Kurssikerta 7 – Kaikki taidot käyttöön

Kurssin loppuhuipennuksena tuli luoda kaksi erilaista karttaa, joista kumpikin kuvaa kahden eri muuttujan esiintymistä jollakin alueella. Mahdollisia aiheita on siis rajattomasti ja saimmekin edetä täysin omien kiinnostusten mukaan pyrkien käyttämään hyödyksi tähän asti opittuja taitoja aineiston hankinnasta ja käsittelystä aina teemakarttojen luomiseen.

Vaikeinta oli kahden yhteensopivan tilastoaineiston löytäminen. Aina kun luulin keksineeni jonkin sopivan teeman, ei aineistoa ollutkaan saatavilla haluamaltani alueelta esimerkiksi maakohtaisesti.

kk7_viljely_suojelu

Kuva 1. Viljellyn maan sekä luonnonsuojelualueiden osuudet maiden kokonaispinta-aloista vuonna 2010 (Eurostat).

Ensimmäisen karttatuotokseni tarkoituksena oli tutkia, onko maanviljelyyn käytetyn maapinta-alan osuudella vaikutusta suojeltujen luontoalueiden osuuteen. Ilman tarkempaa perehtymistä aiheeseen oma oletukseni oli, että näitä kahta maankäyttömuotoa voidaan jokseenkin pitää toistensa vihollisina. Arvelin, että mitä maatalousvaltaisempi valtio on, sitä pienempi osuus sen maapinta-alasta on suojeltua.

Kartan pohjalta on melko vaikeaa hahmottaa, onko muuttujilla vaikutusta toisiinsa. Kumpaankin muuttujaan vaikuttavat monet muutkin hyvin merkittävät tekijät, kuten maan asukasluku ja –tiheys, topografia sekä maantieteellinen sijainti.

Kartalta ilmenee kuitenkin, että Pohjoismaissa viljelymaan osuus on arvatenkin alhaisin ja korkein taas se on Ranskassa, Tanskassa, Britanniassa, Unkarissa ja Romaniassa. Suojeltuja alueita on prosentuaalisesti vähiten Keski-Euroopan korkeasti teollistuneissa ja väkirikkaissa valtioissa. Sen sijaan yllätyksenä minulle tuli, että prosentuaalisesti eniten suojeltua maata on Espanjassa ja Bulgariassa. Kartalla on paljon harmaita alueita, joista tietoa ei ollut saatavilla. Kurssitoverini Oskar Rönnberg oli ratkaissut saman ongelman omalla kartallaan yhdistelemällä tietoja useista eri lähteistä. Eri lähteiden aineistojen verrattavuus on kuitenkin epävarmaa, sillä esimerkiksi aineistojen keruutavat ovat voineet olla erilaiset. (Rönnberg 2015.)

Myöhemmin muita luonnonsuojelualueita koskevia tilastoja tarkastellessani ilmeni, että suojeltujen alueiden osuus vaihtelee hyvin paljon lähteestä riippuen. Esimerkiksi Tilastokeskuksen vuoden 2013 Ympäristötilaston vuosikirjan mukaan suojeltujen alueiden osuus on korkein Sveitsissä, jonka tietoja ei ollut omassa tilastossani ollenkaan. Tilastokeskuksen mukaan myös esimerkiksi Slovakiassa suojelualueita olisi noin 23 % maan pinta-alasta, kun taas omassa kartassani maa sijoittuu luokkaan 7-13.0 %. Kävikin ilmi, että eri mailla on erilaiset suojelukriteerit, jonka vuoksi kansainvälisten vertailujen tekeminen suojelualueista on vaikeaa. Esimerkiksi teollinen toiminta tai luomuviljely saattaa joissakin maissa olla sallittua, vaikka alue olisikin suojeltua. (SYKE 2014.)

Minua jäikin vähän harmittamaan, että lopullinen kartta ei siis tuottanut kummempaa informaatiota, sillä käytin sopivien muuttujien löytämiseen ja aineiston läpikahlaamiseen niin paljon aikaa.

kk7_ilmansaasteet

Kuva 2. Kiinteitä polttoaineita käyttävien osuus väestöstä vuonna 2013 sekä hengitysteiden sairauksiin kuolleiden määrä 100 000 henkilöä kohden vuonna 2012 (WHO).

Seuraavasta kartasta olen kuitenkin enemmän ylpeä, sillä sain vihdoin valittua sellaiset muuttujat, joiden välillä esiintyy selvää korrelaatiota. Kartta esittää kotitalouksissa kiinteitä polttoaineita käyttävien henkilöiden osuutta maan väestöstä sekä toisena muuttujana hengitysteiden sairauksiin kuolleiden määrää 100 000 henkilöä kohden Etelä-, Itä- ja Kaakkois-Aasiassa.

Kiinteiden polttoaineiden käytöllä (eng. solid fuels) tarkoitetaan hiilen tai biomassan, kuten puun tai lannan, polttoa kotitalouksissa esimerkiksi lämmittämiseen ja ruuanlaittoon. Hengitysteiden sairauksiin kuolleiden määrää 100 000 henkeä kohden kuvataan kartalla ristisymboleilla. Kuten Hanna Kaistinen omassa blogissaan totesi, symbolit eivät anna kovin tarkkoja arvoja kartan tulkitsijalle, mutta ne välittävät enemmänkin yleiskuvaa ilmiön voimakkuudesta jollakin alueella (Kaistinen 2015).

Kartan mukaan kiinteitä polttoaineita käyttävien osuus on suurin Pohjois-Koreassa, jossa myös hengitysteiden sairauksiin kuolleiden määrää kuvaava symboli on kartan suurimpia. Tilanne on lähes samankaltainen myös Nepalissa, Bangladeshissa sekä Myanmarissa. Intiassa hengitysteiden sairauksiin kuolleiden osuus on hyvin suuri, vaikka maa ei sijoitu kiinteiden polttoaineiden käyttäjissä korkeimpaan luokkaan. Tämä onkin esimerkki siitä, että hengitysteiden sairauksien syntyyn eivät tietenkään vaikuta ainoastaan sisäilman saasteet, vaan myös esimerkiksi liikenteestä ja teollisuudesta aiheutuvat myrkylliset päästöt.

