Pak kerta 7

Viimeinen PAK kerta vietettiin työskennellen täysin itse valikoidun aiheen ja aineiston kanssa. Ongelmana olikin siis, minkä alueen ottaisin tutkittavakseni. Myönnettäköön että mielessäni kummitteli välittömästi ajatus PK-seudusta tai Suomesta, jotka ovat aiemmilla kurssikerroilla tulleet tutuiksi. Eikö olisi aika helppoa vaan tehdä vielä yksi kartta PK-seudun ikäjakaumasta? Kaikki sujuisi varmaan kuin rasvattu ja kartan tekemiseen kuluisi aikaa korkeintaan tunti pari.

No hyi. Ainoa oikea vaihtoehto tässä kohtaa on heittää tuollaiset ajatukset romukoppaan ja suunnata kaasu pohjassa tuohon siioniin, joka on Espanja. Toki alue on eritasoisten autonomisten alueiden täplittämä ja byrokraatin sekä tilastotieteilijän painajainen. Mutta ei anneta sen häiritä. Päätin rohkeasti ladata luonnonmaantiedettä koskevaa dataa Instituto Nacional de Estadística -verkkosivuilta (Climatology). Kyseessä on Espanjan kansallinen tilastokeskus. Muuttujiksi valitsin metsä -ja pensaikkopalot sekä vuotuiset sademäärät. Metsä- ja pensaikkopalot on ilmoitettu tuhoutuneiden hehtaarien lukumääränä ja sademäärä millimetreinä. Kartta puolestaan on ladattu sivustolta www.naturalearthdata.com (Cultural Vectors).

Lähinnä allekirjoittaneen epäpätevyydestä, mutta myös tietokantojen omianaisuuksista johtuen, tämän kartan tuottamiseen kului aikaa parin PAK-kurssikerran verran. Tämän vuoksi olen tuottanut vain yhden kartan. Vaivaa aiheutui mm. tietokantojen paikannimissä esiintyvistä erikoismerkeistä, joiden tunnistaminen ei Mapinfolta onnistunut. Mapinfo ei osaa espanjaa. ¡Qué horrible!

spainmain

Kuva 1. Espanjan sateet ja metsäpalot vuonna 2007. Huomaa, ettei kaikista provinsseista ole sademäärädataa.

Lähteässäni tarkistelemaan tällaista aineistoa, oletin saamieni tulosten korreloivan kartalla kauniisti. Näin ei kuitenkaan tapahtunut. Metsäpalot eivät näytä millään tavalla liittyvän sateen määrään, sillä jopa Manner-Espanjan pahimmista metsäpaloista kärsineissä osissa on saatu paikoin paljonkin sadetta. Paikoin paljon enemmän kuin paloilta säästyneillä alueilla.

Tämä hämmensi joksinkin aikaa, mutta pikkuhiljaa asia alkoi selvenemään. Korreloinnin vähäisyyttä nimittäin selittää se, että Espanja kuuluu talvisateiden vyöhykkeeseen. Sateet ovat siis paljon kausittaisempia kuin Pohjois-Euroopassa. Tätä vastoin kesät ovat joka tapauksessa kuivia, mikä altistaa alueita tasaisesti metsäpaloille. Vuotuista sademäärän dataa siis vääristää se, etteivät sateet jakaudu tasaisesti vuoden ympäri.

Tulkintaa vaikeuttaa myös se, että metsäpalojen syttymiseen vaikuttaa usea eri tekijä. Kuivuuden lisäksi vaaditaan korkeita lämpötiloja ja kipinä. Myös siis ihmisen toiminta vaikuttaa suuresti palojen syttymiseen. Espanjassa käytetään maastopaloja myös hallitusti maanviljelytarkoituksissa, mutta nämä ovat ajoittain riistäytyneet käsistä. Myös mm. rakennustyömaat lisäävät palojen syttymisen todennäköisyyttä. Paloja sytytetään myös tahallaan. (Spanish forest fires rage out of control near Valencia)

Kanariansaarilla puolestaan tuntuu esiintyvän huomattavasti parempi korrelaatio aineistojen välillä. Sadetta saadaan vähän, ja metsää tuhoutuu vuosittain runsaasti. Asiaan varmastikin vaikuttaa se, että saarten ilmasto poikkeaa valtavasti emämaan ilmastosta. Alue on kuitenkin niin pieni, että tilastojen korrelaatiosta alueella on vaikea tehdä luotettavia johtopäätöksiä.

Lähteet:

Climatology, Instituto Nacional de Estadística (2015) <http://www.ine.es/jaxi/menu.do?type=pcaxis&path=/t43/a012/a1998&file=pcaxis> Luettu 22.2.2015

Cultural Vectors, Natural Earth Data (2015) <http://www.naturalearthdata.com/downloads/10m-cultural-vectors/> Luettu 24.2.2015

Spanish forest fires rage out of control near Valencia (2012) Reuters <http://www.reuters.com/article/2012/07/01/us-spain-fires-idUSBRE8600DJ20120701> Luettu 28.2.2015

Pak kerta 6

Kuudennella kurssikerralla lähdettiin poikkeuksellisesti päätteiden äärestä ja lähdimme paikantamaan Kumpulan roskiksia. Saadut koordinaatit sijoitettiin Microsoft Excelin kautta Mapinfoon. Siellä niistä luotiin pistekartta käyttämällä pohjana pääkaupunkiseuden karttaa.

