Päivähoitoa Helsingissä

Viimeisen kurssikerran tarkoituksena oli, että saisimme käyttää kurssilla oppimiamme taitoja omavalintaisen kartan valmistukseen. Etsin valtavasti ideoita karttaani ja tutustuin erilaisiin latauspalveluihin. Lopulta päätin tutkia päivähoitoratkaisuja Helsingissä. Valitsin kartan piirakkadiagrammissa esitettäväksi kunnallisessa päiväkotihoidossa olevat ja kotihoidon tuella kotona hoidettavat muiden hoitomuotojen rinnalla. Muut hoitomuodot sisältävät tapaukset, jossa lapsen hoito on järjestetty yksityisen hoidon tuella, yksityisessä päiväkodissa tai perhepäivähoidossa.

Aihe oli mielestäni kiinnostava, sillä pääkaupunkiseudulla ja varsinkin Helsingissä on pitkään ollut pulaa varhaiskasvatuspaikoista (Seuri). Keskustelua käydään yhä, ja päiväkotipaikan hakemisen tultua ajankohtaiseksi myös omassa perheessäni, huomasin tilanteen vaikeuden. Aiheesta valmistui viisi karttaa, joista tässä postauksessa esittelen kaksi.

Lataamani aineisto vaati hieman työstämistä, sillä tietosuojasyistä tarkkoja lapsimääriä ei voi julkistaa, mikäli ne jollakin alueella jäävät alle kymmenen. Päivähoidon hoitomuotojen jakautuminen on silmiinpistävintä Maunulan peruspiirissä, jossa kunnallisen päivähoidon osuus alueen lasten hoitomuotona on prosentuaalisesti häviävän pieni (kartta 1). Tämä selittynee osittain edellä mainitsemistani tietosuojasyistä johtuvista epätarkkuuksista aineistossa, mutta siihen vaikuttanee myös alueen verrattain pieni lapsimäärä. Alueella kuitenkin sijaitsee useampikin päiväkoti, mutta niihin tullee lapsia muistakin peruspiireistä. Monien alueiden päivähoitopaikat ovat täynnä ja lapsia viedään eri postinumeroalueella sijaitseviin päiväkoteihin – joko vanhempien töiden tai elämänpiirin suunnan tähden, tai vain yksinkertaisesti pakosta, kun tilaa ei lähempänä ole. (Mokkila, Tuominen).

Kartta 1. Alle kouluikäisten päivähoitoratkaisuja Helsingissä.

Tilastoista kävi ilmi, että harvaa yli 4-vuotiasta hoidettiin kotona ja vastaavasti harva alle vuoden ikäinen oli päiväkodissa. Tämä on tietysti hyvin loogista, varsinkin kun kotihoidon tukea saa nuorimman kotona hoidettavan lapsen ollessa alle 3-vuotias. Ajoittain kuitenkin vanhempi pitää isomman sisaruksen kotona jäädessään hoitamaan nuorempaa sisarusta.

Helsingin sisällä segregaatio ja huono-osaisuuden kasautuminen on alkanut näkyä viime vuosituhannen lopusta alkaen, kuten Segregaation aika -artikkelissa kerrotaan. (Kortteinen, Vaattovaara). Tilanne ei ole varmasti ainakaan parantunut tämän vuosikymmenen maahanmuuttoaaltojen myötä. Verratessani karttaani artikkelin karttoihin huomasin, että lasten lukumäärä on suuri niissä peruspiireissä, joilla huono-osaisuuden kasautumista on havaittavissa.

Huono-osaisuuden kasautuminen itsessään johtuu toki monesta asiasta, mutta jäin pohtimaan kulttuurisia eroja ja lapsen kulttuurista asemaa.  Suomessa syntyvyys on ollut jo kymmenien vuosien ajan noin 1,6 lasta naista kohti. Kaupungistumisen myötä suomalainen perherakenne on muuttunut, ja yhä harvemmin samassa taloudessa asuu useampaa sukupolvea, mutta samalla monessa muussa kulttuurissa kuilu eri sukupolvien välillä tuntuu olevan pienempi kuin Suomessa. Ulkomaalaistaustaisten ihmisten taustamaissa syntyvyys on monesti suurempi kuin täällä meillä, vaikka kokonaishedelmällisyysluku ei ole paljon koko väestön vastaavaa lukua suurempi. (Tilastokeskus) Tein karttaesityksen ulkokansalaisten määrästä peruspiireittäin (kartta 2), voidakseni verrata sitä lasten määrään kartassa 1. Lopulta nämä karttojen visuaaliset yhtenevyydet eivät vielä todista aukottomasti mitään, sillä jo asuntojen määrä vaihtelee valtavasti peruspiireittäin. Tarkempien tulosten saamiseksi tulisi vähintäänkin pohtia ja vertailla näiden eri ihmisryhmien prosenttiosuuksia.

 

Kartta 2. Ulkokansalaiset Helsingissä peruspiireittäin.

