7. Kurssikerta: Ihan ite!

Seitsemäs ja viimeinen kurssikerta. Saimme etukäteistehtäväksi keksiä mistä haluamme itse tehdä kartan ja etsiä siihen tarvittavat tilastotiedot ja pohjakartan. Tutkiskelin eri maiden tilastopalveluita ja yritin miettiä, mistä tekisi kartan. Ah, liikaa vaihtoehtoja! Kuten Tuomas Tavikin sanoi blogissaan, aiheen keksiminen ja aineiston löytäminen oli operaation hitain prosessi. Lopulta, ehkä tylsästikin päädyin tekemään Pohjois-Amerikasta kartan. Se oli ehkä pieni virhe. Joo, tilastotietoa löytyy paljon, mutta voi p, että ne on vaikeasti levitelty eri virastojen sivuille joissa kaikissa oli todella vaikea suunnistaa. On kyllä Suomen tilastokeskuksen sivut hieman helpompi navigoida…

Suunnittelin ensin kiinnittäväni bittimuotoisen kartan koordinaatistoon ja piirtää Pohjois-Amerikan rajat ja osavaltiot käsin. Kun pääsin MapInfon ääreen, se ajatus haihtui nopeasti. Selasin pitkään odottaen inspiraatiota tulevasta kartastani, mutta en löytänyt kahta toisiaan korreloivaa muuttujaa. Lopulta rupesin makaaberiksi ja löysin tilastot moottoriajoneuvoissa kuolleista henkilöistä ja turvavöiden käyttöasteesta osavaltioittain. Tulipa todettua, että niiltä miljoonilta tilastosivustoilta oli myös hyvin vaikea löytää tietokantoja, jotka olisi jaoteltu osavaltioittain.

Amerikka_turvavyöt_kuolleet1

Kuva 1. Turvavöiden käyttö ja moottoriajoneuvoissa kuolleet Pohjois-Amerikassa

Kartassa näkyy jonkun näköistä korrelaatiota asioiden välillä, pääasiassa mitä vaaleampi väri pohjalla, sitä suurempi pylväs. Kuolleiden määrän olisi voinut kuvata kartassa jollain muullakin tavalla kuin pylväällä, ehkä symbolilla? Olisi pitänyt testaa tunnilla, että mikä olisi selkein vaihtoehto aineiston kuvaamiseen. Tai sitten pylväisiin olisi voinut lisätä luvut.

Amerikka_uusiutuvat energianlähteet

Kuva 2. Uusiutuvien energianlähteiden käyttö Pohjois-Amerikassa

Toiseen karttaan löysin aineistoa uusiutuvien energianlähteiden käytöstä ja niiden selkeän erittelyn osavaltioittain. Tähän karttaan olen todella tyytyväinen. Pohjalla on uusiutuvien energianlähteiden osuus kokonaisenergiantuotannosta. Ympyrädiagrammeissa on eritelty osavaltioittain eri uusiutuvien energianlähteiden osuudet.

Uusiutuvien energianlähteiden osuus kokonaisenergiatuotannosta vaihtelee 0,8% – 86,5% välillä. Olisin ehkä voinut käsin vielä muokata ylintä luokkaa valikoivammaksi tai tehdä yhden luokan lisää, jotta eniten uusiutuvia energianlähteitä käyttävät osavaltiot nousisivat enemmän esiin. Ja toiseksi ja kolmanneksi ylimpien luokkien värit ovat ainakin tältä näytötä katsottuna vähän turhan lähellä toisiaan. Karttaa tehdessäni ne erottuivat vielä paremmin. Ympyrädiagrammien koko on suhteutettu uusiutuvien energianlähteiden käytön todellisiin lukuihin. Testasin tähän myös suhteellisia lukuja, mutta kokonasluvuilla kartasta tuli mielestäni selkeämpi. Ääripäät näkyvät paremmin.

Vähiten uusiutuvia energianlähteitä (0,8 – 3,7%) käytetään Utahissa, Nebraskassa, Iowassa, Illinoisissa, Indianassa, Ohiossa ja Pennsylvaniassa, New Jerseyssä ja Länsi-Virginiassa, Mississipissä sekä Floridassa. Osassa näissä osavaltioissa öljynporaus on edelleen yksi suuri elinkeino. Eniten uusiutuvia energianlähteitä käytetään taas Washingtonissa, Oregonissa, Idahossa, Etelä-Dakotassa sekä Mainessa. Yllätyksenä tuli että kuinka vähän jotkut osavaltiot käyttävät uusiutuvia energianlähteitä. Nykyisessä maailmassa kuitenkin niiden käyttö on nostettu ihaltaviksi arvoiksi ja niiden käyttöä pyritään monissa maissa lisäämään ja monipuolistamaan. Olisin odottanut, että kaikissa osavaltioissa uusiututuvia energianlähteitä käytettäisiin energiantuotantoon vähintään 20-prosenttisesti.

