Kurssikerta 7: Aotearoa – New Zealand

Viimeisellä kurssikerralla kertasimme koko kurssin aiempia asioita tekemällä itse kartan käytännössä ihan mistä vain. Ohjeena oli, että kartalla täytyisi esittää vähintään kahta muuttujaa alueella, joka jakaantuu noin 20–30 pienempään osa-alueeseen. Jos karttapohjan sai valmiina sellaisenaan netistä, oli myös suositeltavaa tehdä kaksi karttaa, jotta työmäärä vastaisi niiden työmäärää, jotka piirsivät kartat itse.

Tiesin heti, että haluan tehdä karttani Uuden-Seelannin alueelta, koska maa kiehtoo minua, ja se on ainut valtio Suomen lisäksi, josta minulla on enemmän tietoa alueellisesta jakautumisesta ja omakohtaista kokemusta siitä. Karttapohjan, eli valtion rajat sekä hallinnollisten alueiden rajat sain naturalearathdata-sivustolta vaivattomasti.
Uuden-Seelannin tilastokeskuksen sivut ovat kattavat ja sieltä löytyy erittäin paljon dataa vaikka mistä aiheista. Harmikseni suurin osa datasta oli kuitenkin koko maata koskevaa keskiarvotietoa, ja hallinnollisiin alueisiin keskittyvää tietoa sai oikeasti etsiä. Tein siis karttani pääasiassa siitä tiedosta, mikä oli käytettävissä, eikä järin suurta valinnanvaraa ollut. Lieko keskiarvotietoihin syynä yksityisyydensuoja, eli kaikkea dataa ei anneta kaikille, vai pelkästään tiedon keräystapa. Jotkin tiedot sivuilla perustuivat vain arvioihin tai kyselyjen pohjalta tehtyihin yleistyksiin.

Ensimmäisen karttani (kuva 1.) tein Uuden-Seelannin turismista sekä maanjäristyksistä – en niinkään etsiäkseni korrelaatiota näiden kahden asian väliltä vaan selvittääkseni riskialueita. Maanjäristykset eivät siis johdu turismista, mutta toki maanjäristykset voivat hieman vaikuttaa turismin sijoittumiseen. Jos jokin paikka olisi erittäin vaarallinen suurten maanjäristysten suhteen, saattaisivat turistit hieman välttää tätä. Toisaalta maanjäristykset ovat niin äkillinen ja lyhytkestoinen tapahtuma ja toisaalta myös isot järistykset ovat harvinaisia, että en usko asialla olevan suurtakaan vaikutusta turismin sijoittumiseen. Peruspulliainen ei valitse lomakohdetta maanjäristysten vaan ihan jonkin muun tekijän pohjalta.

Kuva 1. Uuden-Seelannin turismi ja maanjäristykset. Turismi on kuvattu yöpymisten määrällä alueella.

Kuva 1. Uuden-Seelannin turismi ja maanjäristykset. Turismi on kuvattu yöpymisten määrällä alueella. (New Zealand Statistics 2014 a, Northern California Earthquake Data Center 2014)

Koska halusin vähän haastetta, laitoin samalle kartalle sekä maanjäristykset pistekarttana, turistien suhteellisen määrän koropleettikarttana sekä kotimaisten ja ulkomaalaisten turistien osuuden pylväinä. Näin kartalta voi selvittää myös kotimaisten ja ulkomaalaisten turistien suhteen alueella. Vaikka itse sanonkin, kartasta tuli selkeä siinä esitettävän tiedon määrästä huolimatta. Toisaalta tähän vaikuttaa myös se, että Uuden-Seelannin tilastokeskus oli yhdistellyt joitain alueita turismin osalta, jolloin koropleettikartassani on vain 12 aluetta.
Kartalta voidaan huomata, että alue, jossa sekä turismin ja maanjäristysten osuudet ovat suuret, on Christchurchin alue Eteläsaarella. Eniten turismia on maan suurimman kaupungin Aucklandin alueella, mutta se ei kuulu aktiivisimpaan maanjäristysvyöhykkeeseen. Kartta on ehkä siinä mielessä hieman ongelmallinen, että laskettu suhteellinen turistien osuus kuvautuu koko hallinnollisen alueen päälle, vaikka lähes kaikki turismi keskittyy kaupunkeihin. Laitoinkin siis kartalle vielä suurimmat yli 100 000 asukkaan kaupungit, jotta niiden sijaintia voitaisiin verrata maanjäristyksiin. Tässäkin Christchurchin alue erottui muista. Toisaalta maanjäristykset ovat kartassa vain viimeisimmän 14 vuoden ajalta, jolloin kaikki maanjäristysherkät alueet eivät välttämättä näy oikein.

Suurin osa Uuden-Seelannin turismista (yöpymiset) koostuu kotimaisista matkailijoista. Suurimmat erot kansainvälisten ja kotimaisten yöpyjien suhteessa ovat Pohjoissaaren keskiosissa, jossa kotimaisia yöpyjiä on selvästi enemmän. Kyseiseltä alueelta puuttuu ilmeisesti ulkomaalaisia turisteja houkuttavia kohteita, tai sitten ne ovat päiväkohteita, jolloin turistit eivät yövy alueella. Eteläsaaren suurimpana kaupunkina Christchurch vetää eniten matkailijoita puoleensa eteläsaaren alueella. Siitä etelään ja länteen sijaitsevat alueet (Otago ja West Coast) ovat ainoita alueita, jossa ulkomaalaisten yöpyjien osuus ylittää kotimaisten yöpyjien määrän. Otagossa sijaitseva Gueenstown on todennäköisesti syynä tähän, sillä se on lähinnä turismista elävä kaupunki, ja sitä mainostetaan kauniilla maisemillaan turisteille.

Tein toisen karttani Uuden-Seelannin syntyvyydestä sekä lapsi/imeväiskuolleisuudesta (kuva 2). Päädyin esitystavassa kaksiteemaiseen koropleettikarttaan, jossa toisen asian esitin värillä ja toisen pisterasterilla. Kaksiteemaiset koropleettikartat ovat uusi tuttavuus, joten sitä oli mukava harjoitella hieman lisää, vaikka esitystavassa onkin joitain ongelmia. Molemmissa esitettävissä asioissa on kolme luokkaa tasavälisin luokin, jotta esitys pysyisi selkeänä. Näin suuret luokat vaan harmikseni tasapäistivät aineiston, sillä esim. Waikaton alueella (Hamiltonin kaupungin alueella) syntyvyys oli selkeästi pienin ja imeväiskuolleisuus selvästi suurin. Uudessa-Seelannissa kotisynnytykset ovat ilmeisesti yleisiä ja kätilöiden ei tarvitse koulutuksessaan suorittaa käytännön harjoittelua (Waikato News 2011). Tämä voi olla hyvin suuri syy Waikaton alueen suureen lapsikuolleisuuteen.

Kuva 2. Uuden-Seelannin syntyvyys sekä imeväiskuolleisuus. Syntyvyys on laskettu tuhatta asukasta kohti ja imeväiskuolleisuus tuhatta elävänä syntynyttä lasta kohti.

Kuva 2. Uuden-Seelannin syntyvyys sekä imeväiskuolleisuus. Syntyvyys on laskettu tuhatta asukasta kohti ja imeväiskuolleisuus tuhatta elävänä syntynyttä lasta kohti. (New Zealand Statistics 2014 b, c ja d)

Pyörittelin lukuja Excelissä ja laskin syntyvyyden ja imeväiskuolleisuuden suhteutettuna tuhanteen ihmiseen tai elävänä syntyneeseen. Mielenkiintoisinta datassa oli se, että sain syntyvyydeksi niinkin isoja lukuja. Toisia arvioita ja laskelmia katsoessani (wikipedia) huomasin, että syntyvyys on omissa laskelmissani huomattavasti suurempi. Eikö minulla ole sama data kuin heilläkin, vai laskinko vain väärin? Laskin monta kertaa luvut uudestaan ja tarkistin tiedot ja luulisin lähteidenkin olevan samat. Minun tuloksillani Uuden-Seelannin syntyvyys oli vuonna 2012 lähes samalla tasolla kehitysmaiden syntyvyyden kanssa. Selvää eroa suurimpien kaupunkien ja maaseudun välillä ei juurikaan ole, eikä syntyvyys tai imeväiskuolleisuus näinollen johdu maantieteellisistä tekijöistä. Toisaalta suurimpien kaupunkien alueella (lukuunottamatta Hamiltonin aluetta) imeväiskuolleisuus on pienimpien tai keskisuurten joukossa, joka ehkä johtuu suuremmasta sairaaloiden käyttöasteesta synnytyksissä.

Tiia Seeve oli tehnyt omat vapaavalintaiset karttansa myös Uuden-Seelannin alueelta (Seeve 2014). Seeve oli laittanut viimeiseen karttaansa hallinnollisten alueiden nimet, jotka mielestäni olisivat olleet hyvä lisä myös minun karttoihini. Ainakin alueisiin viittaaminen tekstissä olisi ollut helpompaa, kun olisi voinut puhua helposti alueiden omilla nimillä niin, että lukijakin ymmärtää. Toisaalta ensimmäisen karttani se olisi voinut tehdä sekavaksi, sillä kaupunkien nimetkin alkavat olla kartalla hieman liikaa, tai ainakin siinä rajoilla. Seeve viimeisessä kartassa oli myös koropleettikartalla BKT/asukas, jota yritin verrata omaan syntyvyys/imeväisyyskuolleisuus-karttaan. Silmämääräisesti vertailemalla en löytänyt kummastakaan aiheesta yhteyttä BKT:n arvoon, joten keskimääräisen varallisuus ei juurikaan vaikuta syntyvyyteen tai imeväiskuolleisuuteen.