Kurssin edetessä havaitsin oppineeni monia uusia taitoja alkaen tiedonhankinnasta, aineiston lataamisesta ja kartan tekemisestä erilaisten asioiden visualisoimisen kautta aina tulkintaan saakka. Huomaan oppineeni lukemaan teemakarttaa kriittisemmin, kiinnittämään huomiota lukuihin, suhteisiin ja väreihin. Koen saaneeni työkaluja, joita voin hyödyntää tulevassa työssäni.

Muistin taas sen, että muilta voi oppia paljon ja että joskus vertaaminen kannattaa, sillä se saattaa innostaa yrittämään vielä kovemmin. Uusi tuttavani QGIS kasvatti myös kärsiv(ällis)yyttä. Ehkäpä olen parempi ihminen tämän kurssin jälkeen!

 

 

 

Lähteet:

 

Ville Seuri, luettu 22.3.2019 https://yle.fi/uutiset/3-9863894

Maija Mokkila, Stina Tuominen, luettu 22.3.2019 https://yle.fi/uutiset/3-9867982

Segregaation aika, Matti Kortteinen ja Mari Vaattovaara, luettu 22.3.2019, saatavissa osoitteessa http://www.julkari.fi/bitstream/handle/10024/129586/YP1506_KortteinenVaattovaara.pdf

Tilastokeskus, luettu 22.3.2019, https://www.stat.fi/tup/maahanmuutto/perheet/syntyvyys.html

 

Melko hasardia

 

Kuva 1. Käyttöaste Vallila-Kumpula-Arabia -alueella. Vilkkaimmat alueet punaisella, rauhallisimmat vihreällä.

Kuudennen luentokerran aluksi kävimme pareittain kävelyllä ja loimme paikkatietoaineistoa epicollect5 -sovelluksella. Avasimme keräämämme pistetietoaineiston kartalla luokassa. Kokeilin interpolointia tämän aineiston avulla, sillä jostain syystä eräälle keskustan korttelille tekemäämme kaupallisuusastetta kuvaavaa pistetietoa ei kyennyt interpoloida. Oli mielenkiintoista nähdä, miten jo näin pienellä aineistolla voi saada näkyviin sellaisia alueellisia eroja (kuva 1), jotka vastaavat omia muistikuvia muutaman vuoden takaa, jolloin asuin tällä seudulla.

Saimme tehtäväksi tuottaa lisäksi kolme hasardeja käsittelevää karttaa, joita voisi käyttää esimerkiksi opetuksessa. Tein kahden kartan sarjan maanjäristyksistä, sekä yhden itsenäisen kartan meteoriiteista. Halusin pitää kartat ilmeeltään simppeleinä, koska kouluopetuksessa yleensä pätee “less is more”. Näin saattaa jotain jäädä oppilaille mieleenkin.

En ole täysin tyytyväinen maanjäristyskarttoihini, sillä niiden tekemiseen jäi yksinkertaisesti liian vähän aikaa. Yritin aluksi interpolointia, mutta kohtasin samat ongelmat, kuin luennolla kaupallisuusasteen kanssa, eikä suunnitelmani näinollen onnistunut. Kun lopulta sain interpoloinnin onnistumaan, se ei visualisoinutkaan haluamiani asioita siten, kuin olin sieluni silmin kuvitellut. Näistäkin kartoista olisi hyötyä kouluopetuksessa, vaikka ne eivät vastanneetkaan haavekuviani. Ensimmäisestä kartasta (kartta 1) näkyy, miten pienet maanjäristykset sijoittuvat globaalilla tasolla. Pienet järistykset kertovat siitä, millä alueilla maa yleensä järisee, sillä siellä, missä on suuria järistyksiä, on usein myös pienempiä.

Kartta 1. Kartasta ilmenee pienempien maanjäristysten (6,0 – 7,0 magnitudia) sijoittuminen maailmankartalla, eli yleisimmät järistysalueet.

Toisesta kartasta (kartta 2) näkyy se, millä alueilla yleensä on kovimmat järistykset. Näihin kahteen karttaan otin mukaan koko saatavissa olevan aikavälin datan. Huomasin, että esimerkiksi Saaga Laapotti ja Aino Peltola olivat rajanneet tarkasteluun tämän vuosituhannen ilmiöitä (Laapotti, Peltola). Pidin hyvänä ideana rajata aikaväliä tarkasteltavien pisteiden erottumiseksi.

Kartta 2. Suuret maanjäristykset maailmankartalla (7,0 – 9,1 magnitudia).

Näitä karttoja katsellessani ja varsinkin muiden töihin verratessani pohdin sitä, mikä idea oli laittaa maailmankartalle pohjoisnuoli. Muidenkin pääilmansuuntien näkyviin laittaminen olisi ollut varsin paljon mielekkäämpää, kuten Emilia Ihalainen oli karttoihinsa laittanut (Ihalainen). Huomasin myös lisätessäni karttoja blogiini, että olin unohtanut laittaa legendaan selitteen luokitteluasteikosta, eli maininnan magnitudeista.

