Kurssikerta 7 – Omaa osaamista testaten

Kurssikerta 7 jäi minulta väliin omien toilailujeni takia (hups), mutta onneksi se oli juuri tämä kurssikerta, eikä mikään edellisistä. Kurssikerta oli nimittäin lähes kokonaan omatoimista työskentelyä, ja sen sai helposti suoritettua yksinkin. Ennen kertaa olin tutkinut aineistoja eri puolilta maailmaa, ja päädyin tekemään karttani Virosta. Virolta löytyi lähes samanlainen tilastoaineistosivusto, kuin Suomelta, ja täältä oli helppo löytää mielenkiintoisia aineistoja käyttöön. Paikkatiedollisesti sijoitetut aineistotkin oli jopa merkitty erikseen, joten siihenkään ei tarvinnut aivokapasiteettiaan tuhlata! Päätin ottaa ja yhdistää aineistot tuntipalkasta, työttömyysasteesta, kulutuksen alkoholiin osuutena tuloista, osuuden kotitalouksista joissa on internet, sekä venäläisten suhteesta virolaisiin. Kuitenkin karttoja luodessani huomasin, ettei venäläisten ja virolaisten suhde sen suuremmin korreloinut minkään muun käytössäni olevan aineiston kanssa, joten päätin jättää sen kokonaan käyttämättä kartoissani. Huomasin Taneli Pärssisenkin (2016) tehneen karttansa Virosta, joten jos haluaa tutustua venäläisten osuuteen, voi suunnata hänen blogiinsa. Karttapohjani löysin internetistä TAB-muodossa, joten tähän oli hyvä yhdistää loput muuttujat yhteen taulukkoon.

Ensimmäinen karttani kuvaa internetin omistavia kotitalouksia, sekä keskimääräistä tuntipalkkaa. Suoraan ensimmäisenä kartasta erottaa selvästi kaksi muita suurempaa keskipalkkaa omaavaa maakuntaa. Näissä maakunnissa sijaitsevat Tallinna ja Tartto, kaksi Viron suurinta kaupunkia. Kartasta erottaa selvästi sen, että yleinen suuntaus on sellainen, että mitä enemmän kotitalouksissa on internet, sitä suurempi on sen keskipalkka. Tämä johtunee ehkä maakuntien talousrakenteestakin. Maaseudulla palkat ovat pienempiä, ja internetiä on myös totuttu käyttämään vähemmän. Korrelointi johtuukin tässä tilanteessa ehkä yhteisestä syystä, eikä niinkään yhteisestä kausaliteetista.

Kuva 1. Internetin omaavat kotitaloudet sekä keskipalkka euroissa.
Kuva 1. Internetin omaavat kotitaloudet sekä keskipalkka euroissa.

Toinen karttani kuvaa osuutta tuloista, jotka on kulutettu alkoholiin, sekä työttömyysprosenttia. Tässä on yllättävän suuri korrelaatio. Tummemmat kunnat ovat paljolti myös tiheämmin pisteytettyjä ja vaaleat kunnat pysyvät harvaan pisteytettyinä. Tämä vastaa oletustani karttaa tehdessäni, työttömyys aiheuttaa henkilökohtaisia vaikeuksia, ja ihmiset ajautuvat helpommin alkoholin pariin.

Kuva 2. Alkoholiin kulutuksen osuus tuloista sekä työttömyys.
Kuva 2. Alkoholiin kulutuksen osuus tuloista sekä työttömyys.

Kartat olivat aiemman oppimani perusteella suhteellisen helppoja tehdä, sekä itse ohjelma tuntuu jo helpolta käyttää. Kuulemani mukaan MapInfo on ehkä vaikeimpia GIS-softista, joten odotan innolla muihinkin ohjelmiin tutustumista.

 

Lähteet:

Average hourly gross wages (salaries) by county. (2015). Statistics Estonia. <http://pub.stat.ee/px-web.2001/Dialog/varval.asp?ma=Ws5322&ti=AVERAGE+HOURLY+GROSS+WAGES+%28SALARIES%29+BY+COUNTY&path=../I_Databas/Economy/36Wages_and_salaries_and_labour_costs/09Wages_and_salaries/02Annual_statistics/&lang=1>

Expenditure per household member in a month by county. (2007). Statistics Estonia. <http://pub.stat.ee/px-web.2001/Dialog/varval.asp?ma=HH10&ti=EXPENDITURE+PER+HOUSEHOLD+MEMBER+IN+A+MONTH+BY+COUNTY+%281996-2007%29&path=../I_Databas/Social_life/06Households/02Household_budget/02Monthly_expenditure/&lang=1>

Households having a computer and internet connection at home by place of residence. (2015). Statistics Estonia. <http://pub.stat.ee/px-web.2001/Dialog/varval.asp?ma=IC201&ti=HOUSEHOLDS+HAVING+A+COMPUTER+AND+INTERNET+CONNECTION+AT+HOME+BY+PLACE+OF+RESIDENCE&path=../I_Databas/Economy/20Information_technology/04Information_technology_in_household/&lang=1>

Maakond MAP. (1.4.2016). Estonian Land Board. <http://geoportaal.maaamet.ee/eng/Maps-and-Data/Administrative-and-Settlement-Division-p312.html>

