Ruutin Geoinformatiikka-blogi

Viimeinen mahdollisuus syventyä MapInfon saloihin. Saimme valita omavalintaisen aiheen teemakarttaan, joka esittää vähintään kahta eri muuttujaa. Niimpä kurssilaiset valitsivat teemoikseen erittäin erityyppisiä aiheita. Joonas Alanko tutki metsäpalojen sekä sateiden yhteyttä Espanjassa, mutta päätyi lopputulokseen, että muuttujat eivät ole riippuvaisuussuhteessa toisiinsa. (1) Tiia Salminen puolestaan tutki blogissaan Afrikan tilannetta. Hän tutki muun muassa BKT:n ja työttömyyden suhdetta sekä GNI:n ja lukutaidottomuuden välistä suhdetta Afrikassa. GNI:n ja lukutaidottomuuden välinen yhteys on selvä, sillä Afrikan valtioissa, joissa GNI on korkea on myös lukutaidottomuus vähäistä. (2)

Päätin valita aiheekseni ebolan, sillä luultavasti aion syventyä myös pro gradu-työssäni ebolan vaikutuksiin Länsi-Afrikassa. Tämän vuoksi mielenkiintoa aiheeseen ja karttojen tekemiseen näiltä osin riittää loputtomiin.

Ebola on viruksen aiheuttama verenvuotokuume, joka johtaa usein kuolemaan. Se tarttuu suorassa kosketuksessa sairastuneen tai kuolleen ruumiineritteisiin, kuten vereen, virtsaan tai sylkeen. (3) Erityisen hälyyttävä tartuntatilanne on ollut viimeisen vuoden aikana Länsi-Afrikassa. Ebola on levinnyt sieltä myös Afrikan ulkopuolelle, mutta erityisen vakava tilanne on Sierra Leonessa, Guineassa sekä Liberiassa.

Alla olevasta kartasta (Kuva 1) voidaan päätellä useita asioita. Aluksi tein teemakartan Sierra Leonen asukkaista maakunnittain. Kartasta voidaan päätellä, että suurilukuisimmat maakunnat sijaitsevat keskisessä Sierra Leonessa ja tietenkin pääkaupungissa Freetownissa,joka tässä kuvassa näkuu huonosti aivan läntisimmässä Sierra Leonessa, jossa on suurin ebolatapausten lukumäärä koko maassa. Ebolaa ei voida suoranaisesti sanoa olevan suhteellisesti enemmän runsasasukkaisimmissa maakunnissa, sillä esimerkiksi Western Ruralin maakunnassa on vähiten asukkaita ja kuitenkin suhteellisen paljon ebolatapauksia.

Kuva 1. Sierra Leone, sen asukkaat sekä ebolatilanne maakunnittain. (Mapslibrary & Nerc)

Toinen muuttuja kartassa on ebolatilanne. Punainen pylväs osoittaa kuolleiden määrää ja oranssi puolestaan tartunnan saaneiden lukumäärää. Kartasta voidaan havaita, että eniten tartunnan saaneita on läntisessä Sierra Leonessa ja vähiten Pohjois- ja Koillis-Sierra-Leonessa. Kuolleiden osuus tartunnan saaneista on suhteellisen suuri katsottaessa jokaisen maakunnan pylväitä. Tämä vahvistaa ebolan rajun ja vakavan tautiluokituksen.

Ebolan taustalla ovat erityisesti huonot hygienia-ja sanitaatiomahdollisuudet, mutta myös kulttuuriset perinteet. Esimerkiksi hautajaisrituaaleissa kosketellaan ruumiita, ja tämä antaa huomattavan ponnistuksen taudin räjähdysmäiselle leviämiselle. Tämän vuoksi valtioiden päättäjiin ollaan vedottu, että rituaaleja muutettaisiin kulttuurisesta perinteestä huolimatta. Tämän tehokkuus riippuu tietenkin joka tapauksessa yksilöiden valinnoista.

Hautajaisrituaalien lisäksi mielenkiintoista olisi tutkia, liittyykö ebolan esiintyminen mitenkään erilaisiin luonnon olosuhteisiin. Tätä olisi myös tässä ollut mielenkiintoista tarkastella, mutta se jää nyt seuraavaan kertaan. Lisäksi ebolan liittyminen valtioiden talouteen olisi yksi tutkimusteema itsessään.Aiheesta riittää lukemattomasti erilaisia tutkimushaarakkeita, joten mielenkiintoa ei tule tulevaisuudessakaan puuttumaan!!

Lähteet:

1. Alanko,J.Geo-Informatiikka-blogi. Pak kerta 7. 13.3.2015

( https://blogs.helsinki.fi/jbalanko/)

2. Salminen,T.Geo-Informatiikka-blogi. Kurssikerta 7: Tilastoja Afrikasta.13.3.2015,(https://blogs.helsinki.fi/tiisalmi/)

3. THL, Ebola, 13.3.2015,

(https://www.thl.fi/fi/web/infektiotaudit/taudit-ja-mikrobit/virustaudit/verenvuotokuume/ebola)

4. Map Library, Sierra Leone, 13.3.2015, (http://www.mapmakerdata.co.uk.s3-website-eu-west-1.amazonaws.com/library/stacks/Africa/Sierra%20Leone/index.htm)

5. National Ebola Response Centre,NERC, Daily District data, 13.3.2015,

(http://www.nerc.sl/)

Kuudes kurssikerta oli erittäin mielenkiintoinen! Lähdimme 4 hengen ryhmässä “kentälle”, etsimään sijaintitietoja valitsemastamme aiheesta. Tämän jälkeen kesktyimme pisteaineiston analysointiin sekä perehdyimme maanjäristyksiin sekä tulivuorten purkauksiin.

