Opettavia karttasarjoja

Kuudes kahdeksan aamu alkoi vaihtelevasti reippailulla! Ulkona GPS-laitteella keräiltiin tietoa vapaa valinnaisista kohteista, jotka meillä oli kampuksen alueen valvontakamerat. Tämän jälkeen tutkailtiin ja tuotiin kartalle pistedataa keräämistämme valvontakameroista sekä RAY:n pelikoneiden sijoittumista.

Tämä oli kuitenkin vasta lämmittelyä, kun saimme tehtäväksi tehdä vapaavalintaisen kolmen kartan karttasarjan eri hasardeista opetustarkoitukseen. Tehtävä kuulosti helpolta, mutta voi niitä vaikeuksia…

Päätin tehdä ensin kartan yli 6,5 Richerin maanjäristyksistä viimeisen kahden vuoden aikana. Sain omasta mielestäni tiedot Exceliin ja Excelistä MapInfoon ongelmitta, kunnes pistekartta näytin aivan hirveältä. Pisteistä suurin osa oli nollapituus tai leveyspiirillä… what happened? Paluu Exceliin ja huomasin ohjelman muuttaneen desimaalilukuja päivämääriksi. Niinkun what? Miten voi olla mahdollista, että Excel luulee desimaaliluvun olevan päivämäärä? ……… No pientä kiertelyä ja kartta saatiin ainakin selvästi aiempaa paremmin kuntoon (Kuva 1).

MaanjäristyksetKuva 1, Yli 6,5 Richerin maanjäristykset vuoden 1996 jälkeen

Kartalta näkyy litosfäärilaattojen rajat paikoittain erittäin selvästi ja karttasarjani opetustarkoituksena onkin eri hasardien alueellisuudet esittäminen. Valitsin yli 6,5 Richerin maanjäristykset, jotta kartalla ei näkyisi liikaa maanjäristyksiä tai liian selvästi litosfäärilaattojen rajat. Tarkoituksenani kartoissa on haastaa opetettavia omaan ajatteluun. Esimerkiksi 5 Richterin maanjäristyksiä listaamalla karttaan olisi piirtynyt litosfäärilaattojen rajat erittäin selvästi eikä erottuisi, minne hieman suuremmat maanjäristykset keskittyvät.

Opetustarkoituksessa kartalta olisi tarkoitus huomata myös sisämaassa tapahtuvan yli 6,5 Richterin maanjäristyksiä, esimerkiksi Ison hautavajoaman alueella Itä-Afrikassa.

Toisessa kartassa lisäsin karttaan tulivuoria (Kuva 2). Legendassa hieman virheellisesti kerrotaan kartalla olevan kartalla näkyvien tulivuorien olleen viimeisen kuudenkymmenen vuoden aikana aktiivisia, kun oikeasti kartalla näkyy 1964 jälkeen purkautuneet tulivuoret. Viimeisen 52 vuoden aikana aktiiviset tulivuoret siis…

MaanjäristyksetjatulivuoretKuva 2, 1964 vuoden jälkeen purkautuneet tulivuoret ja yli 6,5 Richterin maanjäristykset viimeisen kymmenen vuoden ajalta

Nyt toisen hasardin tullessa kartalle mukaan huomataan, kuinka aktiiviset tulivuoret ja maanjäristykset sijoittuvat samoille alueille. Yksittäisiä aktiivisia tulivuoria on kuitenkin siellä sun täällä, mitä selittävät esimerkiksi hot spotit.

Opetustarkoituksen kannalta olisi tärkeää, että tältä kartalta huomattaisiin maanjäristysten ja aktiivisten tulivuorten sijoittuminen litosfäärilaattojen raja-alueille sekä osattaisiin lisäksi selittää muilla alueilla tapahtuneiden tulivuorenpurkausten ja maanjäristysten syitä. Tässä vaiheessa olisi myös toivottavaa, että opetettavat hieman kyseenalaistaisivat karttaa.. hmm… Ruotsissa tulivuorenpurkaus viimeisen 52 vuoden aikana? Tainnut tulla pieni virhe toiseen koordinaattiin. Esimerkiksi muuttamalla pituuspiirin koordinaatin etumerkin tulivuoren sijainti siirtyisi Islantiin, mikä kuulostaa Ruotsia huomattavasti järkevämmältä..

Kolmannen kartan tarkoituksena on viimeistään herättää opetettavat tarkkailemaan karttoja myös hieman kriittiseltä kannalta (Kuva 3).MeteoriititKuva 3, Viimeisen 20 vuoden aikana listatut meteoriitit

Kartalla näkyy viimeisen kahdenkymmenen vuoden aikana tilastoidut meteoriitit, mutta kartta ei todellakaan kerro koko totuutta meteoriiteista. Kartan mukaan meteoriitteja on selvästi eniten pudonnut sellaisille alueille, joissa asuu paljon ihmisiä. Karttaan täysin luottava voisi päätellä Yhdysvaltojen länsirannikon tai Arabian niemimaan kaakkoisrannan olevan erityisen riskialtis meteoriiteille, vaikka näin ei ole.

Emil Ehnström on blogissaan tuonut loistavan kartan, jossa kuvataan selvästi paremmin meteoriittien alueellista sijoittumista (Ehnström 2016). Tällä Linda Martelin tekemällä kartalla näkyvät 1994 – 2013 maahan pudonneet meteoriitit (Kuva 4).

2014-bolide-mapKuva 4, 1994 – 2013 maahan pudonneet meteoriitit

Tästä kuvasta voidaan huomata, miten meteoriittiriskin todennäköisyys ei vaihtele suuresti eri alueiden välillä toisin kuin oma tekemässä kartassani.

Koko karttasarja on siis tarkoitettu pääosin eri hasardien alueellisuuden tutkimiseen, mutta tämän lisäksi karttasarja on täynnä eräänlaisia piilo-opetustarkoituksia. Opetettavien olisi tarkoitus oppia kyseenalaistamaan karttoja ja käyttämään omia aivojaan!

Opetusasioita pohtiessa on pakko todeta tämän olleen kaikista rasittavin kurssikerta. En pääse yli siitä, miten on mahdollista, että Excel muuttaa desimaalilukuja päivämääriksi…

Noooh… ensi viikolla on sitten totuuden hetki – täysin itsenäinen työ.

-Jiri

Lähteet:

Ehnström, E. (2016) Kurssikerta kuus ja koulukarttoja. Luettu 10.3.2016

<https://blogs.helsinki.fi/ehem/2016/03/03/kurssikerta-kuus-ja-koulukarttoja/>

 

Brasilia – opiskelijoita turvavöissä

Viimeinen kurssikerta. Phuuh. Tarkoituksena olisi itse hakea aineisto intterweebin ihmeellisestä maailmasta ja tehdä täysin vapaavalintainen kartta. Nyt olisi tarkoitus pystyä näyttämään, mitä on opittu vai onko opittu yhtään mitään. Here goes all or nothing ja silleen.