Selatessani muiden kurssilaisteni karttatuotoksia, huomasin kuinka eri aiheista karttoja on tehty. Emil Ehnström on tehnyt Intian lukutaidosta ja konflikteista, Venla Salomaa on tehnyt teiniraskauksista ja köyhyysrajan alapuolella elävistä Latinalaisessa Amerikassa. Karttoja voi tehdä ihan mistä tahansa, kunhan löytää tarpeeksi hyvän ja kattavan aineiston. Kuten Emil sanoi omassa blogissaan, monista aiheista ei olisi itselle tullut mieleen tehdä karttoja.

Viimeisen kurssikerran jälkeen olen iloinen siitä, että osaan käyttää MapInfoa. Aluksi vaikeakäyttöinen ja ärsyttävä ohjelma osoittautui hyvinkin näppäräksi ja käytännölliseksi. Mutta ei se aina ole helppo käyttää. Kunnon zoomaus-toimintoja odottaessa.

Lopuksi vielä suuret kiitokset Artulle, joka jaksoi auttaa meitä tuskaisia oppilaita aina, vaikkakin joskus hyvin huvittuneena. Kiitos että heitit meidät ulos luokasta kun neljättä tuntia kiroiltiin ohjelmien kanssa.

Lähteet:

Ehnström, E. 2016. https://blogs.helsinki.fi/ehem/2016/03/12/viimeinen-kurssikerta/. Luettu 15.3.2016

Salomaa, V. 2016. https://blogs.helsinki.fi/venlasal/2016/03/03/level-7-mina-itse-alusta-loppuun-koyhyytta-ja-teinimamoja-lattarit/. Luettu 14.3.2016.

Tavi, T. 2016. https://blogs.helsinki.fi/tugtavi/2016/03/02/mapinfo-taitojen-osoittaminen-ja-analyyttinen-sisallon-seka-kurssin-perkaaminen/. Luettu 14.3.2016.

6. Kurssikerta: Bussipysäkkikävelyä ja opetusmateriaalia

Kuudennella kurssikerralla Arttu hääti meidät heti kättelyssä ulos GPS-laitteiden kanssa ja kävelimme pienen lenkin Kumpulan ympäristössä merkaten laitteella bussipysäkkejä. Onneksi oli kaunis ja aurinkoinen päivä, meneehän PAK-tunti näin ulkoillessakin! Tuomas Tavi kirjoitti hyvin omassa blogissaan: “Tämä oli mukava pieni harjoitus, joka hälvensi mystisyyden verhoa sen tieltä, kuinka paikkatietoa käytännössä luodaan ja siirretään digitaaliseen muotoon.” Ihan helppoahan se loppujen lopuksi oli. Lenkiltä takaisin tultuamme siirsimme veimme kerätyt pisteet MapInfoon ja sijoitimme ne pk-seudun kartalle. Hei sehän toimi! Testasimme sen jälkeen vielä geokoodata valmista aineistoa pelikoneiden sijainnista Helsingin kartalle.

Varsinainen tehtävä tällä kurssikerralla oli luoda opetuskäyttötyylisiä materiaaleja erilaisista pistemäisistä hasardeista. Netistä löytyy valmiita tietokantoja meteoriittien putoamispaikoista, tulivuorista ja maanjäristyksistä. Aineistot piti ladata itselleen (ja mahdollisesti taistella Excelin kanssa, koska se haluaa aina muuttaa kaiken automaattisesti päivämääriksi…..) ja viedä aineisto maailmankartalle Create points -toiminnolla. Tuloksena olisi siis toivottavasti kartta, jossa on haluamansa pisteet oikeilla paikoilla. Karttoja piti tehdä kolme, tein siis viisi. Hups. Tähän olen liittänyt nyt kolme karttaa.

Pyörittelin näitä kolmea hasardia. Halusin ensin nähdä kuinka paljon tulivuoria tulisi kartalle ja niitähän tuli. Kun etsin aineistoa, mahdollisuutena oli tarkastella myös 1964 jälkeen purkautuneita, aktiivisia tulivuoria.

aktiivisetjamuuttulivuoret

Kuva 1. Tulivuoret

Maanjäristykset

Kuva 2. Maanjäristykset

Kappas, tästä jäi puuttumaan maanjäristysten magnitudit… Olisikohan kartassa olleet 7 magnitudin maanjäristyksiä.

meteorittit

Kuva 3. 2000-luvulla löydetyt meteoriitit

Karttojen tekemisessä ei ollut ongelmia ja mielestäni ne onnistuivat ihan hyvin. Ne ovat selkeitä ja niitä voisi käyttää opetusmateriaalin tukena. Toisaalta olisikohan kartat näyttäneet siistimmältä, jos taustakartaksi olisi valinnut Natural Earth maailmankartan, jossa olisi ollut esteettisemmät värit? Toisaalta tässä karttapohjassa voi helpommin identifioida tiettyjä pistekohteita valtioittain. Olisi myös hauska nähdä, miltä maanjäristys/tulivuorikartta näyttäisi Aasia-keskeisessä maailmankartassa, kuten huomasin myös Pauli Voipion pohtineen omassa blogissaan. Sekä tulivuori- että maanjäristyskartoissa hasardit kuitenkin painottuvat lähinä Tyynen valtameren molemmin puolin, Aasia-keskeisessä kartassa havainnollistuisi varmaan nätti Tyynenmeren tulirengas.

