7. kurssikerta

Viimeinen kurssikerta käynnistyi laskiaisen ja (lasku)humalan jälkeisenä keskiviikkoaamuna ihanasti kello 08:15. Tehtävänä oli tehdä kaksi karttaa itse valitsemista teemoista, mitä varten ennen tuli olla valmiina paikkatietokanta sekä tilastotietoa valitsemalta alueelta. Tavoitteena oli käyttää kurssin aikana opittuja taitoja kokonaisuutena ja luoda karttaesitys alusta loppuun itse. Päätin itse ottaa tarkasteltavaksi alueeksi Euroopan maanosan, ja tilastotietoina käsittelyssä on BKT, pitkäaikaistyöttömyys sekä kolmannen asteen tutkinnon suorittaneet tietystä väestön osasta.

Fiilikset Kumpulaan saavuttuani

Työskentely MapInfon kanssa sujui yllättävän hyvin siihen nähden, kuinka paljon ohjelman kanssa on tullut taisteltua edellisillä kurssikerroilla. Sen sijaan pientä päänvaivaa aiheutti esimerkiksi Excel, joka päätti aina muuttaa tilastotaulukoiden desimaalit päivämääriksi. Sain kuitenkin taulukot oikeaan muotoon, minkä jälkeen itse kartan tekeminen alkoi. Päätin käyttää pohjakarttana kuudennen kurssikerran kansiossa olevaa world map-tiedostoa, jonka meret muokkasin vaaleansinisiksi. Huomasin Vilja Jokisen käyttäneen merten pohjakarttana huomattavasti esteettisempää vaihtoehtoa hänen kasvihuonekaasupäästöjä käsittelevissä kartoissa (Jokinen, 2017). Toisaalta yksinkertainen värikin toimii ihan hyvin tässä tilanteessa. Tämän jälkeen yhdistin Eurostat-palvelusta lataamiani tietokantoja SQL-select toiminnon avulla, mikä sujui melko vaivatta. Eurostat-palvelu on erittäin kätevä, mutta teemojen päättäminen oli lopulta melko aikaavievää, sillä vaihtoehtoja oli runsaasti. Tiettyjen Euroopan valtioiden tietoja ei ole kartalla, sillä tilastotietoa ei ollut saatavilla molemmista teemoista samanaikaisesti.

Karttojen luominen tapahtui tuttuun tapaan teemakarttatoiminnolla. Valitsin molemmissa kartoissa pohjalle tulleiden koropleettikarttojen sekä ensimmäisen kartan BKT-esityksen luokittelutavaksi luonnolliset luokkavälit viidellä luokalla. Jälkeenpäin tarkasteltuna neljä luokkaa olisi ollut sopivampi määrä molemmissa kartoissa. Ensimmäisessä kartassa tarkastellaan pitkäaikaistyöttömyyttä sekä bruttokansantuotetta (kuva 1) ja toisessa kartassa tarkastellaan kolmannen asteen tutkinnon suorittaneiden prosentuaalista osuutta sekä bruttokansantuotetta (kuva 2).

Kuva 1. Pitkäaikaistyöttömyys ja ostovoimaan suhteutettu BKT ihmistä kohden Euroopassa (2015)

Valitsin ensimmäisessä kartassa esitettävät teemat käsittelyyn, koska halusin nähdä onko pitkäaikaistyöttömyydellä selvä näkyvä vaikutus bruttokansantuotteeseen. Kartasta huomasin nyt kotona blogitekstiä kirjoittaessani, että Kroatian BKT puuttuu kartalta kokonaan. Ilmeisesti tieto on jossain vaiheessa kadonnut MapInfon syövereihin. Karttaa tarkastellessa voi huomata, että näillä kahdella muuttujalla ei ole selvää korrelaatiota. BKT koostuu erittäin monista asioista, johon tietenkin myös työttömyys vaikuttaa, mutta kartallani yhteyttä ei voi huomata kovinkaan vakuuttavasti.

 

Kolmannen asteen koulutuksen saaneet 30-34 -vuotiaat sekä ostovoimaan suhteutettu BKT ihmistä kohden (2015)

Toiseen karttaan valitsin tarkasteltaviksi BKT:n ja kolmannen asteen tutkinnon suorittaneiden prosuntuaalisen osuuden 30-34 -vuotiaiden eli vahvasti työelämään asettuneiden keskuudessa. Halusin nähdä, miten korkeakoulutetut buustaavat valtioiden BKT:ta. Kartassa on kuitenkin pieni virhe, jotka huomasin jälkeenpäin; pylväät ovat hieman liian paksuja, minkä johdosta esimerkiksi Benelux-maiden tarkastelu on vaikeaa. Kartasta huomaa, että jonkin tason korrelaatio löytyy, mutta BKT koostuu erittäin monesta asiasta, minkä johdosta tämänkaltaisia karttaesityksiä on vaikea analysoida. Euroopan valtiot ovat myös kulttuureiltaan ja taloudellisilta rakenteiltaan hyvin erilaisia, mikä tekee alueen tarkastelusta vaikeaa.

Viimeisen kurssikerran kartat eivät mielestäni ole mitenkään erityisen onnistuneita, mutta kai niitä ihan kohtalaisiksi voi kuvata. Hieman pirteämmässä olotilassa olisi varmasti syntynyt parempia lopputuloksia, eikä huolimattomuusvirheitä olisi tapahtunut läheskään yhtä paljon. Note to self: älä tule tunnin yöunien jälkeen darrassa säätämään karttojen kaa, idiootti. Tärkeintä kuitenkin on oppiminen ja koen viimeisen kurssikerran olleen hyödyllisin oman osaamisen kehittämisen kannalta, sillä opittua piti soveltaa vapaasti kunnolla ensimmäistä kertaa.

