Geoinformatiikkaa med Pihla

Blogini on valmis arvosteltavaksi. Kiitos!

Seikkailtuamme kapteeni Paarlahden opastuksella paikkatietojärjestelmien aalloilla tuli aika koettaa omia purjeitamme ja käydä kartanteon kimppuun aivan itse, aineiston hankinnasta lähtien. Tämä vatsanpohjaa kipristelevä tapaus kävi omalla kohdallani lopulta varsin sutjakkaasti ja huomasin jopa nauttivani viimeisen kerran navigoinnista. Kuten Jenni Lehtimäki (2011) toteaa blogissaan, ” [t]ehtävä osoitti miten voi luoda omien mielenkiinnon kohteiden pohjalta oikean kartan”, seikka joka teki kurssikerrasta yhden mielenkiintoisimmista. Olo oli hetkittäin kuin oikealla maantieteilijällä, joka intohimoisesti tutkii Telluksen synteesejä.

Koska maantieteellinen mielenkiintoni on suuntautunut hieman etäämälle kurssin aikana tutuksi tulleesta pääkaupunkiseudusta, päätin valita alueekseni Afrikan tai Aasian. Aineistoa etsiessäni valikoitui Saharan eteläpuolinen Afrikka, sillä muistin jo ystäväksi tulleen YK:n vuosituhattavoiteiden sivuston ja kattavat tilastot tavoitteiden indikaattoreista. Niinpä valitsin kolme muuttujaa, slummissa asuvien osuus kaupunkiväestöstä, kaupunkiväestön sanitaatiomahdollisuus sekä puhtaan juomaveden saatavuus kaupungeissa. Tekemäni kartan rinnalla olisi mielenkiintoista olla myös vastaava kartta maaseutuväestöstä, mutta se jääköön tulevaisuuteeen tutkijan uralleni.

Muu TVT3-miehistö saattaa käskyttää minut lankulle tämän tunnustaessani, mutta onnekseni MapInfossa oli jo aiemmin käyttämämme tietokanta ja kartta Afrikasta, joten matkallani ei juuri ollut karikoita. YK:n sivuilta sain haluamani tiedot Excel-muodossa ja niitä siistittyäni ja hieman muokattuani kirjoitusasuja MapInfon tietokantaa vastaavaksi pystyin yhdistämään löytämäni tiedot MapInfon tietokantaan. Näin ominaisuustiedot oli heti myös sidottu sijaintiin kartalla, joten saatoin aloittaa itse kartan teon. Kumma kyllä, tuo tietokantojen yhdistäminen ja päivittäminen on monista voivotuksista huolimatta jotenkin luikerrellut mieleni sopukoihin, sillä SQL Select ja kumppanit olivatkin yhtäkkiä jopa ystävällisiä apureita.

Kartassani on siis aluejakona Saharan eteläpuolisen Afrikan valtiot. Slummiasutus kaupunkiväestöstä prosentteina on esitetty koropleettikarttana slummissa asuvien määrän kasvaessa voimistuvin punaisen sävyin. Sanitaaion ja juomakelpoisenveden päätin esittää pylväsdiagrammeilla, sillä ne ovat tässä tapauksessa rastereita huomattavasti selvemmät ja havainnollisemmat, tuskinpa edes Anna Leonowicz olisi nyt käyttänyt päällekkäisiä koropleettikarttoja. Slummiaineiston luokittelu oli aiheuttaa ongelmia, mutta ensimmäiseltä kerralta tutun histogrammityökalun ja ensimmäistä kertaa käyttämäni keskihajonnan avulla sain lopulta jollakin lailla järkevön tuntuisen luokittelun aikaan. Aineisto oli kutakuinkin normaalijakauman mukainen, siksi uskaltauduin muuten minua hirvityttävään tilastomatematiikkaan turvautumaan.

Mitä tulee itse kartan tulkintaan, voi kartalta huomata korkean slummiutumisasteen, siis slummissa asuvien osuuden kaupunkiväestöstä, ja erityisesti sanitaation saatavuuden välillä yhteyden. Mitä suurempi osa kaupunkiväestöstä asuu slummeissa, joissa ifnrastruktuuriahan ei oikeastaan ole, sitä suuremmalla osalla väestöä ei ole sanitaatiomahdollisuutta. Poikkeuksena on Angola, joka kuuluu korkeimpaan slummissa asuvien luokkaan, mutta silti sanitaation piiriin kuuluvien osuus on Saharan eteläpuolisen Afrikan mittakaavassa yksi korkeimmista. Angola onkin ilmeisesti saavuttanut YK:n vuosituhattavoitteissa kaupunkiväestön juomavesi- ja sanitaatiovaatimukset. Kuitenkin asiaa tutkiessani tuli ilmi, että maaseutuväestön kohdalla tavoite on hyvin kaukana siitä huolimatta, että kaupungeissa vesijakelu ja sanitaatio on saatu toimimaan. Koko aluetta tarkastellessa kartasta voidaan myös nähdä, että vaikka veden saatavuus on lisääntynyt, on sanitaation puute edelleen suuri ongelma, jonka ratkaiseminen on hyvin tärkeää muun muassa tarttuvien tautien taltuttamisen vuoksi. Olisikin mielenkiintoista tehdä tämän kartan rinnalle kartta esimerkiksi koleratapauksista, mutten löytänyt tilastotietoa juuri veden kautta ja sanitaation puutteen vuoksi leviävistä taudeista tälle kurssikerralle.

