Blogi on valmis!!!

Ja nyt (vihdoin) tämäkin blogi on valmis! Pahoitteluni, että siinä kesti “vähän” pitempään kuin oli tarkoitus.

Pahoitteluni myös siitä, että tämän blogin tekstien postauspäivämäärissä ja kellonajoissa on häikkää. Muokkasin blogitekstejä niin monena päivänä ja lisäksi blogitekstit piti vielä pakottaa oikeaan järjestykseen. Näinpä en suosittele luottamaan omien postauksieni julkaisupäivämääriin.

Mutta ilokseni voin ilmoittaa, että opin kurssitehtäviin paneutuessa paljon MapInfosta ja muutamasta muustakin ohjelmasta karttoja jälkikäteen muokkaillessa ja paljon muustakin tätä blogia kirjoitellessa.

iso kiitos Artulle ja kurssikavereille kurssista!

Ja näin tämä blogi sulkeutuu (kommentit edelleen tervetulleita) koko ajan taustana olleen Kilpisjärven auringonlaskun myötä. (Senkin, kuten kaikki blogin kuvat, saa isommaksi klikkaamalla 😉 )

Lukuiloa teille toivottaen!

-Maria

Kurssikerta 7 Luonnonsuojelua ja kotikaupungin maanpeiteluokituksia

Viimeistä kurssikertaa varten oli tarkoitus etsiä aineistoa jostain itseään kiinnostavasta aiheesta. Omaan graduuni liittyen olen kiinnostunut arktisen alueen kasvillisuudesta ja hiilivarannoista. Nämä mielessäni seikkailin hyvän tovin erilaisilla sivustoilla ja yllätyin todella miten paljon aineisto on tarjolla! Kanadastakin saisi vaikka minkälaista ilmaista paikkatietoaineistoa, tosin iso osa on enemminkin ”kulttuurimaantieteellistä”. Löysin kuitenkin sitä kaipaamaani aineistoa liittyen maaperään ja kasvillisuuteen. Tai ainakin näin luulin, kun niitä netistä latailin. Kaikki lataamani aineisto oli .shp-muodossa, joten en voinut tarkistaa kotikoneellani, että miltä sisältö näyttää. Ennen kurssikertaa istuin sitten kirjaston koneelle ja lähdin kokeilemaan aineistojen avaamista. Luulin, että MapInfo ei tajua näitä Esrin tiedostoja, mutta yllättävän kätevästihän se teki niistä .tab-versiot. Ensimmäisen onnistuin avaamaan hyvin, mutta sitten ihmettelin, että mikä on, kun muut tiedostot eivät muutukaan nätisti. Ongelman taustalla olikin sitten se, että olin unohtanut purkaa .zip-kansiot ja siitä MapInfo ei näköjään tykännyt. Tajuttuani tämän aineistot alkoivat aukeamaan MapInfossa, mutta eivät varsinaisesti minulle. National Snow & Ice Data Center:in sivuilta löytämäni maaperädata oli termeiltään minulle sellaista hebreaa, että totesin sen käsittelemisen olevan minulle ennemminkin tieteellinen haaste kuin paikkatiedollinen taidonnäyte. Kiinnostus aineistoa kohtaan oli kuitenkin sen verran iso, että hetken aikaa haastoin sillä itseäni ja Arttua myös paikkatieto-mielessä. Aineiston projektio ei sopinut pohjakarttaani ja Artun avullakaan en saanut sitä lopulta kohdilleen.

Toinen yritykseni liittyi biomi-dataan, jonka löysin The Nature Conservancy:n sivuilta. Se asettui kauniisti yhteen pohjakartan projektion kanssa, mutta luokkia oli aivan liikaa! Siitä aineistosta järkevän näköisen kartan tuottamisessa suurin osa ajasta olisi mennyt visuaalisesti fiksujen värien löytämiseen. Ja sehän ei nyt olisi ollut sinänsä taitoja haastavaa vaan ennemminkin vaan hyvin aikaa vievää. Ja toisaalta se ei olisi myöskään ollut kovin uusia idea ja vastaavia löytyy jo esim. WWF:n sivulta (Kuva 1). Sen jälkeen olisi toki voinut vaikkapa vertailla pylväsdiagrammein biomien pinta-aloja tai muuta sellaista, mutta senkin esittäminen olisi voinut olla haastavaa. Kun luokkia on tuon verran paljon, niin pylväitä olisi tullut kanssa järkyttävän paljon. Toisaalta näin jälkikäteen keksin kyllä muitakin vaihtoehtoja. Olisihan voinut olla ihan mielenkiintoista esittää vaikkapa biomien lukumäärää ja osuutta maanosittain ympyrädiagrammeilla.

Kuva 1 Biomit/ecoregions WWF:n sivuilta
Kuva 1 Biomit/ecoregions WWF:n sivuilta (Klikkaa kuvaa päästäksesi alkuperäiselle sivulle)

Päädyinkin sitten siirtymään takaisin koti-Suomeen. Aineistoa etsiessä olin törmännyt Syke:n tarjoamaan avoimeen paikkatietoaineistoon. Löysin sieltä itseäni kiinnostavan aiheen eli valtion mailla olevat luonnonsuojelualueet. Latasin aineistot suoraan verkkosivulta, mutta niitä olisi voinut ensiksi tarkastella myös latauspalvelu LAPIO:n avulla. Lataamani tiedosto aukesi kuitenkin nätisti MapInfossa ja Suomen kartalle tupsahti paljon erilaisia luonnonsuojelualueita. Päätin tarkastella niiden pinta-alallista osuutta jostain alueesta, tällä kertaa maakunnissa. Maakunnat tuntuivat luonnollisemmalta valinnalta kuin kunnat. Kunnat sopisivat ehkä paremmin luonnonsuojelualueiden tarkasteluun poliittiselta kannalta, kun taas maakunnat kuvaavat sitä ehkä paremmin luonnonmaantieteellisesti tai maisemaa ajatellen.

Maakuntavertailua varten minun tuli luoda tietokanta, jossa jokainen maakunta on oma rivinsä. Näiden alueiden sisältä pystyin laskemaan luonnonsuojelualueiden pinta-alojen osuuden koko maakunnan pinta-alasta. Tietokannan luomiseen käytin tässä samaa tekniikkaa kuin silloin Afrikan maita yhdistäessämme kolmannella kurssikerralla. Käytin apuna jo ensimmäisellä kurssikerralla käyttämäämme kunta-tietokantaa, jossa oli maakunta-sarake. Tätä saraketta käyttäen pystyin yhdistämään samaan maakuntaan kuuluvat alueet yhdeksi maakunnaksi. Luonnonsuojelualueiden osuuden laskin samaan tyyliin kuin laskimme peltojen pinta-aloja viidennellä kurssikerralla. Lopputuloksena minulla oli siis uusi tietokanta, jossa oli oma rivi kullekin maakunnalle, maakunnan pinta-ala, maakunnan luonnonsuojelualueiden pinta-ala, luonnonusojelualueiden pinta-alan osuus koko maakunnanpinta-alasta ja luonnonsuojelualueiden lukumäärä maakunnassa. Näistä sain sitten helposti taiottua Kuvan 2 kaltaisen kartan. Luokat ovat taas luonnollisen luokkajaon mukaiset. Kartalla luokkajako näyttää hyvältä, mutta jakoa tarkastellessa huomaa, että luokat ovat hyvin erikokoisia. Näillä luokkajaoilla en laittaisi karttaa ainakaan sanomalehteen hämäämään lukijoita, vaan muokkaisin jakoa, niin että toisiksi ylin luokka ei kattaisi naurettavan suurta osaa jakaumasta (2,5 – 26,6%).

Kuva
Kuva 2 Valtionmailla olevien luonnonsuojelualueiden osuus maakuntien pinta-alasta ja niiden lukumäärä (Klikkaa kuva isommaksi)

Olen itse Kuopiosta kotoisin, mikä on ehkä käynyt ilmi jo aiemmin. Tällä minua jäikin kiinnostamaan, miksi Pohjois-Savon suojeluaste on niin matala ja päätin tarkastella olisiko tilanne toinen esimerkiksi Natura2000-alueiden kohdalla. Tämän tarkastelun tulos on Kuvan 3 kartassa, jonka tein edellisen kartan tapaan. Pohjois-Savo Natura2000-alueiden osuus on myös suhteellisen alhainen.

Kuva
Kuva 3 Natura2000-alueiden osuus maakuntien pinta-alasta ja niiden lukumäärä (Klikkaa isommaksi)

Yksi teoriani sille, miksi Pohjois-Savo ei loista luonnonsuojelualueiden määrää tarkastellessa on järvisyys. Ollaan Järvi-Suomen alueella ja todisteeksi tästä on tässäkin blogissa kolmannen kerran tulva-indeksikartan pylväsdiagrammit. Voisiko olla, että runsasjärvisyys selittäisi alhaista suojelutasoa?

Iso osa luonnonsuojelusta kohdistuu erilaisiin metsiin ja vesiensuojeluun tarkoitettuja suojelualuetyyppejäkin on jo huomattavasti vähemmän. On toki hylkeidensuojelualueita, rantojen suojelua ja lintuvesien suojelua, mutta noista ensimmäinen ei kovin hyvin soveltuisi Pohjois-Savoon ja ehkä Pohjois-Savon järvet ja rannat ovat vaikeasti suojeltavia esimerkiksi asutuksen takia tai ehkä ne eivät ole niin “arvokkaita” Suomen mittakaavalla. Voin myös kuvitella, että laajojen järviensuojelu on myös monessa mielessä haastavampaa kuin maa-alueiden. Millä tavalla toimintaa pitäisi rajoittaa järvillä, jotta niiden suojelu tuottaisi tulosta, mutta ei eripuraa luonnonsuojelijoiden ja muiden alueen toimijoiden välillä?

JärviWiki antaa järvisyydelle lukuja. Sisävesien pinta-ala Pohjois-Savossa on 17,7%, kun taas sekä Valtion maiden suojelualueiden että Natura-alueiden kartoissa kahta luokkaa ylemmäksi yltävällä Etelä-Savon maakunnalla sisävesien pinta-ala on 26,6%. Heillä on toki saimaannorppansa ja siten todennäköisesti hylkeensuojelualueita, mutta ei ne ehkä kuitenkaan kata tätä eroa.

Näiden karttojen kohdalla pitää vielä kommentoida väritystä. Halusin välttämättä käyttää vihreää-teemaa, koska se sopii minusta mainiosti luonnonsuojelun kuvaamiseen. Ongelmana oli kuitenkin, kuinka saada niistä tarpeeksi erillaiset. En halunnut lähteä kokeilemaan hyvin erilaisia vihreän sävyjä, koska silloin luokkien järjestys voisi olla vaikemmin hahmoitettavissa. Lopullisen muokkauksen tein Paintilla. Kartalla värit erottuvat minusta hyvin mutta legendassa värejä on hieman vaika erottaa.

Syke:n palvelusta löytyi myös Corine-aineistoa, jota halusin kokeilla. Päätin tehdä Kuopiosta maanpeitekartan (Kuva 4). Artun avulla sain ladattua MapInfoon korkeusmallin, jonka laitoin maastokartan alle. Mainittakoon nyt vielä, että tällä kertaa en tietoisesti vaihtanut pohjoisnuolta Suomeksi, koska silloin sen alla olevasta saaresta olisi lähtenyt palanen.

