Kasvihuonekaasut ja ympäristöverotus

Viimeisen kurssikerran tarkoituksena oli opetella itsenäisesti aineiston etsimistä kartan tekoa varten ja siitä kartan tekeminen omatoimisesti. Löysin Tilastokeskuksen sivuilta tietokannan Euroopan valtioiden kasvihuonekaasupäästöistä ja julkisen sektorin ympäristöveron osuudesta kaikista vero tuloista. Aihe oli mielestäni mielenkiintoinen, koska se koskee ympäristö asioita ja koin, että näillä kahdella tekijällä on jonkinlaista korrelaatiota. Itse aineiston hakeminen ei ollut hankalaa eikä samoinkaan sen siirtäminen MapInfo:on.

Päädyin tekemään yksinkertaisen korologisen teemakartan, koska ne sopivat parhaiten kuvattaville ilmiöille.  Ympäristöveron osuutta kuvasin vihreällä ja viivoja kasvihuonepäästöjen kuvaamiseen. Koska päällekkäin oli kaksi korologista teema, molempien ilmiöiden luokkia on vain kolme, jotta kartta pysyisi selkeänä. Tässä työskentelyni tulos:

Grnhouse_emission_and_envir_taxrev_Europe_2011

Kuva 1. Kartta kuvaa Euroopan kasvihuone päästöjä ja julkisen sektorin ympäristöverotulojen osuus kaikista verotulosta.

Lukiessa on huomioitava, että kartassa on päästöistä vain kasvihuonepäästöt eikä muita saasteita ja niiden määrä on laskettu absoluuttisina lukuina.  Hypoteesini oli, että suurissa saastuttaja maissa olisi alhaiset ympäristöverot, mikä on totta Saksan, Ranskan ja Espanjan kohdalla. Puola, Italia ja Iso-Britannia taas nousevat verotuksensa puolesta luokkaan kaksi, vaikka niillä on korkeat päästöt. Tämä voi tarkoittaa, että kyseiset maat ovat ottaneet huomioon paremmin EU:n antamat päästödirektiivit ja politiikassa vallitsee ympäristöystävällisempi ilmapiiri kuin muissa maissa. Pohjoismaiden päästöt ovat samaa luokkaa, mutta Tanska saa eniten tuloja ympäristöverotuksen avulla ja Suomi toiseksi eniten. Tämä on mielenkiintoista, koska olen ainakin itse kuvitellut, että Suomessa ei olisi jokseenkin samankokoinen verotus kuin Ruotsissa. Yllätyin, että suurimmat ympäristö verot ovat Virossa, Kreikassa, Tanskassa, Bulgariassa, Latviassa, Alankomaissa ja Irlannissa. Nämä ovat kaikki melko pieniä valtioita, joissa teollisuus ei ole suurta. On huomioitava kuitenkin, että eri maiden verotuskäytännöt voivat erota radikaalistikin. Jotkut maat saattavat verottaa hyvin vähäisesti kaikkea, jolloin alhainenkin ympäristövero kasvattaa merkitystään valtion julkisen sektorin tuloissa. Tämän takia verotuksen kuvaaminen tällä tavalla ei ole täysin aukoton. Visuaalisesti kartta näyttää mielestäni miellyttävältä ja selkeältä sekä tekninen toteutus onnistui hyvin.

 

Kyseessä oli siis viimeinen kurssikerta. Voin todeta, että MapInfo ja kartanteko ovat avautuneet minulle aivan uudessa valossa. Koen oppineeni paljon kartografiasta, tiedonkeruusta ja ,mikä tärkeintä, analysoinnista ja lähdekritiikistä paljon. Kurssi oli oikein antoisa! Tiia Määtän sanoja lainatakseni: “Tämän jälkeen myöhemmin opeteltava ArcGIS on varmasti helppokäyttöinen, ja siihenkin voin syventyä melko turvallisin mielin.”

 

Lähteet:

EuroStat-tietokannat. 2011. Tilastokeskus.

Määttä, T. (2014). Kurssikerta 7: Viimeinen koitos kera USA:n maanvieremien. PAK-kurssin blogimerkintä. 2.3.2014 https://blogs.helsinki.fi/timaatta/

SWOT-analyysi – New York Times:n karttapalvelu Mapping America

 

”Strengths”-Vahvuudet

Palvelun selviä vahvuuksia ovat sen tarkkuus, hyvä luettavuus ja helppo käyttöisyys. Karttojen avulla on helppo nähdä yleiskuva eri etnisten ryhmien ja maahanmuuttajien sijoittumista Yhdysvalloissa. Palvelun avulla on esimerkiksi helppo todeta selvää alueellista segregaatiota Yhdysvaltojen eri kaupungeissa. New Yorkin eri kaupunginosat erottuvat selkeästi niissä enemmistönä olevien etnisten ryhmien perusteella, kuten Brooklyn, jossa on paljon afroamerikkalaisia ja Bronx, jossa on paljon latinoja. On myös mielenkiintoista nähdä, että vähätuloiset sijaitsevat kaupunkien keskusta-alueella ja hyvätuloiset niin sanotusti kaupunkien ulkokehällä.

 

”Weaknesses”-Heikkoudet

Vaikka palvelu antaa tietoa tarkasti, se ei kuitenkaan anna tarkkaa tietoa katutasolla, mikä toisaalta on voinut olla tarkoituskin. Väkiluvut eri alueilla ovat arvioita, mikä tietenkin hieman vähentää palvelun informaatioarvoa. Tämä kuitenkin mainitaan yläpalkissa. Harvaan asutuilla alueilla väestön sijaintia on yleistetty paljon, koska pisteet kuvaavat samaa määrää ihmisiä, kuin kaupungeissakin. Tällöin ei-keskuksissa asuva väestö jää pois kartalta. Korologinen kartta, joka perustuu maakuntiin, ei toimi mielestäni pienten ilmiöiden esittämiseen, kuten esimerkiksi sama sukupuolta olevien pariskuntien talouksia kartoittaessa. Toisaalta tätä tietoa on vaikea kerätä, koska aihe saattaa olla monelle arka, etenkin etelä-osavaltioissa. Samuli Massinen kirjoittaa blogissaan samoista asioista: ”Palvelun heikkous sen sijaan on tiedon tarkkuus. Vaikka aiheita on lukumäärällisesti paljon, tiedot tietyltä alueelta perustuvat näytteisiin eikä talokohtaista dataa ole tarjolla. Toisaalta ymmärrän tämän ratkaisun, sillä yksityisyydensuojaa tulee varjella. Kuitenkin esitysten perustuessa arvioihin ja yleistykseen, palvelun uskottavuus heikkenee. Herää kysymys, mihin tarjoamaa informaatiota voi todellisuudessa hyödyntää? Data ei ole riittävän luotettavaa, jotta sitä voisi hyödyntää tieteellisessä tutkimuksessa eikä sovelluksia käytännön tarkoituksiin juuri ole, sillä epäluotettava tieto lisää riskiä väärille tulkinnoille. Tällä hetkellä palvelu täyttää lähinnä yksityishenkilöiden uteliaisuudennälän.”

