Neljännellä kurssikerralla tututstuimme piste- ja ruutuaineistoihin. Käytimme aineistonamme pistetietoja pääkaupunkiseudun asukkaista. Ensimmäiseksi teimme harjoituksena rasteriteemakartan pääkaupunkiseudun väestöntiheydestä 500x500m ruutuina. Itsenäisharjoituksenamme oli tehdä samanlainen kartta omavalintaisesta aiheesta kokeilemalla eri ruutukokoja ja miettiä, mikä niistä olisi paras. En kuunnellut ohjeita tarpeeksi tarkkaan ja valitsin ensiksi ruutukooksi 100x100m ruudut. Meitä oli juuri varoitettu alle 200m ruuduista, sillä MapInfolla kestäisi todella kauan käsitellä niin suuri määrä ruutuja. Niin siis kävi minunkin kartalleni ja jouduin aloittamaan alusta. Tein oman karttani pääkaupunkiseudun miesten absoluuttisista määristä. Ongelmanani on ollut useasti tämän kurssin aikana se, etten ole keskittynyt tarpeeksi luokitteluun ja olen huomannut puutteet vasta kirjoittaessani blogia. Näin kävi myös tämän kartan kohdalla. Kartan viimeinen luokka, 33-268 miestä, on aivan liian suuri. On aika iso ero onko alueella 33 vai 268 miestä. Jos ylin luokka olisi ollut edes 100-268 miestä, olisi karttani ollut huomattavasti informatiivisempi. Luokkia olisi voinut olla myös kolmen sijasta neljä, jolloin alueiden erot olisivat kuvautuneet paremmin. Karttani inspiraation lähteenä toimi läheinen ystäväni, jolle kartasta voisi olla hyötyä. Olisi siis mieluisampaa jos kartasta erottuisi ”hot spotit” potentiaalisten miesehdokkaiden suhteen. Maija Potinkara oli tehnyt blogissaan kartan naisten määrästä pääkaupunkiseudulla. Hänen kartassaan viimeisin luokka on 960-1280 naista, joten hänen kartassaan erot kuvautuvat selkeämmin. Jos kartoissamme olisi samat luokittelut, olisi hauska verrata niitä ja näin miesten ja naisten jakautumisen eroja pääkaupunkiseudulla.

Koska karttani kuvaa miesten absoluuttisia määriä, näyttäisi siltä että pääkaupunkiseudun miehet asuvat enimmäkseen Helsingissä. Tietysti jos haluaa tietää missä päin pääkaupunkiseutua on absoluuttisesti eniten miehiä, toimisi tämän kaltainen kartta hyvin. Kuitenkin luultavasti jokainen tietää Helsingin olevan väkimäärältään pääkaupunkiseudun suurin alue, joten voisi päätellä siellä olevan myös eniten miehiä. Karttaa katsoessa saa kuitenkin sellaisen kuvan, että Helsinkiä ympäröivissä kunnissa miehiä olisi todella vähän. Tälläinen kartta olisikin mielekkäämpi kuvata vain yhden kaupungin alueelta, jolloin alueen sisäiset erot näkyisivät kartalla. Jos tekisin kartan uudelleen rajaisin alueeksi pelkän Helsingin. Kartasta voisi tehdä myös sellaisen version, joka kuvaa miesten suhteellisia määriä pääkaupunkiseudulla. Maija Potinkara oli tehnyt myös tällaisen kartan ja kirjoittaa blogissaan: ”Kartan heikkous on se, että käytännössä kaikki suurimman luokan eli 75-100% alueet ovat haja-asutusaluetta, jossa kenties asuu yksi nainen tai kolme naista ja yksi mies. Kartasta ei siis todellisuudessa erotu alueita, joissa naisten määrä olisi jotenkin poikkeuksellinen”.

Innostuin itse vähän ruututeemakartoista, sillä niillä voi tuottaa niin paljon tarkempaa tietoa, kun aikasemmat tekemämme koropleettikartat eri maiden tai kuntien välisistä eroista. Ruutuaineiston ongelma on mielestäni kartan sekavuus. Minun on vaikea hahmottaa karttani alueita, sillä tunnen pääkaupunkiseutua suhteellisen vähän. Suurimpien teiden ja paikannimien lisääminen karttaan auttaisi hahmottamista, mutta saattaisi tehdä varsinkin pieniruutuisesta kartasta hyvin sekavan. Antti Autio on julkaissut blogissaan oman karttansa, johon on lisännyt myös tiet. Ruudun ovat isommat, 1000x1000m, joten kartta on selkeä ja silti informatiivinen. Omaan karttaani olisin lisännyt mielelläni myös tiet ja paikannimistöä.

