Valmista tuli.

Juuh elikkäs. Se taisi olla sitten siinä. Kiitos Artulle ja kaikille MapInfon kanssa taistellessa auttaneille tovereille. Blogeissaan meitsiin viitanneille erikseen virtuaalipeukku. Ja näin. Viimeinen sammuttaa valot jne.

-Mikko

Seitsemäs kurssikerta – Internetin käyttäjiä, hiilidioksidia ja levotonta tajunnanvirtaa

Huh, niin se aika vaan kuluu. Nyt ollaan jo PAK-kurssin viimeisen aiheen äärellä. Kurssikerran idea on tiivistetysti se, että kaikki tähän mennessä saavutettu osaaminen pitäisi nyt eskaloida yhdeksi vakuuttavaksi karttaesitykseksi. Viimeisen kurssikerran teemakartan sai valita mistä tahansa haluamastaan aiheesta ja alueesta, kunhan kartalla olisi esitettynä vähintään kaksi eri ominaisuutta. Tämä teoriassa rajaton valinnanvapaus oli ennakkoon ajateltuna samalla sekä hyvä että huono asia. Toisaalta oman mielikuvituksen ja innovaatiokyvyn käyttäminen on koko maantieteen hienoimpia asioita, kun taas toisaalta eri mahdollisuuksia ja vaihtoehtoja miettiessä pää alkoi vääjäämättä mennä pyörälle.

Kuten Maurakin (Karttoja tässä tilanteessa? No ehkä yksi) blogissaan toteaa, oli myös minulla mielessä vaikka mitä upeita ja jännittäviä ajatuksia tulevaa karttaani koskien. Paatuneena anglofiilina ajattelin tutkia Iso-Britannian eri alueiden (ovatko sitten maakuntia nimeltään sielläpäin, en tiedä) alkoholinkäytön ja työllisyysprosentin välistä korrelaatiota. Kovasta yrityksestä huolimatta en kuitenkaan onnistunut kaivamaan internetin syövereistä sopivaa dataa aihetta koskien. Aikaa oli pelkän aineiston etsimiseen mennyt tässä vaiheessa jo niin kauan, että olin käytännössä pakotettu muuttamaan suunnitelmia. Valitsin alueekseni kunnianhimoisesti koko maapallon, koska ajattelin siitä löytyvän helpommin dataa kuin yksittäisistä valtioista. Jostain syystä mieleeni tuli heti ajatus tutkia eri valtioiden internetin käyttäjien osuutta koko väestöstä. Hämmästyksekseni siitä löytyikin melko pikaisella google-metsästyksellä hyvää aineistoa. Avasin nämä tilastot exceliin, ja aloin työstää sitä käyttökelpoiseen muotoon. Urakka kostautui yllättävänkin massiiviseksi. Valtioita oli ensinnäkin nimetty ties millä vekkuleilla, pohjakarttani tietokannasta poikkeavilla tavoilla. Seassa oli myös vaikka mitä ylimääräistä tilpehööriä, mitä eliminoidessa vierähti hetki jos toinenkin. Tuntien raivokkaan työskentelyn jälkeen sain tietokannan vihdoin valmiiksi, ja siirsin sen MapInfoon. Tietokantaväsäilyjen jälkeen tein internetin käyttäjistä koropleettikartan, jonka luokittelin luonnollisilla luokkarajoilla. Väreiksi valitsin uskollisesti samat purppuran sävyt kuin kurssin aikana monta kertaa aiemminkin. Pikaisella silmäilyllä kartta näytti mallikkaalta, ja jonkinlainen puolivälin krouvi oli urakan osalta saavutettu.

Internetin käyttäjien osuus väestöstä ja hiilidioksidipäästöt valtioittain.

Internetin käyttäjien osuus väestöstä ja hiilidioksidipäästöt valtioittain.

Seuraavaksi oli edessä haastava ja aivonystyröitä työstävä vaihe eli toisen ominaisuuden valitseminen. Jonkinlainen korrelaatio internetin käyttäjiin tällä ominaisuudella täytyisi olla, mikä rehellisesti sanottuna onneksi rajasi vaihtoehtojani jonkin verran. Liian itsestäänselvää aihetta en halunnut myöskään ottaa, millainen olisi ollut esimerkiksi mielessäni käynyt valtioiden bruttokansantuote. Jonkun aasinsillan kautta ajattelin tutkia, olisiko sukupuolten välisen tasa-arvon ja internetin käyttäjien välillä riippuvuussuhdetta. Ehdin jo innostua ajatuksesta etenkin kun selvisi, että tälle ominaisuudelle on olemassa oma indeksinsä (Gender-related Development Index). Pettymys oli kuitenkin merkittävä, kun ilmaista GIS-dataa en aiheesta kuitenkaan tahtonut millään löytää. Taas piti muuttaa suunnitelmia. Johtuiko sitten väsymyksestä ja ajatusten epämääräisestä sinkoilusta, mutta millään en tahtonut löytää haluamiani aineistoja. Tiedotusblogiin lisättyjen linkkien takaa tuskaisia tunteja haravoituani tärppäsi kuitenkin lopulta: karttani toiseksi ominaisuudeksi tuli maailmanlaajuiset hiilidioksidipäästöt.

Kun hiilidioksidipäästöjä koskenut data oli excelissä muokattu asianmukaiseksi, avasin sen MapInfossa ja lisäsin kartalle. Esitystavaksi valitsin mustat pisteet, joista yksi tarkoittaa kymmentä miljoonaa megatonnia ilmakehään karannutta hiilidioksidia. Puhutaan siis suorastaan psykedeelisen suurista luvuista, joiden ajattelu saa pään pyörälle ainakin näin sunnuntaina. Oletukseni näiden kahden muuttujan välisistä riippuvuussuhteista oli etukäteen melko selkeä. Internetin käyttäjien osuus väestöstä on nykypäivänä varsin hyvä mittari kuvaamaan valtion kehitystä ja teollistuneisuutta. Yleistäen niin, että mitä suurempi prosenttiosuus on, sitä kehittyneempänä voi valtiota pitää. Myös hiilidioksidipäästöjen määrää voi pitää valtion teollistuneisuuden yhtenä hyvänä tunnusmerkkinä.

