VALMIS!

Pitkä rutistus on nyt vihdoin saatettu valmiiksi. Blogin kirjoittaminen on ollut opettavaista ja paikoin jopa ihan hauskaa. Mahtavat ahaa-elämykset, joita sai muiden tekstejä lukiessa olivat kurssin parhaita puolia. Kurssista jäi paljon käteen, mutta se sai myös ymmärtämään, kuinka paljon on vielä opittavaa..

No joka tapauksessa, tämä blogi on nyt valmis (tai niin valmis kuin se tulee koskaan olemaan) tarkistettavaksi.

Kurssikerta 7: Viimeistä viedään

Viimeisellä kurssikerralla saimme vapaat kädet karttojen tekemiseen. Kurssikertaa varten piti jo etukäteen etsiä kartta ja aineistoa, jotta työskentely kurssikerralla olisi mahdollisimman sujuvaa. Halusin tutkia erilaisia muuttujia ja niiden välisiä suhteita Afrikassa, joten vietin tovin hakien erilaisia tilastoja Googlen avulla. Kartan sain käyttööni suoraan kurssikerralta 3, joten minun piti etsiä käsiini neljä eri muuttujaa ja tehdä niistä kaksi karttaa. Luulin olevani hyvin valmistautunut, mutta jo kurssikerran aluksi huomasin, että tilastotietoni olivat hankalissa muodoissa ja osa niistä oli kovin puutteellisia. Lisäksi tiedot puuttuivat aina joidenkin valtioiden osalta. Painiskelin Excellin ja MapInfon välissä koko tunnin saamatta oikein mitään järkevää aikaan. Ehkäpä muutama lisäkysymys opettajalle ei olisi ollut pahitteeksi. Lopulta päätin luovuttaa ja yrittää myöhemmin uudestaan paremmilla hermoilla.

Seuraavalla yrityksellä karttojen tekeminen onnistui huomattavasti paremmin. Muistin etsiä ja korjailla virheitä ja kirjoitusasuja jo ennen kuin siirsin aineistot MapInfoon. Lisäksi täydensin joitain puuttuvia tietoja muutamien maiden osalta. Tämä helpotti aineistojen käsittelyä MapInfossa ja nopeutti karttojen tekemistä, vaikka aineistojen muokkaamiseen saikin uppoamaan jokusen tovin. Tajusin myös yhdistää paikkatietokartan valtiot niin, ette listassa ollut 15 eri Sambiaa. Samat asiat olisin voinut ihan hyvin tehdä oikein jo ensimmäisellä kerralla, mutta silloin vika tuntui löytyvän MapInfosta eikä minusta…

Ensimmäiseen karttaan (kuva 1.) valitsin muuttujiksi koropleettikarttaan lukutaitoisuuden (The African Economist) ja lisäsin sen päälle graduated-teemakartan HIV/AIDS-tartunnan saaneiden aikuisten osuuksista valtioittain (UNAIDS). Vaikka graduated-teemakartta sopii ehkä paremmin absoluuttisten arvojen esittämiseen, valitsin suhteelliset arvot, koska Afrikan valtioiden väkiluvut vaihtelevat suuresti. Absoluuttiset arvot eivät olisi mielestäni kertoneet yhtä paljon HIV/AIDS-ongelman koosta. Kartasta jäi myös puuttumaan tietoja joidenkin valtioiden osalta, sillä erinäisistä syistä tietoa ei ollut saatavilla. Mainitsin asiasta kuvatekstissä, mutta näin jälkikäteen koen, että olisin voinut ilmaista asian selkeästi jollain symbolilla tms. itse kartassakin. Lisäsin karttaan myös joidenkin valtioiden nimiä helpottaakseni kartan tulkintaa. Halusin korostaa valtioita, joissa HIV/AIDS-tilanne on minkä vuoksi suurin osa nimistä on eteläosissa.

Afrikka AIDS literacy

Kuva 1. Lukutaitoisuus ja HIV/AIDS-tartunnan saaneiden yli 14-vuotiaiden osuudet valtioittain Afrikassa. HIV/AIDS:ia sairastavien osuudet ovat suurimpia Afrikan eteläosissa. Tiedot lukutaidosta puuttuvat Länsi-Saharan ja Norsunluurannikon osalta. Tiedot HIV/AIDS-tartunnan saaneiden osuuksista puuttuvat Länsi-Saharan, Sudanin, Libyan ja Algerian osalta. Lisäksi kartassa ei ole eritelty Sudania ja Etelä-Sudania.

Karttojen tekeminen oli vaivatonta, kun sain siirrettyä tiedot MapInfoon kerralla oikein. Sarakkeiden päivittäminen ja muokkaus oli myös helppoa ja onnistui tällä kertaa heti aluksi. Tämän jälkeen teemakartan tekeminen onnistui myös hyvin, vaikkakin jouduin hetken etsimään sopivaa muotoa ja kokoa graduated-teemakartan symbolille. Kartan värivalinnat ovat mielestäni muuten ihan ok, mutta koropleettikartan sävyt olisivat voineet olla hieman lähempänä toisiaan.

Toisen kartan tekeminen onnistui ensimmäistä karttaa nopeammin, sillä pohjatyö paikkatietokartan muokkaamiseen oli jo tehty. Valitsin tähän karttaan (kuva 2.) muuttujiksi eliniänodotteen (WHO) ja ostovoimakorjatun BKT:n henkeä kohden (World Bank). Ensimmäistä muuttujaa päätin esittää koropleettikartalla ja toista graduated-teemakartalla, joskin valitsin tällä kertaa eri symbolin. Kartta on mielestäni yksinkertainen, siisti ja helppolukuinen. Joskin graduated-teemakartasta saa tietenkin vain suuntaa antavan kuvan, ellei ala mittailemaan pallojen kokoa viivoittimella. Kartasta saa kuitenkin hyvän yleiskuvan, mikä onkin sen tarkoitus. Värivalinnat ovat mielestäni myös toimivia tässä kartassa. Päätin olla laittamatta tähän karttaan valtioiden nimiä, sillä vaikka ne helpottavat tulkintaa, on kartta kenties siistimmän näköinen ilman niitä. Lisäksi osa koropleettikartan väreistä oli sellaisia, että sopivan värin löytäminen olisi ollut haastavaa. Aikomuksenani oli myös alusta asti käyttää karttoja yhdessä, joten nimien lisääminen toiseenkin karttaan olisi ollut ehkä myös sen vuoksi turhaa.

Afrikka GDP Lifeexpectancy

Kuva 2. Eliniänodote ja ostovoimakorjattu bruttokansantuote henkeä kohden Afrikassa. Tiedot ostovoimakorjatusta BKT:sta puuttuvat Eritrean osalta.

Jo karttojen tekovaiheessa yllätyin kovasti siitä, ettei alhaisen lukutaitoisuuden ja korkean HIV/AIDS-prosentin välillä näyttänyt olevan selvää (tai oikeastaan minkäänlaista) yhteyttä. Enemmänkin asia oli toisin päin. Erityisesti eteläisissä valtioissa, joissa lukutaitoisuuskin on monissa yli 80%, kohoaa HIV/AIDS-tartunnan saaneiden aikuisten osuus lähelle tai yli 20%. Samalla esimerkiksi Nigerissä ja Burkina Fasossa lukutaitoisten osuus jää alle 35,4% ja HIV/AIDS-tartunnan saaneiden aikuisten osuus on noin 1%. On kuitenkin otettava huomioon se, että osuudet ovat arvioita ja todennäköisesti melko karkeita sellaisia, sillä monissa Afrikan valtioissa ei ole kovin kummoisia tilastoja edes saatavilla. Lisäksi osa tai molemmat tiedoista puuttuvat joidenkin valtioiden osalta kokonaan. Vaikka HIV/AIDS-tartunnan saaneiden aikuisten osuus saattaa kuulostaa jopa yllättävän pieneltä, ottaen huomioon sen mielikuvan, jota monet AIDS-kampanjat levittävät, on tärkeä muistaa, että koko maapallon yli 15-vuotiaista noin 0,8% arvioidaan sairastavan HIV/AIDS:ia(WHO). Afrikan osuus tästä on siis pelottavan suuri. WHO:n mukaan Saharan eteläpuolisessa Afrikassa asuu 69% maailman AIDS-potilaista.

Toisen kartan muuttujien välillä on nähtävissä ennakoitavampi korrelaatio: korkea ostovoimakorjattu BKT henkeä kohden korreloi ainakin jollain tasolla korkean eliniänodotteen kanssa. Korrelaatio ei kuitenkaan ole täysin selvä, sillä esimerkiksi Päiväntasaajan Guineassa on kartan mukaan korkein GDP-PPP ($ 37 000), mutta se kuuluu silti alimpaan luokkaan eliniänodotteissa. Lisäksi suurin osa valtioista jää GDP-PPP:n osalta alle $ 3700, ja niiden eliniänodotteet ovat silti hyvin erilaisia. Toki ostovoimakorjatussa BKT:ssa henkeä kohden on silti suuria eroja, mutta kartan miinukseksi voisi mainita sen, että niitä voi olla vaikea havaita, koska pallot ovat niin pieniä. Kartasta voi kuitenkin todeta sen, että korkea GDP-PPP on usein yhteydessä korkeampaan eliniänodotteeseen, mutta toisaalta alhainen GDP-PPP ei tarkoita ehdottomasti alhaisempaa eliniänodotetta. On otettava jälleen kerran huomioon myös se, ettei kaikkiin tilastoihin voi välttämättä luottaa 100%. Lisäksi on tietysti muistettava, ettei ostovoimakorjattu BKT laskettuna henkeä kohden kerro todellisuudessa siitä, miten tulot jakautuvat valtion sisällä. Kartasta näkee myös sen, että suurin osa valtioista jää selvästi alle $ 12 700, mikä on kaikista maailman valtioista laskettu keskimääräinen ostovoimakorjattu BKT henkeä kohden (IndexMundi).

