Viides kurssikerta

Tämän kurssikerran informatiivinen sisältö oli kompakti paketti eräästä jo hieman erikoistuneemmasta MapInfon käytöstä. Kurssikerran pääsisältö keskittyi ”bufferien”, ns. puskurialueiden käytön opettamiseen. Puskurialue on tietyn objektin (pistemäisen sijainnin kuten sairaalan tai monimuotoisemman, vaikkapa tieverkoston tai rakennuskompleksin rajaaman monikulmion) ympärille halutun matkan päähän objektin reunoista viritetty alue. Bufferit mahdollistavat helpon havainnollistamisen sekä selvittämisen, kun halutaan selvittää nopeasti ja helposti esimerkiksi kaikki alle sadan metrin päässä päätieverkosta olevat rakennukset. Käytännössä buffereita voi hyödyntää vaikkapa koulujen sijoittamista suunnitellessa – bufferin avulla on helppo laskea, kuinka monta asukasta jää esimerkiksi alle viidensadan metrin päähän koulusta rakennuksen sijoittamista suunnitellessa. 

Sitä hyvää (reflektiota ja muuta innovaatiopärinässettiä)

Kurssikerran aikana huomasin otteeni joidenkin vanhojen opetettujen asioiden kanssa vielä hieman hapuilevan, mutta tehtävien teon aikana jo opitun toistaminen tuntui vahvistavan aikaisemmien kurssikertojen opintoja empi tekemään harrastelijaluokan korrelaatiotutkimusta, puskurialueita olisi mielenkiintoista yhdistellä kirjattuihin tehtyjen rikosten tapahtumapaikka-aineistoihin. Poliierityisen paljon. Tulevaisuudessa kurssikertojen hieman vahvempi asiaperäinen päällekkäisyys voisi tehostaa opiskelijoiden oppimistuloksia merkittävästi. Tulevana opettajana opituista työkaluista koen hyödyllisimpänä erilaisten teemakarttojen tekemisen ja yleisesti Mapinfon käyttämisen ohessa parantuneet visualisointitaidot. Taitotasoni erilaisten tietokantojen tuomisen ja yhdistämisen suteen jäi minullakuitenki varsin vajavaiseksi. Mikäli olisin motivoitunesiasemiin puskurialueet kiinnittämällä ja niiden kokoa tarkkailemalla olisi mielenkiintoista nähdä, alkaako jossain tietyssä kokoluokassa merkittävä osa rikoksista alkaa jäämään puskurialueiden alle, vai kasvaako tehtyjen rikosten määrä tasaisesti. Toisinsanoen, onko poliisiasemilla itsessään ”puskurivaikutusta” tehtyjen rikosten suhteen.

Puskurialueet vaikuttavat erittäin käyttökelpoiselta työkalulta, joskin ne vaativat tarkkaa (ja näin ollen yleensä kalliimpaa, rajatumpaa ja harvinaisempaa) pistemäistä paikkatietoaineistoa. Puskurialueiden muoto itsessään ei myöskään ole ainakaan meille opetetun perusteella, eli vaikkapa maantieteellisiä rajatekijöitä on vaikea sisällyttää puskurianalyysiin.

Kurssikerran tehtäviä ja pohdintaa

En kokenut, että puskurialueen oletusasetuksilla jakama kahdentoista segmentin ympyrä olisi tarpeeksi tarkka tehtäviimme, joten jaoin sen 36 segmenttiin. Tästä johtuen puskurini keräsivät sisäänsä hieman enemmän ihmisiä kuin esimerkiksi Sari Aroalholla (Aroalho 2017). Kurssikerran numeeriset tulokset alla olevassa taulukossa (Taulukko 1), kartta uima-altaista ja saunoista taulukkoa seuraavassa kuvassa (Kuva 1).

Kartasta itsessään tuli aikamoinen hirvitys – Muiden blogeja kuikuillessa huomasin, että meille olisi ilmeisesti ollut tarjolla kuvaa selventävä pohjakartta. Lisäksi numeroita ja pylväskuvaajia ei tuntunut olevan mitenkään mahdollista mahduttaa kuvaan siististi, ja loppujen lopuksi turhautuneena poistuin tunnilta ennen kuin ärräpäät alkoivat lentelemään.

