Seitsemäs Kurssikerta

Seitsemäs kurssikerta alkoi jo edellisenä päivänä kun aloin etsiä aineistoa tiedotusblogissa annettuun tehtävään. Tehtävänä oli luoda teemakartta kahdesta muuttujasta jollakin alueella. Toisin kuin edellisillä kurssikerroilla, viimeisen kerran tuotokseen ei ollut saatavissa valmiita aineistoja, vaan ne oli pengottava itse internetin syövereistä. Tiedotusblogissa oli muutamia linkkejä erilaisiin kartta ja tilastopalveluihin ympäri maailman. Hetken pohdiskelun jälkeen valitsin alueekseni Euroopan. Koska lähes kaikki Euroopan maat lasketaan hyvinvointivaltioksi, tiedon ja informaation määrä koitui jopa ongelmaksi. Lopulta sain määritettyä itselleni erilaisia muuttujia muutamaa teemakarttaa varten. Pohjakartan olisi voinut tehdä myös itse digitoimalla, mutta istuttuani edellisen päivän digitoimassa Corelilla päätin käyttää valmista pohjakarttaa, joka oli ladattavissa kurssikansiostamme. Koska käytin valmista karttapohjaa, tuli minun laatia yhden kartan sijaan kaksi teemakarttaa.

Ensimmäisessä kartassani tarkastelin Euroopan maiden energian kulutusta suhteessa väkilukuun vuonna 2010. Lähteenä käytin Euroopan komission tilastokeskuksen vuosikatsausta. (Eurostat yearbook). Pohjalle laadin koropleettikartan maiden väkiluvuista. Väkirikkaimmat maat näkyvät tummina ja vähäväkisemmät maat vaaleina. Energiankulutusta kuvaavat punaiset pylväät. Energiankulutuksen yksikkö on ”miljoonaa tonnia öljyä tai siihen verrattavia aineita”. Kun aineisto oli löytynyt ja aihe päätetty kartan teko olikin varsin vanhan kertausta. Ainoaa pientä kangertelua aiheutti tilaston tuonti Exeliin oikeassa muodossa. Myös aineiston liittäminen kartan tietokantaan on vielä hiukan takkuilevaa, mutta muutaman yrityksen jälkeen sain loihdittua mielestäni varsin selkeän esityksen.

Kuva1. Kahden muuttujan teemakartta väestösta ja energian kulutuksesta Euroopassa vuonna 2010

Kuva1. Kahden muuttujan teemakartta väestösta ja energian kulutuksesta Euroopassa vuonna 2010

Kuten voidaan aavistella, väkiluvultaan suurien maiden kuten Saksan, Ranskan, Italian ja Iso-Britannian energiankulutus on muihin maihin nähden varsin suurta.  Pienintä kulutus on etelä- Euroopan pienissä maissa, joissa energiaa menee varsin vähän esimerkiksi lämmitykseen ja valaistukseen. Pohjoisen sijainnin vaikutus energiankulutukseen näkyy Suomen, Ruotsin ja Norjan kulutuspylväissä, jotka ovat huomattavasti eteläisiä pylväitä pienempiä. Jälkeenpäin ajateltuna olisi mielenkiintoista laskea aineistosta energiankulutus henkeä kohti ja esittää se esimerkiksi graduated- teemakarttana.

Toisessa kartassani halusin tarkastella hiukan eri muuttujia. Ongin aineistoni samasta lähteestä, mutta tällä kertaa keskityin energian kulutuksen sijaan sen tuotantoon. Tein punasävyisen koropleettikartan energian tuotannosta vuonna 2010. Yksiköt ovat tässäkin kartassa ”miljoonaa tonnia öljyä tai siihen verrattavia aineita”. Vihreät pallot kuvaavat uusiutuvan energian tuotannon osuutta kokonaistuotannosta. Kuten edellisessäkin kartassa, itse teemakartan luominen oli varsin simppeliä. Enemmän päänvaivaa aiheuttivat aiheen päättäminen ja aineistojen yhdistäminen. Aineistossani ei ollut valmiina uusiutuvan energian prosentuaalista osuutta, joten minun tuli laskea sen osuus kokonaistuotannosta. Laskutoimitus ei tahtonut millään onnistua MapInfolla, joten käytin kiertotietä ja suoritin laskutoimitukset Exeliä apuna käyttäen.

Kuva 2. Energiantuotanto ja uusiutuvan energian osuus kokonaistuotannosta vuonna 2010.

Kuva 2. Energiantuotanto ja uusiutuvan energian osuus kokonaistuotannosta vuonna 2010.

Valmiissa kartassa tummimman punaiset maat tuottavat eniten energiaa ja vaaleimmat vähiten. Kuten energian kulutuksessakin, myös sen tuotannossa Euroopan suurvaltoja ovat Iso-Britannia, Saksa ja Ranska. Myös Norja suurine öljy ja vesivaroineen yltää kärkikastiin. Vähiten energiaa tuottavat tietysti ne maat, joilla on niukasti energiahyödyllisiä luonnonvaroja. Uusiutuvan energian suhteellista tuotantoa tarkastellessa on mielenkiintoista huomata tuotannon suuruus niissä maissa, joissa energian tuotanto on muuten varsin vähäistä. Toisaalta tämä selittyy sillä, että kun valtiolla ei ole muita omia energialähteitä niin kaikki tuotettu energia saadaan energiajätteestä, vesivoimasta ja tuulivoimasta. Suuren energiantuotannon maissa uusiutuvan energiantuotannon määrä suhteessa kokonaistuotantoon on usein pienempi, vaikka absoluuttinen määrä voi olla huomattavasti suurempi, kuin vähän energiaa tuottavissa maissa. Esimerkiksi Norja tuottaa lähes 100% omaan käyttöön menevästä energiasta vesivoimalla. Kuitenkin uusiutuvien energianlähteiden osuus sen kokonaistuotannosta on alle 10%. Kartan rinnalle voitaisiin laatia esitys eri energianlähteiden käytöstä Euroopassa. Kartassa tarkastellaan energian tuotantoa maakohtaisesti, mutta se ei ota lainkaan huomioon maiden tuomaa ja viemää energiaa. Esimerkiksi Suomesta saa kartan perusteella varsin vihreän kuvan uusiutuvan energian mallimaana, vaikka todellisuudessa ostamme valtavia määriä öljyä ja kaasua ympäröiviltä mailta.

