Viimeinen kurssikerta

 

Viimeisellä kurssikerralla tehtävänä on tehdä ja analysoida karttoja itse valitusta aiheesta ja alueesta. Teen tehtävää monta viikkoa myöhässä, ja luulen, että QGIS-taitoni ovat aika pahasti ruosteessa. Uskon kuitenkin, että karttojen teko onnistuu jossain määrin. Tässä näkee, miten hyvin kurssin asiat ovat jääneet päähän.

Yritin aluksi tehdä karttaa Yhdysvaltojen Yhdysvaltojen väestönlaskennan perusteella, mutta tehtävä oli liian monimutkainen, varsinkin kun suuri osa työkaluista on unohtunut. Päädyin lopulta tekemään karttani Natural Earth -aineistojen pohjalta, koska ne ovat yksinkertaisempia ja suppeampia.

Tein kartat yleisessä käytössä olevien lentokenttien (kuva 1) ja satamien (kuva 2) määrästä valtioittain. Kuvista voi tehdä useita poimintoja: kehittyneemmissä ja suuremmissa maissa on enemmän satamia ja lentokenttiä kuin kehittymättömämmissä ja pienemmissä. Laiva- ja lentoterminaalien määrä reflektoi myös valtion globaalia osallistumista ja asemaa, sillä tavaraa ja ihmisiä kulkee niistä toisiin valtioihin. Paljon kauppaa käyvillä valtioilla on pääosin suuri määrä terminaaleja.

Toisaalta suuri lento- ja laivaliikenteen määrä myös aiheuttaa runsaasti päästöjä, joten karttojen pohjalta voidaan päätellä, että tietyissä valtioissa aiheutuu enemmän päästöjä tavaroiden ja ihmisten kuljetuksessa kuin toisissa. Satamoita kuvaavassa kartassa näkyy selvästi ne valtiot, jotka ovat sisämaassa, tai eivät muista syistä omista satamaa. Nämä valtiot ovat monella tavalla huonossa asemassa, sillä laivaliikenne on erittäin tärkeä osa kaupankäyntiä.

 

Kuva 1: julkisessa käytössä olevat lentokentät valtioittain (Natural Earth)

Kuva 2: julkisessa käytössä olevat satamat valtioittain (Natural Earth)

 

Karttojen tekeminen meni tauon jälkeen paremmin kuin oletin ja olen siinä mielessä tyytyväinen lopputulokseen. Yllättävän moni työkalu muistui hetken jälkeen mieleen, eikä minun tarvinnut edes katsoa apua mistään. Kartat syntyivät tuskatta. Vaikka valitsinkin nyt kohtalaisen helpon tehtävän, koen, että kurssin asiat ovat jääneet kokonaisuudessaan hyvin muistiin. Kurssista ja geoinformatiikasta jäi kaikin puolin positiivinen mielikuva, ja odotan ehdottomasti karttojen tekemistä tulevilla kursseilla.

 

Lähteet:

Natural Earth – https://www.naturalearthdata.com

Kuudes viikko

 

Tällä kertaa oppitunti oli vähän erilainen: tuotimme harjoittelutilastot itse alusta loppuun saakka. Tämä onnistui siten, että keräsimme puhelinsovelluksen avulla pistemuotoista aineistoa lähiympäristöstä. Aineistoa kerättäessä paikoille annettiin nimi, ominaisuustietoja (esim. turvallisuus, viihtyvyys) ja halutessaan kuva. Opettelimme tämän aineiston pohjalta käyttämään interpolointityökalua. Koko prosessi oli erittäin mielenkiintoinen ja avasi minulle aineistonkeruun toimintamenetelmiä.

