Seitsemännen ja viimeisen kurssikerran tarkoituksena oli tuottaa itsenäisesti karttaesitys, jonka tuottamiseen on käytetty kurssilla opittuja taitoja. Itse päädyin tekemään neljä erilaista teemakarttaa Afrikasta.

Aineiston hankinta

Olisin ensin tehnyt jotakin jännittävää ja uskomatonta Saksasta, mutta osavaltioita ei ollut tarpeeksi. Sen jälkeen kokeilin Ranskaa, mutta puuttuva kielitaito esti tehokkaasti kyseisen maan tilastokeskuksen sivujen käytön. Näin ollen päädyin Afrikkaan, koska valtiotasolla tietoa kyllä saa ja yleensä myös ymmärrettävällä kielellä. Afrikassa on kyllä valtioita hieman enemmän kuin vaaditut 20-30, mutta eipä se pahemmin häirinnyt. Alkuperäinen suunnitelmani oli käyttää kolmannella kurssikerralla käytettyjä aineistoja ja yhdistää niihin uusia tietoja ja tehdä sitten vertailua, että vaikuttaako vaikkapa timanttikaivosten lukumäärä bruttokansantuotteeseen henkeä kohden. Loppujen lopuksi koin kuitenkin itse keräämäni tiedot mielenkiintoisemmiksi ja tein vain niiden pohjalta karttoja.

En löytänyt Internetin ihmemaailmasta tarpeeksi nopeasti haluamaani aineistoa Excel-tiedostona, joten päätin koostaa aineistoni ite. Käytin CIA:n World Fact Book:ia, josta keräsin tiedot väkiluvusta, väestörakenteesta, uskonnosta, BKT:sta kokonaisuutena sekä henkeä kohden, alle köyhyysrajan elävistä ihmisistä, kaupungistumisasteesta, lapsikuolleisuudesta ja eliniänodotteesta. Näpyttelin tiedot Exceliin käsityönä, joten aikaa kului todennäköisesti enemmän kuin valmiin tietokannan tai tiedoston etsimiseen. Kuitenkin itse tehtäessä saa juuri sellaisen kuin haluaa ja tarvitsee. Tässä tapauksessa siis tiedot ovat suoraan vietävissä MapInfon paikkatietokannaksi. Lisäksi käytin maiden englannin kielisiä nimiä, joita käytettiin myös kolmannella kurssikerralla.

Aineistosta

Pidän CIA:ta varsin luotettavana tiedon välittäjänä, minkä takia valitsin kyseisen sivuston lähdeaineistokseni esimerkiksi Wikipedian sijasta. Suurin osa tiedoista on vuodelta 2011, mutta joissakin tapauksissa aiemmilta vuosilta. Esimerkiksi Libyan tiedoista osa on vuodelta 2010 ja osaa tiedoista ei edes ole. Oletan tämän johtuvan vuonna 2011 alkaneesta sisällissodasta, joka on muuttanut tietoja sekä vaikeuttanut tietojen keräämistä. Lisäksi Etelä-Sudania ei kartassani ole esitetty, vaan sen kaikki tiedot on yhdistetty Sudanin kanssa. Näin siksi, ettei kyseisestä valtiosta vielä ollut kaikkia tietoja ja lisäksi Sudanin tiedot lähteessäni sisälsivät myös Etelä-Sudanin tiedot. Halusin kuitenkin tehdä vertailua kaikkien valtioiden välillä, mikäli se on mahdollista, joten käytin eri vuosien tietoja. En näe tätä erityisen pahana asiana, sillä vuodessa valtioiden talous tai väestömäärä ei yleensä koe järjettömän suuria muutoksia. Tämän tekstin loppuun laitan vain yhden lähteen CIA:n sivuille, mutta liitän mukaan myös mahdollisuuden tarkastella Word-tiedostoa, johon laitan yksityiskohtaiset lähteet. Lisäksi laitan myös tekemäni Excel tiedoston ladattavaksi, mikäli joku haluaisi sitä tutkia tai mahdollisesti käyttääkin.

