Kurssikerta 7: Omia karttoja Kanadasta

Viimeisellä kurssikerralla saimme ison palan purtavaksi, kun tehtäväksemme tuli soveltaa kurssilla oppimiamme taitoja ja tehdä itse kaksi karttaa, mistä tahansa aiheesta. Meidän piti siis aloittaa aivan pohjalta ja etsiä kaikki aineistokin itse. Tämä osoittautui kaikkein vaativimmaksi ja aikaavievimmäksi tehtäväksi. Aluksi ajattelin tekeväni kartat Saksasta, mutta selvisi, että kaikki virallisiltakin sivuilta löytyvä tieto oli saksankielistä. Hetken päästä vaihdoin alueeni Kanadaan ja tietoa löytyikin jo paljon paremmin. Oli kuitenkin hieman kyseenalaista, mitä kaikkea löytämääni voisin soveltaa karttoihin siten, että niitä olisi järkevää vertailla. Tulinkin siihen tulokseen, että vaikka internet on tietoa täynnä ja paikkatietoa on saatavilla lähes rajattomasti, ei sen laadusta aina ole takeita.

Teemakarttoja varten tarvitsin myös pohjakartan, joka löytyi NaturalEarth sivustolta valmiiksi sopivassa muodossa. Vastassa oli vielä kuitenkin paljon ongelmia, sillä aineistot eivät olleetkaan sopivia sellaisenaan vaan niin kuin edelliskerrallakin, jouduin muokkaamaan niitä sekä Wordissä, että Excelissä. Lisäksi yhdistelin tietoja valmiiksi ja laskin itse kuinka paljon tupakoitsijoita on 1000 asukasta kohden. Vasta tämän jälkeen pystyin tuomaan aineistot MapInfoon ja yhdistää ne siellä toimiviksi. Tästä eteenpäin karttojen tekeminen onnistui lähes rutiinilla.

Syntyvyys ja imeväiskuolleisuus

Kuva 1. Imeväiskuolleisuus ja syntyvyys Kanadassa vuonna 2012 esitettynä päällekkäisessä koropleettikartassa (Statistics Canada, 2016).

Ensimmäinen kartta kertoo syntyvyydestä ja imeväiskuolleisuudesta Kanadassa vuonna 2012. Jostain syystä unohdin vähentää imeväiskuolleisuuden luokkamääriä, toisin kuin tein syntyvyydelle. Tämä vaikeuttaa hieman kartan luettavuuteen. Kirjoitin myös kartan legendaan lapsikuolleisuus, vaikka kyseessä on imeväiskuolleisuus. Ensikerralla enemmän tarkkuutta.

Anyways, imeväiskuolleisuus tarkoittaa sitä kuinka monta alle vuoden ikäistä lasta on kuollut tuhatta elävänä syntynyttä lasta kohden. Koko maailman imeväiskuolleisuuden keskiarvo on 41, mutta se vaihtelee rajustikin n. 1 – 160 välillä (Wikipedia 2016). Imeväiskuolleisuus on pientä maissa, joissa on korkea elintaso, kuten pohjoismaissa. Korkea puolestaan kehittyvissä maissa, joissa hygienia on heikkoa, lapsia hankitaan paljon ja terveydenhuoltojärjestelmä ei ole kovin kehittynyt. Karta näkee jonkinlaisen yhteyden syntyvyyden ja imeväiskuolleisuuden välillä, sillä esimerkiksi Nunavutissa syntyvyys on kaikkein korkeinta ja niin on imeväiskuolleisuuskin.

Tupakointi Kanadassa

Kuva 2. Kartta esittää yli 12-vuotiaiden, itsensä vakituisiksi tupakoitsijoiksi ilmoittaneiden määrää tuhatta asukasta kohti Kanadan eri provinsseissa vuonna 2012 (Statistics Canada, 2016).

 

Kuva 2. Kartta esittää yli 12-vuotiaiden, itsensä vakituisiksi tupakoitsijoiksi ilmoittaneiden määrää tuhatta asukasta kohti Kanadan eri provinsseissa vuonna 2014 (Statistics Canada, 2016).

