Category: Yleinen

Viimeisen kurssikerran tarkoituksena oli tehdä kartta itse keräämästä aineistoista. Aineistoa varten tarvittiin sekä kartta, että tilastotietoa alueelta. Päätin itse tehdä kartat liittyen Yhdysvaltojen presidentinvaalien esivaaleihin, koska olen seurannut niiden kehittymistä jo pitemmän aikaa. Tein karttani juuri ennen ensimmäistä supertiistaita 1.3.2016, jolloin yhteensä 14 osavaltiossa pidettiin esivaalit. Näin ollen kartoissa vain neljästä osavaltiosta on lopulliset äänestystulokset. Loppu kartoilla esitetty data on mielipidekyselyistä, joista osa on useamman kuukaudenkin takaa, joten kartat eivät sinänsä esitä täysin ajankohtaista tietoa. Pyrin kuitenkin käyttämään uusimpia mielipidekyselytietoja. Joissain osavaltioissa ei ollut juurikaan tehty mielipidekyselyitä tai kyselyt olivat niin vanhoja, ettei niiden mukaan ottaminen olisi ollut mielekästä.Listasin mielipidekyselyjen tulokset exceliin osavaltio kerrallaan ja näin sain aikaan tarvittavat tietokannan karttoja varten.

Itse kartat ovat yksinkertaisuudessaan esitys siitä, kuka minkäkin puolueen ehdokas on voittanut tai voittamassa suurimman osan äänistä kyseisessä osavaltiossa. Kuva 1. kuvaa demokraattien esivaalitilannetta 1.3. ja Kuva 2. puolestaan republikaanien vastaavaa tilannetta. Karttoja tarkisteltaessa täytyy ottaa huomioon, että isoimmissa osavaltioissa on enemmän niin sanottuja valitsijamiehiä, eli voitto isomassa osavaltiossa on isompi asia kuin voitto pienemmässä. Presidenttiehdokas valitaan valitsijamiesten määrän, ei osavaltiovoittojen, perusteella. Lisäksi tapa miten valitsijamiehet jakautuvat ehdokkaille äänien mukaan vaihtelee osavaltioittain. Joissain osavaltioissa eniten ääniä saanut ehdokas saa kaikki osavaltion valitsijamiehet puolelleen. Toisissa osavaltioissa valitsijamiesten määrä jakautuu ehdokkaiden saaman äänimäärän mukaan. Kartoista ei siis voi päätellä muuta kuin suurpiirteisesti puolueiden todennäköiset ehdokkaatKuva 1. Demokraattien tuleva presidenttiehdokas osavaltioittain mielipidemittauksien ja ratkenneiden esivaalien perusteella 1.3.2016. Alaska ja Hawaiji eivät ole samassa mittasuhteessa kuin muu kartta.

Kuva 2. Republikaanien tuleva presidenttiehdokas osavaltioittain mielipidemittauksien ja ratkenneiden esivaalien perusteella 1.3.2016. Alaska ja Hawaiji eivät ole samassa mittasuhteessa kuin muu kartta.

 

Ajattelin lisätä karttoihin myös enemmän tietoa, esimerkiksi valitsijamiehien määrän per osavaltio joko pylväs- tai ympyrädiagrammilla, mutta kartasta tuli liian sotkuinen, joten päätin jättää tiedon pois luettavuuden parantamiseksi. Tuomas Pätäri (2016) on omassa kurssiblogissaan esitellyt kahden kartan avulla Uuden-Seelannin maataloutta sekä lampaiden sekä saksanhirvien määriä. Pätärin kartat ovat toimivia, koska alue ei ole jaettu liian moneen osaan, näin ollen pylväsdiagrammit ja symbolit eivät mene päällekkäin ja kartat säilyvät helppolukuisina. Yhdysvaltojen osavaltioita on mielestäni hieman liikaa, jotta tällaisen kartan saisi toimimaan. Omat karttani olivat aika yksinkertaisia, joten en ihan saanut tunnetta että näytin niiden avulla kaiken osaamiseni. Toisaalta ehkä niiden tekeminen oli niin helppoa koska olen oppinut kurssilla jotakin. Karttojen ulkonäkö on mielestäni tällä kertaa aika onnistunut ja informaatio mielipiteisiin perustuvasta tiedosta ja vaaleihin perustuvasta tiedosta näkyy selkeästi kartoista.

Kurssin aikana olen mielestäni oppinut paljon uutta. Tietokantojen yhdistämistä ja niiden tekemistä itse, erilaisten teemakarttojen tekemistä, bufferointia jne. Toisaalta en missään vaiheessa saavuttanut MapInfo –ohjelman kanssa samanlaista yhteenkuuluvuuden tunnetta kun esimerkiksi TAK-kurssilla CorwlDraw –ohjelman kanssa. MapInfon käyttöliittymä tuntuu epäloogiselta, mikä aiheuttaa turhautumista koneen ääressä. Loppujen lopuksi kurssi kuitenkin aukaisi paikkatiedon maailmaa jälleen vähän enemmän.

 

Lähteet:

Pätäri, T. (2016). Talvisia UFOja 5.3.2016. GIS-tarinoita PAKkastalveen <https://blogs.helsinki.fi/ttpatari/> Luettu 9.3.2016.

Kurssikerralla opeteltiin paikkatietoaineiston etsimistä internetistä ja sen tuomista MapInfoon. Itsenäistehtävän materiaalina oli erilaisten hasardien tapahtumapaikkoja. Tehtävänä oli tehdä kolme karttaa, joita voisi käyttää apuna opetuksessa. Valittavia hasardeja olivat maanjäristykset, tulivuorenpurkaukset sekä meteoriittien putoamispaikat.