Kuva 1. Pääkaupunkiseudun miesten määrä

Koska kartan teon ja tämän tekstin kirjoittamisen välissä on aivan liian monta viikkoa, on minulta ehtinyt unohtua karttani ruutujen koot. Muistelin ruutujeni olevan 500x500m, kun turhauduin pienempien ruutujen latautumisen odottamiseen, mutta vertailessani karttaani muiden karttoihin uskon niiden olevan pienempiä. Mitä tästä opin; kirjoita tekstit heti, kun mahdollista kurssikerran jälkeen. Minulle kävi myös toinen moka karttaani tehdessä. Kurssikerralla, minulla oli kovin kiire lähteä ja jätin kartan hieman kesken. Kuitenkin, kun palasin kartan pariin, oli koko kartta kadonnut, gridiä lukuunottamatta. Sain kuitenkin karttani pelastettua melko helposti alkupaniikin laannuttua. Toinen oppimani asia; tee kartta samalla kertaa loppuun asti ja tarkista kaiken olevan oikein, varsinkin luokittelun, ennen kartan tallennusta.

Lähteet:

Potinkara, M. (2015), Maijan PAK-blogi. PAK4: Ruututeemakarttoja ja söpöjä värejä

<https://blogs.helsinki.fi/maijpoti/> Luettu 11.3.2015

Autio, A. (2015), Antin paikkatietoblogi. Kurssikerta 4

<https://blogs.helsinki.fi/anttiaut/> Luettu 11.3.2015

Kolmannella kurssikerralla tarkoituksenamme oli tietojen käsittely MapInfossa. Olin itse sairaana tämän kurssikerran, joten tein harjoitukset itsenäisesti. Kynnys aloittaa harjoitusten tekemistä itsenäisesti oli suuri. Aloitin muutaman kerran ja totesin, etten osaa ja lykkäsin harjoituksia koko ajan pidemmälle. Kuitenkin, kun viimein harjoitukset oli pakko tehdä, osasin ja opin todella paljon.

Ensimmäinen tehtävä oli yhdistellä tietokantoja ja tuottaa uutta tietoa jo olemassa olevien tietojen avulla. Tietomme koskivat Afrikan väestön netinkäyttöä sekä timantti kaivosten, öljykenttien ja konfliktien sijaintia ja niiden laajuuksia. Vaikka aluksi tehtävä tuntui ylitsepääsemättömän vaikealta, sain kuitenkin tiedot käsiteltyä. Itse tekeminen myös selvensi MapInfoa, kun oli pakko selvitä yksin! Tästä harjoituksesta ei tarvinnut tehdä blogiin omaa karttaansa, vaan tarkoituksena oli harjoitella seuraavaa tehtävää varten ja pohtia tämän aineiston käyttömahdollisuuksia. Aihe oli kuitenkin kiinnostava ja innostuin onnistumisistani ja yleisen MapInfo-ahdistusksen hälvenemisestä niin, että halusin tehdä aiheesta oman kartan. Aluksi vertailin kartassa timanttikaivosten määrää ja valtioiden Facebook-käyttäjien määrää prosentteina väestöstä. Timanttikaivokset kuvaavat kartassani varallisuutta, vaikka kaivosten tuotot jakaantuvat yleensä pienen yläluokkaisen porukan kesken. Kaivostyöläiset tekevät usein vaarallista työtä pienillä palkoilla ja huonoissa työolosuhteissa. Etelä-Afrikka mineraaleiltaan hyvin rikas maa ja timanttikaivosten lisäksi siellä on paljon erilaista kaivannaistoimintaa. Maan värikäs rotusortoisen historian jäljet näkyvät myös tänä päivänä ja etenkin juuri kaivostoiminnassa. Tilanne on kärjistynyt myös väkivaltaisuuksiin, kuten elokuussa 2012 jolloin 34 kaivosmiestä kuoli poliisin ampumiin luoteihin Luoteismaakunnassa. (HS 16.2.2014) Facebookin käyttäjätkin kuvaavat maan elintasoa ja tarkoituksenani olikin tarkastella, onko näillä kahdella muuttujalla vaikutusta toisiinsa. Kartan tehtyäni näytti siltä, että selvää vaikutusta ei ole, sillä vauraimissa maissa Pohjois-Afrikassa kuten Algeria ja Libya, timanttikaivoksia ei ole, mutta Facebookin käyttäjiä kyllä. Kuitenkin, kun lisäsin karttaan myös öljykentät, oli öljyn ja timanttien vaikutus Facebookin käyttöön selvästi näkyvissä. Kaikista kartan maista ei ollut tietoa, joten tätä tekstiä kirjoittaessani aloin miettimään, että olisi pitänyt laittaa oma väri niille maille, vaikka se olisikin saattanut vaikuttaa kartan visuaaliseen ilmeeseen. Käytin värejä tässä kartassa aika pelottomasti, mikä aluksi hirvitti. Mutta loppujen lopuksi räikeät värit erottuvat toisistaan ja tekevät kartasta melko selkeän. Kartasta erottuu siis selkeästi aivan pohjoisin sekä eteläisin Afrikka, niin Facebookinkäyttäjien, kun luonnonvarojenkin vuoksi. Valitettavasti unohdin ottaa talteen kartassani käyttämien tietojen vuosiluvut.