Pärssinen, T. (2016). Kurssikerta 7 (1.3.2016). <https://blogs.helsinki.fi/tanelipa/2016/03/23/kurssikerta-7-1-3-2016-2/> Luettu 11.4.2016

Unemployment rate by county. (2015). Statistics Estonia. <http://pub.stat.ee/px-web.2001/Dialog/varval.asp?ma=ML442&ti=UNEMPLOYMENT+RATE+BY+COUNTY&path=../I_Databas/Social_life/09Labour_market/12Unemployed_persons/02Annual_statistics/&lang=1>

Kurssikerta 6 – Hasardeja

Kuudennen kurssikerran aloitimme pienellä reippailulla Kumpulan ympäristössä. Saimme käyttöömme GPS-paikantimen ja tehtävänämme oli käydä merkkaamassa jotakin kohteita lähimaastossa. Päätimme paikantaa alueen yrityksiä, joka oli ehkä loppujen lopuksi ajatellen huono idea. Kävelimme nimittäin selvästi liian pitkälle ja yrityksiä alkoi tulla vastaan hyvin paljon, joten tiedoistamme ei tullut tarkkoja. Kuitenkin, kun syötimme tulokset MapInfoon, vastasivat ne juuri niitä sijainteja, mistä me olimme ne ottaneet. Tämän jälkeen harjoittelimme vielä pisteaineiston geokoodausta Helsingin pelikoneilla, ja tulos saatiin lopulta näkymään kartalle monien eri vaiheiden kautta. Yllättävän mielenkiintoista nähdä jotakin niin konkreettista ja lähellä olevaa tapahtuvan suoraan karttaohjelmaan!

Kurssikerran itsenäistehtävänä oli tuottaa kolme karttaa, teemana hasardit. Näiden piti soveltua opetuskäyttöön. Ensimmäisen kartan päätin tuottaa maailman maanjäristyksistä. Tähän laitoin näkymään yli 5,5 magnitudin järistykset ja niiden päälle yli 7 magnitudin järistykset. Kartasta voi huomata, ja näin myös opettaa, maanjäristyksen sijainneista. Alueet, joilla järisee, sijoittuvat selvästi mannerlaattojen reunakohtiin. Pienempiä järistyksiä esiintyy selvästi useammin, ja myös kauempana laattojen reunoista. Isommat järistykset sen sijaan taas sijoittuvat lähes poikkeuksetta pelkästään reunakohtiin. Kun pienempiä järistyksiä esiintyy lähes poikkeuksetta jokaisessa liitoskohdassa, isoja esiintyy kuitenkin vain joissain. Nämä ovat selvästi laattojen törmäysvyöhykkeillä. Kuten monet, esim. Rinne (2016) sekä Sädekoski (2016) ovat maininneet, tällaisista kartoista voisi helposti opettaa mannerlaattojen sijaintia.

maanjäristykset
Kuva 1. Maailman maanjäristykset.

Toisen kartan tein maailman tulivuorista. Siihen näkyviksi valitsin kaikki vuoret ja kohoumat, jotka on lueteltu tulivuoriksi, sekä tulivuoret, jotka ovat purkautuneet vuoden 1964 jälkeen. Vuoria on selvästi harvemmassa kuin maanjäristyksiä, mutta nekin näyttäisivät noudattelevan jotenkin mannerlaattojen reunoja. Kuitenkin poikkeuksena mannerlaattojen keskeltäkin löytyy suhteellisen paljon tulivuoria. Nämä ovat hotspotteihin syntyneitä tulivuoria, joiden syntyyn on vaikuttanut vain niiden alla sijaitseva pystysuora magmavirtaus, ei niinkään mannerlaatan reunan prosessit. Viime aikoina purkautuneiden tulivuorten sijaintia verratessa kaikkiin tulivuoriin huomaa, että joillain alueilla on paljon epäaktiivisia tulivuoria, kun taas aktiiviset sijoittuvat lähinnä samoille alueille ryppäinä. Esimerkiksi itä-Afrikassa ja -Turkissa, sekä länsi-Amerikassa on monia epäaktiivisia tulivuoria.

Kuva 2. Tulivuoria.
Kuva 2. Tulivuoria.

Viimeisen kartan loin siten, että asettelin nämä kaksi ilmiötä päällekkäin havainnollistamaan niiden yhteistä ilmenevyyttä. Sen huomaa kartasta selvästi, ja mannerlaattojen reunat pystyy erottamaan helposti. Itse kartoista ja sen tiedoista kuitenkin, kaikki  kohteiden sijainnit eivät selvästikään ole täysin kohdillaan (katso tulivuori Ruotsin itärannikolla). Muuten kartta on silmälle mukava, eikä tylsän yksivärisiä.

Kuva 3. Tulivuoret ja maanjäristykset.
Kuva 3. Tulivuoret ja maanjäristykset.