Jos lähdetään liikkeelle internetin käyttäjistä, erottuu kartalla selviä pääpiirteitä. Ylimpään luokkaan (77,8 – 96,6 %) kohoavat Pohjois-Amerikka, koko läntinen Eurooppa, Japani sekä Australia ja Uusi-Seelanti. Latinalaisessa Amerikassa internetin käyttäjiä on keskimmäisen ja toiseksi ylimmän luokan osuuksien verran. Afrikassa ja Aasiassa vaihtelu on hieman suurempaa ja satunnaisemman oloista. Kuitenkin sellaisen yleistyksen voi tehdä, että kahta ylintä luokkaa ei kummassakaan maanosassa paria yksittäistä poikkeuksen tekevää valtiota lukuunottamatta ole. Hiilidioksidipäästöjen osalta näyttäisi siltä, että ainakin suurin osa kahteen ylimpään internetin käyttäjien luokkaan kuuluvista valtioista on myös saastuttajana kovinta kastia. Etenkin Yhdysvallat ja Eurooppa Pohjoismaat poislukien ovat tällaisia alueita. Teollisuusmaa ei siis terminä ole aivan harjaanjohtava. Vastaavasti alimpiin luokkiin internetin käyttäjien osalta kuuluvilla valtioilla on dramaattisesti vähemmän päästöjä. Etelä-Afrikkaa lukuunottamatta koko Afrikka sopii esimerkiksi tällaisesta alueesta. Tämän pohjalta näyttäisikin, että muuttujien välillä vallitsee positiivinen korrelaatio.

Karttaa tutkailemalla löytää kuitenkin monia valtioita, jotka eivät aivan täsmää havaitun riippuvuussuhteen kanssa. Jo mainittujen Pohjoismaiden suhteellisen pieni hiilijalanjälki selittyy muunmuassa uusiutuvien energiamuotojen ja ydinvoiman suosimisella sekä myös toimivalla julkisella liikenteellä. Päinvastaisina, mutta ominaisuuksien riippuvuuden suhteen poikkeavina tapauksina kartalta erottuvat Aasian jättiläiset Kiina ja Intia. Molemmissa on suhteellisen alhainen internetkäyttäjien osuus väestöstä, mutta päästöissä maat näyttäisivät kuuluvan kaikkein kovimpiin tekijöihin. Tämä selittyy suurilta osin, kun pohtii millaisista valtioista on oikeastaan kyse. Kumpikin on teollistunut kovaa vauhtia, ja maiden teollisuus pyörii valitettavan paljon kivihiilen ja öljyn ympärillä. Myös ryminällä lisääntyvä yksityisautoilu kasvattaa osaltaan valtioiden päästömäärää. Molemmilla valtioilla on miljoonakaupunkien ulkopuolella suuret maaseudut, missä internet ei välttämättä kuulu peruskansalaisen elämään. Toisaalta kaupungeissa asuu miljoonia köyhiä slummeissa ja muilla huonompiosaisilla alueilla, missä internetin saatavuus ei välttämättä ole mahdollista. Nämä seikat laskevat maiden internetin käyttäjien määrää, ja tekevät sen maantieteellisestä jakaumasta epätasaisen. Jälkimmäinen ominaisuus ei puolestaan näy tällaisella kartalla mitenkään.

Myös joitain kummallisuuksia kartalta on löydettävissä. Joillekin valtiolle kuuluvat hallinnolliset alueet, kuten Alaska ja Grönlanti ovat kartalla hieman harhaanjohtavia ominaisuuksiltaan. Alaska näyttäisi olevan molempien ominaisuuksien osalta korkeinta kastia, mitä se ei boreaalisena syrjäseutuna kuitenkaan todellisuudessa ole. Alaska kuuluu Yhdysvalloille, ja tietokannan armottomuuden vuoksi Alaskaan ovat koodautuneet emämaan eli jenkkien ominaistiedot. Grönlannissa näkyy puolestaan emämaa Tanskan kirkkaanpunaisella erottuva korkea internetin käyttäjien osuus. Todellisuudessa inuiittien alkuperäsikansa tuskin on aivan noin reipasta sakkia internetin käytön suhteen. Joitain pienempiä valtioita ja hallinnollisia alueita kummastakin tietokannasta puuttui, mutta toisaalta kartan suurpiirteisyyden vuoksi ne eivät siinä juuri erottuisikaan. Näitä ja vastaavanlaisia pikkujuttuja lukuunottamatta karttaani olen pääosin tyytyväinen. Tärkeimmät pointit tulevat selville, ja olettamani positiivinen korrelaatio internetin käyttäjien ja päästöjen väliltä on löydettävissä.

Kurssi alkaa vedellä viimeisiään, ja loppuun voisi höpistä vielä muutama sanaa siitä kokonaisuudessaan. Mielestäni koko idea blogin pitämisestä opiskelumetodina on hauska, sillä se tuo mukavaa vaihtelua siihen perusmeininkiin, jossa tekstit vain palautetaan suoraan moodleen. Muiden tekstejä lukemalla saa uusia ideoita, ja muutenkin tavallista yhteisöllisempi opiskelutapa on virkistävää. MapInfoa oppi alun kangertelun jälkeen käyttämään koko aika paremmin ja paremmin. Kun alussa joutui uhraamaan harmillisen paljon energiaa perusjuttujen muistelemiseen, pystyi kurssin loppua kohti työskentelemään jo varsin sujuvasti ja ohjelman ominaisuuksia soveltaen. Kuten Petra blogissaan (Captain’s log) toteaa, kruunasi viimeinen kurssikerta kokonaisuuden. Jäi hyvä maku, kun osasi omatoimisesti etsiä oikeanlaista tietoa ja käyttää sitä hyväksi teemakartan tekemisessä. Toivottavasti nämä taidot nyt eivät pääse aivan unohtumaan, vaan kurssista jäisi käteen perustaidot tulevia paikkatietohulinoita varten.