Hohhoijaaa, siinä se! Seitsemän työntäyteistä kurssikertaa on takanapäin. Kurssin alussa jopa pelästyin ajatusta blogin kirjoittamisesta ja periodin suurelta tuntuvasta työmäärästä, mutta loppujenlopuksi tämähän meni varsin kivuliaasti. Mielipiteeni blogin kirjoittamisesta vain parani kurssin myötä ja voisin väittää että myös tekstieni laatu siinä sivussa. Koska kurssin tahti on varsin kova ja työtä on paljon, blogi osoittautui varsin hyväksi tavaksi kerrata oppimaansa ja mietiskellä omaa työskentelyä. Myös muiden kurssilaisten blogien seuraaminen oli hyvin avartavaa. Erityisesti haluaisin kiittää Massisen Maailmaa loistavista pohdinnoista. Pyry Poutanen pohtii myös hyvin muiden kurssilaisten blogien merkityksiä: ”Jokaisella kurssikerralla olen löytänyt muiden julkaisuista jo hetken etsinnän jälkään sellaisia avartavia ajatuksia, jotka eivät ole omassa mielessäni käyneet. Näin myös omat julkaisuni saavat uusia näkökantoja ja sisältöä. Olen hyvin yllättynyt kurssin suoritustavan toimivuudesta!”

Kurssi teki myös todella hyvää yleisille atk taidoilleni. Eri ohjelmien ”sekakäyttö” tuntuu nyt varsin luontevalta vaikka parantamisen varaa on aina. MapInfo on kurssin aikana muuntunut pelottavasta kummajaisesta käyttökelpoiseksi työkaluksi tulevaisuutta silmälläpitäen. Ihan aina minulla ei ole tarkkaa tietoa siitä mitä olen juuri tekemässä tai mitä pitäisi tehdä, mutta armottomalla kärsivällisyydellä ja kymmenillä kahvikupeilla ratkaistaan lopulta kaikki ongelmat.

 

Kirjallisuus:

Poutanen, P. (2014). Kurssikerta 7 – The End. <blogs.helsinki.fi/pyrypout/>. 10.03.2014

Europe in figures.(2014)  Eurostat Yearbook. 22.01.2014 <http://epp.eurostat.ec.europa.eu/statistics_explained/index.php/Europe_in_figures_-_Eurostat_yearbook>

 

SWOTTIA

Kuudennella kurssiviiikolla tutustuimme myös New York Timesin laatimaan paikkatietopalveluun Mapping America. Tarkoitus oli tutustua palveluun ja tehdä siitä SWOT- analyysi sekä vertailla sitä suomalaisten vastaavien palveluiden kanssa.  SWOT analyysi muodostuu neljästä osa-alueesta. Strengths,  Weaknesses, Opportunities ja Treaths. Suomeksi vahvuudet, heikkoudet, mahdollisuudet ja uhat.

Vahvuudet

–          Helppokäyttöisyys

–          Nopea lataus

–          Selkeys

Heikkoudet

–          Epätarkkuus. Pystytään määrittämään ilmiöitä vain alueittain, ei taloittain.

–          Tiedon vähäinen määrä. Tietoa vain perustiedoista kuten koulutuksesta, etnisestä taustasta, tuloeroista.

–          Ei kykenen tarkastelemaan useita muuttujia päällekkäin.

Mahdollisuudet

–          Käyttö esimerkiksi opetustarkoituksissa

–          Voidaan parannella, esimerkiksi tarkkuutta (vaikuttaisi tosin nopeuteen)

–          Voidaan käyttää palveluiden suuntaamiseen oikeille alueille

–          Yhteiskuntasuunnittelu (viranomaiset)

–          Alueellisen eriytymisen esto (viranomaiset)

Uhat

–          Voi pahentaa entuudestaan USA.ssa vakavaa alueellista eriytymistä eli segregaatiota. Kartassa helposti kaikkien havaittavissa vähätuloiset alueet tai jonkin etnisen ryhmän asuttamat alueet.

–          Lisää stereotypioiden ja väärien mielikuvien muodostumista

Suomi vs USA

Suurin ero Suomen ja USA.n paikkatieto ja tilastoaineistoissa on USA.n tietojen avoimuus kaikille. Suomessa osa tiedosta, varsinkin arkaluontoiseksi luokiteltu tieto, on vain viranomaiskäyttöön. Suomessa on näin pyritty suojaamaan kansalaisten yksityisyyttä ja ehkäisemään yllämainittuja uhkakuvia. Toisaalta olisihan se hienoa jos kaikki tilastollinen tieto olisi ilmaiseksi kaikkien käytettävissä, mutta mielestäni väärinkäytösten riski kasvaisi liian suureksi saavutettuun hyötyyn nähden.

Kirjallisuus:

New York Times (2014). Mapping America: Every City, Every Block. <http://projects.nytimes.com/census/2010/explorer>. 23.2.2014.

 

 

Artikkeli 1

Toisella kurssiviikolla saimme myös luettavaksemme  Anna Leonowiczin artikkelin ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship”  Artikkeli pureutuu kahden muutujan koropleettikarttojen vahvuuksiin ja heikkouksiin suhteessa yhden muuttujan koropleettikarttoihin. Kahden muuttujan koropleettikartassa eri muuttujia kuvataan eri väreillä tai kuvioilla. Kun värit asetetaan päällekkäin, syntyy uusi väri, joka leimaa suurta riippuvuutta kahden muuttujan välillä. Kahden muuttujan koropleettikartat mielletään usein vaikeammin tulkittaviksi, kuin yhden  muuttujan, mutta niiden avulla on helpompi kuvata korrelaatiota kahden muuttujan välillä. Yhden muuttujan koropleettikartat koettiin sopivan paremmin alueellisen jakautumisen tarkasteluun.