Kuva 1. Afrikan maiden Facebook-käyttäjät, timanttikaivokset ja öljykentät

Seuraavassa tehtävässä palasimmekin tutkimaan kotimaata ja valuma-alueita. Tämä aihe, ei ole itselle niin mieluinen, mutta oli hauska tehdä myös tällainen kartta. Tehtävänä oli siis verrata Suomen valuma-alueiden järvisyysprosenttia ja tulvaindeksiä. Tekstiä aiheesta on vaikeampi tuottaa tähän blogiin, kun aihe ei ole itselle niin kiinnostava. Kuitenkin kartassa on nähtävissä tulvien sijoittuminen rannikolle. Järvisillä alueilla tulvaindeksi on huomattavasti pienempi. Alueilla, joilla järvisyysprosentti on hyvin pieni, näkyy selvästi tulvaindeksin olevan suuri. Järvet siis ehkäisevät tulvia, koska ne varastoivat vettä. Olen karttaan tyytyväinen, vaikkakin pylväiden kanssa on välillä vaikea toimia, sillä ne vievät paljon tilaa ja on vaikea saada selkeää, siistiä ja silti hyvin eroja kuvaavia pylväitä. Pylväät myös usein peittävät alueet taakseen, niin kuin osaksi minunkin kartassani. Huomaan aina omat mokani luokittelussa vasta, kun alan kirjoittamaan tekstiä. Tässäkin kartassa viimeisin luokka, on todella suuri. Jos luokittelutapani olisi ollut erilainen olisivat erot näkyneet selkeämmin, kuten Julia oli tehnyt blogissaan (Julian blogi).

Kuva 2. Tulvariski ja järvisyys Suomen valuma-alueilla

Lähteet:

Helsingin Sanomat, Etelä-Afrikan kaivosteollisuus on häikäisevä ja synkkä  16.2.2014

(http://www.hs.fi/ulkomaat/a1392521059657) Luettu: 9.3.2015

J. Koskinen, Julian blogi, Kolmas kurssikerta, 2015

(https://blogs.helsinki.fi/juliakos/2015/02/02/kolmas-kurssikerta/) Luettu: 9.3.2015

Toisella kurssikerralla jatkoimme Map Infon käytön harjoittelua ja sen uusia mahdollisuuksia. Kurssikerran aiheena oli teemakartat, joten niitähän teimme paljon. Kävimme aluksi läpi erilaisten teemakarttojen teon yhdessä. Yhdistelimme myös erilaisia teemakarttoja. Mielenkiintoisimpia olivat 3D-kartta ja prismaattinen kartta. Harjoittelun jälkeen siirryimme itse tehtävään. Tehtävänämme oli etsia Sotka.net Tilasto ja indikaattoripankista kaksi eri aihetta ja niiden tiedot ja lisätä tiedot Map Infoon jotta voisimme hyödyntää niitä omiin karttoihimme. Valitsin aiheikseni ulkomaalaisten osuus väestöstä prosentteina vuonna 2013 ja väestöntiheys vuonna 2013. Tiedot olivat koko suomen alueelta kunnittain.

