Kurssikerta 7: Loppuhaaste

Viimeisen kurssikerran tarkoituksena oli laittaa kaikki tähän mennessä opittu tieto käyttöön ja luoda oma teemakartta alusta alkaen. Kartan rajaama alue ja esittämä aihe olivat täysin omavalintaisia.

Koska kurssi tähän mennessä oli sujunut pääpiirteissään hyvin eikä suurempiin vaikeuksiin oltu törmätty, tuntui tehtävä aluksi harvinaisen yksinkertaiselta ja nopeasti kokoon käärittävältä. No, sitä se ei ollut. Päätös käyttää pohjana Espanjan itsehallintoalueita osoittautui yllättävän haasteelliseksi, eikä oikealle tasolle rajattua käyttökelpoista tietoa meinannut löytyä mistään. Itsehallintoalueista ei myöskään löytynyt valmista vektorikarttapohjaa, joten jouduin itse piirtämään pohjakartan MapInfolla bittikarttamallin päälle ja näin todella tekemään koko kartan alusta alkaen itse. Rajatuista taidoistani johtuen kartalla ei kuitenkaan näy kuin Eurooppaan kuuluvat itsehallintoalueet, tutut matkakohteet Kanarian saaret sekä Pohjois-Afrikkaan kuuluvat maatilkut Ceuta ja Melilla jäivät tutkittavan alueen ulkopuolelle.

Kuva 1: Ainoastaan äidinkieltään puhuvien osuus väestöstä verrattuna yli 15-vuotiaaseen työttömään väestönosaan itsehallintoalueittain.

Tässä se kuitenkin on. Punasävyinen pohja kertoo ainoastaan äidinkieltään puhuvien prosentuaalisen osuuden alueen koko väestöstä ja pisterasteri työttömien määrän suhteessa työikäisiin. Tarkoituksenani oli yrittää selvittää, selittäisivätkö nämä kaksi muuttujaa toisiaan. Mitä tummempi punainen ja tiheämpi pistekuvio, sitä suurempi prosentuaalinen osuus on. Luokkarajojen säätäminen ja muu teknillinen osuus sujuivat tässä vaiheessa kurssia jo ongelmitta, ja uskoakseni lopputulos on tulkitsemiskelpoinen. Kartalla näkyy myös itsehallintoalueiden espanjankieliset nimet, jotta kartan informaatioarvo kasvaisi vielä entisestään.

Kokonaisuutena kartta antaa karun, mutta totuusperäisen kuvan nykypäivän Espanjasta. Mitä tulee kielten osaamiseen, kansa on lähes surullisenkuuluisa huonosta englannin osaamisestaan. Etenkin Etelä-Espanjan itsehallintoalueet ovat kartalla tummia, eli alueilla jopa 70% väestöstä ei puhu muuta kieltä kuin äidinkieltään. Pohjoisemmat alueet ovat vaaleampia, mutta nekään eivät välttämättä loista nimenomaan kansainvälisellä osaamisellaan. Kaikki kolme alimpaan luokkaan kuuluvaa itsehallintoaluetta ovat hallinnoiltaan kaksikielisiä, ja esimerkiksi Kataloniassa katalaani on monissa paikoissa opetuksen kieli espanjan sijaan.

Entäpä sitten työttömyys? Vertailun vuoksi mainittakoon, että Suomen työttömyysaste tammikuussa 2017 oli 9,2%. Espanjan lukemat etenkin etelässä ovat siis melko huolestuttavalla tasolla. Kartta ei sitä kerro, mutta sivuhuomiona mainittakoon, että nuorisotyöttömyys maassa on 42,2%. Alex Salminen (2017) toteaa Italian osa-alueita tutkivassa blogiartikkelissaan nimenomaan nuorisotyöttömyyden olevan tutkitusti hyvä valtion taloustilanteen indikaattori ja toisaalta Välimeren alueen maiden yhteinen yhteiskunnallinen ongelma.

Työttömyys ja kielten osaaminen eivät kartalla mene aivan yksi yhteen, mutta etenkin skaalojen ääripäät näyttävät kohtaavan melko tarkasti. Kartan perusteella on kuitenkin väärin tulkita näiden kahden seikan täydellisesti selittävän toisiaan. Kartalta voi kuitenkin todeta molempien arvojen olevan lähes kautta maan korkealla ja kasvavan etelää kohti mentäessä. Syitä havainnoille voi löytyä esimerkiksi eroista koulutuksen tasossa alueiden välillä tai turismin merkityksestä (tai merkityksettömyydestä) taloudelle ja sitä kautta työtarjonnalle. Lisäksi vuonna 2008 alkaneen laman vaikutukset näkyvät maan työttömyydessä edelleen voimakkaasti.

Nyt kurssin loppuessa mietin, mitä tästä kaikesta jäi käteen. Uskon oppineeni ainakin jotain karttojen laatimisesta ja osaavani ainakin kohtalaisesti käyttää MapInfoa karttatyökaluna. Jos ei muuta niin arvostus kartanlaatijoita kohtaan kasvoi merkittävästi tietäen, mitä kaikkea voi mennä käytännössä yhden kuvan laadintaan. On hämmästyttävän helppoa laatia kartta, joka esittää informaatiota sen olematta kuitenkaan kovin informatiivinen.