Kahden muuttujan koropleettikartassa legenda ja sen ymmärtäminen ovat avainasemassa. Kun ymmärtää legendan, ymmärtää karttaa.  Aluksi legenda voi näyttää aikamoiselta häkkyrältä, mutta aikansa sitä tarkasteltuaan sitä alkaa ymmärtää. Ideana on, että legenda neliön sivut voidaan nähdä x ja y akseleina ja niiden välille muodostuu lineaarinen regressiokäyrä, joka osoittaa muuttujien välistä riippuvuutta. Riippuvuus on positiivinen jos toisen muuttujan kasvaessa myös toinen kasvaa ja negatiivinen jos toisen kasvaessa toinen vähenee.

Myös analysoitavien muuttujien jako luokkiin on avainasemassa selkeän tuotoksen aikaansaamiseksi. Liian monta luokkaa tekee kartasta vaikeasti luettavan, kun taas liian vähän luokkia aiheuttaa liikaa yleistystä. Artikkelissa mainitaankin että luokkia tulisi olla maksimissaan yhdeksän. Tämän jälkeen lisää tarkkuutta tuovat luokat sekoittavat vain kartan tulkintaa.

Kaksimuuttujaisen koropleettikartan käyttöä rajoittaa kuitenkin sen tulkintaan liittyvä tietynlainen vaativuus. Ihminen, joka ei ole tulkinnut tai käsitellyt erilaisia riippuvuus- suhteita voi mieltää tällaisen kartan varsin vaativaksi. Mielestäni niiden käyttöä tulisi ainakin tarkasti harkita erilaisissa medioissa ja lehdistössä. Alan lehdet ja julkaisut ovat tietysti asia erikseen, mutta en näkisi kaksimuuttujaista koropleettikarttaa legendoineen kovinkaan hyödyllisenä iltapäivälehden sivulla.

Vaikkakin hieman tulkitsijaansa työllistävä, kahden muuttujan ilmentäminen samassa kartassa on mielestäni todella hyvä tapa ilmentää asioiden välisiä riippuvuuksia. Totta kai, on paljolti kartantekijän vastuulla minkälainen ja kuinka selkeä valmiista esityksestä tulee, mutta se todella laittaa kartan tulkitsijan aivonystyrät liikkeelle, pohtimaan ja lopulta ymmärtämään muuttujien välistä yhteyttä. Kahdella erillisellä kartalla esitettynä ei varmasti saataisi samanlaista ymmärrystä aikaiseksi. Mielestäni kahden muuttujan koropleettikarttojen käyttöä tulisi lisätä tietyssä määrin erityisesti opetuksessa. Niiden ymmärtäminen ja itselleen avaaminen kehittävät varmasti tulkitsijansa henkilökohtaisia kartanlukutaitoja.

Kirjallisuus

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

Kuudes kurssikerta

Kuudennella kurssikerralla pääsimme piristävästi ulkoilemaan. Keräsimme GPS- paikanninta apuna käyttäen pisteitä ympäri kampusta. Pisteiden merkityksillä ei niinkään ollut väliä, tavoitteena oli oppia käyttämään GPS paikanninta ja keräämään sijaintitietoa käsin maastosta. Keräsimme ryhmäni kanssa Kampuksen läheisten bussipysäkkien ja suojateiden sijaintitietoja. GPS paikantimen käyttö oli ainakin minulle jo entuudestaan tuttua ja pienen alkusählingin jälkeen pääsimmekin täyteen vauhtiin. Laitteen paikannus toimi hyvin ja saimme varsin tarkkoja sijainteja kohteillemme. Ainoa pientä päänvaivaa aiheuttanut asia oli ilmoitetun korkeuden heittely (arvot heittelivät 8 metrin ja 60 metrin välillä vaikka todellista korkeuseroa oli n.25 metriä merenpinnasta) , mutta emme antaneet sen turhaan häiritä. Takaisin luokassa syötimme keräämämme pisteet exel- taulukkoon ja sitä kautta MapInfoon. MapInfolla yhdistimme tuottamamme sijainti ja ominaisuustiedon Helsingin karttaan käyttämällä ”Create points” työkalua. Menetelmä paljastuikin yllättävän helpoksi ja todella hyödylliseksi. Harjoittelimme opettajan johdolla myös Geokoodausta. Geokoodauksen avulla voidaan tuottaa pistemuotoista tietoa kartalle yhdistämällä jonkin tietokannan sijaintitiedot kartan sijaintitietojen kanssa. Harjoittelussamme yhdistimme pelikoneita koskevan tietokannan osoitteet Helsingin kaupunkikartan osoitteiden kanssa. Pelikoneiden sijainnista varmistuttiin vielä tarkistamalla alueen postinumero.

Jälleen kerran, alkutunnin yhteisopiskelun jälkeen siirryimme itse eepoksen pariin eli itsenäisharjoitteluun. Aiheena oli laatia opetuskäyttöön kolme karttaa hasardeista, joiden luomisessa saisimme harjoitella pistemuotoisen tiedon sijoittamista kartalle käyttämällä kansainvälistä pituus ja leveyspiirijakoa. Pisteaineistoa oli tarjolla tulivuorista (Global Volcano Locations Database), maanjäristyksistä (ANSS Catalog) ja meteoriiteistä. Hetken pohdittuani päätin tehdä karttaesitykset tulivuorista ja niiden sijoittumisesta voimakkaisiin maanjäristyksiin nähde

Ensimmäisessä kartassa kuvataan Kaldera- tyypin tulivuorien ja yli kahdeksan magnitudin järistysten esiintymisiä vuoden 1950 jälkeen. Valitsin Kaldera tyypin tulivuoret, koska tiesin niiden purkausten olevan usein hyvin voimakkaita ja räjähdysmäisiä. Kartasta on havaittavissa jonkinasteista korrelaatiota Kalderoiden ja yli 8 magnitudin järistysten välillä, mutta ei voida olettaa niiden olevan suoraan kytköksissä toisiinsa. Lähes kaikki voimakkaat järistykset ovat tapahtuneet Tyynen valtameren ”tulirenkaan” törmäysvyöhykkeillä, joilla on paljon muutakin vulkaanista ja tektoonista toimintaa. 

Kuva1.

Kuva1.