Lähteet:

Kurssikerta 7. Karttoja tässä tilanteessa? No ehkä yksi. 15.3.2015. https://blogs.helsinki.fi/maurapem/. Luettu: 15.3.2015

Kurssikerta 7. Captain’s log. 15.3.2015. https://blogs.helsinki.fi/pewmanni/. Luettu: 15.3.2015

Economy of India. Wikipedia. http://en.wikipedia.org/wiki/Economy_of_India. Luettu: 15.3.2015

International Energy Statistics. U.S. Energy Information Administration. http://www.eia.gov/cfapps/ipdbproject/iedindex3.cfm?tid=90&pid=44&aid=8. Luettu: 13.3.2015

 

P.S. Valitettavasti olen kadottanut lähteen, josta nappasin datan internetin käyttäjiä koskien. Lisään sen tänne, kunhan vain onnistun sen jostain käsiini kaivamaan…

Kuudes kurssikerta – Tienviittoja, maanjäristyksiä ja tulivuoria

GIS-luokan ruutujen äärellä näpyttelyn sijaan tämä kurssikerta käynnistyi tutustumisella lähialueeseen koululta saadut GPS-paikantimet mukana. Vaikka paikantimen käytön piti olla hyvinkin simppeliä, onnistuimme ryhmämme kanssa ajautumaan välittömästi jonkinlaiseen pinteeseen. Paikannin ei jostain syystä seurannut liikettämme ja tarjosi suureksi hämmästykseksemme korkeudeksi merenpinnasta negatiivisia arvoja. Hetken asiaa ihmeteltyämme päätimme turvautua vanhaan kunnon uudelleenkäynnistämiseen. Klassinen kikka toimi kuin toimikin, ja pääsimme toden teolla aloittamaan navigoidun kävelymme. Päätimme kerätä koordinaattitietoja kadunkulmilta löytämiemme tienviittojen kohdalta. Näitä keräsimme pitkin Kumpulaa lopulta yli kymmenen kappaletta, ja tutustuimme samalla Kumpulan idylliseen puurakennusalueeseen. Ei siis täysin epäonnistunut iltapäiväkävely.

Luokkaan palattuamme kokosimme kerätyt koordinaatit taulukkomuotoon exceliin, ja tämän tietokannan avasimme MapInfossa. Koordinaattien mukaan loimme keräämämme pisteet valmiille karttapohjalle. Kaikki pisteet sijoittuivat kartalla jotakuinkin oikealla paikalla, mikä alkusählingin jälkeen lämmitti mieltä. Tämän jälkeen oli aika siirtyä päivän varsinaisen harjoituksen pariin. Se käsitteli samaa toimenpidettä eli geokoodausta, mutta nyt aiheina olivat globaalit luonnonhasardit. Vaihtoehtoina olivat maanjäristykset, tulivuorenpurkaukset tai Maahan osuneet meteoriitit. Itse päätin tutkia kahdella kartalla eri suuruisten maanjäristysten sijoittumista maailmankartalla, ja kolmannella vastaavasti tulivuorten sijoittumista. Tietokannat näiden hasardien ominais- ja sijaintitiedosta haimme kurssin Moodle-sivustolta löytyvien linkkien takaa, joista kerätyt aineistot jälleen excelin kautta muokkasimme MapInfolla käyttökelpoiseen muotoon.

Yli 6 magnitudin maanjäristykset 1970-nykyhetki.

Yli 6 magnitudin maanjäristykset 1970-nykyhetki.

Yli 8 magnitudin maanjäristykset 1970-nykyhetki.

Yli 8 magnitudin maanjäristykset 1970-nykyhetki.

Karttojen tarkoituksena oli olla sellaisia, että niitä pystyisi käyttämään opetuksen tukena. Kyseessä on sen verran simppelisti esitettävät aiheet, että kartoista tuli ilman sen suurempaa kaunisteluakin melko havainnollistavat. Toki tällaisella esitystavalla, jossa on kuvattu koko Maa, saa vain yleiskuvan ja nopean katsauksen missä kyseisiä ilmiöitä esiintyy. Jotta kartat sopisivat paremmin opetustarkoitukseen, olisi jonkinlaista nimistöä hyvä olla mukana. Mikään kolmesta kartasta ei myöskään sen enempää selvitä, miksi järistykset ja tulivuorenpurkaukset ovat sijoittuneet niin kuin ovat. Niiden tueksi olisi opetustilaisuudessa hyvä liittää kartta, jossa näkyvät litosfäärilaattojen rajat ja liikesuunnat. Näitä vertaillessa kolmen muun kartan kanssa voi vetää syvällisempiä johtopäätöksiä siitä, missä ja miksi kyseisiä hasardeja tapahtuu. Kuten myös Antti (Antin paikkatietoblogi) blogissaan toteaa, liittyvät MapInfolla laadituissa kartoissa näkyvät hasardit sijainniltaan tiiviisti litosfäärilaattojen rajoihin. Selkeimmin tämä näkyy niin kutsutun Tyynenmeren tulirenkaan alueella, jossa maanjäristykset ja tulivuoret muodostavat tiiviin ketjun ympäri valtamerta ja sen alla sijaitsevaa Tyynenmeren laattaa.

Tulivuorenpurkaukset 1964-nykyhetki.

Tulivuorenpurkaukset 1964-nykyhetki.

