Blogi valmis!

Olen nyt viimein saanut blogini päätökseen. Suuri kiitos Artulle, joka jaksoi vastata tyhmiinkin kysymyksiini. Kurssi oli ehdottomasti hyödyllinen ja seuraava haaste onkin sitten Arcgis. Sitä odotellessa!

Iso kiitos ja kumarrus :).

Kurssikerta 7: Kurssin viimeinen Mapinfo-taisto

Viimeisellä kurssikerralla tehtävänä oli tuottaa itse kartta haluamastaan kohteesta. Tehtävää varten tuli etukäteen itse etsiä tietoa halutusta alueesta ja hankkia Mapinfoon siirrettävä kartta. Esitettävässä kartassa tuli olla mielellään 20-30 aluetta, jotta osa-alueita olisi mielekästä vertailla keskenään. Pohdiskelun tuloksena päädyin valitsemaan karttani kohteeksi Saksan ja sen osavaltiot (vai mitä ne nyt suomeksi ovatkaan 🙂 ). Saksassa osavaltioita on kylläkin vain 16 eikä 20, mutta ajatattelin sen tuskin haittaavan. Varsinaisen datan hankkiminen ei sitten käynytkään aivan niin kuin Stromsössä. Arttu oli kehottanut käyttämään aikaa tiedonhakuun ja se todellakin piti paikkansa. Yritin ensin omatoimisesti ladata karttaa yhdeltä etukäteen ehdotetulta sivustolta, mutta onnistuin vain tukkimaan koko tietokoneen valtavankokoisella tiedostolla. Onneksi Eetu osui paikalle avustamaan ja sain lopulta ladattua kartan Mapinfoon. Kartalla esitettävän tiedon löytäminenkään ei ollut mitenkään erityisen helppoa. Onneksi tiistai aamupäivä oli vapaa ja sain helposti kulumaan useamman tunnnin etsiessäni tietoa Saksan tilastokeskuksen nettisivuilta. Sivuja oli tietysti luettava saksaksi, jotta tietoa löytyisi tarpeeksi monesta muuttujasta. Onneksi saksan kieli on suunnilleen hallinnassa ja sain kaivettua lopulta tietoa työttömyysluvuista ja prosenteista, ihmisten keskimääräisistä palkoista, väkiluvusta ja opiskelijoiden määrästä. Ongelma oli lähinnä osavaltiokohtaisen tiedon löytyminen. Onneksi löysin lopulta mielestäni riittävän määrän tietoa ja saatoin huokaista helpotuksesta.

Varsinaisella kurssikerralla aloitinkin hyvillä mielin kartan tekemisen. Se ei kuitenkaan ollut aivan niin helppoa kuin kuvittelin, sillä en muistanutkaan, miten aiemmilla kurssikerroilla olimme joitakin toimintoja tehneet. Onneksi Arttu auttoi ja sain Saksan rajattua maailmankartalta ja lopulta tekemäni Excel–tiedoston liitettyä kartan taulukkotietoihin. Toivottavasti opettajalla ei mennyt hermo useisiin kysymyksiini.

Päätin esittää kartassani työttömyysastetta ja väkilukua kustakin osavaltiosta. Halusin tarkastella näyttääkö muuttujien välillä olevan yhteyttä. Esimerkiksi onko asukasluvultaan suurissa osavaltioissa keskimääräistä korkeampi vai matalampi työttömyys. Olisin halunnut tarkastella myös korkeakouluteuttujen ja työttömyyden välistä suhdetta, mutta valitettavasti en löytänyt tietoa korkeakoulutettujen määrästä eri osavaltioissa. Löysin vain korkeakouluissa opiskelevien määrästä, mutta se on hitusen huono muuttuja, sillä kaikissa osavaltioissa tuskin on saman verran korkeakouluja.

Valmiista kartasta (Kuva 12.) nähdään, missä on suhteessa eniten työttömiä ja kuinka suuri väkiluku kullakin alueella on. Eniten työttömyyttä näyttäisi olevan Itä–Saksassa, vaikka näissä osavaltioissa ei kuitenkaan ole suurimpia väkilukuja. Pohdinkin sitä, voisiko Saksan jakautumisella Itä – ja Länsi–Saksaan olla vielä vaikutusta tähän. Itä-Saksan alueella saattaa olla myös enemmän heikommin koulutettuja ihmisiä kuin Länsi – ja Etelä-Saksassa.  Alhaisimmat työttömyysprosentit ovat kartan mukaan Etelä–Saksassa, vaikka siellä osavaltioiden väkiluvut ovat maan suurimpia. Tähän saattaa vaikuttaa esimerkiksi osavaltioiden suuri pinta-ala, jolloin mahdollisia työpaikkoja saattaa olla enemmän. Uskoisin myös ilmaston olevan hieman suotuisampi maanviljelyyn Etelä–Saksassa kuin Pohjois-Saksassa.

Kuva 12. Saksan työttömyysaste ja väkiluku osavaltioittain.

Kuva 12. Saksan työttömyysaste ja väkiluku osavaltioittain.

Toisessa kartassa (Kuva 13.) tarkastelin edelleen työttömyysastetta, mutta tällä kertaa väkiluvun sijasta ihmisten keskimääräistä kuukausittaista bruttopalkkaa. Kartan perusteella näyttää siltä, että Itä-Saksassa on myös muuta maata pienemmät palkat. Suurinta palkkaa saavat kartan mukaan Hampurissa asuvat. Kaupunki on merkittävä taloudellisesti, koska siellä sijaitsee tärkeä satama. Tietenkin täytyy muistaa tarkastellessa keskimääräisiä palkkoja, että ne perustuvat keskiarvoihin. Palkkojen vaihteluvälistä en löytänyt tietoa, joten voi tietenkin olla mahdollista, että keskimääräistä paljon suuremmat palkat nostavat keskiarvoa ylemmäs.

Kuva 13. Saksan työttömyysaste ja kuukausittainen bruttopalkka osavaltioittain.

Kuva 13. Saksan työttömyysaste ja kuukausittainen bruttopalkka osavaltioittain.

Minulla oli tietoa myös sukupuolittaisista kuukausibruttopalkoista, mutta ajattelin kartan näyttävän liian sekavalta, jos siinä olisi esitetty sekä miesten että naisten kuukausittaisia bruttopalkkoja. Taulukossa 2 olen esittänyt nämä sukupuolittaiset bruttopalkkatulot. Taulukosta nähdään, että naiset tienaavat Saksassa jokaisessa osavaltiossa vähemmän kuin miehet. Suurin ero (944 euroa) on Badem-Württembergissä ja pienin ero (64 euroa) Sachsen-Anhaltissa. Keskimäärin Saksassa tämä palkkaero on 670 euroa, mikä kuulostaa suurelta. Suomessa naisten ja miesten välisten kuukausibruttopalkkojen erot eivät ole näin suuria kuin Saksassa (Eurostat 2014). Toisaalta Saksa on perinteisesti ollut maa, jossa naiset ovat kotiäitejä. Tämä on käsitykseni mukaan ollut viime vuosian muuttumassa, mutta ilmeisesti naisten tekemää työtä ei edelleenkään arvosteta samalla tavalla kuin miesten. Tai sitten naiset ovat ammateissa, joista ei makseta yhtä paljon palkkaa kuin ”miesten ammateista”.

Taulukko 2. Yhteenlasketut kuukausittaiset bruttopalkat sekä naisten ja miesten kuukausittaiset bruttopalkat Saksassa.

Tämän viimisen kurssikerran jälkeen tuntui jo siltä, että jotain on jäänyt käteen Mapinfon käytöstä. En enää kammoksu ohjelmaa joka kerran kun avaan sen vaan saan jopa jotakin sillä jo aikaiseksi. Koen edelleen olevani joidenkin toimintojen kanssa hieman hukassa, mutta nyt ainakin muistan kerran kysyttyäni, mistä mikäkin juttu tehdään. Koen osaavani Mapinfon peruskäytön kohtalaisesti, mutta paljon on vielä opittavana. Minulla on edelleen lievä asenneongelma tietokoneita kohtaan, mutta kyllä se on hieman tämän kurssin aikana lieventynyt. Olen ylpeä itsestäni, että sain lopulta kaikki vaadittavat kartat tehtyä ja julkaistua vielä blogissakin. Ehkä tämä tietokonekammo tästä vähitellen helpottuu. Ongelmaksi koen kuitenkin edelleen sen, etten uskalla itse kokeilla jonkin kohtaamani pulman ratkaisua ohjelman kaatumisen pelossa, vaan kysyn herkästi apua luottamatta omaan osaamiseeni. Tässä on vielä kehitettävää.

