TVT3-kurssi oli kokonaisuutena hyvin opettava ja mielenkiintoinen. Töitä piti tehdä paljon, mutta se oli tuttua jo aiemmilta kursseilta. Tosin tällä kertaa itsenäisen työn määrä lisääntyi, minkä ainakin minä koin kuitenkin hyödylliseksi. Tarkasteltuani kurssilla tuottamiani karttoja huomaan, että kehitystä on tapahtunut, mutta parannettavaa riittää. On kuitenkin hienoa voida sanoa, että kurssi on nyt ohi ja blogini valmis arvioitavaksi!

Seitsemättä ja samalla viho viimeistä kurssikertaa varten valmisteluja tuli suorittaa jo kotona etsimällä tilastotietoa vähintään kahdesta muuttujasta vapaavalintaiselta alueelta . Tutkittavan alueen tuli jakautua mielellään ainakin 20 pienempään alueeseen. Valitsin karttani aiheeksi Uuden-Seelannin, sillä olen kiinnostunut valtiosta ja tutkinut sitä aikaisemminkin. Uusi-Seelanti jakaantuu tosin vain kuuteentoista provinssiin, mutta päätin sen kelpaavan. Kartta valtion provinssijaoista löytyi helposti (kuva 1.), mutta datan löytämisessä kesti huomattavasti kauemmin.

Kuva 1. Alkuperäinen karttakuva, jonka pohjalta tein oman karttani (Maps of World 2012).

Uuden-Seelannin oman tilastokeskuksen sivuilta löytyi paljon tietoa useista eri aiheista, mutta vain harvoista oli tallennettu tieto myös provinsseittain. Esimerkiksi BKT:stä onnistuin löytämään vain koko valtiota koskevat luvut. Tämän takia päädyin esittämään kartallani perhetietoja koskevia muuttujia, sillä niitä oli tilastoitu runsaasti kaikista provinsseista.

Tunnilla näistä aineistoista oli tehtävänä tuottaa itsenäisesti teemakartta. Artun ohjeiden avulla koordinaatistoon liittämisestä pääsin hyvin alkuun. Hetken aikaa piirrettyäni huomasin, että olin piirtänyt alueita viiva- enkä polygonityökalulla, joten minun oli piirrettävä jo tekemiäni provinsseja uudestaan. Opin arvostamaan snap-työkalua, joka oli hyvin kätevä ja suuri ajanpelastaja “koska se osasi mennä viereistä jo piirrettyä rajaviivaa pitkin helpottaen työtä” kuten Jesse Hietanen toteaa. Onneksi tajusin tämän varhaisessa vaiheessa, enkä vasta yrittäessäni linkittää tietoja karttaan. Provinssit piirrettyäni huomasin myös, että pohjakartassani oli esitetty vain viisitoista provinssia kuudestatoista. Asiaa tutkiessani tajusin, että Nelsonin ja Tasmanin alueet oli kartassa yhdistetty. Näin ollen yhdistin myös näiden kahden alueen tilastotiedot, jotta kartta ja aineisto vastaisivat toisiaan.

Tietojen siirtäminen exeltaulukosta piirtämäni karttatietokannan taulukkoon osottautui haastavaksi selkeistä ohjeista huolimatta. Muokkasin taulukkoa exelissä moneen otteeseen, jotta siinä olevat tiedot muun muassa varmasti täsmäisivät karttatietokantaan syötettyjen nimien kanssa. En onnistunut linkittämään taulukkoja SCL-selectin kautta, mutta onneksi lukuisien yritysten jälkeen “Update column” toiminto tuotti tulosta ja sain siirrettyä datan kartan tekemistä varten. Valitsin karttani tyypiksi perinteisen alueteemakartan, jonka päälle laitoin pylväsdiagrammit. Kartan pohjalla on kuvattu provinssien perheiden lukumäärän arvioitua vuosittaista prosentuaalista kasvua seuraavan kahdenkymmenen vuoden aikana. Pylväsdiagrammeilla esitin perheiden absoluuttisen lukumäärän vuonna 2011 ja arvion vuodelle 2031.

Aineiston luokittelu tuotti jälleen hieman päänvaivaa, sillä se oli melko tasaisesti jakautunutta, muutamia ääriarvoja lukuunottamatta. Tein aineistosta histogrammin ensin jo aiemmin käytetyllä internetsovelluksella, mutta totesin ärsyttäväksi klikkailla internetin ja MapInfon välillä, joten tein histogrammin myös paperille käsin. Tämä oli nopeaa, sillä alueita on vain viisitoista. Halusin, että aineiston poikkeavuudet tulisivat näkyviin kartalla, joten päätin tehdä luokkavälien määrityksen itse. Näin sain mielestäni hyvin näkyviin sen, että suurin osa valtion provinsseista kuuluu kahteen keskimmäiseen luokkaan, joissa perheiden määrän odotettu prosentuaalinen kasvu liikkuu yhden prosenttiyksikön tuntumassa. Luvut eivät kuitenkaan välttämättä ole enää täysin ajankohtaisia, sillä ne on laskettu vuoden 2006 arvojen ja ennusteiden mukaisesti.

Sekä perheiden absoluuttisesta määrästä että prosentuaalisesta muutoksesta oli tehty kolme eri arvioita: low, medium ja high. Käytin karttani aineistona medium sarakkeen arvoja, sillä arvelin niiden osuvan lähimmäksi totuutta. Olisi ollut mielenkiintoista tehdä kartat kaikista kolmesta arviosta, sillä joidenkin provinssien kohdalla ennusteet vaihtelivat suurestikin. Joissakin Eteläsaaren provinsseissa, (esimerkiksi West Coast) oli ennustettu lowtasolla perheiden määrän laskua, kun se mediumtasolla oli kaikkialla nousussa.

Valmiista kartasta (kuva 2.) voidaan huomata, että suurin osa Uuden-Seelannin perheistä on sijoittunut Pohjoissaarelle, mikä ei ole yllättävää, sillä lähes 3/4 asukkaista asuu Pohjoissaarella. Siellä suurimpia kasvukeskuksia ovat Aucklandin ja Bay of Plentyn provinssit.

Kuva 2. Uuden-Seelannin perheiden lukumäärän arvioitu vuosittainen kasvu sekä perheiden lukumäärä vuonna 2011 ja ennuste vuodelle 2031 provinsseittain (Statistics New Zealand 2012).

Vaikka provinssit kuuluvatkin ylimmän odotetun kasvun luokkaan, on huomioitava, että perheiden absoluuttiset lukumäärät liikkuvat aivan eri tasoilla. Aucland on ja tulee varmasti jatkossakin olemaan valtion suurin kaupunkialue. Aucland (kuva 3.) on muun muassa ilmasto-olosuhteiltaan suotuisinta aluetta, mikä on vetänyt alueelle turismia ja jouduttanut kaupungin kehitystä. Pohjoissaarelta voidaan nostaa myös esiin pääkaupunki Wellingtonin provinssi. Vaikka alueen perheiden määrän ei odoteta kasvavan kuin hieman päälle prosentin vuosittain, on perheiden absoluuttinen määrä suhteellisen suuri muihin provinsseihin verrattuna. Toisaalta perheiden määrä ei näytä kasvavan enää kovin paljoa absoluuttisestikaan (niin Wellingtonissa kuin muuallakaan), mikä saattaa viitata teollisuusmaille tyypilliseen väestön vanhenemisen ilmiöön.

Kuva 3. Näkymä Uuden-Seelannin suurimmasta kaupungista Aucklandista (Kaplan International Colleges 2012).

Eteläsaarella menestyvin provinssi on ehdottomasti Canterbury, sillä sen alueella sijaitsee saaren suurin keskus Christchurch. Perheiden pientä määrää selittää Eteläsaaren muutenkin vähäinen asutus, sillä asuinolot ovat muun muassa Eteläisten Alppien vuoriston takia karut. Tätä selittää kuva 4, joka on lukion Aluetutkimus kurssilla tekemäni kartta Uuden-Seelannin pinnanmuodoista. On kuitenkin mielenkiintoista seurata Christchurchin jatkuvaa kehitystä esimerkiksi pääkaupunki Wellingtoniin verrattuna.

Kuva 4. Lukiossa tekemäni kartta Uuden-Seelannin pinnanmuodoista.

Käyttämässäni aineistossa oli tietoa myös perheiden asumismuodoista, joita olisi ollut mielenkiintoista tutkia. Ajattelinkin tehdä niistä toisen kartan, mutta ajanpuutteen vuoksi se jäi. Tämä on sinäänsä harmi, sillä se olisi antanut nyt tekemälleni kartalle enemmän informaatioarvoa ja syvyyttä. Lopputuloksena olen kuitenkin karttaani teknisesti tyytyväinen, vaikka aihe olisi voinut olla niin sanotusti vähemmän itsestään selvä.