Lähteet:

Rinne, J. (2016). Hasardeja kartalla. <https://blogs.helsinki.fi/joorinne/2016/02/25/kurssikerta-6-hasardeja-kartalla/>

Sädekoski, N. (2016). Kurssikerta 6. Hasardikarttoja ja geokoodausta. <https://blogs.helsinki.fi/niklasad/2016/04/07/kurssikerta-6-hasardikarttoja-ja-geokoodausta/>

Kurssikerta 5 – bufferointia

Viidennellä kurssikerralla jatkoimme matkaamme taas yhä syvemmälle MapInfon syövereihin, ja tällä kertaa pääsimme koettamaan omia taitojamme jo ihan kunnolla. Aloitimme tunnin opettelemalla bufferointimenetelmää, eli luomalla alueen jonkin kohteen ympärille, josta on joku tietty matka. Kun bufferin oppi nopeasti luomaan, toimi se nopeana ja kätevänä työkaluna laskea asioita joltakin valmiilta aineistopohjalta. Kurssikerta koostui pääasiassa omatoimisista tehtävistä nopean alkuopetuksen jälkeen, ja sen kyllä huomasi, kun ei ollut mitään sen kummempia täysin suoria ohjeita mitä seurata, niin kuin yleensä on ollut. Mielestäni tämän kurssikerran tehtävät olivat selvästi hankalampia, kuin edellisten, mutta tarpeeksi ohjelmaa räpläillessä ja tutkiessa jokaisesta kohdasta kyllä loppujenlopuksi selvittiin. Muutkin, kuten Tavi (2016) ja Voipio (2016), ovat huomanneet kurssikerran tehtävien olleen hankalampia.

Ensimmäinen hankaluuden kohtasin, kun piti laskea 2km päässä JA 55dB melualueella Helsinki-Vantaasta asuvien määrän. Tähän kului selvästi kauiten aikaa, mutta alkuun päästyäni hommat helpottuivat. MapInfon kanssa työskentely on vähän niin kuin urheilua: kannattaa lämmitellä hetki, jotta itse suoritus sujuisi paremmin! Jokaisen käyttäjän kannattaisi varmaan luoda jonkinlainen muistio ohjelman tärkeimmistä yksinkertaisista toiminnoista, sillä ainakin mielestäni suurin haaste itsenäistehtävissä tulee siinä, ettei muista mitä toimintoa piti käyttää. Mielestäni MapInfon tärkeimpiä ominaisuuksia on taulukot ja niiden päivitys, kaikki kartalle tulevahan perustuu juuri niihin. Ulosannin kannalta teemakarttojen luonti ja sen hyvä hallitseminen on tärkeää, sillä lähes kaikesta tuotetaan jonkinlainen representaatio tämän työkalun avulla. Kaikkien näiden työkalujen käyttö on suht helppoa, kunhan vain muistaa mitä tehdä. Tässäkin taas vanha kunnon Google on tietysti aina hyvä apu.

Taulukko
Taulukko 1. Kurssikerran tehtävien vastaukset.

No jos nyt puhuisin vähän itse tehtävistä. Bufferointi on nopea ja helppokäyttöinen työkalu. Kuitenkin kun katselin muiden tuloksia, ne poikkeavat jonkin verran omistani ja toisistaan. Tämä johtuu siitä, että kaikki ovat piirtäneet bufferoitavat kohteet itse, joten inhimillisellä virheellä on oma osansa tuloksessa. Kyselyjen avulla etsittiin paljon tietoa koko aineistosta, sekä pelkästään bufferilla valitulta alueelta, jolloin saatiin tietää asukkaista tietyillä etäisyyksillä. Mielenkiintoinen kohta tehtävissä oli verrata Malmin lentokentän ikää sitä ympäröivien talojen ikään: kaikki talot olivat nuorempia kuin itse kenttä! Ihmettelin hieman sitä, että mitenkä muka Vantaalla ja pohjois-Helsingissä asuvista 14% asuu taajamien ulkopuolella? Tätä oli myös Leppämäki (2016) ihmetellyt ja tuonut lähteenkin, josta käy ilmi, että asia ei ehkä näin ole.

helsinki
Kuva 1. Helsingin pienalueet uima-altaita sisältävien rakennusten mukaan.

Valinnaisista tehtävistä tein uima-altaita ja saunoja sisältävien rakennusten etsimistehtävän. Uima-altaita etsiessä kävi ilmi, että Espoolaiset ja Vantaalaiset eivät pahemmin perusta uima-altaista, joten liitänkin tähän nyt kartan, joka käsittää vain Helsingin. Uima-allastalojen sijoittuminen erottuu selvästi niin, että varakkaammille, pientalovaltaisille alueille (Pakila, Laajasalo, Jollas, Marjaniemi, Tammisalo, näistä poikkeuksena kerros- ja rivitalovaltainen Lauttasaari, jossa eniten uima-allastaloja). Saunoja löytyy ympäri seutua, onhan Suomessa kuulemani mukaan enemmän saunoja kuin autoja! Pääkaupunkiseudulla saunoja on neljäsosassa rakennuksista, mutta harvempaan rakennetuilla seuduilla todennäköisesti useammissa.

 

Lähteet:

Leppämäki, T. (2016). Puskuroiden etiäpäin – 5. kurssikerta. <https://blogs.helsinki.fi/leppatat/2016/02/22/puskuroiden-etiapain-viides-kurssikerta/> Luettu 2.3.2016

Tavi, T. (2016). Viides blogi bufferoinnista ja putkiremonteista. <https://blogs.helsinki.fi/tugtavi/2016/02/24/viides-blogi-bufferoinnista-ja-putkiremonteista/> Luettu 2.3.2016

Voipio, P. (2016). PAK16 blogi – Viides kurssikerta 16.2.16. <https://blogs.helsinki.fi/vopa/2016/02/22/pak16-blogi-viides-kurssikerta-16-2-16/> Luettu 2.3.2016

Kurssikerta 4. – Asukastiheyksiä?

