Luku 7. One last time

Tähän asti olemme työskennelleet valmiiksi annetuilla aineistoilla. Olemme harjoitelleet MapInfon perusteita teemakarttojen tekemistä, kyselyihin, geokoodaamiseen ja niin edelleen. Tunneilla on kiroiltu, tuskailtu, ärsyynnytty, huudeltu Arttua avuksi, taas tuskailtu. Aina kuitenkin tarvittava kartta on silmien eteen syntynyt, kurssin edetessä tuskailu on vähentynyt ja perustoimiminen Mapinfossa nopeutunut; tönkkö ja erittäin ärsyttävä kartan zoomaus layout-ikkunan kanssa, on enää vain tönkkö zoomaus, jonka kanssa on oppinut elämään ja käyttämään. Nyt viimeisellä kurssikerralla olimme aikalailla omillamme. Aineiston ja kartan saimme etsiä aivan itse. Pientä lisäduunia kaipasi siis ennen kurssikertaa, ja kurssikerralla pääsimme kokeilemaan, onko sinne pääkoppaan jäänyt mitään muistiin, vai onko kuuden viikon pakerrus ollut hukkaan heitettyä.

Kun Arttu kertoi, että tiedossa on oman aineiston valinta, tiesin heti oman teemani. Halusin teemaksi jollain asteella urheilun. Löysinkin tietokannan, jossa oli urheilualalla työskentelevien määrä Euroopassa valtioittain. Tähän etsin sitten vielä maailmalla pelatuimman urheilulajin, jalkapallon, Fifan maajoukkue rankingin. Tuo järjestys perustuu siihen, miten maajoukkueet ovat pelanneet (yllätysyllätys). Saan itseäni pitää jollain asteella onekkaana, että haluamastani teemasta löytyi suhteellisen nopeasti tietokantoja. Muun muassa Sirje Lappalainen tuskaili blogissaan ”Iha ite tein” (2016) tietokantojen puuttumista. (Lappalainen 2016) Syy, miksi valitsin juuri jalkapallon, on se että sitä pelataan paljon maailman laajuisesti. Esimerkiksi jääkiekkoa, mikä nyt nuorten Mm-kisojen jälkeen kasvatti jälleen Suomessa suosiota, on pelaaja määrällisesti kuitenkin suhteellisen pieni laji jalkapalloon nähden. Vaikka lätkä buumi oli päällä vaikka kuinka kauan ja MM-kultaa hehkutettiin viikko tolkulla iltapäivälehdissä, on syytä muistaa että Suomessakin jalkapalloa harrastaa/pelaa yli kaksinkertainen määrä pelaajia, maailmalla suhde on paljon suurempi. Vielä enne tunnin alkua kysyin Artulta, että voiko koropleettikarttaa tehdä ”järjestysaineistosta”. Artun sanoin: ”Eihän se nyt välttämättä kaikkia taiteen sääntöjä noudattele, mutta kyllä siitä havainnollistavan saa.” Se riitti minulle.

Kartallani kuvasin siis onko urheilualla työskentelevien määrällä ja Fifa-rankingillä mahdollista korrelaatio suhdetta. Näin aluksi pitää muistaa, että aineisto on urheillualalla työskentelevät, joten aineiston luvut eivät ole vain jalkapallon parissa työskenteleviä. Epäilen vahvasti, että aineistossa olisi mukana maiden amatöörijuniorivalmentajia, jotka lisäisivät määriä. Mutta jonkinlaista kuvaa aineisto kuitenkin antaa.

Työskentely oli suhteellisen hidasta. Kolmessa eri aineistossa valtioiden nimiä oltiin kirjoiteltu eri tavoilla, joten niitä joutui muuttelemaan. Pylväsdiagrammikarttaa tehdessä huomasin, että esimerkiksi jokaiselle Iso-Britannian saarelle tuli omat pylväät, joten niitä joutui yhdistellä, jotta pääsisisin pylväistä eroon. Missään vaiheessa ei kuitenkaan tullut turhautumista, vaikka monen asian joutui tehdä useammin, jotta asia toimisi. Työskentely itseä (oikeasti) kiinnostavan aineiston kanssa teki työstä mielekkäämpää.

fifa2014
Kuva 1. Työntekijöitä ja jalkapalloa (Eurostat 2016, Ffa 2016)

Päätin säätää luokkavälit manuaalisesti, halusin erottaa jyvät akanoista ja eroja kärkipäähän (sama pätee koko maailman karttaan myöhemmin [kuva 3]). Kuvasta 1 nähdään, että kymmen parhaan Fifa-rankingin joukkueilla on pääsääntöisesti enemmän urheilualalla työskenteleviä kuin esimerkiksi 20 parhaan huonommalla puolella. Mustana hevosena voidaan pitää Belgian maajoukkuetta. Fifa-rankingissä sijalla yksi olevalla maalla on vähemmän urheilualalla työskenteleviä kuin esimerkiksi Suomella. Belgia ei kuitenkaan ole vuosi tolkulla kärkisijoilla pyörinyt, vaan viimeisen 5-4 vuoden aikana noussut kärkisijoille. Belgialla on toistaiseksi menossa ”hyvä vuosikerta”, joukkue on täynnä nuoria pelaajia, joten uusi sukupolvi tuonut menestystä. Mustana hevosena voidaan pitää myös Ranskaa, suurella urheilualalla työskentelevien määrällä vasta 20 huonommalla puolella. Ranskan tilannetta voisi selittää melko suuri pudotus työskentelevien määrässä (kuva 2). Kiinnostus urheilua kohtaan laskenut?

2011_2014
kuva 2. työntekijöiden muutosta ja jalkapalloa (Eurostat 2016, Fifa 2016)

Karttaa tulkittaessa pitää muistaa, että esimerkiksi Saksalla on Suomea yli kymmenen kertaa enemmän asukkaita, Suomessa siis suhteellisesti enemmän työntekijöitä urheilualalla! Mutta tässä osaksi määrä ratkaisee. Saksassa massaa, mistä kovia pelimiehiä voi tulla, on enemmän, ja siksi niitä todennäköisesti sieltä enemmän tuleekin. Mutta pelkkä suuri populaatio ei ole täysin välttämätöntä, Belgia siitä osoitus. Asioita tehdään siellä oikein. Toinen mielenkiintoinen tutkimus kohta olisi maiden koulutusaste tai jokin muu koulutukseen viittaava mittari. Itse henkilökohtaisesti pidän Suomen jalkapallomenestyksen yhtenä esteenä koulutusta. En tässä ole sitä morkkaamassa tai haukkumassa, mutta se on tosi asia. Monilla valtoilla on nuorille jalkapallo akademioita, joissa he keskittyvät jalkapallon peluuseen, eivätkä istu kahdeksasta kolmeen koulun penkillä ja tee läksyjä toista tuntia kotona. Asenne sitä kohtaan, että jalkapallosta voisi tulla ammatti, on negatiivinen varsinkin kouluissa, eikä yläasteen opo taputtelisi ysi luokalla selkään, jos kertoisi, että aikoo pelata vain jalkapalloa ja tehdä siitä ammatin, vaikka kuinka pelaisi sm-tasolla.

Fifa_rank2016
Kuva 3. Iha vaa jalkapalloa (Fifa 2016)

Ja sitten taas takaisin karttojen pariin. Tein vielä kartan, jossa kuvasin koko maailman Fifa-rankingin jakautumista. Suomessakin on kuullut asiantuntijoiden sanova, että EM-kisat ovat vaikeampi voittaa, kuin MM-kisat. Tai että kovimmat kisat saataisiin, kun otetaan Euroopan parhaat, Etelä-Amerikasta kourallinen joukkueita ja Meksiko, ja ehkä vielä Venäjä. Helposti voisi ajatella, että miten muka EM-kisat on vaikeampi voittaa kun MM-kisat, mutta ”juju” lieneekin siinä, että Euroopassa on valtaosa. Afrikassa on vain kourallinen maita, jotka ovat 60 parhaan maan joukossa, ja niin vaan Australia on joka vuosi MM-kisoissa mukana naurettavan helpon alkulohkon vuoksi, vaikka Fifa sijoitus on 60 huonommalla puolella. Itse pidän syynä Etelä-Amerikan hyvään jalkapallo menestykseen, niiden jalkapallokulttuurin. Intohimo lajia kohtaan on jotain, mitä ei Suomalainen ei voi käsittää.

Karttani ei nyt ehkä ole informaatioltaan aivan parhaimmasta päästä. Niissä valtioissa, missä työskentelee paljon ihmisiä (määrällisesti) pääsääntöisesti menestyy jalkapallon parissa. Tarkoitukseni olikin pääasiassa työskennellä itseä kiinnostavan aineiston parissa. Myöskään liian moneen urheilun ja maantieteen väliseen tieteelliseen artikkeliin en ole törmännyt eikä koskaan kouluaikana puhuttu, joten uudenlaisen asian kanssa työskentely on virkistävää. Pystyn helposti samaistumaan Veera Karvosen blogin mietteisiin aiheen valitsemisesta: ” Itse koin tärkeäksi löytää jonkin omasta mielestä kiinnostavan aiheen eikä vain tyytyä ”helppoihin” aineistoihin (joilla tarkoitan esimerkiksi tilastokeskuksen Suomen aineistoja; niitä on helppo ladata ja käyttää, mutta ovat jo sen verran pyöriteltyjä aiheita että ei itseäni tällä hetkellä inspiroi).” (Karvonen 2016) Kartat onnituvat ja ovat sellaiset, kuin niiden oletin, rakeettitieteestä tai mistään maailmaa mullistavasta ilmiöstä ei kuitenkaan ole kyse. Työtä tehdessä tuli kuitenkin koluttua aika paljon MapInfossa opeteltuja työkaluja, eli lähes kaikkia opeteltua tuli käytettyä.

