Kurssikerta 7: Oma aineisto käyttöön

Viimeisellä kurssikerralla tarkoituksenamme oli testata, mitä olimme kurssin aikana oppineet tekemällä teemakartta alusta asti itse hankitulla aineistolla. Kun tehtävään annetaan näin vapaat kädet, niin aiheen valitseminen on tunnetusti vaikeaa. Omalla kohdallani kävi juuri näin ja pohdiskelin pitkään, mistä teemasta kartan teko olisi mielekästä mutta samalla haastavaa. Alueekseni päätin valita Etelä-Amerikan, koska se tuntui selkeältä mutta itselleni vieraalta. Jälkeenpäin tajusin, että ei niitä osa-alueita taida siellä ihan 20 olla, mikä oli alueen vaatimuksena kurssikerran ohjeistuksessa. Mutta menkööt! Ja kun oma aineisto oli kyseessä niin tein kartan röyhkeästi itseäni kiinnostavasta aiheesta vähän samaan tapaan kuin Tarja Turkki, joka myös otti aiheesta ilon irti ja teki itseään kiinnostavan kartan. Aiheeksi muodostui nimittäin jalkapallo, joka juolahti mieleeni heti kun Etelä-Amerikan päätin valita. Löysin netistä luotettavan tuntuiset lähteet väkiluvulle (World Population Statistics) ja jalkapallon pelaajamäärille (FIFA). Näitä halusin vertailla jalkapallomenestyksen kanssa, mutta ongelmana oli miten mitata menestystä. Vaihtoehtoja olivat ainakin arvokisamitalit, arvokisapaikat ja voittotilastot. Valitsin kuitenkin FIFA-rankingin, joka ottaa huomioon lähes kaikki pelatut ottelut ja rajasin ajan vain 2000-lukuun, mikä on itselleni tutumpaa aikaa jalkapallon saralla. Näin karttaani tuli lopulta kolme teemaa, mutta uskoin pystyväni tekemään silti selkeän kartan. Olisi mielestäni ollut turhaa tehdä kaksi erillistä karttaa näistä aiheista.

Itse kartanteossa törmäsin pitkästä aikaa isoon ongelmaan MapInfon suhteen, kun yritin sijoittaa FIFA-rankingia kuvaavia jalkapalloja kartalle. Graduate – teemakartan suuruusjärjestystä ei pystynyt MapInfolla vaihtamaan niin että hyvää FIFA-rankingia olisi kuvannut iso jalkapallo ja huonoa puolestaan pieni. Tämä totisesti ärsytti. Mielestäni kyseessä on kuitenkin todella tärkeä toiminto, jonka lisääminen ei voi olla vaikeaa. Samaan ongelmaan oli törmännyt omaa karttaa tehdessään myös Oskari Hanninen. Tyydyin kuitenkin tähän ja siirsin kartan Coreliin, jossa vaihdoin tylysti päikseni suurimman eli Brasilian ja pienimmän eli Guyanan pallot jne. Corelia käytin muutenkin viimeistelyyn aika paljon, sillä halusinhan viimeisessä kartassa testata kuinka hyvän kartan saisin aikaan. Toinen ongelma oli jalkapalloilijoiden osuutta kuvaavan koropleettikartan luokittelu, kun yhdenkään valtion osuus ei ollut 7,5 % ja 15 % välillä. Tämä herätti epäilyn käyttämästäni aineistosta, mutta luotin kuitenkin lähteisiini. Kysymysmerkkejä herätti tässä kuitenkin lisäksi, että missään ei kerrottu miten jalkapalloilijoiden määrä oli mitattu. Miten tulokset on voitu sanoa yhden ihmisen tarkkuudella miljoonien ja taas miljoonien ihmisten joukosta? Todella tarkkaa ja vielä Etelä-Amerikasta, jossa tilastointipalvelut eivät varmasti ihan Suomen tasolla ole. Ehkä olisikin pitänyt käyttää myös tarjolla ollutta rekisteröityjen jalkapalloilijoiden määrää, jonka uskoisin paremmin pitävän paikkaansa.

Kuva 1.

Valmiin kartan (kuva 1.) tulkinnassa havaitsin monta mielenkiintoista seikkaa. Brasilia ja Argentiina ovat selvästi suurimmat jalkapallomahdit Etelä-Amerikassa rankingin perusteella, mikä ei ollut itselleni yllätys. Chile ja Paraguay puolestaan dominoivat jalkapalloilijoiden osuudessa. Tämän kun yhdistää Chilen suurehkoon väkilukuun niin odottaisi menestyksen olevan parempaa kuin ranking antaa ilmi. Paraguay ja Uruguay ovat taas väkiluvun perusteella selvästi parhaat jalkapallomaat. Esimerkiksi Uruguayssa on vähemmän ihmisiä ja jalkapalloilijoita kuin jääkiekkovaltio Suomessa, mutta silti se voitti edellisen Etelä-Amerikan mestaruuden ja oli MM-kisojen neljäs, mikä näkyy myös rankingissa. Kolumbiassa puolestaan on enemmän väkeä kuin Argentiinassa ja futareidenkin osuus suurin piirtein sama, mutta silti Argentiinassa menestys on ollut parempaa. Boliviassa ja Venezuelassa puolestaan on pienimmät jalkapalloilijoiden osuudet, mikä näkyy myös menestyksessä. Guyana ja Suriname ovat pikkuvaltioita joka osa-alueella. Kokonaisuutena minut yllätti eniten melko pienet jalkapalloilijoiden osuudet. Esimerkiksi Brasilia tunnetaan yleisesti parhaiten jalkapallostaan ja monelle ensimmäinen Brasiliasta mieleen tuleva asia on jalkapallo, mutta silti reilusti alle joka kymmenes pelaa maassa futista.

Karttaa tulkitessani aloin pohtimaan myös, että monipuolisemman tarkastelun vuoksi olisi kannattanut tarkastella vielä jotain muuttujaa. Tähän olisi sopinut esimerkiksi jalkapallokulttuuri. Menestys ei mielestäni tätä kulttuuria suoraan mittaa, vaikka se sitä heijasteleekin. Tätä on kuitenkin vielä jalkapalloilijoiden määrääkin vaikeampi mitata. Se voisi olla esimerkiksi jalkapallon tv-katsojaluvut, stadioneiden määrät tai sanomalehdissä jalkapallosta kirjoitetut sivut. Ongelma on taas miten saavutetaan koko kansan mielipide. Miljoonilla eteläamerikkalaisilla ei ole varaa peleissä käymiseen, sanomalehteen saati televisioon. Joka tapauksessa tällaisen jalkapallokulttuurin mittaaminen ja karttaan lisääminen olisi hyvä lisä.

Viimeinen kerta oli mielestäni onnistunut kertaus kurssista. Jouduin käyttämään ja soveltamaan monen eri kurssikerran juttuja. Oli rohkaisevaa huomata, että suurempia ongelmia itsenäistyöskentelyssä ei ollut vaan ainoa iso tekninen ongelma johtui MapInfon Graduate – teemakartan surkeudesta. Lisäksi kurssikerta tarjoili vastauksia aikaisemmin esittämiini epäilyihin oman aineiston käytöstä karttojen teossa. Oli helpottavaa huomata, että pystyin tekemään hyvän kartan kokonaan itse, omasta aineistosta. Periaatteessa kartta olisi kannattanut tehdä ehkä jostain edes auttavasti maantiedettä lähellä olevasta aiheesta, mutta ainakin varmistuin siitä, että pystyn tekemään kartan tämänkaltaisesta hieman epätavallisemmasta aineistosta. Parhaiten kurssikerran mielekkyyden huomasi tätä tekstiä kirjoittaessa, kun teksti ja tulkinta syntyivät kuin itsestään aiheen ollessa lähellä sydäntäni. Toki järvisyydellä, hasardeilla ja väestötiedoilla on maantieteilijän sydämessä paikkansa myös. Kokonaisuutena pidän kurssia erinomaisena. Monipuoliset ja vaihtelevat aiheet yhdistettynä loisto-opetukseen ja toimivaan blogi-toteutustapaan tekivät kurssista onnistuneen. Vaikka kurssin alussa mainitsemaani sisäistä MapInfo-eksperttiä ei tainnut löytyä, niin koen silti osaavani käyttää MapInfoa, mikä on hieno tunne näin kurssin päätteksi!

