N.Y.T.P.S.W.O.T.A.

(=New York Times:n Palvelun SWOT-Analyysi)

New York Timesin palvelussa voi selata yksityiskohtaista Yhdysvaltain karttaa, jolle on väestölaskentatietojen perusteella sijoitettu erinäisiä muuttujia. Kartalla voi tarkastella korttelitasolla asti esimerkiksi väestön etnistä taustaa, koulutus- tai tulotasoa, sekä asuntojen keskimääräistä vuokraa.

SWOT-analyysi, jossa analysoit palvelua tiedon saatavuuden näkökulmasta.

S = Strenghts, Vahvuudet

Tietoa on saatavilla erittäin paljon ja erittäin yksityiskohtaisella tasolla, ja se on kaikkien saatavilla. Tiedot perustuvat säännöllisesti suoritettaviin väestönlaskentoihin.

W = Weaknessess, Heikkoudet

Palvelussa voi kerralla katsella vain yhden teeman perusteella laadittua karttaa, eli siinä ei voi helposti verrata eri teemakarttoja näyttämällä ne päällekkäin..

O = Oppoturnities, Mahdollisuudet

Palvelun avulla helppo tehdä tutkimusta alueellisista eroista ja eriytyvyyksistä. Jollekkin alueelle muuttamista harkitseva saa helposti tietoa mahdollisesta tulevasta kotiseudustaan.

T = Threats, Uhat

Palvelu voi johtaa tiettyjen aluiden leimautumiseen tietyn muuttujan (esimerkiksi köyhyyden, tai etnisen ryhmän, tai samaa sukupuolta olevien parien määrän) perusteella, ja leimaantumisen myötä tulla syrjityksi.

Palvelun esittelemä tiedon saatavuus -malli on tietoa tarvitsevan kannalta paljon toimivampi käytäntö kuin pohjoismainen, jossa tietoa kerätään paljon mutta sen käyttöön saaminen on paljon rajoitetumpaa.

Satelliittipaikannusta käytännössä: GPS -pisteet & geokoodausta

 

Kuudes kurssikerta käynnistyi muista oppitunneista poikkeavalla tavalla ulkoilun merkeissä. Harjoituksen tarkoituksena oli havainnollistaa gps- pisteiden merkitsemistä maastossa ja samaisten pisteiden liittämistä karttapohjalle.

 

Jakaannuimme pienryhmiin ja suuntasimme Kumpulan lähimaastoon. Ryhmämme kulki neljänkymmenenviiden minuutin harjoituksen aikana suurehkon lenkin Kumpulan maauimalalta mäkelänrinteen uimahallin ja vallilan siirtolapuutarhan kautta takaisin kampukselle. Merkitsimme matkanvarrella kaikki mielenkiintoiset tai ympäristöstään poikkeavat kohteet gps -laitteellamme. Voisi ehkä olla tutkimuksen kannalta merkittävämpää kerätä merkintöjä jonkin yhteisen teeman, kuten esimerkiksi bussipysäkkien sijaintien perusteella, kuin meidän harjoittamamme satunnaisten pisteiden merkitsenminen. Aikaa tehtävässä oli tosin vain kolme varttia, joten sen aikana ei hirveän isoa lenkkiä olisi kerennyt tekemään. Pisteitä sijoittaessamme huomasimme pisteiden korkeuksissa olevan suuria keskinäisiä vaihteluja melko tasaisesta maastosta huolimatta. Myöhemmin meille selvisi tämän johtuvan gps-järjestelmästä itsestään; Satelliitit kuvaavat Suomen aluetta hieman viistosti, mistä aiheutuu jonkin verran heittoa, ja toinen heittoa aiheuttava tekijä on satelliittipaikannusjärjestelmään sisäänrakennettu kuva maapallon geoidista, joka ei vastaa todellisuutta täydellisesti.

 

Palattuamme gps-kierrokseltamme takaisin luokkaan keräsimme excel -taulukkoon listan paikantamistamme pisteistä koordinaatteineen. Näiden koordinaattien perusteella pystyttiin MapInfossa sitten sijoittamaan pisteet niitä kartalla vastaaville sijainneilleen. Tämä sujui ongelmitta, eikä yhdenkään ryhmän pisteissä näyttänyt olevan suurta heittoa todellisten sijaintien kanssa. Tärkeintä oli muistaa laittaa X- ja Y- koordinaatit oikein päin, muuten pisteet sijoittuivat kartalle ikäänkuin 90 asteen kulmassa.

 

Hetken aineistoa tarkasteltuamme siirsimme sen syrjään paneutuessamma uuteen aineistoon. Tälläkertaa aineisto käsitteli pelikoneiden sijoittumista Helsingissä. Tämä aineisto poikkesi satelliittipaikannetusta aineistostamme siinä, että kohteiden sijainti oli ilmoitettu maantieteellisten koordinaattien sijaan kadunnumeron perusteella. Aineistolla taustalla oli Helsingin kartta katuineen ja erillisenä aineistona tietokanta Helsingissä sijaitsevista pelikoneista ja niiden sijainneista kadun mukaan. Näitä aineistoja sitten verrattiin MapInfon toiminnolla toisiinsa, ja pelikoneita kuvaavat symbolit alkoivat ilmestyä kartalle. Vaikka ohjelma pääasiallisesti toimikin automaattisesti joutui sitä hieman avustamaan johtuen kirjoitusvirheistä ja tietokantojen välisistä eroista katujen kirjoitusasuissa.

