Tai ainakin saa luvan olla. Kurssitehtävät oli kivoja, vaikkakin välillä v-mäisiä.

Tein kolme versiota samasta teemakartasta; ruotsinkielisten ruuduttaisesta lukumäärästä pääkaupunkiseudulla. Ensimmäisessä versiossa käytin ruutukokona tuhatta metriä, jonka arvelin ennalta olevan aivan liian suuri. Näin olikin, sillä ruutujen sijoittumisessa ei näkynyt juuri minkäänlaista muotoa. Toisen version tein ääripäästä; käytin ruutukokona sataa metriä. Tämä ruutukoko oli puolestaan aivan liian pieni pääkaupunkiseudun kokoiselle alueelle, minkä huomasi jo siitä, että MapInfolla oli vaikeuksia laskea niin monta ruutua. Kun raskaan laskemisen jälkeen teemakartta oli valmis, olivat ruudut niin pieniä, ettei niiden väriä pystynyt hahmottamaan zoomaamatta lähemmäksi. Ruutujen sijoittuminen näkyy kyllä loistavasti ja kertoo kartan lukijalle tarkasti, missä päin asuu ainakin jonkin verran ruotsinkielisiä, mutta kun ruudut ovat niin pieniä, on karttaa vaivalloista lukea.

Tein kolmannen version viidensadan metrin ruutukoolla, josta ruutujen värin jo erottaa, mutta ruutujen alueellinen sijoittuminen säilyy kuitenkin kohtalaisen hyvänä. Tästä kartasta saa jonkinlaisen käsityksen ruotsinkielisten sijoittumisesta pääkaupunkiseudulla, mutta kuvaavampaa olisi käyttää suhteellisia arvoja kuin nyt käytettyjä absoluuttisia. Esimerkiksi Helsingin kantakaupunki ja Lauttasaari näyttävät huonolla kartanluvulla hyvin ruotsinkielisiltä, mutta näillä alueilla asuu paljon ruotsinkielisiä jo sen takia, että niiden asumistiheys on niin korkea. Kartta kertoo kuitenkin esimerkiksi sen, missä päin pääkaupunkiseutua ei asu lainkaan ruotsinkielisiä. Ruotsinkielisten puuttumista näiltä alueilta selittää varmasti suurelta osin se, ettei näillä alueilla asu yleensäkään paljon ihmisiä.

Jotkin ruudut ovat varmasti täysin asumattomia.  Esimerkiksi Vantaan keskiosissa on Helsinki-Vantaan lentokenttä, jossa ei varsinaisesti asu ketään. Lisäksi Helsingin ydinkeskustassa on alue, jossa sijaitsee esimerkiksi päärautatieasema, Töölönlahti, toimistoja, palveluita ja kulttuurikohteita, mutta ei juuri lainkaan asuntoja. Tämä selittänee ruutujen puuttumisen kyseiseltä alueelta.

Juuso Korhonen teki kartan samasta aiheesta ja sen lisäksi väestöntiheyskartan. Hän toteaa blogissaan seuraavaa: “Odotettavasti ruotsinkielisiä oli tietenkin eniten siellä missä asukkaitakin, tosin karttoja vertaillessa paljastui alueellisia eroja. Selkeimpänä pienempi määrä ruotsinkielisiä Itä-Helsingiissä ja suurempi esim Kauniaisissa kuin yleisestä väestökeskittymistä voisi olettaa.”(1) Ruotsinkielisten määrän alueelliset erot eivät siis tietenkään selity kokonaan väestöntiheydellä vaan alueellisia eroja esiintyy sekin muuttuja huomioon ottaen.

Lähteet:

Juuson paikkatietopuserrus, Juuso Korhonen https://blogs.helsinki.fi/juusokor/2015/02/16/kurssikerta-4-ja-ruututeemakartta/

Digitoin itse kartan Uudesta Seelannista ja sen kuudestatoista alueesta. Alueiden rajaaminen oli Mapinfolla loppujen lopuksi helppoa, kun ne sai vaivatta kiinnitettyä toisiinsa saumattomasti. Kartassa näkyy idässä myös Chatham island, joka ei ole varsinaisesti oma alueensa, mutta toimii pitkälti samaan tapaan, eikä kuulu mihinkään toiseen alueeseen. Chatham islandista ei löytynyt kuitenkaan dataa, joten jätän sen tässä analyysissä huomiotta.