Mielestäni kurssilla tekemistäni kartoista näkee kuitenkin, mitä niissä on tarkoitus esittää. Ne eivät ehkä ole visuaalisesti loistavia, mutta tarkoitushan oli vasta opetella karttojen tekemistä paikkatietoohjelmalla.  Katri on hyvin tiivistänyt saman asian blogissaan:

”Kartat  eivät ehkä ulkonäöllisesti onnistuneet parhaalla mahdollisella tavalla, mutta kurssikerralla oli mielestäni sitä tärkeämpää kasata yhteen opitut taidot ja todella ymmärtää, mitä MapInfon toimintoja käyttää, eikä vain klikkailla nappuloita satunnaisesti.” (Ruutu 2014)

Kurssi oli kokonaisuudessaan mielenkiintoinen ja haastava, mutta kyllä siitä lopulta selvisin :).

Lähteet

Eurostat (2014). Gender pay gap statistics. <http://epp.eurostat.ec.europa.eu/statistics_explained/index.php/Gender_pay_gap_statistics> Luettu 28.02.2014

Natural Earth. (2014). 1:10m Cultural Vectors. <http://www.naturalearthdata.com/downloads/10m-cultural-vectors/> Luettu 24.02.2014

Ruutu, K. (2014). Kurssikerta 7: Viimeinen taistelu Mapinfon kanssa. <https://blogs.helsinki.fi/karuutu/> Luettu 28.02.2014

Saksan tilastokeskus (2014). Federal statistical office Germany (Destatis). <https://www.destatis.de/DE/Startseite.html;jsessionid=327E257D9A7EB235F23C4961BC1A1551.cae2> Luettu 25.02.2014

Mapping America: Every City, Every Block – SWOT–analyysi

Mapping America: Every City, Every Block on New York Times – lehden karttapalvelu, jossa pystyy vapaasti tarkastelemaan karttoja neljästä teemasta. Näitä teemoja ovat rotu ja etnisyys, tulot, asuminen ja perhe sekä koulutus. Palvelun tiedot perustuvat Census Bureaun American Community tutkimukseen ja sen tiedot ovat vuosilta 2005–2009.

Tehtävänä oli tehdä tästä palvelusta SWOT–analyysi, jossa arvioidaan palvelun vahvuuksia, heikkouksia, uhkia ja mahdollisuuksia.

Vahvuudet

Palvelua on erittäin helppo käyttää ja se on kaikkien Internetin omaavien henkilöiden tarkasteltavissa. Kartalla on helppo liikkua ja hiiren kohdistuessa johonkin tiettyyn alueeseen, ilmestyy ruudulle teeman mukaista ominaisuustietoa tarkasteltavana olevasta alueesta. Esimerkiksi kartan teeman ollessa lukiosta valmistuneet, ruudulle ilmestyy tieto kyseisen alueen lukionsa päättäneistä prosenttilukuna (Kuva 11).

Kuva 11. Kuvakaappaus Every City, Every Block– palvelusta, jossa on esitettynä lukiosta valmistuneet koropleettikartalla (New York Times).

Kuva 11. Kuvakaappaus Every City, Every Block– palvelusta, jossa on esitettynä lukiosta valmistuneet Yhdystvaltojen länsirannikolla (New York Times).

Kartan teema on helppo vaihtaa ruudun yläkulmasta ja kaikista kartoista erottuu jo ensivilkaisulla, missä päin asuu eri luokkiin kuuluvia ihmisiä. Palvelussa on myös zoomaustoiminto, jossa pääsee tarkastelemaan tietoja hyvinkin läheltä. Isoimmissa kaupungeissa zoomaus on mahdollista tehdä melkein korttelitasolle asti.

Jokaisen ruudun kohdalla on ilmoitettu paitsi prosenttiluku myös väkiluku, jolloin vääriä käsityksiä on helpompi välttää. Mikäli jokaisen ruudun alueelta olisi esitetty vain prosenttiluku, olisi ollut helppo sokaistua suuresta prosenttiluvusta ottamatta huomioon taustalla vaikuttavaa alueen väkiluvun suuruutta.

Aiheet ovat mielenkiintoisia ja itse koin kiinnostavaksi tarkastella esimerkiksi eniten ja vähiten tienaavien alueellista jakautumista. Eri asia on sitten, onko tämä eettisesti oikein zoomausmahdollisuuden ollessa paikoitellen hyvinkin suuri.

Heikkoudet

Karttojen tiedot perustuvat vuosien 2005–2009 tietoihin, eli ne ovat jo muutaman vuoden vanhoja. Tiedot eivät siis välttämättä pidä enää paikkansa. Sivun yläreunassa on myös mainittu pienellä printillä, että harvaan asutuilla alueilla tiedot perustuvat arvioihin.

Mielestäni kartoissa on käytetty turhan montaa luokkaa. Koin hankalaksi erottaa viidestä luokasta, missä päin asuu mihinkin luokkaan kuuluvia ihmisiä. Luokkia olisi mielestäni voinut olla selkeyden vuoksi vaikka kolme. Toisaalta silloin jokainen luokka olisi ollut prosentuaalisesti melko suuri.

Uhat

Kuten jo mainitsin, koen karttojen teemojen olevan eettisesti hieman arveluttavia. Esimerkiksi tummaihoisten ihmisten sekä vähiten ja eniten tienaavien sijoittuminen on mielestäni väärin esittää niin tarkasti.  Esimerkiksi Washingtonin kaupunkiin zoomattaessa on mahdollista nähdä erittäin tarkasti, missä korttelissa 95 prosenttia asukkaista on tummaihoisia. Mielestäni tämä on vähintäänkin typerää, sillä ihmisten mielikuviin on helppo vaikuttaa tämänlaisilla karttaesityksillä ja ne saattavat vain pahentaa segregaatiota.

Jessica on myös kiinnittänyt blogissaan huomiota samaan seikkaan ja kirjoittaa:

 ”Tällaisten esitysten ongelmana on se, että ihmiset tekevät herkästi yleistyksiä ja johtopäätöksiä, jolloin asuinalueet saattavat leimautua epätarkoituksenmukaisesti.” (Järvinen 2014)

Palvelun uhka ja mahdollisuus samaan aikaan on myös sen vapaa käytettävyys. Kuka tahansa pääsee käsiksi tähän dataan ja sitä voidaan käyttää myös väärin. Jenni pohti samaa asiaa blogissaan:

”Etnisten ryhmien sijaintikarttoja voi kuka ja mikä tahansa ääriryhmä käyttää rasistisessa tai terroristisessa mielessä, mutta nämä ovat jokseenkin kaukaa haettuja.” (Kerola 2014)

Jenni toteaa mahdollisuuden terrorismiin olevan kaukaa haettua. Sitähän se toki ehkä hieman onkin, mutta periaatteessa joku hullu voisi saada päähänsä tarkastella esimerkiksi tummaihoisten suosimia alueita ja päättää iskeä juuri niihin.

Mahdollisuudet

Toisaalta pidän myös palvelun parhaana mahdollisuutena sen vapaata käytettävyyttä. Myös ilmaisuus ja helppokäyttöisyys ovat positiivisia puolia. Nämä tarjoavat ihmisille mahdollisuuksia pohtia itse, mihin kaikkeen tällaista palvelua voi hyödyntää. Ensimmäisenä mieleeni tulevat opetustarkoitukset. Myös Laura pitää mahdollisena, että tätä palvelua voi hyödyntää opetuksessa. Hän kirjoittaa, että:

”Opettaja voi joko itse laatia opetusmateriaalia aineiston pohjalta tai laittaa oppilaat tekemään projektityötä jostain aiheesta sivuston avulla. Paikkatietoaineiston käyttäminen tulisi samalla oppilaille tutuksi.” (Hintsanen 2014)

Olen samaa mieltä Lauran kanssa, että tällaisen palvelun kautta paikkatietoaineisto tulee oppilaille tutuksi. Palvelun helppokäyttöisyyden ansiosta paikkatiedon tärkeimmät käsitteet, sijaintitieto ja ominaisuustieto, on helppo ymmärtää.

