Seitsemäs kurssikerta: Viimeinen kurssikerta

Viime viikon kurssikerta oli seitsemäs ja samalla viimeinen. Viimeisellä kurssikerralla tarkoituksena oli tuottaa kartta itse kerätystä aineistosta, ja siksi kurssikerralle tullessa piti olla aineisto valmiiksi kerättynä mukana. Saimme itse valita aiheen ja aineiston. Etsin sopivaa aineistoa todella pitkään mutta lopulta päädyin valitsemaan valmiin kartan kurssikertojen aineistoista, ja hain netistä erilaisia Afrikkaa koskevia tilastotietoja. Hain paljon aineistoa muun muassa Afrikkalaisten koulutuksesta, terveydestä ja terveydenhuollosta.

Koska menin osaksi sieltä mistä aita on matalin ja valitsin kurssiaineistoista valmiin Afrikan karttapohjan, tein kaksi erilaista kahden muuttujan teemakarttaa. Pitkän mietinnän jälkeen päädyin tekemään ensimmäisen kartan Afrikan väestönkasvusta ja naisten hedelmällisyysluvuista, ja toisen kartan imeväisyyskuolleisuudesta ja naisten koulutusasteista (kuva 1 ja 2). Halusin valita itseäni kiinnostavat aiheet, jotka jollain tapaa liittyisivät toisiinsa.

Aloitin karttojen teon siis hakemalla aineistoa. Aineistoa oli loppujen lopuksi melko helposti saatavilla. Löysin lopulta paljon aineistoa UNPD:n eli United Nations Population Division sivuilta. Aineistoja piti muokata Excelissä MapInfoon sopiviksi ja sen jälkeen luoda uusi tietokanta Mapinfossa ja yhdistää siihen kaikki keräämäni tiedot sarakkeiksi. Tämän jälkeen tein taas kurssilta tuttuun tapaan valikoiduista aiheista kaksi teemakarttaa. Olen tyytyväinen valmiisiin karttoihin ja yllätyin kuinka helposti ja vaivattomasti kartat valmistuivat. Tietokantojen tekeminen ja yhdistäminen sekä teemakarttojen tekeminen sujui helposti ulkomuistista. Positiivista, että kurssin loppupuolella huomaa oppineensa oikeastikin jotakin MapInfon käytöstä! Kuitenkin taitoni rajoittuvat melko yksinkertaisten tietokantojen ja karttojen tekemiseen.

Tein ensimmäisen teemakartan naisten koulutusasteista ja lasten imeväiskuolleisuudesta (kuva 1). Koropleettikartassa on mahdollista käyttää vain suhdelukuja, joten laitoin koropleettikarttaan taustalle muuttujaksi naisten koulutusasteen. Päälle lisäsin ympyräsymbolit kuvaamaan imeväiskuolleisuutta. Imeväiskuolleisuudella tarkoitetaan alle 1-vuotiaiden kuolleisuutta tuhatta elävänä syntynyttä lasta kohden (SVT, 2010).  Jaoin naisten koulutusaineiston viiteen luokkaan, jotta saisin maiden väliset koulutuserot näkyville. Maiden koulutusaste vaihtelee aineistossa 12-92,2 % välillä (UNECA, 2012). Erot ovat huimia, mutta se tekee alueellisesta vertailusta helpompaa. Valmiista kartasta on helposti nähtävissä naisten koulutuksen ja imeväiskuolleisuuden välinen yhteys (kuva 1). Muuttujat korreloivat keskenään negatiivisesti eli toisen kasvaessa toinen vähenee. Koulutustason noustessa, imeväiskuolleisuus vähenee.

Kuva 1. Teemakartta Naisten koulutuasteista ja imeväisyyskuolleisuudesta (UNECA 2012 ja UNPD

Kuva 1. Teemakartta Naisten koulutuasteista ja imeväisyyskuolleisuudesta (tiedot UNECA 2012 ja UNPD 2012).

Korkeimman naisten koulutustason maissa Pohjois- ja Etelä- Afrikassa imeväisyyskuolleisuus on melko alhainen. Koulutustaso on Pohjois-ja Etelä- Afrikassa korkeampi kuin muualla Afrikassa, sillä nämä valtiot ovat kehittyneempiä. Toisin taas kaikista alhaisimman koulutusasteen maissa esimerkiksi Saharan eteläpuolisessa Afrikassa imeväisyyskuolleisus on suuri. Etenkin Saharan eteläpuolella koulutusaste on alhainen, sillä nämä alueet ovat hyvin köyhiä, konfliktien runtelemia ja luonnonoloiltaan karuja. Etenkin konfliktit, sodat ja luonnononnettomuudet rajoittavat lasten ja nuorten kouluun pääsyä (Ulkoasianministeriö, 2014). Vanhemmilla ei ole välttämättä varaa lähettää kaikkia lapsia kouluun tai vanhemmat eivät ymmärrä tyttären koulutuksen arvoa ja siksi useimmiten kotiin jäävät lapset ovat tyttöjä (Ulkoasianministeriö, 2014).

Naisten koulutus vaikuttaa siis selke√§sti imev√§iskuolleisuuteen. Tiina Lankinen kirjoittaa Aikalaisen nettijulkaisussa Sosiaalipolitiikan tutkijan Mikko Perki√∂n mietteit√§ naisten koulutuksesta (Tasa-arvo pelastaa henki√§, 2011). Perki√∂n mukaan mit√§ paremmin naisilla menee, sit√§ paremmin lapsilla menee. Perki√∂ kertoo my√∂s naisten koulutuksen vaikuttavan suuresti imev√§iskuolleisuuteen (Tasa-arvo… 2011). Koulussa tyt√∂t oppivat oikeanlaisesta ruokavaliosta, terveydenhoidosta, perhesuunnittelusta ja hygieniasta. Koulutetut naiset osaavat siis pit√§√§ parempaa huolta itsest√§√§n ja lapsistaan sek√§ ovat tietoisempia lapsia uhkaavista sairauksista (Ulkoasiainministeri√∂, 2014). Koulutetut naiset my√∂skin jakavat tietojaan eteenp√§in ja n√§in lis√§√§v√§t tietoisuutta yhteis√∂ss√§. Koulutuksen my√∂t√§ my√∂s naisten toimeentulo ja ty√∂nsaantimahdollisuudet kasvavat jolloin nainen pystyy pit√§m√§√§n parempaa huolta perheest√§√§n ja toimimaan lastensa hyv√§ksi. Naisten koulutus siis v√§hent√§√§ k√∂yhyytt√§ ja on merkitt√§v√§ tekij√§ imev√§iskuolleisuuden v√§hent√§misess√§.