Liittäminen MapInfoon

Hankin kyllä bittimuotoisen kartan Afrikasta, mutta opettajan luvalla käytin kolmannella kurssikerralla käsiteltyä paikkatietoaineistoa. Tarkemmin ottaen sitä Afrikka-tietokantaa, josta poistimme turhia rivejä yhdistämällä valtiot kokonaisuuksiksi, eli käyttämässäni tietokannassa oli vain valtioiden nimet ja tunnistusnumerot sekä sijaintitiedot. Toin tekemäni Excel-tiedoston MapInfoon omaksi tietokannakseen ja nopealla tietokanta liitoksella liitin nämä kaksi tietokantaa yhteen. Äärimmäisen helppoa ja nopeaa kun alkuvalmistelut oli tehty huolella, sillä liitin tietokannat toisiinsa maiden nimien perusteella ja nehän täsmäsivät jo alusta asti. Koska en piirtänyt mitään itse, tein yhden kartan sijasta neljä, jotta työmääräni vastaisi jollakin tasolla karttansa piirtäneiden työmäärää. Uskoisin päässeeni kohtalaisen samoihin lukemiin, kun ottaa huomioon Excel-tiedoston koostamiseen (n. 3h) ja kurssikerralla käyetyn (n.2,5h) ajan ja lisäksi kirjoittamiseen kuluvan ajan.

Kartoista yleisesti

Käytin kaikissa kartoissani pohjana koropleettikarttaa ja sen päällä graduated pistekarttaa, jossa pisteen koko siis muuttuu arvoon nähden liukuvasti, eikä luokissa. Valitisin kaikkiin karttoihin gratuated symboleiksi pisteen, koska mielestäni sen koon muuttuminen on kaikista helpoimmin hahmotettavissa. Karttojen värimaailmat eroavat toisistaan, jotta kartat olisi helppo erottaa nopealla vilkaisulla värityksen perusteella. Samojen elementtien käyttäminen kuitenkin luo yhtenäisyyttä ja mielestäni helpottaa vertailua. Olisin mielelläni käyttänyt kahden muuttujan koropleettikarttaa, mutta en saanut siitä erityisen luettavaa joten tyydyin perinteisempään esitystapaan. Kartoillani ei ole näkyvissä nimistöä, sillä elän harhaluulossa, että jokainen tätä blogia lukeva henkilö, eli siis kohderyhmäni, osaa nimetä Afrikan valtiot ulkomuistista. Mikäli kohderyhmäni olisi jokin muu, vaikkapa peruskoululaiset, niin olisin toki laittanut nimistön näkyviin.

Tulkintaa kartoista ja kartoilta

Kuva 1. Kartta 1, Afrikan valtioiden väkiluku ja 0-14 vuotiaiden osuus

Kartta yksi on varsin riemunkirjava esitys Afrikan valtioiden väkiluvusta graduated symbolilla ja 0-14 vuotiaiden osuudesta koropleettina. Koropleetissa on kolme luokkaa, jotka on muodostettu luonnollisia luokkavälejä käyttämällä. Luokkia on vain kolme, koska erot ovat pienet ja useammat luokat loisivat mielestäni liioitellun kuvan alueellisista eroista. Graduated ympyröissä jouduin käyttämään logaritmista luokittelutapaa, koska muuten kartalla näkyisi vain Nigerian väkiluku. Nigerian 180 miljoonaa asukasta on tuplasti niin paljon kuin seuraavana tulevan Etiopian 93 miljoonaa asukasta, joten väkiluvultaan pienempien valtioiden symbolit olivat muilla luokittelutavoilla liian pieniä luettaviksi.

Väkiluvultaan suurimmat valtiot näyttäisivät sijoittuvan varsin satunnaisesti ympäri mannerta sen sijaan, että ne olisivat toistensa naapurimaita. On pakko myöntää, että yllätyin kun huomasin Nigerian olevan väkirikkain valtio, olisin kysyttäessä todennäköisesti veikannut Kongoa väkiluvultaan suurimmaksi. Maat, joissa lasten osuus on pienintä näyttäisivät sijoittuvan aivan Pohjois- ja Etelä-Afrikkaan, lasten osuuden ollessa Keski-Afrikassa suurinta. Tässä en kokenut yllätyksiä, sillä vauraammissa maissa ihmiset elävät pidempään ja hankkivat vähemmän lapsia, jolloin lasten osuus väestöstä pienenee. Teoriaani tukee myös seuraavana esittelemäni kartta Afrikan valtioiden bruttokansantuotteesta.

Kuva 2, histogrammi BKT:n jakautumisen arvoista

Kartta kaksi on vihertäväsävyinen kartta Afrikan valtioiden bruttokansantuotteesta miljardeina dollareina koko maata kohden sekä henkeä kohden dollareina. Bkt henkeä kohden on esitetty koropleettina ja siinä on neljä eri luokkaa. Kuten kuvasta 2 näkyy, on jakauma vino ja vinoihin jakaumiin sopii luokitteluksi kvantiilit tai omat luokkarajat. Päädyin kerrankin käyttämään ihan itse väännettyjä rajoja, koska siten sain mielestäni parhaiten erot näkyville. Mielestäni alueet erottuvat toisistaan hyvin, graduated symboli erottuu taustastaan ja karttaelementit ovat paikoillaan. Tokihan värisävyjen ja objektien sijaintien hienosäätöön voisi käyttää tuntikausia, mutta olen jo hyväksynyt ettei MapInfo ole tai tule ikinä olemaan piirto-ohjelma, joten lopputulos on kelvollinen.