Valitsin ensimmäisen karttani aineistoksi yli 8 magnitudin maanjäristykset vuodesta 1980 lähtien. Ensimmäinen kartta (Kuva 1) sopisi opettajan avuksi kun halutaan näyttää, missä päin maailmaa isoimpia maanjäristyksiä tapahtuu. Koska kyseessä on koko maailman kartta, on se hyvin yleistävä. Kartasta oppilaat huomaavat, että järistykset keskittyy samoille alueille ja voivat näin päätellä, että näissä paikoissa on jotain erikoista, joka aiheuttaa maanjäristyksiä.

Kuva 1. Yli 8 magnitudin maanjäristykset vuodesta 1980 lähtien.

Toisessa kartassa (Kuva 2) on isojen maanjäristyksien lisäksi mukana tulivuorenpurkaukset. Havainnot ovat kummankin ilmiön osalta vuodesta 1964 lähtien. Tämä kartta tuo esiin korrelaation maanjäristyksien ja tulivuorenpurkauksien välillä. Molempia ilmiöitä tapahtuu paljon samoilla alueilla. Pitää kuitenkin muistaa, että kartalla on kaikki tulivuorenpurkaukset, mutta vain isoimmat maanjäristykset. Yksi tulivuori näyttää purkautuneen Ruotsissakin, mutta kyseessä taitaa olla enemmänkin koordinaattivirhe tietokannassa. Jos itäkoordinaatin etumerkin muuttaisi, purkaus osuisi Islannin lähelle, mikä on todennäköisesti oikea paikka.

Kuva 2. Tulivuorenpurkaukset ja yli 8 magnitudin maanjäristykset vuodesta 1964 lähtien.

Ensimmäisen ja toisen kartan ilmiöitä selittämään voisi oppilaille myös näyttää kuvan litosfäärilaatoista kuten esimerkiksi alla olevassa kartassa (Kuva 3). Litosfäärilaattojen saumakohdat selittävät suurimman osan maanjäristyksistä ja tulivuorenpurkauksista ja näiden karttojen avulla opettaja voisi havainnollistaa kummankin ilmiön syitä. Kartat voisikin esimerkiksi näyttää yksitellen ja kysyä oppilailta huomaavatko he mahdollista syytä maanjäristyksien sijoittumiselle. Tuomas Pätäri on omassa kurssikerran blogipostauksessaan (2016) huomioinut hyvin sen, että litosfäärilaattoja kuvatessa kartta, jossa Tyynenmeren tulirengas kuvataan kartan keskellä, olisi myös perusteltu esitysmuoto.

Kuva 3. Litosfäärilaatat. Lähde: http://www.whatarethe7continents.com/what-are-tectonic-plates/

Kolmanteen karttaan (Kuva 4) keräsin tiedot meteoriittien putoamispaikoista. Esitetyt meteoriitit ovat kaikki pudonneet vuoden 1576 jälkeen ja niiden putoaminen on havaittu tai niiden putoamisvuosi on pystytty tarkalleen määrittämään. Siksi kartalle ei näy vanhempien meteoriittikraaterien paikkoja, kuten Suomen meteoriittikraatereja. Kartasta huomaa, että suuri osa putoamispaikoista on Yhdysvaltojen alueella. Tämä voi selittyä sillä, että kyseisessä maassa on paljon teknologiaa pienempienkin meteoriittien havaitsemiseksi.

Kuva 4. Meteoriittien putoamispaikat.

Opettaja voisi kartan avulla havainnollistaa, että meteoriitteja putoaa aika-ajoin. Varsinkin nuoremmilla lapsilla voi olla käsitys, että meteoriitit ovat hyvin harvinaisia ja aiheuttavat suurta tuhoa. Kartta todistaa, että taivaalta putoaa erikokoisia kappaleita verrattain usein, eivätkä ne kaikki aiheuta vaaraa ihmisille.

Karttojen toteutus oli mielestäni helppoa, mutta lopputuloksen ulkonäkö on niin ja näin. Arttu taisikin jollain luennolla sanoa, että karttojen tekeminen on nopeaa, mutta niiden saattaminen hyvännäköiseksi vie aikaa. Itseni kohdalla ongelmana on se, että MapInfo ei tunnu ohjelmata, jossa haluan edes yrittää tehdä kartoista kovinkaan kauniita.

 

Lähteet:

Pätäri, T. (2016). Karttoja kouluille? 24.2.2016. GIS-tarinoita PAKkastalveen <https://blogs.helsinki.fi/ttpatari/> Luettu 25.2.2016.

Mapping earthquake risk in the U.S. (2015). The daily orbit. <http://thedailyorbit.com/mapping-earthquake-risk-in-the-u-s/> Luettu 25.2.2016.

Notes on the Meteoritical Bulletin Database (2013). Meteoritessize csv. <https://www.google.com/fusiontables/DataSource?docid=1vHSvjNgCIl6kRhFXPHhvESnnYx_ShToJWtWdjm8#rows:id=1> Luettu 25.2.2016.

The 2011 Virginia Earthquake (2011). MIT NSE Nuclear Information Hub. <http://mitnse.com/> Luettu 25.2.2016.

What are Tectonic Plates? (2015). What are the 7 Continents. <http://www.whatarethe7continents.com/what-are-tectonic-plates/> Luettu 25.2.2016.