Nytkö pitäisi osata käyttää MapInfoa itsenäisesti? Viimeinen työ sujui loppujenlopuksi aika vaivattomasti, vaikka aikaa siihen tuhrautuikin hieman liikaa. Tuntuu silti, kuin osaamiseni ohjelmasta olisi aika pintaraapaisu-tyyppinen, ja kaikki vaativammat työkalut jätettiin käyttämättä. Toisaalta en sitten tiedä, jos osaankin enemmän kuin kuvittelen. Tai sitten kuvittelen ohjelmalta liikoja. MapInfo tuntuu kuitenkin jo ihan kaverilta ja kaipailinkin sitä Corelin kaatuillessa. Kokonaisuudessaan kurssi on ollut antoisa, ja uskon, että tulen käyttämään MapInfoa ja kurssilla opittuja asioita tulevaisuudessa.

Lähteet:

Natural Earth (2014). Admin 1 – States, Provinces. . 26.2.2014.

New Zealand Statistics (2014 a). Guest Nights by Region (monthly) 2012 Luettu 25.2.2014

New Zealand Statistics (2014 b). Live births by area, regional councils, and age of mother (Annual-Dec) 2012 Luettu 25.2.2014

New Zealand Statistics (2014 c). Official yearbook 2012, population statistics Luettu 25.2.2014

New Zealand Statistics (2014 d). Neonatal, post-neonatal and infant deaths by area, regional councils (Annual-Dec) 2012 Luettu 25.2.2014

Northern California Earthquake Data Center (2014). ANSS Catalog Search Luettu 25.2.2014

Seeve Tiia (2014) Kurssikerta 7: It’s the final countdown! Blog-blog-blooog-blooog! Blog-blog-blog-blog-blooog! Luettu 14.3.2014

Waikato News (2011). Birth statistics in Waikato ‘alarming’ Luettu 14.3.2014

Kurssikerta 6: Pistekartat

Pääsimme heti kurssikerran alussa reippailemaan ulos ryhmissä keräämään pistemuotoista dataa ympäristöstä. Meidän ryhmämme aiheeksi valikoituivat suojatiet Kumpulan lähialueella. Onneksi ulkona ei ollut pakkasta eikä suurempaa vesisadettakaan, jolloin sormet eivät jäätyneet GPS-laitetta käyttäessä ja paperikin pysyi ehjänä. Luokassa siirsimme tiedot Exceliin, ja eteenpäin MapInfoon. Harjoittelimme pisteiden luontia Helsingin karttalehdelle ja se onnistuikin aika vaivattomasti. Tosin, jatkossa kartan koordinaatiston kanssa täytyy olla tarkkana, jotta pisteet ja karttalehti eivät ole eri koordinaatistoissa.

Lopputunnista saimme tehtäväksemme astua opettajan saappaisiin ja tarkoituksena oli luoda kolme karttaa vapaavalintaisesti aiheista maanjäristykset, tulivuoret ja meteoriittikraatterit. Valitsin, että haluan tehdä karttani pääasiassa maanjäristyksistä, sillä päätin luoda karttani vain yhdelle oppitunnille opetuksen tueksi. Kaikkia näitä kolmea aihetta ei ehditä käymään perusopetuksessa läpi yhdellä oppitunnilla, joten mielestäni oli parempi keskittyä vain yhteen aiheeseen. Maanjäristykset ovat laaja ja monisyinen tapahtuma, joten todennäköisesti sen opetukseen menee oppitunti jos toinenkin. Maanjäristykset liittyvät kiinteästi laattatektoniikkaan, joka täytyy käydä läpi aiheen ohessa tai sitä ennen. Myöskin maapallon koostumus ja läpileikkaus olisi hyvä käydä läpi ennen näitä aiheita. Muita maanjäristyksiin liittyviä aiheita ovat muun muassa maankohoaminen, tulivuoret ja räjäytykset.
Voisin aloittaa oppitunnin kyselemällä oppilailta pohjatietoja maanjäristyksistä: mitä maanjäristyksiä he muistavat itse ja ovatko he kokeneet sellaista. Oletuksena on, että oppilaat muistavat suurimpia lähiaikoina tapahtuneita maanjäristyksiä, jotka ovat olleet esillä mediassa: esimerkiksi Japanin, Haitin ja Sumatran maanjäristykset.

Kuva 1. Vuonna 2013 tapahtuneet yli 5 magnitudin maanjäristykset

Kuva 1. Vuonna 2013 tapahtuneet yli 5 magnitudin maanjäristykset. (Northern California Earthquake Data Center 2014)

Ensimmäisen karttani tein pelkästään vuoden 2013 aikana tapahtuneista yli 5 magnitudin maanjäristyksistä osoittaakseni sen, kuinka paljon maanjäristyksiä tapahtuu ympäri maailmaa kokoajan. Olisin halunnut esittää kartassani kaikki vuoden 2013 maanjäristykset, mutta pisteaineistoa olisi tullut liikaa ja kartasta olisi tullut sekava. Päätin rajata aineiston arvoon 5, sillä sen kokoiset maanjäristykset ovat jo tuntuvia, ja näin kartalta näkyy myös laattarajat, tai ainakin osia niistä. Valitsin pisteen muodoksi sellaisen, jossa ei ollut mustia ääriviivoja ja väriksi tummanpunaisen. Tällä tavalla sain suurimmat rykelmät näyttämään aluemaisilta, ja tummempi väri saa kartan näyttämään hieman ”rauhallisemmalta”. Päätin jo alussa, että otan kaikista kartoistani koordinaatistoruudukon pois, koska sillä tavoin kartat näyttivät omasta mielestäni huomattavasti selkeämmiltä.

Ensimmäistä karttaa olisi hyvä verrata laattarajoja esittävään maailmankarttaan, jotta näiden välinen yhteys selviäisi. Maanjäristyksiä tapahtuu pääasiassa vain litosfäärilaattojen reunoilla, ja etenkin alityöntövyöhykkeillä.

Kuva 2. Litosfäärilaatat (PennState University)

Kuva 2. Litosfäärilaatat (Penn State University 2014)

Kuva 2. Vuoden 1980 jälkeen tapahtuneet yli 8 magnitudin maanjäristykset

Kuva 3. Vuoden 1980 jälkeen tapahtuneet yli 8 magnitudin maanjäristykset (Northern California Earthquake Data Center 2014).

Toisessa kartassani on vuoden 1980 jälkeen tapahtuneet erittäin suuret, yli 8 magnitudin järistykset. Kartasta näkyy selvästi, kuinka näin suuria järistyksiä tapahtuu vain erittäin harvoin. Näitä järistyksiä olisi hyvä käydä yksityiskohtaisemmin läpi ottamalla muutamia esimerkkejä järistysten joukosta ja esittelemällä niitä oppilaille. Lisäinformaation myötä kartan esittämä asiakin jäisi todennäköisesti paremmin muistiin.

Kuva 3. Vuoden 2005 jälkeen tapahtuneet maanjäristykset sekä niiden jaottelu syviin ja mataliin maanjäristyksiin.

Kuva 4. Vuoden 2005 jälkeen tapahtuneet yli 6 magnitudin maanjäristykset sekä niiden jaottelu syviin ja mataliin maanjäristyksiin.(Northern California Earthquake Data Center 2014)

Kolmas karttani soveltuisi ehkä vain lukio-opetukseen, jossa asiaan voidaan syventyä paremmin. Kartassa 3 olen jaotellut maanjäristykset syvyyden mukaan pinnallisiin ja syviin. Rajapyykiksi valitsin 70km, koska se esiintyy yleisesti syvien ja pinnallisten järistyksien rajana kirjallisuudessa. Kartassa ovat kaikki vuodesta 2005 eteenpäin esiintyneet voimakkaat yli 6 magnitudin järistykset. Kartasta voidaan nähdä, kuinka pinnallisia maanjäristyksiä tapahtuu enemmän, ja kuinka syviä maanjäristyksiä tapahtuu vain tietyillä alueilla. Kuvaa tarkastelemalla voidaan huomata varsinkin Etelä-Amerikan kohdalla, kuinka syvät ja matalat järistykset tapahtuvat eri vyöhykkeillä peräkkäin, kun taas Kaakkois-Aasissa eroa ei juurikaan huomaa tällä mittakaavalla. Voisimme tunnilla pohtia, minkä takia järistykset sijoittuvat näin, ja mitä siitä voidaan päätellä (laatan uppoaminen vaippaan). Samalla voisimme käydä läpi syvien ja matalien maanjäristysten eroja, esimerkiksi tuhovoiman kannalta.

Mielestäni karttani ovat ihan hyvin onnistuneita opetuskäyttöä ajatellen. Jotenkin silti tuntuu, että voisin tehdä vieläkin havainnollistavat ja selkeät kartat opetukseen. Esimerkiksi suurimpien järistysten karttaan voisi linkittää tietoa kyseisistä maanjäristyksistä mielenkiinnon lisäämiseksi. Minni Aalto oli tehnyt näin omaan karttaansa, ja mielestäni hänen esityksensä on onnistunut ja selkeä. Toinen vaihtoehto olisi linkittää pisteseen jokin toinen sivu, jossa kerrottaisiin tapahtumasta (miten se sitten käytännössä tapahtuisikaan…).

Kartoista 1 ja 2 käy selväksi, että vaikka maanjäristykset ovatkin hyvin yleisiä, erittäin isoja ja tuhoisia maanjäristyksiä tapahtuu vain harvoin. Kartoista käy ilmi myös hyvin alueet, joissa järistykset ovat yleisiä (mm. Tyynenmeren tulirengas) sekä karttoja voi verrata hyvin muihin endogeenisiä tapahtumia esittäviin karttoihin. Opetukseen olisi hyvä tehdä vielä yksi lisäkartta (ehkä tulivuoritunnille), jossa esitettäisiin samalla kartalla sekä maanjäristykset että tulivuoret. Tällaisen kartan oli tehnyt Natalia Erfving, ja kartalta näkee hyvin tulivuorten ja maanjäristysten paikkojen yhtäläisyydet ja erovaisuudet. Tähän tulisi kiinnittää huomiota myös opetuksessa, jotta laattarajojen ja kuumien pisteiden erot tulisivat selviksi.