Seuraavaksi harjoiteltiin geokoodausta. Helsingin massiivisen katunimien tietokannan avulla paikanettiin mm. pelikoneita ympäri pääkaupunkia. Tässä vaiheessa tuntui jotenkin realisoituvan näissä tehtävissä käsiteltävien tietokantojen järisyttävä koko.

jaristysharjoitus

Kuva 1. 4 magnitudin ja sitä suuremmat maanjäristykset syvyyden mukaan 1994-2015.

Onneksi kuitenkin pääsimme lopulta tuolle tiedon aarreaitalle joka on luonnonmaantiede. En tarkoita tätä minään loukkauksena muita pääaineemme lukuisia erikoistumisaloja kohtaan, mutta itselle on nyt LuMa vaan jysähtänyt ja kovaa.

Aloitimme harjoituksen tuomalla maanjäristyksiä koskevaa koko maapallon kattavaa dataa Pohjois-Kalifornian maanjäristysdatakeskuksen sivuilta. Heille datan on tuottanut Kalifornian Yliopiston Berkeleyn Seismologian laboratorio. Kiitokset heille.

Tehtävän annossa pyydettiin tuomaan kolme eri tilastoa joko samalle tai eri kartoille. Itse päädyin keskittymään vain maanjäristyksiin, vaikka vaihtoehtoina oli myös dataa vulkaaneista ja astrobleemeistä. Koska maanjäristyksiä sattuu todella usein ja dataa oli koko maapallolta, päätin rajata datan omasta syntymävuodestani kuluvaan kuukauteen (helmikuu 2015). Lisäksi rajasin pois alle 4 magnitudin maanjäristykset. Geologian kursseilla tämä tunnistetaan yleensä hyväksi rajapyykiksi. Tämä johtuu siitä että vaikka useimat tuntevat tätä pienemmätkin järistykset, ei niitä usein tunnisteta maanjäristyksiksi. Sen sijaan 4 magnitudin järistystä on jo vaikea erehtyä luulemaan miksikään muuksi. Yleensä rakennetussa ympäristössä syntyy jo jonkinlaisia vahinkoja.

Kun luokitellaan aineistoa momenttimagnitudien mukaan, on tärkeää huomata että niissä käytetty asteikko on logaritminen. Tämä tarkoittaa sitä, että yhden luokan ero asteikossa tarkoittaa kymmenkertaista muutosta itse järistyksissä.

Aineiston jakaminen kolmeen ryhmään perustuu yleisesti käyettyyn jakoon. 300-700 km syvyydessä tapahtuvat järistykset luokitellaan syviksi, 300-70 km syvyydessä intermediäärisiksi ja alle 70 km päässä maanpinnasta mataliksi. (Determining the Depth of an Earthquake)

Pyrin seuraavaksi selvittämään perinpohjin kartan sovellutuksia opetuksessa, sekä referoimaan löydökseni blogin loppupuolelle, jos lukijalla on kova kiire.

 

Tämän kartan käyttäminen opetuksessa vaatii mielestäni asian huolellista tulkitsemista. Koska kaikki käytetty aineisto on tiivistetty yhteen karttaan, tulisi siihen keskittyä vähintää yhtä kauan kuin kolmeen erilliseen. Antti Autio totesi hyvin blogissaan, että kartan olisi syytä olla mahdollisimman yksinkertainen (Antin Paikkatietoblogi). Näin se soveltuisi parhaiten opetuskäyttöön. Itselläni tässä saattaa jäädä toivomisen varaa maanjäristysten suuren määrän takia. Ne tekevät kartasta paikoittain epäselvän. Pyrin seuraavaksi listaamaan tärkeimpiä seikkoja, joita kartasta tulisi poimia ja miten niitä voisi hyödyntää opetuksessa.

Tärkein asia jonka kartasta mielestäni voi poimia, on eri syvyisten maanjäristysten yleisyys ja niiden suhde toisiinsa. Matalat järistykset ovat kaikkein yleisimpiä, näitä seuraavat intermediääriset ja harvinaisimpia ovat syvät. Tärkeää on myös huomata, että yli 70 km syvyisiä maanjäristyksiä ei esiinny missään yksinään, vaan niitä saattavat aina matalammat ja yleisemmät maanjäristykset. Syvyyden kasvaessa frekvenssi siis pienenee.

Näiden yleisten havaintojen lisäksi kartasta voidaan tehdä suuri joukko alueellisia huomioita. Merkittävin seisminen alue kartassa on Tyynenmeren tulirengas. Erityisesti Tyynenmeren laatan läntinen reuna pursuavaa syviäkin maanjäristyksiä. Japani näyttää sijoittuvan äärimmäisen aktiiviselle alueelle. Eikä mikään ihme, onhan valtio käytännössä aktiivinen saarikaari. Vain Etelä-Amerikan länsirannikko voi kilpailla syvien maanjäristysten lukumäärässä Läntisen Tyynenmeren kanssa.

