7. Kurssikerta

Viimeistä viedään

Viimeisellä kurssikerralla pääsimme toteuttamaan omaa osaamistamme täysin itsenäisesti. Kotitehtävänämme oli ollut aineiston etsiminen viimeistä karttaa varten. Se oli helpommin sanottu kuin tehty, aineiston valinta oli erittäin vaikeaa, sillä internetin syövereistä löytyy hyvin paljon aineistoa. Pitkän pohdinnan jälkeen, päädyin valitsemaan karttani kohteeksi Euroopan. Aineistona käytin eurostatin aineistoja EU alueen väestöstä, laittomista kolmannen maailman maahanmuuttajista sekä rikoksista.

Karttapohjana hyödynsin kuudennen kurssikerran maailmankarttaa, valitsin Euroopan alueet ja loin niistä uuden karttaesityksen, jonka sitten lisäsin maailmankartan päälle omaksi layeriksi. Kartta projektin valinta tuotti suuria vaikeuksia, sillä maailmankartan pyöreä muoto aiheutti hieman vääristymiä. Päädyin valitsemaan Lambertin oikeapintaisen tasoprojektion.

Sitten tuli aika muokata aineistoja sopiviksi MapInfossa työskentelyä varten. Kopioin aineistot eurostatin nettisivuilta (http://ec.europa.eu/eurostat/data/database) ja muokkasin exelissä aineistoa. Poistin turhat rivit ja yritin saada aineistot vastaamaan toisiaan. Sitten siirsin aineistot MapInfoon jossa yhdistin uudet aineistot vanhaan taulukkoon SQL Select toiminnon avulla. Saatuani aineiston kuntoon, pääsinkin tekemään teemakartta esitystä.

Väestöstä tein kuusi luokkaisen koropleettikartan, josta tuli ihan toimiva (kuva 1.). Ongelmia aiheuttivat kuitenkin rikoksista sekä laittomista kolmannen maailman maahanmuuttajista kertovat aineistot. Rikoksista kertovat aineistot olivat hyvin vaihtelevia valtioittain. Useissa valtioissa rikoksia oli niin vähän, että kuvaajat jäivät sen verran pieniksi, ettei niitä erota kunnolla kartalta. Myös laittomien maahanmuuttajien määrät olivat joissain valtioissa niin vähäisiä, ettei niitä erota kartalta. Myös Oskari oli blogissaan kohdannut samanlaisen ongelman “Yritin esittää toisen muuttujan pylväsdiagrammein ja erikokoisina pisteinä, mutta niiden erot eivät tulleet tarpeeksi hyvin esille.”

Kartasta (kuva 1.) voidaan havaita, etteivät rikosten määrä sekä kolmannen maailman maahanmuuttajien määrät korreloi mitenkään. Kreikassa sekä Espanjassa jossa on paljon kolmannen maailman maahanmuuttajia, poliisin tietoon tulleita rikoksia on hyvin vähän. Eniten rikoksia on Saksassa mutta Saksassa onki yli 80 miljoonaa asukasta. Valitettavasti Ranskasta rikoksista kertovaa aineistoa ei löytynyt ollenkaan. Siitä olisi ollut ehkä hyvä mainita kartan kuvatekstissä, ettei kartta olisi siinä mielessä harhaan johtava.

KK_7_kuva

(kuva 1. rikoset ja laittomat maahanmuuttajat EU maissa)

Tein myös toisen kartan eurostatin aineiston avulla. Tällä kertaa päätin tarkastella ympäristöverotuksen suhdetta ilmansaastepäästöihin (kuva 2.). Toisen kartan tekeminen sujui huomattavasti paremmin kuin ensimmäisen. Kartan lopputulos jäi kuitenkin hieman heikoksi, sillä olin niin keskittynyt itse aineistoon sekä sen muokkaamiseen, että unohdin kokonaan muokata karttaprojektiota. Kahta tekemääni karttaa tarkastelemalla huomaa kuinka merkittävästi projektion valinta vaikuttaa kartan ilmiasuun.

Karttaa tarkastelemalla voidaan huomata, etteivät korkeat ympäristöverot korreloi matalampien päästöjen kanssa. Syynä tähän näkisin sen että valtioissa väestönmäärät vaihtelevat huomattavasti, väestöltään suurissa valtioissa päästöt ovat myös korkeammat, kun taas vähäisen väestön valtioissa päästöt ovat vähäisemmät.

kk7_vika

(kuva 2. ympäristöverot ja ilmansaasteet EU:ssa 2011)

Viimeisen kurssikerran jälkeen fiilikset ovat hyvät, tuntuu että kai sitä kurssin aikana on oppinutkin jotain. Oli myös erittäin mielenkiintoista päästä tekemään juuri omanlaisen kartan, itse valitsemastaan aineistosta.

Lähteet:

Oskar Rönnberg (2015);LOPPURUTISTUS: https://blogs.helsinki.fi/oskaronn/: 20.2.2015

http://europa.eu.int/comm/eurostat; 20.2.2015

6. Kurssikerta

Pisteaineistot: hasardit ja maanjäristykset kartalla

Kuudes kurssikerta käynnistyi pienellä aamureippailulla ulkoilmassa. Pääsimme itse tuottamaan pistemäistä tietoa apunamme GPS-paikantimet. GPS-paikannin osoittautui varsin käteväksi ja yllättävän helppokäyttöiseksi vempaimeksi.
Olihan kurssikerralla myös itsenäistehtäviäkin. Tehtävänantona oli tuottaa kolme erilaista karttaa, joita voisi käyttää tuntiopetuksen materiaaleina, mikäli suuntautuisi opettajaksi. Itse en ole aikeissa suuntautua opettajaksi, joten koin, että kurssikerran tärkein anti oli internetistä tuodun tiedon muokkaaminen, ja lopulta esittäminen omalla kartalla.

Teemana kartoissa olivat hasardit ja niiden sijoittuminen pisteittäin. Valinnan varaa löytyi paljon, sillä mahdollista oli käyttää aineistoja niin tulivuorista, maanjäristyksistä kuin meteoriteistäkin. Nettisivulta http://quake.geo.berkeley.edu/anss/catalog-search.html löytyi maanjäristyksistä rekisteröityä aineistoa, jota käytimme aineistona kartoissamme. Maanjäristyksiä pystyi tarkastelemaan eri ajanjaksoina ja eri voimakkuuksilla.

