VKO7: Viimeinen kerta

Viimeisellä kurssikerralla saimme ajatella vähän vapaammin. Ehkä jopa liiankin vapaasti, sillä valinnan vaikeus iski välillä turhankin paljon. Kuitenkin mielestäni kurssikerta oli silti kaikista mukavin, sillä aiheet sai päättää täysin vapaasti ja uuttakaan asiaa ei kovin paljon tullut. Tällä kerralla pystyi testaamaan aiemmin opittuja taitoja käytännössä ja olikin antoisaa kun tunsi oppineensa jotain. Tällä kerralla minua auttoi, kun älysin katsoa vinkkejä vanhempien kurssikertojen ohjeistuksista. Niinpä karttojen teko sujuikin melko mutkattomasti.

Ennen kurssikertaa tehtävänämme oli hankkia aineistoja, jotka pystyisi muuttamaan excel muotoon ja jokin kartta, jossa olisi ehkä mukana jotakin paikkatietoaineistoa. Etsin kiinnostavaa dataa monilta sivuilta, mutta kuitenkin monilla sivustoilla törmäsin ongelmaan; aineistoja olikin vaikea löytää. Miten voikaan olla niin vaikeaa tehdä vähän helposti lähestyttäviä sivuja (Paituli hyvä esimerkki). Osittain tästä syystä päädyin tarkastelemaan kartallani Eurooppaa. Eurostatin sivuilta löytyi helposti tilastotietoja hyvin erilaisista aiheista. Päädyin tarkastelemaan aineistoja sukupuolten välisistä palkkaeroista ja tyytyväisyydestä elämään. Pohjakartan hankin valmiina paikkatietopakettina Natural Earth-palvelusta ja sen takia teinkin kaksi karttaa.

Aineistojen siirtely paikasta toiseen, sujui melko hyvin, eikä excelkään kiukutellut kovin paljon. Testasin aineistojen esittämistä kartalla monella tavalla ja lopputuloksesta tuli mielestäni kelvollinen ja selkeä. Itse aineistojen valinta oli vaikeampaa, sillä oli mietittävä kartalla esitettävien teemojen yhteensopivuutta.

Ensimmäisessä kartassa on esitetty tavallisena koropleettikarttana sukupuolten välistä palkkaero indikaattoria, jossa on huomioitu naisten keskimääräinen tuntiansio, kuukauden keskimääräinen palkattujen työtuntien määrä ja työllisyysaste, joita on verrattu miesten vastaaviin. Suuret lukuarvot kertovat suuresta erosta. Kartalla näyttää siltä, että pienimmät lukemat ovat mm. Tankassa, Suomessa, Portugalissa ja ehkä hiukan yllättävästi bulgariassa. Korkeimmat lukemat ovat Saksassa, Hollannissa ja Isossa-Britanniassa. Kaikkien Euroopan maiden lukemia ei kuitenkaan ole kartalla, mutta kuitenkin tulos vaikuttaa hiukan yllättävältä. Olisin veikannut Etelä-Euroopassa lukemien olevan korkeampia. Kuitenkin näköjään esim. Saksassa ja Isossa-Britanniassa vaikuttaisi olevan paljon naisia, jotka eivät käy töissä ja palkkaerot ovat suuria.

Toisena asiana laitoin kartalle pylväitä. Pylväät kuvaavat prosenttia ihmisistä, jotka kokevat tyytyväisyytensä elämään olevan korkealla tasolla. Halusin vielä esittää miesten ja naisten lukemat erikseen, koska ajattelin, että olisi kiinnostavaa tarkastella miten sukupuolten välinen palkkaero, jossa on huomioitu myös työssäkäynti määrä, vaikuttaa eri sukupuolien kokemuksiin elämän mielekkyydestä. Miesten ja naisten väliset tyytyväisyys erot eivät osoittautuneetkaan kovin suuriksi, mutta silti pieniä eroja on nähtävissä. Melkeinpä kaikkialla paitsi mm. Baltian maissa naiset vaikuttivat olevan tyytyväisempiä. Halusin kuitenkin erityisesti tietää onko palkkaero-asialla ja tyytyväisyydellä korrelaatiota. Vaikkei kovin tarkkoja analyysejä ole tehtykään, karttaa tarkastelemalla havaitsee, että korrelaatio vaikuttaa hyvin pieneltä tai jopa melko olemattomalta. Tyytyväisyys elämään voisi korreloida enemmänkin esim. BKT:n kanssa. Näyttääkin siltä, että naiset voivat joissain maissa olla ihan tyytyväisiä elämäänsä, jopa enemmän kuin miehet, vaikka eivät kävisikään töissä ja saisivat pienempää palkkaa. Kulttuurilliset tekijät vaikuttavat oleellisesti naisten työssäkäyntiin ja palkkaerojen syntymiseen.