Kurssin aikana uuden ohjelman opetteleminen on ollut vaikeaa, mutta vaikeuksien kautta olen kuitenkin saanut melko hyvän pohjan MapInfon käyttämiselle. Kaipaan lisää harjoitusta paikkatieto-ohjelmista, ja uskon, että tulevilla kurseilla saamistani taidoista on edes jotain hyötyä muita ohjelmia (jotka eivät toivottavasti ole yhtä kankeita) käyttäessä.

Lähteet:

Eurostat, GDP per capita in PPS. <http://ec.europa.eu/eurostat/tgm/table.do?tab=table&init=1&language=en&pcode=tec00114&plugin=1>. Luettu 1.3.2017

Eurostat, Long-term unemployment rate, by sex. <http://ec.europa.eu/eurostat/tgm/table.do?tab=table&init=1&language=en&pcode=tsdsc330&plugin=1>. Luettu 1.3.2017

Eurostat, Tertiary educational attainment by sex, age group 30-34. <http://ec.europa.eu/eurostat/tgm/table.do?tab=table&init=1&language=en&pcode=tsdsc480&plugin=1>. Luettu 1.3.2017

Jokinen Vilja (2017). Kurssikerta 7: Viimeinen ehtoollinen. <https://blogs.helsinki.fi/jokinenv/>. Luettu 2.3.2017

6. kurssikerta

Kuudes kurssikerta käynnistyi pirteissä merkeissä pienellä ulkoreippailulla. Kurssilaiset jaettiin ryhmiin, joiden tehtävänä oli kiertää lähiympäristössä keräten pisteitä GPS-paikantimen avulla. Ryhmäni päätti tallentaa lähiympäristössä olevien roskisten koordinaatteja. Kirjasimme roskiksista paperille x- ja y-koordinaatit, korkeus merenpinnasta sekä laitteen tarkkuus mittaushetkellä. Näiden tietojen perusteella laadittiin excel-taulukot, joiden avulla harjoiteltiin Create Points -toimintoa MapInfolla. Toiminto osoittautui erittäin hyödylliseksi ja kiintoisaksi työkaluksi kurssikerran itsenäistehtävien lomassa. Omissa mittauksissa syntyneet (kirjaus)virheet huomasi helposti tulosksia tarkastellessa MapInfossa. Onneksi niitä ei kuitenkaan hirveästi löytynyt.

Seuraavaksi siirryttiin geokoodaus-toiminnon opettelemiseen Helsingin pelikoneet -aineiston avulla. Harjoituksessa käytettiin street-muotoista tietokantaa, johon oli tallennettu muun muassa osoite- ja postinumerodataa. Lopulta kartalle saatiin näkymään kaikkien Helsingin pelikoneiden sijoittuminen kaupungin kartalla. Pienet ristiriidat aineiston muun datan ja osoitteiden välillä aiheuttivat kuitenkin päänvaivaa, mutta Artun näyttämä ratkaisu oli lopulta melko yksinkertainen.

Kurssikerran loppupuolella tehtävänä oli tuottaa hasardeja sekä niiden alueellista esiintymistä kuvaavia karttoja. Valittavana oli dataa muun muassa maanjäristyksistä, tulivuorista sekä meteoriittien putoamispaikoista. Päätin itse luoda kartat maanjäristyksien ja tulivuorten korrelaatiosta, valtavista maanjäristyksistä sekä meteoriittien putoamispaikkojen sijoittumisesta. Varsinaisena blogitehtävänä on arvioida omien hasardikarttojen soveltuvuutta opetukseen.

Tulivuoria ja maanjäristysalueita vertaileva kartta (kuva 1) on mielestäni hyvin informatiivinen. Opetuksessa sitä voidaan käyttää hyödyksi juurikin näiden kahden tekijän välisen korrelaation tarkastelemiseen, mikä tietenkin havainnollistuu visuaalisessa muodossa parhaiten. Kartalle kuitenkin toisi lisäarvoa, jos siihen lisättäisiin litosfäärilaattojen reunat, kuten Sonja Koivisto toteaa blogissaan (Koivisto, 2017). Karttaa laatiessa törmäsin ongelmiin excelin kanssa, kun ohjelma päätti muuttaa tulivuoritaulukon lukuja päivämääriksi, minkä johdosta kartalla näytti olevan pitkä rivi vuoria päiväntasaajan tuntumassa.  Lopulta kuitenkin sain taulukon oikeaan muotoon ja tulivuoretkin ovat oikeilla paikoilla.

Kuva 1. Tulivuoret sekä vuoden 2002 jälkeen tapahtuneet yli 6 magnitudin maanjäristykset

Toisessa laatimassani kartassa (kuva 2.) tarkastellaan vuoden 2002 jälkeen tapahtuneita yli 8 magnitudin maanjäristyksiä. Kartta on hyvin yksinkertainen eikä siinä ole edes yritetty esittää muuta dataa, koska halusin ihan omasta mielenkiinnosta tarkastella kyseistä teemaa. Vertaillessa näitä valtavia maanjäristyksiä kuvan 1 kartan järistyksiin, havainnollistuu se, kuinka vähän massiivisia yli 8 magnitudin järistyksiä loppujen lopuksi on. Esimerkiksi Vilja Jokinen vertailee blogissaan yli kolmen ja yli kuuden magnitudin järistyksien esiintymistä. Hän toteaa osuvasti, että erityisesti suomalaisille opiskelijoille kartat karttojen vertailu voisi havainnollistaa sitä, kuinka paljon maanjäristyksiä (vaikkakin usein pienehköjä) loppujen lopuksi tapahtuu (Jokinen, 2017). Aineistoa voitaisiin osuvammin ehkä esitellä opetuksen yhteydessä pelkässä taulukkomuodossa, mutta toisaalta alueellinen tarkastelu helpottuu huomattavasti kartan avulla. Taulukko- ja karttadatan rinnakkaistarkastelu lieneekin sopiva vaihtoehto.