Lopulliselta kartalta näkyi hienosti pelikoneiden sijoittuminen Helsingissä, mutta siitä pystyi myös epäsuorasti päättelemään sompien ruokakauppojen ja anniskeluravintoloiden sijainteja.

 

Tunnin lopuksi aloimme työstämään kurssin itsenäisharjoitusta. Tälläkertaa itsenäisharjoituksen aiheena oli erilaisten hasardien esiintyminen, ja harjoitus vaati kurssikerralla opittujen taitojen soveltamista.

 

Karttoja oli tehtävä kolme kappaletta ja aihe oli vapaasti valittavissa, kunhan se on maanjäristykset, tulivuoret tai meteoriitit. Itse valitsin näistä jälkimmäisen, ja tarkasteltavaksi teemaksi meteoriittien esiintymisen sadan vuoden jaksoissa. Aineistosta löytyi häkellyttävän paljon tapauksia, joten selkeyden vuoksi rajasin aineistosta massaltaan vain yli miljoonan gramman eli tonnin meteoriitit.

Aineisto mukautui excel-tiedostoiksi ja sitä kautta MapInfoon yllättävän hyvin, kunhan koordinaatit sai asettumaan oikein päin. Saatuani kaikki kolme karttaa valmiiksi yhdistin ne yhdeksi kuvaksi kuvankäsittelyohjelmalla ja laadin sille legendan.

Maailman meteoroidiitit

Paikkatiedon puskurointia Pornaisissa & pääkaupunkiseudulla

 

Viidennellä kurssikerralla jatkoimme edellisen kurssikerran Pornaisten keskustan digitointia. Edellisen kerran teiden ja asuinrakennusten lisäksi kartalle tuli nyt omiksi kohteikseen myös sairaala ja koulu. Näiden perusteella päästiin käsiksi siihen mikä erottaa tämän digitoinnin pelkästä visuaalisesta esittämisestä, eli paikkatiedon analysointiin.

 

MapInfolla voitiin laskea erilaisia puskurianalyyseja palveluiden saavutettavuudesta, eli esimerkiksi siitä kuinka moni asukas asuu tietyn etäisyyden päässä sairaalasta. Jos tiedossa olisi ambulanssin keskimääräinen vauhti, voitaisiin sen perustteella laskea kuinka monen asukkaan luo hätätapauksessa pystyttäisiin ehtimään (ja suunnittelun kannalta vielä oleellisemmin sen, että kuinka monen luo ei ehdittäisi.). Toinen tästä aineistosta laskettu analyysi oli teiden varsilla asuvista, eli kuinka monen elämää teiltä kantautuva melu häiritsisi. Molemmissa tapauksissa ohjelma piirtää valitun objektin päälle halutun suuruisen puskurin eli kohteen muotoisen mutta kooltaan laajennetun läiskän, jonka sisään jääviä kohteitä voidaan tarkastella erikseen ja tehdä sen perusteella erinäisiä johtopäätöksiä.

 

Yhteisesti käydyn harjoituksen jälkeen loppuaika käytettiin itsenäistehtävien harjoitusten parissa. Harjoituksen aiheina olivat lentokentät, juna-asemat, taajamat sekä vapaasti valittava tehtävä joko kouluista, uima-altaista tai putkiremonteista.

 

Lentokenttä -tehtävässä oli tarkoituksena harjoitella puskurianalyysejä Malmin ja Helsinki-Vantaan lentokenttien melualueista käyttäen kartalta digitoituja kiitoratoja puskurin perusteena. Tehtävää tehdessä sattui pikkuinen kommellus; olin tulkinnut aineistosta ASLKM-sarakkeen tietoja ASukkaiden LuKuMääräksi, myöhemmin huomasin oikean sarakkeen olevan ASYHT. Tämän seurauksena jouduin laskemaan lentokenttien melualueet uudelleen. Aineistossa ei jostain syystä löydy, ainakaan helposti, selitteitä siinä käytetyille lyhenteille, joten usein joutuu arvailemaan tällä tavoin.

 

Juna-asemissa tehtävä oli hyvin samankaltainen, tarkoituksena oli selvittää tietyn välimatkan päässä juna-asemasta asuvien absoluuttisia ja suhteellisia lukumääriä puskureita käyttäen

 

Taajamien kohdalla tutkittiin asukkaiden, kouluikäisten ja ulkomaalaisten sijoittumista taajamien suhteen aiempien tehtävien keinoja hyödyntäen.

 

Viimeisessä kohdassa valitsin aiheeksi putkiremontit pääkaupunkiseudulla. Tehtävän ensimmäisissä kohdissa tekeminen keskittyi puskurien laatimisen sijaan tilastollisen aineiston tutkimiseen ja erilaisten hakujen tekemiseen tilastosta. Tutkinnan kohteena oli esimerkiksi vuosina 1965-1970 rakennetut rakennukset (eli ne, joissa putkiremontti todennäköisesti on lähivuosina edessä). Näiden rakennusten lukumäärä tuli etsiä valtavasta aineistosta, johon oli kirjattu kaikki Helsingin rakennukset, niiden valmistusvuodet ja rakennustyypit. Vei aikansa ennen kuin ymmärsin kuinka yhdistellä aineistosta erilaisten komentojen avulla haluamani tiedot omaksi tietokannakseen.