Laattojen sisäosissa esiintyvät järistykset ovat lähes yksinomaan matalia ja voidaan selittää useilla eri ilmiöillä. Syynä saattaa olla mikrolaattojen liikehtiminen, hot spot, läheisen laattarajan aiheuttama jännitys tai laatan pystysuuntainen liike, jonka aiheuttaa häiriö maankuoren isostasiassa. Jokseenkin marginaalisena ilmiönä pieniä järistyksiä syntyy myös ihmisen aiheuttamana mm. erilaisissa räjäytyksissä sekä suurten patoaltaiden täyttämisessä.

Atlantin keskiselänteelle keskittyy yksinonmaan matalia järistyksiä. Sama tilanne näyttäisi vallitsevan myös muilla keskiselänteillä. Eteläisen Euraasian törmaysvyöhykkeillä puolestaan esiintyy jo intermediäärisiäkin maanjäristyksiä.

Tämä onkin toinen tärkeä seikka, joka opetuksessa voitaisiin tämän kartan avulla tuoda esiin. Etenkin jos voidaan samanaikaisesti käyttää karttaa erilaisista laattarajoista. Näin voidaan todella tehokkaasti havainnollistaa, miten tietyn tyyppisille laattojen rajapinnoille keskittyy tietyn syvyisiä maanjäristyksiä.

plates

Kuva 2. Kartta laattarajoista sekä niiden liikesuunnista. (Map of Earth’s Tectonic plates)

Kartasta nähdään siis, että syvät ja intermediääriset maanjäristykset ovat tyypillisimpiä subduktiovyöhykkeille. Intermediääriset transformisiirroksille sekä törmäysvyöhykkeille. Matalat järistykset taas esiintyvät kaikkien edellisten ohella yksinään litosfäärilaattojen repeämisvyöhykkeillä.

Yhteenvetona voidaan siis sanoa, että tällaisella kartalla tulisi opetuksessa voida tehdä selväksi kolme seismologian kannalta erittäin keskeistä seikkaa:

1) Maanjäristysten syvyyden ja yleisyyden välinen yhteys.

2) Eri syvyisten maanjäristysten esiintyminen niin, että matalammat toimivat rajoittavana tekijänä syvemmille.

3) Erilaisille laattarajoille tyypilliset syvyydet, joissa maanjäristyksiä esiintyy.

 

P.S. Jos aihe kiinnostaa, geologian lyhyt sivuaine (25 op.) on ehdottomasti laitoksen kiinnostavimpia kokonaisuuksia ikinä. Suosittelen lämpimästi kaikille. <3

 

Lähteet:

Antin paikkatietoblogi, Autio, Antti <https://blogs.helsinki.fi/anttiaut/> Luettu 26.2.2015

Determining the Depth of an Earthquake (2014) USGS <http://earthquake.usgs.gov/learn/topics/seismology/determining_depth.php> Luettu 21.2.2015

Map of Earth’s tectonic plates (2014) The Anza-Borrego Desert Natural History Association <http://www.abdnha.org/anza-borrego-desert-geology.htm> Luettu 26.2.2015

Pak kerta 5

Viidennellä kurssikerralla harjoiteltiin bufferointia. Bufferoinnilla tarkoitetaan kohteen ympärille luotavaa vyöhykettää, josta voidaan mitata haluttuja muuttujia. Tarkoituksena oli pyrkiä selvittämään erilaisten kohteiden ominaisuuksia ympäriistöönsä nähden. Esimerkiksi arvioitiin lentokentistä aiheutuvien meluhaittojen laajuutta, ja kuinka moneen ihmiseen ne vaikuttavat.

Ohessa kurssikerran harjoitusten tulokset sekä Vantaalaista pakinaa. Valitettavasti itsenäistehtävän 2 vastaukseni ovat kadonneet mystisesti…

paktaulu1

Itsenäistehtävän 1 vastaukset.

Seuraa kurssin kiintiöpakina

Vantaan Tikkurilassa koko ikäni asuneena on Helsinki-Vantaan lentoasemasta kehkeytynyt pieni mutta pippurinen tahmatassu häiriköimään muuten niin seesteistä mieltäni. Haluaisin siis esittää aiheen täysin ohittavan kysymyksen. Lentokenttä sijaitsee kokonaan Vantaalla, vantaalaiset (myös ja etenkin minä) kärsivät sen aiheuttamasta melusta. Miksi sen nimi sitten on Helsinki-Vantaa? Vieläpä nimi kehdattiin vaihtaa Helsingin lentoasemaksi?

 

Takaisin aiheeseen ja kurssikerralla annettuihin kysymyksiin:

 

Oma Mapinfo osaaminen – vahvuudet ja heikkoudet

Oma mapinfo osaamiseni perustuu täysin kuluneen lukukauden aikana käytyihin kurrsikertoihin TAK ja PAK -kursseilla. Kuitenkin jotkut asiat ovat selvästikin tarttuneet paremmin mukaan kuin toiset. Esimerkiksi datan tuominen exelin yms. kautta sujuu jo jokseenkin rutiinilla, samoin tietokantojen yhdistäminen. Vaikeaksi olen kokenut erilaisten teemakarttojen tuottamisen. Yksinkertaiset pistekartat saan jo yrityksen tai kahden jälkeen julkaisukelpoiseksi. Mentäessä monimutkaisempiin karttoihin loppuu osaaminen kuitenkin sekä kartografian että Mapinfon osalta. Muun muassa 3D karttojen tuottamisesta ei jäänyt paljon käteen, enkä oikeen jaksa uskoa, että sellaisia tulee ihan heti minun käyttäjätunnuksellani veisteltyä. Toisaalta on lohdullista, että tarkkojen ohjeiden kanssa valtaosa töistä on kyllä sujunut enemmän tai vähemmän mallikkaasti. Aikaa tosin vähänkin monimutkaisempiin töihin kuluu kohtuuttoman paljon.

