Essin TVT3-blogi

Tämä TVT3-blogi on nyt valmis.

Seitsemännellä ja samalla viimeisellä kurssikerralla tehtävänämme oli laatia karttaesitys vapaavalintaisesta aiheesta itse hankittujen tilastoaineistojen avulla. Aluksi tehtävänanto kuulosti monimutkaiselta, eikä sopivaa tilastoaineistoa tahtonut löytyä internetistä. Aikani etsittyä löysin Yhdysvaltain väestönlaskentayksikön (United States Census Bureau) tilastoja, joissa oli tarjolla monipuolisesti tietoja kaikista Yhdysvaltain osavaltioista. Kyseessä on County and City Data Book: 2007, jonka kerrotaan olevan kattavin tilastoesitys Yhdysvaltain osavaltioista ja kaupungeista. Teoksen edeltävä painos oli ilmestynyt vuonna 2000, joten julkaisuväli on nähtävästi varsin reilu.

Halusin käyttää tilastotietoja, joissa ilmiö olisi suhteutettu osavaltioiden väestömäärään. Kuten Area and population -taulukosta käy ilmi, osavaltioiden väestömäärä 2000-luvun alussa on vaihdellut noin 500 000 asukkaan (Wyoming) ja 36 miljoonan asukkaan (Kalifornia) välillä. Kun erot ovat näinkin suuria, ainoastaan suhteellinen tarkastelu tekee oikeutta tarkasteltavan ilmiön merkittävyydelle kussakin osavaltiossa. Määrällisten tilastotietojen vertailu sellaisenaan aiheuttaisi myös ongelmia karttaesitykselle – luokittelu olisi vaikeampaa ja esimerkiksi pylväsdiagrammit voisivat jäädä joidenkin alueiden kohdalla hyvin pieniksi. Sosiaalisista ilmiöistä kiinnostuneena päädyin hyödyntämään Population Characteristics -tilaston tietoja koskien Yhdysvaltain ulkomaalaisväestöä. Tilastossa esitetään kunkin osavaltion osalta ulkomailla syntyneen väestönosan osuus sekä muuta kuin englantia kotonaan puhuvien osuus. Tiedot koskevat vuotta 2000. Kotona käytetyn kielen osalta on tilastoitu vain yli 5-vuotiaat asukkaat.

Kartan luominen MapInfossa

Yhdysvaltain osavaltiokartan löysin Maps of World -sivuston kautta. Kartan hyödyntäminen MapInfossa sujui yllättävän mutkattomasti. Kartta piti kiinnittää jo olemassa olevaan world -karttatiedostoon rekisteröimällä se. Rekisteröinti onnistui valitsemalla samoja pisteitä sekä world -tiedoston Yhdysvaltain kartasta sekä MapInfoon tuodusta Yhdysvaltain kartasta, jolloin world -tiedoston koordinaattitiedot saivat vastinpisteet ohjelmaan tuodusta kartasta.

Suurimman työn aiheutti osavaltioiden rajojen piirtäminen, mikä piti toteuttaa manuaalisesti. Osavaltioiden rajojen piirtäminen oli kuitenkin edellytys Excel-tietojen tuomiselle, sillä tilastotiedot tuli kiinnittää juuri näihin alueisiin. Oli palkitsevaa huomata, että itsenäisen karttaesityksen tuottaminen ei loppujen lopuksi kuitenkaan ollut tämän vaikeampaa. Aiemmin opitusta oli myös hyötyä. Esimerkiksi Michiganin ja New Yorkin osavaltioiden koostuessa useammasta erillisestä alueesta tilastotietojen yhdistäminen onnistui kolmannen kurssikerran Afrikka-tehtävän pohjalta. Myöskään Excel-tietojen tuominen MapInfoon ei tuottanut vaikeuksia, sillä sitä olimme aikaisemmin harjoitelleet jokusen kerran. Ainoastaan pienten seikkojen väärinymmärrys hidasti työn edistymistä. Esimerkiksi kahta tietokantaa yhdistettäessä SQL Select -valikossa where Condition -kohtaan tulisi merkitä ne sarakkeet, joissa tiedot ovat eri tilastojen välillä yhteneväisiä (omalla kohdallani osavaltioiden nimet), eikä suinkaan niitä sarakkeita, joiden toivoisi esiintyvän yhdistetyssä tietokannassa.

Yhdysvaltain kansainvälisyyttä kuvaava karttaesitys

Tilastotietojen pohjalta loin koropleettikartan, jossa neljällä eri värisävyllä on esitetty ulkomailla syntyneiden asukkaiden osuus väestöstä ja näiden päällä pylväsdiagrammein muuta kuin englantia puhuvien osuudet (Kuva 1). Ulkomailla syntyneiden osuuksissa vaihteluväli on 1,1-26,2 %. Muun kuin englantia kotonaan puhuvien osalta vaihteluväli on 3,6-39,5 %.

Kuva 1 Ulkomailla syntyneet sekä muut kuin englantia kotonaan puhuvat Yhdysvaltain eri osavaltioissa

Ulkomailla syntyneitä on eniten Kaliforniassa ja New Yorkissa, joissa kummassakin ulkomaalaisten osuus on yli 20 % väestöstä. Tulos ei sinänsä yllätä, sillä kummankin osavaltion suurilla kaupungeilla on kansainvälisesti vetovoimainen imago. Suhteessa ulkomaalaisten väestönosuuteen kiinnostavia ovat kotona puhuttuun kieleen liittyvät tilastotiedot. Kaliforniassa 39,5 % väestöstä puhuu kotona muuta kuin englantia ja hyvänä kakkosena on New Mexico, jossa vastaava luku on 36,5 %. Yhdysvaltain ja Meksikon välisellä rajalla myös muissa osavaltioissa luvut ovat korkeita. Texasissa 31,2 % ja Arizonassa 25,9 % väestöstä puhuu kotona muuta kuin englantia. Esimerkiksi New Mexicon asukkaista kuitenkin vain 8,2 % ja Texasin asukkaista 13,9 % on syntynyt ulkomailla.

Tämä näyttäisi kertovan siitä, että toisen ja kolmannen sukupolven maahanmuuttajat ovat pitäytyneet äidinkielessään (todennäköisesti espanja), vaikka olisivatkin syntyneet Yhdysvalloissa. Meksikosta Yhdysvaltoihin muuttaneiden määrän ollessa suuri yhteisöllisyyttä saadaan oman “kotimaan” väestöstä, eikä integroitumisen Yhdysvaltain kulttuuriin näin tarvitse olla kokonaisvaltaista. Ulkoasiainministeriön tietojen mukaan noin 10 % Meksikon kokonaisväestöstä asuu Yhdysvalloissa (Ulkoasiainministeriö 2008).

Yhdysvaltain syvässä sisämaassa ulkomaalaisia asuu vain vähäisiä määriä. Ulkomaalaisten osuus on alle 5 % lukuisissa sisämaan osavaltioissa – Wyoming, South Dakota, Nebraska, Missouri, Iowa, jne. Kanadan rajalla olevissa osavaltioissa ulkomaalaisten osuus jää suurelta osin yhtä alhaiseksi. Ainoan poikkeuksen muodostaa New York. New Yorkin vetovoima on  kuitenkin erittäin kansainvälinen, joten Kanadan ja Meksikon raja-alueiden voidaan todeta olevan hyvin erilaisia maahanmuuton suhteen.

Myös muut kurssilaiset olivat suosineet samantapaisia kahden teeman koropleettikarttaesityksiä. Esimerkiksi Iiriksen kartassa tarkasteltiin matkapuhelinten yleisyyden ja bruttokansantuotteen yhteyttä Brasilian eri osavaltioissa ja Ainon kartassa sähkön ja vesijohtoveden yleisyyttä Etelä-Afrikan eri provinsseissa.

Lähteet

Karvinen, Iiris (2012). 7. kurssikerta: Teemakartta Brasiliasta. Osoitteessa <https://blogs.helsinki.fi/iiriskar/2012/03/08/7-kurssikerta-teemakartta-brasiliasta/>. Viitattu 10.3.2012.

Maps of World (2012). US States Map. Osoitteessa <http://www.mapsofworld.com/usa/states/>. Viitattu 28.2.2012.

Matikainen, Aino (2012). Seitsemäs ja viimeinen kurssikerta. Osoitteessa <https://blogs.helsinki.fi/ainooika/2012/02/27/seitsemas-ja-viimeinen-kurssikerta/>. Viitattu 10.3.2012.

Ulkoasiainministeriö (2008). Maatiedosto: Meksiko. Osoitteessa <http://formin.finland.fi/public/default.aspx?nodeid=30977&contentlan=1&culture=fi-FI>. Viitattu 10.3.2012.

U.S. Census Bureau (2007). Uncle Sam’s Reference Shelf. Osoitteessa <http://www.census.gov/statab/www/ccdb.html>. Viitattu 10.3.2012.

U.S. Census Bureau (2007). County and City Data Book 2007: Area and population. Osoitteessa <http://www.census.gov/statab/ccdb/cc07_tabA1.pdf>. Viitattu 10.3.2012.

U.S. Census Bureau (2007). County and City Data Book 2007: Population Characteristics. Osoitteessa <http://www.census.gov/statab/ccdb/cc07_tabA4.pdf>. Viitattu 10.3.2012.

Kuudennella kurssikerralla pääsimme käsiksi Suomesta katsottuna hiemaan eksoottisempaan aineistoon. Tehtävänämme oli tarkastella maanjäristysten ajallista ja alueellista esiintymistä internetpalvelusta saatujen Exceliin siirrettävien tilastotietojen avulla. Maanjäristystilastoja välittää yhdysvaltalainen ANSS (Advanced National Seismic System), jolle toimitetaan tietoja seismisestä aktiivisuudesta ympäri maailman. Katalogia ylläpitävä taho on Northern California Earthquake Data Center, joka on Kalifornian yliopiston seismologian laitoksen ja Yhdysvaltojen geologian tutkimuslaitoksen yhteinen hanke.

