TVT3, Vuokko Heikinheimo

Blogi on valmis! saa arvostella ja kommentoida.

Kiitos uskollisille lukijoille.

Kartat aukeaa klikkaamalla uuteen ikkunaan jossa niitä voi tsuumata tarkemmaksi

Viimeisen kurssikerran ideana oli “tutustua paikkatietoaineiston tuottamisprosessiin ihan alkutekijöistä lähtien”, eli tehtävänä oli tuottaa teemakartta itse valitsemasta ja keräämästä aineistosta. Otin haasteen vastaan ja läksin haalimaan maakuntatason tietoa Pohjoismaista. Pohjoismaat on mielestäni kiinnostava ja ajankohtainen aluekokonaisuus, ja yleinen vertailukohde Suomelle. Suomen, Ruotsin, Norjan, Tanskan ja Islannin vertailu sellaisenaan olisi jäänyt hieman pinnalliseksi ja suppeaksi, joten päädyin keräämään aineistoa maakuntatasolla. Tein lisäksi omana bonustehtävänä kartan liitteeksi indeksikartan, josta selviää kunkin tilastoalueen nimi. Väestökartasta olisi mielestäni tullut vähän liian levoton numeroiden kanssa. Pohjakartta löytyi Nordregion (Nordic Center for Spatial Development) verkkosivuilta, aineisto on pääosin Euroopan komission alaisen EuroStatin palvelimelta, sekä lisäksi Norjan kansallisesta tilastopalvelusta.

Tehtävässä konkretisoitui hyvin se, kuinka helposti käytettävissä oleva aineisto ohjailee työskentelyä. Pohjoismaista on periaatteessa saatavissa kattavasti tietoa vaikka minkälaisista muuttujista, esim. Ruotsilla ja Norjalla on laajat ja helppokäyttöiset tilastotietokannat netissä (ks. linkit alla). Internetissä ei kuitenkaan ole ainakaan ilmaiseksi saatavissa kovin kattavaa koottua tietopakettia kansallista tasoa tarkemmista tiedoista. Joka maan omista tietolähteistä haalittujen tietojen yhteensovittaminen olisi ollut melko työlästä, eikä tiedot välttämättä olisi olleet vertailukelpoisia sellaisenaan esimerkiksi luokituksen takia. Kiitos Euroopan Unionin, käytettävissäni oli kuitenkin kohtuullisen laaja ilmainen tietopankki, josta löytyi tietoa myös Norjasta ja Islannista. NUTS 3 tason tietoa, eli suomeksi sanottuna maakuntatason tietoa ei kuitenkaan ollut kuin muutamista aiheista, lähinnä väestön määrästä ja alueiden koosta, mikä vaikutti suuresti karttani teeman valintaan. Olisin ensisijaisesti halunnut tehdä tulotasoon ja varallisuuteen liittyvän kartan, mutta en tähän hätään löytänyt aineistoa haluamallani tarkkuudella kaikista maista.

Kartan teema ei siis sinänsä ole maailman mielikuvituksekkain; pohjoismaiden maakuntien väestöntiheys ja väkiluku. Väestön alueellinen jakautuminen on kuitenkin erittäin oleellinen tarkastelun aihe Pohjoismaista puhuttaessa. Osa-alueiden väestöntiheys on esitetty kartalla värein ja väkiluku asukkaiden määrään suhteutetuilla rinkuloilla. Väestö on selkeästi keskittynyt alueen eteläosiin, kun taas pohjoiset alueet ovat harvaan asuttuja ja vähäväkisiä. Kunkin maan kokonaisväkiluvut olisi myös voinut ilmoittaa erikseen; esim Tanskan ja Suomen väkiluvut ovat lähestulkoon samat, mutta väestön alueellien jakautuminen eroaa suuresti. Islannin osalta tietoja oli saatavilla vain pääkaupungin ympäristöstä. Kartan ulkopuoliseen tietoon pohjautuen voidaan havaita, että tiheän asutuksen alueet mukailevat aika suoraviivaisesti Pohjoismaiden suurten kaupunkien sijainteja, mistä olisi myös voinut tehdä erillisen karttaesityksen.

Tilastoalueina käyttämieni ‘maakuntien’ määritelmä ei ole ihan yksiselitteinen, mikä aiheutti pientä päänvaivaa aineistoa kerätessä. Suomi ei ole mitenkään omalaatuinen kaikkien kuntaliitosten ja muutosten kanssa, vaan tilastoalueiden muuttuminen aiheuttaa onglemia myös kansainvälisellä mittakaavalla. Esimerkiksi Tanskassa on ilmeisesti ollut hallinnollinen alueuudistus vuonna 2007, jossa kuntien määrä väheni, ja maa jaettiin viiteen hallinnolliseen osa-alueeseen jotka näkyvät kartassani. EuroStatin sivuilla tiedot on suurimmaksi osaksi annettu kartalla näkyviä alueita tarkemmin, joten jouduin olemaan tarkkana yhdistellessäni tietoja (virheitä on hyvin luultavasti eksynyt joukkoon, mutta toivottavasti ei kovin suuria..).

Helpoimmalla pääsee, jos pyrkii tuomaan aineiston mahdollisimman valmiina ja hyvin jäsenneltynä MapInfoon. Käyttämistäni lähteistä sai onneksi ladattua suoraan Excel-tiedoston koneelle, jossa tein tarvittavat muutokset ja luokittelut ennen kuin toin aineiston paikkatieto-ohjelmaan.

Kartan kanssa en tehnyt kompromisseja. Valmista paikkatietoaineistoa kaikkien pohjoismaiden maakunnista ei löytynyt, joten piirsin alueet vektorimuotoon MapInfossa Nordregion karttapalvelusta löytyneen bittikartan pohjalta. Jätin Grönlannin ja Färsaaret pois esityksestä, koska niistä ei ollut mitään dataa (virallisessa kartassa ne perjaatteessa pitäisi kuitenkin esittää..). Piirtourakka oli ehkä hieman liian kunnianhimoinen käytettävissä olevaan aikaan nähden, mutta tulipahan tehtyä. Piirsin siis reippaasti maakunnat ja maiden rajat MapInfon monikulmiotyökalulla klikkaillen. Näin jälkeenpäin arvioiden olisin voinut yleistää piirtojälkeä vieläkin enemmän ilman että lopputulos olisi kärsinyt (esim. Norjan rannikko vaati vähän turhan paljon kärsivällisyyttä). Opin myös tehdessä monta [kertaalleen unohtunutta] läksyä:

• Tallenna säännöllisesti. taulukot taulukkoina, tarpeeksi välivaiheita workspace-muodossa jne. Mieluiten vielä sellaiseen paikkaan josta tiedot löytää seuraavallakin kerralla.
• Tee alusta asti huolellista työtä. virheitä on tuplasti ärsyttävämpää korjata jälkikäteen.
• Suunnittele ennen kuin teet. turha työ voi silti olla hyvää harjoitusta.

Keskeisimpiä MapInfo-työkaluja viimeistä karttaani ajatellen olivat bittikartan kiinnittäminen koordinaatistoon, alueiden piirtäminen, tietokannan päivitys Excelistä tuodulla tiedolla, teemakarttatyökalu, leibelöinti eli saraketiedon lisääminen karttaan label-työkalun avulla, sekä tietenkin layout-näkymän luominen legendoineen ja mittakaavoineen. Käytin lopullisten karttojen, kuten melkein kaikkien muidenkin blogissa julkaisemieni kuvien viimeistelyyn MapInfon lisäksi myös muita ohjelmia (Paint, CorelDraw, Paint Shop Pro & Photoshop..).