Näin mielenkiintoinen ja positiivinen MapInfo-kokemus jätti varsin mukavan olon kurssista, jolla kyllä hämärästi muistan tuskailleeni tietotekniikan hirviöiden kanssa. Ilmeisesti siis oppi on mennyt perille ja voin jatkaa maantieteilijän polullani taas hieman pätevämpänä, ehkäpä jossakin vielä julkaistaan geoinformatiikan keinoin tekemäni kartta Jos näin käy, laitan karttaan kyllä norsunkokoisin kirjaimin omistuksen herra Paarlahdelle.

Lähteet:

Lehtimäki, J. (2011). Jennin TVT3-blogi. Kurssikerta 7: Intian maakuntien asukkaista. Helsingin yliopisto, 17.3.2011.<https://blogs.helsinki.fi/jmslehti/>

Millennium Development Goals Indicators (2010). United Nations. 1.3.2011. <http://mdgs.un.org/unsd/mdg/Data.aspx>

Sanitation and Water for All: A Global Framework for Action (2008). United Nations. 20.3.2011. <http://www.unwater.org/downloads/washAngola-EN.pdf>

Geoinformatiikka jos mikä on päivän sana ja siksipä myös jo laajalti opintielläni esitelty. Artikkeli The Basics of Geographic Information Systems ei siis ainakaan erityisemmin yllättänyt tai tuonut ylemmän tason valaistusta (Lloyd P. Queen, Blinn C. R., 2004).  Geoinformatiikka on edelleen tämän opiskelijan tieteellisessä maailmankatsomuksessa sijainnin ja ominaisuustiedon yhdistävää tietoteknistä toimintaa. Tosin kuten Anna Puustinen (2011) toteaa blogissaan, artikkelin lukeminen teki käsityksestäni geoinformatiikasta jäsennellympää ja selvempää.

Artikkeli käsittelee geoinformatiikan työvälinettä eli paikkatietojärjestelmää (Geographic Information System, GIS). Käsittelyssä käytetään kahta näkökulmaa, toiminnallista tai tietokeskeistä sekä järjestelmän konkreettisiin osiin keskittyvää. Edellistä en ole aiemmin kuullut nimellisesti esiteltävän, mutta senkin sisältö on tullut selväksi, nyt TVT-kursseilla aivan näppituntumaan asti. “A GIS is a computerized, integrated system used to compile, store, manipulate, and output mapped spatial data” tiivistää artikkeli GIS:n toiminnallisen määritelmän ja juuri tuotahan, vähemmän tosin tiedon keräämistä, me olemme tämän kurssin aikana pää pyörällä tehneet. GIS:n osia erotteleva määritelmä tuo elävästi mieleen kuvan lukion maantieteen kirjasta, jossa on piirros tietokoneesta, CD-levystä, kartoista ja taulukoista, skannereista, kameroista, pystytukkaisesta hyypästä ja ties mistä tilpehöörästä. Toisin sanoen GIS ei ole GIS ellei käytössä ja toiminnassa mukana ole kaikki nämä, siis tiedon lisäksi ohjelma, laitteisto ja käyttäjä. Jotta paikkatietojärjestelmä olisi toimivan lisäksi luotettava, on aineiston oltava paikkansa pitävää ja käyttäjien asiansa osaavia (Puustinen 2011).

Näillä kaikilla osasilla GIS tuo valtaisan helpotuksen ja uusia mahdollisuuksia kartografisten esitysten tuottamiseen, työstämiseen ja tulkintaan. Ilman geoinformatiikkaa, käytännössä paikkatietojärjestelmiä, kartathan tehdään käsin jokaista viivaa myöten. Tietotekniikka on tehnyt karttojen teosta ainakin näennäisesti helpompaa ja nopeampaa. Lisäksi huikea edistys ja etu on karttojen muokattavuus esimerkiksi päivityksiä tehtäessä. Kun kartta tehdään käsin, on mahdolliset lisäykset ja muutokset tehtävä päälle, usein tehdään kokonaan uusi kartta. Geoinformatiikan avulla karttaa voidaan helposti päivittää ja muokata.

Kartanteko geoinformatiikan taikojen avulla on siksi “näennäisen helppoa”, että tietotekniikka tuo omat, uudet haasteensa. Yksi näistä on karttaesityksen objektien muoto. Valittavana ovat rasteri- ja vektorimuotoinen aineisto ja näillä on omia rajoittavia ja sallivia ominaisuuksiaan, jotka on kartantekijän muistettava ottaa huomioon. Rasterimuotoinen aineisto muodostuu ruuduista, joilla on rivin ja sarakkeen määräämä sijaintitieto, sekä ruutuun sidottu ominaisuustieto. Rastereina esimerkiksi tie on näiden ruutujen ketju ja pelto vierekkäisten ruutujen  muodostama alue. Merkittävää rasterimuotoisessa aineistossa on tarkkuus, eli ruudun koko. Tämä määrittää niin esityksen tarkkuutta, siis todellisuuden vastaavuutta, kuin yhdistettävyyttä muihin aineistoihin. Yhdistettävissä aineistoissa kun tulisi olla sama tarkkuus eli ruudun koko. Vektorimuotoisena aineisto voidaan esittää pisteinä, viivoina tai suljettujen viivojen sisään jäävinä alueina. Nämä ovat sidotut sijanintiinsa kartalla koordinaateilla.Vektorimuotoinen aineisto on helpommin yhdisteltävissä, mutta sen käsittely vaati usein suurempaa kapasiteettia laitteistolta kuin rasteriaineiston, riippuen toki rasteriaineiston tarkkuudesta.