Päätin tehdä kaksi karttaa maanjäristysten sijoittumisesta maailmanlaajuisesti. Toiseen karttaani valitsin yli kuuden richterin maanjäristykset (kuva 1.) ja toiseen erikseen vielä voimakkaammat yli 8.5 richterin järistykset (kuva 2.). Kummassakin kartassa halusin näyttää järistykset 1970 luvulta lähtien. Kolmannen kartan tein tulivuorenpurkausten sijoittumisesta maailman laajuisesti (kuva 3.).

Järistykse_yli8_kk6

(kuva 1. yli 8.5 richterin maan järistykset vuodesta 1970 eteenpäin)

Järistykset_kk6

(kuva 2. yli 6 richterin maan järistykset vuodesta 1970 eteenpäin)

Tulivuorenpurkaukset_kk6

(kuva 3. tulivuorten purkaukset)

Tämän kurssikerran blogi-tehtävänantona oli pohtia tehtyjen karttojen käyttöpotentiaalia opetuksessa. Karttojen käyttö opetuksessa on mielestäni erittäin tärkeää, sillä näin voidaan havainnollistaa asioita oppilaille entistä paremmin. Karttoja voidaan käyttää opetuksessa laajemminkin, havainnollistamaan muitakin kuin vain luonnonmaantieteellisiä aiheita. Esimerkiksi monia yhteiskunnallisia asioita, sekä niiden yhteyksiä voidaan havainnollistaa opetuksessa karttojen avulla.

Tekemiäni karttoja vertailemalla voidaan heti huomata kuinka maanjäristykset ja tulivuoren purkaukset sijoittuvat samoille alueille, mannerlaattojen saumakohtiin. Näin jälkikäteen ajatellen olisi ollut järkevämpää sijoittaa maanjäristykset sekä tulivuortenpurkaukset samaan karttaan, kuten Elias Annila oli kartoissaan tehnyt. Elias oli myös lisännyt blogiinsa kartan litosfäärilaattojen sijoittumisesta, mikä on erittäin havainnollistavaa kun tarkastellaan maajäristysten sekä tulivuorten purkausten yhteyttä litosfäärilaattojen saumakohtiin.

järistys

(kuva 4. “Distribution of mortality risk associated with earthquakes”)

Itse löysin internetin syövereistä kartan joka kuvaa maanjäristysten riskialueita (kuva.4.). Kartasta voidaan nähdä että suurimmat riskialueet ovat Tyynenmeren rannikolla, etenkin Kaakkois-Aasiassa. Sama asia voidaan huomata myös omista kartoistani, Tyynenmeren ”tulirenkaassa” on erittäin paljon yli kuuden richterin järistyksiä, sekä yli 8.5 richterin järistyksistä lähes kaikki sijoittuvat kyseiselle alueelle. Syynä useisiin voimakkaisiin järistyksiin voidaan nähdä se että kyseisellä alueella litosfäärilaatat törmäävät toisiinsa. Elias Annilla kirjoittaakin blogissaan osuvasti: ” Kun taas tarkastellaan alueita, joilla on esiintynyt voimakkaampia järistyksiä, havaitaan niitä olevan enemmän alueilla, joilla laatat liikkuvat toisiaan kohti.”

Kurssikerran tärkein anti oli, kuten jo aiemmin mainitsin internetistä tuodun tiedon käyttö omissa kartoissa. Internet on pullollaan erilaista aineistoa, josta voidaan tehdä karttoja! Kuitenkaan aineisto ei sellaisenaan sovellu MapInfoon vaan sitä on myös osattava muokata niin että sitä voidaan käyttää kartassa. Tietyt niksit opittuaan aineiston käyttö on kuitenkin yllättävän helppoa. Ja mikä tärkeintä näin saa suuret mahdollisuudet luoda mitä erilaisempia karttoja erilaisiin tarpeisiin.

Lähteet:

Elias Annila(2015); KURSSIKERTA KUUSI HASARDIT; https://blogs.helsinki.fi/eannila/; 13.3.2015

(kuva 4.) “Distribution of mortality risk associated with earthquakes”(2009); http://www.preventionweb.net/english/professional/maps/v.php?id=10562; 13.3.2015

Tulivuoret :http://catalog.data.gov/dataset/global-volcano-locations-database 13.3.2015

Maanjäristykset; http://quake.geo.berkeley.edu/anss/catalog-search.html 13.3.2015

5. Kurssikerta

Bufferointia

Ja niin koitti viides kurssikerta, josta opettajamme Arttu olikin meitä jo aiemmin varoitellut. Varoituksen mukaan tällä kerralla pääsisimme itse käyttämään osaamistamme tehtävissä. Pääsimme soveltamaan edellisissä harjoituksissa oppimaamme sekä testaamaan erilaisten työkalujen käyttöä MapInfossa. Harjoittelimme siis numeerisen tiedon tuottamista kartta-aineistoa apua käyttämällä.

Ensimmäiseksi harjoittelimme bufferointia eli puskurointia. Bufferoinnissa on kyse siitä että lasketaan kuinka paljon kohteita on tietyn rajatun alueen päässä erilaisista karttakohteista. Harjoituksessamme tarkastelimme sitä kuinka paljon taloja on Pornaisten alueella sijaitsevien suurimpien teiden varsilla. Teimme bufferin myös siitä kuinka paljon taloja sijaitsee alle 500m päässä terveyskeskuksesta. Bufferointi on työkaluna erittäin kätevä sillä bufferoitavan alueen säteen voi valita oman mielen mukaan ja bufferoitia voidaan harjoittaa niin piste- kuin viivakohteille.

Bufferointia voidaan hyödyntää muun muassa suunnittelussa. Kaupunkisuunnittelussa voidaan bufferianalyysejä hyödyntäen selvittää mihin eri palveluja kannattaa sijoittaa. Bufferointia voidaan hyödyntää myös kaupallisesti, esimerkiksi kun suunnitellaan mihin kauppoja tai vaikka ostoskeskuksia kannattaa rakentaa. Bufferointia on myös hyödynnetty paloasemien toimintavalmiusajan saavutettavuutta tutkittaessa (Sijander, Kallio 2013). Mietin myös käytetäänkö bufferointia esimerkiksi jokien tulva-alueiden tutkimisessa, etenkin riskialueiden selvityksessä?

