Blogi on nyt valmis arvosteltavaksi. Kurssi oli raskas ja niin karttoja kuin tekstiä tuli parin sadan työtunnin edestä tehtyä. Jos verrataan kaikkia kolmea TVT-kurssia, niin tämä oli kyllä ehdottomasti paras ja parhaiten toteutettu. Mitä kurssista jäi sitten käteen? MapInfo-paikkatieto-ohjelma tuli tutummaksi ja se sai jopa inhimillisiäkin piirteitä, joiden olemassaoloa epäilin kurssin alkuvaiheessa monen muun opiskelijan tavoin. Lisäksi kurssi antoi perusteita GISin käytöstä. MapInfon lisäksi tutuksi tulivat mm. PhotoPaintin käyttö, blogin ylläpitpo ja GPSn käyttö.

Tässä mutamia kurssilla esille nousseita asioita, joihin kartanteossa tulisi kiinnittää erityistä huomiota:

– GISin kanssa on oltava skarppina, skarppina ja…?… skarppina joka vaiheessa. Aineiston keräämisessä ja muokkaamisessa on tiedettävä, mitä tilastot esittävät ennen ja jälkeen muokkauksen, missä muodossa tiedostot ovat ja missä ne sijaitsevat. Kartantekovaiheessa komentojen käyttämisessä on oltava tarkka, että lukija pystyisi helposti tulkitsemaan sitä. Tätä varten visuaalisuuteen vaikuttavat valinnat ovat elintärkeitä, kuten värivalinnat ja esitettävien asioiden lukumäärä ja teemakarttatyyppi.

-Kun viimein layout-ikkunassa sommitellaan karttaa, kannattaa viimeistään tarkistaa, että kaikki on kunnossa. Itse uusin pari karttaa huomattuani vasta julkaisuvaiheessa legendojen olleen väärässä muodossa.

-Jos MapInfo ei suostu toimimaan halaumallasi tavalla, muista AINA tarkistaa, puuttuuko jostain asetuksista jokin rasti.

-Koordinaattien kanssa muista olla erityisen tarkkana, sillä 50% todennäköisyydellä koordinaattien arvot voi laittaa väärinpäin ja niin kävi myös pari kertaa itsellenikin.

Seitsemäs kurssikerta oli lähes kokonaan itsenäistä
työskentelyä, sillä kurssikerran työnä piti valmistaa viimeinen taidonnäyte
hyödyntämällä kaikkea aiemmin opittua. Tätä kurssityötä tehdessä tuli ainakin käytännössä huomattua, miten maantieteilijän tulee olla kaiken osaava diletantti.
Kurssikerran työtä tehdessä tulin toimineeksi ainakin tilastotieteilijänä, graafikkona,
kartografina, IT-osaajana, espanjan kielen kääntäjänä, matkailumaantieteilijänä,
kriitikkona ja analyytikkona.

Mikko Raninen huomauttaa blogissaan, että kovin harva lähti
tekemään lopputyötään Suomesta, ehkä siksi, että ulkomaat olivat monien
mielestä paljon kiintoisampia. Oma lopputyönikään ei ole Suomesta, vaan Espanjasta.  Kotimaata tutkitaan nimittäin todella paljon, mikä sinänsä on oikein hyvä asia, mutta vaihtelu virkistää ja pakottaa käyttämään erilaisia lähteitä ja tutkimaan ilmiöitä erilaisessa ympäristössä. Yhdyn Aino Matikaisen blogissaan kertomaansa mielipiteeseen siitä, miten omatoiminen kokeileminen MapInfolla voi olla hieman pelottavaa, sillä kohdattavien ongelmien ratkaiseminen ja korjaaminen voi viedä hyvin paljon aikaa, sillä käytettävät aineistot ovat usein laajoja ja ohjelman toiminnot moninaisia. Olen kyllä huomannut, että yleensä kohdattavien ongelmien syy on aivan pikkumainen, yleensä joku unohtunut rasti jostain toiminnosta tai käytettävien aineistojen erilaisuus.

Etukäteistyönä meidän tuli etsiä pohjakartta ja valmiiksi aineistoa.
Muistan vielä, miten lukion aluetutkimuskurssilla etsin tilastoja ja tietoja monta
päivää. Ajankäytön optimoimiseksi hankin tutkimusaineistoni samalta taholta, jota
käytin Kanariansaarista tekemääni aluetutkimukseen, eli Espanjan tilastokeskuksen,
Instituto Nacional de Estadistican, INEbase-sivustolta (<http://ine.es/en/welcome_en.htm>). Vaikka sivusto oli tuttu, tiedon
etsimisessä meni paljon aikaa, sillä tiedot ja haut ovat osittain englanniksi,
osittain espanjaksi saatavilla. Koska en ole koskaan opiskellut espanjaa, oli tietojen
etsiminen edelleen kaikilla 19 Espanjan matkallani oppimallani turistiespanjalla melko vaikeaa. Koska tilastojen etsimisessä meni paljon aikaa, aloin jo tehdä karttapohjaani, mikä oli oikea ratkaisu, sillä siihen kului suurin osa ajasta.

Löysin tiedotusblogista löytyneen Maplibrary-sivuston linkin
kautta suoraan MapInfo-aineiston Espanjasta, jonka latasin ja toin MapInfoon
tallennettuani sen ensin koneelle muutamassa eri tiedostomuodossa. Kartta esitti
Espanjan kuntia, joita oli silmämääräisesti lähemmä tuhatkunta. Alueita
suositeltiin olevan noin 20, joten päätin jakaa alueeni itsehallintoalueisiin,
joita oli 19. MapInfo ei kuitenkaan pystynyt tekemään niille itse konkreettista
rajaa, vaan ne täytyi piirtää tai itse asiassa digitoida. Ensiksi alueet piti
valita select-toiminnolla. Tässä kohtasin ensimmäisen ongelman, sillä jostain
aivan kummallisesta syystä neljättä itsehallintoaluetta rajatessani ei select-, SQL-select– tai edes select-all-komento toiminut. Seuraavana päivänä sain sen kuitenkin taas toimimaan javeikkaan, että jokin rasti oli taas jostain unohtunut valita..

Fanny Rehula kommentoi omassa blogissaan, että kuinka hienoa oli, ettei hänen tarvinnut piirtää rajoja. No, itsehän piirsin ne kaikki. Toisaalta tämä oli hyvä asia, sillä se vahvisti mielestäni heikointa osaamistani MapInfon käytössä, eli itse digitointia. Aivan vapaalla kädellä ei sentään rajoja tarvinnut piirtää, sillä apuna oli snap-toiminto, joka yhdisti kahden pisteen välisen viivan jo valmiina olevia kuntarajoja pitkin. Perttu Heinonen, Jesse Hietanen ja Tuuli Rissanen kertovat omissa blogeissaan, miten helppoa snap-toiminnon käyttäminen oli. Saanen kuitenkin olla eri mieltä. Itsehallintoalueen raja piirrettiin siihen kuuluvien rajakuntien rajoja pitkin, tosin yhden kunnan raja kerrallaan, sillä ohjelma ei osannut yhdistää pidempiä matkoja, koska reittivaihtoehtoja olisi ollut ilmeisesti liikaa. Kuitenkin jostain aivan kummallisesta syystä
MapInfo halusi yhdistää rajapisteet väkisinkin väärää, pidempää reittiä pitkin,
joten noodeja täytyi tehdä tiheämpään, vähintään yksi jokaisen rajakunnan
noodien välille.  Rantaviivan digitoiminen oli erityisen hankalaa rasteriaineiston pohjalta, sillä ohjelma valitsi kuntarajan sijaan noodiksi lähimmän pikselin kulman ja koska ohjelma osasi jatkaa seuraavaa rajaa vasta kuntarajojen noodien kautta, täytyi zoomata
kartta usein todella pieneksi, jotta tämän yhden pikselin reunan matkan kuntarajan
noodiin sai digitoitua. Melko ärsyttävää, mutta pitkä piirtämisen jälkeen se lopulta onnistui.

Seuraava ongelma oli, miten saada yhdistettyä erilliset alueet, kuten Baleaarien saaret ja Kanariansaaret, jotka koostuivat useista saarista, mutta kuuluivat yhteen eli ne piti saada yhdeksi objektiksi. Helsingin yliopiston itseopiskelutila Aleksandriassa tämä ei jostain aivan kummallisesta syystä onnistunut, mutta Kumpulassa asia hoitui konsultoituani vielä kurssin vetäjän, Arttu Paarlahden kanssa. Kolmas digitointiin liittyvä asia, ei niinkään ongelma, sillä tähän löytyi toimintaohjeet kurssikerralta neljä, jolla digitoitiin Pornaisten keskustaa. Espanjassa on nimittäin muutama kummallisuus, nimittäin osa kunnista on itsehallintoalueiden eksklaaveja toisen itsehallintoalueen
sisällä, mikä on aika kummallista. Nämä eksklaavit sain kuitenkin yhdistettyä
oikeisiin itsehallintoalueisiin leikkaamalla niitä ympäröiviin maakuntiin
kuntien kohdalle reiät ja liittämällä leikatut kunnat samalla tavoin kuin saaretkin
oikeisiin alueisiin.

Valitessani select-toiminnolla itsehallintoalueita digitoitavaksi, huomasin jälleen kerran, miten tarkka kyselyjä ja aineiston muokkauksia tehtäessä on yhteensopivuuden kanssa oltava. Itsehallintoalueiden nimet olivat nimittäin espanjaksi ja sisälsivät aksentteja
ja ñ-kirjaimia. Lisäksi joidenkin alueiden nimissä esiintyi sanat Region ja
Comunidad sekä yhdessä myös jälkimmäisen sanan paikalliskielen versio
Comunitat. Yksi pienikin virhe esti hakukyselyn tekemisen.En ollut onneksi ainoa, joka painiskeli tämän ongelman kanssa, sillä myös Jenni Elonen kertoo blogissaan törmänneen samanlaiseen ongelmaan. Lopputuloksessa näkyy kaikkien näiden itsehallintoalueiden nimet niiden tunnistamisen helpottamiseksi. Tästä kyllä saanen palautetta, että miksi nimet ovat espanjaksi. Joillakin itsehallintoalueilla on toki suomenkielinen nimi, kuten Katalonia ja Kanariansaaret ja Andalusia, mutta ei
kaikilla. Lisäksi jotkut nimet eivät vielä ole vakiintuneet kunnolla Suomen
kieleen. Koska aineistossa nimet olivat virallisia nimiä, en ryhtynyt muuttamaan
niitä, sillä niiden virallinen suomennos olisi saattanut olla väärä. Nimet voidaan
kyllä helposti ymmärtää, kuten Cataluña Kataloniaksi ja Andalucia Andalusiaksi.
Itse tunnustan monesti käyttäväni nimeä Andalucia. Voidaan myös kuvitella, että
sanamuotokiista olisi samanlainen kuin suomenkielisen pitsa-sanan ja ehkä
yleisemmin käytetyn sanan Pizzan välillä.

Lopulta pääsin tuomaan karttaesitykseeni aineistoa. Lopulta
päädyin ehkä yksinkertaiseen, mutta sinänsä mielenkiintoiseen aiheeseen
nimittäin matkailijoiden oleskeluaikoihin itsehallintoalueilla.  Karttani (kuva 1) esittää koropleettina matkailijoiden oleskeluajan itsehallintoalueilla ja graduated-ympyröinä matkailijoiden määrän. Molemmat tiedot ovat vuoden 2010 tietoja. Tietoja etsiessä ongelmaksi koitui se, että monet tilastot, joita aioin vertailla, olivat eri vuosilta,
mikä tarkoittaa, että ne eivät ole kunnolla vertailukelpoisia, mihin myös Iiris
Karvinen kiinnittää blogissaan huomiota.

—Kuva 1. Matkailijoiden lukumäärä (esitetty graduated-ympyröinä) sekä heidän keskimääräinen oleskeluaika (esitetty koropleettina) Espanjan itsehallintoalueilla vuonna 2010

Espanja on Euroopan hyvin suosittu matkailumaa ainakin
Euroopan mittakaavassa yli 70 miljoonalla matkailijalla (INE). Suosittuja
turistialueita on lukuisia: Costa Brava ja Barcelona Kataloniassa, Costa Blanca
Murcian alueella, Costa del Sol ja Costa del Luz Andalusiassa sekä koko Baleaarien
saaret ja lähes kaikki Kanariansaaret. Matkailijoiksi lasketaan puolestaan kaikki
henkilöt, jotka oleskelevat kotipaikkakuntansa ulkopuolella vähintään yhden yön
mutta kansainväliset matkailijat alle vuoden ja kotimaan matkailijat alle puoli
vuotta. Tuona aikana ei matkailija ole työsuhteessa matkakohteessa.

Aino Ropponen muistuttaa blogissaan, että aineistojen luokat
pitäisi olla lukijaystävällisiä. Tästä syystä pyöristin oleskeluajat kokonaisiksi
vuorokausiksi matemaattisen tavan mukaisesti, sillä on yleensä kätevämpää
ilmoittaa, että matkailijat yöpyivät Kanariansaarilla keskimäärin 8 vuorokautta
kuin että he yöpyivät 8,38 vuorokautta. Pyöristykset tein suoraan niin, että esimerkiksi
3,5 pyöristettiin 4:ksi. Koko aineiston luokkajaon tein tästä syystä itse, mutta
niin, että erilaiset arvot olisivat parhaiten erotettavissa. Valitettavasti
Ceutan ja Melillan eksklaaveista ei ollut tietoa, mutta näiden pienten, muutaman
tuhannen asukkaan yhteisön tiedot eivät ole merkittäviä.

Koropleettikartan värisävyksi valitsin sinisen, joka muuttuu
pienissä arvoissa vaaleanpunaiseksi. Tämän tein ihan kokeilemisen
mielenkiinnosta ja tulos näytti esteettisesti hyvältä. Graduated-ympyrät
värjäsin keltaisiksi, jotta ne erottuisivat hyvin koropleettikartan taustasta. Ympyröiden
koon säätäminen oli vaikeaa, koska erot olivat hyvin suuria.Esimerkiksi Extrmaduran ympyrä on melko pieni ja Kanariansaarten ympyrä taas niin suuri, että se peittää ainakin Teneriffan, mitä pidän hieman ikävänä, mutta toisaalta karttaa ei ole tarkoitus käyttää luonnossa, joten kaikkien alueiden erottuminen ei ole elintärkeää, kunhan lukija voi yhdistää tiedon alueeseen. Olisin toki onnellinen, jos MapInfon jostain sopukasta
löytyisi CorelDrawn tavoin transparecy-toiminto, jolla ympyrät saisi läpinäkyviksi. Eira Linko tosin toteaa blogissaan, että vaikka MapInfolla voi tehdä monia asioita, niin loppujen lopuksi muokkausmahdollisuuksia on vain rajallinen määrä, joista täytyy valita. Jotkut kartografiset valinnat eivät siis johdu aina yksistään kartantekijästä, vaan myös ohjelmiston rajoitteista.Toki esimerkiksi Ainokaisa Tarnanen on käyttänyt omassa karttaesityksessään ”reiällisiä” ympyröitä, mutta itse näin, että oman karttani tieto oli paremmin visuaalisesti esitettävissä kokonaisilla ympyröillä.

Valmiilta kartalta (kuva 1) nähdään ehkä odotetusti, että
suurin osa matkailijoista keskittyy suurille turistialueille. Ylivoimaisesti
eniten yöpyjiä (yli 20 miljoonaa) oli Kanariansaarilla. Toisella sijalla oli
Baleaarit lähes 10 miljoonalla matkailijalla. Tämän perässä tulivat Andalusia,
Katalonia ja Comunitat Valenciana noin 5 miljoonalla matkailijalla. Andalusian
matkailijamäärä suhteessa muihin itsehallintoalueisiin oli yllättävä, sillä
kuvittelin sen olevan kärjessä, koska esimerkiksi lähes koko Costa del Sol on
rakennettu täyteen loma-asuntoja ja olisi esimerkiksi 501 Must Visit Cities -kirjan mukaan yksi koko maailman suosituimmista lomakihteista (501 Must Visit Cities, 2008.  Manguel, P. toim.). Mutta ehkä monet asuvat siellä vakituisesti,
eikä heitä silloin lasketa matkailijoiksi. Kartalta voidaan havaita, että
matkailijoita on vähiten sisämaan itsehallintoalueilla, jotka ovat pinta-alaltaan
kuitenkin suuria. Syynä tähän lienee se, että näillä alueilla ei ole matkailijoille
intressejä. Toisaalta myös valtion matkailuidentiteetti vaikuttaa siihen, mille
alueille matkailu keskittyy. Esimerkiksi Espanjaa mainostetaan monesti aurinko-
ja rantalomalaisille, mistä johtuu etelä- ja itärannikon suosiot matkailualueina.
Vähäisen matkailun alueisiin ei matkailualalla siis kiinnitetä huomiota. Odotin
kyllä, että esimerkiksi Galiciassa kävisi enemmän matkailijoita, sillä joka vuosi
kyseisen itsehallintoalueella olevan Santiago de Compostelan kaupunkiin tekee
lukuiset ihmiset pitkän pyhiinvaellusmatkan. Tämä ei kuitenkaan kartalla näy
matkailijoiden määrissä.