Palvelun kautta näkee helposti, missä päin asuu esimerkiksi paljon samaan etniseen ryhmään kuuluvia ihmisiä tai vähätuloisia. Näillä alueilla voi olla suurempi syrjäytymisriski, joten viranomaisten olisi mahdollista pyrkiä vähentämään alueiden eriarvoisuutta. Myös esimerkiksi poliisin on mahdollista tarkkailla niiden alueiden asukkaiden etnistä taustaa tai varallisuutta, joilla tapahtuu eniten rikoksia.

 

Kokonaisuudessaan Every City, Every Block – palvelu olisi ihan kelpo palvelu, mikäli sitä vähän vielä kehittelisi eteenpäin. Esimerkiksi tekijöiden olisi mielestäni syytä miettiä, mitä muuttujia kannattaa esittää korttelitasoon zoomatuilla kartoilla. Olisi hyvä pohtia myös, muodostuuko palvelun vapaakäyttöisyydestä enemmän hyötyä vai haittaa, kun tietoja on niinkin arkaluonteisista asioista kuin homoista ja eri etnisistä ryhmistä.

Tällainen vapaa palvelu tuntuu hieman oudolta, kun on suomalaisena tottunut tiukkaan yksityisyyden suojaan ja siihen, että tietoja saa vain pyytämällä. Tosin en usko kyllä, että tietoa homoparien tarkoista asuinkortteleista edes saisi vaikka pyytäisi. Aihetta tuskin on edes niin paljon tutkittu.

Uskoisin, että Suomessa tietoja ei edes luovuteta kaikille niitä pyytäville vaan pitää osata perustella hyvin, miksi kyseistä tietoa tarvitsee. Tämä käytäntö on loppupeleissä mielestäni parempi, koska niin edes yritetään ehkäistä yksityiskohtaisten tietojen päätymistä vääriin käsiin.

Lähteet

Hintsanen, L. (2014). Mapping America: Every City, Every Block- SWOT–analyysi. <https://blogs.helsinki.fi/lhintsan/> Luettu 26.02.2014

Kerola, J. (2014). The New York Times: Mapping America. <https://blogs.helsinki.fi/jekerola/> Luettu 24.2.2014.

Järvinen, J. (2014). Mapping America: Every City, Every Block ja SWOT-analyysi. <https://blogs.helsinki.fi/jessicaj/> Luettu 26.02.2014.

The New York Times (2014). Mapping America: every city, every block. <http://projects.nytimes.com/census/2010/explorer> Luettu 26.02.2014.

Kurssikerta 6: Pisteaineistoja kartalla

Kuudennen kurssikerran alussa meidät passitettiin ulos raikkaaseen ulkoilmaan keräämään pisteitä gps-laitteella. En ollut aikaisemmin käyttänyt gps-laitetta, joten harjoittelu tuli tarpeeseen. Tarkoituksena oli kerätä laitteelle 10 pistettä, jotka sitten siirretään Mapinfoon Excelin kautta. Olisimme voineet lukea kurssin tiedotusblogista, että tarkoitus oli kerätä johonkin tiettyyn teemaan liittyviä pisteitä emmekä vain valita satunnaisia pisteitä. Tällä ei loppupeleissä kuitenkaan ollut merkitystä, sillä pisteiden sijoittaminen kartalle onnistui aivan samalla tavalla, vaikka ne eivät esittäneetkään mitään tiettyä teemaa, esimerkiksi bussipysäkkien sijaintia Arabianrannassa.

Tulokset koottiin Excel-taulukkoon, jossa esitettiin muun muassa pisteiden koordinaatit, pisteenottopaikan absoluuttinen korkeus ja tarkkuus. Seuraavaksi tämä Excel-taulukko siirrettiin Mapinfoon, jossa pisteet sijoitettiin kartalle Create Points-toiminnon avulla. Tämä oli oikeastaan yllättävän helppoa, sillä aiemmilla kerroilla välivaiheita on ollut niin monia, etten oikein ole pysynyt perässä. Tällä kurssikerralla sellaista ongelmaa ei riemukseni ollut.

Harjoittelimme vielä aineiston geokoodausta eli tietojen siirtämistä kartalle osoitetietojen perusteella. Paikansimme pääkaupunkiseudun peliautomaatteja osoite – ja postinumeroaineiston perusteella.

Kurssikerran itsenäistyöosiossa tehtävänä oli tarkastella hasardeja, tässä tapauksessa maanjäristyksiä, tulivuoria ja meteoriitteja, kartalla. Tarkoituksena oli tuottaa karttoja, joita voisi opettajana hyödyntää. Karttojen tekeminen edellytti aineiston hakemista netistä. Tämä osoittautui hankalammaksi kuin luulin, sillä Excel ei suostunut toimimaan haluamallani tavalla. Excel nimittäin tulkitsi koordinaattitiedot päivämääriksi. Esimerkiksi koordinaatin 25,1 Excel muutti automaattisesti tarkoittamaan 25.tammikuuta. Ongelma olisi ollut helppo korjata, mikäli korjattavaa ei olisi ollut niin paljon. Ei kuitenkaan olisi ollut mitään mieltä alkaa korjaamaan yksitellen jokaista koordinaattia. Siispä asia korjattiin Wordissa tai Notepadin avulla. Tosin tämäkään ei jokaisella kerralla harmikseni toiminut.

Lopulta, Excel taisteluiden jälkeen, sain aikaan vaaditut kolme karttaa. Ensimmäisessä kartassa (kuva 7) on esitettynä vuoden 1980 jälkeen tapahtuneet yli 7,0 magnitudin maanjäristykset sekä vuoden 1964 jälkeen purkautuneet tulivuoret. Tästä kartasta ja netistä löytämästäni kartasta (kuva 8) voidaan havaita, että maanjäristyksiä tapahtuu eniten litosfäärilaattojen reuna-alueilla. Näillä alueilla on myös eniten aktiivisia tulivuoria. Olisin kyllä voinut ulottaa tarkastelun omassa kartassani (kuva 7) jo 1900–luvun alun maanjäristyksiin ja tulivuorenpurkauksiin, enkä vain 1900–luvun loppupuolen tapahtumiin. Ajattelin kuitenkin, että kartalla olisi esitettynä liikaa havaintoja, jos siinä olisi esitetty jo 1900–luvun alkupuolella tapahtuneita maanjäristyksiä ja tulivuorenpurkauksia. Olisin myös voinut tarkastella eri tulivuorityyppien sijoittumista. Johanna on tehnyt juuri niin ja kertoo blogissaan havainnoistaan:

”Kerrostulivuoret syntyvät useimmin mannerlaattojen törmäysvyöhykkeillä ja kilpitulivuoret joko hot spoteissa tai joskus loittonemisvyöhykkeellä.” (Hakanen 2014)

Kuva 7. Vuoden 1980 jälkeen tapahtuneet yli 7,0 magnitudin maanjäristykset ja vuoden 1964 jälkeen purkautuneet tulivuoret.

Kuva 7. Vuoden 1980 jälkeen tapahtuneet yli 7,0 magnitudin maanjäristykset ja vuoden 1964 jälkeen purkautuneet tulivuoret.

Kuva 8. Litosfäärilaatat ja tulivuoret (NASA).

Kuva 8. Litosfäärilaatat ja tulivuoret (NASA).

Päätin myös, etten tarkastele vain ja ainoastaan yhtä teemaa kartoissani, sillä halusin harjoitella eri lähteistä ladattavien tietojen käyttöä. Siksi halusin myös tarkastella maanjäristysten ja meteoriittien alueellista jakautumista kartalla. Kuvasta 9 nähdään, että näiden välillä ei näytä olevan yhteyttä. Tämä ei tietenkään ole mikään ihme, sillä tarkastelin vain yli 7,0 magnitudin maanjäristyksiä, jotka ovat jo erittäin voimakkaita. Ajattelin kuitenkin, että tarkastelen vain yli 50 kg meteoriitteja, jolloin joukossa olevat suuremmat meteoriitit saattaisivat aiheuttaa jopa 7,0 magnitudin maajäristyksen. Olisin tietenkin voinut ajatella, että tällaisia meteoriitteja tuskin on kovin montaa, joten kartta on sinällään informatiivisesti heikko. Kyllä siitä kuitenkin ilmenee, mihin nämä yli 50 kg meteoriitit ovat pudonneet ja missä yli 7,0 magnitudin maanjäristykset tapahtuneet.

Kuva 9. Yli 50 kg painoiset meteoriitit, jotka ovat pudonneet vuoden 1950 jälkeen sekä yli 7,0 magnitudin maanjäristykset, jotka ovat tapahtuneet vuoden 1950 jälkeen.