Valittuamme omat aiheemme ja sirrettyämme ne Map Infoon aloimme tekemään tietojen pohjalta teemakarttaa. Ideana oli siis tehdä teemakartta jossa kahta aihetta kuvataan kartassa yhtä aikaa päällekkäin. Ensin tein koropleettikartan Suomen väestöntiheydestä kunnittain. Luokat ovat kvantiileja ja niitä on neljä. Valitsin neljä luokkaa, jotta väestöntiheyden erot tulisivat hyvin esiin. Mielestäni tiheämpään asutut alueet erottuvat hyvin, mutta viimeinen luokka jossa on 30-5130 asukasta saattaa olla vähän harhaanjohtava. Kuitenkin asumistiehydessä on selkeä ero pohjoisen ja etelän kuntien välillä. Ulkomaalaisten osuutta väestöstä kuvasin palloilla. Ulkomaalaisten osuus on kuvattuna prosentteina. Pallot ovat hyvä ja havainnoillistava keino tähän karttaan, kuitenkin pääkaupunkiseudulla Ahvenanmaalla pallojen alta ei näy koropleettikarttaa, mikä vaikettaa kartan tarkastelua. Pääkaupunkiseudulla on oletettavasti suurin väestöntiheys koko maassa, mutta Ahvenanmaan kohdalla pallojen peittävyys häiritsee. Kuten Roosa Puumalainen mainitsee blogissaan selkeän kartan toteuttaminen on hankalaa, jossa molemmat ilmiöt kuvautuisivat selkeästi peittämättä toisiaan.

Kuva 1. Ulkomaalaisten prosentuaalinen osuus 2011 ja väestöntiheys 2013 Suomen kunnissa (MapInfo)

Kartasta on huomattavissa selkeä ero väestöntiheydessä maaseudun ja isompien kaupunkien läheisyyden välillä. Vaikka viimeinen luokka on 30-5130 asukasta ja skaala on laaja muihin luokkiin verrattuna, on tähän luokkaan kuuluvia kuntia suhteessa todella vähän. Maaseudulta muuttaa ihmisiä palveluiden ja työpaikkojen perässä taajamiin. Tilastokeskuksen tilastokoulu-sivuilla kerrotaan väestön tiheyden olleen vuonna 2013 Helsingissä ja että vuoden 2012 lopussa lähes 85 prosenttia Suome väestöstä asui taajamissa. Tämä selittää asutuksen keskittymisen suurimmaksi osaksi suurempiin kaupunkeihin ja tiettyihin kuntiin.

Ulkomaalaisten jakautuminen eri puolille Suomea näyttää karttaa tarkasteltaessa selkeältä. Suurimmat ulkomaalaiskeskittymät ovat pääkaupunkiseudulla, Vaasan seudulla ja Ahvenanmaalla. Ahvenanmaan suuren ulkomaalaisprosentit voisivat selittyä sen pienellä väestöllä jolloin prosenttiosuudetkin kasvavat helposti, mikä johtuu ruotsalaisten osuudesta alueella. Väestöliiton mukaan ulkomaalaiset ovat keskittyneet Suomessa suuriin kaupunkeihin, kuten kartassakin näkyy. Suomen kymmenessä kunnassa asuu lähes 65 prosenttia kaikista Suomessa asuvista ulkomaalaisista. Eniten ulkomaalaisia asuu Helsingissä, jonka väestöstä 8,4 prosenttia oli ulkomaalaisia vuonna 2013. Kaupunkejen välisiä eroja on kartassani vaikea verrata, koska ulkomaalaisten määrä on kuvattuna prosentteina kunnan väkiluvusta. Siksi Ahvenanmaakin nousee kartassa voimakkaasti esille. Jos tekisin kartan uudelleen, pohtisin tietojen soveltuvuutta erilaisiin teemakarttoihin paremmin.

Artikkeli 1.

Toisella kurssikerralla saimme luettavaksi Anna Leonowicin artikkelin “Two-variable choropleth maps as a useful tool for visualization of geographical relationship”. Artikkeli kertoo kahden muuttujan koropleettikarttojen käytöstä ja toimivuudesta, kun kuvataan kartassa esiintyvien ilmiöiden välistä suhdetta.

