Kategoriat
Uncategorised

Lisää elementtejä analyysiin

Voisin aloittaa jokaisen blogitekstini Aapo Keinästä siteeraten: ”Tavoitteena oli oppia ohjelman perusasiat”, sillä aina tuntuu siltä kuin olisi täysin avuton. Luotto omaan oppimiskykyyn on kuitenkin vahva ja päätin luottaa kliseeseen: kolmas kerta toden sanoo. Minun totuuteni taitaa olla se, että ilman kotona tehtävää toistoa en kykene asioita sisäistämään.

Itse kurssikerta alkoi vahvasti ja välillä huomasin jopa tuulettavani onnistumisteni johdosta. Opin paljon uusia nippelitietoja ja -taitoja, kuten sen että tietokanta ei ole aina hyvä ja joskus sitä täytyy muokata ennen käyttöön ottoa. Elämä on valintoja täynnä ja niin tässäkin voi valita, haluaako korjata tietokannan helposti vai vaikeasti. Valitsin monessa kohdassa matkan varrella vaikean vaihtoehdon ja päädyin tuijottamaan eksyneenä kompassia, joka pyörii ympyrää. Juonipaljastuksena voin kertoa, että pääsin lopulta perille. Koska matka on kuitenkin mielenkiintoisempi kuin päämäärä (vaikka sekin on analyysin arvoinen), on syytä kertoa vaiherikkaasta seikkailustani Geoinformatiikan maailmassa.

Yhteisenä harjoituksena tutkimme Afrikan mantereelle sijoittuvia timanttikeskittymiä, öljyalueita, konflikteja sekä väestöön liittyviä muuttujia. Tietokannassa valtiot olivat jakautuneet useaan osaan, joten sitä piti hieman siivota. Onneksi olin päässyt jo digisiivouksen makuun yhdistellessäni epäonnistuneita viivayrityksiä CorelDraw ohjelmassa. Yhdistäminen oli helppoa, mutta sitä varten piti lisätä uusi työkalurivi nimeltään advanced digitizing toolbar. Sitten vain valita halutut ominaisuudet ja sulautetaan ne yhdeksi käyttämällä merge-toimintoa. Ei ole sattumaa, että merge muistuttaa sanaa mercy (armo), sillä sen avulla voidaan yhdistää monta virhettä yhdeksi onnistumiseksi.

Tällä toiminnolla yhdistäminen täytyy tehdä ominaisuus kerrallaan ja voi siten olla hyvin työlästä. Toolboxista löytyy työkalu nimeltä Dissolve, jolla voi siivota koko tietokannan – tässä tapauksessa Afrikan – muutamalla napinpainalluksella. Kiitos koodaajat tästä helpotuksesta! Nyt Afrikan maat ovat järjestyksessä ja minun hermosoluni vielä nuorina ja vetreinä.

Qgississä on mukavaa se, että se on pyritty tekemään käyttäjäystävälliseksi. Esimerkiksi taulukon muokkaukseen liittyvät työkalut on keskitetty atribuuttitaulukkonäkymään. Tällöin sarakkeiden lisääminen ja poistaminen sekä erilaiset laskutoimitukset onnistuvat nopeasti samasta paikasta. Toinen tapa, jolla Qgis huomioi käyttäjänsä on sen ominaisuus luoda toimintojen jälkeen uusi taso jättäen alkuperäisen koskemattomaksi. Ohjelma vielä auttaa muistiani nimeämällä sen käytetyn työkalun mukaan. Kyseessä on kuitenkin väliaikainen taso, joten tallentaminen kannattaa tehdä heti, kun taso todetaan hyväksi. 

Kaikkeen Qgis ei kuitenkaan pysty. Esimerkiksi excell tiedostot eivät käy sellaisenaan vaan ne täytyy tallentaa csv muotoon. Tässä vaiheessa on oltava tarkkana, että taulukot vastaavat muun aineiston kanssa ja, että asetukset ovat niin, että tietoja pystytään hyödyntämään. Monimutkaisuudesta kertoo jotain se, että putosin viisi kertaa kyydistä vain siinä, että saatiin taulukkomuotoinen tieto Qgis:iin. Tämän jälkeen täytyi vielä yhdistää taulukkotieto muuhun aineistoon ja lopuksi tehdä analyysit. Onneksi join-toiminto on yksinkertainen ja asioissa päästiin eteenpäin. 

