Kurssikerta 3: Tietokannoista, vesireiteistä ja konflikteista

Kurssikerralla on aloitettu Afrikan karttojen parissa, tarkoituksena opetella datan lisäämistä tietokantoihin ja yleistä pelehtimistä tietokantojen kanssa. Itse en päässyt tunnille joten kävin tämän osion läpi lukemalla harjoitusohjetta. Tässä kurssin lopussa tietokannat ovat tulleetkin jo tutuiksi.

Blogitehtävänä oli tehdä kartta, jossa näkyy valuma-alueiden tulvaindeksi ja järvisyys. Valuma-alueet oli valmiiksi rajattu karttapohjalle joten työtä oli lähinnä tulvaindeksin laskemisessa ja tietokantojen yhdistelemisessä. Tällä kertaa työ sujui varsin sutjakkaasti ilman isompia kompastuskiviä.

Kuva 1. Valuma-alueiden tulva-indeksi ja järvisyys.
Kuva 1. Valuma-alueiden tulva-indeksi ja järvisyys.

Väreiksi valitsin vaihteeksi violetin ja vihreän yhdistelmän. Kylmät värit istuvat kivasti vesi- ja tulva-aiheeseen. Kartasta herää ensimmäisenä kysymys että korreloivatko tulvaherkkyys ja vähäinen järvien määrä joen valuma-alueella. Kyllähän niillä näyttäisi korrelaatiota olevan, joskaan ei ihan suoraviivaista. Muutkin seikat lienee vaikuttavat taustalla. Sara Goncalves oli oivaltanut että järvet toimivat varastoina sulamisvesille vähentäen näin jokien tulvimista. Tuntuu loogiselta.

Toinenkin ajatus nousi mieleen: valtioiden rajat näyttävät seuraavan yllättävän hyvin valuma-alueiden rajoja. Tai paremminkin kansojen rajat: Ruotsin puolelle ulottuvalla Tornionjoen valuma-alueella on jo pitkään asunut suomalaisia meänkielisiä. Idässä valuma-alueet noudattelevat niinikään vanhoja suomalaisten asuinseutuja esimerkiksi Kannaksella. Vanha asutus lienee seurannut jokilaaksoja ja vesireittejä. Joet olivat muinaisia valtateitä joten olisi luontevaa että yhden heimon tai kansan jäsenet ovat asettuneet saman vesireitin varrelle.

Toisena tehtävänä oli pohtia mitä kurssikerralla käytettyjen tietokantojen avulla voisi tutkia tai päätellä Afrikan konflikteista.

Kuva 2. Timanttikaivokset, öljynporausalueet ja konfliktit Afrikassa.
Kuva 2. Timanttikaivokset, öljynporausalueet ja konfliktit Afrikassa.

Oheinen valmiiksi annettu kartta kutkuttaa mielikuvitusta. Tekisi mieli yhdistää konfliktit timanttikaivoksiin ja öljykenttiin, mutta todellisuus ei taivu näin helppoon tulkintaan. Esimerkiksi lounaisessa Afrikassa, Namibian ja Etelä-Afrikan rannikolla on paljon timanttikaivoksia mutta ei juuri konflikteja. Myös Tansaniassa on rypäs timanttikaivoksia eikä konflikteja omalla maaperällä. Sen sijaan naapurin Ruandassa ja Burundissa on ollut paljon taisteluja mutta ei kaivoksia eikä öljykenttiä. Ei siis kannata uskoa ensimmäiseen intuitioon. Lähtisin tutkimaan konfliktien taustoja erilaisten muuttujien avulla. Näitä voisivat olla valtioiden sisäinen vakaus, korruptio, hallinnon demokraattisuus sekä etniset ja uskonnolliset jännitteet.

Esimerkkinä tapauksesta, jossa luonnonvarojen hallinta on todella ollut suoraan konfliktin taustalla, Anni Heilala nostaa blogissaan esiin Sierra Leonen sisällissodan 1990-luvulla. Siinä timanttien epävirallinen louhinta ja salakuljetus olivat päätekijänä sodan syttymiseen. Mielenkiintoinen esimerkki ja hyvä nosto!

 

Lähteet:

Goncalves, S. (2016). Kolmas kurssikerta: datan liittämistä karttaan ja pohdintaa konflikteista <https://blogs.helsinki.fi/sawgonca/2016/02/09/kolmas-kurssikerta-datan-liittamista-karttaan/> Luettu 18.3.2016.

Heilala, A. (2016). Kolmas kurssikerta <https://blogs.helsinki.fi/heanni/2016/02/02/kolmas-kurssikerta/> Luettu 18.3.2016.

