Kurssikerta 2

MapInfo tutuksi: Lisää kartografisia esitystapoja

Kurssin toisella kerralla syvennyimme tarkemmin MapInfo-ohjelmiston kartografisiin esitystapoihin eli erilaisten aineistojen visualisointiin. Teoriaosuudessa kävimme läpi erilaisia visualisointitapoja ja niiden ideaalisia käyttötarkoituksia. Näihin kuuluivat seuraavat kartografiset esitykset: pylväsdiagrammikartta, ympyrädiagrammikartta, graduated-teemakartta, pistekartta, individual-teemakartta, grid-teemakartta, prismaattinen kartta, 3-D kartta ja päällekäisten koropleettikarttojen esitys.

Teoriaosuuden jälkeen lähdimme harjoittelemaan karttaesitysten luontia käytännössä. Ensin käytimme hyväksemme edellisestä kerrasta tuttua Tilastokeskuksen Suomen kunta- ja maakunta-aineistoa. Erilaisten esitystapojen perusteet olivat melko helppoa oppia MapInfolla, vaikkakin erilaisten yksityiskohtien ja tyylien hiominen vaatii jonkin verran harjaantuneisuutta käyttäjältä.

Kokeiltuamme ohjelmalla erilaisia esitystapoja opettelimme, kuinka tuoda uutta tilastoaineistoa MapInfoon excel-taulukkolaskentaohjelmasta. Excel-aineiston hankintapaikkana oli Terveyden ja hyvinvoinnin laitoksen tilasto- ja indikaattoripankki SOTKAnet. Kävimme läpi muun muassa sitä, millaiseksi taulukon rakenne on muokattava, jotta se voitaisiin saumattomasti liittää työtilan muihin aineistoihin.

Kurssikerran varsinaisen harjoituksen tehtävänä oli hyödyntää Tilastokeskuksen ja SOTKAnetin aineistoa sekä laatia kahta vapaavalintaista teemaa esittävä kartta. SOTKAnetin aineisto on erittäin laaja, joten kuten Pauliina Hongisto omassa kurssiblogissaan toteaa: “Koska aihe ei ollut sen kummemmin rajattu ja mielenkiintoisia aineistovaihtoehtoja löytyi paljon, oli edessä valinnanvaikeus.” (PAK à la Pauliina)

Lisäksi päänvaivaa tehtävänannossa lisäsi karttaesityksen mittakaavan valinta. Tavallisesti eri ilmiöiden välistä riippuvuussuhdetta on helpompaa tarkastella laajemmalla aineistolla, jolloin esimerkiksi Suomen kunnat voisivat olla järkevä ilmiöiden tarkastelutaso. Toisaalta mitä sirpaleisempi ja rasterivyöhykkeiden kokojen suhteen vaihtelevampi kartan aluejako on, sitä haasteellisempaa on visuaalisesti esittää kahta eri ilmiötä kartalla selkeästi.

Lähdin tarkastelemaan ilmiöitä kuntatasolla Suomessa, ja laadin useamman eri teemakarttavaihtoehdon harjoitusta varten. En kuitenkaan ollut yhteenkään kovin tyytyväinen visuaalisilta ominaisuuksiltaan, joten päädyin lopulta kuvaamaan talouden sektoreiden ja kunnan yleisen pienituloisuuden suhdetta Satakunnassa. Suomen kuntien yleisen pienituloisuusasteen paikkatietoaineiston hankin SOTKAnetistä ja talouden sektorien osuudet Tilastokeskuksen materiaalista.

