Artikkeli #1

Anne Leonowicz vertailee artikkelissaan (2006) yhden ja kahden muuttujan teemakarttoja. Jo tekstinsä alussa Leonowicz tuo esiin kummankin tyylin vahvuudet; yksimuuttujaisella kartalla on selkeä esittää tietyn ilmiön alueellista jakautumista, ja kahden muuttujan kartalla voidaan visualisoida ilmiöiden mahdollista lineaarista riippuvuutta.

Jos käyttää kartassaan kahta muuttujaa, kannattaa niiden luokkien määrä pitää alhaisena. Jo 3 luokkaa molemmissa muuttujissa johtaa yhdeksään yhteensä (3×3), ja ainakin itselleni tämä olisi selkeä kipuraja, sillä neljä (16) voisi tehdä kartasta mahdottoman lukea.

Leonowiczin esittelemä legendavaihtoehto vaikutti ensisilmäyksellä hämmentävältä, mutta tajusin melko nopeasti pisteiden esittävän muuttujien arvoja. Tämän hajontakuvion avulla näkee pienen tulkitsemistuokion jälkeen muuttujien välisen mahdollisen korrelaation ja sen suunnan (pos. vai neg.).

Leonowiczin tutkimuksen mukaan opiskelijat pitivät kaksimuuttujaisen kartan legendaa hankalasti tulkittavana, mutta karttoja pidettiin mielenkiintoisempina kuin perinteisiä yhden muuttujan karttoja. Kiinnostus ajaa opiskelijoita tutkimaan asiaa ja näin kehittymään maantieteilijöinä. Kun legendaa joutuu vilkaisun sijasta tosissaan tulkitsemaan, kartasta voi saada paljon enemmän irti.

Lähteet:

Leonowicz, A. (2006). Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija 42: 1, 33–37.

PAK #7

Paikkatiedon hankinta, analyysi ja kartografia-kurssin seitsemäs kurssikerta on jäänyt mieleeni pysyvästi, ja vielä näin heinäkuisena aamunakin tunnin tapahtumat palautuvat mieleeni lähestulkoon kirkkaina, tuntuu kuin maaliskuu olisi ollut vasta eilen. Viimeisen kerran kunniaksi saimme tuottaa karttoja täysin omavalintaisista aiheista, ja Mapinfon uusina asiantuntijoina otimme haasteen vastaan innokkaina.

Alkuperäinen ideani oli kartoittaa Pohjoi-Korean ilmiöitä. Huomasin kuitenkin nopeasti, ettei edes deep webin pimeimmistä syövereistä löytynyt sellaista Korea-statistiikkaa, jonka olisi voinut järkevästi pukea kartalle. En kuitenkaan lannistunut, vaan valitsin uudeksi aiheekseni jotakin hieman lähempää; päätin tutkia Lapin maakunnan alkoholinkäyttöä ja rikoksia.

Päädyin tutkimaan Lappia, sillä siellä kulutetaan keskimäärin lähes puolet enemmän alkoholia asukasta kohden kuin koko maassa (Tilastokeskus 2015). Kotimaisen kohteen tutkimisen toinen plussa oli, että tarjolla olisi varmasti luotettavaa tietoa ja laadukkaita karttapohjia.

Käytin karttapohjana aiemmilta kurssikerroilta tuttua Suomen kuntakarttaa, josta erotin Lapin tutkittavakseni. Maakunnassa on muutamia todella harvaan asuttuja pikkukuntia, kuten Ylitornio ja Ranua alle 5000 asukkaallaan. Kun näitä verrataan Lapin suurimpaan kuntaan, 60000:n asukkaan Rovaniemeen, on fiksua tutkia absoluuttisten lukujen lisäksi myös suhteellisia arvoja.

Vaikka tekstini alussa ylpeilin, että koko kurssikerta on tuoreena muistissani, joudun aloittamaan tämän kappaleen disclaimerilla: en aluksi muistanut seuraavan kartan tekemistä. Nyt muistot ovat jo kuitenkin ottaneet minusta vallan, ja osaan kertoa, että kartan tarkoitus on kuvata läänin kuntien asemaa.

 Kuva 1. Vakituinen asuminen ja mökit.
Kuva 1. Vakituinen asuminen ja mökit.

