7. Kurssikerta – Afrikkaa ja loppurutistus

Viimeisellä kurssikerralla työskentelimme täysin itsenäisesti useamman kartan parissa. Tehtävänä oli etsiä tilastot ja valita itsenäisesti haluamansa 20-30 aluetta, joita tarkasteltiin. Valitsin Afrikan mantereen, sillä aikaisemmin kurssilla käytetty Afrikan mantereen kartta tuntui kätevältä käyttää. Mietin myös muita maanosia ja harkitsin hetken myös esimerkiksi Yhdysvaltojen osavaltioiden hyödyntämistä tehtävässä. Päädyin kuitenkin käyttämään Saharan eteläpuolista Afrikkaa ja tutkimaan työttömyyttä, bruttokansantuotetta, koulutustason kehittymistä ja HIV:n esiintymistä valtioittain.

Kesti jonkin aikaa, ennen kuin löysin hyviä aineistoja, joissa olisi kaikkien Afrikan valtioiden tilastotietoja. Monista paikoista löysin yksittäisten valtioiden tietoja, mutta niiden yhdisteleminen olisi ollut aivan liian työlästä ja monimutkaista. Lopulta löysin todella hyvät tiedot The World Bankin sivuilta. Sieltä sain valittua Saharan eteläpuolisen Afrikan valtiot ja kaikki tiedot ilmestyivät ruutuun kerralla. Sieltä siis otin kaikki muut tilastot, paitsi koulutustason kehityksen, jonka löysin African Center for Statistics –sivulta.

Eli tarkastelin siis työttömyyttä, bruttokansantuotetta, koulustason kehittymistä ja HIV:n esiintymistä. Tein neljä karttaa, joista ensimmäisessä (kuva 1) esitän bruttokansantuotteen ja työttömyyden, toisessa (kuva 2) bruttokansantuotteen ja koulutustason kehittymisen, kolmannessa (kuva 3) työttömyyden ja koulutustason kehittymisen sekä neljännessä (kuva 4) HIV:n esiintymisen ja koulutustason kehittymisen.

Ekakartta-2

Kuva 1. Bruttokansantuote ja työttömyysaste Afrikassa.

En saanut rajattua kartasta (kuva 1) pois Pohjois-Afrikkaa, mutta tilastossa ei kuitenkaan ole sen valtioiden tietoja, joten siksi valtiot näyttävät siltä, kuin niiden bruttokansantuote ja työttömyysaste olisi 0. Loput valtiot, eli Saharan eteläpuolella sijaitsevat, esiintyvät kartalla kuitenkin oikein ja kartalta nähdään, että suurimmat työttömyysasteet sijaitsevat eteläisessä Afrikassa ja Mauritaniassa. Bruttokansantuote puolestaan on suurin samoissa valtioissa, eli Etelä-Afrikassa, Botswanassa, Namibiassa ja Sambiassa. Keski-Afrikassa suurimmat bruttokansantuotteet on Sudanissa, Gabonissa, Päiväntasaajan Guineassa, Nigeariassa, Ghanassa ja Norsunluurannikolla. Maissa, joissa bruttokansantuote on suurimpia, mutta työttymyysaste verrattain korkea, on selitettävissä osittain suurella eriarvoisuudella ja kansan voimakkaalla jakautumisella rikkaisiin ja köyhiin.

Kuva 2. Bruttokansantuote ja koulutustason muutos Afrikassa.

Kuva 2. Bruttokansantuote ja koulutustason muutos Afrikassa.

 

Myöskään toisessa kartassa (kuva 2) bruttokansantuotteesta ei ole tietoja Pohjois-Afrikan valtioiden suhteen, joten kartta näyttää siltä, kuin bruttokansantuote näissä valtioissa olisi 0. Koulutustason muutos kuitenkin näkyy myös näiden valtioiden osalta, sillä koulutustason muutosta koskeva tilasta on eri lähteestä kuin muut käyttämäni. Bruttokansantuotteella ja ja koulutustason muutoksella on selkeämpi yhteys. Korkean BKT:n maissa koulutustason kasvaa nopeammin kuin muualla. Toisaalta esimerkiksi Zimbabwe on tässä poikkeus, sillä sen BKT ei ole suurimpia, mutta sen koulutusaste kehittyy nopeammin kuin monissa korkeamman BKT:n maissa.

