Artikkelit

Julkaistu

Kurssikerta 7: Viimeinen ehtoollinen

Viimeisen kurssikerran tehtävänä oli hakea tietokantoja kiinnostavasta aiheesta ja tehdä niiden perusteella kaksi karttaa. Valitsin aiheekseni EU:n kasvihuonekaasupäästöt.

Avasin valtioiden valtiorajat sisältävän karttapohjan MapInfoon, jonka olin ladannut valmiiksi Nartural Earthista. Koska halusin meret sinisellä, Arttu auttoi lataamaan myös toisen pohjakartan. Pohjakartan mukana oli myös dataa valtioiden asukasluvuista ja monista muista tiedoista. Kasvihuonekaasupäästöt sain Greenhouse gas emissions by industries and households -tietokannasta Eurostat yearbookista. Muokkasin Excelissä taulukon sopivaan muotoon ja avasin sitten MapInfossa. Yhdistin kasvihuonepäästötiedot valtiotietokantaan lisäämällä sarakkeen. Yritin tehdä tämän ensin SQL Select -toiminnolla, mutta tällä tavalla joidenkin valtioiden tiedot hävisivät. Ilmeisesti siis kyseisen työkalun käyttö on minulle vielä vaikeaa. Lisäsin uuden sarakkeen, johon suhteutin kasvihuonekaasupäästöt asukaslukuun, koska absoluuttisten arvojen vertailu ei ota huomioon sitä, kuinka suurelle joukolle hyödykkeitä tuotetaan. Absoluuttisia arvoja tarkasteltaessa EU-maiden suurimmat päästöt tulevat järjestyksessä Saksasta, Iso-Britanniasta, Puolasta ja Ranskasta. Tämän voisi ennustaa myös Anna Huusarin kartasta, jossa on kuvattu energian kokonaiskulutusta ja uusiutuvan energian kulutusta Europan maissa. On huomattava, että kartallani Ranska on alimmassa luokassa suuren väkilukunsa vuoksi, vaikka sen päästöt ovat EU:n neljänneksi suurimmat. Kolmelle muulle muuttujalle (terveet elinvuodet 65 ikävuoden jälkeen, korkeakoulutettavat ja innovatiivisuus) tein samat vaiheet saadakseni ne erillisestä Excel-tiedostosta valtiotietokantaan MapInfoon.

Tämän jälkeen loin kaksi erilaista karttaa Create Thematic Map -toiminnolla. Valitsin kasvihuonekaasupäästöjen luokittelutavaksi luonnolliset luokkavälit ja valitsin neljä luokkaa. Tekemäni koropleettikartta kasvihuonekaasupäästöjen määristä yhtä asukasta kohti on molemmissa lopullisissa kartoissani. Ensimmäiseen karttaan laitoin päälle pylväsdiagrammeilla jäljellä olevien terveiden elinvuosien määrän 65-vuotiailla. Toiseen karttaan laitoin pylväsdiagrammit, jotka kuvaavat innovaatioyritysten osuutta kaikista yrityksistä sekä korkeakoulutettavien osuutta väestöstä.

Teemakartta EU:n sekä Norjan, Sveitsin ja Turkin kasvihuonekaasupäästöistä ja terveistä elinvuosista 65-vuotiailla. Iso-Britannian pylväät näkyvät myös sen hallinnassa olevien saarten kohdalla, koska en saanut ylimääräisiä poistettua.

Minua kiinnosti yllä olevaa karttaa tehdessäni, voidaanko löytää selvää yhteyttä suurten kasvihuonekaasupäästöjen ja vähäisten terveiden elinvuosien välillä. Voisi olettaa, että alueilla, joissa kasvihuonepäästöt ovat runsaat, myös muita saasteita tuprutellaan ilmaan reippaasti. Nämä voisivat aiheuttaa hengityselimistön sairauksia tai muita ongelmia. Kuten arvelinkin, yhteyttä ei ole kartoilta nähtävissä, koska terveiden elinvuosien määrään vaikuttavat niin monet muutkin tekijät, kuten terveydenhuollon taso ja saatavuus, koulutus, perinnöllisyys ja monet muut tekijät. Kasvihuonekaasut ja erilaiset ilmansaasteet myös siirtyvät kaukokulkeumana maasta toiseen, joten maan omat päästöt eivät kerro kaikkea siitä, kuinka paljon alueen ilmassa on saasteita ja kasvihuonekaasuja.

Alempaa karttaa tehdessäni mietin, miten innovatiivisuus sekä korkeakoulutuksen määrä vaikuttavat kasvihuonekaasupäästöihin. Koulutus ja innovatiivisuus voivat toisaalta luoda tuotteita, joiden valmistaminen ja käyttö aiheuttavat päästöjä. Toisaalta monet uudet ”vihreät” innovaatiot, kuten erilaiset puhdistusmenetelmät voivat vähentää päästöjä. Kartasta näkee, että siellä missä päästömäärä on suuremmissa luokissa, innovaatiotasokin on keskimäärin melko korkealla, ja toisaalta siellä, missä on pienemmät päästöt on keskimäärin vähemmän innovaatioita. Suoraa yhteyttä näiden tekijöiden korrelaatiosta saati kausaalisuhteesta ei voi karttani perusteella kuitenkaan vetää. Korkeakouluopiskelijoiden suhteellisissa määrissä ei ole kovin suurta eroa maiden välillä. Parempi muuttuja olisi voinut olla korkeakoulutettujen osuus. Iivari Laaksonen onkin tehnyt koropleettikartan korkeakoulutettujen osuudesta 30-34-vuotiaiden keskuudessa.

Teemakartta EU:n sekä Norjan, Sveitsin ja Turkin kasvihuonekaasupäästöistä. Pylväsdiagrammeista on luettavissa innovatiivisten yritysten määrä kaikista yrityksistä sekä korkeakouluopiskelijoiden määrä väestöstä.

Kartoiltani on helposti vertailtavissa maiden välisten kasvihuonekaasupäästöjen määriä yhtä asukasta kohti. On myös huomattava, että kasvihuonepäästöjenkään vertailu ei ole kovin mutkatonta. Kartoiltani voi esimerkiksi huomata, että Pohjois-Euroopassa päästöjen määrä yhtä asukasta kohti on pääosin korkeampi kuin Etelä-Euroopassa. Tähän vaikuttavat pohjoisessa lämmityksestä aiheutuvat päästöt. Sen vuoksi onkin järkevintä vertailla samankaltaisissa olosuhteissa sijaitsevia maita. Esimerkiksi Viron päästöt asukasta kohti ovat huomattavasti suuremmat kuin naapurimaassa Latviassa. Saksan ja Ranskan välinen voimakas ero ei ole myöskään selitettävissä yksin lämmityskuluilla. Sonja Koiviston kartalta voi lukea maatalouden aiheuttamien kasvihuonekaasupäästöjen määriä Euroopan valtioissa. Hänen kartaltaan nähdän, että maatalouden piirissä Ranskan päästöt ovat suurimmat, Saksan toiseksi suurimmat. Olisi mielenkiintoista vertailla näitä päästöjä väkilukuun suhteutettuna, jolloin Koiviston ja minun karttojani olisi helpompi vertailla.

