Artikkeli 2. Paikkatietoa

Viimeinen kurssikertojen ulkopuolinen tehtävä oli tutustua Lloyd P.Queenin ja Charles R. Blinnin artikkeliin ”The Basics of Geographic Information Systems” ja kirjoittaa siitä heränneitä ajatuksia tiedotusblogin kysymysten pohjalta. Artikkeli on vuodelta 1993, mutta GIS:n “lainalaisuudet” eivät ole muuttuneet parissa vuosikymmenessä mihinkään. Artikkeli oli melko kevyt lukea, sillä siinä esitetyt asiat olivat minulle jo tuttuja muun muassa useaan kertaan läpikahlatuista lukiokirjoista. Artikkelia lukiessani aloin pohtia tekstini jäsentelyä ja mitä kaikkea ylipäätään haluan siihen tuoda, sillä paikkatiedostahan voisi kirjoittaa vaikka kuinka pitkään. Päädyin esittämään asiani tiedotusblogin kysymysten järjestyksessä lisäten artikkelissa ilmenneen mielenkiintoisen näkökulman paikkatiedon käyttäjätyypeistä.

Mitä paikkatieto on ja mistä se koostuu?

Paikkatieto eli GIS (Geographical Information Systems) koostuu sijaintitiedosta ja ominaisuustiedosta. Artikkelissa todetaan hyvin yksinkertaisesti, että sijaintitieto kertoo missä jotakin on ja ominaisuustieto mitä siellä on. Elli Saari otti artikkelista blogiinsa erinomaisen viittauksen siitä mitä GIS on: “The Basics of Geographic Information Systems -artikkeli määrittelee GIS:in olevan tietokoneavusteinen paikkatieto-ohjelma, jota käytetään tiedon keräämiseen, muokkaamiseen ja tiedon visualisointiin.” Artikkelissa painotetaan, että paikkatieto koostuu neljästä elementistä ja mikään niistä ei voi “puuttua”. Elementit ovat tutut: laitteet, käyttäjät, data ja ohjelmistot. Tärkeintä paikkatiedolle on se, mikä erottaa sen muista tekniikoista, eli kaikki data pitää olla sidottu maantieteelliseen sijaintiin.

Paikkatieto vs. Perinteiset kartat

Artikkelissa on hyvä taulukko paikkatiedon ja perinteisien karttojen eduista ja haitoista. GIS:llä on useita etuja perinteisiin karttoihin verrattuna. Mittakaavaa ja projektiota pystytään helposti muuttamaan, kun taas perinteisillä menetelmillä koko kartta jouduttaisiin piirtämään uudelleen. Dataa voidaan myöskin päivittää helposti ilman kartan uudelleen piirtämistä. Paikkatieto-ohjelmien kenties suurin etu on tasojen (layers) luominen. Näin eri aiheita voidaan kasata päällekkäin teoriassa rajaton määrä. Kahta tai useampi kartta voidaan siis asettaa päällekkäin, mikä on perinteisillä kartoilla mahdotonta. Paikkatieto-ohjelmilla voidaan myös helposti tehdä kartalta erilaisia analyyseja. Karttoja on huomattavasti helpompi kopioida ja jakaa paikkatieto-ohjelmilla verrattuna perinteisiin karttoihin. Mutta on GIS:ssä huonojakin puolia. Paikkatieto on kallista, mutta toki artikkelin julkaisu vuoden jälkeen halventunut. Timo Säyrinen ottaa blogissaan yhden huonon puolen, jota en itse tullut ajatelleeksi, esiin: “Lisäksi geoinformatiikan tekniikka kehittyy nopeasti, mitä voidaan pitää pääosin etuna mutta osin myös haittana, silloin jos vanhemmalla tekniikalla tuotettu aineisto ei ole enää yhteensopivaa uuden tekniikan kanssa.” Paikkatiedon yleistyessä ongelmaksi perinteisiin karttoihin nähden on noussut sen helppous, sillä lähes kuka vaan voi luoda karttoja, mikä saattaa johtaa hyvinkin virheellisiin karttaesityksiin. Lukijaa voidaan myös manipuloida tahallisilla virheillä. Perinteisissä kartoissa ei tätä ongelmaa yleensä ole, kuten Minttu Haapanen blogissaan toteaa: “Yleensä perinteisiin karttoihin voi luottaa, sillä voidaan olettaa, että kartan on tehnyt joku ammattilainen.” Tästä lieveilmiöstä huolimatta GIS on erinomainen “keksintö”, koska sillä voidaan luoda mitä monipuolisempia ja havainnollisempia karttaesityksiä.

Rasteri vs. Vektori

Paikkatietoa voidaan tallentaa kahdessa muodossa, rastereina tai vektoreina. Rasterimuotoinen tallennus perustuu pienen pieniin neliöihin. Kartta jaetaan näihin pieniin ruutuihin ja kukin ruutu saa sijaintitiedon (x- ja y-koordinaatin) sekä ominaisuustiedon. Mitä enemmän, eli mitä pienempiä, ruudut ovat mutta myös laitteille ja ohjelmistolle raskaampi kartta on. Rasteridatan etuja vektoridataan nähden on sen helpompi tuottaminen ja näin myös helmpompi hinta. Rasteriaineisto ei ole kuitenkaan niin tarkkaa kuin vektoriaineisto. Vektoridata tallennetaan pisteinä, pisteitä yhdistävinä janoina tai monikulmioina. Vektoriaineisto on tarkkaa ja pysyy sellaisena myös karttaa zoomattaessa. Se on kuitenkin työläämpi ja kalliimpi tuottaa kuin rasteriaineisto. Pitkälti käyttötarkoituksesta johtuu se kumpi datan tallennustapa valitaan. Jos halutaan hyvin tarkkaa tietoa, vektori on parempi, mutta mikäli ei pyritän niin tarkkaan esitykseen, on rasteri parempi vaihtoehto sen helppouden takia.

Overlay-analyysi

Kuten paikkatiedon eduissa perinteisiin karttoihin verrattuna mainitsin, voidaan useita tasoja asettaa tarkasteltavaksi päällekkäin.Kuten artikkelissa mainitaan, tasoja voi teoriassa luoda rajattoman määrän päällekkäin. Se on sitten toinen asia, mikä on järkevää. Toki paikkatieto-ohjelmiin voi tuoda useita tietokantoja ja sitten lopulta valita näkyväksi vain ne jotka haluaa. Usein overlay-analyysi koostuu pohjakartasta, kuten hallinnollisista rajoista, jonka päälle tuodaan esimerkiksi kaksi tasoa joiden välistä korrelaatiota tarkkaillaan. Esimerkkinä voisi käyttää käytännössä mitä tahansa kurssikerroilla tekemääni karttaa, joka sisältää useamman kuin yhden muuttujan. Topi Tjukanov nostaa blogissaan esiin oivallisen esimerkin overlay-analyysista: ” Esimerkkinä overlay-analyysin käytöstä voisivat olla esimerkiksi  kaupunkivalaistuksen ja rikosten esiintymispaikkojen tarkastelu päällekkäin.” Overlay-analyysin lisäksi paikkatieto-ohjelmilla voidaan tehdä lukuisia muitakin analyyseja, kuten viidennellä kurssikerralla tekemämme bufferointi.

Käyttäjäryhmät

Artikkelissa otetaan esiin mielenkiintoinen näkökulma paikkatiedon käyttäjäryhmistä. Käyttäjät jaetaan kolmeen ryhmään: data generator, system user ja end user. Data generatorit ovat paikkatiedon kerääjiä, eli he siis “synnyttävät” datan. System users eli laitteiston käyttäjät, ovat siis niitä, jotka käyttävät ja kehittävät paikkatieto-ohjelmia. End userit ovat mielenkiintoinen ryhmä, sillä kuten artikkelissa todetaan, he eivät itse käytä paikkatieto-ohjelmia, mutta paikkatietoa kyllä. Tällaisia voisi olla esimerkiksi kaupunkisuunnitteluvirastojen päätöksen tekijät, jotka tekevät päätöksensä valmiiden paikkatietoesitysten pohjalta. Mielestäni nämä käyttäjäryhmät ovat hieman eläneet, sillä artikkelin julkaisuvuonna (1993) paikkatieto-ohjelmia käyttivät luultavasti vain alan asiantuntijat, kun taas nykyisin yhä useammat voivat käyttää paikkatietoa. Ryhmittely kaipaisi siis hieman päivitystä, esimerkiksi niin että on datan kerääjät, ohjelmistojen kehittäjät, alan ammattilaiset, amatöörit ja epäsuorasti paikkatietoa käyttävät (end users).

 

Lähteet:

Saari Elli. 7.3.2012, <http://blogs.helsinki.fi/ellsaari/>

Säyrinen Timo. 7.3.2012, <http://blogs.helsinki.fi/sayrinen/>

Tjukanov Topi. 7.3.2012, <https://blogs.helsinki.fi/ttjukano/>

KK.7 Viimeisin mutta ei todellakaan vähäisin

Esivalmistelut

Jo hyvissä ajoin ennen viimeistä kurssikertaa meitä informoitiin kurssikerran sisällöstä. Kurssikerralla oli tarkoitus hankkia itse aineisto ja tehdä niistä vähintään kahden muuttujan teemakartta. Tutustuin Suomen tilastokeskuksen tarjoamiin aineistoihin jo pari päivää ennen omaa kurssikertaa kun yritin auttaa pulassa ollutta kaveriani keksimään itselleen aiheen, sillä hänellä oli kyseinen kurssikerta paraikaa käynnissä. Vaikka olin löytänyt aineistosta monia mielenkiintoisia mahdollisuuksia, tuli aina eteen jokin este, useimmiten se, että tietoa löyty vain koko maan tasolta eikä haluamani maakuntatasolta. Lopulta kuitenkin löysin saman otsikon alta aiheet, joista uskoin saavani aikaan mielenkiintoisen esityksen. Valitsin aiheikseni valtion tulo- ja varallisuusverot sekä toimintamenot asukasta kohti maakunnittain. Myöhemmin mieleeni tuli vielä lisätä yli 65-vuotiaiden osuus maakunnan väestöstä.

Valtion menot ja verotulot eivät kuulu aivan minun vahvimpaan osaamisluokkaan, mutta viimeisen kurssikerranhan piti tuoda haasteita. Muistin että, jonkin aiemman kurssikerran kansiosta löytyy karttatietoa sisältävä tietokanta maakunnista, joten käytin sitä työny pohjana. Pohjakartan hankinta oli siis minulle hyvin helppoa, toisin kuin eräille todella ahkerille opiskelijoille, jotka joutuivat näkemään paljon vaivaa karttojensa eteen. Minulle ei kuitenkaan tullut huonoa omaatuntoa, sillä työtä riitti tarpeeksi esitettävien aiheiden kanssa.

Haasteet

Kuten jo totesin, ensimmäinen haaste oli aiheen valinta. Aiheen valinnassa suurin pohtiminen kohdistui valtion menoihin. Halusin ottaa veroista vain tulo- ja varallisuusverot, jotka mielestäni kuvaavat parhaiten yksityisten ihmisten tulotasoa. Jätin siis pois esimerkiksi liikevaihtoon perustuvat verot. Kun verot käsittelevät yksityisiä ihmisiä, halusin, että menot kohdistuvat myös nimenomaan yksityisiin. Kaikki menot yhteensä olisi ollut helppo valinta, mutta siinä olisi ollut mukana muun muassa siirrot yrityksille, joten se ei siis olisi ollut hyvä valinta. Yritin Googlella selvittää tietoa menoista, mutta mitään kunnollista vastausta en saanut. Pohdin pitkään kolmen vaihtoehdon, siirrot kunnille, siirrot yksityisille ja toimintamenot, välillä. Kun en itse osannut valintaa tehdä, kysyin opettajalta apua, josko hänellä olisi parempaa tietoa valtion menoista. Hänkään ei omien sanojensa mukaan ollut alan asiantuntija, mutta suositteli toimintamenoja, joten kun olin pohtinut niitä jo itsekin, valitsin siis ne.

Seuraava haaste tuli vastaan kerätessäni aineistoa Exceliin. Tiedot veroista oli juuri täydellisesti maakunnittain, aivan kuten halusinkin. Toimintamenotkin olivat muuten hyvin luokiteltu maakunnittain, mutta Uudenmaan maakunta oli jaettu pääkaupunkiseutuun ja muuhun Uusimaahan. Nämä kaksi piti saada siis yhdistettyä koko Uusimaaksi. Se ei ollutkaan pelkkä plus-lasku, koska aineisto oli muodossa euroa/asukas. Aineistoa oli kuitenkin tarjolla myös muodossa miljoonaa euroa, eli koko alueen menot yhteensä. Näin ollen laskin pääkaupunkiseudun ja muun Uudenmaan menot yhteen. Tarvitsin vielä kuitenki asukkaiden määrän, jotta saan laskettua menot asukasta kohti. Se kävi kuitenkin helposti, sillä väestö-otsikon alta löytyi suoraan Uudenmaan maakunnan väkiluku vuodelta 2006. Jakamalla menot asukasmäärällä sain lopulta myös Uudenmaan toimintamenot asukastakohta.