 

 

 

 

Kahdesta seuraavasta kartastani päätin tehdä tavalliset vertailukelpoiset teemakartat. Niitä vertaillessa täytyy kuitenkin huomata, että luokkarajat eivät ole molemmissa samat. Kartoissa esittelin vakituisten yli 12 vuotiaiden tupakoitsijoiden määriä tuhatta asukasta kohden Kanadan eri provinsseissa vuosina 2012 ja 2014. Vaikka eroa karttojen aineistojen välillä on vain kaksi vuotta ovat ne silti eri näköiset. On myös syytä miettiä, mitä on tapahtunut sillä etenkin Nunavutissa tupakoitsijoiden määrä on kasvanut  246 -287 henkilöstä, 463 – 464. Joka tarkoittaa, että lähes puolet provinssin väestöstä tupakoitsisi. Muuten paikoin tupakoitsijoiden määrä on jopa hieman vähentynyt. Virallisia syitä tai muuta infoa en Kanadalaisten tupakointi tottumuksista löytänyt, mutta arvelisin sen olevan yleisempää juuri kylmillä ja syrjäisillä alueilla, joilla työskentelee paljon työmiehiä esimerkiksi metsureita. Lisäksi juuri Nunavutin asukasmäärä on hyvin pieni.

Koen, ettei MapInfon käyttö suju vielä läheskään täysin ongelmitta, mutta tiedän jo hyvin mihin kaikkeen sen avulla pystyy ja uskon, että tulen hyödyntämään sitä jatkossakin. Lisäksi olen oppinut kriittisemmäksi lähteiden suhteen, etsimään paikkatietoa, viittaamaan muiden kirjoituksiin ja toivon mukaan edes vähän paremmaksi karttojen laatijaksi.

 

LÄHTEET:

Statistics Canada (2016). Smokers, by sex, provinces and territories
(Number of persons). <http://www.statcan.gc.ca/tables-tableaux/sum-som/l01/cst01/health74a-eng.htm> 

Statistics Canada (2016). Population by year, by province and territory
(Number). <http://www.statcan.gc.ca/tables-tableaux/sum-som/l01/cst01/demo02a-eng.htm> 

Statistics Canada (2016). Infant mortality rates, by province and territory
(Both sexes). <http://www.statcan.gc.ca/tables-tableaux/sum-som/l01/cst01/health21a-eng.htm> 

Statistics Canada (2016).
Births and total fertility rate, by province and territory
(Births). <http://www.statcan.gc.ca/tables-tableaux/sum-som/l01/cst01/hlth85a-eng.htm>

Maps of World (2017). <http://www.mapsofworld.com/>

Natural Earth (2017). <http://www.naturalearthdata.com/>

Wikipedia (2016) Imeväiskuolleisuus. <https://fi.wikipedia.org/wiki/Imev%C3%A4iskuolleisuus>

Kurssikerta 6: Pisteaineistoja ja hasardeja

Kurssikerta alkoi tällä kertaa hieman erilaisissa merkeissä, kun saimme kouriimme GPS-laitteet, joiden avulla meidän tuli ryhminä kerätä paikkatietoa itsevalitsemamme teeman mukaisesti. Valitsimme Hennan ja Fannyn kanssa kohteiksi roskapöntöt Kumpulan alueella ja pistimme töpinäksi. Palattuamme takaisin kirjasimme pistesaaliimme Exceliin, jonka jälkeen harjoittelimme yhdessä koko luokan kanssa tietojen sijoittamista kartalle pisteiksi. Tämän jälkeen jatkoimme pisteaineiston koodaus- ja esittämisharjoituksia toisenlaisilla aineistoilla. Mielestäni tämä oli hauskaa ja selkeää ja jo harjoitteluvaiheessa pysyin hyvin kärryillä.

Seuraavaksi meidän piti soveltaa oppimaamme ja tehdä kolme eri karttaa liittyen meteoriitteihin, tulivuoriin ja maanjäristyksiin ja analysoida, kuinka hyvin ne toimisivat opetustarkoituksessa. Tuodessani pisteaineistoja MapInfoon kohtasin ongelmia, sillä aineistoja piti muokata ensin Excelissä. Tämäkään ei kaikilla kerroilla ollut riittävää, vaan jouduin käyttämään aineistot Wordissä ja Excelissä ennen kuin MapInfo ymmärsi sen sisällön.

Kuva 1. Tulivuoret (myös passiiviset), maahan iskeytyneet meteoriitit ja meteoriittihavainnot sekä yli kuuden magnitudin maanjäristykset maailmassa. (NCEDC 2014, NOAA 2017, Meteoritessize 2013)

Niin kuin ensimmäisestä kartasta näkyy, siinä on paljon tavaraa, mikä tekee siitä epäselvän. Taisin siis innostua tiedon määrästä ja siitä, että sain vihdoin kaikki pisteaineistot toimimaan. Olisin voinut jättää esimerkiksi meteoriitit pois ja keskittyä vain tulivuoriin ja maanjäristyksiin ja mahdollisesti rajata aineistoa enemmän.

