TVT3 – Geoinformatiikka 2011

Kurssikerta 7: Oma kartta

Kuva 1. Rikollisuus EU-maissa

Viimeisen kurssikerran ohjelmassa oli laatia kartta itse valitusta aiheesta. Mietin aihetta ja aluetta kauan, mutta päädyin lopulta Eurooppaan siksi, että halusin tarkastella jotain lähialuetta, johon myös Suomi kuuluisi. Valitsin päällekkäisen teemakarttani aiheeksi rikollisuuden ja toiseksi muuttujaksi sen, kuuluuko maa Euroopan Unioniin. Halusin tehdä tästä aiheesta, jotta siitä voisi olla hyötyä tulevaa matkailuani varten. Löysin tarvittavan rikollisuusaineiston vuodelta 2008 Euroopan tilastokeskuksesta.

Rikollisuuden määrä ilmoitetaan poliisien kirjaamina rikoksina, mikä on mielestäni ihan suuntaa antava ilmoitustapa, vaikkakin kartassa ei näy erikseen, millainen rikos on kyseessä. Niinpä kartan informaatio on hieman liioittelevaa. Toisaalta kuitenkin maissa, joissa on paljon rikollisuutta, kuten Ranskassa, Isossa-Britanniassa ja Espanjassa, tehdään varmasti paljon ”pieniä” rikoksia, kuten näpistyksiä. Näissä maissa on myös paljon enemmän asukkaita, joten rikoksien määrä on korkeampi. Kartta olisi itse asiassa pitänyt tehdä suhteellisesta aineistosta, mutta en tajunnut sitä tunnilla. Väkilukuun verrattuna tehtyjen rikosten määrä näyttäisi ihan erilaiselta.

Maissa, joissa tehdään paljon rikoksia, on myös paljon matkailua. Siksi päättelin, että suuri osa rikoksista voi olla pieniä rikoksia, kuten taskuvarkautta. Myös korkea väkiluku vaikuttaa paljon. Kartassa on myös 15 maata, joista ei ole ollenkaan tietoa. Nämä maat sijaitsevat lähinnä Itä-Euroopassa, jossa tietoja ei välttämättä merkitä niin tarkasti. Sellaiset maat, joissa on kartan mukaan vähän rikoksia, on myös yleensä vähemmän asukkaita, joten

Tähdellä merkityt maat kuuluvat Euroopan Unioniin. Ilmeisesti tällä seikalla ei ole juurikaan merkitystä rikosten määrään, vaikka toisaalta kartta on tehty väärin ja on siksi harhaanjohtava. Esimerkiksi Suomessa on tunnetusti korkea rikollisuus, mutta se ei näy kartalla, koska rikokset eivät ole suhteutettu väkilukuun. Myös luokkavälit ovat aika laajat, jolloin tarkempi vaihtelu maiden välillä varsinkin suurimmissa luokissa ei käy ilmi.

Viimeinen kerta oli melko vaikea, koska MapInfoa olisi pitänyt osata käyttää ilman apua, ja koska olen niin nero tietokoneiden kanssa, se ei kylläkään onnistunut. Niinpä vainosin Arttua taas koko tunnin, ja lopulta kartta onnistui aika huonosti. Huomaa, ettei niiden laatiminen ole minulla ihan vielä hanskassa. Kartta ei kerrokaan niin paljon kun ensin luulin, ja se antaa monesta maasta väärän kuvan. Kartasta voi kuitenkin huomata, kuinka helppoa kartoilla on esittää virheellistä informaatiota.

Jostain syystä kartta ei kylläkään näy…

Lähteet:

Eurostat http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/search_database 27.2.2011

EU-maat http://europa.eu/abc/european_countries/index_fi.htm

Kuudennella kerralla lähdimme ensin pakkassäällä kiertelemään Kumpulan ympäristöä ja harjoittelimme GPS-laitteen käyttöä. Se onnistuikin vielä ihan hyvin, mutta koordinaattipisteiden sijoittaminen MapInfoon olikin toinen juttu. Koska kukaan ei onnistunut saamaan pisteitä oikeisiin paikkoihin, siirryimme suosiolla kurssikerran varsinaiseen tehtävään, eli maanjäristyksien tutkimiseen maailmankartalla. Maanjäristystehtävä tuntui vaihteeksi helpolta ja mukavalta muutaman vaikeamman kursikerran jälkeen. Saimme käyttää maanjäristystietokantaa ja valita sen avulla, millaista aineistoa haluamme tarkkailla.

