The Last One

Viimosiä vierään.

Viimeisen kurssikerran työnä oli luoda itse itsenäisesti omavalintaisesta alueesta kartta aiheesta jonka sai päättää itse. Siis yksin. Itsenäiseseti. Apua.

Jos nyt totta puhutaan niin ensireaktioni oli todellisuudessa positiivisempi ja hieman rohkeampi. Minulle on tullut kurssin aikana muutaman kerran mieleen että käsitellyistä aiheista ja tehdyistä kartoista olisi hauska tehdä itse lisää karttoja. Olin siksi aluksi innoissani tästä tehtävästä, kunnes todellisuus iski vasten kasvoja. Homma ei sit skulannukkaan niiku olin suunnitellu.

Aluksi yritin pitkään tehdä karttaa Euroopan valtioden välisistä eroista, mutta vastaan tuli ongelma etten millään löytänyt samaa tiettyä tilastoaineistoa kaikista valtioista. (Toim. huom. muut ovat selkeästi löytäneet vaikka minkälaista tietoa Euroopasta ja onnistuneet luomaan mielettömiä karttoja, olen siis vain huono.) Tietoa löytyi usein vain noin puolesta valtioista, joten pieni perfektionisti sisälläni ei näitä aineistoja hyväksynyt. Onneksi luovutin (tai toisaalta rohkastuin) ja vaihdoin käsiteltäväksi alueeksi Ruotsin. Esimerkiksi Petra Saari oli ongelmitta löytänyt Euroopan tilastoja köyhyyden ja sosiaalisen eristäytymisen riskistä väestöllä, nuorten työttömyydestä ja toiseen karttaansa väestönmäärästä ja turismista. Molemmat kartat olivat mielestäni selkeitä, kuvaavia ja hyvintehtyjä. Vastaavanlaiset olisin itsekin mahdollisesti halunnut tehdä, mutta en vain selkeästi kyennyt (:D)

Hain www.naturalearthdata.com sivulta suurimittakaavaisen maailmankartan tarkkuudella 1:10 000 000 jossa siis kartalla 1cm vastaa luonnossa 100km. Valitsin kartalle näkymään myös hallinnolliset rajat. Kartan aukaisu MapInfossa onnistui, ja valitsin kartalta käsiteltäväksi alueeksi Ruotsin ja sen hallinnolliset rajat, tässä tapauksessa läänirajat.

Seuraavaksi aloin etsiä tilastoaineistoa erilaisista ilmiöistä Ruotsista. Siirryin tilastokeskuksen sivuilta (www.stat.fi) Ruotsin vastaavaan (www.statistikdatabasen.scb.se) josta löysin paljon tilastollista tietoaineistoa karttojani varten. Aluerajaus, jonka tietokannoissa valitsin oli Nuts 3 -aluejako. Se on kolmiportaisen kansainvälisiin tilastointitarkoituksiin kehitetyn aluejaon korkein ja samalla “tarkin” luokitus. Nuts 3-alueluokitus vastaa Ruotsin läänejä, joita on 21 kpl, joten se sopi tarkoituksiini kuin nenä päähän. Tietokantojen tuonti MapInfoon sisältsi kuitenkin vielä monta pientä ja kinkkistä välivaihetta, joihin kuului mm läänien virallisten nimien muuttaminen käsin vastaamaan paikaktietoaineiston läänien nimityksiä, jotta ne sai yhdistettyä oikein.

Loppupeleissä karttojen luonti ja aineistojen haku ei kuitenkaan ollut rakettitiedettä, kun tiesi mitä haki ja mistä, onnistui homma muutamalla napinpainalluksella ja aikaa se vei vaan muutamia minutteeja. Samat virheet pitää toistaa tarpeeksi monta kertaa jotta niistä oppii ja homma alkaa sujua rutiinilla. Ei aina mukavaa mutta äärettömän tehokasta, valitettavasti.

Ensimmäisen luomani kartan (kuva 1) pohjalla on koropleettikarttana väestön absoluuttinen määrä ja sen päällä pylväsdiagrammina liikenneinfrastruktuurin käytetty pinta-ala hehtaareina. Teiden pinta-ala oli mielestäni mielenkiintoinen aihe johon en ollut aikaisemmin törmännyt. Kartta 1 onkin aikalailla sellainen kuin osasinkin odottaa. Mielenkiintoista olisi ollut lisätä samaan karttaan myös Suomesta ja Norjasta vastaavat tiedot.

Sieppaa6
Kuva 1.

Toinen luomani kartta (kuva 2) esitti koropleettikarttana väestöntiheyttä ja erikokoisin vihrein pallosymbolein suojellun maa-alan määrää hehtaareina.

Sieppaa7
Kuva 2.

Aivan ensimmäiseksi haluan pyytää anteeksi kaikilta punavihersokeilta. En ajatellut ihan loppuun asti tällä kertaa värivalintoja toiseen karttaani.

Toiseksi haluan huomauttaa pienestä mahdollisesta väärinymmärryksestä, jonka kartta 2 voi aiheuttaa. Kysessä ei ole suora väestöntiheys, vaan kartan asukastiheys tarkoittaa kaupunkialueiden väestön määrää suhteessa muihin alueihin ja kyseessä on näin prosenttiosuus. Legendan otsikko pitäisi olla eri otsikolla, jotta asia olisi helpompi ymmärtää oikein tai sitte minun olisi pitänyt laittaa kartalle se oikea aito väestöntiheys, anteeksi tästä.

Hävettää hieman myöntää, ettei minulla ollut kauheasti käsitystä Ruotsin eri alueiden asukkaiden määristä ennen tätä. Skånen ja Tukholman lähiseudun olen tiennyt olevan mahdollisesti tiheimmin asuttuja, mutta muuta en osannut sanoa. Opittua tuli siis myös tältä kantilta.

Minun silmääni pistää Länsi-Götanmaan läänin suuri väestömäärä, mutta toisaalta alueellahan on suuria kaupunkeja kuten Göteborg ja lääni on pinta-alataan myös suurimmasta päästä. Olisin kuvitellut teiden pinta-alan olevan suurempaa kuitenkin ennemminkin Tukholman seudulla. Myös Länsi-Götanmaan läänin suojeltujen maa-alajen vähyys (kuva 2.) ihmetytti. Olisin kuvitellut että esimerkiksi Vänernin läheisyys olisi vaikuttanut positiivisesti mutta ei.