Tilastotietojen siirtäminen MapInfoon sujui melko vaivattomasti. Kunkin maanjäristyksen sijaintitieto oli merkitty tilastoihin longitude ja latitude -koordinaatistotiedoilla, ja valitsemalla MapInfosta oikean projektion (Longitude/Latitude WGS84) pisteiden sijainnit määrittyivät oikein myös MapInfossa. MapInfossa erilaisia projektioita on tarjolla laaja kirjo ja olen miettinyt, kuinka itsenäisessä tehtävässä osaisin valita oikean projektion. Internet osaa kertoa, että WGS84 -projektio on Yhdysvaltain puolustusministeriön kehittämä järjestelmä, jota käytetään myös mm. GPS-paikannuksessa (Geodeettinen laitos 2009: 19).

Päädyin luomaan kolme karttaa, joissa tutkin pidemmän aikajakson maanjäristysaktiivisuutta (1990-2012). Matalan richter-arvon valinta olisi pitkällä aikajaksolla johtanut hyvin suureen tilastotietojen määrään, joten valitsin kolme melko lähellä toisiaan olevaa richter-arvoa (7,5, 8 ja 8,5).  Näin huomio kiinnittyy myös siihen, kuinka pienelläkin magnitudin kasvulla on suuri merkitys maanjäristysten esiintymisen yleisyyden kannalta. Tämä johtuu siitä, että maanjäristysten voimakkuutta ilmaiseva richterin asteikko on logaritminen, eli asteesta toiseen siirtyminen merkitsee maanliikkeen kasvun kymmenkertaistumista (Seismologian instituutti 2012).

Kuva 1 Maanjäristyksen magnitudin muutos (Lähde: Seismologian instituutti 2012)

Tämän yhteydessä olisi havainnollista esittää seismologian instituutin kaavio, joka kuvaa magnitudiasteikkoa suhteessa muutoksiin maanliikkeessä ja järistyksestä vapautuvassa energiassa (Kuva 1). Yhden asteen muutos merkitsee maanliikkeen 10-kertaistumista ja vapautuvan energian 32-kertaistumista. Magnitudi ja richter eivät ole käsitteinä synonymeja, mutta Richterin asteikko on magnitudiasteikoista yleisimmin tunnettu (Seismologian instituutti 2012).

Karttasarjan ensimmäinen kuva näyttää aikavälillä 1.1.1990-21.2.2012 tapahtuneet vähintään 7,5 richterin maanjäristykset (Kuva 2). Kartan avulla voitaisiin tarkastella maanjäristysten alueellista esiintymistä ja pohtia, miksi Tyynen valtameren ympärille on muodostunut ns. tulirengas ja miksi maanjäristyksiä on esiintynyt erityisen paljon Kaakkois-Aasiassa.

Kuva 2 Vähintään 7,5 richterin maanjäristykset 1990-2012

Koska 7,5 richterin maanjäristyksiin ovat yltäneet ainoastaan seismisesti aktiivisimmat mannerlaattojen risteyskohdat, voisi esitystä tukea kartalla, jossa piirtyisivät myös muut mannerlaattojen reuna-alueet (Kuva 3). Tyynenmeren tulirenkaan korostaminen on kuitenkin aiheellista, sillä juuri tällä alueella vapautuu arviolta 70-90 % jokavuotisesta seismisestä energiasta maapallolla (Seismologian laitos 2012).

Kuva 3 Maanjäristysten esiintyminen maapallolla (Lähde: Seismologian instituutti 2012)

Kun otetaan huomioon myös pienemmät maanjäristykset, nähdään hyvin, että seisminen aktiivisuus on suurta juuri mannerlaattojen reunoilla. Kuvasta piirtyvät selvästi esimerkiksi Afrikan laatta, Etelä-Amerikan länsipuolella oleva Nazca-laatta, sekä Atlantin valtameren keskiselänne.

Kuva 4 Mannerlaattojen liikkeet (Lähde: Maanmittauslaitos 2012)

Kun maanjäristysten esiintymistä verrataan mannerlaattojen liikkeitä kuvaavaan karttaan (Kuva 4), voidaan tehdä johtopäätöksiä siitä, millainen liike saa aikaan voimakkaimpia maanjäristyksiä. Törmäys ja hankaus ovat vallitsevia liikkeitä juuri Tyynenmeren renkaan alueella, kun taas esimerkiksi Keski-Atlantilla mannerlaatat erkanevat hitaasti.

Siirryttäessä maanjäristyskarttasarjani toiseen kuvaan, jossa esitetään aikavälillä 1.1.1990-21.2.2012 tapahtuneet vähintään 8,0 richterin maanjäristykset, havaitaan järistysten lukumäärän olevan selvästi pienempi kuin 7,5 richterin järistyksiä kuvatessa (Kuva 5). Tämä muistuttaa aiemmin käsitellystä magnitudiasteikosta, jonka mukaan puolen asteen muutos magnitudissa tarkoittaa järistyksen voimakkuuden viisinkertaistumista.

Kuva 5 Vähintään 8,0 richterin maanjäristykset 1990-2012

Karttasarjan viimeinen kuva esittää vähintään 8,5 richterin maanjäristyksiä aikavälillä 1.1.1990-21.2.2012 (Kuva 6). Tämän voimakkuusluokan järistyksiä on ollut maailmassa ainoastaan viisi kappaletta viimeisen parin vuosikymmenen aikana. Koska maanjäristykset eivät ole ainoastaan luonnonmaantieteellisiä tapahtumia vaan aiheuttavat myös huomattavaa aineellista ja humanitaarista vahinkoa, haluaisin tässä yhteydessä tarkastella lähemmin näitä lähihistoriamme suurimpia maanjäristyksiä. Kartalla tulevat esiin esimerkiksi Chilen, Indonesian sekä Japanin vakavia humanitaarisia kriisejä aiheuttaneet maanjäristykset.

Kuva 6 Vähintään 8,5 richterin maanjäristykset 1990-2012

Arvioitaessa maanjäristysten vaikutuksia ihmistoiminnalle huomiota voitaisiin kiinnittää esimerkiksi siihen, miksi osa maailman valtioista omaa paremmat valmiudet selviytyä luonnonkatastrofeista kuin toiset. Esimerkiksi taloudelliset tekijät, väestömäärä sekä asutuksen tiheys voivat vaikuttaa siihen, millaisia maanjäristyksen vaikutukset ovat. Kuten Niina Panula on blogissaan tuonut esiin, maanjäristyskarttoja tarkasteltaessa voitaisiin pohtia myös sitä, ovatko teollisuusmaat luonnonmaantieteellisiltä ominaisuuksiltaan kehittyviä maita vakaammilla alueilla.

Kartoilta puuttuu lisäksi eräs lähivuosien puhutuimmista maanjäristyksistä, joka tapahtui Haitissa tammikuussa 2010. 7,0 richterin maanjäristys vaati Haitilla jopa 200 000 ihmisen hengen kun taas 8,8 richterin maanjäristys Chilen rannikolla helmikuussa 2008 vaati vain noin 500 uhria. Näitä kahta tapausta voisi verrata sekä luonnonmaantieteellisten seikkojen (maanjäristyspisteen sijainti ja syvyys maanpinnasta) että ihmismaantieteellisten seikkojen osalta. Hanna Käyhkö oli löytänyt blogiinsa tiedon, että Haitin maanjäristys tapahtui ainoastaan 13 kilometrin syvyydessä maanpinnasta. Vaikka alle 40 kilometrin syvyydessä tapahtuneita yli 7,0 richterin järistyksiä on 2000-luvulla ollut yli 100, aniharvoin niiden sijainti on yhtä epäonnekas kuin Haitin tapauksessa.

Lähteet

Advanced National Seismic System (2012). ANSS Backbone. Osoitteessa <http://earthquake.usgs.gov/monitoring/anss/>. Viitattu 24.2.2012.

Geodeettinen laitos (2009). Suomen geodeettiset koordinaatistot ja niiden väliset muunnokset. Osoitteessa <http://www.fgi.fi/julkaisut/pdf/GLtiedote30.pdf>. Viitattu 24.2.2012.

Käyhkö, Hanna (2012). 6. kurssikerta. Osoitteessa <https://blogs.helsinki.fi/hannakay/2012/02/23/6-kurssikerta/>. Viitattu 24.2.2012.

Maanmittauslaitos (2012). ITRS-koordinaattijärjestelmä. Osoitteessa <http://www.maanmittauslaitos.fi/kartat/koordinaatit/3d-koordinaatistot/itrs-koordinaattijarjestelma>. Viitattu 24.2.2012.

Northern California Earthquake Data Center (2012). ANSS Composite Earthquake Catalog. Osoitteessa <http://www.ncedc.org/anss/catalog-search.html>. Viitattu 21.2.2012.

Panula, Niina (2012). Kuudes kurssikerta; paikkatietoa ja maanjäristyksiä. Osoitteessa <https://blogs.helsinki.fi/0k39181/2012/02/21/kuudes-kurssikerta-paikkatietoa-ja-maanjaristyksia/>. Viitattu 24.2.2012.

Seismologian instituutti (2012). Perustietoa maanjäristyksistä. Osoitteessa <http://www.helsinki.fi/geo/seismo/maanjaristykset/tieto/index.html>. Viitattu 24.2.2012.

Toinen kurssilla luettava artikkeli oli Lloyd P. Queenin ja Charles R. Blinnin The Basics of Geographic Information Systems (1993).  Tehtävänämme oli artikkelin avulla pohtia geoinformatiikan luonnetta ja siihen liittyviä ominaisuuksia. Lisäksi tuli kiinnittää huomiota tiettyihin käsitteisiin jotka liittyvät olennaisena osana GIS:iin. Näitä ovat muun muassa rasterit ja vektorit sekä overlay-analyysi.

