Kurstillfälle 7

Sista ansträngningen, a.k.a. från panik till lättnad

Detta kurstillfälle var definitivt en berg-och-dalbana för mig. Dagarna före stressade jag redan eftersom jag inte förstod instruktionerna ordentligt och inte visste hurdan sorts material jag borde ha med mig till lektionen. Sista lektionen skulle vi nämligen inte bara göra en karta över två valfria variabler, vi skulle även hitta allt material själva, dvs. både kartbotten och statistik. Några dagar före tisdagens fruktade PAK-tillfälle satte jag igång och gick igenom alla nätsidor med material som Arttu länkat till i kursens informationsblogg. Problemet var att jag inte förstod hur kartan och statistiken skulle kopplas till koordinater, och inte heller i vilket format kartan skulle vara. Kartan skulle även kunna delas in i 20-30 delar vilket gjorde mig ännu mer förvirrad. Hur skulle alla delarna vara kopplade till koordinater och hur skulle jag få rätt statistik till rätt område??

Idéer för kartan hade jag dock inga problem med. Jag kände genast att jag ville göra något om Bolivia eftersom jag själv bott där i sju månader och därför är intresserad av landet. Eftersom Bolivia bara består av nio departement funderade jag över att göra en karta över departementet Cochabambas provinser eftersom det var där jag bodde i Bolivia. Problemet var bara att hitta en vettig karta i rätt format över just detta. Dessutom kunde jag omöjligt förstå hur jag skulle få all statistik kopplad till rätt områden. Jag sökte fram statistik redan före lektionen, och tänkte att resten säkert klarnar senare..

Tisdagens PAK-tillfälle började i total förvirring och halvpanik. Vi fick inga instruktioner i början utan det var bara att sätta igång. Jag fick helt enkelt strunta i hur dum jag kände mig och bara fråga Arttu varifrån jag skulle ladda ner kartan och hur jag skulle göra ifall jag ville använda Cochabambas provinser. Till slut visade sig att detta hade krävt lite onödigt med arbete så jag frågade Arttu om det var okej ifall jag bara använde Bolivias nio departement och visst var det det, men som kompensation fick jag göra fler än en karta.

Med Arttus hjälp fick jag kartan nedladdad från Natural Earth och tur var det, för den var redan kopplad till koordinater! När detta äntligen var avklarat släppte paniken. Det var ju inte alls så svårt! Sedan var det bara att lägga in tabeller i Mapinfo och kombinera dem med kartbottnets ursprungliga tabell och voilà, all info var kopplad till rätt områden.

Resten av lektionen var faktiskt ganska rolig. Jag kopplade mer och mer info till tabellen och prövade att kombinera flera olika faktorer för att se ifall de korrelerade. Jag hittade all möjlig intressant statistik över allt från analfabetism och antal barn som går i skolan till personer som utsatts för våld. Det hade även varit intressant att undersöka drog- och alkoholanvändning, men statistiken jag hittade om detta verkade inte helt pålitlig. Å andra sidan kan man ju fundera över om någon statistik alls från Bolivia är särskilt pålitlig.. Eftersom jag själv bott i landet vet jag att inget fungerar särskilt bra där, så knappast är statistiken som samlats in fullständig.

 

Mina “mästerverk”

Bild 1. Bolivia och dess departement Källa: https://upload.wikimedia.org/wikipedia/commons/5/55/Departamentos_de_Bolivia.png
Gataprocent_barninteiskolanprocent
Bild 2. Andel personer som bor på gatan och andel barn i skolåldern som inte går i skolan år 2012 (%)

Det första jag ville ta reda på var om det fanns någon korrelation med andelen personer som bor på gatan och andel barn i skolåldern (5-19 år) som inte går i skolan. Det visade sig att andelen barn som inte gick i skolan var rätt så likadan i hela landet, men en viss korrelation med andelen personer på gatan finns ändå. (se bild 2) T.ex. är både andelen personer som bor på gatan och andelen barn som inte går i skolan störst i departementet Pando i norra Bolivia.

FattigdomGatuAndel
Andelen fattiga och andelen personer som bor på gatan (2012)

Den andra kartan jag gjorde beskriver andelen fattiga i de olika departement samt andelen personer som bodde på gatan år 2012 (Bild 3). Här syns en korrelation mellan de två variablerna, vilket kan kännas självklart. Fler fattiga leder till fler som tvingas bo på gatan. Bolivia anses vara Sydamerikas fattigaste land, vilket bevisas på kartan i den höga andelen fattiga. Här räknas procenten ut enligt vem som lever under landets nationella fattigdomsgräns.

befolkningsmängd_våldProcent
Bild 4. Befolkningsmängd och antal personer som utsatts för våld (2013)