Lähteet:

Conocimiento lingüístico de las personas según el número de idiomas que pueden utilizar, sexo y comunidad o ciudad autónoma. Instituto Nacional de Estadística, Madrid. http://www.ine.es/jaxi/Datos.htm?path=/t13/p459/a2011/p06/l0/&file=06011.px Luettu 17.3.2017.

Desempleo de España. Expansión/Datosmacro.com http://www.datosmacro.com/paro/espana Luettu 18.3.2017.

Parados por grupo de edad, sexo y comunidad autónoma. Instituto Nacional de Estadística, Madrid. http://www.ine.es/jaxiT3/Datos.htm?t=4245 Luettu 17.3.2017.

Political Map of Spain. Maps of World http://www.mapsofworld.com/spain/spain-political-map.html Luettu 28.2.2017.

Salminen, A. (2017). Viikko 7: Itsenäisyyttä etsimässä (17.3.2017) https://blogs.helsinki.fi/alexsalm Luettu 17.3.2017

Työttömyysaste. Findikaattori http://www.findikaattori.fi/fi/34 Luettu 18.3.2017.

Kurssikerta 6: Opetuskarttoja luonnonilmiöistä

Toiseksi viimeisellä kurssikerralla käytiin ulkona kokeilemassa GPS-laitteiden käyttöä ja itsekerätyn paikkatiedon tuomista kartalla näkyviin sekä luotiin maanjäristyksiä, tulivuoria ja meteoriittikraattereita kuvaavia karttoja opetuskäyttöön.

Ulkoilemaan lähdettiin GPS-paikannuslaitteet kaulassa etsimään kohteita, joiden sijainti voitaisiin määrittää. Kohteiksi valittiin Kumpulan alueen roskapöntöt, joista jokaisen koordinaatit, korkeus merenpinnasta sekä tulosten mittaustarkkuus merkittiin ylös myöhempää käyttöä varten. Laitteiden antamat tulokset heittelivät hieman paikasta riippuen ja huomasimme, että esimerkiksi korkeusarvoihin ei voinut monestikaan luottaa täysin. Mittausten jälkeen saadut arvot siirrettiin tietokoneille niiden kartalle tuomista varten. Oli mielenkiintoista nähdä konkreettista jälkeä itse kerätyistä koordinaateista roskapönttöjen sijaintien ilmestyessä Kumpulan kartalle. Karttaa olisi voinut käyttää vaikkapa järkevän koiranulkoilutusreitin suunnitteluun tai sen avulla roskisten tyhjentäjä voisi selvittää, mikä on tehokkain mahdollinen tapa käydä kaikki alueen kohteet läpi mahdollisimman nopeasti.

Harjoituksen jälkeen siirryttiin tekemään kurssikerran varsinaista tehtävää, opetuskarttojen laadintaa. Etsimme internetistä aineistoja maanjäristysten, tulivuorien ja meteoriittien maahaniskupaikkojen sijainneista, jotka tuli esittää kartoilla mahdollisimman selkeästi. Tietokantojen paikkatieto tuli siis kytkeä taustakarttana toimivaan maailmankarttaan. Kaikki tietokannat tuotiin samalle karttapohjalle, jolloin työskentely niiden välillä on helpointa. Toisaalta taustaltaan samanlaiset kartat ovat myös helpoiten verrattavissa toisiinsa .

Kuva 1: Yli 6,0 magnitudin maanjäristykset 2002-2017.

Ensimmäinen kartta kuvaa yli 6,0 magnitudin maanjäristyksiä 2002-2017. Järistyksiä on etenkin mannerlaattojen alityöntövyöhykkeillä, mutta myös muualla mannerlaattojen laidoilla. Erityisen monta voimakasta järistystä on mitattu Andien alueella Etelä-Amerikassa sekä Indonesian saariston ympäristössä. Pistesymboleihin valittu oranssi väri erottuu selkeänä kaksiväristä taustaa vasten. Näin pienen mittakaavan kartalta on tietysti mahdotonta nähdä tai edes kuvata selkeästi joka ikinen kohde, mutta mittakaava mielessä pitäen kartta on mielestäni onnistunut tavoitteessaan.

Kuva 2: Maailman tulivuoret.

Toisella kartalla esitetään maailman tulivuorten sijainnit. Karttaan on merkitty sekä aktiiviset, nukkuvat että sammuneet tulivuoret. Vaikka ne etenkin Tyynenmeren tulirenkaan alueella noudattelevat melko tarkastikin mannerlaattojen rajoja, on niiden hajautuminen myös rajojen ulkopuolelle selvää. Toki on otettava huomioon, että maanjäristyskarttaan on merkitty ainoastaan kaikkein kovimmat eli harvinaisimmat järistykset ja se, että tulivuoria esiintyy muutenkin kuin seismisen toiminnan tuloksena. Havaijin kuuma piste on yksi esimerkki tästä. Ulkonäöllisesti kartta on hyvin samanlainen kuin edellinen, väri erottuu edelleen selkeästi eikä epäselvyyttä tulkinnassa aiheuta muu kuin kartan pieni mittakaava.