Kolmanteen karttaani olin aluksi todella tyytyväinen. Keskityin löydettyihin meteoriitteihin Afrikassa – ne jakautuivatkin melko mukavasti Afrikan kartalla (kartta 3). Sain värityksellä esiin hyvin meteoriittien eri kokoluokkaakin, mutta sitten jotakin tapahtui QGIS:n kaatuessa, enkä saanut enää värejä meteoriittipalluroihini takaisin, joten minun täytyi tyytyä olemaan vain melko tyytyväinen kolmanteen karttaani. Täysin värittömäksi koko kartta ei kuitenkaan jäänyt. Mielenkiintoisena yksityiskohtana se, että suurin osa meteoriiteista on iskeytynyt ennen tämän vuosituhannen alkua, luoteista Afrikkaa lukuunottamatta. Tämän huomasin selkeästi verratessani karttaani Saaga Laapotin meteoriittikarttaan (Laapotti).

Kartta 3. Meteoriittien sijainti ja määrä valtioittain Afrikan kartalla.

Tällä kurssilla opittuja asioita tullaankin sitten soveltamaan seuraavalla kurssikerralla omin päin. Aavistuksen kammoan ajatusta, mutta eiköhän siitäkin selvitä – onwards and upwards!

 

Lähteet:

Saaga Laapotin blogi, Ulkoilua ja intohimoa, luettu 18.3.2019 https://blogs.helsinki.fi/saagalaa/2019/03/03/ulkoilua-ja-intohimoa/

Aino Peltolan blogi, Helppolukuisia karttoja?, luettu 18.3.2019 https://blogs.helsinki.fi/peltaino/2019/03/13/helppolukuisia-karttoja/

Emilia Ihalaisen blogi, Hasardit, luettu 18.3.2019 https://blogs.helsinki.fi/ihem/2019/02/24/viikko-6-hasardit/

 

Syvissä vesissä ja rannalla kahlaamassa

Ja niinhän siinä sitten kävi että syvään päähän heitettiin. Viidennellä kurssikerralla tuli tosiaan enemmän sitä itsenäistä työskentelyä. Ei siinä, tehtävät olivat sopivasti haastavalla tavalla mahdollisia, mutta QGIS haastoi puolestaan mahdottomasti kaatumisillaan. Halusin haastaa itseni ja aloitin tekemään uima-altaat ja saunat -vaihtoehtoa, mutta tekniset ongelmat lannistivat niin, että luovutin. Kun lopulta lakkasi hakkaamasta päätään seinään ja palasi muutaman päivän päästä, oli jo QGIS yhteistyökykyisempi. Olin kuitenkin sen verran lannistunut edellisistä kokemuksista, että tarkastelin lähemmin koulupiirejä uima-allas -tehtävän sijaan ja yllätyin siitä, miten taidot muutamien yöunien jälkeen olivat karttuneet niin, että suurempia ongelmia ei ilmennyt viimeisiä tehtäviä tehdessä. Pääsin siis kuitenkin leppoisasti matalammille vesille kahlailemaan.

Kuva 1. Havainnollistava kuva Malmin lentokentän ympäristöstä.

Bufferointi eli puskurointi oli oikein hauskaa, sen oppi melko helposti ja Spatial Queryn käyttäminen onnistui melko vaivattomasti. Varsinkin sitten, kun huomasi ottaa ruksin  pois siítä kohtaa, joka ehdottaa käytettäväksi vain valittuja objekteja. Koin melkoisia onnistumisen tunteita, kun sain kartalle aikaan sellaisia hienoja bufferialueita, joita tutkimusjulkaisuissakin näkee toisinaan. Ja ihan noin vain! Esimerkkikuvassani Malmin kentän bufferi vihertävällä ja asemien bufferit marjapuuronpunaisella (kuva 1).

Puskurointi on oiva työkalu, jos pohdinnassa on jonkin asian vaikutusalue. Saavutettavuuden tutkimisen lisäksi vaikutusalueet ovat oleellisia esimerkiksi kauppakeskusten sijoittamisessa. Vaikutusalueen määrittämistä voisi hyödyntää kohdentamalla vaikkapa museoiden tai kauppakeskusten mainoksia bussipysäkeille jonkin tietyn alueen sisään.

Kuva 2. Kotipaikkamme hyvien liikenneyhteyksien varrella.

Kokeilimme bufferointia viime kerralla digitoimillamme aineistoilla Pornaisten alueella. Harjoittelimme sen käyttöä myös tämän kurssikerran itsenäisissä töissä, lentokenttiä ja niiden meluvaikutuksia, sekä asemien lähiseutuja tutkiessamme. Tiesin asuvani melko mukavalla paikalla ja hyvien liikenneyhteyksien varrella, mutta se konkretisoitui vasta zoomatessani karttaa, johon bufferit olin tehnyt, kun asuinalueemme jäikin molempien puskurialueiden sisään (kuva 2). Malmin kentän puskurialueelle jää valtavan paljon taloja ja asukkaita. Kuitenkin monet esimerkiksi kuvassa 2 näkyvät talot ja kokonaiset kaupunginosat on rakennettu vasta kaupungin laajentuessa pohjoiseen, ja ovat näin Malmin kenttää reilusti nuorempia. Täydennysrakentamistakin on tapahtunut, mikä näkyy kivasti vaikkapa vanhoja karttoja vertailemalla (Maanmittauslaitos).