Itse tuotetun aineiston lisäksi tarkastelimme muita pistemuotoisia aineistoja liittyen luonnonkatastrofeihin. Tästä saimmekin tehtäväksi luoda opetuskäyttöön soveltuvaa materiaalia netistä löytyvien aineistojen pohjalta. Itse päätin keskittyä vuodesta 1950 tähän päivään tapahtuneisiin maanjäristyksiin (kuva 1), tulivuorenpurkauksiin (kuva 2) ja hyökyaaltoihin (kuva 3).

Kuva 1: yli 6,5 richterin maanjäristykset vuodesta 1950 (USGS)

Kuva 2: tulivuorenpurkaukset vuodesta 1950 (NOAA)

Kuva 3: hyökyaallot vuodesta 1950 (NOAA)

 

Rajasin kartalla näytettäväksi vain yli 6,5 richterin maanjäristykset, koska muuten kohteita olisi ollut aivan liikaa käyttötarkoitusta varten. Pidin kartat yksinkertaisina ja pelkistettyinä, koska aihe on oletettavasti uusi kohdeyleisölle, ja kartoista näkyy parhaiten sellaisenaan kohteiden sijoittuminen. Opetustavoite karttojen pohjalta liittyy hasardien sijoittumiseen; pyritään saada yleisö ymmärtämään yksittäisten ilmiöiden sijaan tapahtumat osana suurempaa prosessia, eli laattatektoniikkaa. Toinen, helpommin saavutettava tavoite on valaista yleisöä kartoilla näkyvien ilmiöiden sijainneista ja vaikutuksista niin luontoon kuin ihmiseen.

 

Lähteet:

https://earthquake.usgs.gov/earthquakes

https://www.ngdc.noaa.gov/hazel/view/hazards/volcano

 

Viides viikko

Viidennellä viikolla jatkoimme siitä, mihin viimeksi jäätiin, eli itse tehdyn Pornaisten tietokannan tarkastelusta. Tällä kertaa missasin oppitunnin, mutta onneksi kurssisivulta löytyi hyvin yksityiskohtaiset ohjeet kurssikerran hommiin. En ollut tajunnut, että tarkoitus oli merkitä vain täysin mustat rakennukset ja päätiet, vaan olin lisännyt pikkutiet sekä ei-asuinrakennukset tietokantaan. Onneksi kuitenkin kurssikerran aineistosta löytyi valmiit, oikein merkityt aineistot, joten pääsin nopeasti eteenpäin.

Siinä missä aikaisemmilla kurssikerroilla tietojen visualisointi on ollut tärkeää, tällä kertaa painopiste oli tietojen keruussa eri aineistojen pohjalta. Opettelimme Pornaisten tietokannan pohjalta yksinkertaisia bufferivyöhyke-analyysejä, jotka onnistuivat QGIS:sissa yllättävän helposti. Tähän tosin vaikutti varmasti se, että myös aikaisemmin opeteltuja työkaluja, kuten ”join attributes by location” hyödynnettiin tässä apuna. Oppitunnin asiat vaikuttivat kohtalaisen helpoilta mutta mielenkiintoisilta, joten lähden tekemään itsenäisiä tehtäviä hyvillä mielin.

Ensimmäisessä tehtävässä tarkastellaan Malmin ja Helsinki-Vantaan lentokenttiä sekä lähialueen juna- ja metroasemia ja niiden lähiympäristöjä oppitunnilla opituilla keinoilla. Toisessa tehtävässä puolestaan lasketaan taajama-alueiden tilastoja. Kolmanneksi tehtäväksi valitsin uima-altaiden tutkimisen. Alla olevissa taulukoissa näkyy vastaukset tehtäviin.