Lähemmin tarkasteltuna huomaa, että pylväitä ja pieniä pylvään alkuja esiintyy hiukan kummallisissa paikoissa, kuten Ahvenanmaalla. En oikein tiedä mistä ne tupsahti.

Tehtyäni ensimmäisen kartan, aloin miettimään aiheita seuraavaan. Törmäsin tilastoon vanhempien luona asuvista 18-34 vuotiaista. Sen kanssa kartalle päätyi 15-39 vuotiaiden työttömyys prosentit. Ajattelin, että ehkä näistä löytyy jonkunlaista korrelointia. Vanhempien luona asuvat nuoret aikuiset prosentti osuuksina esitin koropleettikartalla. Ennakkohypoteesina mielikuvani, oli että erityisesti Etelä-Euroopassa kotona asutaan pitkään. Tämä osoittautuikin pitävän jokseenkin paikkaansa. Myös Itä-Euroopassa tapa vaikuttaa olevan sama. Sen sijaan Pohjoismaissa ja mm. Isossa Britanniassa vaikuttaa olevan harvinaisempaa asua vanhempien luona.

Työttömyyttä kuvasin kartalla vihreiden ukkeleiden avulla. Suuret hahmot kuvaavat suurta työttömyysprosenttia. Itä- ja erityisesti Etelä- Euroopassa tilanne näyttää haastavimmalta. Nuorisotyöttömyyttä syntyy erityisesti taloudellisen tilanteen ollessa huono. Esim. Kreikassa ja espanjassa prosentit ovat erityisen suuria. Luoteeseen päin mennessä tilanne vaikuttaa helpottavan. Saara Varis on kuvannut koko työikäisen väestön työttömyys prosenttia ja kartta vaikuttaa noudattelevan aikalailla samaa kaavaa kuten Varis toteaa: ”Ylimmän luokan (16,3 – 17,3%) työttömyysprosentti vallitsee Espanjassa ja Kreikassa” (Varis, 2017)

Muuttujien välillä näyttää silmämääräisesti katsottuna olevan jonkin asteista korrelaatiota. On kuitenkin muistettava, että korrelaatio ei aiheuta kausaatiota. Monet kulttuuriset tekijät aiheuttavat aikaista tai myöhäistä kotoa muuttoa. Monissa maissa voi olla tapana asua kotona pitkään, vaikka töitä olisi. Asioihin vaikuttaa myös mm. opiskelutilanne ja asuntomarkkinat.

Lähteet:

Gender overall earnings gap, Eurostat <http://ec.europa.eu/eurostat/tgm/table.do?tab=table&init=1&language=en&pcode=teqges01&plugin=1>

Natural Earth <http://www.naturalearthdata.com>

Percentage of the population rating their satisfaction as high, medium or low by domain, sex, age and educational attainment level, Eurostat <http://ec.europa.eu/eurostat/web/products-datasets/-/ilc_pw05>

Share of young adults aged 18-34 living with their parents by age and sex – EU-SILC survey, Eurostat <http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=ilc_lvps08&lang=en>

Unemployment rates by sex, age and citizenship (%), Eurostat <http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=lfsq_urgan&lang=en>

Varis, S. 2017. Viimeistä viedään <https://blogs.helsinki.fi/saavaris/> Luettu 6.3.2017

VKO6: Ulkoilua ja hasardeja

Kuudes kurssikerta aloitettiin ulkoilemalla kumpulan lähimaastossa.  Ryhmissä valitsimme aiheeksemme keltaiset talot, joita löysimme runsaasti yhdeltä tietyltä tienpätkältä. GPS-laitteella keräsimme sitten talojen kohdalta koordinaatit. Kun pääsimme takaisin sisäilman lämpöön, harjoittelimme geokoodaamista eli sijoitimme kirjaamamme pisteet kartalle.

Tämän jälkeen harjoittelimme vielä pelikoneiden sijoittamista kartalle. Paikantamiseen käytettiin kadun nimeä ja katunumeroa. Tästä oppi, että ohjelma ei suinkaan aina onnistu geokoodaamaan koko aineistoa yhdellä kerralla. Esim. eritavoilla kirjoitetut paikannimet aiheuttavat ongelmia.

Kurssikerran itsenäistehtävänä oli tuotettava kolme erilaista hasardeihin liittyvää karttaa. Harjoituksessa haastetta tuotti se, että aineistot oli itse tuotava map-infoon excel-taulukon kautta, jonka tuli olla juuri oikeassa muodossa. Myös aineiston valinnassa kesti yllättävän kauan sillä vaihtoehtoja oli niin runsaasti. Tehtävä onnistui kuitenkin loppujen lopuksi hyvin, vaikka aluksi tuskailinkin aineistojen kanssa; pisteet kun menivät täysin väärään paikkaan. Kun sitten myöhemmin yritin tehtävää uudestaan, tällä kertaa tarkasti ohjeita lukien, meni kaikki niinkuin oli tarkoituskin.

