä on vähemmän, jolloin kartassa on vähemmän tulkittavaa ja se on siten yksinkertaisempi. Tässä kartassa näkyvät suurinpiirtein samat suurimman tiheyden alueet kuin ensimmäiselläkin kartalla, joskin vaihettumisvyöhykkeet puuttuvat ja alueet näyttävät siten suuremmilta. Lisäksi suurempaan ruutuun mahtuu enemmän asukkaita kuin pieneen, joten tiheimmin asutussa ruudussa asukkaita on 941 kun ensimmäisen kartan tiheimmässä ruudussa asukkaita on 397. Kartan ruudut ovat ihan mukavan kokoisia ja ilmiö tulee esille ihan hyvin, vaikkakin henkillökohtaisesti pidän enemmän ensimmäisen kartan ruuduista.

Kartta 3

Kolmannessa kartassa ruutujen koko on jo huomattavasti isompi, eli 1000m x 1000m. Näitä ruutuja on koko alueella 1872, joista 713:ssa asuu vähintäänkin yksi eläkeläinen. Jos edellinen kartta oli yksinkertainen niin tämä on jo liian yleistävä. Periaatteessa tässä kartassa näkyvät samat alueet kuin kahdessa edellisessäkin, mutta nyt suurimman luokan ruutuja on paljon isommalla alueella. Toisinsanoen näyttää siltä, että koko Helsinki ja Etelä-Espoo olisivat eläkeläisten kansoittamaa aluetta. Sivultaan kilometrin pituinen ruutu on tässä mittakaavassa aivan liian suuri, ellei sitten tarkastella todella yleisellä tasolla, että missä suunnilleen asuu eläkeläisiä.

Tulkintaa kartalta

Kartta 2, johon on lisätty tärkeimmät tiet

Käytän tulkinnassa ensimmäistä karttaa, eli sitä jonka ruutujen koko on 250m x 250m, koska pidän siitä itse eniten. Lisäksi lisäsin kartalle näkyviin valmiina tietokantana olleet tärkeimmät tiet, jotta tulkinta olisi helpompaa. Moottoritiet ja kehätiet näkyvät mukavasti mustina, mutta hiukan pienemmät tiet näkyvät punaisina vähän turhan huonosti. Varsinkin keskustan alueella. Joko alueluokituksen tai teiden värejä olisi syytä ollut vaihtaa, mutta tällä kertaa en valitettavasti jaksanut leikkiä tietokannan muokkaamista. Ruutujen väriä en halunnut muuttaa, koska näillä väreillä tulkinta on helppoa ja kartta yhtenäinen aiempien esitysten kanssa.

Kartassa on havaittavissa, että suurimman eläkeläisten määrän laajimmat yhtenäiset alueet keskittyvät Helsingin keskustaan ja siitä säteittän valtaväyliä myötäillen kohti pohjoista. Tämä ei sinänsä ole yllättävää, koska väestö keskittyy muutenkin valtaväylien varteen. Esimerkiksi Julia Kemppisen laatimalla Pääkaupunkiseudun asukkaiden iän keskiarvo –kartalla näkyy, että asutus yleensäkin on keskittynyt valtaväylien ympärille ja alueellista vaihtelua on lähinnä iän suhteen. Kemppisen kartassa ei ole näkyvissä asukkaiden määrää, mutta jokaisessa värillisessä ruudussa asuu vähintääkin yksi henkilö, joten asukkaiden sijainti on tulkittavissa. Valtaväylien viereen ihmiset keskittyvät siksi, että niiden varrella liikenne yhteydet ovat suhteessa paremmat kuin vaikkapa keskellä Nuuksiota. Lisäksi kaikki eivät halua asua keskustoissa, mutta haluavat silti toisinaan käyttää keskuksen palveluja, jolloin toimivat liikenneyhteydet ovat varsin mukavat.