Kuva 3: Kartoitettujen meteoriittien putoamiskohdat.

Kolmas kartta kuvaa maahan iskeytyneitä meteoriitteja, jotka on joko havaittu pudotessaan tai löydetty vasta sen jälkeen. Kartta on sanalla sanoen epäselvä. Kohteita on tuhansia enemmän kuin yllä olevissa kartoissa ja tarkimmin tutkituilla alueilla Euroopassa ja Pohjois-Amerikassa kartan valkoista pohjaa ei näy pistemerkinnöiltä lainkaan. Kristiina Koivu (2017) huomasi myös ongelman ja ratkaisi sen pienentämällä kohteiden pisteiden kokoa merkittävästi, joka kieltämättä olisi ollut järkevää. Hän kuitenkin mainitsee myös, miten toisaalta todella pienet merkinnät haittaavat myös tulkittavuutta ja tekevät kartasta omalla tavallaan hankalalukuisen yksittäisten kohteiden hahmottamisen vaikeutuessa. Kohteiden tiheys kahteen muuhun karttaan verrattuna johtuu paitsi siitä, että meteoriitit iskevät maahan täysin satunnaisesti, myös siitä, ettei niiden määrää ole tätä karttaa varten rajattu mitenkään. Tässä tapauksessa kartta olisi huomattavasti informatiivisempi, jos se esittäisi esimerkiksi ainoastaan viimeisten viiden vuoden aikana tippuneet tai yli tietyn kokoiset kappaleet. Lisäksi todellisuudessa merkintöjen määrä olisi tälläkin kartalla nykyiseen nähden moninkertainen, jos vaikeakulkuisilta tai muuten hankalasti tutkittavilta maa-alueilta kuten Amozonilta tai Siperiasta olisi enemmän dataa.

Selkeytensä puolesta kartat pääpiirteittäin sopisivat opetuskäyttöön. Niiden tulkitsemista voisi kuitenkin tiettyjä karttaelementtejä lisäämällä helpottaa tai tehdä paremmin tietyn pohjatason opiskelijoille sopiviksi. Esimerkiksi merien ja maanosien nimeäminen, mannerlaattojen rajojen merkitseminen tai ilmiöiden ajallinen tai voimakkuuden määrittävä jaottelu toisivat kaikki kartoille lisää informaatiota sekä mahdollisuuksia niiden käyttöön.

Yleisesti tämän tyyppiset kartat sopivat käytännössä minkä tahansa paikallisen ilmiön sijainnin kuvaamiseen ja keskenään vertailuun. Maailman mittakaavassa mielenkiintoista voisi olla esimerkiksi sadan parhaan yliopiston, hiilikaivosten tai kuten Tanja Palomäki (2017) toteaa, terrori-iskujen esittäminen. Oleellista on, ettei ilmiöiden määrä nouse liian korkeaksi, jolloin niiden hahmottaminen vaikeutuu merkittävästi.

Lähteet:

Koivu, K. (2017). Kurssikerta 6: Aineistojen hankintaan tutustumista ja opetuskarttoja (14.3.2017) https://blogs.helsinki.fi/koivukri/ Luettu 16.3.2017.

Palomäki, T. (2017). 6. Kurssikerta (24.2.2017) https://blogs.helsinki.fi/ptanja Luettu 17.3.2017.

Kurssikerta 5: Puskurianalyyseja

Viidennellä viikolla tutustuttiin erilaisiin tapoihin käyttää MapInfon buffer-työkalua. Aiemmista tunneista poiketen tällä kerralla ei laadittu karttaa, vaan suoritettiin erilaisia tehtäviä joiden vastaukset koottiin taulukoihin sitä mukaa kun niitä suoritettiin.

Tunnin aluksi palattiin viime kerralta tuttuun Pornaisten alueen karttaan, jonka avulla tutustuttiin bufferointiin eli puskurianalyysiin. Bufferilla tarkoitetaan objektin ympärille luotavaa aluetta, jolla sen saavutettavuutta voidaan tutkia. Pornaisten keskustasta tuli muun muassa selvittää, kuinka suuri osa viimeksi kartalle merkityistä rakennuksista sijaitsee tietyn matkan päässä tiestä tai terveyskeskuksesta. Yhteisen harjoituksen jälkeen siirryttiin itsenäistehtävien pariin.

Itsenäisharjoituksessa tehtiin erilaisia analyysejä lähinnä Pohjois-Helsinkiä ja Vantaata kuvaavalle kartalle ja tietokannalle, jolle oltiin merkitty alueen rakennukset ja näiden asukkaiden väestötietoja. Tarkoitus oli tutustua mahdollisimman monipuolisesti puskurityökalun käyttöön.

Taulukko 1: Itsenäistehtävään 1 saadut vastaukset.
Kuva 1: Tikkurilan alueelle kohdistuvan meluhaitta-alueen selvittäminen peilaamalla nykyinen 60dB meluvyöhyke päinvastaiseen suuntaan ja laskemalla bufferin alueelle osuvat asukkaat.