Kuva 9. Yli 50 kg painoiset meteoriitit, jotka ovat pudonneet vuoden 1950 jälkeen sekä yli 7,0 magnitudin maanjäristykset, jotka ovat tapahtuneet vuoden 1950 jälkeen.

Viimeisessä tällä kurssikerralla tekemässäni kartassa (kuva 10) on esitettynä yli 6,0 magnitudin ja yli 8,0 magnitudin maanjäristykset. Tästä kartasta ilmenee vielä kuvan 7 karttaa paremmin maanjäristyksien esiintyminen litosfäärilaattojen reunoilla. Verrattuani tätä karttaa kuvan 8 karttaan, huomaan voimakkaampien maanjäristyksien tapahtuvan litosfäärilaattojen alityöntö–eli subduktiovyöhykkeissä.

Kuva 10. Vuoden 1980 jälkeen tapahtuneet yli 6,0 magnitudin maanjäristykset ja vuoden 1900 jälkeen tapahtuneet yli 8,0 magnitudin maanjäristykset.

Kuva 10. Vuoden 1980 jälkeen tapahtuneet yli 6,0 magnitudin maanjäristykset ja vuoden 1900 jälkeen tapahtuneet yli 8,0 magnitudin maanjäristykset.

Mielestäni tällä kurssikerralla tuottamistani kartoista informatiivisin on kuvan 10 kartta. Varsinkin, kun sitä vertaa netistä löytyneeseen karttaan. Näitä kahta karttaa katselemalla saa mielestäni melko hyvän kuvan maanjäristyksien ja litosfäärilaattojen suhteesta. Näitä kahta karttaa voisinkin käyttää opetuksessa, mikäli minusta tulisi opettaja. Sen sijaan meteoriittikartta on vähän turha, sillä siinä esitetyillä ilmiöillä ei edes näytä olevan yhteyttä.

Näitä karttoja voisi hieman muokata, jolloin niitä pystyisi hyödyntämään laajemmin opetuksessa. Natalia on keksinyt mielestäni hyviä sovelluksia kurssikerran kartoille. Hän kirjoittaa blogissaan:

 ”Luomaani maanjäristys- ja tulivuorikarttaan voitaisiin myös merkitä esim. tsunamiaaltoja ja nähdä miten nämä ilmiöt liittyvät toisiinsa. Maanjäristyksiä voisi myös kuvata yhden vuoden ajalta niin, että kuvaisi eriasteisia järistyksiä samalla kartalla. Mielestäni olisikin mielenkiintoista kuvata kartalla myös hyvin pieniä järistyksiä, sillä näitä ei usein kuvata kartoilla, jolloin oppilaille jää sellainen käsitys, että esim. Pohjoismaissa ei esiinny maanjäristyksiä, vaikka näilläkin alueilla esiintyy pieniä järistyksiä vuosittain”. (Erfing 2014)

Olen samaa mieltä Natalian kanssa, että pieniäkin järistyksiä kannattaisi välillä esittää kartalla, jotta muistuisi mieleen, että myös Suomessa esiintyy esimerkiksi maankohoamiseen liittyviä maanjäristyksiä. Mielestäni oppilaita on myös hyvä välillä muistuttaa muunlaisistakin tulivuorista kuin vain laattojen reuna-alueiden tulivuorista. Kuvan 7 kartasta nähdään nimittäin, että vulkaanista aktiivisuutta tapahtuu myös muualla, esimerkiksi kuumien pisteiden alueilla.

Voisin siis harkita näiden karttojen hyödyntämistä opetuksessa, mikäli olisin sellaisen uravalinnan tehnyt. Tosin mikäli näin tekisin, joutuisin muokkaamaan tekemiäni karttoja, sillä en ole niihin täysin tyytyväinen. Kuitenkin olen edelleen sitä mieltä, etteivät ensimmäisen vuoden maantieteen opiskelijan kartat vielä voikaan olla aivan täydellisiä.

Lähteet

Erfving, N. (2014). Kurssikerta 6: Maanjäristysten ja tulivuorten esittäminen pistekartalla. <https://blogs.helsinki.fi/nataliae/> Luettu 21.02.2014

Hakanen, J. (2014). Kurssikerta 6: Pisteaineiston muodostaminen ja esittäminen kartalla. <https://blogs.helsinki.fi/johakane/> Luettu 21.02.2014

NASA Goddard Spaceflight Center (2014). <http://blogs.discovermagazine.com/imageo/2014/02/16/eruption-indonesian-volcano-seen-images-space/#.UwcUuhAWd48> Luettu 21.02.2014

NCEDC (2014). Northern California Earthquake Data Center. <http://quake.geo.berkeley.edu/anss/catalog-search.html> Luettu 18.02.2014

NOAA (2014). Global Volcano Locations Database. <http://catalog.data.gov/dataset/global-volcano-locations-database> Luettu 18.02.2014

Meteoritessize (2013). <https://www.google.com/fusiontables/DataSource?docid=1vHSvjNgCIl6kRhFXPHhvESnnYx_ShToJWtWdjm8#rows:id=1>  Luettu 18.02.2014

Kurssikerta 5: Buffereita, analyyseja ja uima-altaita

Kurssikerta 5: Buffereita, analyyseja ja uima-altaita

Viidennellä kurssikerralla tutustuimme bufferointityökaluun (puskurointi), jonka avulla pystyy luomaan tietyn kokoisen vyöhykkeen halutun kohteen ympärille. Tämän jälkeen voidaan tarkastella esimerkiksi sitä, kuinka monta ihmistä asuu 500 metrin säteellä bussipysäkeistä, mikäli olemme edellisessä vaiheessa bufferoineet bussipysäkit.

Bufferointi on mielestäni erittäin hyödyllinen työkalu, koska sitä voidaan hyödyntää usealla taholla. Laura on blogissaan pohtinut bufferoinnin käyttömahdollisuuksia:

”Sillä voidaan kartoittaa esim. paras sijainti uudelle kauppakeskukselle laskemalla kaavailtujen paikkojen ympäristössä asuvien ihmisten määrä. Asukkaista voidaan lisäksi erotella eri ikäisten osuudet, auton omistavien talouksien määrä jne. Toinen käyttökohde voisi olla vaikka virkistysalueiden tavoitettavuus kaupunkialueella.” (Hintsanen 2014)

Aluksi bufferointityökalun käyttö tuntui helpolta, sillä teimme yksinkertaisia bufferointeja opettajan ohjeistuksella. Itsenäistehtäviä vilkaistuani iski jälleen pieni paniikki, sillä tehtävät näyttivät paljon vaikeammilta kuin opettajan kanssa tehdyt tehtävät. Näissä itsenäistehtävissä hankalaksi koitui edellisten kurssikertojen asioiden muistaminen, sillä soveltamiskykyä vaadittiin. Paniikki kuitenkin purkautui sitä mukaan, kun edellisten kertojen asiat vähitellen muistuivat mieleen. Lopulta sain yhteistyössä vieruskaverin kanssa tehtyä kaikki itsenäistehtävät ja tuloksetkin näyttivät järkeviltä. En kyllä mene takuuseen, että kaikki tehtävät ovat täysin oikein, mutta yritystä oli ainakin.

Kurssikerran itsenäistehtävissä tuli muun muassa laskea lentoasemien eri melualueilla asuvia ihmisiä, tarkastella alle puolen kilometrin päässä juna-asemista asuvia ja taajamissa asuvia ihmisiä. ”Kotitehtäväksi” jäi vielä yhden ekstra tehtävän valitseminen. Päätin tehdä tämän tehtävän uima-altaista pääkaupunkiseudulla. Näistä tuloksista tuli tehdä taulukko, joka on esitetty alla. Uima-altaista tuli tehdä myös kartta, mutta sitä en onnistunut edes kaverin kanssa yhteistyössä tuottamaan. Aineisto temppuili enkä saanut tallennettua sitä uuteen taulukkoon, jotta teemakartan teko olisi onnistunut. Aion kuitenkin vielä yrittää saada uima-allaskartan aikaiseksi.