Kurssikerta 6: Äiti Maa ei ole aina hellä emo, eli maanjäristyksistä, tulivuorista ja meteoriiteista

Tällä kurssikerralla on käyty ensin ulkoiluttamassa GPS-laitteita keräten pisteitä jotka sitten geokoodattiin kartalle aineistoksi. Itse en päässyt osallistumaan kurssikerralle joten hyppäsin suoraan itsenäiseen osioon luettuani ensin mitä muut olivat tunnilla tehneet. Tehtävänä oli tuottaa kolme karttaa hasardeista, joita voisin käyttää tuntiopetuksessa opettajana. Meille annettiin valmiiksi linkki kolmeen amerikkalaiseen tietokantaan joista löytyy tietoa maanjäristyksistä, tulivuorista ja meteoriittien putoamispaikoista. Päätin tehdä jokaisesta yhden karttaesityksen, näin voisin myös esitellä eri hasardeja monipuolisemmin oppilaille jos pitäisin oppitunnin materiaalini pohjalta.

Aloitin maanjäristyksistä. Tein haun tietokantaan kaikista vuodesta 2000 eteenpäin tapahtuneista vähintään 7 Richterin järistyksistä. Tietojen vieminen taulukkolaskentaohjelman kautta MapInfoon osoittautui yllättävän vaikeaksi. Minulla oli käytössä OpenOffice Calc, joten en tiedä olisiko tämä ollut helpompaa Excelillä. Joka tapauksessa kesti pitkään ennen kuin sain “Text to Columns” toiminnon toimimaan oikein. Ensin täytyi siivota ylimääräiset välilyönnit otsikkoriviltä jolloin sarakkeet pystyi jaottelemaan välilyöntien mukaan. Muuta keinoa en löytänyt, mutta toimi se näinkin. Purkkavirityksiä täytyy aina välillä keksiä. Tässä valmis kartta:

Kuva 1. Vähintään 7 Richterin maanjäristykset vuodesta 2000 eteenpäin.
Kuva 1. Vähintään 7 Richterin maanjäristykset vuodesta 2000 eteenpäin.

Kartta leikkaa harmittavasti Tyynenmeren tulirenkaan kahtia. Kartalta hahmottuu kuitenkin selkeästi mannerlaattojen saumat joissa järistykset yleensä tapahtuvat. Voimakas alueellinen keskittyminen tulee selkeästi esiin. Tästä olisikin luontevaa lähteä kertomaan mannerlaattojen liikkeistä oppilaille. Teema linkittyy luontevasti seuraavaan karttaan, joka kuvaa kaikkia vuoden 1964 jälkeen purkautuneita tulivuoria.

Kuva 2. Vuoden 1964 jälkeen purkautuneet tulivuoret.
Kuva 2. Vuoden 1964 jälkeen purkautuneet tulivuoret.

Täytyy myöntää että en ole enää ihan varma miksi tähän karttaan tuli Robinsonin projektio näkyviin alkuperäisessä muodossaan ja edelliseen ei. No, tämä lienee selviää kun pääsee (tai joutuu) käyttämään enemmän uusinta MapInfoa jonka koneelleni latasin. Kartalla huomion kiinnittää sensaatiomainen tulivuorilöytö Ruotsissa, jonka myös Sara Goncalves oli huomannut omassa kartassaan ja laittanut sen datassa olleen heiton piikkiin. Hyvä, emme siis huolestu sen enempää naapurissa tapahtuvasta tulivuoritoiminnasta. Toinen asia joka tulee selkeästi esiin on Tyynenmeren tulirengas, joka toistuu sekä maanjäristyksissä että tulivuorissa. Sen lisäksi tulivuoria on harvakseltaan myös muualla kuin mannerlaattojen törmäyskohdissa, kuten esimerkiksi Atlantin keskiselänteellä. Yhdessä näillä kartoilla voi havainnollistaa oppilaille miten voimakkaasti keskittyneitä molemmat hasardit ovat tietyille kapeille alueille.

Muiden blogeja selaillessa löysin Tatu Leppämäen upean gif-esityksen maanjäristyksistä aikavälillä 26.2.2001–26.2.2016 kuvasarjana. Se toimisi varmasti opetuksessa hienosti.

Kuva 3. Kaikki vuoden 2000 jälkeen pudonneet tunnetut meteoriitit.
Kuva 3. Kaikki vuoden 2000 jälkeen havaitut pudonneet meteoriitit.

Kolmas karttani esittää vuoden 2000 jälkeen pudonneita meteoriitteja. Kartalla näkyvä alueellinen jakautuminen on tietysti harhaa: avaruuden kappaleet pommittavat planeettaamme täysin sattumanvaraisesti, joten jakauma kertoo vain siitä missä meteoriitteja havaitaan ja missä niitä on helpompi löytää. Nämä kaksi asiaa eivät aina kulje käsi kädessä: Saharan alueella on paljon havaintoja vaikka siellä ei asu juuri ketään. Tämä johtuu siitä että aavikko on ihanteellisin ympäristö löytää pudonneet meteoriitit, vaikka ei olisi koskaan niiden lentoa nähnyt. Näistä asioista saisikin varmaan mielenkiintoista keskustelua luokassa aikaan.

Tästä olisikin luontevaa jatkaa tarkastelemaan maailman väestönjakaumaa. Pikaisella googlauksella löysin varsin näyttävän kartan aiheesta:

Kuva 4. Maailman väestöntiheys 1994.
Kuva 4. Maailman väestöntiheys 1994.

