Arkistot päivämäärän mukaan: 22.1.2016

Paikkatiedon maailmaan – 1. kurssikerta

Nyt kun on lukukauden vääntänyt karttoja piirto-ohjelmalla ja valmiista aineistoista, on ilo käydä paljon kohkattujen paikkatietojärjestelmien kimppuun. Gis:llä valetaan pohja melkein kaikelle metodiosaamiselle maantieteen piirissä, sillä laajennetaan työkalupakkia – sillä työllistyy! Näin olen kuullut useammaltakin puolelta. Onpa toisaalta kiertänyt huhuna kauhukertomuksia paikkatietojärjestelmien kroonisesta kaatumatautialttiudesta ja kuinka ne olisivat käytettävyydeltään komentokehotehirvityksiä.

 

Siksi olikin ilo ja helpotus avata kurssilla pääasiallisesti käytettävä gis-ohjelma Mapinfo, joka ei ensisilmäykseltä ja -kosketukselta vaikuttanut paljoakaan piirto-ohjelmaa pahemmalta – käyttöliittymääkin on kenties rakentanut muutkin kuin insinööriarmeija. Toki joka ohjelmassa on töyssynsä, Mapinfossa esimerkiksi kartoilla liikkuminen ja zoomaaminen vaikuttavat auttamattoman kömpelöiltä, mutta hämmentävän nopeasti sitä huomaa jo tekaisevansa karttoja ja näpräilevänsä luokkavälejä. Välittömyys on ehdottomasti hyvän ohjelman merkki.

 

Ensimmäisellä kurssikerralla sukelsimme aluksi teoriaan. Nimensä mukaisesti paikkatietoon kuuluu aina olennaisesti tieto siitä, missä kuvattu alue sijaitsee: tällöin pitää sisällyttää sijaintitietoa, useimmiten koordinaatteja, harvinaisemmin voidaan myös ilmoittaa alueiden sijainnit vain suhteessa toisiin alueisiin. Jotta paikkatiedosta saadaan jotain merkittävää irti, kohteille on lisättävä myös ominaisuustietoa, siis esimerkiksi kohteen nimitykset tai ajoittavaa tietoa. Paikkatietoa halkoo suuri kahtiajako vektori- ja rasteriaineistoihin, joilla on molemmilla etunsa. Tervetullutta kertausta, muttei mitään radikaalin uutta. Lyhyiden harjoitteluiden jälkeen uppouduttiin jo viikon tehtävään.

Kuva 1. Työssäkäyvien prosentuaalinen määrä kunnittain 2015.

Kuva 1. Työssäkäyvien prosentuaalinen osuus kunnittain 2015. (klikkaa suuremmaksi).

Viikon karttatehtävässä luotiin itsenäisesti teemakartta Mapinfolla perustuen laajaan tilastotietoon Suomen kunnista. Apupyörät otettiin siis melko nopeasti pois, mikä tietysti hermostutti, mutta prosessi osoittautui varsin kivuttomaksi. Valittavana olisi ollut vaikka minkälaisia tietoja muuttoliikkeestä kouluttuneisuuteen. Nappasin työssäkäyvien suhteellisen osuuden työvoimasta, mikä Tilastokeskuksen kuvauksen mukaan käsittää vuoden viimeisellä viikolla työlliset 18–74 vuotiaasta väestöstä, jotka eivät suorita varusmiespalvelusta eivätkä työvoimatoimiston asiakkaina. Ounastelin tämän tarjoavan mielenkiintoisia lukuja kuntien elinvoimaisuudesta. Aivan ensimmäisenä on järkevää tutkia aineiston jakautuneisuutta, mikä hoituu näppärästi Interactivate-histogrammityökalulla.

Kuva 2. Suuntaa-antava jakauma.

Kuva 2. Suuntaa-antava jakauma työssäkäyvien prosentuaalisen määrän jakaumasta.

Helpommaksi havainnollistamiseksi luokkia on kuvassa 11, vaikkakin niitä on lopullisessa kartassa vain 5. Miellyttävästi aineisto on yksihuippuista ja melko tasaisesti jakautunutta – keskiarvon alapuolella olevia havaintoja on kautta linjan vain karvan verran enemmän kuin sen ylittäviä. Tai jälkikäteishuomautuksena pitäisi kai sanoa, että aineisto on normaalisti, ei tasaisesti jakautunutta, eli se asettuu jotakuinkin Gaussin käyrän so. normaalijakauman raameihin. Tätä tietoa tarvitaan luokitteluperustetta valittaessa. Valintani kohdistui Mapinfon termein equal count -periaatteeseen,  jolloin Mapinfo pyrkii pakottamaan jokaiseen luokkaan yhtä monta havaintoa, hyvin samalla lailla kuin kvantiileissa. Tämä tehdään usein luokkavälien kustannuksella. Totta tosiaan, kolmen keskimmäistä luokkaa ovat noin 4 % suuruudeltaan, kun taas ensimmäinen ja viimeinen luokka käsittävät melkein 10 %. Uhraus oli kuitenkin mielestäni sen arvoinen, sillä yhtä suuria luokkavälejä tai luonnollisia luokkavälejä, eli sopivia ryppäitä laskennallisesti aineistosta etsivä, painottavat ratkaisut olisivat puolestaan lihavoittaneet keskimmäisiä luokkia liikaa. Muunkinlaiset luokittelutavat kuin valitsemani ovat ehdottomasti puolustettavissa ja perusteltavissa, mihin, myös työssäkäyvien määrästä kunnittain teemakarttansa tehnyt, Miro Mujunen perehtyy PAK-blogissaan.