Därefter gjorde jag en karta över befolkningsmängden och antalet personer som utsatts för våld. Jag förväntade mig såklart en korrelation mellan dessa variabler, och visst syns den delvis. Men om man jämför de två departement som har flest invånare, La Paz (i väst) och Santa Cruz (i öst) ser man en stor skillnad mellan antalet personer som utsatts för våld. Orsaken till detta kan vara att landets huvudstad La Paz finns i departementet med samma namn och dessutom finns den stora staden El Alto i samma område. Kriminaliteten i dessa två städer är stor. I El Alto, liksom i många andra områden i Bolivia, är det normalt att folket så att säga “tar lagen i egna händer”. Detta innebär att folket själv straffar de som begått ett brott genom att t.ex. slå de skyldiga med käppar eller brännässlor. Därtill är det inte helt ovanligt att folket häller bensin över den skyldige och tänder eld på honom eller henne. Detta, i kombination med annan kriminalitet i dessa två städer kan leda till det höga antalet personer som utsatts för våld i departementet.

 

Tankar vid kursens slut

Denna kurs har gett mig både glädje och huvudvärk. Det känns som att kurstillfällenas svårighetsgrad har varierat rätt så mycket, då en del lektioner känts lite för enkla medan andra åstadkommit halvpanik och lust att bara ge upp. I sin helhet har kursen nog varit väldigt givande. Vi har inte bara lärt oss att använda ett helt nytt program, utan även att samla in geografisk information och bearbeta den. Särskilt detta känns väldigt viktigt.

En rolig sak med denna kurs har även varit just bloggandet. I början kändes det lite skrämmande eftersom alla andra har möjlighet att läsa det man skriver (eller de som nu känner för att ta sig tiden att läsa en blogg på svenska..), men så småningom försvann pressen och det var helt kul att få skriva mer “fritt”. Som Jon Rikberg konstaterar i sin blogg har bloggarna även gett ett visst stöd då man har kunnat se att andra också haft liknande problem som man själv. Dessutom har man fått idéer av andra vilket självklart har underlättat arbetet.

Även om jag inte skulle säga mig vara en expert på Mapinfo ännu, kan jag nog påstå att jag har lärt mig grundfunktionerna. Det kändes bra att under sista kurstillfället faktiskt klara av alla steg i Mapinfo själv. Kursen har varit utmanande och betydligt roligare än väntat. Jag föredrar verkligen kurser med inlämningsuppgifter (i detta fall blogginlägg) att göra längs med hela perioden, över kurser med en stor tent i slutet.

Källor:

Instituto Nacional de Estadística. <http://www.ine.gob.bo/> läst 29.02.2016

Instituto Nacional de Estadística <http://geo.ine.gob.bo/cartografia/> läst 29.02.2016

Rikberg, J. Kursgång 7: sista arbetet. (03.03.16) <https://blogs.helsinki.fi/jrikberg/2016/03/03/kursgang-7/> Läst 12.03.2016

 

Bildkälla:

<https://upload.wikimedia.org/wikipedia/commons/5/55/Departamentos_de_Bolivia.png> 12.03.2016

Kurstillfälle 6

Detta kurstillfälle var kanske det roligaste hittills och kändes även ganska lätt i jämförelse med förra veckans oändliga hög av individuella uppgifter. Lektionen började med att vi i grupper gick ut med GPS-apparater för att samla in koordinater om ett valfritt tema. I brist på bättre idéer valde vi att söka upp gröna roskisar. Har aldrig tidigare gjort något liknande men som tur var GPS-apparaten ganska simpel att använda. Dock upptäckte vi rätt så snabbt att höjden som apparaten gav för de första objekten inte riktigt stämde. Den påstod nämligen att det fanns en höjdskillnad på 100 m mellan två roskisar som var på nästan samma höjd.. När koordinaterna var insamlade skulle vi lägga in informationen i Mapinfo och skapa en karta över var roskisarna var placerade. Det visade sig att det inte bara var höjden som var åt skogen med de första objekten, läget var även fel. Men resten av roskisarna var perfekt utplacerade. Men vad man gör med denna information är ju en annan fråga.

I denna första uppgift fick vi öva nya funktioner som t.ex. att från en tabell få punkter utplacerade på en karta. Detta fick vi sedan öva vidare i kursgångens individuella uppgifter. Denna gång skulle vi framställa tre kartor som i teorin skulle kunna användas för undervisning. Som tema kunde vi välja mellan vulkaner, jordbävningar eller meteoritnedslag. Informationen fanns på nätet och skulle sedan öppnas i Excel för att vidare kunna användas i Mapinfo. Jag valde att göra kartor över jordbävningar av olika magnitud efter år 1980.

