7. Kurssikerta 25.02 : Viimeisiä viedään, opitun kertausta

Näin se aika on vain vierähtänyt MapInfon ihmeellisessä maailmassa ja viimeisiä viedään. Viimeisenä harjoituksenamme oli luoda kartta itse valitusta aiheesta ja tätä varten ennakkotehtävänä oli hankkia materiaalia aiheen toteuttamiseen. Ideana oli tuottaa kartta, jossa esitetään vähintään kahta muuttujaa, tai vaihtoehtoisesti useampia karttaesityksiä eri muuttujista ja ilmiöistä. Kohteesta tuli vain löytää tarvittavat materiaalit, ja suositeltavaa oli, että valittu alue jakautuisi edelleen pienempiin osa-alueisiin, jotta luokittelu ja alueellinen vertailu olisivat mahdollisia. Kurssikerralla oli mahdollista käyttää pohjana jo aikaisemmilla kurssikerroilla käytettyjä karttoja. Tällöin useamman aiheen esittäminen samalta alueelta oli suotavaa, jotta tämä kompensoisi eroa siihen, että muut saattavat tehdä kaiken alusta alkaen. Kurssikerroilla käytetyt kartat olivat jo valmiiksi koordinaatteihin sidottuja ja vektorimuotoisia, joten reiluuden nimissä tulisi toimia näin mikäli valitsee karttapohjaksi jo ’’valmiin’’ kartan.

Kurssikerta yksinkertaisuudessaan:

– Omasta alueesta kerättyjen tietojen siirtäminen Exceliin taulukkomuotoon mikäli niin ei ollut vielä tehnyt

– Oman pohjakartan kytkeminen koordinaatistoon ja kartan alueiden piirtäminen vektorimuotoon omiksi tietokannoikseen. Oli myös mahdollista hyödyntää aikaisempia karttapohjia, jolloin kartta oli jo valmiiksi kytketty koordinaatteihin ja vektorimuodossa

– Excel tietojen tallentaminen ja päivittäminen kartan alueisiin

– Teemakartan luominen ja julkaisu

Oli suositeltavaa hankkia materiaaleja jo hyvissä ajoin, sillä niin helposti kuin tietoa löytääkin internetistä, voi luotettavan ja ajantasaisen tiedon löytäminen olla yllättävän hankalaa. Oli suositeltavaa valita alue, joka jakaantuu edelleen pienempiin osa-alueisiin, joten mietin jonkin aikaa, mikä alue minua kiinnostaisi. Kurssin aikana käsiteltiin muun muassa jo Afrikkaa alueena ja Suomen maakuntia, joten halusin tehdä karttaesityksen uudesta alueesta. Afrikka sinänsä kiinnosti, mutta en löytänyt tarpeeksi tietoa haluamistani esitettävistä muuttujista, joten hylkäsin idean. Valitsin lopulta alueeksi Itä- ja Kaakkois-Aasian, sillä tämä alue jakaantui juuri sopivasti pienemmiksi osa-alueiksi, mikä oli tässä harjoituksessa suotavaa. Minulla ei ollut selkeää teemaa mielessä, joten listasin alueen valtioista eri tietoja selaillessani The World Fact Book- sivustoa. Päätin keskittyä keräämään väestöön liittyvää tilastotietoa. Käytimme hasardi –harjoituksessa valmista maailmankarttaa, ja päätin hyödyntää tätä karttapohjaa omassa kartassani rajaamalla valitsemani alueen omaksi alueekseen kartalta. Kartta sisälsi jo valmiiksi tietoa alueen valtioista, mutta koska tiedot olivat muutamien vuosien takaa, keräsin samat tiedot uudestaan, sillä The World Fact Bookin tiedot olivat enemmän ajan tasalla.

Kurssikerralla aloitettiin kartan teko alusta alkaen, muistellen mitä mikäkin toiminto ja komento saivat aikaan. Aluksi minulla löi ainakin tyhjää, mutta avustuksella karttaprojekti saatiin käyntiin ja loppujen lopuksi tietojen siirtäminen, päivittäminen ja itse teemakartan luonti tuntui sujuvan itse asiassa aika hyvin. Sanotaan näin, että kun MapInfo drive iski päälle, alkoi työ edetä sujuvasti! Keskityin kuvamaan kartassani siis Itä- ja Kaakkois-Aasian väestöä, ja päätin tehdä muutaman erilaisen kartan, sillä en osannut päättää mikä olisi se lopullinen karttaesitys. Kaikkien karttojen pohjana ovat väestömäärät alueella, jonka päällä tai yhteydessä on toinen muuttuja. Valitsin luokiksi viisi luokkaa, jotta erot ovat havaittavissa maiden välillä ja kartta on vielä kuitenkin selkeästi tulkittavissa. Järkevimmäksi luokittelutavaksi koin luonnolliset luokkavälit, sillä aineistossa on väestöltään (ja pinta-alaltaan) valtioita ääripäistä, vrt. Kiina ja Brunei. Tällä luokittelutavalla kartta näyttää mielestäni järkevimmältä ja aineisto jakautuu luokkiin paremmin kuin muissa luokittelutavoissa. Luonnollisissa luokkaväleissä aineiston luokkien raja-arvot määräytyvät aineiston jakautumassa paikkoihin, joissa havaintoja on vähemmän. Haittana on luokkavälien erikokoisuus ja epäsystemaattimuus, mutta tällaiseen aineistoon se on mielestäni sopivin. Yleisesti ottaenkin luonnolliset luokkavälit sopivat maantieteellisten ilmiöiden kuvaamiseen, jolloin aineiston jakautumiselle osajoukkoihin voidaan miettiä maantieteellisiä selityksiä. Väriksi valitsin vihreän eri tummuusasteet, sillä mielestäni tämä väriskaala oli neutraalein ja rasterikuvioon verrattuna helpommin tulkittavissa.

Ensimmäisessä kartassa on kuvattuna väestömäärät Itä- ja Kaakkois-Aasiassa sekä kaupunkiväestön prosentuaalinen osuus valtioittain (kuva 1). Kaupungistumisastetta pidetään yhtenä maan kehittyneisyyden mittareista, vaikka useat kehitysmaat ovatkin olleet jo pitkään kaupungistuneita. Lukuja tarkastellessa tulee ottaa jälleen huomioon myös valtion pinta-ala sekä asukasmäärä, tässä taas on hyvä verrata esimerkiksi Kiinaa ja Brunein sulttaanikuntaa, eikä pelkästään tarkastella tätä muuttujaa kuvaavia pylväitä. Kiinassa erot maaseudun ja kaupunkien välillä ovat suuret ja maaseutuväestöä on paljon, kun taas pinta-alaltaan moninkertaisesti pienemmän Brunein väestö keskittyy pienelle alueelle.

Kaupunkiväestö

Kuva 1. Väestömäärät ja kaupunkiväestön prosentuaalinen osuus

Toisen kartan tein alueen valtioiden ikärakenteesta (kuva 2). Vaihteleviin väestömäärin verraten oli mielestäni mielenkiintoista liittää samaan karttaan kunkin valtion ikärakenne ympyrädiagrammina, jonka pohjalta voidaan osin pohtia valtion elintasoa.

Ikärakenne

Kuva 2. Itä- ja Kaakkois-Aasian ikärakenne

Edellisen kerran hasardikartoista innostuneena päätin tehdä vielä maanjäristyskartan alueelta (kuva 3). Alueen sijaitessa pääosin litsofräärilaattojen törmöyskohdassa, on tämä 6 magnitudin maanjäristyskartta yhdistettynä väestömääriin mielestäni hyvä visualisoija aiheesta, vaikka tiedossa onkin viimeisen kymmenen vuoden sisään kaksi suurempaa katastrofia alueella liittyen maanjäristyksiin. Tieto siitä, että alue sijaitsee seismisellä alueella ei välttämättä kerro konkreettisesti, kuinka yleisiä maanjäristykset ovat alueella ja kuinka suurta väestömäärää ne koskevat. Kuvan maanjäristykset ovat vuoden 1980 jälkeen tapahtuneita 6 magnitudin maanjäristyksiä. Kuten aiemmat katastrofit ovat osoittaneet, maanjäristykset ovat aiheuttaneet suurta tuhoa alueella. Tiheästi asutetut alueet kärsivät eniten katastrofeista.

6magnitudinMaanjäristyksetVäestö

Kuva 3. 6 magnitudin maanjäristykset alueella vuoden 1980 jälkeen

Kaiken kaikkiaan kurssi on ollut erittäin mielenkiintoinen, antoisa ja ajoittain hyvin haastava. Jotkin asiat sujuivat helpommin kuin toiset, ja jotkin asiat sisäisti helpommin kuin toiset.  En koe olevani MapInfon mestarikäyttäjä tämän kurssikokonaisuuden jälkeen, mutta koen edistyneeni paljon ohjelman käytössä ja ymmärtäväni nyt tärkeimpien toimintojen periaatteet. On karttaa, alueita, on tietokantoja. Näitä yhdistelemällä saadaan niitä kokonaisuuksia, joissa yhdistyvät kartta visuaalisena alueen kuvaajana sekä siihen sidottua paikkatietoa. Haastavinta on ollut oikeastaan se tehtävissä liikkeelle lähteminen, vaikka ohjeistus on ollutkin hyvin yksityiskohtaista. Tämä yksityiskohtainen ohjeistus on ehkä välillä vaikuttanut kokonaiskuvan ymmärtämiseen, mutta yleensä askel askeleelta edetessä harjoituksessa on viimeistään lopullisen karttaesityksen valmiiksi saatuaan ymmärtänyt idean, ja mihin kaikella on pyritty. Itse olen kokenut joidenkin toimintojen kohdalla ahaa-elämyksiä yleensä aina seuraavalla kurssikerralla, kun edelliseltä tunnilta opittuja taitoja on tullut hyödyntää.

