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 myös toisen blogitehtävän. Tehtävänä 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 päällekkäisen teeman käytöstä koropleettikartoissa. Artikkelissa käsitellään kahden muuttujan teemakarttojen hyödyllisyyttä visualisoinnin välineenä. Artikkelissa vertaillaan yhden teeman “tavallista” teemakarttaa ja kahden päällekkäisen teeman teemakarttaa korostaen, että oikein käytettynä kahden päällekkäisen teeman kartta on oivallinen maantieteellisten ilmiöiden yhteyksien esittämisessä.

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 päällekkäisen teeman kartan legenda näytti minusta aluksi vaikeaselkoiselta. Kuitenkin tekstin luettuani ymmärsin mistä on kyse ja nyt legenda vaikuttaa hyvinkin järkevältä. Artikkelissa kerrotaan, että legendan muoto perustuu tilastolliseen hajontakuvioon jossa kumpikin akseli saa vain yhden muuttujan arvoja. Legenda on suorakulmion muotoinen ja luokkarajat rajaavat sen pienempiin “laatikoihin” jotka saavat oman arvonsa riippuen muuttujien keskinäisestä suhteesta. Kahden muuttujan teemakartassa, niinkuin muissakin teemakartoissa, on tärkeää muistaa sopivien luokkarajojen, luokkamäärien ja luokkien väritysten valitseminen (Leonowicz 2006). Artikkelin mukaan kahden muuttujan teemakartalle sopiva luokkamäärä on 4 (2×2) tai 9 (3×3) luokkaa, eli maksimissaan 3 luokkaa per muuttuja. Luokkien värien tulee olla teemaan sopivat, sekä sävyjen olla mieluiten asteittain muuttuvat. Artikkelissa korostetaan esimerkkien valossa kuinka haitallista esimerkiksi väärien värien tai liian monien luokkien käyttö 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 – ja 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