Muthei, selvisin!

Lähde:

Saari, P. (2016) Euroopan köyhyys ja turismi <https://blogs.helsinki.fi/petrasaa/2016/03/10/euroopan-koyhyys-ja-turismi/> (15.3.2016)

<www.naturalearthdata.com> (1.3.2016)

<www.stat.fi> (1.3.2016)

<www.statistikdatabasen.scb.se> (1.3.2016)

The One with GPS, Trash Cans And Maps

Kuudennella kurssikerralla pääsimme heti ensitöiksi ulkoilemaan ja opettelemaan GPS-paikantimen käyttöä, pisteiden keräämistä ja niiden siirtämistä lopulta kartalle. Lähdimme ryhmissä kiertämään Kumpulan ympäristöä ja keräämään GPS-pisteitä valitsemastamme ilmiöstä. Ryhmämme keräsi Kumpulan kampuksen ja sen lähiympäristön roskisten GPS-pisteet paikantimeen tallennettuna ja paperille kirjoitettuna, sijainti(x ja y-koordinaatteina)- ja korkeustietona noin 10 metrin tarkkuudella. Hommaa jatkoimme seuraavaksi sisätiloissa.

Kerätyistä GPS-pisteitä tehtiin Excel-taulukko, jonka siirsimme taas MapInfoon. Kumpulan alueen pohjakartalle loimme näin pistekartan tutkituista ilmiöistä. Meidän ryhmämme onnistui sijaintitietojen kanssa yllättävän hyvin ja ainoastaan 1 piste 16:sta oli hieman poissa kohdaltaan. Harjoittelimme myös yhdessä paikantimen yhdistämistä tietokoneisiin ja GPS-pisteiden tuontia MapInfoon. Huomattavasti yksinkertaisempaa mielestäni oli kuitenkin pisteiden käsin kirjoitus ja Excelin kautta MapInfoon tuominen. Korkeustiedot heittivät meillä monilla kymmenillä metreillä ja ne myös vaihtelivat rajusti, mutta se on kuulemma täysin normaalia ja meistä riippumatonta (huh).

Kurssikerran toinen yhteisharjoitus käsitteli geokoodausta. Avasimme MapInfoon Helsingin kartan ja sen lisäksi Excel taulukon pelikoneista. Tehtävänä oli paikantaa pelikoneet kartalle toisen tietokannan (Helsingin teistä) avulla. Tiedostot tarkistettiin, laitettin asetukset kuntoon ja aloitettiin geokoodaus. Ohjelma yhdisti tietyin tarkkuuskriteerein tietokantojen tiennimet ja kadunnumerot, ja sijoitti pelikoneet tiettylle, määritetylle etäisyydelle teistä. Muokkailimme tarkkuuskriteerejä ja yhdistimme eri ulkoasuisia kadunnimiä ja saimme lopulta aikaiseksi Helsingin kartan, johon on merkitty kaikki alueen pelikoneet. Geokoodaus has happened.

Itselle tuli tässä vaiheessa mieleen, että olisi ollut mielenkiintoista lisätä kartalle vielä tietoa esimerkiksi peliongelmaisten määrästä eri alueilla Helsingissä. (Toim. Huom. alan kuulostaa liian kiinnostuneelta maantieteilijältä. apua.)
Mutta kuten Mia Toivonen blogissaan (2016) toteaa, olisi tietoja peliongelmaisista varmasti vaikea paikantaa kartalle, koska tiedot ovat arkoluontoisia ja luottamuksellisia ja kaikilla ei välttämättä ole edes kotiosoitetta.

Kurssikerran itsenäistehtävä käsitteli tällä kertaa hasardeja ja niiden alueellista esiintymistä. Meidän tuli itse hakea Internetistä (linkit oli valmiina, kiitos kaunis!) tietoa erityisesti maanjäristyksistä, mutta myös tulivuorenpurkauksista ja meteoriittien putoamispaikoista ja luoda 3 karttaa, joita voisi opettajana tuntityössä käyttää havainnolistamaan hasardeja ja niiden alueellista sijoittumista.

Kuten aina, suurin osa ajasta minulta meni päätöksen tekoon (Millon mä opin keskittymään olennaiseen??), että mistä aiheesta ja millä rajauksella kartat teen. Päätin käsitellä tulivuorenpurkauksia ja maanjäristyksiä ja sain aikaan seuraavat kartat.

kurssi6_1
Kuva 1.

Ensimmäisessä luomassani kartassa (kuva 1) on esitettynä vuoden 2002 jälkeen tapahtuneet yli 8 magnitudin maanjäristykset oransseina (aurinko)symboleina ja tulivuorenpurkaukset vuoden 1964 jälkeen merkittynä punaisina kolmioina. Halusin ensimmäiseksi luoda kartan, jossa on esitettynä viimeaikaisimmat purkaukset ja järistykset, koska ne ovat usein ne mielenkiintoisimmat ja joista on ehkä kuullut uutisissa ja ne myös antavat suuntaa ilmiöiden tämän hetkisestä aktiivisuudesta ja runsaudesta.

kurssi6_3
Kuva 2.

Päätös seuraavista kartoista oli haastava ja se syntyi Pak-tunnin jälkeisellä luennolla, jonka jälkeen palasinkin tekemään karttani loppuun. Halusin seuraavien karttojen jotenkin liittyvän ensimmäiseen karttaan, mutta myös toisiinsa, jotta “opetuksessani” olisi joku pää ja häntä – tai edes toinen niistä. Päädyin kuitenkin seuraavaksi tekemään kartan, johon on merkitty tulivuorenpurkaukset vuoden 1900 jälkeen. Jouduin yhdistämään kartalle samoilla symboleilla edellisen kartan tietokannan lisäksi tietokannan, jossa oli tiedot vuosina 1900-1964 tapahtuneista tulivuorenpurkauksista.

kurssi6_4
Kuva 3.

Kolmanneksi tein sitten edellisen kartan mielessä pitäen kartan, jossa oli merkittynä yli 7 magnitudin maanjäristykset myöskin vuoden 1900 jälkeen. Tässä välissä symboli on pysynyt samana, mutta sen värisävy näköjään hieman muuttui.

