7. kurssikerta: Huhuja ja karttoja Euroopasta

Viimeistä viedään! Seitsemäs kurssikerta onkin viimeinen kurssikertamme. Niin ne viikot vain vierähtivät.

Tällä kerralla tavoitteemme oli tutustua paikkatiedon tuottamiseen kokonaisuutena, ihan alusta lähtien. Meidän oli hankittava koko aineisto itse, sekä pohjakartta että itse tiedot. Katri Ruudun sanoin: “Tiedostojen etsiminen oli jo jossain määrin työlästä, mutta pientä verrattuna siihen, kuinka paljon aivosoluja vaati itse karttojen tekeminen.” (Katri Ruutu 2014). Vaikka opettajamme tietenkin auttoi tarvittaessa meidän oli pääasiassa pärjättävä omillamme ja ainakin yrittää käyttää kaikkea sitä tietoa, jota olemme tällä kurssilla oppineet.

Päätin tehdä karttani Euroopasta. Olin onnekas siinä mielessä, että pystyin käyttämään kurssilla aikaisemmin käytettyä kartta-aineistoa. Valitsin koko maailmaa käsittelevästä aineistosta vain Euroopan maat. Tämäkin aiheutti aluksi suuria ongelmia, sillä en meinannut saada edes yksinkertaista Select -työkalua toimimaan. Onneksi opettajamme tuli ystävällisesti huomauttamaan, että olin jättänyt haku- kohdasta lainausmerkit käyttämättä. Niin pienestäkin se voi jäädä kiinni.

Tietoa Euroopasta löytyi yllättävän paljon ja ne sai kätevästi ladattua Excel- tiedostoksi, vaikka nämä tiedostot vaativatkin hieman käsittelyä ennen MapInfoon siirtämistä. Valitsemani aiheet osoittautuivat puoli vahingossa hyvin negatiivisiksi (ei olisi ehkä kannattanut etsiä niitä sen Suomi-Ruotsi ottelun jälkeen….). Toisaalta ne käsittelevät käsityksiä Suomesta, joita olen jo aikaisemmin pohtinut. Olen monesta suunnasta kuullut, että suomalaiset ovat itsemurhatilastojen kärjessä ja juovat alkoholia keskimääräistä enemmän. Näiden aiheiden rinnalle otin vielä BKT:n asukasta kohden sekä köyhyys – ja syrjäytymisvaarassa olevien ihmisten osuuden väestöstä.

On valitettavaa, että monista maista tiedot puuttuivat tai olivat selvästi puutteelliset. Harmaa ”ei tietoa” – aineisto hankaloittaa jonkin verran kartan lukemista. Corel ei ilmeisesti taaskaan ollut tyytyväinen MapInfon väreihin ja päätti vaihtaa värisävyt enemmän marjapuuron väriseksi (kuva 1, 2).

Kuva 1. Itsemurhat 100 000 asukasta kohden Euroopan maissa. Karttaan on merkitty myös näiden maiden BTK asukasta kohden. Tiedot ovat vuodelta 2010 (Europe Map 2014, Statistic database 2014).

Kuva 1. Itsemurhat 100 000 asukasta kohden Euroopan maissa. Karttaan on merkitty myös näiden maiden BTK asukasta kohden. Tiedot ovat vuodelta 2010 (Europe Map 2014, Statistic database 2014).

Itsemurhatilastot eivät näytä suomalaisesta näkökulmasta kovinkaan positiiviselta, vaikka olisin odottanut huhujen mukaan paljon suurempaa eroa. Suomi kuuluu toiseksi suurimpaan luokkaan muun muassa Puolan, Viron, Latvian ja Itävallan kanssa, jossa itsemurhia tehdään 15,5 – 25,6. Kaikista eniten itsemurhia vuonna 2010 tehtiin Unkarissa ja Liettuassa. On hämmentävää, että kaikista vähiten itsemurhia tehdään Kreikassa, joka voi hyvin johtua myös väärästä ja puutteellisesta tiedosta. Ainakaan tällä hetkellä se tuskin on mahdollista, tosin tiedot ovat vuodelta 2010. Jos verrataan bruttokansantuotetta itsemurhatilastoihin, voidaan huomata, että Suomi ja Belgia ovat ainoat maat, jotka sijoittuvat itsemurhatilastoissa korkealle, vaikka BKT:kin on korkea.