Kurssin suorittaminen blogia kirjoittamalla vaikutti aluksi hieman hassulta ajatukselta, varsinkaan, kun ei ole bloggaamisesta sen enempää kokemuksia. Pyry Poutanen jakaa blogissaan samoja ajatuksia, jotka kävivät myös omassa mielessäni tämän kurssin aikana: ”On ollut myös ilahduttavaa huomata hyviä pointteja muiden kirjoituksissa, tiedeyhteisössä on tärkeää lukea paljon muiden kirjoituksia ja poimia sieltä asioita. Jokaisella kurssikerralla olen löytänyt muiden julkaisuista jo hetken etsinnän jälkeen sellaisia avartavia ajatuksia, jotka eivät ole omassa mielessäni käyneet. Näin myös omat julkaisuni saavat uusia näkökantoja ja sisältöä. Olen hyvin yllättynyt kurssin suoritustavan toimivuudesta!” Tässä on viimeistään huomannut, että kurssin suorittaminen blogia kirjoittamalla on itse asiassa järkevä vaihtoehto, jolloin voi hakea tukea ja ideoita omiin teksteihinsä muiden postauksista. Viimeistään näitä viimeisiä tämän kurssin karttoja tehdessä on havahtunut siihen, että toiminnot, jotka aikaisemmin tuottivat hankaluuksia, sujuvat vain huomaamatta hiirtä klikkailemalla. Jos jokin toiminto ei toiminutkaan halutulla tavalla, välittömän apua-huudahduksen sijaan sitä on pysähtynyt pohtimaan mikä meni mahdollisesti pieleen, ja korjannut asian. Tosin, välillä pohdintakaan ei auttanut vaan apua oli pyydettävä. Tämän jälkeen viimeistään toivoi muistavansa, miten se juttu nyt toimikaan!

Näihin karttoihin, näihin tunnelmiin.

Lähteet:

ANSS Catalog. Northern California Earthquake Data Center. 25.02.2014 <http://quake.geo.berkeley.edu/anss/catalog-search.html>

Asean Statistical Yearbook (2012). <http://www.asean.org/images/2013/resources/statistics/statistical_publication/ASEANStatisticalYearbook2012.pdf>. 23.02.2014.

Poutanen, P. 2014. Kurssikerta 7 – The End. <https://blogs.helsinki.fi/pyrypout/>. Luettu 11.03.2014.

The World Fact Book, East & Southeast Asia (2013). <https://www.cia.gov/library/publications/the-world-factbook/wfbExt/region_eas.html>. 23.02.2014.

 

 

Every City, Every Block – SWOT-Analyysi

Saimme lisätehtäväksi tutustua New York Timesin palveluun, jossa väestönlaskennan tietoja on siirretty interaktiiviseen palveluun paikkatietomuotoisena. Meidän tuli tarkastella, mitä erilaisia tietoja palvelu tarjoaa amerikkalaisten elämästä ja tehdä SWOT-analyysi, jossa tuli analysoida palvelua tiedon saannin näkökulmasta.

’’Mapping America: Every city, every block’’ –otsikko antoi jo palvelusta sellaisen kuvan, että sen avulla saa tietoa niin suurimmista amerikkalaisista kaupungeista, kun pienemmistäkin alueista. Sivulle siirryttäessä ensimmäinen valmis teema kartalla oli ihmisten etninen sijoittuminen New Yorkin alueella. Karttaa zoomailemalla pystyi tarkkailemaan muitakin alueita ja tarkastella, miten etnisen väestön sijoittuminen eroaa eri kaupungeissa ja muilla alueilla. New Yorkin alueella oli havaittavissa etnisten ryhmien keskittymistä omille alueilleen (kuva 1). Los Angelesin alueella oli nähtävissä latinalaisamerikkalaisen väestön suuri keskittyminen (kuva 2). Eri alueita tarkkailemalla lähietäisyydeltä ja kauempaakin näille väestön keskittymisille pystyi miettimään syitä niin historiallisilta ajoilta kuin alueen sijainnista, esimerkiksi kuinka lähellä alue sijaitsee toisen maan rajaa. Etnisen väestön keskittymistä oli mahdollista myös tarkkailla omina karttoinaan, esimerkiksi mille alueille ulkomailla syntynyt väestö sijoittuu.

SWOTkuva

Kuva 1. Etniset väestöryhmät New Yorkin alueella

SWOTkuva2

Kuva 2. Latinalaisamerikkalaiset Los Angelesissa

Toisena teemana tarkkailin tulotasoa eri Yhdysvaltojen alueilla, tarkkailemalla nimenomaan teemakarttaa, joka osoitti alle 30 000 $ vuodessa ansaitsevien kotitalouksien sijainnin. Yksittäisiä alueita lukuun ottamatta kartalta oli havaittavissa, että etenkin Etelävaltioiden alueilla sijaitsee paljon kotitalouksia, joissa tienataan alle 30 000 $ vuodessa (kuva 3). Toisen ääripään teemakartassa oli taas mahdollista tarkastella yli 200 000 $ vuodessa tienaavia kotitalouksia, ja tässä kartassa suurin keskittymä sijaitsi Yhdysvaltojen itärannikolla. Palvelu tarjosi erilaisia teemoja tulotason tarkkailuun Yhdysvaltojen alueella, ja näitä karttoja oli mielenkiintoista tarkkailla ja vertailla keskenään.

Swotkuva3_alle30000

Kuva 3. Alle 30 000 $ vuodessa tienaavat kotitaloudet

Race and Ethnicity, Income sekä Housing and families teemojen lisäksi oli mahdollista tarkastella koulutustasoa eri alueilla, ja valita teemoiksi esimerkiksi lukion käyneet tai kandidaatin tutkinnon tai korkeamman tutkinnon saaneet. Kartoilla esiintyi alueellisia eroavaisuuksia, kaikista yhtenäisin kartta oli lukion käyneen väestön teemakartta, lukuun ottamatta joitakin alueita Etelävaltioista. Palvelu tarjoaa monipuolisia teemoja väestön tarkkailuun, ja näitä erilaisia karttoja oli mielenkiintoista tarkastella niin lähietäisyydeltä, kuin kauempaakin, yksittäistä osavaltiota tai koko Yhdysvaltoja alueena.

Vahvuudet. Palvelu on kokonaisuudessaan hyvä, ja tarjoaa erilaisia mielenkiintoisia teemoja tarkasteltavaksi. Sivulla muistutetaan, että palvelun tarjoamia tietoja tulisi käyttää arvioina, sillä niissä on virhemarginaali, koska tiedoista luodut kartat perustuvat otantaan vuosilta 2005-2009. Värien käyttö on hallittua (pääosin) ja väripaletit mielestäni hyviä, mitään radikaaleja värimaailmoja, jotka voisivat vääristää kartalla esitettävää teemaa, ei onneksi ole. Koska palvelun tarjoaa New York Times, voi kuka vain käyttää palvelua ja tarkastella erilaisia teemoja. Tämänkin takia on hyvä, että värimaailmat ovat suht ’’neutraaleja’’, ettei lukija voi tulkita kartalla näkyvää informaatiota väärin. Tietoja voi tarkastella monella eri tasolla, ja pitämällä hiirtä jonkin osavaltion päällä on mahdollista saada prosentuaalisia arvoja teeman esiintymisestä piirikunnittain osavaltioiden sisällä. On myös hyvä, että karttaan on merkitty suurten kaupunkien lisäksi pienempiäkin kaupunkeja.

Heikkoudet. Palvelussa on heikkoa se, ettei kartasta voi zoomata tarpeeksi kauas, jolloin koko alue olisi tarkasteltavissa kokonaan. Karttaa joutuu liikuttelemaan, jotta pystyy tarkastelemaan esimerkiksi Alaskan aluetta. Olisi ollut mukavaa, jos koko aluetta olisi ollut mahdollista tarkastella samanaikaisesti, Alaska ja Havaiji mukaan lukien. Vaikka vahvuutena kartoissa on yleisesti ottaen värien käyttö, esimerkiksi ’’Change in median household income since 2000’’ –kartassa mielestäni kahden eri värin käyttö on hieman hämäävää. Luokkia on kuusi, joten värisävyn tummuuden vaihtelu voisi tehdä kartasta vielä sekavamman ja vaikeasti ymmärrettävän, mutta mielestäni keltaisen sijaan kartalla olisi voinut käyttää jotakin muuta, siniseen sopivaa väriä kuvaamaan suurimpia arvoja. Äkkiseltään ja sen enempää legendaa katsomatta saattaisi jopa kuvitella, että kartalla tarkastellaan kahta teemaa.