Toiseen karttaan lisäsin Kalderoiden lisäksi myös kompleksiset tulivuorimuodostumat ja laskin laskettavien järistysten voimakkuuden seitsemään magnitudiin. Kompleksisiä tulivuoria esiintyy myös paljon Tyynen valtameren ympäristössä. Eniten tulivuoria sijaitsee vulkaanisesti aktiivisilla alueilla, joilla merellinen laatta työntyy mantereisen laatan alle. Näillä alueilla esiintyy myös huomattavan paljon voimakkaita järistyksiä. Kartasta voidaan havaita voimakkaita järistyksiä löytyvän myös muualta ilman vulkaanista toimintaa. Esimerkiksi Lähi- itä on hyvin järistysherkkää aluetta, ilman räjähdyksenomaisesti purkautuvia tulivuoria.

Kuva2.

Kuva2.

Kolmannessa kartassa halusin havainnollistaa vielä selkeämmin tulivuorien ja järistysten välistä korrelaatiota. Merkitsin kartalle kaikki yli 3 magnitudin järistykset sekä kaikki maailman tunnetut tulivuoret. Vaikka kartasta tuli jo hieman epäselvä, voi siitä jopa ala-aste ikäinen ymmärtää tulivuorien ja maanjäristysten välillä olevan jonkinnäköinen yhteys.

Kuva3.

Kuva3.

                      Pidin itsenäistyön sopivasta haastavuudesta. Lisämakua tehtävään toi eri ohjelmien käyttö. Valmiin kartan aikaansaamiseksi käytin MapInfon lisäksi Wordia, Exeliä ja CorelDraw- kuvankäsittelyohjelmaa. Vaikka en olekaan täysin tyytyväinen karttojeni ulkoasuun, uskoisin niiden toimivan opetuskäytössä. Symboleiden kokoa olisi voinut pienentää huomattavasti, jotta eri kohteiden välille ei olisi tullut niin paljon päällekkäisyyksiä.  Toisaalta tämän kokoisessa kartassa tärkeintä ei ole ilmiön tarkka sijainti vaan sen yleinen levinneisyys. Johanna Hakanen kiteyttää ajatukseni blogissaan hyvin: ” Oleellisinta on se, ettei kartalla ole täysin väärää tietoa ja esitettävän ilmiön levinneisyys käy hyvin ilmi”.

Mitä Corel Draw ohjelman käyttöön tulee, harkitsen jatkossa sen käyttöä tarkasti. Valmiista kartastani, johon Corelin avulla lisäsin legendan, tuli varsin epätarkka alkuperäiseen verrattuna. Kartat kuitenkin palvelevat tarkoitustaan joten muistan tämän opetuksen ensikerralla.

Kirjallisuus:

 

ANSS Catalog. (2014). Northern California Earthquake Data Center. 21.2.2014 <http://quake.geo.berkeley.edu/anss/catalog-search.html>

Global Volcano Locations Database. (2014). DATA.gov. 21.2.2014 <http://catalog.data.gov/dataset/global-volcano-locations-database>

Hakanen, J. (2014) Kurssikerta 6: Pisteaineiston muodostaminen ja esittäminen kartalla. 21.2.2014. <https://blogs.helsinki.fi/johakane/>

Viides kurssikerta

Vaikka Samuli Massinen blogissaan väittää kohdanneensa kurssikerran viisi tehtävät vailla huolen häivää, aiheuttivat kyseiset tehtävät päänvaivaa myös itse ”Massisen Maailman” päätoimittajallekin. Tällä kurssikerralla testissä olivat nimittäin kaikki tähän asti oppimamme taidot MapInfon käytöstä.

Kurssikerran alussa harjoittelimme Buffer- eli puskuri- työkalun käyttöä. Bufferilla voidaan luoda jonkin objektin ympärille halutun kokoinen puskurivyöhyke ja tarkastella sen sisä- tai ulkopuolelle jääviä objekteja. Yhteisharjoituksissa loimme Pornaisten terveyskeskukselle 500m puskurivyöhykkeen ja laskimme, kuinka monta edellisellä kurssikerralla merkitsemistämme taloista jäi sen sisäpuolelle.

Ennen tätä kurssikertaa olin lukenut naapurusto analyysistä vain teoriassa, mutta nyt kun kokeilin sitä käytännössä, sen erilaiset ulottuvuudet avautuivat täysin uudella tavalla. Paikkatieto-ohjelmia ja niiden käyttöä on todellakin vaikea oppia ja ymmärtää ilman käytännön sovelluksia. Tämän takia olisi loistavaa, jos jo lukiossakin suoritettaisi maantieteen valinnaisilla kursseilla yksinkertaisia analyysejä. Itselläni maantieteen kaikki kurssit käyneenä ei lukiosta lähtiessäni vuonna 2010 ollut pienintäkään aavistusta mitä on paikkatieto ja miten sitä voidaan hyödyntää.

Klassisin esimerkki puskuri- analyysin käytöstä taitaa olla bussipysäkkien tai juna- asemien tavoitettavuus. Myös palokunnan ja muiden pelastusyksiköiden reagointivyöhykkeitä analysoidaan puskuri- analyyseillä. Mahdollisuuksia on monia ja taivas on rajana kun vain koneessa riittää laskentatehoa ja sitä käyttämässä on ammattitaitoinen osaaja. Itselläni mieleen tulivat ainakin mahdollisuudet turismissa ja matkailussa. Analysoitavia tekijöitä voisivat olla esimerkiksi erilaisten kohteiden tavoitettavuus lentokentältä käsin, tai majoituksen löytäminen kohteesta. Tällaisia palveluitahan on käytössä jo erilaisilla matkanjärjestäjillä ja palveluiden tuottajilla. Muita käyttötarkoituksia voisi löytyä esimerkiksi kehitysmaiden kuivuudesta kärsivillä alueilla. Puskuroinnilla voitaisiin selvittää puhtaan veden saavutettavuuksia ja näin suunnata apua sinne missä välimatkat kasvavat pisimmiksi. Toisaalta, jotta analyysit toimisivat, vaatii se valmiiksi tuotettua tilastotietoa muun muassa väestön määrästä, jota läheskään kaikista kehitysmaista ei löydy. Tanja Siipponen oli pohtinut puskuroinnin käyttötarkoituksia onnettomuustilanteissa seuraavasti: ” Puskurointi soveltuisi varmasti myös erilaisten riskien arviointiin, esimerkiksi mahdollisten voimalaitosonnettomuuksien riskien tai luonnonkatastrofien (tulvien, tulivuorenpurkausten) vaikutusalueen arvioimiseen ja tuhojen ennaltaehkäisyyn”.