Valitsin kartalla esitettäväksi yli 8 magnetudin maanjäristykset datan mittaushistorian alusta eli vuodesta 1898 lähtien, maapallolla esiintyvät calderat ja Antarktiksella sijaitsevat tulivuoret. Kartat onnistuivat mielestäni hyvin ja visuaaliset ilmeetkin ovat selkeän luettavat.

Kartta yli 8 magnetudin maanjäristyksistä antaa kuvan maanjäristysten yleisimmistä esiintymisalueista; mm. tyynenmeren tulirenkaan alueella. Karttaa voisi siis hyvin käyttää opetuksessa. Mutta koska yli 8 magnitudin järistyksiä ei kuitenkaan ole tapahtunut niin paljon, olisi hyvä liittää tähän toinenkin kartta, jossa näkyisi että pienempiä maanjäristyksiä tapahtuu paljon myös esim. lähi-idässä, jossa sijaitsee mannerlaattojen saumakohta. Kartasta kuitenkin selviää suurimpien järistysten esiintymisalueet. Kartta muistuttaa Saara Leppäsen tekemää karttaa samasta aiheesta. Leppäsen kartassa havainnot vain on rajattu 2000-luvulla tapahtuneisiin yli 8 magnitudin järistyksiin, havaintoja on silloin hiukan vähemmän. Leppäsen huomio: ”maanjäristysten määrä tippuu voimakkaasti, kun siirrytään Richterin asteikolla ylöspäin”(Leppänen 2017) onkin osuva.

Toinen karttani kuvaa Calderojen eli romahtaneiden tulivuorien sijainteja kartalla, jotka näyttävät noudattelevan samaa kaavaa kuin maanjäristykset, sijaiten seismisillä mannerlaattojen saumakohdilla. Opetuksessa kartta havainnollistaa jo havaittua ilmiötä.

Antarktiksella sijaitsevat tulivuoret otin tarkasteluun, sillä oli kiinnostavaa tietää, että niitä ylipäätänsä on sielläkin. Monista alueella sijaitsevista tulivuorista ei kuitenkaan taideta tietää kovin paljon, sillä viimeisin purkaus oli monien tulivuorien kohdalla merkitty tuntemattomaksi. Kartta esittää kuitenkin havainnollistavasti tulivuorten sijainnit. Tämä ei välttämättä ole mikään opetus-suunnitelmassa painotettu asia, vaan ehkä enemmänkin mielenkiintoinen lisätieto opetukseen.

Lähteet:

Leppänen, Saara (2017) Kurssikerta VI <https://blogs.helsinki.fi/saaralep/> Luettu 6.3.2017

VKO5: Bufferointia

Viidennellä kurssikerralla käsittelimme mm. puskurointia ja teimme runsaasti itsenäistehtäviä, joiden avulla käyttämämme ohjelma tuli taas vähän tutummaksi. Tällä kerralla työskentely alkoikin tuntumaan onneksi jo vähän sujuvammalta. Aluksi harjoittelimme laskemista karttakohteiden avulla ja opimme miten puskuroidaan eli bufferoidaan muodostamalla halutun levyinen alue jonkin kohteen ympärille. Puskurivyöhykkeen avulla on sitten helppo laskea erilaisia asioita rajatulta alueelta.

Suurin osa kurssikerrasta käytettiin itsenäistehtävien tekemiseen, jotka sujuivat yllättävän hyvin. Ohjeet olivat tällä kerralla paremmin muodostettuja, sillä nyt asioita pystyi tarvittaessa tarkistamaan melko selkeästä luuranko-ohjeesta. Bufferointi työkalujen käyttö ei ollut minusta erityisen vaikeaa, mutta monissa asioissa tarvitsen vielä harjoitusta. Esimerkiksi tietokantojen liittäminen ja laskeminen kyselyjen avulla ovat tällaisia asioita. Tehtäviä tehdessäkin sivuutin kyselyjen teon ja laskin laskut muilla tavoilla, sillä se tuntui yksinkertaisimmalta (saattaa olla myös virheitä).

Tekemämme tehtävät käsittelivät mm. Lentokenttiä ja niiden melualueita. Tähän tarkoitukseen bufferointi olikin oiva työkalu. Vastauksia etsittiin moniin kysymyksiin ainakin siitä kuinka monta ihmistä minkäkinlaisella alueella asui. Myös prosenttiosuuksia laskettiin mm. juna-asemien läheisyydessä asuvien asukkaiden suhteesta koko alueen asukkaisiin. Oli myös selvitettävä mm. taajama-aste ja tietyn ulkomaalaisosuuden asuttamien asuinalueiden määrä. Lopuksi oli valittava vielä yksi tehtävä kolmesta vaihtoehdosta ja valitsin Yhtenäiskoulun koulupiirin tutkailun. Vastauksista kokosin alla näkyvän taulukon.