Kartasta näkee, että Lapin suuremmissa kunnissa, kuten Torniossa ja Rovaniemellä, asuinrakennuksia on enemmissä määrin kuin vapaa-ajan asuntoja. Osa alueen pikkukunnista on selviä mökkikuntia, ja parissa mökit ovat jopa enemmistö. Kun näiden kylien, kuten Posion ja Kolarin, statistiikkaa tutkii, huomaa, että Posio on muuttotappioaluetta ja Kolarikin sätkii lähes olemattoman väestönkasvunsa kanssa (Tilastokeskus 2015). Olisiko mahdollista, että kuntien ongelmat ja näistä johtuvat säästötoimepiteet heijastuvat asukkaisiin niin vahvasti, että he ajautuvat hukuttamaan huolensa panimotuotteisiin?

Kuva 2. Alkoholin myynti ja kirkkaiden juomien osuus.
Kuva 2. Alkoholin myynti ja kirkkaiden juomien osuus.

Kuva 2 kuvaa alkoholijuomien myyntiä kunnittain. Koska käytin karttaa tehdessäni absoluuttisia arvoja, Rovaniemi erottuu joukosta selkeästi. Vaihteluvälit jäivät tässä kartassa ehkä osittain epäinformatiiviselle tasolle, sillä etenkin toiseksi suurin luokka 131-523 kl vuodessa on turhan laaja siihen, että pelkästään kartan perusteella voisi tehdä tarkkoja havaintoja. Paikallisasukkaiden melankolian lisäksi alkoholinmyyntiin voi vaikuttaa positiivisesti Lapin hiihtokeskuksissa ja muissa kohteissa lomailevien turistien juhliminen.

Pelkän alkoholinkulutuksen tutkimisen lisäksi päätin tutkia stereotypiaa siitä, että lappalaiset ovat kovia tappelemaan humalapäissään. Päätin verrata kuntien alkoholimyyntiä ja väkivaltarikostilastoja.

Kuva 4. Alkoholimyynti suhteessa väkilukuun ja väkivaltarikokset.
Kuva 4. Alkoholimyynti ja väkivaltarikokset suhteessa väkilukuun.
Kuva 3. Alkoholimyynti ja väkivaltarikokset.
Kuva 3. Alkoholimyynti ja väkivaltarikokset.

 

Tein aiheesta kaksi karttaa, toiseen käytin alkoholimyynnin absoluuttisia arvoja kun taas toisessa suhteutin myynnin asukaslukuun. Rovaniemellä tapahtuu eniten rikoksia, mutta asukasmäärään suhteutettuna se sijoittuu Lapin väkivaltatilastojen keskivaiheille. Kittilässä tapahtuu suhteellisesti eniten väkivaltarikoksia, yksi jokaista 100:a asukasta kohden. Alkoholinkulutuksessa kunta kuuluu toiseksi korkeimpaan luokkaan kun tutkitaan alkoholin myynnin määrää, mutta kun määrää sijoitetaan asukaslukuun, luokka putoaa yhden alaspäin. Sodankylässä tilanne on päinvastainen; suhteellinen kulutus on korkeampaa kuin absoluuttinen. Tähän voisi vaikuttaa juhlivien turistien alkoholinkulutus.

Käytin jokaisessa kurssikerran kartassani hyväksi havaittua marjapuuronsävyistä väriskaalaa. Karttojeni ulkoasut ovat mielestäni selkeitä ja jokseenkin ihan esteettisiä, mutta näin jälkikäteen ajatellen olisin voinut käyttää erilaista tyyliä, kuten esimerkiksi Veera Karvonen, jonka kartan valtioiden rajat näyttivät mukavan smootheilta omiini verrattuina.

Parempi myöhään kuin ei milloinkaan. Vaikka virallisemmista deadlineista on jo vierähtänyt hieman aikaa, olen käyttänyt viimeiset kuukaudet kurssin sisältöä päässäni työstäen, ja näin varmistanut että saan tuotettua blogiini mahdollisimman laadukasta ja rikasta tekstiä. MapInfon peruskomennot ovat piirtyneet hippokampukselleni varmasti koko loppuelämäkseni, ja muutenkin kurssista jäi hyvä maku :^)

Lähteet:

Karvonen Veera (2016). 7. kurssikerta: Viimeistä viedään Veeran PAK-blogi.  <https://blogs.helsinki.fi/kveera/2016/03/04/7-kurssikerta-viimeista-viedaan/>

Kuntien avainluvut, Tilastokeskus. <https://www.stat.fi/tup/kunnat/index.html> Luettu 11.7.2016.