Kuva 2. Alkoholismin aiheuttamat kuolemat 100 000 asukasta kohden Euroopan maissa. Karttaan on merkitty myös näiden maiden köyhyys – ja syrjäytymisvaarassa olevat ihmiset prosentteina. Tiedot ovat vuodelta 2010 (Europe Map 2014, Statistic database 2014).

Kuva 2. Alkoholismin aiheuttamat kuolemat 100 000 asukasta kohden Euroopan maissa. Karttaan on merkitty myös näiden maiden köyhyys – ja syrjäytymisvaarassa olevat ihmiset prosentteina. Tiedot ovat vuodelta 2010 (Europe Map 2014, Statistic database 2014).

Myös alkoholikuolemissa suomalaiset sijoittuvat toiseksi suurimpaan luokkaan. Erityisesti tässä olisin odottanut huonompaa sijoittumista, vaikka ei tämäkään sijoitus erityisen hyvä ole. Kaikista eniten alkoholikuolemia tapahtuu muun muassa Norjassa, Virossa, Latviassa, Saksassa ja Itävallassa. Norjan korkeat alkoholikuolemat olivat minulle yllätys, sillä tuntuu siltä, että Norjaa pidetään kaikin puolin lähes täydellisenä maana asua. Ehkä Norjassa on niin hauskaa, että ihmiset juhlivat itsensä hengiltä? No, ei ehkä sentään. Köyhyys – ja syrjäytymisvaaran ja alkoholikuolemien välillä ei näyttäisi olevan mitään merkittävää korrelaatiota.

Suomi ei erottunutkaan kartoista ihan niin paljon kuin odotin. Suomessa itsemurhien määrä olikin suurimmillaan vuonna 1990, jolloin tehtiin yli 1 500 itsemurhaa. Sen jälkeen itsemurhakuolleisuus on pienentynyt 20 vuodessa yli 40 prosenttia ja on edelleen laskussa. Kuitenkin verrattuna muihin EU-maihin alle 65-vuotiaiden suomalaisten itsemurhakuolleisuus oli vielä vuonna 2010 noin puolitoistakertainen EU:n keskimäärään verrattuna (Itsemurhat 2013). Myös alkoholin käyttö on vähentymässä Suomessa. Alkoholijuomien kokonaiskulutus on laskenut vuodesta 2007 alkaen. Vuonna 2012 se oli ensimmäistä kertaa lähes kymmeneen vuoteen alle 10 litran sataprosenttisena alkoholina asukasta kohden. Alkoholijuomien kulutuksen rakenne on muuttunut myös mietoja alkoholijuomia suosivaksi. Väkevien alkoholijuomien kulutus on vähentynyt 24 prosenttia viimeisen viiden vuoden aikana (Alkoholijuomien kulutus 2012 ).

Näihin aiheisiin päättyy tämä PAK -kurssi. Vaikka viimeisen kurssikerran aiheeni eivät ehkä positiivisuudella loistaneet, ainakin mieli jäi positiiviseksi. Kurssin aiheiden kanssa oli hauska puuhastella, vaikka välillä MapInfon kanssa saikin taistella kynsin ja hampain. Varmasti joudun vielä moneen kertaan paikkatieto-ohjelmien kieltä kertaamaan, mutta nyt nämä ohjelmat eivät enää tunnu pelottavilta sokkelohirviöiltä. Ainakaan kovin paljon.