 

Lähteet:

FIFA (2014). Ranking tools. Compare teams. 27.2.2014. <http://www.fifa.com/worldranking/rankingtools/compareteams.html>

FIFA (2014). World Football. Big Count. 27.2.2014. <http://www.fifa.com/worldfootball/bigcount/allplayers.html>

Hanninen, O. (2014). Kurssikerta 7: Viimeistä viedään. 10.3.2014. <https://blogs.helsinki.fi/oskariha/>

Turkki, T. (2014). Maailma turistin silmin. 10.3.2014. <https://blogs.helsinki.fi/ttturkki/>

World Population Statistiscs. South America Population 2013. 27.2.2014. <http://www.worldpopulationstatistics.com/south-america-population-2013/>

Kurssikerta 6: Opetusmateriaalia

Kuudennella kerralla opettelimme jälleen uuden kätevän työkalun käytön MapInfossa. Ennen sitä aloitimme kuitenkin kiertämällä pienryhmissä kampuksen lähialueita omaa paikkatietoa keräten. Oma ryhmäni keräsi käyttöömme annetun GPS-laitteen avulla läheisten bussipysäkkien ja suojateiden koordinaatteja. Kirjasimme tiedot Exceliin ja toimme tietokannan MapInfoon, jossa Create points -työkalulla lisäsimme kartalle pisteet paikkoihin, joista olimme koordinaatit ottaneet. Aika simppeliä, mutta taas kerran olin autuaan tietämätön, että MapInfolla tähänkin pystyisi. Aina ei GPS-paikannukseenkaan ole luottamista, sillä esimerkiksi paikkojen korkeusluvut olivat aivan pielessä ja korkeusluvut saattoivat vaihdella kymmeniä metrejä, kun emme itse minkäänlaista korkeuden vaihtelua huomanneet. Koordinaatit olivat kuitenkin kunnossa, mikä oli tärkeintä kun kartalla, jolla aineisto esitettiin, ei korkeuseroja pystynyt havaitsemaan. Lisäksi harjoittelimme MapInfon geokoodaustoimintoa, jossa pisteitä voidaan esittää kartalla esimerkiksi osoitteen ja postinumeron avulla ilman että tarvitsee tuntea jokaisen pisteen koordinaatteja. Aineistona toimi Helsingin pelikoneet.

Jälleen kerran pääsimme harjoittelun jälkeen vääntämään omia karttojamme. Tarkoituksena oli luoda mahdollisimman hyviä karttoja opetusmateriaaliksi. Pääsimme siis astumaan opettajan saappaisiin kartanteon ohella. Teemana oli hasardit, tarkemmin eriteltynä maanjäristykset, tulivuoret ja meteoriittien iskeytymispaikat. Meille oli taas tarjolla laadukkaat valmiit aineistot jokaisesta aihealueesta, joista selvisi esimerkiksi hasardin tapahtuma-aika, koordinaatit ja voimakkuus. Päätin itse käyttää jokaista aineistoa, sillä halusin kuvata kaikkia kolmea hasardityyppiä enkä vain yhtä. Näin pystyisin monipuolisemmin esittämään vaara-alueita, joissa hasardeja tapahtuu kaikista eniten. Aineiston kartalle saamisessa ei ilmennyt sen suurempia ongelmia, vaikka hieman opitun kaivelua se taas vaati. Valmiissa kartoissa (kuvat 1-4) päätin esittää vain voimakkaimpia ilmiöitä, jotta kartat eivät olisi liian täynnä tavaraa. Tulivuorien kohdalla tämä kuitenkin kostautui. Maanjäristyksissä ja meteoriiteissa rajanveto oli helppoa magnitudin ja massan vaikuttaessa eniten hasardin vaarallisuuteen. Tulivuoria kuitenkin pidetään aktiivisina, vaikka niiden edellisestä purkautumisesta olisi yli 10 000 vuotta ja täten rajanveto ei ollut helppoa. Lopulta päätin esittää kaikki aktiiviset tulivuoret, vaikken tähän täysin tyytyväinen ollukaan.

tulivuoret

Kuva 2.

meteoriitit2

Kuva 1.

maanjäristykset2

Kuva 3.

kaikki3

Kuva 4. Kolmen muun kartan tiedot samalla kartalla esitettynä.

 

 

 

 

 

 

 

 

 

Kartat ovat mielestäni onnistuneita ja niistä on luettavissa asiat, joita kartoilla halusinkin esittää. Karttoja tulkitessani mielessäni heräsi kuitenkin muutamia seikkoja, joille en heti löytänyt selitystä. Isoja meteoriitteja on iskeytynyt selvästi eniten Pohjois-Amerikkaan, mutta miksi? Eikö meteoriittien iskeytymispaikat ole kuitenkin täysin sattumanvaraisia riippuen niiden tulosuunnasta. Sama juttu on Tyynellämerellä Galapagossaarten länsipuolella. Miten kaksi meteoriitin iskeytymispaikkaa voi olla täysin vierekkäin, kun missään muualla jättimäisellä Tyynellämerellä ei ole iskeytymispaikkoja. Eikä muistakaan valtameristä näyttäisi meteoriitteja löytyneen. Toki vaikutusta on varmasti, sillä että merellä meteoriitteja on vaikeampi löytää, mutta uskoisin jonkun huomaavan kun tonnin painoinen murikka sieltä veteen pamahtaa. Tämä sai minut hieman epäilemään aineiston laatua, varsinkin kun iso osa havainnoista vielä oli 1900-luvulta. Lisäksi tajusin, että ilmakehän ominaisuudet vaihtelevat eri puolilla maapalloa ja tämä on vaikuttanut siihen kuinka paljon meteoriiteista on jäljellä ilmakehän läpäisyn jälkeen. Varmasti myös tiedot, taidot ja motivaatio meteoriittien löytämiseen ja havaitsemiseen vaihtelevat eri valtioiden ja tutkijaryhmien kesken ja jotkut meteoriitit saattavat jäädä huomioimatta. Lisäksi valitsemani luokittelu voi vääristää tuloksia jonkin verran.

Maanjäristykset ja tulivuoret muodostavat selkeämmän kuvion. Tyynenmeren ympäristö erottuu edukseen, sillä sekä tulivuoria että maanjäristyksiä sijaitsee täällä eniten. Aluetta kutsutaankin Tyynenmeren tulirenkaaksi. Tiesin täällä olevan paljon varsinkin tulivuoria, mutta ihan noin suureen tiheyteen en kuitenkaan uskonut. Japanin saaria ei esimerkiksi voi lainkaan havaita tulivuorten symbolien takaa.

Tein viimeisen kartan, jotta pystyisin esittämään kokonaisuutena maailman hasardialtteimpia alueita. Eetu Summasen blogista sain hyvän idean lisätä kartan yhteyteen kysymyksiä, joita oppilaat voisivat sitten pohtia. Näin he joutuvat miettimään asiaa eivätkä vain tsekkaa karttaa läpi unohtaen sen heti. Kartan perusteella maailman hasardialtteimpia alueita ovat jo edellä mainittu Tyynenmeren tulirengas, jonka sijainnin vahvistin Timo Ijäksen blogin kartasta. Lisäksi Lähi-Idässä ja Itä-Afrikan hautavajoamassa on suurehkot todennäköisyydet hasardien tapahtumiselle. Kartasta pisti silmään vielä yksi juttu, nimittäin päiväntasaajalle sijoittui hasardeja huomattavasti enemmän kuin muille leveyspiireille. Taas pohdin aineiston laatua, sillä tässä ei mielestäni ei ollut järkeä varsinkin kun nämä hasardit sijoittuvat lähes suoraan linjaan Päiväntasaajan kohdalle.

Kokonaisuutena en pidä karttoja kovin hyvinä oppimisen kannalta, mikäli oppitunnin aiheena olisi hasardit. Nämä kolme teemaa edustavat vain murto-osaa hasardeista ja aiheita pitäisi olla huomattavasti lisää, jotta hasardit tulisivat monipuolisesti käsiteltyä. Tulvat, hurrikaanit, kuivuus, tuholaiseläimet, maaperän eroosio…ja nämäkin ovat luonnonmaantieteen puolelle luettavia hasardeja. Lisäksi on lukemattomia ihmisen toiminnan takia syntyneitä hasardeja. Kuitenkin jos tarkastellussa olisi laattatektoniikka, sen aiheuttamat hasardit sekä maapallon ulkopuolelta tulevat hasardit niin pitäisin karttojani hieman parempina. Siinäkään tapauksessa ne eivät kuitenkaan toimisi hyvin, koska kartoissa on kuvattu ainoastaan kaikista voimakkaimmat ilmiöt. Parhaiten karttani toimisivat siis opetuksessa, jonka tarkoituksena olisi käsitellä laattatektoniikkaa ja sen aiheuttamia voimakkaita ja ihmisen toiminnan vaarantavia hasardeja.

 

Lähteet:

ANSS Catalog. (2014). Northern California Earthquake Data Center. 20.2.2014. <http://quake.geo.berkeley.edu/anss/catalog-search.html>

Ijäs, T. (2014). Kurssikerta 6; Kuva 5: Tyynenmeren tulirengas. 3.3.2014. <https://blogs.helsinki.fi/timoijas/>

Meteoritesize. (2014). 20.2.2014. <https://www.google.com/fusiontables/DataSource?docid=1vHSvjNgCIl6kRhFXPHhvESnnYx_ShToJWtWdjm8#rows:id=1>

National geopsychical data center. (2014). Global Volcano Locations Database. 20.2.2014. <http://catalog.data.gov/dataset/global-volcano-locations-database>

Summanen, E. (2014). KK6: Omin käsin kerätyn aineiston hyodyntäminen ja MapInfo opetuskäytössä. 3.3.2014. <https://blogs.helsinki.fi/eesu/>

 

 

SWOT-analyysi: Every city, every block

Saimme lisätehtäväksi laatia SWOT-analyysi New York Timesin netissä tarjoamasta Mapping America: Every city, every block -palvelusta, jossa USA:ssa suoritetun väestönlaskennan tietoja oli sijoitettu interaktiiviseen karttapalveluun. Tarjolla oli todella tarkkojakin tietoja yhdysvaltalaisten etnisyydestä (tai siis rodusta niin kuin siellä päin näemmä sanotaan), taloudesta, asumisesta ja koulutuksesta. Tietoja esitettiin pistein tai aluein ja koko maa oli jaettu piirikuntiin, joista tarkempia tietoja oli saatavilla klikkaamalla piirikuntaa.