Koen, että olen oppinut melko hyvin QGIS:n käytöstä sellaiset perusjutut, kuin esimerkiksi kyselyjen tekemiset ja valintojen suorittamiset esimerkiksi Spatial Query -toiminnolla. Bufferointi ja kaikenlainen liittäminen, Join (kaatumisista huolimatta) sekä Join attributes by location -toiminnoilla ovat myös tulleet kurssin edetessä tutuksi. Tuntuu, että ihan vielä ei ole kuitenkaan muodostunut kattavaa kuvaa siitä, mitä kaikkea QGIS:llä pystyy tekemään ja mikä lopulta on sitä oleellista, eli mihin QGIS:ä tulee jatkossa – vaikkapa sitten siellä kaukana häämöttävässä työelämässä – käytettyä. Lopullisen karttakuvan tuominen ulos New print composerilla onnistuu, mutta kartan viilaamiseen menisi perfektionistilla pieni ikuisuus – varsinkin jos haluaisi tutustua kaikkiin mahdollisuuksiin, mitä QGIS tarjoaa kartan visualisoinnille. Tämä olisi varmaan parhaiten opittavissa kokeilemalla, yrityksen ja erehdyksen kautta. Aineiston hakeminen on vielä sellainen hämärän peittoon jäänyt asia, kun melkein kaikki on ollut tähän mennessä kansiossa valmiina. Tähänkin tullee kurssin edetessä varmaan muutosta.

 

 

 

Lähteet:

Maanmittauslaitoksen vanhat painetut kartat, karttalehti 204304, vuodet 1958 ja 1991, katsottu 25.2.2018

http://vanhatpainetutkartat.maanmittauslaitos.fi/

 

 

 

 

Rastereita ja ruutuja

Neljännellä luentokerralla pääsimme kokeilemaan jo tutuksi tulleiden vektoriaineistojen lisäksi rasteriaineistojen kanssa työskentelyä sekä oman kartta-aineiston digitoimista.

Kartta 1. Pääkaupunkiseudun asukkaat ruututeemakartalla.

Teimme ensin yhdessä ruututeemakartan pääkaupunkiseudulla asuvista ihmisistä 1000x1000m kokoisilla ruuduilla. Omassa kartassani (kartta 1) värisävyt eivät ole mielestäni kovin voimakkaat, joten oletin jotain menneen pieleen tekovaiheessa – unohdinkohan laittaa pudotusvalikosta summauksen päälle? Tosin, koska lukumäärät näyttävät oikeilta, jäin miettimään, että kuinka suuria eroja ruudukon sijoittuminen kartalla voisi karttaan vaikuttaa. Huomasin kuitenkin Sini-Maaria Ahtisen (Ahtinen) kartan olevan hyvin samankaltainen omani kanssa, joten huokaisin helpotuksesta. Havaitsin epäileväni omia kykyjäni QGIS:n parissa niin paljon osittain sen tähden, että se on uusi tuttavuus ja kaikki jutut eivät ole täysin tuttuja, mutta myös sen tähden, että automatisoitumiseen tarvittaisiin toistoja, joita tässä lapsellisen opiskelijan elämäntilanteessa on vaikeampi järjestää yhtä paljon kuin haluaisi.

Kartta 2. 1-vuotiaita pääkaupunkiseudulla.

Harjoittelin itsenäisesti vastaavanlaista pienemmillä 250x250m kokoisilla ruuduilla, sillä mielestäni neliökilometri on melko laaja alue. Omaan ruututeemakarttaani (kartta 2) kuvasin 1-vuotiaiden määrää pääkaupunkiseudulla.   Valmiiseen karttaan, ainakin tässä blogiympäristössä, tuo 250×250 näyttää melko pieneltä ruudutukselta. Värit näkyvät onneksi kuitenkin joten kuten. 

Kartasta näkee tästä huolimatta selvästi joitakin trendejä. Kantakaupungin alueella yksivuotiaiden määrä ruutua kohti on suurempi kuin pääkaupunkiseudun reunamilla. Tämä selittynee osittain kantakaupungin lähiöitä tiheämmällä asumisella, sillä vaikka lapsiperheet hakeutuvatkin monesti kaupungin laitamille, on asuminen pientaloalueilla väljempää kuin kerrostaloalueilla. Toinen huomionarvoinen asia on säteittäiset alueet kantakaupungista pääkaupunkiseudun reunamille mennessä, sillä siitä voidaan selvästi havaita radanvarsien ja liikenneyhteyksien vaikutus pienlapsiperheiden sijoittumiseen.

