7. kurssikerta ja oma kartta

Viimeisellä kurssikerralla saimme testata taitojamme oman teemakartan tekemisessä alusta alkaen. Tehtävänä oli tuottaa kahden teeman teemakartta mistä tahansa aiheesta millä tahansa alueella. Ja valinnanvaraahan oli. Yritin aluksi keksiä jonkinlaista karttaa Intiasta, mutta turhauduin hyvin nopeasti hankalasti ymmärrettäviin taulukkoihin ja sivustoihin. Päädyin sitten tutkimaan YK:n eri osastojen sivuilta löytyviä tilastoja ja eksyin lopulta UNESCO:n tilastokeskuksen sivuille, josta löytyikin valtavasti mielenkiintoista tilastotietoa mm. koulutuksesta, tieteestä ja teknologiasta, sekä kulttuurista. Osa tilastoista oli kuitenkin kovin vajanaisia, varsinkin kehitysmaissa, joten päätin tarkentaa alueen Eurooppaan, josta löytyi melko kattavasti tietoa. UNESCO:n kunniaksi on sanottava, että sivut toimivat paljon paremmin kuin monet muut vastaavat sivut, joita tarkastelin; Tilastoja oli helppo rajata ja etsiä vain itseä kiinnostavaa tietoa, ja vaikka sivut olivatkin hieman vanhentuneen näköiset, niitä oli helppo käyttää. Toisaalta tieto ei ollut kovin uutta, sillä esimerkiksi kirjastoja ja julkaistuja kirjoja käsittelevät tilastot, joita päädyin käyttämään kartassani, olivat vuodelta -99.

Päätin siis tehdä kartan, jossa koropleettina pohjalla näkyy julkisten kirjastojen määrä väkilukuun suhteutettuna ja päällä pylväsdiagrammeina maassa julkaistujen kauno- ja tieteiskirjojen määrä. Nyt tässä blogia kirjoittaessani tosin tajusin, että olin käyttänyt aiemmin kurssilla hyödynnettyä World-tietokantaa, josta löytyi kätevästi myös tilastotietoa maiden väestöstä. Tämän tilaston väkiluvut ovat tietenkin kymmenisen vuotta tuoreempia kuin UNESCO:n kirjatotilasto, joten ei ehkä ollut fiksuin idea yhdistää niitä toisiinsa. Taas hyvä esimerkki siitä, että tilastojen kanssa leikkiessä pitää tosiaankin olla tarkkana.

kirjakartta

Kuva 1. Kartta Euroopan kirjastoista ja julkaistuista kirjoista vuosina 1995-1999 (UNESCO, 2014 a ja b).

UNESCO:n tilastojenkaan tuominen MapInfoon ei ollut täysin vaivatonta, mutta yllättävän hyvin ohjelma osasi pienellä avustuksella yhdistää maat. Työ olisi saattanut olla vaivalloisempi isommalla alueella, mutta Euroopassa on onneksi niin vähän valtioita, että ne olisi yksitellenkin saanut yhdistettyä karttaan. Karttapohjana hyödynsin edellisen kurssikerran tietokantaa, josta rajasin Euroopan maat ja ikkunassa vielä suurimman osan Venäjästä. Isoimmaksi ongelmaksi kartan teossa muodostui tilastojen puuttellisuus. Monesta maasta ei löytynyt tietoa julkaistuista kirjoista tai julkisista kirjastoista, ja varsinkin Balkanilla ei kummastakaan. Muutamista maista taas oli tiedossa vain kirjastojen hallintoyksiköt, kun suurimmassa osassa maista löytyi tieto myös palvelupisteistä, joita oli huomattavasti enemmän. Hieman tietoja yhdistelemällä ja soveltamalla sain kuitenkin mielestäni melko kattavan ja toimivan teemakartan. Muutamia hieman turhauttavia piirteitä MapInfossa kuitenkin selvisi, ehkä nyt paremmin kuin aiemmin. Esimerkiksi se, että legendan muokkaus on vain hyvin rajallisesti mahdollista, en ainakaan keksinyt järkevää tapaa lisätä koropleettikartan legendaan palkkia harmaalle sävylle, joka siis kuvaa tilastotiedon puutetta. Eikä sitä oikein voinut piirtää syrjäänkään, sillä se olisi näyttänyt vain tyhmältä. Vastaan tuli myös sama ongelma kuin edellisellä kurssikerralla, eli MapInfo ei anna kovin vapaita käsiä kohteiden kokoon liittyen. Muutamissa paikoissa esimerkiksi maiden nimet olisi voinut kirjoittaa hieman pienemmällä fontilla, jotta ne eivät olisi menneet päällekäin rajojen kanssa, mutta 8 on MapInfon mielestä pienin olemassaoleva fonttikoko. Pylväskartoissa ei myöskään ollut vaihtoehtona nolla-arvojen jättämistä pois, missä ei edes ole mitään järkeä, sillä kuka tarvitsee pylvästä, jonka arvo on 0? Näitä ongelmia lukuunottamatta kartan teko alkoi sujua jo varsin hyvin, eikä monia toimintoja tarvinnut juurikaan miettiä ja arpoa.

Kartta ei näytä juurikaan yhteyttä kirjastojen määrän ja julkaistujen kirjojen määrällä, mikä oli melko odotettavissa. Paljon tärkeämpi tekijä näyttäisi olevan molempien muuttujien kohdalla sijainti, sillä molemmat ovat vahvasti jakautuneita. Yllättäen eniten kirjastoja näyttäisi olevan Itä-Euroopassa, mitä en oikein osaa selittää. Olisiko esimerkiksi Neuvostoliitossa panostettu kirjastoihin kansan kasvattamiseksi? Samoin on melko yllättävää, että esimerkiksi Ranskassa, Saksassa ja Ruotsissa on niin vähän kirjastoja. Julkaistujen kirjojen osalta kartta on vähemmän yllättävä, sillä Euroopan suuret valtiot, kuten Iso-Britannia, Ranska ja Saksa ovat julkaistujen teosten kärjessä, kun taas muualla Euroopassa on melko tasaisesti matalat luvut. Tähän olisi ollut ehkä hyvä saada maininta siitä, että pylväiden koko ei kasva aritmeettisesti, sillä se voi hämätä pienempien lukujen arvioinnissa. Ehkä ainoa yllätys kartassa oli se, että Venäjäkään ei korostu kartassa kirjojen osalta. Voisi kuvitella, että edes väkiluvun puolesta siellä julkaistaisiin edes jonkin verran enemmän kirjoja kuin esimerkiksi Puolassa.

Tästä viimeisestä kerrasta jäi oikeastaan aika hyvä mieli, sillä kartan teko ja tilastojen käsitteleminen ei tuntunut enää lainkaan niin turhauttavalta kuin esimerkiksi edellisellä kurssikerralla, mikä luultavasti osoittaa, että jotain on jäänyt mieleen. Nyt MapInfosta alkaa olla jo sellainen käsitys, että siihen voi itsenäisestikin tutustua ja opetella lisätoimintoja. Syksyn periodeissa sen käyttäminen ilman ohjeita tuntui lähes mahdottomalta. Myös tiedonkäsittely ja tilastot ovat auenneet uudella tavalla. Joten kiitos kurssista, tästä on hyvä jatkaa!

Lähteet:

UNESCO Institute for Statistics (2014a). Public Libraries. <http://stats.uis.unesco.org/unesco/TableViewer/tableView.aspx?ReportId=207>. Luettu 25.2.2014.

UNESCO Institue for Statistics (2014b). Historic Data (1995-1999): Book production: Number of titles by UDC classes. <http://stats.uis.unesco.org/unesco/TableViewer/tableView.aspx?ReportId=5594> Luettu 25.2.2014.