Kuva 2. Vuoden 2002 jälkeen tapahtuneet yli 8 magnitudin maanjäristykset

Päätin viimeisessä kartassani tarkastella meteoriittien putoamispaikkoja maapallolla. Kuten kartastani (kuva 3) huomaa, meteoriitteja putoaa melko tasaisesti ympäri maapalloa, mutta esimerkiksi Pohjois-Amerikassa kraattereita on löydetty huomattavan paljon. Kuitenkin kartta ei mielestäni ole kovinkaan tarpeellinen, sillä putoamispaikkoja on niin paljon ympäri maapalloa. Jälkeenpäin mietittynä olisin voinut rajata aineistoa esimerkiksi meteoriittien massan mukaan tms. Opetuksessa tätä karttaa voisi kuitenkin hyödyntää demonstroidessa meteoriittien vaikutuksia. Löysin hyvän kartan netistä, jossa kuvataan kraattereiden (meteor impact structures) sijoittumista maapallolla (http://www.meteorimpactonearth.com/meteorite.html). Karttaan on merkitty eri mantereilla olevien kraattereiden määrät, mikä tuo esitykseen lisäarvoa erityisesti opetusta ajatellen. Viimeistään kyseisen kartan avulla huomaa Pohjois-Amerikassa olevan huomattavasti eniten kraattereita esimerkiksi Etelä-Amerikkaan ja Afrikkaan verrattuna.

Kuva 3. Meteoriittien putoamispaikat maapallolla

Tehdessä karttoja opetusta varten täytyy muistaa pitää kartta mahdollisimman selkeänä ja yksinkertaisena. Yli kahden muuttujan esittäminen kartalla tekee esityksestä vaikeaselkoisen, mikä tietenkin vaikeuttaa asiaan tutustuvan koululaisen oppimista.

 

Lähteet:

Koivisto, Sonja (2017). Keskiviikon geokoodausta. <https://blogs.helsinki.fi/kosokoso/> Luettu 22.2.2017

Jokinen, Vilja (2017). Kurssikerta 6: GPS-paikannusta, pistekarttoja ja hasardeja. <https://blogs.helsinki.fi/jokinenv/> Luettu 22.2.2017

<http://www.meteorimpactonearth.com/meteorite.html> Luettu 22.2.2017

5. kurssikerta

Viides kurssikerta käynnistyi pelonsekaisin tuntein Artun viimeviikkoisten varoituksien jälkeen. Pääteemana oli bufferitoiminnon hyödyntäminen MapInfolla, mikä osoittautuikin hyödylliseksi työkaluksi. Sen avulla voidaan esimerkiksi laskea, kuinka monta kohdetta on jonkin tietyn suuruisen säteen sisäpuolella. Aluksi määrittelimme yksinkertaisesti viime kerralla täydentämästämme tiedostosta Pornaisten keskusalueella asuvien ihmisten määrää. Lopulta kuitenkin bufferitoimintoa hyödynnettiin harjoituksissa muun muassa juna-aseman läheisyydessä asuvien ihmisten määrän määrittelemiseen.

Alun esimerkkitehtävän jälkeen siirryimme tekemään itsenäistehtäviä. Tehtävät olivat melko yksinkertaisia loppujen lopuksi, mutta MapInfo-taitojen puutteen (ja ehkä koko ohjelman ärsyttävyyden) vuoksi homma tyssäsi jatkuvasti. Ensimmäisenä tehtävänä oli määrittää Malmin lentokentän melualueella asuvien ihmisten määrää buffereiden avulla. Tehtävä oli melko yksinkertainen ja sain sen tehtyä melko nopeasti. Seuraavaksi tehtiin bufferianalyyseja Helsinki-Vantaan lentokentän alueella. Tehtävänä oli määrittää, kuinka paljon ihmisiä asuu kentän ympäristön eri melualueilla. Tehtävä oli hieman vaikeampi kuin Malmin lentokenttään liittyvä vastaava tehtävä, mutta sain senkin lopulta tehtyä. Hieman samankaltaisia bufferianalyyseja tehtiin myös juna-asemien ympäristöstä. Toisaalta juna-asemien tapauksessa ei määritelty melualueita vaan esimerkiksi, kuinka paljon ihmisiä asuu 500 m etäisyydellä asemasta. Määriteltiin myös, kuinka suuri osa niistä ihmisistä on työikäisiä.

Viimeisenä tehtävänä, jonka ehdin kurssikerralla tehdä, oli määrittää taajamien ympärillä asuvien ihmisten määrää, kouluikäisten määrää sekä ulkomaalaisten prosenttiosuuksia. Erityisesti tässä tehtävässä (kuten myös aiemmissa) piti yhdistellä luontevasti ja soveltaen edellisten kurssikertojen asioita, mikä tuotti minulle aluksi vaikeuksia, koska lisää tietoa tulee jatkuvasti. Erityisesti vaikeuksia tuotti eri layereiden pyörittäminen, sillä välillä esimerkiksi bufferit ja eri väestöpisteet tuntuivat katoavan MapInfon eetteriin. Lopulta asiat muistuivat, viimeistään Artulta kysymällä. En kuitenkaan ehtinyt viimeiseen tehtävään asti, mutta koin rauhallisen tehtävien tekotahdin olleen hyödyllinen oppimisen kannalta. Edellisten kurssikertojen tietojen hyödyntäminen sujuu yhä luontevammin ja uudetkin asiat hahmottuivat suhteellisen hyvin.

Kuva 1. Vastauksia kurssikerran tehtäviin. Toivotaan, että edes jotain on oikein.