Kaikista kuudestatoista alueesta löytyi Maorien osuudet ja väestömäärä erikseen vuodelta 2012, joten kartan tekeminen oli suhteellisen helppoa. Nimesin piirretyt alueet vastaamaan taulukoissa esitettyjä nimiä ja yhdistin kaksi taulukkoa alueiden nimien mukaan. Taulukkojen ja kartan yhdistämisessä oli pieniä ongelmia, koska, jotkin alueet oli kirjoitettu eri tavalla taulukkojen kesken. Kirjoitusasuja ei vaivatta pystynyt muokkaamaan, joten päädyin käyttämään copypastea toiselta tasolta, jotta kartalla näkyi kaikki alueet.

Kartasta on helposti huomattavissa, että Maoreiden osuus väestöstä on jotakuinkin sitä suurempi, mitä suurempi populaatio alueella on. Tämä oli yllättävää, sillä olisin kuvitellut, että alkuperäiskansana heidän osuus olisi ollut suurempi ennemminkin maaseudulla kuin suuren populaation alueilla. Toisaalta kartta ja siinä esitetyt aineistot ovat aluetasolla, eivätkä kuvasta kaupunkeja ja maaseutua.

Eteläsaaren itärannikon Canterbury näkyy kartalla punaisella, mutta siellä Maorien osuus ei osu korkeimpaan luokkaan. Mikäli Maorit tosiaankin asuvat enimmäkseen suuren populaation alueilla, voinee Canterburyn Maoriprosentti selittyä sillä, että vaikka alueen populaatio on yli puolen miljoonan, on se Uuden Seelannin alueista pinta-alaltaan suurin, joten sen väestöntiheys jää verrattain alhaiseksi. Kokeilinkin myös esittää kartalla absoluuttisen väestömäärän sijaan väestöntiheyslukuja alueittain, mutta ne eivät korreloineet läheskään yhtä hyvin Maoreiden osuuden kanssa.

Maorit ovat monella tavoin muuta väestöä huono-osaisempia. Heidän elinajanodotteensa on matalampi, he elävät keskimäärin köyhemmillä alueilla ja heidän osuutensa valtion vankilaväestöstä on noin puolet vaikka Maorien osuus koko väestöstä on vain noin 15 prosenttia.

Lähteet:

Statistics New Zealand, New Zealand official yearbook 2012 http://www.stats.govt.nz/browse_for_stats/snapshots-of-nz/yearbook.aspx

Tein kolme karttaa maailman tulivuorien sijainneista eri vahvuuksisten maanjäristysten suhteen. Kartoissa tulivuoret on kuvattu oransseilla kolmioilla ja maanjäristykset punaisilla pisteillä.

Ensimmäisestä kuvasta huomaa, että monet suuret järistykset tapahtuvat suhteellisen lähellä tulivuoria, mutta poikkeuksiakin on. Esimerkiksi Yhdysvalloissa ja Uuden Seelannin ja Etelämantereen välisellä janalla on sattunut useita kovia maanjäristyksiä, mutta alueilla ei ole tulivuoria. Lisäksi tulivuoria on huomattavasti enemmän suhteessa järistyksiin, mikä selittyy tietenkin sillä, että kartalla on kuvattu kaikki tulivuoret, mutta vain hyvin voimakkaat maanjäristykset lyhyeltä aikaväliltä. Yksikään näistä maanjäristyksistä ei ole tapahtunut Manner-Euraasiassa tai Afrikassa. Suurin osa järistyksistä on tapahtunut Tyynenmeren tulirenkaan alueella ja Melanesiassa.

Toisessa kartassa on näytetty yli 7:n magnitudin järistykset, eli edellisen kartan järistysten lisäksi myös järistykset magnitudiväliltä 7-8 on huomattavasti enemmän päällekkäisyyttä järistysten ja tulivuorten suhteen. Tyynenmeren tulirenkaan alueelle ja Melanesiaan osuu huomattavasti enemmän järistyksiä kuin ensimmäisessä kartassa. Järistyksiä osuu nyt kuitenkin enemmän myös ei vulkaanisille alueille. Keski- ja Etelä-Aasiassa on silmiinpistävä rykelmä järistyksiä. Alueella ei ole lainkaan tulivuoria, mutta 7-8:n magnitudin järistyksiä on useita. Alue on osa Euraasian mannerlaattaa, mutta on olemassa spekulaatioita siitä, että alue olisi oma Iranin laattansa. Alue on puristuksissa Euraasian ja Arabian laatan välissä. Tästä kartasta huomaa, että osa maanjäristyksistä sijoittuu vahvasti tulivuorten läheisyyteen ja osa täysin muualle. Lisäksi kaikkien tulivuorien läheisyydessä ei esiinny ainakaan yli 7:n magnitudin järistyksiä.