Bufferointia pääsimme itse harjoittelemaan bufferoimalla Malmin sekä Helsinki-Vantaan lentokenttien melualueita, sekä niiden alueella asuvia ihmismääriä. Buffereiden avulla laskimme myös juna-asemien läheisyydessä asuvien ihmisten määriä. Tulokset on koottu alla olevaan taulukkoon.

Capture

MapInfo sisältää bufferoinni lisäksi paljon erilaisia työkaluja, joiden käyttämisen opetteluun kuluu vielä paljon aikaa. Taulukkotietokantojen muokkaus ja käyttö on eräs tärkeä työkalu MapInfossa. Eveliina toteaakin hienosti blogissaan ” taulukkotietokantojen muokkaus ja uusien tietojen laskeminen tarvittavista tietokannoista on yksi MapInfon tärkeimmistä ominaisuuksista.” Vaikka useimpia työkaluja onkin kurssin aikana käytetty paljon, ne eivät tunnu vieläkään aivan luontevilta käyttää. Tarvitaan paljon lisää toistoja, jotta työkalujen käyttö tulisi sujuvammaksi ja enemmän rutiinin omaiseksi. Uskon kuitenkin vahvasti että vielä myöhemmässä vaiheessa työkalujen ja koko MapInfon käyttö sujuu kuin luonnostaan! Tai ainakin toivon niin.

Lähteet:

Eveliina Ikonen (2015): kurssikerta 5: Bufferointia ja itsenäistä työskentelyä: https://blogs.helsinki.fi/eveliiik/: 2.3.2015

Mika Siljander, Tapio Kallio (2013): ”Pelastustoimen palvelujen saavutettavuus Kymenlaakson, Etelä-Savon, Pohjois –Savon, sekä Karjalan pelastuslaitosten alueilla nyt ja tulevaisuudessa”, 28.2.2015

4. Kurssikerta

Ruututeemakartat

Kurssikerta neljä, olemme siis jo puolessa välissä kurssia. Mihin aika on kadonnut vastahan me aloitimme. Teemanamme olivat tällä kertaa ruututeemakartat, joita luotiin rasteriaineistosta. Ruututeemakartan avulla voidaan esittää helposti absoluuttisia arvoja ruudukossa, josta näkee jo nopealla silmäyksellä aineiston jakautumisen, sillä kukin ruutu saa arvonsa mukaisen värin. Absoluuttiset arvot ovat hyvin tarkkoja arvoja, sillä ne antavat aineiston tarkan lukumäärän yhdessä ruudussa. Ruutuaineistossa voidaan kuitenkin esittää myös suhteellisia arvoja.

Ruutukartta eroaa koropleettikartasta siinä, ettei se pohjaudu mihinkään valmiiseen aluejakoon, vaan arvot sijoittuvat paikalleen juuri ruutujen mukaan. Ruutukartan luettavuuteen vaikuttaa kuitenkin paljolti ruutujen koko. Eve kirjoittaa blogissaan kuinka hänen mielestään teemakarttojen luettavuus on ruutukarttoja parempi. Ruutukartta voidaan helposti nähdä hieman kömpelönä esityksenä, etenkin jos ruudut ovat liian suuret.

Aloitimme taas kaikille yhteisillä harjoituksilla. Ensimmäiseksi piti luoda ruudukko MapInfoon. Sitä varten tarvitsimme uuden työkalun, nimitäin Grid-markerin. Työkalun avulla kartasta rajattiin kartan näkymään alue jolle ruudukko sitten syntyi. Ruudukkoa oli mahdollista muokata grid-marker ikkunassa, jossa muun muassa määrittelimme ruutujen koon.

Seuraavana vaiheena oli datan kerääminen uuteen ruudukkotietokantaan. Gridiin luotiin uusi sarake, johon siirrettiin Pääkaupunkiseudun väestötietokanta ”Update column” -toiminnolla. Kun tiedot väestöstä oli saatu tietokantaan, olikin jo aika siirtyä tekemään teemakarttaa. Teimme yhdessä ruututeemakartan pääkaupunkiseudun nuorista aikuisista, ja heidän sijoittumisestaan alueelle.

Itsenäisharjoituksessa saimme tehdä omien taitojemme avulla ruututeemakartan. Aineisto oli sama kuin yhteisessä harjoituksessamme eli HSY:n väestötietoaineisto. Päätin tehdä karttani ruotsinkielisten sijoittumisesta pääkaupunkiseudulle. Yleisesti ruotsinkielisten ajatellaan olevan varakkaampia kuin suomenkieliset. Esimerkiksi Talous-Sanomien artikkelissa (2002) kerrotaan näin: ” Ruotsinkieliset ovat selvästi varakkaampia kuin suomalaiset. Ruotsinkielisten keskimääräinen varallisuus on noin 59 000 euroa, suomenkielisten noin 39 000 euroa.” Vaikuttaako ruotsinkielisten varakkuus heidän sijoittumiseensa pääkaupunkiseudulla? Entä mitä muuta voimme nähdä kartasta joka kuvaa ruotsinkielisten sijoittumista? Sitä lähdetään sitten tutkimaan. Ensin on kuitenkin tehtävä kartta, josta näitä asioita voidaan lähteä analysoimaan.

Kartan tekeminen aloitettiin luomalla grid-ruudukko, itse päädyin valitsemaan ruutujen kooksi 200m, sillä halusin luoda mahdollisemman tarkan kartan. Dataa siirrettin gridiin valmiista aineistoista, ja niiden pohjalta luotiin teemakartta. Luokitukseksi valitsin luonnolliset rajat, ja luokkien määräksi kolme. Väestö on hyvin jakaantunutta, joillain alueilla oli hyvin paljon ruotsinkielisiä ja joillain taas ei yhtään, joten jako vain kolmeen luokkaan tuntui helpoimmalta ratkaisulta. Kartan teko sujui yllättävän helposti, mutta lopputulos jäi siitä huolimatta heikoksi. Otin kartassani (kuva 1.) mukaan tiestön ja Helsingin alueen pienaluejaon, sillä näin mielestäni kartasta tulisi paremmin havinnollistava. Jätin myös ruutujen ympärille rajat, sillä koin että näin kartta on selkeämpi, kyse oli siis tietoisesta valinnasta.

KK_4_uusin

(kuva 1. ruotsinkielisten sijoittuminen Pääkaupunkiseudulla)

Kartasta voidaan havaita että ruotsinkielinen väestö on sijoittunut pitkälti keskustan tuntumaan, mutta myös Espoossa meren rannan läheisyydessä on huomattavia alueita joilla asuu paljon ruotsinkielisiä. Voidaan myös havaita että mitä kauemmaksi keskustasta mennään sitä vähemmän alueilla on ruotsinkielistä väestöä. Ehkäpä jonkinlaisessa hypoteesissani on jotain perää….

