Viimeinen kurssikerta (24.2.2015)

Viimeisellä kurssikerralla täytyi valmistaa itse kurssilla oppimia tapoja hyödyntäen kaksiteemainen kartta. Karttakohteen sai valita itse ja aineistot piti etsiä omatoimisesti. Lähes ainoana kriteerinä oli kartalla esitettävän alueen jakautuminen 20-30 pienempään alueeseen, esimerkiksi maakuntiin, valtioihin tai muihin aluejakoihin riippuen valitun kartta-alueen koosta ja tyypistä.

Valitsin alueekseni Kiinan ja sen yleisen jaottelun pienempiin maakuntiin, kuntiin, ja autonomisiin alueisiin. Näitä provinsseja oli 34, joka oli vähän yli tehtävänannossa annetun aluemäärän, mutta koska muutamat alueet eivät itsehallinnollisista syistä saaneet teemakartoissa mitään arvoja Kiinan tilastovuosikirjassa, laski alueiden määrä teemakarttaan hieman. Karttapohja piirrettiin MapInfolla normaalin kuvatiedoston pohjalta. Kartan rajojen piirtämiseen kului aikaa, mutta prosessi oli mielestäni ihan mukava ja sitä jaksoi tehdä. Suurempia ongelmia piirtämisen kanssa ei ollut, vaan se onnistui aika helposti. Kun karttapohja (kuva 1) oli valmis, tuli ohjelmaan tuoda valittujen teemojen aineistot ja lisätä ne karttaan halutulla tavalla.

China_region_names

Kuva 1. Mapinfolla piirtämäni karttapohja Kiinan aluejaoista.

Teemojen valitseminen oli ongelmallisin vaihe ja siihen kuluikin paljon aikaa. Tuli ensin löytää sivustot, josta aineistoa voisi saada ja sen jälkeen vielä päättää kaksi teemaa käytettäväksi. Lopulta päädyin esittämään alueiden kaupungistumisastetta ja sen lisäksi ilmansaasteiden määrää kartallani (kuva 2). Ilmansaasteista valitsin taulukkotiedot savun ja pölyn mitatuista määristä. Kaupungistumisasteen esitin koropleettikartan tavoin alueellisesti neljällä arvoluokalla, jotka jaettiin luonnollista luokkajakoa käyttäen, sekä savu ja pölyarvot niiden määriä kuvaavina pisteinä.

China_Urban_pop_smoke_dust

Kuva 2. Kiinan kaupungistumisaste sekä savu- ja pölypäästöt alueittain vuonna 2013. (Lähteet: China Statistics Press)

Kartasta on nähtävissä, että alueen ei tarvitse olla kaikista kaupungistunein, jotta sen päästöt olisivat suuria. Suurimmat päästöt ovat Hebein alueella, jossa kaupungitumisaste on kuitenkin alle 52 % luokkaa. Sen lähialueilla Itä-Kiinassa päästöt ovat koko maan laajuisesti suurimpia. Vähiten taas päästöjä on Länsi-Kiinassa, poikkeuksena kuitenkin Xinjiang. Toki kartan ulkonäköön vaikuttaa paljon se, ettei savu- ja pölyarvoja ole suhteutettu alueen kokoon tai väestömäärään, vaan ne ovat absoluuttisia arvoja. Sama jakautuneisuus näkyy kaupungistumisessa, eli Itä-Kiina on kaupungistunein, erityisesti Kiinan rannikkoalueet. Kaupugistumisarvoja ei kuitenkaan näe kaikista pienistä alueista pisteiden peittäessä ne (esimerkiksi Pekingin), minkä vuoksi liitän vielä kartan (kuva 3), jossa on pelkästään esitetty kaupungistumisastetta.

China_urban_pop_region_names

Kuva 3. Kiinan kaupungistumisaste 2013 ja alueiden nimet. (Lähde: China Statistics Press)

Teemoja olisi voinut miettiä vielä tarkemmin. Lisäksi savua ja pölyä kuvaavat kuviot sijoittuivat vähän minne sattuu joillain alueilla, ja koska MapInfolla niitä ei pystynyt siirtämään, enkä löytänyt ohjeita sen tekemiseen CorelDraw-ohjelmallakaan, jouduin jättämään ne sinne minne ovatkaan sijoittautuneet. Esimerkiksi Sisä-Mongolian (Inner Mongolia) piste sijoittui jostain syystä aivan Jilinin alueen rajalle, eli ei aivan onnistunut kartta siinä mielessä.

Kurssin aikana MapInfo tuli hyvin tutuksi ja vaikka kurssin aikana uutta informaatiota ohjelman käytöstä tulikin todella paljon ja tuntui ettei mikään jää mieleen, niin loppujen lopuksi on pakko sanoa, että kyllä MapInfoa nyt paljon enemmän osaa käyttää kuin ennen kurssia. Tästä on hyvä jatkaa opettelua.

 

Lähteet:

Pohjakuva karttaan. <http://www.travelchinaguide.com/map/china_map.htm> Lainattu 24.2.2015.
China Statistics Press. China statistical yearbook 2014. <http://www.stats.gov.cn/tjsj/ndsj/2014/indexeh.htm> Luettu 24.2.2015.