Eläkeläisiä on eniten keskustan alueella todennäköisesti siksi, että keskustassa palvelut, kuten terveyden huolto ja kaupat, ovat lähellä, jolloin vanhus ei ole riippuvainen esimerksi taksikyydistä päästäkseen kauppaan. Lisäksi etenkin Helsingin keskustassa asutaan lähinnä kerrostaloissa, jolloin vanhuksella on hoidettavanaan vain asuntonsa, eikä esimerkiksi pihaa ja maatilaa. Nämä samat syyt selittävät muidenkin keskusten, kuten Vantaalla Myyrmäen ja Itä-Helsingissä Itäkeskuksen suurempaa tiheyttä.

Viljami Ruohonen teki kartan yli 85-vuotiaiden sijoittumisesta Pääkaupunkiseudulle ja pohtii blogissaan syitä tähän sijoittumiseen. Ruohonen esittää kysymykset: ”Ovatko esikapunkialueet vasta niin myöhäisessä vaiheessa asutettuja, ettei sinne vanhempia ihmisiä ole muuttanut? Onko keskustassa jonkinlaisia palvelutaloja, vai pitävätkö Töölön varakkaat vanhukset kynsin ja hampain viimeiseen hengenpihaukseen asti kiinni omistusasunnoistaan ennen kuin sukulaiset pääsevät apajille?”  Koska yli 85-vuotiaat kuuluvat myös valitsemaani ryhmään, eli yli 65-vuotiaat, on Ruohosen esittämissä kysymyksissä pohdittavaa myös minun kannaltani. Voi todella olla, että vasta viime vuosikymmeninä rakennetut (omakotitalo)alueet eivät ole ehtineet houkutella asujikseen nykyisiä vanhuksia, joilla on jo mahdollisesti ollut omistusasunto Töölössä.

Anna Ylinen teki neljännellä kurssikerralla kartan alle kouluikäisen, eli alle 7-vuotiaiden, lasten määrästä ja sijainnista Pääkaupunkiseudulla. Keskimääräisesti paikoissa, joissa on paljon vanhuksia on yleensä vähän lapsia, koska vanhukset eivät ole lisääntymis- tai perheenperustamisiässä, vaan heidän mahdolliset lapsensa ovat jo aikuisia ja perustaneet omat perheet muualle. Näin ollen on mielenkiintoista vertailla, pitääkö tämä paikkansa myös Pääkaupunkiseudulla.

Ylisen kartasta huomataan, että lähes samat alueet ovat korkeimmassa luokassa, kuin omassakin kartassani. Tämä johtuu ihan siitä, että suurimmalla osalla näistä alueista väestöä asuu enemmän kuin muilla alueilla. Mielenkiintoisia pokkeuksiakin löytyy. Esimerkiksi Etelä-Vantaan keskiosassa sijaitsevilla Ylästön ja Kartanonkosken alueilla asuu paljon lapsia, mutta vähän vanhuksia. Kyseiset alueet ovat suhteellisen viime aikoina rakennettuja, ja etenkin Kartanonkoski on upouutta aluetta ja lapsiperheiden suosiossa. Mielestäni tämä havainto tukee Ruohosen esittämää väitettä, että myöhäisessä vaiheessa rakennetuille esikaupunkialueille ei ole muuttanut vanhoja ihmisiä. Tokihan alueiden ikärakenne muuttuu ajan saatossa ja joskus nykyiset pienten lasten vanhemmat ovat oman aikansa eläkeläisiä.

MapInfolla piirtämisestä

Seuraavaa kurssikertaa pohjustettiin rekisteröimällä rasterimuotoinen Pornaisten peruskartta MapInfoon. Kartalta digitoitiin Pornaisen keskustan talot, tiet ja halutessaan alueen läpi kulkeva joki. MapInfolla on mahdollista piirtää tasan kolmenlaisia asioita: pisteitä, viivoja ja alueita. Eipä voi muuta sanoa, kuin että nyt on CorelDraw:ta suunnaton ikävä. Varsinkin kun on mahdollista piirtää vain ja ainoastaan suoraa viivaa… Lisäksi MapInfolla järkevän legendan, pohjoisnuolen ja mittakaavan luominen, ja varsinkin sijoittelu on äärimmäisen hankalaa ja turhauttavaa.