Maailman terveysjärjestö WHO, jonka tietopankista löysin omatkin kartassa käyttämäni tilastot, on tehnyt tutkimusta sisäilman saasteiden vaikutuksesta kuolleisuuteen juuri Etelä- ja Kaakkois-Aasiassa. WHO:n arvion mukaan vuonna 2012 Kaakkois-Aasian alueella esimerkiksi pelkästään ruuanlaitosta aiheutuvat ilmansaasteet aiheuttivat 1,7 miljoonan ihmisen ennenaikaisen kuoleman. Sisäilman saasteille haavoittuvimpia ovat etenkin kehitysmaiden köyhimmät naiset ja lapset, jotka viettävät eniten aikaa kotona hengittäen ruuanlaitossa käytettävien uunien vaarallista savua ja sen mukana pienhiukkasia ja häkää. Kaiken kaikkiaan sisä- ja ulkoilman saasteiden arvioidaan aiheuttavan maailmassa joka kahdeksannen kuoleman, ja niitä pidetäänkin suurimpana ympäristöstä aiheutuvana terveysriskinä. (KEPA 2014.)

 

Lähteet

Chronic respiratory diseases, deaths per 100 000. WHO (2012). 28.2.2015 <http://apps.who.int/gho/data/node.main.A866?lang=en>

Kaistinen, H. (2015). 7. ja viimeinen kurssikerta. Hannan PAK-kurssiblogi. 20.3.2015. <https://blogs.helsinki.fi/hankaist/2015/03/07/7-ja-viimeinen-kurssikerta/>

KEPA (2014). WHO: Joka kahdeksas kuolema johtuu ilmansaasteista. 28.2.2015. <http://www.kepa.fi/uutiset/10621>

Land use: Utilised agricultural area. Eurostat (2010). 9.3.2015. <http://appsso.eurostat.ec.europa.eu/nui/submitViewTableAction.do>

Population using solid fuels. WHO (2013). 28.2.2015. <http://apps.who.int/gho/data/node.main.135?lang=en>

Protected Areas for biodiversity. Eurostat (2014). 28.2.2015. <http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=env_bio1&lang=en>

Rönnberg, O. (2015). Kurssikerta 7 Loppurutistus. Oskarin PAK-blogi. 10.3.2015. <https://blogs.helsinki.fi/oskaronn/2015/02/27/106/>

SYKE (2014). Viidennes Euroopan pinta-alasta on suojeltua. 9.3.2015. <http://www.ymparisto.fi/fi-FI/Kartat_ja_tilastot/Ympariston_tilan_indikaattorit/Luonnon_monimuotoisuus/Viidennes_Euroopan_pintaalasta_on_suojel(28351)>

Kurssikerta 6 – Geepeeässää ja luonnonhasardeja

Tällä viikolla tehtiinkin vaikka mitä! Aluksi harjoittelimme GPS-paikantimen käyttöä kampuksen ympäristössä ja kerättyjen sijaintitietojen siirtämistä kartalle. Tehtävän suorittaminen kävi tiimiltämme sujuen ja mittauspaikkojemme sijainnitkin osuivat kartalla jotakuinkin oikeille kohdilleen. Kuvittelin GPS:n käytön paljon monimutkaisemmaksi, mutta toisaalta tehtävässä käytimme apuna vielä kynää ja paperia, ja naputtelimme tiedot käsin Excel-taulukkoon. Olisikin hyvä myös oppia, kuinka tiedon siirto GPS-paikantimesta suoraan tietokoneelle tapahtuu, jos vaikka kerättyjä sijaintitietoja olisikin huomattavasti suurempi määrä.

Toisena harjoitteena kokeilimme geokoodausta paikantamalla pelikoneita Helsingin kartalle. Käytössämme oli street-muotoinen tietokanta Helsingin kaduista ja katunumeroista sekä tietokanta, joka sisälsi pelikoneiden sijaintiosoitteet. En vieläkään ihan tiedä miten, mutta jotenkin MapInfo osasi paikantaa pisteet oikeille kohdilleen…

Kolmantena tehtävänä oli luoda kolme erilaista opetuskäyttöön soveltuvaa karttaa luonnonhasardeista. Valittavana oli aineistoja meteoriiteista, tulivuorenpurkauksista sekä maanjäristyksistä. Omat karttani käsittelevät näistä kahta jälkimmäistä.

kk6_magn_7

Kuva 1. Yli 7.0 magnitudin maanjäristysten esiintyminen viimeisen 200 vuoden aikana.

Ensimmäinen karttani on varmasti kaikille jokseenkin tuttu jo peruskouluajoilta (kuva 1). Kartassa esitetään yli 7,0 magnitudin, eli Richterin asteikolla erittäin voimakkaiden maanjäristysten esiintymistä viimeisen 200 vuoden aikana koko maapallolla. Kartasta on havaittavissa, kuinka suurin osa voimakkaista järistyksistä osuu laattojen törmäysvyöhykkeille Tyynenmeren tulirenkaaseen sekä Intian, Arabian ja Euraasian laattojen rajakohtaan. Tässä yhteydessä opetuksessa kannattaisikin painottaa litosfäärilaattojen liikkeiden merkitystä seismisyyden kannalta, ja näyttää esimerkiksi kuvaa laattojen liikesuunnista (kuva 2).

plates

Kuva 2. Litosfäärilaattojen kulkusuunnat (Earth Science Teachers’ Association).

Mielenkiintoista olisi ollut tarkastella myös magnitudiltaan pienempiä järistyksiä, sillä niillä on vaikutusta ihmisten arkielämään huomattavan suuressa osassa maailmaa. Esimerkiksi Nelli Aalto ja Elias Annila lähestyivät aihetta juuri tästä näkökulmasta, esittäen karttoja eriasteisten maanjäristysten esiintymisestä. Kumpikin havaitsi kartoiltaan kiinnostavasti, että voimakkuuksiltaan erilaiset järistykset sijoittuvat eri alueille. Esimerkiksi Itä- ja Kaakkois-Aasiassa on merkittävän vähän pieniä, noin kahden magnitudin järistyksiä ottaen kuitenkin huomioon, että alueella esiintyy hyvinkin voimakkaita, jopa yli 8 magnitudin järistyksiä. (Aalto 2015, Annila 2015.)

tulivuoret

Kuva 3. Itä- ja Kaakkois-Aasian tulivuorenpurkaukset vuodesta 1800 alkaen.