Etelä-Amerikassa meteoriittilöydot korreloivat voimakkaasti asutuksen jakautumisen kanssa, mutta muilla mantereilla vähemmän. Afrikassa, Pohjois-Amerikassa ja Australiassa löydöt sijoittuvat ennen kaikkea aavikoille ja tasangoille. Väestöntiheyskartta on tosin jo vähän vanha, vuodelta 1994, mutta tiheysjakauma tuskin on kovin dramaattisesti sen jälkeen muuttunut.

Kaiken kaikkiaan näiden neljän kartan pohjalta voisin kyllä pitää kaksoistunnin yläasteella tai lukiossa. Rautaisannos hasardien maantiedettä ja vähän väestöasiaakin.

 

Lähteet:

NCEDC (2014), Northern California Earthquake Data Center. UC Berkeley Seismological Laboratory. Dataset. doi:10.7932/NCEDC <http://quake.geo.berkeley.edu/anss/catalog-search.html> Luettu 17.3.2016

National Oceanic and Atmospheric Administration, U.S. Department of Commerce (2015). Global Volcano Locations Database. <http://catalog.data.gov/dataset/global-volcano-locations-database> Luettu 17.3.2016

Tuntematon (2013). Taulukko meteoriiteista. <https://www.google.com/fusiontables/DataSource?docid=1vHSvjNgCIl6kRhFXPHhvESnnYx_ShToJWtWdjm8#rows:id=1>
Luettu 17.3.2016

Leppämäki, T. (2016). Otetaan opiksi, tehdään opiksi – 6. kurssikerta. <https://blogs.helsinki.fi/leppatat/2016/02/26/kuudes-kurssikerta-tyon-alla/> Luettu 18.3.2016.

Goncalves, S. (2016). Kuudes kurssikerta. <https://blogs.helsinki.fi/sawgonca/2016/03/16/kuudes-kurssikerta/> Luettu 18.3.2016

Wikimedia (2014) World map of the population density in 1994. <https://upload.wikimedia.org/wikipedia/commons/6/67/World_population_density_1994.png> Luettu 18.3.2016

Kurssikerta 5: Puskureita ja laskutoimituksia

Viidennellä kurssikerralla aloitimme viime kerralla tehtyjen valmistelujen pohjalta harjoittelemaan puskurointia Pornaisten keskustan alueella. Selvitimme asuintalojen määrän eri etäisyyksillä pääteistä. Puskurointi käytännössä laskee kuinka monta kohdetta on tietyn suuruisen säteen sisäpuolella, tässä siis tien molemmin puolin. Tällaiselle työkalulle onkin helppo keksiä monenlaista käyttöä paikkatiedon hankinnassa ja analyysissä.

Varsinainen itsenäistehtävä oli tällä kertaa pitkä, monipolvinen ja työläs. Se testasi taitojamme laittamalla meidät soveltamaan aiemmilla kerroilla opittua. Ensimmäinen aihe oli lentokentät ja niiden melualueet. Ensin tutkimme nyt jo ilmeisesti purkutuomion saanutta (?) Malmin lentokenttää. Melualueiden mallinnukseen äsken opittu puskurointityökalu sopii mainiosti: riittää että piirtää kiitoradat ja muodostaa niistä bufferit. Selvitimme siis 1 ja 2 kilometrin melualueilla asuvien ihmisten määrän. Keräsin tulokset koko harjoituksesta yhteen taulukkoon, jonka löydät tämän blogimerkinnän lopusta.

Seuraavaksi teimme saman Helsinki-Vantaan lentokentällä, mutta nyt myös eri lentomelualueilla desibeleillä mitattuna. Desibelialueet löytyivät erillisestä tietokannasta, joka oli meille valmiiksi luotu. Mielenkiintoisessa tehtävänannossa tuli selvittää vähintään 60 desibelin melualueella asuvien ihmisten määrä, jos lentoliikenne käännettäisiin saapumaan kaakosta luoteeseen kuten tehtiin uutta kiitorataa rakennettaessa vuonna 2002. Taustatietona kerrottiin että nykyiset laskeutumissuunnat tuottavat n. 7 kilometriä pitkän ja 1 kilometriä leveän melualueen. Siispä piirsin 6,5 kilometriä pitkän apuviivan kiitoradan päästä suoraan kaakkoon, jolle laskin 500 metrin puskurin. Näin sain 7 kilometriä pitkän ja kilometrin levyisen melualueen laskettua.