Kaisa Pulliainen päätyi tekemään myös kartan ruotsinkielisten sijoittumisesta pääkaupunkiseudun alueella. Hänen karttansa on hyvin erilainen verrattuna omaani, vaikka aineisto onkin sama. Kaisan kartassa on paljon enemmän luokkia ja tietysti väritys on erilainen, myös muuta informaatiota on hänen kartassaan vähemmän. Samasta aineistosta onkin mahdollista tehdä hyvin erilaisia karttoja. Kuitenkin pääasiasiassa kummankin kartan tuoma informaatio  on sama.

Lähteet:

Eveliina Ikonen (2015); Neljäs kurssikerta: Bufferointia ja itsenäistä työskentelyä; https://blogs.helsinki.fi/eveliiik/; 2.3.2015

Kaisa Pulliainen (2015); kurssikerta 4; https://blogs.helsinki.fi/kxtammin; 2.3.2015

Antti Lampinen (2002): Miehet ovat naisia varakkaampia: http://www.taloussanomat.fi/arkisto/2002/08/10/miehet-ovat-naisia-varakkaampia/200227344/12: 2.3.2015

 

3. Kurssikerta

Tietokannat ja teemakartat

Kolmannella kurssikerralla teemana olivat tietokannat. Koska tietokannat eivät aina ole omiin tarpeisiin sopivia, niitä on osattava muokata. Yhtenä kurssikerran oppimistavoitteena olikin tietokannan valmistelu tehokkaaseen käyttöön.

Harjoittelimme tietokantojen muokkaamista aluksi yhdessä. Aineistona käytimme Afrikan valtiot sisältävää tietokantaa. Harjoitus alkoi sillä että teimme aineistosta yksinkertaisemman, kuitenkaan menettämättä mitään tietoja. Yhdistelimme aineiston tietoja siten että kaikki saman valtion tiedot saatiin yhdelle riville, näin päästiin eroon ”turhista” riveistä. Sen jälkeen taulukko siivottiin jäljelle jääneistä tyhjistä riveistä. Nyt tietokantaa voitiin käyttää helpommin, eikä tietokannassa ollut enää ylimääräisiä turhia tietoja.

Harjoituksessa opimme myös siitä miten muista ohjelmista (Exell) on mahdollista liittää tietoa MapInfon tietokantoihin. Käytimme aineistona harjoituksessa tietoja Afrikan internetin ja facebookin käyttäjistä tehtyä Exel-taulukkoa. Aineistoa tarkasteltiin aluksi Exelissä, ja aineisto siirrettiin hyvin helposti MapInfoon. MapInfossa syntyneellä taulukolla ei kuitenkaan ole karttakohteita, joten uudet tiedot piti yhdistää johonkin olemassa olevaan tietokantaan. Seuraavaksi opimme siis tekemään tietokantaliitoksia. Yhdistimme tietokantaliitoksen avulla Exelistä tuodun tietokannan, siivottuun Afrikka tietokantaan.

Opimme myös uuden tiedon tuottamista tietokantaan. Halusimme selvittää kuinka suuri osa populaatiosta (2012) käyttää facebookia. Teimme uuden sarakkeen johon tieto tuotaisi, ja sitten käytimme ”Update column” toimintoa. Kyseisellä toiminnolla on helppoa tuottaa uutta tietoa valmiista aineistosta sekä siirtää tietoja sarakkeiden ja taulukoiden välillä.

Tiedonsiirtoa taulukoiden välillä harjoittelimme luomalla kolme uutta tietokantaa. Tarkoituksena oli päivittää jo tehtyä tietokantaa, uusilla tiedoilla jotka käsittelivät: timanttikaivosten, öljykenttien ja taistelukenttien sijaintia. Näin onnistuimme luomaan kartan josta voitiin tarkastella konfliktialueiden ja luonnonvarojen välistä yhteyttä.

Kartassa näkyivät: konfliktialueet/paikat sekä timanttikaivokset pisteinä, öljylähteet ja konfliktien laajuus näkyivät alueina. Kartasta voidaan nähdä selvä yhteys timanttikaivosten ja konfliktien välillä. Alueet joilla on konflikteja, etenkin laajoja konflikteja, ovat myös alueita joiden läheisyydessä on timanttikaivoksia. Öljyalueilla konflikteja näkyisi olevan vain vähän, eikä selvää yhteyttä öljyn ja konfliktien välillä voida vetää.
Kartasta löytyy myös alueita joilla konfliktin syynä eivät kartan mukaan ole timantit, joten olisi mielenkiintoista tietää mitkä syyt näillä alueilla ovat konflikteja aiheuttaneet. Ovatko syyt olleet taloudellisia, poliittisia vai onko taustalla esimerkiksi heimojen välisiä yhteenottoja?

Kartasta olisi myös mielenkiintoista tarkastella konfliktien tapahtumavuosien ja timanttikaivosten kaivausten aloitusvuosien yhteyttä. Voisi olettaa että konfliktit ovat saaneet alkunsa joitain vuosia timanttikaivosten avaamisen jälkeen. Kartasta olisi myös mielenkiintoista tarkastella sitä kuinka paljon timanttikaivoksen tuotavuus vaikuttaa konfliktin laajuuteen. Olettaisin että tuotavimmat kaivokset aiheuttavat suurempia ja laajempia konflikteja kuin vähemmän tuottavat kaivokset.

Kartta kuitenkin on siinä suhteessa hyvin epätarkka sillä emme tiedä millä ajanjaksolla konfliktit ovat tapahtuneet. Emmekä myöskään tiedä milloin timanttikaivoksia on avattu. Ovatko konfliktit alueilla tapahtuneet viimeisen 100 vuoden aikana vai aiemmin taikka myöhemmin? Onko konflikteilla jotka ovat tapahtuneet kauan sitten mitään yhteyttä timanttikaivoksiin jotka on avattu myöhemmin? Vai ovatko konfliktit tapahtuneet timanttikaivoksen avaamisen jälkeen, kuten edellä jo pohdiskelin. Kuten Mia Erikson blogissaan toteaa, jos käytössä olisi tietoja konfliktien tapahtuma vuosista sekä timanttikaivosten löytymisvuosista, aineistosta olisi mahdollista luoda paljon kattavampia karttoja. Näin voitaisi myös tehdä kattavampia, ja totuudenmukaisempia päätelmiä kartoista.