Taulukko 1. Itsenäistehtävien tulokset

Viidennen kurssikerran jälkeen tuntuu siltä, ettei Mapinfo ole enää kauhea vihollinen. Ystäväksi sitä ei voi kuitenkaan vielä kutsua, sillä taisteluita ja hankaluuksia on vieläkin. Olen kuitenkin ymmärtänyt ohjelman hyödyllisyyden ja oppinut peruskäytön.  Edelleen ongelmia tuottaa suurimmaksi osaksi edellisten kertojen asioiden muistaminen. Jokaisella kurssikerralla tahti on ollut nopea, eikä uusia juttuja ole aina ehtinyt täysin ymmärtää ennen kuin on siirrytty jo seuraavaan. Tämä on kuitenkin sellainen asia, joka korjaantuu vain sillä, että sinnikkäästi yrittää ja lopulta oivaltaa, mikä toiminto tekee mitäkin, joten suurin rajoitus ohjelmaa käyttäessä on vielä käyttäjä itse. Tietenkin tarjolla olevat aineistot rajoittavat jossain määrin, mutta nykyään on kuitenkin saatavilla jo paljon ilmaistakin aineistoa paikkatieto-ohjelmiin.

Pohdittuani Mapinfon tärkeimpiä ominaisuuksia mieleeni nousevat Select-toiminnot, joilla voi yhdistää taulukoita toisiinsa. Myös Maintenance – ja Update Column ovat tärkeitä toimintoja, joilla taulukoita voi muokata. Sigma-merkki on myös erittäin hyödyllinen. Ehkä kuitenkin maantieteilijälle hyödyllisin toiminto on Create Thematic Map – toiminto, sillä se mahdollistaa tärkeimmän lopputuloksen, eli kartan luomisen.

Mapinfolla on myös negatiivisia puolia, kuten Katri on blogissaan huomauttanut. Hän kirjoittaa, että:

”Ulkoasun muokkaaminen ja objektien siirtäminen on hankalaa tai mahdotonta, ja muutenkin esimerkiksi legendan hienosäätö ja pohjoisnuolen luominen on vaikeaa.” (Ruutu 2014)

Olen samaa mieltä Katrin kanssa, sillä olen monet kerrat taistellut hankalan pohjois-nuolen kanssa, joka ei suostu siirtymään juuri siihen kohtaan, johon sen haluaisin.

Kokonaisuudessaan Mapinfo on alkanut jo avautumaan, mutta hankaluuksia on vieläkin. Esimerkiksi syntyvien ongelmien ratkaisu on vielä vaikeaa, sillä en koe taitojeni riittävän niiden ratkaisuun. Minun pitäisi edelleenkin yrittää vain kokeilla rohkeasti uusia toimintoja, jotta ongelmat ratkeaisivat.

Lähteet

Hintsanen, L. (2014). Kurssikerta 5: Bufferointia ja analyyseja. <https://blogs.helsinki.fi/lhintsan/> Luettu 20.02.2014

Ruutu, K. (2014). Kurssikerta 5: Bufferointia ja hankaluuksia.< https://blogs.helsinki.fi/karuutu/> Luettu 20.02.2014

Kurssikerta 4: Ruutuja ja rastereita

Neljäs kurssikerta tutustutti meidät ruututeemakarttojen tekemiseen. Aloitimme luomalla uuden grid–tietokannan pääkaupunkiseutua kuvaavan kartan päälle. Grid- eli ruudukkotietokanta luotiin Create Grid–työkalulla, jossa määriteltiin ruutukooksi 500 metriä. Seuraavaksi avasimme taulukon, josta ilmeni pääkaupunkiseudun asukkaiden sijainti. Taulukko sisälsi tietoa myös asukkaiden sukupuolesta ja iästä yms. Tämän taulukon tietojen perusteella Mapinfo laski luotuun ruututietokantaan asukkaiden sijainnin. Oskari Hanninen selittää blogissaan tämän operaation mielestäni hyvin:

”Ohjelma laski kunkin ruudun alueella olevat väestöpisteet ja tallensi niiden tiedot uuteen ruututietokantaan. Havaintopisteet, jotka osuivat useamman ruudun rajalle, tallentuivat molempiin ruutuihin.” (Hanninen 2014)

Näin olimme lopulta saaneet aikaan tietokannan, jota hyödyntämällä pystyi luomaan teemakartan asukkaiden ja opiskelijoiden lukumäärästä.

Tämän jälkeen koitti aika tehdä itsenäisesti kartta ruututietokantaa hyödyntämällä. Aloitin kartan tekemisen luomalla uuden ruututietokannan. Päätin, että teen kaksi karttaa, joissa toisessa ruutukoko on 300 metriä ja toisessa 600 metriä. Kartan muuttujaksi valitsin yli 60–vuotiaat. Näiden päätöksien jälkeen alkoivat ongelmat. Olin onnistunut luomaan ruudukon, jossa ruutukoko oli 300 metriä, mutta en onnistunut saamaan tietoja yli 60–vuotiaista kartalle. Värillisten ruutujen sijaan kartalla näkyi ihmeellisiä tähtikuvioita. Opettajalta asiasta kysyttyäni selvisi, että eihän minulla ollut mitään tietoja uudessa ruututietokannassa vaan tietenkin tiedot piti ensin päivittää. Niinpä tein uuden sarakkeen ruututietokantaani ja laskin siihen harjoituskartassakin käytetyn väestötaulukon tietoja hyödyntämällä yli 60–vuotiaat. Tämän jälkeen teemakartan tekeminen onnistui paremmin.

Tein samat toimenpiteet myös luotuani uuden ruututietokannan ruutukoolla 600 metriä. Tämän jälkeen minulla oli kaksi hieman erinäköistä karttaa yli 60–vuotiaiden ihmisten asuinpaikoista pääkaupunkiseudulla. Käytin molemmissa kartoissa luokittelutapana luonnollisia luokkarajoja, jotta aineiston huippukohdat tulisivat näkyviin. Mielestäni molemmat tällä kurssikerralla aikaansaamani kartat ovat melko hyviä. Valitsin kuitenkin blogissa julkaistavaksi kartaksi sen, jossa olen käyttänyt 600 metrin ruutukokoa. Päädyin tähän tulokseen, sillä 300 metrin ruutukoon kartassa on mielestäni kuitenkin liian monta luokkaa, jolloin kartan tulkinta pienistä ruuduista voi olla hankalaa. Tosin mitä pienempi on ruutukoko on, sitä tarkemmin se kuvaa esitettävää ilmiötä. Tästä huolimatta päädyin kuitenkin 600 metrin ruutukoolla tuottamaani karttaan, sillä mielestäni tässä kartassa ruudut ovat juuri sopivan kokoisia kartan selkeyden ja havainnollisuuden kannalta. Tämä on kuitenkin osittain mielipidekysymys, sillä Katri (Ruutu) teki kartan samasta aiheesta kuin minä, mutta piti parempana 300 metrin ruutukoolla tekemäänsä karttaa.

Kuvassa 6 on esitetty tämä valmis, 600 metrin ruutukoolla tekemäni kartta. Valitsin luokkien väreiksi punaisen, keltaisen ja vihreän sävyjä, jotka mielestäni erottuvat hyvin toisistaan. Tosin puna-vihersokeilla ihmisillä on varmasti vaikeuksia tämän kartan tulkitsemisessa. Kuvasta 6 nähdään, että yli 60–vuotiaita asuu näistä kunnista eniten Helsingissä, jossa toisaalta on myös kokonaisuudessaan eniten asukkaita. Helsingin sisällä yli 60–vuotiaita on eniten Etelä–, Länsi – ja Itä-Helsingissä. Vähiten yli 60–vuotiaita asuu Espoon ja Vantaan pohjoisosissa.

Kuva 6. Yli 60–vuotiaiden absoluuttinen määrä ja jakautuminen pääkaupunkideudulla 600x600 ruudukolla.

Kuva 6. Yli 60–vuotiaiden absoluuttinen määrä ja jakautuminen pääkaupunkiseudulla 600×600 metrin ruudukolla.

Olisin voinut lisätä tähän karttaan esimerkiksi alueiden nimiä, jotta karttaa olisi ollut selkeämpi tulkita. Värit ovat ehkä liiallisen tuijottelun seurauksena kuitenkin turhan räikeät ja olisin todellakin voinut ajatella punaisen ja vihreän värin ongelmia värisokeiden kannalta. Ehkä värien valinta miellyttääkin liiaksi omaa silmääni, jolloin en tullut ajatelleeksi muita. Karttaan olisi ollut mielenkiintoista lisätä myös esimerkiksi liikenteen–ja kaupan solmukohtia, kuten Jumbon ja Sellon kauppakeskukset.