 

Lähteet:

Alkoholijuomien kulutus 2012 (2012). Terveyden ja hyvinvoinnin laitos. 26.2.2014. <http://www.thl.fi/fi_FI/web/fi/tilastot/aiheittain/paihteet_ja_riippuvuudet/alkoholi/alkoholijuomien_kulutus>

Europe Map (2014). Maps of World. 25.2.2014. <http://www.mapsofworld.com/europe/>

Itsemurhat (2013). Findikaattori, Tilastokeskus. 26.2.2014. <http://www.findikaattori.fi/fi/10>

Katri Ruutu (2014). Kurssikerta 7: Viimeinen taistelu MapInfon kanssa, Katrin kurssiblogi. 10.3.2014. <https://blogs.helsinki.fi/karuutu/>

Statistic database (2014). Eurostat. 25.2.2014. <http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home/>

 

 

 

 

6. kurssikerta: Opetuskarttoja

Tällä kertaa emme heti avanneetkaan MapInfoa, vaan menimme ulos keräämään omaa aineistoa.

Tehtävämme oli keksiä oma aihe pienissä ryhmissä ja kerätä tähän aiheeseen liittyvien kohteiden koordinaattitietoja. Saimme käyttöömme GPS-paikantimet. Päätimme kerätä tietoa siitä, mihin kampuksen lähettyvillä ihmiset ovat jättäneet pyöränsä parkkiin. Kerättyämme tarpeeksi aineistoa kirjasimme tiedot Excel-ohjelmaan, josta taas edelleen siirsimme ne MapInfoon tarkasteltavaksi (kuva 1). 

Kuva 1. Ryhmämme paikantamat pisteet pohjakartalla. Jotkut pisteistä ovat väärässä kohdassa mittauspaikkaan verrattuna. Opettajamme sanoi tämän johtuvat siitä, että GPS-paikannin ei saa hyvin yhteyttä satelliitteihin lähellä rakennuksia.

Kuva 1. Ryhmämme paikantamat pisteet pohjakartalla. Jotkut pisteistä ovat väärässä kohdassa mittauspaikkaan verrattuna. Opettajamme sanoi tämän johtuvat siitä, että GPS-paikannin ei saa hyvin yhteyttä satelliitteihin lähellä rakennuksia.

Kokeilimme myös geokoodausta tällä kurssikerralla. Harjoituksessa käytimme aineistoa Helsingin pelikoneista. Eetu Summanen kirjoittaa tästä blogissaan: “Harjoituksessa opettelimme geokoodauksen perusteet eli tavan, millä pisteaineistoa saadaan sidottua jo olemassa olevan sijaintitietokannan avulla kartalle mahdollisimman tarkasti. Molemmista tietokannoista täytyy siis löytyä yhteneväisiä tietoja, jotta sijoittaminen ja kartalla esittäminen olisi mahdollista” (Eetu Summanen 2014). Vaikka MapInfoa oli välillä opastettava prosessissa, tapahtui tämän suuren aineiston geokoodaminen yllättävän nopeasti ja ongelmitta.

Itsenäistehtävänä tällä kurssikerralla oli tehdä kolme erilaista, hazardeihin liittyvää karttaa. Tarkoituksena oli pohtia, miten näitä karttoja voitaisiin hyödyntää opetustilanteessa. Tällä kertaa aineistokaan ei löytynyt sujuvasti meille valmiiksi tehdyistä kansioista, vaan se piti itse etsiä netistä. Löydetty aineisto oli ensin muokattava Excel-ohjelmassa (ja myös Wordissa, sillä Excel kovasti pitää päivämääristä) ja siirrettävä edelleen käsiteltäväksi MapInfoon.