Kuva 2. Teemakartta Afrikan hedelmällisyysluvuista ja väestönkasvusta valtioittain (tiedot UNPD 2012).

Toisen karttani tein Afrikan valtioiden väestönkasvun keskiarvoista vertailukaudelta 2005-2010 sekä naisten hedelmällisyysluvuista (kuva 2). Hedelmällisyysluvulla tarkoitetaan sitä montako lasta keskimäärin nainen saa hedelmällisen ikänsä aikana (Tilastokeskus, 2014). Tein taustalle koropleettikartan väestönkasvusta prosentteina ja jaoin aineiston itse neljään luokkaan niin, että erot korostuisivat mahdollisimman hyvin. Päälle lisäsin pylvässymbolit kuvaamaan hedelmällisyyslukua.

Afrikassa naisten hedelmällisyysluku on yleisesti vielä korkea. Lukiosta muistuu mieleen muutamia syitä Afrikan korkeaan hedelmällisyyslukuun. Yleinen köyhyys, ehkäisyn puute, sekä kulttuuriset tekijät ovat suurimpia hedelmällisyyslukuun vaikuttavia asioita. Ehkäisyä ei ole kaikkialla saatavilla, eikä siitä ole kaikkialla edes tietoa. Lapsia tehdään paljon, sillä lapsikuolleisuus on suurta ja lapsia tarvitaan kotona auttamassa kotitöissä sekä toimeentulossa. Lapset saattavat myös toimia tulevaisuudessa vanhuuden turvana, sillä köyhissä maissa ei ole sosiaaliturvaa tai se on olematon. Kartassa on nähtävissä hedelmällisyysluvun ja väestönkasvun yhteys (kuva 2). Valtioissa, joissa hedelmällisyysluku on suuri on myös väestönkasvu melko suurta (kuva 2). Toisin sanoen kehittyneemmissä valtioissa kuten Etelä-Afrikassa väestönkasvu on pientä ja hedelmällisyysluku on pieni. Afrikan väestönkasvu on yleisesti nopeaa ja suurta, sillä syntyvyys on edelleen suurta vaikka kuolleisuus onkin laskenut hitaasti.

Toni Ruikkalaa lainatakseni olen kokonaisuudessaan tyytyväinen tähän kurssiin, mutta MapInfo taitaa riittää tältä erää (Ruikkalan PAK-blogi 2015). Kurssi on ollut vaihtelevasti haastava ja olen oppinut (ja unohtanut) paljon uusia asioita. Nyt ainakin on MapInfon peruskäsitteet hallussa!

Lähteet:

Lankinen, T. (2011). Tasa-arvo pelastaa henkiä. Aikalainen, Tampereen yliopisto <http://aikalainen.uta.fi/2011/11/11/tasa-arvo-pelastaa-henkia/> 3.3.2015

Ruikkala, T. (2015). Kurssikerta 7 РEuroopan väestöä ja Japanin onnettomuuksia. Ruikkalan PAK-blogi 2015 <https://blogs.helsinki.fi/ruikkala/> 3.3.2015

SVT = Suomen virallinen tilasto (2010). Kuolemansyytilasto. Tilastokeskus, Helsinki <http://www.stat.fi/til/ksyyt/2010/ksyyt_2010_2011-12-16_kat_007_fi.html> 3.3.2015

Tilastokeskus (2014). Yleinen hedelmällisyysluku <http://www.stat.fi/meta/kas/hedelmallisyys.html> 3.3.2015

UNECA statistics (2012).

Ulkoasiainministeriö, kehitysviestintä (2014). Yhä useampi lapsi kouluun kehitysmaissa <http://www.global.finland.fi/public/default.aspx?nodeid=15804> 3.3.2015

United Nations Population Division (2012). World Population Prospects: The 2012 Revision, Population data <http://esa.un.org/unpd/wpp/Excel-Data/population.htm> 3.3.2015

United Nations Population Division (2012). World Population Prospects: The 2012 Revision, Fertility data <http://esa.un.org/unpd/wpp/Excel-Data/fertility.htm> 3.3.2015

United Nations Population Division (2012). World Population Prospects: The 2012 Revision, Mortality data <http://esa.un.org/unpd/wpp/Excel-Data/mortality.htm> 3.3.2015

Kuudes kurssikerta: Pisteaineistoa ja hasardeja

Kuudennen kurssikerran aloitimme ulkoilulla. Lähdimme pienryhmissä ulos keräämään GPS-laitteilla pisteitä ryhmän valitseman teeman mukaisesti. Niinkuin Sanna Kujala jo blogissaan mainitsi, ryhmämme keräys kohteena olivat kampuksen läheisyydessä olevat pysäköinti kielletty-liikennemerkit. Pisteet kerättyämme harjoittelimme pisteiden lisäämistä kartalle MapInfossa. Tämän jälkeen harjoittelimme pisteaineiston geokoodausta sekä sen esittämistä kartalla kartoittamalla Helsingin pelikoneita.

Tämän kurssikerran varsinainen itsenäistehtävä oli tehdä kolme karttaa hasardeista ja niiden alueellisesta esiintymisestä. Teimme kartoista sellaisia, joita voisi opettajana käyttää tuntiopetuksessa. Karttoja varten piti hakea netistä aineistoa ja tuoda ne MapInfoon. Aineistot eivät sellaisenaan soveltuneet MapInfoon vaan niitä piti ensin hieman muokata Excelissä. Itse tein karttani maanjäristyksistä ja tulivuoren purkauksista. Julia Koskinen blogissaan kertoo keskittyneensä näihin kahteen hasardiin koska molempien taustalla on laattatektoniikka ja siksi sopivat hyvin yhteen. Itselläni oli aiheen valinnan taustalla melko samanlaiset ajatukset kuin Julialla.

Ensimmäisen kartan tein vuoden 1960 jälkeisistä yli 6 magnitudin maanjäristyksistä ja vuoden 1964 jälkeen purkautuneista tulivuorista (kuva 1). Kartasta on nähtävissä tulivuorten ja maanjäristysten sijainti litosfäärilaattojen saumakohdissa. Litosfäärilaattojen saumakohdista löytyy kartta esimerkiksi Julia Koskisen blogista. Karttaa tehdessäni yllätyin siitä, kuinka paljon yli 6 magnitudin maanjäristyksiä on sattunut jo pelkästään viime vuosikymmeninä.

