Viimeistä viedään. Nyt oli tarkoitus näyttää kaikki se osaaminen, mitä koko kurssin aikana on oppinut.

Käytin valmiina olevaa euroopan karttaa, jonka päälle piti tehdä kahden teeman kartta. Tiedot löysin Euroopan tilastokeskuksesta, Eurostatista, josta sai teemoittain tiedot taulukkomuotoisena, jotka pystyi tuomaan exceliin pienellä muokkauksella. Tiedot sain kyllä tuotua MapInfoon ongelmitta, mutta tietojen yhdistäminen ei sitten toiminutkaan niin helposti kuin aikaisemmissa tehtävissä ja lopulta lisäsin tiedot käsin. Olisi tietysti ollut fiksua yrittää kunnolla uudestaan, mutta hermot meni ja ajan säästämiseksi näin. Pieni onnistumisen tunne, joka on tullut aikaisemmilla kerroilla, hävisi sen sileän tien. Aivan mahtavaa. Yritin myös saada MapInfoa toimimaan omalla koneellani, jotta voisin kotona testailla omassa rauhassa erinäisiä toimintoja, mutta eihän se koneelle asentunut. Verenpainehan siinä kohosi. Nyt pitäsi jollain tavalla vain saada kurssi päätökseen ja koota tämän jälkeen ajatukset ja yrittää uudestaan.

Päätin haudata epäonnistuneet kartat ja yrittää alusta asti uudestaan. Muutin myös karttojeni teemat, mutta lähde, Eurostat, pysyi samana. Pienellä muokkauksella excel- taulukot MapInfoon ja tietokantojen yhdistäminen kerrasta läpi. Ihmetystä tämä tietysti herätti, sillä olin varautunut tappelemaan MapInfon kanssa oikein kunnolla. No, kartat valmiiksi ja tulkintaan.

Ensimmäinen kartta kuvaa koropleettikartalla EU- maiden uusiutuvien energioiden käyttöä prosenteissa koko kulutuksesta ja pylväät maiden energian kulutusta muutettuna miljooniksi tonneiksi öljyä (kuva 1).

Kuva 1. Euroopan energian käyttö ja uusiutuvien energioiden käyttö (Eurostat 2012)

Kartan tarkoituksena oli visualisoida EU:n nykyistä energiatilannetta: kuinka paljon eri maat kuluttavat energiaa ja kuinka suuri osa siitä on uusiutuvaa. Huomionarvoisia seikkoja ovat Ruotsin korkea uusiutuvien energianlähteiden käyttö sekä paljon energiaa kuluttavien maiden, kuten Iso- Britannia ja Ranksa, vähäinen uusiutuvien energioiden käyttö. Vaikka Suomi tuottaisi kaiken energiansa uusiutuvilla energianlähteillä, olisi se silti mitättömän vähän koko Euroopan mittakaavassa. Puhumattakaan jos karttaan olisi otettu mukaan maailman väkirikkaimmat ja eniten energiaa kuluttavat valtiot.

Toisen karttaesityksen (kuva 2) tein samalle karttapohjalle ja samasta tietolähteestä kuin edellisenkin kartan. Tällä kertaa teemana oli rikokset ja poliisi. Kartalta näkyy poliisien määrä maittain sekä kuinka monta rikosta maassa tapahtuu per poliisi. Halusin nähdä, onko poliisien määrällä vaikutusta rikosten määriin.

Kuva 2. Poliisien määrä sekä rikosten määrä suhteutettuna poliisien määrään (Eurostat 2014)