Aineiston osalta jäljellä oli enää yli 65-vuotiaiden osuus väestöstä. En löytänyt siitä valmista materiaalia, joten päätin laskea arvot itse, sillä aineistoa väestön määrästä iän mukaan kuitenkin löytyi maakunnittain. Laskin yhteen kunkin maakunnan osalta yli 65-vuotiaiden määrän ja jaoin luvut kaikkien ikäluokkien yhteenlasketulla arvolla. Kun vielä kerroin luvut sadalla, sain yli 65-vuotiaiden prosentuaaliset osuudet.

Aineisto oli lopulta kerätty, joten pääsin itse kartanteon kimppuun. Sain aineiston siirrettyä edellisten kurssikertojen opeilla melko vaivattomasti MapInfoon. Muokkasin valmista Maakunnat-tietokantaa, joten jouduin muuttamaan Excel-taulukkoni maakuntien nimet tietokantaa vastaaviksi, jotta tietojen yhdistäminen onnistuu. Se olikin ainut hieman aikaa vievä asia tietojen siirrossa. Aluksi ajattelin, että esitän valtion menot ja verotulot koropleettikarttana värein ja rasterein, ja yli 65-vuotiaat pylväinä. Mutta tajusin, että yli 65-vuotiaiden osuudet vaihtelevat hyvin vähän, joten pylväistä ei olisi nähtävissä minkäänlaisia eroja. Siispä vaihdoin toimitamenot pylväiksi ja yli 65-vuotiaat rastereiksi.

Luokittelu

Ensimmäiseksi otin käsittelyyni verotulot. Siirsin tuttuun tapaan tiedot histogrammityökaluun, ja kuten kuvasta 1 näkyy, aineisto on epämääräisesti jakautunut. Valitsin siitä johtuen luokittelutavaksi kvantiilit ja luokkien määräksi aluksi 3, mutta halusin vielä Uudenmaan maakunnan selvästi muista poikkeavan arvon esiin, joten laitoin sen vielä omaksi luokakseen. Olisin halunnut, että luokkien määrä olisi pysynyt kolmessa, koska minulla on niin monta eri muuttujaa kartassa, mutta hyvä näinkin.

Kuva 1. Histogrammi valtion tulo- ja varallisuusverotuloist asukasta kohti maakunnittain.

Toimintamenoja ei tarvinnut luokitella, sillä esitän ne pylväinä, joten jäljellä oli vain yli 65-vuotiaiden luokittelu. Tiesin jo tässä vaiheessa, että esitän ne rastereina, joten halusin ehdottomasti vain kolme luokkaa. Syötin jälleen tiedot histogrammityökaluun ja kuten kuvasta 2 nähdään, aineisto muistuttaa hieman normaalijakaumaa, mutta kaksi pienintä arvoa ovat sen verran kaukana muusta joukosta, että jakauma menee epämääräisen puolelle. Siispä valitsin jälleen luokittelutavaksi kvantiilit. Kun ehdottomana ehtona oli vain kolme luokkaa, kaksi pienimmän osuuden maakuntaa eivät saaneet omaa luokkaansa. Se jäi minua harmittamaan, mutta kompromisseja on tehtävä.

Kuva 2. Histogrammi yli 65-vuotiaiden osuudesta maakunnittain.

Miltä kartta näyttää?

Kurssin ensimmäisillä kerroilla muistaakseni mainitsin, että jätän tulevilla kerroilla kolmen muuttujan kartat väliin, mutta tässä sitä nyt sitten ollaan. Kartta näytti vielä MapInfossa hyvältä ja käsinvalitsemani rasterointi näytti toimivan hyvin, mutta sitten kun toin kartan tänne blogiini, se pienentyi niin paljon, että rasterit menivät epäselviksi. Eri luokat kyllä pystyy erottamaantoisistaan, mutta ei ne alkuperäistä rasterointia vastaa mikäli karttaa ei suurenna. Jos joku karttaani katsoo, suosittelen zoomausta. Värimaailmani on mielestäni onnistunut, koska pidän hillityistä väreistä. Värit erottaa riittävän hyvin myös rasterien alta, viimeistään silloin kun karttaani zoomaa. Pylväiden koko on myös onnistunut, sillä erot tulevat esiin, mutta mikään pylväs ei veny turhan suureksi tai jää liian pieneksi. Tästä tietysti suurin kiitos aineistolle.

 

Kuva 3. Koropleettikartta valtion tulo- ja varallisuusverotuloista asukasta kohti ja yli 65-vuotiaiden osuudesta maakunnittain. Valtion toimintamenot asukasta kohti pylväinä. Tiedot vuodelta 2006. Lähde: Tilastokeskus

Mitä kartta kertoo?

Kartan tiedot ovat vuodelta 2006 eli jo yli 5 vuotta vanhoja, mutta se oli ainut mahdollinen vuosi, jolta sain kaikki haluamani tiedot. Viiden vuoden aikana maailma on muuttunut ja muun muassa taloustilanne on toinen, mutta en usko, että se on vaikuttanut kovinkaan merkittävästi karttani teemoihin. Kartan otsikko kertoo sen, mitä lähdin kartallani selvittämään. Eli yksinkertaistetusti, missä valtio saa rahoilleen vastinetta ja missä ei. Lisäksi halusin tarkkailla onko yli 65-vuotiaiden osuudella siihen yhteyttä. Suurimmat verotuloalueet painottuvat kuvan 3 kartan mukaan etelään, jossa Uusimaa on ylivoimaisena huippuna. Pienimmät verotulot asukaskohti kilahtaa valtion kassaan Itä- ja Pohjois-Suomesta. Se oli hyvin ennalta arvattavissa oleva tulos, sillä Itä- ja Pohjois-Suomi on ollut jo vähän aikaa heikossa asemassa muun muassa suuren ulosmuuton vuoksi.

Yli 65-vuotiaiden osuus ei kartan mukaan yllä Itä- ja Pohjois-Suomessa ylimpään luokkaan. Suurimman osuuden maakunnat näyttävät sijoittuvan Kaakkois-Suomeen ja Länsi-Suomeen Etelä-Pohjanmaan ja Satakunnan maakuntiin. Suurimman ja keskimmäisen luokan luokkavälit ovat melko pienet toisin kuin pienimmän luokan, joten Itä- ja Pohjois-Suomen maakuntien yli 65-vuotiaiden osuus ei juuri eroa suurimman luokan maakuntien osuuksista, vaikka ne eri luokkaan kuuluvatkin. Uudenmaan maakunnassa yli 65-vuotiaiden osuus on kaikista pienin, vain 12,8%. Uusimaa on suurin maassamuuton kohdealue ja kun maalta kaupunkiin muuttaneista kaksi kolmasosaa oli 18-30 vuotiaita, ei ole ihme, että ikääntyneen väestön osuus on Uudellamaalla pieni (Suomalainen muutta mielellään 2012).

Kuten kuvan 3 kartan pylväistä hyvin nähdään, valtion toimintamenot asukaskohti vaihtelevat paljon maakuntien välillä. Yhtenäisiä alueita on vaikea löytää, länsirannikon maakunnat näyttävät oleva ainut isompi yhtenäinen kokonaisuus, siellä toimitamenot ovat muuhun maahan verrattuna pienet. Suuria menoja sen sijaan löytyy niin etelästä (Uusimaa), pohjoisesta (Lappi) kuin idästäkin (Kainuu). Karttaa tekiessäni oletin, että menot saattaisivat olla suuret siellä, missä tulot ovat pienet ja väestö on vanhaa. Mutta näin ei kuitenkaan näytä olevan, sillä toimintamenot näyttävät olevan suuria tai pieniä sekä pienien että suurien verotulojen maakunnissa.

Kaiken kaikkiaan näyttää siltä, että tulo- ja varallisuusverotuloilla ja yli 65-vuotiaiden osuudella vaikuttaa olevan jonkilainen yhteys, sillä korkeiden tulojen maakunnissa ikääntyneen väestön osuus on, Kymenlaaksoa lukuunottamatta, maan pienintä. Sitä tukee myös se, että matalien tulojen maakunnissa yli 65-vuotiaiden osuus on, Keski-Suomea lukuunottamatta, suhteellisen suuri. Toimintamenoista sen sijaan on vaikeampi löytää yhteyttä verotuloihin tai yli 65-vuotiaiden osuuksiin. Olikin siis hyvä, että lisäsi työhöni alkuperäisten aiheiden lisäksi yli 65-vuotiaa. Muuten analysointi olisi jäänyt siihen, että olisin vain pohtinut verotulojen ja toimintamenojen korreloimattomuutta. Ainut huonoa asia kolmannen teeman lisäämisessä oli kartan luettavuus, mutta zoomaamalla sekin onnistuu.

Post Scriptum

Yllättävän harva oli lähteny tekemään kurssikerran työtä Suomesta. Se on varmasti ymmärrettävää, sillä usein ulkomaat kiehtovat maantieteilijöitä. Toki itseäninkin ulkomaat kiinnostaa, mutta silti olen samoilla linjoilla Elli Saaren kanssa, joka toteaa blogissaan omien intressien kohdistuvan Suomeen. Itse haluan tutkia Suomea sen takia, että ymmärtäisin paremmin, kuinka meillä menee ja mihin asioihin tulisi kiinnittää huomiota. Mielenkiintoa lisää se, että itseltä löytyy usein aiheeseen kuin aiheeseen, jokin kenttätason esimerkki. Esimerkiksi oma polkuni on hyvä esimerkki nuorten maassamuutosta.

Lähteet:

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

Saari Elli. 7.3.2012, <http://blogs.helsinki.fi/ellsaari/>

Suomalainen muuttaa mielellään 2012. Tilastokeskus. 7.3.2012, <http://www.stat.fi/tup/tietoaika/tilaajat/ta_04_03_suom_muutto.html>

Tilastotietokannat. Tilastokeskus. 29.2.2012, <http://pxweb2.stat.fi/database/StatFin/databasetree_fi.asp>

Kurssikerta 6. Ratikka, Geokoodaus ja Maanjäristykset

GPS-retki

Kuudennelle kurssikerralle tuli varustautua niin, että tarkenee noin tunnin verran ulkona. Tehtävänämme oli siis kulkea GPS-laitteen kanssa, missä ikinä tahdoimmekaan, ja kerätä vapaavalintaisten kohteiden koordinaatit. Ulkona oli mitä kaunein sää, mutta kuitenkin päätimme hypätä ratikan kyytiin ja tutkia raitiovaunulinja 6:den varrella olevia ruokakauppoja välillä Arabian ostoskeskus-Rautatieasema. Tutkimuksemme oli hieman riskialtis, sillä ratikan katto saattoi vähentää GPS:n löytämien satelliittien määrään heikentäen paikannustarkkuutta. Paikantimen ilmoittama tarkkuus heittelikin melko paljon ja etenkin ratikan liikkuessa se oli nykytekniikalle melko korkea. Pieni virhe ei kuitenkaan haittaa, sillä kauppojen paikannustarkkuus ei muutenkaan ollut huippuluokkaa, koska otimme koordinaatit ratikan sisältä silloin kuin kauppa oli kohdallamme. Tulipahan taas opittua, mitkä kaikki asiat vaikuttavat aineiston keräämiseen. Ratikassa istuessa päässäni pyöri jos jonkilaisia ajatuksia, siitä mitä keräämällämme aineistolla voisi tutkia. Emme kuitenkaan käyttäneet aineistoja minkäänlaisiin tutkimuksiin, vaan vain toimme ne MapInfoon tarkasteltavaksi. Ehkä hyvä niin, koska ainakaan meidän aineiston keräys ei ollut aivan oikeaoppista.

Geokoodaus

Toinen harjoiteltava asia oli geokoodaus. “Geokoodauksella siis tarkoitetaan osoitteen muuttamista koordinaateiksi, ja siten osoite on aina oltava.” (Karttago 2012) Harjoittelimme geokoodausta sijoittamalla kartalle Helsingin rahapeliautomaatit. MapInfon ei osannut yhdistää kaikkien pelikoneiden sijaintia kartalle johtuen osoitteiden eri kirjoitusmuodoista, joten osa piti valita käsin, mutta ei siitä kovin suurta vaivaa aiheutunut.

Maanjäristykset

Kurssikerran itsenäisenä tehtävänä oli luoda kolme vapaavalintaista karttaa maanjäristyksistä opetustarkoitetukseen. Karttoja luodessa on tärkeää muistaa pohtia kohderyhmää, jolle karttaesityksen aikoo suunnata. Olen tehnyt sijaisuuksia niin ala- ja yläasteella kuin lukiossakin ja yritinkin käyttää niitä kokemuksia ja omia muistoja kouluajoilta hyväkseni karttoja luodessani. Tulin sellaiseen lopputulokseen, että maanjäristyksien esiintymistä kuvaavat kartat sopivat sekä yläasteelle että lukioon. Lukiossa aiheeseen päästään varmasti yläastetta syvällisemmin kiinni ja voidaan pohtia yhteyksiä muihin ilmiöihin.

Nina Miettinen toteaa hyvin kartanteosta blogissaan: “Kartan tekeminen oli sinänsä helppoa, kun meille oli annettu valmiiksi maailmankartta, johon piti vain yhdistää keräämämme tiedot. Mutta kuten aina, jos ottaa huomioon kaikki meille tähän asti opetetut asiat, on kartanteko vastuullista ja aikaa vievää.” Kaikki muut asiat sujuivat kädenkäänteessä, paitsi esitettävien aineistojen ja symbolien valinta. Mielenkiintoisia mahdollisuuksia esitettäväksi aineistoksi mieleeni juolahti vaikka kuinka paljon, mutta valitsin ohjeistuksen mukaan niistä kolme.