Kuva 3. Kartta 2, Afrikan valtioiden BKT

Ylimpään BKT-henkeä kohden luokkaan kuuluvat maat löytyvät aivan etelästä ja läntiseltä Keski-Afrikan rannikolta, joiden lisäksi pohjoisessa oleva Libya kuuluu ylimpään luokkaan. Toiseksi ylimpään luokkaan kuuluvat valtiot ovat sijoittuneet ylimmän luokan valtioiden ympärille. Näin ollen Afrikan keskellä ja itä- ja länsirannikoilla on lähinnä kahden alimman luokan valtioita. Kahteen alimpaan luokkaan kuuluu yhteensä 36 valtiota kun taas kahteen ylimpään luokkaan kuuluu vain 16 valtiota. Jos verrataan nyt tekemääni karttaa kolmannella kurssikerralla tekemääni karttaan, jossa näkyvät öljylähteet ja timanttikaivokset Afrikassa, niin huomataan, että maissa joissa BKT on suuri, on myös öljylähteitä tai timanttikaivoksia. Tämä ei ole ollenkaan yllättävää, sillä timantit ja öljy ovat arvokkaita ja tuovat siten maahan varallisuutta. Varallisuus ei kuitenkaan välttämättä jakaannu aina tasaisesti. Eli vaikka valtion bruttokansantuote kokonaisuudessaan olisi suuri ja henkeäkin kohden kohtuullinen, voi osa kansasta silti elää alle köyhyysrajan. Seuraava karttani käsittelee juuri tätä ilmiötä.

Kuva 4, kartta 3, Afrikan valtioiden BKT ja alle köyhyysrajan elävät ihmiset

Kolmas kartta esittää Afrikan valtioiden kokonaisbruttokansantuotetta jo totutuilla graduated ympyröillä ja alle köyhyysrajan elävien ihmisten osuutta koropleettina. En ole tyytyväinen karttojen väritykseen, sillä se tuntuu jossain määrin liian räikeältä, eivätkä kaksi ylintä sävyä välttämättä erotu toisistaan jos näyttö on huono. Lisäksi legendasta puuttuu yksi luokka, eli valkoinen ”no data”. Tällä kurssikerralla tekemistäni kartoista tämä on mielestäni huonoin. Luokat ovat noin suurinpiirtein yhtä suuret, mutta oikeasti ne ovat sovinnaiset pyöristetyt luokkavälit, eli suomeksi tein ihan itse. Mielestäni tällä luokkajaolla tulee hyvin esille, että Afrikassa on todella paljon alle köyhyysrajan eläviä ihmisiä.Tässä tapauksessa köyhyysraja vaihtelee valtioittain siten, että rikkaimmilla valtioilla köyhyyden määritteleminen on höllempää kuin köyhissä valtioissa (CIA 2012).

Kartasta käy ilmi, että suurimmassa osassa Afrikan valtioita 40-80 prosenttia ihmisistä elää alle köyhyysrajan. Ainoastaan Tunisiassa ja Marokossa alle 20% ihmisistä elää alle köyhyysrajan, joskin sekin on jo aika paljon. Korrelaatiota BKT:n ja alle köyhyysrajan elävien ihmisten osuudella näyttäisi olevan jonkin verran siten, että mitä pienempi kokonais BKT, sitä suurempi osa kansasta on köyhiä. Tämä ei sinänsä ole yllättävää, sillä jos valtiolla ei ole paljoa niin sitä harvemmin on tavallisilla kansalaisillakaan. Nigerian BKT on yksi suurimmista, mutta silti 70% sen kansalaisista on köyhiä. Tämä selittynee sillä, että Nigeriassa on huomattavan paljon asukkaita, eikä raha jakaudu tasaisesti.

