7. Kurssikerta

Vihdoin on viimeisen blogitekstin aika. Kurssi on ollut melko työläs, mutta toisaalta erittäin opettavainen. Vähitellen viimeisiä kertoja lähestyessä paikkatietoasiat ovat alkaneet upota päähän, mikä on tuottanut myös satunnaisia onnistumisen tunteita. Viimeisellä kurssikerralla pääsimme itse soveltamaan oppimiamme asioita ja luomaan karttoja aiempaa enemmän alusta saakka, käyttäen itse etsimäämme tietoa (Kunnat.net, 2017) (Tilastokeskus, 2015).  Vein tilastot Exceliin ja sieltä edelleen tietokannaksi MapInfoon, jossa yhdistin ne Suomen maakuntarajat sisältäneeseen paikkatietoaineistoon SQL selectin avulla. Tällaiset perustoimenpiteet alkoivat vihdoinkin tuntua sujuvilta; kurssikerran työskentely tuntui siksi melko helpolta. Karttani alla:

Ensimmäisessä kartassani pohjaväri kuvaa 15-64-vuotiaiden osuutta väestöstä ja pylväät bruttokansantuotetta per asukas. Pyrin selvittämään, vaikuttaako työikäisten määrä siihen, kuinka korkea bruttokansantuote tietyllä alueella on. Kartasta nähdään, että korrelaatiota on havaittavissa, mutta se ei ole mitenkään yllättävää. Eläkeläiset ja lapset eivät juurikaan nosta bruttokansantuotetta. Työikäisten määrä ei kuitenkaan ole ainoa selittävä tekijä bruttokansantuotteen suuruuden takana: Esimerkiksi Kainuun bruttokansantuote on paljon pienempi asukasta kohti kuin Satakunnassa, vaikka Kainuussa työikäisen väestön osuus on suurempi. Kainuu voidaan nähdä periferiana, johon ei haluta investoida.

Toinen karttani esittää pohjavärillä ulkomaalaisten osuutta väestöstä ja ihmissymboleilla maakunnan väkilukua. Kartalta on nähtävissä, että ulkomaalaisia on paljon etenkin rannikoilla. Uusimaa on omilla luvuillaan ulkomaalaisten osuuksissa, erityisesti Helsingin seutu on nykyään varsin monikulttuurinen paikka. Uskoisin, että esimerkiksi Etelä-Karjalan melko suuri ulkomaalaisten osuus selittyy suurin osin venäläisten muutolla Suomeen. Aihetta käsitellään mm. Yleisradion verkkosivuilla. (Yle, 2017)

Kurssi on ollut ehkä tähän mennessä mantsaurani haastavin. On kuitenkin ollut hienoa vähitellen oppia paremmin paikkatietoasioita. Monilla muillakin opiskelijoilla on ollut samankaltaisia ajatuksia, mm. Saara Varis kirjoitti blogiinsa näin: “Kurssi on ollut kaikessa haastavuudessaan ja työläisyydessään myös hyvin antoisa ja antanut minulle syvemmän katsauksen kaikkeen siihen, mitä paikkatieto pitää sisällään.” (Varis, Saara 2017)

En tiedä, kuinka laajasti tulen opiskelemaan paikkatietoa jatkossa ja kuinka suuri osuus MapInfolla tulee olemaan, mutta ainakin olen nyt päässyt ottamaan ensiaskeleeni tässä paljon puhutussa tulevaisuuden työllistäjässä. Tästä on hyvä jatkaa eteenpäin.

