Vimonen

Viimeinen äherrys

Viimeisellä kerralla otettiin selvää onko oppi MapInfosta mennyt perille. Tarkoitus oli kerätä itse aineisto, jonka pohjalta muodostettiin karttaesitys. Aihe oli vapaa, mikä aiheutti hetkellisen valitsemisen vaikeuden, mutta hetken viestittely kavereitteni kanssa suuntasi minut naisen asemaan Euroopassa ja yksityiskohtaisemmin naisten korkeakoulutus, työllisyys ja palkan suuruus. Onko esimerkiksi katolilaisissa maissa naisten työllisyys pienempi, kuin muissa? Tätä lähdin siis selvittämään. Tilastoaineiston hain http://ec.europa.eu/eurostat/data/database sivustolta ja kartta-aineiston nappasin http://www.naturalearthdata.com/ sivulta. Tilastoaineistoni vaati aika paljon kikkailua, koska hain tietoa useammalta vuodelta ja enemmän mitä tarvitsin, joten saadakseni sopivan taulukon MapInfoon vietäväksi, sain tehdä jo melkoisesti hommia. Kartta-aineistossa suurinta päänvaivaa aiheutti sopivan projektion valinta, jotta saisin Euroopan näyttämään haluamaltani. Näiden ähräämisten jälkeen aloitin tietokantojen yhdistelyn MapInfossa, mikä sinänsä on melko simppeliä ja selkeää, mutta silti aina aiheuttaa turhautumista, jos ja kun kaikki ei mene niin kuin olisi halunnut. Muutaman uuden taulukkokikan opin MapInfossa, jotta sain kaiken datan samaan taulukkoon ja karttaan. Lopputuloksena tein kolme erilaista karttaa, joissa yhdistelin koropleettikarttoja ja pylväsdiagrammeja. Kuvassa 1. on esitetty korkeakoulutettujen sekä työssäkäyvien naisten osuus väestöstä. Kartasta voi huomata mm. Pohjoismaiden korkean koulutus ja työllisyysprosentin sekä Välimeren maiden sekä Itä-Euroopan maissa sekä koulutus, että työllisyysprosentti ovat alhaiset.

Kuva 1. Euroopassa 2014 korkeakoulutettujen naisten osuus esitetty punaisella sävyllä sekä työssäkäyvien naisten osuus esitetty rasteriviivoin.

Kuvassa 2. esitin työssäkäyvien osuuden lisäksi keskimääräisen tuntipalkan naisilla liiketalousalalla. Halusin verrata tuntipalkassa vielä alle 30-vuotiaiden tuntipalkkaa kaikkien naisten tuntipalkkaan. Kartasta huomaa, kuinka palkan suuruus vaihtelee hyvin paljon korkean työllisyyden maissa, mutta palkka on selkeästi pienempi maissa, missä naisten työllisyys on myös vähäistä. Alle 30-vuotiaiden tuntipalkka on selkeästi pienempi korkeamman tuntipalkan maissa ja hieman pienempi myös maissa, joissa tuntipalkka on pienempi. Korkeimpia tuntipalkkoja on Norjassa, Tanskassa sekä Sveitsissä. Yllättävän alhainen tuntipalkka on Saksassa, missä kuvasta päätellen keskipalkka on vain puolet Norjaan verrattuna.

Kuva 2. Euroopassa 2014 työssäkäyvien naisten osuus esitetty punaisella sävyllä sekä naisten keskimääräinen tuntipalkka liiketalouden allalla esitetty pylväsdiagrammein.

Lopuksi testasin vielä, kuinka epäselvän esityksen saa kun yhdistää kaksi koropleettikarttaa sekä pylväsdiagrammit samaan karttaan (Kuva 3.). Noh, kyllähän tuosta vielä selvää saa, mutta onhan se selkeämpää esittää vaikka vierekkäin kaksi karttaa samasta aiheesta.

Kuva 3. Euroopassa 2014 korkeakoulutettujen ja työssäkäyvien naisten osuudet esitetty koropleettikarttoina sekä naisten keskimääräinen tuntipalkka liiketalouden alalla esitetty pylväsdiagrammeilla.

Sen voin kyllä sanoa, että kartan teko on edelleen kivaa! Voisin tehdä vaikka sata karttaa mieluummin, kuin kaikki kirjoitustyöt. MapInfon perusteet on otettu haltuun ja toivottavasti sen osaamisesta on vielä jotain hyötyä tulvaisuudessa.