Kuva 3. Työttömyysaste ja koulutustason muutos Afrikassa

Kuva 3. Työttömyysaste ja koulutustason muutos Afrikassa

Työttömyysasteella ja koulutustason muutoksella olettaisi olevan jonkinlainen yhteys. Siellä, missä koulutustason muutos on pieni ja ihmiset vähemmän koulutettuja, on vaikeampi saada töitä. Näin ei kuitenkaan kuvassa kartan mukaan ole (kuva 3). Monilla korkean työttömyyden alueilla koulutustaso on kasvanut nopeammin kuin monissa muissa maissa. Tämä selittyy luultavasti sillä, että koulutustaso nousee rikkaimmissa maissa nopeammin, mutta työttömyys puolestaan selittyy muilla tekijöillä, kuten väestön epätasaisella jakautumisella rikkaisiin ja köyhiin. Tässä kartassa sain rajattua pois Pohjois-Afrikan, josta minulla ei ollut kyseistä dataa.

Kuva 4. HIV:n yleisyys ja koulutustaso Afrikassa.

Kuva 4. HIV:n yleisyys ja koulutustaso Afrikassa.

HIV:tä ja koulutustasoa halusin verrata, jotta voisin pohtia, onko kouluttautumisesta hyötyä HIV:ltä “suojautumisessa” (kuva 4). Luultavasti jos sinulla on varaa kouluttutua, sinulla on myös paremman tiedolliset ja taloudelliset resurssit suojautua HIV:tä vastaan kuin köyhemmillä ja kouluttamattomilla ihmisillä. Kuvasta havaitaan, että HIV:ta esiintyy yleensä eniten siellä, missä koulutustaso on keskitasoa. Olen tästä todella hämmentynyt ja mietinkin nyt jälkeenpäin, onko kartassani HIV:n osalta jokin virhe. Oletin, että sen osuus olisi suurinta Afrikan keskiosissa eikä etelässä. Loogisinta olisi, että siellä missä koulutustaso on korkea, HIV:n yleisyys on vähäisempää. Tilanteeseen vaikuttavat kuitenki eriarvoisuus, naisten asema ja tiedon puute. Kaikilla ei ole tietoa HIV:n leviäimistavoista ja siltä suojautumisesta, toisilla taas ei ole varaa hakeutua hoitoon. Ongelma on Afrikassa moniulotteinen ja vaikeasti korjattavissa, vaikka asian eteen onkin työskennelty vuosikausia.

Karttojen tekeminen oli melko ongelmatonta tällä kurssikerralla. Tilastojen etsiminen oli huomattavasti hankalampaa ja vei enemmän aikaa. Niiden tuominen MapInfoon vaati jonkin verran muokkaamista ja säätämistä, mutta olen lopputulokseen aika tyytyväinen kuitenkin. Karttoihin olisi ollut kiva laittaa maiden nimet, mutta tällaisessa teemakartassa se olisi vain lisännyt epäselvyyttä ja vaikeuttanut luettavuutta. En tarvinnut karttoja tehdessäni enää juurikan ohjeistusta tai ohjeita, vaan asiat tulivat jota kuinkin, vaikkakin välillä hiukan pätkien, jostain takaraivosta. Eli selvästi asioita on opittu, vaikka välillä on turhauttanut ja väsyttänyt. Tästä kurssista selvisin voittajana!

– Anni

Lähteet

STATBASE. African Centre for Statistics. <http://ecastats.uneca.org/statbase/(S(3czpvrbvuf1e54fzxalpsin1))/dataview.aspx?qryRootIndicatorsid=4469>. Luettu 3.3.2016.

The World Bank. GDP, Atlas method (current US$).  <http://data.worldbank.org/indicator/NY.GNP.PCAP.CD/countries?display=default>. Luettu 3.3.2016.

The World Bank. Prevalence of HIV, total (% of population ages 15-49). <http://data.worldbank.org/indicator/SH.DYN.AIDS.ZS/countries?display=default>. Luettu 3.3.2016.

The World Bank. Unemployment, total (% of total labor force) (modeled ILO estimate. <http://data.worldbank.org/indicator/SL.UEM.TOTL.ZS/countries?display=default>. Luettu 3.3.2016.

 

6. kurssikerta – Pisteaineistoja ja hasardeja

Kuudennella kurssikerralla harjoiteltiin pisteaineistojen esittämistä kartalla.