Meteoriittikartassa on näköjään eksynyt yksi piste 0°, 0° kohdalle, mutta en saanut sitä poistettua. Jokin sarake (tuskallisesti ja kauan vääntämässäni) taulukossa meni sittenkin vikaan. Damn you Excel.

Lähteet:

Tavi, T. 2016. 6. kurssikerta ja kolmen kartan yritys yhtenäiseen esitykseen <https://blogs.helsinki.fi/tugtavi/2016/02/27/kolmen-kartan-yritys-yhtenaiseen-esitykseen/> Luettu 14.3.2016.

Voipio, P. 2016. https://blogs.helsinki.fi/vopa/2016/02/29/pak16-blogi-kuudes-kurssikerta-23-2-16/. Luettu 14.3.2016.

 

5. Kurssikerta, bufferointia ja Query vol 10000000

Viime kerralla MapInfon kanssa alkoi sujua ja tehtävät teki helposti. Kerrasta jäi positiivinen mieli. Joka murskaantui tällä tunnilla. Ei. En osaa käyttäkään MapInfoa niin hyvin kun luulin (toivoin???). Alkutunti oli kamalaa vääntämistä ja muistelua, että miten tämäkin taas tehtiin.

Digitoimme jo viime tunnin lopuksi Pornaisten karttalehteen suurimmat tiet ja asutetut rakennukset. Aloitimme tunnin hellästi, harjoittelimme bufferointia (suomeksi puskurointia) luomalla pääteiden ympärille 100m puskurivyöhykkeen ja laskemalla, kuinka monta rakennusta sen sisään jää. Tähän on helppoa! Teimme vielä muutaman yhteisharjoituksen bufferoimalla Pornaisten terveyskeskuksen ja koulun ympäristöä.

Muutamien harjoituksien jälkeen ryhdyin tekemään itsenäistehtäviä. Voihan *****. Tutkin Malmin lentokentän ja Helsinki-Vantaan lentokentän maluvyöhykkeitä ja niiden alueella asuvien määrää. En jotenkin saanut tätä tehtyä ja tuskastelin. Onneksi Markus istui takanani ja lopulta saimme yhteistyöllä nämäkin tehtyä. Sen jälkeen siirryin muiden liikennemuotojen pariin ja  bufferoin juna-asemat 500m vyöhykkeellä ja laskin kuinka monta asukasta vyöhykkeellä asuu + kuinka monta prosenttia asukkasista on työikäisiä. Noh. En vaan saanut samaa tulosta kun vierustoveri. Alkoi mennä hermot. Kun olin aikani itse tarkistanut että mikä meni väärin ja tarkistanut uudelleen laskuni oli aika pyytää fiksummalta apua. “Artttuuuuuuuu….” No, Arttuhan tuli auttamaan ja selvitimme ongelman, jessss!

Vielä viimeinen tehtävä. Tehtävässä piti laskea/siirtää tietoa toisesta taulukosta uuteen, ihan tuttua hommaa eikä mitään hankalaa. Paitsi että MapInfo ei tee sitä mitä haluan. Noo, syömistauon jälkeen homma rupesi taas sujumaan ja aloin taas uskoa siihen, että osaan sittenkin!

taulukko

Kuva 1. Itsenäistehtävien vastaukset

Tämän jälkeen vaihdoimme aineistoa, avasin edellisiltä kerroilta tutut pääkaupunkiseudun aineistot.. Saimme valita kolmesta eri tehtävästä ja päädyin laskeskelemaan uima-altaiden lukumäärä eri rakennuksissa. Lopputulemana alla oleva kartta, jossa esitetään uima-altaiden lukumäärä alueittan pääkaupunkiseudulla. Lisäsin karttaan vielä jokaiseen diagrammiin numeroarvon, mutta näköjään ne eivät halunneet siirtyä lopulliseen kuvaan, muutamia arvoja lukuunottamatta näköjään… Karttaan olisi voinut lisätä pohjavärin, niin se näyttäisi ehkä enemmän kartalta, ainakin Jiri Lilja ja Reetu Jormakka olivat tehneet näin omissa kartoissaan.

Uima-altaat alueittain3!

