PAK-kurssi on potkaistu nyt käyntiin. Lyhyen kurssijohdannon jälkeen aloimme tutustumaan paikkatietoihin ja kurssilla käytettävän ohjelman (MapInfo) perustyökaluihin.
MapInfon opettelu jatkoi pitkälti siitä, mihin edeltävällä TAK-kurssilla jäätiin CorelDraw:n kanssa. MapInfossa korostuvat samaan tapaan objektien käyttö ja ilmiöiden hahmottaminen tasojen kautta. Kurssikerran yhteisesti tehdyssä harjoituksessa laadimme teemakartan Suomen kuntien (2015) ruotsinkielisten asukkaiden %-osuuksista. Harjoitus oli MapInfon työkalujen rauhallista opettelua, mikä oli tervetullutta kurssin jatkoa ajatellen. Kartan laatimisessa pohdittiin hieman aineiston luokittelua, mutta maantieteellinen analyysi sai jäädä tässä vaiheessa vielä vähemmälle.
MapInfo vaikuttaa ohjelmana loogiselta. Monet sen toimintaperiaatteista ovat hyvin muita ohjelmistoja vastaavat: esimerkiksi Layer Control –osion vaihtoehdot ”Visible”, ”Editable” ja ”Selectable” ovat toiminnaltaan varmasti tuttuja jokaiselle TAK-kurssin käyneelle, vaikka symbolit ja selitteiden sanavalinnat saattavatkin erota hieman CorelDraw:n vastaavista. Kuten aina, moninaisiin valikkoihin ja työkaluihin totuttelu vie kuitenkin aikansa.
Jotkin yksinkertaiset toiminnot olivat MapInfossa aluksi haasteellisia. Esimerkiksi pohjoisnuolen yksinkertainen drag & drop –siirtäminen herätti parikin kysymystä ennen kuin sain sen toimimaan haluamallani tavalla. Ensimmäinen ongelma oli perustavanlaatuinen: nuoli ei liikkunut. Tähän löytyi ratkaisu Layer Controlin valinnoista (Editable). Kun nuoli vihdoin liikkui, se jätti jälkeensä alkuperäiselle paikalle ”varjon”. Tämä johtui siitä, että yksittäiseltä objektilta vaikuttava pohjoisnuoli koostui todellisuudessa lukuisista osista. Ongelma korjaantui, kun valitsin nuolen kartalta ”Select”-työkalun sijaan ”Marquee select”:llä, ja rajasin koko nuolen valittavan alueen sisäpuolelle. Pikkujuttuja, mutta hyviä testata ennen varsinaisten analyysien tekoa. Ohjelman työkalujen hallinta alusta alkaen säästää pitkällä kurssilla jatkossa hermoja.
Yhteisen harjoituksen jälkeen tehtävänä oli laatia koropleettiteemakartta vapaavalintaisesta aiheesta. Käytimme harjoitteen pohjana samaa tietokantaa Suomen kunnista 2015. Valitsin teemakarttani aiheeksi eläkkeellä olevien osuuden (%) kunnan asukkaista. Odotukseni olivat, että 1) suuret kaupungit erottuisivat kartasta muita alemman eläkeläis-osuutensa ansiosta ja että 2) Suomessa olisi havaittavissa ainakin lievä pohjois-etelä- tai itä-länsi -gradientti siten, että eläkeläisten %-osuus kunnan väestöstä kasvaisi pohjoiseen ja itään päin mentäessä. Gradientin ei kuitenkaan olettaisi olevan järin vahva, koska kuntia on Suomessa paljon (tässä 317) ja yksittäisen kuntien välillä on alueiden sisälläkin huomattavaa vaihtelua.
Ennen kartan laatimista tarkastelin aineistoa kurssimateriaaleissa tarjotun histogrammityökalun (Interactivate Histogram 2016) avulla. Valmista histogrammia (Kuva 1) voisi parantaa monin tavoin, mutta sen perusviesti tulee hyvin selväksi: aineisto on jokseenkin normaalisti jakautunut. Teemakartta-harjoitteen kannalta on epäoleellista, kuinka moneen luokkaan histogrammi on jaettu tai mitkä ovat eksaktit luokkien väliset rajat. Kuten kuvasta voi karkeasti nähdä, suurin osa Suomen kunnista putoaa jonnekin 20–36 %:n välimaastoon. Kaikista Suomen kunnista jopa 96:ssa eläkeläisten %-osuus on n. 25–31 %. Jos valitset siis Suomen kunnista yhden sattumanvaraisesti, keskimäärin noin joka neljännes sen asukkaista on eläkeläisiä. Tämä on tietysti karkea yleistys, mutta se on melko havainnollistava maamme väestörakenteesta: vähäisen syntyvyyden ja pitkän eliniänodotteen takia eläkeläisten osuus väestöstämme on kivunnut huomattavan korkeaksi.
Kuva 1. Histogrammi eläkkeellä olevien osuudesta (%) Suomen kunnissa 2015. Kuvaajassa on esitetty X-akselilla eläkeläisten osuus asukkaista (%) kussakin kunnassa ja Y-akselilla kuntien lukumäärä.
