norafabr's blog

Blogini on valmis tarkasteltavaksi.

Kiitos ja hei.

-Nora

Totuuden hetki. Olenko oppinut yhtään MapInfosta?

Koska aikaa jäi yli ja jouduin viettämään pari extraa tuntia koulussa päätin pirtää pari aiheeseen liittyvää kuvaa. Ensimmäinen kuvaa maata jossa BKT on korkea ja jälkimmäinen missä BKT on alhainen. Löydä kuvista viisi syytä liikenneonnettomuuksien lisääntymiseen.

Viimeisenä kurssityönä laaditaan oma teemakartta kahdella muuttujalla valinnaisesta alueesta ja aiheesta. Etsitään itse aineistot ja kartat ja yritetään itse (“pienellä” avulla opettajasta) saada uuden teemakartan aikaiseksi.

Projekti alkoi loistavasti kun löysin netistä UNECE:n kotisivu mistä löytyi valtavasti mielenkiinoisia tietokantoja Euroopan maista. Pohdin pitkään mistä tekisin karttaa mutta päädyin tutkimaan sitä miten autojen määrä ja loukkaanutmiset liikenteessä korreloivat Euroopan maissa.

Ensin etsin käsiini bitmap kartta Euroopasta joka löytyi sivulta Maps Of the World (2012) Ajattelin että pitäisi pisteiden avulla liittää UNECE:stä löytämäni tietokannat MapInfoon. Jos löytäisi koordinaattipiste jokaisesta maasta ja sitten voisi kohdistaa tietokanta bitmapkarttaan niin… Mutta sehän olisi ollut ihan turhaa. Onneksi sain opesta apua. Jos olisin omaa karttaa halunnut laatia olisin piirtänyt uudelle tasolle maiden rajat, lisänyt niiden nimet Mapinfon Browserikunnaan ja sitten yhdistänyt nimen perusteella exceltaulukkoni ja karttaan liitetty Mapinfo taulukko. Säästyin kuitenkin (laiskana oppilaana) tästä vaivasta ja pystyin käyttämään edellisinä kurssikerroina käyttämämme maailmankarttaa josta pystyin valitsemaan “select” työkalulla helposti kaikki Euroopan maat.

Sitten oli seuraava askel yhdistää löytämäni tiedot maailmankartan tietokantaan. Tallensin ensin valitsemani Euroopan maat omaksi tab:iksi. Sitten toin excel-talukon uusilla tiedoilla Mapinfoon. Yhdistäminen tapahtui SQL-select työkalulla. Mutta ei se ongelmitta toiminut. Yksi ainut maa löysi parinsa. Huomasin pitkän pohdiskelun jälkeen että exceltietokannastani löytyi välilyöntejä maiden nimien alussa. Mietin miten saisin ne vaivatta pois ettei tarvitsi jokaista käydä korjaamassa. Yritin valitsemalla excelissä “select&replace” työkalulla välilyönnit ja jättämällä “replace with” kenttää tyhjäksi, ja sehän toimi!

Nyt toimi paremmpin. Kaikki eivät kuitenkin löytänyt parinsa mutta parin korjauksen jälkeen sain uuden yhdistetyn tietokannan haluamastani maista.

Sitten vain vanhalla tutulla tavalla tein uuden teemakartan. Loukkaantumiset esitin koropleettikarttana ja autojen määrä suhteellisilla symboleilla. Tällä kertaa muistin myös muokata legendaa nätiksi ja lisätä pohjoisnuolta ja mittakaavaa (jossa skaala ei mukana).

EuropeAutoilu

Kuva 1. Koropleettikartta liikenteessä luokkaantuneiden suhteellisesta määrästä Euroopan maissa vuonna 2009. Suhteellisilla symboleilla on esitetty henkilöautojen suhteellinen määrä valtioissa. Ylläpuolella linkki hotlink-karttaan josta pääsee tarkastamaan korrelaatiota maiden BKT:n kanssa.(UNECE, 2009)

Koropleettikartan tiedoille valitsin kvanttiillia luokitusta koska aineisto oli hyvin epätasaisesti jakautunut. Tämän asian tarkistin vanhalla tutulla Histogrammityökalulla. Väreinä käytin melko rajut punaiset värit, punainen kun sopii onnettomuuksiin… Ja tietysti tummempi väri = enemmän tapauksia.

Symbolit haluisin että ovat suhteellistettu suoraan todellisista määristä, ei esimerkiksi neliöjuuren kautta tai logaritmisesti. Kaikki määrät oli suhteellisen lähellä toisiaan.

Nyt päästään analysoimaan karttaa. Kun nopeasti vilkaisee karttaa, näyttää siltä että aineistot korreloivat vahvasti negatiivisesti, eli kun autojen määrä on suuri, loukkaantumisia on vähän. Tälle voisi olla helppo selitys se, että rikkaalla maalla on paljon autoja ja rikkaalla maalla on myös varaa pitää autoiluun liittyvästä turvallisuudesta huolta. Voisi myös olla , että jos autot ovat harvinallisia, autokouluunkaan ei panosteta maassa yhtä paljon. Ja jos kansa on köyhä, ne ostaa luultavasti autoja jotka ovat huonommassa kunnossa ja jonka turvallisuus ei ole yhtä hyvä. Miten tämä teori sopii maiden BKT:n kanssa? Teoria että jos maassa on monta autoa syntyy ruuhka ja siten paljon kolaria on siis kumottu.

Löysin mielenkiintoisen (mainion!) nettisivun mistä voi verrata karttani Euroopan BKT teemakarttaan (Inex Mundi, 2011). Sivusta voi itse valita teemakartan aihetta ja aluetta, sitä paitsi sivu vaikuttaa luotettavalta sillä tiedot tulevat CIA World Factbookista. Suosittelen että käytte katsomassa: Alla linkki sivulle:

http://www.indexmundi.com/map/?v=67&r=eu&l=en

Koska suoritin äsken laskennalliset menetelmät tentin mielessäni pyörii vielä korrelaatiolaskelmia ja diagrammeja ja niin päätin tutkia perusteellisesti aineistojen korrelaation.

Kuva 2. Liikenteessä loukkaantuneiden ja autojen määrän korrelaatio Euroopan maissa 2009. X-axelilla liikenteessä loukkaantuneet/100 000 henkilöautoa ja y-axelilla autojen määrä/1000 asukasta. (UNECE, 2009)

Kuva 3. Euroopan maiden korrelaatio BKT:n ja liikenteessä loukkantuneiden relatiivisen määrän välissä. Liikenteessä loukkaantuneiden määrä/100 000 henkilöautoa x-axelilla ja BKT(*1000) y-axelilla. Aineistojen välissä on huomattavissa negatiivinen korrelaatio. (UNECE, 2009, Inex Mundi, 2011)

Näyttää siltä että olin päättänyt oikein teemakartasta. Löytyy vahvat negatiivinen korrelaatio BKT:n ja autoonnettomuuksien välissä. Samalla tavalla on vahva negatiivinen korrelaatio onnettomuuksien ja autojen määrän välissä. Tämä pitää varmasti paikallaan. Voitaisi tästä vielä päätellä että autojen määrän ja liikenneonnetomuuksien välinen suhde ei ole suora, vaan molemmat johtuvat luultavasti maan taloudellisesta hyvinvoinnista. Pieni vaihtelu tuloksien korrelaatiossa voi johtua monesta eri asiasta. Monessa maassa liikennelaki, nopeusrajoitukset ja liikenteen valvonta vaihtelee. Maan topografia ja ilmasto voi myös vaikuttaa asiaan. Pohjoismaissa on usein talvisin pahoja keliä jotka johtavat liikenneonnettomuuksiin. Pakkanen ja routa tuhovat tiet ja varallisellakaan valtiolla ei ole rahaa korjata tiet joka kevät. Norjassa (rikas maa) tiet ovat hyvässä kunnossa mutta mutkittelevat ja ovat äärimmäisen kapeat topografiasta johtuen. Esimerkiksi Belgiassa (huhuja vain, tuttu asuu Brysselissä) liikennekulttuuri on aivan eri kun Suomessa. Ihmiset ajavat tunteet pinnassa ja ajetaan kaikkea muuta kuin rauhallisesti. Eli moni tekijä voi liittyä asiaan, mutta kaikesta huolimatta aineistot näyttävät korreloivan melko hyvin.