Alla olevissa internetistä löytyneissä kuvissa on tehty fiksummin, sillä ensimmäisessä näkyy maailman tulivuoret lähes samalla tavalla kuin minun tekemässäni, mutta selkeämmin ja toisessa on esitelty erityisesti Tyynenmeren tulirengasta ja sitä, kuinka maanjäristysalueet sijoittuvat mannerlaattojen reunoille.

Maailman tulivuoret (lähde: The Geospatial desktop)
Tyynenmeren tulirengas. Kuvassa näkyy tulivuoret pääosin tulirenkaan alueella ja merkittävimmät maanjäristysalueet.

Kaksi muuta tekemääni karttaa onnistuivat hieman paremmin ja ne voisivat sopia opetuskäyttöön. Etelä-Aasiaan sijoittuva kartta esimerkiksi havainnollistaa, kuinka Intia on melko vakaata aluetta, mutta Himalajan vuoriston alueella on paljon maanjäristyksiä. Jollekkin voi tulla yllätyksenä, kuinka vähän esimerkiksi vulkaanista toimintaa Intiassa on. Sama pätee myös Australian karttaan, joka näyttää seismisesti ja vulkaanisesti vakaalta alueelta, mutta, jota sivuaa tyynenmeren tulirengas, jonka aiheuttamat maanjäristykset voivat aiheuttaa tsunameja aina Australian rannikkoa myöten.

Kuva 2. Tulivuoret (myös passiiviset), maahan iskeytyneet meteoriitit ja meteoriittihavainnot sekä yli kuuden magnitudin maanjäristykset Intiassa ja Etelä-Aasiassa. (NCEDC 2014, NOAA 2017, Meteoritessize 2013)
Kuva 3. Tulivuoret (myös passiiviset), maahan iskeytyneet meteoriitit ja meteoriittihavainnot sekä yli kuuden magnitudin maanjäristykset Australiassa. (NCEDC 2014, NOAA 2017, Meteoritessize 2013)

 

Lähteet:

NOAA, Global volcano locations database , (2017).<<https://catalog.data.gov/dataset/global-volcano-locations-database>>

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

Meteoritessize, (2013). <<https://fusiontables.google.com/DataSource?docid=1vHSvjNgCIl6kRhFXPHhvESnnYx_ShToJWtWdjm8#rows:id=1>>

Kurssikerta 5: Bufferointi

Viidennen kurssikerran uusi asia oli bufferointi eli puskurivyöhykkeiden teko. Niiden avulla voidaan tarkastella, mitä löytyy tietyn etäisyyden säteellä puskuroiduista kohteista. Ensimmäistä harjoitusta varten tarvitsimme edellisellä kurssikerralla piirretyt tiet ja talot, joita bufferoimalla selvitimme muun muassa, kuinka paljon taloja sijaitsee tietyn etäisyyden säteellä terveyskeskuksesta.

Tämän lyhyen perehtymisen jälkeen teimme itsenäistehtäviä, joissa tutkittiin muun muassa Malmin sekä Helsinki-Vantaan lentokenttien melualueita, kuinka monet ihmiset kuuluvat eri melutasojen vaikutusalueille sekä juna-asemien lähellä asuvien työssäkäyvien osuuksia Helsigin seudulla.

Tehtävien vastaukset

Bufferointi -työkalu sopii ominaisuuksiltaan esimerkiksi vaikutusalueiden, levinneisyyden sekä saavutettavuuden tutkimiseen. Se sopisikin hyvin vaikkapa uusia yrityksiä perustaessa selvittämään niille sopivaa sijaintia, joilla asukkaat todennäköisesti hyötyisivät yrityksen tarjoamista palveluista tai hyödykkeistä ja kuluttajia olisi tarpeeksi. Lisäksi se sopisi hyvin esimerkiksi kaivosten ja erilaisten tehtaiden vaikutusalueiden tutkimiseen ja selvittämiseen tai laajojen metsien hakkuiden havainnollistamiseen.