Histogrammin perusteella voi pohtia ja perustella valitsemiaan luokkajakoja aineistolle. Halusin, että erot näkyvät kartalla hieman korostetusti. Tästä syystä esimerkiksi tasaväliset luokat (MapInfossa Equal Ranges) olisivat huono valinta, sillä suurin osa Suomen kunnista osuu samoille keskivaiheille asteikkoa (Kuva 1). Tällöin erot kuntien välillä pikemminkin häviäisivät kuin korostuisivat. Kokeilin kartanluonnissa kvantiileja (Equal Count) ja luonnollisia välejä (Natural Break). Koska molemmat tuottivat jotakuinkin haluamani lopputuloksen, menin sieltä missä aita oli matala ja valitsin luonnollisiin väleihin perustuvan luokittelun Artun ohjeen mukaisesti: ”käyttäkää yleensä Natural Breakia, jos ette muuta keksi”. Valmis kartta (Kuva 2) vastaa odotuksia melko hyvin.
Kuva 2. Eläkeläisten osuus (%) asukkaista Suomen kunnissa 2015. Tummat värit kertovat eläkeläisten suurista määristä.
Kartta on jotakuinkin sellainen kuin odotinkin. Maassamme ei näy silmiinpistävää pohjois-etelä –suuntaista gradienttia, mutta eläkeläisten %-osuus asukkaista vaikuttaa olevan keskimäärin suurempi maamme itäosissa. Sen sijaan kaupungit erottuvat kartasta hyvin selvästi ja juuri odotetulla tavalla: mm. pääkaupunkiseudun, Turun, Tampereen, Jyväskylän, Oulun ja Rovaniemen alueet erottuvat muita kuntia vaaleampina. Menneistä kurssiblogeista oli hauska huomata, että kartta on huomattavan yhdenmukainen – vaikkakin erivärinen – muun muassa sellaisen kartan kanssa, jossa on kuvattu korkea-asteen suorittaneiden osuutta (%) asukkaista (Lohi 2013). Tämä ei ole tietenkään sattumaa, sillä kaupunkien vaikutus näkyy lukuisia eri ihmisryhmiä tarkasteltaessa.
Kartta (Kuva 2) on mielestäni yleisilmeeltään selkeä, ja se korostaa kuntien välisiä eroja. Valitsin käytettäväksi vain yhden värin (sininen) eri sävyjä, koska jotkin kahden värin yhdistelmät olivat hyvin epäintuitiivisia lukijalle. Selkeydestään huolimatta karttaa on kuitenkin syytä tarkastella kriittisesti ja huomata mm. sen luokittelu: kaksi kuntaa voivat olla keskenään hyvin eriväriset vaikka niiden välillä olisi vain noin 5 prosenttiyksikön ero (esim. 22,1 % ja 27,1 %). Toisaalta aineiston vaihteluväli on huomattava: kuntien välillä on merkittäviä eroja niiden 11,8 – 47,3 %:n välille asettuvilla eläkeläisten osuuksilla. Esimerkiksi listan kärkipaikalle 47,3 %:n eläkeläisten osuudellaan sijoittuva Luhanka tulee kohtaamaan jatkossa huoltosuhteen kannalta huomattavasti suurempia haasteita kuin Liminka, jossa eläkeläisiä on vain 11,8 % asukkaista.
Tämän harjoituskerran lopputuotteena syntynyt teemakartta (Kuva 2) on mielestäni melko onnistunut: siinä on esitetty vain harvoja elementtejä, ja kuvattu ilmiö tulee selvästi esille. Kartta mahdollistaa alueellisen tarkastelun lisäksi erilaisten arvausten ja/tai päätelmien teon. Toisaalta parantamisen varaakin aina löytyy. On perusteltua kysyä, antaako kartassa käytetty luokittelu realistisimman mahdollisen kuvan ilmiöstä, tai miksi tekijä ei vaivautunut lisäämään karttaan koordinaatteja. Vaikka jälkimmäiseen olisi helppo vastata, on erityisesti luokittelusta kumpuavien erojen häivyttäminen ja korostaminen lähes loputon keskustelun aihe. Kartan laatiminen on kompromissien tekoa, ja lopulta käyttötarkoitus ratkaisee kartan hyvyyden (Kartografian perusteet 2015). Teemakartastani tuli tällä kertaa tällainen.
Lähteet:
Interactivate Histogram (2016), Shodor, Durham (North Carolina). <http://www.shodor.org/interactivate/activities/Histogram/> Luettu 19.1.2016.
Kartografian perusteet 2015. Helsingin yliopisto, Helsinki. <http://www.helsinki.fi/maantiede/kurssit/TAK/Kartografian%20oppimateriaali/kartogrper/paasivu.html> Luettu 19.1.2016.
Lohi, S. 2013. Hyvää huomenta MapInfo: Harjoitus 1, yritys 1/2. Maantieteen amatööri. <https://blogs.helsinki.fi/salohi/2013/01/> Luettu 19.1.2016.