Olen samaa mieltä Ainokaisa Tarnasen kanssa siitä, että hienointa oli kuitenkin katsella valmista karttaa, jonka oli alusta asti koonnut itse (jos nyt ei lasketa mukaan aineiston keruuta). Uskon, että päähäni on tarttunut paljon tietoa kartan laatimisprosessista geoinformatiikan menetelmien avulla, vaikken edes muista ulkoa kaikkia MapInfossa käyttämiämme toimintoja. Siksi aionkin säilyttää kurssilta saadut ohjemonisteet, jotta voin tukeutua niihin myös tulevaisuudessa.

Lähteet:

Hietanen, J (2012). Kurssikerta 7!. TVT3-blogi 2.3.2012. <https://blogs.helsinki.fi/johietan/>

Kaplan International Colleges (2010). 2.3.2012. <http://kaplaninternational.com/blog/auckland-the-city-of-sails/>

Maps of World (2012). 26.2.2012. <http://www.mapsofworld.com/newzealand/>

Tarnanen, A (2012). Kurssikerta 7. TVT3-blogi 2.3.2012. <https://blogs.helsinki.fi/atarnane/>

Uuden-Seelannin tilastokeskus (2012). New Zealand Statistics 19.2.2012. <http://www.stats.govt.nz/browse_for_stats/people_and_communities/Families/SubnationalFamilyandHouseholdProjections_HOTP06-31update.aspx>

Toiseksi viimeinen kurssikerta aloitettiin GPS-laitteen ulkoiluttamisella kerrankin aurinkoisessa säässä. Tarkoituksena oli kerätä kymmenen pisteen koordinaatit ja kirjata paikasta ylös jotakin ominaisuustietoa. Kiertelimme ryhmäni kanssa ympäri Kumpulaa havainnoimassa muun muassa koirapuiston ja R-kioskin sijaintia. Kaikki sujui mallikkaasti kunnes kiivettyämme takasin kampuksen pihalle GPS-laite ei onnistunut enää antamaan järkeviä lukuja korkeudeksi merenpinnasta. Lieneekö syynä ollut sijaintimme liian lähellä korkeita rakennuksia vai paikoittaisen pilvipeitteen vaikutus satelliittien lähettämään signaaliin. Mene ja tiedä. Luokassa kokosimme aineistomme Exeliin ja siirsimme sitä kautta MapInfoon. Kerätyt pisteet oli tarkoitus siirtää kartalle, mutta ryhmämme aineistosta sain esiin vain 7/10. Toimimattomuuden syy oli ilmeisesti tallennusvaiheessa tapahtunut virhe.

Tästä pienestä karttatehtävästä saatiin oiva aasinsilta päivän aiheeseen eli geokoodaukseen ja pisteiden luomiseen. Geokoodaus on helppo tapa paikantaa aineistoa kartalle esimerkiksi osoitetietojen avulla. Tämä onnistuu siten, että esimerkiksi alunperin exel-muotoista taulukkotietoa verrataan niin kutsuttuun Street-muotoiseen tietokantaan, jossa jokainen tie koostuu useista pätkistä. Harjoituksessa geokoodasimme aineiston Helsingin peliautomaateista. MapInfo hoitaa paikannuksen automaattisesti, minkä takia kaikkien kohteiden paikannus onnistuu harvoin ensimmäisellä kerralla.

Hakua voidaan tarkentaa esimerkiksi postinumeroiden avulla tai vastaavasti löyhentää antamalla ohjelman käyttää kohteen paikannuksessa lähintä osoitenumeroa mikäli juuri oikealle numerolle ei löydy vastaavuutta street-muotoisesta tieaineistosta. Saattaa myös olla, että samalla osoitteella on monta eri kirjoitusasua kuten harjoitustehtvässäkin huomasimme. Esimerkiksi Tennispalatsin aukio oli toisessa aineistossa kirjoitettu yhteen ja toisessa erikseen. Tällaiset eroavuudet voi korjata käsin valitsemalla kohteelle halutunlaisen kirjoitusasun Geocode valikon alta löytyvässä muokkausikkunassa.

Kurssikerran itsenäistehtävänä oli tuottaa vähintään kolme karttaa maanjäristyksistä, joita voisi käyttää aiheen opettamisessa. Aineistot karttoihin haettiin ANSS:in-verkkosivuilta (Advanced National Seismic System), joille on kerätty tietoa maanjäristysten ajankohdista ja voimakkuuksista. Tietoa on saatavissa vuodesta 1898 nykypäivään saakka (viimeisin havainto omalle hakutulokselleni oli 14.2.2012). Pientä hämmennystä ainakin itselleni aiheutti se, että sivustolla maanjäristyksen voimakkuudesta käytetään sanaa magnitudi ja työohjeissa richter. Tutkin asiaa hieman ja ymmärsin  laitoksemme sivuilta, että magnitudi on  yleiskäsite maanjäristyksen voimakkuudelle, jota ilmaistaan erilaisilla magnitudiasteikoilla kuten Richterin asteikolla. Richter ei kuitenkaan ole magnitudin eli voimakkuuden yksikkö (Geotieteiden ja Maantieteen laitos 2012).

Päätin esittää kartoissani Richterin asteikolla yli 6 magnitudin järistyksiä kolmella eri aikavälillä vuodesta 1898 nykypäivään. Valitsin raja-arvoksi 6 magnitudin järistykset, sillä ne luokitellaan voimakkaiksi (Seismologian laitos 2012). Ne myös aiheuttavat usein näkyviä jälkiä, mikäli hyposentrumi eli järistyskeskus on melko lähellä maanpintaa. Maanjäristyksistä puhuttaessa on muistettava, että magnitudiasteikot ovat logartimisia ja seuraava arvo on siten kymmenen kertaa edellistä suurempi. Näin ollen kartoilla esiintyy myös hyvin mittavia järistyksiä. Näin jälkeenpäin ajateltuna olisi saattanut olla fiksumpaa esittää kartassa erikseen esimerkiksi 6-7 ja 8-9 magnitudin järistykset informaatioarvon lisäämiseksi.

Kuva 1. Richterin asteikolla yli 6 magnitudin järistysten esiintyminen vuosina 1989-1947, 1948-1997 sekä ajalla 1.1.1998-20.2.2012 (ANSS 2012).

Kartoista (kuva 1.) voidaan huomata, että järistysten määrä kasvaa eri vertailukausien välillä. Tässä kohtaa kyseessä on kuitenkin todennäköisesti havaintojen tallentamisen tarkkuuden kehittyminen. Ensimmäisessä kartassa järistyksiä näyttää olleen lähinnä Yhdysvaltojen länsirannikolla.  Kaakkois-Aasiassa ja muualla Tyynellämerellä on varmasti maa järissyt myös 1900-luvun alussa, mutta köyhissä oloissa tietoja järistyksistä ei ole voitu tallentaa. Seisimisimpien alueiden kattava havainnointijärjestelmä ei nimittäin ole vielä kovin vanha. Näin ollen karttojen avulla voidaan opettaa myös maantieteessä tärkeää lähdekritiikkiä ja tiedon kriittistä tarkastelua sekä havainnointilaitteiston ja -tekniikan kehittymistä.

Toki kartoilla voidaan opettaa myös perinteistä hasardimaantiedettä. Kartoilta voidaan erottaa maapallon seismisimmät alueet ja pohtia niihin liittyviä tekijöitä kuten laattatektoniikkaa. Samaten voidaan tarkastella maanjäristysten yhteyttä vulkanismiin ja muihin luonnonilmiöihin. Tällöin voidaan tarkastella endogeenisten ilmiöiden syntyä sekä niiden yhteyttä maanpäällisiin ilmiöihin ja tapahtumiin. Yhtenä esimerkkinä tästä toimii varmasti kaikkien muistama merenalaisen maanjäristyksen synnyttämä tsunami Sumatralla ja Thaimaassa 26.12.2004. Voimakkuudeltaan järistys oli 9,0 magnitudia Richterin asteikolla. Massiivisten aineellisten tuhojen lisäksi tuhansia ihmisiä kuoli ja katosi. Kuvassa 2 näkyy tsunamin aiheuttamia tuhoja Phuketin lomakohteessa Thaimaassa.

Kuva 2. Tsunamin aiheuttamia tuhoja Phuketin lomakohteessa (SOS Baby Help Foundation 2012).

Karttojen pohjalta voidaan myös miettiä ihmisen vaikutusta maanjäristysten esiintymiseen. Kuten Julia Kemppinen blogissaan toteaa maanjäristyksiä syntyy muun muassa patoaltaiden täytön yhteydessä. Joskus myös tehdään tahallisia räjäytyksiä maankuoren jännitteiden purkamiseksi ja suurempien maanjäristysten estämiseksi.