 

Ensimmäisessä kartassa näkyviä yli 6 magnitudin järistyksiä on kokolailla kaikkialla, missä kahden litosfäärilaatan raja kulkee. 8 magnitudin järistyksiä on dramaattisesti vähemmän, eikä sellaisia ole 1970-luvun jälkeen esiintynyt ainuttakaan esimerkiksi Välimeren ja Keski-Aasian järistysalueilla. Litosfäärilaattojen liikkumissuuntia tutkailemalla voi päätellä, että näin voimakkaita järistyksiä ei synny kuin laattojen törmäysvyöhykkeillä. Kuten sanottua, tulivuorenpurkauksia esiintyy samoilla alueilla kuin maanjäristyksiä. Tyynenmeren tulirenkaan vulkaanista ketjua lukuunottamatta ne ovat kuitenkin lähinnä yksittäisiä tapauksia siellä täällä. Kuten Petra blogissaan (Captain’s log) nostaa esille, selittyy tämä suurilta osin Tyynenmeren laatan muodostamilla subduktiovyöhykkeillä mantereisten laattojen kanssa.

Litosfäärilaatat ja niiden liikesuunnat. (bucknell.edu)

Litosfäärilaatat ja niiden liikesuunnat. (bucknell.edu) 

Lähteet:

Kurssikerta 6. Captain’s log. 11.3.2015. https://blogs.helsinki.fi/pewmanni/. Luettu: 12.3.2015

Kurssikerta 6. Antin paikkatietoblogi. 22.2.2015. https://blogs.helsinki.fi/anttiaut/. Luettu: 12.3.2015

Plate tectonic map. http://www.bucknell.edu/Images/Depts/Geology/PTmap.gif. Luettu: 12.3.2015

ANSS Catalog Search. Northern California Earthquake Data Center, 2013. http://quake.geo.berkeley.edu/anss/catalog-search.html. Luettu: 19.2.2015

Global Volcano Locations Database. National Geophysical Data Center. http://www.ngdc.noaa.gov/nndc/struts/form?t=102557&s=5&d=5. Luettu: 19.2.2015

Viides kurssikerta – Bufferointia tositarkoituksella

”Karttoja tässä tilanteessa? No ehkä yksi.”. Näin toteaa suuresti arvostamani Piisamirotta Mauran blogin kansikuvassa. Muista kurssikerroista poiketen näin ei kuitenkaan nyt toimittu, sillä viidennellä kurssikerralla ei tuotettu ainuttakaan teemakarttaa. Sen sijaan tutustuttiin maantieteessä tärkeään tutkimusmenetelmään eli bufferointiin. Se on itselleni tuttua jo joiltain geologian puolen kursseilta. Huomasin kuitenkin nopeasti, että ko. kursseista kuluneen ajan ja eri paikkatieto-ohjelman käytön vuoksi aiemmin oppimastani ei juurikaan hyötyä tässä kohtaa ollut. Korkeintaan perusidea oli tuttu, mutta siihenkin tuli hyvää kertausta tunnin alun luentovaiheen myötä.

Tällä kertaa töitä tehtiin paljon itsenäisemmin verrattuna aiempiin kurssikertoihin, joissa tehtävät enemmän tai vähemmän ainakin alustettiin Artun perässä MapInfoa näppäilemällä. Ohjelman käyttö on alkanut koko ajan sujua paremmin ja paremmin joten oletin, että tehtävien tekeminen onnistuisi ilman suurempia ongelmia ominpäinkin. Oli miten oli, apua joutui kuitenkin kysymään vierustovereilta ja opettajalta melko paljon. Kuten Eveliina blogissaan (Even PAK-blogi) myöntää, tällä kertaa onnistumisen takeena olivat tiimityöskentely ja monesti askel askeleelta etenevät ”luuranko-ohjeet”. Ensimmäinen tehtävä koski Malmin lentokentän melualueita. Itselleni tehtävä oli erityisen mielenkiintoinen, koska asuin koko lapsuuteni tämän Koillis-Helsingin massiivisen maamerkin kupeessa. Yhden ja kahden kilometrin säteelle melualueesta bufferoitujen alueiden asukasmäärien suuret erot eivät alueen hyvin tuntevana juurikaan yllättäneet.

Seuraavaksi tutkimme samankaltaisia melualueen bufferointi-ominaisuuksia hieman suuremman Helsinki-Vantaan lentokentän osalta. Alku sujui tämän tehtävän kanssa hyvin, mutta ”vähintään 55 dB melualueen” kohdassa meni hieman sormi suuhun. Onneksi ryhmässäni on fiksuja ihmisiä, joiden avulla tästäkin lopulta selvittiin. Loput tehtävät käsittelivät juna-asemien ja taajamien puskurivyöhykkeiden asukkaita, ja ne sujuivat jo melko mukavasti ”luuranko-ohjeita” vähän väliä lunttaillen. Viimeiseen itsenäistehtävään oli kolme vaihtoehtoa, joista pienen pohdiskelun ja ohjeiden tutkimisen jälkeen päädyin tekemään Helsingin Yhtenäiskoulua koskevaa tehtävää. Vaikka ohjeet olivatkin tähän tehtävään melko yksityiskohtaiset, piti ensimmäistä kohtaa hetken verran pohdiskella. Kun koulupiirit-taulukon sarakkeiden merkitykset lopulta avautuivat, sujui tehtävä sutjakasti läpi aiemmin opittuja toimintoja hyväksikäyttäen.

Vastaukset kurssikerran tehtäviin.

Vastaukset kurssikerran tehtäviin.