Kuva 1

Valitsin ensimmäisen kartan aiheeksi yli 8.0 Rischterin järistykset 1980-luvulta lähtien. Hausta tuli tulokset, jotka siirsimme Exceliin ja muokkasimme niitä MapInfolle sopivaan muotoon. MapInfossa käytimme toimintoa “Create spots”, jolloin maanjäristyspisteet ilmestyivät kartalle. Ensimmäisestä kartastani (Kuva 1) voi huomata, että tällaisia yli 8.0 Richterin järistyksiä on tapahtunut hyvin vähän viimeisen 30 vuoden aikana – vain noin 20. Ne ovat tapahtuneet poikkeuksetta mannerlaattojen liitoskohdissa muun muassa Intian, Euraasian ja Tyynemerenlaattojen risteyskohdissa. Kyseisillä alueilla onkin ollut paljon järistyksiä ja laatat työntyvät usein toisen alle, mikä aiheuttaa paljon jännitettä. (Lähde: Global tectonic activity map of the earth)

Kuva 2

Toisessa kartassa (Kuva 2.) on yli 6.0 Richterin ja yli 8.0 Richterin maanjäristykset. Myös nämä järistykset sijaitsevat suurimmaksi osaksi mannerlaattojen liitoskohdissa, mutta muutama poikkeuskin löytyy; esimerkiksi Havaijilla tapahtuu maanjäristyksiä siellä sijaitsevien tulivuorten ja niiden purkauksien vuoksi. Toinen kartta havainnoi hyvin sitä, kuinka suuri suma Tyynenmeren laatan molemmilla reunoilla, niin kutsutulla Ring of Fire -alueella, on maanjäristyksiä (Kennethin blogi). Maanjäristyksiä tapahtuu kuitenkin myös mantereella, kuten Euraasian, Afrikan ja Arabian laattojen välissä. Tällaiset järistykset voivat olla paljon tuhoisampia, koska ne tapahtuvat siellä, missä on rakennuksia ja ihmisiä.

Kolmas kartta (Kuva 3.) kuvaa yli 4.0 Richterin maanjäristyksiä maapallolla. Nämä järistykset ovat jo niin tavallisia, että niitä esiintyy myös selaisilla aluiella, jotka eivät ole lähellä mannerlaattojen reunoja. Kuitenkin muun muassa Suomi on silti ollut tällaisilta järistyksiltä turvassa ainakin 80-luvulta lähtien. Kolmas kartta osoittaa, kuinka paljon pienempiä järistyksiä tapahtuu ympäri maailmaa. Tällaisetkin järistykset voivat olla kuitenkin tiheästi rakennetuilla tai asutuilla alueilla vaarallisia. Kartta on kuitenkin hyvin täynnä pisteitä, joten olisin voinut valita myös lyhyemmän tarkasteluajan, ja se olisi ajanut silti asiansa.

Kuva 3

Lähteet: Global tectonic activity map of the earth: http://www.kolumbus.fi/lasse.barck/thaimaa/tsunami_tuhot/Akvitetti.jpg

Kennethin blogi: https://blogs.helsinki.fi/djupsjo/

Viidennen kurssikerran lisätehtävänä oli lukea artikkeli ”The Basics of Geographic Information Systems” (Blinn et al. 1993). Artikkelin alussa esiteltiin GIS:n käyttöä hyvin seikkaperäisesti, joten se oli varmaan suunnattu sellaisille lukijoille, jotka eivät tiedä asiasta paljoa. Toisaalta juttu on kirjoitettu vuonna 1993, jolloin geoinformatiikka oli vieras käsite varmasti monelle, joten artikkelista on saattanut olla hyötyä suuremmallekin joukolle. Suurin osa artikkelissa esitetyistä tiedoista on siis jo ennestään tuttua, mutta jotain uuttakin se toki opetti. Uutta oli esimerkiksi se, minkä Irenekin mainitsee blogissaan, että GIS:ssä tärkeintä eivät ole karttojen tutkiskeluun tarkoitetut ohjelmat, vaan itse aineisto.

Suurimpia eroja karttojen laatimisessa geoinformatiikan avulla ja ilman on muun muassa se, että tietokoneilla ja GIS:llä tehtyjä karttoja on paljon helpompi muokata ja päivittää, mikä on varmasti ollut suuri muutos aikanaan. Myös kaikki joltain alueelta tehty tiedonkeruu, kuten pinta-alat ja välimatkat, on helpompi esittää ja laskea geoinformatiikalla laadituista kartoista. Myös karttojen muokkaaminen niin, että kahdesta tai useammasta kartasta saadaan helposti yksi kartta, on helpompaa. Vanhoilla kartoilla tämä ei käynyt niin kätevästi, koska jouduttiin käyttämään valopöytää.