Artikkelissa tarjotaan kahta hieman erilaista määritelmää geoinformatiikalle. Ensimmäinen kuuluu: “a GIS is a computerized, integrated system used to compile, store, manipulate, and output mapped spatial data” (Queen and Blinn 1993: 3). Ensimmäinen määritelmä on funktionaalinen, sillä se korostaa asioita, joita GIS:n avulla voi tehdä. Toisen määritelmän mukaan GIS:in katsotaan koostuvan neljästä elementistä: tietokanta, laitteisto, ohjelmisto sekä käyttäjä (Queen and Blinn 1993: 3). Tämä määritelmä on itselleni tutumpi ja monelle se on tullut tutuksi jo lukion oppikirjoista. Ensimmäinen määritelmä on nähdäkseni kuitenkin jälkimmäistä kuvaavampi, sillä se korostaa GIS:n käyttötapoja spatiaalisen, paikkaan sidotun tiedon hyödyntämisessä. Määritelmä tuo myös esiin GIS:n eroavaisuuksia suhteessa tavalliseen kartta-aineistoon. Mapped spatial data viittaa karttaan sidottuun tietoon, jota GIS-systeemin avulla voidaan edelleen jalostaa eteenpäin.

Tavallisiin karttoihin verrattuna GIS avaa monia uusia mahdollisuuksia (Queen and Blinn 1993: 7-8). GIS:n avulla esimerkiksi kartan projektio, mittakaava ja koordinaatisto on mahdollista muuttaa myös myöhemmässä vaiheessa vastaamaan kartan tekijän tarpeita. Myös tietokantaa voi helposti päivittää, mikäli paikkoihin sidotussa tiedossa tapahtuu ajan kanssa muutoksia. Lisäksi kartan kattamaa pinta-alaa sekä karttatasojen määrää on GIS:n avulla yksinkertaista muuttaa, kun taas tavallisen kartan ominaisuudet ovat näissä selvästi rajallisemmat. Eräs GIS:n suurimmista eduista on kuitenkin erilaisten analyysimenetelmien monipuolisuus. Tavallisen kartan analyysissä joudutaan turvautumaan manuaalisiin keinoihin kun taas GIS antaa mahdollisuudet automatisoitujen toimintojen monipuoliseen käyttöön.

GIS:n käytössä olennaista on se, missä muodossa data tallennetaan – rastereina vai vektoreina (Queen and Blinn 1993: 13-15). Pidin artikkelissa esitettyjä kuvia havainnollisina, vaikka rasteri- ja vektorimuotoisen datan selvimmät erot olivat tulleet tutuksi opinnoissa jo aikaisemmin. Rasterimuotoisessa kartassa alue on ikään kuin jaettu ruudukoksi, jossa kunkin ruudun sijainti voidaan määritellä rivien ja sarakkeiden avulla ja sijainnit muodostuvat tätä kautta. Kullekin ruudulle määritellään attribuutti eli ominaisuus (esim. metsä, pelto, vesistö) jota se edustaa suhteessa muihin ruutuihin. Rasterimuotoista karttaa tehtäessä on tärkeää valita sopiva ruudun eli “pikselin” koko, jotta kartta tekisi oikeutta esitettävälle ilmiölle mutta toisaalta ei vaatisi liiallista tallennustilaa suuren ruutumäärän seurauksena.

Vektorimuotoisena tallennettu tieto rekisteröityy joko pisteinä, viivoina tai polygoneina (eli suljettuina alueina). Tiedon sijainti tallentuu nyt koordinaattien mukaan noudattaen tarkkaa pistetietoa. Näin esimerkiksi pistevektorin sijainti tallentuu tietyn x-koordinaatin ja y-koordinaatin tarkkuudella, ja ominaisuustiedoksi voidaan merkitä tarkka ominaisuus, esimerkiksi “kaivo”. Samoin mutkittelevan joen tarkat sijaintitiedot voidaan merkitä x- ja y-koordinaattien avulla ja vektorimuodossa tallennettuna ohjelma tietää, että kyseessä on yksi ja sama joki, sillä koordinaattirivistö on tietona toisiinsa sidottu.

GIS:n analyysimenetelmiin kuuluvat esimerkiksi ryhmittely, luokittelu, overlay-analyysi sekä puskurointi (Queen and Blinn 1993: 17-18). Overlay-analyysi viittaa karttatasojen asettamiseen toistensa päälle. Kuten jo edellä todettiin, tämä on eräs GIS:n suurimmista eduista suhteessa tavalliseen kartta-aineistoon – teoriassa GIS:n avulla eri karttatasoja voidaan yhdistellä rajattomasti. Karttatasoja yhdistelemällä voidaan esimerkiksi tehdä johtopäätöksiä siitä, mikä on kahden tai useamman ilmiön välinen suhde. Esimerkkinä tästä voisi olla tutkimus siitä, onko eroosioherkkyys kasvanut alueella, jossa sademetsää on hakattu. Mikäli ilmiöiden levinneisyydessä on yhtäläisyyksiä, on kahdella ilmiöllä todennäköisesti jotakin tekemistä toistensa kanssa.

Lähteet

Queen, Lloyd P. – Blinn, Charles R. (1993). The Basics of Geographic Information Systems.

Tehtävänämme oli tutustua New York Timesin sivustoon, jossa väestönlaskennan tietoja on siirretty paikkatietomuotoisena interaktiiviseen palveluun. Tarkastelun kohteena tuli olla tiedon saatavuus amerikkalaisesta elämästä tämän palvelun kautta ja metodina SWOT-analyysi. Lopuksi meidän tuli vertailla palvelua suomalaiseen käytäntöön, jossa yksityiskohtaista tietoa kyllä kerätään, mutta sen käytön tulee olla perusteltua ja saatavuus on yleensä rajattu tietylle käyttäjäkunnalle.

New York Timesin Mapping America -palvelu perustuu vuosien 2005-2009 aikana kerättyihin otoksiin. Otoksien kerääjänä on toiminut Census Bureau eli Yhdysvaltojen kauppaministeriön alainen väestönlaskennasta vastaava yksikkö (Wikipedia 2012). Palvelun eräs heikkous paljastuu näin heti alkajaisiksi. Koska palvelun luvut perustuvat otoksiin, on niiden virhemarginaali huomioitava erityisesti vähäisen väestömäärän alueilla.

Palvelun vahvuuksiin kuuluu se, että kartta-aineistoa on saatavilla monista eri aiheista asuinalueen tarkkuudella. Pääteemoja ovat rotu ja etnisyys; tulotaso; asumis- ja perheolot; sekä koulutustaso. Palvelun kautta voi tehdä mielenkiintoisia vertailuja eri asuinalueiden välillä ja käytettävyys on helppo. Tiedot asuinalueen tilastoista tulevat esiin näytön osoitinta liikuttamalla ja näin vertailujen tekeminen on nopeaa. Muutamalla osoittimen liikatuksella selviää esimerkiksi, että Keski-Manhattanilla maisterin tutkinnon on suorittanut useimmilla asuinalueilla 35-50 % asukkaista, kun taas suuressa osassa läheistä Jerseyn kaupunkia maisterin tutkinnon suorittaneiden osuus jää alle kymmenen prosenttiyksikön.

Esimerkiksi tulotason vertailu avaa mielenkiintoisia mahdollisuuksia. Tulotason mediaanin lisäksi palvelu kertoo tulotasossa tapahtuneen muutoksen sitten vuoden 2000. Esimerkiksi Manhattanille keskimääräinen tulotaso on tietyillä asuinalueilla tippunut jopa 40 % sitten vuoden 2000. Pohjois-Manhattanilla keskimääräinen tulotaso on kuitenkin eräälläkin asuinalueella kasvanut jopa 138 % (Kuva 1). Muutokset tulotasossa voivat kertoa siitä, että jotkut alat ovat selvinneet vaikeissa talousoloissa paremmin kuin toiset. Keskimääräisten ansioiden kasvu voi kuitenkin kertoa myös siitä, että asuinalueelle on muuttanut aikaisempaa varakkaampaa väestöä. Ilmiötä kutsutaan gentrifikaatioksi, mikä viittaa siihen, että aikaisemmin työläisten asuttamille alueille muuttaa yhä koulutetumpaa ja varakkaampaa väkeä. Asuinalueen status ja trendikkyys kasvavat, mutta samalla asuntojen hintojen nousu johtaa siihen, että vähävaraisemmat joutuvat muuttamaan muualle. The Institute for Children and Poverty:n julkaiseman raportin mukaan gentrifikaatio on Manhattanilla edennyt hitaasti etelästä kohti pohjoista ja saavuttanut Harlemin sekä Washington Heights -alueen 2000-luvulla (The Institute for Children and Poverty 2006).

Kuva 1 Tulotaso Manhattanilla ja sen ympäristössä

Palvelun vahvuuksiin ja mahdollisuuksiin kuuluu myös se, että eri teemoihin perustuvat kartat ovat saman aluejaon vuoksi vertailukelpoisia. Esimerkiksi edellä mainittua gentrifikaation teemaa voisi edelleen tutkia tarkastelemalla karttaa, jossa kuvataan muutoksia kunkin asuinalueen keskimääräisessä vuokratasossa sitten vuoden 2000.

Vahvuuksiin kuuluu edelleen se, että tietoa on saatavilla koko valtion laajuudelta aina Alaskaa myöten. Toisaalta suurkaupunkien ulkopuolella tilastoidut alueet ovat usein pinta-alaltaan laajoja, jolloin niiden sisäiset erot eivät tule hyvin esiin.

Palvelun vaaroihin kuuluu se, että se tuottaa mielikuvia eri alueiden asuinkelpoisuudesta. Tulotaso, asuinalueen kalleus, koulutustaso sekä etninen jakauma ovat kaikki melko kovia kriteerejä, jonka perusteella alueita jaetaan “hyviin” ja “huonoihin”. Palvelu ei tuo esiin muita asioita liittyen alueiden elinkelpoisuuteen, kuten esimerkiksi ympäristön tila (esim. ilmanlaatu, puistojen tai metsien osuus pinta-alasta) tai koulujen määrä suhteessa lasten lukumäärään. Myös Kasperi Lopperi pohtii blogimerkinnässään, voiko palvelu edistää joidenkin alueiden leimaantumista “köyhiksi” tai “mustiksi”. Nähdäkseni tämä on palvelun riski sen yksipuolisen tilastotiedon vuoksi. Jäin miettimään, onko New York Times sisällyttänyt palveluun kaikki Census Bureau’n keräämät väestönlaskentatiedot, vai onko kartta tehty vain tietyt teemat valikoiden.