Lähteet:

Index Mundi (2011). GDP – per capita (PPP) Europe. 29.02.2012. ://www.indexmundi.com/map/?v=67&r=eu&l=en

UNECE (2009) Statistical Database 27.02.2012 http://w3.unece.org/pxweb/

Maps Of the World (2012) 29.02.2012 www.mapsofworld.com

Kuvat 1 ja 2. Karttoja silloin ja nyt. (Paul Söderholm, 2012 ja CDC, 2012)

Toinen artikkeli joka saatiin analysoitavaksi TVT3-kurssilla oli The Basics of Geographic Information Systems (Lloyd P. Queen and Charles R. Blinn, 1993), artikkeli joka esittelee GIS:a perusteellisesti ja analysoi GIS:n hyvät ja huonot puolet. Koska artikkeli on kirjoitettu jo melkein kymmenen vuotta sitten suuri osa tietotekniikasta esiteltyjä asioita olisivat tänä päivänä turhia selittää sillä ovat jo melkein kaikille tuttua. Vaikka moni artikkelissa esitetty yksityiskohta on vanhentunut, se kuvaa kuitenkin GIS:ä selvällä ja fiksulla tavalla perusteellisesti ja sen avulla pystyy varmasti jokainen joka ei ole ennen GIS:stä kuullut saamaan ohjelmasta hyvän kokonaiskuvan.

Artikkelissa ei ollut minulle periaatteessa mitään uutta. Melkein kaikki kurssitoverini ovat samaa mieltä heidän blogeissaan. Artikkeli selitti kuitenkin asiat yksinkertaisesti ja esittivät GIS:n osat hyvin purettuna. Minulle uusi tapa ajatella GIS:iä oli ,niin kuin kuin kurssitoverini Essi Ylitalo oli myös ottanut esille, se että olivat luokitelleet GIS:n ominaisuudet kahdella eri tavalla. Ne käyttävät termin “decomposition” lähentymistavastaan, eli purevat esitettävän asian pienimpiin osiin niin että sen kokonaisuutta ymmärettäisi. Yksi oli esitystapa oli funktionaalinen, jonka mukaan “GIS is a computerized, integrated system used to compile, store, manipulate, and output mapped spatial data” . Toisessa esitystavassa kiinnitetään enemmän huomiota GIS:n komponentteihin, siihen että GIS kostuu sekä datasta, software:sta , hardware:sta ja sen käyttäjistä. Mainittiin myös että käyttäjät ovat kaikki jotka jotenkin liittyvät ohjelmaan, sekä kartan luojia, datan muokkaajia ja valmiin tuotteen lukijat.

Artikkelissa mainitaan että GIS oli kasvanut valtavasti jo silloin ja sitä käytettiin muun muuassa luonnonvoimien kartoittamiseen, ympäristötukimukseen, yleiseen turvallisuuteen takaamiseen ja että GIS:lle löydetään koko ajan uusia käyttötarkoituksia. Mietin että käytettiinköhän sitä niin laajasti silloin kuin nyt? Nythän sitä käytetään esimerkiksi myös yleisesti kaupunkien suunnittelussa ja monissa yksityisissä yrityksissä. Kun artikkelissa verrataan perinteisellä tavalla ja GIS:llä laaditut kartat mainitaan että GIS on huomattavast kalliimpi tapa tuottaa karttoja ja suorittaa Overlay-analyysejä. Luulen kuitenkin että GIS on tänä päivänä paljon halvempi ja sekä data (huomattavasti!) ja itse ohjelmat ovat helpommin saatavissa.

Kuten aiemmin mainitsin artikkelissa verrataan perusteellisesti perinteisellä tavalla ja GIS:llä tehtyjen karttojen ominaisuuksia. GIS:n etuna on paitsi se että kartan syntyvät huomattavasti nopemammin,  myös sitä että kartat ovat aina helposti muokattavissa. Perinteisen kartan tekemiseen menee aikaa ja valmis tuotos on pysyvästi tietyssä mittakaavassa ja projektiossa. Se että perinteisen kartan tekemiseen menee aikaa ja kaikki joutuu tekemään manuaalisesti ei ole välttämättä vain huono asia. GIS:n ohjelmat eivät ole missään vaiheessa vastuussa jos jotain menisi pieleen. Pienikin virhe käyttäjältä voi vääristää lopputulosta myös ilman että kartan laatija sitä huomaa. Perinteisellä tavalla luotusta kartasta ja datasta on helpompaa löytää virheet luomisvaiheessa ja on helpompaa analysoida joka tekemäänsä askel kun asiat tekee hitaammin. Artikkelissa mainitaan niinkuin jo ennen otin esille että GIS ja siihen tarvittavat aineistot olivat silloin hyvin kalliita. Luulen että nykypäivässä asia on melkein päin vastoin. Perinteisen kartan laatimiseen menee niin paljon aikaa että on yritykselle halvempi ostaa GIS kun maksaa työntekiöiden ajasta. Time is Money.

Perinteistä karttaa puolustellaan artikkelissä myös sillä että se on helpompi tuoda mukanaan. Silloin ei ollut kaikilla kannettava eikä videotykki ollut yleinen, eli digi-dataa oli vaikeaa esittää ja tuoda mukanaan. Dataa ei pystytty välittämään helposti esim. internetin kautta. Siksi tämä ei enää päde ja voisin väittää että karttoja olisi nykyään helpompi tuoda mukanaan muistitikulla kun isona paperiversiona laukussaan.

Overlay-analyysi on yksi tärkeimmistä asioista joka pystytään tekemään GIS:n avulla. Overlay-analyysi on se kun verrataan kahta eri karttaa laittamalla ne päällekkäin ja siten helpommin löytää yhtenäisyyksiä ja eroja. Ennen käytettiin valopöytää ja ohueita karttoja vahvoilla väreillä niin että molempien kuviot näkyivät samaan päällekkäin. Nykyään tämän pystyy tekemään helposti GIS:llä. Vanha tapa oli sillä lailla monimutkainen että karttojen oli pakko olla samaa mittakaavaa ja projektiota niin että analyysi olisi mahdollinen. Eikä myöskään voitu verrata kuin vähäinen määrä karttoja, muuten paksu paperimäärä tekisi pinosta läpinäkymättömän. GIS:llä pystyy muokaamaan kartat ja tietokannat niin että ovat verrattavissa ja pystyy myös vertaamaan loputon

määrä eri karttoja.

Lähteet:

Ylitalo, Essi. Essin TVT3-blogi. https://blogs.helsinki.fi/eiylital/ 24.02.2012.

Queen, Lloyd P. – Blinn, Charles R. (1993). The Basics of Geographic Information Systems.

Paul Söderholm (2012) 25.02.2012 http://www.xaraxone.com/guest/guest83/guest_5.htm

CDC(2012) http://www.cdc.gov/gis/mg_lead_poisoning.htm. 25.02.2012

Kuudennella kurssikerralla opettajamme päästi meidät ekaa kertaa ulos luokasta hengittämään ulkoilmaa ja liikkuttaamaan muuta kuin tietokonehiirtä. Saatiin GPS-laite, kynä, paperi, 60 minuuttia aikaa ja vapaat kädet. Kerättiin ryhmäni kanssa (Ica Dristig ja Mikko Raninen) Arabiasta Helsingin Keskustaan kaikki tien varrella olevat elintarvikekaupat. Pomimme pisteet ratikasta. Mietimme että niiden piisteiden ymärillä pystyy tekemään paljon mielenkiintoisia analyysejä MapInfolla. Bufferityökalulla voisi esimerkiksi tutkia kuinka monella on alle 500 m matka kauppaan tai onko moni asiakas jolla on yli 1 km, jne. Tai kuinka monta asiakasta löytysi “per kauppa”.

Ei ehitty kuitenkaan tutkimaan keräämämme pisteet sen enempää. Saatiin kuitenkin oppia miten niitä liitetään kordinaattien avulla Excelin kautta MapInfoon. Nyt kun mietin asiaa, huomaan että nythän meillä on perustyökalut jotka tarvitaan kartan tekemiseen alusta asti. Voidaan keksiä toimiva ja sopiva aihe, kerätä aineistoa, liittää aineisto MapInfoon ja tehdä karttoja. Lisäksi olemme oppineet katsomaan omaa työtämme kriittisin silmin. Eli me osataan nyt itse luoda karttoja! Jihuuu! (Jos ei hyviä niin ainakin jonkinlaisia)

Tämän kerran itsenäinsenä tehtävänä oli luoda kolme karttaa maanjäristyksistä jotka sopisivat tukemaan opetusta. Tietokantana käytimme U.S. Geological Surveyn ANSS – Advanced National Seismic Systemin nettisivua (2012) josta sai valmiita listoja kaikista maanjäristyksistä 1890-luvusta tälle päivälle.