Kotona perehdyin Afrikka aineistoon enemmän ja loin visuaalisen esityksen siitä, miten konfliktit, öljy ja timantit sijoittuvat maiden välille (kuva 1). Pohjalle laitoin valtion kehitystä kuvaavaksi indikaattoriksi internetin suhteellisen käyttöasteen väestössä. Kartalta (kuva 1) näkee nopeasti, että konflikteja on eniten (suuremmat punaiset pallukat) vähemmän kehittyneissä maissa (vaaleammat maat). Pelkästään karttaa katsomalla voi sanoa, että timanttien sijoittuminen alueelle ei lisää konflikteja, mutta ei takaa maan kehitystäkään. Öljyalueille konflikteja on vaihtelevasti, mutta kaikki öljymaat ovat vähintään keskivertaisen kehittyneitä. 

Kuva 1. Konfliktien, timanttikeskittymien ja öljykeskittymien sijoittuminen Afrikassa. Vertailuna pohjakartan informaatio valtion kehittyneisyydestä internetin käyttöasteen perusteella.

Erilaisia muuttujia pyörittelemällä voisi Afrikasta luoda hyvin monenlaisia esityksiä ja toisaalta saada paljon tietoa. Kun kurssikerroilla käytetyt työkalut oppii hallitsemaan, voi tietokannasta saada informaatiota hyvin paljon. Konflikteja voisi esimerkiksi verrata öljyn löytöhetkeen ja käyttöönottohetkeen tai tutkia muuten elementtien ajallisia muutoksia. 

Vaikka Gis on pitkälki klikkailua ja kikkailua, on järjen käyttö pidetävä matkassa mukana. Aineistoa on aina syytä tarkastella kriittisesti, sillä huomaamatta jäänyt virhe omissa vaiheissa tai jo lähtöaineistossa voi aiheuttaa suuria vääristymiä. Afrikka-aineistosta esimerkiksi huomasimme, että joidenkin maiden internetin käytön lävistävyys väestössä oli 500%, mikä ei luonnollisesti ole mahdollista. Tällä kertaa itse ratkaisin asian niin, että poistin sarakkeen tiedon ikään kuin tietoa ei olisi saatavilla.

Soveltavana projektina meidän piti tutustua Suomen valuma-alueisiin, niiden tulvaindekseihin sekä tarkastella niiden rinnalla valuma-alueiden järvisyyttä. Sain Artun avustuksella ja Aapo Keinäsen kannustuksella tarvittavat kartat luotua hampaat irvessä. Stressitasoni olivat niin korkealla, että verisuoni katkesi nenästä ja osa tunnista meni verenvuotoa tyrehdyttäessä. Prosessissa hyödynnettiin osin samoja työkaluja kuin Afrikka-projektissa. Minun piti kuitenkin itse tietää, mitä työkalua käytän milloinkin ja mitä en tarvitse ollenkaan.

Koska kantapään kautta oppii parhaiten, päätin suorittaa tämänkin prosessin kotona uudelleen. Prosesisin meni kaksinkertainen aika ohjattuun kertaan verrattuna ja hermosoluni eivät olleet enää kovin onnekkaita. Suurin ongelma oli, että en muistanut mitä painaa, milloin painaa, mitä jakaa milläkin ja missä järjestyksessä. Afrikka-osion ohjeista sai vihjeitä, mutta perille ne eivät vieneet. 

Tuotoksessani (kuva 2) näkyy värityksenä tulvaindeksi ja pylväinä järvisyys. Valuma-alueet ovat sitä tummempia, mitä suurempi tulvariski niissä on ja pylväät ovat sitä korkeampia, mitä enemmän alueella on suhteellisesti järviä. Koska halusin haastaa itseäni, yritin aluksi laskea järvisyysarvot itse. Pian huomasin, että vaikeamman reitin valitseminen ei ollut järkevää ja helpotin työtä käyttämällä valmista tietokantaa.