Hallitsen tällä hetkellä mielestäni suurimman osan kurssilla käsitellyistä paikkatietomenetelmistä. Aineiston luokittelu ja taulukoiden kanssa pläräily, eli erilaiset kyselyt ja toiminnot tuntuvat haasteellisimmilta asioilta. Yksityiskohtaiset Mapinfo-niksit unohtuvat aivan varmasti jo väliviikolla, mutta koen silti omaksuneeni kurssin aikana paljon tulevaisuudessakin hyödyllisiä kartanteko- ja aineistonkäsittelytaitoja.

lähteet ja linkit

Pohjoismaiden kartta osa-alueineen Nordregion sivuilta: http://nordregio.se/filer/regional/0722.htm

Euroopan komission alainen Eurostat: http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/themes

Nordregio osoitteessa www.nordregio.se

Statistics Norway (Statistisk Sentralbyrå), Statistikkbanken: http://statbank.ssb.no/statistikkbanken/

Google translate: http://translate.google.com/#no|fi|

Tilastoja Ruotsista: Statistiska Centralbyrån/Statistics Sweden

Pohjoismaisen yhteistyön virallinen kotisivu: http://www.norden.org/

Toiseksi viimeisen kurssikerran blogitehtävänä on laatia opettamiseen soveltuvia karttoja. Karttojen teemana on maanjäristykset, ja aineisto on haettu amerikkalaisen Advanced National Seismic System -sivuston maanjäristystietokannasta.

Päätin hakea tietoa kolmen eri suuruusluokan järistyksistä Richterin asteikolla Wikipediasta lunttaamani luokituksen mukaan. Hain tietokannasta kaikki 1.1.1990-1.1.2010 rekisteröidyt valtavat, eli yli 8,0 Richterin järistykset, sekä voimakaat ja erittäin voimakkaat 6,0-8,0 Richterin maanjäristykset. Yritin hakea samalta aikaväliltä myös pienehköt ja keskinkertaiset 4,0-6,0 Richterin järistykset, mutta tuloksia oli liian paljon ja hakukone antoi tuloksia vain yhden vuoden ajalta, joten päädyin poimimaan kaikki 1.1.2009-1.1.2010 rekisteröidyt 4,0-6,0 Richterin järistykset. Siirsin tiedot Excelin kautta MapInfoon ja tein kolme pistekarttaa eri suuruisien maanjäristysten esiintymisestä.

Innostuin tekemään kartoista animaation. Animaatiot on hauskoja, ja sopivat mielestäni hyvin haalimani maanjäristysaineiston visualsointiin. Löysin netistä ilmaisen GIF animaatioita tekevän sivuston picasion.com, jonka käyttöön ei tarvitse muuta kuin ladata valmiit kuvasarjan kuvat palvelimelle. Tein animaatiota varten kolme karttaa legendoineen; ensimmäisessä on pelkät yli 8 Richterin maanjäristykset, toisessa kaikki yli 6,0 Richterin järistykset ja viimeisessä kaikki MapInfoon syöttämäni maanjäristykset kolmeen eri luokkaan jaoteltuna. Lopputulos näyttää tältä:

Animaatiota ei valitettavasti saa tuon suuremmaksi, mutta siitä näkyy silti mielestäni kaikki oleellinen. Animaation voisi toki toteuttaa opetustilanteessa myös laittamalla diasarjan kuvat esim. PowerPointtiin eri sivuille ja vaihtelemalla niitä keskenään. Itseäni häiritsee hieman se, että 4,0-6,0 Richterin järistykset on kuvattu suuremmilla palloilla kuin 6,0-8,0 Richterin järistykset. Pienet pallot eivät kuitenkaan olisi erottuneet animaation viimeisessä diassa keskimmäisen luokan palloista, ja toisaalta alimman luokan järistyksiä esiintyy useita päällekkäin, joten olkoon pallojen koko nyt sitten ihan perusteltu.. Tarkkaavaisimmat (tai näsäviisaimmat) oppilaat saattavat myös huomata, että luokkarajat menevät päällekkäin (esim. 4,0-6,0 ja 6,0-8,0), mutta tämä ei käytännössä vääristä kartan viestiä.

Animaatiosta käy selkeästi ilmi eri suuruisten maanjäristysten sijainti ja määrä. Valitsemani aikahaarukka sisältää maanjäristyksiä joiden jälkiä korjaillaan yhä tänäkin päivänä, mikä tekee aiheesta konkreettisen ja mielenkiintoisen. Animaatio sopisi näytettäväksi oppilaille joilla on jo jonkin näköistä pohjatietoa maanjäristyksistä. Aikaisemmin opitun perusteella voidaan mm. huomata, että animaation pisteet mukailevat kuva kuvalta yhä selkeämmin mannerlaattojen rajakohtia. Richterin asteikon logaritmisuus on myös hyvä selventää oppilaille.

Opettajana kiinnittäisin huomion seuraaviin asioihin:

• Maanjäristysten sijainti: Eroja ja yhtäläisyyksiä eri vahvuisten järistysten sijainnissa. Miksi vain heikoimpia maanjäristyksiä esiintyy mannerten sisäosissa? Järistysten voimakkuuksien yhteys järistysten sijaintiin? (–>keskiselänteissä heikompia järistyksiä verrattuna törmäys- ja subduktiovyöhykkeisiin) & animaation vertailu karttaan mannerlaattojen sijainnista,esimerkiksi tällaiseen.
• Aikaväli: 4,0-6,0 Richterin järistykset ovat vain vuodelta 2009, mutta täyttävät silti karttaa huomattavasti enemmän kuin kahdenkymmen vuoden aikana rekisteröidyt yli 6,0 Richterin maanjäristykset –> heikompia järistyksiä esiintyy useammin ja laajemmalla alueella, kun taas voimakkaimmat järistykset ovat keskittyneet tiettyihin kohtiin pitkälläkin aikavälillä.
• Ihmiset maanjäristysalueilla: vertailua maailmanlaajuisiin väentiheyskarttoihin (yksi esimerkki täällä) ja suurkaupunkien sijaintiin (melko hyvä kartta löytyy täältä), lisäksi oppilaiden kanssa voitaisi käydä läpi muutama tapausesimerkki menneen vuosikymmenen tuhoisimmista maanjäristyksistä (esim. vuonna 2004 monia suomalaishenkiäkin vaatineen tsunamin aiheuttanut yli 8,0 Richterin järistys Intian valtamerellä).

Yleistä pohdintaa

Viidennellä kurssikerralla ratkoimme erilaisia paikkatietoanalyyseja vaativia tehtäviä kaiken tähän oppimamme MapInfo-osaamisen pohjalta. Keskeisenä uutena asiana opimme bufferoimaan, eli luomaan puskurivyöhykkeen tietyn kohteen ympärille. Sigma-toiminto eli summasymbolia painamalla avautuva tilastotietotaulukko oli toinen hyödyllinen työkalu joka tuli uutena viime kurssikerralla. Toiminnon avulla sai helposti selville esim. tehtävissä kysytyt asukasmäärät. Sain tehtävät tehtyä toivottavasti edes melkein oikein, vaikka hermo meinasi välillä mennä kun yritti miettiä että mikä nyt piti lisätä mihinkin ja millä komennolla ja miksi ja niin edelleen.