Puutteistaan huolimatta palvelu on mielestäni erittäin mielenkiintoinen ja olisi erittäin toivottua, että myös Suomesta olisi saatavilla vastaavan tyyppistä avointa tietoa. Suomessa ongelmaksi muodostuisi luultavasti se, että väestön määrä on pieni ja yksityisyyden suojan vuoksi vastaavaa tietoa voisi oikeastaan tarjota vain pääkaupunkiseudusta ja joistakin suuremmista kaupungeista. Palvelusta olisi vaikea tehdä tasapuolista kaikille suomalaisille vaarantamatta harvaan asuttujen alueiden asukkaiden yksityisyyttä. Toisaalta Suomessa alueiden väliset erot eivät odotettavasti olisi yhtä suuria kuin Yhdysvalloissa eivätkä muutokset yhtä rajuja, mikä vähentäisi palvelun kiinnostavuutta.

Lähteet

The Institute for Children and Poverty (2006). The Cost of Good Intentions: Gentrification and Homelessness in Upper Manhattan. Osoitteessa <http://www.urbancentre.utoronto.ca/pdfs/curp/Gentrification_HLN_Manhatt.pdf>. Viitattu 23.2.2012.

Lopperi, Kasperi (2012). SWOT-analyysi. Osoitteessa <https://blogs.helsinki.fi/klopperi/2012/02/18/swot-analyysi/>. Viitattu 23.2.2012.

The New York Times (2010). Mapping America: Every City, Every Block. Osoitteessa <http://projects.nytimes.com/census/2010/explorer>. Viitattu 23.2.2012.

Wikipedia (2012). United States Census Bureau. Osoitteessa <http://fi.wikipedia.org/wiki/United_States_Census_Bureau>. Viitattu 23.2.2012.

Viidennellä kurssikerralla harjoittelimme alueiden “bufferointia” sekä suoritimme liudan itsenäisiä tehtäviä, joissa hyödynsimme tietojamme koskien sekä bufferointia että aiemmin opittua tietokantojen päivittämistä. Bufferoinnilla viitataan ns. puskurivyöhykkeiden muodostamiseen eri kohteiden ympärille halutulla laajuudella. Oppitunti sujui vaihtelevalle menestyksellä. Jotkin MapInfon koukerot tuntuvat jo helpoilta ja sujuvat rutiininomaisesti. Näihin kuuluu esimerkiksi juuri taulukoiden päivittäminen ja tietojen tuonti niihin toisesta taulukkotietokannasta. Toisinaan epätietoisuus jostakin pienestä niksistä saattaa aiheuttaa täyden umpikujan. Esimerkiksi bufferointi tuntui näin ensimmäisellä käyttökerralla vielä hieman haasteelliselta.

Lentokenttien ja juna-asemien puskurivyöhykkeet

Kurssikerran alussa teimme harjoitustehtäviä liittyen pääkaupunkiseudun lentokenttiin ja juna-asemiin. Puskurivyöhyketoimintoa apuna käyttäen selvitimme esimerkiksi, kuinka paljon ihmisiä asuu ns. melusaastealueilla sekä juna-asemien välittömässä läheisyydessä. Puskurivyöhyketoiminto on esimerkiksi alueiden suunnittelussa ja kehittämisessä erittäin käyttökelpoinen työkalu, jonka monipuolisuus tuli esiin jo yhdenkin kurssikerran aikana. Liikenneverkoston suunnittelussa sitä voidaan hyödyntää siten, että varmistetaan reittien suunta ja asemien välimatka tavalla, joka maksimoi liikenneverkon käytön mutta estää sen ruuhkautumisen. Esimerkiksi juna-asemia tulisi olla riittävän tiheään, mikäli asutusta on paljon. Mikäli samalla tarkastellaan väestörakennetta ja huomataan työ- ja koulumatkalaisten volyymin olevan suuri, pitää myös tämä huomioida suunnittelussa. Toki hyvät liikenneyhteydet osaltaan vaikuttavat myös alueen myöhempään kehitykseen ja aiheuttavat jatkuvaa muutosta. Mikäli esimerkiksi junayhteydet ovat kunnossa, alue houkuttelee yhä enemmän asukkaita, mikä puolestaan lisää painetta olemassa oleviin liikenneverkostoihin.

Tarkasteltaessa Vantaan väestöä suhteessa juna-asemien sijaintiin saimme selville, että lähes joka viides vantaalainen asui alle 500 metrin päässä lähimmästä juna-asemasta. Heistä 72,3 % oli työikäisiä (15-65-vuotiaita). Radanvarret ovatkin erittäin houkuttelevia asuinpaikkoja, sillä moni työssäkävijä joutuu käymään Helsingissä töissä ja bussien käyttäminen on silloin hidasta.

Väestön pakkautuminen radanvarsille sekä kuntakeskus Tikkurilaan onkin aiheuttanut sen, että Helsinki-Vantaan lentokentän suunnittelussa on jouduttu huomioimaan lentomelun vaikutukset lähiympäristössä. Kahden kilometrin säteellä Helsinki-Vantaan lentokentästä asuu yli 9 000 ihmistä, mutta 65 dB -lentomelualueella asuvien määrä on saatu huomattavan pieneksi huomioimalla laskeutumissuunta kentän käytössä. Johtuen siitä, että laskennallisesti 60 dB:n lentomelualue muodostaa 7 kilometriä pitkän ja 1 kilometriä leveän vyöhykkeen ennen kiitorataa, ei Tikkurilaan suuntautuvaa kiitorataa ole tässä tarkoituksessa voitu käyttää. Laskelmien mukaan tällä alueella asuu 11 450 ihmistä, joille melusaaste aiheuttaisi huomattavan haitan.

Puskurivyöhykkeitä voitaisiin hyödyntää myös esimerkiksi kehitysmaihin kohdistuvassa avustustyössä. Bufferoinnin avulla voitaisiin laskea, kuinka monta ihmistä asuu tietyn vedenhakupaikan läheisyydessä ja suunnitella uusien rakentamista siten, etteivät välimatkat käy liian pitkiksi. Samoin työkalua voisi käyttää esimerkiksi koulujen rakentamisen suunnittelussa. Mikäli väestöstä on olemassa tilastoja, voidaan selvittää, kuinka monta kouluikäistä asuisi koulurakennuksen tavoitettavuuden piirissä.

MapInfo koulupiirisuunnittelun apuna

Valinnaisista itsenäistehtävistä valitsin työstettäväksi Helsingin Yhtenäiskoulun koulupiiriä käsittelevän kysymyksen. Tietokantojen päivittäminen tuntuu mielestäni melko loogiselta ja on nähdäkseni vahvinta aluettani MapInfon käytössä. Erilaisten tilastotietojen yhdistely ja siirtely tietokannasta toiseen onnistuu melko vaivattomasti. Haastavammalta tuntuu tällä hetkellä tietojen visualisointi karttakuvassa.

Koulupiirejä käsittelevässä tehtävässä tutkittiin Helsingin Yhtenäiskoulun valmiuksia ottaa vastaan ekaluokkalaisia ja yläasteikäisiä tulevana kouluvuotena. Lisäksi tarkasteltiin muunkielisten kouluikäisten lukumäärää alueella. Tehtävien suorittaminen tarkoitti käytännössä koulupiirien browser-ikkunan päivittämistä uusilla sarakkeilla, joihin väestötietoja siirrettiin pks_vaki -tietokannasta halutuilla lausekkeilla. Tulosten perusteella Helsingin Yhtenäiskoulun omasta koulupiiristä ekaluokkalaisia oli seuraavana vuonna tulossa ainoastaan 16 ja myös peruskouluikäisten lukumäärä alueella oli varsin pieni (175). Alue ei ole myöskään kovin monikulttuurinen, sillä muunkielisten kouluikäisten laskennallinen lukumäärä koulupiirissä oli ainoastaan 6-7 oppilasta.

Kokosin lopuksi kaikista itsenäistehtävistä saamani tulokset yhdeksi taulukoksi: Vastaukset tehtäviin

MapInfon käytön reunaehtoja

Timo Säyrinen toi blogimerkinnässään mielestäni hyvin esiin MapInfon eri käyttötavat niin kuin me ne tällä hetkellä tunnemme. Näitä ovat: tiedon siirto tietokantojen välillä; piirtäminen; kuvan tai kartan rekisteröinti; teemakarttojen laatiminen sekä puskurointi. Kun tietoa siirretään eri tietokantojen välillä, ongelmaksi saattaa muodostua se, että tietokantojen paikkatiedot eivät syystä tai toisesta ole yhteensopivia. Tämä voi johtua esimerkiksi erilaisesta aluejaosta joihin tiedot on linkitetty. Mikäli tieto kohdistuisi aina pisteen tarkkuudella tiettyihin sijaintitietoihin, tätä ongelmaa ei kuitenkaan olisi. Kuten tälläkin kurssikerralla näimme, rakennuksiin perustuvaa väestötietoa pystyttiin helposti siirtämään koulupiirejä koskevaksi tiedoksi. Epäilen kuitenkin, että aina tietokantojen yhdistely ei suju yhtä näppärästi.

Oman ongelmansa voi muodostaa myös paikkatiedon sitominen digitoituun karttakuvaan. Oikean koordinaatiston valinta ja tilastotietojen linkittäminen karttaan tuntuu tällä hetkellä haastavalta kysymykseltä. Uskon että MapInfo suoriutuu tästä melko hyvin – ennemminkin ongelmaksi voivat muodostua käyttäjän omat vaillinaisuudet ohjelman käytössä.