Tulvariskialueilla on suhteellisesti melko vähän järviä ja ne sijaitsevat lähellä merta. Yhteiset tekijät tulvariskialueille Suomessa ovat rannikkoseutu, tasainen maasto, runsaat joet ja vähäiset järvet (Hirvikoski). Koska tulvariskialueet sijaitsevat rannikolla, on niihin todennäköisesti kerääntynyt aikaisempien valuma-alueiden vedet, mikä lisää tulvakausina ylivirtaamaa huomattavasti ja kasvattaa siten tulvariskiä. Myös järvien vähyys lisää tulvariskiä, sillä vesimassa ei pääse tasoittumaan niihin (Moisio). 

Venla Moiso pohti blogissaan värien käytön merkitystä ja valitsi sinisen värin koropleettikarttaan kuvaamaan vettä. Oma perusteluni punaisen käyttöön on riskin osoittaminen (punainen on vaaran väri). Näissä eriävissä perusteluissa ja lopputuloksissa näkyy maantieteilijän subjektiivisuus tutkijana. Mielestäni tärkeintä on, että valinta on perusteltu ja noudattaa tiedeyhteisön sääntöjä mikäli sellaiset on määritelty. 

Kuva 2. Suomen valuma-alueiden tulvaindeksit sekä suhteellinen järvien määrä.

Diagrammin tekeminen (tässä tapauksessa järvisyys) oli minulle uusi ominaisuus Qgis:ssä ja aiheutti merkittävää päänvaivaa. Tutkin ohjeita, kokeilin kaikkea ja lopulta sain jonkinlaisen diagrammiesityksen tehtyä. Ohjeissa mainittiin, että rinnalle voi luoda vielä ympyrädiagrammin, mutta en löytänyt mitään keinoa liittää kahta diagrammia yhteen työhön. Lisäksi olisin halunnut lisätä pylväisiin tai niiden yläpuolelle tiedon prosenttiluvusta, jolloin vertailu olisi ollut hieman tarkempaa.

Tätä projektia tehdessä alkoi tuntua siltä, että päästään asiaan! Usean tiedon yhdistäminen ja sitä kautta ilmiöiden tutkiminen voi aiheuttaa useita tunteja kestävän flow tilan. Manuaaliset työkalut lähes kaikkeen löytyvät melko helposti, mutta ohjelmistoon tutustumalla löytää hyviä oikopolkuja, kuten aiemmin mainitut Dissolve sekä prosessissa käyttämäni count points in polygon -työkalu (helpottaa huomattavasti paikallista tarkastelua). Gis on ala, jota oppii vain tekemällä. Siksi kotona uudelleen tekeminen on mielestäni toimiva vaihtoehto. Lupaan itselleni toistaa asioita väsymiseen asti, jotta opin opittavat taidot, kuten diagrammit ja tässä käytetyt työkalut tämän kurssin aikana.

Lähteet:

Hirvikoski, E. Blogiteksti 3. kurssikerralta. Käytetty 29.1.2020. https://blogs.helsinki.fi/eliashir/

Keinänen, A. Blogiteksti 1. kurssikerralta. Käytetty 29.1.2020. https://blogs.helsinki.fi/kebaapo/

Moisio, V. Blogiteksti 3. kurssikerralta. Käytetty 29.1.2020. https://blogs.helsinki.fi/moivenla/

 

Kategoriat
Uncategorised

Projektiot suurennuslasin alla

Vahvasti alkanut kurssi kohtasi muutaman supan matkan varrella. Korvasin tämän kerran toisen ryhmän tunnilla ja ilmeisesti sisältö on ollut hieman erilainen, jolloin vertaistuen saaminen jälkiprosessoinnissa ei onnistunut.

Suurin suppa tai jopa hiidenkirnu oli luotto omiin taitoihin. Jos viimeksi oli olo, että pystyn tähän, sai sen tällä kertaa unohtaa. Puoleen väliin asti meni hyvin. Olinhan saanut jo aineiston auki ja luotua sarakkeen atribuuttitaulukkoon. Tästä eteenpäin kaikki vaikutti simppeliltä, mutta pienen pienet, mutta hyvin tärkeät säädöt aiheuttivat päänvaivaa. Artun selkeä opastus ohjaa kenet tahansa tunnin läpi, mutta ajatus itsenäisestä työskentelystä vastaavassa tilanteessa kauhistuttaa. Haluan kuitenkin uskoa, että mikäli apua ei olisi tarjolla saisin tutkimalla ja viimeistään googlaamalla ratkaistua kaikki ongelmat viimeistään seuraavana päivänä. 