Ensimmäiseksi haluaisin näyttää opiskelijoille/oppilaille, missä maanjäristyksiä ylipäätään esiintyy. Maanjäristyksiähän tapahtuu lähes jokapuolella maapalloa, jopa meidän vankassa Suomessakin, mutta järistykset ovat hyvin pieniä ja merkityksettömiä. Koska en halua luoda karttaa, joka on täynnä pisteitä, mainitsisin asian kuuntelijoille ennen karttaesityksiäni. Karttaan valitsen vuoden 2011 aikana tapahtuneet yli 4 magnitudin järistykset eli lievät ja sitä suuremmat järistykset (Tietoa maanjäristyksistä 2012). Huomasin muiden blogeja lueskellessani, että useat muutkin olivat käyttäneet samaa lähdettäni. Ilmeisesti muut ovat käyttäneet samantyyppistä hakusanaa googleen ja valinneet tottakai Helsingin yliopiston sivuston, sillä jos emme siihen voi luottaa, niin mihin sitten.

Kuva1. Vuonna 2011 tapahtuneet yli 4 magnitudin maanjäristykset. Lähde: ANSS catalog search

Kuten kuvasta 1 voi huomata, pistesymbolit menevät kartassa hieman puuromaiseksi niiden hurjasta määrästä(15790) johtuen. Se ei kuitenkaan haittaa, sillä en pyri tässä kartassa esittämään järistyksiä tarkasti vaan antamaan lukijalle ainoastaan yleiskuvauksen siitä, missä lieviä ja sitä suurempia järistyksiä esiintyy. Me, jo hieman pidemmällä maantieteen syövereissä olevat opiskelijat, tiedämme, että maanjäristykset tapahtuvat pääosin litosfäärilaattojen saumakohdissa. Mutta välttämättä yläasteella ja valitettavasti myös lukiossa kaikki sitä eivät tiedä, joten tämän kartan tueksi sopii erinomaisesti kartta litosfäärilaatoista. Linkistä aukeava kartta on hyvin simppeli ja mikä erinomaisinta, siitä näkee myös laattojen liikesuunnat, joten vertailu maanjäristys karttaan on vieläkin antoisampaa. Ainut huonopuoli on, että linkin kartassa Amerikat ovat keskellä Euroopan ja Afrikan sijaan, mikä hieman hankaloittaa karttojen vertailua.

Laattatektoniikan lisäksi maanjäristysten yhteydessä on perinteisesti esitetty tulivuorenpurkauksia, sillä nekin esiintyvät pääasiassa laattojen saumakohdissa. Löysin internetistä mitä mainioimman sivun tulivuorista maanjäristyskarttani tueksi. Sivulla on aineistoa tulivuorista erittäin paljon mutta tärkeintä opetuksen kannalta on tieto niiden sijainnista. Jumituin sivuille tutkimaan mitä hienoimpia kuvia tulivuorista ja sattumalta löysin erinomaisen videon tulivuorista ja niiden vaikutuksista. Oppilaille/opiskelijoille olisikin tärkeä tuoda sijainnin lisäksi esiin niiden aiheuttamat tuhot, koska meillä suomalaisilla harvoin on omakohtaista kokemusta tällaisista katastrofeista.

Toisen kartan aiheeksi valitsin vuoden 2011 aikana tapahtuneet yli 6 magnitudin eli voimakkaat ja sitä suuremmat maanjäristykset (Tietoa maanjäristyksistä 2012). Haluan tuoda tällä esiin, että yhdenkin vuoden aikana tapahtuu paljon voimakkaita maanjäristyksiä. Minusta ainakin tuntuu siltä, että maanjäristyksistä uutisoidaan melko vähän Suomessa ja tähän kun vielä lisää sen, että vain harvat nuoret seuraavat aktiivisesti ulkomaiden uutisia, niin nuorten käsitys voimakkaiden järistysten yleisyydestä saattaa olla hyvinkin puutteellinen.

Kuva 2. Vuonna 2011 tapahtuneet yli 6 magnitudin maanjäristykset. Lähde: ANSS catalog search

Kuvan 2 järistysten määrä vähenee dramaattisesti kuvan 1 määrästä, sillä kuvan 2 kartassa on jäljellä vain yli 6 magnitudin järistykset. Magnitudi-asteikko on logaritminen eli kun järistyksen voimakkuus kasvaa neljästä viiteen, kymmenkertaistuu järistyksen aiheuttama maanliike (Tietoa maanjäristyksistä 2012). Järistyksien voimakkuus kasvaa siis huomattavasti kun siirrytään yli neljän magnitudin järistyksistä yli kuuden magnitudin järistyksiin. Mitä suuremmaksi järistyksien voimakkuus kasvaa, sitä vähemmän niitä luonnollisesti esiintyy. Siksi halusin karttaa luodessani vielä jakaa yli kuuden magnitudin järistykset kolmeen luokkaan. Kartta on mielestäni selkeä ja siitä voi hyvin lukea sen minkä halusinkin. Vaikeahan saamillamme työkaluilla on epäselvää karttaa tehdä.

Sen lisäksi, että kartta antaa käsityksen siitä, kuinka paljon vuoden aikana voimakkaita järistyksiä tapahtuu, voi kartalta havainnoida muutakin. Tässä tapauksessa on jälleen hyvä katsoa karttaa litosfäärilaatoista ja etenkin tutkia niiden liikkeitä. Oppilaat/opiskelijat voisivatkin tutkia millaisissa laattojen saumakohdissa voimakkaita järistyksiä kuvan 2 perusteella tapahtuu.

Tiesin, että haluan tuoda viimeisessä kartassa esiin kaikkein voimakkaimmat ja tuhoisimmat järistykset, mutta aikaskaala oli hyvin vaikea päättää. Ajattelin, että olisi mielenkiitoista tutkia esimerkiksi koko 1900-lukua, mutta sitten ajattelin kohderyhmääni ja totesin, että he ovat todennäköisesti kiinnostuneempia lähihistoriasta. Valitsin siis ajanjaksoksi viimeiset kymmenen vuotta eli 2002-2012. Luokittelin voimakkaat järistykset samalla tapaa kuin edellisessä kartassa, minkä lisäksi merkitsin yli 3000 ihmishenkeä vieneet järistykset omilla symboleillaan.

Kuva 3. Kymmenen viime vuoden aikana tapahtuneet voimakkaat järistykset sekä yli 3000 ihmistä tappaneet järistykset.

Kuvan 3 kartassa on paljon tavaraa, mutta yritin selkeyttää karttaani säätelemällä symbolien kokoja. Järistyksen voimakkuuden kasvaessa symbolin koko kasvaa ja väri muuttuu. Luonnollisesti eniten on 6-7 magnitudin järistysten symboleja, mutta kun säädin ne hieman muita pienemmiksi, kartasta tuli kevyempi lukea. Ihmishenkiä vieneiden järistysten symbolit ovat hyvin suuret ja sijaintitieto hieman kärsii, mutta halusin, että ne hyppäävät ensimmäisenä lukian silmään. Värien valinta ei perustu mihinkään logiikkaan, vaan valitsin värit niin, että ne näkyy. Järistyksille luonnollisia värejä olisivat maanläheiset värit kuten ruskea ja katastrofia ilmaiseva punainen. Nyt värit muistuttavat enemmänkin sateenkaarta, mutta tuskin se kenellekään luo väärää kuvaa aiheesta. Vaikka kartta toimiikin näillä valinnoilla, en ole sen ulkoasuun todellakaan tyytyväinen. Onneksi kartta ei menisi opetusta virallisempaan käyttöön. Aluksi valinnat tuntuivat hyvältä, koska kaikki erottui hyvin, mutta nyt jälkeenpäin katsottuna tekisin monta asiaa toisin. Valitettavasti tällä hetkellä minulla ei ole aikaa alkaa tekemään kaikkea uudestaan, joten kartta saa olla sellainen kuin on. Opimpahan taas lisää, sehän tässä tärkeintä on kun ei nämä mitkään kartanteon MM-kilpailut ole.

Mietin karttaa tehdessäni, että onko saman toistoa, jos otan tähänkin karttaan voimakkaiden järistysten jakautumisen, vielä jopa samalla luokittelulla kuin edellisessä kartassa. Edellinen kartta kuvasi kuitenkin vain yhtä vuotta ja tämä kymmentä, joten tästä saa laajemman käsityksen voimakkaiden järistysten esiintymisalueista. Ne myös antavat tukea kartan toiselle teemalle eli yli 3000 ihmistä tappaneille järistyksille. Valitsin nämä tuhoisat järistykset Helsingin Sanomien (2010) uutisen tuhoisimmista järistyksistä perusteella. Lisäsin toki mukaan Japanissa keväällä 2011 tapahtuneen järistyksen, sillä uutinen oli julkaistu sitä aiemmin. Mielenkiintoista havaita, kuinka pienille alueille tuhoisimmat järistykset kasautuvat. Koko Tyynenmeren ympärys ja Euroopasta Etelä-Kiinaan kulkeva myöhyke ovat, kuten kartalta voi huomata, voimakkaiden järistysten esiintymisalueita. Voisikin ensituntumalla olettaa, että tuhoisat järistykset jakautuisivat ympäri näitä alueita. Tuhojen suuruuteen kuitenkin vaikuttaa järistyksen voimakkuuden lisäksi muun muassa sen syvyys, väestöntiheys, rakennuskanta, vuorokauden aika ja niihin varautuminen. Oppilaat/opiskelijat voisikin jakaa kahdeksaan ryhmään niin, että jokainen ryhmä etsii tietoa yhdestä tuhoisasta järistyksestä. Tämän jälkeen tuloksia voisi verrata opettajan johdolla ja voitaisiin yhdessä havaita, mistä syistä juuri kyseinen järistys on ollut niin tuhoisa.

Loppusanat

Muiden blogeja selaillessa oli erittäin mielenkiintoista ja inspiroivaa huomata kuinka erilaisia karttoja kaikki ovat saaneet aikaan. Vastaan tuli mitä upeimpia esityksiä, mutta päällimmäisenä nousi esiin Lotta Kivalon kolmas kartta. Hän oli tehnyt samantyyppisen esityksen kuin minä, eli merkannut karttaan tuhoisimpia järistyksiä, minkä lisäksi hän oli luonut kyseisistä järistyksistä taulukon, josta löytyi tietoa juuri niistä asioista, joista halusin, että oppilaani etsisivät tietoa. Ei voi muuta kuin ihailla Lotan työtä. Varmasti se vei aikaa, mutta lopputulos on sen arvoinen.

Lähteet:

ANSS catalog search. 22.3.2012, <http://quake.geo.berkeley.edu/anss/catalog-search.html>

Global Volcanism Program 2012. Smithsonian institution. 2.3.2012, <http://www.volcano.si.edu/education/tpgallery.cfm?category=Lahars%20%28mudflows%29>

Helsingin Sanomat 13.1.2010. 2000-luvun pahimmat maanjäristykset ravisuttivat mannerlaattojen saumakohtia. 2.3.2012, <http://www.hs.fi/ulkomaat/artikkeli/2000-luvun+pahimmat+maanj%C3%A4ristykset+ravisuttivat+mannerlaattojen+saumakohtia/1135252106828>

Karttago (2012). Karttago Oy, Mitä on Geokoodaus. 27.2.2012, <http://www.karttago.fi/paikkatieto/geokoodaus>

Kivalo Lotta. 6.3.2012, <https://blogs.helsinki.fi/lokivalo/>

Tietoa maanjäristyksistä 2012. Helsingin yliopisto, Seisomologian laitos. 27.2.2012, <http://www.seismo.helsinki.fi/fi/maanjtietoa/perustietoa/magnitudi.html>

 

Kurssikerta 5. Bufferoi bufferoi bufferoi vaan… (jos osaat)

Edellisellä kurssikerralla suositeltiin, että tälle, viidennelle kurssikerralle tultaisiin täydessä terässä, sillä se tulisi olemaan haastavin kerta tähän mennessä. Ja sitä se todella olikin! Tuntui ettei omia aivoja saanut millään käyntiin ensimmäiseen kolmeen tuntiin. Lopulta asiat rupesivat sujumaan totuttuun tapaan ja tuntui jopa siltä, että osaan asioita.

Teemana tällä kurssikerralla oli bufferointi eli puskurointi. Kurssikerran kulku poikkesi edellisistä, sillä aluksi oli vain lyhyt opastus bufferointi-työkalun käyttöön ja lopputunti olikin itsenäistä aherrusta. Jokaisen tuli tehdä Itsenäistehtävät 1 ja 2, joiden lisäksi tuli valita vähintään yksi tehtävistä 3-5. Ensimmäinen tehtävä käsitteli Malmin ja Helsinki-Vantaan lentokenttien meluhaittoja sekä Vantaan juna-asemien läheisyydessä asuvia ihmisiä. Toinen tehtävä käsitteli taajamia ja niissä asuvia ihmisiä. Vapaavalinnaisista tehtävistä valitsin pääkaupunkiseudulle mahdollisesti tulevat putkiremontit. Erityisesti  ensimmäisessä tehtävässä bufferointi oli avainasemassa.