Kolmannessa ja viimeisessä kartassa on esitetty edellisten karttojen datan lisäksi järistykset magnitudiväliltä 6-7. Järistyksiä on erittäin paljon enemmän kuin muissa kartoissa, mikä selittyy sillä, että pienempiä järistyksiä sattuu useammin kuin suuria. Tässä kartassa on enää vähän tulivuoria, joiden läheisyydessä ei ole järistyksiä. Osa näistä järistyksettömistä tulivuorista voi selittyä sillä, että ne ovat rauhallisesti purkautuvia kilpitulivuoria, sillä niistä yksikään ei sijaitse kovin lähellä mannerlaatan reunaa. Toisaalta osa näistä tulivuorista voi selittyä sillä, että ne eivät ole purkautuneet ainakaan vuoden 1980 jälkeen.

Löysin NASA/GSFC:n tuottaman kuvan mannerlaatoista ja maanjäristyksistä, kartassa ei ole legendaa, mutta turkoosit viivat kuvastavat laattojen reunoja ja keltaiset pisteet maanjäristyksiä. Karttaa voisi käyttää opetuksessa selittämään maanjäristyksien sijoittumista, vaikkakaan siinä ei ole eritelty laattojen saumakohtien eri tyyppejä. Tuure Takalan blogissaan käyttämä kartta (1) on mahdollisesti havainnollisempi.

Lähteet:

Views of the solar system. http://solarviews.com/cap/earth/earthcyl2.htm

Takalan Pak-blogi, Tuure Takala https://blogs.helsinki.fi/tevtakal/2015/03/11/6-kurssikerta/

Öljylähteet, timanttikaivokset ja taistelukentät.

Konfliktin tapahtumavuodesta voi päätellä millaisilla aseilla konfliktissa on taisteltu ja mahdollisesti myös millaiset osapuolet siinä on ollut. Mikäli Afrikassa tapahtunut konflikti on sattunut 1900-luvun ensimmäisellä puoliskolla, on todennäköistä, että siinä on ollut osallisena ainakin yksi siirtomaavalta, kuten Britannia tai Ranska. Mikäli konflikti ajoittuu toisen maailmansodan ajalle on todennäköistä, että kyseessä on kyseiseen sotaan liittyvä konflikti. Jos taas konflikti ajoittuu toisen maailmansodan jälkeiselle ajalle, on kyseessä todennäköisesti sisällissota, itsenäisyyssota tai kahden Afrikkalaisen valtion välinen sota.

Konfliktin laajuudesta voi päätellä jotakin kuolleiden, haavoittuneiden ja pakolaisten määrästä verrattaessa sitä alueen populaatioon. Mikäli alue on hyvin suuri, on kyseessä luultavasti suuri konflikti.

Timanttikaivosten löytämisvuodesta voi päätellä, onko löytö tapahtunut siirtomaa-aikana vai sen jälkeen. Verrattaessa löytöaikaa alueen mahdollisten konfliktien syttymisaikaan, voidaan päätellä onko löytö ollut laukaiseva tekijä konfliktissa. Sama pätee öljykenttien löytämisvuoteen. Timanttikaivosten ja öljykenttien toiminnan aloittamisvuotta verrattaessa niiden löytämisvuoteen voidaan päättelemättä nähdä kuinka pitkä aika niiden välillä on. Tämän ajan pituudesta voidaan päätellä onko toiminnan aloittamisella ollut esteitä. Esteitä voivat olla esimerkiksi kiistat alueen tai varantojen hallinnasta tai varantojen vaikea hyödynnettävyys. Lisäksi on mahdollista, että varantoja ei ole ollut järkevää käyttää heti kyseisten luonnonvarojen sen hetkisen alhaisen markkinahinnan vuoksi.

Timanttikaivosten ja öljykenttien tuottavuusluokittelusta voidaan päätellä kuinka rikkaita ne ovat tai kuinka kehittyneitä menetelmiä niissä käytetään. Köyhissä maissa menetelmät voivat olla alkeellisia ja tuottavuusluokittelu jää huonoksi vaikka varannot olisivatkin rikkaat.