Kurssikerralla käytiin ensin läpi puskurointia eli bufferointia MapInfossa. Bufferoinnin avulla voi luoda alueita, jotka ovat tietyn etäisyyden päässä jostakin valitusta pisteestä tai objektista. Tästä esimerkkinä vaikkapa alue, joka on 500m etäisyydellä jostakin tiestä. Saatua aluetta voidaan käyttää hyväksi esimerkiksi määriteltäessä, kuinka monta taloa on kyseiselle etäisyydellä teistä.

Kurssikertaan sisältyi myös kolme itsenäistehtävää, joissa täytyi soveltaa bufferointia sekä edellisillä kurssikerroilla opittuja menetelmiä. Ensimmäisen tehtävän aiheena oli Helsinki-Vantaan ja Malmin lentokentän sekä juna-asemien läheisyydessä asuvat ihmiset. Itsenäistehtävän vastaukset löytyvät taulukosta 1.

Taulukko 1. Itsenäistehävä 1. Vastaukset.

Itsenäistehtävä 1
1. Lentokentät
Malmi
Asukkaita 2km säteellä	55 639
Asukkaita 1km säteellä	8 709
Asuntoja rakennettu lentokentän rakentamisen jälkeen	695
Asukkaita kyseisissä rakennuksissa	8 515
Helsinki-Vantaa
Asukkaita 2km säteellä	10 067
Joista 65dB alueella	0,38 %
Asukkaita vähintään 55 dB alueella	11 387
Asukkaita Tikkurilassa 60dB alueella	12 580
2. Asemat
Asukkaita alle 500m päässä juna-asemasta	82 829
Prosenttiosuus koko alueen asukkaista	17,3 %
Työikäisien osuus 500m päässä asuvista	71,3 %

 Tehtävä painottui suuresti bufferointityökalun käyttöön. Esimerkiksi tehtävän ensimmäisissä kohdissa täytyi määrittää Malmin lentokentän läheisyydessä asuvien ihmisten määrä. Tehtävä osoitti hyvin miten puskurivyöhykkeitä voi käyttää hyväksi analysoidessa karttoja ja tietokantoja. Tietoa siitä, että kuinka monta asukasta asuu lentokentän läheisyydessä haitallisella melualueella, voi käyttää hyväksi kaupunkisuunnittelussa ja tutkimuksissa esimerkiksi lentomelun vaikutuksista asukkaiden terveyteen. Juna-asemien läheisyydessä asuvien ihmisten lukumäärä kertoo, onko aseman sijainti paras mahdollinen jos sitä verrataan muihin mahdollisiin paikkoihin, joissa asema voisi sijaita. Työkalua voidaan käyttää myös hyväksi uuden aseman sijainnin valinnassa. Analyysistä tulee kattavampi, kun asukkaista tiedetään myös esimerkiksi työikäisten osuus tai esimerkiksi tieto siitä, kuinka monta prosenttia alueen asukkaista ylipäätänsä käyttää tai käyttäisi junaa tai muita julkisia kulkuneuvoja.

Bufferointityökalu vaikuttaa olevan yksi MapInfon hyödyllisimmistä ominaisuuksista. Sen avulla on helppo määrittää eri ilmiöiden vaikutusalueita. Toisaalta työkalu ei ota huomioon maastonmuotoja ja esteitä. Siksi se soveltuu hyvin juuri esimerkiksi lentomelun tutkimiseen tai muiden tarpeeksi korkealla vaikuttavien ilmiöiden vaikutusalueiden esittämiseen. Sirje Lappalainen on blogissaan (2016) maininnut esimerkiksi tuulivoimaloiden meluhaitan huomioimisen voimaloita rakennettaessa. Kuitenkin esimerkiksi moottoritien melualueeseen vaikuttaisi maaston muodot ja rakennetut alueet, joten bufferointityökalu sellaisenaan ei välttämättä riitä alueen rajaamiseen.

Toinen itsenäistehtävä koski paikkatiedon ja ominaisuustiedon yhdistämistä. MapInfon ehkä paras ominaisuus on nimenomaan erilaisten tietojen yhdistäminen. Esimerkiksi kyseisessä tehtävässä täytyi määrittää kuinka monta prosenttia annetun kartan alueen asukkaista asui taajamassa. Tähän tarvittiin sekä tietoa taajamien rajoista sekä asukastietoja alueen rakennuksista ja niiden sijainneista. Yhdistämällä rakennusten tietokanta ja taajamien sijainnit saatiin tarvittavat tiedot tehtävän ratkaisemiseksi. Tehtävän vastaukset löytyvät taulukosta 2.

Taulukko 2. Itsenäistehtävä 2. Vastaukset.

Itsenäistehtävä 2
Taajamassa asuvia alueella	86,1 %
Kouluikäisiä taajamien ulkopuolella	30,9 %
Alueita, joissa ulkomaalaisten osuus yli 10 %	19
Alueita, joissa ulkomaalaisten osuus yli 20 %	5
Alueita, joissa ulkomaalaisten osuus yli 30 %	4

Viimeisen itsenäistehtävän sai valita kolmesta vaihtoehdosta. Valitsin tehtävän, joka koski uima-altaalla varustettujen rakennuksien määrää ja niiden talotyyppejä sekä saunallisten talojen määrää ja niiden osuutta kaikista asuinrakennuksista. Käytin tehtävässä menetelmää, jota en ollut aikaisemmissa harjoituksissa käyttänyt. Suodattamalla tietokannan sarakkeita onnistuin määrittämään uima-altaalla varustettujen rakennusten kokonaismäärän sekä eri talotyyppien osuudet näistä rakennuksista. Tietokannan taulukon suodattamisessa ja muussa tutkimisessa MapInfon tietokanta-ikkuna häviää esimerkiksi Excelin ominaisuuksille. Suodatusominaisuus on kuitenkin hyvä juuri tällaisten nopeiden tehtävien suorittamiseen. Kolmannen itsenäistehtävän vastaukset löytyvät taulukosta 3.