Laadin kartan (kuva 1), jossa vuoden 2012 pienituloisuusastetta kuvaa vihreän sävyiset prosenttiluokat. Kartan luettavuuden säilyttämiseksi luokittelin aineiston kolmeen luokkaan. Koska aineisto oli melko tasaisesti jakautunutta, lähdin tarkastelemaan aineiston luokittelua tasavälisen luokittelun ja kvantiilien kautta. Molemmat luokittelutavat soveltuivat melko hyvin ilmiön kuvaamiseen ja niiden luokkavälit olivat lähes identtiset. Koska luokkavälit olivat melko lähellä tasalukuja, päätin muokata hieman kvantiilien luokkavälejä niin, että sain aineiston, jonka luokkavälit alkoivat ja päättyivät selkeistä tasaluvuista. Luokittelu tuo melko selkeästi aineiston alueellisen jakauman esille.

Kartan toiseksi teemaksi valitsin talouden sektoreiden prosenttiosuudet vuonna 2013, kuvattuna ympyrädiagrammein, joiden eri osien yhteenlaskettu summa on luonnollisesti 100 %. Ympyrädiagrammit ovat esitetty kartalla Satakunnan eri kuntien päällä sen kokoisina, että myös pienituloisuusaste on luettavissa. Talouden sektorit ovat luokiteltu seuraavasti: alkutuotanto, jalostus, palvelu ja muut toimialat.

KK2_Talouden indikaattoreita Satakunnassa

Kuva 1. Talouden indikaattoreita Satakunnassa. Lähteet: Tilastokeskus, Tilasto- ja indikaattoripankki SOTKAnet.

Kartalla esitetty pienituloisuusaste ilmaisee pienituloisiin kotitalouksiin kuuluvien henkilöiden osuuden prosentteina kaikista alueella asuvista henkilöistä. Pienituloisuuden rajana käytetään 60 % suomalaisten kotitalouksien käytettävissä olevan ekvivalentin rahatulon mediaania vuonna 2012. Käytettävissä olevat rahatulot puolestaan lasketaan summaamalla palkka-, yrittäjä- ja pääomatulot sekä saadut tulonsiirrot ja vähentämällä summasta maksetut tulonsiirrot. Ekvivalentti tulo lasketaan puolestaan suhteuttamalla kotitalouden kaikkien jäsenten käytettävissä olevien tulojen summa kotitalouden kulutusyksiköiden summaan. Kulutusyksikkönä aineistossa käytetään OECD-skaalaa, jossa kotitalouden ensimmäinen aikuinen saa painon 1, muut 14 vuotta täyttäneet kotitalouden jäsenet painon 0,5 ja kotitalouden alle 14-vuotiaat lapset painon 0,3.

Tarkasteltaessa valmista karttaa voidaan havaita, että kunnan pienituloisuusaste on suurimmillaan Pohjois-Satakunnassa ja matalimmillaan Lounais-Satakunnassa. Pienituloisimpiin kuntiin kuuluvat Karvia, Honkajoki, Siikainen, Lavia ja Punkalaidun. Suurituloisimpiin kuntiin kuuluu puolestaan Ulvila, Nakkila, Luvia, Eurajoki, Rauma, Eura, Köyliö ja Säkylä. Talouden sektoreiden jakaantumista tarkastellessa voi huomata, että Pohjois-Satakunnassa sekä muissa pienituloisuusasteeltaan suurissa kunnissa on suurituloisempiin kuntiin verrattuna suurempi alkutuotannon osuus. Lähes kaikissa suurituloisemmissa kunnissa alkutuotannon osuus talouden sektoreista on lähes olematon. Palvelut ja jalostus ovat keskeisessä roolissa pienituloisuusasteeltaan pienissä kunnissa. Tarkastelussa on siis havaittavissa vuorovaikutussuhdetta kartan eri teemojen välillä.

Karttaa analysoitaessa on syytä ottaa huomioon, että pienituloisuusaste mittaa pienituloisiin kotitalouksiin kuuluvien henkilöiden osuutta koko alueen väestöstä eikä esimerkiksi alueen taloudellista varakkuutta suhteessa liiketoimintaan. Halusin ottaa tämän näkökulman tarkastelussa huomioon, sillä yritysten menestyminen tietyn kunnan alueella ei välttämättä kuvaa hyvin alueen ihmisten taloudellista hyvinvointia. Satakunnassa on hyvin tuottavia teollisuuden yksiköitä, kuten ydinvoimalaitoksia, mutta niiden taloudellinen tuotto ei välttämättä heijastu suoranaisesti alueen asukkaiden tuloihin.