Tein kolme varsin yksinkertaista karttaa Maapallon tulivuorista, maanjäristyksistä ja meteoriitti-iskuista (kuva 2, 3, 4). Yritin muistella, mitä ajattelin silloin näistä luonnon hazardeista, kun en tiennyt niistä vielä oikein mitään. Päällimmäisenä minulle tuli mieleen, että nämä ilmiöt tuntuivat sellaisilta, joita tapahtuu todella harvoin. Totuus on tietenkin toisenlainen. Halusin siis kartoillani lähteä esittämään, kuinka usein kyseisiä ilmiötä tapahtuu. Ideaalinen tilanne olisi ollut, jos olisin saanut kaikkien kolmen kartan ilmiöt samalta aikajanalta, vuosilta 2000-2014, mutta valitettavasti tulivuori-aineisto oli luokiteltu eri tavalla muihin aineistoihin verrattuna, enkä saanut sitä muutettua.

Kuva 2. Vuosina 2000-2014 tapahtuneet yli 6 richterin maanjäristykset (ANSS. 2014).

Kuva 2. Vuosina 2000-2014 tapahtuneet yli 6 richterin maanjäristykset (ANSS. 2014).

 

Kuva 3. Tulivuoret, jotka ovat olleet aktiivisia vuosina 1964-2014 (Volcano location database 2014).

Kuva 3. Tulivuoret, jotka ovat olleet aktiivisia vuosina 1964-2014 (Volcano location database 2014).

 Kuva 4. Paikkoja, johon meteoriitti on törmännyt vuosina 2000-2014 (Meteoritessize 2014).


Kuva 4. Paikkoja, johon meteoriitti on törmännyt vuosina 2000-2014 (Meteoritessize 2014).

Tulivuoriaineistossa huomasimme Iina Asunnan kanssa, että yksi aktiivinen tulivuori oli merkitty Ruotsiin (Iina Asunta 2014). Se hämmensi meitä ja luulimme olevamme aivan pihalla maailman asioista, kunnes tutkimme asiaa internetistä. Kävi ilmi, että Ruotsiin oli merkitty vuori Lakagigar on todellisuudessa Islannissa. Ei pidä kai sokeasti mihinkään luottaa.

Mielestäni kartat soveltuvat esittämään sitä, kuinka usein näitä hazardeja tapahtuu (vaikkakin vain suurin piirtein). Vaikka kartoissa pisteet menevät päällekkäin ja niitä on vaikea erottaa toisistaan, sillä ei tässä tapauksessa ole sen suurempaa merkitystä. Erityisesti maanjäristyskartasta voidaan myös havainnollistaa, missä maanjäristykset yleensä esiintyvät. Meteoriittikartasta ei voida lukea, mille alueelle meteoriitit usein osuvat, sillä havaitut törmäyspaikat voivat perustua siihen, missä meteoriitteja eniten etsitään ja mistä niitä helpoiten löydetään.

 

Lähteet:

ANSS. (2014). Northern California Earthquake Data Center. 17.2.2014 <http://quake.geo.berkeley.edu/anss/catalog-search.html>

Eetu Summanen (2014). KK6: Omin käsin kerätyn aineiston hyödyntäminen ja MapInfo opetuskäytössä, Eetun Pakki. 23.2.2014. <https://blogs.helsinki.fi/eesu/>

Iina Asunta (2014). Iasunta’s blog. <https://blogs.helsinki.fi/iasunta/>

Meteoritessize (2014). 17.2.2014. <https://www.google.com/fusiontables/DataSource?docid=1vHSvjNgCIl6kRhFXPHhvESnnYx_ShToJWtWdjm8#rows:id=1>.

Volcano location database (2014). National Geophysical Data Center. 17.2.2014. <http://www.ngdc.noaa.gov/nndc/struts/form?t=102557&s=5&d=5>

5. kurssikerta: Bufferointia ja taistelua

Nyt täytyy kyllä todeta, että olipa kurssikerta! Opettajamme pelottelut tästä kurssikerrasta eivät olleet vain pelotteluja, vaan saimme tehdä työtä toden teolla. Tarkoitus oli käyttää kaikkea sitä tietoa, jota olimme keränneet tähän asti tällä kurssilla (olettaen tietenkin, että muistaisimme vielä kaiken…).