Vihdoinkin yhteenveto

Mielestäni kartat onnistuivat ihan mukavasti ja ajavat tarkoituksensa hyvin. Tunnen todella kehittyväni tietokantojen muokkaamisessa, sillä se sujuu jo nopeasti ilman suurempia virheitä. Teemakartan tekijänä alan kovasti lähestyä sitä pistettä, että aikaa menee noin puoli minuuttia, jonka jälkeen säädetään värejä puolisen tuntia. Vaikeinta tälläkin kurssilla on tulosten ja karttojen analysointi, koska se vie eniten aikaa. Luulin, ettei TVT3 voisi viedä enempää aikaa kuin TVT2, mutta näin on tainnut päästä käymään.  Jos ei muuta hyvää niin tuntee ainakin tehneensä työtä opintopisteiden eteen. Lisäksi, kuka ihme jaksaa lukea tämän 1 270 sanaa pitkän tekstin kokonaan?

Lähteet:

Kemppinen, J. (2012). Neljäs kurssikerta – Ruututeemakarttojen hallitseminen. 8.2.2012
<http://blogs.helsinki.fi/jjkemppi/2012/02/07/neljas-kurssikerta-ruututeemakarttojen-hallitseminen/>

Ruohonen, V. (2012). Kurssikerta 4 – Ruututeemakartta vai pikselimössö. 8.2.2012
<http://blogs.helsinki.fi/viljamir/2012/02/07/kurssikerta-4-ruututeemakartta-vai-pikselimosso/ >

Ylinen, A. (2012). Neljäs kurssikerta – Gridi. 8.2.2012
<http://blogs.helsinki.fi/annaylin/2012/02/07/neljas-kurssikerta-gridi/>

Kurssikerta 3, Tee-se-itse tietokanta

Aiemmilla kurssikerroilla on lähinnä etsitty tarpeita vastaavaa tietoa valmiista tietokannoista ja sitten hyödynnetty tätä tietoa graafisia esityksiä tehdessä.  Tällä kertaa tilanne kuitenkin muuttui rajusti, sillä kurssikerran teemana oli oppia muokkaamaan tietokantoja ihan itse. Tunnilla käytiin lävitse tietokannan muokkaaminen helppokäyttöisemmäksi, ulkoisen tiedon liittäminen, tiedon haku ja tietokantojen yhdisteleminen kyselyiden avulla, uuden tiedon lisääminen vanhojen tietojen perusteella ja sarakkeiden tietojen päivittäminen muiden tietokantojen aineiston perusteella. Aiheisiin tutustuttiin tekemällä ensin yhteisesti harjoitus, jonka pohjana oli hyvin yksinkertainen tietokanta Afrikasta. Yhteisen harjoituksen jälkeen tehtiin itsenäisesti harjoitus Suomen valuma-alueista.

Afrikka harjoitus

1. Tietokannan siistiminen

Tietokanta Afrikka.tab sisälsi vain tiedot valtioiden rajoista ja sijainnista, näiden valtioiden nimet, koodit ja Id tunnuksen. Lisäksi nämä tiedot olivat epäkätevästi siten, että yhden valtion tiedot saattoivat olla muutamalla kymmenellä rivillä kätevän yhden rivin sijasta. Tietokannan muokkaaminen on varsin radikaali toimenpide, joten muokattavuuden on oltava päällä Layer Controlissa. Yhden kohderyhmän yhdistäminen onnistuu muodostamalla kysely, jossa maan nimi on yhdistävä tekijä. Useampaa ryhmää yhdistettäessä toimii paremmin Combine Objects using Column –toiminto, jolla kaikkia kohteita ei tarvitse ryhmitellä yksitellen. Tarkat ohjeet löytyvät kurssilla jaetuista monisteista, joten ei ole tarkoituksenmukaista selittää niitä uudestaan sanasta sanaan.