Tällaisten karttojen tekeminen on aivan tuttua puuhaa ja helppoa Excel-tietokantojen tuomista MapInfoon. Kohtasimme kuitenkin matkan varrella muutamia uusia ongelmia. Ensinäkin opimme Exceliin tietokantojen tuomisen yhteydessä käsittelemään niitä jo Excelissä fiksusti, jakamaan “taulukoksi” ja muuttamaan pisteet pilkuiksi. Tämän olisi pitänyt ratkaista myös Excelin pakottava tarve muuttaa numerot päivämääriksi, mutta leveys- ja pituuspiiri tiedot jäivät joissain kohdissa silti vääristyneiksi numerosarjoiksi. Tämän takia en luota 100% karttoihini, vaan uskon etteivät kaikki symbolit ole aivan kohdillaan.

Symboleja on kartallani myös joissain kohdissa niin paljon, ettei niistä saa selkoa tai todellista kuvaa niiden määristä. Eipä kuitenkaan jää epäselväksi, että näillä alueilla on hyvin runsaasti tulivuorenpurkauksia/ maanjäristyksiä. Tällaisia karttoja olisi hauska tehdä lisää, mutta tarvitsisin tarkemmat ohjeet minkälaisen kartan tehdä, koska olen niin surkea tekemään päätöksiä,  ettei itse tekemisestä meinaa tulla mitään.

Lähteet:

Toivonen, M. (2016). Kurssikerta 6 – Pisteaineistot kartalle & geokoodaus; bussipysäkkejä, pelikoneita ja hasardeja <https://blogs.helsinki.fi/miatoivo/2016/02/29/kurssikerta-6-pisteaineistot-kartalle-bussipysakkeja-pelikoneita-ja-hasardeja/> (15.3.2016)

<http://quake.geo.berkeley.edu/anss/catalog-search.html> (23.2.2016)

<http://catalog.data.gov/dataset/global-volcano-locations-database> (23.2.2016)

The One with Buffering

Viides kurssikertamme kului tutustuen bufferointiin eli puskurointiin. Puskurointi on tehokas tapa laskea tietyn kokoisen säteen sisäpuolelle jäävät kohteet. Kurssikerran alkupuoliskon yhteisessä harjoituksissa käytimme edellisen kurssikerran loppupuolella itse digitoimiamme tietokantoja Pornaisten keskustan asuirakennuksista ja pääteistä. Ihan ensimmäisessä harjoituksessa loimme tiestölle puskurin ja laskimme sen avulla kuinka monta taloa on X metrin etäisyydellä teistä alueella. Loimme myös bufferin Pornaisten terveyskeskukselle ja kolmenneks Pornaisten koululle ja laskimme montako taloa sijaitsee luomiemme puskurivyöhykkeiden sisällä tai vastaavasti puskurin ulkopuolella.
Alkuharjoitusten jälkeen aloimme ahertamaan tämän viikon itsenäistehtäviä. Käsittelimme tehtävissämme Vantaata, sen asutustietoja, juna-asemia ja lentokenttiä. Aluksi tutkimme väestötietoja lentokenttien läheisyydessä. Meidän tuli selvittää Malmin lentokentän pahimmalla melualueella asuvien ihmisten määrä, käyttäen hyväksi 1 ja 2km säteisiä buffereita. Laskimme myös kuinka paljon ihmisiä asuu alle 2km Helsinki-Vantaan lentokentästä ja kuinka monta prosenttia heistä asuu lentokentän pahimmalla melualueella, joka käsittää 65dB melualueen. Selvitimme myös vähintään 55dB melualueella asuvien määrän ja Tikkurilan alueelle koituneiden (vähintään 65dB) meluhaitalle altistuneiden ihmisten määrän kiitoradan rakennustöiden aikaan vuonna 2002. Vastaukset taulukossa 1.

Lentokentät
Taulukko 1.

Seuraavaksi käsittelimme juna-asemia. Laskimme taas bufferoinnin avulla kuinka monta asukasta alueella asuu alle 500m päässä lähimmästä juna-asemasta, ja laskimme heidän osuutensa kaikista alueen ihmisistä. Selvitimme myös kuinka monta prosenttia heistä oli työikäisiä eli 15-64 vuotiaita. Vastaukset taulukossa 2.

Junaasemat
Taulukko 2.

Juna-asema-laskujen tulokset vääristyivät minulla hieman. Vastaukseni ovat todellisia arvoja korkeammat, koska joidenkin juna-asemien bufferit menivät minulla päällekäin, jolloin jotkut ihmiset on laskettu kahden aseman käyttäjiin. Bufferit olisi pitänyt luoda yhdeksi alueeksi, jolloin tulos olisi ollut oikeampi ja samalla myös niiden käsittely olisi ollut helpompaa.

Toisessa itsenäistehtävässä käsittelimme taajamia. Laskimme ja päivitimme tietokantoihin uusia väestötietoja asukkaiden määristä, kouluikäisistä, ulkomaan kansalaisten määristä ja osuuksista. Laskimme tietojen perusteella kuinka monta prosenttia alueen asukkaista asuu ylipäätään taajamissa, kuinka monta kouluikäistä asuu taajamien ulkopuolella, ja kuinka monta prosenttia luku on kaikista kouluikäisistä. Laskimme myös kuinka monella alueella ulkomaalaisten osuus on yli 10%, 20%, 30%. Vastaukset taulukossa 3.

Taajamat
Taulukko 3.

Erityisesti viimeiset kohdat, joissa laskettiin asuinalueiden määrää tuotti meille hieman ongelmia sen suhteen miten kysymyksen ymmärtää. Tulokset riippuvat siitä laskeeko ohjelmalla asuinalueet joissa on tasan 10 ulkomaalaisia, tai sitten 10% ja yli, vai yli 10%. Tämä kohdan olemme ainakin kaikki tulkinneet kaikki hieman eritavalla, ja siksi vastauksetki heittelevät.