”Opportunities”-Mahdollisuudet

Palvelu on mielestäni kaiken kaikkiaan hyvin tehty, joten samanlaista pohjaa olisi mielenkiintoista käyttää muiden ilmiöiden kuvaamiseen sekä käyttää palvelua muissa maissa. Palvelun ominaisuuksien kasvattaminen esimerkiksi, jonkinlaisella analyysityökalun lisäämisellä sekä kahden ilmiöin yhdistämistä yhdelle kartalle, jolloin on helpompi arvioida eri ilmiöiden mahdollisia korrelaatioita, kuten esimerkiksi ovatko kaikkien etnisten vähemmistön asuinalueiden vuokratasot matalia.

 

”Threats” – Uhkat

Uhkista ensimmäisenä mieleeni tuli palvelun väärinkäyttö esimerkiksi poliittisiin tarkoitus periin. Palvelun tiedot perustuvat 2005–2009 tehtyjen kyselyjen otoksiin ja palvelussa todetaan, että sen antamat luvut ovat vain arvioita, mitä karttalukutaidoton tai muuten vain lähdekritiikitön lukija ei välttämättä ymmärrä. Tämä voi johtaa tietenkin virhetulkintoihin. Vaikka palvelu kuvaa hyvin alueellista segregaatiota, koen, että se saattaa omalla tavallaan, jopa voimistaa sitä, koska nyt on helppo muuttopäätöstä miettivän tarkistaa mahdollisen asuinalueen etnisen enemmistön. Tavallaan aika pessimistinen ajatus, mutta mahdollinen, kun kyseessä on Yhdysvallat.

 

Suomessa paikkatieto on hyvin yksityiskohtaista, koska kyseessä on pieni maa. Tietoa kuitenkin jaetaan vain erityisestä pyynnöstä, mikä tietenkin karsii väärinkäytöksiä, mutta tekee siitä vaikemmin saatavaa ja “kasuaali” käyttäjä ei välttämättä jaksa nähdä vaivaa sen hakemiseen. The New York Times:n palvelu taas on amerikklaiselle palvelulle tyypillisesti helppo käyttöinen, mutta epätarkka. No, mene ja tiedä, että kumpi on parempi. Massinen pohtii tätäkin hyvin blogissaan: “Näen, että paikkatiedon helppo saatavuus on kuin kolikko, sillä on kaksi puolta. Positiivisessa mielessä se lisää yhteiskunnallista keskustelua sekä tarjoaa mahdollisuuden kartografisten taitojen kehittymiselle. Toisaalta taas arkaluontoinen data on uhka ihmisten eriarvoisuuden sekä segregaation kasvulle. Mutta kuinka nämä aspektit saadaan tasapainoon? Miten kolikko saadaan jäämään pystyyn heiton jälkeen? Vaikeita kysymyksiä, joihin on hankalaa löytää oikeaa ratkaisua. Uskon kuitenkin, että tätä veteen piirrettyä viivaa jahdataan vaikka äärettömyyteen asti.”

Lähteet:

Mappin America: Every City, Every Block-karttapalvelun tekijät: Bloch M., Carter S. ja McLean A., The New York Times. 27.2.2014. http://projects.nytimes.com/census/2010/explorer

Massinen, S. (2014). New York Times:Mappin America – SWOT-analyysi. PAK-kurssin blogimerkintä. 27.2.2014. https://blogs.helsinki.fi/smassine/

 

Bussipysäkeistä maanjäristyksiin

Kurssikerta 6. aiheena oli pisteaineiston keräämistä, muokkaamista ja sen esittämistä kartalla. Tunti aloitettiin keräämällä koordinaatteja vapaa-valintaisista kohteista. Valitsimme ryhmämme kanssa aiheeksi bussipysäkit. Keräämisen jälkeen siirsimme tiedot Exceliin ja sitä kautta MapInfo:on. Oli hauska nähdä, miten itse kerätty tieto saatiin niin helposti esitettyä kartalla. Tämän jälkeen harjoittelimme geokoodausta eli valmiin Excel-aineiston sijoittamista kartalle osoitteiden perusteella. Tämäkin harjoitus osoittautui helpoksi, koska aineisto oli valmiina. Tämäkin oli hyvin mielenkiintoista. Mielenkiintoista oli myös Samuli Massisen toteamus blogissaan kenttähommista: “Aina ei ole kuitenkaan tarkoituksenmukaista lähteä itse maastoon keräämään jokaisesta yksittäisestä kohteesta paikkatietoa. Toteutus vie paljon aikaa ja energiaa sekä on turhan työlästä varsinkin laajaa tutkimusta tehdessä.”

Kurssikerran itsenäisenä harjoituksena oli tehdä kolme hasarditietokantoihin perustuvaa karttaa. Tarkoituksena oli tuoda internetistä haettujen tietokantojen tiedot Excel:iin, muokata niitä ja taas edelleen siirtää MapInfo:n. Vaikeuksia tässä tuotti aineistojen suoran kopioimisen vaikeus, koska Excel ymmärtää tietyntyyppiset lukuarvot päivämäärinä ja automaattisesti muuttaa niiden muotoa, jolloin esimerkiksi koordinaatit vääristyvät. Tämän ongelman pystyi ratkaisemaan esimerkiksi kopioimalla aineiston ensin Word:iin, jonka kautta tilastotiedon siirtäminen Excel:iin onnistuu vaivatta. Tehtävän tarkoituksena oli siis harjoitella enemmän aineiston käsittelyä kuin itse kartan tekoa, joka oli melko yksinkertaista.

Päädyin tekemään kolme karttaa maailman maanjäristyksistä. Ensimmäinen kartta kuvaa Richterin asteikolla yli 8 magnitudin maanjäristyksiä 1980-luvun jälkeen, toinen yli 7 magnitudin maanjäristyksiä ja kolmas yli 6 magnitudin maanjäristyksiä. Richterin asteikko etenee logaritmisesti, joten yhden magnitudin lisääminen kasvattaa maanjäristyksien määrää huomattavasti. MapInfo:n kömpelyys tuli taas vastaan mittakaava tehdessäni. Layout-ikkunaan siirtyessäni sen lukuarvot muuttuivat hiukan, mutta annoin sen olla, koska kartan ymmärtämistä se ei häiritse.