Olen melkoisen tyytyväinen karttani ulkonäköön. Kartan värimaailma on minusta suhteellisen onnistunut. Korkeusmalli vuorostaan elävöittää karttaa ja tuo ehkä myös jonkin verran lisäinformaatiota kaupungin rakenteesta. Joskus tällaiset käyttämäni hillshade-korkeusmallit voivat aiheuttaa ongelmia päällä olevien värien tulkitsemiseen, kun varjostus tunkee läpi. Itse en kuitenkaan, että sitä ongelmaa olisi tässä kartassa. Joku voi kokea, että vesistössä näkyvät viivat voivat olla turhia tai jopa häiritseviä, mutta omasta mielestäni maastokarttatausta on vain hauska yksityiskohta. Kuopiota tuntevana voin myös ilokseni sanoa, että Corine-maankäyttöluokitus näyttää hyvin oikealta.

Corine maankäytönluokittelu Kuopion karttalehdellä
Kuva 4 Corine maankäytönluokittelu Kuopion karttalehdellä

Tämän viimeisen kerran ohjeistuksessa oli ohjeita myös html-kartan tekemisestä. Päätin kuitenkin kokeilla Sitä edellisen kerran aineistolla. Eli, jos ette ole vielä vilkaisseet kurssiketa 6 tekstiäni, niin käykäähän tsekkaamassa sen viimeinen kartta. Olen aika tyytyväinen itseeni, kun sain sen toimimaan.

Nyt alkaa olla tämä kurssi pulkassa ja pitää kyllä sanoa, että monenmoista tuli opittua MapInfosta ja ihan kelpoja karttoja luotua. Toivottavasti näitä oppeja pääsee käyttämään myös tulevaisuudessa! 😀

-Maria

 

Lähteet

JärviWiki 2014. Järvitilastot/Järvien lukumäärä ja sisävesiosuus eri maakunnissa. <http://www.jarviwiki.fi/wiki/J%C3%A4rvitilastot/J%C3%A4rvien_lukum%C3%A4%C3%A4r%C3%A4_ja_sis%C3%A4vesiosuus_eri_maakunnissa> Luettu: 29.3.2016

Metsähallitus 2016. Luonnonsuojelualueet valtion mailla ja vesillä. <http://www.metsa.fi/suojelualueet> Luettu: 29.3.2016

National Snow & Ice Data Center 2002. Northern Circumpolar Soils Map. <http://nsidc.org/data/docs/fgdc/ggd602_map_cryosols/> Noudettu: 3.3.2016

SYKE 2016. Ladattavat paikkatietoaineistot. <http://www.syke.fi/fi-FI/Avoin_tieto/Paikkatietoaineistot> Noudettu: 3.3.2016

SYKE 2016. Latauspalvelu LAPIO. <http://paikkatieto.ymparisto.fi/lapio/lapio_flex.html#app=3d81&c3ad-selectedIndex=1> Noudettu: 3.3.2016

The Nature Conservancy 2011-2013. TNCMaps <http://maps.tnc.org/gis_data.html> Noudettu: 3.3.2016

WWF 2016. Maps. <http://wwf.panda.org/about_our_earth/ecoregions/maps/> Noudettu: 3.3.2016

Kurssikerta 6 Suojateitä pitkin hasardeihin

Kurssikerta aloitettiin ulkoilulla, jotta pääsimme harjoittelemaan GPS-pisteiden keräämistä. Itse olen harjoitellut sitä jo aiemmin erilaisissa maastotöissä, mutta enpä ikinä ennen suojateistä, joita minun ryhmäni päätyi keräämään. Sen sijaan näiden pisteiden saaminen kartalle opetti minulle uutta: kuinka Excel-mutoon kauniisti kirjoitetut pisteet saadaan nätisti kartalle oikean projektion ja  “Create points”-toiminnon avulla. Minun mielikuvissa ne pisteet ovat aiemmin vaan ilmestyneet kauniisti kartalle, kunhan niille on antanut mieluisan symbolin. Syynä onkin se, että olen aiemmin siirtänyt GPS-tietoa koneelle ohjelman avulla. Tätäkin me kokeiltiin, tosin ohjelma oli eri kuin, millä minä olen pisteeni GPS:stä siirtänyt.

Seuraavaksi kokeilimme pisteaineiston geokoodausta. Ensiksi tätä kokeiltiin Helsingin pelikoneilla. Tämä geokoodaus-harjoitus oli minusta hyvin hyödyllinen. Esimerkiksi tieto siitä, kuinka toimia, kun kaikki pisteet eivätkään geokoodaudu nätisti. Meidän tapauksessa osoitteiden olisi luullut olleen samoja, mutta valitettavan useinhan niissä on kirjoitusvirheitä. MapInfon geokoodaustoiminto, osaa kuitenkin vinkata näistä virheistä, kun vaan höllää geokoodauskriteerejä sopivasti. En aio kuitenkaan avata enemmän tätä geokoodauksen teknistä puolta, koska minulla on hyvin paljon sanottavaa hasardikartoistani.

 

Monenmoista hasardia

Tein kolme hasardikarttaa, joihin hain tietoa kurssisivulla mainituista tietolähteitä. En lähtenyt karsimaan tietokantojen tietoja esimerkiksi purkauksien ajankohdan tai maanjäristysten voimakkuuksien mukaan, koska ajattelin, että omat karttani voisivat sopia yleisesti hasardien maantieteelliseen käsittelyyn eikä niinkään yksittäisen hasardiin perehtymiseen. Meteoriittien kohdalla mielipiteeni kuitenkin muuttui.

NOAA:n Volcano Location Database Search -tietokannasta sain haettua 1571 tulivuorta ja niiden saaminen kartalle meni suhtellisen helposti (Kuva 1). Karttojen, tämän ja muiden hasardikarttojen, pohjalla päätin käyttää pohjakarttaa, jossa on pinnanmuotoja näkyvillä. Kartta, jossa olisi valtioiden rajat näkyvillä, voisi helpottaa tulivuorien paikantamista, mutta kun tulivuorilla ei ole varsinaisesti mitään tekemistä valtioiden rajojen kanssa, niin tuollainen luonnonmaantieteellisempi kartta sopi minusta paremmin pohjaksi. Symboliksi oli lähestulkoon pakko valita tuollainen stereotyyppisen laavan oranssi ja kolmiomainen symboli, vaikka onhan niitä tulivuoria eri muotoisia, mutta tulivuorityypit eivät olekaan tämän esityksen pointti. Osa symboleista menee päällekkäin, mutta tässä tapauksessa se ei minusta niin haittaa. Kartan ideana, kun ei ole myöskään tutkia yksittäisiä tulivuoria vaan ylipäätään, miten tulivuorten esiintyminen jakautuu maantieteellisesti.

Kuva 2 Maailman tulivuoret
Kuva 1 Maailman tulivuoret (Klikkaamalla saat kuvan näkyviin isompana)

Ystäväni kysyi, minulta kummastuneena, että mikä tulivuori Ruotsissa on. 😀 Ajattelin ensiksi, että ehkä siellä on joku muinainen tulivuoren jäänne, josta en ole vain sattunut kuulemaan, mutta päätin kuitenkin tarkastaa pisteen tiedot tietokannasta… Kappas! Sehän on Lakagigar, Islantilainen tulivuori! Jos pisteen pituuskoordinaattejen eteen olisi laittanut miinusmerkin, niin pistekin olisi päätynyt islantiin. Hups! Pitäisiköhän NOAA:n väelle ilmoittaa pikkumokasta ennen kuin joku muukin kummastelee? 😀

Yritin tehdä samanlaisen kartan maanjäristyksistä. Hain niitä Northern Caroline Earthquake Data Center:n tietokannasta niin, että laitoin minimivoimakkuudeksi “0” ja ruksitin ruudun, joka otti mukaan myös järistykset, joiden voimakkuudesta ei ole tietoa. Vastaukseksi kuitenkin sain:

“Warning – exceeded output limit of 10000 lines.
Search was not completed.”

Seuraavaksi jätin ruksin pois. Ja taas:

“Warning – exceeded output limit of 10000 lines.
Search was not completed.”

Ja lopulta nostin minimivoimakkuudeksi 0,1, mutta:

“Warning – exceeded output limit of 10000 lines.
Search was not completed.”

OK! Maanjäristyksiä on järkyttävän paljon! Päädyin sitten käyttämään yhdessä harjoitukseksi tekemäämme karttaa, jossa on kuvattuna ainoastaan yli 6 Richterin maanjäristykset. Siitä nimittäin näkyy jo melko selkeästi se pointti, joka oppilaiden pitäisi saada tästä hasardien maantieteellisestä tarkastelusta: olisikohan litosfäärilaatoilla jotain tekemistä sijainnin kanssa. Opettajana voisin antaa oppilaiden ensiksi pohtia onko maanjäristysten ja tulivuorien sijainneissa joitain yhtäläisyyksiä nähtävissä. Myöhemmin ottaisin esille jonkun Kuvan 3 kaltaisen kartan litosfäärilaatoista ja sitten voitaisiin miettiä syitä näiden hasardien maantieteellisen esiintymiseen.

Tuomas Tavilla (2016) oli blogissaan erittäin hyvä maanjäristysten ja tulivuoritoiminnan yhteyden korostamisesta: Tyynimeri-keskeisessä kartassa korostuisi mainiosti Tyynenmeren tulirengas, joka on erittäin hyvä esimerkki näiden kahden hasardin välisestä yhteydestä.

Kuva 1 Maailman maanjäristykset
Kuva 2 Yli 6 Richterin maanjäristykset (Klikkaamalla saat kuvan näkyviin isompana)
Kuva 3 Mannerlaatat
Kuva 3 Mannerlaatat (Klikkaamalla saat kuvan näkyviin isompana)

Kolmanteen karttaan (Kuva 4) hain meteoriitteja myös Artun vinkkaamasta tietokannasta ja niitähän tipahti sieltä se 34513 kappaletta. Tietokannan osoite oli hieman kumma, mutta tiedot taitavat pohjautua The Meteoritical Societyn tietoihin. Ainakin jokaiselle tietokannan meteoriitille oli sen sivuille linkki, jossa oli kivasti faktaa meteoriitista.

Kesti hyvä tovi ennen kuin sain ne 34513 meteoriittia kartalle, koska tietokannan ja Excelin välinen siirto-operaatio ei ollut ihan ongelmaton: pisteiden käyttö desimaaleina aiheutti sen, että desimaalilukujen sijaan meteoriittien painoina oli päivämääriä ja sen sellaista pikkuongelmaa. Onneksi Excelilläkin on tullut sen verran leikittyä, että sain ongelman korjattua ja pian karttani olikin täynnä pieniä tähtösiä.

Maailman meteoriittikraaterit
Kuva 4 Maailman meteoriittikraaterit (Klikkaa ihmeessä isommaksi, niin ei tarvitse tihrustaa)

Oppilaillehan halusin tällä kartalla osoittaa hasardien maantieteellistä esiintymistä. Ensimmäinen juttu verrattuna noihin kolmeen edelliseen karttaanhan on se, että litosfäärilaattojen “voimat” eivät taida yltää sinne avaruuteen asti ja meteoriiteillä ei ole niihin mitään yhteyttä. Sillä, mille kohdille mihin meteoriitit iskeytyvät ei ole mitään selkeää syytä tai jos syyksi voi yksinkertaisesti sanoa “sattuma”, niin siinä ollaan jo lähempänä meteoriittien iskeytymisen maantieteellisen esiintymisen analyysiä. Tämä kartta ei kerro kuitenkaan kovin hyvin sitä tarinaa, sillä meteoriitit tuntuvat tämän kartan mukaan tykkäävän erityisesti Pohjois-Amerikasta ja Keski-Euroopasta, kun taas esimerkiksi arktiset alueet ja valtameret eivät lainkaan tunnu houkuttavan niitä. Lisäksi Omanin alueella Lähi-idässä on yllättävä kasauma! Tämä kartta kertookin siis kahta muuta tarinaa, eikä niinkään sattumaa ja ne pitää ehdottomasti tuoda esille, jos tätä karttaa aikoisi käyttää opetuksessa.