Kuva 1.

Teimme myös korkeuskäyrät annetun karttalehden alueelle laserkeila-aineiston avulla. Laitoin mielenkiinnosta rinnevarjostuksen karttalehden päälle, ja tarkastelin muotoja laserkeila-aineiston perusteella tehtyjen korkeuskäyrien kanssa (kuva 1). Tässä korkeuskäyrät ovat vihreällä. Ne luonnollisesti myötäilevät hyvin rinnevarjostuksen avulla nähtäviä muotoja, kun ne ovat kerran sen avulla muodostettukin, mutta Lampisuolla näkyy jokin kummallinen pyöreähkö muoto, joka ei muutoin peruskartalta erotu.

Kartta 3. Korkeuskäyriä 5 m välein Pornaisten pohjoispuolen alueella. Maanmittauslaitoksen käyrät mustalla, laserkeila-aineiston avulla konstruoidut punertavalla.

Laserkeilauksessa muodostetaan pistemäinen aineisto, joka antaa kolmiulotteista kuvaa maanpinnasta ja sen muodoista (Maanmittauslaitos).  Latasin Paituli-palvelusta korkeuskäyrät ja vertailin niitä Pornaisten alueelle laserkeila-aineiston avulla QGIS:ssä laskettuihin käyriin (kartta 3).   Paituli-palvelusta lataamani Maanmittauslaitoksen karttakuvan käyrät näkyvät tässä mustalla ja QGIS:ssä laskemani käyrät näkyvät punaisella. 

Mielestäni korkeuskäyrät Paituli-palvelusta lataamassani kartta-aineistossa vastasivat melko hyvin omia käyriäni. Yleistystä tietysti on havaittavissa Maanmittauslaitoksen kartassa, sillä se luonnollisesti helpottaa kartan luettavuutta. Lisäksi laserkeilauksessa aineistoon tulee yleensä jonkin verran kohinaa, kuten esimerkiksi puita, autoja, ihmisiä, aitoja tai muita ei-niin-pysyviä objekteja, joka siistitään sitten karttaversiosta pois. Tällaisia kohina-alueita löytyi vertailussani alueelta muutamia, kuten esimerkiksi ampumaradan ja sen viereen sijoittuvan Ruumissuon (is it just me, vai huomasiko joku muukin ne siellä vierekkäin?) alueilta kartan luoteisosassa, sekä jo mainitsemani pyöreähkö muoto keskeltä Lampisuota, jota ei ole merkitty ollenkaan Maanmittauslaitoksen korkeuskäyräkarttaan. Samanlaisia huomioita korkeuskäyrien yhtenevyyksistä olivat tehneet myös Ida Lehtonen (Lehtonen), sekä Susanna Kukkavuori (Kukkavuori) blogeissaan.

Lopuksi digitoimme Pornaisten keskustan alueen talot ja tiet ensiviikon bufferointitehtävää varten. Tämän viikon kurssikerta tuntui mukavalta, koska päällimmäiseksi jäi sellainen olotila, että tässä sitä jo osaakin jotain. Itsenäinen työskentely ilman tarkkoja ohjeita tosin olisi varmaankin vielä kauhea kolaus itsetunnolle. Katsotaan ja innolla odotetaan, mitä ensi viikko tuo tullessaan!

Lähteet:

Sini-Maaria Ahtisen blogi, luettu 16.2.2018: https://blogs.helsinki.fi/ahtisini/2019/02/08/kurssikerta-4/

Maanmittauslaitos, luettu 15.2.2018: https://www.maanmittauslaitos.fi/kartat-ja-paikkatieto/asiantuntevalle-kayttajalle/tuotekuvaukset/laserkeilausaineisto

Ida Lehtosen blogi, luettu 16.2.2018: https://blogs.helsinki.fi/lida/blogi-4/

Susanna Kukkavuoren blogi, luettu 16.2.2018: https://blogs.helsinki.fi/kukkasus/2019/02/15/pisteista-ja-ruuduista/

 

 

Suomessa ja ulkomailla

Ihana luminen talvi ja flunssakausi. Sen keskellä tuntuikin mukavalta avata Afrikan kartta QGIS:ssä ja sukeltaa, hmm, upottaviin vesiin. Harjoittelimme kolmannella luentokerralla tietokantaliitoksia – ja niitähän tuli harjoiteltua. Saimme liitettyä pistemäistä tietoa konflikteista ja timanttikaivoksista sekä aluemaista tietoa öljyesiintymistä Afrikan kartalle. Liitimme karttaan myös tietoa internetin käytöstä Afrikan maissa.