Projektitutkija Saku Vähäsantanen Turun yliopistosta totetaa 29.5.2012 julkaistussa Turun kauppakorkeakoulun uutisessa, että vuonna 2011 metsäteollisuuden liikevaihto ja vienti laskivat huomattavasti Satakunnassa ja palveluiden osuus jatkoi kasvuaan (Satakunnan teollisuus hiipui loppuvuonna – palveluissa nousu jatkunut). Pienituloisimpiin kuuluvat Pohjois-Satakunnan kunnat ovat metsä- ja maatalousvaltaisia, jonka vuoksi niiden suuri alkutuotannon osuus heijastuu kartalla. Alueet ovat myös suurelta osin muuttotappioalueita, joiden huoltosuhde on laskussa suurten ikäluokkien vanhetessa. Uskon näiden tekijöiden heijastuvan voimakkaasti myös pienituloisuusasteeseen. Maa- ja metsätalouden trendinä on ollut keskittyä yhä enenemässä määrin suurin tuotantoyksikköihin, jolloin perinteiset pienemmät elinkeinoyksiköt kuihtuvat maaseudulta pois.

Pienituloisuusasteeltaan pienimmät kunnat keskittyvät suuremmassa mittakaavassa Porin ja Turun väliin. Porista maakunnallisena keskuksena voidaan todeta, että alkutuotannon osuus on siellä lähes olematon. Kaupunki ei kuitenkaan kuuluu luokituksessa parhaimpaan pienituloisuusasteen näkökulmasta. Liikenteellisesti Satakunnan kotitalouksiltaan suurituloisimmat kunnat keskittyvät melko hyvien yhteyksien varrelle, verrattuna jossain määrin eristyksissä olevaan Pohjois-Satakuntaan. Elinkeinorakenteen muutos tulee aiheuttamaan muutospaineita erityisesti pienituloisimmissa Satakunnan kunnissa ja kuntien elinvoimaisuuden ylläpitämiseksi onkin todennäköisesti löydettävä uusia ratkaisuja. Suomalainen metsätalous ja jalostukseen liittyvä teollisuus kärsivät tällä hetkellä muun muassa tuotannon siirtämisesti halvempien kustannusten maihin. Useat tuotantolaitosten sulkemiset ja työpaikkojen vähentämiset ovat viime vuosina heikentäneet Satakunnan taloudellista tilannetta. Palvelualojen työpaikkojen määrä tuskin riittää korvaamaan alkutuotannosta ja jalostuksesta poistuneita työpaikkoja.

Kartan ulkoasusta voidaan todeta, että sen väriskaalaa on helppo tulkita ja kaikki tarkasteltavat ilmiöt on mahdollista havaita kartalla. Kartan lukemista olisi kuitenkin helpottanut se, että kuntien nimet olisivat esitettynä siinä. Kolmas ilmiö, jota kartan yhteydessä olisi ollut mielenkiintoista tulkita olisi ollut kuntien työttömyysasteet, jolloin olisi voinut muun muassa pohtia työttömyysasteen suhdetta talouden sektoreiden osuuksiin. Olisi ollut mielenkiintoista esimerkiksi tarkastella, onko alkutuontavaltaisissa Satakunnan kunnissa suurempi työttömyysaste kuin palveluvaltaisissa.

Tehtävä opetti hyvin käsittelemään niitä esitysteknisiä ongelmia, joita esiintyy esitettäessä useampaa ilmiötä yhdenaikaisesti kartalla, varsinkin omalla kohdallani, kun aloitin käyttämällä ensin koko Suomen kuntamateriaalia. Moni-ilmiöisten karttojen tulkinnassa tulee kuitenkin myös jatkossa muistaa, ettei kahden ilmiön välinen korrelaatio tarkoita automaattisesti syy-seuraussuhdetta.