Bufferoimalla eli puskuroimalla voidaan määrittää jonkin piirretyn objektin ympärillä oleva vyöhyke ja katsoa kuinka monta kohdetta jää tämän alueen sisälle, esimerkiksi kuinka monta taloa on tietyn etäisyyden päässä tiestä. Itse bufferin luominen on käytännössä helppoa, kunhan tietää mistä pitää klikata. Varsinaista hyötyä puskurivyöhykkeesta on vasta kun tietää mitä tutkii, eli osaa perustellusti määrittää vyöhykkeen laajuuden ja etsittävät kohteet. Puskurointi on mielekästä esimerkiksi liikenteen melun vaikutuksien tutkimisessa tai kauppojen optimaalisen sijainnin määrittämisessä; voidaan katsoa kuinka monta taloa jäisi uuden tien melualueelle, tai tarkastella yrityksen kohderyhmään kuuluvien asukkaiden sijaintia suhteessa harkittuun toimipaikkaan. Bufferoinnin avulla voi myös tarkastella useampia vyöhykkeitä ja muuttujia kerralla kuten lentokenttätehtävässä, jossa määritimme alle 2km säteellä yli 65 desibelin vyöhykkeellä sijaitsevien asuntojen ja ihmisten määrän. Puskurivyöhykkeen tarkkuuteen vaikuttaa alkuperäisen kohteen piirtotarkkuus, puskurivyöhykkeen kulmikkuus sekä aineiston sijaintitarkkuus ja kattavuus. Puskuroimalla saadaan paljon uutta tietoa irti olemassa olevasta paikkatiedosta. Bufferi oli keskeinen työkalu myös juna-asemien ympäristössä asuvien ihmisten tarkastelussa.

Mielestäni vaikeinta MapInfon käytössä on ymmärtää ja osata syöttää erilaisia komentoja ja ehtoja tietojen käsittelyvaiheessa. Esimerkiksi alla tarkemmin kuvatussa putkiremonttitehtävässä menettelin ”tekemällä oppii” – periaatteella, eli kokeilin vähän kaikkea mahdollista, ja kyselin kavereilta kunnes älysin miten homma oikeasti toimii.  Ilmenevät ongelmat ratkeavat usein tarkastamalla kaikki syöttämäni määritykset ja yhtälöt, ja varmistamalla että käsittelen varmasti haluamaani saraketta tai tietokantaa. On esimerkiksi määriteltävä oikein miten ohjelma tulkitsee tiettyyn sarakkeeseen syötetyn tiedon (numeroita? Tekstiä? Minkälaisia numeroita? –> character/float/integer/decimal…), ja löydettävä oikea logiikka query-työkalun kyselyihin. Tiedon pyöritteleminen ja muokkaaminen tietokannoissa vaatii kärsivällisyyttä ja tarkkaavaisuutta jotta pysyy perillä siitä mitä tekee. Usein alan tekemään väärää asiaa ihan vaan sen takia että MapInfossa on liian monta taulukkoikkunaa auki samaan aikaan. Eri analyyseihin tarvittavia komentoja oppii käyttämään oikein rutiinin myötä.

Tähänastisen MapInfo-osaamiseni perusteella ohjelman keskeisimpiä työkaluja ovat tietokantojen muokkaukseen ja päivitykseen liittyvät toiminnot kuten sarakkeiden luominen ja päivitys, aineiston analysoinnin kannalta erilaiset queryt ja bufferointi sekä visualisoinnin kannalta teemakarttatyökalu ja layout-näkymän luominen. Bittikartan liittäminen koordinaatistoon on myös erittäin tärkeä työkalu. Hyödyllisiä toimintoja on siis monia, ja riippuu käyttäjästä ja käyttötarkoituksesta mitkä työkalut ovat kaikkein tärkeimpiä kyseiseen tapaukseen.

Itsenäistehtävät

Putkiremontit

Tehtävässä oli tarkoitus kartoittaa putkiremontin tarpeessa olevien kerrostalojen määrä Helsingissä ja esittää lopputulos kartalla. Käytännössä aineistosta tuli ensinnäkin seuloa Helsingin alueella olevat asuintalot yleensä, ja tarkemmin ottaen vuosina 1965-1970 rakennettujen kerrostalojen määrä pienalueittain. Keskeisimpiä työkaluja olivat Query-toiminnot ja sarakkeiden muokkaus, sekä lopuksi teemakarttatyökalu.

”Putkiremppaindeksi” eli remonttiuhan alla olevien kerrostalojen osuus koko asuntokannasta on esitetty koropleettikarttana pienalueittain. Kartalta erottuu tummimmalla värilla alueet joilla on suhteessa eniten vanhaputkisia taloja  ja vaalealla alueet joilla ei aineiston mukaan ole yhtään tai lähes yhtään 1965-1970 rakennettua kerrostaloa. Putkiremonttitalojen absoluuttinen määrä on esitetty aluepohjan päällä pisteinä, yksi piste vastaa kahta remppataloa.

Neljännen viikon blogitehtävänä on lukea vuonna 1993 julkaistu artikkeli The Basics of Geographic Information Systems (Blinn & al., University of Minnesota), joka käsittelee paikkatietojärjestelmien (=GIS= Geographic Information Systems) perusperiaatteita ja pohtia lukemaansa.

Artikkelin lukeminen ei varsinaisesti mullistanut tietämystäni geoinformatiikasta, mutta teksti toki selvensi kattavasti ja kansantajuisesti paikkatietojärjestelmien eri osasten ja ominaisuuksien luonnetta. Artikkelissa määritellään GIS tietokoneilla pyöritettäväksi monitasoiseksi järjestelmäksi jonka avulla voidaan koota, käsitellä ja esittää sijainteihin sidottua tietoa.  Vastaava määritelmä on tullut tutuksi jo lukion oppikirjoista ja yleismaantieteen perusopintojen kirjallisuudesta. Tämä toisaalta osoittaa sen (jos koulukirjani on tältä vuosituhannelta), että paikkatietojärjestelmien perusidea ei ole muuttunut sitten vuoden -93, vaikka kuinka puhuttaisi teknologian nopeasta kehityksestä ja vanhentumisesta.

Kehitystä on toki tapahtunut, voisi esimerkiksi kuvitella että tietokoneiden prosessointikyky on kasvanut huomattavasti artikkelin kirjoittamisen ajoista, minkä takia raskaidenkin tiedostojen pyörittäminen ei ole enää yhtä suuri ongelma kuin ennen. Geoinformatiikan perusidea on käsitykseni mukaan kuitenkin ennallaan; keskseistä on maantieteellisen tiedon tallennus, analysointi ja visualisointi teknologian keinoin. Paikkatiedon saatavuus on varmasti parantunut huomattavasti vuodesta 1993. Nykyään voidaankin keskittyä entistä enemmän itse paikkatietoanalyyseihin tiedon manuaalisen keräämisen,tietokantojen kokoamisen ja karttojen digitoimisen sijaan, eikä data välttämättä enää ole kallein osa GIS kokonaisuudessa, vaikka kerättävän ja päivitettävän tiedon määrä ei varmasti ole loppumassa maapallolta. Artikkelissa ikäänkuin haaveillaan ajasta jolloin kaikki maantieteellinen tieto olisi GIS-yhteensopivassa muodossa.

GIS koostuu laitteistosta, ohjelmistosta, datasta eli tiedosta sekä käyttäjästä. Artikkelissa painotetaan tiedon ja sen käsittelyn keskeistä roolia GIS kokonaisuudessa.  

Dataan on mielestäni tärkeä kiinnittää huomiota, sillä GIS tulee helposti miellettyä vain käyttöjärjestelmänä, johon aineisto vain putkahtaa jostain analysoitavaksi. Esimerkiksi TVT3-kurssin alussa paikkatieto oli lähinnä vain apuväline MapInfon käytön opetteluun ja karttojen tekemiseen. Kurssin edetessä itse aineiston muokkaus ja käsittely on kuitenkin ollut kerta kerralta keskeisempää karttojen tuottamisessa ja analyysien tekemisessä. On käynyt selväksi, että aineistoon livahtaa helposti virheitä jos paikkatieto-ohjelman käyttäjä ei keskity tekemisiinsä tai ylipäätään ymmärrä mitä tekee pyöritellessään tietoa sarakkeissa ja tietokannoissa. Lisäksi täytyy muistaa, että paikkaan sidottu tieto saattaa olla ylipäätään puutteellista virheellisten lähteiden takia. Kuten artikkelissa sanotaan, tietoihin ei tulisi luottaa sokeasti vaikka ne löytyvätkin GIS-tietokannasta. Paikkatiedosta tulisi aina olla saatavilla ns.datasanakirja, luettelo josta löytyy metadataa eli ’tietoa tiedosta’. Pelkkien kylmien numeroiden pyörittely ilman varsinaista tietoa aineiston sisällöstä ei johda kovin syvälliseen lopputulokseen.