Tästä tuskailusta huolimatta nautin oppimisesta. Geoinformatiikan huippuhetkiä ovat ne, kun saa valmiiksi jotain, mihin ei uskonut pystyvänsä (näitä on lyhyen gis-opintourani aikana tapahtunut paljon!). Vielä herkullisempi tilanne on, jos huomaa oppineensa asian niin, että voi avustaa vertaistaan ongelmatilanteessa.

Oppimisen tuskan aiheuttaman tunnepurkauksen jälkeen on hyvä mennä itse asiaan, eli oppimiini asioihin ja luomaani tuotoksiin. Varsinaisesti uusia asioita Qgis ohjelmassa opin vähän (lähinnä aineiston laskemiseen liittyen), mutta taitojen soveltaminen kehittyi huomattavasti. Merkittävimmät uudet taidot olivat lisätä tietokanta rajapinnan kautta sekä lisätä tietoja atribuuttitaulukkoon, joita siellä ei valmiina vielä ollut. Prosessit ovat yksinkertaisia, mutta niihin tarvittavat työkalut täytyy osata etsiä. Onneksi Qgis on tehty melko selkeäksi ja hieman päättelemällä sopiva työkalu löytyy hyvin. Sen sijaan työkalun käyttö tarvittavalla tavalla vaatii hieman pohdintaa ja ymmärrystä. 

Päivän aiheena olivat projektiot ja pinta-alat sekä niiden vertailu. Minkä tahansa aineiston vertailu on käyttäjän onneksi tehty Qgississä siinä mielessä hyvin helpoksi, että ohjelman voi avata useaan ikkunaan ja jokaiseen laittaa eri projektin auki. Mikäli käytössä olisi useampi näyttö, mahdollistaisi tämä erittäin monen projektin samanaikaisen tarkastelun.

Visuaalisen vertailun lisäksi vertailimme projektioiden välisiä pinta-aloja havaitaksemme niiden aiheuttamia vääristymiä. Laskurin avulla voi aineistoa käsitellä hyvin monipuolisesti, mutta senkin käyttöä tulee hieman harjoitella. Pinta-alojen vertailussa piti muistella hieman matematiikan laskujärjestyssääntöjä. Kun viimeisestä matematiikan tunnista on yli kahdeksan vuotta, kestää hetken ennen kuin se sujuu automaattisesti. 

Laskutoimitusten avulla vertailimme yhdessä Mercatorin lieriöprojektion pinta-aloja ETRS-TM35FIN tasoprojektion pinta-aloihin. Vaiheissa oli paljon muistettavaa ja pienilläkin järjestyssäännöillä oli todellakin väliä. Kun tarpeeksi monta kertaa teki väärin, joutui toistamaan prosessin useaan otteeseen, mikä loppujen lopuksi johti syväoppimiseen. Nyt osaan lisätä pinta-alasarakkeet ja vertailla niiden suhteellista eroa vaikka unissani. 

Kuvat 1 ja 2 havainnollistavat projektioiden vääristymistä. Kuva 1 havainnollistaa sitä, miten paljon suurempia kuntien pinta-alat ovat suhteellisesti Mercatorin lieriöprojektiossa kuin poikittaisessa Mercatorin lieiröprojektiossa (ETRS-TM35FIN). Erot kasvavat napoja päin mentäessä, sillä tavallisen Mercatorin projektion vääristymät painottuvat juuri sille alueelle. Kuva 2 havainnollistaa puolestaan sitä, miten paljon suurempia kuntien pinta-alat ovat suhteellisesti Mercatorin lieriöprojektiossa kuin Van der Gritenin lieriöprojektiossa. Tässäkin erot kasvavat napoja päin mentäessä.