Viimeiseksi itsenäistehtäväksi valitsin koulut. Tehtävässä piti laskea Helsingin Yhtenäiskoululle tarpeellisia tietoja väestötietokannoista sen koulupiiristä, aineiston keruuhetkeä seuraavaksi vuodeksi. Laskimme Helsingin Yhtenäiskoulussa seuraavana vuonna aloittavien ekaluokkalaisten määrän eli tietokannassa olevat 6 vuotiaat Yhtenäiskoulun koulupiirin alueella, kuinka suurta määrää yläasteikäisiä Yhtenäiskoulun pitää varautua opettamaan eli tilastoissa 12-14 vuotiaat, kuinka suuri osuus koulupiirin asukkaista on kouluikäisiä, eli tilastoissa 7-15 vuotiaat ja kuinka monta muunkielistä kouluikäistä alueella asuu, jos oletetaan että muunkielisissä perheissä lasten ja aikuisten suhde on sama kuin edellisessä kohdassa laskettu arvio. Vastaukset taulukossa 4.

Koulut
Taulukko 4.

Tämä kurssikerta oli haastava. Hyvin haastava. Aikaa kului kun emme ymmärtäneet yliyksinkertaisia ohjeita, ja sitä mitä piti ylipäätään tehdä ja aika loppuikin tunnilla aivan kesken. Kun myöhemmin palasin tehtävien pariin, supertahmean alun jälkeen, homma kuitenkin luonnistui. Kurssikerran tehtäviä oli niin paljon että madeonkala-opiskelutaktiikka oli tuottanut tulosta. Pienemmällä määrällä tehtäviä en usko että tekniikka olisi jäänyt monenkaan mieleen. Kohta me bufferoimme jo unissamme vasemman jalan varpailla silmät kiinni!

Tulosten oikeellisuudesta toki olemme kaikki kurssilaiset selkeästi hyvin eri mieltä. Joissain tehtävissä, vastaukset eroavat inhimillisistä syistä, kuten lentokenttien piirtämisestä jokainen hieman erikohtaan ja sen myötä bufferitkin ovat hieman eripaikoissa. Sitä en ihan ymmärrä miten laskemmalla samoilla aineistoilla samoja tietoja, tulokset heitävät näinkin paljon. Noh, jokatapauksessa kaikilla on varmasti jokin kohta oikein ja eikö tärkeintä ole yrittäminen ja se, että periaatteessa homman osaa hoitaa, bufferit tehdä ja laskut laskea.

Henkilökohtaisesti tämä on ollut minulle ehkä yksi mielenkiintoisimmista aiheista mutta samalla ehkä myös se työläin. Loppupeleissä hyvin yksinkertaista  hommaa, mutta tuloksista saa runsaasti tietoa ja niitä voi soveltaa hyvin moneen asiaan. Mukavaa välillä tutkia tietokantojen tietoja numeroina ainaisten karttojen sijaan.

The One with All the Squares

Neljäs kurssikertamme jakautui kahteen osioon. Ensimmäiselä puoliskolla keskityimme ruutukarttojen luomiseen ja niiden koordinaatistoon yhdistämiseen MapInfon avulla. Toisessa puoliskossa pääsimme piirtämään MapInfolla rasterikartalta elementtejä.

Ensimmäinen kurssikerran tehtävä oli harjoitella yhdessä OpenStreetMap taustakartalle pääkaupunkiseudusta ruudukon luomista ja sen yhdistämisetä MapInfossa koordinaatistoon. Näin luomamme grid-tietokanta on samanlainen kuin mikä tahansa muu karttatietokanta, jonka taulukkomuotoiseen tietokantaan voimme lisätä tietoa muista tietokannoista. Ja näinhän me myös teimme. Lisäsimme taulukkoon pääkaupunkiseudun väestötietokannasta yksityiskohtaista tietoa väestöstä rakennuksen tarkkuudella. Päivittettyämme taulukon tiedot, loimme taas yhden teemakartan, ruutumuoisen väentiheyskartan. MapInfon ja OSM välillä oli kuitenkin kommunikaatio-onkelmia ruutujen koon kanssa, kun ruudun halkaisijaksi valitsi 500m, tuli siitä todellisuudessa 250m.

Väestikä
Kuva 1. Pääkaupunkiseudun asukkaiden iän keskiarvo

Tämän jälkeen pääsimme taas itse kunnolla töihin. Halusin jatkaa aikasemmissakin karttatehtävissämme käyttämääni ikä -teemaa, joten valitsin esitettäväksi tiedoksi kartalleni pääkaupunkiseudun asukkaiden iän keskiarvon (Kuva 1.).

Teemakarttaa luodessa, minun piti olla tarkkana jotta ohjelma laski oikein iän keskiarvot alueilla eikä esimerkiksi laskenut niitä yhteen, kuten harjoitustehtävässämme tehtiin. Tein kartasta kaksi versiota, pienempiruutuisen jossa ruudun halkaisija oli 250m ja suurempiruutuisen, jossa halkaisija oli 500m (toim. huom. otin huomioon sen että MapInfo puolitti ruudun koon). Isompiruutuinen kartta mielestäni yleisti tietoa liikaa, kun taas pienempiruutuiselta kartalta saa enemmän infoa alueellisista vaihteluista, joten siksi valtisin sen julkaistavaksi. Toisaalta näin pienien ruutujen väriaihtelua on hieman hankalampi hahmottaa, (toim. huom. etenkin kun vielä unohdin aluksi ottaa ruutujen mustat reunat pois, enkä jälkikäteen enää saanut tiedostoa auki ja muokattua sitä..). Mielestäni kartalta näkee yllättävän hyvin, että nuorempaa ja työikäistä väestöä asuu enemmän pääkaupunkiseudulla rannikolla ja sen tuntumassa, kun taas väri tummenee, eli asukkaiden keski-ikä kasvaa sisämaahanpäin mennessä. Myös Helsingin kantakaupunki ja erityisesti ydinkeskusta, Viikki, Otaniemi, Ransinranta, Leppävaaran alue ja Latokasken/Tillinmäen pientaloalueet erottuvat kartalta vaaleampana nuoremman väestön ja perheiden asuinalueina.

Hieman vastaavanlaisen kartan teki Anni Heilala blogiinsa (2016). Annin kartta kuvaa 20 vuotiaiden määrää pääkaupunkiseudulla, ja siitä erottuu samat alueet kuin minun karttani alueet, joissa asuu nuorin väestö. Anni oli toki ottanut vielä ruutujen reinat pois ja käytti toisistaan erottuvia värejä, joten se oli huomattavasti helpompi tulkita kuin minun karttani.

Teemakarttani taustalle valitsin maankäyttöä kuvaavan pohjakartan, suurimmat tiet ja luomani ruutuaineiston päälle laitoin kuntien rajat, jotta katsoja hahmottaa alueet paremmin. Lisäksi kartalle laitettiin perinteisesti pojoisnuoli ja mittakaava legendan lisäksi.

