Tai ei oikeastaan. Vaikka kurssi loppui, Mapinfoa ei onneksi tarvitse jättää – lopulta jopa jollain oudolla tavalla kiinnyin siihen.
Olen tehnyt Viikin y-talosta monenlaisia retkiä eri kampuksille ja tiedekuntiin, mutta tämä karttaseikkailu oli kyllä yksi hauskimmista. Siis: kiitos maantieteen laitos 2016-2017. Kiitos myös Artulle hyvästä opetuksesta ja Paulalle ja Suville henkisestä tuesta.
Se on täytetty.
Viimeisellä kurssikerralla kartta tehtiin täysin itse valituista aineistoista. Olin juuri aikaisemmin eräällä toisella kurssilla tutustunut helsingin kaupungin avoimeen datatarjontaan, joten ensimmäiseksi suuntasin Helsinki Region Infoshare -sivulle. Suuri osa tiedosta oli kuitenkin tämän tehtävän kannalta hankalaa: esimerkiksi energiankulutusta ja jätteen tuotantoa käsittelevät tiedot olivat alueellisesti liian epätarkkoja. Helsinki alueittain 2015 -raportissa (2016) on kuitenkin paljon aineistoa, mm. vuoden 2015 eduskuntavaalien tulokset, ilmoitettuna kaupungin hallinnollisten alueiden mukaan eli suurpiireittäin ja peruspiireittäin. Helsinki Region Infosharesta löytyivät sitten hakutoiminnolla nämä piirit (Helsingin piirijako 2015) MapInfo-ystävällisessä vektorimuodossa!
Loppu sujui vanhaa muistelemalla. Ensin avasin peruspiirit karttana ja hieman siivotun excel-tiedoston vaalituloksista. Geokoodaus vaati interaktiivista avustamista, mutta onneksi alueita on vain kolmisenkymmentä. Ensimmäinen ajatus oli tehdä kartta jonkun puolueen kannatuksesta alueittain, mutta päätin lähteä kokeellisempaan suuntaan: kuvasin Kokoomuksen äänimäärän viime eduskuntavaaleissa suhteessa Vasemmistoliiton äänimäärään. (Siis Kokoomuksen kannatusprosentti jaettuna Vasemmistoliiton vastaavalla: eräänlainen suhdeluku siis. Jos luku on 1, molempien kannattajia on yhtä paljon, jos taas alle yhden, niin vasemmiston äänestäjiä on enemmän, jne.) Varmuuden vuoksi testasin tulosten paikkansapitävyyttä excelissä.
Koska kuvattava arvo on suhdeluku ja sinänsä hieman epämääräinen valinta, en tehnyt siitä koropleettikarttaa, vaan kaikki piirit saivat hauskat tunnusväripallot. Alin luku on Pasilassa (0,73). Myös Vanhassakaupungissa (johon kuuluvat myös Kumpula ja Käpylä), Alppilassa sekä Jakomäessä luku näyttäisi menevän alle yhden, eli pallot ovat kirkkaanpunaiset. Kallio ja Vallila yllättäen eivät kuulu tähän joukkoon, varmaan vihreiden äänimäärä syö vasemmiston vastaavaa. Suurin luku on Östersundomissa (19), ja myös Länsi- ja Itä-Pakilassa äänestetään kokoomusta yli kymmenen kertaa useammin kuin vasemmistoliittoa.
Nämä yhteiskunnallista suuntautuneisuutta karkeasti symboloivat väripallukat voisivat toimia indikaattoreina jollekin, joka on muuttamassa muualta Helsinkiin eikä halua asumaan porvarilliselle alueelle. Mitä muuta hän voisi arvostaa? Ehkä ihan konkreettista vihreyttä. Helsinki alueittain -aineistosta löytyy myös tiedot siitä, miten paljon milläkin alueella on metsää ja puistoa (ha). Tätä halusin kuvata prosenttiosuudella, joten tarvitsin piirien maapinta-alat. Niistä en löytänyt valmista aineistoa, mutta Mapinfon avulla laskeminen onnistui. Rannalla sijaitsevat peruspiirit ulottuvat kartalla merelle asti, joten niiden pinta-alan muokkasin oikeaksi kaupungin tietokeskuksen tietojen pohjalta (Helsinki alueittain 2013). Neliökilometriin mahtuu sata hehtaaria, eli jakamalla puisto- ja viheralueiden yhteenlasketun hehtaarimäärän maapinta-alalla sain suoraan prosenttiluvun. Vanhasta tietokeskuksen raportista (Helsinki alueittain 2003) löysin myös valmiiksi laskettua, mutta vanhentunutta tietoa viheralueiden osuudesta piirien maankäytössä, ja sen perusteella tulokset vaikuttavat oikeansuuntaisilta.