Kuva 1. Maailmalla vuoden 1960 jälkeiset yli 6 magnitudin maanjäristykset ja vuoden 164 jälkeen purkautuneet tulivuoret (tiedot NCEDC ja NOAA)

Kuva 1. Maailmalla vuoden 1960 jälkeiset yli 6 magnitudin maanjäristykset ja vuoden 164 jälkeen purkautuneet tulivuoret (tiedot NCEDC, 2013 ja NOAA)

Toisen karttani tein maapallolla viimeisen viiden vuoden aikana sattuneista voimakkaista maanjäristyksistä (6-8 magnitudia). Kartasta on helppo hahmottaa kuinka paljon melko voimakkaita maanjäristyksiä sattuu lyhyelläkin aikavälillä (kuva 2). Kartasta on nähtävissä, että suuria maanjäristyksiä tapahtuu eniten Amerikan mantereiden Länsi-rannikoilla, sekä Tyynellämerellä. Halusin tehdä kartan muutamalta viime vuodelta vertailukohdaksi ensimmäiselle kartalle (kuva 1).

Kuva 2. Maapallolla viimeisen viiden vuoden aikana tapahtuneet 6-8 magnitudin maanjäristykset (tiedot NCEDC).

Kuva 2. Maapallolla viimeisen viiden vuoden aikana tapahtuneet 6-8 magnitudin maanjäristykset (tiedot NCEDC, 2013).

Viimeisen kartan tein 1900-luvulta alkaen sattuneista yli 8 magnitudin maanjäristyksistä (kuva 3). Kartasta huomaa heti, kuinka vähän viimeisen yli sadan vuoden aikana on sattunut niin voimakkaita maanjäristyksiä. Tein kolme karttaa eri kokoisista maanjäristyksistä ja eri aikaväleiltä sillä halusin tarkastella kuinka paljon minkäkin kokoisia maanjäristyksiä sattuu.

Opetustoimintaan käytettäessä näitä karttoja tulisi vielä hioa, mutta nytkin niistä saa jo käsityksen tulivuorten ja maanjäristysten sijainnista maapallolla. Opetuksessa voisi myös havainnoillistaa kuinka paljon maanjäristyksiä on sattunut viimeisen viiden vuoden aikana, mutta toisaalta kuinka vähän hyvin voimakkaita maanjäristyksiä on sattunut viimeisen sadan vuoden aikana. 6 magnitudin maanjäristykset ovat vielä suhteellisen voimakkaita ja yleisiä, mutta yli 8 magnitudin maanjäristykset jo hyvin harvinaisia. Opetukseen tulisi lisätä vielä kuvia tai karttoja litosfäärilaattojen sijainnista!

Kuva 3. Vuoden 1900 jälkeiset yli 8 magnitudin maanjäristykset (tiedot NCEDC).

Kuva 3. Vuoden 1900 jälkeiset yli 8 magnitudin maanjäristykset (tiedot NCEDC, 2013).

Kurssikerta oli mielestäni kiva ja ulkoilu toi vaihtelua tietokoneen ääressä istumiseen! Karttojen tekeminen oli nopeaa ja helppoa, joskin aiheen valinta ja rajaus hieman vaikeaa. Olen tyytyväinen valmiisiin karttoihini, mutta hieman jäi harmittamaan etten tajunnut vaihtaa kartan värejä kuten esimerkiksi Suvi Heittola on tehnyt.

Lähteet:

Heittola, S. (2015). Kurssikerta 6 (17.2.2015). PAK 2015 <https://blogs.helsinki.fi/heittola/2015/02/17/kurssikerta-6-17-2-2015/> 25.2.2015

Koskinen, J. (2015). Kuudes kurssikerta. Julian blogi <https://blogs.helsinki.fi/juliakos/> 25.2.2015

Kujala, S. (2015). Kurssikerta 6: kieltokylttejä, tulivuoria ja maanjäristyksiä. Sannan PAK-blogi <https://blogs.helsinki.fi/kusaku/> 25.2.2015

National Geophysical Data Center. Volcano location database search <http://www.ngdc.noaa.gov/nndc/struts/form?t=102557&s=5&d=5> 17.2.2015

North California Earthquake Data Center (2013). University of California <http://quake.geo.berkeley.edu/anss/catalog-search.html> 17.2.2015

Viides kurssikerta: Bufferointia

Viides kurssikerta oli kokonaisuudessaan tuskainen ja edellisiä huomattavasti haastavampi. Tällä kurssikerralla syvennyimme MapInfon piirtotyökalujen käyttöön, sekä harjoittelimme bufferointia. Bufferointi eli puskurointi on hyödyllinen tapa käsitellä paikkatietoaineistoa. Bufferointia voidaan käyttää esimerkiksi kun halutaan tarkastella kuinka monta henkilöä asuu tietyllä säteellä lentokentistä, ostoskeskuksista tai vaikkapa tulivuoresta.

Kurssikerralla työskenneltiin pääosin itsenäisesti, mutta kuitenkin aloitimme puskuroinnin harjoittelulla yhteisesti. Harjoittelimme viime kurssikerralla tehdyllä Pornaisten kartalla. Yhteisesti tehty harjoitus tuntui vaivattomalta ja MapInfon bufferointityökalu helppokäyttöiseltä, mutta itsenäistehtäviin siirryttäessä kaikki muuttui paljon vaikeammaksi. Saan harmaita hiuksia jo pelkästään viidennen kurssikerran muistelusta, mutta yritän kertoa tarkemmin tehdyistä harjoituksista.

Saimme tehtäväksi kolme itsenäistehtävää. Tällä kertaa emme tuottaneet karttaa, vaan keskityimme laskemiseen ja MapInfon piirtotyökalujen käyttöön. Ensimmäisessä tehtävässä tarkastelimme bufferoimalla Malmin ja Helsinki-Vantaan lentokenttien läheisyydessä ja melualueilla asuvien ihmisten määrää. Tätä varten piti piirtää MapInfossa lentokenttien kiitoradat ja se olikin ainut helppo vaihe. Tarkastelimme myös juna-asemien läheisyydessä asuvien ihmisten osuuksia. Toisessa tehtävässä laskimme taajamissa asuvien ihmisten määrää, taajamien ulkopuolella asuvien koululaisten määrää sekä taajamien ulkomaalaisten osuutta. Toista tehtävää varten piti päivittää taajamatietokanta ja se oli hieman haastavaa. Kolmannen tehtävän tein kouluista ja koulupiireistä. Tehtävä oli kaikista haastavin ja tarvitsin runsaasti apua että sain tehtävät jotenkin tehtyä. Tehtävien vastaukset ovat taulukossa alla (taulukko 1).