Tieto tallennetaan paikkatietojärjestelmään rastereina ja vektoreina. Rasterimallissa paikkaan sidotut sijainti- ja ominaisuustiedot on tallennettu ruutumatriisiin ruutuihin eli soluihin. Solujen, eli ruudukon ruutujen koko vaikuttaa suuresti rasteripohjaisen tietokannan käytettävyyteen; mitä suurempi solukoko, sitä suurempi yleistysaste. Vektorimuotoinen data koostuu koordinaatistoon sidotuista objekteista; pisteistä, viivoista ja monikulmioista. Vektoriaineisto vie vähemmän levytilaa kuin rasteritietokanta, mutta sen tuottaminen on työäämpää ja kalliimpaa. Vektoripohjaisen karttakuvan tarkkuus ei kärsi jos mittakaava muuttuu. Tasoajattelu on keskeistä sekä vektori-että rasterimuotoisen paikkatiedossa.

Sen enempää liioittelematta voi varmaan sanoa, että geoinformatiikka on mullistanut karttojen tuottamisen. Vaikka GIS-karttojen tekoon päteekin samat säännöt projektiosta, mittakaavasta ja koordinaatistosta kuin perinteisissä kartoissa, geoinformaatiikan hyödyntäminen tuo monia uusia ulottuvuuksia maantieteellisen tiedon visualisoimiseen. Manuaalisen piirtämisen lisäksi GIS-kartoissa on myös mahdollista koota karttaelementtejä eri lähteistä sekä analysoida ja mitata karttaan sisältyvää tietoa. Paperinen kartta, oli se sitten tietokoneella tai käsin piirretty, on ainoastaan visuaalinen mallinnus todellisuudesta. Ilman geoinformatiikkaa tehtyyn karttaan sisältyy toki paljon tietoa, mutta vain sen verran kuin silmä näkee. Paikkatietojärjestelmien avulla kartasta saa moniuloitteisemman ja interaktiivisen. Karttanäkymä on ikäänkuin ikkuna kaikkeen alueesta tallennettuun tietoon. GIS pohjaisen kartan päivittäminen, projektion vaihto ja eri elementtien lisäily tai poisto on myös huomattavasti helpompaa pelkästään graafisiin kartantekomenetelmiin verrattuna. Oman kokemukseni pohjalta vektorigrafiikkaohjelmalla piirretty kartta näyttää kuitenkin nätimmältä kuin MapInfon tuotokset, mutta lopputuloksen siisteydessä voi toki olla ohjelmakohtaisia eroja . Perinteinen piirtäminen on kuitenkin edelleen tärkeä visualisointikeino karttoja tehdessä, ja on hyvä muistaa, että perinteisen kartan tavoin myös GIS-kartta on tekijänsä valintojen tulos.

Tavallisia kaksiulotteisia karttalehtiä voi toki esimerkiksi tarkastella päällekkäin, mikäli kartat ovat samassa mittakaavassa ja projektiossa. GIS-ympäristössä tasojen päällekkäistä tarkastelua kutsutaan Overlay-analyysiksi. Toiminnon avulla voidaan niinsanotusti pinota eri tasoilla olevia karttaelementtejä päällekkäin, ja tarkastella esimerkiksi maankäytön tai kasvipeitteen ja maalajien yhteyttä tietyllä alueella.  GIS-pohjasia karttoja voi periaatteessa asettaa päällekkäin rajattoman määrän aineiston puitteissa, kun taas paperisia karttoja pinotessa voidaan käytännön syistä tarkastella vain muutamaa tasoa kerrallaan.  

Harjoittelimme nejännellä kerralla ruututeemakartan tekemistä MapInfolla. Pienen testailun jälkeen päädyin tekemään esityksen alle 15-vuotiaiden asukkaiden sijoittumisesta pääkaupunkiseudulla.

Valitsin esityksen pohjaksi neliökilometrin kokoiset ruudut. Neliökilometri on helposti ymmärrettävä alueen mitta kartan lukijan näkökulmasta. Pienempi ruutukoko näytti mielestäni vähän liian puuroiselta koko pääkaupunkiseudun laajuiseen esitykseen, suurepialainen jako olisi kenties yleistänyt tuloksia liikaa. Pienemmällä ruutukoolla olisi toisaalta saanut aikaan liukuvärimäisen eistyksen, jossa aineiston vaihettumisen nopeus olisi käynyt paremmin esille, kuin valitsemassani yleistetymmässä versiossa. Halusin kuitenkin yksinkertaistaa ja helpottaa kartan luettavuutta selkeästi erottuvalla ruutukoolla.

Toisin kuin erikokoisista alueista koostuvalla koropleettiteemakartalla (esim. esitys kunnittain), ruutupohjaisella teemakartalla voidaan esittää absoluuttisia arvoja. Ruutumatriisin ruudut ovat kaikki samankokoisia, joten alueelliset tiedot ovat vertailukelpoisia sellaisenaan. Koska valitsin ruutukooksi 1x1km ruudut, kartalla esitetty tieto voidaan tulkita suoraan yksikössä as/km².

Käytettävissäni oli talokohtaista aineistoa pääkaupunkiseudun asukkaiden lukumääristä iän tarkkuudella. Poimin aineistosta kaikki alle 15-vuotiaat henkilöt, eli karkeasti sanottuna lapset. Alle 15-vuotiaista suomalaisista valtaosa asuu oletettavasti vanhempiensa luona, joten esitys antaa välillistä informaatiota lapsiperheiden sijainnista.

Summasin tiedot 0-14 – vuotiaiden määrästä omaksi sarakkeekseen ja siirsin datan ruutumatriisiin. Aineiston jakauma on erittäin vino. Valitsin luokittelutavaksi kvantiilit, kuten varmaan kaikkii tällä kurssilla tekemiini karttoihin. Aineiston perusteltu luokittelu on kieltämättä edelleen vähän hakusessa, vaikka olenkin koittanut lueskella ohjeita luokittelun valintaan. Vino jakauma olisi ilmeistesti paras luokitella sovinnaisten pyöristettyjen luokkavälien avulla, tai jonkin matemaattisen kaavan mukaan, mutta kvantiilit on ilmeisesti myös ihan ok vinon jakauman luokitustavaksi (ja heti tyrkyllä MapInfon teemakarttatyökalussa..).

Luokittelu vaikuttaa suuresti kartan ulkonäköön; ylimpään luokkaan kuuluvat kaikki neliökilometrin ruudut joiden alueella asuu aineiston mukaan 4-40 alle 15-vuotiasta. Tällä luokittelutavalla aineistoon saadaan kontrasteja, mutta esitys saattaa toisaalta johtaa hieman harhaan, sillä se asettaa ruudut joissa asuu neljä tai 40 lasta samalle viivalle. Lopputulos on mielestäni kuitenkin ihan toimiva.