Hetken palvelua tutkittuani, olin ällikällä lyöty. En ollut vastaavanlaiseen palveluun ennen törmännyt ja se vaikutti törkeän siistiltä, mutta samalla niin väärältä. Näin paikkatiedosta kiinnostuneena olin todella innostunut. Koko palvelu tuntui helposti lähestyttävältä ja sain hetkessä selville asioita lähes koko valtion tasolta aina yksittäisen pienen piirikunnan tai korttelin tasolle saakka. Ihmettelin kuitenkin voiko tämä pitää paikkaansa, kun heti ensimmäisessä karttaesityksessä minulle ilmoitettiin miten etniset ryhmät ovat New Yorkiin sijoittuneet. Ikään kuin minulle olisi heti haluttu sanoa, että pysy täällä vihreällä, muiden kaltaistesi alueella. Todella törkeää jaottelua kyllä heti kärkeen. Näin ollen palvelu onnistui luomaan varsin kaksinaamaisen kuvan itsestään jo alussa. Tunteeni vaihtelivat uuden oppimisesta johtuvan hyväntuulisuuden kautta epäuskoon. Alkutunnustelun jälkeen onnistuin kuitenkin analysoimaan palvelua jo paremmin.

Vahvuudet (Strengths)

Palvelun vahvuus on mielestäni se, mihin koko palvelu pohjimmiltaan perustuu. Tuodaan paikkatietoasiat, kartat ja tilastot lähemmäksi tavallista keskivertojenkkiä. Varmasti moni yhdysvaltalainen ja myös yhdysvaltojen ulkopuolella asuva tutkii, oppii ja löytää asioita palvelun avulla. Mutta, jotta ihmisten tiedonnälkä tulisi tyydytettyä, palvelun on oltava helppokäyttöinen. Ei kukaan jaksa tutkia asioita, jotka ovat monen napinpainalluksen päässä tai joista ei mitään ymmärrä. Tässä palvelu onnistuu erinomaisesti. Se on helppokäyttöinen, yksinkertainen ja nopea. Käyttömukavuus on huippuluokkaa. Sivusto toimii sulavasti eikä sitä tarvitse päivittää koko ajan. Tämä on plussaa, koska MapInfon kanssa toimiessaan saa lähes jokaisen komennon jälkeen jännittää sen pari sekuntia, että kaatuako vai eikö kaatua? Lisäksi lasken vahvuudeksi vielä jatkuvasti kartantekijälle harmaita hiuksia aiheuttavat värivalinnat. Ne toimivat mielestäni pääosin hyvin.

Heikkoudet (Weaknesses)

Suurin heikkous on mielestäni puuttuvat taustatiedot. Palvelu kertoo, että vuosina 2005-2009 on vähän väestötietoja keräilty ja laitettu sitten kaikkien näkyville. Haluaisin tarkemmin tietää miten aineistoa on kerätty ja kuinka luotettavaa se on. Nyt kerrotaan vain, että ei nyt ihan tosissaan kannata kuitenkaan ottaa, arvioitahan ne vaan on. Heikkoudeksi lasken myös aineiston ylläpidon vaativuuden. Nykyajan muutokset voivat olla todella nopeita ja palvelun ylläpito vaatisi mielestäni jatkuvaa tietojen päivittämistä. Ymmärrän kyllä, että aineisto on ihan järjettömän kokoinen eikä tämä oikein ole mahdollista. Valitettavasti tämä vie kuitenkin uskottavuutta palvelulta minun silmissäni. Laura Hintsasen ja Samuli Massisen blogien avustuksella huomasin myös pari selvää heikkoutta. Mittakaavan puuttuminen vaikeuttaa etäisyyksien ymmärtämistä etenkin kaikista lähimmällä tarkastelutasolla. Lisäksi ongelmia ovat, ettei koko valtiota pysty tarkastelemaan samaan aikaan eikä palvelusta saa tietoa jakoon tai omaan käyttöön kuin sosiaalisen median tai print screen -toiminnon kautta.

Mahdollisuudet (Opportunities)

Mahdollisuudethan tämänkaltaisilla on rajattomat. Palvelu tarjoaa uskomattomat työkalut erilaiseen tarkasteluun ja analyysien tekoon. Nyt eri aiheita on tarjolla vielä melko niukasti, mutta kyllä tähän voisi lisätä vaikka minkälaisia aiheita työpaikoista maankäytön kautta ilmastoon. Parhaassa tapauksessa tästä voisi kehittyä koko kansalle avoin, kiinnostava, kattava ja ajankohtainen paikkatietopalvelu, jota hyödynnettäisiin niin työelämässä, kouluissa kuin arjessakin. Myönnetään, tämä kuulostaa jo liian utopistiselta.

Uhat (Threats)

Valitettavasti palvelun vahvuus on samanaikaisesti suuri uhka. Kun tietoa on tarjolla kaikesta ja kaikilta alueilta, ovat uhkatkin suuria. Etenkin tätä mantsalaisten kuumaa perunaa, segregaatiota, se varmasti lisäisi. Asuinalueet jakautuisivat ihonvärin, tulotason ja koulutustason mukaan entistä enemmän, kun mahdollisuudet näiden asioiden tarkasteluun ovat käden ulottuvilla. Lisäksi näin avoin palvelu asettaa tiettyjä rajoja yksityisyyden kannalta. Vaikka yksittäisiä ihmisiä onkin vaikea tunnistaa, on joillain alueilla niin vähän asukkaita, että periaatteessa tämä voisi olla mahdollista. Uskon myös, että rikolliset ottaisivat palvelun aktiiviseen käyttöön ja varkaudet rikkailla, ei ennestään niin tunnetuilla alueilla, lisääntyisivät. Vaikka palvelu on tarkoitettu tiedon lisäämiseen, uhkana on aina nämä väärinkäytökset. Ja voidaanko palvelun perustajaa sitten syyttää, kun rikokset lisääntyvät ja rikolliset kertovat palvelua myös käyttävänsä.

Ja edelleen tunnen olevani kahden vaiheilla. Tarkkaan pohdittuani, olen kuitenkin sitä mieltä, että Suomen Tilastokeskuksen tapa pitää jonkinlainen yksityisyyden suoja ja objektiivisuus aineistonsa jakamisessa on toimiva. En usko, että Suomessakaan seuraisi hyvää, kun ihmiset oppisivat entistä paremmin, missä köyhät ja maahanmuuttajat asuvat. Asenteiden pitäisi ensin muuttua. Ideana tämä on kyllä edelleen uskomattoman hyvä ja ehkä tämänkaltaista palvelua voisi Suomessa pikku hiljaa alkaa kehittelemään. Sen voisi aloittaa vaikkapa aiheista, joita Jessica Järvisen blogissaan ehdottaa:

“…olisi se hyvä tehdä hieman eri aiheista, jotka ovat vähemmän arkaluontoisia (väestömäärät, ikärakenne, koulutustausta).”

Lähteet:

Hintsanen, L. (2014). Mapping America: Every City, Every Block – SWOT-analyysi. 25.2.2014. <https://blogs.helsinki.fi/lhintsan/>

Järvinen, J. (2014). Mapping America: Every City, Every Block ja SWOT-analyysi. 25.2.2014. <https://blogs.helsinki.fi/jessicaj/>

Massinen, S. (2014). New York Times: Mapping America – SWOT-analyysi. 25.2.2014. <https://blogs.helsinki.fi/smassine/>

The New York Times (2014). Mapping America: Every City, Every Block. 25.2.2014.<http://projects.nytimes.com/census/2010/explorer>

Kurssikerta 5: Bufferoimaan!

Viidennellä kurssikerralla jatkoimme viime kerran lopussa aloitetun Pornaisten kartan kanssa. MapInfon buffer eli puskurointi -työkalu tuli tutuksi, kun selvitimme sen avulla Pornaisten isoimpien teiden varsilta löytyvien talojen lukumäärän. Samalla tavalla pystyimme selvittämään Pornaisten koulun ja terveyskeskuksen lähistöllä sijaitsevia taloja. Helppo, vaivaton ja ennen kaikkea hyödyllinen olivat ensimmäisiä adjektiiveja, joita juolahteli mieleeni tästä työkalusta.

Taulukko 1.Taulukko 1.