Mielestäni MapInfo on melko vaikeakäyttöinen ohjelma, ja sen avulla peruuttaminen ja aikaisemmin tehdyn työn poistaminen tuntuu lähes mahdottomalta, esimerkiksi piirtotyökalua käyttäessä. Lisäksi unohdan aina luoda uudet aineistot oikealle tasolle, jolloin niiden käsittelyssä tulee ongelmia. Olen kuitenkin alkanut hahmottamaan, millaisia asioita MapInfolla voi tutkia ja tehdä. Vaikka kaikkia toimintoja en muistaisikaan, ne on aina helpompi löytää, kun tietää edes, mistä aloittaa etsiminen. MapInfon hyviin ominaisuuksiin kuuluu se, että paikkatiedon tarkastelu on nopeaa ja helppoa ja esimerkiksi yhteen rakennukseen on voitu liittää paljon erilaista tietoa aina asukasmäärästä asukkaiden siviilisäätyihin ja työpaikkoihin asti. MapInfon toimintojen käyttöä rajaa kuitenkin käsiteltävän paikkatietoaineistojen laatu ja määrä sekä tietyt ohjelman ominaisuudet, joihin voi olla vaikeaa tai mahdotonta vaikuttaa. Se esimerkiksi yrittää automaattisesti tulkita joitain käskyjä tai aineistoja, missä se välillä epäonnistuu. Näitä virheitä voi olla vaikeakin huomata ennen kuin vasta sitten, kun on viisi kertaa yrittänyt käsitellä aineistoa ja se epäonnistuu joka kerta. Onnistun kuitenkin mielestäni jo melko hyvin tietokantojen yhdistämisessä ja karttojen tekemisessä, mutta kuten Mikaela Björkqvist blogissaan mainitsee MapInfon kartoista ei tule visuaalisesti kovin tyydyttäviä tai kauniita.

LÄHTEET:

Björkqvist, M. (2017) KK5 – bufferointi, Pornainen ja kaikenlaista pohdintaa. 8.3.2017. <https://blogs.helsinki.fi/bmikaela/>

Kurssikerta 4: Ruutukarttoja

Tällä kerralla tärkeimpänä tehtävänä oli laatia ruututeemakartta pääkaupunkiseudun alueelta ja aluksi harjoittelimmekin ruututeemakarttojen tekemistä yhdessä opettajan opastuksella. Lisäksi opettelimme käyttämään MapInfon piirtotyökalua ja luomaan tietokantoja MapInfoon  piirtämällä teitä ja taloja tiedostoon. Tulisimme käyttämään luomaamme uutta tietokantaa seuraavalla kerralla.

Ruututeemakartan teossa tärkeää oli valita koko ruudukolle, johon tieto myöhemmin kerättäisiin. Tässä vaiheessa tuli miettiä, millainen ruudukkokoko olisi selkeä ja ilmiötä havainnollistava, mutta ei kuitenkaan liian yleistävä. Valitsin kaksi eri ruutukokoa 250 metriä sekä 2 kilometriä. Halusin tarkoituksellisesti hieman kokeilla esittämistavan rajoja, eikä kummastakaan kartasta tullut varsinaista optimaalia ilmiön esittämisen kannalta.  Ruudukon avulla kartalle luotiin teemakartta, jonka aiheen sai valita itse. Tässä vaiheessa koin jonkinlaisen aivopierun ja valitsin asiaa tarkemmin ajattelematta aiheeksi muunmaalaisten osuuden, joka oli aiheena ensimmäisellä kurssikerralla tekemässäni koropleettikartassa. Ilmeisesti minulla on jokin alitajuntainen intohimo aihetta kohtaan.

Kuva 1. Muunkielisten määrä pääkaupunkiseudulla 250 metrin tarkkuudella ruututeemakartalla esitettynä.
Kuva 2. Muunkielisten määrä pääkaupunkiseudulla 2 kilometrin tarkkuudella ruututeemakartalla esitettynä.

Karttoja tarkastellessa ja vertaillessa huomaa nopeasti, että ensimmäisessä kartassa ruudut ovat aivan liian pieniä ja luettavuus kärsii kun taas toisessa puolestaan ilmiö on liian yleistetty. Kuten Henna Kukkola (2017) kuitenkin vihjaa, erottuu pienempiruutuisesta kartasta tarkemmin tiet ja viheralueet, sillä ruudut sijoittuvat sinne missä ihmiset asuvat eli asuinalueille. Huomasin samalla, että Kukkolan ruututeemakartat esittivät ulkomaalaisten osuuksia pääkaupunkiseudulla. Kartoistamme oli huomattavissa yhteys, sillä luonnollisesti ulkomaalaiset usein puhuvat vieraita kieliä.