Maanjäristyksiä joiden fokus on alle 70 km syvyydellä kutsutaan pinnallisiksi. Ainakin näin väitittiin USGS:n nettisivulla (2012). Maan kuori on paksuimmillaan 70 km niin ne maanjäristykset jotka sijoittuvat syvempänä ovat varmasti sen alla. Siksi valitsin 70 km raja syvyydelle tutkiessani maanjäristyksiä.

Ensimmäisellä kartalla näkyy kaikki maanjäristykset jotka ylittivät 5 magnitudia vuonna 1900-2000. Järistykset ovat luokiteltu 5-7, 7-8 ja >8 magnitudin luokkiin. 5-7 luokka näkyy pineninä vaaleanpunaisina tähteinä, 7-8 vähän tummemmat ja isoimmat ja yli 8 suuret violetit tähdet. (Täytyy nöyränä myöntää että unohdin täysin miten tehdään MapInfossa legenda…) Alimpaan luokkaan kuului niin monta järjitystä että kaikki eivät mahtuneet mukaan aineistoon. Huomasin tämän vasta sen jälkeen että olin jo tehnyt karttani mutta näyttää siltä että tulokset ovat tasaisesti sijoitettu maapallon ympäri, ja uskon että tulokset kelpaavat niihin analyyseihin jotka haluan tehdä.

Koska kartta on tarkoitettu opetuksen tukemiseen ja ajattelin tehdä karttoja jotka on tartkoitettu vähän nuoremmille oppilaille, yritin tehdä kartasta “kivan näköinen” joten se herättäisi väsyneiden oppilaiden mielenkiinnon. Valitsin räikeät värit ja värit jotka näkyy selvästi. Yritin tehdä kartasta helppolukuinen.

Kartasta voisi saada tukea moneille tärkeille aiheille jotka liittyvät esimerkiksi yläasteen ja lukion maantiedeopetukseen. Ensinnäkin kartasta selviää millaisia maanjäristyksiä on tapahtunut 100 vuoden aikana. Toiseksi kartasta näkee selvästi missä menee subjunktio ja konjuktio vyöhykkeet. Siinä missä laatat vetäytyvät erikseen ja magmaa nousee hitaasti pintaan syntyy paljon pieniä maanjäristyksiä ja siinä missä törmäävät syntyvät isoja järistyksiä. Jokaisen maapallon litosfäärilaatan reuna näkyy selvästi kartalla. Alla olevan linkin kautta löytyy hyvä kuva jolla voi verrata laattojen reunoja maanjäristysalueisiin:

kontinentalplattor.png

Maanjäristyskarttaa voisi myös verrata väestökarttaan esimerkiksi riskikurssilla ja tutkia kuinka suuri osa maailman väestöstä asuu seismisti aktiivisilla alueella. Olin itse sijaisena lukiossa opettamassa maantiedettä ja huomasin että kuvista ja kartoista on oikeasti tosi paljon hyötyä. Että kuva näyttää mielenkiintoiselta on myös tärkeää niin että saadaan oppilaiden mielenkiinnon herätetty. Kuva jää moneen muistiin paremmin kuin puhe ja hieman hermostunut opettaja saa itselleen valtavasti tukea kartasta.

Toinen kuva minkä tein tein alunperin sen takia että halusin nähdä eroaisiko eri aikakausien maanjärjistykset toisaaltaan. Toinen kartta tein 7-8 ja yli 8 magnitudin järistyksistä vuonna 1900-1950 mutta tulos oli erittäin… outo. Tein kartan monta kertaa ja tutkin nettisivun antama tietokanta ja tekemäni haku perusteellisesti. Jos syy ei ollut mun (en sulke sitä vaihtoehtoa pois) niin luulen melkein että nettisivuston tiedoissa oli puutteita. Voiko olla niin, että jossain 1950-2000 luvun välissä on vasta alettu keräämään tietoja koko maailmasta, ennen ehkä vain Pohjoisamerikasta..? Tällä kuvalla voisi opetuksessa (ehkä tällä kertaa vähän vanhimmille) esittää sen että kannattaa tutkia saamansa tietokannat perusteellisesti niin että kartat kertovat totuuden. Maanjäristystietokannan (mahdollista) puutetta huomasin ihan sattumalta. Eli ensimmäinen karttanikaan ei ole ihan oikeudenmukainen, etelässä on luultavasti vähemmän pisteitä kuin pitäisi eikä aineisto ylety 1900-luvusta 2000 luvulle. Luulen kuitenkin että kartta no 1 on hyvä tuki mainistemaani aiheisiin.

Kolmas karttani on niin kuin jo aiemmin mainitsin kartta kaikista 7-8 ja yli 8 magnitudin järistyksistä koko maailmassa 1950-luvusta 2000 lukuun. Vertailu ei nyt ole mahdollista edellisen kartan kanssa kun tietokannassa tai taidoissani oli puutteita ja kartasta puuttui valtavasti pisteitä. Tällä kartalla näkyy kuitenkin suurimman osan kaikista voimakkaista maanjäristyksistä. Niin kuin jo aiemmin mainitsin suurimman osan voimakkaista maanjäristyksistä on tapahtunut litosfäärilaattojen törmäysalueilla. Kartalla ei näy maanjäristyksiä jotka olisivat niin kuin Aino Matikainen otti esille ajanmukaisia ja siksi olisivat olleet mielenkiintoisia oppilaille. Esimerkiksi Japanin(2011), Intian Valtameren(2005) ja Tahitia(2011) järisseet vahvat maanjäristykset.

Alla linkki mielenkiintoiseen (yki tuhannesta) karttapalveluun joka liittyy aiheeseen. Siinä interaktiivinen kartta joka näyttää ajan mukaan tapahtuneet maanjärjistykset.

http://quakes.globalincidentmap.com/

Lähteet:

USGS(2009) http://earthquake.usgs.gov/learn/topics/seismology/determining_depth.php 24.02.2012.

Matikainen, Aino. TVT3- Aino Matikainen. https://blogs.helsinki.fi/ainooika/ 24.02.2012

EDU (2012) http://www04.edu.fi/svenska/distansgymnasiet/ny_laroplan/geografi/geografi3/sidor/endogena/bilder/kontinentalplattor.png24.02.2012

tehtvastViidennellä Map-Info ajolla piti osallistujat käyttää kaikki tähän mennessä oppimansa taidot ja kikat, piti käyttää kaikki olevat ja olemattomat aivosolut ja vielä vähän lisää. Loogiikastakaan ei ollut haittaa. Aloittivat kuitenkin saamalla vielä yksi uusi työkalu pakkiinsa, nimittäin bufferointi, eli puskuroiminen. Terävä haastattelija kysyi MapiInfo-kilpailijalta Nora Fabritiukselta pari kysymystä kuluneesta ja tulevasta MapInfo-urasta.

-Kuulin että ihan tässä viime kierroksella sait työkalupakkiisi uuden työkalun joka kutsutaan bufferoinniksi. Onko työkalu auttanut selviämään haasteista?

– Bufferointi oli erittäin hyödyllinen ja mielenkiintoinen työkalu. Pystytään siis sillä laajentamaan objektin aluetta niin että pystytään tutkimaan eri asioita objektin läheisyydessä. Kanssakilpailijan Susanna Derefalkin mielestä bufferointitoiminto on tähän mennessä tärkein saamamme työkalu. Siitä voi olla suuri hyöty esim. aluesuunnittelussa kun sen avulla pystytään löytämään jonkun objektin vaikutusaluetta. Mietin itse myös että käyttääköhän pelastuslaitos MapInfoa (vai mikäköhän ohjelma ne käyttää?) katastroofin sattuessa. Jos olisi esimerkiksi tarve laskea kuinka monta ihmistä pitäisi evakuoida ydinvoimalaitoksen ympäriltä jos siellä olisi sattunut onnettomuus. Sitten tietäisi kuinka monelle ihmiselle on löydettävä majoitusta ja kuljetusta pois alueesta. Esimerkiksi vain.

– Entäs muut perustyökalut? Miten on niiden käyttö on sujunut teiltä?