Taulukko 1. Itsenäisten tehtävien tulokset

 

 

 

 

 

 

 

Kuva 1. Uima-alueiden määrä helsingissä alueittain

Lähteet: Sari Aroalho, https://blogs.helsinki.fi/aroalho/, 17.2.2017

 

 

Neljäs kurssikerta

Tällä viikolla kurssikerran aiheena olivat erilaiset pistekartta-aineistot. Aloitimme tutustumalla tietokantaan, johon oli listattu pääkaupunkiseudun väestön asukkaista ja sijainneista tietoa. Kartasta tehtiin ruututeemakartta, jonka kautta pystyimme kuvantamaan mielenkiintoiseksi kokemien ilmiöiden alueellista jakautumista. Tehtävänämme oli myös pohtia, onko yleisesti hyväksyttävää käyttää ruututeemakartoissa absoluuttisia arvoja. En näe tässä mitään ongelmaa, sillä ruututeemakartoissa kaikki alueet (ruudut) ovat keskenään saman kokoisia ja näin lähes aina vertailukelpoisia. Poikkeuksena tietenkin ovat maantieteelliset esteet, vaikkapa ihmisten sijoittumista tarkastellessa vesistöt. Koska itse vesistössä harvemmin on asutusta, jäävät tällöin myös vesialueita sisältävät ruudut ”todelliselta” pinta-alaltaan muita ruutuja pienemmäksi. Toisaalta esimerkiksi korologisissa matriiseissa, joissa pinta-ala kuvattavien alueiden väleillä yleensä vaihtelee, absoluuttisten arvojen käyttäminen on harhaanjohtavaa ja yleisesti epäsuotavaa, sillä luonnollisesti suuremmilla mitta-alueilla on tendenssi saada suurempia absoluuttisia arvoja mitattaessa. Tämän takia korologisessa matriiseissa käytetään yleensä pinta-alasta riippumattomia väestöön suhteutettuja arvoja tai prosentteja. Ruututeemakartoissa tätä ongelmaa ei ole, sillä kaikki alueet ovat saman kokoisia ja näin ollen absoluuttiset ja suhteelliset arvot ovat identtisesti lineaarisesti riippuvia valitusta ruudusta riippumatta. Ruututeemakartat tarjoavat yleensä korologisia matriiseja alueellisesti spesifimpää tietoa, mutta niiden ylläpito- ja kartoituskustannuksetkin ovat yleensä vastaavasti suuremmat.

Ruutukartatkaan eivät ole täysin tarkkoja; pelkän ruutukartan perusteella on mahdotonta sanoa, millä kohtaa aluetta havaintoyksiköt sijaitsevat. Tällaista jokaisen havaintoyksikön tarkasti yhteen paikkaan sitovaa tietokantaa kutsutaan puolestaan pistekartaksi. Pistekartat ovat vielä tarkempia (ja tämän takia yleensä kalliimpia) tietokantoja, joissa paikkatiedon tarkkuus on käytännössä suurin mahdollinen (yksittäiset pisteet). Näin kuvattavasta ilmiöstä saadaan mahdollisimman todenmukaista ja tehdyistä kartoista tosielämää vastaavia. Toisaalta äärimmäisen tarkka kuvaantaminen tekee myös kartoista helposti hyvin vaikeita tulkita ja lukea. Pistetietoaineistoa käsitellessä on tärkeää punnita pistetietoaineiston sellaisenaan esittämisen hyötyjä esimerkiksi ruututeemakartaksi yleistämisen hyötyihin.

 