Kuva 1. Pinta-alan suhteellinen muutos Mercatorin lieriöprojektion ja ETRS-TM35FIN tasokoordinaatiston välillä kunnittain. Mitä tummempi väri, sitä suurempi on lieriöprojektion pinta-ala suhteessa tasoprojektioon saman kunnan osalta. (2020)
Kuva 2. Pinta-alan suhteellinen muutos Mercatorin lieriöprojektion ja Van der Gritenin lieiröprojektion välillä kunnittain. Mitä tummempi väri, sitä suurempi on Mercatorin pinta-ala suhteessa Van der Griteniin saman kunnan osalta. (2020)

Kanssaopiskelijani Carita Aapro-Koski osasi hyvin sanallistaa vääristymät. Kun itse tuijotin prosenttilukuja vain numeroina, ymmärsin hänen tekstiä lukiessani, mitä luvut todella tarkoittivat. Mercatorin projektio (kuva 1) siis vääristää jopa seitsenkertaisesti pohjois-Lapin kuntien pinta-alueita. Muutos on huima! Tämä johtuu tietysti siitä, että vertailu on tehty vahvasti vääristävän ja mahdollisimman vähän vääristävän välillä. Ajatus kuitenkin siitä, että tätä vääristävää Mercatorin projektiota käytetään luotettavimmissakin uutislähetyksissä on pelottava. Ihmisten maailmankuva on ymmärrettävästikin vääristynyt, jos heitä valistetaan virheellisellä tiedolla.

Kuten viime viikolla totesin, ei pelkkä kuvan katsominen riitä. Nopeasti katsottuna molemmat kuvat näyttävät hyvin samanlaisilta. Legendan tarjoama tieto paljastaa kuitenkin merkittävät erot. Meille lähes ammattilaisille tämä monilukutaito on itsestään selvyys, mutta tavalliselle maantiedosta puhuvalle tallaajalle visuaalinen informaatio saa huomattavan painoarvon.

Kun tarkastelin kahta jo valmiiksi vääristynyttä projektiota, ovat erotkin pienempiä (kuva 2).  Tällöin suurimmat erot ovat 70%-80% luokkaa, kun vastaavat alueet olivat ensimmäisessä tapauksessa 700% luokkaa. Tämä vääristymien tarkastelu oli hyvin avartavaa ja vahva muistutus siitä, että aina on tarkistettava, mikä projektio on kulloinkin käytössä. Onnekseni hyväksi todettu TM35FIN löytyy oletusasetuksena lähes aina, mutta ajoittainen varmistus ei ole haitaksi koskaan. 

Osa kurssilaisista oli kekseliäästi ja havainnollistavasti vertaillut pinta-aloja enemmän paikallisesti. Esimerkiksi Pihla Haapalo vertasi Enontekiön pinta-aloja kahden projektion kohdalta. Tällainen vertailu erityisesti vahvasti vääristyneen pohjois-Lapin osalta on järkevää ja hyvin informatiivista lukijalle. Kun itse vertasin vain pinta-alojen suhteellista eroa, on Haapalon konkreettinen ja absoluuttisilla luvuilla tehty vertailu arvokas lisäinformaatio. Tässäkin tapauksessa, kuten Haapalo itsekin toteaa, oleellista oli katsoa lukuarvoja joko taulukosta tai legendasta, sillä visuaalisesti kartat näyttivät lähes samoilta.

Voidaan siis todeta, että projektioiden vääristyvyys antaa virheellisen kuvan maapallosta. Erityisesti pystysuuntaiset lieriöprojektiot ovat huonoja esimerkiksi Suomen kannalta, sillä ne kuvaavat päiväntasaajanseudun (kosketuspinnan) oikein, mutta vääristyvät vahvasti suurentuen napoja kohti mentäessä. Jos lieriö käännetään vaakasuuntaan, puhutaan poikittaisesta projektiosta (transverse). Vertailukohtamme, ETRS-TM35FIN perustuu poikittaiseen Mercatorin projektioon. Käyttämämme tasoprojektio on kohdistettu UTM karttaprojektiojärjestelmän 35. pituuspiirin kohdalle (Suomen sijainti). Tämä mahdollistaa Suomen tarkastelun oikean muotoisena ja kokoisena ja vältytään vääristymiltä. 

Näistä säädöistä ja tuskailuista huolimatta odotan tulevia GIS haasteita! Syksyn aikana tutustuin ArcMap ohjelmaan auttaessani hädässä olevaa opiskelijaa. Nautin tehtävien haasteista ja soveltavista osioista. Kun minulla oli tunnilla luppoaikaa, tutkin hieman Qgis:n ominaisuuksia ja työkaluja. Leikin hieman rajaus- ja leikkaustyökaluilla ja ilahduin onnistuessani. Loin esimerkiksi kartan, johon olin rajannut vain Uudenmaan alueella olevat kunnat, joiden pinta-ala oli 250 ja 450 neliökilometrin välillä. En malta odottaa, että pääsen haastamaan itseäni lisää ja kokemaan onnistumisen hetkiä!