Opetus tarkoitukseen tekemäni kartat ovat hyviä, koska ne havainnollistavat sekä maanjäristysten sijainnit sekä Richterin-asteikon logaritmisyyden (eli jokainen luokkaväli on edelliseen verrattuna kymmenkertainen voimakkuudeltaan). Yli kuuden magnitudin maanjäristykset sijoittuvat mannerlaattojen reunoille ja etenkin kuuden 6-7 magnitudin maanjäristyksiä on niin paljon, että melkein kaikki mannerlaattojen saumakohdat tulevat esille. Yli 7 Richterin maanjäristykset ovat taas kahden mannerlaatan törmäyskohdissa, esimerkiksi Filippiinien laatan ympärillä ja Nazca- ja Etelä-Amerikan laatan törmäysvyöhykkeellä. Yli 8:n magnitudin järistykset taas ovat harvinaisempia ja ne sijaitsevat myös laattojen törmäysvyöhykkeillä.

Tässä tekemäni kartat:

yli_8_richterin_maanjäristykset

Kuva 1. Kartta yli kahdeksan magnituudin maanjäristyksistä vuoden 1980 jälkeen (Northern California Earthquake Data Center, 2013).

7_8_richterin_maanjäristykset

Kuva 2. Kartta yli 7 Richterin maanjäristyksistä vuoden 1980 jälkeen (Northern California Earthquake Data Center, 2013).

6_8_richterin_maanjäristykset

Kuva 3. Kartta yli 6 Richterin maanjäristyksistä vuoden 1980 jälkeen (Northern California Earthquake Data Center, 2013).

Maanjäristykset aiheuttavat sitä enemmän vahinkoa, mitä tiheämpää asutus on alueella. Seuraavassa linkissä on UNEP:in kartta, jossa kuvataan vuoden 1980 jälkeen tapahtuneita maanjäristyksiä, jotka ovat tappaneet yli 1000 ihmistä.  Kartasta näkee, että eniten ihmisiä on kuollut tiheästi asutussa Lähi-Idässä, Intiassa ja Japanissa. Karttaa verrattessa omiini huomaa, että vaikka maanjäristyksiä on paljon, vain muutamat kymmenet aiheuttavat yli tuhannen ihmisen kuolemia. UNEP:in kartassa taas ei kerrota materiaali vahingoista, mitä seuraa aina maanjäristessä yli 6 magnitudin voimalla. Perässä on myös toinen artikkeli, mistä voi tarkastella maanjäristysten uhrimääriä 1980-luvulta eteenpäin. Kolmas linkki on Andrea Mustainin artikkeli ja siihen liittyvä kartta, mikä kertoo missä päin maailmaa on ollut maanjäristyksiä. Kartta on omaa karttaani verrattuna huomattavasti tyylikkäämpi, mutta kertoo kuitenkin samoja asioita, kuin omani.

1. http://www.grid.unep.ch/products/4_Maps/earthquake_1980.gif

2. http://earthquake.usgs.gov/earthquakes/eqarchives/year/graphs.php

3. http://www.livescience.com/21284-world-earthquakes-map.html

Lähteet:

Massinen, S. (2014). Sixth round – Pisteaineistot kartalla. PAK-kurssin blogimerkintä. 27.2.2014. https://blogs.helsinki.fi/smassine/

Northern California Earthquake Data Center. (2013). Berkeley, University of California. 24.2.2014 http://quake.geo.berkeley.edu/anss/catalog-search.html

Buffering for life!

Kurssikerta 5. tarkoituksena oli harjoitella ongelmanratkaisua MapInfo:n avulla. Tehtävät eivät olleet tuntimateriaalissa täysin kädestä pitäen opastettuja, joten tunnilla joutui soveltamaan siihen asti opittuja taitoja ohjelman käytössä. Mielestäni tämä kurssikerta oli mielekkäin tähän asti, koska kerrankin tunsin oppivani jotain, joka on oikeasti käytännöllistä ja pääsi itse miettimään ongelmiin ratkaisuja

Kurssikerta aloitettiin harjoittelemalla bufferointia Pornaisten keskustan kartalla, johon olimme aiemmalla kerralla piirtäneet rakennukset ja tiet. Bufferointi oli MapInfo:lla mtodella helppoa. Ei tarvinnut kuin valita kohde ja bufferoinnin säde, jolloin ohjelma maalasi alueen, jonka sisältä pystyi toisella työkalulla valitsemaan haluamansa kohteet, kuten esimerkiksi 100 metriä teistä olevat rakennukset. Mielenkiintoista bufferointi valikossa oli ”smoothness” lukuarvon säätäminen, joka määritti kuinka monella viivalla bufferoitava kuvio piirrettiin eli toisin sanoen, mitä suurempi arvo sitä pyöreämpi muoto. Tämä vaikutti hieman aina saataviin tuloksiin, koska välillä, jokin kohde jäi juuri ja juuri rajan ulkopuolelle pienillä arvoilla, kun taas suurilla se jäi sisäpuolelle. Virhemarginaali kasvaa tietenkin bufferoitavien kohteiden  ovat. Työkaluna bufferointi on mielestäni hyvä ja erityisen mielenkiintoiseksi sen teki Vantaan lentokenttien melualueella asuvien ihmisten määrän, mikä osoitti sen käytännöllisyyden. Tein myös samanlaisen analyysin asukkaista, jotka asuivat 500 metrin päässä Vantaan juna-asemista ja kuinka suuri osa heistä on työikäisiä.

Bufferoinnissa on siis potentiaalia moni käyttöiseksi työkaluksi. Pyry Poutanen esittää mielestäni mielenkiintoisen käyttötarkoituksen blogissaan: “Puskurointia voi käyttää tehokkaasti myös vaaravyöhykkeiden kartoittamiseen ja pelastussuunnitelmia laadittaessa esimerkiksi ydin-, kemikaali- ja räjäytysturvallisuusasioissa. Uskon puskuroinnin mahdollisuuksiin myös sotilaallisissa tarkoituksissa, sillä esimerkiksi tukikohtasuunnittelussa on tärkeää joukkojen hajauttaminen ja toisaalta keskittäminen samanaikaisesti. Joukot ja materiaali ovat karttaan sidottuja objekteja ja elintärkeät toiminnot (muonitus, sairaanhoito, IED:n raivaus* yms.) pitää olla saavutettavissa ja esimerkiksi ilmaiskujen potentiaaliset tuhot minimoida (ympyräsäteinen tuhoalue).” Tässä hän on oikeassa, koska monen uhkan vahinkojen arviointiin bufferointi on oiva työkalu.

Teimme paljon tehtäviä, jonka vastaukset ovat alla. Tehtävät eivät olleet vaikeita, mutta vaativat kuitenkin jonkun verran pohtimista, missä työskentely parin kanssa auttoi paljon.

 taulukkoblogi5-261x300

Kuva 1. Kuvassa on kaikki tekemämme tehtävien vastaukset. Tein omani Niklas Aalto-Setälän kanssa, jonka taulukko tämä on.