Harjoituskerran itsenäisenä tehtävä oli luoda tulvaindeksi kartta Suomesta. Aineistona käytimme Sykken Oiva-tietokantaa ja maanmittauslaitoksen ilmaisaineistoja. Tehtävä ei ollutkaan niin helppo kuin kuvittelin, sillä tiedot olivat useassa eri tiedostossa ja tietokannassa. Nyt piti siis ottaa haltuun kaikki harjoituskerralla opitut asiat.

Ensimmäiseksi piti laskea tulvaindeksi. Tulvaindeksin laskeminen tapahtui jakamalla keskiylivirtaama keskialivirtaamalla. Kyseiset tiedot olivat kummatkin eri taulukoissa, ja oli keskiylivirtaama taulukossa johon ei liittynyt karttaa. Taulukko jossa keskialivirtaama oli, tehtiin uusi sarake johon keskiylivirtaaman tiedot liitettiin tietokantaliitoksella. Uusi taulukko tallennettiin ja nyt pystyttiin tekemään laskutoimitus eli tuottamaan uutta tietoa. Käytin hyväksi ”Update column” toimintoa ja suoritin laskun jolla uuteen sarakkeeseen saatiin tulvaindeksi. Vaikka kuvaus tulvaindeksin laskemisesta kuulostakin helpolta, se ei sitä ollut, pää löi pitkään tyhjää ennen kuin ymmärsin miten tietokannat liitetään toisiinsa. Näin jälkikäteen tuntuu tyhmältä että asian pohtimiseen meni niin kauan aikaa, mutta sen se voidaan selittää harjoituskerran myöhäisellä ajankohdalla.
Karttaan tuli myös merkitä järvisyys prosentti, joka puolestaan oli Exel-taulukko. Nyt käytimme hyväksi oppia siitä miten Exel-taulukon tiedot liitettiin MapInfoon. Se sujuikin paljon helpommin kuin tulvaindeksin laskeminen.
Itsenäisharjoitus oli mielestäni monessa suhteessa todella hyvä, sillä se tiivisti hyvin kaiken sen mitä olimme harjoituskerran aikana oppineet. Kun asioita sai tehdä itse ja ajatella itse (ei vaan seurata perässä mitä opettaja kertoo) oppi meni paremmin perille. Nyt tietokannat eivät enää tunnu pelottavilta taikka vaikeilta käsittää ja käsitellä.

Näin siis saatiin koottua tarvittavat tiedot kartan tekoa varten, voitiin siis siirtyä itse asiaan eli kartan tekemiseen. Kartassa tuli siis olla koropleettikarttana pohjalla tulvaindeksit ja pylväsdiagrammeina alueiden järvisyysprosentit. Valitsin tulvaindeksin luokitteluksi valitsin luonnolliset luokkarajat. Korpleettikartta tehtiin edellisen harjoituskerran oppien mukaan. Sopivaksi väriksi tulvaindeksiä kuvaamaan valitsin sinisen väripaletin.
Järvisyysindeksi tehtiin myös samalla tavalla kuin edelliskerralla, käyttäen pylväsdiagrammeja. Pylväiden leveyden säätämisessä oli oma työnsä että kartta saatiin selkeän näköiseksi.

Myös legenda tuotti pieniä ongelmia, sillä järvisyyspylvään mittakaava ei ottanut onnistuakseen. Legendan kanssa taisteltuani, ongelmat eivät tietenkään siihen loppuneet, vaan pohjoisnuoli päätti myös alkaa temppuilemaan. Selvitin kuitenkin ongelmani pohjoisnuolen kanssa ja sain kuin sainkin karttani valmiiksi.

KK_3

(kuva 1. tulvaindeksikartta)

Kuten tapana on, valmista karttaa on myös hyvä hiukan pohtia ja analysoida. Kartasta (kuva 1.) voidaan heti ensisilmäyksellä nähdä että alueet joilla on korkea järvisyys prosentti, ovat myös niitä alueita joilla on vähiten tulvia. Etenkin rannikko alueilla, jossa järviä on vähän, on puolestaan paljon tulvia. Pohjanmaan korkeat tulvaindeksit selittyvät sillä, että suomenselältä virtaavat vedet valuvat kyseisillä alueilla mereen. Veden virtaus tasaisilla alueilla, joilla on vain vähän säännöstely altaina toimivia järviä, kasvattavat tulvaindeksiä. Tulvaindeksin pienuudella sekä suurella järvisyysprosentilla on negatiivinen korellaatio, kuten Leila Soinio blogissaan pohtii. Leila nosti esiin myös peltojen ojituksen vaikutuksen tulvimiseen.

Etelä-Suomen korkeat tulvaindeksit voidaan myös selittää järvisyys prosentin pienuudella. Mutta kuten Tuomas Lilleberg blogissaan kirjoittaa suurilla kaupungeilla jokien ja meren rannassa on vaikutuksensa alueen tulviin, sillä tulvariski kasvaa ”vettä imevää pinta-alaa ja kasvillisuutta on alueella tällöin vähemmän.” Etelä-Suomen tulviin vaikuttaa osaltaan myös maan kohoaminen rannikolla.

Tekemääni karttaan olisi ollut hienoa saada vielä kuvattua Vedenjakajana toimivat Maanselkä ja Suomenselkä, mutta omilla taidoillani se ei onnistunut.

Lähteet:
Mia Eriksson (2014) Kolmas kurssikerta: Käsiksi dataan (https://blogs.helsinki.fi/miaeriks/): 28.2.2014

Lilleberg, Tuomas (2014). 3. kerta: Mapinfoharjoitukset (teemana Arfikka ja Suomen vesistöt): (https://blogs.helsinki.fi/tuomasli/) 28.2.2014

Leila Soinio(2015): Kurssikerta 3 -Tietokantojen yhdistämisestä tulvaindeksikartan laadintaan: (https://blogs.helsinki.fi/lsoinio/): 20.2.2015

Artikkeli 1

Anna Leonowiczin kirjoittaa artikkelissaan “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” siitä kuinka hän on tutkimuksessaan selvittänyt yksi- ja kaksiteemaisen korpleettiteemakartan ominaisuuksia. Hän on selvittänyt koropleettikarttojen eroavaisuuksia tutkimuksessa, jossa joukko maantieteen opiskelijoita laitettiin tulkitsemaan yksiteemaisia ja kaksiteemaisia koropleettikarttoja. Artikkelissa kerrottiin myös 80-luvulla tehdystä tutkimuksesta jossa tutkittiin pääasiassa samaa asiaa.