MapInfon visuaaliset ominaisuudet vaikuttavat käyttökelpoisilta, mutta tämä ei liene ohjelman vahvinta aluetta. Teemakartat vaikuttavat aika minimalistisilta, mutta toisaalta selkeä ulkoasu voi olla myös etu. Piirto-ominaisuudet vaikuttivat melko yksinkertaisilta, joten ohjelmaa ei varmaan voi juurikaan hyödyntää karttojen piirtämisessä. Pohdin myös sitä, voiko ohjelmaan tuoda mitä tahansa karttoja vai pitääkö kartta-aineiston olla aina tietyssä piirretyssä kuvamuodossa. MapInfoon tuskin voi tuoda valokuvapohjaista kartta-aineistoa.

Lähteet

Säyrinen, Timo (2012). Kurssikerta 5 – kohti soveltavaa geoinformatiikkaa. Osoitteessa <https://blogs.helsinki.fi/sayrinen/2012/02/14/kurssikerta-5-kohti-soveltavaa-geoinformatiikkaa/>. Viitattu 15.2.2012.

Neljännellä kurssikerralla pääsimme testailemaan MapInfon Grid Maker -toimintoa, jonka avulla esillä oleva kartta-alue voidaan jakaa identtisen kokoisiksi pikkuruuduiksi. Ruudukko auttaa sijainteihin liittyvän tiedon analyysissä, sillä siihen voidaan liittää tietoja toisesta tietokannasta siten, että tietoon saadaan kunkin ruudun osalta esimerkiksi väestömäärä. Pistetieto muuttuu näin ruutukohtaiseksi tiedoksi, ja ruudun pinta-alaa säätelemällä voidaan vaikuttaa siihen, kuinka yksityiskohtainen lopputulos on. Esimerkiksi ruutukoko 500 m x 500 m saattaa johtaa varsin erilaiseen lopputulokseen kuin ruutukoko 2km x 2km. Sopivan ruutukoon määrittely riippuukin pitkälti aiheesta jota ollaan käsittelemässä ja toisaalta tutkimuksen alaisen alueen laajuudesta.

Kaksi ruututeemakarttaa

Valitsin ruutukarttojeni teemaksi 6-vuotiaiden lukumäärän pääkaupunkiseudulla. Kokeilin kolmea eri ruutukokoa: 500 m x 500 m, 1 km x 1 km ja 2 km x 2 km. Niistä esittelen tässä kaksi.

Kuva 1 6-vuotiaiden lukumäärä pääkaupunkiseudulla (ruutukoko 500 m x 500 m)

Ensimmäisessä kartassa (Kuva 1) käytin ruutukokoa 500 m x 500 m. 6-vuotiaiden lukumäärä tämän kokoisilla alueilla pääkaupunkiseudulla vaihtelee yhden ja 43 lapsen välillä. Luokittelu ei ole mielestäni tässä kartassa aivan onnistunut, sillä alimmissa luokissa ero on tehty 1-4 ja 4-8 lapsen välille kun taas ylimmässä luokassa hajonta on peräti 8-43. Yli neljäkymmentä esikouluikäistä lasta näin pienellä alueella on jo suhteellisen suuri tulos, joten näiden alueiden olisi pitänyt erottua paremmin lopputuloksessa. Kyseessä ei ole kuitenkaan pelkästään luokitteluongelma, vaan absoluuttisten arvojen esittämisen aiheuttama näköharha tulee myös tällä kartalla esiin. Ydinkeskusta-alueilla kerrostalojen lukumäärä on suuri ja siten lasten kertymä saattaa kohota suureksi näin pienelläkin pinta-alalla. Omakotitalovaltaisilla alueilla taas samaan absoluuttiseen arvoon pääseminen on vaikeampaa, varsinkin kun huomioon otetaan vain yksi ikäryhmä.

Kuva 2 6-vuotiaiden lukumäärä pääkaupunkiseudulla (ruutukoko 2 km x 2 km)

Toisessa kartassa (Kuva 2) asetin ruutujen kooksi 2 km x 2 km. Neljän neliökilometrin suuruiset alueet ovat 16 kertaa laajempia kuin Kuvan 1 alueet. 6-vuotiaiden lukumäärä vaihtelee nyt yhden ja 234 lapsen välillä. Vaaleimmalla värillä on merkitty alueet, joissa 6-vuotiaita on 1-12, keskitummalla alueet, joissa lukumäärä on 12-68 ja tummimmalla alueet, joissa lapsia on 68-234. Kartalle on lisäksi merkitty pääkaupunkiseudun tieverkko sekä rautateiden kulkusuunta.

Ruututeemakarttojen informaatioarvo

Mielestäni näistä kahdesta vaihtoehdosta jälkimmäinen kartta on kuvaavampi. Luokittelu on mielestäni onnistunut, mutta luokkien lukumäärän olisi voinut nostaa neljään, jolloin ylimmän luokan vaihteluväli (68-234) ei olisi jäänyt niin suureksi. Paremmalla luokittelulla myös pienemmän ruutukoon kartta olisi voinut antaa aiheesta pätevän esityksen.

Absoluuttisia arvoja kartalla esitettäessä kaupunkien ydinkeskusta-alueiden ja maaseutumaisempien lähiöalueiden vertailu ei kuitenkaan ole järkevää. Keskusta-alueita kuvatessa pienempi ruutukoko kertoo alueiden erilaistumisesta paremmin, ja tällaisessa tilanteessa Kuva 1 antaa aiheesta yksityiskohtaisemman esityksen. Kuvan 2 suuri ruutukoko peittää keskustamaiset alueet alleen ja antaa sen mielikuvan, että keskusta-alueen sisällä ilmiötä esiintyy tasaisesti. Mikäli absoluuttisia arvoja esitettäisiin ruututeemakartalla esimerkiksi sanomalehdessä, olisi järkevää merkitä ydinkeskusta-alueiden sijainti jollakin tavalla karttaan, jotta lukija huomioisi, että ne aluerakenteeltaan poikkeavat selvästi ympäristöstään.

Absoluuttisten arvojen etu on se, että ne ovat helposti hahmotettavissa. Kun lukija tietää tietyn ihmisryhmän lukumäärän ja alueen koon, hän pystyy hyvin visualisoimaan todellisuutta. Absoluuttiset arvot ovat tärkeitä myös esimerkiksi päiväkoti- ja kouluverkkoa suunniteltaessa. 6-vuotiaat lapset ovat esikouluiässä ja ovat tulevan vuoden aikana aloittamassa peruskoulun. Mikäli tämän ikäisten lasten lukumäärä neljän neliökilometrin alueella kohoaa yli kahdensadan, merkitsee se, että esikouluryhmiä ja ala-asteen ensimmäisiä luokkia tulisi vastaavalla alueella olla jo lukuisia. Absoluuttiset arvot ovat siten aluesuunnittelun kannalta merkittävässä roolissa. Lapsiperheet näyttäisivät myös sijoittuneen hyvien liikenneyhteyksin varrelle. Tämä näkyy, mikäli vertaamme rautateiden sijoittumista suhteessa 6-vuotiaiden lukumääriin. Läntisen ja keskisen junayhteyden päättyessä myös 6-vuotiaiden lukumäärä tippuu. Itäinen Riihimäelle jatkuva junayhteys sen sijaan korreloi lapsiperheiden sijoittumisen kanssa siten, että radanvarsi on tiuhaan asuttua halki Pohjois-Vantaan.

Ruututeemakartan etuna on se, että kartan tekijä voi itse määritellä tutkittavien alueiden koon, eikä esimerkiksi hallinnollisia rajoja ole pakko noudattaa. Esimerkiksi juuri tämän viikon karttaesityksessä pääkaupunkiseutu on esitetty yhtenäisenä alueena, vaikka se kattaakin neljä kuntaa. Koropleettikartassa käytetään tavallisesti jotakin valmista aluejakoa, kuten kunnat tai kunnan pienalueet, jolloin alueiden vaihtelevat koot saattavat muodostua riesaksi. Pisteteemakarttojen haittapuolena taas on se, että ilmiön ollessa tiuhaan esiintyvä, pisteiden lukumäärä tietyillä alueilla saattaa kohota suureksi. Tämä saattaa tehdä karttaesityksestä sekavan. Ruututeemakartassa kartan tekijä helpottaa lukijan taakkaa tarjoamalla jo hieman pidemmälle analysoitua aineistoa.

Anna Ylinen oli blogissaan tehnyt kartan alle kouluikäisten lasten sijoittumisesta pääkaupunkiseudun sisällä. Myös hän oli huomannut, että lasten lukumäärä oli keskimääräistä suurempi juuri kaakkoislinjalla ja totesi, että väestömäärä ylipäätään on tilastotietojen mukaan tällä alueella ympäristöään korkeampi. Tähän vaikuttaa edistävästi hyvien liikenneyhteyksien sijoittuminen Itä-Vantaalle. Vastaavasti Pohjois-Espoon ja Länsi-Vantaan alueilla väestön määrä on ylipäätään vähäisempi esimerkiksi Nuuksion kansallispuiston ja Helsinki-Vantaan lentokentän valtaamien alueiden vuoksi.

Lähitulevaisuudessa rautatieyhteyden valmistuminen Helsingistä Helsinki-Vantaan lentokentälle tulee varmasti vaikuttamaan siihen, että nuoria perheitä muuttaa enemmän myös pääkaupunkiseudun keskiosiin. Tähän tulee varautua aluesuunnittelulla myös siten, että esimerkiksi kouluilla on valmius ottaa uusia oppilaita sisään.

Lähteet

Ylinen, Anna (2012). Neljäs kurssikerta – Gridi. Osoitteessa <https://blogs.helsinki.fi/annaylin/2012/02/07/neljas-kurssikerta-gridi/>. Viitattu 10.2.2012.

Kolmannella kurssikerralla opettelimme yhdistelemään taulukkoaineistoja MapInfossa sekä tuomaan ohjelmaan taulukkoaineistoja esimerkiksi Excelistä. Hyödyllisiä toimintoja tätä varten olivat erityisesti MapInfon Table/Maintenance/Table Structure -valikko sekä Table/Update Column -valikko. Toiminnot tuntuivat varsin loogisilta ainakin kun ohjeistus oli kunnossa. Juuri tällaisella osaamisella tulee varmasti olemaan käyttöä kun MapInfoa haluaa hyödyntää tulevaisuudessa esimerkiksi opinnäytetöissä.