Kun tarkastellaan matkailijoiden keskimääräistä  oleskeluaikaa, huomataan, että ne alueet joilla on käy vähän matkailijoita, jää  myös matkailijoiden keskimääräinen oleskeluaika pieneksi, keskimäärin noin  kolmeen vuorokauteen. Suosituilla matkailualueilla keskimääräinen oleskeluaika  on noin viikko eli 7 päivään. Pisimpään oleskellaan Murcian alueella, jossa  oleskeluaika on keskimäärin kymmenen päivää. Alueella ei kuitenkaan ole  matkailijamäärältään viiden suurimman joukossa. Andalusiassa puolestaan keskimääräinen oleskeluaika jää vain noin kuuteen vuorokauteen. Tämä tuli minulle pienenä yllätyksenä, sillä luulin, että Andalusiassa tai Kanariansaarilla vietettäisiin  pisimpiä aikoja. Toisaalta hypoteeseihini voi vaikuttaa myös se, että Murcian seutu on Suomessa hieman tuntemattomampaa, koska alueelle ei ole vuosiin tehty suuria seuramatkoja.

Kartalta nähdään poikkeuksia eli täyttä korrelaatiota näiden ilmiöiden välillä, eli matkailijoiden määrä olisi suoraan verrannollinen matkailijoiden keskimääräiseen oleskeluaikaan, ei ole. Tämä on myös loogista, kun katsotaan suurinta poikkeusta eli pääkaupunki Madridia. Oleskeluaika Madridissa on lyhyt, mutta matkailijoita on yli miljoona. Syy on yksinkertaisesti siinä, että Madridissa käy erilaisia matkailijoita kuin esimerkiksi Baleaarien saarilla. Madridissa käydään lyhyillä kaupunkilomilla, jotka kestävät yleensä viikonlopun, kun taas Baleaareilla, kuten myös Kanariansaarilla, Kataloniassa ja Comunitat Valencianassa matkailijat ovat yleensä aurinkolomalla, ja kestoajasta päätellen monet ovat valmiiksi järjestetyillä, viikon kestävillä charter-matkoilla, joiden matkailuintressi on aurinko- ja rantalomamatkailu eli SSS (Sun,Sea,Sand). Sen sijaan kummallista on, että Kataloniassa, missä suurin matkailukeskittymä on Barcelonan suurkaupunki,
oleskeluaika on pitkä, mikä tarkoittaa sitä, että tällä alueella on monenlaista
matkailua, tai matkailijat viipyvät poikkeuksellisen pitkään Barcelonassa.  Kaupunkilomien vaikutus näkyy myös esimerkiksi Cantabrian maakunnassa, missä Bilbaon kaupunki, jossa vetovoimatekijänä on esimerkiksi Guggenheim-museo, tuo varmaan alueelle viikonloppumatkailijoita. Nykyään monet matkailualueet ovat kehittymässä monipuolisemmiksi, eivätkä lokeroidu tiettyyn matkailukategoriaan. Esimerkiksi yksi Andalusian suosituimmista matkailukohteista ei ole hiekkaranta, vaan Alhambran palatsi Granadassa, Sierra Nevadan vuoriston juurella. Myös esimerkiksi Kanariansaaret ovat satsaamassa perinteisen rantalomaturismin lisäksi myös luontomatkailuun.

Kuva 2. Alhambran palatsi Granadassa, Andalusiassa on alueen suosituimpia matkailukohteita. Pääpalatsin sisäänpääsyliput oli ainakin syksyllä 2011 myyty loppuun monen viikon päähän. Andalusian matkailuimago on silti SSS-turismissa.(P. Lammi).

Kuten Eira Linko kommentoi blogissaan, myös minä tunnen
itsessäni ehkä silloin tällöin perfektionistin vikaa. Huomasin vasta kartan
julkaisemisvaiheessa, että legendassa arvot oli esitetty esimerkiksi 5-7 ja
7-9, vaikka oikeasti niiden kuuluisi olla 5-6, 7-9, koska esitettävät arvot on
muutettu kokonaisluvuiksi. Siispä karttaesitys kävi pikaisessa uusinnassa.
Kuitenkin päätin lisätä karttaesityksen haastavuutta ja siksi laadinkin sen rinnalle
kartan (kuva 2), jossa ympyrät on korvattu ympyrädiagrammeilla, jotka esittävät
espanjalaisten ja ulkomaisten turistien välisen jakauman, minkä avulla voidaan
vertailla kotimaisten ja ulkomaalaisten matkailijoiden lukumääriä.

Kuva 3. Matkailijoiden lukumäärä sekä espanjalaisten ja ulkomaalaisten osuudet (esitetty ymprädiagrammeina) ja matkailijoiden keskimäärinen oleskeluaika (esitetty koropleettikartalla) Espanjan itsehallintoalueilla vuonna 2010.

Kuten kartasta voidaan päätellä, espanjalaisia matkailijoita
on määrällisesti ulkomaalaisia vähemmän. Se voidaan päätellä siitä, että
suositummissa lomakohteissa, kuten Kanariansaarilla ja Baleaarien saarilla
espanjalaisten osuus on vain murto-osa ulkomaisiin verrattuna. Voidaan myös
todeta, että Espanjalaiset eivät suosi täysin samoja kohteita, kuin
ulkomaalaiset, mutta täytyy muistaa, että ympyrädiagrammeissa vain
matkailijoiden kokonaismäärät ovat absoluuttisia ja ne on esitetty kuvan 1
tapaan graduated-tyylillä. Sen sijaan diagrammissa näkyvät espanjalaisten ja
ulkomaalaisten matkailijoiden määrät ovat suhteellisia. Voimme kuitenkin
havaita, että vähäisen matkailun alueilla matkailijakunta koostuu pääasiassa espanjalaisista,kun taas suosituilla matkailualueilla dominoivassa asemassa ovat monesti ylivoimaisesti ulkomaalaiset matkailijat. Eniten espanjalaisia matkailijoita
näyttäisi kartan mukaan vierailevan Comunitat Valencianassa, missä melkein
puolet lähes kuudesta miljoonasta matkailijasta.  Myös Andalusiassa ja Kataloniassa vierailee paljon espanjalaisia matkailijoita.Pääkaupunki Madridissa matkailijoiden jakautuminen espanjalaisten ja ulkomaalaisten matkailijoiden kesken melko tasainen.

Loppuyhteenvetona voidaankin jakaa hieman alueita. Espanjan
keski- ja pohjoisosissa vieraili koko Espanjaan nähden vähiten matkustajia ja
erot suosittuihin matkailualueisiin ovat suuria. Näillä alueilla myös yövytään
vain vähän aikaa, pohjoisrannikolla kuitenkin keskimäärin yhden yön enemmän.  Madrid ja Bilbao ovat puolestaan esimerkkejä kaupungeista, jotka vetävät matkailijoita lyhyille lomille, joille lähtevät molemmat kohderyhmät. Välimeren puoleisella rannikolla ulkomaalaisia matkailijoita on jonkin verran paikallisia enemmän, mutta matkailijoiden
lukumäärät pyörivät miljoonissa. Näillä alueilla oleskellaan keskimäärin viikon
verran. Eniten matkustajia vetävät Kanariansaaret ja Baleaarien saaret, joissa
ulkomaalaisten matkailijoiden määrät on moninkertaisia. Matkojen keskimääräinen
pituus on yksi viikko. Murcian alueella vietetään eniten aikaa, noin kymmenen
päivää.  Matkailijakunta on kuitenkin muihin rannikon itsehallintoalueisiin nähden hieman pienempi, mutta matkailijakunta koostuu pääosin espanjalaisista.  Sitä
voitaisiinkin ehkä pitää espanjalaisten ”piilopaikkana”.  Kartta todista osittain, että Espanjan matkailuimago on SSS (Sun,Sea,Sand). Kuitenkin myös esimerkiksi kulttuurimatkailua alueilla on ja ne ovat mitä ilmeisimmin nostamassa suosiotaan, mutta nämä intressit sijaitsevat pääosin samoilla alueilla, missä on myös SSS-turismia.

Kun ryhdyin katsomaan, mistä aiheista muut kurssilaiset olivat tehneet, niin huomasin Fanny Taxellin tehneen myös Espanjasta. Kun vertasin omaa karttaani Fannyn tekemään karttaan Espanjan työttömyysasteesta samoilla alueilla, huomasin, että suosituilla matkailualueilla on myös suurta työttömyyttä. Olisiko näillä jonkinlaista korrelaatiota? Olisiko matkailubisnes kuitenkin epävarma ala, joka lisäisi työttömyyttä, ehkä tiettyinä aikoina, vaikka matkailu on yleinen työllistäjä?

Kun kartat olivat lopulta valmiina, ne täytyi sommitella ja Kanariansaaret
täytyi liittää karttaesitykseen omassa, erillisessä laatikossa, sillä ne
sijaitsevat niin kaukana, ettei niitä olisi saanut esitetty samassa
karttaikkunassa. Tämä karttojen liittäminen Corel Paintshopissa oli minulle uusi
asia, mutta onneksi se sujui ongelmitta. Tämäkin asia oli hyödyksi, sillä muita
vastaavia valtioita, joilla on mantereesta kaukana sijaitsevia alueita, yleensä
saaria, joiden liittämiseen tarvitaan erillinen karttaikkuna.  Lopputulos näyttää ihan hyvältä, mutta esimerkiksi Kanariansaarten graduated-ympyrä ja ympyrädiagrammi eivät tuo niin suurta eroa esimerkiksi Baleaarien saariin, vaikka kartat ovat samassa
mittakaavassa ja arvot oikein. Silti ympyröiden koko luo optimaallisen harhan,
eli ympyröiden koko ei näytä kasvavan samassa suhteessa, vaikka pinta-alaltaan
ne sen kyllä tekevätkin. Siksi muistutan, että myös lukijalla on vastuu kartan
informaation tulkitsemisessa.

Lähteet:

Manguel,P.(2008; toim.), 501 Must Visit Cities, 557p. Octopus Publishing Group Limited.

Elonen, J. (2012). TVT3-blogi. 18.3.2012. <https://blogs.helsinki.fi/jennielo>

Heinonen, P. (2012). TVT3-blogi. 17.3.2012. <https://blogs.helsinki.fi/perttuhe/>

Hietanen, J. (2012). TVT3-blogi.17.3.2012. <https://blogs.helsinki.fi/johietan/>

Holiday Dwellings Occupancy Survey. Year 2010 (2011).Instituto Nacional de
Estadistica.15.3.2012. <http://www.ine.es/jaxi/menu.do?type=pcaxis&path=/t11/e162eoap/a2010&file=pcaxis>

Karvinen, I. (2012). TVT3-blogi. 18.3.2012. <https://blogs.helsinki.fi/iiriskar/>

Linko, E. (2012). TVT3-blogi. 17.3.2012. <https://blogs.helsinki.fi/elinko/>

Spain (2012). 27.2.2012. Maplibrary. 27.2.2012.< http://www.maplibrary.org/stacks/gadm/ESP/index.php>

Matikainen A.(2012) TVT3-blogi. 17.3.2012. <https://blogs.helsinki.fi/ainooika/>

Miettinen,N. (2012). TVT3-blogi. 17.3.2012. <https://blogs.helsinki.fi/nkmietti/>

Paarlahti, A. (2012). TVT3-Geoinformatiikka 2012,
tiedotusblogi. 21.2.2012. <https://blogs.helsinki.fi/tvt3-2012/>

Raninen, M.(2012).TVT3-blogi. 17.3.2012.<https://blogs.helsinki.fi/mraninen/>

Rehula, F.(2012). TVT3-blogi. 17.3.2012. <https://blogs.helsinki.fi/frehula/>

Rissanen, T. (2012). TVT3-blogi. 17.3.2012. https://blogs.helsinki.fi/tuulriss/>

Ropponen, A. (2012). TVT3-blogi. 17.3.2012. <https://blogs.helsinki.fi/ainoropp/>

Tarnanen, A. (2012). TVT3-blogi. 17.3.2012. <https://blogs.helsinki.fi/atarnane/>

Taxell, F. (2012). TVT3-blogi. 17.3.2012. <https://blogs.helsinki.fi/fataxell/>

TVT3-kursimme toinen artikkeli on Lloyd P. Queenin ja
Charles R. Blinnin kirjoittama The Basics of Geographic Information Systems,joka käsittelee paikkatietoaineistoa ja sen käyttöä melko yleisellä tasolla
(Queen, L.P. & Blinn, C.R. (2004). The Basics of Geographic Information systems .Regents of the University of Minnesota, 2004).

Artikkeli ei juuri tuonut uusia asioita ilmi paikkatietoaineistoista, sillä samoja tietoja on taottu päähän niin lukion aluetutkimuskurssilla, yliopiston TVT-kursseilla sekä kulttuurimaantieteen harjoitustyökurssilla.  Missään näillä kursseilla ei kuitenkaan ole esiintynyt koko aiheen kattavaa oppikirjaa, mitä pidän hyvin valitettavana. Lukion kirjat, jotka antavat yleensä mahdollisimman selkeän peruskäsityksen asioista, eivät kertoneet kovinkaan selkeästi asioista. Aiheesta on toki paljon artikkeleita, mutta yhdessäkään niissä, johon olen tähän mennessä törmännyt, ei ole selitetty aihetta täysin kattavasti, kuten ei myöskään tämän tehtävän artikkelissa.

Paikkatietojärjestelmä eli GIS (Geographic Information System) on, jos joku ei nyt tässä vaiheessa vielä tiedä, paikkatiedon, eli sijaintiin sidotun ominaistiedon tietokoneympäristössä käsittelevä järjestelmä.  Paikkatietojärjestelmän
sanotaan koostuvan laitteistosta eli pääsääntöisesti tietokonepäätteestä sekä
mahdollisista apulaitteista, kuten GPS:stä; aineistosta eli käsiteltävästä
paikkatiedosta; paikkatieto-ohjelmistoista, eli itse työkaluista, joilla
paikkatietoa voidaan muokata ja tarkastella sekä käyttäjästä, joka valitsee,
miten järjestelmää käytetään. Paikkatietojärjestelmällä voidaan visualisoida
paikkaan sidottua tietoa esittämällä niitä teemakartoilla sekä suorittaa
laskennallisia analyyseja spatiaalisista eli alueellisista ilmiöistä.
Paikkatietojärjestelmän tutkimista käytetään nimitystä geoinformatiikka. Queenin
ja Blinnin artikkeli on alun perin vuodelta 1993, eli hieman jo vanha, mutta
perustiedot esitetään siinä melko samoina. Myös geoinformatiikan runko on
pysynyt samana, mutta tieteenalalla tapahtuu kuitenkin suuria harppauksia ja järjestelmät kehittyvät huimaa vauhtia.  Samoin myös geoinformatiikan mahdollisuudet laajentuvat ja hyvänä kansantajuisena esimerkkinä tästä ovat lukuisten paikkatietosovellusten julkinen käyttö, vaikka käyttäjät eivät välttämättä tiedä olevansa niiden kanssa tekemisessä. Näitähän ovat esimerkiksi navigaattorit tai lukuiset matkapuhelisovellukset.

Paikkatietoa tallennetaan, kuten myös artikkelissa todetaan,
lähes poikkeuksetta rasteri- tai vektorimuodossa. Rasterimuotoinen aineisto
kuvataan pienistä, kuvaneliöistä, pikseleistä. Pikseli saa ominaisrasterin sen
mukaan, mitä se eniten sisältää. Esimerkiksi jos järven rantaviivan tuntumassa
olevan pikselin kuvaamalla alueella on luonnossa 75 % vettä ja 25 % maata, koko
pikseli rasteroituu vedeksi. Vastaavasti jos suurin osa pikselin alueesta on
maankäytöltään asuinrakennuksia, kuvataan koko pikselin alue asuinalueena
huolimatta muista, pikselistä vähemmistönä olevista maankäytön muodoista, ellei
vaihtoehtona ole tarkoitus käyttää yhdistelmiä. Suota ja metsämaata sisältävä
pikseli voidaan kuvata myös kahdella muuttujalla soisena metsämaana.