Monista maista puuttuivat rikosten määrien tilastot joten siksi kartalla tyhjää esimerkiksi Ranskan ja Iso- Britannian kohdalla. Pohjoismaissa mielenkiintoisesti on paljon rikoksia yhtä poliisia kohti kun taas Balkanin alueella rikoksia poliisia kohti on todella pajon vähemmän. Tästä päästäänkin kartan suurimpaan vikaan, kun tajusin, että poliisien määrä olisi tietenkin vielä pitänyt suhteuttaa väkilukuun, nythän nuo poliisien määrät eivät sinänsä hirveästi kerro mitään. Maiden väkiluvut pitäisi olla hyvällä yleistiedolla kuitenkin kaikilla hallussa, joten sitä tietoa vasten tätä karttaa voi tulkita. Tulkitsisin, että pohjoismaissa on väkilukuun suhteutettuna vähemmän poliiseja kuin Etelä- Euroopassa ja varsinkin Balkanilla.  Taisi tulla hieman hätäiltyä tämän kartan kartan kanssa kun yhteistyö MapInfon kanssa alkoi toimimaan ja innoissaan sitä sitten teki sen kummempia miettimättä. Molemmissa kartoissa pohjoisnuoli olisi voinut olla peksumpi jotta se erottuisi paremmin. Rikoskartan mittakaava on jostain syystä lipsahtanut pois tasaluvusta, vaikka se vielä edellisessä kartassa tasan 1000km olikin. En muistanut, kuinka siirtää pylväitä hieman erilleen toisistaan. Nyt osa pylväistä on hieman toistansa päällä. Korjattavaa ja parannettavaa siis vielä löytyisi huomattavasti.

Yleistä pohdintaa kurssista:

Näin se tämäkin kurssi hurahti. Tämä oli elämäni ensimmäinen blogi ja itseäni hieman mietitytti kirjoittaa julkisesti tehtävistä ja mietteistäni. Melko nopeasti ajatukseen kuitenkin tottui. Oli mukava huomata lukiessa muiden kurssilaisten blogeja, että samojen asioiden kanssa on painittu ja samanlaisia ajatuksia tehtävät ja kartat ovat herättäneet. Oli myös vastakkaisia näkemyksiä ja mielipiteitä, jotka pistivät miettimään asioita uudestaan eri näkökulmasta.

Ja vielä MapInfosta. En koe olevani millään tavalla rutinoitunut käyttämään kyseistä ohjelmaa. Kurssi kyllä avasi ohjelman ominaisuuksia ja mahdollisuuksia erinomaisesti, mutta hieman ehkä turhan pitkät välit oli tuntien välillä. Uuden ohjelman hienoudet ehti jo osittain unohtamaan ennen seuraavaa kurssikertaa. Huomasin näitä viimeisiäkin karttoja tehdessä, että joihinkin perusasioihin tarvitsi vielä ohjeita. Kurssi on hyvä päättää Mia Erikssonin sanoihin: ” MapInfon käyttö ei ole vieläkään sieltä sujuvimmasta päästä, mutta eväitä on matkalle saatu ja jotain opitusta on varmasti jäänyt myös päähän. Kohti uusia haasteita siis!”

Lähteet:

Eriksson, Mia (2014). Seitsemäs kurssikerta: ikioma kartta. https://blogs.helsinki.fi/miaeriks/2014/03/12/seitsemas-kurssikerta-ikioma-kartta/ Luettu 13.3.2014

Eurostat (2012). Share of renewable energy in gross final energy consumption. <http://epp.eurostat.ec.europa.eu/tgm/table.do?tab=table&init=1&language=en&pcode=t2020_31&plugin=1> Luettu 13.3.2014

Eurostat (2012). Total production of primary energy. <http://epp.eurostat.ec.europa.eu/tgm/table.do?tab=table&init=1&language=en&pcode=ten00076&plugin=1> Luettu 13.3.2014

Eurostat (2014). Police officers. <http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=crim_plce&lang=en> Luettu 13.2.2014

Eurostat (2014). Crimes recorded by the police. <http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=crim_gen&lang=en> Luettu 13.3.2014

Tunnin aluksi saimme tehtäväksi mennä ulos keräämään GPS-laitteen kanssa sijaintipisteitä valitsemistamme aiheesta. Opimme siis kuinka lisätä itse kerättyä sijainti- ja ominaisuustietoa MapInfoon. Itsenäisharjoituksena piti tehdä kolme karttaa, joita opettaja voisi käyttää hyväksi hasardien opetuksessa. Tein kartat maanjäristyksistä yli 5 richterin asteikolla vuodesta 1980 nykypäivään. Seuraavassa kartassa on yli 8 richterin maanjäristykset vuodesta 1980 nykypäivään ja viimeiseksi teemaksi karttaan valitsin tulvuorenpurkaukset vuodesta 1964 nykypäivään. Myönnetään, että hieman helpot kartat tein tähän tehtävään, mutta nyt tällä kertaa halusin saada kartat täysin valmiiksi jo tunneilla.