Lähteet:

ANSS: Advanced National Seismic System (2011). 20.2.2012.<http://quake.geo.berkeley.edu/anss/catalog-search.html>

Geotieteiden ja maantieteen laitos (2006). Magnitudiasteikot. Helsingin yliopiston geotieteiden ja maantieteen laitoksen internetsivut 23.2.2012. <http://www.helsinki.fi/geo/seismo/maanjaristykset/tieto/magnitudi.html>

Kemppinen, J (2012). Kuudes kurssikerta – Pistekarttoja maanjäristyksistä. TVT3-blogi 24.2.2012. <https://blogs.helsinki.fi/jjkemppi/>

Seismologian laitos (2006). Maanjäristyksen voimakkuus. Helsingin yliopiston seismologian laitoksen internetsivut 23.2.2012. <http://www.seismo.helsinki.fi/fi/maanjtietoa/perustietoa/magnitudi.html>

Sos Baby Help Foundation (2008). 2.3.2012. <http://asiantsunami.sosbabyhelp.org/emergency%20numbers.htm>

Kurssimme toinen artikkeli (Blinn & Queen 2004)  käsitteli geoinformatiikan perusolemusta ja sen käyttöperiaatteita. Tässä vaiheessa TVT-kurssien katkeamatonta putkea, GIS:n (Geographic Information Systems) “peruskäyttö” on käynyt itselle melko selväksi, mutta artikkeli valotti hyvin koko järjestelmän taustaa, vaikka kyseisen tekstin ensimmäisestä julkaisusta on kulunut jo lähemmäs kaksikymmentä vuotta.

Artikkelissa painotettiin, että kaikki ohjelmat tai järjestelmät, jotka käsittelevät ja analysoivat dataa tai joita käytetään karttojen tekemiseen, eivät ole sama asia kuin GIS ja geoinformatiikka. GIS:n pohjalla ja tukena saatetaan käyttää erinäisiä ohjelmia, mutta itse GIS koostuu neljästä osatekijästä: datasta eli analysoitavasta tiedosta, laitteistosta, ohjelmistosta sekä käyttäjästä. Käyttäjän vaikutus tuotettavaan aineistoon ja sen laatuun on ainakin minulle käynyt tämän kurssin puitteissa hyvin selväksi, kuten jo viidennen kerran blogitekstissäni mainitsin. GIS:n erottaa muista järjestelmistä se, että se sisältää aina paikkatietoon sidottua ominaisuustietoa.

Itselle uudempi asia oli ymmärtää ja huomioida niin kutsuttu “GIS:n” elämänkaari (artikkelissa planning = pohjustus, system design = järjestelmän suunnittelu, implementation = käyttöönotto ja maintenance = ylläpito). Geoinformatiikka on siis paljon enemmän kuin vain koordinaattien ja spatiaalisen tiedon yhdistämistä ja analysointia, johon omat harjoitustehtävät ovat lähinnä perustuneet. Kaikki alkaa kartoittamalla informaation tarve ja sen käyttäjäkunta sekä kustannukset. Järjestelmän suunnittelu puolestaan sisältää muun muassa tietokantojen, laitteiston, ohjelmiston ja koordinaattijärjestelmän valinnan. Käyttöönottovaihe sisältää käyttäjien koulutuksen ja sopeutuksen siihen järjestelmään tai organisaatioon, jossa GIS:iä on tarkoitus käyttää. Ylläpito puolestaan käsittää sekä järjestelmän että käyttäjien taitojen päivitystä.

Artikkelissa käsiteltiin myös kartan luomista GIS-ohjelmiin soveltuvaan muotoon. Nykyisin on saatavilla valmiiksi digitaalisessa muodossa olevia karttoja, mutta yhä edelleen vanhoja karttoja voidaan digitoida sähköiseen muotoon. Digitointi voidaan suorittaa esimerkiksi skannaamalla tai digitointilaitetta käyttämällä, jolloin kartalta klikkaillaan pisteitä ja ne tallentuvat tietokoneen muistiin. Digitaalisia karttoja tehtäessä käytetään joko rasteri- tai vektorimuotoista esitystapaa.

Rasterimuotoisessa aineistossa tiedot tallentuvat ruutuina, jotka voidaan ilmoittaa vaaka- ja pystyruutujen avulla. Näin jokaisen ruudun sijainti voidaan paikantaa. Tämän jälkeen jokainen ruutu voidaan kuvata esimerkiksi eri värillä tietyn ominaisuuden mukaan. Ongelmana rastereita käytettäessä on usein oikean ruutukoon valinta. Ruutujen tulee olla tarpeeksi pieniä, jotta kartan asiat kuvautuisivat tarkasti. Tämä puolestaan saattaa aiheuttaa tiedoston koon paisumisen liian suureksi. Myös kahden eri kokoisilla ruuduilla tehdyn layerin yhdistäminen saattaa rajoittaa ruutujen kokoa, sillä pienemmät ruudut pitää suurentaa isompia vastaaviksi, jolloin resoluutio saattaa heikentyä.

Vektorimuotoisessa aineistossa spatiaalinen tieto tallenetaan pisteinä, viivoina ja alueina. Niinpä se soveltuukin paremmin tarkkojen rajojen kuvaamiseen kuin rasterit. Vektorimutoiset objektit koostuvat noodeista, joiden sijainti tallennetaan xy-koordinaattiparilla. Vektoreiden ja rastereiden eroa kuvaa hyvin se, että rasterimuotoisessa aineistossa pistettä kuvaa solu, viivaa solujen ketju ja aluetta joukko vierekkäisiä soluja joilla on sama rasterointi, kuten Aino Matikainen blogissaan toteaa.

Geoinformatiikka on ollut apuna karttojen tuottamisessa ja analysoinnissa jo 1960-luvulta lähtien, mikä yllätti ainakin minua hieman. Ajattelin sen olevan uudempi keksintö. Suurin ero karttojen tekemisessä geoinformatiikan avulla on tiedon helppo muokattavuus. Karttaa ei tarvitse piirtää aina uudelleen, mikäli siihen halutaan lisätä elementtejä tai jos jokin asia muuttuu, vaan tiedot voi päivittää uudelle layerille. Useat eri layerit myös mahdollistavat monen eri teeman esittämisen samassa karttatiedostossa. Niistä käyttäjä voi valita aina tarkoitukseen sopivimmat elementit näkyviin. Miinuspuolena geoinformatiikkaohjelmissa voi nähdä alan nopean kehityksen, mikä saattaa aiheuttaa tiedostojen nopean vanhentumisen, sillä vanhemmat tiedostomuodot eivät aina toimi uudemmissa ohjelmistoissa.

Artikkelin lopussa esiteltiin myös joukko erilaisia geoinformatiikan tarjoamia toimintoja, joista yksi on overlay-analyysi. Se mahdollistaa eri karttatasojen päällekkäisen tarkastelun, jolloin voidaan tutkia tietyllä alueella esiintyviä ilmiöitä ja ominaisuuksia. Kuvittelisin, että overlay-analyysia voisi käyttää esimerkiksi tutkittaessa suotuisia paikkoja rakentamiselle. Tällöin voitaisiin samanaikaisesti tutkia tietyn alueen maaperäkartaa, kasvillisuutta sekä sijaintia suhteessa muihin rakennettuihin alueisiin ja esimerkiksi palvelukeskuksiin. Analyysillä voidaan myös luoda uusia alueita yhdistelemällä vanhoja alueita toisiinsa tiettyjen ominaisuuksien mukaan.

Vaikka GIS asioita on päähän tankattu viime aikoina melkoisella tahdilla, antoi artikkeli uusia näkökulmia etenkin taustateoriasta. Uskoisin, että kyseisen tekstin avulla asiaan perehtymätönkin saa aiheesta hyvän läpileikkauksen ja perusymmärryksen siitä mitä GIS oikeastaan on.

Lähteet:

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

Matikainen, A (2012). Artikkeli 2. Geoinformatiikasta… TVT3-blogi 1.3.2012. <https://blogs.helsinki.fi/ainooika/>

Tämän viikon töitä aloiteltiin oikeastaan jo viikko sitten, kun lopputunnin tehtävänä oli piirtää Pornaisten keskustan alueelta kaikki tiet ja merkata rakennukset. Tätä suorittaessani kaipasin Corel Drawn taipuvia viivoja, koska kuten jo aiemmin on saatu karusti todeta, MapInfo ei ole piirto-ohjelma. Tämän pikku operaation pohjalta harjoittelimme tämän kurssikerran alussa bufferointia eli näin suomeksi puskurointia. Bufferoinnin avulla voidaan helposti selvittää, kuinka monta kohdetta sijaitsee tietyn suuruisen säteen sisällä. Ensimmäisessä harjoituksessa selvitimmekin kuinka monta rakennusta sijaisee 100 metrin etäisyydellä Pornaista halkovista pääteistä. Voisin myös kuvitella bufferoinnin olevan hyvä työkalu esimerkiksi jonkin ilmiön tai tapahtuman vaikutusalueen arvioimisessa ja kuvaamisessa.