Aloitimme harjoittelemalla bufferointia edellisellä kerralla tekemäämme aineistoon Pornaisten keskustasta. Tämä oli vielä varsin helppoa, kun meitä ohjattiin kädestä pitäen ja MapInfosta löytyi käteviä työkaluja. Bufferointi-harjoituksen jälkeen siirryimme itsenäistehtäviin ja siitähän se alamäki sitten alkoi.

Oli vaikea kuvitella, että muutaman tehtävän ratkaisu veisi niin paljon aikaa. Tehtävämme liittyivät muun muassa Helsingin lentokenttien meluhaittoihin ja taajama-alueisiin. Vaikka lähdin matkaan taisteluhengellä se alkoi pikku hiljaa kulua pois, kun oikeat reitit MapInfon sokkelossa eivät meinanneet millään löytyä. Oli myös lannistavaa, että lopulta jonkinlaisen tien löydettyäni vastaukset heittivät oikeasta, no, sanotaanko muutamalla tuhannella. Myöhemmin toki huomasimme vierustoverin kanssa, että olimme muun muassa kirjanneet rakennusten määrät asukkaiden määrän sijasta. Tuntui, että kaikki teoria oli heitetty ikkunasta ulos ja ratkaisin ongelmia vain asenteella ”no kokeillaan jos se menisi vaikka näin”. Saatoin melkein kuulla MapInfon nauravan  tietäen tasan tarkkaan miten ongelmat ratkaistiin, mutta se ei viitsinyt niistä minulle kertoa.

Onneksi opettajamme sanoi pian minulle tarpeellisen kommentin: ”Ei sun tarvitse tehdä niitä niin kauheen monimutkaisesti”. Tajusin tämän olevan suurin ongelmani. Tein kaiken kymmenellä välivaiheella vaikka kaksikin olisi riittänyt. Samalla kuitenkin huomasin, että tehtävien tekemiseen on monta eri ratkaisuvaihtoehtoa. Ei tietenkään ollut järkevää valita juuri sitä ratkaisua, joka vei neljä kertaa enemmän aikaa.

Suurien alkuvaikeuksien jälkeen homma alkoi kuitenkin sujua paremmin ja toivottavasti oikeitakin vastauksia alkoi löytyä (taulukko 1, 2). Oli kyllä maailman kahdeksas ihme, että sain tehtyä tehtävät kurssikerran aikana.

 

     Taulukko 1. Vastausyrityksiä ja vastauksia itsenäistehtäviin.

Tehtävä 1.

Kuinka monta ihmistä asuu pahimalla melualueella Malmin lentokentällä?

1km säteellä = 4693*

2km säteellä = 775*

Kuinka monta ihmistä asuu Helsinki-Vantaan lentokentän välittömässä yhteydessä?

2261*

Pahimmalla melualueella Helsinki-Vantaan lentokentän yhteydessä asuvat?

15%*

Kuinka monta ihmistä asuu vähintään 55dB melualueella?

1696*

Kuinka monen ihmisen elämää lentomelu haittasi Tikkurilassa?

1752*

 

Kuinka monta asukasta asuu alle 500m päässä lähimmästä juna-asemasta?

80576

Kuinka monta prosenttia asukkaista asuu alle 500m päässä juna-asemasta?

16%

Kuinka monta prosenttia näistä ihmisistä on työikäisiä?

73%

*Tehtävän 1 vastaukset ovat väärin, sillä huomasin myöhemmin kirjanneeni ylös rakennusten määrän asukkaiden määrän sijasta. Workspace-tallentaminen olisi ollut hyvä idea.

 

   Tehtävä 2

Kuinka monta prosenttia asukkaista asuu taajamissa?

86%

Kuinka monta kouluikäistä asuu taajamien ulkopuolella?

7537, kaikista kouluikäisistä 15%

Kuinka monella alueella ulkomaalaisten osuus on yli 10%, 20%, 30%?