Tullessani tehtävän viimeiseen kohtaan, jossa tarkoituksena oli ilmoittaa kartalla näiden putkiremontille alttiiden kerrostalojen suurimmat osuudet omaavat alueet, ajatuksenjuoksuni pysähtyi seinään. En vain kyennyt löytämään tapaa, jolla saisin keräämäni tiedot loksahtamaan oikeille sijainneilleen kartalla. Lisäksi aika alkoi lähestyä loppuaan (kenties johtuen väärinkäsityksestä johtuen lentokenttätehtävään uponneesta ylimääräisestä työstä), joten tällä kertaa jäi kartta toteuttamatta.

 

 

Tässä vielä itsenäistehtävien vastaukset, mikäli joku lukijoista haluaa niitä itse saamiinsa verrata:

 

Itsenäistehtävä 1.

 

  1. Lentokentät-Malmi
    1. Pahimmalla melualueella (2km) asuu [tai pikemminkin asui, koska aineisto ei ole täysin ajankohtainen] 52 452 asukasta
    2. 1km säteellä kiitoradoista asuu 8 114 asukasta

 

-Helsinki-Vantaa

  1. välittömässä läheisyydessä (linnuntietä alle 2km) asuu 9 344 asukasta
  2. Edellisen kohdan asukkaista 65db-melualueella asuu 333kpl → 3.6%
  3. Vähintään 55db melualueella asuu 11 370 asukasta
  4. Laskeutumissuunnan muutos Tikkurilan ylle haittaisi vähintään 60db voimakkuudella 12 485 asukkaan elämää.

 

  1. Juna-asemata. Alle 500 metrin päässä lähimmästä juna-asemasta asuu 80 576 asukastab. Kaikista asukkaista alle 500 metrin päässä juna-asemasta asuu 16.8%

    c. a.-kohdan asukkaista työikäisiä (15-64v.) on 57 447 kpl eli 71.3%

 

 

Itsenäistehtävä 2.

 

-Tehtävän alueen asukkaista taajamissa asuu 414 288 kpl, eli 49.9%

 

-Taajamien ulkopuolella asuu kouluikäisiä 7 549, joka on 8.9% kaikista kouluikäisistä.

 

-Ulkomaalaisten osuus on yli 10% 20 alueella, yli 20% 5 alueella ja yli 30% 4 alueella

 

 

 

Itsenäistehtävä 3.-5.

 

Putkiremontit

 

-Helsingissä 1965-1970 rakennettu 5397 asuinrakennusta

-joista kerrostaloja 1280 kpl

-lähivuosina putkiremontti edessä 71 066 Helsinkiläisellä

-lähivuosina putkiremontti edessä 42 925 Asunnolla Helsingissä.

 

(Tehtävän karttaosuutta laatiessa loppui niin aika kuin osaaminenkin.)

 

Ruututeemakartat & paluu digitoinnin pariin

Ruututeemakartat

Neljännellä kurssikerralla perehdyimme jälleen hieman syvemmälle MapInfon toimintoihin, tällä kertaa ruudukon liittämiseen kartan päälle, ja teemakartan laatimiseen sen perusteella. Työ alkoi piirtämällä ruudukko valmiin pääkaupunkiseutua kuvaavan kartan ylle, jonka jälkeen valittiin ruudukossa käytettävien ruutujen koko. Mitä pienempi ruutukoko, sitä tarkemmin kartasta heijastuisivat alueiden väliset erot, tosin pienimmillä ruutukoilla ohjelma hidastui niin paljon, että sellaisten käyttäminen ei olisi käytännössä katsoen mahdollista. Ruudukon luonnin jälkeen taustalla olevasta tietokannasta valittiin tarkasteltavaksi haluttu aineisto, joka sitten päivitettiin ruudukon tietokantaan, jotta siitä voisi laatia teemakartan. Itse kartan luonti toimi samalla lailla kuin aikaisemmissakin harjoituksissa, sillä erotuksellla tosin että lopullisessa kartassa alueet eivät jakaudu koropleettien perusteella, vaan arvot jakautuvat luodun ruudukon ruutuihin. Lopullinen kartta näyttää tästä johtuen hieman erilaiselta kuin mihin on tähän mennessä totuttu, kulmikkaammalta. Blogia varten luomaani karttaa tehdessäni en aluksi ollut löytää sopivaa teemaa, jota käyttää kartan pohjana. Vaikka tehtävää varten annetussa tietokannassa olikin lukuisia aineistoja, monet niistä keskittyivät eri ikäryhmien alueelliseen esiintymiseen, ja vaikka eri tilastoja pystyikin yhdistelemään lähes loputtimasta, en oiken löytänyt mielenkiintoista tapaa yhdistellä niistä toimivaa ja mielenkiintoista karttaa. Lopulta päädyin käyttämään vanhaa kunnon asumistiheyttä. Kartta toteuttamismetodiksi valitsin myös kolmiulotteisten karttojen luontiin soveltuvaa Grid-teemakarttaa. Lopullisen kartan alueiden rajoista tulee tässä esitystavassa pehmeämpiä kuin muissa, yksinkertaisemmin toteutetuissa, ruututeemakartoissa. Grid-kartan väritys on mielestäni myös hyvä kuvaamaan ilmiön voimakkuuden vaihtelua, tumman sinisen pienimmistä arvoista vihreän ja keltaisen kautta hehkuvan punaisen voimakkaimpiin arvoihin. Kartan luokka-arvot eivät taaskaan menneet kauniisti tasan, joten lopullisessa kartassa suurimman ja toiseksi suurimman luokan välinen ero on yli viisisataa asukasta neliökilometrillä, kun muiden luokkien väliset erot vaihtelevat muutaman ja muutaman kymmenen asukkaan/Km2 välillä. Mutta näin vain on tehtävä, jotta lopullinen kartta olisi lukukelpoinen. Ainakin omasta mielestäni aikaan saamastani kartasta heijastuvat hyvin pääkaupunkiseudun asutuskeskittymät ja harvempaan asutut alueet. Kartan ongelmaksi katsoisin pääkaupunkiseudun ulkopuoliset alueet. Grid-tyylistä karttaa luodessa ohjelma interpoloi puuttuvien kenttien tiedot olemassa olevien perusteella, mistä johtuen pk-seutua ympäröivät alueet värittyvät, sinänsä visuaalisesti hauskasti, mutta ehkä hieman lukijan kannalta harhaanjohtavasti. Nuo alueet voisi tietysti editoida kuvankäsittelyohjelmalla pois, tai ainakin liittää kartan oheen muistutus, ettei kartta kuvasta pääkaupunkiseudun ulkopuolisten alueiden asutustiheyttä oikein.

