Kurssikerta 7: Omat taidot koetuksella

Viimeinen kurssikerta! Kivaa on ollut, vaikka välillä on kiroiltukin. MapInfo on tullut tutuksi ja uskaltaisin jopa sanoa osaavani luoda sillä kartan jos toisenkin ilman ohjeita. Yhdyn täysin Katri Ruudun mielipiteeseen: “Kurssin alku pelotti minua hieman, sillä syksyn lyhyet kokemukset MapInfosta eivät olleet parhaita mahdollisia. Tuntui, että ohjelma on monimutkainen ja mahdoton oppia käyttämään. Nyt kuitenkin on ihan eri tunne!”

Perustoiminnot tulivat siis kurssin aikana tutuiksi, mutta opittavaa riittäisi kyllä vielä toisenkin kurssin verran. Ohjelma ei tunnu enää yhtään niin pelottavalta ja kiemuraiselta kuin alussa. Kokeilemalla löytää usein ratkaisun, tai viimeistään kirjallisia ohjeita (jotka aion säilöä visusti jatkokäyttöä varten) selailemalla. En kuitenkaan tunne olevani nyt MapInfo-osaaja, joka taikoo kartan kuin kartan tuossa tuokiossa sormiaan napsauttamalla. Olen kuitenkin saanut hyvän pohjan jatkoa varten.

Viimeisellä kerralla saimme tehdä kaiken alusta asti itse. Valitsimme kartalla esitettävän aiheen ja etsimme siitä taulukkomuotoista paikkatietoa netistä. Myös karttapohjan jouduimme hankkimaan itse käsiimme. Päätin tehdä viimeiset karttani Latinalaisesta Amerikasta, joten helpointa oli ottaa kartta edellisellä kurssikerralla käytetystä maailmankarttatiedostosta. Vaikeinta oli päättää, mitä tietoja kartallani esittäisin ja mistä kyseiset tiedot löytyisivät. Selailin erilaisia nettilähteitä ikuisuuden ja vihdoin löysin käyttökelpoista dataa, jonka sain ongelmitta siirrettyä MapInfoon asti.

Ensimmäinen karttani kuvaa Latinalaisen Amerikan valtioiden hiilidioksipäästöjä (kuva 11). Koropleettikartalla on kuvattu päästöt asukasta kohden ja pylväät kuvaavat koko maan hiilidioksidipäästöjä yhteensä vuoden ajalta. Koropleettikartan aineisto oli epämääräisesti jakautunut ja hetken pohdittuani ja mallailtuani päädyin luokittelussa lopulta luonnollisiin luokkaväleihin. Luokkien määräksi valitsin neljä, koska se toi maiden väliset erot parhaiten esiin.

Kuva 11. Hiilidioksidi päästöt jakautuvat hyvin epätasaisesti Latinalaisen Amerikan valtioiden välillä.

Kuva 11. Hiilidioksidipäästöt jakautuvat hyvin epätasaisesti Latinalaisen Amerikan valtioiden välillä (The World Bank 2010a ja 2010b).

Pylväiden kanssa oli hieman ongelmia, koska valtioiden hiilidioksidipäästöjen erot ovat valtavan suuret. En silti halunnut käyttää epälineaarisesti kasvavia pylväitä, koska ne johtavat lukijan helposti harhaan. Nyt valtioiden väliset radikaalit erot tulevat hyvin esille. Lisäsin pylväiden yhteyteen päästöjen lukuarvot selventämään ja tarkentamaan eroja. En ole täysin tyytyväinen pylväiden ulkoasuun. Ne voisivat olla hieman kapeampia ja sirompia. Lisäksi pienimpien päästöjen maissa pylväät kuvautuvat pelkkinä ohuina viivoina.

Kartalta erottuu selvästi kaksi ylivoimaista hiilidioksidipäästöjen kunigasmaata, jotka ovat Meksiko ja Brasilia. Asukasta kohden Brasilian päästöt eivät kuitenkaan ole ylimmän luokan tasoa, koska maa on niin laaja ja asukkaita on paljon. Esimerkiksi Venezuela tuottaa hiilidioksidia suhteessa huomattavasti enemmän. Kolumbian päästöt ovat myös huomattavat, mutta valtavan asukasmäärän vuoksi ne ovat toiseksi pienimmän luokan tasoa asukasta kohden mitattuna. Pienimmät hiilidioksidipäästöt sekä kokonaisuudessaan että asukasta kohden mitattuna on Väli-Amerikan pikkuvaltioilla. Surinam erottuu kartalta asukasta kohden suurten päästöjen maana, vaikka kokonaispäästöt ovat pienet. Tästä voi päätellä, että maan asukasluku on todella pieni.

Toisen kartogrammini kanssa pähkäilin jokusen tovin. Halusin esittää bruttokansantuotteen (BKT) ja eliniänennusteen välistä suhdetta, mutta erot eivät tulleet kartalla tarpeeksi hyvin näkyviin. Tein koropleettikartan valtioiden BKT:sta ja sijoitin sille eliniänodotetta kuvaavat pylväät, miehille ja naisille omansa. Maiden väliset erot olivat kuitenkin sen verran pienet, että tämä esitystapa ei soveltunut käyttöön enkä keksinyt muutakaan hyvää tapaa tiedon esittämiselle. Niinpä päädyin vertaamaan BKT:n ja hiilidioksidipäästöjen välistä suhdetta (kuva 12).

Kuva 12.

Kuva 12. Bruttokansantuotteen ja hiilidioksidipäästöjen välinen suhde Latinalaisen Amerikan valtioissa (Central Intelligence Agency 2012 ja The World Bank 2010b).

Koropleettikartan aineisto (BKT) oli jälleen epämääräisesti jakautunut. Tällä kertaa valitsin luokittelutavaksi kvantiilit (luokissa yhtä monta havaintoa). Luonnolliset luokkavälit ja tasaväliset luokat olisivat tuottaneet lähes samanlaisen kartan, joten luokittelutavalla ei tässä tapauksessa ollut suurta väliä. Luokkien määräksi valitsin jälleen neljä. Alimman luokan väritys on hieman liian vaalea ja näyttää melkein valkoiselta, jolla tarkoitetaan kartoissa usein nollaa tai tiedon puuttumista. Huomasin tämän vasta nyt kun MapInfo ei ole ulottuvillani korjausta varten, joten jääköön.

Pylväät sen sijaan korjasin tähän karttaan. Ne ovat siis täsmälleen samat kuin edellisessä kartassa, mutta tällä kertaa omaa silmääni miellyttävämmin esitettyinä. Ne muuttivat mielestäni koko kartan paljon paremman näköiseksi ja selkeämmäksi. Ainoastaan muutaman pienen maan kohdalla on edelleen pylvään tilalla viiva. Ne eivät siitä muuttuneet, vaikka kuinka kokeilin erilaisia pylväiden arvoja. Tähän on siis tyytyminen. Karttojen vertailtavuus tietysti kärsi hieman, koska nyt karttojen pylväät eivät ole keskenään identtiset. Kuvan 11 kartan pylväät korostavat maiden välisiä eroja huomattavasti enemmän kuin kuvan 12 kartan, vaikka esitettävät arvot ovat täysin samat. Tässä taas huomataan, kuinka esitystapa voi muokata mielikuvia.

Kuvan 12 kartalta voi huomata jonkinlaisen yhteyden BKT:n ja hiilidioksidipäästöjen määrän välillä. Kaikki suurimmat hiilidioksidisaastuttajat kuuluvat kahteen ylimpään BKT luokkaan. Toisaalta myös Panama, Surinam ja Uruguay kuuluvat näihin luokkiin, vaikka niiden hiilidioksidipäästöt ovat hyvin vähäiset. Sen sijaan kaikissa alhaisimman bruttokansantuotteen maissa päästöt ovat joko hyvin tai melko vähäiset. Bruttokansantuotteen kasvu on usein seurausta teollistumisesta, josta syntyy väkisinkin hiilidioksidi- ja muita päästöjä. Varsinkin vastateollistuvissa maissa teollistuminen tapahtuu usein ympäristön kustannuksella lakien ja määräysten ollessa puuttellisia. Olisi ollut mielenkiintoista tutkia vielä Latinalaisen Amerikan valtioiden käyttämiä energiamuotoja ja verrata niitä päästöjen määrään.

MapInfo vaikuttaa kaiken kaikkiaan näppärältä työkalulta erilaisten karttaesitysten laadinnassa. Karttojen tekeminen on ollut todella kivaa, koska kaikkea ei ole tarvinnut luoda alusta alkaen (niin kuin CorelDraw -kurssilla), vaan karttoja syntyy melko nopeasti muutamalla hiirennapsautuksella. Nyt odottelen jo innolla ArcGIS -ohjelmaan tutustumista, koska kuulemani mukaan se on vielä parempi ja näppärämpi kuin MapInfo.