Neljännellä kurssikerralla opettelimme tekemään ruudukkopohjaisia karttoja, joita itse pidän todella hyvinä karttoina, kunhan niiden pohjana käytetty tieto on tarpeeksi tarkkaa. Ruutukartat ovat hyviä kuvaamaan kaikenlaisia alueellisia ilmiöitä, sillä niissä on käytetty vakiokokoisia ruudukoita, joten ne eivät ole rajoitettu pelkästään suhteellisiin arvoihin, vaan myös täysin absoluuttisia arvoja on mahdollista käyttää. Tämä avaa mahdollisuuden hyvin monille uusille kartoille.

Noniin, kurssikerran aloitimme luomalla ruudukon kartan päälle. Toimenpide oli helppo, täytyi vain vetää ruudukko kartalle, ja tämän jälkeen sitä pystyi käyttämään teemakarttojen luonnissa hyvin helposti, olihan sille asetettu maantieteelliset koordinaatit. Harjoitteluna teimme kartan 20-vuotiaiden, eli juuri toiseen asteen opinnon suorittaneiden, sijoittumisesta 500m ruuduittain. Muutamaa nappia klikkaamalla kartta olikin valmis ja helposti tulkittavissa. Suurimmat asumiskeskittymät näyttäisivät sijoittuvan keskustaan ja tiettyihin keskuksiin (yllärinä Otaniemi), sekä pääteiden läheisyyteen.

500m
Kuva 1. 20-vuotiaat 500m ruudukoittain.

Sitten tuli aika itsenäisharjoituksen, jossa oli tarkoituksena luoda ainakin kaksi karttaa eri ruutukoilla samasta itse päättämästä aiheesta. Perjantaiaamuna minua hieman laiskotti, enkä jaksanut hirveästi ruveta ajattelemaan, mistä aiheesta kartat tekisin, joten päätin vain vaihtaa ikäluokkaa 15-19 vuotiaisiin, jotka tulkitsin lukio ja amis ikäisiksi. Ensimmäisen kartan loin 250m ruudukolla, ja kartan tuottamisessa meni ohjelmalta selvästi kauemmin kuin edellisessä! Ymmärrettäväähän se on, pitäähän sen laskea neljä kertaa enemmän ruutuja ja ikäluokkia. Kuitenkin tulos oli mielestäni ihan OK. Olisin voinut OpenStreetMap taustakartan tummuutta hieman laskea, tai muuttaa käyttämääni väriskaalaa, nimittäin ainakin omasta mielestäni varsinkin yksittäiset vaaleat ruudut jäävät helposti huomaamatta karttaa tarkastellessa. Muuten kartta on suhteellisen helppolukuinen ja siitä näkee selvästi, miten lukiolaiset ovat sijoittuneet.

250mparas
Kuva 2. Lukioikäiset 250m ruudukoittain.

Kuitenkin verratessani tätä karttaa edelliseen karttaan tuli minulle sellainen fiilis, että hetkonen tämähän on aikalailla samanlainen kuin se äskeinen, ellei Otaniemeä nyt lasketa. Päätinkin siis vertailla tätä muiden karttoihin eri teemoista ja jos nyt vaikka esimerkkeinä annetaan Liljan (2016) kartta vanhuksista, sekä Ehnströmin (2016) karttaan ruotsinkielisistä, huomaa, että hetkinen kaikki nämä kartathan ovat pääasiassa vain esityksiä pääkaupunkiseudun väestötiheydestä, muutamia poikkeuksia lukuunottamatta. Vanhuksia tutkiessa huomaa heidän sijoittuvan enemmän Helsinkiniemen itäpuolelle, sekä pohjoisen Oulunkylä-Pakila akselille, mutta muuten sama sijoitus keskuksiin ja pääteiden varsille pitää paikkansa. Ruotsinkielisetkin selvästi sijoittuvat aikalailla samalla tavalla, kuin muut helsinkiläiset.

Tämä onkin ehkä suurin ongelma ruutukarttojen esityksissä. En ollut itse edes ajatellut tätä ongelmana, ennen kuin rupesin tutkimaan näitä karttoja. Ruutukartat ovat todella hyviä esittämään täysin absoluuttisia kokonaisarvoja, mutta hyvin usein jos rupeaa esittämään absoluuttisia arvoja, jostain osasta jotakin isompaa ryhmää, kartasta tulee helposti osoitus vain isomman ryhmän jakautumisesta, ellei tämä pienempi ryhmä ole selvästi keskittynyt jollekin alueella, tästä esimerkkinä juuri Otaniemen näkyvyys 20-vuotiaiden kartassa. Kuitenkin verrattuna koropleettikarttaan, siinäkin toistuvat nämä ongelmat. Myös pistekarttaan verrattuna ruutukartta on näin suurissa aineistoissa ehkä parempi, sillä monet pisteet alkavat sekoittua lukijan silmissä, ja liian suuret pisteet toisaalta sijoittuvat aina hieman vääriin kohtiin.