Seuraavassa kartassa tarkastelin tulivuorenpurkauksia Itä- ja Kaakkois-Aasiassa 1800-luvulta tähän päivään saakka (kuva 3). En tajunnut aihetta valitessani, että joillakin vuorilla saattaakin olla tapana purkautua usein, ja siksi kartalla on paljon päällekkäisiä pisteitä. Pohjimmaisena ovat keltaisella kaikki uusimmat purkaukset vuoden 1964 jälkeen, ja niitä on huomattavasti eniten, vaikka osa niistä piiloutuukin vanhempien purkausten alle.

kk6_indonesia

Kuva 4. Tulivuorenpurkaukset ja yli 6,5 magnitudin maanjäristykset Indonesiassa vuoden 1964 jälkeen.

Lopuksi valitsin tarkasteltavakseni vielä Indonesian alueen, sillä valtio sijaitsee epäonnekkaasti kahden litosfäärilaatan rajakohdassa, jonka vuoksi saarivaltion läheisyydessä esiintyy runsaasti vulkaanista ja seismistä toimintaa. Karttaa tehdessä ajatuksenani oli tarkastella, kuinka lähelle toisiaan järistykset ja tulivuoret sijoittuvat, ja pohdinkin olisiko kartalta mahdollisuus nähdä, onko jokin alueen tulivuori purkautunut maanjäristyksen seurauksena tai toisinpäin. Idea oli ehkä hyvä, mutta valmiista kartasta ei kyllä pysty eikä kannatakaan vetää mitään johtopäätöksiä ilmiöiden syy-seuraus-suhteesta, sillä kartasta ilmene tapahtumien ajankohtia.

Sen sijaan karttaa voisi käyttää opetuksessa ensinnäkin osoittamaan, kuinka paljon voimakkaita, yli 6,5 magnitudin maanjäristyksiä Indonesia on joutunut viimeisen 50 vuoden aikana kohtaamaan. Niiden päälle kun lisätään vielä kolmisenkymmentä tulivuorenpurkausta ja useita muita aktiivisia tulivuoria, toistuvia trooppisia sykloneita, tulvia sekä tuhoisia tsunameja, voidaan vain ällistellä millaisen taakan eri luonnonhasardien aiheuttamia uhkia yksi valtio voi joutua harteillaan kantamaan. Indonesia onkin yksi maailman luonnonkatastrofeille herkimpiä valtioita. Viimeisen vuosikymmenen aikana valtio on kuitenkin tuplannut katastrofien torjuntaan tarkoitetun budjettinsa, ja yhä enemmän luonnonhasardit aiheuttavat maassa taloudellista menetystä ihmishenkien sijaan. (IRIN 2013.)

Tämän kurssikerran tehtävän jälkeen havahduin jälleen ihmettelemään, kuinka herran kukkarossa me täällä Suomen luonnonympäristössä elelemme.

 

Lähteet

Aalto, N. (2015). Kurssikerta 6: GPS-harjoituksia ja hasardeja. Nellin PAK-blogi. 28.2.2015 <https://blogs.helsinki.fi/neaa/2015/02/21/kurssikerta-6-gps-harjoituksia-ja-hasardeja/>

Annila, E. (2015). Kurssikerta 6, hasardit. Eliaksen PAK-blogi. 28.2.2015. <https://blogs.helsinki.fi/eannila/2015/02/26/kurssikerta-6-hasardit/>

ANSS catalog. Northern California Earthquake Data Center. University of California. 25.2.2015. <http://quake.geo.berkeley.edu/anss/catalog-search.html>

IRIN Asia (2013). Indonesia’s natural disaster risks, costs rise. 1.3.2015.<http://www.irinnews.org/report/97861/indonesia-s-natural-disaster-risks-costs-rise>

Litosfäärilaatat. Earth Science Teachers’ Association. 25.2.2015. <http://www.esta-uk.net/jesei/platerid/plates.jpg>

Volcano Location Database Search. National Geophysical Data Center. 25.2.2015 <http://www.ngdc.noaa.gov/nndc/struts/form?t=102557&s=5&d=5>

 

Kurssikerta 5 – Aineiston bufferointi

Terve!

Tällä viikolla tullaan jälkijunassa, mutta sellaista välillä sattuu! Seuraavassa pohdiskelen hieman viidettä kurssikertaa, jolloin opettelimme MapInfon bufferointitoiminnon eli puskuroinnin käyttöä. Toiminnon avulla pystytään laskemaan jonkin määritetyn alueen sisälle tai ulkopuolelle jäävät kohteet, eli toiminto osoittautui todella hyödylliseksi työkaluksi erilaisten aineistojen analysoinnissa.

Kurssikerran aikana sovelsimme puskurointia esimerkiksi lentokentän melualueiden asukasmäärien laskemiseen ja itsenäistehtävässä hyödynsin sitä Helsingin Yhtenäiskoulun koulupiirin oppilasmäärien selvittämiseen. Aivan tuulesta temmattuna esimerkkinä toimintoa voisi käyttää apuna myös esimerkiksi jonkin hankkeen, kuten uuden moottoritien, ympäristövaikutusten arvioinnissa. Kun puskuritoiminnon logiikan ymmärsi, oli työkalua helppo käyttää. Linkin takaa löytyvään taulukkoon olen koonnut kurssitehtävistä saamani tulokset, mutta suhtautuisin niiden paikkaansapitävyyteen hieman varauksella, lievää haparointia joidenkin tehtävien kanssa kuitenkin oli…

Jokaisen MapInfon kanssa vietetyn hetken jälkeen suhteemme tuntuu hiljalleen lämpenevän, mutta täysin luontevaa ei yhteistyömme vielä ole. Oman työskentelyni suurin ongelma lienee se, että käytän liikaa energiaa eri työkalujen ja toimintojen ulkoa opetteluun sen sijaan, että keskittyisin oikeasti pohtimaan, minkälaisen muutoksen kukin suorittamani toiminto aineistossa tuottaa. Koen MapInfossa takkuiseksi eri aineistojen sisältöjen yhdistelemisen, joka vaatii monivaiheista hyppelyä taulukosta ja valikosta toiseen. Tuskin olen myöskään ainoa, joka päästää syvän huokauksen aina browser-ikkunan sulkeuduttua jokaisen tehdyn päivityksen jälkeen. Samoja mietteitä pohtii omassa blogissaan myös Petri Danielsson, joka totesikin, että suurin osa tietokannan ylläpitotoimenpiteistä olisikin järkevintä tehdä esimerkiksi Excelissä, ennen tietokantojen tuomista MapInfoon (Danielsson 2015).

Sen sijaan erityisen mielekkääksi koen teemakarttojen luomisen, vaikka en ohjelman avulla olekaan vielä kertaakaan päässyt visuaalisesti täysin tyydyttävään lopputulokseen. Täytyy kai siis oppia vain hyväksymään, että MapInfon vahvuudet löytyvät kauniiden grafiikoiden sijaan muualta, kuten tietokantojen analysoinnista ja helposta karttaesitysten laadinnasta.