Mahdollisuudet. Tämänkaltaisia avoimia väestötiedon kuvaamiseen liittyviä palveluita ei ole paljon josko muita yhtä tarkkoja ollenkaan (?), joten se tarjoaa hyvät mahdollisuudet erilaisten teemojen tarkasteluun ja käyttöön esimerkiksi koulutöissä tai jopa opetuksessa havainnollistamaan asioita, kunhan otetaan huomioon, että aineistoa tulisi käyttää lähinnä arviona totuuksien sijaan.

Riskit. Kartat eivät ole täysin luotettavia ja niiden tietoja voidaan ymmärtää väärin. Kuten sivustolla kerrotaan, virhemarginaali on olemassa. Tietoja voidaan käyttää väärin ja vääränlaisiin tarkoituksiin, kuten Jenni Kerola tuo esille blogissaan: ’’ Etnisten ryhmien sijaintikarttoja voi kuka ja mikä tahansa ääriryhmä käyttää rasistisessa tai terroristisessa mielessä, mutta nämä ovat jokseenkin kaukaa haettuja’’. Olen Jennin kanssa samaa mieltä, että tällainen voi olla hieman kaukaa haettua, mutta hyvinkin mahdollista, kun tällaista yksityiskohtaisempaa väestötietoa on tarjolla avoimesti Internetissä. Teemasta riippuen tieto voi olla hieman arkaluontoista ja näin ollen myös väärin käytettävissä. Jessica Järvinen kirjoittaa blogissaan aiheeseen liittyen, että: ’’Palvelun tarjoama hieman arkaluontoinen ja kyseenalainen data voi johtaa alueiden eriytymiseen, joka tuskin on palvelun tarkoitus. Uhat tulevat siis käyttäjien tekemistä väärinymmärryksistä ja väärinkäytöksistä’’.

Toisaalta on hienoa, että tällaista tietoa saa tarkastella kuka vain, mutta toisaalta väärinkäytön takia voi olla riskialtista pitää tällaista dataa kaikkien luettavissa. Suomessa erittäin tarkan ja yksityiskohtaisen tiedon saaminen on rajoitettua, ja tietoa saa vain erikseen pyytämällä tai hakemalla. Toki Suomessakin esimerkiksi Tilastokeskuksen kautta saa väestöön liittyvää erilaista tietoa, mutta rajoitetummin. Samuli Massinen linjaa hyvin blogissaan eroja New York Timesin ja suomalaisen käytännön välillä: ’’Palvelun yksityiskohtaisen tarkastelun seurauksena näen Suomen ja Yhdysvaltojen käytäntöjen eroavan suuresti liittyen tietojen saantiin, julkisuuteen ja tarkkuuteen. Suomessa tieto on erittäin tarkkaa ja kaikkein yksityiskohtaisimpaan dataan pääsee käsiksi ilman erillistä lupaa pelkästään korkeimmat tahot. Tällä pyritään turvaamaan yksityisyydensuoja, sillä kuten Mapping America – palvelusta havaitaan, tieto voi ajoittain olla erittäin arkaluontoista. Yhdysvaltojen linjaus taas on (Mapping America – palvelun tarkasteluun perustuen) huomattavasti avoimempi. Asukkaiden taustoja voidaan tarkastella ilmaiseksi koska tahansa. Erona on myös, että julkinen tieto perustuu otoksiin ja arvioihin’’. Mapping America palvelu on myös siitä hyvä, että tieto esitetään teemoina kartalla sen sijaan, että tiedot olisivat tilastoitu taulukkoon, jotka ovat tietysti myös tulkittavissa ja luettavissa, mutta tällainen visuaalinen esittäminen havainnollistaa tietoja huomattavan paljon. Palvelussa on hyvät ja huonot puolensa, mutta kokonaisuudessaan idea on toimiva, mikäli kartoilla esitettävää tietoa ehkä karsittaisiin ja vaihdettaisiin yleisemmäksi, sekä mahdollista arkaluonteiselta vaikuttavaa aineistoa poistettaisiin väärinkäytön mahdollisuuksien takia.

Lähteet:

Järvinen, J. 2014. Mapping America : Every city, every block ja SWOT-analyysi. < https://blogs.helsinki.fi/jessicaj/>. Luettu 24.02.2014.

Kerola, J. 2014. The New York Times: Mapping America. < https://blogs.helsinki.fi/jekerola/>. Luettu 24.02.2014.

Mapping America: Every City, Every Block. <http://projects.nytimes.com/census/2010/explorer>. 24.02.2014.

Massinen, S. 2014. New York Times: Mapping America – SWOT-analyysi. < https://blogs.helsinki.fi/smassine/>. Luettu 24.02.2014.

 

6. Kurssikerta : Pisteaineistojen esittäminen kartalla

Kuudennella kurssikerralla perehdyimme pisteaineistojen esittämiseen kartalla reippailemalla heti tunnin aluksi itse maastossa GPS-laitteet mukanamme. Tarkoituksena oli ottaa noin kymmenen eri pisteen koordinaatit ylös lähiympäristöstä, jotka myöhemmin tultaisiin siirtämään pisteaineistoksi MapInfoon. Mapinfon kannalta tärkeimmät tiedot olivat x- sekä y-koordinaatit, vaikka ylös tuli ottaa muitakin tietoja. Nämä kerätyt tiedot tuli siirtää Exceliin ja tarkastella, ettei aineistossa ole mitään ylimääräistä, joka saattaisi vaikuttaa aineiston esittämiseen kartalla. Pisteiden esittämiseksi kartalla kurssikerran aineistossa oli valmiina workspace Kumpulan lähiympäristöstä, johon pisteet tuli sijoittaa ’’Create points’’ –toiminnon avulla. Tämä toiminto oli huomattavan yksinkertainen, kunhan vain piti huolen, että loi pisteet oikealle tablelle ja käytti oikeaa projektiota tiedon esittämisessä.

Koska kurssikerran tavoitteena oli GPS-paikantimen käytön ja tiedon keräämisen lisäksi juurikin näiden pisteiden luonnin opetteleminen kartalle, tarkastelimme tämän edellisen harjoituksen lisäksi peliautomaattien sijoittumista Helsingin alueella, josta oli valmiina olemassa aineisto. Tässä aineistossa pisteet geokoodattiin kartalle, ja erityistä huomiota tuli kiinnittää etenkin osoiteasetuksiin, jotta tieto esiintyisi oikeanlaisena kartalla. Tämä harjoitus vaati edelliseen verrattuna yksityiskohtiensa puolesta enemmän tarkkuutta, mutta molemmat harjoitukset olivat mielestäni selkeitä ja mielenkiintoisia. Pisteaineisto selkeyttää ilmiöiden sijoittumista ja mahdollistaa näin ollen haluttujen ilmiöiden tarkastelun esimerkiksi jollakin tietyllä alueella tiettynä ajankohtana.

Harjoitusten jälkeen itsenäisharjoituksen aiheena olivat hasardit ja niiden alueellinen esiintyminen. Tavoitteena oli tuottaa materiaalia, jota voisi opettajana käyttää tuntiopetuksessa. Tarkoituksena oli kuvata hasardeja pisteaineistona maailmankartalla, jolloin niiden sijoittuminen on helposti nähtävissä. Valittavana oli kolme erilaista hasardia, ja valitsin näistä maanjäristykset sekä tulivuoret, jotka molemmat liittyvät litosfäärilaattojen liikkeisiin. Ensimmäiseksi loin kartan tulivuorista maailman alueella, jotka ovat purkautuneet vuoden 1964 jälkeen (kuva 1). Aineistossa olisi voinut rajata tulivuoret esimerkiksi tulivuorityypin mukaan, mutta tällä rajaustavalla aineistosta rajautui van muutamia kohteita. Päätin esittää siis kartalla kaikki tulivuorityypit, jotka ovat purkautuneet tuon kyseisen vuoden jälkeen, jotta kartta olisi mahdollisimman havainnollistava juurikin tuolivuorien sijoittumisen suhteen. Katri Ruutu kirjoittaa blogissaan, että:’’ karttoja voisi periaatteessa hyvin hyödyntää opetuksessa, joskin hieman paranneltuina versioina, sillä niillä on helppo havainnollistaa, miten tulivuoren purkaukset ja maanjäristykset esiintyvät samoilla alueilla. Tämän tukena voitaisiin käyttää karttaa litosfäärilaattojen rajoista, jotta nähdään, missä sijaitsevat litosfäärilaattojen rajat’’. Olen samaa mieltä, sillä juurikin opetustarkoituksen mielessä pitäen tällainen kartta on visuaalisesti havainnollistava, jos esimerkiksi aluksi tarkkaillaan litosfäärilaattojen sijoittumista maailman kartalla (kuva 2)  ja verrataan tätä karttaa tulivuorien sijoittumiseen niin laattojen erkanemis- kuin törmäysvyöhykkeillä (kuva 1).