22, 6, 4

 

   Taulukko 2. Tietoja Helsingin Yhtenäiskoulun koulupiiristä.

Seuraavana vuonna koulunsa aloittavat oppilaat

16

Seuraavana vuonna opetettavat yläaste-ikäiset

79

Koulupiirin alueen kouluikäisten osuus

9%

Muunkieliset kouluikäiset alueella

7

 Tällä kerralla käsiteltyä bufferointia voitaisiin käyttää monella eri tavalla. Bufferoinnilla voidaan laskea kohteen yhteyksiä naapurialueiden ominaisuuksiin. Käytännössä sitä voitaisiin hyödyntää myös esimerkiksi toimipisteiden sijainnin suunnittelussa tai ympäristövaikutusten arvioinnissa. Piia Heimolakin mainitsee blogissaan: “Bufferointia voidaan käyttää myös silloin jos pohditaan, voitaisiinko jollekin alueelle perustaa joitakin toimintoja ja bufferoinnilla voidaan selvittää, riittäisikö tälle toiminnolle potentiaalisia käyttäjiä tai asiakkaita.” (Piia Heimola 2014).

Käyttötapoja on varmasti lukuisia. Henri Järvisalo mainitsee blogissaan puskuroinnin hyödyt logistiikka suunnittelussa: ”Puskurivyöhykkeet ovat erittäin käytännöllisiä myös logistisessa suunnittelussa, esimerkiksi haluttaessa tietää, kuinka suuri osa ihmisistä asuu liikenteen solmukohtien lähiympäristössä.” (Henri Järvisalo 2014). Voidaan siis laskea, mitkä kohteet osuvat tietyn tekijän vaikutusalueelle.

Teoriassa tiedän jo paljon MapInfon perusteista, mutta käytännössä ne vaativat vielä harjoittelua. Pelkästään ulkomuistista ohjelman käyttäminen on vielä hankalaa ja hidasta. Teemakarttojen tekeminen tuntuu jo suhteellisen turvalliselta, vaikka ilman muiden ohjelmien apua visuaalliset toiminnot jäävät tönköksi. Kaikista haastavinta on tietokantojen kanssa leikkiminen, niiden tietojen yhdistely ja niistä tiedon etsiminen ongelman ratkaisun mukaisesti. Vaikka nämä toiminnot eivät vielä suju kuin vettä vaan, ne ainakin tässä vaiheessa tuntuvat olevan MapInfon tärkeimpiä ominaisuuksia. Valtavienkin tietokantojen käsittely käy suhteellisen helposti, varsinkin kun sopivat toiminnot sattuvat löytymään. Tietokantoja voi myös muokata ja päivittää varsin kivuttomasti.

Tänään huomasin erityisesti, että suurin vaikuttava tekijä siihen, millaisia ongelmia ohjelmalla voi ratkaista, on ohjelman käyttäjä itse. Jos tiedot ohjelman toiminnasta ovat puuttelliset, ongelmia ei ole helppo ratkaista oikein. Seuraava rajoittava tekijä on tietenkin itse ohjelmasta löytyvät työkalut ja niiden kapasiteetti. Hienolta tuntuu aina silloin, kun pääsemme MapInfon kanssa jostain yhteisymmärrykseen (vaikka tätä tapahtuukin vielä suhteellisen harvoin) ja haluttu vastaus löytyy. Tänään MapInfo oli taas parempi, se voitti 4-2. Mutta peli ei ole vielä pelattu?

 

Lähteet:

Henri Järvisalo (2014). KK5: Bufferointia ja menneiden aikojen muistelua, Paikkatietotaito: Biologiblogi. 12.2.2014. <https://blogs.helsinki.fi/hpjarvis/>

Piia Heimola (2014). 5. kurssikerta, Piia Heimolan PAK-blogi. 13.3.2014. <https://blogs.helsinki.fi/pheimola/>

 

 

4. kurssikerta: Ruututeemakartta

Kauhean nopeasti aika menee, kun nyt suoritimme jo neljännen kurssikerran! Tällä kerralla paneuduimme ruututeemakarttojen luomiseen, joka ei ollutkaan niin vaikeaa kuin kuvittelin. Aineistona käytimme rakennuskohtaista väestötietoa pääkaupunkiseudusta vuodelta 2009. Hauskaa oli, että löysin aineistosta myös itseni, 17-vuotiaan Christan vanhasta kotiosoitteestani.