Itsenäistehtävässä 1 tutkittiin alueen lentokenttien ja juna-asemien läheisyydessä asuvien ihmisten määriä. Harjoituksessa tuli selvittää ensiksi asukkaiden määrä etäisyydellä x kyseisestä kohteesta, joka suoritettiin lähes rutiininomaisesti Pornaisten esimerkin tavoin bufferoimalla lentokenttien kiitoratojen päälle piirretyt viivat ja ennalta merkityt juna-asemat. Meluvyöhykkeillä asuvien määrien selvittämiseksi Helsinki-Vantaan lentokentän päälle tuotiin uusi meluvyöhykkeitä kuvaava tietokanta. Edellisen kohdan kiitoratojen bufferin lisäksi väestö piti nyt rajata myös meluvyöhykkeen mukaan, mikä vaati muutaman epäonnistuneen yrityksen ja turhautuneen huokaisun, mutta onnistui lopulta. Pieniä hankaluuksia tuotti myös juna-asemien läheisyydessä asuvien työikäisten selvittäminen, mutta siitäkin selvittiin yhdessä muiden opiskelijoiden kanssa työskentelemällä.

Taulukko 2: Itsenäistehtävään 2 saadut vastaukset.

Itsenäistehtävässä 2 samalle pohjalle tuotiin vielä uusi tietokanta, johon oli kuvattu kartan taajama-alueet. Tehtävä oli selvittää, kuinka suuri osa kartalla kuvatun alueen asukkaista asuu taajamissa, kuinka paljon kouluikäisiä on taajamien ulkopuolella käänteisvalintaa hyödyntämällä sekä kuinka monella eri taajama-alueella on tietty prosenttimäärä ulkomaalaisia. Vaikka tehtävät itsessään eivät olleet kovin monimutkaisia, prosenttilaskut osoittautuivat kummallisen suureksi haasteeksi.

Taulukko 3: Itsenäistehtävään 3 saadut vastaukset.

Itsenäistehtävää 3 varten tuli avata uusi, Helsingin koulupiirejä esittävä tietokanta. Tietokannan kartan alueelta tuli selvittää Helsingin Yhtenäiskoulun oppilaita ja koulupiiriä koskevia tietoja. Tehtävä vaati hieman taustatyötä, että kartalta sai edes selville, mitä siinä olevista koulupiireistä tehtävässä kysytään. Oikean alueen löytämisen jälkeen sen tiedoista pystyi asukkaiden ikäjakaumaa tutkimalla selvittämään niin 6-vuotiaiden, eli tulevien uusien ekaluokkalaisten määrän kuin myös laskemaan yhteen, kuinka monta yläasteikäistä seuraavana vuonna tulee alueella olemaan. Kouluikäisten määrä laskettiin laskemalla ikäluokat yhteen ja selvittämällä sen avulla prosenttimäärä kaikista asukkaista ja muun kielisten kouluikäisten määrä ottamalla edellisen tehtävän prosenttimäärä muun kielisten kokonaismäärästä.

Tehtävien jälkeen bufferointi analyysityökaluna oli tullut enemmän kuin tutuksi. Vaikka suuri osa harjoituksista oli melko yksinkertaisia, oli yllättävän virkistävää pitkästä aikaa suorittaa myös jonkin asteista ongelmanratkaisua ja yrittää itse keksiä, miten tietyn asian voi laskea tai selvittää.

Bufferoimalla tehty puskurianalyysi paljastui loistavaksi tavaksi selvittää, kuinka suuri vaikutusalue jollain asialla on. Tehtävissä selvitettiin liikenteen haittojen vaikutuksen alle jäävien ihmisten määrää, taajamissa asuvia ihmisiä ja tiettyyn koulupiirin kuuluvia kouluikäisiä. Lisäksi olisi mahdollista suunnitella esimerkiksi uuden erikoisliikkeen sijaintia tutkimalla, kuinka suurelle väestönosalle se olisi helpommin saavutettavissa kuin jo olemassa olevat liikkeet ja näin maksimoida asiakaskunta tai vaikka yksityishenkilönä selvittää, missä on esimerkiksi palveluiden, liikenteen solmukohtien tai koululaitosten sijainnin kannalta kyseiselle henkilölle sopivin asuinalue. Tällaisten analyysien tekemiseksi täytyy kuitenkin olla todella kattavat ja ajantasaiset taustatiedot ja tietokannat, joita hyödyntää. Meille kaikki on tehty helpoksi, sillä Eveliina Toikan (2017) sanoin: ”—valmis aineisto mahdollistaa huomattavasti laajemmat hyödyntämismahdollisuudet kuin käsittelemätön, leväällään oleva aineisto.”

Lähteet:
Toikka, E. (2017). Myötä- ja vastoinkäymisiä (27.2.2017)  https://blogs.helsinki.fi/evetoikk/ Luettu 6.3.2017.

Kurssikerta 4: Ruutukarttoja

Tällä kertaa tutustuttiin MapInfon ruudukkotyökalun käyttämiseen karttojen laatimisen apuna. Lisäksi kokeiltiin ohjelman piirtotyökaluja valmisteluissa seuraavan kurssikerran tehtäviä varten.

