Viides kurssikerta

Viidennellä kurssikerralla harjoittelimme bufferointia ja erilaisia analyysimenetelmiä. Opettelimme myös laskemaan yksinkertaisia laskulausekkeita MapInfon avulla.

Bufferivyöhykkeen luominen oli minulle täysin uusi tapa tarkastella aineistoa. Bufferia luodessa pystyy määrittämään muun muassa sen, mikä bufferin halkaisija on, ja luodaanko bufferista yhtenäinen vai oma jokaiselle karttakohteelle. Sovelsimme bufferointia muun muassa lentokenttien melualueiden tarkastelussa, sekä juna-asemien väestöntiheyden laskemisessa.

Oma MapInfo-osaamiseni on kehittynyt paljon kurssin aikana. MapInfon työkaluista hyödyllisimpiä ja eniten käytetyimpiä ovat muun muassa taulukoiden vienti-, muokkaus- ja yhdistämistyökalut, query-työkalut, erilaiset valintatyökalut, geokoodaus sekä teemakarttojen luomiseen käytettävät työkalut. Olisi ollut mukavaa luoda kurssin aikana enemmän esimerkiksi grid karttoja tai muita kuin hallinnollisiin rajoihin perustuvia karttoja.

MapInfon avullakaan ei ole mahdollista ratkaista kaikkia ongelmia, vaan erilaiset tekijät vaikeuttavat ohjelman käyttömahdollisuuksia. Esimerkiksi paikkatietoaineiston muoto (rasteri- vai vektorimuotoista) sekä resoluutio voivat asettaa rajoituksia siihen, miten aineistoa voidaan käyttää. Mikäli aineisto on vektorimuotoista, täytyy myös tietää koostuuko aineisto pisteistä, viivoista vai alueista vai näiden yhdistelmästä. Paikkatietoaineistot voivat myös olla avoimia tai suljettuja, tai niiden käyttämiseen voidaan vaatia suuret lisenssimaksut. Myös käyttäjä asettaa aineiston analyysille rajoitteita oman osaamisensa mukaan. Olen itse vasta pieni ankka suuressa lammessa, ja tuntuu että ideat usein tyssäävät siihen, ettei minulla ole hajuakaan kuinka toteuttaisin niitä. Samaistun hyvin Kristiinan toteamukseen blogissaan: “Myös ohjelman käytön mahdollisuudet alkavat valottua paremmin, kun pääsemme käyttämään ohjelmaa ilman valmiita ohjeita.” (Koivu, 2017). Luovuus on kaiken a ja ö.

LÄHTEET

Koivu, K. (2017). Kurssikerta 5: Bufferointia ja putkiremontteja.

<https://blogs.helsinki.fi/koivukri/2017/02/24/kurssikerta-5-bufferointia-ja-putkiremontteja/>

 

Artikkeli 1

Anna Leonowiczin artikkeli “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” vertailee kahden ja yhden muuttujan koropleettikarttoja ja niiden käytettävyyttä ja luettavuutta. Artikkelia varten toteutettiin tutkimus, jossa yliopisto-opiskelijat vertailivat kahden ja yhden muuttujan koropleettikarttojan keskenään muun muassa niiden esitystavan, kiinnostavuuden ja helppolukuisuuden perusteella.

Kuva 1. Kahden muuttujan koropleettikartta.

Artikkelissa todetaan, että kahden muuttujan koropleettikarttoja laatiessa luokkamäärillä on suuri vaikutus kartan lopputuloksen onnistumiseen. Artikkelin mukaan luokkakoot tulisi pitää melko pieninä (3×3 tai 2×2 luokkaa), jotta kartan viesti ja kahden muuttujan välinen mahdollinen riippuvuus tulisi lukijalle selväksi. Kahden muuttujan koropleettikartan avulla on mahdollista kuvata tehokkaasti muuttujien välistä lineaarista riippuvuutta. Artikkelissa esitellään myös erilaisia värivaihtoehtoja luokille. Artikkeliin liitetyssä kahden muuttujan kartassa (kuva 1) esitetään Varsovan lähistöllä maaseudulla asuvan väestön ja alle 18-vuotiaan väestön välistä yhteyttä. Toinen muuttuja on kuvattu punaisella sävyllä, ja toinen sinisellä. Prosenttiosuuksien kasvaessa värisävy tummenee ja voimistuu. Lineaariselle akselille sijoittuvat alueet ovat liilan sävyisiä, ja kartalta voi huomata että niitä on suurin osa pienalueista. Toista muuttujaa olisi mahdollista myös kuvata onnistuneesti erilaisilla viivoituksilla, kuten Saara Varis on tehnyt blogimerkinnässään “Syvemmälle teemakartografiaan” (Varis, 27.1.2017)

Artikkelin loppusanoissa todetaan, että vaikka yhden muuttujan koropleettikartat ovat tehokkaita ilmiön kuvaamiseen, niin kahden muuttujan kartoilla voidaan helposti tulkita muuttujien keskinäistä maantieteellistä riippuvuutta. Kahden muuttujan karttojen luettavuus riippuu kuitenkin hyvin paljon kartan laatijan luokka- ja värivalinnoista. Epäonnistuneet valinnat tuottavat usein myös lukukelvottoman kartan.

 

LÄHTEET

Varis, S. Syvemmälle teemakartografiaan. (27.1.2017).

Leonowicz, A. 2006. “Two-variable choropleth maps as a useful tool for visualization of geographical relationship”. Geografija, 2006

 

 

Viimeinen kurssikerta

Kaikki loppuu aikanaan. Viimeisellä kurssikerralla meille annettiin vapaat kädet tuottaa omanlaisemme kartta valitsemastamme aiheesta. En ollut valinnut aihetta tai aineistoa etukäteen, joten iso osa kurssikerrasta kului sopivaa kartta-aihetta etsien. Päädyin lopulta etsimään aineistoa tulvariskialueista sekä koleratapauksista, ja sopivan aineiston löytäminen osoittautui yllättävän hankalaksi. Olin jo aivan valmis laskemaan buffereita maailman jokien tulva-alueille ja koleratapausten klusteroitumista niiden lähettyville, kunnes Arttu ystävällisesti palautti gis-huuruisen mieleni maanpinnalle. Lopulta päädyin luomaan melko yksinkertaiset mutta mielestäni toimivat kartat.

Kuva 1. Kuinka monella prosentilla maailman maiden väestöstä on käytössään saniteettitilat. Saniteettitilojen tehtävä on erotella hygieenisesti ihmisten jätökset kontaktista esimerkiksi juomaveden tai ruoan kanssa. Saniteettitilat ovat esimerkiksi viemäröityjä vessoja tai käymälöitä. (WHO Population using improved sanitation facilities (%) 2015)

Ensimmäinen karttani (kuva 1) esittää maittain, kuinka monta prosenttia ihmisiä käyttää saniteettitiloja. Saniteettitilojen tarkoitus on erotella ihmisen jätökset esimerkiksi juomavedestä. Saniteettitiloja ovat esimerkiksi viemäröidyt vessat tai kompostivessat. Huono sanitaatiotilanne maassa vaikuttaa suoraan asukkaiden terveydentilaan, ja varsinkin lapsia menehtyy valtavasti (yli 1000 päivässä) vesiteitse tarttuviin tauteihin. Sanitaatiotilojen puutos vaikuttaa varsinkin tyttöjen hyvinvointiin, sillä monien koulunkäynti saattaa keskeytyä puuttuvien sanitaatiotilojen vuoksi. (Unicef 2014). Puhdas vesi ja sanitaatio on globaalisti niin merkittävä aihe ja ongelma, että Yhdistyneet Kansakunnat on ottanut sen yhdeksi kestävän kehityksen tavoitteekseen, ja vuonna 2008 vietettiin jopa YK:n sanitaatiovuotta.