 

Alkulämmön jälkeen pääsimme kunnolla testaamaan aivosolujemme päivän kuntoa. Omani eivät tällä kertaa olleet aivan tehtävien vaatimalla tasolla. Tähän löytyi kuitenkin mielestäni täysin ymmärrettävä syy, sillä Suomen lätkäjoukkue aloitteli samaan aikaan omaa olympiaturnaustaan. Onnistuin pähkäilyjen jälkeen kuitenkin selvittämään tieni maaliin ja kaikki tehtävät valmiiksi. Tehtävät vaativat buffer-työkalun käyttöä, tietokantojen tietojen yhdistelyä, uusien sarakkeiden luontia ja Query eli kysely -työkalujen käyttöä. Mielestäni pysyin varsin hyvin kartalla, mitä missäkin vaiheessa tein, mikä oli koko homman pointti. Uskoisin myös vastausteni (taulukko 1) olevan ainakin lähellä oikeaa, sillä samansuuntaisia omat vastaukseni olivat muiden kanssa.Täysin oikeita vastauksia ei kaikissa kohdissa edes voinut olla, johtuen käyttäjistä. Buffer-työkalu oli niin tarkka, että jo muutaman millin heitto piirretyssä viivassa saattoi jättää jonkun esimerkiksi 50 asukkaan kerrostalon puskurivyöhykkeen ulkopuolelle.

Buffer-työkalu kohosi kyllä MapInfon työkaluista aivan mitalisijoille omalla mitta-asteikollani. Sen tarjoamat analyysimahdollisuudet ovat aivan huippuluokkaa. Palveluiden sijainti, aluesuunnittelu, metsien hoito, saavutettavuusanalyysit…Nämä ovat vain ensimmäisiä esimerkkejä, joita keksin, mutta käyttökohteita tälle työkalulle on lukuisia. Muita käyttökohteita voisivat olla  vaikkapa sotilaalliset tarkoitukset, joista muistutetaan Pyry Poutasen blogissa sekä riskien ja luonnonkatastrofien vaikutusalueiden arviointi, joista kerrotaan Tanja Siippaisen blogissa. Työkalua voidaan hyödyntää niin julkisella puolella, yritysmaailmassa kuin yksityishenkilöillä. Oikeastaan tämänkaltaiset analyysit ovat juuri sitä, miksi paikkatieto on niin kova ja kasvava juttu nykyään. Akseli Toikka kuitenkin palautti ajatuksiani hieman maan pinnalle huomauttamalla, että:

”Toisaalta, jotta analyysit toimisivat, vaatii se valmiiksi tuotettua tilastotietoa muun muassa väestön määrästä”.

Tämä on ihan avainjuttu, sillä kurssilla olemme päässeet nauttimaan valmiista aineistoista. Pks_vaki.TAB on varmasti kaikille tuttuakin tutumpi tietokanta. Entä sitten, kun tällaisia ei enää olekaan tarjolla? Miinuspuolena buffer-työkalussa pidän sen epätarkkuutta. Kuten jo aiemmin totesin, vaikka teimme kaikki periaatteessa samasta alueesta lentomeluanalyyseja, niin silti täysin samoja tuloksia ei montaa ollut. Jos siis tarkoituksena olisi saada äärimmäisen eksaktia tietoa esimerkiksi lentomelun haitoista yhden asukkaan tarkkuudella, niin käsipelillä viivojen piirtäminen ei kyllä voi toimia. Siinä on silloin se aina se muutaman millin heitto, joka vääristää tuloksia.

Tämä kurssikerta painoittui vahvasti itsenäistyöskentelyyn ja ongelmanratkaisuun. Pidin tästä, sillä tehtävien ollessa haastavia, onnistumisen iloakin oli tarjolla! Tehtäviin oli annettu riittävät taustatiedot mutta ne todella pakottivat laittamaan kaiken peliin. Lisäksi oli mukava tehdä tehtäviä kaikessa rauhassa, eikä tarvinnut jatkuvasti keskittyä taululla tapahtuvaan opetukseen, jonka kyydistä on vaarallista tippua. Tämä tuli huomattua jo syksyllä. Samalla saattoi toki seurata Suomen maalijuhlia Itävaltaa vastaan.

Tällä hetkellä tunnen oloni MapInfon käyttäjänä varsin tyytyväiseksi. Osaan jo lukea ohjelman oikkuja, mutta ennen kaikkea sen käyttö ei tunnu enää ollenkaan vastenmieliseltä. Vaikka kilahduksen ensi oireet saattaakin välillä hiipiä takaraivoon, MapInfo kyllä tarjoaa mahdollisuudet vastauksien löytämiseen. Edelleen se on käyttäjästä eikä ohjelmasta kiinni. Tällä hetkellä minua ehkä eniten epäilyttääkin se, onko ohjelman kokonaisvaltainen hallitseminen mahdollista. En tiedä, ehtiikö seitsemällä kurssikerralla opettaa/oppia/omaksua kaiken tulevaisuudessa vaadittavan osaamisen. Tämän buffer-työkalun olemassaolostakaan minulla ei ollut aavistusta, mutta niin se vain odotti vuoroaan yhden napinpainalluksen eli Objects-valikon takana. Mutta stressiä ei näistä oteta ja nyt viikonlopun viettoon!

 

Lähteet:

Poutanen, P. (2014). Kurssikerta 5 – itsenäistä ajattelua. 20.2.2014. <https://blogs.helsinki.fi/pyrypout/>

Siippainen, T. (2014). Kurssikerta 5: Bufferointia ja itsenäisiä analyysiyrityksiä. 20.2.2014. <https://blogs.helsinki.fi/tanjasii/>

Toikka, A. (2014). Viides kurssikerta. 20.2.2014. <https://blogs.helsinki.fi/akto/>

Kurssikerta 4: Ruututeemakartat

Neljännellä kurssikerralla opettelimme luomaan ruutukarttoja MapInfolla. Ohjelmasta löytyi melko kätevä ruututyökalu, jolla oli mahdollista luoda halutunkokoinen ruudukko haluttuun paikkaan. Ainoa miinus työkalussa oli, että jo tehtyä ruudukkoa oli vaikea muokata jälkeenpäin. MapInfon fiksuus kävi jälleen ilmi, kun ruudukkoon oli helppo yhdistää tietokantojen tietoja ja luoda näiden perusteella ruututeemakartta. Aineistona käytimme pääkaupunkiseudun väestötietokantaa, joka sisälsi monipuolisia tietoja niin sukupuolista, puhutuista kielistä kuin myös ikäjakaumasta.

Oman ruutukarttani päätin tehdä eläkeläisten osuudesta pääkaupunkiseudulla. Valitsin teemaksi tämän, koska olin jo aiemmin kurssilla tutkinut Pirkanmaan eläkeläisten osuuksia ja näin tuntui loogiselta jatkaa tarkastelua uudella alueella, tällä kertaa tosin ruutujen muodossa. Lisäksi eläkeläisten osuuden selvittämisessä piti hieman muokata valmista tietokantaa ja luoda uusia sarakkeita, joten näin edelliskerran asia tuli kerratuksi. Päätin myös, että osuus kertoo paremmin teemasta kuin absoluuttiset määrät. Oletin, että absoluuttisia määriä kuvaavasta kartasta, tulisi ihan samanlainen kuin asukaslukuja kuvaavasta ja osuuksilla pystyisin paremmin analysoimaan eläkeläisten sijaintia.

Ruutujen kooksi valitsin 500m x 500m (25 hehtaaria) kokoiset ruudut. Kokeilin myös pienempiä ja suurempia ruutuja, mutta ne olivat mielestäni liian tarkkoja tai liian yleistäviä. Piti myös päättää halusinko kuvata kartassani koko pääkaupunkiseutua vaiko pelkkää kuntaa tai peräti asuinaluetta. Koin kuitenkin, että aiheeni oli sen verran laaja ja monisyinen, ettei pelkästään yksittäisen asuinalueen tutkiminen olisi antanut ilmiöstä hyvää kuvaa. Jo tässä vaiheessa olisi pitänyt huomata eräs aineiston ongelma. Siinä oli kohtalaisesti ruutuja, joissa asui vain yhdestä neljään asukasta, joista kaikki olivat eläkeläisiä. En kuitenkaan tajunnut kiinnittää asiaan huomiota, kun valmis ruutukartta odotti edessäpäin.

valmiskk4_2

Kuva 1.