Varsinaisena blogitehtävänä tällä kurssikerralla oli pohtia muun muassa omaa osaamista ja kuinka keskeisiä tietyt ohjelman työkalut ovat. Omalla kohdallani tarvitsen erityisesti harjoitusta erilaisten taulukoiden sekä tietokantojen yhdistämisen kanssa. En tiedä onko vika pelkästään minussa vai myös itse MapInfossa, mutta tietokantojen ja taulukoiden hallitseminen ohjelman puitteissa on joka kerta erittäin vaivalloista ja epäloogista. Ratkaisut ongelmiin löytyvät mitä oudoimmista paikoista, mutta tehtävät kyllä onnistuvat yleensä lopulta. Hommat voisi sujua mielestäni huomattavasti luontevammin. Uskon kuitenkin, että ajan ja harjoitusten lomassa asiat selkiytyy.

Mielestäni lähes kaikki käyttämämme työkalut ovat olleet keskeisiä. Kuitenkin hyödyllisimmältä vaikuttaa bufferityökalu, joita käytimme tällä kurssikerralla, sillä se on erittäin monipuolinen. Usein paikkatietoanalyysejä tehdessä halutaan arvioida jonkin kohteen vaikutusta lähiympäristöönsä tai yleisesti tarkastella eri kohteiden vuorovaikutusta. Tanja Palomäki esimerkiksi toteaa blogissaan, että buffereita käytetään matkapuhelinverkon laajuuden havainnolistamiseen ja tutkimiseen (Palomäki, 2017). Buffereilla voi siis olla paljon käytännön hyötyäkin. Paikkatietoa voidaan käyttää siis tukena päätöksenteolle sekä yksityisellä että julkisella sektorilla.

 

Lähteet

Palomäki, Tanja (2017). 5. Kurssikerta. <https://blogs.helsinki.fi/ptanja/> Luettu 15.2.2017

 

 

 

 

4. kurssikerta

Neljännellä kurssikerralla tutustuimme ruututeemakarttoihin sekä niiden laatimiseen MapInfon avulla. Kurssikerran aluksi tutustuimme Artun johdolla erilaisiin pikseli- ja ruutuaineistoihin. Esitetyt asiat olivat pitkälti jo entuudestaan tuttuja, mutta kertaus auttoi palauttamaan asiat tuoreeseen muistiin. Seuraavaksi ryhdyimme yhteisesti tekemään ruutukarttaa väestöntiheydestä pääkaupunkiseudulla. Käytössämme oli vuoden 2013 asukasdataa pääkaupunkiseudulta. Kartan tekeminen ja ohjelman työkalujen käyttö käytiin tuttuun tapaan vaiheittain läpi, ja kartan laatiminen sujui melko hyvin. Käytimme ruudukossa 500mx500m ruutuja, minkä koin oikeaksi ratkaisuksi kyseisen aineiston kanssa. Ruutujen koko nimittäin vaikuttaa ratkaisevasti kartan luettavuuteen sekä yleiseen ulkoasuun. Ruutujen koko tulee optimoida niin, että suurimmat klusterit erottuvat selkeästi, mutta kartta ei saa olla liian raskas tai epäselvä, kuten Sonja Koivisto toteaa blogissaan (Koivisto 2017).

Ruutukartat eroavat ratkaisevasti esimerkiksi aiemmin tällä kurssilla käsittelyssä olleista koropleettikartoista siten, että ruudun ovat keskenään samankokoisia, mikä mahdollistaa absoluuttisten arvojen käytön. Absoluuttisia arvoja ei ole sopiva käyttää tarkastellessa keskenään erikokoisia alueita, kuten esimerkiksi kuntia, maakuntia sekä valtioita. Tällöin suhteellisten arvojen käyttö on enemmän kuin suotavaa. Tarkastellessa esimerkiksi kurssikerran alussa luotua väestöntiheyttä kuvaavaa ruutukarttaa, asutuksen klusterit ovat selvästi näkyvillä, koska kartta on yksinkertainen esitys, jossa kuvataan absoluuttisia arvoja. Kyseisen kaltaista karttaa voi käyttää tällöin työkaluna lisäanalyyseja varten, mutta kartan arvo itsessään on melko pieni.

Seuraavaksi tehtävänämme oli luoda itse valitsemasta aiheesta ruututeemakartta. Valitsin tarkasteltavaksi teemaksi ulkomaiden kansalaisten alueellisen jakautumisen pääkaupunkiseudulla (ks. Kuva 1). Päätin käyttää ruutukokona 500 m x 500 m, mikä oli taas mielestäni oikea ratkaisu. Alueelliset erot erottuvat kartalla hyvin ja klusterit ovat selkeästi nähtävissä. Luomani kartta on tosin mielestäni tällä kertaa melko tylsän näköinen. Kokeilin ensiksi laittaa kartan taustalle kurssiaineistossa olleen OpenStreetMap-taustakartan, mutta lopulta mielestäni se vain haittasi kartan luettavuutta. Toisaalta esimerkiksi kaupunkien nimeäminen karttaan toisi arvokasta lisäinformaatiota ihmisille, joille pääkaupunkiseutu ei ole entuudestaan tuttu. Kartta kuitenkin ajaa asiansa. Karttaa laatiessani kokeilin erilaisten luokkarajojen vaikutusta kartan luettavuuteen. Päädyin käyttämään neljäluokkaista jakoa luonnollisilla luokkaväleillä. Tämä ratkaisu oli selvästi kokeilemistani luokkatyypeistä toimivin.

Kuva 1. Ulkomaan kansalaisten sijoittuminen pääkaupunkiseudulla

Pyry Lehtonen käsittelee blogissaan samaa aihetta kuin minä (Lehtonen 2017). Lehtonen päätyi käyttämään taustakarttana OpenStreetMap-aineistoa, minkä pohjalta hän pohtii blogissaan esimerkiksi luonnonpuistojen sijoittumista suhteessa ulkomaalaisten sijoittumiseen. Kyseisten asioiden tarkastelu on kiinnostavaa ja jokin yhteys saattaa löytyä, mutta ainakin omalla kohdallani koin OSM-kartan vähentävän kartan yleistä luettavuutta, koska informaatiota on niin paljon. Lehtosen kartta on kuitenkin monipuolinen ja siitä saa paljon irti.