Tilastokeskuksen PX-Web-tietokannat, Tilastokeskus. <http://pxnet2.stat.fi/PXWeb/pxweb/fi/Kuntien_avainluvut/Kuntien_avainluvut__Kuntien_avainluvut/?tablelist=true> Luettu 11.7.2015

 

gg

PAK #6

Aloittelimme kurssikerran jalkautumalla talvisen Kumpulan kaduille GPS-paikantimien kera. Tehtävänämme oli kirjata ylös tutkimiemme ilmiöiden, oman ryhmäni tapauksessa liikennemerkkien, sijainnit xyz-koordinaatistossa. Paikantimien xy-tasokoordinaatistoluvut näyttivät päteviltä, mutta korkeusvaihtelua kuvaava z-luku vaihteli GPS:n näytöllä huomattavasti radikaalimmin kuin luonnossa. Tarkempien lukujen saantia olisi voinut helpottaa jonkin tiedetyn pisteen tietojen vertailu satellittien lähettämään dataan.

Selviydyttyämme takaisin luokkaan syötimme loimme MapInfossa kartan keräämästämme liikennemerkkidatasta, mikä luonnollisesti sujui helposti, sillä tarkkojen koordinaatistopisteiden lisääminen karttaan ei ole erityisen vaativaa puuhaa.

Geokoodaus eli kohteiden paikantaminen koordinaattijärjestelmässä niiden osoitetietojen perusteella osoittautui hieman hankalammaksi. Tämä tapahtui yhdistämällä osoitetiedot pohjakartan kanssa, mutta lopputulos heitti paikoittain paljonkin.

Itsenäisen tehtävän aiheeena olivat tällä kertaa hasardit; maanjäristykset, meteoriitit ja tulivuorenpurkaukset. Tarkotuksena oli leikkiä opettajaa ja tuottaa aineistoa, joka herättäisi mielenkiintoa kouluikäisissä ja olisi tarpeeksi selkeää.

Ensimmäiseen karttaani kokosin yli 8 richterin järistykset vuosilta 1980-2010. Kartta näytti omaan silmääni ihan hyvältä, ja tietty siitä näki selvästi millä alueilla tärinöistä kärsitään eniten. Kartta kaipasi kuitenkin lisää väriä ja informaatiota joten upgradesin sen täysimittaseksi hsardikartaksi lisäämällä siihen samalta ajanjaksolta merkittävät tulivuorenpurkaukset ja relevantit meteoriittitörmäykset.

 

Kuva 1. Yli 8 rictherin maanjäristykset 1980-2010.
Kuva 1. Yli 8 rictherin maanjäristykset 1980-2010.
Kuva 2. Kaikki allekirjottaneen mielestä relevantit hasardit 1980-2010.
Kuva 2. Kaikki allekirjottaneen mielestä relevantit hasardit 1980-2010.

Molemmista kartoista erottuvat hyvin litosfäärilaattojen reuna-alueet, joilla tuliperäinen toiminta on voimakkainta planeetallamme. Koska laskin mukaan vain erittäin voimakkaat maanjäristykset, joita tapahtuu keskimäärin vain kerran vuodessa (Helsingin yliopiston seismologian laitos), sekä melko isot tulivuorenpurkaukset (väh. taso 3), laattojen reunat eivät tule täysin esiin. Jos ajatellaan asiaa koulutuksen kannalta, tärkeintähän on juuri oppia kaikkein aktiivisimmat alueet, kuten Tyynenmeren tulirengas Kaakkois-Aasiassa.

Kartat ovat ihan informatiiviisia ja selkeitä, mutta tutustuttuani kursitovereideni tuotoksiin tajusin, että olisin itsekin voinut melko helposti taustaan katoavien pienten symboleiden sijasta suurempia merkkejä, kuten Niko Pelkonen ja Marisofia Nurmi ovat tehneet. Hasardit kokoavasta kartasta löytyi myös pieni virhe, sillä maanjäristyksiä kuvaava symboli on kartassa erilainen kuin legendassaan.