Internetkäyttäjien lukumäärästä eri vuosina ei vielä pysty päättelemään paljoa, mutta sen suhteesta populaatioon jo pystyy. Internetkäyttäjien suhteellinen lukumäärä kertoo paljon maan kehitystasosta, sillä kattavan internetverkon ja sähköverkon rakentaminen vaatii toimivan infrastruktuurin ja joko paljon verorahoja tai suuria investoijia. Lisäksi internetin käyttäminen maksaa yksityishenkilölle suhteellisen paljon, kun lasketaan mukaan sopivan laitteen hankinta, internetlasku ja sähkölasku. Nykyään internetkäyttäjien lukumäärä kasvaa kuitenkin nopeasti langattomien verkkojen kehittymisen ja niiden hyödyntämiseen kykenevien laitteiden hinnan laskun vuoksi. Verrattaessa eri vuosien dataa keskenään voidaan nähdä kehityksen suunta ja sen nopeus. Mikäli verrattaisiin eri vuosien internetkäyttäjien absoluuttista lukumäärää keskenään, ei välttämättä voitaisi päätellä kehityksen suuntaa sillä, monien Afrikan maiden väkiluvun kasvu on hyvin nopeaa ja pelkästään sitä kautta uusia käyttäjiä tulee enemmän.

Tulvaindeksikartta

Kartasta voidaan nähdä Suomen läpi kulkevien jokien valuma-alueet, niiden tulvaindeksi värikoodein sekä valuma-alueiden järvisyys pylväsdiagrammeina. Tietämättä paljoa tulvaindeksin määrittämisestä voin karttaa tutkimalla päätellä, että tulvia esiintyy rannikkoseuduilla enemmän ja nämä valuma-alueet ovat suhteellisen pieniä. Ruut Uusitaloa lainaten Pohjanmaata koskien: “Normaalia on, että joka kevät joet tulvivat yli uomiensa katkaisten isoja teitä sekä vaurioittaen asumuksia sekä viljelymaita. Alueella on myöskin niukasti järviä, jotka toimisivat vesivarastoina tulvien ehkäisemiseksi.“(1) Verrattaessa valuma-alueiden tulvaindeksiä ja järvisyyttä keskenään on huomattavissa käänteinen korrelaatio; alueet, joilla on korkea järvisyysprosentti, tulvaindeksi on alhainen. Tämä johtunee siitä, että alueille joilla on paljon järviä, ei synny suuria jokia jotka tulvisivat. Järviä yhdistävät mahdollisesti useat pienemmät joet ja purot.

Lähteet:

1. Ruutin Geoinformatiikka-blogi, Ruut Uusitalo https://blogs.helsinki.fi/ruutuusi/2015/01/27/afrikan-rikkaudet-ja-suomen-tulvariski-koropleettikartat-visuaalisena-tyovalineena/

Tein kartan Suomen kuntien väkiluvun ja korkeakoulutusasteen välisestä korrelaatiosta. Aineistona käytin MapInfo kunnat 2013 tiedoston väkilukuaineistoa sekä terveyden ja hyvinvoinnin laitoksen sotkanet -sivuilta ladattua Korkea-asteen koulutuksen saaneet, % 15 vuotta täyttäneistä -aineistoa, jonka tilastovuodet ovat 1990-2013.

Käytin kummankin aineiston luokitteluun kvantiileja, sillä molemmissa aineistoissa oli vino jakauma. Jaoin kummankin aineiston kolmeen luokkaan, koska tavoitteenani oli valmistaa päällekkäisten teemojen koropleettikartta. Esitin väkiluvut väreillä ja korkeakoulutusasteen pisteillä.

Näiden muuttujien välillä on havaittavissa selkeä yhteys. Yli 10 000 asukkaan kuntien korkeakoulutusaste on enimmäkseen ylintä luokkaa ja jonkin verran keskimmäistä luokkaa. Näistä kunnista vain Lieksassa on alimman luokan korkeakoulutusaste. 5 000 – 10 000 asukkaan kunnissa on kaikkia koulutusasteluokkia. Alle 5000 asukkaan kunnista suurimmassa osassa on enimmäkseen alimman koulutusasteen luokkaa, jonkin verran keskimmäistä ja vain muutama ylintä luokkaa.