Taulukko 1. Itsenäistehtävien vastaukset

Tehtävät olivat mielestäni aikaa vieviä ja itse jouduin tekemään samat tehtävät melkein kahteen kertaan. Haasteen aiheutti jo pelkästään se, että MapInfo toimii niin hitaasti ja saa hermot kiristymään. Apua sai kuitenkin pyytämällä ja avuksi oli myös luuranko-ohje, jossa oli tarkemmat ohjeet tehtävien suorittamiseen. Onneksi edes piirtotyökalun käyttö on helppoa eikä tuota enää suuria vaikeuksia.

MapInfon käytön opettelu on ollut itselleni melko haastavaa sillä olemme kurssilla opetelleet asiat niin nopeasti. Olen kuitenkin oppinut kuinka hyödyllinen ja monikäyttöinen ohjelma MapInfo on ja kuinka helppoa sillä on tehdä monipuolisia teemakarttoja! Olen siis aivan samaa mieltä kuin Outi Seppälä, sillä hän kertoo blogissaan pitävänsä yhtenä tärkeimpänä MapInfon työkaluna teemakarttojen luomista. Olemme kurssikerroilla harjoitelleet niin paljon teemakarttojen tekemistä, että se on jopa hauskaa. Karttojen tekemisen ohessa on tullut tutuksi kaikki perusasiat kuten pohjoisnuolen tai mittakaavan lisääminen ja muokkaaminen.

Kaikki aineistot eivät sellaisenaan sovi MapInfoon, mutta onneksi tietokantoja ja aineistoja on helppo muokata sopiviksi. Olen myös huomannut että tietokantojen sarakkeiden muokkaaminen ja päivittäminen on melko mutkatonta ja nopeaa, eikä yhtään niin vaikeaa mitä aluksi ajatteli. Itse kaipaisin vielä lisäharjoitusta monenkin työkalun käytössä, sillä tuntuu että kaikki hyödyllinen tieto MapInfosta on päässyt unohtumaan. Erityisen vaikeaa on se, että kaikki on englanniksi ja monet lausekkeet tai termit tuntuvat vaikeasti muistettavilta.

Lähteet:

Seppälä, O. (2015). Aivot solmussa. Outin Pak-blogi <https://blogs.helsinki.fi/outisepp/> 21.2.2015

Neljäs kurssikerta: Rasterikarttoja

Neljännellä kurssikerralla harjoittelimme muun muassa ruutukarttojen tekemistä sekä karttakuvan rekisteröintiä MapInfossa. Aloitimme tunnin tekemällä yhteisesti ruutuaineistoisia karttoja pääkaupunkiseudulta. Harjoittelimme luomaan MapInfon tietokantaan ruudukon ja keräsimme tarvittavat datat yhteen tietokantaan, jonka avulla teimme harjoituskartan pääkaupunkiseudun väestöstä.

Yhteisen harjoittelun jälkeen saimme ryhtyä tekemään itsenäisesti ruututeemakarttaa omavalintaisesta aiheesta. Tein oman karttani muunkielisten määrästä pääkaupunkiseudulla. Muunkielisillä tarkoitetaan mielestäni muita kieliä kuin suomea tai ruotsia äidinkielenään puhuvia. Valitsin kartalleni ruutukooksi 400x400m, sillä halusin kokeilla hieman pienempää ruutukokoa kuin 500x500m, jota käytimme yhteisesti harjoituskartassa. Valitsin luokkamääräksi viisi ja muokkasin itse luokkarajoja sopiviksi. Aineisto oli vinosti jakautunutta, joten päätin tehdä luokista sellaiset että ne korostaisivat jakaumaa. Kokeilin myös kvantiileja, mutta tämä luokittelu ei sopinut sillä luokkaväleistä olisi tullut aivan liian erikokoiset. Valitsin luokkien värityksiksi violetin eri sävyjä. Valkoiset alueet ovat alueita joilla ei aineiston mukaan asu muunkielisiä. Tälläisia alueita on esimerkiksi pääkaupunkiseudun pohjoisosissa. Kartasta olisi voinut tulla lukijalle vielä informatiivisempi jos olisin lisännyt karttaan nimistön, mutta jostain tuntemattomasta syystä jätin sen lisäämättä. Toisaalta nimistö olisi saattanut myös sekavoittaa kartan yleisilmettä.

Suvi Lämsä teki kurssikerran karttansa samasta aiheesta kuin minä, mutta käytti muunmuassa eri luokittelutapaa sekä ruutukokona 1x1km ruutuja (Suvin Pakki blogi, 2015). Kartoistamme tuli hyvin eri näköiset, ja onkin hassua miten ruutukoko vaikuttaa niin paljon kartan ulkonäköön! Olen kuitenkin tyytyväinen valmiiseen karttaan ja varsinkin siihen, että kartan tekeminen oli helppoa (kuva 1)!

Kuva 1. Muunkielisten määrä pääkaupunkiseudulla 400x400m ruutukoolla (tiedot MapInfo).

Kuva 1. Muunkielisten määrä pääkaupunkiseudulla 400x400m ruutukoolla (tiedot MapInfo, 2015).

Toisin kuin koropleettikartat, ruututeemakartat soveltuvat absoluuttisten arvojen esittämiseen. Kuitenkaan mielestäni absoluuttiset arvot eivät ole parhain mahdollinen vaihtoehto informatiiviselta kannalta. Kartaltani on nähtävissä että pääkaupunkiseudulla määrällisesti eniten muunkielisiä on Helsingissä ja Helsingin sisällä yleistetysti eniten muunkielisiä on Itä-Helsingissä. Tähän yhtenä osasyynä voi olla esimerkiksi Hanna Kaistisenkin blogissaan mainitsema kyseisten alueiden tiheä asutus. Kartalla käytetyt absoluuttiset arvot eivät kuitenkaan kerro mitään suhteellisesta osuudesta. Esimerkiksi jos haluttaisiin kartalta tarkastella missä päin pääkaupunkiseutua on paljon muunkielisiä suhteessa muuhun väestöön, tarvittaisiin avuksi suhdelukuja.

Kurssikerran loppupuolella rekisteröimme karttalehden MapInfoon sekä aloimme harjoittelemaan MapInfolla piirtämistä, jota sitten jatkamme ensi viikolla. Kokonaisuudessaan kurssikerta oli mukavan helppo joten kauhulla odotan ensi viikkoa!