Tehtäviä tehdessäni huomasin, että osasin jo melko hyvin käyttää MapInfon perustoimintoja. Esimerkiksi taulukoiden rakenteiden muuttaminen, teemakarttojen luominen, legendan muokkaaminen ja moni muu asia on hallussa. Isoin ongelmani on rutiinin puuttuminen, joten työ on kankeaa ja joudun tekemään välillä samoja asioita kahteen kertaan. Mikäli jonkin MapInfon työkalun kanssa tulee vastaan jokin odottamaton ongelma, osaan harvoin ratkaista sitä itse.

-Vilja

Lähteet:

Anna Huusari, Viikko 7. Viimeistä viedään. <http://blogs.helsinki.fi/anhu> Luettu 6.3.2017.

Sonja Koivisto, Kaikki loppuu aikanaan…<https://blogs.helsinki.fi/kosokoso/2017/03/02/kaikki-loppuu-aikanaan/#comment-2> Luettu 3.3.2017.

Iivari Laaksonen, 7.kurssikerta. <https://blogs.helsinki.fi/iilaakso/> Luettu 3.3.2017.

Eurostat yearbook, Greenhouse gas emissions by industries and households. < http://ec.europa.eu/eurostat/statistics-explained/index.php/Greenhouse_gas_emissions_by_industries_and_households> Luettu 28.2.2017

Eurostat yearbook, Tertary education statistics. <http://ec.europa.eu/eurostat/statistics-explained/index.php/Tertiary_education_statistics>  Luettu 28.2.2017.

Eurostat yearbook, Healthy life years statistics. <http://ec.europa.eu/eurostat/statistics-explained/index.php/Healthy_life_years_statistics>  Luettu 28.2.2017.

Eurostat yearbook, Innovation statistics. <http://ec.europa.eu/eurostat/statistics-explained/index.php/Innovation_statistics>  Luettu 28.2.2017.

Natural Earth, Admin 0 – Countries. <http://www.naturalearthdata.com/downloads/10m-cultural-vectors/10m-admin-0-countries/> Ladattu 28.2.2017

Natural Earth, 1:50 Natural Earth I with Shaded Relief and Water.  <http://www.naturalearthdata.com/downloads/50m-raster-data/50m-natural-earth-1/>

 

 

Blogi valmis, never again.
Julkaistu

Kurssikerta 6: GPS-paikannusta, pistekarttoja ja hasardeja

GPS-paikannustehtävä ja RAYn pelikoneiden geokoodaaminen kartalle

 

Tänään päivä alkoi ulkoilulla. Kuljimme ryhmässä ja valitsimme teeman, jonka perusteella tallensimme GPS-laitteella pisteitä. Ryhmämme tallensi pisteen jokaisen vapaan parkkipaikan kohdalla Physicumin ympärillä. Nämä koordinaattipisteet kirjattiin Excel-tiedostoon, joka avattiin MapInfossa ja pisteet saatiin näkymään MapInfossa pääkaupunkiseutua kuvaavaan pohjakarttaan.  Tämän jälkeen GPS-laite liitettiin piuhalla tietokoneeseen, jolloin kävelyreitti voitiin liittää muunnosohjelman välityksellä MapInfoon.

Seuraavassa harjoituksessa harjoiteltiin pisteiden sijoittamista geokoodauksen avulla. Käytimme RAY:n Excel-aineistoa, jossa oli lueteltuna kaikki pelikoneet, niiden sijainnit osoitteen ja postinumeron avulla sekä id-koodit. Pohjakarttana oli kartta, jossa oli kaikki kadut ja tiedot tonttinumeroista. Geokoodasimme pelikoneet kartalle osoitetietojen avulla. Mikäli osoite ei ollut täsmälleen samalla tavalla kirjoitettu molemmissa aineistoissa (esim. yhdysmerkin tai välilyönnin puuttuminen), osoitteet täytyi hyväksyä manuaalisesti toisiaan vastaaviksi.

Itsenäistehtävä hasardeista

Hasarditehtävä oli suunnattu erityisesti opettajiksi hakeutuville, joten tehtävä oli minulle hyödyllinen. Tehtävä opetti esittämään kartalla ajankohtaisia ilmiöitä, ja luomaan karttoja eri ajoilta, joita voidaan verrata. Käytin omissa kartoissani tietokantoja tulivuorista (https://catalog.data.gov/dataset/global-volcano-locations-database) ja maanjäristyksistä (http://quake.geo.berkeley.edu/anss/catalog-search.html). Totesin blogissa kuvia tarkastellessani, että symbolit voisivat olla hieman isommat, koska ne erottuvat huonosti sellaisissa kartoissa, joissa niitä on vain vähän. Kuvatiedostoja tallentaessani tarkastelin niitä suurempina, joten koko näytti riittävältä. Saat kuvan suuremmaksi klikkaamalla sitä ja zoomattua lähemmäs klikkaamalla kuvaa uudestaan. Toisten blogeja lukiessani totesin myös, että aineistoissa olisi näköjään ollut myös kauniimman värisiä taustakarttoja.

Teimme yhdessä ensimmäisen kartan, jossa kuvattiin yli 6 magnitudin maanjäristykset vuodesta 2002 lähtien. Tällä kartalla olisi helppoa havainnollistaa oppilaille maanjäristysten sijoittumista eri alueilla. Kuvasta erottuu selvästi Tyynenmeren tulirinki. Kuten Sonja Kosonen kirjoittaa blogissaan, litosfäärilaatat nimistöineen toisi lisää informaatioarvoa kartalle, koska maanjäristyspaikat sijoittuvat näihin saumakohtiin. Valtteri Lehto ehdottaa väestöntiheyskartan vertailua yhdessä maanjäristyskartan kanssa, jotta voisi päätellä, millä alueilla maanjäristysten uhriluvut  ja taloudelliset menetykset olisivat suurimpia.

Yli 6,0 magnitudin maanjäristykset vuodesta 2002 alkaen.

Seuraavaksi tein karttaparin, joissa esitin vuoden 2017 helmikuun 22. päivään mennessä tapahtuneita maanjäristyksiä. Ensimmäisessä kartassa on esitetty yli 6,0 magnitudin ja toisessa yli 3,0 magnitudin maanjärsitykset. Kartoilla saa helposti havainnollistettua, että voimakkaita maanjäristyksiä tapahtuu selvästi vähemmän kuin heikompia. Suomalaisille oppilaille, jotka eivät arkiympäristössään juurikaan koe maanjäristyksiä, jälkimmäinen kartta havainnollistaisi myös sitä, että maanjäristyksiä tapahtuu paljon enemmän kuin niitä uutisoidaan. Lievät maanjäristykset ovat arkipäivää maanjäristysherkillä alueilla.

Yli 6,0 magnitudin maanjäristykset vuonna 2017 22.2. mennessä.
Yli 3,0 magnitudin maanjäristykset vuonna 2017 22.2. mennessä.

Kuvasin myös vuodesta 2002 alkaen tapahtuneet yli 6,0 magnitudin maanjäristykset ja tulivuoret, jotka ovat purkautuneet holoseenin aikana. Kartasta havaitaan, että myös tulivuoret painottuvat Tyynenmeren tuliringin alueelle, joten maanjäristysalueet ja tuliperäiset alueet sijoittuvat hyvin samoille alueille.