Den första kartan jag framställde visar jordbävningar med en magnitud på över 8,5 på Richterskalan efter år 1980. Så kraftiga jordbävningar sker inte särskilt ofta, sedan 1980 har det “bara” förekommit sex stycken. En i Chile, en i Japan och fyra stycken i Indonesien eller utanför dess kust. (Se bild 1.)

Jordbävning_över8,5
Bild 1.

Den andra kartan visar jordbävningar med en magnitud på över 7,5 på Richterskalan efter år 1980. Även om det bara gäller en “liten” skillnad i magnitud från föregående karta, är antalet jordbävningar betydligt större. Dock ska man komma ihåg hur Richterskalan fungerar. Precis som Helena Rautakoski skriver på sin blogg är Richterskalan logaritmisk, vilket innebär att en skillnad på en magnitud innebär att jordbävningens styrka ökar eller minskar tiofalt. (Rautakoski, H.)

På kartan börjar även jordbävningsrika områden framträda bättre. (Se bild 2.) Dock blir trenderna betydligt klarare på den tredje kartan.

Jordbävning_över7,5utankant
Bild 2.

Den tredje kartan beskriver jordbävningar med en magnitud på 6-8 på Richterskalan efter år 1980. Mindre jordbävningar sker oftare än kraftigare jordbävningar vilket leder till att antalet jordbävningar är betydligt större här jämfört med föregående karta. Det intressanta med kartan är att man nu tydligt kan urskilja litosfärplattornas gränszoner, eftersom jordbävningarna till stor del sker där. Man ser dessutom tydligt att färre jordbävningar sker i litosfärplattornas divergenszoner än i konvergenszonerna och zoner där plattorna glider längs med varandra. (se bild 3 och 4)

Största delen av jordbävningarna har skett i den s.k. Eldringen som är belägen kring Stilla Havet. Eldringen löper genom Syd- och Nordamerikas västkust via Berings sund vidare söderut längs Asiens östkust genom Japan, Filippinerna och Papua Nya Guinea och fortsätter sedan genom Nya Zeeland. I denna zon sker största delen av världens jordbävningar och där finns även största delen av vulkanerna. Utöver detta sker många jordbävningar vid den Eurasiska plattans södra kant.

Särskilt den tredje kartan skulle bra kunna användas i undervisning för att förklara var jordbävningar oftast sker. Med hjälp av kartan kan man berätta om Eldringen och visa var den är belägen, och dessutom kan man lätt markera ut var litosfärplattornas gränser går. Dessutom kan man peka ut var förkastnings- (transforma), konvergens- och divergenszonerna är belägna och vad de innebär, samt hur man från kartan kan avgöra var de olika zonerna finns. Med hjälp av alla tre kartorna kan man lätt få fram att jordbävningar av lägre styrka sker oftare än kraftiga jordbävningar.

Jordbävningar6-8utankant
Bild 3.
Bild 4. Litosfärplattorna och deras rörelser. Källa: http://www2.sunysuffolk.edu/hornj/ESC102_PlatesAssgnmt_Fig2.jpg

 

Källor:

Rautakoski, H. Kurssikerta 6. Koordinaatteja Kumpulassa, hasardeja maailmalla. (26.02.2016) <https://blogs.helsinki.fi/helenrau/2016/02/26/kurssikerta-6-koordinaatteja-kumpulassa-hasardeja-maailmalla/> Läst 28.02.2016

http://www2.sunysuffolk.edu/hornj/ESC102_PlatesAssgnmt_Fig2.jpg 28.02.2016

Kurstillfälle 5

Detta kurstillfälle ägnade vi oss åt buffring. Med buffert-verktyget skapar man ett område med valfri radie runt ett objekt (punkt- linje- eller ytobjekt, allt går), och därefter kan man ta reda på vad för sorts funktioner och objekt som finns inom detta influensområde. Buffring är användbart i många fall då just influensområdet är i fokus, t.ex. vid planering av samhällets olika funktioner. Som Marisofia Nurmi skriver i sin blogg “Puskureita voidaan käyttää esimerkiksi saavutettavuuden kartoituksessa ja hyödyntää palvelujen ja liikenneverkon suunnittelussa.” kan buffring användas för att kartlägga tillgänglighet och även utnyttjas när man planerar service och trafiknät (Nurmi, M). Buffring kan även utnyttjas då man planerar räddningstjänstens placering eller mobilnätets täckning i ett visst område, eller då man vill veta hur många som påverkas av industriområdens buller och föroreningar. Vid större katastrofer, som t.ex. kärnkraftsolyckor kan man dessutom räkna ut vilka områden runtomkring som påverkas. Under lektionen fick vi räkna ut många olika faktorer m.h.a. buffertverktyget.

Förra gången förberedde vi redan material som skulle användas denna gång. Då prickade vi ut varenda ett hus samt ritade ut de största vägarna i Borgnäs centrum. Under lektionen använde vi buffert-verktyget för att bl.a. ta reda på hur många människor som bodde inom ett visst avstånd från skolan, hälsostationen och vägarna.