Lentokenttien jälkeen siirryttiin puskuroimaan juna-asemia ja niiden ympärillä asuvia kaupunkilaisia. Tarkasteltiin myös taajamia ja niiden asukkaita sekä valinnaisena tehtävänä tutkin Helsingin Yhtenäiskoulun koulupiiriä. Tekeminen alkoi tässä vaiheessa olla jo rutinoituneempaa. Alkuun meni yllättävän kauan aikaa kaikenlaisten pikkuasioiden kanssa painiessa ja ylipäätään muistellessa mistä mikäkin toiminto löytyy MapInfossa. Kerran viikossa kun uutta ohjelmaa käyttää niin asiat eivät tule selkärangasta. Ohjelma vaikuttaa kuitenkin yllättävän tehokkaalta ja monipuoliselta kunhan sen saloihin pääsee kunnolla sisään. Kuten Sirje Lappalainen blogissaan kirjoittaa: “Tämänhetkinen käsitykseni MapInfon rajoittuneisuudesta johtuu ihan itsestäni ja tämän takia koen, että suurimmat reunaehdot ohjelman käytölle luo käyttäjä itse.” (Lappalainen, 2016)

Tällä kurssikerralla eri tehtävissä kerätyt tiedot yhdessä taulukossa:

Taulukko

Lähteet:

Lappalainen, S. (2016). Bufferointia, laskuja ja muuta mukavaa <https://blogs.helsinki.fi/sirjelap/2016/02/24/bufferointia-laskuja-ja-muuta-mukavaa/> Luettu 17.3.2016.

Kurssikerta 7: Tee-se-itse-kartta Espanjasta

Viimeisellä kurssikerralla tehtävänä oli tuottaa karttaesitys ihan alusta asti itse. Tämä tarkoitti tilastomateriaalin louhimista internetin syövereistä, sen siivoamista ja muovailemista sopivaan muotoon, karttapohjan etsimistä… Kävimme tunnilla yhdessä läpi karttapohjan etsimisen sopivalla aluejaolla. Se sattui vieläpä olemaan Espanjan kartta, josta muutenkin halusin oman esitykseni laatia. Karttapohjan oltua kunnossa oli luonteva jatkaa Eurostatin sivuille josta etsin NUTS 3 (Nomenclature of Territorial Units for Statistics) -aluejaon mukaista dataa. Valitettavasti suurin osa datasta oli isompien läänien NUTS 2- muodossa, mikä rajoitti aiheen valintaa. Lopulta päädyin tekemään kaksi karttaa: väestöntiheys ja BKT henkeä kohti Espanjassa. Tilastomateriaalin siivoamiseen meni paljon pitempään kuin osasin odottaa. Espanjan provinssien nimet eivät vastanneet aina yksi yhteen toisiaan karttapohjani jaossa ja Eurostatin materiaalissa, lisäksi kiusana oli muun muassa Kanarian saarten erilaiset jaottelut. Olipa hartaasti nikkaroimaani Excel-taulukkoon vielä livahtanut pari välilyöntiä vääriin paikkoihin mikä aiheutti lisää hiusten repimistä ennen kuin ongelma selvisi. Opinpa ainakin, että pitää varata kaksi kertaa suunniteltua enemmän aikaa jos tehdään kartta alusta asti itse. Tässä valmiit tuotokset:

Kuva 1. Espanjan väestöntiheys vuonna 2014
Kuva 1. Espanjan väestöntiheys vuonna 2014

Väestontiheyden osalta Espanjasta erottuu kolme huippukohtaa: Madridin ja Barcelonan seudut ja minulle vähän yllättäen Bilbaon seutu. Oikeasti Ceutan ja Melillan kaupungit Afrikan mantereen puolella kuuluvat samaan kategoriaan, mutta ne ovat niin mitättömän pieniä että tuskin erottuvat kartalta. Alhaisin väestöntiheys on keskisen Espanjan kuivalla tasangolla, Madridin ympärillä joka ilmansuunnassa. Asutus keskittyy melko vahvasti rannikoille suurkaupunkiseutujen lisäksi.

Kuva 2. BKT henkeä kohti vuonna 2013 (€)
Kuva 2. BKT henkeä kohti vuonna 2013 (€)

Toinen karttani näyttää miten Espanjan bruttokansantuotteesta leijonanosa tuotetaan koillis-Espanjassa. Korkean BKT:n alue on nelikulmio jonka kulmia ovat Madrid, Baskimaa, Katalonia ja Valencia. Tiesin entuudestaan että Katalonia ja Baskimaa ovat vahvimmin teollistuneita alueita mutta silti alueelliset erot yllättivät valmiissa kartassa. Madridista etelään tuotanto on heikkoa. Siellä myös työttömyysluvut ovat korkeimmat, vaikka ne korkeat ovatkin koko maassa. Mielenkiintoinen alue on La Coruñan provinssi Galiciassa, Espanjan luoteiskulmassa. Sen talous on ympäristöään vahvempi, ja syytä en heti keksi. Lisätutkimuksen paikka.

Kun verrataan väestöntiheyttä ja BKT:ta eri alueilla, huomataan että etelässä on heikosta taloudesta huolimatta ihan merkittävästi asukkaita. Tämän voisi kuvitella muuttuvan ajan myötä kun muuttovirrat suuntautuvat työn perässä suurkaupunkiseuduille ja koillis-Espanjaan.