 

Kirjallisuus

Kunnat.net

Bruttokansantuote, €/asukas http://www.kunnat.net/fi/tietopankit/tilastot/indikaatori/Sivut/ind.aspx?ind=5001&th=500

Tilastokeskus (2015)

Väestöllisiä tunnuslukuja alueittain: http://pxnet2.stat.fi/PXWeb/pxweb/fi/StatFin/StatFin__vrm__vaerak/048_vaerak_tau_203.px/?rxid=5b19531f-a0eb-4181-9369-797efb2f8dd0

Varis, Saara (2017) Saaran blogi; “Viimeistä viedään” https://blogs.helsinki.fi/saavaris/

Yle (2016)

http://yle.fi/uutiset/3-9272205

 

 

6. Kurssikerta

Aamu alkoi pienellä lenkillä Kumpulassa, kun Arttu lähetti ryhmät tuottamaan itse paikkatietoa lähiympäristöstä GPS-laitteet kourissa. Ryhmämme päätti kerätä niinkin arkista paikkatietoa kuin roskakorien sijaintia Kumpulassa. Luokkaan palattuamme aineistoja tuotiin tietokoneelle ja ihmeteltiin porukalla ryhmien keräämää sijaintitietoa. Pian kuitenkin palattiin totisempien töiden ääreen. Tällä kertaa opeteltiin geokoodauksen perusteita paikkatietoaineistolla, joka käsitteli peliautomaattien sijaintia Helsingissä.

Varsinaisena blogitehtävä 6. kurssikerralla tuotettiin kolme teemakarttaa hasardeista. Itse päädyin tutkimaan maanjäristyksiä, tarkemmin magnitudiltaan eri suuruisten maanjäristysten määrää ja sijaintia globaalisti. Paikkatietoa aiheesta löytyi Berkeleyn yliopiston tietokannoista. (Berkeley University, 2017) Valitsin ajankohdaksi 1.1.1990- ja etsin vuorotellen 6-7 magnitudin, 7-8 magnitudin ja yli 8 magnitudin maanjäristyksiä. Vein tiedot Exceliin, josta pienen muokkauksen jälkeen vein tiedot edelleen MapInfoon. Tein aineistosta seuraavat teemakartat:

Opetuskäytössä kartat olisivat hyviä kuvaamaan sitä, missä suuria maanjäristyksiä tapahtuu maapallolla. Näin suurten maanjäristysten sijainti kertoo myös laattatektoniikasta, sillä lähes kaikki yli magnitudin maanjäristyksen tapahtuvat karttojeni mukaan mannerlaattojen reunoilla. Oheisesta linkistä voitte palautella mieleenne mannerlaattojen rajat. Kyseistä kuvaa voisi käyttää myös opetuksen tukena. https://peda.net/kannus/jvk/oppiaineet2/maantiede/7-lk-maantieto/amerikka2/3eis2/kuvamappi/kuvia/lr:file/photo/10a58970453d0dbb3202ecd1de7201c397e3db78/ge_7_litosfaarilaatat_ver2.png (Peda.net, 2015)

Litosfäärilaattojen saumakohdat ja maanjäristysten sijainnit ovat hyvä esimerkki asioista, joiden avulla voi auttaa oppilaita hahmottamaan maantieteellisiä syy- seuraussuhteita. Kartoilta voi päätellä litosfäärilaattojen rajojen lisäksi kuumien pisteiden sijaintia, esimerkiksi Havaijilla tapahtuu suuria maanjäristyksiä. Syy- seuraussuhteisiin liittyvää pohdintaa löytyy myös Sonja Koiviston blogista: “Mielestäni pedagogisesti hyödyllisintä on esittää paria toisiinsa kiinteästi liittyvää ilmiötä samanaikaisesti kartalla (kuten juuri vulkaanisuutta ja maanjäristyksiä) ja pohjalla vielä syy (litosfäärilaatat), joka ovat molempien prosessien taustalla.” Tämän perusteella voisi olla viisasta esittää kartoillani myös litosfäärilaattojen rajat, jotta laattatektoniikan ja maanjäristysten yhteys tulisi paremmin esille. Maantieteen opiskelijalle tällaiset asiat ovat tietysti itsestäänselvyyksiä, mutta vaikkapa peruskoulussa voisi olla hyvä kuvata myös mannerlaattojen sijainnit.