Näin jälkeenpäin ajateltuna olisin voinut valita tarkastelun kohteeksi pienemmän alueen, kuten pelkästään Helsingin. Tällöin kartoista olisi tullut selkeämpiä. Valitsin mielestäni kuitenkin hyvät värit, eivätkä ne sekoitu muiden kartan taustavärien kanssa, vaikka luokkia onkin monta. Muiden karttoja nähtyäni totesin kuitenkin, että taustaväristä luopuminen olisi lisännyt kartan selkeyttä. Toisaalta pidän myös siitä, että kaupunkien rajat näkyvät. En tiedä onko karttojen yleinen visuaalinen rumuus kuitenkaan täysin minun kykyjeni puutetta, vai voinko myös kritisoida MapInfoa.

Olen  Sara Fillan kanssa samaa mieltä siitä, että ruututeemakartat ovat käteviä absoluuttisia arvoja kuvatessa, sillä ruudut ovat aina samankokoisia. Se ei kuitenkaan  sovellu ilmiön kuvaamiseen suurella alueella, sillä kartan lukemisesta tulee vaikeaa, eikä siitä saa oikein mitään irti.

LÄHTEET:

Kukkola, H (2017). Kurssikerta 4: Ruutukarttoja (5.3.2017). <https://blogs.helsinki.fi/hennakuk/> [10.3.2017]

Filla, S (2017).  Kurssikerta 4 (20.2.2017) <https://blogs.helsinki.fi/sfilla/> [10.3.2017]

 

Kurssikerta 3: Tietokannat ja tulvaindeksikartta

Kolmannella kurssikerralla harjoittelimme Artun johdolla tietokantojen liittämistä yhteen helppokäyttöisiksi kokonaisuuksiksi sekä ulkoisten tietokantojen tuomista ohjelmaan. Lisäksi tuotimme itse lisää tietoa taulukoihin vanhan avulla ja päivitimme sarakkeisiin täsmäävää tietoa. Aluksi tämä tuntui todella haastavalta pääosin ehkä siksi, etten täysin ymmärtänyt mitä teimme ja miksi. Kun oli aika harjoitella itsenäisesti, jutun juju alkoi hahmottua.

Käsittelemämme aineisto sisälsi paljon erilaista ja tarkkaa tietoa Afrikan mantereesta, ja vaikka lopullinen karttatehtävä ei siihen liittynytkään tuli meidän pohtia, mihin kaikkeen kyseisestä aineistosta löytyvää tietoa voisi hyödyntää. Esimerkiksi internetkäyttäjien lukumäärä eri vuosilta ei ainoastaan kerro innovaation leviämisestä vaan kielii myös mahdollisesta elintasosta tai rajoitteista. Toimiva internet tarvii nimittäin toimiakseen monia osia, jotka eivät ole halpoja. Lisäksi kuten Iivari Laakso blogissaan mainitsee, olisi aineiston avulla mahdollista tutkia internetkäyttäytymistä konfliktialueilla, sillä nykyään internet on suuressa osassa konflikteja ja sitä käytetään esimerkiksi propagandan laajaan levittämiseen tai uhkailuun.

Timanttikaivoksia sekä öljykenttiä koskevilla tiedoilla, kuten niiden löytö- ja perustamisajankohdilla sekä tuottavuusluokituksilla puolestaan voidaan esimerkiksi tutkia siirtomaa-ajan jättämiä jälkiä, kaivoksien mahdollisesti aiheuttamia konflikteja sekä sitä kuinka suuret varannot alueella on ja kuinka pian ne ovat ehtymässä. Mahdollisuuksia on monia ja pientäkin aineistoa voi hyödyntää usealla tavalla.

Tulvaindeksikartta

Tällä kerralla tarkoituksena oli myös tehdä tulvaindeksikartta, jota tulisimme tarvitsemaan myöhemmin keväällä ja tulkita sitä maallikon silmin.

Kuva 1. Tulvaindeksikartta Suomesta. Kuvassa näkyy myös järvisyys eri alueilla.

Mielestäni kartta onnistui kutakuinkin hyvin. Väriskaala sopii aiheeseen ja värit on helppo erottaa toisistaan. Ainoastaan vaalean beigen sävyn olisin voinut muuttaa joksiksin toiseksi. Lisäksi kartta näyttää yhtenäiseltä ja pääpiirteittäin selkeältä; osa pylväistä on hankalasti luettavissa niiden ollessa niin supussa, mutta tämä on yksi MapInfon perusongelmista.