Kuva 2. Esimerkki kahden muuttujan esittämisestä samalla kartalla värien avulla (Leonowicz 2006).

Tavallisissa yhden muuttujan koropleettikartoissa on hyvä esittää alueellisia eroja. Kuitenkin, kun halutaan esittää kartalla kahden muuttujan välistä suhdetta, kahden erillisen koropleettikartan vertaileminen toisiinsa on tutkitusti vaikeaa. Silloin on hyvä käyttää kahden muuttujan koropleettikarttoja, joissa voidaan esittää kahta muuttujaa joko havainnollistamalla niiden välistä yhteyttä, esimerkiksi omassa kartassani esitin ulkomaalaisten määrän ja väestöntiheyden yhteyttä toisiinsa, tai esittää kahta muuttujaa joista voidaan tehdä johtopäätöksiä. Esimerkiksi syntyvyyden ja kuolleisuuden esittäminen kartalla antaa lukijalle mahdollisuuden päätellä alueen väestönkasvua. Kurssilla olemme käyttäneet kahden muuttujan esittämiseen lisäämällä koropleettikartan päälle toisenlaisen rasteripinnan, esimerkiksi erilaisilla viivoilla tai pisteillä kuvaamaan toista muuttujaa. Artikkelissa on tehty kahden muuttujan koropleettikartta värejä yhdistämällä. Mielestäni tällaisissa kartat ovat hyviä ja hyödyllisiä, mutta tarvitsevat tarkempaa tarkastelua tulkitsemiseen (ainakin tällaiselta aloittelijalta) kuin meidän tekemät teemakartat. Kuten kuvassa 2. näkee, legenda on monimutkaisempi, mutta kahden muuttujan välisen suhteen huomaa heti väristä.

Kuvan 2. kaltainen karttaesitys on mielestäni siis hyvin toimiva ja havainnollistava, kunhan se on tehty hyvin. Varoittavana esimerkkinä huonosta luokittelusta ja värien valinnasta tekstissä oli kuva 3. kohta B. Huonolta näyttää ainakin omalle värisilmälle jo tuossa kuvassa, saatika miltä näyttäisi kartalla… Kuvassa 3. kohta A oli esitetty teksissä onnistuneena värien valintana. Ymmärrän pointin, mutta mielestäni värit voisi valita paremminkin. B kohdan epäonnistuminen johtuu liian monesta luokasta ja epäonnistuneista väri valinnoista. Tekstissä sanotaan 9 luokan (3×3) olevan maksimimäärä kahden muuttujan koropleettikartalle, jotta kartan luettavuus olisi miellyttävää. Tämä onkin hyvä neuvo muistaa, sillä jo yksien luokkien lisääminen tuottaa aikamoisen sekametelisopan, kuten kohdassa B näkyy.

Kuva 3. Esimerkit kahden muuttujan koropleettikarttojen legendasta (Leonowicz 2006).

Kahden muuttujan koropleettikartan esittäminen väreillä on toimivaa, mutta siinä täytyy olla hyvin tarkka. Tällainen esitystapa sopii mielestäni henkilöille, joilla on tietämystä ja osaamista kartografiassa. Kuitenkaan en näe tällaisten karttojen esiintyvän niin sanotusti tavallisille ihmisille suunnatuissa kartoissa. Teksti kuitenkin todistaa, kuinka tärkeää kartografisten esitysten luomisessa on kiinnittää huomita luokkiin ja myös väreihin. Mielestäni meidänkin kursseilla olisi tärkeää myös puhua värien vaikuttavuudesta. Mitä selkeämmät ja harmoonisemmat värit kartassa ovat, sitä helpompi sitä on ymmärtää ja lukea.

Lähteet:

R. Puumalainen, Roosan blogi, 2015

<https://blogs.helsinki.fi/roosapuu/> Luettu 4.2.2015

Väestöliitto <http://www.vaestoliitto.fi/tieto_ja_tutkimus/vaestontutkimuslaitos/tilastoja-ja-linkkeja/tilastotietoa/maahanmuuttajat/maahanmuuttajien-maara/> Luettu 4.2.2015

Tilastokeskus, Tilastokoulu <http://tilastokoulu.stat.fi/verkkokoulu_v2.xql?course_id=tkoulu_vaesto&lesson_id=5&subject_id=10&page_type=sisalto> Luettu 4.2.2015

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