Perustoiminnot ovat mielestäni loogisia ja helppokäyttöisiä, kunhan niiden löytämiseen on ensin saatu apua. En usko että itse löytäisin kovin moni toiminto tai työkalu ilman valmentajan opastusta. Vaikka itse toiminto vaikuttaa yksinkertaiselta, tulee yleensä eteen joku ihme selittämätön ongelma jolle en itse löydä mitään syytä. Niitä esiintyy vaikka olen luullut tekeväni kaikki oikein. Näistä en selvisi ilman valmentajani apua, yleensä se on sitten joku pieni pilkku tai tähti tai piste tai muu vastaavaa pieni yksityiskohta joka on mennyt väärin. En tiedä sitten antaisinko itselleni vai MapInfolle kritiikkiä tästä…

-Onko menestymisesi siis ainostaan kiinni valmentajastasi pätevyydestä vai onko omilla taidoillasi jotain väliä menestymiseen?

-MapInfon tehtävistä voi joskus selviytyä myös omin keinoin. Omin voimin löydetty tie on yleensä pidempi ja monimutkaisempi kuin “oikea” .Usein selviää kuitenkin niillä työkaluilla jotka jo löytyvät meidän (kevyestä) työkalupakista tällä hetkellä. Täytyy vain aina muistaa tarkistaa että saadut tulokset vaikuttavat todennäköisiltä. Viidennellä kurssikerralla kun tutkin Helsingin yhteiskoulun alueen asukkaat sain vastaukseksi että alueella asuisi 300 lasta ja kaksi aikuista. Tulos ei silloin vaikuttanut hirveen todennäköiseltä…

–Jotain muuta krittiikkiä itsellesi?

Jos vielä saisin itselleni sijaan antaa vähän kritiikkiä MapInfolle niin täytyy myöntää että Layout-työkalu on melko huono. Kun tehdään uutta Layout ikkunaa on vaikeaa saada haluamansa ikkunat näkyviin sopivan isoina Layout-ikkunassa ja zoomaaminen on hankalaa. Mittakaavan sijoittaminen kartalla ei näytä onnistuvan millään sillä se ei sijoitu koskaan samaan paikkaan kun se näyttäisi olevan alkuperäisessä ikkunassa. Samalla sen koko verrattuna karttaan ei pysy vaan se seuraa omaa skaalansa, niin kuin symbolitkin. Sama asia koskee pohjoisnuolta. Tai sitten en itse osaa käyttää. Jompikumpi.

-Mikä on ollut haastavinta?

-Minulle on haastavaa pitää kaikki tasot erikseen ja muistaa lukita ja avata. Onnistuin aina piirtämään uutta väärälle tasolle. Mutta siihen kai tottuu ja oppii ottamaan asiaa huomioon. Ensi kierroksella otan sen haasteen vastaan.

Mitä on paras neuvo mitä olet kanssakilpailioistasi napannut?

-Niin kuin Heini Lankia sanoi on oltava “tarkkana kuin porkkana”. Ei aina helppoa, olen enemmänkin “sekava kuin salsaa”.

-Onko MapInfolla (vai sinulla) rajoja?

-Miten kehtaatkin kysyä, ei minulla tietysti rajoja ole. Aina suunta on minulla eteenpäin ja menestymiseen. MapInfolla toisaalta voi olla, jos meille annetut tiedot ovat kerätty vaikka kuntaperustein ja sitten haluaisikin esittää ne ruututeemakartalla niin se on mahdotonta. Luulisin..

-Miten ennustat että tulet pärjäämään tulevissa MapInfo-haasteissa?

Pelkään että kurssin jälkeen kaikki oppimani kikat unohtuvat. Täytyy säilyttää valmentajastamme saamamme ohjeet jossain hyvässä paikassa…

-Kiitos tästä Nora Fabritius ja onnea tuleviin haasteisiin

-Kiitos.

Lähteet:

Derefalk, Susanna. Gis-guru. https://blogs.helsinki.fi/susannad/ 22.02.2012

Lankia, Heini. Heinin Blogi. https://blogs.helsinki.fi/lankia/ 18.02.2012

Alla vielä tehtävien vastaukset jossa kokeillaan Bufferointi työkalun käyttömahdollisuuksista.

Taulukko 1. Taulukko jossa on esitetty tämän kerran tehtävien vastaukset.

Kuva 2. Sama kartta samasta aiheesta kun edellinen, mutta alueiden nimet lisätty niin että pystyy seuraamaan mistä alueista puhun myöhemmin. Nimet kuitenkin jättävät tietoa alleen niin siksi tämä kartta erikseen. (Tilastokeskus, 2010)

Neljännellä kurssikerralla harjoiteltiin ensisijaisesti ruututeemakartan laatimista ja käytiin myös läpi miten kuvakartta liitetään MapInfoon kordinaattien avulla. Kuvan liitämistä MapInfoon avasi silmäni entistä enemmän MapInfon ihmeelliseen maailmaan. Olen aina ihmetellyt miten pystytään liittämään eri tietoja ja kuvia Mapinfoon niin, että se niitä tunnistaa, mutta eihän se kovin monimutkainen juttu ollut.

Ruututeemakartalla on sekä hyviä että huonoja puolia. Ruututeemakartalla pystyy esittämään myös absoluuttisia arvoja, toisin kuin koropleettikartalla, ja sehän on ehdottomasti yksi rasterikartan vahvimmista ominaisuuksista. Mutta niin kuin Sofia Ojala oli Jesse Hietasen blogin luetessa alkanut pohtia; miten paljon absoluttiset arvot oikein kertovat meille? Huomasin myös itse yritessäni tulkita omaa karttani (ulkomaalaisten asukkaiden määrästä pk-seudulla) että olisi ollut erittäin vaikeeta saada mitään irti kartasta jos ei alue oisi ollut tuttu minulle jo entuudestaan.  Alueita missä ulkomaalaisia asuu paljon ovat esimerkiksi Helsingin- ja Espoon keskus sekä itä-Helsinki mutta tässähän asuu myös muutenkin paljon ihmisiä, eli on vaikeaa tietää missä ulkomaalaisia sitten olisi enemmän verrattuna suomalaiseen väestöön. Absoluuttisia arvoja pitäisi käyttää ainoastaan, kun tutkitaan aihe joka on riippumaton, eikä osa jotain muuta. Esimerkiksi ensin tehtiin kartta kokonaisasukasmäärästä, ja sehän toimi hyvin. Mutta kun tietokantamme tällä kertaa koostui asukastiedoista ei ollut melkein muuta kuin kokonaismäärä mikä olisi voitu tutkia absoluuttin arvoin, kaikki muut olivat aiheet joita olisi pitänyt verrata muuhun väestöön, esim. ikäluokat ja erikieliset. Eli niin kun Sofia Ojala kirjoittaa kertoisi loppujen lopuksi kuitenkin enemmän jos käytettäisi suhteellisia arvoja.

Vaikka absoluttisten arvojen käyttö ruutukartoissa sai nyt vähän kritiikkiä on ruutukartoilla kuitenkin muita etuja. Niin kuin Hanna Käyhö ottaa esille blogissaan voidaan ruutukarttojen avulla esittää myös vanhempaa materiaalia joka on kerätty ennen kuin alueiden rajoja on muutettu. Rasteriruuduthan ovat riippumattomia aluejaosta. Kai pystyisi periaatteessa muuttaa maagisen MapInfon avulla tiedot niin että voitaisi niitä esittää uudellakin aluekartalla, mutta ainoastaan jos tiedot ovat pistemäisesti kerättynä. Jos tieto olisi alkujaankin kerätty esim kuntien perusteella niin eihän niitä voi sitten soveltaa ruutukarttaan, eihän? Mutta kuitenkin, ruutukartalla voidaan unohtaa aluejaot. Aluejaot vaikuttavat usein paljon kartan luettavuuteen eikä anna alueiden sisäisten erojen näkyä. Voihan esim. niin kuin Tuuli Rissanen mainitsi blogissan yhdessä kunnassa olla paljon sisäisiä eroja. Jotkut aiheet vaihtelevat hyvinkin pienillä alueilla. Ruutukoon valinta nousee tässä keskeiseen asemaan sillä ruutukokoa valittaeassa pitää olla erittäin tarkka ja ottaa huomioon sekä alueen koko että alueen sisäiset erot että saadan halutut tiedot esitettyä. Liian isot ruudut yleistävät liikaa, mutta liian pienet antavat taas liian sekaisen vaikutuksen ja kartta jää vaikeasti luettavaksi. Jos valitsee aivan liian pienet ruudut niin voi jossain alueilla jäädä, kuten esim. tässä minun karttani tapauksessa, yksi talo per ruutu ja silloin voi kaikki alueet jäädä värimössöiksi, eikä pystytä erottamaan kokonaisuuksia. Oikeaa ruutukokoa ei löydä kuin kokeilemalla.