Puskurivyöhykkeiden käyttömahdollisuudet ovat hyvin laajat. Mm. Sonja Koiviston mukaan puskurivyöhykkeitä voitaisiin käyttää ”selvittämään esimerkiksi kaivosten tai voimaloiden vaikutusalueita, erilaisia luonnonsuojelu vyöhykkeitä, joukkoliikenteen saavutettavuutta tai uusien toimintojen sijoittelun optimointia”. Mapinfon avulla voidaan siis ratkaista monenlaisia ongelmia. Rajoituksia syntyy kuitenkin varsinkin tässä vaiheessa käyttäjän tietämättömyydestä. Myös aineistojen saatavuus ja yhteensopivuus Mapinfon kanssa saattaa aiheuttaa mutkia matkaan.

Lähteet:

Koivisto, S. (2017) ”Bufferoinnin alkeet ja itsenäistä analyysiä” <https://blogs.helsinki.fi/kosokoso/> , luettu 24.2.2017

4. Kurssikerta: ruutuja

Neljännellä kurssikerralla käsittelimme ruutuaineistoja ja teimme rasterikartan. Ensiksi harjoittelimme kuitenkin yhdessä ruutuaineistojen käsittelyä ja rasterikartan laatimista. Mapinfo ei toisaalta tälläkään viikolla alkanut tuntua yhtään yksinkertaisemmalta ja monin hetkin olinkin tippua kärryiltä. Kuitenkin sain kuin sainkin aikaiseksi edes jonkin näköisen karttatuotoksen ja olinkin sillä hetkellä tyytyväinen edes siihen saavutukseen.

Rasterikarttaa varten tarvitaan ruudukko, joka luotiin grid-työkalun avulla. Tärkeää oli myös sopivan kokoisten ruutujen etsiminen, jotta esitettävä ilmiö olisi mahdollisimman selkeä. Oli myös tuotava erilaista dataa grid-tietokantaan. Tämä datan siirtely tietokannoista toiseen tuntui itsestäni hiukan monimutkaiselta, sillä valintoja tuntuu edelleen olevan aikalailla runsaasti. Pikkuhiljaa tilanne alkaa kuitenkin helpottamaan. On myös mainittava, että harjoitusten word-ohjeet ovat usein aika vaikeaselkoisia ja puutteellisia ja se on välillä hiukan hankaloittanut tekemistä. On ymmärrettävää jos halutaan opiskelijoiden käyttävän myös omia aivojaan, mutta toisaalta mielestäni uuden ohjelman kanssa tarvitsee välillä tarkempaakin ohjeistusta.

Tekemäni ruututeemakartta esittää iän keskiarvoa pääkaupunkiseudulla. Kartasta tuli visuaaliselta ilmeeltään onnistunut. Värimaailma on selkeä ja ruudut mielestäni sopivan kokoisia. Mitä itse teemaan tulee, olisin voinut kokeilla useampiakin vaihtoehtoja ja lopputulos olisi siten ehkä mielenkiintoisempi, sillä nyt karttani on vähän sillisalaattimainen. Suurempia johtopäätöksiä kartasta on vaikea lähteä tekemään, sillä iän keskiarvot tuntuvat vaihtelevan spatiaalisesti tarkasteltuna tasaisen vaihtelevasti. Jos nyt joitain johtopäätöksiä voidaan kartasta tehdä, niin voidaan havaita mm. vanhimman ikäluokan keskittyvän mm. laitama-alueille. Tämän on havainnut myös Marika Sarkkinen. Hän vetoaa blogissaan tilastokeskuksen raporttiin, jossa reilu neljännes vanhemman ikäpolven edustajista asuu pientaloissa. Toisaalta vanhemmat ihmiset asuvat usein hyvien palvelujen ääressä myös keskusta-alueiden läheisyydessä.

  Taas lapsien sijoittumista pääkaupunkiseudulla tarkastellut Mimmi Simpura toteaa näin: ”näyttäisi siltä, että Helsingin alueella on vähemmän lapsia kuin muissa kunnissa. Lisäksi lapset sijoittuvat keskustojen ulkopuolelle.” Mielestäni tämä on myös havaittavissa omasta kartastani, vaikka ikäluokat eivät olekaan samat. Nuorimpien ikäluokkien osuus näyttää olevan suurempi ympäryskunnissa. Toisaalta Hilkka Pajukangas toteaa blogissaan, että ”18-25 vuotiaiden määrät ovat pääkaupunkiseudulla suurimpia Helsingin kantakaupungissa, ja pienempiä muilla alueilla.” Koska myös tämä ikäluokka kuuluu myös karttani nuorimpaan ikäluokkaan näyttääkin siltä, että nuorten aikuisten keskuksissa asuminen ei ole niin merkittävää kuin, esim. lasten asuminen, joka vetää havaintoja reuna-alueille päin. Toisaalta on muistettava, että kyseessä on keskiarvot alueilta. Tällöin ei voida tietää oikeaa jakaumaa; alueella saattaa asua paljon vanhoja ja nuoria tai sitten esim. 30-40 vuotiaita ja silti alueiden iän keskiarvo olisi sama. Karttani luokittelu on siis hieman hämäävä ja ikäluokkien jakautuminen tuntuu hiukan kummalliselta. Siinä olisi siis hiukan parannettavaa.