Länsi-Pakila näyttää nopealla vilkaisulla epäilyttävältä. Miten noin lähellä keskuspuistoa voi olla metsää ja puistoa alle 15 % pinta-alasta? Aluksi luulin, että koropleettikartan teossa, geokoodauksessa tai datan kanssa on käynyt jokin kämmi. Käsin laskemalla luku on kuitenkin sama, ja myös lukujen lähde vaikuttaa luotettavalta: Helsinki alueittain -raportin puisto- ja metsäpinta-alaa koskevat tiedot ovat peräisin Helsingin kaupungin yleisten alueiden rekisteristä 2015. Toisaalta aivan Länsi-Pakilan vieressä asuneena tiedän, että alue on täynnä omakotitalotontteja – vaikka vehreyttä on, se on pihoilla, eikä kuulu virallisessa maankäyttöluokituksessa puistojen tai metsien kategoriaan.
Puistojen ja metsien osuus maa-alasta sekä Kokoomuksen ja Vasemmistoliiton äänimäärien suhde peruspiireittäin Helsingissä
Muuten kartta näyttää järkeenkäyvältä, kun ajattelee, ettei se kuvaa “todellista” vehreyttä, kasvipeitettä tai puiden määrää, vaan nimenomaan julkisia viheralueita. Tätä karttaa voi muuten hauskasti vertailla Miikka Lappalaisen aiemmin Helsingin asukastiheydestä tekemään karttaan, jossa aluejako on tosin vielä tarkempi (Lappalainen 2017). Silti voi huomata, että aina suuri väestöntiheys ei tarkoita pientä viheralueiden määrää ja päin vastoin: vastakkaiset esimerkit tästä ovat sankasti asutettu, mutta vihertävä Alppiharju sekä väljemmin asutettu, mutta kokoon suhteutettuna vähemmän julkisia vihreitä tiloja käsittävä Puistola. Tässäkin tapauksessa syypäänä on luultavasti omakotitalovaltaisuus.
Valitettavasti Helsinkiin muuttoa suunnitteleva henkilö on nyt vaikean valinnan edessä: vehreimmillä alueilla, kuten Tuomarinkylässä, Itä-Pakilassa ja Östersundomissa äänestetään Kokoomusta. Hän kiinnittäisi ehkä huomionsa Jakomäkeen, Maunulaan ja Vanhaankaupunkiin. Jos henkilö arvostaisi julkista liikennettä, suosittelisin Maunulaa, jos taas edullista asumista, niin Jakomäkeä – tai saman tien Vantaata. Legendasta kuitenkin näkee, että Helsinki on onneksi suhteellisen vihreä kaupunki: jopa metsä- ja puistoalaltaan pienimmässä luokassa niitä on jopa 15 prosenttia.
Kartan ulkoasu on mielestäni onnistunut. Julkisten tilojen vehreyttä kuvaava, vaaleanharmaasta tummanvihreään ulottuva skaala on intuitiivinen. Samoin sinisestä punaiseen ulottuva poliittisen suuntautuneisuuden väriskaala on luullakseni selkeä ainakin eurooppalaiselle lukijalle. Hieman kyllä mietin simultaneous contrast -ilmiötä, eli taustalla olevan värin vaikutusta siihen, miltä jokin sävy näyttää (Monmonier 1996, s. 172). Ehkä esimerkiksi Vuosaaren ja Vartiokylän väripallojen vertailu onkin joillekin hankalaa?
Helsinki alueittain 2015 -aineistosta löytyi myös kaikenlaista hauskaa nippelitietoa, mm. kirkkojen, kirjastojen, ravintoloiden, uima-altaiden ja Alkojen lukumäärät eri alueilla. Tein huvikseni nopeat kahden teeman teemakartat vihreitä äänestävien osuudesta ja kirkkojen määrästä eri alueilla (tieteen nimissä), Alkojen ja kirjastojen määrästä (käytännön hyötyä varten) sekä kahden tärkeän instituution, kirkon ja Alkon, keskinäisistä voimasuhteista eri alueilla. Absoluuttisia arvoja ei periaatteissa pitäisi kuvata näin teemakartalla, ja siksi kokeilinkin aluksi eri kokoisten symboleiden lisäämistä kartalle mm. kirkkojen määrän mukaan. Siinäkin oli ongelmansa: tarkkaa tietoa kirkkojen sijainnista ei ollut, vain niiden määrä peruspiireittäin, joten kartalle satunnaiseen kohtaan aluetta asetettu symboli olisi ollut harhaanjohtava. Julkaisen nämä nyt kuitenkin täällä! Nauttikaa.
Alkojen ja kirjastojen lukumäärä Helsingissä peruspiireittäin
Vihreitä äänestäneiden osuus ja kirkkojen lukumäärä Helsingissä peruspiireittäin
Kirkkojen ja Alkojen lukumäärä peruspiireittäin
Lähteet:
Helsingin piirijako. Helsingin kaupungin kiinteistövirasto 9.2.2015. <http://www.hri.fi/fi/dataset/helsingin-piirijako> Luettu 3.3.2017.
Helsinki alueittain 2015. Helsingin kaupungin tietokeskus 25.08.2016. <http://www.hri.fi/fi/dataset/helsinki-alueittain-2015> Luettu 3.3.2017.