 

Lähteet

Danielsson, P. (2015). KK5: Pohdintaa MapInfosta ja kurssin harjoitteista. PAIKKA! Petri Danielsson, PAK-15 kurssiblogi. 24.2.2015. <https://blogs.helsinki.fi/pdaniels/2015/02/21/kk5/>

Kurssikerta 4 – Miljoona miljoona miljoona ruutua

Tällä viikolla pakerrettiin ruutujen parissa, sillä MapInfolla opeteltiin ruututeemakarttojen luomista ruutumatriisin eli gridin avulla.

Tekemäni kartta kuvaa eläkeikäisten eli 65-vuotiaiden henkilöiden asumista pääkaupunkiseudulla. Kartta on jaettu 250 m x 250 m kokoisiin matriisiruutuihin, jolloin saadaan tarkkaa tietoa ilmiön alueellisesta sijoittumisesta. Lisäsin karttaan myös seudun päätiestön, sillä ainakin itselleni niistä on apua alueiden hahmottamisessa.

vaesto_yli65

Kuva 1. Yli 65-vuotiaat asukkaat Helsingissä, Espoossa ja Vantaalla.

Huitaisin kartan kokoon aikamoisella vauhdilla luonnollista luokkajakoa käyttäen, vaikka en ollut sitä ennen tarkastellut aineiston jakautumista histogrammin muodossa (guilty…) Kuitenkin luokkajako vaikuttaa minusta toimivalta ja kartta miellyttää silmää. Jatkossa täytyy kuitenkin skarpata näiden luokittelujen kanssa, ja kokeilla erilaisia vaihtoehtoja ja niiden vaikutusta kartan ulkonäköön…

Suurimmat havaintoarvot eli tiheimmät eläkeikäisten keskittymät sijoittuvat arvatenkin kantakaupungin alueelle eteläiseen kantakaupunkiin, Töölöön sekä Kallioon. Kuitenkaan kantakaupungin ulkopuoliset alueet eivät ainakaan itselleni olleet aivan itsestäänselvyyksiä.

Hämeenlinnanväylän varrella aina Helsingin keskustasta Vantaan Martinlaaksoon saakka näyttäisi olevan alueiden jatkumo, jolla asuu paljon yli 65-vuotiaita. Itäisessä Helsingissä iäkästä väestöä on sijoittunut metrolinjan varrelle aina Kulosaaresta Mellunmäkeen ja Vuosaareen sekä Vantaalla taas junaradan varrelle esimerkiksi Tikkurilaan. Espoossa iäkkäitä vaikuttaisi kartan mukaan olevan suhteessa vähemmän, mutta myös siellä erottuu muutamia selvempiä keskittymiä esimerkiksi Olarissa, Matinkylässä ja Tapiolassa.

Olli Kauppi esitteli omassa blogissaan karttatuotoksensa, jossa hän kuvasi väestön jakautumista pääkaupunkiseudulla jaettuna kolmeen ikäryhmään (10-40-vuotiaat, 41-50-vuotiaat ja 51-90-vuotiaat). On mielenkiintoista, että Ollin tekemien havaintojen mukaan väestö vanhenee pääkaupunkiseudulla länteen ja pohjoiseen päin mentäessä, mutta omalta kartaltani vastaavaa trendiä ei ole havaittavissa. Syynä tähän voi toki olla se, että itse tarkastelin vain yli 65-vuotiaiden sijoittumista, kun taas Ollin luokittelussa ylin ikäryhmä alkaa 51-vuotiaista. Voisi kuvitella, että esimerkiksi Espoossa asuu paljon yli viisikymppistä, vielä työssäkäyvää väestöä, jotka eivät näy omassa kartassani. Ollin päätelmien mukaan myöskään itäinen Helsinki ei vedä puoleensa iäkästä väestöä, kun taas omalla kartallani tilanne vaikuttaisi päinvastaiselta.

Loppujen lopuksi ei ole merkitystä, kenen kartta tai näkemys vastaa eniten todellisuutta, vaan mielenkiintoisinta on havaita, kuinka vaihtelevaa informaatiota erilaisilla luokitteluilla tehdyt kartat voivat samasta aineistosta tuottaa.

Cheers!

Leila

 

Lähteet

Kauppi, O. Neljäs kurssikerta. Olli Kaupin paikkatietoblogi. 12.2.2015 <https://blogs.helsinki.fi/okauppi/kk4/>

Kurssikerta 3 – Tietokantojen yhdistämisestä tulvaindeksikartan laadintaan

Heippa vaan,

Tällä viikolla MapInfon kanssa tuli pulikoitua pahasti vastavirtaan, kun teemana olivat erilaisten tietokantojen yhteiskäyttö ja itsenäisenä työnä tulvaindeksikartta. Opettajan johdolla käydyn osuuden jälkeen homma tuntui kyllä olevan hanskassa, mutta kun piti ruveta itsenäiseen työhön, en keksinyt edes mistä homma tulisi aloittaa. Lopulta jonkinlainen kartta sieltä syntyi, vaikka vieläkin vähän epäilen, ymmärsinköhän täysin mistä tässä tehtävässä oli kyse.

Saimme käsiteltäväksemme paketin, jossa oli Suomen vesistöjä ja valuma-alueita kuvaava kartta, sekä kaksi tietokantaa, joiden sarakkeita tuli yhdistää halutun tiedon saamiseksi. Tehtävänantona oli ensin laskea kunkin vesistöalueen tulvaindeksi eli keskiylivirtaaman ja keskialivirtaaman välinen suhde. Laskutoimituksesta saatu luku kuvastaa vesistön virtaaman vaihtelua ottaen huomioon sekä kuivakaudet että tulvaisimmat ajat. (Paarlahti 2010.)

tulvaindeksi_histogrammi

Kuva 1. Histogrammi Suomen jokien tulvaindekseistä (Paarlahti 2015).

Kun tulvaindeksi oli laskettu, tuli aineistosta luoda kahden muuttujan teemakartta Suomen valuma-alueista, jossa tulvaherkkyyttä kuvataan koropleettikarttana ja järvisyyttä pylväsdiagrammeina. Järvisyysprosentilla tarkoitetaan valuma-alueella sijaitsevien järvien pinta-alan suhdetta koko valuma-alueen pinta-alaan (SYKE 2013). Aineiston tulvaindekseistä oli olemassa valmis histogrammi (kuva 1), jonka arvelin olevan epätasaisesti jakautunut. Päädyin siis jälleen kerran luonnolliseen luokkajakoon käyttäen viittä luokkaa.

valumaaluekartta

Kuva 2. Suomen valuma-alueiden tulvaindeksi ja järvisyysprosentti.