Taulukko 3. Itsenäistehtävä 3. Vastaukset.

Itsenäistehtävä 3: Uima-altaat ja saunat
Uima-altaalla varustettuja rakennuksia	855
Asukkaita uima-altaalla varustetuissa rakennuksissa	12 170
Omakotitalojen osuus uima-altaalla varustetuista rakennuksista	40,4 %
Kerrostalojen osuus uima-altaalla varustetuista rakennuksista	21,2 %
Rivitalojen osuus uima-altaalla varustetuista rakennuksista	13,2 %
Taloja joissa on sauna	21 922
Saunallisten talojen osuus kaikista asutuista taloista	24,2 %

Valitsemaani tehtävään kuului myös kartan tekeminen uima-altaalla varustettujen asuntojen määrästä eri pääkaupunkiseudun alueilla (kuva 1.). Uima-altaalla varustuttujen asuntojen lukumäärä on kuvattu pylväillä sekä pylvään alapuolella olevalla numeroarvolla. Ongelmana kartan teossa oli se, että suurella osalla alueista ei ollut ollenkaan uima-altaalla varustettuja rakennuksia, joten halusin rajata ne pois näkymästä. Tämä onnistui lopulta siten, että tein erillisen kyselyn joka valitsi vain sellaiset alueet joissa uima-altaita oli yksi tai useampi. Tein tästä kyselystä erillisen tietokannan, jota käytin kartan pohjana. Näin valmiissa kartassa ei näy pylväitä, tai niiden tynkiä, alueilla joilla ei ole ollenkaan uima-altaita. Tästä huolimatta kartasta tuli aika sekava, sillä pylväät ovat monin paikoin lähellä toisiaan ja numeroarvoja oli vaikea saada näkymään.

Kuva 1. Uima-altaalla varustettujen rakennuksien määrä pääkaupunkiseudulla.

Isoin ongelma kartan tekemisessä oli jälleen kartan saaminen ulos MapInfosta kuvamuodossa. Ohjelman ”Layout-window” –näkymä onnistuu usein muuttamaan kartan resoluutiota niin paljon, että lopputulos on rumaa mössöä. Tällä kertaa päätin lopulta käyttää Microsoftin Snipping Toolia Layout Windowin sijasta. Ohjelman suurin heikkous onkin karttanäkymän muokkaus ja karttojen ulkonäön saaminen siedettäväksi. Karttanäkymässä ohjelma tuntuu jäykältä, eikä se suostu tekemään asioita joita käytättäjä haluaisi tehdä. Oppimani perusteella MapInfo soveltuu parhaiten karttojen ja tietokantojen yhdistämiseen, mutta itse karttojen teko kannattaa ainakin viimeistellä jossain toisessa ohjelmassa.

 

Lähteet:
Lappalainen, S. (2016). Bufferointia, laskuja ja muuta mukavaa… 24.2.2016. Sirjen pakkiblogi <https://blogs.helsinki.fi/sirjelap/> Luettu 24.2.2016.

Kuva 1. Timanttikaivokset, konfliktitapahtumat, öljynporausalueet ja taistelujen maksimilaajuus Afrikassa. Lähde: https://blogs.helsinki.fi/pak-2016/

Yllä olevasta kartasta (kuva 1) nähdään Afrikan mantereella tapahtuneet konfliktit ja niiden laajuus. Lisäksi kartallla näkyy öljynporausalueet sekä timanttikaivokset. Kartan yhteydessä olevassa tietokannassa on myös tietoa konfliktien tapahtumavuosista, timanttikaivosten ja öljykenttien löytämis- ja avaamisvuosista sekä tuottavuusluokittelusta. Lisäksi tietokannassa oli dataa internetkäyttäjien lukumäärästä eri vuosina.

Käytössä olevan tiedon pohjalta voisi tehdä analyyseja konfliktien ja öljyn tai timanttikaivosten välisestä korrelaatiosta. Kartalta nähdään, että taistelujen sijainti ei välttämättä korreloi öljynporausalueiden ja timanttikaivosten sijaintien kanssa kovinkaan hyvin. Taisteluja on tapahtunut varsinkin Keski-Afrikassa Saharan eteläpuolella, mutta timanttikaivokset sijaitsevat Länsi- ja Etelä-Afrikassa ja öljynporausalueet Pohjois-Afrikassa. Toisaalta konfliktien laajuus kattaa lähes koko mantereen. Mielenkiintoista olisi tutkia korrelaatiota esimerkiksi timanttikaivosten löytämisvuoden ja lähialueilla käytyjen konfliktien tapahtumavuoden välillä. Pitää kuitenkin muistaa, että konfliktien syyt voivat vaihdella. Konfliktien alkuperää pitäisi tutkia myös alueiden historian valossa jotta korrelaation kaivoisten ja porausalueiden sekä konfliktien välillä voi vahvistaa.

Toinen mielenkiintoinen aineiston pohjalta tehty analyysi voisi olla öljynporausalueiden ja timanttikaivosten sijainnin ja etenkin niiden tuottavuuden korrelointi internetin käyttäjien lukumäärän kanssa. Valtiossa, joissa internetin käyttäjiä on enemmän, on todennäköisesti parempi taloustilanne. Taloustilanteen voisi myös olettaa korreloivan öljyesiintymien ja timanttikaivosten kanssa.