Parin yhteisen harjoituksen jälkeen lopputunti kulutettiin itsenäisten tehtävien parissa. Omalla kohdallani “itsenäisyys” oli useampaan kuin pariin otteeseen hieman häilyvä käsite, mutta onneksi kavereiden aivot olivat avuliaasti käytössä. Bufferointitehtävät (Itsenäistehtävä 1) sujuivat lähes ongelmitta, joskin lentokentän melualueet tuottivat hieman päänvaivaa. Myös juna-asemiin liittyvät väestötehtävät sujuivat kohtalaisen hyvin. Itsenäistehtävä 2 puolestaan käsitteli taulukkojen muokkaamista ja tietojen löytämistä. Vieruskaveriani konsultoituani pääsin kuitenkin alkuun ja sain tehtävät tehtyä. Kaikkien itsenäistehtävien vastaukset löytyvät taulukosta (taulukko 1.) Kk5 tilasto, jos se toimii. En nimittäin tiedä teinkö linkityksen oikein.

Aikaisempien MapInfo koitosten kanssa ovat hermot välillä olleet koetuksella, mutta se ei kuitenkaan ole ollut mitään verrattuna Itsenäistehtävä 3 tuottamaan ahdistukseen. Kurssikerran aikaisempien harjoitusten kanssa oli kulunut hyvin aikaa, joten tätä tehtävää aloittaessani aikaa oli jäljellä noin tunti. Ensin ajattelin ottaa aiheekseni putkiremontit, sillä kyseinen tapahtuma on edessä minullakin ensi kesän lopussa. En kutenkaan päässyt puusta pitkään, joten vaihdoin aiheekseni uima-altaat, sillä niitä koskevat kysymykset näyttivät yksinkertaisemmilta. Tässä vaiheessa en voi kuin ihailla Timo Säyristä, joka aikansa kuluksi oli tehnyt vielä ylimääräisenkin itsenäistehtävän.

Uima-altaiden määrää tutkittaessa tärkeimmäksi työkaluksi osoittautuivat erilaiset kyselytoiminnot (=Query). Kyseisten toimintojen ymmärtäminen ja käyttö eivät kuuluneet, ainakaan ennen tätä tehtävää, vahvimpiin osaamisalueisiin MapInfossa, joten tunnuin olevan aivan solmussa koko tehtävän kanssa. Uima-altaiden kokonaismäärä liikkui miljoonissa, joten jotain oli jäänyt ottamatta huomioon. Onneksi sain taas apua vieruskaveriltani Sonjalta. Aineistosta kuului poistaa alueet joilta järkevää tietoa ei ollut, tämä ilmeni talukossa lukuna 999 999 999. Useiden epäonnistuneiden tulosten jälkeen onnistuin kaivamaan aineistosta esiin järkevän kuuloisia lukuja, ja vertailtuani vastauksiani muiden luokassa olleiden kanssa huomasin saaneeni samoja vastauksia. Kaikki olivat siis oikeassa tai sitten meillä on sama ongelma MapInfon sielunelämän ymmärtämisessä.

Nämä ongelmat selätettyäni oli jäljellä “enää” kartan laatiminen aiheesta. Se osoittautui luultua vaikeammaksi, sillä kun olin saanut kartan mielestäni valmiiksi huomasin uima-altaiden lukumäärää kuvaavan pylvään maksimiarvon olevan noin kaksi miljardia. Tarvittiin siis vielä lisää kyselyjä aineistolle, jotta väärät tiedot saatiin karsittua, koska jostain syystä en saanut hyödynnettyä jo aiemmin tekemiäni queryjä. Huojentavaa oli huomata, että muilla oli samankaltaisia ongelmia, joita sitten pohdittiin yhdessä tapaus kerrallaan. Lopuksi sain siis aikaiseksi oikean näköisen kartan (kuva 1.), jossa uima-altaiden maksimimäärä on 53 kappaletta.

Kuva 1. Uima-altaiden lukumäärä pääkaupunkiseudun pienalueilla.

Kartasta voidaan huomata, että pääkaupunkiseudulla Helsinki on selkeästi “uima-allasrikkain” alue. Vantaalla ja Espoossa uima-altaita on hajanaisesti ja hyvin vähän. Itse en tajunnut katsoa, millä pienalueella uima-altaita on kaikkein eniten, mutta onneksi Aino Matikainen on sen selvittänyt: uima-altaiden maksimimäärä saavutetaan Lauttasaaressa. Ilmeisesti siellä asuville ihmisille ei riitä pelkkä joka puolelta ympäröivä meri.

Kuten aiemmista tilityksistä on käynyt ilmi, MapInfo ei ole vielä täysin hallussa. Edes yli kolmen ja puolen tunnin kurssikerta ei riittänyt, jotta olisin saanut kaikki työt tehtyä. Niinpä istuinkin luokassa vielä ylimääräisen tunnin. En tosin ollut ainoa. Tällä hetkellä näkisin itselleni suurimmaksi kehityskohteeksi ymmärtää erilaisten kyselyjen käytön niin, että osaisin sujuvasti seuloa aineistosta oikeanlaista tietoa. Mielestäni tämä on nimittäin MapInfon parasta antia, sillä oikeiden Queryjen avulla aineistosta löytyy paljon syvällistäkin tietoa. Myös eri taulukoiden välinen tiedon siirto vaatii vielä harjoittelua. Tämä tulee olemaan tärkeä alue osata, sillä MapInfohan perustuu eri tietokantojen väliseen yhteyteen, kuten Aino Matikainen blogissaan toteaa.

Tällä hetkellä koen osaavani perustoiminnot, kuten teemakartan luomisen, taulukon muokkaamisen (sarakkaiden lisäämiset ja täydentämiset valmiista tiedostosta), layout windown käyttämisen ja suunnilleen eri layereiden välillä toimimisen. Toisaalta usein huomaan, että karttoja voisi ja välillä totisesti pitäisikin hioa kauemmin. Prosessina teemakartan tekeminen tuntuu kuitenkin kaikista toiminnoista ymmärrettävimmältä. Minun kohdallani MapInfon ongelmat johtuvatkin siis suurimmaksi osin vielä taitamattomasta käyttäjästä eikä niinkään aineiston tai itse ohjelman puutteista. Vaikka itsenäisten tehtävien teko tuntuikin välillä ylivoimaiselta, uskon sen olleen hyvin hyödyllistä, sillä kantapään kautta eri toiminnot jäävät ainakin itselle parhaiten mieleen. Niin kauan kun ei onnistu tuhoamaan mitään tietokantaa, kaikki on vielä ihan hyvin. Vaikeuksien kautta voittoon!

Lähteet:

Matikainen, A (2012). Viides kurssikerta. TVT3-blogi 15.2.2012. <https://blogs.helsinki.fi/ainooika/>

Säyrinen, T (2012). Kurssikerta 5- kohti soveltavaa geoinformatiikkaa. TVT3-blogi 15.2.2012. <https://blogs.helsinki.fi/sayrinen/>

Neljännen kurssiviikon iloksi  oli ilmoitusblogiin ilmestynyt blogitehtävä, jossa tarkoituksena oli tutustua The New York Timesin tarjoamaan paikkatieto- ja karttapalveluun. Palvelusta tuli tehdä SWOT-analyysi eli pohtia sen heikkouksia ja vahvuuksia. Blogissaan Viljami Ruohonen esittelee Opetushallituksen antaman määritelmän kyseiselle lyhenteelle:” Strenghts (vahvuudet), Weaknesses (heikkoudet), Opportunities (mahdollisuudet) ja Treaths (uhat)”. Samaisen määritelmän löysin Wikipediasta, mutta koska se ei ole lähde luotettavimmasta päästä, oli hyvä löytää sama tieto muualtakin. Lisäksi tuli pohtia palvelun eroja suomalaiseen käytäntöön tietojen tarkkuudesta ja saatavuudesta.

Palvelusta löytyy karttoja neljästä eri aihealueesta: Race and Ethnicity, Income, Housing and Families sekä Education. Tämän lisäksi jokaisesta aihealueesta oli karttoja useista eri muuttujista. Karttoja pystyi zoomaamaan niinkin lähelle, että teiden nimet tulivat näkyviin. Tästä huolimatta kuvanlaatu ei huonontunut, mikä on palvelulle ehdoton plussa, sillä kartat ovat varmasti tiedostokooltaan valtavia kuten Aino Matikainen blogissaan toteaa.