Karttani ovat mielestäni melko havainnollisia, mutta niissä ei ole juurikaan mitään ylimääräistä “hifistelyä”. Kartat kyllä kuvaavat maanjäristysten sijaintia, mutta kuten aiemmin mainitsin, olisi niihin voinut liittää myös esimerkiksi mannerlaattojen rajat tai jotain muuta ilmiötä tukevaa informaatiota. Joka tapauksessa kartoista näkee hyvin, kuinka maanjäristysten määrä vähenee dramaattisesti magnitudin kasvaessa. Opetuksessa oppilaiden olisi syytä ymmärtää tämäkin asia. Yli 8 magnitudin maanjäristykset ovat hyvin harvinaisia ja keskittyvät lähinnä alueille, jossa kaksi mannerlaattaa työntyy toisiaan kohti. Yli 6 magnitudinkaan järistyksiä ei juurikaan tapahdu kaukana mannerlaattojen reunoista tai kuumista pisteistä.

Maantieteen opetuksessa kartat ovat erittäin suuressa osassa. Hyvien ja erityisesti selkeiden karttojen tuottaminen on avainasemassa maantiedettä opetettaessa. Hyvä kartta on informatiivinen, mutta myös visuaalisuus on tärkeää, kun halutaan opetuksessa herättää oppilaiden mielenkiinto.

 

Kirjallisuus

Berkeley University (2017)

http://quake.geo.berkeley.edu/anss/catalog-search.html

Koivisto, Sonja (2017) Sonjan blogi; Keskiviikon geokoodausta

https://blogs.helsinki.fi/kosokoso/

Peda.net (2015)

https://peda.net/kannus/jvk/oppiaineet2/maantiede/7-lk-maantieto/amerikka2/3eis2/kuvamappi/kuvia/lr:file/photo/10a58970453d0dbb3202ecd1de7201c397e3db78/ge_7_litosfaarilaatat_ver2.png

 

5. Kurssikerta

Keskiviikkoaamu alkoi perehdyttämisellä bufferoinnin ihmeelliseen maailmaan. Pieni toivonkipinä osaamisesta heräsi jo sisälläni harjoitustehtäviä tehdessäni, mutta tuon kipinän päälle kaadettiin melko pian ämpärillinen vettä, kun itsenäistehtävien tekeminen alkoi. Harjoitustehtävien tekeminen Pornaisiin liittyen ja ensimmäiset kaksi itsenäistehtävää sujuivat oikein mukavasti, mutta melko pian aivot leikkasivat kiinni. Sain kuitenkin muutamia vastauksia kysymyksiin: 

Tämänhetkisen ymmärrykseni mukaan MapInfossa tärkeimpiä työkaluja ovat työkalut, joilla voi muokata tietokantoja. Esimerkiksi Update Column ja Table Structure ovat tärkeitä, kun halutaan muokata tietokantaa. Näiden käyttäminen on jo hieman helpottunut, sillä ne ovat olleet käytössä useaan otteeseen. Lisäksi tärkeitä ovat varmaankin Query-työkalut, mutta niiden käytössä on vielä vaikeuksia. Helpoimmiksi olen kokenut piirto- ja valintatyökalujen käytön sekä teemakarttojen luomisen. Niidenkin käyttö on tärkeää, jotta työt sujuvat hyvin.

Puskurivyöhykkeet ovat loistava tapa selvittää, kuinka monta pistettä sijaitsee tietyn matkan päässä kohteesta. Buffereilla voidaan selvittää helposti, kuinka paljon vaikkapa ihmisiä tai rakennuksia sijaitsee tietyn matkan päässä kohteesta (tai tuon matkan ulkopuolella). Tehtävissä selvitettiin esimerkiksi melualueita, ihmisten asumista suhteessa juna-asemiin ja lasten määrää koulun läheisyydessä. Bufferoinnille on lähes rajattomasti mahdollisuuksia.