Nyt on hyvä lopettaa kuitenkin hetkeksi

-A

Lähteet

European Comission, Eurostat. Population by educational attainment level, sex and age (%) – main indicators (edat_lfse_03)<http://ec.europa.eu/eurostat/data/database> Luettu 2.3.2017
European Comission, Eurostat. Structure of earnings survey: hourly earnings (earn_ses_hourly) <http://ec.europa.eu/eurostat/data/database> Luettu 2.3.2017
European Comission, Eurostat. Employment and activity by sex and age – annual data (lfsi_emp_a) <http://ec.europa.eu/eurostat/data/database> Luettu 2.3.2017
Natural Earth <http://www.naturalearthdata.com/> Luettu 3.3.2017

6. kurssikerta

Hazardiopetusta

Päivän teemana on hasardit ja niiden visuaalinen esittäminen sekä mahdollisesti opetukseen käytettävien karttojen tekeminen. Hain maanjäristys– ja tulivuoritilastoja meille valmiiksi etityistä sivuistoista ja valitsinesimmäiseen karttaan (Kuva 1.) yli 6 magnitudin maanjäristykset vuodesta 2002 lähtien sekä 1964 jälkeen purkautuneet tulivuoret. Oppilaat voisivat kuvasta havaita, miten tulivuoret sijoittuvat usein samoille alueille, missä tapahtuu maanjäristyksiä.

Kuva 1. Maailmankartassa esitetty vuodesta 2002 lähtien yli 6 magnitudin maanjäristykset punaisilla pyöreillä merkeillä sekä tulivuoren purkaukset vuoden 1964 lähtien vihreillä kolmioilla.

Karttoihin 2 ja 3. hain tilastot 3-6 magnitudin sekä yli 6 magnitudin maanjäristyksistä ja halusin esittää kartat kahdella erilaisella visuaalisella tyylillä (Kuvat 2. ja 3.).

Kuva 2. Maailmankartalla esitetty 2017 24.2. asti tapahtuneet 3-6 magnitudin maanjäristykset vihreillä pyöreillä merkeillä sekä yli 6 magnitudin maanjäristykset punaisilla pyöreillä merkeillä.
Kuva 3. Maailmankartalla esitetty 2017 24.2. asti tapahtuneet 3-6 magnitudin maanjäristykset vihreillä pyöreillä merkeillä sekä yli 6 magnitudin maanjäristykset punaisilla pyöreillä merkeillä.

Karttojen väsäily onnistui jo melko helposti, mutta mokia näköjään vieläkin käy. Tällä kertaa unohdin legendat kartoista kokonaan. Hienoja karttoja legendoilla voi tarkastella mm. Pajukankaan (2017) blogista, missä kartatkit ovat onnistuneen näköisiä.

Opetuksessa näitä karttoja voisi käyttää esimerkiksi litosfäärilaattojen toiminnalle ja aiheuttamille hazardeille selitykseksi. Oppilaat voisivat hahmotella esimerkiksi karttaan litosfäärilaatat maanjäristyshavaintojen avulla. Kartoissa 2. ja 3. näkyy myös hyvin selkeästi Tyynenmeren tulirengas, missä maanjäristyksiä ja tulivuorenpurkauksia tapahtuu hyvin paljon.

-A

Lähteet

Global Volcano Locations Database <https://catalog.data.gov/dataset/global-volcano-locations-database> Luettu 24.2.2017

Northern California Earthquake Data Center <http://quake.geo.berkeley.edu/anss/catalog-search.html> Luettu 24.2.2017

Pajukangas H. (2017). Kurssikerta 6. – Kymmenen pistettä ja maanjäristysmerkki.
<https://blogs.helsinki.fi/pajukahi/> Luettu 13.3.2017

 

5. kurssikerta

Bufferointia ja yllättävän monta uima-allasta

MapInfon kanssa on ollut yllättävän mukavaa. Taulukkoaineistot pyörii melko nätisti, vaikka välillä sarakkeisiin tuleekin yllätysarvoja jostain taikaboxista. Jos nyt aina saa verrata edellisellä kurssilla tutuksi tulleeseen CorelDrawiin, MapInfo näyttää hieman vanhanaikaselta ja kömpelöltä, mutta jos ei anna ulkokuoren hämätä niin homma toimii. Mielestäni keskeisimpiä työkaluja MapInfossa on erinäiset kyselyt ja SQL-select. Niiden avulla pystyy kikkailemaan taulukon jos toisenkin ja liittämään aineistoa valmiiseen karttapohjaan. Toimivien kyselykäskyjen muodostus on sitten asia erikseen. Niiden kanssa saa aina hieroa naamaa. Mutta onhan ne silti loogisia jos ehtii loogisesti ajatella. MapInfon perustyökalut ovat tulleet tutuksi tämän kurssin aikana hyvin ja ainoastaan rohkaisua ja toistoa, jotta homma alkaisi sujua sutjakkaammin.

