Luento 7: Omat kartat

Blogi valmis.

Viimeisellä kerralla saimme suunnitella itse, millaiset kartat haluamme. Itse näin omasta mielestäni runsaastikin vaivaa suunnitellessa karttojani. Kävin tutkailemassa usealta eri sivulta ihan maailmanlaajuisia aineistoja, mutta päädyin sitten kuitenkin siihen, että oma kiinnostukseni on kuitenkin ihan Suomessa. Päädyin sitten etsimään sopivaa luonnontieteellistä tilastodataa pariltakin sivulta (mm. SYKE), mutta päädyin sitten käyttämöön Luonnovarakeskuksen tietoja. Valitsin oman mielenkiintoni mukaan peltopinta-alan prosentteina ja peltojen eroosion (tonni / hehtaari / vuosi) kuntarajauksella. Toisena aineistona valitsin ELY-keskuksittain kasvihuonekaasujen määrän maataloudesta sekä peltojen fosforitaseen eri vuosina. Vuosivaihtoehtoja oli monta, mutta lopulta päädyin vertailemaan 20 vuodessa tapahtunutta eroa eli 1995 ja 2015. Lisäksi yritin etsiä ELY-keskuksen rajoja netistä, ja löysinkin ne avoindata -sivustolta. Muodot olivat omituisia. Etsin siis varmuudeksi vielä lisäaineistoa ns. varakarttaan. Tähän päädyin ottamaan metsätalousmaan pinta-alan (%) maakunnittain. Muokkasin datan valmiiksi excel-tiedostoihin niin, että se on helppo siirtää MapInfoon ja suunnittelin, miten aion sen teemakarttoina asetella.

Harjoitustyöt alkavat. Pyysin heti apua ELY-keskuksen rajojen kanssa ja törmäsin tiiliseinään. Yritystä oli, mutta ei vain tahtonut onnistua. Jouduin siis tyytymään varakarttasuunnitelmaani, jossa on coropleetti-kartta maakuntien metsätalouden käytössä olevasta pinta-alasta (%) sekä maakuntien väkiluku symbolina. Toinen karttani (kuntarajauksella) onnistui mukisematta. Karttojen tekeminen oli nopeaa, koska aineisto oli valmiiksi sopivassa muodossa, olin miettinyt millaisen kartan teen ja kerrannut tarvittavan tiedon niiden tekemiseen. Siksi ei kestänyt kauaakaan, kun olin taas metsästämässä ELY-keskusten rajoja. Ihan vain siksi, että tämä kartta kiinnosti itseäni kovasti. Löysin jotain WFS-linkkejä, joissa luki, että ”paikkatieto-ohjelmille”. Hetken tutkimisen jälkeen löysin MapInfosta painikkeen, jossa luki WFS. Innostuin suuresti, mutta ei toiminutkaan, joten pyysin taas apua. Eipä saatu toimimaan, mutta itselleni tuntemattoman ohjelman eli QGIS:n avulla saimme kuin saimmekin ELY-rajat tab.muotoon. Ja näin pääsin tekemään haluamani karttani.

Peltopinta-alaa koskevasta kartasta voidaan huomata peltojen keskittyneen erityisesti rannikon läheisyyteen. Esimerkiksi Saaristo-Suomen alue soveltuu niin maaperältään kuin ilmastoltaan hyvin maanviljelyyn (Peda). Sama koskee myös Etelä-Suomea, jonka hienojakoisista maalajeista muodostuneilla ja alavilla tasangoilla viljely on tuottavaa (Peda). Siirryttäessä pohjoisempaan, moreeni maalajina yleistyy ja sääolot alkavat suosia enemmän metsätaloutta kuin maanviljelyä.

Eroosiolla tarkoitetaan kiintoaineksen kulkeutumista vesistöihin. Suurin osa kiintoaineksesta kulkeutuu pintavalunnan mukana, mutta esimerkiksi savipelloilla myös salaojaputkien mukana voi kulkea merkittäviä määriä kiintoainesta. Pelloilta irtautuva kiintoaines koostuu pääasiallisesti epäorgaanisesta aineksesta, sillä peltojen orgaanisen aineksen pitoisuus on pääasiallisesti pieni. Peltoeroosion suuruuteen vaikuttavat erityisesti pellon kaltevuus, muokkauksen ajankohta, muokkauskertojen määrä, muokkaussyvyys, kasvipeitteisyys, kasvilaji ja maalaji. Karkeat kivennäismaat ovat erityisen alttiita huuhtoutumiselle. Savimaiden eroosioherkkyys on myös todettu merkittäväksi. (TEHO Plus -hanke 2013). Eroosio on Suomessa voimakkainta Etelä- ja Lounais-Suomen savikkoalueilla. Ympäristön kannalta harmillisesti näillä alueilla on myös korkea peltoisuus (%). Tämä johtuu siitä, että viljelyyn soveltuvilla maalajeilla on yleensä korkea eroosioherkkyys.