Kun olin saanut kaksi ensimmäistä karttaani valmiiksi, halusin tehdä jotain erilaista. Pohdin päässäni, miten saisin kirkassilmäiset lukio-opiskelijat innostumaan maantieteestä. Kiihkeän brainstorming-session jälkeen päätin tutkia meteoriittitörmäysten vaikutusta alueen lukutaitoprosenttiin.

Kuva 3. Meteoriittitörmäykset ja lukutaito.
Kuva 3. Meteoriittitörmäykset ja lukutaito.

Cum hoc ergo propter hoc. Vaikka onkin pieni mahdollisuus, että taivaasta putoavilla kivillä tai niiden säteilyllä on vaikutus lähialueen ihmisten lukutaidon kehittymiseen, eli esimerkiksi korkean lukutaidon pohjoismaiden olematon meteoriittisaldo ei välttämättä saa aikaan hyvää luetun ymmärtämistä (esim tämän lauseen rakenne kertoo siitä, sori muutenkin paikoittain hounosta tekstistä). Opetuksen kannalta kartta olisi hyvä, sillä sen avulla olisi helppo opettaa, ettei korrelaatio aina merkkaa kausaliteettia.

Lähteet:

Pelkonen Niko (2016). Kurssikerta 3 – Konflikteja ja valuma-alueita. Nikon PAK-blogi. <https://blogs.helsinki.fi/nikopelk/2016/02/09/kurssikerta-3-konflikteja-ja-valuma-alueita/>

Nurmi Marisofia (2016) Kurssikerta 6 Ulkoilua ja järistyksiä. Nurmari’s blog. <https://blogs.helsinki.fi/nurmaris/2016/02/28/kurssikerta-6-ulkoilua-ja-jaristyksia/>

Tietoa maanjäristyksistä. Helsingin yliopisto. <http://www.seismo.helsinki.fi/fi/maanjtietoa/perustietoa/magnitudi.html>

PAK #5

Turvalliset teemakartat jäivät tällä kurssikerralla syrjään, kun pääsimme pureutumaan puskurivyöhykkeisiin ja bufferityökaluun.Buffereiden avulla voidssn tutkia ilmiöiden vaikutusta ympäristöönsä, ja ensimmäinen itsenäinen työmme oli tutkia lentomelua Malmin ja Helsinki-Vantaan asemien lähialueilla. Lentokenttien lisäksi tutkimme juna-asemia ja taajamia, ja viimeiseksi tehtväkseni valistin uima-altaat.

pak vastaukset
Kuva 1. Itsenäisten tehtävien vastaukset

Tehtävt eivät olleet liian vaikeita, mutta joidenkin metodien muistaminen takkuili, eikä itsetutoni sallinut liikaa Arttuun tukeutumista.Sain lopulta kerättyä vastaukseni vuodattamalla hikeä ja kyyneleitä, mutta jo luokassa huomasin, että sani samankaltaisia vastauksia kuin muutkin. Blogeja lueskelemalla huomasin, että muun muassa Tatu Leppämäki ja Kanerva Matveinen olivat saaneet omieni kanssa yhteneviä vastauksia.

 

Lähteet

Leppämäki, Tatu (2016). Puskuriden eteenpäin – 5. kurssikerta. PAKinoita kartoista. Tatun kurssiblogi. <https://blogs.helsinki.fi/leppatat/2016/02/22/puskuroiden-etiapain-viides-kurssikerta/>

Matveinen Kanerva (2016). Kurssikerta 5 – puskurointia. PAK-kurssiblogi 2016. 24.2.2016. <https://blogs.helsinki.fi/kanervam/2016/02/20/kurssikerta5_puskurointia/>

PAK #4

Neljännellä kurssikerralla tutustuttiin rasteri- ja pisteaineistoihin. Alussa kävimme tuttuu tapaan oppitunnin aihetta yhteisesti läpi, ja tunnin loppupuoliskon käytimme itsenäiseen työskentelyyn.