Ulkoasultaan kartat ovat selkeitä ja harmonisia. Saman väriperheen sävyjen käyttäminen on mielestäni hyvä tapa kartan väritykselle, etenkin kun kuvataan yhden ilmiön eri arvoja. Ainoastaan muutaman kartan kohdalla olisin toivonut, että käytetyn värin sävyt olisivat erottuneet paremmin toisistaan. Palvelun sisäiset ominaisuudet ovat siis erittäin korkealla tasolla. Lisätietoa tarjoaa legenda, joka muuttuu automaattisesti sen kohteen mukaan, jonka päällä hiiren osoitin on.

Karttoja tarkasteltaessa on kuitenkin huomioitava ajankohta, johon niiden tiedot sijoittuvat. Palvelu ilmoittaakin, että tiedot perustuvat otoksiin vuosilta 2005 ja 2009. Ja koska tiedot perustuvat otoksiin, virheitä saattaa esiintyä etenkin alueilla, joilla asutus on harvempaa. Tässä huomataankin ero suomalaisiin karttapalveluihin, jotka perustuvat pitkäaikaiseen tilastointiin ja aina mahdollisimman ajankohtaiseen tietoon. Suurin ero suomalaiseen kartta- ja paikkatietojärjestelmään on kuitenkin tiedon saatavuus. Mapping America tarjoaa hyvinkin tarkkaa tietoa ihmisille melko yksityiskohtaisista asioista kuten tulotasosta. Ja tämä kaikki on jokaisen nähtävillä muutaman napinpainalluksen takana. Tämä on tietenkin nerokasta, mikäli tietoja hyödynnetään oikeudenmukaisesti. Haittapuolena näkisinkin sen, ettei palvelusta saatavan tiedon käyttöä voi mitenkään kontrolloida. Tietoja voidaan käyttää esimerkiksi tiettyä väestöryhmää syrjivästi leimaamalla tietyt alueet valkoisten tai mustien alueiksi. Tätä tapahtuu tietysti jo ennestäänkin, mutta tällainen mahdollisuus saattaa houkutella siihen entisestään. Ehkä onkin siis toisaalta hyvä, että tiedot perustuvat otoksiin eivätkä tarkkoihin lukuihin.

Näkisin kuitenkin, että Suomen malli on toimivampi, sillä silloin tietojen käyttö on varmempaa ja kulloiseenkin tarkoitukseen suunnattua. Tällöin myös tarkkojen arvojen käyttö mahdollistuu, mikä puolestaan tarjoaa laadukkaan pohjan erilaisille lisätutkimuksille. Mapping America onkin ihan hauska väline yleiskuvan saamiseksi ja erilaisten aluetasojen tarkastelemiseksi, mutta tieteellisempään tutkimukseen siitä ei ole.

Lähteet:

Matikainen, A (2012). SWOT-analyysia New York Timesin karttapalvelusta. TVT3-blogi 9.2.2012. <https://blogs.helsinki.fi/ainooika/>

Mapping America: Every city, Every block. <http://projects.nytimes.com/census/2010/explorer>

Ruohonen, V (2012). Paikkatietoa Yhdysvalloista- Mapping America: Every City, Every block. TVT3-blogi 9.2.2012. <https://blogs.helsinki.fi/viljamir/>

Jo neljäs viikko pyörähti käyntiin TVT3-kurssin merkeissä. Tällä kertaa tarkoituksena oli niin sanotusti jalostaa viikko sitten opittuja tietoja aineiston lisäämisestä ja monipuolisesta käytöstä. Ensimmäisenä ja kurssikerran varsinaisen tehtävän pohjustuksena harjoiteltiin tekemään erikokoisia ruudukoita kartan päälle. Tämän kurssin jälkeen fobiani tietotekniikkaa ja “vaikeita” toimintoja kohtaan ovat varmasti menneen talven lumia, sillä huomasin jälleen pysyväni ihan hyvin kärryillä.

Ruudukon teko oli melko yksinkertaista eikä aikaakaan, kun harjoitusruutukartta, 500 metrin ruutuväleillä tehtynä, oli valmiina. Varsinaisena tehtävänä olikin tehdä kaksi ruutukarttaa eri ruutukoolla ja valita niistä omasta mielestä parempi blogiin liittämistä ja tarkempaa analysointia varten. Oman karttani aiheeksi valitsin ruotsinkielisten määrän. Määrää esitettäessä törmätäänkin kysymykseen absoluuttisten arvojen esittämisestä koropleettikartalla. Normaalistihan niitä ei voida esittää. Ruutukartalla tämä kuitenkin on mahdollista, sillä ruudut ovat aina saman kokoisia eivätkä ne noudata aluerajoja. Tällöin ruutujen kuvaamat lukumäärät ovat vertailtavissa keskenään.

Ensin tein aiheestani kartan 1000 metrin ruutuvälillä, mutta siitä tuli mielestäni liian yleistetty, sillä ruotsinkielisten määrä vaihtelee melko paljon pientenkin alueiden sisällä. Tämän huomasin tehdessäni toisen kartan 250 metrin ruutuvälillä, joka ainakin opettajamme Artun mukaan on pienimpiä mahdollisia. Näin ollen päädyin työstämään jälkimmäistä karttaa julkaistavaan kuntoon (kuva 1.). Poistin kartasta ne ruudut, joissa ei ole asukkaita (=täysin valkoiset alueet), jolloin kartasta saadaan informaatiota myös koko väestön alueellisesta jakautumisesta, jolloin alimman luokan ( 0-5 ruotsinkielistä ) esittäminenkin on mielekästä.

Ah, aina niin ihanaa aineiston luokittelumetodia pohtiessani juttelin kurssikaverini Sonjan kanssa ja huomasimme tekevämme karttaa samasta aiheesta. Sonja oli jo ehtinyt tehdä aineistosta histogrammikuvan jota sain hyödyntää. Histogrammista näkyi selkeästi aineiston vino jakautuminen. Pieniä arvoja oli todella paljon muihin verrattuna. Päädyinkin valitsemaan luokittelutavaksi luonnolliset luokkavälit, jotta aineiston ominaisuudet tulisivat näkyviin. Kvantiileilla luokiteltuna kartta oli kaamean näköinen. Luokkien määräksi valitsin neljä, sillä mielestäni kuva oli niin selkeämpi, etenkin kun ruutujen koko on niin pieni. Vertailuksi voi katsoa Sonja Murton karttaa, jossa on käytetty viittää luokkaa. Väriksi valitsin oranssin eri sävyt Ruotsalaisen kansanpuolueen logon värin innoittamana (RKP, 2012).

Kuva 1. Ruotsinkielisten määrä 250 metrin ruutuvälin ruudukolla esitettynä pääkaupunkiseudun pienalueilla.

Lisäsin karttaan myös pääkaupunkiseudun pienalueiden rajat, sillä kuten kuvasta voidaan huomata, ruotsinkielisten määrä mukailee jonkin verran kaupunkinosien rajoja. Tietyillä alueilla ruotsinkielisten määrä on huomattavasti korkeampi kuin muualla. Selkeimmät näistä alueista ovat Etelä- ja Länsi-Helsinki, Kauniainen sekä myös osa Etelä-Espoota.

Mikä sitten liittää suomenruotsalaiset juuri näille, muun muassa asumiskustannuksiltaan kalliille alueille? Onko hieman pilkkaavassa sanonnassa “Svenska talande bättre fålk” perää? Näin näyttäisi ainakin jossain määrin olevan, sillä suomenruotsalaisten tulotaso on usein hieman suurempi kuin pelkästään suomenkielisillä ( Pihkala, E. 2010). Helsingin Sanomille kirjoittamassaan pääkirjoituksessa taloushistorian emeritusprofessori Erkki Pihkala toteaa: ” Suomen teollistuessa taloudellinen kasvu on ollut suotuisinta ruotsinkielisten asuttamissa maakunnissa”. Tämä puolestaan johtuu siitä, että teollistumisen alkaessa maan hallinto, koulutus ja talouselämä toimivat yksinomaan ruotsiksi. Pihkalan mukaan tämä johti varallisuuden kertymisen ruotsinkielisiin sukuihin ja yrityksiin, mikä heijastuu nykypäiväänkin, vaikka tuloerot ovatkin tasoittuneet.

Ruotsinkielisten määrä näyttää myös seurailevan suurimpia asutuskeskittymiä. Tämä ei ole mikään ihme, sillä suuremmilla asutusalueilla on muun muassa enemmän ruotsinkielisiä kouluja, päiväkoteja ja muita palveluja, jotka vetävät puoleensa. Toki kyseisillä alueilla peruspalvelut kielestä riippumatta ovat lähempänä, kuin esimerkiksi aivan Espoon ja Vantaan pohjoisosissa. Kyseistä ilmiötä voisi tosin tutkia paremmin, mikäli tämän kartan yhetyteen liittäisi toisen kartan, jossa olisi kuvattuna koko väestön jakautuminen pääkaupunkiseudulla. Samoin voisi olla kiinnostavaa tutkia karttaa, jossa olisi kuvattuna eri alueiden keskimääräistä tulotasoa.