Kuva 5. Kartta 4, Afrikan valtioiden väkiluku ja lapsikuolleisuus

Neljäs ja toivottavasti viimeinen karttani esittää Afrikan valtioiden kaupungistumisastetta ja imeväiskuolleisuutta. Nämä kaksi ovat samassa kartassa siksi, että tahdoin nähdä olisko niillä mahdollisesti jotain yhteyttä. Oletukseni on siis se, että kaupungeissa on yleensä hiukan parempi hygienia ja enemmän sairaaloita kuin maaseudulla, joten kun enemmän ihmisiä asuu kaupungissa, niin myös useampi alle vuoden ikäinen lapsikin asuu kaupungissa. Kartassa olen jälleen käyttänyt graduated symbolia kuvaamaan imeväiskuolleisuutta (kuinka monta alle vuoden ikäisenä kuollutta on 1000 elävänä syntynyttä kohden) ja koropleetilla esitän kaupungistumisastetta. Kaupungistumisasteen luokittelua olisin voinut vielä miettiä, jotta saisin tuloksia paremmin esiin. Kartta on väritykseltään varsin vihreä ja mielestäni luettava. Joskin muutamat pienemmät maat, kuten Ruanda, Burundi ja Guinea Bissau hukkuvat lapsikuolleisuuden alle. Lisäksi legendasta hävisi muutama kirjain jonnekin, enkä saanut niitä takaisin.

Kaikista kaupungistunein maa on Gabon, jossa 86% väestöstä asuu kaupungeiss,  ja seuraavaksi kaupungistuneimmat ovat Libya ja Länsi-Sahara. Koen tuloksen aika yllättäväksi, sillä olisin odottanut esimerkiksi Etelä-Afrikan tai Egyptin nousevan enemmän kaupungistuneiksi. Sen sijaan vähiten kaupungistuneet maat eivät erityisemmin yllätä. Osa maista sijaitsee Saharan alueella, osa taas Itä-Afrikan hautavajoaman alueella ja näiden alueiden vaikeisiin olosuhteisiin on toimivia kaupunkeja hiukan hankala rakentaa. Vertailtaessa ensimmäisenä esittämääni väestökarttaa ja tätä karttaa voidaan huomata, että ainakin kolmessa ylimmän kaupungistumisluokan valtiossa väestön määrä on suhteessa pieni, mutta muissa luokissa en ainakaan itse havaitse erityistä korrelaatiota. Jossain määrin olisin olettanut, että maissa joissa on paljon ihmisiä olisi enemmän kaupunkeja ja siten suurempi kaupungistumisaste. Lisäksi jos vertaillaan BKT:ta ja kaupungistumista, niin huomataan, että  maat joissa BKT on suuri on myös kaupungistumisaste vähintäänkin kohtalaisen suuri. Voisiko tämä kertoa siitä, että köyhemmissä maissa ihmisillä ei ole varaa asua kaupungissa, vaan on asuttava maaseudulla ja mahdollisesti viljeltävä peltoja? Tai siitä, että pienemmän BKT:n maat ovat vähemmän kehittyneitä, jolloin niissä ei vain ole vielä kaupunkeja, mutta kaupungistuminen voi olla käynnissä?

Imeväiskuolleisuus ei näyttäisi olevan suoraan suhteessa valtion väkilukuun. Esimerkiksi Egyptissä väkiluku on suuri, mutta imeväiskuolleisuus pieni ja Malissa väkiluku on kohtalainen, mutta imeväiskuolleisuus suuri. Tämän lisäksi löytyy esimerkiksi Botswana ja Libya, joissa molemmissa väkiluku on pienehkö, mutta niin on imeväiskuolleisuuskin. Olettaisin imeväiskuolleisuuden olevan eniten sidoksissa muihin esittämiini ilmiöihin kuin ne ilmiöt toisiinsa. Esimerkiksi BKT vaikuttaa maan talouteen ja siihen, onko maalla varaa rahoittaa jonkinlaisia sairaalapalveluita, vai pitääkö kaikki hankkia yksityiseltä. Lisäksi alle köyhyysrajan elävien ihmisten määrä vaikuttaa siten, että mitä useampi on köyhä niin sitä useampi lapsi syntyy köyhään perheeseen. Köyhässä perheessä taas ei välttämättä ole varoja tai mahdollisuuksia ruokkia tai hoitaa lasta, jolloin helpostikin hoidettavissa oleva tauti, kuten ripuli, voi olla tappava, jolloin imeväiskuolleisuus kasvaa.