Lukiessani muiden kurssilaisten blogeja havaitsin, ettei monikaan ollut kirjoittanut samankaltaisesta teemasta. Mirka Jokela-Määttä oli laatinut myös maakunnallista aineistoa käsittelevän kartan, jossa hän oli verrannut alkutuotannon osuutta kuntien koulutusasteeseen Päijät-Hämeessä. Vaikka teema liittyi keskeisesti myös omaan aineistooni, ei varsinaista liittymäpintaa ollut juuri havaittavissa. Jokela-Määttä toteaakin blogissaan, että on “hyvin haastavaa löytää muiden blogeista jotain mihin voisi omassa kirjoituksessaan luontevasti tarttua.” (Paikannettua tietoa).

Lähteet:

Hongisto, P. (2015). PAK à la Pauliina-blogi. Kurssikerta 2. <https://blogs.helsinki.fi/pauliinh/>. Luettu 2.2.2015.

Jokela-Määttä, M. (2015). Paikannettua tietoa-blogi. Kurssikerta 2. <https://blogs.helsinki.fi/mijokela/>. Luettu 2.2.2015.

Vähäsantanen, S. (2012). Satakunnan teollisuus hiipui loppuvuonna – palveluissa nousu jatkunut. Turun Yliopisto. Luettu 2.2.2015. <http://www.utu.fi/fi/yksikot/tse/ajankohtaista/uutiset/Sivut/satakunnan-talous-suhdannejulkaisu-3-4-2011.aspx>

Kurssikerta 1

MapInfo tutuksi: Teemakartat

Paikkatiedon hankinta, analyysi ja kartografia kurssi käynnistyi kurssin sisällön ja työtapojen esittelyllä, joihin on mahdollista tutustua myös tämän blogin sivulla Blogin tarkoitus. Kurssi-infon jälkeen siirryimme teoriaosuuteen, joka piti sisällään perustietoa MapInfo -ohjelmistosta sekä paikkatiedosta. Teoriaosuudessa avattiin muun muassa paikkatiedon rakennetta, kerroksellisuutta ja rasteri- sekä vektorimuotoisen paikkatiedon eroa.

Teoriaosuuden jälkeen siirryimme harjoitustehtävään, jonka ensimmäisessä osassa tutustuimme MapInfo -ohjelmiston ominaisuuksiin käyttäen hyväksi Helsingin kaupunkiin liittyvää paikkatietoaineistoa. Harjoitus piti sisällään pääosin ohjelman perustoimintojen opettelua ja työkaluihin tutustumista. Harjoituksen merkitys ohjelman oppimisen kannalta oli keskeinen, sen antaessa kurssilaiselle alustavan käsityksen ohjelman toimintaperiaatteista. MapInfo on kuitenkin tullut minulle jossain määrin tutuksi ympäristöteknologian koulutusohjelmassa ja työelämässä, joten vaikka harjoitus kertasi mielekkäästi ohjelman käyttöä, se ei kuitenkaan tuonut minulle paljoa uutta tietoa. Koska aiempi käyttöni ohjelmalle on kuitenkin ollut lähinnä paikkatiedon tarkastelua aktiivisen materiaalin tuottamiseen sijaan, uskon kurssin tuovan minulle paljon uutta osaamista.

Kurssikerran harjoituksen toisessa osassa laadimme MapInfoa käyttäen vapaavalintaisen teemakartan, jonka taustamateriaalina käytimme Tilastokeskuksen Suomen valtion kuntia koskevaa paikkatietoaineistoa. Harjoituksen tavoitteena oli opetella sekä kartanlaadintaa että aineiston luokittelumenetelmiä. Valitsin teemaksi karttaesitykselleni (kuva 1) vuoden 2011 väestöntiheystiedot Suomessa kunnittain.