Mieltymykseni sinisävyisiin karttoihin näyttää jatkuvan, mutta tässä tapauksessa se onkin aiheen puolesta ihan perusteltua. Kartalta käy ilmi, että tulvaherkimpiä alueita ovat pienet valuma-alueet, joissa myös järvisyysprosentti on pieni. Alueet sijoittuvat Pohjanmaan, Varsinais-Suomen sekä Etelä-Suomen rannikoille. Myös Pohjois-Suomessa esimerkiksi Tornionjoella esiintyy lähes vuosittaisia jääpatotulvia (Lapin ELY-keskus 2013).

Missä järvisyysprosentti on suurin, on tulvaindeksi pienin eli tarkasteltavilla ilmiöillä näyttäisi kartan mukaan olevan negatiivinen korrelaatio. Järvet toimivatkin luontaisina vesivarastoina ja ehkäisevät jokien tulvimista. Elias Annila antoi tästä onnistuneen esimerkin omassa blogissaan, jossa hän nosti esiin Taka-Lapissa sijaitsevan Inarinjärven vaikutuksen valuma-alueen tulvaherkkyyteen, joka on alhaisempi kuin ympäröivillä valuma-alueilla (Annila 2015).

Kun korkeusvaihtelut ovat pieniä, on myös veden virtaus hidasta. Maaston tasaisuus sekä soiden ja peltojen ojitus lisäävät tulvimista esimerkiksi Pohjanmaan joissa. Luonnonsuojeluliiton mukaan soiden ennallistamisella eli käytännössä ojien tukkimisella vettä saataisiin sitoutumaan enemmän valuma-alueelle, jolloin sulamisvesien ja sateiden aiheuttamat virtaamahuiput laskisivat (Suomen Luonnonsuojeluliitto 2012). Soilla onkin suuri merkitys veden sitomisessa esimerkiksi Lapissa, jossa tulvaindeksi on pieni vaikka myös järviä on vähän.

 

Lähteet

Annila, E. (2015). Kurssikerta 3. Aineistojen yhdistely ja uuden tiedon tuottaminen. Eliaksen PAK-blogi. 2.2.2015 <https://blogs.helsinki.fi/eannila/2015/01/31/kurssikerta-3-aineistojen-yhdistely-ja-uuden-tiedon-tuottaminen/>

Joet ja järvet (2015). Maanmittauslaitos. 2.2.2015. <http://www.maanmittauslaitos.fi/avoindata>

Lapin ELY-keskus (2013). Tulvien esiintyminen – Lappi. Ympäristöhallinnon yhteinen verkkopalvelu. 2.2.2015. <http://www.ymparisto.fi/fi-FI/Vesi/Tulviin_varautuminen/Olenko_tulvariskialueella/Tulvien_esiintyminen/Tulvien_esiintyminen__Lappi(26049)>

Paarlahti, A. (2010). Tulvaindeksi. TVT3-Geoinformatiikka, kevät 2010. 2.2.2015. <https://blogs.helsinki.fi/tvt3-2010/2010/02/01/tulvaindeksi/>

Suomen Luonnonsuojeluliitto (2012). Soiden ennallistaminen vähentää tulvia. 2.2.2015. <http://www.sll.fi/ajankohtaista/tiedotteet/2012/soiden-ennallistaminen-vahentaa-tulvia>

SYKE Suomen Ympäristökeskus (2013). Tulvasanasto. 2.2.2015. <http://www.ymparisto.fi/fi-FI/Vesi/Tulviin_varautuminen/Tulvasanasto>

Valuma-alueet (2015). OIVA-tietokanta. Suomen Ympäristökeskus. 2.2.2015. <http://wwwp2.ymparisto.fi/scripts/paikkatieto.asp>

 


 

Timantteja, öljykenttiä ja konflikteja

Kurssikerran toisena tehtävänä tuli pohtia, mitä kaikkea saisimme irti tunnilla käsitellystä aineistosta, johon on kuvattu kaikki Afrikan mantereen timanttikaivokset, öljylähteet ja konfliktit samalla ajanjaksolla. Mitä muita ulottuvuuksia ilmiöt saisivat, jos tietokannasta olisi saatavilla myös seuraavanlaiset muuttujat?

  • Konfliktin tapahtumavuosi
  • Konfliktin laajuus/säde kilometreinä
  • Timanttikaivosten löytämisvuosi
  • Timanttikaivoksen kaivausten aloitusvuosi
  • Timanttikaivosten tuottavuusluokittelu
  • Öljykenttien löytämisvuosi
  • Öljykenttien poraamisvuosi
  • Öljykenttien tuottavuusluokittelu
  • Internetkäyttäjien lukumäärä eri vuosina
Afrikka2

Kuva 3. Timanttikaivosten, öljylähteiden ja konfliktien esiintyminen Afrikassa (Paarlahti 2015).

Opettajan valmiiksi laatima kartta (kuva 3) kuvaa öljylähteiden, timanttikaivosten sekä konfliktialueiden sijoittumista Afrikan mantereella. Valitettavasti en muista aikaväliä, jolle havainnot sijoittuvat, mutta sillä ei ole nyt tehtävän kannalta merkitystä. Konfliktipaikkojen ympärille on merkitty violetilla värillä sektorit, joiden laajuudella konfliktit vaikuttavat.

Kartalta on ensimmäisenä havaittavissa timanttikaivosten ja konfliktialueiden välinen yhteys. Tietenkään kaikki mantereen konfliktit eivät selity timanttikaivosten sijainnilla, mutta on selvää näyttöä siitä, että joillakin konfliktialueilla sodankäyntiä on rahoitettu timanteista saatavin tuloin. Esimerkiksi Angolassa 27 vuotta kestäneen sisällissodan seurauksena lähes kaikki maan tunnetut öljy- ja timanttivarat kulutettiin loppuun (Muurinen, Viitanen & Salonen 2007). Aineistoja vertailemalla voisi tutkia, kuinka konfliktien tapahtumavuodet korreloivat joko timanttikaivosten löytämisvuosien tai kaivausten aloitusvuosien kanssa.

