Harjoitus 4: Väestöteemakartta ruutuaineistosta

Varoitus kiireiselle lukijalle: Teksti on karsean pitkä. Voit hypätä myös suoraan kohtaan ”Yhteenveto”, jos haluat säästää aikaa ja poimia kirsikat kakun päältä. Ja kuvat kannattaa tietty katsoa. Sitten asiaan.

Ruutukarttojen teko

Tehtävän ideana oli siis esittää tietoa pääkaupunkiseudun asukkaista ruuduittain. Homma alkoi ruudukon tekemisellä aineiston päälle. Itse valitsin ruutujen kooksi 250 x 250 metriä ihan vain vaihtelun vuoksi, kun luennolla oli tehty neliökilometrin ruutuja. Ruudukon luonti oli helppoa Create grid -työkalulla.

Sitten ruudukkoa tuli karsia niin, että siihen jäi vain ne ruudut, joille osui asuinrakennuksia. Olisin täysin unohtanut tämän vaiheen, ellen olisi lukenut uudelleen harjoitusohjetta. Ohjelma prosessoi tätä vaihetta melko kauan, ja hetken aikaa ihmettelin, miksi vaihe kestää huomattavasti kauemmin kuin tunnilla tehdessä, mutta pian keksin että sen täytyy johtua pienemmästä ruutukoosta. Ohjelma raksutti toiminnon loppuun, mutta jostain syystä uutta layeriä ei ilmestynyt näkyviin, vaikka odotin. Missä vika?!

Kokeeksi tein hieman isommat ruudut, 500 x 500 metriä. Nyt myös tallensin layerin export-toiminnolla, jolloin siitä tuli uusi taso scratch-layerin rinnalle. Ehkäpä se kiikastikin tästä. Kokeillaanpa uudelleen. Ja toimii! Eli siis turvallisempi tapa tallentaa scratch-layer on käyttää export-toimintoa sen sijaan, että painaisi ”hämähäkkiä” layerin vieressä ja tallentaisi tason sitä kautta?

Sitten piti päättää, mitä muuttujaa haluaisi tarkastella ruuduittain, ja tämän perusteella karsia attribuuttitaulukosta ylimääräiset sarakkeet tulevan laskutoimituksen nopeuttamiseksi. Päätin tehdä pari erilaista karttaa, joissa tarkastelun kohteena olisivat asukkaiden keski-ikä sekä muunkielisten osuus ruuduittain. Lähinnä kiinnosti nähdä, sijoittuvatko esim. muunkieliset ja nuoremmat keski-iät samoille alueille ja samoihin ruutuihin, ja miettiä syitä tämän takana.

Ensin loin Field calculatorilla oman sarakkeen muunkielisten %-osuudesta koko väestöstä. Sitten oli aika laskea asukkaat yhteen ruuduittain. Käytin tähän Join attributes by location (summary) -toimintoa, koska se on ennenkin osoittautunut toimivaksi. Tässä vaiheessa aloin miettiä, tulikohan tuo muunkielisten prosenttiosuus sittenkin laskettua askelta liian aikaisin. Koska eihän prosenttiosuuksia ole nyt syytä laskea yhteen kuten muita tietoja. Hmm… Kyllä, prosenteista tuli todellakin hulluja lukemia. Eli poistetaan sarake ja suoritetaan laskutoimitus uudelleen.

Ensin visualisoin kartan muunkielisten osuudesta. Kokeilin tutun Natural breaks -vaihtoehdon lisäksi myös Equal interval -vaihtoehtoa, mutta se ei tuonut eroja yhtä hyvin esiin, koska muunkielisten osuus ei monessa ruudussa kohoa kovin korkeaksi. Näin erot eivät oikein näy kartalla. Eli siis vanhassa vara parempi ja luotetaan jälleen Natural breaksiin.

Tämän jälkeen oli aika tarkastella keski-ikää ruuduittain, mutta kas kummaa, tässä oli myös laskettu keski-iät yhteen, eli ei lainkaan käyttökelpoista aineistoa… Pakki päälle! Tein siis vielä uuden aineiston Join attributes by location (summary) -toiminnolla, ja tällä kertaa valitsin pelkän ikäkeskiarvon ja summan sijaan laskin keskiarvoista keskiarvon kullekin ruudulle. Nyt attribuuttitaulukko näytti huomattavasti järkevämmältä. Ei kun visualisoimaan. Käytin tässäkin hyväksi havaittua Natural breaks -luokittelua.

Karttojen tulkinta

Ensimmäisestä kartasta (kuva 1) näkee, että muunkielisten osuus vaihtelee huomattavasti eri puolilla pääkaupunkiseutua. Muunkielisiä on suhteessa eniten Itä- ja Luoteis-Helsingissä, Espoon keskuksen alueella sekä Vantaan eteläisissä osissa. Espoossa korostuu myös Otaniemi, jossa tunnetusti on paljon ulkomaalaisia opiskelijoita. Nämäkin tulkinnat omat hieman haastavia tehdä, kun kuntien rajoja ei oikein kartalla näy saati asuinalueiden nimiä. Muita tulkintoja en juurikaan osaisi pelkästään tämän kartan pohjalta tehdä.