Paitsi karttojen teosta, geoinformatiikka on helpottanut ja avartanut myös karttojen tulkintaa. Tässä jo valopöydillä käytetty tekniikka on overlay-analyysi, jossa karttatasoja latetaan päällekkäin. Näin voidaan verrata eri ilmiöiden suhteita toisiinsa, esimerkiksi väestön ja liikenneverkoston sijaintia tai valuma-alueen valunnan ja metsähakkuiden riippuvuussuhdetta. Valopöytäaikana päällekkäin asetettavien karttojen määrä oli rajattu paperin valonläpäisevyyteen, mutta paikkatietojärjestelmässä karttatasoja voi laittaa päällekäin niin monta kuin vain visuaalisen selkeyden vuoksi on sopivaa.

Kuten artikkelikin toteaa, on geoinformatiikka saattanut kartantekijät Wonkan makeispuotiin, jossa uusien työkalujen ja muiden mahdollisuuksien määrälle ei tunnu olevan rajoja. Muistettava on kuitenkin edelleen kartantekijän vastuu, joka voi geoinformatiikan käytön lisääntyessä hapertua. Projektiot, mittakaavat ja koordinaatistot siispä pysyvästi visuaalisen selkeyden kanssa korvan taakse, oli käytössä minkälainen laitteisto, ohjelma, aineisto tai kartantekijä tahansa.

Lähteet

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

Puustinen, A. (2011). Artikkeli 2. Annan blogi, Helsingin yliopisto. 13.3.2011. <https://blogs.helsinki.fi/annapuus/>

Kun halutaan esittää kartalla absoluuttisia arvoja, ruututeemakartta voi olla hyvä vaihtoehto. Esitettävä aineisto ei siis ole sidottu hallinnollisiin tai muilla perustein rajattuihin alueisiin vaan samankokoisiin, esimerkiksi neliökilometrin suuruisiin ruutuihin. Tämä voi mahdollistaa alueen ominaisuuksien tarkemman erottelun, eritoten jos aineistoa voidaan saada mahdollisimman pienten ruutujen alueelta, esimerkiksi kurssikerralla tekemäni teemakartassa on 200 neliömetrin kokoiset ruudut. Lisäksi ruututeemakartassa ei ole pelkoa pinta-alojen aiheuttamista vääristymistä aineiston tulkinnassa, kuten koropleettikartoilla, joilla tämän vuoksi ei absoluuttisia arvoja voi esittää, tuo aivoihimme jo tatuoitu mantra. Tosin kuten Metsälampi (2011) huomauttaa, “myös liian pieni ruutukoko ruokkii väärän kuvan syntymistä esitettävästä asiasta”. Aivan valmiina sabluunana ruututeemkarttojakaan ei saa käyttää.

Käytimme tietokantana jälleen pääkaupunkiseudun väestötietokantaa, jossa tietoa on kerätty talokohtaisesti. Valitsin aiheekseni keskiarvoiän eli jokainen ruutu kertoo väestön iän keskiarvon 200 neliömetrin sisällä. Tämä tarkkuus antaa varsin yksityiskohtaisen kuvan pääkaupunkiseudun ikäjakaumasta. Jos ikäjakauma ilmoitettaisiin esimerkiksi kuntiin tai pienalueisiin jaetulla koropleettikartalla, olisi kartan informaatiivisuus paljon pienempi, sillä erityisesti niin suurten yksikköjen kuin kuntien keskiarvoikä ei juuri tuo esiin merkittäviä alueen ominaisuuksia. Toki myös ruututeemakartalla voi valita liian suuren yleistyksen asteen, esimerkiksi keskiarvoikä neliökilometrin ruudukolla ei tietenkään anna yhtä tarkkaa kuvaa aiheesta, joskin tarkemman kuin pienaluetaso. Ja voisihan tiettyä tutkimusta varten keskiarvo neliökilometrin sisällä olla huomattavasti relevantimpi kuin 200 neliömetrin, mutta jälkimmäisellä ruudukolla kartasta tulee kauniimpi ja ilahduttavan yksityiskohtaisen analyysin mahdollistava.

Keskiarvoiän perusteella 19-36- ja 37-54-vuotiaat ovat pääkaupunkiseudulla suurimmat ikäluokat keskusten lähettyvillä, siis työikäiset työmarkkinoiden ja opiskelijat opiskelupaikkojen läheisyydessä, esimerkiksi Otaniemi erottuu luokan 19-36-vuotiaat ruutujen alueena. Esimerkiksi aivan Helsingin kantakaupungissa ei ole yhtäkään ruutua, jonka keskiarvo ikä olisi 73-90 vuotta, kun  muualla Helsingissä kyseisen arvon saaneita ruutuja on tasaisesti, joskin tietysti harvassa, sillä tuo ikä on jo varsin kunnioitettava.

Karttaan olisin halunnut lisätä nimistöä, etenkin eri keskusten, mutta itse en ainakaan saanut sitä tehtyä ilman, että kartasta olisi tullut äärimmäisen sekava. Lisäksi kartalla voisi esittää suurimmat liikenne väylät, sillä esimerkiksi työikäiset näyttäisivät keskittyvän rautatien varrelle.