Oma ryhmämme valitsi teemaksi suojatiet, joita löytyikin 10 kappaletta Kumpulan alueelta suhteellisen nopeasti. Paikansimme GPS-laitteeseen jokaisen suojatien koordinaatit, korkeuden merenpinnasta sekä tarkkuuden. Merenpinnan korkeus vaihteli havainnoissamme hälyyttävän paljon, eikä tarkkoihn tuloksiin pystynyt luottamaan korkeuden osalta. Käytännönharjoitus oli kuitenkin hyvä muistutus GPS-laitteen käytöstä ja toiminnasta. Loppujen lopuksi se on erittäin yksinkertainen laite, ja sitä voisi hyödyntää erinomaisen hyvin esimerkiksi tulevassa pro gradu-työssäni.

Itsenäistehtävässä meidän tuli kyetä astumaan opettajan saappaisiin ja esittää materiaalia, joita voisi käyttää tuntiopetuksessa. Omat karttani eivät nyt hirveän loogisessa järjestyksessä etene, mutta ehdottomasti niitä voitaisiin käyttää havainnollistamaan mannerlaattojen yhtymäkohtien tuliperäisyyttä sekä maanjäristysten sijainteja. Esimerkiksi yläasteikäisille ja miksei lukiolaisille on hyvä havainnoida maanjäristysten sijaintia ja sitä, miksi niitä esiintyy juuri tietyllä alueella.

Kuvassa 1 voidaan nähdä vuoden 1980 jälkeen esiintyneet tulivuorenpurkaukset sekä maanjäristykset. Pääasiallisista järistyksistä ja purkauksista keskittyy siis Tyynenmeren tulirenkaalle sekä Aasian että Amerikan puolella. Yksittäisiä tulivuorenpurkauksia on esiintynyt myöskin Afrikassa niin mannerlaattojen erkanemiskohdilla kuin paikallisilla tuliperäisillä alueilla sekä esimerkiksi Atlantin keskiselänteellä. Kuvasta voidan nähdä etenkin Islannin lukuisat tulivuorenpurkaukset.

Kuva 1.  Tulivuoren purkaukset sekä yli 8 Richterin maanjäristykset ja niiden sijainnit vuodesta 1980.

Kuvassa 2 puolestaan nähdään esiintyneet tulivuorenpurkaukset vuoden 1964 jälkeen sekä vuoden 1990 jälkeen tapahtuneet yli 7 Richterin maanjäristykset. Verrattaessa edelliseen karttaan, ero on huomattava. Suhteellisen kovia, mutta ei yli 8 Richteriä ylittäviä maanjäristyksiä esiintyy suhteellisen paljon, samoin kuten tulivuorenpurkauksia pidemmällä aikavälillä katsottuna. Kartasta erottuu yhä selkeämmin Tyynenmeren tulirengas sekä mannerlaattojen törmäys-ja erkanemiskohdat. Etenkin järistykset myös Keski-Aasiassa näyttävät lisääntyneen edelliseen karttaan verrattuna.

Kuva 2. Vuoden 1964 jälkeen tapahtuneet tulivuoren purkaukset sekä vuoden 1990 jälkeen tapahtuneet yli 7 Richterin maanjäristykset.

Kolmas kartta (Kuva 3) esittää tulivuorenpurkauksia vuoden 1964 jälkeen sekä vuoden 2000 jälkeen esiintyneitä yli 6.5 Richterin maanjäristyksiä. Kartasta voidaan havaita, että kumpiakin on esiintynyt erittäin runsaasti. Erityisesti yli 6.5 Richterin maanjäristykset ovat suhteellisen yleisiä maapallolla yleisesti. Tällaisia maanjäristyksiä voidaan havaita mannerlaattojen kaikenlaisissa yhtymäkohdissa.

Kuva 3. Vuoden 1964 jälkeen tapahtuneet tulivuoren purkaukset sekä vuoden 2000 jälkeen tapahtuneet yli 6.5 Richterin maanjäristykset.

Edelliset kartat voidaan yhdistää tietoihin esimerkiksi Earthquake Hazards Program sivuston tietoihin viimeisimmistä järistyksistä Näiden sijainteja voidaan verrata edellisiin karttoihin ja päätellä, ovatko suurin osa viimeaikaisista järistyksistä samassa linjassa. Myöskin järistysten voimakkuuden vertailussa on mielenkiintoista havaita, missä painetta purkautuu eniten, eli missä mannerlaatat ovat kasvattaneet runsaasti maanalaista painetta esimerkiksi alityöntö- ja törmäysvyhykkeissä.

.

Kuva 4. Viimeisimmät maanjäristykset. (1. USGS 2015)

Suvi Heittola on blogissaan verrannut sattumalta myöskin samaan aiheeseen eli viimeisimpiin maanjäristyksiin ja tulivuorenpurkauksiin. Hänen kartastaan voidaan todeta tietojen olevan yhteviä löytämieni tietojen kanssa. (2) Jaakko Huttunen puolestaan on kuvannut 5,0-6,9 Richterin järistyksiä vuosivälillä 1990-2014. Tämä kartta on mielenkiintoisen näköinen, sillä mannerlaatat ovat lähestulkoon piirretty toisiinsa kiinni. Näin paljon tuonvahvuisia maanjäristyksiä on kyseisissä kohdissa esiintynyt.

Lähteet:

1.USGS, Earthquakes Hazard Program, 13.3.2015, http://earthquake.usgs.gov/

2. Heittola, Suvi. Geo-Informatiikka-blogi. Kurssikerta 6., 13.3.2015, https://blogs.helsinki.fi/heittola/

3. Huttunen, Jaakko. Geo-Informatiikka-blogi. Kuudes kurssikerta 18.2; Ulkonahaahuilua ja maanjäristyksiä, 13.3.2015, https://blogs.helsinki.fi/jaahuttu/

Tämä kurssikerta oli ehdottomasti tämänastisista vaikein. Puskuroinnin eli bufferoinnin avulla pystymme esimerkiksi laskemaan talojen lukumäärä tietyllä alueella. Tässä tapauksessa laskimme talojen lukumäärän tietyllä etäisyydellä pääteistä.