Loppu tulema artikkelissa oli se että yhden muuttujan teemakartalla on helpompi kuvata alueellista leviytymistä, mutta kahden muuttujan kartalla asioiden välisten suhteiden kuvaaminen onnistuu paremmin. Hertta Lehvävirta tiivistää hyvin blogissaan kahden muuttujan teemakartan edut verrattuna yhden muuttujan karttaan: ” kaksimuuttujaiset esitykset ovat omiaan ilmentämään tilastollista korrelaatiota ja ovat sen osoittamiseen yksimuuttujaisia, vierekkäisiä karttaesityksiä parempia tulkittavuudeltaan.”

Luettuani artikkelin olin edelleen hieman hämilläni kaikesta artikkelin informaatiosta, edes artikkelin lopussa oleva kartta ja sen legenda eivät saa aikaan suurta ahaa-elämystä vaan hämmentävät lisää. Artikkelin karttojen legenda näyttää ensisilmäyksellä varsin pelottavalta.

Kuitenkin tässä tehtävässä on syvennyttävä karttaan ja sen legendaan. Joten ei auta muu kun ryhtyä tuumasta toimeen. Legendassa yhdistyy kahden teeman tiedot. Legenda on siis väriruudukko, joka on sijoitettu koordinaatistoon. Y-akseli kuvaa prosenttiosuuksina alle 18-vuotiaita, siihen on valittu kolme luokkaa, punaisin sävyin. X-akseli puolestaan kuvaa maaseutumaisen alueen asukkaiden prosenttiosuuksia sinisin sävyin. Legendassa yhdistyvät kummankin akselin värit muodostaen violetin sävyjä. Legendaan on myös liitetty aineiston pistetiedot ja tehty niistä kuvaaja.
Selvitettyäni legendan ”rakennetta” se alkaa hahmottua uudella tavalla. Legenda onkin oikeastaan ihan järkeenkäypä ja selkeä, kunhan siihen ensin syventyy, sama pätee myös karttaan. Vaaditaan siis keskittymistä, syventymistä ja hitusen kartanlukutaitoa että kartta ja legenda aukeavat.

Mielestäni Nerea Aalto kirjoittaa blogissaan varsin osuvasti siitä että kahdenmuuttujan korpleettikartan ymmärrys asettaa lukijalle tiettyjä vaatimuksia. Myös artikkelissa Leonowiczin kirjoittaa kuinka lukijan havainnointikyky on merkittävä rajoitin korpleettikartan legendassa.

Lähteet:
Leonowicz, A (2006). Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija. T. 42. Nr 1. 33–37: 2.3.2015

Hertta Lehvävirta blogi(2014): Näkökulmia kahden muuttujan koropleettikarttoihin: https://blogs.helsinki.fi/herttale/: 25.2.2014

Nerea Aalto(2015): Artikkeli 1:https://blogs.helsinki.fi/naalto/: 20.2.2015

2. Kurssikerta

Päällekkäiset teemakartat ja niiden salaisuudet

Toinen kurssikerta MapInfon kanssa ei sujunut yhtä hyvin kuin edellinen kurssikerta, syynä aivan liian vähäinen nukkuminen edellisyönä. Tulipa taas todettua ettei kannata lukea seuraavanpäivän tenttiin yötä myöten…. Kurssikerran kartta olikin sen verran huono julkaistavaksi että päätin keskittyä vain viimevuotiseen karttaani.
Toisen kurssikerran tavoitteena oli siis opetella kahden teeman teemakartan tekemistä, eli teimme karttoja joissa yhdistyy päällekkäin kaksi eri tyypistä teemaa. Tällaisia karttoja ovat esimerkiksi kartogrammit, joissa koropleettikartalle on lisätty diagrammeja. Teemakartat eroavat toisistaan hyvinkin paljon, joten oikeanlaisen teemakartan valinta riippuu pitkälle esitettävästä asiasta ja aineistosta.

MapInfon avulla voidaan tehdä helposti tehdä seuraavanlaisia teemakarttoja:
Pylväsdiagrammikartan pylväillä voidaan esittää suhteellisia tai absoluuttisia arvoja.
Ympyrädiagrammikartta puolestaan kuvaa ilmiöiden prosenttiosuuksia alueellisesti.
Graduated- teemakartta kuvaa absoluuttisia arvoja kartalla, jossa jokaisen kohteen päällä on sama symboli, joka kasvaa kohteiden saamien arvojen mukaan.
Pistekartta kuvaa pisteiden avulla absoluuttisia arvoja kartalla. Jokaiselle pisteelle annetaan oma arvonsa jota se edustaa kartalla. Pisteet ovat hajautuneet kartan alueellensa ilman todellista yhteyttä sijaintiin.
Individual –kartta mallintaa laadullisia ilmiöitä kartalla. Siinä jokainen tieto saa oman värinsä jota se esittää kartalla.

Grid –kartta havainnollistaa esitettävää asiaa liukuvalla väriskaalalla.
3D kartta kuvaa kolmiulotteisena esitettävää asiaa kartalla.
Kurssikerralla harjoittelimme yhdessä edellä mainittujen karttojen tekoa MapInfo-ohjelmalla, jossa erilaisten teemojen luominen tapahtuu hyvinkin näppärästi. Kuitenkaan erilaisia teemoja ei niin vain yhdistellä, kuten Jenni Lintunen blogissaan hyvin toteaa sopivien teemojen yhdistäminen edellyttää ilmiöiden vastaavuutta, sopivaa alueiden määrää ja oikeanlaisia karttaelementtejä.

Harjoiteltuamme karttojen tekoa yhdessä oli jo aika käydä tositoimiin, eli työstämään itse omaa karttaa. Tehtävänä oli siis juuri oppimiamme oppeja hyödyntämällä tehdä kahden teeman teemakartta. Aineistona käytettiin samaa Tilastokeskuksen materiaalia, jota käytimme yhteisissä harjoituksissa.
Kartassani halusin tarkastella Pohjois-Suomen aluetta joten rajasin karttaan vain Lapin maakunnan. Mitään erityistä syytä siihen miksi valitsin Lapin ei ollut, ehkä sillä että yhteisiä harjoituksia tehdessämme käytimme esimerkkinä Pohjois-Suomea, oli vaikutusta asiaan.