 

Tehtävä 1

Malmin lentokenttä
1 km säteellä olevat asukkaat 9 676
2 km säteellä olevat asukkaat 62 645
1936 jälkeen rakennetut talot (1km) 798 (93%)
Helsinki-Vantaan lentokenttä
2 km säteellä olevat asukkaat 12 058
65dB melualueen asukkaat 303
Vähintään 55dB:n alueella asuvat 11 923
Poikkeuksellinen laskeutumissuunta, vähintään 60dB:n alueella asuvat 3 558
Asemat
Asukkaat 500 m päässä asemilta (% koko väestöstä) 111 765 (22%)
Asukkaat 500 m päässä asemilta, työikäisten osuus 74 989 (67%)

 

Tehtävä 2

Taajamissa asuvat (% koko väestöstä) 496 555 (96%)
Kouluikäisten määrä taajamissa (% kaikista kouluikäisistä) 56 244 (96%)
Koluikäisten määrä taajamien ulkopuolella (% kaikista kouluikäisistä) 2 267 (4%)
Taajama-alueiden määrä 60 986
Taajamat, joissa yli 10% ulkomaalaisia (% kaikista) 6 445 (11%)
Taajamat, joissa yli 20% ulkomaalaisia (% kaikista) 3 768 (6%)
Taajamat, joissa yli 30% ulkomaalaisia (% kaikista) 2 371 (4%)

 

Tehtävä 3

Uima-altaat ja saunat pääkaupunkiseudulla
Uima-altaalliset talot (% kaikista taloista) 855 (1%)
Talot, joissa on sauna (% kaikista taloista) 21 922 (24%)
Uima-altaallisten talojen asukkaat (% kaikista) 12 170 (1%)
Uima-altaallisten talojen jakauma:
Omakotitaloja 345 (40%)
Paritaloja 158 (18%)
Rivitaloja 113 (13%
Kerrostaloja 181 (21%)
Muut asuinrakennukset 58 (8%)

 

Kolmanteen tehtävään kuului tilastojen tutkimisen lisäksi kartan tekeminen uima-altaiden sijoittumisesta Pääkaupunkiseudulle (kuva 1). Muut tehtävät onnistuivat helposti, mutta tämä tuotti paljon vaikeuksia: en saanut millään asetuksella tai fonttikoolla kaikkia uima-altaiden lukumääriä näkymään järkevästi kartalla, joten päätin jättää ne pois. En myöskään pidä siitä, miltä legenda näyttää, vaan olisin halunnut ilmoittaa uima-altaiden määrää kuvaavien pylväiden arvot asiallisemmin. Myös tehtävänanto oli mielestäni epälooginen; miksi uima-altaiden määriä vertaillaan sellaisenaan, kun alueet ovat täysin eri kokoisia niin pinta-alaltaan kuin väkiluvultaankin. Olisin mieluummin visualisoinut kartan niin, että se kuvaa uima-altaallisten talojen tai ihmisten prosentuaalista osuutta kullakin alueella.

Kuva 1: Uima-altaat Pääkaupunkiseudulla

 

Vaikka kartan kanssa olikin hieman ongelmia, tästä kurssikerrasta jäi ihan hyvä fiilis, sillä huomasin, miten sujuvasti QGIS:in käyttö nykyään sujuu. Tietenkin kehitettävää riittää edelleen, mutta en olisi kurssin alussa uskonut, että tulen oppimaan ohjelman näinkään hyvin.

 

Lähteet:

https://fi.wikipedia.org/wiki/Helsinki-Malmin_lentoasema

KK5-Aineistopaketti

Neljäs viikko

 

Neljännellä kurssikerralla siirryimme vektorimuotoisista aineistoista rastereihin. Ensimmäiseksi opettelimme tekemään itse vapaan kokoisen ruutumuotoisen aineiston, josta voi tulkita kunkin alueen ominaisuuksia. Käytin 1 km x 1 km kokoista ruudukkoa, koska se vaikutti sopivimmalta muutaman kokeilun jälkeen. Opittujen asioiden pohjalta saimme tehtäväksi luoda ruutumallinen teemakartta valinnaisesta ilmiöstä. Päätin tutkia ruotsinkielisten osuutta ei-suomenkielisistä, teemakartta aiheesta kuvassa 1.

