Tämän kurssikerran aiheena, yllätys yllätys, MapInfoa ja karttaa. Tarkoitus oli luoda kartan päälle ruudukko ja liittää sen tietokantaan paikkasidonnaista tietoa, josta tehtäisiin lopulta ruututeemakartta. Aineistona oli siis erinäisiä tietoja asukkaista sisältävää tietoa rakennuksen tarkkuudella laskettuna. Liittämällä tiedot ruudukkoon, pystytään kartalla esittämään ruudukonmukaan laskettuja karttoja. Ruudukon kokoa voi muuttaa esitykseen sopivaksi. Ongelmana on ruudukon rajoille osuvat aineistot, jotka MapInfo laskee silloin kaikkiin niihin ruutuihin, joihin tämä aineisto sillä hetkellä osuu. Tämä aiheuttaa jonkun verran epätarkkuuksia tuloksissa, mutta harjoituksen perusteella ei kuitenkaan merkitsevästi.

Tässä harjoituksessa halusin tarkastella vastasyntyneiden eli 0-vuotiaiden määrää pääkaupunkiseudulla (Kuva 1.). Testasin lopputulosta 500 ja 250 metrin ruuduilla. Valitsin 250 metrin  ruudut, koska kartta näyttää silloin paljon yksityiskohtaisemmalta, ja kuten kartasta näkyy vaihtelu voi olla hyvin suurta vierekkäisten ruutujen kesken. 500 metrin ruudut tuntuivat yleistävän hieman liikaa.

Kuva 1. 0- vuotiaat pääkaupunkiseudulla

Aineisto oli todella vinosti jakautunut. Jaoin aineiston luonnollisiin luokkiin. Tämä jaottelutapa oli kaikista paras visuaalisesti, kvantiileilla kartta värjäytyi suurelta osin punaiseksi.

Päätin käyttää tunnilla käydyn esimerkin mukaan kartassa kahden eri värin teemakarttaa. Vihreän sävyt osoittavat vähäistä määrää ja määrän kasvaessa väri muuttuu punaiseksi. Kyseessä ei siis ole positiivinen ja negatiivinen asetelma tai kasvamista ja vähentymistä osoittava kartta. Kartan lukijan vastuulle jää legendan tutkiskelu ja värien arvojen oivaltaminen. Olen pitänyt yksivärisiä karttoja, joiden tummuus muuttuu arvojen myötä, selkeämpinä kuin kahden värin kartat. Nyt halusin kuitenkin kokeilla kahden värin sopimista kartalle. Näin pienellä ruudukolla yhden värin käyttö olisi tuonut ongelmia kartan tulkittavuuteen. Nyt siitä pystyy helposti tulkitsemaan missä on suuri määrä vastasyntyneitä ja missä vähemmän.

Helsingin kantakaupunki erottuu kartasta laajana punertavana alueena. Siellä siis vastasyntyneiden määrä on jotain välillä 6- 38 ruutua kohden. Muita vastasyntyneiden keskittymiä löytyy Vuosaaresta,Viikistä, Kartanonkoskelta, Myyrmäestä ja Leppävaarasta. Oona Kantele teki blogisssaan samanlaisia havaintoja pohtiessaan omaa karttaa alle kouluikäisistä: ” Kartalta on nähtävissä, että suurimmat alle kouluikäisten keskittymät sijoittuvat sinne, missä ihmisiä on joka tapauksessa eniten. Kantakaupungin lapsimäärän runsaus selittynee lähinnä yleisellä väestönrunsaudella tällä alueella”. Vaikka pisteitä näyttää olevan tasaisesti eteläisellä pääkaupunkiseudulla ja pääradan varrella Vantaalla, on hyvä huomata, että vastasyntyneitä on vain yhdestä kolmeen kahdella tummiman vihreän alueella. Asutut alueet, joilla ei ole vastasyntyneitä, eivät näy kartassa ollenkaan.

Lähteet:

Kantele, Oona (2014). Kurssikerta 4: Ruudukon lumo <https://blogs.helsinki.fi/okantele/2014/02/06/ruudukon-lumo/> Luettu 8.2.2014.

Kurssikerran tarkoituksena oli syventää osaamista MapInfo ohjelman kanssa. Tarkoituksena oli yhdistellä tietokantoja, tuoda tietoa excelistä sekä luoda itse uutta tietoa tietokantoihin. En päässyt pienryhmätunneille, joten kaikki tämä jäi itseopiskeluksi ja voin sanoa, että muutama kerta tuli kirottua MapInfo syvimpään maanrakoon. Moodlesta löytyneet ohjeet olivat melko hyvät, mutta pienemmät yksityiskohdat piti vain kokeilla itse. Vaikkakin tämä turhautti, niin se myös pakotti ymmärtämään ohjelmaan toimintaa ja logiikkaa eri tavalla, kuin olisi tunnilla seurannut klikki klikiltä, miten valmista syntyy.