TulivuoretPurk64jlk

Kuva 1. Vuoden 1964 jälkeen purkautuneet tulivuoret

plate-tectonics

Kuva 2. Litosfäärilaatat, http://geology.com/plate-tectonics.jpg

Tulivuorikartan lisäksi loin kaksi erillistä karttaa maanjäristyksistä vuoden 1980 jälkeen, voimakkuuksinaan 6 ja 8 magnitudia (kuva 3 ja 4). Yli 8 magnitudin järistykset ovat erittäin voimakkaita ja näin ollen yleisyydeltään harvinaisempia, joten visuaalisen havainnollistamisen takia valitsin lisäksi 6 magnitudin voimakkuuden, jotta kohteita esiintyisi enemmän kartalla, ja jotta laattojen sijoittuminen näidenkin karttojen avulla olisi helpommin ymmärrettävissä. Koska tein kaikki pisteaineistot samalle maailmankarttapohjalle, yhdistin vielä lopuksi ’’kompromissina’’ viimeiseen karttaan 7 magnitudin maanjäristykset sekä 1964 vuoden jälkeen purkautuneet tulivuoret, jotta näiden kahden ilmiön samankaltainen alueellinen sijoittuminen on havaittavissa (kuva 5).

Maanjär6

Kuva 3. 6 magnitudin maanjäristykset

Maanjaristykset8richt

Kuva 4. 8 magnitudin maanjärisykset

Tulivuoret_ja_maanjaristykset_maailma

Kuva 5. 7 magnitudin maanjäristykset sekä vuoden 1964 jälkeen purkautuneet tulivuoret

Tulivuori- ja maanjäristyskartalla voisi mielestäni esittää myös tsunamiaaltojen yleisyyttä, kuten Natalia Erfving kirjoittaa blogissaan: ’’ Luomaani maanjäristys- ja tulivuorikarttaan voitaisiin myös merkitä esim. tsunamiaaltoja ja nähdä miten nämä ilmiöt liittyvät toisiinsa’’. Näin ollen merenalaisten maanjäristysten tai lähellä rannikkoa tapahtuvien maanjäristysten muodostamat tsunamit kuvautuisivat omana ilmiönään tällaisella kartalla, jossa kaikki ilmiöt liittyvät kuitenkin laattatektoniikkaan. Minni Aalto oli lisännyt blogiinsa onnettomuuksien tunnuslukuja maanjäristyskartalle, mikä on mielestäni hyvä idea, kun kartalla halutaan havainnollistaa maanjäristyksien aiheuttamia tuhoja. Vaikka puhutaankin suurista maanjäristyksistä, ei magnitudien asteikko välttämättä kerro tarpeeksi tuhojen laajuudesta, vaan tällaiset tunnusluvut puhuvat puolestaan.

Lähteet:

Aalto, M. 2014. Kurssikerta 6: pisteaineistojen tuottaminen ja esittäminen kartalla. <https://blogs.helsinki.fi/mmaalto/>. Luettu 24.02.2014.

ANSS Catalog. Northern California Earthquake Data Center. 24.02.2014 <http://quake.geo.berkeley.edu/anss/catalog-search.html>

BRG. Global distribution of earthquake epicentres, volcanoes. 24.02.2014. <http://www.bgr.bund.de/EN/Themen/Seismologie/Bilder/Sei_szgrf_k.html>

Erfving, N. 2014. Kurssikerta 6: Maanjäristysten ja tulivuorten esittäminen pistekartalla. <https://blogs.helsinki.fi/nataliae/>. Luettu 24.02.2014.

Plate Tectonics, geology.com. <http://geology.com/plate-tectonics.jpg>. 24.02.2014.

Ruutu, K. 2014. Kurssikerta 6: hasardeja pistekartalla. <https://blogs.helsinki.fi/karuutu/>. Luettu 24.02.2014.

 

 

5. Kurssikerta 11.02 : Bufferointia ja analyyseja

Viidennellä kurssikerralla teemana oli bufferointi eli puskurointi. Kurssikerran tavoitteena oli opetella lisää MapInfon piirtotyökalujen käyttöä ja tutustua paremmin logiikkaan, jolla ne toimivat sekä tutustua bufferointitoiminnon hyödyntämiseen lukumäärien ja etäisyyksien laskemisessa. Bufferointia voidaan hyödyntää, kun halutaan selvittää kuinka monta kohdetta on tietyn suuruisen alueen sisäpuolella. Kurssikerralla selviteltiin enimmäkseen asukkaiden lukumäärää tietyllä sädevyöhykkeellä kohteesta.

Edellisellä kurssikerralla aloitimme Pornaisten kartan käsittelyn ja lisäsimme keskusta-alueelle niin päätiet kuin asutuksenkin omille layereilleen. Jatkoimme tällä kerralla lisäämällä päätiestön ympärille 100 metrin bufferin, jonka avulla oli tarkoitus selvittää, kuinka monta taloa on tällä etäisyydellä päätiestä. MapInfossa vasemmasta alakulmasta on nähtävissä taulukkoikkunan ollessa valittuna, montako tapausta taulukossa on, eli tässä tapauksessa kuinka monta taloa tällä bufferivyöhykkeellä sijaitsee. Työkalupakin sigma-symbolia painamalla saa vielä tilastotietoa taloista, mikäli tätä tietoa on tallennettu kuhunkin pisteeseen. Tämä toimi käytännön esimerkkinä siitä, miten puskurointia voi hyödyntää erilaisissa tilanteissa, esimerkiksi jos halutaan selvittää kuinka suuren alueen jo olemassa olevan tai rakenteilla olevan tien melu kattaa.

Puskurointitoimintoon tutustumisen jälkeen saimme jatkaa itsenäistehtävien parissa, joissa jouduimme käyttämään hyödyksemme juuri opittuja asioita puskuroinnista sekä edellisten kertojen aiheita hieman soveltaen. Itsenäistehtävien avulla oli tarkoitus testata jo tähän asti kertynyttä osaamista MapInfolla ja sen ymmärtämistä. Itsenäistehtävät koostuivat lentokenttiin sekä juna-asemiin liittyvistä tehtävistä. Tarkoituksena oli puskurointitoiminnon avulla selvittää lentokenttien osalta melualueen vaikutusta lentokenttien lähistöllä asuviin asukkaisiin. Näissä tehtävissä käytetyissä aineistoissa oli tallennettuna myös tilastotietoja rakennuksista omiin tietokantoihinsa, jolloin pystyi tarkastelemaan puskurivyöhykkeen ’’alle’’ jäävien rakennusten ja asukasmäärien lisäksi myös esimerkiksi alueen ikärakennetta. Harjoitus myös osaltaan avasi vielä enemmän sitä, miten tätä puskuritoimintoa voidaan hyödyntää. Hyvin mielenkiintoista, vaikkakin harjoitusten teko osoittautui hyvistä ja yksityiskohtaisista ohjeista huolimatta välillä hieman hankalaksi.

Lentokenttien ohella tarkasteltiin erikseen juna-asemia, ja niiden välittömässä läheisyydessä asuvien ihmisten määrää bufferin ollessa 500 metriä joka suuntaan jokaisen juna-aseman ympäriltä. Tulokset osoittivat, että tällä vyöhykkeellä asuu verrattain paljon ihmisiä, mutta toisaalta alueen kokoon verrattuna ei niinkään paljoa. Tulokset olisivat varmasti olleet hyvinkin toisenlaiset, jos bufferi olisi ollut esimerkiksi 1 kilometri. Harjoituksessa käytetyn aineiston tietokantojen takia pystyi keskittymään esimerkiksi vain tiettyyn ikäryhmään, niin kuin yhdessä harjoituksista olikin tarkoitus tarkastella työikäisten prosentuaalista määrää alle 500 metrin päässä lähimmästä juna-asemasta asuvista. Lentokenttä- ja juna-asema –harjoitusten tavoin taajamiin liittyvässä harjoituksessa oli aineistoon liitettynä tietokantoja, jolloin haluttua muuttujaa oli mahdollista tarkastella tällä valikoidulla alueella. Taajama –harjoituksessa selvitettiin asukasmääriä taajamien alueella, sekä erilaisia prosentuaalisia osuuksia liittyen kouluikäisiin sekä ulkomaalaisiin näillä taajamien alueilla. Näiden harjoituksien lisäksi itsenäisharjoituksista sai valita itselleen mieleisimmän, ja tein omani uima-altaista pääkaupunkiseudun alueella. Harjoituksessa tuli käyttää erilaisia hakuja uima-altaiden määrien ja sijoittumisen tutkimiseen. Vastauksista koottiin erikseen taulukko, jonka pohjalta on helpompi tarkastella näiden itsenäisharjoituksien vastauksia.