1000m
Kuva 3. Lukioikäiset 1000m ruudukoittain.

Loin vielä 1000m ruudukolla kartan tästä lukioikäisten sijainnista. Tässä ruudut ovat jo niin suuret, että koko pääkaupunkiseudusta alkaa tulla hieman keskustaa kohti tummenevaa yhtenäistä aluetta, eikä alueellista jakaantumista niin helposti huomaa. Tämän kokoinen ruudukko saattaisi pikemminkin sopia jotakin isompaa aluetta esitettäessä.

Lähteet:

Ehnström, E. (2016). Ruutumeininki ja takaisin Afrikkaan. <https://blogs.helsinki.fi/ehem/2016/02/16/ruutumeininki-ja-takaisin-afrikkaan/> Luettu 1.3.2016

Lilja, J. (2016). Neljäs kerta – pisteitä, ruutuja, nuoria ja mummoja. <https://blogs.helsinki.fi/jiri/2016/02/18/neljas-kerta-pisteita-ruutuja-nuoria-ja-mummoja/> Luettu 1.3.2016

Kurssikerta 3. – Afrikkaa ja valuma-alueita

Kolmannella kurssikerralla siirryimme hieman syvemmälle MapInfon saloihin. Rupesimme tarkastelemaan ja muokkaamaan yksittäisiä tietokantoja. Opimme etsimään tietoa erilaisten kyselyjen avulla, sekä tuomaan tietokantoihin ulkoista tietoa. Alkuun päästyä näiden tietokantojen muokkaus oli yllättävänkin helppoa, eikä suurempia vaikeuksia ilmennyt. Tietokantojen yhdistäminen kartan paikkatiedon perusteella oli yllättävän mielenkiintoinen keino yhdistää taulukoita! Harjoitusaineistona käytimme Afrikkaan perustuvaa aineistoa, jossa oli valtioiden rajojen lisäksi lisätty öljylähteet ja timanttikaivokset, sekä konfliktialueet.

valuma-aluekartta
Kuva 1. Tulvaindeksit ja järvisyysprosentit valuma-alueittain.

Kurssikerran itsenäisharjoituksena tuli tehdä kartta Suomen valuma-alueista, jossa näkyy sekä tulvaindeksi, että järvisyysprosentti. Kaikki aineisto oli valmiina, piti vain suorittaa yksinkertainen laskutoimitus keskiylivirtaama (MHQ) jaettuna keskialivirtaamalla (MNQ), jolloin saatiin tulvaindeksi aikaiseksi. Ohjeissa oli myös haastavampi versio, jossa laskettiin myös järvisyysprosentit itse, sekä vaihtoehtoinen tulvaindeksi MHQ/MQ. Tein tämän ja tulokset olivat kutakuinkin samanlaisia kuin edellisessä versiossa. Valitsin luonnolliset välit luokkajaoksi alueiden selvästi jakautuessa tiettyihin väleihin, ja jakauman ollessa selvästi vino. Layout-ikkunan käyttö on tullut tässä vaiheessa kurssia hyvin selväksi ja helpoksi, joten tulosteen luominen kävi nyt jo nopeasti ja helposti. Suurimmaksi haasteeksi tämän työn yhteydessä nousi tietokantojen yhdistely.

Kartasta huomaa, että tulvaindeksi on selvästi korkeampi alueilla, joiden järvisyysprosentti on pienempi. Tulvaindeksi on myös selvästi korkeampi rannikkoalueilla, mutta tämä saattaa tietysti johtua rannikkoalueiden vähäjärvisyydestä. Järvet ovat suuria vesivarastoja, jotka lieventävät tulvia luonnollisesti. Näin vähäjärvisillä alueilla jokien virtaamat kasvavat niin suuriksi, että ne tulvivat yli valliensa.  Toisaalta Leppämäki (2016) on pohtinut blogissaan tulvaindeksin paikkansapitävyyttä, jolloin se ei esittäisi varsinaisesti tulvien määrää, vaan lähinnä sitä, että pienin keskialivirtaama on hyvin pieni. Kuitenkin tulvaindeksi korreloi huomattavasti järvisyyden kanssa, joten on todennäköistä, että se kuitenkin pitää paikkansa.

 

Lähteet:

Leppämäki, T. (2016). Tietokannan rakenne on muuttunut eli vesistöjä ja väkivaltaa – 3. kurssikerta <https://blogs.helsinki.fi/leppatat/2016/02/08/tietokannan-rakenne-on-muuttunut-eli-vesistoja-ja-vakivaltaa-3-kurssikerta-tyon-alla/> Luettu 17.2.2016

 

Afrikka-tehtävä

Jos kartalle ja tietokannoille olisi annettu seuraavat tiedot, olisi paljon helpompi analysoida ja päätellä konfliktien vaikutuksia ja syitä.