Yli 6,0 magnitudin maanjäristykset vuodesta 2002 alkaen punaisilla neliöillä ja holoseenin aikana purkautuneet tulivuoret keltaisilla kolmioilla.

Näillä kartoillani voisi opettaa myös mantereita ja valtameriä sekä koordinaatiston ja projektion merkitystä muiden karttojen rinnalla. Vastaavanlaisia karttoja voisi tehdä samalla tekniikalla esittämään monia muitakin asioita ja ilmiöitä. Esimerkiksi kartalle voisi sijoittaa miljoonakaupungit eri aikoina, jolloin niiden lisääntyminen kaupugistumisen edetessä näkyisi. Toinen esimerkki voisi olla terrori-iskujen esittäminen tietyllä aikavälillä. Tämän avulla voisi havainnollistaa median luoman mielikuvan vääristymää terroritekojen yleisyydestä länsimaissa. Paula Silfverberg on keksinyt, että kartalla voisi kuvata niitä hasardeja, joista on itse selvinnyt. Hän on luonut blogiinsa kartan elinikänsä aikana maahan törmänneistä meteoriiteista.

Löysin netistä lähes reaaliajassa päivittyvän maanjäristyslistan ja -kartan, joka löytyy osoitteesta http://quakes.globalincidentmap.com/. Kyseisellä sivulla pääsee valitsemaan tarkastelun kohteeksi maanjäristysten sijaan myös mm. metsäpalot, ruoka- ja lääkevahingot, lentoliikenteen ongelmat, tautien leviämiset ja terrori-iskut.

Viimeiseksi yritin siirtää edellä mainitun kartan pisteet Google Earth-palveluun, jolloin oppilaat voisivat tarkastella ilmiötä eri suunnista maapalloa käännellen. Ohjeet olivat ilmeisesti kuitenkin vanhentuneet, kun Arttu sanoi, että tein vaiheet ihan oikein. Tästä tuli malliesimerkki siitä, että hommat ei vaan mene aina ihan nappiin. 😀

Google Earth-kartta. Ei menny iha niinku Strömsössä. 

– Vilja

Lähteet

Sonja Kosonen, Keskiviikon geokoodausta. <https://blogs.helsinki.fi/kosokoso/> Luettu 22.2.2017.

Valtteri Lehto, Kuudes kurssikerta: Hasardit pisteiksi (period). <https://blogs.helsinki.fi/valttele/> Luettu 1.3.2017

Paula Silfverberg, Kuudes kurssikerta. <https://blogs.helsinki.fi/pasipasi/> Luettu 22.2.2017.

<http://quakes.globalincidentmap.com> Tarkasteltu 22.2.2017.

Northern California Earthquake Data Center. <http://quake.geo.berkeley.edu/anss/catalog-search.html> Luettu 22.2.2017.

National Oceanic and Atmospheric Administration. <https://catalog.data.gov/dataset/global-volcano-locations-database> Luettu 22.2.2017.

Julkaistu

Kurssikerta 5: Bufferointia ja järjen käyttöä

Yleistä bufferoinnista

Tällä kurssikerralla Arttu opetti meitä luomaan jonkin kohteen ympärille bufferin eli alueen, jonka sisällä kiinnostavan ilmiön esiintymistä voidaan tutkia. Esimerkkiharjoituksena loimme Pornaisten pääväylien ympärille bufferin 100 metrin säteellä ja tutkimme, kuinka monta henkilöä asuu bufferin rajojen sisäpuolella. Laskimme myös, kuinka suuri osuus tämä asukasmäärä on koko alueen asukkaista. Bufferin avulla tutkimme myös, kuinka suuri osa alueen asukkaista asuu maksimissaan 500 metrin päässä terveyskeskuksesta ja enintään kilometrin päässä koulusta.

Bufferoinnilla voidaan tutkia hyvin monenlaisia asioita ja ilmiöitä, ja tarkastella kohteiden vaikutusalueiden kokoa. Buffereita voitaisiin hyödyntää uusia hankkeita kaavoitettaessa: uutta juna-asemaa suunniteltaessa voisi tutkia asukasmääriä lähialueella tai uutta ydinvoimalaa suunniteltaessa voitaisiin tutkia, kuinka moneen ihmiseen mahdollinen ydinvoimalaonnettomuus vaikuttaisi suoraan sen perusteella, paljonko bufferialueella asuu ihmisiä. Toinen hyvä käyttökohde bufferoinille voisi olla eläinten reviirien ja pesäpaikkojen sijoittuminen toisiinsa nähden tai suhteessa muihin lajeihin, vesistöihin tai muihin tekijöihin (kyllä, olen biologi). Tanja Palomäki kirjoittaa blogissaan, että buffereita käytetään matkapuhelinverkkojen suunnittelussa, kun uusien kuuluvuuspylväiden paikkoja valitaan. Buffereilla saadaan tutkittua pylväästä hyötyvien asukkaiden määriä.

Lentokentät meluhaittoineen

Suurin osa kurssikerran ajasta käytettiin itsenäistehtävien suorittamiseen, joissa tarvittiin niin bufferointia kuin aiemmillakin kurssikerroilla opetettuja asioita. Ensimmäisessä tehtävässä aiheena olivat lentokentät ja niiden aiheuttamat meluhaitat. Piirsin kartalle Malmin ja Helsinki-Vantaan lentokenttien kiitoradat, joiden ympärille muodostin buffereita. Sain selville, että korkeintaan kahden kilometrin päässä Malmin lentokentän kiitoradoista asuu 54 544 henkiloä, kun vastaava luku Helsinki-Vantaan lentokentän ympäristössä on 9 733. Kilometrin säteellä Malmin kiitoradoista asuu 8499 ihmistä. Seuraavaksi tutkin melualueita Helsinki-Vantaan ympäristössä. Kahden kilometrin säteellä kiitoradoista asuvista 9733 henkilöstä vain 21 asuu pahimmalla melualueella, jossa melu on 65dB tai enemmän. Desibelien ollessa 55 tai enemmän asukkaita on jo 2666. Uuden kiitoradan rakennustöiden vuoksi lentokoneet saapuivat kentälle kaakosta vuonna 2002, joten ne ylittivät Tikkurilan. Tehtävänä oli tutkia, kuinka moneen ihmiseen vaikutus yltäisi, mikäli koneet siirrettäisiin jälleen kulkemaan tätä reittiä. Nykyisten reittien meluvaikutusten perusteella voidaan olettaa, että vaikutusalue yltäisi kiitoradan päästä 7 kilometriä pitkälle ja kilometrin leveälle alueelle. Piirsin kiitoradan ”jatkeeksi” 6,5km pitkän viivan, jolle tein bufferin 500 metrin säteellä. Tällä alueella asuu 12 416 ihmistä, joihin vaikutukset olisivat suorat.

Asutus juna-asemien ympäristössä ja taajamissa

Tutkimallamme alueella enintään 500 metrin päässä juna-asemasta asui 84 343 asukasta, mikä on n. 17,2 % alueen kaikista asukkaista. Pyry Lehtonen kirjoittaa blogissaan (on muuten superhyvin kirjoitettu blogiteksti) tämän olevan yllättävän vähän ja epäilee syyn löytyvän mahdollisesti hyvistä bussilinjoista. Minun mielestäni 17,2 % on yllättävän paljon. Joka kuudes asuu korkeintaan puolen kilometrin päässä juna-asemasta, joten asutuksen täytyy olla alueilla todella tiheää. Tutkimamme alue on suuri ja valtaosa alueesta on sellaista, jossa juna-asema ei ole puolen kilometrin säteellä. 69 % asukkaista, joiden matka lähimmälle juna-asemalle on korkeintaan 500 metriä, on työikäistä väestöä eli 15-64-vuotiaita.