PKSAST korjattu

Kartta pääkaupunkiseudun asukastiheydestä. (Huom! Kartta ei kuvasta PK-seudun ulkopuolisten alueiden asukastiheyttä täydellisesti, jos ollenkaan.)

Paluu peruskartan digitointiin

Kurssikerta ei tällä kertaa päättynytkään blogikartan viimeistelyyn, vaan siirryimme kohti uusia aiheita. Aloitimme puhtaalta (työ)pöydältä perehtyessämme kartan rekisteröinnin saloihin. Tämä tapahtui maantieteellisten koordinaattien sijoittamisella peruskarttalehden rasterikartan nurkkiin ja projektiotavan määrittämisellä. Näin aluetta vastaava aineisto osuisi oikeille paikoille kartalla. Kyseessä oli Pornaisten kuntaa kuvaava perukarttalehti, johon oli erikseen valmiiksi merkitty kaupungin keskusta. Seuraavaksi sitten palasimme henkisesti TH,A,&K -kurssin tunnelmiin alkaessamme merkitä kartalta keskustan alueelta tärkeimpää tiestöä ja asuinrakennuksia. Hyvä piirto-ohjelma MapInfo ei ole, joten tämän toteuttaminen tuntui huomattavasti kankeammalta kuin edellämainitulla kurssilla käytössä olleella CorelDraw:ssa vastaavan suorittaminen, mutta MapInfossa näitä piirroksia pystysi käyttämään huomattavasti monipuolisemmin erilaisten analyysien laatimiseen, toisin kuin lähinnä visuaaliseen esittämiseen soveltuvassa CorelDraw:ssa. Mihin näitä asuinrakennuksia ja tiestöä tulisi lopulta tarvitsemaan, se selviää seuraavan kurssikerran blogitekstissä.

Afrikan öljykentiltä Suomen vesistöihin (KK#3)

Afrikka – konfliktien, öljyn ja timanttien maanosa

 

Kurssikerran alkupuoliskolla käsitelty aineisto oli tervettullutta vaihtelua ainaisiin Suomen kuntiin; tällä kerralla tutustuimme toimintoihin Afrikan kartan kautta. Sen sijaan, että olisimme jatkaneet pelkkien teemakarttojen laatimisen harjoittelua valmiiden aineistojen pohjalta, nyt perehdyimme aineistojen muokkaamiseen.

Harjoituksen pohjana toimi jo aiemmin mainittu kartta Afrikasta, josta aluksi selkeyden vuoksi yhdisteltiin kartan taustalla olevasta tietokannasta erillisinä olevat saaret valtioihin joille ne kuuluvat. Tässä tietokannassa oli mukana erinäisiä tilastoja Afrikan valtioista, kuten esimerkiksi väkilukuja sekä Internetin ja Facebookin käyttäjien määriä. Näiden tietojen pohjalta voitiin laskea esimerkiksi Facebookin käyttäjien suhteellinen osuus väestöstä eli kyseisen palvelun läpäisevyys, tai Facebookin käyttäjien osuus Internettiä käyttävistä, joka oli joissain valtioissa jopa yli sata prosenttia (tilastot eivät olleet täysin yhteen sopivia keskenään, sillä ainakin Facebook ja internet käyttäjien tilastot olivat perättäisiltä vuosilta, mikä antaa vastauksen siihen, miten sivustoa voivat käyttää enemmän kuin kaikki ne jotka siihen pystyisivät. Ainakin tästä voi rivien välistä lukea Internetin voimakkaasta yleistymisestä myös OECD -maiden ulkopuolella).