Lähteet:

Sarkkinen, M. (2017) Luento 4 <https://blogs.helsinki.fi/macsarkk/> Luettu 21.2.2017.

Simpura, M. (2017) Lapset pääkaupunkiseudulla <https://blogs.helsinki.fi/msimpura/> Luettu 21.2.2017

Pajukangas, H. (2017) 4. Ruutukarttoja ja paluu menneisyyteen. <https://blogs.helsinki.fi/pajukahi/> Luettu 21.2.2017

VKO 3

Kolmannella kurssikerralla käsiteltiin dataa. Käsittelimme paikkatietoaineistoja monella tapaa ja harjoittelimme mm. tietokantaliitosten tekemistä. Harjoitukset tehtiin Afrikkaa käsittelevän aineiston avulla. Tuotoksena tällä kurssikerralla syntyi valuma-alue luokituskartta.

  Mapinfon käyttö tosin nyt parin viikon harjoittelun jälkeen ei kuitenkaan alkanut tuntua yhtään luontevammalta. Ohjelman yhä vain lisääntyvät ominaisuudet saivat aikaan jos jonkin asteista tuskastuneisuutta. Kärryillä pysyminen sujui jotenkuten, ainakin silloin kun jaksoi olla valppaana. Valikkojen ja valintojen runsaus sai itseni myös ajattelemaan, että varmaankaan en muista tätä enää hetken päästä. Myös syvällisempi pohtiminen, siitä miksi nyt näin tehdään tai mitä ihmettä nyt edes tehdään, jäi välillä vähän harmittavan vähäiseksi. Toisaalta optimistisesti voisi ajatella, että ohjelman käyttö helpottuu varmaankin tulevaisuudessa harjoittelun myötä.

Tehtävänä oli myös käsittelemämme Afrikka aineiston hyödyntämisen miettiminen, jos aineistossa olisikin uudenlaisia muuttujia. Valmiina aineistossa oli mm. tietoja timanttikaivoksista, konflikteista ja öljynporausalueista. Uudet tiedot olisivat mm. öljyn ja timanttien osalta: löytämisvuosi, aloitusvuosi ja tuottavuusluokittelu. Näiden tietojen avulla voitaisiin havainnollistaa kaivosten ja öljykenttien merkittävyyttä hyvinkin monenlaisin kartoin. Voitaisiin myös tarkastella miten kaivaukset/poraukset ovat edenneet historian saatossa. Konfliktien tapahtumavuosi ja laajuustiedoilla voitaisiin kartoittaa niiden hirstoriallista kehitystä ja myös suhdetta mm. luonnonvarojen esiintymiseen. Myös internetkäyttäjien lukumäärää olisi kiinnostava tarkastella mm. siitä näkökulmasta, miten konfliktit ovat vaikuttaneet internetin leviämiseen.

  

Tekemäni kartta havainnollistaa järvisyysprosenttia ja tulvaindeksiä. Tulvaindeksi laskettiin keskiylivirtaaman ja keskialivirtaaman avulla ja näin se kuvaa virtaaman vaihtelua huomioiden kuivimmat ja tulvaisimmat ajat. Tulvaindeksi on kuvattu kartassani vihreän sävyin ja suurimmat lukemat löytyvät rannikkoalueilta esim. pohjanmaalta. Järvisyysprosentti on kuvattu kartassani sinisin pylväin. Suhteellisesti eniten järviä näyttää löytyvän sisämaa alueilta, kuten oletettavasti Järvi-Suomen alueelta. Järvisyysprosentti ja tulvaindeksi vaikuttavat siis ainakin jossain määrin negatiivisesti korreloivan toisiaan. Kun järvisyysaste on suuri tulvaherkkyyskin vaikuttaa olevan pientä. Toki poikkeuksiakin löytyy, eikä järvien puute varmasti olekaan ainoa tulvia selittävä tekijä. Pinja Tolvanen arveleekin järvien puuttumisen johtavan tulviin siksi, että kun esim. Järvi-Suomen alueella vesi varastoituu runsaisiin järviin, niin Pohjanmaalla taas käy seuraavasti; ”virtaavalla vedellä ei ole altaita, joihin se kerääntyisi vaan se nousee joesta maalle aiheuttaen tulvia” (Tolvanen, 2017). Pohjanmaan alavuus on myös yksi tulvahaittoja pahentava tekijä.