1) Kartta ei näytä niinkään meteoriittien putoamispaikkoja vaan meteoriittien löytöpaikat – tai niin tämän itse tulkitsen. Ja ne löytöpaikathan ovat niillä alueilla, joita on eniten tutkittu: kyllä se Ranska taitaa olla vaan niin paljon paremmin kaluttu kuin vaikkapa Etelä-Amerikan ja Afrikan sademetsät, Siperia tai Gröönlanti. Ja eipä sieltä Gröönlannin mannerjään alta niitä ikivanhoja kraatereita ehkä kovin helppo ole löytääkään saatika sitten valtameristä.

2) Välillä tietokantoihin ei syystä tai toisesta haluta laittaa kohteen tarkkoja koordinaatteja. Tästähän me keskusteltiinkin jo ruutumuotoisia karttoja tehdessä 4. kurssikerralla. Silloin osa Helsingissä asuvista asukkaista löytyikin jostain tuhansien kilometrien päästä. Tämän Omanin meteoriittisateen ja ehkä muutaman muunkin kasan taustalla taitaa olla tämänkaltainen tarina.

Kuten jo aiemmin mainitsin päätin kokeilla teemakartta-taitojani kuitenkin yhteen näistä kartoista. Meinasin alkuun teemoittaa meteoriittipisteeni putoamisajankohdalla, mutta se ei ollut hyvä idea. “Year”-sarake oli monilla tyhjä tai aika-arvio oli “Fell/Found”-sarakkeessa, jonka nimi paljastikin seuraavan ongelman. Osalle meteoriiteista oli merkitty se vuosi, kun se oli tippunut, osalle se, kun se oli löydetty. Lisäksi osalle oli tosiaan tarkka vuosiluku ja toisille kommentteja “Age 45 +/- 10 Ma”. Ja nämä tosiaan vielä eri sarakkeissa. Siinä olisi mennyt ikä ja terveys, jos tuota tietokantaa olisi lähtenyt muokkaaman putoamisajankohdan mukaan. Päätinkin sitten valita meteoriittien koot. Tein teemakartan ja taiteilin hyvän tovin järkevän luokkajaon löytämiseksi. Lopulta naputin käsin tuollaiset jonkinlaisia suurusluokkia muistuttavat luokat. Nuo “0” ja “muut” luokat ovat valitettavan isot ja nehän kertovat taas lähinnä sitä samaa tarinaa puuttelisista tai väärin kirjoitetuista tiedoista.  En mene laittamaan päätänäni pantiksi, että muidenkaan luokkien meteoriittien tiedot ovat luotettavia, mutta jos ovat, niin karttahan näyttää ihan kivasti sen, että pieniä on enemmän kuin isoja, vaikka isojen luokat ovatkin paljon laajempia.

Sen lisäksi, että tietosisällöllisesti kartta ei ole kovin vakuuttava on siinä myös visuualisia ongelmia. Valitsin luokkien värit niin, että ne erottuisivat toisistaan. Symbolien päälekkäisyys aiheuttaa kuitenkin se, että tietyille kohdille ilmestyy tummia alueita myös vaaleista tähdistä. Useat lähekkäin olevat ulkoreunat saavat aikaan harhan siitä, että alla olisi tummia tähtiä. Lisäksi tämä päälekkäisyys ylipäätään hävittää ison osan teemakartan tiedosta.Tämä kartta toimikin parhaiten MapInfossa.

Viimeisellä kerran ohjeissa käsiteltiin “HotLinkkejä” eli karttaobjekteihin kytkettyjä linkkejä verkkosivuille tai tiedostoihin. Teinkin sen sarakkeen tiedot, johon oli jokaiselle meteoriitille laitettu linkki tietokantaan, “HotLinkeiksi” eli klikkaamalla objektia tietyllä työkalulla pääsi syoraan kyseisin meteoriitin tietokantaan. Sieltähän sitä on sitten helpompi arvioida, että kuinka luotettavaa tieto on ja vaikka lähteä etsimään lisää tietoa muualta verkosta. Viimeisen kerran ohjeissa käsiteltiin myös, kuinka kartasta voi tehdä html-kartan. Yritin tehdä tästä kartasta sellaista, jotta tekin olisitte päässeet kokeilemaan tätä linkki toimintoa. Idea oli kuitenkin huono. Se oli kooltaan aivan suuri visio, sillä monenkymmenen minuutin surruuttamisen jälkeenkään kartta ei tullut ulos  – ohjelma piti kaataa. Lisäksi tähdethän menevät niin monella kohdalla päällekäin, että olisi hyvin vaikea arvioida kartalta, että minkähän tähti-symboli tiedot sitä tällä kertaa avasi. MapInfolla HotLink-toiminto kuitenkin toimii eri hyvin. Tällöin läheikkän olevat pisteetkään eivät ole ongelma, sillä karttaan zoomatessa tähtien välimatka kasvaa.

Halusin kuitenkin vielä kokeilla Html-kartan tekoa, joten päätin rajata alueen kotoiseen Suomeen. Samalla tuli harjoiteltua pisteiden valitsemista, koska en halunnut karttaani esimerkiksi Ruotsin meteoriitteja.

Olin törmännyt Savon Sanomien nettisivulla uutiseen uusista tiedoista Suvasveden törmäyskraatereista (vierekkäin olevien kraatereiden on ajateltu syntyneen kaksoisasteroidin törmäyksestä, mutta nyt vaikuttaakin siltä, että törmäysten välillä on ollut yli 600 miljoonaa vuotta!) Sain tästä meteoriittia tai törmäyskraatereita koskevasta uutisesta idean, että tekisin kartan, johon kraatereita klikkaamalla pääsisi aihetta koskevalle verkkosivulle. Kuvan 5 karttaa klikkaamalla aukeaa uusi sivu, jossa linkit toimivat. Kraaterit, joiden nimi on keltainen, sisältävät juuri siitä meteoriitista/törmäyskraaterista kertovaa tietoa. Muista aukeaa Suomen törmäyskraatereista kertova wikipedia-sivu, jolla on vähän tietoa jokaisesta meteoriitista/törmäyskraaterista. Kuva 5 näyttää sen millaiselta olisin halunnut kartan näyttävän, mutta MapInfo halusi välttämättä muuttaa karttaa hieman siinä vaiheessa, kun se teki siitä html-kartan. En myöskään osannut muuttaa html-kartan pohjoisnuolta ja mittakaavaa “suomeksi”.

Tällainen kartta voisi sopia myös opetukseen. Siinä yhdistyisi maantieteen opetuksen lisäksi myös näitä uuden OPS:n painottamia taitoja: tiedonhankintaa, tieteellistä lukutaitoa ja kriittisyyttä.

Kuva 5 Suomen törmäyskraaterit. Klikkaa kuvaa avataksesi html-kartan (se voi olla sivun alareunassa). Huom! Html-kartassa kokeile klikata etenkin niitä tähtiä, joiden nimi on värjätty keltaiseksi 😉

-Maria

 

Lähteet:

Arponen, T. 2016. Suvasvedellä sittenkin kaksi törmäystä: paineaalto olisi laittanut Kuopion matalaksi. Savon Sanomat 3.3.2016
<http://www.savonsanomat.fi/kotimaa/Suvasvedell%C3%A4-sittenkin-kaksi-t%C3%B6rm%C3%A4yst%C3%A4-paineaalto-olisi-laittanut-Kuopion-matalaksi/739578> Luettu: 4.3.2016

GTK 2015. Lappajärven meteorikraateri.
<http://luontokohteet.geo.fi/lappajarvi/> Luettu: 4.3.2016

GTK 2015. Söderfjärdenin meteorikraateri.
<http://luontokohteet.geo.fi/sulva_allas/> Luettu: 4.3.2016

Lehtinen, M. 2009. Milloin Suomesta viimeksi löydettiin meteoriitti? Tähdet ja Avaruus 6 (2009)
<https://www.avaruus.fi/kysy-tutkijalta/faq/milloin-suomesta-viimeksi-loydettiin-meteoriitti.html> Luettu: 4.3.2016

Meteoritical Bulletin Database 2016.
<https://www.lpi.usra.edu/meteor/metbull.php> Noudettu: 4.3.2016

Northern Caroline Earthquake Data Center 2013.
<http://quake.geo.berkeley.edu/anss/catalog-search.html> Noudettu: 4.3.2016

Paukku, T. 2013. Venäjän tulipallon kokoinen meteoriitti iski Suomeen 1899. Helsingin Sanomat
<http://www.hs.fi/kotimaa/a1360900207613> Luettu: 4.3.2016

Pearson Prentice Hall, Inc 2005.
<http://www.iupui.edu/~g115/assets/mod04/earth_plates_lg.jpg> Noudettu: 15.3.2016

Tavi, T. 2016. 6. kurssikerta ja kolmen kartan yritys yhtenäiseen esitykseen. tugtavi’s blog.
<https://blogs.helsinki.fi/tugtavi/>
 Luettu: 15.3.2016

The Meteoritical Society 2016.
<http://meteoriticalsociety.org/?page_id=101> Luettu: 4.3.2016

Volcano Location Database Search 2016. NOAA.
<http://www.ngdc.noaa.gov/nndc/struts/form?t=102557&s=5&d=5> Noudettu: 4.3.2016

Kurssikerta 5: Bufferointia paikkatiedollisesti (ei kemiallisesti), väliaikaisia sarakkeita ja muuta mukavaa

Viidennellä kurssikerralla lähdettiin taas käsittelemään taulukkomuotoista informaatiota ja sen käyttämistä tiedonhankinnassa. Sen verran olen MapInfon kanssa toiminut, että tiesin, miten esimerkiksi piirretyn objektin sijaintia tai kokoa kuvaavia lukuja saa esiin. Sen sijaan väliaikaiset sarakkeet olivat minulle uusi juttu! Samoin sellainen todella kätevä taito kuin bufferointi tuli opittua tällä kertaa! Kirjoittelin itselleni joitain huomioita työtä tehdessä, joten jaan nyt teillekin nämä omasta mielestä tärkeät pointit.

…………………

Osa 1: Tilapäiset sarakkeet

Tilapäiset sarakkeet ovat käteviä silloin, kun halutaan ottaa väliaikaisesti jotain laskettua tietoa talteen. Me hyödynsimme näitä laskiessamme Pornaisten keskuksen peltopinta-alaa. Tärkeä huomio näissä tilapäisissä sarakkeissa on se, että ne todellakin ovat väliaikaisia ja niiden tallentaminen ei onnistu suoraan taulukkoon vaan tilapäiset sarakkeet pitäisi tallentaa ensiksi omaksi tietokannaksi ja vasta sitten siirtää taulukkoon uudeksi sarakkeeksi. Toinen huomionarvoinen pointti on, että näitä sarakkeita on turha yrittää tehdä siihen tietokantaan, josta tiedot ottaa eli tilapäisiä sarakkeita voi luoda vain toisen tietokannan tiedoista.

Tilapäisten sarakkeiden kanssa leikkiessä tuli esille myös eräs ihan hyödyllinen toiminto pinta-alojen laskemisesta: proportion sum. Meidän tapauksessa se huolehti siitä, että Pornaisten keskukseksi rajatun alueen rajalla olevista pelloista laskettiin peltojen kokonaispinta-alaan vain se osa pelloista, joka oli keskuksen rajauksen sisällä.

Osa 2: Bufferointia maantieteellisesti (ei kemiallisesti)

Seuraavaksi siirryttiin bufferoimaan. Se on erittäin hyödyllinen toiminto monissa paikkatiedollisissa kysymyksissä (ja tämän lisäksi happojen ja emästen kanssa toimiessa 😉 ). Eikä edes kovin vaikea toteuttaa!