MapInfolla ei voi taikoa vastauksia tyhjästä, vaan ongelmien ratkaisemisen mahdollisuus riippuu useista tekijöistä. Esimerkiksi bufferointi edellä kuvattujen ongelmien ratkaisemiseksi ei olisi mahdollista, ellei olisi käytössä pisteaineistoa, jossa jokaisella pisteellä on tarkka sijainti. Ehkä suurin ongelma on kuitenkin käyttäjä itse. Oman kokemuksen perusteella olen itse ollut suurin este itselleni MapInfon parissa; välillä on tuntunut, ettei mikään onnistu ja homma menee vain kiroamiseksi ja hampaiden kiristelyksi. Uskon kuitenkin, että alan toiston kautta oppimaan MapInfon käytön.

Jouko Lappalainen pukee blogissaan sanoiksi tuntemukseni MapInfosta viime kurssikerran aikana:

“MapInfo on perkeleellinen, kylmä ja pimeä paikka, jonne unohdetut paikkatietokannat tulevat kuolemaan. Jos MapInfo olisi ihminen, hän harrastaisi koiranpentujen potkimista ja YouTube-kommentointia.” (Lappalainen, Jouko, 2017)

 

Eipä sitä juuri paremmin voisi sanoa.

 

Kirjallisuus

Lappalainen, Jouko (2017) Vain Pak(ki) puuttuu; Osa 5 – “Älä Hinkki masennu – sä et sentään asu Vantaalla”

https://blogs.helsinki.fi/ladjouko/

 

 

 

4. Kurssikerta

Tämän keskiviikkoaamun teemana olivat piste- ja ruutuaineistot. Pisteaineistoista kertasimme mm. laserkeilauksen periaatteen. Aamun painopiste oli kuitenkin ruutuaineistoissa; pääsimme taas pian tekemään itse hommia, tällä kertaa enimmäkseen ruutuaineistojen parissa. Kurssikerran ensimmäisenä harjoituksena oli datan tuominen grid-aineistoon, jotta voidaan luoda ruututeemakarttoja. Datan tuominen oli loppujen lopuksi yllättävän yksinkertaista, mutta vaikealtahan se taas aluksi tuntui. Harjoittelun jälkeen valitsimme itse aineistomme ja loimme sen pohjalta oman teemakartan. Tuloksen näette alhaalla:

(Pahoittelut järkyttävästä laadusta, kuvan tuominen ei onnistunut muuten kuin Snipping Toolilla)

Kartta kuvaa ulkomaalaisten määrää per ruutu. Ruutukoko on 300m x 300m, mikä on mielestäni melko sopiva tarkkuus. Ruutukoko ei tosin ole järkevää olla kovin paljon pienempi, sillä se ei ole tarkoituksenmukaista tässä mittakaavassa. Kartasta erottuu selkeitä alueita, missä ulkomaalaisten määrä on suuri. Täytyy kuitenkin muistaa, että kartta ei ole informatiivisuudeltaan paras mahdollinen, koska siinä käytetään absoluuttisia arvoja. Kartassa esimerkiksi Helsingin kantakaupunki, muutamat Espoon alueet ja laajat alueet Itä-Helsingissä erottuvat suurella ulkomaalaisten määrällään. Kartta ei kuitenkaan kerro suhteellisista osuuksista, joten jotkin ulkomaalaisten keskittymät voivat johtua siitä, että alueella on suuri väentiheys ja näin myös enemmän ulkomaalaisia kuin monessa muussa paikassa.

Vaikka kartta kuvaakin ulkomaalaisten absoluuttisia määriä, voidaan silti miettiä, miksi ulkomaalaisia on enemmän toisilla alueilla kuin toisilla. Uskoisin, että Helsingin kantakaupungin ulkomaalaiset ovat lähinnä koulutettua ja hyvävaraista väestöä, sillä suuret vuokrat ajavat pienempituloiset pois kantakaupungista. Kantakaupungin alueella toimii useita kansainvälisiä yrityksiä ja myös monia suurlähetystöjä.