Bufferointi pähkinänkuoressa: Piirrä tai valitse yksi tai useampi objekti -> cosmetic layer aktiiviseksi -> objects>buffer -> syötä avautuvaan ikkunaan haluamasi arvot -> bufferi on syntynyt. Nyt on kuitenki luotu vasta pelkkä bufferi. Sen sisälle jäävää dataa voidaan valita Boundary select- työkalulla. Mikäli haluttu data ei tule valituksi, voi Layer Controlissa säätää vain halutun tason valittavaksi Selectable- toiminnolla. Valittua dataa voi tarkastella uudessa ikkunassa New Browser- komennolla.

Kuten jo mainitsin, aivoni eivät millään tahtoneet vaihtaa isommalle vaihteelle, liekö aamukankeutta vai unohdinko käyttää pipoa ulkona. Malmin lentokenttä tehtävä sujui vielä ongelmitta ja Helsinki-Vantaakin niin pitkälle kunnes aloin uudelleen pohtia kysymystä:Kuinka monta prosenttia 2km säteellä asuvista asuu pahimmalla melualueella? Tajusin, että eihän välttämättä kaikki 65dB alueella asuvat asu 2km säteellä kiitoradoista, joten tehtävä ei ollutkaan niin yksinkertainen, että katson vain kuinka monta asuu 65dB alueella ja jaan sen 2km säteellä asuvilla. Tehtävässä täytyi etsiä tulos, joka noudattaa samaan aikaan kahta ehtoa. Se olikin sitten ensimmäinen asia, jossa kului aikaa vaikka kuinka paljon. Periaatteessa tein kaiken oikein, mutta joku pieni juttu, harmi kyllä en enää muista mikä, oli pielessä, enkä meinannut millään löytää asiaan ratkaisua. Minulla tuppaa kulumaan aikaa ongelmien kanssa, koska haluan etsiä ensin itse ratkaisua ennen kuin kysyn neuvoa. Olen tottunut siihen, ja niin myös opin hyvin. Kenties se kuuluu myös suomalaisen miehen perusluonteeseen, en kuitenkaan myönnä sitä.

Seuraava pysähdys tuli Asemat tehtävässä laskiessani työikäisiä. Ohjeissa neuvottiin tallentamaan bufferi omaksi tietokannaksi, jonka onnistuin useaan kertaan tekemään, mutta en vain tajunnut sitä. Kyllä, juuri niin! Se kuulostaa erittäin tyhmältä, mutta en tajunnut, että tietokanta ei luonnollisesti ole juurikaan tavaraa. Lopulta jouduin siis nöyrtymään ja pyytämään apua opettajalta. Loppu tehtävästä sujuikin sitten hyvin.

Viimeinen tehtävä sujui jo oikein mallikkaasti, mutta yksi virhe sinnekin pääsi lipsahtamaan. Epähuomiossa tein koropleettikartan kerrostalorakennusten sijasta kerrostaloasunnoista. Eppu Lehtinen huomasi tämän kun teimme samaan aikaan tehtävää, hän kävi kysymässä opettajalta ja se ei haitannut, joten ei onneksi tarvinnut ryhtyä luomaan uusia sarakkeita tietokantaan karttaa varten.

Keräsin kaikkien tehtävien vastaukset taulukkoon, jonka linkki löytyy tästä: Vastaukset

Vertailin vastauksiani muiden julkaisemiin vastauksiin ja havaitsin, että vastauksien tarkkuus hieman vaihtelee. Se johtuu esimerkiksi siitä, että jokainen on piirtänyt objektit, kuten lentokenttien kiitoradat hieman erilailla. Myös bufferin kulmien määrä vaikuttaa saatuun tulokseen. Suurin ero tuli kysymyksessä 65dB melualuueella asuvien osuudesta Helsinki-Vantaan lentokentän lähialueella (2km). Ilmeisesti kyseiset henkilöt olivat tehneet samoin kuin minäkin tein aluksi, sillä vastaus poikkesi niin paljon loppuksi saamastani arvosta ja muistelen myös, että ensimmäiseksi saamani vastaus olisi ollut samaa luokkaa kuin heidän vastauksensa. Toki olen voinut jälleen itse tyriä asioita.

Valitsin vapaavalintaisista tehtävistä putkiremontit, sillä se vaikutti kaikista kiinnostavimmalta. Ehkä siksi, että olen paljon seurannut asuntojen hintoja ja sitä kuinka iso asia ostopäätöstä tehtäessä on, että vanhaan taloon olisi tehti putkiremontti.  Valitsemassani putkiremontti tehtävässä tuli vastauksien lisäksi luoda koropleettikartta. Kartan luominen olikin helpoin osio tehtävässä, sillä sitä olemme harjoitelleet jo useaan otteeseen. Huomasin kuitenkin aivan uuden pikku yksityiskohdan karttaa luodessa. Kartasta pystyi jättämään pois alueet, joiden arvo oli nolla. Eli kuvassa 1 valkoisena olevilla alueilla ei ole rakennettu yhtään kerrostaloa vuosina 1965-1970. Näin pystyin välttämään sen, että minun ei tarvinnut tehdä omaa luokkaa arvolle 0. Kartta näyttää mielestäni tässä tapauksessa paremmalta, että alueet, joilla ei ole kyseisinä vuosina rakennettuja kerrostaloja ovat ilman väritystä. En yleensä pidä valkoiseksi jättämisestä, mutta tässä tapauksessa se toimii, koska kartalla halutaan tuoda esiin ne alueet, joilla putkiremontit tulevat eteen lähitulevaisuudessa. Mietin kuitenkin, että antaako kartta lukijalle sellaisen kuvan, että valkoisilla alueilla ei ole kerrostaloja tai ylipäätään asutusta ollenkaan. Kurssitoverini olivat kuitenkin sitä mieltä, että tällaista väärinkäsitystä ei synny. Hieman kuitenkin arveluttaa luottaa heihin, sillä he ovat kokeempia kartanlukijoita kuin suurin osa tavallisista kansalaisita, joten he osaavat tulkita karttaa kriittisemmin. Jokatapauksessa kartalta kuitenkin erottuu hyvin alueet, joilla remonttifirmat pääsevät lähiaikoina mässäilemään. Suurin keskittymä näyttää kuvan 1 perusteella sijaitsevan itäisessä Helsingissä sekä indeksin että absoluuttisten arvojen perusteella.

Kuten jo aikaisemmassa vaiheessa totesin, loin kartan epähuomiossani asuntojen lukumäärästä rakennusten sijaan. Tällöin absoluuttiset määrät eivät suoraan kerro remontoitavien talojen määrää. Pylväät ovat kuitenkin melko hyvin vertailtavissa keskenään, sillä olettaisin, että eri alueiden kerrostalojen asuntojen määrä on kuitenkin melko samankaltainen, koska mitään erityisen suuria pilvenpiirtäjiä ei pääkaupunkiseudulla esiinny, varsinkaan kun puhutaan vuosien 1965-1970 välillä rakennetuista taloista. Itseäni hieman ärsyttää kuitenkin tämä moka, sillä rakennusten määrää olisi ollut mukavampi tarkastella kun käsitellään remontteja. Toisaalta asuntojen lukumäärästä on helpommin havaittavissa, kuinka montaa ihmistä remontti tulee koskettamaan.

 

Kuva1. Koropleettikartta putkiremontti-indeksistä (vuosina 1965-1970 rakennettujen kerrostaloasuntojen osuus kaikista kerrostaloasunnoista) pääkaupunkiseudulla. Lisäksi 1965-1970 rakennettujen kerrostaloasuntojen absoluuttiset määrä pylväinä.

 

Tässä vaiheessa kurssia alkaa jo olemaan melko hyvä käsitys MapInfon työkaluista, vaikkakin sen syövereistä varmasti löytyy vielä paljon uusia ja ihmeellisiä toimintoja. Tähän mennessä tärkeimmät työkalut mielestäni ovat ensinnäkin aineiston käsittelyyn ja muokkaamiseen liittyvät työkalut, kuten Select-valikon alka löytyvät kyselyt ja muokkaustyökalut Table Structure sekä Update Column. Tällä kerralla opitut bufferointi ja Boundary-Select työkalut ovat erinomaisia kun halutaan tietää esimerkiksi jonkin ilmiön esiintymistä tietyllä säteellä jostakin kohteesta. Opettaja mainitsi tunnilla, että Boundary-Select on MapInfon parhaita puolia. Itselläni ei ole kokemusta muista ohjelmista, mutta onneksi joillakin jo on. Heini Lankia toteaakin blogissaan seuraavasti: “ArcGis-ohjelmistossa ei näitä (kai?) ole, ja erityisesti boundary select-toiminnon puuttuessa tietyn alueen erottaminen tarkasteluun on tehtävä monimutkaisemmin.” Lankia puhuu “näistä” toiminnoista ja tarkoittaa Boundary-Selectin lisäksi MapInfon teemakartta-työkalua, joka on myös minun mielestäni erinomaisen helppo käyttää. Miinusta tulee kuitenkin visuaalisista ominaisuuksista, mutta kokonaisuutena se on oikein toimiva ja tietysti erityisen tärkeä, koska kartat ovat juuri se työkalu, joilla asia saadaan parhaiten lukijalle esitettyä. Mielestäni hallitsen eri toiminnot ainakin kohtuullisen hyvin, vaikka tällä kerralla ei oikein mikään onnistunutkaan. Sen ei pidä kuitenkaan vaikuttaa omaan itsetuntoon, ei se Mikael Granlundkaan aina onnistu. Parhaiten kuitenkin hallitsen teemakarttatyökalun ja puolestaan tietokantojen muokkaustyökalujen käyttöön tarvitsen vielä paljon toistoja, jotta ne tunkeutuvat lopullisesti pääni sisälle.

Bufferointia on esitelty jo aikanaan lukiokirjoissa, vaikka sitä ei silloin ehkä tiedostanutkaan. Paikkatietoa esiteltäessä kirjoissa mainittii usein, että paikkatiedolla voidaan tutkia mihin esimerkiksi ruokakauppa kannattaisi avata. Huomasin, että monet olivat ottaneet tämän esille blogissaan, ilmeisesti lukiokirjat ovat syöpyneet hyvin muidenkin mieliin. Yhtälailla bufferoinnilla voidaan selvittää otollisia paikkoja esimerkiksi uudelle kirjastolle tai lukiolle. Paikkatieto ja bufferointi ovat tärkeässä osassa kaupunkisuunnittelua, sillä se toimii erinomaisena työkaluna selvitettäessä esimerkiksi julkisen liikenteen kattavuutta ja tunnin harjoituksissa tutkittua meluhaittaa. Eira Linko tiivistää asian hyvin yhteen virkkeeseen: ” Puskuroinnilla voidaan siis esimerkiksi ottaa selvää monista asioista, joita tarvitaan palveluiden perustamisessa ja parantamisessa tai kaupunkisuunnittelussa.”

Ehkä olen katsonut liikaa elokuvia, mutta puskurointia voidaan käyttää esimerkiksi siihen, että tutkitaan, kuinka monta ihmistä jää esimerkiksi ydipommin säteilypilven alle. Tällöin toki analyysin tekeminen on hyvin monimutkaista, koska muun muassa sää olosuhteet vaikuttavat siihen minne pilvi leviää. Mutta kun saadaan selvitettyä pilven odotettu leviämisreitti, voidaan tutkia, kuinka monta ihmistä sen alle jää. Tämä oli ehkä hieman yliampuva esimerkki, mutta jokatapauksessa paikkatieto ja puskurointi ovat hyvä apuväline torjuessa katastrofien haittoja.

MapInfolla voidaan tutkia monenlaisia ilmiöitä ja tuloksia voidaan saada hyvinkin nopeasti. Mahdollisuus virheisiin on kuitenki suuri. En ollut osannut ajatella ennen kurssia, kuinka iso vastuu käyttäjällä on. Virheiden tekeminen on etenkin kokemattomalle käyttäjälle erittäin helppoa. MapInfo ei kuitenkaan ole niin viisas ohjelma, että se osaisi valikoida, mitä laskuja se suorittaa. Kunhan vain lasku on teknisesti oikein se nielee sen mukisematta. Sen vuoksi käyttäjän tulee olla tarkkana, että valitsee esimerkiksi juuri oikeat sarakkeet ja laskutoimitukset. Kokematonkin käyttäjä huomaa kyllä suuret virheet, mutta aina tuloksesta ei pysty loogisesti päättelemään sen paikkaansapitävyyttä. Tällöin tulos saattaa tuntua hyvältä, vaikka todellisuudessa se vääristäisi tutkittavaa asiaa hyvinkin paljon. Käyttäjän lisäksi ohjelman ja aineiston tulee olla ajantasalla, jotta analyysit ovat käyttökelpoisia. Tutkittavia ongelmia valittaessa täytyy tutustua aineistoon ja pohtia, millaiset analyysit ovat ylipäätään mahdollisia kyseisellä aineistolla. Ei siis kannata lähteä mopolla moottoritielle.