Kuva 1: ruotsinkielisten osuus ei-suomenkielisistä pääkaupunkiseudulla

Teemakartassa näkyy selkeä trendi: ruotsinkielisten osuus on suuri pääkaupunkiseudun itä- ja länsipäädyissä, kun taas keskivaiheilla muita kieliä puhutaan enemmän. Tämä oli jokseenkin odotettavissa, koska tiesin, että suomenruotsalaisia on keskittynyt idässä Sipoon alueelle ja lännessä Espoon sekä Kauniaisen kuntiin. Vastaavasti maahanmuutto keskittyy eniten Helsinki-Vantaa -akselille, mikä selittää näillä alueilla ruotsinkielisten pienen prosenttiosuuden. Kartan havaintoja on helppo kuvailla, mutta niiden selittäminen on toinen asia, ja tällaisessa aiheessa siihen voi helposti sekoittua stereotypioita. Yksinkertaisimmillaan selitys voisi olla esimerkiksi: ruotsinkieliset suosivat syrjäisempiä omakotialueita, kun taas muun kieliset (yleensä maahanmuuttajat) päätyvät usein vähempivaraisina asumaan lähemmäksi keskustaa kerrostaloalueille.

Kartan ulkoasu on selkeä, ja siitä selviää tarvittavat tiedot, mutta näen siinä jonkin verran puutteita. Suurin puute on se, että sijainti ei käy ilmi tarpeeksi hyvin: kartalla ei ole kaupunginnimiä tai mitään muutakaan ruutujen sijainnista kertovaa, joten niiden sijoittuminen pitää päätellä itse. Tämä voi olla hankalaa varsinkin sellaiselle henkilölle, jolle pääkaupunkiseutu ei ole lainkaan tuttu. En tiedä, miten tämän ongelman voisi ratkaista, sillä nimistöä on vaikea lisätä järkevästi karttaan, joka on täynnä ruutuja. Ehkä kartat eivät voikaan olla täydellisiä, vaan jotain ominaisuutta pitää välillä laiminlyödä.

Oppitunnin toisessa osiossa keskityttiin uusien työkalujen opetteluun; opimme yhdistämään rasterimuotoisia tietokantoja (virtual layer) ja luomaan rinnevarjostuksia sekä korkeuskäyriä helposti valmiin aineiston pohjalta. Lisäksi saimme ensi kurssikertaa pohjustavaksi tehtäväksi luoda itse vektoriaineistot Pornaisen teistä ja rakennuksista peruskarttalehden pohjalta.

Yksi asia mihin kiinnitin oppitunnilla huomiota on se, kuinka tarpeellisia vektoriaineistot ovat; vaikka kurssikerran aiheena olivatkin rasteriaineistot, ne joko luotiin vektoriaineistojen pohjalta, tai niitä käytettiin uuden vektoriaineiston luomiseksi. Tämä on täysin ymmärrettävää, sillä vektoriaineistot ovat käyttöominaisuuksiltaan paljon monipuolisempia ja tarkempia, koska ne on sidottu sijaintiin.

 

Lähteet:

KK4-Aineistopaketti

Kolmas viikko

Kolmannella kurssikerralla siirryimme selvästi monimutkaisempiin asioihin. Aineistona oli tällä kertaa Afrikan tilastoja: konfliktit, timanttikaivokset ja öljykentät. Tutkimme näiden muuttujien suhteita ja riippuvuuksia toisistaan ja opettelimme samalla käyttämään uusia työkaluja. Erityisen paljon tuli tehtyä erilaisia aineistojen liitoksia; tilastot olivat aluksi erillään. Ehkä tärkein oppitunnilla opittu taito on Excel-taulukon tietojen liittäminen QGIS-aineistoihin.