Kurssikerran toinen puolisko käytettiin rasterimuotoisen Pornaisten peruskarttalehden avaamiseen MapInfolla, se rekisteröitiin eli merkittiin koordinaatistoon karttalehden nurkkakoordinaattien avulla ja kartan kohteita digitointiin MapInfossa. Kartalta piirrettiin yksinkertaisten piirtotyökalujen avulla pisteinä kaikki asutut talot ja karttataso tallennetiin “omaksi tietokannaksi, tasoksi”. Myös alueen päätiet piirrettiin ja tallennettiin omaksi tasokseen. Karttaa tulemme käyttämään seuraavan kurssikerran harjoituksissa.

Lähde:

Heilala, A. (2016) Neljäs kurssikerta <https://blogs.helsinki.fi/heanni/2016/02/02/kolmas-kurssikerta/> (25.2.2016)

The One with Africa

Kolmannella kurssikerralla loimme myös Afrikan kartan, johon oli merkitty erilaisin symbolein rannalla/maalla olevat öljynporauskentät, timanttikaivokset ja kofliktit. Kurssin tiedotusblogissa (2016) oli hieman jatkettu ja paranneltu Afrikan kartta samasta aiheesta ja se näytti tältä:

Afrikka
Kuva 1.

Kun mielessään yhdistää Afrikan, öljynporauskentät, timanttikaivokset ja konfliktit, tulee heti mieleen että näillä on varmasti voimakas yhteys ja öljy ja timantit voisivat olla hyvinkin suuret syyt konflikteihin Afrikassa. Näin onkin ollut mahdollisesti menneisyydessä, mutta nykypäinä tilanen alkaa olla toinen. Ongelmien juuret juontaa nykyään enneminkin valtaan, kiistoihin eri ryhmien välillä, siirtomaataustaan ja epätasa-arvoiseen asemaan ja rahaan. Nykypäivänä ja tulevaisuudessa kuitenkin kiistellän ennemminkin vedestä kuin öljystä.

Ensisilmäyksellä katsoessa kartasta saa kuvan, että lähes koko Afrikka on yhtä sotatannerta. Punaisella värillä merkity taistelujen maksimilaajuus on ainakin minun silmääni hyvin vallitseva ilmiö kartalla. Todellisuudessahan on kyse vain tapahtuneiden konfliktien maksimilaajuudesta, eikä niinkään käynnissä olevasta täydestä sota-alueesta. Parempi vaihtoehto olisi ollut mahdollisesti merkitä vain taistelujen ydinalueet tai vaihtoehtoisesti käyttää eri sävyjä riippuen siitä, kuinka paljon ja kuinka intensiivisesti alueella todellisuudessa soditaan.

Myös erilaisia merkkejä on kartalla paljon, ja niiden selitykset pitää tarkasti lukea, jotta ymmärtää esitettävän ilmiön varmasti oikein. Karttaa tarkemmin tutkistelemalla huomataan, että ölyjynporauskentät sijaitsevat suurimmalta osin pohjoisessa, eikä niiden välittömässä läheisyydessä ole edes välttämättä taistelupaikkoja ja vain osa öljykentistä sijaitsee taistelualueilla. Timanttikaivosten sijainti taas painottuu Eteläisempään Afrikkaan ja etelä-rannoille. Kaivoksia on Afrikassa runsaasti, ja niiden määrään nähden mielestäni kaivosalueilla ja niiden läheisyydessä on myöskin yllättävän vähän taistelupaikkoja. Tästä voisi melkein päätellä, ettei timanttikaivokset ja öljynporauskentät liity Afrikassa konflikteihin ja niiden syntymiseen.

Niko Pelkonen oli tehnyt blogiinsa (2016) toisenkin kartan kuvaamaan konfliktien määrää valtioittain ja lisännyt ympyrädiagrammit joilla kuvattiin timanttikaivosten ja öljylähteiden osuuksia. Nikon oma kartta oli mielestäni parempi kuin tiedotusblogin kartta (anteeksi heh), koska siinä näytettiin vain oleellinen ja ympyrädiagrammeista havaitsi helpommin ja selkeämmin onko alueella timanttikaivoksia vai öljyä.

Syy konflikteihin ei siis välttämättä löydy timanttikaivoksista ja öljykentistä vaan jostain muusta. Toisaalta timantit ja öljy vaikuttavat maiden talouteen ja sitä kautta maiden/kansojen välisiin suhteisiin ja mahdollisiin konflikteihin. On myös hyvä muistaa ettei valtataisteluita timanttikaivoksen omistuksesta välttämättä käydä itse kaivoksen välittömässä läheisyydessä vaan esimerkiksi sielä mistä kaivosta hallitaan ja ohjataan.

Jos kartassa olisi merkittynä myös kaivosten ja öljykenttien tuottavuusluvut ja konfliktien vuosiluvut, tekisitivät ne kartasta mielestäni informatiivisemman. Tuottavuusluvut kertoisivat kaivosten ja porauskenttien tärkeydestä ja merkittävyydesta ja toisaalta konfliktien vuosiluvut kertoisivat paljon siitä minä aikana sodat on sodittu ja millä alueilla samaan aikaan. Jos tähän vielä lisättäisiin kaivosten ja öljynporauskenttien käyttövuodet, yhteyksiä saattaisi löytyä enemmän tai sitten vähisetkin yhteydet näiden ilmiöiden välillä kadota. Hyvä on myös muistaa ettei kartalle voi liikaa tietoa myöskään pistää, jottei siitä tule jo liian epäselvä ja informatiivinen.

Summa summarum, kartta on mielestäni huono. (:D)

Lähteet:

Paarlahti, A. (2016) Konflikteja Afrikassa <https://blogs.helsinki.fi/pak-2016/2016/02/09/konflikteja-afrikassa/> (25.2.2016)

Pelkonen, N. (2016) Kurssikerta 3 – Konflikteja ja valuma-alueita <https://blogs.helsinki.fi/nikopelk/2016/02/09/kurssikerta-3-konflikteja-ja-valuma-alueita/> (15.3.2016)

The One with the Article

Anna Leonowiczin artikkeli “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” käsitteli yksi- ja kaksimuuttajaisten koropleettikarttojen eroja, vahvuuksia ja heikkouksia.