Tämän jälkeen työstettäväksi otettiin erilliset tietokannat Afrikassa esiintyneistä konflikteista sekä timantti- ja öljyesiintymistä. Nämä tietokannatti yhdistettiin kartan tietokantaan ja näin saatiin kyseisiä ilmiöitä kuvaavat pallot ja tähdet sijoittumaan niiden sijaintia vastaaville alueille kartalla.

Vaikka paljoa tätä enempää emme tällä kurssikerralla Afrikan saloihin perehtyneet siirtyessämme laatimaan tulvaindeksi/järvisyys -karttoja, pystyisi aikaansaadulla Afrikan kartalla tekemään lukuisia analyysejä ja teemakarttoja edellämainittujen aineistojen perusteella.

Kofliktit, joiden taustalla on usein köyhyyttä, ja luonnonvarat, jotka usein mielletään vaurauden symboleiksi, muodostavat keskenään mielenkiintoisen vertailuparin. Toisaalta se, että joitain Afrikassa louhittuja timantteja toisinaan kutsutaan myös veri- tai konfliktitimanteiksi, kuvastaa sitä että tällä luonnonvaralla on ollut iso rooli joidenkin konfliktien taustalla.

Aineistosta voisi olla mielenkiintoista etsiä yhteneväisyyksiä ja korrellaatioita esimerkiksi konfliktien alkamisvuosien ja timanttikaivosten perustamisten väliltä, ja työkalut tällaisten analyysien tekemiseen alkavat pitkälti jo olla hallussa. Tosin kyseessä olevat ilmiöt ovat vaikutuksiltaan ja syntyperiltään niin monimutkaisia, etti niihin pysty löytämään täysin selittävää yhteyttä pelkästään tilastoja tutkimalla.

 

Suomi  – maa ilman timantteja, öljyä tai konflikteja..

Tulva&Järvi

..järviä ja tulvia tosin löytyy.

 

Aluksi tätä karttaa tarkastellessa voisi vaikuttaa siltä, että kartan laatija on ottanut muutamia kartografisia vapauksia Suomen rajojen suhteen, mutta siitä ei tässä tapauksessa ole kyse, sillä kurssikerran jälkimmäisellä puoliskolla tuotettu kartta kuvastaa Suomen valuma-alueita, niiden tulvaindeksejä sekä järvisyysasteita.

Alun eksoottisten teemojen jälkeen palasimme itseämme fyysisesti lähempänä olevaan aihepiiriin ja alueeseen. Harjoitus tapahtui pitkälti itsenäisesti ja vaati kuluneen kurssikerran aikana opitun soveltamista. Aineistojen tietokantoja yhdistelemällä sain aikaan taulukon joka sisälsi tulvien yli-, ali- ja keskivirtaamia, ja näiden perusteella laskin valuma-alueille tulvaindeksin. Tämän jälkeen siiryin itse teemakartan laadintaan.

Tulvaindeksi tulisi värittämään kartalla valuma-alueita ja pylväsdiagrammit kuvastaisivat näiden alueiden järvisyysprosentteja. Tulvaindeksin voimakkuutta kuvaaviksi väreiksi valitsin aiemmista blogissa julkaisemistani kartoista tutut vaaleat sinisen, vihreän ja keltaisen sävyt, jotka tässä tapauksessa tavallaan ovat jopa ilmiötä kuvaavia; sinertävät sävyt kuvaavat tulvaisimpia alueita ja keltaiset puolestaan kuivempia alueita.

Tulvaindeksin Frekvenssijakauman histogrammi oli erittäin vinoutunut , eli alueet eivät jakaudu tulvaindeksin perusteella tasaisesti. Laskennallisten menetelmien oppien perusteella päädyin käyttämään luokittelumetodinani keinotekoisia luokkarajoja, sillä kyseinen luokittelutapa on yksi harvoista vinosti jakautuneelle aineistolle hyvin sopivista, ja valitsin luokkarajat siten, että kuhunkin luokkaan tulisi suunnilleen yhtä monta tapausta.

Järvisyyttä kuvastavien pylväsdiagrammien luonti kartalle sujui varsin suoraviivaisesti, ja ainoa asia johon saatoin suuremmin vaikuttaa oli pylväiden väri. Useiden kokeilujen jälkeen päädyin käyttämään punaisia pylväitä, koska ne erottuisivat hyvin taustasta. Jokin järvisempi väri, kuten sininen, olisi kenties sopinut käyttötarkoitukseen paremmin, mutta siitä olisi seurannut luettavuuden kannalta ongelmia samankaltaisista väreistä koostuvan taustan kanssa.Lopullisesta kartasta punainen väri ainakin erottuu, mutta pylväiden luettavuutta hankaloittaa niiden meneminen toistensa (ja tulvaindeksien) päälle erityisesti pienimmillä valuma-alueilla. Myös varsinaisten järvisyysprosentti osuuksien saaminen näkyville kartalle olisi tuonut paljon selkeyttä, varsinkin kun kartan legenda ei tarjoa paljoa apua pylväiden tulkintaan.

 

Viimeisenä kohtana tehtävänannossa oli pohtia ja tulkita karttaa maallikkona, jotta myöhemmin luonnonmaantieteellisen valaistumisen jälkeen voisi verrata silloista tietämystä nykyiseen.