Esitystapana ruututeemakartta on mielestäni informatiivinen ja yleensä myös melko selkeä, mikäli ruudut on osattu valita oikean kokoisiksi. Omassa kartassani ruudut olisivat voineet ehkä olla hieman isompia, esimerkiksi 300 tai 350 välillä, jotta eri luokat erottuisivat paremmin. Ruutukartasta saa nopeasti yleiskuvan esitettävästä aiheesta kuten yksinkertaisesta koropleettikartastakin. Pistekarttaan verrattuna näkisin ruututeemakartan jopa parempana vaihtoehtona, varsinkin jos arvoja keskittyy pienelle alueelle. Pistekartoissa nimittäin on ongelmana, että alla olevat alueiden rajat jäävät usein peittoon. Ruutukartassa tätä ongelmaa ei ole. Jos havainnot puolestaan ovat hajanaisia, on pistekartta parempi vaihtoehto.

Lähteet:

Murto, S (2012). Kurssikerta 4-Ruututeemakarttoja ja rasterikarttoja MapInfoon. TVT3-blogi 15.2.2012. <https://blogs.helsinki.fi/sxmurto/>

Pihkala, E (2010). Suomenruotsalaisten vauraus ei ole sattumaa. Helsingin Sanomien kotisivut 8.2.2012. <http://www.hs.fi/paakirjoitus/artikkeli/Suomenruotsalaisten+vauraus+ei+ole+sattumaa/1135259151290>

RKP (2012)= Ruotsalainen kansanpuolue (logo). Ruotsalaisen kansanpuolueen kotisivut 8.2.2012. < http://rkp.fi/fi/etusivu/>

Kolmanella kurssikerralla harjoiteltiin muokkaamaan ja lisäämään dataa MapInfossa ja kahden eri ohjelman välillä (tässä tapauksessa MapInfo ja Exel). Ensimmäinen reaktioni aiheesta oli suunnilleen: “Apua, hyvä että osaan edes käyttää  valmiita aineistoja!”. Artun opastuksella vaihe vaiheelta läpikäyminen kuitenkin poisti alun kauhuskenaarion huomatessani, että ei ollutkaan kyse ydinfysiikasta vaan onnistuin tuottamaan oikean näköisiä taulukoita.

Pohdintaa Afrikan luonnonvarojen ja konfliktien suhteesta

Alkutunnin harjoitustehtävässä pohja-aineistona oli Afrikan kartta, johon kerättiin tietoa timanttikaivosten, öljylähteiden ja konfliktialueiden määrästä. Harjoitusten avulla opeteltiin muun muassa yhdistämään kaikki samaa valtiota koskevat karttakohteet ja lisäämään sekä muokkamaan talukon sarakkeita. Arttu Paarlahden aiheesta tekemä kartta on nähtävissä TVT3-kurssin ilmoitusblogissa. Kartan pohjalta annettiin kotitehtäväksi miettiä, mitä kartan tiedoista (aiemmin mainittujen kohteiden lukumäärät ja sijainti) voisi päätellä mikäli kartan tietokantoihin olisi tallennettu lisää tietoa esimerkiksi konfliktien tapahtumavuodesta tai timanttikaivosten tuottavuudesta.

Afrikassa luonnonvarojen epätasainen jakautuminen on aiheuttanut konflikteja siirtomaavallan ajoista saakka. Tämän voi hyvin ymmärtää tarkastelemalla edellämainitusta kartasta esimerkiksi timanttikaivosten sijoittumista. Ei ole helppoa nähdä kumman valtion puolella rajoilla olevat kaivokset ´sijaitsevat ja tämä on varmasti aiheuttanut monia erimielisyyksiä valtioiden välillä. Asiaa ei ainakaan helpota teollisuusmaiden kiinnostus Afrikan rikkauksia kohtaan, kuten Minttu Haapanen ja Timo Säyrinen blogeissaan toteavat. Suurvallat saattavat tukea toista hallitusta kaivoksen haltuunotossa hyötyäkseen siitä itse. Jos kaivoksista olisi saatavilla tuottavuusluokittelu, voitaisiin siitä mahdollisesti päätellä, missä päin ulkomaisten suurvaltojen vaikutus on suurin, sillä enemmän tuottavat kaivokset kiinnostavat varmasti eniten.

Tästä päästäänkin konfliktien yhteen perimmäiseen syyhyn eli korruptioon. Hallitukset tekevät yhteistyötä eniten tarjoavan kanssa välittämättä seurauksista. Tämä tarkoittaa usein sitä, että luonnonvarat siirtyvät ulkomaiseen omistukseen, eikä valtio hyödy kaupasta suuremmassa mittakaavassa, sillä rahat menevät diktaattorimaisten hallitsijoiden omaan taskuun. Väestö pysyy köyhänä, vaikka bruttokansantuote nousisikin muutaman timantti- tai öljypohatan tulojen myötä. Tästä syystä onkin oltava kriittinen tarkasteltaessa valtion hyvinvointia kuvaavia mittareita.

Kartalta voidaankin huomata, etteivät konfliktit ole vain valtioiden välisiä vaan myös yhden valtion sisäisiä. Minttu Haapanen tuo blogissaan esiin kolonisaation vaikutuksen valtioiden rajoihin. Kun siirtomaita jaettiin, valtioiden rajat piirrettiin viivottimella välittämättä heimojen luonnollisista aluerajoista. Tämä aiheuttaa yhä edelleen konflikteja, kun saman heimon jäseniä asuu eri valtioiden alueilla ja heimolaisten vapaa liikkuvuus estyy. Kartalta voidaan erottaa viime keväänäkin tutuiksi tulleita konfliktialueita kuten Tunisia, Egypti ja Somalia, joissa eri ryhmät ovat vastakkain toistensa kanssa. Mielenkiintoista olisi kuitenkin tietää, millä perusteella kartalle valitut konfliktipisteet ja -alueet on luokiteltu. Ovatko konfliktit esimerkiksi poliittisia vai taloudellisia?

Tulvaindeksi ja järvisyys

Kurssikerran varsinaisena työnä oli yhdistellä tietoja Suomen vesistöjen valuma-alueista ja tuottaa niiden pohjalta valuma-alueiden tulvaindeksiä ja järvisyysprosenttia kuvaava kartta (kuva 1).

Kuva 1. Suomen vesistöjen valuma-alueiden tulvaindeksi ja järvisyysprosentti (MapInfo, Tilastokeskus 2012).

Käsitteen tulvaindeksi määrittely on paikallaan, sillä ainakaan itselläni ei ollut aiheesta tarkkaa tietoa ennen tätä kurssikertaa. TVT3-ilmoitusblogissa tulvaindeksi selitetään luvuksi, joka vertaa yli- ja alivirtaamaa toisiinsa (A. Paarlahti, 2012). Ylivirtaamakaudet ovat tulvia ja alivirtaamat puolestaan kuivia kausia. Tulvaindeksi laskettiin jakamalla keskiylivirtaama keskialivirtaamalla. Tiivistetysti sanottuna tulvaindeksi siis kuvaa alueen tulvaherkkyyttä. Minulle jäi kuitenkin epäselväksi onko tulvaindeksillä jokin tietty yksikkö, vai onko se vain luku jonka merkitys määräytyy sen suuruuden mukaan. Samaten olisi ollut mielenkiintoista tietää onko tulvaindeksille määritelty joitakin rajoja, jotka ilmaisisivat kuinka merkittävä tulvariski on kuten Heini Lankia blogissaan toteaa.

Aineiston tarkastelua helpottamaan ja ajan säästämiseksi meille oli valmiiksi tehty histogrammikuva aineiston jakautumisesta. Aineisto oli hyvin voimakkaasti vino, mutta siitä huolimatta luokittelutavan valinta oli yhtä vaikeaa kuin aina ja testailin taas useita eri vaihtoehtoja. Luonnollisilla luokkaväleillä ja neljällä luokalla kartan antama kuva mielestäni yleistyi liikaa ja näytti mielestäni epätodelliselta, sillä lähes koko rannikkoseutu kuului samaan luokkaan maan keskiosien kanssa. Myös esimerkiksi Tenojoen valuma-alue kuului alhaisempaan luokkaan kuten ympäröivä alue, vaikka sen tulvaindeksi on lähes puolet suurempi. Viidellä luokalla kuva taas oli liian sekava. Näin ollen päädyin lopulta valitsemaan MapInfon ensimmäisen luokitteluehdotuksen kvantiileista ja neljästä luokkavälistä.