Sporttiset ruutukoot ottakkee yhteyttä

Kuva 1. Muunkielisten osuus prosentteina väestöstä

Tehtävänämme kurssikerran jälkeen oli kokeilla ruututeemakartassa erilaisia ruutukokoja pistetietoaineiston esittämiseen. Tein muutamia karttoja, joissa hain suurinta mahdollista toimivaa ruutukokoa. Aineistona käytin muunkielisten osuutta väestöstä, sillä koen (niin taloudellisen kuin kulttuurillisen) alueellisen segregaation kehittymisen erittäin mielenkiintoisena asiana. Suurin toimiva ruutukoko rajaili asuinkeskittymien koon ylärajaa. Noin kilometrin kokoiset ruudut toimivat juuri ja juuri, mutta valitsin myös epäkohtien korostamiseksi blogiini 1,5km x 1,5km ruutukoon (Kuva 1). Jätin ruututeemakartan läpinäkyvyyden 70 prosenttiin, jotta alla oleva tiestö ja näin ollen alueellinen paikantaminen suurien ruutujen alta helpottuisi. Kuvasta nähdään muunkielisten voimakas alueellinen eriytyminen. Yleinen gradientti on laskeva Helsingin keskustasta ulospäin siirryttäessä, eikä useimmilla alueilla ole muunkielisiä yli kymmentä prosenttia. Kartalta löytyy kuitenkin yksittäisiä tai korkeintaan parillisia ruutuja, joihin eriytyminen on keskittynyt ja joissa muunkielisten osuus ylittää 20%. Hauskana huomiona myös esimerkiksi kampusalueet, vaikkapa Otaniemi ja Viikki, näkyvät tummempina läiskinä, todennäköisesti vaihto-oppilaiden (mikäli heitä on sisällytetty tähän aineistoon) takia. Ruutukoko on jo kuitenkin hieman liian suuri ja erityisesti asuintihentymien alueella (ydinkeskusta, itäkeskus, myyrmäki) ruutukartta-aineisto tasoittaa paikallisen vaihtelun yhdeksi harmaaksi massaksi. Jokisen blogin ulkomaan kansalaisten absoluuttisia määriä alueella verratessa muun kuin suomen- tai ruotsinkielisten määrä korreloi lähes täsmällisesti ulkomaiden kansalaisten tihentymien kanssa. Jokisen blogin kuvan pienempi ruutukoko, 400m x 400m antaakin jo riittävän tarkan resoluution paljastaakseen tarkemmin ulkomaan kansalaisten tihentymät ja reuna-alueet, kun taas minun ylärajaa hakevan ruututeemakarttani näyttää vain karkeita alueellistuksia.

Lähteet

Vilja Jokinen, 4. Kurssikerta. <https://blogs.helsinki.fi/jokinenv/> Luettu 15.2.2017.

 

Infoa MapInfoon

Tällä kertaa jätimme ainaisen karttojen vääntämisen vähemmälle ja keskityimme opettelemaan erilaisten tietokantojen yhdistelyä ja tuomista MapInfoon. Toimme mm. tietokannan Excelistä MapInfoon ja yhdistelimme tietokantoja toisiinsa esimerkiksi nimen perusteella. Harjoituspohjana toimi kartta Afrikasta, johon lisäsimme valtion rajojen lisäksi mm. alueilla tehdyt öljy- ja timanttilöydöt. Vaikka minulta menikin ilmeisesti kurssikerralla kehoitus ohi, piti meidän ainakin Tanja Palomäen blogin (2017) mukaan pohtia, mitä tiedoista voisi päätellä, mikäli tietokannoistamme löytyisi aikaisemmin tuotujen tietojen lisäksi konfliktien tapahtumavuosi, konfliktin laajuus/säde kilometreinä, timanttikaivosten löytämisvuosi, timanttikaivoksen kaivausten aloitusvuosi, timanttikaivosten tuottavuusluokittelu, öljykenttien löytämisvuosi, öljykenttien poraamisvuosi, öljykenttien tuottavuusluokittelu ja internetkäyttäjien lukumäärä eri vuosina.

Annetun tietokannan tietojen perusteella olisi mielenkiintoista tarkastella öljykentän tai timanttikaivoksen löytämisen ja hyödyntämisen välisen ajan suhdetta öljy- tai timanttikentän tuottavuusluokitukseen. Lisäksi datasta voisi helposti selvittää aiheuttaako edellämainittujen luonnonvarojen löytyminen konflikteja (vaikkapa varojen omistusoikeudesta) testaamalla korreloiko (erityisesti suhteessa tuottavuuteen) konfliktien alkaminen luonnonvarojen hyödyntämisen aloituksen kanssa. Timanttikaivokset ja öljykentät tuottavat myös alueelle enemmän tai vähemmän tasaisesti jakautunutta varallisuutta. Lisääntynyt varallisuus saattaisi näkyä lisääntyneenä internetkäyttäjien määränä, kun yhä useammalla on varallisuutta hankkia tietokone ja internetyhteys. Olisi siis kiehtovaa verrata, kasvaako maan internetkäyttäjien määrä nopeammin maissa, joissa on paljon öljykenttiä tai timanttikaivoksia.