Tein ruutukarttani ulkomaalaisten asukasmäärästä. Ruutukokona päätin käyttää 500m x 500 m. Suuremmat jättivät pienet vaihtelut alleen ja pienimmistä olisi tullut pikselimössö. Luokanjako säädin itse. Niin kuin Histogrammista näkee (Illuminations 2012) aineston jakauma on selvästi vino mutta siihen soveltuvat jakotavat eivät huomioineet suurimmat arvot mielestäni tarpeeksi hyvin. Halusin nimittäin löytää juuri ne alueet missä ulkomaalaisten määrä on hyvinkin korkea.

Kuva 3. Histogrammityökalulla (2012) tuotettu diagrammi josta voidaan tarkastaa aineiston jakautumista.

Kartasta näkee ,niin kuin arvelinkin, että Espoon- ja Helsingin keskuksessa sekä itä-Helsingissä asuu paljon ulomaalaisia. Tiedän että tämä pitää totuudessakin paikkansa mutta ilman se taustatieto mitä minulla on niin olisi niin kun aiemmin mainittiin ollut vaikeaa tietää onko ulkomaalaisten asukasmäärä korkea siellä suhteessa muuhun väestöön. Vaikka tekisi täällä väärän johtopäätöksen kartan perusteella, eli jos olettaisi että kaikilla tummilla alueilla asuu enemmän ulkomaalasia suhteessa suomalaiseen väestöön (verrattuna muihin alueisiin), ei oltais kuitenkin kaukana totuudesta. Ulkomaalaiset asettautuvat usein alueille missä väestöntiheys on suuri. Alueet missä väestöntiheys on hyvin alhainen ei yleensä asu ollenkaan ulkomaalaisa. Niin kuin kartasta nähdäänkin, Pohjois-Espoossa ei asu yhtään ulkomaalaisia.  Janika Luostarinen joka oli tehnyt kartansa samasta aiheesta vertasi ulkomaalaisten segregaatiota pk-seudulla Amerikan ja New Yorkiin. Siellä ulkomaalaiset ryhmittyvät tietyille yksittäislle alueille kansalaisuuden perusteella, kuten esim China Town ja Little Italy. Helsingin seudulla taitaa asettautuminen tapahtua muilla perusteilla. Niin kuin Anttoni Kervinen ,joka on kanssa tehnyt kartansa asamasta aiheesta huomioi niin suuri osa keskittymistä sijaitsee juna- tai metroradan läheisyydessä. Hän arvelee että tämä voisi johtua siitä että moni on muuttanut työn perään Suomeen ja tahtoo lyhyen työmatkan. Se voi varmasti pitää paikkansa. Voi myös olla että se johtuu siitä että useat maahanmuuttajat ovat tulleessaan maahan köyhempiä kuin average suomalainen, eikä niillä ole välttämättä rahaa autoon ja haluaisivat siksi asua lähellä junarataa. Niin kuin Kervinen myös sanoo halvempi vuokrataso on osasyy keskittymiin. Voiko olla että kaupunki ja muut pienasunto- alueiden rakentajat tahallaan sijoittavat nämä alueet junaradaan läheisyyteen niin että ne jotka asuat siellä (joilla luultavasti ei rahaa autoon) olisi helppo päästä junalle?

Yritin verrata karttani Tuuli Rissaseen ruutukarttaan ruotsinkielisten keskittymisistä pk-seudulla, mutta oli mahdotonta vetää tarkkoja johtopäätöksiä kun ei tiedä kuinka tiehästi siellä muuten asutaan. Moni alue oli täynnä sekä ruotsinkielisiä että ulkomaalaisia, mutta jos ei ole ihan tuttu paikka Helsingin seutu niin on vaikeaa tulkita karttaa. Yksi selvä ero oli kuitenkin se että Kauniaisissa asui paljon ruotsinkieleisiä ja hyvin vähän ulkomaalaisia. Se voisi johtua siitä että Kauniainen on hieman sulkeutunut yhteisö johon on ulkopuolinen vaikea sulattautua eikä siellä ole paljon vuokra asuntoja (useammat ulkomalaiset asettuvat pienvuokraasuntojen alueille niin kuin aiemmin mainittu).

Hietanen, Jesse. Johietan’s blog. 18.02.2012. https://blogs.helsinki.fi/johietan/

Illuminations: Histogram Tool. 8.02.2012. http://illuminations.nctm.org/ActivityDetail.aspx?ID=78

Anttoni. TVT3-blogi-Anttoni Kervinen. 18.02.2012. https://blogs.helsinki.fi/aeekervi

Käyhkö, Hanna. Hannan TVT3-blogi. 18.02.2012. https://blogs.helsinki.fi/hannakay/

Luostarinen, Janika. Janika’s Blog. 18.02.2012. https://blogs.helsinki.fi/0k38747/

Ojala, Sofia. Tvt-3 Kurssiblogi. 18.02.2012. https://blogs.helsinki.fi/sofiaoja/

Rissanen, Tuuli. TVT3 blogi- Tuuli Rissanen. 18.02.2012.  https://blogs.helsinki.fi/tuulriss/

Demokratiaa vai yksityisyyden riistoa?

Neljännen viikon blogitehtävänä tehdään SWOT-analyysi New York Timesin tarjoamasta paikkatietopalvelusta. SWOT-analyysi on niin kuin kurssitoveri Viljami Ruohonen oli ottanut selville tutkimus missä pohditaan objektin vahvuudet (Strenghts), heikkoudet (Weeknesses), mahdollisuudet (Opportunities) ja uhat (Threats).  Käänellään ja väänellään siis. Verrataan samalla myös Suomen ja Yhdysvaltojen näkökantoja siihen kuinka tarkka paikkatietoa saa kerätä, mitä sitä suojellaan ja pitäisikö kerätty tieto olla maksullinen vai ei.

New York Timesin paikkatietopalvelu Mapping America; Every City, Every Block on helppokäyttöinen ja tyyllikkäästi viimeistelty interaktiivinen kartta koko USA:sta. Kartasta saadaan pisteinfona tietoa neljästä eri aiheesta ;Race & Ethnicity, Income, Housing & Families, Education. Karttaa voidaan suurentaa ja pienentää ja pisteiden suuruus muuttuu sen mukaan kun karttaa piennenetään/suurennetaan. Pienin pistekoko vastaa kuitenkin 25 henkilöä, eli ei sen yksityiskohtaisempaa. Muuten näppärästä kartasta puuttuu kuitenkin niin kuin kurssitoveri Timo Säyrinen huomioi analyysityökaluja kokonaan, esimerkiksi työkalu etäisyyden mittaamseen olisi ollut kätevä. Kartasta puuttuu myös mittakaava ja pohjoisnuoli. Legendat ja paikkatiedot esitetäät kuitenkin fiksusti ja selkeästi. Pieni ikkuna seuraa nuolta jatkuvasti ja kertoo alueen yksityiskohdista.

Karttapalvelu on yksityishenkilölle on mielenkiintoisa ja helppoa selailla mutta niin kuin Timo Säyrinen blogissaan huomioi, sivuston todellinen käyttöarvo paikkatietopalveluna varsin pieni. Tietoa ei saada millään kopioitu tai muokattu omia analyyseja varten ja tiedot ovat epätarkkoja.

Huomaa että palvelu on uutislehden tekemä, sillä luulen että se on tehty juuri ainostaan lukijoiden mielenkiinnon herättämiseen. Miksi esimerkiksi tarvittais kartta josta selviää missä asuu homo-pariskuntia? Toinen asia on etten ole mielestäni ennen Suomessa törmäännyt siihen että tietokannoissa luokiteltais ihmisiä ihovärin mukaan, vaan enemminkin niiden kansallisuuden pohjalta. Esimerkiksi Tahitin ja Nigerian kansalaisia laitetaan saman ryhmän alle New York Timesin palvelussa. Toisaalta kartastahan selviää selviä yhtenäisyyksiä ja ryhmittymiä etenkin suurissa kaupungeissa. Taitaa jenkeissä ryhmittyminen tapahtua ihovärin perusteella arjessakin.