MapInfoa jo varsin hyvän aikaa käyttäneenä sen tärkeimmät ominaisuudet ja käyttötarkoitukset alkavat valjeta. Taulukkomuotoisten tietokantojen muokkaus, yhdistely ja tietojen siirtäminen erilaisiksi teemakartoiksi ovat ohjelman kulmakiviä ja parhaita puolia. Niitä on myös harjoiteltu sen verran runsaasti, että niiden käyttö alkaa tulla jo melkolailla selkärangasta. Näiden lisäksi bufferointi oli hyödyllistä oppia tässä vaiheessa. Sitä voi kurssikerralla käsiteltyjen aiheiden lisäksi hyödyntää esimerkiksi haitallisten aineiden, kuten voimalan saasteiden levinneisyyden tutkimisessa. Myös esimerkiksi uuden rakennushankkeen vaikutuksia ympäristöön voi tutkia puskurivyöhykkeiden avulla. Perusominaisuudet MapInfon kanssa alkavat siis olla jo hallussa. Suurimpia ongelmia ehkä tällä hetkellä tuottaa edelliskerralla ”opittujen” toimintojen unohtelu, kun niiden päälle opitaan uusia juttuja. Toisaalta, eiköhän kokemusten kartuttua päästä joskus siihen vaiheeseen, ettei joka maanantai tarvitsisi GIS-labrassa kuumotella millä työkalulla mikäkin taikatemppu tehtiinkään.

Lähteet:

Karttoja tässä tilanteessa? No ehkä yksi. 13.1.2015. https://blogs.helsinki.fi/maurapem/. Luettu: 11.3.2015

Kurssikerta 5. Even PAK-blogi. 19.2.2015. https://blogs.helsinki.fi/eveliiik/. Luettu: 11.3.2015

Neljäs kurssikerta – Ruutuja ja muunkielisiä pääkaupunkiseudulla

Neljännellä kurssikerralla käsiteltiin ruutukarttoja, niiden tekemistä ja analysoimista MapInfolla. Ohjelman käyttö alkaa kerta kerralta tuntua luontevammalta, eikä jokaista pikkutoimintoa tarvitse hyvänä päivänä enää jäädä erikseen pohtimaan. Se tekee ohjelman kanssa työskentelystä antoisampaa ja tehokkaampaa. Tällä kertaa ohjelman avulla harjoiteltiin rasteriaineiston käyttöä teemakartan tekemisessä. Tutkimusalueena toimii pääkaupunkiseutu. Tutkimuskohteen sai päättää itse lukuisista tietokannan vaihtoehdoista oman kiinnostuksensa mukaan. Päätin tutkia muunkielisten määrää ja tarkastella, onko tässä havaittavissa suuremman mittakaavan alueellista vaihtelua vai ennemminkin korttelikohtaista variaatiota.

Muunkieliset pääkaupunkiseudulla (MapInfo).

Muunkieliset pääkaupunkiseudulla (MapInfo).

Valitsin pikselikooksi 300×300 metrin. Tein teemakartan ensin samoin kuin Sanna (Sannan PAK-blogi), eli jätin pikseleiden rajat näkyville. Kokeilin kuitenkin jälkikäteen miltä kartta näyttäisi ilman kyseisiä rajoja, ja olinkin tyytyväinen tällä tavoin saavuttamaani hieman wesandersonmaisen harmoniseen ja pehmeään värimaailmaan. Luokittelutapana käytin jälleen kerran luonnollisia luokkarajoja, joka paria muutakin luokittelutapaa kokeiltuani jakoi aineiston havainnollistavimmin viiteen luokkaan. Luokkien kokoa tarkastelemalla näkee, että ylin luokka on selkeästi muita suurempi. Tämä viittaa siihen, että muunkielisten jakaumassa on melko selkeää epätasaisuutta. Kahta ylintä luokkaa edustavia pikseleitä on vähän siellä täällä etenkin Helsingin alueella, mutta jonkinlaisia keskittymiäkin näyttäisi olevan erityisesti Itä-Helsingissä Vuosaaren ja Kontulan tienoilla. Espoossa muunkieliset näyttävät puolestaan keskittyvän Espoon keskuksen ja Matinkylän kaupunginosiin. Vantaalla muunkielisiä on Martinlaakson ja Myyrmäen keskittymien ulkopuolella suhteellisen vähän.

Rasteripohjainen teemakartta sopii ainakin tämänkaltaisen aiheen tutkimiseen, sillä sopivan pienellä ruutukoolla pystyy päättelemään jonkin verran myös korttelikohtaisesta vaihtelusta. Etenkin Helsingissä, jossa muunkielisten keskittyminen on nimenomaan korttelikohtaista eikä niinkään kaupunginosiin liittyvää, sopii ruututeemakartta kuvaukseen hyvin. Yksittäiset tummanpunaiset ruudut siellä täällä karttaa saattavat olla juuri kyseistä korttelityyppistä keskittymää, ja esimerkiksi koropleettikartalla tällaiset jäisivät tyystin huomaamatta. Toisaalta koropleettimuotoisesta teemakartasta saa kenties paremman yleiskuvan tutkittavan muuttujan alueellisesta jakaumasta.

Lähteet:

Kurssikerta 4: MapInfon kanssa tunteiden vuoristoradassa. Sannan PAK-blogi. 5.2.2015. https://blogs.helsinki.fi/kusaku/. Luettu: 23.2.2015

Kolmas kurssikerta – Tulvia, järviä ja afrikkalaisia juttuja

Kolmannella kurssikerralla jatkettiin syventymistä jo hieman tutuksi tulleen MapInfon saloihin. Tällä kertaa oli tarkoitus tehdä teemakartta eri alueiden tulvaindeksistä ja liittää mukaan alueiden järvisyysprosentti. Tehtävä oli lähtökohdiltaan siis suurinpiirtein samanlainen kuin viimeksi, eli yhdelle teemakartalle tuli liittää kaksi eri ominaisuutta ja tutkia niiden mahdollisia yhteyksiä. Pohjakartassa Suomi on tällä kertaa jaettu valuma-alueiden mukaan eri kokoisiin osiin. Tulvaindeksi kertoo sen, miten yleisiä tulvat ovat kullakin alueella. Kartallani tämä näkyy koropleettimuodossa jo aiemmin tutuksi ja turvalliseksi kostautuneen purppuran eri sävyillä. Luokkia tämän indeksin kohdalla on viisi. Luokittelutapana käytin tälläkin kertaa luonnollisia luokkarajoja sillä arvelin geologian puolella oppimani pohjalta, että aineiston jakaumassa olisi alueellisesti melko isoa vaihtelua.