Helsinki alueittain 2013. Helsingin kaupungin tietokeskus 22.4.2014. <http://www.hel.fi/hel2/tietokeskus/julkaisut/pdf/14_04_22_Helsinki_alueittain_2013_Tikkanen.pdf> Luettu 3.3.2017.
Helsinki alueittain 2003. Helsingin kaupungin tietokeskus 2004. <http://www.hel.fi/hel2/tietokeskus/helsinki_alueittain_2003/koko_helsinki3.pdf> Luettu 3.3.2017.
Lappalainen, M. (2017): 1. kurssikerta. https://blogs.helsinki.fi/mwlappal/2015/01/21/1-kurssikerta/ Luettu 6.3.2017.
Monmonier, M. (1996): How to Lie with Maps. The University of Chicago Press. Chicago.
Kuudennen kurssikerran aluksi tuotimme itse paikkatietoaineiston gps-laitteiden avulla. Ryhmämme mietti ensin hetken aikaa, mistä ehtisi kerätä tietoa 45 minuutin aikana. Päädyimme merkitsemään Physicumin ympärillä olevat vapaat parkkipaikat, jotka tosin vähenivät työn edetessä. Pisteitä ehti kertyä lähes 30, ja gps-laite toimi luotettavasti: kun tarkastelimme pisteitä myöhemmin, vain yhden pisteen koordinaateissa oli selvä heitto. Kokeilimme myös reittitietojen siirtämistä gps-laitteelta tietokoneelle. Laite siis tallentaa tasaisin väliajoin sijaintitiedot, joten esimerkiksi kenttätöitä tehdessä kuljettu reitti tallentuu ja on myöhemmin tarkasteltavissa.
Sitten siirryimme Kumpulan infrasta toisiin aiheisiin. Kokeilimme geokoodausta: paikkatietokannan luomista kohteiden (tällä kertaa Helsingin rahapeliautomaattien) katuosoitteiden perusteella. Kyseessä oli taas eräänlainen tietokantojen yhdistys: tarvittiin kartta, jossa on tarkat osoitetiedot, ja tietokanta, jossa joka pisteellä on koordinaattien sijaan katuosoite. Hyvä tietää, että tällainenkin onnistuu!
Opimme myös muotoilemaan avointa taulukkomuotoista dataa helposti käytettävään muotoon Excelissä. Jenkkityylisten desimaalipisteiden korvaaminen pilkuilla päivämääräongelman välttämiseksi oli hyvä vinkki, samoin lähes-automaattisesti onnistuva rivien sarakkeisiin jako. Tuloksena oli hieno maanjäristysaiheinen tietokanta magnitudi- ja koordinaattitietoineen. Aikaa omille karttaprojekteille oli jäljellä vähän, joten tein muutaman kartan erisuuruisista maanjäristyksistä. Taustakarttana käytin ensimmäisellä kurssikerralla käytössä ollutta Natural Earth -karttaa, ja rajasin alueeksi selkeyden vuoksi Etelä-Amerikan. Ensimmäisessä kartassa yli 8 magnitudin (Richterin asteikolla) järistykset vuoden 2002 jälkeen, toisessa lisäksi yli 7 magnitudin, kolmannessa lisäksi vielä yli 6 magnitudin järistykset. Legendaahan näissä ei ole, mutta kuvasarjaa ja -tekstiä katsoessa on kai selvää, mitä eri väriset pallot symboloivat. Kuvan saa avattua isommaksi klikkaamalla.
Yli 8 magnitudin, yli 7 magnitudin ja yli 6 magnitudin maanjäristykset Etelä-Amerikassa vuoden 2002 jälkeen
Opetustarkoituksessä tätä voisi vilauttaa vaikka Etelä-Amerikkaa yleisesti käsiteltäessä. Tai sitten tällä voisi opettaa jotain mannerlaatoista tai luonnonkatastrofiriskeistä eri alueilla, koska kieltämättä mannerlaattojen reunojen sijainti tulee kuvasarjan edetessä tyylikkäästi esiin. Aiheen käsittelyä voisi jatkaa Paula Silfverbergin (2017) tekemällä kartalla, jossa näkyvät koko maapallon viimeaikaiset maanjäristykset (ja lisäksi tulivuoret).
Lähteet:
Silfverberg, P. (2017): Kuudes kurssikerta. <https://blogs.helsinki.fi/pasipasi/2017/02/22/kuudes-kurssikerta/> Luettu 2.3.2017.
Viidennellä kurssikerralla kokeilimme puskurointitoimintoa, jolla voi laskea tietyllä säteellä jostakin pisteestä löytyviä kohteita, esimerkiksi alle kilometrin päässä koulusta sijaitsevat talot. Sitten testasimme MapInfo-taitojamme soveltavien tehtävien avulla.