Tekstissä käsiteltiin myös rasteri- ja vektorimuotoisten aineistojen eroja. Rastereita käytettäessä tarvitaan koordinaatistoa, jonka jokaisella ruudulla on tietty arvo. Aineiston koko riippuu käytetyn koordinaatiston ruutujen koosta, jolloin pienempi ruutukoko on tarkempi, mutta tiedostokoko on silloin suurempi. Rasteriaineistoa on helpompi tuottaa kuin vektoriaineistoa, ja sitä on hyvin saatavilla, koska esimerkiksi karttakuvat perustuvat rastereihin (Petran blogi). Vektoriaineisto taas koostuu pisteistä, viivoista tai alueista. Eri kuviot tarkoittavat eri asiaa, kuten taloa tai vesistöä. Vektorikarttojen hyviä puolia ovat niiden helpompi muokattavuus ja parempi tarkkuus, vaikka ne ovatkin näistä syistä suurempikokoisia tiedostoja; rasteriaineistolla esimerkiksi talo voidaan piirtää vain merkitsemällä talon koordinaatit, kun vektorimuotoisessa aineistossa talot pitää piirtää ja sijoittaa itse.

Overlay-analyysi tarkoittaa sitä, että yhden kartan informaatio on merkitty tietokoneohjelmassa monelle eri ”kerrokselle”, eli esimerkiksi tiet, vesistöt ja pellot ovat omilla tasoillaan. Näitä tasoja voidaan lisätä ja poistaa oman mielen mukaan ja tarkastella aluetta juuri niillä ominaisuuksilla, joita sillä hetkellä tarvitaan. Tämä karttojentulkintatapa on hyvin tarpeellinen. Esimerkiksi jos jollekin alueelle halutaan rakentaa, kartalle voidaan valita kerros, jossa on vain maaperä. Näin voidaan tutkia, missä on paras rakennusmaa. Overlay-analyysiä voi käyttää myös lukuisiin muhin sovelluksiin, joten se on monella alalla hyvin tarpeellinen.

Lähteet:

Irene Mäkitalon blogi: https://blogs.helsinki.fi/imakital/

Petra Reimin blogi: https://blogs.helsinki.fi/preimi/

Mielestäni kartat Yhdysvalloista, joissa ilmoitetaan monia asioita tulotasosta koulutukseen ja muihin muuttujiin, ovat mielenkiinotisia. Toisaalta se on hyvä asia, että tällaisia tietoja ilmoitetaan kaikelle kansalle; näin kaikilla on mahdollisuus tutkia tietoja ja tietää kuinka asiat ovat. Tiedot voivat auttaa tutkimuksissa ja auttavat suhtautumaan kyseessä oleviin tietoihin todenmukaisesti.

Tietoa tarjotaan palvelussa melko paljon niistä aiheista, joita ohjelmassa käsitellään. Esimerkiksi kategoriassa “Housing and Families” on monia eri tarkastelukohtia. Tiedot rajoittuvat kuitenkin melko harvaan aihepiiriin. Esimerkiksi Suomen tilastokeskuksesta löytyy tietoa vaikka mistä aiheesta. Toisaalta näitä tietoja ei saa esitetyksi karttamuotoisena, mikä helpottaisi tiedon tulkitsemista. Ja varmasti Yhdysvalloilla on myös toisenlaisia tilastosivustoja muistakin aiheista kuin näistä neljästä.

Tässä palvelussa hyvää on myös se, että kartoille saa vain yhden muuttujan kerrallaan, esimerkiksi pelkkien aasialaisten lukumäärän ja sen, kunka paljon heitä on alueittain. Tämä mahdollistaa paljon yksityiskohtaisemman tutkiskelun. Toisaalta tällainen tarkka luokittelu saattaa johtaa erotteluun muun muassa paikkojen, sosiaaliluokkien tai syntyperän suhteen. Se saattaa leimata jotkut asuinalueet huonommiksi kuin muut – kartoissahan ilmoitetaan kaikki tiedot katutarkasti -, mikä voi johtaa sosiaaliseen segrekaatioon tai asuinalueen muuttohalukkuuden laskuun. Myös kartta “Same sex couples” on mielestäni hieman turha tällaisessa yhteydessä, mutta toisaalta se voi auttaa myös samaa sukupuolta olevien pariskuntien asunnonetsinnässä.

