3. kurssikerta: Tietokantoja ja teemakartta valuma-alueista

Taas pääsemme mapinfoilemaan, tällä kertaa hyvin väsyneenä maanantaina. Tähän asti olemme käyttäneet valmiita tietokantoja karttojemme laatimiseen, mutta tällä kerralla harjoittelimme tekemään niitä itse yhdistelemällä aineistoa eri tietokannoista.

Tutustuimme tähän monivaiheeseen prosessiin Afrikka-esimerkin kautta, jossa yhdistimme tietoa afrikkalaisten internet -käyttäjistä, timanttikaivoksista, öljylähteistä ja konflikteista (kuva 1). Loimme uusia sarakkeita käyttämäämme tietokantaan, annoimme ohjelmalle ohjeita etsiä niihin uutta tietoa muista tietokannoista ja laskimme myös ihan uutta tietoa.

Kuvan 1 kartalta voidaan pohtia luonnonvarojen vaikutusta konflikteihin, joilla näyttäisi
olevan selvä yhteys. Näyttää myös siltä, että esitetyt ilmiöt ovat kasaantuneet

Kuva 1. Kartta Afrikan konflikteista ja luonnonvaroista. (PAK-tiedotusblogi 2014).

Kuva 1. Kartta Afrikan konflikteista ja luonnonvaroista. (PAK-tiedotusblogi 2014).

samoille alueille. Afrikassa on runsaasti luonnonvaroja, joista aiheutuvat voitot menevät valitettavan usein aivan muihin maihin. On myös valitettavaa, kuinka paljon karttaa peittää siinä esitetty konfliktien määrä.

Mielenkiintoista olisi, jos voisimme tutkia Afrikan
tietokannasta näiden ilmiöiden ajoittumista tai
esimerkiksi Internet-käyttäjien määrää kyseisellä
alueella. Jos tarkastelisimme tietoja ilmiöiden
ajankohdista (konfliktien alkaminen, luonnonvarojen löytäminen), voitaisiin löytää enemmän yhtäläisyyksiä ja ehkä jopa jollain tavalla ennustaa konfliktien alkamista.
Internetin käyttö on selvä kehityksen mittari ja sen avulla voitaisiin tarkastella, vaikuttaako luonnonvaroista saatu mahdollinen tuotto alueen kehitykseen. Tämä on kuitenkin monessa maassa ongelmallista, sillä voitot kertyvät usein vain tietylle ihmisryhmälle, eivätkä näin auta maan kehitystä.

Olisi myös mielenkiintoista verrata, miten Internetin käyttö vaikuttaa konfliktien syntymiseen. Johanna Hakanen kirjoittaa blogissaan: “Internet voi toimia esimerkiksi väylänä mielipiteiden ilmaisuun tai tiedonvälitykseen, ja sitä kautta se voi olla osa konflikteja, kuten nähtiin esimerkiksi joissain Arabikevään konflikteissa. Toisaalta Internet voi toimia myös sananvapauden ja rauhanomaisen vaikuttamisen välineenä ja sitä kautta vähentää konfliktien määrää.” (Johanna Hakanen 2014).

Tämän kerran toisena harjoituksena oli tehdä teemakartta tulvaindeksistä ja järvisyydestä valuma-alueittain. Tulvaindeksi saadaan, kun keskiylivirtaama jaetaan keskialivirtaamalla. Kartan laatimisessa jouduimme yhdistelemään eri tietokantojen tietoja, kuten Afrikka-esimerkissäkin. Täytyy myöntää, että vähän suurempi univaje (joka ei tietenkään johtunut viikonlopun haalarikastajaisista) teki tästä prosessista aikamoisen välivaiheiden sokkelon, ja huomasin muun muassa tehneeni saman välivaiheen moneen kertaan. Painiskelin myös aineiston luokitteluvalinnan kanssa, sillä mikään vaihtoehto ei tuntunut oikein sopivan. Ongelmia aiheutti tulvaindeksi-aineiston suurin arvo, joka oli 1100 seuraavaksi suuremman ollessa 500. Tästä syystä suurimmasta luokasta tuli varsin erikoinen, sillä siihen kuuluvat arvot vaihtelevat välillä 180-1100. No, tulihan se kartta lopulta tehtyä (kuva 2).