Kantakaupungin ulkopuolella ulkomaalaisten määrästä näkyy myös toisenlainen maahanmuutto. Esimerkiksi Helsingin Itäkeskuksessa vuokrat ovat jo paljon pienemmät kuin kantakaupungissa, ja tällaisilla alueilla asuu paljon erilaisessa sosiaalisessa asemassa olevia ihmisiä, myös ulkomaiden kansalaisia. Kuten kantasuomalaisetkin, myös ulkomaalaiset näyttävät asuvan hyvien liikenneyhteyksien varrella. Ulkomaalaisten klusterit näyttävät olevan hieman yhtäläisiä esimerkiksi Helsingin metroasemien sijainnin suhteen. Samanlaisiin päätelmiin ulkomaalaisten sijoittumisesta pääsi myös Pyry Lehtonen blogissaan ”Paikkatieto tutuksi” (Lehtonen, 2017):

”Ulkomaalaisten asuinpaikoissa on selkeitä klustereita. Helsingin kantakaupunki, Helsingin itäinen suurpiiri ja moottoriliikenneteiden varret ovat väestöltään suurimpia ulkomaalaisten asuinpaikkoja. Kyseisillä alueilla on pääosin edullisempia asuntoja lukuunottamatta kantakaupunkia.”

Pohdittaessa ruututeemakarttoja yleisesti oma mielipiteeni on, että ne välittävät paljon tietoa, kunhan aineistotyyppi ja ruutukoko ovat sopivia. Omassa kartassani ulkomaalaisten suhteellinen osuus olisi ollut parempi tapa kuvata ilmiötä. Myös ruutukoolla on paljon väliä: Esimerkiksi koko Suomea kuvaavassa ruututeemakartassa itse käyttämäni 300m x 300m ruudut olisivat olleet aivan liian pieniä. Oikein käytettynä ruututeemakartat välittävät kuitenkin enemmän tietoa kuin vaikkapa koropleettikartat, vaikka neliöistä koostuva kartta ei olekaan aina kovin kaunis verrattuna moniin muihin teemakarttatyyppeihin. Tämä on tietysti vain makuasia.

Kirjallisuus

Lehtonen, Pyry (2017) Paikkatieto tutuksi; Kurssikerta IV Uusi toivo

https://blogs.helsinki.fi/lepylepy/

 

3. Kurssikerta

Tämän kurssikerran tarkoituksena oli oppia yhdistelemään paikkatietoaineistoja toisiinsa. Tutuiksi tuli mm. tiedon tuominen MapInfoon Excelistä. Aamuväsymyksen kourissa keskittyminen ei ollut aina korkeimmillaan, mikä kostautuikin välillä kärryiltä putoamisena. Onneksi pääsin kuitenkin eteenpäin, kun Arttu ja vieressä istunut selvästi skarpimpi opiskelija Iivari jaksoivat kärsivällisesti vastailla tyhmiin kysymyksiini. Lopulta hommat alkoivatkin sujua, ja sitten olikin aika tuottaa jälleen oma kartta, tällä kertaa tulvaindeksistä ja järvisyydestä.

Mielestäni kartta on väreiltään tasapainoinen ja muutenkin visuaalisesti melko hyvä, vaikka sitä ei ehkä blogiin päätynestä pienestä pikselimössökuvasta uskoisikaan. Kartalta on nähtävissä, että suurimmat tulvariskin alueet sijaitsevat rannikoilla ja Pohjois-Suomessa. Keski- ja Itä- Suomessa tulvariski on huomattavasti pienempi. Kartassa kuvatulla järvisyysprosentilla on selkeä positiivinen korrelaatio tulvaindeksiin. Tämä johtuu siitä, että järvet sitovat paljon vettä itseensä, jolloin virtaama joissa on pienempi. Pohjois-Suomen korkeahko tulvaindeksi selittyy osittain sillä, että siellä on talvisin paljon lunta, joka keväällä aiheuttaa sulaessaan veden määrän lisääntymistä joissa.