Teemana olivat hasardit, ja itse tutkin maanjäristyksiä ja tulivuoria. Tiedot hasardien sijainneista löysin netistä (linkit löytyvät lähdeluettelosta). Maapallon kartta on suoraan 6. Kurssikerran aineistosta. Ensimmäisen kartan tein 1999 vuoden jälkeen tapahtuneista yli 8 magnitudin maanjäristyksistä (erittäin voimakkaat järistykset, Richterin asteikko) (kuva 1). Näin vahvat järistykset aiheuttavat suuria tuhoja ja vaikuttavat laajalla alueella, jopa satojen kilometrien säteellä. Kartassa järistyspaikat on merkitty punaisilla kolmioilla.

 

1999_8_LOPULLINEN

Kuva 1. Yli 8 magnitudin maanjäristykset vuoden 1999 jälkeen.

Toiseen karttaan valitsin yli 8 magnitudin maanjäristykset vuoden 1980 jälkeen (kuva 2). Tässä kartassa on siis sekä kaikki ensimmäisestä kartasta löytyvät vuoden 1999 jälkeen tapahtuneet yli 8 magnitudin järistykset, mutta lisäksi siitä löytyy kaikki vuosien 1980-1999 välillä tapahtuneet yhtä voimakkaat järistykset. Maanjäristykset on esitetty kartassa vihreinä palloina.

1980_8_LOPULLINEN

Kuva 2. Yli 8 magnitudin maanjäristykset vuoden 1980 jälkeen.

Kolmanteen karttaan valitsin kaikki vuoden 1900 jälkeen tapahtuneet yli 8 magnitudin maanjäristykset (kuva 3). Maanjäristykset on kuvattu kartassa violeitteina tähtinä. Mielenkiintoinen ero on siinä, että tässä kartassa maanjäristyksiä on myös Yhdysvaltojen Alaskan osavaltiossa jopa kuusi kappaletta. Nämä kaikki ovat siis tapahtuneet vuosien 1900 ja 1980 välillä, muttei kertaakaan vuoden 1980 jälkeen.

1900_8_LOPULLINEN

Kuva 3. Yli 8 magnitudin maanjäristykset vuoden 1900 jälkeen.

Seuraavaksi halusin tutkia tulivuorien sijaintia ja pohtia niiden yhteyttä maanjäristyksiin. Ensimmäisessä tulivuorien sijaintia kuvaavassa kartassa tutkin vain Japanissa sijaitsevia tulivuoria (kuva 4). Tulivuoret on kuvattu kartassa keltaisina kolmioina. Kuten kuvasta näkee, tulivuoria on Japanissa paljon. Myös maanjäristyksiä on tapahtunut vuoden 1900 jälkeen paljon, joista yli 8 magnitudin järistyksiä 7 kappaletta.

MJ_Japani

Kuva 4. Tulivuorten sijainti Japanissa.

Toisessa tulivuorikartassa esitin Afrikan tulivuorien sijainnin (kuva 5). Tulivuoret on kuvattu kartassa keltaisina kolmioina. Kun karttaa vertaa esimerkiksi kuvan 3 karttaan, jossa on esitetty vuoden 1900 jälkeen tapahtuneet yli 8 magnitudin maanjäristykset, on huomattavaa, että näin voimakkaita maanjäristyksiä ei ole Afrikan mantereella tapahtunut lainkaan, vaikka tulivuoria onkin runsaasti. Tulivuoret voivat siis joko olla epäaktiivisia, uinuvia tulivuoria, tai niiden purkaukset eivät ole johtuneet maanjäristyksistä.

MJ_Africa

Kuva 5. Afrikan tulivuoret.

Laitoin jokaiseen karttaan tunnollisesti näkyviin mittakaavan ja pohjoisnuolen, mutten oikein tiedä, onko pohjoisnuoli tällaisissa kartoissa tarpeellinen. No, olkoon.

Opetuskäytössä tällaiset karttaesitykset voisivat toimia todella hyvin. Kartoista Asian näkee nopeasti ja havainnollistavasti, ja ne toimivat hyvin esimerkiksi selittävän tekstin tukena. Haluaisin tehdä vielä kartan, jossa esitän maanjäristykset, tulivuoret ja litosfäärilaattojen sijainnin, jotta näiden kolmen tekijän välisiä riippuvuuksia voisi pohtia ja havainnollistaa kuvassa. Tällaisten karttojen tekeminen on varsin yksinkertaista varsinkin, kun aineistot on internetistä melko yksinkertaisesti löydettävissä.