 

Lähteet:
Paikkatiedon hankinta, analyysi ja kartografia –tiedotusblogi (2016). <https://blogs.helsinki.fi/pak-2016/> Luettu 18.2.2016.

 

Kurssikerran aiheena oli luoda ruututeemakartta annetun aineiston pohjalta. Aineisto sisälsi paikkatiedon pääkaupunkiseudun rakennuksista, joissa asui vuonna 2013 ainakin yksi ihminen. Ominaistietona aineistossa oli rakennusten asukkaiden määrä ja ikäjakauma sekä esimerkiksi ruotsinkielisten sekä ulkomaalaisten asukkaiden määrä. Itse kartta tehtiin luomalla MapInfossa ruudukko. Ruudukkoa luodessa ruutujen koko vaikuttaa tietenkin kartan ulkonäköön ja luettavuuteen. Ruudukon tekemisen jälkeen kartasta pystyi tekemään ruututeemakartan valitsemalla kartan teeman asukastietotokannasta. Jokaiseen ruutuun lasketaan valitun teeman mukaisesti kyseisen ruudun alueella olevien muuttujien määrä, esimerkiksi naisten määrä kyseisessä ruudussa.

Valitsin oman karttani teemaksi ulkomaalaisten osuuden asukkaista (kuva 1). Ensimmäinen karttani käsitteli samaa teemaa, joten päätin tutkia aihetta tällä kertaa Helsingin alueella. Tarvitsemani arvot sain jakamalla ulkomaalaisten määrän asukkaiden kokonaismäärällä. Valitsin ruutujen kooksi 250 x 250 metriä, jotta ruutujen kuvaamat alueet eivät olisi liian isoja. Koko pääkaupunkiseudun alueella 500 x 500 metrin ruudukko toimii myös. Kokeilin myös 1000 x 1000 m ruutuja jotka kyllä näyttivät siisteiltä, mutta ruudut ovat ehkä turhan isoja, ainakin jos tarkastelee ainoastaan yhden kaupungin aluetta. Alueilla joilla ei ole ruutuja, ei asu ulkomaalaisia ollenkaan.

Kuva 1. Ulkomaalaisten osuus väestöstä 2013. Ruututeemakartta 250m x 250m ruuduilla.

Kartasta näkee, että ulkomaalaisia on laajalla alueella koko pääkaupungissa. Koillis- ja Itä-Helsingissä ulkomaalaisten osuus näyttää olevan korkeampi kuin muualla. Lisäksi Malminkartanon alueella on ulkomaalaisten asukkaiden keskittymä. Pohjois-Helsingissä Tuomarikylässä ja sen lähialueilla on selkeästi vähemmän ulkomaalaisia. Myös Östersundomin alueella idässä on vähän ulkomaalaisia, mutta myös vähän asukkaita ylipäätänsä. Niko Pelkonen on omassa PAK-blogissaan (2016) käsitellyt ulkomaalaisten absoluuttista määrää pääkaupunkiseudulla. Vertailemalla omaa karttaani ja Pelkosen karttaa nähdään, missä päin asuu oikeasti eniten ulkomaalaisia ja mikä ulkomaalaisten osuus on alueen väestöstä. Nähdään että Luoteis- sekä Itä-Helsingissä on keskittymiä, joissa asuu paljon sekä absoluuttisesti että prosentuaalisesti ulkomaalaisia. Toisaalta Pelkosen kartasta näkee, että Helsingin keskustassa asuu paljon ulkomaalaisia, mutta prosentuaalisesti heidän osuus ei ole yhtä korkea kuin edellä mainituilla alueilla.

Kartan ulkoasu on mielestäni selkeä. Lisäsin karttaan pienalueiden rajat, mutta väritin ne harmaalla, jotta ne eivät häiritsisi luettavuutta. Pidän myös ruutujen värimaailmasta, mutta toisaalta värit ovat kartalla ehkä liian lähellä toisiaan. Vaihdoin kyllä värimaailmaa MapInfon oletusväristä hieman, mutta jälkeenpäin katsottuna värien eroja olisi voinut korottaa hieman enemmän. Lisäksi kartasta on ehkä hieman vaikea ymmärtää että, alueilla joilla ei ole ruutuja asuu kyllä ihmisisä, mutta ei ulkomaalaisia.

 

Lähteet:

Pelkonen, N. (2016). Kurssikerta 4 – Ruudun takaa 14.2.2016. NIKON PAK-BLOGI <https://blogs.helsinki.fi/nikopelk> Luettu 15.2.2016.