 

Lähteet:

Eurostat <http://ec.europa.eu/eurostat/data/database> Luettu 15.3.2016

Kurssikerta 4: Ruutuja ja rasteria

Neljännellä kurssikerralla pääaiheena oli ruutukarttojen tekeminen. Myöhemmin opimme myös kiinnittämään rasterikartan koordinaatistoon MapInfon avulla, mutta siitä lisää seuraavassa merkinnässä. Nyt aloitimme tekemällä MapInfon grid maker -työkalulla 500×500 metriä kokoisten ruutujen ruudukon pääkaupunkiseudun päälle. Karttapohjan olimme noutaneet avoimesta OpenStreetMap-palvelusta,  joka vaikuttikin erittäin käyttökelpoiselta ja ennen kaikkea ilmaiselta, joten siitä tulee varmasti olemaan vielä iloa myöhemmissä koitoksissa.

Kokeilimme ensin yhdessä miten taulukon data yhdistetään ruudukkoon. Käsiteltävänä oli pääkaupunkiseudun väestötietokanta, josta tutkimme 20-vuotiaiden jakautumista ruudukollamme. Teemakartan luominen oli ihan suoraviivaista.

Varsinaisena tehtävänä tällä kurssikerralla oli laatia ruututeemakartta itse valitulla aiheella ja ruutukoolla. Valitsin tarkasteltavaksi muunkielisten (siis muuta kuin suomea tai ruotsia äidinkielenään puhuvien) asukkaiden määrän pääkaupunkiseudulla. Kokeilin kilometrin ruutukokoa ja siitä tulikin ihan mielenkiintoisen näköinen esitys.

Kuva 1. Muunkieliset asukkaat per 1x1km ruutu
Kuva 1. Muunkieliset asukkaat per 1x1km ruutu.

Kartta on mielestäni ihan helppolukuinen ja selkeä, ja väriskaala miellyttävä. Tosin kaupunginosien nimet auttaisivat kyllä tulkintaa. Nyt lukijalta oletetaan hyvää pääkaupunkiseudun paikallistuntemusta. Tulkinnan tekee myös vähän vaikeammaksi se, että kartta kuvaa muunkielisten absoluuttista, ei suhteellista, määrää.

Kuitenkin, heti ensi silmäyksellä paljastuu että vieraskielisiä ihmisiä asuu eniten Helsingin keskustassa ja kantakaupungissa, luoteisessa Helsingissä, Itä-Helsingissä sekä Espoon keskuksen tienoilla. Espoossa myös Ison Omenan ympäristössä, liekö se Matinkylää, on jonkinlainen tihentymä vieraskielisiä. Muunkieliset on selvästi hyvin heterogeeninen joukko ihmisiä. Kampissa tai Kaivopuistossa asuvalla johtajalla tai diplomaatilla ei ole oikeastaan mitään yhteistä Itä-Helsingissä asuvan työttömän tai pienituloisen kanssa, jos nyt ei oteta huomioon kieltä, joka on joku muu kuin suomi tai ruotsi. Tunnen Espoota niin huonosti että en keksi syytä Matinkylän tihentymälle. Espoon keskuksessa lienee taustalla halvat vuokra-asunnot joissa asuu paljon maahanmuuttajia.

Ruututeemakartan luettavuus verrattuna muihin teemakarttoihin on hyvä, ja pidän siitä, että siinä aineiston todellisen maantieteellisen jakauman näkee selkeästi, ilman suuria ja mahdollisesti paljon sisäistä vaihtelua sisältäviä alueita kuten koropleettikartassa saattaa olla. Ruutukokoa vaihtelemalla voi tuottaa hyvinkin eriluonteisia karttaesityksiä aiheen mukaan.

Selaillessani muiden blogeja huomioni kiinnitti kaimani Atte Aholaisen laatima kartta pääkaupunkiseudun asuinrakennusten käyttöönottovuodesta. Mielenkiintoinen aihe, ja kartassa näkyy nätisti Helsingin kantakaupungin vanha rakennuskanta ja valtavat sodan jälkeen rakennetut lähiöt.

 

Lähteet:

Aholainen, A. (2016). Neljäs kurssikerta, 11.2.2016 – ankaraa ruudutusta. <https://blogs.helsinki.fi/ammahola/> Luettu 18.2.2016.

Artikkeli 1

Anna Leonowicz käsittelee artikkelissaan Two-variable choropleth maps as a useful tool for visualization of geographical relationship kahden päällekkäisen teeman koropleettikarttoja. Hän käy lyhyesti läpi niiden historiaa, mainiten esimerkkinä epäonnistuneista päällekkäisistä koropleettikartoista Yhdysvaltain väestölaskennassa vuonna 1970 käytetyt kartat, jotka saivat paljon kritiikkiä huonosta luettavuudesta. Leonowicz esittää että epäonnistuminen johtui ennen kaikkea huonoista väriteemoista jotka eivät olleet intuitiivisia. Historian lisäksi Leonowicz esittelee legendan tekoa ja oikeaa luokkien määrää, mikä on olennaista kahden päällekkäisen teeman kartassa luettavuuden säilymiseksi.  Lopuksi hän esittelee tuloksia maantieteen opiskelijoilla teetetystä koetilanteesta jossa arvioitiin yhden ja kahden teeman koropleettikarttojen luettavuutta ja kiinnostavuutta.