Mapping America ja SWOT-analyysi

Mapping America on yhdysvaltalainen sivusto, joka tarjoaa mahdollisuuden tarkastella erilaisilla teemakartoilla väestölaskennan tuloksia koko maassa “korttelin” tarkkuudella. Palvelussa voi tarkastella esimerkiksi tummaihoisten sijoittumista, vuokrien tasoa tai koulutettujen asuinpaikkoja. Palvelussa ei pääse kuitenkaan kovin yksityiskohtaiseen tietoon, vaan tarkimmillaan kartat näyttävät 25 ihmisen pisteitä.

Vahvuudet:
Palvelu on ilmainen ja kaikille avoin. Tietoa on kattavasti koko maasta ja eri ilmiöistä. Sivusto on melko yksinkertainen ulkoasultaan, mikä tekee siitä helposti lähestyttävän ja ymmärrettävän. Kartat ovat siistejä, mukavan näköisiä ja helppoja tulkita. Lisäksi alueista saa lisätietoa viemällä hiiren niiden päälle.

Heikkoudet:
Tieto ei ole kovin tarkkaa. Sen lisäksi, että tieto ei ole yksityiskohtaista,  pistekartoissa pisteet on jaettu tasaisesti alueille, eikä varsinaisten asujien mukaan. Palvelua ei siis oikein voi käyttää tutkimuksessa tai tietolähteenä. Kartat ovat valmiiksi tehtyjä, joten niillä ei myöskään ole mahdollista tarkastella esimerkiksi useampia ilmiöitä samanaikaisesti. Muutenkin palvelun toiminnot ovat melko yksinkertaisia. Tarkempaa tarkastelua varten kaipaisi esimerkiksi mahdollisuutta vaikuttaa luokitteluun tai saada edes tarkkoja tilastotietoja. Tiheillä kaupunkialueilla, esimerkiksi oletusnäkymän New Yorkissa, pisteet hieman hukkuvat toistensa sekaan, jolloin niitä on hieman hankalampi tulkita. En tiedä kuinka paljon Yhdysvallat keräävät väestölaskennoissa tietoa kansalaisistaan, mutta olin yllättynyt, että palvelusta ei esimerkiksi löytynyt tietoa eri uskontokunnista; voisi kuvitella, että siitä ainakin kerätään koulutuksen ja tulotason ohella tietoa.

Mahdollisuudet:
Palvelu toimii hyvin, kun halutaan saada hieman yleiskuvaa tarkempi käsitys alueiden väestöstä. Esimerkiksi vuokrien hintoja ja niiden muutosta esittelevät kartat voivat auttaa muuton suunnittelussa. Palvelu voisi olla myös apuvälineenä esimerkiksi jonkin avustusjärjestön toiminnan suunnittelussa, jos halutaan selvittää, missä köyhimmät tai maahanmuuttajavaltaisimmat alueet sijaitsevat ja järjestöllä ei muuten ole pääsyä väestödataan. Julius Krötzl ehdottaa myös, että koulutettua työvoimaa etsivät yritykset voisivat hyödyntää palvelua toimipaikkoja perustettaessa. Myös opetuskäytössä palvelua voisi hyödyntää tutustuttamalla opiskelijat paikkatietoon ja alueelliseen tutkimukseen. Kartat ainakin ovat helposti lähestyttäviä, ja kuten Natalia Erfving toteaa blogissaan, yhteys Facebookiin ja Twitteriin voi lisätä kiinnostusta nuorilla. Palvelu tarjoaa myös mielenkiintoisen mahdollisuuden tarkastella muiden käyttäjien Twitterissä julkaisemia karttoja, mikä voisi ideaalissa tilanteessa tarjota hienon mahdollisuuden yhteisölliseen oppimiseen.

Uhat:
Jessica Järvinen toteaa, että palvelu saattaa edistää segregaatiota ja vahvistaa varsinkin huonoja mielikuvia alueista. Vilkaisulla on helppo nähdä, missä päin esimerkiksi New Yorkia asuu paljon tummaihoisia tai köyhiä, mikä varmasti vaikuttaa monilla ihmisillä muuttopäätökseen. Asiaan liittymättä en myöskään oikein ymmärrä, miksi New York Timesin tasoisella lehdellä on tarve vahvistaa tarkoituksellisesti rotuajattelua laittamalla palvelun alkunäkymäksi eri etnisten ryhmien sijoittuminen New Yorkissa. Ihmiset vetävät kuitenkin hyvin helposti omaa ajatteluaan tukevia johtopäätöksiä.

Palvelu eroaa merkittävästi suomalaisten tavasta tarjota väestödataa hyvin tarkasti, mutta vain erikseen pyydettäessä. Suomalaisen järjestelmän etuna on varsinkin tiedon tarkkuus ja tuoreus, sekä soveltuvuus tutkimuskäyttöön. Toisaalta data on hankalasti hahmotettavaa ja varsinkin “maallikolle” huonosti saavutettavissa ja ymmärrettävissä. En siksi lähtisi kovin vahvasti vertailemaan näiden kahden palvelun paremmuutta toisiinsa nähden, sillä ne vastaavat hyvin erilaisiin tarpeisiin. Paras ratkaisu voisikin ehkä olla niiden rinnakkaiselo. Suomessakin voisi olla hyödyllistä, jos löytyisi kaikille avointa dataa hieman yleistettynä esittelevä palvelu, joka olisi helppokäyttöinen, ja toisaalta Yhdysvalloissa varmasti olisi kysyntää tarkalle tilastotiedolle, vaikka sitten rajatulle joukolle.

Lähteet:

Erfving, N. (2014). Kurssikerta 7: Ajatuksia Internetin paikkatietosovelluksesta “Every City, Every Block”. <https://blogs.helsinki.fi/nataliae/2014/02/21/kurssikerta-7-ajatuksia-internetin-paikkatietosovelluksesta-new-york-times-every-city-every-block/>. Luettu 30.3.2014.

Järvinen, J. (2014). Mapping America: Every City, Every Block ja SWOT-analyysi. <https://blogs.helsinki.fi/jessicaj/2014/02/23/mapping-america-every-city-every-block-ja-swot-analyysi/>. Luettu 30.3.2014

Krötzl, J. (2014). SWOT-analyysi: Mapping America. <https://blogs.helsinki.fi/krotzl/2014/03/25/swot-analyysi-mapping-america/>. Luettu 30.3.2014.

6. kerta ja pisteaineistot

Tällä kerralla tutustuimme pisteaineistoihin, niiden keräämiseen ja hyödyntämiseen MapInfossa. Tunnin alussa kävimme keräämässä lähiympäristöstä muutamia koordinaatteja, jotka opettelimme sitten siirtämään MapInfoon. Lopputunnin harjoittelimme excel-tiedostojen tuomista MapInfoon ja niissä olevan tiedon hyödyntämistä ja esittämistä. MapInfo osaa melko hyvin käyttää excelistä löytyvää paikkatietoa esimerkiksi pisteiden määrittämisessä, tosin tietokantojen eroista ja inhimillisistä virheistä johtuen sekin tarvitsee hieman apua esimerkiksi osoitteiden yhdistämisessä. Tehtävät tuntuivat melko yksinkertaisilta, tosin nyt jälkikäteen sanottuna ainoastaan siitä syystä, että ohjeet olivat selkeät. Itsenäistehtävän excel-tiedostojen käsittely ja tuominen MapInfoon ei sitten ollutkaan enää yhtä vaivatonta ja mukavaa, toisaalta ajan kanssa ei mitenkään mahdottoman tuntuista.