Pisteiden avulla voidaan havainnollistaa hyvin paikkojen sijainti- ja ominaisuustietoa. Pisteen paikka kartalla kertoo kohteen tarkan sijainnin luonnossa, ja sen koolla ja värillä voidaan ilmaista tietoa sen ominaisuuksista.

Rastereiden avulla voidaan tutkia ilmiöitä välittämättä hallinnollisista rajoista. Rasterin jokaiseen samankokoiseen pikseliin kertyy absoluuttinen tieto sen sisältä, ja tällä tavalla voidaan saada aikaan informatiivinen kartta. Rastereita käyttämällä voidaan voidaan myös esittää hyvin jatkuvia ilmiöitä, kuten maaston korkeuseroja (Paikkaoppi).

Käytännön harjoittelun aloitimme käyttämällä opettajamme Artun meille valmiiksi laatimaa pääkaupunkiseudun kuntia kuvaavaa MapInfo-workspacea. Loimme kartan kuvaamaan 20-vuotiaiden määrää 500×500 m-pikselikoon rasterilla. Koska kartta kuvasi vain neljän kunnan kokoista aluetta, pikselikoko oli tarkka muttei tehnyt kartasta sekasotkun näköistä. Pikselikokoa muuttamalla voidaan siis säätää raterikartan selkeyttä ja informatiivisuutta.

Itsenäiseksi tehtäväksemme saimme tehdä oman kartan käyttämällä hyväksemme muuta workspacen uumeniin kätkettyä statistiikkaa. Päätin loihtia kartan kuvaamaan miesten absoluuttista lukumäärää. Kartan tekninen toteutus sujui helposti, mutta halusin kokeilla eri pikselikokoja saadakseni kartastani mahdollisimman toimivan.

Neliökilometrin pikselikoko näytti silmään hyvältä, mutta halusin tutkia asiaa tarkemmin. Koska halusin todistaa itsenäisyyteni, päätin etten käytä valmiiksi käyttöön saamaani 500×500-kokoista rasteria, vaikka sekin olisi ollut ihan yhvä valinta. Päädyin 250×250 m-pikselikokoon, joka kuvaa ilmiötä tarkasti eikä ainakaan omaan silmääni näyttänyt sekamelskalta. Käytin tavaramerkikseni jalostunutta sini-punaistaväriskaalaa, ja pienestä pikselikoosta johtuen asetin jokaisen ruudun ympärille mustat rajat, jotteivat ne hukkuisi ympäristöönsä.Olen melko varma, että valitsin käyttämäni luokkavälit Natural Breakin avulla, ja ne ovat mielestäni toimivat.

pak helsingin miehet

Karttani aihe on mielestäni kiinnostava. Jonkinlaisia mieskeskittymiä on selvästi havaittavissa kartalta, vaikka nyt jälkikäteen spottaan kartastani virheen, josta Lauri Perkiökin kirjoittaa blogitekstissään; käytin absoluutisia arvoja kuvaamaan tutkimani väestöluokan määrää. Tämä johtaa siihen, että alueilla, joilla asukasluku on suuri, miehiä on luonnollisesti enemmän. Absoluuttisia lukuja käyttämällä olisin voinut myös laatia toisen kartan, joka kuvaa naisten määrää. Näin olisin voinut vertailla sukupuolien osuuksia paremmin.

Lähteet:

Rasteri- ja vektorimuotoinen paikkatietoaineisto, Paikkaoppi. <http://www.paikkaoppi.fi/rasteri-ja-vektorimuotoinen-paikkatietoaineisto/> Luettu 7.5.2016

Perkiö, Lauri. Kurssikerta 4- ruutuja ja rastereita (10.2.2016). Lauri Perkiön blogi. <https://blogs.helsinki.fi/lauriper/> Luettu 7.5.2016.

PAK #3

Kolmannella kerralla tutustuimme tietokantaliitoksiin. Harjoittelimme Afrikan mannerta kuvaavan kartan avulla tilastotiedon tuomista MapInfon ulkopuolisesta lähteestä, tällä kertaa Artun meille valmiiksi kokoamasta Excel-taulukosta. Alun yhteisen harjoittelun jälkeen pääsimme toteuttamaan Suomen laajuista järvisyys- ja tulvaindeksikarttaa.