Ajattelin, että voisin esittää kartoilla maapallon ikään suhteutettuna todella todella lyhyen ajanjakson, johon mahtuu siltikin tuhansia yli 5 richterin maanjäristyksiä (kuva 1). Ideana siis kuvata sitä, kuinka elävä maapallon pinta vieläkin on. Samalla kartalla tulee selkeästi esiin mannerlaattojen reunat, joilla maanjäristyksiä pääosin tapahtuu.

Kuva 1. Yli 5 magnitudin järistykset

Seuraavaksi näiden pisteiden päälle ilmestuu yli 8 richterin maanjäristykset (kuva 2). Tarkoituksena vain esittää, että samoilla paikoilla niitä tapahtuu kuin heikoimpiakin järistyksiä.

Kuva 2. yli 5 ja yli 8 magnitudin maanjäristykset

Viimeiseksi tulee kuvaan tulivuorenpurkaukset. Nämäkin noudattelevat mannerlaattojen saumoja (kuva 3).

Kuva 3. Edellisten kuvien maanjäristykset ja uutena tulivuoret

Kartat sopisivat varmaankin sellaisille opiskelijoille, jotka ovat vasta tutustumassa mannerlaattoihin ja niistä aiheutuviin hasardeihin. Latasin netistä kuvan, josta käy ilmi mannerlaattojen saumat ja sekä maanjäristysten arvioitu aktiivisuus seuraavan 50 vuoden aikana. (kuva 4).

Kuva 4. Mannerlaattojen saumat

Omat karttani osuvat hyvin yhteen mannerlaattojen saumakohtien ja maanjäristysten kanssa. Siltä osin karttoja voi pitää onnistuneina. Visuaalisesti olisi kannattanut tehdä paljonkin asioita toisin paremman kartan tuottamiseksi. Nyt kartta näyttää hieman amatöörimäiseltä ja isot pallot peittävät liikaa allensa. Tulivuoret olisi voinut esittää eri symbolilla kuin maanjäristykset. Virpi Pajunen oli blogissaan keksinyt ajatuksen tasolla hyvän idean yhdistää asutuksen hasardien kanssa samaan karttaan. Haasteena tällaisella kartalla olisi suuren tiedon määrän esittäminen selkeästi.

Lähteet:

Data.gov (2014). <http://catalog.data.gov/dataset/global-volcano-locations-database> Luettu 17.2.2014

Northern California earthquake center (2014). <http://quake.geo.berkeley.edu/anss/catalog-search.html> Luettu 17.2.2014

Pajunen, Virpi (2014). Kurssikerta 6: Pisteaineistoja ja hasardikarttoja. <https://blogs.helsinki.fi/valkula/2014/02/26/kurssikerta-6-pisteaineistoja-ja-hasardikarttoja/> Luettu 11.3.2014

The geography of transport systems. https://people.hofstra.edu/geotrans/eng/ch9en/conc9en/plate_tectonics.html Luettu 11.3.2014

Kurssikerran aikana harjoiteltiin karttapohjan tuomista MapInfoon ja kuinka se sidotaan koordinaatistoon. Samalla kurssikerralla myös bufferoitiin, eli muodostettiin kartalle erilaisia alueita, joiden sisältä pystyttiin laskemaan tietoja. Tässä tekstissä olisi tarkoitus hieman pohtia omaa MapInfo osaamista sekä mitä oivalluksia ja ongelmia tähän ohjelmaan liittyy.

Kurssikerrat ovat avanneet kokonaiskuvaa paikkatieto- ohjelmasta, mitä sillä pystytään tekemään ja kuinka lisätä omaa dataa tulkittavaksi. On ollut kiva saada jotain konkreettista kosketusta paikkatieto- ohjelmaan, kun siitä on niin paljon puhuttu opintojen alkuvaiheessa.