Bufferointia voi tehdä joko objekteille (yhdelle tai useammalle) tai sitten koko tietokannalle. Edellistä varten toiminto valitaan Objects-valikosta ja jälkimmäistä varten Table-valikoista.

Ensin bufferoitiin isojen teiden mukaan eli viivamaisia kohteita. 100 metrin päässä suurten teiden varsilta olevien talojen lukumäärän laskeminen onnistui valitsemalla koko tie-tietokanta (joka naputettiin viime kurssikerralla) ja asettamalla bufferin kooksi se haluttu 100 m. Viivamaisia kohteita bufferoidessa on olennaista se, että tehdäänkö kullekin objektille oma bufferi vai kaikille yhteinen. Jos jokaiselle tehtäisiin oma bufferi-alue, risteyksiiin tulisi päällekkäisyyttä ja jotkut taloista valittaisiin useamman kerran. Tällä kertaa siis mentiin jälkimmäisellä vaihtoehdolla ja tehtiin kaikille tienpätkille yksi yhteinen bufferi.

Viivamaista kohdetta bufferoidessa bufferin smoothness ei ole niin olennainen, mutta pistemäisillä kohteilla siihen on hyvä kiinnittää huomiota. Smoothness määrä, kuinka ohjelma hoitaa muodon kulmien pyöristämisen: 36-kulmainen objekti on huomattavasti siloisempi omaan silmään kuin 12-kulmainen.

Omia bufferointitaitoja kokeiltiin pistemäiselle kohteelle, terveyskeskuselle. Tarkoituksena oli selvittää, kuinka moni taloista on 500 metrin etäisyydellä terveyskeskuksesta. Ihan olennainen kysymys, jos mietitään esimerkiksi terveyskeskuksen saavutettavuutta kävellen. Minun laskujeni mukaan 182 talon mummot ja papat jaksavat mahdollisesti kävellä terveyskeskukseen eli noin 27% alueen taloista on alle 500 metrin päässä siitä.

Kertauksen vuoksi kokeiltiin vielä kolmatta kysymystä: kuinka moni taloista on yli yhden kilometrin päässä koulusta. Eli tälläkin kertaa kohde on pistemäinen. Itse lähdin selvittämään vastausta hieman kiertotietä: loin yhden kilometrin (1 km) bufferin koulun ympärille, laskin sen sisälle jäävät talot (403 kpl) ja miinustin nämä kaikista taloista (670-403 = 267) ja sitten laskin niiden osuuden kaikista. Näin laskettuna noin 39,9% taloista on yli kilometrin päässä koulusta eli Pornaisten keskuksen koululaisten asiat ovat suhteellisen hyvin.

Oli hyvä joutua miettimään, että miten yllä oleva kysymys kannatti ratkaista ennen kuin Arttu paljasti sen vielä helpomman tavan, nimittäin: invert selection. Kun bufferin sisälle jääneet talot on valittu invert selection:lla saadaan kaikki bufferin ulkopuolella olevat talot taianomaisesti valituksi.

…………………

Itsenäistehtävä: lentokenttistä, juna-asemista ja taajamista…

Kun bufferointia oli harjoiteltu tarpeeksi Pornaisissa, siirryttiin itsenäistehtävän myötä Vantaalle. Ratkaistavaksi tuli lentokenttien melusaasteen sekä juna-asemien saavutettavuuteen ja väestön rakenteeseen liittyviä kysymyksiä. Vastaukset kysymyksiin löytyvät Taulukosta 1.

Vastauksien saaminen onnistui suhteellisen helposti. Tehtävien myötä tuli kerrattua mukavasti bufferien tekemistä ja loppua kohden niiden tekeminen alkoi sujua jo varsin hyvin.

Taulukko 1
Taulukko 1 Vastaukset kurssitehtävään (pahoittelen, että en onnistunut saamaan taulukon kuvatekstiä taulukon päälle, niin kuin se kuuluisi) (Taulukon saa hieman suuremmaksi klikkaamalla)

 

Uima-altaallisista rakennuksista…

Lentokenttien ja juna-asemien jälkeen siirryin uima-altaisiin. Näiden vastaukset löytyvät myös taulukosta 1. Näistä tuloksista piti väkertää myös kartta. Kuvan 1 kartassa on kuvattuna pylväsiagrammeina Helsingin pienalueiden uima-altaallisten rakennusten lukumäärä pylväsdiagrammeina. Pylväsdiagrammien lisäksi lukumäärä on ilmaistu lukuina.  Luvut sain esille käyttämällä nimilappu-toimintoa (Label).

Uima-altaiden lukumäärä Helsingin pienalueilla
Kuva 1 Uima-altaallisten talojen lukumäärä Pääkaupunkiseudun pienalueilla. (Klikkaamalla tämäkin kuva suurenee)

Visuaalisesti Kuvan 1 kartta ei ole täysin onnistunut. Ensinnäkin pylväät menevät osittain päällekkäin ja paikoin on vaikea hahmottaa, minkä alueen uima-altaallisia rakennuksia pylväs edustaa. Kokeilin pylväisiin erilaisia kokoja ja päädyin kuitenkin tällaiseen. Kun matalien ja korkeiden pylväiden välinen kokoero on tarpeeksi suuri, kartalta pystyy välittömästi havaitsemaan ne alueet, joilla uima-altaita on runsaasti.

Itseäni häiritsee myös hieman kartan sisältämä ja siitä puuttuva tekstimuotoinen informaatio. Ensinnäkin koen, että luonnollisempi paikka uima-altaiden määrän ilmaisevalle luvulle olisi ehkä ollut pylvään päällä, mutta minun MapInfo-taidoillani tämän kokeilu ei onnistunut. Toisaalta pylvään päällä ollessaan luvut eivät pysyisi kuvaamiensa alueiden sisällä, joten ehkä nykyinen paikka on ihan hyvä.

Kartan lukijana toivoisin karttaan myös hieman lisää sitä tekstimuotoista tietoa, paikannimiä nimittäin, joka helpottaisi informaation tulkintaa. Visuaalisesti en löytänyt tähän kuitenkaan toimivaa reittiä, sillä kartan alueet ovat niin pieniä, ettei niihin voi kuvitella pylväiden ja numeroiden lisäksi minkäänlaisia paikannimiä. Toisaalta ehkä karttaan olisi voinut jälkikäteen edes lisätä kaupunkien nimet, jotta tummat rajat olisivat saaneet pääkaupunkiseutua huonosti tunteville edes jonkinlaisen merkityksen.

Joni Uusitalo (2016) toi blogissaan esille erään hyvän pointin kartan välittämästä tiedosta: kartta ei kuvaa niinkään uima-altaiden määrää pääkaupunkiseudulla vaan oikeastaan uima-altaallisten talojen lukumäärää. Tekstissäni olen ottanut tämän huomioon, mutta se olisi voinut tuoda esiin myös kartan legendassa korjaamalla tekstin “Uima-altaat pääkaupunkiseudun pienalueilla” seuraavaksi: “Uima-altaalliset talot pääkaupunkiseudun pienalueilla”. Kartta, joka kuvaisi uima-altaallisten talojen sijaan uima-altaiden lukumäärää tuskin olisi kovinkaan erillainen. Uimahalleja lukuunottamatta Suomessa on tuskin hirveän paljon taloja, joissa on yhtä useampaa uima-allasta.

 

Saunoista…

Tehtävänä oli selvittää myös kuinka monessa rakennuksessa on sauna. Ja saunojen kohdalla tuo edelle mainitsemani seikka on hyvinkin olennainen. Siinä on iso iso ero, lasketaanko suomalaiset rakennukset, joissa on sauna vai kaikki rakennuksista löytyvät saunat. Asuntojen saunat hukkuvat edellisen kaltaisiin lukuihin välittömästi. Taulukon tuloksesta näkee välittömästä, että useammassa rakennuksessa on sauna kuin uima-allas, mikä ei kyllä varmaan yllätä ketään suomalaista. Olisi muuten aika mielenkiintoista verrata saunojen ja uima-altaallisten rakennusten suhdetta muissa maissa. Pohjoismaissa voi saunalliset rakennukset voittaa uima-altaalliset, mutta eiköhän koko maailmassa uima-altaalliset rakennukset / pihat voita saunalliset aika kepeästi.

 

Talotyypeistä…

Tehtävässä pyydettiin tutustumaan myös uima-altaallisten rakennusten talotyyppeihin. Tarkat luvut löytyvät Taulukosta 1, mutta näiden lisäksi halusin visualisoida tiedon kartalle. Kuvan2 kartasta näkyy, kuinka uima-altaallisten talojen talotyypit vaihtelevat asuinalueittain eikä tulos ole kovin yllättävä. Helsingin keskustassa on lähinnä kerrostaloja ja näinpä uima-altaalliset talotkin ovat lähinnä sellaisia ja keskustan ulkopuolella varakkaimmat ihmiset tapaavat asua muissa kuin kerrostaloissa, mikä voi selittää muiden värien yleisyyttä keskustan ulkopuolella. Minusta yllättävää on se, että uima-altaallisia kerrostaloja ei ole enempää keskustan ulkopuolella. Omien isovanhempieni asuttamassa tavallisessa kerrostalossa Kuopiossa on alakerrassa yhteinen uima-allas ja olen sen myötä kai ajatellut, että uima-altaalliset kerrostalot eivät ole harvinaisia.

talot uima-allas
Kuva 2 Pääkaupunkiseudun uima-altaalliset rakennukset talotyypeittäin: omakotitaloja: 345 kpl (keltainen); paritaloja: 158 kpl (pinkki); rivitaloja: 113 kpl (vihreä); kerrostaloja: 181 kpl (violetti); muut talotyypit esim. virastorakennukset ja vanhainkodit 58 kpl (sininen) (Ja tätäkin kuvaa pääsee tarkastelemaan isompana, kun klikkaa sitä)

 

Ja loppuun vielä hieman puskuripohdintaa… 

Puskuritoiminto on kätevä osata MapInfossa. Niin kuin harjoitustehtävistä käy ilmi, se on oiva työkalu saavutettavuuden tutkimukseen, mutta minulle biologina tuli myös muutamia muita sovellutuksia mieleeni. Ihan ensiksi puskurivyöhykkeestä tulee nimittäin mieleen ympäristönsuojeluun liittyvät puskurivyöhykkeet. Esimerkiksi maatalouden vesiensuojeluun kuuluu niin kutsutut suojavyöhykkeet, joiden avulla pyritään vähentämään esimerkiksi eroosiota ja lannoitteiden valumista vesistöihin. Näiden suojavyöhykkeiden mallintaminen karttaohjelmilla hyötyy puskuritoiminnosta.

Luonnonsuojelussa puhutaan usein myös reunavyöhykkeistä tai vaihettumisvyöhykkeistä, joilla viitataan kahden ekosysteemin väliseen alueeseen, joka ei ole ominaisuuksiltaan täysin kumpaakaan, esimerkiksi pellon reunametsä ennen varsinaista metsää. Tällaisia alueita mallintaessa puskuritoiminto voisi myös olla hyödyllinen. Luennolla harjoittelemiamme puskurihakuja voisi vaikka tehdä lajien esiintymisestä vaihettumisvyöhykkeellä.

– Maria

 

Lähteet:

Uusitalo, J. 2016. Kurssikerta 5. Lentokentältä saunaan. Vieraalla maalla.
<https://blogs.helsinki.fi/jonuusit/2016/05/28/kurssikerta-5-lentokentalta-saunaan/> Luettu: 21.7.2016.