Kuva 1. Tulvaindeksi ja järvisyys valuma-alueittain. Tulvaindeksi esitetään koropleettikarttana ja järvisyys pylväsdiagrammina. Aineiston luokittelussa käytettiin kvantiileja.

Kuva 2. Tulvaindeksi ja järvisyys valuma-alueittain. Tulvaindeksi esitetään koropleettikarttana ja järvisyys pylväsdiagrammina. Aineiston luokittelussa käytettiin kvantiileja (Syke 2014).

Kaikista tulva-alttiimat alueet esitetään kartalla tumman sinisellä, vähiten tulva-alttiit vaaleammalla sävyllä. Järvisyyttä kuvaavat diagrammit on värjätty vaalealla violetilla. Siniset ja sinertävät sävyt sopivat kartan teemaan, sillä siinähän käsitellään veteen liittyviä ilmiöitä. Koropleetti-alueet erottuvat hyvin toisistaan, mutta pylväiden väritykseksi olisi ehkä voinut valita vähän enemmän taustasta poikkeavan värin. Kaikista pienempiä pylväitä on vaikea erottaa kartalta. Muun muassa Meri Korhonen on käyttänyt kartassaan punaisia pylväitä, jotka voivat olla hitusen helpommin erotettavissa koropleeteista (Meri Korhonen 2014). Meri on tehnyt myös kovan työn nimetessään karttaan Suomen jokia, joka tuo karttaan mielenkiintoisen lisän.

Nopeallakin silmäyksellä voi huomata, että tulva-alttiimat alueet sijaitsevat Itämeren rannikon läheisyydessä. Loput valuma-alueet kuuluvat matalimpaan tulvaindeksi-luokkaan, aivan pohjoisinta Lapin aluetta lukuun ottamatta. Järvisyys on suurinta Järvi-Suomessa ja pienintä rannikolla. Syitä kartalla esiintyviin ilmiöihin on varmasti useita. Asia, joka selkeästi näkyy kartalla on se, että järvien vähyys näyttää nostavan tulvaindeksiä. Mitä vähemmän järviä, sitä enemmän tulvia. Järvet ovatkin ”vesivarastoja”, jotka varastoivat sadevettä estäen näin jokien ylikuormittumisen. Rannikkoalueet ovat myös hyvin alavia, jolloin tulvat herkemmin leviävät laajemmalle alueella. Myös sademäärä saattaa olla sisämaan sademäärää suurempaa. Tosin en tiedä, pitääkö tämä Suomessa paikansa, sillä esimerkiksi föhn-tuuli taitaa kuivattaa aikalailla läntistä rannikkoa? Voisi myös kuvitella, että valuma-alueen koko voi vaikuttaa tulvimiseen jollain tavalla. On hyvä muistaa, että luonnollisten tekijöiden lisäksi tulva-alttiutta nostavat myös ihmisen teot. Esimerkiksi Pohjanmaan tulvat ovat voineet lisääntyä suo-ojitusten seurauksena.

Vaikka MapInfolla tietokantojen kanssa säätäminen tuntui etenkin tänä maanantaina erityisen hankalalta, en halua edes kuvitella, minkälaista olisi tuottaa näin isoista aineistoista (etenkin Afrikka-esimerkin aineistosta) karttaa ilman paikkatieto-ohjelmia. Vaikka monta kertaa on tullut kirottua, on kai lopulta vain kiitettävä näiden ohjelmien olemassa olosta.

 

Lähteet:

Afrikan kartan lähteet (2014): Afrikan pohjakartta: http://www.maplibrary.org/stacks/Africa/index.php  Timantit: http://www.prio.no/CSCW/Datasets/Geographical-and-Resource/Diamond-Resources/ Öljyvarat: http://www.prio.no/CSCW/Datasets/Geographical-and-Resource/Petroleum-Dataset/Petroleum-Dataset-v-12/ Konfliktien sijainnit: http://www.prio.no/CSCW/Datasets/Armed-Conflict/Conflict-Site/

Johanna Hakanen (2014). Kurssikerta 3: Datan lisääminen MapInfoon,
pohdintoja harjoituskartasta sekä valuma-aluekartta, PAK-2014 Johannan blogi. 10.3.2014. <https://blogs.helsinki.fi/johakane/>

Meri Korhonen (2014). Kolmas oppitunti: tietokantojen nypläystä, PAK-2014. 29.1.2014. < https://blogs.helsinki.fi/mtpkorho/ >

PAK-tiedotus blogi (2014). <https://blogs.helsinki.fi/pak-2014/>

Syke (2014). Valuma-alueet, Oiva-tietokanta. <http://wwwp2.ymparisto.fi/scripts/paikkatieto.asp>

 

2. kurssikerta: Kaksi päällekkäistä teemaa

Toisella kurssikerralla pureuduimme syvemmälle MapInfon ihmeelliseen maailmaan tekemällä monimutkaisempia teemakarttoja. Kun ensimmäisellä kerralla teimme yksinkertaisen koropleettikartan yhdestä teemasta, nyt pääsimme tutustumaan moniin muihinkin mahdollisiin karttaesityksiin.