Kun karttoja vertaa keskenään on mielestäni yllättävää huomata, että vaikka monissa eteläisissä valtioissa HIV/AIDS-osuudet ovat suuria, kuuluu niistä silti osa ylimpään tai toisiksi ylimpään luokkaan eliniänodotteen suhteen. Toisaalta siellä on myös valtioita, kuten Lesotho ja Swazimaa, jotka kuuluvat alhaisimpaan elinäinodoteluokkaan (alle 53v.). WHO:n mukaan maailman keskiarvo eliniänodotteessa vuonna 2011 oli 70 vuotta, joten kokonaisuutena Afrikka jää huomattavasti tämän alapuolelle. Oli myös mielenkiintoista etsiä yhteyttä GDP-PPP:n ja HIV/AIDS-tilastojen välillä, vaikka en ainakaan itse nää niiden välillä mitään selvää korrelaatiota. Huomioni kiinnittyi kuitenkin siihen, että Pohjois-Afrikan öljy- ja muslimivaltiot erottuvat selvästi muusta Afrikasta molemmissa kartoissa, joten jako niiden ja Saharan eteläpuolisen Afrikan välillä lienee varsin perusteltu. Toinen hyvin mielenkiintoinen tutkimuskohde olisi lukutaidon ja eliniänodotteen välinen tarkastelu, sillä niiden välillä nään ainakin potentiaalisen korrelaation.

Lopuksi täytyy todeta, että vaikka tämä kurssi ei ole ollut ehkä se lempparein, on ongelma löytynyt varmasti enimmäkseen minusta eikä MapInfosta, vaikka sitä on niin mukava syyttää kaikesta pahasta. Ohjelma vaatii kohdallani vielä monta harjoituskertaa, jotta sen käyttö muuttuisi täytin sujuvaksi, mutta kaikesta pyristelystäni huolimatta jotain taitoja on selvästi tarttunut matkaan kurssin aikana. Tämä kävi selväksi viimeistään nyt viimeisen kurssikerran aikana, kun asiat onnistuivatkin yllättävän hyvin ilman jatkuvaa ohjeiden tuijottamista. Oli myös mukava huomata, että aluksi nihkeältä tuntunut blogikirjoittaminen alkoi maistua ja tuntua ihan luontevalta tavalta pohtia omia ja muiden ratkaisuja kartoissa. Tekstissä on varmasti  hurja määrä parannettavaa, mutta eiköhän siinäkin tapahdu kehitystä ajan myötä. Christa Sallasmaan sanoihin on helppo yhtyä: “Varmasti joudun vielä moneen kertaan paikkatieto-ohjelmien kieltä kertaamaan, mutta nyt nämä ohjelmat eivät enää tunnu pelottavilta sokkelohirviöiltä. Ainakaan kovin paljon.”

 

Lähteet:

SWOT-analyysi New York Timesi karttapalvelusta

Viimeisellä viikolla piti perinteisen kurssikerralla saadun tehtävän lisäksi tutustua New York Timesin tarjoamaan Mapping America: Every City, Every Block –palveluun ja tehdä siitä SWOT-analyysi. SWOT-analyysissa käytetään nelikenttää, jonka avulla arvioidaan tutkittavan asian sisäisiä ja ulkoisia ominaisuuksia. Sana SWOT tulee englanninkielisistä sanoista strenghts, weaknesses, opportunities ja threats.

New York Timesin palvelu tarjoaa paikkatietokarttoja väestöön liittyvistä asioista. Palvelussa voi tarkastella karttoja neljän eri teeman alta: rotu ja etnisyys, tulot, asuminen ja perheet sekä koulutus. Jokaisen otsikon alta löytyy 4-7 erilaista karttaa aiheesta. Osa kartoista on piste- ja osa koropleettikarttoja. Liikuttamalla hiirtä kartan päällä saa tarkkaa tietoa piirikunnittain, mikä tuo huimasti lisää tietoa karttoihin. Palvelu on mielenkiintoinen ja toimiva. Erilaisten karttojen katseleminen onnistuu vaivatta ja muuttujia voi tarkastella koko valtion laajuudelta aina katutasolle saakka, mikä on melko vaikuttavaa. On tosin mielestäni vähän arveluttavaa esittää kartoilla näitä muuttujia niin tarkasti, sillä se voi loukata ihmisten yksityisyyttä tai johtaa väärinkäyttöön.

Sivun ylälaidassa oleva teksti on otettava huomioon arvioitaessa tietojen tarkkuutta ja paikkansapitävyyttä. Tekstissä sanotaan tietojen perustuvan näytteisiin, joten niissä on virhemahdollisuus, varsinkin alueilla joissa on alhainen asukastiheys. Tämän vuoksi tietoja tulisi lukea vain arvioina. Lisäksi kyselyt, joiden pohjalta tiedot on otettu, on suoritettu 2005–2009, eli ne voivat olla jo vanhentuneita. Tuo teksti jää kuitenkin varmasti monilta lukematta. Itsekin hyppäsin iloisesti sen yli kun kivat värit kartalla veivät huomioni. Kartan lukemisen kannalta teksti on kuitenkin hyvin oleellinen, sillä ilman sitä karttoja voi tulkita väärin tai liian kirjaimellisesti.

Mielestäni on vähän erikoista esittää julkisessa karttapalvelussa eri etnisten ryhmien sijoittumista, varsinkin kun luokat ovat valkoinen, musta, latinalaisamerikkalainen, aasialainen ja muu.  Tällainen jaottelu suurpiirteistää etnisiä ryhmiä liikaa. En ole koskaan nähnyt vastaavaa karttaa, ja voin vain kuvitella millaisen haloon sellainen herättäisi esimerkiksi Suomessa. Tietysti kulttuuriset taustat Suomella ja Yhdysvalloilla ovat hyvin erilaiset. Suomesta olen nähnyt karttoja ja tietokantoja, joissa on eritelty eri äidinkielten puhujat, minkä koen paremmaksi. Tosin tällä aiheella tehty kartta ei erottelisi Yhdysvalloissa valko- ja tummaihoisia toisistaan, mikä vaikuttaa ainakin nykyisessä olleen oleellinen asia. Jessica Järvinen pohti asiaan liittyen myös hyvin vakavaa mahdollista seurausta: ”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. — Palvelu siis saattaa entisestään kiihdyttää segregaatiota, joka on ongelmana varsinkin suurissa kaupungeissa.”

Mielestäni Suomen käytännöt vastaavien tietojen jakamisesta vaikuttavat paremmilta. Ensinnäkin Suomen väestötietokannat ovat maailman huippuluokkaa ja tarkkuus on erinomainen. Tieto on siis hyvin luotettavaa. Se että tietoa ei voi saada kuka tahansa lisää ihmisten yksityisyyden suojaa ja rajoittaa tietojen väärinkäyttöä esimerkiksi rikollisiin tai kaupallisiin tarkoituksiin. Lisäksi, kun tietoa saa käsiinsä vain tiettyjä tarkoituksia varten ja on tiedossa, kenelle tietoja on annettu, on kynnys niiden tahalliseen väärinkäyttöön kenties suurempi.

Yhteenvetona vielä ominaisuuksia SWOT-teemoittain:

Sisäisen ympäristön vahvuudet:

-karttojen visuaalinen ilme

-palvelun helppokäyttöisyys (ei tarvitse olla GIS-velho)

-zoomattavuus eri tasoille

Sisäisen ympäristön heikkoudet:

-tiedon tarkkuus ja paikkansapitävyys

à varsinkin pistekartat antavat vaikutelman hyvin tarkasta ja absoluuttisesta tiedosta, vaikka kyseessä on arvio

-karttoja ei ole juurikaan avattu teksteillä, vaan tulkinta jää yksin käyttäjälle

-osa koropleettiteemakarttojen värisävyistä on turhan lähellä toisiaan

Ulkoisen ympäristön mahdollisuudet:

-vastaavia palveluita ei ole kovin monia

-alueelta, jolta on mahdollisuus saada hyvin tarkkoja tietoja (esim. Suomi), voisi palvelu toimia vielä paremmin

-vaikka kyse on arvioista, antanee palvelu vähintäänkin kohtalaisen luotettavan yleiskuvan, jos ei zoomaa kovin lähelle

Ulkoisen ympäristön uhat:

-mahdollisuus väärinkäyttöön (terrorismi tms.)

-voi levittää vääriä mielikuvia, jos karttoihin ei suhtauduta kriittisesti

Lähteet:

·         Bloch, M., Carter, S. ja A. McLean. (2014). Mapping America: Every City, Every Block. New York Times. 24.2.2014. <http://projects.nytimes.com/census/2010/explorer>

·         Järvinen, J. (2014). Mapping America: Every City, Every Block ja SWOT-analyysi. 24.2.2014.

<https://blogs.helsinki.fi/jessicaj/>

Kurssikerta 6: Pisteaineiston muodostaminen ja esittäminen kartalla

Kuudes kurssikerta aloitettiin jalkautumalla ryhmittäin Kumpulan maastoon keräämään johonkin teemaan liittyviä pisteitä GPS-laitteella. Ryhmäni päätyi hakemaan kampusalueelta pysäköityjä pyöriä. Harjoitus oli mukavaa vaihtelua tietokoneen ruudun tuijotteluun. GPS-laite toimi muuten oikein hyvin, mutta pisteiden korkeudet eivät pitäneet paikkansa ja osa rakennusten vieressä sijainneista pisteistä oli hieman väärässä kohdaas. Syyn näihin kuulimme luennolla, ja Ilkka Saarinen oli kirjoittanut asiasta blogissaan näin: ”Arttu selitti poikkeavia tuloksia satelliittien kaukaisella sijainnilla, mikä aiheuttaa virhettä ennen kaikkea vertikaalisuunnan mittauksissa. Myös rakennukset aiheuttavat GPS – määrityksiin liittyviä epätarkkuuksia, jolloin esimerkiksi suuren talon läheisyydessä piste saattaa sijoittua sisätiloihin, vaikka mittaus olisi todellisuudessa tehty rakennuksen ulkopuolella.” Pisteiden keräämisen jälkeen siirryttiin takaisin sisälle ja kirjattiin pisteet ja hieman tietoja niistä Excel-taulukkoon.  Tämän jälkeen päästiin itse asiaan, eli pisteiden siirtämiseen MapInfoon. Toimenpide onnistui helposti ja mutkattomasti. Omien pisteiden lisäksi kartalle lisättiin vielä muidenkin ryhmien keräämiä GPS-pisteitä, jotta pisteiden lisäämiseen saisi lisää rutiinia. Yhteisharjoituksen lopuksi kävimme läpi vielä geokoodausta.