Onneksi perusteet tuntuvat olevan tässä vaiheessa jo selvillä, ja vaikka karttojen tekemisessä voisi petratakin. Mutta eiköhän näilä tiedoilla jo useimmat karttatyöt pystytä selättämään.

 

Bufferointityökalun sovellutukset

Kuten kurssikerran tehtävistä kävi ilmi, bufferoitni soveltuu erinomaisesti eriaisten alueellisten ilmiöiden vaikutusten mitaamiseen. Jos annettu ilmiö, esimerkiksi lentokenttä tai vaikkapa tehdas, voidaan rajata kartalta, on sille helppo myös luoda viitteelliset vaikutusalueet. Analyysin kannalta on ehdottoman tärkeää, että tunnetaan alueelta tutkittavia parametrejä, esim. väestöntiheys tai vaikkapa liito-oravien levinneisyys. Yksi sovellutus työkalulle olisikin ympäristövaikutusten alustava arviointi. Näin voitaisiin vaikkapa määritellä tarkemmin puskurivyöhykkeitä luonnonsuojelualueille. Tämä puolestaan auttaisi luonnonmaisemien kestävässä virkistyskäytössä sekä ekoturismissa.

Kuten Olli Rantamäki blogissaan totesi, Suomessakin ajankohtainen aihe olisi myös jätevesien lopullinen johtaminen luonnonvesistöihin (Olli Rantamäen PAK-blogi). Toki näinkin laajat aiheet vaativat aina rutkasti kenttätyötä ja kuraa lahkeisiin, mutta varmasti bufferointi voisi tarjota osviittaa luonnonsuojelusta kiinnostuneille tahoille.

 

Rajoittavat tekijät

Ensimmäiseksi tulee väkisinkin mieleen, että ongelmanratkaisu Mapinfolla rajoittuu lähinnä käyttäjän omiin kykyihin. Ainakin itselleni tämä on ollut poikkeuksetta se ensimmäinen rajoittava tekijä. Oikeastaan ainoa ominaisuus joka minua on valvottanut öisin, on jo luotujen karttojen editoitavuus. Samaan ongelmaan olen törmännyt myös ajoittain tietokannoissa. Tuntuu olevan paljon helpompaa aloittaa teemakartan ja/tai tietokannan tuottaminen alusta saakka, kuin lähteä muokkaamaan tai päivittämään karttaan asetettua dataa.

 

Lähteet:

Olli Rantamäen PAK-blogi, Rantamäki, Olli <https://blogs.helsinki.fi/ollirant/> Luettu 21.2.2015

Pak kerta 4

Neljännellä kursikerralla harjoiteltiin ruudukon luomista kartalle. Tähän sitten lähdettiin sovittamaan aineistoja teemakartan luomiseksi. Loput kurssikerrasta käytettiin Pornaisten keskustan tarkasteluun. Harjoituksessa liitimme rasterikuvan Pornaisten peruskarttalehdestä Mapinfoon. Sitten siirryimme piirtämään Cosmetic layerille peruskartan pohjalta alueen asutusta ja tiestöä. Tämän aineiston käsittely ilmeisestikin jatkuu ensi kerralla…

ulkomaanas

Kuva 1. Ulkomaan kansalaiset PK-seudulla.

Kartassa on esitetty pääkaupunkiseudun alueella asuvien ulkomaan kansalaisten osuus väestöstä. Visualisoinnissa käytettyjen neliöiden sivu on 700 metriä. Kartassa on myös esitetty kuntarajat ja kuntien pienaluejako. Kuten Pauliina blogissaan jo totesi, olisi neliöitä vähänkin pienentämällä saatu paljon tarkempi tulos (PAK à la Pauliina). Kartta tuotettiin Mapinfolla. Valitettavasti Layout-ikkuna sensuroi (jälleen) pienen osan vaatimattomasta legendastani. Pahoittelen.

Espoon, Helsingin, Vantaan ja Kauniaisen kesken ulkomaan kansalaisten asutus näyttää hyvin voimakkaasti jakautuneelta. Kartassa valkoiseksi jätetyt alueet tarkoittavat, ettei alueella tilastojen mukaan asu ulkomaan kansalaisia. On myös mahdollista että yksinäinen ulkomaalainen sijaitsisi aivan neliöiden rajalla, jolloin hän ei näkyisi kartassa. Huomiota herättävä yksityiskohta on muun muassa se, ettei Kauniaisissa näytä asuvan laisinkaan ulkomaan kansalaisia. Sen sijaan kolmen muun kartassa kuvatun kunnan väestössä ulkomaalaisten osuus on lähellä kahdeksaa prosenttia (Helsinki 8,4 %, Vantaa 7,8 % ja Espoo 8,0 %). Kauniaisen poikkeavuutta on suoralta kädelta vaikea selittää. Aivan Kunnan rajan länsipuolella on nimittäin merkittävä ulkomaalaisten asutuskeskittymä. Asiaa voidaan tulkita Kauniaisen asuntojen korkeilla hinnoilla ja etäisyydellä keskustasta, mutta nämä syyt yksinään eivät riitä selittämään näin totaalista anomaliaa. (Maahanmuuton vuosikatsaus 2012).