Ruudukkotyökalutehtävän alustaksi ladattiin tietokanta, johon oli tallennettu tietoa pääkaupunkiseudun rakennusten sijainnista ja näiden asukkaista. Yhteisen ohjeistamisen ja harjoittelun jälkeen jokaisen tuli itse luoda ruudukkokarttoja valitsemaansa kohteiden ominaisuustietoa käyttäen. Omissa kartoissa tuli käyttää jotain muuta ruutukokoa kuin harjoituksen 500m*500m ja vertailla tuloksia keskenään. Tein kaksi eri karttaa.

Kuva 1: Ulkomaalaisten määrä 1500m*1500m ruudukossa.
Kuva 2: Ulkomaalaisten määrä 250m*250m ruudukossa.

Karttojen teemana on ulkomaalaisten osuus pääkaupunkiseudun asukkaista. Ruutujen koko on ylemmällä kartalla 1500m*1500m ja alemmalla 250m*250m, väriskaalat ovat molemmissa kartoissa vertailun helpottamiseksi samanlaiset. Vaikka kartoilla kuvataan täysin samaa dataa, on niiltä saatava informaatio hyvinkin erilaista. Suurempi ruutuisessa kartassa liikenneväylät ja viheralueet asuinalueiden ulkopuolella eivät suuren ruutukoon vuoksi tule monin paikoin näkyviin, vaan asutus näyttää kattavan hyvinkin yhtenäisesti yli puolet koko kuvatusta alueesta. Etenkin alueet, joilla ulkomaalaisia on eniten korostuvat kartalta voimakkaasti. Yleisilmettä ulkomaalaisten alueellisesta sijoittumisesta voi kuitenkin tutkia joissain määrin, ja merkittävimpien asutuskeskittymien voi huomata sijoittuvan Itä- ja Koillis-Helsinkiin.

Pienemmällä ruutukoolla varustetulla kartalla asutuksen todellinen sijainti ilmenee kuitenkin paremmin. Kaikki asutus on pääkaupunkiseudulla melko harvaa ja kartalla on laajojakin täysin asuttamattomia alueita. Itä-Helsingin lisäksi tältä kartalta erottuu asutuskeskittymänä myös kantakaupunki. Legendoita katsoessa huomataan, että arvoiltaan suurimpaan luokkaan kuuluvia alueita on molemmilla kartoilla verrattain vähän, ja yksittäisen ruudun alueella ulkomaalaisten määrät ovat pieniä.

Valitulla ruudukkokoolla on mahdollista vaikuttaa merkittävästi laadittavan kartan ulkonäköön. Hanna Haurinen (2017) toteaa, että ruutukoolla on väliä. Todella pienet ruudut hankaloittavat kartan tulkintaa, mutta mitä suurempaa kokoa käytetään, sitä enemmän kartan informaatioarvo kärsii. Näitä ominaisuuksia käytetään kuitenkin myös hyödyksi, sillä näin kartalta voi korostaa tai piilottaa enemmän tai vähemmän toivottuja asioita ja ilmiöitä. Mainonnassa tai politiikassa kartan laatijalla voi olla etusijalla oman agendansa ajaminen, joka kannattaa pitää tulkintoja tehdessä mielessä.

Karttojen laatimisen jälkeen käsiteltäväksi otettiin toinen tietokanta, jota käytettäisiin pohjana seuraavan kurssikerran harjoituksille. Pornaisten kuntaa kuvaava rasterikartta tuli rekisteröidä koordinaatistoon eli käytännössä kertoa ohjelmalle, missä kyseinen alue maailmassa sijaitsee ja näin kiinnittää kartan kohteet oikeisiin koordinaatteihinsa. Kartalta rajatulle Pornaisten keskuksen alueelle tuli MapInfon piirtotyökaluja käyttäen piirtää tiet vektorimuotoon ja merkitä jokainen rakennus pisteellä. Nämä luotiin lopuksi omiksi karttatasoikseen, jotta ne ovat paremmin hyödynnettävissä myöhemmin.

Lähteet:
Haurinen, H. (2017). Neljäs kurssikerta (13.2.2017)  https://blogs.helsinki.fi/hhaurine/ Luettu 4.3.2017.

Kurssikerta 3: Tiedon yhteen liittäminen

Kolmannella kurssikerralla tavoitteena oli oppia yhdistämään ja tuomaan tietoa MapInfoon erilaisista lähteistä, kuten taulukko-ohjelma Excelistä. Tämä data lisättiin osaksi ohjelmalla työstämäämme tietokantaa.

Teknisen osuuden harjoittelussa käytettiin eri lähteistä poimittavaa, Afrikan valtioita ja niiden internetin käyttäjiä sekä myöhemmässä työvaiheessa timanttikaivoksia, öljykenttiä ja konfliktialueita koskevaa dataa, jota yhdisteltiin yhdeksi suuremmaksi tietokannaksi MapInfoon. Tarkoitus oli koostaa tietokanta, jonka avulla voidaan tarkastella esimerkiksi internetin käytön lisääntymistä tai konfliktien riippuvuutta öljykenttien sijainnista eri maissa.