Leonowicz käyttää esimerkkinä tekemäänsä kahden teeman karttaa Mazowszen alueelta Keski-Puolasta. Muuttujina ovat maaseutuväestön osuus prosentteina ja alle 18-vuotiaan väestön osuus prosentteina, molemmat kunnittain. Luokkia on yhteensä 9, jota Leonowicz pitää maksimimääränä päällekkäisten teemojen kartassa. Kartan tulkintaa selkeyttää huomattavasti sen ohessa esitetyt kaksi erillistä teemakarttaa jotka molemmat kuvaavat vain toisen muuttujan alueellista jakaumaa, perinteisen koropleettikartan tavoin. Itse kahden muuttujan teemakartta avautui vähän vaikeasti ainakin minulle. Legendaa joutuu sulattelemaan hetken aikaa ennen kuin kartan sisältämä informaatio aukeaa kunnolla. Jos tämä on kahden teeman kartta selkeimmillään, niin niiden käytössä täytyy olla varovainen.  Itse en sellaista käyttäisi missään julkaisussa joka on suunnattu alan asiantuntijoita laajemmalle yleisölle.

Toinen asia joka herätti ajatuksia oli legendan huolellinen määrittely. Leonowicz näyttää kuinka hän on luonut luokkajaon keskihajontaa noudattaen. Näin värit kartalla kertovat suoraan havaintojen etäisyydestä keskiarvosta ja paljastavat yhdellä silmäyksellä outlierit. Kolmas, ja ehkä tärkein, aihe oli värit ja niiden huolellinen valinta. Leonowics itse käyttää yksinkertaista kahden värin yhdistelmää jossa värien sävyt välittävät informaation. Esimerkkinä epäonnistuneesta väriteemasta mukana on Yhdysvaltain väestönlaskentaviraston käyttämä monivärinen teema, joka on todella sekava ja vaikeaselkoinen. Jos siis itse teen vielä joskus kahden teeman koropleettikartan niin ehdottomasti mukaan vain kaksi väriä, jotka erottuvat selkeästi toisistaan ja liukuvat sujuvasti sävyasteikolla.

Yhteenvetona kahden teeman kartta voi näyttää muuttujien välisen alueellisen riippuvuussuhteen näppärästi, mutta sen käytössä täytyy olla tarkka ja huolellinen. Koropleettikartasta tulee nopeasti lukukelvoton jos luokkia tai värejä on liikaa tai ne on väärin valittu. Legendan kanssa tulee myös olla erityisen huolellinen.

 

Lähteet:

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

Kurssikerta 2: Lisää teemakarttoja

Toisella kurssikerralla jatkoimme teemakarttojen parissa. Kävimme läpi pylväs- ja ympyrädiagrammin MapInfossa, jotka olivat varsin suoraviivaisia laatia. Sen jälkeen opettelimme graduated-teemakartan, joka olikin mielenkiintoisempi. Siinä jotakin ilmiötä merkitään symbolilla, joka yleensä kasvaa mitattavan ilmiön absoluuttisen arvon mukaisesti. Tällainen kartta liitetään yleensä koropleettikarttaan, joka esittää suhteellisia arvoja. Tämä avaa mahdollisuuksia hyvin monenlaisten karttojen tekoon.

Tutustuimme vielä pistekarttaan, individual-teemakarttaan sekä grid- ja 3D-karttaan. 3D-kartan luominen oli oikukas prosessi ja minunkin koneella se tulosti vain mustavalkoisen kyhäelmän.

Varsinaisena tehtävänä oli laatia joko teemakartta jossa on kaksi teemaa päällekkäin tai prismaattinen/3D-kartta. Lähdin tekemään kahden teeman karttaa, alueekseni valitsin Pohjanmaan ja Etelä-Pohjanmaan maakunnat yhdistettynä. Kahden mielenkiintoisen ja relevantin muuttujan valitseminen osoittautuikin vaikeaksi ja vaati paljon aikaa ja kokeiluja. Tästä ovat muutkin kirjoittaneet, esimerkiksi Jasmiina Myllys blogissaan: “Kokeilin tunnilla useita eri vaihtoehtoja kartan muuttujiksi, mutta kiinnostavia ja toimivia yhdistelmiä oli vaikea löytää. Siinä etsiessä aika loppuikin kesken, ja päädyin nykyisiin valintoihini puolivahingossa. Olisi ollut tarpeen miettiä huolellisemmin, millaisten muuttujien välillä voisi olla mielenkiintoisia yhteyksiä.”

Lopulta päädyin tarkastelemaan työssäkäyvien osuutta väestöstä ja ruotsinkielisten määrää. Näiden välillä on hieman yllättäen löydettävissä korrelaatio, ainakin Pohjanmaan maakunnissa.

Kuva 1. Työssäkäyvien osuus väestöstä ja ruotsinkielisten määrä (Tilastokeskus 2015).
Kuva 1. Työssäkäyvien osuus väestöstä ja ruotsinkielisten määrä (Tilastokeskus 2015).