Kartan ensisijainen tarkoitus on nostaa esille alueet, joilla asuu paljon alle 15-vuotiaita. Ylimpään luokkaan kuuluvat tummat ruudut tulevat hyvin esille, ja nimistö on valikoitu korostamaan ja merkitsemään runsaslapsisten kaupunginosien sijaintia. Kartan värimaailma on ehkä vähän tylsä; kellertävä ja musta, mutta eri luokat tulevat selkeästi esille ja yleisvaikutelma ei ole liian levoton. (Kuva aukeaa uuteen välilehteen klikkaamalla.)

Itselleni tuli ensimmäiseksi mieleen karttaa katsoessani, että tässäkö kaikki pääkaukiseudun lapset muka on. Ovatko kaikki valkoiset alueet todella lapsetonta aluetta? Hätä johtui varmaan siitä, että olen tottunut katsomaan hallinnolliseen aluejakoon pohjautuvia koropleettikarttoja, jotka yleistävät informaation kattamaan koko aluetta tasaisesti. Todellisuudessahan pääkaupunkiseudulla on paljon asumatonta metsää, peltoa ja pusikkoa, mikä selittää suurimman osan valkoisesta alueesta. Olisin myös voinut lisätä karttaan maankäyttöä kuvaavan tason josta olisi näkynyt rakennetun ja rakentamattoman alueen raja, mutta loppupeleissä maankäyttökartta lähinnä sekavoitti jo valmiiksi läikikästä karttaa ja peittyi rastereiden alle.

Rasteriteemakartasta on vaikea saada samalla monipuolista ja selkeää. Käytettävissä olisi ollut elementtejä alueen maankäytön lisäksi tieverkosta ja pienalueista, mutta valistin lopulliseen karttaan rasteriteeman lisäksi ainoastaan kuntien rajat, vesistön ja nimistön. Nimistöstä päätin merkitä vain runsaslapsiset alueet, ja näistäkin vain osan. Kaikkia tummaan ruutuun osuvia kaupunginosia ei ole kuitenkaan nimetty, vaan koetin nimetä alueita tasaisesti. Vantaalaisuuteni vaikutti myös hieman kartalle merkittyyn nimistöön; Tammiston paikalla voisi yhtä hyvin lukea Helsingin puolella sijaitseva Siltamäki, mutta valitsin kahdesta päällekkäin menevästä nimestä tutumman Vantaan puoleisen vaihtoehdon. Espooseen jätin laittamatta vieraalta kuulostavia paikannimiä. Tieverkon lisääminen olisi auttanut kartan katsojaa sijoittamaan alueet kohdalleen, mutta päätin kuitenkin jättää tiet pois lopullisesta esityksestä, koska nimistö, ruudukko ja kuntarajat samalla kartalla vilisevät ihan tarpeeksi silmissä jo sellaisenaan..

Koropleettikarttaan verrattuna rasteriteemakartta on parempi sijaintitarkkuudeltaan. Mitä pienempi ruutumatriisin rasterikoko on, sitä tarkempi esitys, mutta tiheärasterinen tiedosto on toisaalta raskas ja vie paljon levytilaa. Ruutumatriisin alueet ovat identtisiä, joten niihin syötetyt arvot ovat vertailukelpoisia sellaisenaan. Rasteriaineisto on usein koottava itse ja mikäli tietoa on tallennettu eri tarkkuusasteilla, joudutaan yleistämään epätarkimpaan ruutukokoon, jotta aineistoon ei tule virheitä. Koropleettiteemakarttojen pohjana käytetyt hallinnolliset alueet ovat melko vakiintuneita tilastoyksikköjä, kuten esimerkiksi kunnat, ja niihin sidottua tietoa on yleensä saatavissa kattavasti, ja vakiintuneiden aluekokonaisuuksien avulla viesti välittyy kartalla kansantajuisessa muodossa.

Kaiken kaikkiaan tekemältäni ruututeemakartalta käy mielestäni selkeästi ilmi alueet joilla alle 15-vuotiaiden lukumäärä on suuri. Parhaiten esille nousevat paikannimellä korostetut alueet. Ensi alkuun karttaa tulisi vertailla koko väestön jakautumisesta tehtyyn vastaavaan. Lapsia on luonnollisesti paljon siellä missä väestön määrä on muutenkin suuri; helsingissä on enemmän lapsia kuin Vantaalla, kuten asukkaita ylipäätäänkin. Nopealla vertailulla kurssikerralla tekemääni rasteripohjaiseen väestökarttaan verrattuna runsaslapsisimmat alueet eivät kuitenkaan noudattele täysin väestön yleistä jakautumista pääkaupunkiseudulla, esimerkiksi Helsingin ydinkeskussa asukasluku on suuri, mutta lapsien osuus pieni.  Kartan tietoja voisi vertailla edelleen esimerkiksi tietoihin alueiden rakennustyypeistä, peruskoulujen sijaintiin, leikkipuistoihin, harrastusmahdollisuuksiin ja niin edelleen. Valitsemani ikähaarukka sisältää monta alaluokkaa, kuten alle kouluikäiset, alakouluikäiset ja yläkouluikäiset joita kutakin voisi tarkastella omina kokonaisuuksinaan.

Tutustuimmen kolmannella kurssikerralla siis mahdollisuuksiin yhdistellä tietoa MapInfon tietokantojen sisällä ja niiden välillä, sekä harjoittelimme tiedon tuomista Excelistä “mäppäriin”. Käytimme harjoituksissa Afrikkaa koskevaa aineistoa. Kolmannen kurssikerran toisena tehtävänä on miettiä, miten tätä Afrikkaa koskevaa paikkatietoa voisi hyödyntää.

Aineistossa oli väkiluvun sekä maidennimien lisäksi tietoja internetin käyttäjien määrästä, Afrikan maiden alueella sijaitsevista timanttikaivoksista, konfliktipaikoista ja näiden konfliktien laajuudesta, sekä mantereen öljykentistä. Näihin tietoihin voitaisiin edelleen lisätä timantti- tai öljyesiintymien löytymisvuosi, kaivosten avausvuosi, öljykenttien poraamisvuosi, öljykenttien tuottavuusluokittelu, netin käyttäjien määrä eri vuosina  jne.

Paikkaan sidottua aineistoa on luonnollista tarkastella sen sijainnin suhteen. Tunnilla käydyssä esimerkissä yhdistimme mm. Afrikan kaikki timanttikaivokset sisältäneen tietokannan tiedot Afrikan maiden listaan ja saimme yksinkertaisempaan muotoon tiedon siitä, kuinka monta timanttikaivosta kunkin maan alueella sijaitsee. Samalla idealla voitaisi tarkastella myös useampaa muuttujaa kerralla, kuten esimerkiksi tuottavien öljyesiintymien ja internetin käyttäjien määrän yhteyttä. Tuottoisan öljykentän sijainti maan alueella saattaisi ennustaa suhteellisen korkeaa netinkäyttöastetta. Jos näin ei ole, tuloksesta voisi vetää jotain johtopäätöksiä varallisuuden jakautumisesta kyseisessä maassa.

Aika on myös erittäin tarkeä ottaa huomioon paikkatietoaineiston tarkastelussa. Uutta tietoa tulee jatkuvasti, ja mahdollisesti vanhentuneita tietoja ei pitäisi käyttää yksinään nykytilanteen arvioimiseksi, mutta eri vuosilta peräisin olevien tietojen pohjalta voi tarkastella ilmiöiden taustoja ja muutosta.   Afrikka-aineistosta voisi esimerkiksi tutkia timanttikaivosten tai öljynporauksen mahdollista yhteyttä konflikteihin. MapInfon avulla voisi vertailla konfliktien syttymisen ja kaivosten tai öljyesiintymien löytymis- ja käyttöönottovuosien yhteyttä eri alueilla. Kiista resursseista on hyvin voinut olla yksi syy levottomuuksien taustalla jos vuodet osuvat suurinpiirtein yhteen. Toisaalta vaurastuneiden maiden alueella saattaisi olla ollut  jopa vähemmän konflikteja kuin muualla Afrikassa vaurastumisen tuoman vakauden vuoksi, mutta olettaisin silti, että luonnonvarojen hyödyntäminen on etupäässä luonut jännitteitä . Tarkastelavan alueen ei välttämättä tarvitse rajautua valtionrajoihin, sillä konfliktien yhteydessä on myös tieto levottomuuksien vaikutussäteestä poliittisiin rajoihin katsomatta.