– Anni

Lähteet:

Maanjäristysaineisto, http://quake.geo.berkeley.edu/anss/catalog-search.html

Tulivuoriaineisto, http://catalog.data.gov/dataset/global-volcano-locations-database

Kurssikerta 5 – Bufferointia ja turhautumista

Rehellisesti sanottuna täytyy myöntää, että tama kurssikerta oli tähänastisista ehkä kaikkein hankalin, ainakin aluksi. Kurssikerralla tehtiin paljon itsenäistä työtä, ja ehkä ongelma piilikin juuri siinä. Tehtävässä laskettiin lukuarvoja eri muuttujille piirtämällä ja puskuroimalla eri alueita Vantaan kaupungin kartasta. Tarkastelimme Malmin ja Helsinki-Vantaan lentokenttiä ja pk-seudun juna-asemia. Vastaukset tehtäviin on listattu taulukossa 1.

Taulukko 1. Tehtävien vastaukset

Taulukko 1. Tehtävien vastaukset

Kahden kilometrin säteellä Malmin lentokentästä asuu yhteensä noin 55 000 ihmistä. Lentoliikenteestä syntyvä melu vaikuttaa siten monien päivittäiseen elämään ja meluhaitat koetaan ongelmalliseksi. Puolestaan 55dB melutasoalueella Helsinki-Vantaan lentokentästä asuu yli 11 000 ihmistä.

MapInfo on tullut kurssilla melko nopeasti tutuksi, mutta toisaalta kurssikertoja on vain kerran viikossa, ja olen huomannut, että asiat unohtuvat melko tehokkaasti jo niin lyhyessä ajassa. Yleensä tunneilla asiat sujuvat ohjeistusta seuratessa hyvin, mutta juuri tänään itsenäisen tehtävän suorittaminen tuntui välillä todella vaikealta ja turhauttavalta. Moodlesta löytyvät ohjeet ovat onneksi hyvät ja selkeät, mutta silti joskus tuntuu, että ohjelmaa saa räplätä edestakaisin kymmenen kertaa ennen kuin homma lakaa vihdoin toimia. Tämän päivän kurssikerralla piti soveltaa aika paljon aiemmin opittua, ja se osoittautui hankalaksi. Välillä aina tuli tunne, että tämän olen tehnyt aikaisemminkin, mutta silti asioiden kaiveleminen muistista oli haastavaa. Lopulta luulen saaneeni jotakuinkin oikeanlaiset vastaukset kaikkiin laskutehtäviin. Ainakin yritystä oli, joten toivotaan parasta!

MapInfo on monipuolinen ohjelma. Mielestäni sillä on kaikkein helpoin esittää alueellista tietoa: jonkin muuttujan/ilmiön jakautuminen tietylle, rajatulle alueelle. Koropleettikarttojen teko ohjelmalla on helppoa ja nopeaa, kun aineisto on haettavissa yksinkertaisesti ja se on oikeassa muodossa. Syksyllä totuin Corelin käyttöön, joten ehkä siksi MapInfon piirto-ominaisuus ei oikein vakuuta.

  • Anni

4. kurssikerta – Ruutukarttoja

Neljännellä kurssikerralla tehtiin ruutukarttoja.
Omaan karttaani yritin ensin merkitä lasten määrää Helsingissä, mutta kun kaksi kertaa onnistuin sotkemaan karttani, päätin tehdä kolmannella kerralla kartan Helsingin 25-29-vuotiaat (kuva 1). En sitten tiedä, millä logiikalla tama toimi niin paljon paremmin, kun tiedot sinänsä olivat ihan samaa kamaa 😀 25-29-vuotiaiden ikäluokasta suuri osa on varmaankin opiskelijoita, vastavalmistuneita tai juuri työelämässä aloittaneita. Lisäksi joukkoon mahtuu varmasti paljon perheellisiä. Suurin osa ikäluokasta on keskittynyt Helsingin kantakaupungin alueelle, erityisesti Meilahti-Eira-akselille ja Kallioon. On hauska huomata, että myös Viikin ja Kumpulan kampusten alueella on melko tiheät esiintymät tämän ikäluokan edustajia.
Nuoret aikuiset ovat asettuneet asumaan lähelle keskustaa. Syinä tälle ovat varmasti keskustan ja palveluiden läheisyys, hyvät liikenneyhteydet ja pienien asuntojen saatavuus (yksinasuvat ja lapsettomat pariskunnat). Kauempana keskustasta olevilla lähiöalueilla asuu varmasti enemmän työssäkäyviä ja perheellisiä. Jos olisin kotoisin Helsingistä ja tietäisin enemmän eri ikäluokkien sijoittumisesta kaupungin alueella, voisi olla helpompi pohtia sen syitä.