Itsenäisten tehtävien alku oli hankala, mutta onneksi niitä ei tarvinnut tehdä yksin: Suvi (Huovelin, 2017) on blogissaan avannut tarkemmin sigma-työkalun ja layer controlin kanssa pähkäilyämme. Myös linkki tuloksiimme löytyy Suvin blogista. Ainakin tietokantojen yhdistäminen, uusien sarakkeiden luonti ja päivittäminen sekä teemakartan teko sujuvat nyt rutiinilla. En silti pääse yli siitä, että MapInfossa yksi harhaklikkaus voi olla kohtalokas. Joskus on vain pakko sulkea koko ohjelma ja toivoa, että mitään ei tallentunut. On lohdullista huomata, että monen muunkin suhde MapInfoon on vähintäänkin ristiriitainen: tätä vaikeaa ihmisen ja koneen välistä yhteistyötä on blogissaan käsitellyt mm. Eveliina Toikka (2017). Hän kaipaa CorelDraw-ohjelmaa ja mainitsee kuherruskuukauden päättyneen MapInfon kanssa. Omaa suhdettani ohjelmaan vertaisin järjestettyyn avioliittoon: alun järkytyksen jälkeen olen oppinut elämään näissä olosuhteissa, tämän paikkatieto-ohjelman kanssa.
Koulupiirejä käsittelevän tehtävän jälkeen meillä oli vielä energiaa luoda lisäksi teemakartta aiheesta. Se on muistuttaa hieman edellisellä viikolla tekemääni Vantaan lapsimääräkarttaa, mutta nyt alueena on Helsinki ja kuvattavana kouluikäisten suhteellinen osuus väestöstä. Suhteellisen vähän (alle 5%) tuon ikäisiä löytyy kantakaupungista sekä tunnetusti mummojen asuttamasta Haagasta, paljon taas (11-14%) esimerkiksi kaupungin pohjoisosasta sekä hieman yllättäen Suomenlinnasta.
Lasten osuus väestöstä koulupiireittäin Helsingissä
Lähteet:
Huovelin, S. (2017): Buffering… <https://blogs.helsinki.fi/suvihuov/> Luettu 23.2.2017.
Toikka, E. (2017): Vanha suola janottaa <https://blogs.helsinki.fi/evetoikk/2017/02/21/vanha-suola-janottaa> Luettu 1.3.2017.
Neljännellä kurssikerralla tarkastelimme piste- ja ruutuaineistoja ja teimme omat kartat pisteaineistosta johdetun ruutuaineiston perusteella. Ruudukon avulla on mahdollista esittää tietoa kartalla ilman valmista aluejakoa.
Oma karttani esittää 7-12 -vuotiaiden määrää Vantaalla. Kouluikäiset valitsin aiheeksi sen vuoksi, että omassa asuintalossani ei kurssikerralla käytetyn väestöaineiston perusteella asu yhtään sen ikäistä — pikkulapsia ja kaikenikäisiä aikuisia kyllä löytyy. Missä lapset siis ovat, kerääntyneinä tiheiksi esiintymiksi vai? Tarkastelun kohteeksi valitsin sydäntäni lähellä olevan Vantaan.
7-12 -vuotiaiden määrä Vantaalla
Kartta perustuu ruudukkoon, jossa joka ruudun arvo on sen sisällä asuvien 7-12 -vuotiaiden määrä. Ruudun koko on 800×800 metriä, koska arvelin Mapinfon kaatumisriskin pieneksi suurella ruudukolla. Lisäksi 800 metriä on ehkä ala-asteikäisen näkökulmasta mahdollinen kävelymatka, joten yksi ruutu voisi olla tuon ikäisen lapsen reviirin kokoinen. Luokkia on tuttuun tapaan viisi, mutta kokeilin vaihteeksi erilaisia luokituksia luonnollisen välin sijaan. Päädyin räätälöityyn luokitukseen kasvavalla luokkakoolla, koska jakauma on vino ja epätasainen: suuri osa havainnoista on sumpussa skaalan matalassa päässä, mutta skaalan yläpäässä on suurta vaihtelua, vähän kuten aiemmin tehdyssä tulvariskikartassakin.
7-12 -vuotiaiden määrä + OSM
Kartta kuvaa ala-asteikäisten absoluuttista määrää, ei suhteellista osuutta: kartasta ei siis voi nähdä, miten lapsitiheys poikkeaa asukastiheydestä. Vertailun vuoksi asetin oman karttani päälle OpenStreetMap (OSM) -kartan, josta selviää, että kaupungin keskiosassa sijaitseva “tyhjä” alue on lentokenttä ja sitä ympäröivä yrityskeskittymä. Itäosan valkoinen osa (Sotunki) taas on OSM-kartalla vihreä: metsää siis, Sipoonkorven kansallispuisto ulottuu tänne asti. Länsiosan lapsiköyhä vyöhyke sijaitsee Petikon teollisuusalueen ja sen pohjoispuolella olevan pelto- ja metsäalueen kohdalla. OSM-kartan resoluutio on kuvassa järkyttävä eikä riitä kaupunginosien tarkasteluun, mutta kaupunginosakartasta (Vantaan kaupunginosat ja suuralueet) selviää, että tiiviimmät lapsikeskittymät löytyvät kaupungin itäosassa Hakunilasta, keskiosassa Pakkalasta ja länsiosassa Martinlaaksosta sekä Myyrmäestä. Näiltä alueilta löytyy ehkä kaupungin perheasuntoja ja uusia, lapsiperheille suunniteltuja asuinalueita? Kartan avulla voisi tutkia ala-asteiden optimaalista sijoittelua, jos ei osaisi tehdä kunnollista saavutettavusanalyysiä.