Pikselien koko eli erotuskyky eli resoluutio määrittää tarkkuuden. Pienet pikselit kuvaavat alueen todellisuutta tarkemmin, koska pikseleiden rasteroinnissa yleistäminen jää absoluuttisesti pienemmäksi. Kuitenkin suuria alueita tarkasteltaessa pienten, yksittäisten pikselien tarkastelu ei ole niin helppoa, kuun suuria pikselikokoja sisältävissä aineistoissa, jotka puolestaan tuovat ilmiön alueellisuuden paremmin esille.
Kuten Aino Matikainen toteaa omassa blogissaan, paljon pikseleitä sisältävä
aineisto vie paljon tallennustilaa. Kuitenkin rasterien etuna on niiden tuottamisen helppous ja edullisuus. Rasteriaineistoa käytetään yleisesti muuttuvien ja kvantitatiivisten ilmiöiden kuvaamiseen, koska rastereita on helppo vertailla keskenään.  Silti visuaalisesti rasteriaineisto ei aina ole kovinkaan esteettinen, mutta kartantekijän huomioitava myös informatiivisuus ja tasapainoillen saatava näiden välille kompromissi, jotta karttaa voitaisiin parhaiten hyödyntää.

Toinen tapa kuvata aineistoa on vektorit. Vektorimuotoinen
aineisto kuvataan rastereiden sijaan pisteillä, viivoilla ja monikulmioilla eli
polygoneilla.  Vektorimuotoisen kartan laadintaan tutustuimmekin jo TVT2-kurssilla.  Tuolla kurssilla tulikin jo sananmukaisesti huomattua, että aineiston tuottaminen on raskasta ja pitkäjänteistä, mutta muokkaus on helppoa. Vektorimuotoisessa aineistossa layerit- eli karttatasot ovat hyvin tärkeässä roolissa, varsinkin muokkauksen suhteen. Vektoreissa ei tapahdu yhtä suurta yleistämistä, kuin rasterikartoissa, mutta esimerkiksi
TVT2-kurssilla huomattiin, että myös vektoriaineistoa voidaan yleistää, mikäli
se selkeyttäisi karttaesitystä. Käytännössä tämä tarkoittaa esimerkiksi sitä,
että mutkaisia viivoja, kuten teitä, pieniä jokia ja rantaviivaa voidaan suoristaa ajan säästämiseksi tai parantaakseen kartan luettavuutta.  Yksinkertaisemman kartan tulkitseminen on helpompaa.  Yleisiä vektorimuotoisia aineistoja ovat esimerkiksi hallinnollisten alueiden rajat, tiestö ja rantaviiva eli se soveltuu hyvin kvalitatiivisten ilmiöiden havainnollistamiseen. Aineistoa voidaan toki myös käyttää kvantitatiivisessa
aineistossa, jonka tuloksena syntyy koropleettikartta. Tosin koropleettikarttaesitys sisältää paljon mahdollisuuksia virhetulkintaan, sillä alueiden koot ovat erilaisia jolloin suhteelliset arvot vääristyvät helposti, koska isot alueet havaitaan kartalta paremmin ja ilmiön absoluuttinen laajuus ei näy ollenkaan.

Minttu Haapanen miettii blogissaan, miten paikkatietojärjestelmä vaikuttaa paperikarttoihin. Artikkelissa puhutaan, että paperikarttojen hyödyntämismahdollisuudet eri karttatasoihin liittyvissä analyyseissa on rajallinen, joten tässä mielessä paperisten karttojen merkitys tullee näin ollen vähentymään. Toisaalta artikkelissa puhutaan datojen manipuloimisesta, mikä on yleistynyt paikkatietojärjestelmien myötä, sillä
paitsi että tietoa on enemmän, sitä pystytään myös helpommin ja lyhyemmässä
ajassa muokkaamaan.

Paperisissa kartoissa on artikkelin mukaan tieto ja tilastot ”varmemmassa” tallessa, koska niitä pystytään vain vaivalloisesti muokkaamaan. Karttojen manipuloinnista ei artikkelissa juuri enempää puhuta, joten sen todellinen laajuus jää tällä tietämyksellä hämärän peittoon. Kaikessa kartografiassa kartantekijällä on suuri vastuu, jotta kartalle esitetyt tiedot olisivat mahdollisimman oikeita, koska kartan määritelmä on olla representaatio eli kuvaus alueesta.  Antaisin samaa arvoa paperikartoille, kuin virallisille papereille, jotka vaativat allekirjoituksen manipuloimisen estämiseksi. Näin pystytään varmistamaan, ettei pysyviä muutoksia päästä tekemään ilman, että asia huomattaisiin.

Toisaalta kartanlukijoilla on myös suuri vastuu karttaatulkittaessa. Yleistä kartanlukutaitoa tulisi mielestäni kehittää entistä enemmän, jotta sillä pystyttäisiin vastaamaan kovaa vauhtia kehittyvään tietokoneistettujen karttojen ja -analyysien aikakauteen. On nimittäin tärkeää, että myös karttojen kriittinen tarkastelu kehittyisi samassa tahdissa, jolloin pienennetään mahdollisen manipulaation mahdollisuuksia.  Itse en pysty sanomaan, kuinka yleistä manipulaatio oikein on. Kuitenkin esimerkiksi suomessa äidinkielen opetuksessa on osattu lujittaa varsinkin tekstien kriittinen tarkastelu opiskelijoihin, joten luulen, ettei karttojen kriittisen tarkastelun opettaminen maantieteessä ole sitä paljoa haastavampaa.

Yksi tärkeä paikkatiedon analysointitapa ei ole kurssilla tullut esille, mutta mainitaan artikkelissa, joten se on tässä vaiheessa varmasti hyvä nostaa esille. Overlay-analyysi, eli päällekkäisanalyysi on yksi yleisimmistä laskennallisista menetelmistä etäisyysanalyysiin käytettävän puskuroinnin eli bufferoinnin lisäksi.  Overlay-analyysia voidaan toteuttaa myös paperisilla kartoilla. Tätä voi tehdä esimerkiksi ikkunanvalossa, tai valopöydän ääressä, kuten Ainokaisa Tarnanen muistuttaa omassa blogissaan. Me
maantieteen opiskelijat olemme tämänsuuntaista jo valopöydän ääressä tehneet
sekä TVT1- että TVT2-kurssilla.

Overlay-analyysissa kaksi tai useampi eri teemaa esittävä karttataso asetetaan päällekkäin ja tarkastellaan sekä verrataan näiden tasojen ominaisuuksia.  Tämän analyysin avulla voidaan esimerkiksi löytää korrelaatiota ja kausaalisuhteita ilmiöiden välillä. Samaa päällekkäisanalyysia voidaan hyödyntää rajakimppumenetelmällä laadittavissa alejaoissa, missä alueiden määrittäjiksi valitaan eri karttatasojen ilmiöt ja
niiden rajojen yhtäläisyys. Esimerkiksi Maailmankartat, joissa kuvataan
kasvillisuusvyöhykkeitä, Köppenin ilmastovyöhykkeitä ja yleistettyjä
maannosvyöhykkeitä, voidaan näillä havaita olevan samansuuntaisia raja-alueita
teemojen omien aluejakojen kanssa.

Overlay-analyysilla pyritään laatimaan suurempaa kokonaiskuvaa ilmiöistä ja niiden vuorovaikutussuhteista, jotka ovat keskeisiä maantieteellisessä ajattelussa. Sen voi myös yhdistää puskurointiin, missä puskurivyöhykkeet ovat oma karttataso ja niiden ulkopuolelle jäävät alueet ovat puolestaan omansa, mikä antaa kokonaiskuvan alueesta ja suhteuttaa puskurivyöhykkeen sisäpuolelle jäävän ilmiön suuruutta. Lisäksi näiden päälle voidaan asettaa vielä lisää tasoja, jolloin voidaan tarkastella, vallitseeko
näiden tasojen teemojen välillä korrelaatiota tai kausaalisuutta.  Se, miksi kerron tästä paljon, on se, että itse asiassa eri tasojen tarkasteleminen on yksi GISin määritelmistä ja maantieteilijälle tämä ominaisuus on hyvin tärkeä apuväline.

Tavallaan uutena asiana minulle artikkelissa esiteltiin GISin tapaisia ohjelmistoja, mutta täysin ne eivät niitä ole, kuten artikkelissa mainitut LIS (Land Information System) tai C / AC (Computer / Automatic Cartography). Yleisesti voidaan sanoa, että ne sisältävät joitain samoja ominaisuuksia kuin GIS, mutta ne ovat pääasin joko pelkkiä kartta- tai tilasto-ohjelmia, joiden yhdistelmä GIS on. Artikkeli on melko vanha, joten en pysty sanomaan, kuinka yleisessä käytössä siinä mainitut ohjelmat ovat. LIS:ä lukuunottamatta en ollut ennen kuullut muista, joten voi olla, että näiden ohjelmien hyödyntäminen, ainakin geoinformatiikassa, on menettänyt merkitystään.

Toisaalta kun tarkemmin ajattelee, TVT2-kurssilla käyttämämme CorelDraw lienee yksi tällaisista ohjelmista. Sillä nimittäin voidaan laatia visuaalisesti esteettisiä karttoja, pääasiassa vektorimuotoisia karttoja, mutta sillä voi luoda, kuten muillakin piirto-ohjelmilla, vaikka kuvataiteen piiroksen. Sen sijaan tilastollisia ominaisuuksia itse ohjelmalla ei ole, vaan sillä voidaan vain esittää valmiit tulokset manuaalisesti piirtämällä. Käytännössä sijaintitietoon voidaan yhdistää vain kartalla näkyvä tieto, eikä muuta tilastollista aineistoa, joten GISin määritelmä ei täyty. Ohjelma ei myöskään tunnista minkäänlaista koordinaatistojärjestelmää, joten sijaintitieto määräytyy vain piirtäjän piirto-jäljen pohjalta. CorelDrawlla luotu kartta on siis periaatteessa vain kuva, taideteos. Mutta myönnettäköön, että CorelDrawlla syntyy visuaalisesti esteettisempää jälkeä kuin MapInfon piirto-työkaluilla. Ohjelmien kehittämisestä mainittakoon sen verran vielä, että sekä CorelDraw että MapInfo ovat saaneet lukuisia uusia versioita: MapInfossa kymmenes ja Corelissa juuri äskettäin julkaistu viides versio.

Lopuksi artikkelissa muistutetaan GISin käyttäjän vastuusta,
eli siitä, että karttoja ja analyyseja on tehtävä ajatuksen kanssa. Tätä
virkettä on kaikilla TVT-kurssilla hoettu, joten se on oikeasti hyvin tärkeä
asia. Kartta kun on edelleenkin representaatio oikeasta maailmasta.

Lähteet:

Queen, L.P. & Blinn, C.R. (2004).The Basics of Geographic Information Systems . Regents of the University of Minnesota, 2004.

Haapanen, M. (2012). TVT3-blogi. 4.3.2012. <https://blogs.helsinki.fi/minhaapa/>

Matikainen, A.(2012). TVT3-blogi. 4.3.2012. <https://blogs.helsinki.fi/ainooika/>

Tarnanen, A. (2012). TVT3-blogi.  4.3.2012. <https://blogs.helsinki.fi/atarnane/>

Otsikon sana kuulostaa erikoiselta. Minttu Haapanen yhdistää
omassa blogissaan sen lohikäärme Puffiin, mutta itse yhdistäisin sen Milla
Magian käyttämiin posauspommeihin, jotka posahtavat otsikon tapaisella äänellä
ja niiden jälki on melko arvaamatonta, kuten kurssikerran töissä, ellei pysynyt
tarkkana. Viidennellä kurssikerralla bufferoitiin eli laadittiin
puskurivyöhykkeitä eli etäisyysvyöhykkeitä. Mitä ihmettä tämä sitten
tarkoittaa? No, se on yksi laskennallisista paikkatietoanalyyseista ja vieläpä
yksi yleisimmin käytetyistä. Siinä tietyn kohteen ympärille laaditaan tietyn
suuruinen puskuri, jonka sisäpuolelta on helppo tarkastella ominaisuuksia,
esimerkiksi, kuinka monta ihmistä asuu yhden kilometrin päässä lähimmästä
sairaalasta.

Edellisellä kerralla meidän tuli liittää Pornaisten peruskarttalehden maailmankartalle ja sen jälkeen kunnan keskusta täytyi rajata valmiilla kehyksellä.  Kartan liittämisessä ei tuntunut tulevan ongelmia, kunnes rajaus ei ilmaantunutkaan Pornaisten keskustan ympärille, vaan se löytyi pitkän etsimisen jälkeen koordinaateista, jotka sijoittuvat Keski-Pakistaniin. Taas kerran tuli huomattua, että MapInfon kanssa on toimittava ajatuksella, ei pelkällä mekaniikalla, kuten CorelDraw -ohjelman kanssa. Näin X- ja Y-koordinaatitkin löytävät omiin sarakkeisiinsa tietojensyöttövaiheessa. No, se iskostui kertaheitolla. Kun karttalehti ja keskustan rajausvyöhyke löysivät molemmat paikoilleen, oli vuorossa karttakohteiden digitointi. Pellot, joet, tiet ja kaikki lähes 150 rakennusta piti manuaalisesti digitoida kartalle. Tämä harjoitus todisti, miten pitkäjänteistä työtä tämä oikein on, mutta kiertoteitä on vähän. MapInfolla ei nyt saa kaikkein esteettisintä tulosta, mutta esimerkiksi pisteiden merkkaustyökalu on kyllä aivan hyödyllinen, ettei esimerkiksi jokaista rakennusta tarvitse välttämättä piirtää, ellei siihen olisi suurta tarvetta.

Kurssikerran viisi ensimmäinen työ oli laatia puskurivyöhyke Helsinki-Malmin lentoaseman (IATA: HEM, ICAO: EFHF) ympärille 2 ja 1 km säteille kiitoteistä ja selvittää, kuinka moni asuu näillä alueilla eli toisin sanoen, kuinka monta ihmistä altistuu suurimmalle melulle kentän ympäristössä. Ensimmäiseksi digitoitiin karttakuvalta Malmin molemmat toiminnassa olevat kiitotiet, jonka jälkeen niiden ympärille laadittiin puskurivyöhykkeet. Sen jälkeen aktivoitiin laadittu tilasto ja katsottiin alueen tilastoista asukkaiden lukumäärä. Kun vertasin tuloksia Timo Säyrisen kanssa, niin huomasimme, että ne ovat erilaiset, mutta lähellä toisiaan. Syyksi löysimme yhteisessä keskustelussa valintojen vaikutukset. Koska MapInfo ei osaa jostain kummallisesta syystä piirtää ympyrää, joudutaan laatimaan niin monikulmainen monikulmio, että kuvio näyttää ympyrältä. Kulmien määrä tosin aiheutti tuloksissa heittoja. Esimerkiksi 12 kulmalla tuli eri vastaus, kuin 30 kulmalla. Lisäksi myös piirtämistarkkuus vaikutti tehtävään. Bufferoitava alue määräytyi, miten tarkasti kiitotiet piirrettiin. Jo pieni muutos pituudessa lisäsi taajaan asutulla alueella valituksi tulleiden asukkaiden määrää. Yksi eron syy voi kuitenkin olla myös siinä, että itse piirsin vain käytössä olevat kiitotiet (18/36 ja 09/27), enkä kahta, käytöstä poistettua, mitä kartalta ei voinut nähdä.

Seuraavaksi meidän tuli selvittää, kuinka monta ihmistä asuu puolestaan Helsinki-Vantaan lentoaseman (IATA: HEL, ICAO: EFHK) 2 km säteellä kiitoteistä. Toteutus oli identtinen Malmin kanssa, mutta tästä jatkettiin kuitenkin eteenpäin. Seuraavana liitimme karttaikkunaan Helsinki-Vantaan lentoaseman melualueet.  Ne kuvaavat melko hyvin nykyisiä lähestymis- ja lähtöreittejä. Oli myös mielenkiintoista huomata, että oma talonikin kuuluu tähän kahden kilometrin vyöhykkeeseen, mutta ei kovin suurelle melualueelle, mikä pitää paikkansa, sillä edessä on korkeampaa maastoa esteenä.  Silti suurilla melualueilla asuu myös jonkin verran ihmisiä. Tosin tilanne on ennen ollut erilainen, kun käytössä oli vain kaksi kiitotietä ja erityisesti kiitotie 33, jolle laskeudutaan suoraan Tikkurilan yli, oli suuremmassa käytössä.  Meidän tuli laatia puskuri 60dB:n meluvyöhykkeelle, mikäli kiitotietä 33 joudutaan käyttämään laskeutuessa. Alueesta tuli 7 km pitkä ja 1 km leveä. Tätä varten kartalle piti digitoida kiitotien suuntainen viiva, joka loppuisi kiitotien alkuun ja jonka pystyi sitten bufferoimaan. Tässä kohtaa täytyi miettiä, miten pitkä viivan olisi oltava ja kuinka suuri bufferi sille tulisi laatia. Koska viiva kuvasi lähestymislinjan keskikohtaa, tuli matkaa melualueiden reunoille 500 m, jonka suuruiseksi asetin myös bufferin. Tästä syystä viiva tuli jättää 500 m vajaaksi, eli 6,5 km pitkäksi, jotta alue olisi 7 km pitkä. Mietin kyllä myös, että olisiko viivan pitänyt olla 6 km pitkä ja alkaa 500 m kiitotiestä, jotta alue olisi tehtävänannon mukainen. Melualue ei myöskään loppunut kiitotien päähän, mutta tällä bufferoinnilla olisi saanut saman tuloksen, sillä aivan kiitotien vieressä ei asunut ketään. Jos verrataan Finavian melukarttoja, niin melualueissa huomaa kyllä muutoksia, kun uusi kiitotie (04L/22R) avattiin 2002. Samalla myös koneet ovat myös hiljaisempia ja lentoreittejä on muutettu. Silti, kun kiitotietä 33 joudutaan käyttämään, niin yllättävän moni asuu kuitenkin tällä melualueella.