Suurimman osan kurssikerrasta harjoittelimmekin yhdessä opettajan johdolla, miten erilaisia karttoja MapInfolla tehdään. Saimme kokeilla erilaisia vaihtoehtoja kaksiteemaisesta kartasta 3D-esitykseen. Oli mielenkiintoista nähdä, kuinka paljon erilaisia esitysvaihtoehtoja löytyy samalle aineistolle ja kuinka helppoja ne oli loppuen lopuksi toteuttaa. Välivaiheita ja yksityiskohtia oli kuitenkin sen verran, että voin arvella myös virheiden tekemisen olevan helppoa.

Itse tehtävä tällä kurssikerralla oli tehdä teemakartta, jossa on kaksi teemaa päällekkäin. Ohjeistus ”käytä kaikkea sitä oppimaasi, mitä tiedät teemakarttojen tekemisestä” muodosti kieltämättä pieniä paineita. Esitettäväksi alueeksi valitsin Uudenmaan maakunnan, mutta itse teema oli vaikeampi keksiä. Ajattelin ensin tehdä ympyräkartogrammin ikäluokkien jakaantumisesta, mutta äkkiä tässä prosessissa tuli Corelia ikävä. Kokelin useampaa eri teemaa ja esitystyyppiä, mutta MapInfo ei ollut useinkaan samaa mieltä, vaan päätti kaatua useamman kerran.

Lopulta sain valittua kahdeksi teemakseni työttömyysasteen ja korkea-koulutettujen osuuden väestöstä. Kummatkin aineistot muodostavat epämääräisen jakauman, joten käytin kummassakin luokittelutapana luonnollisia luokkavälejä (kuva 1, kuva 2).

kk2_histog1

Kuva 1. Histogrammi työttömyysasteesta Uudenmaan kunnissa vuonna 2010 (Histogrammityökalu 2014, Työssäkäyntitilasto 2010).

 

kk2_histog2

Kuva 2. Histogrammi korkea-asteen tutkinnon suorittaneiden osuudesta Uudenmaan kunnissa vuonna 2010 (Histogrammityökalu 2014, Oppilaitostilastot 2010).

Työttömyysasteen esitin kolmeluokkaisena koropleettikarttana. Enemmän kuin kolme luokkaa olisi tehnyt kaksiteemaisesta kartasta vaikeasti luettavan, varsinkin kun MapInfon omia värityksiä ja rastereita on joskus vaikea erottaa toisistaan. Esityksen väritykseksi valitsin kirkkaan punaisesta vaaleampaan punaiseen muuttuvat sävyt. Hertta Lehvävirtakin blogissaan toteaa, että punainen koetaan ”hälyttäväksi” väriksi, ja siksi se sopiikin työttömyyden kuvaamiseen (Hertta Lehvävirta 2014). Haastavampaa oli toisen teeman, ”korkea-asteen tutkinnon suorittaneiden osuus väestöstä” merkitseminen kartalle. En millään meinannut löytää sopivaa esitysmuotoa, ja MapInfosta tuntui löytyvän yllättävän vähän rasterivaihtoehtoja. Lopulta päädyin valitsemaan pisterasterin, jossa arvon suuruus näkyy pisteiden etäisyydestä toisistaan (kuva 3).

Tyottomyysaste_Korkeanasteen_koulutus

Kuva 3. Teemakartta työttömyysasteesta ja korkeakoulutettujen osuudesta Uudellamaalla vuonna 2010 (Työssäkäyntitilasto 2010; Oppilaitostilastot 2010).