Ruututietokannan avulla tehty kartta kuvaa mielestäni kohtalaisen hyvin absoluuttisia arvoja. Valittujen luokkien puitteissa yhden luokan vaihteluväli voi kuitenkin olla hyvinkin suuri, jolloin tarkkojen absoluuttisen arvojen lukeminen kartalta voi olla hankalaa. Ongelmaksi muodostuu myös se, että usein suurimmat lukemat kuvautuvat sinne, missä koko asukasmääräkin on suurin. Ruututietokannan avulla tuotettua teemakarttaa voi verrata pistekarttaan, jossa voidaan myös esittää absoluuttisia arvoja. Laura Hintsanen kuvailee hyvin blogissaan ruututeemakartan ja pistekartan eroja:

”Pistekartalla havaintojen sijainti on siis tarkempi kuin rasterikartalla ja havaintojen määrän voi arvioida tarkemmin. Tietysti pistekartoissakin havaintojen määriä pyöristetään, koska harvoin havaintoja on täsmälleen pisteen osoittama pyöreä luku.” (Hintsanen 2014)

Perinteisempi koropleettikartta olisi mielestäni kuitenkin sopinut tämän teeman esittämiseen paremmin, sillä se kuvaa suhteellisia arvoja. Tällöin olisi ollut mahdollista tarkastella, erottuuko esimerkiksi väkiluvultaan pieni Kauniainen paremmin kuvattaessa yli 60–vuotiaiden suhteellisia osuuksia. Mielipiteeseeni vaikuttaa varmasti myös tottuminen koropleettikarttojen tuijotteluun, joten oli hyvä tehdä välillä kartta, jossa kuvataan absoluuttisia arvoja.

Lähteet

Hanninen, O. (2014). Kurssikerta 4. <https://blogs.helsinki.fi/oskariha/>  Luettu 11.02.2014

Hintsanen, L. (2014). Kurssikerta 4: Rasterikarttoja. <https://blogs.helsinki.fi/lhintsan/> Luettu 11.02.2014

Kurssikerta 3: Datan lisääminen tietokantaan ja valuma-aluekartta

Kolmannella kurssikerralla aloitimme suoraan Mapinfo–harjoituksesta ilman PowerPoint–esitystä. Muokkasimme ensin opettajan ohjauksella netistä saatua Afrikan karttaa yhdistämällä kohteita toisiinsa. Seuraavaksi harjoittelimme uuden datan tuomista toisesta ohjelmasta (tässä tapauksessa Excelistä) Mapinfoon ja teimme tietokantaliitoksen yhdistääksemme tietokannat toisiinsa. Tämän jälkeen tuotimme uutta tietoa taulukkoon päivittämällä sarakkeita ja teimme tiedonsiirtoja eri tietokantojen välillä. Tahti tällä kurssikerralla oli melkoinen. Lopputuloksena syntyi Afrikan kartta, jossa on esitettynä öljyalueet, timanttikaivokset ja konfliktialueet (kuva 4). Tämä kartta antaa mielestäni osviittaa siitä, mitä esiintyy missäkin, mutta laajemmista taustatiedoista olisi ollut enemmän hyötyä kartan informatiivisuuden kannalta. Mia Eriksson ilmaisee blogissaan saman asian hyvin. Hän sanoo, että:

Tämä tietokanta on kuitenkin edelleen melko vajaavainen sisältönsä suhteen. Tarkastellaan esimerkiksi tietokantaan tallennettuja konflikteja, jotka on merkitty kartalle punaisin pistein. Tiedämme siis nyt, missä päin Afrikkaa konflikteja on ollut. Emme kuitenkaan tiedä mitään siitä, millon konfliktit ovat tapahtuneet, ja minkä luontoisia ne ovat olleet. Sama ongelma vaivaa myös oljylähteitä sekä timanttikaivoksia; tiedämme vain niiden sijainnin, emme löytymisvuosia emmekä sitä, kuinka tuottavia kyseiset varat ovat olleet.” (Eriksson 2014).

Olen samaa mieltä Mian kanssa, sillä olisi ollut mielenkiintoista tietää, milloin konfliktit ovat tapahtuneet ja uusia timanttikaivoksia perustettu. Tällöin olisi ollut mahdollista pohtia, onko esimerkiksi uusien timanttikaivosten ja konfliktien välillä yhteys. Kuvasta 4 nähdään, että erityisesti Arfikan keski–ja länsiosissa konflikteja (vihreät pallot) on melko paljon timanttikaivosten (mustat tähdet) läheisyydessä, mutta tämän kartan perusteella ei voida tehdä muuta päätelmää kuin että näillä saattaa olla jokin yhteys.

Kuva 4. Konfliktialueet, timanttikaivokset ja öljyalueet Afrikassa.

Kuva 4. Konfliktialueet, timanttikaivokset ja öljyalueet Afrikassa.

Tämän kurssikerran taulukkoaineistossa oli tietoa myös Internetin ja Facebookin käyttäjistä. Tätä tietoa ei valmiissa Afrikan kartassa kuitenkaan ollut esitettynä. Olisi ollut mielenkiintoista pohtia Internetin tai Facebookin käyttäjämäärissä tapahtuneita muutoksia eri vuosina eri valtioissa ja tarkastella perustettiinko samoille alueille esimerkiksi timanttikaivoksia samoihin aikoihin. Se olisi saattanut kertoa vaurauden kasvusta.

Tällä kurssikerralla teimme itsenäisesti myös valuma–aluekartan, jossa on esitettynä tulvaindeksi arvoja ja järvisyysprosentteja eri puolilta Suomea. Tämä kartta oli erittäin hyödyllistä tehdä, sillä en Afrikan kartan valmistuttua ollut ollenkaan perillä, mitä olimme tehneet milloinkin. Joten oppimisen ja ymmärtämisen kannalta tämä kartta oli vielä hyödyllisempi tehdä kuin opettajan ohjauksella tehty Afrikan kartta.

Ennen kartan tekemistä meidän täytyi yhdistää tietoa samaan tietokantaan ja tuoda tietoa Excelistä, kuten Afrikan karttaa vartenkin oli tehty. Hetken aikaa asiaa Katrin kanssa pohdittuamme saimme aikaan yhden taulukon, jossa olivat tiedot valuma–alueista, järvisyysprosenteista ja tulvaideksiluvuista. Tämän jälkeen varsinaisen kartan tekeminen oli helppoa.

Valmiista kartasta (kuva 5) nähdään, että Pohjanmaan ja Turun seudun joissa tulvaindeksi on suurempi kuin muualla Suomessa. Tämän uskoisin johtuvan siitä, että seudulla ei ole niin paljon järviä kuin esimerkiksi Keski–ja Itä–Suomessa. Tällöin tulvia syntyy helpommin, sillä vesimassat eivät pääse purkautumaan mihinkään vaan tulvivat joenuoman yli. Rannikolla myös sademäärä on usein sisämaata suurempi, mikä on omiaan lisäämään tulvariskiä. Keski–ja Itä–Suomessa sademäärä on uskoakseni rannikoita matalampi ja alueen useat järvet imevät tehokkaasti tulvavesiä. Christa Sallasmaa muistaa viisaasti mainita myös ihmisten vaikutuksen tulvariskeihin. Hän kirjoittaa blogissaan:

”On hyvä muistaa, että luonnollisten tekijöiden lisäksi tulva-alttiutta nostavat myös ihmisen teot. Esimerkiksi Pohjanmaan tulvat ovat voineet lisääntyä suo-ojitusten seurauksena.” (Sallasmaa 2014). Tätä asiaa en itse tullut muistaneeksi, vaikka olisi tietenkin pitänyt pohtia myös ihmisen vaikutusta jonkin alueen tulvaherkkyyteen.

Kuva 5. Suomen päävaluma-aluiden tulvaindeksi ja järvisyysprosentti.

Kuva 5. Suomen päävaluma-aluiden tulvaindeksi ja järvisyysprosentti.

Päädyin käyttämään kartassani sinisen eri sävyjä, sillä ne korostivat parhaiten veteen liittyvää teemaa. Järvisyyttä kuvaavat pylväät muutin keltaisen värisiksi, jotta ne erottuisivat hyvin kartasta. Kurssikerran aineistossa oli kuvattu histogrammi valmiiksi, jonka perusteella valitsin luokittelutavaksi kvantiilit. Voisin kyllä yrittää opetella muokkaamaan luokkavälejä myös itse, sillä välillä ne saattaisivat olla paras ratkaisu. Pelkään kuitenkin, että päätyisin vahingossa typerään ratkaisuun, joka aiheuttaisi virhetulkintoja. Tekemällä kuitenkin oppii parhaiten. Kokonaisuudessaan olen kuitenkin melko tyytyväinen karttaani, sillä siitä näkee helposti, missä päin Suomea tulvaindeksi on suurin.