Itsenäistehtävämme käsitteli tällä kertaa internetin ihmeellisestä maailmasta löytyvän paikkatiedon hakemista ja esittämistä MapInfon avulla. Varsinkin Yhdysvalloissa (ja toki esim. EU:ssa) tuntuu olevan valtavasti paikkatietoa eri tahojen tuottamana koko maailmasta ilmaiseksi. Esimerkiksi Kaliforniassa Berkeleyn yliopiston seismologian laboratorio ylläpitää maanjäristystietokantaa, josta löytyy tieto kaikista rekisteröidyistä maanjäristyksistä 80-luvun lopusta lähtien ja etusivulla voi tarkastella tämänhetkistä maanjäristystilannetta ympäri maailmaa tunnin tarkkuudella. Vetää aika hiljaiseksi. Tehtävänä oli tutustua tähän ja tulivuoria sekä meteoriitteja käsitteleviin tietokantoihin ja tuoda jostain niistä tietoa MapInfoon ja esittää se pistemuodossa. Tarkoitus oli tuottaa aineistoa, jota voisi hyödyntää opetustehtävissä, jos sellaisia tulevaisuudessa tulisi vastaan.

syvyys_kuva

1. kartta: Hyvin syvät ja pinnalliset järistykset

koko_kuva

2. kuva: Voimakkaat ja lievät järistykset

keskikokoiset_kuva

3. kuva: Keskikokoisia järistyksiä

Perehdyin tarkemmin niin tulivuori- kuin maanjäristystietokantaaankin, mutta päädyin tekemään varsinaiset kartat maanjäristysaineistosta, sillä siinä löytyi (ei mitenkään yllättävästi) enemmän dataa. Tulivuorista yritin tarkastella purkauspaikkojen muutosta ajan saatossa, mutta hyvin kauan sitten purkautuneita vuoria oli turhan vähän, jotta siitä olisi saanut kovinkaan mielenkiintoisen kartan. Päätin siis tarkastella maanjäristyksien sijaintia erilaisten ominaisuuksien kautta. Ensimmäisessä kartassa näkyy hyvin syvällä tapahtuneita järistyksiä sekä lähellä pintaa tapahtuneita. Toisessa kartassa on lieviä ja hyvin rajuja järistyksiä ja kolmannessa keskikokoisia järistyksiä vertailun vuoksi. Aineistoa olisi näiden kriteereiden lisäksi voinut toki rajata myös ajallisesti, jolloin pisteitä ei olisi tullut aivan kymmeniä tuhansia, kuten nyt. Pahimmilla järistysalueilla pisteet menevät reilusti toistensa päälle, joten yksittäisten järistysten tarkastelu on näillä kartoilla mahdotonta. Pienempi symbolien koko olisi saattanut auttaa, mutta silloin eri tyyppisten symbolien erottaminen olisi vaikeutunut. Isompi ongelma on erityyppisten pisteiden meneminen päällekäin. Koska maanjäristykset keskittyvät tietyille alueille, kartoissa 1 ja 2 syvemmät ja voimakkaammat järistykset peittävät alleen lievemmät ja pinnallisemmat. Näissä ilmiöissä kuitenkin korkeampia arvoja oli huomattavasti vähemmän kuin pienempiä ja symbolit muodostavat hyvin yhtenäisiä ketjuja, joten katsojan voi olettaa ymmärtävän, että osa symboleista menee päällekäin. Harkitsin ilmiöiden esittämistä erillisillä kartoilla, mutta se olisi haitannut mielestäni liikaa maantieteellistä vertailua, joka on huomattavasti heikompaa kahdella kartalla, kuten kurssin alkupuolen artikkelissakin todettiin.

Jos ei kiinnitä liikaa huomiota karttojen melko alkeelliseen visuaalisuuteen (opetuskäytössä näitä ei aivan kehtaisi hyödyntää), kartat ovat mielestäni melko onnistuneita. Ne esittävät ilmiöt selkeästi ja yhdessä niistä saisi vaikkapa hyvän karttatulkintatehtävän johdatuksena maanjäristyksiin. Nopeasti vilkaistuna on helppo havaita, että kartat eivät merkittävästi poikkea toisistaan; jokaisessa maanjäristykset keskittyvät samoille alueille. Tästä pääsisi luontevasti litosfäärilaattoihin, joita voisi tarkastella toisella kartalla ja havainnoida erityyppisten saumojen merkitystä maanjäristyksiin ja niiden ominaisuuksiin. MapInfon avulla voisi myös tarkentaa mielenkiintoisiin alueisiin ja tarkastella niitä lähemmin. Esimerkiksi ensimmäisessä kartassa näkyy, että Etelä-Amerikassa syvällä tapahtuneet järistykset keskittyvät selvästi idemmäs kuin pinnalla tapahtuneet. Tai, kuten Natalia Erfving ehdottaa, voisi tarkastella muutamaa erittäin isoa tai merkittävää hasardia ja karttojen avulla hahmottaa, millaisessa ympäristössä ne sijaitsevat. Natalian ja Johanna Hakasen mainitsema tulivuori Ruotsissa on muuten koordinaattivirhe tietokannassa, tulivuoren tiedoissa nimittäin kerrotaan sen olevan Islannissa. Se voisi toisaalta olla hauska jättää karttaan esimerkiksi siitä, että kaikki esitetty tieto ei vaihtelevista syistä johtuen aina ole täydellistä ja todenmukaista. Kouluissa keskitytään ehkä turhankin paljon siihen, että opetettavat asiat ovat aina totta, vaikka olisi tärkeää aina myös kyseenalaistaa ja ajatella omilla aivoilla.

5. kurssikerta; bufferointia ja oman osaamisen kartoittamista

Viidennen kurssikerran tehtävien teko jännitti hieman etukäteen, sillä jouduin flunssaisena jättämään tunnin välistä ja tekemään tehtävät itsenäisesti. Olin kuullut kauhutarinoita tunnin aivoja raastavista tehtävistä, joten varovaisesti aloin tutkia moodlesta löytyviä tehtäviä. Kurssikerran uusi asia oli puskurivyöhykkeiden luominen, muuten pääpaino oli jo opittujen asioiden harjoittelussa ja hyödyntämisessä. Kurssikerralla oli kolme itsenäistehtävää, joiden pohjalta piti tarkastella omaa osaamistaan ja MapInfon käyttömahdollisuuksia. Varsinaista yhtä karttatehtävää ei tällä kertaa syntynyt, vaan kysymysten vastaukset koottiin oman pohdinnan tueksi taulukkoon.

Ensimmäinen tehtävä keskittyi täysin bufferoinnin harjoitteluun. Tutkittavina olivat Helsinki-Vantaan ja Malmin lentokentät ja kuinka paljon niiden lähettyvillä asuu ihmisiä. Bufferointi tuntui melko simppeliltä työkalulta, ja kunhan hieman oli ongelmoinut tietokantojen käyttämisen kanssa, myös tiedot vyöhykkeiden sisään jäävistä asukkaista löytyivät helposti. Toinen tehtävä käsitteli osittain myös bufferointia, mutta myös tietokantojen käsittelyä ja tiedon hakemista tietokannoista. Ensimmäisessä osassa tarkasteltiin pääkaupunkiseudun juna-asemia ja niiden lähettyvillä asuvia ihmisiä ja toisessa osassa alueen taajamia. Tässä piti jo soveltaa hieman enemmän osaamistaan tietokannoista ja select-työkalusta. Piti esimerkiksi hahmottaa, millaisia käskyjä selectissä piti antaa, että ohjelma osasi etsiä oikeat osiot väestötietokannasta.