Helsingin25-29

Kuva 1. 25-29-vuotiaiden sijoittuminen Helsingin alueelle

 

Käytin luonnollista luokittelua, sillä se yksinkertaisesti näytti tässä yhteydessä parhaalta. Luokittelut ovat minulle vielä vähän vierasta maaperää, joten menen aika lailla mututuntumalla. Joskus pitäisi oikein varata aikaa sille, että kokeilisi läpi kaikki mahdollisest erilaiset luokittelutavat ja selvittäisi, mikä on missäkin tilanteessa se paras. Näin kurssin ohessa kuitenkin tyydyn tekemään sen mitä on vaadittu ja opettelemaan asioita pikkuhiljaa. Ei viitsi ottaa turhan suurta stressiä siitä, miltä kaikki pienet yksityiskohdat näyttävät. Kunhan kartta on selkeä ja tulkittavissa edes jotenkin, niin ollaan taas opittu jotain uutta 😀

– Anni

3. kurssikerta – Konflikteja ja tulvahuippuja

Kurssikerralla tavoitteena oli tuoda tietoja useammasta lähteestä ja yhdistää ne samaan karttakuvaan. Kärsivällisyyttä koeteltiin välillä, kun tuntui että taulukoita oli aivan liikaa ja niiden välillä hyppely tuntui todella monimutkaiselta. Eli muutaman kerran sain kyllä aloittaa koko homman alusta ja kokeilla uudestaan. On kuitenkin aika palkitsevaa, kun lopulta kartassa alkaa olla jotain järkeä ja oikeat tiedot ovat näkyvissä!

Kurssityössä tietojen yhdistelyä harjoiteltiin Afrikan kartan avulla. Internetistä ladattuun pohjakarttaan lisättiin, väestötietoja, internetin käyttäjämäärätiedot sekä tietoja timanttikaivoksista, konflikteista ja öljykentistä. Tietoja piti yhdistää eri taulukoista, jotta saatiin yksi taulukko, joka kattoi kaikki nämä tiedot. Harjoiteltiin myös laskemista taulukon arvoilla. Laskimme muun muassa maaiden internetin ja Facebookin käyttäjien osuudet koko väestöstä. Lisäksi selvitimme facebookia käyttävien osuuden kaikista internetuä käyttävistä.

Kartalle (kuva 1) tuotiin tiedot öljy- ja timanttiesiintymistä sekä suurimmista konflikeista 1940-luvulta nykypäivään. Kartan muokkaaminen kivan näköiseksi oli tälläkin kertaa jotenkin haastavaa. Tai sitten olen vain liian tarkka näistä asioista 😀 Lopulta olin kuvaan ihan tyytyväinen.

Afrikka

Kuva 1. Timanttikaivokset, öljykentät ja konfliktit (1940-) Afrikassa

Kartalla olevista tiedoista tiedetään vuosiluvut (timantti- ja öljyesiintymistä löytämisvuosi ja toiminnan aloitusvuosi sekä tuottavuus) ja konfliktien laajuus. Näillä asioilla voisi olla jonkinlaisia yhteyksiä, sillä timantti- ja öljyesiintymien ympärillä liikkuu paljon rahaa ja taistelu niiden tuotoista on ollut suurta. Eteläisessä Afrikassa resursseja on paljon erityisesti timanttikaivoksia, mutta konflikteja ei juuri lainkaan. Tämä saattaa johtua siitä, että etenkin Etelä-Afrikassa vauraampi valkoihoisten populaatio on valtaapitävänä osapuolena yhteiskunnassa. Valta ulottuu myös naapurimaihin. Etelä-Afrikassa ja sen naapurimaissa mahdolliset konfliktit on voitu estää voimakkaalla vallanpidolla, konflikteihin ei ole ollut tai sitten olot ovat tässä osassa Afrikkaa muutenkin rauhallisemmat. Konfliktit eivät muutenkaan ole erityisemmin keskittyneitä timantti- ja öljyalueille. Voisi kuvitella, että tällaisten resurssien esiintyminen synnyttäisi enemmän levottomuuksia, kun kaikki haluavat osansa tuotoista ja väestöstä suuri osa on melko vähävaraista. Enemmänkin yksittäisissä tapauksissa voitaisiin vetää yhteyksiä konfliktien ja resurssien välille. Voisi tarkastella resurssien löytämisen ja hyödyntämisen aloittamisen ajankohtaa läheisen konfliktin ajankohtaan. Joissain paikoissa konfliktit sijaitsevatkin suoraan öljykentillä tai timanttikaivosten läheisyydessä.
Tärkeimmiksi syiksi konflikteihin Pohjois-Afrikassa nousevat mielestäni varsinkin juoma- ja kasteluveden puute sekä heimojen väliset riidat ja erimielisyydet.