Lähteet:

Metsälampi, J. (2011). Kurssikerta 4. TVT3- Geoinformatiikan sydän, Helsingin yliopisto. 20.3.2011. <https://blogs.helsinki.fi/jometsal/>

Tällä kurssikerralla itsenäistehtävän aiheena oli pääkaupunkiseudun väestön sijaan maanjäristykset, joista tehtiin kolme karttaa näkökulmana opetusmateriaali. Lassi Sarlosta lainaten “linkkasimme itsemme mielenkiintoiselle tilastosivulle, jossa aineistona oli kaikki maailmassa tapahtuneet maanjäristykset aina vuodesta 1898 nykypäivään” ja rajasimme aineiston haluamillamme kriteereillä, esimerkiksi ajanjakso, järistyksen voimakkuus ja hyposentrumin syvyys. Yhdistin kolme karttaa yhdeksi, sillä näin valitsemiani muuttujia on helpompi vertailla, mikä on tavoitteeni kannalta olennaista.

Kartassani on esitetty kaikki yli 6 Richterin maanjäristykset 2000-luvulla. Järistykset on jaoteltu luokkiin hyposentrumin sijainnin mukaan: yli 100, 100-50 ja alle 50 kilometrin syvyydessä. Yhdessä pisteet muodostavat varsin selvät litosfäärilaattojen rajat (verrattaessa esimerkiksi tähän kuvaan:http://vulcan.wr.usgs.gov/Imgs/Gif/PlateTectonics/Maps/map_plate_tectonics_world.gif ), millä voi kertoa maanjäristysten tapahtuvan useimmiten laattojen kohtaamisvyöhykkeillä ja tarkasteltaessa hyposentrumin sijantia voidaan päätellä ja havainnollistaa lisää tietoa maanjäristyksistä.

Laattojen loittonemisvyöhykkeillä, esimerkiksi valtamerten keskiselänteillä, maanjäristykset saavat alkunsa varsin lähellä pintaa. Tämä näkyy selvästi kartassani, sillä kyseisillä alueilla ei oikeastaan muita kuin alle 50 kilometrin syvyydessä tapahtuneita järistyksiä ole. Sen sijaan subdunktio- eli alityöntövyöhykkeillä hyposentrumi voi olla hyvinkin syvällä raskaan mereisen laatan painuessa kevyemmän mantereisen laatan alle astenosfääriin. Tällöin hyposentrumi voi sijaita niin syvällä kuin kiviaines vain on kiinteää ja jännitettä laattojen liikkuessa syntyy. Näin ollen myös kartalla näkyy syvällä tapahtuneiden maanjäristysten keskittyminen subduktiovyöhykkeille, esimerkiksi Tyynenmeren ja Indo-Australian laatan liikkuessa toisiaan kohtaan.

Kartassa näkyy myös aiemmin mainitsematon tilanne, jossa törmäysvyöhykkeellä kohtaavat kaksi mantereista laattaa törmäävät. Näin on  Intian ja Euraasian laatan törmäysvyöhykkeessä, jossa tapahtuvat järistykset ovat  2000-luvulla kaikki olleet alle 50 kilometrin syvyydellä. Tämä johtuu siitä, että yhtä keveät mantereiset laatat eivät painu syvälle astenosfääriin vaan poimuttuvat kasaan toistensa yli, jolloin hyposentrumit ovat varsin lähellä maanpintaa.

Kuten jo tuli ilmi, maanjäristyksistä puhuessa ei voi olla pohtimatta laattatektoniikkaa konvektiovirtauksineen. Samalla kun kartasta tulkitsee maanjäristysten syntyä sekä laattatektoniikkaa, voisi sen rinnalla opettaa myös muita endogeenisiä ilmiöitä, siis vulkanismia. Tekemäni kartan avulla voisi havainnollistaa vulkaanisen toiminnan keskittymistä, kuumia pisteitä lukuunottamatta, maanjäristysten lailla laattojen reuna-alueille (esimerkkejä oheismateriaalista: http://vulcan.wr.usgs.gov/Imgs/Gif/PlateTectonics/Maps/map_plate_tectonics_world.gif,  http://volcanoes.usgs.gov/about/edu/dynamicplanet/images/nutshell.gif). Samaa voisi jatkaa tulivuorityyppien ja kohtaamisvyöhykkeen luonteen suhteesta, esimerkiksi että loittonemisvyöhykkeen tulivuoret ovat lähinnä rauhallisesti purkautuvia kilpitulivuoria, kuten Atlantin keskiselänteellä sijaitsevassa Islannissa.

Lähteet:

Advanced National Seismic System (2010). Northern California Earthquake Data Center. 1.3.2011. <http://quake.geo.berkeley.edu/anss/catalog-search.html>

Sarlos, L. (2011).  Kurssikerta 6: Gepsit, visiot ja visailut. Lassin Maailma, Helsingin yliopisto. 14.3.2011. <https://blogs.helsinki.fi/sarlos/>

U.S. Geological Survey (1997). Active Volcanoes and Plate Tectonics, “Hot Spots” and the “Ring of Fire”. 20.3.2011.<http://vulcan.wr.usgs.gov/Imgs/Gif/PlateTectonics/Maps/map_plate_tectonics_world.gif>

U.S. Geological Survey (2008). Plate tectonics in a nutshell. <http://volcanoes.usgs.gov/about/edu/dynamicplanet/images/nutshell.gif>

Tämä kurssikerta oli sinänsä erilainen aiempiin verrattuna, että päämääränä ei ollut itse tuottaa karttaa vaan kerätä kartalta eri työkalujen avulla tietoa. Myös ongelmien määrä tuntui olevan aivan omaa luokkaansa, niin koukeroisia olivat tietotekniikakammoiselle puskurointien ja kyselyiden tiet. Oivalluksiakin toki tuli, aina kun herra Paarlahti saapui paikalle ja itse tajusi sillä sekunnilla painaneensa vain muutaman sata kertaa samaa ja väärää painiketta tai unohtaneensa valita oikean tietokannan.