Kartaltani voi huomata, että huonoin sanitaatiotilanne on Saharan etelänpuoleisessa Afrikassa, Intiassa, Afganistanissa, Nepalissa, Bangladeshissa ja Papua-Uudessa-Guineassa. Sanitaatiotilanne on huono myös Haitilla (27,6% väestöstä käyttää saniteettitiloja), jossa vuoden 2010 maanjäristys ja vuoden 2016 hirmumyrsky aiheuttivat pitkäaikaisen humanitaarisen kriisin. Sanitaatio on huono etenkin hyvin köyhissä maissa kuten Tšadissa ja Nigerissä. Sanitaatioprosentti vaihtelee suuresti varsinkin kehitysmaissa sen mukaan, tarkastellaanko kaupunkia vai maaseutua. Maaseudulla saattaa kaupunkeihin verrattuna maassa olla jopa monta kymmentä prosenttiyksikköä huonompi tilanne. Esimerkiksi Burkina Fasossa vuonna 2015 maaseudulla saniteettitiloja käytti 6,7 prosenttia, kun kaupungeissa vastaava luku oli 50,4 prosenttia. Sanitaatiotilanteeseen vaikuttaa paljon maan taloudellinen ja kehityksellinen tilanne sekä mahdolliset konfliktit alueella. Myös arvaamattomat tapahtumat kuten hirmumyrskyt, maanjäristykset ja tulvat voivat vaikuttaa pitkään alueen infrastruktuurin tilaan. Katastrofin velloessa juomavesi saastuu usein pahasti, ja siten veden levittämät taudit kuten kolera pääsevät helposti leviämään.

Saniteettitilojen tiedot olivat melko kattavia kaikkialta maailmasta, mutta aineistossa ei otettu huomioon saniteettitiloja, jotka jaetaan muiden alueen asukkaiden kesken.

Kuva 2. Vuosittain todettujen koleratartuntojen keskiarvo (tartuntaa/vuosi), sekä maapallon tulvaherkimmät joet sinisellä (Manner, riskien maailma). Koleratartuntojen tiedot ovat vuosilta 2000-2015. (WHO Number of reported cases of cholera)

Toinen laatimani kartta (kuva 2) esittää koleratartuntojen vuosittaisen keskiarvon maittain, sekä maapallon tulvaherkimmät joet. Tiedot on laskettu vuosilta 2000-2015. Kolera on suolistotauti, joka leviää pääasiassa ulosteella saastuneen ruoan tai juomaveden kautta. Koleraan kuolee vuosittain kymmeniä tuhansia ihmisiä (WHO), ja varsinkin pienet lapset ovat vielä heikon vastustuskykynsä vuoksi erityisen alttiita koleran vaaroille. Koleran tartuntariski kasvaa väestöntiheyden kasvaessa, ja esimerkiksi pakolaisleirit ovat otollisia paikkoja koleran leviämiselle.

Koleratartuntoja on ollut erityisen paljon vuosittain muun muassa Jemenissä, Sudanissa, Somaliassa, Etiopiassa, Kongossa, Haitilla ja Etelä-Afrikassa. Sisällissodat ovat pahentaneet koleratilannetta entisestään  muun muassa Jemenissä, Sudanissa ja Kongossa. Sota aiheuttaa muiden ongelmien ohella usein lasten aliravitsemusta kuten Jemenissä: “Yli kaksi  miljoonaa lasta kärsii aliravitsemuksesta Jemenissä — Koleran ja tuhkarokon kaltaiset taudit ovat levinneet, ja ilman toimivia terveyspalveluita epidemiat iskevät voimakkaasti lapsiin” (Helsingin Sanomat 13.12.2016). Haiti erottuu koleraepidemiansa vakavuudella ja tartuntojen lukumäärällä  muista valtioista, sillä Haitilla sairastuneita oli vuosittain jopa 126 000. Seuraavaksi eniten vuosittain sairastuneita oli Kongossa (21 000). Haitilla vuosikymmeniä kateissa ollut koleraepidemia sai alkunsa YK:n rauhanturvaajien jokeen päästämistä jätevesistä vuoden 2010 maanjäristyksen jälkeen. Vuoden 2015 Matthew-hirmumyrsky vain pahensi tilannetta: “Matthew-myrsky tulvineen oli sellainen tilaisuus maassa, jossa kahdelta kolmasosalta puuttui ennestään kunnon käymälä ja alle kolmella viidestä oli käytettävissään puhdasta vettä. Ilman koleraakin ripuli on yksi Haitin pikkulasten yleisimmistä kuolinsyistä” (Yle Uutiset 11.10.2016). Etelä-Afrikkaan suuri koleraepidemia pääsi leviämään Zimbabwesta pakenevien sairastuneiden mukana vuonna 2008. Etelä-Afrikassa sairastuneita oli jopa 12 000, mutta kuolleita vain 59. Zimbabwessa sairastuneita oli 7000 ja sairastuneista puolet menehtyi (Yle Uutiset 10.2.2009 ja 9.3.2009). Näiden lukujen voi katsoa myös kuvaavan Etelä-Afrikan ja Zimbabwen terveydenhuoltojen toimivuutta ja maiden asukkaiden vastustuskyvyn tilaa.

Kartalla on myös näkyvissä maapallon tulvaherkimmät joet. Tulvat lisäävät koleratartuntojen määrää, kun uloste pääsee tulvien vaikutuksesta saastuttamaan juomavettä. Osa kartan joista sijoittuu kolera-alueille ja varmasti selittää osin koleratartuntojen suurta määrää. Laskin myös Excelissä Pearsonin korrelaatiokertoimen, jossa tarkastelin sanitaatiotilanteen yhteyttä koleratartuntojen määrään. Sain korrelaatioksi -0,26255, eli väestön saniteettiprosentin kasvaessa koleratapausten määrä vähenee, ja päinvastoin. Korrelaatio on vapausastetaulukkoa tarkastelemalla tilaastollisesti merkitsevä.

Kolera-aineistossa oli myös omat huonot puolensa. Monilla valtioilla on ongelmia tunnistaa, diagnosoida ja raportoida koleratartuntoja, jolloin monet tartunnat jäävät tilastoimatta. Koleraa vastaan pystytään rokottamaan, joka myös vaikuttaa valtion tilastoitujen koleratapausten lukumäärään. Kartalla esittämät luvut eivät välttämättä kuvaa todenmukaisesti koleraepidemian laajutta ja ongelmallisuutta valtiossa.

Viimeisen kurssikerran tuotoksista tuli melko yleispiirteisiä, ja pääpaino olikin niiden tulkinnassa. Olisi ollut mukavaa tehdä kahden muuttujan kartta jonkin yksittäisen valtion tilanteesta kuten Jussi Torkko ja Tanja Palomäki olivat tehneet blogeissaan (Torkko, 2017. Palomäki, 2017). Toisaalta aiheestani olisi ollut hyvin vaikeaa löytää mielekästä aineistoa pienemmältä alueelta, kun nyt jo koko maailman mittakaavassa kolera-aineisto oli puutteellinen. Yritin pitkään ja urhoollisesti tehdä kartasta interaktiivisen ja saada hotlinkit toimimaan, mutta monen pitkän tunnin jälkeen oli vain pakko luovuttaa. Arttu missä olet kun sinua eniten tarvitsen??

 

LÄHTEET

Number of reported cases of cholera (2000-2015). World Health Organization.

<http://apps.who.int/gho/indicatorregistry/App_Main/view_indicator.aspx?iid=42>

Population using improved sanitation facilities %. (2015) World Health Organization.

<http://apps.who.int/gho/indicatorregistry/App_Main/view_indicator.aspx?iid=9>

Vesi, sanitaatio ja hygienia. (Tilastotiedot vuodelta 2014) Unicef.

<https://www.unicef.fi/unicef/tyomme-paakohteet/terveys/vesi/>

Yli kaksi  miljoonaa lasta kärsii aliravitsemuksesta Jemenissä. Helsingin Sanomat 13.12.2016.

<http://www.hs.fi/ulkomaat/art-2000005005058.html>

Wallius, A. (2016). Hirmumyrskyn jälkeen leviää kolera – YK:n vahinko tappaa taas Haitissa. Yle Uutiset 11.10.2016.

<http://yle.fi/uutiset/3-9222481>

Zimbabwen kolera uhkaa naapurimaita. Yle Uutiset 10.2.2009.