  • Konfliktin tapahtumavuosi
  • Konfliktin laajuus/säde kilometreinä
  • Timanttikaivosten löytämisvuosi
  • Timanttikaivoksen kaivausten aloitusvuosi
  • Timanttikaivosten tuottavuusluokittelu
  • Öljykenttien löytämisvuosi
  • Öljykenttien poraamisvuosi
  • Öljykenttien tuottavuusluokittelu
  • Internetkäyttäjien lukumäärä eri vuosina

Afrikassa on 1900 loppupuolelta alkaen ollut paljon konflikteja ympäri mannerta. Afrikan ollessa maailman vähiten kehittynyttä aluetta, ja samaan aikaan yhtä planeetan luonnonvararikkainta aluetta, ovat syyt konfliktien alkamiselle olleet helposti saatavilla. Jos edellä mainitut tiedot saataisiin yhdistettyä kurssin tietokantaan, voisi niistä tehdä tiettyjä johtopäätöksiä. Esimerkiksi voisi vertailla luonnonvaran löytymisvuotta ja konfliktin tapahtumavuotta, ja pohdiskella, ovatko nämä vaikuttaneet toisiinsa. Myös varojen tuottavuusluokittelua voisi tarkastella, ja verrata sitä esimerkiksi konfliktin laajuuteen, miettien kuinka suurelta alalta luonnonvaraa on haviteltu. Toisaalta voisi verrata internetkäyttäjien lukumääriä tähän konfliktin laajuuteen, ja tutkia jo valmiina löytyvän internetläpäisevyyden perusteella internetin vaikutusta konfliktien syntyyn.

Artikkelitehtävä – Päällekkäiset koropleettikartat

Anna Leonowicz (2006) puhuu artikkelissaan päällekkäisten koropleettikarttojen mahdollisuudesta alueellisen tiedon esittämisenä vaihtoehtona yksittäisille koropleettikartoille. Asiaa pohditaan yleisen kartanlukijan näkökannalta. Tuloksena päädytään päällekkäisten karttojen hyvyydestä korrelaatioiden esittämiseen, kun taas toisaalta yksittäisillä kartoilla olisi parempi esittää levinneisyyksiä.

Päällekkäiset koropleettikartat tuovat kartalle lisäarvoa siinä suhteessa, että hyvin tehtyinä niistä pystyy selvemmin vertailemaan kahden ilmiön yhteistä esiintymistä. Tarpeeksi vähän luokkia valitessa kartalle saadaan selkeät tummuusasteet ilmiöille, josta pystyy yksittäisiä karttoja helpommin huomioimaan korrelaatiot. Liikaa luokkia valitessa taas lukijan pää menee helposti sekaisin.

Aluksi artikkelia lukiessani en jonkun takia päässyt selville, mistä luokista oikein puhuttiin. Kuitenkin myöhemmin pidemmälle lukiessani minulle tuli selväksi, että ruudukoista puhuttaessa puhuttiinkin yhteisistä luokista molemmille muuttujille, eikä pelkästään esim. 3 muuttujaa toiselle ja 3 toiselle, vaan 9 yhteensä molemmille, joissa tummempi kuvaa aina enempää yhteisesiintymistä, ja toisen värin suurempi osuus sen suurempaa esiintyvyyttä. Muuten artikkeli oli aika selkeä mielestäni.

Artikkelin karttojen legendat poikkeavat tavallisista legendoista siinä suhteessa, että ne ovat laatikkomaisia, joissa toisella akselilla on toinen muuttuja ja toisella toinen. Akselia eteenpäin mentäessä arvot kasvavat, ja laatikon väri tummenee. Mitä enemmän toista muuttujaa on suhteessa toiseen, sitä enemmän laatikko on sen muuttujan värinen.

Karttojen lukijalle tulee tällaisesta kartasta hieman haasteita, sillä ensinnäkin 9 luokkaa on jo suhteellisen paljon. Toisaalta enää ei voi pelkkää tummuusastetta tarkastella, vaan pitää kiinnittää huomiota alueen väriin ja siihen, kumpaa muuttujaa se enemmän vastaa. Toisaalta jos pelkkää riippuvuutta haluaa tarkastella, voi kiinnittää pelkästään tummuuteen huomiota. Kohdeyleisön pitää myös ymmärtää kartan tyyli, joka on hieman monimutkainen, ennen kuin sitä voi lukea. Itse lievästi värisokeana kiinnitän aina myös huomiota värimaailman valintaan, kartta on huomattavasti useammin luettavissa puna-vihervärisokeille, jos ainakin toiseksi väriksi on valittu jokin muu kuin punainen tai vihreä. Jos näitä värejä valitaan, kuluu värisokealla huomattavasti enemmän aikaa ja vaivaa kartan lukemiseen, vaikkakin kyllä se kovalla vaivalla loppujen lopuksi onnistuu.

Itse tekemäni kartat verrattuna artikkelin karttoihin ovat mielestäni ehkä hieman epäselkeitä. MapInfo ei ainakaan tunnin ohjeiden avulla tarjonnut mahdollisuutta tehdä karttaa kahden värimuuttujan perusteella, vaan toisena piti käyttää jonkinlaisia rastereita. Mielestäni rastereiden jäykkä mustuus tekivät kartoista hieman heikommin tulkittavissa olevia, kuin tämän artikkelin kartat, jotka ovat suhteellisen helppolukuisia. Tästä päädynkin siihen, että käytettävissä olevan välineen mahdollisuudet ohjaavat kartografisen toteutuksen tuloksia.