Kurssi alkaa siis olla aivan loppusuoralla. Oma osaaminen MapInfossa on mielestäni ihan kohtalaisella tasolla. Hienouksia en osaa tehdä, mutta tietokantojen yhdistely, kyselyjen tekeminen, puskurointi, karttojen tekeminen alkaa olla jollain asteella halussa. Viimeinen kerta onnistui ilman suurempia ongelmia, ja sählinkiä, joten asia perusasiat alkaa olla hanskassa. Niko Pelkonen oli kaivanut blogiinsa ” Kurssikerta 7 – Rikoksia ja patentteja” (Pelkonen 2016) Weboodin syövereistä kurssin tavoitteet, ja omasta mielestä uskon ne saavuttaneeni. Vielä haluaisin Arttua kiittää hyvästä ohjeistuksesta ja valmiudesta auttamiseen kerta toisensa jälkeen!

Lähteet:

 

Eurostat (2016)

Employment in sport

http://ec.europa.eu/eurostat/statistics-explained/index.php/Employment_in_sport Luettu 4.3.2016

 

Fifa (2016)

Mens’s Ranking

http://www.fifa.com/fifa-world-ranking/ranking-table/men/index.html Luettu 4.3.2016

 

Lappalaien, S. (2016).

Iha ite tein

https://blogs.helsinki.fi/sirjelap/ Luettu 15.3.2016

 

Karvonen, V. (2016)

Kurssikerta 7: Viimeistä viedään

https://blogs.helsinki.fi/kveera/ Luettu 15.3.2016

 

Pelkonen, N. (2016).

Kurssikerta 7 – Rikoksia ja patentteja

https://blogs.helsinki.fi/nikopelk/ Luettu 15.3.2016

 

 

Luku 6. An Unexpected MapInfo

Kuudeskurssikerta sisälsi aamulenkkeilyä, pisteiden yhdistämistä koordinaattijärjestelmään sekä geokoodaamista. Lopuksi pääsimme tuottamaan opetustarkoitukseen soveltuvia hasardikarttoja. Aamulenkkeily oli ulkona gps:n kanssa leikkimistä, ja sen avulla tallenneltiin gps.n muistiin joitakin pisteitä, jotka myöhemmin koneella syötimme Exceliin, sieltä MapInfoon ja yhdistimme kerätyt x- ja y-pisteet koordinaattijärjestelmään. Tämän jälkeen harjoittelimme goekoodausta (kohteen osoite liitettiin koordinaattijärjestelmään) pääkaupunkiseudun pelikoneaineistoa hyödyntäen. Lopuksi pääsimme hasardien kimppuun. Tällä kertaa kaikki toimi MapInfossa kuten pitikin, tuuriako vai alkaako tämä jo sujua?

Tarkoituksena oli astua opettajan saappaisiin, tuottaa karttoja tuntiopetusta varten ja miettiä miten kartat siihen soveltuvat, ja mihin muihin kokonaisuuksiin esimerkiksi maanjäristykset kuuluvat. Ihan ens alkuun, kuinka asian opettaisi, riippuu paljon, minkä ikäisille opiskelijoille esimerkiksi maanjäristyksistä puhuu (kai niistä jo yläasteella vähän puhuttiin?). Tässä keskityn nyt ehkä enemmän pohdiskelemaan enemmän lukio-opetuksen kannalta, muistikuvat opetustavasta hieman yläasteaikoja vahvemmat.

maanjäri678
Kuva 1. Maanjäristyksiä kymmenen vuoden ajalta. Niin tässä kuin seuraavissakin, pohjoisnuolta ei ole, en uskonut sen olevan aivan välttämätöntä koko maailman kartan kuvaamiseen.

Ensiksi esittelisin kartan yli 6 Richterin asteikon maanjäristyksistä (kuva 1). Kartallani aikaväli on viimeiset kymmenen vuoden takaiset. Pelkän kartan avulla on hyvä palautella mieliin, mistä ilmiöstä voisi olla kyse. Todennäköisesti luokasta löytyisi tähän vastaus, litosfäärilaattojen saumakohdat. Tämän jälkeen olisi hyvä näyttää vielä kartta litosfäärilaatoista ja niiden saumakohdista, ja vertailla sitä maanjäristyskartan kanssa, ja tadaa yhteneväisyyshän sieltä löytyy. Molempia karttoja katsomalla nähdään myös, kuinka maanjäristyksiä tapahtuu eniten laattojen törmäysvyöhykkeillä, tarkemmin vielä alityöntövyöhykkeella, jolloin mereinenlaatta ”painuu” joko mantereisen tai toisen mereisen laatan alle. Atlantin keskiselänteellä laattojen erkanemisvyöhykkeellä maanjäristykset ovat selvästi harvemmassa kuin Tyynenmeren tulirenkaalla. Maanjäristyksiä on myös vähemmän Himalajalla kahden mantereisen laatan törmäysvyöhykkeellä (ei alityöntoä), kuin Tyynellämerellä. Merenalaiset maanjäristykset voivat aiheuttaa tsunameita, joista koituu aina oma vaaransa.

Litosfäärilaatat
Kuva 2. Litosfäärilaatat ja niiden liikesuunnat
maanjäri876
Kuva 3. Maanjäristyksiä snadisti eri vinkkelistä

Maanjäristykartalla näkyy vihreällä 6-6.9 Richterin asteikkoiset maanjäristykset, keltaisella 7-7.9 ja punaisella yli 8. Pallojen kokoerot helpottavat myös suurusluokkien erottamista. Pienemmät vihreät pallot jäävät kuitenkin suurempien pallojen alle, joten lisäsin saman kartan, jossa pienemmät järistykset tulevat muiden ”päälle” jolloin erottuu selvemmin, kuinka paljon enemmän pienempiä järistyksiä on (kuva 2). Tästä päästään taas maanjäristyksien voimakkuuksien pariin. Richterin asteikko perustuu kymmenkantaiseen logaritmi asteikkoon, eli 7 magnitudin maanjäristys on kymmenen kertaa suurempi kuin 6 magniudin järistys, energiaa taas vapautuu noin 32 kertaa enemmän. Suurempia maanjäristyksiä tapahtuu taas huomattavasti vähemmän kuin kuin pienempiä järistyksiä. Alueelliset maanjäristyksien tuhoihin vaikuttaa myös se, kuinka kaukana paikka on episenturimsta (maanjäristyksen keskus maan pinnalla), ja kuinka syvällä hyposentrumi (”varsinainen” maanjäristyksen keskus) on.

maatuli
Kuva 4. Maanjäristyksiä ja maapallon tulivuoret

Kun karttaan lisää tulivuoret, nähdään että nämäkin pääosin sijoittuvat litosfäärilaattojen rajojen tuntumaan (kuva 3), eniten jälleen alityöntövyöhykkeillä. Vajoavan laatan kiviaines sulaa ja näin kevyenä alkaa kohota pintaa kohden ja lopulta purkautuu maanpinnalle. Tyynen meren tulirenkaalla on alityönnön vaiktuksesta maanjäristysten lisäksi myös paljon tulivuoria. Tulivuoria on kuumienpisteiden päällä (Hawajii). Kuuman pisteen liikkuessa osa tulivuorista on sammunut, kun kuumapiste on ”ohittanut” syntyneen tulivuoren.

maatuli1916
Kuva 5. Edellisen sadan vuoden yli 8 Richterin asteikon maanjäristykset ja tulivuoret

Vielä viimeiseksi lisäsin kartan, jossa näkyvät tulivuoret sekä sadan vuoden takaiset yli 8 Richterin asteikkoiset maanjäristykset. Kartan tarkoituksena on vielä informoida, että todella suuria maanjäristyksiä ei tapahdu läheskään samassa mittakaavassa kuin pienempiä.  Suurimmat maanjäristykset painottuvat juuri Tyynellemerelle ja Chilen rannikolle. Näin jälkeenpäin olisi ollut viisaampaan lisätä karttaan vain viimeisenä satana vuotena purkautuneet tulivuoret, jolloin tiedot olisivat olleet yhtenäisemmät.

Niko Pelkonen oli ottanut blogissaan ” Kurssikerta 6 – Pisteitä ja hasardeja” hyvin myös esille, kuinka järistyksien aiheuttamia tuhoja voisi vertailla väestöntiheyskarttoihin.(Pelkonen 2016) Avuksi voisi myös tuoda tilastoja, kuinka ihmishenkien menetys ja taloudelliset tuhot ovat muuttuneet vuosien varrella. Maanjäristyksien tuhot on otettu huomioon rakennuksissa, ja niihin osataan varautua paremmin, vaikka itse järistyksen ajankohtaa ei pystytä arvioimaan. Ihmishenkien määrä on vähentynyt, etenkin ns. ”teollistuneissa” maissa. Merenalaisia maanjäristyksiä on myös alettu seuraamaan tarkemmin tsunamien varalta, ja tsunameista pyritään saamaan tieto mahdollisimman nopeasti, jotta ihmisiä pystyttäisiin evakuoimaan alueilta. Ihmishenkien menettäminen vähenee, mutta tsunami aiheuttamat taloudelliset tuhot ovat suuremmat kuin aikaisemmin. Tuhojen eroja voisi vertailla myös kehittyneimpien valtioiden ja köyhempien valtioiden välillä. Tulivuorten seuranta on myös lisääntynyt, jotta mahdollinen purkaus pystyttäisiin ennakoimaan, ja siirtämään vaara-alueella asuvat toisaalle.