Kurssikerta 4 Ruutuja ruutuja ruutuja

Tänään tutustuttiin ruutumuotoisen aineiston tekemiseen ja käsittelyyn. Käytimme aineistona väestötietoja ja taustana hyvin yksinkertaista karttaa, jossa oli näkyvillä joet, järvet, meri ja rantaviiva sekä pääkaupunkiseudun kuntien rajat. Ruutumuotoista aineistoa varten teimme Grid-työkalulla ruudukon. Tästä tuli mieleen viime jaksossa tehdyt ruutumuotoiset Corel-työt. Varmaan kaikki sillä kurssilla olleet muistavat, kuinka teimme omalta karttalehdeltämme alkuun ruudukon, joka auttoi kuvaamaan asukastiheyttä. Tuolloin hienon ruudukon jälkeen ihanan jämptit ruutujen rajat pitikin sitten häivyttää ja poistaa kaikki mahdollinen ruutumaisuus, jotta saataisiin aikaiseksi dasymmetrinen kartta. No onneksi tällä kertaa se ei ollut tarkoituksena ja sai rauhassa nauttia ruutumaisen esitystavan jämptiydestä.

MapInfon Grid-työkalun tekemä ruudukko voidaan hajoittaa yksittäisiksi ruuduiksi eli jokainen ruutu on oma alueensa. Kun jokainen ruutu on oma karttakohteensa, voidaan niille jokaiselle syöttää omaa tietoa, esim. kuinka paljon asukkaita ruudun rajaamalla alueella asuu. Tätä tietoa varten loimme tietokantaan uusia sarakkeita ja käytimme hyväksi paikkaansidottua tietoa pääkaupunkiseudun asukkaiden asuinpaikoista. Samassa yhteydessä saimme tietoon mm. asukkaiden iät ja kansalaisuuksia.

Teimme yhteisenä harjoituksena kartan pääkaupunkiseudun 20-vuotiaiden määrästä eri alueilla. Oma versioni siitä on esitettynä Kuvassa 1. Monelle heräsi kysymys, että miten löytää helpoiten sen ruudun, jossa on eniten 20-vuotiaita. (Jos tätä lukee joskus joku, joka ei kurssin myötä ole tätä seikkaa etsinyt, niin jännityksen purkaakseni… se löytyy Sörnäisistä!)

Kuva 1 20-vuotiaiden lukumäärä pääkaupunkiseudulla (Kartan saa isommaksi klikkaamalla)

Olen suhteellisen tyytyväinen karttaani, vaikka luokkajako onkin vähän kömpelö ja pääkaupunkiseutua tuntematon ihminen ei välttämättä ymmärtäisi mustien rajojen merkitystä. Kaupunkien nimien lisääminen olisi voinut olla fiksua. Luokkien väritys on minusta kuitenkin toimiva ja kartasta näkee välittömästi, missä asuu eniten/vähiten 20 vuotiaita.

Yhdessä tehdyn 20-vuotiaiden lukumäärää esittävän kartan lisäksi tein kaksi muuta karttaa kuvaamaan alueiden kansainvälisyyttä. Kuvan 2 kartta osoittaa muun kuin suomenkielisten lukumäärän ja Kuva 3 ulkomaankansalaisten lukumäärän.

Kuva 2 Muunkielisten (kuin suomi/ruotsi) lukumäärä pääkaupunkiseudulla (Kartan saa isommaksi klikkaamalla)
Kuva 3 Ulkomaankansalaisten lukumäärä pääkaupunkiseudulla (Kartan saa isommaksi klikkaamalla)

Kartat eivät ole varsinaisesti vertailtavissa, koska halusin kokeilla erikokoista ruutua toisessa kartassa. Tästä johtuen luokkajakokin on erilainen. Nyt jälkeenpäin Kuvan 3 karttaani katsoessa en ymmärrä, mitenkä olin antanut tuollaisen luokkajaon jäädä siihen! Jätän kartan kuitenkin tähän teille näkyviin, koska siitä huomaa, että vaikka toisessa onkin epäjärkevä luokkajako on kartoissa paljon samaa. Samat alueet korostuvat molemmissa kartoissa. Luokkajako ei ole onnistunut hävittämään tätä tietoa. Toisaalta, kun katsotaan Kuvan 1 karttaa samat alueet korostuvat siinäkin. Syynä karttojen samankaltaisuuksiin on todennäköisesti yksinkertaisesti se, että kartoissa on käytetty lukumääriä eikä osuuksia. Kartoissa korostuu ne alueet, joilla on muutenkin paljon asukkaita.

Jon Rikbergin (2016) blogikirjoituksessa (jolla on mielestäni kerrassaan mainio nimi “Ristin rastin med rutor och raster”, ihan kuin jostain lastenlaulusta) löytyi samankaltaisia karttoja kuin minulta. Hänen kartoistaan näkee hauskasti kuinka ruudun koko vaikuttaa aineistoon.

Itse käytin tällä kertaa pohjana kurssilla tarjottua pääkaupunkiseudun karttaa. Mikään ei kuitenkaan estä käyttämästä yksityiskohtaisempaa karttaa ruutukartan pohjana. Esimerkiksi Niklas Sädekoski  (2016) oli tehnyt veikeän kartan Otaniemen miesvaltaisuudesta. Valittu alue oli sen verran pieni, että yksityiskohtainen mustavalkoinen kartta toimi oikein mukavasti kartan värikkäiden ruutujen taustalla.

Arttu Kivimäen (2016) blogista löytyi myös hauskasti ilmaistu hyvä huomio ruutujen koosta: “Jos minikokoisia ruutuja on kartalla kuin planktonia valtameressä, kartta on tuskin kovin informatiivinen, elleivät vierekkäiset ruudut muodosta yhtenäistä, vyöhykemäistä värialuetta.” Omista kartoistani Kuvan 3 kartassa ruudut alkavat tosiaan olla hieman turhan pieniä. Tällä kertaa ne kuitenkin muodostavat vyöhykemäisiä kokonaisuuksia, eikä pieni ruutukoko tee kartasta mielestäni kelvotonta. Vaikka karttaa onkin hankalampi katsoa, antaa se myös jotain sellaista tietoa, mitä isommat ruudut eivät paljasta. Esimerkiksi keskuspuisto ja muut asumattomat alueet korostuvat pienellä ruudulla paremmin.

-Maria

 

Lähteet:

Kivimäki, A. 2016. Kurssikerta 4 – Ruudukkoruljanssi. Paikkatietopakinoita. <https://blogs.helsinki.fi/kiviartt/2016/03/15/kurssikerta-4-ruudukkoruljanssi/> Luettu: 29.3.2016

Rikberg, J. 2016. Kursgång 4: Ristin rastin med rutor och raster. jrikberg’s blog. <https://blogs.helsinki.fi/jrikberg/2016/02/11/kursgang-4/> Luettu: 16.3.2016

Sädekoski, N. 2016. Kurssikerta 4. Tietoa ruudukoissa. niklasad’s blog. <https://blogs.helsinki.fi/niklasad/2016/03/08/kurssikerta-4-tietoa-ruudukoissa/> Luettu: 15.3.2016

Kurssikerta 3 Säihkyviä konflikteja ja tuhansien järvien maan valuma-alueita

Tänään tutustuttiin paremmin MapInfon taulukkopuoleen niin Afrikan konfliktien kuin Suomen valuma-alueiden muodossa. Osa tästä oli minulle jo entuudestaan tuttua, mutta ainakin tämän kurssikerran jälkeen on melko varma olo siitä, että voisin osata yhdistää karttakohteita, tuoda toisista taulukoista tietoa tietokantaan, luoda uusia sarakkeita ja tuottaa niihin uutta tietoa.

 

Säihkyviä konflikteja

Aloitimme kurssikerran Afrikka-tietokannasta. Heti ensi alkuun yleistimme sitä niin, että kaikki samalle maalle kuuluvat osat (esim. saaret) liitettiin yhdeksi. Kartassa ei tällöin varsinaisesti näy muutoksia, mutta tietokannan taulukossa kaikkien näiden erillisten rivien tiedot yhdistetään yhdeksi. Tämä tekee taulukosta paljon siistimmän ja tiiviimmän ja se ennen kaikkea helpottaa tietokannan käsittelyä. Tosin nyt yksittäisten saarten valitseminen ei onnistu. Tällä kertaa se ei haittaa, sillä me halusimme muokata tietokannan sellaiseksi, että maita on helppo käsitellä kokonaisuuksina.

Seuraavaksi toimme Afrikka-tietokantaamme maiden väkiluvut ja Internetkäyttäjien-lukumäärän valmiina olevista Excel-taulukoista. Kahta tietokantaa yhdistäessä on olennaista, että niistä löytyy identtiset sarakkeet. Tässä tapauksessa juurikin edellä tekemämme yhden maan alueiden tiivistäminen yhdeksi riviksi mahdollisti tämän, sillä käyttämässämme Excel-taulukossa kullakin maalla oli oma rivinsä ja vain yksi sellainen. Tällaisen taulukkojen yhdistämisoperaation olen kyllä tehnyt joskus itsekin (noro-tietokannalleni), mutta pakko myöntää, että en olisi kyllä osannut toistaa sitä ilman ohjeita.

Afrikan konflikteihin pääsimme tutustumaan yhdistämällä tietoja muista tietokannoista.  Avasimme öljykenttiä, timanttikaivoksia ja konflikteja koskevat tietokannat ja loimme Afrikka-tietokantaan uudet sarakkeet, joihin voisimme laskea niistä uutta tietoa. Tällä kertaa laskimme kunkin maan alueella olevat timanttikaivokset, öljykentät ja konfliktit käyttämällä maiden rajoja apuna tiedon rajaamisessa. Karttavisualisaatiossa (Kuva 1) tämä tieto ei kuitenkaan näy vaan siinä on vain esitettynä eri tietokantojen “maantieteellinen tieto”: timanttikaivokset, öljykentät ja konfliktien sijainnit. Minua jäi hieman kummastuttamuun, että, miksi osa konflikteista on palloja ja osa ristejä. Olisikohan tietokannasta löytynyt tähän selitys?

Kuva 1 Konflikteja, timantteja ja öljykenttiä Afrikassa (Klikkaamalla saat isomman kartan)

Tietokantojen tietoja käyttämällä olisi voinut mennä paljon yllä kuvattuja laskuja ja nopeasti kyhättyä karttavisualisaatiota pidemmälle. Tietokannoista löytyi siis seuraavia tietoja:

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

PAK-tiedotusblogiin laitettuun karttaan on kuvattu konfliktien laajuus, jota minä en omaan karttaani visualisoinut. Laitoin senkin kartan (Kuva 2) nyt tähän blogiin, vaikka omaakaan karttaa ei olisi tarvinnut julkaista.

Kuva 2 Konflikteja maksimilaajuksineen, timantteja ja öljykenttiä Afrikassa. (PAK-blogi 2016) (Klikkaamalla saat isomman kartan)

Jo oman karttani (Kuva 1) perusteella näyttää siltä, että Afrikassa on paljon konflikteja, mutta tiedotusblogin kartan perusteella (Kuva 2) vaikuttaa siltä, että lähes koko Afrikka on “taistelutannerta”. Oman karttani perusteella esimerkiksi Botswanassa ei ole konflktin konfliktia, mutta toisen kartan perusteella suurin osa Botswanasta on konfliktien koskettamaa.

Konfliktien laajuus on ymmärtääkseni tehty tekemällä konfliktin sijainnin ympärille pyöreä bufferi konfliktin maksimilaajudeen perusteella. Tietämättä tarkemmin, kuinka tämä laajuus on määritelty, on vaikea analysoida kartan järkevyyttä. Uskallan kuitenkin epäillä, että konflikti olisiva olleet tosiasiassa maantieteellisesti noin laajoja. Tottahan ne pisteen ulkopuolelle ovat levinneet, mutta eivät ympyrämäisesti, niin kuin bufferi saa näyttämään.  Pitää muuten tähän väliin mainostaa, että Niko Pelkosen (2016) blogista löytyy mielenkiintoista ja kriittistä pohdintaa Afrikan konflikteista ja niiden maantieteellisestä jakautumiseta.