Peltojen fosforitase lasketaan vertaamalla peltoon lisättyjen ravinteiden määrää sadon mukana poistuvaan ravinnemäärään. Tavoitteena on mahdollisimman pieni tase, sillä se tarkoittaa, että kasvukauden lopussa maahan jää ainoastaan vähän huuhtoutumiselle alttiita ravinteita. (Suomen ympäristökeskus 2014).

Yllä olevassa kartassa voidaan erityisen hyvin nähdä peltojen fosforitaseen pieneneminen kahdenkymmenen vuoden aikana (1995-2015). Fosforitaseen pieneneminen johtuu lannoitteiden käytön tehokkaasta pienenemisestä samoin kuin käytettyjen lannoitteiden fosforisisällön pienenemisestä (Luonnontila 2014). Laskuun on vaikuttanut myös peltojen satomäärän ja sen myötä ravinteiden oton kasvu (Luonnontila 2014).

Maatalouden kasvihuonekaasupäästöt ovat pienet verrattuna esimerkiksi energiasektoin päästöihin, mutta määrät ovat pysyneet jo useita vuosia tasaisina. Maataloudesta kasvihuonekaasupäästöjä aiheutuu kotieläinten ruoansulatuksesta, lannankäsittelystä, maaperästä, kalkituksesta, urealannoituksesta ja kasvintähteiden poltosta. (Findikaattori 2017). Päästöt ovat korkeita erityisesti eloperäisistä maista ja sulfaattimaista (Regina yms. 2014), joita esiintyy runsaasti Pohjanmaalla sekä alueilla, joissa vanhoja turvealueita on otettu viljelykäyttöön.

Muutama lause vielä tuosta ”ylinmääräisestä” kartastani, jossa näkyy siis metsätalouden käytössä oleva pinta-ala maakunnittain (%) sekä maakunnan väkiluku. Odotusten mukaisesti, metsäpinta-ala (%) kasvaa siirryttäestä pohjoista kohti. Yhteyttä väkilukuun ei ole nähtävissä.

Olen varsin tyytyväinen karttoihini ja erittäin tyytyväinen kurssiin. Kurssin on ehdottomasti yksi yliopiston parhaita, millä olen käynyt. Sain paljon hyödyllistä kokemusta ja myös ohjeita sekä muistiinpanoja, joista tulee varmasti tulevaisuudessa olemaan hyötyä. Osaan nyt tehdä teemakarttoja omista aineistosta (excelin kautta siirtää siis data MapInfoon), mikä on varmasti hyödyllinen taito. Kurssi meni todella nopeasti ja edes neljä tuntia istumista ei tuntunut pitkältä.

Lähteet
– Maatilan ympäristökäsikirja. TEHO Plus -hanke 1/2013.
– Peda.net. https://peda.net/oppimateriaalit/e-oppi/n%C3%A4ytekirjat/ylakoulu/maantieto/vanha-ops/suomi2/1attoekma (viitattu 6.3.2017)
– Luonnontila.fi. 2014. MA3 Lannoitteiden käyttö. https://www.luonnontila.fi/ext/fi/data-pages/ma3-taustatiedot.html (viitattu 6.3.2017)
– Suomen ympäristökeskus. 2014. Peltojen ravinneylijäämä pienentynyt. http://www.ymparisto.fi/fi-FI/Kartat_ja_tilastot/Ympariston_tilan_indikaattorit/Makea_vesi_ja_meri/Peltojen_ravinneylijaama_pienentynyt(28654) (viitattu 6.3.2017)
– Findikaattori. 2017. Kasvihuonekaasupäästöt. http://www.findikaattori.fi/fi/87 (viitattu 6.3.2017)
– Regina, H. Lehtionen, T. Palosuo & S. Ahvenjärvi. 2014. Maatalouden kasvihuonekaasupäästöt ja niiden vähentäminen. MTT:n Raportti 127.

Luento 6

Tämän kertaisella luennolla kulutimme ensimmäisen puoliskon datan keräämiseen ulkona sekä sen siirtämiseen MapInfoon. Keräsimme datan pareittain, meillä aiheena oli roskakorit. Keräsimme lähemmäs 20 kohdetta ja reissuun kului aika tarkalleen se 40 minuuttia. GPS-laite osoittautui hieman hitaaksi eli jonkin aikaa yleensä seisottiin aina kohteessa. Lisäksi korkeudet olivat ihan mitä sattuu, joskus vaikka kävelimme muutaman metrin tasaisella niin korkeus muuttui mukamas joku 6m. Lisäksi välillä olimme meren pinnan alla, vaikka se ei kyllä pitänyt paikkansa. Joka tapauksessa MapInfossa tarkasteltuna, pisteet olivat kyllä luotettavasti kartalla oikeissa kohdissaan. Pisteiden siirto excelin kautta tuntui säälittävältä, sillä eihän yhtään isompaa aineistoa voi niin laittaa. Onneksi sentään GPS-laitteenkin kautta onnistui.