Noniin asiaan – alueen valitseminen oli itselle kaikista helpoin tehtävä. Brasiliassa vaihto-oppilaana aikaa viettäneenä ja maasta erityisen kiinnostuneena valinta oli selvä. Löysin vielä paikkatietoaineiston, jossa oli Brasilia jaettu osavaltioihin – JIHUU!

Sitten alkoi haastavampi osuus. Muun aineiston etsintä. Päätin luottaa täysin Brasilian tilastokeskuksen sivuihin, joista hain Excel-taulukkoa toisensa perään. Vaikkei portugalin kielentaitoni ole mitään täydellistä, oli siitä huimasti apua, sillä kaikki taulukot olivat portugaliksi eikä niistä ollut englanninkielisiä versioita.

Tilastokeskuksen sivuilla aloin heti ensimmäiseksi penkomaan kaikenlaisia onnettomuustilastoja, joista heti ensimmäinen hämmensi minua suunnattomasti. Näytölleni aukesi Excel-taulukko, jossa oli prosenttilukemia siitä, kuinka moni käyttää auton etupenkillä yleensä turvavyötä.

Hämmentäväksi taulukon teki se, että siinä ei ollu jaettu ihmisiä ainoastaan osavaltioittain vaan myös ihonvärin perusteella. Sarake oli nimetty ”Rotu/väri” ja siihen oli listattu, kuinka suuri prosenttiosuus valkoisista, ruskeita ja mustista käyttää auton etupenkillä yleensä turvavyötä. Päätin kuitenkin jättää ihonvärin omaan arvoonsa ja keskittyä ainoastaan osavaltioiden välisiin eroihin. Toiseksi muuttujaksi valitsin keskimääräiset tulot asukasta kohden realeina eri osavaltioiden välillä ja näin syntyi ensimmäinen kartta (Kuva 1).Brasilia1(2)Kuva 1, Brasiliassa auton etupenkillä turvavyötä yleensä käyttävät ihmiset ja asukkaiden keskimääräiset tulot osavaltioittain

Kartalta näkyy selvästi korrelaatio kahden muuttujan välillä. Alueilla, joilla keskimääräinen tulotaso on pienempi, käytetään myös keskimäärin vähemmän turvavyötä auton etupenkillä. Kartalla minua jäi kuitenkin häiritsemään se, että ilman toista karttaa siitä voi saada kuvan, että vähätuloisuus johtaa siihen, ettei käytetä turvavyötä tai toisinpäin. Olin varma, että koulutus korreloisi molempien näiden muuttujien kanssa ja selittäisi paremmin alueiden välisiä eroja. Näin syntyi erilaisten koulutukseen liittyvien taulukoiden yhdistelyn seurauksena lopulta seuraavanlainen kartta:

Brasilia2(2)Kuva 2, Brasilian suurimmat yliopistot, korkeakouluopiskelijoiden määrä sekä osuus 18-24 vuotiaista

Kuvassa 2 erottuu hyvin samantyyliset alueet kuin kuvassa 1. Eteläisimmissä osavaltioissa korkeakouluopiskelijoiden osuus 18 – 24 vuotiaista on huomattavasti suurempi kuin pohjoisessa. Kartasta erottuu etenkin Koillis-Brasilian alhainen osuus niin korkeakouluopiskelijoiden suhteellisessa osuudessa kuin heidän absoluuttisessa määrissä. Esimerkiksi Rio Grande do Norte, Pernambuco ja Bahia ovat tällaisia osavaltioita.

Kartalla näkyy hieman huonosti, mutta neljä maan kymmenestä suurimmasta yliopistosta sijaitsee Sao Paulon kaupungin alueella, mikä näkyy myös todella korkeana korkeakouluopiskelijamääränä.

Aloin suurimpia yliopistoja listatessani pohtia niiden vetovoimaa ja etsimään tietoa siitä, voisiko kartan tulokset selittyä myös sillä, että pohjoisesta muutetaan etelään muun muassa opiskelemaan. Brasilian tilastokeskuksen sivuilta löytyi muutama loistava kartta, joissa näkyy miten etenkin Sao Paulon alue vetää juuri Koillis-Brasiliasta paljon muuttajia. Tässä kartat muuttovirroista Sao Pauloon ja Rio de Janeiroon (Kuva 3)SAOPAULOriodejaneiro

Kuva 3, Muuttovirrat Sao Pauloon ja Rio de Janeiroon

Koillis-Brasiliaan keskittyy alueita, joilta muutetaan paljon kohti etelän suuria kaupunkeja. Näillä alueilla myös keskimääräinen koulutustaso ja tulotaso ovat muuta maata alhaisempia. Tämä on johtanut moniin asioihin, kuten juuri muuta maata vähäisempään turvavyön käyttöön.

Saamani tutkimustulokset olivat odotettuja ja vahvistivat entisestään omaa käsitystäni maan sisäisistä eroista. Usein yleistetään Pohjois-Brasilian ja etenkin juuri Nordesten (Koillis-Brasilian) olevan köyhää aluetta ja Etelä-Brasilian taas rikasta, ja tilastot tuntuvat tukevan näitä yleistyksiä. Nyt olisi mielenkiintoista lähteä selvittämään syitä entistä tiukemmin… Näistä alueista olisin ollut valmis tekemään vaikka koko kurssin työmäärän verran karttoja, mutta päätin lopulta jättää karttojen teon tähän.

Kartoista itsessään on todettava, että olen TODELLA tyytyväinen työni tulokseen. Etenkin Kuvan 1 kartta on mielestäni hyvin selkeä, värivalinnat ovat onnistuneita, osavaltioiden nimet näkyvät selvästi ja kartta muutenkin miellyttää silmää. Viimeisellä kerralla tuntuu hyvältä kun voi sanoa oikeasti olevansa tyytyväinen karttaansa. On jotain siis matkan varrella selvästi opittukin.

Nyt kurssin päätteeksi voin todeta kurssin olevan itselleni erittäin mieluinen. Muiden kurssitöitä selatessani huomaan, miten jokainen on lopputulosten perusteella oppinut käyttämään MapInfoa. Tuomas Tavi on tiivistänyt ajatukseni kurssista suorastaan loistavasti: ”Kun kurssisuoritteet ovat näin onnellisesti ja hieman haikeasti ohi, voin sanoa että nyt tiedän paikkatiedon hallinnoinnista ja luomisesta huomattavasti enemmän kuin ennen kurssia. Ja mikä parasta, nyt aiheesta löytyy jopa käytännön kokemusta.”

Tästä on hyvä jatkaa eteenpäin! KIITOS!