Mielestäni on vaikeaa verrata New York Timesin palvelua Suomen paikkatietopalveluihin, koska USA:n muut paikkatietopalvelut eivät ole minulle lainkaan tuttuja. Tiedot karttapalveluun on saatu American Census Bureau’sta. The Census Bureau näyttää olevan hyvä esimerkki järjestöisä joka kerää paikkatietoa Yhdysvalloista, eli perustan tämän vertailun sen palvelun perusteella. The Census bureau kerää tietoja kaavakkeiden avulla ja näytteiden otolla jotka suoritetaan tasain vuosivälein. The Census bureau pitävät erittäin trakkaa huolta sitä että näytteiden antajien henkilöllisyydet pidetään salassa eikä ne julkaise yksittäisiä vastauksia. Niin kuin Jenni Elonen on myös huomioinut blogissaan, sivulla kerrotaan tosi tarkasti keräily menetelmistä ja miten ysityisyyttä suojataan. Kun keräsin materiaalia tähän blogitehtävään yritin kopioida tekstiä sivulta minulta kysyttiin lupaa siihen että saavat täyden pääsyn leikepöydälleni, mikä oli melko yllättävää. Kyllä pystyin materiaalia kopioimaan sitten ilman tämän luvan antamista, mutta melko erikoista kuitenkin. Taitavat oikeasti olla kiinnostuneita ja tarkkoja siitä kuka vie tietoja minnekin. Ykityisyyshän pidetään niin kuin kurssitoveri Viljami Ruohonen kirjoittaa blogissaan erittäin tarkkana asiana Yhdysvalloissa. Laki kieltää tarkan paikantideon kerääminen sillä se katotaan rikkovan ihmisten yksityisyyttä. Täytyy myöntää että tuntui minulta oudolta kun saimme neljännellä kurssikerralla tarkkailla tietoja jokaisen pääkaupunkiseululla olevan asunnoksen asukkaista suoraan tietopankista. Jos pieni perhe asuu omakotitalossa pystyy helposti selittämään jonkun tietyn henkilön äidinkieltä, kansalaisuutta ja ikää. Ei se nyt maailmaa kaada, mutta entäs jos Rouva Johansson on valehdellut rakastajalleen että on 34 vuotta vanha ja sitten herra tutkija aka rakastaja saa käsiinsä nämä tiedot ja selviää että rouva onkin 52 vuotias. Voisihan se sen ihmisen elämää vaikeuttaa…

Niin kuin Viljami Ruohonen myös ottaa esille blogissaan on myös kyse demokratiasta kun puhutaan kerättyjen tietojen saatavuudesta. Ei ole oikein että valtio salaa tietoa kansalaisilta demokraattisessa yhteiskunnassa. Mutta toisaalta, onko sitten oikein yksityishenkilöitä kohtaan jakaa niiden tietoja… hankalia kysymyksiä.

Suomen  ja USA:n paikkatietokantojen pähkinäkuoressa ovat että Suomella on erittäin tarkat tiedot kaikista kansalaisista mutta se on hankalasti saatavilla ja maksaa, USA:lla taas rajoitetusti tietoa mutta helposti saatavilla, ja ilmaiseksi. Niin kuin Ainokaisa Tarnanen toteaa blogissaan tiedon helppo saatavuus voi olla sekä “threat” että “possibility”. Se että tieto on helposti saatavilla voi johtaa siihen että kokemattomat tiedonkäsittelijät tekevät väärät päätökset saamansa tietojen perusteella, tai tekevät tahalleen väärää niillä. Mutta paikkatietoja vääristetään kyllä mediassa joka puolella maapalloa. Hyvänä puolena tietysti taas se että kaikki asiasta kiinnostuneet saavat tiedot helposti ja haluavat.

Jyrki Kasvin(2011) mukaan “paikkatiedon panttaamiseen ei ole enää varaa.” Se että Suomessa paikkatieto on usein maksullista hidastaa paikktietojen hyöyntämisen sekä kehityksessä että kaupallisessa merkityksessä. Tutkijat valitsevat Kasvin mukaan usein jopa sen vaihtoehdon että keräävät tiedot uudestaan sen sijaan että “ostaisivat” valmista tietoa koska se on niin kallista. Tämä hidastaa hyödynnöllisen tutkimuksien edistymistä. Kasvi on sitä mieltä että Suomi tässä mielessä pitäisi seuraa Yhdysvaltojen esimerkkiä ja pitää kaikki paikkatietopankit maksuttomana.

Entäs New York Timesin palvelun vaikutus sen lukioihin? Tuli mieleen että tällaisen karttapalvelun julkaiseminen voi johtaa siihen että jo segregaatioitunut Amerikka tekee sen entistä enemmän. Ihmiset voivat etukäteen ottaa selvää kortteleissa asuvien keskipalkat, velat, etniset taustat ja sexuaaliset suuntatumiset. Kun ihmiset muuttavat valitsevat helposti sitten alueen jossa jo asuu samankaltaisia kansalaisia.

Jos haluaa perehtyä enemmän paikkatietojen yksityisyyskysymyksiin ja oikeusasioihin kannattaa lukea Tiina Junnilaisen (2001) diplomityö aiheesta. Siinä kattavasti lisätietoa aiheesta!

Lähteet:

Ruohonen, Viljami. Ruohosen tvt3-blogi. 08.02.2012 https://blogs.helsinki.fi/viljamir/

Elonen, Jenni. Jenni ja Geoinformatiikka. 09.02.2012 https://blogs.helsinki.fi/jennielo/

Tarnanen, AinoKaisa. Tvt3-blogi. Ainokaisa Tarnanen. 09.02.2012 https://blogs.helsinki.fi/atarnane/

Mapping Every City, Every Block (2011). American Census Bureau. 08.02.2012 http://projects.nytimes.com/census/2010/explorer

Kasvi, Jyrki. (2009) Täysistunto – 25/2009. 09.02.2012. http://www.kansanmuisti.fi/session/25-2009/statements/4/

Junnilainen, Tiina. 2011. Paikkatietojen käyttöön liittyvät oikeudelliset kysymykset. Kuntaliitto 2001. http://www.kunnat.net/fi/asiantuntijapalvelut/yty/verkko-oppaat/paikkatiedon-opas/paikkatieto-lainsaadanto/Documents/Paikkatietojen%20käyttöön%20liittyvät%20oikeudelliset%20kysymykset.pdf

Kolmannella kurssikerralla harjoiteltiin aineistojen tuomista Map-Infoon ja niiden muokkaamista esittelyä varten. Tuli paljon uutta muisteltavaa, mutta ei se siitä helpotu kun harjoittelemalla ja kokeilemalla.

Tehtäväksi tuli tehdä Suomesta kahden muuttujan teemakartta josta näkyy valumaalueiden tulvaindeksit ja järvineisyysprosentit. Tehtävänä oli esittää tulvaindeksi koropleettikarttana ja järvineisyys pylväsdiagrammeina samalla kartalla. Taas kerran liitän tekstiin kartta joka on kaikkea muuta kuin valmis. Moni asia meni pieleen; mittakaavalla lukee skaala (vääristyy kun kuvan kokoa muuttaa), pylväsdiagrammit ovat hiukan liian pitkiä ja osa pohjoissuomesta on Layout-vaiheessa jäänyt kuvan ulkopuolelle. Legendan otsikot ovat muokkaamatta. Eli paranneltu versio siis tulossa myöhemmin..

Tulvaindeksiaineiston frekvenssijakauman selvittämiseen saatiin tällä kertaa valmis histogrammi. Niin kuin kurssitoveri Saana Kemppi, minäkin valitsin kvanttiilin jakauman (eli suurin piirtein yhtä monta havaitoa / luokka). Yksi havainto joka on muita selvästi suurempi jää silloin huomioimatta, mutta ajattelin että kokoinaiskuvaa ajatellen ei ole tärkeää näkyykö se vai ei. Sofia Ojala on taas valinnut toisen luokkajakauman minkä voitte tutkia hänen blogissaan https://blogs.helsinki.fi/sofiaoja/. Hänen kartallaan erottuvat alueet joilla on erityisen suuri tulvaindeksi paremmin kun kvantiililla jakaumalla. Hän on sijoittanut suurimman osan havannoista (jotka olivat pieniä) yhteen luokkaan ja sillä tavalla erottuu alueet jotka erottuvat joukosta paremmin hänen kartallaan. Molemmilla jakaumilla saadaan esille eri asioita ja molemmat ovat hyödyllisiä tulvaindeksien ja järvinesyyksien vertailussa.