Viimeisenä itsenäisenä harjoituksena tein kartan uima-altaiden määrästä pääkaupunkiseudulla. Aihe ei sinänsä ole mielestäni erityisen merkittävä maantieteellisenä ilmiönä, mutta sen tekoprosessi oli mielenkiintoinen. Ensin oli laskettava jokaisen kaupungin osan uima-altaiden määrä, koska se oli merkitty rakennuskohtaisesti. Tämän jälkeen siitä luotiin omatietokanta. Näin sain tarvittavan taulukon teemakartan tekoon. Tehtävänannossa luki, että tarkoitukseni olisi luoda pylväsdiagrammiteemakartta, mutta taas todeten sen epäkäytännöllisyyden, päädyin luomaan korologisen teemakartan. Kartasta näkee numeroin sekä värien avulla, missä on eniten uima-altaita. Eniten niitä on selkeästi hyvätuloisilla alueilla, kuten Itä-Helsingin rannikolla (esim. Tammisalo ja Laajasalo) sekä Länsi-Helsingissä (esim. Lauttasaari ja Munkkiniemi). Myös kantakaupungin pohjoispuolella Paloheinässä on paljon uima-altaita. Alueet eivät välttämättä ole omakotitalo valtaisia, vaan uima-altaat ovat mitä luultavammin taloyhtiöiden ylläpitämiä kerros- ja paritaloissa. Uima-altaita voi olla myös yritysten saunatiloissa ja vastaavissa rakennuksissa. Espoossa, jossa on paljon omakoti taloja, on taas hyvin vähän uima-altaita, koska uima-altaan ylläpito vain yhtä asuntoa varten on kallista.

Uima_altaat_pkseutu

Kuva 2. Kartta kuvaa pääkaupunkiseudun uima-altaiden määriä.

Olen kehittynyt MapInfo:n käytössä kurssin aikana, mikä tietenkin on itsestään selvää, koska se on kurssin tarkoitus. Koen osaavani tehdä sen avulla nyt, melko yksinkertaisia karttoja, laskutoimituksia ja analyyseja sen avulla. Osaan käyttää kaikkia työkaluja, mitä kurssin aikana olemme käyttäneet, vaikka välillä on hieman kerrattava. Koen tarvitsevani hieman lisäharjoitusta karttaesitysten tekemisessä, koska siinä oma lievä visuaalinen lahjattomuuteni tulee usein esille, esimerkiksi luokkajakoja tehdessä.  Kaiken kaikkiaan MapInfo on kartanteossa tyydyttävä ohjelma, jos ei ole tarkoitus tehdä kovin moni mutkikkaita analyyseja tai esityksiä. Kuten aiemmissa blogimerkinnöissä olen maininnut, sen visuaalisen muokkauksen työkalut ovat hyvin vajavaiset. Ohjelmana se on jäykkä, mutta helppokäyttöinen ja nopea yksinkertaisia karttaesityksiä tehdessä.

Samuli Massinen tiivistää hyvin ajatukseni tämän kertaisesta kurssikerrasta: “Mielestäni kurssikerta oli hyvin suunniteltu ja ajoitettu erinomaiseen saumaan. Tekemällä oppii MapInfon parissa parhaiten, ja muutaman viikon jälkeen kaikki ohjelman ominaisuudet sekä toiminnot eivät olleet enää terävimmässä muistissa. Kertaus tuli siis tarpeeseen, mikä auttoi hahmottamaan MapInfon hyödyllisyyttä sekä toimintojen kirjoa.”

Lähteet:

Aalto-Setälä, N. (2014). Kerta 5. Bufferoimaan Mars!. PAK-kurssiblogi. 24.2.2014

Massinen, S. (2014). Fifth round – Bufferointia ja analyysejä. PAK-kurssinblogi. 17.2.2014

Fifth round – Bufferointia ja analyysejä

Poutanen, P. (2014). Kurssikerta 5 – Itsenäistä ajattelua. PAK-kurssin blogiteksti.  17.2.2014 https://blogs.helsinki.fi/pyrypout/

Ruutuja, ruutuja, ruutuja.

Kurssikerta 4. tarkoituksena oli opetella ruututeemakarttojen tekeminen ja uuden tiedon luominen niitä varten.  Harjoittelimme myös rasterikartan kiinnittämistä MapInfo:n koordinaatistoon ja piirtämistä rasterikartan avulla. Jälkimmäiset asiat olivat niin sanotusti siirtymää uuteen aihealueeseen, koska aloimme nyt itse muokkaamaan karttoja ja luomaan ”.tab”- ikkunoita, kuten teitä ja rakennuksia. Aiemmin kaikki tieto oli ollut valmiina ja sitä vain muokattiin. Nyt pääsimme tekemään ”uutta tieto”.

Kurssikerran harjoituksena oli tehdä ruututeemakartta vapaa-valintaisesta aiheesta pääkaupunki seudun alueella. Päädyin tekemään kartan ruotsiapuhuvan väestön levittäytymisestä Kauniaisissa. Aihe oli mielestäni mielenkiintoinen, koska halusin nähdä, että oliko Kauniaisten sisällä minkäänlaista segregaatiota ruotsinkielisten ja muita kieltä puhuvien välillä. Myös opiskelutoverini Niklas Aalto-Setälä päätyi tekemään samasta aiheesta kartan.

Työskentely alkoi erottamalla Kauniaisten tilastotiedot koko pääkaupunki seudun tietokannasta ja lisäämällä ne tekemääni ruututietokantaan. Päätin tehdä ruuduistani 50 metriä leveitä, jotta saan tarkan kuvauksen alueesta. Käytin luokkien luomisessa taas luonnollisia luokkavälejä, koska luokat olivat näin mielestäni ymmärrettäviä ja käytännöllisiä. Kauniaisista löytyi alueita, jotka olivat sataprosenttisen ruotsinkielisiä, joten ylin luokkani oli myös 100-100%. Väriskaalaksi valitsin kelta-sinisen, jossa korkeimman arvonsaaneet olivat kirkkaan keltaisia ja matalan tumman sinisiä, jolloin ne erottuvat hyvin. Väriskaala sopii myös aiheeseen melko hyvin. Ruudut, joissa ei asu ketään jäivät valkoisiksi, joten kartta kuvaa samalla myös asutuksen levittäytymistä kaupungin alueella. Tässä on työskentelyni tulos.

Kauniaiset_ruotsalaisten_osuus

Kuva 1. Kartta ruotsinkielisten osuudesta Kauniaisissa. Kuvasta huomaa, että kapungissa ei sijaitse minkäänlaista kielellistä segregaatiota.