  • Jiri

– Lähteet:

Mapa do Ensino Superior no Brasil 2015 (2016) <http://convergenciacom.net/pdf/mapa-ensino-superior-brasil-2015.pdf> (Luettu 10.3.2016)

Instituto Brasileiro de Geografia e Estatística (2016) Atlas of the 2010 Population Census <http://censo2010.ibge.gov.br/apps/atlas/> (Luettu 10.3.2016)

Tavi, T (2016) MapInfo taitojen osoittaminen ja analyyttien sisällön ja kurssin perkaaminen <https://blogs.helsinki.fi/tugtavi/2016/03/02/mapinfo-taitojen-osoittaminen-ja-analyyttinen-sisallon-seka-kurssin-perkaaminen/> (Luettu 15.3.2016)

 

 

Bufferointia, lentokenttiä ja uima-altaita

Viides kerta PAKin ääressä ja kurssikerta aloitettiin kaivamalla esiin edellisellä viikolla valmistelemamme aineisto Pornaisten keskuksesta. Aineistoon olimme merkanneet Pornaisten keskuksen alueelta päätiet sekä jokaisen asuinrakennuksen. Nyt näiden tietojen avulla aloimme tehdä bufferointiharjoituksia, coolio!

Bufferointi (suomeksi tylsästi puskurointi) työkalulla pystyy luomaan tietyn kokoisen alueen valitsemansa kohteen ympärille. Sen avulla voi helposti tutkia esimerkiksi eri kohteiden vaikutusalueiden kokoa ja niillä olevien ihmisten määriä. Harjoittelimme tämän työkalun käyttöä luomalla Pornaisten keskuksen pääteiden ympärille 100m puskurin ja tutkimme, kuinka monta taloa puskurin alueella sijaitsee. Tämän jälkeen harjoittelimme bufferointia vielä parilla hieman mielenkiintoisemmalla aiheella, kuten Pornaisten terveyskeskuksen vaikutusalueen tutkimisella. Buffer -työkalun ja sopivan aineiston avulla voi tutkia siis vaikka mitä, minkä huomasin sukeltaessani taas omin päin itsenäisten harjoitusten pariin.

Itsenäistehtäviä varten aineistona oli asukastietoja kuuden peruskarttalehden alueelta, joista pääosa sijaitsi Vantaalla. Aloitimme tutkimalla Malmin lentokenttää ja sen melualueita. Luomalla bufferin lentokentän kiitoratojen ympärille, saimme selville melualueilla asuvien lukumäärän. Kahden kilometrin säteellä lentokentän kiitoradoista asui oman bufferini mukaan 55 066 asukasta ja yhden kilometrin säteellä 8301 asukasta (Kuva1). Lähes kaikki itsenäisten tehtävien tulokset vaihtelevat hieman eri harjoituksen tekijän välillä hieman riippuen siitä, miten esimerkiksi lentokenttien kohdalla kiitoradat on merkinnyt karttaan.

Helena Rautakoski on blogikirjoituksessaan (Kurssikerta 5. Matematiikkaa Mapinfolla, 2016) esimerkiksi saanut kahden kilometrin säteellä Malmin lentokentästä asuvien lukumääräksi 55 200. Luvut tuskin ovat kummallakaan meistä täysin tarkkoja, mutta pyöristettynä voi todeta tällä alueella asuvan noin 55 000 asukasta.

PAK-taulukko

Kuva1, Taulukko itsenäisten harjoitustehtävien tuloksista

Aineistot paranivat paranemistaan, sillä seuraavaksi avasimme käyttöön lentomeluaineiston, johon oli luokiteltu ja rajattu lentokentän läheiset alueet eri melualueisiin. Sen avulla saimme selville taulukossa näkyviä lukuja melualueilla asuvien ihmisten lukumääristä. Bufferoinnin käytännönläheisyyden huomasi tutkiessamme sitä, kuinka moni ihminen asuisi 60db lentomelualueella Tikkurilassa, jos laskeutuvat koneet lentäisivät Tikkurilan yli vuoden 2002 tapaan, jolloin lentokentälle rakennettiin uutta kiitorataa. Pelkästään Tikkurilassa 60 db melualueella asuisi tällöin noin 12 300 asukasta, kun tällä hetkellä koko lentokentän vähintään 55 db melualueella asuu noin 11 400 asukasta.

Juna-asemien läheisyydessä asuvien ihmisten ja taajamissa asuvien koululaisten tutkimisen jälkeen oli aika siirtyä uuteen itsenäiseen harjoitukseen, jossa loin jopa pari karttaa. Harjoituksessa tutkin uima-altaallisten pientalojen määrää ja alueellista jakautumista. Aineiston alueella uima-altaallisia pientaloja oli yhteensä 855. Alueellista jakautumista tutkiessamme loin pari karttaa yhteistyössä Reetu Jormakan kanssa.  Uima-altaat

Kuva2, Uima-altaalliset pientalot pääkaupunkiseudulla

Kartalta selvästi erottuvat Helsingin merenrantojen korkeamman hintatason asuinalueet, kuten Lauttasaari, Lehtisaari ja Kuusisaari Helsingin niemen länsipuolella ja Tammisalo sekä Marjaniemi Helsingin niemen itäpuolella. Yllättävä tulos on Espoon ja Kauniaisten suhteellisen vähäiset uima-altaallisten pientalojen määrät, sillä suuri osa näistä alueista on hyvätuloisten aluetta ja alueella on paljon pientaloja. Uima-altaat yleensä mielikuvissa liitetään hyvätuloisiin ihmisiin ja alueisiin. Vantaalla ja Pohjois-Espoossa uima-altaita on vain yksittäisissä pientaloissa eivätkä ne keskity tietyille alueille. Reetu Jormakka on blogissaan tehnyt hyvän päätelmän Itä-Helsingin yllättävän suurista uima-allas määristä (5. kurssikerta, 2016):

”Alueet ovat läntisiä taajamia edullisempia, mikä ilmeisesti houkuttelee varakkaampaa väestöä rakentamaan alueelle suuria omakotitaloja uima-altaineen.”

Teimme uima-altaiden jakautumisesta myös toisen kartan, johon on merkitty kartalla näkyvien pientaloalueiden uima-altaallisten pientalojen määrät (Kuva3).

Uima-altaat

Kuva3, Uima-altaallisten pientalojen määrät asuinalueittain

Tyypilliseen tapaan itse kartoista muutama sana.  Ensimmäisestä puuttuu mittakaava ja pohjoisnuoli – ALOITTELIJAN VIRHE – ja toisessa kartoissa palkkien sijaintia on hieman hankala hahmottaa tarkalleen. Ainakaan manner ei tällä kertaa jäänyt valkeaksi ja värit ovat muutenkin selvät. Toki ensimmäisen kartan siniset tähdet erottuvat huonosti mennessään päällekkäin, mutta tällöin ne kuvaavat hyvin yhtenäisellä sinisellä värillä alueen suurta uima-altaallisten pientalojen määrää.