Toisella puoliskolla opettelimme geokoodaamaan pisteitä kartalle osoitteiden avulla. Tämä oli hämmentävää, en taatusti osaisi yksin tehdä tälläistä enää jälkikäteen. Niin paljon kaikenlaista siinä tarvittiin. Sinällään ehkä ainoa hyöty on tietää, että tälläinen teoriassa on mahdollista, ja jonkun paikkatieto-ekspertin voi joskus pyytää tälläistä tekemään.

Teimme kolme karttaa, aiheenamme meteoriitit, tulivuoret ja maanjäristykset. Vaikka aihe oli mielenkiintoinen ja normaalisti olisin varmaan kuluttanut paljonkin aikaa erilaisten kokonaisuuksien pohtimiseen ja karttojen visualisointiin, niin tällä kertaa ei ollut aikaa. En yksinkertaisesti pystynyt jäämään kahdeksaa pidemmäksi enää tekemään mitään. Lisäksi minulla ei ole aikaa ennen seuraavaa torstaitakaan kikkailla karttojen kanssa, sillä on paljon ryhmätöiden tekemistä ja tenttiin lukemista. Näin ollen häpeälliset kartat jäävät varmaankin blogiini.

Aikaa omassa tekemisessäni söi myös se, että en saanut järkevästi niitä tietoja ladattua netistä. Laitoin ensin exceliin ja muutti osan päivämääriksi. Kierrätin notepadin kautta, mutta sitten en saanut enää niitä järkevästi sarakkeisiin. Lopulta ratkaisuksi järjestyi wordin kautta kierrättäminen. Aikaa tosin kului turhaan tähän säätämiseen. Toisaalta hyvä myös tietää, että kannattaa ehkä ennemmin wordin kuin notepadin kautta säätää.

Itse päädyin käyttämään jokaisen sivun (3 kpl) tietokantoja. Valitsin ensimmäiseen karttaani kaikki yli 1 000 kg massan omaavat meteoriitit. Toiseen karttaan valitsin vuoden 1900 jälkeen purkautuneet tulivuoret.  Kolmanteen karttaani päätyi kaikki yli 8 richterin maajäristykset. Näillä ei nyt oikein ole mitään yhteistä, valitsin täysin summan mutikassa. Mutta kuten sanoin, aika oli kortilla, joskus elämässä on pakko olla muutakin kuin MapInfoa kello kymmeneltä yöllä. Jos tätä oltaisiin tehty 3 tuntia sen sijaan että 1 tunti kului ulkona kävelyyn, niin kartat olisivat varmasti mielekkäämmät monella tasolla.

Myös Laaksonen (2017) tarkasteli yli 8 richterin maanjäristyksiä, mutta kartalla näkyy vähemmän pisteitä kuin omallani. Syynä on se, että itse käytin kaikkea olemassa olevaa aineistoa, kun taas Laaksonen esitti ainoastaan vuodesta 2002 eteenpäin tapahtuneet maanjäristykset. Sen sijaan verratessani omaa tulivuorten purkauksia koskevaa karttaani Collinin (2017) karttaan, se näyttää varsin samankaltaiselta. Aiheemme oli sama, joten se on ihan loogista. Onnistuimme siis varmaankin molemmat saamaan aineiston järkevästi kartalle.

No jaa. Karttani olivat niin hatusta temmattuja, että kukaan ei ollut keksinyt sellaisia aiemmin tehdä tai ei internettiin ole kehdannut laittaa. Vertailuaineisto: nolla.
Tältä kartalta löytyy asteroidien putoamiskohdat mantereilla: http://www.astronomynotes.com/solfluf/s5.htm.

Lähteet
– I. Laaksonen. 2017. 6 kurssikerta. https://blogs.helsinki.fi/iilaakso/
– S. Collin. 2017. 6 kurssikerta. https://blogs.helsinki.fi/collinsa/ 

Luento 5: bufferointi

Viidennellä luennolla kävimme läpi bufferointivyöhykkeen tekemistä, sekä kohteiden valitsemista sen sisä- ja ulkopuolelta. Bufferin pystyy MapInfossa tekemään niin aluekohteen kuin yksittäisen kohteen ympärille ja sen kokoa on helppo muuttaa. Bufferointi tuntui varsin selkeältä. Bufferin sisä- tai ulkopuolelta valitut kohteet pystyi siirtämään omaksi layerikseen, mutta en enää muista miten – täytyy muistaa kysyä uudelleen, että miten se tapahtui. Lisäksi haluaisin tietää, miten voisi bufferoida esimerkiksi valitun alueen ulkopuolen, niin että karttoja voisi esimerkiksi helposti rajata. Tätä kysyin jo viimeksi, mutta en saanut vastausta. Aion kysyä tämänkin uudestaan seuraavalla luennolla.