On varsin vaikeaa vastata kysymyksiin millaisten työkalujen käyttäminen on helppoa ja missä tarvitsee lisäharjoitusta, kun kaikki MapInfon taiat ovat enemmään tai vähemmän hallitussa kaaoksessa päässä ja joskus oikea vastaus tulee tuosta kaaoksesta esiin, joskus ei. Keskeisimmiksi työkaluiksi arvioisin kyselyt, joilla voi kätevästi etsiä tietoa ja kohteita tiettyjen ominaisuuksien tai muuttujien perusteella, sekä tietokantojen liittämiseen ja muokkaukseen tarkoitetut työkalut. Metsässä saatetaan olla, mutta näin minun mielestäni.

Kurssikerralla keskeistä roolia näytellyt puskurityökalu oli ilahduttava tuttavuus, sillä puskuroiminen soveltuu kovin moneen tarkoitukseen. Kuten Veera Helle toteaa, “[t]ämä upea uusi taito mahdollistaa meidän nyt analysoida karttoja entistä paremmin ja järjestää vaikkapa koulujako uusiksi”. Kätevä työkalu se on erityisesti eri kohteiden vaikutusalueen, esimerkiksi tutkimamme lentokentän melualueen kartoituksessa tai vaikkapa ihanteellisten asuinaluiden liikenneyhteyksien suunnittelussa. Näitä aiheita käsittelimme tunnin itsenäisissä tehtävissä. Puskurointia voisi käyttää myös vaikkapa tutkittaessa hyökyaallon leviämistä. Puskuroinnilla voisi kartoitta tietyn alueen aallon lähtöpisteestä, esimerkiksi maanjäristyksen episentrumista, ja tutkia aiheutuneiden tuhojen voimakkuutta ja sijaintia.

Koska käytössä olevat tietokoneohjelmat perustuvat kaikki ties mille kaavoille ja numeroille, on paikkatieto-ohjelmienkin käytössä rajoituksensa, toveri MapInfo mukaanlukien. Tosin tämän maantieteilijän kohdalla paikkatieto-ohjelman käyttäjän itsensä rajoitukset ovat niin valtaisan laajat, etten ohjelman analyysille asettamia reunaehtoja kovin tarkasti löydä. Käytettävät paikkatietoaineistot vaikuttavat tehtävään analyysiin tietysti laajuudellaan ja tarkkuudellaan. Esimerkiksi kurssikerralla käytössä oli pääkaupunkiseudun väestötietokanta, jossa aineistoa on talokohtaisesti, eli tutkimusta voidaan tehdä hyvinkin tarkasti. Kun tarkka aineisto yhdistetään MapInfon työkaluihin, kuten puskurointi, voidaan tehdä laajojakin päätelmiä ohjelman saati käyttäjän rajoituksista huolimatta.

Itsenäistehtävien vastaukset

Lähteet:

Helle, V. (2011). Kurssikerta 5. Veera Helle – TVT3, Helsingin yliopisto. 14.3.2011. <https://blogs.helsinki.fi/veerahel/>

Paikkatietopalvelut lisääntyvät luonnollisesti paikkatiedon käytön lisääntyessä, mistä esimerkkinä on New York Timesin kaikille vapaa väestötietopalvelu. Väestötieto koko Yhdysvaltain alueelta on liitetty interaktiiviseen karttaan, jossa erilaisia tilastotietoja voidaan esittää korttelin tarkkuudella. Näin mollivoittoisen tuppisuusuomalaisen näkökulmasta moinen avoimuus vaikuttaa lähinnä turvallisuusriskiltä ja juorueukkojen parhaalta ystävältä, mutta palvelulla voi olla myös monia etuja ja mahdollisuuksia.

Palvelua tuli arvioida SWOT-analyysin avulla eli pohtia palvelun vahvuuksia, heikkouksia, mahdollisuuksia ja uhkia. Vaikka niinkin yksityiskohtaisten tietojen kuten tulojen, samaa sukupuolta olevien parien ja etnisten ryhmien korttelin tarkan jakautumisen vapaa levitys voi aiheuttaa suuriakin uhkia, on palvelun avoimuus kaikille on myös ehdoton vahvuus. Ilmainen ja kaikkien käytössä oleva palvelu helpottaa tutkimusta ja kannustaa ketä tahansa lisäämään tietouttaan kaupunkien rakenteesta. Palvelu on myös varsin helppokäyttöinen ja nopea, kuten Parantainen (2011) toteaa.