Kuten aiemmin mainitsin, tarkastelimme Afrikan konfliktien, sekä timanttikaivosten ja öljykenttien sijoittumisen suhdetta toisiinsa. Alla olevassa taulukossa (taulukko 1) näkyy Afrikan maat luokiteltuna timanttikaivosten lukumäärän mukaan. Konfliktit (CONFLICTS ja U_CONFLICTS) eivät näytä olevan riippuvaisia niin timanteista kuin öljykentistäkään (Country_count), vaan epävakauden taustalla on todennäköisesti muitakin tekijöitä. Sen sijaan, jos käytetään apuna oikeita aineistoja, näillä tiedoilla voisi tehdä päätelmiä valtioiden varallisuudesta ja siitä, miten suuri osa luonnonvaroista saatavasta hyödystä jää kyseiseen valtioon. Esimerkiksi Excelistä ongitut aineistot väkiluvusta ja erilaisista internetin käyttötavoista sopisivat tähän tarkoitukseen, sillä teknologian ja internetin saatavuus mittaa jossain määrin myös elintasoa.

Taulukko 1: Afrikan maat timanttikaivosten lukumäärän mukaan

 

Oppitunnin lopussa saimme jälleen lisätehtävän. Tehtävänä oli laatia Suomen tulvaindeksistä koropleettikartta annettujen aineistojen avulla. Tällä kertaa päätin kokeilla haastavampaa versiota tehtävästä, missä järvisyysprosentti ja valuma-alueiden koko piti laskea itse valmiin aineiston käytön sijaan.

Aluksi pinta-alojen laskemisessa oli vaikeuksia, eikä ollut minkäänlaista mielikuvaa siitä, miten se onnistuisi pelkän digitoidun kartan perusteella. Vastaus löytyi edellisen viikon harjoituksista: pinta-alan saa laskettua näppärästi $area-komennolla. Sain vähän painia ohjelman ”join attributes by location” toiminnon kanssa, mutta lopulta onnistuin saamaan valuma-alueiden ja järvien pinta-alat samaan taulukkoon. Tunnilla käytetty ”intercects”- valinta ei toiminut tähän käyttötarkoitukseen, vaan järvipinta-alan arvoista tuli aivan liian suuria. Pienen kokeilun jälkeen päädyin käyttämään ”contains” ja ”within” valintoja, joilla tulokset näyttivät realistisilta. Itse järvisyysprosentin sai tämän jälkeen helposti laskettua jakamalla järvipinta-alan koko valuma-alueen alalla.

Laskettuani vielä tulvaindeksin jakamalla keskiylivirtaaman (MHQ) keskivirtaamalla (MQ), tein ohjeiden mukaan koropleettikarta (kuva 1), johon on visualisoitu tulvaindeksi ja järvisyys valuma-alueittain. Kartasta huomaa heti, että tulvaindeksi on suuri alueilla, joiden järvisyysprosentti on pieni. Toinen havainto on se, että suurimman tulvaindeksin alueet sijaitsevat lähes poikkeuksetta rannikolla. Luulen, että näiden ilmiöiden takana on se, että vesi virtaa sisämaan järvistä merta kohti, jolloin monet joet ”yhdistyvät” ja virtaama kasvaa. Tällöin alajuoksulla virtaama on kaikkein suurin, mikä yhdistettynä rannikon tasaisen maaston kanssa edesauttavat veden tulvimista.

 

Kuva 1: Tulvaindeksi ja järvisyysprosentti valuma-alueittain

 

Vaikka tämän viikon tehtävät olivatkin ylivoimaisesti vaikeimmat tähän mennessä, olen tyytyväinen lopputulokseen, erityisesti kartan kohdalla. Tehtäviä tehdessä oppi paljon uusia ominaisuuksia, kuten diagrammien käytön, ja tuli kerrattua aikaisemmin opittuja. Huomaan kuitenkin, että QGIS:in sujuvan käytön oppiminen tulee viemään vielä runsaasti aikaa.