Puskurointi on siis erittäin hyödyllinen ja tärkeä osa paikkatieto-ohjelmien käyttöä. Siitä on runsaasti apua niin suunnittelu-kuin kaupunkimaantieteessäkin. Esimerkkinä Antti Autio kertoo blogissaan esimerkkejä puskuroinnin käyttöesimerkeistä. Hän viittaa Finavian nettisivuihin, josta voidaan löytää Suomen eri lentokenttien lentoesterajoituspinnat paikkatietoaineistona. Autio kertoo, että nämä rajoituspinnat ovat eräänlaisia puskurivyöhykkeitä, jotka kertovat esimerkiksi sen, kuinka korkeita esteitä alueelle voidaan pystyttää. (1) Tämä on vain yksi esimerkki siitä, miten hyödyllinen paikkatietojärjestelmä voi olla kaupunki- ja ympäristösuunnittelussa.

Harjoituskerran itsenäistehtävissä sai toden teolla tehdä töitä. Osaamiseni ja MapInfo- ohjelman käyttötaitoni takkusi lukemattomia kertoja, mutta ajan kuluessa ja vaihtoehtojen käydessä vähiin aina löytyi jokin keino eteenpäin siirtymiseen. Näiden tehtävien kanssa todella kului aikaa!

Ensimmäisessä itsenäistehtävässä laskimme kuinka paljon ihmisiä asuu Malmin lentokentän pahimmalla melualueella, kun mukaan on laskettuna kaikki asukkaat 2 kilometrin säteellä. Toiseksi laskimme Helsinki- Vantaan lentokentän ympäristöstä erilaisia asioita. Esimerkiksi sen, kuinka monta ihmistä asuu vähintään 55 dB melualueella. Toisessa itsenäistehtävässä puolestaan keskityimme taajamatietoihin, ja esimerkiksi ulkokansalaisten ja kouluikäisten osuuteen alueella. Viimeinen itsenäistehtävä käsitteli uima-altaiden ja saunojen sijainti- ja ominaisuustietoja.

Tässä taulukossa on vastaukset tekemiimme tehtäviin.

Toiset tekivät itsenäisharjoituksen uima-altaiden sijainnista ja määristä, ja Toni Ruikkala on laatinut kartan uima-altaiden lukumääristä, joita hän saa kartalleen 855 kappaletta pääkaupunkiseudun alueella. (2)

MapInfon peruskäyttö onnistuu minulta suhteellisen moitteettomasti, mutta esimerkiksi tässä bufferoinnissa minulla oli ongelmia. Kaipaan siis vähän spesifimpää lisäharjoitusta MapInfon kanssa. Peruskarttojen tekeminen on kuitenkin suhteellisen selvää. MapInfo on siis yleisesti ottaen erittäin monipuolinen ongelmanratkaisija, mutta myös hieman hankala ArcMapiin verrattuna.

1. Autio,Antti. Geo-informatiikka-blogi, 12.3.2015,

https://blogs.helsinki.fi/anttiaut/

2. Ruikkala, Toni. Geo-informatiikka-blogi, 12.3.2015,

https://blogs.helsinki.fi/ruikkala/

Ruututeemakartta on monesta näkökulmasta hyödyllinen. Tällä kurssikerralla loimme 500m x 500m ruuduista teemakartan, jonka teemaksi valitsin muunkielisten lukumäärän. Ruututeemakartta on hieman koropleettiteemakarttaa informatiivisempi, riippuen tietenkin ruutujen koosta. Mitä suurempimittakaavaisia ruutuja, sitä tarkempaa tietoa voi tallentaa. Kyseisessä ruututeemakartassa (Kuva 1) käyttämämme mittakaava on suhteellisen tarkka.

Kuva 1. Muunkieliset pääkaupunkiseudulla.

Mielestäni ruututeemakartta on kuitenkin osittain sekavampi muita teemakarttoja. Mikäli yksittäinen tutkittava alue eli ruutu on pieni, ruutukaava sekoittaa monesti kartan luettavuutta ja monesti kartta saattaa näyttää sekavammalta kuin pitäisi. Ruututeemakartalla on hyvä esittää absoluuttisia arvoja, sillä monesti suhteelliset arvot sekoittavat lisää ruututeemakarttaa. Ruututietoaineistot ovat erittäin kalliita Suomessa, joten se ehkä rajoittaa jonkin verran myös niiden käyttöä.

Tiia Salminen osoittaa omassa kartassaan nuorten aikuisten asumista Helsingissä. Hänen ruututeemakarttansa mukaan 25-29- vuotiaat nuoret aikuiset asuvat etenkin keskusta- alueilla Meilahti-Eira sekä Kallio-akselilla. Näihin syynä ovat etenkin opiskelu- ja työmahdollisuudet keskustan alueella. (1) Veera Toivonen puolestaan esittää ruututeemakartassaan miesten ja naisten osuutta Helsingin väestöstä. Kartoista voidaan havaita, että ruututeemakartta ei ole ehkä kaikista paras mahdollinen kuvaaja sukupuolijakauman esittämiseen. Se ei ole läheskään niin tarkka informatiivisuudeltaan. (2)

Kuva 1 esittää muunkielisten lukumäärää 500m x 500m metrin alueella. Muunkieliset tarkoittavat tässä tapauksessa muun kuin suomen ja ruotsinkielistä väestöä. Kartasta voidaan nähdä, miten muunkielisten lukumäärä on huomattavan suuri erityisesti Itä- ja Pohjois-Vantaalla sekä Espoossa. Myös ydinkeskustassa asuu huomattava määrä muunkielisiä asukkaita. Itä-Helsinki on myös muunkielisten valta-aluetta. Puolestaan pääkaupunkiseudun läntinen ja pohjoinen puoli ei ole muunkielisen väestön suosiossa asuma-alueiltaan.