 

Lähteet:

Central Intelligence Agency (2012). The World Factbook. <https://www.cia.gov/library/publications/the-world-factbook/rankorder/2004rank.html>. Luettu 23.2.2014.

Ruutu, K. (2014). Kurssikerta 7: Viimeinen taistelu MapInfon kanssa. <https://blogs.helsinki.fi/karuutu/>. Luettu 5.3.2014.

The World Bank (2010a). CO2 emissions (metric tons per capita). <http://data.worldbank.org/indicator/EN.ATM.CO2E.PC>. Luettu 23.2.2014.

The World Bank (2010b). CO2 emissions (kt). <http://data.worldbank.org/indicator/EN.ATM.CO2E.KT>. Luettu 23.2.2014.

 

Mapping America: Every City, Every Block – SWOT-analyysi

Mapping America: Every City, Every Block on New York Timesin ylläpitämä paikkatietosivusto, joka on vapaasti kaikkien käytettävisä. Tiedot perustuvat Census Bureaun vuosina 2005-2009 keräämiin väestötieto-otoksiin. Tiedot on jaettu neljään aihealueeseen, jotka ovat rotu ja etnisyys, tulot, asuminen ja perhe sekä koulutus. Tiedot esitetään erilaisina piste- ja koropleettikarttoina, joita voi zoomata hyvinkin lähelle. Liikuttamalla nuolta kartan päällä, avautuu kustakin alueesta paikkatietoruutu, jossa kerrotaan yksityiskohtaista tietoa juuri sen alueen asukkaista.

Tehtävänä oli laatia SWOT-analyysi kyseisestä palvelusta eli käydä läpi palvelun vahvuudet, heikkouudet, mahdollisuudet ja uhat.

Vahvuudet

Palvelu on helppokäyttöinen ja kartat selkeitä ja siistejä. Käytetyt värit erottuvat hyvin toisistaan ja miellyttävät muutenkin silmää. Kartalla liikkuminen ja kohteiden zoomaaminen on kätevää. Paikoittain tieto on hyvinkin yksityiskohtaista, kuten suurimmissa kaupungeissa, joissa paikkatietoa saa lähes korttelin tarkkuudella. Jenni Kerola toteaa blogissaan, että “palvelu sijaitsee New York Timesin sivulla, joten sen löytää suhteellisen moni amerikkalainen”. Kyseisen verkkolehden lukijakunta ulottuu varmasti myös maan ulkopuolelle, joten sivuston saavutettavuus on melko hyvä. Sivuston teemat ovat kiinnostavia, mutta eivät välttämättä aivan olennaisia. Tästä lisää uhkien erittelyssä.

Heikkoudet

Sivuston tiedot perustuvat otantaan vuosilta 2005-2009, joten ne eivät tarjoa eksaktia tietoa ja ovat jo muutaman vuoden vanhojakin. Varsinkin harvaan asutuilla alueilla tiedot toimivat vain suuntaa näyttävinä. Tämä mainitaan kyllä sivun ylälaidassa, mutta se saattaa jäädä heposti käyttäjältä huomaamatta.

Pohjoisnuolesta ja mittakaavasta on viimeisen puolen vuoden aikana paasattu niin paljon, että niiden puuttuminen nostaa karvat pystyyn. Erityisesti mittakaava on mielestäni todella oleellinen kaikissa karttaesityksissä. Kartan yläreunassa on zoomaus-työkalu, josta näkyy kuinka paljon karttaa on kullakin hetkellä zoomattu, mutta se ei silti korvaa itse mittakaavaa, jonka avulla on mahdollista mitata etäisyyksiä. Lisksi koko maata ei ole mahdollista nähdä kerralla, mikä on todella häiritsevää. Kaukana olevia kohteita vertailtaessa karttaa on siirreltävä edestakaisin. Alaskan ja Havaijin olisi voinut esittää omissa “ruuduissaan” niin, että ne näkyisivät yhtä aikaa mannermaan kanssa. Nyt niiden olemassaolon unohtaa helposti kokonaan.

Mahdollisuudet 

Kaikilla on vapaa käyttöoikeus sivustoon, mikä antaa paljon mahdollisuuksia sen hyödyntämiseen. Ensimmäisenä tulee mieleen kolutustarkoitukset. Opettaja voi joko itse laatia opetusmateriaalia aineiston pohjalta tai laittaa oppilaat tekemään projektityötä jostain aiheesta sivuston avulla. Paikkatietoaineiston käyttäminen tulisi samalla oppilaille tutuksi.

Alueiden vertailu on teemakarttojen avulla kohtuullisen helppoa, eriyisesti jos vertailtavat kohteet sijaitsevat lähekkäin eikä karttaa täten tarvitse liikutella edestakaisin. Esimerkiksi uuden asuinalueen etsimistä voisi helpottaa alueiden keskimääräisiä vuokria ja niiden muutoksia tarkastelemalla.

Aineistoa voisi hyödyntää myös virallisella taholla alueiden kehittämisessä. Esimerkiksi alueiden eriytymiseen voisi yrittää puuttua erilaisin keinoin.

Uhat

Kuten aiemmin jo mainitsin, sivuston teemat on mielestäni valittu osittain hieman umpimähkään. On hienoa, että tieto on julkista ja kaikkien ulottuvilla, mutta näin suppean teemavalikoiman sisällön olisin miettinyt hieman tarkemmin. Erityisesti rotujen eritteleminen ja samaa sukupuolta olevien parien paikantaminen on mielestäni hieman kyseenalaista. Myönnän kyllä, että tieto on kiinnostavaa, mutta vääriin käsiin joutuessaan se voi aiheuttaa tai lisätä syrjintää ja seggregaatiota. Myös tuloerojen erittely alueittain muokkaa ihmisten kuvaa asuinseuduista ja saattaa leimata vähätuloisten alueilla asuvia.

Sivuston tiedot on paikoittain hyvin pieniltä ja tarkasti rajatuilta alueilta, mikä pistää miettimään yksityisyyden suojaa. Varsinkin homoparien esittely muutaman sadan asukkaan ruudussa on hieman osoittelevaa. Jessica Järvinen pohdiskelee blogissaan seuraavaa: “Palvelun tarjoama hieman arkaluontoinen ja kyseenalainen data voi johtaa alueiden eriytymiseen, joka tuskin on palvelun tarkoitus. Uhat tulevat siis käyttäjien tekemistä väärinymmärryksistä ja väärinkäytöksistä”.

Sivustoa voisi mahdollisesti käyttää myös rikollisuuteen, kuten terrori-iskujen suunnitteluun. Kartoilta saa helposti tiedot esimerkiksi eri rotujen ja eri tuloisten asuinalueista.

 

Suomessa tämänkaltainen paikkatieto ei ole julkisessa levityksessä avoimesti. Tietoa saa useimmiten kyllä erikseen pyytämällä, mutta jotkin tiedot on tarkoitettu vain rajatulle käyttäjäkunnalle esimerkiksi alueiden kehitystarkoituksiin. Mielestäni systeemi on parempi kuin jenkeissä. Periaatteessa olen “vapaan tiedon” kannalla, mutta juuri alueiden turhan leimautumisen vuoksi kaikkia tietoja ei ehkä kannata tuputtaa yleisölle. Kuinka moni Mapping America -sivuston käyttäjä olisi tullut sivustolle etsimään nimenomaan homoparien asuinseutuja? Tuskin kovin moni. Nyt kun tieto suorastaan hyppää silmille, se voi samalla aiheuttaa ei toivottua leimautumista sekä ihmisille että alueille.

Suomessa kunnioitetaan yksityisyyden suojaa viimeiseen asti, mikä on erittäin hyvä asia. Harvaan asutussa maassamme tietojen ykstyiskohtainen esittely kartalla ei onnistu yksityisyyssuojaa rikkomatta. Siksi monet tilastot ovat vain viranomaisten käytössä. Samuli Massinen kirjoittaa blogissaan “Suomessa tieto on erittäin tarkkaa ja kaikkein yksityiskohtaisimpaan dataan pääsee käsiksi ilman erillistä lupaa pelkästään korkeimmat tahot. Tällä pyritään turvaamaan yksityisyydensuoja, sillä kuten Mapping America – palvelusta havaitaan, tieto voi ajoittain olla erittäin arkaluontoista”.

Sekä Suomen että USA:n systeemeissä on omat hyvät ja huonot puolensa. Täysin samanlaisia menetelmiä tuskin kannattaisikaan käyttää, koska maat ovat keskenään kaikin tavoin niin erilaisia. Tekisi mieli sanoa onneksi, mutta en uskalla. 😀

 

Lähteet:

Järvinen, J. (2014). Mapping America: Every City, Every Block ja SWOT-analyysi. <https://blogs.helsinki.fi/jessicaj/>. Luettu 24.2.2014.