Under lektionen fick vi flitigt lägga till kolumner i tabeller, räkna ut nödvändiga tal samt kombinera tabeller och annat material. Största delen av kurstillfället användes denna gång till oändligt många individuella uppgifter. De handlade om allt från att räkna ut hur många som bodde inom Helsingfors-Vanda flygfälts 65dB bullerområde till hur stor andel skolbarn det fanns i ett visst skoldistrikt. De individuella uppgifterna krävde rätt så mycket tankeverksamhet i.o.m. att vi bl.a. var tvungna att räkna ut mycket nytt material själva och lägga in det i nya kolumer i redan existerande tabeller. Det gällde att ha tungan rätt i mun då man valde i vilket “format” den nya informationen var samt när man valde från vilken tabell man kunde räkna ut den nya infon och var man ville lägga till den.

Själva buffert-verktyget är i sig inte särskilt svårt att använda, men det är lätt hänt att man t.ex. glömmer kolla vilka layers som är aktiverade, eller hoppar över att spara nytt material i nya lager.. Och så sitter man där och klickar febrilt på bufferten utan att något händer.

Efter lektionen kände jag mig helt slut i huvudet, men nöjd över att ha klarat (största delen av) uppgifterna själv. En annan sak är förstås om svaren är korrekta men i tabell 1 längst ner kan ni ändå beundra resultaten jag fick från alla uppgifterna.

Detta kurstillfälle med alla sina individuella uppgifter var nog precis vad som behövdes i detta skede. Nu fick man själv lära sig just att kombinera material och att använda Mapinfos funktioner för att räkna ut nytt material och lägga till det i nya kolumner i redan existerande tabeller. Dock behöver jag nog ännu mer övning i just detta, eftersom små slarvfel kan ha drastiska konsekvenser. Buffertverktyget känns också rätt så hanterligt nu. Dessutom börjar det vara lättare att förstå även grundfunktioner som hur man får fram vissa tabeller och kartor, samt hur man gör olika typer av temakartor.

Med Mapinfo kan säkert de flesta problem lösas, men för en ny användare är det svårt att gestalta allt och förstå vilka funktioner och verktyg som duger till vilka uppgifter och problem.

Capture
Tabell 1. Svaren till detta kurstillfälles individuella uppgifter

 

Källor

Nurmi, M. Kurssikerta 5: Puskureita ja uima-altaita. (17.02.2016) <https://blogs.helsinki.fi/nurmaris/> Läst 21.02.2016

Kurstillfälle 4

Under det fjärde kurstillfället behandlade vi material i punkt- och rutformat och gick igenom dess egenskaper. Material i punktformat är mycket exakt och man kan exempelvis se en byggnads exakta läge. Material i rutformat är däremot betydligt mer generaliserat, men beroende på rutornas storlek fås olika grad av noggrannhet.

Så var det självklart dags att sätta igång med det praktiska arbetet. Som material hade vi denna gång klart en karta över Helsingfors, Esbo, Grankulla och Vanda där alla hus var utprickade. Utöver detta fanns även information om varenda ett hus. T.ex. kunde vi lätt få reda på hur många personer av en viss ålder som bodde i ett hus, eller hur många som hade finska eller svenska som modersmål.

Tillsammans gjorde vi en rutkarta över antalet 20-åringar i området och valde för detta rutstorleken 500x500m. Av någon orsak gjorde Mapinfo ändå rutorna hälften mindre, dvs. 250x250m. På grund av detta valde jag sedan för min individuella karta rutstorleken 1000x1000m, vilken sedan i verkligheten bara var 500x500m, alltså det vi ursprungligen velat. Det var intressant att själv studera hur kartan ändrades vid val av olika rutstorlek. Precis som Jasmiina Myllys skriver i sin blogg “Ruututeemakartassa ruudukon koko vaikuttaa huomattavasti kartan ulkonäköön, luettavuuteen ja sen sisältämään tietomäärään.” (Myllys, J) inverkar alltså rutstorleken otroligt mycket på kartans utseende, läslighet och på informationen den innehåller. Den individuella kartan fick beskriva vilken faktor som helst, så jag valde att fortsätta på samma tema som tidigare och gjorde därför en karta över antalet svenskspråkiga i området. Tyvärr sparade jag inte de övriga kartorna med olika rutstorlek utan bara den jag blev nöjdast med (se bild 1). Jon Rikberg har däremot laddat upp kartor med olika rutstorlek på sin blogg, och det är intressant att jämföra utseendet och läsligheten för kartan med rutstorlek 250×250 och kartan med rutstorlek 500x500m. Precis som han själv konstaterar i sin bloggtext kan man ur båda kartorna urskilja trenderna, men kartan med mindre rutstorlek är betydligt svårare att tolka eftersom det lätt blir för mycket information med på kartan (Rikberg, J). Dock är ju självklart kartan noggrannare ju mindre rutorna är eftersom man då även ser små, lokala skillnader. Men självklart måste man som kartritare balansera mellan generaliseringsgrad och lättläsbarhet. En karta som inte alls är generaliserad är högst sannolikt inte särskilt lätt att tolka.