Luento koostui pääasiallisesti itsenäisistä harjoituksista. Itselläni tuli muutamia ongelmia vastaan, joihin sain kuitenkin vastauksen. Lisäksi saamani tulokset heittävät vähän, sillä esimerkiksi Malmin lentokentällä piirsin liikaa kiitoratoja, koska en oikein tajunnut, mitkä ovat kiitoratoja ja mitkä eivät. En kuitenkaan viitsinyt sen takia tehdä koko työtä uudestaan, että olin piirtänyt pari kiitorataa liikaa. Se ei olisi ollut järkevää ajankäyttöä. Alla olevaan pdf-tiedostoon on kerätty laskemani luvut luennon tehtävistä. Niissä on jonkin verran heittoa etenkin kiitoratojen piirtämisessä tapahtuneiden mokien takia, koska piirsin vähän kiitoratoja sinnekin, missä niitä ei ilmeisesti ollutkaan. Osan tehtävistä myös tein varmasti väärillä, kömplelöillä taktiikoilla, mutta halusin yrittää ilman tuota ”luuranko-ohjetta”. Ja koska sain asiat jotenkuten ainakin tehtyä, niin olin ihan tyytyväinen. Varmasti tosin menin vaikeamman ja pidemmäm kautta. Pitänee jossain kohtaa nyt vilkaista tuo ohje läpi, että miten olisi oikeasti kannattanut tehdä.

Luento 5

Vapaa-valintaisista tehtävistä valitsin itse tehtävän 2 eli uima-altaat ja saunat, siksi että se kiinnosti itseäni eniten. Tämä työ sujuin varsin nopeasti, vaikka ensin olinkin vähän epävarma siitä, että onnistuuko työ. Kartta ei ole visuaalisesti parhain, mutta en onnistunut rajaamaan esimerkiksi alaosan turhia viivoja pois. Lisäksi se, että sekä numerot että pylväät ovat kuvassa, on mielestäni turhaa ja sekavaa. Näin kuitenkin käskettiin tehdä. Osan numeroista jaksoin siirtää pois pylväiden päältä, mutta en ihan kaikkia. Lisäksi nyt kun latasin kuvan tänne, huomasin, että tallennusvaiheessa osa numeroista on vain itsekseen hävinnyt kuvasta. Ne olivat kyllä vielä siinä kohtaa kun katselin sitä siitä layer window:sta, mutta en tiedä mihin katosivat.

Joka tapauksessa, uima-altaat sijaitsevat käytännössä Helsingin ja Vantaan alueella, mikä on hämmentävää. Luulisi, että Espoossa olisi enemmän tilaa tälläisille. Tietysti, jos kyseessä on pääasiallisesti kerrostalojen uima-altaat, asia selittyy sillä, että Espoossa on enemmän omakotitalo-tyylistä asutusta kuin esimerkiksi Helsingissä. Epäilystä tilastojen paikkaanpitävyydestä on esitetty (Lappalainen 2017), mutta itse en sinällään osaa ottaa asiaan kantaa. Lappalaisella oleva kartta oli myös visuaalisesti parempi etenkin kuntien rajauksien takia. Itsekin tätä mietin, mutta kun menivät alueiden väleistä jne. miten sattuu, luulin sen näyttävän tyhmältä. No, jälkikäteen katsottuna, paremmalta se olisi silti näyttänyt kuin ei mitään rajoja.

Tähän asti olen itse kokenut MapInfon todella hyödylliseksi ja olen ollut varsin täpinöissäni siitä, että olen osannut edes jonkinasteisia karttoja rustailla ja excelistä siirtää tietoa. Samoin kuin Laaksonen (2017) kuin myös tämän bufferointi-työkalun todella hyödyllisenä vaikka minkälaiseen puuhailuun. Muutaman oppaan avulla uskon että tämän kurssin jälkeen pystyn ainakin jonkinasteisesti itsenäiesesti tekemäänkin jotain. Mikä on todella hienoa, sillä jo pelkästään koulutöihinkin olisi joskus kiva saada karttoja – työelämästä nyt puhumattakaan. Koenkin siis erityisesti teemakarttojen tekemisen erittäin hyväksi taidoksi ja lisäksi sen, että voit laittaa exceliin tiedot, mistä haluat myöhemmin tehdä teemakartan. Siirtäminen onnistui omasta mielestäni kohtuu näppärästi, itselleni ei ole niin väliä kestääkö siinä 5 sekuntia vai 5 minuuttia. Vaikka kaikki asiat, mitä MapInfossa ollaan tehty, ovat vaikuttaneet suhteellisen selkeiltä, asiat unohtuvat helposti ja rutiinia ja toistoa kaivataan kaikkiin.

Siitä, miten MapInfo rajoittaa tiedon analysointia, en osaa sanoa mitään. Emme me mielestäni ole sinällään analysoineet tietoa (?) vaan tehneet karttoja. Ehkä rajoitteet tulevat selkeämmin vastaan kun rupeaa itsenäisesti tekemään jotain ja huomaa, että se ei onnistukaan. Nyt olemme vain tehneet perässä, niin on vaikea tietää, mikä ei onnistu. Koska totta kai kaikki on onnistunut, tehtävät on suunniteltu ratkaistaviksi eikä niin, että ne johdonmukaisesti epäonnistuvat.