Tätä yhteyttä voi selittää korkeakoulujen sijoittuminen suurimpiin kuntiin ja korkeakoulutusta vaativien työpaikkojen samanlainen sijoittuminen. Toisaalta useat ihmiset käyvät koulussa tai töissä muualla kuin asuinkunnassaan.

Artikkeli

Toisen kurssikerran toisena tehtävänä oli lukea Anna Leonowiczin artikkeli ”Two variable choropleth maps as a useful tool for visualization of geographical relationship”.  Artikkeli kertoo kaksiteemaisista koropleettikartoista ja niiden käyttökelpoisuudesta verrattuna yksiteemaisiin koropleettikarttoihin. Toni Ruikkalaa lainaten: “Yksiteemaisissa kartoissa ilmiön alueellinen jakaantuminen on helposti havaittavissa, mutta syy-seuraussuhde on usein vaikeampi havaita kahden eri kartan välillä, kun taas kaksiteemaisessa koropleettikartassa syy-seuraus suhde tulee useimmiten helpommin esille.  Kausaliteetti saadaan siis tehokkaammin selville kahden-muuttujan koropleettikartassa.” (1) Lisäksi artikkelissa todetaan, että kaksiteemaisten karttojen luettavuusongelmat piilevät pitkälti graafisessa esittämisessä.

Kaksiteemainen koropleettikartta helpottaa kahden muuttujan välisen syy-seuraussuhteen hahmottamista, koska muuttujat on esitetty yhdessä eikä erikseen. Mikäli muuttujat olisi esitetty erikseen kahdella erillisellä kartalla, olisi niiden alueellinen jakautuminen helpompi hahmottaa, mutta kahden muuttujan päällekkäisyyksien havaitseminen olisi raskasta, kun pitäisi silmäillä vuorotellen kahta karttaa.

Luokkajakoa käsitellyt kappale oli jokseenkin vaikeasti ymmärrettävä, mutta sen liitteenä ollut kuva auttoi ymmärtämään prosessia paremmin. Kappaleen alkuosa liittyen luokkien määrään on helppo ymmärtää, mutta sen jälkeisen osan sanasto liittyen itse luokkien jakamiseen neljään tai yhdeksään luokkaan on sen verran raskasta, että sen ymmärtäminen vaatii useamman läpiluvun helpottavan kuvankin kanssa.

Artikkelin karttojen legendat ovat nelikulmioita, joiden sisällä on pienempiä värillisiä nelikulmioita, jotka kuvaavat eri luokkia. Tavallisemmin kartoissa käytetyt luokat on selitetty erillisillä värillisillä laatikoilla, jotka ovat ikään kuin listana. Näistä erilaisista nelikulmaisista legendoista on tarkoitus hahmottaa luokat. Kuvan kolme tapauksessa luokkia on 3×3=9 joista kahdeksaan osuu tapauksia. Ensimmäinen muuttuja kasvaa vasemmalta oikealle ja toinen alhaalta ylös, niin että muuttujien yhteisarvo on pienimmillään vasemmassa alakulmassa ja suurimmillaan oikeassa yläkulmassa. Muuttujien välinen vahvin korrelaatio liikkuu näiden kahden pisteen välissä.

Lukijan on ymmärrettävä ensiksi, että tämän tyylisellä kartalla on esitettynä kaksi eri muuttujaa, joiden suhdetta toisiinsa tarkastellaan. Toiseksi lukijan on osattava tulkita legendaa, mikä ei ole välttämättä helppoa, sillä monilla ei ole tämän tapaisista legendoista aiempaa kokemusta. Tämän jälkeen kartan lukeminen on helppoa.

MapInfo on kurssin aikana ohjannut vahvasti kartografista toteusta kartoissani, sillä eri karttaesitysvaihtoehdot ovat tietenkin rajatut. Toisaalta taitoni käyttää niitä ovat vieläkin rajatummat. Artikkelin kartan tapaisen esityksen voisi mahdollisesti laatia MapInfossa yhdistämällä kaksi tietokantaa, luomalla kolmannen sarakkeen, johon laskisi kahden ensimmäisen teeman korrelaation. Tämän kolmannen teeman voisi sitten jakaa yhdeksään luokkaan ja tehdä siitä teemakartan.

Lähteet

Ruikkalan PAK-blogi, Toni Ruikkala https://blogs.helsinki.fi/ruikkala/2015/01/26/20/