Oman karttani perusteella yhteys timanttien ja öljykenttien sekä konfliktien välillä ei välttämättä tulisi niin helposti mieleen. Pistemäiset kohteet näyttävät olevan kuitenkin suhteellisen kaukana toisistaan, kun vielä muistaa, miten valtava Afrikaa todellisuudessa on. Kuvan 2 perusteella yhteys luonnonvarojen ja konfliktien välille on hyvin helppo kuvitella – eihän kartassa ole kuin muutama timanttikaivos ja ehkä alle 1/3 öljykentistä, jotka eivät jää konfliktien alle.

Todellisuudessa joillakin timanttikaivoksilla, öljykentillä ja konflikteilla onkin yhteys. Täm yhteys ei kuitenkaan ole todellakaan suora syy-seuraus suhde. Eihän öljyrikas Norjakaan ole konfliktien repimä maa. Ja Afrikastakin löytyy samankaltaisia esimerkkejä kuten timantikas Botswana. Ymmärrettävästi luonnonvarojen lisäksi maan polittinen vakaus ja moni muu tekijä vaikuttaa myös konfliktien syntymiseen.

Afrikassa on kuitenkin ollut ja on edelleen luonnonvaroihin tavalla tai toisella liittyviä konflikteja. Aiheesta kiinnostuneita suosittelen vilkaisemaan Kishin kuvaajin havainnollistettua tekstiä Resource-Related Conflict in Africa vuodelta 2014. Karttaan liittyvistä esimerkeistä mainittaakkoon Nigerian öljyvarannot, joihin on kytköksissä paljon konflikteja ja sitten on veritimantit. Veritimanteilla tai konfliktitimanteilla viitataan timantteihin, joita konfliktien eri osapuolet käyttävät toimintansa rahoittamiseen. Ainakin Sierra Leonessa, Angolassa, Kongon Demokraattisessa Tasavallassa, Liberiassa ja Norsunluurannikolla timanttikauppa on ollut osana konflikteja (Global Witness, 2006).  Aiheesta on jopa tehty elokuva Blood Diamond, jonka itsekin olen aikanani katsonut lukion enkun tunnilla. Enpä kuitenkaan heti tajunnut tätä yhteyttä, kun sain tietokannat käsiini.

Konfliktitimantit olivat olennainen osa Sierra Leonen 11-vuotista hyvin veristä sisällissotaa, joissa eri osa puolet rahoittivat toimintaansa, esim. asekauppaa timanteilla. Konfliktitimanttien on sanottu myös pitkittäneen tätä sisällissota.  (Dupuy, K., & Binningsbø 2008). Timantit eivät kuitenkaan kai olleet varsinainen syy konfliktille, vaadittiin muutakin kuin luonnonvaroja, jotta konflikti syttyi Sierra Leonessa:

The war did not break out over the desire to control diamonds. Rather, it is the complex set of social relationships in which diamonds and diamond mining are embedded—particularly agrarian relationships—which were behind the outbreak of the conflict.

Dupuy, K., & Binningsbø 2008

Mietin, kuinka karttaamme ja taulukoitamme voisi käyttää timanttien ja konfliktien välisen yhteyden tarkempaan tarkasteluun. Kun timantteja käyteään toiminnan rahoittamiseen kansainvälisen kaupan kautta, ei konfliktit kartalla kuvattuna välttämättä osu samoille alueille kuin timanttikaivaukset. Toisaalta esimerkiksi Sierra Leonessa osa taisteluista käytiin myös timanttikaivoisten hallitsemiseksi  (Dupuy, K., & Binningsbø 2008). Näitä yhteyksiä olisi voinut meidänkin aineistolla tutkia. Olisimme voineet tehdä kartan esimerkiksi ainoastaan Sierra Leonesta ja sen lähialueista, josta näkisi tarkemmin mihin timanttikaivokset ja konfliktit sijoittuvat. Sellaisen kartan avulla voisi ehkä nähdä paremmin itse timanttikaivoksiin kohdistuneet taistelut.

Jonkinlaista ajatusta timanttikaivosten ja konfliktien yhteydestä voisi saada myös tarkastelemallla timanttikaivosten löytämisvuotta tai kaivausten aloittamisvuotta ja konfliktien ajankohtaa. Kartalla sitä voisi ehkä yrittää visualisoidalla luokittelemalla sekä timanttikaivosten löytymis-/kaivausvuodet ja konfliktien ajankohdat yhteisillä luokkarajoilla ja esittää luokitellut pisteet kartalla harkitulla väriskaalalla. Jos nämä visuaalisaatiot onnistuisivat, niin samat voisi toki totetuttaa öljykenttien tiedoilla. Timanttikaivosten ja öljykenttien tuottavuuden ja konfliktien määrän yhteyttä tai niihin liittyvien konfliktien (jos ne voisi ensiksi jotenkin määrittää) kestoa voisi myös olla mielenkiintoista tutkia.

Tämän tehtävän myötä päädyin googlettamaan paljon veritimanteista ja muutenkin verimineraaleista.  Kuinkahan moni tulee ajatelleeksi eettisyyttä ostaessaan kihlasormusta taikka kännykkää! Kännyköiden, kannettavien tietokoneiden ja autojen valmistuksessa käytetyistä mineraaleista esimerkiksi tinalla, tantaalilla, volframilla ja kullalla on nimittäin vaarana olla timanttien tapaan “verimineraaleja” eli niitä saadaan konfliktialueilta ja tuotto tukee ihmisoikeuksien vastaista toimintaa.

Kuluttajana on huojentavaa, että veritimantteihin on edes yritetty puuttua kansainvälisellä Kimberelyn prosessilla (vaikka eipä sitä ole yhtään timanttisormusta ole opiskelijan rahoilla tarvinnut ostaakaan) ja myös muiden mineraalien eettisyyteen on pyritty puutumaan valvontaa lisäämällä (Finnwatch 2015, Rhode 2014).  Tämä ei nyt varsinaisesti liity enää tähän kurssikertaan, joten en pui asiaa enempää vaan kehoitan kaikkia ottamaan itsekin asiasta lisää selvää. Aiheeseen liittyviä artikkeleita ja muuta tietoa löytyy vaikka kuinka, kun vaan googlettaa!

 

Tuhansien järvien maan valuma-alueet

Afrikasta siirryttiinkin sitten koti-Suomeen ja konflikteista tulviin, valuma-alueisiin ja järvisyyteen. Afrikka-kartalla harjoittelun jälkeen tulvakartta syntyikin suhteellisen kivuttomasti, mitä nyt värien kanssa sai taas tapella. Kesti hyvän tovin ennen kuin oma silmä oli tyytyväinen kartan visuaalisen puoleen.

Kuva 3 Tulvaindeksi ja järvisyys (%) valuma-alueittain Suomessa

Kartalla (Kuva 3) on päällekkäin kuvattuna tulvaindeksi koropleettikarttana ja järvisyys pylväin. Yhteys näiden muuttujien välillä on mielestäni suhteellisen selvä: mitä vähemmän järviä sitä suurempi tulvaindeksi. Vesialtaina järvet tasaavat virtavesien virtaamaa ja siten vähentävät jokien tulvimista. Hanna Hakalan (2016) blogissa törmäsin mielenkiintoiseen pohdintaa tulvariskistä. Itsekin mietin karrttoja katsellessani, että jokien ja järvien lisäksi tulvariskiin vaikuttaa muun muassa pinnamuodot ja maankäyttö.

Tulvaindeksin luokkajaon järkevyyttä jäin vielä miettimään. Hanna Hakalan (2016) kartassa luokkajako vaikuttaa järkevämmältä, mutta toisaalta oma jakoni nostaa ehkä suurimmat tulvaindeksit paremmin esille. Tällaisella jaolla en antaisi karttaani ELY-keskuksen sivulle julkaistavaksi, mutta en tähän hätään keksinyt miten olisin sitä lähtenyt muuttamaan.

Olen suhteellisen tyytyväinen lopullisen karttaan visuaaliseen ilmeeseen. Halusin jättää karttaan joet ja järvet, mutta jostain syystä Suomen järvet eivät suostu näkymään. Tätä en saanut yrityksistä huolimatta korjattua.

Olen ainakin itse tyytyväinen karttani väreihin. Veteen liittyviä asioita tekee mieli kuvata sinisellä ja niinpä laitoinkin järvisyys-pylväät sinisiksi. Tulvaindeksin kohdalla maltoin kuitenkin mieleni ja päädyin oranssin värisävyihin. Kartassa ei ole myöskään kuvattuna mitään muuta kuin veteen liittyviä muuttujia, niin näitä ei ole välttämätöntä korostaa sinisellä. Eri värejä käyttämällä muuttujat eivät sulaudu liikaa yhteen.

Valuma-alueiden nimien lisääminen voisi helpottaa kartan käyttöä, mutta etenkin Pohjanmaalla valuma-alueet ovat niin pieniä ja niitä on niin paljon, että nimet olisivat voineet vain sekavoittaa karttaa. Valuma-alueiden pienuus aiheuttaa myös sen, että esimerkiksi Kaakkois-Suomessa on aika hankala erottaa, mikä pylväs kuvaa mitäkin valuma-aluetta.

Tämä kurssikerta oli minulle kovin hyödyllinen. Vaikka olenkin aiemmin tehnyt oman tietokannan, jossa on sekä paikkatietoa että siihen liittyvää taulukossa olevaa tietoa ja muokkaillut tätä taulukkoa, on taulukon muokkaamiseen paljon työkaluja, joihin en ollut aiemmin törmännyt. Ja myönnettäköön, että tämä kurssikerta myös syvensi aiempaa tietoani MapInfo-tietokannoista. Ja olen tyytyväinen toki myös siihen, miten paljon tämän kerra kurssitehtävä sai minut ottamaan selvää konfliktimineraaleista.

-Maria

 

Lähteet:

Dupuy, K., & Binningsbø, H. M. 2008. Power-Sharing and Peacebuilding in Sierra Leone. PRIO.

Finnwatch 2015. Verimineraalit pois kännyköistä? – Suomi vastustaa. <https://www.finnwatch.org/fi/uutiset/321-verimineraalit-pois-kaennykoeistae> Luettu: 13.1.2017

Global Witness. 2006. The Truth About Diamonds. <https://www.globalwitness.org/sites/default/files/import/the_truth_about_diamonds.pdf> Luettu: 13.1.2017

Hakanna, H. 2016 3. kurssikerta. hakanna’s blog
<
https://blogs.helsinki.fi/hakanna/> Luettu: 13.1.2017

Kishi, R. 2014. Resource-Related Conflict in Africa. Armed Conflict Location & Event Data Project – Website. <http://www.crisis.acleddata.com/resource-related-conflict-in-africa/> Luettu: 13.1.2017

Paarlahti, A. 2016. Konflikteja Afrikassa.
<https://blogs.helsinki.fi/pak-2016/> Luettu: 18.3.2016

 

Kurssikerta 2 – Kahden muutujan kotiseututulkintaa

Toisella kurssikerralla jatkettiin teemakarttoihin tutustumista. Kävimme läpi millaisia mahdollisuuksia ja rajoituksia on pylväs- ja ympyrädiagrammikartoilla, graduated-teemakartoilla, piste-, individual ja grid-kartoilla sekä kolmiulotteisilla prismaattisilla kartoilla ja niillä 3D-kartaksi kutsutuilla kohokartoilla. Osa näistä oli minulle tutumpia kuin toiset. Mediassa näkee suhteellisen usein esimerkiksi ympyrädiagrammikarttoja.