Kuva 1. Kovan tuulen vuoksi Helsinki-Vantaalla jouduttiin 2.3.2012 ruuhka-aikana käyttämään kiitotietä 33 laskeutumiseen. Kuva on kuvakaappaus Flightradar24 -sivustolta, joka näyttää reaaliajassa suuren osan maapallolla lentävistä lentokoneista (www.flightradar24.com)

Seuraavan tarkastelussa olivat puolestaan sitten rautatieasemat ja niiden ympäristössä
asuvat ihmiset. Aiheet vaikeutuivat, kun MapInfon tilastokantoja piti muokata ja laskea prosenttiosuuksia.  Aihepiiri oli rautatieasemat ja 500 m säteellä niistä asuvat henkilöt. Tilastojen muokkausta hankaloitti se, että täytyi tietää, mihin taulukkoon tietoja
kerättiin, mitä tietoja yhdistettiin ja kaiken kukkuraksi täytyi vielä tietää, onko taulukkojen sarakkeiden aineisto tekstiä, kokonaislukuja vai desimaaleja. Näin esimerkiksi harjoituksessa arvo 0,5 muuttui 1:ksi. Lopputulokset olivat lopulta kuitenkin todellisen kuuluisia, sillä mitä todennäköisimmin oikeasti ¾ asukkaista on työläisiä, joille pendelöinti on tärkeää.

Toinen aihepiiri oli taajamien asukkaat. Näistä tilastoista
piti johdatella muun muassa, kuinka monta koululaista asuu taajamien
ulkopuolella. Koululaisiksi katsottiin tehtävässä kaikki ihmiset ikäluokissa
7-15. Tehtävän ratkaisu onnistui yksinkertaisesti vähentämällä taajamissa
asuvien koululaisten lukumäärä alueen koko asukasmäärästä.  Kuitenkin esimerkiksi ikäluokat täytyi ynnätä MapInfolla syötettävillä laskutoimituksilla. Pelkkä kohteiden valinta kun ei riittänyt.

Kolmas aihepiiri olikin sitten hieman hankala, vaikka Mikko Raninen miten kommentoi sitä helpoksi omassa blogissaan. Toisaalta Mikko kertoo myös kohdanneensa ongelmia kartan laadinnassa, joten tehtävä ei sitten ollutkaan niin yksinkertainen.  Siinä täytyi saada tieto Helsingissä vuosina 1965-1970 rakennettujen asuinrakennusten  lukumäärä. Seuraavaksi tuloksesta piti rajat kerrostalot ja niissä olevien asuntojen ja asukkaiden lukumäärät. MapInfon hakuohjelma ei pitänyt tälläkään kertaa oikotiestä, eli hakukriteerien yhdistämisestä, kuten 1965<rakennusvuosi< 1970, vaan kaikki tuli laskea erikseen.  Kaikkien vaiheiden jälkeen teemasta piti laatia kartta, joka kuvaisi ko. aikana rakennettujen kerrostalojen lukumäärää ja osuutta Pääkaupunkiseudulla. Osuus
kertoisi putkiremontti-indeksin, mikäli oletettaisiin putkiremonttien normaaliksi
amplitudiksi noin 50 vuotta. Kartanlaadinnassa koropleettikartan tekeminen sujui huoletta ja putkiremontti-indeksi, mutta pylväsdiagrammit, joiden piti kuvata kerrostalojen absoluuttista lukumäärää, ei onnistunutkaan aivan helposti. törmäsin samaan ongelmaan, kuin Ainokaisa Tarnanen, jonka kartassa Helsingin uima-altaiden alueellisesta jakautumisesta näkyivät samalla tavalla myös ikävästi nolla-arvon saavat pylväät. Koropleetti- ja graduated-kartan teossa MapInfo kysyy, haluanko jättää huomioimatta nolla-arvot, mutta pylväskartogrammikartassa näin ei käy. Pylväät ovat melko keskeisessä osassa, sillä koropleettikartalla esitetään suhteellisia osuuksia, eli esimerkiksi Hämevaara sai putkiremontti-indeksiksi täydet 100,mutta kerrostaloja oli vain muutama, toisin kuin esimerkiksi Lauttasaaressa,missä kerrostaloja oli huomattavasti enemmän, mutta putkiremontti-indeksi pienempi. Lopullisesta kartasta voidaan kuitenkin huomata, että Lauttasaari tulee olemaan putkimiehille tuottoisampi paikka putkiremonttien oletettavan määrän puolesta, kuin Hämevaara. No, kun loppu alkoi häämöttää, syttyi ikävän kirkas huomio päässä. Tehtävässä pyydettiin vain Helsingin, ei koko Pääkaupunkiseudun kerrostaloja. Eli analysoinnissa täytyy edelleen muistaa keskittyä.  No, kartta toisaalta esittää myös oikean alueen, joten aivan pielessä tehtävän vastaus ei nyt ole.

Bufferoinnissa tarvitaan paljon ajattelemista, sillä varsinkin, kun tietokantoja muokataan, täytyy tajuta, mitä ne oikein esittävät.  Huolellisuutta täytyy noudattaa, jottei tulos olisi kuin Milla Magian posahtaneen posauspommin jäljiltä.

Itse teemakartan tekeminen sujuu melko hyvin, kuten myös Jenni Elonen toteaa omassa blogissaan, ja harjaannustahan tulee, mitä enemmän karttoja oikein laatii. Muuten voisin luonnehtia omaa osaamistani ihan kohtuullisen hyväksi.  Silti omassa päässäni olevan tallennuslevykkeen suoritusvauhti ei ihan ole nopeinta mahdollista, eli jonkin aikaa menee, ennen kuin toimintatavat jäävät päähän, mutta toisaalta tämä tallennuspaikka on osoittautunut melko varmaksi ja esimerkiksi CorelDrawn hyödyntämismahdollisuudet ovat aika hyvin mielessä, joten eiköhän tämä MapInfokin tallennu sinne myös. Silti suurimman osan ajasta vie karttojen analysointi monelta kannalta ja yrittää minimoida virheelliseen tai vajaaseen tulkintaan johtavia asioita.

Keskeisiä työkaluja on vaikea miettiä. Bufferointi ja muut analysointityökalut ovat tärkeitä, tosin silti juuri aineistojen muokkaaminen tuntuu sellaiselta, joka kaipaisi lisää harjoitusta. Sen sijaan digitoiminen sujuu, tosin lopputulos ei ole CorelDrawn tasoa. Myös teemakartan laadinta sujuu melko hyvin, vaikka esimerkiksi nyt en vielä tähän hätään keksinyt, miten nolla-arvon saavat pylväät voisi hävittää. Jos mietitään, mitkä tekijät rajoittavat paikkatietojärjestelmän käyttöä, ohjelma,aineisto vai käyttäjä, niin voisin todeta, että kaikki. Joissain asioissa MapInfo on vielä arvoitus eivätkä kaikki mahdollisuudet ole tuttuja, mutta pääkomennot ovat kyllä mielestäni jo ihan hyvässä hallussa, onhan tässä muutama karttaesitys laadittu. Silti aivan kaikkea ei MapInfokaan osaa, joten käyttäjän ei kannata vajota alemmuuskompleksiin sen kanssa. Esimerkiksi digitoiminen on ehkä hieman kömpelöä ja ehkä se, että matemaattisissa lausekkeissa täytyy kertoa sille, minkälaista syntyvä data on ja miten se saadaan vaihe vaiheelta. Myös aineistossa saattaa rajoittaa, sillä niiden täytyisi täsmätä ohjelman muiden datojen kanssa, jotta niitä pystyttäisiin hyödyntämään.

Kuva 2. Vuosina 1965-1970 rakennettujen kerrostalojen suhteelliset osuudet ja absoluuttiset lukumäärätt Pääkaupunkiseudun pienalueilla.

Lähteet:

Flightradar24.com – Watch Airtrafic Live. 2.3.2012. <http://www.flightradar24.com/>

Elonen, J. (2012). TVT3-blogi 25.2.2012. <https://blogs.helsinki.fi/jennielo/>

Haapanen, M. (2012). TVT3-blogi. 24.2.2012. <https://blogs.helsinki.fi/minhaapa/>

Melualuekartat. Finavia 20.2012. <http://www.finavia.fi/ymparisto/melu/helsinkivantaajamelu/melualuekartat>

Raninen, M. (2012). TVT3-blogi 23.2.2012. < https://blogs.helsinki.fi/mraninen/>

Säyrinen, T. (2012). TVT3-blogi 22.12.2012. <https://blogs.helsinki.fi/sayrinen/>

Tarnanen, A. (2012). TVT3-blogi 24.2.2012. <https://blogs.helsinki.fi/atarnane/>

Neljännellä viikolla laadittiinkin sitten ruututeemakarttoja. Sitä ennen piti kuitenkin
opetella laatimaan ruutumatriisi eli grid pohjalle. Pohja-aineistossa meillä
oli Pääkaupunkiseudun kartta, joka sisälsi kunta-rajat, joet, järvet, meret ja
rantaviivat. Sen lisäksi toimme karttaikkunaan tiedot Pääkaupunkiseudun
asuinrakennuksista, sekä tietoa niissä asuvien ihmisten lukumäärästä ja iästä.
Tämän päälle laadittiin grid, jonka ruudukon koko ja lukumäärä mistä muodostuu
resoluutio eli erotuskyky, joka kertoisi, kuinka tarkasti tiedot olisivat
havainnoitavissa. Kun ruudut rasteroidaan, saadaan sitten ruututeemakartta.

Kartan yksi parhaimmista puolista on se, että ruudut ovat samankokoisia, jolloin ne ovat helposti vertailukelpoisia, eivätkä luo samanlaisia harhoja pinta-alan suhteen, kuten koropleettikartat. Koropleettikartan ongelmiin kuuluvat myös
oikein pienien alueiden huomaamattomuus suurista alueista ja se, ettei
kuvattavan muuttujan jakautumista alueen sisällä pystytä esittämään. Siinä
mielessä ruututeemakartta on parempi, koska yleistysastetta voidaan muuttaa
helposti muuttamalla resoluutiota.  Ruututeemakartalla
voi hyvin esittää absoluuttisia arvoja, koska ruutujen koko on vakio, mikä
tarkoittaa, että niitä voi helposti verrata keskenään. Koropleettikartalla tätä
ei millään pystytä tekemään juuri samaisesta syystä, että alueet ovat
erikokoisia. Toisaalta Heli Kainulainen muistuttaa blogissaan, että olisi
kuitenkin hyvä miettiä, valitseeko esitettäväksi absoluuttiset vai suhteelliset
arvot. Tämän määrittä puolestaan kartantekijä, joka päättää, mitä hän haluaa
sillä esittää.

Oma karttani esittää 18 – 25 – vuotiaiden määrää Pääkaupunkiseudulla vuonna 2009. Halusin tarkastella ”nuorten aikuisten” asuinseutuja. Monesti nuorten yläikärajana pidetään 24-26 vuotta, jolloin viimeisetkin nuorisoalennukset loppuvat. Aikuisuuden alaikärajahan on puolestaan lain mukaan 18 vuotta. Päätin tarkastella tätä ikäryhmää, jossa monesti muutetaan omaan asuntoon, yleensä opiskelun, työn tai myös oman rauhan perässä. Hypoteesini oli, että nuoret
aikuiset olisivat asettuneet pieniin asuntoihin, lähelle kantakaupunkia ja
suuria keskittymiä, koska monesti he asuvat yksin eikä heillä vielä ole
luultavimmin perhettä.

Valitsin ruutukooksi eli resoluutioksi 500x500m ruudukon. Kokeilin myös muita ruutukokoja, mutta resoluutio muutti tuloksia melko paljon, joten kompromissiksi valitsin vaihtoehdoistani keskimmäisen. Pienemmät, kuten 100x100m ruudukko esittivät tiedot jo melko pieninä, jolloin kyllä erotettiin hyvin pieniltä alueilta, millä kyseistä kohderyhmää asuu, mutta esimerkiksi keskittymien rajaaminen olisi ehkä hieman hankalanpuoleista. Suuremmat ruutukoot puolestaan yleistivät sen verran, ettei edes kaupunginosien vertailu ollut enää helppoa.  Tämä on tätä ikuista taistelua oikean yleistysasteen kanssa.  Luokittelin aineiston neljään eri luokkaan luonnollisella luokkajaolla, koska se antoi kaikkein tasapainoisimman lopputuloksen niin luokkaväleiltä kuin luokkien sisältämien frekvenssien määrältä. Värivalinta oli sattumaa. kriteerinä oli se, että se olisi selkeä ja sen pystyisi yhdistämään väestöön.

Kartasta näkee, että ikäryhmäni asukkaat suosivat keskuksien läheisyyttä. Myös liikenteen solmukohdat, kuten rautatieasemien lähistö, ovat nuorten suosiossa. Kaikki nuoret eivät kuitenkaan vielä ole lähteneet vielä kotoaan, sillä myös selvillä omat kotitaloalueilla on kohtuullisiakin määriä nuoria. Todellista syytähän näihin ei kartalta löydy, joten tämä on vain yksi todennäköisistä vaihtoehdoista. Nuoret eivät näyttäisi asuvan alueilla, missä asuntojen hinnat ovat kalleimpia, mutta kartalta nähdään, ettei tätäkään voida poissulkea, eli nuorienkin asuntojen arvossa voisi kartan perusteella olla myös vaihtelua.
Esimerkiksi Töölö ja Ullanlinna, missä asuntojen hinnat eivät ole Helsingin
alhaisimpia, korostuvat. Myös esimerkiksi korkeakoulujen lähitienoot, kuten
Vallila, Kumpula ja Otaniemi erottuvat kartalta. Liikkumismahdollisuudet ja
lyhyet etäisyydet näyttävätkin olevan tärkeitä nuorille.

Kun vertaan omaa karttaani Aino Ropposen laatimaan karttaan vastasyntyneiden määrään, voidaan huomata, että eroavaisuuksia löytyy. Joko uudet perheet asettuvat eri alueille asumaan, tai sitten nuoret ovat muuttaneet pois kotoa. Ropposen kartasta näkee, että vastasyntyneiden perheet asuvat yllättävän paljon kaukana Helsingin keskustasta ja myös jonkin matkan päässä lähimmistä keskuksista ja liikenteen solmukohdista, rauhallisilla alueilla. Mutta koska näillä alueilla talot ovat omakotitaloja, eivät yksin asuvat nuoret tarvitse niin paljoa tilaa.

Vertasin omaa karttaani myös Eira Linkon karttaesitykseen, jossa esitetään puolestaan 25-29 –vuotiaiden lukumääriä. Kartat ovat keskenään melko samanlaisia, mutta eroavaisuuksiakin löytyy, sillä näyttäisi siltä, että 25-29 –vuotiaat alkavat muuttaa pikkuhiljaa kauemmas keskuksista, kun he löytävät rakkaudenkumppanin ja
alkavat jo perustaa perheitä.

Analysoinnin jälkeen vielä huomaa, että itse asiassa eri alueiden toisistaan erottaminen ja niiden tunnistaminen voi olla hieman haastavaa, sillä ruuduilla ei ole nimiä, joita voisi yhdistää alueisiin.  Muuten ruutukartta on ihan käyttökelpoinen samoin kuin niiden muokkaaminen ja tuottaminen, kunhan kaikki vaiheet juurtuvat mieleen.

Kuva 1. Nuorten (18 -25-vuotiaiden lukumäärä pääkaupunkiseudulla 2009. Ruutukoko on 500 x 500 m.

Lähteet:

Kainulainen, H. (2012). TVT3-blogi 18.2.2012. < https://blogs.helsinki.fi/helikain/>

Linko, E. (2012). TVT3-blogi 18.2.2012. <https://blogs.helsinki.fi/elinko/>

Ropponen, A. (2012). TVT3-blogi 18.2.2012. <https://blogs.helsinki.fi/ainoropp/>

SeutuCD (2009). Tilastokeskus.

           Neljännen kurssiviikon lisätehtävänä oli tarkastella ja laatia SWOT -analyysi New York Timesin ylläpitämästä paikkatietopalvelusta sekä vertailla yhdysvaltalaista ja
suomalaista paikkatietopalvelukäytäntöä. SWOT analyysi tulee opetushallituksen
mukaan englannin kielen sanoista Strenghts,
Weaknesses, Opportunities ja Threaths,
eli suomeksi vahvuudet, heikkoudet, mahdollisuudet ja uhkat.