Yhteenvetoa aiheesta

Karttojeni perusteella väittäisin, että Pohjois-Afrikalla menee yllättävän hyvin, ja ainakin paremmin kuin mitä oletin. Erityisesti Libyalla näyttäisi menevän paremmin kuin suurimmalla osalla naapureistaan. Jääkin mielenkiintoiseksi seurata, millaiseksi Libya kehittyy kunhan saa sisällissotansa päätökseen. Jos siis saa. Sen sijaan itäisen ja keskisen Afrikan sijoittuminen lähes kaikissa ”huonoimpaan” luokkaan ei ollut yllättävää alueilla vallinneiden luonnonkatastrofien ja konfliktien takia. Lisäksi huomasin pitäneeni Etelä-Afrikkaa kehittyneempänä ja tavallaan ”parempana” valtiona kuin mitä se todellisuudessa on. Tämä voi johtua siitä, että olen ajatellut koko valtiota lähinnä valkoisten siirtolaisten asuttamien alueiden kautta. Omassa blogissaan Aino Matikainen on tutkinut Etelä-Afrikan alueellisia eroja, ja huomannut, että läntisissä osissa menee paremmin kuin itäisissä. Näin ollen kun tarkastellaan koko valtiota näyttäytyy se alueidensa keskiarvona, eikä vain parhaana mahdollisena. Lopputulos kurssikerrasta on siis se, että mikäli tekemistäni kartoista ei ole tieteelliselle yhteisölle mitään uutta ja mullistavaa hyötyä, niin ainakin opin itse uusia asioita. Vaikeinta tässä työssä oli päättää aihe ja sen jälkeen vaikeinta oli pysytellä edes jotenkuten järkevissä rajoissa, koska kaikkea ei ole mielekästä analysoida yhdessä ainoassa blogitekstissä.

Itsearviointia

Mielestäni viimeisin kurssikerta oli koko kurssin helpoin. Olettaisin tämän johtuvan siitä, että MapInfo alkaa viimeinkin olla noin suurinpiirtein hallussa, jolloin ylitsepääsemättömiä esteitä ei tule eikä pieniin juttuihin kulu tuhottomasti aikaa. TVT3-kurssin aikana GIS-osaamiseni on noussut nollatasolta aivan uusiin ulottuvuuksiin, teemakartan teko onnistuu jo siinä 30 sekunnissa, josta kurssin alussa mainittiin. Tosin lisäaikaa tulee kun pitää valita sopivat värit! Lisäksi lukiossa tuntemani syvä viha kaikkea geoinformatiikkaan liittyvää kohden on täysin kaikonnut ja tilalle on tullut päätös opetella vielä paremmaksi GIS-osaajaksi.

PS. Lempikomentoni MapInfossa on Close all!:)

Lähteet:

CIA. (2012). Population below poverty line  27.2.2012

https://www.cia.gov/library/publications/the-world-factbook/docs/notesanddefs.html#P

Matikainen, A. (2012). Seitsemäs ja viimeinen kurssikerta 18.3.2012

<https://blogs.helsinki.fi/ainooika/2012/02/27/seitsemas-ja-viimeinen-kurssikerta/>

Tämän linkin takaa löytyvät kaikki CIA World Fact Bookista tietokantaa tehdessä käyttämäni lähteet Word-tiedostona: http://dl.dropbox.com/u/67633997/KK7l%C3%A4hteet.docx

Tämän linkin takaa taas löytyy afrikkavaestodataa.xlsx http://dl.dropbox.com/u/67633997/afrikkavaestodataa.xlsx

Kuudennella kurssikerralla tutustuttiin GPS-paikantimeen, sillä kerättyjen tietojen esittämiseen kartalla, geokoodaamiseen ja pistemuotoiden tiedon tuottamiseen kartalle. Kurssikerran blogitehtävänä oli tuottaa kolme mielellään erilaista karttaa maanjäristyksistä, ja arvioida niiden soveltuvuutta opetusmateriaaliksi.

Kurssikerrasta lyhyesti

Oman osaryhmämme kanssa kartoitimme Kumpulan kampuksen lähialueiden suojateitä. Kaikki meni muuten varsin hyvin, mutta koordinaatteja Exceliin kirjatessa tuli pieni näppäilyvrihe, jonka seuraksena puolet suojateistä sijaitsivat jossain Mikkelin suunnalla. Tästä opimme, että aineisto kannattaisi tarkistaa ainakin kerran, ennen kuin epäilee virhettä paikkatieto ohjelmassa. Muuten varsin näppäriä ja helppoja toimintoja.

Maanjäristyskartoista

Tein kolme erillistä karttaa yli 7,0, yli 8,0 ja yli 9,0 richterin maanjäristyksistä 13.5.1992 alkaen kurssikerran päivämärään 22.3.2012 asti. Kyseiset päivämäärät valitsin lähinnä huvikseni  ja nähdäkseni suurinpiirtein montako suurehkoa maanjäristystä elinaikanani on tapahtunut. Mikäli todella käyttäisin näitä karttoja opetukseen, olisin valinnut jonkin toisen ajanjakson, vaikkapa viimeiset 5 tai 10 vuotta tai sitten oppilaiden elinajan. Karttoina nämä kolme ovat ihan ok, mutta eivät todellakaan parasta tasoani. Maailmankartassa pohjoisnuolta ei tarvita, mutta mittakaava ja legenda olisivat silti varsin mukavat, mikälie aivopieru ollut kun jääneet laittamatta. Kartassa tosin on vain yksi symboli, joten pienellä arvailulla tarkoituksen voinee saada selville. Värit ovat sentään toimivat! Sininen meri on looginen ja mantereet mukavan haalean tasavärisiä, joten punaiset vinoneliöt, jotka symboloivat järistyskeskuksia erottuvat hyvin.