Saimme aiheeseen mukavan pehmeän alun harjoittelemalla Excel-taulukkoaineiston importtaamista MapInfon puolelle. Homma sujui yllättävän kivuttomasti; nyt tärkeintä oli tulevaisuutta ajatellen muistaa miten se tehtiin. Sql-select-työkalun avulla harjoittelimme kahden aineiston yhdistämistä ja niiden muokkaamista.

tulvaindeksi & järvisyys v3
Kuva 1. Suomen kuntien tulvandeksi ja järvisyysprosentti.

Tälläkin kertaa päätavoitteemme oli luoda mahdollisimman selkeä ja toimiva teemakartta; aiheina olivat Suomen valuma-alueiden järvisyys ja tulvaindeksi. Tulvaindeksi laskettiin aiemmin opitulla tavalla yhdistämällä kahden eri aineiston tietoja. Vaikka pää tuntuikin aluksi melko tyhjältä ja tunnin alkupuoli oli jo haihtunut lähimuistista, uuden sarakkeen lisääminen aineistoon sujui loppujen lopuksi ongelmitta ja jopa melko itsenäisesti.

Tietojen lisäyksen jälkeen tulvaindeksiteemakartan tekeminen sujui rutiinilla. Luokkarajoja päättäessäni natural break kuitenkin petti ja jouduin turvautumaan histogrammityökaluun. Histogrammia tulkitessani huomasin, että ylivoimaisesti suurimmalla osalla valuma-alueista oli alhainen tulvaindeksi, ja vain muutama alue Pohjanmaalla ylitti arvon 250. Indeksiä kuvaamaan päädyin luomaan viisi luokkaa, joista neljä ensimmäistä kasvaa 50:stä 250:een. Suuren tulvariskin alueet päädyin yhdistämään yhteen laajaan luokkaan 250-1100, jonka vaihteluväli on lähes 1000. Olen kuitenkin tyytyväinen päätökseeni, ja kun myöhemmin tutkin kurssitovereideni luokkavälejä, huomasin muiden tulleen samaan päätökseen. Esimerkiksi Jasmiina Myllyksen blogia lukiessani huomasin, että ajatuksenjuoksumme olivat menneet samaa rataa ja luokkavälimme ovat identtiset.

Tulvaindeksikartan päälle lisäsin vielä järvisyysprosentteja kuvaavat punaiset pylväät. Pylväät olivat nopea lisäys, ja ainoa hienosäätö oli pylväiden kokojen muuttaminen korkeammiksi, jotta ne erottuisivat kartasta paremmin. Mielestäni kirkkaanpunaiset pylväät ja sinisestä punertavaan hiipuva teemakartta luovat karttaan hyvän värimaailman, ja Microsoft Paintissa tehty viimeistely teki kuvasta blogikelpoisen.

Kartasta näkee selvästi, että suurimman tulvaindeksin alueet keskittyvät rannikkoalueille lännessä. Näillä alueilla järvisyysprosentti on matala, kun taas maamme keskiosien runsasjärvisillä valuma-alueilla tulvariski on matala. Voisi sanoa, että järvien määrä on kääntäen verrannollinen alueen tulvaindeksiin. Ilmiötä voisi perustella se, että veden virtaamattomina varastoina toimivat järvet varastoivat vettä, eivätkä järvisten alueiden joet pääse kehittymään kovin pitkiksi, jolloin niihin ei esimerkiksi keväällä valu paljoa vesiä ympäristöstä.

Pak-tiedotusblogin kehotuksesta palaan vielä hetkeksi ttekstin alussa mainittuun Afrikan karttaan. Valitettavasti en voi liittää karttaani tähän tekstiin, sillä en tajunnut tallentaa sitä. Tutkimiamme ilmiöitä olivat kuitenkin muun muassa internetin käyttö, konfliktit sekä erilaiset luonnonvarat.