Haluaisin ehkä oppia miten voitaisiin siirtää muita tietokantoja MapInfoon, kun nyt olemme käyttäneet valmiita pohjia. Eli kun esimerkiksi SYKEllä on jotain vesistöihin liittyviä tietokantoja ja Maanmittauslaitoksella, miten ne saa siihen muotoon, että voi yhdistää MapInfoon? Voisin ehkä kysyä tätäkin, jos on aikaa.

Lähteet
I. Laaksonen. 5. kurssikerta. https://blogs.helsinki.fi/iilaakso/ (viitattu 19.2.2017)
J. Lappalainen. 5. kurssikerta. https://blogs.helsinki.fi/ladjouko/ (viitattu 19.2.2017)

 

Luento 4

Luento oli jaettu kahteen osaan: ensimmäisellä puoliskolla tutustuimme rasterin käyttöön ja toisella puoliskolla piirtotyökaluihin. Jälleen kerran opetusta oli helppo seurata, vaikka itse asiassa jossain kohtaa mokasinkin ja oma lopputulokseni näytti täysin erilaiselta kuin opettajan. Jatkoin silti sitkeästi mukana, sillä ei se nyt niin tarkkaa ollut, kunhan kaikki kommennot sai käytyä läpi. Myöhemmin omaa karttaa tehdessäni selvisi, että olin jättänyt valikkoon ”valuen” sen sijaan että olisin vaihtanut sen muotoon ”sum”. Näin ollen MapInfo arpoi yhden sarakkeen arvon kuvaamaan koko rasteriruudun arvoa sen sijaan että olisi summannut kaikki ruudun sisään jäävät arvot yhteen. No, virheistä oppii parhaiten eli tämän muistanut nyt tulevaisuudessa varmasti.

MapInfo myös kaatui kaksi kertaa neljän tunnin aikana. Ensimmäinen kerta oli, kun kokeilin erikokoisten rasterien tekemistä. Kokeilin huvikseni ruutujen kokoja: 100m, 500m, 1000m ja 10000m. Kun yritin saada 100m ruudukkoa aikaiseksi, MapInfo romahti. Toinen kerta oli silloin, kun olin siirtymässä valmiiden karttojeni kanssa layer-ikkunaan. Vaikka olinkin kuvitellut tallentavani työtäni koko ajan, olinkin tallentanut ainostaan workspace-muotoa. Tästä syystä jouduin tekemään kartat uudestaan. Rutiiniahan siitä vain kertyi, ei onneksi kestänyt kauaa kun oli jo kertaalleen tehnyt. Harmitti kuitenkin hieman. Nyt kuitenkin on tiedossa myös tallennuksen salat, jotta ensi kerralla näin ei pääse käymään.

Piirtotyökalujen käyttö tuntui yksinkertaiselta, samoin kuin niiden editointi ja omaan layeriin vienti. Käytin myös viivojen piirtämisessä komentoa ”smooth” ja se tuntui oikeasti auttavan.

Varsinainen työ tällä kerralla oli kuitenkin ruutupohjaisen teemakartan tekeminen. Itse valitsin kartalle pk-seudun yli 70-vuotiaat ihmiset ja tein itse asiassa kaksi kartaa, joista oli tarkoitus valikoida toinen tähän blogiin. Kuitenkin ne yhdessä ovat varsin havainnollistavia, joten päätin laittaa molemmat tähän. Toinen esittää yli 70-vuotiaiden absoluuttisen lukumäärän ja toinen suhteellisen lukumäärän (70-vuotiaat / asukasluku).

Kartoista voidaan todeta, että absoluuttinen lukumäärä on selvästi suurin isojen teiden varsilla sekä Helsingin kaupunkien keskustojen tuntumassa. Tämä on toki täysin loogista, sillä kyseisillä alueilla asukasluku on muutenkin korkea erityisesti palveluiden ja liikenteen keskittymisen takia. Helposti saavutettavat lähipalvelut onkin todettu olevan tärkeitä vanhemmille ihmisille (Kytö 2012).

Sen sijaan kun katsoo prosentuaalisia lukuja, voidaan kaikkein korkeimmat prosentin havaita kaupunkien laitamilla. Kyseisillä alueilla asuu vain muutama ihminen ja heistä suurin osa on yli 70-vuotiaita. Kyseessä on todennäköisesti omassa omakotitalossaan vielä asuvat henkilöt, jotka pärjäävät vielä omillaan. Tilastokeskuksen raportissakin on todettu, että reilu neljännes vanhemman ikäpolven edustajista asuu pientaloissa, joista suurin osa on omassa omistuksessa olevia omakotitaloja (Jaako 2012). Toki kohtuullisen isoja prosentteja (20-45 %) löytyy myös valtateiden varsilta.