Kun olimme hetken harjoitelleet puskurointityökalun käyttöä, siirryimme itsenäistehtävien pariin. Itsenäisessä työskentelyssä mitattiin oppimiamme taitoja aineistojen tuottamisesta, analyysien tekemisestä ja teemakarttojen piirtämisestä. Tehtävät vaativat pohdintaa ja vaihe vaiheelta etenemistä. Itse tekeminen ja pohtiminen on tosiaan paras keino oppia ja muistaa erilaisten työkalujen käyttöä. Kurssikerran aikana tekeminen oli hieman takkuilevaa ja tein tyhmiä virheitä. Erityisesti ”Update column” työkalua käyttäessä minulla oli vielä muistettavaa miten asetusten tulisi olla. Toisaalta taas sanalliset tehtävät, esimerkiksi Helsinki Vantaan vaihtoehtoisen laskeutumissunnan desibeli analyysi oli minulle helppo ymmärtää. Koska en ehtinyt kurssikerran aikana tehdä kaikkia tehtäviä, palasin niiden pariin parin päivän jälkeen, ja tein ne uudestaan. Tämä oli todella hyvä keino terävöittää muistijälkeä ja saada aikaan rutiinia eri työkalujen käytöstä. Tässä tuloksiani viime kurssikerralta:

Kurssikerta 5  tehtävien vastauksia

 

Itsenäistehtävä 1

Asukkaita 2km säteellä Malmin kentästä 55245
Asukkaita 1km säteellä malmin kentästa 8388

Asukkaita 2km säteellä Helsinki- Vantaan lentokentästä 10047
Asukkaita yli 65 desibelin alueella 333
Asukkaita vähintään 55 desibelin alueella 11370

Asukkaita yhteensä 60desibelin alueella jos laskeutumissuuntaa muutettaisiin 12701

Asukkaita 500m juna-asemasta 82949
Asukkaita Vantaalla 469503 Joten vain 17.67% Vantaalaisista asuu alle 500m juna-asemasta.
Työikäisiä (15-64v) 500m juna-asemista oli 59186 eli noin 71%

 

Itsenäistehtävä2

Asukkaita yhteensä 414371
Kouluikäisiä 42383
ulkomaalaisia 28 300
Ulkomaalaisia % 6.83

Vantaalaisista asuu taajamissa 86%
49919-42383=7536 kouluikäistä asuu taajamien ulkopuolella
7536/49919×100= 15,096% kouluikäisistä asuu taajamien ulkopuolella
4695,03

 

Itsenäistehtävä 3

Helsingin yhteiskoulussa aloittaa ensivuonna 16 ensiluokkalaista
Helsingin yhteiskoulussa on 61 yläaste- ikäistä oppilasta ensivuonna.

Koulupiirin alueella asuu 1954 ihmistä joista kouluikäisiä on 163 joten kouluikäisiä on noin 8,3%
Yhtenäiskoulun koulupiirin alueella on muun, kuin suomen tai ruotsinkielisiä 69henkeä. Jos oletetaan, että kouluikäisten lasten osuus tästä määrästä on yhtä suuri, kuin kantaväestöstä, on muunkielisiä kouluikäisiä lapsia 6.

 

Tämänhetkistä Mapinfon käyttötasoani arvioisin kohtalaiseksi. En ollut ikinä varsinainen bittivelho ja olenkin yllättynyt kuinka paljon pidän ongelmien ratkaisemisesta ja analyysien tekemisestä. Olen mielestäni saanut hyvän rutiinin aikaiseksi uusien sarakkeiden luomisessa ja niiden muokkaamisessa. Myös eri kerroksien hallinnointi sujuu sujuvasti. (Tässä vaiheessa teen välihuomion, että Suomi otti juuri olympiakultaa miesten pari sprintissä!) Karttojen luominen onnistuu myös kohtuullisen hyvin, joskin ulkoasun viimeistelyissä olisi aina hieman parantamisen varaa. Minun tulisi myös tarkentaa tietojani eri jakaumista ja millaiset luokat kävisivät mihinkin jakaumaan.  Uusimpana työkaluna puskuroinnin käyttö tuntui heti luontevalta ja erityisesti todella hyödylliseltä.

Paljon on vielä opittavaa, mutta nälkä kasvaa syödessä!

Kirjallisuus:

Massinen, Samuli.( 2014). Fifth round – Bufferointia ja analyysejä. <blogs.helsinki.fi/smassine/>

Siipponen, Tanja.(2014). Kurssikerta 5: Bufferointia ja itsenäisiä analyysiyrityksiä.

<blogs.helsinki.fi/tanjasii/>

Neljäs kurssikerta

Neljännellä kurssikerralla tutustuimme ruututeemakartan tekoon. Yhdistimme pääkaupunkiseudun vuoden 2009 väestötietokantaan ruudukon (grid). Ruudukon avulla pystyisimme tarkastelemaan suurtakin aluetta ruutu kerrallaan ja ruutujen kokoa muuttelemalla pystyisimme muuttamaan esityksen tarkkuutta.

          Harjoittelun jälkeen aloimme työstää omia ruututeemakarttojamme. Hetken pohdiskeltuani ja erilaisia karttoja käänneltyäni, päätin tehdä teemakartan yli 65 -vuotiaiden absoluuttisista määristä Helsingin keskustassa. Koska rajaamani alue oli varsin pieni, rajasin gridin ruutukooksi 100m/100m ja luokkien määrän viiteen. Riittävän monella luokalla saisin esiin eroavaisuuksia näinkin pienellä alueella. Pienialainen alueeni mahdollisti myös näinkin tarkan ruutuanalyysin tekemisen, suuremmalla alueella 100m/100m ruudut olisivat hyödyttömän pieniä ja tarkastelu olisi hankalaa.

Kuva 1. Ruututeemakartta eläkeläisistä (yli 65 vuotiaat) Helsingin keskustassa

                      Valmiin kartan ulkoasu on mielestäni varsin selkeä. Ruutujen koko voisi olla ehkä aavistuksen suurempi, ehkä 150m/150m. Toisaalta pienten ruutujen käyttö toi karttaan haluttua tarkkuutta. Vaikka Helsingin niemi on varsin helposti tunnistettava alue, olisi kartassa voitu mainita joidenkin kaupunginosien nimiä. Erityisesti henkilölle, joka ei itse ole kotoisin Helsingistä, eriväriset ruudut ympäri niemennokkaa tuskin kertovat mitään.

