Tällä kerralla vuorossa oli pisteaineiston visualisointi ruututeemakartalla. Lähtöaineistonamme toimi pääkaupunkiseudun kuntien asuinrakennuksista ja asukkaista kerätty tietokanta, joka olikin massiivinen lähes 95 000 kohdetta sisältävä pisteaineisto (kuva 1). Näistä pisteistä jokainen kohde esitti todellista rakennusta ja piti sisällään tiedon muun muassa asuntorakennuksen rakennusvuodesta, rakennuksessa asuvien ihmisten määrästä sekä sukupuoli- ja ikäjakaumasta. Käytettävissämme oli siis erittäin paljon dataa.
Pisteaineiston etuna on tietysti tiedon tarkka paikannettavuus ja pistekartalla voikin esittää ilmiön sijoittumista, levinneisyyttä ja voimakkuutta. Jos aineistosta haluaa kuitenkin tunnistaa alueiden välisiä eroja tai keskittymiä, onnistuu se paremmin aluejakoon perustuvalla kartalla. Aluejakoon perustuvia karttoja ovat muun muassa aiemmilta kurssikerroilta tuttu koropleettikartta ja tällä kertaa vuorossa oleva ruutukartta.
Ruutukartassa tarkasteltu alue jaetaan tasakokoisin ruutuihin ja kartan aluejakona toimii nämä tilastoruudukot. Ruudut voivat olla kooltaan vaikkapa 250 m x 250 m, 1 km x 1 km tai 5 km x 5 km, eivätkä siis noudata mitään hallinnollista aluejakoa. Tästä syystä ruutukartta tarjoaakin hyvän keinon tarkastella alueellisten ilmiöiden leviämistä hallinnollisista aluerajoista riippumatta. Aiemmista blogijulkaisuista tutut koropleettikartat perustuvat aina sen sijaan johonkin valmiiseen aluejakoon.
Ruutukartta eroaa koropleettikartasta myös siinä, että sillä voi esittää sekä absoluuttisia että suhteellisia lukuja. Ruututeemakartta soveltuukin absoluuttisten arvojen, kuten väestömäärän, esittämiseen, koska ruudut ovat yhtä suuria, eikä niiden kokoero väärennä tulosta.
Tämän kurssikerran karttaesityksessäni päädyin esittämään miesten suhteellista osuutta väestöstä 1 km x 1 km kokoisilla tilastoruuduilla (kuva 2). Ennen teemakartan tekemistä karsin aineistosta pois kaikki kohteet, joissa väestömäärä oli ≤ 1, etteivät ne vääristäisi liikaa lopputulosta.
Lopputuloksena syntynyt kartta kuvaa mielestäni onnistuneesti pääkaupunkiseudun sukupuolijakaumaa. Ruutukartan värityksessä päätin korostaa sinisellä värillä ruutuja, joissa miehiä on enemmän ja punaisella taas niitä, joissa naisia on enemmän. Lisäksi valitsin korostusvärin ruuduille, joissa naisia ja miehiä on suunnilleen saman verran. 1 km x 1 km kokoinen ruutu soveltui hyvin valitsemalleni aineistolle, koska se toi esille alueiden välistä vaihtelua säilyttäen samalla ilmiön paikannettavuuden niin, että kartalta on tunnistettavissa eri asuinalueet ja kaupunginosat.
Karttaesityksen heikkoutuna toisaalta on sen puutteellinen taustakartta ja siksi alueiden huono paikannettavuus ilman hyvää aluetuntemusta tai muuta apukarttaa. Kartan tulkintaa helpottaisi ehdottomasti tarkempi taustakartta, johon olisi merkittynä ainakin suurimmat liikenneväylät sekä isoimpien asutuskeskittymien nimistö.
Tuija Hyvättinen (2020) oli omassa blogissaan tarkastellut myös pääkaupunkiseudun sukupuolijakaumaa, ja voin yhtyä hänen tekemiinsä huomioihin, että pääkaupunkiseudun kunnista Helsinki näyttää olevan naisvaltaisin, kun taas Espoossa ja Vantaalla sukupuolijakauma on huomattavasti tasaisempi. Lieneekö tästä syy vai seuraus, että esimerkiksi Helsingin yliopiston tutkinto-opiskelijoistakin vuonna 2018 64 % oli naisia. (Helsingin yliopisto numeroina 2019.) Vastaavasti kartalta on myös tunnistettavissa miesvaltaisena alueena Aalto-yliopiston kampusalue Espoossa.
Myös Itä-Vantaa ja sieltä esimerkiksi Hakunila nousee kartalta alueena, jossa miesten osuus väestöstä on naisia suurempi. Tällä alueella on tunnistettavissa myös muita kehitystrendejä, kuten alhainen väestönkasvu ja väestön ikääntyminen (Parviainen 2019). Varmasti ainakin osittain alueen kehno maine vaikuttaa siihen, ettei alueella asu eikä sinne muuta enemmän pariskuntia ja lapsiperheitä, jotka osaltaan tasaisivat alueen sukupuoli- ja ikäjakaumaa.
Kaikissa karttaesityksissä siis se, mitä ja miten esitetään ja millä mittakaavalla vaikuttaa esitystavan valintaan. Harvoin mikään alueellinen ilmiö noudattaa ennalta säädettyä rajaa, ja siksi tällä kurssikerralla tarkasteltu ruutukartta on hyvä esitystapa, kun halutaan tarkastella ilmiön esiintymistä, leviämistä ja vaihtelua hallinnollisista rajoista riippumatta. Koropleettikartta on taas parhaimmillaan silloin, kun aluerajat liittyvät kuvattavaan ilmiöön tai tarkastellaan laajoja alueita. (Tilastokeskus a., Tilastokeskus b.)
Lähteet:
Helsingin yliopisto numeroina. (2019). Helsingin yliopisto. Viittauspäivä 6.2.2020. <https://www.helsinki.fi/fi/yliopisto/tutustu-helsingin-yliopistoon/helsingin-yliopisto-numeroina#section-11420>
Hyvättinen, T. (2020). Rasterit kehiin! Viittauspäivä 6.2.2020. <https://blogs.helsinki.fi/hytuija/2020/02/06/rasterit-kehiin/>
Parviainen, E. (2019). Vantaan väestö 2018/2019. Vantaan kaupunki. Tietopalvelu B4. Viittauspäivä 6.2.2020. <https://www.vantaa.fi/hallinto_ja_talous/tietoa_vantaasta/tilastot_ja_tutkimukset/vaesto_ja_ennuste>
Tilastokeskus a. Tilastoteemakartat: ruutukartta. Viittauspäivä 6.2.2020. <https://tilastokoulu.stat.fi/verkkokoulu_v2.xql?course_id=tkoulu_teemak&lesson_id=4&subject_id=3&page_type=sisalto>
Tilastokeskus b. Tilastoteemakartat: Koropleettikartta. Viittauspäivä 6.2.2020. <https://tilastokoulu.stat.fi/verkkokoulu_v2.xql?course_id=tkoulu_teemak&lesson_id=4&subject_id=2&page_type=sisalto>
One Reply to “Pisteaineistosta ruututeemakartaksi”