Lähteet:

Tolvanen, Pinja (2017) Kurssikerta 3 -Datailua <https://blogs.helsinki.fi/pinjatol/>

VKO2: Lisää teemakarttoja

Toisella kurssikerralla käsittelimme hyvin monenlaisia teemakarttoja ja kurssikerran lopuksi tehtävänämme oli laatia teemakartta, jossa olisi kaksi teemaa päällekkäin.

Kurssikerran aikana opin, että teemakarttoja on tosiaan moneen lähtöön ja asioita voi hyvin esittää eri muodoissa. Esimerkkejä eri karttatyypeistä on mm. tiheyskartta, ympyrä- ja pylväsdiagrammikartat ja grid-kartat. Nämä kartat olivat yksinkertaisia tehdä kunhan tunsi oikeat asetukset. Kun sitten saimme valita tekemämme kartan oli valinta vaikea, sillä paitsi että saimme valita kaksi erilaista teemakarttatyyppiä esitettäväksi samalla kartalla, tuli myös valita toisiinsa sopivat aiheet ja kartan oli hyvä olla ainakin jossain määrin järkevä.

Aiheiden valinta karttaa varten oli haastavaa, sillä aiheiden tuli sopia yhteen niin, että aiheet toisivat jotakin lisäarvoa toisilleen. Lähdinkin kokeilemaan monia eri ratkaisuja ja tein niistä jo melko valmiitakin karttoja, kuitenkin kartoissa oli useimmiten jotain pielessä tai halusin kokeilla kiinnostavampia ratkaisuja. Lopulta päädyin kokeilemaan karttaa, jossa esitettiin taajama-aste koropleettikarttana ja alkutuotannon osuus graduated-teemakarttana. Graduated teemakartassa arvot esitetään symbolein ja suositus olisi kuvata absoluuttisia arvoja. Kartassani kuitenkin esitän symboleilla suhteellisia osuuksia, joka oli jälkeen päin ajatellen ehkä vähän huono ajatus. Luulen kuitenkin, että ohjelma olisi toivottavasti ryhmitellyt kunnat niin, että symbolien suhteelliset osuudet olisivat mahdollisimman todenmukaisia. Jos symboleita tarkastelee tarkkaan huomaakin niiden koon vaihtelevan paljon enemmän kuin legendassa, jossa possut antavat vain apua prosenttiosuuksien hahmottamisessa.

Valitsin kartalla esitettäväkseni uudenmaan maakunnan, sillä ajattelin tuntemani alueiden olevan kiinnostava kohde teemakartoilla leikkimiseen. Taajama-asteen ja alkutuotannon valitsin, koska ne näyttävät kartalla kiinnostavasti negatiivisesti korreloivan toisiaan. Kartalta on selkeästi nähtävissä, kuinka taajama asteen kasvaessa alkutuotannon osuus pienenee. Helsingin seudun kaupunkimaisissa kunnissa; Helsingissä, Espoossa ja Vantaalla taajama-aste lähentelee sataa prosenttia ja alkutuotannon osuus on minimaalinen. Kehitys jatkuu asteittain kauemmas pääkaupunkiseudusta, jonka itäpuolella vaikuttaa olevan keskittymä, jossa Taajama-aste on n. 35-69 %  ja alkutuotannon osuus monissa useissa kunnissa n. 24 %.

 Syyt alkutuotannon kasvamiseen alueilla joilla taajama-aste on alhainen löytyvät ainakin siitä, että alhaisen taajama asteen kunnissa ainakin on tilaa harjoittaa runsaasti maata vaativaa alkutuotantoa. Maan hinta vaikuttaa toimintojen sijoittumiseen ja koska alkutuotannon muotona mm. maatalous ja viljanviljely tarvitsevat runsaasti maa-alaa, on niiden järkevä sijoittua sinne missä maa on edullisempaa. Sijainti Uudellamaalla taas takaa, että markkinat ovat lähellä, siksi esimerkiksi Pukkila tai Myrskylä ovatkin otollisimpia paikkoja alkutuotannolle. Pääkaupunkiseudulla, jossa maa on kallista ei alkutuotantoa paljoa esiinny. Valtteri Lammassaaren kartassa, jossa on esitetty alkutuotannon ja myös muiden elinkeinojen osuuksia pylväinä, huomaa kuinka vähäistä alkutuotanto oikeasti onkaan Uudellamaalla. Lammassaari on myös huomannut myös omassa kartassani näkyvät poikkeukset: ”Esimerkkinä kartan itäreunassa Myrskylän ja Lapinjärven alueet, joissa alkutuotannon osuus on jopa suurempi kuin jalostuksen”(Lammassaari, 2017).