Itsenäisessä harjoituksessa piti jälleen yhdistää tietoja eri taulukoista. Tällä kertaa kartta tehtiin Suomen valuma-alueista ja niiden joista ja järvistä. Tulvaindeksi kertoo siis kuinka moninkertainen tulvahuippu on kuivaan kauteen verrattuna. Tulvaindeksi merkattiin karttaan (kuva 2) koropleettikarttana sinisen eri sävyillä. Kartalle merkattiin alueiden järvisyysprosentti pylväsdiagrammeina. Tämä siis siitä syystä, että järvet vaikuttavat tulviin: järvet tasoittavat tulvahuippuja toimimalla vedenkerääjinä, mutta järvialueilla myös tulvii paljon etenkin keväisin. Kartasta voi päätellä, että tulvaindeksit ovat pienimpiä alueilla, joilla järvisyys on suurinta. Rannikoilla tulvaindeksit ovat suurimpia, ja järvien osuus taas pienempi.

Kuva 2. Kuvassa on esitettynä tulvaindeksi eri valuma-alueilla koropleettikarttana ja kunkin valuma-alueen järvisyys prosentteina pylväsdiagrammeina.

Kuva 2. Kuvassa on esitettynä tulvaindeksi eri valuma-alueilla koropleettikarttana ja kunkin valuma-alueen järvisyys prosentteina pylväsdiagrammeina.

– Anni

2. kurssikerta: Päällekkäiset teemakartat

Toisella kurssikerralla aloin ymmärtää MapInfon käyttöä jo hieman paremmin. Luennon aikana käytiin läpi erilaisia tapoja luoda teemakarttoja: miten saada aineisto visuaaliseksi. Samoja asioita harjoiteltiin MapInfolla. Kartalle tehtiin diagrammeja ja opeteltiin käyttämään erilaisia merkkejä ja kuviointeja. Kokeilimme myös päällekkäisten karttojen tekemistä useammasta aineistosta. Näin kartalla voidaan tarkastella useampaa asiaa samanaikaisesti ja nähdä niiden välisiä riippuvuuksia.

Tein oman karttani “Etelä-Suomesta” jättämällä pois vain Lapin. Käytin kartassa aineistona väkivaltarikosten määrää kunnittain ja työttömyysastetta kunnittain. Kartalla työttömyysaste on kuvattu vihreäsävyisenä koropleettikarttana ja väkivaltarikosten määrää kuvattu symbolilla.Tummanvihreillä alueilla työttömyysaste on suurin ja väkivaltarikoksia on eniten siellä, missä symboli on suurin. Katsoessani karttaani olin lähinnä hämmentynyt, sillä korrelaatio näiden kahden tekijän välillä ei ollutkaan ihan niin suuri kuin olin ajatellut. Tai sitten oma karttani vain on hieman erikoinen.

Kartassani (kuva 1) käytin työttömyysasteen kuvaamiseen viittä luokkaa ja väkivaltarikosten määrän kuvaamiseen kolmea luokkaa. Tarkemmin ajateltuna olisi yksinkertaisuuden vuoksi varmaan kannattanut käyttää molemmissa yhtä montaa luokkaa, mutta tehty mikä tehty. Varsinkin työttömyysasteen kuvaaminen olisi ollut helpompaa vain kolmella luokalla, mutta toisaalta silloin kartta olisi saattanut olla hieman liian yleistävä. Myös luokkien rajat ovat työttömyysasteen kohdalla mielestäni suoraan sanottuna typerät, mutta osaanpa ensi kerralla tehdä paremmin. Oppimassahan täällä ollaan! Korrelaatio työttömyysasteen ja väkivaltarikosten määrän välillä olisi voinut olla selkeämpi jos luokkia olisi ollut molemmissa tapauksissa yhtä paljon.