“Muutos ajassa” – näkökulmasta voisi myös tarkastella internetin käytön lisääntymistä eri valtioissa. MapInfolla voisi esimerkiksi luoda karttaesityksen internetin käyttäjien suhteellisesta lisääntymisvauhdista maittain. Saatuja tuloksia voisi sitten vertailla esimerkiksi maiden tulotason muutokseen, vallitsevaan uskontoon, tai kaupungistumisasteeseen joitain vaihtoehtoja mainitakseni.

Jälleen kerran, tässä esitettyjen hypoteesien tueksi täytyisi tuntea aineisto hyvin ja hankkia lisätietoa esim. maiden taloudellisesta tilanteesta, tapauskohtaista faktaa eri konflikteista jne.

Kolmannella kurssikerralla opettelimme muokkaamaan tietokantoja ja tuomaan uutta tietoa Mapinfoon. Tunnin lopuksi teimme Suomen vesistöaluieista teemakartan muokkaamamme aineiston pohjalta. Ohjeena oli tulkita kartan sisältöä näin maallikkona, eli s’il vous plait tässä versioni:

Tekemäni kartta esittää Suomen vesistöalueiden järvisyyttä ja tulvaherkkyyttä. Järivsyys on osoitettu pylväinä, jotka kuvaavat järvien pinta-alan osuutta valuma-alueen pita-alasta. Tulvaherkkyys on osoitettu tulvaindeksillä joka kuvaa valuma-alueiden keskiylivirtaaman ja keskialivirtaaman suhdetta. Virtaama tarkoittaa uoman kohdassa tietyssä ajassa virrannutta vesimäärää (kuinka monta litraa sekunnissa). Ylivirtaama tarkoittaa keskimääräistä suurempaa virtaavan veden määrää eli yleensä tulvaa. Alivirtaama viittaa kuivaan kauteen eli keskimääräistä alhaisempaan virtaamaan. Käyttämämme tulvaindeksi kuvastaa siis sekuntia kohden virranneen vesimäärän vaihtelua aina kuivimmasta kaudesta tulvahuippuihin uoman pokkileikkauksessa kyseisellä valuma-alueella. (Termien selitykset Tiedotusblogista..).

Ennen alla näkyvän kartan aikaansaamista yhdistelin siis tietoa MapInfon eri tietokannoista ja Excelistä MapInfoon, sekä laskin ohjelmalla tulvaindeksin annettujen tietojen avulla. Tulvaindeksin esittämistä varten tarkastelin aineiston jakaumaa (vino), valitsin sopivan luokkien määrän ja luokittelutavan (tresiilit) ja tein koropleettiteemakartan, ja sen päälle pylväsesityksen valuma-alueiden järvisyydestä. Värit valitsin esitettävän ilmiön mukaan. Sininen on veden väri, joten valitsin sen tulvaindeksin kuvaamiseen, tummuusaste osoittaa indeksin suuruuden. Pylväsiin valitsi liilan koska se erottuu tarpeeksi mutta ei liian räikeästi sinisestä pohjasta. Alkuperäinen kartta oli vähän vinossa, joten suoristi pohjoisen katsomaan ylöspäin vaihtamalla projektion oikeaksi (?). Tadaa:

Yleissilmäyksellä kartalta erottuu selkeästi rannikkoseutujen suurempi tulvaherkkyys sisämaahan nähden. Vastaavasti sisämaan suurten valuma-alueiden järvisyysprosentti on huomattavasti suurempi kuin mereen yhteydessä olevien valuma-alueiden. Nopeana yhteenvetona voisikin siis todeta että rannikoiden valuma-alueet ovat tulvaherkkiä ja että alueella on vähän järvipinta-alaa, kun taas sisämaan vesistöalueilla on laajalti järviä, ja tulvariski ei oli kovin suuri.

Miksi siis tulvaindeksi on suurempi rannikolla kuin sisämaassa? Ensinnäkin siksi, että rannikolla sataa keskimäärin enemmän kuin maan sisäosissa, mikä vaikuttaa suoraan virtaavan veden määrään. Virtaamahuippu on siis helposti hyvin suuri verrattuna kuiviin jaksoihin. Toisekseen, kuten kartta kertoo, mereen yhteydessä olevien valuma-alueiden järvien yhteispinta-ala ei ole kovin suuri eli vesi virtaa pääosin joissa. Lumien sulaessa ja voimakkaiden sateiden yhteydessä joissa virtaavan veden määrä kasvaa herkästi. Järvialtaat puolestaan tasoittavat virtaamahuippuja, joten vaihtelu jää pienemmäksi. [lisäystä LuMa-tunnin jälkeen: järvialtaissa haihtuminen on voimakasta, joka osaltaan pienentää virtaamaa runsasjärvisillä alueilla]

Suomen pinnanmuotojen eli topografian tunteminen auttaa myös avaamaan syitä siihen, miksi kartta näyttää siltä miltä näyttää. Oleellisinta tämän kartan yhteydessä on osata sijoittaa Salpausselät ja Suomenselkä kartalle. Nämä ympäristöään korkeammat vyöhykkeet maastossa vaikuttavat suuresti veden liikkeisiin. Suomenselkä on luode-kaakko -suuntainen vedenjakaja, joka erottaa Pohjanlahteen laskevat Pohjanmaan joet (kartalla ylimmässä tai toisiksiylimmässä tulvaindeksiluokassa) keski-Suomen järvialueesta (alin tulvaindeksiluokka). Pohjanmaa on alavaa ja järvialtaita vähän tai ne ovat pieniä, minkä takia virtaaman vaihtelut uomissa ovat tavallisia. Salpausselät puolestaan toimivat rajaviivana laajajärvisten valuma-alueiden ja suomenlahteen valuvien vesistöalueiden rajana; Salpausselät nimensä mukaan salpaavat vedet pohjoispuolelleen. Salpausselistä etelään valuma-alueet ovat pieniä, pitkulaisia ja kapeita jokien valuma-alueita.

Kartalta voi siis tulkita Suomen eri alueiden tulvaherkkyyttä ja valuma-alueiden luonnetta virtaaman vaihtelun ja järvialan perusteella. Rannikoilla virtaaman vaihtelu on voimakkaampaa kuin sisämaassa, meren läheisyydestä, ja järvien koosta ja määrästä johtuen.

Kartan ulkonäössä olisi mielestäni parannettavan varaa. En tiedä, ehkä rannikkoalueiden pieniä ja pirstaleisia valuma-alueita olisi pitänyt yhdistellä suuremmiksi kokonaisuuksiksi, jotta kartasta olisi tullut selkeämpi. Nyt pienten alueiden pienet järvisyyspylväät näyttävät sekavalta mössöltä, vaikka alueiden vähäjärvisyys onkin tulkittavissa esityksestä. Näin maallikkona en kuitenkaan mennyt muokkaamaan mitään yhdistettyjä valuma-alueita kartalle.. Kartta näyttää vähän hölmöltä myös sen takia että valuma-alueiden ääriviivat eivät noudata Suomen rajoja, vaan levittäytyvät hallinnollisen alueen ulkopuolelle. Kaiken kaikkiaan kartan perusviesti tulee tekeleestäni esille, mutta kovin kaunis kartta ei ole.