Mielestäni kartta onnistui visuaalisesti ja se on selkeä ja helppolukuinen. Symboleista valikoin possun, sillä en löytänyt kuviota, joka mielestäni kuvaisi paremmin alkutuotantoa. Taajama-aste tekstissä pitäisi olla myös viiva.

Lähteet:

Lammassaari, V. (2017). Kurssikerta 2 <https://blogs.helsinki.fi/lavaltte/> Luettu 6.3.2017

Artikkeli 1, Reaktiopaperi

Anna Leonowiczin kartografiaa käsittelevä artikkeli: Two-variable choropleth maps as a useful tool for visualization of geographical relationship kertoo kahden päällekkäisen koropleettikartan käytöstä samassa kartassa. Artikkeli käsittelee niitä hyviä ja huonoja puolia, mitä tälläisessä esitystavassa on ja kannattaako tällaisia karttoja ylipäätään tehdä. Artikkeli oli minusta melko mielenkiintoinen, mutta aluksi kuitenkin aika vaikeaselkoinen. Tämä saattaa johtua vain englanninkielisten tieteellisten artikkeleiden vähäisestä lukemiskokemuksestani.

Artikkelin lukeminen toi minulle hiukan uutta ajateltavaa, sillä en ollut ennen ajatellut kaksiteemaisten karttojen käytöstä koituvia ongelmia kovinkaan paljon. Olin kyllä kuullut siitä, että tälläisissä kaksimuuttujaisissa koropleettikartoissa luokat tulisi minimoida maksimissaan yhdeksään. Tästä tehdystä puolalaistutkimuksesta oli kuitenkin myös hyvä kuulla enemmän.

Varsinkin artikkelin kappale: two-variable choropleth method oli itselleni haastava ja vaikeaselkoisesti luettava. Luokittelun valinta ja kuvio, jossa aineisto on esitetty pistein ja niiden yhteyttä tarkasteltiin, oli hiukan vaikea ymmärtää. Värivalinnat ja kuviot ja niiden selkeä esittäminen oli itselleni kiinnostavampi aihe. Oli myös kiinnostavaa lukea, että itseasiassa U. S. Bureau of the Census olikin syyllinen kaksimuuttujaisten teemakarttojen huonoon maineeseen, sillä heidän luomissaan kartoissa legendassa luokkia oli aivan liian paljon, jopa 16. Kartoista, joissa luokkia on liikaa on vaikea saada selvää.

Kahden teeman esittäminen yhdessä kartassa on joitakin ilmiöitä tarkastellessa kannattavaa, sillä ei tarvitse vertailla kahden kartan esittämää tietoa. Haasteena on kuitenkin se, että kartasta tulee epäselkeä, siksi onkin tärkeää miettiä värien ja kuvioiden yhteensopivuutta ja sitä ettei luokkia tule liikaa.

Artikkelin lopussa esitetty kaksiteemainen kartta ei mielestäni olekaan mikään yksinkertainen ja nopeasti ymmärrettävissä oleva. Tämä saa itsenikin kysenalaistamaan tällaisten karttojen tarpeellisuutta. Mieleni tekee vertailla vain pieniä karttoja, joissa muuttujat on esitetty erikseen, sillä se vaikuttaa kaikista selkeimmältä vaihtoehdolta. Karttoihin erikoistumattomille lukijoille tarkoitetuissa kartoissa en näe oikeastaan mitään tarvetta ahdistaa kaksi teemaa samaan koropleettikarttaan, sillä esim. vierekkäiset kartat voivat olla paljon helpompia tulkita varsinkin jos luokkia on muuten liikaa. Kuten Anniina Ahonen (Ahonen 2017) toteaa kahden muuttujan koropleettikartoista: ”Tutkimuspiireissä ne voisivat osoittautua toimivaksi ratkaisuksi, jos ne on huolella ja ajatuksella tehtyjä, mutta karttoihin sen enempää perehtymättömästä henkilöstä sellaisen tulkitsemisen ja lukemisen aloittaminen voi tuntua raskaalta ja työläältä.”

Kirjallisuus

Ahonen, A. (2017) Artikkeli 1: Koropleettikartan kaksi ulottuvuutta 31.1.2017 < https://blogs.helsinki.fi/ahonenan/ >

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

Vko 1: Työttömyys-kartta ja opettelua

Ensimmäisellä kurssikerralla tutustuimme Mapinfo ohjelmaan. Uuden ohjelman opettelu ei ollut kovin vaikeaa kunhan keskittyi kuuntelemaan opetusta, jolloin oikeat valikot ja valinnat löytyivät helposti. Toisaalta välillä keskittymisen herpaantuessa saattoi vähän tippua kärryiltä, sillä ohjeet tulivat jokseenkin nopeasti.