Kuva 1. Uima-altaat alueittain pääkaupunkiseudulla

Tämän kertainen tunti oli ihan opettava kokemus. Huomasi että mitä on kurssin aikana oppinnut ja missä on vielä harjoittelemisen varaa. Lopulta tehtävätkin alkoivat sujua, koin (taas) jonkin näköisen ahaa-elämyksen MapInfon kanssa. Ehkä mä sittenkin osaan! En tiedä onko kaikki itsenäistehtävien vastaukset oikein, mutta tehtävien ideana oli testata taitojaan MapInfon kanssa. Toivottavasti kuitenkin edes suurin osa on oikein! Puskurointi tuli todellakin tutuksi ja sillä on todella monia eri käyttötapoja, käytimme sitä lähinnä melusaasteelle altistuvien määrän laskemiseen. Mutta puskuroinnin avulla voi laskea erimuotoisten (piste, viiva, alue) aineistojen vaikutusaluetta ja sitä voi käyttää saavutettavuusanalyysin tai palveluiden sijoittamisen työkaluna.

 

Lähteet:

Jormakka, R. 2016. https://blogs.helsinki.fi/jore/2016/02/18/5-kurssikerta/. Luettu 22.2.2016.

Lilja, J. 2016. https://blogs.helsinki.fi/jiri/2016/02/19/bufferointia-lentokenttia-ja-uima-altaita/. Luettu 22.2.2016

4. Kurssikerta: Joko sitä osais keskustella MapInfon kanssa?

Neljännellä kurssikerralla väänsimme ruutumatriisien kanssa. Ensimmäistä kertaa tuntui siltä, että olen oppinut puhumaan MapInfon kieltä! Tunnin tehtävät sujuivat helposti ja ohjelma totteli minua? Onko tämä liian hyvää ollakseen totta?

Teimme ensin aineistosta yhteisesti kartan alle 20-vuotiaiden määrästä pääkaupunkiseudulla. Loimme ensin gridin OpenStreetMap-aineiston päälle, ruutumatriisin pohjaksi. Jotta gridille saa tuotua tietoa, tietokantaan täytyy tuoda haluamansa tieto (duh). Toimme tiedon edelliskertojen tapaan toisesta tietokannasta Update column -toiminnolla. Itse teemakartan teossa ei ollut mitään uutta, piti vain muistaa klikata “Ignore zeros and blanks” täppä karttaa tehdessä, jotta tulisi valkoista alueille, jossa ei ole asutusta. Alhaalla on tuloksena syntynyt kartta.

20-v_määrä_500x500

Kuva 1. 20-vuotiaiden määrä pääkaupunkiseudulla

Kuvan kartta on tehty 500m x 500m gridillä ja ja neliöiden reunat ovat poistettu, jotta se näyttää vähän siistimmältä.

Lopputunnin saimme tehdä taas omia karttoja, mielellään eri gridillä. Päädyin lopulta tekemään rasterikartan eläkeläisten määrästä. Loin 250m x 250m gridin ja laskin yli 65-vuotiaat yhteen eri taulukon sarakkeista.

eläkeläisten_määrä_250x250

Kuva 2. Yli 65-vuotiaiden määrä pääkaupunkiseudulla

Karttaan olisi voinut jättää OpenStreetMap-aineiston taustalle osittain, jotta varsinkin 1-10 -luokan pisteet erottuisivat paremmin. Muita blogeja selatessani huomasin, että Jasmiina Myllys oli tehnyt samasta aiheesta kartan, mutta vaan suuremmalla ruutukoolla. Hänen karttansa oli 1000m x 1000m ruudukolla ja siitä näkee suurpiirteisesti, että mille alueelle yli 65-vuotiaat ovat sijoittuneet (kuulostaa tyhmältä?). Omasta kartastani pystyy yksilöimään paremmin alueita, joissa yli 65-vuotiaita on paljon. Mietin aluksi jättäväni ruutujen reunat näkyville, mutta näin karttaa pienempänä katsoessa se näyttää paremmalta ja selkeämmältä näin.

Kartasta näkee siis sen, mitä odottaisikin. Suurimmat keskittymät yli 65-vuotiaita on Helsingin keskustan ympärillä sekä junaratojen ja metron varrelle. Hauskana yksityiskohtana oma asuinalueeni, Haukilahdessa Espoossa on melko paljon eläkeläisiä (kyllä on huomattu!). Muutenkin hyvien liikenneyhteyksien päässä, kehäteiden ja Itäväylän sekä Länsiväylän varrella on paljon eläkeläisiä.

Toisaalta, tarkastellessa kahta tässä postauksessa esitettyjä karttoja, huomaa että ne ovat melko samankaltaisia. 20-vuotiaita on usein eniten siellä missä eläkeläisiä, koska niillä alueilla väentiheys on suuri, kuten Jiri Lilja totesi omassa blogissaan.

Kartassa on eläkeläisten määrä lukumäärinä, mutta olisin voinut tehdä kartan myös eläkeläisten määrän suhteutettuna alueen muihin asukkaisiin. Olisikohan kartta näyttänyt silloin erilaiselta? Kuten Mitro Müller totesi omassa blogissaan, absoluuttisiin arvoihin vaikuttaa usein alueen asukastiheys. Luulisin kuitenkin, että kartassa näkyisivät vahvasti samat keskittymät, mitä tässä absoluuttisin luvuin tehdyssä esityksessä näkyy.