Eri alueiden tulvaindeksejä voisi hyödyntää esimerkiksi maankäytön suunnittelussa ja riskien ennustamisessa, mutta taidan jättää syvällisemmät tulkinnat kartan informaatiosta tulevaisuuteen. Nähtäväksi jää, pystynkö tätän parempaan kevään luma-kurssin jälkeen.

Toisen TVT3-nelituntisen aiheena oli tutustua erilaisten teemakarttatyyppien tekoon MapInfolla. Edellisellä viikolla käsitellyn koropleettikartan lisäksi meidän pitäisi nyt periaatteessa osata tehdä myös pylväs- ja ympyrädiagrammikarttoja, pistekarttoja, liukuväripintaisia Grid-karttoja, prismaattisia karttoja, 3D-karttoja ja mitä vielä.

Tämän viikon tehtävänä oli esittää kaksi eri teemaa samassa kartassa niin, että lopputulos on perusteltu ja visuaalisesti järkevä. Muutamien kokeilujen jälkeen päädyin tekemään kahden päällekkäisen koropleettiteeman kartan Lapin kuntien taajama-asteista sekä eläkeikäisten osuuksista. Viikon blogitehtävänä oli kommentoida kahden muuttujan koropleettiteemakarttoja käsittelevää artikkelia, joten koitan nyt sitten pohtia molempia tehtäviä tässä samaan aikaan..

Koropleettiteemakarttaa tehdessä on ensialkuun muistettava että esitettävän ilmiön määrä täytyy olla suhteutettu alueen kokoon. Kartalla esittämissäni teemoissa taajama-aste on ilmoitettu taajama-asutuksen prosenttiosuutena kaikesta alueen asutuksesta, ja eläkeikäisten osuus yli 65-vuotiaiden osuudesta kunkin alueen, eli Lapin kuntien asukasmäärästä.

Olin aluksi sitä mieltä että kahden eri teeman esittäminen samalla kartalla päällekkäisenä väri-ja viivapuurona ei ole kovin selkeä tapa esittää tietoa. Luettuani Anna Leonowiczin artikkelin Two-variable choropleth maps as a useful tool for visualization of geographical relationship (2006) ja kokeiltuani itse kahden muuttujan kartan tekoa, mielipiteeni on hieman muuttunut. Kuten artikkelissa sanotaan, kahden muuttujan koropleettikartan vahvuus on kahden eri ilmiön suhteiden esittämisessä. Erillisillä kartoilla esitettynä kahden alueellisen ilmiön yhteisvaihtelu ei tule välttämättä yhtä hyvin esitelle, kuin hyvin tehdyssä kahden päällekkäisen teeman kartassa.

Karttani pyrkii siis esittämään taajama-asteen ja yli 65-vuotiaiden osuuden samalla kartalla, jotta niiden välistä yhteyttä voi tarkastella. Aineistoa luokiteltaessa oli jälleen yritettävä välttyä kiusaukselta käyttää ensimmäistä MapInfon teemakarttatyökalun antamaa luokitustapaa, ja uhrata hieman aikaa aineiston tarkasteluun. Tarkastelin aineistojen jakautumista histogrammityökalun avulla; kuntien taajama-asteiden jakauma näytti melko selkeästi normaalilta, kun taas eläkeikäisten osuuksista laaditun histogrammin tulkinta oli hieman vaikeampaa, jakauma oli joko normaali tai epämääräinen.. Valitsin luokittelutavaksi kvantiilit, eli kussakin luokassa on suurinpiirtein yhtä monta tapausta.

Selkeyden ja luettavuuden säilyttämiseksi kahden muuttujan koropleettikartassa ei kannata käyttää enempää kuin kolmea luokkaa aineiston jaottelussa. Aineiston luokittelu kolmeen yhtäsuureen luokkaan helpottaa myös kartan tulkintaa; kartan lukija näkee nopeasti mitkä kunnat kuuluvat ylimpään, keskimmäiseen tai alimpaan kolmannekseen eläkeikäisten ja taajamamaisen asutuksen suhteen Lapissa. Tämä on keskeinen huomio myös lukemassani artikkelissa. Kartassani on siis 3×3 luokkaa; kolme luokkaa taajama-asteen perusteella ja kolme luokkaa yli 65-vuotiaiden osuuksien perusteella, kartalla alueet jäsentyvät näiden luokkien yhdistelminä.

Luokittelun lisäksi rastereiden ja värien valinta vaikuttaa suuresti kartan ulkonäköön ja luettavuuteen. Leonowicz puhuu artikkelissaan erilaisista liukuväriratkaisuista kahden eri muuttujan esiintymisen esittämiseksi samalla kartalla. Visuaalisesti tehokkaiden ja toimivien väriskaalojen valitseminen ei ainakaan tämän artikkelin perusteella vaikuta kovin selkeältä ja helpolta puuhalta. Toimivien väriyhdistelmien löytyminen vie varmasti paljon aikaa ja vaatii paneutumista aiheeseen.

Artikkelissa mainittu liukuväriesitys vaatii ymmärtääkseen ruudukkomaisen legendan, josta eri tummuusasteet ja niitä vastaavat arvot voidaan lukea. Tällaista legendaa ei ole mielestäni kovin helppo tulkita nopealla vilkauksella. Kartan lukijalta siis vaaditaan tietty määrä kärsivällisyyttä ja kiinnostusta paneutua kartan ideaan, jotta viesti välittyy oikein. Itselleni legendaboxin logiikka ei oikeen vieläkään täysin auennut..

MapInfolla ei käsittääkseni voi tehdä väreillä kahden muuttujan koropleettikarttaa, joten erotin oman karttani muuttujat väreillä ja rastereilla kuten ohjeessa neuvottiin. Valitsin vihreän skaalan kuvaamaan kuntien taajama-asteita; mitä tummempi väri, sitä suurempi taajama-aste. Yli 65-vuotiaiden osuus on esitetty värjättyjen alueiden päällä viivoin ja ruudukoin. Mielestäni havainnollisinta oli valita tiheältä näyttävä ruudukkokuvio kuvaamaan suurinta luokkaa, keskimmäisen luokan symboli on kenoviivat ja alimman vaakaviivat. Nimistön lisääminen karttaan ei tunnu kovin järkevältä, joten jätin nimistön pois esityksestä. Paikannimet saisi toki erottumaan taustavärin avulla rasteripinnoista, mutta teksti tekisi esityksestä entistä sekavamman ja vaikeasti luettavamman. Liukuväriversiossa nimistö ei sotkisi yleisvaikutelmaa yhtä paljon.

Lopputulos on mielestäni ihan kelvollinen, vaikka olenkin edelleen sitä mieltä että kartta, jossa on kaksi koropleettiteemaa päällekkäin on nopealla vilkauksella hyvin sekavan näköinen, kuten siis myös tämäkin. Koska luokkia on vähän (3×3), kuten artikkelissa ja viikkotehtävän ohjeessa suositeltiin, kartta on kuitenkin tulkittavissa melko pienellä panostuksella. Vaaleimman värisissä kunnissa on alhaisin taajama-aste, eli kyseiset kunnat ovat suhteessa harvaan asuttuja. Vastaavasti ruuturasterin peittämissä kunnissa on suhteellisesti suuri määrä yli 65-vuotiaita. Vinot rasteriviivat saavat pohjalla olevan väripinnan näyttämään todellista tummemalta, etenkin yhdistettynä alimman luokan kellertävään väriin. Tämä on ehkä suurin miinus kartan ulkoasussa, sillä se vaikuttaa suoraan kartan tulkittavuuteen.