Kurssikerta 6 (17.2.2015)

Kuudes kurssikerta alkoi hieman erikoisemmin. Lähdimme tunniksi ulos keräämään paikkatietoa valitsemistamme kohteista, minkä jälkeen loimme tiedoista taulukon ja sijoitimme pisteet kartalla. Oli todella virkistävää tehdä asioita käytännössä ulkona. Se auttoi hahmottamaan millaista paikkatiedon hankkiminen saattaa joskus olla. Harjoittelimme MapInfolla muidenkin paikkatietopisteiden lisäämistä kartalle.

Teimme kurssikerralla kolme erilaista karttaa, joiden tuli olla opetustarkoitukseen kelpaavaa. Aiheena olivat luonnonhasardit ja näistä meille annettiin kolme valittavaksi; maanjäristykset, tulivuoret ja meteoriittien putoamispaikat. Itse käytin maanjäristys- ja tulivuoriaineistoja karttojeni valmistukseen.

Ensimmäinen kartta (kuva 1) kuvastaa 1964 jälkeen purkautuneiden tulivuorien sijaintia ja tyyppiä. Kilpitulivuoret jätin kartasta kokonaan pois, sillä ne olisivat suurella määrällään peittäneet muut tulivuorityypit alleen. Kartasta pystyy siis teoriassa näkemään hiljattain aktiivisesti toimineiden tulivuorityyppien sijaintia ja mahdollisesti päättelemään miksi näin on. Erottelin karttaan kuitenkin vain kilpitulivuoret, merenalaiset tulivuoret ja kalderat, sekä lisäsin loput tulivuorityypit luokkaan ”muut”, sillä niitä oli joko vain muutama kappale tai en osannut suomentaa tulivuorityyppiä, sillä ymmärrykseni erityyppisistä tulivuorista ei Googlesta huolimatta yltänyt sille tasolle, että pystyisin päättelemään nimistä jotain. Karttaa pitäisi parannella ennen kuin sitä voisi käyttää opetuskäytössä. Tulisi ainakin lisätä muutama tulivuorityyppi lisää listaan, juuri ne joita en saanut suomennettua. Ehkä olisi myös parempi näyttää tulivuoria maailmankartan lisäksi maanosakartoilla, jolloin tulivuoret erottuisivat selkeämmin eivätkä sijoittuisi toistensa päälle. Ajatuksena erityyppisten tulivuorien sijaintien määritys on mielestäni ihan kiva, enkä ole kovin usein sellaista karttaa nähnytkään ainakaan käyttämissäni oppikirjoissa, mutta toteutus vähän ontuu.

Tulivuoret_1964_eteenpäin_ei_kerrostulivuoria

Kuva 1. 1964-luvun jälkeen purkautuneet tulivuoret tyypeittäin. (Lähde: National Oceanic and Atmospheric Administration)

Toinen kartta (kuva 2) on taas hyvin tyypillisen opetuskartan näköinen teemaltaan. Lisäsin karttaan aineistoiksi vuoden 1964 jälkeen tapahtuneiden yli 6 magnitudin maanjäristyksien pistetiedot punaisella pisteellä ja saman vuoden jälkeen purkautuneiden keilatulivuorten sijaintipisteet keltaisella kolmiolla. Kartta on hyvin tyypillinen, koska sillä pystytään havainnollistamaan tulivuorten ja maanjäristysalueiden sijainnin selvää suhdetta.

Useissa oppikirjoissa on tällainen kartta ja hakupalveluistakin löytyy useita. Otin yhden kartan (kuva 3) esimerkiksi samanteemaisista kartoista. Tässä kartassa ei ole tarkemmin selitetty mitä tulivuoria merkityt pisteet ovat tai kuinka suuria merkityt maanjäristykset ovat. Toivoisin itse ainakin kartalta hieman enemmän informaatiota: miten kartantekijä on määritellyt aktiivisen tulivuoren sekä mikä on merkittyjen maanjäristysten voimakkuus ja tapahtuma-aikaväli.

Lisäsin omaan karttaani (kuva 2) vain kerrostulivuoret, koska halusin havainnollistaa myös tämän tyypin sijaintia, sillä jätin ne edellisestä kartasta (kuva 1) pois. Kerrostulivuoret ovat myös aggressiivisemmasta tulivuorityyppipäästä ja ovat sijoittuneet hyvin säännönmukaisesti litosfäärilaattojen törmäysvyöhykkeille, jossa havaittavia maanjäristyksiäkin eniten tapahtuu.