Tutkitun alueen asukkaista 96,2 % asuu taajamissa. Kouluikäisistä eli 7-15-vuotiasta vain 1974 henkilöä eli 4,01 % alueen kaikista kouluikäisistä asuu taajaman ulkopuolella. Asuttuja taajama-alueita alueella on yhteensä 336. Näistä taajamalueista 39 taajamassa ulkomaalaisten osuus väestöstä on yli 10 %, kymmenessä yli 20 % ja kuudessa yli 30 %.

Helsingin Yhtenäiskoulun koulupiiri

Viimeisen itsenäistehtävän aiheen sai valita kolmesta vaihtoehdosta: koulut, putkiremontit tai uima-altaat ja saunat. Valitsin aiheekseni koulut tai oikeastaan Helsingin Yhtenäiskoulun. Selvitin, että koulun koulupiirissä asuu 91 6-vuotiasta eli seuraavan vuoden 1.-luokkalaista. 14-vuotiaita eli seuraavana vuonna yläkoulun puolelle siirtyviä alueella asui 23 . Koulupiirin alueella asuvista ihmisistä n. 8,4 % on kouluikäisiä. Kun oletetaan, että alueella asuvien muunkielisten keskuudessa kouluikäisten osuus perheissä on yhtä suuri kuin suomen- ja ruotsinkielisisten keskuudessa, voidaan arvioida koulupiirissä asuvan noin 10 muunkielistä kouluikäistä.

Maija Nikkanen on luonut blogiinsa myös koropleettikartan kouluikäisten osuuksista koulupiireissä. Sen avulla on helppo vertailla alueiden eroja.

Yhteenvetotaulukko kurssikerran töistä.

MapInfo-osaamiseni tällä hetkellä

Aiemmilla kurssikerroilla olen kuvitellut osaavani käyttää MapInfon perustyökaluja melko hyvin, mutta tämä kurssikerta osoitti, että niin ei todellakaan ole. Työkalujen käyttö vaatisi huomattavasti lisää harjoitusta, jotta osaaminen rutinoituisi.  Tietokantojen yhdistely ei suju kovin helposti, varsinkaan, jos data on väärän muotoista ja se pitäisi muuttaa MapInfolle luettavaan muotoon. Lisäksi huomasin, että tiedon hankinta yhdestä tietokannasta niin, että tutkittavan alueen rajaus on toisessa tietokannassa, tuotti päänvaivaa.

Jotain on silti opittukin. Erilasia teemakarttoja osaan luoda hyvin, mikä onkin yksi keskeisimmistä taidoista MapInfon käytössä. Pystyn siis kuvaamaan monenlaisia ilmiöitä kartoilla. Hallitsen myös hyvin uusien sarakkeiden luomisen taulukkoon sekä uusien sarakkeiden laskutoimitusten tekemisen. Karttaobjektien luominen sujuu myös hyvin.

MapInfolla on ratkaistavissa valtavasti erilaisia ongelmia ja asioita, mutta taitotasoni yltää vasta perusasioihin. Uskon, että työkalujen käyttö yhdessä mahdollistaa niin paljon erilaisia mahdollisuuksia, ettei tietoni vielä edes riitä ymmärtämään kaikkia  mahdollisuuksia. Tietokantojen saatavuus ja kattavuus ovat varmaankin kaikkein suurin rajoittava tekijä analyysien tekemisessä. Ehkä jonain päivänä olen MapInfon äärellä kuin itse Paarlahti konsanaan – tai sitten en.

-Vilja

Lähteet

Pyry Lehtonen, Kurssikerta V Law and Order edition.<https://blogs.helsinki.fi/lepylepy/> Luettu 16.2.2017.

Maija Nikkanen, Viikko 5: Mapinfo, taas. <https://blogs.helsinki.fi/msnikkan/2017/02/21/viikko-5/> Luettu 2.3.2017.

Tanja Palomäki, 5. Kurssikerta. <https://blogs.helsinki.fi/ptanja/> Luettu 16.2.2017.

Julkaistu

Kurssikerta 4: Ruututeemakartan luominen ja ulkomaiden kansalaiset pääkaupunkiseudulla

Ruututeemakartoista

Tänään opettelimme ruututeemakartan tekemistä. Toisin kuin tavallisessa koropleettikartassa, ruutuaineistossa saa käyttää suhteellisten arvojen sijaan myös absoluuttisia arvoja. Ruudut ovat samankokoisia, joten absoluuttiset arvot suhteutuvat automaattisesti ruudun pinta-alaan. Tämä on hyödyllistä silloin, kun ei haluta tarkastella muuttujaa hallinnollisten rajojen, kuten kuntien tai maakuntien välillä. Ruututeemakartan negatiivinen puoli absoluuttisia arvoja käytettäessä on se, että osa ruuduista voi olla osittain vesistön puolella. Tällöin maapinta-alaa voi olla huomattavasti vähemmän kuin muissa ruuduissa, joten absoluuttisia arvoja käytettäessä tällaiset ruudut saattavat pudota alempaan luokkaan, vaikka ilmiön esiintymistiheys ruudun maapinta-alla olisi yhtä suuri kuin viereisissä korkeampaan luokkaan kuuluvissa ruuduissa. Ruututeemakartan etu on se, että ruutukokoa muuttamalla voidaan saada yksityiskohtaisempaa tai laaja-alaisempaa tietoa. Näitä eri ruutukoon karttoja voidaan vertailla keskenään. Nähdään pieniruutuisemmasta kartasta, onko ilmiö jakautunut isomman ruudun alueella tasaisesti vai klusteroituneesti. Tätä ei nähdä koropleettikartasta, joka noudattaa hallinnollisia rajoja. Sonja Koivisto toteaa blogissaan, että ruututeemakartta on kuitenkin suurpiirteisempi kuin pistekartta, jolla havainnot ovat tarkalleen oikeilla paikoillaan. Jotta ruututeemakartta olisi luettavissa ja katsojalle hahmotettavissa, kannattaa kartalla säilyttää kuntarajat. Näin sijaintia ja alueita on helpompi hahmottaa.

Teemakartta ulkomaalaisten sijoittumisesta pääkaupunkiseudulla

Työ alkoi ruudukon luomisella pohjakartan päälle. Meillä oli käytössämme Tilastokeskuksen tietokantoja vuodelta 2013, joiden perusteella loimme kartan valitsemastamme aiheesta. Ensimmäisen kartan loin ruutukoolla 750mx750m, mutta totesin ruutujen olevan turhan isoja, joten yksityiskohtaista informaatiota hävisi. Seuraavaksi kokeilin ruutukokoa 250mx250m, mutta kartasta tuli sotkuisen näköinen liian pienien ruutujen vuoksi. Lopulta päädyin ruutukokoon 400mx400m.