 

Lähteet:

Lankia Heini. 18.2.2012, <http://blogs.helsinki.fi/lankia/>

Linko Eira. 18.2.2012, <http://blogs.helsinki.fi/elinko/>

Blogitehtävä 4. viikolle: SWOT-analyysi

Toisessa tiedotusblogiin ilmestyneessä tehtävässä tuli tutustua New York Timesin luomaan paikkatietopalveluun (Mapping America) ja sen tarjoamiin tietoihin sekä tehdä siitä SWOT-analyysi. Tämän lisäksi tulisi myös verrata Yhdysvaltojen ja Suomen käytäntöjä liittyen paikkatietoon. Muistin, että SWOT-analyysissä tuli tarkastella vahvuuksia ja heikkouksia, mutta jouduin kuitenkin googlaamaan kaksi unohtamaani asiaa. Muistini ulkopuolelle jääneet tarkastelun kohteet olivat siis mahdollisuudet ja uhat (Opetushallitus 2012). Palvelussa kerrotaan, että tiedot perustuvat otoksiin vuodelta 2005-2009.

Vahvuudet

Palvelu tarjoaa tietoa rodusta ja etnisyydestä, tuloista, asutuksesta ja perheistä sekä koulutuksesta. Näiden pääluokkien alla on neljästä seitsemään eri aihetta tutkittavana. Aiheita on siis ilmaiselle palvelulle kiitettävä määrä, mikä onkin yksi kartan vahvuuksista. Toinen Mapping American vahvuuksista on sen helppokäyttöisyys. Aiheen valinta on yksinkertaista ja tämän jälkeen karttaa on helppo liikutella ja zoomailla. Tiedot aiheesta halutulla alueella näkee helposti viemällä hiiren nuolen halutun alueen päälle. Karttatiedot näyttää perustuvan Googlen karttapalveluun, mikä tekee siitä ainakin itselleni tutunnäköisen ja näin parantaa sen luettavuutta. Palvelu toimii hyvin kevyesti latausaikojen ollessa hyvin pieniä. Se tekee kartan liikuttelusta ja zoomailusta mukavaa. Omasta kokemuksesta tiedän, kuinka inhoittavaa on kun karttapalvelu toimii hyvin hitaasti, kuten esimerkiksi TVT2-kurssilla käytetty palvelu maaperäkartoista. Positiivinen ominaisuus palvelussa on myös hakukenttä, jossa voi hakea esimerkiksi osoitteella tiettyä kohdetta kartalta. Kun nämä toiminnot maustetaan nykyisin kenties internetissä useimmin esiintyvillä painikkeilla, eli twitterin ja facebookin linkeillä jakoa varten, voisi sanoa, että palvelun ehdoton vahvuus on sen helppokäyttöisyys.

Vahvuutena voi pitää myös aiheiden suhteellisen runsasta lukumäärää. Ainakin ilmaiseksi palveluksi niiden määrä on mielestäni varsin korkea, mikä on hyvä asia, ainakin kun ei ajattele mitä aiheita palvelu tarjoaa. Mielestäni suurin vahvuus on kuitenkin se, että palvelu on ilmainen. Näin jokainen, jolla on mahdollisuus päästä internetiin, voi käyttää paikkatietopalvelua. Paikkatiedon tuominen julkiseksi on mielestäni hyvä asia, kunhan mietitään tarkoin mitä kaikkea tietoa on sopiva tuoda julki. Ihmisten yksityisyyttä tulee vaalia ja täytyy myös pohtia onko jollakin tiedolla mahdollisesti yhteiskuntaan negatiivisesti vaikuttavia mahdollisuuksia. Palvelussa ihmisten yksityisyyttä vaalitaankin hyvin, kuten Aino Ropponen toteaa blogissaan “Myös yksityisyydensuoja säilyy, koska tiedot perustuvat näytteisiin eikä esimerkiksi talokohtaista tietoa ole näkyvillä koko maailmalle.”

Heikkoudet

Kuten Aino Ropponen mainitsi, palvelun tiedot perustuvat näytteisiin, joten tiedon tarkkuus ei ole huippuluokkaa. Palvelussa mainitaankin, että matalan väestönmäärän alueiden tiedot ovat vain arvioita. Ainokaisa Tarnanen tekee hyvä huomion blogissaan:  “Joillakin alueilla on myös vain tieto ”low population area”, eli väestöä on kyseisellä alueella hyvin vähän ja tietoja ei ilmeisesti ole kerätty.” Huono palvelussa on myös se, että tietoa ei näytä saavan ulos palvelusta. Jonkinlaisia karttoja voi kuitenkin julkaista Twitteriin ja Facebookiin, mutta kovin syvälle kartanlaadintaan ei palvelussa pääse menemään. Palvelun kartasta puuttuvat aikaisemmilla TVT-kursseilla painotetut kartan perusominaisuudet eli pohjoisnuoli ja mittakaava, erityisesti mittakaava olisi mukava apu karttaa lukiessa. Mainitessani aiheiden määrän vahvuudeksi herätin hieman pohdintaa aiheiden laadusta. Onko esimerkiksi samaasukupuoltaolevien parien määrä kovin sopivaa informaatiota? Ketä tällainen tieto hyödyttää? Rasisteja? Vaarana on että alueet leimaituvat tai jo leimansa saaneiden alueiden  leimautuminen vahvistuu tällaisilla esityksillä. Aiheiden laatu on mielestäni yksi palvelun pahimmista heikkouksista. Tämä  toki perustuu vain yhden yksilön mielipiteeseen, toisin kuin esimerkiksi mittakaavan puuttuminen, mikä kuuluu yleisiin kartografisiin perusteisiin.

Mahdollisuudet

Palvelu on helposti saatavilla ja sosiaalisen median kautta mahdollisuudet palvelun mainontaan ovat lähes rajattomat. On erittäin hienoa, että paikkatietoa tulee jokaisen kansalaisen ulottuville näin yksinkertaisessa muodossa. Ihmisten kiinnostus paikkatietoa kohtaan mitä todennäköisemmin kasvaa. Kun kysyntä kasvaa, on tarjonnankin kasvettava, mikä lisää muun muassa työpaikkoja alalle. Palvelu tarjoaa mahdollisuuden jokaiselle internetkäyttäjälle tutkia esimerkiksi omaa kotiseutua monen eri aiheen kannalta. Tämä jos mikä herättänee yhteiskunnallista keskustelua eri mittakaavoissa. Tärkeää on myös muistaa, että monella kansalaisella on varsin heikot kartografiset taidot, joten tällainen ilmainen paikkatietopalvelu tarjoaa mahtavan mahdollisuuden harjaannuttaa omia taitojaan. Yksittäiselle ihmiselle palvelu antaa mitä parhaimman mahdollisuuden tutkia eri asuinalueita esimerkiksi muuttopäätöstä tekiessä.

Uhat

Siinä missä palvelu on mahdollisuus yksilölle, se saattaa olla uhka yhteiskunnalle. Toki yhteiskunnalle hyvä asia on keskustelun herääminen ja paikkatiedon tuleminen tutuksi, mutta lieveilmiöiltä ei voitane välttyä. Palvelun aiheet tuloista, rodusta tai jo esille ottamastani seksuaalisesta suuntautumisesta näin helposti saatavilla ja alueellisesti melko tarkasti esitettynä ovat omimmillaan lisäämään alueellista segregaatiota. Valitettavan harva ihminen on oikeasti suvaitsevainen, joten tällaisen palvelun todella vakava uhka on lisätä ihmisten eriarvoisuutta. Uhkana on myös kokemattomien kartanlukijoiden väärät tulkinnat esimerkiksi vertaamalla eri aiheita keskenään. Paikkatiedon ilmaisuus ja helppo saatavuus ovat siis samaan aikaan sekä mahdollisuus että uhka.

Suomi vs USA

Kurssikerroilla suomalaisista käytännöistä ja kyseisen palvelun perusteella yhdysvaltalaisista käytännöistä saamieni tietojen perusteella eroina Suomen ja Yhdysvaltojen välillä on tiedon tarkkuus ja julkisuus. Suomessa tieto on hyvinkin tarkkaa, kuten kurssikerran aineisto väestöstä rakennuksittain, kun taas palvelun perusteelle Yhdysvalloissa tiedot perustuvat otoksiin ja arvioihin. Painotan, että tämä tieto on vain palvelun perusteella saatua. On hyvin mahdollista ja oikeastaan oletettavissa olevaa, että Yhdysvalloillakin olisi yhtä tarkkaa tietoa kuin Suomella. On toki ymmärrettävää, että tiedot saattavat perustua otoksiin, sillä massaa jota tutkia on Yhdysvalloissa “hieman” Suomea enemmän.

Toinen erottava tekijä on tiedon julkisuus. Yhdysvalloissa paikkatieto näyttää palvelun perusteella olevan kaikille avointa kun taas Suomessa se on maksullista. Suomessa onkin keskusteltu jääkö osa paikkatiedon kapasiteetista käyttämättä sen ollessa maksullista. Toisaalta jonkun se paikkatieto pitää luoda, eikä se ole mitään vapaaehtoistoimintaa, joten tällöin se tulisi rahoittaa yhteiskunnan varoin. Nykyisessä taloustilanteessa valtio tuskin haluaa uusia menoeriä. Olisi myös mielenkiintoista nähdä, kuinka moni ihminen olisi lopulta valmis siihen, että heidän maksamansa verorahoja käytetään paikkatiedon luomiseen.

Mapping American aineistolla kysymys yksityisyydestä ei ole ongelma, sillä aineisto ei ole tarpeeksi tarkkaa, mutta jos neljännellä kurssikerralla käyttämämme aineisto julkaistaisiin, tulisi koko kansan tietoon tarkkoja yksityisiä tietoja, etenkin omakotitaloissa asuvista ihmisistä. Uskon, että Suomessa ei haluta asettaa ilmaiseksi tietoja esimerkiksi rodusta tai seksuaalisesta suuntautumisesta, jotta vältyttäisiin alueelliselta eriytymiseltä. Suomalaiset eivät tunnetusti ole mitään maailman suvaitsevaisimpia ihmisiä, mutta kenties menneet presidentin vaalit ovat edes pieni valonpilkahdus tunnelin päässä.

Paikkatiedon ilmaisuus ja helppo saatavuus ovat erittäin hyvä asia tiettyyn rajaan asti. Minulla ei ole tarkkaa vastausta siihen, missä se raja kulkee, mutta sitä tulee todella tarkkaan miettiä. Tietysti mitään yksityisyyttä loukkaavia tietoja ei pidä julkaista. Julkaistavia aiheita tulisi muutenkin miettiä tarkkaan, jotta vältyttäisiin yhteiskuntaan negatiivisesti vaikuttavilta asioilta. Paikkatiedolla voidaan saada aikaiseksi paljon hyvää mutta myös pahaa, joten sen kanssa tulee olla tarkkana.

Lähteet:

Ropponen Aino. 13.2.2012, <http://blogs.helsinki.fi/ainoropp/>

Tarnanen Ainokaisa. 13.2.2012, <http://blogs.helsinki.fi/atarnane/>

The New York Times, Mapping America-palvelu. 13.2.2012, <http://projects.nytimes.com/census/2010/explorer>

Kurssikerta 4. Ruututeemakartta

Neljännellä kurssikerralla teemana oli ruututeemakartta ja rasterikartan kiinnittäminen MapInfossa koordinaatistoon. Ensimmäinen puolikas harjoiteltiin ruututeemakarttaa. Jälleen toimimme saman, hyväksi havaitun, kaavan mukaan eli ensiksi kädestäpitäen opetus ruututeemakartan teosta ja sen jälkeen itsenäinen suoritus. Työ alkoi ruudukon luomisella, jossa tärkein valittava tekijä on ruudukon koko, esimerkkikartassa käytimme 500m*500m ruudukkoa. Ruudukosta tuli siis uusi tietokanta, johon tuli seuraavaksi lisätä haluttu kartalla esitettävä tieto, asukkaat, lisäämällä uusi sarake ja päivittämällä se tututtuun tapaan. Viimeisenä oli jäljellä enää jo hyvin tuttu teemakartan teko. Mutta sitä ennen suositeltavaa oli poistaa sellaiset ruudukon solut, joissa ei asu yhtään ihmistä. Karttaa tuli vielä hienosäätää muun muassa poistamalla ruutujen ääriviivat.

Yhteisen harjoituksen jälkeen vuorossa oli siis oman kartan laatiminen. Opettaja suositteli kokeilemaan erilaisia kokoja ruudukkoon. Kokeilin 1000m*1000m ja 250m*250m ruudukoita, mutta mielestäni 500m*500m on parempi vaihtoehto, sillä isompi ruudukko hävitti liikaa informaatiota alleen, eikä erot tulleet niin hyvin esiin. Pienempi puolestaan antaa ehkä liiankin tarkkaa informaatiota ja se näytti teemakartassa huonolta. Erikokoisien ruudukkojen tekeminen oli kuitenkin hyvä asia, sillä ymmärsin kuinka paljon pelkästään niin pieneltä tuntuva asia voi karttaan vaikuttaa ja nyt viimeistään sain painettua päähäni kurssikerralla opetetut toiminnot.

Pohdin aiheita jonkin aikaa ja mietin kaikenlaisia ikään liittyviä mahdollisuuksia mutta päädyin kuitenkin helppoon valintaan eli ulkomaalaisiin. Se vain on mielestäni niin mielenkiintoinen aihe pääkaupunkiseudulla, että halusin tehdä aiheesta oman kartan. Aiheen valinnan jälkeen tarkastelin sen jakaumaa internetin histogrammityökalussa. Edellisien kertojen opit olivat menneet perille, sillä aineiston valitseminen SQL-Selectillä ja kopioiminen onnistui vaivatta. Kuten kuva 1 osoittaa, aineisto on vinosti jakautunut, joten valitsin luokittelutavaksi kvantiilit. MapInfon tarjoaman viiden luokan sijaan halusin vain neljä, koska olen havainnut sen edellisissä kartoissa viittä luokkaa paremmaksi vaihtoehdoksi kartan luettavuuden takia.