Jonkin aikaa taiteiltuani sainkin kartan valmiiksi (kuva 1). Tämän jälkeen piti aloittaa taas pohdinta, saisiko kartasta jopa jotain selville. Lopputulos oli, että ei juurikaan. Jollain tavalla kartta oli epäonnistunut. Ruutuja, joissa eläkeläisten osuus oli suurimmillaan sijaitsi eniten Helsingin ympäryskunnissa. Varsinkin Nuuksion seutu, Pohjois-Vantaa ja idässä Helsingin ja Vantaan raja olivat kaikista punaisinta seutua. En kuitenkaan ollenkaan osannut sanoa miksi asia oli näin. Näin puolen vuoden kokemuksella pääkaupunkiseudusta en tiennyt, mitä alueita nämä olivat ja miksi eläkeläisiä oli täällä paljon. Eihän Nuuksion suunnalla edes asu juuri ketään? Silloin älysin, että nämä saattoivat olla juuri näitä muutaman asukkaan ruutuja, joissa kaikki olivat eläkeläisiä.  Muutaman asukkaan ruudut miljoonan asukkaan alueella eivät mielestäni voi kuvata mitään kovin hyvin. Ne ovat vain yksittäistapauksia. Tämän takia ruutukokoa olisi pitänyt kasvattaa. Tätä ongelmaa ei myöskään olisi ollut eläkeläisten absoluuttisia arvoja esittävässä ruutukartassa. Otinkin vertailukohdaksi Aino Ruskomaan kartan, jossa kuvataan yli 60-vuotiaiden absoluuttisia osuuksia pääkaupunkiseudulla. Minulle paljastui, että omassa kartassani painottuvilla alueilla asuu todella vähän yli 60-vuotiaita. En usko, että 5 vuoden ikäero karttojen välillä asiaa muuttaa. Jopa omasta kartastani oli kuitenkin luettavissa, että Helsingissä oli eniten värjättyjä ruutuja, joten täällä eläkeläisiä olisi lukumäärällisesti eniten, kuten olin olettanutkin. Jee, sain siis edes jotain selville kartastani. Ehkä toinen asia, minkä huomasin oli, että nollan eläkeläisen alueita oli paljon. Tämä myös yllätti minut hieman. Karttani on siis informaatioarvoltaan varsin huono, varsinkin sellaiselle, joka ei tunne aluetta hyvin. Kenties koko elämänsä pääkaupunkiseudulla viettäneet saisivat kartasta enemmän irti.

Vaikka informaatioarvo on huono, se ei tarkoita, että kartta olisi myös visuaalisuudeltaan huono. Pidän sitä sen sijaan onnistuneena. Luonnolliset luokkavälit toimivat luokitteluna (jos ei lasketa niitä yksittäistapauksia, joissa 100% eläkeläisiä). Ruutuja, joissa eläkeläisten osuus on korkea, on vähän ja matalampia osuuksia paljon enemmän, mikä kuvaa vinoa jakaumaa. Lisäksi värivalinnat ovat ihan hyvät ja luokat erottuvat toisistaan. Ehkä ensimmäinen luokka erottuu kokonaan valkoisista alueista hieman huonosti. Valkoisuus on muutenkin ongelma. Ella Heikkinen on tehnyt kartan visuaalisuuden kannalta hyvän huomion valkoisista alueista:

“Hieman hämäävää on myös se, että tarkasteltavien kuntien ulkopuoliset alueet näkyvät kartassa myös valkoisena, mitä on käytetty kuntien sisällä erottamaan nollan yli 85-vuotiaan ruudut muista. Tämä aiheuttaa illuusion siitä, ettei pääkaupunkiseudun ulkopuolella asuisi lainkaan näin vanhoja ihmisiä.”

Omaan karttaani palaten olisi tietysti pitänyt kokeilla myös isompaa ruutukokoa, kuten jo aiemmin mainitsin. Näin pienemmät keskukset olisivat kuitenkin erottuneet huonommin. Karttaan lisäämäni tiestö selkeyttää karttaa ja helpottaa edes hieman itselleni tuntemattomien alueiden paikallistamista. Ehkä olisi pitänyt lisäillä kaupunginosien rajoja ja lisätä nimistöä. Tai ehkä olisi pitänyt ottaa mallia Natalia Erfvingin ruutukartasta, jossa pääkaupunkiseudun suuralueiden nimet on jätetty näkyviin. Tämä helpottaa ruutujen paikantamista huomattavasti, mutta ei kuitenkaan heikennä visualisuutta. Itse pohtimani kaikkien kaupunginosien rajaaminen ja nimeäminen olisi lisännyt informaatioarvoa, mutta heikentänyt visuaalista arvoa. Valintoja, niitä kartan tekeminen vaatii. Tällä kertaa en myöskään käyttänyt lainkaan Corelia, joten eteenpäin on menty MapInfon suhteen.

Tämän kerran oppi itselleni oli, että koropleettikartat ja erilaiset kahden teeman kartat ovat parempia kuin ruutukartat. Vaikka ruutukartan väsääminen oli ihan hauskaa ja hieman erilaista puuhaa, lopputulokseen ei voi kovin tyytyväinen olla. Yksinkertaisesti koropleettikartat antavat enemmän informaatiota, joten ne ovat parempia karttoja. Tämä havainto perustuu kuitenkin vain omiin tuotoksiini tällä kurssilla. Pitää muistaa, että tämä oli ensimmäinen tekemäni ruutukartta, joten ehkä on ihan hyvä ettei se heti onnistunut. Olen elämässäni muutenkin tutkinut koropleettikarttoja paljon enemmän kuin ruutukarttoja, joten ne ovat myös paljon tutumpia, ruutukartan tuntuessa hieman sekavalta. Varmasti tulokset paranevat, kun tiedot ja taidot ruutukartoista paranevat.

 

Lähteet:

Erfving, N. (2014). Kurssikerta 4: Ruutuja, rasterikarttoja ja alle kouluikäisten määrä pääkaupunkiseudulla; Kuva 1. Alle kouluikäisten määrä pääkaupunkiseudulla 500 m x 500 m -alueilla. Eniten lapsia on keskuksissa, kuten esim.  M- ja N-junien varsilla ja idässä Itäkeskuksessa. 17.2.2014. <https://blogs.helsinki.fi/nataliae/>

Heikkinen, E. (2014). Neljäs kurssikerta. 17.2.2014. <https://blogs.helsinki.fi/ellaheik/>

Ruskomaa, A. (2014). Kurssikerta 4: Ruutuja ja rastereita; Kuva 6. Yli 60–vuotiaiden absoluuttinen määrä ja jakautuminen pääkaupunkiseudulla 600×600 metrin ruudukolla. 17.2.2014. <https://blogs.helsinki.fi/ainorusk/>

Kurssikerta 3: Tietokannoista teemakarttaan

Hyvin käyntiin lähteneen PAK-kurssin kolmas kurssikerta koski tietokantojen käsittelyä MapInfossa. En osannut odottaa, että tietokantojen tietojen yhdistely, poistaminen ja uusien informaatiosarakkeiden luominen olisi näin helppoa. Lisäksi iso plussa MapInfon kohdalle pitää lisätä siitä, että Excel-taulukoiden tietoja on helppo käsitellä kyseisessä ohjelmassa. Harjoittelimme tätä hommaa ensin Afrikan kartalla ja niin vain onnistuin yhdistämään Afrikan rannikon osat yhdeksi kokonaisuudeksi ja laskemaan Facebook-käyttäjien osuuden valtioittain. Afrikan tiedot olivat kiinnostavia ja niitä olisi mielellään tutkinut enemmänkin. Minulla ei ollut juurikaan hajua esimerkiksi internetin käyttäjäluvuista Afrikassa. Ja kuten Ilkka Saarinen blogissaan pohtii:

“Internetkäyttäjien lukumäärää voidaan nykyään pitää jonkinlaisena kehittyneisyyden ja vaurauden perusindikaattorina…”

Näiden tilastojen pohjalta olisi saanut mukavan mielenkiintoisia yhden tai kahden teeman karttoja, joita olimme jo oppineet tekemään. Esimerkiksi juuri internetin käyttäjälukuja ja jotain muuta hyvinvoinnin indikaattoria vertailemalla samassa kartassa, oltaisiin nähty onko asia näin. Bruttokansantuote tuli mieleeni ensimmäisenä, mutta sitä ei tarjolla olevasta aineistosta löytynyt. Oppimillani taidoilla voisin kuitenkin yhdistää tietokantaan bruttokansantuotteen, pitäisi vain etsiä se muusta lähteestä.

Varsinaiseksi tehtäväksi osoittautui kuitenkin täysin uusi aihe eli Suomen valuma-alueiden tulvaindeksi ja järvisyys. No ei se mitään, Afrikkaa voisin varmasti tutkia jälkeenpäin omalla ajallanikin. Niin ei yllättäen kuitenkaan ole vielä käynyt. Mutta sitten Suomen kimppuun. Tarkoituksena oli luoda kartta, jossa tulvaindeksi esitetään valuma-alueittain koropleettikarttana ja tämän päälle lyödään vielä pylväsdiagrammit järvisyyttä kuvaamaan. Kuulosti varsin samanlaiselta kuin kakkoskerran tehtävä, mutta nopeasti selvisi tehtävän oikea luonne. Karttaa ei ollut mahdollista luoda ilman tietokantojen datan yhdistelyä. Yhdistin siis tarvittavat tiedot eri tietokannoista ja laskin niiden avulla tulvaindeksin ja lisäsin Excel-taulukosta järvisyyden. Kaikki vain muutamassa minuutissa. Pikkuhiljaa siis alkoi löytyä rutiinia tehokkaaseen toimintaan. Teemakartan luontikin sujui rutinoituneesti. Luokittelu ja värivalinnat olivat taas se vaikein rasti. Päätin kokeilla tällä kerralla täysin uutta luokittelutapaa, itse muokattuja luokkarajoja. Kvantiilit toimivat muuten luokitteluna, mutta lisäsin yhden luokan ainoastaan Aurajoen valuma-aluetta varten. Sen tulvaindeksi erosi niin huikeasti muista, että päätin luoda tälle kokonaan oman luokan, jotta se myös erottuisi kartalla. Lisäksi käytin viime kerralla oppimaani Corel-kikkaa, jotta sain karttaani muokattua hieman paremmaksi siirtelemällä pylväitä niin että valuma-alueet erottuisivat paremmin eivätkä olisi pylväiden takana piilossa. Muokkasin myös legendaa ja pohjoisnuolta, vaikka viime kerralla lupailinkin jo harjoitella niiden käyttöä MapInfossa.