Muunkielisen väestön sijoittuminen tietyille alueille periytyy monesta syystä. Sosiaalinen ja etninen segregoituminen vaikuttaa tiettyjen muunkielisen väestön suosimien alueiden ryhmittymiseen. Esimerkiksi maahanmuuttajista etenkin somalialaiset ovat keskittyneet etenkin Itä-Helsinkiin sekä Vantaalle. Tällaisella etnisellä eriytymisellä on monenlaisia vaikutuksia.

Toisaalta Helsingin keskustassa sekä Espoon ja Vantaan keskusta-alueilla asuu huomattava muunkielisen väestön keskittymä. Näillä alueilla asuu erittäin vähän maahanmuuttajia, mutta suuri osa esimerkiksi eurooppalaistaustaista väestöä. Nämä ovat muuttaneet pääkaupunkiseudulle joko työn tai perhesuhteiden myötä. Erityisesti Helsingin keskustassa asuvista muunkielisistä suuri osa työskentelee business-, lähetystö- tai yritysalalla.

Omassa ruututeemakartassani on parantamisen varaa. Olen kuitenkin parhaillaan toisella GIS-kurssilla käyttämässä ArcGIS- ohjelmaa, joten MapInfo taitoni haihtuvat hieman aina toisen GIS-harjoituskerran jälkeen. Legendaa pitäisi hieman muokata ja kartta olisi ollut helpompi tulkittava ilman ruututeemakartan sivuille jäävää aluetta.

Kaiken kaikkiaan kurssikerta oli mielenkiintoinen ja taas muistui mieleen toisenlaisen teemakartan erilaiset muodot.

Lähteet:

1. Tiia Salmisen blogi. (https://blogs.helsinki.fi/tiisalmi/) 9.2.2015

2. Veera Toivosen blogi. (https://blogs.helsinki.fi/vtoivone/) 9.2.2015

Tällä harjoituskerralla harjoittelimme tietokantaliitoksien tekemistä sekä koropleettikarttojen laadintaa. Tämä oli hyvää kertausta, sillä tietokantaliitoksien tekemistä excelistä, en ole tehnyt aikoihin.

Ensimmäiseksi tarkastelimme Afrikkaa ja teimme tietokantaliitoksia muun muassa Afrikan öljylähteistä, timanttikaivoksista sekä konflikteista. Internetin käytön lisääntyminen näkyy tietokannoissa selvästi. Viime vuosikymmenenä erityisesti internetin käyttäjämäärä on lisääntynyt räjähdysmäisesti, mikä osaltaan viittaa IT-teknologian leviämiseen jopa Afrikan syrjäseuduille.

Toisaalta timanttikaivoksista on tallentunut erityistä tietoa muun muassa niiden löytämisvuosista, kaivausten aloitusvuosista sekä kaivosten tuottavuusluokittelusta.  Näiden indikaattorien avulla koropleettikartasta saa mitä kattavampia tietoja Afrikan timanttikaivosten sijainnista ja menestymisestä. Myös konflikteista on tallentunut tietoja muun muassa niiden laajuudesta sekä tapahtumavuosista. Nämä ovat tärkeitä tietoja etsittäessä rauhanomaisten selvittelyjen sijaintia sekä sitä, missä rauhanprosessien tarve on suurin. Olli Rantamäen blogissa Rantamäki esittää, että konfliktit saattaisivat johtua rikkauksista, taikka päinvastoin luonnonvarojen puuttumisesta. Hän toteaa kuitenkin, että pohjalla ovat etenkin sisällissodat ja heimojen väliset erimielisyydet.(1) Toisaalta Mirka Jokela-Määttä tuo esille mielenkiitoisen tutkimusnäkökulman blogissaan. Hän pohtii internetkäyttäjien yleisyyden ja timanttikaivosten tuottavuuden korrelaatiota. Nämä kaksi funktiota voivatkin korreloida keskenään yllättävänkin vahvasti. (2)

Neljänneksi tietokannoissamme oli runsaasti tietoa öljykenttien sijainnista, niiden löytämis ja poraamisvuosista sekä öljykenttien tuottavuusluokittelusta. Tällaiset tiedot ovat erittäin tärkeitä Afrikan valtioiden luonnonvarojen kartoittamisessa ja esittämisessä.

Toinen päätehtävämme oli tulvaindeksi- kartan laatiminen järvisyysprosentteineen Suomessa. Tulvaindeksi tarkoittaa keskiylivirtaaman eli tulvahuippujen keskiarvon sekä keskialivirtaaman eli kuivien kausien alimpien arvojen keskiarvon välistä suhdetta. Tätä indeksiä voi myöskin kutsua virtaamavaihtelujen indeksiksi. Tämän indeksin myötä saadaan selville se, miten moninkertainen on virtaaman huippu verrattuna kaikkein kuivimpaan aikaan. (1) Alla olevasta kuvasta voidaan nähdä, miten tulvaindeksi vaihtelee suuresti koko Suomen alueella. Suomi on pääosin alavaa aluetta, jossa tulvariski ylipäätään on melko suuri, mutta jotkut alueet ovat toisia haavoittuvaisempia.

    Kuva1. Tulvaindeksi sekä järvisyysprosentti Suomessa.