 

Kuva.1 Histogrammi ulkomaalaisista 500m*500m ruudukolla pääkaupunkiseudulla. Lähde: Histogrammityökalu

 

Luokittelun ylimmän luokan luokkaväli on kaikista suurin ja kuten kuvasta 2 nähdään, se sisältää eniten havaintoja. Ylin luokka hallitseekin hyvin voimakkaasti karttaa jättäen muut luokat varjoonsa. Se ei kuitenkaan hirveästi haittaa tässä tapauksessa, sillä kiinnostavinta on juuri se, missä on eniten ulkomaalaisia. Värimaailman otin MapInfon valmiista malleista. Olen tyytyväinen väreihin, sillä luokat erottuvat riittävän hyvin toisistaan, vaikka ruudukko meinaa tehdä kartasta sillisalaattia. Jouduin hieman tummentamaan alimman luokan keltaista väriä, jotta se erottuisi taustasta. Katsoin edellisillä kurssikerroilla tekemiäni karttoja ja huomasin, että niiden reunaviivat, legenda ja mittakaava eivät tahdo erottua blogiin aukeavassa ikkunassa. Nyt yritin säätää ne paremmiksi, jotta ne näkyisivät myös blogissa. Tähän jos mihin kului aikaa, sillä aina huomasin, että vielä tuokin asia täytyy korjata. Pieni tuskan hiki alkoi nousta otsalle, sillä minun piti jatkaa blogin kirjoittamista, mutta aikaa vain kului ja kului kartan säätämiseen. Tulos on lopulta hyvä, joten aika ei mennyt hukkaan. Täytynee tehdä samat säädöt myös edellisten kurssikertojen kartoille kunhan aikatauluni sen sallii.

Kuva 2. Ulkomaalaiset pääkaupunkiseudulla 500m*500m ruudukolla

Kuvasta 2 nähdään, että ulkomaalaisia esiintyy eniten Helsingissä ja muutamissa keskittymissä Espoossa sekä Vantaalla. Sijaintitietoa kaipaisi kartalle enemmän, jotta olisi helpompi hahmoittaa missä ulkomaalaisia esiintyy. Olen samaa mieltä Jesse Hietasen kanssa siitä, että kartta kaipaisi jonkinlaista nimistöä. Kartalla oli aluksi vain kuntarajat ja vesistöt antamassa sijaintitietoa, mutta huomasin kurssikerran aineistossa tiestö-tietokannan, joten kokeilin sopisivatko tiet karttaan. Kun vaihdoin mustan värin harmaaseen, tiet eivät hallitse liikaa eivätkä sekoitu kuntarajoihin. Ne tuovat karttaan mukavasti lisäarvoa juuri sijaintitietoon. Toki lukijalla täytyy olla pohjatietoa pääkaupunkiseudusta, jotta tiet ylipäänsä auttavat mitään. Tietenkään ei tarvitse tietää kaikkia teitä, mutta esimerkiksi tieto kehäteiden sijainnista auttaa jo paljon lukijaa.

Kartassa on käytetty, kuten legendasta nähdään, absoluuttisia arvoja. Ruudukko mahdollistaa niiden käytön, sillä ruudut ovat yhtä suuria, joten ne ovat keskenään vertailtavissa. Suhteelliset arvot olisivat kuitenkin mielestäni paremmat, sillä ruutujen asukasluvut eivät todellakaan ole samansuuruisia vaan niissä esiintyy hurjia eroja. Kun väestömäärä on suuri, on todennäköistä, että ulkomaalaisia on myös absoluuttisesti melko paljon, vaikka suhteellisesti ne olisivatkin pienessä osassa. Ulkomaalaisten jakautumisesta kuvan 2 kartalla osa selittyy siis väestön jakautumisella, eikä se ole millään tavalla hyvä asia. Todelliset ulkomaalaisten keskittymät eli alueet, joissa ulkomaalaiset ovat merkittävässä osassa väestöä, eivät erotu kartasta, sillä ne saattavat hukkua suurten asukasmäärien ruutujen massaan. Jos suurimman luokan alaraja ei olisi niin pieni kuin 35 ulkomaalaista, saattaisi suuren suhteellisen arvon alueet jäädä pimentoon, mikäli niiden absoluuttinen asukasmäärä on vähäinen. Absoluuttisilla arvoilla on myös etu verrattuna suhteellisiin arvoihin, sillä suhteellisilla arvoilla saattaa näyttää, että jossain on hyvin paljon ulkomaalaisia, vaikka todellisuudessa esiintymä saattaa olla absoluuttisesti hyvinkin pieni.

Kartta ei siis kerro edellämainituista syistä kovin hyvin ulkomaalaisten jakautumisesta, mutta toki ne alueet joilla ulkomaalaisia on paljon sekä suhteellisesti että absoluuttisesti ovat kartan ylimmässä luokassa. Valitettavasti suuren asukasmäärän ruudut ja tätä kautta suuren ulkomaalaisten määrän saavan ruudut nousevat kuvan 2 kartassa ulkomaalaispainotteisten alueiden rinnalle hämärtäen todellisia ulkomaalaiskeskittymiä.

Olin kuuntelemassa Katja Vilkaman väitöstilaisuutta pääkaupunkiseudun sosiaalisesta eriytymisestä ja opin siellä kuuntelemalla sekä hänen väitöskirjaa lukemalla, että ulkomaalaiskeskittymät johtuvat ulkomaalaisten tekemien valintojen lisäksi paikallisväestön valinnoista. Tämä tapahtuu niin, että paikallisväestö muuttaa pois alueilta, jonne ulkomaalaisia alkaa keskittyä, mutta myös niin, että paikallisväestö ei muuta ulkomaalaiskeskittymiin. Se synnyttää kierteen, joka ruokkii ulkomaalaisten keskittymistä omille alueilleen, mikä on pääkaupunkiseudulla huolestuttava trendi, vaikka viranomaiset pyrkivät ehkäisemään tätä tarjoamalla maahanmuuttajille asuntoja eripuolilta pääkaupunkiseutua.

Kartta on mielestäni visuaalisesti hyvä, mutta sisältö ei enää pääsekään samalle tasolle. Se herätti kuitenkin paljon ajatuksia liittyen absoluuttisten ja suhteellisten arvojen valintaan sekä ruudukon kokoon. Olen mielissäni siitä, että pääsin pohtimaan näitä asioita, koska kurssin tavoite on nimenomaan oppia ymmärtämään karttojen laadintaan liittyviä asioita, joten ei ole mielestäni niin harmillista, vaikka aiheeseen ei pääsisi kartan heikkoudesta johtuen niin hyvin kiinni.

Lähteet:

Hietanen Jesse. 11.2.2012, <https://blogs.helsinki.fi/johietan/>

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

Vilkama, K (2011). Yhteinen kaupunki, eriytyvät kaupunginosat. Tutkimuksia 2011:2. 282 s. Helsingin kaupungin tietokeskus 2011.

Kurssikerta 3. Muokkausta tietokantoihin ja vedellä leikkimistä

Kolmannella kurssikerralla sukelsimme MapInfossa syvemmälle tietokantoihin. Kävimme yhdessä läpi, kuinka tietoja yhdistetään eri tietokannoista, kuinka olemassa olevien tietojen avulla lasketaan uutta tietoa ja kuinka muista ohjelmista (tässä tapauksessa Excel) tuodaan tietoa tietokantoihin. Opittavaa näytti olevan paljon, mutta toiminnot tuntuivat kuitenkin melko loogisilta, joten en missään vaiheessa epäillyt ettenkö selviäisi toiminnoista yksinkin. Opetustuokion ja ansaitun kahvitauon jälkeen jokaisen tulikin harjoitella itsenäisesti kyseisiä toimintoja luoden kahden muuttujan teemakartan tulvaindeksistä ja järvisyysprosentista Suomessa valuma-alueittain.

Ensin tiedot järvisyydestä, keskiyli- (MHQ) ja keskialivirtaamasta (MNQ) kasattiin yhteen tietokantaan, jossa virtaamista laskettiin vielä tulvaindeksi jakamalla keskiylivirtaama keskialivirtaamalla (MHQ/MNQ). Kuten Arttu Paarlahti informoi tiedotusblogissa: “Tällöin saadaan luku, joka kuvastaa virtaaman vaihtelua ja ottaa mukaan sekä kuivimmat kaudet että tulvaisimmat ajat”. Aineiston kasaamisen jälkeen jäljellä oli vain kartan teko, joka alkoi perinteisesti histogrammin tutkimisella. Kuten Amica Dristig toteaa blogissaan, pohdimme luokittelua pitkään, sillä aineisto noudatti vinoa jakaumaa, jolloin MapInfon luokittelutavoista kvantiilit sopisivat siihen hyvin. Ongelma tuli kuitenkin siinä, että aineistossa oli kaksi selvästi muusta joukosta erottuvaa arvoa, joita emme todellakaan halunneet hukuttaa massaan. En ole laskenut aineiston keskiarvoa, mutta suurin arvo näyttäisi olevan noin kymmenen kertaa sitä suurempi, joten mielestäni oli perusteltua luoda sille ja toiselle joukosta erottuvalle havainnolle oma luokka. Käytimme siis Amican kanssa luonnollisia luokkavälejä, jonka kahta suurinta luokkaa muokkasimme käsin. Luokkien määräksi valitsin neljän, koska silloin aineistosta saadaan eroja irti ja kartta pysyy luettavana. Luokittelussa alimpaan luokkaan tuli huomattavasti enemmän arvoja kuin muihin luokkiin, mutta se on mielestäni välttämätöntä, sillä kuten kuvan 1 histogrammista nähdään, kyseisessä jakauman kohdassa havaintoja on erittäin paljon.

 

Kuva 1. Histogrammi tulvaindeksistä Suomessa valuma-alueittain. Lähde: TVT3 harjoitus3-ohjeet.

Luokittelun jälkeen vuorossa oli jälleen tuttu kamppailu värien kanssa. Aiheena oli tulvat, joten sininen tuntui luonnolliselta valinnalta. Löysinkin nopeasti MapInfon tarjonnasta sopivat sinisen sävyt koropleettikarttaan. Järvisyysprosentin lisäsin pylväsdiagrammein karttaan. Pylväiden värien ja koon valinnassa olikin enemmän haastetta. Halusin pitää koropleettikartan sinisen värin, koska jälleen oli aiheena vesi. Pienen etsinnän jälkeen löysin sävyn, joka erottuu mielestäni riittävän hyvin koropleettikartan väreistä. Pylväiden kokoa joutui ensin kaventamaan niin kapeaksi kuin mahdollista ja sen jälkeen kasvatin vielä niiden korkeutta, jotta pienimmätkin pylväät tulisivat esiin. En silti saanut kaikkia pylväitä esiin ja toisaalta esimerkiksi Kymijoen ja Vuoksen valuma-alueiden pylväät ovat hyvin suuria. Aineisto olikin hyvin hankala esittää pylväsdiagrammein. Vaikka koot eivät ole optimaalisimmat, pylväitä pystyy silti vertailemaan keskenään.

 

Kuva 2. Tulvaindeksi ja järvisyys Suomessa valuma-alueittain

 

Kuten kuvasta 2 nähdään, tulvaindeksin kolmen ylimmän luokan valuma-alueet sijoittuvat Länsi- ja Etelä-Suomen rannikoille koko muun maan kuuluessa alimman indeksin luokkaan. Indeksi kuvaa siis vähäisimmän ja korkeimman virtaaman eroa, joten se ei varsinaisesti kuvaa tulvariskiä, mutta antaa käsityksen siitä, missä tulvat ovat voimakkaimpia. Tulvaindeksi siis painottuu voimakkaasti rannikoille, kun taas järvisyys näyttää olevan voimakkainta Keski-Suomessa. Tämähän on tullut selväksi jo varmaankin ala-asteella, joten se ei sinällään ole kovin mullistavaa informaatiota. Järvisyydestä saadaankin enemmän irti vertailemalla sitä tulvaindeksiin. Ilmiöillä näyttääkin olevan negatiivininen korrelaatio, eli kun järvisyys kasvaa tulvaindeksi pienenee ja päin vastoin. Tämä on helppo tuomita todeksi, sillä järvet toimivat vesivarastoina tasoittaen tulvahuippuja huomattavasti.

Järvisyys ei kuitenkaan ole ainut syy joka vaikuttaa tulvaindeksiin. Järvien lailla metsät ja etenkin suot vähentävät tulvimista. Lapissa tulvaindeksi on pieni joka johtuu muun muassa juuri soiden suuresta lukumäärästä sekä Lapin vähäisestä sademäärästä (Ilmasto-opas). Suot ja metsät siis sitovat vettä hyvin, kun taas rakennettu ympäristö ja pellot ovat huonoja tässä tehtävässä, kuten Amica Dristig toteaa: ” Peltoja on paljon jokien äärellä mistä tulee paljon enemmän pintavettä verrattuna metsiin.” Tämä on merkittävä syy Pohjanmaalla ja Varsinais-Suomessa. Etelä-rannikolla rakennettu ympäristö vaikuttaa tulviin, koska vedet eivät juuri pääse imeytymään maahan vaan valuvat suoraan uomiin aiheuttaen rankkojen sateiden ja keväisten sulamisvesien johdosta tulvia. Tästä hyvänä esimerkkinä on viime jouluna Espoossa tulvinut Espoonjoki. Yksi tulviin vaikuttavista ihmisen aikaansaannoksista, jonka Minttu Haapanen muistaa blogissaan mainita, ovat tulvia vähentävät padot.