Toinen kartta (kuva 2) puolestaan paljastaa, että keski-iältään nuorimpia asukkaita on esimerkiksi Myllypuron ja Viikin alueilla, Toukolassa ja Kumpulassa sekä Otaniemessä. Nämä selittyvät luultavasti ainakin osittain alueilla asuvien opiskelijoiden määrällä ja iällä. Espoossa muuten keski-ikä näyttää keskellä Espoota nuoremmalta kuin lähempänä rantoja. Helsingissä puolestaan lähes koko keskusta-alue on keski-iältään verrattain nuorta. Eniten keski-iältään vanhempia ruutuja on Länsi-Vantaalla ja Pohjois- sekä Länsi-Espoossa, Espoon Suvisaaristossa ja aivan Kaakkois-Vantaalla Helsingin rajan tuntumassa.

Yleisesti ottaen keski-ikä on nuorempaa lähellä Helsingin keskustaa, minkä voisi selittää esim. se, että keskustassa asunee paljon nuorta väestöä vuokra-asuinnoissa. He ehkä kaipaavat lähelleen monipuolisia palveluita ja kaupungin vilinää. Toisaalta opiskelijat ovat selkeä keski-ikään vaikuttava tekijä monilla alueilla. Ehkä taas vanhemmat ihmiset asuvat mielellään väljemmin, eikä heille ole niin tärkeää olla keskellä keskustan sykettä, joten he hakeutuvat kauemmas keskustasta. Suvisaaristo taas lienee kallista aluetta, jossa asumiseen ei kovin nuorilla ole varaa. Siellä ei kuitenkaan luultavasti ole juuri vuokra-asuntoja, joihin muuttaisi nuorempia asukkaita kuten keskustassa. Toisaalta myös liikenneyhteydet sieltä keskustaan eivät välttämättä ole yhtä hyvät, mikä rajoittaa työssäkäyvien halua asua Suvisaaristossa.

Nopeasti silmäiltynä näyttää siltä, että samoilla alueilla, joilla on paljon muunkielistä väestöä, on myös alhaisempi keski-ikä. Tätä voi selittää toisaalta muunkielisten osuus opiskelijoista, jotka ovat yleensä myös nuoria, ja toisaalta se, että muunkielisillä on yleensä myös suurempia perheitä ja enemmän lapsia, mikä alentaa keski-ikää. Ehkä myös suuremman mittakaavan maahanmuutto on sen verran tuore ilmiö Suomessa, että maahanmuuttajat ovat vielä keski-iältään verrattain nuoria muuhun väestöön verrattuna, mikä selittäisi myös sen, että ne ruudut, joissa on paljon muunkielisiä, ovat myös keski-iältään nuorempia.

Kasper Mickos on muuten tehnyt myöskin mielenkiintoisen ikää koskevan ruututeemakartan, jossa on keskiarvojen sijaan käytetty mediaaneja. Tulokset ovat mielestäni jokseenkin saman suuntaisia omieni kanssa, ja Kasper on myös tehnyt erinomaisen tulkinnan siitä, että eläkeläisten lisäksi lapsiperheet suuntaavat kuntien reunamille, kauemmas keskustasta. Tosiaan omassakin kartassani näkyy laitamien tummien eli keski-iältään vanhempien ruutujen seassa myös keski-iältään nuorempia, mikä sopii hyvin Kasperin teoriaan.

Karttojen ulkoasu

Nostin kartoissa järvet ja meret ruutujen päälle, koska on mielekkäämpää tarkastella ruutuja, joista suurin osa ei ole vettä. Tämä mielestäni voi myös helpottaa osittain kartan tulkintaa. Joet olisi voinut kyllä jättää kokonaan pois sekä kartalta että selitteestä, koska ne näkyvät vain mustina viivoina kapeutensa takia, eikä selitteen sinisestä ole kartalla tietoakaan.

Mielestäni molemmat kartat ovat muuten visuaalisesti suht onnistuneita. Toki erilaisella luokittelulla voisi aina saada hieman erilaisia lopputuloksia, mutta esim. muunkielisten asukkaiden osuuden esittävä kartta oli juuri tällä luokittelutavalla kaikkein havainnollistavin kokeilemistani vaihtoehdoista. Keski-ikää kuvaavassa kartassa olisi voinut kokeilla myös lisätä luokkien määrää, koska nyt ensimmäisessä luokassa on ehkä turhan iso ikähaarukka, 10–36,2. Luettavuudesta en keksi suurempia pulmia, joihin itse olisin voinut vaikuttaa.

Karttojen informatiivisuutta voisi parantaa, jos kuntarajat näkyisivät paremmin ja jos myös kaupunginosien nimiä saisi jotenkin näkyviin ilman, että se häiritsisi liikaa kartan tulkintaa ja tekisi siitä epäselvän.