Tehdystä kartasta voidaan tehdä joitakin johtopäätöksiä, vaikka ihan selkeää korrelaatiota näiden kahden teeman välillä ei voi nähdä. Ainakin voi sanoa, että tässä esitetyissä kunnissa, joissa korkeakoulutettuja on yli 37,5 %, ei työttömyys kuulu hälyttävimpään luokkaan, eli luokkaan 8,3-11,2%. Kaikista eniten korkeakouluttautuneita on kartan mukaan Helsingissä, Espoossa, Kirkkonummella ja Kauniaisissa. Espoo, Kauniainen ja Kirkkonummi kuuluvat myös alhaisimman työttömyysasteen luokkaan. Mitä kauemmaksi mennään Helsingistä, sitä vähemmän kunnissa asuu korkeakoulutettuja, johtuen kai ainakin osittain siitä, että korkeakoulutettujen työpaikat sijaitsevat enimmäkseen pääkaupunkiseudulla. Helsinki ja sitä ympäröivät kunnat näyttävät myös työttömyyden kannalta parhaimmalta, poikkeuksena toisin Vantaa, joka kuuluu korkeimpaan työttömyyden luokkaan. Syyt tähän eroon voisivat olla esimerkiksi Vantaan ”huono maine” muuhun pääkaupunkiseutuun verrattuna ja korkea vieraskielisten työttömyys. Kartassa on otettava huomioon, että käytetty aineisto on vuodelta 2010. Nykytietojen mukaan kartta näyttäisi erilaiselta. Esimerkiksi Espoossa työttömyysaste oli marraskuun 2013 loppupuolella 7,6 % (Työttömyys kuukausittain 2014).

Täsmälleen samasta teemasta on tehnyt myös Laura Hintsainen (Laura Hintsainen 2014). Myös hänen karttansa koostuu kahdesta päällekkäisestä koropleettikartasta, jossa työttömyysaste esitetään punaisella sävyllä ja korkea-asteen tutkinnon suorittaneiden osuus pisterasterilla. Selkeä ero kartoissamme on siinä, että käytimme aineistoa luokitellessamme erilaista luokittelutapaa; minä luonnollisia luokkavälejä ja Laura tasavälistä luokitusta. Uudenmaan työttömyystilanne näyttää paljon paremmalta Lauran kartasta, sillä korkeimman työttömyysasteen luokkaan kuuluu vain 6 kuntaa. Erityisesti vantaalaiset ovat varmasti tyytyväisempiä tasaväliseen luokitukseen; Lauran kartassa Vantaa kuuluu samaan työttömyysluokkaan kuin Helsinki, eikä suinkaan korkeamman työttömyyden luokkaan. Teoriassa kummatkin luokittelutavat sopivat epämääräiselle jakaumalle. Tästä herää kysymys siitä, minkälaisen viestin kartan avulla halutaan välittää. Meneekö Uudellamaalla hyvin vai huonosti? Kartantekijä voi viedä lukijaa jompaankumpaan suuntaan.

Lauran kartta: https://blogs.helsinki.fi/lhintsan/files/2014/01/Kurssikerta-2-Työttömyys-ja-koulutus-e1390330706763.png>

Tällä kurssikerralla huomasin erityisesti, kuinka helppo erilaisia karttaesityksiä on tuottaa. MapInfo saa näyttämään kaiken yksinkertaiselta, vaikka oikeasti taustalla olisikin meneillään lukuisia prosesseja. Tekisi myös mieli valita aineiston esittämiseen jokin erikoinen ja visuaalisesti jännittävä kartta, kuten 3D-mallinnus, vaikka se ei kyseisen aiheen esittämiseen sopisikaan. Kuka tahansa pystyisi luomaan MapInfolla jonkinlaisen kartan tietämättä itse ohjelmasta yhtään mitään, mutta yhden pienen välivaiheen pois jääminen voi vaikuttaa dramaattisesti lopputulokseen ja varsinkin siitä tehtyihin päätelmiin. Pakko palata siihen, mitä mietiskelin ensimmäisenkin kurssikerran jälkeen; kuinka paljon ohjelmat vaikuttavat kartan lopputulokseen. Meidän on opittava kontrolloimaan paikkatieto-ohjelmia, jotta ne eivät kontrolloisi meitä!

 

Artikkeli kaksiteemaisista kartoista

Puolalainen tutkija Anna Leonowicz esittelee artikkelissaan kaksiteemaisen koropleettikartan ominaisuuksia ja etuja verrattuna yksiteemaiseen karttaan (Leonowicz, A. 2006).