Kolmannen kurssikerran aiheena oli tietokantojen yhdistäminen MapInfo-ohjelmassa. Tehtävänä oli yhdistää kolmesta eri lähteestä tietokannat yhdeksi tietokannaksi ja tehdä uuden yhdistetyn tietokannan avulla kartta joka kuvaa Suomen valuma-alueiden tulvaindeksiä ja järvisyyttä. Yhdessä tietokannassa oli mukana valuma-aluekartta sekä tieto alueiden keskivirtaamasta ja keskialivirtaamasta. Tähän tietokantaan piti yhdistää toisesta tietokannasta tieto alueiden keskiylivirtaamasta. Jakamalla tämän jälkeen keksiylivirtaaman keskialivirtaamalla saatiin tulvaindeksi, jolle piti myös tehdä oma sarake tietokantaan, jotta sitä voisi käyttää koropleettikartan tietolähteenä karttanäkymässä. Lisäksi yhdistin tietokantaan tiedon alueiden järvisyysprosentista, eli kuinka monta ­prosenttia valuma-alueen pinta-alasta on järvien peitossa. Järvisyys on esitetty kartassa pylväillä. Tuloksena oli kuva 1:n kartta. Koska tulvaindeksin frekvenssijakauman kuvaaja on vino, valitsin koropleettikartan luokittelumetodiksi kvantiilit. Koropleettikartan väriteemaksi valitsin vesi-elementin mukaisesti sinertävän väripaletin ja pylväsdiagrammikartan väriksi punertavan lilan, jotta se erottuisi muusta kartasta, mutta sopisi muuten väriteemaan.

Kuva 1: Tulvaindeksi kuvattuna keskiylivirtaaman suhteena keskialivirtaaman sekä järvisyys Suomen valuma-alueilla. Koropleetti- ja pylväsdiagrammiteemakartta.

Ennen kuin kuvan 1 karttaa voi analysoida pitää ymmärtää tulvaindeksi terminä. Se koostuu siis keskiylivirtaaman ja keskialivirtaaman suhteesta. Keskiylivirtaama on luennolla opitun mukaisesti tietyllä ajanjaksolla mitattujen tulvahuippujen keskiarvo ja keskialivirtaama puolestaan samalla ajanjaksolla mitattujen kuivien kausien alimpien arvojen keskiarvo. Kartasta nähdään, että tulvaindeksi on korkein pohjanmaalla sekä Etelä-Suomessa ja yleisemmin mereen rajoittuvilla valuma-alueilla. Huomioitavaa on, että tulvaindeksi on korkea alueilla, joilla järvisyys on puolestaan matala. Tämä on aloittelevan maantieteilijän sekä maallikon näkökulmasta loogista, sillä alueilla joilla on paljon järviä tai ylipäätänsä vesialtaita, vedellä on paljon alaa minne mennä. Toisaalta vähäjärvisillä alueilla on kapeita lasku-uomia, jotka veden määrän lisääntyessä tulvivat herkästi. Tulvaindeksi on korkea siis valuma-alueilla, joiden vesiala koostuu suurimmalta osin joista. Näiden jokien tulee kuljettaa kaikki alueelle satanut vesi. Kartasta voi myös päätellä, että valuma-alueet, joiden järvisyys on korkea, ovat pinta-alaltaan laajempia kuin ne alueet joissa järvisyys on pieni. Näistä selkeimpänä näkyvät Järvi-Suomen valuma-alueet.

Mariasofia Nurmi on kurssiblogissaan (2016) tehnyt osuvan huomion, että korkeimpien tulvaindeksien valuma-alueet ovat suurten rannikko-kaupunkien tuntumassa. Rakennettu maasto lisää tulvariskiä, sillä vesi ei pääse imeytymään maastoon teiden ja muiden rakennettujen pintojen läpi. Tästä on huomattavissa yhteys ihmisen toiminnan ja luonnonilmiön voimakkuuden välillä.

Itse kartta on mielestäni ulkonäöltään suurilta osin onnistunut. Värimaailma on silmille ystävällinen, jokseenkin järvisyyden punertavaa väriä ei välttämättä voi kutsua loogiseksi valinnaksi. Mutta koska valitsin koropleettikartalle sinisen värin, piti pylväiden värin erota kyseisestä värimaailmasta jonkin verran. Jälkeenpäin mietin, olisiko ollut loogisempaa käyttää järven värinä sinistä ja tulvaindeksiä kuvatessa esimerkiksi punaista niin kuin Jasmiina Myllys (2016) on omassa kurssiblogissaan käyttänyt. Myllyksen (2016) argumentti kyseisille värivalinnoille oli, että punainen kuvaa paremmin tulvan aiheuttaman vaaran riskiä ja jättää näin sinisen värin järvisyyden ilmaisemiseksi. Mielestäni kummatkin vaihtoehdot ovat toimivia. Pylväsdiagrammit kartalla ovat varsinkin pienempien valuma-alueiden kohdalla vaikeahkoja erottaa toisistaan. Ongelmaa olisi voinut lievittää pylväiden kaventaminen, mutta paljon kapeammat pylväät olisivat puolestaan liian pieniä nähtäväksi näin laajassa kartassa. Joka tapauksessa mielestäni kartta antaa tarpeeksi selkeän kuvan esitettävistä teemoista. Onnistuin myös jokseenkin saamaan kartan mahdollisen isoksi MapInfon tulostusikkunaan kuvan tallentamista varten, mikä tuntuu olevan kyseisessä ohjelmassa yllättävän haastavaa. Legendan mahduttaminen kartan sisään on myös mielestäni visuaalisesti onnistunut. Kankean ohjelman hallinta alkaa jo luonnistumaan.