Ulkomaiden kansalaisten sijoittuminen pääkaupunkiseudulla. Ruutukoko on 400mx400m.

Kartastani nähdään ulkomaiden kansalaisten jakautuminen pääkaupunkiseudulla. Jätin ne ruudut kuvaamatta, joissa ei asu yhtään ulkomaalaista. On huomattava, että Kauniaisissa ei ole yhtäkään kokonaista ruutua, joten ulkomaalaisia on hyvin vähän. Länsi-Vantaalla sekä Pohjois-Espoossa on nähtävissä runsaasti alueita, joissa ei asu lainkaan ulkomaalaisia tai heitä on vain vähän. Tummimmat alueet, joissa on siis klustereita, joissa ulkomaalaisia asuu eniten, sijoittuvat Helsingin keskustaan, Itä-Helsinkiin, Espoon keskukseen ja Matinkylään sekä Vantaan Tikkurilaan, Hakunilaan ja Korsoon. Helsingin alueella maahanmuuttajia asuu kunnista eniten. Lähes koko Helsinki onkin ruutujen peitossa. Karttani näyttää hyvin samankaltaiselta, kuin Elisabet Rautasen ruututeemakartta, jossa hän kuvaa muunkielisten alueellista sijoittumista pääkaupunkiseudulla. Ulkomaiden kansalaiset ovat siis sijoittuneet suurempiin keskuksiin, missä asuntojakin on tiheämmin. Ilmiö ei ole kuitenkaan näin yksinkertainen. Vertasin karttaani Anna Haukan ruututeemakarttaan, jossa on kuvattuna asukasmäärät pääkaupunkiseudulla. Huomasin, että esimerkiksi Espoon keskuksessa ja Itä-Helsingissä, jossa ulkomaiden kansalaisia asuu tiheimmin, asutus ylipäätään ei ole pääkaupunkiseudun tiheintä. Lisäksi Kauniaisissa, jossa ulkomaiden kansalaisia ei asu lähes lainkaan, on asutusta ylipäätään keskitiheästi.

Kartta onnistui hyvin, ja mielestäni ruutujen koko on sopiva, joten luettavuus on hyvä. Myös värit onnistuivat hyvin. Jälkikäteen totesin, että kartan informatiivisuutta olisi lisännyt kuntien nimien lisääminen, vaikka sijainti onkin hahmotettavissa kuntarajoista. Olisi myös ollut järkevää suhteuttaa ulkomaalaisten määrä koko asukasmäärään, jolloin kartan informatiivisuus ulkomaalaisten osuudesta koko väestömäärässä olisi luettavissa. Onneksi Valtteri Lehto on käyttänyt päätään enemmän kuin minä ja tehnyt karttansa nimenomaan ulkomaalaisten osuudesta koko väestössä. Verratessani karttaani hänen karttaansa totesin, että suunnilleen samat alueet korostuvat molemmissa kartoissa.

-Vilja

Lähteet

Anna Haukka, Kurssikerta 4. Shakkilauta? Ei vaan ruututeemakartta. <https://blogs.helsinki.fi/ahaukka/> Luettu 9.2.2017.

Sonja Koivisto, Ruututeemakartat. <https://blogs.helsinki.fi/kosokoso/> Luettu 9.2.2017.

Valtteri Lehto, Kurssikerta 4: Be a Square. <https://blogs.helsinki.fi/valttele/> Luettu 16.2.2017.

Elisabet Rautanen, Luento 4 – Ruutuja ja rasterikarttoja MapInfoon. <https://blogs.helsinki.fi/elisabet/> Luettu 9.2.2017.

Julkaistu

Kurssikerta 3: Datan käsittelyä ja päävaluma-alueet Suomessa

Datan käsittelyn perusasiat haltuun MapInfossa Afrikka-datan avulla

Kurssikerran ensimmäisen puoliskon aikana Arttu opetti meille datan käsittelyä MapInfolla. Tarkoituksena oli oppia muokkaamaan dataa sellaiseen muotoon, että teemakarttojen luominen ja muut datan perusteella tehtävät jatkotoimenpiteet olisivat mahdollisimman vaivattomia. Ensimmäisenä opettelimme yhdistämään taulukossa monelle riville hajautetun, mutta samaa aluetta käsittelevän tiedon yhdelle riville. Seuraava vaihe oli oppia yhdistämään tietoa kahdesta eri tietokannasta samaan tietokantaan, myös sellaisesta tietokannasta, joka on Excel-muodossa. Tärkeää oli myös oppia luomaan taulukkoon uusi sarake ja asettaa sille jokin laskutoimitus, jonka perusteella se laskee arvonsa. Harjoittelimme näitä toimenpiteitä tietokannoilla, joista ilmenivät Afrikan valtioiden väkiluvut, internetin käyttäjät vuonna 2000 ja 2016, Facebookin käyttäjät vuonna 2016, konfliktipaikat, timanttikaivokset ja öljykentät. Näiden tietojen avulla loimme esimerkiksi sarakkeen Internetin läpäisevyydestä ja sen kasvusta vuosina 2000–2016.

Blogitehtävänä oli vielä pohtia, mitä tietokannalla voisi vielä tehdä tai päätellä, jos tiedossa olisi vielä konfliktin tapahtumavuosi, laajuus/säde kilometreinä, timanttikaivosten löytämisvuosi, kaivausten aloitusvuosi, tuottavuusluokittelu, öljykenttien löytämisvuosi, poraamisvuosi, tuottavuusluokittelu ja internetkäyttäjien lukumäärä eri vuosina. Näin laajan aineiston perusteella olisi pääteltävissä jo valtava määrä asioita. Voitaisiin esimerkiksi tutkia, onko timanttikaivausten tai öljynporauksen aloittaminen näkynyt seuraavina vuosina vaurastumisena ja sitä kautta internetin käytön lisääntymisenä, ja mikäli on, niin kuinka monen vuoden viiveellä. Toisaalta voisi tutkia, ovatko konfliktit hidastaneet vaurastumista ja siten internetin käytön lisääntymistä. Näitä erilaisia maita voisi verrata sellaisiin valtioihin, joissa ei ole öljykenttiä, timanttikaivoksia eikä konflikteja. Toisena tutkittavana kysymyksenä voisi olla, onko öljykenttä- ja timanttialueilla enemmän konflikteja kuin muilla alueilla muodostamalla sarakkeen timanttikaivokset/konfliktit-suhteesta sekä öljykentät/konfliktit-suhteesta. Tällaisen yhteyden voisi olettaa löytyvän ihmisen ahneuden vuoksi. Mikäli yhteys löytyisi, voisi suhdelukujen perusteella myös päätellä, lisääkö jommankumman luonnonvaran läsnäolo konfliktien riskiä enemmän kuin toinen. Sonja Koivisto esitti blogissaan hyvän idean, että muodostamalla eri vuosien konflikteista teemakarttoja ja asettamalla ne videolle peräkkäin voisi tarkastella konfliktien syntymistä ja häviämistä eri alueilla. Sonja Koiviston ideaan voisi lisätä esimerkiksi vielä öljykenttien ja timanttien löytymiset eri aikoina, jolloin niiden mahdollinen yhteys näkyisi videolta.