Kartassani (Kuva 1) on nähtävissä, että ulkomaan kansalaiset sijoittuvat pitkälti suuriin asutuskeskuksiin. Esimerkiksi Vantaalla klusterit sijoittuvat Myyrmäen, Hakunilan ja Tikkurilan alueelle, jotka ovat kerrostalovaltaisia. Helsingissä tilanne on hyvin erilainen Vantaan vastaavasta. Ulkomaan kansalaiset näyttävät jakautuneen tasaisesti koko kaupungin alueelle. Espoossa puolestaan tilanne näyttää melko samankaltaiselta kuin Vantaalla. Selviä ulkomaan kansalaisten klustereita kaupungissa ovat Leppävaaran seutu, Matinkylä sekä Espoon keskus. Karttaani toisi huomattavaa lisäarvoa, jos päälle merkttäisiin esimerkiksi pisteillä pääkaupunkiseudun suurimmat asutuskeskittymät. Tällöin voitaisiin paremmin tarkastella käsittelyssä olevaa teemaa. Toisaalta yksinkertainen karttaesitykseni ajaa asiansa ja se toimii hyvin muiden karttojen ja datan lisäinformaationa. Jos kartalle lisää jatkuvasti muuttujia, sen perusidea (ulkomaan kansalaisten sijoittuminen) katoaa nopeasti. Mielestäni tämänkaltaista dataa tulisi esittää mieluummin suhteellisena arvona (ulkomaiden kansalaiset suhteessa esimerkiksi kantaväestöön) jollakin muulla teemakarttatyypillä. Tällöin kartan avulla olisi mahdollista tarkastella asioita monipuolisemmin, sillä nyt kartalla erottuvat lähinnä vain muutenkin suuret asutuskeskittymät. Ruutukartan laatiminen oli mielestäni silti hyödyllistä ja nyt voin hyödyntää oppimiani taitoja opintojen edetessä.

 

Lähteet:

Koivisto, Sonja (2017). Ruututeemakartat. <https://blogs.helsinki.fi/kosokoso/> Luettu 10.2.2017

Lehtonen, Pyry (2017). 4. kurssikerta, ruututeemakartta. <https://blogs.helsinki.fi/lepylepy/>
Luettu 10.2.2017

3. Kurssikerta

Tietokantojen käsittelyä

Kolmas kurssikerta käynnistyi 1.2.2017 klo 8:15 varsin pirteissä fiiliksissä edeltävän päivän Etelä-Helsingin risteilyn sekä kahden tunnin yöunien jälkeen. Kurssikerran aikana tutustuttiin datan käsittelyyn MapInfolla. Tuttuun tapaan kurssikerran ensimmäisen puoliskon aikana Arttu esitteli erilaisia tapoja käsitellä dataa ja pysyin hommassa melko hyvin kärryillä. Opettelimme muun muassa tietokantojen yhdistämistä, uuden datan tuomista muista ohjelmista (esim. Excel-taulukko), tietokantaliitoksien tekemistä sekä esimerkiksi uuden tiedon tuottamista tietokantaan ja sarakkeisiin. Harjoittelimme näitä toimenpiteitä Afrikkaan liittyvillä tietokannoilla, joissa käsiteltiin erittäin kiinnostavia aiheita. Tietokannoissa oli esimerkiksi tietoa konflikteista, öljykentistä, timanttikaivoksista sekä internetkäyttäjistä.

Kurssikerran ensimmäisenä varsinaisena blogitehtävänä tällä kurssikerralla oli miettiä, mitä tietokantojen tiedoilla voisi tehdä/päätellä, jos niihin on tallennettu dataa seuraavista asioista: Konfliktin tapahtumavuosi, konfliktin laajuus/säde (km), timanttikaivosten ja öljykenttien löytämisvuosi, poraamisvuosi ja kaivausten aloitusvuosi, timanttikaivosten ja öljykenttien tuottavuusluokittelu sekä internetkäyttäjien lukumäärä eri vuosina. Datan avulla voisi esimerkiksi helposti verrata, miten eri luonnonvarojen hyödyntäminen vaikuttaa konfliktien syntymiseen. Historia osoittaakin, että kyseisillä muuttujilla on usein melko vahva yhteys. Voitaisiin luoda monenlaisia karttoja ja taulukoita aiheista (tosin itse suosin karttoja sattuneesta syystä). Syy-seuraus suhteiden vertaaminen olisi melko helppoa kyseisillä aineistoilla esimerkiksi luomalla teemakartoista video, jossa asetetaan peräkkäin kartat eri vuosien tilastoista, kuten Sonja Koivisto toteaa osuvasti blogissaan (Koivisto, 2017). Tällöin olisi mahdollista tutkia konfliktien kehittymistä sekä niiden laajuuden sekä keston näkökulmasta. Mahdollista olisi myös tutkia internetkäyttäytymistä konfliktialueilla. Nykyään konflikteihin liittyy vahvasti sosiaalisen median käyttö, mikä on havainnollistunut viime vuosien sotien myötä (esimerkiksi Arabikevät sekä Twitter).

Tietoja internetkäyttäjien lukumäärästä voidaan myös hyödyntää huomattavasti monipuolisemmin kuin vain konfliktien näkökulmasta. Internetin käyttö on lisääntynyt räjähdysmäisesti myös Afrikassa ja tästä kehityksestä voisi luoda varsin monipuolisia kartografisia esityksiä, joista voi havaita myös alueiden yleisen kehityksen. Erityisen kiinnostavaa olisi verrata tarkemmin internetin käytön lisääntymistä eri alueiden välillä (esimerkiksi eri kehitysvaiheessa olevat maat ja maanosat).