Väestöntiheydellä tarkoitetaan väestönmäärää suhteutettuna alueen pinta-alaan. Väestöntiheyden avulla on mahdollista verrata erikokoisten alueiden väestömääriä toisiinsa. Tarkasteltaessa kuntien väestötiheyttä on syytä ottaa huomioon kuitenkin se, että tiheys saattaa olla harhainen, jos alueella on paljon asumiseen kelpaamatonta maata tai vesistöä. Koko Suomen osalta väestöntiheys oli vuonna 2013 maapinta-alaa kohti laskettuna 18 henkilöä/km2 (Väestötieteen perusteet). Voidaankin todeta, että kansainvälisesti tarkasteltuna Suomi on erittäin harvaan asuttu maa.

Kuva 1. Suomen kuntien väestöntiheys vuonna 2011.

Kuva 1. Suomen kuntien väestöntiehys vuonna 2011. Lähde: Tilastokeskus.

Aloitin kartan laatimisen luokittelemalla aineiston. Teemakartan aineiston luokittelutavalla on merkittävä vaikutus kartan ulkoasuun ja tulkintaan. Erilaisilla luokittelutavoilla voidaan joko tahallisesti tai tahattomasti ohjata kartanlukijaa muodostamaan virheellinen mielikuva esitettävän ilmiön ominaisuuksista. Oikean luokittelutavan valinnassa on järkevää käyttää apuna aineiston jakautumista kuvaavaa histogrammia. Kurssiharjoituksessa käytimme histogrammin luomiseen shodor.org -sivuston interaktiivista työkalua. Tarkasteltaessa Suomen kuntien vuoden 2011 väestöntiheysaineiston jakaumaa (kuva 2) voidaan havaita, että aineisto on hyvin epätasaisesti jakautunutta, valtaosan aineiston lukuarvoista ollessa hyvin pieniä. Aineiston lukuarvojen suuresta vaihtelusta kertoo se, että kunta-aineiston minimiarvo on 0,18 henkilöä/km2 ja maksimiarvo 5127,98 henkilöä/km2.

Lähdin ensin tarkastelemaan väestöntiheyden luokittelua tasavälisten luokkien, kvantiilien ja luonnollisten luokkavälien avulla. Tasaväliset luokat eivät sopineet lainkaan ilmiön kuvaamiseen, koska niiden kautta tarkasteltuna kartasta ei välittynyt viidellä luokalla muuta kuin Helsingin kaupungin suuri väestöntiheys. Kvantiilit sopivat jo huomattavasti paremmin ilmiön kuvaamiseen. Niiden avulla erottui Suomen asutuskeskittymän ”Vaasa – Lappeenranta -linja”. Ongelmana kvantiilien käytössä oli kuitenkin se, että ne korostivat viidellä luokalla liikaa maaseudun pienempiä kuntia, eivätkä väestöntiheydeltään suuret kunnat erottuneet toisistaan, suurimman luokan ollessa 40 – 5130 henkilöä/km2. Kokeillessani luonnollisia luokkavälejä viidellä luokalla, koin ensin löytäneeni ideaalin tavan luokitella aineistoa valtakunnallisella tasolla. Ne yksinkertaistivat karttaa merkittävästi vähentäen eroa maaseudun kuntien välillä, mutta toivat selkeästi esiin erot väestöntiheydeltään suurten kuntien välillä. Lisäksi luonnollisten luokkavälien avulla oli selkeästi havaittavissa kaikki Suomen merkittävimmät asutuskeskittymät sekä asutuksen keskittymisen suuntautuminen rannikkoalueille. Huonoa luonnollisissa luokkaväleissä oli kuitenkin se, että ne vääristivät kuvaa Suomen maaseudusta lähes autiona vyöhykkeenä, pienimmän ja frekvenssiltään suurimman väestöntiheysluokan ollessa 0 – 30 henkilöä/km2.