MapInfo tuntuu varsin monimutkaiselta ja epäloogiselta ohjelmalta. Kurssikerroilla on opeteltu jatkuvasti uusia asioita vanhojen asioiden hienosti unohtuessa uusien oppien alle. Perustoiminnot alkavat olemaan hallussa, kuten esimerkiksi erilaisten karttaesitysten teko. Monimutkaisempien toimintojen suorittaminen vaatii vilkuilua ohjeista. Tehtäviä tehdessä on ollut kyllä idea, mitä pitäisi tehdä, mutta kuinka sen saa ohjelmalla suoritettua onkin tuottanut päänvaivaa. Tai sitten ohjelma vain jostain (varmasti käyttäjästä johtuvasta) syystä ei suostu yhteistyöhön ja tekemään sitä mitä haluaisi. Tässä on tietysti kyse täysin omasta osaamattomuudesta ja ohjelman todella pienestä käytön määrästä. Mitä enemmän ohjelmaa käyttää ja pääsee sinuiksi sen toimintaa, sen paremmin yhteistyö ohjelman kanssa sujuu. Mutta toivottavasti tämän kurssin jälkeen ei vielä odoteta, että MapInfo on täysin hallussa ja minkä tahansa esityksen tuottaminen on lasten leikkiä.

Jos jotain negatiivista niin jotain hyvääkin. Ohjelma on varmasti vielä paljon monipuolisempi mitä meille on tähän mennessä opetettu. Silti olemme saaneet kursseilla tehdä varsin monipuolisia karttaesityksiä ja muuta tiedon tuottamista. Vaikka matkalle on sattunut paljon turhautumista, aina on löytynyt keino kuinka haluttu toiminto lopulta menee oikein. Onnistumisen tunne siinä kohtaa on varsin mukava. Mutta koska kurssikertoja on sen verran harvoin ja muuten MapInfon käyttöä ei tule harjoiteltua, niin monimutkaisemmat toiminnot unohtuvat todella nopeasti.

Kuten todettu, erilaisten karttojen teko tuntuu helpolta. Eniten harjoitusta tarvitsisi monimutkaisten tuomitusten suorittamiseen, esimerkiksi tietokantojen yhdistäminen tuntuu nyt taas ajatuksena varsin haasteelliselta.

MapInfon rajoituksia on vaikea arvioida näin pienellä kokemuksella. Enemmänkin tässä vaiheessa rajoituksia analyyseille aiheuttaa käyttäjä eli minä. Käyttäjän pitää osata käyttää ohjelmaa, sekä varmistaa, että analysoitava data on ohjelmaan sopivaa ja että eri työvaiheissa data ei muutu tai häviä matkalla. Tietysti saatavilla oleva ja luotettava data aiheuttaa omat rajoituksensa ohjelman käyttöön.

Kurssikerran aiheena ollut puskurointi vaikuttaa todella monipuoliselta työkalulta. Kunhan dataa on olemassa, voidaan puskureilla rajata vaikka minkä muotoisia alueita ja laskea niiden sisälle jääviä tietoja tai vain visualisoida puskurointi kartalle. Hyvänä esimerkkinä juurikin tämän tehtävän lentomelualueet. Kaupallisella puolella kiinnostusta on paikkatieto- ohjelmiin on varmasti esimerkiksi kaupoilla jotka voivat laskea uuden kaupan alueen potentiaalisen asiakasmäärän ja tehdä rakentamispäätöksiä tämän preusteella.

Lopuksi vielä excel muotoinen taulukko tunnilla tehdyistä tehtävistä. Selasin hieman muiden opiskelijoiden blogeja (Luostari Taija, Aalto Minni ja Pietiläinen Sonja)  ja huomasin joitakin eroja vastauksien kesken. Tämä pisti hieman miettimään käyttäjän vaikutusta tulokseen. Kaikki ovat kuitenkin tehneet samoilla ohjeilla ja suurin piirtein samalla tietämyksellä tehtävät ja silti heittoa löytyy. Tulokset ovat tottakai melko tarkkoja ja todella hyvin suuntaa antavia, mutta aivan pilkun tarkasti niitä ei välttämättä kannata ottaa.