Järvisyysprosentti puolestaan viittaa valuma-alueella sijaitsevien järvien pinta-alojen suhdetta valuma-alueen pinta-alaan. (2)

Tulvariski näyttäisi olevan matalin etenkin Itä-Suomessa sekä Keski- ja Itä-Lapissa. Näillä alueille maaston vaihtelevuus on suurempaa, eikä tulvia aiheuttavia jokia ole niin paljon. Toisaalta näillä alueilla on paikoin runsaasti vesivarastoina toimivia järviä, jotka osaltaan estää jokien tulvimista. Järvisyysprosentti on siis näillä alueilla suurinta. Erityisen paljon järviä on Itä- ja Keski-Suomessa. Vaikka kartta näyttäisikin, ettei Ounasjoen alueella olisi tavallista suurempaa tulvariskiä, oli sielä muutama vuosi sitten valtavat tulvat, jotka tuhosivat jokivarsimökkejä ja -taloja käyttökelvottomiksi.

Yleisesti tunnetaan, että Suomen yksi vakavimman tulvariskin alueista on koko Pohjanmaa sekä valtaosa etelärannikkoa. Pohjanmaa on alavaa seutua, jossa kevättulvat ovat jokavuotisia. Normaalia on, että joka kevät joet tulvivat yli uomiensa katkaisten isoja teitä sekä vaurioittaen asumuksia sekä viljelymaita. Alueella on myöskin niukasti järviä, jotka toimisivat vesivarastoina tulvien ehkäisemiseksi. Järvisyysprosentti näyttää siis olevan erittäin alhainen.

Lähteet:

1.Rantamäki, Olli. Geoinformatiikka-blogi.9.2.2015. (https://blogs.helsinki.fi/ollirant)

2. Jokela-Määttä Mirka. Geoinformatiikka-blogi.9.2.2015.(https://blogs.helsinki.fi/mijokela/)

3.Harjoitus3:Dataa tietokantoihin. (https://moodle.helsinki.fi/mod/folder/view.php?id=642671)

4. Tulvasanasto.Ympäristö.fi. 27.1.2015. (http://www.ymparisto.fi/fi-FI/Vesi/Tulviin_varautuminen/Tulvasanasto)

Koropleettikartta on tuttu edellisiltä kursseilta, mutta sen merkitystä ja laadintaa on hyvä kerrata muistutukseksi. Anna Leonocowiczin artikkelissa Two-variable choroplethe maps as a useful tool for visualization of geographical relationship, pureudutaan pintaa syvemmälle.

Koropleettikartan ideana on kaksi toisistaan riippuvaista, syy- ja seuraussuhteessa olevaa muuttujaa. Artikkelin mukaan tällaisia ovat muun muassa maatilan koko ja tuotantoarvo sekä koulutus- ja tulotaso. Mitä suurempi maatila on, sitä suurempi myös sen tuotantoarvo on taloudellisesti mitattuna ainakin yleisimmissä tapauksissa. Toisaalta koulutustaso viittaa lähes suoraan siihen, millaiseksi tulotaso muodostuu. Nämä eivät tietenkään päde ihan kaikissa, mutta kuitenkin suurimmassa osassa tapauksia. Tämän vuoksi koropleettikartta on erittäin hyödyllinen kahden variaabelin syyseuraussuhteen havainnollistaja ja visuaalinen väline.

Luokkien määrä on myös tärkeä koropleettikartoissa, jota itse en olekaan muistanut. Artikkelin mukaan koropleettikartoissa luokkien määrä tulisi olla maximissaan 9, sillä muuten kartasta tulee liian monimutkainen.  Tärkeää niin koropleettikartoissa kuin yleensä kartoissa on kiinnittää huomiota erityisesti karttojen visuaaliseen näkymään ja näyttääkö se kiinnostavalta, vaikealukuiselta vai helpolta ymmärtää. Mikäli kartta on laadittu järkevin metodein, loogisin värivalinnoin sekä luokitteluin, on se useimmiten mukava ja helppo myös lukea tai katsoa.  Toisaalta esimerkiksi jos kartta on erittäin monimutkaisen ja vaikealukuisen näköinen, sanomalehdissä lukijat usein jättävät kartan kokonaan tutkimatta.

Lähde:

1. Leonocowicz,Anna(2006). Two-variable choroplethe maps as a useful tool for visualization of geographical relationship, p.33-37,Geografija

Tällä harjoituskerralla teimme kahden teeman teemakarttoja, joissa valitut teemat tukevat toisiaan. Valitsin toiseksi teemaksi Pohjois-Suomen kuntien väkiluvun ja toiseksi teemaksi näiden kuntien ikärakenteen, koska ne antavat hyvän kuvan Pohjois-Suomen kuntien väestön jakautumisesta.

MapInfossa kartan tekeminen on suhteellisen helppoa, mutta kartan lopullinen muokkaaminen esityskuntoon esimerkiksi legendan osalta vaati tällä kerralla hieman enemmän aikaa ja asiaan perehtymistä. Tulipa kuitenkin MapInfo vielä tutummaksi.