Lähteet

Eriksson, M. (2014). Kolmas kurssikerta: Käsiksi dataan. <https://blogs.helsinki.fi/miaeriks/> Luettu 04.02.2014

Sallasmaa, C. (2014). 3. kurssikerta: Tietokantoja ja teemakartta valuma-alueista. <https://blogs.helsinki.fi/christas/>. Luettu 04.02.2014.

SYKE 2013. Valuma-alueet. Oiva -tietokanta. <http://wwwp2.ymparisto.fi/scripts/paikkatieto.asp>

Artikkeli 1 – Asiaa kaksiteemaisesta koropleettikartasta

Anna Leonowicz (2006) kertoo artikkelissaan ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship” kaksiteemaisesta koropleettikartasta ja sen ominaisuuksista ja vertaa sitä yksiteemaiseen koropleettikarttaan. Hän esittelee myös tutkimustuloksiaan ensimmäisen vuoden maantieteen opiskelijoille tehdyn kokeen perusteella, jonka mukaan opiskelijat kokivat kaksiteemaisen koropleettikartan hankalammaksi tulkita kuin yksiteemaiseen koropleettikartan. Kaksiteemaisen koropleettikartta soveltui kuitenkin yksiteemaista paremmin kuvaamaan muuttujien keskinäistä suhdetta, mikäli kaksiteemaisen kartta oli hyvin tehty, kun taas yksiteemainen koropleettikarttta soveltui paremmin alueellisen jakautumisen esittämiseen.

Kaksiteemaisessa koropleettikartassa on esitettynä kahden teeman suhteet toisiinsa samalla kartalla käyttäen hyväksi samojen värisävyjen eri asteita kertomaan korrelaation voimakkuudesta. Kaksiteemaiset teemakartat on kuitenkin koettu hankaliksi ymmärtää ja uskoisin sen johtuvan paljolti vaikeasti tulkittavasta legendasta. Ilman legendan ymmärtämistä kaksiteemaista koropleettikarttaa on mahdotonta tulkita oikein. Minullakin oli vaikeuksia sen tulkitsemisessa, joten jouduin turvautumaan paitsi sanakirjaan myös muiden blogeihin ennen kuin lopulta ymmärsin, miten legenda toimii. Legenda koostuu neliöistä, jossa neliöitä vastaavat prosenttiosuudet näkyvät sarakkeiden (x-akseli) ja rivien (y-akseli) vastaavissa kohdissa, jolloin jokaisella neliöllä on oma muuttujien välistä riippuvutta kertova arvonsa. Leonowicz toteaa artikkelissaan, että legendassa ei ole hyvä käyttää liian montaa neliötä, jotta kartalle ei muodostuisi liikaa värisävyjä, jolloin siitä tulisi liian hankala tulkita. Yhdeksän neliötä (3×3) oli hänen mielestään sopiva määrä.

Olen samaa mieltä artikkelin tekijän kanssa, että kaksiteemainen koropleettikartta soveltuu hyvin muttujien välisten suhteiden esittämiseen, mutta sen käytössä on mielestäni syytä olla varovainen. Karttaa ja legendaa on helppo tulkita väärin, joten ehkä joissain tapauksissa olisi viisaampaa esittää kaksi yksiteemaista karttaa vierekkäin. Uskon kuitenkin, että hyvä kartanlukija saa kaksiteemaisesta koropleettikartasta enemmän irti kuin minä, joka olen vielä melko harjaantumaton karttojen tulkitsija.

Artikkeli oli kokonaisuudessaan mielenkiintoinen ja tarjosi aivan uudenlaisen tavan teemakartan tekemiseen. En ole ainakaan vielä löytänyt Mapinfosta sovellusta tälläisen kaksiteemaisen koropleettikartan tekoon, mutta taitoni eivät olekaan vielä tarpeeksi kehittyneet. Toisaalta en haluaisikaan vielä edes tuottaa tälläistä koropleettikarttaa, sillä en välttämättä itsekään osaisi sitä täysin oikein tulkita. Myös englannin kieli asetti omat haasteensa lähdeartikkelin ymmärtämiseen, mutta onneksi sanakirja ja kurssikaverit on keksitty.

Lähde

Leonowicz, A. (2006). Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija 42: 1, 33-37.

Kurssikerta 2: Teemakartat tutuiksi

Toisella kurssikerralla harjoittelimme erilaisten teemakarttojen tekemistä Mapinfo–ohjelmalla. Kurssikerran aluksi oli lyhyt PowerPoint–esitys teemakartoista, joita Mapinfolla pystyy tekemään. Näitä teemakarttoja ovat jo ensimmäisellä kurssikerralla tehdyn koropleettikartan lisäksi pylväsdiagrammikartta, ympyrädiagrammikartta, graduated–teemakartta, pistekartta, individual – kartta ja grid – kartta. Jasmin Bayar on osuvasti tiivistänyt blogissaan näiden teemakarttojen tärkeimmät ominaisuudet:

 

”- Pylväillä voidaan kuvata absoluuttisia tai suhteellisia arvoja, ja absoluuttisia arvoja käytettäessä on otettava huomioon alueiden erilaisuus.

– Ympyrädiagrammikartta soveltuu usean ilmiön kuvaamiseen. Ympyrän lohkon koko kuvaa tekijän suuruutta ja ympyrädiagrammi esittää valitut arvot kunkin kohteen päällä.

– Graduated-teemakartalla kuvataan absoluuttisia arvoja kartalla. Kartalla olevan symbolin koko kasvaa teemoitettavan arvon kasvaessa.

– Pistekartalla kuvataan absoluuttisia arvoja eri aluekohteilla, ja pisteen koko on verrattavissa annettuun arvoon.

– Individual teemakarttatyyppi soveltuu laadullisten ilmiöiden kuvaamiseen, ja sillä voi esimerkiksi erottaa maakunnat eri väreillä (kuva 1.)

– Grid-teemakartassa kartta muodostuu interpoloidun aineiston pohjalta ja kartta muodostuu jatkuvapintaisesta liukuvärjäyksestä. Grid kartan pohjalta voidaan tehdä 3D – karttoja”. (Bayar 2014)

PowerPoint – esityksen jälkeen harjoittelimme yhdessä opettajan johdolla erilaisten teemakarttojen tekemistä. Tämän jälkeen oli vuorossa omatoimista työskentelyä, jonka tavoitteena oli saada aikaan kaksi päällekkäistä teemakarttaa. Aineistona käytettiin Tilastokeskuksen dataa. Halusin rajata karttani alueeksi Kainuun ja Pohjois-Karjalan, sillä seutu on minulle aikaisempien kurssien töiden perusteella tuttu. Ongelmaksi muodostui kuitenkin aiheen valinta. En millään keksinyt, mitä kahta muuttujaa olisin tarkastellut, joten päädyin kokeilemaan työttömyysastetta ja väkilukua. Oletin tietenkin, että kartta paljastaisi hienon korrelaation kuntien väkiluvun ja työttömyysasteen yhteydestä. En kuitenkaan havainnut kartassa mitään selkeää korrelaatiota, että suuremman väkiluvun kunnissa olisi merkittävästi korkeampi tai alhaisempi työttömyysaste. Niinpä päädyin tarkastelemaan työttömyysasteen ja korkeakoulutettujen ihmisten määrää, sillä ajattelin näiden muuttujien korreloivan keskenään paremmin kuin väkiluvun ja työttömyysasteen.