Kun yhteinen kieli MapInfon kanssa löytyi, löytyi myös pieni oivaltaminen siihen, kuinka koko kokonaisuus toimii. Miten uutta tietoa tuotetaan, mitä ne tietokannat todellisuudessa on ja miten yhdistellä sekä tuoda tietoa muualta. Aikaisemmissa harjoituksissa tietokannat ovat olleet valmiina ja sieltä on vain poimittu tietoa kartan tekoon. Nyt sitten päästiin kurkkaamaan myös ”konepellin alle” ja katsomaan mistä se kaikki visuaalinen esitys kumpuaa. Vaikka ymmärrys ohjelman toimintaa kohtaan kasvaa, silti kaikki toiminnot ja valikkoklikkaukset eivät jää suoraan selkärankaa ja varmasti on tiedossa vielä paljon pään raapimista ja ohjeiden selailua.

Kurssikerran kartan aiheena oli tulvaindeksi ja järvisyys. Aineisto oli kolmessa eri osassa: kahtena MapInfo tietokantana ja yhtenä excel-taulukkona. Kaikki tiedot piti yhdistää yhteen MapInfo tietokantaan, laskea tiedoista tulvaindeksi (keskiylivirtaama jaettuna keskialivirtaamalla) ja luoda tästä koropleettikartta sekä excelistä tuodusta aineistosta järvisyysprosentti pylväinä (kuva1).

Tulvaindeksin histogrammi osoitti aineiston olevan vahvasti vinosti jaukautunutta. Kokeiluiden jälkeen päädyin esittämään aineiston punaisella värillä ja jaoin sen neljään yhtä suureen luokkaan, kvartiiliin. Jako on onnistunut. Kuvasta erottuu selkeästi rannikon tulvaherkät alueet sekä sisämaan vähemmän tuvaherkät alueet. Järvisyysprosentti näkyy kartalla vaaleansinisenä pylväinä. Tarkoituksena oli, että pylväät erottuvat mahdollisimman hyvin punaisesta taustasta.

Kuva 1. Suomen valuma-alueet ja niiden tulvaindeksi sekä järvisyysprosentit.

Mitä kartasta voi sitten nähdä? Selkeä yhteys rannikon pienen järvisyysprosentin ja suuren tulvaindeksin kanssa sekä sisämaan suuren järvisyysprosentin ja pienen tulvaindeksin kanssa. Tämä on loogista, järvet varastoivat ja  pidättävät vesiä. Alueilla, joissa järviä on vähän, vesi valuu suoraan jokiin aiheuttaen virtaamahuippuja. Vaikka Lapissa on pienet järvisyysprosentit niin siltikin tulvaindeksit ovat pienet. Tämä selittynee Lapin pienillä sademäärillä. Ja vaikka tulvaindeksin nimessä on sana tulva, on hyvä huomata, kuten Jasmin Bayar blogissaan kirjoittaa: ”Korkea tulvaindeksi ei välttämättä tarkoita tulvia alueella, vaan myös joen virtaaman suurta kasvua sateiden aikana ja lumien sulaessa. Tulviminen riippuu joen uomasta ja jos virtaava vesimäärä ylittää uoman.”

Tehtävänannossa oli myös toinen tehtävä, jossa piti pohtia, mitä pystyisi päättelemään Afrikan tietokannoista, joista löytyisi tietoa konfliktien tapahtumavuodesta ja laajuudesta, Timantti- ja öljykenttien löytymis- ja hyödyntämisvuodet sekä tuottavuusluokittelu ja internetkäyttäjien määrä eri vuosina.

Tietokannoista, joissa olisi tietoa tapahtumavuosista, voisi verrata esimerkiksi timantti ja öljykenttien eri vaiheita ja konfliktien yhteyttä toisiinsa. Kaivosten tuottavuusluokittelun ja internet käyttäjien määrää eri vuosina vertailtaessa voitaisiin yrittää selvittää, ovatko kaivokset vaikuttaneet internetkäyttäjien määrään, eli ovatko kaivokset nostaneet maan elintasoa (kuinka moni omistaa laitteen jolla pääsee internettiin). Tai voitaisiin verrata internetin käyttäjien määrän vaikutusta konfliktien laajuuteen.