Vaikka aineisto-otannat vaikuttavat kohtalaisen tarkoilta, esimerkiksi kansalaisuus näkyy kartalla tarkimmillaan 25 ihmisen pisteiden tarkkuudella, ovat ne kuitenkin vain näytteisiin perustuvia arvioita. Tämä lisää virhemarginaalia eritysesti harvaan asutuilla alueilla, mikä palvelun käyttäjän tulisi muistaa ottaa huomioon. Tämä taas ei ole itsestäänselvyys, kun palvelu on kaikille avoin. Myöskään mahdollisuutta minkäänlaiseen yhdistämiseen tai muokkaukseen ole. Parantainen (2011) huomauttaa kuitenkin palvelun olevan helposti jalostettavissa eteenpäin, mikä kuuluu palvelun mahdollisuuksiin.

Palvelu on varsin kätevä työkalu esimerkiksi asuinalueen valintaan, taikka palveluiden tai jonkin tapahtuman sijoittumisen suunnitteluun, mutta samalla tämä mahdollisuus on myös uhka. Eritysesti tiedot etnisten ryhmien sijoittumisesta voivat hyvinkin voimistaa segregaatiota entisestään, jos ihmiset käyttävät palvelua etsiäkseen asuntoa mahdollisimman homogeenisilta oman kansalaisuutensa alueilta

Lähteet:

Bloch, M., S. Carter & A. McLean (2009). Mapping America: every city, every block. New York Times. 24.2.2011. <http://projects.nytimes.com/census/2010/explorer>

Parantainen, A. (2011). Blogitehtävä, viikko 4: Paikkatietoa Yhdysvalloista. Arskan blogi, Helsingin yliopisto. 17.3.2011. <https://blogs.helsinki.fi/aparanta/>

Kartografian teorian lisäksi on karttoja tehdessä osattava myös muutama tietotekninen taito, siispä harjoittelimme tietokantojen yhdistelyä ja muokkausta MapInfossa.

Ensimmäinen aineisto oli tietokanta Afrikasta, johon yhdistettiin siivouksen jälkeen toinen tietokanta internetistä. Tämän jälkeen visualisoimme muutamalla kyselyllä timanttikaivosten, öljykenttien sekä konfliktien sijaintia Afrikassa. Harjoitus havainnollisti tietokantaliitosten kätevyyttä esimerkiksi erilaisten riippuvuussuhteiden tutkimisessa, kun pystytään yhdistämään eri lähteiden tietoja. Varsin nopeasti nimittäin huomattiin, että edellä mainittuja seikkoja esiintyy usein samoilla alueilla. Ninna Malisen (2011) sanoin “[k]arttaa tutkimalla voi siis todeta, että luonnonvarojen suuret esiintymät aiheuttavat myös suuria konflikteja alueella asuvien valtioiden tai heimojen kesken”. Laskimme MapInfossa myös eri muuttujien lukumääriä ja lisäsimme tulokset luomaamme tietokantaan.

Vastaavasti tietokantojen aineiston perusteella voisi tutkia luonnonvarojen löytämis- tai avaamisvuosien yhteyttä konfliktivuosiin, jolloin saattaisi löytää viitteitä taisteluihin luonnonvarojen käytöstä ja niiden hallinnasta. Tähän voisi myös käyttää tietoa konfliktien vaikutusalueesta. Samalla voisi verrata, ovatko mahdolliset konfliktit vaikuttaneet luonnonvaralähteiden tuottavuuteen verrattuna konfliktittomiin alueisiin. Tosin nämä kaikki neljä muuttuja, konfliktit, niiden vaikutusalue, timanttikaivokset sekä öljykentät yhdistävästä kartasta huomataan, että konfliktittomia alueita on hyvin vähän, saati alueita, joilla olisi luonnonvaroja, muttei konflikteja (Paarlahti 2011).

Tietokantaliitoksia ja tietokantojen muokkausta tarvittiin myös toiseen tehtävään eli Suomen valuma-alueiden tulvaherkkyyttä visualisoivaan karttaan. Jälleen suoritettiin myös laskutoimituksia, kun tulvaindeksi laskettiin keskiylivirtaamaan ja keskialivirtaaman avulla. Valmiiksi silatusta tietokannasta tehtiin teemakartta, jossa tulvaindeksi esitetään valuma-alueisiin jaetulla koropleettikartalla ja lisäksi järvisyys pylväsdiagrammeilla.

Tulvaherkkyyden alueellisiin eroihin vaikuttavat muun muassa topografia, maaperä ja järvisyys (Salminen, I. 2011). Tulvaherkkyyskartasta voi varsin helposti päätellä tiettyjä syy-seuraussuhteita. Tulvaherkimmät valuma-alueet sijaitsevat koko maan rannikkoa reunustavalla muuta maata pienempien valuma-alueiden vyöhykkeellä, joka erottuu heti tummemmilla sinisen sävyillä. Samoilla alueilla myös järvisyys on pieni, mikä tarkoittaa, että vesi valuu kohtalaisen mutkattomasti laskujokiin tai –jokeen, joka on näin ollen herkkä tulville veden valumisen lisääntyessä esimerkiksi keväällä lumien sulaessa. Tätä voimistaa samaisten alueiden laajat usein savikoilla olevat peltoalueet, joilta lumet esteetömästi sulavat ja kevätsateet valuvat ennen kasvien kasvua  Lisäksi tummana erottuvaan vyöhykkeeseen kuuluva Pohjanmaa on jo alavuutensa vuoksi hyvin herkkä tulville. Muualla maassa valuma-alueet ovat laajempia ja järvisyysprosentti korkeampi, jolloin vesi varastoituu useisiin järviin ja laajalle alueelle, eivätkä tulvat näin ollen ole yhtä yleisiä kuin rannikolla.