Artikkelissa kuvataan tutkimus, jossa on vertailtu yksi ja kaksimuuttajaisia koropleettikarttoja. Yksimuuttajaiset kartat ovat selkeitä ja käytännöllisiä käsitellessä jotain muuttujaa, mutta kun halutaan visualisoida useampia muuttujia tai niiden välisiä riippuvuussuhteita tai muunlaisia ilmiöitä, yksimuuttajaiset kartat eivät ole enää se kätevin keino. Useissa tutkimuksissa on myös todettu ihmisaivojen kykenemättömyys tai vaikeus ymmärtää ja yhdistää ilmiöitä kun ne on esitetty eri kartoilla, joten tälloin olisi usein fiksua esittää ilmiöt samalla teemakartalla päällekkäin.

Päällekkäiset teemakartat eivät sinänsä ole uusi tai ihmeellinen asia. Huomio kiinnittyy artikkelissa ensinäkin erikoisiiin legendoihin, jollaisiin emme ole aikasemmin tutustuneet. Päällekkäisten koropleettikarttojen legendat ovat laatikoita, jotka kuvaavat ikäänkuin y- ja x- akseleilla 2 eri muuttujaa ja niiden välinen mahdollinen yhteys näkyy laatikossa ja sen osissa. (hyvin huonosti selitetty, tiedän..noorasuomea)

Toisaalta päällekkäisten koropleettikarttojen käytössä pitää olla varovainen, luokkia ei saisi olla liikaa, jotta kartta pysyisi suhteellisen helposti ymmärrettävänä ja hallittavana. Eri ilmiöit on myös hyvä esittää huolellisesti valituilla ja erottuvilla väreillä/merkeillä. Olemme tottuneet enemmän yhdistämään värejä ja rastereita, monen eri värin sijaan. Esimerkiksi artikkelin kaavio 4:n B-kohdassa kolmas väri= keltainen, on minulle hieman liikaa. A-kohta sen sijaan on vielä hyvin helposti hallittavissa.

Artikkelin lopun karttaa (fig. 3) alkaa kyllä ymmärtämään hetken tuijottamisen jälkeen, mutta olen silti sitä mieltä että päällekäisissä koropleettikartoissa kannattaa pysyä mahdollisimman yksinkertaisissa ja kuvaavissa väreissä ja toisaalta myös ilmiöt kannattaa pitää yksinkertaisina. Toisaalta ei mielestäni ole huono asia, että lukija joutuu hetken pidempään pohtimaan näkemäänsä, kunhan sen malttaa vain tehdä, jotta vältytään väärinymmäryksiltä ja virhetulkinnoilta.

Lähde:

Leonowicz, A. (2006) Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija  (s.33–37)

 

The One where Flooded

Kolmas kurssikerta keskittyi erilaisten tiedostojen ja tietokantojen käsittelyyn, päivittämiseen ja yhdistelyyn ja lopulta taas MapInfoon tuomiseen. Ennen kurssikerran alkua olin edellisen viikon karttaa parannellut ja muokannut, joten pysyin kartalla MapInfon kanssa ja olin myös edellisviikon karttatehtävässä jo tuonut exceliin tietokantoja ja sieltä MapInfoon, joten kurssikerran asiat eivät olleet täysin uutta tavaraa aivoilleni.

Kurssikerran yhteisesti tehtävä harjoitus keskittyi Afrikkaan ja sen valtioihin. Valmista Afrikan karttaa muuntelimme alkuun yksinkertaistamalla ja yhdistämällä tietoja. Tietokannassa oli mm Egyptin kaikki saaret omilla riveillään, joten yhdistimme nämä kaikki lähes 100 riviä yheksi riviksi tietoa Egyptistä. Yhdistämisessä piti muistaa, että molemmissa eri tietokannoissa/tiedostoissa piti olla yksi yhteinen lähes identtinen pystysarake (esim. kunta/maa nimi, koodi), jotta ohjelma osaa ne yhdistää. Yhdistämistapoja oli useita erilaisia, ja ne toimivat erilaisissa tilanteissa. Afrikan tietokannoista loimme kartan, johon oli symbolein merkitty konfliktit, öljynporauskentät maalla ja timanttikaivokset.

Alun yhteisen harjoituksen jälkeen pääsimme taas itse töihin. Tällä kertaa tehtävänä oli vertailla Suomen vesistöalueiden valuma-alueominaisuuksia ja tulvaherkkyyttä. Meillä oli valmiina monta erilaista tietokantaa, tilastoa ja taulukkoa liittyen Suomen päävaluma-alueiden ominaisuuksiin, joista meidän piti ensimmäisenä laskea tulvaindeksi. Homma hoitui haukionkala –meiningillä hyvien ohjeiden avulla, mutta oli edellisistä harjoituksista myös jäänyt jotain mieleen. Taulukkoja piti yhdistellä ja päivittää laskemalla uusi tieto taulukkoon: tulvaindeksi ja lisätä samaan taulukkoon vielä järvisyysprosentti. Näistä kahdesta tiedosta tehtiin sitten teemakartta, jossa tarkastellaan Suomen tulvaindeksiä koropleettikarttana ja järvisyyttä yksittäisinä pylväsdiagrammeina. Lopuksi karttaan lisättiin taas perinteisesti legenda, pohjoisnuoli ja mittakaava. Kartan sain valmiiksi mielestäni nopeasti, tuli fiilis että MapInfo alkaa viimein pikkuhiljaa hahmottumaan ja jotain todella jää mieleen.

Tulvaind
Kuva 1. Suomen tulvaindeksi valuma-alueittain ja järvisyys

Kartalta (Kuva 1) näkee mielestäni selkeästi yhteyden järvisyyden ja tulvaindeksin välillä. Järvet toimivat vesivarastoina ja tasaavat veden virtauksia ja korkeusvaihteluja. Tämä vähentää tulvien tasaamalla veden virtauksia ja näin ollen myös laskee tulvaindeksiä. Kartalla tämä näkyy keski- ja itä-Suomen vaaleina alueina ja korkeina järvisyyspylväinä. Pohjois-Suomessa taas alueilla, joilla järvisyys on vähäisempää, on heti tulvaindeksi hieman suurempi ja koropleettikartalla näin ollen tummempi alue, kun taas esimerkiksi Inarinjärven lähialueilla tulvaindeksi on heti hieman alhaisempi. Koko rannikko-Suomi on taas suuremman tulvaindeksin aluetta, alhaisen järvisyyden ja runsaan rakentamisen vuoksi. Erityisesti Pohjanmaan rannikko on tulvaherkkää aluetta, johtuen tasaisesta ja alavasta maasta, vähäisestä järvisyydestä ja ongelmaa pahentaa tulevaisuudessa vielä maankohoaminen. Rannikon tulvaindeksiin vaikuttaa taas järvisyys, heti kun on pienikin alue, jossa on selkeästi enemmän järviä, tulvaindeksi laskee.