Lähteet:

Aalto Minni (2014). Kurssikerta 6: Pisteaineistojen tuottaminen ja esittäminen kartalla. Luettu 9.3.2014

Erfving Natalia (2014). Kurssikerta 6: Maanjäristysten ja tulivuorten esittäminen pistekartalla. https://blogs.helsinki.fi/nataliae/2014/02/17/kurssikerta-6-maanjaristysten-ja-tulivuorten-esittaminen-pistekartalla/ Luettu 28.2.2014

Northern California Earthquake Data Center (2014). ANSS Catalog Search. http://quake.geo.berkeley.edu/anss/catalog-search.html Luettu 17.2.2014

Penn State University (2014). An Introduction to Plate Tectonics. http://eqseis.geosc.psu.edu/~cammon/HTML/Classes/IntroQuakes/Notes/plate_tect01.html Luettu 9.3.2014

Mapping America: Every City, Every Block ja SWOT-analyysi

Mapping America: Every City, Every Block – sivusto tarjoaa mielenkiintoista dataa ympäri Yhdysvaltoja ja se on New York Timesin ja Googlen ylläpitämä. Sivusto on ensivilkaisulla oikein kivan näköinen visuaalisesti ja vielä parempaa on se, että karttaa pystyy zoomailemaan mielensä mukaan samalla kun hiiren kursorin paikasta näkyy paikkatietoa alueelta. Värimaailma on myös mielestäni onnistunut ja sivustot ovat selkeät. Sivusto sisältää pistemäistä tietoa koropleettikarttapohjilla muun muassa väestön koulutustaustasta, etnisestä taustasta sekä tulotasosta.

Tarkemmin katsottuna sivustosta alkaa löytyä negatiivisia asioita. Sivun ylämarginaalissa lukee haalealla präntillä, että kaikki luvut perustuvat otoksiin ja ovat karkeasti arvioituja.  Mitään korrektia dataa sivustolla ei siis ole, eikä sivustolla näy linkkejä metadataan, joka on Census Bureaun keräämää. En siis luokittelisi sivustoa kovinkaan luotettavaksi, vaikka tiedot varmasti ovatkin huolella kerättyjä ja oikein esitettyjä. Tieteellistä tarkkaa tutkimusta tästä aineistosta ei voisi tehdä, mutta suuntaa-antavina tietoina ne kelpaavat.

Eri mailla on eri käytäntöjä paikkatiedon julkaisemiseen. Suomessa tällaista dataa saa vain pyytämällä ja erikseen hakemalla. (Vai onko käytäntö nyt muuttunut?) Toisaalta Suomessa ollaan siitä maailmanlaajuisesti erikoisessa tilanteessa, että täällä data on oikeasti ajan tasalla ja paikkansapitävää, sillä Suomessa kerätään niin tarkkoja väestötilastoja. Muualla maailmalla väestötiedot voivat olla lähes olemattomia, eikä oikeasti edes tiedetä, keitä maassa oleskelee. Kaikki väestötilastot ovat näissä maissa tehty juurikin kyselyillä ja arvioilla. Mielestäni Suomen käytäntö on parempi, jossa tarkkaa dataa annetaan vain sitä hakeville, jotta voidaan edes jollain tasolla kontrolloida tietojen käyttötarkoitusta. Jotkin tiedot voivat olla hyvin arkaluontoisia, ja mielestäni tässä on hyvä olla jokin yksityisyydensuoja (esim. seksuaalinen suuntautuminen tai tulotaso). Mapping America taas antaa hyvin epätarkkaa tietoa kaikille sitä haluaville. Epätarkkuus ei välttämättä välity kartoista, jos ylämarginaalin pränttiä ei lue.

Palvelun karttoja tutkimalla saa hyvin nopealla vilkaisulla selville esimerkiksi New Yorkin etnisten väestöryhmien sijainnit tai vaikkapa tulotasot. Tällaisten esitysten ongelmana on se, että ihmiset tekevät herkästi yleistyksiä ja johtopäätöksiä, jolloin asuinalueet saattavat leimautua epätarkoituksenmukaisesti. Tässä ongelmaa lisää myös se, että luvut ovat arvioituja. En tiedä, vaikuttaisivatko tällaiset palvelut suoraan alueiden eriytymiseen, vai vasta tiettyjä ajatusmalleja vahvistava tekijänä. Toisaalta oma näkökantani on, että ainakin minä tekisin helposti johtopäätöksiä vaikkapa muuttoa tehdessäni alueista tämän palvelun johdosta, jos en suhtautuisi asiaan kriittisesti. Tai tekisin ehkä senkin jälkeen alitajuisesti. Palvelu siis saattaa entisestään kiihdyttää segregaatiota, joka on ongelmana varsinkin suurissa kaupungeissa.

Sara Lindholm pohti blogissaan hyvin sitä, kuinka tällaisen palvelun tietoja voisi käyttää väärin: ” Jos kaikilla kansalaisilla, ympäri maailman, on tällaiseen pääsy, en ihmettelisi vaikka ”hieman” äärevästi ajattelevat saattaisivat käyttää näitä tietoja erittäinkin pahasti väärin, sanotaanko nyt vaikka terrori-iskua suunnitellessaan. Ja kun miettii millainen järjestelmä Jenkkilässä on, en epäilisi vaikka myös esimerkiksi vakuutusyhtiöt käyttäisivät näitä tietoja ei-niin-kivasti hyväkseen.” (Lindholm 2014)

Suomessa tällaisen palvelun toteuttaminen ei ole tietääkseni ainakaan vielä mahdollista. Jos tällainen haluttaisiin tehdä, olisi se hyvä tehdä hieman eri aiheista, jotka ovat vähemmän arkaluontoisia (väestömäärät, ikärakenne, koulutustausta). Datan ollessa niin tarkkaa (tiedetään tarkalleen, kuka asuu missäkin) olisi hyvä häivyttää tarkimman tason tiedot, ettei palvelu menisi vain urkkimistarkoituksiin. Palvelua voisi käyttää sitten mm. opetuksessa, sillä kouluissa tullaan painottamaan enemmän paikkatietoa ja sen esittämistä.

Yhteenveto SWOT-analyysi palvelusta:

Sisäiset vahvuudet:

Sivustolla on hyvä tiedon esittämistapa, selkeät kartat ja laajat tiedot.

Sisäiset heikkoudet:

Data on arvioihin perustuvaa ja osittain myös vanhentunutta.

Ulkoiset mahdollisuudet:

Ei ole muita tämän kaltaisia palveluita (?). Esitettäviä tietoja hieman muokkaamalla tätä voisi käyttää ehkä opetuksessa.

Ulkoiset uhat:

Tietoja voisi käyttää väärin (esim. terrori-iskut) sekä palvelun tarjoama hieman arkaluontoinen ja kyseenalainen data voi johtaa alueiden eriytymiseen, joka tuskin on palvelun tarkoitus. Uhat tulevat siis käyttäjien tekemistä väärinymmärryksistä ja väärinkäytöksistä.

Lähteet:

Lindholm Sara (2014). Blogitehtävä: Päivän kuuma sana ERIYTYMINEN. Ja vieläkö mietit miksi? <https://blogs.helsinki.fi/saralind/2014/02/19/paivan-kuuma-sana-eriytyminen-ja-vielako-mietit-miksi/>

The New York Times; Mapping America: Every city, Every Block <http://projects.nytimes.com/census/2010/explorer> Luettu 22.2.2014

Kurssikerta 5: Bufferointi ja uima-altaat

Aloitimme kurssikerran harjoittelemalla bufferointia viimekerralla tuotetuilla kartoilla. Teimme bufferivyöhykkeet tiestölle, koululle ja terveyskeskukselle selvittääksemme, kuinka moni talo oli niiden vaikutusalueella. Alun lyhyen opastuksen jälkeen siirryimme työskentelemään omatoimisesti annettujen tehtävien pohjalta.

Bufferointi tarkoittaa karttakohteelle piirrettyä vyöhykettä, joka piirretään halutulla halkaisijalla, jolloin pistemäiselle kohteelle muodostuu ympyrämäinen vyöhyke. Vyöhyke voidaan laskea kaiken muotoisille alueille tai viivoille, jolloin muodostuva bufferikin on erimuotoinen. Bufferivyöhykkeen sisältä on sitten helppo lähteä etsimään haluttuja kohteita, jotka voivat olla lähes mitä vain kartan ja aineistoihin tallennettua paikkatietoa. MapInfon työkaluna bufferointi on hyvin yksinkertainen, sillä siinä tarvitsee lähinnä vain määrittää vyöhykkeen koko. Ehkä yleisimmin työkalua voidaan käyttää vastaamaan kysymykseen, kuinka monta ihmistä asuu X etäisyydellä kohteesta Y.  Bufferointia voi käyttää hyvin myös esimerkiksi kauppojen potentiaalisen asiakaskunnan määrittämiseen sekä kaupungin hälytysjärjestelmien kuuluvuusanalyyseihin.

Bufferointi kuulostaa hyvin yksinkertaiselta, mutta minun kanssani työkalu ei halunnut tehdä yhteistyötä. En tiedä mikä työkalussa oli ongelmana, mutta en meinannut millään saada bufferivyöhykkeessä näkymään haluttuja asioita. Ehkä onnistuin tekemään vyöhykkeet aina väärälle tasolle, jonka vuoksi asia ei onnistunut. Tästä päästäänkin hyvin seuraavaan harjoitusta ja ymmärrystä vaativaan asiaan, eli tasoihin, jotka MapInfossa ei ole läheskään niin loogisia kuin CorelDraw:ssa. Olisi hyvä nähdä tasoa klikkaamalla siinä sijaitsevat kohteet, mutta harmikseni tämä ei onnistu (ainakaan vielä näillä taidoilla).