Valuma-alueen koko ja muoto vaikuttavat tulvien voimakkuuteen. Pienillä alueilla valunta kertyy nopeasti pääuomaan, jolloin virtausnopeus ja suhteellinen kuljetuskyky ovat suuria. Valuma-alueen muoto vaikuttaa virtaamahuipun ajoittumiseen ja suuruuteen. Pyöreällä valuma-alueella pintavalunta kerääntyy nopeasti uomiin, jolloin seurauksena on jyrkkä ja lyhytaikainen eroosiohuippu. Saman sademäärän vaikutuksesta pitkällä ja kapealla valuma-alueella eroosiohuippu on pienempi, mutta pitkäkestoisempi (Gregory & Walling 1973). Tiivistettynä siis mitä pienempi ja pyöreämpi valuma-alue on sitä nopeammin vesi kertyy pääuomaan. Tällöin tulvahuiput ovat lyhytkestoisia mutta korkeita. Kuten kuvasta 2 nähdään, suuren tulvaindeksin alueet ovat pieniä, mutta eivät kuitenkaan kovin pyöreitä. Valuma-alueen koko näyttääkin olevan Suomessa muotoa ratkaisevammassa asemassa.

Rannikoilla, erityisesti Pohjanmaalla maasto on hyvin tasaista, joten vedet eivät valu kovinkaan nopeasti pois. Tästä syystä tulvat ovat pitkäkestoisia, mutta toisaalta vesi ei myöskään valu kovin nopeasti uomiin, joten äkillisiltä tulvahuipuilta vältytään. Eira Linko toteaa blogissaan: “Mitä tasaisempaa maasto jokien ympäristössä on, sitä suuremmalle alueelle jokien tavallisen virtausuoman ulkopuolelle tulvavedet pääsevät leviämään.” Kaiken kaikkiaan maaston tasaisuus vaikuttaa tulviin hidastamalla veden virtausta, jolloin tulvat eivät synny äkillisesti mutta eivät myöskään poistu nopeasti.

Pohdintaa Afrikasta

Toisena tehtävänä kolmannella kurssikerralla oli pohtia omaa mielikuvitusta käyttäen millaisia tutkimuksia Afrikan tietokannan tiedoilla voisi tehdä. Yritänkin pohtia vain mielenkiintoisia tutkimusaiheita miettimättä liikaa lopputulosta. Käytettävissä on siis tietoa Afrikan timanttikaivoksista, öljykentistä, konflikteista ja internetkäyttäjistä. Öljy ja timantit ovat merkittäviä tulonlähteitä, joten olisi mielenkiintoista tutkia vaikuttavatko ne internetkäyttäjien määrään, sillä se kertoo yleensä jotain valtion tulotasosta. Rikkaudet jakautuu kuitenkin yleensä vain hyvin marginaaliselle osalle väestöä, mutta toisaalta kaivokset ja öljykentät lisäävät työpaikkoja. Siksi tutkimus voisikin olla hyvin mielenkiintoinen. Internetkäyttäjistä on dataa vuosittain, joten tällöin voitaisiin tutkia, onko timanttien kaivamisen tai öljynporauksen aloittamisella välitöntä yhteyttä internetkäyttäjiin, vai tuleeko vaikutus kenties viiveellä tai ei ollenkaan. Tutkimusta voisi jatkaa vielä tutkimalla kaivosten ja öljykenttien tuottavuusluokittelun yhteyttä internetkäyttäjien määrään.

Öljykenttien ja timanttikaivosten yhteyttä konflikteihin olisi myös mielenkiintoista tutkia. Esimerkiksi voitaisiin verrata kenttien ja kaivosten löytämis- ja avaamisvuosia konfliktien tapahtumavuosiin. Luonnonvarat aiheuttavat etnisten ryhmien välistä ristiriitaa mutta kuten Ainokaisa Tarnanen mainitsee blogissaan: “Öljystä ja timanteista ollaan kiinnostuneita kansainvälisellä tasolla, joten myös ulkomaiset yritykset saattavat ”sotkeutua” noita luonnonvaroja koskeviin asioihin.” Arttu Paarlahden tiedotusblogin kartta herätti mielenkiinnon konfliktien laajuudesta. Timanttikaivosten ja öljykenttien määrällä voisi olla yhteyttä konfliktien laajuuteen, joten tutkimus tästäkin aiheesta olisi varmasti antoisaa.

Konfliktien ja luonnovarojen yhteyden lisäksi olisi mielenkiintoista tutkia internetinkäyttäjien määrän ja konfliktien välistä yhteyttä. Internetinkäyttäjien määrää pidetään yleisesti melko hyvävä elintasomittarina, joten oletettavaa olisi, että konflikteja esiintyisi vähemmän suuremman internekäyttäjien määrän valtioissa. Mutta toisaalta internet on myös oiva väline propagandaan ja kiihkomielisyyden levittämiseen, joten konfliktien määrä saattaa kasvaa kun internetkäyttäjiä on paljon. Esimerkiksi terroristien olisi huomattavasti paljon vaikeampi toimia ilman internetiä. Tätä olisi erittäin mielenkiintoista tutkia, vaikkakin kovin syvällisiin analyyseihin ei aiheiden yhteyden tutkimisella päästäkään.

Konflikteihin liittyvä tutkiminen on jännittävää mutta aineston perusteella voisi tutkia myös “tylsempiä” aiheita. Timanttien kaivamisen ja öljynporaamisen aloitusvuotta voitaisiin verrata niiden tuottavuuteen. Mitä tuoreempia kaivokset tai kentät ovat todennäköisesti sitä kehittyneempää kaivamis- tai poraamisteknologia on. Toisaalta uudet kaivokset ja kentät voivat olla heikompia esiintymiä kuin vanhat, koska nykytekniilla ja varojen ehtymisen johdosta voidaan ottaa käyttöön huonompiakin esiintymiä.

 

Lähteet:

Dristig Amica. 6.2.2012, <http://blogs.helsinki.fi/dristig/>

Gregory & Walling 1973. Eroosioon vaikuttavie tekijöitä. Valtion ympäristöhallinto, 6.2.2012. <http://www.ymparisto.fi/default.asp?contentid=53579#a4>

Haapanen Minttu. 6.2.2012, <http://blogs.helsinki.fi/minhaapa/>

Ilmasto-opas. Ilmatieteenlaitos, 6.2.2012. < http://ilmasto-opas.fi/fi/ilmastonmuutos/suomen-muuttuva-ilmasto/-/artikkeli/1c8d317b-5e65-4146-acda-f7171a0304e1/nykyinen-ilmasto-30-vuoden-keskiarvot.html>

Linko Eira. 6.2.2012, <http://blogs.helsinki.fi/elinko/>

Paarlahti Arttu. 7.2.2012, <http://blogs.helsinki.fi/tvt3-2011/files/2011/01/Afrikka.png>

Tarnanen Ainokaisa. 7.2.2012, <http://blogs.helsinki.fi/atarnane/>

 

 

Artikkeli 1. Montako muuttujaa teemakarttaan?

Anna Leonowiczin artikkeli pohtii sekä yhden että kahden teeman koropleettikarttojen ominaisuuksia. Yhden muuttujan kartta on monille se tutumpi versio koropleettikartoista. Kartalla voidaan esittää erittäin havainnollisesti jonkin muuttujan alueellista jakautumista. Kuten Amanda Cardwell toteaa blogissaan: ” Päällekkäiset teemakartat ovat hyvä vaihtoehto silloin, kun halutaan esimerkiksi esittää kahden aiheen välistä yhteyttä.” Leonowicz ottaa artikkelissa kuitenkin useaan otteeseen esille kahden muuttujan teemakartan lukemisen vaikeuden. Hän esittää pohdintansa tueksi Varsovan ja Vilnan yliopistojen maantieteenopiskelijoilla tehdyn kokeen tuloksia. Tulokset vastaavat hyvin artikkelin pohdintaan siitä, että yhden muuttujan kartta on hyvä tietyn aiheen alueellisen jakautumisen esittämiseen ja kahden muuttujan kartta puolestaan aiheiden suhteiden esittämiseen. Kahden muuttujan kartta on huomattavasti yhden muuttujan karttaa vaikeammin luettavissa ja sen laatimiseen tulee kiinnittää erityistä huomiota.

Luin artikkelin vasta tehtyäni toisen kurssikerran kartan ja pohdinnan. Ensimmäinen reaktioni artikkelia lukiessani olikin “VOI EI”. Tämä johtuu siitä, että artikkelissa suhtauduttiin varautuneesti jo kahden muuttujan karttojen luettavuuteen, ja itsehän tein kolmen muuttujan kartan. Toki totesin jo pohdinnassani, että se ei välttämättä ollut muuten kuin oppimiseni kannalta hyvä valinta, mutta sehän tässä lienee kuitenkin tärkeintä. On huomioitava kuitenkin, että yksi karttani teemoista on diagrammeina, joten luettavuus ei kärsi lähellekään niin paljoin kuin kolmen erilaisen väri tai rasteripinnan päällekkäisessä esityksessä. Luokkia karttani teemoissa on vain kolme, joka esitettiin maksimimääräksi artikkelissa, joten voin kai ottaa” voi ei” -kommentistani pois caps lockin ja huutomerkin.

Kahden muuttujan teemakartta, mikäli se on tehty “oikein”, helpottaa valtavasti kahden teeman keskinäistä vertailua. Teemojen suhde on nopeammin ja vaivattomammin luettavissa yhdestä kartasta kuin silmäilemällä vuorotellen kahta yhden teeman karttaa. Tämä pätee kuitenkin vain silloin kun kahden muuttujan kartta on luotu “oikein”. Niin, mikä sitten on oikein? Koropleetti karttojen luomiseen ei ole voitu tehdä kaiken kattavia yhteisiä sääntöjä, sillä jokaisen kartan luontii vaikuttaa suuresti käsiteltävä aineisto. Edellisillä TVT-kursseilla onkin jo pohdittu kartan luomisprosessin eri haasteita, kuten aineiston luokittelua ja mahdollisimman oikein aineistoa kuvaavaa esitystapaa. Kartanluominen onkin eräänlasita tasapainoilua kartan visuaalisuuden ja informaatiomäärän välillä. Voisikin sanoa, että kahden muuttujan teemakartassa, kiikkulauta on entistä kiikkerämpi, joten tasapainoiluun tulee kiinnittää erityistä huomiota ja se enää onnistukkaan keltä tahansa, vaan siihen vaaditaan jo enemmän kartografista osaamista.

Artikkelissa oli esitetty mielenkiintoisia vaihtoehtoja kahden muuttujan kartan legendaksi. Ne olivat minulle käytännössä täysin uusia, ainakaan en ollut tullut edes ajatelleeksi sellaisia tapoja. Artikkelissa teemat oli esitetty kahdella eri värillä, joten olisikin ollut mielenkiintoista nähdä kuinka tällaiset kahden teeman yhteiset legendat toimivat. Luulen, että rasterin ja värin yhdistäminen on kahden värin yhdistämistä parempi vaihtoehto. Väreissä menee helposti sekaisin ja ainakin itse artikkelin kuvan 3 karttaa tutkiessani jouduin koko ajan vilkuilemaan legendaan, että mitä tämä väri nyt tarkoittikaan. Mielestäni selkeää olisi, että kun väri tummenee toinen muuttuja kasvaa ja kun rasteri esimerkiksi tihenee niin toinen muuttuja kasvaa. Tällöin ei tarvitse pohtia värien perusteella, että mitkä kaksi luokkaa tässä ovatkaan nyt päällekkäin eli minkä kahden värin sekoittamisesta tulee tällainen lopputulos. Kuvan kolme legendassa on siis lopulta yhdeksän eri väriä, kun värin ja rasterin yhdistetämisessä selvitään kolmella värillä ja kolmella eri rasterilla. Toki yhdistelmien määrä kasvaa myös yhdeksään, mutta on helppo nähdä että kyseessä on esimerkiksi värillisen muuttujan keskimmäinen luokka ja rasterin pienin luokka ilman. Tämä on tietysti vain minun mielipiteeni, ja me kaikki olemme kuitenkin erilaisia kartanlukijoita, joten varmastikaan yhtä oikeaa tapaa ei ole. Siinä piileekin juuri kartanlaatimisen haastavuus, mutta toisaalta myös kiehtovuus.

Lotta Kivalo toteaa blogissaa: “MapInfo rajoittaa jonkin verran taiteellista vapautta. Monilta osin ohjelman puutteita pystyy korjaamaan CorelDrawn avulla mutta helpompaa olisi, jos kaikki valinnat pystyisi tekemään jo ensimmäisellä ohjelmalla.” Tähän liittyen aloinkin pohtia, onko MapInfolla edes mahdollista tehdä artikkelin kuvan kolme kaltaista legendaa. Ennen artikkelin lukemista en osannut ajatella kyseisenlaisen legendan käyttöä, mutta nyt pidän sitä erittäin varteenotettavana vaihtoehtona. Odotankin mielenkiinnolla pystynkö MapInfolla tai jollakin muulla ohjelmalla taikomaan vastaavanlaisen legendan, sillä olisi mukava päästä itse kokeilemaan sen käyttöä.