Kartat ajavat asiansa ihan kohtuudella. Pientä hiomista olisi voinut käyttää viimeisessä kartassa, mutta muuten ihan kohtuudella tyytyväinen. myöskin eurooppa keskeinen kartta ei ehkä ole parasmahdollinen esitystapa. Tyynenmeren tulikaari keskiössä toimisi todennäköisesti paremmin, koska sielä eniten maanjäristyksiä ja tulivuoria. Tosin Eurooppa keskeinen kartta sopii paremmin koululaisten silmään, ja näin voi vähentää vääriä tulkintoja sijainneista. Silmään tosin pistää vielä mahdollinen aineiston virheellisyys, en ainakaan muista kuulleeni Ruotsin tulivuoresta, samaa hämmästystä on myös muilla havaittavissa. Muun muassa Annamaria Rossi ihmettelee tätä blogissaan ”Kurssikerta 6 – Pisteaineistojen esittäminen kartalla”. Aineiston mukaan tulivuori olisi purkautunut vuoden 1964 jälkeen. Kyseinen ”Ruotsin” tulivuori löytyi aineistosta nimellä ”Lacagigar”, joka googlailun jälkeen, ainakin nimen perusteella, osoittautui Islannin tulivuoreksi. Itselleni tuli aluksi mieleen vain virheen korjaaminen, mutta Rossi keksi hyvin hyödyntää virhettä, ja opetuksessa käyttää tätä esimerkkinä karttojen kriittisen tulkinnan tärkeydestä.

Vielä viimeinen pinnistys edessä. Yksi kurssikerta jäljellä, sille tuli ohjeeksi etsiä oma tietokanta. Eiköhän tässä sen verran ole MapInfossa väännelty, että sekin onnistuu.

Lähteet:

NCEDC, (2014).

Northern California Earthquake Data Center. UC Berkeley Seismological Laboratory. Dataset. ANSS Catalog Search.

http://quake.geo.berkeley.edu/anss/catalog-search.html Luettu 26.2.2016

 

National Geophysical Data Center / World Data Service (NGDC/WDS)

http://www.ngdc.noaa.gov/nndc/struts/form?t=102557&s=5&d=5 Luettu 26.2.2016

 

Pelkonen, N. (2016).

Kurssikerta 6 – Pisteitä ja hasardeja

https://blogs.helsinki.fi/nikopelk/ Luettu 15.3.2016

 

Rossi, A. (2016)

Kurssikerta 6 – Pisteaineistojen esittäminen kartalla

https://blogs.helsinki.fi/ajrossi/ Luettu 15.3.2016

Luku 5. Yksin MapInfossa.

Viidennellä kurssikerralla harjoittelimme bufferointia aka puskurointia. Puskurointi on esimerkiksi sitä, että valitaan kartalta esimerkiksi kauppakeskus, ja katsotaan kuinka paljon asukkaita on 5km säteellä kauppakeskuksesta. Puskuroinnilla voidaan määrittää keskuksien vaikutusalueita, moottoritien melualueiden sisällä asuvien määrää , ydinonnettomuuden sattuessa ja niin edelleen. Puskurianalyysiä käytettiin myös kotiseudullani Vantaalla Itä-Hakkilassa, kiitos aasianrunkojäärien. Aasianrunkojäärien saastuttamien puiden alueelle puskuroidaan 2km leveä puskuri, jolta kaikki puut pistetään matalaksi. (Evira 2015) Puskurointi harjoitukset aloitettiin edellisellä kurssikerralla tehtyyn Pornaisten keskustaan, ja ohjeistuksella teimme pari esimerkki harjoitusta, kunnes taas pääsimme itseharjoittelemaan useamman tehtävän kera. Tehtävissä tutkittiin Malmin ja Helsinki-Vantaan lentokenttien melualueilla asuvien ihmisten määriä, juna-asemien läheisyydessä asuvien ihmisten määriä, Vantaan taajama-astetta sekä lopuksi perehdyin pääkaupunkiseudun uima-altaiden ja saunojen määriin.

Työ sujui suhteellisen ongelmitta. Kun asiat eivät toimineet johtui se ihan omasta sähläämisestä. Tunnin loppupuolella alkoikin bufferointi jo onnistua kohtuudella. Itse pidin bufferoinnista, varsinkin kun perustoiminnot alkoi pikkuhiljaa luonnistu, niin tiesi koko ajan, mitä pitäisi seuraavaksi tehdä, että saan tiedon x ja sitä kautta seuraavan tiedon y. Harmaita hiuksia tosin aiheutti se kun katseli edellisten kurssikertalaisten blogeja. Pieniä eroja oli luvuissa, joissa bufferointi oltiin tehty itse piirtämiin viivoihin, tässä eron syyn tajusin, mutta esimerkiksi taajama-astetta laskiessa käytettiin valmiita tietokannan arvoja, ja saamani taajama-aste on 10 %-yksikköä suurempi kuin muilla kurssilaisilla, joilla tunti oli ollut ennen perjantaita (Pelkonen 2016, Lilja 2016, Pätäri 2016). Kurssikerralla päädyttiin siihen tulokseen, että tietokantoja oli jostain syystä vahingossa muuttunut kurssikerojen välissä (samoja vastauksia kurssikertalaisten kesken). Alla saamani vastaukset kurssikerran tehtäviin.

Presentation1
Taulukko 1. tehtävien vastaukset

Kurssikerran aikana alkoi pikkuhiljaa tulla lihasmuistiin uusien sarakkeiden tekeminen tietokantoihin ja näihin sarakkeisiin tiedon saaminen toisista sarakkeista. Ja kun homma muuttuu rutiinin omaiseksi, tehtävien tekeminen oli jopa mukavaa. Ja nyt vihdoin pääsi käytännössä harjoittelemaan puskurianalyysiä, mitä lukiossa tuli päntättyä. Nyt konkreettisen kokeilun jälkeen ymmärrys on taas parempi. Myös matemaattinen pohdiskelu oli tervetullutta vaihtelua. Joten, missä koen, että olen Mapinfon kanssa sujut, tietokantojen päivittely, kyselyjen tekeminen ja puskurointi. Ainakin toistaiseksi.

Esimerkkejä työskentely tavoista. Lentokenttien melualueiden sisällä asuvien määrän sai siis pufferoinnilla. Lentokenttien kiitorafat tehtiin ”Cosmetic layerille”, joka tallennettiin omaksi tietokannaksi. Tämän jälkeen pystyi valita kaikki kiitorata, ja bufferoida jokaiselle kiitoradalle yhden tai kahden kilometrin vaikutusalueet ja ”show statistics” napin alta sai tiedot puskurialueelle jääneistä pisteistä. Sama periaate toimi juna-asemien puskuroinnissa, mutta näihin oli jo valmis tietokanta. Taajama-astetta ja niissä asuvien ulkomaalaisten määriä varten tarvitsi tehdä ensin ”taajama”-tietokantaan uusia sarakkeita laskuja varten. Uusiin sarakkeisiin saatiin tieto ”Update column”:nin alta. Kyselyjen avulla pystyi esimerkiksi helposti määrittämään omakotitalojen määrät, joissa on uima-allas. Näitä toimintoja pyörittäessä pääsi pitkälle,

Edellisten kertojen jälkeen on ollut ihan positiivinen fiilis itse karttojen tekemisen suhteen. Ja oli suhteellisen luottavainen fiilis tälläkin kertaa, kun jäljellä oli enää kartan tekeminen uima-altaiden sijainneista ja määristä. Kauniina ajatuksenani oli, että pistekartalla saisi hyvin hahmoteltua, mihin suurimmat uima-allas keskittymät kartoittuvaisivat, ja pylväsdiagrammilla voisi saada absoluuttisia arvoja näkyviin selvemmin. No se pistekartta… Sanotaan, että enää ei ole niin luottavainen fiilis karttojen tekemisen suhteen. Kartan alkuasetusten asettamisen jälkeen painoin tyytyväisenä ”OK”:ta ja jäin odottelemaan kohta valmistuvaa kartaa. Mapinfo tuntui vähän tökkivän, ja 4 minuuttia myöhemmin Mapinfo oli valmis prosessoinnin kanssa. Lopputuloksena valkoinen kartta, ilman yhden yhtää pistettä. Koitin uudestaan ja 10 minuutin päästä sama juttu. Sammuttelin MapInfon ja koitin uudestaan. Yhtä hidasta toimintaa ja sama lopputulos. No ehkä pylväsdiagrammi toimii. Ohjelma prosessoi karttaani 15 minuuttia, lopputulos… Karttani täyttyi punaisilla leveillä viivoilla (olin vaihtanut pylväiden leveydeksi 30mm), kun koitin muokata karttaa jälkikäteen, tehdyt muutokset eivät tuoneet karttaan mitään muutosta uuden 15 minuutin odottelun jälkeen. En tiedä onko vika minussa, ohjelmassa, vai koneessa, jolla istun, todennäköisesti ensimmäisessä. Mutta niin sattuneista syistä omatekemää karttaa en nyt blogia varten tähän hätää saa, ehkä sitte joskus myöhemmin. Joten. Missä en koe olevani MapInfon kanssa samalla viivalla, karttojen tekeminen, vaikkakin ennen tätä väkerrystä uskoin sen olevan jollain asteella hanskassa. Onneksi muut olivat suoriutuneet tehtävästä kunjakkaammin.