Lähteet:

Aalto, Minni (2014). Kurssikerta 5: bufferointia ja analyyseja. <https://blogs.helsinki.fi/mmaalto/2014/02/18/82/> Luettu 8.3.2014

Luostari, Taija (2014). Bufferointia ja ajatussolmuja <https://blogs.helsinki.fi/taluta/2014/02/25/bufferointia-ja-ajatussolmuja/> Luettu 8.3.2014

Pietiläinen, Sonja (2014). Kurssikerta 5, bufferointia ja konkretiaa. <https://blogs.helsinki.fi/sonjapie/2014/03/05/kurssikerta-5-bufferointia-ja-konkretiaa/>

Viimeisen kurssikerran yllätykseksi olikin sitten ilmestynyt lisätehtävä blogiin. Ei ehkä ihan toivottua, mutta aihe ja aineisto vaikuttaa mielenkiintoiselta, joten seuraavassa hieman lisää pohdintaa aiheesta.

Aiheena on New York Timesin tekemä interaktiivinen kartta, joka perustuu Yhdysvaltojen väestönlaskentadataan vuosilta 2005 – 2009. Karttaan on valittavana neljä eri pääteemaa, joiden alta löytyy erinäisiä valmiita karttaesityksiä. Teemat ovat: etninen tausta, tulot, asuminen ja perheet sekä koulutus. Tarkimmillaan kartalta pystyy lukemaan dataa korttelin kokoiselta alueelta. Nämä alueet perustuvat todennäisesti väestölaskenna alueelliseen jakoon. Harvaan asutuilla alueilla tai muuten vain vähäväkisellä alueella tietoa voi saada tarkimmillaan 25 ihmisestä. Tiedot ovat kuitenkin arvioita alueella tehdystä laskennasta.

Vahvuudet: Erilaiset karttaesitykset ja tulkinnat avoimesta tiedosta ja niiden lisääntyminen. Tiedon saannin helppous.

Heikkoudet: avoin tieto voi olla arkaluontoista. Esimerkiksi ihmisten jako etnisen taustan perusteella voi olla joidenkin mielestä syrjivää tai epämiellyttävää. Tässä New York Timesin kartassa ajallinen muutos ei hirveän selkeästi esillä – trendien muutos hankala huomata ja tämä voi aiheuttaa vääriä tulkintoja.

Mahdollisuudet: koska tieto on helposti saatavilla, sen hyödyntäminenkin on helpompaa ja vaivattomampaa. Tämä voi kannustaa tulkitsemaan tietoa sekä luomaan erilaisia esityksiä avoimesta tiedosta, joka jäisi muuten saatavuusongelmien takia tekemättä. -Ihmisten kiinnostuminen erilaisista aiheista. -Väärän tiedon kumoaminen jos faktat on helposti jostain saatavilla.

Uhkat: tiedon käyttö rikolliseen toimintaa. Liian tarkka tieto on uhka yksityisyyden suojalle. Alueiden leimaantuminen (toisaalta kyllähän alueet leimaantuvat joka tapauksessa, ei siihen tarvita avointa tietoa).

Mielestäni vapaampi tiedon saanti on hyvä asia. Täysin vapaata yksityiskohtaista tiedon saantia, jolloin yksityisyydensuoja katoaa, en kuitenkaan pidä kannatettavana. Tilastokeskuksen tieto on veronmaksajien rahoilla kerättyä tietoa ja mielestäni silloin tiedon pitäisi olla kansalaisten saatavilla. Esimerkiksi tuore tieto pääkaupunkiseudulta näitä kurssin tehtäviä tehdessä olisi ollut mielenkiintoista, mutta sitähän ei enää saada tilastokeskukselta. Tuskin niistä aikaisemmin saaduista, tuoreista tiedoista on ollut hirveästi haittaa yhteiskunnalle tai yksittäiselle kansalaiselle…

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

Harjoituksena tarkoituksena on lukea artikkeli (Leonowicz) päällekkäisistä teemakartoista ja kirjoittaa siitä sen jälkeen reaktiopaperi.