Kuten Valtteri Lehto kirjoittaa blogissaan, tieteentekijän täytyy muistaa, että kahden tekijän välinen korrelaatio ei välttämättä kerro syy-seuraussuhteesta, esimerkiksi timanttikiistojen ja konfliktien välillä. Hätiköityjä johtopäätöksiä ei siis kannata tehdä.

Kartta Suomen päävaluma-alueiden tulvaindekseistä ja järvisyydestä

Kurssikerran karttatehtävänä oli luoda koropleettikartta Suomen päävaluma-alueiden tulvaindekseistä ja liittää siihen pylväsdiagrammit järvisyydestä. Aineistona saimme Artulta kartan Suomen päävaluma-alueista, johon liittyi myös taulukkoaineistona tiedot päävaluma-alueiden keskivirtaamista MQ ja keskialivirtaamista MNQ. Lisäksi käytössämme oli kaksi muuta taulukkoaineistoa: toisessa tiedot valuma-alueiden keskiylivirtaamasta MHQ MapInfo-tietokantana ja toisessa järvisyydestä (%) Excel-taulukkona. Tietokannat piti yhdistää yhteen taulukkoon kurssikerran alkupuolella opittujen tietojen perusteella. Taulukkoon muodostettiin sarake tulvaindeksille, joka tarkoittaa keskiylivirtaaman suhdetta keskialivirtaamaan. Toisin sanoen, mitä suurempi tulvaindeksi on, sitä voimakkaammat ovat virtausvaihtelut. Kun taulukko oli valmis, teemakartta oli helppo luoda aiempien kurssikertojen tietojen perusteella. Histogrammin perusteella valitsin luonnolliset luokkavälit tulvaindeksien luokitteluun.

Kurssikerran loputtua julistin tämän rumimmaksi kartaksi, jonka olen TAK- ja PAK-kurssien aikana tehnyt. Seuraavana päivänä kuitenkin palasin korjailemaan värejä, joten tämä lopullinen tuotos on vain semisti ruma.

Koropleettikartta Suomen päävaluma-alueiden tulvaindekseistä ja järvisyys pylväsdiagrammeina.

 

Valuma-alueiden rajoilla on aina jokin vedenjakaja, joka jakaa veden virtauksen eri suuntiin. Teemakartastani voi siis päätellä korkeampien ja matalampien alueiden vaihteluja valuma-aluerajojen perusteella. Kartasta on myös selvästi nähtävissä, että rannikkoa lähinnä olevat pienet valuma-alueet tulvivat ja laskevat voimakkaimmin. Sisämaassa tulviminen ja jokien virtauksen voimakas vähentyminen ovat vähäisempiä. Mitä järvisempi alue on, sitä pienempi sen tulvaindeksi on. Tämä johtuu siitä, että järvet tasoittavat tulvimista ”keräämällä” vettä virtauksen kasvaessa. Sari Aroalho toteaa aihetta käsitellessään, että järvet myös toisaalta luovuttavat kuivina kausina vettä järviin, jolloin keskialivirtaama ei ole niin alhainen.

-Vilja

Lähdeviitteet

Sari Aroalho, Kolmas kurssikerta: Tietokantojen kulissien takana. <https://blogs.helsinki.fi/ahonenan/> Luettu 8.2.2017

Sonja Koivisto, Tietokantojen käsittelyä. <https://blogs.helsinki.fi/kosokoso/> Luettu 1.2.2017

Valtteri Lehto, Kurssikerta 3: Datatulva. <https://blogs.helsinki.fi/valttele/> Luettu 8.2.2017

Julkaistu

Kurssikerta 2: Erilaisia teemakarttatyyppejä ja alkoholin myynnin ja rattijuopumusten suhde kartalla

Kahden muuttuja koropleettikartta ja Anna Leonowczin artikkeli

Anna Leonowicz käsittelee artikkelissaan ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship” koropleettikartoista, joissa esitetään yhden muuttujan sijaan kahden muuttujan esiintyminstä alueellisesti. Hän kirjoittaa, että jos kahden muuttujan välillä on voimakas riippuvuussuhde, se on nähtävissä kartalta. Kokeessa, jossa opiskelijat olivat tarkastelleet sekä yhden että kahden muuttujan koropleettikarttoja, opiskelijat olivat kokeneet kahden muuttujan kartat hieman vaikealukuisemmiksi, mutta kiinnostavammiksi. Esitystapa vaatiikin lukijalta hyvää kartanlukutaitoa ja värienhahmotuskykyä. Kiia-Riina Eerikäinen on oikeassa todetessaan blogitekstissään, että kahden muuttujan koropleettikartan lukutaito on tottumiskysymys. Leonowiczin mukaan kahden muuttujan kartan vahvuus on se, että kahta eri tekijää voidaan tarkastella samanaikaisesti, minkä vuoksi hän toivookin, että maantieteilijät esittäisivät asioita käytännössä useammin tällä menetelmällä.

Esitystapa on hyödyllinen silloin, kun kahden eri tekijän välistä riippuvuussuhdetta halutaan tutkia ja visualisoida jollakin alueella. Täysin toisistaan riippumattomien tekijöiden esittäminen tällä tavalla ei ole hyödyllistä: ei ehkäpä kannata laittaa samalle kartalle ehkäisypillereiden käytön yleisyyttä ja talveksi etelään lähtevien hippiäisten prosenttiosuutta. Silloin, kun tekijöillä on selvä suhde toisiinsa, esimerkiksi tupakoivien osuus väestöstä ja keuhkosyövän yleisyys, muuttujien riippuvuus on nähtävissä helpommin, kun ne ovat samalla kartalla. Eri kartoilla esitettynä lukija ei näe riippuvuussuhdetta yhtä nopeasti.

Kun muuttujien luokkia lisätään, erilaiset yhdistelmäluokat lisääntyvät eksponentiaalisesti. Jos molemmilla muuttujilla on kolme luokkaa, muodostuu yhteensä yhdeksän erilaista luokkaa. Jos vastaavasti muuttujien luokkia on neljä, muodostuisi yhteensä jo 16 erilaista luokkaa. Kartan tekijän täytyy tämän vuoksi miettiä hyvin tarkasti, kuinka monta luokkaa muuttujien suhteen on luettavissa ja tuoko jokainen luokka lisätietoa ja -arvoa kartalle. Mikäli luokkia tarvitaan paljon muuttujien luonteen vuoksi, kannattaa muuttujat esittää omilla kartoillaan selkeyden vuoksi.

Anna Leonowiczin artikkelissa legendat ovat kaksiulotteisia koordinaatistoja, joissa muuttujat ovat omilla akseleillaan. Näin kaikki erilaiset luokkavaihtoehdot ovat nähtävissä. Legendat myös kuvaavat sitä, kuinka paljon haastavammaksi luettavuus vaikeutuu, kun molempien muuttujien luokkia on kolmen sijaan neljä.

Artikkelissa vaikeimmin ymmärrettävä osio oli luvun ”Selection of class intervals” viimeinen kappale, koska siinä käytettiin tilastotieteen sanastoa. Tilastotieteen kurssistani on vierähtänyt jo jonkin aikaa, eikä sanastoa tule käytettyä aktiivisesti, mikä vaikeutti ymmärtämistä. Kuten Sari Aroalho kirjoittaa artikkelin lukemiskokemuksestaan, kahden muuttujan koropleettikartan ideaa on vaikea hahmottaa ennen kuin sellaista karttakuvana tarkastelee.