Lähteet:

Malinen, N. (2011).  Afrikan konfliktit. TVT3 – Geoinformatiikka 2011, Helsingin yliopisto. 20.3.2011. <https://blogs.helsinki.fi/ninnamal/>

Paarlahti, A. (2011). Afrikan tietoja. Tiedotusblogi, Helsingin yliopisto. 1.2.2011.<https://blogs.helsinki.fi/tvt3-2011/2011/01/31/afrikan-tietoja/>

Salminen, I. (2011). Kurssikerta 3: Tulvaindeksikartta. Geoinformatiikan ihmeellinen maailma, Helsingin yliopisto. 20.3.2011. <https://blogs.helsinki.fi/inqsalmi/>

Anna Leonowicz käsittelee artikkelissaan Two-variable choroplethmaps as a useful tool for visualization of geographical relationship päällekkäisten teemakarttojen toimivuutta kartografisissa esityksissä. Leonowicz vertaa kahden muuttujan koropleettikarttaa yleisemmin käytettyyn yhden muuttujan koropleettikarttaan erityisesti levinneisyyden ja riippuvuussuhteen tulkinnan näkökulmasta. Artikkelin sekä siinä esitellyn kokeen lopputuloksena on, että kahden muuttujan koropleettikartta on pätevä esitettäessä ilmiöiden riippuvuussuhteita, kun taas yleisesti kartan ja erityisesti ilmiöiden levinneisyyden ja sijainnin tulkinta voi olla hankalampaa. Yhden muuttujan koropleettikartat sen sijaan todetaan toimiviksi sijainnin esittämiseen, mutta riippuvuussuhteita vertailtaessa kartan tulkinta on hankalampaa. Artikkelissa myös painotetaan, että pällekkäisten teemakarttojen tulkinnan mahdollinen vaikeus voi hyvinkin olla seurausta epäpätevästä visuaalisesta esitystavasta, esimerkiksi värien sekavuudesta taikka luokkien liian suuresta määrästä.

Päällekkäisten koropleettikarttojen legenda on myös aivan oma asiansa ja luo näin lisää haasteita kyseisten karttojen tekoon ja tulkintaan. Legenda muodostuu ruudukosta, jossa ruutuja on yhtä paljon kuin kahden esitettävän muuttujan yhdistelmiä, esimerkiksi kolmeen luokkaan luokitellussa aineistossa yhdistelmiä syntyy yhdeksän. Muuttujien välistä riippuvuussuhdetta esitetään käyttämällä yhtä väriskaalaa, jossa “tietyt värin sävyt asteikolla kuvaavat suurta relaatiota, toinen väri positiivisia ja kolmas väri negatiivisia residuaaleja” (Jylhä 2011). Toinen muuttujista sijoitetaan legendan pysty- ja toinen vaaka-akselille, jolloin ruudukosta voi nähdä, mikä väriyhditelmä merkitsee mitäkin ilmiön intensiteettiä, kuin xy-koordinaatistoa lukien. Jos luokkia on useita tai jos värit on valittu epäloogisesti, voi legenda yksinäänkin johtaa lukijaa harhaan.

Koska päällekkäisissä koropleettikartoissa vaikuttaisi olevan vielä useampia sudenkuoppia kuin muissa teemakartoissa, on niiden käytössä oltava tarkka niin omien valintojensa kuin käytettävän ohjelmankin kanssa. Esimerkiksi käyttämämme MapInfo-ohjelma antaa kohtalaisen laajan kirjon teemakarttavaihtoehtoja sekä käytettäviä rastereita ja värejä, joten ainakaan vielä en ole todennut valmiiden karttojen näyttävän aivan toivottomasti erilaisilta kuin minkälaisiksi olen ne orastavilla kartografisilla taidoillani suunnitellut. Ohjelma asettaa kuitenkin aina tietyt rajoitukset lopullisen kartan ulkoasulle, esimerkiksi värisävyjen erottuvuudessa. Tämän vuoksi joskus voi ollakin, että ohjelma ohjaa kartan toteutusta, mikä on otettava huomioon karttaa tehtäessä.

Artikkeli ei mielestäni tarjonnut juurikaan uuttaa tietoa, sen verran perusteellisia ovat aiemmat kurssit olleet, joskin kahden muuttujan koropleettikarttojen tekninen toteutus oli uutta. Leonowiczin mukaan päällekkäisten teemakarttojen tomivuus on paljolti riippuvainen kartantekijän valintojen onnistuneiduudesta, kuten voi sanoa kaikkien karttojen olevan. Värien erottuvuus ja kuvaavuus sekä luokkien määrä ja luokitteluperusteet voivat huolimattomasti valittuina tehdä kartasta kuin kartasta sekavan. Leonowiczin tutkimus Varsovan yliopiston oppilailla osoitti myös kartanlukutaitojen merkityksen, sillä koehenkilöt olivat ensimmäisen vuoden maantieteenopiskelijoita ja karttojen tulkinnassa näin ollen oli kokemuksen puutteen mukaista vaikeutta.