Artikkeli kertoi siis päällekkäisten teemakarttojen haasteista, ongelmista ja mahdollisuuksista. Olipa siinä yksi kokeilukin tehty ensimmäisen vuoden maantieteen opiskelijoilla Puolassa. Lopputulemana voidaan sanoa, että päällekkäiset teemakartat ovat yksinkertaisia teemakarttoja vaikeammin luettavia, mutta jos luokitus pidetään tarpeeksi pienenä (max 3×3), niin päällekkäisten teemakarttojen esittämä yhteys teemojen välillä on helpommin havaittavissa.

Ennen kun aloin lukemaan artikkelia, ennakkoasenteeni oli, että miksi pitää tehdä asiat erilailla kuin nyt. Olin sitä mieltä, että yksinkertaisilla kartoilla voi esittää monessa eri kartassa saman asian selvemmin. Arikkeli vastasikin heti aluksi näihin mietteisiini. Varmaankin monella on samanlaisia ennakkoasenteita aihetta kohtaan ja artikkeli osasi hienosti heti alkuun hälventää niitä. Mielenkiintoni heräsi.

Päällekkäiset teemakartat luovat lisäarvoa kartografiaan teemojen välisen suhteen esittämisessä kartalla. Niistä pystyy helpommin huomaamaan riippuvuussuhteita kuin erillisiltä teemakartoilta katsottaessa. Päällekkäiset teemakartat tuovat kuitenkin haasteita sekä kartan tekijälle, että kartan lukijalle. Kartan tekijän haasteena on tehdä tarpeeksi selkeä kartta väritykseltään sekä muuttujien määrän suhteen. Lukijan haasteena on halu ymmärtää kartan legenda, jonka jälkeen kartan tulkinta on varsin helppoa. Legendassa kahden eri muuttujan arvot ovat koordinaatistossa omilla akseleillaan x ja y. Havaintopisteiden jakauma koordinaatistossa osoittaa onko muutujilla selvää yhteyttä toisiinsa vai ei. Kartassa näkyy sitten legendasta saatu havaintopisteen sijoittumista osoittava väri.

Ongelmana voidaan pitää päällekkäisten teemakarttojen vähäistä määrää normaaleissa kartografisissa esityksissä mediassa. Ihmiset eivät ole tottuneet lukemaan tällaisia karttoja ja väärintulkintaa voi esiintyä.

Artikkelin luettuani ennakkokäsitykseni oli hälventynyt. Vaikkakin näiden karttojen tulkinta ei mitenkään hankalaa ole, vaativat päällekkäiset teemakartat pienen tuumailuhetken, jotta ne aukeavat täysin. Artikkelin lukeminen auttoi myös kun mietitään kartan tekemistä: millainen sen pitäisi olla, jotta se on selkeä ja ymmärrettävissä.

Lähteet:

Leonowicz, Anna (2006). Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija T.42 Nr. 1. P. 33-37

Tämän blogin tarkoituksena on kerätä kaikki TAK 14- kurssin harjoitukset yhteen paikkaan. Kurssin tarkoituksena on perehtyä tarkemmin paikkatietoaineistoon ja sen tuottamiseen sekä analysointiin. Oman toiminnan arviointi on kurssilla keskeisessä asemassa, joten tämä ei ole pelkkää teknistä suorittamista vaan vaatii kriittistä tarkastelua omaan tekemiseen. Kurssilla on tarkoitus seurata myös muiden kurssilaisten blogeja sekä viitata niihin. Tämä avaa varmasti uusia näkökulmia tehtäviin. Oman julkisen blogin pito tuntuu aluksi hieman epämukavalta. Kirjoittaminen ei ole vahvuuteni enkä ole siitä hirveästi pitänyt aikaisemmin. No, hyvästä harjoituksesta tämä käy.