Erilaisten teemakarttojen tekemistä MapInfolla

Opettelimme Artun johdolla luomaan erilaisia teemakarttoja MapInfolla ensimmäisellä kurssikerralla opitun yhden muuttujan koropleettikartan lisäksi. Koropleettikartalla saa käyttää vain suhteellisia muuttujia eli ilmiö on suhteutettu esimerkiksi asukasmäärään tai alueen pinta-alaan. Opettelimme uusina teemakarttatyyppeinä pylväsdiagrammi-, pistetiheys- ja graduated-kartat, joissa absoluuttisten arvojen käyttäminen onnistuu. Graduated-kartassa symbolin koko kertoo ilmiön voimakkuudesta. Ympyrädiagrammikarttaankin voi laittaa absoluuttisia arvoja, mutta tällöin ympyröiden kokoa kannattaa skaalata jokaisen ympyrän yhteen laskettujen arvojen perusteella. Grid-kartalla voidaan kuvata yhtenäisenä pintana jonkin ilmiön esiintymistä kartalla, koska tiedottomille kohdille ohjelma interpoloi eli laskee todennäköisimmän arvon lähellä olevien arvojen perusteella. Lopuksi teimme 3D-kartan, jota voi tarkastella eri suunnista ja jossa ilmiön voimakkuutta kuvataan kartasta ylös nousevilla erikokoisilla ”vuorilla”. Prismaattinen kartta on toinen kolmiulotteinen kartta, jossa alueet nousevat eri korkeuksille ilmiön voimakkuuden mukaan.

Kartan tekoa aloittaessaan on tärkeä pohtia, millaisia mahdollisuuksia ohjelmisto luo. Ohjelmistojen tilastolliset laskutavat ja kartografiset esitystapavaihtoehdot rajoittavat mahdollisuuksia, ellei ohjelmia ole käytössä useita. Kartografiset esitysmahdollisuudet siis seuraavat välineiden kehitystä.

Koropleettikarttani alkoholin myyntimäärien ja rattijuopumusten suhteesta Pirkanmaalla

Kuva 1. Kartta alkoholimyynnin ja poliisin tietoon tulleiden rattijuopumusten jakautumisesta Pirkanmaalla vuonna 2015.

Hain Sotkanetistä tilastoja alkoholin myynnistä asukasta kohden ja poliisin tietoon tulleista rattijuopumuksista 1000 asukasta kohden Pirkanmaalla. Käytin vuoden 2015 tietoja, jotka siirsin Excelin kautta MapInfoon. Valitsin myydyn alkoholin määrää kuvaamaan sinisen eri sävyt ja rattijuopumusten määrää erilaiset rasteripinnat, jotta värien sekoittuminen ei hankaloittaisi luettavuutta. Jaoin aineiston molempien muuttujien suhteen kolmeen luokkaan, jotta luokat ovat vielä suhteellisen helposti luettavia. Luokitteluperusteena käytin luonnollista luokkajakoa, jotta luokkarajat eivät halkoisi yhtenäisiä ryhmiä.

Kartastani voi nähdä, että Pirkanmaan maakunnassa Juupajoella, Kihniössä, Vesilahdella ja Punkalaitumella alkoholia myydään vähiten asukasmäärään suhteutettuna. Kaikissa muissa kunnissa myynti ylittää jokaista asukasta kohti 4,59 litraa 100 % alkoholia. Rattijuopumusten osalta on nähtävissä, että kiinnijääneiden määrä vaihtelee 1,6 ja 5,6 välillä 1000 asukasta kohti.

Kun lähdin tekemään karttaa, hypoteesini oli, että niissä kunnissa, joissa myydään eniten alkoholia, jäädään myös eniten kiinni rattijuopumuksista. Karttani kuitenkin osoittaa, etteivät nämä muuttujat ole suorassa yhteydessä toisiinsa. Kaikki yhdeksän luokkaa ovat muodostuneet kartalle. Toisin sanoen, esimerkiksi Punkalaitumella, missä alkoholia myydään pienimmässä luokassa 2,2–4,59 litraa/asukas, rattijuopumuksia on todettu kuitenkin suurimmassa luokassa 4–5,6 tapausta/1000 asukasta. Toisaalta Mänttä-Vilppulassa ja Pirkkalassa alkoholia on myyty suurimmassa luokassa ja silti rattijuopumuksia todettu pienimmässä luokassa. Ikävä kyllä, yleisin luokka on suurimmassa luokassa sekä alkoholin myynnin että rattijuopumusten suhteen, ja siihen kuuluu viisi Pirkanmaan kuntaa. Tekijöiden voidaan olettaa vaikuttavan toisiinsa kuitenkin jonkin verran, koska suurimmassa myyntimääräluokassa yleisin rattijuopumusmäärän luokka on myös suurin, keskimmäisessä myyntimääräluokassa yleisin rattijuopumusluokka on myös keskimmäinen ja pienimmässä myyntiluokassa yleisin rattijuopumusmäärän luokka on myös pienin.

Hypoteesini oli turhan nopeasti mietitty, koska liikennevalvonnan ja puhalluskokeiden määrät kunnissa vaihtelevat, joten kiinnijäämisen riski vaihtelee. Lisäksi alkoholia ostetaan tietenkin myös naapurikunnista. Monet naapurikuntalaiset käyvät ostoksilla Tampereen puolella ja osa heidän ostamastaan alkoholista näkyy siksi Tampereen tilastossa. He voivat kuitenkin kuluttaa tämän alkoholin kotikunnassaan. Lisäksi alkoholijuomia, kuten kotiviiniä ja -oluita voidaan valmistaa itse, minkä vuoksi kaikki alkoholi ei näy myynnissä. Kuntien erilainen ikärakenne, työttömyystilanne ja muut sosio-ekonomiset tekijät saattavat vaikuttaa alkoholin kulutukseen. Iivari Laaksosen tekemää karttaa Pirkanmaan työttömyystilanteesta voi verrata karttaani alkholinmyynnistä ja rattijuopumuksista. Selkeää yhteyttä niistä ei löydä moninaisten vaikuttavien tekijöiden vuoksi. Alkoholin käyttöön vaikuttavat mahdollisesti myös kulttuuriset ja uskonnolliset tekijät, jotka voivat vaihdella jonkin verran kaupunki- ja maaseutualueiden välillä, vaikka Pirkanmaa onkin suhteellisen yhtenäinen alue.

Karttani onnistui hyvin värien ja rasteripintojen valitsemisen suhteen. Jälkikäteen ajateltuna legendan tekstit voisivat olla hitusen suuremmalla fontilla. Olen lopputulokseen kuitenkin tyytyväinen!

-Vilja

 

Lähdeviitteet

Sari Aroalho, Artikkeli 1. <https://blogs.helsinki.fi/aroalho/2017/01/30/artikkeli-1/> Luettu 1.2.2017

Kiia-Riina Eerikäinen, Toinen kurssikerta ja artikkeli I. <https://blogs.helsinki.fi/kiee/2017/02/05/toinen-kurssikerta-ja-artikkeli-i/> Luettu 2.3.2017.