Tehtäviä tehdessä olin välillä vähintäänkin hukassa. Tällä kertaa ne todella testasivat jo aiemmin opittuja taitoja. Lähes jatkuvasti huomasin pohtivani ja kokeilevani, millä ihmeellä näihin tehtäviin saa oikeita vastauksia. Onnistuessa teki mieli huutaa JEJEJEJEJE, mutta päätin olla hiljaa. Epäonnistumisen seurauksena päästin kuitenkin lähes kaikille niin tutun hieman vaivaantuneen huudon: ”Arttuu…”. Lopulta kaikkiin tehtäviin saatiin ainakin joitain vastauksia eli taas kerran loppu hyvin kaikki hyvin.

Ei vieläkään katastrofaalisia tuskan hetkiä MapInfon kanssa. Olen positiivisesti yllättynyt! Ilon kautta ensi viikkoon

-Jiri

E: Edittiä edittiä. Taulukossahan näkyy taajamissa asuvat koululaiset kaikista koululaisista prosentteina, vaikka tehtävässä kysyttiin prosenttiosuutta niistä, jotka EIVÄT asu taajamissa. Tulos saadaan vähentämällä sadasta prosentista saatu 84,57% eli tulos on 15,43%. Kaiken huipuksi pistekartasta puuttuu mittakaavan ja pohjoisnuolen lisäksi LEGENDA…. Häpeä.

Lähteet:

Rautakoski, H (2016) Kurssikerta 5. Matematiikka Mapinfolla.  Luettu 18.2.2016

<https://blogs.helsinki.fi/helenrau/2016/02/18/kurssikerta-5-matematiikkaa-mapinfolla/>

Jormakka, R (2016) Kurssikerta 5. Luettu 18.2.2016

<https://blogs.helsinki.fi/jore/2016/02/18/5-kurssikerta/>

Neljäs kerta – pisteitä, ruutuja, nuoria ja mummoja

Tällä kertaa tiistain laskiaisriehan jälkeen en tehnyt sitä virhettä, että olisin keskiviikkoaamuna repinyt itseni puolikuolleena tekemään karttoja. Säästin voimani perjantaihin, jolloin tulin korvaamaan keskiviikon tuntia ja koin ahaa-elämyksen. Viereisessä luokassa pidetty tunti tuplanäytöillä avasi silmäni. Miten paljon helpompaa kaikki onkaan kun viereiselle näytölle saa kaiken tarvittavan eikä MapInfoa tarvitse pienentää ja säätää kokoaikaa. UPEETA MAHTAVAA!

Tällä kertaa käytiin läpi ruutuaineistoja sekä pisteaineistoja. Grid-työkalun avulla saadaan MapInfossa luotua ruudukko itse ja näin ollen ei tarvitse turvautua kenenkään muun valmiiksi tekemään aluejakoon. Lisäksi ruutuaineistot ovat etenkin pieniä alueita, kuten kaupunkeja tai kaupungin osia, tarkastellessa hyvin informatiivisia.

Aloitimme harjoittelun tekemällä kartan 20-vuotiaiden määrän jakautumisesta pääkaupunkiseudulla. Kartassa käytettiin 500m x 500m kokoisia ruutuja (Kuva 1). Aineistomme oli kartalla aluksi rasteina, mutta ruudukon avulla MapInfo kykeni jopa yllättävän helposti ja kivuttomasti muuttamaan rastejen lukumäärät erivärisiksi alueiksi.ekakartta

Kuva1, 20-vuotiaiden määrä pääkaupunkiseudulla

Tämän jälkeen oli aika muuttaa ruudukkokokoa ja tehdä uusi kartta itsevalitusta aiheesta. Päätin tehdä vastaavanlaisen kartan, mutta yli 65-vuotiaista. Tämä ei käynyt yhtä helposti kuin kartta 20-vuotiaista, sillä karttaa varten minun piti ensin yhdistää eri luokkia. Aineistossa yli 65-vuotiaat oli jaettu 65-69 -vuotiaisiin, 70-74 -vuotiaisiin, 75-79 -vuotiaisiin, 80-84 -vuotiaisiin ja yli 85 -vuotiaisiin. Tietojen yhdistämisen jälkeen päätin lisäksi pienentää ruutujen kokoa 500 x 500m ruuduista 250 x 250m ruutuihin. Värivalintojen jälkeen kartta näytti lopulta tältä:tokakartta (1)

Kuva 2, Yli 65-vuotiaiden jakautuminen pääkaupunkiseudulla

Aloitan taas kirjoittamalla kartoistani kriittisesti. Molemmissa kartoissa kartan taustaväri olisi voinut ja suorastaan pitänyt olla jokin muu kuin valkoinen. Valkoisesta väristä erottuu huonosti molempien karttojen alimmat luokat ja lisäksi se vaikeuttaa alueen hahmottamista. Oma tuottamassani kartassa (Kuva 2) lisäksi pääkaupunkiseudun kuntarajat ovat jääneet rastereiden alle, mikä jää häiritsemään karttaa tarkastellessa. Kuntien nimet olisivat varmasti auttaneet kartan lukijaa… Multa puuttuu paikannimet lähes joka kartasta? Nyt ryhtiä siihen!

Jasmiina Myllys on blogiaan varten tehnyt vastaavan kartan yli 65-vuotiaiden alueellisesta jakautumisesta, mutta hän on käyttänyt neliökilometrin kokoisia ruutuja minun 250 neliömetrin ruutujen sijaan. Myllys on myös jättänyt karttaansa OpenStreetMapin taustakartan, mikä näyttää hyvältä verrattuna omaan tylsän valkoiseen taustaani. PISTEET JASMIINALLE!

Anni Heilala on blogissaan pohtinut eri resoluutioiden hyviä ja huonoja puolia (Heilala 2016). Heilalan mielestä 250 x 250m ruutuista karttaa on vaikea tulkita, mutta 1000 x 1000 m ruudukot tuottavat hieman suppeaa tietoa. Tästä on vaikeaa olla eri mieltä. 250 x 250m ruutuinen kartta vaatii lukijaltaan enemmän kuin 1000 x 1000m ruutuinen kartta, mutta toisaalta se välittää selvästi tarkempaa tietoa. Kartan resoluutio kannattaa siis valita sen mukaan mihin karttaa tullaa käyttämään.

Myllyksen kartasta saa pääpiirteittään kuvan, missä asuu määrällisesti eniten yli 65-vuotiaita. Omasta kartastani taas näkee asuinalueittain selvemmin erot. Molemmat ajavat asiansa omassa käyttötarkoituksessaan. Omalla tavallaan ongelmana molemmissa kartoissa on vanhusten määrän olevan absoluuttinen tieto, jolloin vanhuksia luonnollisesti on enemmän siellä missä ihmisiä asuu enemmän ja väentiheys on suuri. Tämän huomaa verratessa molempia tekemiäni karttoja. Vanhuksia on usein paljon samoilla alueilla, joissa on paljon 20-vuotiaita.