Alkutunnin ”lämmittelyn” jälkeen siirryttiin itsenäistehtävän pariin. Tällä kertaa tavoitteena oli tehdä kolme karttaa hasardeista. Karttoja piti miettiä opettajan näkökulmasta. Pistetietoa löytyi kolmesta eri hasardista: maanjäristykset (ANSS Catalog), tulivuoret (Global Volcano Locations Database) sekä meteoriitit. Tovin pohdinnan jälkeen päädyin tekemään kartat voimakkaiden maanjäristysten ja tulivuorten sijainneista, kerrostulivuorten sijainneista sekä kilpitulivuorten sijainneista. Hain pistetiedot netistä ja kierrätin ne Wordin kautta Exceliin, jotta Excel ei muuttaisi lukuja päivämääriksi. Tämän jälkeen avasin tiedoston MapInfossa maailmankartan päälle Create points –toiminnon avulla. Lopuksi viimeistelin kartat vielä Corelissa, joskaan en tehnyt kovin isoja muutoksia.

Ensimmäisessä kartassa (kuva 1.) on 1964 tai sen jälkeen tapahtuneiden yli 6 Richterin maanjäristysten ja tulivuorten purkausten sijainnit.  Kartan tarkoitus opetusmielessä olisi osoittaa näiden kahden hasardin sijoittumisen yhdenmukaisuus, mikä käykin mielestäni selkeästi ilmi kartasta. Apuna ja lisänä olisi hyvä olla myös kartta mannerlaatoista (kuva 2), jolloin yhteys niiden ja hasardien välillä näkyisi selvästi. Selkeyttä karttaan olisi voinut tuoda se, että olisin pienentänyt käyttämiäni symboleita huomattavasti, sillä suurin osa symboleista on ainakin osittain päällekkäin. Hyvä esimerkki selkeämmästä kartasta on kuvassa 3. Toisaalta oleellisinta ei tässä tapauksessa ole välttämättä se, kuinka monta maanjäristystä jossain on tapahtunut, vaan kartasta saatava yleiskuva. Myöskään aivan tarkoilla sijainneilla ei tämän takia ole niin suurta merkitystä. Ihmettelen kuitenkin hieman Ruotsin keskellä sijaitsevaa tulivuorta..

Maanjäristykset_tulivuoret_1964_kartta

Kuva 1. Yli 6 Richterin asteikon järistysten ja purkautuneiden tulivuorten sijannit 1964 tai sen jälkeen.

tectonic plates

Kuva 2. Mannerlaatat ja niiden liikesuunnat (Tectonic Plates of the Earth).

Nettikuva maanjäristykset tulivuoret

Kuva 3. Maanjäristysten ja tulivuorten sijainnit maapallolla pienemmin symbolein esitettynä (BRG).

Toiseen ja kolmanteen karttaan valitsin aiheiksi tiettyjen tulivuorien sijainnit. Tällä kertaa en rajannut vuoria viimeisimmän purkautumisajankohdan vaan tulivuorityypin mukaan. Valitsin kerrostulivuoret ja kilpitulivuoret, sillä ne syntyvät ainakin tyypillisesti mannerlaattojen suhteen erilaisilla alueilla. Kerrostulivuoret syntyvät useimmin mannerlaattojen törmäysvyöhykkeillä ja kilpitulivuoret joko hot spoteissa tai joskus loittonemisvyöhykkeellä. Varsinkin toinen kartta (kuva 4) olisi myös hyvä esittää yhdessä mannerlaattoja ja niiden liikkeitä esittävän kartan yhteydessä. Tällöin yhteys kerrostulivuorten ja alityöntövyöhykkeiden välillä on hyvin helppo huomata. Suurimman poikkeuksen niihin tekevät vain Atlantin keskellä sijaitsevista kerrostulivuoret, joista olen jopa hieman yllättynyt. Ne lienevät joko todella vanhoja, tai sitten joku viisaampi saa selittää minulle niiden syntyperiaatteen. Kolmas kartta (kuva 5) esittää puolestaan hyvin sen, että tulivuoria on myös laattojen keskellä, mikä saattaa joiltain unohtua.

Kerrostulivuoret kartta

Kuva 4. Kerrostulivuorien sijoittuminen maapallolla.

Kilpitulivuoret kartta

Kuva 5. Kilpitulivuorten sijanti  maailmankartalla.

Tekemistäni kartoista yksikään ei ole visuaalisesti erityisen viehättävä, mutta niistä saa hyvän kokonaiskuvan näiden hasardien sijoittumisesta. Yhdessä muiden karttojen, erityisesti mannerlaattoja esittävien, kanssa kartat voisivat toimia hyvänä pohjana oivalluksille asioiden välisistä yhteyksistä. Itse opin parhaiten nimenomaan oivallusten kautta. Asiat on helpompi muistaa, kun niiden eteen on tehnyt jotain aivotyötä sen sijaan, että vain kuuntelisi passiivisesti luennointia. Oivaltamisen lisäksi muistamista ja oppimista tukee hyvin myös ilmiöiden tulkitseminen niiden seurausten kautta, kuten Natalia Erfving pohti omassa blogissaan: ”Kartasta saisi myös mielenkiintoisen, jos siitä erotettaisiin muutama iso hasardi ja kerrottaisiin näistä jotakin ominaisuustietoa, eli esim. kuinka suuresta hasardista on kyse, milloin se tapahtui ja kuinka paljon siihen menehtyi ihmisiä. Tällaiset yksityiskohtaiset ominaisuustiedot tuovat ilmiön lähemmäksi lukijaa. Tämä myös voimistaa muistamista ja saa mahdollisesti oppilaiden kiinnostuksen heräämään.”

Osa karttojen kohteista (esim. tulivuori Ruotsissa) on todennäköisesti syystä tai toisesta päätynyt hieman väärään kohtaan, joten kohteet tulisi ehdottomasti tarkistaa. Toisaalta tällä mittakaavalla asioita on lähes mahdoton esittää paikkatarkasti, eikä se olisi edes tarkoituksen mukaista. Oleellisinta on se, ettei kartalla ole täysin väärää tietoa ja esitettävän ilmiön levinneisyys käy hyvin ilmi. Toki karttoja kannattaisi muutenkin muokata mielenkiintoisemmiksi ja ryhdikkäämmiksi, jos niitä mielisi käyttää oikeasti opetustyössä.

 

Lähteet:

Kurssikerta 5: Bufferointia ja analyyseja, eli tuskaa ja ärsytystä

Viidennellä kurssikerralla päästiin tekemään ihka oikeita paikkatietoanalyyseja, joista on puhuttu pääsykokeesta asti. Pääpaino oli bufferoinnissa eli puskuroinnissa ja sen avulla saatavassa tiedossa. Puskuroinnilla tarkoitetaan siis alueen tai pisteen ympärille muodostettavaa vyöhykettä, jonka alueelta voidaan laskea siihen liitettyjä tietoja. Puskurointia voidaan käyttää tällä kurssikerralla kokeiltujen asioiden lisäksi vaikka mihin. Se on varmasti korvaamaton työkalu esimerkiksi uuden bussireitin suunnittelussa, kun on tarpeen selvittää potentiaalisen reitin varrella asuvien määrä. Myös esimerkiksi kauppojen, terveyskeskusten, tehtaiden, pelastuslaitosten ja sairaaloiden sijoittamisen suunnittelussa puskuroinnilla voidaan saada hyvin tärkeää tietoa esimerkiksi väestöstä. Pyry Poutanen oli blogissaan pohtinut myös sotilaallista käyttöä, mikä oli mielestäni hyvin mielenkiintoista: Uskon puskuroinnin mahdollisuuksiin myös sotilaallisissa tarkoituksissa, sillä esimerkiksi tukikohtasuunnittelussa on tärkeää joukkojen hajauttaminen ja toisaalta keskittäminen samanaikaisesti. Joukot ja materiaali ovat karttaan sidottuja objekteja ja elintärkeät toiminnot (muonitus, sairaanhoito IED:n purku yms.) pitää olla saavutettavissa ja esimerkiksi ilmaiskujen potentiaaliset tuhot minimoida (ympyräsäteinen tuhoalue).” Tällä kurssikerralla käytimme puskurointia mm. melualueella ja juna-asemien läheisyydessä asuvien henkilöiden määrän selvittämiseen.

Aluksi käytettiin edellisellä kerralla MapInfoon piirrettyä Pornaisten karttaa ja laskettiin esimerkiksi taloja, jotka olivat tietyn etäisyyden päässä pääteistä. Itse tulin tunnille hieman myöhässä ja kesti tovi päästä kärryille siitä, miten koko bufferityökalu toimii. Onneksi se on kuitenkin melko yksinkertainen. Suurimmat ongelmat kohdistuivat tässä vaiheessa Boundary select -työkalun käyttämiseen, mutta toistaiseksi niistä selvittiin tasojen valittavuutta säätelemällä. Alkutunnista tutuksi tuli myös Σ-työkalu, joka kertoo valittuun kohteeseen/kohteisiin liitettyä tilastotietoa esimerkiksi asukasluvuista.

Yhteisen alun jälkeen oli vuoro siirtyä itsenäistehtävien pariin, joita sitten puurrettiinkin jokunen tunti. Aineistona suurimmassa osassa tehtäviä toimi kuuden karttalehden kokoinen alue, johon oli piirretty juna-asemien sijainnit. Aluksi kartalle piirrettiin Malmin ja Helsinki-Vantaan lentokenttien kiitoradat, minkä jälkeen aloitettiin varsinainen analysointi ja tehtäviin vastaaminen. Ensimmäiset tehtävät koskivat Malmin lentokenttää ja niiden suorittaminen tuntui onnistuvan suhteellisen kivuttomasti, tosin joitain kertoja piti ihmetellä Boundary selectin mielenmaailmaa. On kuitenkin täysin mahdollista, että olen mennyt metsään jo tässä vaiheessa. Saamani vastaukset löytyvät taulukosta 1.

Untitled-1

Taulukko 1. Vastaukset ensimmäisiin itsenäistehtäviin.

Malmin jälkeen siirryttiin Helsinki-Vantaalle ja huomattavasti haastavampien tehtävien pariin. Neljästä tehtävästä kolmessa piti käyttää myös lentomelu-tietokantaa hyväkseen. Tämä synnytti lisäongelmia
Boundary selectin käyttöön, sillä mitä tahansa yritin, tuntui siltä kuin työkalu valitsisi tietoja aina juuri väärästä tasosta tai sitten se ei löytänyt yhtään mitään valittavaa. Jouduin kysymään monesti neuvoa ja pinna alkoi mukavasti kiristyä, kun tehtävistä ei meinannut tulla oikein mitään. Asiaa vaikeutti myös se, että olin monien epäonnistuneiden yritysteni aikana luonut paljon ylimääräisiä Queryita, eli kyselyitä, ja aloin jo olla hieman sekaisin siitä, mitkä niistä olivat tarpeellisia ja mitkä turhia. Kyselyt ovat sinänsä todella hyödyllisiä, sillä niillä voi rajata tapauksia melko monipuolisesti ja nopeasti. Ongelmia syntyy lähinnä siitä, miten rajauskäsky tulisi antaa työkalulle niin että lopputulos olisi juuri haluttu. Usein se kuitenkin onnistuu viimeistään muutaman yrityksen jälkeen.