Jiri Lilja oli blogissaan ” Bufferointia, lentokenttiä ja uima-altaita” onnistunut luomaan sellaisen pistekartan, jollaista itsekin kokeilin toteuttaa. Pistekartalta näkyykin hyvin, missä on eniten rakennuksia uima-altaan kanssa. (Lilja 2016) Absoluuttisia arvoja on tosin vaikea laskea, mutta uima-altaiden keskittymät näkyvät selvästi. Lilja nostaa myös blogissaan esille, että nämä keskittymät osuvat alueille, missä asunnoilla on korkea hintataso. (Lilja 2016). Liljan kartasta tosin puuttuu legenda ja pohjoisnuoli, mutta perusidea tulee kartalta esille. Tatu Leppämäki teki blogissaan ” Puskuroiden etiäpäin – 5. kurssikerta” taas pylväsdiagrammikartan. (Leppämäki 2016) Kartalta käy paremmin ilmi alueiden absoluuttiset, mutta kadottaa samalla pistekartan selvää ilmaisua, uima-altaiden sijoittumisesta ja keskittymistä (vaikkakaan sijainti ei ole täysin tarkka!). Mielestäni nämä karttatyypit tukevat toisiaan, ja näitä karttoja tulkittaessa saa hyvän kuvan uima-altaiden määristä ja niiden alueellisista keskittymistä.

Uima_altaat_piste
Kuva 1. Uima-altaiden määrä ja sijainti kuvattu pistekartalla. (Lilja 2016)

 

Uima_altaat_pylväät
Kuva 2. uima-altaan omaavat rakennukset esitetty pylväsdiagrammikartalla. (Leppämäki 2016)

Tietokantojen muokkaaminen, ”uusien” tietojen laskeminen, puskuroiden ja kyselyjen tekeminen oli yllättävän mukavaa, ja loppupeleissä sujuvaa puuhaa. Tehtävät olivat mielenkiintoisia ja niitä oli mukava tehdä. MapInfo toisin palautti jälleen maanpinnalle, ja nyt on erittäin kitkerä maku MapInfosta. Toivottavasti se karttojenkin tekeminen alkaa piakkoin luonnistua. Pyrin jossain vaiheessa lisäämään itse tekemäni kartat myös blogiin, jahka löydän ratkaisun ongelmaani. Tällä hetkellä keskeistä olisi osata tiedostojen muokkaamista ja niiden avulla ”uuden” tiedon luomista, ja näiden tietojen havainnollistamista kartalla. Puolet tästä jo luonnistuu, ja joissain vaiheessa luonnistui myös jälkimmäinen puolisko, ehkä tässä jossain vaiheessa molemmat luonnistuisivat.

Pientä päivittelyä.

tulloin muinoin oli vähän ongelmia karttojen teossa. Väysyneenä monen tunnin pakertamisen jälkeen aivot eivät oikeen enää karttojen tekoon toimineet. Omista virheistähän nuo tuolloin johtuivat. Tein Liljalta ja Leppämäeltä ”lainaamani” kartat itse ja nyt molemmat onnistui. Lisään tähän nyt uuden pistekartan; erona Liljan karttaan, pisteet ovat nyt sielä missä uima-altaat ”oikeasti” ovat. Tämän saa tehtyä kun valitsee kartta valikosta ”Ranges” ja sen alta ”Point ranges”. Sitten kun seuraavasta valikosta ruksittaa, että ei näytä nollia tai tyhjiä, niin kartalla näkyvät ne pisteet missä on uima-allas. Molemmilta kartoilta näkee kuintekin hyvin minne päin uima-altaat ovat keskittyneet, joten informaatioltaan kartat ovat suunilleen yhtä tarkat. Ei tuosta tekemästäni kartasta nyt kovinkaan paljoa enempää saa irti kuin Liljankaan tekemästä kartasta, mutta tämä nyt on sellaine ”näinkin voi tehdä”. Pylväsdiagrammikarttasta tuli käytännössä samanlainen kun Leppämäen, joten sitä en tähän nyt laita. Tästä nyt voi oppia sen, että pitäisi muistaa pitää tarpeeksi taukoja, väsyneillä aivoilla helpostakin asiasta saa ylitsepääsemättömän vaikeaa.

palloja
Kuva 3. Pisteet kuvaavat uima-altaiden tarkaa sijaintia

 

Lähteet:

Evira (2016). Vantaan Itä-Hakkilassa kaadetaan aasianrunkojäärän vaivaamat lehtipuut.

http://www.evira.fi/portal/fi/kasvit/ajankohtaista/?bid=4389 Luettu 25.2.2016

 

Lilja, J. (2016)

Bufferointia, lentokenttiä ja uima-altaita”

https://blogs.helsinki.fi/nikopelk/ Luettu 25.2.2016

 

Leppämäki, T. (2016)

Puskuroiden etiäpäin – 5. kurssikerta

https://blogs.helsinki.fi/leppatat/ Luettu 25.2.2016

 

Pelkonen, N. (2016)

Kurssikerta 5 – Bufferi Lohikäärme

https://blogs.helsinki.fi/nikopelk/ Luettu 25.2.2016

 

Pätäri, T. (2016).

Malmin melut ja Tattariharjun kylpylät

https://blogs.helsinki.fi/ttpatari/ Luettu 25.2.2016

 

Luku 4. The Prisoner of the MapInfo

Kahta ensimmäistä kurssikertaa noudattaen, aluksi oli vuorossa pieni hetki teoriaa. Kurssikerran aiheena oli piste- ja ruutuaineistot. Nimet jo itsessään paljastavat jo millaisesta aineistosta on kysymys. Pisteaineisto on tarkimpia paikkatietoaineistoja. Pisteaineistossa voi sisältää tietoa käytännössä laidasta laitaan. Laserkeilaus toimii tarkimpana pisteaineisotyyppinä. Ruutuaineistolla voidaan hyvin kuvata alueellista tietoa ilman valmista aluejakoa, esimerkiksi neliökilometrin ruutuina. Ruutuaineistot pohjautuvat usein pisteinä tallennettuun aineistoon.

Jälleen kerran teoriasta hypättiin ohjeistuksen kera harjoittelemaan pisteaineiston käyttöä niin ihanassa MapInfossa. Jokaisella pisteellä oli sijaintinsa lisäksi taulukkomuodossa jos jonkin moista lisäominaisuustietoa, esimerkiksi rakennuksista. Taulukon avulla pystyi selvittämään muun muassa rakennusten valmistusvuoden sekä kuinka monta henkilöä rakennuksessa asui ja minkä ikäisiä asukkaat ovat. Aloimme yhdessä työstämään pisteaineiston avulla karttaa 20-vuotiaiden määristä 500×500 metriä suurilta alueilta. Koropleettikarttaa varten aineistosta sai käyttää absoluuttisena, määrät suhteutettiin pinta-alaa kohden. Pelottavalta kuulostava prosessi tapahtuikin yllättävän vaivattomasti ja nopeasti tietokoneruudulle ponnahti onnistuneen näköinen kartta. Ja kuten edelliselläkin kerroilla, yhteisen harjoittelun jälkeen olimme ainakin muodollisesti omillamme MapInfon parissa. Tehtävänä oli luoda uusi kartta eri muuttujilla ja uudella ruutukoolla.

Heti ensalkuun kokeilin ruutukokoa 250×250 metriä, ihan vain kokeillakseni, kuinka pikselimössöksi kartta tulisi. Ja tulihan se. Pääkaupunkiseudun jakaminen 250×250 metrin alueisiin ainakin minun silmääni vaikuttaa liian suurelta alueelta. Myöskin Anni Heilala kirjoittaa blogissaan ”Neljäs kurssikerta”, kuinka 250×250 metrin ruudukot tekivät kartasta vaikealukuisen. (Heilala 2016) Toisaalta Tatu Leppämäen toistaiseksi vielä kesken eräisestä blogista bongasin kartan muunkielisten osuuksista Helsingin seudulla, kuvattu juuri 250×250 metrisellä alueella, ja kyseisessä tilanteessa kartta ei olekaan epäselvä. (Leppämäki 2016) Uskon tämän johtuvan muunkielisten vahvemmasta alueellisesta jakautumisesta, jolloin alueelliset erot on helpompi erottaa. Syynä on varmasti myös onnistuneempi luokkajako, sillä itse en tähän juurikaan koskenut, vaan lasikana halusin pikselimössöstä mahdollisimman nopeasti eroon.

Seuraavaksi kokeilin ruutujen kokoina yhtä neliökilometriä, joka toimi huomattavasti paremmin. Toisaalta, mitä suurempi ruudukon koko on, sitä enemmän tietoa hävitetään. 500×500 ruudukko sisältää paljon tarkempaa tietoa alueellisista eroista. Mutta Helsingin seudun kokoisella alueella neliökilometrin kokoisilla alueella saa hyvän yleiskuvan.