Tulvaindeksi- ja järvisyyskartan luominen

Kurssikerran toisella puoliskolla tehtävänä oli luoda itsenäisesti kartta hyödyntämällä aiemmin opittuja tapoja käsitellä tietokantoja. Käytettävissä oli dataa Suomen järvisyysprosenteista, keskivirtaamasta (MQ), keskialivirtaamasta (MNQ) sekä keskiylivirtaamasta. Itse olin aluksi aivan hukassa, koska olin snadissa koomassa seurannut opetusta ensimmäisen 1,5 tunnin ajan. Lopulta kuitenkin onnistuin luomaan tietokantaan lisää tietoa muun tulvaindekseistä sekä järvisyyprosentista alkusähläyksien jälkeen ja luomaan niiden pohjalta teemakartan (Kuva 1). Kartassa pohjalla on valuma-aluekartta. Mielestäni luomani kartta onnistui melko hyvin. Päätin esittää järvisyyttä oranssilla värillä teemaan nähden sopivamman sinisen sijasta, koska halusin palkkien erottuvan selvästi pohjalla olevasta tulvaindeksikartasta, mikä oli mielestäni tilanteeseen sopiva ratkaisu. Kartta on tosin melko vaikeaselkoinen palkkien osalta, sillä niitä on paikoin vaikea erottaa toisistaan (erityisesti länsirannikon alueella). Tosin vertailu alueiden välillä on silti melko helppoa.

Kuva 1. Tulvaindeksi ja järvisyys Suomen päävaluma-alueilla

Toisena varsinaisena blogitehtävänä oli pohtia maallikkona, mitä kartta esittää ja mitä siitä voidaan tulkita. Itse en ole ikinä ollut erityisesti kiinnostunut valuma-alueista tai ylipäätään luonnonmaantieteestä (sori Miska). Yritän nyt kuitenkin ottaa aiheen haltuun ja heittää analyysia muodon vuoksi.

Kartasta näkee, että Suomen suurin tulvariski on Pohjanmaan rannikolla sekä Etelä- ja Lounais-Suomessa. Näyttääkin siltä, että kartassa esitettyjen kahden muuttujan (tulvaindeksi sekä järvisyysprosentti) välillä on selvä korrelaatio. Runsasjärvisissä Suomen osissa on myös pieni tulvariski. Tulvia lisää erityisesti pinnanmuotojen tasaisuus ja lumien sulamisvedet keväällä, mikä havainnollistuu kartassa. Myös jokien jääpadot ovat suuri tulvariskin lisääjä. Esimerkiksi Lapissa on Järvi-Suomea enemmän tulvia juurikin lumen runsauden vuoksi. Pohjanmaa on vähäjärvinen alue, mikä johtaa siihen, että vesi virtaa jokia pitkin kohti merta eikä se varastoidu välissä muihin vesistöihin, kuten esimerkiksi Järvi-Suomessa. Kuten Tulvakeskuksen tulvariskikartasta huomaa (Tulvakeskus 2014), merkittävinä tulvariskialueina erottuu erityisesti Etelä-Suomi. Tulvaindeksin lisäksi tulvia analysoidessa on siis otettava huomioon tietenkin myös ihmisen toiminta, mitä ei niinkään näe laatimassani kartassa.

Lähteet:

Koivisto, Sonja (2017). Tietokantojen käsittelyä. <https://blogs.helsinki.fi/kosokoso/>   Luettu 2.2.2017

Tulvakeskus (2014). Tulvakarttapalvelu. <http://paikkatieto.ymparisto.fi/tulvakartat/Html5Viewer_2_7/?locale=fi-FI> Luettu 2.2.2017

2. kurssikerta sekä artikkelitehtävä

Artikkeli 1 – reaktiopaperi

Anna Leonowiczin artikkelissa ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship” käsitellään kahden muuttujien koropleettikarttoja sekä niiden sopivuutta tiedon esittämiseen. Leonowicz toteaa, että kahden muuttujan käyttö koropleettikartassa on erittäin hyödyllistä maantieteellisen tiedon kannalta. Leonowicz kehottaakin kartografeja käyttämään kyseistä esittämistapaa useammin. Niitä tehdessä tulee kuitenkin kiinnittää paljon huomiota luokkien määrään sekä yleiseen graafiseen ilmeeseen, jotta kartta on helposti luettavissa.

Kahden muuttujan esittäminen on hyödyllistä monella eri tavalla, sillä muuttujien välinen korrelaatio tulee ilmi selkeästi. On kuitenkin varmistettava, ettei kartasta tule informaation suuren määrän vuoksi vaikeasti luettava. Yhden muuttujan karttoihin verrattuna tällaisilla kartografisilla esityksillä on mahdollista esittää monipuolisempia teemoja.

Artikkelissa oli melko paljon tuttuja kartografisia käsitteitä, ja se oli melko selkeä. Kuitenkin maantieteeseen perehtymättömälle henkilölle artikkeli on luultavasti vaikealukuinen. Erityisesti Leonowiczin karttalegenda on erittäin informatiivinen, mutta aluksi ehkä hieman hämmentävä. Legenda on toteutettu kaksiuloitteisena koordinaatistoina, joissa on nähtävissä kaikki luokkavaihtoehdot ja muuttujilla on omat akselinsa. Legenda selittää selkeästi väreillä, minkälaista asutusta alueella on (maaseutuasutus sinisellä, nuoren väestön asutus punaisella ja kaupunkialueet keltaisella). Jos alue on merkitty vaalealla värillä, siellä on paljon nuoria asukkaita ja asutus keskittyy kaupunkeihin. Tumma väri puolestaan viittaa vanhaan väestöön ja maaseutuasutukseen. Leonowiczin kartan avulla voi siis lukea alaikäisen väestön sekä maaseudulla asuvien välistä suhdetta ja tehdä sen avulla päätelmiä asutuksen sijoittumisesta.