Kun pohditaan internetin läpäisevyyden, konfliktien ja luonnonvarojen suhdetta toisiinsa, mieleen tulee helposti erilaisia hypoteeseja. Voisi luulla, että Afrikassa, joissa monien luonnovaroiltaan rikkaiden maiden tulot tulevat alkutuotannosta, internetin läpäisevyys voisi olla parempi juuri näissä “rikkaissa” maissa. Luonnonvaroilla ja konflikteilla voi olla myös pieni riippuvuussuhde, mutta tarkasti monet Afrikan ongelmat johtavat siirtomaa-ajoista. Tietenkin siirtomaat ovat tuottaneet taloudellista hyötyä isäntämailleen, jolloin voidaan sanoa suurimman osan konflikteista johtuvan juuri resursseista. Lauri Perkiö tekee blogitekstissään hyvän havainnon mainitsemalla että vauraus voi nostaa elintasoa mutta samalla kohottaa konfliktien syttymisen riskiä. Tiedotusblogin tehtävässä tarkoituksena oli tutkia tilastotietoja, mutta tällä hetkellä en sijainnistani johtuen pääse niihin käsiksi, päivittelen tarvittaessa myöhemmin ;_;

 

Lähteet:

Myllys, Jasmiina. Kolmas kurssikerta: tietotulva kartoista (2016). Jasmiina  PAK-blogi. <https://blogs.helsinki.fi/myllyjas/> Luettu 20.2.2016

Perkiö, Lauri. Kurssikerta 3- Valuma-alueita ja konflikteja (2016). Lauri Perkiön blogi. <https://blogs.helsinki.fi/lauriper/> Luettu 6.5.2016

 

 

PAK #2

PAK-kurssin toinen kurssikerta jatkui ensimmäiseltä kerralta tutuksi tulleella teemakarttalinjalla. Kun aiemmin olimme keskittyneet vain koropleettikarttoihin, nyt tutustuimme muun muassa diagrammien käyttöön ja pistekarttoihin. Karttatyypeihin tutustumisen lisäksi harjoittelimme ulkopuolisen aineiston tumista MapInfoon ja sen yhdistämistä vanhaan ainestoon, tässä tapauksessa Suomen kuntakarttaan.

Pääsimme oppitunnin toisella puoliskolla tositoimiin; tehtävänantona oli yhdistää kaksi teemakarttaa ja luoda niistä selkeä ja valaiseva kokonaisuus. Kahden teeman tutkiskelu toisiinsa nähden on hyvä tapa tutkia  niiden välisen korrelaation voimakkuutta. Reetu Jormakka on blogitekstissään (2016) tulkinnut karttaansa Pohjois-Suomen kuntien työttömyysasteesta ja työpaikkojen lukumäärästä, ja muuttujien välisen, melko voimakkaan suhteen, spottaa kartalta helposti.

Omien teemojen valitseminen osittautui helpommaksi kuin olin arvellut; päädyin kuvaamaan ensimmäisen kurssikertani aihetta, vanhusten osuutta väestöstä koropleettikartalla, ja pienen pohtimisen jälkeen päätin räjäyttää kartan informatiivisuustason uusiin sfääreihin lisäämällä siihen kuolleiden lukumäärää kuvaavat symbolit. Tutkittavaksi alueekseni valitsin Pohjois-Suomen, sillä sen esteettinen muoto milleytti silmääni.

vanhukset ja kuolleet uusi väri

Kuva 1. Kuolleiden lukumäärän suhde eläkeläisten osuuteen väestöstä kunnittain Pohjois-Suomessa 2015.

Ennen kaikkea olen tyytyväinen karttani ulkoasuun. Punaisesta siniseen hiipivä väriskaala rauhoittaa mielen, ja karttaa täplittävät kuolleita kuvaavat symbolit tuovat siihen eloa ja rikkovat taianomaisen hiljaisuuden. Symboleiden koot 500, 250 ja 50 valitsin tutkimalla kuolleiden määriä kunnissa. Kesikiarvo pyöri vajaassa 200:ssa, ja ääripäät tulivat suurimmasta kunnasta Rovaniemestä sekä muutaman tuhannen asukkaan pikkukunnista. Eläkeläisten osuutta kuvaavan teemakartan luokkavälit laskin Natural Breakin arvolla.

Koska karttaan merkitseväni luvut ovat absoluuttisia eivätkä suhteellisia kuntansa väkilukuun, suurissa kunnissa symboli on luonnollisesti isompi kuin pienissä. Rovaniemi erottuu Lapin suurimpana kuntana noin 500:lla vuotuisella kuolemallaan.