Ensimmäisen kurssikerran aiheena oli kerrata MapInfon toimintaa sekä tehdä lopuksi oma, aineistosta vapaasti valittava kartta Helsingistä tai Suomesta. MapInfon kertaus oli paikallaan, sillä ohjelman käyttö oli unohtunut melkein kokonaan. Tunnilla ohjelman käyttö ohjeiden perässä tehden tuntui melko helpolta, mutta eri asia voi olla ohjelman itsenäinen käyttö myöhemmin.

Oman kartan tein Suomen kuntien taloudellisesta huoltosuhteesta eli kuinka monta työtöntä sekä työvoiman ulkopuolella olevaa on yhtä työllistä kohti. Aineistona oli Tilastokeskuksen työssäkäyntitilasto vuodelta 2010. Aineiston siirtäminen histogrammityökaluun (kuva 1.) osoitti aineiston olevan hieman vinosti jakautunut.

Kuva 1. Histogrammi suomen taloudellisesta huoltosuhteesta

Valitsin aineiston luokitteluksi kvantiilit, koska se sopii sekä normaalijakaumiin että vinoihin jakaumin. Ja kun kyseessä on vain hieman vinosti jakautunut aineisto niin tässä kohtaa varmaan parasta käyttää juuri kvantiileja.

Kartan väriksi (Kuva 2.) valitsin sinisen eri sävyt, jotka löytyivät MapInfosta suoraan. Kartalla sävyerot ovat mielestäni riittävät ja kartan tulkinta onnistuu hyvin. Huoltosuhde on pienimmillään kaupunkiseuduilla sekä pohjanmaan rannikolla. Poikkeuksen muodostaa Kittilän kunta, joka kuuluu myös alimpaan huoltosuhdeluokkaan. Tähän selityksenä on varmaankin matkailu- ja laskettelukeskusten sijainti kunnan alueella tarjoten töitä alueen asukkaille. Taloudellinen huoltosuhde kasvaa tasaisesti mitä enemmän maaseudulle siirrytään. Itä- Suomen ja Etelä- Lapin alue erottuu yhtenäisenä korkean huoltosuhteen alueena.

Kuva 2. Suomen taloudellinen huoltosuhde

Vertasin omaa kartaani muiden kurssilaisten karttoihin, jotka vaikuttavat huoltosuhteeseeen. Hertta Lehmävirran kartta kuntien työttömyysasteesta noudatteli samoja linjoja oman karttani kanssa. Eroavaisuudet kartoissa johtuvat huoltosuhteen määritelmästä, johon lasketaan myös eläkeläiset, nuoret ja muut työvoiman ulkopuolella olevat henkilöt. Myöskin Christa Sallasmaan kartta eläkkeellä olevien määrästä sekä Natalia Erfvingin kartta työssäkäyvien osuudesta noudatteli oman karttani linjoja. Voidaankin todeta, että kartan aineiston jaottelu on onnistunut tai ainakin samoilla linjoilla muiden kanssa. Edellämainittuja karttoja tutkimalla pystyy myös muodostamaan kuvan kuntien huoltosuhteesta vaikka ei olisi nähnyt huoltosuhdekarttaa laisinkaan.

Työssäkäyntitilasto 2010, Tilastokeskus.

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

Erfving, Natalia (2014). Kurssikerta 1: MapInfoon tutustuminen & koropleettiteemakartta <https://blogs.helsinki.fi/nataliae/2014/01/15/kurssikerta-1-mapinfoon-tutustuminen-koropleettiteemakartta/> Luettu 17.1.2014

Lehvävirta, Hertta (2014). Ensimmäinen kurssikerta: tutustumista MapInfoon <https://blogs.helsinki.fi/herttale/2014/01/15/ensimmainen-kurssikerta-tutustumista-mapinfoon/> Luettu 17.1.2014

Sallasmaa, Christa (2014). Kurssikerta 1: MapInfoon tutustuminen ja koropleettikartta <https://blogs.helsinki.fi/christas/2014/01/15/kurssikerta-1-mapinfoon-tutustuminen-ja-koropleettikartta/> Luettu 17.1.2014