Suomen järjestelmässä, jossa yksityiskohtaiset tiedot täytyy tilata erikseen, on hyvät puolensa. Yleensä tietoja tilaavat vain lähinnä ne, jotka tarvitsevat sitä johonkin merkittävään, eli esimerkiksi tutkijat tai viranomaiset. On siis ihan hyvä pitää tieto suomalaisten yksityisyydestä rajattuna, jotta tuntisimme olomme turvalliseksi. Internetin tietopalveluissa onkin nykyään juuri se uhka, että kuka vaan voi saada tietoa kenestä vaan.

Kartat Yhdysvalloissa voivat auttaa monenlaisessa tutkimuksessa uusien asuinalueiden rakentamisesta erilaisten koulutusjärjestelmien suunnittelemiseen, joten kartoista on myös paljon hyötyä. Niinpä kehittyvissä paikkatieto- ja muissa järjestelmissä on paljon uusia mahdollisuuksia – niin hyvässä kuin pahassa.

Lähteet: New York Timesin paikkatietopalvelu  http://projects.nytimes.com/census/2010/explorer)

Neljännen kurssikerran aiheena oli ruututeemakarttojen tekeminen. Laadimme ensin harjoituskartan pääkaupunkiseudun asukasmääristä. Käytimme hyväksemme myös kolmannella kurssikerralla oppimiamme asioita, kuten datan tuomista toiseen aineistoon. Kurssikerran lopussa harjoittelimme myös rasterikartan kiinnittämistä koordinaatistoon MapInfon avulla, ja merkitsimme kartan päälle MapInfolla ”piirtämällä” talot, tiet, vesistön ja nimet. Neljäs kurssikerta oli helpompi kuin kolmas.

Laadin ruutumatriisilla kaksi karttaa; toisen kartan ruudut ovat kokoa 500 m x 500 m ja toisen 1000 m x 1000 m. Kartat käsittelevät pääkaupunkiseudun keski-ikää alueittain. Meinasin ensin laittaa blogiini suurempipikselisen kuvan, mutta päädyin siihen, että pienemmistäkin pikseleistä saa tarpeeksi selvää. Valitsin luokkien lukumääräksi neljää, jolloin kartta on selkeämpi.

Karttani kuvaa keskimääräistä ikää alueittain pääkaupunkiseudulla. En ymmärtänyt karttaa laatiessani, että valitsin melko huonon muuttujan, sillä sitä on vaikea tulkita. Kun esimerkiksi asukaslukukarttaa tehdessämme pystyimme laskemaan kaikki ihmiset yhteen ja tekemään luokittelun sen perusteella, jouduin nyt laskemaan ensin iät yhteen ja ottamaan sitten niistä keskiarvon, että luokittelu pysyi järkevänä.

En laittanut karttaani teitä, koska ne olisivat tehneet siitä liian sotkuisen näköisen. Koitin kuitenkin, josko tiet olisivat paljastaneet jotain mielenkiintoista ikäjakaumasta, tai jos iän ja tiestön jakautumisella olisi ollut jotain yhteyttä tai vaikutusta toisiinsa, mutta en huomannut mitään erikoista, joten en senkään vuoksi laittanut teitä näkyviin. Lisäsin kuitenkin rautatiet. Rautatien sijainnilla ei juurikaan ole yhteyttä pääkaupunkiseudun keski-ikään, mutta jotain yhteyttä voi huomata nuorten, vähän yli 20-viotiaiden sijainnilla ja rautateillä. Kuitenkin myös muunikäsiä suu rautatien varrella.

Kuva 1. Pääkaupunkiseudun keski-ikä

Ruutumatriisin käyttö absoluuttisia arvoja kuvatessa on käytännöllinen, jos halutaan tutkia jonkun alueen absoluuttisia arvoja, vaikkapa asukasmääriä. Tieto asukasmääristä voi olla hyödyllinen esimerkiksi suunniteltaessa, mihin kannattaa sijoittaa uusia asuinrakennuksia. Kuitenkin absoluuttiset arvot vaikka vanhusten määrässä eivät ole kovin suuntaa-antavia, sillä ne eivät kerro vanhusten määrää suhteessa muuhun väestöön. Niinpä esimerkiksi vanhainkotien rakentamista ei tule perustaa pelkkien absoluuttisten arvojen tarkasteluun.