Taulukko 1. Itsenäistehtävien kysymyksiä ja vastauksia

Taulukko1

Takana on jo viides kurssikerta, jolloin jo oletettavasti MapInfon toiminnot alkavat olla hallussa. Olen huomannut, että alkunäytöltään ja yleensäkin ulkomuodoltaan suht yksinkertaiselta vaikuttava MapInfo on opettanut joka kerralla jotain uutta. On uusia toimintoja, työkaluja sekä hieman hankaliltakin vaikuttavia komentosarjoja, jotka mahdollistavat jonkin ilmiön tutkimisen halutulla alueella mahdollisesti tutkittavan alueen päälle avattua tietokantaa hyödyksi käyttäen. Tällä hetkellä etenkin edellisen harjoituksen jälkeen pidän MapInfossa tärkeänä erilaisia piirtotyökaluja, vaikka ne eivät kovin kummoisia olekaan verrattuna viime periodissa käytettyyn CorelDrawiin. Tämä puskurointiharjoitus opetti, että näitäkin vektoriobjekteja on mahdollista hyödyntää, ei vain niin, että esimerkiksi tiet erottuvat paremmin kartalta punaisina, vain aivan uuden komennon takia, joka vaatii objektit valituiksi ennen puskurointia. Kurssikertojen aikana olen myös huomannut, että erilaisten aukiolevien layereiden ymmärtäminen on tärkeässä asemassa. On tärkeää tietää, mitä layeria muokkaa ja hankalissa tapauksissa varmistaa aivan ensimmäisenä, että onko valittu layer edes muokattavana. ’’Save cosmetic objects’’ –toiminto on mielestäni tärkeä komento, mikäli on itse luomassa uutta tietoa kartalle. On siis mahdollista tallentaa tehdyt objektit omalle tasolleen sen sijaan, että tallentaa koko työn kokonaisuudessaan. Tämä mahdollistaa eri layereiden sulkemisen ja eriaikaisen tarkastelun, mikä on mielestäni tärkeä ominaisuus MapInfossa. Kuitenkin, Natalia Erfvingin tavoin, olen sitä mieltä, että on vaikea asettaa eri työkalut ja toiminnot ’’tärkeysjärjestykseen’’, sillä kaikki työkalut ovat varmasti tärkeitä erityyppisissä analyyseissa. (Erfving, N. 2014)

Eniten hankaluuksia minulle ovat aiheuttaneet erilaiset kyselyt ja analyysit, sillä välillä sitä ei ole itsekään aivan varma, mistä tabletista tietoa on hakemassa ja ovatko varmasti uusien sarakkeiden tiedot eri tietokannassa päivitetty, jolloin tieto esiintyy oikein näissä tietokannoissa. Viivi Honkanen painottaa tärkeää asiaa analyyseihin liittyen blogissaan: ”MapInfon analyyseillä voidaan ratkaista monia ongelmia, mutta ongelmaratkaisukykyyn vaikuttaa muun muassa se, onko laskutoimitukset ja kyselyt suoritettu oikein. Myös aineiston laatu, kattavuus ja saatavuus vaikuttavat tuloksiin. Virheitä ja aukkoja sisältävästä aineistosta ei saa kovin luotettavia analyysejä”. Kuitenkin, loppujen lopuksi, kyselyjen käyttö on melko loogista, on vain itse tiedettävä ja muistettava, mistä tietoa hakee ja mihin sitä hakee. Muut asiat ovatkin vain hienosäätöä ohella, esimerkiksi jos haluaa rajata tietyn ikäryhmän uudeksi omaksi sarakkeeksi toiseen tietokantaan. Eri vaihtoehtoihin on myös syytä kiinnittää huomiota, esimerkiksi siihen, mikä yksikkö soveltuu kuvaamaan parhaiten mitäkin ilmiötä.

Puskurointiin liittyvät harjoitukset olivat hankaluudestaan riippumatta mielenkiintoisia, sillä ne antoivat konkreettisia vastauksia itsessään siitä, mihin niitä voi hyödyntää. Bufferoinnilla on mahdollista rajata erilaisten ilmiöiden vaikutusalueet, esimerkiksi kuinka suurella alueella liikenne- tai lentomelu vaikuttaa, ja tarkastella erilaisten kohteiden saavutettavuutta lähialueilta. Samuli Massinen toi blogissaan esille myös hyviä käyttötarkoituksia bufferoinnille: ”Esimerkkitapaustemme lisäksi bufferityökalua voisi hyödyntää myös luonnonkatastrofien vaikutusalueita määritettäessä. Puskurivyöhykkeiden avulla voidaan selvittää esimerkiksi kuinka laajalle alueelle tulva on levinnyt. Toimintoa voidaan toki käyttää myös hasardien ehkäisyssä esimerkiksi tarkastelemalla, mitkä alueet ovat tulva-alttiita ja missä on suurin väestöntiheys. Myös aluesuunnittelussa kaavoituksen ja infrastruktuurin kehittämisen parissa puskurointi on oiva työkalu. Samoin näen, että bufferoinnista on hyötyä kaupallisissa tarkoituksissa. Yritys voi esimerkiksi lisätä markkinoinnin volyymia alueilla, joissa potentiaalisten asiakkaiden määrä on suurin”. Kolmannen kurssikerran Afrikka-harjoituksessa oli myös saatavilla kartta, jossa bufferoinilla havainnollistettiin konfliktien laajuus ja vaikutusalue, vaikka kartalla niitä kuvattiinkin pelkillä pisteillä. Bufferointi mahdollistaa siis ilmiön tarkemman ja seikkaperäisemmän tarkastelun, mikä ei välttämättä tavalliselta kartalta onnistu.

Lähteet:

Erfving, N. 2014. Kurssikerta 5 : Bufferointia, analyyseja ja arvauksia. <https://blogs.helsinki.fi/nataliae/>. Luettu 12.02.2014.

Honkanen, V. 2014. Kurssikerta 5. <https://blogs.helsinki.fi/vhonkane/>. Luettu 15.02.2014.

Massinen, S. 2014. Fifth round – Bufferointia ja analyysejä. <https://blogs.helsinki.fi/smassine/>. Luettu 15.02.2014.

4. Kurssikerta 04.02 : Ruutuja ja rasterikarttoja

Neljännellä kurssikerralla tutustuimme ruututeemakarttojen tekemiseen sekä uuden tiedon tuottamiseen tietokantaan maantieteellisiä kohteita hyväksikäyttämällä. Aloitimme luomalla pääkaupunkiseudun kartalle ruudukon ’’Create Grid’’ –työkalulla, jonka avulla on tosiaan mahdollista rajata haluamansa alue ruudukon alle kartalta ja määrittää näiden ruutujen viivojen etäisyys toisistaan yksikköinä joko koordinaattiruudut, metrit tai jalat. Tästä kartan päälle luodusta ruudukosta syntyy oma tietokantansa, jolle on mahdollista lisätä ja päivittää tietoja. Loimme tunnilla ruudukon Helsingin alueelle, jonka ruutukoko oli 500 metriä. Tämä luotu grid oli aivan samanlainen kuin mikä tahansa muukin tietokanta, ja siihen voitiin syöttää tietoa jokaiselle karttakohteelle tai tuoda tietoa ulkoisista tietokannoista. Harjoituksen tarkoituksena oli luoda väestöntiheyskartta rajatulle alueelle, joten ruudukkoon oli päivitettävä tietoa. Kurssikerran kansiosta saatiin valmis tietokanta pääkaupunkiseudun väestöstä, joka avattiin auki ruudukon päälle. Kartalle ilmestyi suuri määrä harmaita pisteitä, jotka jokainen olivat yksi rakennus tällä alueella, ja sisälsivät tietoa tässä rakennuksessa asuvista henkilöistä, esimerkiksi heidän ikärakenteensa.

Jotta tietokannan tieto saataisiin omaan luotuun tietokantaan, oli haluttu tieto päivitettävä omaan ruudukkotietokantaan, kuten aiemmalla kurssikerralla oli opittu. Ensin ruudukkotietokantaan oli lisätty valmiiksi sarake, jolle tietoa voitaisiin päivittää. Teemaksi väestöntiheyskartalle valittiin opiskelijat, iältään 19-23 –vuotiaat, joten tieto tämänikäisistä ihmisistä haluttiin päivittää näkyväksi omaan ruudukkotietokantaan. Lopulta ruudukkotietokannan pohjalta luotiin teemakartta, josta oli havaittavissa opiskelijoiden sijoittuminen pääsääntöisesti Helsingin alueella, mutta myös lähialueilla, sillä rajattu ruudukko oli suorakaiteen muotoinen, eikä kunta- ja kaupunkirajat noudata tätä muotoa.

Kartalta oli havaittavissa opiskelijoiden keskittyminen etenkin keskusta-alueelle, sekä Otaniemen alue oli myös punaisena. Kartalta oli nähtävissä opiskelijoiden, ja yleisestikin tämänikäisten ihmisten suosimat asuinalueet, sillä pääkaupunkiseudun väestö –tietokannassa ei ollut suoranaisesti omaa saraketta opiskelevista ihmisistä. Tämä valittu ikäryhmä oli vain oletus siitä, että tämän ikäiset ihmiset nyt oletettavasti opiskelevat tällä hetkellä. Pois jää nuorempana opiskelunsa aloittaneet sekä vanhemmat opiskelijat. Valittu ikäryhmä oli suuntaa antava, ja syntyvästä teemakartasta oli nähtävissä etenkin opiskelija-asuntojen sijainnit.

Tämän jälkeen itsenäisenä harjoituksenamme oli luoda ruututeemakartta valitsemastamme aiheesta yhdellä tai kahdella eri ruutukoolla. Kurssin ensimmäisellä kerralla tein teemakartan Helsingin asukasmääristä sekä niiden alueellisesta jakautumisesta (kuva 2). Koska pääkaupunkiseudun väestö -tietokanta sisälsi jokaiseen rakennukseen liitettyjä ominaistietoja, päätin tehdä aiheesta uudestaan kartan, sillä syntyvässä kartassa asukasmäärät erottuvat tarkemmin eri alueilla. Väreiksi valitsin tumman vihreästä punaiseen vaihtelevan väriasteikon, sillä tällöin tiheimmin asutut alueet erottuvat selkeimmin kartalta. Jotta vaihtelua on tarpeeksi, valitsin luokkien määräksi viisi ja luokittelutavaksi luonnolliset luokkavälit, sillä tällä luokittelutavalla luokkarajat olivat mielestäni järkevimmät ja selkeimmät. Luonnolliset luokkarajat soveltuvat myös yleisesti maantieteellisten ilmiöiden kuvaamiseen, joten jos mikään muu luokittelutapa ei vaikuta hyvältä, ovat luonnolliset luokkarajat hyvä vaihtoehto itse valittujen luokkarajojen ohelle.