Kartasta huomaa ettei Kauniaisissa ole selviä suomenkielisten ja ruotsinkielisten asuin alueita vaan erikieliset ovat sekoittuneet hyvin toisiinsa. Kartta kuvaa ilmiötä hyvin tarkasti, koska ruutukoko on 50 metriä, joten paljon alueita jää tyhjäksi, koska siellä ei ole asuinrakennuksia. Google Maps:n satelliittikuvien perusteella tyhjät alueet ovat metsää ja lännen suuri tyhjä alue näyttää olevan jonkinlainen lenkkeily maasto. Vaikka kartta kuvaa erikielisten sekoittumista ja asutuksen levittäytymistä hyvin, on se silti mielestäni informaatioarvoltaan heikko. Toisaalta kartan tarkoituksena ei ollut esittää muita asioita.

Kuten aiemmin mainitsin, Aalto-Setälä teki samasta aiheesta kartan, mutta 100m x 100m kokoisilla ruuduilla. Hän kommentoi karttojemme eroja hyvin blogissaan: “Omaa karttaani tarkastellessani näyttää se siltä että Kauniaisissa olisi alueita jossa asuu huomattavasti enemmän Suomenruotsalaisia ja päinvastoin. Tämä pitääkin pieniltä määrin paikkaansa mutta tilanne ei ole niin radikaali miltä karttani saa sen näyttämään, sillä kun vertaan tuotostani Raution karttaan on ”segregaatio” kummasti vähentynyt. Alueella on toki kohtia jossa suomenkielisiä on huomattavasti enemmän ja päinvastoin mutta nyt täytyy taas palauttaa mieleen kuinka pieniä alueita tarkastelemamme ruudut ovat. Moni omakotitontti on yhden ruudun kokoinen variskin kun kyseessä on 50x50m ruutu ja näin ollen yhden tai kahden talon suomen tai ruotsinkielisyys tulee vahvasti ilmi.” 

https://blogs.helsinki.fi/niklasaa/files/2014/02/grani.png

Kuva 2. Aalto-Setälän tekemä kartta samasta aiheesta 100m x 100m ruudukoilla.

Kartta on tekniseltä toteutukseltaan taaskin onnistunut, mutta sen heikkous on etenkin visuaalisessa ulosannissa. 50 metrin kokoiset ruudut näyttävät todella kömpelöiltä tällaisen ilmiön kuvaamiseen varsinkin näin pienellä alueella, koska yhden ruudun alueelle on saattanut mahtua vaikka vain yksi rakennus, jonka asukkaat ovat ruotsinkielisiä, jolloin ohjelma on laskenut sen kuuluvan ylimpään luokkaan. Isommilla ruuduilla kartasta olisi saanut varmasti tyylikkäämmän näköisen, mutta koin tarkkuuden tärkeäksi, vaikka se ei ole aina karttaa tehdessä hyvä asia. Jos olisin valinnut saman aiheen, mutta kuvannut sitä koko pääkaupunki seudun alueella tai vaikka edes vain Espoon alueella, olisivat tulokset mahdollisesti olleet huomattavasti mielenkiintoisempia.

Olen huomannut tietyn trendin kartan teossani aihevalintojen kohdalla. Karttani ovat onnistuneet teknisesti, mutta korrelaatiota ilmiöiden suhteen ja ilmiöiden kuvaaminen kartalla ovat olleet asioita, jotka eivät ole mielestäni onnistuneet niin hyvin kun olisivat voineet. On siis ehkä valittava hieman helpommat aiheet seuraavan kerran karttoihin. Toisaalta niin sanotusti huonojen karttojen teosta oppii enemmän kuin hyvien. Ainakin näin aloittelevana kartan tekijänä.

 

Lähteet:

Aalto-Setälä, N. (2014). Ruutuja ja vähän lisää ruutuja. PAK-kurssin blogimerkintä. 17.02.2014. https://blogs.helsinki.fi/niklasaa/2014/02/14/29/

MapInfo, tietokannat ja minä.

Kurssikerta 3. aiheena oli datan siirtäminen ja muokkaus MapInfo:n sisällä ja sen ulkopuolella. Harjoittelimme esimerkiksi tilastotiedon tuomista Microsoft Excelistä ja uuden sarakkeiden luominen taulukoihin. Tämän lisäksi kävimme läpi hieman objektien käsittelyä ja yhdistämistä.

Harjoitusmateriaalina toimi Afrikan kartta, jossa yhdistimme eri maiden objektit (esimerkiksi saaret ja mannerosa) yhdeksi. Tämän jälkeen laskimme valtioiden alueilla sijaisevien konfliktialueiden, öljylähteiden ja timanttikaivosten määrän. Saamamme tietokanta ja kartta oli hyvin mielenkiintoinen, mutta informaatio arvoltaan huono. Mia Eriksson kiteyttää tämän hyvin blogissaan: ”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.”

Afrika

Kuva 1. Kartta Afrikan timanttikaivoksista, öljykentistä ja konfliktien sijainneista ja niiden vaikutusalueista (Paarlahti A. 2014).

Jotta kartasta voisi tehdä jonkinlaista analyysia, pitäisi selvittää esimerkiksi konfliktien tapahtuma vuodet ja laajuusalueet sekä timanttikaivosten ja öljylähteiden tuottavuus ja löytämisvuosi. Arttu Paarilahden tekemässä kartassa näkyy kuinka paljon konfliktien laajuusalueiden lisäys karttaan lisää kartan informaatio arvoa. Muiden arvojen lisääminen tietokantaan loisi mahdollisuudet monenlaiseen analyysiin ja teemakartan tekoon. Esimerkiksi, jos korrelaatiota löytyy konflikteiden syttymiseen ja timanttikaivosten ja öljykenttien löytymisvuosiin tai tuottavuuksiin, voisi kartta esityksellä ja analyysille ennakoida tulevien konfliktien mahdollisia syttymisalueita. Myös väkiluvulla ja valtion koolla on yhteyttä konfliktien syntyyn (Hegre ja Raleigh 2006). Tällaisista analyyseista saatavaa tietoa voisi käyttää esimerkiksi kriisien ehkäisemisessä ja humanitäärisen avun lähettämisen koordinoinnissa.

Kurssikerran itsenäisenä harjoituksena oli luoda kartta Suomen järvisyydestä ja tulvaindeksistä. Järvisyyttä oli tarkoitus kuvata pylväsdiagrammeilla ja tulvaindeksiä korologisella kartalla, jonka pohjana toimi Suomen vesistöjen valuma-aluejako. Harjoitus ei kartografisesti ollut vaikea, mutta tarkoituksena olikin omatoimisesti harjoitella tilastotiedon käsittelyä ja käytännön sovelluksia. Keskityin tällä kertaa enemmän väriskaalan valintaan ja luokkajakojen järkevyyteen, jossa koin onnistuneeni. Kuten kartasta näkyy, valitsin tällä kertaa korologisen kartan pohjaksi huomattavasti kirkkaammat värit, minkä ansioista karttaa on kevyempi lukea. Pylväsdiagrammien hieman tummempi sininen väri erottaa ne hyvin taustasta, mutta ei ole silti liian kova väri.