Ruututeemakartta suhteessa koropleettikarttaan

Koropleettikartalla ei saa esittää absoluuttisia arvoja, koska kartan aluejako perustuu hallinnollisiin rajoihin ja alueet ovat siksi hyvin erikokoisia. Koropleettikarttaa tehtäessä on siis oleellista suhteuttaa tarkasteltu muuttuja toiseen, esim. väestömäärään tai pinta-alaan, jolloin tieto on paremmin vertailukelpoista.

Ruututeemakartalla tätä ongelmaa ei ole, koska kaikki ruudut ovat samankokoisia. Kaikki muuttujat per ruutu on siis suhteutettu jo valmiiksi pinta-alaan; esim. 1 x 1 km:n ruutu kertoo kunkin muuttujan per neliökilometri. Luennolla tähän liittyen kuitenkin tuli esiin hyvä pointti, esimerkkinä ruotsinkielisten määrä kussakin ruudussa: vaikka kartan voisi tehdä absoluuttisilla arvoilla, voi olla järkevämpää suhteuttaa ruotsinkielisten määrä kaikkien ruudun asukkaiden määrään, sillä voi olla ruutuja, joilla muutenkin on hyvin vähän asukkaita ja siten myös vähän ruotsinkielisiä. Onkin ehkä hyvä harkita joka kerta karttaa laatiessaan erikseen, mikä on juuri sille muuttujalle kuvaavin arvo – absoluuttinen vai suhteutettu.

Mielestäni hyvä esimerkki siitä, miten erilaisia ruututeemakartoistakin voi tulla riippuen siitä, suhteutetaanko muuttuja vielä jotenkin vai esitetäänkö se absoluuttisena arvona, löytyy vertaamalla omaa muunkielisten osuudesta kertovaa karttaani Lotta Mattilan samasta muuttujasta tekemään ruututeemakarttaan. Lotan kartassa muuttuja esitetään absoluuttisina arvoina, kun taas omassani suhteutettuna kunkin ruudun asukasmäärään. Lotan kartassa muunkieliset painottuvat Helsingin keskustaan toisin kuin omassani. Toki tulee huomata myös eri ruutukoko.

Ruututeemakartalla saa koropleettikarttaan verrattuna paljon tarkempaa tietoa muuttujasta, sillä eroja voi tarkastella paljon paremmin kuntien sisällä eikä vain kuntien välillä. Ruututeemakartalla on myös paljon helpompi vertailla alueita kuin pisteteemakartalla. Ruututeemakartan luettavuus eroaa muista teemakartoista ainakin niin, että ruudut helposti peittävät alleen paljon muuta tietoa. Siitä on kuitenkin helppo nopealla silmäyksellä saada yleiskuva muuttujan ilmentymisen eroista esimerkiksi kaupungin sisällä, mutta tulkinnassa auttaa, jos tuntee kaupunkia ja kaupunginosia jonkin verran.

Ville Väisänen vaikuttaa olevan blogissaan samoilla linjoilla ruutukartan tulkinnan haasteista sijainnin osalta. Hän on niin ikään tarkastellut muunkielisten osuutta väestöstä ja mielestäni laatinut hyvin onnistuneen kartan, jossa näkyviin nostetut kuntarajat helpottavat kartan tulkintaa, kun hahmottaa paremmin, missä ruudut sijaitsevat!

Yhteenveto

Tästä tekstistä tuli pitkä kuin nälkävuosi, joten tässä tiivistettynä tärkeimmät:

• Scratch-layer kannattaa tallentaa export-toiminnolla, jotta siihen on mahdollistaa kohdistaa erilaisia toimintoja.
• Mieti mitä teet, ennen kuin teet. Muuten joudut tekemään uudelleen, mutta ei sekään toisaalta haittaa.
• Ruututeemakartalla on helppo silmäillä alueellisia eroja kuntien sisällä.
• Kertaus on opintojen äiti.

Oli siis hyvä aloittaa tehtävä suunnilleen alusta uudelleen eikä vain jatkaa siitä, mitä oli tehty valmiiksi yhdessä. Olin nimittäin jo unohtanut, minkälaisia työvaiheita prosessiin sisältyi, vaikka välissä ehti kulua vain vuorokausi. Ja eteen tuli parikin ongelmatilannetta, joita piti vähän aikaa miettiä. Itsekseen tehdessä ehtii myös hieman enemmän prosessoida tietoa, kun ei ole vain kiire seurata perässä.

Lähteet:

Mattila, L. (9.2.2021). Rasterikartat. Haettu osoitteesta https://blogs.helsinki.fi/lottmatt/2021/02/09/rasterikartat/

Mickos, K. (9.2.2021). Kurssiviikko 4: Vektoreista rastereihin ja sujuvasta ohjelmasta vähemmän sujuvaan. Haettu osoitteesta https://blogs.helsinki.fi/kmickos/2021/02/09/kurssiviikko-4-vektoreista-rastereihin-ja-sujuvasta-ohjelmasta-vahemman-sujuvaan/

Väisänen, V. (14.2.2021). Ruutuja ja rastereita. Haettu osoitteesta https://blogs.helsinki.fi/villvais/2021/02/14/ruutuja-ja-rastereita/