Ensiksi opettelimme ohjelman toimintaa maailmankartan ja siihen liittyvän aineiston avulla. Sen jälkeen opettelimme teemakartan tekoa Suomen kunta-aineiston avulla. Lopuksi teimme samalla tyylillä vielä valitsemastamme aiheesta teemakartan. Valitsin karttani aiheeksi työttömyyden. Itse kartan tekeminen oli paljon helpompaa ja nopeampaa kuin edellisellä kurssilla, jolloin kartat piirrettiin itse. Nyt haasteena oli saada kartta näyttämään oikeanlaiselta väreineen ja mittakaavoineen. Oli myös valittava oikeanlainen luokittelu numeeriselle aineistolle. Aineiston oli myös hyvä olla suhteellisesti mitattavaa, jotta esittäminen koko suomen tasolla eri kokoisilla kunnilla oli mielekästä.

Tekemästäni työttömyys-kartasta huomaa selkeän piirteen Suomen työttömyyden jakautumisesta; työllisyystilanne on huonointa Itä- ja Pohjois-Suomen kunnissa. Joukkoon mahtuu kuitenkin myös joitain poikkeuksia, kuten hyvän työllisyysasteen Paltamo Itä-Suomessa ja huonon työllisyysasteen Merikarvia ja Siikiainen Länsi-Suomessa. Työttömyyden Itä- ja Pohjois-Suomeen kasautumisen taustalla on monia syitä. Rakennemuutos, jonka myötä yhteiskunta on muuttunut palvelupainotteiseksi suosii kaupunkiasumista. Muuttoliike kaupunkiin on ollut merkittävää jo vuosikymmeniä. Itseään ruokkiva taantumisen kierre, jossa työikäiset asukkaat muuttavat pois, ei tee hyvää muuttotappio alueiden taloudelle. Tanja Palomäki onkin tehnyt kartan eläkkeellä olevien osuudesta ja se muistuttaa kovinkin paljon työttömyys-karttaani. Palomäki toteaa jakautumisen syistä seuraavaa: ”Eläkeläisten määrään vaikuttaa pääasiassa kaupunkeihin sijoittuvat työpaikat, jotka vetävät työikäiset pois maaseudulta.” (Palomäki, 2017)  Huoltosuhde heikkenee, kun veroja maksavaa väestöä ei ole paljon. Myöskään uusia työpaikkoja ei synny. Globalisaation myötä yritykset siirtävät tuotantoaan halvempien tuotantokustannusten maihin. Monien kuntien ollessa riippuvaisia jostakin suuresta työnantajasta on esim. metsäteollisuus yrityksen lähteminen kunnan työllisyydelle kova kolaus. Näiden syiden lisäksi myöskään syrjäinen sijainti ei auta Itä- ja Pohjois-Suomen työttömyystilannetta. 

Pieni työttömyysaste on Etelä- ja Länsi-Suomen kunnissa. Päinvastaiset tekijät aiheuttavat hyvän työllisyystilanteen syntymisen kasvukeskuksiin ja rannikkoalueelle. Syntyy positiivinen kierre, jossa väestömäärä kasvaa ja samoin työpaikkojen määrä. Erityisesti Pohjanmaalla ja Uudellamaalla tilanne vaikuttaa olevan erityisen hyvä. Toisaalta väestön määrä ei tunnu suojaavan työttömyydeltä. Kaupungeissa kuten Turussa ja Tampereella työttömyydessä ei ole kehumista. Helsingissäkään työttömyys ei ole parhaimmassa kategoriassa. Työttömien absoluuttinen lukumäärä onkin näissä kaupungeissa suuri, jota ei tästä kartasta harmillisesti voi havaita. Fanny Keränen on kuvannut blogissaan työssäkäyvien osuutta ja kuten olettaa saattaa on kartta päinvastainen kuin omani. Työikäiset ihmiset, jotka eivät käy töissä ovat yleensä työttömiä. Keränen on käyttänyt kartassaan samaa sävymaailmaa ja toteaakin sen toimivuuden näin: ”vihreällä väriasteikolla luokkien sävyerot erottuvat hyvin”. (Keränen, 2017)

Karttani onnistui mielestäni visuaalisesti olemalla yksinkertainen ja helposti luettava. Työskentely tapojani voisin jatkossa kehittää niin, että tallentaisin valmiin työn oikeisiin kansioihin ja moneen eri paikkaan, että työni olisi varmasti tallessa.

Lähteet:

Keränen, F. (2017). Ensimmäinen kurssikerta <https://blogs.helsinki.fi/fkeranen/>

Palomäki, T. (2017). Ensimmäinen kurssikerta.  <https://blogs.helsinki.fi/ptanja/>