Monia näistä karttatyypeistä voi yhdistää kahden (tai useamman) muuttujan kartoiksi. Pylväs- tai ympyrädiagrammikartan alla voi olla koropleetti- tai individual-kartta. Kahden muuttujan karttoja voi tehdä myös yhdistämällä kaksi koropleettikarttaa, kuten oli puhe viime postauksen artikkelissa. Tällöin toista muuttujaa voi kuvata rasterikuvioinnilla ja toista värillä tai molemmilla muuttujilla voi olla myös samanlainen pinta. Sisällyttämällä kaksi muuttujaa yhteen karttaan, voi kartan tietosisältöä ikään kuin tehostaa. Toisaalta tällainen kartta on usein myös raskaampi ja sekavampi lukea eikä muuttujia, jotka eivät varsinaisesti liity toisiinsa kannata laittaa samaan karttaan. Useamman muuttujan teemakartat ovat mielestäni ennen kaikkea hyödyllisiä silloin, kun muuttujien välillä on joku mielenkiintoinen yhteys.

Kurssikerran ideana oli tehdä itse jonkinlainen kahden muuttujan kartta. Koska tarkoituksena oli tarkastella useampaa kuin yhtä muuttujaa, ajattelin että tällä kertaa on selkeämpää kuvata jotain pienempää aluetta kuin koko Suomi. Aluetta rajatessa myös alueen osat, tässä tapauksessa viitaan siis kuntiin, vähenevät ja kartta on luettavampi. Jos pieniä alueita on paljon diagrammit voivat peittää alueiden rajoja siinä määrin, että se haittaa kartan tulkintaa. Tätä samaa oli myös Helena Rautakoski (2016) pohtinut omaa karttaa tehdessään. Ja olimmepa päätyneet tekemään rajauksemme Itäiseen Suomeen. Hän Itä-Suomeen ja minä tarkensin siitä vielä Pohjois-Savon maakuntaan.

Päätin hetki alkuun, että teen koropleettikartan, jonka yhdistän Graduated-teemakarttaan, koska muistelin etten ole aiemmin tehnyt sellaista karttaa. (Muistin väärin, mutta siitä myöhemmin.) Graduated-teemakartoissa symbolit asettivat kuitenkin omat rajoitteensa muuttujan valintaan. Koin, että MapInfo tarjosi symboleille hyvin rajalliset muokkausmahdollisuudet. En esimerkiksi löytänyt MapInfosta kovin toimivia työkaluja symbolien koon muokkaamiseen. Tästä syystä valitsinkin muuttujan, jossa on tarpeeksi vaihtelua, niin että erot näkyvät.

Alueen rajaaminen suhteellisen pienelle alueelle hankaloitti myös aiheen valintaa. Useassa muuttujassa on enemmän vaihtelua koko Suomen mittakaavalla kuin tällaisella reilun kymmenen kunnan alueella. Kokeilin lukuisia erilaisia muuttujia yrittäessäni löytää yhdistelmää, jossa korrelaatio ei olisi ilmiselvä, mutta olisi kuitenkin järkevä ja visuaalisesti selkeä. Lopulta päädyin valitsemaan taajama-asteen koropleettikartan teemaksi ja kuvata symbolein rivi- tai pientaloasukkaiden osuutta alueella

Koropleettikartta voidaan tehdä ainoastaan suhteellisesta muuttujasta. Mietin tovin, että luetaanko taajama-aste suhteelliseksi muuttujaksi. Sehän lasketaan niin, että taajamassa asuva väestö suhteutetaan koko väestöön. Sitä ei siis suhteuteta pinta-alaan. Päädyin kuitenkin, että se kelpaa koropleettikarttaan, koska eihän eri ikäryhmien osuuksiakaan suhteuteta pinta-alaan vaan väestöön.

Taajama-asteen jakauman tarkasteluun käytin tälläkin kertaa Interactive Histogram –nettisivua (Kuva 1). Jakauma on hyvin erilainen kuin mitä se oli ikäryhmien kanssa, mutta päädyin silti käyttämään luonnollisia luokkavälejä. Luulen, että se on paras valinta tällaisessa tapauksessa, jossa aineistossa on selkeitä aukkoja.

Histogrammi Pohjois-Savon kuntien taajama-asteiden jakautumisesta
Kuva 1 Histogrammi Pohjois-Savon kuntien taajama-asteiden jakautumisesta (Interactive Histogram 2016) (Klikkaamalla tämäkin kuva aukeaa isommaksi – tässä tapauksessa aika turhaa toki)

Tällä kertaa ajattelin valita kartan väritykseksi vain oranssin eri sävyjä. Ajattelin, että yhden värin käyttö ei turhaan monimutkaistasi karttaa, jossa on jo useampien muuttujien takia runsaasti informaatiota. Tatu Leppälahtikin (2016) on pohtinut luokkien värien käyttöä blogissaan mm. toteamalla, että jo viiden luokan kanssa sävyjen erottavuus voi käydä haasteelliseksi. Itse ratkaisin ongelman lisäämällä kuvan kontrastia jälkikäteen Photoshopilla.

Toisaalta Tatu Leppälahti (2016) koki, että vain yhden värin käyttäminen auttaa assosioimaan sävyvaihtelun ja muuttujan vaihtelun suuruuteen. Oikeastaan ehkä juuri tämän seikan takia aloin miettiä, että olisiko omassa kartassani kuitenkin kannattanut käyttää palettia, jossa väri vaihtuu yhdestä toiseen, sillä taajama-aste luokat ovat kaukana tasavälisistä luokista. Tuleeko nyt sellainen, kuva, että taajama-asteen voimakkuus vaihtuu samalla tasolla kuin sävyt? Vääristääkö luokkien sävy luokkavälin vaihtelua, jääkö vaihtelu nyt piiloon?

Rivi- ja pientaloasukkaiden kuvaamiseen valitsin talon. Se sopii teemaan ja symbolina talo on sellainen, että sen koon vaihtelu näkyy suhteellisen hyvin. Omasta kartastani on kuitenkin suhteellisen vaikea arvioida, kuinka suuria osuuksia talot esittävät. Sen arvioimiseen pylväsdiagrammit olisivat paljon parempia. Jäinkin toivomaan, että MapInfosta löytyisi sellainen työkalu, jolla symbolin kokoa voisi kasvattaa vain pituussuunnaassa pylväiden tapaan. Graduated-symboleissa ideana on kuitenkin se, että symbolin pinta-ala muuttuu ja en tiedä toimisiko tuollainen venytys kuitenkaan kunnolla.

Näitä Graduated-symboleita miettiessäni päädyin lukemaan mielenkiintoista Gruverin tekstiä vuodelta 2014. Tekstin lomassa oli erittäin havainnoiva kuva siitä, kuinka tuollaiset “teemaan sopivat symbolit”, erilaiset piktogrammit, voivat olla paljon vaikeampia tulkittavia kuin geometriset kuvat: autot vs. pallot – käykäähän vilkaisemassa. Tekstissä viitattiin myös useisiin tutkimuksiin (ei löytynyt lähteitä), joissa on havaittu, että ihmiset onnistuvat arvioimaan arvoja selkeästi paremmin pylväistä kuin vaikkapa palloista.

Ajatukseni talojen venyttämisestä pylväiden tapaan jäi mietittymään ja kokeilinpa sitten vielä nopsaan, kuinka voisin tehdä pylväistä taloja (Kuva 2). Pylväitä käyttäessähän pitää kuitenkin huomioida, kasvavatko pylväät absoluuttisesti, niin kuin minun kuvaajassa vai onko kasvu esimerkiksi logaritmista. Jälkimmäisessä tapauksessahan pylvään koosta ei taaskaan voi viivottimella saada tarkkaa arvoa.

talopylväät
Kuva 2 Taloiksi muutetut pylväät mahdollistavat absoluuttisten arvojen tarkastelun paremmin, kun joka suuntaan kasvavat symbolit. (Klikatessa kuva aukeaa isommaksi – tässäkin tapauksessa melko turhaa, sinne ei ole piilotettu mitään pientä jännää)

No takaisin minun karttaani. Pohdinnasta huolimatta jätin MapInfolla tekemäni talosymbolit karttaani – Onhan tuo talosymboli ihan hyvä alueiden vertailuun: kartasta erottaa, millä alueilla osuuden ovat suuri, millä pieniä, vaikka lukujen tulkitseminen ilman tuollaista legendaa olisikin hankalaa.

Kartan lukemista helpottamaan lisäsin karttaan kuntien nimet Label-toiminnolla. Pohjoisnuolen ja mittakaavan tekstit muutin “suomeksi” CorelDraw:lla.

Valmiista kartasta (Kuva 3) näkyy taajama-asteen suuri vaihtelu. Omasta mielestäni kunnat, joissa on selkeästi taajama-alueet nousevat kartasta hyvin esille. Kuopion ja Varkauden lisäksi Suonenjoki, Siilinjärvi ja Iisalmi nousevat esille alueina joissa taajama-aste on suhteellisen korkea, yli 70 %. Taajamissa on tyypillisesti paljon kerrostaloasutusta ja näissä kunnissa pien- ja rivitaloasukkaiden osuus väestöstä onkin matalin. Siilinjärvi on kuitenkin poikkeus. Aluetta jonkin verran tuntevana tämä ei kuitenkaan tullut minulle yllätyksenä.

Taajama-aste (%) ja rivi- ja pientaloissa asuvien osuus Pohjois-Savon kunnissa
Kuva 3 Taajama-aste (%) ja rivi- ja pientaloissa asuvien osuus Pohjois-Savon kunnissa. (Klikkaa kuva halutessasi isommaksi)

Tekstin alussa mainitsin, että muistelin, etten ole koskaan tehnyt Graduated-karttoja. Muistelin väärin, sillä ollessani vaihdossa Galwayssa Irlannissa vuonna 2013 suoritin kurssin Introduction to GIS ja sieltä jäi käteen mm. kartta maaperän eloperäisen hiilen (Soil Organice Carbon, SOC) ja turpeen välistä suhdetta Irlannissa (Kuva 4). Näin jälkeenpäin toteuttaisin tuonkin kartan hieman erilailla. Tuo “non-peat”-värinen Pohjois-Irlanti antaa ainakin aivan väärää tietoa, mutta onneksi legenda sentään auttaa lukemaan hiilen määrää ihan hyvin.

Kuva 4
Kuva 4 Esimerkki Graduated-kartasta, jossa symbolina on käytetty ympyrää. Vuonna 2013 tehdyn kartan aiheena on maaperän eloperäisen hiilen (SOC) ja turpeen välinen yhteys. (Klikkaa kuva halutessasi isommaksi)

Kurssikerralla mainittiin myös Individual-kartat, niin julkaistanpa tässä vielä tuolta samaiselta kurssilta tähän loppuun tällaisen sateenkaaren värisen kartan Irlannin kreivikunnista (Kuva 5). Ihan varmuuden vuoksi mainittakoon, että Northern Ireland ei ole yksi Irlannin kreivikunnista, vaikka tämä kartta näin antaisin ymmärtää.

Kuva 5
Kuva 5 Esimerkki Individual-kartasta vuodelta 2013. Kartan aiheena on Irlannin kreivikunnat. (Klikkaa kuva halutessasi isommaksi)

-Maria

 

Lähteet:

Gruver, A. 2014. Graduated and Proportional Maps. Pennsylvania State University.
<https://www.e-education.psu.edu/geog486/node/1869> Luettu: 9.2.2016

Interactivate Histogram 2016. Shodor, Durham (North Carolina).<http://www.shodor.org/interactivate/activities/Histogram/> Noudettu: 4.2.2016

Leppämäki, T. 2016. Paikkatiedon maailmaan -1. kurssikerta.  PAKinoita kartoista. <https://blogs.helsinki.fi/leppatat/2016/01/22/ensimmainen-kurssikerta-tyon-alla/> Luettu: 9.2.2016

Rautakoski, H. (2016) Kurssikerta 2. Uudenlaista visualisointia. HELENA’S.
<https://blogs.helsinki.fi/helenrau/2016/01/29/kurssikerta-2-uudenlaista-visualisointia/> Luettu: 4.2.2016

 

 

 

Koropleettikarttoja kahdella muuttujalla

Leonowiczin artikkeli käsittelee koropleettikarttojen käyttämistä maantieteellisten “yhteyksien” visualisoimiseen. Artikkelissa Leonowicz argumentoi, että kun halutaan tutkia muuttujien välisiä suhteita, on usein vaikeaa tuottaa toimiva sarja yhden muutujan koropleetti karttoja. Hän näkeekin, että kahden muuttujan koropleettikartat olisivat usein toimivampi ratkaisu maantieteellisten muuttujien välisen suhteen visualisoimiseen.