Ruudukon asettaminen kartalle kävi näppärästi, ainoastaan se oli ikävää, että ruutujen kokoa ei voinut enää myöhemmin muuttaa. Kokeilin erikokoisia ruutuja koosta 200m x 200m kokoon 20 000m x 20 000m. Tuossa isommassa koossa ei tietenkään ollut mitään järkeä. Päädyin lopulta kokoon 600m x 600m. Testasin myös erilaisia aiheita ja päädyin tekemään ruututeemakarttani eläkeläisten määrästä (Eläkeläisten määrä 2014).

Aineiston luokittelun kanssa minulla oli tällä kertaa eniten ongelmia. Histogrammityökalussa aineistoa tutkiessani epäilin jakaumaa vinoksi ja opettajamme nimesikin sen ”SUPER-vinoksi” (Histogrammityökalu 2014). Kokeilin kaikkia vinoon jakaumaan sopivia luokittelutapoja, mutta mikään ei oikein tuntunut näyttävän läheskään hyvältä. Onneksi tajusin kysyä uudestaan apua, sillä olin unohtanut, että karttaa tehdessäni olin jättänyt kaikki 0-arvot huomiotta. Näin ollen tietokannan aineisto on siis eri kun itse kartan aineisto. Todellinen aineisto paljastuikin epämääräiseksi ja käytin luokittelutapana luonnollisia luokkavälejä. Värisävyksi valitsin violetin.

Koska MapInfo ei halunnut tehdä kaikkea itse, siirryin jatkamaan kartan viimeistelyä Coreliin (Corel Draw X5), jossa poistin muun muassa kartalta löytyviä turhia viivoja ja mittakaavan valkoisen taustan sekä muuntelin kaupunkien rajaviivojen kokoa. Myöhemmin Corelista tulostettua kuvaa katsellessani huomasin, että värisävyt olivat muuttuneet siirtäessäni kuvaa ohjelmasta toiseen (kuva 1). Suurinta ja toiseksi suurinta luokkaa on nyt vaikeampi erottaa toisistaan. Kuulin myös, että toisillakin opiskelijoilla oli ollut samanlaisia ongelmia. Muuten kartta on selkeälukuinen ja siitä näkee mihin eläkeläiset keskittyvät. Rantaviivan olisi voinut jättää rajaamaan merialueille ulottuvia ruutuja, mutta Corel-seikkailun jälkeen MapInfoon palaaminen ei tuntunut kivalta idealta. Jos aikaa jää, palaan korjaamaan virheet myöhemmin. (Niin varmaan…)

Kuva 1. Eläkeläisten absoluuttinen määrä pääkaupunkiseudulla.

Kuva 1. Eläkeläisten absoluuttinen määrä pääkaupunkiseudulla vuonna 2009 (Eläkeläisten määrä 2014).