Iivari Laaksonen, 2. kurssikerta sekä artikkelitehtävä. <https://blogs.helsinki.fi/iilaakso/> Luettu 1.2.2017

Anna Leonowicz, 2006. Two-variable choropleth maps as a useful tool for visualization of geographical relationship.

Sotkanet 2015. Terveyden ja hyvinvoinnin laitos. Poliisin tietoon tulleet rattijuopumustapaukset / 1 000 asukasta. Luettu 25.1.2017 <https://www.sotkanet.fi/sotkanet/fi/taulukko/?indicator=s_bNAAA=&region=VVDLCsRACPujAY1DKX7HXvbiodBr___W8bGDS8FYE8eo8mAjYeVBxtDLQY8VRRF5EJWfuwKdg1ZWDEGl_sV7qbQkNIn9izoSljyKv7F9BsnfRG6vbpMBUTd0JqIk0dvy4UTZppF7omJKfSt4u6_kym7w9jjLGdKLtJNkTLrOYXCIYvkN0RkXUHns6yPt8wI=&year=sy4rAwA=&gender=t&abs=f&color=f>

Sotkanet 2015. Terveyden ja hyvinvoinnin laitos. Alkoholijuomien myynti asukasta kohti 100 %:n alkoholina, litraa. Luettu 25.1.2017. <https://www.sotkanet.fi/sotkanet/fi/taulukko/?indicator=s05KBAA=&region=VVDLCsRACPujAY1DKX7HXvbiodBr___W8bGDS8FYE8eo8mAjYeVBxtDLQY8VRRF5EJWfuwKdg1ZWDEGl_sV7qbQkNIn9izoSljyKv7F9BsnfRG6vbpMBUTd0JqIk0dvy4UTZppF7omJKfSt4u6_kym7w9jjLGdKLtJNkTLrOYXCIYvkN0RkXUHns6yPt8wI=&year=sy4rAwA=&gender=t&abs=f&color=f>

Julkaistu

Kurssikerta 1: MapInfon perustaidot haltuun ja teemakartta Suomen työllisyydestä

Ensimmäisellä kurssikerralla oli tarkoituksena oppia käyttämään MapInfon perustyökaluja. Aluksi Arttu opetti käyttämään työkaluja, joita ohjelmassa eniten tarvitsee. Loimme yhdessä yhden teemakartan vaihe vaiheelta, jokainen omalla koneellaan. Seuraavana tehtävänä oli valita Artun valmiiksi meille hankkimista aineistoista jokin kiinnostava ja tehdä siitä teemakartta itsenäisesti. Aineistot olivat Tilastokeskuksen tietoja, pääsääntöisesti vuodelta 2015.

Kurssikerralla oli hyödyllistä oppia luomaan MapInfolla kartan peruselementit: pohjoisnuoli, mittakaava ja legenda. Legendan luominen kävi MapInfolla nopeammin ja vähemmällä vaivalla kuin CorelDraw-ohjelmassa, jota olen käyttänyt aiemmilla kursseilla karttojen tekoon. Oli myös hyödyllistä tarkastella värien vaihtelun merkitystä kartan ulkonäköön ja havainnollistavuuteen. Luokkien värien täytyy olla riittävän erilaiset, jotta katsoja huomaa erot. Toisaalta ne eivät saa olla liian erilaiset, jotta kuva säilyy selkeänä kokonaisuutena. Usein paras valinta on saman värin eri tummuusasteet. Valitsin karttaani punaisen ja oranssin sävyjä.

Toinen tärkeä asia kurssikerralla oli, miten teemakartan ulkonäköön vaikuttavat erilaiset luokkajaot ja minkälaista luokkajakoa kannattaa käyttää. Tasaväliset luokat, jossa jokaisen luokan vaihteluväli on yhtä suuri, tai kvantiilit, joissa pyritään jokaisessa luokassa yhtä suureen havaintojen määrään, eivät välttämättä ole parhaita vaihtoehtoja, koska ne voivat hajauttaa hyvin lähellä toisiaan olevien havaintojen ryhmän eri luokkiin. Päätin siksi valita luonnollisen luokkajaon, joka pyrkii luomaan sellaisia luokkia, joihin luonnollisesti osuu paljon havaintoja ja asettamaan luokkavälit sellaisiin kohtiin, joissa havaintoja ei juuri ole.

Työllisyys Suomessa alueellisesti

Kartaltani näkee työssäkäyvien osuuden koko väestöstä eri alueilla Suomessa. Tummimmat sävyt kertovat parhaasta työllisyystilanteesta, vaaleimmat heikoimmasta. Pääkaupunkiseutu, Tampereen, Turun, Vaasan ja Oulun seutu sekä Ahvenanmaa erottuvat selvästi työllistetyimpinä alueina. Itä- ja Pohjois-Suomessa työllisyys on pienintä. Suurten kaupunkien alueilla töitä on eniten johtuen palveluiden suuresta tarjonnasta ja kysynnästä. Pienemmät kaupungit, jotka sijaitsevat kauempana suurista kaupungeista ovat pääsääntöisesti muuttotappioisia, joten palvelujen ja siten myös työpaikkojen tarjonta ovat pienempiä.

Muiden kurssilaisten blogitekstejä lukiessani oli huomattavaa Sonja Koiviston ja Sakari Sarjakosken karttojen samankaltaisuus omaani verrattuna. Heidän kartoiltaan on nähtävissä korkeakoulutettujen osuus väestöstä. Heidän kartoiltaan erottuvat selvästi yliopistokaupungit. Joensuu, Kuopio ja Lappeenranta eivät erotu minun kartassani aivan yhtä selkeinä, mutta niissäkin työllisyys on toisiksi parhaassa luokassa eli 59,6–64,7 %. Yliopistot luovat kaupunkeihin ammattitaitoa ja työpaikkoja, joten karttojen samankaltaisuus ei ole kovin yllättävää. Toisaalta yliopistokaupungeissa muidenkin kuin koulutuspalvelujen ja siten myös työpaikkojen tarjonta on suurta, koska ne ovat vilkkaita kaupunkeja.

Hyvän huomion ensimmäisessä blogitekstissään on tehnyt Alina Ahonen. Hän kirjoittaa, että työllisyys Helsingissä, Vaasassa, Turussa, Tampereella ja Oulussa ei kuitenkaan yllä suurimpaan luokkaan todennäköisesti siksi, että monet kaupungeissa työskentelevät asuvat kuitenkin lähikunnissa ja toisaalta suuri opiskelijoiden määrä vaikuttaa työssä käyvien osuutta vähentävästi.

Karttani onnistui suhteellisen hyvin siihen nähden, että se on ensimmäinen MapInfolla itsenäisesti tuottamani kartta. Värisävyjä olisin voinut hioa vielä paremmiksi näin jälkikäteen ajateltuna. Värisävyjen skaala on nyt turhan laaja.

-Vilja

Lähdeviitteet

Anniina Ahonen, Ensimmäinen kurssikerta: Askelia paikkatiedon maailmaan. <https://blogs.helsinki.fi/ahonenan/> Luettu 25.1.2017.

Sonja Koivisto, MapInfon alkeet. <https://blogs.helsinki.fi/kosokoso/> Luettu 25.1.2017.

Sakari Sarjakoski, Kurssikerta 1− Pakki auki. <https://blogs.helsinki.fi/sasakari/> Luettu 25.1.2017.