 

Lähteet:

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

2. Kurssikerta – karttoja päällekkäin

Toisella kurssikerralla jatkettiin siitä mihin viimeksi päästiin, koropleettikarttojen tekemistä jatkettiin uusilla tavoilla. Alkupuolen harjoitteluosiossa jatkoimme tyyliä ”seuraa ohjeitani vaihe vaiheelta” – joka itseasiassa toimii mielestäni vallan mainiosti asioiden oppimisen ja muistamisen kannalta ­– ja nyt aloimmekin harjoitella kahden päällekkäisen kartan tekemistä. Aluksi kokeilimme koropleettikarttojen päälle erilaisia tyylejä, kuten erikokoisia ja näköisiä pisteitä, sekä diagrammeja, ja sen jälkeen grid- ja 3d-karttoja. Lopuksi pääsimme kurssikerran itsenäistehtävään, tavoitteena oli luoda kartta jostain itseään kiinnostavasta aiheesta. Arttu neuvoi, että jos ei jaksa enää käyttää samoja aineistoja, mitä kokoajan on käytetty, voi hakea Sotka-netistä muutaman itseään kiinnostavan aineiston ja vertailla näitä kartalla.

alkoholirikollisuus
Kuva 1. Alkoholin myynti litraa/asukas, 2013 ja Väkivaltarikokset per 1000 asukasta 2013. Lähde: Terveyden ja hyvinvoinnin laitos.

Aluksi etsin vain hyvin yleisluontoisia aineistoja, ja otinkin vertailtavaksi aiheiksi väestöntiheyden ja kuntien välisen nettomuuton. Näistä päällekkäisen koropleettikartan luotuani, ja sitä tarkastellessani huomasin, että kartta on aika tylsä, eikä siitä löydä huomattavaa korrelaatiota näiden muuttujien välillä. Päätinkin sitten ryhtyä etsimään jotain hieman mielenkiintoisempaa aineistoa Sotka-netistä. Hetken selailtuani huomasin sieltä löytyvän aineiston kaikenlaisesta rikollisuudesta kunnittain ja pohdinkin mihin näitä voisi verrata. Löysin tähän aineiston alkoholin myynnistä litraa per henkilö, ja vertasin sitä väkivaltarikoksiin per 1000 asukasta – ja tadaa – korrelaatio oli silmin nähtävissä.

Kartasta näkee selvästi sen, että kunnissa, joissa myydään enemmän alkoholia per asukas, tapahtuu myös selvästi enemmän välivaltarikoksia. Tämän huomaa kartasta selvästi tiheiden viivojen osumisesta tummien kuntien kohdalle. Valitsin molempiin aineistoihin luokitukseksi luonnolliset välit, koska aineistot olivat selvästi jakautuneet siten, että keskivertokuntia oli paljon. Alkoholin myynnistä huomaa, että se kasvaa itään ja pohjoiseen päin mentäessä, varsinkin Lappi pistää silmään tummana sinisenä. Lähes koko Lappi on ylimmässä luokassa myynnin suhteen. Myös Karjala, Savo, Keski-Suomi ja Päijät-Häme ovat aika sinisiä, rannikkoseudut taas pistävät silmään vaaleampina kuin muut alueet. Alkoholin myynti kaupunkien ja muiden kuntien välillä taas on yllättävänkin tasaista. Rikollisuutta tarkastellessa huomaa, että sama itä-pohjois-suuntautuneisuus pätee, en sitten tiedä, johtuuko tämä alkoholin käytöstä, vaiko puhtaasta yhteensattumasta ja kulttuurillisista syistä, mutta selvä korrelaatio näiden väliltä kuitenkin löytyy. Rikollisuudesta huomaa kuitenkin erään asian, johon alkoholin myynnillä ei ole vaikutusta: kaupungeissa tapahtuu väkivaltarikoksia selvästi enemmän. Kaupungit ovatkin lähes ainoita väkivaltaisia kuntia alueilla, joilla alkoholin myynti ei ole suurta. Muiden blogeja selaillessani ja linkkejä klikkaillesani päädyin Lauri Perkiön (2016) karttaan, mistä huomaa, että alkoholi- ja väkivaltakunnat ovat ehkä huonommin voivia kuntia, lukuunottamatta Lapin ihmeellistä tilannetta. Tämän tilanteen huomaa myös Reetu Jormakan (2016) Lapin työttömyysasteita kuvaavasta kartasta, missä näkyy selvästi minun karttaani verratessa väkivalta-alkoholi-alueiden sijoittuvan hyvin työllistetyille alueille. Lapissa alkoholiongelmat ehkä johtuvatkin sitten jostain ihan muusta kuin elämäntilanteista?

Itse kartan teknisestä toteutuksesta: olisin ehkä voinut valita enemmän luokkia, jotta olisin voinut syventyä aiheen tarkasteluun. Myös värivalinta ja pisteiden tiheys vaikuttavat tarkasteluun, lukijan mielikuvaan voi vaikuttaa tiheiden pisteiden tummentava vaikutus, jolloin jää huomaamatta, että tummimpaan luokkaan kuuluu myös vähemmän pisteitä sisältäviä kuntia. Ylipäänsä olen tyytyväinen karttaan, olin itse ihan yllättynyt aiheiden korrelaatiosta.