Karttaan olisi hauska lisätä myös ympäryskuntien dataa samasta aiheesta. Siinä voisi vertailla vetääkö pääkaupunkiseutu eläkeläisiä enemmän puoleensa vai ei. Karttaan voisi lisätä myös paikannimiä. Tosin Etelä-Suomessa asuvalle pääkaupunkiseudun kartta on usein tuttu näky ja sen osaa sijoittaa oikeeseen paikkaan. Ruutumatriisikartassa näkee nopealla silmäyksellä yleiskuvan tutkittavasta aiheesta pienellä alueella. Suurempia alueita käsiteltäessä koropleettikartta voisi olla toimivampi. Tämän tyylistä ruutumatriisikarttaa voisi käyttää kaupunkisuunnittelun työkaluna, esimerkiksi kun mietitään mihin sijoittaisi uusia palveluita eläkeläisille.

 

Lähteet:

Lilja, J. Neljäs kerta – pisteitä, ruutuja, nuoria ja mummoja. https://blogs.helsinki.fi/jiri/2016/02/18/neljas-kerta-pisteita-ruutuja-nuoria-ja-mummoja/. Luettu 19.2.2016

Myllys, J. 4. kurssikerta: pisteitä ja ruutuja. https://blogs.helsinki.fi/myllyjas/2016/02/12/4-kurssikerta-pisteita-ja-ruutuja/. Luettu 19.2.2016

Müller, M. Kurssikerta 4: Pisteistä ruuduiksi. https://blogs.helsinki.fi/mcmitro/2016/02/17/kurssikerta-4-pisteista-ruuduiksi/. Luettu 19.2.2016

Artikkeli 1

Lueskelin Anne Anna Leonowicz artikkelin kahden muuttujan kartoista Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Artikkelissa kyseessä olevissa kartoissa oli kahdella eri värillä ilmoitettuja muuttujia. Jos muuttujilla on korrelaatio, värit menevät päällekkäin ja muodostavat toisen värin (1. muuttuja sinisellä + 2. muuttuja punaisella -> korrelaatio lilan eri sävyissä).

Artikkelissa tutkittiin kaksimuuttujaisten karttojen selkeyttä ja niiden ongelmakohtia. Artikkelin tutkimuksessa vertailtiin oppilailla yhden sekä kahden muuttujan karttoja, niiden luettavuutta, kiinnostavuutta ja soveltuvuutta eri tarkoituksiin. Tutkimuksen tuloksena todettiin, että yhden muuttujan kartat soveltuvat muuttujan alueellisen jakautumisen kuvaamiseen ja se on helpommin tulkittavissa. Kahden muuttujan kartat soveltuvat paremmin kahden muuttujan riippuvuus-suhteen kuvaamiseen ja ne olivat hieman hankalempia tulkita.

Kaksimuuttujaisia karttoja on helppo/helpompi? tulkita, jos ne ovat tehty kunnolla ja varsinkin tässä karttatyypissä värien pitää olla hyvin pitkälle mietityt ja toisiinsa sointuvat. Myös luokittelujako ja luokkien määrä on suuressa roolissa kartan tulkitsemisessa, artikkelissa sanottiin, että 4 (2×2) tai 9 (3×3) luokkaa on sopivasti. Jos luokkia on enemmän, se vaikuttaa negatiivisesti kartan tulkitsemiseen.

Artikkelin legendoissa muuttujat ovat sijoitettu xy-koordinaatistoon ja päällekkäin menevät värit kertovat muuttujien korrelaatiosta. Aluksi legendat vaikuttivat vaikeaselkoisilta, mutta kun tarkastelin karttaa ja legendaa yhdessä, se onkin melko yksinkertainen.Tämän tyyppiseen karttaan saa sisällytettyä paljon enemmän informaatiota, kuin teemakartta + diagrammi -tyyliseen esitystapaan. Kuten Anni Heilala toteaa blogissaan, loppujen lopuksi kartan informaation lukeminen ja kahden muuttujan riippuvuussuhteita on helppo tulkita. (Heilala 2016.)

Lähteet:

Heilala, A. 2016. https://blogs.helsinki.fi/heanni/2016/01/30/artikkelitehtava-1/. Luettu 18.1.2016

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

3. kurssikerta: Afrikasta Suomeen

Kolmannella kurssikerralla harjoittelimme tietokantojen tietojen yhdistämistä ja ulkopuolisten tietokantojen tuomista MapInfoon. Lähtömateriaalina oli Afrikan valtioiden kartta, jossa jokainen valtio ja saari oli omina palasinaan tietokannassa.

