Neljäs kurssikerta: pisteitä ruuduissa

Neljännellä viikolla tutustuttiin piste- ja ruutuaineistoihin ja -karttoihin. Karttaa varten käytettiin rakennuskohtaista pistetietoa. Aineistossa oli paljon asukkaiden ikäjakaumaan liittyvää tietoa. Eri ikäisten jakautuminen eri alueille vaikutti kiinnostavalta tutkimuskohteelta, joten päätin käyttää jotain näistä. Yhden muuttujan tapauksessa totesin kuvaavimmaksi/yleistävimmäksi muuttujaksi asukkaiden keski-iän. Näin pääsin harjoittelemaan myös laskentakaavojen käyttöä pistetiedon yhdistelyssä. Jokaiselle rakennuspisteelle löytyi asukkaiden iän keskiarvo sekä asukkaiden lukumäärä. Ruudun keski-ikä voidaan tällöin laskea ruutuun osuvien rakennuspisteiden ikäkeskiarvojen painotettuna keskiarvona tehden painotus asukkaiden lukumäärällä rakennuksessa. Tällöin saadaan sama tulos kuin keskiarvoistamalla kaikkien ruudun asukkaiden iät.

Tarkoituksena oli lisäksi tutkia erilaisia ruutukokoja. Maantieteellisenä alueena päätin käyttää koko pääkaupunkiseutua. 1x1km ruudukko tuntui yleistävän liikaa ja irrottuvan liikaa luonnollisista aluejaoista. Alla oleva kartta on tehty 250x250m ruudukolla, joka on lopulta ehkä hieman liian pikkutarkka eikä yhden ruudun pienen rakennusotannan vuoksi osoittanut suurempien alueiden eroja yhtä hyvin kuin suuremmat ruutukoot. Myöskin kokeilemani 500×500 metrin ruudukkokartan kadotin johonkin. Se olisi mahdollisesti ollut parempi yleistyksen kannalta.

Ruudukon koon kanssa yhtäaikaisesti oli aiheellista pohtia muita ulkonäköseikkoja sekä luokittelua. Väritykseksi valitsin vihreästä punaiseen vaihtelevan värityksen. Tämän värikartan suurin ongelmakohta taitaa olla tummuuden lisääntyminen molemmissa ääripäissä. Värittömäksi muutettuna se ei toimisi ja myös alimpien luokkien järjestys saatetaan tulkita väärin. Kuitenkin ääripäät ja keskimääräiset alueet erottuvat mukavasti. Tähän vaikuttaa myös luokkajako, johon käytin keskihajontaa. Tämä tuntui paljastavan hyvin keskimääräisestä erottuvia ääripäitä. Lisäksi pohdin, että koska kyseessä oleva muuttuja on keskiarvo suuresta pistemäärästä (asukkaista) painottuu se helposti keskivaiheille. Tällöin on ehkä luonnollistakin antaa keskimmäisten luokkien olla keskihajonnan perusteella suuria ja kiinnittää huomio ääripäihin.

as_ika_ka

Suurimman keski-iän alueita kuvaa punainen väri. Nämä pisteet ovat hajallaan eri puolilla lähinnä yksittäisinä ruutuina. Enemmän suuren keski-iän alueita voidaan ehkä sanoa olevan kaupunkien laitamien haja-asutusalueilla sekä Suvisaaristossa. Alhaista keski-ikää kuvaava pieni tummanvihreä luokka uppoaa muiden luokkien ruutujen joukkoon. Ehkä neljän luokan jako olisi ollutkin järkevämpi tässä. Pienenä teknisenä parannuskohteena voisi myös mainita mittakaavajanan, jossa lukee “5,000”. Tämä ei ole mittakaavavirhe, mutta desimaalit ovat tässä tapauksessa varsin harhaanjohtavia.

Vertasin karttaani Outin ja Leilan karttoihin, joissa kuvataan asukkaiden ikää absoluuttisilla suureilla (alle 16-vuotiaiden määrä, yli 65-vuoiaiden määrä). Jossain määrin on nähtävissä yhteneväisyyttä Outin kartan voimakkaimpien alle 16-vuotiaiden keskittymien ja oman karttani vihreiden alueiden välillä (esim. Lauttasaaressa, Vallilla-Arabia-linjalla ja Meri-Rastilassa). Vastaavasti Leilan kartan tummilla alueilla esimerkiksi Pohjois-Haagassa ja Kannelmäessä on omalla kartallani myös korkeamman keski-iän oransseja ja punaisia alueita.