Uima-altaat

Kuva 1. Uima-altaiden määrä pääkaupunkiseudulla

Kolmannessa itsenäistehtävässä valittiin yksi kolmesta tehtävästä. Itse tutkin uima-altaiden sijaintia ja määrää pääkaupunkiseudulla.Tässä tuli viimeistään kunnolla harjoteltua selectiä ja tietokantojen hahmottamista. Piti etsiä esimerkiksi uima-altaiden kokonaismäärä, määrä erilaisissa talotyypeissä ja niiden asukkaiden määrä, joilla on uima-allas käytettävissään. Aluksi ei mennyt aivan nappiin, kun ohjelman mukaan uima-altaita löytyi pääkaupunkiseudulta n. 10 miljardia. Hieman tarkemmin tutkittuani havaitsin, että joissain väestötietokannan riveistä uima-allas-sarakkeen alla arvo oli 999 999 999. Tällä oli ehkä tarkoitus merkitä niitä alueita, joista ei ole tietoa saatavilla, ja rajattuani nämä alueet pois tuli tuloksista huomattavasti järkevämpiä. Lopuksi pääsi vielä leikkimään teemakartoilla, ja tehdä pylväskartta uima-altaiden määrästä eri kaupunginosissa. Olin hieman pettynyt, sillä perinteiset rikkaiden asuinalueet Westend ja Kauniainen loistivat poissaolollaan. Uima-allasrikkaimpia alueita näyttivät olevan mm. Lauttasaari (51), Länsi-Pakila (52) ja Marjaniemi (46).

Itselleni hyödyllisin asia tällä kerralla oli erityisesti tiedon etsiminen tietokannoista. Select-työkalu toimi yllättävän helposti ja järkevästi ja sillä sai paljon tietoa erilaisista ilmiöistä, joista tietokannasta löytyi tietoa. Aiemmin työkalu ei ole aivan yhtä hyvin avautunut, ehkä siitä syystä, ettei itse ole joutunut pohtimaan sen käyttöä ja testailemaan erilaisia toimintoja. Tämä itse asiassa paistoi läpi muistakin kurssikerran tehtävistä; MapInfo alkoi tuntua paljon järkevämmältä ja helpommalta, kun itse ymmärsi, mitä oli tekemässä. Aiemmilla kerroilla ohjeet ovat olleet melko kattavat, joten parempaa ymmärrystä ohjelmasta ei ole syntynyt.

Bufferointivyöhykkeet tarjoavat myös paljon hyödyllistä tietoa. Yhdessä kattavien tietokantojen kanssa niitä voidaan hyödyntää monenlaisien ongelmien ratkaisussa. Lentokoneiden meluvyöhykkeet ovat hyvä esimerkki bufferoinnin käyttämisestä ympäristöongelmien selvittämisessä, esimerkiksi tulva-alueiden etsinnässä tai saasteiden levinneisyyttä tutkittaessa. Toki bufferointi yksin ei usein riitä, sillä harvan ilmiön vaikutusalue on yhtä suuri kaikkiin suuntiin. Esimerkiksi merivirrat tai tuuli voivat vaikuttaa vaikkapa saasteiden leviämiseen, eivätkä saamamme lentomelukartan vyöhykkeetkään ole täydellisen symmetrisiä. Bufferoinnilla voidaan tutkia myös esimerkiksi palvelujen saavutettavuutta, kuten toisessa tehtävässä. Julkisten palvelujen sijoittamisessa auttaa, jos voidaan selvittää, kuinka paljon ihmisiä palvelun vaikutusalueella asuu ja mihin palveluita tulisi sijoittaa mahdollisimman hyvän kattavuuden saavuttamiseksi. Tai vaihtoehtoisesti mihin uusi tehdas kannattaisi sijoittaa, jotta se häiritsisi mahdollisimman harvoja. Oikein hyvä esimerkki on myös Henri Järvisalon ajatus luonnonsuojelualueiden suunnittelusta; “Muita mahdollisia skenaarioita, joissa puskurivyöhykkeiden tarkastelu olisi olennaista, olisi esimerkiksi uusien luonnonsuojelu-alueiden koon ja muodon suunnittelu: habitaatin reunoilla olosuhteet eivät ole samanlaisia kuin habitaatin sisäosissa, ja mitä pienempi luonnonsuojelualue on pinta-alaltaan ja mitä kapeampi se on muodoiltaan, sitä suurempaan osaan koko luonnonsuojelualueen pinta-alasta tämä reunavaikutus kohdistuu. Luonnonsuojelualueen  reunalta sisäänpäin suuntautuvalla puskurivyöhykkeellä voitaisiin havainnollistaa luonnonsuojelualueen olosuhteiltaan vakaamman ja yhtenäisemmän ydinalueen kokoa.”

Jo loppusuoralla olevan kurssin aikana on tullut opittua kaikenlaista MapInfosta. Olen täysin samaa mieltä Sara Lindholmin kanssa siitä, että on hyvin olennaista opetella datan käsittelyä ennen kuin MapInfolla alkaa enemmän leikkiä. Jos ei ymmärrä, miten tietoa haetaan ja käsitellään, tulokset ovat täysin hyödyttömiä. Natalia Erfving on huomannut saman ongelman; “Eniten ongelmia ovat tuottaneet joidenkin asetusvaihtoehtojen valinta, kuten esim. yllä mainitsemani taulukon päivittämisessä esiintyvien count/value/sum -vaihtoehtojen valinta. Minulle ei ole oikein vieläkään selvinnyt, milloin tulisi valita mikäkin. Tähän mennessä olenkin vähän kokeillut, että mikä tuottaisi oikean tuloksen, minkä takia esim. tämän kerran tehtävieni vastaukset eivät ole täysin luotettavia.” Kokeilemalla voi tulla oikeita ratkaisuja, mutta myös täysin tuulesta temmattuja. Tätä asiaa olisi voinut kurssilla harjoitella hieman enemmänkin, jotta itseluottamus ja varmuus omasta osaamisesta kasvaisivat. MapInfosta ei nimittäin ole mitään hyötyä, jos ei voi olla varma, että sillä tehdyt analyysit pitävät paikkansa.

Käyttäjän taitojen lisäksi myös käytettävissä olevat tietokannat asettavat omat rajoitteensa. Voi olla, ettei tietoa ole riittävästi, tai tietokannat ovat huonosti tehtyjä tai epäluotettavia. MapInfolla voi tehdä vaikka kuinka hienoja teemakarttoja, mutta jos ne eivät perustu todenmukaisiin tietoihin, niitä voi käyttää lähinnä tietokoneen taustakuvana. Tämä vaatii myös käyttäjältä jonkinlaista käsitystä tutkittavasta ilmiöstä. Jos esimerkiksi pääkaupunkiseudun väestötietokannan uima-allas-sarakkeessa 999 999 999 -ruutuja olisi merkattu pienemmällä arvolla, virhettä ei välttämättä olisi huomannut yhtä hyvin. Sitten olisi tyytyväisenä selitelty, että pääkaupunkiseudullapa onkin miljoonia altaita. Kaiken kaikkiaan MapInfo vaikuttaa toimivalta ja hyödylliseltä työkalulta, kunhan käyttäjä tietää mitä tekee (vaikka myönnetään, että odotankin jo kursseja, joilla päästään tutustumaan ArcGIS:iin).