Lähteet:

Aapro-Koski, C., Kurssikerta 2 blogi. Luettu 27.1.2020 https://blogs.helsinki.fi/aacarita/

Haapalo, P., Kurssikerta 2 blogi. Luettu 27.1.2020 https://blogs.helsinki.fi/haapalop/

Kategoriat
Uncategorised

Ominaisuustiedoista teemakartaksi

 

Vihdoin koitti ensimmäinen niin sanotusti oikea GIS tunti. Aiemmilla kursseilla olemme harjoitelleet geoinformatiikan elementtejä ilman varsinaisia gis ohjelmia. Nykyisen kurssin aikana tulemme tutustumaan (toivon mukaan) melko laajasti QGis ohjelmaan.

Koska mestariksi ei synnytä ja yhdessä yössä kaikkia taitoja opita, on harjoittelu aloitettava perusasioista. Siispä ensimmäisellä kerralla harjoiteltiin perusasioita kuten ohjelman perusominaisuuksia, aineiston lisäämistä ja yksinkertaista analyysiä. Vaikka toisto ja hitaus turhauttavat joskus, on ohjelman perusominaisuuksien oppiminen tärkeää. Nyt osaan itsenäisesti löytää erilaisia työkaluja, laskea arvoja karttoja varten sekä muokata tuotos julkaisukelpoiseksi. Kun kurssin myötä näihin palikoihin lisätään uusia, on lopulta käytössäni laaja valikoima geoinformatiikkataitoja, joita voin yhdistellä eri tavoin tulevissa tehtävissä.

Yliopisto-opiskelu voi tuntua monelle pelottavalta, mutta ainakin oman kokemukseni mukaan ketään ei jätetä pulaan. Tälläkin kertaa harjoittelimme tarvittaessa lähes kädestä pitäen tekemään atribuuttitaulukosta löytyvien tietojen ja yksinkertaisten laskujen perusteella koropleettikartan. Yhteisen harjoittelun jälkeen tehtävämme oli toistaa teknisesti sama suoritus eri tiedoilla. Aineistonamme oli laaja valikoima tietoja Suomen kunnista vuodelta 2015, joista kukin sai valita mieleisensä. 

Oman harjoitukseni tein koskien maahanmuuton jakautumista kuntien välillä (kuva 1). Jotta sain aiheesta koropleettikartan, tuli minun luoda uusi sarake, laskea absoluuttisten lukujen sijaan prosenttiosuudet ja muokata ulkoasu tarkoituksenmukaiseksi. Luomassani kartassa näkyy Suomen kunnat. Mitä tummempi väritys siinä on, sitä enemmän maahanmuuttoa sinne on kohdistunut.

Kuva 1. Maahanmuuton suhteellinen jakautuminen Suomen kuntien välillä (2015).

Jo ennen kartan tekoa oli mahdollista yleistiedolla arvioida, että pääkaupunkiseudulle on kohdistunut paljon maahanmuuttoa. Myös muut suuremmat kaupungit olivat todennäköisiä kohteita, mutta niiden painoarvoa en pystynyt ennalta arvioimaan. Maahanmuuton suhteelliset erot ovat pääosin melko pieniä, vaikka kartalla erot ovat suuria. Jokainen geoinformatiikan ohjelmilla tehty kertta on hieman erilainen. Siksi niitä ei tule verrata suoraan vaan katsottava, millaisia luokkajakoja ja painotuksia kartassa on. Ilman pohtimista ja tarkastelua voi mikä tahansa kartta tarjota heikkoa informaatiota. Kartta on onnistunut visuaalinen esitys, jossa ensikatsomalla näkee jo tummuuseroista missä on jotakin enemmän ja missä vähemmän. Kartan informatiivisuus vaati kuitenkin legendaan tutustumista ja Suomen väestön sijoittumisen tuntemusta.