Leonowiczin mukaan yksiteemaiset koropleettikartat ovat yleisiä kartografiassa, mutta eivät sovi monimutkaisempien ilmiöiden ja suhteiden kuvaamiseen. Kaksi teemaisessa koropleettikartassa esitetään kaksi teemaa samanaikaisesti. Kahden yksiteemaisen kartan vertaaminen toisiinsa aiheuttaa enemmän virheitä kuin tilanteessa, jossa teemat esitetään samalla kartalla.

Kaksiteemaisia karttoja pidetään kuitenkin vaikea lukuisina. Niitä on vaikeampi ymmärtää, erityisesti niiden poikkeavaa legendaa. Leonowiczin artikkeli kuitenkin kertoo, että huono luettavuus ei kuitenkaan johdu itse kaksiteemaisuudesta, vaan huonosta visualisoinnista. Kartoissa voi olla liian monta luokkaa, tai värit voivat olla epäloogisia tai epäselviä toisiinsa nähden. Sopivaksi luokkien määräksi Leonowicz esittää neljä tai yhdeksän luokkaa (2×2 tai 3×3). Värien pitäisi selvästi erottua toisistaan ja edustaa omaa luokkaansa. Esimerkiksi värit magenta ja syaani sopivat tähän tarkoitukseen.

Leonowicz teki tutkimuksen, jossa oli tarkoitus verrata yksiteemaisen ja kaksiteemaisen koropleettikartan käyttötarkoitusta. Tutkimuksen hypoteesi oli, että yksiteemaiset kartat esittävät paremmin ilmiöiden jakaantumista, kun taas kaksiteemaiset sopivat ilmiöiden välisten suhteiden esittelyyn, silloin kun ne on toteutettu oikein. Koehenkilöinä tutkimuksessa käytettiin 128 maantieteen opiskelijaa. Leonowiczin mukaan tulokset olivat hypoteesin mukaiset.

Kaksiteemaiset koropleettikartat tuntuvat olevan hyviä esittämistapoja, jos ne osataan tehdään oikein. On sitten eri asia, onko niiden tekeminen oikein helppoa. Taidokkaan kartanlaatijan lisäksi kartan lukijalta vaaditaan hyvää kartanlukutaitoa. Etenkin hankalalta näyttävä, kaksiteemainen legenda saattaa saada kokemattoman lukijan turhautumaan; se koostuu hajontakuviosta, jossa akselit esittävät arvoja kummastakin muuttujasta.

Mitä monimutkaisempi kartta on, sitä enemmän kartanlukija saattaa tehdä lukuvirheitä. Jessica Järvinen huomauttaa blogissaan, että tätä voidaan käyttää myös hyväksi: Jäin miettimään, että kuinka helppo kartalla olisi esittää ・väärää・ tietoa ja saada kartta näyttämään luotettavalta ilman oikeaa korrelaatioyhteyttä. Kartan esitystapaa voisi käyttää siis väärin laittamalla sellaiset muuttujat kartalle, joilla näyttäisi olevan yhteys kartan perusteella, mutta totuudessa yhteys olisikin vähäinen. Tällä tavoin voisi käyttää karttaa omiin tarkoitusperiinsä ja yrittää muokata ihmisten mielipiteitä.” (Jessica Järvinen 2014). Erityisesti kartanlukutaidottomia ihmisiä voidaan helposti johtaa harhaan kartoilla, jotka eivät ole kovinkaan yksiselitteisiä.

Kun katson omaa karttaani huomaan, että minulla on vielä paljon opittavaa. Onneksi on olemassa tälläisiä kursseja, joissa näitä taitoja on mahdollista kehittää. Muuten eksyisin nopeasti karttojen mahdollisuuksien sekamelskaan.

 

Lähteet:

Hertta Lehvävirta (2014.) Ensimmäinen kurssikerta: tutustumista MapInfoon, PAK 2014/ Hertan kurssiblogi. 20.1.2014 <https://blogs.helsinki.fi/herttale/ >

Histogrammityökalu (2014). < http://illuminations.nctm.org/Activity.aspx?id=4152 >

Jessica Järvinen (2014). Artikkeli 1, Jessican PAK-blogi. 8.3.2014. <https://blogs.helsinki.fi/jessicaj/>

Laura Hintsainen (2014) Kahden teeman teema kartat, Lauran PAK-blogi. 23.1.2014. https://blogs.helsinki.fi/lhintsan/

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

Oppilaitostilastot (2010). Tilastokeskus.