Etenkin vanhusten asumista kuvaavassa kartassa näkyy kehäteiden, metron sekä junaraiteiden merkitys asumiseen. Näiden liikenneyhteyksien varrella asutus on tiheää. Nämä liikenneyhteydetkin olisi voinut karttaan merkitä, mutta lyhyesti selitettynä: Tuusulan väylä ja junarata kulkevat Helsingin niemestä (alue kartan eteläosassa, missä asuu eniten vanhuksia) luoteeseen ja Hämeentie Helsingin niemestä koilliseen.

Käyttötarkoituksena tällaiselle kartalla on esimerkiksi, minne vanhuksille suunnattuja palveluita, kuten vanhainkoteja,  kannattaa sijoittaa. Saman havainnon teki myös Myllys omassa blogissaan. Tällaiseen tarkoitukseen absoluuttista tietoa sisältävä kartta sopii mainiosti, sillä yrityksille ja kunnalle on tärkeämpää tietää palvelun mahdollisten käyttäjien määrä kuin osuus muusta väestöstä. Tällaiset kartat ovat siis erityisen hyödyllisiä juuri yrityksille ja kunnille!

Neljännellä kerralla huomasin jo käyttäväni aiemmin opittuja taitoja ja osaavani hieman MapInfon saloja, tämähän alkaa sujua! Vielä kun saan tehtyä kartan, jossa ei ole selvää valittamista, niin voin olla tyytyväinen. Ja hei, tämä karttojen tekeminenhän on oikeesti hauskaa?

Eläkeläiset saivat jäädä ja kohti seuraavaa kurssikertaa!

-Jiri

Myllys, Jasmiina. 4. kurssikerta: pisteitä ja ruutuja (2016)

<https://blogs.helsinki.fi/myllyjas/2016/02/12/4-kurssikerta-pisteita-ja-ruutuja/> Luettu 16.2.2016

Vaikeuksien kautta voittoon – Afrikan konfliktit ja Suomen tulvat

Kolmas kurssikerta alkoi rankemmin kuin mikään kurssikerta ikinä. Edellisillan GANG$TA-sitsit Otaniemessä olivat osaltani päättyneet nukkumaanmenoon aamukolmen ja neljän välissä ja silti jollain ihmeen kaupalla olin raapinut itseni aamukahdeksan luennolle. Oma ajattelu oli kurssikerralla pyöreä nolla. Sain juuri ja juuri taisteltua siten, että pysyin Artun perässä tehdessämme ensimmäistä karttaa Afrikasta. Uutta asiaa tuli jatkuvalla syötöllä enkä ymmärtänyt mistään mitään, sillä MapInfossa oli niin paljon eri tietoa ja tiedostoja auki. Tuntui, että ohjelma yrittää hukuttaa minut. En ilmeisesti ollut ainoa hukkuva, sillä muun muassa Janni Honkavaara on kuvannut blogissaan rivien loputtoman ja sekavan määrän alkavan huimata (Honkavaara 2016).

Sitten edessäni oli kartta Afrikasta. Luulin selvinneeni, kunnes kuului Artun sanat: ”Nyt voitte alkaa itse tekemään”. Tekemään mitä? Wait? What? Totesin, että olen liian heikko taistelemaan MapInfon kanssa. Myönsin tappioni, pakkasin tavarani ja suuntasin kohti sänkyä.

Nyt jälkikäteen sitten miettimään, mitä sitä tulikaan tehtyä.

taistelut-2

Kuva 1, PAK 2016 – tiedotusblogin kartta, joka on toteutettu kolmannen kurssikerran materiaaleista.

Afrikasta toteutettiin kartta, jossa esitettiin öljykenttiä, timanttikaivoksia ja konflikteja. Kaikki nämä tiedot olivat eri tietokannoissa ja opimme kurssikerralla yhdistämään eri tietokantojen tietoja.

 

Nyt viikko kolmannen kurssikerran jälkeen palasin nöyrin mielin pyytämään MapInfolta anteeksi sitä, että jätin sen viimeksi yksin. Aloin yhteistyössä sen kanssa toteuttamaan omaa karttaani harjoitusmateriaalin avulla.

MapInfo oli ilmeisesti armeliaalla tuulella, sillä kaikki sujui kuin vettä vaan. Mieleeni palautui kolmannen kurssikerran uusina opitut asiat, joita en tiennyt muistavani tai osaavani. Aloin toteuttaa karttaa Suomesta, jossa esitetään tulvaindeksiä ja järvisyysprosenttia valuma-alueittain (Kuva 2).

Karttaa toteuttaessani, yhdistin eri tietoja ja tulvaindeksin joutui itse laskemaan käyttämällä tietokannoissa olevia tietoja keskiylivirtaamasta (MHQ) ja keskialivirtaamasta (MNQ) . Näiden suhteen (MHQ/MNQ) laskemalla sai alueiden tulvaindeksit. Lopulta yhdistettyäni muun muassa keskiylivirtaaman, keskialivirtaaman, järvisyysprosentin ja tulvaindeksin samaan tietokantaan aloin luomaan karttaa.

tulvatjajarvet

Kuva 2, Tulvaindeksi ja järvisyysprosentit valuma-alueittain

Karttaa tehdessäni aloitin tekemällä koropleettikartan tulvaindeksistä, jonka jälkeen loin toisen teemakartan päälle kuvaamaan palkeilla valuma-alueen järvisyysprosenttia. Olin aluksi valinnut tulvaindeksiä kuvaavaksi väriksi sinisen väriskaalan, jossa tumman sininen kuvasi suurta tulvaindeksiä. Päätin kuitenkin, muuttaa sen punaiseksi, jolloin sain kuvattua järvisyysprosentin sinisillä palkeilla. Lisäksi punainen väri on mielestäni helpompi yhdistään korkeaan riskiin. Viime blogitekstissä olin niin pettynyt värivalintoihin, että päätin nyt keskittyä saamaan edes kohtuulliset värit karttaani.

Pienenä palautteena itselleni karttaan olisi voinut jättää myös valuma-alueiden ulkopuoliset maa-alueet näkyviin, jolloin lukijan olisi ollut helpompi hahmottaa kartan maantieteellinen sijainti. Näin teki esimerkiksi Emil Ehnström omassa kartassaan, mikä selkeyttää karttaa mielestäni huomattavasti (Ehnström 2016).

