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/.