Karttaa tulkittaessa on ehkä helpointa ja tarkoituksenmukaisinta keskittyä ääripäihin, eli etsiä kunnat joissa taajama-aste on suuri ja yli 65-vuotiaiden osuus pieni tai päinvastoin. Esimerkiksi Rovaniemen kaupungissa ja entisen Rovaniemen maalaiskunnan alueella taajama-aste on korkea kaikkiin Lapin kuntiin verrattuna, kun taas yli 65-vuotiaita on suhteessa vähemmän kuin Lapin kunnissa yleensä. Toisaalta myös Inarin kunta osuu samaan luokkien yhdistelmään kuin Rovaniemi, eli kartan mukaan kunnat muistuttavat toisiaan taajama-asteen ja eläkeikäisen väestön suhteen. On kuitenkin huomioitava, että Inari on laaja kunta, Suomen laaja-alaisin itseasiassa, ja että kunnasta saatu tilastoaineisto on yleistetty kartalla kattamaan tasaisesti koko kunnan aluetta. Sen suuremmitta kenttätutkimuksitta voi arvata, että kuntien tilanne ei kuitenkaan ole käytännössä samanlainen. Inarissa etäisyydet ovat huomattavasti pidempiä, ja taajamamainen asutus on Ivalon kaupungin lisäksi lähinnä matkailukeskuksissa, kun taas Rovaniemen kaupungin ympäristössä palvelut ovat luultavasti helpommin saavutettavissa ja ikärakenne saattaa olla suotuisampi, vaikka yli 65-vuotiaden osuus onkin samaa luokkaa kuin Inarin kunnassa.

Karttaa tehdessä ensisijainen ajatukseni oli löytää kunnat, joissa väki on kaikkein ikääntyneitä ja asutus harvaa. Kartalla kyseiseen luokkaan kuuluvat kunnat on merkitty kellertävällä väripinnalla ja ruuturasterilla. Kartassa nyt tosiaan ei ole nimistöä, mutta kriteerit täyttäviä kuntia ovat esim. Pelkosenniemi ja Salla Rovaniemen itäpuolella. Nämä kunnat ovat mahdollisia ongelma-alueita etenkin tulevaisuudessa, sillä voidaan olettaa että kyseisissä kunnissa on pitkät välimatkat ja palveluita harvakseltaan, mikä yhdistettynä iäkkääseen väestöön on suuri haaste ihmisten hyvinvoinnin ja alueen elinvoimaisuuden turvaamiseksi. On kuitenkin muistettava, että kartalta ei voida suoraan vetää johtopäätöksiä syy-seruaus suhteista. Voidaan yksinkertaisesti todeta, että kyseisellä alueella asutus on verrattain harvaa ja eläkeikäisten suhteellinen osuus Lapin kärkiluokkaa. Suuremman asiayhteyden ja syiden ymmärtämiseksi tarvitaan syvällisempää, tapauskohtaista tutkimusta. Esimerkiksi väestönmuutoksen, palveluiden määrän ja ikärakenteen monipuolisemman tarkastelun avulla voitaisiin laajentaa kuvaa todellisesta tilanteesta.

Kaiken kaikkiaan kahden päällekkäisen koropleettiteeman kartta vaikuttaa ihan toimivalta tavalta esittää kaksi alueellista ilmiötä samaan aikaan. Hyvin tehtyltä kahden muuttujan kartalta ilmiöden väliset alueelliset suhteet tulevat selkeämmin esille, kuin kahdella eri kartalla esitettyinä. Erillisiä karttoja katsoessa osa informaatiosta saattaa kadota ihan vaan sillä välin kun siirtää silmät kartalta toiseen. Toisaalta myös liian puuroisella kahden muuttujan kartalla voidaan vain aiheuttaa päänsärkyä kartan tulkitsijalle, vaikka tällä riittäisikin kiinnostusta ja aikaa tutkia karttaa. Kuten artikkelissa sanottiin, yhden muuttujan koropleettikartat ovat omiaan esittämään tietyn ilmiön alueellista esiintymistä, mutta useamman ilmiön väliset suhteet eivät havainnollistu yhtä tehokkaasti kuin selkeässä päällekkäisessä esityksessä.

Oleellisinta on että viesti välittyy kartan lukijalle.

Tutustuimme ensimmäisellä kurssikerralla MapInfon perustoimintoihin ja harjoittelimme koropleettiteemakartan tekoa ohjelmalla. Laadin tunnin päätteeksi teemakartan Helsingin pienalueiden asukastiheydestä. Tehtävänanto ensimmäisen kurssikerran blogimerkintään kuului seuraavasti: “Kirjoita päiväkirjamerkintä blogiisi siitä, mitä olet oppinut tällä kurssikerralla” , joten here it comes..

MapInfolla voi luoda suhteellisen helposti ja nopeasti teemakarttaesityksiä jos tuntee siihen tarvittavat komennot. Perustellun ja totuudenmukaisen esityksen aikaansaamiseksi kartan laatimiseen tulee kuitenkin paneutua teknistä toteutusta syvällisemmin, kuten Paarlahti meille muistutti maanantaiaamun tunnilla. Etenkin luokittelulla voidaan vaikuttaa suuresti kartan ulkonäköön ja viestiin, joten MapInfosta löytyviä oletusluokituksia ei pidä klikkailla ennen kuin on perustellut valintansa jollain tapaa.

Tarkastelin aineiston jakaumaa verkosta löytyvän histogrammityökalun avulla. Histogrammin perusteella aineisto näyttää vinosti jakautuneelta, kuten allaolevasta kuvasta näkyy. Tämän tiedon perusteella valitsin luokittelutavaksi kvantiilit, joka sopii vinosti jakautuneen aineiston luokitteluun. Kvantiilit pyrkii saamaan kuhunkin luokkaan yhtä monta havaintoa niin, että samanarvoiset tapaukset eivät päädy eri luokkiin.

Itse kartan tekeminen onnistuu muutamalla hiirenpainalluksella. Avasin teemakarttojentekotyökalun, valitsin ensin haluamani väriskaalan koropleettiesitykselle, asetin kvantiilit (MapInfossa ”Equal Count”) luokitusperusteeksi ja klikkasin ok. Lopullista esitystä varten lisäsin karttaan pohjoisnuolen ja mittakaavan, ja yhdistin karttanäkymän samaan ikkunaan legendan kanssa. Lopputulos näkyy alla.

Kartta on mielestäni selkeä ja esittää ilmiötä totuudenmukaisesti. Mielestäni kartan väriskaala sopii hyvin asukastiheyden esittämiseen. Kellertävä väri erottuu harvaan asuttuna alueena ja väriskaala tummuu vihreän kautta siniseen asukastiheyden kasvaessa. Kantakaupunki, töölö, Pasila ja tietyt raideliikenteen varrella olevat pienalueet erottuvat tiheimmin asuttuina alueina tummansinisellä. Ratapihan ja rautatieaseman alue erottuu ydinkeskustan tiheän asutuksen keskellä harvemmin asuttuna vaaleanvihreänä alueena. Värien ja luokittelutavan ansiosta aineiston alueelliset erot havainnollistuvat kartalla ymmärrettävästi.

Kartan yleinen sommittelu on ihan ok, mutta olisi ehkä pitänyt rajata lopullinen kartta pienemmäksi Espoon puolelta. Yritin kyllä rajata alueen tarkemmin, mutta kärsivällisyyteni loppui MapInfon layout-ikkunan näkymän zoomailemiseen, joten tyydyin yllä olevaan versioon. Mitä siis opin ensimmäisellä kurssikerralla? No, opin ainakin sen, että MapInfoa ei ole aivan mahdotonta käyttää, ja karttojen tekeminen on itseasiassa hyvin nopea juttu jos aineisto on kasassa. Luokitteluun ja ulkoasuun täytyy silti muistaa kiinnittää huomiota.