Kartan väreiksi valitsin eri sinisen sävyt, sillä teema on kaikin puolin veteen liittyvä. En myöskään halunnut karttaani liian suuria kontrastieroja, joita kahden eri värin käyttäminen olisi saattanut aiheuttaa. Ulkoasua pohdittuani päädyin esittämään kartalla myös järvet, kun sellainen mahdollisuus kerran oli. On kuitenkin tunnustettava, että tässä vaiheessa värien säätäminen alkoi jo jonkin verran rasittaa, mikä näkyy siinä, ettei järvien väri ole paras mahdollinen. Järvet eivät erotu tarpeeksi hyvin alimman luokan sävystä. Jos kuvaa kuitenkin jaksaa katsoa tarpeeksi tarkkaan, ne antavat lisäinformaatiota muun muassa suurimpien vesistöjen sijoittumisesta. Vaikka kaikkihan tietenkin tietävät, missä Saimaa ja Päijänne sijaisevat :).

Kartasta voidaan huomata, että mitä suurempi järvisyysprosentti (eli mitä enemmän valuma-alueella on järviä) sitä pienempi tulvaindeksi on. Myös järvien koolla on oltava merkitystä, sillä esimerkiksi Pohjanmaalla järvisyysprosenttipylväs on paikoittain melko korkea ja alue kuuluu silti ylempien tulvaindeksiluokkien joukkoon. Tämä on loogista, sillä mitä enemmän valuma-alueella on isoja järviä sitä enemmän vettä pystyy niihin varastoitumaan jolloin tulvariski pienenee. Tulvan riskiä tunnetusti lisää myös pinnanmuotojen tasaisuus, mikä ilmenee etenkin Pohjanmaalla. On kuitenkin otettava myös huomioon se, että ylimmän tulvaindeksin luokka kattaa arvot 180-1100, joten luokkaan mahtuu monenlaisia alueita.  Olisikin hyvä esittää kartan yhteydessä taulukko tulvaindekseistä ja järvisyysprosenteista, jolloin tietoja olisi helpompi vertailla keskenään.

Kokonaisuutena kartan työstäminen kävi tällä kertaa yllättävän nopeasti (= kerrankin ei tullut kiire). Merkittävimpänä syynä oli ehdottomasti se, että kartan aihe oli valmiiksi annettu. Aivan ongelmitta kaikki ei kuitenkaan sujunut, sillä onnistuin muun muassa kadottamaan legendan layoutikkunasta. Onneksi olin ehtinyt tallentaa työn ennen sitä. 🙂 Kurssikerta oli hyvin kiinnostava ja monipuolinen, mutta saa nähdä paljonko muistan opituista asioista vielä ensi kerralla.

Lähteet:

Haapanen, M (2012). Kurssikerta 3-Tulvii pohjanmaa. TVT3-kurssin blogi 3.2.2012. <https://blogs.helsinki.fi/minhaapa/>

Lankia, H (2012). KK3:tulvaindeksi ja järvisyys valuma-alueittain. TVT3-kurssin blogi 3.2.2012. <https://blogs.helsinki.fi/lankia/>

Paarlahti, A (2012). TVT3-tiedotusblogi 1.2.2012. <https://blogs.helsinki.fi/tvt3-2012/>

Säyrinen, T (2012). Kurssikerta 3: Virtaavaa vettä Suomessa ja Afrikan mystiikkaa. TVT3-kurssin blogi 3.2.2012. <https://blogs.helsinki.fi/sayrinen/>

Artikkelissaan “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” Anna Leonowicz käsittelee yksi- ja kaksimuuttujaisten koropleettikarttojen eroja tulkinassa ja käyttötarkoituksissa. Hän toteaakin, että yhden muuttujan kartat sopivat kuvaamaan paremmin jonkin ilmiön alueellista jakautumista ja kaksi päällekkäistä teemaa yhdistämällä ilmiöiden väliset suhteet tulevat paremmin esiin. Tätä näkemystä tukemaan oli artikkeliin otettu mukaan ote Varsovan ja Vilnan yliopistoissa tehdystä kokeesta, jossa opiskeijat arvioivat yhden ja kahden muuttujan teemakarttoja.

Leonovicz siis toteaa kahden päällekkäisen teeman koropleettikartan toimivan, mutta sen luominen ja tulkitseminen vaativat enemmän. Tämän saimme huomata käytännössä toisella kurssikerralla kun perehdyimme kyseisen teemakarttatyypin luomiseen. Kahta eri teemaa kuvattaessa päällekkäin selkeiden väri- ja rasterointivalintojen merkitys korostuu entisestään, jotta tulos olisi lukukelpoinen. Tästä syystä teemojen luokkien lukumäärä rajautuu sekä Leonoviczin että opettajamme mukaan yhdeksään (3×3).

Eri luokkien kuvaamiseksi artikkelissa esitellään aivan omanlaisensa legenda, joka ainakin minulle oli ennestään tuntematon. Kuvaa hetken tutkittuani totesin sen kuitenkin toimivaksi. Legendassa luokat esitetään ruudukkona, jonka vaaka-akselilla ovat ensimmäisen teeman muuttujan arvot ja sivun pystyakselilla toisen muuttujan arvot. Näin saadaan esitetyksi jokainen kahden teeman yhdistelmä. Tällöin kartan lukija voi suoraan verrata kartassa esiintyviä värityksiä legendaan tarvitsematta tiirata kahta eri legendaa ja kuvitella rasteroinnit toistensa päälle. Tällöin myös toteutetaan TVT2-kurssilta tuttu sääntö siitä, että legendassa on oltava näkyvissä kaikki samalla tavalla kuin kartallakin, kuten Timo Säyrinen bloginsa Artikkeli 1 -tekstissä toteaa.

Legendasta saadaakin oiva aasinsilta erilaisten väritysten pohtimiseen, sillä edellä esitellyssä legendatyypissä luokat ovat aivan kiinni toisissaan. Tällöin karttaa laadittaessa on helppo huomata erottuvatko luokat toisistaan. Jos niitä ei voi erottaa legendassa, niitä tuskin voi erottaa kartallakaan. Onkin siis toimivinta käyttää alemmassa teemassa eri värisävyjä ja päällimmäisessä rasterointia. Tästä syystä alemman teeman värit eivät saisi olla myöskään liian tummia, jotta päälle tuleva rasterointi ei saisi karttaa näyttämään lähes mustalta. Toisaalta jos värit ovat aivan toisistaan poikkeavia, vaikka muuten näkyviä, lukija ei välttämättä osaa linkittää niitä ja niiden kuvaamia arvoja toisiinsa, kuten myös artikkelissa todetaan. Itse näkisin fiksuimmaksi käyttää saman väriperheen eri sävyjä, jotka erottuvat toisistaan tarpeeksi. Esimerkiksi punaisen eri sävyjä vaaleasta tummempaan kuvaamaan esitetyn ilmiön voimistumista.

Samaten eri luokkien rasteroinnit eivät saa olla liian samanlaisia. Rasteroinnissa törmätäänkin värejä enemmän erottuvuusongelmaan. Rasterit eivät saa olla liian samanlaisia, mutta toisaalta liian erilaiset saattavat sekavoittaa karttaa liikaa. Ne eivät myöskään saa olla niin tiheitä, että peittävät alemman teeman. Tästä syystä muun muassa kurssimme opettajan mielestä pisterasterit saattavat olla selkeämpiä kuin erilaiset viivat tai ruudutukset, mistä on samaa mieltä. Rasteroinnin hankaluuden myötä luokkien määrän rajautuminen yhdeksään erikoistapauksia lukuunottamatta onkin perusteltua.

Voidaan siis huomata, että kahden päällekkäisen teeman koropleettikartan luominen on haastavaa. Toimivan visuaalisen ilmeen lisäksi on edelleen huomioitava havainnolliset luokkarajat ja kahden muuttujan välisen yhteyden selkeys. Onnistuessaan kartta kuitenkin tarjoaa paljon informaatiota etenkin syy-seuraussuhteista, joita yhden muuttujan kartoilla ei voida esittää. Tämä kuitenkin vaatii lukijalta pitkäjänteisyyttä ja asiaan paneutumista, sillä pelkkä silmäys ei riitä. Tämä saattaa olla yksi syy kyseisen karttatyypin vähäiseen käyttöön, sillä jos karttojen kohdeyleisö kokee ne liian raskaina, kartografit tuskin innostuvat tekemään niitä lisää. Artikkelissaan Leonowicz toivookin kahden teeman koropleettikarttojen käytön yleistymistä niiden sisältämien etujen takia.

Itse voisin ainakin kokeilla kyseistä tyyliä tulevissa töissä, mikäli siihen on sopiva tilaisuus. Asiaa saattaa kuitenkin hankaloittaa MapInfon tarjoamien rajallisten väri-ja rasterointivaihtoehtojen yhdistäminen toisiinsa. Värien muokkaaminen on nimittäin mielestäni välillä melko paljonkin hankalampaa esimerkiksi Corel Draw -ohjelmaan verrattuna. Haasteita on tietenkin aina oltava ja lisäoppien myötä kahden päällekkäisen teeman kartan luominen saattaa minultakin onnistua.