Lähteet
H. Kytö. 2012. Lähipalvelujen merkitys kasvaa väestön ikääntyessä. Hyvinvointikatsaus 2/2012. https://tilastokeskus.fi/artikkelit/2012/art_2012-06-04_002.html (viitattu 10.2.2017)

N. Jaako. 2012. Kolmannes yli 74-vuotiaista yksin asuvista asuu pientalossa. Hyvinvointikatsaus 4/2012. http://www.stat.fi/artikkelit/2012/art_2012-12-10_006.html?s=0 (viitattu 10.2.2017)

Luento 3: Datan käsittely

Kolmannella luennolla käsiteltiin sitä, miten saa tuotua MapInfoon ulkopuolista dataa (excel) ja yhdisteltyä eri taulukoista dataa keskenään. Itse olin tuonut dataa jo edellisellä luennolla tilastokeskuksen sivuilta excel-muodossa, mutta nyt data yhdistettiin olemassa olevaan eri tavalla. Viimeksi tein sen koropleetti-karttaa tehdessä, nyt lisäsimme sen suoraan taulukkoon. Kävimme myös läpi pienempien karttakohteiden yhdistämistä yhdeksi suuremmaksi – asia, josta tulee minulle tulevaisuudessa olemaan varmasti hyötyä esimerkiksi pienten valuma-alueiden yhdistämisen osalta. Luennolla loimme lisäksi uusia sarakkeita ja siirsimme niihin tietoa muista taulukoista sekä laskimme niihin uusia arvoja olevassa olevan datan avulla. Toisin kuin Lappalainen (2017), koin datan yhdistämisen olevan kohtuullisen johdonmukaista eikä liian aikaa vievää. Itselleni sopii se, että asiat tehdään ohjelmistoissa yhdellä tavalla – eipähän mene niin helposti sekaisin. En myöskään ole Saloniemen (2017) kanssa samaa mieltä asian hankaluudesta, vaikka yhdynkin hänen mielipiteeseensä siitä, että treenamisen kautta muodostuneet rutiinit auttavat sekä asioiden osaamisessa että muistamisessa.Teimme tämän viikon kurssityönä kartan, jossa esitetään valuma-alueiden järvisyys pylväsdiagrammeina sekä valuma-alueen tulvaindeksi koropleettina. En ole kartan visuaalisen ulkoasuun ihan tyytyväinen, mutta tulipahan kokeiltua tälläistäkin. Ensi kerralla taas erilainen.

Kartasta näkee, että helposti, että Aurajoen tulvaindeksi (1100) on ihan omaa luokkaansa. Tästä syystä tein sille ihan oman luokkansakin ja luokkaväli seuraavaan on suuri. Kaikki suurimmat arvot löytyvät kuitenkin myös rannikolta. Pienimmät tulvaindeksit löytyvät Vuoksen (1,5), Kymijoen (2,3) ja Paatsjoen (3,7) alueilta. Selvästi voidaan myös havaita, että pienimpien tulvaindeksien alueilla järvisyys-% on sen sijaan korkea. Tämä johtuu siitä, että järvet pidättävät valuma-alueelleen satanutta vettä. Jos joen valuma-alueella ei ole järviä, vesisateen tuottamat vesimassat valuvat suoraan ja nopeasti jokeen nostaen näin sen vedenpinnan nopeasti korkeaksi. Yleisesti ottaen, jokien, joiden valuma-alueen järvisyys-% on pieni, vedenkorkeuden vaihtelut ovat suuria sekä nopeita.

Järvisyyden lisäksi tulvariskiin vaikuttavat muun muassa valuma-alueen koko, joen poikkileikkauksen pinta-ala, ihmistoiminta valuma-alueella sekä valuma-alueen topografia. Lähteeksi tähän voisin heittää jonkin akvaattisten tieteiden kurssini.

Lähteet
J. Lappalainen. 2017. Osa 3 – tietokantojen taikaa. https://blogs.helsinki.fi/ladjouko/ (viitattu 10.2.2017)

R. Saloniemi. 2017. Viikko 3: Paikkatietokantojen käsittelyä. https://blogs.helsinki.fi/saresare/ (viitattu 10.2.2017)

Artikkeli 1

Pohjatietoni artikkelin lukemista varten ovat käytännössä nollassa, sillä ainoa maantiedon kurssi, jolla olen ollut, on tämä. Karttojen kanssa en ole ollut siis juurikaan tekemisissä, vaikka toki niitä on näytetty havainnollistavina elementteinä useillakin luennoilla. Itse en ole kuitenkaan niitä ennen tätä kurssia tehnyt, joten arvioni perustuvat ainoastaan ”tavallisen tallaajan” näkemyksiin.

Nyt itse artikkeliin. Heti johdannossa kyseenalaistettiin koropleetti-kartan luettavuus ja hyödyllisyys tiedon esittämisessä, mikä mielestäni on hieman turhan kriittistä. Itse koen kartat helposti sisäistettäväksi ja ne parantavat aineiston ymmärrettävyyttä merkittävästi kun vertaa esim. tekstimuotoiseen aineistoon. Artikkelissa esitettiin kahden muuttujan koropleetti-kartta ratkaisuksi yhden muuttujan koropleetti-kartan vajaavaisuuksiin, mutta mielestäni molemmat ovat yhtä hyviä. Käytön tarve riippuu aineistosta.