Suomen valuma-alueiden tulvaindeksi ja järvisyysprosentti.

Suomen valuma-alueiden tulvaindeksi ja järvisyysprosentti.

Luokkajako näyttäisi onnistuneelta ja jakavan valuma-alueet tulvaindeksiltään korkeampaan rannikkoon ja pienempään sisämaahan. Säännönmukaisuus on hyvin selkeä, sillä rannikon valuma-alueista vain muutama hassu kuuluu alimpaan luokkaan. Korkeimman tulvaindeksin valuma-alue sijoittuu Turun tienoille. Rannikon alueita yhdistää meren läheisyyden lisäksi erityisen alava maasto ja jokien suuri määrä, mikä luo erinomaiset edellytykset tulvimiselle etenkin lumien sulamisen ja sateisimpien kuukausien aikaan. Joet ovat niin keskeisessä roolissa tulvien syntymisessä, että niiden visualisointi kartalle olisi ollut kannattavaa, kuten Olli Kauppi blogissaan toteaa (Olli Kaupin paikkatietoblogi). Yhdistävä tekijä rannikoiden valuma-alueille on myös pieni järvisyysprosentti. Ainoat rannikon valuma-alueet, joiden tulvaindeksi kuuluu alimpaan luokkaan, ovat vähemmän yllättäen järvisyysprosentiltaan korkeampia.

Näiden kahden muuttujan välillä näyttäisikin vallitsevan selvä käänteinen korrelaatio. Kun toinen muuttuja (järvisyysprosentti) kasvaa, pienenee toinen (tulvaindeksi). Tämä selittyy suureksi osin sillä, että järvet pidättävät itseensä suuret määrät vettä ja hillitsevät näin valuntaa. Tämä taas vähentää suoraa tulvimisen riskiä. Toisaalta sisämaan alueet ovat topografialtaan hivenen korkeampia ja vähemmän jokien halkomia, joka vaikuttaa myös tulvien määrää laskevasti. Suomen topografia kohoaa karkeasti määrittäen koillista ja itää kohti, minne päin mentäessä myös tulviminen näyttää pienenevän.

Kurssikerran toisessa tehtävässä aiheena oli tutkia teemakarttaa Afrikan timanttikaivosten, konfliktien ja öljylähteiden sijaintia ja konfliktien kohdalla myös niiden laajuutta koskien. Paikkatieto-ohjelman tietokannoista löytyy lisäksi lukuisia erilaisia tietoja näistä kolmesta aiheesta. Näitä tietoja yhdistelemällä ja tutkimalla on mahdollista muodostaa päätelmiä siitä, voisiko näiden muuttujien välillä olla jonkinlaisia yhteyksiä ja mitä kartan sekä tietokantojen perusteella voi ylipäätään päätellä.

Afrikka on tullut tunnetuksi melko rauhattomana maanosana, jossa eri syistä alkaneita konflikteja on milloin missäkin. Tämä näkyy kartalla selvästi siinä, että ainostaan Sahara muodostaa laajemman valkoisen vyön, jolle konfliktit eivät yllä. Suoraan maantieteellisesti vertailemalla on vaikea sanoa, voisivatko esimerkiksi timanttikaivosten sijainti ja kaivausten aloitusvuosi olla joidenkin konfliktien takana, sillä ne jakautuvat melko sikin sokin ympäri Afrikan läntistä puoliskoa. Suurimpien kaivoskeskittymien läheisyydessä ei myöskään ole erityisen runsaasti konfliktialueita. Konfliktien alkamisvuosia ja timanttikaivosten löytämis- ja aloitusvuosia vertailemalla kullakin alueella voi kuitenkin tarkastella, voisiko näistä löytää syy-seuraussuhteita. Sama pätee öljylähteiden sijaintiin ja ominaisuustietoihin. Öljy ja timantit ovat tunnetusti merkittäviä politiikan välineitä, joten jonkinlaisia yhteyksiä konflikteihin lienee löydettävissä. Etenkin Pohjois-Afrikan öljykenttien välittömässä läheisyydessä näyttäisi olevan konfliktialueita, jotka voivat hyvinkin liittyä toisiinsa.

Öljy ja timantit eivät välttämättä ole hyviä mittareita kertomaan valtion kehityksestä ja taloudellisesta hyvinvoinnista. Niistä saatavat rahat menevät yleensä pienen rikkaan yläluokan ja valtion hallinnon taskuihin, ja peruskansalainen ei niistä usein millään tavalla hyödy. Parempi mittari kuvaamaan valtioiden kehitystä on Internetin käyttäjien määrän kehitys vuosien kuluessa. Internet voidaan nähdä yhtenä kehittyvän valtion mittarina, sillä sen käyttö ja ylläpito vaatii toimiakseen suhteellisen kehittynyttä infrastruktuuria ja ihmisiltä jonkinlaista varakkuutta maksaa siitä. Jos Internetin käyttäjien ja timanttikaivosten ja/tai öljylähteiden lukumäärää tietyllä alueella tutkii, voi hyvinkin olla, etteivät niiden määrät vaikuta toisiinsa. Voi siis hyvin olla, että valtio on Internetin käyttäjien suhteen Afrikan huippua, vaikkei siellä timantteja kaivettaisi eikä öljyä porattaisi.