Kartallani kuvasin yli 65-vuotiaiden osuuksia pääkaupunkiseudulla. MapInfon valmis luonnollinen luokkajako oli mielestäni hyvä kuvaamaan jakautumista. Tummat alueet kuvaavat suurta yli 65-vuotiaiden määrää ja vaaleat alueet vähäistä. Väritys ja luokkajako toimivat ihan suhteellisen hyvin. Mittakaava on kaikkissa tämän blogin kartoissa hykkunut kauniisti pohjalla olevan Openstreetmapin kartan teksitin alla, koittakaa pärjäillä (mutta se edes on siellä!).

65vuotiaat
Kuva 1. yli 65-vuotiaiden jakautuminen Helsingin seudulle

 

Kartta ei nyt ole millään asteella mitenkään tajunnan räjäyttävä. Tarkoitukseni oli vertailla 20-vuotiaiden ja eläkeläisten alueellista jakautumista, mutta perjantai aamuna aivotoiminta ole ihan huipussaan, eikä järki missään vaiheessa sanonut, että vanhempia ihmisiä asuu paljon siellä, missä muutenkin ihmisiä asuu paljon/väentiheys on suuri. No kun kartta eteeni pöllähti ja huomasin sen käytännössä olevan samanlainen kuin edellinen parikymppisten kanssa koin tämän ahaa-elämyksen, jonka olisi voinut kokoa ehkä vähän aijemminkin. Kartta siis kertoo yli 65-vuotiaiden määrän alueellisesti, muttei kerro kuinka paljon vanhuksia on suhteessa muihin ikäluokkiin.

No kartalta nyt näkyy, että vanhuksia asuu paljon lähellä ydin keskustaa. Täällä palvelut ovat lähellä ja liikkuminen nopeaa. No entäs sitten keskittymät kauempana ydinkeskustasta? No näitä ovat esimerkiksi Malmi, Tikkurila, Myyrmäki. Mitä yhteistä näillä on. Kaikki ovat hieman pienempiä keskuksia, joilla kuitenkin palvelutarjonta on kiitettävää, kaikista näistä on myös hyvä yhteys junalla keskustaan, joten liikkuminen on helppoa. 65-vuotiaiden jakautuminen kuvaa vähän kärjistetysti, missä ylipäätään asuu paljon ihmisiä. Karttaa nyt ehkä voisi käyttää liikenneyhteyksiä tai joukkoliikennettä suunnitellessa. Kehäratahan yhdistää näitä väestönkeskittymisalueita. Lisäsin vielä kartan (kuva 2), jossa näkyy rautatieverkosto (no ei nyt sitä kehärataa, mutta kuitenkin), ja siitä nähdään, että yli 65-vuotiaat keskittyvät kauempana keskustasta junaratojen läheisyyteen, vielä tarkemmin sanottuna asemien läheisyyteen.

65vuotiaat_rautatiet
Kuva 2. Rautatieverkosto avittamassa 65-vuotiaiden alueellosen jakautumisen hahmottamista

Jos käytössä on vain määrällisiä arvoja, mihin tietoa voisi käyttää? Siinä missä määrä voittaa suhteellisen lukumäärän, on ihan palveluiden käyttäjämäärät. Vanhuksia voisi olla alueella vaikka suhteellisesti 80 %, muuta määrällisesti 4, kun taas joillain alueilla voi olla suhteellisesti vähän vanhuksia, mutta määrällisesti paljon. Siellä, missä vanhuksia on paljon, voisi sinne sijoittaa mahdollisia palveluja vanhuksille. Samaa pohtimista, kuin mitä tahansa uutta palvelua ollaan sijoittamassa, onko alueella tarpeeksi kohderyhmäläisiä. Samoja teemoja pohti myös Jasmiina Myllys blogissaan ” 4. kurssikerta: pisteitä ja ruutuja”, ja nostaa esille, mettä vanhuksille suunnattuja palveluja tarvitaan terveyskeskuksista mummojumppaan. (Myllys 2016)

Aineiston esittäminen ruudukolla avaa mahdollisuuden paljon yksityiskohtaisempaan tulkintaan, kuin esimerkiksi kuntajako. Pidän itse ruudukolla esittämisestä, koska se rikkoo valmiiksi määrättyjä rajoja ja mahdollistaa juuri tarkemman alueellisen paikannuksen. Lisäsin vielä yhden kartan samasta aiheesta, jossa on valmiiksi määritelty aluejako. Kartta kyllä muistuttaa hyvin ruudukolla tuotettua karttaa, mutta vaikka ruutujen koko onkin (jopa) neliökilometrin, on se alueellisesti silti tarkempi.

65vuotiaat_pienalueet
Kuva 3. Yli 65-vuotiaiden jakautuminen valmiilla aluejaolla

Kurssikerta olikin hyvin havainnollistava ja nyt olen huomattavasti paremmin perillä piste- ja ruutuaineistoista. Ruudukoiden koolla pystyn määrittämään, kuinka tarkkaa asiaa kuvaa, ja samalla liian pienet ruutukoot voivat saada kartasta hyvinkin vaikea lukuisen. Ruudukkokartta on tuonut mielestäni tähän asti parhaiten esiin sijainti- ja ominaisuustiedon vahvuudet, kun vertaan muiden kurssikertojen karttoihin. Kurssikerran lopuksi nakuttelimme Pornaisten alueen tiestöä ja asutusta seuraavaa kurssikertaa varten.

 

Lähteet:

Heilala, A. (2016)

4. kurssikerta

https://blogs.helsinki.fi/heanni/ Luettu 18.2.2016

 

Leppämäki, T. (2016)

4. kurssikerta

https://blogs.helsinki.fi/leppatat/ Luettu 18.2.2016

 

Myllys, J. (2016)

4. kurssikerta: pisteitä ja ruutuja

https://blogs.helsinki.fi/myllyjas/ Luettu 18.2.2016

 

Luku 3. The Return of the MapInfo

Kolmannella kurssikerralla sukellettiin tietokantojen syvyyksiin. Tällä kertaa emme vain tuottaneet karttoja valmiiksi annetuista tiedoista, vaan toimme myös dataa ulkoisista lähteistä, ja harjoittelimme datan muokkaamista, eri tietokantojen yhdistelemistä sekä kyselyjen tekemistä. Tunnin jälkeen ymmärrän jo enemmän MapInfon toimintaperiaatteita. Kurssikerta sujui muutenkin kohtuullisen miellekäästi; kaikki toimi niin kuin pitikin! Ongelmia ei ilmennyt, osaksi kiitos yksityiskohtaisten ohjeiden, ja MapInfo tuntui ohjelmalta, joka halusi tehdä yhteistyötä. Mukavaa vaihtelua!

 

Konflikteja ja sen sellasta

Yhteisen harjoittelusession aikana käytimme Afrikan aineisto. Muokkasimme dataa, toimme Excelistä lisä matskua. Tietoa oli Afrikan muun muassa konflikteista, öljykentistä ja timanttikaivoksista. Yhtenä osana tehtävänantoa/blogipohdiskelua oli miettiä, mitä annetuista tiedoista voisi päätellä, kun tietokannassa on tallennettuna tietoa seuraavista:

  • konfliktin tapahtumavuodesta
  • laajuudesta tai säteestä kilometreinä
  • timanttikaivosten löytämisvuodesta
  • timanttikaivosten kaivausten aloitusvuodesta
  • timanttikaivosten tuottavuusluokituksesta
  • öljykenttien löytämisvuodesta
  • öljykenttien poraamisvuodesta
  • öljykenttien tuottavuusluokittelusta
  • Internetkäyttäjien lukumääristä eri vuosina (Pak2016)

Kaikki tekemämme tiedostomuutokset ilmeisesti lepäävät tällä hetkellä kauniisti kurssikerran koneen syövereissä, enkä niihin tällä hetkellä pääse käsiksi, eikä nyt millään huvittaisi samaa työtä tehdä uudestaan, niin käytän esimerkkinä kurssin tiedotusblogista löytyvää karttaa.

taistelut-2
Kuva 1. Arfikan konfliktien, öljynporauksien ja timannttikaivosten sijainnit. (Pak2016)

Kuvasta 1 nähdään timanttikaivosten sijainti, öljyporausalueiden sijainti, konfliktitapahtumat ja niiden maksimilaajuudet. Kartalta näkee, että lähes jokaiseen Afrikan kolkkaan on konflikteja riittänyt. Silmään kartalla pistää myös Länsi-Afrikassa Norsunluurannikon, Sierra Leonen ja Liberian alueella tiheä taisteluiden rykelmä. Alueella on paljon myös timanttikaivoksia, joten näillä saattaa olla osansa taisteluihin. Lukiossa mainittiinkin Sierra Leonen ”veritimanteista”, jolla tarkoitetaan timanttien myynnistä saatujen rahojen käyttämistä aseelliseen toimintaan. Paljon taisteluja on ollut myös (yllätysyllätys) Egyptin pohjoisosissa sekä Sudanin ja Etelä-Sudanin alueella. Anni Heilala pohtii myös kolmannen kurssikerran blogissaan siirtomaa-ajan heijastuksia konflikteihin. Kiistoja on siirtomaa-aikaisista rajoista ja varsinkin raja-alueiden läheisitä luonnonvarjoista. (Heilala 2016)

Konfilktien tapahtumavuosia vertaillessa voidaan nähdä, onko maan sisäiset konfliktit mahdollisesti levinnyt rajanaapureihin. Alkamisvuosien avulla pystytään myös yhdistämään mahdollisiin suurempiin kokonaisuuksiin, esimerkiksi öljyn maailman hinnanvaihteluihin. Afrikassa on valtiota, jotka ovat paljolti riippuvaisia öljyn hinnasta, ja öljyn alhainen markkinahinta voi haavoittaa pahasti valtion taloutta, ja näin hyvinvointia. Itse konfliktit voivat vaikuttaa öljyn hintaan maailmalla. Konfliktien aikana öljyn tuotanto voi kärsiä/vaikeutua, jolloin öljynhinta nousee, ja vaikuttaa näin yksittäisiin ihmisiin esimerkiksi myös Suomessa. Öljykenttien löytämisvuodet voivat olla myös syy konfliktien alkamiseen, varsinkin jos öljykenttiä on maan rajojen läheisyydessä. Käytännössä samat asiat pätevät myös timanttikaivoksiin.