                      Tiheimmät eläkeläisruudut asettuvat ydinkeskustasta kohti pohjoista myötäillen Mannerheimintietä. Eniten punaisia ruutuja (71-163 henkeä) on sijoittunut Punavuoreen, Töölöön, ja Kallioon. Myös Lauttasaaren eteläkärjessä on tiheiden eläkeläisruutujen rypäs. Kartasta voidaan huomata eläkeläisten keskittyneen hyvien liikenneyhteyksien varteen ja palveluiden läheisyyteen. Esimerkiksi Punavuoressa ja Töölössä, kaikki palvelut ovat helposti saavutettavissa ja julkisilla pääsee miltein minne vaan. Vähiten eläkeläisiä on syrjäisemmillä asuinalueilla, kauempana palveluista ja julkisesta liikenteestä. Toisaalta, nämä alueet ovat myös harvempaan asuttuja muiden ikäluokkien keskuudessa. Vaaleina alueina keskustasta erottuvat satamat, puistot, metsät sekä teollisuusalueet.

                      Ruututeemakartta on apuväline, kun halutaan esittää jonkin muuttujan absoluuttisia määriä tietyllä alueella. Se ei kuitenkaan kerro mitään muuttujan suhteellisista määristä. Esimerkiksi kartastani selviää kyllä tarkasti missä on määrällisesti paljon eläkeläisiä, mutta kiinnostavampaa olisikin tietää, missä eläkeläisiä on enemmän suhteessa muuhun väestöön. Katri Ruutu oli tutkinut yli 65 –vuotiaiden sijoittumista pääkaupunkiseudulla ja myös hän oli pohdiskellut suhteellisten lukujen tuomaa lisäinformaatiota.  ”Suhteelliset määrät rupesivat kiinnostamaan minuakin, joten otin selvää Kauniaisten ja Helsingin vastaavista luvuista. Helsingissä eläkeläisiä on 15,8 % ja Kauniaisissa huimat 20,5 % (Kuntien avainluvut, Tilastokeskus 2013)” Oman tutkimukseni kannalta olisi mielenkiintoista verrata jokaisen ruudun suhteellista eläkeläisten määrää koko Helsingin eläkeläisprosenttiin.

                      Ruututeemakartoista selvittyämme pohjustimme vielä seuraavaa kurssikertaa kiinnittämällä rasterikartan koordinaatistoon ja piirsimme kartalle pisteitä. Paarlahti varoitteli, että seuraavalla kerralla kannattaakin mukaan varata tarpeeksi piristäviä aineita, koska kaikki tähän mennessä oppimamme joutuisi tuolloin testiin. Kauhunsekaisin tuntein ensiviikkoa odotellessa.

Kirjallisuus

Ruutu, k. (2014) Kurssikerta 4: Ruutuja. <blogs.helsinki.fi/karuutu> Luettu 13.2.2014

Kuntien avainluvut 2013, Tilastokeskus. (2014). < http://tilastokeskus.fi/tup/kunnat/tilastot_aakkosittain.html> Luettu 6.2.2014.

Kolmas kurssikerta

 

Kolmas kurssikerta toi mukanaan paljon opittavaa ja uusia haasteita. Aamun aiheena oli tietokantojen yhdisteleminen ja aineiston tuominen muista ohjelmista kuten Exel. Kuten aikaisemminkin, kävimme ensiksi toimintoja läpi opettajan opastuksella, jonka jälkeen siirryimme tekemään uutta tehtävää oma- aloitteisesti.

Harjoittelussa käytimme Afrikan karttaa ja siihen liittyviä tietokantoja. Tietokannoissa oli paljon tiivistämistä, koska jokaisessa valtiossa oli paljon erillisiä kohteita, joilla jokaisella oli oma rivinsä tietokannassa. Ensimmäiseksi tiivistimme tietokantaa niin, että kaikki saman valtion informaatio tiivistettiin yhdelle riville. Tämän jälkeen lisäsimme tietokantaan informaatiota väestömääristä, internetin ja Facebookin käyttäjämäärista sekä timanttikaivosten, öljykenttien ja konfliktien sijainneista. Lopputuloksena oli todella informaatiorikas tietokanta, jonka avulla olisi voitu tehdä mielenkiintoisia analyysejä esimerkiksi luonnonvarojen suhteesta konflikteihin tai elintason suhteesta internetin käyttäjämääriin.

Harjoittelun jälkeen eteemme lätkäistiin itsenäinen tehtävä. Tehtävänä oli laatia karttaesitys, jossa ilmenisivät Suomen tulvariski alueet, sekä valuma-alueiden järvisyys. Tehtävä oli kaikille sama, joten tulee olemaan mielenkiintoista nähdä, minkälaisia tuotoksia kurssi on saanut aikaan.

Materiaali, jonka pohjalta aloimme työstää karttaamme, oli jaettu moneen eri tietokantaan. Ensimmäisenä ongelmana oli yhdistää kaikki annetut tiedot samaan tietokantaan. Tässä kohtaa usko omaan muistiin taisi olla monella koetuksella, koska vaikka olimme juuri tehneet samanlaisen harjoituksen porukalla, ei kukaan tuntunut muistavan miten se tehtiin uudestaan. Muutamien kokeilujen jälkeen, sain kuin sainkin kaiken informaation samaan tietokantaan. Ennen varsinaisen kartan piirtoa, tietokantaan laskettiin vielä tulvaindeksi (keskiylivirtaama jaettuna keskialivirtaamalla) ja lisättiin Exel- tiedostosta tiedot valuma- alueiden järvisyyksistä.

Kuva 1. Tulvaindeksikartta ja valuma- alueiden järvisyys.

Kuva 1. Tulvaindeksikartta ja valuma- alueiden järvisyys.