Kerola, J. (2014). The New York Times: Mapping America. <https://blogs.helsinki.fi/jekerola/>. Luettu 24.2.2014.

Massinen, S. (2014). New York Times: Mapping America – SWOT-analyysi. <https://blogs.helsinki.fi/smassine/>. Luettu 24.2.2104.

The New York Times (2014). Mapping America: every city, every block. <http://projects.nytimes.com/census/2010/explorer>. Luettu 24.2.2014.

Kurssikerta 6: Koordinaattipisteitä kartalla

Tällä kertaa harjoittelimme koordinaattipisteiden esittämistä kartalla. Ensin pääsimme ulkoilemaan GPS-paikantimen kanssa ja sen jälkeen siirsimme keräämämme tiedot MapInfoon kartalle. Pisteiden saaminen kartalle oli todella helppoa. Parissa kohdassa, kuten projektion ja x- ja y-sarakkeiden valinnassa, piti olla tarkkana, mutta muuten homma sujui helposti. Kerrankin. Treenasimme myös geokoodausta eli pisteiden sijoittamista kartalle osoitetietojen perusteella. Sekin sujui kivuttomasti.

Varsinainen tehtävä oli luoda karttoja opetuskäyttöön internetistä löytyvän aineiston pohjalta. Tein kolme karttaa, joista ensimmäisessä on esitetty vuoden 1979 jälkeen sattuneet maanjäristykset (kuva 7). Järistykset on jaettu yli 8 Richterin järistyksiin ja 6-7,9 Richterin järistyksiin, joiden yleisyys tulee kartalta hyvin esille. Kartasta tuli ihan ok ja järistysalueet käyvät siitä hyvin ilmi. Järistystä esittävien pisteiden koko olisi tosin voinut olla pienempi. Nyt esim. Japani, Uusi-Seelanti ja suuri osa Kaakkois-Aasiaa peittyvät pisteiden alle täysin. Lisäksi Corel muokkasi taas värejä niin, että 8 Richterin järistykset eivät erotu enää niin selvästi kuin alun perin.

Kuva 7. Vuoden 1979 jälkeen sattuneet maanjäristykset (lähde).

Kuva 7. Vuoden 1979 jälkeen sattuneet maanjäristykset (Northern California Earthquake Data Center 2014). Seisimiset alueet sijaitsevat mannerlaattojen saumakohdissa, erityisesti alityöntövyöhykkeillä.

Toisella kartalla esitetään vuoden 1963 jälkeen purkautuneita tulivuoria (kuva 8). Kartta on selkeämpi kuin maanjäristyskartta, koska esitettäviä pisteitä on huomattavasti vähemmän. Ehkä pistekokoa olisi silti voinut tässäkin kartassa pienentää hieman. Tuliperäiset alueet on kuitenkin helppo spotata kartalta. Johanna Hakanen kummasteli blogissaan yhden tulivuoren eksymistä Ruotsiin ja totesikin aiheellisesti, että karttakohteet tulisi aina tarkistaa ennen käyttöönottoa tai julkaisemista.

Karttoja verratessa huomaa, että tulivuoret ja voimakkaimmat maanjäristykset keskittyvät samoille alueille. Etsin netistä käsiini litosfäärilaattoja ja niiden liikkeitä esittävän kartan, jota tarkastelemalla huomaa yhtenevyyden laattojen reunakohtien, maanjäristysten ja tulivuoritoiminnan välillä. Voimakkaimmat maanjäristykset ja tulivuorenpurkaukset keskittyvät erityisesti alityöntövyöhykkeisiin. Näitä kolmea karttaa voisi käyttää tukena laattatektoniikkateoriaa ja siihen liittyviä ilmiöitä opetettaessa. Lisäksi kuva 9 esittelee laattojen saumakohtia vielä tarkemmin.

Kuva 8. Vuoden 1963 jälkeen purkautuneet tulivuoret (Global Volcano Locations Database 2014). Purkaukset keskittyvät suurelta osin seismisille alueille.

Kuva 8. Vuoden 1963 jälkeen purkautuneet tulivuoret (National Oceanic and Atmospheric Administration 2014). Purkaukset keskittyvät suurelta osin seismisille alueille.

Kuva 9.

Kuva 9. Mannerlaattojen saumojen tyypit ja niihin liittyvä vulkaaninen toiminta (Otavan opisto 2014).

Kolmas karttani kuvaa meteoriitteja, jotka ovat pudonneet Maahan vuoden 1963 jälkeen (kuva 10). Tämän kartan tein lähinna omasta mielenkiinnosta aihetta kohtaan. Toki sitä voisi käyttää myös opetustarkoituksiin. Heti ensi silmäyksellä huomaa, että aiheella ei ole mitään yhteyttä edellisiin. Meteoriittien aiheuttamat maanjäristykset ovat ilmeisesti yleensä pienempiä kuin 6 Richteriä, koska yhteyttä ei kartoista näy. Aino Ruskomaa on laatinut blogiinsa kartan, jossa näkyvät sekä meteoriitit että yli 7 Richterin järistykset. Myös tämä kartta osoittaa, että meteoriittien aiheuttamat maanjäristykset ovat yleensä melko pieniä ja paikallisia. Toisin sanoen suuria massiivista tuhoa aiheuttavia meteoriitteja osuu Maahan erittäin harvoin.

Kuva 10.

Kuva 10. Vuoden 1963 jälkeen Maahan pudonneet meteoriitit (Meteoritessize 2014).

Kaikki kolme hasardityyppiä samalle kartalle yhdistettynä olisi kuvannut hyvin, missä päin maailmaa tämän tyyppisten luonnonkatastrofien riski on suuri ja missä pieni. Vielä kiinnostavampaa olisi lisätä kaikki luonnonkatastrofityypit samalle kartalle ja vertailla alueita. Jäisiköhän mikään alue tyhjäksi.

 

Lähteet:

Hakanen, J. (2014). Kurssikerta 6: Pisteaineiston muodostaminen ja esittäminen kartalla. <https://blogs.helsinki.fi/johakane/>. Luettu 21.2.2014.

Meteoritessize (2014). <https://www.google.com/fusiontables/DataSource?docid=1vHSvjNgCIl6kRhFXPHhvESnnYx_ShToJWtWdjm8#rows:id=1>. Luettu 18.2.2014.

Northern California Earthquake Data Center (2014). ANSS Catalog. <http://quake.geo.berkeley.edu/anss/catalog-search.html>. Luettu 17.2.2014.

National Oceanic and Atmospheric Administration (2014). Global Volcano Locations Database. <http://catalog.data.gov/dataset/global-volcano-locations-database>. Luettu 17.2.2014.

Otavan Opisto (2014). Internetix opinnot. <http://opinnot.internetix.fi/fi/muikku2materiaalit/lukio/ge/ge1/7_endogeeniset_prosessit/04?C:D=iPT9.iLSR&m:selres=iPT9.iLSR>. Luettu 21.2.2014.

Ruskomaa, A. (2014). Kurssikerta 6: Pisteaineistoja kartalla. <https://blogs.helsinki.fi/ainorusk/>. Luettu 21.2.2014.

 

Kurssikerta 5: Bufferointia ja analyyseja

Tällä kertaa ratkottiin erilaisia ongelmia itsenäisesti kirjallisten ohjeiden ja aiemmin opitun avulla. Puskurointi ja erilaiset analyysit tulivat tutuiksi. Aluksi määritettiin lentokenttien melualueella asuvien määrää puskuroinnin eli bufferoinnin avulla. Se oli todella mielenkiintoista! Puskuroinnilla määritetään siis kuinka monta havaintoa esiintyy tietyllä etäisyydellä kohteesta. Sillä voidaan kartoittaa esim. paras sijainti uudelle kauppakeskukselle laskemalla kaavailtujen paikkojen ympäristössä asuvien ihmisten määrä. Asukkaista voidaan lisäksi erotella eri ikäisten osuudet, auton omistavien talouksien määrä jne. Toinen käyttökohde voisi olla vaikka virkitysalueiden tavoitettavuus kaupunkialueella. Puskurointi on oiva apuväline ratkaistaessa mitä erilaisimpia ongelmia, joita Ilkka Saarinen blogissaan luettelee: “Puskuroinnin sovellusmahdollisuudet ovat laaja-alaiset ulottuen liikenteen suunnittelusta (melu, turvallisuus) aina tehtaiden sijaintien optimoimiseen (jätevedenpuhdistamon sijainti suhteessa asutukseen) ja luonnonsuojelualueiden suunnitteluun.”