Internetinkäyttäjien määrä kertoo tänä päivänä melko paljon valtion kehittyneisyydestä. Köyhät valtiot eivät pysty pitämään koko valtion kattavaa internetyhteyttä, saati sitten väestöllä ostaa laitteita. Kurssilla annetuista aineistoista näkyi, kuinka internetin käyttäjä määrät ovat nousseet lähes kaikissa Afrikan valtioissa, eli kehityksessä mennään eteenpäin.

 

Takaisin Suomeen

Afrikan tarkkailun jälkeen pääsimme takaisin rakkaan Suomi-neidon pariin. Tarkoituksena oli tehdä tulvaindeksikartta, jossa näkyisi pylväinä alueiden järvisyys. Aluksi piti yhdistellä pari aineistoa ja tuoda Excelistä lisämateriaalia, jotta karttaa varten tarvittavat tiedot olisivat samassa tietokannassa. Tämän tehtyä piti laskea tulvaindeksi (keskiylivirtaama/keskialivirtaama), ja tehdä sen avulla koropleettikartta. Sävyksi valitsin siniset erisävyjä, vaalea kuvaa matalaa tulvaindeksiä tumma suurta. Ylimmän luokan väriksin valitsin punaisen, kartalla tuntui olevan liikaa sinisiä sävyjä, eikä ylimmät luokat olisi erottuneet tarpeeksi selkeästi. Ylimpään luokkaan kuului vain kaksi arvoa, ja ne ovat pinta-alaltaan pieniä, joten ne eivät sinisellä sävyllä senkään puolesta oikein erottuneet. Järvisyyspylväiden väriksi valitsin keltaisen ihan vain siksi, että se erottui hyvin sinisestä, ja muut kokeilemani värit (punainen, sininen, vihreä, liila) tekivät kartasta liian kylläisen näköisen. Keltainen rauhoitti karttaa, vaikkakin se tuo mieleen ensimmäisenä peltojen yms. kuvaamisen. Toisaalta legenda pitää aina lukea karttaa tulkittaessa, joten en pidä tätä suurena ongelmana. Luokkajaon tein ihan manuaalisesti, koska MapInfon ”valmiit” luokkajaot eivät kuvanneet ilmiötä haluamallani tavalla. Valitsemani luokkavälit kuvaavat mielestäni kohtuullisen hyvin tulvaindeksin leviämistä, ja ovat suhteellisen järkevät kuvaamaan suurta vaihteluväliä.

Tulvaindeksikartta
Kuva 2. Suomen alueellinen tulvaindeksikartta, sekä alueiden suhteellinen järvisyys

Kuten kuvasta 2 nähdään, korkeimmat tulvaindeksin alueet sijoittuvat rannikolle, Pohjanmaalle ja Etelä-Suomeen. Keski-Suomessa ja Pohjois-Suomessa tulvaindeksi on alhainen. Nopeasti nähdään myös, että korkeilla tulvaindeksin alueilla järvisyys on pieni. Järvet keräävät paljon vettä, ja näin vähentävät tulvien määrää. Keski-Suomessa suurien järvien alueilla on huomattavasti suuremmat valuma-alueet kuin Pohjanmaalla. Pohjanmaa on myös hyvin alavaa, jolloin vesi pääsee levittäytymään helposti laajalle alueille jokien tulviessa. Pohjanmaalla joet ovat myös enemmän tai vähemmän etelä-pohjoissuuntaisia, mikä voi olla ongelma alku keväästä. Joen eteläinen puoli sulaa nopeammin, kuin joen pohjoispuoli. Sulamaton pohjoispuoli aiheuttaa näin padon jolloin vesi tulvii. Lisääntyvä lumen sulaminen ja mahdolliset sateet lisäävät vesimassaa, ja joki tulvii padon ansiosta lisää. Tähän pyritään kuitenkin varautumaan rikkomalla jäätä joen pohjoispuolella, ettei näitä jääpatoja syntyisi.

Maankäytöllä on myös oma osansa. Tehokkaasti ihmisen käyttöön otetut varsinkin rannikkoalueet ei ime itseensä vettä (tiestö, rakennukset). Vähäinen ns. originaalin maaperän osuus vaikeuttaa veden imeytymistä, jolloin se jää maanpinnalle. Marisofia Nurmi nostaa blogissaan ” Kolmas kurssikerta – tutkimusmatka tietokantoihin” esille myös rajallisen viemäriverokoston, joka voi edesauttaa veden kertymistä maastoon ja kaduille. (Nurmi 2016) Maankäytön lisäksi tulviin vaikuttaa alueiden sijainti. Meren läheisyydessä sataa enemmän kuin sisämaassa.

Kolmas kurssikerta oli hyvinkin mielenkiintoinen. Oli virkistävää ja mukavaa työskennellä, kun ongelmia ei itse ohjelman kanssa ollut. Tietokantojen yhdisteleminen oli ihan mukiinmenevää, tosin ilman yksityiskohtaisia ohjeita en olisi selvinnyt ilman ärräpäitä. Oli myös mukava vaihteeksi pohtia luonnonmaantieteen asioita, kun kaksi edellistä kertaa on mennyt enemmän tai vähemmän ihmismantsan puolella.

 

Lähteet:

Heilala, A. (2016).

Kolmas kurssikerta

https://blogs.helsinki.fi/heanni/ Luettu 11.2.2016

 

Nurmi, M. (2016).

Kolmas kurssikerta- Tutkimusmatka tietokantoihin

https://blogs.helsinki.fi/nurmaris/ Luettu 11.2.2016

 

Pak2016. (2016)

Konflikteja Afrikassa

https://blogs.helsinki.fi/pak-2016/ Luettu 11.2.2016

 

Artikkeli 1. Pähkäilyn kautta voittajaksi.

Nyky-yhteiskunta alkaa yhä enemmän mennä siihen suuntaan, että kaikki tänne ja heti. Internetsitä tiedon saa kädenkäänteessä, YouTube ja samalla Facebookin seinä täyttyy 7-15 sekunnin vineilla, joissa vitsi tulee nopeasti eikä siihen tarvitse aikaa juuri käyttää. YouTubessa pärjää vlogaajat, jotka tekevät ensimmäisistä 10 sekunnista mielenkiintoisen, jos ensimmäiset 10 sekuntia ei vaakuta ei videota katsota pidemmälle. Sama pätee osittain päällekkäisiin koropleettikarttoihin (varsinkin nuorempien taholta), tietoa ei välttämättä saakaan 10 sekunnissa, kartta hylätään, sanotaan mahdottomaksi tulkita tai valitellaan, ettei kartassa ole mitään informaatiota.  Anne Lenowicz kertookin artikkelissaan ” Two-variable choropleth maps as a useful tool for visualization of geographical relationship” (2006), että päällekkäiset koropleettikartat vaativat paljon kartan tekijän lisäksi myös paljon lukijalta.

Lyhyesti: artikkeli kertoo päällekkäisten koropleettikarttojen paremmuudesta kuvaamaan kahden muuttujan suhteita kahden erillisen koropleettikartan mukaan. Päällekkäiset koropleettikartat lipsahtavat helposti värisekamelskan puolelle, joten luokkien määrä on hyvä pitää vähäisinä, suositeltava (2 tai) 3 per muuttuja. Tuolloin mahdollisia kombinaatioita on maksimissaan 9. Jos luokkavälejä on molemmissa 4 (kombinaatioita 16) on kartta vaikeasti luettavissa ja hyvin sekava. Värien merkitys on myös erittäin merkittävässä asemassa, jälleen kerran. Päällekkäiset koropleettikartat haastavat myös lukijaa pieneen aivojumppaan.

Vähä pidemmästi ja omaa aivojumppaa: Päällekkäiset teemakartat yhdistävät siis kaksi (erillistä) teemaa samaan karttaan. Päällekkäiset teemakartat sopivat hyvin kahden muuttujan suhteen tulkitsemiseen, kun taas ”normaali” koropleettikartalla esitetään spatiaalista jakautumista. Vaikkakin päällekkäiset koropleettikartat vaativat enemmän aivojumppaa, on saa tulkinnasta monipuolisempaa; onhan kartalla enemmän dataa!

Päällekk­äisiin koropleettikarttoihin en juuri ennen kakkoskurssikertaa ja Lenowiczin artikkelia enne ollut tutustunut. Jos yläasteella näitä karttoja eteeni olisi heitetty, olisin todennäköisesti luovuttanut juuri kymmenen sekunnin jälkeen. Siksi aivan uutena minulle tuli päällekkäisten koropleettikarttojen legenda. Legenda koostuu yhdeksästä nelikulmiosta, jossa y- ja x-akselilla kummallakin on yksi muuttuja.  Nelikulmioita on kolme vaaka- ja pystysuunnassa, nelikulmiot kuvaavat luokkavälein rajoja. X-akselilla arvot kasvavat oikealle päin, ja y-akselilla ylöspäin.