Ensin harjoittelimme tietojen yksittäistä yhdistämistä, mikä sopii jos tietokanta ei ole kovin suuri eikä yhdistettäviä tietoja ole paljon. Ensin haettiin tietokannasta kaikki saman maan palaset Query-työkalulla maan nimen perusteella. Kun kaikki maan osaset oli valittuna ja tietokannan taso editoitavana, ne yhdistettiin yhdeksi palaksi Object -> Combine toiminnolla. Nopeampi  ja helpompi tapa yhdistää monta karttakohdetta yhtä aikaa on yhdistää ne käyttämällä jotain samaa tekijää, esimerkiksi maan nimeä tai maan lyhennettä. Tätä toimintoa käytettäessä luodaan uusi tietokanta, jossa maat ovat yhdistetty. Tadaa!

Seuraavaksi toimme Excelistä lisädataa MapInfon tietokantaan. Siihen tarvitaan vain yksi samansisältöinen tekstisarake, esimerkiksi maan nimet, jonka perusteella tiedot voidaan yhdistää oikeille riveilleen. Pitää olla tarkkana, että nimet vastaavat toisiaan täydellisesti, jotta tiedot yhdistyvät oikein. Tuotu tieto yhdistetään SQL Select -toiminnolla, jossa tiedot yhdistetään yhden (tai miksei useammankin) identtisen sarakkeen kanssa samaan tiedostoon. Syntynyt query tallennetaan Save copy as… toiminnolla jolloin uudet sarakkeet päivittyvät tietokantaan.

Pyörittelimme myös erilaisia lukuja tietokannasta toiseen Update column -toiminnolla. Siirsimme öljykenttien, timanttikaivoksien ja tapahtuneiden konfliktien määrää samaan tietokantaan.

taistelut-2

Kuva 1. Kaivokset, konfliktit ja öljynporaukset Afrikassa. Lähde: https://blogs.helsinki.fi/pak-2016/2016/02/09/konflikteja-afrikassa/.

Tässä on kootusti aineistoja, joita käsittelimme kurssikerralla. Kartalla on esitetty timanttikaivokset, konfiktit ja niiden maksimilaajuus sekä öljynporausalueet. Kartalta näkee, että miltei koko Afrikka on ollut konfiktialueena, tosin eri aikoina. Muistaakseni aineistossa ei ollut mitään tietoa siitä, kuinka pitkältä aikaväliltä tiedot on kerätty.

Nopealla vilkaisulla konfikti- ja kaivosalueilla ei näyttäisi olevan kovin suurta korrelaatiota. Konfiktit liittynevät muihin tekijöihin, kun luonnonvaroihin. Konfiktien tapahtuma-ajat ainakin voisivat antaa paljon osviittaa, mihin ne liittyvät.

 

Lopputunnin saimme tehdä omia karttojamme uusia taitoja hyödyntäen. Tehtävänä oli luoda Suomen vesistöalueiden tulvaindeksikartta. Tulvaindeksin laskemiseen on muutamakin tapa, itse laskin keskiylivirtaaman ja keskialivirtaaman välisen suhteen (MHQ/MNQ). Luku kuvastaa virtaaman vaihteluita ja se huomioi sekä tulvaisimmat että kuivimmat kaudet.

Tehtävän aloittamiseksi Arttu oli tehnyt valmiiksi workspacen, jossa oli tietokantoja Suomen päävaluma-alueilta. Siirsin tarvittavat tiedot (keskiylivirtaama, järvisyys) valuma-alue tietokantaan ja laskin tulvaindeksin uuteen sarakkeeseen.

 

Kuva 2. Tulvaindeksin frekvenssijakauma

Tulvaindeksistä oli tehty valmiiksi frekvenssijakauma harjoitustyöohjeisiin. Lasketusta tulvaindeksistä piti tehdä koropleettikartta. MapInfon väreistä löytyi vesiteemaa miellyttävät sinisen sävyt jotka otin karttaan. Luokitteluväliksi valitsin Equal Countin. Tosin siinäkin korkein ääriarvo jää näkymättömiin ylimpään luokkaan (151 – 1100). Nyt, jos jaksaisin, muokkaisin luokittelua niin että suurin arvo tai kaksi suurinta arvoa jäisivät omaan luokkaansa jotta ne näkyisivät selkeämmin muusta aineistosta.

Lisäsin koropleettikartan päälle vielä järvisyyden valuma-alueittain pylväsdiagrammeina. Halusin, että järvisyys näkyy selvästi teemakartan päältä eikä se sekoita alla olevaa teemakarttaa. Pylväitä olisi voinut muokata vielä vähän kapeammiksi sekä venyttää niitä, jotta ne näkyisivät paremmin. Varsinkin Uudenmaan alueella valuma-alueet ovat niin pieniä, että pylväsdiagrammit menevät vähän “mössöksi”.