            New York Timesin palvelun, Mapping America: Every City, Every Block –paikkatietopalvelusta löytyy karttoja neljästä eri teemasta:

•   race and Ethnicity: Väestön rotu
•   Income: Vuosittaiset tulotasot ja niidenmuutokset
•   Housing and Families: Talojen arvo, vuokrien suuruus, asuntolainat sekä samaa sukupuolta olevien pariskuntien lukumäärä
•   Education: Koulutustaso ja yksityisissä peruskouluissa opiskelevat

Vahvuudet (Strenghts)

Kartat ovat hyvätasoisia ja
niistä näkee, että niihin on käytetty paljon aikaa ja vaivaa. Ne ovat helppokäyttöisiä.
Tietoja saa myös eri tasoilla, jolloin voi vertailla koko valtiota,
osavaltioita, kaupunkeja tai pelkkiä kortteleita. Zoomausmahdollisuus onkin järjestelmän
suurin vahvuus. Tiedot ilmoitetaan kartasta riippuen sekä absoluuttisina että
suhteellisina osuuksina, mitä paperikartoilla on haastavaa tehdä, kuten myös
esittää samassa kartassa niin koko maan kuin yksittäisen korttelin tietoja.  Värejä käytetään melko paljon, mutta melko
sopusointuisesti, mikä myös nostaa palvelun luotettavuutta. Järjestelmä saakin
melko hyvän arvosanan visuaalisesta vaikuttavuudesta. Palvelu on myös hyvin
helppokäyttöinen, mikä lisännee sen käyttöä ja merkitystä.

Heikkoudet (Weaknesses)

Vaikka kartan zoomausta voi vaihdella melko rajattomasti, tulee sillä vastaan yläraja kumminkin hieman liian aikaisin, sillä koko Yhdysvallat ei mahdu koko näytölle pienimmällä esityskoolla, jolloin koko valtion vertailu on kyllä hieman hankalaa.
Satu Räty kommentoi omassa blogissaan, kuinka ikävää on, että esimerkiksi
ekslaavit Alaska ja Havaiji eivät jäävät melko huonolle huomiolle, koska niiden
esittäminen samassa karttaikkunassa muun Yhdysvaltojen kanssa on mahdotonta.
Lisäksi on myös hieman harmillista, että tietoja on vain osavaltioista, eikä
muista hallinnollisista alueista, kuten Puerto Ricosta. Kartoilla esitetään
melko loppujen lopuksi melko vähän tietoa, joten kokonaiskuvaa ei tahdo oikein
saada.

Heikkoa on myös, että karttojen esittämä tietomäärä on kuitenkin melko suppea ja niiden pohjalta on vaikea luoda kokonaisvaltaista kuvaa, mikä osittain johtuu myös siitä, että kartat eivät ole täysin systemaattisesti valittuja. Tietoa saa myös
paljon helpommin kaupungeista, kuin maaseudulta. Mikko Raninen pohtiikin omassa
blogissaan, kuinka pienet tilastot maaseudulla oikein ovat, vai onko niitä
kerätty ollenkaan.  Kokeilin nimittäin
itse katsoa, millaista tilastoa Isäni host-perheen kylästä Ohion maaseudulta
oikein löytyy. Eihän siitä mitään vaihtelua saanut irti, paitsi, että yksi 25
ihmisestä on musta.

Itse karttaesityksen toteuttamisessa on myös pieniä puutteita. Nora Fabritius valittelee blogissaan karttojen pohjoisnuolen puuttumista. Pohjoisnuolta ei
välttämättä voi hyvin hyödyntää, jos kuvattava alue on todella iso, sillä
projektiotyypistä riippuen pohjoinen ei ole koko kartalla samassa suunnassa,
joten parempi olisi käyttää asteviivoja, jotka tosin puuttuvat.

Mahdollisuudet (Opportunities)

Aino Ropponen mainitsee blogissaan, kuinka hyvä asia on, että koko kansa voivoi käyttää paikkatietopalvelua sen julkisuuden ja helppokäyttöisyyden ansiosta. Hänen mukaansa on myös hienoa, että tietoja voi myös jakaa sosiaalisessa mediassa. Tieteen filosofiassa puhutaan, että tieteen ehto on sen julkisuus. Karttoja tosin voisi olla paljon lisää, jotta maasta saataisiin kokonaiskuva, jolloin muuttujien kausaalisuutta
pystyisi monet ymmärtämään. Käyttömahdollisuuksia voisi myös sivustolla
opastaa, jotta monet saisivat siitä hyötyä irti. Palvelun avulla voidaan saada
myös tietoa omasta asuinseudusta ja vertailla sitä muiden kanssa, mikä voi lisätä
paikallistuntemusta ja siinä ohessa lisäämään Mikko Ranisen mukaan myös yleistä
kartanlukutaitoa.

Uhkat (Threaths)

                             Yleisin ongelma paikkatietojärjestelmässä on yksityisyyden suoja. kartoilla voidaan esittää melko yksityiskohtaista tietoa, tosin ei esimerkiksi niin pieni, että naapurin vuositulot saisi selville.  Sen sijaan suurin ongelma tuntuu olevan se, mitä karttoja palvelu oikein tarjoaa. On kummallista, miten kartoiksi valitaan laaja-alaisten asioiden, kuten tulotasojen, asuntojen arvojen ja koulutustason joukkoon kapea-alainen, samaa sukupuolta olevien pariskuntien lukumäärä. Valinta tuntuu aika
epäsystemaattiselta. Samoin myös ihmettelin, miksi ihmeessä vapaana ja
tasa-arvoisena maana itseään pitävässä valtiossa esitetään karttoja eri
roduista? Nora Fabritius ihmettelee myös samaa asiaa ja muistuttaa, että Suomessa
vastaava vertailu tapahtuu kansallisuuden, ei ihonvärin mukaan.  Toisaalta Yhdysvalloissa tavataan toki segregaatiota ja ajattelutapa ”me ja ne muut” lienee melko yleistä. Koska palvelua ylläpitää suuri mediatalo, on mahdollisesti tällä tiedolla hankittu
lisää yleisöä palvelulle. Tämä tosin lisää segregoitumisen uhkaa eri
ihmisryhmien välillä ja samalla alueet voivat leimautua yhä erilaisemmiksi ja -arvoisiksi.
Jos otetaan esimerkiksi vaikka Detroit, tuo kuihtuva teollisuuskaupunki, missä
työttömyys- ja rikollisuusluvut ovat korkeita. Rotukartasta nähdään jo, miten
segregoitunut kaupunki on, samoin myös muista kartoista. Luoko tämä esimerkiksi
yhdysvaltalaiselle valkoihoiselle halua muuttaa esimerkiksi mustien alueelle jo
kartan pohjalta? Ei välttämättä ja juuri siksi alueet saavat yhä voimakkaammat
leimat.

Tietojen väärinkäyttö on myös mahdollista. Niitä voidaan käyttää vaikuttamisessa, esimerkiksi juuri eriarvoistamalla alueita. Yksityisyydensuoja on kuitenkin melko hyvä, vaikka takuita siitä, ettei jotain yksittäistä henkilöä pystyttäisi
tunnistamaan kartan tietojen pohjalta, ei voida taata. Tiedot eivät onneksi
palvelussa kuitenkaan aivan yksityiskohtaisia, mutta mahdollisuus tietojen ”onkimiseen”
on pidettävä mahdollisena.

Pidän myös mahdollisena ongelmana sitä, että tietokantaa ylläpitää media, ei siis niin objektiivinen taho, kuten Yhdysvaltojen tilastokeskus, US Census
Bureau. Ylläpitäjällä on suuri valta vaikuttaa kartan informaation antamaan kuvaan.

Suomi ja Yhdysvallat

New York Timesin paikkatieto-ohjelmaa voi siis julkisesti käyttää kuka vain. Suomessa julkisia paikkatietojärjestelmiä ei ole näin julkisessa käytössä, tai
niistä ei tiedetä varsin hyvin. Itsestäni myös tuntuu siltä, että tietoa
väestöstä ei ole niin julkisesti saatavilla, kuin esimerkiksi tietoa
infrastruktuurista, teistä, liikenteestä sekä luonnonmaantieteellisistä
teemoista, kuten maaperästä. Maantieteilijät ovat tähän asti saaneet käyttöönsä
väestötietokantoja tilastokeskukselta, mutta tähänkin on tullut muutos ja
tilastoja paikkatietokäyttöön saavat yhä vain harvemmat. Tosin osaa aineistosta
saa edelleen pyydettäessä, joskin joskus maksua vastaan. Tietokantojen arvo
voivat nousta jopa yli tuhanteen Euroon aineistolta ainakin MapInfo-aineiston
osalta (karttakauppa 17.2.2012). Toisaalta Suomessa kerätään ja voitaisiin
esittää hyvinkin yksityiskohtaista tietoa. Yhdysvalloissa puolestaan koetaan
Viljami Ruohosen mukaan liian tarkkojen tilastojen esittämisen aiheuttama
yksityisyyden suojan heikkeneminen loukkaavaksi, ehkä enemmän kuin Suomessa,
minkä vuoksi tarkkoja tilastoja ei esimerkiksi julkisesti ole tarjota.  Paikkatiedon laaja käyttö tosin voisi parantaa
kansallista ja alueellista identiteettiä, kun saadaan kokonaisvaltaisempi kuva
omasta alueestaan, oli se sitten esimerkiksi Suomi tai Mäntyharjun
keskustaajama. Siinä mielessä on ikävä, että tietoa pantataan, mutta toisaalta
yksityisyydensuoja on kyllä sellainen, asia, johon täytyisi keksiä ratkaisu,
vaikka esimerkiksi ottamalla hieman mallia New York Timesin
paikkatietopalvelusta.  Suomesta on monia
kartastoja, mutta yhtenäisen paikkatietopalvelun kehittämiselle olisi silti
tarvetta, sillä nyt tietoa joudutaan metsästämään hyvin monista lähteistä,
joista kaikki eivät välttämättä ole julkisia.
Tietojen pitäisi olla myös moninaisia, systemaattisesti valittuja,
toisin kuin Mapping America, minkä tiedot antavat vain osakuvan ja voivat
yleistää todellisia asioita ja lisätä tahatonta ja tahallista alueellista
leimautumista.

Lähteet:

Fabritius, R. (2012). TVT3-blogi 17.2.2012. <https://blogs.helsinki.fi/norafabr/>

Karttakauppa.fi (17.2.2012). Karttakeskus. <http://www.karttakauppa.fi/workspace.client_organization/PublishedService?file=page&pageID=3&action=view&groupID=1488>

Mapping America: Every City, Every Block (2012). New York Times. <http://projects.nytimes.com/census/2010/explorer>

Raninen, M. (2012). TVT3-blogi 17.2.2012 <https://blogs.helsinki.fi/mraninen/>

Ropponen, A. (2012). TVT3-blogi  18.2.2012. <https://blogs.helsinki.fi/ainoropp/>

Ruohonen, V. (2012) TVT3-blogi 17.2.2012. <https://blogs.helsinki.fi/viljamir/>

Räty, S. (2012). TVT3-blogi 17.2.2012.<https://blogs.helsinki.fi/saturaty/>

SWOT-analyysi (2012). Opetushallitus. <http://www.oph.fi/saadokset_ja_ohjeet/laadunhallinnan_tuki/wbl-toi/menetelmia_ja_tyovalineita/swot-analyysi>

Joidenkin mielestä MapInfo lausutaan oikeaoppisesti [mapinho]. Opiskelijoiden kanssa keskusteltujen ja omien pohdintojen pohjalta yhtenä syynä tähän epäviralliseen lausuntatapaan lienee se, että yhteisymmärrystä käyttäjän ja ohjelman välillä ei löydy. Ohjelman käyttömahdollisuudet voivat käyttäjästä tuntua hyvin rajoittuneilta tai sitten näitä käyttömahdollisuuksia ei vain osaa käyttää, jolloin ärsyyntymistä aiheuttaa se, että tietokone-ohjelma tuntuu käyttäjän mielestä itseään viisaammalta.

Kahdella ensimmäisellä kurssikerralla laadittiin karttoja ohjelmaan valmiiksi syötettyjen aineistojen pohjalta. Nyt kolmannella kurssikerralla opettelimme sitten itse lisäämään ohjelmaan tilastollista tietoa, joten taas yksi rajoite poistui.

Kuva 1. Victorian putoukset Sambian ja Zimbabwen rajalla, Afrikassa, tulva-aikaan, huhtikuussa 2010. Kuva johdattaa tämän kurssikerran töihin, joissa käsiteltiin tulva-indeksiä ja Afrikan konflikteja (P.Lammi).

Tulva-Indeksi

Kurssikerran työnä laadimme kurssikerran 2 tapaan kahden teeman teemakartan. Aineistona meillä toimi Suomen vesistöjen valuma-alueet, joilta oli tiedossa alueiden muun muassa keskivirtaama, keskialivirtaama ja keskiylivirtaama. Tietenkään koko aineisto ei ollut samassa tietokannassa, joten niitä piti yhdistellä, jossa hyvin tärkeää, kuten Aino Ropponen kertoo omassa blogissaan, oli aineistojen yhteensopivuus, eli aluejakojen on eri aineistossa oltava identtisiä, jotta niitä voitaisiin yhdistää. Kun tiedot oli yhdistetty samaan taulukkoon, piti laskea valuma-alueiden tulvaindeksi uuteen sarakkeeseen. Tulvaindeksi saatiin laskettua kaavalla keskiylivirtaama (MHQ) jaettuna keskialivirtaamalla (MNQ). Meidän piti näiden aineistojen lisäksi tuoda MapInfoon Excel-taulukosta tiedot valuma-alueiden järvisyysprosentista eli siitä, kuinka suuri osa valuma-alueen pinta-alasta on järveä.

Kun aineisto oli viimein järjestyksessä, pystyttiin laatimaan tehtävänannon kartta. Ensimmäiseksi laadittiin koropleettikartta valuma-alueiden tulvaindeksistä ja sen jälkeen päälle laadittiin pylväskartogrammi valuma-alueiden järvisyysprosentista. Koropleettikarttaa tehdessä piti taas kerran luokitella aineisto. Aineiston pohjalta laadittu histogrammi oli hyvin vino, mutta kun luokittelutapaa valitsi MapInfossa, mikään ei tuntunut oikein hyvältä. Ongelmaksi muodostui se, että Aurajoen valuma-alue oli aivan omassa sarjassa saaden arvon 1100, mikä on yli kaksinkertainen toiseksi suurimman arvon saavaan Halikonjokeen ja muihin valuma-alueisiin 5-10 -kertainen. Aurajoen ja Halikonjoen vuoksi MapInfo tyrkytti yhtä tyhjää väliluokkaa, mutta tilastollisestihan se ei ole hyvä idea, sillä legendan mukaan kyseinen luokka olisi olemassa, mutta kartalta ei löydy yhtään siihen kuuluvaa valuma-aluetta. Kartan luotettavuus lukijan silmissä saisi pienen kolauksen. Kvantiili luokitus tuntui aluksi hyvältä, mutta siitä ei Aurajoen moninkertaista arvoa pystynyt päättelemään, sillä se olisi kuulunut samaan luokkaan niiden valuma-alueiden, jotka saavat tulvaindeksiksi 300. Toisin kuin Anna Hajonta oli mielestäni niin suuri, että kvantiililuokitus joutui myös hylättyihin vaihtoehtoihin.

Mitä tehdä, kun mikään luokittelutapa ei tunnu toimivan? Kuten Kasperi Lopperi toteaa omassa blogissaan, vastaus on yksinkertainen ja se on: Laadi itse haluamasi luokitus. Ja niin sitten luokittelin aineiston neljään luokkaan siten, että Aurajoki olisi omassa luokassaan ja loput luokat jakautuisivat melko kvantiilin luokittelun mukaisesti, mutta järkeviin ja helposti ymmärrettäviin luokkiin. Ensimmäinen luokka on 0-50, toinen 50-150 ja kolmas 150-500. Kaikkiin näihin luokkiin tuli 21-28 havaintoa. Hajonta kasvaa suuremmissa luokissa, joten siksi luokkavälit myös kasvavat ja kolmannessa luokan suurin arvo, Halikonjoen 500 on jo melko kaukana mediaanista, mutta tilastollisesti mielestäni vielä tarpeeksi lähellä, toisin kuin Aurajoki. Neljänteen luokkaan sijoittamani Aurajoki saa suoraan arvon 1100, eli hyppäsin arvot 500<,>1099 yli, koska niihin ei kuulunut yhtään valuma-aluetta. Lisäksi jos olisin laittanut neljänneksi luokaksi arvot 500-1100, ei olisi tästä pystynyt välttämättä päättelemään, minkä arvon ainoa havainto, Aurajoen valuma-alue saisi. Ja vaikka päättely olisikin helppo, ei tilastollisesti olisi ollut niin selkeä, kuin ilmoittaa sen arvo suoraan.