Legendan hahmottamista itselleni auttoi ajatella legendaa koordinaatistona. Koordinaatistoon (legendaan) merkitään piste sen x ja y-arvon mukaan (muuttujien arvot), ja sen jälkeen katsotaan mihin neliöön arvo päätyi, ja sen mukaan se saa värin kartalle. Legendan vasemmasta alakulmasta piirretään vielä halkaisija, Mitä enemmän merkityt muuttujien pisteet ”asettuvat” suoralle, sitä suurempi korrelaatio muuttujilla on. Värityksen kuuluu myös olla luonteva, jos y ja x saavat suuret arvot, värin on hyvä olla tumma. Halkaisijan alapuolella voisi olla (kuten artikkelissa) sinertäviä värejä ja halkaisijan yläpuolella punertavia värejä. Legenda avautui vajaan minuutin tuijottelulla, nyt sen tajuttua legenda on hyvin informatiivinen, selkeä ja erittäin luonteva tapa esittää luokkajako.

Koska kartalla on kaksi muuttujaa, vaatii tulkinta lukijalta enemmän. Ensimmäinen tehtävä onkin legendan koodin murtaminen, mikä ei rakettitiedettä ole, mutta heikkohermoisia hirvittää. Kun legendasta on selvitty, ei kartan tulkitseminen mielestäni eroa yhden muuttujan koropleettikartasta juuri yhtään. Plussana on vielä, että legendasta näkee, mitä arvoja muuttujat ovat saaneet.

Vielä en ole ehtinyt kahdenmuuttujan koropleettikarttaa vääntämään, mutta ilman artikkelia todennäköisesti pähkäilisin ja kiroilisin, miksi tuottamani kahdenmuuttujan koropleettikartat näyttävät aivan järkyttäviltä ja lukukelvottomilta. Vastaus olisi luokkajakojen määrässä, mutta ilman artikkelia sen tajuamiseen menisi hetki aikaa. Voin hyvin nähdä itseni tappelemassa 5 luokan kanssa (yhteensä 25) ja vaipuen epätoivoon. Nyt ainakin teidän sen, että luokat on pidettävä vähäisinä.

Päällekkäiset koropleettikartat antavat lukijalle paljon informaatiota, mutta informaatiota ei saa ilmaiseksi. Niiden ääreen joutuu istahtamaan hetkeksi, ja antaa tulkinnalle aikaa. Yläasteelle kahden muuttujan koropleettikarttoja ei kannata viedä, mutta nyt myöhemmässä opiskelun vaiheessa ne ovat tervetulleita. Jasmiina Myllys sanoo hyvin blogikirjoituksessaan, samaisesta artikkelista, että hieman vaikeammin tulkittava esitystapa voi estää hutaistuja virhetulkintoja, jolloin tulkitsemiseen käyttää enemmän aikaa, ja kartan sisältämä tieto jää näin paremmin mieleen. Olen samaa mieltä; kun johonkin käyttää aikaa, asian muistaa paremmin. Näihin kuviin ja näihin tunnelmiin, the end.

 

Lähteet:

Lenowicz, A. (2006).  Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija  42: 1, 33-36

 

Myllys, J. (2016). Artikkeli 1

https://blogs.helsinki.fi/myllyjas/

Luettu: 8.2.2016

Luku 2. The Hateful MapInfo

MapInfo… Käydään ensin kurssikerran rakennetta, ja sitten vasta palataan tähän rakkaaseen ohjelmaan, ja itse karttojen tekoon. Kurssikerta alkoi edellisen tapaan pienellä teoriaosuudella, tällä kertaa aiheena oli erilaiset teemakartat. Useamman muuttujan yhtäaikaiseen kuvaamiseen sopii pylväsdiagrammikartta, tai jos vaihtoehtoisesti haluaa esittää muuttujia ympyrädiagrammissa, on mahdollista luoda ympyrädiagrammikartta. Graduated-teemakartta sopii absoluuttisten arvojen kuvaamiseen (symbolin koko kasvaa muuttujan arvon kasvaessa), absoluuttisia arvoja voi kuvata myös pistekartan muodossa, jolloin pisteet voivat havainnollistaa esimerkiksi asutuksen sijoittumista (ei absoluuttinen!). Muita käsiteltyjä teemakarttoja olivat individual-kartta (laadullisten ilmiöiden kuvaus), Grid-kartta (liukuvavärjätty teemakartta, 3D-kartan pohja), prismaattinen kartta (kolmiulotteinen) sekä 3D-kartta. Pikaisen teoriatuokion jälkeen pääsimme takaisin MapInfon pariin.

MapInfon avatessa hetki meni miettiessä, että miten tämä toimii. Oli huojentavaa (niin kauhelata kuin ehkä kuulostaakin) huomata, että muille oli käynyt samoin. Niko Pelkonen kirjoittaa blogissaan ”Kurssikerta 2 – Teemaa teeman päälle” unohtaneen lähes kaiken, mitä ensimmäisellä kurssikerralla läpi käytiin. Hänen tavoin, myös minua alkoi hieman epäilyttää. (Pelkonen 2016) No ilman kokeilua ei mitään voi osata… MapInfossa harjoittelimme jälleen yhdessä erilaisten teemakarttojen tekemistä. Aineistona toimi viime kurssikerralta tuttu Tilastokeskuksen kunta-aineisto. ”Loimme” MapInfolla teemakarttoja, joissa oli kaksi teemaa päällekkäin. Koropleettikartan päälle tehtiin esimerkiksi ympyrädiagrammeja tuotannon osuuksista. Harjoittelimme myös, miten karttoja pystyi hienosäätämään jälkeen päin. Harjoittelimme myös grid-kartan tekemistä ja sen avulla 3D-karttaa. Kaikki sujui ilman suurempia vaikeuksia, toistaiseksi.

Harjoitteluosion jälkeen pääsimme ensimmäisen kurssikerran tavoin kokeilemaan omia taitojamme MapInfon kanssa. Tarkoituksena oli tehdä teemakartta, jossa oli kaksi teemaa päällekkäin tai grid-kartta. Juurihan näitä harjoiteltiin, ei pitäisi olla vaikeaa..! Ensimmäinen vaikeus oli löytää kaksi teemaa, jotka voisivat jollain asteella tukea toisiaan. Pitkän pähkäilyn jälkeen kokeilin muutamaa vaihtoehtoa. Koropleettikartta syntyi kivuttomasti valittujen kuntien alueelle, mutta pylväsdiagrammien ja ympyrädiagrammien kanssa sai hiukan vääntää, mikään lopputulos ei kuitenkaan oikein miellyttänyt. Seuraavaksi päätin tehdä 3D-kartan. Grid-kartta onnistui hyvin, mutta kun tästä koitti tehdä 3D-kartan, karttanäkymään tuli musta viiva. Artun sanoin. ”Nyt en tiedä, mitä tää ohjelma tekee.” Koitin uudestaan, sama tulos. Siinä vaiheessa päätin jättää 3D-kartan historiaan, tallensin valmiin Grid-kartan, ja päätin käyttää sitä blogia varten. Harmi vain, että kartta ei tallentunutkaan, mukava huomata vajaat viikko myöhemmin.

Ei auttanut kuin ryhtyä uuden kartan tekemiseen. Taistelin MapInfon kanssa, aluksi ei tullut mitään, mutta lopulta karttoja alkoi syntyä, ei hyviä mutta karttoja. Kuten kuvasta 1 nähdään muuttujilla vuokralla-asuvien ja nettomaahanmuuton kanssa ei ole mitään suhdetta, tai vaikka olisi, mahdoton sitä on kartalta nähdä, koska Helsingin seutu on hieman eri kokoluokkaa väestöllisesti kuin muut kunnat. Kokeilin myös vuokralla-asuvien ja tietoon tulleiden rikosten määrää, mutta lopputulos sama kuin yllä (kuva 2). Rikosten ja vuorein suhteita olisi mielekkäämpää tutkia esimerkiksi vain Helsingissä alueellisesti, mutta kyseisellä mittakaavalla ei mitään järkeä. Päätin vaihtaa lopulta alueen Pohjois-Suomeen.

 

Untitled
Kuva 1. Einiinhyväkartta part 1
KK2_kartta3
Kuva 2. Einiinhyväkartta part 2

 

Päätin kokeilla olisiko kuntien taajama-asteella ja eläkeläisten suhteellisilla osuuksilla yhteyttä.  Uskoin, että harvemmin asutuilta kunnilta nuoret ja nuoret aikuiset lähtevät suurempiin kuntiin/kaupunkeihin opiskelemaan, työn tai parempien palveluiden perässä. Valitsin luokkaväliksi tasavälisen luokkavälin, mielestäni se sopi parhaiten kuvaamaan suuriakin eroja taajama-asteiden välillä. Kartassa vaalealla värillä olevissa kunnissa taajama-aste on alhainen, tummemmilla alueilla taajama-aste on korkea. Visuaalinen toteutus on mielestäni suhteellisen onnistunut. Värit erottuvat toisistaan, eivätkä johda lukijaa harhaan. Onnistuin mielestäni myös luokkajaossa hitusen paremmin kuin edellisen kurssikerran kartan kanssa. Heikkous on mielestäni se, että Kemi, Keminmaa, Tornio alueelta kuntarajoja ja luokkia on vaikea erottaa ympyrädiagrammien alta.