Kuva 1.

Lopulta olin omaan karttaani (kuva 1) tyytyväinen. Sen taso selviäisi kuitenkin parhaiten vertailemalla sitä muiden karttoihin, joita olikin myöhäisestä kirjoittamisajankohdasta johtuen jo aimo liuta. Pidän eniten pohtimiani luokittelu- ja värivalintoja onnistuneina. Kartta on selkeä, valuma-alueet erottuvat toisistaan sekä pylväistä selvästi kiitos Corel-kikkailujeni. Ainoa epäselvä paikka on Kaakkois-Suomessa, jossa valuma-alueita on vieri vieren. Lisäksi pidän onnistuneena sitä, että jätin Suomen ja naapurimaiden väliset rajat näkyviin, mutta en järviä ja jokia. Se lisää kartan arvoa sijainnin suhteen, vaikka karttani potentiaalisille lukijoille Suomen sijainti onkin jo selvää. Ilmankin olisi siis pärjätty. Puutteita on objektien sijoittelussa. En saa tarkemmin, mikä kartassani on vialla, mutta jotenkin legendan, mittakaavan ja pohjoisnuolen sijoittelu ontuu. Lisäksi karttani näyttää ruudulla aikas tiiviiltä paketilta.

Ennen karttatulkinnan aloittamista, minun täytyi selvittää itselleni mikä tämä tulvaindeksi loppujen lopuksi on. Tähän asti työskentely oli varsin mekaanista, enkä ollut tullut ajatelleksi, mitä oikeastaan tutkin. Tietenkin olin asiasta jo hieman perillä, mutta vsta PAK-tiedotusblogin lausahdus

“…luku, joka kuvastaa virtaaman vaihtelua ja ottaa mukaan sekä kuivimmat kaudet että tulvaisimmat ajat.”

selitti asian itselleni täydellisesti.Se on siis varsin nerokas tapa mitata tulvien todennäköisyyttä vertaamalla sekä tulva-aikoja sekä kuivia aikoja.

Karttatulkinnassa huomio kiinnittyy ensin varsin tiheältä näyttävään rannikkoseutuun, jossa valuma-alueita on vieri vieren. Tulvaindeksiluvut ovat täällä korkeampia kuin sisämaassa, mutta järvisyysluvut puolestaan pienempiä. Tämän takia voidaan sanoa, että järvet toimivat vesivarastoina ja ehkäisevät tulvia. Koko Pohjanmaan rannikolla järviä on vähän ja tulvat ovatkin lähes jokavuotinen ilmiö. Tämän avulla voidaan perustella myös esimerkiksi tekojärvien rakentaminen tulvien ehkäisemiseksi. Tätä väitettä tukee myös Aurajoen valuma-alue, jossa tulvaindeksi on selvästi suurin ja järvien osuus pinta-alasta erittäin pieni. Lisäksi yritin tulkita, vaikuttavatko Suomen päävedenjakat jollain tavalla tulvaindeksiin ja järvisyyteen. Ainakin Suomenselän paikka on selvästi havaittavissa, sillä sen eri puolilla tulvaolosuhteet ovat täysin erilaiset. En kuitenkaan isompaa johtopäätöstä tästä osannut vetää, sillä onhan alava Pohjanmaa täysin erilaista aluetta kuin Järvi-Suomi.  Tulkinnassa tulin ihmetelleeksi myös rannikolle jääviä valkoisia alueita. Ovatko nämä alueet niin pieniä, että ne ovat jotenkin jääneet aineistosta pois vai onko itselleni sattunut jokin virhe? Johanna Hakasen blogista asia kuitenkin selvisi. Hän oli kysynyt asiaa opettajaltamme, jonka mukaan päävaluma-aluejaossa ei ole ihan kaikkia pienimpiä rannikon valuma-alueita otettu mukaan. Tämä käy järkeen, sillä muuten kartan rannikosta olisi tullut entistäkin vaikeaselkoisempi.

Kolmen kurssikerran jälkeen olo on ristiriitainen. Karttani ovat ihan hyvännäköisiä ja olen jotain oppinutkin, mutta silti MapInfon käyttö on vielä vierasta. Valitsen Corelin käytön jo pienien vaikeuksien kohdatessa, vaikka pienellä pähkäilyllä asia voisi selvitä itse paikkatieto-ohjelmalla, ei vektorinpiirto-ohjelmalla. Lisäksi pohdiskelin, miten tulisin toimeen ilman valmiita aineistoja. Nyt aineistot löytyvät turvallisesti kurssikansiosta, mutta kenties joskus näitä pitäisi löytää itsekin. Ehkä tästäkin vielä opitaan lisää. Tämä on kuitenkin vain harjoittelua ja tarkoituksena on oppia, joten olisihan se liian hardcorea yrittää löytää valmiita aineistoja itse tai luoda kokonaan omia.

 

Lähteet:

Hakanen, J. (2014). Kurssikerta 3: Datan lisääminen MapInfoon, pohdintoja harjoituskartasta sekä valuma-aluekartta. 9.2.2014. <https://blogs.helsinki.fi/johakane/>

PAK-tiedotusblogi. (2014). Tulvaindeksi. 9.2.2014. <https://blogs.helsinki.fi/pak-2014/>

Saarinen, I. (2014). KK3; (Paikka)TIETO LISÄÄ TUSKAA!. 9.2.2014. <https://blogs.helsinki.fi/ilkkasaa/>

Syken Oiva-tietokanta. Valuma-alueet. <http://wwwp2.ymparisto.fi/scripts/paikkatieto.asp>

Artikkeli 1: Kaksiteemainen koropleettikartta, siis mikä?

Anna Leonowicz esittelee artikkelissaan “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” minulle entuudestaan täysin tuntematonta kartografista esitystapaa. Kahta päällekkäistä koropleettikarttaa, jotka yhdistyessään kuitenkin muodostavat vain yhden toimivan ja kauniin kartan. Siis hetkinen nyt. Tätä pitää sulatella hetki. Anna tässä siis kertoo minulle, että kahden eri teeman esittäminen samasta alueesta eri koropleettikartoilla onnistuu myös yhdellä karttapohjalla. Kuulostaa monimutkaiselta, mutta samalla varsin mielenkiintoiselta. Kiinnostavaksi artikkeli myös osoittautui tarkemman tutustumisen jälkeen.

Artikkelissa päähuomio keskittyy tämän kaksi teemaa yhdistävän koropleettikartan etuihin ja laadintaan. Lisäksi sitä vertaillaan minulle tutumpiin vain yhtä teemaa esittäviin koropleettikarttoihin, jollaisen itsekin olen jo tällä kurssilla onnistunut tekemään. Kuten oletinkin, asia on varsin monimutkainen ja Leonowicz kertoo, kuinka esimerkiksi yhdysvaltalaiset olivat näiden kanssa aivan sekaisin 1970-luvulla. Avainsanoja tällaisessa kartassa ovat legenda, luokittelu, värit. Kaikkien näiden onnistuessa lopputuloksena on kartta, joka kertoo huomattavasti yksiteemaisia karttoja paremmin kahden muuttujan suhteista ja on näin huomattavasti informatiivisempi kuin kaksi erillistä karttaa, joiden yhtäaikainen lukeminen on vaikeaa. Saara Mäntykoski tiivistää asian itseäni paremmin:

”…yksiteemaiset kartat ovat tehokkaampia luettaessa alueellista levinneisyyttä, ja hyvin suunnitellut kaksiteemaiset koropleettikartat ovat tehokkaampia tulkittaessa alueellisia suhteita”.

Tätä väitettä tukee myös Vilnan ja Varsovan yliopistoissa kaltaisilleni aloitteleville maantieteilijöille tehty tutkimus.

Legenda on tässä karttatyypissä siis uskomattoman tärkeä. Ilman sitä lukisi karttaa kuin liina silmillä, mutta pelkästään sen avulla selviää jo joitain asioita kuten korrelaatio. Kuten koko karttatyyppi, myös legenda näytti aluksi vieraalta, enkä muistanut tuollaista nähneeni kuin matematiikan kirjassa. Tutkiskelun jälkeen asia kuitenkin selvisi ja kartan lukeminen onnistui. Tajusin, missä sitä nuorisoa on vähän ja missä kaupunkiasutus on yleistä. Mikä tärkeintä, ymmärsin myös näiden välisen korrelaation paremmin. Lisäksi on huomautettava, kuinka läheisiltä kaksi pienempää yksiteemaista koropleettikarttaa tuntuivat. Eivät ole todellakaan turhia nämä yksiteemaisetkaan. Kuvassa 1 on nähtävissä vielä koko kartta sekä legenda.