Kartasta voi nähdä, että eläkeläisiä on eniten alueella, jossa väestöntiheys on suurin. Vähiten eläkeläisiä on Espoon ja Vantaan pohjoisosissa, joissa ei muutenkaan asu paljon ihmisiä. Eniten yli 65-vuotiaita näyttäisi olevan Helsingissä, suhteellisesti eniten taas Kauniaisissa. Hyvät kulkuyhteydet ja lähellä sijaitsevat palvelut helpottavat iäkkäiden ihmisten elämää. Koska kartalla esitettävä tieto on absoluuttista, ei voida kuitenkaan tarkasti sanoa, mihin alueille eläkeläiset suhteellisesti ovat keskittyneet. Joko huonojen etsitätaitojeni tai tiedon puuttumisen takia en löytänyt kaikista pääkaupunkiseudun kunnista tietoa eläkeläisten suhteellisesta määrästä. Ainoastaan Espoon ja Vantaan tiedot löytyivät varsin helposti, Vantaalla yli 65-vuotiaita oli 13,4% ja Espoossa 12,4% vuonna 2013 (Vantaan väestö 2012/2013 2014, Väestörakenne 2014). Tietenkin pitää tässä vaiheessa taas muistaa, että kartan aineisto on valitettavasti vuodelta 2009. Myös kuntien huoltosuhde kertoo eläkeläisten suhteellisesta jakaumasta, ja aiheesta löysinkin seuraavan diagrammin (kuva 2).

Kuva 2. Vanhushuoltosuhde Helsingin seudun kunnissa vuonna 2013. (Väestö 2014).

Kuva 2. Vanhushuoltosuhde Helsingin seudun kunnissa vuonna 2013. (Väestö 2014).

Suhteellinen määrä näyttää todella olevan korkeinta Kauniaisissa ja matalinta Espoossa. Pääkaupunkiseudulla on kuitenkin muihin kuntiin verrattuna vähemmän eläkeläisiä, kuten voi huomata ensimmäisellä kurssikerralla tekemästä kartastani.

Myös Minni Aalto on tehnyt kartan eläkeläisten absoluuttisesta määrästä pääkaupunkiseudulla (Minni Aalto 2014). Minni on käyttänyt ruutukokoa 300m x 300m, joka tekee hänen kartastaan tarkemman. Käytännössä kartat näyttävät kuitenkin samalta. Minni teki myös erikseen kartan yli 60-vuotiaiden jakautumasta pk-seudulla, sillä osa tästäkin ikäluokasta on jo eläkkeellä. Hänen sanojensa mukaan kuitenkin: ”Kuten kartoista nähdään (kuvat 1 ja 2), eroa ei juurikaan huomaa eli todennäköisesti 60-64-vuotiaat jakautuvat alueelle melko samalla tavalla kuin iäkkäämmätkin ihmiset.

Vielä tunnin loppukevennykseksi pääsisimme kokeilemaan MapInfon piirto-ominaisuuksia. Nämä ominaisuudet taitavat olla muiden ohjelmien heiniä, vaikka pari hauskaa työkalua voisi olla hyvä lisätä Coreliinkin. (kuva 3).

Kuva 3. Sekoilua MapInfon piirtotyökaluilla. Miksei tätä pistetyökalua ole Corelissa?

Kuva 3. Sekoilua MapInfon piirtotyökaluilla. Miksei tätä pistetyökalua ole Corelissa?

 

Lähteet:

Eläkeläisten määrä (2014). Tilastokeskus, Helsinki.

Histogrammityökalu (2014). <http://illuminations.nctm.org/Activity.aspx?id=4152>. 6.2.2014.

Minni Aalto (2014). Kurssikerta 4: Rasterikarttoja MapInfolla. https://blogs.helsinki.fi/mmaalto/

Vantaan väestö 2012/2013 (2014). Vantaan kaupunki. 6.2.2014.http://www.vantaa.fi/instancedata/prime_productjulkaisu/    vantaa/embeds/vantaawwwstructure/91053_vaestoraportti_2013_nettiversio.pdf

Väestö (2014). Helsingin seudun keskeiset tunnusluvut / Helsingin kaupungin tietokeskus. 6.2.2014 <http://www.hel.fi/hel2/Helsinginseutu/HS_tunnusluvut/01_Vaesto_2013.pdf>

Väestörakenne (2014). Espoon kaupunki. 6.2.2014. <http://www.espoo.fi/fi-FI/Espoon_kaupunki/Tietoa_Espoosta/Tilastot_ja_tutkimukset/Vaesto_ja_ vaestonmuutokset/Vaestorakenne(340)>