<http://yle.fi/uutiset/3-5722249>

Etelä-Afrikan koleraepidemia kurissa. Yle Uutiset 9.3.2009.

<http://yle.fi/uutiset/3-5731000>

Torkko, J. (2017). Seitsemäs kurssikerta: Mombasa.

<https://blogs.helsinki.fi/torkjuss/>

Palomäki, T. (2017). Viimeinen kurssikerta.

<https://blogs.helsinki.fi/ptanja/>

 

 

Kuudes kurssikerta

Kuudennen kurssikerran aluksi pääsimme hiukan ulkoilemaan hyiseen talvipakkaseen, ja tutustumaan gps-laitteen käytön saloihin. Opettelimme paikantamaan pisteitä gps-laitteen avulla, ja siirtämään pisteiden koordinaatit Excelin kautta Mapinfoon. Tutustuimme myös pisteaineiston geokoodaukseen siten, että tuttujen koordinaattipisteiden sijaan paikantamisen perusteena käytettiinkin osoitetietoja. Osoitteiden käyttäminen geokoodaamiseen oli mielenkiintoista, mutta joissain pisteissä niiden sijainnin tarkkuus kärsi.

Kurssikerran puolessa välissä siirryimme varsinaisen blogitehtävämme tarkasteluun. Tehtävänämme oli luoda erilaisia hasardikarttoja käyttäen netistä tuotua pisteaineistoa. Kartat luotiin opetuskäyttöön, joten karttoja laatiessa minun tulikin miettiä, mitä ne kuvastavat ja kuinka niitä voisi hyödyntää opetuksessa. Päätin tehdä kolme erilaista karttaa, joissa käytin sekä maanjäristystietokantaa että tulivuoritietokantaa. Olisi ollut hauskaa tehdä kartoista interaktiivisia kuten Suvi Huovelin oli tehnyt blogissaan (Huovelin, 2017). Suvi tarkasteli meteoriittien putoamisia valtiotasolla, jolloin kartoista tuli mielekkäämpiä.

Kuva 1. Viimeisen kolmen kuukauden aikana tapahtuneet yli 4,5 magnitudin maanjäristykset, ja tulivuoret, jotka ovat purkautuneet vuoden 1964 jälkeen.

Ensimmäinen laatimani kartta (kuva 1) esittää samassa kartassa viimeisen kolmen kuukauden aikana sattuneet maanjäristykset (yli 4,5 magnitudia) ja “aktiiviset” tulivuoret, jotka ovat purkautuneet vuoden 1964 jälkeen. Kartalla näkyy selvästi sekä maanjäristysten että tulivuorien kasaantuminen varsinkin mannerlaattojen törmäysvyöhykkeille. Opettaja voisikin karttaa hyödyntämällä kertoa, mitkä tekijät vaikuttavat näiden hasardien syntyyn, ja toisaalta miten tulivuorityypit eroavat niiden esiintymisalueen mukaan. Karttaan olisikin ollut hyvä saada näkyviin myös mannerlaattojen rajat ja liikessunnat, sekä mahdollisesti myös tieto siitä, onko kyseessä törmäys-, erkanemis- vai sivuamissauma. Kartalta voi erottaa Tyynenmeren tulirenkaan, joka nimensä mukaan ympäröi Tyyntämerta. Tulirenkaan alueella esiintyy poikkeuksellisen paljon sekä tuliperäistä toimintaa että maanjäristyksiä. Tuottamani kartta olisi mielestäni vielä havainnollisempi, jos Tyynenmeren tulirengas sijaitsisi kartan keskellä kuten tässä kartassa http://www.mvnet.fi/kuvat/tutkielmat/ge3_endoghas_kuva20.jpg, eikä olisi katkonainen. Karttaa voisi opetuksessa käyttää havainnollistamaan oppilaille eri hasardien sijoittumista maailmanlaajuisesti. Opettaja voisi myös vertailla esimerkiksi teollisuus- ja kehitysmaiden valmiuksia varautua tällaisiin hasardeihin ja mahdolliseen katastrofiin. Esimerkiksi Japanissa infrastruktuuri on rakennettu kestämään melko hyvin toistuvia voimakkaitakin maanjäristyksiä, kun taas monissa Kaakkois-Aasian tai Afrikan valtioissa pienempi maanjäristys voi aiheuttaa asumuksiin vaurioita ja ihmishenkien menetyksiä.

Kuva 2. Vuoden 2002 jälkeen tapahtuneet yli seitsemän magnitudin maanjäristykset.

Toisella tuottamallani kartalla (kuva 2) on pistekarttana esitettynä vuoden 2002 jälkeen sattuneet yli 7 magnitudin maanjäristykset. Päätin ottaa tarkastelun kohteeksi juuri yli 7 magnitudin voimakkuuden järistykset, sillä ne ovat Richterin asteikolla mitattuna hyvin voimakkaita, ja niillä on monesti pitkäaikainen vaikutus alueen ja valtion asuinolosuhteisiin ja taloudelliseen tilanteeseen. Päätin luokitella pisteet kolmeen eri luokkaan ottaen mallia Richterin asteikon luokituksesta. Kartalta erottuu kaikista voimakkaimpina maanjäristyksinä muun muassa vuoden 2004 tapaninpäivän maanjäristys Intian Valtamerellä, Sichuanin maanjäristys Kiinassa (2008), Chilen maanjäristys (2010) ja Japanin Sendain maanjäristys vuonna 2011.

Pyrin karttaa laatiessani tekemään pisteistä eri kokoisia, jotta magnitudiltaan suurimmat järistykset erottuisivat hyvin. Huonona puolena on se, että edellistä karttaa katsottuaan oppilas voi saada kartalta sellaisen kuvan, että esimerkiksi 7-7,9 magnitudin järistykset eivät olisi kovin vakavia tai tuhoisia. Karttaa katsoessa tulisikin muistaa, että kaikki siinä näkyvät pisteet edustavat hyvin voimakasta ja melkein poikkeuksetta katastrofaalista luonnonilmiötä. Opettaja voisikin tässä kohtaa muistuttaa, että magnitudiltaan voimakkaimmat järistykset eivät aina ole tuhoisimpia. Esimerkiksi Haitin maanjäristys vuonna 2010 ja Nepalin järistys vuonna 2015 olivat magnitudiltaan alle 7,5 voimakkuusasteen järistyksiä, mutta molemmissa katastrofeissa uhriluvut olivat korkeita ja ne aiheuttivat valtioon pitkäaikaisen humanitaarisen kriisin. Maanjäristyksen tuhot ja niiden laajuus vaihtelee sen mukaan, minkä kehitysasteen valtiosta on kysymys. Teollisuusmaissa kuten Japanissa ja Uudessa-Seelannissa järistysten uhriluvut eivät ole kovin korkeita, mutta taloudelliset menetykset ovat hyvin suuria. Kehittyvissä maissa puolestaan uhriluvut ovat usein suuria, ja monet ihmiset menettävät kotinsa ja elinkeinonsa.

Kuva 3. Suomessa vuonna 2016 tapahtuneet maanjäristykset ja niiden voimakkuudet. (Seismologian instituutti, Helsingin Yliopisto)

Kolmas karttani kuvaa Suomessa vuonna 2016 tapahtuneita maanjäristyksiä. Suomi on seismisesti hyvin rauhallista ja vakaata aluetta, ja ilman mittalaitteita havaittavat järistykset ovat harvinaisia. Kartaltani voikin huomata, että suurin osa vuonna 2016 rekisteröidyistä maanjäristyksiä ovat magnitudiltaan 0,2-2 välillä. Suomessa järistykset johtuvat muun pääasiassa Atlantin keskiselänteen leviämisestä sekä jääkauden jälkeisestä maankohoamisesta (Helsingin Yliopisto, Seismologian instituutti). Järistykset näyttävät kartalla klusteroituvan etenkin Pohjois-Suomeen ja jonkin verran Vaasan edustalle. Kartta voisi opetuskäytössä muistuttaa siitä, että pieniä maanjäristyksiä tapahtuu ympäri maailmaa jatkuvasti, ja mannerlaatat ovat koko ajan liikkeessä toisiinsa nähden. Alueen seisminen aktiivisuus on tärkeää huomioida esimerkiksi ydinvoimalan ja sen loppujätteiden sijoituksessa, sekä yleisesti infrastruktuuria suunniteltaessa.