Helsingin, Espoon ja Vantaan ulkomaalaisten osuus on siis jotakuinkin sama. Kuitenkin Helsinki on näistä kolmesta ylivoimaisesti väkirikkain kunta, minkä vuoksi siellä on niin määrällisesti kuin suhteellisestikin eniten ulkomaan kansalaisia. Helsingissä asukkaita on noin 600 000, kun taas Espoossa noin 250 000 ja Vantaalla vain 200 000 (Väestö ja väestönmuutokset). Kuten Jaakko blogissaan kertoi, Helsingin kaupunki on jo pitkään pyrkinyt jakamaan eri taustaisia ryhmiä eripuolille kuntaa segregaation välttämiseksi (jaahuttu’s blog). Luomani kartta antaisi ymmärtää että tässä on myös onnistuttu.

Ulkomaalaiset näyttävät keskittyneen lähelle Helsingin keskustaa. Lähestyttäessä Helsingin rajoja, laskee ulkomaalaisten osuus selvästi. Vaikka siellä täällä löytyy pieniä keskittymiä, vähenee ulkomaalaisten määrä pääkaupungista poispäin kuljettaessa. Saavuttaessa Espoon ja Vantaan pohjoisrajoille, on ulkomaalainen asukas jo harvinaisuus. Sipoosta Helsinkiin liitetyssä Östersundomissa ei myöskään asu montaa ulkomaalaista. Sama tilanne on Espoon suurissa saarissa, kuten Pentalassa ja Ramsössä. On kuitenkin hyvä ottaa huomioon, että näillä alueilla ympärivuotinen asutus on muutenkin hyvin vähäistä.

Enemmän ulkomaalaisia näyttää siis asettuneen tiheämmin asutuille alueille. On kuitenkin mahdoton sanoa, johtuuko tämä keskiverto ulkomaalaisen halusta asua lähellä ydinkeskustaa, vai onko kyseessä sittenkin korrelaatio koko väestön keskittymiseen. Tätä varten kannattaisi tehdä toinen kartta.

Koko maan tasolla tilanne on tilastojen valossa selvä. Ulkomaan kansalaiset ovat perinteisesti asettuneet suurimpiin asutuskeskuksiin ja sama trendi näyttäisi jatkuvan edelleen. Vuoden 2012 tilastojen mukaan 65 % Suomessa asuvista ulkomaan kansalaisista asuu maan 10 suurimmassa kaupungissa. Helsingissä ulkomaalaisten osuus väestöstä onkin maan suurin (8,4 %).

Kuva 2. Ulkomaan asukkaat Suomen suurimmissa kaupungeissa ja koko maan keskiarvo.

Kansainvälisessä vertailussa Helsinki ei kuitenkaan ole erityisen vierasmaalainen. (Maahanmuuttajien määrä) Tässä asiaa havainnollistava diagrammi.

Ulkomaan

Kuva 3. Ulkomaan kansalaisten osuus Eurooppalaisissa pääkaupugeissa.

Diagrammeissa käytetyt tilastot on yhdistetty lähteistä Tilastokeskus (Suomen ja pohjoismaan kaupungit) ja UCEU (Muut kaupungit). Huomaathan että Pohjoismaiden tilastot ovat yhdeksän vuotta uudempia kuin muiden Eurooppalaisten pääkaupunkien. Huomaa myös, että kuvassa 3 ei ole näytetty dataa väliltä 0-50 %, sillä näin kaupunkien väliset erot tulevat paremmin esiin.

Lähteet:

jaahuttu’s blog, Huttunen, Jaakko <https://blogs.helsinki.fi/jaahuttu/> Luettu 15.2.2015

PAK à la Pauliina, Hongisto, Pauliina <https://blogs.helsinki.fi/pauliinh/> Luettu 15.2.2015

Maahanmuuton vuosikatsaus 2012. (2013) Sisäaisianministeriö. <http://www.migri.fi/download/43811_43667_maahanmuuton_tilastokatsaus2012_web.pdf> Luettu 7.2. 2015

Väestö ja väestönmuutokset. (2014) www.helsinginseutu.fi <http://www.hel.fi/hel2/Helsinginseutu/HS_tunnusluvut/Vaesto_2014.pdf> Luettu 7.2.2015

Maahanmuuttajien määrä (2012) Väestöliitto <http://www.vaestoliitto.fi/tieto_ja_tutkimus/vaestontutkimuslaitos/tilastoja-ja-linkkeja/tilastotietoa/maahanmuuttajat/maahanmuuttajien-maara/> Luettu 7.2.2015

Ulkomaalaisväestön osuus (2012) Tilastokeskus <http://www.vaestoliitto.fi/@Bin/3034717/kaupungit.gif> Luettu 7.2.2015

INTEGRATION OF THE IMMIGRANT POPULATION IN EUROPEAN CAPITALS (2003) Report for the XLIII General Assembly of the UCEU <http://www.uceu.org/Assemblees/assemblee%202003%20EN.pdf> Luettu 7.2.2015

Pak kerta 3

Kolmannella kurssikerralla harjoiteltiin aineiston tietokantaliitosten tekemistä. Harjoitusaineistona toimi Afrikan mantereen kartta valtiorajoineen. Tähän tietokantaan tuotiin vertailtavaksi dataa alueella esiintyneistä konflikteista, öljylähteistä sekä timanttikaivoksista.Yhdistämällä nämä tietokannat, voitiin tutkia mainittujen ilmiöiden mahdollista alueellista korrelaatiota.