Tulva tarkoittaa vesistön vedenpinnan nousua ja maan tilapäistä peittymistä vedellä. Suomessa tulvat johtuvat voimakkaista, äkillisistä tai pitkäaikaisista sateista tai lumien sulamisesta. Tulvaindeksi puolestaan kertoo alueen turvaherkkyydestä vertaamalla keskiylivirtaamaa ja keskialivirtaamaa keskenään. Tulvaherkimpiä alueita ovat pinta-alaltaan pienemmät ja tasaiset alueet, joilla on vain vähän järviä ja jokia, sillä ne toimivat vesivarastoina ja tasoittavat veden määrän vaihteluja. Kuten kartasta näkee tälläinen alue on esimerkiksi Pohjanmaa. Alex Salminen toteaakin osuvasti (Salminen, 2017): ” Mitä enemmän valuma-alueella on järviä (eli mitä suurempi järvisyysprosentti on), sitä parempi on sen mukautumiskyky vedenpinnan ja virtaaman muutoksiin.”

Tulvaindeksiä nostaa myös suuremmat kaupungit, joissa maa on katettu suurilta osin asfaltilla ja betonilla ja luonnonmukaisia ojia ja puroja on tuhottu, eikä vesi pääse imeytymään maaperään vaan kulkeutuu suurina määrinä lähimpiin vesistöihin. Muun muassa tästä syystä pääkaupunkiseudulla on kartan mukaan korkea tulvaindeksi. Myös runsaasta maanviljelystä johtuva ojitus sekä esimerkiksi suoalueiden kaivaminen turpeen saamiseksi voivat aiheutaa häiriöitä veden normaalissa kulussa ja nostavat tulvien riskiä.

 

Lähteet:

Viikko 3: Afrikkaa ja tulvia, 10.2.2017, Alex Salminen. https://blogs.helsinki.fi/alexsalm/ [9.2.2017]

3. kurssikerta, 2.2.2017, Iivari Laakso. https://blogs.helsinki.fi/iilaakso/ [9.2.2017]

Artikkeli 1

 

Artikkeli “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” kertoo siitä, kuinka kahden muuttujan koropleettikarttoja voidaan hyödyntää kartografiassa, kuinka ne eroavat yhden muuttujan koropleettikartoista ja mitä ongelmia niihin liittyy. Sen pääsanoma tiivistyy siihen, että yhden muuttujan koropleettikartat ovat parempia alueellisen jakautumisen ilmaisemisessa, kun taas hyvin suunnitellut kahden muuttujan koropleettikartat ilmaisevat selkeämmin muuttujien välisiä alueellisia suhteita.

Minulle uutta oli artikkelissa esitetty tapa, jossa hajontakuviota ja regressiosuoraa käytettiin koropleettikartan yhteydessä selventämään sen sanomaa. Vaikka nopeasti vilkaistuna ne saattoivat näyttää monimutkaisilta, ovat ne itse asiassa melko helppolukuisia ja auttavat varmasti kartan lukijoita ymmärtämään karttoja paremmin. Tällaisten “apuvälineiden” käyttö korostaa kuitenkin entisestään luokkajaon sekä luokkia ilmaisevien värien tai kuvioiden tärkeyttä. Luokkia ei saa olla liikaa ja värien tulee olla selkeitä ja erotettavissa toisistaan, muuten kartan luettavuus kärsii. Lisäksi ymmärsin, että luokkien rajallisen määrän vuoksi kahden muuttujan koropleettikartoilla ei ole järkevää esittää liian suuria alueita, sillä muuten kartoista tulee todella yleistäviä eikä informatiivisia.

Havaitsin myös, että useissa artikkelin legendoissa ei ainoastaan selitetty, mitä tietty väri kartalla merkitsi, niin kuin esimerkiksi kurssilla tähän asti tehdyissä kartoissa. Niissä ilmaistiin myös, kuinka paljon kunkin värisiä alueita kartalla on suhteessa toisiinsa. Tämäkin on hyvä keino lisätä kartan luettavuutta.

Kahden muuttujan koropleettikarttoja kannattaa siis käyttää, jos ne ovat selvästi vaikutuksessa toisiinsa tai vaikuttavat molemmat, johonkin kolmanteen muuttujaan, ja niiden suhdetta halutaan kuvata. Jos kuvattava alue on suuri tai luokkien, joiden suositus on enintään 9 (3×3), rajallisuus tulee esteeksi karttaa laatiessa, kannattaa kuitenkin kuvata muuttujat erikseen omilla kartoillaan. Luettavuuden säilyminen on kuitenkin yksi avainasioista kartoissa ja sen muuttuessa epäselvemmäksi, riskit väärinymmärryksille kasvavat.