KK4svenskspråkiga2cropped
Bild 1. Antal svenskspråkiga i Helsingfors, Vanda, Esbo och Grankulla. Rutstorlek 500x500m

Utgående från kartan (bild 1) kan man tydligt se att antalet svenskspråkiga gradvis minskar norrut. Koncentrationer finns i Helsingsfors centrum, Grankulla och längs Västerleden i Esbo (t.ex. Westend och Gäddvik). Orsaken till koncentrationerna är i flera fall en större folkmängd i området. Ett undantag är dock Grankulla där även den procentuella andelen svenskspråkiga är hög. Vi valde att inte alls ta med 0-värden vilket leder till områden helt utan rutor. Man bör dock komma ihåg att dessa områden också innefattar grönområden, åkrar, flygfält mm.

 

Källor

Myllys, J. 4 kurssikerta: pisteitä ja ruutuja (12.02.2016) <https://blogs.helsinki.fi/myllyjas/> läst 15.02.2016

Rikberg, J Kursgång 4: Ristin rastin med rutor och raster (11.02.2016) <https://blogs.helsinki.fi/jrikberg/> läst 15.02.2016

Kurstillfälle 3

Afrikas konflikter, diamantgruvor och oljeborrningar.

Det tredje kurstillfället inleddes som vanligt med gemensam genomgång av nya funktioner och med att göra några övningsuppgifter tillsammans. Denna gång jobbade vi inte med material över Finlands kommuner, utan över Afrika. I materialet vi hade var många av länderna uppbyggda av flera olika mindre delar eftersom exempelvis öar var inräknade. När man öppnade en tabell över all information som kartan innehöll var därför en del länder nämnda flera gånger. Det första vi gjorde var därför att kombinera dessa delar så att ett land bara räknades upp en gång i tabellen. Sedan var det även dags att lära sig att importera material i excelformat och kombinera två tabeller i Mapinfo. När detta var avklarat hade vi material över Afrikas internetanvändning, konflikter, oljefält på land och diamantgruvor. Utgående från denna information kan man undersöka korrelation mellan dessa olika faktorer. Finns det t.ex. samband mellan mängden resurser ett land har och mängden konflikter som sker? Har konflikterna startat efter att resursen hittats? Eller kanske först då resursen börjat ge vinst? Därtill kunde man säkert ta reda på om och hur konflikten har framskridit. Det skulle även vara intressant att se om det finns något samband mellan internetanvändningen och de andra faktorerna. Salla Marttila räknar i sin blogg upp några andra frågor som även skulle vara intressanta att undersöka med hjälp av materialet. T.ex. hur ett lands resurser har inverkat på landets bruttonationalprodukt, hur snabbt oljeborrningarna och gruvdriften startats efter att resursen hittats samt hur internetanvändningen har spridits mellan Afrikas länder. (Marttila, S.)

Denna gång var det ställvis lite svårt för mig att hänga med. Detta berodde på att många hade problem med olika saker, vilket ledde till att Arttu sprang omkring och hjälpte dem. Och eftersom jag inte kände för att bara sitta och rulla tummarna eller stirra tomt under denna tid så underhöll jag med annat. Men mitt i allt hade Arttu återgått till sin plats framför klassen och fortsatt med det gemensamma arbetet. Och före jag hunnit titta upp hade han redan hunnit öppna flera olika funktioner och jag satt där i panik och undrade hur han kommit dit. Som tur fanns dock alla instruktioner i ett Word-dokument, så så småningom var jag tillbaka på rätt spår..

Översvämmningsindex och sjörikedom i Finland

Nåja, när det gemensamma arbetet var gjort var det bara att sätta igång med de individuella uppgifterna. Denna gång hade vi som grund en karta över Finlands avrinningsområden (vilka även sträcker ut sig till våra grannländer). Till denna karta skulle vi lägga till områdenas översvämmningsindex och sjörikedom.

Den här gången hade vi  inte all information klar utan måste själva räkna ut just översvämmningsindexet och sedan göra en koropletkarta av det. Även i denna uppgift fanns informationen vi använde i två olika tabeller så vi var tvungna att kombinera dem. Det som för mig ställde till problem var att varje gång man gjorde någon förändring i tabellerna, eller räknade ut nya variabler, måste man spara och öppna på nytt. Om man inte gjorde detta syntes inte förändringarna då man försökte lägga till informationen på kartan. Jag glömde detta flera gånger och undrade över vart allt försvann ända tills min bordsgranne frågade “har du sparat och öppnat pånytt?”, och fick mig att känna mig dum gång på gång.