Lähteet:

Bayar, Jasmin (2014). 3. Kurssikerta 28.01: Tietokantojen data <https://blogs.helsinki.fi/jasbayar/2014/01/28/3-kurssikerta-28-01-tietokantojen-data/> Luettu 6.2.2014

Syken Oiva-tietokanta, <http://wwwp2.ymparisto.fi/scripts/paikkatieto.asp>

Kurssikerran aiheena oli MapInfon muut teemakartat sekä kahden päällekkäisen teeman käyttö kartassa. Tunnin lopuksi oli tarkoituksena käyttää jotakin tunnilla harjoiteltua teemakarttaesitystä omassa kartassa. Alueen ja esitettävät asiat sai itse päättää. Päätin tehdä kahden päällekkäisen teeman kartan. Alueeksi valitsin Uudenmaan ja teemoiksi ”korkea-asteen tutkinto %” (Tilastokeskus 2010) sekä ”valtionveronalaiset tulot euroina” (Tilastokeskus 2009).

Molemmat aineistot olivat vinosti jakautuneita, joten jaoin molemmat kolmeen tasaväliseen luokkaan. Kuten tunnilla kävi ilmi, kolme on maksimi määrä luokkia päällekkäisten teemakarttojen kanssa, jotta kartta pysyy luettavana ja selkeänä.

Korkea-asteen tutkinnot päätin esittää vihreän eri sävyillä ja valtion veronalaiset tulot pisterasterilla (kuva 1). Lisäsin karttaan myös kuntien nimet, jotta sitä olisi helpompi tulkita. Mielestäni kartasta ei tullut liian täyteen ahdettu. Pohjoisnuoli olisi voinut olla tummempi, jotta se erottuisi paremmin ja jostain syystä mittakaavan kilometrit ei pysynyt tasalukemassa. Pientä hienosäätöä siis seuraavaan karttaan.

Kuva 1. Kahden päällekkäisen teeman koropleettikartta korkea-asteen tutkintoprosentista ja valtionveronalaisista tuloista.

Valitsin teemat, koska halusin nähdä, onko näillä kahdella asialla yhteyttä ja miten ne jakautuvat alueellisesti. On hyvä muistaa, kuten Anna Laitinen blogissaan kirjoittaa: “Vaikka karttojen rasteroinnit tai väritykset sopisivatkin yhteen, ei tämä välttämättä viesti suoraan ilmiöiden kausaalisuudesta”. Olettamuksena oli, että valtionveronalaiset tulot seuraavat korkea-asteen tutkintojen määrää. Vähäinen korkea-asteen tutkintojen määrä ja pienet veronalaiset tulot näyttävätkin olevan olettamuksen linjassa. Ainoastaan Raasepori ja Pornainen erottuvat tästä joukosta. Itäisellä Uudellamaalla on muuhun Uuteenmaahan verrattuna vähäisempi korkea-asteen koulutus ja pienemmät tulot. Myös Luoteis- Uusimaa erottuu kartalta samoilla kriteereillä. Tiedot ja kartta ovat tosin hieman vanhentuneita: Karjalohja, Lohja ja Nummi- Pusula ovat yhdistyneet yhdeksi kunnaksi ja nykyinen tilanne näyttäisi varmasti hieman erilaiselta. Helsinkiä, Vantaata ja Keravaa kiertää hyvätuloisten kuntien ketju, mutta korkea-asteen tutkintojen ja tulojen välistä yhteyttä ei enää olekkaan näissä kunnissa.

Kartasta näkee, kuinka hyvinkoulutettu ja hyvin tienaava väestö on sijoittunut kehyskuntiin ja Espooseen. Uudenmaan laitamille asti tämä tilanne ei kuitenkaan yllä. Voisi kuitenkin kuvitella, että Uudenmaan laitamillakin tilanne on parempi kuin muualla Suomessa keskimäärin. Täytyy kuitenkin huomata, että karttaesityksen ”köyhien” ja ”rikkaiden” asukkaiden kuntien ero on pienimmillään 2500€, ja näiden väliin mahtuvat yhdeksän ”keskinkertaisesti ansaitsevien” asukkaiden kuntaa. Joten toisaalta erot ovat pieniä, mutta ääripäiden ero on taasen hyvin suuri. Ylimmän tuloluokan suuri vaihteluväli selittyy Kauniaisten ylhäisellä yksinäisyydellä kärjessä, jonka ero seuraavaan kuntaan on huimat noin 15000 euroa (kuva2).

Kuva 2. Histogrammi valtionveronalaiset tulot uudenmaan kunnissa.

Lähteet:

Histogrammityökalu <http://illuminations.nctm.org/Activity.aspx?id=4152>

Laitinen, Anna (2014). Kurssikerta 2. <https://blogs.helsinki.fi/annalait/2014/01/30/toinen-kurssikerta/> Luettu 8.2.2014

Oppilaitostilastot 2010, Tilastokeskus

Tulonjakotilasto 2009, Tilastokeskus