LÄHTEET

NCEDC (2014), Northern California Earthquake Data Center. UC Berkeley Seismological Laboratory. Dataset. doi:10.7932/NCEDC.

http://quake.geo.berkeley.edu/

 

NOAA, NCEI Volcano location database.

https://www.ngdc.noaa.gov/nndc/struts/form?t=102557&s=5&d=5

 

Onko Suomessa maanjäristyksiä? Mikä on ollut Suomen isoin maanjäristys? Miksi Suomessa järisee?Seismologian instituutti. Helsingin yliopisto.

http://www.helsinki.fi/geo/seismo/maanjaristykset/tieto/suomenseismisyys.html

 

Maanjäristykset Suomessa vuonna 2016. Seismologian instituutti. Helsingin Yliopisto.

http://www.helsinki.fi/geo/seismo/maanjaristykset/suomi.html

Huovelin, S. (2017). Hasardeja.

<https://blogs.helsinki.fi/suvihuov/>

 

 

Neljäs kurssikerta

Neljännellä kurssikerralla palasimme jo tututksi käyneen MapInfon pariin. Tällä kertaa tutuistuisimme uudenlaiseen tapaan tuottaa teemakarttoja ja niiden aluejakoja. Harjoittelimme kurssikerran aikana tekemään ruutukarttoja erilaisten ruutukokojen pohjalta, ja kurssikerran lopussa piirsimme muutamia karttaelementtejä Pornaisten rasterikartalle.

Kotitehtävänämme oli tuottaa ruututeemakartta yhdellä tai kahdella eri ruutukoolla. Hieman aikaa pohdittuani päätin valita tarkastelukohteekseni lapsiperheiden alueellisen sijoittumisen pääkaupunkiseudulla. Kartat laadittiin pisterasteriaineiston pohjalta, jossa jokainen piste oli sijoitettu asumukseen tarkoitetun rakennuksen kohdalle. Pisteestä oli tilastoitu monenlaista tietoa, kuten esimerkiksi rakennuksen asukkaiden iät, asukkaiden yhteenlaskettu lukumäärä ja asukkaiden iän keskiarvo. Päätin valita tarkasteltavaksi aineistoksi 0-15 -vuotiaiden lasten absoluuttiset ja suhteelliset määrät ruutua kohti. Grid-ruutukooksi valitsin 250m*250m. Koin, että tällä ruutukoolla myös yksittäiset asuinalueet tulevat esille, mutta kartasta ei kuitenkaan tule liian sekavaa. Alex Salminen oli ottannut omaan karttaansa pienemmän alueen, sekä tiestöt ja kuntarajat (Salminen, 2017). Tämä teki kartasta mielestäni visuaalisesti kauniin ja teki eri alueiden hahmottamisesta helpompaa.

Kartan laatimista varten minun tuli lisätä useita uusia tietosarakkeita tietotaulukkoon, joihin laskin esimerkiksi lasten absoluuttiset ja suhteelliset määrät ruuduittain, sekä ruudun kokonaisasukasmäärän. Välillä oli hankala hahmottaa, että mitä tietoa oli missäkin vaiheessa tuottamassa, ja tulisiko tieto olemaan esimerkiksi kokonaislukuja (integer) vai desimaalilukuja (float). Päätin valita molempiin teemakarttoihin luokitteluksi luonnolliset luokkarajat, sillä näin aineisto oli hieman tasaisemmin jakautunutta, ja mikään luokka ei mielestäni kasvanut liian isoksi tai jäänyt liian pieneksi.

Kuva 1. 0-15 -vuotiaiden absoluuttinen määrä pääkaupunkiseudulla 250m*250m ruudukolla kuvattuna.

Absoluuttisia määriä kuvaavalla teemakartalla (Kuva 1) on selvästi näkyvissä 0-15 vuotiaiden lasten keskittymistä tietyille alueille. Kartalta erottuu Helsingissä muun muassa Kontula, Mellunmäki, Vuosaari, Arabianranta, Kamppi, Munkkiniemi ja Lauttasaari. Nämä alueet ovat melko kerrostalovaltaisia, joten väestöntiheys on niillä suurempi kuin esimerkiksi Espoon ja Vantaan pientaloalueilla. Kun väestöntiheys on suuri, alueella asuu enemmän ihmisiä ja siten todennäköisesti myös lapsia. Espoossa ja Vantaalla kartalta (kuva 1) erottuu selkeästi Ison Omenan alue, Leppävaara, Espoon keskus, Martinlaakso ja Myyrmäki. Näillä alueilla asutus on myös kerrostalovaltaista, ja väentiheys on suurempi. Alueilta on hyvät liikenneyhteydet Helsingin keskustaan, ja kaupalliset palvelut ovat kivenheiton päässä. Mielestäni lapsien absoluuttisia määriä kuvaavan kartan voi katsoa ennemminkin kuvaavan pääkaupunkiseudun väestön sijoittumista ja väestöntiheyttä, kuin varsinaisesti lapsiperheiden suosimia alueita. Lapsiperheiden niin sanottu urbanisaatio on kuitenkin yleistymässä, ja tyypillisen lähiöasumisen sijaan monet lapsiperheet haluavat asua urbaaneilla alueilla ja keskusten lähettyvillä. Olisikin ollut mielenkiintoista saada sekä absoluuttiseen että suhteelliseen karttaan vertailukohteeksi esimerkiksi 15 tai 20 vuoden takaisen aineiston.

Kuva 2. 0-15 -vuotiaiden prosentuaaliset osuudet pääkaupunkiseudulla 250m*250m ruudukolla kuvattuna.

Toinen tuottamani kartta (Kuva 2) kuvaa 0-15 -vuotiaiden lasten suhteellisia määriä pääkaupunkiseudulla. Luvut ovat prosentteina, ja ne kuvaavat lasten määrää suhteessa sen ruudun kokonaisasukasmäärään. Kartalta voi heti huomata lasten sijoittuvan täysin päinvastaisesti absoluuttiseen karttaan nähden. Helsingissä tummia ruutuja on melko vähän, kun taas Espoossa ja Vantaalla lapsien suhteellinen osuus asukkaista on hyvin korkea monilla alueilla. Espoossa ja Vantaalla hajanaisten ruutujen alueilla on todennäköisesti lähiömäistä pientaloasututusta. Näillä alueilla väestömäärä ruutua kohden on pienempi kuin keskuksissa, ja todennäköisyys sille, että pientalossa asuu monilapsinen perhe on suurempi. Monissa näissä ruuduissa lasten prosentuaalinen määrä onkin jopa yli 40. Mistä sitten tämä lapsiperheiden levittäytyminen kauemmas keskuksista ja Helsingin keskustasta johtuu? Pientalolähiöt koetaan ehkä turvallisina alueina kasvattaa lapset, kun meluisat keskukset ja valtatiet ovat kaukana ja usein asuinalueen läheltä löytyy paljon ulkoilumahdollisuuksia ja puistoja. Esimerkiksi Espoosta on melko hyvät liikenneyhteydet Pääkaupunkiseudun keskuksissa tai kehäteiden varrella sijaitseviin työpaikkoihin, joten vanhempien työmatkailu on vaivatonta. Monet nuoret voivat viehättyä keskustan kulttuurisista palveluista ja kaupungin vilinästä, mutta lapsiperheiden vanhemmilla saattaa olla toisenlaiset arvot. Helsingissä puolestaan tummempina alueina erottuvat Helsingin harvat pientaloalueet kuten Tapanila, Kaskisaari ja Laajalahti, sekä lapsiperheiden suosimat kaupunkimaiset asuinalueet kuten Arabianranta ja Lauttasaari. Täytyy myös muistaa, että esimerkiksi yhden lapsen perheen on huomattavasti vaivattomampaa asua tiiviisti rakennetussa keskustassa kuin vaikka neljän lapsen perheen. Hyvin isoja kerrostaloasuntoja on vähemmän tarjolla kuin keskikokoisia ja ne voivat olla suhteessa kalliimpia. Monesti helpompi vaihtoehto onkin muuttaa rivi- tai omakotitaloon kauemmas keskustasta.