Värien lisäksi muussa hienosäädössä meni paljon aikaa. En ollut tyytyväinen MapInfon tekemään luokitteluun tulvaindeksissä. Meille oli valmiiksi annettu tulvaindeksistä tehty histogrammi (Kuva 3), jossa näkyvät eri tapaustenmäärät ja jakautuminen.

frekvenssi1

Kuva 3, Histogrammi valuma-alueiden tulvaindekseistä

MapInfo oli luokitellut kaksi ylintä luokkaa siten, että toiseksi ylin luokka oli 180-1000 ja ylin 1000-1100. En ollut tyytyväinen, enkä saanut luokkajakoa toimimaan millään valmilla luokittelumenetelmällä, joten tyydyin tekemään ylimmät luokat itse histogrammin avulla. Nyt kaksi korkeinta tulvaindeksiä kuuluvat korkeimpaan luokkaan, ja loput luokat menevät valmiin luokittelutavan mukaan. Tällöin ääripäät erottuvat paremmin muista alueista.

Kartasta voidaan tehdä yksinkertainen havainto: rannikkoalueilla tulvaindeksi on suurempi kuin sisämaassa. Kartalta erottaa helposti Suomenselän länsipuolen alueen korkean tulvaindeksin alueena. Tästä muun muassa Lappalainen, S. (2016) on tehnyt hyvän havainnon Pohjanmaan ja Länsi-Suomen joista. Näillä alueilla joet laskevat Itämereen ja aiheuttavat etenkin keväisin jäiden sulaessa tulvia, mikä korottaa alueiden tulvaindeksiä.

Toinen yhteys kartan mukaan vaikuttaisi olevan järvisyyden ja tulvaindeksin välillä. Mitä suurempi järvisyysprosentti, sitä pienempi tulvaindeksi. Järvet toimivat vesivarastoina, joten näillä alueilla jokien virtausmäärät ovat myös usein vähäisempiä sillä vettä kertyy jokiin vähemmän. Saman havainnon kartasta on tehnyt myös Myllys, J. (2016).

Pätäri, T (2016) on kritisoinut tulvaindeksin antamaa kokonaiskuvaa tulvista hyvin. Pätäri huomioi blogissaan myös esimerkiksi hyydepadot sekä samansuunteisten tuulien aiheuttamat tulvat rannikkoalueilla, mitä en osannut ensin ajatellakkaan. Nämä tekijät eivät näy kartan tulvaindeksissä eli karttaa ei siis aina kerro koko totuutta aiheesta.

Kaiken kaikkiaan olen tyytyväinen siihen, miten huolettomasti sain kartan toteutettua. MapInfo toimi moitteetta ja jätti tilaa omalle ajattelulle luokkavälien tapauksessa. Se selvästi siis hyväksyi anteeksipyyntöni ja innostukseni karttojen tekoon on taas palannut. Loppuun pieni kevennys siitä, miksi miehet mukamas lukevat karttoja naisia paremmin:

“Men read maps better than women because only men can understand the concept of an inch equaling a hundred miles.” – Roseanne Barr

Heh heh ja eteenpäin!

Näiden lisäksi tehtävä oli myös pohtia, mitä tiedotusblogin karttaan (Kuva 1) käytetyistä tietokannoista voisi tehdä, analysoida tai pohtia. Tiedostossa oli tietoja ainakin näistä muuttujista:

  • Konfliktin tapahtumavuosi
  • Konfliktin laajuus/säde kilometreinä
  • Timanttikaivosten löytämisvuosi
  • Timanttikaivoksen kaivausten aloitusvuosi
  • Timanttikaivosten tuottavuusluokittelu
  • Öljykenttien löytämisvuosi
  • Öljykenttien poraamisvuosi
  • Öljykenttien tuottavuusluokittelu
  • Internetkäyttäjien lukumäärä eri vuosina

Kurssikerralla käytettyjen tietokantojen avulla voisi analysoida myös paljon muita mielenkiintoisia asioita kuin mitä tiedotusblogin kartassa näkyy (Kuva 1). Esimerkiksi jo tunnilla käytyjä konfliktien sijoittumista suhteessa öljykenttiin ja timanttikaivoksiin voisi vertailla. Tätä voisi viedä pidemmälle ja selvittää tapahtuuko erityisen tuottavien timanttikaivosten alueilla enemmän konflikteja kuin vähemmän tuottavien. Tähän voisi lisätä myös vertailuun miten konfliktin tapahtumavuosi vertautuu timanttikaivosten ja öljykenttien löytämisvuosiin sekä poraamisen ja kaivamisen aloitusvuosiin. Toisaalta voisi tutkia, sijoittuvatko konfliktit yleisemmin alueille, joissa käytetään internettiä enemmän. Lisäksi mielenkiintoinen aihe voisi olla, miten öljykentät ja timanttikaivokset ovat muuttaneet internetkäyttäjien lukumäärää niiden avaamisen jälkeen.

Lähteet:

Honkavaara, J. (2016) Viikko 3, tietokantoja, timantteja ja tulvia. Luettu 15.2.2016 <https://blogs.helsinki.fi/honkajan/2016/02/13/viikko-3-tietokantoja-timantteja-ja-tulvia/>

Ehnström, E. (2016) Konflikteista ja tulvista. Luettu 15.2.2016 <https://blogs.helsinki.fi/ehem/2016/02/08/konflikteista-ja-tulvista/>

Lappalainen, S. (2016) 3. Kurssikerta – aineistojen muokkausta ja karttatulkintaa. Luettu 14.2.2016 <https://blogs.helsinki.fi/sirjelap/2016/02/03/3-kurssikerta-aineistojen-muokkausta-ja-karttatulkintaa/>

Myllys, J. (2016) 3. kurssikerta: tietotulva tietokannoista. Luettu 15.2.2016 <https://blogs.helsinki.fi/myllyjas/2016/02/03/3-kurssikerta-tietotulva-tietokannoista/>

Pätäri, T. (2016) Timantteja ja tulvia. Luettu 16.2.2016 <https://blogs.helsinki.fi/ttpatari/2016/02/05/timantteja-ja-tulvia/>

 

 

 

Round two

Onnistuneen ensikohtaamisen jälkeen oli taas aika mitata MapInfon (frendeille M-I) kanssa yhteistyökykyämme. Toinen kurssikerta toi eteen entistä mielenkiintoisempia aiheita. Yhden muuttujan koropleettikartan sijaan toteutettiin useamman muuttujan koropleettikartta.

Karttoja tehdessä Arttu huomatti, että jos haluaa vähän edes haastaa itseään niin voi hakea omaan aineistoa intterweebin ihmeellisestä maailmasta ja tehdä sen pohjalta kartan. Challenge accepted. Aluksi mun tarkoitus oli tuoda SotkaNetistä (www.sotkanet.fi) oma aineisto MapInfoon, minkä pohjalta kehittelisin tämän kurssikerran kartan.

Sitten SE tapahtui.