Leonowiczin laatiman kartan ja legendan kaltaisen esityksen tekeminen lienee MapInfolla vaikeaa ainakin minun nykytiedoillani ohjelmasta. Kartografiset toteutukset riippuvat siis pitkälti käytettävissä olevista ohjelmistoista ja niiden ominaisuuksista. Kartografin täytyy soveltaa tilanteeseen sopivalla tavalla esitystapoja eikä alkuperäinen visio välttämättä toteudu olosuhteiden vuoksi.

 

2. Kurssikerta

Toisen kurssikerran aiheena oli erityyppiset teemakartat ja aineiston eri visualisointitavat. Tavoitteena on oppia tuntemaan muun muassa kahden teeman teemakartat (kaksi päällekkäistä erityyppistä teemaa sekä päällekkäiset koropleettikartat). Kurssikerran aluksi Arttu esitteli PowerPointilla erilaisia teemakarttoja. Tutuksi tulivat esimerkiksi erilaiset diagrammikartat sekä tiheyskartat. Kiinnostavaa oli myös huomata, että käsittelemme tällä kurssilla myös 3D-karttoja. Sinänsä alkuesittelyssä ei tullut ilmi uusia konsepteja, mutta aamu oli hyvä aloittaa hieman tutummilla asioilla.

Seuraavaksi siirryttiin tutustuttiin MapInfon avulla esiteltyihin karttatyyppeihin. Karttojen tekeminen sujui samalla kaavalla kuin viime kurssikerralla eli vaihe vaiheelta. MapInfo tuli yhä tutummaksi ja homma sujui melko hyvin. Tosin ohjelma kaatui kesken kaiken, mutta onneksi kyseessä ei ollut mikään täysin omin voimin tehty palautettava tuotos. Ympyrädiagrammi- ja pylväskartan tekeminen oli melko selkeää, sillä niissä ei ollut kovinkaan paljon säädettäviä asioita. Seuraavaksi tutustuttiin moniin erilaisiin karttatyyppeihin, muun muassa graduated- ja gridkarttoihin, joihin kuului enemmän vaiheita, jotka eivät olleet entuudesta yhtä tuttuja. Gridkarttojen kautta voi tehdä MapInfolla myös 3D-kartan, mikä saattaa olla jatkossa melko hyödyllistä. Toisaalta tietokoneeni tehot eivät tunnu riittävän niiden tekemiseen (käsittelyssä meni paljon aikaa).

Yli puolet kurssikerrasta meni juurikin karttatyyppien esittelemiseen. Lopuksi tehtävänä oli tehdä kartta, jossa on kaksi teemaa päällekkäin. Kartta oli loppujen lopuksi melko helppo toteuttaa, mutta teemojen keksimiseen meni melko paljon aikaa, sillä niiden piti olla sopivasti yhteydessä toisiinsa, jotta niistä saisi järkevän esityksen aikaan. Valitsin tarkasteltavaksi alueeksi Pirkanmaan ja teemoiksi maakunnan kuntien työttömyysasteet sekä elinkeinojakauman. Käytin pohjana koropleettikarttaa työttömyysasteesta. Luokittelin datan viiteen eri luokkaan luonnollisilla luokkaväleillä, mikä oli mielestäni tilanteeseen sopiva ratkaisu. Väriteemaksi valitsin sinisen eri sävyt (jos kunta on tummansinisellä värillä merkitty, työttömyysaste on korkea). Värivalinta on mielestäni tähän tilanteeseen hyvin sopiva, sillä erot näkyvät hyvin ja alueelliset erot korostuvat selkeästi. Toiseksi teemaksi valitsin elinkeinojakauman eri kunnissa, jotka on merkitty ympyrädiagrammeilla karttaan. Kyseessä on siis ympyrädiagrammikartta (Kuva 1.).

Kuva 1. Pirkanmaan työttömyys ja elinkeinorakenne

 

Valitsin nämä teemat, sillä halusin tarkastella, paljon eroa on eri elinkeinoilla ja niiden yhteydellä työttömyyteen. Halusin nähdä esimerkiksi aiheuttaako kuntien alueella tietyn elinkeinon puuttuminen erityisesti työttömyyttä. Suurta korrelaatiota ei ole kuitenkaan huomattavissa, mikä tuli itselleni hieman yllätyksenä. Kiintoisaa on kuitenkin huomata, että tietyissä alhaisen työttömyyden kunnissa alkutuotannon osuus on muihin kuntiin verrattuna melko suuri. Esimerkiksi Punkalaitumen kunnassa alkutuotannon osuus on merkittävä, mutta työttömyys on melko vähäistä. Toisaalta esimerkiksi Urjalassa työttömyysaste on huomattavan suuri alkutuotannon edustuksesta huolimatta (tosin osuus ei ole läheskään yhtä suuri kuin Punkalaitumella). Tietysti alkutuotannon osuus on Suomen kaltaisessa maassa melko pieni, ja esimerkiksi Tampereen läheisyydessä sitä ei ole lähes ollenkaan. Voidaan siis todeta, että maaseudulla maatalous työllistää yhä ihmisiä. Erot huomaisi paremmin suurempaa aluetta tarkastellessa (esimerkiksi vertaamalla eri maakuntia keskenään). Palveluiden osuus rakenteesta on myös lähes yhtä suuri kunnissa kauttaaltaan, joten siihen ei tunnu työttömyydellä olevan suurtakaan vaikutusta. Kaupunkiseudut erottuvat kuitenkin selvästi palveluiden osuuden suhteen muista alueista.