 

Lähteet

 Alkoholijuomien myynti asukasta kohti 100 %:n alkoholina, litraa. (2015). Terveyden ja hyvinvoinnin laitos. <SOTKANET>

Jormakka, R. (2016). 2. Kurssikerta. <https://blogs.helsinki.fi/jore/> Luettu 17.2.2016

Perkiö, L. (2016). Kurssikerta 2. <https://blogs.helsinki.fi/lauriper/> Luettu 17.2.2016

Poliisin tietoon tulleet henkeen ja terveyteen kohdistuneet rikokset / 1 000 asukasta. (2013). Terveyden ja hyvinvoinnin laitos. <SOTKANET>

PAK ja kartat, 1. kurssikerta

Ensimmäinen kurssikerta toimi johdantona paikkatietoon, jonka aikana kuulimme teoriaa, sekä pääsimme käsiksi itse paikkatieto-ohjelmistoon. Tällä kurssilla siirymme edellisillä kurseilla käyetystä Corelista ihan oikeaan paikkatieto-ohjelmistoon, nimittäin MapInfoon. Itse olin jo joululoman aikana hieman tutustunut paikkatieto-ohjelmistoista Q-gissiin sen ilmaisuuden vuoksi, ja näin kurssilla ohjeita seuratessa tuli sellainen olo, että tämähän on paljon yksinkertaisempaa ja nopeampaa, kuin mitä itse osasin opetella internetin ohjeilla. Kuitenkin MapInfostakin löytyy jotain moitittavaa, esimerkiksi kartalla liikkuminen ja zoomailu ei ehkä ole kaikkein sujuvampaa mahdollista laatua. Nämä ongelmat ovat tulleet selvästi muidenkin huomioon (Leppämäki 2016, Pätäri 2016). Tiedon jakoa rasteri- ja vektoripohjaisiin aineistoihin painotettiin tarkasti, molemmat tavat tarjoavat erilaisia hyötyjä ja haittoja paikkatiedon analyysille.

Itse kurssista, ensiksi tutstuimme erääseen kartta-aineistoon ja sen tarjoamiin mahdollisuuksiin. MapInfosta löytyy layerit lähes samalla tavalla kuin Corelistakin. Näitä piilottamalla ja käyttämällä pystyi tutustumaan erilaisiin kohteisiin ja paikkatiedon tarjoamiin näkymiin. Itse teimme harjoituksena koropleettikartan pohjautuen Suomen kuntiin. Ensiksi teimme yhteisesti kartan kuntien 0-14 vuotiaiden osuuksista. Kartta syntyi yllättävänkin nopeasti suoraan ohjeita seuraamalla. Tälläinen tyyli tuntuu nopealta ja helpolta oppia, mutta väsyneenä aamuna saattaa ajautua seuraamaan orjallisesti vain ohjeita muuta ajattelematta, jolloin tieto opitusta voi kadota taivaan tuuliin. Kuitenkin yksinkertaisuudessaan kartta oli selkeä, sekä osoitus järjestelmän nopeasta tuottavuudesta. Ohjelmisto hoiti lähes kaikki työvaiheet käyttäjän puolesta, edes luokkaväleihin ei sen suurempaa huomiota tarvinnut kiinnittää, kunhan varmisti, että ohjelman tarjoamat välit ovat aineistoon sopivia. Taas pieniä parannusmahdollisuuksia MapInfolle kuitenkin löytyi, mittakaavajanan tekstiä saisi pystyä muokata.

0-14 vuotiaiden osuus kunnittain.
Kuva 1. 0-14 vuotiaiden osuus kunnittain.

Seuraavaksi oli vuorossa samantyylisen kartan luonti itse päätetyn aineistomateriaalin pohjalta. Itse ajattelin tutkia, pitääkö yleinen mielikuva kaupunkien koulutetummasta väestöstä paikkaansa, vai löytyykö jostain yllättävänkin koulutettuja alueita. Näin valitsin aineistokseni vähintään toisen asteen koulutuksen omaavien ihmisten osuuksista kunnittain. Aineisto oli sopivasti suhteellisen luonnollisesti jakautunutta, joten luonnoliset välit tuntuivat sopivalta jaolta alueluokkiin. Valmiista kartasta saa helposti selville sen, että mielikuva on totta: kaupungissa asuva väestö on selvästi koulutetumpaa kuin maalaisväestö. Kuitenkin toisen asteen koulutus on sen verran yleistä, että kovin suuria eroja ei kuntien välillä löydy, vaan pienimmätkin kunnat ovat vain noin kolmasosan verran vähemmän koulutettuja, kuin suurimman koulutusasteen omaavat kunnat.

Kuva 2. Vähintään toisen asteen koulutus kunnittain.
Kuva 2. Vähintään toisen asteen koulutus kunnittain.

Lähteet:

Leppämäki, T. (2016). PAKinoita kartoista: Paikkatiedon maailmaan – 1. kurssikerta. 4.2.2016. <https://blogs.helsinki.fi/leppatat/2016/01/22/ensimmainen-kurssikerta-tyon-alla/>

Pätäri, T. (2016). GIS-tarinoita PAKkastalveen: Rikollista toimintaa. 4.2.2016. <https://blogs.helsinki.fi/ttpatari/2016/01/26/rikollista-toimintaa/>