Lähteet:

Kolmas kurssikerta. Olli Kaupin paikkatietoblogi. 3.2.2015. https://blogs.helsinki.fi/okauppi/. Luettu: 13.2.2015

 

Toinen kurssikerta – Lappi, alkoholi & rattijuopumukset

Kun ensimmäisestä kurssikerrasta oli juuri ja juuri selviydytty kunniakkaasti läpi, hyökkäsi seuraava kerta jo kunnianhimoisesti päälle. Tällä kertaa ideana oli syventyä entistä monimutkaisemmin MapInfon ja ylipäänsä teemakarttojen ominaisuuksien ja niiden tekemisen saloihin. Ensimmäisellä kurssikerralla olimme jo paneutuneet mm. erilaisten luokittelutapojen eroihin ja tavallisen teemakartan tekemiseen MapInfolla, ja näitä taitoja hyödynnettiin myös tällä kertaa.

Kun viimeksi tekemämme koropleettikartta kuvasi yhtä muuttujaa, oli kartan tehtävänä nyt kuvata kahta muuttujaa päällekkäin. Suotavaa oli, että näiden kahden muuttujan väliltä pystyisi löytämään jonkinlaista korrelaatiota. Tilastollista dataa oli tarjolla hurja määrä kurssimateriaaleissa ja etenkin Terveyden ja hyvinvoinnin laitoksen (THL) tilastopankissa SOTKAnetissa. Tämän takia kiinnostavien ja toistensa kanssa yhteensopivien muuttujien valinnasta muodostui yllättävänkin iso urakka, kuten Olli Kauppi (Olli Kaupin paikkatietoblogi) myös toteaa. Itseasiassa oma torstai-illan tuntini hujahti siihen, kun mietin ja testailin eri muuttujien välisiä yhteyksiä. Lopulta päädyin useammankin mutkan kautta tutkimaan Lapin kuntien asukasta kohden lasketun Alkosta ostetun 100% alkoholin määrän ja poliisin tietoon tulleiden rattijuopumustapausten välistä suhdetta.

Olettamukseni oli, että siellä missä ostetun alkoholin määrä on suurinta, olisi myös eniten havaittuja rattijuopumustapauksia. Kuten teemakartan väreistä selvästi näkee, kasvaa alkoholin myynti jokseenkin tasaisesti pohjoista kohti. Pientä vaihtelua on etelämmässäkin, mutta korkeimman alkoholimyynnin kunnat sijaitsevat kaikki aivan pohjoisessa. Utsjoella lukema kohoaa jopa 52,7 litraan/asukas, joka kuulosti ainakin omaan korvaani uskomattoman hurjalta luvulta. Tämän vuoksi kävin perehtymässä tarkemmin tilaston tietosisältöön ja paljastuikin, että lukuun on laskettu mukaan kaikki kunnan alueen Alkoista ostettu alkoholi. Se tarkoittaa, että lukemassa ovat mukana yksittäisten ihmisten lisäksi myös mm. elintarvikeliikkeiden ja anniskeluravintoloiden ostama alkoholi. Luku etenkin Utsjoella on tästä huolimatta melkoisen massiivinen, mutta ainakin vähän helpompi ymmärtää. Vaihtelu on tämän muuttujan osalta suurta, sillä alimman luokan kunnissa myynti on vain 0-5,5 litraa.

Seuraavaksi lisäsin alueen kunnittaiset rattijuopumustapaukset kartalle vekkulein poliisiauto-symbolein. Niiden koko ilmoittaa tapausten määrän promilleina. Nopealla silmäilyllä jonkinlaista korrelaatiota on havaittavissa alkoholin myynnin kanssa. Rattijuopumuksia on rekisteröity suhteellisen runsaasti pohjoisen kunnissa, jotka kuuluvat myös alkoholin myynnissä kahteen ylimpään luokkaan. Pienemmän alkoholimyynnin kunnissa myös rattijuopumuksia on rekisteröity vähemmän. Harmillisen poikkeuksen tähän mukavan oloiseen korrelaatioon tekee Pelkosenniemi, jossa vain keskimääräisestä alkoholin myynnistä huolimatta on rekisteröity suorastaan hervottoman suuri määrä rattijuopumustapauksia; selvästi eniten tutkimusalueen kunnista. Syyt tähän poikkevan suureen rattijuopustapausten määrään ovat siis jossain muualla, ja niihin ei omalla tutkimusasetelmallani pääse käsiksi.

Luokittelin alkoholimyynnin ensin kvantiileihin, mutta kuten ensimmäisen kurssikerran työssäni, tuli ylimmästä luokasta taas turhan laaja. Kokeilin sitten luonnollisia luokkavälejä, joka toimi paremmin. Esimerkiksi Utsjoen yksittäinen alkoholimyynnin piikki rajautui tällä tavoin omaksi luokakseen. Käytin samaa luokittelutapaa myös rattijuopumusten määrän kohdalla, sillä Lapin harvaanasutulla seudulla oletin sen toimivan aiemmin käyttämiäni kvantiileja paremmin. Teemakartta onnistui alun päätösvaikeuksien jälkeen ihan mukiinmenevästi. Rattijuopumustapauksia kuvaaviksi symboleiksi poliisiautot olivat varsin relevantti valinta, sillä perustuuhan tilasto poliisin rekistereihin. Koropleettikartan värit sen sijaan menivät melkolailla hatusta heittämällä, sillä alkoholijuomien laajan värikirjon vuoksi en keksinyt sille yhtä havainnollistavaa väriä. Siispä värimaailma pysyi jokseenkin samana kuin silmääni ensimmäisessä teemakartassani miellyttäneessä säyseän violetissa.

Lähteet:

Toinen kurssikerta. Olli Kaupin paikkatietoblogi. 28.1.2015. https://blogs.helsinki.fi/okauppi/. Luettu: 28.1.2015

Alkoholijuomien myynti asukasta kohti 100 %:n alkoholina, litraa (2013). SOTKAnet, THL. http://uusi.sotkanet.fi/portal/page/portal/etusivu/hakusivu/tulossivu?regionCount=320&currentEvent=getData&sexCount=1&setId=p85c1a784c430d5cc51f208dae545d6bbd4bd98cb682119&indCount=1&yearCount=1. Luettu: 28.1.2015.