Päivän aiheena oli harjotella MapInfoa ja bufferointia itsenäisesti. Tehtävänä oli laskea bufferin avulla mm. lentokentän ja juna-asemien lähistöllä asuvien ihmisten lukumääriä (Taulukko 1.).

Taulukko 1. Malmin ja Helsinki-Vantaan lentokenttien läheisyydessä ja lentomelun alueella asuvista ihmisistä taulukko. Kysymykset itsenäistehtävä 1.

Toisessa itsenäistehtävässä laskettiin taajamassa asuvien osuuksia ja kootut vastaukset löytyvät taulukosta 2.

Taulukko 2. Taajamassa asuvien lukumääriä. Tehtävänanto itsenäistehtävässä 2.

Viimeisestä itsenäistehtävästä valitsin saunat ja uima-altaat pääkaupunkiseudulla. Kokosin vastaukset taulukkoon 3. ja piirsin kartan uima-altaiden lukumääristä pääkaupunkiseudulla (Kuva 1.)

Taulukko 3. Uima-altaallisten ja saunallisten rakennusten lukumääriä pääkaupunkiseudulla.

Kartasta näkyy kuinka paljon uima-altaallisia rakennuksia on pääkaupunkiseudulla. Eniten uima-altaita näyttää olevan Helsingissä ja merenläheisyydessä olevissa kaupunginosissa. Poikkeuksena kuitenkin Pohjois-Helsinki/Etelä-Vantaa, missä uima-altaita on myös monissa asuinrakennuksissa. Kartastani tuli melko pelkistetty, mutta se ajaa kuitenkin asiansa, eli näyttää selkeästi mikä on uima-altaiden jakautuminen alueelle. Kaupunkien rajat voisivat selkeyttää kartan lukua, mutta en ehtinyt väsätä niitä karttaan. Tehtävänannossa piti myös lisätä uima-altainen lukumäärä alueisiin karttaan. Sitä en osannut tehdä eikä edes vanha kunnon googlaus “How to… ..in MapInfo” auttanut. Näköjään muilla samankartanpiirtäjillä, esimerkiksi Palomäki (2017) on arvot kartassa, eli se olisi ollut mahdollista. Jääkööt kuitenkin mysteeriksi miten!

Kuva 1. Pääkaupunkiseudulla olevien uima-altaallisten rakennusten lukumäärät esitetty pylväsdiagrammin avulla eri kaupunginosissa.

Kurssikerran harjoituksissa bufferoitiin ja laskettiin lähinnä rakennuksia ja niihin liittyviä asioista. Itse biologina haluaisin selvittää jotain luontoon ja ekologiaan liittyviä asioita, kuten eläinten reviirien vaikutusalueita tai vaikka haitallisen tulokaskasvin levämisriskialuetta.

-A

Lähteet

Palomäki T. (2017). 5. Kurssikerta <https://blogs.helsinki.fi/ptanja/> Luettu 13.3.2017

4. kurssikerta

♫ ♪ Ruudun takaa, ruudun takaa ♪♫

Tällä kertaa harjoittelimme ruutukartan tekoa ja informaation esittämistä sen avulla. MapInfossa ruudukko toimii, kuten mikä tahansa muu tietokanta ja sen taulukkoon voidaan lisätä sarakkeita ja informaatiota muista tietokannoista. Erona aikaisempiin sarakkeiden päivitys/laskemistoimiin ruututietokannassa sarakkeiden arvoja laskiessa pitää muistaa laskea ruudun sisältä pisteiden arvojen summa. Siten saadaan koko ruudun sisältämä informaatio tietoon.