Valmiin kartan tutkiminen oli mielenkiintoista. Vaikka konfliktit eivät aineiston mukaan rajoitu timanttikaivosten ja öljykenttien läheisyyteen, voidaan melko varmalta pohjalta tulkita niillä olevan ainakin joillain alueilla tekemistä keskenään. Köyhässä maanosassa varallisuus on jakautunut erittäin epätasaisesti ja luonnonrikkaudet ja niiden tuoman vaurauden jakaminen voivat aiheuttaa erimielisyyksiä heimojen, järjestöjen, valtioiden ja yritysten välillä.

Kurssikerran lopuksi Afrikan kartan koostamisessa opittuja taitoja hyväksikäyttäen luotiin teemakartta Suomen valuma-alueista ja niiden järvisyysprosentista.

Kuva 1: Suomen valuma-alueet tulvaindeksin ja järvisyysprosentin mukaan.

Kartalla valuma-alueet on luokiteltu tulvaindeksiensä mukaan. Tulvaindeksi on arvo, joka saadaan vertaamalla kyseisen valuma-alueen keskivirtaaman suhdetta sen keskiylivirtaamaan. Todella korkean tulvaindeksin alueita on vain muutama, joka voisi helposti vääristää aineiston ulkonäköä huomattavasti. Yritin kuitenkin huomioida tämän luokkarajoissa lisäämällä luokkaväliä asteittain ja jättämällä neljännen eli viimeisen luokan kattamaan vain viisi valuma-aluetta. Voimakkaimmin tulvivat alueet ovat kuitenkin pinta-aloiltaan pienimpiä, joten niitä voi olla hieman haastavaa hahmottaa legendaan valitun väriskaalan koostuessa melko samanlaisista sävyistä.

Valuma-alueiden tulvaindeksin päällä näkyy toinen teema, niiden järvisyysprosentti. Järvisyysprosentilla tarkoitetaan järvien pinta-alojen osuutta koko valuma-alueen pinta-alasta. Teeman kuvaaja on sininen pylväsdiagrammi, jonka arvoja voi arvioida legendan avainta apuna käyttäen. Värin olisi tulvaindeksin kuvaajan huomioon ottaen voinut valita myös toisin, jotta se erottuisi taustastaan hiukan selkeämmin.

Näyttää siltä, että korkea tulvaindeksi ja alhainen järvisyys kulkevat kartalla käsi kädessä. Pinta-alaltaan suurimmilla, matalan tulvaindeksin valuma-alueilla Keski- ja Itä-Suomessa on korkein järvisyysprosentti, siinä missä rannikoiden korkean tulvaindeksin valuma-alueilla ei järviä ole juuri lainkaan. Järvet varastoivat itseensä suuria määriä vettä ja alueilla joilla niitä ei ole, vesi kerääntyy jokiin ja muihin virtoihin. Niinpä äkilliset rankkasateet tai lumien sulaminen keväällä lisää jokien virtaamamäärää ja täten tulvimisriskiä merkittävästi. Anni Sarvanne (2017) tuo blogissaan esiin myös topografian merkityksen: Itä-Suomessa on vaihtelevampaa maastoa ja enemmän painanteita, joihin vesi voi varastoitua ja joista se voi rauhassa imeytyä maahan. Korkean tulvaindeksin Pohjanmaalla maasto on tasaista ja kaikki vesi pyrkii päätymään jokiin, joita pitkin se valuu lopulta Itämereen.

Lähteet:
Sarvanne, A. (2017). 3. Raportti – Afrikan maiden öljykenttiä ja Suomen järviä (9.2.2017)  https://blogs.helsinki.fi/sarvanni/ Luettu 1.3.2017.

Kurssikerta 2: Päällekkäisiä teemakarttoja

Toisella kurssikerralla tarkastelun alla olivat erilaiset tavat visualisoida tietoa päällekkäisillä karttaesityksillä. MapInfon avulla luotiin Suomen kunta-aineiston pohjalta koropleettikarttoja, joiden päälle tuotiin lisää tietoa esimerkiksi pylväinä, ympyrädiagrammeina sekä uusina rasterikarttoina.

Kuva 1: Etelä-Savon maakunnan kuntien pinta-ala suhteessa kunnan kesämökkien lukumäärään.

Kurssikerran loppupuolella tuli taas itse soveltaa oppimaansa ja luoda oma kartta, jolla esitetään kaksi eri teemaa päällekkäin. Etelä-Savon maakunnan kuntia kuvaavassa kartassa näkyy kuntien maapinta-alojen suhde niissä sijaitsevien kesämökkien määrään. Molemmat teemat on luokiteltu kolmeen luokkaan tulkitsemisen ja sävyerojen erottamisen helpottamiseksi. Kuntien maapinta-alaa kuvataan violetilla väriasteikolla ja kesämökkien määrää sen päällä pisterasterikuviolla. Kartan teemat eivät ole suhteellisuusasteikollisia kuten niiden tosiasiassa kuuluisi olla, mutta jotain kartalta voi tulkita virheestä huolimatta.