 

Oli miten oli, tämän esteen ylitse päästyä Mapinfo sylkee päteviä karttoja hämmentävän nopeasti. Kaikki kartan peruselementit pohjoisnuolesta väriskaalaan oli helppo määrittää ja lisätä. Väreistä vielä sen verran, että viidestä luokasta puhuttaessa aletaan jo olla niillä ja rajoilla riittävätkö enää yhden värin sävyt – kartassani tämä näkyy jonkinasteisena epäselvyytenä kolmen keskimmäisen luokan välillä. Erot eivät ole välittömästi ja ilman lähempää tarkastelua selviä. Pitäisikö hyvän sään aikana osoittaa luokille aivan omat värinsä? Tämä on kelpo ratkaisu epäselvyyteen. Toisaalta suosin – silloin kun käsitellään saman ilmiön eri vahvuista esiintymistä – yleensä yhtä väriä, sillä sävyerot ja aste-erot on helppo assosioida toisiinsa.

 

Entä mitä itse kartta näyttää? Selkeästi työssäkäyntiprosentit ovat suurimpia länsirannikolla, pääkaupunkiseudulla ja ylipäänsä suurien kaupunkien paikkeilla sekä Ahvenanmaalla. Vastaavasti heikommin vaikuttavat menestyvän maan keski-, itä- ja pohjoisosien syrjäisemmät seudut. Aivan näin yksinkertainen asia ei kuitenkaan ole. Mielenkiintoisesti itse isoimmat kaupungit eivät useinkaan kuulu suurimman työssäkäynnin luokkaan, vaan se kunnia lankeaa monesti pikemminkin niiden kehyskunnille. Tästä esimerkkinä Turun ja Tampereen seudut:

Tampereen seutu tarkemmin

Kuva 3. Tarkennus kuvasta 1 Tampereen seudulle. Tummempi tarkoittaa suurempaa työssäkäyvien osuutta.

Turun seutu tarkemmin

Kuva 4. Tarkennus kuvasta 1 Turun seudulle. Tummempi tarkoittaa suurempaa työssäkäyvien osuutta.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Huomataan itse kaupungin jäävän jonkin verran jälkeen monien sitä ympäröivien kuntien tahdista. Mikä voisi selittää tämän? Perehdytään tarkemmin vielä yhteen esimerkkiin itärajalta, Joensuun tienoilta.

Kuva 5. Tarkennus Joensuun seudulle.

Kuva 5. Tarkennus kuvasta 1 Joensuun seudulle. Tummempi tarkoittaa suurempaa työssäkäyvien osuutta.

Kuvassa näkyy harvinainen valopilkku muuten tällä mittarilla sangen ankeassa Itä-Suomessa: Kontiolahden kunta. Korkeimpaan työssäkäynnin luokkaan asettuva Kontiolahti erottuu selkeästi naapurikunnistaan. Tilastokeskuksen PX-Web -tietokannat paljastavatkin sen eroavan näistä ainakin yhdellä mittarilla: kotikunnassaan työssäkäyvien määrässä.

Taulukko 1. Joensuun naapuruskuntien omassa asuinkunnassaan töissäkäyvän väestön osuus 2011 Tilastokeskuksen aineistoista.

Taulukko 1. Joensuun naapuruskuntien omassa asuinkunnassaan töissäkäyvän väestön osuus 2011 Tilastokeskuksen aineistoista.

Pienestä prosenttiosuudesta voidaan päätellä Kontiolahdesta suuntautuvan erittäin paljon työmatkaliikennettä keskukseen, Joensuuhun. Kulkua ainakin helpottaa Kontiolahtea halkova Kajaanintie. Sukkulointi selittänee ilmiötä muidenkin kaupunkien kehyskunnissa: kukaties tontit ovat niissä halvempia ja omakotitaloja tarjolla, mitkä houkuttelevat tilaa kaipaavia lapsiperheitä, siis usein kaksi työtätekevää aikuista. Emäkuntaa korkeampi työssäkäyntimäärä ainakin osassa kehyskunnista näkyy edellä mainittujen lisäksi myös Vaasassa, Oulussa ja Jyväskylässä. Yhteistä kaikille mainituille on, että ne ovat korkeakoulukaupunkeja: tämä tarkoittaa monia työikäisiä, mutta työelämän ulkopuolella olevia, mikä osaltaan repii kaupunkeja alaspäin tällä mittarilla.

Viimeisenä kiintoisana huomautuksena Miro Mujusen huomio Kittilän poikkeavuudesta Pohjois-Lapissa: hän noteeraa sen aivan oikein eroavan ympäristöstään ja esittää syyksi sesonkimatkailun tarjoamaa työllisyyslisää.

 

Lähteet:

Mujunen, Miro. Kurssikerta 1, Perehtymistä paikkatietoon ja MapInfon perusteisiin (2016). PAK-blogi. <https://blogs.helsinki.fi/mimumimu/> Luettu 25.1.2016

PX-Web -tietokannat, Tilastokeskus. <http://pxweb2.stat.fi/dialog/varval.asp?ma=Kuntaportaali&ti=Kuntien+avainluvut&path=%2E%2E%2FDatabase%2FKuntien+perustiedot%2FKuntien+perustiedot%2F&xu=&yp=&lang=3&multilang=fi> Luettu 25.1.2016