Tarkasteltuani histogrammeja työttömyysasteesta ja korkeakoulutettujen määrästä, totesin, että kvantiilit aineiston luokittelun perusteella voisivat olla jälleen toimivin ratkaisu selkeästi vinoon jakaumaan. Luokkien lukumääräksi valitsin kolme, sillä suurempaa määrää olisi ollut hankala esittää päällekkäin kartalla. Samaan ratkaisuun päätyi myös samoista muuttujista kartan tehnyt Christa Sallasmaa, joka totesi blogissaan:

Työttömyysasteen esitin kolmeluokkaisena koropleettikarttana. Enemmän kuin kolme luokkaa olisi tehnyt kaksiteemaisesta kartasta vaikeasti luettavan, varsinkin kun MapInfon omia värityksiä ja rastereita on joskus vaikea erottaa toisistaan.” (Sallasmaa 2014)

Hän tulee kommentissaan maininneeksi myös mielestäni suurimman ongelman, joka liittyy kahteen päällekkäin esitettävään teemakarttaan. Jouduin nimittäin pohtimaan ankarasti, miten esittää kaksi muuttujaa päällekkäin niin, ettei tuloksena ole esittämiskelvotonta rasteripuuroa. Yritin ensin käyttää työttömyysasteen esittämiseen värejä ja korkeakoulutettujen suhteelliseen määrään eri paksuisia vinoja viivoja, mutta valmiista kuvasta ei saanut mitään selvää. Niinpä päädyin muuttamaan korkeakoulutettujen osuudet erisuuntaisiksi viivoiksi, jolloin valmista karttaa pystyy lukemaan.

Kuva 3. Teemakartta työttömyyden ja korkeakoulutetun väestön osuuksista Kainuussa ja Pohjois-Karjalassa vuonna 2010 (Työssäkäyntitilastot 2010; Oppilaitostilastot 2010).

Kuva 3. Teemakartta työttömyyden ja korkeakoulutetun väestön osuuksista Kainuussa ja Pohjois-Karjalassa vuonna 2010 (Työssäkäyntitilastot 2010; Oppilaitostilastot 2010).

Valmiista kartasta (Kuva 3.) nähdään, että melkein kaikissa alimman työttömyysasteen kunnissa korkeakoulutettujen osuus on suuri. Kuitenkaan kaikissa korkeimman työttömyysasteen kunnissa ei ole vain alimpaan korkeakoulutusasteluokkaan kuuluvia. Huomioitava seikka on kuitenkin, se että yhdessäkään korkeimman työttömyysasteen kunnassa ei ole suurinta korkeakoulutettujen suhteellista määrää. Joten mielestäni voi sanoa, että mitä enemmän kunnassa asuu korkeakoulutettuja ihmisiä, sitä todennäköisemmin kunnan työttömyysaste on suhteellisen alhainen. Täytyy kuitenkin muistaa, etten huomioinut tässä kartassa kuntien erisuuruisia väkilukuja, jotka voivat vaikuttaa työttömyysasteeseen.

Mielestäni karttani on melko hyvä, mutta jälleen kerran olisin ehkä voinut miettiä väritystä tarkemmin. Myös luokittelutavan valinta aiheuttaa edelleen ongelmia, sillä kuvan 3 kartassa joidenkin luokkien välit ovat melko pieniä, vaikka niissä onkin havaintoja suunnilleen saman verran.

Tarvitsen mielestäni kuitenkin edelleen paljon harjoitusta, että uskaltaisin itsekin kokeilla uusia toimintoja ilman pelkoa ohjelman romahtamisesta tai jonkun tehtävän ”mokaamisesta”. Olen tottunut noudattamaan ohjeita orjallisesti, mutta välillä olisi varmaankin hyvä hieman harjoitella luovuutta ja kokeilla itsenäisesti mitä kaikkea ohjelmalla voikaan tehdä.

 

Lähteet

Bayar, J. (2014). 2. Kurssikerta: Teemakartat.<https://blogs.helsinki.fi/jasbayar/>  Luettu 28.01.2014.

Oppilaitostilastot (2010). Tilastokeskus.

Sallasmaa, C. (2014). 2. kurssikerta: Kaksi päällekkäistä teemaa. < https://blogs.helsinki.fi/christas/> Luettu 28.01.2014

Tilastokeksus (2010). Työssäkäyntitilasto.

Kurssikerta 1: Mapinfoon tutustuminen

Ensimmäisen kurssikerran alussa opettaja palautti mieliimme paikkatiedon perusasioita, jotka ovat tärkeitä muistaa karttoja tehdessä. Hän kertoi muun muassa vektori–ja rasterimuotoisen tiedon eroista sekä erilaisista analyysitavoista, joita paikkatieto-ohjelmalla on mahdollista tehdä. Tämän jälkeen pääsimme itse heti kokeilemaan teemakartan tekemistä Mapinfolla. Olimme jo syksyllä Tiedonhankinta, analyysi ja kartografia – kurssin aikana lyhyesti tutustuneet Mapinfoon, mutta siitä ei ollut enää juuri muistikuvia. Teimme kaikki yhdessä samanlaisen teemakartan muunkielisten osuuksista Helsingissä opettajan ohjauksella harjoiteltuamme ensin hieman perusjuttuja.

Tämän jälkeen pääsimme itse toteuttamaan ensimmäiset omat teemakarttamme. Tämän toisen teemakartan tekeminen sujui mielestäni jo melko hyvin, sillä perusjutut olivat opettajan ohjauksessa tulleet jo tutuiksi. Tein oman teemakarttani ulkomaalaisten osuuksista Suomessa, jonka tiedot olivat vuodelta 2011. Vaikeimmaksi tämän kartan tekemisessä osoittautui luokittelutavan valinta. En koe, että minulla olisi vielä tarpeeksi tietoa ja osaamista, jotta osaisin valita juuri sen oikean luokittelutavan, joka olisi mahdollisimman havainnollinen ja totuudenmukainen. Tarkastelin kuitenkin aineistoni jakautumista histogrammityökalun avulla, jonka tekemän kuvan perusteella (Kuva 1.) päädyin käyttämään luokittelutapana kartassani kvantiileja. Tähän päädyin sen perusteella, että mielestäni kuvan 1 jakauma on vino, jolloin kvantiilit soveltuvat käytettäväksi. Toisaalta jakauman voisi tulkita olevan myös epämääräinen, jolloin luonnolliset luokkavälit olisivat olleet parempi vaihtoehto. Tätä luokittelutapaa kokeiltuani totesin kuitenkin, että luokissa olevien havaintojen määrät poikkesivat niin paljon toisistaan, ettei tämän luokittelutavan käyttämisessä olisi ollut järkeä.

Kuva 1. Histogrammi ulkomaalaisten osuuksista Suomessa.

Kuva 1. Histogrammi ulkomaalaisten osuuksista Suomessa.

Päädyin käyttämään lopullisessa kartassani (Kuva 2.) kolmea luokkaa, sillä se on mielestäni sopiva määrä mahdollisimman havainnollisen lopputuloksen kannalta. Viisi luokkaa oli mielestäni jo liikaa ja neljäkin luokan käyttäminen mielestäni sotki värejä liikaa toisiinsa. Mutta tämä on tietenkin myös makuasia. Väriksi valitsin punaisen ja keltaisen eri sävyt. Jessica Järvinen teki kartan samasta aiheesta kuin minä ja kirjoittaa blogissaan, että: ”Punainen väri kartassa saatettaisiin mieltää ulkomaalaisvastaiseksi kun taas vihreä myönteiseksi”. Olen kyllä osittain samaa mieltä, mutta mielestäni punaisen ja keltaisen sävyt oli niin helppo erottaa toisistaan, etten oikeastaan edes ajatellut toisen väristä karttaa. Näin jälkeenpäin ajateltuna olisin voinut Jessican tavoin miettiä värien merkitystä esitettävään asiaan.

Kuva 2. Koropleettikartta ulkomaan kansalaisten osuuksista kunnittain 2011 (Tilastokeskus 2011).

Kuva 2. Koropleettikartta ulkomaan kansalaisten osuuksista kunnittain 2011 (Tilastokeskus 2011).

Mielestäni kartastani nähdään hyvin, missä päin Suomea ulkomaalaisten osuus on suurempaa kuin muualla. Mutta rehellisesti sanottuna kartan punainen väri saattaa antaa kuvan hyvin suurista prosenttiosuuksista, vaikka ulkomaalaisten osuus vaihtelee vain 0,1 – 1,4 % välillä. Uskon kuitenkin, että kurssin edetessä pidemmälle omat taitonikin karttuvat ja kykenen tekemään entistä parempia karttoja. Mielestäni tärkein opetus ensimmäisellä kurssikerralla oli, että hyvän kartan tekeminen ei ole niin helppoa kuin luulisi.

Lähteet

Järvinen, J. (2014). 1. työkerta: MapInfo ja koropleettikartat. <https://blogs.helsinki.fi/jessicaj/> Luettu 28.01.2014

Histogrammityökalu. <http://illuminations.nctm.org/Activity.aspx?id=4152>. Luettu 23.01.2014

Tilastokeskus (2011). Ulkomaiden kansalaisten osuus kunnittain.