Kerrostulivuoret ja 6M maanjäristykset

Kuva 2. 1964-luvun jälkeen järisseet yli 6 magnitudin maanjäristykset ja purkautuneet kerrostulivuoret.(Lähteet: Northern California Earthquake Data Center ja National Oceanic and Atmospheric Administration)

volcanic-world-map

Kuva 3. Hiljattaiset maanjäristykset ja tulivuorenpurkaukset.(Lähde: Planetolog.com)

Kolmanteen karttaan (kuva 4) valitsin aineistoksi jälleen vuoden 1964 jälkeen tapahtuneita tällä kertaa yli 8 magnitudin maanjäristyksiä. Kuten kartasta jo huomaakin on yli 8 M maanjäristyksiä tapahtunut paljon vähemmän, joten pisteitäkin on vähemmän. Olisi ehkä pitänyt valita pidempi aikaväli, jotta pisteitä olisi tullut enemmän ja kartta vaikuttanut mielenkiintoisemmalta, mutta halusin jatkaa samalla vuositeemalla kuin aiemmissa kartoissa vertailtavuuden vuoksi. Vaikka kartassa on hyvin vähän pisteitä voi siitä silti huomata muutaman alueen, jossa suuria maanjäristyksiä on tapahtunut hyvinkin paljon. Esimerkiksi Japanin alueella on noin 50 vuodessa tapahtunut 5 suurta maanjäristystä. Salmisen Tiia oli tehnyt samantapaisen kartan yli 8 magnitudin maanjäristyksistä blogiinsa, mutta oli jaotellut 8 ja yli 9 magnitudin maanjäristykset eri värein, mikä toimi mielestäni hyvin ja havainnollisti suurten maanjäristysten jakaumaa.

yli_8M_maanjäristykset_1964-
Kuva 4. Yli 8 magnitudin maanjäristykset vuodesta 1964.(Lähde: Northern California Earthquake Data Center)

Kaikkia valmistamiani karttoja tulisi jokseenkin hienosäätää ja muokata ennen kuin niitä voisi käyttää opetuksessa. Myös karttojen ideoita olisi voinut miettiä vähän mielikuvituksellisemmin. Sorrun aika helposti näihin tuttuihin karttatyyppeihin, joita olen ennenkin nähnyt, enkä keksi uudentyyppisiä esitysmuotoja ilmiöille. Joonas Alanko oli keksinyt hyvän ainakin itselleni uudenkaltaisen tavan maanjäristysten esittämiseen. Hän käytti karttansa aineistona 1994 – 2015 vuosina tapahtuneiden yli 4 magnitudin maanjäristysten hyposentrumien syvyyslukemia. Mielestäni kartta oli ajatukseltaan hyvin mielenkiintoinen.

Lähteet:

Planetolog. Resent earthquakes and volcanic eruptions. <http://planetolog.com/map-world-detail.php?type=TEC&id=1> Viitattu 18.2.2015.

Alanko, J. (2015). Pak kerta 6. <https://blogs.helsinki.fi/jbalanko/> Luettu 21.2.2015.

Salminen, T. (2015). Kurssikerta 6: Suojateitä ja maanjäristyksiä kartalle.<https://blogs.helsinki.fi/tiisalmi/> Luettu 21.2.2015.

 

Kurssikerta 5 (10.2.2015)

Viidennellä kurssikerralla tehtiin paljon itsenäistä työskentelyä MapInfon avulla. Karttoja ei tällä kertaa valmistettu, vaan annettuja aineistoja tutkiskeltiin itsenäistehtävien kautta ja ratkottiin annettuja kysymyksiä opetettujen tapojen avulla.

Ennen itsenäistehtävien tekoa käytiin läpi bufferoinnin eli puskuroinnin tekemistä aika nopeasti Pornaisten kartalla. Puskuroinnissa luodaan tietyn pisteen, viivan tai alueen ympärille valitun säteinen alue. Luodun puskurin sisälle jäävien pistetietojen mukaan voidaan sitten päätellä mahdollisesti jotain riippuen aineistoista. Itsenäistehtäviä piti tehdä yhteensä kolme. Tehtävien tekeminen oli välillä hyvin hermoja raastelevaa ja turhauttava, mutta ilman hermoromahduksia selvittiin. Kuitenkin ilman luuranko-ohjeita en olisi varmaankaan saanut tehtyä tehtäviä loppuun asti.

Ensimmäisessä itsenäistehtävässä pyöriteltiin Malmin sekä Helsinki-Vantaan lentokenttien ympäristö- ja asukastietoja, sekä laskettiin juna-asemien läheisyydessä olevien asukkaiden määriä ja ikäjakaumia. Puskuroimalla saatiin muun muassa selville asukkaiden lukumäärät tietyllä etäisyydellä kohteista. Toisessa itsenäistehtävässä taas tutkittiin taajama-alueiden väestöjakaumaa ja kolmannessa tarkastelin Helsingin Yhtenäiskoulun koulupiirin alueen väestötietoja. Itsenäistehtävien vastaukset kerättiin taulukoksi (taulukko 1) Excelissä.

PAK KK5 taulukko

Taulukko 1. Itsenäistehtävien vastaukset. Jostain ihmeellisestä syystä en saanut millään valittua 65dB alueen väestön tietoja IT1:ssä, minkä vuoksi en saanut siihen vastaustakaan.

MapInfolla pystyy tarkastelemaan sinne syötettyjä aineistoja hyvin monipuolisesti jos sitä vain osaa käyttää. Sillä pystytään selvittelemään eri tekijöiden suhteita toisiinsa ja tarkastelemaan alueellista jakautumista. Teemakarttojen valmistus on MapInfon avulla jo aika yksinkertaista ja helppoa, mutta muissa toiminnoissa tarvittaisiin vielä paljon lisäharjoitusta. Toki tähän asti meille on annettu valmiit aineistot käyttöön jokaista valmistamaame karttaa varten, joten, kuten Salmisen Tiia mainitsikin blogissaan, on ihan eri asia lähteä valmistamaan karttaa jos aineistokin pitää ensin luoda niin sanotusti tyhjästä.