Lähteet:

Kaistinen, H. (2015). 4. kurssikerta – 5.2.2015. Hannan PAK-kurssiblogi <https://blogs.helsinki.fi/hankaist/> 13.2.2015

Lämsä, S. (2015). Kurssikerta 4. Ruututeemakartta. Suvin Pakki blogi <https://blogs.helsinki.fi/suvilams/> 8.2.2015

Kolmas kurssikerta: Tietokantoja

Kolmannella kurssikerralla opettelimme yhdistämään tietokantoja sekä tuottamaan uutta tietoa vanhan tiedon avulla. Kurssikerta vaati aiempia kertoja enemmän keskittymistä, sillä kävimme paljon uutta asiaa nopeasti läpi. Harjoittelimme yhteisesti Afrikan pohjakartan ja Afrikka aiheisten aineistojen avulla tietokantojen yhdistämistä sekä muokkaamista tehokkaaseen käyttöön. Valmistellun tietokannan avulla teimme MapInfossa kartan Afrikan öljykenttien, timanttikaivosten sekä konfliktien sijainnista. Afrikka aiheinen kartta oli harjoitus eikä siihen esimerkiksi liitetty legendaa. Kyseisestä kartasta onkin hieman haastava nähdä näiden muuttujien välisiä yhteksiä ja siksi lisäsin blogiini mieluummin kurssin tiedoitusblogissa Arttu Paarlahden julkaiseman kartan, jossa on neljäntenä muuttujana konfliktien laajuus (kuva 1).

Afrikka

Kuva 1. Kartta Afrikan timanttikaivoksista, öljylähteistä sekä konflikteista. Alkuperäinen kartta PAK-tiedotusblogista (Paarlahti, 2015).

Saimme tehtäväksi pohtia mitä kurssikerralla käytettyjen tietokantojen avulla voisi tehdä tai päätellä kun tietokantoihin on tallennettu tietoa seuraavista muuttujista:

  • Konfliktin tapahtumavuosi
  • Konfliktin laajuus/s√§de kilometrein√§
  • Timanttikaivosten l√∂yt√§misvuosi
  • Timanttikaivoksen kaivausten aloitusvuosi
  • Timanttikaivosten tuottavuusluokittelu
  • √Ėljykenttien l√∂yt√§misvuosi
  • √Ėljykenttien poraamisvuosi
  • √Ėljykenttien tuottavuusluokittelu
  • Internetk√§ytt√§jien lukum√§√§r√§ eri vuosina

Timanttikaivosten ja öljykenttien löytämisajankohtia voitaisiin etsiä yhteyksiä konfliktien tapahtumavuosiin. Löydetyillä luonnonvaroilla on voitu maksaa sotavarustelua tai rahoittaa muilla tavoin konflikteja. Timanttikaivosten ja öljykenttien löytäminen voi itsessään myöskin aiheuttaa konflikteja. Konflikteja saattavat aiheuttaa esimerkiksi maanomistusongelmat ja luonnonvaroista saatujen tulojen epätasaisen jakautuminen. Toisin sanoen, ainakin voitaisiin siis tarkastella onko timanttikaivosten ja öljykenttien löytämisvuosien sekä konfliktien tapahtumavuosien välillä yhteyksiä.

Tietokannan tietoja voitaisiin hyödyntää myös tarkastelemalla kuinka pitkä aika on kulunut tietyn timantti-tai öljyesiintymän löytämisestä siihen kun löytöä on alettu hyödyntämään. Olisi mahdollista esimerkiksi tarkastella onko esiintymän tuottavuusluokittelu vaikuttanut siihen kuinka nopeasti esiintymää on alettu hyödyntämään?

Olisi mielenkiintoista tutkia vaikuttavatko konfliktit esimerkiksi internetkäyttäjien lukumäärään. Suuret, laajat konfliktit aiheuttavat sekasortoa ja saattavat huonontaa mahdollisuuksia käyttää internettiä. Kuten Riina Koskela blogissaan pohtii, olisi mielenkiintoista tarkastella myös miten internetkäyttäjien määrä korreloi timanttikaivoksien ja öljykenttien kanssa. Itse en usko että timanttikaivokset ja öljykenttälöydöt nostattaisivat paljoa internetkäyttäjien lukumäärää, sillä luonnonvaroista saatavat tulot jakautuvat hyvin epätasaisesti ja vain harvoin kansalaisille.

Harjoituksen jälkeen siirryimme tekemään itsenäisesti karttaa Suomen valuma-alueiden tulvaherkkyydestä ja järvisyydestä. Tarkoituksena oli tehdä kahden päällekkäisen teeman teemakartta, jonka avulla voidaan tarkastella vesistöalueiden valuma-alueominaisuuksia ja tulvaherkkyyttä.  Aluksi olin kauhuissani, sillä jo yhdessä tehty harjoitus ja siihen liittyvä tietotulva tuntuivat haastavilta. Kuitenkin itsenäinen työskentely osottautui yllättävän helpoksi ja kivuttomaksi. Siitä voin kiittää hyviä ohjeita ja ihanaa Sanna Kujalaa!

Aloitin kartan teon yhdistämällä MapInfossa tarvittavat aineistot yhdeksi tietokannaksi. Tämän jälkeen piti tietokannasta saatavien alivirtaaman ja ylivirtaaman perusteella laskea valuma-alueiden tulvaindeksit. Tämän jälkeen tehtiin kartan pohjaksi koropleettikartta valuma-alueiden tulvaindekseistä. Luokittelun avuksi saimme käyttää valmiiksi tehtyä aineiston jakaumaa kuvaavaa histogrammia, joka osoitti että aineisto on vinosti jakautunut. Aineiston havaintoarvot jakautuvat 0-1100 välille, mutta vain pari havaintoa on ylittää 400 rajan. Suurimmat havaintomäärät ovat 0-150 välillä. Näiden seikkojen takia päätin jakaa aineiston viiteen luokkaan ja määrittää luokkarajat itse. Valitsin luokkarajat niin, että korkeimman arvon luokassa on vain pari havaintoa, ja havaintomäärä kasvaa kohti pienintä luokkaa. Tällä tavoin sain korostettua kartalla histogrammin osoittavia poikkeuksia.

Tulvaindeksikartan päälle lisättiin pylväsdiagrammit kuvaamaan valuma-alueiden järvisyysprosentteja. Järvisyysprosentilla tarkoitetaan valuma-alueilla sijaitsevien järvien pinta-alan suhdetta valuma-alueen pinta-alaan (Tulvasanastoa, 2014). Kuten Toni Ruikkala kirjoittaa blogissaan vaihtoehtona oli myös tehdä vaikeampi versio ja laskea alueiden järvisyysprosentit itse. Kuitenkin päätin tehdä oman karttani jo valmiina olevan aineiston pohjalta. Viimeisenä muokkasin kartan värit selkeiksi ja toisistaan erottuviksi. Valmiista kartasta tuli melko selkeä ja olen tyytyväinen lopputulokseen (kuva 2).

Kuva 2. Teemakartta Suomen valuma-alueiden tulvaherkkyydestä ja järvisyysdestä (tiedot Maanmittauslaitos 2011, ja Syke).