Jooel

Lähteet:
Myllys, J. (2016). 3. kurssikerta: tietotulva tietokannoista 3.2.2016. Jasmiinan PAK-blogi <https://blogs.helsinki.fi/myllyjas> Luettu 8.2.2016

Nurmi, M. (2016). Kolmas kurssikerta – tutkimusmatka tietokantoihin 5.2.2016. nurmaris’s blog <https://blogs.helsinki.fi/nurmaris/> Luettu 8.2.2016

Anna Leonowiczin artikkeli “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” (2006) käsittelee tapaa kuvata kahta eri muuttujaa yhdistämällä kaksi koropleettikarttaa yhdeksi. Artikkelin mukaan tällainen kartta on hyvä tapa esittää muuttujien välistä yhteyttä. Kahden muuttujan koropleettikartassa legenda koostuu maksimissaan 3×3 ruudukosta, jossa kahden muuttujan väritykset menevät päällekkäin muodostaen yhteensä yhdeksän eri väriä, jotka kuvaavat tiettyjä muuttujien määrän yhdistelmiä. Artikkelissa esitetyssä tutkimuksessa kahden muuttujan koropleettikarttojen luettavuutta testattiin Varsovan ja Vilnan yliopistojen ensimmäisen vuoden maantieteenopiskelijoiden avulla. Opiskelijat vertasivat tutkivat sekä tavallista yhden muuttujan koropleettikarttaa että kahden muuttujan koropleettikarttaa. Tutkimuksen tuloksena oli, että yhden muuttujan koropleettikarttaa oli helpompi lukea ja siitä oli helpompi nähdä ilmiön spatiaalinen levinneisyys. Kahden muuttujan koropleettikartat koettiin kuitenkin mielenkiintoisempina ja niistä oli helpompi nähdä kahden muuttujan yhteys kuin kahdesta erillisestä yhden muuttujan koropleettikartasta.

Oma ensireaktioni nähdessäni kahden muuttujan koropleettikartan oli, että kartta on liian sotkuinen. Väripaletti ei heti näyttänyt loogiselta eikä legenda helposti luettavalta kuten normaalissa koropleettikartassa. Kahden muuttujan koropleettikarttaa ja sen legendaa pitääkin tutkia hieman kauemmin kuin yksinkertaisempaa karttaa. Kun olin katsonut karttaa pari minuuttia, se alkoi näyttämään jo loogiselta ja helposti lähestyttävältä. Kartassa käytettyjen värien merkitys on suuri. Värien pitää olla yhdessä muuttujassa samasta väripaletista ja kahden värin pitää yhdistyä loogisesti. Luokkia ei myöskään tulisi olla enempää kuin kolme per muuttuja josta siis muodostuu yhteensä 9 luokkaa.

Mietin myös PAK-luennoilla käytettyjä muita kahden muuttuja teemakarttatyyppejä, ja miksi en käyttäisi mieluummin niitä. Pylväs/ympyrädiagrammikartan tai Graduated-teemakartan yhdistäminen yhden muuttujan koropleettikarttaan voi olla helppolukuisempi kuin kahden muuttuja koropleettiteemakartta, mutta muuttujien yhteyden havaitseminen on niistä vaikeampaa. Esimerkiksi Graduated –kartassa käytettyjen symbolien koon vertaileminen on ainoastaan suhteellista ja riskialtista aistiharhalle. Kahden muuttujan koropleettikartta puolestaan antaa selkeän arvon muuttujille niiden luokitteluväleillä vaikka vaatiikin hieman enemmän lukijaltaan.

Kahden muuttujan koropleettikarttaa lukiessaan lukijan tulee ymmärtää legenda, ennen kuin kartta alkaa avautua. Toisaalta kartan ymmärtäminen ei vaadi mielestäni yli-inhimillistä kartanlukutaitoa tai maantieteellistä asiantuntijuutta. Kun kartan luokkamäärä pidetään maksimissaan yhdeksässä (3×3), ei sen lukeminen ole turhan vaikeaa. Kahden muuttujan koropleettikartta on loppujen lopuksi mielenkiintoinen ja ihan varteenotettava vaihtoehto kahden muuttujan yhteyden spatiaaliseen ja visuaaliseen kuvaamiseen.

Jooel

Lähteet:

Leonowicz, A. (2006). Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija 42: 1, 33–37.

Hei,

Toisen kurssikerran tarkoituksena oli opetella sisällyttämään kaksi teemaa samaan karttaan siten, että lopputulos olisi mahdollisen luettava. Päädyin itse tekemään Graduated –teemakartan yhdistettynä koropleettikarttaan. Graduated –kartassa teemaa kuvataan symbolilla, jonka koko kasvaa suhteessa havainnollistettavan teeman esiintymiseen alueella.

Valitsin karttani alueeksi Uudenmaan ja Graduated-teemaksi tietoon tulleiden rikosten määrät vuodessa ja koropleettikartan teemaksi työttömyysasteen. Koin että näiden kahden teeman välillä voisi olla korrelaatiota. Jotta rikosten määrät olisivat kunnittain vertailukelpoisia, jaoin tunnusluvun asukasluvulla. Näin ollen kartassa pyssy-symbolin koko kuvaa tietoon tulleita rikoksia tuhatta asukasta kohti. Lopputuloksena oli kuvan 1 kartta.

Kuva 1. Työttymyysaste ja tietoon tulleet rikokset tuhatta asukasta kohti kunnittain Uudellamaalla 2010. Graduated/koropleettiteemakartta.

Kartasta (kuva 1) huomataan lähinnä se, että rikoksia on eniten Helsingissä ja Vantaalla, sekä enemmän sekä hieman enemmän idässä kuin lännessä. Jonkinlaista korrelaatiota voidaan havaita siinä, että kunnissa joissa työttömyys on alhainen, on vähemmän rikoksia. Tietenkään työttömyys ei ole ainoa selittävä tekijä. Esimerkiksi Myrskylässä, jossa työttömyys on kartan mukaan maakunnan korkeimpia, rikosten määrä on yksi matalammista.