Sari Aroalho teki omassa blogissaan “Sarin pakkiblogi” (Aroalho, Sari, 2017) mielenkiintoisen ja varmastikin oikean havainnon Pohjanmaan tulvista: “Suomen vesistöalueet tuppaavat tulvimaan, etenkin keväisin lumien sulettua. Pohjanmaalla, mikä erottuu kartasta etenkin Kalajoen sekä Siikajoen osalta, tulvaindeksi on korkea (180-1100). Pohjanmaa on laakeaa maastoa eikä alueella ole paljon järviä, mitkä tasaisivat suurta virtaamaa.” Pinnanmuodotkin vaikuttavat siis paljon tulvimiseen. Pohjois-Suomessa tulvaindeksi voisi olla paljon nykyistä korkeampi, jos maasto olisi tasaisempaa. Keski-Suomessa taas tulvaindeksiä saattaa pienentää kumpuileva maasto, jossa vesi pääsee virtaamaan sujuvasti.

Kirjallisuus

Aroalho, Sari (2017) Sarin pakkiblogi; tulvaherkkyys ja järvisyys, kurssikerta 3

https://blogs.helsinki.fi/aroalho/

2. kurssikerta

Kurssikerran aluksi kävimme Artun johdolla läpi erilaisia teemakarttatyyppejä sekä MapInfon teemakarttatyökaluja, mistä löytyikin lukuisia tapoja kuvata tietoa kartalla. Erityisen vaikutuksen visuaalisuudellaan minuun tekivät grid-kartat, joista oli luettavissa uskomattoman tarkkaa tietoa. Seuraavaksi tavoitteena oli tehdä itse teemakartta, jossa kuvataan päällekkäin kahta eri ilmiötä. Tein oman teemakarttani valtionveron alaisista tuloista per henkilö sekä elinkeinorakenteesta Kanta-Hämeessä. Halusin selvittää, näyttääkö elinkeinorakenteen ja tulojen välillä olevan korrelaatiota. Alhaalla nähtävissä karttani:

 

Ensimmäinen havaintoni karttaa tutkiessani oli, että niissä kunnissa, minkä elinkeinorakenteessa palvelusektori oli erityisen korostunut, oli myös suurimmat tulot. Suuri syy tähän on varmasti se, että monissa palvelualan ammateissa tarvitaan korkeakoulutettuja osaajia, joiden palkkaaminen on usein kallista.

Teollisuuden osuus elinkeinorakenteessa ei näytä kartan mukaan korreloivan tulojen kanssa kanta-Hämeessä. Sen sijaan alkutuotannon osuus näyttäisi olevan suurin kunnissa, jossa on pienimmät vuositulot. Voi olla, että kyse on siitä, että suuren alkutuotannon kunnissa ei ole paljon palvelualan työpaikkoja. Toinen syy voi olla esimerkiksi maanviljelystä saatavien tulojen vähäisyys.

Mielestäni melko erikoinen asia selvisi, kun luin toisia blogeja liittyen elinkeinorakenteeseen. Iivari Laaksonen pohti blogissaan elinkeinorakenteen ja työttömyyden välistä yhteyttä. Vaikka itse löysin korrelaation tulojen ja tietynlaisen elinkeinorakenteen välillä, niin työttömyyteen elinkeinorakenne ei näyttänyt vaikuttavan, ainakaan Laaksosen esittämällä alueella, eli Pirkanmaalla. Blogissa käsitellään aihetta näin: ”Suurta korrelaatiota ei löydy, joten voin todeta, että Pirkanmaalla mikään tietty erityispiirre elinkeinorakenteessa ei vaikuta ratkaisevasti työttömyyteen. Työttömyyteen syyt ovat usein monimutkaisia ja niitä on monia.” (Laaksonen, Iivari, 2017)