Muuten tähän asti käytettyjen työkalujen käyttö alkaa sujua jo mukavasti. Olen kurssitöideni ulkopuolella tehnyt mm. poikaystävälleni kartan hänen koulutyönsä yhteyteen, jolloin harjoittelin lisää datan siirtämistä tietokantoihin. Tämä oli jälkeenpäin ajateltuna hyvin hyödyllistä, sillä uskoisin, että ilman sitä kertausta tiedon siirto ja taulukoiden päivittäminen tuntuisi hyvin hankalalta. Yleisesti kartan luomisessa ei ole enää kysymys työkalujen käytöstä, vaan siitä, mitä haluan kartalla esittää. Pohdiskelen usein liian pitkään kaikkia mahdollisia vaihtoehtoja, yrittäen löytää jonkun erittäin kiinnostavan uuden lähestymistavan asiaan. Sanonnan mukaan: usein nopeasti tehty keskinkertainen ratkaisu on parempi, kuin pitkään pohdittu hieman parempi ratkaisu. Toisaalta pohdinnasta on se hyvä puoli, että saan näkökantaa useisiin eri vaihtoehtoihin ennen kartan tekemistä, mutta toisaalta työhön käytetyn ajan määrä kasvaa reippaasti, eikä työskentelyni ole tehokasta.

MapInfon käyttömahdollisuudet tuntuvat tällä hetkellä hyvin monipuolisilta ja laajoilta. Minulla on ainakin vielä mielikuva, että olemme saaneet vasta aika pintapuolisen kuvan ohjelman yleisimmistä ja hyödyllisimmistä työkaluista. Ohjelman oikea työkalukirjo ja sen osaaminen aukaisisi varmasti uusia hyvin mielenkiintoisia vaihtoehtoja. Toisaalta tähän mennessä tutustumissamme työkaluissa on joitain ongelmia kartan luomisen ja visuaalisen esityksen kannalta. Tuntuu siltä, kuin ohjelma määrittelisi ennalta, millaisia merkkejä ja välillä värisävyjäkin voimme kartoissamme käyttää, aivan kuin tekisimme karttamme jonkinlaiseen muottiin. Tähän mennessä kuitenkin suurimmat ongelmat johtuvat usein itse käyttäjästä ennemmin kuin ohjelmasta. Olemme olleet myös pääasiassa siitä onnellisessa tilanteessa, että meille on annettu karttapohjat ja aineistot valmiina kurssikerralle. Uskoisin, että itse oman kartan ja aineistojen etsiminen voi olla hyvin hankalaa, sillä silloin pitää miettiä tarkasti myös tiedon luotettavuutta, jottei kartan teolta tipu pohja pois. Vilna Tyystjärvi oli pohtinut blogissaan myös tiedon luotettavuuteen liittyvia ongelmia sekä kartan tekijän pohjatietoja seuraavasti:

“MapInfolla voi tehdä vaikka kuinka hienoja teemakarttoja, mutta jos ne eivät perustu todenmukaisiin tietoihin, niitä voi käyttää lähinnä tietokoneen taustakuvana. Tämä vaatii myös käyttäjältä jonkinlaista käsitystä tutkittavasta ilmiöstä. Jos esimerkiksi pääkaupunkiseudun väestötietokannan uima-allas-sarakkeessa 999 999 999 -ruutuja olisi merkattu pienemmällä arvolla, virhettä ei välttämättä olisi huomannut yhtä hyvin. Sitten olisi tyytyväisenä selitelty, että pääkaupunkiseudullapa onkin miljoonia altaita.”

Itsenäisissä tehtävissä selvitimme Helsingin lentokenttien melualueita, juna-asemien vaikutusalueita sekä Vantaan lähiöiden erityispiirteitä. Tarkoituksena oli harjoittaa omaa ongelmanratkaisukykyä sekä soveltaa lähes kaikkea aiemmin opittua. Alla on taulukko saamistani vastauksista.

Lentokentät
Malmin lentokentän melualueella asuvat (2km säteellä) 58 748
Malmin lentokentän melualueella asuvat (1km säteellä) 9 083
Helsinki-Vantaan lentokentän läheisyydessä asuvat (2km säteellä) 10 579
Prosenttiosuus, kuinka moni asuu sekä 2 km säteellä sekä pahimmalla melualueella (65 dB) 0,38
Helsinki-Vantaan lentokentän läheisyydessä asuvat, jotka altistuvat vähintään 55 dB:lle 594
Ihmiset, jotka altistuisivat vähintään 60 dB lentomelulle, jos lentoliikenne käännettäisiin laskeutumaan Tikkurilan yli 12 493
Juna-asemat
Ihmiset, jotka asuvat alle 500m päässä lähimmästä juna-asemasta Vantaalla 83 028
Joista työikäisiä (%) 71,34
Kuinka monta prosenttia ihmisistä asuu alle 500m päässä lähimmästä juna-asemasta Vantaalla 17
Taajamat
Vantaan väestöstä asuu taajamissa (%) 86,4
Kuinka monta kouluikäistä asuu taajamien ulkopuolella 7 536
 – % koko kouluikäisten määrästä Vantaalla 15,1
Kuinka monella alueella ulkomaalaisten osuus on yli…
10 % 20
20 % 5
30 % 4
Uima-altaat
Uima-altaiden lukumäärä pääkaupunkiseudulla 856
Kuinka moni asuu talossa, jossa on uima-allas 12 687
Uima-altaita (kpl)
Omakotitaloissa 336
Paritaloissa 158
Rivitaloissa 114
Kerrostaloissa 186
Kuinka monessa talossa on enemmän kuin 1 uima-allas 0
Uima-allasrikkaimmat pienalueet pääkaupunkiseudulla (altaiden määrä)
Länsi-Pakila 52
Lauttasaari 51
Marjaniemi 46
Vanha Munkkiniemi 43
Kulosaari 41

Jälkimmäisen itsenäisen tehtävän halusin tehdä uima-altaista mielenkiintoisen tehtävänannon vuoksi. Suurin osa vastauksista löytyi SQL-selectin avulla eri hakuehtoja käyttämällä. Alussa muutamat puuttuvat tiedot ja niiden merkkausarvo 999 999 999 aiheutti ihmetystä, sillä järjen kanssa mietittynä pääkaupunkiseudulla ei voi olla miljardeja uima-altaita. Koska aineiston arvot voidaan laittaa taulukkonäkymässä järjestykseen, oli helppoa huomata, että oikeasti suurin ja samalla pienin uima-altaiden arvo oli 1 per talo. Tämän jälkeen SQL-selectillä pystyi hakemaan vain kaikki arvon 1 saavat talot. Kartan tekeminen aiheesta oli hieman haastavampaa kuin tietojen etsiminen, mutta pienellä pähkäilyllä sekin onnistui ihan hyvin. Tein uuden haun pelkästään niille taloille, joissa on uima-allas ja tein tästä kyselystä teemakartan, jolloin sain siivottua pois kaikki 0-arvot ja kartasta tuli näin selkeämpi ja siistimpi. Lisäsin numeroarvot vain osaan pylväskohteista, sillä halusin pitää kartan siistinä. Opin myös, miksi tallennettua karttalehteä ei kannata sulkea output-ikkunan sijaan, ja painaa vielä iloisesti discard-nappia päälle… Uudelleen saman kartan tehtyäni siirsin tiedoston Coreliin, jossa tein legendan sekä säädin hieman pylväiden sijaintia. Harmikseni Corel päätti, että pylväideni värisävyt ovat parempia meren värisinä, joten tällä kerralla karttani värisävyt eivät ole onnistuneet huonon erotuskyvyn vuoksi.

Uima-allasrikkaimmat osa-alueet pääkaupunkiseudulla

Uima-allasrikkaimmat osa-alueet pääkaupunkiseudulla

Lähteet:

Tyystjärvi Vilna (2014). 5. kurssikerta; bufferointia ja oman osaamisen kartoittamista https://blogs.helsinki.fi/tyvi/2014/02/21/5-kurssikerta-bufferointia-ja-oman-osaamisen-kartoittamista/

Kurssikerta 4: Rasterikartat

Tällä viikolla opettelimme luomaan kartan päälle ruudukon, jonka avulla teimme rasteriteemakarttoja. Tiedot saimme pääkaupunkiseudun rakennustietokannasta, jossa on yksityiskohtaista tietoa rakennusten asukkaista. Ruudukko ja tietokannan tiedot olivat yllättävän helppoja yhdistää toisiinsa työkalun avulla.

Saimme tehtäväksemme laatia ruututietokartat valitsemastamme aiheesta Helsingin alueelta. Tarkoituksena oli tehdä kaksi eri karttaa samasta aiheesta erikokoisilla ruuduilla, ja vertailla näitä kahta syntynyttä karttaesitystä. Valitsin aiheekseni yli 65 vuotiaiden sijoittumisen pääkaupunkiseudulle ja ruudun kooksi 300m (kuva 1). Luokittelun valitseminen oli hankalaa, sillä histogrammi oli erittäin vino, jopa L-kirjaimen muotoinen ja epämääräinen. Tosin mielestäni histogrammi oli epäluotettava, sillä siihen valittiin jokaisen ruudun arvo, myös niiden, jotka eivät sijainneet kuntien alueella, jolloin arvo 0 korostui liikaa. Valitsin pitkän miettimisen jälkeen luokitteluperustaksi luonnolliset luokkavälit osittain visuaalisen lopputuloksen ja osittain epämääräisen histogrammin perusteella. Kokeilin myös kaikkia muita vaihtoehtoja, mutta mielestäni ne joko korostivat senioreiden osuutta liikaa tai näyttivät siltä, että pääkaupunkiseudulla asuu vain muutama vanhus. Pohdin myös sitä, onko minulla mitään sanottavaa senioreiden jakautumisesta pääkaupunkiseudulle, sillä alun perin ulkopaikkakuntalaisena minulla ei ole asiasta juurikaan mitään tietoa.