Tiesin jo heti tehtävän alussa että haluan tehdä kartogrammin. Pohjan koropleettikartan aineistoksi valitsin valikosta työttömyysasteen. Aineisto piti kuitenkin vielä luokitella. Luokkajaoksi valitsin luonnolliset luokat, sillä se tuntui ja näytti luokista sopivimmalta.

Seuraavaksi pitikin jo miettiä mitä muuttujaa lähden tarkastelemaan työttömyyden lisäksi. Kokeilin erilaisia muuttujia joista yksikään ei tuntunut sopivalta, ja kartoista tuli kummallisen näköisiä. Lopulta päädyin siihen tulokseen että haluan tietää miten erilaiset elinkeinorakenteet vaikuttavat työttömyyteen, vai onko niillä mitään yhteyttä. Asioiden korrelaatiotahan kahden teeman kartalla olisi helppoa selvittää. Lisäsin siis kartalle ympyrädiagrammeja, joissa näkyi kunkin alueen palveluiden, alkutuotannon ja jalostuksen suhteelliset prosenttiosuudet. Diagrammin ympyröiden väriä piti kuitenkin vielä säätää, sillä MapInfon alkuperäiset värit olivat aivan liian kirkkaita ja silmiinpistäviä. Pidin alkuperäiset värit sillä ne erottuivat hyvin kartalta, säädin kuitenkin sävyjä hieman himmeämmiksi jotta värit eivät sokaisisi katsojaa.

Kuten kunnon karttaan kuuluu, karttaan lisättiin myös pohjoisnuoli ja mittakaava, kumpikin voitiin valita valmiilla valintatyökalulla. Kartalle tehtiin tietysti myös legenda, ja näin kahden teeman teemakartta oli valmis (kuva 1.).

Kartta 22

(kuva 1. työttömyys ja elinkeinorakenteet Lapissa)

Muiden blogeja lukiessa huomasin että myös Kaisa Pulliainen oli lähtenyt tarkastelemaan työttyömyyttä Lapissa, hän oli kuitenkin päätynyt tukimaan sitä miten alkoholin kulutus korreloi työttömyyden kanssa. Kaisan kartta-aineiston perusteella kuitenkin näytti että alkoholin kuluts ei ole yhteydessä työttömyyteen.
Kuten omasta kartastani (kuva 1.) sekä Kaisan kartasta voidaan havaita että korkeimman työttömyysasteen alueet sijaitsevat käsivarressa sekä itäisillä alueilla. Kyseisillä alueilla jalostuksen osuus elinkeinoista jää vähäiseksi, olisiko näillä asioilla jotain tekemistä toistensa kanssa? Asiaa tukee myös se että alueet joilla työttömyysprosentit ovat pienempiä, on elinkeinorakenteessa jalostuksen osuus suurempi.

Toisaalta kartasta ei nähdä sitä mikä on alueiden asukkaiden määrä. Kunnissa joissa on vain vähän asukkaita voi vähäinen työttömien määrä nostaa työttömyysprosenttia.
Kuntien elinkeinorakenne ei kuitenkaan loppujenlopuksi eroa kovinkaan huomattavasti toisistaan. Palveluiden osuus elinkeinorakenteesta on joka kunnassa suhteellisen suuri, mutta sehän ei sinänsä ole yllätys sillä onhan Suomi jo jälkiteollistunut yhteiskunta. Ainoastaan yhdessä kunnassa, alkutuotanto näyttäisi olen yhtä suurta kuin palvelut.
Päällekkäisillä kartoilla pystytään helposti havaitsemaan asioiden välillä erilaisia yhteyksiä, verrattuna siihen että kahta karttaa tarkasteltaisi vierekkäin. Erilaisten tekijöiden riippuvuuksien ja yhteyksien todentaminen ja havainnollistaminen on myös tärkeä ominaisuus päällekkäisissä teemakartoissa.

Lähteet:
Jenni Lintunen (2014) Kurssikerta 2: Päällekkäiset teemakartat. https://blogs.helsinki.fi/jenlintu/2014/01/26/kurssikerta-2-paallekkaiset-teemakartat/ 28.1.2014

Kaisa Pulliainen (2015) Kurssikerta 2:https://blogs.helsinki.fi/kxtammin/ 20.2.2015

1. Kurssikerta

Tuntumaa MapInfoon

Paikkatiedon hankinta, analyysi ja kartografia; sama kurssi jonka vuosi sitten jätin kesken, on taas edessä ja mitkä ovat tunnelmat tällä kertaa? No innostuneet tietenkin! Olin siis kyseisellä kurssilla jo viime vuonna mutta ajan puutteen vuoksi jouduin luopumaan kurssista. MapInfo on siis jo viime vuodelta tuttu ohjelma, mutta vuoden sisään paljon on ehtinyt unohtua. Olen kuitenkin positiivisin mielin liikkeellä kurssin suhteen ja uskon että tällä kertaa saan homman pakettiin.

Ensimmäisessä harjoituksessa tarkoitus oli tehdä MapInfoa tutuksi. Harjoituksessa tehtävänä oli tehdä koropleetti teemakartta. Aineistona käytettiin valmista aineistoa Suomen kunnista vuonna 2010. Kuten jo mainitsin, kävi kurssia viime vuonna, joten ajattelin käyttää edellisvuonna tekemiäni karttoja ja tekstejä hyväksi ja miettiä mikä meni silloin pieleen ja olenko oppinut virheistäni mitään.