HelsinkiAsukkaatRajat

Kuva 1. Asukkaita Helsingin alueella, 500 m x 500 m ruudukko

KarttaBlogiin1

Kuva 2. Helsingin eri alueiden asukasmäärät

Kartoissa on havaittavissa samanlaisuuksia, mutta kuten oletin, ruututietokantaan liitetyt tiedot ja siitä tehty teemakartta on tarkempi asukkaiden sijoittumisen suhteen (kuva 1). Kurssin ensimmäisellä kerralla tekemääni karttaan verraten on nähtävissä, että Lauttasaari erottuu siinä esimerkiksi tummimman vihreänä. Uudessa ruututietokantaan perustuvassa kartassa on havaittavissa, että Vattuniemen alue ja Lauttasaarentien ympäristö ovat tiheimmin asutut alueet, jotka ensimmäisen kurssikerran kartassa nostavat alueen ylimpään luokkaan asukkaiden kokonaismäärällä alueella. Ruututeemakartassa erottuvat myös asumattomat alueet valkoisina, kun taas ensimmäisen kurssikerran kartassa nämä alueet ovat alimassa luokassa, jolloin ei tiedetä, miten asutus näillä alueilla jakautuu. Uudesta kartasta on havaittavissa myös esimerkiksi tiheämmän asutuksen ketju metroradan varrella, ja kuten Minni Aalto toteaa blogissaan tarkastellen eläkeläisten asumista:’’ Tiheimmät asutuskeskukset eläkeläisten parissa sijaitsevat metro- ja junaratojen varrella ja ydinkeskustassa’’. Metro- ja junaratojen varret sekä kattavimmat tieverkon alueet ovat tiheästi asuttuja juurikin saavutettavuuden kannalta. Eri ikäryhmillä tietenkin vaihtelee pääasialliset syyt asua näillä alueilla, mutta yleisesti ottaen helppoa ja nopeaa saavutettavuutta voidaan pitää tärkeänä tekijänä.

Ruututietokantaan perustuva kartta on minusta selkeämpi ja informatiivisempi, ja karttoja vertailemalla on mielenkiintoista nähdä ne ’’ydinalueet’’, jotka ensimmäisen kurssikerran kartassa vaikuttavat siihen, mihin luokkaan Helsingin eri alueet sijoittuvat asukasmäärien perusteella. Erilaisia ruutukokoja kokeilemalla huomasi, miten kartan ulkonäkö muuttuu ja informaatio tavallaan vääristyy tai on vaikeammin tulkittavissa. Suuremmilla ruuduilla keskittymät ovat havaittavissa, mutta yhtä tarkkaa ja yksityiskohtaista alueellista tietoa tällainen kartta ei anna. Tiia Määttä toi esille blogissaan aiheeseen liittyen, että ’’Pienemmät ruudut ovat visuaalisesti kauniimman näköisiä kuin esimerkiksi 1000 x 1000- ruudut, koska pienemmät ruudut sulautuvat paremmin yhteen ja muodostavat liukuvamman väripinnan kuin suuret’’. Olen hänen kanssaan samaa mieltä, ja liukuvan väripinnan lisäksi alueellisia keskittymiä on enemmän pienemmän ruudukon pohjaan luodussa kartassa, jolloin alueelle valitun ilmiön tulkinta voi helpottua. Jos kartalla halutaan kuvata hyvin yksityiskohtaista sijoittumista, on pistekartta siihen paras vaihtoehto. ’’Mitä pienemmiksi ruudut ruutuaineistossa asettaa, sitä enemmän se alkaa muistuttaa pisteaineistoa. Mitä suuremmaksi alueeksi ruudut laittaa, sitä enemmän se yleistää.’’ (Kerola, J. 2014)

Opiskelijat00100

Kuva 3. Opiskelijat 0010-alueella, 250 m x 250 m ruudukko

Opiskelijateemaan liittyen tein myös toisen kartan opiskelijoiden sijoittumisesta 00100 –postinumeroalueella (kuva 3). Kartta on sinänsä melko itsestäänselvä, mutta visuaalisesti hyvä havainnoija opiskelijoiden sijoittumisesta tällä alueella etenkin Kampin alueelle, jossa sijaitsee paljon opiskelija-asuntoja.

Kurssikerralla oli jälleen paljon uutta opittavaa, mutta pikku hiljaa MapInfon erilaiset perustoiminnot, joita tähän asti olemme tarvinneet töiden tekemisessä, alkavat hahmottua ja painua mieleen. Kurssin aihe oli mielenkiintoinen, sillä väestötietokannan pohjalta olisi voinut luoda monia erilaisia karttoja, joiden pohjalta olisi voinut pohtia tiettyä teemaa pienalueilla tai suuralueilla.

Lähteet:

Aalto, M. 2014. Kurssikerta 4 : Rasterikarttoja MapInfolla. <https://blogs.helsinki.fi/mmaalto/>. Luettu 05.02.2014.

Kerola, J. 2014. 4. Ruutuja ja Espoon vanhuksia. <https://blogs.helsinki.fi/jekerola/>. Luettu 05.02.2014.

Määttä, T. 2014. Kurssikerta 4 : Ruututeemakartta ja rasterikarttakuvan rekisteröinti. <https://blogs.helsinki.fi/timaatta/>. Luettu 05.02.2014.

3. Kurssikerta 28.01 : Tietokantojen data

Kolmannella kurssikerralla etenimme hieman monimutkaisemmalta vaikuttavaan asiaan, nimittäin tietokantojen dataan, jota kartta sisältää ja jota sillä voidaan esittää. Kurssikerran oppimistavoitteena oli näiden tietokantojen valmisteleminen tehokkaaseen käyttöön sekä ulkoisen tiedon liittäminen tietokantaan, joka tapahtui Excelin kautta. Tärkeää oli myös muistaa päivittää tietoja sekä tuottaa uutta tietoa olemassa olevaan tietokantaan vanhojen tietojen avulla.

Tietokantoihin tutustuttiin Afrikan kartan pohjalta, joka sisälsi vain maiden nimet. Ensinnäkin tämän tietokannan maat tuli yhdistää ’’combine’’ –toiminnolla, jotta data olisi yhdistettynä maittain. Näin ollen myös ulkoisen tiedon yhdistäminen Excelistä oli helpompaa. Excelistä tietokantaan liitettiin tietoa väkiluvuista, internetin käyttäjistä sekä Facebookin käyttäjistä. Ulkoinen tieto tuli myös päivittää tietokantaan, jolloin se oli käytettävissä sekä näkyvillä kartalla. Kartalle oli mahdollista saada näkyväksi konfliktialueet, timanttikaivokset, sekä mantereella sijaitsevat öljyalueet (kuva 1).

Harjoitus liittyi pääasiassa datan tuomiseen sekä yhdistämiseen jo olemassa olevaan tietokantaan. Datan tuonti ja yhdistäminen mahdollistuivat erilaisten, hieman monimutkaisilta vaikuttavien, komentojen avulla. Dataa yhdistettiin kuitenkin usean sarakkeen verran pohjana toimineeseen tietokantaan, joten nämä eri komennot ja toiminnot alkoivat pikku hiljaa painua mieleen. Sarakkeita lisäämällä tuotetaan siis uutta tietoa tietokantaan yhdistämällä sitä muista tietokannoista tai ulkoista tietoa muista ohjelmista. Sarakkeita tulee muistaa päivittää, jotta uusi data päivittyy tietokantaan ja on näin käytettävissä jatkossa.

BlogiinAfrikka

Kuva 1. Konfliktialueet ja timanttikaivokset Afrikassa

 

Kartalta oli nähtävissä konfliktialueiden, timanttikaivosten, sekä mantereella sijaitsevien öljyalueiden sijainnit. Mikäli tietokantaan olisi näiden tietojen lisäksi lisätty tarkentavaa tietoa ilmiöistä, olisi eri alueiden tilanteen pohtiminen mahdollista. Mikäli konfliktien tapahtumavuosi olisi tiedossa, voisi niitä rajata pois sen mukaan, sillä konfliktialueita on useita koko kartan alueella. Joillakin alueilla vaikuttaa olevan rauhallisempaa, mutta konfliktialue pisteenä ei kerro itse konfliktin laajuutta, jolloin kartalla konflikteilta vapaana näyttävä alue saattaa kuitenkin olla konfliktin vaikutusalueen piirissä. Näin ollen konfliktialueen laajuus säteenä antaisi havainnollisemman kuvan alueen sekä maan tilanteesta. Sama pätee timanttikaivoksiin: kartalla niitä näyttää esiintyvän suurina ryppäinä keskittyen pääasiassa omille alueilleen, mutta kaivausten aloitusvuoden tiedon pohjalta voitaisiin nämäkin rajata. Tällöin voitaisiin päätellä, minkä alueen kaivaukset ovat vielä mahdollisesti aktiivisia ja missä kaivaukset ovat saatu mahdollisesti päätökseen. Internetkäyttäjien määrillä eri vuosina tietokannassa voitaisiin arvioida eri kehittyvien maiden kehitystä tietoliikenteen saralta, ja kuinka suuresti käyttö on kasvanut vai onko se päinvastaista. Tämän lisäksi voitaisiin pohtia mitkä tekijät tähän mahdollisesti vaikuttavat. Tietokannan tieto jostakin ilmiöstä ei siis välttämättä itsessään vielä kuvaa tarpeeksi ilmiötä, se antaa sille esimerkiksi sijainnin tai lukumäärän. Uuden datan liittämien tietokantaan taas antaa uutta tietoa ilmiöstä, jolloin ilmiön ja sen vaikutusten pohtiminen mahdollistuu.