MapInfon on oiva väline erilaisten ongelmien ratkaisussa, mutta rajoitteitakin sillä on. Ohjelma itsessää asettaa varmasti jonkinlaiset rajoitteet, jotka eivät ole omalla kohdallani vielä tulleet vastaan. Suurempi rajoittava tekijä on mielestäni aineistot. Analyysejä voi tehdä ainoastaan kerättyjen ja tallennettujen tietojen puitteissa, jotka tosin ovat melko laajat. Suurin rajoittava tekijä vielä toistaiseksi on käyttäjä itse. Siihen toivottavasti tulee vuosien varrella muutos.

MapInfo on mielestäni kiva ohjelma, vaikka välillä temppuileekin. En kuitenkaan tunne oloani kovin varmaksi ohjelmaa käyttäessäni. Monet työkalut ovat vielä hieman vieraita, vaikka niitä onkin jo muutamaan kertaan käytetty. Huomaan kuitenkin olevani koko ajan rohkeampi ja rohkeampi kokeilemaan uusia vieraita toimintoja, vaikkei “undo” -mahdollisuutta olekaan. Erityisen ylpeä olen keksittyäni, mistä laatimani kartogrammin pylväisiin sai numerot (kuva 6). Harmikseni unohdin poistaa järvet ja joet taustalta, joten kokonaisuutena lopputuloksesta ei voi olla kovin ylpeä. Olen kuitenkin kehittynyt kovasti karttojen laatimisessa ja se onnistuukin jo kohtuullisen helposti. Tiedostojen tallentamisessa on kuitenkin esiintynyt ongelmia. Useamman kerran tallentamaani työtä avatessa vain osa tiedoista on auennut. Kuvan 6 tapauksessa pylväät jäivät pois ja tilalla oli epämääräistä suhrua. Johtuneeko ohjelmasta vai väärästä tallennustavasta. Tämä pitää ehdottomasti selvittää ennen kurssin loppumista. Tämän ongelman takia olen kuitenkin saanut ekstraharjoitusta karttojen laatimisessa. 😀

MapInfon tärkeimmät toiminnot ovat mielestäni Queryt eli kyselyt, taulukoiden yhdistäminen yhteisen sarakkeen perusteella (minkä voi myös tehdä samaisella kyselytyökalulla) sekä teemakartan luominen Create Thematic Map -toiminnolla. Näitä toimintoja olen ainakin käyttänyt eniten. Myös uusi tuttavuus puskurointityökalu on varmasti erittäin tärkeä käytännön työssä.

Pääkaupunkiseudun uima-altaalliset asuinrakennukset keskittyvät Helsingin alueelle.

Kuva 6. Pääkaupunkiseudun uima-altaalliset asuinrakennukset keskittyvät Helsingin alueelle.

Laadin siis kartan pääkaupunkiseudun asuinrakennuksista, joissa on uima-allas (kuva 6). Homma oli melko työläs, koska MapInfo laittoi “viivan” ja numeron myös alueille, joilla ei ole umia-altaallisia taloja ja ne piti poistaa Corelissa yksitellen. Myös kartalle jääneet pylväät ja numerot piti siirtää oikeille kohdille yksitellen, mikä oli todella aikaavievää. Kartasta näkyy, että uima-altaalliset asuinrakennukset sijaitsevat pääasiassa Helsingin alueella. Tälle en keksi muuta syytä kuin, että Helsingissä on vanhin rakennuskanta ja talot on rakennettu ennen kuin alettiin miettiä energiankulutusasioita. Voin olla tässä täysin väärässäkin.

Loppuun olen liittänyt kurssikerralla tehtyjen tehtävien vastaukset taulukkoon 1.

Taulukko 1. Tehtävien vastaukset
Taulukko 1

 

Lähteet:

Saarinen, I. (2014). KK 5 – Larppausta ja menneitä aikoja. <https://blogs.helsinki.fi/ilkkasaa/>. Luettu 13.2. 2014.

Kurssikerta 4: Rasterikarttoja

Tällä kertaa kaikki tuntui menevän pieleen, siis ihan kaikki. Tutustuimme rasterikartan tekemiseen, mikä sujui ihan kivasti Artun johdolla. Avasimme ensin pääkaupunkiseutua esittävän kartan MapInfoon ja piirsimme sen päälle ruudukon Create Grid -työkalun avulla. Harjoituksessa käytimme 500 metrin ruutukokoa, mutta koon voi normaalisti määrittää melko vapaasti kuhunkin tapaukseen sopivaksi. Pienin mahdollinen (tai suositeltu) ruutukoko on kuitenkin 200 metriä.

Seuraavaksi avasimme MapInfoon pääkaupunkiseudun väestötietokannan, josta käy ilmi asukkaiden sijainti pääkaupunkiseudun alueella. Tietokannassa jokaisesta asukkaasta on tallennettu myös tieto iästä, osoitteesta, sukupuolesta jne. Harjoituksessa oli tarkoitus luoda rasterimuotoinen väestöntiheyskartta eli tarvitsimme tiedon koko pk-seudun väkimäärästä. Aloitimme luomalla aiemmin tekemäämme gridiin uuden sarakkeen, johon siirsimme asukasluvut väestötietokannasta. Tietoa siirtäessä asetukset piti laittaa niin, että ohjelma määrittää erikseen jokaisen ruudun sisään jäävät kohteet, laskee ne yhteen ja syöttää tiedon gridiin kutakin ruutua vastaavan rivin soluun. Tämän jälkeen teemakartta luotiin normaaliin tapaan.

Tähän asti kaikki meni siis oikein hyvin, mutta oman kartan luomisvaiheessa alkoi tökkiä. Valitsin kartan teemaksi ruotsinkielisten jakautumisen pääkaupunkiseudulla. Alkuun sujui hyvin ja sain aikaiseksi ihan kivannäköisen kartan. Kokeilin ruutukokoja 300 x 300 metriä ja 600 x 600 metriä, joista valitsin ensimmäisen. Suurempi ruutukoko teki kartasta kömpelön ja puuromaisen, kuten Natalia Erfvingin 4. kurssikerran blogikirjoitukseen liitetystä kuvasta 2 näkyy. Erfving käytti kuvassaan ruutukokoa 1000 x1000 metriä, mutta idea on sama.

Aineistoni jakauma oli selvästi vino, joten ainoa sopiva MapInfon tarjoama luokitteluvaihtoehto oli kvantiilit. Luokkien määrää pohdin pitkään ja päädyin lopulta kolmeen. Viisi luokkaa lisäsi ainoastaan pieniarvoisten luokkien määrää eikä mielestäni antanut tärkeää lisäarvoa karttaan. Kvantiilit jakavat aineiston suurinpiirtein yhtä suuriin luokkiin (yhtä monta tapausta / luokka). Omassa aineistossani kahdessa pienimmässä luokassa arvot ovat 1-5 ja 5-14 ja ylimmässä luokassa 14-485 (kuva 5). Yli puolet kartan pinta-alasta on valkoista eli näillä alueilla ei ole lainkaan ruotsinkielisiä ja paikoin asutus voi puuttua kokonaan. Kahdessa alimmassa luokassa ruotsinkielisten määrä on alle 15 henkilöä 300 x 300 metriä kokoisella alueella. Ylimmässä luokassa sen sijaan vaihtelu on suurta; alimmillaan 15 ja ylimmillään 485 ruotsinkielistä 300 x 300 metrin alueella.

Kuva 5. Ruotsinkieliset ovat keskittyneet pääkaupunkiseudulla rannikolle ja tiheys laskee pohjoista kohti.

Kuva 5. Ruotsinkielisten absoluuttinen määrä ja jakautuminen pääkaupunkiseudulla. Pikselikoko 300 x 300 metriä.

En ole vakuuttunut kvantiilien paremmuudesta luokittelussa tämän aineiston kohdalla. Ylimmän luokan vaihteluväli on todella suuri ja kartalla näyttää siltä, että ruotsinkielisiä on hyvinkin paljon. He ovat keskittyneet rannikolle ja muutenkin kartan eteläosiin. Pohjoista kohti mentäessä tiheys pienenee. Näyttää siltä, että Tikkurilan, Rekolan ja Korson alueella on yllättävän paljon ruotsinkielistä väestöä, samoin Itäisessä Helsingissä.

Kokeilin mielenkiinnosta myös luonnollisia luokkavälejä, joihin olen kurssin aikana mieltynyt kovasti. Kartta näytti heti paljon paremmalta, samoin luokkavälit, jotka olivat tasaisemmat ja toivat mielestäni ruotsinkielisten alueellisen jakautumisen paremmin esille. Ylimmän luokan vaihteluväli oli pienempi kuin kvantiileissa ja kartalla näkyi selvä keskittymä Kauniaisissa, Espoon rannikolla ja Helsingin keskustan alueella. Muilla alueilla ruotsinkielisiä näytti olevan melko vähän.