Luokkajako perustuu luonnollisiin luokkaväleihin vaikkakin hieman muokatusti. Ylin luokkaväli on yhden kokoinen (1100–1100), koska se ei muuten olisi ollut tarkoituksen mukainen, koska seuraava luku 1100:sta olisi 500. Näin saan kartalla kerrottua, että yksi arvo on selkeästi muita selvästi korkeampi. Tämän luvun jälkeen seuraavat arvot kuitenkin melko lähellä toisiaan. Vaikka arvojen histogrammi oli vino, sain luonnollisillä luokkaväleillä sopivat jaon aikaan. Järvisyyden kuvamiseen tarkoitetut pylväiden asettuminen kartalle oli aluksi mielestäni kömpelöä, kunnes tajusin, että niiden ei ole tarkoituksena esittää yksittäisten valuma-alueiden järvisyysprosentteja vaan antaa yleiskuva järvien määrän vaikutuksesta tulvavaaraan.

KK3kartta

Kuva 2. Kartta, jossa kuvataan Suomen tulvaindeksiä ja järvisyyttä.

Kartasta näkee, että ilmiöillä on selvä korrelaatio: mitä suurempi valuma-alueen järvisyys on, sitä pienempi sen tulvaindeksi eli tulvavaara on. Suomen rannikon seutu on selkeästi tulvaherkempää aluetta kuin muu Suomi. Tämä tietenkin johtuu siitä, että vedet eivät muualla Suomessa virtaa niin nopeasti, koska järviä on paljon. Suurin tulvaindeksi on Aurajoen aluella, koska joenpohja kapenee siellä hyvin jyrkästi, mikä saa vedenpinnan nousemaan nopeasti. Jasmin Bryar huomauttaa blogissaan myös, että: Korkea tulvaindeksi ei välttämättä tarkoita tulvia alueella, vaan myös joen virtaaman suurta kasvua sateiden aikana ja lumien sulaessa. Tulviminen riippuu joen uomasta ja jos virtaava vesimäärä ylittää uoman.”

On huomautettava, että näin vielä hitusen maallikkona, luonnonmaantieteellisten ilmiöiden syy-seuraus-suhteiden selittäminen ja tajuaminen ilman taustatutkimusta on hieman vaikeampaa, kuin kulttuurimaantieteellisten, ainakin allekirjoittaneelle mielestä.

Lähteet:

Hegre H. ja Raleigh C. (2006). Population Size, Concentration, and Civil War. A Geographically Disaggregated Analysis. Artikkeli esitetty Meeting in the Enviromental Factors in Civil War Working Group.

Bayar J. (2014). 3. Kurssikerta 28.01 : Tietokantojen data. PAK-kurssin blogiteksti. 30.1.2014. https://blogs.helsinki.fi/jasbayar/

Eriksson M. (2014). Kolmas kurssikerta: Käsiksi dataan. PAK-kurssin blogiteksti. 30.1.2014.

https://blogs.helsinki.fi/miaeriks/

Kartan lähteet

Valuma-alueet. Syken Oiva-tietokanta http://wwwp2.ymparisto.fi/scripts/paikkatieto.asp 30.1.2014.

Afrikka kuva:

Paarlahti A. (2014). Afrikkaa. PAK-kurssin tiedotusblogi. 30.1.2014 https://blogs.helsinki.fi/pak-2014/

Artikkeli 1: Kahden muuttujan koropleettikartat

Anna Leonowicz käsittelee artikkelissaan ”Two variable choropleth maps as a useful tool for visualization of geographical relationship” yhden ja kahden muuttujan teemakarttojen eroja spatiaalisten suhteiden ja informaation paikallisen levittymisen ymmärtämisestä kartoissa. Artikkelissa mainitaan tutkimus, jossa ensimmäisen vuoden opiskelijoilla suoritettiin testejä, joissa todettiin, että teemakartat, joissa on vain yksi muuttuja antavat lukijalle paremmin tietoa ilmiöiden alueellisesta levittäytymisestä. Kartoissa, joissa taas on kaksi muuttujaa, ilmiöiden välinen suhde on helpompi ymmärtää.

Olen samaa mieltä artikkelin kanssa teemakarttojen eroista. Jouduin tuijottamaan muutaman hetken kahden muuttujan karttaa ja sen legendaa ennen kuin osasin tulkita sitä. Toisaalta, kun lopulta ymmärsin sen, niin se antoi hyvän kuvan ilmiöiden välisestä suhteesta. Kaksi yksi ilmiöistä karttaa taas selkeyttivät spatiaalisen sijainnin nopeammin ja suhteen ymmärtämiseen meni kauemmin. Eetu Summanen kirjoittaa blogissaan: “Artikkelin kaltainen esitystapa kartografiaan omanlaisensa lisämausteen juurikin erilaisuutensa kautta. Kahta ilmiötä pystyisi kuvaamaan myös esimerkiksi kartogrammin avulla, mutta ilmiöiden yhteyden ymmärtäminen saattaisi olla enemmän aikaa vievää ja vaikeammin käsitettävää. Päällekkäisiä karttoja käytettäessä kartan ja legendan ymmärtäminen saattaa viedä hetken, mutta sen jälkeen juurikin ilmiöiden välistä yhteyttä on tehokasta ja nopeaa tulkita.”  Olen samaa mieltä hänen kanssaan.

Eniten luettavuudessa hämäsi kahden värillisen koropleettikartan käyttö päällekkäin niin, että värit sekoittuivat. Oli siis ymmärrettävä, että minkälainen väriyhdistelmä syntyi sinisen ja violetin eri sävyistä. Mielestäni tämä on visuaalisesti miellyttävä ratkaisu varsinkin, kun värit olivat hyvin pehmeitä. Kartan lukemista se vaikeutti hieman, ainakin kokemattomalle silmälle verrattuna esimerkiksi värien ja vinoviivojenkäyttöön kahden ilmiön kuvaamiseen samalla alueella. Legendassa oleva tulosten hajontakuvia, joka on värikoodattu, helpotti tosin kartan antaman tiedon ymmärtämistä. Muutenkin kartan tekemiseen käytettyjen arvojen ja luokittelun kuvaaminen legendassa antaa kartalle uskottavuutta ja avaa lukijalle kartantekijän työprosessia. Tämä vaatii lukijalta tosin hieman kokemusta ja tietämystä tilastotiedon käsittelystä ja aikaa perehtyä kartan ja tulosten lukemiseen.