2. Uuden datan lisääminen MapInfon ulkopuolelta

Sopivassa muodossa olevaa dataa voidaan lisätä MapInfon tietokantoihin muista ohjelmista, esimerkiksi tunnilla kätetystä Excelistä. Lisäsimme tietokantaan dataa Afrikan valtioiden asukasmääristä, internetin käyttäjistä vuosina 2000 ja 2009. Excel taulukko aukeaa MapInfossa omana tietokantanaan, joka on mahdollista yhdistää olemassa olevaan tietokantaan SQL Select toiminnon avulla. Uuden tiedon lisääminen on äärimmäisen hyödyllinen toiminto, sillä kaikkea tietoa ei vaan voi saada valmiiksi pureskeltuna.

3. Uuden tiedon luominen jo olemassa olevan tietokannan pohjalta

MapInfossa on mahdollista tuottaa tietokantojen datan perusteella uutta dataa. Harjoituksessa laskettiin kuinka monta prosenttia kunkin valtion asukkaista käytti internettiä vuonna 2009. Tämä prosenttiluku  saatiin asettumaan omaan sarakkeeseensa luomalla ensin sarake ja sitten päivittämällä siihen laskutoimituksen tulos. Ilmiön läpäisevyyttä väestössä kutsutaan penetraatioksi ja se ilmoitetaan prosentteina. Suurimmassa osassa Afrikan valtioista vain alle 10% väestöstä käyttää internettiä, eli läpäisevyys on huono. Prosentuaalisesti eniten internetin käyttäjiä on Marokossa, jossa läpäisevyys on 32,9%. Tämä siksi, ettei kukaan oikeasti jaksa lukea loputtomiin selostusta työvaiheista.

Viimeisenä vaiheena harjoituksessa lisättiin tietokantaan tiedot valtioiden timanttikaivoksista, öljylähteistä ja konflikteista.

Pohdintaa Afrikasta näiden tietokantojen pohjalta

Aivan ensimmäiseksi esitän upean teemakartan Afrikasta. Kartalla näkyvät jo mainitut timanttikaivokset merkattuina tähtisymbolilla, öljykentät valkeina alueina ja konfliktialueet neonvihreinä pisteinä. Näiden taustalla on viisiluokkainen sinisen ja vihreän sävyinen koropleettikartta timanttikaivosten määrästä per valtio, jotta karttaa olisi hieman helpompi tulkita. Luokat on määritelty luonnollisten luokkarajojen mukaan, koska tuppaan käyttämään kyseistä luokittelumetodia ylivoimaisesti eniten. Kartta ei kuulunut kurssilla tehtäviin pakollisiin töihin ja onkin olemassa tekstin piristyksenä ja pohdinnan tukena. Lisäksi kartasta huomataan, että joskus kannattaisi ajatella ihan hiukan pidempään mitä on tekemässä. Jostain aivopierusta johtuen olen sitten mennyt esittämään absoluuttisia lukuja koropleettikartalla, vaikken sitä normaalisti tee…

Tietokantoihin on tallennettu seuraavat tiedot(ja myös muita, ei niin olennaisia):
-konfliktin tapahtumavuosi ja laajuus/säde kilometreinä
-timanttikaivosten löytämisvuosi ja kaivausten aloittamisvuosi sekä kaivosten tuottavuusluokittelu
-öljykenttien löytämis- ja poraamisvuodet sekä kenttien tuottavuusluokittelu
-internetkäyttäjien lukumäärä eri vuosina.

Mitä siis voisin näillä tiedoilla tehdä tai niistä päätellä?

Voisin ainakin vertailla, korreloivatko joidenkin konfliktien tapahtumavuodet timanttikaivosten tai öljykenttien löytämisen tai perustamisen kanssa. Tämä olisi mielenkiintoinen aihe siksi, että useimmat kaivosyhtiöt ovat länsimaisessa omistuksessa ja vieraan ”isännän” ilmaantuminen alueella ja luonnonvarojen hyödyntäminen hyvin todennäköisesti on osasyynä osaan konflikteista. Varsinkin jos jotakin heimoa tai kansanosaa on suosittu yli toisen. Tietokannan tuorein konflikti on vuodelta 2004, joten useista maista puuttuu viimeisen vuoden aikana tapahtuneet yhteenotot ja sisällisodat.