Etelä-Savo kuuluu järvimaisema-alueeseen ja on sen vuoksi Suomen mökkirikkaimpia alueita. Pienimmissäkin alueen kunnissa on yli 700 mökkiä ja enimmillään luku nousee lähes 1700 kesäasuntoon. Kartalta on kuitenkin havaittavissa, ettei kunnan koko kerro kaikkea mökkien lukumäärästä. Vaikka pinta-ala selittää osan jakaumasta, suurimökkisimmät kunnat sijoittuvat suureksi osaksi alueen länsi- ja eteläosiin, vähämökkisimmät kunnat taas ovat kartan pohjoisosassa. Syitä ilmiölle voi olla useita. Savonlinna ja Mikkeli ovat alueen suurimmat asutuskeskittymät, joten ne tarjoavat lähialueilleen ja niiden mökkiläisille palveluita. Kartan ulkopuolella vastaava alue on Mäntyharjuun rajoittuva Kouvola. Toisaalta kartta ei kerro maa-alan suhteesta alueen vesistöjen määrään ja sijoittumiseen, mikä osaltaan selittää mökkien määrää. Esimerkiksi Savonlinnan alueella vesistöjä riittää, jonka voi päätellä verrattaessa sen ja Pieksämäen kokonaispinta-alaa kartalla niiden ilmoitettuihin maa-pinta-aloihin.

Kartan luokkarajat on suunniteltu arvojen epätasainen jakaantuminen huomioiden. Rasterit erottuvat selkeästi taustaa vasten ja karttaa on melko helppolukuinen. Vertailtavien teemojen valitsemiseen olisi voinut käyttää enemmän aikaa, jolloin kartasta olisi ehkä saanut mielenkiintoisemman ja informatiivisemman niiden lähemmin liittyessä toisiinsa.

Artikkeli 1

Anna Leonowiczin artikkeli pohtii päällekkäisten koropleettikarttojen käytön mielekkyyttä ja niiden luettavuutta verrattuna yhden teeman koropleettikarttoihin. Artikkeli raportoi tutkimuksesta, jossa pyrittiin selvittämään ensimmäisen vuoden maantieteen opiskelijoiden avulla, kuinka helposti luettavia ja käytännöllisiä metodit ovat toisiinsa nähden. Tutkimus osoitti, että yhden teeman koropleettikartat ovat selkeämpiä lukea ja parempia ilmiön alueellisen jakautumisen kuvaamiseen, kun taas päällekkäiset koropleettikartat nähtiin mielenkiintoisempina ja parempina alueellisten ilmiöiden suhteiden kuvaamiseen.

On myönnettävä, että etenkin kokemattomille kartanlukijoille päällekkäiset koropleettikartat voivat näyttää ensivilkaisuilta sekavilta. Oikein tehdyt ja selkeät päällekkäiset teemakartat ovat kuitenkin mainio tapa esittää eri ilmiöiden riippuvuutta toisistaan ja samalla havainnollistaa niiden alueellista esiintymistä jopa paremmin kuin tavallisemmilla koropleettikartoilla. Artikkelin esimerkki syntyvyyden ja kuolleisuuden riippuvuuden esittämisestä tällä tavoin on oiva tapa tarkastella luonnollista väestönmuutosta vaikkapa eri valtioiden välillä. Tämä esitystapa antaakin enemmän tietoa kerralla kuin pelkkää väestönmuutoksen lukuarvoja kuvaava kartta.

Päällekkäiset teemakartat vaativat omanlaisensa legendat. Legendan idea on antaa avain kartan lukemiseen, ja artikkelin kartoissa ne ovat varsin poikkeavia. Legendaksi on laadittu ruudukko, jossa tarkasteltavat ilmiöt on kuvattu x- ja y-akseleilla toisen ollessa esimerkiksi värillinen ja toisen läpinäkyvä rasteriteema. Jos luokittelu asteikkoja on molemmilla ilmiöillä kolme, on kartalla tällöin mahdollista kuvata yhdeksää erilaista aluetta vaaleasta ja hyvin läpinäkyvästä tummaan ja tiheään kuvioon. On tärkeää pitää luokkamäärä pienenä, sillä yli kolmen luokan kartat menevät helposti epäselviksi tulkita. Koska luokkamäärän neliö on erilaisten lopputulosten määrä, esimerkiksi viiden luokan kartoissa tulisi pystyä erottamaan 25 mahdollisesti hyvinkin samankaltaista ilmiötyyppiä toisistaan.

Päällekkäiset teemakartat ovat monelle vielä melko uusi ja tuntematon tapa visualisoida tietoa. Kartan tekijän näkökulmasta asia on kuten Fanny Keränen (2017) toteaa: ”Etenkin kartan pohjana olevan aineiston käsittely ja legendojen tuottaminen itse auttaisi kunnolla ymmärtämään niiden idean.” Mikään ei ole parempi tapa oppia kuin tehdä itse, löytää töistään virheitä ja hiomista vaativia asioita ja korjata ne.