Afrikan konfliktit

Kurssikerran ensimmäisessä osiossa tutkimme Afrikan mantereen karttaa sekä konfliktien, timanttikaivosten ja öljylähteiden esiintyvyyttä alueella. Alkutilanteessa monien valtioiden tiedot olivat jakautuneet useiksi eri tietoriveiksi, sillä osa Afrikan valtioista koostuu manneralueen lisäksi hajanaisista saarista ja muista irrallisista alueista. Tehtävänämme oli yhdistää tiedot siten, että kunkin valtion tiedot olivat yhtenäisesti omalla rivillään. Tämän jälkeen meidän oli mahdollista tuoda ohjelmaan Excel-pohjaisia tietoja Afrikan eri valtioiden internetin käyttäjien lukumääristä, konflikteista sekä luonnonvaroista.

Pelkistetyssä muodossa näiden tietojen pohjalta luotu kartta voisi näyttää esimerkiksi konfliktien esiintymisen kannalta kriittisimmät alueet (Kuva 1).

Kuva 1 Afrikan konfliktit

Kun tätä karttaa verrataan tietoihin esimerkiksi timanttikaivosten tai öljykenttien esiintymisestä, voidaan tehdä johtopäätöksiä siitä, onko konfliktien rahoitus helpottunut näiden toimintojen kautta. Toisaalta voidaan ajatella, että konfliktit myös häiritsevät kaivaus- ja porausalueiden normaaleja toimintoja. Esimerkiksi Libyan vuoden 2011 konfliktin aikaan öljyvarantojen hyödyntäminen alueella heikentyi, ja öljykenttien herruudesta myös taisteltiin (BBC 2011). Mikäli oheista karttaa verrataan TVT3-tiedotusblogin Afrikka-karttaan, havaitaan, että konfliktien esiintyvyys on laajaa myös siellä, missä merkittäviä öljy- ja timanttiesiintymiä ei ole ollut (TVT3 Tiedotusblogi 2012). Luonnonvaroilla voisi kuitenkin olla merkitystä esimerkiksi sen suhteen, kuinka pitkään konflikti voi kestää. Hyötyä voisi näin olla kartasta, joka huomioisi sekä konfliktien laajuuden ja keston sekä luonnovarojen (esimerkiksi öljy ja/tai timantit) tuottavuuden.

Karttaesitykseni kannalta kiinnostava on Havard Hegren ja Clionadh Raleighin artikkeli Population Size, Concentration, and Civil War. A Geographically Disaggregated Analysis (2006). Artikkelista käy ilmi, että suurilla valtioilla on enemmän sisällissotia kuin pienemmillä valtioilla. Tilastoissa konfliktien esiintyvyyttä on verrattu valtioiden väkilukuun ennemminkin kuin pinta-alaan, mutta suuri väkiluku viittaa yleensä myös suurempaan pinta-alaan. Hegren ja Raleigh tutkivat aineistoja 14 Keski-Afrikan valtiosta vuosien 1960-2004 ajalta ja etsivät yhteyksiä konfliktien ja erilaisten muiden muuttujien välillä, kuten välimatka pääkaupunkiin, pääteihin ja raja-alueille. Omassa kartassani (Kuva 1) valtiot esitetään yhtenäisinä alueina, mutta Hegren ja Raleighin artikkeli muistuttaa siitä, että valtioiden sisällä on suuria eroavaisuuksia esimerkiksi väestöntiheyden ja infrastruktuurin osalta, mitkä voivat vaikuttaa konfliktien esiintyvyyteen. Parhaita johtopäätöksiä voitaisiinkin tehdä kartasta, joka huomioisi nämä formaalisten alueiden sisäiset vaihtelut.

Suomen valuma-alueiden tulvaindeksit

Kurssikerran jälkimmäisessä osiossa saimme omin avuin tuottaa tilastotietojen yhdistelyn avulla karttaesityksen Suomen valuma-alueista, niiden tulvaindekseistä sekä järvisyydestä (Kuva 2). Tulvaindeksillä tarkoitetaan alueella olevan veden ylivirtaaman (MHQ = ylimpien mittaustulosten keskiarvo) suhdetta alivirtaamaan (MNQ = alimpien mittaustulosten keskiarvo). Laskukaavalla MHQ/MNQ selvitetään tulvahuipun suhde jokien virtaamaan kaikkein kuivimpana aikana (TVT3 Tiedotusblogi 2012). Suuri tulvaindeksi viittaa siten myös suureen vuosittaiseen vaihteluun alueen vesistöjen virtauksissa.

Kuva 2 Tulvaindeksi ja järvisyys Suomen valuma-alueilla

Kartasta on helppo havaita, että tulvaindeksi on rannikkovyöhykkeellä selvästi sisämaata suurempi. Tulvaindeksin suuruus näyttäisi myös korreloivan suurten jokien sijainnin kanssa. Tulvaindeksillä näyttäisi olevan myös suhde valuma-alueen kokoon siten, että suurilla valuma-alueilla indeksiarvo on pienempi. Jälkimmäiseen tekijään vaikuttaa varmasti myös maaston rakenne. Kuten Heli Kainulainen tuo blogimerkinnässään esiin, järvisillä ja soisilla alueilla virtaamat tasoittuvat veden varastoituessa olemassa oleviin altaisiin. Pohjanmaan tulvaherkkyyteen vaikuttaa sen alava ja tasainen maasto, järvien vähäisyys ja suurten vesimassojen pakkautuminen kapeisiin järviin. Järvisyysprosentti onkin kartan mukaan selvästi suurempi alueilla, joilla tulvaindeksi jää pienemmäksi. Kuitenkin myös valuma-alueen laajuudella on merkitystä – pienillä alueilla valunta kerääntyy pääuomiin nopeammin, jolloin virtausnopeus ja virtauman volyymi kasvavat suhteellisen suuriksi (Valtion ympäristöhallinto 2012).

Mietin myös, voidaanko rannikoiden katsoa olevan sisämaata sateisempia ja runsaslumisempia, vai onko näissä tekijöissä mitään merkittävää vaihtelua Suomen kokoisella alueella. Toisaalta tulvaindeksin suuruus viittaa myös siihen, että osan aikaa vuodesta virtaama on näillä alueilla hyvin pieni suhteessa virtaaman huippuun, joten tällä tekijällä tuskin on asian kannalta merkitystä.

Eira Linkon blogissa esitettiin mainio huomio siitä, kuinka myös ihmistoiminta vaikuttaa tulvaindeksin suuruuteen. Rannikkovyöhykkeellä metsiä on raivattu peltoviljelyyn, jolloin veden virtaama on nopeutunut, kun kasvillisuus ei enää sitä sido.

Lähteet

BBC (2011). Oil prices rise as Libyan conflict intensifies. 2.3.2011. Osoitteessa <http://www.bbc.co.uk/news/business-12619017>. Viitattu 3.2.2012.

CSCW (2012). Konfliktien sijainnit. Osoitteessa <http://www.prio.no/CSCW/Datasets/Armed-Conflict/Conflict-Site/>. Viitattu 31.1.2012.

Hegre, Havard – Raleigh, Clionadh (2006). Population Size, Concentration, and Civil War. A Geographically Disaggregated Analysis. Paper presented to the Meeting in the Environmental Factors in Civil War Working Group 21 September 2006 and Centre for the Study of Civil War 19 September 2006.

Kainulainen, Heli (2012). Kurssikerta 3: Tee-se-itse tietokanta. Osoitteessa <https://blogs.helsinki.fi/helikain/2012/01/30/kurssikerta-3-tee-se-itse-tietokanta/>. Viitattu 3.2.2012.

Linko, Eira (2012). Kurssikerta 3: Vesireittejä. Osoitteessa <https://blogs.helsinki.fi/elinko/2012/02/01/kurssikerta-3-vesireitteja/>. Viitattu 3.2.2012.

Maanmittauslaitos (2011). Joet ja järvet. Osoitteessa <http://www.maanmittauslaitos.fi/ilmaisetaineistot>. Viitattu 31.1.2012.

Map Library (2012). Afrikan pohjakartta. Osoitteessa  <http://www.maplibrary.org/stacks/Africa/index.php>. Viitattu 31.1.2012.

Syken Oiva-tietokanta (2012). Valuma-alueet. Osoitteessa <http://wwwp2.ymparisto.fi/scripts/paikkatieto.asp>. Viitattu 31.1.2012.

TVT3-Geoinformatiikka-tiedotusblogi (2012). Afrikan tietoja. Osoitteessa <https://blogs.helsinki.fi/tvt3-2012/2012/01/30/afikan-tietoja/>. Viitattu 3.2.2012.

TVT3-Geoinformatiikka-tiedotusblogi (2012). Tulvaindeksi. Osoitteessa <https://blogs.helsinki.fi/tvt3-2012/2012/02/01/tulvaindeksi/>. Viitattu 3.2.2012.

Valtion ympäristöhallinto (2012). Eroosioon vaikuttavia tekijöitä. Osoitteessa <http://www.ymparisto.fi/default.asp?contentid=53579>. Viitattu 3.2.2012.

Kaksiteemainen koropleettikartta

Toisella kurssikerralla tehtävänämme oli luoda teemakartta, jossa esitettiin kahta erilaista teema-ainesta päällekkäin. Tämän tyyppiset teemakartat ovat yleisiä esimerkiksi sanomalehdissä, joissa koropleettikartan päälle on lisätty muita tietoja esimerkiksi palkkien tai pylväsdiagrammien muodossa. Tilastokeskuksen sivuilla aihetta on havainnollistettu Suomen kartalla, jossa maakunnat on ensin luokiteltu sen mukaan, kuinka suuri BKT on asukasta kohden ja lisäksi maakuntien päälle on asetettu ympyrädiagrammit, joissa esitetään BKT:n jakautuminen toimialoittain. Kahden teeman teemakartat ovatkin kätevä tapa visualisoida suurta tietomäärää sekä löytää mahdollisia yhteyksiä eri muuttujien välillä.