Victoria Ollus on omassa teemakartassaan myös käsitellyt rikoksia Uudellamaalla vertailemalla tietoon tulleita ja ratkaistuja rikoksia sekä kuntien väkilukuja keskenään (Ollus 2016). Hänen kartastaan nähdään, että absoluuttisesti rikoksia tapahtuu eniten pääkaupunkiseudulla. Vertailemalla omaa karttaani Olluksen karttaan nähdään lähinnä mielenkiintoisia ilmiöitä kunnittain, mutta tarkkaa yhdenmukaisuutta asukasluvun, työttömyysasteen ja rikosten määrän kanssa ei pystytä kummastakaan kartasta tekemään. Kuitenkin esimerkiksi Hangossa, jossa asukasluku on kohtuullisen matala, on korkea työttömyys ja korkea rikoksien määrä suhteessa väkilukuun. Espoo ja Kauniainen erottuvat Helsingistä ja Vantaasta siinä, että niillä on sekä väkilukuun suhteutettuna, että absoluuttisesti vähemmän rikoksia.

Oman karttani toteutuksessa olen tyytyväinen värimaailmaan ja jokseenkin tyytyväinen kartan siisteyteen, vaikka kuvaa käsitellessäni sen tarkkuus on ilmeisesti hieman kärsinyt. Graduated –kartta ei sinänsä sovellu kovin syvälliseen tarkasteluun, sillä symbolien kokoa on vaikeaa vertailla. Omassa kartassani en saanut symboleiden kokoeroa kovinkaan isoksi, vaikka koitin monia eri skaalaeroja. Lisäksi legendassa oleva viimeinen symboli on aivan liian pieni.

Jooel

Lähteet:
Ollus, V. (2016). Toinen kurssikerta: Kaksi teemaa, yksi kartta 2.2.2016. Victorian kurssiblogi <https://blogs.helsinki.fi/ollus> Luettu 4.2.2016

Ensimmäisen PAK-kurssikerran aiheena oli MapInfo-ohjelman tutustuminen ja teemakartan teko. MapInfossa on helppo käsitellä aineistoja, koska ohjelma yhdistää paikkatiedon ja ominaisuustiedon vaivattomasti. Käyttöömme annetussa datassa oli paljon perustietoa Suomen kunnista. Valitsin oman teemakarttani aiheeksi ulkomaalaisten osuuden kunnan asukasluvusta.

Kuva 1. Ulkomaiden kansalaisten osuus väestöstä kunnittain 2015. Koropleettiteemakartta.

Kartasta (kuva 1) nähdään, että ulkomaalaisia on suhteessa eniten pääkaupunkiseudulla, Ahvenanmaalla sekä Pohjanmaalla Vaasassa ja sen vieruskunnissa. Pääkaupunkiseudulla ulkomaalaisten suhteellisen osuuden korkeampaa määrää selittää pääkaupungin asema kansainvälisenä keskuksena. Helsinki ja sen ympäristö on varmasti palveluineen ja työpaikkoineen ulkomaalaisille maan kiinnostavin alue. Ahvenanmaalla puolestaan ruotsalaisten määrä vaikuttaa ulkomaalaisten määrään. Ahvenanmaalla ruotsalaisten osuus maahanmuuttajista oli vuonna 2012 48 % (Saari 2013). Vaikka Vaasassa on Ahvenanmaan tapaan paljon ruotsinkielisiä, on ulkomaalaisista suurin osa Venäläisiä, kuten suurimmassa osaa koko maata (Saari 2013)

Vähiten ulkomaalaisia on asukaslukuun suhteutettuna sisämaassa maaseutukunnissa, varsinkin Keski-Suomessa. Ulkomaalaisten osuus on kuitenkin kasvamassa maaseuduilla (Saari 2013). Kokonaisuutena kartasta huomataan, että Suomessa ei asu paljon ulkomaalaisia. Kartalla vaaleita kuntia on paljon vaikka niiden luokkaväli on vain 0,8 prosenttiyksikköä.

Kuvan 2 histogrammista nähdään, että jakauma on hieman oikealle vino. Tämä johtuu siitä, että 1 % alueella on paljon havaintoja. Tätä suurempia osuuksia on ripotellen aina 12,5% asti, mutta suurimmassa osassa kunnista ulkomaalaisia on tuo alle 1%. Tähän vaikuttaa se, että ulkomaalaiset keskittyvät herkästi isoihin kaupunkeihin (Saari 2013).

Kuva 2. Ulkomaiden kansalaisten osuus väestöstä 2015. Histogrammi.

Teknisesti kartta on toteutettu niin, että karttatasoon, jossa on määritelty Suomen kunnat, on lisätty tieto ulkomaiden kansalaisten osuudesta kunnan väestöstä. Tieto on jaoteltu viiteen osaan MapInfo-ohjelman luokitteluapuvälineellä. Kuntia, joissa ulkomaalaisten osuus on alle 0,9 % on eniten, joten luokkavälit ovat lyhyempiä niiden kuntien osalta, joissa on suhteessa vähän ulkomaalaisia. Luokat on koodattu sinisen eri sävyillä, niin että kunnat, joissa ulkomaalaisia on suhteessa eniten, on väritetty tummimman sinisellä ja niin edelleen. Mielestäni värimaailma on selkeä. Karttaan on myös lisätty pohjoisnuoli sekä mittakaavajana parantamaan luettavuutta.

Jooel

 

Lähteet:

Saari, M (2010). Maahanmuuttajakeskittymiä on muuallakin kuin pääkaupunkiseudulla.      Hyvinvointikatsaus 3 2013. Tilastokeskus.