Karttaa tulkitessa tuli mieleen, että olisi mielestäni ollut loogisempaa tehdä järvineisyydestä koropleettikarttaa ja tulvaindeksistä pylväsdiagrammeja. Järvineisyyshan pysyy suurin piirtein muuttamattomana, mutta tulvathan tulee ja menee. Sopisi jotenkin paremmin, että “nouseva ja laskeva” vesi esittäisiin “nousevia” pylväinä, ja maaston koostumus joka pysyy aina samana väreinä… mutta se on kai makun asia.

Mitä tästä kartasta voisi revitä? Ensimmäinen mikä tulee mieleen on että järvineisyyshän pitäis vaikuttaa negatiivisesti tulvaindeksiin. Jos on enemmän vesistöjä jotka pystyvät varastoimaan vettä, tulvavaara laskee. Teemakartta tukee hyvin tätä teoriaa. Vaaleila alueilla missä tulvaindeksi on matala on yleensä pitkä järvineisyys pylväs.

Tulvaindeksi on suurin maan rannoilla. Sehän on myös sopivaa kun ajattelee että sinnehän se vesi valuu valumaalueiden korkeimmilta alueilta, eli vedenjakajilta. Suomenselän ja Maanselän (Suomen merien vedenjakajat) alueillahan liikkuu vähiten vettä. Sitten ylimääräinen vesi kulkee järviä ja jokeja pitkin “reunoja”, eli rannikkoja, kohti. Eli kaikki pintavesi kulkee reunojen yli, mutta vedejakajille tulee ainoastaan vettä ilmakehästä. Tämä teoria tukee sitä, että vaikka järvineisyys on matala luoteis-Suomessa mistä löytyy vedenjakaa, siellä ei ole korkea tulvaindeksi. Se voi myös johtua siitä että alue sijaitsee Norjan vuoristojen “kuivalla” puolella. Eli kostea ilma joka tulee Atlantilta nousee kun törmää Norjan vuoristoihin ja siellä sataa. Jäljelle luoteis-Suomelle jää vain kuivaa ilmaa.

Kurssitoveri Eira Linko oli ottanut esiin asian joka ei itselleni tullut mieleen, nimittäin valuma-alueiden kokoa. Rannikolla ovat valumaalueet pienet, syystä että siellä on paljon jokia. Voiko tämäkin olla osasyy siihen että siellä tulvimisvaara on suurempi? Tai onko korkea tulvimisindeksi syy siihen että siellä on paljon jokija? Vai vaikuttaako molempiin se että ovat merien valumaalueiden reunoilla..? Rannikoilla on enemmän jokia jotka voivat tulvia? Eiei ei.. tämä pohdiskelu meni nyt vähän pieleen luulen. Unohdetaan tuo..

Eira Linko ottaa esiin myös toisen tärkeän asian joka voisi ollaa syy siihen että rannikon alueilla on suurempi tulvaindeksi. Rannikolla asutus on tiheämpää ja suuri osa maasta on rakennettu. Alueet imevät siten vähemmän vettä ja vesi jää maan pinnalle. Jos katsotaan taas Sofia Ojalan teemakartalla erottuvia alueita ja nähdään että esimerkiksi Helsingin seutu kuuluu alueisiin joilla on erittäin korkea tulvaindeksi.

En tiedä menikö yksikään tulkinta oikein, mutta olipa meilkein hauskaa niitä keksiessä.. Ekhä olisikin pitänyt valita luonnonmaantiedettä..

Lähteet:

Kemppi, Saana. Smkemppi’s blog. https://blogs.helsinki.fi/smkemppi/. 01.02.2012

Ojala, Sofia. Tvt3 kurssiblogi. https://blogs.helsinki.fi/sofiaoja/. 01.02.2012

Linko, Eira. Geoinformatiikka. https://blogs.helsinki.fi/elinko/. 01.02.2012

 Anna Leonowiczin artikkeli  Cartography- Two-variable choropleth maps as a useful tool for visualization of geographical relationship (2006) vertaa yhden ja kahden muuttujan teemakarttoja helppolukuisuuden kannalta  ja myös vertailun työkaluina. Niin kuin Essi Ylitalo niin sujuvasti ilmaisee blogissaan, artikkelin sanoma lyhyesti sanottuna on että kahden muuttujan teemakartta on haastavampi lukijalle mutta jos se on hyvin laadittu ja ulkoasuun ja yksityiskohtiin on panostettu se auttaa lukijaa löytämään muuttujien välisiä suhteita. Kahden muuttujaan teemakartta vaatii sekä laatijalta että lukijalta enemmän, mutta jos molemmat onnistuvat sen avulla voi päästä pitkälle vertailussa. Hyvä legena on myös tärkeä osa kahden muuttujan karttaa.

Artikkelin mukaan on todistettu että luokkia saa olla ainostaan kolme jokaista muuttujaa kohden, että kartta pysyy lukukelpoisena. Mutta onkohan tutkimuksessa otettu huomioon värin ja rasterin käyttöä kahden värin sijaan? Niin kuin kurssitoverit Essi Ylitalo ja Mikko Raninen myös totevat, on helpompaa lukea kahden muuttujan karttaa missä yhdelle on valittu värejä ja toiselle rastereita kuin sellaista missä on kahta eri väriskaalaa jotka sulavat yhteen. Silloinhan syntyy yhdeksän eri luokkaa kun värit sekoittuvat. Rasterilla ja värillähän syntyy kanssa yhdeksän yhdistelmää, mutta lukijan ei tarvitse muistaa kuin kuusi, että tietää minkä luokkien yhdistelmä on kyseessä.  Artikkelin liitteenä on “yhdeksän luokan” koropleettikartta. Monen muunkin kurssilaisen mielestä kartta on vaikesti luettava, Eva Nefflingin mukaan artikkelin kartta vaatii enemmän perehtymistä eikä ole mitenkään itsestäänselvä, ja niin minunkin mielestäni. Mutta rasteri-väri kartta on mielestäni helpompi lukea, katso esimerkiksi Essi Ylitalon kahden muuttujan teemakarttaa hänen blogissaan.( https://blogs.helsinki.fi/eiylital/).

Legenda on kahden muuttujan kartassa vielä tärkeämpi kuin yhden muuttuja kartassa. Artikkelissa on esitetty oiva tapa luoda legenda joka on x-y-akseli muodossa josta pystyy helposti lukemaan mistä luokista tietty väri koostuu. Mutta niin kuin Lotta Kivalo huomioi blogissaan, pystyyköhän edes Map-Infolla tuottamaan tällaista legendaa? Vai pitääkö sen erikseen luoda myöhemmin Coreldrawilla? Iso miinus Map-Infolle jos ei pysty. Täytyypä ottaa selvää.

Koska kahden muuttujan kartta on haastavampi lukea pitäisi mielestäni varoa sen käyttöä esimerkiksi lehdissä ja muussa mediassa. Siellä näkevät karttaa myös kartanlukutaidottomat joille kartta voi olla liian haastava. Yleensä ihmisillä ei ole aikaa perehtyä kunnolla asiohin jotka löytävät mediasta, selaillaan nopeasti ohi vain. Sellaiseen kahden muuttujan kartta ei sovi.

Lähteet:

Ylitalo, Essi. Essin tvt3-blogi.https://blogs.helsinki.fi/eiylital/. 01.02.2012

Raninen, Mikko. Mikko & GIS.  https://blogs.helsinki.fi/mraninen/ 31.01.2012

Neffling, E.M. Evan Blogi. https://blogs.helsinki.fi/enefflin/ 31.01.2012

Kivalo, Lotta. Lotan Paikka. https://blogs.helsinki.fi/lokivalo/ 31.01.2012

Toisella kurssikerralla käytiin läpi minkälaisia teemakartoja Map-Infolla pystyy tuottamaan. Niin kuin kurssitoverit Johanna Levlin ja Sara Sandström toteavat blogeissaan oli minunkin mielestäni paljon helpompaa tuottaa karttoja ja keskittyä yksityiskohtiin täällä kurssikerralla kun oltiin jo tutustuttu perustyökaluihin ja toimintoihin. Täytyy välillä palata “maan pinnalle” muistamaan että tuotamme ihan oikeasti tarkkoja, moniulotteisia karttoja kaikissa muodoissaan vaikkapa alle viidessä minuutissa tietokoneen avulla. Ei ollut monta vuotta sitten kuin olisi vaatinut paljon enemmän aikaa ja paneutumista että saatais samanlaista aikaan. Pitää pikkasen jarruttaa tehdessä karttoja Map-Infolla, pitää muistaa miettiä kaikkia tärkeitä asioita niin että kartasta tulee oikeasti hyvä. Ennen oli ehkä enemmän aikaa miettiä lopputulosta matkan varrella, nyt lennetään helposti ohi koko pohdintaa. Mutta jos fiksusti tekee ja jaksaa, meillähän on itse asiassa enemmän aikaa pohtimiseen nyt kun kartan tekniseen laatimiseen ja tietojen hakemiseen ei mene yhtä paljon aikaa.