Näiden tietokantojen lisäksi käytössä olisi ollut dataa timanttikaivosten tuottavuudesta, kaivausten aloitusvuodesta sekä löytämisvuodesta. Konfliktien laajuudesta sekä tapahtumavuodesta. Öljykenttien löytämis- ja poraamisvuodesta, tuottavuusluokittelusta ja internetin käyttäjien lukumäärästä.

Näillä tiedoilla voitaisiin suorittaa toki monia mielenkiintoisia ja ajankohtaisia analyysejä. Henkilökohtaisesti mielenkiintoisin vaihtoehto oli kuitenkin konfliktien vaikutus raaka-aineiden keruun tuottavuuteen. Tätä voitaisiin lähteä analysoimaan vertaamalla konfliktien esiintymisvuosia sekä laajuutta kilometreinä suhteessa öljy- ja timanttikaivosten tuottavuuteen. Näitä tilastoja voitaisiin edelleen havainnoillistaa muun muassa viivadiagrammein. Näistä havainnolistuksista varmasti selviäsi sekä se, että konflikteja esiintyy eniten suurten raaka-ainevarojen läheisyydessä, sekä se, että tämä haittaa suuresti raaka-aineiden tuotantoa.

Oheisesta kartasta nähdäänkin että valtaosa konflikteista sijaitsee öljylähteiden tai timanttikaivosten lähialueilla. Toki Afrikassa on nähty myös suuret määrät lähinnä etniseen taustaan perustuvia konflikteja. Toisaalta näissäkin ovat monesti mukana luonnonvarojen myynnistä saadun tuoton keskittyminen tietylle kansanryhmälle. Kuten Sara blogissaan selvitti, Internet-käyttäjien osuus voisi olla sopiva kartoittamaan mantereen valtioiden kehittyneisyyttä. Tästä taas voitaisiin vetää johtopäätöksiä alueen elintasosta ja hyvinvoinnista (Saran blogi).

Afrikka

Kuva 1. Kartta Afrikan konflikteista, sekä öljy- ja timanttiesiintymistä.

Kurssikerralla luotu kartta tulvaindekseistä ja järvisyydestä Suomessa, tuotettiin niin ikään tietokantaliitoksin. Tämän lisäksi tulvaindeksi tuli laskea Mapinfolla, käyttäen aiemmin liitettyjä aineistoja. Järvisyyttä on kuvattu punaisin pylväsdiagrammein ja tulvaindeksiä sinisellä väriskaalalla. Nämä puolestaan on esitetty Suomen merkittävimpien valuma-alueiden mukaan.

Kartasta nähdään selvästi että alueilla, joissa järvisyys on korkea, on tulvaindeksi puolestaan matala, ja päinvastoin. Valtaosa Suomesta on kartassa kuvattu vaalean sinisellä värillä, joka kertoo hyvin matalasta tulvaindeksistä. Näihin alueisiin kuuluu lähes koko valtio, lukuunottamatta Pohjanmaata, Etelä-Suomen rannikkoa sekä aivan kaakkoisinta osaa Lapista.

Syitä tähän järvisyyden ja tulvaindeksin negatiiviseen korrelaation voidaan hakea topografiasta. Järvisillä alueilla vesi pääsee virtaamaan maan pinnalla järviin, joista se edelleen laskee jokiin, muihin järviin ja lopulta mereen. Järvet ja joet voivat toki myös tulvia, mutta useimmiten niiden normaali pinta sijaitsee ympäröivää maastoa huomattavasti alempana, jolloin tulvat jäävät hyvin paikallisiksi. Voidaan siis sanoa että topografinen vaihtelevuus ehkäisee laajamittaisia tulvia.

Sen sijaan Pohjanmaalla maasto on hyvin tasaista. Tämänkaltainen maasto ei pysty johdattamaan suuria sademääriä ja/tai sulamisvesiä keskittyneisiin vesivarastoihin, vaan leviää laajalle alueelle. Alue on myös pitkään toiminut maatalousmaana, mikä on tenhyt maaperästä tiheämpää, ja lisännyt näin pintavirtausta. Etelä-Suomessa laajamittaisen maatalouden lisäksi laajat kaupunkiympäristöt lisäävät tulvariskiä.