EDIT: Reipastuin ja muokkasin karttaani vähän selkeämmäksi ja latasin uuden version tänne näkyville. Vaihdoin luokittelun Natural Breakiksi ja muokkasin korkeinta luokkaa, jotta kaksi korkeinta arvoa näkyy paremmin. Muokkasin myös pylväitä kapeammaksi ja vaihtoim graduated size by neliöjuureksi, jotta pienet pylväät näkyvät paremmin.

EDIT2: En keskustelekaan MapInfon kanssa vieläkään samaa kieltä ja taistelin legendan kanssa, sillä se ei halunnut päivittyä itsekseen… Tehdään sit käsin joo. Josko tämä kolmas versio kartasta olisi viimeinen.

Tulvaindeksi_järvisyys3

Kuva 3. Suomen tulvaindeksi valuma-alueittain ja järvisyys

Mitä kartasta sitten voi huomioida? Suomenselän alue pistää silmään heti, sen länsipuolella tulvaindeksi on korkeampi. Muutenkin rannikot ovat pääsääntöisesti tulvaherkempiä alueita. Voidaan myös todeta, että mitä suurempi on valuma-alueen järvisyysprosentti, sitä pienempi on tulvaindeksi. Kuten Niko Pelkonen totesi blogissaan, Suomenselän alueella järvien osuus on alueen pinta-alasta lähes 20%, joten niiden kyky tasata tulvahuippuja näkyy huomattavasti pienempänä tulvaindeksinä. (Pelkonen 2016).

Toisaalta tulvaindeksikartta ei kerro koko totuutta Suomen alueellisesta tulvariskistä. Kuten Tuomas Pätäri sanoi blogissaan muita merkittäviä tulvien aiheuttajia ovat hyydepadot talvisin sekä mahdolliset samansuuntaisten tuulien aiheuttamat tulvat rannikkoalueilla. (Pätäri 2016) Varsinkin hyydepadot voivat aiheuttaa mittavat tulvat ja aineelliset vahingot alueittain. Maallikon silmin asiaan perehtymättä kartta voi siis luoda virheellisen kuvan tulvariskeistä eri alueilla.

 

Lähteet:

Pelkonen, N. 2016. https://blogs.helsinki.fi/nikopelk/. Luettu 15.1.2016

Pätäri, T. 2016 https://blogs.helsinki.fi/ttpatari/. Luettu 15.1.2016

2. kurssikerta: MapInfon kanssa tuskailua

Toisella kurssikerralla 26.1 jatkettiin MapInfon kanssa painiskelua. Jatkoimme teemakarttojen tekemistä, mutta lisäsimme niihin pylväsdiagrammeja, ympyrädiagrammeja tai jotain symboleita kuvaamaan esimerkiksi työpaikkojen määrää tai rikosten määrää. Näistä mikään ei oikeastaan ollut uutta. Testasimme myös grid-kartan tekemistä ja sen pohjalta tehtiin myös 3D-kartta, joka ei omalla kohdallani onnistunut. Värit eivät pysyneet kartassa mukana. Teimme myös prismaattisen kartan, joka on kolmiulotteinen pylväsdiagrammi. Sitä pyöritellessä tarvitsi tosiaankin hieman avaruudellista hahmotuskykyä, jonka luulin omaavani. En ainakaan tämän perusteella.

Tehtävänä tunnilla saimme tehdä omat kartogrammit. Pohjana kartalle oli taas rakas Suomen kuntajako. Arttu näytti miten voimme valita vain osan kunnista ja tehdä teemakartan niiden pohjalta. Maakunnan kaikki kunnat sai näppärästi valittua kun selvitti maakuntakoodin ja teki ehdollisen haun käyttämästäni aineistosta maakuntakoodin perusteella. Näin haluamat kunnat sai avattua omaan ikkunaansa ja tein muutamankin erilaisen kartan.

väkiluku_kesämökit (2)

Kuva 1. Varsinais-Suomen väkiluku ja kesämökkien lukumäärä (2010)

Taiteilin tämän ja Uudenmaan kuntien karttojen kanssa hieman eri teemoilla. Minun oli jostain syystä vaikea löytää mieleiseni muuttujat kartalle. Tai edes kaksi toiseensa sopivaa muuttujaa, josta olisin halunnut tehdä teemakartan. Tämän kartan kanssa minulle kävi vähän samanlailla kuten Jasmiina Myllykselle oman karttansa kanssa: “Täytyy kuitenkin myöntää, että en ole kovinkaan tyytyväinen omaan karttaani; huomaan siinä paljon parantamisen varaa. Kokeilin tunnilla useita eri vaihtoehtoja kartan muuttujiksi, mutta kiinnostavia ja toimivia yhdistelmiä oli vaikea löytää. Siinä etsiessä aika loppuikin kesken, ja päädyin nykyisiin valintoihini puolivahingossa.” (Myllys, 2016)

Kartassa on kuvattu Varsinais-Suomen kuntien väkiluku pohjalla sekä alueen kesämökkien lukumäärä symboleilla. Karttaa luettaessa huomataan, että Turussa on eniten asukkaita, seuraavaksi tulee Salo. Kuitenkin Turussa kesämökkien määrä on melko vähäinen verrattuna Saloon, Kemiöön tai Länsi-Turunmaan saaristoon. Ehkä kuitenkin suomalaisilla (minulla ainakin, minulla on kesämökki Kemiönsaaren lähellä) veri vetää saaristoon ja Turulla on muihin verrattuna melko vähän rantaviivaa? Kesämökkien lukumäärä näyttää muutenkin olevan korkeampi merenrantakunnissa kuin sisämaassa.