Kuva 1. Leonowiczin artikkelin kaksiteemainen koropleettikartta sekä legenda.

 

Mielestäni Leonowiczin esittelemää karttatyypin käyttöä pitäisi lisätä. Nykyään niiden käyttö on vähäistä, sillä en ollut moiseen ennen törmännyt, vaikka uskon lukeneeni enemmän karttoja kuin useimmat ikätoverini. Toivoisin käytön lisäämistä, vaikka kartan lukeminen onkin kasuaalille kartanlukijalle haastavaa. En tiedä, olisinko itse osannut lukea karttaa, ellei minulla olisi jo tiettyjä pohjatietoja koropleettikartoista ja jopa niiden tekemisestä. Näin ollen oma kartanlukutaitoni kehittyisi entisestään ja miksei myös näiden vähemmän karttoja lukeneiden. Samuli Massinen on blogissaan huomannut saman asian ja pohtii, että kahden muuttujan koropleettikartat voisivat lisätä perehtymistä kartanlukuun ja näin ollen lisätä kartanlukutaitoa.

Paras tapa aloittaa kahden teeman koropleettikarttojen käytön lisäys, olisi tietysti tehdä niitä itse. Tässä kohtaa joudunkin hieman syömään sanojani, sillä en ole ollenkaan varma, olisiko minusta tällaisen kartan laatijaksi. Vaatii enemmän taitoa kuin minulla vielä on, laatia toimiva kartta. Jo tämän kurssin muutama kartta ovat osoittaneet, että luokittelun ja värien valinta on aikaa vievää puuhaa. Näillä taidoilla tulos toimisi varmasti kuin, no junan hissi. Luokittelun ja värien pitää osua täydellisesti, jotta tuloksena olisi toimiva kokonaisuus. Tiia Seeve on kauhistellut kanssani samaa asiaa:

”Voin vain kuvitella voivani kuvitella, kuinka haastavaa on asettaa kyseisen kaltaiselle kahden muuttujan koropleetikartalle luokkien raja-arvoja, edes valita parhaita värejä!”

Mutta laitetaan to do –listalle, jos kartantekijät taidot olisivat joskus kehittyneet tarpeeksi. Uskoisin, että käytetystä paikkatieto-ohjelmasta eli MapInfosta asia ei jäisi kiinni. Se on yllättänyt minut jo monesti, enkä usko sen vieläkään paljastaneen kaikkia temppujaan.

Ylipäätään tämän harjoituksen tekeminen oli kehittävää, joten opetustavoitteessa onnistuttiin. Aiemmin en ollut kuullut koko asiasta, mutta nyt haaveilen jo oman kaksiteemaisen koropleettikartan tekemisestä. Kehityin myös tieteellisen artikkelin lukijana. Nämä eivät ole itselleni kovin tuttuja, joten lukeminen vieläpä englanniksi vaati huikeasti keskittymistä enkä edelleenkään ole varma sainko tekstistä irti kaikkia pieniä nyansseja. Onneksi pääajatus kuitenkin selvisi!

 

Lähteet:

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

Massinen, S. (2014). Artikkeli 1 – kahden muuttujan koropleettikartta. 6.2.2014. <https://blogs.helsinki.fi/smassine/>

Mäntykoski, S. (2014). Artikkeli 1 – reaktiopaperi. 6.2.2014. <https://blogs.helsinki.fi/smantyko/>

Seeve, T. (2014). Kurssikerta 2 osa 2: reagointia Annan artikkeliin. 6.2.2014. <https://blogs.helsinki.fi/setiseti/>

 

 

Kurssikerta 2: Lisää oppia teemakartoista

Toinen kurssikerta olikin aikataulujen takia jo seuraavana päivänä. Yhdessä yössä en ollut kokenut valaistusta MapInfon suhteen vaan sen käyttö tuntui kankeammalta kuin edellisiltapäivänä kartan teon lopetettuani. Nopeasti pääsin kuitenkin uudestaan juonen päästä kiinni, kun kävimme läpi ohjelman monipuolista teemakarttakattausta. Diagrammikartat, pistekartat ja jopa 3D-kartat olivat kaikki sisällytetty MapInfon monipuolisiin toimintoihin. Mikä tärkeintä, niiden tekeminen tuntui varsin vaivattomalta. Jälleen kerran ohjelma pääsi yllättämään!

Varsinaisena tehtävänantona oli kahden päällekkäisen teemakartan tekeminen. Aineistona toimi sama Tilastokeskuksen aineisto kuin ensimmäisellä kurssikerralla. Tutkiskelin pitkään Suomen tilastoja, mutta päätin lopulta väsätä karttani eläkeläisten osuuden yhteydestä kuntien nettomuuttoon (tulomuutto-lähtömuutto) Pirkanmaalla. Pirkanmaa on minulle tuttua aluetta, joten sen rajaaminen alueeksi tuntui loogiselta. Eläkeläisten osuus kunnittain ja nettomuutto valikoituivat puolestaan siksi, että ne kuulostivat mielenkiintoisilta. Kuntien vointihan on nykypäivän kuuma peruna mediassa ja eduskunnassa, kun väestö vanhenee, maaseutu autioituu ja kunnallisia palveluita lakkautetaan. Valitsemani aineistot kuvaavat mielestäni tätä kuntien tilaa. Olisin voinut valita eläkeläisten osuuden tilalle esimerkiksi työttömyysasteen tai väkiluvun, mutta koen, että ne ovat itselleni jo aika nähty juttu.

Tässä kohtaa apuun riensi tuttu histogrammityökalu (Histogram Tool), johon syötin eläkeläisten osuudet ja huomasin, että epämääräinen jakauma tuijotti minua ruudulta (kuva 1). Luokkajakona käytin siten hieman eksoottisempaa tasavälistä luokkajakoa. Totesin, että kolme luokkaa toimii parhaiten, koska useampaan luokkaan jaoteltuna luokista tulisi melko pieniä. Pirkanmaan alueelliset erot selkenivät myös hienosti jo kolmella luokalla. Tasavälinen luokkajako taasen valikoitui, koska luonnollisilla luokkaväleillä kartta olisi ollut liian Tampere-painotteinen ja kvantiileilla luokkien sisäiset vaihtelut olivat isoja.

Kuva 1.

Sitten loin kartan päälle vain toisen teemakartan, jolloin sain valmiissa kartassa (kuva 2) näkyvät ukot kartalle. Helppoa! Erikokoisten ukkojen käyttö oli omiaan kuvaamaan nettomuuton määrää ja pienellä värimuutoksella muuton negatiivisuus/positiivisuus aukeni upeasti. Olin jo aiemmin pohtinut, että harmaa väri on neutraali tapa kuvata jotain asiaa ja kun luokkia oli vain kolme, harmaan eri sävytkin erottuivat toisistaan. Tämän jälkeen ongelmaksi muodostui nimistö. Jouduin hieman rauhoittelemaan jo hienosti edennyttä suhdettamme MapInfon kanssa ja siirsin kartan Coreliin. Pyry Poutasen blogista luin Corelin ylivoimaisista muokkausmahdollisuuksista, mikä sai mieleni halajamaan takaisin sen pariin. Corelissa vasta innostuinkin. Vaihdoin ukkojen suuntaa, jolloin osa niistä olisi muuttamassa kuntaan ja osa poistumassa kunnastaan. Samaan syssyyn muokkasin nimistöä, pohjoisnuolta ja mittakaavaa, jolloin muistin Corelin helppokäyttöisyyden. Ehkä olisi kuitenkin hyvä tutustua myös siihen MapInfoon lisää eikä haikailla menneeseen, vaikka paras mahdollinen karttahan sitä aina on tavoitteena.

Kuva 2.

Lopulta kartastani tuli mielestäni onnistunut. Eläkeläisten osuuden ja nettomuuton vertailu onnistuu kivuttomasti ja nimistö ei peitä liikaa tai tee kartasta epäselvää. Huomattavissa on selkeää positiivista korrelaatiota eläkeläisten osuuden ja nettomuuton kesken. Nettomuutto on negatiivista alueilla, joilla eläkeläisten osuus on korkea ja päinvastoin. Poikkeuksia on kuitenkin kohtalaisen monta eli kolme, Ikaalinen, Kangasala ja Vesilahti. Syytä näille kolmelle yritin pohtia, mutta eipä mitään järjellistä tullut mieleen. Pelkän nettomuuton suunnan lisäksi pitää tarkastella sen lukumäärää. Vähemmän yllättäen Tampere ja sen välittömässä läheisyydessä olevat kunnat ovat niitä, joihin eniten muutetaan. Kangasala toki tässäkin poikkeuksena. Pirkanmaan reunakunnista Valkeakoski näyttäisi olevan omassa kastissaan nettomuuton lukumäärässä. Tämä voisi johtua esimerkiksi hyvistä liikenneyhteyksistä. Yllättävää kartassa on mielestäni myös, että Pirkkalan ukko on Tampereen kanssa samankokoinen. Olisin kuvitellut, että Tampere erottuu selkeästi edukseen, mutta hyvin on sen ympäryskunnillakin vetovoimaa. Yksi huomionarvoinen seikka on myös absoluuttinen muuton lukumäärä. Ajattelin, että muuttajia on enemmän, mutta Tampereen ja Pirkkalan lukumäärät ovat hädin tuskin 500 ihmistä enempää. Samoin muuttotappiokunnissa lukumäärät ovat kohtalaisen pieniä eli esimerkiksi Ruoveden, josta ihmisiä eniten muuttaa pois, määrä on alle 250. Pirkanmaa on valtion tasolla kuitenkin kohtalaisen houkutteleva alue, joten ehkäpä se tasoittaa lukumääriä. Näitä asioita tutkiessa täytyy lisäksi todeta, että alussa hylkäämäni nettomuutto+väkiluku –combo olisi sittenkin ollut mielenkiintoinen ja tarjonnut hieman erilaisen tavan tulkita nettomuuttoa.