Aineistosta löytyy tietoa myös internetkäyttäjien lukumääristä Afrikan valtioissa eri vuosilta. Tätä tietoa voisi tarkastella yhdessä timanttikaivosten tai öljykenttien tuottavuusluokittelun kanssa. Internetkäyttäjien osuutta kokonaisväestöstä voidaan pitää jonkinlaisena maan kehittyneisyyden mittarina, sillä internetin käyttö vaatii paitsi infrastruktuuria ja tekniikkaa, myös pääomaa ja lukutaitoisuutta. Muuttujia vertailemalla voisikin tutkia, ovatko tuottoisat luonnonvarat lisänneet internetin käyttäjiä ja koko valtion elintasoa, vai ovatko niistä saadut voitot päätyneet vain pienen eliitin hyväksi. Esimerkiksi Tansanian Mtwarassa vuonna 2013 käyttöönotettu uusi kaasulöytö päätyi kansainvälisen öljy-yhtiön huomaan ilman, että paikalliset kyläläiset hyötyivät löydöstä mitenkään. Kyläläisten turhautuminen ja epätietoisuus öljy-yhtiön ja paikallishallinnon hankkeita kohtaan johti väkivaltaiseen mielenilmaukseen, johon Tansanian hallitus vastasi lähettämällä paikalle kymmenittäin sotilaita pääkaupunki Dar es Salamista. Valtio ja yksityiset yhtiöt turvautuvatkin usein energiantuotantoalueilla militarismiin. (Mutch 2013.)

 

Lähteet

Afrikan pohjakartta (2015). Map Library. 5.2.2015. <http://www.maplibrary.org/stacks/Africa/index.php>

Afrikan väestö-ja internetkäyttäjätiedot (2015).  Internet World Stats. 5.2.2015. <http://www.internetworldstats.com/stats1.htm>

Konfliktien sijainnit (2015).  The Peace Research Institute Oslo. 5.2.2015. <http://www.prio.no/CSCW/Datasets/Armed-Conflict/Conflict-Site/>

Mutch, T. (2013). Kansa haluaa osansa Tansanian kaasutuloista. Maailma.net. 5.2.2015. <http://maailma.net/artikkelit/kansa_haluaa_osansa_tansanian_kaasutuloista>

Muurinen, H., Viitanen, M. & Salonen, A. (2007). Angola toipuu pitkästä sodasta. Global.Finland. Ulkoasiainministeriö. 5.2.2015. <http://global.finland.fi/public/default.aspx?contentid=70308>

Paarlahti, A. (2015). Afrikkaa ja konflikteja. Paikkatiedon hankinta, analyysi ja kartografia 2015. 5.2.2015. <https://blogs.helsinki.fi/pak-2015/2015/01/30/afrikkaa-ja-konflikteja/>

Timantit (2015). The Peace Research Institute Oslo. 5.2.2015.<http://www.prio.no/CSCW/Datasets/Geographical-and-Resource/Diamond-Resources/>

Öljyvarat (2015). The Peace Research Institute Oslo. 5.2.2015. <http://www.prio.no/CSCW/Datasets/Geographical-and-Resource/Petroleum-Dataset/Petroleum-Dataset-v-12/>

 

Artikkeli 1. Pohdintaa päällekkäisistä teemakartoista

Anna Leonowiczin artikkeli ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship” käsittelee kahden muuttujan koropleettikarttojen käyttöä ja toimivuutta kuvattaessa kahden ilmiön välistä suhdetta.

Kahden muuttujan koropleettikartat ovat karttaesityksiä, joissa samassa karttakuvassa esitetään päällekkäin kahta erilaista alueellista ilmiötä ja niiden välistä korrelaatiota. Kahden muuttujan koropleettikarttoja voidaan esittää visuaalisesti joko niin, että kaikki muuttujien muodostamat erilaiset yhdistelmät saavat oman värisävyn, tai vaihtoehtoisesti siten, että toista muuttujaa kuvataan värein ja toista rasteripinnoin.

koropleetti_legenda

Kuva 1. Esimerkki kahden muuttujan koropleettikartan legendasta (Leonowicz 2006).

Kahdella väriasteikolla toteutetun koropleettikartan legenda jakautuu yhtä moneen ruutuun, kuin käytetyissä aineistoissa on luokkia (kuva1). Kolmea, tai maksimissaan neljää luokkaa per aineisto pidetään yleisenä sääntönä kartan luettavuuden säilyttämiseksi. Kartalla esitettävät muuttujat sijoittuvat legendan vaaka- ja pystyakseleille. Jos legendaan on merkitty havaintopisteitä ja niistä johdettu korrelaatiokäyrä, on lukijan helppo havaita kartalta ne sellaisen värisävyn saaneet alueet, joilla muuttujien välillä on positiivinen yhteys. Itse en ole aiemmin nähnyt käytettävän vastaavaa esitystapaa ja siksi legendan lukeminen tuntui aluksi vaikealta.

variteemat

Kuva 2. Kaksi erilaista luokkajakoa ja väriteemaa kahden muuttujan koropleettikartan tekoon (Leonowicz 2006).

Artikkelissa on esitelty kaksi erilaista vaihtoehtoa, joilla kahden muuttujan koropleettikarttoja voidaan esittää. Etenkin kuvan 2 vaihtoehdossa B esitetyn yhteensä 16-värisen kartan tulkinta tuntuisi minusta mahdottomalta tehtävältä. Artikkelissa todetaankin, että  1970-luvulla U.S Bureau of the Censuksen tällaisella värityksellä valmistama kartta tuomittiinkin erittäin epäonnistuneeksi esimerkiksi. Kartan heikko luettavuus ei niinkään johtunut käytetystä metodista, vaan liian monesta luokasta ja epäloogisista värivalinnoista.

Artikkeli ja siinä toteutetun kokeen tulokset vahvistivat entisestään myös omaa mielipidettäni siitä, että kartan graafisella ilmeellä ja etenkin harmonisilla ja loogisilla värivalinnoilla on valtava merkitys kartan ymmärrettävyydelle. Tuntuukin, että käytän omissa karttaharjoituksissani eniten aikaa juuri värien säätämiseen. Ihmettelen, kuinka kartan luettavuuteen niin oleellisesti vaikuttava työkalu on tehty esimerkiksi MapInfossa valtavan hankalaksi käyttää.