Kuva 1, yli 7,0 Richterin maanjäristykset

Kuva 2, yli 8,0 Richterin maanjäristykset

Kuva 3, yli 9,0 Richterin maanjäristykset

Ilmiöstä

Mielestäni kartoilta käy varsin hyvin ilmi, että mitä heikompi maanjäristys niin sitä useammin saman tasoisia esiintyy. Yli 9 richterin järistyksiä on vain kaksi viimein 20 vuoden aikana, mutta yli 7 ricterin järistyksiä on jo useampi sata. Alle seitsemän richterin järistyksiä taas oli niin paljon, että käytössä olevat ohjelmat eivät kyenneet käsittelemään niiden määrää vaan kaatuivat. Mieluiten en opettaisi näiltä kartoilta, vaan tekisin uudet ja paremmat tai käyttäisin muuta materiaalia.

Kurssikerran tehtävänä oli myös etsiä maanjäristyksiin tai muihin niihin liittyviin ilmiöhin jonkinlaista visualisointia, eli karttoja tai kuvia. Etsintäretkelläni törmäsin mielestäni todella hyvään karttaan, jonka tekijäkin löytyy yllättävän läheltä. Tässä(https://blogs.helsinki.fi/annaylin/files/2012/02/maanjaristukset.jpg) Anna Ylisen tällä kurssikeralla tekemässä kartassa näkyvät yli 6 magnitudin maanjäristykset viimeisen kolmenkymmenen vuoden ajalta. Ylinen itse kertoo kartastaan näin:” Halusin myös esittää kaikki erisuuruiset maanjäristykset samalla kartalla, sillä minusta tällöin asian informaatio on selkeämpi. Esiintyneet järistykset on kuvattu omilla väreillään ja vielä niin että tuhoisammat esitetty hälyttävällä punaisella, pienemmät neutraalilla keltaisella ja kaikkein vaarattomimmat lähes positiivista kuvaavalla vihreällä värillä.” Mielestäni Ylinen on tehnyt karttansa kanssa todella hyvää työtä, ja siksi valitsin sen yhdeksi tämän kurssi kerran vertailukohteistani.

Kartoiltani pystyisi (jos olisi pakko) maanjäristysten lisäksi opettamaan joitakin laattarajoja, tai ainakin pystyisi laittamaan oppilaat arvamaan missä laattojen rajat voisivat mahdollisesti sijaita. Tältä (http://johomaps.com/world/worldtecton.html) kartalta saa kuitenkin huomattavasti paremman kuvan litosfäärilaatoista, niiden rajoista ja eri rajatyypeistä. Maanjäristyksiin liittyy liitosfäärilaattojen lisäksi usein myös vulkaanista toimintaa, joten tässä erittäin mukava interaktiivinen kartta maailman tulivuorista: http://www.cccarto.com/volcanofinder.html .

Yhteenveto

Kurssikerralla tuli opittua monta uutta ja hyvää keinoa MapInfon ja muiden paikkatieto-ohjelmien kanssa työskentelyyn. Maanjäristyskartat eivät olleet erityisen onnistuneita, mutta ainakin perusasiat ovat jokseenkin kunnossa. Lisäksi tiedän maanjäristyksistä, laattatektoniikasta ja vulkanismistä yleisesti aika paljon, kun aihe on ihan pienestä asti kiinnostanut, joten tekstikin jäi hiukan yksitoikkoiseksi, kun suurin osa asioista tuntuu itsestäänselvyyksiltä.