Kaikki uusi MapInfoon liittyvä tieto on tullut niin nopeasti, että kaikkea ei todellakaan ole ehtinyt sisäistämään ja moni asia on unohtunut melkein heti. Onneksi menneiden kurssikertojen harjoitusmonisteista voi tarkistaa jotain asioita, mutta sekin on vaivalloista, mikäli ei muista millä kerralla asiaa on käyty läpi. Tällä kurssikerralla oikeastaan mikään ei onnistunut heti ensimmäisellä yrittämällä. Erityisesti uuden tiedon soveltaminen tuotti vaikeuksia, sillä uusia toimintoja ei vielä hallinnut ja ymmärtänyt tarpeeksi hyvin. Jouduin tekemään tämän kurssikerran töitä useampana päivänä, koska en ehtinyt saamaan kaikkea valmiiksi itse varsinaisilla tunneilla. Huomasin, että kurssikerrasta seuraavana päivänä oli jo huomattavasti helpompi käyttää MapInfoa tehtävien ratkaisuun, kuin itse kurssikerralla. Kaippa se sitten on vaan niin, että kun uutta informaatiota tulee liikaa on nukuttava yön yli ennen kuin asiat oikeasti tulee edes jotenkin ymmärretyksi.

Lähteet:

Salminen, T. (2015). Kurssikerta 5: Että mitä?? Bufferointia ja muistikatkoksia. <https://blogs.helsinki.fi/tiisalmi/> Luettu 16.2.2015.

Kurssikerta 4 (3.2.2015)

Neljännellä kurssikerralla tutustuimme piste- ja ruutuaineistoihin. Teimme yhden ruutukartan vapaavalintaisella teemalla. Itse valitsin teemakseni ruotsinkielisten asuinjakauman.

KK4_ruotsinkieliset_500_naturalbreak

Kuva 1. Ruutukartta pääkaupunkiseudun ruotsinkielisten sijoittautumisesta. Ruutujen sivut ovat 500 metriä.

Kartasta (kuva 1) näkee ruotsia äidinkielenään puhuvien jakautumisen pääkaupunkiseudulla alueruuduittain. Aineistopohja on jaettu samankokoisiin ruutuihin (tässä tapauksessa neliöihin, joiden sivu on 500 metriä) ja ruutuihin osuneiden asukaspisteiden määrän mukaan laskettiin ruuduille arvot. Niitä ruutuja, joille ei osunut yhtään ruotsinkielistä, ei myöskään tulostettu kartalle. Jaoin aineiston luonnollista luokkajakoa käyttäen neljään luokkaan.

Ruotsinkielisiä on määrällisesti eniten ruuduissa, jotka ovat sijoittuneet Helsingin kantakaupungin alueelle. Sen ulkopuolella selkeämpiä keskittymiä on Kauniaisissa, Espoon Matinkylän ja Espoonlahden alueilla sekä muun muassa Helsingin Herttoniemen/Kulosaaren, Vuosaaren ja Lauttasaaren alueilla.

Itselleni kartan analysointi tuottaa suuresti vaikeuksia, sillä pääkaupunkiseutu ei ole minulle entuudestaan (tai pitäisi varmaan jo sanoa vieläkään) kovinkaan tuttu, enkä tunne eri kaupunginosia nimeltä, sijainnilta tai ominaisuuksilta hyvin tai lähes ollenkaan. Ilman kuntien rajoja ja nimiä kartta vaikuttaa pelkältä tietomössöltä, jota on vaikea sijoittaa mihinkään paikkaan, saati sitten analysoida.

Lukijaa ajatellen karttaa tulisi selkeyttää ja lisätä siihen informaatiota alueista. Ruudukon ääriviivat poistamalla kartasta saattaisi tulla selkeämpi. Lisäksi ainakin kuntien rajat tulisi siirtää ruudukkoaineiston päälle, jotta ne erottuisivat. Tämän olisi varmasti voinut tehdä helposti, mutta se ei jostain syystä tullut mieleen karttaa valmistaessa. Kuntien nimien lisääminen olisi kuitenkin yksi tärkeimmistä karttaa selkeyttävistä tekijöistä.

Ruututeemakartan luettavuus riippuu paljon kartantekijän valinnoista. Kartasta pystyy tekemään hyvin selkeän ja helposti luettavan, mikäli kokemusta ja taitoa kartan laatimiseen on. Koska ruutukartta jakaa alueen tasakokoisiin ruutuihin ja laskee ruutuun satunnaisesti osuneiden pisteiden avulla ruutujen arvot, voi kartta antaa hieman vääränlaisen kuvan alueellisesta jakautumisesta. Kuitenkin pääsääntöisesti sillä pystytään esittämään jakautumista selkeästi ja hyvin tarkasti. Kuten Sara Todorovic blogissaan mainitsi, ruutukartta antaa tarkempaa informaatiota koropleettikarttaan verrattuna, sillä karttapohja jaetaan säännöllisempiin ja usein pienempiin tarkasteltaviin alueisiin. Ruutukokoa muuttamalla voidaan vaikuttaa ilmiön esittämisen tarkkuuteen paljon. Mitä suurempi ruutukoko on, sitä yleistetympi kartta ja siitä tehtävät tulkinnat ovat.