Mielestäni ruutu-legenda ei ole ollenkaan selvä. Jos karttaa joutuu tutkailemaan usean minuutin ajan ennen kuin edes idea alkaa hahmottua, se ei voi olla hyödyllinen työkalu esittämään dataa ainakaan kansalaisille, jotka yleensä edellyttävät niin teksteissä kuin kuvissa yksinkertaista ja selkeää sanomaa. Eri asia on tietenkin tieteelliset julkaisut, joissa tiedon määrä ja laatu on ensisijalla ja yhtä artikkelia on aikaa tarkastella viikkokausia. Suosin itse tavallista legendaa, jossa väri- ja rasterikoodit on ilmoitettu erikseen.

Hieman ehkä ristiriitaiselta opetukseen nähden tuntui se, että suurin osa tekstissä annetuista data-esimerkeistä koostui absoluuttisista arvoista eikä suhteellisista. Luennoilla suositeltiin koropleetti-karttaan käytettäväksi suhteellisia arvoja, eikä missään nimessä ainakaan alueen koon kanssa korreloivia absoluuttisia arvoja. Tekstissä esitettyjen luokkien määrä (max 9) oli sama kuin luennoilla suositeltu.

Kappale ”Selection of class intervals” oli jotenkin täyttä hepreaa itselleni; virkkeet olivat liian pitkiä, enkä saanut asiasta oikein kiinni. Kuvaa katsellessani ja maalaisjärkeä käyttämällä oletan asian tarkoittaneen, että molempien muuttujien tule olla samoilla alueilla korkeita ja samoilla alueilla matalia? Niin että saadaan lineaarinen suora piirrettyä muuttujien välille?

Testi, jossa opiskelijat vertailivat kahden ja yhden muuttujan koropleetti-karttojen toimivuutta, sai sellaiset tulokset kuin olisin odottanutkin. Yhden muuttujan kartta on selkeämpi, mutta kahden muuttujan kartassa muuttujien väliset yhteydet on helpompi havaita. Itsekin käyttäisin kyseisiä karttatyyppejä juurikin tällä tavalla enkä yrittäisi esimerkiksi esittää kahta erillistä aineistoa samalla kartalla.

A. Leonowicz. 2006. Two-variable choropleth maps as a useful tool for visualization of   geographical relationship. http://vddb.library.lt/fedora/get/LT-eLABa-0001:J.04~2006~ISSN_1392-1096.V_42.N_1.PG_33-37/DS.002.1.01.ARTIC

Luento 2: Kahden muuttujan teemakartta

Toisella kurssikerralla kävimme läpi muita teemakartan muotoja, sillä ensimmäisellä kerralla ehdimme tarkastella vasta koropleetti-karttaa. Samoin kuin ensimmäisellä kerralla, saimme tehdä opettajan perässä kaikki karttatyylit ensin läpi ja kysyä mieleen tulevia kysymyksiä. Opetustyyli jatkuikin itselleni erittäin soveliaana ja koen sisäistäneeni opetettavat asiat varsin hyvin. Jälleen kerran tein samaan aikaan muistiinpanoja, joista oli jälleen hyötyä, kun teimme tunnin lopuksi itse kahden muuttujan teemakartan valitsemastamme aiheesta.

Kartan tekemisessä ilmeni tällä kertaa muutamia pieniä ongelmia, joista kaikki paitsi yksi saatiin ratkaistua opettajan avulla. Näitä olivat esimerkiksi ongelma Sotkanetin aineiston yhdistämisessä olemassa olevaan dataan, virheellisen mittajanan poistaminen ja legendan häviäminen. Ainoa ongelma, mihin sen saanut vastausta oli se, että miten saan kuntien nimet säilymään myös ”layer” -versiossa. Tämä kysymys tulee esittää seuraavalla luennolla, sillä ongelman ilmetessä, opettaja oli jo ehtinyt lähteä. Totesin kuitenkin, Laaksosen tavoin, että kartan tekemisessä vaikeinta oli loppujen lopuksi sopivien ja mielenkiintoisten muuttujien valinta – ei itsessään kartan tekeminen.

Itse päätin tutkia työttömyysasteen ja alkoholinkulutuksen mahdollisia yhteyksiä yhdistämällä koropleetti-kartan grad-karttaan. Käytössäni oli opettajan toimittama (tilastokeskuksen?) aineisto työttömyysasteesta sekä itse Sotkanetistä hakemani aineisto alkoholin (100 %) absoluuttisesta litrakulutuksesta asukasta kohden. Molempien aineistojen luokitteluna toimi kuntataso.

Vastoin omia odotuksiani, selkeää yhteyttä työttömyyden kasvun ja alkoholin kulutuksen kasvun välillä ei näkynyt. Tietenkin tarkastelu rajoittui erittäin pienelle alueelle eli Keski-Suomen 23 kuntaan. Tämä johtui siitä, että koko Suomen tasolla aineisto oli aivan liian sekava visuaalisesti tarkasteltavaksi ja sen analysointiin olisi tarvinnut jonkinlaisen analysointi-työkalun tai tilasto-ohjelman. Nyt joudun vain toteamaan, että tämän aineiston perusteella yhteyttä ei voida havaita. Sekä pienimpiä että suurimpia alkoholin kulutuksia löytyy niin korkean kuin matalan työttömyyden kunnista. Toki tulee huomioida, että erot työttömyydessä ovat joka tapauksessa ainoastaan noin prosentin luokkaa eli eivät kovinkaan merkittäviä.