Lähteet:

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

 

Päällekkäiset koropleettikartat: taloudellinen huoltosuhde ja eläkeläiset

Toisella kurssikerralla syvensimme jo oppimaamme ja jatkoimme MapInfon käytön harjoittelua. Artun johdolla kokeilimme tehdä muun muassa pylväs- ja ympyrädiagrammikarttoja, 3D kartan sekä graduated-teemakartan. Samalla opimme millaisiin terkoituksiin kutakin karttaa voisi hyvä hyödyntää, minkä tietäminen on hyödyllistä jatkon kannalta. Esimerkiksi graduated karttaa käytetään kuvaamaan absoluuttisia arvoja toisin kuin koropleettikartoissa ilmaistaan usein suhteellisia lukuja. Harjoittelun jälkeen pääsimme itse kokeilemaan siipiämme ja tässä on minun luomukseni:

Kuva 1. Taloudellinen huoltosuhde ja eläkeläisten osuus Pohjois-Karjalan maakunnassa vuonna 2015.

Kartassa esitetään taloudellinen huoltosuhde sekä eläkeläisten osuus Pohjois-Karjalan maakunnassa. Huoltosuhde kuvaa työvoiman ulkopuolisen väestön, kuten lapsien ja vanhuksien suhdetta työssäkäyvään väestöön. Mitä suurempi huoltosuhde on, sitä heikompi taloudellinen tilanne on ja sitä vaikeampi kunnallisia palveluita on ylläpitää. (Huoltosuhde, Suomen kuntaliitto) Niin kuin Vilja Jokinen blogissaan toteaa: “Työllisyys on kaikkein heikointa Itä- ja Pohjois-Suomessa, ” 42,8 – 50,9%, mikä näkyy suoraan huoltosuhteessa. Suurin syy siihen onkin juuri heikko työllisyys ja eläkeläisten suuri määrä. Sonja Koivisto kuvaileekin Itä-Suomea “autioituvana” ja “palveluihin taloudellista tukea tarvitsevana”.  Kaikkein heikoimmat huoltosuhteet sijoittuvatkin vuonna 2014 Kainuun, Pohjois-Karjalan, Etelä-Savon ja Kymenlaakson maakuntiin, joista kolme sijaitsee Itä-Suomessa. Tästä päätellen Koiviston kuvailu osui naulan kantaan.  Poikkeuksellisena Pohjois-Karjalassa erottuvat kuitenkin Joensuu ja sen vieruskunnat Kontiolahti sekä Liperi, joissa eläkeläisiä on huomattavasti vähemmän ja huoltosuhde parempi. Suurimpana syynä tähän lienee alueella sijaitseva Yliopisto.

Karttaa tehdessäni totesin, että luokkia ei saa olla liikaa, jotta sen luettavuus ei kärsisi. Vaikka luokkia muodostuikin vain kuusi, oli minulla silti vaikeuksia valita eläkeläisten osuuksia kuvaavia kuvioita siten, että ne erottuisivat toisistaan selkeästi näyttäen kuitenkin yhtenäisiltä. Mielestäni onnistuin lopulta valitsemaan sopivat merkit, jotka erottuvat kartalla hyvin, mutta legendaa saattaa olla sen pienen koon takia hankala lukea. Koska valitsin karttaani vain yhden maakunnan, päätin nimetä kaikki kunnat, jotta niiden vertailu olisi helpompaa sekä lisätä havainnollistavan kuvan alueen sijainnista. Koen, että nämä seikat helpottavat alueen maantieteellistä hahmottamista ja on avuksi etenkin ihmisille, joille kyseinen alue on vierasta.

 

Lähteet:

MapInfon alkeet, Sonja Koivisto. https://blogs.helsinki.fi/kosokoso/ [28.1.2017]

Huoltosuhde, Suomen kuntaliitto. http://www.kunnat.net/fi/tietopankit/tilastot/indikaatori/Sivut/ind.aspx?ind=20011&th=200 [28.1.2017]

Kurssikerta 1: MapInfon perustaidot haltuun ja teemakartta Suomen työllisyydestä, Vilja Jokinen. https://blogs.helsinki.fi/jokinenv/ [28.1.2017]

 

 

 

Ensimmäinen teemakartta: Muunkielinen väestö Suomessa

Kuva 1.

Ensimmäisellä kurssikerralla tutustuimme MapInfo nimiseen ohjelmaan ja muutamien perustoimintojen opettelun jälkeen, laadimme sillä teemakartat itse valitsemistamme aiheista. Valitsin muunkielisen väestön esiintymisen Suomessa.