Huomattavin seikka kartassa on tulvaindeksin voimakkuus rannikoilla ja pohjanmaalla. Tulvaindeksi vaikuttaisi olevan kääntäenverrannollinen järvisyysprosentin kanssa, mikä ei sinänsä ole yllättävää. Jos järveen lisätään sama vesimassa joka aiheuttaisi joessa tulvia, niin korkeintaan järven pinnankorkeus nousee hieman. Lisäksi järven tulvakynnyksen ylitetty se valuttaa ylimääräiset vetensä jokiin.

Toinen kartasta heräävä kysymys on Lapin muuta mantereista Suomea korkeampi tulvaindeksi. Tämä voisi selittyä sillä, että Lapissa sataa talvisin lunta niin paljon ennemän kuin muualla Suomessa, että kevään tullen sulaessaan lumi aiheuttaa tilastollisesti muuta maata enemmän tulvia. Toinen selittävä tekijä voisi olla Lapin korkeat pinnanmuodot; tuntureilta sulaessaan lumi muodostaa jokia, jotka korkean kaltevuutensa vuoksi virtaavat nopeammin kuin niiden alajuoksun tasaisemmilla mailla virtaavat vedet, jonka johdosta joen kantavuuskynnys tulee vastaan ja aiheutuu tulvia.

Blogitehtävä: Artikkeli #1: Artikkelireaktio

Tämä teksti on laadittu reaktiopaperina Anna Leonowicz:n artikkelillle ”Two-variable choropleth maps as a useful tool for visualization of geographical relationships”(2006).

 

Artikkelin perusajatuksena on osoittaa kaksiulotteinen koropleettikartan hyödyllisyys kartografiassa.

Artikkelissa esitellään kaksiulotteisen teemakartan etuna se, että sillä pystytään esittämään helposti monimutkaisia ilmiöitä ja muuttujien välisiä korrellaatioita joiden esittämiseen yksiulotteisina karttoina tarvittaisiin useita karttoja.

Artíkkelissa puidaan päällekäisten teemakarttojen negatiivisia puolia, kuten sitä, että huonoilla värivallinnoilla kartasta tulee helposti vaikeaselkoinen ja se vaati lukijalta paljon. Artikkelissa myös käsitellään sitä kuinka U.S. Burea of Censuksen 70-luvulla julkaisemat huonosti laaditut päällekkäiset teemakartat pilasivat kyseisen esittämmistavan maineen.

Leonowicz toteutti tutkimuksen jossa testasi päällekkäisten teemakarttojen toimivuutta verrattuna yksiulotteisiin ja päätyi siihen loppu tulokseen, että oikein käytettynä päällekkäiset teemakartat ovat toimivia työkaluja kartografiassa.

 

Usean muuttujan käyttäminen samalla kartalla on erilainen tapa tuottaa teemakarttoja, ja yhdistelemällä erillisiä karttoja voidaan nähdä ilmiöitä ja niiden välisiä yhteyksiä uudella tavalla, kokonaisuus on enemmän kuin osiensa summa.

tällaisesta teemartasta on luettavissa paremmin ilmiöiden välinen korrellaatio kuin tavallisista teemakartoista, sillä kaikki tarvittava informaatio on nähtävissä samalta kartalta, eikä lukijan tarvitse vertailla useita karttoja keskenään, jolloin voi helposti, erityisesti jos alueita on kartalla runsaasti, tehdä virheellisiä tulkintoja.

Artikkelin kartoissa (fig.3) on käytetty erikoista Legendaa verrattuna useimmin tavattuihin teemakarttoihin. Legendana on käytetty hajontakaaviota, jonka päälle on väritetty kumpaakin ilmiötä kuvaavat väriskaalat eri akseleille. Lisäksi legendassa on molemmat väriskaalat ilmoitettu erikseen, sekä taulukko selventämään hajontakaaviossa olevien havaintojen lukumäärää kussakin luokassa.

 

Tällainen esitystapa vaatii lukijalta tarkempaa kriittisyyttä karttaa kohtaan, sillä yleensä lukija automaattisesti olettaa kartalla esiteltyjen ilmiöiden välillä olevan jonkinlaista korrellaatiota (eli lukija voi ajatella, että kerran kun nämä asiat on kartaksi asti laadittu, on niiden välillä oltava yhteys) vaikkei niillä olisi.

 

Käyttämäni MapInfo soveltuu melko hyvin teemakarttojen laatimiseen, mutta silläkin on omat rajoituksensa moniulotteisia teemakarttoja laatiessa. En usko että sillä pystyisi tuottamaan samanlaista karttaa kuin artikkelissa, ja vaikka ohjelman teemakarttojen värisävyjä pystyy itse vaihtamaan, on tähänastisissa kokeiluissa tuntunut siltä ettei sopivaa skaalaa oikein tahdo löytyä etenkään päällekkäisiä teemakarttoja luotaessa.

Vaikka ohjelma onkin melko monipuolinen erilaisten karttojen toteutusmahdollisuuksien suhteen, on suuri merkitys toisaalta käyttäjän omalla visiolla ja toisaalta sillä, miten paljon ohjelma tuo erilaisia mahdollisuuksia esille. Esimerkiksi omissa blogissa julkaisemissani kartoissa olen valinnut väriskaalaan yhden ohjelmaan valmiiksi ohjelmoidun skaalan perusteella. Jos vastaani olisi tullut jokin visuaalisesti upeampi vaihtoehto olisin varmaankin valinnut sen karttani sävyksi. Toisaalta uskon taitojeni karttuessa rohkenevani muokkaamaan ohjelmasta ja sen tuottamista kartoista enemmälti kartografisen visioni mukaisia.