Leonowicz toivoisi maantieteilijöiden rohkaistuvan käyttämään tutkimuksissaan enemmän vastaavanlaisia karttaesityksiä, ja toki alan opiskelijana olisi hyvä harjaantua lukemaan tällaisia karttoja nykyistä paremmin. Mielestäni kuitenkin kahden muuttujan koropleettikartat toimivat toivotulla tavalla vain tilanteissa, jossa lukijalla on jo ennestään taitoja tulkita monimutkaisiakin karttoja. Siksi en näe, että tällaisten karttaesitysten käyttö lisääntyisi esimerkiksi mediassa.

 

Lähteet

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

Kurssikerta 2 – Koropleettikarttojen kimpussa

Tervehdys tyypit!

Toinen kurssikerta takana ja uutta karttaa pukkaa. Tunnin tavoitteena oli saada aikaan teemakartta, joka kuvaisi kahden eri muuttujan keskinäistä suhdetta. Vaihtoehtoisia esitystapoja oli useita, mutta itse päädyin luomaan MapInfolla koropleettikartan, jossa yksi muuttuja sai värityksen ja toinen rasteripinnan. Näin kahta erilaista ilmiötä pystytään tarkastelemaan vielä jotenkuten ymmärrettävältä kartalta.

Valitsin tarkasteltaviksi ilmiöiksi työttömien osuuden kokonaistyövoimasta sekä ahtaasti asuvien lapsiasuntokuntien osuuden kaikista lapsiasuntokunnista Uudenmaan ja Varsinais-Suomen maakunnissa. Selvennettäköön hieman tuota sanahirviötä: Tilastokeskuksen määritelmän mukaan lapsiasuntokunnalla tarkoitetaan asuntokuntaa, jossa asuu vähintään yksi alle 18-vuotias henkilö. Asunto taas on ahtaasti asuttu, jos siinä asuu enemmän kuin yksi henkilö huonetta kohti, kun keittiötä ei lasketa mukaan huonelukuun. (Terveyden ja hyvinvoinnin laitos 2013.)

Ilmiölle keksimäni hypoteesi on, että korkea työttömyys heijastuu myös ahtaasti asuvien lapsiperheiden määrään. 

työttömyysaste

Kuva 1. Histogrammi työttömyysasteesta Uudenmaan ja Varsinais-Suomen maakunnissa vuonna 2013.

ahtaasti_asuvat_asuntokunnat

Kuva 2. Histogrammi ahtaasti asuvien lapsiasuntokuntien osuudesta suhteessa muihin lapsiasuntokuntiin Uudellamaalla ja Varsinais-Suomessa vuonna 2013.

Kummankin tutkimani teeman aineisto jakautui epätasaisesti (kuvat 1 ja 2), jonka vuoksi päädyin luonnolliseen luokkajakoon. Kummassakin teemassa on kolme luokkaa, jolloin erilaisia vaihtoehtoja on yhteensä yhdeksän.

Ja tässä itse karttatuotos:

harjoitus3_kartta

Kuva 3. Työttömien ja ahtaasti asuvien lapsiasuntokuntien alueellinen jakautuminen Uudenmaan ja Varsinas-Suomen maakunnissa vuonna 2013.

Työttömyyden ja ahtaasti asuvien lapsiperheiden välistä korrelaatiota esiintyy kartalla muutamissa kunnissa. Vaikka ilmiöiden välinen suhde olisi ollut vahvempikin, totesin pohdiskelun jälkeen, ettei ahtaasti asuvien lapsiperheiden määrää ole järkevää pyrkiä selittämään korkealla työttömyydellä, sillä kumpaankin ilmiöön vaikuttavat niin monet muutkin tekijät. Kausaalisuhteet tulisikin aina perustella jollakin muulla tavalla, kuin ilmiöiden yhteisvaihtelulla (Hellemaa 2014).

Ahtaasti asuvien lapsiasuntokuntien osuus on korkein Helsingissä, Turussa sekä Itä-Uudenmaan ja Varsinais-Suomen maaseutukunnissa. Suurissa kaupungeissa ahtaasti asuvien lapsiperheiden määrää selittävät luonnollisesti esimerkiksi keskusta-asumisen suosio ja korkeat neliöhinnat. Esimerkiksi jos pariskunta asuu pienen lapsensa kanssa kaupunkikaksiossa, luetaan tämä ahtaasti asuviin lapsiasuntokuntiin. Tilastokeskuksen tutkimusten mukaan pienten lasten perheissä onkin suhteellisesti eniten ahtaasti asuvia, ja lasten kasvaessa muutetaan usein suurempiin asuntoihin, jolloin asumisväljyys lisääntyy. (Tiihonen 2011.) Myös talouden koolla on merkitystä. Jotta maaseutukuntien ahtaasti asuvien perheiden korkea osuus selittyisi, tulisikin tarkastella, onko maaseuduilla keskimääräinen perhekoko kaupunkialueita suurempi.

Seitsemän kuntaa erottuu kartalta korkean työttömyysasteensa vuoksi, mutta vain Turku, Hanko, Karkkila ja Myrskylä nousevat esiin sellaisina kuntina, joissa sekä työttömyysaste että ahtaasti asuvien lapsiasuntokuntien määrä on korkea. Kunnat sijoittuvat kartalla hyvin eri alueille ja ovat kuntarakenteiltaan erilaisia. Siksi pelkästään tämän karttaesityksen pohjalta ei voida määrittää yhdistävää tekijää, jonka vuoksi ilmiöillä on alueilla yhteisvaihtelua.

Kuitenkin kartalta on havaittavissa, että pääkaupunkiseudun ja Turun kehyskunnissa sekä työttömyys että ahtaasti asuvien lapsiperheiden osuus on alhainen. Se antaa viitteitä siitä, että juuri väljempi asuminen ajaa lapsiperheitä kehyskuntiin. Väitteen vahvistamiseksi olisi hyvä tarkastella myös kaupunkeihin pendelöivien määrää, joka todennäköisesti tukee ilmiötä.

Mitä tästä sitten opin? Ensinnäkin sen, että kahden samalla kartalla luontevasti vertailtavan ilmiön keksiminen on vaikeaa. Käytin siihen huomattavasti enemmän aikaa, kuin itse kartan tekemiseen, kuten oli tehnyt myös Toni Ruikkala oman tehtävänsä parissa (Ruikkala 2015). Ymmärsin myös, ettei kahden ilmiön välistä suhdetta kannata pyrkiä selittämään väkisin, vaan tyydyin toteamaan, että lisätutkimusta tarvittaisiin ennen minkäänlaista pätevää lopputulosta.

Ensi kertaan!