Ruututeemakartoilla on informatiivista arvoa, vaikka niiden ilmoittava tieto on erilaista kuin esimerkiksi pistekarttojen ilmoittama tieto. Pisteteemakartoissa pisteet voivat ilmaista jonkin tiedon sijaintia ja niiden koko tiedon kokoa verrattuna muuhun tietoon. Niinpä pistekarttojen informaatio voi olla alueellista. Pisteet saattavat kuvata myös absoluuttisia arvoja, kuten väkilukua. Koropleettikarttojen tiedot taas jakaantuvat yleensä kuntien rajojen mukaan, mikä saattaa vääristää karttaa, sillä toiset kunnat ovat suurempia kuin toiset. Koropleettikarttojen tiedot ilmoitetaan suhteellisina arvoina, joten sellaisilla kartoilla ei ole mahdollisuutta ilmaista absoluuttisia arvoja. Ruututeemakartat eroavat juuri siinä muista kartoista, että niillä voi esittää myös absoluuttisia arvoja. Siksi niillä on erilaisia käyttötarkoituksia kuin edellä mainituilla karttamuodoilla – kuhan niitä osataan lukea oikein.

Ruututeemakarttoja lukiessa pitää ottaa huomioon, että arvot ovat juuri niitä mitä legendassa lukee, eli ei prosentuaalisia arvoja. Kuten Irene kirjoittaakin blogissaan, olemme tottuneet tulkitsemaan lähinnä  karttoja, joissa on suhteellisia arvoja, joten tällainen kartta voi olla hyvin hämäävä.  Jos kartta kuvaa vanhusten määrää, se ei ilmoita sitä, kuinka paljon muita ikäluokkia alueella on. Niinpä korkea vanhusten määrä voi saada ajattelemaan, että alueella on enemmän vanhuksia kuin muuta väestöä, vaikka totuus voi olla se, että alueella asuu muuten vain paljon ihmisiä. Karttojen luettavuuteen vaikuttaa siis muutkin tekijät kuin kartassa kuvattu tieto.

Lähteet: Irene Mäkitalon blogi https://blogs.helsinki.fi/imakital/

Kolmannella kurssikerralla harjoituskarttana toiminutta Afrikan karttaa käytettiin myös lisätehtävän aineistona. Kartalle merkittiin Afrikassa tapahtuneiden konfliktien määrä ja konfliktialueet, öljykentät sekä timanttikaivokset.

Kartasta voi nähdä selvästi, että öljykentät sijoittuvat Pohjois-Afrikkaan, lähinnä Algerian, Tunisian, Libyan ja Egyptin kohdalle (2011 Tiedotusblogi). Konfliktit taas sijoittuvat lähes ympäri Afrikkaa poissulkien muutaman alueen Pohjois-Afrikassa. Yllättävää on se, että suurin osa öljykentistä on konfliktitonta aluetta. Surullista on se, että jokainen Afrikan valtion on ollut jotenkin osallisena konfliktissa. Timanttikaivosten ja konfliktien välillä on selvä yhteys, sillä lähes jokainen kaivos sijaitsee konfliktialueella. Tämä ei ole kuitenkaan yllätys, sillä monessa Afrikan valtion sodassa timanttikaivokset ovat olleet yksi sodan aihe.

Jos konfliktien laajuus on tiedossa, uusien konfliktien ennakoiminen ja laajuuden arvioiminen voi olla helpompaa. Konfliktien tapahtumavuodesta voi päätellä ainakin, kuinka herkkä alue vielä on; jos konfliktista on jo monta vuosikymmentä, alueella ei luultavasti enää ole vaarallista. Tämä tieto voi olla hyödyllistä vaikka matkailussa suunniteltaessa alueelle matkoja.

Timanttikaivosten löytämisvuoden perusteella voi suunnilleen päätellä, onko kaivosta ehditty käyttää paljon. Myös kaivausten aloitusvuodesta voi päätellä saman. Jos konfliktien aloitusvuosi on timanttikaivosten löytämis- tai kaivausten aloitusvuoden tienoilla, voi yleensä olettaa että niillä on jotain vaikutusta toisiinsa. Karttaa tutkimalla voi siis todeta, että luonnonvarojen suuret esiintymät aiheuttavat myös suuria konflikteja alueella asuvien valtioiden tai heimojen kesken. Konfliktithan usein sijoittuvat jonkun maan rajojen sisälle, eli riitoja käydään usein heimojen kesken, ei välttämättä valtioiden kesken.