Kuva 1. Pohjois- Suomen ikärakenne ja väkiluku

Kartassani pohjateemana on kuntien väkiluku absoluuttisina arvoina. Kartasta voi hyvin havaita väkirikkaimmat kunnat, joita ovat muun muassa Lapin pääkaupunki Rovaniemi, Sodankylä, Kemi ja Tornio. Mitä enemmän asukkaita kunnassa on, sitä tummempi kunnan väri on. Tämä helpottaa teeman vaihtelevuuden eli väkiluvun hajonnan hahmottamista. Joonas Alankon blogissa on esitettynä teollisuuden jakautuminen Pohjois-Suomessa, ja tämä vahvistaa juuri sitä tosiasiaa, että väestö on keskittynyt sinne, missä teollisuutta on eniten, tässä tapauksessa muun muassa Oulussa ja Rovaniemellä sekä Kemissä. (1) Toisaalta Toni Ruikkalan blogissa on esitettynä korkea-asteen koulutuksen saaneet 15-vuotta täyttäneet koko Suomessa. Tämä kartta osoittaa sen, että mitä eteläisemmäksi Suomessa mennään, sitä kouluttautuneempaa väestö on ja täten myös koulutuskeskittymien väkiluku kasvaa. (2)

Toisaalta valitsin toiseksi teemaksi väestön ikärakenteen kunnittain siten, että on ikärakenteella on kolme luokkaa. Valitsin ikärakenteen hahmottamisen helpottamiseksi ympyrädiagrammin, jossa näkyy kunkin luokan osuus prosentteina koko kunnasta. Ensimmäinen luokka viittaa 0-14-vuotiaiden osuuteen kunnan väestöstä ja on merkitty ympyrädiagrammissa punaisella. Toinen luokka puolestaan on merkitty vihreällä ja viittaa 15-64-vuotiaiden osuuteen kunnassa asuvista. Viimeinen, sininen luokka osoittaa 65 vuotta täyttäneiden osuutta väestöstä. Tässä kohdassa mielestäni suurempi luokkien osuus olisi ollut tarpeen, mutta aineistomme data ei siihen riittänyt.

Kartasta voidaan havaita, että lasten ja nuorten 0-14-vuotiaiden osuus väestöstä on pienin Pohjois-ja Itä-Suomessa, kun taas eniten heitä on Rovaniemellä ja kartan eteläisimmissä kunnissa. Tämä on luonnollista, sillä koulutusmahdollisuudet Rovaniemellä sekä etelämmässä ovat huomattavasti paremmat kuin Pohjois-Suomen harvaanasutuissa kunnissa.

Toisaalta 15-64-vuotiaiden opiskelija- ja työikäisten osuus vaihtelee jonkin verran, mutta ei huomattavasti. Sitä vastoin 65 vuotta täyttäneiden osuus on joissain kunnissa huomattavasti suurempi kuin toisissa. Esimerkiksi Sallassa yli 65- vuotiaiden osuus on jo erittäin suurta verrattuna Pohjois-Suomen eteläisimpiin kuntiin. Tällä on vaikutusta niin terveydenhuoltoon kuin muutenkin kuntien rakenteeseen. Terveydenhuolto on suuremmassa paineessa ja lisää työikäisiä tarvittaisiin. Lisäksi jos nuorten ja lasten osuus alueella vähenee, eikä paluumuuttajia ole, vaarassa on, että vanhukset joutuvat pitkän matkan päähän hoitokoteihin, mikäli työikäisiä ei riitä omassa kunnassa.

1. Alanko, Joonas. Pak- kerta 2, 27.1.2015, https://blogs.helsinki.fi/jbalanko/

2.Ruikkala,Toni. Kaksi päällekkäistä teemakarttaa, 27.1.2015, https://blogs.helsinki.fi/ruikkala/

Ensimmäisellä kurssikerralla tutustuimme tarkemmin MapInfo- ohjelman toimintaan ja siihen, miten kyseisellä ohjelmalla voidaan karttoja laatia. Olen käynyt kurssin jo muutamia vuosia sitten, mutta tämä on hyödyllistä kertausta, sillä välissä on ollut monta vuotta ilman paikkatietojärjestelmäohjelmien käyttöä! Nyt kuitenkin huomasin, että taidot ovat ainakin osittain lihasmuistissa! Muistin MapInfon käytön olleen paljon tuskaisempaa kuin se todellisuudessa olikaan, ainakin nyt aluksi.

Kuva 1 esittää lähtömuuttajien lukumäärää Suomessa kunnittain. Suurimmat lähtömuuttokunnat sijaitsevat hajallaan sekä Pohjois- että Keski-Suomessa. Rovaniemi on Pohjois-Suomen voimakkain lähtömuuttokunta, sieltä muuttaa 7300-28 900 henkilöä muualle vuonna 2011. Tähän varmasti yksi syy on työpaikkojen vähäisyys. Jenny-Maria Bergmanin blogissa kuntien työttömyyttä esittävässä teemakartassa Rovaniemen työttömyysprosentti on 10,7- 14,5% vuonna 2010. (1)

Yllättävää mielestäni on eteläisen Suomen tummanpunaiset osat kartassa. Tämä johtuu kuitenkin vääristymästä, sillä eteläisessä Suomessa asukkaita on runsaasti pohjoista enemmän. Jotta kartta olisi todenmukaisempi, olisi luvut pitänyt esittää prosenttiosuuksina, tällöin kartta olisi huomattavasti erilainen. Uskon, että tällöin pohjoisessa olisi huomattavasti enemmän tummia alueita, kun taas etelässä vaaleampia. Uusimaa on huomattavan suuri tulomuuttokunta ja sinne muutetaan lähinnä uuden työpaikan myötä.

Antti Aution blogissa onkin esitettynä Suomen väestöntiheys kunnittain. Siitä käy ilmi, että odotetusti pääkaupunkiseudun kunnissa on suurin väestöntiheys. Se on näissä kunnissa 500-5130 henkilöä neliökilometriä kohden. (2)Pohjois- Suomessa taas väestöntiheys on suurimmassa osassa kunnista niinkin pieni kuin 0-5 henkilöä kilometriä kohti. Näillä alueilla, kun töitä ei ole lähtömuuttajien määrä kasvaa ja Suomen kuntien ikärakenne vääristyy.