Seuraavaksi laadittiin pylväskartogrammi järvisyysprosentista.  Siinä ei juuri ihmeellisyyksiä ollut lukuun ottamatta skaalautumiskoon valinta, josta valitsin neliöjuuren ja hieman suurensin niiden kokoa luettavuuden parantamiseksi.

Värisävyiksi valitsin koropleettikarttaan sinisen eri sävyt vaaleasta tummaan, koska kahden teeman teemakartalla värejä tulee helposti liikaa. Sinisen värisävyn valitsin siksi, koska sen pystyy hyvin yhdistämään veteen.  Pylväsdiagrammin väriksi valitsin violetin. Värin tuli erottua hyvin koropleettikartasta, mutta mielestäni erottuvin väri, punainen oli liian kirkas tähän tarkoitukseen eikä oikein hyvin kuvaa järviä. Violetti oli mielestäni seuraavaksi erottuvin, mutta punaista hillitympi. Muut värit eivät olleet oikein sopusoinnussa koropleettikarttaan, eikä niistä oikein olisi välttämättä ensi vilkaisulla keksinyt niiden esittävän järvien osuutta.

Kartalla olisi voinut esittää myös sinne valmiiksi piirretyt järvet ja valuma-alueet. Kokeilin tätä, mutta huomasin, että karttapohja, koropleettikartta ja pylväskartogrammi kulkivat yhtenä tasona, mikä vaikeutti asiaa huomattavasti. Jos olisin laittanut joet ja järvet päällimmäiseksi, olisi pylväiden luettavuus kärsinyt. Jos taas jätin ne alle, kuvautuivat kartalla Suomen naapurimaiden joet ja järvet, mutta ei itse Suomen, koska ne jäivät teemakarttojen alle. Tämä ei olisi ollut kovin järkevä vaihtoehto, sillä kartta ei esittäisi kuvattavia asioita systemaattisesti. MapInfossa oli siis vielä jäljellä jotain käyttäjälleen ylivoimaista. Paras vaihtoehto oli siis jättää jokien ja järvien esittäminen ja toivoa, että kartan tulkitsija ymmärtäisi, missä on paljon järviä ja jokia. Toisaalta kartta oli näin ollen itse teemat eli tulvaindeksi ja järvisyysprosentti erottuivat selkeästi, kuten Nina Miettinen kertoo omassa blogissaan.

Sitten ryhdytäänpä tulkitsemaan karttaa (kuva 5). Kuten kartasta huomataan, Suomi jakautuu siten, että Itämeren rannikolla, erityisesti Pohjanmaalla, Varsinais-Suomessa ja Uudellamaalla on valtavasti pieniä valuma-alueita, Sisämaassa ja Itä- ja Pohjois-Suomessa vain muutama, mutta ne ovat moninkertaisia Länsi- ja Etelä-Suomen valuma-alueisiin verrattuna. Itä- ja Pohjois-Suomen pinta-alaltaan suuret valuma-alueet saavat lähes poikkeuksetta kaikki pienimmän tulvaindeksiluokan. Järvisyysprosentti näillä valuma-alueilla puolestaan on melko suuri. Länsi- ja Etelä-Suomen valuma-alueet ovat pääsääntöisesti siis pinta-alaltaan melko pieniä eikä niiden järvisyysprosentti ole kovin suuri. Sen sijaan suurin osa kuuluu suurempiin, kuin pienimpään tulvaindeksiluokkaan. Karkeana yleistyksenä kartasta voisi näin ollen karkeasti päätellä, että tulvaindeksi on kääntäen verrannollinen valuma-alueen kokoon ja suoraan verrannollinen sen valuma-alue

en järvisyyteen, mistä yhtä mieltä kanssani ovat ainakin Viljami Ruohonen ja Timo Säyrinen omissa blogeissaan. Näin yksinkertainen matemaattinen lauseke asia ei kumminkaan ole, mutta yleistäessä siinä on hieman perääkin. Se kaipaa kuitenkin myös selityksiä.

Kuva 2. Tulvaindeksi ja järvisyysprosentti Suomessa valuma-alueittain

Hasardimaantieteessä tulvahan on frekvenssiltään eli esiintyvyydeltään kaikkein yleisin hasardi ja tieteenalalla sanotaankin, että tulva on ennemmin sääntö kuin poikkeus. Tulvan määritelmänä on karkeasti se, että vedenpinta nousee tavallisesti kuivana olevalle alueelle.  Tulvia on myös erilaisia. Yleensä ne johtuvat siitä, kun vesialtaan valuma-alueelle sataa vettä niin paljon, ettei se mahdu uomaansa tai altaaseensa. Nämä tulvat ajoittuvat yleensä sadekausiin tai myös yksittäisiin rankkasateisiin. Tulva voi myös syntyä lumen tai jään sulaessa. Koska tätä tapahtuu keväisin, puhutaan kevättulvista. Tulva voi myös syntyä, jos veden normaalille valumareitille muodostuu este, kuten pato tai keväisin jääpato ja suppo, voivat ne aiheuttaa tulvan ensin niiden yläjuoksulle ja lopulta padon purkautuessa niiden alajuoksulle. Tulva voi vyöryä myös suuresta vesialtaasta, järveltä tai mereltä myrskytuulen ja alhaisen ilmanpaineen aiheuttamien tulvien vuoksi. Samoin myös esimerkiksi endogeeniset prosessit, kuten tu

livuorenpurkaus tai maanjäristys ja voivat aiheuttaa tulvia, kun vesimassat lähtevät liikkeelle. Endogeenisten prosessien aiheuttamia tulvia lukuun ottamatta Suomessa tavataan lähes kaikkia tulvatyyppejä. Kuitenkaan esimerkiksi rankkasateiden aiheuttamia tulvat ole huomattavia ainakaan kestoajaltaan, jos verrataan esimerkiksi kevättulviin.  Monesti rankkasateiden aiheuttamat tulvat ovat äkillisiä ja kestävät lyhyen aikaa toisin kuin kevättulvat, vaikka Kopran mielestä kaikki tulvat ovat yleensä hyvin lyhytkestoisia (Kopra, H. 2012).

Laaditulta kartalta voidaan tarkastella melko hyvin Suomen tulvia, koska niistä yleisimmät ovat järvien ja jokien kevättulvat.  Mutta missä sitten tulvii? No, jos käytetään edellä mainittua aluejakoa, voidaan kartalta todeta, että Länsi- ja Etelä-Suomen joet tulvivat enemmän kuin Itä- ja Pohjois-Suomessa, koska niiden valuma-alueella ei ole paljon järviä. Tämä puoltaa ajatusta siitä, että järvet varastoivat valuma-alueen vettä, eivätkä niiden laskujokien pinta pääse nousemaan niin korkealle. Järvien lisäksi vettä varastoivat esimerkiksi suot, metsät sekä hiekkaiset maat, mutta niiden merkitystä ei kartalta pystytä suoraan tarkastelemaan.  Niillä valuma-alueilla, joilla tulvaindeksi on suuri, ei merkittäviä järviä tai soita ole. Näillä alueilla on metsien sijaan paljon peltoja, joiden maalajin, saven pidätyskyky on huono ja ne ovat Laura Lipastin mielestä usein jo valmiiksi vedellä kyllästettyjä, joten nekin lisäävät veden valuntaa ja tulvien riskiä. Järvien, metsien tai soiden puute ei kuitenkaan ole ainoa syy sille, miksi Länsi- ja Etelä-Suomen valuma-alueilla on tulvia. Maasto valuma-alueilla, jotka saavat suuria tulvaindeksiarvoja on tasaista, mikä hidastaa veden virtaamista. Virtausta hidastavat entisestään etenkin Pohjanmaalla nopea maankohoaminen sekä jokien kuljettamat suuret lietekuormat, jotka kasautuvat jokisuille. Molemmat tasoittavat joen gradienttia, eli kaltevuuskulmaa, mikä on suoraan verrannollinen virtausnopeuteen. Koska vesi ei virtaa nopeasti eteenpäin, tulvavedet kasautuvat ja purkautuvat helposti alaville maille eli tavallaan synnyttävät vesivarastoksi väliaikaisen järven.

Kun aiemmin olin todennut, että tulvaindeksi olisi suoraan verrannollinen valuma-alueen kokoon, kuten se kartalla näyttää, en löydä sille täysin selvää määritelmää, muuta kuin, että alueella on paljon peltoja, mutta ei järviä.  Sen sijaan Mikko Raninen kertoo omassa blogissaan, että ”pienellä alueella valunta kertyy nopeasti pääuomaan”, mikä pitää varmasti paikkansa, mutta ei yksin, vaan siihen pitäisi vaikuttaa myös edellä mainitut maalajin, kasvillisuuden ja vesistöjen pidätyskyvyn sekä gradientin ja valunnan suuruuden.

Kartan mukaan suurin tulvaindeksi on Aurajoella. Kuitenkaan en löytänyt hälyttäviä uutisotsikoita, joissa kerrottaisiin valtavista tulvista. Sen sijaan pahaksi tulva-alueeksi nostettiin esimerkiksi Kyrönjoki ja Tornionjoki (Kopra, H. 2012). Kun tarkasteli lehtien uutisotsikoita, nousi nimenomaan Kyrönjoki monissa esille. Esimerkiksi Iltalehden artikkelissa, Kevättulvat huipussaan Pohjanmaalla kerrotaan jokien tulvatilanteesta yleensä, mutta Kyrönjoki saa paljon palstatilaa (Kevättulvat huipussaan Pohjanmaalla. Iltalehti 10.4.2010.). Kyrönjoki ei kuitenkaan ole tulvaindeksiltään erityisen suuri. Onkohan tässä nyt käynyt niin, että karttani ei kuvaa koko totuutta, vai ovatko Kyrönjoen tulvien aiheuttamat vahingot paljon suurempia vai onko m

edia ottanut sen vain silmätikukseen?  Vertasin Aurajoen ja Kyrönjoen valuma-alueiden keskiyli- ja keskialivirtaamia ja huomasin, että Aurajoen saamat arvot ovat paljon pienempiä Kyrönjokeen verrattuna. Arttu Paarlahti kertoo TVT3-tiedotusblogissa, että tulvaindeksi vertaa vain keskiylivirtaaman ja keskialivirtaaman eroa (Paarlahti, A.2012) Sen sijaan virtaama kertoisi, paljonko alueen läpi virtaisi vettä, mutta ei kuinka suuren tulvan ne nostattavat absoluuttisina arvoina. Laatimani kartta siis kertoo, kuinka suuri on joen vedenpinnankorkeuden vaihteluväli, minkä myös Mikko Raninen on havainnut omassa blogissaan, eikä sen pohjalta näe yksityiskohtaisesti, millä valuma-alueella on vesimäärältään suurin tulvavuoksi tai millä valuma-alueella on aineellisesti pahimmat tulvat.

Maa- ja metsätalousministeriö on julkaissut listan ja kartan Suomen tulvariskeimmistä alueista. Kun näitä katsoo, huomataan, että suurimmat riskit ovat Pohjanmaan joissa, Pohjois-Suomen jokien patojen läheisyydessä, sekä rannikkoalueet ja esimerkiksi Salon ja Riihimäen keskustat. Rannikon tulvia voivat aiheuttaa Itämerellä pitkään puhaltaneet lounaistuulet ja myrskyt, jotka kasaavat vettä Suomen rannikoille ja voivat nostaa vettä yli metrillä ja aiheuttaa rantakaupungeissa vahinkoa.  Näitä ei kuitenkaan näe kartalla. Ei myöskään sitä, että kovat pinnat, kuten asfaltti eivät ime vettä, vaan vesi virtaa nopeasti ja voi aiheuttaa niin sanottuja hulevesi- tulvia kaupungeissa.  Kartalta voi siis tulkita lähinnä, missä vedenpinnankorkeus vaihtelee huomattavasti ja miten järvisyys vaikuttaa tähän.

Lähteet:

Kevättulvat huipussaan Pohjanmaalla (2010). Iltalehti 10.4.2010. <http://www.iltalehti.fi/uutiset/2010041011449089_uu.shtml>

Lipasti, L. (2012). Kurssikerta 3. TVT-blogi 12.2.2012 <https://blogs.helsinki.fi/llipasti>

Lopperi, K. (2012). Kurssikerta 3. TVT-blogi. 8.2.2012. <https://blogs.helsinki.fi/klopperi>

Kopra, H. (2012). Tulvat ja maanvyöryt. 11.2.2012. <http://www.joet.info/tulvat.htm#projects>

Miettinen, N. (2012). Kurssikerta 3. TVT-blogi 10.2.2012 < https://blogs.helsinki.fi/nkmietti>

Maa- ja metsätalousministeriö (2011). Suomessa

21 merkittävää tulvariskialuetta. 20.12.2011 <http://www.mmm.fi/fi/index/etusivu/tiedotteet/111220_tulvariskialueet.html>

Paarlahti, A. (2012). TVT3-tiedotusblog. 12.2.2012. < https://blogs.helsinki.fi/tvt3-2012>

Raninen, M. (2012). kurssikerta 3. TVT-blogi. 12.2.2012 < https://blogs.helsinki.fi/mraninen>

Ropponen, A. (2012). Kurssikerta 3. TVT-blogi. 10.2.2012. <https://blogs.helsinki.fi/ainoropp>

Ruohonen, V. (2012). Kurssikerta 3. TVT-blogi 11.2.2012. < https://blogs.helsinki.fi/viljamir>

Säyrinen, T. (2012). kurssikerta 3. TVT-blogi 12.2.2012 < https://blogs.helsinki.fi/sayrinen/>

Konfliktiherkkä Afrikka

Kurssikerran aluksi siis tutustuimme, miten aineistoa tuodaan MapInfoon.  Harjoitusaineistona meillä oli käytössä tietoja muun muassa Afrikan väestöstä ja luonnonvaroista.  Kun viimein tiedostot oli saatu tuotua ja muokattua muokattavaan muotoon, ei kuitenkaan laadittu alueesta karttaa, vaan ruvettiin pohtimaan, miten näitä tietoja voisi hyödyntää. Nämä tiedot olivat konfliktien tapahtumavuosi ja laajuus, Internet-käyttäjien lukumäärä eri vuosina ja timanttikaivosten ja öljykenttien löytämisvuosi, kaivausten ja poraamisen aloitusvuosi sekä niiden tuottavuusluokittelu. Afrikasta saisi kirjoitettua tieteiskirjan verran tekstiä, mutta jos tällä kertaa katsottaisiin asioita vähemmän rönsyillen.

Afrikassa on ollut lukuisia konflikteja pienistä heimoriidoista maiden välisiin sotiin. Yksi merkittävimmistä syistä tähän on se, että kolonialistisena ja imperialistisena aikana Eurooppalaiset valloittivat ja jakoivat Afrikan keskenään. Tuolloin Afrikassa ei juuri kansallisvaltioita ollut vaan maa koostui tuhansista heimoista. Eurooppalaisten piirtämät rajat pirstaloivat heimojen alueita melko paljon, mitä voidaan vielä tänäkin päivänä yhtenä merkittävänä syynä moniin konflikteihin. Heli Kainulainen selittää omassa blogissaan, että heimojen alueiden pirstaloitumisen yhteydessä heimojen keskinäiset valtasuhteet muuttuivat. Esimerkiksi jostain suuresta heimosta osa saattoi joutua toiseen valtioon pieneksi vähemmistöksi ja heidän asemansa kävi tukalaksi, kun toinen heimo piti maassa paikallista valtaa. Valta-asetelmat ovat monesti vaihtuneet, mikä puolestaan on johtanut monesti konflikteihin.  Kurssikerran aineiston pohjalta huomio keskittyy enemmän kuitenkin luonnonvaroihin, joissa siirtomaavalloilla on melko suuri merkitys.

Elli Saari kommentoi omassa blogissaan, Aineistosta laaditut kartat ”ohjaavat pohdintaa luonnonvarojen ja konfliktien välistä yhteyttä”. Näiden kahden korrelaatio lienee suuri, kun vertaillaan konfliktialueiden ja luonnonvarojen sijoittumisesta.  Arttu Paarlahden laatimasta karttaesityksestä selviää, että monesti konfliktialueet, timanttikaivokset ja öljylähteet sijaitsevat monesti samoilla alueilla. Tämähän voi toki olla myös sattumaa ja osa näistä konflikteista voi olla heimojen välisiä valtataisteluita.

Ehkäpä suurin innostuksen syy valloittaa omia siirtomaita Afrikasta oli juuri niiden raaka-aineiden hyödyntämismahdollisuudet. Eurooppalaiset siirtomaaisännät ottivat siirtomaidensa maita viljelykäyttöön ja perustivat suurtiloja, joilla paikalliset työskentelivät yleisesti hyvin huonolla palkalla. Viljeltäviä kasveja ei välttämättä voinut kasvattaa Euroopassa kylmän ilmaston ja pienen viljelyspinta-alan vuoksi. Myöhemmin alettiin myös hyödyntää siirtomaiden kallioperän kaivannaisia ja öljyä.