Lentokenttien jälkeen vuorossa oli muutama juna-asemia koskeva tehtävä. Niiden tekeminen onnistui jo huomattavasti edellisiä paremmin. Kenties päähäni oli vihdoin uponnut jotain MapInfon käytöstä pitkän tuskailun jälkeen. Avuksi tässä oli myös se, että pystyin poistamaan kaikki turhat ikkunat ja siistimään näkymää niin, että oli helpompi hahmottaa, mitä tietoja minulla on käytössä ja mitä niillä pitäisi selvittää. Muuten tehtävät olivat hyvin samanlaisia kuin edelliset, mutta viimeisessä kohdassa piti käyttää hyödyksi edellisiltä kerroilta tuttua tietokannan muokkausta. Se muistui jonkin ajan kuluttua mieleen edes jotenkuten, joten ehkä minulla on vielä toivoa.

Myös itsenäistehtävässä 2 piti käyttää hyödyksi tietokannan päivitystaitoja. Vaikka muistin hyvin sen, miten tämä käytännössä tehdään, sain monta kertaa vääriä lukuja sarakkeisiin. En oikeastaan vieläkään tiedä, mistä ne johtuivat sillä mielestäni tein kaiken oikein, mutta ehkä kyseessä oli turhautumisen aiheuttama huomiokyvyn lasku.

Viimeiseksi itsenäistehtäväksi valitsin uima-altaiden tutkiskelun. Vastaukset tämän osion kysymyksiin ovat taulukossa 2. Tehtäviin vastaaminen vaati enemmän pähkäilyä kuin aikaisemmat tehtävät, sillä näihin ei löytynyt apuja Moodlesta. Se oli oikeastaan ihan hyvä oppimisen kannalta, mutta aiheutti lisätuskia. Vastaukset kysymyksiin löytyivät erilaisten rajausten, uusien tietokantojen luomisen sekä muokkaamisen ja Calculate statistics –toiminnon avulla. Lopputuloksena syntyi vastausten lisäksi kartta, johon on merkitty uima-allallisten asuntojen määrä pienalueittain (kuva 1). Kartan tekemisessä suurin ongelma oli pylväiden numeroarvojen lisääminen kartalle, mutta sekin onnistui lopulta. Kartta on melko ruma sillä suurimmassa osassa alueita uima-altaita oli vain muutama ja palkit ovat siksi enemmänkin viivoja.

Untitled-2

Taulukko 2. Uima-altaita koskevien itsenäistehtävien vastaukset. Erikoista on se, että taloja joissa on enemmän kuin 1 uima-allas on 0 ja se että uima-altaita sisältäviä taloja on 62 vähemmän kuin uima-altaita. Jälkimmäisen voi aiheuttaa se, että aineistossa on mukana myös uimahallit tms., mutta tällöin niissä pitäisi myös olla enemmän kuin 1 allas.

 

Uima-altaat kartta

Kuva 1. Uima-altaiden määrät pääkaupunkiseudulla pienalueittain. Vain Helsingissä on yli 4 uima-allasta pienalueella. Eniten uima-altaita on Länsi-Pakilassa.

Tehtävät vaativat siis paljon yritystä ja kokeiluja onnistuakseen. Olen edelleen hieman ymmälläni esimerkiksi Boundary selectistä, sillä sen toiminta ei tuntunut kovin johdonmukaiselta. Muutenkin MapInfo tuntuu hieman vieraalta, enkä oikein pääse sisään kaikkiin sen toimintaperiaatteisiin. Osaan tehdä joitain toimintoja (esim. teemakarttojen tekeminen, bufferointi, tietokantojen muokkaaminen, Queryt ja piirtäminen), mutta niiden yhdistäminen ja ongelmanratkaisu ilman apua tuntuvat välillä todella vaikeilta. Tämä lienee seikka, johon ei auta muu kuin tekeminen ja kokeilu. Minulle on myös edelleen hieman hämärän peitossa, mitä kaikkea Mapinfolla voi ylipäätään tehdä. Olen kuitenkin hyvin tyytyväinen siihen, että tietokantojen muokkaaminen ja kyselyt alkoivat sujumaan aikaisempaa paremmin viimeiseen tehtävään päästessä. Tosin ne vaativat edelleen välillä muutaman kokeilun, ennen kuin juuri oikea muoto löytyy.

Suurimmat ongelmat Mapinfossa liittyvät minun kohdallani siihen, että ohjelma tuntuu epäjohdonmukaiselta, enkä oikein tiedä mistä suunnasta ongelmia pitäisi lähteä lähestymään. Tähän liittyvät myös esimerkiksi tällä kerralla ilmenneet ongelmat Boundary select –työkalun ja tietokantojen järjestyksen sekä valittavuuden kanssa. Päädyn tästä syystä helposti kokeilemaan vähän kaikkea mahdollista yrittäessäni saada oikeaa tietoa esille, mikä johtaa välillä myös siihen, etten tiedä miten loppujen lopuksi sain vastauksen, mikä puolestaan hankaloittaa oppimista huomattavasti. Siispä tekemiseen tarvitaan lisää johdonmukaisuutta ja kärsivällisyyttä. Toinen suuri ongelma on teemakarttojen muokkaaminen, mutta toisaalta kartan siirtäminen ja viimeistely Corelissa ei ole sen suurempi vaiva.

Kaiken kaikkiaan Mapinfo ei siis ainakaan vielä ole paras ystäväni, mutta toisaalta esimerkiksi sen valintatyökalut, kyselyt sekä tietokantojen muokattavuus tekevät siitä oikeasti aika kätevän välineen. Analyysit ja bufferoinnit vaativat kohdallani ehkä vain vähän lisää harjoitusta, jotta niiden käytöstä tulee sujuvaa ja varmempaa.

 

Lähteet:

Kursskikerta 4: Ruututeemakartta

Neljännellä kurssikerralla pureuduttiin jälleen uuteen aiheeseen ja esitystapaan MapInfossa. Tällä kertaa vuorossa oli ruudukon luominen, datan kerääminen uuteen ruutu-tietokantaan sekä teemakartan laatiminen ruutujen pohjalta. Ruudukon luominen oli mukavan yksinkertaista siihen tarkoitetulla työkalulla. Myös datan kerääminen onnistui kohtuullisen hyvin, sillä samaa oli tehty jo edellisellä tunnilla. Itse ruututeemakartan laatiminen tuottikin sitten jo muutaman ongelman, vaikka asia oli juuri käyty tunnilla yhdessä läpi. Loppujen lopuksi sain aikaan muutaman kartan, mutta niiden onnistumisesta en ole täysin vakuuttunut. Tunnin lopuksi harjoittelimme vielä rasterikartan rekisteröimistä ja piirtämistä MapInfossa.

Ruudukko tehtäessä MapInfoon muodostuu uusi ruuduista koostuva tietokanta. Ruutujen kokoa ei voi muuttaa jälkikäteen, vaan silloin pitää tehdä kokonaan uusi tietokanta. Tämä aiheuttaa jonkin verran lisätöitä, mutta eri ruutukoot muuttavat kartan ulkonäköä huomattavasti, joten ruutujen kokoon kannattaa uhrata muutama ajatus. Itse päädyin tekemään kaksi eri karttaa niin, että toisessa ruudut olivat 500x500m ja toisessa 1000x1000m. Näin jälkikäteen ajateltuna vielä yhden kartan tekeminen, joko pienemmän tai kahden tekemäni kartan välimaastoon sijoittuvan ruudukon, olisi ollut järkevää. Päädyin kuitenkin loppujen lopuksi viimeistelemään kartan, jossa ruudut olivat 500x500m, sillä suuremmat ruudut piilottivat paljon alueellisia eroja ja lisäksi valitsemani aineiston luokitteleminen olisi ollut melko haastavaa (tosin ei se nytkään ihan nappiin mennyt).

Teemakartan aihe valittiin pääkaupunkiseudun väestötietokannasta, jossa on tietoja muun muassa eri ikäluokkien sekä maahanmuuttajien sijoittumisesta. Omaan karttaani valitsin teemaksi eläkeläisten määrän, eli 65-vuotiaat ja sitä vanhemmat. Kuten juuri mainitsin, aineiston luokitteleminen tuotti minulle jälleen kerran haasteita, sillä aineiston vaihteluväli oli suuri ja toisaalta luokkien määrää ei voi kasvattaa kovin suureksi. Isomman ruudukon ruudut saivat arvoja 0-3635 ja pienemmän 0-955. 0-luokka tosin jätettiin kokonaan pois, eli sitä kuvataan kartassa valkoisena tai tyhjänä alueena. Aineisto oli hyvin vinosti jakautunut niin, että pienimmissä luokissa on hyvin paljon tapauksia ja suurempia todella paljon vähemmän. Vinoille aineistoille parhaiten sopivat kvantiilit, sovinnaiset pyöristetyt sekä geometriset luokkavälit. Näistä kolmesta vain kvantiilit ovat valittavissa MapInfossa. Kokeilin aluksi niiden käyttöä, sille ne ovat osoittautuneet aikaisemmin usein toimiviksi. Tälläkin kertaa ne toivat kyllä hyvin esiin aineiston vinon luonnon, mutta en silti valinnut käytettäväksi niitä, sillä luokkien määrä olisi pitänyt kasvattaa todella suureksi, jotta alle 190 ruudut eivät kuuluisi samaan luokkaan. Tällöin aineisto tasapäistyisi mielestäni turhan paljon. Päädyinkin loppujen lopuksi määrittelemään luokkavälit itse. Valitsin luokiksi 1-30, 30–150, 150–300, 300–600 ja 600–955. Näin pienimpiä ja toisaalta myös kaikista suurimpia arvoja saavat luokat erottuvat aineistosta selvästi. Lisäksi näin luokiteltuna alin luokka on selkeästi muita isompi ja muutenkin luokat pienenevät arvojen suurentuessa, mikä kuvaa hyvin vinoa aineistoa. En ole kuitenkaan aivan täysin tyytyväinen luokitteluun, sillä en ole täysin varma vääristääkö se aineistoa hieman. Luokittelussa lienee siis vielä paljon opittavaa.