Kuva 1. pääkaupunkiseudulla asuvat yli 65-vuotiaat

Kuva 1. pääkaupunkiseudulla asuvat yli 65-vuotiaat 300m ruututietokannalla

Kartalta näkyy, että senioreita asuu eniten Helsingin keskustan alueella ja sen lähialueilla. Asutuskuvio noudattelee hyvin Helsingistä poispäin johtavia teitä ja radanvarsia. Koin hieman yllättävänä, että niinkin suuri osa senioreista asuu Helsingin keskustassa, sillä kuvittelin, että kyseinen ikäryhmä haluaisi hieman syrjempään kiireisestä elämäntyylistä. Toisaalta keskustassa on palveluita ja virikkeitä ehkä enemmän kuin syrjemmässä. Asiaan saattaa vaikuttaa myös suuri omistusasuntojen osuus Helsingin keskusta-alueilla, jolloin kyseiset ihmiset ovat asuneet samassa paikassa jo vuosia. Kartastani olisi saanut paremman lisäämällä siihen suurimmat tiet sekä junaradat, jolloin kartalta olisi ollut helpompi vertailla näitä kahta muuttujaa keskenään. Näin teki Ilkka Saarinen omassa kartassaan, ja mielestäni tämä toimisi minunkin kartassani, vaikka Saarisen esitettävä asia oli eri (Saarinen 2013).

Päätinkin vaihtaa seuraavaan karttaesitykseeni sekä ruudun kokoa että esitettävää asiaa. Valitsin ruudun kooksi 700m ja esitettäväksi asiaksi ruudun keski-iän (kuva 2). Tulos oli aikamoinen sekamelska, sillä viidellä luokalla ja kahdella värisävyllä esitettynä kartasta ei meinannut saada mitään selvää. Värit olivat aluksi vielä vastavärejä, joka pahensi esitystä entistään. Aluksi vaihdoin luokkien määrä neljään ja kokeilin kaikki luokittelutavat läpi histogrammin kanssa, joka tällä kertaa muistutti hieman normaalisti jakautunutta aineistoa. Sain kuitenkin idean määritellä luokkarajat itse järkeviin ja perusteltuihin luokkiin väestöryhmien mukaan. Aluksi halusin suurimmaksi luokaksi yli 65 vuotiaat, jotta tätä uutta karttaa voisi vertailla edes jollain tasolla aiemman kartan kanssa. Seuraavat luokkavälit oli suhteellisen helppo määrittää: alle 25-vuotiaat (opiskeluikäiset), 25 – 40-vuotiaat (perheelliset) ja 40 – 65-vuotiaat (keski-ikäiset). Toisaalta jälkikäteen ajateltuna luokittelu on ongelmallinen, sillä esimerkiksi perheen, jossa on pieniä lapsia, keski-ikä voi laskea hyvinkin alas. Luokittelu on kuitenkin suuntaa-antava, ja keskiarvot ovat yleisestikin hieman ongelmallinen tiedon esittämiskeino.

Seuraavaksi pyörittelin läpi kymmeniä eri värivaihtoetoja karttaan, ja lopulta onnistuin saamaan mielestäni kelvolliset värit, niin ettei kartta näytä täydeltä sillisalaatilta. Kartassa olisi siltikin mielestäni vielä parantamisen varaa.

Kuva 2. Pääkaupunkiseudun keski-kä 700m ruuduilla

Kuva 2. Pääkaupunkiseudun keski-kä 700m ruuduilla

Keski-ikäkartalta ei oikeastaan erotu juurikaan asutuskuvioita eri väestöryhmien (ruudun keski-ikien) välillä. Suurimmat ”kuviot” ja yhtenäisimmät alueet ovat 40–65-vuotiailla, mutta tätä ryhmääkin on selvästi eniten, joka selittää asian. Pienemmällä ruutukoolla asumiskuviot olisivat voineet tulla selvemmin esiin, tai sitten pahemmassa tapauksessa kartta olisi voinut olla vieläkin sekavampi. Tämän esityksen perusteella näyttäisi kuitenkin siltä, että pääkaupunkiseudulla väestöryhmät ovat hyvin sekoitettuna ympäri aluetta, eikä mikään alue ole erityisemmin jonkin ikäryhmän suosiossa. En osaa juurikaan sanoa, onko kartalla joitain ruutuja, jotka olisivat helposti selitettävissä. Ainut, minkä tiedän varmasti, on Otaniemen opiskelijavaltaisuuden näkyminen selvästi kartalla pienimmässä ikäluokassa.

Senioreiden alueellisen jakautumisen kartta on mielestäni karttana onnistuneempi kuin keski-ikäkartta, sillä mielestäni pienempi ruutukoko paljastaa asutuksen muodon paremmin ja esitettävä asia on jollaintapaa selkeämpi.

Ruuduilla absoluuttisten arvojen esittäminen on järkevämpää kuin esimerkiksi koropleettikartalla, koska ruutujen pinta-ala on vakio, eivätkä erikokoiset alueet vääristä sanomaa. Toisaalta tässä esitystavassa ei huomioida ollenkaan yleistä vaihtelua alueella, kuten esimerkiksi omalla kartallani vanhuksia asuu eniten sillä, missä muutenkin asuu eniten ihmisiä. Tämä saa Helsingin seudun näyttämään vanhusvaltaiselta, vaikka toisesta kartastani huomataan, ettei asia olekaan näin. Mielestäni käyttötarkoituksesta riippuen ruuduilla voi esittää myös absoluuttia arvoja. Joskus absoluuttiset arvot ovat nimenomaan ne, joita haetaan, kuten Tiia Seeve kirjoitti blogissaan:

”Absoluuttisten määrien tarkastelu voi olla hyvinkin perusteltua ja hyödyllistä tilanteissa, joissa teemakarttaa käytetään välineenä vaikkapa suunnitteluprojektissa. Jos olisin tehnyt tämän lapsiperheselvitykseni jonkun kunnan päättäjän roolissa selvittääkseni, minne pääkaupunkiseudulla tarvitaan uutta ja ihanaa päiväkotia, koulua tai muuta lasten ja heidän perheidensä elämän kannalta tärkeää, olisi lapsiesiintymien paikantaminen tehtävä lukumäärien perusteella.”  (Seeve 2013)

 

Lähteet:

Saarinen Ilkka (2013). KK4 Ruututeemakartat bloggarin käsittelyssä <https://blogs.helsinki.fi/ilkkasaa/2014/02/12/kk4-ruututeemakartat-bloggarin-kasittelyssa/> Luettu 16.2.2013

Seeve Tiia (2013). Kurssikerta 4: Ruudut Helsingin yllä <https://blogs.helsinki.fi/setiseti/2014/02/07/kurssikerta-4-ruudut-helsingin-ylla/> Luettu 16.2.2013

 

 

Kurssikerta 3: Data, Afrikka ja valuma-alueet

Tällä kurssikerralla harjoittelimme pääasiassa datan siirtämistä tietokantojen välillä. Toimme Excel-taulukoista tietoa MapInfoon sekä siirsimme tietoja taulukoiden välillä. Yllätyin, että Excelistä sai niin helposti tuotua tietoa ohjelmaan, koska yleensä eri ohjelmat eivät tue toistensa tiedostomuotoja. Alun opettajajohtoinen tiedon käsittely tuntui hyvin helpolta ja etenimme mukavan rauhallisesti. Joskus olin jopa opettajaa edellä, vaikka en katsonut ohjeista mallia. Tämä oli ehkä virhe, sillä en painanut kunnolla tietoa päähäni ja seuraavan omatoimisen vaiheen aikana olin aluksi täysin hukassa. Saimme tehtäväksemme luoda valuma-alue kartan Suomen alueelta myöhempää luonnonmaantieteen harjoitustyökurssia varten. Ennen kartan kokoamista ohjelmassa piti yhdistellä tietoja eri tietokannoista. Alun viiden minuutin ”mitä ihmettä tässä pitäisi nyt tehdä?” –pohdiskelun jälkeen aloin hahmottaa tehtävänannon ja sen vaatimia tehtäviä. MapInfossa tuntui olevan liikaa erilaisia vaihtoehtoja tiedon käsittelemiseen, jolloin parhaan tavan etsimisessä kului hieman aikaa. Onneksi kartan teon kanssa ei ollut kiire.

Harjoittelimme alussa tiedon käsittelyä luomalla kartan Afrikan valtioista sekä öljy-, timantti- ja konfliktialueista (kuva 1). Loimme kartan, jossa näkyvät öljylähteet vaalean harmaina alueina, timanttikaivokset mustina tähtinä, konfliktipaikat vihreillä pisteillä sekä konfliktin laajuus vaalean sinisellä. Saimme tehtäväksemme pohtia, mitä muuta tiedoilla voisi tehdä tai päätellä, jos tiedettäisiin tarkkoja lukuja muun muassa timanttikaivoksien sekä öljylähteiden löytämisvuodesta, avausvuodesta ja tuottavuudesta.

Kuva 1. Arfikan konfliktialueet, timanttikaivokset ja öljylähteet (PAK-tiedotusblogi 2014)

Kuva 1. Arfikan konfliktialueet, timanttikaivokset ja öljylähteet (PAK-tiedotusblogi 2014)

Surullista kartassa on se, että lähes koko Afrikka näyttäisi olevan konfliktien vallassa ja vain pohjoisin Afrikka on säästynyt niiltä. Tosin tietokannassa ei ole ilmeisesti arabikevään aiheuttamia konflikteja, jotka muuttaisivat karttaa.

Tietokannassa olevilla tiedoilla voisi tehdä johtopäätöksiä luonnonvarojen ja alueella esiintyvien konfliktien suhteesta. Afrikka on paikoin hyvin rikas luonnonvarojen suhteen ja timantit sekä öljy ovat niistä arvokkaimpien joukossa. Suurimmat öljykentät sijaitsevat Pohjois-Afrikassa, ja ne ovat kartan mukaan säästyneet päällisin puolin konflikteilta toisin kuin lähes kaikki muut Afrikan öljykentät. Lähes kaikki timanttikaivokset ovat konfliktialueilla, mutta kartalla näkyy myös timanttikaivoksia, joiden alueella ei ole konflikteja ja konflikteja, joiden alueella ei ole timanttikaivoksia. Afrikan konfliktit ovat usein monisyisiä, ja niihin johtavat mm. heimorajat, alueelliset olosuhteet ja uskonnot. Pelkästään kartan perusteella ei siis voida tehdä luotettavia johtopäätöksiä.