 

Lähteet:

Erfving, N. (2014). Kurssikerta 5 : Bufferointia, analyyseja ja arvauksia. <https://blogs.helsinki.fi/nataliae/2014/02/11/kurssikerta-5-bufferointia-analyyseja-ja-arvauksia>. Luettu 21.2.2014

Järvisalo, H. (2014). KK 5: Bufferointia ja menneiden aikojen muistelua. <https://blogs.helsinki.fi/hpjarvis/2014/02/11/kk-5-bufferointia-ja-menneiden-aikojen-muistelua/>. Luettu 21.2.2014

Lindholm, S. (2014). Kurssikerta 5. Sitä tikulla silmään ken vanhoja muistelee. Mutta bufferi osoittautui hyvin mielenkiintoiseksi! <https://blogs.helsinki.fi/saralind/2014/02/18/kurssikerta-5-ken-kuuseen-kurkottaa-se-katajaan-kapsahtaa/>. Luettu 21.2.2014

 

4. kurssikerta ja rasterikartat

Neljännellä kurssikerralla perehdyimme rasterikarttojen tekoon. Palasimme Afrikan mantereelta takaisin pääkaupunkiseudulle, ja  saimme käyttöömme pääkaupunkiseudun väestötietokannan, jossa on kaikenlaista tietoa asukkaista osoitteen tarkkuudella. Oli hupaisaa huomata, että esimerkiksi vanhassa kotitalossani asui tietokannan mukaan yksi ulkomaalainen – tiedot ovat nimittäin juuri siltä vuodelta, kun majoitimme erään vaihto-oppilaan. Tarkoituksena tunnilla oli harjoitella ruututietokannan luomista kartalle. Tunnilla teimme pääkaupunkiseudun päälle ruudukon, ja harjoittelimme hieman lisää tietokantojen käyttöä yhdistämällä väestötietokannan pistemuotoista tietoa ruututietokantaan. Saimme tunnilla aikaiseksi koko alueen kattavan rasterikartan opiskelijoiden sijoittumisesta, ja itsenäiseksi tehtäväksi tuli jokin muu rasterikartta koko alueelta tai osasta siitä.

Lapset_ruutu

Lasteen suhteellinen osuus väestöstä

Entisenä vantaalaisena päätin tarkastella alle kouluikäisten lasten osuutta väestöstä Vantaalla. Olin tunnilla jotenkin keksinyt, että ruudut saa näkyviin teemakarttaan vain kunnan rajojen sisäpuolella, mutta kotona varsinaista karttaa tehdessäni olin jo täysin unohtanut sen. Räpelsin siis vajaan tunnin ongelman kanssa, mutta sainpahan vihdoin kartan, jossa näkyy rasterikartta vain Vantaan osalta. Luokittelun kanssa oli taas sama vanha ongelma aineiston epätasaisesta jakaumasta, joten päädyin muuttelemaan sitä hieman korostaakseni alueita, joissa yli puolet asukkaista on alle kouluikäisiä lapsia. Tässä suhteessa tietokanta oli hieman hämmentävä, sillä koko pääkaupunkiseudulla löytyi sellaisiakin osotteita, joissa lasten osuus oli 100 %, mistä se sitten johtuukin.

Päädyin tutkimaan lasten suhteellista osuutta, sillä tehdessäni karttoja absoluuttisista arvoista huomasin, ettei kartta antanut juuri lainkaan tietoa lasten sijainnista, ainoastaan väestön yleisestä sijainnista ja oli näin ollen melko turha. Olisin toki voinut tehdä kaksi karttaa ja vertailla niitä, mutta laiskuus iski ja halusin nähdä miten suhteelliset arvot toimivat rasterikartassa. Niiden ongelma tietysti on, että kartta voi korostaa liiaksikin alueita, joissa lapsia on vähän, mutta suhteellisesti paljon. Silloin näyttää siltä, että ruudussa olisi valtava lapsikeskittymä, vaikka todellisuudessa lapsia olisikin kolme.Tässä ehkä auttaisi riittävän iso ruutukoko, ettei alueelle osuisi liikaa vain muutaman asukkaan ruutuja sekä keskittyminen kokonaisuuteen, eikä yksittäisiin ruutuihin.

Kuten aiemminkin, tuli tarkastella myös kartan toimivuutta lukijan kannalta. Itse jätin ruuduista reunat pois, sillä ajattelin sen tekevän kartasta mukavamman näköisen. Toisaalta Maria Vuorensalo näki asian niin, että reunat auttavat ilmiön paikantamisessa, mikä sekin pitää paikkansa. Karttaan oli saatavilla myös neljä muuta tietokantaa, jotka sisälsivät tietoa teistä, maankäytöstä sekä pienistä ja suurista alueista. Niillä saisi lisätietoa karttaan, mikä voisi helpottaa kartan lukemista. Maankäyttö-tietokanta tosin oli niin hallitseva, että se olisi tehnyt kartasta ehkä vieläkin hankalamman, joten jätin sen suosiolla pois. Tiet olisivat periaatteessa olleet järkeviä, mutta ne oli tehty niin voimakkailla viivoilla, että vetivät mielestäni liikaa huomiota itseensä. Aluerajaukset taas tekivät kartasta hieman sekavan, lisäksi en kokenut niitä hyödyllisinä, sillä Vantaalla esimerkiksi kaupunginosien rahat eivät välttämättä auta ketään hahmottamaan karttaa paremmin. Sen sijaan hyödynsin tietokannoista löytyviä nimitietoja, ja lisäsin muutaman hahmottamista helpottavan paikannimen karttaan. Täytyy tosin sanoa, että itävantaalaisena oli huomattavasti hankalampi arvioida, mitkä paikannimet Martinlaakson ja Myyrmäen lisäksi ovat olennaisia Länsi-Vantaalla.

Lapset näyttäisivät sijaitsevan melko hajanaisesti Vantaalla. Alueilla, joissa yleisesti asutusta on tiheässä, lasten osuus on pieni. Esimerkiksi Martinlaakson ja Tikkurilan lähellä lapsia on alle 15 %, mikä johtuu luultavasti siitä, että harva haluaa asua ison lapsiperheen kanssa kerrostalossa. Lapset ovatkin keskittyneet hieman etäämmäs isoista asutuskeskittymistä, esimerkiksi Kivistöön, Itä-Hakkilaan ja Ilolaan. Nämä ovat luultavasti alueita, jotka vetävät lapsiperheitä puoleensa rauhallisella sijainnilla ja muiden lapsiperheiden ja palveluiden läheisyydellä; ainakin Itä-Hakkilasta on hankala löytää taloa, jossa ei asuisi lapsiperhettä. Tällaisten keskittymien lisäksi korkean arvon ruutuja on hajanaisesti etäällä asutuksesta. Tämä näkyy erityisen hyvin Länsi-Vantaalla. Tässä on tosin huomioitava, etteivät ruudut kerro lasten määrästä mitään, ja kyseessä voivat harvaan asutuilla alueilla olla hyvin yksittäiset perheet.

3. kurssikerta ja tietokantojen maailma

Kolmannella kerralla irtauduimme hieman teemakarttojen maailmasta syventyäksemme paremmin tietokantoihin ja niiden käsittelyyn MapInfolla. Tutkimme tunnilla tietokantaa, joka sisälsi tietoa Afrikan valtioista, sekä kolmea pienempää tietokantaa, joissa oli tietoa konfliktien timantti- ja öljyesiintymien sijainnista Afrikassa. Harjoittelimme yhdistämään tietokantoja toisiinsa ja muokkaamaan niissä olevaa tietoa. Tietokantojen käsittely vaikutti ensisilmäyksellä hieman hankalalta, mutta muutaman testauksen jälkeen se alkoi jo sujua. Keskittymistä tehtävät kuitenkin vaativat, muuten tuli sarakkeita jostain aivan muusta asiasta jonnekin aivan muualle kuin oli tarkoitus.