 

Lähteet:

KK3-Aineistopaketti

Toinen viikko

Toisella kurssikerralla jatkettiin QGIS-ohjelman ominaisuuksiin tutustumista. Tällä kertaa tarkastelun kohteena olivat eri projektioiden vääristymät. Uusia asioita ei juurikaan opeteltu, vaan enneminkin kerrattiin ensimmäisen oppitunnin asioita. Ja hyvä näin, sillä ohjelman monet ominaisuudet kaipasivatkin kertausta.

Ensimmäiseksi opettelimme käyttämään pinta-alan ja pituuden mittaamisen mahdollistavaa työkalua, minkä avulla tutkimme ”todellisuutta ” edustavan TM35FIN- ja Mercatorin projektioiden eroja. Vertasin tiettyjen alueiden pinta-aloja ja pituuksia näissä kahdessa eri projektiossa. Kuten taulukossa 1 näkyy, Mercatorin projektio vääristää pinta-aloja ja etäisyyksiä erittäin paljon Suomen alueella. Sama ilmiö esiintyy projektiossa myös muilla napa-alueiden läheisillä alueilla, minkä takia ne vaikuttavat todellisuutta suuremmilta. Tämän takia Mercatoria on hyvä käyttää harkiten ja vain tiettyihin tarkoituksiin. Mercator on oikeakulmainen projektio, joten sen tarkoituksenakaan ei ole kuvata alueiden kokoja realistisesti.

                             Taulukko 1: Mercatorin eroavaisuudet

 

Pituuden ja pinta-alojen vertailu mittaustyökalun avulla on kuitenkin aika hidasta, eikä tuloksia ole helppo visualisoida. Niinpä seuraavaksi siirryimme tekemään koropleettikarttoja projektioiden vääristymistä. Tässä käytettiin kunnat2020 -tilastoja, joissa ilmoitetaan kunkin kunnan pinta-alat ja ympärysmitat. Nämä tiedot saatiin muutettua kunkin projektion mittasuhteita vastaaviksi, jolloin eroja oli helppo vertailla TM35FIN-projektion kanssa eri työkaluilla. Ensimmäinen kartta tehtiin oppitunnilla (kuva 1), se kertoo, miten paljon suurempi alueiden pinta-ala on Mercatorin projektiossa TM35FIN-projektioon verrattuna. Tässä näkyy selkeästi Mercatorin vääristyksen kasvaminen pohjoiseen mentäessä.

Kuva 1: kartta Mercatorin vääristymistä

 

Tein oppitunnin jälkeen vastaavat kartat Gallin- (kuva 2) ja Robinsonin projektioista (kuva 3). Näissä projektioissa näkyy sama ilmiö, mutta paljon lievemmässä muodossa. Tämä johtunee siitä, että sekä Gallin- että Robinsonin projektiot ovat ns. ”kompromissiprojektioita”, jotka pyrkivät kuvaamaan maailmaa mahdollisimman realistisesti, laiminlyömättä alueiden todellisia muotoja, kokoja ja kulmia liikaa. Erityisesti Robinsonin projektiossa pinta-alat vastaavat todellisuutta kohtalaisen hyvin ja ovat keskenään tasaiset muihin projektioihin verrattuna; ero pienimmän ja suurimman suhdeluvun välillä on varsin pieni. Yksi asia mihin kiinnitin huomiota on se, että jokaisessa kartassa vääristymien väriluokat kattavat täysin samat alueet, mikä kertoo siitä, että jokaisen projektion pinta-alat kasvavat suhteessa samaa vauhtia pohjoiseen päin.

Kuva 2: Kartta Gallin vääristymistä

Kuva 3: kartta Robinsonin vääristymistä

 

Olen tyytyväinen karttoihini, mutta nyt jälkeenpäin ajatellen olisi pitänyt tehdä niistä paremmin keskenään vertailtavia; pinta-alan ollessa esim. 1,4 kertainen suhteessa TM35-projektioon, alueen väriluokka on eri jokaisessa kartassa. Vertailua olisi helpottanut, jos kartoille olisi luonut yhteiset luokkarajat. En tosin tiedä olisiko tämä helposti toteutettavissa. Pääasia on kuitenkin se, että ohjelmiston käyttöön saatiin lisää harjoitusta ja varmuutta.