Tietokannan tietoja apuna käyttäen voisi tarkastella mm. timantti/öljyesiintymien löytämisvuoden, varojen hyödyntämisvuoden ja konfliktien syttymisajan yhteyttä. Uskoisin, että näillä asioilla on yhteys ainakin joissain tapauksissa, sillä Afrikassa varallisuus on hyvin epätasaisesti jakautunutta, eivätkä uusista luonnonvaroista saadut varat mene välttämättä maan oikeille omistajille tai asukkaille. Aineistosta voisi vertailla myös, onko kaivoksen/lähteen tuottavuudella ja konfliktin laajuudella jotain yhteyttä.

Luonnonvarojen runsautta, käyttöikää (kuinka kauan kaivokset/lähteet ovat olleet toiminnassa), tuottavuutta ja internetkäyttäjien lukumäärää vertailemalla voitaisiin selvittää sitä, tuovatko kaivokset/lähteet varallisuutta alueelle. Internetkäyttäjämäärät kertovat alueen asukkaiden tulotasosta, koulutuksesta ja varallisuudesta jonkin verran. Jos internetkäyttäjien osuus suurenee luonnonvarojen hyödyntämisen jälkeen, on koulutus ja varallisuuskin kasvanut. Jos kyseisiltä asioilta löytyisi yhteys, voisi tarkastella myös sitä, kuinka nopeasti muutokset tapahtuvat kaivoksen/lähteen hyödyntämisen jälkeen. Hyvin useasti luonnonvarojen tulot menevät valitettavasti vain pienen ryhmän käyttöön tai monikansallisille yhtiöille.

Johanna Hakanen keksi oivallisen tarkastelun kohteen internetin käytöstä blogissaan, jota minulle ei olisi välttämättä tullut mieleenkään. Kyseessä oli internetin vaikutus konflikteihin toista kautta. Hakanen pohti blogissaan internetin vaikutusta konflikteihin seuraavasti:

“Internet voi toimia esimerkiksi väylänä mielipiteiden ilmaisuun tai tiedonvälitykseen, ja sitä kautta se voi olla osa konflikteja, kuten nähtiin esimerkiksi joissain Arabikevään konflikteissa. Toisaalta Internet voi toimia myös sananvapauden ja rauhanomaisen vaikuttamisen välineenä ja sitä kautta vähentää konfliktien määrää.”

Lopputunnista teimme valmiista tietolähteistä yhdistelemällä Suomen valuma-aluekartan, jossa on esitettävinä muuttujina valuma-alueet, tulvaindeksi sekä järvisyysprosentti (kuva 2). Laskimme tietokantojen muuttujista tulvaindeksin, joka kertoo alueen tulvaherkkyydestä. Tulvaindeksi saatiin laskemalla keskiylivirtaaman ja keskialivirtaaman välinen suhde (Tulvaindeksi 2014). Käytämme karttaa myöhemmällä luonnonmaantieteen kenttäkurssilla, joten tällä kerralla kartalle on oikeastikin käyttöä.

Kuva 2. Suomen valuma-alueet, tulvaindeksi sekä järvisyysprosentti

Kuva 2. Suomen valuma-alueet, tulvaindeksi sekä järvisyysprosentti

Päädyin kartassani luonnollisiin luokkaväleihin, sillä niiden kanssa kartta näytti parhaimmalta ja histogrammi oli epämääräinen. Viisi luokkaväliä tekevät kartasta hyvin tarkan ja mielestäni kartta on suhteellisen selkeä. Kokeilin myös neljää luokkaväliä, mutta se korosti liikaa suuria arvoja. Väreinä minulla on sinivihreät sävyt ja pienimpänä kellertävä sävy, jotka kuvaavat mielestäni hyvin tulvaherkkyyttä. Värien kontrastissa olisi ehkä vielä parantamisen varaa, sillä nyt varsinkin ylimmät luokat sekoittuivat helposti toisiinsa. Järvisyysprosentin laitoin kartalle vaaleanpunaisella, hieman oranssiin taittavalla värisävyllä, koska se erottui hyvin taustan väreistä. Poistin karttanäkymästä jokien ja järvien tasot, sillä ne olivat mielestäni irrelevantteja tässä karttaesityksessä (eivät näkyisi valuma-alueiden alta kuitenkaan) ja sain näin myös legendan upotettua hyvin ruotsin sisälle. Kartta ja sen asettelu ovat mielestäni melko onnistuneet. Karttaa saisi parannettua siirtämällä sen Coreliin ja muokkaamalla järvisyyspylväiden sijaintia, sillä nyt ne ovat liian päällekkäin saaden rannikkoseudun näyttämään sekavalta.

Kartalta voidaan huomata tulvaindeksin ja järvisyyden suhde: suurien tulvaindeksien alueella järvisyysprosentti on pieni ja pienien tulvaindeksien alueella järvisyysprosentti on suuri. Järvet toimivat tulvia tasaavina vesivarastoina, samoin kuin suot. Rannikon tulvimisherkkyyteen vaikuttaa myös jokien laskusuunta, maankohoaminen sekä järvien ja soiden kuivatus. Suurin osa rannikon joista virtaa luoteeseen, jolloin varsinkin keväisin seuraa ongelmia eriaikaisesta jään ja lumen sulamisesta. Maankohoaminen vain voimistaa ilmiötä, sillä joet kallistuvat samalla laskusuuntaa vastaan. Pohjanmaalla ja etelärannikolla viljellään erittäin paljon maata otollisempien ilmasto-olosuhteiden ja tasaisuuden vuoksi. Soita ja järviä on kuivatettu paljon viljelysalueeksi, joka lisää tulvariskiä, kun varastoivia vesialtaita ei ole.

Lähteet:

Hakanen Johanna (2014). Kurssikerta 3: Datan lisääminen MapInfoon, pohdintoja harjoituskartasta sekä valuma-aluekartta  <https://blogs.helsinki.fi/johakane/2014/01/29/kurssikerta-3-datan-lisaaminen-mapinfoon-pohdintoja-harjoituskartasta-seka-valuma-aluekartta/> Luettu 9.2.2014

Paikkatiedon hankinta, analyysi ja kartografia (2014). Afrikkaa <https://blogs.helsinki.fi/pak-2014/2014/01/28/afrikkaa/> Luettu 7.2.2014

Paikkatiedon hankinta, analyysi ja kartografia (2014).  Tulvaindeksi <Tulvaindeksi https://blogs.helsinki.fi/pak-2014/2014/01/28/tulvaindeksi/> Luettu 7.2.2014

Artikkeli 1.

Saimme luettavaksemme Anna Leonowichin artikkelin ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship”, joka kertoo kaksiteemaisten koropleettikarttojen käytöstä sekä niistä tehdystä tutkimuksesta. Tutkimuksessa joukkoa opiskelijoita pyydettiin lukemaan yksi- ja kaksiteemaisia koropleettikarttoja, ja arvioimaan niiden käytön helppoutta ja käyttötarkoituksia. Tutkimuksessa selvisi, että jos kaksiteemainen koropleettikartta on hyvin tehty, siitä saa hyvin selville asioiden välisiä suhteita ja ne ovat mielenkiintoisempia. Sen sijaan yksiteemaisilla koropleettikartoilla on parempi esittää asioiden alueellista jakautumista.

Normaali yhden muuttujan koropleettikartta on monille tuttu, mutta kaksiteemaisessa koropleettikartassa kahden eri teeman muuttujat laitetaan samalle kartalle niin, että kartalta on helpompi lukea asioiden välisestä yhteydestä. Esitystapa on hieman vaativampi ja edellyttää lukijaltaan hieman enemmän paneutumista ja ajankäyttöä. Kaksiteemaisia koropleettikarttoja en ole nähnyt kovin monesti ennen tätä kurssia, joten aihe on minulle uusi.

Artikkeli käsittelee kaksiteemaisia koropleettikarttoja hyvin selkeästi ja luulin ymmärtäneeni asian, varsinkin kun edeltävällä kurssikerralla oli käsitelty kyseistä karttatyyppiä hieman. Kuitenkin erilainen tapa laittaa kaksi karttaa päällekkäin tuotti päänvaivaa. Artikkelissa kartat laitettiin päällekkäin niin, että värit sekoittuivat ja tuloksena oli 4 tai 9 kappaletta värisävyjä. Normaalisti kartalla olevien arvojen järjestyksen voi päätellä värisävyjen värikylläisyydestä ja haaleudesta, mutta tässä esityksessä ei. Kahden värisävyn sekoittelu saa katseen palaamaan aina legendaan tarkistamaan kyseistä arvoa. Olisin kaivannut käytännön esimerkin tavasta, jossa värisävyinä käytetään vastavärejä, jolloin sekoittuvat ”korrelaatio” –luokat näkyisivät harmaina. Tämä voisi selkeyttää karttaa huomattavasti. Artikkelissa on esitetty vastaväripari yhdellä esimerkillä, mutta uskoisin sen tulevan paremmin esiin oikeassa kartassa.

Legenda muodostuu koordinaatistosta, jossa x- ja y-akseleilla on käsiteltävien teemojen arvot. Arvot kasvavat normaalin koordinaatiston tavoin ylös ja oikealle. Legenda on jaettu luokkiin (2×2 tai 3×3), jotka muodostavat koordinaatiston alueelle suorakulmioita, joiden alueelle esitettävän asian arvot sijoittuvat. Arvojen sijoittumisesta koordinaatiston alueelle voidaan päätellä asioiden korrelaatiosta ja tässä piileekin esitystavan rikkaus.