Tekemästäni kartasta päättelen, että alueilta, joilta löytyy paljon timantteja ei löydy paljoa öljyä ja toisinpäin. Esimerkiksi Etelä-Afrikassa ja Kongon demokraattisessa tasavallassa on paljon timanttikaivoksia, muttei huomattavia öljykenttiä. Vastapainoksi Libyassa on paljon suuria öljykenttiä, muttei timanttikaivoksia.

Internetin käyttäjien lukumäärästä voisi tehdä koropleetti kartan käyttäjämäärien muutoksesta ja vertailla sitten missä kasvu on ollut hitainta ja nopeinta. Tällaisen kartan pohjalta voisi sitten pohtia, mistä nämä erot johtuvat. Onko jokin valtio niin köyhä, ettei edes rikkaimmilla ole mahdollisuutta käyttää tietokonetta ja nettiä, tai onko jokin toinen valtio mahdollisesti niin länsimaistunut, että tietotekniikka on arkipäivää osalle kansasta.

Valuma-alue harjoitus

Kolmannen kurssikerran itsenäisenä harjoituksena oli Afrikka harjoituksessa kuvattujen metodejen avulla työstää useamman tietokannan tiedoista kartta, jossa on koropleettina kuvattu valuma-alueiden tulvaherkkyys ja pylväsdiagrammeina samojen alueiden järvisyys. Tulvaherkkyyttä kuvataan tulvaindeksinä, joka saadaan jakamalla keskiylivirtaama keskialivirtaamalla.

Ilmeisesti Afrikka harjoitusta tehdessäni onnistuin oppimaan MapInfon käytöstä jotain, sillä muutaman väärän yrityksen jälkeen tarvittava tietokanta oli kasassa suhteellisen kivuttomasti. Tietokantojen toisiinsa liittäminen onnistuu ainakin, kuten myös sarakkeen päivittäminen. Sen sijaan taulukon rakenteen hallinta on hiukan ontuvaa vielä. Selkeiden kirjallisten ohjeiden avulla onnistuivat kaikki tällä kurssikerralla vaaditut asiat.

Kartassani on esitetty alueiden tulvaherkkyys valuma-alueittain koropleettikartalla siten, että viidestä luokasta alin on vaalean keltainen ja ylin tumma punainen. Ylimmässä luokassa on vain yksi havainto, Aurajoki Turussa. Luokittelin vaihteeksi luonnollisilla luokkarajoilla, koska ne sopivat kaikkiin jakaumiin ja niillä tehty tulos näyttäisi tässä vaiheessa varsin pätevältä. Järvisyyttä kuvaavat pylväsdiagrammit on merkitty sinisellä. Ikävä kyllä MapInfo on hivenen nihkeä ohjelma mitä grafiikkaan tulee, sillä esimerkiksi pylväiden paikan vaihtaminen olisi äärimmäisen haastavaa. Tästä johtuen osa pylväistä on ikävässä klimpissä, etenkin kaakkoisrannikolla.

Tulkintaa kartalta

Tulvariski näyttäisi olevan suurin Pohjanmaan rannikoiden joissa ja pienin Järvi-Suomen alueella. Tea Vuorinen kirjoitti, että ”Luodun teemakartan perusteella alueen järvisyys ’suojaa’ aluetta tulvan riskiltä”. Todennäköisesti tämä johtuu siitä, että järvisillä alueilla vesi kerääntyy järviin ja soihin, jolloin virtaamat tasoittuvat kun vesi voi varastoitua altaisiin. Esimerkiksi Pohjanmaan savikkoalueilla ei ole erityisemmin järviä, eivätkä niiden pinta-alat ole suuria. Näin ollen iso osa vedestä kerääntyy sivu-uomien välityksellä suoraan pääuomaan, jonka virtaama kasvaa ja tulvahuippu saavutetaan nopeammin.

Lähteet:

Vuorinen, T. (2012). Tulviin vaikuttavia tekijoita. 30.1.2012
<https://blogs.helsinki.fi/tevuorin/2012/01/30/tulviin-vaikuttavia-tekijoita/>