Varsinainen teemakartan piirtohan oli jo tuttua kauraa edellisiltä tunneilta ja tuotos näkyy tuossa yläpuolella. Tulvaindeksikartan pohjana käytettiin siis koropleettikarttaa, jonka aluerajoina toimivat Suomen valuma- alue kartta. Tummimman sinisenä näkyvät ne valuma- alueet joiden tulvimisherkkyys on suuri. Alueet, joilla tulvariski on pieni, näkyvät kellertävinä. Koropleettikarttaa tukemaan lisättiin järvien prosentuaalista pinta-alaa valuma-alueilla kuvaavia pylväitä. Valitsin pylväiden väriksi punaisen, koska se erottui vallitsevasta värimaailmasta hyvin. Koska valuma- alueet eivät noudattele valtioiden rajoja, päätin jättää Suomea ympäröivät valtiot myös näkyviin.

Tulvaherkimmäksi alueeksi erottuu odotetusti pohjanlahden rannikko ja eteläinen rannikkoalue. Kartasta on havaittavissa selvä yhteys järvien määrän ja tulvaherkkyyden välille. Alueilla, joilla tulvaherkkyys on suuri, on hyvin vähän järviä, jos lainkaan. Kaikista järvisimmillä alueilla kuten Järvisuomessa tulvaherkkyys on taas hyvin pieni. Asia selittyy järvien kykynä varastoida pintavettä, jolloin luonnollinen tulviminen on vähäisempää. Kuten Jasmin Bayar sen blogissaan hyvin kiteyttää: ”Tulvaindeksin suuruus rannikkoalueilla ja alhaisuus sisämaassa selittynee sillä, että nämä järvet laskevat nimenomaan jokia pitkin rannikkoalueiden kautta meriin ja toisaalta toimivat hyvinä vesivarastoina”. Järvien vähyys ei kuitenkaan ole ainut syy tulvien suureen todennäköisyyteen Pohjanmaalla. Asiaan vaikuttavat myös muun muassa maanpinnan tasaisuus, maaperän laatu ja maanpinnan kohoaminen.

Tähänastisista kurssin askareista tiedostojen yhdistely tutui ehdottomasti haastavimmalta. Aikani pähkäiltyäni ja pohdiskeltuani olen kuitenkin tyytyväinen lopputulokseen ja voin ilokseni todeta (ainakin omasta mielestäni) karttaesitysteni parantuvan kerta kerralta. On mukavaa saada onnistumisen elämyksiä pitkällisen painiskelun jälkeen!

Lähteet:

Paarlahti, A. (2014). Afrikkaa. <blogs.helsinki.fi/pak-2014/>. 31.1.2014.

Bayar J., PAK-blogi/Jasmin, 3. Kurssikerta 28.01 : Tietokantojen data, https://blogs.helsinki.fi/jasbayar/ (luettu 6.2.2014)

 

 

Toinen kurssikerta.

Toinen kurssikerta toi tullessaan paljon uusia menetelmiä teemakarttoja laadittaessa. Nelituntinen keskiviikko-illan rupeama alkoi kertailemalla erilaisia teemakarttojen esitystapoja, yksinkertaisen koropleettikartan lisäksi. Alkuun kertasimme esitystapoja opettajan johdolla powerpoint esityksestä, jonka jälkeen siirryimme harjoittelemaan niiden luomista itse MapInfolla. Opeteltavien teemakarttojen listalla olivat pylväsdiagrammi, ympyrädiagrammi, piste, graduated, individual sekä grid teemakartta tyypit. Näistä ainakin pylväät, ympyrät ja pisteet olivat hyvin tuttuja mutta muut tuntuivat hiukan vierailta, vaikkakin olin nähnyt niitä joissain tilanteissa. Erityisesti Grid-teemakartan pohjalta tehty 3D mallinnus vaikutti todella kiinnostavalta.

Harjoittelun jälkeen aloimme oppimillamme taidoilla, luomaan omaa teemakarttaa. Tavoitteena oli, että kartta olisi joko perinteinen kaksiulotteinen teemakartta, jossa esiintyisi kaksi toisiinsa jollain tavalla liittyvää muutujaa, tai yhden muuttujan 3D kartta. Hankaluuksia tuotti kahden sellaisen muuttujan päättäminen, joilla voisi olla jonkinnäköistä korrelaatiota.

Päätin ottaa aiheekseni työttömyyden suhteen tietoon tulleiden rikosten määrään. Valitsin alueekseni summittaisen määrän kuntia vanhan kotikaupunkini Kotkan ympäriltä ja aloin työskennellä. Kuntien välisiä työttömyysprosenttien eroja kuvaa punasävyinen koropleettikartta. Tummimman punaisen sävyn saavat kunnat ovat syvimmän työttömyyden kuntia (jopa yli 15%).  Tietoon tulleiden rikosten määrää kartalla kuvaavat tummat ihmishahmot. Mitä suurempi ihmishahmo, sitä enemmän rikoksia kunnassa on tehty vuonna 2011. Tällaista teemakarttaa kutsutaan nimellä graduated- kartta. Ihmishahmojen tilalla voisi olla mikä tahansa kuvio, jos se olisi kokonsa puolesta suhteutettu rikosten määrään.

Kuva 1. Työttömyysaste ja tietoon tulleet rikokset kaakkois- Suomessa

Kuten arvelinkin, tummimman punaisena kartalla esiintyivät alueen suurimmat kaupungit Kotka, Hamina, Lahti ja Lappeenranta. Näissä kunnissa työttömyys alittaa jo kirkkaasti valtakunnallisen keskiarvon, joka on n.8%. Syitä suureen työttömyyteen on monia. Kymenlaakso on perinteisesti ollut raskaan teollisuuden aluetta. Erityisen kuuluisa se on ollut paperi- ja sellutehtaistaan. Viime vuosina suomalainen puunjalostusteollisuus on kuitenkin ollut suurissa vaikeuksissa ja perinteisiä tehtaita ympäri Kymenlaaksoa on lakkautettu. Maailmanlaajuinen lama on pahentanut entisestään työllisyystilannetta, ja tehdastyölle ei olekaan löydetty varteenotettavaa korvaajaa. Paremman työttömyysasteen kunnat keskittyvät pääosin alueen lounaiskulmaukseen. Syitä tähänkin on varmasti monia, mutta pääkaupunkiseudun työllistävyys alkaa jo varmasti vaikuttaa tällä sektorilla.