Internetin käyttäjien määrästä konfliktialueilla voisi tutkia esimerkiksi, kuinka paljon tieto leviää. Internetissä on helppo levittää aatteita, ja sieltä näkee myös muiden maiden mielipiteet asiaan. Internetillä oli luultavasti suuri asema tiedon levittämisessä esimerkiksi talven 2011 kahakoissa Pohjois-Afrikassa. Internetin käyttäjien määrä voi kuitenkin myös laskea konfliktien vuoksi.

Lähteet:

https://blogs.helsinki.fi/tvt3-2011/files/2011/01/Afrikka.png

Kuva 1. Tulvaindeksi ja järvisyys Suomessa

Kolmannen kurssikerran aiheena oli datan käsittely MapInfossa ja datan siirtäminen toisesta ohjelmasta (tässä tapauksessa Excelistä) MapInfoon. Tähän mennessä kurssikerrat olivat tuntuneet helpoilta, mutta kolmanteen kertaan katkesi ainakin minun voittoputki. Datan siirtäminen oli jostain syystä vaikeaa; ehkä siksi, että ohjelmaa käytetään englanniksi, tai siksi, etten osaa yleensäkään käyttää tietokoneohjelmia, joiden käyttö poikkeaa vähänkin helposta.

Harjoittelimme ensin datan siirtämistä käyttäen pohja-aineistona Afrikan karttaa. Opettelimme muun muassa aineiston siirtämistä Excelistä MapInfoon ja eri aineistojen yhdistämistä MapInfossa. Aineistojen yhdistämisen hyöty on se, että yhdistämisen jälkeen niiden avulla voidaan muun muassa tehdä laskutoimituksia ja laatia sen jälkeen karttoja. Jotkut toiminnot jäivät edelleen vähän hämärän peittoon, mutta luulisin osaavani käyttää nyt suurinta osaa opetelluista jutuista.

Opittuamme data-aineistojen käytön, aloitimme tulvaindeksi- ja järvisyyskarttojen laatimisen. Kun asiaa käytiin yhdessä läpi, pysyin ihan hyvin mukana, mutta kun sama piti soveltaa itse, en juurikaan osannut tehdä mitään. Kun olin pyytänyt apua viitisen kertaa ja pyöritellyt peukaloita puoli tuntia, alkoi ohjelman käyttö lopulta onnistua – eikä edes ollut kovin vaikeaa. Niinpä laadin kartan yhdisteltyäni muutamat aineistot ja annettuani pari käskyä ohjelmalle.

Kuten arvata saattaa, suurin tulvaindeksi on Pohjanmaalla, koska siellä on paljon jokia ja tasainen maaperä. Siellä myös maankohoaminen on voimakkainta, mikä vaikuttaa veden virtaamiseen. Myös etelärannikolla on kartan mukaan tulvaherkkyyttä. Tätä selittää myös tässä tapauksessa jokien korkea määrä ja se, ettei maa ole ehtinyt kohota rannikolta niin paljon kuin sisämaasta. Lappi sijoittuu suurimmaksi osaksi toisiksi suurimpaan luokkaan. Myös siellä maankohoaminen on vielä melko voimakasta, ja jokien lukumäärä on keskimääräistä suurempaa. Ja kuten Anna toteaa blogissaan, myös lumen nopea sulaminen voi aiheuttaa tulvia niin näillä alueilla, kuin muuallakin Suomessa.

Pienin tulvaindeksi on sisämaassa Järvi-Suomessa sekä Kajaanin seudulta Karjalaan. Järvet eivät tulvi niin helposti kuin joet, sillä ne ovat laajoja ja vesi pysyy helpommin aisoissa. Keski-Suomessa ja Kainuun seudulla taas on paljon korkeusvaihtelua eikä niin paljoa vettä, että se pääsisi tulvimaan. Myöskään Karjalassa tai Itä-Suomessa ei ole paljon vesistöjä, jotka aiheuttaisivat tulvimista. Vähän tulvivilla alueilla myös maankohoaminen on lähes pysähtynyt, sillä jää on poistunut sieltä ensimmäisenä.

Kartasta voi huomata, että järvisyys ja tulviminen eivät kulje käsi kädessä; korkeimmat järvisyyttä kuvaavat tolpat sijaitsevat alueilla, joilla tulvaindeksi on pienin. Tämä johtuu juuri siitä, etteivät järvet tulvi niin helposti kuin joet. Niinpä esimerkiksi järvisimmässä Suomessa on vähiten tulvimista.