Till koropletkartan över översvämmningsindexet lade vi sedan till informationen om avrinningsområdenas sjörikedom i form av staplar. Jag höll på i vad kändes som evigheter med att försöka hitta lämplig färg för mina staplar. Till slut nöjde jag mig bara med den mörk-blågröna färgen som syns nedan (Bild 1.) och hoppas att den urskiljs tillräckligt bra från koropletkartans färger.

Järvisyys
Bild 1. Översvämmningsindex och sjörikedom

Från kartan kan tydligt utläsas att kustnära områden har den största risken för översvämmning. Inne i landet är risken betydligt mindre. Korrelationen mellan översvämmningsindexet och sjörikedomen är tydlig, vilket innebär att ju fler sjöar som finns i avrinningsområdet, desto mindre är risken för översvämmning. Orsaken till detta är att vattnet samlas i sjöarna istället för i floderna, vilket minskar flodernas flöde och därmed även översvämmningsrisken. Områdena kring kusten där översvämmningsrisken är störst består av små avrinningsområden med ett flertal floder. I många fall har man även bebyggt områdena i närheten av floderna, vilket ytterligare ökar risken. Dock är sambandet mellan översvämmningsrisken och sjörikedomen inte lika tydlig i Lappland. Detta beror i stor grad på områdets topografi. 

Enligt mig lyckades jag bra med kartan, den är tydlig och någorlunda lättläst. Fast på en del ställen kan det vara svårt att urskilja sjörikedom-procenten. Jag tycker det är bra att kustlinjerna finns med på kartan eftersom det ger en tydligare bild över var avrinningsområdena står i förhållande till kusterna. Det hade kanske varit intressant att ha med Finlands gränser för att visa hur avrinningsområdena sträcker ut sig över dem, men å andra sidan kanske en mångfald av linjer skulle försvåra tolkningen av kartan. Som färger valde jag blåa nyanser, liksom många av kursens andra deltagare även gjorde, eftersom det enligt mig bäst beskrev temat. Ett annat val av färg gjorde t.ex. Jasmiina Myllys som gjorde en karta där översvämmningsindexet är uppbyggt av röda nyanser och sjörikedomen av en mörkblå färg. Valet av den röda färgen beskrev hon som passande för faran som översvämmningsriskens möjligtvis kan åstadkomma. (Myllys, J.)

 

Källor:

Marttila, S. (04.02.2016) KK3: Tietotulvakarttoja <https://blogs.helsinki.fi/sallamar/> läst 06.02.2016

Myllys, J. (03.02.2016) 3. kurssikerta: tietotulva tietokannoista <https://blogs.helsinki.fi/myllyjas/> läst 07.02.2016

Artikel 1

Anna Leonowicz berättar i sin artikel “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” om koropletkartor med två variabler samt deras användbarhet, då man vill jämföra två geografiska fenomen. Artikeln behandlar därtill en undersökning som gjorts för att jämföra kartor med en respektive två variabler. Som Theresia Molander skriver i sin blogg illustreras de två variablerna med en koropletkarta som med hjälp av färgläggning av variablerna kan presentera två olika fenomen (Molander, T.). En koropletkarta med två variabler förmedlar mer information än en karta med bara en variabel, men den kräver dock mer av karttolkaren. För att en koropletkarta av denna typ ska vara tillräckligt lättläst bör det inte finnas fler än nio olika klasser (3×3), dessutom bör färgerna eller rasterna skilja sig tillräckligt mycket från varandra. Legenden består av en kvadrat med så många rutor som det finns klasser på kartan (helst inte fler än nio sammanlagt) och på x- och y-axeln finns de två variablerna. Båda variablerna har en färgskala och när dessa blandas bildas legenden över den bivariabla kartan.

Jag har inte stött på koropletkartor av detta slag tidigare, men jag fattade genast tycke för dem. Det kanske tar lite längre att tolka dem, men det är ändå betydligt lättare än att jämföra två olika koropletkartor med en variabel var. Detta är kanske en av de största fördelarna med koropletkartor med två variabler, dvs. att de så bra beskriver sambandet mellan två faktorer eller fenomen. Men etersom särskilt legenden var av helt annat slag än jag är van med krävdes mer koncentration för att få ut allt av kartan. I slutet av artikeln fanns exempel på två olika symbolförklaringar, en med 3×3 rutor och en med 4×4. Men en koropletkarta med 16 klasser skulle nog vara helt för svårtolkad, vilket även Leonowicz skriver i sin artikel.