Afrikka

Kuva 1. Afrikan konfliktit, timanttikaivokset ja öljykentät

Parin tunnin tietokannoilla leikkimisen jälkeen käsissämme oli yksinkertainen kartta Afrikan valtioiden rajoista, konflikteista, sekä timantti- ja öljyesiintymistä. Tehtäväksi tuli miettiä kotona, mitä tällaisilla tietokannoilla voisi tehdä, kun niistä löytyvät tiedot mm. esiintymien löytövuodesta, käyttöönottovuodesta sekä konfliktien ajankohdista ja laajuuksista. Maallikkona voisi olettaa, että arvokkailla mineraalivarannoilla ja konflikteilla olisi ainakin jonkinlainen yhteys varsinkin Afrikassa, jossa mineraalivarojen tuoma rikkaus ja ihmisten hyvinvointi eivät aina kohtaa. Tästä lähtökohdasta voisi siis alkaa tutkia, josko esimerkiksi timantti-kaivosten löytämisvuodet ja konfliktien alkamisvuodet olisivat yhteydessä toisiinsa.  Kuten Eetu Summanenkin huomioi blogissaan: “voidaan jo etukäteen olettaa uudenlaisten toimeentulolähteiden löytymisen ja epätasaisen jakautumisen aiheuttavan kiistoja kansakuntien välille ja luoden tätä kautta jopa konflikteja”. Myös kaivosten tai öljykenttien käyttöönottovuoden ja konfliktien eroja voisi vertailla tietokannoissa. Ovatko esiintymät käyttämättöminä vallitsevien konfliktien vuoksi, ovatko konfliktit seuranneet käyttöönottoa, vai onko näillä mitään yhteyttä.

Toisaalta karttaa tarkastellessa huomaa, että konfliktien ja mineraalivarojen sijaintien vertailu ei välttämättä ole kovin hyödyllistä, sillä ne eivät kartalla näytä monessa paikassa osuvan yhteen. Esimerkiksi Afrikan sarven lähettyvillä on iso konfliktien suma, mutta ei lainkaan timantteja tai öljyä. Etelä-Afrikassa taas on paljon timantteja, mutta ei juuri ollenkaan konflikteja. Hegre ja Raleigh ovat tarkastelleet Afrikan konflikteja (Hegre & Raleigh, 2006) ja ja huomioivat, että maan suuruus vaikuttaa konfliktien syntyyn, mikä puolestaan voi johtua esimerkiksi hallinnon vaikeudesta, etäisyyksistä tai puhtaasti väestön koosta. Toinessa Hegren ja Raleighin raportissa (Raleigh & Hegre 2005, 5) mainitaan mielenkiintoinen linkki mineraalivarojen ja konfliktien välillä: “Several studies suggest that the presence of precious minerals becomes significant during the conflict as a source of income. — Buhaug, Gates & Lujala note that diamonds within the conflict zone increases
the duration of the conflict (2005).” Mineraalivarat voivat siis myös pidentää jo syntyneitä konflikteja tarjoamalla varoja konfliktien osapuolille.

Valuma-alueet

Kuva 3. Suomen valuma-alueiden tulvaindeksi ja järvisyys

Tunnin toisena tehtävänä oli tulvaindeksikartan tekeminen. Saimme valmiina läjän tietokantoja MapInfossa ja Excelissä, joita sitten piti muokata ja yhdistellä tarvittavien tietojen selvittämiseksi. Tarkoitus oli selvittää Suomen valuma-alueiden tulvaindeksi ja niiden järvisyysprosentti sekä tehdä näiden pohjalta vanha kunnon teemakartta. Kartassa (kuva 3) on siis koropleettikarttana valuma-alueiden tulvaherkkyys ja pylväsdiagrammina järvisyys prosentteina. Luokittelua tehdessä piti taas turvautua hieman kikkailuun, jotta kaikkein korkeimmat tulvaindeksiarvot tulisivat näkyviin. Korkeimmillaan tulvaindeksi kohoaa jopa 1100, vaikka suurin osa arvoista on 300 alapuolella. Kartan tekemisen jälkeen piti vielä pohtia sitä, jotta tulevaisuuden luonnonmaantieteen harjoituskurssilla on edes jotain hupaisaa luettavaa.

Maallikon silmin näyttäisi siis ainakin siltä, että korkean järvisyysprosentti alentaisi valuma-alueen tulvaherkkyyttä merkittävästi. Tämä näkyy selvästi Keski- ja Itä-Suomen isoilla valuma-alueilla, joilla on hyvin alhainen tulvaindeksi ja korkea järvisyysprosentti. Lapin valuma-alueilla taas tulvaherkkyys on hieman korkeampi, mutta järvisyys on yhtä lailla pienempi. Sen sijaan Pohjanmaalla ja Etelä-Suomessa järvisyysprosentti näyttäisi olevan mitättömän pieni ja nämä ovatkin paljon herkempiä tulville. Näyttäisi myös siltä, että jotain merkitystä on myös valuma-alueen koolla. Itä- ja Keski-Suomen, sekä Lapin valuma-alueet ovat kymmeniä kertoja suurempia kuin Pohjanmaan ja Etelä-Suomen valuma-alueet. Toisaalta myös pienillä valuma-alueilla eteläisessä Suomessa on alhainen tulvaherkkyys, jos järvisyysprosentti on riittävän korkea, mikä viittaisi siihen, että järvisyydellä on kuitenkin enemmän merkitystä.

 

Lähteet:

Hegre, H. & C. Raleigh (2006). Population size, Concentration, and Civil War. A Geographically Disaggregated Analysis.

Raleigh, C. & H. Hegre (2005). Introducing ACLED: An Armed Conflict Location and Event Dataset

 

Summanen, E. (2014). KK3: Tietokantojen käsittelyn lyhyt oppimäärä. <https://blogs.helsinki.fi/eesu/2014/02/02/kk3-tietokantojen-kasittelyn-lyhyt-oppimaara/> Luettu 9.2.2014

Artikkeli 1:n pohdintaa

Artikkeli “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” (Leonowicz, 2006) tarkastelee kahden muuttujan koropleettikarttojen käyttöä ja toimivuutta maantieteellisen tiedon esittämisessä. Tällaisia karttoja on Leonowiczin mukaan pidetty hankalina tulkita, johtuen pitkälti Yhdysvaltain väestönlaskentaviraston 1970-luvulla tekemistä kartoista, jotka todettiin tutkimuksissa liian hankalasti ymmärrettäviksi. Leonowiczin mukaan syy ei ole esittämistavan hankaluudessa, vaan karttojen huonossa suunnittelussa ja liiallisessa luokkien määrässä. Hänen omat tutkimuksensa Varsovan ja Vilnan yliopistoissa puoltavat käsitystä ja osoittavat, että kaksiteemaiset kartat voivat olla oikein tehtyinä hyviä osoittamaan erityisesti maantieteellistä suhdetta kahden asian välillä. Sen sijaan maantieteellisen jakautumisen esittämiseen kartat sopivat heikosti.

En ole aiemmin törmännyt kaksiteemaisiin koropleettikarttoihin, varmaankin juuri siksi, että niitä vältellään hankalan tulkittavuuden takia. Totta puhuen, kun tunnilla kävimme läpi näitä karttoja, pidin niitä hieman epäselvinä, enkä oikein ymmärtänyt niiden hyötyä. En ole vieläkään vakuuttunut niiden hienoudesta, mutta artikkeli kyllä selvensi ideaa. Tärkein havainto artikkelissa oli itselleni se, miten teemakartan legenda toimii. Legendassa on siis pistekaavio, joka kuvaa vertailtavien ilmiöiden korrelaatiota tutkittavilla alueilla. Pisteiden lisäksi kaaviossa väripaletti, joka koostuu kahdesta pääväristä ja niiden sekoituksista. Jos korrelaatio ilmiöiden välillä on vahva, värit sekoittuvat, kun taas heikossa korrelaatiossa toinen väreistä korostuu. Värien tummuudella taas kuvataan ilmiöiden voimakkuutta.