Nykyään jo monissa Lapin kunnissa valtaväestö koostuu keski-ikäisistä ja vanhuksista. Tämä on huolestuttava ilmiö, mutta ilman uusia työpaikkoja, ei asialle luultavasti pystytä tekemään mitään. Lapissa esimerkiksi muutto suuntautuu suurimpiin keskuksiin, kuten Rovaniemelle, missä työ- ja opiskelumahdollisuudet ovat paremmat.

Lähteet:

1. Jenny-Maria Bergmanin blogi, 19.1.2015, https://blogs.helsinki.fi/jibergma/

2. Antti Aution blogi, 19.1.2015, https://blogs.helsinki.fi/anttiaut/

HUH HUH! Nyt voi huokaista helpotuksesta: se on ohi!!! Nimittäin viimeinen kurssikerta ja itsekerätyn aineiston pohjalta tehty kartta. Tehtävänä meillä oli etsiä netistä mikä tahansa alue, joka jakautuu edelleen pienempiin osiin, kuten valtio ja sen maakunnat. Näistä alueista tuli etsiä  vielä vähintään kahdenlaista tietoa, että saatiin karttaan kaksi muuttujaa. Aineiston keruun jälkeen syötin tiedot Exceliin ja sieltä edelleen MapInfoon. Piirsimme kartan itse MapInfolla.

Valitsin omaksi alueekseni Intian ja sen osavaltiot, sillä olen jotakuinkin hurahtanut siihen maahan. Olen viettänyt siellä kahtena edellisenä vuotena runsaasti aikaa, joten se on lähellä sydäntä. Vaikka Intiassa on paljon köyhyyttä ja likaa, on se kuitenkin todella kaunis, mieleenpainuva ja koskettava maa, jossa ihmisillä on sisällään tiettyä lämpöä. Intian kartta- aineisto löytyi helposti Intian tilastokeskuksen sivuilta. Tämän jälkeen aloin kaivella tilastollista tietoa Intiasta, minkä kuvittelin olevan aivan helppo nakki. Kuitenkin jäin pähkäilemään ja yritin etsiskellä relevanttia, mielenkiintoista ja sellaista tietoa, mikä olisi toisistaan edes jonkin verran riippuvaista. Tähän “lyhyeen” etsiskelyyn kului lähes neljä tuntia. Joistain tilastoista puuttuivat joidenkin osavaltioiden tiedot ja usein tieto oli jotain muuta kuin numeromuotoista. Lopuksi löysin mielestäni korreloivan parin; työttömät ja tapahtuneet itsemurhat vuonna 2008. Tosin heti kun tieto tulee korruptoituneesta kehitysmaasta ja maailman toiseksi väkirikkaimmasta valtiosta, voidaan asettaa kriittisiä kysymyksiä tiedon luotettavuudesta. Kuitenkin tieto on peräisin Intian viralliselta tilastokeskukselta, joten päätin tyytyä luottamaan tietoihin.

Tallensin löytämäni Intian kartan kansiooni ja avasin sen MapInfossa. Tehtäväni oli piirtää koko Intian kartta netistä tuodun pohjalta uudestaan, jotta siitä tulisi oma karttani. Siinä olikin hieman työtä, sillä Intiassa on osavaltioita 35 mukaan luettuna saaria ja muita pieniä osavaltioita. Näitä väkersin sitten silmät sokeaksi asti. Lopulta sainkin tulokseksi melkein Intiaa muistuttavan kuvion. Seuraavaksi liitin saamani tilastotiedot internetistä Exceliin CopyPaste- toiminnoilla ja muokkasin niitä Excelin ja MapInfon vaatimusten mukaisesti.

Tämän jälkeen avasin tallentamani Excel-version MapInfosta ja aloin siirtää vanhaa tietoa uuteen MapInfon tietokantaan. Tässä kohdassa tulikin stoppi vastaan. Kurssikerran tunnitkin loppuivat ja jäin naapuriluokkaan painimaan tietosiirron kanssa tuloksetta. Olin jo valmis luovuttamaan. Kuitenkin jostain kumman syystä sain päähänpiston seuraavana aamupäivänä mennä kokeilemaan josko sattuisi löytymään vapaita tietokoneita Artun opettamasta luokasta -ja löytyihän sieltä!Luovuttaminen ei auttanutkaan, vaan Arttu opasti kiltisti, mikä olikaan mennyt vikaan. Lopulta syyksi paljastui niinkin mitätön ja vähäpätöinen ongelma, että harmitti! Nimittäin uudessa tietokannassa, mihin tietoja tuli siirtää, oli osavaltioiden nimien edellä yksi välilyönti, jota vanhassa tietokannassa ei ollut. Tämän takia SQL Select- toiminto ei hyväksynyt käskytystä. Ainakin tämän jälkeen yritän muistaa tarkistaa pienimmätkin virheet aineistosta!

Tietojen siirron jälkeen teemakartan tekeminen olikin jo tuttua puuhaa. Huomasin ilokseni, että siihen ei tarvinnut aikaa enää entiseen malliin, vaan kartta oli valmis viidessä minuutissa. Seuraavassa onkin kuva tuotoksestani (Kuva 1).

Kuva1. Työttömät ja tapahtuneet itsemurhat osavaltioittain Intiassa vuonna 2008.

Jaoin kummatkin muuttujat kolmeen eri luokkaan, jotta kartan selkeys ja helppolukuisuus säilyisi. Luokittelutavaksi asetin luonnolliset luokkarajat, jotta kartasta tulisi edes vähän järkevän näköinen. Työttömyysluvut Intiassa ovat hieman eri luokkaa kuin täällä kotisuomessa. Tämä johtuu erityisesti maan kehitysmaisesta piirteestä. Väkeä on jo yli miljardi ja kaikille on mahdotonta löytää työtä, vaikka Intia onkin teollistuva ja kehittyvä valtio. Suurin työttömyys ryhmä 50-113 miljoonaa asuu suurimmaksi osaksi Pohjois- Intiassa sekä osittain myös Keski-Intiassa. Pohjois- Intia onkin Intian köyhintä aluetta, joten tämä selittää varmasti työttömien runsaslukuisuuden. Lisäksi West-Bengalin ja Maharashtran osavaltioiden jättikaupungit Kalkutta ja Mumbai lisäävät työttömien määrää. Näissä ongelma näkyy konkreettisimmin asumishökkeleissä, slummeissa.