Näitä kahta karttaa vertaamalla voi havaita, kuinka valtava ero aineiston esitystavalla on. Kartanlaatijan tuleekin valita huolella, esitetäänkö aineisto suhteellisina vai absoluuttisina arvoina ja millä perusteilla. Mielestäni tuottamani kaksi karttaa täydentävät toisiaan. Toinen kartta kuvaa melko onnistuneesti, kuinka lapsiperheet suosivat rauhallisia, luonnonläheisiä pientaloalueita. Toinen kartta puolestaan muistuttaa, että lapsiperheitä asuu runsaasti myös urbaaneissa keskittymissä, mutta suhteellinen osuus siellä on vain pienempi.

Karttojeni aihe on myös ajankohtainen, sillä Helsingissä ja muualla pääkaupunkiseudulla tapahtuvasta segregaatiosta eli esimerkiksi tulojen tai etnisen taustan perusteella tapahtuvasta eriytymisestä on keskusteltu paljon viime vuosina (Asuinalueiden erot kasvavat Helsingissä koko ajan -“Ihmisillä tuntuu olevan halu asua samankaltaisten lähellä” HS 8.12.2016). Lapsiperheiden eriytymistä tutkinut Venla Bernelius on todennut, että segregaatiolla on selvä yhteys koulujen oppilaspohjan rakenteeseen ja sitä myötä oppimistuloksiin (Eriytyvät kaupunkikoulut, Bernelius, V. 2013). Tuottamiani karttoja voisikin tulkita pidemmälle ja tutkia, onko esimerkiksi lapsiperheiden sijoittumisella yhteys sen alueen lähikoulun maineeseen ja oppimistuloksiin.

 

 

LÄHTEET

Bernelius, V. (2013). Eriytyvät kaupunkikoulut – Helsingin peruskoulujen oppilaspohjan erot, perheiden kouluvalinnat ja oppimistuloksiin liittyvät aluevaikutukset osana kaupungin eriytymiskehitystä. City of Helsinki Urban Facts, Research reports 2013:1.

Malmberg, L. & Kempas, K. (2016). Asuinalueiden erot kasvavat Helsingissä koko ajan -“Ihmisillä tuntuu olevan halu asua samankaltaisten lähellä”. Helsingin Sanomat 8.12.2016.

<http://www.hs.fi/kaupunki/art-2000004997752.html>

Salminen, A. (2017). Viikko 4: Paljon pieniä ruutuja.

<https://blogs.helsinki.fi/alexsalm/2017/02/16/viikko-4-paljon-pienia-ruutuja/>

 

 

Afrikan karttatulkinta

Kolmannen kurssikerran aluksi opettelimme MapInfon toimintoja Afrikan pohjakartan avulla. Yhdistimme Afrikan valtioiden tietoihin muun muassa tietoja valtion internetkäyttäjistä, Facebook-käyttäjistä, timanttikaivoksista, öljykentistä sekä erilaisista konflikteista (Kuva 1 ja 2). Tehtävänämme oli pohtia mielikuvitusta käyttäen, miten näitä tietoja voisi hyödyntää, ja mitä niiden perusteella voisi päätellä esimerkiksi valtiosta.

Kuva 1. Afrikan konfliktialueet (vihreät ja punaiset pisteet) ja öljykentät (Siniset alueet).
Kuva 2. Internetinkäyttäjät Afrikassa valtioittain. Luku kuvaa, kuinka monta prosenttia valtion asukkaista käyttää internetiä.

Monilla Afrikan valtioilla on pitkä historia muun muassa siirtomaina. Tämä siirtomaavallan aika on yhä näkyvissä monissa Afrikan valtioissa muun muassa infrastuktuurissa. Siirtomaavallan aikaan isäntävaltiot hyödynsivät siirtomaansa luonnonresursseja, ja perustivat siirtomaihinsa muun muassa timanttikaivoksia. Siirtomaat olivatkin pääasiassa isäntävaltioille vain hyödykkeiden tuottajia, ja siirtomaavaltioiden vienti perustui usein vain muutamiin tuotteisiin.

Suurin osa siirtomaista itsenäistyi vasta 1950-luvun jälkeen, ja itsenäistyminen oli erityisen voimakasta 1960-luvulla. Valtion itsenäistyessä sen rajat muodostuivat vanhojen siirtomaavaltion rajojen mukaisesti. Nämä valtion rajat oli yleensä laadittu täysin mielivaltaisesti välittämättä esimerkiksi eri heimojen omista rajoista. Itsenäistyminen toikin mukanaan paljon konflikteja eri kansojen välillä, ja nämä konfliktit ovat myös näkyvillä Afrikan aineistossamme (Kuva 1). Konfliktiaineisto sisältää muun muassa tiedon konfliktin sijainnista, sen laajuudesta kilometreinä ja konfliktin alkamisvuoden. Todella monet Afrikan konflikteista ovat osa pitkään jatkunutta sisällissotaa. Esimerkiksi Kongossa, Burundissa, Angolassa, Liberiassa ja Etelä-Sudanissa olevat konfliktit ovat monet seurausta verisestä sisällissodasta. Konfliktit voivat myös johtua esimerkiksi uskonnollisista tai etnisistä ristiriidoista, kuten Nigeriassa on käynyt. Nigerian pohjoisosia asuttavat pääasiassa muslimit, ja eteläosia kristityt. Ääri-islamistijärjestö Boko Haram on alunperin lähtöisin Nigeriasta, mutta järjestö on toiminut myös muissa maissa ja kylvänyt kauhua terrori-iskuillaan. (Globalis.fi)

Monissa Afrikan valtioissa infrastruktuurin kehittyneisyys vaihtelee suuresti. Suureen osaan valtioista on jäänyt siirtomaa-ajoilta yksipuolinen vientirakenne, ja valtiot toimivat maailmankaupassa pääasiassa raaka-aineiden tuottajina. Tuotteet viedään jalostettavaksi teollisuusmaihin, josta puolestaan kehitysmaat ostavat jalostetut tuotteet kalliilla. Kierre on johtanut siihen, että monet Afrikan maista ovat velkaantuneita, ja tämä osaltaan voi aiheuttaa konflikteja. Osa konflikteista voikin liittyä valtion yksipuoliseen tuotantoon, ja esimerkiksi hyötyjen ja vaurauden kasaantumisen vain tietyllä väestöryhmälle esimerkiksi öljyvaltioissa.

Afrikan paikkatietoaineistossa on myös mukana tiedot valtion internetkäyttäjistä ja Facebook-käyttäjistä. Internet-käyttäjien tiedot ovat vuosilta 2000 ja 2016, jolloin internetkäyttäjien määrän muutosta on helppo vertailla. Internetkäyttäjien määrää voidaan käyttää mittaamaan muun muassa valtion kehittyneisyyttä ja infrastuktuuria.

Timanttikaivoksien aineistosta voidaan esimerkiksi päätellä, millaista vientiä valtiolla on. Monet timanttikaivokset voivat olla jo siirtomaa-ajoilla perustettu, ja kaivosten turvallisuus voi olla puutteellista. Timanttikaivokset sijaitsevat usein sisämaassa, ja niistä on pitänyt rakentaa rautatiet rannikolle tuotteen eteenpäinkuljetusta varten. Afrikassa on myös todella paljon muitakin arvokkaita malmiesiintymiä, ja kaivoksia on runsaasti. Afrikan kaivosten ympäristövaikutukset voivat olla tuhoisia, kun esimerkiksi metalleja pääsee lähivesistöihin.