Valitsin jälleen sinioranssin väriskaalan sen selkeyden vuoksi. Sopivasti vaaleaan taitettuna se myös tyydyttää esteettistä aistiani. Lupaan tosin käyttää jotain toista väriskaalaa ensi kerralla, jo vaihtelun vuoksi! Olen ihan tyytyväinen karttaan mutta kuntien nimet auttaisivat kyllä lukijaa. Harvalla kuitenkaan on ihan niin hyvin hallussa kaikki Suomen kunnat ulkomuistista, varsinkaan viime aikojen kuntaliitosvyöryn jälkeen.

Itse kartta paljastaa ruotsinkielisen rannikon yllättävän kovan työllisyysasteen. Kaikki ylimmän kategorian (65,9 – 70,6%) kunnat ovat väestöltään suureksi osaksi ruotsinkielisiä. Korrelaatio on hämmentävän voimakas. Suomenkielisellä Pohjanmaalla Seinäjoen seutu, ja oikeastaan koko Seinäjoki-Vaasa-käytävä erottuvat korkeamman työllisyysasteen alueina. Suomenselän kunnissa on heikoin työllisyystilanne.

On vaikea keksiä selitystä ruotsinkielisen rannikko-Pohjanmaan vahvalle työllisyysasteelle. Pohjanmaa tunnetaan yritteliäisyydestään ja lukuisista pienyrityksistään, mutta tietääkseni niitä on kyllä vahvasti suomenkieliselläkin alueella. Tässä olisikin tutkimuksen paikka.

Ei Seinäjoellakaan hassummin mene. Se on harvinaisuus suomalaisten kaupunkien joukossa sillä se kasvaa voimakkaasti vaikka siellä ei ole yliopistoa. Tästä kirjoitti Osmo Soininvaara blogissaan hiljattain otsikolla “Seinäjoen ihme”:

“Seinäjoen ihmettä ei olisi ilman hyvää rautatieyhteyttä. Ovathan kaikki väkilukuaan viime aikoina kasvattaneet seutukunnat ovat rautatiepaikkakuntia lukuun ottamatta Helsingin kupeessa kasvavaa Porvoota ja piskuista Tunturi-Lapin seutukuntaa. Ilman rataa Seinäjoki olisi todennäköisesti pienehkö kylä Lapuan kunnassa.

Ei junayhteys tietenkään selitä kokonaan Seinäjoen ihmettä. Rautatie on ollut menestykselle välttämätön, mutta yksin se ei olisi riittänyt. Myös monella rautatiepaikkakunnalla menee huonosti. Kouvolassa junayhteys ei ole sentään pystynyt pitämään paperitehtaita pystyssä.

Ihmeellistä Seinäjoessa on se, että muut menestyneet kasvukeskukset ovat yliopistopaikkakuntia. On siis aivan kummallista, että Seinäjoki on menestynyt Vaasaa paremmin.

Seinäjoen muuttovoitto on pääosin peräisin muualta Etelä-Pohjanmaalta – joko suoraan tai opiskelupaikkakunnan kautta. Erityistä tässä on se, että kaupunkiin muuttavat eteläpohjalaiset valitsevat juuri Seinäjoen eivätkä suurempia yliopistokaupunkeja eivätkä Vaasaa. Se osoittaa kotimaakunnan arvostusta. Ei ole minultakaan helsinkiläisenä jäänyt huomaamatta, että eteläpohjalaiset ovat maakunnastaan ylpeitä.

Jotain erityistä on eteläpohjalaisessa kansanluonteessa. Kotiseudun arvostuksen ohella se näkyy yrittäjyytenä ja koko maakunnan suhteellisen hyvänä menestyksenä talouden vaikean murroskauden aikana.

Entisestä heikkoudesta on tullut vahvuus. Seinäjoella ei ole merkittävää raskasta teollisuutta. Jos olisi, se supistaisi nyt työvoimaansa niin kuin kaikki suuret tehtaat tekevät. Kun ei ole ollut suuria työnantajia, ollaan myös henkisesti lähempänä yrittäjyyttä kuin siellä, missä melkein kaikki ovat palkansaajia ja tuntevat vain toisia palkansaajia.”

 

Lähteet:

Myllys, J. (2016). 2. kurssikerta: syventymistä teemakarttojen maailmaan. <https://blogs.helsinki.fi/myllyjas/> Luettu 8.2.2016

Työssäkäyvien osuus väestöstä ja ruotsinkielisten määrä, Tilastokeskus (2015)

Soininvaara, O. (2016). Seinäjoen ihme <http://www.soininvaara.fi/2016/01/26/seinajoen-ihme/> Luettu 8.2.2016

Kurssi käyntiin: MapInfon alkeet

Ennen työn aloittamista on hyvä tutustua työkaluihin. Tällä kurssilla viivoittimen, siveltimen ja kenties moukarinkin virkaa toimittaa MapInfo. MapInfo on paikkatieto-ohjelma jonka saloihin täytyy hieman syventyä ennen kuin sen potentiaali alkaa avautua. Mitään salatiedettä tämä ei (toivottavasti) kuitenkaan ole.