Varsinkin luonnollisia luokkavälejä käytettäessä vallalla oleva käsitys ruotsinkielisten hyvästä tulotasosta ja sen myötä keskittymisestä arvostetuille ja kalliille asuinalueille Espooseen, Kauniaisiin ja Helsingin keskustaan saa vahvistusta. Kartta kuvaa absoluuttisia arvoja, joten mm. Helsingin keskustan suuri ruotsinkielisten määrä voi johtua suuresta asukasmäärästä yleensä. Ruotsinkielisiä ei siis välttämättä ole siellä suhteellisesti sen enempää kuin muuallakaan. Kvantiileja käytettäessa, kuten kuvassa 5, ruotsinkielisten määrät näyttävät olevan suurimmat asutuskeskuksissa ja hyvien liikenneyhteyksien varrella, missä väkeä on muutenkin eniten. Lukiessani muiden blogeja huomasin, että teemasta riippumatta monen kartta muistutti kovasti omaani. Esimerkiksi Minni Aallon pk-seudun eläkeläisiä kuvaava kartta on lähes kopio omastani. Tästä voi päätellä, että ihmisiä kuvattaessa arvot tosiaankin ovat suuria juuri tiheän asutuksen alueilla olipa teema mikä hyvänsä.

Laitoin kartalleni näkyviin pääkaupunkiseudun suuralueet ja niiden nimet, jotta karttaa olisi helpompi hahmottaa. Pienalueiden näkyminen kartalla teki esityksestä hyvin sotkuisen, eikä alueiden nimien sijoittamista kartalle voinut edes harkita. Suuralueiden avulla lukija pystyy hahmottamaan suurpiirteisesti myös pienempien alueiden sijainnin. Tieverkko olisi ollut informatiivinen lisä karttaan, mutta sekin sai kartan muistuttamaan lähinnä hämähäkin verkkoa.

Tekemillämme kahdella kartalla kuvataan absoluuttisia arvoja tietyn kokoisiin ruutuihin jaetulla alueella. Kartalta saa siis kuvan siitä missä esitettyä ilmiötä on absoluuttisesti eniten. Koropleettikarttaa sen sijaan kannattaa käyttää silloin kun halutaan esittää ilmiön suhteellisia osuuksia. Mia Eriksson tuo blogissaan esille hyvän pointin: “Koropleettiteemakartassa joidenkin hallinnollisten alueiden sisäiset alueelliset eroavaisuudet saattavat kadota, mutta ruututeemakartassa nekin saadaan esille”.

Rasterikartalla alue on jaettu samankokoisiin ruutuihin, jotka on luokiteltu. Jokainen ruutu kuuluu siis yhteen luokkaan, jonka arvo voi vaihdella luokkavälin puitteissa. Ruudulta voi siis lukea montako havaintoa sen alueella suunnilleen on. Luokkien vaihteluväli voi joskus olla melko suuri, jolloin absoluuttisten määrien arviointi on vaikeaa. Esimerkiksi omalla kartallani ylimmän luokan vaihteluväli on 471, mikä on todella suuri. Pistekartalla sen sijaan tietyn kokoinen piste esittää tiettyä absoluuttista havaintojen määrää. Pisteet on yleensä sijoitettu kohtaan, jossa havainnot todellisuudessa ovat. Pistekartalla havaintojen sijainti on siis tarkempi kuin rasterikartalla ja havaintojen määrän voi arvioida tarkemmin. Tietysti pistekartoissakin havaintojen määriä pyöristetään, koska harvoin havaintoja on täsmälleen pisteen osoittama pyöreä luku. Pistekartan voi myös yhdistää esimerkiksi koropleettikarttaan toisin kuin rasterikartan. Mielestäni rasterikartta on ihan kelvollinen tapa esittää absoluuttisia arvoja. Tämä riippuu tietysti myös käytetystä luokituksesta, joka voi joissain tapauksissa johtaa kartanlukijan harhaan.

Ja sitten oman tuotokseni ulkonäön kritisointia. Kuten näkyy kartta näyttää vähän oudolta. Kaikki oli hyvin, kunnes siirsin kuvan loppumuokkausta varten Coreliin, joka päätti tehdä siitä tällaisen. Tein kartan kahteen kertaan, mutta molemmilla kerroilla lopputulos oli tämä enkä jaksanut enää kolmatta kertaa taistella Corelin kanssa. Lisäksi kartan väritys muuttui Corelissa ja se on nyt mielestäni liian tumma. Tekstit eivät erotu taustastaan tarpeeksi hyvin. Muutenkin koko kartan luominen oli taistelua. Jopa MapInfo temppuili ja hukkasi parin tunnin työni ja sekoili muutenkin. En saanut legendaa näkyviin, kartta ei asettunut hyvin Layout -ikkunaan ja kaikki tuntui olevan hankalaa. Omista taidoistahan se tietysti pääasiassa oli kiinni, mutta tekisi mieli syyttää osin ohjelmaakin. Kaikki tiedot eivät ilmeisesti olleet tallentuneet ja avatessani ohjelman uudelleen ruudulle hyppeli miljoona ikkunaa, joita en todellakaan muista avanneeni edellisellä kerralla.

Teknisten ongelmien kanssa taistellessani unohdin muokata legendan valmiiksi ja se jäi nyt hieman vajavaiseksi. Yritin kompensoida tätä laittamalla puuttuvat tiedot kuvatekstiin. Lisäksi olen tyytymätön teemavalintaani. Aluksi valitsinkin tarkasteltavaksi yli 84-vuotiaat, mutta jostain tuntemattomasta syystä vaihdoin ruotsinkielisiin. Tämä ei siis todellakaan ollut minun viikkoni ja lopputulos on mitä on. Korjaan kartan ehkä myöhemmin, jos on aikaa, mutta nyt on tyytyminen tähän. Ensi kerralla sitten paremmin.

Lopuksi valmistelimme vielä ensi kerran kurssityötä ja liitimme kartan koordinaatistoon MapInfossa. Lisäksi rajasimme kartasta tutkittavan alueen ja piirsimme sille suurimmat tiet ja asuinrakennukset.

 

Lähteet:

Aalto, M. (2014). Kurssikerta 4: Rasterikarttoja MapInfolla. <https://blogs.helsinki.fi/mmaalto/>. Luettu 7.2.2014.

Erfving, N. (2014). Kurssikerta 4: Ruutuja, rasterikarttoja ja alle kouluikäisten määrä pääkaupunkiseudulla. <https://blogs.helsinki.fi/nataliae/>. Luettu 4.2.2014.

Eriksson, M. (2014). Neljäs kurssikerta: Ruututeemakarttoja. <https://blogs.helsinki.fi/miaeriks/>. Luettu 7.2.2014.

Kurssikerta 3: Datan käsittelyä ja valuma-aluekartta

Kolmannella kurssikerralla syvennyimme erilaisten aineistojen käsittelyyn. Muokkasimme jo olemassaolevaa dataa käyttökelpoisempaan muotoon, siirsimme aineistoja Excelistä MapInfoon ja yhdistelimme aineistoja keskenään. Yhteisessä harjoituksessa keräsimme ja yhdistelimme taulukkomuotoista dataa Afrikan valtioista sekä loimme uutta aineistoa laskemalla arvoja vanhan datan avulla. Näin saimme tietoa esimerkiksi konfliktien, timanttikaivosten ja öljykenttien määrästä eri Afrikan maissa. Jokaiseen yksittäiseen konfliktiin, kaivokseen ja öljykenttään liittyi tarkempaa tietoa, kuten löytövuosi, esiintymän laajuus tai tuottavuus, joten kyseessä oli paikkatietoaineisto. Näiden tietojen avulla voi tehdä erilaisia päätelmiä eri alueista ja valtioista Afrikassa. Esimerkiksi öljykentän löytämisvuosi, poraamisvuosi ja tuottavuusluokittelu kertovat öljyesiintymän suuruudesta, riittävyydestä ja mahdollisesta vaikutuksesta valtion talouteen. Tosin öljykentät voivat olla monikansallisten yritysten omistuksessa, jolloin niiden vaikutus maan talouteen on olematon.

Konfliktin tapahtumavuosi ja laajuus kertovat sen sijaan valtion sosiaalisesta tilanteesta. Jos konflikti on tapahtunut hiljattain ja ollut laaja, voidaan olettaa, että valtio on murrosvaiheessa ja olot ovat joko edelleen levottomat tai uudelleenrakentaminen on käynnissä. Konfliktin sijainti valtion sisällä saattaa paljastaa, onko kyse sisällissodasta vai kahnauksesta naapurimaan kanssa. Mielenkiintoista olisi myös tarkastella onko timanttikaivosten taajuudella ja konfliktien esiintymisellä jonkin näköinen yhteys. Internetkäyttäjien määrä eri vuosina antaa osviittaa maan kehitystasosta ja kehityksen vauhdista. Mitä enemmän internetkäyttäjiä, sitä kehittyneempi maa usein on ja mitä nopeammin käyttäjät ovat lisääntyneet, sitä nopeampaa kehitys on ollut.