Tämän kerran tehtävä oli laatia teemakartta jolla on kaksi muuttujaa. Sai valita miten teemat halusi esittää. Mielestäni oli hastavaa löytää kaksi sopivaa muuttujaa joilla voisi (sitähän tässä tutkitaan) olla jonkinlainen yhteys tai korrelaatio. Muuttujat eivät voi olla toisistaan suoraan ja ilmiselvästi riippuvia (tai voi ja voi, mutta turhahan on siitä tehdä kahden muuttujan karttaa). Pitää myös varoa ettei tee väärää johtopäätöstä, tai ainakin karttaa tulkitessa pohtia miten muuttujat liittyvät toisiin. Muttujilla voi olla niin kuin tutussa jäätelö-hukkumiset-esimerkissä, yhteinen vaikuttaja (lämpötila) mutta niillä ei ole välttämättä suora yhteys.

Itse valitsin mielenkiinnosta avioerojen ja naimisiinmenojen tutkimisen. Avioerojen määrä voisi jossain määrin määrittää kansalaisten hyvinvointia. Ensimmäinen muuttuja oli avioliittojen suhteellinen määrä verrattuna asuinlukuun ja toinen oli avioerojen osuus avioonmenojen määrästä. Näin kartasta pystyy lukemaan, missä kunnissa mennään useammin naimisiin ja missä erotaan enemmän. Opettajamme Arto antoi myös vinkin, että kannattaisi lisätä kolmas muuttuja, nimittäin tulot, niihin saattaisi löytyä suhde. Paikkatiedot kuitenkin kertovat vain yhden ainoan vuoden (Tilastokeskus ,2010) tietoja, eli täytyy myös ottaa huomioon että tietoihin voi vaikuttaa sattuma.  Tein kaksi karttaa, yhdessä vain avioliitto-muuttujat ja toiseen lisäsin vielä tulo-muuttujaa. Tein naimisiinmenot ja avioerot kahtena koropleettikarttaa päällekkäin, ensimmäinen muttuja väreissä ja toinen rastereita, tulot lisäsin suhteellisina symboleina. Niin kuin kurssitoveri Mikko Raninen toteaa blogissaan on minunkin mielestä niin että kartasta saadaan selkein jos käytetään muuttujien luokille väri ja rasteri eikä väri ja väri. Mutta tästä aiheesta enemmän Leonowiczin artikkelia (2006) pohtivassa blogpostissa.

Kuva 1. Kahden muuttujan koropleettikartta Uusimaasta jossa on esitetty avioliittojen ja avioerojen suhteellista korrelaatiota. (Tilastokeskus 2010)

Kuva 2. Kahden muuttujan koropleettikartta jossa on esitetty avio-liittojen ja avio-erojen suhdetta Uusimaassa. Samalla kartalla on suhteellisin symbolein esitetty kuntien asukkaiden keskitulot. (Tilastokeskus 2010)

Täytyy niin kuin kurssitoveri Mikko Raninen todeta että “VOI EI!” ja minulla taitaa olla aihettakin, voisi jopa lisätä enemmän kuin yhtä huutomerkkiä. Luin Leena Leonowichin artikkelia (2006) vasta kartan laatimisen jälkeen. Kartallani on aivan liian monta luokkaa, se ei ole ollenkaan helppo tulkita. Artikkelin mukaan on todettu että saa enintään olla kolme luokkaa muuttujaa kohden että kartta pysyy helposti tulkittavana. Ensimmäisessä muuttujassa minulla on jopa viisi, toisessa kolme. Toisessa kartoista on kolme muuttujaakin, eli vielä enemmän liikaa. Ei ihme että minulla oli vaikeuksia löytää sopivia väriä ja rastereita. Legendojen otsikot olivat ihan väärin muotoiltuja, Mittakaava liian iso ja kilometrimäärä olisi voinut olla tasainen luku. Rastereista tulivat epäselviä kun karttaa muutettiin jpg-kuvaksi. Tulo-symbolit olivat kömpelösti asetettuja ja esimerkiksi Kauniainen jäi kokonaam “pankkitalo”- symbolin taakse. Teen ensi tunnilla uuden yrityksen laatia parempaa karttaa ja lisään sen myöhemmin tähän. Katotaan saataisko aikaan jotain vähän selkeempää.

On mielenkiintoisaa nähdä tulokset. Sipoo, Inkoo ja Mäntsälä olisivat kartan mukaan vuonna 2010 “onnellisimmat kaupungit. Siellä meni yli 5,62 % väestöstä naimisiin ja alle 40 % samasta määrästä erosi sinä vuonna (sekään ei kyllä ihan positiiviselta kuulosta..) Huomaan nyt tulkitessani karttaa että olisin voinut muotoilla muuttujat eri tavalla niin että lopputulos olisi selkeempi. Jaoin naimisiinmenot asukasmäärällä että saisin prosentteina kuinka moni menee naimisiin mutta avioerojen kohdalla jaoin niitä avioonmenojen määrällä. Olisi avioerojenkin kohdalla pitänyt jakaa asukasmäärällä että erot muuttujien välillä olisivat selkeämmin havaittavissa.  Synkimpiin kaupunkeihin kuuluu Karkkila, Kauniainen ja Myrskylä. Siellä meni ainoastaan alle 4,91 % väestöstä naimisiin ja yli 60.1 % niiden määrästä erosivat. Mikä voisi olla syy näihin suuriin vaihteluhin kunnittain? Se ei voi olla kuntien sijainti koska siinä ei näy mitään yhtenäistä. Voisiko se olla että joissakin kaupungeissa asuu vähemmän nuoria jotka menisivät naimisiin? Mutta nykyäänhän menevät ihmiset naimisiin tosi vaihtelevilla iällä. Mutta yksi yhteinen muuttuja näillä voisi olla, nimittäin asukkaiden keskivuositulot.

Kun karttaan tuodaan kolmas muuttuja, asukkaiden keskitulot nähdään yllättävästi että melkein poikkeuksetta kaikilla kunnilla joilla on sama väri ja rasterointi niin niillä on samankokoinen pankkitalo, eli samankaltaiset tulot. Kauniainen on ainut kaupunki jossa on suuret tulot mutta myös synkät tilastot avioliittojen suhteen. Siellä mennään melko harvoin naimisiin mutta moni eroo. En itse löytänyt tälle vastausta mutta jos olisin gradua kirjoittamassa olisi erittäin mielenkiintoisaa tutkia mitkä muuttujat vaikuttavat avioeroihin, onko se jotain mitä voi riippua asuinpaikasta vai ei? Onko se niin että taloudellisia vaikeuksia johtaa usein avioeroon? Se kuulostaa ihan järkevältä, taloudellisia vaikeuksia tuovat stressia perheisiin ja parisuhde voi kärsiä. Löysin tilastokeskuksen sivuilta myös artikkelin (2007) avioerojen perhesuhteista jossa mainitaan myös että avioerosta seuraa usein osapuoleille taloudellisia vaikeuksia. Eli se on paha ympyrä, taloudelliset vaikeudet johtavat avioeroihin ja avioerot johtavat talousvaikeuksiin.

Tämä oli minun mielestäni oikein onnistunut kartan laadinta. Tai itse kartoista ei tullut ollenkaan onnistuneita, mutta lopputulos oli mielenkiinoinen. Jos olisi aikaa haluaisin perehtyä tähän aiheeseen enemmänkin. Taidanpa tehdä vielä uuden yrityksen laatia parempaa karttaa, teen uutta versiota näiden pohdiskelujen jälkeen.

Lähteet:

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

Levlin, Johanna. Johannas Blogg. https://blogs.helsinki.fi/jlevlin/ ,  31.01.2012.

Raninen Mikko, Mikko & GIS. https://blogs.helsinki.fi/mraninen/ 30.01.2012

Sandström Sara, Saras Blogg. https://blogs.helsinki.fi/sarasand/ 31.01.2012

Tilastokeskus (2010)

Tilastokeskus (2007) http://www.stat.fi/ajk/tiedotteet/v2007/tiedote_012_2007-04-12_sv.html. 31.01.2012