 

Tietokantojen yhdistelyä ja esteettinen valaistuminen

Kuva 1. Suomen järvisyys ja tulvaindeksi valuma-alueittain

Kurssikerran itsenäisenä tehtävänä pääsimme pakertamaan Suomea kuvaavan teemakartan parissa, johon tuotiin sekä visualisoitiin tiedot Suomen päävaluma-alueista, alueiden tulvaindeksistä ja järvisyydestä. Aikaansaamani kartta oli suoraan sanoen järkyttävän ruma (Kuva 1). Ensimmäisenä mieleeni tuli lähinnä yläasteikäisen herrasmiehen paint-väännös (Kuva 2). Kerrankin kädenjälkeeni kunnolla syventyessäni tajusin, ettei automatisoitu prosessikaan välttämättä tarkoita automaattisesti hyvää tulosta. Teemakartan pohjavärit vaaleammiksi vaihtamalla kuvan selkeys paranisi huomattavasti. Lisäksi valuma-alueiden nimet olisi selkeyden vuoksi voinut jättää piirtämättä, jolloin tilaa olisi jäänyt myös selkeämmille ja laajemmille pylväsdiagrammin pylväille. Seuraavalla kurssikerralla aion erityisesti pohtia ja painottaa karttani ulkoista olemusta, selkeyttä ja luettavuutta.

Kuva 2. Nimeämättömän taiteilijan lähes identtinen teemakartta

Kartan heikosta luettavuudesta huolimatta informaatiosisältö on kuitenkin jokseenkin hal

uttu. Kartassa tulvaindeksi on keskimäärin korkeimmillaan rannikon pienipinta-alaisilla valuma-alueilla. Tähän on uskoakseni lukuisia syitä, joista merkittävimmät aion listata ilman mitään varsinaista järjestystä:

  1. Lähes kaikki pienelle valuma-alueelle satava vesi päätyy nopeasti pääuomaan, jolloin esimerkiksi voimakkaiden sateiden jälkeen vedenpinta nousee äkillisesti. Suuremmilla valuma-alueilla vedenpinnan vaihteluja tasaa pitkät viipymäajat veden hiljalleen kulkeutuessa pitkiä matkoja kohti pääuomaa.
  2. Rannikon valuma-alueiden järvisyysaste on pieni. Järvet toimivat veden pidättäjinä ja varastoina niiden valtavan tilavuutensa ansiosta, joten veden kerääntyessä järviin esim. sateiden seurauksena vedenpinta alajuoksulla ei koe yhtä dramaattisia muutoksia kuin järvettömillä alueilla.
  3. Rannikkoalueet ovat yleisesti ottaen keskimäärin asutetumpia ja kaupungistuneempia. Tämän seurauksena maaperän veden sitomiskyky on huomattavasti matalampi puiden ja muun kasvillisuuden puuttuessa lähes kokonaan. Sateen seurauksena vesi päätyy lähes esteettä pääuomaan, nostaen vedenpintaa dramaattisesti ja laskien taas verrattain nopeasti.

Toinen kurssikerta

Toinen kurssikerta takana, woopwoop! Nelituntisen opintopätkän sisältö rakentui varsin pitkälti viime kerralta opitun päälle ja opimme viimekertaisen koropleettikartan lisäksi visualisoimaan dataa mm. pylväs- ja ympyrädiagrammein, tiheyskartoin ja kaiken maailman interpoloiduin 3D-visualisointihärpäkkein. Pylväs- ja ympyrädiagrammit tukevat koropleettikarttojen visualisoimia tietoja tuomalla koropleettikarttojen (esimerkiksi) väkilukuun sidotun suhteellisen intensiteetin karttoihin lisäapuna myös absoluuttisia suuruusarvoja. Pistekartat puolestaan toimivat taulukoidun arvon määrää korostavana karttatyyppinä. Esimerkiksi pistekartalla joka esittää kesämökkien määriä kunnissa saadaan korostettua kesämökkitihentymien rajautunutta alueellisuutta ja tiettyjen kuntien suosiota perinteisinä kesämökkialueina. Pistekartan heikkoutena MapInfossa kuitenkin on se, ettei se sido pisteitä (tietääkseni) tiettyyn paikkaan vaikka pisteiden sijoittumisessa tiettyä ryhmittymistä näyttäisikin olevan, vaan lätkäisee pisteitä sinne sun tänne annetulla alueella. Karttoihin koropleettikartan päälle muita kuvaajia lisätessä tulee kuitenkin olla varovainen, sillä kartan yleisilmeestä tulee helposti todella sekava. Jo toiselta kurssikerralta poistuessani tunnen saaneeni vahvat työkalut paikkatiedon monipuoliseen visualisointiin.