Väreiksi ruuduille valitsin oranssista siniseen kääntyviä värejä, jotka näyttävät mielestäni kivoilta. Täytyy kuitenkin tällä kertaa todeta, että värivalinnat menivät minulla tällä kurssikerralla aikalailla penkin alle. Värejä valitessani mietin niitä kyllä tarkkaan ja hioin varsinkin sävyeroja jonkin aikaa.  Nyt karttaa katsoessani en tosin oikein tiedä, mitä olen miettinyt. Pelkkää karttaa katsomalla ei saa mitään käryä siitä, mitä aihetta se esittää tai edes siitä, mitkä värit viestittävät suuria ja mitkä pieniä arvoja. Ruutujen väritys on siis suoraan sanottuna aika surkea suoritus. Ainoa positiivinen asia on se, että värit tosiaan näyttävät ihan kivoilta. Ne vaan eivät kerro yhtään mitään. Lisää opittavaa ensi kerralle siis. Jos tekisin kartan nyt uudestaan, valitsisin selkeämmin yhden värin eri sävyjä ja kuvaisin suurempia arvoja saavia ruutuja muita tummemmilla sävyillä. Onneksi sentään karttaan lisäämäni kuntarajat sekä tiestö-tietokannan värit ovat mielestäni selkeitä ja järkeviä.

Ruutu 500 pks eläkeläiset2

Kuva 1. Ruututeemakartta eläkeläisten, eli 65-vuotiaiden ja sitä vanhempien, absoluuttisista määristä pääkaupunkiseudulla.

Lopuksi muokkailin kartan (kuva1) ja legendan loppuun vielä Corelissa, jota tulee välillä suorastaan ikävä MapInfon kanssa tapellessa. Tosin esimerkiksi värejä en lähtenyt enää Corelissa muokkaamaan, sillä jokaisen ruudun valitseminen yksitellen tuntui jo turhan työläältä prosessilta.

Kartan lukeminen on aluksi hieman vaivalloista tyhmistä värivalinnoista johtuen, mutta onnistuu kyllä kun jaksaa aluksi kurkkia legendaa tarpeeksi usein. Kartasta näkee, että suurimmat eläkeläiskeskittymät ovat lähellä Helsingin keskustaa. Myös suurien teiden varsilla on paljon eläkeläisiä. Nämä molemmat tiedot käyvät yhteen myös sen kanssa, että näillä alueilla on yleisestikin eniten asutusta, eli toisin sanoen nimenomaan eläkeläisten osuus ei näillä alueilla ole välttämättä mitenkään erityisen merkittävä. Toisaalta vilkkailla alueilla on myös usein enemmän palveluita ja paremmat liikenneyhteydet kuin harvemmin asutuilla alueilla, mikä saattaa vetää erityisesti eläkeläisiä puoleensa. Tämä selittää osaltaan myös sitä, miksi erityisesti Espoossa ja Vantaalla on laajoja alueita, joissa ei ole ainuttakaan 65-vuotiasta tai sitä vanhempaa. Toinen suuri selittävä tekijä edelliselle on se, ettei esimerkiksi Nuuksion alueella ole ylipäätään kovin paljoa asutusta. Lisäksi osa harvemmin asutulla alueella asuneista eläkeläisistä voi haluta muuttaa pienempään asuntoon esimerkiksi lasten muutettua pois ja näitä asuntoja löytyy paremmin tiheämmin asutuilta alueilta.

Mielestäni tieverkosto tuo karttaan lisää mielenkiintoa ja selittää osaltaan eläkeläisten, tai ylipäätään väestön, sijaintia. Teitä on kuitenkin ehkä hieman liikaa ja olisin voinut ehkä Corelissa poistaa niistä osan. Lisäksi esimerkiksi kuntien nimet olisivat tuoneet karttaan hyödyllistä lisäinformaatiota. Ja tietysti niitä värejä olisi voinut laittaa jotenkin järkevästi.. Mutta ehkä se onnistuu ensi kerralla.

Värien lisäksi toinen hyvin tärkeä mietittävä asia on se, onko tällaista asiaa järkevä esittää ruutukartalla ollenkaan. Kuten aiemmin totesin, se että eläkeläisiä on toista aluetta enemmän joillain kartan osoittamilla alueilla, ei kerro vielä siitä, onko eläkeläisiä paljon suhteessa muuhun väestöön. Samaa oli pohtinut myös esimerkiksi Natalia Erfving omassa blogissaan: Vaikka ruututeemakartalla on hyväksytympää käyttää absoluuttisia lukuarvoja kuin mitä koropleettiteemakartalla on, ei se silti mielestäni ole paras tapa kuvata jonkin ilmiön alueellista jakautumista. Esim. tämä luomani kartta havainnollistaa, että alle kouluikäisiä on eniten Helsingin kantakaupungin ympärillä. Tähän kuitenkin lienee syynä se, että tällä alueella on myös ihmisiä enemmän kuin mitä esim. Pohjois-Espoossa on ja näin ollen myös lapsia on enemmän. Toki jos ollaan kiinnostuneita vain siitä, missä lapsia on eniten, on tämä kartta hyvä tiedonlähde. Jos kuitenkin haluttaisiin tarkastella, että mitkä alueet  ovat  etenkin lapsiperheiden suosiossa, pitäisi lapsien määrä suhteuttaa väkilukuun.”

Lopuksi vertailin karttaani muutamaan muuhun samasta aiheesta tehtyyn karttaan. Ensimmäisinä kohdalleni osuivat Christa Sallasmaan että Minni Aallon kartat. Christa oli tehnyt karttansa 600x600m ruudukkoon ja Minni 300x300m ruudukkoon. Vaikka saman asian voi lukea kaikista kolmesta kartasta, tuo luokittelun ja ruutukoon ero tiettyjä vivahde-eroja karttoihin. Esimerkiksi Minnin kartta on huomattavasti pikkutarkempi ja ylimpäänkin luokkaan riittää todella paljon ruutuja. Christan kartta sen sijaan on hyvin lähellä omaani. Väreiltään Minnin ja Christan kartat ovat paljon parempia kuin omani.

Kuten alussa mainittiin, kurssikerran lopuksi harjoittelimme vielä rasterikuvan rekisteröintiä ja piirtämistä MapInfoon. Rekisteröinti tuntui ainakin yhdessä tehdessä helpolta hommalta, mutta luulen että yksin tehdessä ohjelaput tulevat tarpeeseen. Piirtäminen oli myös helppoa ja vaikka Corel onkin piirtämiseen ja ulkonäön hienosäätöön MapInfoa huomattavasti parempi ohjelma, oli virkistävää piirtää tietä ilman että Corelin Bezier-työkalun temppuilu (eli oma osaamattomuuteni) ärsytti koko ajan. Kartan piirtämistä jatkettaneen ensi kerralla, joten palaan siihen vielä myöhemmin.

 

Lähteet:

 

 

Kurssikerta 3: Datan lisääminen MapInfoon, pohdintoja harjoituskartasta sekä valuma-aluekartta

Kolmannella kurssikerralla opeteltiin jälleen uusia ominaisuuksia ja toimintoja MapInfon ihmeellisessä maailmassa. Kävimme yksityiskohtaisesti vaihe vaiheelta läpi muun muassa sitä, kuinka tietoja siirretään Excel-tiedostosta MapInfoon ja yhdistetään siellä johonkin toiseen tietokantaan. Myös uuden tiedon tuottaminen tietokantaan vanhojen tietojen perusteella tuli tutuksi. Yhdessä tehtyjen harjoitusten materiaalina käytimme Afrikan valtioista tietoa sisältävää tietokantaa. Alkutilanteessa lähes kaikki kartan valtiot koostuivat useammasta kohteesta, mikä hankaloitti tietokannan käsittelyä huomattavasti. Sen vuoksi yhdistimme kohteet ja selkeytimme tietokantaa vielä poistamalla ylimääräisiksi jääneet sarakkeet.

Tietokannan siivouksen jälkeen pääsimme itse asiaan: toimme Excelistä uutta dataa, siirsimme tietoja eri tietokantojen välillä ja tuotimme uutta tietoa tietokantaan. Ohjauksessa ja apulapuista seuraamalla nämäkin toiminnot onnistuivat melko helposti. Tarkkana kuitenkin piti olla erityisesti uutta saraketta tehdessä, sillä muutaman pudotusvalikon (esimerkiksi Specify Join-valikossa) tarkistuksen unohtaminen olisi saattanut johtaa tietojen vääristymiseen. Monien vaiheiden jälkeen lopputuloksena oli tietokanta ja siitä tehty yksinkertainen karttaesitys Afrikasta. Karttaan oli valtioiden lisäksi merkitty timanttikaivokset, konfliktialueet sekä öljykentät. Edellisten tietojen lisäksi, tietokannasta tietoa löytyi tietoa muun muassa väestömäärästä sekä Internetin ja Facebookin käyttäjämääristä valtioittain.

Tietokannasta löytyvien tietojen vertailu ja mahdollisten korrelaatioiden etsiminen esimerkiksi Facebookin käyttäjämäärien ja öljylähteiden sijainnin välillä herätti välittömästi tällaisen kehitysmaantieteilijänalun mielenkiinnon. Klikkailinkin vuorotellen eri sarakkeita laskeviin tai nouseviin järjestyksiin, mutta silmämääräistä ja epäluotettavaa arviota pidemmälle en näin päässyt. Tätä varten datasta olisi pitänyt joko tehdä erilaisia karttaesityksiä tai sitä olisi pitänyt tarkastella jollain toisella ohjelmalla (tai kenties jollain vielä toistaiseksi tuntemattomalla MapInfon työkalulla). Ohjelapuista löysin myös pohdintatehtävän, jossa tarkoituksena oli miettiä, minkälaisia asioita tiedoilla voisi tehdä tai päätellä, jos tietokantaan olisi tallennettu tietoja seuraavista:

  • konfliktin tapahtumavuosi ja laajuus/säde (km)
  • timanttikaivosten löytämisvuosi, kaivausten aloitusvuosi sekä tuottavuusluokittelu
  • öljylähteiden löytämisvuosi, poraamisvuosi ja tuottavuusluokittelu
  • Internetkäyttäjien lukumäärä eri vuosina.