Kartalla erikoisia yksityiskohtia ovat Forssa ja Hattula. Muista heikon tulotason kunnista poiketen Forssassa ei ole juuri ollenkaan alkutuotantoa, vaan teollisuus ja palvelut ovat suuressa merkityksessä. Hattula taas on ainoa kunta, joka ylittää 25 250 euron tulorajat, vaikka lähellä ovat suuremmat kaupungit Hämeenlinna ja Riihimäki, joissa palvelualan osuus on suuri. En keksinyt selittävää tekijää tähän, mutta täytyy muistaa, että näiden kuntien väliset tuloerot ovat kuitenkin suhteellisen pienet, sillä Hämeenlinna ja Riihimäki kuuluvat kuitenkin toiseksi ylimpään tuloluokkaan.

 

Artikkeli 1

2. Kurssikerralta saimme myös lukemiseksi artikkelin ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship” (Leonowicz, Anna, 2006). Artikkeli pohtii yhden muuttujan sekä kahden muuttujan koropleettikarttojen eroja. Leonowicz pitää kahden muuttujan karttoja tehokkaana tapana esittää tietoa, kunhan luokkien määrä on rajattu neljään (2×2) tai yhdeksään (3×3). Suurempi luokkamäärä sekoittaa kartan tulkintaa, varsinkin kun kahden muuttujan kartan lukeminen on monille haastavaa jo pienellä luokkien määrällä. Artikkelissa kerrottiin myös tutkimuksesta, jossa molemmat karttatyypit oli laitettu Varsovan yliopiston maantieteen opiskelijoiden tulkittavaksi. Tulokset kertoivat, että yhden muuttujan koropleettikartat koettiin helpommin tulkittaviksi kuin kahden muuttujan kartat, kun taas kahden muuttujan karta koettiin kiinnostavimmiksi ja epätavallisimmiksi.

Mielestäni kahden muuttujan teemakartat ovat oikein toteutettuna oikein hienoja ja informatiivisia, mutta huono toteutus saa aikaan vain sekavan, vaikeasti luettavissa oleva kartan. Itse en pidä artikkelin lopussa olevan kartan tapaa sekoittaa kaksi väripalettia kovin hyvänä, sillä en ainakaan itse pystynyt tulkitsemaan tällaista karttaa kovin nopeasti. Parempi tapa on mielestäni yhdistää väripinnat esimerkiksi ympyrädiagrammeihin tai rasteripintoihin. Jos kaksi muuttujaa on sisällytetty kartalle taitavasti, on kahden muuttujan välinen yhteys helpommin tulkittavissa kuin kahdelta erilliseltä kartalta.

Artikkelin yhteydessä olevien karttojen legendojen ymmärtämiseen täytyy käyttää hieman aikaa, ne eivät siis ole läheskään yhtä selkeitä kuin yhden muuttujan kartoissa. Tällaiset kartat legendoineen voivat olla melko haastavia suurelle yleisölle, ja niiden käyttö voisikin olla viisaampaa keskittää sellaiselle kohderyhmälle, jolla on kokemusta karttojen lukemisesta. Itse artikkelin ei ollut suurempia vaikeuksia, vaikka joukossa olikin tuntemattomia sanoja.

 

Kirjallisuus

Laaksonen, Iivari (2017) Iivarin Blogi; 2. kurssikerta sekä artikkelitehtävä

‘https://blogs.helsinki.fi/iilaakso/

Leonowicz, Anna (2006)

”Two-variable choropleth maps as a useful tool for visualization of geographical relationship”, https://moodle.helsinki.fi/pluginfile.php/1537276/mod_resource/content/0/KK2/Geog_033_037_spalvotas.pdf

1. kurssikerta

Johdanto

Ensimmäisellä kurssikerralla tutustuimme MapInfon käyttöön. Tavoitteena oli tehdä teemakartta vapaavalintaisesta aiheesta. Aineistossa oli runsaasti eri vaihtoehtoja, ja päädyin valitsemaan yli 65-vuotiaiden osuuden kunnittain. Mielestäni tämä tieto kertoo paljon kunnan elinvoimaisuudesta: Kunnissa, joissa asuu paljon eläkeikäisiä suhteessa työikäisiin, menee usein taloudellisesti melko huonosti, koska huoltosuhde on heikko.