Samanlaisuuksia ehkä on kuitenkin ääkiseltään odotettua vähemmän. Tätä selittävät kuitenkin esimerkiksi ikäluokkarajojen erot. Otaniemen suuri 18- ja 19-vuotiaiden määrät ilmeisesti laskevat keski-ikää, vaikka alle 16-vuotiaita ei suurta määrä olekaan. Suvisaaristossa taas saattaa olla paljon 50-65-vuotiaita, mikä selittäisi karttojen eron siellä. Vielä suurempi syy karttojen samanlaisen tulkinnan esteenä on se, että oma karttani ottaa huomioon kaikenikäiset ja tarkasteltu keski-ikä on väentiheydestä riippumaton. Outin ja Leilan kartoissa absoluuttista tietyn ikäisten määrää kuvatessa puolestaan jää näkymättä eri alueiden väentiheyksien ero ja sen vaikutus ikäryhmän alueelliseen jakautumaan.

 

Lähteet:

Outin Pak-blogi. Outi Seppälä. Luettu 15.3.2015. https://blogs.helsinki.fi/outisepp/

Leilan paikkatietopulinaa. Leila Soinio. Luettu 15.3.2015. https://blogs.helsinki.fi/lsoinio/

Kolmas kurssikerta: timanttivalumia

Kolmannella kurssikerralla keskityttiin tietokantojen luomiseen ja käsittelyyn MapInfossa. Ei ole vaikea kuvitella, että monessa paikkatiedon sovelluksessa tietoa tulee monista eri lähteistä ja useissa eri muodoissa, joten suuri osa ajasta voikin kulua tähän tiedon yhdistelemiseen ja esivalmisteluun.

Harjoituksena tehtiin kartat Suomen valuma-alueiden tulvaindekseistä ja järvisyysprosenteista. Tulvaindeksi laskettiin keskiylivirtaaman ja keskialivirtaaman suhteena. Järvisyysprosentti kuulostaa jokseenkin itsestään selvältä. Onneksi Jaakko oli blogiinsa (jaahuttu’s blog) löytänyt varmistuksesi tälle vielä virallisen määritelmän: “Järvisyysprosentti kertoo valuma-alueella sijaitsevien järvien pinta-alan suhdetta valuma-alueen pinta-alaan”.

Tässä vaiheessa kurssia teemakarttojen luonti tuntui jo jossain määrin rutiininomaiselta ja Afrikka-aineiston kanssa juuri harjoiteltu tietolähteiden yhdisteleminenkin sujui näppärästi. Valuma-alueiden erilaiset koot ja järvisyyden suuret vaihtelut tekivät kartasta tosin hankalaa luettavaa.

valuma-alueet2

Kartan perusteella näyttää pääosin siltä että suuren järvisyysprosentin alueella on pienemmät tulvaindeksit. Asiasta sen tarkemmin tietämättä arvelisin, että tämä liittyy järvien vedenvarastointikykyyn. Suuret järvipinta-alat pystyvät mahdollisesti tulvimatta ottamaan suuremman määrän sadevettä kuin joet kykenevät. Vesien varastoituminen järviin voi myös pitää kuivempien kausien virtauksen tasaisempana kuin vähäjärvisillä alueilla, mikä laskisi indeksiä keskialivirtaaman nousun kautta. On myös huomioitava, että suurimmat tulvaindeksit ovat rannikoilla, missä sateiset kaudet voivat olla merkittävästi sateisempia suhteessa kuivempiin kausiin kuin sisämaassa.

Kartan lisäksi tehtävänä oli pohtia Afrikkaan liittyvän aineiston sovellutusmahdollisuuksia. Monissa Afrikan konflikteissa vaikuttimina voivat olla luonnonvarat. Konflikteja, timanttikaivoksia ja öljykenttiä käsittelevän paikkatiedon avulla voidaan etsiä näitä yhteyksiä. Koska kaikista kolmesta on sekä sijaintiin että aikaan liittyvää tietoa, voidaan tästä tiedosta luotavilla kartoilla havaita myös todennäköisiä syy-seuraussuhteita. Jos konfliktin sijainti on lähellä timanttikaivosta tai öljylähdettä ja sen alkamisvuosi on pian timanttikaivoksen tai öljykentän löytämis- tai avaamisvuoden jälkeen, voidaan pohtia olisivatko ne yhteydessä. Näiden päätelmien kanssa on kuitenkin oltava varovainen, koska konfliktien takana voi olla lukuisia syitä ja on mahdollista etteivät edes ajassa ja paikassa lähellä olevat timanttikaivokset tai öljykentät liity asiaan. Mielenkiintoista voi kuitenkin olla myös heikon tai vahvan tuottavuusluokittelun kaivosten/öljykenttien tutkiminen erikseen. Esimerkiksi korkean tuottavuuden kaivoksiin/öljykenttiin voisi herkemmin liittyä konflikti.

 

Lähteet:

jaahuttu’s blog. Jaakko Huttunen. Luettu 4.2.2015. https://blogs.helsinki.fi/jaahuttu/