 

Lähteet

Ahtaasti asuvat lapsiasuntokunnat, % kaikista lapsiasuntokunnista (id: 190) (2013). SOTKAnet. Terveyden ja hyvinvoinnin laitos. 27.1.2015 <http://uusi.sotkanet.fi/portal/page/portal/etusivu/hakusivu/metadata?type=I&indicator=190>

Hellemaa, P. (2014). Maantieteellisen tiedon hankinta, analyysi ja kartografia. 99 s. Unigrafia, Helsinki.

Ruikkala, T. (2015). Ruikkalan PAK-blogi 2015. 28.1.2015. <https://blogs.helsinki.fi/ruikkala/>

Tiihonen, A. (2011). Asumisväljyys lisääntyy hitaasti. Tilastokeskus. 27.1.2015. <http://www.stat.fi/tup/vl2010/art_2011-10-18_001.html>

Työttömät, % työvoimasta (id: 181) (2013). SOTKAnet. Terveyden ja hyvinvoinnin laitos. 27.1.2015 <http://uusi.sotkanet.fi/portal/page/portal/etusivu/hakusivu/metadata?type=I&indicator=181>

Moikka maailma ja MapInfo!

… ja tervetuloa paikkatietoblogini pariin! Kuten te opiskelijatoverit tiedätte, tämä blogi syntyi osana kevään 2015 Paikkatiedon hankinta, analyysi ja kartografia –kurssia Helsingin Yliopiston maantieteen laitoksella. Tulevina viikkoina julkaisen täällä kurssillamme annettuja tehtäviä, ja tässä niistä ensimmäinen:

Ensimmäisen kurssikerran aikana palasimme jälleen MapInfo-karttaohjelman pariin, ja rupesimme harjoittelemaan sen avulla teemakarttojen laadintaa. Tehtäväksi saimme luoda vapaavalintaista aihetta kuvaavan teemakartan Suomen kunnista. Aiheen tuli pohjautua Tilastokeskuksen vuoden 2011 väestötilastoihin, mutta muuten saimme aineiston luokittelun ja kartan ulkoasun suhteen vapaat kädet.

Valitsin teemakarttani aiheeksi ulkomaiden kansalaisten osuuden Suomen kunnissa vuonna 2011. Aineistossa on 336 kuntaa, joissa ulkomaalaisten osuus vaihtelee 0,1 prosentista 12,4 prosenttiin. Aineistosta tehdyn histogrammin perusteella aineisto jakautuu vinosti siten, että eniten havaintoja on pienen prosenttiosuuden omaavissa kunnissa, jonka jälkeen havaintojen määrä laskee jyrkästi alaspäin.

Kuva 1. Histogrammi ulkomaiden kansalaisten osuuden jakautumisesta käytetyssä aineistossa. X-akselilla ulkomaiden kansalaisten osuus prosentteina, y-akselilla havaintojen eli kuntien lukumäärä.

Yleisesti vinojakaumaiselle aineistolle suositellaan luokittelua esimerkiksi kvantiileihin eli tasamääräisiin luokkiin. Kokeilin ensin tehdä kartan tällaisella luokittelulla, mutta mielestäni kartan informatiivisuus kärsi, sillä suurimman luokan havaintojen vaihteluväli muodostui hyvin laajaksi (1,8 – 12,4 %).

Päädyin jakamaan aineiston luonnollisilla luokkaväleillä, jolloin havaintoarvojen vaihteluvälit ovat kussakin luokassa pienemmät. Samaan ratkaisuun oli omassa tehtävässään päätynyt myös Suvi Heittola, joka valitsi aineistolleen luonnollisen luokkajaon tuloksena silmää miellyttävä kartan ulkonäkö sekä kohtuullisen kokoiset aineistoluokat (Heittola 2015). Omassa aineistossani havaintojen määrä eri luokissa on epätasainen, mutta ainakin kartalta on ymmärrettävissä selkeästi se, että suuressa osassa Suomen kuntia ulkomaiden kansalaisten osuus on hyvin pieni. Kunnat, joissa on eniten ulkomaiden kansalaisia sijoittuvat vahvasti ruotsinkielisiin kuntiin Ahvenanmaalla ja Länsi-Suomessa sekä maan itä- ja koillisosiin lähelle Venäjän rajaa. Myös pääkaupunkiseudun kunnissa sekä Kemissä ja Muoniossa lähellä Ruotsin rajaa ulkomaiden kansalaisten osuus on korkeampi, kuin suurimmassa osaa kuntia.

harjoitus1_ulkomaalaisten_osuus

Kuva 2. Ulkomaiden kansalaisten osuus. (Tilastokeskus 2011)

Kartasta voisi helposti ymmärtää sen kuvaavan ulkomaalaisten osuutta Suomen kunnissa. Kansalaisuuden käyttäminen muuttujana ei kuitenkaan ole paras mahdollinen keino mitata todellista ulkomaalaisten henkilöiden osuutta väestöstä. Kansalaisuuden käytössä on ongelmana se, että henkilö voi Suomessa asuessaan saada Suomen kansalaisuuden, jonka jälkeen hän ei enää ole tilastoissa ulkomaan kansalainen. Kansalaisuuden sijaan ulkomaalaisten määrää kuvaa paremmin vierasta kieltä äidinkielenään puhuvien osuus väestöstä. (Rapo 2011.)

Ensimmäinen kurssitehtävä pakotti jälleen palauttamaan mieleen erilaiset aineiston luokittelutavat ja niiden vaikutukset kartan ulkonäköön. Luokittelu tuntuu vielä epävarmalta ja tulen ehdottomasti tarvitsemaan lisää harjoitusta sen suhteen. Ennen kaikkea tässä tehtävässä opeteltiin käyttämään MapInfon perustoimintoja, jotka jäivät syksyn kartografiakurssin jälkeen hyvin huteralle pohjalle. Edelleen ohjelman kanssa työskentely on melkoista vastatuuleen tarpomista, ja ohjelma tuntuu nyt Corelin jälkeen hyvin alkeelliselta ja epäkäytännölliseltä. Toivoa kuitenkin on, että yhteistyöni MapInfon kanssa lähtee vielä luistamaan tulevien viikkojen aikana!

 

Lähteet

Heittola, S. (2015). Kurssikerta 1 (13.1.2015). PAK 2015. 23.1.2015. <https://blogs.helsinki.fi/heittola/2015/01/13/kurssikerta-1-13-1-2015/>

Rapo, M. (2011). Vieraskielinen on yhä monessa kunnassa harvinaisuus. Tilastokeskus. 19.1.2015. <http://www.stat.fi/tup/vl2010/art_2011-06-21_001.html>