Kuten Reetu Jormakka sanoi omassa kurssiblogissaan, “kuntien nimet olisivat havainnollistava lisäys karttaan” (Jormakka, 2016). Varsinais-Suomen kunnat nyt tunnistaa melko hyvin muutenkin saariston rikkonaisuuden vuoksi. Mutta joko kuntien nimet tai sijaintikartta olisi havainnollistava lisäys karttaan.

Nyt kun katselin uudemman kerran karttaani, huomasin että mittakaava ja pohjoisnuoli ovat vahingossa menneet päällekkäin. Tuo taisi tapahtua sillon kun asettelin karttaa, legendaa, mittakaavaa ja pohjoisnuolta vaaditulle alueelle tallentaessani sitä oikeaan muotoon. Noh, sattuuhan noita.

 

Lähteet:

Myllys, Jasmiina. 2. Kurssikerta: syventymistä taamakarttojen maailmaan. (31.1.2016). https://blogs.helsinki.fi/myllyjas/2016/01/31/2-kurssikerta-syventymista-teemakarttojen-maailmaan/. Luettu 1.2.2016.

Jormakka, Reetu. 2. Kurssikerta. (27.1.2016) https://blogs.helsinki.fi/jore/2016/01/27/2-kurssikerta/. Luettu 1.2.2016.

1. kurssikerta, MapInfon opettelua

Ensimmäinen Paikkatiedon hankinta, analyysi ja kartrografia kurssikerta oli 19.1.2016. Ensimmäisellä tunnilla rupesimme opettelemaan uuden karttaohjelman, MapInfon käyttöä. Ensivaikutelma MapInfosta oli, että se on melko monimutkainen ja hankala käyttää.

Kurssikerta alkoi lyhyellä johdannolla kurssista ja teoriaosuudella, jonka jälkeen siirryimme MapInfon käyttöön. Latasimme valmiin aineistopaketin Moodlesta ja avasimme MapInfossa aineistopaketin Suomen kunnista. Teimme opettajan opastuksella koropleettikartan ruotsin kieltä puhuvien prosentuaalisista osuuksista eri kunnissa. Ohjelmalla sai luotua valmiin koropleettikartan valitsemastaan aineistosta. Karttaan sai itse muokattua värit sekä aineiston luokkarajat. Tähän aineistoon valitsimme luonnolliset luokkarajat.

Tämän jälkeen saimme itse tehdä koropleettikartat valitsemastamme aineistosta. Tein oman karttani Suomen kuntien välisestä nettomuutosta (Kuva 1). Valitsin karttani värit valmiista väripaletista ja ne ovat mielestäni ihan hyvät ja erottuvat toisistaan. Toisaalta nyt kun katselin karttaani uudestaan, niin vaihtaisin sen värit joihinkin muihin väreihin.

Valitsin tähän karttaan myös luonnolliset luokkajaot, sillä ne sopivat mielestäni tähän parhaiten. Yritin muokata itse luokkarajoja, mutta en onnistunut siinä, en tiedä mitä yritin säätää loppujen lopuksi. (Hehe).

Lisäsin karttaan vielä pohjoisnuolen sekä mittakaavan omalla työkaluillaan. Pohjoisnuolen säätäminen oli vähän hankalaa, MapInfo ei suostunut tottelemaan minua ja hiirtä. Ohjelma teki automaattisesti legendan kun loin teemakartan.

Kuntienettomuutto20152

Kuva 1. Kuntien välinen nettomuutto Suomessa 2015

 

 

 

 

 

Mielestäni kartastani tuli melko selkeä ja helppolukuinen. Luokkajaosta näkee, että melkein kaikki Suomen kunnat ovat muuttotappiollisia. Vain muutama kunta on muuttovoittoinen, pääkaupunkiseutu tietysti sekä Tampere, Oulu sekä muita suuria kaupunkeja. Kartan värejä, varsinkin korkeimman luokan värisävyä pitäisi muokata tummemmaksi, sillä se ei erotu hirveän hyvin alemmasta luokasta ainakaan omalla näytölläni.

 

Luulen että MapInfon käyttö tulee helpommaksi kun harjoittelen sen käyttöä lisää. Olihan TAK-kurssilla Corel Drawinkin käyttö alussa hankalaa, mutta sekin rupesi sujumaan. Ei auta muu kun harjoitella ja opetella uuden ohjelman käyttöä.