Työttömyysastetta tarkasteltaessa kartasta nähdään, että työttömyysaste on keskimäärin korkeampi Itä- kuin Länsi-Suomessa. Samoin se on keskimäärin korkeampi Keski- ja Pohjois-Suomessa kuin Etelä-Suomessa. Väkivaltarikosten määrää kuvaavia symboleita tarkastellessa kartta näyttää kuitenkin mielestäni vaikeammalta tulkita. Keskimäärin voisi mielestäni sanoa, että niissä kunnissa, joissa työttömyysaste on suurempi on myös enemmän väkivaltarikoksia, mutta poikkeuksiakin on paljon. Esimerkiksi Ahvenanmaalla työttömyysaste on eräässä kunnassa luokassa 1,7-7,7 %, mutta väkivaltarikosten määrää suurimmassa luokassa. Vastaavia esimerkkejä on muitakin. Esimerkiksi Helsingin seudulla työttömyysaste on yleisesti melko matala, mutta väkivaltarikosten määrä siihen nähden aika suuri. Tietysti täytyy ottaa huomioon myös kuntien asukasluvut, kun mietitään väkivaltarikosten määrää. On toki ymmärrettävää, että suurissa kaupungeissa on enemmän ihmisiä ja siten myös enemmän väkivaltarikoksia kuin pienissä tai harvaan asutuissa kunnissa. Tämänkin voisin ottaa ensi kerralla huomioon 😀

Kartan ulkoasussa on vielä paljon parannettavaa, samoin luokituksessa ja luokkarajoissa, mutta niihin ehdin keskittyä vielä jatkossakin. Tällä kertaa näin!

Kuva 1. Työttömyysaste ja väkivaltarikosten määrä kunnittain

Artikkeli 1

Kurssikerran tehtävänä oli myös lukea ja analysoida artikkeli kahden muuttujan koropleettisista kartoista aineiston visualisoinnissa (Leonowicz 2006). Artikkelissa pohdittiin kahden muuttujan teemakarttojen hyviä ja huonoja puolia verrattuna yhden muuttujan teemakarttaan. Artikkeli oli ihan mielenkiintoinen, mutta ei sinänsä tuonut kauheasti lisätietoa minulle itselleni. Asiat tulivat esiin jo kurssikerralla ja artikkeli oli lähinnä kertausta siitä, mitä oli jo opittu.

Kahden muuttujan teemakartassa on aina se etu, että yksittäisten muuttujien lisäksi voidaan tarkastella kahden muuttujan korrelaatiota. Voidaan tarkastella kahta asiaa yhtä aikaa ja mahdollisesti osoittaa näiden välinen yhteys. Jos sellainen löytyy, ei se kuitenkaan tarkoita suoraan, että ilmiöiden välillä on syy-seuraussuhde. Sattuma täytyy aina ottaa tällaisissa kartoissa huomioon. Jotta korrelaation olemmassaolosta voisi olla varma, täytyy tehdä tilastollisia testejä. Tätä jokainen tavallinen kartanlukijat ei välttämättä ymmärrä ja siksi kartoilla onkin helppo johtaa harhaan tai antaa väärä kuva joidenkin asioiden välisestä yhteydestä. Kahden muuttujan karttaa voi myös olla helpompi tarkastella kuin kahta yhden muuttujan karttaa. Kahden eri kartan vertailussa voi syntyä tulkintavirheitä ja tällöin joidenkin kahden asian välinen yhteys voi jäädä kokonaan huomaamatta. Useamman muuttujan karttaa tehtäessä on kuitenkin hyvin tärkeää muistaa kartan yksinkertaisuus. Jos luokkia on liian monta, niin kartan tulkinta vaikeutuu huomattavasti. Siksi korkeintaan kolme luokkaa on hyvä kahden muuttujan kartoissa. Värit, kuviot ja symbolit on myös mietittävä tarkkaan, jotta kartan tulkinta olisi mahdollisimman selkeää.

 

  • Anni

1. kurssikerta: Koropleettikarttoja – hitaasti mutta varmasti

Uusi vuosi, samat kujeet – eli maantieteen sivuaineopinnot jatkuvat Kumpulassa uusien kurssien merkeissä.