MapInfo laittoi ensimmäistä kertaa oikeasti vastaan. Mikä sitä vaivaa? Kurssikerralla sain tuotua useaan kertaan aineistot ohjelmaan ja tehtyä niiden pohjalta teemakarttoja ongelmitta ”Join” -valikon kautta, josta sain valittua tuomani aineiston. Olin kuitenkin niin äärettömän boheemilla tuulella, ettei mikä tahansa kartta kelvannut enkä ollut yhteenkään lopputulokseen tyytyväinen, minkä takia päätin tehdä kartan seuraavana päivänä palatessani Kumpulaan. Hymyssä suin aloin seuraavana päivänä kirjaston penkeillä tekemään uutta karttaa. Tästä tulis nyt hyvä! Latasin aineistot, muokkasin Excelissä, toin MapInfoon, aloin tehdä teemakarttaa, mutta sitä hiton Join nappulaa ei ollut missään?

Se oli mystisesti kadonnut. MapInfo piilotti sen ja olisi todennäköisesti nauranut minulle päin naamaa, jos sitä kehittäneet insinöörit olisivat osanneet sille sellaiset kyvyt luoda. Yritin ja yritin, mutta ei auta. Leuka rintaan ja kotia kohti. Ehkä se johtui kirjaston koneesta ajattelin ja tulin kolmannen kerran perjantaina yrittämään samalle koneelle, jossa olin aiemmin onnistunut karttoja tekemään, mutta ei. ”Join” – valikko oli edelleen piilossa. Tällöin loppui boheemius ja täydellisyyden tavoittelu ja lähdin toteuttamaan karttaa valmiiden aineistojen pohjalta. Lopputulos on tässä (Kuva1).

Huonokartta buu

Kuva1, Työssäkäyvät henkilöt prosentteina ja työpaikkojen määrä asukasta kohden kunnittain

Valitsin kartan alueeksi osan eteläistä Suomea summamutikassa. Pohjoisimmiksi kunniksi jäivät Seinäjoki ja Ilomantsi.

Värivalintaan en ole täysin tyytyväinen. Kartasta saa kyllä selvää, mutta hieman vaaleammilla värivalinnoilla kartasta olisi saanut varmaankin selkeämmän, sillä mielestäni kaikkein tummimman ja tiheimmän rasterin alta on hankala erottaa sinisen sävyjä. Samalla rastereita on vaikea erottaa toisistaan. Tunnilla neuvottiin tällaisessa kartassa käyttämään mielellään maksimissaan kolmea luokkaa, minkä ansiosta kartasta saa vielä selvää. Useammalla sinisen sävyllä karttaa olisi todella vaikea tulkita. Muiden karttoja tutkiessani huomasin esimerkiksi Petra Saaren (Saari 2016) saaneen kartasta huomattavasti selkeämmän kuin omastani. Rasterit erottuvat siinä hyvin toisistaan samoin kuin värit.Petrasaari
Kuva2, Petra Saaren tekemä koropleettikartta kuvaa korkeakoulutuksen saaneiden ja elämänlaatunsa hyväksi kokevien osuutta maakunnissa. (Saari 2016)

 

 

Sitten itse kartan tietoihin.

Kartasta huomaa, miten eniten työpaikkoja asukkainta kohden on suurissa kaupungeissa. Luonnollisesti. Kartasta huomaa myös, miten useiden suurien kaupunkien naapurikunnissa työpaikkoja asukkaita kohden voi olla vähän, mutta työssäkäyvien prosentti on silti korkea. Tämä kertoo siitä, että töihin mennään todennäköisesti juuri tähän suureen kaupunkiin oman kunnan sijaan. Esimerkiksi Helsingin alue näkyy kartalla hyvänä esimerkkinä. Toinen erimerkki kuntapari on Kontiolahti ja Joensuu aivan kartan koillisosissa. Kontiolahdessa työssäkäyvien osuus on suuri, mutta työpaikkojen määrä pieni. Joensuussa taas tilanne on päinvastainen, mistä voi päätellä useiden kontiolahtelaisten käyvän töissä Joensuussa. (Kuntien nimet, etenkin kunnat jotka täällä on mainittu pitäisi varmaan nimetä kartalle – TO DO LISTAAN!)

Tällä viikolla opittua: VÄRIVALINNAT, VÄRIVALINNAT, VÄRIVALINNAT.

Vaikka MapInfo kiukuttelikin, annoin sille anteeksi. Näemme vielä ensi viikolla.

-Jiri

Lähteet:

Saari Petra. Taistelua MapInfon kanssa. 5.2.2016 <blogs.helsinki.fi/petrasaa/>

 

Artikkeli 1 – Kahden muuttujan koropleettikartat

Anne Leonowiczin artikkelissa “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” hän käsittelee artikkelin nimen mukaisesti kahden muuttujan koropleettikartan hyödyllisyyttä ja käyttötapoja. Etenkin kahden eri ilmiön vertailuun kartalla tällainen esitystapa sopii artikkelin mukaan hyvin. Lisäksi artikkelissa käydään läpi erilaisia tapoja, joiden avulla tällainen kartta pidetään mahdollisimman ymmärrettävänä ja helposti luettavana.

Kahden muuttujan koropleettikartat helpottavat mielestäni selvästi ilmiöiden välistä vertailua kartalla. Jos käytettäisiin yhden muuttujan koropleettikarttoja, harva lukija jaksaisi vaivautua vertailemaan karttojen alueita toisiinsa ja vertailemaan sitä, miten eri muuttujien alueet sijoittuvat toisiinsa nähden. Hyvin toteutetusta kahden muuttujan koropleettikartasta nämä asiat voi havaita nopeammin.

Parhaimmillaan tällaisessa teemakartassa kahden muuttujan välinen suhde on myös paremmin luettavissa kuin tavallisista teemakartoista, mikä on kuitenkin haastavaa. Yhden muuttujan teemakartat ovat lähes poikkeuksetta helpommin luettavia, sillä ne eivät vaadi lukijaltaan yhtä paljon kuin kahden muuttujan vastaavat kartat. Niistä näkee yleensä helposti ja nopeasti niiden esittävän asian, mutta kahdella muuttujalla saadaan välitettyä todella paljon enemmän tietoa.

Tällainen väriskaala vaatiikin lukijaltaan enemmän. Se vaatii jonkin tasoista kartanlukutaitoa ja havainnointikykyä, jotta pystyy hahmottamaan kartalta poikkeukselliset ja toisaalta odotustenmukaiset alueet.

Artikkelissa käsiteltiin joitakin hankalia tilastoja, mitä en heti ymmärtänyt. Lisäksi mielestäni oli aluksi hankala hahmottaa artikkelissa esitettyä karttaa, jossa on käytetty molemmille muuttujille eri väriskaalaa. Tällöin kartalla on pahimmillaan niin monta väriä, että täytyy todella keskittyä saadakseen kartasta informaation irti.