Kuva 2. Teemakartta Suomen valuma-alueiden tulvaindekseistä ja järvisyysprosenteista (tiedot Maanmittauslaitos 2011, ja Syke).

Kartasta on nähtävissä, että suurin tulvaherkkyys on Länsi- ja Etelä-Suomen rannikoilla sijaitsevilla valuma-alueilla. Näiden tulvaherkimpien alueiden järvisyysprosentti on melko pieni. Keski- ja Pohjois-Suomessa taas tulvaherkkyys on hyvin pieni ja järvisyysprosentti paikoitellen suuri. Rannikoilla tulvaherkkyys on suurta sillä rannikoille laskee paljon jokia. Pohjanmaa on alavaa ja hyvin tasaista tulvaherkkää seutua, jossa myöskin järvien vähäinen määrä vaikuttaa tulvien syntyyn. Järvet säännöstelevät vedenkiertoa ja toimivat vesivarastoina.

Kokonaisuudessaan kolmas kurssikerta oli opettavainen ja opin paljon uutta asiaa. Itsenäinenkin kartta valmistui melko helposti ja nopeasti!

Lähteet:

Joet ja järvet (2011). Maanmittauslaitos <http://www.maanmittauslaitos.fi/avoindata> 4.2.2015

Koskela, R. (2015). Kurssikerta 3: Harvinaisia onnistumisia. Riina & 38 päivää paikkatietoa <https://blogs.helsinki.fi/riinakos/> 4.2.2015

Oiva-tietokanta. Syke <https://wwwp2.ymparisto.fi/scripts/oiva.asp> 4.2.2015

Paarlahti, A. (2015). Afrikkaa ja konflikteja. <https://blogs.helsinki.fi/pak-2015/> 4.2.2015.

Ruikkala, T. (2015). Kurssikerta 3: Timantteja, öljyä ja tulvia. Ruikkalan PAK-blogi 2015 <https://blogs.helsinki.fi/ruikkala/> 4.2.2015

Tulvasanastoa (2014). Suomen ympäristökeskus SYKE <http://www.ymparisto.fi/fi-FI/Vesi/Tulviin_varautuminen/Tulvasanasto> 4.2.2015

Toinen kurssikerta: Päällekkäiset teemakartat

Toisella kurssikerralla syvennyimme lisää teemakarttojen tekemiseen MapInfolla. Opettelimme käyttämään kahta päällekkäistä teemaa kartoissa. Kävimme yhdessä kurssikerralla läpi miten MapInfossa voi muodostaa esimerkiksi pylväs- ja diagrammikarttoja, piste- ja symbolikarttoja, 3D-karttoja, sekä päällekkäisiä koropleettikarttoja. Päällekkäisiä teemoja on mahdollista käyttää kartoissa esimerkiksi luomalla ensin valitusta aineistosta pohjalle koropleettikartan ja sen päälle toisesta aineistosta diagrammikartan. Päällekkäisten aineistojen olisi hyvä liittyä jollain tapaa toisiinsa, sillä kahden päällekkäisen teeman kartoista voi helposti tutkia kahden eri ilmiön yhteyksiä. Kurssikerralla harjoittelimme myös aineiston tuomista MapInfoon tilasto- ja indikaattoripankista SOTKAnetistä. Kuten Hanna Kaistinen blogissaan kirjoittaa, SOTKAnetistä tietoja piti muokata Excelissä MapInfoon sopiviksi.

Toisen kurssikerran blogitehtävänä oli tehdä kahden päällekkäisen teeman kartta. Pitkän mietinnän jälkeen päädyin tekemään teemakarttani kuntien eläkeläisten prosentuaalisesta osuudesta, sekä kuntien kuolleiden ja syntyneiden määristä. Aluerajaukseksi valitsin Pirkanmaan maakunnan, sillä olen kotoisin Sastamalasta Pirkanmaalta. Pirkanmaa sijaitsee Länsi-Suomessa ja siihen kuuluu 22 kuntaa (Tervetuloa pirkanmaalle!, 2015). Oletuksenani oli, että suuri eläkeläisten suhteellinen osuus vaikuttaa kuolleiden määrää lisäävästi sekä syntyneiden määrää laskevasti.

Aloitin teemakarttani tekemällä ensin koropleettikartan eläkeellä olevien prosentuaalisista osuuksista. Valitsin kartalle oranssinsävyisen värityksen ja jaoin aineiston kvintiiliin eli viiteen tasamääräiseen luokkaan, jolloin kuntien väliset erot eläkeläisten osuuksissa tulivat hyvin esille. Koropleettikartan päälle tein pylväsdiagrammikartan kuolleiden ja syntyneiden määristä. Punaiset pylväät kuvaavat kuolleiden määrää, ja siniset pylväät syntyneiden määrää (kuva 1). Kartassa on nähtävissä, että korkean eläkeläisprosentin kunnissa kuolleiden määrä on suurempi kuin syntyneiden määrä ja että matalan eläkeläisprosentin kunnissa syntyneiden määrä on suurempi kuin kuolleiden määrä (kuva 1). Tämä ei ole mielestäni kauhean yllättävää.

Kuva 1. Teemakartta Pirkanmaan kuntien eläkeläisten osuuksista sekä syntyneiden ja kuolleiden määristä.

Kuva 1. Teemakartta Pirkanmaan kuntien eläkeläisten osuuksista sekä syntyneiden ja kuolleiden määristä.

Pirkanmaalla kuntien välillä eläkeikäisten prosentuaalinen osuus vaihtelee 17,4-  36,3%:n välillä (MapInfo). Pirkanmaalla suhteellisesti eniten eläkeläisiä on väkiluvultaan pienimmissä, maaseutumaisissa kunnissa. Nämä kunnat sijaitsevat Pirkanmaan reunoilla, etenkin Pohjois-Pirkanmaalla sijaitsevissa kunnissa kuten Virroilla, Kihniössä ja Mänttä-Vilppulassa on kaikkein suurimmat eläkeläisprosentit. Pienimmät eläkeiläisprosentit ovat  Tampereella ja sen naapurikunnissa.