Selaillessani kurssikerran aineistoa, jostain syystä valitsin pääkaupunkiseudun asuntojen rakennusvuosien esittämisen ruutukartalle (Kuva 1.). Saamassamme datataulukossa osalla taloista ei ollut merkittynä rakennusvuotta ja erotin ne ennen, kuin aloitin kartan piirtämisen. Kartasta voi havaita, kuinka Helsingin kantakaupungissa on vanhempien asuintalojen keskittymä. Uusimpien asuintalojen suurempia keskittymiä on enimmäkseen Helsingissä mm. Karhusaaressa, aivan Helsingin itärajalla sekä Latokartanon alueella keski-Helsingissä.

Kuva 1. Pääkaupunkiseudun asuntojen rakennusvuoden keskiarvo ruuduittain. Tummanpunaiset ruudut kertovat nuoremmasta talokannasta ja vaaleammanpunainen vanhemmista rakennuksista. Valkoisissa ruuduissa rakennusvuositietoa ei ollut saatavilla.

Karttani rasteriruutujen koko on muistaakseni vain 250m x 250m. Nyt jälkeenpäin tekemääni karttaa arvioiden, ruutujen koko olisi sittenkin voinut olla hieman suurempi. Esimerkiksi Jokinen on päätynyt kartassaan ruutukokoon 400m x 400m, mikä näyttää jo huomattavasti selkeämmältä kuin omani. Hänellä ruutujen ympärillä on myös mustat tai tumman harmaat reunukset mikä mielestäni selkeyttää kartan lukua. Omassa kartassani myös värit olisi voinut olla tarkemmin harkittu ja olisin voinut testata mitä ruutujen reunojen tummempi väri olisi vaikuttanut kartan luvun helppouteen. Nyt ruutujen värit eivät meinaa erottua tarpeeksi hyvin. Kai sitä voisi hieman selkeämmän kartan vielä tehdä, mikäli aikaa ja energiaa riittää (tuskin).

-A

Lähteet

Jokinen V. (2017). Kurssikerta 4: Ruututeemakartan luominen ja ulkomaiden kansalaiset pääkaupunkiseudulla. Luettu 23.2.2017 <https://blogs.helsinki.fi/jokinenv/2017/02/08/kurssikerta-4-ruututeemakartan-luominen-ja-ulkomaiden-kansalaiset-paakaupunkiseudulla/>

3. kurssikerta

Timantteja ja konflikteja

Kolmannen kurssikerran aiheena oli ulkoisten tietokantojen muokkailu ja yhdistely MapInfolla. Harjoittelimme Afrikkatietokannalla, mistä löytyy valtioiden rajat ja nimet ja halusimme tuoda tähän taulukkoon lisää informaatiota. Yhdistimme kaksi tietokantaa, joissa oli sama tekijä; valtion nimi, opettelimme laskemaan uusiin sarakkeisiin arvoja jo olemassa olevien tietojen perusteella ja SQL-kyselyn muodostamista MapInfolla. Tietokantakikkailun lopuksi lisäsimme vielä timanttikaivosten, konfliktien ja öljykenttien sijainnit ja lukumäärät karttaan sekä taulukkoon. Yleiskatsauskartan näistä voi nähdä Paikkatiedon hankinta, analyysi ja kartografia -kurssin tiedotusblogissa.

Lopuksi tehtävänä oli pohtia, mitä kaikkea Afrikkatietokannan tiedoilla voisi oikein päätellä konflikteista, timanttikavoksista, öljykentistä ja internetin läpäisevyydestä. Näin suurella tietomäärällä voisi jo tutkia vaikka ja mitä, mutta on tärkeää, ettei hoppuile johtopäätöksien kanssa. Voi olla, että kahden eri muuttujan välillä näyttäisi olevan riippuvuussuhde, mutta onko se järkevä ja realistinen, on suuri ja tärkeä kysymys. No, kuitenkin tälläisestä suuresta määrästä paikkatietoa voisi tutkia esimerkiksi konfliktien yleisyyttä timanttikaivosten tai öljykenttien läheisyydessä. Onko konflikteja enemmän, jos luonnonvaroja löytyy omalta alueelta. Internetin käyttäjien lukumäärä kuvastaa vaurastumista ja teknologian levittäytymistä ja siten internetin läpäisevyyttä voisi selittää timanttikaivoksista tai öljystä saatavat rahat. Onko internet yleisempää alueilla, missä on timanttikaivoksia ja öljyä vai ei? Kysymyksiä on paljon ja aiheeseen pitäisi paneutua paremmin aikaisempien artikkeleiden avulla. Siten voisi saada hyvän kuvan Afrikan vaurastumisesta ja konfliktialueista.