Legenda voi tuntua aluksi monimutkaiselta, mutta pienen tutustumisen jälkeen se alkaa hahmottua paremmin. Samalla selvenevät esittämistavan edut. Jos ymmärtää pistekaavion idean, kartalla voidaan selittää hyvinkin yksinkertaisesti kahden teeman riippuvuus toisistaan, sekä samalla korostaa muista poikkeavia alueita. Kahdella erillisellä teemakartalla tämä ei onnistuisi läheskään yhtä selkeästi tai vaatisi ainakin paljon enemmän tarkastelua. Toimivuudessa on kuitenkin pari isoa jossia. Kartta vaatii tiettyä ymmärrystä tilastoista ja asioiden välisestä korrelaatiosta toimiakseen. Lisäksi se vaatii pientä pään vaivaamista, joten esimerkiksi päivittäisen sanomalehden nopeasti vilkaistavaksi kartaksi siitä ei ole. Vähintäänkin kartta vaatisi pienen selityksen esimerkiksi kuvatekstiin. Sen sijaan tekstiin, joka lukijoiden voidaan edellyttää lukevan huolellisesti, kartta voi tuoda paljon lisätietoa.

Toinen jos liittyy kartan ulkonäköön ja tästä syystä olin itse aluksi skeptinen sen käytöstä. Jos kartan värejä ja luokituksia ei ole pohdittu hyvin pitkään ja hartaasti, sen voi oikeastaan suoraan heittää roskiin. Yhdeksän luokkaa on melko ehdoton yläraja ja värien olisi hyvä olla sellaiset, joiden risteytyksestä tulee oma värinsä, jonka kuitenkin tunnistaa päävärien sekoitukseksi. Artikkelissa on annettu kuvassa 4 kaksi mielenkiintoista vaihtoehtoa väripaleteiksi. A-kohdassa värit eivät risteä, vaan vahvasti korreloivat alueet kuvataan pistekuviolla. Tavallaan tämä tyyli voisi olla selkeämpi korostamaan korrelaatiota ja poikkeavia arvoja, mutta en tiedä, meneekö kartta jo hieman epäselväksi. Auttaisi paljon, jos artikkeliin olisi liitetty myös kartta, jossa on käytetty kyseistä väripalettia. Kuvassa 4 B tuntuu olleen kaunis ajatus siitä, että saataisiin luokiteltua alueet selkeästi eri ryhmiin korrelaation perusteella, mutta luokkien määrä on yksinkertaisesti liian iso ja hämmentävä. Se onkin esimerkkinä Yhdysvaltain väestönlaskentaviraston tekemästä kartoista, jotka Leonowicz lyttää täysin. Hertta Lehvävirta huomioi karttoihin liittyvänä ongelmana myös sen,  että on hyvin hankalaa tarkastella samalla legendaa ja karttaa:

Koska katsetta on mahdotonta kohdistaa kahteen objektiin samanaikaisesti, ei tarkastelun yhtäaikaisuus pääse toteutumaan myöskään kaksimuuttujaisen kartan ja sen legendan välillä.

Kieltämättä useampi värimaailma aiheuttaa hankaluuksia kartan tulkinnassa ja rajoittaa jonkin verran karttojen käyttömahdollisuuksia. Toisaalta uskon, että osaava lukija voi käsittää hyvinkin kahden värin vaihtelut, kunhan ne on tehty loogisesti. Esimerkiksi Leonowiczin artikkelin kuvan 3 kartassa punaisen ja sinisen ristetessä lopputulos on vahvan sinertävä, kun taas violetit arvot ovat lähempänä punaista. Tämä hämää ainakin itseäni ja hankaloittaa värien vertaamista, kun pitää jatkuvasti silmäillä legendan ja kartan sävyjä. Vielä hieman tarkemmalla värien suunnittelulla kartan tulkinta voisi helpottua huomattavasti.

Lähteet:

Lehvävirta, H. (2014). Näkökulmia kahden muuttujan koropleettikarttoihin <https://blogs.helsinki.fi/herttale/2014/01/25/nakokulmia-kahden-muuttujan-koropleettikarttoihin/> Luettu 7.2.2014

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

 

2. kurssikerta ja kaksiteemaiset kartat

Toisella kerralla pääsimme sukeltamaan syvemmälle teemakarttojen maailmaan, ja harjoittelimme kahden teeman esittämistä samalla kartalla. Tällä tavoin saadaan kartalle enemmän informaatiota ja voidaan paremmin vertaille ilmiöiden suhteita toisiinsa. Tässäkin tavassa on kuitenkin omat kikkansa ja ongelmansa, jotka on hyvä tiedostaa ennen teemojen lätkimistä karttapohjalle. On esimerkiksi mahdollista tehdä kaksi päällekkäistä koropleettikarttaa niin, että toisessa kuvataan luokat värisävyillä ja toisessa pisteillä tai viivoilla. Tällöin on hyvä pitää luokkien määrä mahdollisimman pienenä, jotta kartasta ei tule vaikealukuista.

Harjoituskerran varsinaisena tehtävänä oli valita annetuista väestöä koskevista tilastoista kaksi mieluiten toisiinsa liittyvää teemaa ja esittää ne mahdollisimman siististi kartalla. Itse ongelmoin pitkään sen kanssa, mitkä teemat valitsisin. Harkitsin pitkään rikosten määrän esittämistä graduated-teemakartalla, mutta kohtasin samanlaisia ongelmia kuin Tiia Seeve eli erot olivat monissa maakunnissa liian isoja esitettäväksi tällä tavalla ja lopulta luovuin ajatuksesta. Päädyin sen sijaan tekemään kartan Pohjois-Savon maakunnasta, teemoina yritystoimipaikkojen lukumäärä ja toimialat.

Yritystoimipaikkojen lukumäärää koskevat tilastot sisältävät Tilastokeskuksen datassa kaikki kunnan yritykset, jotka työllistävät yli puoli henkilöä ja joiden liikevaihto ylittää tietyn rajan, joka määritellään vuosittain. Toimialat sisältävät alkutuotannon, jalostuksen, palveluiden ja muiden alojen työpaikat kunnittain. Koska toimialat yhdessä muodostavat 100 % työpaikoista, ne saa mukavasti ja helposti esitettyä piirakkadiagrammilla. Ainoat muutokset MapInfon piirakassa piti tehdä värivalintoihin, jotka ovat default-asetuksilla kirkuvan räikeät ja häiritsevät, eivätkä myöskään kuvasta ilmiöitä kovin hyvin. Vaihdoin siis värit hieman sopivampiin, kuten alkutuotannon värin vihreään ja jalostuksen harmaaseen. Yritystoimipaikat päätin esittää koropleettikarttana piirakoiden alla. Ongelmana on kuitenkin, että koropleettikartassa ei ole kovin järkevää käyttää absoluuttisia lukuarvoja. Suhteutin toimipaikkojen määrän väkilukuun niin, että taulukon arvot kertovat nyt paikkojen määrän per tuhat asukasta. Tarkastin syntyneen aineiston jakauman vielä viime kerralla tutuksi tulleella histogrammi-sivustolla ja tällä kertaa kvantiilijako toimi oikein hyvin, sillä jakauma oli siistin vino.

Pohjois-Savon maakunnan valinta oli oikeastaan puhdasta laiskuutta. Kuten Meri Korhonenkin tehtävää tehdessään huomasi, piirakat eivät aina ole paras ratkaisu teemakarttoihin;

“– miten ympyrä- ja pylväsdiagrammit mahtuvat Uudenmaan pikkuruisiin kuntiin. No, eivät kovin hyvin: ympyrädiagrammit joko peittivät kuntarajat kokonaan alleen tai olivat niin pikkuruisia, ettei niistä saanut tolkkua. Kuvasta oli vaikea saada selkeän näköistä, koska ympyrät olivat aivan vierivieressä.”