Ensimmäisellä kurssikerralla opettelimme MapInfon käytön aivan alusta alkaen: Miten ohjelma toimii, miten tietoja tuodaan ohjelmaan, miten tieto esitetään kartalla, miten kartat viimeistellään ja mitä hyvässä kartassa kuuluu näkyä. Artun tapa opettaa todella selkeä, joten en joudu jatkuvasti pelkäämään, että putoan kärryiltä ja hukkaan luennon punaisen langan seuraavaksi kolmeksi tunniksi. Hitaasti hyvä tulee, sanon minä!

Harjoittelimme koropleettikarttojen tekemistä tunnilla ja loimme yhdessä koropleettikartan ruotsinkielisten asukkaiden määrästä Helsingin eri kaupunginosissa vuonna 2011 (kuva 1). Alueet, joilla ruotsinkielisiä on eniten, näkyvät kartassa tummimpina alueina. Selkeä keskittymä on siis Koillis-Helsingissä Östersundomin alueella. Lopuksi karttaan lisättiin vielä legenda ja pohjoisnuoli sekä mittakaavajana. Loppujen lopuksi ensimmäinen harjoitus oli siis hyvin perusasiaa MapInfon käytöstä, mutta parempi niin, sillä ohjelma on kuitenkin suurelle osalle kurssilaisista vielä melko vieras.

Kuva 1. Ruotsinkielisten määrä Helsingin eri kaupunginosissa vuonna 2011

Kuva 1. Ruotsinkielisten määrä Helsingin eri kaupunginosissa vuonna 2011

Toinen, itsenäisesti tehty harjoitus, hoitui onneksi edelläopitun perusteella melko kivuttomasti. Koropleettikartan aiheen sai valita vapaasti ja itse valitsin aiheeksi avioerojen määrän kunnittain Suomessa vuonna 2011 (kuva 2) – mikäs sen piristävämpää…

Oikeastaan ainoa ero ensimmäiseen karttaan verrattuna oli aluellisuus, eli toisin kuin ensimmäisessä kartassa, tässä kartassa käytin koko Suomen aluetta ja kuntajakoa Helsingin ja sen kaupunginosien sijaan. Kartasta voi nähdä, että avioerojen määrä on suurempi Keski- ja Etelä-Suomessa, kuin pohjoisessa, mutta toisaalta Oulun korkeudella ja sen alapuolella on myös enemmän asukkaita ja siten myös luonnollisesti enemmän avioliittoja, joita purkaa. Ehkä kartan antama tieto on siten hieman harhaanjohtava…

Karttaan lisättiin tuttuun tapaan lopuksi otsikko, legenda, pohjoisnuoli ja mittakaavajana, jonka suuruudeksi päätin mielivaltaisesti 150 kilometriä.

Kuva 2. Avioerojen määrä kunnittain vuonna 2011

Kuva 2. Avioerojen määrä kunnittain vuonna 2011

Kun arvioin karttojani jälkeenpäin, olen niihin yllättävän tyytyväinen, vaikka tuntuu, että kurssi lähti liikkeelle omalta osaltani ihan uskomattoman tahmeasti ja väkinäisesti. Todellisuudessa karttojen tekeminen ei ollut yhtään niin vaikeaa kuin itselleni uskottelin.

Ainoa todellinen ongelma oli siirtää kartta MapInfon Layout-ikkunaan ilman, että mittakaavajana muutti pituuttaan suuntaan tai toiseen. Tämäkin on asia, joka varmasti selitettiin luennolla, mutta ehdin sen jo unohtaa. Lopulta mittakaavajana kuitenkin asettui kiltisti paikoilleen, mutten tiedä, miten onnistuin siinä. Joten odotettavissa on, että kohtaan saman ongelman myös seuraavalla kurssikerralla

Kuvat loin yksinkertaisesti Snipping toolin avulla ja täytyy myöntää, että turhauduttuani muutamaan epäkohtaan, korjasin ne ammattimaisesti Paintin avulla. Olen kuitenkin tyytyväinen lopputulokseen, vaikka kuvat näyttävätkin omalla koneellani hieman suttuisemmilta kuin koulun koneella. En sitten tiedä, miltä ne näyttävät, kun julkaisen tämän postauksen.

Ja eikun kohti seuraavaa aihetta!

  • Anni