 

Lähteet:

KK2-aineistopaketti

Ensimmäinen kurssikerta

Ensimmäisellä kurssikerralla suurin osa ajasta meni QGIS-ohjelmiston opetteluun. Ohjelmisto vaikuttaa ensisilmäykseltä varsin monimutkaiselta, joten on hyvä että sitä käytiin kunnolla ja tarpeeksi rauhalliseen tahtiin läpi opettajan johdolla. Vaikka omaksuinkin paljon oppitunnilla, tiedän että ohjelmiston opettelussa tulee menemään vielä lukemattomia tunteja.

Samalla kun opettelimme ohjelmiston käyttöä, teimme harjoittelun nimissä koropleettikartan typen päästöistä Itämeren alueella. Tässä vaiheessa aloin ymmärtää kuinka kätevä QGIS voi olla, jos sitä osaa vain käyttää; ohjelmalla voi hyödyntää lähes rajatonta määrää aineistoja ja visualisointiinkin on annettu hyvät työkalut. Alla oppitunnilla tekemäni koropleettikartta (kuva 1). Kuten legendassa näkyy, punaisen sävyt kuvaavat typpipäästöjen prosentuaalista määrää. Kartta antaa selkeän kuvan siitä, miten suuren osuuden typpipäästöistä kukin valtio tuottaa. Jätin aluksi järvet karttaan näkyviin, mutta päätin kokeilla miltä se näyttää ilman. Järvien pois jättäminen tekee kartasta paljon selkeämmän, ja olen tyytyväinen lopputulokseen.

Kuva 1: typpipäästöt Itämeren alueella valtioittain

 

Oppitunnin päätyttyä kurssikerta ei jäänyt siihen, vaan saimme tehtäväksi laatia kartta omin avuin. Tehtävänannosta sai valita tehtävän vaikeustasojen mukaan. Päädyin valitsemaan helpoimman vaikeustason, koska ohjelmiston käyttö tuntuu vielä jokseenkin hankalalta ja haluan hallita sen perusominaisuudet, ennen kun alan soveltamaan enempää.

Helpoimman vaikeustason tehtävä perustui täysin valmiin aineiston hyödyntämiseen, ja luulen, että sen tarkoituksena oli uusien asioiden opettelun sijaan oppitunnilla käytyjen asioiden kertaaminen. Aineistona oli kartta ja perustietoja Suomen kunnista vuodelta 2015. Päädyin tekemään koropleettikartan työttömyydestä kunnittain (kuva 2), jossa tummempi punainen kuvaa suurempaa työttömien prosentuaalista määrää.

Kuva 2: työttömien osuus väestösä kunnittain

 

Kartasta näkee, että työttömien määrä vaihtelee alueittain erittäin paljon. Pääosin työttömyys näyttää vähenevän siirryttäessä etelään tai länteen ja vastaavasti kasvavan idän ja pohjoisen suunnilla. Luulen, että tämä trendi johtuu siitä, että kasvukeskukset houkuttelevat enemmän yksityisiä investointeja, jotka puolestaan luovat lisää työpaikkoja. Yllätyksekseni ylivoimaisesti vähiten työttömyyttä oli Pohjanmaan kunnissa. Tähän en keksi selitystä, koska Pohjanmaa on pääosin muuttotappio aluetta. Kaiken kaikkiaan olen tyytyväinen tähänkin karttaan. Tehtävä oli kuitenkin aika helppo ja haasteeton, joten luulen, että valitsen ensi kerralla vaikeamman vaihtoehdon.

 

Lähteet

KK1-Aineistopaketti