Jälkikäteen huomasin, että muutama muukin on tutkinut tällä kurssikerralla asukastiheyttä ja lasten sijoittumista pääkaupunkiseudulle. Anna Haukka on blogissaan (2017) julkaissut kaksi karttaa pk-seudun asukasmääristä, ja nopean vertailun perusteella Vantaan lapsimäärä- ja asukasmääräkarttojen välillä ei ole suuria eroja. Mimmi Simpura (2017) taas on käsitellyt tällä kurssikerralla lasten suhteellista osuutta väestöstä, tosin 0-12 -vuotiaita eli hieman laajemmalla ikähaarukalla. Tästäkään kartasta ei löydy suurta eroa edellisiin, tosin minun kartallani keskittyminä erottuvat Myyrmäen ja Martinlaakson alueet eivät Simpuran kartalla juuri korostu.
Lähteet:
Haukka, A. (2017): Kurssikerta 4: Shakkilauta? Ei vaan ruututeemakartta. <https://blogs.helsinki.fi/ahaukka/2017/02/08/kurssikerta-4> Luettu 1.3.2017.
Simpura, M. (2017): Lapset pääkaupunkiseudulla. <https://blogs.helsinki.fi/msimpura/2017/02/13/lapset-paakaupunkiseudulla/> Luettu 6.3.2017.
Vantaan kaupunginosat ja suuralueet. Vantaan kaupunki 1.1.2015. http://www.vantaa.fi/asuminen_ja_ymparisto/kaavoitus_ja_maankaytto/suuralueet_ja_kaupunginosat. Luettu 16.2.2017
Kolmannella kurssikerralla puuhailtiin tietokantojen parissa. Datan kokoaminen eri lähteistä, sen yhdistely, päivittäminen sekä uuden tiedon tuottaminen vanhan perusteella ovat väistämättä eteen tulevia tehtäviä, jos haluaa esim. tehdä karttoja.
Eri lähteistä peräisin olevien tietokantojen yhdistäminen kuulostaa periaatteessa helpolta, mutta käytännössä se vaatii kärsivällisyyttä tarkistaa huolellisesti useita pudotusvalikkoja, rastitettavia ruutuja ja välilehtiä. Huomasin, että usein käyttämäni yritys ja erehdys -taktiikka ei ole MapInfon kanssa ihanteellinen: undo-nappia ei ole, ja valinnoilla on tapana jäädä kummittelemaan, vaikka ohjelman välillä sulkisikin. Päädyinkin lataamaan koko aineiston pari kertaa uudestaan.
Lopuksi teimme teemakartan Suomen suurimpien valuma-alueiden tulvaindeksistä ja järvisyydestä. Järvisyys on juuri se miltä kuulostaakin: valuma-alueella sijaitsevien järvien pinta-alan suhdetta (%) valuma-alueen pinta-alaan (SYKE 2015). Tulvaindeksi on tulvariskistä kertova luku, joka saadaan jakamalla keskiylivirtaama keskialivirtaamalla. Virtaamalla taas tarkoitetaan “uoman poikkileikkauksen läpi kulkevan vesimäärän tilavuutta aikayksikössä (m3/s). Keskivirtaama (MQ) on tietyn havaintojakson keskimääräinen virtaama ja ylivirtaama (HQ) tarkoittaa havaintojakson suurinta virtaamaa.” (SYKE 2015.) Suuri tulvaindeksi siis kertoo virtaaman suuresta vaihtelusta.
Tehtävänannossa määriteltiin tarkasti, mitä kartan on esitettävä ja kuinka tarvittavat tiedot haetaan ja lasketaan. Ainoastaan havaintojen luokittelu sekä kartan ulkoasun hienosäätö vaati pohdintaa. Tulva-alttiimmat valuma-alueet ovat tässä kartassa korostetut eli tummat, ja luokituksen suhteen päädyin viiteen luokkaan luonnollisin välein. Havaintojen jakauma oli mielenkiintoinen ja vino: hyvin suurin osa valuma-alueista osui tulvaindeksiltään 20 ja 200 välille, mutta yksi havainto löytyy luokasta yli 1100.
Valuma-alueiden tulvaindeksi ja järvisyysprosentti
Kartan perusteella korkea järvisyysprosentti näyttäisi liittyvän matalaan tulvaindeksiin. Korkeinta järvisyys on vähemmän yllättävästi Itä-Suomen runsasjärvisillä valuma-alueilla. Matala järvisyys ja korkea tulvaindeksi liittyvät Länsi- ja Lounais-Suomeen, eli maatalousalueisiin, joilla soita on ojitettu suuressa mittakaavassa ja luonnollinen vesitalous on häiriintynyt.