Alkoholin ja työttömyyden yhteys on joka tapauksessa kiistanalainen aihe. Esimerkiksi Tilastokeskuksen Hyvinvointikatsauksesta (2011) käy ilmi, että alkoholi on sekä työikäisten naisten että miesten yleinen kuolinsyy ja kuolemantapausten on todettu korreloivan taloustilanteen suhteen, joka edelleen korreloi työttömyysasteen kanssa. Kuitenkin kuten jo Jyrkämä (1980) kauan aikaa sitten totesi, on näiden kahden muuttujan välille vaikea vetää syy-seuraus suhdetta: ovatko alkoholin suurkuluttajat useammin työttömiä vai alkavatko työttömät useammin kuluttamaan alkoholia enemmän? Jyrkämän paperissa myös todettiin useat ristiriitaiset tulokset asian suhteen eli työttämäksi joutuminen voi myös olla vaikuttamatta henkilön alkoholin kulutukseen tai jopa vähentää sitä rahallisista syistä.

Lähteet
I. Penttilä. 2011. Viina tappaa työikäisiä. Hyvinvointikatsauksesta 2/2011. http://www.stat.fi/artikkelit/2011/art_2011-05-30_001.html (viitattu 27.1.2017)

J. Jyrkämä. 1980. Työttömyys ja työttömien alkoholinkäyttö. https://www.julkari.fi/handle/10024/128421 (viitattu 27.1.2017)

I. Laaksonen. 2017. 2. kurssikerta. https://blogs.helsinki.fi/iilaakso/ (viitattu 4.2.2017)

Luento 1: Teemakartta

Ensimmäisellä kerralla käytiin läpi MapInfon perustoimintoja ja harjoiteltiin yksinkertaisen teemakartan tekemistä. Etukäteen odotin hankalaa punnerrusta kartan eteen, mutta Lappalaisen (2017) sanoin ”Kartan synnyttäminen kävi loppujen lopuksi jopa yllättävän helposti”. Kirjoitin toki itse koko ajan hyvin tarkkoja muistiinpanoja wordiin, jotta voin jälkikäteen tarkistaa unohtuneet asiat. Pari yksityiskohtaa pitikin tarkistaa heti omaa karttaa tehdessä. Asiat kuitenkin etenivät luennolla loogisesti ja selkeästi ”kädestä pitäen” tyylillä, mikä sopi ainakin näin ympäristötieteistä paikkatiedon maailman hypänneelle opiskelijalle. Ainakin näin alustavasti MapInfon käyttäminen tuntuu kohtuullisen selkeältä ja paikkatieto opiskeltavana aineena erittäin hyödylliseltä. Aika kului nopeasti kun sai konkreettisesti tehdä asioita pelkän kuuntelun sijaan.

Ensimmäisenä työnä tein kartan kesämökkien jakautumisesta Suomen kunnissa (2010). Kartasta pystyy huomaamaan kesämökkien voimakkaan keskittymisen eteläisempään / itäisempään Suomeen, mistä kaikkein suurimman mökkimäärän omaavat kunnat myöskin löytyvät. Lisäksi Etelä-Suomen sisäsaaristo on suosittua mökkialuetta. Kahdeksan suurimman mökkimäärän omaavaa kuntaa on merkitty punaisella: Parainen, Hämeenlinna, Kouvola, Salo, Kuopio, Kuusamo, Raasepori ja Mikkeli. Näistä viisi sijaitsee Etelä-Suomessa, kaksi Itä-Suomessa ja yksi Pohjois-Suomessa.

Suurin osa mökeistä on uusimaalaisten omistuksessa, mikä osaltaan selittää mökkien panottumisen Etelä-Suomeen, sillä välimatkat halutaan kuitenkin pitää kohtuullisina. Lisäksi erilaiset harrastusmahdollisuudet, kuten hiihtokeskukset voivat vaikutta mökin sijaintiin. Tärkeänä pidetään kuitenkin erityisesti luonnon rauhaa ja meren tai järven läheisyyttä, mikä osaltaan selittää mökkien keskittymisen saaristoon ja Järvi-Suomeen. (Tiihonen 2013).

Lähteet
A. Tiihonen. 2013. Mökkeilystä vastapainoa arjen asumiselle. Hyvinvointikatsaus 2/2013. http://www.stat.fi/artikkelit/2013/art_2013-06-03_002.html?s=0 (viitattu 19.1.2017)

J. Lappalainen. 2017. Osa 1 – Sukellus MapInfoon. https://blogs.helsinki.fi/ladjouko/ (viitattu 27.1.2017)