Artikkelin lopussa olevat kartat ovat erittäin vaikeaselkoisen näköisiä. Hyvästä ja helposta kartasta saa yhdellä silmäyksellä selville kartan aiheen ja tarkoitusperän. Artikkelin kaksiteemaisia koropleettikarttoja täytyy kuitenkin tutkia pidemmän aikaa, ennen kuin asiasta saa järkevän käsityksen. Uskon, että huonomman kartanlukutaidon omaava henkilö voisi luovuttaa karttojen kanssa nopeastikin ja lopettaa tulkitsemisen, ellei aihe ole erittäin lähellä sydäntä. Kirjoittaja esittää, että 2×2 (=4 luokkaa) ja 3×3 (=9 luokkaa) ovat maksimit luokkien määrälle. Ymmärrän maksimiluokkien määrän nyt hyvin, varsinkin kyseisessä mallissa, kun värit seikoittuvat toisiinsa. Ennen artikkelin lukua luulin, että jos luokiksi valitsee 2×2, on yleistysaste liian suuri ja kartasta tulee liian tylsä. Kartan luvun jälkeen ymmärsin, että se onkin hyvä vaihtoehto, riippuen tietysti siitä, keille kartta on tarkoitettu.

Kurssilla tekemämme kaksiteemaiset koropleettikartat ovat kuitenkin erilaisia, varsinkin legendan osalta. Kaksi erilaista rasteria päällekkäin niin, että eri teemat erottuvat selkeästi toisistaan, on mielestäni parempi vaihtoehto kuin artikkelissa esitetty värien sekoittuminen. Kun kartalla on kaksi eri väriä ja niiden sekoitussuhteita, on mielestäni hankalampi erottaa pienet ja suuret arvot toisistaan. Kun toista teemaa esittää värisävyillä ja toista piste/viivarasterilla, on esitystapa helpompi. Myöskin legenda on huomattavasti selkeämpi kahden eri teeman erillisillä selityksillä. Toisaalta jos kartasta haluaa selvittää vain ja ainoastaan korrelaatiota ja esittää sen myös ”matemaattisesti” kartan legendassa, on artikkelin vaihtoehto parempi.

Jäin miettimään, että kuinka helppo kartalla olisi esittää ”väärää” tietoa ja saada kartta näyttämään luotettavalta ilman oikeaa korrelaatioyhteyttä. Esimerkkinä klassinen jäätelön syönti kesällä ja hukkumiskuolemat, joilla ei oikeasti ole yhteyttä toistensa kanssa. Kartan esitystapaa voisi käyttää siis väärin laittamalla sellaiset muuttujat kartalle, joilla näyttäisi olevan yhteys kartan perusteella, mutta totuudessa yhteys olisikin vähäinen. Tällä tavoin voisi käyttää karttaa omiin tarkoitusperiinsä ja yrittää muokata ihmisten mielipiteitä. Tätä asiaa pohdiskelin toisen kurssikerran blogikirjoituksessani, sillä en ollut ollenkaan varma omassa kartassani olleiden teemojen korrelaatiosta.

MapInfosta en löytänyt suoranaista työkalua kyseiselle karttatyypille, vaan kyseinen kartta pitäisi tehdä hankalamman kautta. Muokkausmahdollisuudet ovat myöskin mielestäni rajalliset ja hieman hankalat, ainakin tässä vaiheessa ohjelman opettelua. MapInfo rajoittaa huomattavasti kartan tekoa, sillä ihan kaikkea ei voi muokata. Ehkä TAK ja PAK kurssin olisi pitänyt olla toisin päin, jolloin en olisi vielä tottunut Corelin loputtomiin muokkausmahdollisuuksiin. Toisaalta MapInfon luomuksen voisi siirtää Coreliin ja jatkaa siellä muokkausta, mutta operaatio tuntuu minusta ainakin vielä monimutkaiselta.

Lähteet:

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

Kurssikerta 2: Onko tässä nyt mitään järkeä?

Toisella kurssikerralla jatkoimme MapInfoon tutustumista päällekkäisten teemakarttojen kautta. Opettelimme kahden eri teeman tai muuttujan esittämistä samassa karttaesityksessä. Harjoittelimme mm. piirakka- ja pylväsdiagrammien esittämistä koropleettikarttojen päällä. Teimme useita eri esityksiä Lapin kuntien alueelta ja kävimme näin läpi kaikki perustyökalut. Teimme myös grid- ja 3D –kartat. Lopputunnista saimme tehdä itse vapaavalintaisen kahden teeman kartan.

Tein oman vapaavalintaisen karttani Keski-Suomen kuntien alueelta. Valitsin alueeni aika nopeasti, sillä syntyperäisenä Jyväskyläläisenä alue tuntuu mielenkiintoisimmalta. Tehtävässä hankalinta oli päättää, mitkä kaksi muuttujaa valitsin kartalle. Pyörittelin mielessäni lähes kaikkia mahdollisia vaihtoehtoja ja kaikki tuntuivat joko liian yksinkertaisilta, tai niiltä puuttui yhteys. Minulla ei ollut selvästikään luova päivä. Päätin heittää vanhat tiedot nurkkaan ja keksiä jotain ihan uutta. Loppujenlopuksi päädyin laittamaan kartalle omasta mielestäni mielenkiintoisimmat muuttujat, ja vasta sen jälkeen pohtimaan, että mitä tuli tehtyä. Suurimmaksi kysymykseksi nousi, että onko tässä kartassa nyt mitään järkeä. Kartallani alimmaisena koropleettikarttana vihreän sävyillä on omassa kunnassa työskentelevien prosenttiosuus työikäisestä väestöstä. Tosin sanoen, mitä vaaleampi alue on, siitä suurempi prosenttiosuus kunnan työikäisestä työväestöstä käy toisessa kunnassa töissä. Päälle tein toisen koropleettikartan, joka kertoo kunnan keskimääräiset valtionveronalaiset tulot yhtä työnsaajaa kohti. Muuttujat ovat mielestäni erittäin mielenkiitoiset ja olen pohtinut niiden suhdetta paljonkin kartan luomisen jälkeen. Karttaan olisi voinut lisätä toisen legendan alle vielä keskimääräiset valtionveronalaiset tulot asukasta kohti koko valtion alueelta, jolloin asiaan saisi hieman vertailupohjaa.

Keski-Suomen kuntien omassa kunnassa työskentelevien osuus sekä valtionveronalaiset tulot henkeä kohti

Valtionveronalaiset tulot ovat pisterasterilla toisen koropleettikartan päällä. Muutin hieman ohjelman valmiiksi antamia pistetiheyksiä, jotta kartasta tuli helpompi lukea. Kokeilin myös vinoviivoitusta, mutta silloin korkeimman asteen viivoituksen kunnat menivät puuroksi eikä teksteistä meinannut saada selvää. Halusin pitää ehdottomasti nimistön kartassa, sillä alue ei ole monelle pääkaupunkiseudulla asuvalle kovinkaan tuttu. Keski-Suomesta puuttuu hahmottamista helpottavat valtion rajat, joita monissa muissa seutukunnissa on. Keski-Suomen hahmottuminen ei ole välttämättä selvä edes kaikille Keski-Suomessa asuville nuorille ilman nimistöä.

Luokkia valitsin molempiin koropleettikarttoihin kolme kappaletta, jotta esityksestä ei tule liian monimutkaista. Mieleni olisi tehnyt laittaa useampia luokkia ja testaisinkin sitä, mutta hylkäsin idean nopeasti nähtyäni lopputuloksen. Väriksi valitsin tällä kertaa vihreän sen neutraaliuden vuoksi ja koska se on osoittautunut suosituksi tämän kurssin kartoissa. Jälkikäteen ajateltuna sininen olisi voinut olla parempi väri, sillä nyt kartasta saattaa saada sen kuvan, että mitä pienempi pendelöintiaste, sitä paremmin kunnalla menee. Kartta saattaa saada siis jonkinlaisen väärän merkityksen joillekin ihmisille.

Molempien kartassa tarkasteltavien muuttujien histogrammit olivat samankaltaisia. Aineistot jakautuivat histogrammille niin, että jakauma oli peruspiirteiltään suhteellisen tasainen, mutta siellä täällä oli suurempia piikkejä, jotka rikkoivat tehokkaasti kaavaa. Valitsin molempiin esitettäviin muuttujiin luonnolliset luokkavälit, koska ajattelin niiden saavan aineistosta realistisimman näköisen. Omassa kunnassa työskentelevien osuudet menivät aika tasaisesti kolmeen luokkaan (8, 9 ja 6) kun taas valtionveronalaiset tulot jakautuivat epätasaisemmin niin, että pienimpien arvojen luokassa on selvästi eniten tapauksia (5, 4 ja 14). Toisaalta tasaväliset luokat olisivat voineet helpottaa kartan lukemista, jolloin se aukenisi paremmin myös karttoihin perehtymättömälle henkilölle. Veronalaisten tulojen kohdalla on toisaalta hyvä, että alimman luokan kuntia on niin monta (14 kpl), jolloin mikään kunta ei leimaudu huonoksi tai sen asukkaat vähävaraisiksi, sillä se ei ole todellakaan tarkoitus. Tällä hetkellä suurimpien tulojen alueet vain erottuvat edukseen, sillä niitä on huomattavasti vähemmän. Jälkeenpäin ajateltuna veronalaisten tulojen rajoja olisi voinut muokata niin, että summat olisivat olleet pyöristettyjä tasaisempiin lukuihin, jos pyöristykset eivät olisi muuten sotkeneet luokittelua. Silloin luvut olisivat olleet helpommin ymmärrettäviä.

Mielenkiintoisen kartasta tekee kuntauudistus ja kuntaliitokset. Jyväskylän ja Muuramen välillä on ollut erimielisyyksiä ainakin median mukaan. Muuramea ollaan liittämässä Jyväskylän kuntaan, sillä pienenä Jyväskylän sisäisenä kuntana suuri osa kunnan pendelöinnistä suuntautuu Jyväskylään. Muurame kuitenkin vastustaa liitosta hyvin jyrkästi, sillä kunnalla menee hyvin. Pääkaupunkiseudulla samassa asemassa ovat Espoo ja Kauniainen, joskin Kauniaisista pendelöidään todennäköisesti tasaisemmin ympäri pääkaupunkiseutua.