Kaiken kaikkiaan Afrikan aineistosta voidaan päätellä hyvin monenlaisia asioita, ja tarvittaessa aineistoa voitaisiin jatkokäsitellä tarkastelemalla esimerkiksi eri muuttujien välistä yhteyttä ja korrelaatiota. Voitaisiin esimerkiksi tarkastella, vaikuttaako öljykenttien tai timanttikaivosten läheisyys konfliktien määrään. Mielenkiintoista olisi myös luokitella konflikteja esimerkiksi vuosilukujen mukaan, ja selvittää konfliktien historiallinen yhteys. Konfliktien säteiden perusteella olisi myös mahdollista piirtää vaikutusaluerajoja, ja tutkia konfliktin laajuutta yli valtiorajojen. Myös tiedot internetkäyttäjistä voitaisiin yhdistää tietoon konflikteista, ja tutkia esimerkiksi, että vaikuttaako internetkäyttäjien lisääntyminen konfliktien määrään. Mahdollisuus käyttää internetiä lisää usein henkilön tietoisuutta maailman ja oman valtion tapahtumista, ja siten saattaa lisätä kansalaisaktiivisuutta. Näin kävi esimerkiksi vuoden 2010 arabikevään tapahtumissa, joissa sosiaalisella medialla oli merkittävä vaikutus mellakoiden ja mielenosoitusten syntyyn. Iivari Laaksonen totesi tämän saman vaikutuksen myös omassa blogissaan (Laaksonen, 2017).

LÄHTEET

Globalis.fi. Suomen YK-liitto.   <http://www.globalis.fi/Konfliktit>

Laaksonen, I. (2017). 3. Kurssikerta.

<https://blogs.helsinki.fi/iilaakso/2017/02/02/3-kurssikerta/>

Kolmas kurssikerta, yhdistetty tulvaindeksi ja järvisyysprosenttikartta

Kolmannella kurssikerralla syvensimme MapInfo-osaamistamme, ja opettelimme yhdistämään eri tietokantoja ja tilastoja ja laskemaan niiden perusteella yksinkertaisia laskutoimituksia. Käytimme aluksi pohjakarttana Afrikan maiden karttaa, mutta kurssikerran lopuksi loimme yhdistetyn koropleetti- ja pylväsdiagrammikartan Suomen valuma-alueista. Afrikkakartan tulkinnasta olen kirjoittanut oman blogimerkinnän.

Perusteet opittuamme aloimme laatia itsenäisesti karttaa (kuva 1), joka esittää Suomen valuma-alueiden tulvaindeksiä, sekä valuma-alueiden järvisyysprosenttia. Valuma-alue tarkoittaa sitä aluetta, jolta sadevedet laskevat samoihin vesistöihin. Valuma-alueet rajautuvat käytännössä usein korkeisiin kohtiin kuten esimerkiksi salpausselkiin, harjuihin tai tuntureihin. Kartan aineistossa Suomi on jaettu suurvaluma-alueisiin. Valuma-alueiden verkosto on kuitenkin todellisuudessa monimutkaisempi kuin mitä kartta antaa ymmärtää, ja koostuu tuhansien järvien, jokien ja purojen verkostosta.

Kuva 1. Kartogrammi Suomen valuma-alueiden tulvaindeksistä ja järvisyysprosentista.

Suomen valuma-alueiden sijaintiin ja muodostumiseen vaikuttaa voimakkaasti Suomen geomorfologiset muodostumat ja korkokuva (Kuva 2). Suomessa on kolme salpausselkää, jotka kirjaimellisesti salpaavat Etelä-Suomen vedet taakseen. Nämä salpausselät näkyvät kartalla siten, että Etelä-Suomessa kulkee selkeä raja valuma-alueiden välillä. Itä-Suomessa puolestaan on paljon vaaroja, jotka ovat jäännöksiä muinaisista Karelidien vuoristosta. Pohjois-Suomessa on tuntureita. Näiltä korkeilta alueilta vedet virtaavat luonnollisesti kohti alavampia alueita kuten Pohjanmaata aina Pohjanlahteen asti. Kartogrammissa (Kuva 1) on kuvattu myös suhteellisina pylväinä jokaisen valuma-alueen järvisyysprosentti. Suomen järvien sijoittumiseen ja runsauteen on vaikuttanut muun muassa maankohoaminen, laattatektoniset liikunnot, kallioperän ruhje- ja murtumavyöhykkeet sekä jääkauden mannerjäätikön liikkeet. Keski-Suomessa on runsaasti järviä, kun taas alavilla rannikkoseuduilla järviä on vähemmän.

Kuva 2. Suomen korkeusvyöhykkeet merenpinnasta. Alavimmat alueet sijaitsevat Etelä-Suomessa ja Pohjanmaalla, missä tulvaindeksikin on korkein. (Kuvakaappaus Paikkatietoikkunasta. Maanmittauslaitos 2015)

Kurssikerralla tuotettu kartta kuvaa valuma-alueen tulvaindeksiä ja järvisyysprosenttia. Tulvaindeksi on luku, joka kuvaa esimerkiksi puroissa ja joissa virtaaman vesimäärän vaihtelua esimerkiksi vuodenaikojen mukaan. Tulvaindeksi on tähän karttaan laskettu jakamalla keskiylivirtaama keskialivirtaamalla. Keskiyli- ja alivirtaamat (Virtaama= tietyn uoman poikkileikkausen läpi kulkema vesimäärä sekunnissa) puolestaan kuvaavat tietyllä ajanjaksolla mitattujen virtaama-arvojen keskiarvoa. Mitä suurempi on valuma-alueen tulva-indeksi, sitä suuremmat ovat tulvahuippujen ja kuivien aikojen erot. Suomessa ei käytännössä esiinny koskaan hyvin kuivia aikoja, joten tulvaindeksin voi katsoa kuvaavan erityisesti alueen taipumusta tulvimiseen.

Mistä tulviminen sitten johtuu? Miksi Pohjanmaan ja Etelä-Suomen valuma-alueilla on korkea tulva-indeksi verrattuna esimerkiksi Keski-Suomen valuma-alueisiin? Suomen pinnanmuodot (kuva 2) selittävät pitkälti valuma-alueiden muotoa ja sijoittumista, ja ne selittävät osaltaan myös tulva-indeksin vaihtelua. Järvien runsaus tasaa tehokkaasti virtaaman vaihtelua, ja siten myös ehäisee tulvia. Maaston tasaisyys puolestaan lisää alueen tulvaherkkyyttä, sillä tasaisella maastolla vesi tulvii herkemmin ympäröiville alueille. Tasainen maasto myös hidastaa veden virtausnopeautta, jolloin ylimääräinen vesi virtaa hitaammin esimerkiksi Suomenlahteen tai Pohjanlahteen. Kartalla (kuva 1) onkin nähtävissä selkeä yhteys valuma-alueen järvisyyden ja tulva-indeksin välillä. Maija Nikkanen toteaa blogissaan, että muun muassa Pohjanmaalla sijaitsevat korkean tulvaindeksin alueet voivat selittyä osin alueen vesitalouden rakenteella. Nikkanen kirjoittaa: “Matala järvisyys ja korkea tulvaindeksi liittyvät Länsi- ja Lounais-Suomeen, eli maatalousalueisiin, joilla soita on ojitettu suuressa mittakaavassa ja luonnollinen vesitalous on häiriintynyt.” (Nikkanen, 2017).

Suomessa tulvia muodostuu varsinkin keväisin, kun sulavien lumimassojen vesi alkaa virrata uomia pitkin. Vesiuomiin muodostuu keväisin usein jäähilettä, joka saattaa tukkia vesiuoman ja hidastaa virtaamaa, seurauksena tulva. Myös syystulvat ovat Suomessa yleisiä esimerkiksi syysmyrskyjen yhteydessä. Suomen rannikkoseuduilla kuten Pohjanmaalla ja Etelä-Suomessa esiintyy myös merivesitulvia, mutta niitä ei ole tällä kartalla kuvattu. (Manner, Riskien maailma 2014)

Tulva-indeksin aineisto oli vinosti tai epämääräisesti jakautunut, ja luokittelin valuma-alueen tulva-indeksin käyttämällä luonnollisia luokkarajoja.  Aineistossa tulvaindeksin luvut sijoittuivat välille 0-500, mutta Turun seudulla tulvaindeksi oli jopa yli 1000. Halusin tuoda tämän yksittäistapauksen esiin, joten päädyin muokkaamaan luonnollisia luokkarajoja säätämällä aineiston kahta ylintä luokkaa sopiviksi.