Lähteet:

Todorovic, S. (2015). Kurssikerta 4 – Ruutuja ja sensellaista. <https://blogs.helsinki.fi/stodorov/> Luettu 12.2.2015.

Kurssikerta 3 (27.1.2015)

Afrikka-kartta

Kolmannella kurssikerralla tutustuimme MapInfon avulla Afrikan karttaan, johon toimme uusia tietokantoja. Lisäsimme karttaan valmiit aineistot Afrikan alueen timanttikaivoksista ja konflikteista pistemäisinä kohteina ja öljylähteistä alueina.

Afrikka-KK3

Kuva 1. Afrikan timanttikaivokset, öljylähteet ja konfliktit ja niiden laajuus. Alkuperäinen kartta tiedotusblogista (A. Paarlahti, 2015)

Tarkoitus oli pohtia mitä kaikkea tietokantoihin tallennetuilla tiedolla voisi päätellä. Meille annettiin muutamia muuttujia, joiden käyttöä tuli pohtia.

Muuttujien arvoja vertailemalla on mahdollista, että löydetään joitain syy-seuraus suhteita eri ilmiöille ja siten mahdollistetaan ilmiöiden ennustettavuus. Esimerkiksi öljylähteiden löytämisvuodella, poraamisvuodella tai tuottavuusarvoilla saattaisi olla jotain merkitystä konfliktien syntyyn, jolloin konfliktien tapahtumapaikka saattaisi sijaita lähellä öljylähteitä ja tapahtuma-aika olla samoihin aikoihin kun öljylähteillä on tapahtunut jotain muutoksia. Samoin tavoin timanttikaivosten sijainti ja aikatiedot saattaisivat selittää joidenkin konfliktien sijaintia, tapahtuma-aikaa ja laajuutta. Kuitenkin kuten Tiia Salminen huomasi pohtiessaan samaa aihetta blogissaan, niin karttaa (kuva 1) tarkemmin katsomalla voi havaita, että vaikka konflikteja esiintyykin öljy- ja timanttiesiintyimien läheisyydessä, eivät ne pääsääntöisesti tapahdu täysin samoilla alueilla.

Internet-käyttäjien lukumäärällä voidaan havainnollistaa jotenkuten valtioiden köyhyyttä sen perusteella, jotta kuinka suurella osalla valtion väestöstä on mahdollisuus käyttää internetiä. Toki tähän päätelmään liittyy monia epäkohtia, sillä internetin käyttäjien määrä ei välttämättä ole suoraan verrainnollinen köyhyyteen. Kuitenkin todella pienet internetin käyttäjämäärät kertovat siitä, ettei suurella osalla väestöstä ole mahdollisuutta käyttää internetiä, joko oman tai valtion köyhyyden vuoksi, tai sitten valtion asettamien rajoitusten vuoksi. Se, että tilastoja on monelta vuodelta mahdollistaa valtioiden kehittymisen seuraamisen.

Valuma-alueiden tulvaindeksi ja järvisyys

Afrikka-kartan analyysin lisäksi teimme kurssikerralla jälleen kaksiteemaisen kartan (kuva 2), tällä kertaa kaikki samasta aiheesta. Ennen kartan valmistusta oli osattava soveltaa kurssikerralla opittuja taulukonmuokkausprosesseja MapInfolla. Meille annettiin valmiit aineistot Suomen vesistöalueiden valuma-alueiden virtaamatiedoista, joista oli laskettava MapInfon avulla tulvaindeksit. Tehtävän avulla joutui kunnolla pohtimaan kuinka MapInfo oikein toimii ja pyörittelemään valikoita, jolloin sisäisti paremmin ohjelman käyttöä ja alkoi muistaa eri toimintoja.

Tulvaindeksi ja järvisyys

Kuva 2. Kaksiteemainen kartta Suomen vesistöjen valuma-alueiden tulvaindeksistä ja järvisyysprosenteista.

Histogrammi tulvaindeksin frekvenssijakaumasta annettiin valmiina käyttöömme (kuva 3). Tulvaindeksin frekvenssijakauman aineisto on vinosti jakautunut ja epätasainen. Päädyin luokkajaon valinnassa kvantiiliin luokkajakoon, sillä se sopii yleisesti myös vinojen jakaumien esittämiseen ja koska se näytti visuaalisesti parhaimmalta kartalla. Jouduin kuitenkin manuaalisesti vielä säätämään luokkajakoja, jotta luokkiin tuli suurin piirtein saman verran valuma-alueita ja jotta luokkien rajat olisivat selkeitä.

tulvaindeksi

Kuva 3. Historammi tulvaindeksin frekvenssijakaumasta.

Toinen aineisto kartassa oli valuma-alueiden järvisyys eli järvien suhde alueen pinta-alaan. Järvisyys kuvattiin karttaan pylväsdiagrammein yleisen ohjeistuksen mukaisesti.