KK2_kartta
Kuva 3. Nyt jo vähän yritystä. Koropleettikartan päällä ympyrädiagrammeja kuvaamassa ikäjakaumaa kunnittain.

Oletukseni osui jollain asteella oikeaan. Kuten kuvasta 3 nähdään, kunnissa, joissa on matala taajama-aste (esimerkiksi Utsjoki, Salla, Posio), on siellä suhteellinen eläkeläisten osuus suurempi kuin kunnissa kuten Oulu ja Rovaniemi, joissa taajama-aste on korkea. . Kuten yllä mainitsin, uskon syynä olevan muutto opiskelun, työn ja/tai palveluiden perässä suurempia keskuksia kohti, Pohjois-Suomessa vetovoimainen keskus ovat pääasiassa Oulu, muutto voi ja suuntautuukin osittain kohti etelää (Helsinki ja kumppanit). Eläkeläisten suhteellisen osuuden nousu nähdään kolmanneksi ja neljänneksi suurimman taajama-asteluokkavälin kohdalla. Kahdessa ylimmässä luokassa ei merkittävää eroa eläkeläisten osuuksissa ole, sama pätee kolmeen alimpaan. Eniten eläkeläisiä on suhteellisesti kahden alimman luokan kunnissa. Karttaa lukiessa on tärkeä muista, että kartassa kuvataan suhteellisia eläkeläisten osuuksia. Vaikka Suomuslahdella on lähes kolmannes eläkeläisiä, Oulussa eläkeläisiä on määrällisesti kuitenkin noin 22 000 enemmän, vaikka eläkeläisten suhteellinen osuus onkin 14 %.

Itselleni oli tärkeää, että kartan teemat eivät olleet vain päästä heitettyä, vaan niillä voisi olla jokin yhteys. Emil Ehnström olikin löytänyt Aileen Buckleyn ja Kenneth Fieldin artikkeliin, jossa kerrotaan, että kartan pitää olla jollain tavalla merkitsevä. (Ehnström 2016) Tämä on mielestäni hyvä pitää mielessä tulevaisuudessa karttoja tehdessä.

Niin vain loppujen lopuksi sain luettavan kartan aikaiseksi. Mutta jälleen työn ja tuskan takana se oli. En halua sitä valittaa, että MapInfon kanssa ystävyyssuhdetta ei synny hetkessä, mutta välillä tuntuu, että ohjelma pistää enemmän vastaan kuin on hyödyksi (köhköh 3D-kartta). Mutta kuten Matilda Holkkola ensimmäisessä blogissaan ”PAKin (huojentava) aloitus” toteaa, että vielä tässä vaiheessa Mapinfon käytön oppinen on pääasia. (Holkkola 2016) Mielestäni paras tapa oppia on juuri itse kokeilemalla ja virheitä tehden. Vaikkakin MapInfon kanssa on ollut vaikeaa, olen taas asteen verran viisaampi MapInfon kanssa, ja uskon, että joku kaunis päivä pystymme puhaltamaan yhteen hiileen. Saa nähdä, mitä seuraava kurssikerta tuo tullessaan.

 

Lähteet:

Ehnström, E. (2016)

Kolme karttaa terapiakerhoon

https://blogs.helsinki.fi/ehem/ luettu 4.2.2016

 

Holkkola, M. (2016)

PAKin (huojentava?) aloitus

https://blogs.helsinki.fi/hcmatild/ luettu 4.2.2016

 

 

Pelkonen, N. (2016).

Kurssikerta 2 – Teemaa teeman päälle

https://blogs.helsinki.fi/nikopelk/ luettu 4.2.2016

Luku yksi. Mapinfo strikes back.

Edellisen periodin TAK-kurssilla käytiin tuskainen, mutta lopulta voitokas kamppailu CorelDraw-ohjelman kanssa. Tuolloin olin taiston alkuhetket helisemässä, mahalasku oli yhtä jyrkkä kuin Chelsean alkukausi Valioliigassa. Tuskaisten tuntien jälkeen pääsimme CorelDrawin kanssa samalle aallonpituudelle. Nyt on taas uusi periodi, uusi kurssi, uudet ohjelmat ja uudet kujeet. Ainoa, mikä näyttäisi pysyvän samana, on tuskaisen pitkä tie yhteisymmärrykseen ja rauhaan Mapinfon kanssa. Mapinfon alkutuntumasta on muillekin jäänyt hieman karvas maku. Jiri Lilja kuvaus Mapinfon heikkouksista blogissa ”Ensitreffit MapInfon kanssa” kuvaa hyvin myös minun ensivaikutelmaa: ”Karttoja tuntui olevan miljoonassa eri tasossa, työkalut eivät tuntuneet luontevilta ja zoomaus aiheutti suurta hämmennystä.” (Lilja 2016)

Kurssikerta alkoi normaalisti kurssin esittelyllä, jonka jälkeen tuli pieni teoriapläjäys. Aluksi palauteltiin mieliin jo lukiosta tuttuja käsitteitä. Kerrattiin paikkatiedon rakennetta ja sijainti- ja ominaisuustietojen eroja. Lisäksi muisteltiin tallennusmuotojen (rasteri- ja vektorimuotoinen) eroja. Tämän jälkeen siirryttiin Mapinfon ihmeelliseen maailmaan.

Mapinfon käyttöä harjoiteltiin ”porukalla”, mikä on aina hyvä kun saa uuden ohjelman eteensä. Käytiin yhdessä läpi Mapinfon perustoimintoja kuten teemakarttojen tekemistä. Ongelmia ja vaikeuksia tietenkin oli, mutta en niistä enempää valittele. Harjoittelun jälkeen pääsimme kokeilemaan omia taitojamme, ja luomaan koropleettikartan saadusta Tilastokeskuksen (2015) aineistosta. Päädyin lopuksi tarkastelemaan korkea-asteen tutkinnon suorittaneiden suhteellisia määriä kunnittain. Kartan värimaailman on punertava, jossa tumma punainen kuvaa alueita, joissa korkea-asteen tutkinnon suorittaneiden suhteellinen osuus on korkea. Luokkaväleiksi valitsin luonnolliset luokkavälit, joka antoi MapInfon tarjoamista luokkaväliehdotuksista mielestäni parhaan tuloksen.

Kartta1

Kuva 1. Koropleettikartta korkea-asteen tutkinnon suorittaneiden suhteellisista osuuksista kunnittain.

Kenellekään tuskin tulee yllätyksenä, että kartalta erottuu ns. ”Yliopistokaupungit” ja niiden ympäryskunnat. Kartalta erottuu mm. Helsingin, Turun, Tampereen, Jyväskylän ja Oulun seudut. Kuvasta 1 nähdään myös helposti ja nopeasti, että Länsi-Suomessa on suhteellisesti  enemmän korkea-asteen tutkinnon suorittaneita kuin Itä-Suomessa. Näkyvissä on siis tuttu itä-länsi suuntainen gradientti. Kartan ongelmana on ylimmän luokan välin suuruus verrattuna muiden luokkien suuruuteen. Tämä antaa hieman virheellisen kuvan,alarajan ja ylärajan ero on lähes 30 %-yksikköä, kun taas muissa luokissa väli on vajaat viisi %-yksikköä.

Karttaani verratessa Joni Uusitalon karttaan eläkeläisten osuuksista kunnittain, huomaa helposti karttojen yhtäläisyyden. Kunnissa, missä on korkea eläkeläisten osuus, on kunnissa matala korkea-asteen tutkinnon suorittaneiden osuus. Tämän myös Uusitalo on oivaltanut. (Uusitalo 2016) Syy tähän on varmasti se, että nuoria muuttaa näihin yliopistokuntiin/-kaupunkeihin, jolloin eläkeläisten suhteellinen osuus pienenee, vaikka määrällisesti eläkeläisiä olisi enemmän kuin esimerkiksi Itä-Suomen kunnissa, joissa monissa eläkeläisten suhteellinen osuus on korkea.

Hyvin samankaltaisiin tulkintoihin oli päätynyt Marisofia Nurmi blogissaan “Ensimmäinen kurssikerta: MapInfo ja Paikkatiedon peruskäsitteet”.  Nurmi oli myös huomannut Rovaniemeltä Utsjoelle ulottuvan kaistan, jossa korkeasti kouluttautuneita on muita Lapin kuntia enemmän. (Nurmi 2016) Nurmi myös huomasi saman ongelman luokkavälien kanssa, joka myös minun kartalla on.

MapInfon kanssa leikkiminen jätti hieman ristiriitaiset tunnelmat. Ohjelman kanssa saa tapella kuin viimeistä päivää, mutta (ainakin toistaiseksi) tuskailun tuloksena on melkoisen toimiva kartta. Saa nähdä, tuleeko MapInfo nopeasti tutuksi, vai onko edessä tuskien taisto. Itse jään innolla (ja kauhulla) odottamaan. May the Force be with you.

Lähteet:

Lilja, J. (2016). Esnitreffit MapiInfon kanssa

https://blogs.helsinki.fi/jiri/

Luettu 28.1.2016

 

Nurmi, M. (2016). Ensimmäinen kurssikerta: MapInfo ja Paikkatiedon peruskäsitteet

https://blogs.helsinki.fi/nurmaris/

Luettu 28.1.2016

 

Uusitalo, J. Kurssikerta 1: MapInfon saloja ja koropleettikarttoja

https://blogs.helsinki.fi/jonuusit/

Luettu 28.1.2016