Joidenkin ennusteiden mukaan (Roudier ym. 2016) ilmastonmuutos vähentäisi tulvia Suomessa. Syynä olisi lumisten talvien väheneminen: talven yli jatkuvat tasaiset vesisateet korvaisivat lumen sulamisesta aiheutuvat kevättulvat. Ennuste on tosin tehty kahden asteen lämpenemiselle, joka on melko optimistinen arvio.
Kartasta ei ulkoasun puolesta voi olla kovin ylpeä. Valuma-alueita on niin paljon, että erityisesti Pohjanmaa ja Kaakkois-Suomi näyttävät todella ahtailta. Ylipäätään järvisyyden kuvaaminen pylväillä koropleettikartan päällä ei ole minusta hienostunein ratkaisu: vaikka asetin maksimiarvoa kuvaavan pylvään korkeuden melko matalaksi pienempien arvojen luettavuuden kustannuksella, pylväät peittävät toisiaan ja taustaa näkyvistä. Myös valtionrajat ja valuma-alueiden suurimmat joet olisi mielestäni hyvä esittää tällä kartalla, mutta silloin meno olisi vielä tukkoisampaa. Pylväskritiikkiä ovat esittäneet mm. Alina Ylimäki (2017), joka kuvaa omaa, hyvin samannäköistä tuotostaan sanoilla “hyvin epämiellyttävän näköinen teos” sekä Heidi Kiviaho (2017), jonka mukaan pylväiden informaatioarvokin jää vähäiseksi. Totean, että voisin julkaista tämän karttani osana jotakin kuivaa tutkimusraporttia, mutta en kehtaisi piinata tällä suurempaa yleisöä.
Lähteet:
Kiviaho, H. (2017): Tulvaa tulvaa! <https://blogs.helsinki.fi/heivalto/2017/02/06/tulvaa-tulvaa> Luettu 6.3.2017.
Roudier ym. (2016): Projections of future floods and hydrological droughts in Europe under a +2°C global warming. Climatic Change 135: 341.
SYKE (2015): Tulvasanasto. <http://www.ymparisto.fi/fi-FI/Vesi/Tulviin_varautuminen/Tulvasanasto> Luettu 5.2.2017.
Ylimäki, A. (2017): Kurssikerta 3: Takaisin paikkatiedon käsittelyyn. <https://blogs.helsinki.fi/alinayli/2017/02/02/kurssikerta-3-takaisin-paikkatiedon-kasittelyyn> Luettu 6.3.2017.
Jos useaa muuttujaa tarkastellaan erillisillä koropleettikartoilla, kartat ovat yksittäin helposti luettavia, mutta muuttujien välinen yhteys jää epäselväksi. Kahden muuttujan koropleettikartassa muuttujien välinen maantieteellinen yhteys sen sijaan näkyy. Näin toteaa Anna Leonowicz artikkelissaan Two-variable choropleth maps as a useful tool for visualization of geographical relationship (2006). Selkeyden säilyttämiseksi on tärkeää valita sopivat väriskaalat ja pitää luokkien määrä pienenä. Tällaisen kartan legenda on hyvä kuvata ruudukkona, joka selittää molempien muuttujien jaon luokkiin, muuttujia kuvaavat värit ja niiden muodostamat yhdistelmät, sekä havaintoja kuvaavan hajontakuvion, joka näyttää myös yhteyden muuttujien välillä.
Kokeilin itsekin toisella luentokerralla tehdä kahden muuttujan koropleettikarttaa, tosin ilman yhtä hienostunutta hajontakuviolla varustettua legendaa. Tulos oli vaikeasti luettava ja sekava, enkä päätynyt käyttämään sitä. Näin jälkekäteen ajatellen olisi pitänyt valita kolme luokkaa oletusarvoisen viiden sijaan. Olisi myös hyvä, että legendassa on kuvattu kaikki kartalta löytyvät väriyhdistelmät, mutta tätä ominaisuutta en MapInfosta löytänyt.
Jos toista muuttujaa kuvaa selkeällä väriskaalalla (esim. artikkelin kuvan 3 magenta-syaani) ja toista tummuusasteella, kartta on melko selkä, vaikka vaatiikin enemmän tarkastelua kuin normaali yhden muuttujan koropleettikartta. Sen sijaan artikkelin kuvassa 4 esitelty Yhdysvaltain väestönlaskentaviraston käyttämä legenda on vain kirjavan näköinen. Miltäköhän tuota legendaa käyttävä kartta näyttää, ja tajuaakohan tekijäkään siitä mitään?
Lähteet: Leonowicz, A. (2006): Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Polish Cartographical Review 42:1, s. 33–37.
Toisella kurssikerralla teimme kahden teeman kartan: piti siis löytää kaksi toisiaan täydentävää kunta-aineistoa, joista toista voisi kuvata koropleettikartalla ja toista pylväin, piirakoin tai pistein samalla kartalla. Päädyimme Suvi Huovelinin (https://blogs.helsinki.fi/suvihuov) kanssa tekemään kartat samalta alueelta Etelä-Suomesta (alueellinen rajaus siksi, ettei diagrammien koko rajoittuisi pieneksi läntiksi) ja käyttämään yhteisenä muuttujana työttömyyttä.