Koin oman karttaesitykseni hankalasti tulkittavaksi sen syy-seuraussuhteiden takia. En uskalla tehdä kartasta mitään korrelaatioanalyysiä, sillä kyseiset ilmiöt ovat hyvin monisyisiä, ja niihin vaikuttavat useat eri tekijät. Uskoisin kuitenkin parhaiten palkattujen töiden sijaitsevan suuremmissa kaupungeissa. Parempi palkkataso saattaa vaikuttaa siihen, missä kunnassa asukkaat työskentelevät, mutta toisaalta uskoisin silloin tapahtuvan myös muuttoliikettä kuntien välillä. Myöskään toisessa kunnassa työskentelyn ei pitäisi vaikuttaa yleiseen palkkatasoon, eli siis vähemmän pendelöivissä  kunnissa ei ole suurempaa palkkatasoa tai toisinpäin. Toisaalta jos lähes 70 % kunnan työntekijöistä käy toisessa kunnassa töissä, niin se heijastuu välttämättä myös tilastoihin.

Pyry Poutanen oli tehnyt omat toisen kurssikerran karttansa myös Keski-Suomen alueelta. Hänellä kahden päällekkäisen koropleettikartan muuttujat olivat korkeakouluttamattomien osuus sekä työttömyys kuntien alueella. Kuten Poutanen itsekin toteaa blogissaan: ”Korkeakoulutettujen alueellinen jakautuminen oli odotetunlaista: Jyväskylä ja sen ympäryskunnat vetävät muita alueita selkeästi paremmin korkeakoulutettuja.”. Koulutustaso heijastuu yleensä myös palkkatasoon, joka taas näkyy omissa kartoissani. Kartassani olevat parhaan tulotason kunnat näkyvät myös Poutasen kartoissa kahdessa vaaleimmassa luokassa, jossa on eniten korkeakoulutettuja.

Lopputuloksena: mielenkiintoinen? Kyllä. Helposti tulkittava? Ei. Oliko tässä järkeä? Ehkä.

Lähteet:

Poutanen, P. (2014). Kurssikerta 2 – teemakarttojen syvissä vesissä <https://blogs.helsinki.fi/pyrypout/2014/01/21/kk2/> 27.1.2014

1. työkerta: MapInfo ja koropleettikartat

Kuva

Tämä blogi toimii maantieteen PAK-kurssin oppimisympäristönä. Blogiin kirjataan päiväkirjamaisesti kuvaus tuntityöskentelystä sekä liitetään kuvia työn tuloksista. Blogi sisältää pohdintoja sekä viittauksia muiden opiskelijoiden teksteihin. Kurssilla onkin tarkoitus tutustua tiedeyhteisömäiseen toimintaan, jossa seurataan muiden julkaisuja ja viitataan toisiin.

Ensimmäisellä kurssikerralla tutustuimme MapInfo 11.5 -ohjelman perustoimintoihin. Olimme käyttäneet kyseistä ohjelmaa jo hieman edellisessä TAK-kurssissa, mutta ainakin oma mielikuvani ohjelmasta oli hyvin hämärä. Aiemmalla kerralla ohjelma tuntui hyvin epäloogiselta ja käytimme sitä vain muutaman sijaintikartan tekoon opettajajohtoisesti, jolloin pienikin virhepainallus tuntui katastrofilta. Tunnin alussa kävimme läpi ohjelman perustyökaluja sekä perinteisimpiä ongelmia, joita tulee vastaan ohjelman käytössä. Tällaisia olivat muun muassa liikutustyökalut sekä kartan ”hukkaaminen” ohjelmaan. CorelDraw-ohjelman käyttö edellisessä kurssissa auttoi ymmärtämään MapInfo-ohjelmaa esim. tasojen ja piirtojärjestyksen kohdalta.

Ensin teimme opettajajohtoisesti Helsingin alueelta väestöntiheyskartan (Kuva 1). Harjoituskarttaa luodessa kävimme yksityiskohtaisemmin läpi työkaluja, sekä harjoittelimme samalla kuinka ohjelmaan tuodaan lisää aineistoa. Kertasimme myös samalla eri luokittelutyyppejä. Ainakin omalla kohdallani koin oppivani hyvin peruselementit ohjelmasta, kertauksen ja ”yritys ja erehdys” – taktiikan avulla. Toisaalta meille jaettu lunttilappu tuli myös tarpeeseen, varsinkin oppitunnin seuraavassa vaiheessa.

Kuva 1. Helsingin väestöntiheyskartta

Kuva 1. Helsingin väestöntiheyskartta

Lopputunnista saimme itse valmistaa vapaavalintaisen teemakartan Suomen kuntien tasolta, tai halutessaan toisen teemakartan Helsingin seudulta. Minä tein kartan ulkomaan kansalaisten sijoittumisesta Suomen kuntiin (Kuva 2). Kartassa näkyy prosentuaaliset osuudet ulkomaan kansalaisten määrästä kunnassa. Valitsin väriksi sinisen sävyt, koska sininen mielletään hyvin neutraaliksi väriksi. Punainen väri kartassa saatettaisiin mieltää ulkomaalaisvastaiseksi kun taas vihreä myönteiseksi. Tarkoitus oli siis pitää kartta neutraalina, jolloin sitä voitaisiin käyttää esim. opetuksessa. Sinisen sävyt myös erottuvat mielestäni hyvin toisistaan. Toisaalta kellertävä vaalein värisävy saattaa luoda mielikuvan, että se olisi ”normaaliarvo” pelkästään karttaa katsomalla. Kartan yleisvärimaailma on vaalea, joka antaa mielestäni oikean kuvan Suomen ulkomaiden kansalaisen määrästä. Olen samaa mieltä Hertta Lehvävirran kanssa värien merkityksestä, kun hän kirjoittaa:

“Värimaailman valinnassa on siis mielestäni ensisijaisesti kyse kartantekijän pyrkimysistä joko neutraaliin karttaesitykseen tai voimakkaita ja tietynlaisia mielikuvia synnyttävään visuaaliseen esitykseen.”

 

 

Kuva 2. Ulkomaan kansalaisten osuus kunnittain vuonna 2011 (Tilastokeskus 2011)

Kuva 2. Ulkomaan kansalaisten osuus kunnittain vuonna 2011 (Tilastokeskus 2011)

Tein ulkomaalaisten sijoittumisesta histogrammin internet-työkalulla ja tulos oli hyvin epämääräinen (Histogrammityökalu 2014). Lähes kaikki Suomen kunnat kuuluivat histogrammin alkupäähän, erittäin pienillä arvoilla. Seuraavat pylväät olivat kaikki hyvin matalia ja sijoittuvat epätasaisesti histogrammille, sekä niiden välissä oli hyvin selkeitä aukkoja. Tämän takia valitsin luokkarajoiksi luonnolliset luokat. Esimerkiksi kvartiilit olisivat olleet epätarkoituksenmukaisia, sillä luokkajako olisi ollut mahdotonta tehdä tasavälisiksi ja suurimmat luokat olisivat näyttäneet todellisuutta suuremmilta.

Valitsin karttaani neljä luokkaa viiden sijaan. Näin värien erottumiskyky parani ja kartasta tuli selkempi. Mielestäni kartan ei tarvinnut olla myöskään liian tarkka tässä tapauksessa, kun halusin kartan antavan vain yleiskuvan. Toisaalta aineiston jako kolmeen luokkaan olisi voinut olla myös hyvä vaihtoehto, niin että esimerkiksi kaksi alinta luokkaa olisivat yhdistyneet, jolloin kartasta olisivat korostuneet vielä paremmin vain suurimmat luokat. Jälkeenpäin ajatellen kartan sijoittelun olisi voinut tehdä myös paremmin. Nyt karttaelementit ovat hieman levällään ympäri karttakuvaa (pohjoisnuoli ja mittakaava), mutta koin niiden sijoittamisen hankalaksi. Kohtasin saman ongelman kuin Jonne, josta hän kirjoittaa blogissaan:

“Jos halusin siirtää mittasuhdepalkin kartan yläpuolelle mutta se alue ei ollut ikkunassa näkyvillä, minulla oli kaksi vaihtoehtoa: muuttaa kartan mittasuhteita, jolloin ne muuttuivat myös layout-ikkunassa, tai siirtää karttaa alemmas, jolloin se siirtyi myös layout-ikkunassa.Miksi en voinut poistaa mittasuhdepalkista reunoja? Miksi en voinut siirtää sitä layout-ikkunassa erillään itse kartasta?”

Kartasta näkyy selkeästi, kuinka ulkomaan kansalaiset asuvat Suomen rajaseuduilla. Suurimmat prosenttiosuudet ovat selkeästi maan etelärannikolla pääkaupunkiseudulla, länsirannikolla Vaasan seudulla sekä Ahvenanmaalla. Maan keskiosissa on selkeästi vähiten ulkomaalaista asutusta, mutta poikkeuksen sisämaan yleiskuvaan tekevät suuremmat kaupunkikeskittymät. Asutuksen sijoittuminen maamme rannikoille ja Etelä-Suomeen tuntuu loogiselta, koska siellä sijaitsee pääasiassa muutenkin suurin osa asutuksesta. Asiaan vaikuttaa todennäköisesti myös se, että maahan tullaan rajojen ulkopuolelta juurikin rajaseuduille, jolloin sinne on loogisinta jäädä. Uskoisin myös, että kunnassa jo olemassa oleva ulkomaalainen väestö houkuttelee paikalle saapujia jäämään samalle paikkakunnalle heidän kanssaan. Minulle yllätyksenä tuli, että maan kaakkois/itärajan tuntumassa asuu myös enemmän ulkomaalaistaustaista väestöä.

Lähteet:

Alkiomaa, Jonne (2014). Kurssikerta 1 <https://blogs.helsinki.fi/jonnealk/2014/01/15/kurssikerta-1-2/> 18.1.2014

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

Lehvävirta, Hertta (2014). Ensimmäinen kurssikerta: tutustumista MapInfoon <https://blogs.helsinki.fi/herttale/> 18.1.2014

Tilastokeskus (2011). Ulkomaiden kansalaisten osuus kunnittain