Suomi – tuhansien järvien maa

Kurssikerran toisena tehtävänä oli muodostaa kartta Suomen valuma-alueiden järvisyydestä ja tulvaindeksistä. Arvot tulvaindeksin laskemiseen saadaan virtaamista eli tietyn uoman poikkileikkauksen läpi kulkeva vesimäärä sekunnissa; tulva on ylivirtaama ja kuivakausi alivirtaama. Laskemalla keskiylivirtaaman eli tulvahuippujen keskiarvon ja keskialivirtaaman eli kuivien kausien alimpien arvojen keskiarvon välinen suhde saadaan tulvaindeksi. Järvisyysprosentti saadaan laskemalla valuma-alueella olevien järvien pinta-alan suhdetta valuma-alueen pinta-alaan. Näistä arvoista muodostettiin koropleettikartta, mihin lisättiin järvisyysprosentti pylväsdiagrammein (Kuva 1.).

Kuva 1. Suomen valuma-alueiden järvisyysprosentti esitettynä pylväsdiagrammein ja tulvaindeksi esitettynä värein. Punaisella alueella tulvaindeksi on suurin ja tumman vihreällä pienin.

Olen lopputulokseen melko tyytyväinen. Valitsin 5 luokkaa tulvaindeksiä kuvaavaksi ja väreiksi punaisesta vihreään vaihtuvaa. Vertailin oman karttani luokkajakoa Lehdon kehittämään luokkajakoon hänen omassa tulvaindeksikartassaan. Hänen kartassaan hyvin pieni (<2) ja hyvin suuri (>1000) tulvariski tulee selkeästi esiin ja luokat ovat laajempia. Omassa luokkajaossani suurin tulvariski, punaisella merkattuna kattaa kaikki 150 ja 1100 välillä. Luokkajaon suunnitteluun voisi kiinnittää enemmän huomiota, jotta todelliset tulvariskialueet tulisivat esiin kartasta. En esimerkiksi osaa sanoa kuinka suuri ongelma tulvaindeksi 110 on alueelle ja pitäisikö tämäkin vielä merkitä punaiseen taittavalla sävyllä karttaani. Kuitenkin värivalintaani olen melko tyytyväinen. Punainen kuvaa selkeästi pahinta tulva-aluetta ja tumman vihreä aluetta, missä tulvaindeksi on melko pieni. Värit auttavat hahmottamaan yhdellä silmäyksellä missä tulvariski on suurin. Värivalinnan suurimpana ongelmana on punavihersokeus, jolloin sävyjen eroa on varmasti mahdoton havaita. Järvisyysprosentti esitetään kartassa sinisin palkein. Niiden korkeudesta voi huomata, kuinka Keski- ja Itä-Suomessa järvisyysprosentti on suurempi, kuin Pohjanmaalla ja Etelä-Rannikolla, lukuunottamatta muutamaa hyvin järvistä pienempää valuma-aluetta. Järvisyyttä selkeyttämään lisäsin pohjakarttaan vielä joet ja järvet.

-A

Lähteet

Lehto V. (2017). Kurssikerta 3: Datatulva. Luettu 23.2.2017. <https://blogs.helsinki.fi/valttele/2017/02/06/kurssikerta-3-datatulva/>

Paarlahti A. (2017). Afrikan asioita. Luettu 23.2.2017. <https://blogs.helsinki.fi/pak-2017/2017/02/01/afrikan-asioita/>

1. ja 2. kurssikerta – MapInfo tutuksi

Hommiin, hommiin

Noniin, vihdoin pääsin itsekin karttojen ja kirjoittelun makuun Kambodzareissun jälkeen (Kuva 1.). Suomen talvi ja pimeys iski kyllä melko lujaa päin naamaa.

Kuva 1. Kivikasoja eli Angkor Thom Siem Reapissa, Kambodzassa.

Pienen puuskuttelun jälkeen pääsin kampukselle koneelle, avasin MapInfon ja moodlesta ohjeet. Ohjelmana MapInfo vaikutti hieman kömpelöltä syksyn CorelDrawin jälkeen, mutta varmasti molemmissa on puolensa.