Luonnollisin välein luokiteltu työttömyysaineisto ja siitä tehty kartta ei tarjoa suuria yllätyksiä. Paras tilanne on maatalousvaltaisissa Sauvossa ja Pornaisissa sekä PK-seudun ympäryskunnissa kuten Espoossa ja Nurmijärvellä, siis Helsingin työssäkäyntialueella. Huonolta näyttää esimerkiksi Nokian alasajosta kärsineessä Salossa (Business Insider 2015) ja Koverharin terästehtaan menettäneessä Hangossa (Helsingin Sanomat 2012), mutta näissäkin työttömyys on vain reilun 11 prosentin luokkaa – ei siis koko Suomen mittakaavassa huonointa tasoa.
Suvin kartta kuvaa työttömyysasteen lisäksi koulutusastetta. Koulutusaste näyttääkin liittyvän vahvasti siihen, miten kaukana suuresta kaupungista kunta sijaitsee – Helsingin (ja jossain määrin myös Turun) ympäryskunnissa koulutusaste on suhteellisen korkea. Kouluttautuneisuus näyttäisi liittyvän myös melko matalaan työttömyysasteeseen: poikkeuksena sääntöön on maatalousvaltainen Sauvo, jossa sekä koulutusaste että työttömyys on matala.
Kokeilin itse kartallani muutamaa erilaista työttömyyttä täydentävää muuttujaa. Aluksi tein piirakkadiagrammeja äidinkieleen perustuen ja pylväsdiagrammeja vuokra-asunnoissa asujista ja pientaloasukeista, mutta yhteys työttömyyteen oli hatara. Sen sijaan kuntien välisen nettomuuton kuvaaminen symbolilla tuntui ihan järkevältä ja näytti veikeältä. Musta seisova ukko sai edustaa muuttovoittoa, punainen ja kävelevä muuttotappiota. Suurin tekninen ongelma liittyi kuntien rajojen, nimien ja symboleiden asetteluun. Sain kertaalleen eroteltua ne siististi toisistaan, mutta layout-näkymässä tunnelma oli taas jostain syystä ahtaampi.
Työttömyysaste ja kuntien välinen nettomuutto eteläisessä Suomessa
Mitä kartta sitten kertoo? Huomio kiinnittyy niihin kuntiin, joissa on kohtuullisen suuri muuttovoitto (Helsinki) tai muuttotappio (Järvenpää). Jos tilanteessa ei ole suurta muutosta, symboli on niin pieni, ettei sitä edes erota: informaatioarvon kannalta tämä ei ole huono asia, koska se ohjaa huomion niihin kuntiin, joissa muutosta on. Toisaalta en osaa sanoa, miten merkityksellisiä suuremmatkaan, ilmeisesti yhden vuoden luvut loppujen lopuksi ovat – onko alle sadan ihmisen muuttotappio suurehkolle kunnalle lainkaan merkittävä? Ja mikä kaikki edes vaikuttaa lukujen taustalla (ja ovatko ne edes samalta vuodelta)? On olemassa vaara, että samalle kartalle laitetuista muuttujista syntyy vaikutelma korrelaatiosta, vaikka ne on valittu lähes satunnaisesti.
Joka tapauksessa, kun nettomuuttoinformaatiota tarkastelee yhdessä työttömyyskartan kanssa, näkymät ovat osittain järkeenkäyvät. Porvoo, Vantaa ja Hanko ovat muuttotappiokuntia ja työttömyysluvut ovat melko huonot, kun taas Kauniainen, Espoo, Nurmijärvi ja Sipoo vetävät paremmin, ja myös työttömyystilanne on hiukan parempi. Mutta Miksi Järvenpää on kartan perusteella alueen suurimman muuttotappion kunta? En keksi tälle mitään selitystä, ovathan samanhenkiset Tuusula ja Kerava muuttovoittokuntia. Kysyin asiaa Järvenpäässä kasvaneelta kurssikaveriltani, jonka antoi ilmiölle paljon puhuvan selityksen: “sielun kuolema”.
Lähteet:
Business Insider 17.7.2015. Microsoft has crushed the economic hopes of Finland’s Salo as it closes its Nokia plant and jeopardises 1,100 jobs. <http://www.businessinsider.com/r-lines-go-silent-in-finnish-town-of-salo-as-microsoft-shuts-nokia-phone-unit-2015-7>
Helsingin Sanomat 26.6.2012. Teräsyhtiö FNSteel sulkee Koverharin ja Taalintehtaan. <http://www.hs.fi/talous/art-2000002540493.html>
Huovelin, S (2017): Tasokasta kartanlaadintaa… 30.1.2017. <https://blogs.helsinki.fi/suvihuov/>
Kaikki väestönmuutokset alueittain 1987-2015: Kuntien välinen nettomuutto. Tilastokeskus, Helsinki. http://www.stat.fi Luettu 28.1.2017.
Työ- ja elinkeinoministeriön työttömyystietoja kunnittain. Tilastokeskus, Helsinki. http://www.stat.fi Luettu 28.1.2017.