Kokeilin erilaisia teemakarttavaihtoehtoja ja päädyin tekemään teemakartan, jossa kaksi koropleettikarttaa on asetettu päällekkäin. Teemakarttani (Kuva 1) alueeksi valikoitui Uusimaa sen tunnettuuden takia ja aineistoiksi elävänä syntyneiden lukumäärä sekä väestönlisäys kussakin kunnassa. MapInfon tilastotietojen määritelmät ovat osin arvailujen varassa, mutta väestönlisäyksen voi olettaa huomioivan paitsi syntyvyyden ja kuolleisuuden myös nettomuuton (Suomen sisällä tai Suomen ja ulkomaiden välillä). Tilastokeskuksen artikkeli tukee tätä päätelmää. Teema-ainesten vertailu on kiinnostavaa sen vuoksi, että syntyvyys ei välttämättä korreloi väestönlisäyksen kanssa.

Kuva 1 Väestönmuutos Uudellamaalla

Päätin ensin luoda koropleettikartan, jossa elävänä syntyneiden lukumäärä Uudellamaalla eri kunnissa esitetään punaisen eri sävyin. Tummempi punainen viittaa korkeampaan syntyvyyteen ja vaaleampi punainen puolestaan matalampaan syntyvyyteen. Tasavälinen luokittelu ei sopinut tähän aineistoon sen vuoksi, että erot eri kuntien välillä olivat merkittäviä. Myöskään kvantiilit eivät olisi tehneet oikeutta aineistolle, sillä hajonta ylimmässä luokassa olisi ollut suurta. Luonnolliset luokkavälit tuntuivat tässä tapauksessa antavan parhaan lopputuloksen. Kuntien väliset erot Uudellamaalla olivat enimmillään yli 6000 syntynyttä lasta. Legendassa sulkuihin on merkitty kaikkien Suomen kuntien lukumäärä kussakin luokassa, ja myös tästä huomataan, että valtaosassa Suomen kuntia lapsia syntyy enimmillään 190 per vuosi.

Ei liene yllättävää, että juuri Helsingissä, Espoossa ja Vantaalla syntyneiden määrät ovat korkeimmat. Ympäristökunnissa lapsia on syntynyt hieman vähemmän ja erityisesti itäisellä Uudellamaalla on laaja alhaisen syntyvyyden alue. Aineisto ei kuitenkaan kerro, kuinka tilastotiedot on laskettu. Esimerkiksi Helsingin synnytyssairaaloihin saatetaan tulla pidemmänkin matkan takaa. Onko syntyneiden määrä laskettu sairaalatietojen perusteella vai sen perusteella, missä perhe asuu? Joka tapauksessa myös erot väkiluvuissa ovat eri kuntien välillä sen verran suuria, että jo pelkästään tämä selittää suuret erot. Tällaisen karttaesityksen perusteella ei voida siis päätellä, että syntyneiden lapsien määrä olisi suhteessa suurempi pääkaupunkiseudulla kuin muualla Uudellamaalla.

Punavärisen koropleettikartan päälle on asetettu rasteroitu koropleettikartta, joka esittää väestönlisäyksen lukemia Uudellamaalla. Ohjesuosituksen mukaan myös tässä olen käyttänyt kolmea luokkaa, jotta kahden teemakartan päällekkäisyys ei aiheuttaisi liian sekavaa vaikutelmaa. Rasteriteemoista suositeltiin käytettäväksi pisteteemaa, mutta itse koin, että ainakin kirkkaan värin päällä pistekuvioinnit eivät erottuneet riittävästi taustasta ja toisistaan. Tämän vuoksi valitsin viivateeman, joka nähdäkseni johti melko helppolukuiseen lopputulokseen. Tihein viivarasteri viittaa korkeimpaa luokkaan ja haalein rasterointi matalimpaan luokkaan, jossa väestönlisäyksen sijasta onkin monissa tapauksissa kyse väestön vähenemisestä (negatiivinen arvo). MapInfossa matalimman luokan rasteroinnissa pystyviivat olivat yhtä harvassa kuin keskimmäisessä luokassa, joskin viivat olivat ohuempia, mutta kuvamuotoon tallennus jonkin verran muutti rasteroinnin ulkoasua. Tämä ei kuitenkaan haittaa, sillä lopputulos on yhtä selkeä, ellei jopa selkeämpi.

Väestönlisäys on ollut suurinta (1180-5210) pääkaupunkiseudulla, joka erottuu väestönlisäyksen osalta samalla tavoin kuin syntyneiden määränkin osalta. Myös muutoin väestönlisäys ja elävänä syntyneiden määrä korreloi lähes täysin Uudellamaalla – ainoastaan kolmessa kunnassa näissä esiintyy poikkeavuuksia. Pääkaupunkiseudulla Kauniainen erottuu paitsi syntyneiden vähäisen määrän myös väestönkasvun heikkouden osalta.

Mielenkiintoista on, että väestönlisäyksen osalta maksimiarvo on ainoastaan 5210 kun taas elävänä syntyneiden määrässä maksimiarvo on 6710. Tämä näyttäisi kertovan siitä, että kuolleiden määrä on syntyneiden määrää selvästi suurempi, jolloin syntyvyys ei johda väestönkasvuun. Tiedämme myös, että erityisesti pääkaupunkiseudun kunnat vastaanottavat merkittäviä määriä maahanmuuttajia sekä muuttajia Suomen muista kunnista, jotka osaltaan aiheuttavat väestönlisäystä. Suomi on monien muiden Euroopan maiden tapaan harmaantuva maa, jossa yli 65-vuotiaiden osuus väestöstä kasvaa nopeasti. Tämä selittää väestönlisäystä koskevien lukemien mataluutta. Tilastokeskuksen tietokantojen mukaan esimerkiksi vuonna 2003 Helsingissä asui 75 928 yli 65-vuotiasta mutta vuonna 2010 jo 88 066.

Karttani selväksi puutteeksi jäi pohjoisnuolen puuttuminen. Tein lisäyksen edellisellä oppitunnilla opetetun periaatteen mukaisesti, mutta pohjoisnuoli ei jostain syystä useasta lisäysyrityksestä huolimatta tullut ollenkaan näkyviin layerillä.

Kurssiblogeja selaillessa törmäsin Emilia Venäläisen blogikirjoitukseen, jossa oli kartta Etelä-Suomen kuntien taajama-asteesta ja väkiluvuista vuonna 2010. Kyseinen kartta oli mielestäni värityksen osalta onnistunut ja väkiluvun suuruuden ilmaiseminen tikku-ukkosymboleilla oli mielestäni havainnollinen. Vastaava esitystapa olisi toiminut myös oman teema-ainekseni esityksessä – esimerkiksi syntyneiden lukumääriä olisi voitu ilmaista kokonsa puolesta skaalatuilla symboleilla. Toisaalta omassa kartassani oli laajoja vierekkäisiä alueita, joissa oli sama rasterointi, joten yksittäisten symbolien käyttö kunkin kunnan kohdalla olisi saattanut lisätä vaikealukuisuutta.

Artikkeli 1

Viikon toisena tehtävänä oli lukea Anna Leonowiczin artikkeli Two-variable choropleth maps as a useful tool for visualization of geographical relationship (2006) sekä kirjoittaa reaktioitamme siihen. Leonowicz kertoo artikkelissa kahden muuttujan koropleettikarttojen eduista ja heikkouksista. Vertailukohtana käytetään yleisempää yhden muuttujan koropleettikarttaa. Tutkimukset osoittavat, että kaksiteemaiset koropleettikartat ovat lukijalle haastavampia, mutta kun selkeään ulkoasuun on panostettu, ne antavat lukijalle paremmat mahdollisuudet oivaltaa muuttujien välisiä suhteita. Mikäli ilmiöistä tehtäisiin ainoastaan erillisiä yksiteemaisia koropleettikarttoja, jäisi lukijan tehtäväksi hahmottaa alueiden laajuuksia ja niiden mahdollisia yhteneväisyyksiä.

Leonowiczin artikkelin teema muistuttaa kuluneella viikolla itse tekemästäni kaksiteemaisesta koropleettikartasta, mutta hänen karttaesityksensä on selvästi monimutkaisempi. Esimerkkikartoissa tutkitaan alle 18-vuotiaiden suhteellisen lukumäärän sekä maaseutumaisen asutuksen suhteellisen osuuden välistä suhdetta Puolan eri maakunnissa. Jo yhden muuttujan erillisistä karttaesityksistä voimme havaita, että monissa maakunnissa lasten ja nuorten osuus väestöstä on sitä suurempi, mitä korkeampi on maaseutumaisen asutuksen osuus. Kahden muuttujan koropleettikartassa nämä teemat on yhdistetty siten, että kaksi päällekkäistä väriteemaa ikään kuin sekoittuvat. Valkoisiksi ovat jääneet osuudet, joissa on kummankin teeman osalta kyse alimmasta luokasta. Muilla alueilla violetin sävy muodostuu vaaleanpunaisen (nuorten osuus, %) ja sinisen (maaseutumainen asutus, %) eri yhdistelmistä. Legendassa väritys on esitetty yhdeksän (3×3) eri ruudun avulla, jotka on liukuvärjätty suhteellisten osuuksien ja päällekkäisyyksien mukaan.