ValumaAlueKartta

Kuva 2. Teemakartta tulvaindeksistä ja järvisyydestä

Afrikan kartan ja tietokantojen pohjalta tehdyn harjoituksen jälkeen tehtävänä oli luoda koropleettiteemakartta tulvaindeksistä, sekä esittää samalla kartalla järvisyysprosenttiteema (kuva 2). Kartan teko vaati samanlaisia komentoja ja toimintoja kuin edeltävässä harjoituksessa, joten mikäli asiat muisti, oli tehtävässä eteneminen helpompaa. Kartassa tuli taas pohtia värimaailmaa sekä luokitusta, jotta kartta olisi helposti tulkittavissa. Omaan karttaani valitsin liilan ja vaaleanpunaisen sävyjä, sekä järvisyysprosentin osoittavat palkit keltaisiksi, jotta ne olisivat helposti erotettavissa kartalta, mutta eivät sekoittuisi toiseen teemaan. Tulvaindeksin frekvenssijakauma oli pääpiirteittäin vino, joten siihen oli mahdollista käyttää erilaisia luokitusmenetelmiä. Koitin paria eri menetelmää, mutta en ollut tyytyväinen syntyvään karttaan, joten koitin luoda selkeämmän luokittelun, jotta alueet erottuisivat selkeämmin ja luokkavälit olisivat loogisemmat. Toisaalta tällä luokittelulla pohjoisessa olevat alueet eivät enää erotu, kuten toisessa luokittelutavassa, mutta mielestäni luokittelu on karttaan sopiva.

Kartalta on havaittavissa tulville riskialttiit alueet, sekä toisaalta alueet, joilla joen virtaama kasvaa suuresti (kuva 2). Korkea tulvaindeksi ei välttämättä tarkoita tulvia alueella, vaan myös joen virtaaman suurta kasvua sateiden aikana ja lumien sulaessa. Tulviminen riippuu joen uomasta ja jos virtaava vesimäärä ylittää uoman. Suuret järvisyysprosentit Keski-Suomen alueella selittyvät monien järvien sijainnilla tällä alueella, pohjoisessa taas järvien lukumäärän sijaan järvet ovat suuria alueella. Tulvaindeksin suuruus rannikkoalueilla ja alhaisuus sisämaassa selittynee sillä, että nämä järvet laskevat nimenomaan jokia pitkin rannikkoalueiden kautta meriin ja toisaalta toimivat hyvinä vesivarastoina, kuten Pyry Poutanen toteaa myös blogissaan: ”Järvien voidaan siis päätellä estävän luonnollista tulvimista tehokkaasti hyvinä veden varastoina pahimpina tulva-aikoina.”

Lähteet:

Poutanen, P. (2014). Kurssikerta 3 – MapInfon soveltavaa käyttöä. <https://blogs.helsinki.fi/pyrypout/>. Luettu 29.01.2014.

Valuma-alueet, Oiva-tietokanta.  Syke (2014).<http://wwwp2.ymparisto.fi/scripts/paikkatieto.asp>

Artikkeli 1 : Kahden teeman koropleettikartta

Koropleettikarttojen tekemisen helpottamiseksi saimme luettavaksemme Anna Leonowiczin artikkelin ’’Two-variable choropleth maps as a useful tool for visualization of geographical relationship’’. Tämän artikkelin tarkoituksena oli syventää pohdintaa kahden päällekkäisen teeman käytöstä teemakartoissa. Ehdimme käsitellä tunnilla jonkin verran kaksiteemaista koropleettikarttaa, mutta tämä artikkeli havainnollisti vielä syvällisemmin aiheesta.

Yhden teeman tai muuttujan kartoissa on nimensä mukaisesti yksi teema esitettynä kartalla. Tällainen kartta ei ole riittävä, mikäli teemojen välinen suhde tulee ottaa huomioon. Kahden teeman koropleettikartta on variaatio, joka mahdollistaa kahden erillisen ilmiön kuvaamisen samanaikaisesti. Kaksiteemaisessa koropleettikartassa tarkastellaan näiden teemojen kausaalista suhdetta. Leonowicz antaa esimerkiksi lannoitteiden käytön ja sadon suhteen, sekä tulotason ja koulutusasteen suhteen. Kartalla on myös mahdollista kuvata kahta itsenäistä muuttujaa, kuten syntyvyyttä ja kuolleisuutta. Kaksiteemaisissa koropleettikartoissa alueelliset yksiköt peitetään värisävyllä tai rasterilla, joka kuvaa yhteisiä tuloksia molemmista teemoista.

Leonowicz painottaa, että kahden teeman koropleettikartoissa luokkien määrä tulisi säilyttää mahdollisimman pienenä, jotta tulkittavuus ja luettavuus säilyvät. Yhdeksän luokkaa on maksimi luokkamäärä, muuten karttaa on vaikea tulkita ja se alkaa olla sekava. Laura Hintsanen kertoo blogissaan kaksiteemaisen koropleettikartan legendan idean selkeästi ’’ Kaksiteemaisen koropleettikartan legendassa käytetyt värit tai rasterit esitetään neliönmuotoisena laatikkona, joka on pilkottu yleensä neljään tai yhdeksään pienempään laatikkoon (Leonowicz 2006, kuva 4). Laatikon voi kuvitella koordinaatistoksi, jonka x-akseli kuvaa toista teemaa ja y-akseli toista ja keskellä kulkee lineaarinen regressiokäyrä. Käyrä on nouseva, jos teemojen välillä on positiivinen korrelaatio (kun a lisääntyy, niin b lisääntyy) ja laskeva, jos korrelaatio on negatiivinen (kun a lisääntyy, niin b vähenee). Molemmat teemat on jaettu kahteen tai kolmeen luokkaan, joten legendaan muodostuu yhteensä neljä tai yhdeksän luokkaa.’’ (Hintsanen, L. 2014). Kartalla esitettävät värisävyt tai rasterit tulisivat olla molempien muuttujien osalta helposti luettavissa ja havaittavissa sekä samanaikaisesti muuttujien välinen suhde tulisi tulla esille.

Yleensäkin, kuten minkä tahansa kartan teossa, kartan ulkonäköön ja tekotapaan on kiinnitettävä huomiota, jotta tulkitseminen on helppoa ja selkeää. Kunnollisella ja huolellisella suunnittelulla, selkeällä grafiikalla ja oikealla luokkien määrällä taataan kartan helppo tulkittavuus ja selkeys.  Tietenkin kartan lukijan käsityksillä ja havaintokyvyllä on vaikutuksensa kartan tulkittavuuteen, mutta mitä selkeämmäksi kartta tehdään, rajaa se pois mahdollisuuksia väärinymmärtämiselle ja vaikeasti tulkittavuudelle.

Mielestäni kaksiteemainen koropleettikartta on kätevä juurikin kahden ilmiön samanaikaisen tarkastelun takia, ja tällaisella tarkastelulla saadaan varmasti etsittyä monipuolisemmin syitä ilmiöille, kuin näiden ilmiöiden yksittäisessä tarkastelussa. Artikkelissa mainittiin hankaluudesta tulkita tällaisia kahden teeman karttoja, mutta nämä harhat voivat yhtä lailla johtua kartan huonosta toteuttamisesta lukijan käsityksien sijaan. Kaksiteemaisissa koropleettikartoissa alueellisen suhteen tulkitseminen on helmpompaa, kun taas yksiteemaisista kartoista esimerkiksi levinneisyys on helpommin tulkittavissa. Legendan tulkinta saattaa tuottaa aluksi hankaluuksia, mutta sitä hetken tarkkailemalla ja tekstejä lukemalla idea avautuu. Olen samaa mieltä kuvan 3. havainnollisuudesta, mitä Johanna Hakanen blogissaan: ”Toisaalta pidän myös hyvin valaisevana artikkelin kuvassa 3 esitettyjä yhden muuttujan koropleettikarttoja, joista suurempi kartta on yhdistetty. Näiden kolmen kartan esittäminen yhdessä on kenties paras ja varmin tapa saada tarkoitettu tieto kartanlukijalle saakka.” (Hakanen, J. 2014)

Lähteet:

Hakanen, J. (2014). Artikkeli 1 – Kahden muuttujan koropleettikartta. <https://blogs.helsinki.fi/johakane/>. Luettu 28.01.2014.

Hintsanen, L. (2014). Artikkeli 1: Pohdintaa kaksiteemaisesta koropleettikartasta. <https://blogs.helsinki.fi/lhintsan/>. Luettu 28.01.2014.