Ensimmäisenä näistäkin tulee mieleen suhteiden etsiminen eri muuttujien välillä alueellisesti ja ajallisesti (esimerkiksi onko Internetin käyttäjiä enemmän ennen vai jälkeen konfliktin tai onko Internetkäyttäjien määrä noussut timanttikaivoksen kaivausten aloituksen jälkeen). Erilaiset paikkatieto-ohjelmalla tehdyt naapuruus- ja päällekkäisanalyysit voisivat tuottaa mielenkiintoisia tuloksia. PAK-tiedotusblogista löytyvän kartan perusteella voi sanoa, että konfliktien suhteen koko Afrikka on ollut, ja on edelleen, hyvin vilkasta aluetta: lähes koko mannerta peittää konfliktia merkitsevä violetti väri, osaa Saharan alueesta lukuun ottamatta. Timanttikaivoksista vain murto-osa sijaitsee alueella, jolle konfliktit eivät ole ulottuneet. Vertailemalla tietoja timanttikaivoksista (erityisesti löytämisvuosi sekä aloitusvuosi) konfliktien tapahtumavuosiin voitaisiin etsiä näiden välisiä yhteyksiä. Timanttikaivokset voivat tuoda alueelle työpaikkoja ja vaurautta, mutta toisaalta myös lisätä eriarvoisuutta. Lisäksi ihmisiä voidaan kenties pakottaa muuttamaan pois alueilta, joista timantteja on löydetty. Tällöin voi hyvinkin tulla kiistoja siitä, kenelle timantit kuuluvat, sillä maanomistuslait ovat monin paikoin olemattomia Afrikassa. Tämän lisäksi myös timanttikaivoksen tuottavuuden ja konfliktien välistä voitaisiin mahdollisesti tutkia. Öljylähteistä sen sijaan vain noin puolet sijaitsee konfliktien koskettamilla alueilla

Sekä öljylähteet että timanttikaivokset voivat tuoda alueelle vaurautta, mutta kuten juuri todettiin, vauraus voi myös aiheuttaa suurempia tuloeroja. Internetkäyttäjien määrä suhteutettuna väkilukuun saattaisi kuitenkin toimia jonkin arvoisena indikaattorina maan yleisestä vauraustasosta, sillä mitä enemmän köyhiä, sitä vähemmän Internetkäyttäjiä voisi olettaa olevan. Tässä mielessä voitaisiin siis yrittää tutkia myös sitä, jakautuvatko öljystä tai timanteista saadut tulot edes jotenkin, vai jäävätkö ne ehdottomalle eliitille. Toisaalta tämänkaltaiseen pohdintaan tarvittaisiin varmasti vielä runsaasti enemmän tietoa, sillä timantit ja öljy eivät suinkaan ole suurimmat vientituotteet tai elinkeino monissa Afrikan valtioista.

Mielenkiintoinen tutkimusaihe voisi olla myös se, ovatko valtiot, joissa on enemmän Internetkäyttäjä, alttiimpia konflikteille. 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.

Afrikan kartan tutkiskelun ja uusien hienojen MapInfo-toimintojen oppimisen jälkeen siirryttiin tekemään omatoimisesti teemakarttaesitystä, johon yhdistettiin Suomen päävaluma-aluejako sekä järvisyysprosentti (kuva 1). Tätä varten tarvittiin juuri opittuja uusia toimintoja, sillä osa tiedoista oli laitettu Exceliin ja eri tietokantoihin. Muutaman minuutin muistelun ja päänraapimisen, sekä armottoman papereiden selaamisen, jälkeen toimintojen suorittaminen alkoi palautua mieleen ja tietokannan kokoaminen onnistui melko helposti. Jälleen kerran suurimmaksi ongelmaksi muodostui aineistojen luokittelu. Päätin käyttää valuma-aluejaossa viittä luokkaa ja luonnollisia luokkavälejä, sillä ne toivat mielestäni tämän epämääräisesti jakautuneen aineiston vaihtelun parhaiten esiin. Ylimpään luokkaan kuuluu vain yksi alue, mutta se on perusteltua, sillä sen arvo (1100) on yli kaksi kertaa suurempi kuin toiseksi suurin arvo (500).

Seuraava pähkäiltävä asia oli värien ja sävyjen valinta. Päädyin merkitsemään valuma-alueita erilaisilla sinisen sävyillä, tummimman edustaessa ylintä ja vaaleimman alinta luokkaa. Värit näyttävät hyvältä ja sävyt ovat tarpeeksi erilaisia. Ainoastaan vaalein sävy olisi voinut näin jälkeenpäin ajateltuna olla hieman vähemmän vihreä. Järvisyyttä kuvaaviin pylväisiin valitsin väriksi vihreän. Vihreä erottuu kaikista käyttämistäni sinisen sävyistä selkeästi, mutta ei kuitenkaan hyppää silmille tai vedä kaikkea huomiota puoleensa. Kokeilin myös räikeämpiä väri- ja sävyeroja sinisiin verrattuna, mutta mielestäni näistä väreistä koostuva kartta on miellyttävämpi silmälle.

Värien valitsemisen jälkeen lisäsin karttaan vielä mantereen ääriviivat, jotta kartta näyttäisi selkeämmältä. Pylväsdiagrammit olivat kartalla paikoin päällekkäin ja varsinkin rannikkoalueiden palkeista oli hyvin vaikea saada mitään selvää, sillä ne olivat niin tiiviissä kasassa. Päätin siis muokata kartan loppuun Corelissa. Vaikka lopputuloksesta tulikin näin huomattavasti selkeämpi ja siistimpi, ovat rannikon läheiset valuma-alueet niin pieniä, että palkkien asetteleminen niille täydellisesti oli täysin mahdotonta ja luettavuus ei ole paras mahdollinen. Huomasin myös, että rannikon ääriviivat eivät kohtaa valuma-alueiden rajoja. Ihmettelin tätä hetken, mutta Paarlahti selitti asian johtuvan siitä, ettei päävaluma-aluejaossa ole otettu huomioon rannikon pienimpiä valuma-alueita.

Suomi valuma-alueet1

Kuva 1. Teemakartta tulvaindeksistä sekä järvisyysprosentista päävaluma-alueilla Suomessa. Suurimmat tulvaindeksit ovat rannikkoalueilla. Järvi-Suomessa puolestaan järvisyys on muuta Suomea suurempaa ja tulvaindeksit pienempiä.

Nähtyäni muiden karttoja, totesin että Suomen valuma-alueiden ulkopuolisten järvien ja jokien lisääminen karttaan olisi ollut kannattava vaihtoehto, sillä se tekee kartasta miellyttävämmän ja kiinnostavamman näköisen. Näin oli tehnyt esimerkiksi Meri Korhonen omassa kartassaan (Korhonen, M. 2014) Muuten olen karttaani melko tyytyväinen.

Mitä kartastani sitten oikein voi lukea? Järvisyysprosentti on valuma-alueen järvien pinta-ala suhteessa koko valuma-alueen pinta-alaan (Tulvasanasto 2013) ja tulvaindeksi puolestaan tarkoittaa tulvan ylimpien virtaamien keskiarvoa jaettuna kuivan kauden alimpien virtaamien keskiarvolla, eli ”virtaamavaihtelujen indeksiä” (Paikkatiedon hankinta, analyysi ja kartografia, 2014). Kartasta voidaan nähdä rannikon läheisten valuma-alueiden tulvaindeksien olevan selvästi muuta Suomea korkeampia. Lisäksi näiden alueiden järvisyysprosentit ovat keskimäärin pienempiä kuin muualla Suomessa. Järvisyys näyttäisi siis ainakin pienentävän tulvia. Syynä tähän on järvien toimiminen hyvinä vesivarastoina tulvakausina.

 

Lähteet:

Artikkeli 1 – Kahden muuttujan koropleettikartta

Kurssikerran 2 tueksi saimme luettavaksi Anna Leonowiczin artikkelin ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship”. Artikkeli käsitteli kahta muuttujaa esittäviä koropleettikarttoja ja sitä, miksi niitä pidetään epäselvinä tai hankalina lukea. Kahden muuttujan koropleettikartassa alueita kuvataan väreillä tai kuvioilla, jotka ovat yhdistelmä kahdesta eri muuttujasta. Tämä helpottaa muuttujien välisten suhteiden esittämistä huomattavasti verrattuna siihen, että tietoa yrittäisi lukea kahdesta erillisestä kartasta. Esitystavan huono puoli liittyy luettavuuden hankaluuteen, sillä se poikkeaa huomattavasti perinteisistä koropleettikartoista. Sen sijaan alueellisen jakautumisen kuvaamiseen yhden muuttujan koropleettikartat sopivat artikkelin mukaan paremmin.

Artikkeli oli todella mielenkiintoinen, sillä en ainakaan muista koskaan nähneeni kahden muuttujan pohjalta tehtyä koropleettikarttaa, mikä johtuu varmasti pitkälti juurikin niiden vaikeaselkoisuudesta. Idea kuulosti aluksi nopeasti mietittynä hyvin yksinkertaiselta: kaksi muuttujaa, kaksi väriä, yhdistetään värit ja valmista tuli. Käytännössä esitystapa on yksinkertaisesta melko kaukana, minkä näkeekin jo pelkkää legendaa katsoessa. Legenda nimittäin eroaa totutusta symboleita ja niitä selittäviä tekstejä sisältävästä laatikosta täysin. Väriruudukko viivalla ja pisteillä näyttää aluksi todella kummalliselta, enkä täysin ymmärtänyt artikkelin tekstistäkään, miten tuo kummajainen laaditaan. Lopulta jonkinmoisen pohdinnan ja tarkastelun jälkeen legendan salaiset kansiot aukesivat ainakin joten kuten, ja mielestäni Natalia Erfving tiivisti sen idean todella hyvin: “Kun olin tarkastellut legendaa tarpeeksi kauan, selvisi minulle senkin idea viimein. Eli se, että legendan keskelle muodostuu lineaarinen regressiokäyrä ja että neliön kanta ja vasen sivu voidaan nähdä x- ja y-akseleina. … Jos kartanlukija ymmärtää lineaarisen regression teorian, voi hän jo näitä pisteitä silmäilemällä nähdä, onko ilmiöillä keskinäistä korrelaatiota.”