Lähteet:

Tectonic Plates of the Earth (2012). 11.3.2012

<http://johomaps.com/world/worldtecton.html>

Volcano finder (2012). 11.3.2012

<http://www.cccarto.com/volcanofinder.html>

Ylinen, A. (2012). Kuudes kurssikerta – Pelikoneita ja maanjäristyksiä 11.3.2012

<https://blogs.helsinki.fi/annaylin/2012/02/21/kuudes-kurssikerta-pelikoneita-ja-maanjaristyksia/>

Viidennellä kurssikerralla tutustuttiin bufferointiin, eli suomalaisemmin puskurivyöhykkeisiin eli etäisyysvyöhykkeisiin. Tutustumisen jälkeen tehtiin joukko itsenäisiä tehtäviä ja jossain määrin pitäisi myös arvioida MapInfo-osaamista. Nyt on pakko myöntää, että kirjoitan tätä tekstiä kurssin viimeisenä iltana, joten tietouteni saattaa olla jossain määrin parempaa kuin viidennellä kurssikerralla muuten olisi.

Kurssikerran harjoituksista

Kurssikerralla vastailtiin harjoituksen vuoksi erilaisiin kysymyksiin koskien mm. lentomelua, juna-asemien läheisyydessä asuvia ihmisiä ja täysin itsenäisesti joko erästä koulupiiriä, pääkaupunkiseudun uima-altaita tai taloja, joissa putkiremontti on lähestymässä. Kysymykset lyhyesti vastauksineen löytyvät tästä taulukosta: kk5 – Copy

Itsenäisistä tehtävistä valitsin kolmannen eli koulut. Käsittelyssä oli Helsingin Yhtenäiskoulun koulupiiri ja siihen liittyvät väestölliset seikat. Kooltaan tämä koulupiiri on varsin pieni ja varsinainen koulurakennus sijaitsee osoitteessan Louhitie 3. Tämänkin tehtävän kysymykset ja vastaukset löytyvät tuosta edellisestä taulukosta. Tehtävää tehdessäni MapInfolla (ja käyttäjällä) oli huono päivä, joten asioihin meni hiukan tavallista enemmän aikaa. Tehtävät eivät kuitenkaan olleet täysin mahdottomia, joten järkevän oloisia tuloksia olen saanut. Tein nopean kyselyn, jolla sain tehtyä Helsingin Yhtenäiskoulun koulupiiristä oman tietokannan, johon sitten lisäsin sarakkeita, joihin päivitin tietoa pks_vaki.tab:in avulla.

Aineiston keruuhetkestä seuraavan vuoden ekaluokkalaisten laskemiseen käytin 6-vuotiaita, sillä oletettavasti he menivät seuraavana vuonna kouluun. Seuraavan vuoden yläasteikäisinä käytin aineiston 12-, 13-, ja 14-vuotiaita, jotka tietysti ovat seuraavana vuonna normaalissa yläasteiässä. Kouluikäisiin lapsiin ja nuoriin laskin 7-16-vuotiaat, koska Timo Säyrinen kertoo blogissan heidän olevan peruskouluopetuksen piirissä Opetus- ja kulttuuriministeriön nettisivujen mukaan.

Tulosten perusteella kyseinen koulupiiri on kokonsa lisäksi myös väestöltään varsin pieni, eikä valtavia ekaluokkalaisten ryhmiä ole odotettavissa.

Itsenäisten tehtävien perusteella MapInfo-osaamiseni on varsin hyvää, sillä ymmärsin uudetkin asiat nopeasti sille tasolle, että pystyin käyttämään niitä useamman viikon tauon jälkeen vaivattomasti ja ongelmitta. Tässä tekstissä pitäisi jollain tavalla perustella, että olen todella ymmärtäny mitä olen tehnyt. Kuitenkin perustelujen ja selvennysten keksiminen ja kirjoittaminen tuntuu haastavimmalta osuudelta, sillä tekemäni asiat tuntuvat jo erittäin yksinkertaisilta, rutiininomaisilta ja ennen kaikkea niin itsestään selviltä, joten erityistä maininnan arvoista kerrottavaa ei ole.

Mitä muuta kuin meluasteista bufferoimalla voisi selvittää?

Ainakin kauppojen järkevää sijoittelua oletetun asiakaskunnan perusteella, minkä mainitsee blogissaan Minttu Haapanen. Kartalle voitaisiin sijoittaa kaupan suunniteltu sijainti ja eri säteisillä buffeireilla voisi selvittää kuinka monta ihmistä ja mahdollista asukasta tietylllä etäisyydellä asuu. Näin ollen voitaisiin määrittää, onko kauppa järkevä perustaa suunniteltuun sijaintiin. Lisäksi Mikko Raninen mainitsee mahdollisuuden, että bufferointia voisi käyttää vaikkapa terrori-iskun suunnittelussa. Esimerkiksi valitsemalla jokin sijainti, johon pudottaa vaikkapa ydinpommi, voitasiin laskea kuinka monta ihmistä jäisi sen vaikutusalueelle. Tämän kaltainen bufferointi on kuitenkin lähinnä teoreettista, sillä esimerkiksi ydinpilven leviämiseen vaikuttavat vaikeasti ennakoitavat sääolosuhteetn, kuten Raninen muistuttaa.