Lyhyen PowerPoint-pläjäyksen jälkeen lähdimme käymään ohjelman perustoimintoja läpi opettajamme Arttu Paarlahden johdolla.  Totutteluun menikin aikaa sillä MapInfo ei aina toimi kovinkaan intuitiivisesti.  Opastetussa osuudessa tarkastelimme Tilastokeskuksen Suomen kunnista kerättyä tilastomateriaalia ja teemakarttoja joita siitä on mahdollista ohjelmassa muodostaa.

Kurssikerran varsinainen tehtävä oli laatia vapaavalintaisesta aiheesta yksi koropleettiteemakartta jonka luokitus on laadittu erillistä histogrammityökalua hyödyntämällä. Halusin tarkastella kuntien välistä nettomuuttoa koska ajattelin että siitä saisi siistin teemakartan joka voisi havainnollistaa nätisti alueellisia eroja muuttovirroissa.  Aluksi tarkastelin tilastoaineistoa internetistä löytyvän histogrammityökalun avulla.

histo
Kuva 1. Histogrammi.

Aineisto vaikuttaa normaalisti jakautuneelta mutta niin että huippu on vasemmalla ja oikealla on pitkä häntä yksittäisiä arvoja, eli tässä suuria muuttovoittoja. Valitsin luokitteluperusteeksi kvantiilit ja viisi luokkaa, sillä aineiston jakautuessa sekä positiivisiin että negatiivisiin arvoihin kahden värin käyttäminen on luontevaa ja näin ei myöskään tule liikaa samankaltaisia värisävyjä kartalle mikä heikentäisi luettavuutta.

Kuva 2. Kuntien välinen nettomuutto (Tilastokeskus 2011).
Kuva 2. Kuntien välinen nettomuutto (Tilastokeskus 2011).

Käytän väreinä keltaoranssia ja siniviolettia. Ne ovat vastavärejä mikä luo kontrastia joka erottaa heti yhdellä vilkaisulla muuttovoittoalueet muuttotappioalueista. Valitsin aavistuksen vaaleaan taitetut sävyt ettei kontrasti kasvaisi liian suureksi ja alkaisi riitelemään. Olen ihan tyytyväinen lopputulokseen. Vähemmän tyytyväinen olen siihen miten kuva blogiin asettui. Oppimista riittää myös WordPressin käytössä selvästi…

Ensimmäinen ajatukseni kartan sisällöstä: oranssit muuttovoittoalueet muodostavat hauskoja kiemurtelevia muotoja. Suurin näistä luikertelee paksun käärmeen tavoin Helsingistä Tampereelle, kurottaen välissä Lahteen. Muita muuttovoittoalueita ovat kaupunkiseudut. Jyväskylä, Kuopio, Joensuu, Turku,  Vaasan-Seinäjoen akseli ja Oulun seutu osittain.  Länsi-Lapissa on yllättävä muuttovoittoalue:  Kittilä, Muonio ja Kolari ovat kaikki voiton puolella maakunnassa joka muuten tyhjenee kovaa vauhtia etelään. Syytä voin vain arvailla; itselleni ensimmäisenä mieleen tulee hiihtokeskukset ja niiden luomat työpaikat.

Yksi hämäävä piirre kartassa on pienimmän ja suurimman luokan valtava sisäinen vaihtelu. Suurimman muuttovoiton alueella on kuntia joissa muuttovoitto on 20 henkeä ja toisaalta suurimmillaan 1080 henkeä. Suurimman muuttotappion kunnissa tappio vaihtelee 40 hengestä 340 henkeen.

Nea Heikkilä on omassa blogissaan tutkinut alkutuotannon osuutta kokonaistuotannosta kunnittain Suomessa. Kun vertaan sitä omaan karttaani niin alkutuotannolla ja muuttovoitolla (tai muuttotappiolla, tässä tapauksessa) näyttää olevan korrelaatio, kuten odotettua. Se ei ole kuitenkaan yksiselitteinen: esimerkiksi Lapista erottuu Savukosken kunta, jossa alkutuotanto on voimakasta, mutta se on silti lievästi muuttovoittoinen. Toki noin pienessä kunnassa jo satunnaisvaihtelu vaikuttaa merkittävästi.

Aino Grönroos taas teki kartan yli 65-vuotiaiden osuudesta väestöstä kunnittain. Tämä korreloi todella vahvasti oman karttani nettomuuttoon. Muuttotappioalueilla on järjestään suuri osuus yli 65-vuotiaita. Muuttajat ovat siis ensisijaisesti nuorta väkeä.

Lähteet:

Heikkilä, N. (2016) 1. MapInfoon tutustumista <https://blogs.helsinki.fi/neaheikk/>  Luettu: 8.2.2016

Grönroos, A. (2016) 1. Kurssikerta; Ensiaskeleet MapInfossa <https://blogs.helsinki.fi/ainogron/> Luettu: 8.2.2016

Kuntien välinen nettomuutto, Tilastokeskus (2011)

Histogrammityökalu. <http://illuminations.nctm.org/Activity.aspx?id=4152> 29.1.2014