On myös syytä ottaa huomioon alueiden suuret kokoerot, jotka ovat yksi kartan silmiinpistävimpiä yksityiskohtia. Kuten Olli Kauppi mainitsikin blogissaan, tulvaindeksi on ilmoitettu koko valuma-alueen keskiarvona. Tämä tarkoittaa sitä, että suuremmilla tarkastelualueilla suuretkin paikalliset tulvariskit jäävät piiloon. Korkeimmat tulvaindeksin alueet ovatkin selvästi muita pienempiä. (Olli Kaupin paikkatietoblogi)

Tilanne on hankala, sillä toisaalta on järkevää esittää tulvaindeksi päävaluma-alueiden mukaan. Kuitenkin tässä on vaarana, että alueelliset ongelmat jäävät piiloon. Tarkemman datan esittäminen koko valtion alueelta tekisi kuitenkin kartasta hyvin epäselvän, joten tätä tuotosta voidaan hyvillä mielin pitää kelvollisena ratkaisuna.

tulva2

Kuva 2. Suomen tulvaindeksi ja järvisyys valuma-alueittain.

Lähteet:

Saran blogi, Todorovic, Sara. <https://blogs.helsinki.fi/stodorov/> Luettu 6.2.2015

Olli Kaupin paikkatietoblogi, Kauppi, Olli. <https://blogs.helsinki.fi/okauppi/> Luettu 6.2.2015

PAK kerta 1

väentiheys

Kuva 1. Väentiheys Suomessa kunnittain vuoden 2011 datan perusteella. Lähteenä Mapinfo.

 

Aineisto on jaettu viiteen eri luokkaan. Luokittelussa jäävät tiheimmin asuttujen kuntien erot piiloon. Toisaalta kartasta näkee hyvin nopeasti, että väestö on Suomessa erittäin keskittynyttä. Valtaosassa kunnista asukastiheys on kymmenen tai alle neliökilometriä kohden. Kartassa erottuvat myös suurimmat kaupungit selkeästi ympäristöstään. Yleistäen voidaan sanoa että väentiheys kasvaa etelään ja rannikkoa kohden kuljettaessa. Koko Euroopan unioniin verrattaessa Suomi on hyvin harvaan asuttu valtio, jonka keskimääräinen väestöntiheys on 17,9 as/km², kun koko EU:n keskiarvo on noin 117 as/km² (Kuntaliitto).

Kuten Manninen blogissaan totesi (Captain’s log) kartan eri luokitusten väreistä. Punainen on voimakkaampi ja tunteita herättävä väri, joten sillä pystyy hyvin erottamaan suurimmat kaupunkiseudut. Neutraalimpi keltainen taas kuvaa vähäväkisempää Suomea.

Karttaa lukiessa on kuitenkin hyvä huomata, ettei se kuvaa tarkasti koko maan väentiheyttä. Tämä johtuu siitä että erikokoiset kunnat kuvaavat väentiheyttä eri tarkkuudella. Esimerkiksi väentiheys on pienin Lapin kunnissa, mutta toisaalta monien pohjoisimpien kuntien pinta-alat ovat hyvin suuria. Tämä saattaa kätkeä tarkastelulta isoja asutuskeskuksia, jos kunta on muuten haja-asutusaluetta. Pienemmillä kunnilla mahdollisuus väentiheyden vaihteluun on pienempi, sillä otanta on pienemmältä alueelta.

Pinta-alaltaan Kauniainen on Suomen pienin kunta (6,0 km²) ja sitä vastoin suurin on Inari, jonka pinta-ala on 17 334 km². Kuntien mediaani on 749 km², eli puolet kunnista on tätä pienempiä ja puolet suurempia. (Kuntaliitto)

Lähteet:

Kuntien pinta-alat ja asukastiheydet (2013) Kuntaliitto.http://www.kunnat.net/fi/tietopankit/tilastot/aluejaot/kuntien-pinta-alat-ja-asukastiheydet/Sivut/default.aspx Luettu 17.1.2015.

Suomen väestöntiheys 2011, Tilastokeskus.

Captain’s log, Manninen, Petra <https://blogs.helsinki.fi/pewmanni/> Luettu 1.2.2015

PAK kerta 2 ja artikkeli 1

teollisuusväki

Kuva 1. Teollisuus ja väkiluku Pohjois-Suomessa kunnittain.

Toisella PAK-kurssikerralla harjoiteltiin sekä kolmiulotteisten karttojen luomista, että ulkopuolisen datan tuomista Mapinfoon. Datan siirtäminen Microsoft Exeliin ja sieltä taas Mapinfoon sujui yllättävän mutkattomasti. Ongelmaksi muodostuikin lähinnä aineiston runsaus, sillä nyt käytettävissä olevan datan määrä kasvoi suhteettoman paljon. Päädyin tekemään päällekkäisiä aineistoja sisältävän teemakarttani perinteisesti kaksiulotteisena, sillä kolmiulotteiset kartat osoittautuivat liian suureksi haasteeksi sekä minule että koneelleni. Päädyin lisäksi kuvaamaan kartassani vain Pohjois-Suomen kuntia, sillä käyttämäni symbolit olisivat peittäneet alleen suurimman osan pienemmistä kunnista. Tämä olisi luonnollisesti johtanut erittäin epäselvään ja huonoon karttaan.

Kartassa on esitetty teollisuuden osuus Lapin kuntien tuotannosta sekä kunnan väkiluku. Väkiluku on esitetty viidessä eri luokassa, ja teollisuuden määrä kolmessa.