Yksinkertaistettuna bufferointia voi käyttää koska tahansa, kun halutaan tietää jonkin kohteen vaikutus ympäristöönsä tietyllä säteellä. Pistemäisten kohteiden, kuten kauppa ja ydinpommi, lisäki voidaan esittää myös viivamaisten kohteiden, kuten teiden ja  tieliikenteestä johtuvien melun, päästöjen tai tiesuolan tai tärinän leviäminen ympäristöön. Myöskin alueiden, vaikka peltojen ravinteiden leviäminen veteen tai luonnonsuojelualueen reunavyöhykkeiden määrittäminen, onnistuu bufferoimalla. Viivat ja alueet vain vaativat enemmän kikkailua kuin helpot pistemäiset kohteet.

Arviota MapInfon toimintojen keskeisyydestä ja rajoittavista tekijöistä

Kuten alussa manitsin, niin kirjoitan tätä tekstiä koko kurssin viimeisimpänä tekstinä, joten harjoitusta on kertynyt hieman enemmän kuin tämän tehtävän yhteydessä muuten olisi.

Mielestäni keskeisintä MapInfon käytössä on ymmärtää tietokantojen käyttö. Eli siis niiden rakenne, muokattavuus ja hyödynnysmahdollisuudet. Tokihan osaava henkilö saa MapInfolla aikaiseksi päteviä karttaesityksiä nopeasti, mutta ohjelman suurimmat edut ovat enemmän tietokannoissa, sillä todistetusti MapInfo ei ole piirto-ohjelma, jolla jälki olisi viimeiseen asti hiottua ja nättiä. Tietokannoissa tärkeintä on niiden muokattavuus. Tietokannalla on tietty perusrakenne, jonka puitteissa asioita voi lisäillä, muokata ja poistaa, ja tietokantoja voi myös yhdistellä, sekä tietoa tuoda ohjelman ulkopuolelta. Näitä ominaisuuksia hyödyntäen MapInfosta saa eniten irti. Erilaiset kyselyt koen lähinnä tietokantojen muokkaamiseen tarkoitettuina toimintoina, en niinkään itseisarvollisesti keskeisiksi toimminnoiksi. Toki kyselyistä on hyötyä myös erilaisia alueita rajatessa, mutta alueet mudostuvat tietokantojen perusteella.

MapInfolla on nopeaa ja helppoa tuottaa erilaisia visualisointeja, joista voidaan sitten tulkita asioita. Myöskin joitakin tilastollisia tunnuslukuja pystytään laskemaan ja niiden lisäksi tietokantojen välillä voidaan laskea uutta dataa eri muuttujista, kunhan ohjelmalle kertoo tarkalleen mitä haluaa laskettavan.

Suurin MapInfon käyttöön vaikuttava tekijä on käyttäjä. Mikäli käyttäjä ei osaa asiaansa, ei MapInfosta ole juurikaan apua. Kurssin alussa tuskin kukaan meistä olisi pystynyt juuri mihinkään muuhun, kuin painelemaan avuttomana nappeja toivoen, että jotain tapahtuisi. Kuitenkin näin kurssin lopussa ainakin minä tunnen itseni varsin päteväksi MapInfon käyttäjäksi ja uskoisin osaavani hyödyntää suurinta osaa ohjelman toiminnoista. Käytettävissä oleva paikkatietoaineisto asettaa tietysti rajoja sille, että mitä voidaan laskea tai visualisoida. Kuitenkin paikkatietoa on kohtalaisen helppoa tuottaa myös itse, joten ylitsepääsemättömiä esteitä tuskin tulee erityisemmin.

Lähteet:

Haapanen, M. (2012). Kurssikerta 5 – Lohikäärme Puff, eiku?!. 18.3.2012

<https://blogs.helsinki.fi/minhaapa/2012/02/19/kurssikerta-5-lohikaarme-puff-eiku/>

Raninen, M. (2012). Kurssikerta 5. Bufferoi bufferoi bufferoi vaan… (jos osaat). 18.3.2012

<https://blogs.helsinki.fi/mraninen/2012/02/18/kurssikerta-5-bufferoi-bufferoi-bufferoi-vaan-jos-osaat/>

Säyrinen, T. (2012). Kurssikerta 5 – kohti soveltavaa geoinformatiikkaa. 18.3.2012

<https://blogs.helsinki.fi/sayrinen/2012/02/14/kurssikerta-5-kohti-soveltavaa-geoinformatiikkaa/>