Siirtomaaisäntämaiden ei tarvinnut ostaa tuotteita muilta valtioilta, koska niitä pystyttiin tuottamaan itse ”omassa maassa”. Tiedot öljylähteiden ja timanttikaivosten perustamisvuodesta kertoisivat kartalla, missä maissa milloinkin näihin luonnonvaroihin on panostettu. Tiedot siirtomaa-ajoilta kertoisivat myös, miten aktiivisesti siirtomaat hyödynsivät näitä kahta luonnonvaraa. Aktiivisuudesta saadaan myös lisää tietoa, jos vertailtaisiin aineistosta löytyviä luonnonvaran löytämisvuoden ja tuotannon aloittamisvuoden välistä aikaeroa.

Siirtomaat siis hyödynsivät ja jopa ryöstivät Afrikan luonnonvaroja. Ongelmat eivät kuitenkaan kadonneet siirtomaiden itsenäistyttyä 1960-luvulta lähtien.  Koska siirtomaaisännät olivat keskittäneet tuotannon lähes ainoastaan yhteen tuotteeseen kussakin maissa, jäi tämän tuotanto uusien valtioiden ainoaksi tulonlähteeksi ja monesti entinen siirtomaaisäntä puolestaan ainoaksi kauppakumppaniksi. Valtioiden talous oli hyvin riippuvainen niiden ainoan tuotteen myyntihinnasta, mikä varsinkin entisten siirtomaaisäntien kanssa tehdyissä kauppasopimuksissa jäi yleensä hyvin alhaiseksi. Pahinta oli, jos ainoa luonnonvara alkoi ehtyä, sillä se tiesi iskua koko valtion olemassaololle. Eira Linko pohtii omassa blogissaan, kuinka kiehtovaa olisi vertailla aineistosta löytyvää timanttikaivosten ja öljylähteiden tuottamislukuja ja valtioiden BKT:tä.  Tämä kertoisi siitä, kuinka valtio onnistuu nykyään hyödyntämään näitä luonnonvaroja.

Nykyään samanlaista menettelytapaa, mitä siirtomaavallat käyttivät, hyödyntävät monikansalliset yritykset, joiden merkitys joidenkin valtioiden taloudelle on merkittävä, vaikka työntekijöille maksetaan pientä palkkaa ja valtio ei saa suuria tuloja yritysten toiminnasta. Monikansallisilla yrityksillä on monesti myös vaikutusvaltaa valtioiden hallituksiin, sillä jos toiminta ei suju yrityksille sopivalla tavalla, voivat ne lähteä maasta jättäen valtion ilman tulonlähdettä.  Käsitteet Afrikan luonnonvarojen hyväksikäytöstä ja ryöstämisestä sekä ulkomaankauppaan liittyvistä kapeista mahdollisuuksista ovat myös luoneet hyvin konfliktiherkkää ilmapiiriä, sillä nämä asiat ovat johtaneet ihmisten köyhyyteen, valtioiden kehittymättömyyteen ja heikkoon hallintoon. Olisi myös mielenkiintoista tietää, miten suuri osuus Timanttikaivoksista ja öljylähteistä kuuluu valtiolle ja miten suuri monikansallisille yrityksille.  Aineiston pohjalta olisi myös jännittävää tarkastella, minkälaisia konfliktit ovat olleet eli kuinka moni niistä liittyy luonnonvaroihin ja ovatko erilaiset konfliktit olleet yleisiä eri aikoina vai ovatko ne vain tapahtumakohtaisia.

Nythän puhutaan, että ilmastonmuutoksen seurauksena vesipula olisi lähiaikoina odotettavissa oleva suuri kriisi, sillä vesipulan vuoksi sadot pienenevät ja esimerkiksi aavikoituminen lisääntyy. Tästä herääkin kysymys, että nousisiko tällaiset humanitääriset kriisien aiheuttamien konfliktien määrä ja kuinka herkästi tämä ja muut kriisit voisivat leimahtaa konflikteiksi ja miten aiemmat luonnonvaroihin liittyvät konfliktit vaikuttaisivat näiden leimahdusherkkyyteen.

Internetin käyttäjien lukumäärä eri aikoina kertoo kansalaisten elintason kehityksestä. Internet on viime vuosina yleistynyt huomattavasti ja myös Afrikassa näyttäisi aineistoa vilkaisemalla huomata sen tulleen monissa maissa koko kansan ulottuvuudelle, joko niiden halpenemisen tai kansalaisten elintason nousun myötä. Kritiikkiähän tämä saa siitä, ettei pystytä tarkoin määrittelemään kynnystä ostaa tietokone käyttämällä siihen esimerkiksi päivän ruokarahat. Internetin käyttäjien valtava lukumäärä ja varsinkin sosiaalisen median hyödyntäminen on jo voinut johtaa konflikteihin. Puhutaanhan Jasmiinivallankumouksen yhdeksi aiheuttajaksi Internetiä. Aineiston pohjalta voisi vertailla, millä alueilla on paljon viimeaikaisia konflikteja ja paljon Internetin käyttäjiä ja sitä kautta yrittää ennustaa seuraavaa mahdollista konfliktia.

Afrikkaa on kutsuttu ehkä jopa halventavastikin ”mustaksi maanosaksi”.  On totta, että Afrikassa on paljon ongelmia, joista osa kasvaa konflikteiksi asti. Silti tilanne ei täysin toivoton ole koko maissa, sillä myös paikallista elämäniloa löytyy, vaikka se hautautuukin monesti ongelmien taakse.

Lähteet:

Afrikan väestö-ja internetkäyttäjätiedot. <http://www.internetworldstats.com/stats1.htm>

Kainulainen, H. (2012). TVT3-blogi 13.2.2012. < https://blogs.helsinki.fi/helikain/>

Linko, E. (2012). TVT3-blogi 12.2.2012 <https://blogs.helsinki.fi/elinko >

Paarlahti, A. (2012). TVT-tiedotusblogi. 12.2.2012 < https://blogs.helsinki.fi/tvt3-2012/>

Saari, E. (2012). TVT3-blogi 12.2.2012 <https://blogs.helsinki.fi/ellsaari>

Uusitalo, R. (2012).TVT3-blogi 13.2.2012 < https://blogs.helsinki.fi/ruutuusi/>

Toisella kursseilla alkoi teemakarttojen esiinmarssi, kun ryhdyttiin tarkistelemaan, minkälaisia karttoja mapinfolla voi saada aikaiseksi.  Ensimmäisellä kurssikerralla tutuksi tulleen koropleettikartan lisäksi vaihtoehdoiksi teemakartaksi voi valita pylväs- ja ympyräkartogrammeja, havaintoarvon mukaan skaalautuvia objekteja esittävää graduated -karttoja, pelkästään alueita ilman havaintoarvoja erittelevä individual -kartta, pistekartta sekä prismaattisia ja erilaisia 3D-karttoja. Valinnanvaraa siis riittää ja näiden lisäksi karttatyyppejä opittiin myös yhdistämään.  Olin kyllä törmännyt aiemmin lähes kaikkiin näistä karttatyypeistä, mutta en ollut osannut kaikkia nimetä. Nimien lisäksi niiden laatiminen kävi tutummaksi ja ovi MapInfon salaisuuksiin ja mahdollisuuksiin raottui taas hieman.

Teoriaosuuden jälkeisessä yksilötehtävässä jokaisen piti laatia kahden teeman teemakartta, jossa esitetään kaksi teemaa päällekkäin samassa kartassa.  Teemakarttatyyppi, alue ja aineisto olivat vapaasti valittavissa. Ja siitähän synnytystuskat sitten alkoivat. Vaihtoehtoja oli niin paljon, että huomattava osa (ehkä liian suuri) meni valintojen tekemiseen. Alueen valinta olikin hieman hankalaa. Koska mikäli alueena olisivat olleet kaikki Suomen kunnat, olisi kartalla 336 havaintoa, joiden muuttujia pitäisi vertailla. Kartalla olisi valtava määrä objekteja, joten päätin ottaa pienemmän alueen ja valitsin maakuntatason ja Etelä-Savon maakunnan, koska minulla on sukulaissuhteita paljon tuolla. Valintani osoittautui hyväksi, sillä ainakin Satu Räty ja Sonja Murto kommentoivat omissa blogeissaan, kuinka hankalaa todella on esittää kahta teemaa selkeästi. Mutta sitten suureksi ongelmaksi nousikin teemojen valinta. Ei olisi mielestäni ollut järkeä valita kahta teemaa, jotka eivät täydentäisi toisiaan tai eivät korreloisi keskenään, vaikka voihan sellaisen kartan laatia todisteeksi siitä, että nämä teemat eivät ainakaan korreloi keskenään. Yritin esimerkiksi tarkastella esimerkiksi elinkeinorakenteen ja työttömyyden korrelointia, mutta erot olivat niin merkitsemättömät, että kartasta olisi tullut melko tylsää luettavaa. Samoin kävi, kun yritin tarkastella korkeakoulututkinnon suorittaneiden määrää ja taajama-astetta. Maakuntavalinta taisi tässä kohtaa olla väärä, kun tilastoissa ei eroja maaseutumaisten ja kaupunkimaisten kuntien välillä ei eroja juuri syntynyt.

Siispä katse piti kääntää muualla. En myöskään halunnut valita jo paljon käytettyjä aiheita, kuten tietoon tulleiden rikosten lukumäärän ja kunnassa asuvien ulkomaalaisten osuuden vertailemista, joista muun muassa Amanda Cardwell, Sonja Murto, Timo Säyrinen ja Noora Turunen ovat laatineet omat kartat blogeihinsa. Mielenkiintoinen aihe ei sitten löytynytkään Etelä-Savosta, vaan Varsinais-Suomesta ja pitkän tutkimisen jälkeen kiinnostaviksi aineistoiksi nousivat kunnassa asuvien työssäkäyvien lukumäärä ja työpaikkojen ja omassa kunnassa työssäkäyvien osuus.  Näiden muuttujien pohjalta pystyi nimittäin selvittämään paitsi sen, kuinka monta kunnassa asuvaa työläistä työskentelee omassa kunnassa, myös sen, kuinka moni työläinen käy töissä toisella paikkakunnalla.

Tarkoitukseni oli tarkastella, mistä ja minkälaisista kunnista sekä kuinka paljon käydään toisissa kunnissa töissä. Lähtökohtanani toimi käsitys esikaupungistumisesta, missä ihmiset asettuvat asumaan esikaupunkeihin, lähiöihin tai lähikuntiin, mutta käyvät kuitenkin asioilla ja töissä pääasiassa keskuksessa. Tämä trendi on suosittua varsinkin Eurooppalaisissa ja Pohjois- Amerikkalaisissa suurkaupungeissa (Marston S. et al. (2008). World Regions in Global Context). Etelä-Savosta ei merkittäviä arvoja ollut saatavilla, joten päätin valita maakunnan, missä olisi suurempi suuri keskus. Pääkaupunkiseudun ja Tampereen kaupunkirakennetta on käyty niin paljon läpi niin lehdissä, maantieteen osaston kursseilla kuin lukiossa, joten seuraava suuri keskus, joten ensimmäinen vieras keskus, joka mieleen juolahti, oli Turku ja Varsinais-Suomen maakunta. Mielenkiintoa tämän alueen tarkasteluun lisäisi se, miten paljon saaristosta käytäisiin Turussa töissä.

Omassa kunnassa työssäkäyvien osuus oli suhteellisen aineiston muodossa, joten siitä pystyi tekemään koropleettikartan. Kunnassa asuvien työssäkäyvien osuus oli puolestaan absoluuttinen, jonka kuvaamiseen sopi erityisesti graduated-teemakartta, missä karttaobjektin koko skaalautuu havaintoarvojen suuruuden mukaan. Visuaalisista vaihtoehdoista paras objekti oli yksinkertainen ympyrä. Omassa kunnassa työssäkäyvien osuutta kuvaavan koropleettikartan värisävyiksi valitsin sinisen eri tummuusasteet, enkä kahden värin muuttujaa, koska kahta eri teemaa esittäessä käytetään jo yleensä kahta eri väriä näiden muuttujien selkeyttämiseksi. Näin ollen värisävyjä olisi saattanut tulla jo niin monta, että kartan luettavuus olisi voinut jo kärsiä. Yritin valita mahdollisimman hyvin erotettavat värit ja siksi kunnassa asuvien työssäkäyvien lukumäärää kuvaavien ympyröiden väriksi valitsin keltaisen. Molemmat värit erottuvat mielestäni melko hyvin, paremmin kuin esimerkiksi kuin punainen ja keltainen, sininen ja vihreä tai värisokean painajainen, punainen ja vihreä.

Valitsin koropleettikartan luokkien lukumääräksi kolmen, koska graduated-kartassa jokainen pallo olisi erikokoinen ja kartan luettavuus olisi saattanut kärsiä suuremmasta määrästä. Sanotaanhan, että yksinkertaisuus ja selkeys ovat tärkeimpiä tavoitteita kartanlaadinnassa. Koropleettikartan aineiston luokittelin kvantiililla luokittelulla eli jokaiseen luokkaan tulisi sama määrä havaintoja. Kokeilin myös muita luokittelutapoja, mutta tämä antoi tällä kertaa selkeimmän luokkajaon ja siltä laadittua karttaa olisi helppo tulkita.

Suurimmaksi ongelmaksi muodostui kuitenkin ympyröiden koon skaalaus, sillä osa kunnista sai todella suuria arvoja ja ympyröiden koko oli suuri, mutta sitten puolestaan ne kunnat, joissa oli vähän työssäkäyviä, loogisesti pääteltynä myös vähän ihmisiä saivat niin pieniä arvoja, että ympyröiden koko jäi mielestäni ehkä jo liian pieneksi. Käytin kuitenkin ympyröiden koon skaalauksessa tätä neliöjuureen perustuvaa asteikkoa, enkä logaritmiasteikkoa, joka kyllä olisi kasvattanut huomattavasti pieniä arvoja saavien kuntien ympyröiden kokoa. Kuitenkin havaitsin, että logaritmisella asteikolla ei ensivilkaisulla pystynyt havaitsemaan kunnolla kunnan saamia todellisia arvoja, vaan niiden arvojen olisi voitu kuvitella olevan moninkertaisia todellisuuteen verrattuna. Toivottavasti kaikki ympyrät näkyvät, sillä tässä kohtaan MapInfo rajoitti kartanlaadintaa.

Kartan hiomisessa meni myös aikaa, mutta olen samaa mieltä kuin Tuuli Rissanen, joka kiteyttää omassa blogissaan, että mitä suuremman ajan karttaa hioo, sitä enemmän siitä löytyy jälkikäteen korjattavaa. Hänen laatimastaan kartasta sain myös ajatuksen nimetä kunnat tunnistamisen helpottamiseksi. Koska kuntia oli sen verran pieni määrä, tämä oli mahdollista. Suomen kartalle ei puolestaan olisi saanut millään mahtumaan 336 kunnan nimeä.

Kuva 1. Työläisten määrä ja omassa kunnassa töissä käyvien osuus Varsinais-Suomessa. Työläisten absoluuttinen määrä on esitetty graduated-ympyröinä ja omassa kunnassa työssäkäyvien osuus puolestaan koropleettina.

Kuva 2. Sama kuin kuva 1, mutta kuntien nimien kanssa. Nimet voivat haitata esitettävän ilmiön visuaalista nkyvyyttä kartassa, mutta toisaalta nimien mainitseminen auttaa yhdistämään tietoa kartan kautta käyttäjän mieleen.

Valmista karttaa (kuva 1.) tutkiessani huomasin enemmän säännönmukaisuutta kuin mitä osasin odottaa. Ylivoimaisesti eniten asukkaita oli odotetusti Turussa, missä voi päättelemällä päätellä olevan paljon työpaikkoja, koska valtaosa Turkulaisista käy omassa kunnassaan töissä. Turun ympäristö näkyy selvänä vyöhykkeellisyytenä. Turun ympäryskunnissa huomataan asuvan tuhansia työssäkäyviä, mutta heistä vain kolmasosa käy töissä omassa kunnassaan. Loput siis käyvät töissä muissa kunnissa, suurin osa mitä ilmeisimmin Turussa.

Turun seudun kaupunkiyhteistyön tiedotteen, Turun ja sen ympäryskuntien kaupunkirakennetta tullaan kehittämään niin, että työpaikkoja luotaisiin erityisesti Turkuun, muta myös naapurikuntien tärkeimpiin keskuksiin (Turun kaupunkiseudun rakennemallityöhön saatiin linjaratkaisu. Turun seutu). Asutusta tullaan puolestaan tiivistämään kaikissa näissä kunnissa ja joukkoliikennettä tullaan parantamaan. Tiedotteissa näitä ympäryskuntia nimitetään tukikunniksi. Näiden pohjalta voidaankin päätellä, että asukasluku myös naapurikunnissa tulee kasvamaan ja koska työpaikkoja keskitetään paljon Turkuun, tulee myös pendelöinti kuntien välillä kasvamaan ja siksi joukkoliikenteen kehittäminen on tärkeää. Varsinais-Suomen maakuntaennusteessa kuitenkin arvioidaan, että ympäryskunnissa pk-yritykset pärjäävät kuitenkin kohtuullisen hyvin. (Varsinais-Suomen maakuntaennuste vuodelle 2011). Silti ne työllistävät vain vähän verrattuna suuriin yrityksiin, jotka ovat keskittyneet Turkuun. Tätä johtopäätöstä sivuaa myös Satu Räty omassa blogissaan, missä hän tarkastelee korkeakoulututkinnon suorittaneiden ja palveluiden työpaikkojen osuutta Etelä-Suomen kunnissa.