Taneli Pärssinen teki aiheesta minun (ja selkeästi hyvin monen muunkin) mielestäni aivan mielettömän tekstin (2016), mutta Tanelin kartta rohkeine värevalintoineen oli toimiva. Pylväät ovat niin kapeet, että rannikkoalueen jokainen pylväs erottuu ja myös niiden taustalla olevat valuma-alueet.

Hyvä on myös muistaa ettei tulvaindeksi ei toisaalta suoraan kerro tulvien aiheuttamasta riskistä, vahingoista tai niiden aiheuttamista ongelmista, vaan se kertoo tulvakauden ja kuivankauden virtaaman vaihteluista. Esimerkiksi Pohjanmaalla tulvat ovat jokavuotisia ja niihin on totuttu ja varauduttu, joten korkeasta tulvaindeksistä huolimatta, tulvat eivät aiheuta sielä suuria menetyksia tai tuhoja. Ongelmallisempaa onkin tulvan sattuminen alueelle, jossa niitä esiintyy harvemmin ja jossa niihin ei ole varauduttu.

Lähde:

Pärssinen, T. (2016) Kurssikerta 3 (2.2.2016) <https://blogs.helsinki.fi/tanelipa/2016/02/04/kurssikerta-3-2-2-2016/> (25.2.2016)

The One with Two Themes

Toisen kurssikertamme tavoitteena oli luoda yksi teemakartta, jossa oli esitettynä päällekkäin kaksi erilaista teemaa. Avattuamme taas kerran MapInfon, tuntui aluksi, etten ollut koskaan koko ohjelmaa käyttänytkään, mutta homma alkoi taas pikkuhiljaa sujua, oli viimeviikolta sentään jotain jäänyt mieleen.

Ensimmäisenä harjoittelimme taas Artun johdolla erilaisten teemakarttojen luomista. Käsittelimme kurssikerran harjoituskartoissa Pohjois-Suomen, Lapin maakuntaa, josta teimme ensimmäisenä pylväsdiagrammikartan. Aieistosta piti kyselyn avulla rajata vain Lapin maakunnan kunnat ja pylväitä karttaan tehdessämme, koitimme erilaisia esitystapoja kuten absoluuttisilla ja suhteellisilla arvoilla tehtyjä diagrammeja ja niiden eroja. Harjoittelimme myös ympyrädiagrammien tekemistä teemakartoille, piirakoiden koon muuttamista ja siirtämistä yms, graduated-teemakartan tekemistä, jossa ilmiötä kuvattiin ikään kuin symbolein, joiden koko kuvasi ilmiön voimakkuutta, pisteteemakarttoja, individual –teemakarttoja, liukuvärjättyjä grid –teemakarttoja, prismaattisia ja 3D-karttoja, joka tosin onnistui meistä vain harvoilla, ja yllättäen en ollut yksi onnistuneista. Paljon tuli taas uutta, mutta mukana oli onneksi myös vanhaa tuttua.

Sieppaa
Kuva 1. Taloudellinen huoltosuhde ja väestön ikärakenne Uudellamaalla.

(Toim. huom. Huomasin että legenda menee hieman kartan päälle, mutten saanut korjattua enää asiaa, kun en saanut tiedostoa enää auki, pahoitteluni jos jotakin jäi syvästi vaivaamaan Lohjan aivan länsireunan näkymättömyys, voin paljastaa että se on oletettavasti huoltosuhteeltaan saman värinen kuin on muukin Lohja. Epäilen, vahvasti että legendan takana olisi piilossa pupujusseja. )

Erilaisten teemakarttojen tekoon tutustumisen jälkeen, oli taas meidän vuoromme loistaa; tehtävänä oli luoda kartta, jossa on kaksi teemaa päällekkäin. Valitsin tarkasteltavaksi alueeksi Uudenmaan ja käsiteltäviksi teemoiksi taloudellisen huoltosuhteen ja väestön ikärakenteen alueella. Kartallani punainen väri kuvaa siis taloudellista huoltosuhdetta koropleettikarttana. Mitä tummempi punaisen sävy, sitä alhaisempi huoltosuhde ja vastaavasti mitä vaaleampi sävy, sitä suurempi huoltosuhde. Nyt jälkeenpäin ajateltuna, olisi ollut fiksumpaa kuvata korkeaa huoltosuhdetta ja näin huonompaa tilannetta tummemmalla sävyllä ja taas vaaleammalla sävyllä parempaa tilannetta, jossa huoltosuhde olisi alhaisin. Kartalta silti näkee selkeästi pääkaupunkiseudun erottuvan tummimpana, eli toisin sanoan parhaimman, edullisimman huoltosuhteen omaavana alueena. Huoltosuhde kasvaa eli tilanne huononee tasaisesti mitä kauemmas pääkaupunkiseudulta mennään kohti kehyskuntia, ja tilanne luultavasti paheneen entisestään mitä kauemmaksi maaseudulle ja syrjäisemmille alueille Suomessa mennään. Melkeimpä yllättävää on mielestäni kuin tasaisesti ja selkeästi huoltosuhde muuttuu suhteessa etäisyyteen pk-seudulta.