Artikkelissa esitetyn kartan legendassa oli pelkkien väriselitysten lisäksi kaavio, jossa muuttujat ovat x- ja y- akseleilla ja jokainen tapaus on merkitty kaavion pisteenä sekä lisäksi kaavion eri osat on jaettu kartalla näkyviin väreihin, jolloin on helpompi hahmottaa eri värien tarkoitus. Mielestäni tällainen legenda on suorastaan nerokas, sillä se antaa lukijalleen paljon enemmän tietoa kuin pelkkä värien selitys. Se myös helpottaa hahmottamaan karttaa etenkin käytettäessä molemmilla muuttujilla eri väriskaaloja.

MapInfon vaikuttaa ohjelmalta, jossa tällaiset kartat ovat varmasti mahdollisia, mutta käyttäjän täytyy tietää tarkalleen mitä tekee. En ole toisaalta kovin toiveikas artikkelissa esitetyn kaaviomaisen legendan tekemisen suhteen MapInfossa, mutta karttoja se varmasti kykenisi tekemään. Omat MapInfo taitoni ovat kuitenkin vielä toistaiseksi hieman rajoittuneet, joten tällä hetkellä paikkatieto-ohjelma varmasti ohjaa paikka paikoin kartografista toteutusta. Taitoni kuitenkin kehittyvät kokoajan ja alan varmasti saada pikku hiljaa itsepäisen ja joustamattoman MapInfon kesytettyä.

  • Jiri

Lähde:

Leonowicz, A. (2006) Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija  42: 1, 33-36

Ensitreffit MapInfon kanssa

Lomat lusittu ja taas työn ääreen. Syksyn TAK-kurssit olivat paikoitellen tuskien taivalta, lähinnä oman saamattomuuden takia, ja olen koko syksyn ajan kuullut varoituksia siitä, miten PAK tulee olemaan se oikea tuskien taival. Saamani käsitysten mukaan kurssilla käytettävä MapInfo olisi ohjelma, joka ei olisi ainoastaan hankala käyttää vaan myös kaatuilisi tuon tuosta. Se tulisi siis todennäköisesti raastamaan hermojani. Näin ollen en oikein tiennyt, mitä kurssilta odottaa. Leuka rinnassa kohti uusia pettymyksiä? Tuskin nyt sentään.

”You can only make a first impression once”, sanotaan ja MapInfo ei siinä kyllä onnistunut. Tatu Leppämäki kommentoi mielestäni hyvin ohjelman käytön alkukankeuden syitä omassa blogissaan (Leppämäki 2016): ”Mapinfossa esimerkiksi kartoilla liikkuminen ja zoomaaminen vaikuttavat auttamattoman kömpelöiltä”. Ensimmäisen puolen tunnin aikana en voinut olla enempää samaa mieltä. Karttoja tuntui olevan miljoonassa eri tasossa, työkalut eivät tuntuneet luontevilta ja zoomaus aiheutti suurta hämmennystä. Yllättävän nopeasti opetusta seuratessani ja eri toimintoja kokeillessani huomasin kuitenkin puhuvani ainakin lähes samaa kieltä ohjelman kanssa. Huomasin jopa salaa hieman innostuvani erilaisten teemakarttojen tekemisestä!

Ensimmäisen kurssikerran tehtävänä oli luoda yksinkertainen teemakartta lähinnä harjoitusmielessä. Aloitin tekemällä kartan avioerojen alueellisesta jakautumisesta, mutta tiedot olivat absoluuttisessa muodossa. Kartalla siis näkyivät kyllä avioerojen määrät eri kunnissa, mutta sen informatiivisuus jäi hyvin pieneksi. Mitä enemmän alueella asuu ihmisiä, sitä enemmän siellä todennäköisesti tapahtuu avioeroja. Tämän jälkeen löysin MapInfosta keinon muokata tiedot suhteelliseen muotoon ja sain tehtyä kartan, joka kuvaa avioerojen määrää kunnittain tuhanteen asukkaaseen suhteutettuna (Kuva1).

 

Valmiskartta
Kuva1, Avioerojen alueellinen jakautuminen asukaslukuun suhteutettuna

Kartan värivalinta onnistui mielestäni suhteellisen hyvin. Valitsin mielestäni selkeän punaisen ja oranssin sävyjen skaalan, mikä auttaa lukijaa hahmottamaan karttaa eikä taistele ennakkoajatuksia vastaan. Mitä tummemman punaisena kunta kartalla näkyy, sitä suurempi avioerojen määrä. Vasta jälkikäteen huomasin legendan ”Avioerot/ 1000 asukasta kunnittain” olevan hieman hankalasti ilmaistu. Sanajärjestystä ja taivutusta voisi muuttaa (muokkaan myöhemmin!).

Itse kartan tiedoista erottuu helposti Pohjanmaalla suhteellisen vähäiset avioerojen määrät. Tätä eroa muuhun maahan voi selittää esimerkiksi lestadiolaisten suurempi osuus, vaikka tilastollisia todisteita en löytänyt siitä, että uskonnolliset avioparit eroavat muita harvemmin. Osa näistä ihmisistä toki pitää avioeroa ja uudelleen avioitumista syntinä, mikä varmasti vähentää innokkuutta avioeroon.

Toinen mielenkiintoinen havainto kartalla on korkeimman avioeroluokan kuntien sijainti eräänlaisina ryppäinä. Monessa kohtaa kartalla korkeimman avioeroluokan saaneen kunnan naapurikunnista ainakin yksi on saanut saman luokan. Tästä esimerkkinä ovat Sysmä-Hartola-Pertunmaa ja Lempäälä-Kangasala-Tampere kolmikot. Tätä kutsutaan spatiaaliseksi autokorrelaatioksi, jossa samantyyppiset alueet sijaitsevat suuremmalla todennäköisyydellä toisiaan lähellä. Syyt tällaiseen alueelliseen jakautumiseen ovat varmasti moniselitteisiä, ja olisi mielenkiintoista tutkia, miten tilastot vaihtelevat vuosittain. Avioerojen määrä ei ole vaihdellut suuresti viimeisen kahdenkymmenen vuoden aikana, mutta vaihteleeko niiden alueellinen sijainti. Toisin sanoen pysyvätkö samat kunnat joka vuosi avioerotilastojen kärjessä?

Näiden kysymysten äärelle jäin ensimmäisen kurssikerran jälkeen. Yritän tulevilla kurssikerroilla tutkia löytyykö niiden muuttujista selittäjiä avioerojen alueelliselle jakautumiselle.

Ensitreffeiltä MapInfo jatkoon.

-Jiri Lilja

Lähteet:

Solmittuja avioliittoja selvästi vähemmän, avioeroja hieman enemmän. Tilastokeskus. 17.4.2014. (http://tilastokeskus.fi/til/ssaaty/2013/ssaaty_2013_2014-04-17_tie_001_fi.html) (Luettu 25.1.2016)

Tatu Leppämäki: PAKinoita kartoista: Paikkatiedon maailmaan – 1. kurssikerta. 26.1.2016. (https://blogs.helsinki.fi/leppatat/) (Luettu 27.1.2016)