Juuri legendan monimutkaisuus tekeekin kahta teemaa esittävän koropleettikartan tulkitsemisesta haastavaa, mutta toisaalta jos legendasta saa tolkkua, nopeuttaa se muuttujien välisten suhteiden hahmottamista huomattavasti. Toisaalta pidän myös hyvin valaisevana artikkelin kuvassa 3 esitettyjä yhden muuttujan koropleettikarttoja, joista suurempi kartta on yhdistetty. Näiden kolmen kartan esittäminen yhdessä on kenties paras ja varmin tapa saada tarkoitettu tieto kartanlukijalle saakka. Uskon myös, että tämänkin tyyppisten karttojen lukemisessa harjaantuisi ajan myötä, eikä legendaa välttämättä tarvitsisi tuijotella ihan joka välissä. Toisaalta tähän vaikuttaa hyvin paljon myös karttaesityksen taso ja selkeys. Kuten artikkelissakin mainitaan luokkien määrä tulisi olla maksimissaan 9, sillä sen jälkeen sekavuus riistää kaiken hyödyn, jota kartasta voisi muuten saada. Hyvä esimerkki tästä on artikkelin kuvan 4 kohta B, jossa 16 värin tilkkutäkki näyttää jo melko älyttömältä. Myös saman kuvan A kohdan väri kombinaatiot näyttävät melko erikoisilta: mistä lähtien sinistä ja oranssia yhdistämällä on saatu mustaa harmailla pisteillä? Kartan luettavuuden takaamiseksi värivalinnat ovat siis kahden muuttujan koropleettikartassa erittäin kriittisiä.

Uskon, että kahta muuttujaa esittävillä koropleettikartoilla on aikansa ja paikkansa, mutta on otettava hyvin tarkkaan huomioon se, että ne vaativat lukijaltaan aikaa, energiaa ja tietoa. Sen vuoksi niiden laittaminen esimerkiksi sanomalehtiin tai muihin vastaaviin olisi lähinnä tilan haaskausta, ja saattaisi johtaa moniin vääriin tulkintoihin. Olisi kuitenkin mielenkiintoista kokeilla, minkänäköisiä karttaesityksiä itse voisi saada aikaan ja mitä tulkintoja muut niistä vetäisivät.

 

Lähteet:

  • Erfving, N. (2014). Kurssikerta 2: Artikkeli 1- Kaksiteemainen koropleettikartta. <https://blogs.helsinki.fi/nataliae/> 23.1.2014.
  • 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: Lisää teemakarttoja ja kaksi päällekkäistä teemaa

Toisella kurssikerralla tutustuttiin erilaisiin teemakarttoihin ja niiden tekemiseen MapInfolla. Kurssikerta aloitettiin taas tekemällä karttoja yhdessä ohjeiden mukaan kokeillen erilaisia tapoja esittää asioita kartalla. Tutuiksi tulivat muun muassa pylväs- ja piirakkadiagrammit sekä 3D-kartan tekeminen MapInfolla. Erilaisista esitystavoista on hyvä pitää mielessä seikat, jotka Jasmin Bayar luetteli blogissaan:

“- Pylväillä voidaan kuvata absoluuttisia tai suhteellisia arvoja, ja absoluuttisia arvoja käytettäessä on otettava huomioon alueiden erilaisuus.

– Ympyrädiagrammikartta soveltuu usean ilmiön kuvaamiseen. Ympyrän lohkon koko kuvaa tekijän suuruutta ja ympyrädiagrammi esittää valitut arvot kunkin kohteen päällä.

– Graduated-teemakartalla kuvataan absoluuttisia arvoja kartalla. Kartalla olevan symbolin koko kasvaa teemoitettavan arvon kasvaessa.

– Pistekartalla kuvataan absoluuttisia arvoja eri aluekohteilla, ja pisteen koko on verrattavissa annettuun arvoon.”

Kurssikerran itsenäisenä työnä tehtiin teemakartta, jossa on kaksi teemaa päällekäin. Aineistona käytettiin edelleen samaa materiaalia, joka oli koottu Tilastokeskukselta. Oman teemakarttani (kuva 1.) tein Uudenmaan maakunnasta ja teemoiksi valitsin ruotsinkielisten osuuden kunnassa ja veronalaiset tulot tulonsaajaa kohden. Ruotsinkielisten osuudesta loin aluksi koropleettikartan ja sen jälkeen lisäsin sen päälle graduated-teemakartan veronalaisista tuloista. Tarkoitukseni oli siis katsoa, näkyykö alueella jonkinnäköistä yheyttä tulotason ja ruotsinkielisten osuuden välillä.

Ruotsinkieliset, tulotaso COREL uusi

Kuva 1. Kartogrammi ruotsinkielisten osuudesta Uudenmaan kunnissa (violetin sävyt) ja (keltaiset pallot) valtionveronalaisista tuloista tulonsaajaa kohden kunnittain.

Koropleettikarttaa varten aineisto piti luokitella. Ruotsinkielisten osuus vaihteli kunnittain 0,8-65,6% välillä. 14 kunnassa ruotsinkielisiä oli alle 3%, 5:ssä 4-18% ja lopuissa 9:ssä yli 30,4%. Histogrammin perusteella päädyin kokeilemaan tasavälistä luokitusta sekä kvantiileja. Tasaväliseen luokitukseen valitsin 4 luokkaa, sillä tällöin ylin luokka oli 49,4-65,6%, jolloin kunnat, joissa ruotsinkielisiä on noin 50% tai enemmän saivat oman luokkansa. Kvantiileihin valitsin 5 luokkaa, sillä vähempi määrä luokkia olisi tuottanut osaan luokista kohtuuttoman suuria loikkauksia vaihteluväleissä. Luokitukset tehtyäni vertailin kahta koropleettikarttaa keskenään. Näistä kahdesta tasavälisellä luokituksella tehty kartta on mielestäni tarkoituksenmukaisempi. Kvantiililuokituksessa ero kahden alimman luokan välillä on niin pieni, että ne voisi hyvin yhdistää. Sen sijaan tasavälisessä luokituksessa alimpaan luokkaan osuvat kerralla kaikki ne kunnat, joissa ruotsinkilisiä on selvästi vähemmän.

Koropleettikartan valmistuttua siirryin graduated-teemakartan tekemiseen. Erot veronalaisissa tuloissa/tulonsaaja olivat kuntien välillä melko pieniä, joten niin ovat luonnollisesti erot myös symbolien välillä. Yritin saada eroja paremmin näkyviin kaikilla kolmella valittavissa olevalla kertoimella, mutta tulos oli hyvin samannäköinen kaikilla: parhaimmillaankin vain muutama kunta erottui joukosta. Kokeilin myös erilaisia symboleita, mutta päädyin lopulta yksinkertaiseen ympyrään, sillä vain pieniä eroja sisältävää aineistoa on mielestäni hyvin vaikea tulkita erikoisemmista symboleista. Esimerkiksi ihmishahmoa käyttäessä saattaa tulla helposti vainoharhaiseksi ja kuvitella vaikkapa toisen hahmon jalkojen olevan pidemmät, kun tuijottaa karttaa tarpeeksi pitkään.

Väreiksi valitsin koropleettikarttaan violetin sävyjä, mikä näyttää ehkä vähän hassulta. Tämä johtii siitä, ettei väreistä tule kenties ensimmäisenä mieleen ruotsinkielisten osuus. Toisaalta, en tiedä onko sellaista väriä olemassakaan ja halusin välttellä värejä, joita saatettaisiin helposti lukea mielipiteiksi, kuten esimerkiksi punainen (huono/hälyttävä asia). Sävyeroihin olen kuitenkin tyytyväinen, sillä luokat erottaa toisistaan hyvin ja sävyerot kuvaavat selvästi myös vaihteluvälejä, eikä mikään väri korostu väärin. (Tähän täytyy vielä lisätä, että syystä x värit näyttävät huomattavasti kirkkaammilta ja räikeämmiltä nyt kuin miltä ne näyttivät MapInfossa). Graduated-kartan symbolin väriksi valitsin vaaleankeltaisen. Symboli erottuu kartasta selkeästi, muttei ole liian räikeä verrattuna esimerkiksi alimpiin koropleettikartan luokkiin. Kokonaisuutana värit sopivat mielestäni melko hyvin yhteen. Lopuksi lisäsin karttaan vielä pohjoisnuolen, mittakaavan sekä legendan, jonka tekeminen DesignLegend-toiminnolla onnistui tällä kertaa kivuttomammin kuin kurssikerralla 1.

En saanut karttaa muotoiltua loppuun kuten halusin MapInfossa, joten siirryin CorelDRAW-ohjelmaan viimeistelyä varten. Osa symboleista oli hieman päällekäin ja Kauniaisen symboli peitti Kauniasen alleen kokonaan, joten siirtelin symboleita Corelissa. Sen jälkeen lisäsin vielä muutamien kuntien nimiä kartalle ja lopuksi asettelin legendan kartan viereen. Kartan muokkaaminen Corelilla oli helppoa ja nopeaa ja sai MapInfon tuntumaan todella jäykältä ja epäloogiselta. Toisaalta Corelkin tuntui aluksi todella monimutkaiselta ja hankalalta, joten ehkä MapInfon salaisuudetkin aukeavat vielä lähitulevaisuudessa.

Halusin siis tarkastella kartallani mahdollista yhteyttä ruotsinkielisten osuuden ja valtionveronalaisten tulojen suuruuden/tulonsaaja välillä Uudenmaan maakunnassa. Kartasta näkee selkeästi, missä kunnissa ruotsinkielisiä on suurempi osa. Kaikki kolmeen ylimpään luokkaan kuuluvista kunnista sijaitsevat rannikolla, Kauniaista ja Lapinjärveä lukuunottamatta. Alimpaan luokkaan, johon kuuluu suurin osa alueen kunnista, sijaitsee eräänlaisena ryppäänä sisämaassa, lukuunottamatta Helsinkiä, Espoota ja Vantaata, jotka ovat rannikolla. Sen sijaan tulotasojen välisiä eroja on huomattavasti hankalampi tutkiskella kartasta, sillä erot ovat pääsääntöisesti hyvin pieniä. Ainoastaan Kauniaisen tulotaso on sen verran suurempi kuin muiden kuntien, että se erottuu joukosta. Muiden kuntien välillä erot ovat melko pieniä, kuten jo aiemmin mainittiin. Jos oikein tarkasti katsoo, voi erottaa myös Sipoon, Espoon ja Kirkkonummen tulotasojen olevan hieman suurempia kuin valtaosan muista kunnista. Pienin tulotaso näyttäisi löytyvän Lapinjärveltä tai sen naapurikunnasta Myrskylästä, tosin ero niiden ja keskitason välillä on hyvin pieni. Inkoo ja Raasepori, jotka muodostavat ylimmän luokan ruotsinkielisten osuutta tutkittaessa, sijoittuvat tulotasoltaan keskitasolle.