Pohjois-Savo puolestaan sopii niihin täydellisesti, sillä kaikki kunnat ovat suhteellisen isoja ja sopivan muotoisia piirakoille. Myös kuntien nimet mahtuivat kaikki siististi kartalle.

työ&yritys_parannettu

Kuva 1. Yritysten määrä suhteutettuna väkilukuun ja toimialojen osuudet kunnittain Pohjois-Savossa

Kun teemat oli päätetty, itse kartan tekeminen oli jo huomattavasti helpompaa kuin edellisellä kerralla. Huomasin myös muiden blogeja ja karttoja tarkastellessani, että layout-ikkunan kehykset on mahdollista tehdä näkymättömiksi, ja pienen googlailun jälkeen onnistuinkin siinä. Lopputulos on ainakin omasta mielestäni paljon aiempaa karttaa siistimpi.

Kartan tulkinnassa laiskuuteni maakunnan valinnassa kostautuikin sitten hieman, sillä tunnustan tietäväni melko vähän Pohjois-Savosta, mikä kieltämättä hankaloittaa alueellisten ilmiöiden ymmärtämistä. Myös hypoteesini kartasta meni melko lailla pieleen, sillä oletin, että Kuopiossa yritysten osuus olisi ollut huomattavasti isompi, onhan kaupungeissa myös enemmän palveluja ja kuten Tilastokeskuksen taulukosta käy ilmi, yrityksiä on ylivoimaisesti eniten juuri palvelualoilla. Toki Kuopiossa on absoluuttisesti eniten yrityksiä, mutta huomattavasti vähemmän suhteessa väkilukuun. Sama tilanne on alueen muissa väkirikkaissa kunnissa, Siilinjärvellä, Varkaudessa ja Iisalmessa.

Mielenkiintoista on myös se, että eniten yrityksiä suhteessa väkilukuun näyttäisi olevan kunnissa, joissa alkutuotannon osuus on melko iso, Maaningan kohdalla jopa 31 %. Yksi syy on mahdollisesti se, että tällaisissa kunnissa on paljon pieniä perheyrityksiä, kuten maatiloja, mikä nostaa tilastoja. Pohjois-Savon liiton sivujen mukaan maa- ja metsätalous ovat erityisen olennaisia alueella, mikä voi myös nostaa alkutuotannon yritysten merkitystä. Sivustolla mainittu teollisuuden merkitys korostuu tosin vain muutamassa kunnassa, kuten Varkaudessa, Leppävirralla ja Vieremässä. Sillä ei näytä olevan yhtä suurta merkitystä yritysten määrään, mikä luultavasti johtuu siitä, että toisin kuin alkutuotannon yritykset, teollisuuden yritykset ovat isompia, joten niitä ei mahdu alueelle yhtä paljon.

 

lähteet:

Korhonen, M. (2014). Toinen oppitunti: lisää informaatiota kartalle. <https://blogs.helsinki.fi/mtpkorho/2014/01/22/toinen-oppitunti-lisaa-informaatiota-kartalle/> 26.1.2014.

Pohjois-Savon liitto (2014). Elinkeinot. <http://www.pohjois-savo.fi/fi/pohjois-savo/elinkeinot/index.php> 26.1.2014.

Seeve, T. (2014). Kurssikerta 2 osa 1: Tuplateemat. <https://blogs.helsinki.fi/setiseti/2014/01/24/kurssikerta-2-tuplateemat/> 26.1.2014.

Tilastokeskus (2009). Työssäkäyntitilasto.

Tilaskokeskus (2010). Yritysrekisteri.

Tilastokeskus (2011). Katsaus yrityksiin, toimipaikkoihin ja konserneihin. <http://www.stat.fi/til/syr/2011/syr_2011_2012-11-26_kat_001_fi.html> 26.1.2014.

 

 

 

1. kurssikerta

Ensimmäisellä kerralla harjoittelimme MapInfon käyttöä. Ensimmäisen periodin aikana pääsimme jo vähän tutustumaan ohjelmaan, mutta tällä kertaa työskentely ei enää sisältänyt yhtä paljon hiusten repimistä ja toivotonta pään hakkaamistan seinään. Ainakin itse hahmotin jo paremmin mm. workspacen, tablen ja eri karttaikkunoiden tarkoituksen. Ilman opettajaa työskentely toi toki omat haasteensa, mutta muiden kurssikavereiden kanssa tuskastelu auttoi huomattavasti. Osittain myös toisessa periodissa harjoiteltu Corel Draw -ohjelman käyttö helpotti hieman, toisaalta ohjelmien eroja on välillä hankala pitää mielessä, mikä aiheutti välillä turhautumista.

Tunnin alkupuolisko käytettiin erinäisten MapInfon toimintojen harjoitteluun, jotta ohjelma tulisi tutuksi ja luontevaksi käyttää. Harjoiteltiin muun muassa eri tasojen, ikkunoiden ja tietokantojen käsittelyä ja karttakohteiden muokkausta. Tässä huomasi helposti eron paikkatieto-ohjelman ja piirto-ohjelman välillä, sillä Corelilla työskennellessä oli tottunut siihen, että kohteita voi muokata miten haluaa. MapInfossa taas tiedot on sidottu sijaintiin, joten niitä ei voi muokkailla aivan miten sattuu.

histogrammi_koulutus

Kuva 1. Histogrammi havaintojen jakaumasta

Kurssikerran toinen tehtävä oli koropleettikartan tekeminen. Pohjaksi sai valita joko Helsingin kaupunginosineen tai Suomen kunnat. Tietokannasta sai valita jonkin väestöön liittyvän ilmiön, joka soveltuu koropleettikartalla esitettäväksi. Itse tutkin korkeakoulutettujen osuutta koko Suomen alueella. Karttaa tehdessä tuli huomioida kartan ulkonäön ja luettavuuden lisäksi aineiston luokitteluun. Sitä oli onneksi harjoiteltu jo jonkin verran edellisessä periodissa, mikä helpotti huomattavasti työtä.  Saimme kuitenkin käyttöömme verkosta löytyvän histogrammisivun, joka muodostaa histogrammin käyttäjän antamasta aineistosta. Näin pystyi tarkastelemaan havaintojen jakaumaa, mikä on olennaista luokittelutavan valinnassa. Oma aineistoni oli alkupäästä vinosti jakautunut ja loppupäässä hieman hajanainen, sillä sieltä erottuivat muutama yksittäinen erittäin korkea arvo, kuten kuvasta 1 näkyy. Tämä aiheutti hieman ongelmia luokittelulle, sillä muuten hyvin toimiva kvantiilijako olisi luonut ylimmästä luokasta liian laajan, jolloin korkeimmat koulutuksen keskittymät olisivat hukkuneet täysin. Niinpä muokkasin itse luokkia. Loin kvantiililuokittelulla neljä luokkaa, joista ylimmän jaoin vielä kahtia niin, että ylimpään luokkaan tuli vain muutama havainto, mutta kaikkein korkeimmin koulutetut kunnat korostuivat paremmin. Muokkasin vielä jonkin verran ohjelman ehdottamia värivaihtoehtoja niin, että ylimmän luokan ja muiden luokkien välille tuli selvä ero.

koulutetut

Kuva 2. Korkeasti koulutettujen sijoittuminen Suomessa

Kartta osoittaa selvästi, että korkeasti koulutetut ovat kohdistuneet tietyille alueille, pääasiassa isoihin kaupunkeihin. Isoin keskittymä löytyy pääkaupunkiseudulta ja sen lähikunnista. Samoin kartalta erottuvat muutkin isot kaupungit, kuten Turku ja Tampere. Jos verrataan karttaa yliopistojen sijaintiin Suomessa, huomataan, että korkeasti koulutetut sijoittuvat erityisesti yliopistokaupunkeihin ja niiden lähettyville. Niiden ulkopuolella koulutusaste on melko tasaisen matala. Keskittymistä näkyy myös Etelä- ja Länsi-Suomeen, kun taas erityisesti Itä- ja Keski-Suomessa korkeasti koulutettuja on selvästi vähemmän.