Työssäkäyntitilasto (2010). Tilastokeskus.

Työttömyys kuukausittain (2014). Espoon kaupunki. 20.1.2014. <http://www.espoo.fi/fiFI/Espoon_kaupunki/Tietoa_Espoosta/ Tilastot_ja_tutkimukset/Tyossakaynti_tyottomyys_ja_elinkeinot/Tyottomyys_kuukausittain(549)>

 

 

1. kurssikerta: MapInfoon tutustuminen ja koropleettikartta

Paikkatiedon hankinta, analyysi ja kartografia -kurssilla on tarkoitus tutustua paikkatieto-ohjelmien käyttöön kartografiassa ja harjoitella niiden avulla laadukkaiden karttojen laatimista. Tarkoituksena on myös pohtia ja analysoida kurssilla saatua tietoa ja jakaa saadut päätelmät muille tämän blogin avulla.

Ensimmäisellä kurssikerralla kerrattiin paikkatiedon ja paikkatietojärjestelmien perusteita, sekä aloitettiin tutustumaan paikkatiedon käsittelemiseen MapInfo-ohjelmalla, jota aikaisemmin oli vain nopeasti vilkaistu TAK-kurssilla.

MapInfoa tutkittiin tekemällä harjoitus, jonka tarkoituksena oli luoda koropleettikartta jostain aiheesta. Aluksi teimme yhdessä opettajan johdolla kartan Helsingin osa-alueista, tutustuen MapInfon erilasiin toimintoihin. Vaikka teemakartan laatiminen vaikutti yksinkertaiselta ja ohjelman toiminnot loogisilta, heti kun aloin tekemään omaa karttaani olivat vaiheet unohtuneet samantien. Oli kuitenkin hauska yrittää etsiä, missä halutut toiminnot löytyvät ja samalla huomata mitä muuta ohjelmalla voi tehdä.

Oman koropleettikarttani tein eläkkeellä olevien osuudesta Suomen kunnissa vuonna 2010 (Eläkeläisten osuus väestöstä 2010). Itse kartan laatiminen ei ollut vaikeaa, kun vain oikeat toiminnot löytyivät ohjelmasta. Halutut tiedot pystyi valitsemaan kivuttomasti ja ohjelmasta löytyi erilaisia esitysvaihtoehtoja. Ohjelma osasi myös monessa kohtaa etukäteen arvata, mitä seuraavaksi halusin tehdä. Aineiston luokitteleminen oikein oli kuitenkin pelkällä MapInfo -ohjelmalla haastavaa, sillä ohjelmalla itsellään ei voinut luoda histogrammeja. Aineiston histogrammi tehtiin netistä löytyvällä histogrammi-ohjelmalla (Histogrammityökalu 2014). Aineisto on normaalisti jakaantunut (kuva 1). Voin siis käyttää luokittelutapoina kvantiileja, keskiarvoja ja hajontalukuja. MapInfossa ei ollut ollenkaan vaihtoehtona käyttää keskiarvoja, jota olisi myös ollut kiva kokeilla. Valitsin luokittelutavaksi kvantiilit. Jaoin aineiston vain kolmeen luokkaan, jolloin jokaiseen luokkaan tuli yhtä monta arvoa.

Elakkeella olevien osuus

Kuva 1. Histogrammi eläkkeellä olevien osuudesta Suomen kunnissa vuonna 2010 (Eläkeläisten osuus väestöstä 2010).

Hankalinta tässä harjoituksessa oli varsinaisen tulosteen luominen. Valmiin kuvan tekemiseen käytettiin layout -ikkunaa, joka muuttui samalla, kun varsinainen työikkuna muuttui. Tämä oli toisaalta kätevää, mutta Suomen kartan sommitteleminen layout-ikkunaan osoittautui hankalaksi. Erityisesti pohjoisnuolen ja mittakaavan asettaminen sopivaan paikkaan ei meinannut millään onnistua. Tähänkin ongelmaan voi olla ratkaisuja, joita en vielä tiedä. Yleisesti ottaen ohjelman visuaaliset toiminnot tuntuivat ainakin tähän asti hieman `tönköiltä`, varsinkin kun aikaisemmalla TAK-kurssilla totuttiin käyttämään Corel Draw -piirto-ohjelmaa. Myös Jonne Alkiomaa oli törmännyt samaan ongelmaan ja toteaa blogissaan: “Eri elementtien pitäminen oikeilla paikoillaan ja sen kokoisena kuin niiden halusi olevan tuntui olevan huomattavasti vaikeampaa kuin sen kuuluisi olla.” (Jonne Alkiomaa 2014).