Vuosi sitten kirjoittelin kartan teosta jotakuinkin näin:
”Päätin tehdä oman karttani Suomen kunnat aineistosta, valitsin aiheeksi maahanmuuttajat kunnitta. Luokitus tehtiin käyttäen apuna histogrammityökalua. Histogrammityökalun avulla aineistoa päästiin tarkastelemaan niin, että voitiin valita paras luokitteluasteikko omaa teemakarttaa varten. Valitsin luokitteluksi viisiluokkaisen asteikon. Jälkeenpäin tarkasteltuna luokittelu vaikutti kuitenkin huolta vaihtoehdolta. Suurin luokka käsitti liian monta muuttujaa, verrattuna muihin luokkiin. Ehkä luokkia olisi voinut olla loppupäässä pari lisää. Ongelmia aiheutti myös se että alimpiin luokkiin 0-10 ja 10-20 kuuluivat lähes puolet koko kunnista. Aineiston luokittelu oli siis kartassani hyvin epäonnistunut. ”

Edellisvuotinen karttani (kuva 1.) oli aineiston luokittelun lisäksi mennyt värityksen osalta pieleen. ”Värit ovat aivan liian vahvoja, etenkin punainen väri, joka kuvaa alueita joilla on eniten maahanmuuttoa, on aivan liian huomiota herättävä ja voimakas. Punaisen värin symboliikka on myös hieman negatiivissävytteistä joten kyseinen kartta ei ehkä olisi julkaisukelpoinen. Kirkkaan punainen väri on värinä levoton ja se voidaan liittää negatiivisiin asioihin kuten esimerkiksi vereen. Vihreä väri, joka kuvaa alueita joilla on vähiten maahanmuuttajia, toimii taas päinvastaisesti kuin punainen, sillä vihreä on hyvin rauhoittava väri. Väritykseltään kuva toimisi paremmin jos kaikki kuvaisivat saman värin eri tummuusasteita, tai jos värit olisivat edes hieman hillitympiä ja vaaleampia. ”

 

Vanha karttani maahanmuuttajista                                                       Tyttomuusaste

(kuva 1. kartta kevät 2014)                                                          (kuva 2. kartta kevät 2015,)

”Kartan huonoista puolista huolimatta kartasta voidaan tehdä erilaisia johtopäätöksiä. Eniten maahanmuuttoa on rannikkoalueilla ja keskisuomessa. Myös joitain maahanmuuttaja valtaisia kuntia löytyy Itä-Suomesta. Rannikkoalueella suurta määrää maahanmuuttajia voidaan selittää suurilla kaupungeilla ja etenkin pääkaupunkiseudulla. Myös Keski-Suomen maanmuuttajavaltaisia kuntia voidaan selittää suurella keskuksella eli Tampereella. Itä-Suomessa maahanmuuttajissa näkyy varmasti itärajan vaikutus, maahanmuuttajat ovat varmaankin paljolti venäjältä tulleita. Suuret kaupungit houkuttelevat selkeästi pieniä kuntia enemmän maahanmuuttajia. ”
”Toisaalta epäonnistunut luokittelu voi johtaa siihen että kartta antaa vääränlaisen kuvan todellisesta maailmasta. Alueet joilla on 40 maahanmuuttajaa, ja alueet joilla on yli 5000 maahanmuuttajaa, eivät eroa millään tavalla toisistaan. Kartta siis näyttäisi varmasti eri näköiseltä jos loppupäässä luokkia olisi enemmän. Karttaa ei voida epäonnistuneen luokituksen takia pitää luotettavana, mutta se voidaan kuitenkin nähdä suuntaa-antavana.

Kartasta puuttuu myös otsikko ja pohjoisnuoli, sekä mittakaavassa olisi ollut parantamisen varaa. Kaikin puolin karttani on sangen epäonnistunut, mutta toisaalta analysoimalla omia virheitään voi oppia paljon. Ehkä ensikerralla saman tyyppisen kartan luominen onnistuu toivottavasti paremmin.”

Noh samanlaisen kartan luominen onnistui mielestäni tänä vuonna paljon paremmin. Nyt hieman vanhempana ja viisaampana tein samantyyppisen koropleettikartan työttömyydestä kunnittain (kuva 2.). Tällä kertaa käytin histogrammi työkalua, ja päädyin jaottelemaan aineiston luonnollisin rajoin rajattuihin luokkiin (kuva 3.). Mielestäni viisi luokkaa luonnollisin rajoin luokiteltuna oli juuri sopiva tapa kuvata työttömyyden jakautumista Suomen kunnissa.
Yleistin histogrammiani niin että se näytti jakauman kymmenessä erikoisessa luokassa. Havaitsin samoin kuten Oskarkin blogissaan että histogrammi näyttää hyvin erilaiselta sen mukaan miten monta luokkaa siihen ottaa mukaan. Ajattelin että yleistämällä histogrammiani tarpeeksi saisin selkeimmin tärkeimmät tiedot esille. Kymmenen luokkaa olisi kuitenkin ollut kartassani aivan liikaa, joten kartan aineiston luokittelin vain viiteen luokkaan. Korpleettikartta, jossa on liian monta luokkaa, tekee kartasta hieman epäselvän, ja informaatio kartassa hukkuu siten helposti.

Työttömyys_2010

(kuva 3. Histogrammi työttömyysaste 2010)

Uudessa kartassani olin selkeästi oppinut jotain edellisvuodesta kun valitsin väritykseen yhden sävyn jonka tummuusasteet vaihtelivat. Värinä käytin kuitenkin punaista, sillä työttömyys on jo itsessään negatiivinen asia, joten mielestäni tässä yhteydessä se ei ollut sopimaton. Oskari Rönnberginblogia lukiessani huomasin että hänkin oli valinnut työttömyyttä esittävään karttaansa punaisen värin, ja perustellen valintansa sillä että työttömyys katsotaan usein ”huonoksi asiaksi”. Karttani väritystä tarkastellessani huomasin, että kaksi tumminta väriä olivat ehkä hieman liian lähellä toisiaan, jos värejä olisi vielä hieman säätänyt, kartasta tulisi helpommin luettava. Tällä kertaa muistin lisätä karttaan myös pohjoisnuolen.

Mitä karttani sitten kertoo lukijalle? Kartasta voidaan havaita että työttömyysaste on paljon korkeampi Itäisen-Suomen alueella, etenkin Venäjän rajan tuntumassa, sekä Lapissa. Alhaisimmat työttömyysprosentit näyttävät olevan rannikolla ja etenkin Pääkaupunkiseudun ympäristössä.

Ensimmäisen kurssikerran jälkeen tuntuma MapInfoon on alkanut löytyä ja odotankin jo innolla seuraavaa kurssikertaa. Kuitenkin kuten Atte Mäki blogissaan toteaa, kyse on vain pintaraapaisusta MapInfoon. Edessä on varmasti vielä haasteita ja hankaluuksia, sekä tietysti niiden selvittämisen tuomia onnistumisen iloja.

lähteet:

Oskar Rönnberg (2015); Teemakartan laadintaa: https://blogs.helsinki.fi/oskaronn/: 20.2.2015
Atte Mäki(2015):Ensimäinen kurssikerta: https://blogs.helsinki.fi/attemaki/: 20.2.2015