Yhteisen harjoituksen jälkeen saimme jälleen kerran testata juuri opittuja taitojamme siirtämällä dataa MapInfoon ja muokkaamalla sitä siellä sopivaan muotoon. Aineiston pohjalta laadimme kaksiteemaisen kartan, jolla esitetään Suomen jokien valuma-alueiden tulvaindeksit sekä järvisyys eli järvien osuus alueen pinta-alasta (kuva 4). Tulvaindeksi laskettiin kullekin joelle jakamalla keskiylivirtaama (ylimpien mitattujen arvojen keskiarvo tietyllä ajanjaksolla mitattuna) keskialivirtaamalla (alimpien mitattujen arvojen keskiarvo tietyllä ajanjaksolla mitattuna). Indeksi kertoo siis paljonko joen pinnan taso vaihtelee tietyllä ajanjaksolla.

Kuva 4. Valuma-alueiden tulvaindeksin ja järvisyyden välillä voidaan huomata riippuvuus. Mitä enemmän alueella on järviä, sitä pienempi on tulvaindeksi.

Kuva 4. Valuma-alueiden tulvaindeksin ja järvisyyden välillä voidaan huomata riippuvuus. Mitä enemmän alueella on järviä, sitä pienempi on tulvaindeksi.

Tulvaindeksin histogrammin perusteella aineiston jakauma näyttää ensivilkaisulla vinolta. Diagrammin ensimmäinen pylväs kuitenkin poikkea linjasta, joten päädyin epämääräisesti jakautuneeseen jakaumaan. Kokeilin taas kaikki sopivat luokittelutavat läpi ja jälleen kerran luonnolliset luokkavälit antoivat parhaan tuloksen. Ne erottivat ylivoimaisesti eniten tulvivan Aurajoen omaksi luokakseen, jolloin tulvien keskinäiset suuruuserot tulivat paremmin esille. Kvantiilit olisivat sopineet sekä epämääräisesti jakautuneen että vinon jakauman luokitteluun ja mietinkin olisiko se ollut oikea valinta. Mielestäni tulvien suuruuden väliset erot kuitenkin tasaantuivat tällä luokituksella liikaa ja aineisto “tasapäistyi”. Luokkien määräksi valitsin viisi, koska pienempi määrä tasoitti alueiden välisiä eroja liikaa.

Väriskaalaksi valitsin aluksi keltaisesta vihreän kautta siniseen muuttuvat sävyt. Kellertävä sävy erotti kyllä hyvin pienimmän tulvariskin alueet, mutta vihreä sävy oli mielestäni hieman outo ja pelkäsin sen johtavan virhetulkintaan. Siispä muutin paletin kokonaisuudessaan sinisävyiseksi ja siihen olenkin tyytyväinen. Vaikka sävyt ovat lähellä toisiaan, eniten ja vähiten tulvivat alueet erottuvat kartalta kuitenkin selvästi.

Tehtävänannon mukaan valuma-alueiden järvisyyttä kuvataan pylväillä. Tein pylväistä mahdollisimman kapeita ja väriksi valitsin punaisen, jotta se erottuisi hyvin sinisestä taustasta. Pylväät kasvavat lineaarisesti, jolloin niiden tulkinta on helppoa ja yksiselitteistä. Pyry Poutanen päätyi kartassaan samaan ratkaisuun ja toteaakin blogissaan, että “epälineaarisesti kasvavat pylväät johtavat lukijan herkästi harhaan”. Osa valuma-alueista on niin pieniä, että pylväät peittävät niistä suuren osan alleen. Osassa taas järvien osuus on niin pieni, että pylväs näyttää enemmän vaakaviivalta alueen päällä. Näihin ongelmiin en löytänyt ratkaisua, koska pylväiden leveyden säätäminenkään ei parantanut tilannetta merkittävästi.

Kartalta huomaa, että Suomen alueella tulvat ovat pahimpia rannikoiden lakeuksilla. Juuri tasainen maa ja jokakeväinen lumien nopea sulaminen aiheuttavat tulvimista. Myös sateiden määrä saattaa olla rannikolla sisämaata suurempi. Kartalta näkyy myös, että pahimmilla tulva-alueilla järvien määrä on todella pieni, joten sade- ja sulamisvesille ei ole luonnollista puskuroivaa varastoa. Sisämaassa sen sijaan järvien osuus pinta-alasta on suuri ja maanpinta on rannikkoa korkeammalla, joten tulvia ei juuri pääse muodostumaan vesien valuessa kohti rannikkoa tai varastoituessa järviin. Lapissa Inarijärvi ja laajat suoalueet toimivat vesivarastoina, joten sielläkin tulvat jäävät hyvin pienimuotoisiksi. Myös rannikolla on huomattavissa yhteys järvisyyden ja tulvaindeksin välillä; mitä enemmän järviä, sitä vähemmän tulvia ja päin vastoin. Christa Sallasmaan blogissa on lisäksi hyvä huomio: “On hyvä muistaa, että luonnollisten tekijöiden lisäksi tulva-alttiutta nostavat myös ihmisen teot. Esimerkiksi Pohjanmaan tulvat ovat voineet lisääntyä suo-ojitusten seurauksena.” Kartalla olevilta rannikon valkoisilta alueilta sade- ja sulamisvedet kulkeutuvat suoraan mereen, joten ne on jätetty jokien valuma-alueluokituksen ulkopuolelle.

MapInfo tuntuu kerta kerralta kiinnostavammalta ohjelmalta. Karttojen tekeminen on kivaa ja hyvien ohjeiden avulla kohtuullisen helppoakin. Muokkasin tämänkertaisen kartan legendan valmiiksi Corelissa, mikä muistutti näiden kahden ohjelman välisestä suuresta erosta. Corelin kanssa paloi taas hermot pariinkin otteeseen, kun taas MapInfo on käyttäytynyt ainakin tähän asti hyvin korrektisti. Pidän myös siitä, että MapInfolla karttojen tekeminen valmiiden ainestojen pohjalta on todella nopeaa.

 

Lähteet:

Poutanen, P. (2014). Kurssikerta 3 – MapInfon soveltavaa käyttöä. <https://blogs.helsinki.fi/pyrypout/>. Luettu 30.1.2014.

Sallasmaa, C. (2014). 3. kurssikerta: Tietokantoja ja teemakartta valuma-alueista. <https://blogs.helsinki.fi/christas/>. Luettu 30.1.2014.

SYKE 2013. Valuma-alueet. Oiva -tietokanta. <http://wwwp2.ymparisto.fi/scripts/paikkatieto.asp>.

Artikkeli 1: Pohdintaa kaksiteemaisesta koropleettikartasta

Anna Leonowiczin (2006) artikkeli ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship” esittelee kaksiteemaisen koropleettikartan käyttöön liittyviä hyötyjä ja haittoja. Kaksiteemaisia koropleettikarttoja pidetään yleensä vaikeasti luettavina ja hankalina käyttää. Leonowicz suoritti puolalaisilla ja liettualaisilla ensimmäisen vuoden maantieteen opiskelijoilla kokeen, jossa opiskelijat vertailivat yksi- ja kaksiteemaisia karttoja. Tulokset vahvistivat käsityksen kaksiteemaisten koropleettikarttojen vaikeasta luettavuudesta. Tästä huolimatta koehenkilöt kokivat ne kahden eri teeman alueellisia suhteita kuvattaessa parempina kuin erilliset yhden teeman kartat, joita vertaillaan keskenään. Leonowicz päätteli, että kahden teeman koropleettikartat ovat käyttökelpoisia kunhan ne laaditaan oikein ja luokkien määrä pidetään tarpeeksi pienenä.

En muista nähneeni kahden teeman koropleettikarttaa aiemmin. Leonowiczin artikkelissa se vaikutti ensinäkemältä kovin epämääräiseltä ja hankalalta tulkita. Kartan legenda poikkeaa perinteisestä ja kartalla esitetään usean eri värin sävyjä. Artikkelin luettuani tulin kuitenkin siihen tulokseen, että tällainen esitystapa voi olla joissain tilanteissa melko näppäräkin. Yhden teeman kartalla voi nimensä mukaan esittää vain yhtä teemaa kerrallaan. Kahta erillistä asiaa verrattaessa perinteisiä karttoja on vain verrattava vierekkäin ja yritettävä huomata mahdolliset korrelaatiot. Kahden teeman kartalla vertailtavat asiat pystytään esittämään samalla kartalla, josta teemojen väliset korrelaatiot on helpompi havaita.