Halusin tuoda esiin silti pienetkin erot, sillä maahanmuuton suhteen ne kertovat alueista paljon. Jopa yhden prosentin osuus maahanmuutosta esimerkiksi pohjois Suomessa on merkittävä Suomen mittakaavassa, koska suhteellisesta maahanmuutost suurimman siivun nappaa lähes aina pääkaupunki ja sen lähistö. Esimerkiksi Rovaniemen alue voi hyötyä pienestäkin maahanmuutosta työvoiman lisänä ja mahdollisena syntyvyyden lisääntymisenä. On mahdollista, että sijoittelu ei ole ollut maahanmuuttajien oma valinta, mutta sijoittelu palveluita tarjoaviin keskuksiin on käytännöllinen ja järkevä. Suomessa on paljon alueita, joissa on hyvin harvaa asutusta ja vielä harvempaa palvelutarjontaa. Tällaisille alueille ei olisi mielekästä sijoittaa henkilöä, jolla ei tukiverkostoa, työpaikkaa tai kielitaitoa. 

Silmääni miellyttää se, että vihreitä alueita on lähes joka puolella Suomea, eikä vain pääkaupunki. Koen autioitumisen suurena uhkana, jonka ehkäisyyn tulisi panostaa kunnolla. Alle prosentin suhteellinen maahanmuutto ei kuitenkaan vielä riitä korjaamaan ongelmaa. Toivon, että mikäli tekisin saman kartan viiden vuoden päästä, näyttäisi kartta tummemman vihreältä ympäri Suomea. Yksi keino tämän saavuttamiseen olisi parantaa muidenkin kuin pääkaupungin toimivuutta, kutsuvuutta ja saavutettavuutta eri tasoilla. 

Yksi ominaisuustieto väestöstä ei tietysti riitä kuvaamaan sen nykytilaa. Vertasin omaa karttaani Leena Rantamaulan, Mikko Kangasmaan ja Flaminia Purasen karttoihin. Kukin heistä oli tarkastellut väestöä eri ominaisuuden perusteella, mutta niiden toisiaan tukeva informaatio oli huomattavaa. Rantamaula tarkasteli kuntien suhteellista työttömyyttä. Työttömyyttä esiintyi ympäri Suomea, mutta maahanmuuton suhteen kolmen suurimman luokan alueet voivat työttömyyden suhteen Suomessa melko hyvin. Kangasmaa puolestaan tarkasteli väestön muuttumista, mikä oli yllätyksekseni lähes täysin omia alueita vastaavilla osilla muuttovoittoinen. Puranen tarkasteli Suomea eläkeläisten suhteellisen osuuden mukaan, mikä oli hyvin alhainen maahanmuuton suhteellisesti suurimmilla alueilla. 

Näistä havainnoista voi päätellä, että maahanmuutto joko edistää väestön ja kunnan hyvinvointia tai tasoittaa sitä. Osa syy näihin samansuuntaisiin tuloksiin on Suomen itäosien ja muiden harvaan asuttujen alueiden kuihtuminen ja väestön vanheneminen. Kausaalisuhdetta havaintojeni välillä ei ole, mutta samansuuntaiset tulokset voivat kertoa siitä, että monen asian summa tuottaa kunnan hyvinvointia. Maahanmuutto, nettomuutto ja työllisyys voivat olla merkittäviä tekijöitä kunnan ikärakenteen, hyvinvoinnin ja tulevaisuuden kannalta.

Geoinformatiikka voi olla pelottavaa, turhauttavaa ja vaikeasti ymmärrettävää. Ainakin, jos sitä ei ole koskaan tehnyt tai siihen erityisemmin paneutunut. Omalla kohdallani se on kuin matematiikkaa: Se toimii elementeillä, jotka voivat aluksi tuntua vaikeaselkoisilta. Kun logiikan oivaltaa ja palasia oppii käyttämään, on se loppujen lopuksi loogista ja yksinkertaista toimintaa, jossa täytyy vain yksinkertaisesti tietää, miten palikat sopivat toisiinsa. 

Lähteet:

Kangasmaa, M. blogi kurssikerralta 1. Käytetty 19.01.2020 https://blogs.helsinki.fi/kanmikko/

Puranen, F. blogi kurssikerralta 1. Käytetty 19.01.2020 https://blogs.helsinki.fi/flaminia/

Rantamaula, L. blogi kurssikerralta 1. Käytetty 19.01.2020 https://blogs.helsinki.fi/rale/