Kartasta (kuva 2) on selvästi havaittavissa, että alueilla, joilla on enemmän järviä suhteessa pinta-alaan (eli järvisyys on suuri) on myös pienin tulvariski. Toisin siis alueilla, joilla ei ole paljon järviä on suurempi riski tulviin. Tämä johtuu siitä, että järvet toimivat sade- ja sulamisvesien varastoina ja siten ikään kuin puskurina tulville, kuten Outi Seppälä mainitsi blogissaan. Ne varastoivat ylimääräistä vettä niin, ettei vesi nouse huomattavasti joissa.

Toinen tekijä liittyy taas pinnanmuotoihin. Suomessa suurin osa järvistä sijaitsee nimensäkin mukaisesti Järvi-Suomessa, eli Itä- ja Keski-Suomessa. Tällä alueella on suurehkojakin korkeuseroja ja lukuisia jääkauden aikaisia glasifluviaalisia kerrostumismuotoja, kuten harjuja ja reunamuodostelmia. Mikäli pinnanmuotoja on paljon, on myös alueita, joihin vesi saattaa kertyä ja muodostaa järviä. Vastakohtana taas on esimerkiksi Pohjanmaan lakeudet, jossa korkeudenvaihteluita on hyvin vähän. Länsi-Suomessa tasaisuuden vuoksi kohdat, joihin vesi voisi kerääntyä järveksi, ovat harvassa ja rankkasateiden tai lumen sulaessa äkilliset vesipiikit nostattavat jokien pinnan korkeuden yli tulvarajan. Tulvavedet leviävät myös laajemmalle alueelle, mikäli tulvivaa kohtaa ympäröivä alue on tasaista.

Suurimmat tulvaindeksit sijoittuvat siis maakunnittain Pohjanmaan, Etelä-Pohjanmaan, Keski-Pohjanmaan ja Pohjois-Pohjanmaan alueille, mutta myös Varsinais-Suomen ja Uudenmaan alueille. Rannikkoalueista Satakunnan maakunnan alueella on huomattavasti matalampi tulvaindeksi. Tämä saattaisi johtua jollain tavalla alueelta lähtevästä Suomenselästä, joka jakaa Suomen vesistöjen virtaussuuntia. Karkeasti jaettuna Satakunnan pohjoispuolella vedet virtaavat Pohjanlahden alueelle, kun taas sen eteläpuolelta ne virtaavat Suomenlahden puolelle.

Mielestäni sain karttaan valittua harmoniset ja selkeät värit ja sävyt. Suurta tulvaindeksiä kuvaava tumman sininen ja pientä kuvaava keltainen luo oikeankaltaisen ensivaikutelman siitä, missä tulvaindeksin vaihtelusta jo katsomatta legendan arvoja.  Karttaa olisi voinut kuitenkin parantaa ainakin siirtämällä pylväsdiagrammeja parempiin kohtiin, jolloin kartan luettavuus ja selkeys olisi parantunut, mutta tämä ei ollut mahdollista ainakaan helposti pelkästään MapInfoa käyttäen.

 

Lähteet:

Paarlahti, A. (2015). Afrikkaa ja konflikteja. <https://blogs.helsinki.fi/pak-2015/> Luettu 4.2.2015.

Salminen, T. (2015). Kurssikerta 3: Datan pyörittelyä ja liikaa liikkuvia kuvia. <https://blogs.helsinki.fi/tiisalmi/> Luettu 5.2.2015.

Seppälä, O. (2015). Afrikasta opiskelijan unohduksiin. <https://blogs.helsinki.fi/outisepp/> Luettu 5.2.2015.

 

Kurssikerta 2 (20.1.2015)

Toisella kurssikerralla tutustuimme tarkemmin tapoihin luoda teemakarttoja MapInfon avulla. Erityisesti keskityimme opettelemaan kahden eri teeman yhdistävän moniteemaisen kartan tekoa. Usein toinen kahdesta teemasta esitetään koropleetti- tai muun aluekartan tavoin väri- tai rasteripinnoilla ja toinen useilla erilaisilla tavoilla, esimerkiksi ympyrä- tai pylväsdiagrammeina. MapInfolla karttoja voi myös luoda jopa kolmiulotteisiksi. Moniteemaisen kartan voi tehdä myös käyttäen molempia teemoja aluekartan tavoin, jolloin kartan valmistuksessa täytyy kuitenkin olla hyvin huolellinen, jotta kartasta tulisi luettava. Tästä aiheesta luimme yhden artikkelin, josta kerron myöhemmin blogitekstissäni.

Tehtävänämme oli valmistaa yksi kaksiteemainen kartta vapaavalintaisesta aiheesta. Valitsin yhdeksi teemakseni SOTKAnet-palvelun aineistoista 100 vuotta täyttäneiden lukumäärät maakunnittain ja sen pohjalle toiseksi teemaksi maakuntien väkiluvut. Halusin nähdä vaikuttaako väestönmäärä 100 vuotta täyttäneiden yleisyyteen vai jotkin muut tuntemattomat tekijät.