LÄHTEET

Brander, N. & Hiekka,S. & Ruth, C. & Ruth, O. (2014). Manner, Riskien Maailma. Otava.

Paikkatietoikkunan korkeusvyöhykerasteri. (10/2015). Maanmittauslaitos avoin data.

Nikkanen, M. (2017). Viikko 3: Tulvavaara.

<https://blogs.helsinki.fi/msnikkan/2017/02/05/viikko-3-tulvavaara/>

 

Toinen kurssikerta

Toisella kurssikerralla harjoittelimme tekemään MapInfon avulla muun muassa pylväs- ja ympyrädiagrammikarttoja tilastoaineiston pohjalta sekä  laatimaan interpoloimalla luotuja grid-karttoja. Tutustuimme myös komiuloitteisten karttojen laatimiseen. Kotitehtävänä oli luoda teemakartta, jonka laatimisessa on käytetty monipuolisesti omaa osaamista.

Kuva 1. Väestön koulutustaso ja nuorten raskauksien määrä vuonna 2015, Uusimaa.

Päätin laittaa omaan karttaani (Kuva 1) kaksi eri teemaa päällekkäin koropleettikartaksi. Päätin rajata kartalla näkyvän alueen kattamaan vain Uudenmaan kunnat, sillä liian usean kunnan mahduttaminen kartalle olisi ollut vaikeaa, ja kartan luettavuus olisi kärsinyt. Valitsin karttaani aineistoksi väestön koulutustason (Suomen virallinen tilasto (SVT): Väestön koulutusrakenne), sekä nuorten naisten raskauksien määrän (Syntyneiden lasten rekisteri 2015 THL ja Raskaudenkeskeyttämisrekisteri 2015 THL). Väestön koulutustaso on indikaattori, joka mittaa väestön perusasteen jälkeisen koulutuksen keskimääräisen pituuden henkeä kohden. Esimerkiksi Helsingissä koulutustaso oli vuonna 2015 432, mikä tarkoittaa että Helsinkiläiset kävivät jatko-opintoja perusasteen jälkeen keskimäärin 4,3 vuotta. Nuorten raskauksien määrä taas kertoo alle 25-vuotiaiden naisten raskauksien lukumäärään tuhatta 15-24-vuotiasta naista kohden. Aineistossa on otettu huomioon alle 25-vuotiaille tehdyt raskaudenkeskeytykset sekä alle 25-vuotiaiden synnytykset. Alex Salminen (Salminen, 2017) teki oman kahden muuttujan karttansa myös Uudenmaan alueesta, käyttämällä väriä ja viivoitusta. Alex valitsi karttaansa viivoituksiksi samansuuntaiset mutta eri etäisyyksillä olevat viivat, joita on mielestäni hieman hankalaa erottaa toisistaan.

Ennen kartan laatimista minun oli ladattava molemmat aineistot Sotkanetistä, ja siirrettävä aineistot Excelin kautta MapInfoon. Analysoin molemmat aineistot myös histogrammilla, ja aineistot vaikuttivat silmämääräisesti olevan normaalisti jakautuneita. Päätin valita luokitteluksi kvantiilit eli tasamääräiset luokat. Jokaiseen luokkaan tulee siis yhtä monta havaintoa. Päätin myös pitää luokkamäärät pienenä, ja päädyin jakamaan molemmat aineistot kolmeen eri luokkaan. Valitsin kartalle liilan eri sävyt kuvaamaan alueen koulutustasoa, ja nuorten raskauksia merkkasin erilaisilla viivoituksilla. Minulla oli vaikeuksia päättää, kuvaanko korkean koulutusasteen kuntia tummalla vai vaalealla sävyllä, ja pitäisikö minun silloin merkitä myös nuorten raskauksien suuria lukumääriä tiheällä ruudukkoviivoituksella. Päädyin kuvaamaan alhaisemman koulutustason kuntia tummalla värisävyllä, ja korkeiden raskausmäärien kuntia tiheällä ruudukkoviivoituksella, sillä juuri nämä aineiston ääripäät olivat minulla mielenkiinnonkohteena. Tumma sävy tekeekin tietyt kunnat paremmin erottuviksi, ja siten parantaa kartan havainnollisuutta.

Väestön koulutustason ja nuorten raskauksien määrän välillä on kartan perusteella havaittavissa selvä korrelaatio. Kartalla ilmiö on sijoittunut kehämäisesti helsingin ympärille eli pääkaupunkiseudulla väestön koulutustaso on korkea ja vastaavasti nuorten raskauksien määrä pientä. Siirryttäessä Helsingistä kauemmaksi väestön koulutusvuosien määrä vähenee, ja vastaavasti nuorten raskauksien määrä kasvaa. Ilmiö on mielenkiintoinen, ja sitä voidaan pyrkiä selittämään monilla eri tavoilla.

Tärkein syy tälle ilmiölle lienee korkeakoulujen ja ylemmän asteen oppilaitosten ja niiden oman alan työpaikkojen sijoittuminen. Korkeakoulut sijaitsevat pääasiassa Helsingissä, Espoossa ja Vantaalla, ja nuoret muuttavatkin ympäryskunnista usein pääkaupunkiseudulle opiskelemaan. Paluumutto takaisin ulkopaikkakunnille on harvinaisempaa, ja monet nuoret jäävät myös perustamaan perhettä lähelle työ- ja opiskelualueitaan. Monet korkeasti koulutetut naiset perustavatkin perheen vasta opintojen päätyttyä, ja useat haluavat myös olla muutaman vuoden työelämässä ennen perheen perustamista. Tämän voisi kuvitella selittävän suurelta osin pääkaupunkiseudun koulutustasoa sekä nuorten raskauksien määrää.

Entä sitten kartalla tummemmat kunnat kuten esimerkiksi Lohja, Raasepori, Karkkila ja Lapinjärvi? Näissä kunnissa ei usein ole montaa korkeakoulua, mutta ammatillisia kouluja on usein laajempi kirjo. Monet paikkakunnalla asuvat nuoret saattavatkin mennä opiskelemaan ammatilliseen oppilaitokseen, ja siten päästä työelämään kiinni jo alle 20-vuotiaina. Säännölliset tulot ja elämän ”vakiintuminen” jo nuorena voi saada monet miettimään perheen perustamista selvästi aikaisemmin kuin korkeakoulua käyvät kaupunkilaiset. Osittain tummempien ja tiheästi ruuduitettujen kuntien tilannetta saattaa myös koulutusvuosien osalta selittää se, että näissä kunnissa asuu tyypillisesti suhteessa enemmän eläkeikäisiä kuin kaupunkimaisissa kunnissa. Eläkeläisten runsaslukuisuus voi vaikuttaa koulutustason lukuun siten, että monet suuret ikäluokat eivät ole välttämättä kouluttautuneet yhtä pitkään kuin esimerkiksi nykyiset kolmekymppiset. Kuntia verratessa on hyvä myös ottaa huomioon, että myös korkeakouluun pääseminen voi vaatia useampia yrityksiä, jolloin nuoret aloittavat opinnot korkeakoulussa myöhemmin ja myös valmistuvat myöhemmin. Korkeakoulun käyneiden voi olla varsinkin tänä päivänä vaikeampi löytää vakituista työpaikkaa, kun taas monille ammattitutkinnon suorittaneille on hyvin töitä tarjolla.