Lähteet:

Amanda Cardwell. 27.1.2012  ,<http://blogs.helsinki.fi/amandaca/>

Leonowicz, Anna (2006). Puola. Teoksessa Geografija. 2006. T. 42. Nr. 1. P. 33–37

Lotta Kivalo. 28.1.2012, <https://blogs.helsinki.fi/lokivalo/>

Kurssikerta 2. – Erilaisia teemakarttoja

Toinen kurssikerta pyörähti käyntiin johdonmukaisella erilaisten teemakarttojen esittelyllä niiden ominaisuuksista. Nopean dia-esityken jälkeen harjoittelimme opettajan johdolla jokaisen dia-sarjassa olleen karttatyypin tekoa. Valitettavasti emme voineet luoda 3D-karttaa, sillä jokin koneissamme ei salli sitä, täytynee yrittää kotona. Eri tyyppeihin tutustumisen jälkeen teimme vielä kartan, jossa oli kaksi teemaa päällekkäin. Tällöin päästään helposti tutkimaan eri teemojen liittymistä toisiinsa.

Itse karttojen luominen MapInfossa tapahtuu aina samasta valikosta, joten opeteltavaa ei loppujen lopuksi kovin paljon ollut. Erilaisista teemakartoista ja niiden vahvuuksista ja heikkouksista sekä siitä miltä niiden tulisi näyttää, jotta ne olisivat mahdollisimman havainnollisia, minulla oli hyvät pohjatiedot aikaisempien TVT-kurssien perusteella. Jonkinlaisen teemakartan luominen onnistuu alueen ja aiheen valinnan jälkeen aivan kädenkäänteessä, mutta eri asia onkin miltä se näyttää. Kuten monet kerrat kurssikerran aikana huomasimme, MapInfon tarjoamilla perusasetuksilla kartoista harvoin tulee halutunlaisia. Myös Aino Ropponen huomio tämän blogissaan: “Teemakarttoja itse luodessa huomasi, että myös omaa ajattelua tarvitaan. Usein MapInfo loi alkuun aivan väärännäköisen kartan, jonka lukeminen ja päätelmien tekeminen oli mahdotonta ennen kuin itse kävi säätämässä asetukset ja skaalaukset, sekä tietenkin ne hankalalta tuntuvat luokkarajat sopiviksi.” Tähän erilaisten asetusten, kuten diagrammien ja pistesymbolien koon tai värien valitsemiseen aikaa vierähtääkin useampi tovi, sillä harvoin ensimmäisellä yrityksellä osuu oikeaan. Itselleni kävikin usein niin, että luulin saaneeni jo kartan valmiiksi, mutta toisessa ohjelmassa sitä leikatessa huomasin kerta toisensa jälkeen jonkun puutteen kartasta. Onneksi olin tallentanut MapInfon workspacen, jotta saatoin nopeasti korjata virheet tai lisätä puutteet sen sijaan että olisin joutunut tekemään kaiken alusta. Ensimmäisen kurssikerran opit olivat menneet siis perille.

Yhteisen teemakarttoihin tutustumisen ja niiden luomisen harjoittelun jälkeen saimme itsenäisen tehtävän: Laadi teemakartta, jossa on vähintään kaksi teemaa päällekkäin. Tutkittavan alueen valinta oli erittäin helppo, sillä kuten edellisessä merkinnässäni totesin, haluan päästä lähemmäksi edellisten TVT-kurssien tutkimusaluettani, Asikkalaa. Siispä valitsin alueekseni Päijät-Hämeen maakunnan. Aiheen valinta olikin hieman pidempi prosessi, sillä mielikuvitukseni kyllä lähti laukkaamaan, mutta kesti hetken ennen kuin osasin tehdä valinnan. Aluksi valitsin vain kaksi teemaa, kuntien taajama-asteen ja elinkeinorakenteen. Arvelin ennen kuin tein aineistosta karttaa tai edes tutkin sitä, että korkea taajama-aste vaikuttanee ainakin alkutuotannon osuuteen negatiivisesta ja puolestaan palvelujen osuuteen positiivisesti. Vasta tehtyäni kartan valmiiksi näistä teemoista, päätin vielä kokeilla, toimisiko oman kunnan alueella työskentelevien osuus esityksessäni. Aiheena se sopii hyvin tuoden lisämaustetta kartan informaatioon ja sitäkautta omaan pohdintaani.

Vielä hieman informaatiota kartan tekovaiheesta ja siinä tekemistäni teknisistä valinnoista ennen kartan pohdintoja. Luokkien lukumääräksi valitsin sekä taajama-asteessa että omassa kunnassa työskentelevien osuudessa kolme luokkaa, sillä tunnilla kävimme läpi, että suuremmat luokkamäärät hankaloittavat karttatulkintaa teemojen välisien yhdistelmävaihtoehtojen kasvaessa. Taajama-asteen värillä ei käytännössä ollut väliä, koska ainakaan itselleni taajama-aste ei tuo mieleen mitään erityistä väriä. Valitsin väriksi liilan siis vain ja ainoastaan visuaalisista syistä. Omassa kunnassa työskentelevien osuuden rasterointi puolestaan oli melko haastavaa, koska rasterit eivät millään tahtoneet erottua toisistaan eikä myöskään väreistä. Lopulta kuitenkin löysin itseäni kohtuullisesti tyydyttävän vaihtoehdon. Molemmissa aineistoissa käytin luokittelutapana luonnollisia luokkavälejä, sillä aineistot olivat epämääräisesti jakautuneita ja halusin, että sekä pienimmät että suurimmat arvot tulevat esiin. Elinkeinorakenteen kuvaamiseen luonnollinen valinta oli ympyrädiagrammi, sillä alojen osuuksista luonnollisesti muodostuu 100%. Tässä teemassa halusin muokata diagrammin lohkojen värejä kuvaamaan paremmin kutakin alaa.

Ennen syvällistä karttatulkintaa yritän pohtia hieman sitä miltä karttani näyttää ja olisiko siinä jotakin parannettavaa. Värit ovat mielestäni selkeät, mikä johtuu luokkien pienestä määrästä. En usko, että värit voisivat millään tavalla antaa lukijalle väärää kuvaa aiheesta, sillä on luonnollista, että tummemmalla värisävyllä on esitetty korkeampi taajama-aste. Rasterointi ei puolestaan enää olekaan yhtä hyvin luettavissa, sillä värit tahtovat tehdä niistä epäselviä. Olinkin hieman epäileväinen valitessani kolmatta teemaa juuri kartan luettavuuden suhteen. Aihe kyllä toimii, mutta tuleeko kartasta hirveä sekamelska. No ei siitä sentään mitään sillisalaattia tullut, mutta kartta miellytti visuaalisesti itseäni enemmän ilman kolmatta teemaa. Oppimassahan tässä kuitenkin ollaan, joten on mielestäni erittäin hyvä, että tein kolmen teeman kartan, koska nyt nään millaisia mahdollisuuksia mutta myös ongelmia se tuo mukanaan. Mitä todennäköisemmin en tule seuraavissa kartoissani käyttämään kolmea teemaa. Diagrammeihin olen tyytyväinen samoin kuin muutenkin kartan asetteluun. Layout-ikkuna tuntuu välillä raskaalta käyttää, koska en esimerkiksi tiedä onko MapInfossa samanlaisia align and distribute -toimintoja kuten Corelissa. Mutta pienen taistelun tuloksena lopputulos on kuitenkin hyvä.

Kuva1. Taajama-aste, elinkeinorakenne ja omassa kunnassa työskentelevien osuus Päijät-Hämeen kunnissa. Kartta on Maanmittauslaitokselta ja aineisto Tilastokeskukselta (taajama-aste vuodelta 2010 ja muut 2009)

Taajama-aste kertoo taajamassa asuvien osuuden kunnan väestöstä (Metadata). Se toimii kartan pohjana hyvin antaen informaatiota kunnan kaupunkimaisuudesta. Virallisesti Päijät-Hämeessä on kolme kuntaa: Heinola, Orimattila ja Lahti. Heinola ja Lahti erottuvatkin omaksi joukokseen taajama-asteen perusteella. Orimattila sen sijaan kuuluu vasta keskimmäiseen luokkaan, mikä johtuu siitä, että Orimattila ei todella ole kovin kaupunkimainen, mutta se on valinnut itselleen kaupunki tittelin ja samalla siihen kuuluvan hallintorakenteen. Hypoteesini oli, että taajama-asteen kasvaessa alkutuotannon osuus vähenee ja palvelujen kasvaa. Alkutuotannon osalta hypoteesi näyttää käyvän toteen, sillä suurimman taajama-asteen kunnissa, Lahti ja Heinola, alkutuotantoa ei ole lähes ollenkaa. Keskimmäiseen luokkaan siirryttäessä alkutuotannon osuus hieman kasvaa ja matalimman taajama-asteen kunnissa se on suurimmillaan. Alkutuotannon vaikutus taajama-asteeseen on luonnollinen, sillä mikäli esimerkiksi maataloutta harrastetaan paljon, niin toki väestöä sanoo silloin enemmän taajaman ulkopuolella, vaikkakin tilakoot ovat kasvaneet ja tilojen määrä laskenut viime vuosina. Palvelujen osuus noudattaa hypoteesiani korkeimman taajama-asteen tasolla, mutta keskimmäisen ja matalimman taajama-asteen luokkien kunnissa palvelujen määrä vaihtelee hyvinkin paljon. Kuten kuvasta 1 nähdään, Kärkölän kunta kuuluu keskimmäiseen taajama-asteen luokkaan, mutta palveluiden osuus on maakunnan alhaisin. Puolestaan Kärkölän naapurikunnassa Hämeenkoskella palveluiden osuus näyttäisi olevan jopa Heinolan osuutta suurempi. Jalostuksella ei näytä olevan suurempaa yhtäläisyyttä taajama-asteen kanssa, sillä esimerkiksi Lahdessa osuus on useita matalamman taajama-asteen kuntia pienempi. Päijät-Hämeen jalostus näyttäisikin elinkeinorakenteen osuuksien perusteella jakautuvan Lahden ympäryskuntiin.

Arvelin omassa kunnassa työssäkäyvien osuutta lisätessäni, että todennäköisesti Lahden ympäryskunnissa osuus on alhaisin, sillä Lahti tarjoaa, Suomen mittapuussa keskisuurena, kaupunkina paljon työpaikkoja, etenkin palvelualoilla. Työvoiman liikkuvuus myös Lahtea ympäröivien kuntien välillä on hyvin todennäköistä ainakin kuntien rajaseuduilla, sillä teollisuusalueet vetävät työntekijöitä puoleensa kuntarajoista huolimatta. Ilmeisesti esimerkiksi Kärkölässä sijaitsee ainakin suhteessa kunnan kokoon nähden paljon teollisuutta tai muuta jalostustoimintaa. Silti se on omassa kunnassa työskentelevien osuuden pienimmässä luokassa. Näin enemmän karttaa pohtiessa, alkaa näyttää siltä, että luokkajako ei ole tässä teemassa aivan onnistunut, sillä pienimmän osuuden luokka on huomattavasti kahta muuta luokkaa suurempi. Siitä huolimatta tärkein informaatio tulee esiin, eli omassa kunnassa työskentelevien osuus on pienin Lahden ympäryskunnissa ja puolestaan suurin kaupungeissa ja maalaiskunnissa, jotka eivät ole suuren kaupungin vieressä, kuten Sysmä ja Hartola. Elinkeino rakenne vaikuttanee myös omassa kunnassa työssäkäyvien osuuteen, sillä mitä todennäköisemmin alkutuotannon, etenkin maatalouden, harjoittajat asuvat ja työskentelevät samassa kunnassa.

Varmasti vieläkin pidemmällä pohtimisella ja lisäinformaation avulla aiheista saisi enemmän irti, mutta mielestäni tärkeimmät asiat kartalla ovat taajama-asteen vaikutus elinkeinorakenteeseen ja tietenkin toisinpäin sekä sijainnin suhteessa Lahteen vaikutus omassa kunnassa työskentelevien osuuteen. Taas olen päässyt lähemmäksi tutkimusaluettani, Asikkalaa, jota haluankin lopuksi hieman tarkastella. Asikkala sijaitsee Lahden lähellä, mikä johtaa siihen, että Lahti imee työntekijöitä itseensä, mikä pudottaa omassa kunnassa työskentelevien osuutta. Taajama-aste on keskimmäisessä luokassa, johon astetta nostavasti vaikuttaa muun muassa alkutuonnan melko vähäinen osuus ja puolestaan laskevasti kunnan suuri pinta-ala. Palvelut hallitsevat elinkeinorakennetta, mutta myös jalostuksen osuus maakunnan mittakaavassa melko suurta. Palvelun ja jalostuksen piirissä työskentelevät ihmiset asuvatkin usein taajamissa, mikä nostaa kunnan taajama-astetta.

Lähteet:

Aino Ropponen. 28.1.2012, <http://blogs.helsinki.fi/ainoropp/>

Metadata, TVT3-aineisto