 

Kartan laatiminen

En ala tarkemmin selittämään kartan tekemisen teknisiä yksityiskohtia, mutta parista asiasta voisin kertoa. Valitsin kartalle sinertävät sävyt, koska ne vaikuttivat helpoilta ymmärtää. Tummemmat sävyt kuvaavat suurempia arvoja. Luokittelin aineiston kartalle luonnollisten luokkarajojen mukaan. Tämä jakoi aineiston melko tasaisesti, jolloin kartan tulkitseminen antaa todenmukaisen kuvan aineistoista.

Kartta ei ole ehkä vielä kovin kaunis, mutta uskon parantavani seuraaviin kertoihin. Tällä kerralla aikaa meni paljon perusteiden oppimiseen. Kuitenkin kartassa on mielestäni myös paljon hyvää: esimerkiksi mittakaava ja legenda ovat hyvin aseteltuja. Kartasta saa myös muodostettua hyvä yleiskuvan yli 65-vuotiaiden määrästä eri alueilla.

Ilmiöstä kartan takana

Yli 65-vuotiaiden määrä kunnittain liittyy hyvin moneen yhteiskunnalliseen kysymykseen. Kartta heijastelee esimerkiksi Suomen muuttoliikkeen suuntaa: Nuoret ihmiset suuntaavat isoihin kaupunkeihin, ja maaseutu tyhjenee vauhdilla. Maaseudulle paljon vanhuksia, mikä tarkoittaa huoltosuhteen heikkenemistä ja talousongelmia kunnalle. Tätä aihetta käsitellään Pyry Lehtosen blogissa:

”Kartta osoittaa heikoimpien huoltosuhteiden olevan pääosin Itä- ja Pohjois-Suomessa. Parhaimmat huoltosuhteet sen sijaan ovat Etelä- ja Länsi-Suomessa ja suurimpien kaupunkikeskuksien ympärillä. Tämä voi johtua 2000-luvulla alkaneesta muuttoliikkeestä maaseudulta kaupunkeihin. Lisäksi väestön ikääntyminen kasvattaa huoltosuhdetta.” (Pyryn kartta alempi alla olevista kartoista)

Alempi kartta:                                                                                                         Lehtonen Pyry (2017)

Karttoja vertaillassa huomataan selkeitä yhteneväisyyksiä. Tämä ei ole sinänsä mitenkään yllättävää, sillä kartat sivuavat samaa ilmiötä. karttojen erot selittynevät pitkälti sillä, että Lehtosen kartassa kuvattava huoltosuhde pitää sisällään muitakin kuin vanhuksia. Huollettaviin lasketaan kaikki, jotka ovat työvoiman ulkopuolella, esimerkiksi lapset ja opiskelijat.

Yli 65-vuotiaiden määrä on pienimmillään pääkaupunkiseudulla ja sen lähialueilla sekä muiden suurien kaupunkien alueella (esim. Turku, Tampere, Jyväskylä, Oulu). Tulevaisuudessa on kuitenkin mahdollista, että yhä enemmän työikäisiä suuntaa nimenomaan pääkaupunkiseudulle, ja vanhuksien määrä kasvaa muualla. Täytyy kuitenkin muistaa, että syntyvyys on Suomessa melko alhaista ja ihmiset elävät yhä pidempään, joten eläkeikäisten määrä saattaa hyvinkin kasvaa kaikkialla.

Kirjallisuus

Lehtonen, Pyry (2017) Paikkatieto tutuksi; Kurssikerta I Pimeä uhka

https://blogs.helsinki.fi/lepylepy/