No mutta johan siinä tuli taas pohdiskeltua. Ei muuta kuin jälleen viisaampana ensi kertaan.

Edit. Näin jälkikäteen karttaa tutkiessani huomaan kartassani yhden virheen. Sellaisen, joka kaikessa kartanluonnin tohinassa jää huomaamatta, mutta mikä pitäisi ehdottomasti karsia pois. Nimittäin legendani ja karttani ukot ovat menossa eri suuntiin. Kartalla muuttovoittoisissa kunnissa ukon menosuunta on oikealle ja väri vihreä, mutta legendassa menosuunta on vasemmalle. Sama juttu muuttotappioisissa kunnissa. Eipä auta, virheitä sattuu ja onneksi huomasin tämän edes näin viikon jälkikäteen.

 

Lähteet:

Histogram Tool (2014). <http://illuminations.nctm.org/Activity.aspx?id=4152>

Poutanen, P. (2014). Kurssikerta 2 – teemakarttojen syvissä vesissä. 28.1.2014. <https://blogs.helsinki.fi/pyrypout/>

Tilastokeskus (2011). Väestörakenne. 24.1.2014.

Kurssikerta 1: MapInfo ja ensimmäinen teemakartta

Taas oli aika palata yliopiston penkille lomien jälkeen, kun kolmannen periodin Paikkatiedon hankinta, analyysi ja kartografia – kurssi eli tuttavallisemmin PAK-kurssi alkoi. Tähän blogiin kerään tuotoksiani ja kirjoittelen kurssin aikana heränneitä mietteitä.

Ensimmäinen kurssikerta aloiteltiin lyhyellä johdannolla, jonka jälkeen käytiin läpi, mitäs se kuuluisa paikkatieto taas olikaan. Vaikka asian pitäisi jo tuttu olla, kertaus tuli silti tarpeeseen, sillä useinhan syksyllä opitut asiat pääsevät hieman ruostumaan joululoman aikana. Näin oli käynyt ainakin paikkatieto-ohjelmisto MapInfolle, johon olimme alustavasti tutustuneet jo syksyllä. Tällä kurssilla tarkoituksena oli oppia käyttämään kyseistä ohjelmaa paremmin ja löytää sisäinen MapInfo-eksperttimme. Kurssikerran edetessä huomasinkin ohjelman käytön luonnistuvan jo paremmin ja onnistuin pienten hankaluuksien jälkeen luomaan ensimmäisen teemakarttani.

Oman teemakarttani aiheena oli Suomen kuntien työttömyysaste vuoden 2010 lopussa. Kartan aineistona toimii Tilastokeskuksen väestötiedot vuodelta 2010. Jälleen huomasin tarvitsevani syksyn tietoja ja taitoja, kun aineistosta piti laatia histogrammi ja sen avulla päättää sopiva luokkajako. Internetin syövereistä löytyi tähänkin hommaan kuitenkin kätevä apuväline nimittäin histogrammityökalu (Histogram Tool).

Kuva 1.

Histogrammin (kuva 1) avulla selvisi, että aineistoni oli selkeästi normaalijakautunut, joten luokkajakona voisi toimia parhaiten kvantiilit eli jokaisessa luokassa olisi osapuilleen yhtä monta havaintoa. Lisäksi piti päättää, montako luokkaa kannattaisi tehdä mahdollisimman selkeän ja informatiivisen lopputuloksen kannalta. Jotain on selvästi tehty syksyllä oikein, kun erilaisia vaihtoehtoja tutkiessani pohdiskelin, että tämähän korostaa tuota aluetta aivan liikaa tai että näin monella luokalla tuo ja tuo alue jäävät liian epäselviksi. Orastavaa kartantekijän alkua siis havaittavissa! Lopulta päädyin neljään luokkaan, koska alueelliset erot olivat näin riittävän selkeät mutta eivät kuitenkaan liikaa yleistetyt.

Kuva 2.

Lopputulos on tässä (kuva 2). Mitäs tuosta nyt sanoisi. Oikeastaan olen yllättynyt, kuinka hyvin kaikkien aikojen toinen karttani MapInfolla onnistui. Kartasta löytyy kartografiset peruselementit ja mielestäni sitä on helppo lukea. Pahiten työttömyydestä kärsivät kunnat keskittyvät itään ja pohjoiseen, mutta näitä on muutamia myös Keski-Suomessa ja Porin seudulla. Hertta Lehvävirta on laatinut teemakarttansa samasta aiheesta ja toteaa näin:

”Paras työllisyystilanne taas on eteläisissä ja läntisissä kunnissa, joissa työpaikkojen tarjonta on suuremman asutustiheyden, rikkaamman elinkeinoelämän ja elinvoimaisen teollisuuden takia runsaampaa. Korkean työttömyysasteen kunnissa kunnan talouden tila on usein heikko, sillä työttömyyden lisääntyessä verotulot pienentyvät ja toisaalta kunnan sosiaalimenot kasvavat yhtäaikaisesti”.

Tässähän se on tiivistetty. Minut yllätti Pohjanmaan yleisesti hyvä työllisyystilanne ja Porin seudun vastakkainen tilanne. Lisäksi tietysti piti tarkistaa kotikuntani Tampereen tilanne ja hämmästyksekseni kunta oli hälyttävän punainen.

Kartan puutteeksi lasken nimistön puuttumisen, koska jos Suomesta mitään tietämätön yrittäisi selvittää, missä kaupungissa niitä työttömiä nyt sitten on, niin mahdotontahan se olisi. Meillä kaikilla on kuitenkin melko hyvät perustiedot Suomesta, joten voimme nimetä suurimpia kaupunkeja ja niiden ympäristöjä melko tarkasti. Koin kuitenkin melkoisen yllätyksen, kun halusin tarkistaa tuolla Kainuun ja Pohjois-Savon tienoilla sijaitsevat kaksi matalimpaan työttömyysluokkaan kuuluvaa kuntaa. Oletin näiden olevan Kuopio ja Kajaani, mutta tosiasiassa ne olivatkin Paltamo ja Siilinjärvi. Paltamo oli täysin uusi tuttavuus, mutta Siilinjärvi on sentään Kuopion naapurikunta. Tämä liittyy myös aiemmin tekemääni havaintooni Tampereesta ja Porista. Eivät ne kasvukeskukset olekaan täydellisiä. Mutta tosiaan, nimistö olisi tärkeä osa karttaa, mutta vaikeahan tuonne niitä kaikkia 336 kuntaa on saada mahtumaan. Hyvän kokonaiskuvan Suomesta saa toki ilman nimistöäkin, ja isojen aluekokonaisuuksien erot ovat silti selviä, joten ehkäpä tämä on tarpeetonta kritiikkiä. Toinen asia, jonka laitoin merkille, on rannikon liika tarkkuus. Tämän on huomannut moni koko Suomesta teemakarttansa tehnyt ja esimerkiksi Christa Sallasmaa sanoo blogissaan että:

”Pientä hienosäätöä voisi vielä tehdä, sillä esimerkiksi kartan rannikko on turhan tarkkaan kuvattu tähän tarkoitukseen”.

Nyt on ensimmäinen kurssikerta ja blogikirjoitus takana ja fiilikset ovat yllättävän hyvät. Tekstiä syntyi yllättävän helposti, kun muoto oli hieman vapaampi ja kartastanikin sai havaintoja tehtyä. Muiden blogeja oli myös mukava lueskella ja tarkastella heidän havaintojaan ja perusteluitaan. Ehkäpä asenteeni kurssia kohtaan oli liian epäilevä, kun yllätyin sekä blogin kirjoittamisen mukavuudesta sekä MapInfon käytöstä. No, vielä ehtii mieli muuttua, mutta toivottavasti kuitenkaan ei.

 

Lähteet:

Histogram Tool (2014). <http://illuminations.nctm.org/Activity.aspx?id=4152>

Lehvävirta, H. (2014). Ensimmäinen kurssikerta: tutustumista MapInfoon. 27.1.2014. <https://blogs.helsinki.fi/herttale/>

Sallasmaa, C. (2014). Kurssikerta 1: MapInfoon tutustuminen ja koropleettikartta. 27.1.2014. <https://blogs.helsinki.fi/christas/>

Tilastokeskus (2011). Väestörakenne. 23.1.2014.