I slutet av artikeln finns ett exempel på en bivariabel koropletkarta i vilken sambandet mellan den rurala befolkningen i procent och andelen personer under 18 år beskrivs. Legenden består av 3×3 rutor, x-axeln beskriver den förstnämnda variabeln med blåa färgskala och y-axeln den andra variabeln med ljusröda nyanser. För att förenkla legendens läsbarhet har även varje värde placerats ut som en prick i rutsystemet. Trots detta är denna typ av legend snäppet svårare att tolka än en vanlig symbolförklaring och kräver därför mer av läsaren.

Hittills har vi inte gjort kartor av denna typ, men det är säkert möjligt i programmet Mapinfo. Jag tror dock utmaningen i skapandet av en bivariabel karta är att välja rätta färgnyanser samt att klassificera materialet på bästa sätt i.o.m. att legenden (och därmed även hela kartan) lätt kan bli alltför otydlig. Mapinfo känns fortfarande lite besvärligt att använda, så ifall jag fick uppgiften att göra en bivariabel karta skulle jag säkert hinna tänka många tankar på att ge upp innan jag (förhoppningsvis) kommit fram till ett acceptabelt resultat.

 

Källor:

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

Molander, T. (10.02.2016) Artikel 1 <https://blogs.helsinki.fi/theresia/> läst 11.02.2016

Kurstillfälle 2

På andra kurstillfället av “PAK-kursen” fortsatte genomgången av programmet Mapinfos funktioner. Denna gång gick vi noggrannare igenom de olika typers temakartor som kan göras i programmet som t.ex. stapel- och cirkeldiagramkartor, punktkartor (både kvalitativa och kvantitativa), grid-temakarta samt prismatiska och tredimensionella temakartor. De tredimensionella temakartorna kunde man sedan vrida och vända på hur man ville. Eller i varje fall var det meningen att man skulle kunna det.. Men själv tyckte jag det var nära på omöjligt. Så det som Pauli Voipio skrev på sin blogg stämmer nog för mig med: “Jos en muuta, niin opin ainakin sen ettei NASA tule olemaan seuraava työnantajani.” Eftersom Arttu sade att om man lätt förstod sig på vridningen av kartor så kan det löna sig att genast söka jobb på NASA…

Sedan var det så småningom dags för oss att börja göra denna gångs individuella arbete, en temakarta med två olika variabler. Till vårt förfogande hade vi material uppdelat i Finlands kommuner, där det fanns många teman att välja mellan. Dessutom hade vi även möjlighet att ladda ner annat material från Sotkanets hemsidor. Jag valde ändå till slut att bara använda det material vi hade klart eftersom det redan erbjöd tillräckligt många alternativ. Utöver själva valet av material fanns även valet av hurdan sorts temakarta man ville göra. Eftersom vi skulle kombinera två variabler var det viktigt att fundera på vilka typer av temakartor man ville använda. Antingen t.ex. kombinera en koropletkarta med stapeldiagram eller punkter, eller bara kombinera två koropletkartor, en med färg och en med raster. Många val med andra ord, vilket inte är det bästa för någon med allvarliga beslutssvårigheter som mig.. Jag visste dock från början att jag ville göra en karta över bara Nyland och bestämde även fort att som botten ha en koropletkarta över befolkningsmängden. Därefter började jag fundera på vad mitt andra tema kunde vara och testade ändlöst många alternativ. Till slut bestämde jag mig för att fortsätta i liknande tema som förra gången, dvs. med språk, men valde denna gång antal svenskspråkiga i området.

På kartan kan man jämföra antalet svenskspråkiga med hela befolkningsmängden. Från kartan kan lätt utläsas att de kommuner där det finns flest svenskspråkiga är Helsingfors, Esbo, Raseborg och Borgå. Dock bör man komma ihåg att Helsingfors, Esbo och Borgå även hör till den högsta klassen vad gäller befolkningsmängden. Detta leder självklart till att andelen svenskspråkiga av hela befolkningen inte blir så stor. Vid första anblicken kan det verka som att t.ex. andelen svenskspråkiga är mycket större exempelvis i Helsingfors än i Grankulla, men skillnaden i befolkningsmängd är stor. Enligt statistikcentralen var andelen svenskspråkiga i Grankulla 35,9% år 2013 medan andelen svenskspråkiga i Helsingfors under samma år bara var 5,9%. Som tidigare nämnt hör Raseborg till kommunerna med flest svenskspråkiga och eftersom befolkningsmängden här inte är lika stor som de andra kommunerna med stort antal svenskspråkiga, innebär detta att även andelen svenskspråkiga i procent är stor. I Raseborgs kommun var i slutet av år 2013 65,4% av befolkningen svenskspråkiga. (Statistikcentralen)

 

kurssitillfälle2
Bild 1. Befolkningsmängd och antal svenskspråkiga i Nyland

 

