Kurssikerta aloitettiin palaamalla Pornaisten aineistoon ja opettelimme tekemään  erilaisia rajauksia alueille, jolla pystyttiin katsomaan esimerkiksi paljonko asuintaloja on alle kilometrin säteellä Pornaisten koulusta. Suurin osa ajasta käytettiin opitun kertaamiseen. Saimme tehtäväksi selvittää Helsinki-Vantaan alueen asukaslukumääriä lentokenttien ja juna-asemien välillä. Lisäksi saimme valita kolmannen aihealueen. Valitsin itse Helsingin Yhtenäiskoulun oppilaita koskevan tehtävän. Vastaukseni voi katsoa excel-linkistä: KK5.

Huomasin, että parhaiten mieleen olivat jääneet sellaiset MapInfon toiminnot, joita on monta kertaa toistanut (esimerkiksi table maintenance and update column -toiminnot). Sen sijaan aika paljon oli unohtunut sellaisia asioita, joita kurssilla käytiin vain yhdellä kerralla. Oma näppituntuma MapInfosta tuntuu siis vielä vähän vaillinnaiselta.

Kurssikerta 4

Tällä kurssikerralla perehdyttiin ruutuaineistoihin ja miten niistä saadaan muodostettua alueellinen rasterikartta. Meillä oli käytössä varsin kattava aineisto pääkaupunkiseudun (Espoo, Kauniainen, Helsinki ja Vantaa) asukkaista mm. äidinkieli ja ikä. Asukkaat löytyivät aina taloyhtiöstä ja talot tietysti kartalta. Tämän kartan päälle luotiin ruudukko (grid), jolloin yhden neliön sisään jäi aina tietty määrä ko. neliöön liittyvää tietoa. Saimme kokeilla minkäkokoinen ruudukko olisi mahdollisimman hyvä mallintamaan jotain ilmiötä. Kokeilin 200 m, 500 m ja 1 km – ruudukoita ja mielestäni 500 m oli paras. Tieto ei jäänyt silloin liian harvaksi tai taas summautunut niin, ettei eroja pystynyt hyvin erottamaan. Kun ruudukoida täytettiin jollain tiedolla, piti myös huomioida asukkaiden painotettu keskiarvo. Muutoin jotkut talot saattaisivat vääristää kokonaiskeskiarvoa.

Tein teemakartan ulkomaan kansalaisten osuuksista pääkaupunkiseudulla. Asiasta on paljon uutisoitu (mm. tämä Helsingin Sanomien uutinen, jossa on haastateltu tämän laitoksen professoria Mari Vaattovaaraa). Segregaatio koetaan haitalliseksi, koska se luo eriytyneitä asuinalueita. Alueilla esiintyy yhdessä niin etnistä kuin sosioekonomista segregaatiota. Pääkaupunkiseudulle muodostuu siis alueita, jossa ulkomaalaisten osuus on huomattavan suuri. Saman ilmiön näkee myös tekemästäni kartasta (kuva 1).

Kuva 1. Pääkaupunkiseudun ulkomaalaisten osuus kaikista alueen asukkaista.

Erityisesti Itä-Helsinkiin ja pääkaupunkiseudun reuna-alueille on muodostunut tällaisia ulkomaankansalaisvoittoisia alueita. Yksi mielenkiintoinen kartta, jonka myös olisi voinut koettaa laskea MapInfossa, liittyy siihen, että edellä mainitut alueet asuinalueet näkyvät myös lähikouluissa. Noin 10 % kaikista pääkaupunkiseudun kouluikäisistä asuu taloissa, joissa on paljon maahanmuuttajataustaisia (Bernelius, V., Kauppinen, T. & Vaattovaara, M. 2015). Lisää mielenkiintoista tietoa ja tutkimusta segregaatiosta löytyy Opasnetistä, joka on Terveyden ja hyvinvointilaitoksen ylläpitämä wikipohjainen sivusto.

Kurssikerralla tutustuttiin myös Pornaisten alueen, jossa kartta kiinnitettiin oikeisiin koordinaattipisteisiin. Lisäksi merkitsimme alueen isot tiet ja asuinrakennukset seuraavaa kurssikertaa varten.

Kolmannella viikolla perehdyttiin tietokantojen tarkempaan käsittelyyn ja korjailuun. Opin liittämään uusia tietokantoja vanhaan dataan ja tämä helpottaa huomattavasti työskentelyä, kun kaikki hallittava aineisto sijaitsee yhdessä käytettävässä tiedostossa. Harjoittelimme ensin Afrikka-aineistolla, johon liitimme mm. alueen konflikti-, timanttikaivos- ja öljylähdetietoja. Oli varsin mielenkiintoista katsoa löytyykö jotain maantieteellistä sijoittumista esimerkiksi konfliktialueiden ja timanttikaivosten lähelle. Suvi Huovelin kirjoittaa tarkemmin blogissaan konfliktien vaikutuksista.

Itsenäistyö liittyi Suomen tulvavesiin. Saimme käyttöömme Suomen valuma-alueiden keskiylivirtaaman (MHQ) ja keskialivirtaaman (MNQ), joiden avulla voidaan laskea nk. tulvaindeksi (MHQ/MNQ). Tulvaindeksi kertoo siis alueen tulvaherkkyydestä. Tämän lisäksi karttaan lisättiin tietoa valuma-alueiden järvisyydestä (%). Kartan mukaan näyttäisi siltä, että alueilla joilla järvisyys on suurta, on pienempi tulvaindeksi.  Eli nämä alueet eivät tulvi kovin usein. Sen sijaan kun järvisyys pienenee, tulvaindeksi kasvaa (kuva alla). Tulvimiseen vaikuttaa todennäköisesti myös maastonmuodot ja maankäyttö, mutta niitä ei ole laitettu tähän karttaan.