Valmiista koropleettikartasta tuli kuitenkin suhteellisen selkeä ja helppolukuinen (kuva 2). Vihreä väri on mukava silmille, vaikka vähäisten luokkien takia tummin sävy saattaa erottua liikaa muista. Pientä hienosäätöä voisi vielä tehdä, sillä esimerkiksi kartan rannikko on turhan tarkkaan kuvattu tähän tarkoitukseen. Kartalta voi lukea, että vähiten eläkeläisiä on suurimmissa väestökeskittymissä, kuten pääkaupunkiseudulla ja vähemmän harva-asuisemmilla alueilla, kuten Ilomantsissa.

Elakkeella olevien osuus kartta – Kopio

Kuva 2. Koropleettikartta eläkeläisten osuudesta Suomen kunnissa vuonna 2010 (Eläkeläisten osuus väestöstä 2010).

Helpoiten kai huomaa omat virheensä, kun vertaa omia tuotoksiaan muiden tuotoksiin. Myös Natalia Erfving käytti samanlaista vihreää väritystä kartassaan, joka kuvaa työssäkäyvien henkilöiden osuutta 18–74-vuotiaista vuonna 2010 (Natalia Erfving 2014). Hän on värivalinnasta kanssani samaa mieltä: “valittu rasteriväri toimii myös mielestäni  hyvin: minimi- ja maksimiarvojen alueet erottuvat selkeästi kartalta, mutta väriskaala ei kuitenkaan ole korostetun silmiinpistävä.” Natalia käytti aineistossaan viittä luokkaa, joten kartat näyttävät samasta väristä huolimatta erilaisilta. Kun vertaan näitä karttoja huomaan, että omassa kartassani alueiden väliset erot näyttävät hyvin suurilta, vaikka karttojemme aineistojen vaihteluvälit eivät eroa kooltaan paljon toisistaan. Toisaalta omassa kartassani pidän siitä, että suurimmat asutuskeskittymät erottuvat selvästi kartalta vähiten eläkeikäisiä omaavaksi. Ehkä ensi kerralla kokeilen neljää luokkaa! Näin on tehnyt muun muassa Johanna Hakanen kartassaan, joka kuvaa 15-64 vuotiaiden osuudesta Suomen kunnissa vuonna 2010 (Johanna Hakanen 2014).

Natalian kartta: https://blogs.helsinki.fi/nataliae/files/2014/01/kartta1.png

Johannan kartta: https://blogs.helsinki.fi/johakane/files/2014/01/PIENEMPI-UUSI-e1389702715439.jpg

Mitäs tästä harjoituksesta ajattelen? Paikkatieto-ohjelmat ovat erittäin kätevä työväline etenkin suuren aineiston analysoinnissa ja esittämisessä. Ilman niitä karttoja olisi huomattavasti työläämpää toteuttaa ja inhimillisten virheiden määrä kasvaisi. En voi kuitenkaan olla huomioimatta myös sitä seikkaa, että nämä ohjelmat tekevät myös osittain valintoja kartantekijän puolesta. Kartta ei ole silloin vain kartantekijän tulos, vaan valinnat rajoittuvat myös ohjelmasta löydettäviin työkaluihin ja toimintoihin. Itse ohjelma voi siis ohjata tietynlaiseen kartantekotapaan.

 

Lähteet:

Eläkeläisten osuus väestöstä (2010). Väestörakenne 2010. Tilastokeskus, Helsinki.

Histogrammityökalu (2014). < http://illuminations.nctm.org/Activity.aspx?id=4152 >

Johanna Hakanen, Kurssikerta 1: MapInfo ja koropleettiteemakartta. 16.1.2014. <https://blogs.helsinki.fi/johakane/>

Jonne Alkiomaa, Kurssikerta 1. 16.1.2014. <https://blogs.helsinki.fi/jonnealk/ >

Natalia Erfving, Kurssikerta 1: MapInfoon tutustuminen & koropleettiteemakartta. 16.1.2014  <https://blogs.helsinki.fi/nataliae/ >