 

Källor:

Voipio, P. (28.01.2016) PAK16 blogi – Toinen kurssikerta 26.1.16 <https://blogs.helsinki.fi/vopa/> läst 04.02.2016

Statistikcentralen. <http://www.stat.fi/tup/kunnat/kuntatiedot/235.html> 04.02.2016

Statistikcentralen. <http://www.stat.fi/tup/kunnat/kuntatiedot/091.html> 04.02.2016

Statistikcentralen. <http://www.stat.fi/tup/kunnat/kuntatiedot/710.html> 04.02.2016

Kurstillfälle 1

GIS-datainsamling, -analys och kartografi-kursen inleddes med en snabb genomgång av allt som kommer göras under kursen. Dessutom repeterade vi skillnaden mellan geografisk information i vektor- och rasterformat.

När det var gjort gick vi rätt så grundligt igenom programmet Mapinfos basfunktioner. Mapinfo används i huvudsak till att visualisera, analysera, editera och presentera geografisk information. Med uttrycket geografisk information menas all information, oberoende vad för funktion eller fenomen den beskriver, som innehåller en hänvisning till en specifik plats eller geografiskt område. (Lantmäteriverket). Ofta är det besvärligt att lära sig att använda nya program, så vi satte ner ganska mycket tid på att gå igenom olika verktyg och var de hittas samt hur man öppnar olika material och kan behandla dem. För detta hade vi klart olika övningsmaterial vi kunde använda för att leka med de olika lagren och verktygen. När vi så småningom lärt oss detta gjorde vi tillsammans en koropletkarta över andelen svenskspråkiga i Finlands kommuner. Inte helt oväntat visade resultaten att kommunerna med störst andel svenskspråkiga finns i Nyland och Österbotten samt på Åland.

Programmet Mapinfo är fortfarande rätt så obekant och känns därför lite besvärligt att använda. Å ena sidan är Mapinfo ganska annorlunda än programmet CorelDraw som vi lärde oss använda i “Tiedon hankinta, analyysi ja kartografia”-kursen och som vi då använde mycket för att framställa kartor. Men å andra sidan fungerar båda med samma basidé, att man bygger upp olika lager som man kan editera ett i taget. Dessutom finns många basfunktioner i Mapinfo som är bekanta från andra program. Med övning borde man nog lära sig använda programmet mer smidigt.

Efter mycket teori och övning fick vi sätta igång med att göra en egen koropletkarta över valfritt ämne. Jag valde att göra en karta över hur stor andel av befolkningen i Finlands kommuner år 2015 som hade andra språk än finska och svenska som modersmål (se bild 1). Av kartan framgår tydligt att största andelen personer med andra modersmål finns allra längst norrut i landet där givetvis samiskan är vanlig. Dock är även invånarantalet lägre än i övriga delar av landet där vilket gör att mängden procentuellt blir högre. Exempelvis kan man utgående från kartan få reda på att hela 49,4-49,5% av befolkningen i kommunen Utsjoki har annat språk än finska och svenska som modersmål. I kommunen bor dock bara lite över 1000 invånare. Utöver detta finns även kommuner med högre procenter i  Helsingforsregionen, runt Vasa och Åbo i.o.m. att mängden utlänningar där är högre.

Enligt mig lyckades jag rätt så bra med kartan, symbolförklaringen är tydlig och färgskalan likaså. Dock borde jag nog ha ändrat symbolförklaringens språk till svenska och även satt in årtalet för när informationen var insamlad. Valet av färgskala är viktigt med tanke på kartans läsbarhet, om färgkontrasterna är för små är det svårare att gestalta kartan. Jag valde en färgskala som gick från rött till gult eftersom den enligt mig var tydligast och passade bäst till temat. Vad gäller färgskalan finns dock alltid flera olika möjligheter. Ett helt annat val gjorde t.ex. Mitro Müller, som använde en färgskala som gick från grönt till rött. I detta fall var kartan ändå rätt så tydlig, men det kan kanske löna sig att vara försiktig då man använder olika färger för att beskriva samma faktor. Problemet kan annars bli att karttolkaren inte genast uppfattar vilken färg som använts för att beskriva högre tal och vilken för att beskriva lägre tal. Men självklart fanns symbolförklaringen till karttolkarens hjälp.

muunkielisten osuus
Bild 1. Andel personer med andra språk än finska och svenska som modersmål år 2015 (%)

 

Källor

Lantmäteriverket. Helsingfors. 30.01.2016 <http://www.maanmittauslaitos.fi/kartat/kartoitus/paikkatiedot>

Müller, M. (2016) Ensimmäinen kurssikerta ja ensikosketus paikkatieto-ohjelmistoon. <https://blogs.helsinki.fi/mcmitro/> Läst 30.01.2016