Nuorten raskauksien määrä -aineistossa on otettu huomioon myös raskaudenkeskeytyksien lukumäärä. Tämä vaikuttaa kartan tulkinnan luotettavuuteen, sillä mielenkiintonani oli ennemminkin selvittää koulutusasteen yhteyttä nuorten äitien lukumäärään. Aineistossa ei kuitenkaan ollut mahdollista erotella raskaudenkeskeytyksiä ja täyskestoisia raskauksia. Uskoisin kuitenkin, että raskaudenkeskeytyksien määrät eivät eroa huomattavasti kunnittain. Nuoria valistetaan ehkäisystä esimerkiksi kouluissa melko samalla tavalla, ja nuorilla ainakin pitäisi olla yhtäläiset mahdollisuudet ehkäisyn hankkimiseen. Tässä tietenkin myös tuloerot voisivat vaikuttaa. Jälkeenpäin karttaa tarkastellessani huomasin myös, että nuorten raskauksia kuvaavan muuttujan ylin luokka on turhan iso, ja keskimmäinen hyvin pieni. Minun olisi pitänyt tarkastella aineistoa tarkemmin, ja etsiä mahdollisesti joku järkevämpi luokitus.

Lähteet:

Koulutustasomittain 2015. Suomen virallinen tilasto (SVT): Väestön koulutusrakenne [verkkojulkaisu].
ISSN=1799-4586. Helsinki: Tilastokeskus [viitattu: 27.1.2017].

Raskaudenkeskeyttämisrekisteri 2015. Suomen virallinen tilasto, THL (Terveyden ja hyvinvoinnin laitos)

[https://www.thl.fi/fi/tilastot/tilastot-aiheittain/seksuaali-ja-lisaantymisterveys/raskaudenkeskeytykset/raskaudenkeskeytykset]

Syntyneiden lasten rekisteri 2015. Suomen virallinen tilasto, Perinataalitilasto – synnyttäjät, synnytykset ja vastasyntyneet.THL (Terveyden ja hyvinvoinnin laitos)

[https://www.thl.fi/fi/tilastot/tilastot-aiheittain/seksuaali-ja-lisaantymisterveys/synnyttajat-synnytykset-ja-vastasyntyneet/perinataalitilasto-synnyttajat-synnytykset-ja-vastasyntyneet]

Salminen, A. (2017). Viikko 2: Monenlaisia teemoja ja karttoja.

<https://blogs.helsinki.fi/alexsalm/2017/02/09/viikko-2-monenlaisia-teemoja-ja-karttoja/>

 

Ensimmäinen kurssikerta

Paikkatiedon hankinta, analyysi- ja kartografia -kurssin ensimmäisellä kurssikerralla tutustuimme MapInfo -nimisen paikkatieto-ohjelman perustoimintoihin. Sonja Koivisto kuvaa blogissaan osuvasti heti kurssin alkuun, miksi paikkatieto on tämän hetken kuuminta muotia: “Nykyään jopa yli puolen kaikesta maailman datasta arvioidaan olevan paikkatietoa. Tutkittavaa ja erilaisia mahdollisuuksia riittää siis aivan valtavasti.” (Koivisto, 2017). Kurssikerran tiedon pohjalta laadin kaksi erilaista teemakarttaa, joista toinen kuvaa eläkeikäisen väestön prosentuaalisia osuuksia koko Suomen mittaikaavassa, ja toinen muunkielisen väestön sijoittumista Helsingin sisällä. Molempia karttoja laatiessani analysoin ensin aineiston histogrammityökalulla, jotta pystyin silmämääräisesti arvioimaan, onko aineisto esimerkiksi normaalisti tai vinosti jakautunut.

Laadin ensin kartan, jossa näkyy yli 65-vuotiaiden prosentuaaliset osuudet Suomen eri kunnissa (Kuva 1). Ennen varsinaisen teemakartan laatimista analysoin paikkatietoaineiston histogramityökalulla (Kuva 3), ja arvelin silmämääräisesti aineiston olevan normaalisti jakautunut. Päätin valita luokitukseksi tasamääräisen luokituksen eli kvantiilit, jolloin aineiston havaintoja on yhtä paljon eri luokissa. Kartalla eri kuntien väliset erot ovat hyvin selkeitä ja paikoin dramaattisia. Laadin vertailun vuoksi samasta aiheesta myös teemakartan, jossa käytin luokitteluna keskihajontaa kvantiilien sijasta (kuva 2). Keskihajonnan perusteella luokitellussa teemakartassa kuntien väliset erot eivät olleet yhtä selkeitä, mutta eroavaisuuksia oli silti havaittavissa.

Kaupungistuminen eli urbanisaatio on globaali ilmiö, ja Suomessa kaupungistuminen on ollut hyvin voimakasta varsinkin viimeisten vuosikymmenten aikana. Maaseutu tyhjenee nuorten ja työssäkäyvien muuttaessa kaupunkeihin muun muassa työn ja opiskelun perässä, ja maalle jäävät asumaan pääasiassa eläkeläiset. Periferia eli syrjäalueilla tämä väestörakenteen yksipuolistuminen vaikeuttaakin esimerkiksi kunnallisten palveluiden kuten terveydenhuollon järjestämistä, sillä veronmaksajia on hyvin vähän suhteessa elätettävään väestöön. Kahdessa ensimmäisessä kartassa onkin hyvin näkyvissä tämä yhteys tyhjenevien ja muuttotappiollisten kuntien sekä ikääntyvän väestön prosentuaalisen osuuden välillä. Kartoilla tyypillisesti suurten kaupunkien läheisissä kunnissa kuten Tampereella, Turussa ja Helsingissä yli 65-vuotiaiden osuudet ovat pieniä.

Kuva 1. Yli 65-vuotiaiden prosentuaalinen osuus Suomen kunnissa. Kvantiililuokitus.
Kuva 2. Sama teema keskihajontaluokitusta käyttäen.
Kuva 3. Histogrammi yli 65-vuotiaiden prosentuaalisista osuuksista Suomen kunnissa.

Toinen teemakarttani kuvaa muunkielisten alueellista sijoittumista Helsingissä (Kuva 4). Päätin valita aineistoksi prosentuaaliset osuudet, sillä mielestäni ne kuvaavat alueen luonnetta absoluuttisia määriä paremmin. Ennen kartan laatimista analysoin aineiston jälleen histogrammissa (Kuva 5). Aineisto on epämääräisesti tai vinosti jakautunut, ja päätin valita aineiston luokittelutavaksi luonnolliset luokkavälit. Päätin myös käyttää ehdotetun viiden luokan sijasta kuutta luokkaa. Kuudella luokalla eri alueiden mosaiikkimainen kokonaisuus tuli mielestäni paremmin näkyville, eivätkä eri alueiden erot olleet niin dramaattisia. Päätin ottaa myös nollan saaneet arvot mukaan luokitteluun.

Kartalla on selvästi näkyvissä muunkielisen väestön prosenttiosuuksien erot itä- ja länsi-Helsingin välillä. Itä-Helsingissä  muunkielisiä on paikoin jopa lähelle 50%, kun taas länsi-Helsingissä prosenttiosuudet ovat yleisimmin 2-10 prosentin välillä. Pohjois-Helsingissä on myös paikoin alueita, joilla muunkielisten osuus on suurempi. Luokittelussa ylin luokkaväli on todella suuri (18,7-50%), ja tämä osittain saattaa antaa väärää kuvaa joistain alueista.

Kurssikerralla opimme vasta perusteet MapInfon käytössä, ja karttoja tehdessäni huomasinkin minulle heräävän monia kysymyksiä. Esimerkiksi muunkielisten alueellista sijoittumista kuvaavassa teemakartassa jotkut alueiden nimet ovat näkyvissä ja jotkut eivät, ja tämän opimme toivottavasti säätämään seuraaviin karttoihin. Minulle jäi myös epäselväksi, olisinko pystynyt kyseisessä teemakartassa asettamaan vain maa-alueet näkyviin. Nyt teemakartan alueella rantaviivaa ei pysty näkemään, ja tämä haittaa kartan luettavuutta ja selkeyttä.

Kuva 4. Muunkielisten prosentuaaliset osuudet Helsingissä alueittain. Luonnolliset luokkavälit.

 

 

Kuva 5. Histogrammi muunkielisten prosentuaalisista osuuksista Helsingissä

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

LÄHTEET

Koivisto, S. (2017). Mapinfon alkeet.

<https://blogs.helsinki.fi/kosokoso/2017/01/23/mapinfon-alkeet/>