Kartassa erityisen väkirikkaita kuntia esiintyy etenkin Perämeren läheisyydessä. Myös kaakossa, Venäjän rajalla on korkeimpaan luokitukseen kuuluva kunta. Käsivarren alue, ja aivan pohjoisin Lappi ovat vähiten asuttuja alueita. Lapin keskiosan kunnat jäävät luokituksen keskivaiheille.

Teollisuutta esiintyy selkeästi voimakkaimmin Perämeren alueella, Oulun ympärillä. Sieltä teollisuus vähenee asteittain kohti itä- ja pohjoisrajaa. Teollisuuden osuus kunnan kokonaistuotannosta näyttäisi jokseenkin korreloivan väkiluvun kanssa. Väkiluvultaan suuremmissa kunnissa myös teollisuuden osuus näyttäisi olevan suuri. Kunnissa joissa asutusta on vähän, näyttäisi myös jalostus muodostavan hyvin pienen osan alueen kokonaistuotannosta.

Syynä tilastojen korrelointiin lienee raskaan teollisuuden keskittyminen suurten liikenneväylien lähelle. Teollisuus vaatii usein paljon raaka-aineita, minkä vuoksi tehtaat sijoittuvat joko suoraan raaka-aineiden lähteelle, tai hyvien kulkuyhteyksien varrelle. Teollisuuden koneistuttua työvoiman merkitys on laskenut, eikä tehtaiden enää tarvitse sijoittua suurkaupunkien välittömään läheisyyteen. Hyvät liikenneyhteydet kuitenkin sijoittuvat myös suurten asutuskeskuksien ja niiden satamien lähelle, ja tämän vuoksi tehtaat hakeutuvat edelleen asutuskeskuksien läheisyyteen, vaikkei suuri väkimäärä olekaan enää suora syy niiden sijoittumiseen. Eritoten Perämeren satamakaupungit antavat mahdollisuuden suurten raaka-ainemäärien kuljettamiseen.

Hyvin vähäväkisissä kunnissakin löytyy kuitenkin teollisuutta. Tämä jalostustuotanto koostuu todennäköisesti lähinnä metsäteollisuudesta, joka raaka-ainehakuisesti sijoittuu usein kauaksikin suurkaupungeista. Metsäteollisuus on niin ikään koneistunut viime vuosikymmeninä voimakkaasti, ja yksi ihminen pystyykin tuottamaan suuret määrät raakapuuta. Kuten Eve blogissaan totesi, ilmiön, tässä tapauksessa teollisuuden, suhteellinen osuus ei kuitenkaan välttämättä kerro koko totuutta alueilla, joissa perusjoukko on hyvin pieni (Even PAK-blogi). Esimerkiksi kunnissa, joissa asuu vähän väkeä, eritoten palvelut jäävät heikosti edustetuksi. Tällöin yksikin tehdas saattaa saada hämäävän suuren osan kunnan tuotannosta. Koko maan tasolla, juuri palvelut ovat valta-asemassa, ja niiden puuttuminen vähiten asutuissa kunnissa saattavat antaa sekä alkutuotannolle että jalostukselle hämäävän suuren osan tuotannosta (stat.fi).

Lähteet:

Even PAK-blogi, Ikonen, Eveliina <https://blogs.helsinki.fi/eveliiik/>. Luettu 4.2.2015

Suomen elinkeinorakenne on mullistunut nopeasti (2010) http://www.stat.fi/artikkelit/2010/art_2010-09-07_003.html?s=4 Luettu 4.2.2015

 

Artikkeli 1

Toisella PAK-kerralla annettu artikkeli käsittelee vaihtoehtoista tapaa käsitellä kahta tai useampaa aineistoa samalla koropleettikartalla. Bivariaattikoropleettimetodilla (oma suomennos, bivariate chroroplate method) tarkoitetaan kahden eri väriskaalan yhdistämistä samalle kartalle niin, että aineistojen asettuessa päällekkäin, ne luovat uuden väriskaalan. Tällä tavalla on pyritty kuvaamaan samalla kartalla useita aineistoja, kuitenkaan tarvitsematta symboleja tai kartogrammeja.

Bivariaattia käytetään kuitenkin hyvin harvoin. Sitä vältetellään ratkaisukeinona osittain sen uutuuden, osittain potentiaalisen vaikeaselkoisuuden vuoksi. Yhdysvalloissa 1970-luvulla suoritetut tutkimukset antoivat ymmärtää, ettei kyseinen karttatyyppi ollut selkeä. Tutkimuksissa todettiin muun muassa, etteivät koehenkilööt ymmärtäneet värien sekoittumista toisiinsa ja täten luulivat kartassa esitettävän useita täysin toisistaan riippumattomia aineistoja. Tästä päästäänkin bivariaattien suurimpaan ongelmaan. Bivariaattikartat vaativat monimukaisuutensa takia erittäin suurta taitoa kartografiassa. Tämä koskee niin aineistojen kuin värienkin valintaa. Esitystapa myös rajaa ainestot kahteen tai kolmeen, sillä aineistoihin pohjautuvien väriskaalojen sekoittuminen tarkoittaa myös värien määrän ekspotentiaalia kasvua. Näin hyvinkin pieneltä tuntuva aineistomäärä saa aikaan jo erittäin monimutkaisen ja vaikeaselkoisen kartan.

Lähteet:

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