Kartassa epämääräistä on värivalinnat, sillä sininen väri olisi kuvannut työtä paremmin. En kuitenkaan halunnut käyttää taas sinistä väriä, koska olen jo käyttänyt sitä, ja nämä värit ovat kuitenkin selviä ja toimivat tarkoituksessaan. Kurssikerrasta opin ainakin sen, että MapInfon (ainakin minulle) vaikeampia toimintoja voi oppia käyttämään ja ohjelmaa ymmärtämään. Opin myös, kuinka aluksi vaikea tehtävä ja aineisto saattaa ollakin ymmärrettävä, kun ajattelee ja käyttää aikaa tehtävän suorittamiseen.

Lähteet:

Anna Virkkalan blogi: https://blogs.helsinki.fi/annvirkk/

Artikkelissa vertaillaan koropleettikarttojen ja päällekkäisten teemakarttojen toimivuutta erilaisissa tilanteissa esittää jotain ilmiötä, ja päädytään siihen, että koropleettikartoilla voi esittää paremmin alueellista vaihtelua, kun päällekkäisillä teemakartoilla pystytään esittämään paremmin kahden asian välistä suhdetta. Artikkelissa kuitenkin huomautetaan, että päällekkäisten teemakarttojen laatiminen on tarkkaa, jotta kartta olisi selkeä. Niinpä luokkia ei saa olla liikaa, ja värit tulee valita loogisesti.

Artikkelissa käytetty esitystapa voi tuoda teemakartografiaan muun muassa sen lisän, että värejä voidaan käyttää havainnollistamaan jotain tiettyä ilmiötä paremmin kuin rasterimuotoinen ilmaisu, tai väreillä voidaan ainakin luoda joitain mielikuvia mitä rastereilla ei voi luoda. Vaikka suurimman osan mielestä koropleettikarttoja on helpompi lukea kuin päällekkäisiä teemakarttoja, voivat ne kuitenkin helpottaa joidenkin – ainakin ammattilaisten – karttatulkintaa tai laadintaa.

Artikkelista oli vaikea ymmärtää ainakin matemaattiset kaavat ja sovellukset luokituksessa, sillä ne eivät olleet kovin maantieteellisestä näkökulmasta perusteltuja. Myös esitystapa, jossa luokittelu havainnollistettiin koordinaatiston ja lineaarisuuden avulla oli vähän vaikeaselkoinen luultavasti siksi, että en ole tottunut tulkitsemaan vastaavanlaisia kaavioita.

Mielestäni teemakarttaa on vaikeampi lukea kuin toisenlaisia teemakarttoja, koska legenda on epäselvä. Tekstissä selitetään, mitä värien tulisi tarkoittaa, mutta mielestäni legenda on sekava. Jotta legendaa ymmärtäisi helposti vilkaisemalla, lukijan täytyy olla tottunut vastaavanlaisiin esitystapoihin, minkä vuoksi legenda ei ole mielestäni selkeä.

Legenda poikkeaa tavallisesta muun muassa niin, että se on vain yksi laatikko, jossa on erilaisia värejä, joiden perusteella pitäisi tehdä johtopäätöksiä. Tavallinen legenda taas muodostuu pienistä yksittäisistä laatikoista, jotka ovat kaikki erivärisiä ja kuvaavat eri asiaa tai jonkin asian eri asteita. Jokaisella laatikolla on myös oma selityksensä. Tässä kartassa legendan idea on esittää yhteyttä maalla asuvien ja alle 18-vuotiaiden välillä ja todistaa se lineaarisella yhteydellä. Legendasta voi huomata, että tekijöiden välillä on positiivinen korrelaatio.

Esitystapa asettaa kohdeyleisölle paljon kartan tulkitsemiseen liittyviä vaatimuksia; tulkitsijan täytyy hallita sekä maantieteellinen että jonkin asteinen matemaattinen tietämys, jotta vääriltä tulkinnoilta vältyttäisiin. Tällä tulee olla myös kokemusta samantyylisistä esitystavoista, jotta tulkinta olisi lähes virheetön.  Lukijan tulee tehdä paikkansapitävät tulkinnat sekä legendasta että kartasta.

MapInfolla tehdyt kartat ovat mielestäni selvempiä juuri siksi, että olen tottunut niihin ja karttojen legendat ovat helpompia tulkita. Myös artikkelin neljännen kuvan A-kohdan legendaa olisi melko helppo tulkita, sillä se on looginen. MapInfon teemakattojen laatimismahdollisuudet ovat paljon monipuolisemmat, mikä moninkertaistaa ohjelman käyttömahdollisuudet ja hyödyllisyyden. Jos ohjelmaa osaa käyttää oikein ja ymmärtää mitä tekee, ohjelma ohjaa kartografista toteutusta. Päinvastaisessa tilanteessa voi käydä juuri toisin päin.