Afrikka on luonnonvaroiltaan rikas maanosa, joka kärsii sodista ja konflikteista. Monet Afrikan maat ovat pitkään kuuluneet ja yhä kuuluvat maailman suurimpiin timanttien tuottajiin (Ehud Arye Laniado, 2015). Tämä rikkaus ei kuitenkaan näy kansan parissa. Monet konfliktit ovat liittyneet nimenomaan luonnonvarojen käyttöön. Korruptio ja kolonialismin vaikutukset heijastelevat vieläkin hallinnollisena ja poliittisena epävakautena, mikä aikaansaa varojen epätasaisen jakautumisen. Tätä epätasa-arvoa ja kuilua on helppo ylläpitää esimerkiksi uhkailemalla esi-isien hengillä ja kirouksilla tai noituudella, sillä monella afrikkalaisella on yhä maaginen maailmankuva ja koulutustaso on valitettavan alhainen kansan keskuudessa. Yli 32 miljoonaa 6-11 vuotiaasta koulun ulkopuolelle jäävästä lapsesta asuu Saharan eteläpuolisessa Afrikassa (Unicef).

Internetin käyttäjien korkeasta määrästä jollakin alueella voidaan ensinnäkin päätellä, että siellä on enemmän sellaisia kotitalouksia, joihin tulee sähköä. Alueella todennäköisesti asuu myös ihmisiä, joilla on varaa sellaisiin laitteisiin, joilla Internetin käyttö onnistuu. Tämä kertoo jotakin aavistuksen tasaisemmasta varallisuuden jakautumisesta, kuin alueilla, joilla Internetin käyttöaste on pieni.

Kartta 1. Jäätävän epäselvä karttaesitys valuma-alueista ja järvisyydestä.

Toinen tehtävä palautti opiskelijat takaisin kylmään pohjolaan. Saimme tehdä kartan, josta näkyy tulvaindeksi valuma-alueittain sekä alueiden järvisyysprosentti. Kuten kartastani näkyy (kartta 1), asiaa on melko vaikea hahmottaa. Korkein järvisyyden prosenttiluku oli noin 20%, mutta sitä ei lue missään. Pylväät menevät valuma-alueiden värityksen kanssa päällekäin, eikä niistä oikein ota selkoa. Sopivien värien löytyminen oli tosi vaikeaa, eivätkä pylväsdiagrammit mielestäni soveltuneet tähän käyttötarkoitukseen sitten yhtään.

Joka tapauksessa aineiston ollessa tuttua ja koska kerran kartan itse valmistikin, niin osaan sen epäselvyydestä huolimatta jotakin siitä sanoa. Kartasta voidaan havaita järvisyydellä ja tulvaindeksillä selvä yhteys. Tulvia näyttää olevan paljon siellä, missä järviä on vähän, ja toisinpäin. Järvet toimivatkin sade- ja sulamisvesien varastoina siinä, missä joet ovat erikoistuneet veden kuljettamiseen. Näinollen joet joutuvat koetukselle niillä alueilla, joilla ei varastoja ole, ja näin syntyy tulvia, kuten Saaga Laapottikin huomautti blogissaan (Laapotti).

Kokeilin laittaa maa-alueiden osuuden ja järvisyyden piirakkadiagrammina, mutta silloin rannikkoalueilla, joiden järvisyys on pienintä, ei järvien prosenttiosuuksia erottanut lainkaan. Toki tämäkin olisi ollut melko kuvaavaa, mutta koin pylväät kuitenkin aavistuksen selkeämmäksi kartalla. Sellaiset hienot eri kokoiset ympyrät olisivat olleet kaikista mukavimmat, mutta en ehtinyt kikkailla enempää illan ratoksi, kun parikuinen velvollisuus kutsui ruokaansa kotiin. Ehkäpä vielä jossain vaiheessa käyn kokeilemassa, josko saisin sellaiset taiottua yhtä siististi kartalle, kuin näemmä Laura Ahola on onnistunut saamaan (Ahola). Kartan luettavuus paranisi huomattavasti!

Ehkä voidaan sanoa, että tämä kolmas kurssikerta nosti minut takaisin kartalle. Sinne jonnekin äärimmäiselle reunalle, mutta kuitenkin. Jospa vielä pääsisi eroon tuosta nenäliinapinkasta ja kaiken maailman flunssa- ja virustartunnoista, niin olisi oppiminenkin varmasti mukavampaa!

 

Lähteet:

Ehud Laniado, luettu 5.2.2018 https://www.ehudlaniado.com/home/index.php/news/entry/world-s-top-diamond-producing-countries

Unicef, luettu 5.2.2018 https://www.unicef.fi/unicef/tyomme-paakohteet/koulutus/

Saaga Laapotin blogi, Kovaa hermojen koettelua, luettu 5.2.2018 https://blogs.helsinki.fi/saagalaa/2019/01/30/kovaa-hermojen-koettelua/

Laura Aholan blogi, Hermot koetuksella, luettu 5.2.2018 https://blogs.helsinki.fi/lauahola/2019/01/31/hermot-koetuksella/

Kartan kolme valhetta ja pinta-aloja

Visuaalisuus on jännittävää – ihminen pyrkii aina luottamaan siihen, mitä silmillään näkee. Johdatus geoinformatiikkaan -kurssilta muistin, miten eri projektioita voi kategorisoida. Karttojen kohdalla onkin aina muistettava, että ne voivat kuvata kolmesta asiasta vain yhtä oikein: ilmansuuntien välistä kulmaa, pinta-alaa tai etäisyyttä (Wikipedia). Näin ollen katsoessamme kaksiulotteista karttaa, voimme aina varmuudella sanoa ainakin, että tässä on jotakin hyvin pielessä.