Artikkelissa tuodaan esille, kuinka kahden muuttujan koropleettikartasta tulisi kyetä selkeästi erottamaan ne luokat, jotka edustavat muuttujien välistä vahvaa korrelaatiota. Kun luokat kuvataan tyypillisessä 3×3-legendassa, nämä luokat osuvat diagonaalille. Diagonaalin ulkopuolella olevat luokat eivät edusta vahvaa korrelaatiota. Omasta mielestäni artikkelissa esitetty syaani-magnetta-esimerkki (Kuva 1) toimii oikein hyvin ja kartan lukeminen on helppoa. Toisaalta olen havainnut, että minulle värien ja sävyjen erottaminen on suhteellisen helppoa ja erilaisella näöllä varustettu ihminen olisi kanssani eri mieltä.

Kuva 1 Esimerkki kahden muuttujan koropleettikartasta (Leonowicz 2006) (Klikkaamalla kuva aukeaa isompana)

Artikkelissa viitataan Olsonin tutkimukseen, jonka mukaan maksimimäärä luokkia on yhdeksän eli kolme luokkaa kussakin muuttujassa. Jos luokkia on enemmän kartan tulkinta on liian monimutkaista. Itse voisi kuvitella, että 4×4 kartta voisi myös toimia joissain tapauksissa, kunhan värit valitaan huolella ja legendahan auttaa paljon!

Artikkelissa oli kuvailtu Leonwiczin suorittama mielenkiintoinen testi siitä, kuinka yhden muutujan ja kahden muutujan karttoista tulkittiin muuttujan spatiaalista vaihtelua ja kahden muutujan välistä yhteyttä. Tutkimuksen perusteella yhden muuttujan karttoista on helpompi lukea muuttujan spatiaalista vaihtelua ja kahden muuttujan kartoista muuttujien välistä yhteyttä. Yhden muuttujan kartat koettiin ylipäätään helpommiksi lukea, mutta kahden muuttujan kartat mielenkiintoisemmiksi.

Artikkelissa ei käsitelty lainkaan sellaisia koropleettikarttoja, joissa värien sijaan toista muuttujaa kuvattaisiin rastereilla esimerkiksi viivakuvioinnilla, jonka tiheys kasvaa muuttujan arvon kasvaessa. Olisi ollut mielenkiintoista tietää, että koetaanko tällaiset kartat helpommiksi lukea kuin kahden värisävyn kartat. En ihmettelisi lainkaan, jos näin olisi. Silloin kyvyn erottaa sävyjä ei pitäisi niin rajoittaa kartan lukemista.

Luettuani artikkelin jäin miettimään, että olisiko omat ensimmäisen kerran karttani voinut yhdistää yhdeksi kahden muuttujan koropleettikartaksi. Se, että kunnassa on paljon 0-15 vuotiaita ei suoranaisesti johda siihen, että siellä olisi paljon tai vähän yli 65-vuotiaita. Toisaalta muuttujani ovat prosentuaalisia osuuksia väestöstä, mistä johtuen ne eivät ole aivan toisistaan riippumattomia muuttujia. Näistä muuttujista tehty kartta ei olisi siis sellainen seuraussuhde kartta, kuten artikkelin antama esimerkki lannotteiden käytön ja sadon välisestä yhteydestä vaan ennemminkin artikkelin syntyvyys/kuolevuus-esimerkin kaltainen kartta. Syntyvyys/kuolevuus-kartta kertoo luonnollisesta väestönkasvusta ja nuoren ja vanhan väestön kuvaaminen kartassa voisi antaa kuvaa väestönrakenteesta. Ennen kuin lähtisin rakentamaan tällaista karttaa minun pitäisi kuitenkin selvittää, onko se ongelma, että luvut ovat prosentuaalisia osuuksia samasta tekijästä, kokonaisväestöstä. Toisaalta joutuisin myös vähentämään muuttujien luokkia, jottei kokonaisluokkamäärä ylittäisi yhdeksää ja miettisinpä samalla myös luokkajakoa uudelleen.

-Maria

 

Lähteet:

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

Kurssikerta 1 Uudet askeleet MapInfon maailmassa

Ensimmäisellä kurssikerralla oli tarkoitus ottaa ensimmäiset yhteiset askeleet MapInfon kanssa ja tutustua sen perustoimintoihin. Tämä ei kuitenkaan täysin pätenyt minuun, sillä minulla ja MapInfolla on yhteinen (hieman pimeä) menneisyys.

Kaksi kesää sitten jouduin sukeltamaan MapInfon syövereihin, kun olin kotikaupunkini ympäristösuojelupalveluissa kartoittamassa noroja ja tekemässä luontoselvityksiä. MapInfo oli siis oikeastaan minulle vanha tuttavuus, tai sanotaanko puolituttu.

Tuolloin käsitykseni paikkatieto-ohjelmista oli aika heikko ja vaikka pienellä ohjeistuksella ohjelman käyttö alkoikin onnistua, niin ei sitä mokilta vältytty. Olisin kyllä ollut silloin aika iloinen, jos taustalla olisi ollut edes tämä ensimmäinen PAK-kurssikerta. Mutta tekemällähän sitä oppii! Ja paljon tulikin opittua tästä ohjelmasta silloin. Hurjan paljon kyllä jäi myös aukkoja taitoihin, kun tuolla tapaa opettelee tarpeet edellä eikä lähde liikkeille perusteista. Samaan tapaan, kun lukee kirjaa vain hakemistoa käyttäen eikä aloita sitä ensimmäiseltä sivulta. Minulle tulee olmaankin mielenkiintoista seurata, kuinka käsitykseni MapInfon eri toiminnoista muuttuu, kun perustieto lisääntyy.

*  *  *

Nyt, kun yhteinen ja hieman pimeä historiamme on paljastettu, niin voidaan mennä itse asiaan eli ensimmäiseen kurssikertaan.

Ensi alkuun käytiin läpi hieman paikkatiedon perusteita. Kuten jo äsken sanoin, pohjatiedoissani on aukkoja ja olikin oikein hyvä kerrata näitä peruskäsitteitä ja saada termien määritelmät kuntoon. Ja se ilahdutti kovin, että kalvoista löytyi lyhyet esittelyt MapInfoon liittyvistä tiedostomuodoista: *.MAP, *.DAT, *.ID, *.IND ja *.TAB ja samalta slaidilta ne varoituksen sanat! Hyvät mapinfoilijat, älkäätte erottako näitä tiedostoja eri kansioihin tai oikeastaan parempi olla edes liikuttelematta niitä, niin vältytte monilta ongelmilta! Tuo oli se kokemuksen syvä rintaääni, joka saattaa kuulua tässä blogissa vielä muutaman kerran myöhemminkin.

Itse ohjelmaan tutustuminen aloitettiin kokeilemalla joitakin toimintoja maailmankarttaan, jonka jälkeen siirryttiin Suomen kuntakarttaan. Ja minähän opin jo uutta: teemakartat!

Teimme kurssilla yhdessä koropleettikartan 0-14-vuotiaiden osuuksista eri kunnissa (Kuva 3) ja tämän jälkeen oli tarkoitus kokeilla vastaavanlaisen kartan tekemistä omin avuin jostain toisesta muuttujasta. Päätin tehdä sen yli 65-vuotiden osuuksista eri kunnissa (Kuva 2). Koska aihe liittyy selkeästi yhdessä tekemäämme karttaan, päätin laittaa ne molemmat nyt teidän näkyvillenne. Ensiksi kuitenkin karttojen tekemisestä muutama sana.

Pohdimme ensimmäistä karttaa tehdessä, että millainen luokkajako olisi meidän aineistolle sopiva. Päädyimme tuolloin luonnollisiin väleihin, jonka pitäisi korostaa tällaisen aineiston vaihtelua. Toista karttaani varten tarkastelin aineiston jakaumaa kurssikerralla vinkatun histogrammityökalun (Interactivate Histogram 2016) avulla.

Kartan 2 aineiston jakauma
Kuva 1 Histogrammi kuvan 2 kartan aineiston jakaumasta (65-vuotiaiden osuus väestöstä) (Klikkaamalla kuva aukeaa suurempana)

Jakauman perusteella koin luonnolliset luokkavälit sopivaksi myös tähän toiseen karttaani. Ajattelin myös, että käyttämällä samoja luokkavälejä kaksi karttaani voisivat ehkä olla suhteellisen vertailukelpoisia. Mietin myös, että pitäisikö luokkarajojen olla tällöin täysin samat kahdessa kartassa. En kuitenkaan alkanut muuttaamaan niitä. Ikäryhmä 0-14-vuotiaat ja yli 65-vuotiaat eivät taida kooltaan vastata toisiaan ja tällöin ei voi olettaa, että niiden prosenttiosuudet koko väestöstä olisivat yhtäläiset.

Toinen minua mietittänyt juttu kartoissani oli väri. Pohdin, että haluaisinko käyttää vain yhtä väriä, jonka sävyero osoittaisi luokkien muuttumisen vai haluaisinko mieluummin käyttää kahta eri väriä korostamaan arvon suuruutta (esim. sininen) tai pienuutta (esim. punainen). Päädyin kompromissiratkaisuun. Ensimmäisen vaihtoehdon mukaisesti väri vaihtuu vaaleasta tummaan. Otin kuitenkin käyttöön enemmän kuin yhden värin, mutta värit ovat silti suhteellisen samasta värimaailmasta. Alla molemmat tekemäni kartat.

Kuva 2 65-vuotiaiden osuus (%) väestöstä kunnissa (Klikkaamalla saat kuvan suuremmaksi)

 

ljk
Kuva 3 0-14-vuotiaiden osuus (%) väestöstä kunnissa (Klikkaamalla saat kuvan suuremmaksi)

Olen suhteellisen tyytyväinen lopputulokseen. Luokkajako vaikuttaa minusta järkevältä ja väritys korostaa sopivasti eroja, mutta ei silti anna liian voimakasta kuvaa niistä. Selkeät värierot tuovat kuitenkin kivasti esiin alueet, joilla lapsia tai yli 65-vuotiaita on suhteellisen paljon tai vähän. Kuvasta 1 Pohjanmaa korostuu lapsirikkaana alueena. Tämän taustalla on todennäköisesti uskonnolliset syyt. Kuvassa 2 taasen suuret kaupungit näkyvät vaaleina alueina: nuorempaa väestöä on enemmän. Karttoja vertaamalla näkee myös sen, että nämä kaksi tekijää ovat jossain määrin yhteydessä toisiin – kartat ovat tietyllä tavalla käänteisiä niin kuin osasinkin odottaa, kun %-osuuksista on puhe.

Mainittakoon vielä, että jos joku vaatisi minua julkaisemaan kartat blogini ulkopuolella, niin vaihtaisin värit vähintään samoiksi tai saattaisin jopa tedhä toisesta kartasta vaikka punasävyisen.

– Maria

 

Lähteet:

Interactivate Histogram 2016. Shodor, Durham (North Carolina).<http://www.shodor.org/interactivate/activities/Histogram/> Luettu: 1.2.2016.