Huoltosuhteen rinnalle halusin kartalle väestön ikärakenteen, koska aiheet liittyvät vahvasti toisiinsa. Tätä varten minun oli haettava aineisto itse, muokattava sitä excelissä ja tuotava se erikseen MapInfoon. Sain tähän apua kädestä pitäen, mutta olisin kyllä voinut valita silti jonkun helpomman aiheen karttaani. Asian kanssa tarpeeksi tapeltuani sain kuitenkin tiedot kartalleni ympyrädiagrammeina, joista näkee 0-14, 15-64 ja yli 65 vuotiaiden osuudet väestöstä kunnittain. Ympyrädiagrammeista ei kuitenkaan ehkä kokonsa vuoksi, saa hirveän selkeää kuvaa alueiden välisistä eroista, mutta kun katsoo tarkasti diagrammien osuuksia, nähdään että huonomman eli suuremman huoltosuhteen alueilla diagrammeissa lasten(oranssi) ja vanhusten(sininen) osuudet ovat todella hieman suuremmat kuin pienemmän huoltosuhteen alueilla. Huomiota herättävää on kuitenkin Helsingin +65 vuotiaiden suuri osuus, mutta silti kaupungin hyvä huoltosuhde. Asiaa selittää mahdollisesti työssäkäyvien suuremmat tulot ja myös 0-14 vuotiaiden hieman pienempi osuus.

Annamaria Rossin luoma kartta (2016) samalta kurssikerralta sopii samaan teemaan karttani kanssa, ja tukee päätelmiäni. Annamarian kartalla on esitettynä työttömyysaste ja työpaikkojen määrä samalla Uudenmaan alueella ja kartta selventääkin aihetta syvämmälle “työikäisten”  eli 15-64 vuotiaiden merkityksestä kuin oma karttani. Suuri 15-64 vuotiaiden osuus ei aina tarkoita suoraan hyvää huoltosuhdetta ja toimivaa taloutta, vaan on otettava huomioon ikäryhmän sisälle kuuluvat opiskelijat, työttömät, varusmiespalveluksessa olevat ja hoitovapaalla olevat ihmiset yms.

Lähde:

Rossi, A. (2016) 2. Kurssikerta – Päällekkäiset teemat ja karttojen visualisointi <https://blogs.helsinki.fi/ajrossi/2016/01/31/2-kurssikerta-paallekkaiset-teemat-ja-karttojen-visualisointi/> (25.2.2016)

The Pilot

Hyvästi TAKki, tervetuloa PAKki – ja mikään ei ole muuttunut.

Paikkatiedon hankinta, analyysi ja kartografia -kurssin ensimmäinen kurssikerta on nyt ohi. Aloitimme perinteisesti kurssi-infoilla, palauttelimme muistiin paikkatiedon perusteita ja etenimme MapInfoon tutustumiseen ja sen käytön alkeisiin ja loimme kurssin ensimmäiset karttamme. Tavoitteena oli oppia avaamaan aineistoja MapInfoon, liikuttelemaan niitä työpöydällä, käyttämään erilaisia työkaluja ja jopa erottamaan työpöydän osat. Kuulostaa yksinkertaiselta, mutta sitä se ei ihan ollut. Jos Takissa joskus tuntui, että Corel on pahinta mitä meille voi koskaan tapahtua, olimme erittäin hyvin väärässä. MapInfo on.

Sirje Lappalaisen ensimmmäisen kurssikerran blogitekstissään (2016) kuvailemat vaikeudet ja tuska kuulostivat hyvin tutulta. Ei heitetä kuitenkaan niitä kuuluisia hanskoja vielä siihen tiskiin. Tässä vaiheessa on hyvä palauttaa mieleen, että me kuitenkin kaikki selvisimme Takista, ja Corelista. Emmekä nytkään voi muuta kuin selvitä Pakista, ja siitä MapInfosta.

Ohjeet esille ja korvat hörölle niin saimme kuin saimmekin kaikki (?) asioita tapahtumaan näytöillämme, enemmän ja vähemmän oikeassa järjestyksessä ja kohdassa. MapInfo toimii hyvin erilaisella periaatteella kuin aikaisemmat käyttämämme ohjelmat, joten hommaan sisään pääseminen vaatii “hieman” totuttelua. Minä ainakin yritin kovasti käyttää MapInfoa samalla periaatteella kuin Corelia, mikä tuottikin hyvin paljon ongelmia, kun tasot toimivat ohjelmissa erilailla (MapInfossa kun niitä ei oikeastaan ole) kuten myös itselleni henkilökohtaisesti hyvin tärkeä ”kumoa, peruuta” –näppäin toimi vain yhden askeleen taakspäin. Loimme kuitenkin koko ryhmä yhdessä (edelleen enemmän ja vähemmän) samaan tahtiin opettajan johdolla valmiista tietokannasta koropleettiteemakartat, jotka kuvasivat ruotsinkielisten osuutta Suomessa.

kuva3
Kuva 1. 0 – 14 vuotiaiden osuus väestöstä kunnittain Suomessa.

Tämän jälkeen meidän piti laatia itsenäisesti vapaavalintaisesta saman tietokannan aiheesta yksi koropleettiteemakartta. Valitsin aiheekseni 0-14 vuotiaiden osuuden väestöstä kunnittain ja uskokaa tai älkää, kartan luominen onnistui yllättävän hyvin (kuva 1).

Mitä tummempi punaisen väri, sitä suurempi osa väestöstä on 0-14 vuotiaita. En uskonut, että Suomessa olisi näin selkeät alueelliset erot, mutta toisaalta luokat eivät ole kovin suuret ja ero on vain muutamia prosentteja. Kartan perusteella nähdään että lapsia osuus on suurinta Pohjanmaan rannikolla ja Etelä-Suomessa pääkaupunkiseudun ympäristössä ja Suomen suurimmissa kaupungeissa kuten Turussa, Tampereella, Seinäjoella, Jyväskylässä, Kuopiossa ja Joensuussa. Vaaleimmat alueet kartalta löytyy odotetusti Lapista ja Itärajalta, mutta myös järvi-Suomesta löytyy alueita, joilla lasten osuus väestöstä on selkeästi vähäisempi.

Kartalle lisättiin perinteisesti myös pohjoisnuoli ja mittakaava, esitettävän ilmiön suuruutta kuvaavan legendan lisäksi. Karttani värisävyt olisivat kuitenkin voineet olla hieman toisistaan paremmin erottuvat, nyt ei voi olla aivan täysin varma mihin luokkaan jotkin alueet kuuluvat.

Lähde:

Lappalainen, S. (2016) 1. kurssikerta – MapInfon käytön opettelua ja tuskailua <https://blogs.helsinki.fi/sirjelap/2016/01/25/1-kurssikerta-mapinfon-katon-opettelua-ja-tuskailua/> (25.2.2016)