Olisi mielenkiintoista kokeilla tämänlaisen kartan tekoa MapInfo:lla, koska henkilökohtaisesti koen väri/viiva-yhdistelmät kömpelöiksi. Myös esimerkiksi ympyrädiagrammien- ja gradienttien käyttö kyseisellä ohjelmalla on hieman hankalaa, jos tutkittavien alueiden keskipisteet ovat liian lähekkäin. Kahden värin käyttäminen vaatisi ohjelmalta kyvyn laskea värien välisen sekoitussuhteen ja sopivien luokkavälien luomisen sen avulla. En tiedä, että onko tällainen mahdollista MapInfo:lla, mutta epäilen vahvasti. Ainakin oman kurssikerta 2:n kartan kanssa työskennellessäni MapInfo:n ominaisuudet määrittivät hyvinkin paljon, minkälaisen kartan pystyin tekemään. Päädyinkin tekemään alkuperäisen karttani kolme kertaa uudestaan, minkä jälkeen joudin kuitenkin vaihtamaan aihetta, kun en onnistunut saamaan karttaesitystä toimivaksi. Käytettävä välinen vaikuttaa siis hyvinkin paljon kartografiseen toteutukseen, ainakin näin aloittelijana kartanteossa.

Mielestäni artikkeli oli mielenkiintoinen ja tutkimustulos oli järkevä. Sitä ei ollut vaikea ymmärtää, vaikka se oli englanniksi, koska yllättäen moni siinä käytetty termi oli tuttu, vaikka kyseessä oli tieteellinen artikkeli. Kai tässä on sitten opittu jotain.

Lähteet:

Leonowicz A. (2006). Two variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija. Nr. 42 (1).

Summanen, E. (2014). Artikkeli 1 – Päällekkäisten koropleettikarttojen maailma. PAK-kurssin blogi teksti. 2.3.2014

PAK ja näin se jatkui teemakartoilla

 

Toisella kurssi kerralla kävimme läpi MapInfo:n  eri teema kartta tyyppien käyttöä. Läpi meno oli nopea, koska niiden luominen on melko helppoa. Tämän lisäksi käytiin läpi kahden erilaisen tilastotiedon, kuten esimerkiksi väestön ja väestöntiheyden, esittämisen samalla kartalla. Kurssikerran tehtävä oli tällä kertaa siis luoda kartta, jossa on kahta eri tilastotietoa, jotka jollain tavalla korreloivat toistensa kanssa.

Tehtävän tekoa vaikeutti alkuperäisen histogrammi-työkalun toimimattomuus, mutta löysin uuden Google:n avulla Interactivate-sivustolta. Laitan linkin tekstin loppuun.

Päädyin tekemään kartan, jossa vertailen tietoon tulleiden rikosten määrää tuhatta asukasta kohden ja työttömyysastetta Uudellamaalla. Hypoteesini oli, että alueet, joissa on suuri työttömyys, tapahtuu enemmän rikoksia kuin alueilla, jossa työttömyysaste on matala. Kartassani on kaksi korologista teemakarttaa päällekkäin. Tietoon tulleitten rikosten suhdetta asukasmäärään kuvaan punaisella neliluokkaisella jaolla, käyttäen normaalijakauman takia keskihajontaa, minkä ansiosta alueiden välillä on selviä eroja. Työttömyysastetta kuvaan alueita jakavilla pysty-, vino-, ja ristiviivoilla. Ne on jaettu luonnollisten luokkavälien mukaan, koska niiden arvot muodostavat epämääräisen jakauman.

Uusimaa.Rikollisuus.Työttömyysaste

Kuva 1. Kartta Uudenmaan työttömyysasteesta ja tietoon tulleista rikoksista (Tilastokeskus 2010).

Kartasta näkee, että eniten rikoksia Uudella maalla tehdään Helsingissä, Vantaalla ja Järvenpäässä ja vähiten Pornaisessa, Pukkilassa, Askolassa ja Karjalohjalla. Työttömyysaste on taas korkein Vantaalla, Lohjalla, Hyvinkäällä ja Itä-Uudellamaalla ja matalin pääkaupunkiseudun reunoilla. Hypoteesini ei osunut täysin oikeaan saadessani kartan valmiiksi. On alueita, joissa työttömyys ja rikollisuus molemmat ovat korkeita (Vantaa) tai matalia (Pukkila ja Pornainen), mutta on myös alueita, joissa vain toinen on korkea, esimerkiksi Karjalohja, jossa työttömyysaste on korkea. Toisaalta alueilla, joissa työttömyys on korkea, voi rikollisuus olla alhainen, kun taas, jos rikollisuus on korkea, lähes poikkeuksetta työttömyys on korkea. Lyhyemmin, ilmiöillä on korrelaatiota, mutta ei todella merkittävää.  Työttömyys on osittain yleisesti syy rikollisuuden kasvuun, työttömien pyrkiessä jollain tavoin elättämään itseään ja perhettään, mikä saattaa johtaa lainrikkomiseen. Myös lisääntynyt vapaa-aika ja mahdollinen alkoholin ja muiden päihteiden käytön yhdistelmä saattaa, johtaa rikoksiin.

Verrattuna kurssikerta 1:n kartan tekoon, tämä tehtävä oli huomattavasti haastavampi, mikä tuli yllätyksenä. Kahden ilmiön kuvaaminen selkeästi ja niiden välisen korrelaation löytäminen ei välttämättä ole niin yksinkertaista, kuin aluksi voisi luulla. Koen, että kartassa on parantamisen varaa. Korrelaation puutteeseen voi vaikuttaa luokkien vähäisyys. Koin neli- ja kolmiluokkaiset teemakartat käytännöllisimmiksi, koska näin sain alueet erottumaan toisistaan selvemmin. Tällainen yksinkertaistaminen kuitenkin vähentää kartan antamaa tietoa. Kartan väriskaala voisi olla parempi, koska punaisen ja mustan värin yhdistelmä on hyvin raskasta luettavaa niiden molempien ollessa hyvin vahvoja värejä. Valitsin värit kuitenkin aiheen mukaisesti samoin kuin Natalia Erfving, joka toteaa blogissaan: ” Etenkin nyt, kun teemani olivat hiukan negatiivissävyitteiset, en halunnut käyttää mitään shokeeraavia ja huomiota herättäviä värejä, ettei lopputuloksesta tulisi liian herjaava”. Viivojen käyttö työttömyyden kuvaamiseen ei mielestäni ollut visuaalisesti tyylikkäin ratkaisu, koska sillä on helppo tehdä kartasta epäselkeä. Juuri tämän takia jouduin rajamaan luokat kolmeen, jotta kartasta tuli selkeä, mikä tietenkin vähensi informaatioarvoa, kuten aiemmin mainitsin. Teknisesti kartta on kuitenkin onnistunut, vaikka sen visuaalisessa ja tiedonanto puolessa on parannettavaa.