Seuraavan vyöhykkeen kunnista noin puolet työskentelee omassa kunnassa. Tähän kuuluvat kaikki Turun seudun ydinkuntia ympäröivät kunnat. Tähän luokkaan kuuluu myös Länsi-Turunmaan saaristokunta, joka on kyllä itse asiassa Turun naapurikunta, tosin kunnilla on vain yhteistä vesirajaa.  Mietin, miten saariston pitkät laiva- ja lossimatkat vaikuttaisivat siihen, miten suurta pendelöinti olisi. Yllättävän paljon kuitenkin, sillä vain puolet kunnassa asuvista työssäkäyvistä on töissä omassa kunnassa. Kartta ei kuitenkaan tuo eroja eri saarilta ja veikkaankin, että lähempänä suurta keskusta, tässä tapauksessa Turkua on pendelöinti myös suurempaa. Tämä pätenee myös muihin kuntiin, mutta eroja ei tällä kartalla voi esittää.

Seuraavalla vyöhykkeellä etäisyys Turkuun kasvaa ja oletettavasti pendelöinti Turkuun vähenee etäisyyskitkan mukaan: ”keskusten välinen liikenne on suoraan verrannollinen keskusten kokoon ja kääntäen verrannollinen niiden etäisyyteen”.  Näissä keskuksissa noin puolet työskentelee omassa kunnassa.  Tätä seuraavalla vyöhykkeellä jo yli kaksi kolmesta käy töissä omassa kunnassa. Etäisyys on siis jo melko suuri. Samoin myös työssäkävijöiden määrä on pienentynyt jokaisella vyöhykkeellä ja osassa tällä vyöhykkeillä olevissa kunnissa on vain muutama sata työssäkäyvää. Jos työläisten määrä on pieni, voisi myös arvella kunnan väkiluvun olla melko pieni. Suoraan ei kartalta näe, millainen on kuntien oma rakenne, mutta pienestä väkiluvusta ja suuresta pinta-alasta voi edelleen päätellä kuntien olevan melko maalaismaisia, kuten Kustavi ja Oripää. jossa valtaosa käy pitkien välimatkojen vuoksi töissä lähinnä omassa kunnassa.

Mielenkiintoinen poikkeus tosin kartalta myös löytyy, sillä Salon seudulla ei ole Turun ympärysseudun kaltaista vyöhykettä, vaikka onkin suuri kaupunki. Salossahan toki on vielä toistaiseksi paljon työpaikkoja, kuten esimerkiksi Nokia. Lisäksi Aino Ropponen, joka tutkii omassa blogissaan puolestaan Varsinais-Suomen kuntien elinkeinorakenteen ja korkeakoulututkinnon suorittaneiden osuuden välistä korrelaatiota, kertoo omassa karttaesityksessä ja blogitekstissä, että Salon kaupunki on tärkeä IT-alan keskus ja onhan esimerkiksi Nokia suuri työnantaja tuolla seudulla. Voisin esittää näin rohkeasti ratakisuksi sen, että koska Salossa tapahtui muutama vuosi sitten suuri kuntaliitos, jossa Salon ympäryskunnat liitettiin siihen.  Samalla voisin veikata kuntakartalta kadonneet ympäryskunnat, joista olisi paljon pendelöity Saloon.

Lopputuloksen sanoisin olevan kohtuullisen onnistunut, sillä siitä saa irti monenlaista informaatiota, vaikka esimerkiksi grtaduated-ympyröiden koko onkin joissain kunnissa mielestäni jopa luvattoman pieni, mutta toisaalta ne antavat silloin todenmukaisemman vertauskuvan.  Legendassa pallojen koko jäi puolestaan mielestäni liian suuriksi, mutta tämän rajoitteen antoi MapInfo itse, enkä keksinyt, miten siihen voisi vaikuttaa. Aluekoko oli melko sopiva ja kartta on siten helposti luettavissa ja johtopäätöksiä voi pienellä lisäaineistolla tai myös ilman sitä tehdä. Tai sitten tässä käy niin ikävästi, että kartanlaatija ymmärtää, mutta lukija ei keksi tästä mitään. Siitä ei olla varma, mutta hieman epäilen, sillä pyrin kuitenkin mahdollisimman yksinkertaiseen karttaesitykseen näiden virhetulkintojen ja lukutaidottomuuden minimoimiseksi. Harjaantunut lukijan sen sijaan toivon löytävän paljon tulkittavaa. Säännönmukaisuuttahan kartasta näkee paljon ja sen lisäksi kuitenkin pari (toivottavasti) kiinnostavaa poikkeusta.

Lähteet:

Cardwell, A. (2012). Kurssikerta 2. TVT3-blogi. 3.2.2012. <https://blogs.helsinki.fi/amandaca>.

Marston, S. et al.(2008) World Regions in Global Context. 96 -100, 297. Prentice Hall.

Murto, S. (2012) Kurssikerta 2. TVT3-blogi 3.2.3012. < https://blogs.helsinki.fi/sxmurto>.

Paarlahti, A. Metadata. TVT3-materiaalit. (2012). Helsingin yliopisto. 25.1.2012.

Rissanen, T. (2012). Kurssikerta 2. TVT3-blogi. 2.2.2012. <https://blogs.helsinki.fi/tuulriss>.

Ropponen, A. (2012). Kurssikerta 2. TVT3-blogi. 3.2.2012. <https://blogs.helsinki.fi/ainoropp>.

Räty, S.(2012) kurssikerta 2. TVT3-blogi. 3.2.2012. < https://blogs.helsinki.fi/saturaty>

Säyrinen, T. (2012). Kurssikerta 2. TVT3-blogi. 2.2.2012. <https://blogs.helsinki.fi/sayrinen>.

Turunen,N. (2012). Kurssikerta 2. TVT3-blogi. 2.2.2012. <https://blogs.helsinki.fi/nooratur>.

Turun kaupunkiseudun rakennemallityöhön saatiin linjaratkaisu.(2012). Turun seutu. 12.1.2012. <http://www.turku.fi/Public/default.aspx?contentid=271000&nodeid=18171>

Varsinais-Suomen maakuntaennuste vuodelle 2011. (2011). Eurofacts. 3.2.2012. <http://www.kaarina.fi/yrittaminen/fi_FI/yrittaminen/>

Kurssikerran 2 lisätehtävänä oli lukea artikkeli koskien kahden muuttujan koropleettikarttaa ja kirjoittaa siitä mielenkiintoinen teksti, nimittäin reaktio, eli vastaustekstin, esseen, mielipidekirjoituksen, vastineen ja referaatin välimuoto sekä pohtia artikkelin pohjalta kartan hyödyntämis- ja käyttömahdollisuuksia. Katsotaan, mitä tästä sai aikaiseksi.

Perinteisesti koropleettikarttaesitys laaditaan yhden muuttujan pohjalta, mutta Anna Leonowicz Puolan akatemiasta esittelee artikkelissaan ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship”, kuinka kyseistä karttaesitystapaa voitaisiin käyttää myös kahdella muuttujalla. Hänen perustelunsa tämän esitystavan käyttöön liittyvät maantieteelliseen näkökulmaan kausaalisuuden eli vuorovaikutussuhteiden etsimiseen ja havainnollistamiseen. Perinteisellä koropleettikartallahan näiden esittäminen on lähes mahdotonta. Kuitenkin se on melko helppo laatia ja sen tulkitsija pystyy (toivottavasti) kohtuullisen helposti saamaan käsityksen havainnollistettavasta asiasta. (Ehtona on kuitenkin se, että tulkitsijalla on edes jonkinlainen käsitys, mitä karttaa tulkittaessa tulisi ottaa huomioon.)

Kahden muuttujan yleisempi käyttö helpottaisi Leonowiczin mukaan nimenomaan vuorovaikutussuhteiden analysointia, mutta laatimisessa huomioitavia asioita tulee tietenkin myös kaksin verroin. Ensinnäkin hyvin tärkeä ja syvällistä pohdintaa vaativa vaihe on aineiston luokittelutavan valinta. Kuten tiedämme, koropleettikartta esittää aina kvantitatiivisia arvoja. Aineistosta riippuen sopiva määrä luokkia on 3-7, mutta koska kartalla esitetään kaksi muuttujaa, luokkien määrä myös kaksinkertaistuu. Jos aineiston luokitteluissa käytetään viittä eri luokkaa, nähdään lopullisella kartalla 5×5 =25 eri luokkaa, jolloin luokkien määrä olisi monikertainen ymmärrettävyyden ”sallituista rajoista”. Sopivaksi luokkamääräksi artikkelissa ehdotetaankin 2×2=6 tai maksimissaan 3×3=9.  Silti esimerkiksi 9-luokkainen teemakartta vi olla jo melko haastava tulkita, jotta tieto menisi ensivilkaisulla perille ja innostaisiko se tulkitsemaan kartta syvemmin.

Kun viime syyslukukaudella luokittelimme aiemmilla TVT -kursseilla aineistoa, meille koko ajan sanottiin, että muistithan pohtia, ymmärtääkö joku sinun tuotostasi. Leonowicz itsekin panee merkille Varsovan Ja Vilnan yliopistojen maantieteen opiskelijoille tehdyn testin perusteella, että kahden muuttujan koropleettikarttaa on hankalampi tulkita. Ja voihan se niin olla, jos katsekontaktin on suhattava kartan ja legendan väliä jatkuvasti. No, osasyy tähän voi olla myös tapa laatia kyseenomainen karttaesitys. Leonowiczin esityksessä vain korrelaatiolla on väliä, sillä hänen esittämänsä kahden muuttujan koropleettikarttojen legenda muodostuu korrelaatiodiagrammista, joka jaetaan kenttiin, jotka puolestaan muodostavat luokittelun luokat. Hän pitää valitettavana, että tällaisia karttoja ei osata tulkita tarpeeksi hyvin ja se olisi myös syynä siihen, ettei niillä ole kovin suurta suosiota. Meidän pitää kuitenkin ymmärtää, että kartografiassakin pyrittäisiin mahdollisimman selkeisiin esityksiin, jotka ovat loogisesti pääteltynä pääasiassa yksinkertaisia.

Artikkelissa esitetyissä kartoissa vaaditaan lukijalta taitoa lukea korrelaatiota (ei sinänsä erityisen paljon erityistaitoa vaativa suoritus), mutta sen laadinta on toinen asia. Kyseistä karttatyyppi kun ei oikein toimi, ellei muuttujilla ole suoraa korrelaatiota. Näiden muuttujien olisi siis kuljettava käsi kädessä. Suuremmassa levikissä kun ei taideta suosia karttoja, joiden pohjalta havaitaan, että mitään suhdetta näiden muuttujien kesken ei ole. Tämä asia voisi myös osittain selittää, miksi sen käyttö ei ole niin suosittua. Todennäköistä on myös, että koska vuorovaikutussuhteet eivät usein rajoitu pelkästään kahteen muuttujaan, voi ulkopuolinen muuttuja vaikuttaa koropleettikarttaan valittujen muuttujien arvoihin – tai vain toiseen niistä. Toinen koropleettikartan muuttujista ei välttämättä korreloi ulkoisen vaikuttajan vuoksi välttämättä tietyssä pisteessä. Ulkopuolisen muuttujan ja kartan arvojen vertailu voi olla hieman haastavampaa ja siksi varovaisesti voisinkin sanoa, että siinä mielessä kahden muuttujan koropleettikartta katsoo kuitenkin kapeakatseisesti, koska ulkopuolisten muuttujien tarkasteleminen hankaloituu.  Sitä, onko sitten helpompi analysoida useampia muuttujia lukuisilta yhden teeman teemakartoilta, on vaikea sanoa ja tähänkin väliin voisi tyrkyttää maantieteilijän perusohjeen: muista valita karttatyyppi käyttötarkoituksen mukaan.  Niin, mielipiteitä on maantieteessäkin monia, eikä ainoaa oikeata vaihtoehtoa välttämättä ole, vaikka joskus se jopa helpottaisi kartanlaadintaa.

Artikkelissa esitetty tapa ei ole ainoa, jolla koropleettikarttaa voisi myös laatia. Mapinfo -ohjelmalla kun tuollaista komentoa ei vielä eteeni ole tullut vastaan. Sen sijaan tällä ohjelmalla voidaan laatia kahden muuttujan koropleettikartta, jossa toinen aineisto esitetään väreillä ja toinen rastereilla. Tämä toimii yhtä hyvin, mutta toisaalta tiheä rasteri saattaa optisesti muuttaa väreillä merkityn muuttujan värisävyä ja hankaloittaa näin lukemista ja tulkintaa, kun silmällä nähtävää värisävyä ei näy legendassa. Tämäkin karttaesitys vaatii siis lisää tarkkuutta. Korrelaatiodiagrammin perusteella laadittu karttaesitys on värien puolesta yksinkertaisempi. Tosin Leonowicz rajoittaa eri värisävyjen käyttöä melko suorasanaisesti. Hän on kuitenkin valinnut esimerkiksi muun muassa US Census Bureaun käyttämiä väripaletteja, jotka ovat melko mielenkiintoisesti valittuja. Suuri pyrkimyshän olisi koropleettikartoissa hyödyntää vain yhden värin eri tummuusastetta. Koska kahdella muuttujalla pitäisi olla eri värisävy, muodostuu keskimääräisiä arvoja saavat havainnot näiden värien sekoituksen.  Eli esimerkiksi violetin, mikäli toinen muuttuja kuvataan punaisella ja toinen sinisellä. Värisävyjen loogista valintaa on myös pitkin viime syksyä taottu päähän, mutta kuten Kasperi Lopperi omassa blogissaan toteaakin, niiden pitää olla selkeitä ja loogisia valintoja, ettei edes kartografiasta väitellyn tohtorin tarvitsisi arvailla näitä värikoodeja.

Kahden muuttujan koropleettikartan lisäksi MapInfossa pystytään laatimaan paljon yleisimmin käytettyjä kahden teeman teemakarttoja, joissa toinen muuttuja korvataan koropleettikartan sijaan esimerkiksi graduated -kartalla tai pylväs- tai ympyräkartogrammeilla. Näiden toimintatarkoitus voi olla myös tarkentaa koropleettikarttaesitystä, sillä esimerkiksi suuret havaintopisteet, kuten suuret kunnat voivat näyttää saavan suurempia arvoja, kuin pienet kunnat, mutta pienissä kunnissa havaintojen frekvenssi voikin olla suurempi. Koropleettikartta luo todella helposti vääristyneen kuvan ilmiön esiintyvyydestä, koska suuret alueet kiinnittävän suuremman huomion ja vain yhden muuttujan teemakartalla näitä virhetulkintoja ei pystytä välttämään, elleivät kaikki pysty sisäistämään legendasta, mitä kartta todella esittää.

Kahden muuttujan koropleettikartta on siis kuitenkin vain yksi karttaesityksen muoto.  Koska muuttujia on kaksi, voidaan siis todeta, että haasteet niin kartanlaatijan kuin tulkitsijan puolelta ovat kaksin verroin hankalampia perinteiseen yhden muuttujan koropleettikarttaan verrattuna.  Viljami Ruohonen toteaa omassa blogissaan melko suorasanaisesti, että jos US Census Bureau ei myöskään osaa laatia kunnollisia kahden teeman teemakarttoja, niin kuka sitten voi? Pääsin samantyyppiseen päätelmään hänen kanssaan siitä, että Leonowicz itsekin alkaa jo epäillä kartan hyödyntämismahdollisuuksia monilla kiertoilmauksilla. Lopuksi voisin vetää yhteen, että kahden muuttujan teemakartta on vain yksi vaihtoehto tuoda esille kausaalisuutta. Se ei ole helpoin mahdollinen esitystapa ja niitäkin on erityyppisiä, mutta miksei sitä voisi hyödyntää tietyssä yhteydessä. Täytyy kuitenkin siis muistaa, että esitystapa pitää valita tilanteen mukaan.

Lähteet:

Lopperi,K.(2012). Artikkeli 1. TVT3-blogi 1.2.2012. <https://blogs.helsinki.fi/klopperi>

Leonowicz, A. (2006). Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija 42. 33-37.

Ruohonen, V. (2012). Artikkeli 1. TVT3-blogi 1.2.2012 <https://blogs.helsinki.fi/viljamir>