Päällekkäiset teemakartat vaikuttavat hyvin tehokkailta kartografisilta esityksiltä. Leonowiczin mainitsema ilmiöiden riippuvuussuhteen vertailu kahdesta erillisestä koropleettikartasta voi johtaa hyvin erilaisiin ja virheellisiinkin tulkintoihin kartan lukijan taidoista sekä aina subjektiivisista päätelmistä johtuen. Kahden muuttujan koropleettikartassa virhetulkinnan määrän uskoisi pienentyvän, kun ilmiöt on valmiiksi visuaalisesti yhdistetty. Joka tapauksessa päällekkäiset koropleettikartat lienevät toimivimpia vain ammattikäytössä, sillä ne vaativat hyvinkin tehtyinä pätevää kartanlukutaitoa.

Lähteet:

Jylhä, M. (2011). Kurssikerta 2., Artikkeli 1. Markus Jylhä – Geoinformatiikkaa, Helsingin yliopisto. 20.3.2011. <https://blogs.helsinki.fi/majylha/>

Leonowicz, A. (2006). Two-variable choropleth maps as a useful tool for visualization of geographicalrelationship. Geografija 42:1, 33–37.

Tällä kertaa syvennyttiin teemakarttoihin entistä tarkemmin. Käsittelyssä oli koko teemakarttojen kirjo diagrammeista 3D-karttoihin, joista saamaamme tietoa sovelsimme heti itsetehdyssä teemakartassa. Tein karttani taajama-asteen ja ulkomaalaisten lukumäärän mahdollisesta suhteesta Uudellamaalla sekä Itä-Uudellamaalla. Teemakarttatyyppinäni on koropleettikarttaan yhdistetty graduated-teemakartta, jossa symbolin koko kuvaa kunnan absoluuttista ulkomaalaisten lukumäärää.  Alla olevassa koropleettikartassa, jossa taajama-aste on ilmoitettu kunnittain, värin intensiteetin kasvu merkitsee taajama-asteen kasvua.

Taajama-asteen aineisto on luokiteltu viiteen luokkaan kvantiilein eli jokaisessa luokassa on sama määrä havaintoja. Histogrammista nähtiin, että aineisto on varsin tasaisesti jakautunut, joten kvantiilit tai tasaväliset luokkarajat ovat toimivia luokitteluperusteita. Tasavälisen ja kvantiilin välillä ratkaisi se, että Helsingin rajakuntien erot taajama-asteessa tulivat kvantiililuokittelussa paremmin esiin. Nyt karttaa katsoessani on Mert Sasioglun (2011) lailla todettava, että luokittelua olisi voinut parantaa, ainakin taajama-asteen kohdalla. Viisi luokkaa tekevät kartasta nimittäin sekavan.

Vaikka hypoteesi ulkomaalaisten lukumäärän ja taajama-asteen välillä oli hyvin pikaisesti kehitetty, osoittautui se kartalla varsin todelliseksi. Korkean taajama-asteen alueella, toisin sanoen pääkaupunkiseudulla, myös ulkomaalaisten lukumäärä on korkein. Vastaavasti sekä taajama-aste että ulkomaalaisten lukumäärä vähenevät liikuttaessa kauemmas Helsingin läheisyydestä . Riippuvuutta vahvistaa myös se, että Keravalla ja Järvenpäässä, joissa taajama-aste on korkea, ulkomaalaisten määrä on selvästi ympäristöä suurempi, vaikka kunnat eivät sijaitse aivan Helsingin välittömässä yhteydessä.

Suuremmat keskukset yleisesti houkuttelevat niin valtaväestöä kuin ulkomaalaisiakin työmarkkinoillaan, joiden laajuuden yhteyttä taajama-asteeseen havainnollistaa Sasioglun (2011) kartta, mutta ulkomaalaiset sijoittuvat pääkaupunkiseudulle myös siksi, että alueelle on muodostunut ja muodostumassa voimakkaita maahanmuuttajien keskittymiä. Ilmiö on erityisesti nähtävissä Helsingin lähiöissä, joissa segregaatio voimistuu ja tietyissä lähiöissä on selvästi enemmän maahanmuuttajia, kun taas joissakin lähiöissä ei maahanmuuttajia juuri ole. Keskittymien syntyyn vaikuttaa poliitikkojen erityisesti suosima selitys maahanmuuttajien hakeutumisesta samoille alueille oman kulttuurinsa piiriin. Todellisuudessa merkittävä tekijä on myös useiden maahanmuuttajien (pääkaupunkiseudun näkökulmasta) heikko sosioekonominen asema, joka ohjaa heidät samoihin taajamiin, muun muassa kaupungin vuokra-asuntojen vuoksi ja yksinkertaisesti myös sen perusteella, miltä alueilta maahanmuuttajille annetaan asuntoja. Esimerkiksi Helsinki jakautuu jo sosioekonomisin perustein karkeasti vauraampan länteen ja köyhempään itään, jonne on myös syntynyt maahanmuuttajien keskittymiä.

Kaikki tilaston ulkomaalaiset eivät suinkaan ole milläänlailla huonossa sosioekonomisessa asemassa, mutta kartassa ilmenevä keskittyminen pääkaupunkiseudun kuntiin sekä yhteys taajama-asteeseen viittaavat selvästi jatkuvaan keskusteluun voimistuvasta segregaatiosta, maahanmuuttajista ja lähiöistä.

Lähteet:

Sasioglu, M. (2011). Kurssikerta 2 – Creating additional thematic maps. Mert Sasioglu & TVT3, Helsingin yliopisto. 20.3.2011. <https://blogs.helsinki.fi/sasioglu/>