Mielestäni Leonowiczin karttaesitys on varsin vaikeasti tulkittava. Hän on käyttänyt kolmea luokkaa kummankin teeman osalta, mikä moniteemaisissa koropleettikartoissa on suositeltavaa, mutta kaksiteemaisessa koropleettikartassa luokkia on esitystavan vuoksi lopulta yhdeksän. Kartan tulkitseminen vaatii lukijalta varsin valveutunutta taustaa, ja ainakin itse jouduin palaamaan legendaan yhä uudestaan hahmottaakseni esitettyä ilmiötä. Mielestäni kaksiteemaisessa koropleettikartassa toisen teeman esittäminen rasteroinnilla tai diagrammeilla olisi suositeltavampi vaihtoehto. Tällöin myös luokkien lukumäärä pysyisi matalampana. Leonowiczin esityksessä on pyritty siihen, että ilmiöiden positiivinen ja negatiivinen korrelointi tulisi karttaesityksestä välittömästi esiin, mutta nähdäkseni tällaisesta karttaesityksestä saatu hyöty on varsin minimaalinen suhteessa menetyksiin lopputuloksen lukijaystävällisyydessä.

Lähteet

Venäläinen, Emilia (2012). Kurssikerta 2: Lisää teemakarttoja. Osoitteessa <https://blogs.helsinki.fi/emiliave/2012/01/27/kurssikerta-2-lisaa-teemakarttoja/>. Viitattu 27.1.2012.

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

Tilastokeskus (2012). Muuttovoittoa ulkomailta ennätysmäärä 2011. Osoitteessa <http://www.tilastokeskus.fi/til/vamuu/2011/12/vamuu_2011_12_2012-01-26_tie_001_fi.html>. Viitattu 27.1.2012.

Tilastokeskus (2012). Verkkokoulu – Tilastoteemakartat – Muut teemakarttatyypit – Diagrammit ja muut kuviot kartalla. Osoitteessa <http://www.stat.fi/tup/verkkokoulu/data/tkart/05/02/index.html>. Viitattu 27.1.2012.

Tilastokeskus (2012). Väestö iän ja sukupuolen mukaan kunnittain 2003-2010 kunkin tilastovuoden aluejaolla. Osoitteessa <pxweb2.stat.fi>. Viitattu 27.1.2012.

Geoinformatiikan ensimmäisellä kurssikerralla palasimme TVT1-kurssilla jonkin verran tutuksi tulleen MapInfon pariin. Koska itselläni on TVT1-kurssin suorittamisesta aikaa hieman yli vuosi, ei MapInfon käyttö ole aivan tuoreessa muistissa. Toimintaperiaate MapInfossa on tosin hieman samanlainen kuin QGIS-ohjelmassa, jota käytettiin eräällä keväällä 2011 suorittamallani GIS-verkkokurssilla: kartta on ryhmitelty erilaisiin tasoihin, joiden hierarkiaa ja näkyvyyttä pystyy kätevästi säätämään. Esimerkiksi Helsingin kartan ulkoasuun pystyi vaikuttamaan muuttamalla meri- ja pienaluetasojen järjestystä – meren ollessa hierarkiassa ylempänä eivät pienalueiden rajat näkyneet Helsingin edustan vesistössä vaan ainoastaan maa-alueilla.

Koropleettikartat ja aineiston luokittelu

Tehtävänämme oli luoda koropleettikartta valitsemastamme teema-ainestosta. Koropleettikartta on tilastoteemakarttatyyppi, jossa jotakin ilmiötä tarkastellaan määritellyn aluejaon ja aineiston luokittelun avulla (Tilastokeskus 2011). Tilastokeskuksen mukaan koropleettikartalla tulisi aina esittää suhteellisia lukuarvoja absoluuttisten määrien sijaan, sillä esimerkiksi asukasluku eri alueilla vaihtelee, ja sen vuoksi ilmiö tulee suhteuttaa siihen. MapInfossa kuitenkin teemakarttojen pohja-aineistosta vain osa oli suhteutettu asukaslukuun (esimerkiksi ruotsinkielisten osuus väestöstä) kun taas osa oli absoluuttisia määriä (esimerkiksi tarhaikäisten lukumäärä Helsingin eri pienalueilla). Esimerkiksi Saana Kempin blogissa olevassa kartassa kuvataan ruotsinkielisten osuutta Helsingin eri alueiden väestöstä, jolloin alueet ovat keskenään helposti vertailtavissa. Valitsin oman teemakarttani aineistoksi ulkomaalaisten lukumäärän Helsingin pienalueilla, sillä aihe on yhteiskunnallisesti kiinnostava ja aiheuttaa aina aika ajoin mediassakin suurta keskustelua. Mielekkäämpää olisi ollut saada tietoja ulkomaalaisten suhteellisesta osuudesta eri asuinalueiden väestöstä, mutta uskon absoluuttisten lukuarvojenkin olevan suuntaa antavia. Tällöin on kuitenkin muistettava, että esimerkiksi Helsingin ydinkeskustassa asukastiheys on selvästi Helsingin reuna-alueita suurempi.

Teemakarttaa tehtäessä eräs tärkeimmistä seikoista on tapa jolla luokittelemme aineiston. Luokittelua tehtäessä on tarkasteltava aineiston lukuarvojen jakautumista. Avuksi tässä tehtävässä oli histogrammityökalu, johon saatoimme kopioida SQL-kyselyn avulla MapInfossa saadut arvot. Oman kyselyni tuloksena oli listaus ulkomaalaisten asukkaiden määristä kullakin Helsingin pienalueella. Histogrammi (Kuva 1) osoittaa jakauman oman aineistoni kohdalla olevan epämääräinen. Jakaumassa on oikealle vinon jakauman piirteitä, mutta Tilastokeskuksen esimerkeistä histogrammi muistuttaa kuitenkin selvästi eniten epämääräistä jakaumaa.

Kuva 1 Histogrammi ulkomaalaisista Helsingin pienalueilla

Epämääräisesti jakautuneen aineiston luokittelussa voidaan käyttää tasavälistä luokitusta tai kvantiileja. Tasavälinen luokittelu olisi aiheuttanut sen, että suurin osa Helsingistä olisi kuulunut alimpaan luokkaan ulkomaalaisten asukkaiden lukumäärän mukaan mitattuna, jolloin kaupungin sisäiset erot eivät tulleet toivotulla tavalla esiin. Tästä syystä päädyin käyttämään kvantiileja luokittelumenetelmänä. Kvantiililuokittelussa kuhunkin luokkaan kuuluu yhtä monta aluetta.

Harkitsin ensin aineiston jakamista viiteen luokkaan, mutta totesin että kaupungin sisäisiä eroja tarkasteltaessa kolme luokkaa antaa aiheesta selkeämmän kuvan (Kuva 2). Värityksessä pyrin selkeyteen – kirkas punainen osoittaa nopeasti lukijalle, millä alueilla arvot ovat korkeimmat. Luokkarajat jakaantuivat seuraavasti: 0-100, 100-310 ja 310-1440. Kuten huomata saattaa, hajonta viimeisen luokan sisällä on hyvin suurta. Mikäli tekisin kartan uudestaan, pyrkisin korjaamaan tämän siten, että esimerkiksi yli tuhannen ulkomaalaisasukkaan pienalueet erottuisivat omana luokkanaan. Tämä tarkoittaisi koko luokittelutavan muuttamista esimerkiksi itse määritellyiksi luokkarajoiksi. Muutamat alueet jäivät kartalla valkoisiksi. Tämä tarkoittanee sitä, että tietoja ei ole näiltä alueilta saatavissa, sillä eri luokittelutapojen kokeilu ei muuttanut näkymää tältä osin.

Kuva 2 Ulkomaalaisten lukumäärä Helsingin pienalueilla

Kartta-aineiston analyysi

Ulkomaalaisten määrä on kartan mukaan korkea läntisessä ydinkeskustassa, läntisen junaradan varrella sekä itäisessä Helsingissä. Koska ydinkeskustassa väestön kokonaismäärä on selvästi reuna-alueita suurempi, on ulkomaalaisten osuus kuitenkin täällä varsin pieni. Kartta osoittaakin ulkomaalaisten asukkaiden keskittyneen tietyille lähiöalueille. Käsitys vahvistuu mikäli katsotaan Helsingin kaupungin maahanmuutto-osaston julkaisussa olevaa karttaa muunkielisen väestön suhteellisesta osuudesta eri asuinalueilla. Vieraskielistä väestöä asuu suhteessa eniten Haagan pohjoispuolella sekä Pukinmäen ja Vuosaaren välisellä vyöhykkeellä.

Jäin vielä miettimään, kuinka MapInfossa olevissa tilastoissa “ulkomaalaiset” on oikein määritelty. Lasketaanko mukaan siis ihmiset, jotka eivät ole Suomen kansalaisia mutta asuvat kuitenkin alueella pysyvästi? Kuinka pysyvä asuminen oikein määritellään? Ovatko esimerkiksi ulkomaalaiset opiskelijat mukana tilastoissa? Mikäli tekisin aiheesta kartan viralliseen yhteyteen, mielestäni tämä määrittelykysymys tulisi huomioida pienellä viitteellä kartan yhteydessä.

Lähteet

Helsingin kaupungin maahanmuutto-osasto (2009). Monimuotoisuus ja maahanmuutto. Osoitteessa  http://www.hel.fi/wps/wcm/connect/3fd2a7804f9c32c5b5fab7a4cf6ee88a/monimuotoisuus+ja+maahanmuutto_fontit+upotettu_uusi+painos.pdf?MOD=AJPERES. Viitattu 22.1.2012.

National Council of Teachers of Mathematics (2012). Histogram Tool. Osoitteessa  http://illuminations.nctm.org/ActivityDetail.aspx?ID=78. Viitattu 21.1.2012.

Kemppi, Saana (2012). Harjoitus 1B: Teemakarttoja. Osoitteessa https://blogs.helsinki.fi/smkemppi/2012/01/17/7/. Viitattu 21.1.2012.

Tilastokeskus (2012). Verkkokoulu – Alueluokituskartat – Aineiston jakaumatyyppi vaikuttaa luokitteluun. Osoitteessa http://www.stat.fi/tup/verkkokoulu/data/tkart/02/07/index.html. Viitattu 22.1.2012.

Tilastokeskus (2012). Verkkokoulu – Alueluokituskartat – Koropleettikartta. Osoitteessa http://www.stat.fi/tup/verkkokoulu/data/tkart/02/02/index.html Viitattu 21.1.2012.