Kurssikerran lukemistossa (Anna Leonowiczin, Two-variable choropleth maps as a useful tool for visualization of geographical relationship, 2006) käsiteltiin kahden koropleettikartan yhdistämisen mahdollisuutta yhdeksi kartaksi, jossa taulukoitujen muuttujien intensiteettiä kuvataan eri väreillä. Esitetty sovellutus oli mielenkiintoinen sekä huomiota herättävä ja näen sen käyttösovellutuksissa oman kapeahkon mutta merkittävän ekolokeronsa. Perinteisempi tapa, jossa yhtä koropleettikarttaa kuvataan värimuutoksilla ja toista rasterikuvioilla, on laajakäyttöisempi mutta siinä muuttujien korreloinnin tarkkailu on vaikeaa. Leonowiczin esittämässä menetelmässä korrelaatio näkyy molemmista muuttujista eroavalla värillä (esimerkiksi toisen muuttujan ollessa sininen ja toisen keltainen korrelaatio näkyy kaikilla intensiteettitasoilla vihreänä), jolloin muuttujien samassa suhteessa korreloiminen näkyy kartassa selkeästi omalla värillään. Kahden värin käyttö eri muuttujille mahdollistaa myös liukuvärin käytön intensiteetin kuvauksessa, jolloin on mahdollista hyödyntää useampaa kuin artikkelin suosittelemaa kolmea porrasta per muuttuja, ja näin saada tarkempaa informaatiota kuvaajaan luettavuuden säilyessä.

Tehdään Ahvenanmaasta taas mahtava

Kurssikerran tehtävänä oli kuvata kahta mahdollisesti korreloivaa muuttujaa ja ylipäänsä pohtia, millaisen tiedon esittäminen samanaikaisesti on selkeää sekä järkevää. Viimeisimpien lehtiotsikkojen ja euromaissa päätään nostavan konservatiivisen nationalismin innoittamana käänsin katseeni Amerikan kasvavista muureista takaisin koti-Suomea kohti.

Kuva 1. Ahvenanmaan sekä lähiseudun ruotsinkielisten osuus puna-viherväriskaalalla ilmaistuna ja koulutustaso rasteroituna

Pikaisella tietojen selaamisella myös Suomesta löytyi erinomaista potentiaalia omalle linjalle Vaihtoehtoisia Faktoja™. Nyt aionkin MapInfon avulla kiistattomasti todistaa [citation needed], että mahtava Suur-Suomen kansa on esimerkiksi länsinaapureihinsa verrattuna mittavien luontaisten hengen- ja ruumiinlahjojensa lisäksi myös korkeakoulutetumpaa kuin lähinaapurimme. Kurssimateriaalimme avulla luotu kartta (Kuva 1) osoittaa, miten lisääntynyt suomalaisten osuus esimerkiksi Ahvenanmaalla ja sen lähiseudulla kulkee selvästi käsi kädessä korkeamman koulutustason kanssa. Jo tämä yksinään osoittaa kiistattomasti suomalaisten luontaisen paremmuuden, tarpeen länsirajan muurille sekä kasan muita väitteitä, joille en ikimaailmassa löytäisi vertaisarviointia kestäviä lähteitä.

Hyvän (vaiko hyvin huonon?) maun rajoilla liikkuva sarkasmi sikseen, korrelaatiohan ei itsessään vielä tarkoita kausaatiota ilmiöiden välillä, joten kartan todellinen painoarvo on erittäin kyseenalainen. Suoralta kädeltä en keksi tällaisille “koropleetti + rasteri/skaalautuva (graduated)/pistekartta” kaksoiskartoille kovinkaan monia käyttökohteita. Selvästi vahvimmillaan kaksoiskartat ovat, kun rasterilla pyritään visualisoimaan jo vahvasti todistettua kausaatiota tai koropleetin ilmoittaman suhteellisen intensiteetin lisäksi halutaan tuoda vaikkapa pylväsdiagrammilla visuaalisesti esiin myös absoluuttiset lukuarvot. Lisäksi omassa kartassani rasteriväritys menetti rankasti lukukelpoisuuttaan kartan blogiin tuodessa. Asiaa on kuitenkin haastava lähteä korjaamaan ennen seuraavaa kurssikertaa ja pääsyä tiedostoihini. Tulevaisuudessa pyrin pitämään huolta kartan selkeydestä ja varmistamaan ennen kurssikerralta poistumista, että karttani toimivat myös internetin ihmemaailmaan tuotuna.

Lähteet

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