Lähteet:

Keränen, F. (2017). Toinen kurssikerta ja reaktiopaperi artikkelista 1. (5.2.2017)   https://blogs.helsinki.fi/fkeranen/ Luettu 6.2.2017.

Leonowicz, A. (2006).  Two-variable choropleth maps as a useful tool for visualization of geographical relationship. GEOGRAFIJA, 2006.  Luettu 2.2.2017.

Kurssikerta 1: MapInfo tutuksi

Paikkatiedon hankinta, analyysi ja kartografia eli PAK-kurssi aloitettiin käyttämällä ensimmäinen kurssikerta MapInfo-paikkatieto-ohjelmaan tutustumiseen. Koska kyseessä oli täysin uusi ohjelmisto, käytiin läpi lähinnä perusteita paikkatietoaineistojen tuomisesta ohjelmaan sekä laadittiin yksinkertaisen koropleettikartta näiden aineistojen pohjalta.

MapInfon käyttö vaikutti aluksi monimutkaiselta sen ollessa täysin vieras työskentelyalusta. Komentojen suorittaminen ja asioiden näytölle tuominen vaati muutaman yrityskerran, mutta työskentely tuntui lopulta lähtevän sujumaan. Ongelmatilanteista selviäminen toi lisää intoa tekemiseen ja kurssikerran jälkeen jäi ainakin jonkinlainen mielenkiinto oppia lisää ohjelman erilaisista käyttömahdollisuuksista.

Teknisen osuuden lisäksi pohdittiin hiukan karttojen ominaisuuksia. Mikä tahansa kartta ei ole hyvä eikä informatiivinen, vaikka sen sisältö olisi legendan avulla oikein ilmoitettukin. Erityistä huomiota kiinnitettiin koropleettikarttojen luokkarajojen suunnitteluun ja siihen, miten huolimattomalla suunnittelulla kartan lukeminen hankaloituu ja sitä voidaan helposti tulkita väärin. Ongelmia aiheuttaa se, ettei kaikkea voi kuvata samalla tavalla luokitellulla aineistolla. Esimerkiksi Suomen kuntien väkilukua on erittäin hankala verrata kartalla, jossa aineisto on luokiteltu viiteen tasaväliseen luokkaan sillä kuntien koko vaihtelee suuresti ja väkiluvultaan suuria kuntia on vähän. Tavoitteena onkin valita luokkarajat kiinnittäen huomiota aineiston arvojen jakaumaan ja sen perusteella valita sopivat luokkarajat.

Kurssikerran lopuksi jokainen pääsi kokeilemaan juuri oppimaansa ja luomaan oman teemakartan valmiiksi kootun, Suomen kuntien ominaisuustiedoista kertovan aineiston pohjalta. Omalla kartallani vertaillaan kuntien taajama-astetta, eli taajamissa asuvien kuntalaisten määrää koko kunnan väestöön nähden. Näin jälkikäteen karttaa tarkastellessa alkaa näkemään monia pieniä parantamisen mahdollisuuksia. Vaikka karttaa laatiessa värit näyttivät hyviltä, informaatio voisi välittyä helpommin, jos väriskaala koostuisi saman värin eri sävyistä, luokat voisivat olla helpommin tulkittavissa tasavälisinä ja niin edelleen. No, kehittämiskohteita seuraavaa kertaa varten.

Kuva 1: Kuntien taajama-aste alueittain, Tilastokeskus 2010.

Karttaa tulkitessa on mielenkiintoista huomata, kuinka tilkkutäkkimäiseltä se loppujen lopuksi näyttääkään. Sekä taajama-asteiltaan pieniä että suuria kuntia on melko tasaisesti kautta maan. Taajama-astekarttaa on mielenkiintoista verrata Sara Fillan esitykseen Suomen kuntien väestöntiheydestä (Filla, 2017). Vertailussa huomataan taajama-asteen toki olevan korkein tiheinten asutuissa kunnissa, mutta väestön hakeutuvan taajamiin myös harvemmin asutuilla alueilla kuten Rovaniemellä, Kajaanissa ja Savonlinnassa. Nämä kunnat ovat sekä väkiluvultaan että pinta-alaltaan Suomen mittakaavalla melko suuria (Tilastokeskus 2015) ja ne toimivat lähialueidensa keskuksina, jonne harvaan asuttujen seutujen palvelut ovat keskittyneet. Taajama-asteeltaan pienimmät kunnat ovat harvaan asuttuja, väestöltään pienikokoisia kuntia etenkin Keski-ja Pohjois-Suomessa. Pienen väkimäärän kunnissa suuria taajamia ei välttämättä synny, ja palvelut haetaan naapurikuntien alueelta. Tämä voi hankaloittaa elämää etenkin suurten etäisyyksien Lapissa.

Lähteet:
Filla, S. (2017). Kurssikerta 1: Väestön jakautuminen Suomessa (25.1.2017) https://blogs.helsinki.fi/sfilla/ Luettu 28.1.2017.

Väkiluku sukupuolen mukaan alueittain sekä väestömäärän muutos 31.12.2015. Tilastokeskus, Helsinki. http://www.stat.fi/ Luettu 28.1.2017.