Lähteet

 

Kuntien avainluvut, Tilastokeskus. <https://www.stat.fi/tup/kunnat/index.html> Luettu 28.1.2016

 

 

 

 

PAK #1

PAK-kurssin ensimmäinen kurssikerta palautti mieleen lukiosta tuttua paikkatiedon teoriaa ja esitteli monille täysin uuden työkalun: gis-ohjelma MapInfon. Teorian kertaus oli sopivan pehmeä aloitus uuteen aiheeseen, mutta suurimman positiivisen yllätyksen ja helpotuksen huokauksen tarjosi MapInfo; ennakkoluuloistani poiketen ohjelma näyttikin siltä, ettei sen käyttöön tarvitse insinöörin koulutusta.

Oppitunnin alkuun palautimme pikaisesti mieliin paikkatiedon peruskäsitteitä, mutta siirryimme nopeasti opettelemaan uutta ja tutustuimme uuteen ystäväämme MapInfoon. Vaikka sen toiminnot ovat melko ainutlaatuisia moniin aiemmin käyttämiimme ohjelmiin nähden, sen käyttöliittymässä on paljon samaa kuin esimerkiksi TAK-kurssilla tutuksi tulleessa Coreldrawissa. Ohjelmien toiminta on kuitenkin täysin erilaista, ja opettaja Arttu rohkaisikin käyttämään niitä yhdessä: esimerkiksi kun on saanut siirrettyä tilastotietoa kartalle MapInfon vaivattomien työkalujen avulla, voi toiminnoiltaan vapaammalla CoreDrawilla sommitella lopputuloksen näyttämään hyvältä.

Harjoittelun jälkeen siirryimme ensimmäisen itsenäisen tehtävämme pariin. Tarkoituksena oli luoda teemakartta vapaaehtoisesta aiheesta. Päätin kartoittaa eläkeläisten suhteellista osuutta kunnittain, sillä tutkimalla kuntien prosentteja ja vertaamalla tuloksia muiden kurssilaisten teemoihin voisin saada tietoa kuntien taloustilanteesta ja elinvoimaisuudesta. Kartta on koropleettikarttana selkeä ja helposti luettava, ja olen tyytyväinen sen ulkoasuun.

Kartasta näkee sen, mitä media usein toitottaa: Suomi mummoutuu. Suuressa osassa kunnista eläkeläisiä on väestöstä yli viidesosa. Voimakkain tilanne on monissa itärajan kunnissa sekä pienissä, mahdollisissa kuihtuvissa muuttotappiokunnissa, jotka luovat mosaiikin Keski-Suomen tienoille. Vähiten eläkeläisiä on pääkaupunkiseudun alueella.

Tatu Leppänen on blogikirjoituksessaan (2016) tulkinnut karttaansa Suomen työssäkäyvistä 18-74-vuotiaista. Näyttäisi siltä, että suurimmassa osassa kunnista työssäkäyvien ja eläkeläisten määrät ovat toisiinsa nähden kääntäen verrannollisia; alueilla, joilla eläkeläisosuus on suuri, on työssäkäyvien määrä pienempi kuin alueilla, joilla eläkeläisiä on vähemmän. Tämä ei tietenkään päde kaikkiin kuntiin, mutta  esimerkiksi Kiteessä ja Tohmajärvellä, naapurikunnissa Pohjois-Karjalassa, eläkeläisiä on väestöstä yli kolmasosa ja työssä käyviä alle puolet. Monissa muissa pienissä kunnissa tilanne on samanlainen, ja karttoja tulkitessa heränneen päätelmän vahvistaa Tilastokeskus (2015); Kiteen ja Tohmajärven lisäksi monet tämänkaltaiset kunnat ovat muuttotappioaluetta.

Kuva 1. Eläkeläisten suhteellinen määrä kunnittain 2015.

Lähteet

Leppämäki, Tatu. Paikkatiedon maailmaan – 1. kurssikerta (2016). PAKinoita kartoista. <https://blogs.helsinki.fi/leppatat/> Luettu 28.1.2016

Kuntien avainluvut, Tilastokeskus. <https://www.stat.fi/tup/kunnat/index.html> Luettu 28.1.2016