Selvittämättömät rikokset verrattuna kuolleiden lukumäärään -kartta (Kurssikerta #2)

 

Kuolleet v selvittämättömät rikokset v2

 

Toisella kurssikerralla jatkoimme siitä, mihin edellisellä kerralla jäimme. Tälläkertaa kartalla ilmaistavien ilmiöiden määränousi yhdellä ja aloimme harjoitella päällekkäisten koropleettikarttojen luomista. Kurssin ensimmäinen puolisko kului tuttuun tapaan MapInfon toimintoja harjoitellessa ja loppuaika puolestaan oman teemakartan tuottamiseen.

Harjoituspuoliskolla tutustuimme muutamiin mielenkiintoisiin esitystapoihin, kuten esimerkiksi tapaan tuottaa aineistosta kolmiulotteinen kartta, jossa aineiston suurimmat arvot ilmenevät kuin vuorina kartalla. Parhaiten tällainen esitystapa toimisi luonnollisesti korkeuseroja kuvaamaan.

Omaa karttaa laatiessani päädyin syventämään ensimmäisessä karttassami käyttäämääni teemaa rikoksien lukumäärästä. Jo ensimmäisellä kurssikerrallani olisin halunnut laatia kartan selvittämättä jääneistä rikoksista, sillä aineistosta löytyi tilastoja sekä tietoon tulleista että selvitetyistä rikoksista. Ajattelin että olisi suhteellisen yksinkertaista laskea selvittämättömien rikosten lukumäärää vähentämällä ensimmäisestä jälkimmäinen, mutten tätä saanut onnistumaan joten lopulta tyydyin tekemään kartan tietoon tulleista rikoksista. Nyt toisella kurssikerralla tutustuin MapInfon toimintoon jolla voi muodostaa erilaisia funktioita aineistojen perusteella ja pääsin toteuttamaan alkuperäistä ideaani.

Kartalle oli lisäksi tuotava toinen ilmiö täydentämään karttaa päällekkäiseksi koropleettikartaksi käyttäen graduated -esitystapaa, jossa symbolin koko kartalla ilmaisee ilmiön voimakkuuden tai määrän. Valitsin mielestäni aihepiiriin sopivaksi ilmiöksi kuolleiden lukumäärän, ja koin että ilmiötä parhaiten kuvasi (rajallisesta valikoimasta) yksinkertaistettu ihmishahmo. Tämän jälkeen erinäisiä asetuksia selaillessani huomasin, että symbolivalikoimaa ei ollutkaan rajoitettu vain niihin viiteen, jotka graduated-toiminnon valikoimasta löytyivät, vaan lopullinen valikoima oli lähes rajaton. Löysin helposti uuden symbolin, joka kuvaisi paremmin valitsemaani ilmiötä: pääkallo ja ristiluut.

Itse kartassa ilmiöt sopivat hyvin yhteen; niillä alueilla, joilta löytyi runsaasti selvittämättömiä rikoksia oli myös reilusti enemmän kuolleita. Tämä tosin selittyy enemmänkin suurten asutuskeskittymien sijaintien perusteella kuin sillä, että kuolleiden määrää selittäisi selvittämättömien rikosten määrä, tai päinvastoin.

Itse en ole kovin tyytyväinen lopulliseen karttaani. Graduated -symbolit näyttävät epäselviltä ja menevät tiheiden alueiden kohdalla päällekkäin, mikä vaikuttaisi olevan yleinen ongelma tämän tyyppisissä kartoissa, Maria Vuorensola kommentoi blogissaan internetistä löytämäänsä karttaa tietyn kauppaketjun levinneisyydestä yhdysvalloissa: ”Itseäni ainakin häiritsee, kuinka tässä symbolina käytetyt ostoskärryt varsinkin itärannikolla menevät päällekäin eikä kartan itäisestä osasta saa selvää kuvaa ensi katsomalta.” Myös symbolien koon perusteella on vaikea arvioida ilmiöiden todellisia määriä, sillä legendassa on vain kolme luokkaa, vaikka pääkalloja on useamman kokoisia. Pienimpiä symboleita on myös vaikea erottaa kartalta.

Selvittämättömien rikosten suhteen kartta ei myöskään ole täydellinen. Yhdellä alueella oli enemmän selvitettyjä rikoksia kuin tietoon tulleita, eli selvitetyt rikokset eivät välttämättä tarkoita sitä, että ne olisivat juuri sinä vuonna tietoon tulleita rikoksia, mikä vääristää kartan pohjalla olevaa ajatusta.

Lisäksi nyt karttaa tarkastellessani huomaan, että kartan mittakaava-tikussa annettu luku on 169,2 kilometriä. Tähän olisi tietysti pitänyt laittaa jokin pyöreämpi luku, sillä siihen ohjeistettiin jo ensimmäisellä kerralla. (Ensimmäisen karttani mittakaavassa vastaava luku on 299,9. Mitenköhän tähänkin olen päätynyt? Ehkä jossain vaiheessa ohjelma on ottanut ohjat omiin käsiinsä, sillä muistikuvani mukaan ainakin yritin saada siihen kauniin pyören kolmensadan.)