Yhteenvetona voisi siis sanoa, ettei Uudenmaan alueella ruotsinkielisten osuuden ja valtionveronalaisten tulojen tulonsaaja kohden näytä olevan ainakaan kovin selkeää yhteyttä. Toki joissain kunnissa, parhaana esimerkkinä Kauniainen, ruotsinkielisten suuri osuus ja korkea tulotaso kohtaavat, mutta pääsääntöisesti koko alue on valtionveronalaisilta tuloiltaan/tulonsaaja melko homogeeninen. Tätä tukee myös se, ettei Raaseporissa tai Inkoossa ole kummassakaan erityisen korkea veronalainen tulotaso/tulonsaaja. Tuloksia voi selittää moni eri seikka. Yhteyttä ruotsinkielisten osuuden ja tulotason ei välttämättä ole lainkaan, tai sitä ei ole juuri tällä tutkitulla alueella siinä määrin, että se näkyisi kartalla. Myös se voi vaikuttaa, ettei Uudellamaalla ole ainakaan kovin montaa kuntaa, vaikka poikkeuksiakin on, jotka vetäisivät puoleensa kaikki rikkaimmat tai köyhimmät. Eriytymistä on kenties enemmän kuntien sisällä kuin niiden välillä. Lisäksi Uudellamaalla koulutustaso, ja sitä myöten myös tulotaso, on kohtuullisen korkea halki kuntien.

 

Lähteet:

  • Bayar, J. (2014). 2. Kurssikerta: Teemakartat. <https://blogs.helsinki.fi/jasbayar/> 23.1.2014.
  • Ruotsinkielisten osuus väestöstä, % (2010). Väestörakenne 2010. Tilastokeskus.
  • Valtionveronalaiset tulot €/tulonsaaja (2009). Tulonjakotilasto 2009. Tilastokeskus.

Kurssikerta 1: MapInfo ja koropleettiteemakartta

Ensimmäisellä kurssikerralla muistuteltiin aluksi mieleen paikkatietoaineiston perusominaisuuksia. Sen jälkeen tutustuttiin MapInfo 11.5 -paikkatieto-ohjelmaan laatimalla sillä kaksi koropleettiteemakarttaa. Ensimmäinen kartoista tehtiin yhdessä vaihe vaiheelta ja toinen itsenäisesti. Ensimmäistä karttaa laatiessa MapInfon perustyökalut vaikuttivat melko yksinkertaisilta käyttää, mutta toisen kartan kohdalla kohtasin joitain ongelmia esimerkiksi lopullisen kartan kokoa määrittäessä. Uskon kuitenkin, että kurssin edetessä perustyökalut ja ohjelman käyttö muuttuvat koko ajan helpommiksi, eikä kaikkea tarvitse enää tarkistaa ohjeista tai vieruskaverilta.

Laadin oman karttani 15-64 vuotiaiden osuudesta Suomen kunnissa, jota varten tarvittava aineisto oli otettu Tilastokeskuksen Väestörakenne 2010 -julkaisusta. Koropleettikarttaa varten aineisto piti ensin luokitella. Tämä tehtiin tarkastelemalla aineistoa netistä löytyvän histogrammityökalun avulla. Käyttämäni aineisto oli normaalisti jakautunut, kuten kuvassa 1 näkyy, joten päätin käyttää keskihajontaan (standard deviation) perustuvaa luokittelua. Toinen erityisesti normaalisti jakautuneille aineistoille soveltuva luokittelutapa on keskiarvo, mutta sitä ei löytynyt MapInfon vaihtoehdoista. Kokeilin myös kvantiileja, jotka sopivat lähes kaikenlaisille jakaumille, mutta MapInfo jakoi aineiston niin, että pienimmässä luokassa oli 57 ja suurimmassa 77 tapausta, mikä on mielestäni melko suuri heitto kvantiileissa. Ero tasoittui, kun valitsin vain 3 kvantiililuokkaa, mutta tällöin aineiston erot olisivat tasoittuneet liikaa.

Histogrammi kunnat 2011 15-64 UUSI

Kuva 1. Histogrammin 15-64 vuotiaiden osuudesta Suomessa kunnittain 2010.

Päädyin siis käyttämään keskihajontaa luokittelumenetelmänä, kuten jo aikaisemmin totesin. Valitsin 4 luokkaa, sillä 3 olisi yleistänyt liikaa ja 5 luokkaa valittaessa alimpaan luokkaan tuli vain 5 tapausta, vaikka sen vaihteluväli oli melko suuri. 4 luokkaa vaikutti siis luontevimmalta ratkaisulta. Ylimpään ja alimpaan luokkaan tuli noin puolet vähemmän tapauksia kuin kahteen keskimmäiseen, mutta se kuvaakin hyvin aineiston jakautumaa ja helpottaa yleisten trendien löytämistä kartalta.

Koko aineiston vaihteluväli on 52,3-71,5 %. Kartasta (kuva 2.) näkee, että erityisesti Pohjois-Suomi erottuu muuta maata yhtenäisempänä tummana alueena, eli siellä 15-64 vuotiaiden osuus näyttää olevan suurempi. Täytyy kuitenkin ottaa huomioon, että kyseisin alueen kunnat ovat kooltaan huomattavasti muuta Suomea suurempia, minkä vuoksi alue ei näytä yhtä pirstaleiselta ja vaihtelevalta. Toinen tummempana erottuva alue on pääkaupunkiseutu ja sen ympäristö, mikä onkin varsin luontevaa sillä alue vetää puoleensa 15-64 vuotiaita muun muassa työpaikkoineen ja koulutusmahdollisuuksineen. Koilis-Suomessa puolestaan lötyy jonona kuntia, jotka kuuluvat toiseksi ylimpään luokkaan (62,2-65,1%). Suurin osa kunnista muodostaa kuitenkin vaihtelevan tilkkutäkin ja kuntia, jotka sijoittuvat alimpaan tai ylimpään luokkaan on myös aivan vierekkäin.

PIENEMPI UUSI

Kuva 2. Koropleettiteemakartta 15-64 vuotiaiden osuudesta Suomen kunnissa vuonna 2010.

Kokonaisuutena laatimani koropleettiteemakartta on mielestäni melko selkeä ja siisti. Tosin kuten Christa Sallasmaakin blogissaan toteaa: ” Pientä hienosäätöä voisi vielä tehdä, sillä esimerkiksi kartan rannikko on turhan tarkkaan kuvattu tähän tarkoitukseen.” Kartan väritys on mielestäni hyvä, sillä mikään väri ei hyppää silmille. Tein alunperin kartan punaisen ja oranssin sävyillä, mutta silloin tummimmat sävyt näyttivät jotenkin vaaraa tai muuta hyvin hälyttävää ilmaisevilta, mikä ei tässä tapauksessa pidä ollenkaan paikkansa. Sini-vihersävyt, jotka lopulliseen karttaan valikoin, ovat mielestäni huomattavasti neutraalimpia, eivätkä herätä ainakaan itselläni erityisiä mielikuvia. Toisaalta lopullisessa kartassa ero vaaleimman ja tummimman sävyn välillä saattaa olla turhan suuri koko vaihteluvälin huomioon ottaen: ylimmän ja alimman luokan ollessa vierekkäin erot saattavat vaikuttaa ensi silmäyksellä valtavan suurilta, mikäli ei lue legendaa. Värien lisäksi myös muut karttaan laittamani elementit, eli mittakaava, pohjoisnuoli sekä legenda ovat selkeitä. Myös kohteiden sijoittelu onnistui mielestäni muuten hyvin, mutta laatikot koko kartan ja erityisesti legendan ympärillä olisi voinut ehkä jättää pois.

Kahden karttaesityksen väkertämisen aikana kohtasin eniten ongelmia MapInfon kanssa yrittäessäni viimeistellä karttaa layout-ikkunassa. Esimerkiksi legendan luomisessa minulla oli sama ongelma kuin Natalia Erfvingillä: “…Theme Legend -legendatyyppi katkaisi sanat kesken ja Legend Desginer -legendatyyppi ei mahdollistanut läpinäkyvän taustan käyttämistä laatikossa.” Toisaalta MapInfon on siitä käyttäjäystävällisempi kuin esimerkiksi CorelDraw, ettei legendaa tarvitse piirtää itse. Koin myös aluksi hankalaksi myös eri karttaelementtien liikuttelemisen layout-ikkunassa, sillä itse karttaa ei voinut liikuttaa niin, ettei siirtäisi pohjoisnuolta. Saman tyyppisiä ongelmia oli ilmeisesti myös Jonne Alkiomaalla, joka kirjoittaa blogissaan näin: “Eri elementtien pitäminen oikeilla paikoillaan ja sen kokoisena kuin niiden halusi olevan tuntui olevan huomattavasti vaikeampaa kuin sen kuuluisi olla.” Suurin ongelma lienee kuitenkin se, etten keksinyt, miten voisin poistaa esimerkiksi ruman mittakaavan. Undo-toiminto toimi jossain kohtaa, mutta ei kaikkeen, eikä Deletekään toiminut halutusti. Uskon (tai ainakin todellakin toivon) tämän johtuvan kuitenkin enemmän omasta tyhmyydestäni, kuin MapInfossa olevasta puutteesta.

 

Lähteet:

  • Alkiomaa, J (2014). Kurssikerta 1. <https://blogs.helsinki.fi/jonnealk/> 19.1.2014.
  • Erfving, N. (2014).  Kurssikerta 1: MapInfoon tutustuminen & koropleettiteemakartta. <https://blogs.helsinki.fi/nataliae/>. 19.1.2014.
  • Histogrammityökalu. <http://illuminations.nctm.org/Activity.aspx?id=4152> 14.1.2014.
  • Sallasmaa, S. (2014). <https://blogs.helsinki.fi/christas/> 19.1.2014.
  • 15-64 -vuotiaiden osuus väestöstä, % 31.12.2010 (2011). Väestörakenne 2010. Tilastokeskus, Helsinki.