Kaavio 1.

Toisen viikon kurssikerralla käsittelimme eri projektioita. Teimme aluksi pinta-ala- ja etäisyysmittauksia eri projekioilla käyttäen apuna Suomi-neidon hattua ja vyötä. Lopuksi tutkimme eri projektioiden välisiä pinta-alaeroja.

Kaavio 2.

Varsinkin pinta-aloissa erot eri projektioiden välillä olivat valtavat – Mercatorin projektion ero ETRS -projektioihin oli jopa seitsenkertainen (kaavio 1). Etäisyyksissä Albersin oikeapintainen projektio pääsi lähelle Mercatorin projektiota, molemmat kaksinkertaisilla etäisyyksillä verrattuna muihin vertailussa oleviin projektioihin (kaavio 2).

Kartta 1. Mercatorin projektion pinta-alan prosentuaalinen ero verrattuna Lambertin projektioon.

Teimme yhdessä kartan Mercatorin projektion pinta-alaeroista verrattuna Lambertin projektioon (kartta 1). Uutta asiaa tuli tällä kerralla nopeampaa tahtia kuin ensimmäisellä luentokerralla, joten koin henkilökohtaisesti seuraamisen raskaammaksi. Tehtäväksi saimme tehdä samanlaisen vertailun johonkin toiseen projektioon ja taputin itseäni olalle onnistuttuani. Valitsin projektioksi Afrikan paikallisen oikeakeskipituisen tasoprojektion (Azimuthal Equidistant, Africa), jotta pinta-aloissa tulisi varmasti ainakin jonkin verran eroavaisuuksia (kartta 2).

Kartta 2. Afrikan oikeakeskipituisen tasoprojektion ja Lambertin projektion pinta-alaero prosentuaalisesti.

 

Kartoissa näkyy mielestäni riittävästi eri luokkia ja erityisen hauska visuaalisesti on tuo paikallisen oikeakeskipituisen projektion aikaansaama kallistuma kartassa 2 verrattuna Mercatorin projektion horisontaaliseen raidoitukseen kartassa 1. Molemmissa kartoissa suurimmat vääristymät näkyvät pohjoisessa ja pienimmät eteläisessä Suomessa, sillä kartan reunoja kohden mentäessä vääristymät kasvavat. Huomattava ero karttojen välillä näkyy kuitenkin legendan luvuissa – jo pienimmätkin  lukemat kartassa 1 ovat moninkertaisia kartan 2 suurimpiin arvoihin nähden, ja pohjoisessa prosentuaaliset arvot ovat huikeita. Pistää miettimään, että koko maailmankarttaa tarkastellessa mittasuhteet kyllä vääristyvät melkoisesti. Mercatorin projektion suosio maailmankartoissa onkin ollut osittain poliittista.

Kartta 3. Kuntakohtaisen Natura-suojellun alueen pinta-alan osuus Mercatorin projektion kuntakohtaisesta pinta-alasta.
Kartta 4. Kuntakohtaisen Natura-suojellun alueen pinta-alan osuus kunnan pinta-alasta Lambertin projektiossa.

 

 

 

 

 

 

 

 

 

Vertailin vielä Natura-suojellun pinta-alan suuruuksia Mercatorin projektiossa (kartta 3) ja Lambertin projektiossa (kartta 4). Kartat ovat visuaalisesti melko samanoloisia, vaikka luokkia päädyinkin laittamaan enemmän Mercatorin projektiossa. Legendan lukuja vertailemalla nähdään kuitenkin taas mielenkiintoisia asioita. Todellisuudessa Natura-alueiden pinta-ala – varsinkin Suomen käsivarressa – on todella korkea, ja kartassa 3 korkeimmatkin prosenttiosuudet sisältyvät kartan 4 ensimmäiseen luokkaan.

Tämän tehtävän onnistuminen oli melkoisen työn takana, sillä jostain syystä join-komento jatkuvasti joko kaatoi ohjelmaa tai liitti tyhjiä sarakkeita. Lisäksi yritin mielenkiinnon vuoksi samaa oikeakeskipituiselle tasoprojektiolleni, mutta en reilun tunnin yrittämisen jälkeenkään saanut QGISiä tekemään liitosta. Ehkä minulla oli jokin väärä asetus,  eri projektio oletuksena tai muuta vastaavaa, jota en vain huomannut korjata. Tämä tietysti aikaansai melkoista turhautumista ohjelmistoon ja omaan kykyyni, joten komppaan täysillä Julia Salmea, joka kävi läpi samanlaisia tuntemuksia tämän viikon tehtäviä tehdessä (Salmi).