Väkilukujen histogrammin (kuva 1) muoto oli hyvin epämääräinen ja lisäksi aukkoinen.  Luonnollisten luokkavälien perusteella tehty kartta näytti parhaimmalta, minkä vuoksi valitsin sen aineiston luokkajaoksi. Se myös jakoi aineiston luontevasti hyväksikäyttäen sen aukkokohtia.

väkiluku maakunnissa histogrammi
Kuva 1. Maakuntien väestömäärien histogrammi

Väkiluku ja 100-vuotiaat

Kuva 2. 100-vuotta täyttäneiden jakautuminen ja väkiluvut maakunnittain. (Lähde: SOTKAnet)

Kartasta (kuva 2) voi nähdä, että kaikista vähiten väestöä on Ahvenanmaalla, Keski-Pohjanmaalla ja Kainuussa. Näistä kolmesta kuitenkin Keski-Pohjanmaalla on enemmän 100 vuotta täyttäneitä henkilöitä kuin Ahvenanmaalla ja Kainuussa. Kaikista eniten 100 vuotta täyttäneitä oli Uudellamaalla, jossa väestöäkin on ylivoimaisesti eniten.

Kartan perusteella on havaittavissa selvästi, että 100 vuotta täyttäneiden henkilöiden määrät ovat suurempia siellä missä väestöä on muutenkin enemmän ja pienempiä siellä missä väestöä on vähemmän. Havainto on järkevä, sillä aineistot perustuvat todellisiin määriin eikä suhteutettuihin lukuihin. On johdonmukaista, että alueilla, jossa väestöä on paljon on myös suurempi mahdollisuus suurempaan määrään 100-vuotiaita.

Samoihin väkilukuluokkiin sijoittuvien maakuntien 100-vuotiaiden määrät ovat myös suurin piirtein saman suuruiset. Täten voi päätellä ettei Suomen sisällä ole suuria alueellisia eroja 100-vuotiaiden esiintymisessä, mikäli määrät suhteutettaisiin alueiden koko väestömäärään.

Artikkeli 1

Tutustuimme myös vuonna 2006 Geografijassa julkaistuun Anna Leonowiczin artikkeliin Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Artikkeli käsitteli kaksiteemaisten koropleettikarttojen käytön ja valmistuksen mahdollisuuksia ja haasteita niin kartantekijän kuin sen lukijankin näkökannalta. Siinä erityisesti keskityttiin sellaisiin kaksiteemaisiin koropleettikarttoihin, jossa kumpaakin teemaa havainnollistetaan kartalla värein. Kaksiteemaisia koropleettikarttoja verrattiin yksiteemaisiin ja niiden eroja käytössä pohdittiin. Artikkeli on kirjoitettu englanniksi, mutta kohtuullisen helpon oloisella kielellä, joten sen ymmärtäminen oli helpohkoa pienen alkukankeuden jälkeen. Myös asiat oli esitetty artikkelissa johdonmukaisesti, mikä helpotti ymmärtämistä ja perässä pysymistä. Mielestäni artikkeli oli mielenkiintoinen ja sen jaksoi helposti lukea.

Kaksiteemaiset koropleettikartat tuovat kartografiaan uusia keinoja ilmentää kahden eri ilmiön suhteita toisiinsa ja nähdään monenkaltaista tietoa yhdestä kartasta. Hyvin suunniteltu ja toteutettu kaksiteemainen koropleettikartta on tehokkaampi kuin tavallinen koropleettikartta kun esitetään tilallisia suhteita. Tämän tyyppiset teemakartat ovat mielenkiintoisia ja informoivia, mikäli kartoista vain osataan tehdä selkeitä ja helposti ymmärrettäviä. Oikeanlaisten värien ja luokkien valinnat vaikuttavat suuresti kartan selkeyteen.

Artikkelissa on yksi kaksiteemainen koropleettikartta Mazowszen alueelta Varsovan ympäristöstä. Kartan legenda on hyvin omalaatuinen ja samalla hyvin kekseliäs. Kummallakin teemalla on kolme luokkaa, jolloin erilaisia teemojen vahvuusasteiden kombinaatioita syntyy yhdeksän kappaletta. Legenda on tehty ruuduttamalla neliö yhdeksään alueeseen teemojen luokkajakojen mukaan ja niiden värit liukuvat ruudusta toiseen. Legendaan on liitetty pistein myös alueiden sijainnit luokkajaossa, jolloin on nähtävissä montako aluetta mihinkäkin luokkajakoon sisältyy. Legendan lukemiseen ja ymmärtämiseen täytyy käyttää kuitenkin paljon enemmän aikaa kuin perus koropleettikartan legendaan, sillä se on paljon monimutkaisempi kokonaisuus.

Kaksiteemaista koropleettikarttaa oli mielestäni hankala hahmottaa aluksi. Karttaa ja sen legendaa tuli tutkia pitkään ennen kuin kartta alkoi kunnolla avautua. Karttaan valitut väritkin hämäsivät. Punertava violetti erottuu mielestäni kaikista parhaiten kartasta, vaikka se ei edustakaan arvoiltaan kaikkein vahvimpaa luokkaa, ja samalla väri, joka kuvastaa kummankin teeman korkeimman luokan kombinaatiota, näyttää enemmänkin pelkästään tumman siniseltä kuin kummankin teeman värien yhdentymältä.

Lähteet:

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

SOTKAnet. Tilasto- ja indikaattoripankki. (2015). 100 vuotta täyttäneet, lkm 31.12. . Luettu 21.1.2015.