Myöskin, kuten arvata saattoi, suurimmat ihmishahmot sijoittuivat suurimpiin kaupunkeihin ja synkimpiin työttömyyslukemiin. Tietenkään ei voida todeta työttömyyden olevan ainoa syy suurempiin rikoslukemiin, mutta varmasti se on ainakin välillisenä tekijänä. Työttömyys johtaa usein rahallisiin ja sosiaalisiin ongelmiin ja valitettavan usein myös alkoholin ja päihteitten väärinkäyttöön. Alkoholilla on todettu olevan osuutta isoon osaan Suomessa tietoon tulleista rikoksista. Toisaalta eniten tietoon tulleita rikoksia ilmeni juuri alueen suurimmissa kunnissa. Tietenkin, mitä enemmän ihmisiä alueella on, sitä enemmän konflikteja ja rikkeitä. On vaikeaa lähteä vertailemaan eri kuntien rikoslukemia pelkän pinta- alan perusteella. Esimerkiksi kunnat Lahti ja Lemi ovat pinta-alaltaan melkein samankokoiset mutta Lahden väkiluku pyörii liki sadassa tuhannessa kun taas Lemin muutamassa tuhannessa.

Kahta muuttujaa ilmentävä teemakartta on hyvin tehokas viestinnän väline. Se vaatii laatijaltaan ja tulkitsijaltaan enemmän harjaantuneisuutta ja aikaa, mutta sillä voidaan hyvin tehokkaasti vaikuttaa tulkitsijan mielipiteisiin. Kuten Mia Eriksson sen blogissaan hyvin toteaa ” Kahden muuttujan koropleettikartta vaatii kartanlukijalta hieman enemmän keskittymistä ja aivonystyröiden herättelyä kuin tavallinen yksiteemainen kartta. Jo legendan ja kartan värisävyjen yhdistäminen vie huomattavasti enemmän aikaa, kun sävyjä on useampia erilaisia.”

Lähteet:

Tilastokeskus. (2010). Väestötilastot.

Eriksson, Mia. (2014) Toinen kurssikerta: Lisää teemakarttoja  <blogs.helsinki.fi/miaeriks/ > 5.2.2014

MapInfo tutuksi

Ensimmäisellä kurssikerralla tutustuimme uudestaan Map Info- ohjelmaan ja sen käyttösovelluksiin. Olin käyttänyt Map Infoa aikaisemmin viime syksyn TAK-kurssilla, mutta muistijäljet sen käytöstä olivat hyvin hämäriä. Olikin todella hyvä, että ensimmäiseksi kävimme vaihe vaiheelta läpi erilaisia ohjelman perustoimintoja. Teemakartan luomisen opettelun tuotoksena syntyi harjoituskartta, joka kuvaa muunkielisten osuutta Helsingin kaupunginosissa. Koin monia tärkeitä oivalluksia ohjelman käytöstä. Map Infoa käyttäessä on todella oivallettava samanaikaisesti olevien ikkunoiden vaikutukset toisiinsa, sekä tilastojen ja karttojen välinen yhteys.

Kartta kuvaa muunkielisten osuutta väestöstä Helsingin eri alueilla.

Kuva1. Harjoituskartta. Kartta kuvaa muunkielisten osuutta väestöstä Helsingin eri alueilla.

Käytimme aineistonamme kurssimateriaaleihin kuuluvaa, tilastokeskuksen tuottamaa  ”Kunnat 2011” aineistoa (Tilastokeskus 2011). Aineiston pohjalta laadin koropleettikartan naisten määrästä suomalaisissa kunnissa vuonna 2011. Valitsin väriskaalaksi keltaisesta oranssin kautta punaiseen taittavan skaalan. Punaisella erottuvat selvästi ne kunnat, joissa on paljon naisia. Aineistoni oli jakaumaltaan selvästi vino, joten käytin luokittelumetodina kvantilleja eli luokkia, joissa on sama määrä havaintoja.  Aineiston jakauma tarkastettiin histogrammi työkalun avulla (Histogrammityökalu).

Naisten määrä ilmoitettiin aineistossa henkilöinä. Näin ollen kunnat,  joissa on paljon ihmisiä muutenkin näkyvät punaisena ja asukasluvultaan vähäisemmät kunnat vaaleampina. Tästä johtuen kartta ei juurikaan selvennä missä kunnissa naisia olisi enemmän, kuin miehiä. Kartta tarvitsisi rinnalleen samanlaisen kartan miesten määristä suomen kunnissa tai sitten suomen kuntien väkimääristä voitaisiin laskea naisten suhteellinen osuus, jolloin kartta havainnollistaisi paremmin naisten määrää suhteessa miehiin. Tällöin myös naapuruskunnat voisivat olla helpommin vertailtavissa toistensa kanssa. Tällä hetkellä esimerkiksi pääkaupunkiseutu näkyy kokonaan punaisena.

Aineiston luokittelun ja teemakartan luomisen jälkeen, lisäsin karttaan vielä mittakaavan ja pohjoisnuolen, jonka jälkeen julkaisin kartan kuvana. Hiottavaa jäi ainakin legendaan, sekä esitystavan valintaan, jotta valmiista esityksestä tulisivat ilmi halutut asiat.

Kuva2. Koropleettikartta naisten määrästä suomen kunnissa 2011.

Ensimmäinen kurssikerta raotti ovea paikkatiedon hallintaan jo hiukan, mutta opittavan määrä tuntuu tässävaiheessa ylitsepursuavalta. Toisaalta intoa ja halua oppia lisää tuntuu olevan vähintään yhtä paljon. Kuten Samuli Massinen blogissaan toteaa ” Odotan innolla tulevia tehtävänantoja sekä harjaantumista MapInfon käyttäjänä. Koen tällä hetkellä tuntevani vasta perusteet ohjelman käyttämiseen. Mestarillisen hallinnantason saavuttaakseni tarvitsen vielä erittäin paljon lisäharjoitusta”

 

Kirjallisuus:

Histogrammityökalu. <http://illuminations.nctm.org/Activity.aspx?id=4152>.  23.1.2014.

Massinen,JL.(2014) Kurssin aloitus ja MapInfoon tutustuminen. < blogs.helsinki.fi/smassine/>. 29.1.2014

Tilastokeskus (2011). Väestörakenne