Pirkanmaalla erot eläkeläisten prosentuaalisissa osuuksissa  johtuvat todennäköisesti osaltaan siitä, että suuret kaupunkit kuten Tampere vetävät puoleensa nuoria ja työikäisiä. Tampereella ja sen naapurikunnissa kuten Pirkkalassa hyvät opiskelu- ja työmahdollisuudet sekä monipuoliset palvelut vetävät paljon nuoria ihmisiä puoleensa.  Myöskin kaupunkimainen elämäntapa on yleistynyt ja varsinkin nuoret muuttavat maalta kaupunkeihin. Tällä tavoin kaupunkien ikärakenne nuorenee, samalla vähentäen eläkeikäisten suhteellista osuutta. Kun eläkeläisten suhteellinen osuus on pieni, se tarkoittaa että muihin ikäluokkiin kuuluvia, kuten esimerkiksi lapsentekoikäisiä on suhteessa enemmän, jolloin lapsia myöskin syntyy enemmän. Pienemmät haja-asutut kunnat, kuten Kihniö menettävät nuoria, nuorten muuttaessa suurempiin kaupunkeihin. Tällä tavoin ikärakenne vanhenee ja eläkeläisten suhteellinen osuus kasvaa. Syntyneisyys on pienenpää kuin kuolleisuus juuri sen takia että nuoria potentiaalisia lasten saajia on suhteessa vähän, jolloin lapsia ei myöskään synny paljoa. Eläkeläisten kuolleisuus on luonnollisesti suurempaa, joten kun eläkeläisiä on paljon se myös nostaa kuolleiden määrää.

Tämän viikon kurssitehtävä oli mukava ja hieman haastavampi kuin edellinen. Niinkuin Suvi Lämsä kirjoittaa blogissaan, tehtävä oli haastava siksi että aiheen valinta oli hankalaa. Itselleni olikin vaikeinta päättää mitä aineistoja käyttää ja taisi tulla kokeiltua monia eri teemoja ennenkuin päädyin tekemään tästä aihepiiristä kartan. Omassa kartassani itseäni jäi ehkä hieman harmittamaan se, etten saanut nimistöä sommiteltua mukaan, sillä nimistö auttaisi kartanlukijaa hahmoittamaan sijainnin paremmin. Kuitenkin itsessään kartan tekeminen MapInfolla oli helppoa hyvien ohjeiden kera!

Artikkeli 1.

Toisella kurssikerralla saimme my√∂s toisen blogiteht√§v√§n. Teht√§v√§n√§ oli lukea ja kirjoittaa reaktiopaperi Anna Leonowiczin artikkelista Two-variable choropleth maps as a useful tool for visualization of geographical relationship (Geografija 2006), joka kertoo kahden p√§√§llekk√§isen teeman k√§yt√∂st√§ koropleettikartoissa. Artikkelissa k√§sitell√§√§n kahden muuttujan teemakarttojen hy√∂dyllisyytt√§ visualisoinnin v√§lineen√§. Artikkelissa vertaillaan yhden teeman ‚Äútavallista‚ÄĚ teemakarttaa ja kahden p√§√§llekk√§isen teeman teemakarttaa korostaen, ett√§ oikein k√§ytettyn√§ kahden p√§√§llekk√§isen teeman kartta on oivallinen maantieteellisten ilmi√∂iden yhteyksien esitt√§misess√§.

Tavalliset yhden muuttujan teemakartat soveltuvat esimerkiksi maantieteellisten ilmiöiden levinneisyyden kuvaamiseen. Kuitenkin kun halutaan tarkastella kahden erillisen muuttujan yhteyksiä, on hyvä valita käytettäväksi kahden päällekkäisen teeman koropleettikartta. Jos halutaan tarkastella kahden eri muuttujanvälisiä yhteyksiä tavallisten yhden muuttujan teemakarttojen avulla, tarvitsee ensin tarkastella molempia teemakarttoja erikseen ja vasta sen jälkeen on mahdollista yrittää vertailla karttojen ilmiöitä keskenään (Leonowicz 2006). Oikein toteutettuna kahden muuttujan teemakartat antavat kartan lukijalle tietoa ilmiöiden välisistä yhteyksistä.

Artikkelissa esitelty kahden p√§√§llekk√§isen teeman kartan legenda n√§ytti minusta aluksi vaikeaselkoiselta. Kuitenkin tekstin luettuani ymm√§rsin mist√§ on kyse ja nyt legenda vaikuttaa hyvinkin j√§rkev√§lt√§. Artikkelissa kerrotaan, ett√§ legendan muoto perustuu tilastolliseen hajontakuvioon jossa kumpikin akseli saa vain yhden muuttujan arvoja. Legenda on suorakulmion muotoinen ja luokkarajat rajaavat sen pienempiin ‚Äúlaatikoihin‚ÄĚ jotka saavat oman arvonsa riippuen muuttujien keskin√§isest√§ suhteesta. Kahden muuttujan teemakartassa, niinkuin muissakin teemakartoissa, on t√§rke√§√§ muistaa sopivien luokkarajojen, luokkam√§√§rien ja luokkien v√§ritysten valitseminen (Leonowicz 2006). Artikkelin mukaan kahden muuttujan teemakartalle sopiva luokkam√§√§r√§ on 4 (2√ó2) tai 9 (3√ó3) luokkaa, eli maksimissaan 3 luokkaa per muuttuja. Luokkien v√§rien tulee olla teemaan sopivat, sek√§ s√§vyjen olla mieluiten asteittain muuttuvat. Artikkelissa korostetaan esimerkkien valossa kuinka haitallista esimerkiksi v√§√§rien v√§rien tai liian monien luokkien k√§ytt√∂ voivat olla kartan tulkinnan kannalta.

Aivan kuten Eveliina Ikonen blogissaan kertoo, minullekkin tieteellisten artikkelien lukeminen englannin kielellä on vielä haastavaa. Jotkin englanninkieliset käsitteet tuntuivat hieman vaikelta aluksi mutta se ei enää haitannut kun rupesi hahmottaan kokonaisuutta. Vaikka artikkelista en oppinutkaan mitään täysin uutta ja ihanaa, niin muistutti se taas kerran oikean luokkamäärän ja visuaalisen esittämisen tärkeydestä. Artikkelista minulle jäi päälimmäisenä positiivinen kuva kahden päällekkäisen muuttujan teemakartoista ja ymmärsin että ne soveltuvat hyvin varsinkin ilmiöiden yhteyksien kuvaamiseen ja tarkastelemiseen. Emme ole vielä tehneet tälläisiä karttoja itse, enkä tiedä voiko MapInfolla toteuttaa tälläisiä karttoja. Ainakaan en ole vielä törmännyt tälläiseen ominaisuuteen, vaikkakin muuten MapInfossa on hyvät mahdollisuudet tehdä erilaisia teemakarttoja.

Vielä tiivistettynä: oikein toteutettu kahden päällekkäisen teeman kartta soveltuu hyvin varsinkin maantieteellisten ilmiöiden yhteyksien kuvaamiseen. Kuitenkin tälläinen kartta vaatii lukijaltaan hieman enemmän, sillä lukijan pitää ymmärtää kartan ilmiöiden yhteyksiä tulkitessaan sattuman mahdollisuus (Leonowicz 2006).