Odotin ensimmäistä Paikkatiedon hankinta, analyysi ja kartografia -kurssikertaa innokkaasti. Edellinen kohtamiseni paikkatieto-ohjelmiston kanssa oli onneton, mutta tartuin hanakasti tilaisuuteen päästä tasaamaan tilit.
Ensimmäisellä kurssikerralla tutustuimme MapInfo-ohjelmaan. Sen käyttö tuntui ainakin aluksi hiukan epäintuitiiviselta: yksinkertaiset muutokset vaativat paljon klikkailua, symbolit olivat kryptisiä ja työkalulaatikot aina väärässä paikassa. Ikävöin CorelDrawta, mutta onpa tätäkin nyt kokeiltu!
MapInfoon tutustumisen jälkeen tehtävänä oli vapaavalintaisen teemakartan luominen Suomen kunnista. Vaihtoehtoisia aiheita selaillessa totesin, että kaikki aineistot eivät ole sopivia, vaan teemakartalla kannattaa käyttää suhdelukuja. Jotkut tilastotiedot, kuten punatukkaisten määrä kunnassa, ylikorostaisivat maantieteellisesti suurten mutta harvaan asuttujen kuntien merkitystä ja antaisivat kartalla väärän kuvan tilanteesta – sopivampi luku olisi punatukkaisten osuus väestöstä.
Valitsin lopulta kuvattavaksi huoltosuhteen, eli työssä käymättömien määrän suhteessa työllisiin asukkaisiin. Väriskaalaksi valitsin (värisokeiden iloksi) selkeästi tummasta vaaleaan etenevän. Testasin erilaisia luokittelutapoja: vaikka tulokset eivät poikenneet radikaalisti toisistaan, jotkin luokittelut korostivat hieman erityisen huonon huoltosuhteen kuntia (tuloksena oli erittäin tumma Itä-Suomi), toiset taas saivat kartan näyttämään homogeeniselta.
Tässä blogissa on esimerkkinä kartta, jossa aineiston luokittelutapa on custom eli räätälöity: loin luokat melko tasavälisiksi, mutta silti mielivaltaisiksi, tärkeimpänä tavoitteena numeroiden kauneus. Legenda onkin miellyttävämpi ja helppolukuisempi kuin sellaisella kartalla, jonka kaikki viisi luokkaa ovat muotoa 11,85-14,73 jne. Jälkikäteen ajatellen yhtä esteettiseen tulokseen olisi toki päässyt määrittämällä pyöristyksen eri tavalla… Tämän ”aineisto on mielivaltaisesti luokiteltu” -kartan valitsin blogiin siksi, että se oli kokeiluistani viimeinen ja hulvattomin, ja myös ainoa jonka tallensin. Lupaan olla luokittelematta aineistoa tällä perusteella tositilanteessa. (Kurssikerralla opin myös sen, että bmp-muodon sijaan valitsen ensi kerralla jonkun toisen.)
Huoltosuhde kunnittain
Huoltosuhdekarttaani voi vertailla Emma Pielan tekemään karttaan, joka kuvaa työttömyysastetta (https://blogs.helsinki.fi/emmapiel). Nopealla vilkaisulla karttamme näyttävät melko yhteneväisiltä: molemmissa on viisi luokkaa, ja suuri työttömyysaste/huono huoltosuhde on kuvattu tummalla värillä. Emma onkin omassa blogissaan käsitellyt Itä- ja Pohjois-Suomen työttömyyslukujen syitä rakennemuutoksineen ja globalisaatioineen, joten niihin en nyt mene syvemmin.
Työttömyysaste ja huoltosuhde siis liittyvät toisiinsa, mutta eivät kiinteästi – huoltosuhdetta heikentää työttömyyden lisäksi myös työvoiman ulkopuolella olevien, kuten lasten ja vanhusten, suuri osuus. Myös karttoja vertailemalla voi huomata, että huoltosuhde ja työttömyysaste eivät kulje käsi kädessä. Erot ovat toki pieniä, mutta niitä on: Helsingissä on paljon työikäisiä, joten vaikka työttömyyttä on, huoltosuhde pysyy hyvänä. Lounais-Suomen saaristo kuuluu pienen työttömyyden alueisiin, mutta eläkeläisiä on paljon, mikä heikentää huoltosuhdetta.
Myös luokkien rajaus on kartoissa erilainen. Emman kartassa joka luokassa on suunnilleen sama määrä havaintoja: tämä tekee kartasta synkemmän, koska pinta-alaltaan suuret Pohjois- ja Itä-Suomen kunnat korostuvat. Minulla synkimpään luokkaan kuuluu vain kolme kuntaa, joten kokonaisvaikutelma on valoisampi.
Ensi viikkoon!
Lähteet:
Piela, E. (2017). Vko 1: Työttömyys-kartta ja opettelua 17.1.2017. <https://blogs.helsinki.fi/emmapiel/>
Väestöllinen huoltosuhde alueittain 2015 – 2040. Tilastokeskus, Helsinki. http://www.stat.fi Luettu 20.1.2017.