Lähes koko muu Intia asettuu työttömien keskikastiin, mikä on 11- 50 miljoonaa ihmistä. Toisaalta aivan Pohjois- Intiassa, Jammu & Kashmirin alueella, Koillis-Intiassa Arunachal Pradeshin ja Nagalandin alueilla sekä Andamaanien ja Lakkadiivien saarilla työttömyys on Intian vähäisintä, 0-11miljoonaa työtöntä. Pohjoisen alueet ovat tunnettuja etenkin Pashmina-villasta ja muutenkin alueilla liikkuu rahaa tuottavia turisteja niin vuorikiipeilytarkoituksissa kuin muutenkin. Myös Andamaanien ja Lakkadiivien saaristot ovat kuuluisia turistien matkakohteita ja tuottavat näin rahaa asukkailleen. Turismi onkin alueille elintärkeä elinkeino.

Jos tarkastellaan taas itsemurhatilastoja, voidaan todeta muutamia seikkoja. Ensinnäkin itsemurhaluvut kuvaavat kolmea luokkaa: 15000, 7500 ja 1500. Eniten itsemurhia on tapahtunut West Bengalin osavaltiossa Koillis-Intiassa. Suuret itsemurhaluvut ovat myös Etelä- ja Keski-Intiassa. Jos vertaillaan itsemurhien ja työttömien määrää, voidaan niiden yhtenevyys helposti havaita. Usein työttömät ihmiset ovat huonossa tilanteessa jo ennestään köyhässä yhteisössä. He yrittävät saada rahaa elääkseen kerjäämällä ja varastamalla. Perhe saattaa myydä lapsensa bordelleihin, jotta he saisivat siitä rahaa elämiseen. Yhä useammat työttömät Intiassa sekaantuvat hämäriin bisneksiin, kuten huumekauppaan ja muuhun rikollisuuteen. Rikollisuus rehottaakin usein alueilla, eikä pimeällä ole turvallista liikkua. Kun tällainen on elämäntilanne, eikä edes elämän peruspilareita, kuten ruokaa ole saatavilla, ajaa se monet ihmiset tekemään mielestään parhaimman ratkaisun, itsemurhan. Esimerkiksi edellä mainitussa West- Bengalissa on eniten niin työttömiä kuin itsemurhiakin.

Lähes poikkeuksetta suurimmat itsemurhaluvut ovat osavaltioissa, joiden työttömyysluvut ovat keski-tai suurinta luokkaa. Toisaalta ne osavaltiot, joissa on vähiten työttömiä ovat poikkeuksetta tilastollisesti vähiten itsemurha-alttiita alueita. Näin ollen työttömät ja itsemurhat ovat riippuvuussuhteessa toisiinsa, eli ne korreloivat keskenään. Korrelaatiota voisi laskea tarkemmin korrelaatiokertoimella ja sen voisi havainnollistaa esimerkiksi diagrammina. Näin on Nora Fabritius tehnyt blogissaan liikennevammojen ja automäärän välisestä suhteesta.

Intian työttömät ja itsemurhat ovat siis toisistaan riippuvaisia ilmiöitä. Näihin ongelmiin olisi myös hallituksen syytä pureutua. Se toki on vaikeaa niin väkirikkaassa valtiossa, mutta mikäänhän ei ole mahdotonta! Intia on kuitenkin todella kaunis valtio, johon turistit joko ihastuvat tai vihastuvat. Kurssikerran tehtävä on siis vihdoin valmis ja blogini siinä samassa! Minusta tehtävä ei ollut erityisemmin vaikea, ellei tietojen siirrossa olisi tullut pientä seinää vastaan. Muutoin työskentely sujui ja työ oli mielekästä, kun sai työskennellä vielä mieleisensä valtionkin parissa.

Koko TVT3- kurssi on opettanut minulle paljon lisää niin MapInfon toiminnoista kuin yleensäkin kartoista, niiden tulkinnasta ja koostumuksesta. On ollut mahtavaa huomata oma kehitys ja se, miten on mahdottomasta tilanteesta noustu taas. Olen siis selvinnyt hengissä ja sitä vähiten olisin odottanut!

Lähteet:

1. Fabritius, N. TVT3-blogi, Finaali KK7- Liikenne Euroopassa, Korrelaatio liikennevammojen ja automäärien välissä, 29.02.2012, <https://blogs.helsinki.fi/norafabr/>

2. Government of India, Census of India, Administrative Atlas – 2011, 26.02.2012,<http://www.censusindia.gov.in/2011census/maps/administrative_maps/admmaps2011.html

3. Ministry of Statistics and Programme Implementation, Economic Classification of Population, Non workers in 2008, 26.02.2012,<http://mospi.nic.in/Mospi_New/upload/statistical_year_book_2011/SECTOR-1-INDIA%20AN%20OVERVIEW/CH-02-AREA%20AND%20POPULATION/Table%202.7.xls>

4. Ministry of Statistics and Programme Implementation, Incidence of suicides, Suicides in 2008, 26.02.2012, <http://mospi.nic.in/Mospi_New/upload/statistical_year_book_2011/SECTOR-6-MISCELLANEOUS%20SECTOR/CH-38%20ACCIDENT%20STATISTICS/Table-38.2.xls>