Lähteet:

Ikonen, E. (2015). Kurssikerta 2. Even PAK-blogi. <https://blogs.helsinki.fi/eveliiik/> 27.1.2015

Kaistinen, H. (2015). 2. kurssikerta- 22.1.2015. Hannan PAK-kurssiblogi <https://blogs.helsinki.fi/hankaist/2015/01/27/2-kurssikerta-22-1-2015/> 25.2.2015

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

Lämsä, S. (2015). 2. Teemakartta Varsinais-suomen työssäkäyvistä. Suvin Pakki blogi <https://blogs.helsinki.fi/suvilams/> 26.1.2015

Tervetuloa Pirkanmaalle! (2015). Pirkanmaan liitto <http://www.pirkanmaa.fi/fi/tervetuloa-pirkanmaalle> 29.1.2015

Kurssikerta 1: Tervetuloa vuosi 2015 ja MapInfo!

Tässä blogissa kerron kaikesta Paikkatiedon hankinta, analyysi ja kartografia- kurssiin liittyvästä, sekä yritän analysoida omaa oppimistani ja kurssilla tehtävien töiden lopputuloksia. Blogin kirjoittaminen on itselleni kuten varmasti monelle muullekkin kurssilaiselle uutta, joten uskon että Eveliina Ikonen oli oikeassa kirjoittaessaan blogissaan, että kurssista on tulossa varmastikin mielenkiintoinen mutta samalla hieman haastava.

Ensimmäinen kurssikerta piti sisällään lähinnä MapInfoon tutustumista. MapInfoon tutustuttiin jo hieman Tiedon hankinta, analyysi ja kartografia- kurssilla, mutta itse en ainakaan muistanut siitä enää yhtään mitään joten kertaaminen tuli tarpeeseen. MapInfoon perehtyminen aloitettiin perusasioiden kertaamisella, jonka jälkeen alettiin tehdä yhteisesti harjoitusteemakarttaa. Harjoituskartan tekeminen oli helppoa jos vain malttoi kuunnella ja keskittyä MapInfoon.

Harjoituskartan jälkeen rupesimme laatimaan omaa koropleettikarttaa ja histogrammia valitsemastaan aiheesta. Tein oman karttani Suomen kuntien työttömyysasteista vuodelta 2010. Työttömyysasteella tarkoitetaan työttömien suhteellista osuutta työvoimasta. Suomen kuntien työttömyydessä on suuria eroja, sillä aineiston mukaan kuntien työttömyysaste vaihtelee 1,7 % ja 22,6 % välillä.

Aloitin karttani tekemisen MapInfossa valitsemalla ensin punaisen sävyn kartalleni, mutta myöhemmin vaihdoin punaisen sävyt sinisen sävyihin, sillä punaisesta kartasta tuli mielestäni liian häiritsevä. Aineiston ja värien valitsemisen jälkeen valittiin aineiston luokittelu ja luokkarajat. Kuten Laura Hiltunen blogissaan kertoo, MapInfossa voi valita luokkarajat joko valmiista valikosta tai määrittää itse. Luokkarajojen ja luokitusten tekemistä harjoiteltiin jo TAK- kurssilla, mutta itse tarvitsin histogrammia avuksi luokituksen päättämiseen. Histogrammista näkee kuinka aineisto työttömyysasteista on melko normaalisti jakautunutta (kuva 1).

Kuva 1. Histogrammi Suomen kuntien työttömyysasteista 31.12.2010 (tiedot MapInfo).

Kuva 1. Histogrammi Suomen kuntien työttömyysasteista 31.12.2010 (tiedot MapInfo, 2015).

Päätin käyttää kartassani kvantiililuokistusta, sillä tasamääräiset luokat korostivat hyvin työttömyyden alueellisia eroja. Kvantiilit sopivat myöskin melkein minkälaiseen jakaumaan tahansa ja mielestäni lopputuloksesta tuli melko hyvä! Kuitenkin täytyy muistaa, että kvantiililuokittelussa luokkavälit saattavat olla epätasaiset. Päätin käyttää kvintiiliä, jolloin aineisto jakautuu viiteen tasamääräiseen luokkaan. Kokeilin eri luokkamääriä, mutta neljä luokkaa oli liian vähän, jolloin alueelliset erot eivät korostuneet yhtä hyvin. Kuusi luokkaa oli taas liikaa, ja luokkien värit tuntuivat erottuvan huonosti toisistaan. Viisi luokkaa toi juuri hyvin esille Pohjois Рja Etelä- Suomen sekä Itä- ja Länsi-Suomen erot (kuva 2).

Yleistettynä suurin työttömyysaste Pohjois- ja Itä-Suomessa. Pienin työttömyysaste on rannikolla, varsinkin pääkaupunkiseudulla sekä Pohjanmaalla. Valmiissa koropleettikartassa on melko hyvin nähtävissä työttömyyden alueellinen jakautuminen Suomessa (kuva 2). Työttömyysaste on suurin Pohjois- ja Itä-Suomessa todennäköisesti muun muassa sen takia, että asutus harvempaa ja työpaikkoja tarjolla paljon vähemmän kuin esimerkiksi isoissa keskuksissa. Toinen syy on se että, paljon ihmisiä työllistäviä tehtaita on lopetettu ja siirretty tuottavimmille alueille ja suurempiin keskuksiin.

Kuva 2. Suomen kuntien työttömyysasteet 31.12.2010 (tiedot Mapinfo).

Kuva 2. Suomen kuntien työttömyysasteet 31.12.2010 (tiedot MapInfo, 2015).

Koropleettikartan tekeminen oli helppoa sillä annetut ohjeet olivat hyvät ja riittävät, eikä MapInfon helpoimpien perusominaisuuksien käyttö ole vaikeaa. Valmiista kartasta tuli visuaalisesti melko selkeä ja hyvä, mutta kartta ei ole kartografisesti kovinkaan korkeaa tasoa, sillä kartta on yksinkertainen ja esittää vain yhden ilmiön alueellista jakautumista. Kurssikerralla opin tekemään yksinkertaisia yhden muuttujan koropleettikarttoja, ja itselleni vaikeinta oli luokittelun sekä luokkarajojen valitseminen. Toivottavasti harjoitus tekee mestarin!

Lähteet:

Ikonen, E. (2015). Kurssikerta 1. Even PAK-blogi <https://blogs.helsinki.fi/eveliiik/> 21.01.2015

Hiltunen, L. (2015). Ensimmäinen kurssikerta 13.1.15. Lauran blogi <https://blogs.helsinki.fi/lauhiltu/> 21.01.2015