Suurta korrelaatiota ei löydy, joten voin todeta, että Pirkanmaalla mikään tietty erityispiirre elinkeinorakenteessa ei vaikuta ratkaisevasti työttömyyteen. Työttömyyteen syyt ovat usein monimutkaisia ja niitä on monia. Vilja Jokinen törmäsi samankaltaiseen asiaan tarkastellessaan alkoholin myynnin ja rattijuopumusten suhteita Pirkanmaalla. (Jokinen, 2017). Tutkittujen aineistojen korrelaatio oli oletettua pienempi, koska syitä rattijuopumusten määrään on monia ja kiinnijääminen vaihtelee alueittain.

Lähteet

Leonowicz, Anna (2006). ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship” <http://vddb.library.lt/fedora/get/LT-eLABa-0001:J.04~2006~ISSN_1392-1096.V_42.N_1.PG_33-37/DS.002.1.01.ARTIC> Luettu 26.1.2016

Jokinen, Vilja (2017). Kurssikerta 2: Erilaisia teemakarttatyyppejä ja alkoholin myynnin ja rattijuopumusten suhde kartalla. <https://blogs.helsinki.fi/jokinenv/> Luettu 26.1.2017

1. kurssikerta

kartta2_kk1

Kuva 1. Vuokra-asunnoissa asuvien osuus Suomessa vuonna 2015

Ensimmäisellä kurssikerralla aloitettiin tutustuminen paikkatiedon perusteisiin. GIS on minulle entuudestaan tuttua vain luennoilta ja  vanhoista lukion oppikirjoista. Onkin erittäin mukava oppia tekemään omia paikkatietotuotoksia kurssin aikana. Nykymaailmassa paikkatiedon hallitseminen on maantieteilijälle erityisen tärkeää esimerkiksi lisääntyvien paikkatietosovellusten myötä ja useat maantieteilijät työllistyvätkin paikkatietotehtäviin joko julkiselle tai yksityiselle sektorille. Uskon kurssin antavan pohjan tulevien vuosien opinnoilleni ja ehkä jopa hamassa tulevaisuudessa häämöttävälle työuralle.

Kurssikerran aikana tutustuttiin MapInfo-ohjelman perusteisiin sekä tehtiin pari teemakarttaa. Aluksi tehtiin vaiheittain Artun opastamana teemakartta rivitaloissa asuvien osuuksista Suomen eri kunnissa, minkä jälkeen jokainen sai itse tehdä teemakartan tarjottujen aineistojen avulla. Itse päätin tehdä kartan, jossa kuvataan vuokra-asunnoissa asuvien ihmisten osuuksia Suomen kunnissa vuonna 2015 (Kuva 1). Valitsin aiheen karttaani, koska olen kiinnostunut asutuksen ja asumistyyppien jakautumisesta eri alueilla, erityisesti Suomessa.

Yksinkertaisten teemakarttojen laatiminen harjoituksena oli mielestäni erittäin hyödyllinen tapa tutustuttaa uuteen ohjelmaan. Tällä kertaa etenin kartan tekemisessä melko kaavamaisesti, sillä MapInfo ei ole vielä täysin hallussa. Jatkossa taitojen karttuessa voin lisätä vastaavanlaisiin karttoihin lisää informaatiota ja siten parantaa esitystä entisestään. MapInfo tuntuu melko selkeältä ohjelmalta, mutta tosin se vaikuttaa melko hitaalta. Kurssikerran alussa ohjelmalla kesti melko kauan esimerkiksi zoomata eri alueille, kun tarkastelin maailmankarttaa. Teemakartan luominen tosin kävi ohjelman avulla yllättävänkin vaivattomasti, mikä oli mukava yllätys TAK 2 -kurssin karttatehtävien jälkeen. TAK-kurssilla esimerkiksi legendan laatiminen tuntui melko tuskalliselta, mutta onneksi MapInfo osaa senkin rakentaa lähes itsenäisesti.

Ohessa oleva tekemäni kartta on mielestäni melko selkeä, mutta siitä löytyy jonkin verran parantamisen varaa näin jälkeenpäin tarkastellessa. Esimerkiksi legenda voisi olla hieman suuremman kokoinen. Kartan värimaailma on mielestäni toimiva ja siitä hahmottuu hyvin alueelliset erot. Toisaalta värinä voisi toimia myös esimerkiksi sinisen eri sävyt paremmin. Mittakaava ja pohjoisnuolikin ovat selkeästi näkyvillä. Valitsin luokittelutavaksi luonnollisen luokitteluvälin viidellä eri luokalla, sillä hahmotus on silloin helppoa ja luokat eivät sekoitu toisiinsa, kuten Sakari Sarjakoski toteaa blogitekstissään (Sarjakoski, 2016).

Kartan perusteella voidaan selvästi päätellä, että Suomessa vuokra-asumisen keskittymät sijaitsevat pääasiassa kaupunkiseuduilla ja niiden lähiympäristössä. Usein kaupungeissa elääkin esimerkiksi nuorta väestöä, jolla ei välttämättä ole järkeä asua omistusasunnossa elämäntilanteen takia. Karttaan toisi lisäarvoa suurten kaupunkiseutujen merkitseminen näkyviin, jolloin asiaan perehtymätönkin saisi heti yleiskuvan Suomen tilanteesta. Toisaalta kartta on melko toimiva näinkin. Kartan avulla voi havainnollistaa jopa Suomen tulevaa asutustilannetta. Vuokralla asuminen tulee luultavasti lisääntymään lähitulevaisuudessa kaupunkiseutujen jatkuvan kasvun myötä. Tämä näkyy jo valmiiksi pääkaupunkiseudulla, sillä asuntopulan takia toteutetaan jatkuvasti uusia rakennushankkeita.

 

Lähteet

Sarjakoski, Sakari (2016). Kurssikerta 1 – Pakki auki (7.3.2016)
         https://blogs.helsinki.fi/sasakari/  Luettu 20.1.2017