Jenni kerola kiteyttää oivasti visuaalisuuden tärkeyden, mikä liittyi vahvasti tämän kurssi kerran aiheeseen: “Visuaalisuus on tärkeää teemakarttojen laadinnassa, sillä tietyt värit, muodot ja rasterit luovat tietynlaisia mielikuvia kartanlaadinnan tärkeimmälle henkilölle, eli lukijalle. Näin kartanlaatija voi vaikuttaa värivalinnoillaan lukijan mielikuvaan vaikkapa aiemmin hänelle tuntemattomasta ilmiöstä. Positiivista muutoksia kannattaa kuvata vihreällä punaisen sijaan, ja ympyrädiagrammissa väripaletin on hyvä olla yhtenäinen (pastellit/kirkkaat/tummat).”

Visuaalisuus on tärkeää teemakarttojen laadinnassa, sillä tietyt värit, muodot ja rasterit luovat tietynlaisia mielikuvia kartanlaadinnan tärkeimmälle henkilölle, eli lukijalle. Näin kartanlaatija voi vaikuttaa värivalinnoillaan lukijan mielikuvaan vaikkapa aiemmin hänelle tuntemattomasta ilmiöstä. Positiivista muutoksia kannattaa kuvata vihreällä punaisen sijaan, ja ympyrädiagrammissa väripaletin on hyvä olla yhtenäinen (pastellit/kirkkaat/tummat).

Linkki histogrammi työkaluun: http://www.shodor.org/interactivate/activities/Histogram/

Lähteet:

Erfving N. (2014). Kurssikerta 2: Kaksiteemaiset teemakartat ja Uudenmaan kuntien työttömyysaste ja selvitettyjen rikosten määrä vuonna 2010. PAK-kurssin blogimerkintä. 23.1.2014.

Kerola J. (2014). Mapinfo ja teemakartta. PAK-kurssin blogimerkintä. 23.1.2014

Kartta:

Työssäkäyntitilasto, Tilastokeskus (2010).

Tilastokeskus (2010).

PAK ja näin se alkaa

Ensimmäinen kurssikerta Paikkatiedon hankinta, analyysi ja kartografia-kurssilla aloitettiin kartanteko ohjelma MapInfon käytön harjoittelulla ja perusasioiden opettelun jälkeen ensimmäisenä harjoituksena oli tehdä korologinen teemakartta.

MapInfo ohjelmana on aluksi hieman kankea käyttää verrattuna aiemmalla kurssilla kartanteossa käytettyyn CorelDraw:iin. MapInfo:ssa esimerkiksi karttaobjektien siirtäminen on hieman kankeampaa kuin CorelDraw:ssa ja undo-työkalu rajoittuu vain yhteen toimintoon. CorelDraw ei varsinaisesti olekkaan pelkkä kartanteko-ohjelma vaan kuvanmuokkausohjelma, minkä takia se onkin käyttäjäystävällisempi. MapInfo on kuitenkin käytännöllinen siinä mielessä, että siihen on huomattavasti helpompi lisätä valmiita tietokantoja ja karttojen teko on nopeaa ja siinä on paljon enemmän kartantekoa helpottavia työkaluja, kuten mittakaava- ja pohjoisnuoli-työkalut.
Alkuun MapInfo:n käyttö oli hieman kankeaa, mutta toistolla ja kärsivällisyydellä se alkoi sujua. Vertaustuki muilta kurssilaisilta oli myös tärkeää. Tunnin harjoitus oli siis tehdä korologinen teemakartta vapaavalintaisesta aiheesta, jonka tekeminen oli loppujen lopuksi aika helppoa. Korologinen teemakartta on siis kartta, jossa ilmiötä kuvataan kartalla, joka on ennakkoon jo jaettu alueisiin.

Tein korologisen teemakartan ulkomaalaisten lukumäärästä Helsingin eri alueilla (kuva 1). Korologinen teemakartta on siis kartta, jossa ilmiötä kuvataan kartalla, joka on ennakkoon jo jaettu alueisiin. Tässä tapauksessa Helsinki on jaettu kaupunginosiin. Kartasta näkee ulkomaalaisten keskittyen itä- ja länsi- Helsinkiin. Lähestyttäessä Sipoon rajaa määrät kuitenkin putoavat rajusti. Ulkomaiden kansalaisten jakautuminen selittyy alueiden alhaisen vuokratason takia, koska moni maahanmuuttaja on valitettavan pienituloinen. Samanlaisia havaintoja teki myös samasta aiheesta kartan tehnyt Antti Kinnunen blogissaan: ”Kartasta näkyy miten ulkomaan kansalaiset ovat keskittyneet erityisesti lähiöihin. Sen sijaan vasta Helsinkiin liitetyltä vauraalta entisen Sipoon alueelta ei pahemmin ulkomaan kansalaisia löydy.” Hän huomauttaa, että kartan lukuarvot ovat absoluuttisia, joten isommat alueet ovat eri luokissa kuin pienemmät alueet, vaikka niissä olisi väkilukuunsuhteutettuna saman verran ulkomaalaisia.

Hels. For.Cit

Kuva 1. Kartta ulkomaalaisten määrästä Helsingin eri kaupungin osissa (Tilastokeskus 2010).
Kartan teossa päädyin viisiluokkaiseen jakoon. Luokka rajoissa käytin kvantiileja eli tasamääräistä jakoa, koska tilastojen jakauma oli vino (kuva 2). Tällä tavoin alueiden väliset erot ovat järkeviä numeraalisesti ja väriskaalakin toimii. Luokkarajat olisivat tosin voineet olla tasalukuja, kuten 10, 100, 250, 500 ja 1800, jolloin luvut olisivat olleet helpommat lukijalle hahmottaa. Kartta kuitenkin kuvaa ilmiötä mielestäni selkeästi ja antaa hyvän yleiskuvan ilmiöstä. Kaupunginalueiden nimeäminen olisi mielestäni ollut mielenkiintoinen lisäkarttaan, koska se olisi selkeyttänyt karttaa paremmin lukijalle, joka ei tiedä Helsingin kaupunginosia, mutta nimet olisivat sotkeneet karttaa. Myös naapurikuntien nimien lisääminen olisi ollut ehkä Helsinkiä vähän tunteville lukijoille kiinnostava lisäys, vaikkakin ei tarpeellinen ilmiön kuvaamiseen.Histogrammi-Hels.Ulk.Kans.

Kuva 2. Histogrammi havainnoista. Jakauma on vinojakauma, jossa pieniä arvoja on eniten.

Koen onnistuneeni kurssikerran tavoitteissa oppia MapInfo:n käyttöä ja tehdä korologinen teemakartta. Ensimmäisten kyseisen ohjelman käyttökertojen jälkeinen kammo MapInfo:a kohtaan on nyt jo hieman väistynyt ja uskon parantuvani sen käytössä kurssin aikana.

Lähteet:
Kinnunen A. (2014). First lesson. PAK-kurssin blogi merkintä. 16.1.2014

Kartta:
Väestörakenne 2010, Tilastokeskus.

Histogrammi:
Histogram tool. National Council of Teachers of Mathematics. 16.1.2014
http://illuminations.nctm.org/Activity.aspx?id=4152