Muunkielisiksi lasketaan kaikki, jotka puhuvat äidinkielenään jotain muuta kieltä kuin suomea, ruotsia tai saamea. Väestöön puolestaan kuuluvat kaikki vakituisesti Suomessa asuvat, vaikka he olisivat tilapäisesti ulkomailla. Ulkomaalainen kuuluu Suomen väestöön, jos hänen maassa oleskelunsa on kestänyt tai on tarkoitettu kestämään yli vuoden. Turvapaikanhakijat eivät kuulu väestöön ennen kuin heidän hakemuksensa ovat hyväksytty. (Laatuseloste: Väestörakenne 2015, 2016.)

Kartat esittävät siis vieraskielisen väestön prosenttiosuuksia Suomessa kunnittain. Kartasta 1. näkee, että prosentuaalisesti kaikkein eniten vieraskielisiä on pohjoisessa, Utsjoella, jossa heitä on 49,4 – 49,5 %. Tämän jälkeen eniten heitä on muissa pohjoisimman Lapin kunnissa, länsirannikolla Vaasan lähettyvillä ja Etelä-Suomessa etenkin rannikolla sekä muutamissa yksittäisissä kunnissa kuten Tampereella ja Lappeenrannassa. Muualla Suomessa osuus on vaihtelee melko tasaisesti 0,8 – 1,4 prosentin välillä, paitsi sisäosien sekä joissain Lapin kunnissa määrä on vain 0,2 – 0,8 %.

Kaikkein yleisimpiä vieraita kieliä Suomessa ovat Venäjä, Eesti, Somali ja Englanti (Väestörakenne, 2016). Eri puolilla maata vaikuttavat siis rajanaapurien läheisyys, esimerkiksi idässä Venäjä. Lisäksi Pääkaupunkiseudulla on globaalein ympäristö ja eniten työmahdollisuuksia, joten sielä asuu määrällisesti paljon ulkomaalaisia ja muita vieraskielisiä. Myös yliopistoilla on vaikutusta vieraskielisten osuuteen ja niinpä ulkomaalaiset opiskelijat sekä henkilökunta mahdollisesti nostattavatkin lukuja pääkaupunkiseudun lisäksi esimerkiksi Tampereella, Vaasassa, Joensuussa sekä Lappeenrannassa ja niiden lähialueilla. Pohjoisessa suureen lukuun vaikuttaa naapurimaiden lisäksi todennäköisesti myös turismi, joka on elinkenona saattanut houkutella vieraskielisiä yrittäjiä alueelle. Ympäri Suomea levittäytyneet turvapaikanhakijat, joille turvapaikka on myönnetty kasvattavat todennäköisesti myös osuuksia.

Kartassa esitystavassa ongelmallista on, että se ilmoittaa asian prosenttilukuina, sillä esimerkiksi pääkaupunkiseudulla asuu määrällisesti paljon enemmän vieraita kieliä puhuvia ihmisiä kuin vaikkapa Lapissa, mutta koko kunnan asukasmäärään suhteutettuna puolestaan vähemmän. Karttaan voisikin liittää lisätiedoksi vieraskielisten absoluuttiset määrät. Lisäksi silmiini pisti luokkien suuret kokovaihtelut ja tutkin asiaa tarkemmin. Olin valinnut MapInfossa ryhmien luokittelutavaksi luonnollisen luokitteluvälin, mutta kokeilin luokittelua vielä tasavälisesti (equal break), jolloin ryhmistä tulisi samankokoisia. Kuten kuvasta kaksi kuitenkin näkee, kartasta tuli paljon tyhjempi, sillä suurimmassa osassa kunnista muunkielisen väestön osuus vaihtelee melko pienellä välillä: 0 – 9,9 %. Tästä syystä koin luonnollisen luokitteluvälin sopivan paremmin luokittelutavaksi.

Kuva 2.

Oli hauska kokeilla uutta ohjelmaa ja huomata kuinka nopeasti sillä pystyy luomaan erilaisia teemakarttoja ja miten se eroaa Corelista. Lisäksi koen, että erilaisia luokkarajoja oli paljon helpompi ymmärtää teoriassa Laskennalliset menetelmät-kurssin jälkeen ja kokeilemalla selvisi myös, miten ne käytännössä ilmenevät.

 

Lähteet:

Väestörakenne  (2016). Tilastokeskus, Helsinki. http://tilastokeskus.fi/tup/suoluk/suoluk_vaesto.html [ 17.1.2017]

Laatuseloste: Väestörakenne 2015 (2016). Tilastokeskus, Helsinki. http://www.stat.fi/til/vaerak/2015/01/vaerak_2015_01_2016-09-23_laa_001_fi.html [17.1.2017]