Kartan legenda on ”pikaopas” kartan tulkitsemiseen ja sen kuuluisi sisältää kaikki tiedot, joita kartan lukemisessa tarvitaan. Kaksiteemaisen koropleettikartan legendassa käytetyt värit tai rasterit esitetään neliönmuotoisena laatikkona, joka on pilkottu yleensä neljään tai yhdeksään pienempään laatikkoon (Leonowicz 2006, kuva 4). Laatikon voi kuvitella koordinaatistoksi, jonka x-akseli kuvaa toista teemaa ja y-akseli toista ja keskellä kulkee lineaarinen regressiokäyrä. Käyrä on nouseva, jos teemojen välillä on positiivinen korrelaatio (kun a lisääntyy, niin b lisääntyy) ja laskeva, jos korrelaatio on negatiivinen (kun a lisääntyy, niin b vähenee). Molemmat teemat on jaettu kahteen tai kolmeen luokkaan, joten legendaan muodostuu yhteensä neljä tai yhdeksän luokkaa. Luokkien määrä on hyvä rajata enintään yhdeksään, koska tätä suurempi määrä tuottaa sekavan ja todella vaikeasti tulkittavan kartan. Värit (tai rasterit) on valittava niin, että ne antavat mahdollisimman selkeän ja havainnollisen kuvan käsiteltävistä teemoista eivätkä sotkeennu keskenään.

Hyvin laadittu kaksiteemainen koropleettikartta antaa lukijalle melko hyvän kuvan esitettävien teemojen riippuvuussuhteista. Kartalta näkee kohtuullisen helposti millä alueilla korrelaatiota esiintyy vai esiintyykö sitä lainkaan. Tällaiselta kartalta teemojen välisen riippuvuuden huomaa varmemmin kuin perinteisiä karttoja vertaamalla, koska riippuvuuden asteita kuvataan omilla väreillään (Leonowicz 2006, kuva 3). Leonowiczin artikkelin kuvassa 3 on samat teemat kuvattu kaksiteemaisella kartalla ja kahdella yhden teeman kartalla. Pikaisesti vilkaistuna yhden teeman kartat antavat mielestäni kuitenkin paremman kuvan teemojen välisestä riippuvuudesta. Tämä johtuu varmaan siitä, etten ole tottunut lukemaan kaksiteemaisia koropleettikarttoja. Kaksiteemaisen kartan tulkinta vaatiikin lukijalta paljon enemmän taitoa kuin perinteisen yhden teeman kartan lukeminen. Legendaan kannattaa tutustua huolella ja paneutua kartan tulkintaan kunnolla virheiden välttämiseksi.

Kurssilla käyttämämme MapInfo –ohjelma tarjoaa paljon erilaisia mahdollisuuksia ja vaihtoehtoja teemakarttojen luomiseksi. Omat taitoni eivät riitä artikkelin karttoja vastaaviin esityksiin, mutta ulkonäöltään hieman erilaisia kaksiteemaisia koropleettikarttoja onnistuin luomaan. Tarjoamiensa mahdollisuuksien lisäksi MapInfo asettaa myös rajoitteita, joita ei heti tule edes ajatelleeksi. Karttapohjat tarjotaan valmiina, jolloin kartanlaatijan on vain tyydyttävä saamaansa. Samoin värit ja rasterit valitaan valmiilta listalta, kuten monet muutkin symbolit. Vaihtoehtoja on ihan mukavasti, mutta ei kuitenkaan aina tarpeeksi. CorelDraw –ohjelman jälkeen, jossa lähes kaikkea pystyi muokkaamaan rajattomasti, MapInfo tuntuu melko rajoittavalta.  Ohjelman rajoitteet muokkaavat karttaa väkisinkin halusimmepa sitä tai emme. Tässä vaiheessa kurssia kartanlaatimisen rajoittavin tekijä taitaa kuitenkin olla käyttäjä itse.

 

Lähteet:

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

Kurssikerta 2: Kahden teeman teemakartat

Tällä kurssikerralla jatkoimme MapInfoon tutustumista ja syvennyimme kahden päällekkäisen teemakartan luomiseen. Se kuulosti aluksi hankalalta ja monimutkaiselta, mutta käytännön toteutuksen myötä se osoittautuikin melko simppeliksi. Kokeilimme myös Grid- ja 3D-kartan luomista. Harjoittelimme jälleen erilaisten karttaesitysten luomista yhdessä Paarlahden johdolla. Etenimme mukavan rauhallisesti, joten asiat tuntuivat menevän perille ja niihin ehti paneutua kunnolla. Kahta teemakarttaa päällekkäin kuvattaessa alimmainen kartta on yleensä koropleettikartta. Sen päälle voi helposti lisätä esim. pylväistä tai piirakoista koostuvan kartogrammin tai pistekartan. Myös kaksi koropleettikarttaa on mahdollista esittää päällekkäin. Tällöin niille valitaan värit tai rasterit, jotka eivät sekoitu keskenään eivätkä tee lopputuloksesta sotkuista tai epäselvää.

Tein oman karttani juuri kahdesta koropleettikartasta. Karttani kuvaa työttömyyden ja korkeakoulutuksen välistä suhdetta Uudellamaalla (kuva 3). Punaisella värillä kuvataan työttömyysastetta ja pisterasterilla korkea-asteen tutkinnon suorittaneiden osuutta. Värin ja erityisesti rasterin valinta tuotti jonkin verran päänvaivaa. Rasterin on erotuttava värillisestä taustasta ja lisäksi eri luokkien on erotuttava toisistaan. Päädyin punaiseen väriin ja mustaan pisterasteriin.

Kuva 3. Työttömyyden ja koulutusasteen välillä voidaan huomata yhteys (Tilastokeskus 2010).

Kuva 3. Työttömyyden ja koulutusasteen välillä voidaan huomata jonkinasteinen yhteys. Korkea-asteen tutkinnon suorittaneilla tarkoitetaan 15 vuotta täyttäneitä ammatillisen opistoasteen tutkinnon, ammatillisen korkea-asteen tutkinnon, ammattikorkeakoulututkinnon, ylemmän ammattikorkeakoulututkinnon sekä yliopistoissa alemman korkeakoulututkinnon, ylemmän korkeakoulututkinnon, lisensiaatin- ja tohtorintutkinnon suorittaneita (Tilastokeskus 2010).

Luokittelun valinta oli toinen päänvaivaa tuottava seikka. Molemmat aineistot olivat epämääräisesti jakautuneita, joten sopivia luokittelutapoja oli kolme: tasaväliset luokat, kvantiilit ja luonnolliset luokkavälit. Kokeilin vuorollaan kaikkia kombinaatioita ja mietin, mikä luokittelutapa toisi faktat esiin sellaisina kuin ne ovat eikä muokkaisi todellisuutta liikaa suuntaan eikä toiseen. Kartasta piti myös saada helposti luettava. Valitsin lopulta molemmille aineistoille tasavälisen luokituksen, jossa luokkavälit ovat yhtä suuret. Tällöin luokat ja niiden koot on helpompi hahmottaa kuin esim. luonnolliset luokkavälit, joissa luokkavälit voivat olla hyvin erisuuruiset keskenään. Luokkien määrän rajasin molemmissa aineistoissa kolmeen, koska useampi luokka tekisi kartasta hyvin vaikeaselkoisen.

Päätin laittaa kuntien nimet näkyviin, koska ne tuovat paljon lisäarvoa karttaan. Harva osaa nimetä, saatika sijoittaa kartalle, kaikki Uudenmaan kunnat, vaikka itse kyseisellä alueella asuisikin. Pohdin nimien lisäämistä pitkään ja mallailin karttaa niiden kanssa ja ilman. Toki kartta olisi siistimpi ilman nimistöä, mutta tällöin paljon informaatiota jäisi pois. Samaa ongelmaa pohti Aleksi Rautio Helsingin kaupunginosia kuvaavaa karttaa käsittelevässä blogissaan: “Kaupunginalueiden nimeäminen olisi mielestäni ollut mielenkiintoinen lisä karttaan, koska se olisi selkeyttänyt karttaa paremmin lukijalle, joka ei tiedä Helsingin kaupunginosia, mutta nimet olisivat sotkeneet karttaa.” Niklas Aalto-Setälällä oli blogissaan tähän ongelmaan mielestäni ihan kelpo ratkaisu: “Nimistön lisääminen karttaan olisi minun mielestäni ollut turha sillä kartasta olisi tullut liian epäselvä. Mutta jokaisen alueen numeroimien ja numerot selittävä lista (numero=paikka) olisi voinut olla toimiva ratkaisu ja tuoda lisäarvoa kartta esitykseen.”