 

Lähteet:

 

Vuorensola, M. (2014). Kurssikerta 2. Teemakartat <https://blogs.helsinki.fi/mariavuo/> 04.02.2014.

 

Rikokset vuonna 2010 -kartta (kurssikerta #1)

Blogioppimispäiväkirja

-merkintä #1

 

Aluksi PH,A,&K -kurssi vaikutti, nimeään ja opettajaansa myöten, lähes identtiseltä aiemman “Tiedon hankinta, analyysi, ja kartografia” -kurssin kanssa; kurssilla tulisi olemaan viikoittaisia, läsnäolon kannalta pakollisia, lähiopetustapaamisia sekä itsenäisesti tehtäviä palautettavia töitä (joiden ennen deadlinea paluttamisen kanssa edellä mainitulla kurssilla oli ainakin allekirjoittaneella hieman vaikeuksia).

Täysin uuden näkökulman tähän kurssiin tulisi tuomaan blogi-ulottuvuus, joka herätti jo alkuunsa hieman hämmentyneisyyttä kurssin syvemmästä olemuksesta. Idea kanssakurssilaisten blogien muodostamasta verkostosta simuloimassa tiedeyhteisöä vaikutti mielenkiintoiselta.

Blogien käyttäminen oppimisesta raportoimiseen voisi olla hyvää harjoitusta luentopäiväkirjojen pitämiseen, sillä kyseiseen oppimismuotoon tulisi varmasti törmäämään myöhemmissä opinnoissa. Tästä toki oli jo hieman ensimakua tuolla TH,A,&K -kurssilla, vaikkei sitä silloin vielä samalla tavalla tiedostanutkaan.

Ensimmäisellä kurssikerralla palasimme takaisin käyttämään T,H,A,&K -kurssin ensimmäisellä puoliskolla useasti kirottua Mapinfo -ohjelmaa.

Tuo ohjelma vaikutti silloin vaikeakäyttöiseltä, kankealta ja alttiilta kaatumaan, jos sitä päin sattui aivastamaankaan. Myöhemmin tulin oppimaan, että kyseisen ohjelman hallinta olisi hyödyllistä oppia, sillä ainakin kuntien viroissa se on yleisesti käytössä.

Itse kurssikerralla syvennyimme erilaisten teemakarttojen laatimiseen tällä ohjelmalla. Hetken perehtymisen jälkeen MapInfo ei enää vaikuttanutkaan niin hankalakäyttöiseltä kuin aiemman perusteella luulin. Karttojen laatiminen valmiin aineiston pohjalta alkoi tuntua jopa helpolta, Ohjelman tosin oli edelleen yhtä altis kaatumaan kuin aiemminkin, useaan otteeseen jouduin aloittamaan työni täysin alusta, sillä ohjelma ei tee automaattisia varmuuskopioita keskeneräisitä töistä.

Kurssikerralta julkaistavan kartan teeman ja muotoilun suhteen oli annettu täysin vapaat kädet. Aineistossa oli useita tilastoja koko suomen alueelta, joten valinnanvaraa oli ainakin riittävästi. Valitsin karttani aiheeksi vuonna 2010 tietoon tulleet rikokset Suomessa, ja valitsin koropleettikarttani väriskaalaksi vaaleansinisestä vaaleankeltaiseen vaihtelevat pastellisävyt. Käytin samankaltaista väriskaalaa myös karttani pohjoiskaavassa ja mittakaava-tikussa luodakseni yhtenäisen tyylitellyn kokonaisvaikutelman. Karttaa tarkastellessa voi tulla ajatelleeksi, että käyttämäni värit eivät välttämättä ole kaikista parhaita kuvaamaan rikoksia, tosin kyseessä on niin vaihtelevainen ilmiö, ettei siihen välttämättä löydy täysin selittäviä värejä. Ehkä tummemmat värit kuitenkin kuvastaisivat hieman paremmin ilmiötä.

Vaikka itse suosinkin lähiopetusta, näin kurssikerran jälkeen ajattelen että nämä lähiopetuskerrat olisivat ainakin teoriassa mahdollisia suorittaa myös itsenäisesti (tai ainakin ilman läsnäolopakkoa jokaisena kahdeksan aamuna), sillä kyseessä on lopulta melko suoraviivainen työskentelytapa, jossa edetään järjestelmällisesti kohta kohdalta harjoituksen mukaan ja lopulta sovelletaan opittua tuottamalla sen pohjalta jonkinlainen teemakartta. MapInfon tultua tutuksi tämä sujuisi varmaan myös ilman jatkuvaa opastusta.

 

Loppukurssilta toivoisin näin ensimmäisen kurssikerran jälkeen, että kurssilla tulisi tulevaisuudessa olemaan haastavampiakin harjoituksia, kuin pelkästään ohjelman perustoimintojen opettelua. Ainakin blogi-kirjoitusten laatiminen (ja muiden kurssilaisten merkintöjen lukeminen) tuo varmasti uutta näkökulmaa opiskeluun ja paikkatietoon.

 

Rikokset2010 2

kuva 1. Kartta suomessa vuonna 2010 tietoon tulleista rikoksista.