Kurssikerta 1 (13.1.2015)

Uusi vuosi ja uudet kurssit. Nyt kolmannessa periodissa alkoi paikkatiedon hankinta, analyysi ja kartografia -kurssi, jossa tutustumme geoinformatiikan saloihin mm. Mapinfon avulla. Tarkoituksena on opetella tekemään karttoja ja analysoida niitä sekä muuta kurssilla oppimaamme omassa blogissamme, eli täällä.

Kurssin ensimmäisellä kerralla kertasimme ja opettelimme jo ensimmäisessä periodissa tutuksi tulleen MapInfon perustoimintoja ja käyttöä. Kävimme läpi joitain yksinkertaisia mutta tärkeitä perustoimenpiteitä läpi, jotta osaisimme käyttää ohjelmaa monipuolisesti ja tehokkaasti.  Harjoittelimme myös teemakarttojen muodostusta valmiiden aineistojen ja karttapohjien avulla. Teimme aluksi koropleettikartan Helsingin kaupunginosien muunkielisten (eli ei suomea tai ruotsia pääkielenään puhuvien) henkilöiden prosentuaalisista osuuksista sekä sen  jälkeen vapaavalintaisen teemakartan (kuva 1), jonka tein koko Suomen kuntien korkeakoulutettujen prosentuaalisten osuuksien mukaan.

 

Kuva 1. Korkea-asteen tutkinnot kunnan asukaslukuun suhteutettuna. Lähde: Tilastokeskus.

Korkea-asteen tutkintojen prosentuaaliset määrät vaihtelevat kunnittain hyvinkin paljon: noin kymmenestä prosentista yli 50 prosenttiin. Pienimpiä ja kaikista suurimpia arvoja oli kuitenkin määrällisesti pienellä määrällä kunnista.  Vaihtelua kouluttautuneisuudessa on nähtävissä erityisesti alueellisesti. Eniten korkeasti koulutettuja on siellä, missä on korkeaopiskelupaikkojakin, kuten Oulussa, Rovaniemellä, Kuopiossa, Jyväskylässä, Vaasassa ja Tampereen, Turun sekä Helsingin ympäristössä. Korkeakoulutetut jäävät yleensä opiskelukaupunkiinsa tai johonkin muuhun kaupunkikeskukseen paremman työllistymisen vuoksi. Prosentuaalisesti vähiten korkeasti koulutettuja on  etenkin Kainuussa ja Pohjois-Pohjanmaan pohjoisosissa, sillä näillä alueilla ei luultavasti ole tarjolla yhtä monipuolisesti työllistymismahdollisuuksia korkeasti koulutetuille.

Koska kartan aineistona on käytetty suhteellisia arvoja eli prosentuaalisia osuuksia koko kunnan väestömäärään verrattuna, pystytään eri kuntia vertailemaan. Se voi kuitenkin antaa helposti jollekulle käytäntöä tietämättömälle sellaisen kuvan, että kahdessa kunnassa, jotka saavat samankaltaisen prosentuaalisen arvon tai ovat samassa luokkajaon luokassa, olisi määrällisesti saman verran korkeasti koulutettuja. Todellisuudessa määrällinen ero voi olla hyvinkin suuri, esimerkiksi 1000 asukkaan kunnalle tarvitaan vain 300 korkeasti koulutettua, jotta heitä olisi 30 % kunnan väestöstä, kun taas 600 000 asukkaan kunnalle tarvitaan 180 000 korkeasti koulutettua, jotta sama 30 % täyttyisi.

Oikeanlaisen luokkajaon valitseminen teemakartalle ei aina ole niin helppoa kuin sen ajattelisi olevan ja sen valitseminen aiheuttikin ehkä eniten päänvaivaa.  Jaoin aineiston luonnollista luokkajakoa käyttäen, sillä sen tulos kartalla miellytti silmää eniten, sekä luokkien arvot olivat kohtuullisia. Kartasta näkee selkeästi kuntaryhmittymiä, joissa korkeasti koulutettuja on enemmän ja joissa vähemmän.

Luokkajako kartassa ei ole kuitenkaan ehkä kaikista paras mahdollinen. Tarkastelin histogrammia (kuva 2) vasta kartan tehtyäni. Aineisto oli jakaumaltaan vino sekä jokseenkin myötäili myös normaalisti jakautuneen histogrammin mallia,  joten histogrammin mukaan luultavasti kvantiili luokkajako olisi ollut ideaalisempi vaihtoehto karttaan kuten  samasta aiheesta karttaa tehnyt Julia Koskinen oli myös päätellyt bloginsa postauksessa Ensimmäinen kurssikerta. Histogrammia tulisi tarkastella aina luokkajakoa päätettäessä ja ennen kartan valmistusta, eikä sen jälkeen. No, eiköhän sitä joskus opi muistamaan. Kuitenkin kun verrataan valmistamaani luonnollista luokkajakoa noudattavaa karttaa Koskisen kvantiilia luokkajakoa noudattavaan karttaan, ei luokkajako tässä tapauksessa muuttanut kartan ulkonäköä kovin dramaattisesti.

 Kuva 2. Histogrammi korkea-asteen tutkintojen prosentuaalisista osuuksista kunnissa

Lähteet:

  • Koskinen, J. (2015). Ensimmäinen kurssikerta. <https://blogs.helsinki.fi/juliakos/> Luettu 21.1.2015.