Ensimmäisellä kurssikerralla aiheena oli MapInfo -tietokoneohjelma ja sen käyttöperiaatteet. Aluksi laadimme yhdessä harjoituskartan pääkaupunkiseudulta, ja harjoittelimme samalla MapInfon käyttöä. Kartan aineisto siirrettiin histogrammi-ohjelmaan, joka havainnollisti aineiston jakautumisen. Tämä avulla oli helpompi valita, miten jakauman luokitteli MapInfossa niin, että kartasta tuli informatiivisempi ja objektiivisempi.

Sen jälkeen laadittiin oma koropleettikartta. Valitsin aiheekseni miesten prosentuaalisen osuuden Suomessa kunnittain. Tein kartastani sinisensävyisen luomaan nopeasti mielikuvan siitä, mihin aihealueeseen kartta liittyy. Valitsin viisi luokkaa suurimman luokan ollessa 51,7–55,1 ja pienimmän 44,7–46,8. Vaikka luokkia on viisi, värit erottuvat kuitenkin toisistaan, ja näin sain karttaani myös enemmän vaihtelua. Valitsin luokat niin, että reunimmaisiin luokkiin jäisi vain vähän aineistoa, jotta ääriluokat korostuisivat.

Laadin aineistostani histogrammin, ja se jakautui lähes normaalisti; suurin huippu sijaitsee juuri 50 prosentin kohdalla. Normaalijakautuneisuuden vuoksi valitsin luokittelutavaksi keskihajonnan perusteella tapahtuvan luokittelun, jolloin keskimmäisiin luokkiin jäi eniten arvoja, ja ääriluokkiin jäi ne arvot, jotka todella erosivat aineiston valtavirrasta.

Kuva 1. Lähes normaalisti jakautunut aineisto miesten prosentuaalisesta osuudesta kunnittain.

Eniten miehiä on prosentuaalisesti Lapissa. Lapin pohjois-, itä- ja eteläosien kunnat ovat miespainotteisia niin, että vähintään noin 52 prosenttia kunnan asukkaista on miehiä. Lapissa muutamaa poikkeusta lukuun ottamatta kaikki kunnat ovat sellaisia, joissa miesten osuus ylittää 50 prosenttia. Miesenemmistöisiä kuntia on jonkin verran myös muualla Suomessa, mutta paljon vähemmän kuin Pohjois-Suomessa.

Kuten arvata saattaa, eniten maassamme on sellaisia kuntia, joissa on lähes yhtä paljon miehiä ja naisia. Kuitenkin kuntien jakautumisesta luokkien perässä voi päätellä, että miespainotteisia kuntia olisi hieman enemmän. Tämä luulo voi syntyä myös luokittelutavan harhaanjohtavuudesta – naisia ja miehiä kuitenkin pitäisi yleensä olla suurin piirtein saman verran.

Kuntia, joissa naisten osuus ylittää 55 prosenttia, on vain 16. Yllättävää on kuitenkin se, että nämä kunnat sijoittuvat lähes kaikki suurkaupunkien kohdille. Oikeastaan kaikki naispainotteiset kunnat ovat Suomen suurimpia kuntia. Tämä voi selittyä muun muassa sillä, että miehiä asuu varmasti enemmän maalla maataloustöissä. Naisten lukumäärää voi selittää myös se, että monet työssäkäyvät sinkkunaiset asuvat suuremmissa kaupungeissa, vaikka toki kaupungeissa asuu myös sinkkumiehiä. Lapin kuntien miespainotteisuuden – Rovaniemeä lukuun ottamatta – voi selittää sillä, että monet naiset saattavat muuttaa pois periferioilta suurempiin kaupunkeihin, kun taas miehet jäävän kotiseuduilleen. Varmoja syitä ilmiölle en kuitenkaan osaa tässä yhteydessä sanoa.

Suurimmassa osassa Suomea kuntien jakautuminen nais- ja miespainotteisten kuntien välille on kuitenkin niin tasaista, että hypoteesi, jonka mukaan miehiä ja naisia on suurin piirtein saman verran, toteutuu. Myös luokittelussa tällaiset tasapainoiset kunnat muodostavat yli 80 prosenttia koko kuntien lukumäärästä.