Kahden teeman vuoksi kartan lukeminen vaatii hieman enemmän paneutumista kuin yksiteemaisen kartan lukeminen. Mielestäni lopputulos on kuitenkin kohtuullisen selkeä. Kahden teeman välillä vallitsee jonkinasteinen yhteys. Kunnat, joissa on eniten korkeasti koulutettuja, sijaitsevat kartan keskellä yhtenäisenä vyöhykkeenä Helsingin ympärillä (ainoastaan Vantaa poikkeaa tästä pienemmällä korkeakoulutettujen osuudellaan). Tällä alueella suurin osa kunnista kuuluu pienimmän työttömyyden luokkaan ja loput kolme kuntaa keskimmäiseen luokkaan. Suurin korkeakoulutettujen osuus on Espoossa ja Kauniaisissa.

Suurimmassa osassa kunnista, joiden koulutustaso on matalin, työttömyysaste on ylimmän tai keskimmäisen luokan tasolla. Kaikilla korkeimman työttömyyden alueilla korkeakoulutettuja osuus on alimman luokan tasoa. Poikkeuksiakin löytyy, kuten Mäntsälä, Pornainen ja Pukkila, joissa korkeakoulutettuja on vähän, mutta myös työttömyys on vähäistä. Sen sijaan Helsingissä, Keravalla ja Järvenpäässä korkeakoulutettujen osuus on 30-43 % (keskimmäinen luokka), mutta työttömyys on silti korkeampaa kuin muilla vastaavan koulutustason alueilla.

Näyttää siltä, että mitä suuremmalla osalla kunnan asukkaista on korkea-asteen koulutus, sitä pienempi on työttömyysaste. Koulutetulle väestölle näyttää siis löytyvän parhaiten töitä, mikä ei ole suuri yllätys. Tämä olettamus ei päde kaikkien kuntien kohdalla ja tulkintoja tehtäessä onkin oltava varovainen. Kartalta näkyy myös, että korkeasti koulutetut asuvat pääkaupunkiseudulla ja sitä ympäröivällä vyöhykkeellä. Tämä johtunee pääkaupunkiseudun tarjoamista runsaista työmahdollisuuksista. Vantaan alhainen koulutustaso ihmetyttää hieman. Se voi johtua ainakin osittain alueen suuresta pakolaismäärästä. Tämä väestönosa on yleensä matalasti koulutettua.

 

Lähteet:

Aalto-Setälä, N. (2014). MapInfon uudelleen kohtaaminen. <https://blogs.helsinki.fi/niklasaa/>. Luettu 21.1.2014.

Rautio, A. (2014). PAK ja näin se alkaa. <https://blogs.helsinki.fi/alerauti/>. Luettu 21.1.2014.

Tilastokeskus (2010). Oppilaitostilastot.

Tilastokeksus (2010). Työssäkäyntitilasto.

Kurssikerta 1: MapInfoon tutustuminen

Ensimmäinen kurssikerta aloitettiin kertaamalla paikkatietoasioita, jotka ovat kurssin keskeinen sisältö. Seuraavaksi tutustuttiin MapInfo -paikkatieto-ohjelmaan ja sen perusominaisuuksiin. Erilaisia toimintoja harjoiteltiin yhdessä laatimalla koropleettikartta. Ohjelmaan oli tutustuttu pinnallisesti jo aiemmin syksyllä Tiedon hankinta, analyysi ja kartografia -kurssilla, joten jonkinlainen pohja asioiden omaksumiselle oli jo olemassa. Ohjelman käyttö oli aluksi hapuilevaa ja erilaisten toimintojen muistaminen hankalaa. Opettajan jakama lunttilappu tuli tarpeeseen. Pienen harjoittelun jälkeen homma alkoi kuitenkin luistaa ihan mukavasti. Uusien toimintojen oppiminen ja muistaminen vaatii kuitenkin vielä lisäharjoitusta, jota uskon kurssin aikana saavani.

Ohjatun harjoittelun jälkeen laadittiin toinen koropleettikartta itsenäisesti. Laadin oman karttani Suomen ruotsinkielisen väestön osuudesta kunnittain vuonna 2010. Aineistona käytin Tilastokeskuksen vuoden 2010 Väestörakenne -julkaisua. Luokittelun valintaa varten aineisto syötettiin verkossa olevaan histogrammityökaluun. Käyttämäni aineisto oli epämääräisesti jakautunut, joten valitsin luokittelutavaksi luonnolliset luokkavälit (kuva 1). Jasmin Bayar kirjoittaa blogissaan, että luonnollisten luokkarajojen heikkoutena on luokkien vaihteleva koko ja luokkavälien epäsystemaattisuus. Olen samaa mieltä, mutta rajaamalla luokkien määrän tarpeeksi pieneksi, kartan tulkitsemisessa ei pitäisi tulla ongelmia.

Muita epämääräisesti jakautuneen aineiston luokitteluun sopivia tapoja ovat kvantiilit ja tasaväliset luokat. Kuten histogrammista näkyy valtaosassa kunnista ruotsinkielisten osuus on hyvin pieni. Siitä johtuen kvantiilit eivät sovi tähän aineistoon. Kvantiileissa jokaiseen luokkaan tulee yhtä monta tapausta, jolloin aineiston luonne katoaisi täysin. Alimpien luokkien yläraja olisi alle 10 % ja ylin luokka kattaisi loput, jolloin kartalta saisi helposti vaikutelman, että ruotsinkielisiä on enemmän ja he ovat jakautuneet laajemmalle alueelle kuin todellisuudessa. Tasaväliset luokat antaisivat huomattavasti paremman kuvan kuin kvantiilit, mutta nekin vääristäisivät todellisuutta. Kaikki luokittelutavat vääristävät todellisuutta jossain määrin, mutta luonnolliset luokat tekevät sitä tässä tapaukssa vähiten.

Kuva 1. Ruotsinkielisten jakautuminen Suomessa kunnittain.

Kuva 1. Ruotsinkielisten jakautuminen Suomessa kunnittain.

Luokkien määrän rajasin kolmeen, koska se tuotti mielestäni informatiivisimman kartan (kuva 2). Useampi luokka ei olisi tuonut karttaan mitään lisäarvoa, koska luokkien erot olisivat olleet niin pienet. Rannikon ruotsinkieliset kunnat olisivat vain jakautuneet useampaan luokkaan. Kartalta näkyy selvästi ruotsinkielisen väestön keskittyminen Etelä- ja Varsinais-Suomen rannikolle, Ahvenanmaalle sekä Pohjanmaalle. Alimpaan luokkaan, jossa ruotsinkielisten osuus väestöstä on enintään 5,3 %, kuuluu valtaosa (289 eli 86 %) kunnista. Ylimpään luokkaan kuuluu 31 kuntaa ja niissä ruotsinkielisten määrä vaihtelee 55,9 % ja 93,9 % välillä.

Kuva 2. Ruotsinkielinen väestö on keskittynyt rannikoille ja Ahvenanmaalle (Tilastokeskus 2010).

Kuva 2. Ruotsinkielinen väestö on keskittynyt rannikoille ja Ahvenanmaalle (Tilastokeskus 2010).

Kartta on mielestäni helppolukuinen ja antaa lukijalle selkeän kuvan aiheesta, vaikkei hän olisi perehtynyt aineistoon sen syvällisemmin. Kuten Natalia Erfving blogissaan toteaa, kartan otsikko ja legenda auttavat tulkitsemaan kartan sanoman nopeasti, vaikka aineisto olisi vieras. Kartasta näkyy mihin ruotsinkielinen väestö Suomessa keskittyy, mutta ruotsinkielisten määrä ei pelkän kartan avulla selviä. Kuntien asukasmäärä vaihtelee paljon, joten pelkkä prosenttiosuus ei riitä kuvaamaan ruotsinkielisten absoluuttista määrää. Kaiken kaikkiaan onnistuin kartan laadinnassa mielestäni melko hyvin. Kartta on selkeä, kuvattava ilmiö helposti tulkittavissa ja yleisilme siisti. Värit miellyttävät silmää ja erottuvat toisistaan selvästi. Alimmalle luokalle, joka kattaa lähes koko maan, olisi voinut antaa hieman tummemman värisävyn, jottei kartan lukija erehtyisi tulkitsemaan haaleaa sävyä nollaksi. Toinen korjaus voisi olla pohjoisnuoli, jonka ei tarvitsisi olla ihan niin järeä kuin se on. Muutoin olen tyytyväinen kartan ulkoasuun ja sisältöön. Tosin voi olla, että kurssin edetessä ja taitojen karttuessa huomaan kartassani paljonkin korjattavaa.

 

Lähteet:

Bayar, J. (2014). 1. kurssikerta. <https://blogs.helsinki.fi/jasbayar/>.  Luettu 16.1.2014.

Erfving, N. (2014).  Kurssikerta 1: MapInfoon tutustuminen & koropleettiteemakartta. <https://blogs.helsinki.fi/nataliae/>. Luettu 15.1.2014.

Histogrammityökalu. <http://illuminations.nctm.org/Activity.aspx?id=4152>. 13.1.2014.

Tilastokeskus (2010). Väestörakenne.