Lähteet:

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

Säyrinen, T (2012). Artikkeli 1. Näkemyksiä Anna Leonowiczin näkemyksiin. TVT3-blogi 28.1.2012. <https://blogs.helsinki.fi/sayrinen/>

Toisella kurssikerralla jatkoimme tutustumista MapInfon ihmeelliseen maailmaan erilaisten teemakarttojen kautta. Läpi käytiin niin pylväs- ja ympyrädiagrammi-, kuin Individual ja Grid-kartatkin. Kaikki muut kartat onnistuivat ongelmitta, mutta 3D-kartasta tuloksena oli vain muutama harmaa läiskä aineiston huippukohdista. Grid- ja prismaattinenkartta olivat minulle aivan uusia tuttavuuksia, mutta niiden laatiminen ei ollut sen vaikeampaa kuin muidenkaan. Gridkartassa ohjelma interpoloi aineiston arvot ja liukuvärjää kartan näin eri väreillä, jolloin alueet erottuvat toisistaan (Tarnanen, A. 2012). Prismaattinen kartta puolestaan on ikään kuin kartan kuvaaman alueen muotoinen kolmiulotteinen pylväsdiagrammi, jossa havainnot erottuvat alueiden eri korkeuksien mukaan.

Kaikkien eri teemakarttatyyppien harjoittelun jälkeen tehtävänä oli jälleen tuottaa oma teemakartta vapaavalintaisesta aiheesta. Ehtona oli, että kartassa piti olla kaksi teemaa päällekkäin, mikäli se ei ollut prismaattinen tai 3D-kartta. Valitsemaansa aihetta sai tarkastella haluamallaan alueella esimerkiksi koko Suomessa tai vain osassa kuntia.

Oman karttani alueeksi valitsin joukon Pohjois-Suomen kuntia, sillä ne ovat pinta-alaltaan mielekkäitä karttapohjan päälle lisättävää tietoa kuten symboleita ajatellen. Alue kiinnosti myös siksi, että aiemmilla kursseilla olen tehnyt karttoja oikeastaan vain Etelä-Suomesta. Teemakartan aiheeksi valitsin 0-14-vuotiaiden osuuden väestöstä ja perheiden määrän kunnittain. Oletuksenani oli, että mitä enemmän kunnan väestöstä on lapsia, sitä enemmän siellä todennäköisesti asuu perheitä. Lasten osuutta kuvasin perinteisen teemakartan tavoin erivärisillä luokilla, jotka muodostuivat kvantiilien mukaan. Tutkittuani aineistoa histogrammityökalulla huomasin sen olevan epätasaisesti jakautunut, mikä oikeastaan jätti luokitteluvaihtoehdoiksi kvantiilit ja luonnolliset luokkavälit. Luonnolliset luokkavälit eivät mielestäni toimineet kovin hyvin, sillä yhteen luokista osui lähes kaksinkertaisesti arvoja osan jäädessä vain muutaman arvon kokoisiksi. Ensikerralla aion kyllä tosin tehdä kaikkeni välttääkseni kvantiilien valinnan, sillä tarkoitukseni ei ole mennä sieltä mistä aita on matalin valitsemalla aina kaikenlaiseen aineistoon sopivan lajittelun. Perheiden määrää päädyin esittämään Gratuated-kartan mukaisesti symboleilla, jotka tässä tapauksessa ovat erikokoisia ympyröitä, jotta niiden välinen kokoero olisi mahdollisimman selkeästi nähtävissä.

Kuva 1. Lasten osuus väestöstä sekä perheiden osuus kunnittain vuonna 2011 osassa Pohjois-Suomen kuntia (MapInfo, Kunnat 2011).

Valmiista kartasta (kuva 1.) voidaan huomata, että alkuperäinen oletus kahden muuttujan  välisestä yhteydestä pätee melko hyvin. Perheiden suuri määrä näytää lisäävän lasten määrää kunnassa kuten esimerkiksi Rovaniemellä. Alueelta löytyy tosin myös muutamia kuntia, joissa lasten osuus väestöstä on korkeimmassa luokassa, mutta perheitä on vähän. Tästä syystä onkin mielenkiintoista tarkastella tekijöitä. jotka vaikuttavat lasten ja perheiden määrään eri alueilla.

Ensinnäkin on otettava huomioon, että Rovaniemellä asuu paljon enemmän väestöä kuin muissa kunnissa. Tästä syystä lasten osuutta eri kunnissa ei voi suoraan verrata keskenään, vaan se on ensin osattava suhteuttaa kunnan väkilukuun. Rovaniemellä lasten ja perheiden määrää lisävät todennäköisesti yliopistokaupungin tarjoamat laajemmat ja monipuolisemmat palvelut sekä koulutus- ja työmahdollisuudet. Samankaltaiset syyt selittävät todennäköisesti myös muiden alueen suurempien keskusten kuten Kemin, Tornion ja Kuusamon lasten ja perheiden määrää.

Vastaavasti voidaan huomata, että Koillis-Lapin kunnissa lasten osuus väestöstä on hyvin alhainen ja perheiden määrä pieni. Tähän vaikuttaa se, että alueen kuntien pinta-alasta suuri osa on asumatonta erämaata, minkä takia väkiluvut ovat kokonaisuudessaankin hyvin pieniä. Voisi myös kuvitella, että nuorempi väestö on muuttanut suurempiin keskuksiin parempien mahdollisuuksien perässä kuten Kemijärveltä Rovaniemelle perustaakseen perheen sinne. Vähintäänkin yhtä erämaisissa Pohjois-Lapin kunnissa lasten ja perheiden määrää puolestaan saattavat lisätä alueella asuvat saamelaiset ja saamelaisen kulttuurin suurempi perhekeskeisyys.

Mielenkiintoisin lasten osuuteen ja perheiden määrään vaikuttava tekijä Lapin alueella on kuitenkin uskonto. Pohjois-Pohjanmaa ja Lappi ovat nimittäin lestadiolaisuuden vahvimpia kannatusalueita Suomessa. Lestadiolaisuudessa ehkäisyä ei hyväksytä, mikä johtaa usein siihen, että perheessä saattaa olla jopa yli kymmenen lasta (Lestadiolaisuus 2012). Tämä voi olla yksi selitys sille, minkä takia kartan kuvaaman alueen lounaisissa kunnissa perheitä on melko vähän, mutta lasten osuus kohoaa korkeimpaan luokkaan.

Kokonaisuutena tämän kurssikerran kartan (ja tekstin) tekemiseen meni huomattavasti enemmän aikaa edelliseen verrattuna. Kuten Noora Turunen osuvasti blogissaan toteaa MapInfosta: “Se on nopea ja (kun punaisen narun löytää) helppokäyttöinen”. Omalla kohdallani etsin tuota kuuluisaa punaista lankaa melko kauan. Tosin en niinkään ohjelman käytössä vaan aiheen ja toteutustavan valitsemisessa. Tuntuu olevan niin, että mita enemmän aikaa kartan tuottamiseen on ,sitä enemmän siitä löytää korjattavaa. Tämä lienee sekä hyvä että huono asia. Tuloksena tämänkertainen kartta onkin mielestäni parempi kuin edellinen. Kuvan sommittelu sujui paremmin ja opin myös poistamaan laatikon mittakaavan ympäriltä. Värien suhteen kartta on mielestäni melko harmoninen ja selkeä. Mustat ympyrät erottuvat hyvin taustastaan ja luokat toisistaan jo yhdellä silmäyksellä. Miinuksena mainittakoon perheiden lukumäärää kuvaavien ympyröiden skaalaus. Osa ympyröistä on niin pieniä, että niistä on vaikeaa arvioida niiden esittämää lukumäärää. Olisi ehkä pitänyt vaihtaa suurimman ympyrän arvoa ( 16 000 perhettä) pienemmäksi, jotta ympyröiden koko olisi kasvanut. Mutta oppia ikä kaikki, ensi kurssikertaa ja uusia oivalluksia odotellessa.

Lähteet:

MapInfon Kunnat 2011-tiedosto. Tilastokeskus 2011.

Lestadiolaisuus (2012). 26.1.2012. <http://www.opinto.net/uskonto/timomuola/herlesta.html>

Tarnanen, A (2012). Kurssikerta 2. TVT3-blogi 25.1.2012. <https://blogs.helsinki.fi/atarnane/>

Turunen, N (2012). Kurssikerta 2: Insist on having problems, bet dis revolver will solve dat? TVT3-blogi 26.1.2012. <https://blogs.helsinki.fi/nooratur/>