Opettelin itsenäisesti MapInfon käyttöä moodlen step by step -ohjeiden avulla. Kömpelöä, mutta sainpa ainakin tehtyä hienot kartat 1. ja 2. harjoituskerroilta. Ensimmäisenä kunnon harjoitustehtävänä oli tehdä koropleettikartta, jostain valmiista datasta (ilmeisesti tilastokeskuksen). Kuva 2. näyttää ruotsinkielisten jakautumisen Suomessa kunnittain. Taisin käyttää luonnollista luokkajakoa ja viittä luokkaa, mutta en osaa perustella miksi. Luokkajaot ja se missä mitäkin kuuluisi käyttää jäi hieman epäselväksi. Huovelin oli tehnyt samasta aiheesta kartan ruotsinkielisten jakautumisesta Suomessa. Hän oli myös käyttänyt viittä luokkaa ja luonnollista luokkajakoa, mutta hän oli pyöristänyt luokat tasaluvuiksi helpottaakseen luettavuutta. Hän myös havaitsi selkeän jaon luonnonllisessa luokkajaossa. Se ensinnäki jakaa suomen kahteen; kuntiin, joissa ei ole ruotsinkielisiä ja kuntiin joissa on, ja toiseksi ruotsinkieliset kunnat neljään luokkaan, joista voi vertailla niiden ruotsinkielisten suhteelliseta osuutta. Nerokas oivallus!

Karttaa vimmeistelllesäni löysin vielä mittakaava- ja pohjoisnuolivalikot ja kokosin karttakuvasta valmiin kuvan legendan kera. Ihan hieno vaikka nopeasti väänsinkin.

Kuva 2. Ruotsinkielisten suhteellinen osuus kuntien väestöstä.
Kaksi päällekkäistä koropleettikarttaa

Kahden koropleettikartan esittäminen päällekkäin antaa paljon informaatiota, mutta vain jos se on tehty huolella. Anna Leonowicz (2006) tutki kahden koropleettikartan päällekkäisen esittämisen selkeyttä ja kuinka kartantekijällä on suuri vastuu valmiin kartan luettavuudesta. Artikkelissa kahta muuttujaa kuvaamaan oli valittu kaksi eri väriä, jotka olivat tummempia mitä suuremmat arvot muuttuja sai. Ja jos samalla alueella oli molempia muuttujia paljon, värit yhdistyivät ja siten muka kartta olisi selkeä. Omasta mielestäni kahden muuttujan koropleettikartassa selkeämpää on esittää toinen värein ja toinen rasterein. Näillä kartoilla on järkevintä visualisoida kahden muuttujan välistä riippuvuussuhdetta. Jos riippuvuutta ei ole, on vaihtoehtona muodostaa kaksi koropleettikarttaa vierekkäin, jolloin kartoista saatava informaatio voi olla helpommin tulkittavissa.

Samaan syssyyn väänsin sitten toisen harjoistustehtävän, mihin laitoin kaksi koropleettikarttaa päälleikkäin (Kuva 3.). Tälläisessä kartassa toinen teema täytyy esittää väreinä ja toinen rastereina, jotta ne erottuvat selkeämmin toisistaan. Omassa kartassa ruotsinkielisten osuudet ovat merkattu oranssilla ja muunkielisten osuudet ristikolla.

Kuva 3. Ruotsinkielisten ja muunkielisten osuudet väestöstä Helsingissä kaupunginosittain

Hieman epäselväksi kartan luomisessa minulle jäi vielä projektiot ja niillä kikkailu sekä tosiaan ne luokkajaottelut, mutta pitää ottaa selvää ensi kerralla. Kuvien legendatekstit ovat hieman liian pienet, eli seuraavissa kuvissa toivottavasti näkee kehityksen parempaan suuntaan. Omissa kartoissani tällä hetkellä pohjoisnuoli on hieman keno, ilmeisesti johtuen projektiosta. Täytyy sekin selvittää kunhan muistaa ja jaksaa.

Lopulta kuitenkin karttojen luominen vaikutti olevan melko selkeää pienen MapInfo -alkukankeuden jälkeen. Klikkailemalla ja kikkailemalla sitä oppii. Oikeastaan olen aika innoissani taas näistä kartoista !!

Seuraavaan kertaan

-A

Lähteet

Huovelin S. (2017). Pakki päälle ja menoksi! Luettu 23.2.2017. <https://blogs.helsinki.fi/suvihuov/2011/09/01/pakki-paalle-ja-menoksi/>

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