Olin harkinnut omien luokkien luomista aineistolle, mutta vasta tarkasteltuani Laura Hiltusen samasta aiheesta laatimaa blogimerkintää kurssikerrasta, päätin lähteä etsimään sopivia luokkia aineistolleni. Päädyin Lauran tapaan kuuteen luokkaan aineiston suhteen, mutta luokkavälit valitsin toisin (Lauran blogi). Luokittelusta on havaittavissa 9 väestöntiheydeltään Suomen suurinta kuntaa sekä 19 muuta suurempaa asutuskeskittymää tiheysvälillä 100 – 500 henkilöä/km2. Aineiston mediaani sijoittuu luokkaan 10 – 20 henkilöä/km2, johon sijoittuu myös Suomen väestöntiheyden valtiollinen keskiarvo. Suomessa on suhteellisen vähän suuria asutuskeskittymiä, joten niiden numeerinen vähyys korostuu luokkien suhteen toivotulla tavalla, kuitenkin niin, että ne tulevat aineistosta esille. Pienin luokka 0 – 5 henkilöä/km2 puolestaan havainnollistaa kartalla Suomen kaikista harvaan asutuimmat alueet siten, että lukijalle muodostuu kuva niiden sijoittumisesta valtakunnallisella tasolla.

Kuva 2. Histogrammi väestöntiheyden paikkatietoaineiston jakaumasta.

Kuva 2. Histogrammi väestöntiheyden paikkatietoaineiston jakaumasta.

Tulkittaessa kartan tiedollista sisältöä voidaan todeta, että Suomi on harvaanasuttu maa, jolla on suhteellisen vähän tiheästi asuttuja alueita. Asutuskeskittymät sijaitsevat etelässä ja rannikkoalueilla. Varsinkin pääkaupunkiseudun kunnat ovat tiheästi asutettuja. Erityisen harvaanasuttuja alueita ovat puolestaan Lappi ja Kainuu. Toisaalta Lapin kunnat ovat pinta-alaltaan suuria, ja kuten Joonas Alanko kurssikerran saman aihepiirin blogikirjoituksessaan toteaa: ” Tämä saattaa kätkeä tarkastelulta isoja asutuskeskuksia, jos kunta on muuten haja-asutusaluetta.” Kartalta voidaankin myös huomata, että tiheimmät asutuskeskittymät sijaitsevat useimmin pinta-alaltaan pienissä kunnissa (Alanko’s blog).

Kartan teknisistä ominaisuuksista voidaan todeta, että sininen värimaailma on levollinen, mutta eri luokat eivät erotu erityisen hyvin toisistaan. Kartassa on myös kaikki siinä tarvittavat peruselementit ja kartan elementtien sommittelu on hillittyä. Kokonaisuutena kartan visuaalinen luettavuus on värimaailmasta huolimatta hyvä ja kartan kuvaaman ilmiön spatiaalinen jakautuminen on mahdollista havaita kartalla.

Tutustuin harjoituksen myötä erilaisiin MapInfon työkaluihin, mutta haastavinta kurssikerrassa oli järkevän luokittelun laatiminen teemakartan aineistolle. Jouduin pohtimaan useita eri vaihtoehtoja, ennen kuin päädyin valitsemaani ratkaisuun. Ehdin myös työn alussa vaihtaa käsittelemääni teemaa luokittelun hankaluuden vuoksi. Tässä mielessä harjoituksesta oli merkittävästi hyötyä pyrkiessäni kehittämään kartografisia taitojani.

Lähteet:

Alanko, J. (2015). Alanko’s blog. Kurssikerta 1. <https://blogs.helsinki.fi/jbalanko/>. Luettu 15.1.2015.

Hiltunen, L. (2015). Lauran blogi. Kurssikerta 1. <https://blogs.helsinki.fi/lauhiltu/>. Luettu 15.1.2015.

Väestötieteen perusteet. Tilastokoulu. Tilastokeskus. Luettu 15.1.2015. <http://tilastokoulu.stat.fi/verkkokoulu_v2.xql?course_id=tkoulu_vaesto&lesson_id=5&subject_id=10&page_type=sisalto>