Poliisin tietoon tulleet rattijuopumustapaukset / 1000 asukasta (2013). SOTKAnet, THL. http://uusi.sotkanet.fi/portal/page/portal/etusivu/hakusivu/tulossivu?regionCount=320&currentEvent=getData&sexCount=1&setId=p85c1a784c430d5cc51f208dae545d6bbd4bd98cb682119&indCount=1&yearCount=1. Luettu: 28.1.2015.

Ensimmäinen kurssikerta

Paikkatiedon hankinta, analyysi ja kartografia-kurssin ensimmäisellä kerralla oli tarkoituksena oppia perusteet Mapinfo-ohjelman käytölle. Olin aiemmin käyttänyt toimintaperiaatteeltaan hieman samankaltaisia ArcGIS- ja CorelDRAW-ohjelmia, joihin nähden Mapinfo vaikutti suhteellisen simppeliltä ja mutkattomalta. Perustoimintoja oppi käyttämään jo yhdessä opettajan kanssa tehdyn harjoitusteemakartan myötä, jonka jälkeen oli määrä tehdä vapaavalintainen teemakartta Helsinkiä tai koko Suomea koskeneen valmiin aineiston pohjalta. Itse päädyin väsäämään teemakarttani Helsingin asukastiheydestä aiheen yleisen kiinnostavuuden vuoksi ja siksi, että siitä on jo valmiiksi melko vahvoja mielikuvia joihin saatuja tuloksia voi sitten vertailla.

Helsingin asukastiheys osa-alueittain (Mapinfo 2011).

Helsingin asukastiheys osa-alueittain (Mapinfo 2011).

Valmiissa työpohjassa Helsinki oli jaettu osa-alueisiin. Luokittelutavaksi valitsin kvantiilit, jolloin jokaiseen viiteen luokkaan tuli yhtä paljon muuttujia eli tässä tapauksessa osa-alueita. Legendiä tutkimalla voi nopeasti havaita, että muuten melko tasaisen asukastiheyden Helsingissä on muutamia yksittäisiä selvästi korkeamman asukastiheyden piikkejä. Tämän näkee siitä, että ylimmän kvantiilin luokkaväli (4600-30200 asukasta/km²) on hyvinkin radikaalisti suurempi kuin neljän muun. Tässä luokassa on kuitenkin suunnilleen yhtä paljon muuttujia kuin neljässä muussakin, joten seudun asukastiheys näyttäisi painottuvan pienempiin arvoihin (alle 4600 asukasta/km²).

Itse jätin nimistön teemakartastani pois toisin kuin saman alueen työikäisen väestön määrää kartassaan käsitellyt Jaakko Huttunen (jaahuttu’s blog), sillä asukastiheyttä käsitellessä yksittäisen osa-alueen nimi ei ole kokonaisuuden kannalta niin relevantti. Lisäksi nimien lisääminen teki teemakartastani hieman sekavan, kun osa nimistä oli useamman osa-alueen päällä. Tihein asutus kohdistuu erityisesti kantakapunkiin, joka on yhtenäisin tiheän asutuksen keskittymä ja jossa sijaitevat kaikki korkeimman asutustiheyden osa-alueet; toisin sanoen kaikki yli 10000 asukasta/km² kattavat muuttujat. Sen lisäksi itä-Helsingissä Kontulan ja Vuosaaren tienoilla sekä länsi-Helsingissä Haagassa ja Kannelmäessä on suhteellisen tiheää asutusta. Päärataa seurailee myös hieman keskimääräistä tiheämpää asutusta Pasilasta aina Tapulikaupunkiin saakka. Pienin asukastiheys kohdistuu koillisnurkan osa-alueille ja yksittäisiin teollisuus- ja liikekeskuksiin. Muilla osa-alueilla asukastiheys vaihtelee melko satunnaisen oloisesti keskimmäisten kolmen kvantiilin välillä.

Luokittelutapaa ei ollut kovin helppo valita, sillä muutamien yksittäisten korkeiden asukastiheysarvojen vuoksi jakaumasta tulee auttamatta melkoisen vino, kuten tekemästäni histogrammistakin on selvästi nähtävissä. Valinta kvantiileihin oli kuitenkin siinä mielessä onnistunut, että se erottaa selkeän yhtenäisesti omaksi alueekseen kantakaupungin suuren asukastiheyden keskittymän. Tämän alueen oletinkin olevan se kaikkein tiheimmin asuttu osa Helsingistä. Jakauman vinous aiheuttaa kuitenkin sen, että ylin luokka on hyvinkin laaja. Tämän vuoksi tummimmalla purppuran sävyllä erottuvat osa-alueet voivat poiketa toisistaan hyvinkin merkittävästi, vaikka ne tässä kuuluvatkin samaan luokkaan. Esimerkiksi Maunula ja Vallila kuuluvat ylimpään luokkaan, vaikka jokainen alueilla käynyt tietää jälkimmäisen olevan merkittävästi tiheämmin asuttua. Luonnollinen luokkaväli olisi voinut sittenkin erottaa korkeimmat asukastiheydet havainnollistavammin omaksi luokakseen. Lopputulokseen olen kuitenkin ihan tyytyväinen. Kartta on väreiltään ja yleisilmeeltään harmoninen, ja siitä saa tavallinen tarkastelijakin yleispätevän peruskäsityksen Helsingin asukastiheyden alueellisesta jakautumisesta.

Lähteet:

Paikkatiedon hankinta, analyysi ja kartografia – Ensimmäinen blogimerkintä, 14.01.2015. jaahuttu’s blog. 14.1.2015. https://blogs.helsinki.fi/jaahuttu/.