Jäin myös miettimään pohjoisnuolen suuntaa, sillä odotin karttojen 1 ja 3 olevan samanlaiset sen suhteen, molemmissa kun kerran on Mercatorin projektio käytössä. Ehkä epähuomiossa käytinkin oikeita lukuja väärässä aineistossa, ken tietää. Mutta ehkäpä jotain iloa siitäkin oli, että takkusin niin pitkään saman asian kanssa, nimittäin join -komennon käyttö tuli ainakin tutuksi. Toivon kuitenkin todella, että ensi viikon luento nostaa minut tästä suosta takaisin kartalle!

 

 

Lähteet:

https://fi.wikipedia.org/wiki/Karttaprojektio , luettu 25.1.2018

Julia Salmi – Osa 2: Projektiovalintojen pohdintaa, luettu 30.1.2019 https://blogs.helsinki.fi/jhsalmi/2019/01/25/osa-2-projektiovalintojen-pohdintaa/

Harjoitus 1

En koe olevani mitenkään erityisen tekninen henkilö, joten tuskan hiki nousi otsalle havaitessani joutuvani sittenkin – näin opintojen loppusuoralla vielä – tekemään tuttavuutta atk-luokan kanssa sivuaineeni parissa. Yhden kurssin geoinformatiikkaa itsenäisesti opiskelleena pohdin erityisesti sitä, onko tietotasoni riittävä. Kun härkä kuitenkin näin ystävällisesti tarjosi sarvensa, ei auttanut kuin tarttua kiinni.

Kartta 1. Eri valtioiden typpipäästöt Itämereen.

Luennolla tuli vastaan yllättävän paljon tuttuja ja sopivassa määrin myös uusia asioita. En ollut ennemmin kuullutkaan QGIS:stä, mutta se vaikutti mielestäni hyvin loogiselta ja opittavissaolevalta. Tuttuuden tunne kumpusi kenties siitä, että olen käyttänyt joskus Karttapaikka-sivustoa. Harjoittelimme HELCOM:n valmiin aineiston pohjalta koropleettikartan tekoa QGIS:llä ja luentotehtävänä valmistuikin ohessa oleva kartta (kartta 1), joka kuvaa eri maiden suhteellisia osuuksia Itämereen päätyvistä typpipäästöistä.

Valitsin käyttää kartassani punaisen sävyjä, sillä ajattelin punaisen värin varoittavan hyvin typpipäästöistä, jotka ovat osasyyllisenä Itämeren suurimpaan ympäristöongelmaan, rehevöitymiseen. Kartassa silmiin pistää erityisesti kaksi asiaa – Saksan suhteellisen pieni osuus, sekä Puolan suhteellisen suuri osuus päästöistä. Molemmilla mailla on teollisuutta, maataloutta, sekä suuri väkiluku, jotka kaikki vaikuttavat typpipäästöihin. Saksan pienempi osuus selittynee kuitenkin osittain sillä, että vain pieni osa maasta sijaitsee Itämeren valuma-alueella (Rusanen).

Kartta 2. Eläkeläisten suhteellinen osuus väestöstä Suomen kunnissa vuonna 2015.

Tämän viikon harjoituksessa koin erityisen mielenkiintoisena tutkia Suomen kunnista vuonna 2015 kertovan aineiston attribuuttitaulukosta erilaisia muuttujia ja tarkastella niitä visuaalisesti kartalla värien avulla. Vietin aikaa tutkien eri muuttujien vaikutusta koropleettikarttaani, mutta valitsin lopulta esittää omassa kartassani (kartta 2) eläkeläisten suhteellista osuutta väestössä kunnittain. Kartan värityksen avulla sain hyvin esiin sen, miten suuremmissa kasvukeskuksissa ja kaupungeissa sekä niiden ympäryskunnissa eläkeläisten osuus on suhteessa pienempi kuin muualla Suomessa. Opiskelu- ja työpaikat vaikuttavat väestön liikkuvuuteen ja näinollen myös työ- ja opiskeluikäisen väestön suunta on Suomessa viime vuosikymmeninä ollut kaupunkeihin päin.

Luennon seikkaperäinen ja hyvin ohjeistettu harjoituskartan teko helpotti toisen kartan omatoimista tekemistä huomattavasti. Automatisoitumiseen menee varmaankin vielä aikaa, mutta koin siitä huolimatta oppineeni jo hallitsemaan joitakin perusasioita QGIS:stä. Olen kaikin puolin tyytyväinen molempiin karttoihini ensikertalaisena. Näin tuli härkäsestäkin kärpänen.

 

Lähteet:

(Aineisto karttoihin – HELCOM).

Iina Rusanen, QGIS tutuksi, luettu 18.1.2019 https://blogs.helsinki.fi/iinarusa/2019/01/17/qgis-tutuksi/