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

 

 

2. Kurssikerta 21.01 : Teemakartat

Toisella kurssikerralla perehdyimme teemakarttojen tekoon MapInfolla sekä kahden päällekkäisen teeman käyttöön ohjelmalla. MapInfolla on mahdollista luoda pylväsdiagrammikartta, ympyrädiagrammikartta, graduated-teemakartta, pistekartta, individual –kartta, grid –kartta sekä päällekkäisiä teemakarttoja. Esitettävästä teemasta riippuu, mikä kartta sopii parhaiten kunkin ilmiön kuvaamiseen.

– Pylväillä voidaan kuvata absoluuttisia tai suhteellisia arvoja, ja absoluuttisia arvoja käytettäessä on otettava huomioon alueiden erilaisuus.

– Ympyrädiagrammikartta soveltuu usean ilmiön kuvaamiseen. Ympyrän lohkon koko kuvaa tekijän suuruutta ja ympyrädiagrammi esittää valitut arvot kunkin kohteen päällä.

– Graduated-teemakartalla kuvataan absoluuttisia arvoja kartalla. Kartalla olevan symbolin koko kasvaa teemoitettavan arvon kasvaessa.

– Pistekartalla kuvataan absoluuttisia arvoja eri aluekohteilla, ja pisteen koko on verrattavissa annettuun arvoon.

– Individual teemakarttatyyppi soveltuu laadullisten ilmiöiden kuvaamiseen, ja sillä voi esimerkiksi erottaa maakunnat eri väreillä (kuva 1.)

– Grid-teemakartassa kartta muodostuu interpoloidun aineiston pohjalta ja kartta muodostuu jatkuvapintaisesta liukuvärjäyksestä. Grid kartan pohjalta voidaan tehdä 3D –karttoja.

BlogiinIndividual

Kuva 1. Individual -kartta maakunnista

Ennen oman teemakartan laatimista harjoittelimme erilaisten teemakarttojen tekoa MapInfolla. Suosituksena oli tarkastella jotakin ilmiötä tietyllä alueella koko Suomen sijaan, sillä kuntamäärän takia informaatio kartalla olisi vaikeasti tulkittavissa. MapInfossa oli mahdollista valita erilaisista tietokannoista karttaan haluamansa ilmiöt. Tietenkin oli toivottavaa, että ilmiöt olisivat toisiinsa liittyviä, jolloin alueellinen vertailu kartalla olisi mahdollista.

Itse teemakartan tekeminen ohjelmalla oli helppoa. Kartan ulkonäköön vaikuttavat pienet asiat tosin vaativat hienosäätöä, jotta kuvattu ilmiö olisi helposti havaittavissa ja kartta vielä selkeästi tulkittavissa. Karttoja tehtäessä värisävyjen käyttö oli myös hyvä pitää mielessä, ettei ilmiöön ”sopimaton” väri viesti viesti jotain muuta, kuin ilmiö itsessään. Jenni Kerola kiteyttää hyvin blogissaan visuaalisuuden tärkeyden kartoissa: käytetyt värit, muodot ja rasterit luovat tietynlaisia mielikuvia kartan lukijalle, jolloin kartanlaatija voi näillä valinnoillaan vaikuttaa kartan lukijaan. Hienosäädöllä ja muilla pineillä muokkauksilla teemakartoista sai selkeitä ja helposti tulkittavia.

Tein teemakarttani Pirkanmaasta, ilmiönä asumismuodot maakunnassa (kuva 2.). Pylväiden avulla voidaan tarkastella, miten näitä asumismuotoja suositaan Pirkanmaan eri kuntien alueella ja niiden pohjalta voidaan tehdä päätelmiä, miksi ilmiö on jakautunut näin valitulla alueella.

PirkanmaaAsuminenPieni

Kuva 2. Asumismuodot Pirkanmaan maakunnassa

Tampereen ollessa maakuntakeskus sekä samalla yksi Suomen suurimmista kaupungeista, on vuokra-asuntojen suurempi määrä kunnan alueella selitettävissä kerrostalojen määrällä kaupungin alueella rivi- ja pientaloihin verrattuna. Kaikki kerrostaloasunnot eivät toki ole vuokra-asuntoja, mutta kaupunkien keskusta-alueilla sekä keskustaa ympäröivillä alueilla on vuokra-asuminen yleensä suosittua. Tampere
onkin ainoa kaupunki, jonka alueella vuokra-asunnoissa asuminen on
suhteessa suurempaa kuin rivi- ja pientaloissa asuminen ympäröivissä Pirkanmaan kunnissa. Muilla alueilla rivi- ja pientalojen suosiota voidaan mahdollisesti selittää kuntien
ikärakenteella, lapsiperheiden määrällä, asuntojen hinnoilla sekä
yksinkertaisesti tällaisen asumisen suosimisella kauempana kaupunkialueesta. Kartta antaa hyvän kuvan eri asumismuotojen jakautumisesta, ja tämän pohjalta voisi perehtyä esimerkiksi tarkemmin kuntakohtaisesti yleisesti kunnan rakenteeseen ja asumisen sijoittumiseen sen alueella. Tämän jälkeen olisi mahdollista pohtia, miksi alueella suositaan esimerkiksi enemmän rivitaloasumista, kuin asumista kerrostaloissa.

Lähteet:

Kerola, J. (2014). 2. kurssikerta <https://blogs.helsinki.fi/jekerola/>. Luettu 21.01.2014

1. Kurssikerta 13.01 : MapInfon käyttö

Ensimmäisellä kurssikerralla opin lisää MapInfo –ohjelman käytöstä harjoitustehtävän myötä. Opettelimme itsenäisesti erilaisten työkalujen käyttöä sekä eri tapoja tarkastella tietokantojen aineistoja. Kokeilemalla ohjelman erilaisia työkaluja ja toimintoja sai paremman ja selkeämmän kuvan siitä, mihin mitäkin toimintoa ja työkalua kannattaa käyttää. MapInfon käytössä on tärkeä ymmärtää, miten ominaisuustiedot eri tableteilla linkittyvät itse karttaan, ja miten näitä tietoja voi hyödyntää erilaisten karttojen luomisessa sekä tietojen hakemisessa.

BlogiinKuva

Kuva 1. Teemakartan luomista MapInfolla

HistogrammiBlogiin

Kuva 2. Histogrammi asukasmääristä Helsingin alueella

Kun ohjelman perustoimintoihin sekä työkaluihin oli perehtynyt mielestään riittävästi, oli aika luoda haluamaltaan alueelta teemakartta valitsemansa teeman pohjalta. Tein teemakarttani Helsingin asukasmääristä ja niiden alueellisesta jakautumisesta kaupungin alueella. Asukasmäärien pohjalta luodusta histogrammista huomasi jakauman olevan epämääräinen, joten parin luokittelutavan kokeilun jälkeen päädyin käyttämään tässä aineistossa luokitteluna luonnollisia luokkavälejä (kuva 2.). Mielestäni luokittelun pohjautuessa luonnollisiin luokkarajoihin ja luokkien määrän ollessa viisi, alueelliset asukasmäärät ovat helposti havaittavissa kartalta. Luokkarajojen määräytyessä jakaumassa olevien luonnollisten aukkojen kohtiin eivät aineistossa esiintyvät ryhmittymät pilkkoudu, jolloin informaatio esiintyy alueella tasaisemmin. Luokkarajat ovat mielestäni selkeät, vaikka haittana onkin luokkavälien epäsystemaattisuus ja luokkien erikokoisuus. Laura Hintsanen kertoo blogissaan epämääräisen aineiston luokittelutavaksi soveltuvan myös tasaväliset luokkavälit sekä kvantiilit, mutta nämä luokittelutavat vääristäisivät todellisuutta niin Lauran kuin minunkin valitsemassa aineistossa. Luonnollisilla luokkaväleillä asukasmääriltään eroavat kaupunginosat erottuvat hyvin kartalla (kuva 3.).

KarttaBlogiin1

Kuva 3. Teemakartta asukasmääristä Helsingin alueella

Koska luokkia on viisi, on kartta vielä helposti luettavissa ja informaatioltaan selkeä. Mikäli luokkia olisi paljonkin enemmän, värisävyjen pohjalta tulkittavuus heikkenisi, eikä kartta esittäisi yhtä selkeästi valittua teemaa. Luokkien määrän ollessa pienempi luettavuus siis säilyy ja kartalta havainnointi on helpompaa. Kuten Natalia Erfving blogissaan myös toteaa, valittu värisävy minimi- ja maksimiarvoineen erottaa eri alueet selkeästi kartalta. Kartalta on nähtävissä, kuinka paljon Helsingin eri alueilla on asukkaita. Kartalla erottuvat ääripäät ja näiden välimaastoon jäävät alueet. Esimerkiksi Lauttasaaren alueella on huomattavasti enemmän asukkaita kuin Haltialan alueella. Kartan pohjalta voidaan siis vertailla eri kaupungin alueiden asukasmääriä keskenään ja pohtia syitä, miksi jollakin alueella on enemmän asukkaita kuin toisella.

Lähteet:

Erfving, N. (2014). 1. kurssikerta <https://blogs.helsinki.fi/nataliae/>. Luettu 21.01.2014

Hintsanen, L. (2014). 1. kurssikerta <https://blogs.helsinki.fi/lhintsan/>. Luettu 21.01.2014.

Histogrammityökalu 2014. <http://illuminations.nctm.org/Activity.aspx?id=4152>.

Väestörakenne 2010, Tilastokeskus.