All posts by Mikael Ruohonen

Viimeinen viikko: autot ja niiden melu Euroopassa

Yhä itsenäisemmäksi muuttuva työskentely saavutti huippupisteensä viimeisellä kurssikerralla, jossa käytännössä annettiin vapaat kädet tuottaa teemakarttoja kunhan ne olivat samalta alueelta vähintään kahdesta eri muuttujasta. Tutustuin hätäisesti annettuun linkkilistaan. Arvelin, että mielenkiintoisista aiheista löytyy kyllä tietoa erityisesti maakohtaisesti helposti googlettamalla, mutta karttapohjan löytäminen voisi olla haastavampaa. Selvää oli, etten halunnut ryhtyä digitointipuuhiin. Linkkilistan kautta onneksi löytyi valtioiden rajat paikkatietomuodossa (www.naturalearthdata.com). Suositeltuihin aluemääriin nähden Euroopan valtiot vaikutti sopivalta kohteelta, joten latasin sen shape-muodossa ja muutin MapInfon universal translatorilla .tab-muotoon. Tutkiskelin sopivia koordinaatistoja ja Suomessakin käytössä oleva ETRS89-pohjainen transversal mercator -projektio vaikutti Eurooppaan sopivalta. Sopivan kaistan valitsin kokeilemalla niin, että sain kokonaisuuden mahdollisimman suoraan. Euroopan kuvaamisessa ilmeisesti käytetään hieman vaihtelevaa keskimeridiaania.

Tutkittaviksi muuttujiksi kaipasin jotain meluun liittyvää ammatillisesta mielenkiinnosta. Tiesin, että EU-direktiivin vuoksi jotakin tilastotietoa varmasti näistä asioista löytyykin. Googlettamalla melutietoa löytyi WHO:n sivuilta. Tiedoissa oli juna- ja tieliikenteen osalta vuorokauden ajoilla painotetun melun (Lden) yli 55 dB alueella asuvien osuus ja yöaikaisen melun (Lnight) yli 50 dB alueella asuvien osuus. Pienten kokeilujen jälkeen päätin kuvata yöaikaista tieliikenteen melua.

Päätin vertailla tieliikenteen melulle altistuvia autojen määrään. Jälleen pienellä googlettamisella tietoa löytyi helposti EEA:n sivuilta. Sekä melualtistusdata että autonomistajuusdata olivat excel-muodossa mistä ne sai pienen siistimisen jälkeen tuotua MapInfoon. Aikaisemmin kurssilla todettujen kahden päällekkäisen koropleettikartan haasteiden vuoksi päätin kuvata muuttujia eri kartoissa. Karttoihin tuli joitain valkoisia alueita puuttuvien tietojen vuoksi, mutta molemmista kartoista löytyviä maita löytyi mielestäni riittävästi vertailua varten.

kartta_melu

kartta_autot

Minkäänlaista yhteisvaihtelua näiden muuttujien välillä on vaikea nähdä. Tämä ei sinänsä ole mikään yllätys, sillä näiden asioiden suhde voidaan nähdä monimutkaisena. Autojen määrän lisäksi tieliikenteen melualtistukseen vaikuttaa se millaisilla alueilla autoja omistetaan ja ajetaan ja toisaalta miten asuminen ja asumistiheys sijoittuu suhteessa teihin.

 

Tiedonlähteitä:

http://www.euro.who.int/en/data-and-evidence/environment-and-health-information-system-enhis Luettu 26.2.2015

http://www.naturalearthdata.com/downloads/10m-cultural-vectors/ Luettu 26.2.2015

http://www.eea.europa.eu/data-and-maps/figures/passenger-car-ownership-in-the-eea Luettu 26.2.2015

Kuudes viikko: mannerlaatat järisee

Tämän kuudennen kurssikerran tekstin palautus jäi tekemättä moodleen, koska yliopiston sivut olivat kaatuneena viimeisenä iltana, jolloin palautus oli auki. Järkevämpäähän teksti olisi tietysti ollut tehdä jo ajoissa ennen seitsemättä kurssikertaa. Yliopiston palvelinongelmat kun tuskin montaa päivää koskaan kestävät. Tässä teksti nyt joka tapauksessa varsinaisella paikallaan blogissa:

 

Kuudennella viikolla päästiin kenttätöihin. Pienten GPS-laitteen kanssa koettujen ongelmien kanssa pääsin merkitsemään tienviittojen koordinaatteja Kumpulan ympäristöstä muistiin. Tämän jälkeen tutustuttiin kerättyjen pisteiden avulla geokoodaukseen.

Itsenäistehtävässä tutustuttiin pistemuotoiseen hasardidataan. Tietokantojen luomista erilaisista lähteistä tuli taas harjoiteltua sopivasti. Tutkin pitkän aikaa maanjäristyksiin ja tulivuoriin liittyvää pistedataa kartalla ja koitin pohtia mielenkiintoista näkökulmaa. Maanjäristysten päivämääriä sai kätevästi suodatettua esimerkiksi vuoden perusteella SQL Selectin funktioilla. Tulivuorista puolestaan oli purkautumisajankohdat tiedossa pitkinä aikajaksoina. Koitin katsoa kartalla missä määrin korkean magnitudin maanjäristykset vuoden 1963 jälkeen vastasivat samana aikankautena purkautuneiden tulivuorten sijainteja. Molempia ilmeni aika paljon ilman toista, enkä muutenkaan löytänyt tällä tavoin mielenkiintoisia yhteyksiä.

Sekä maanjäristyksiä että tulivuoria maailmankartalle pisteinä iskiessä alkaa aloitteleva maantieteilijäkin nopeasti nähdä mannerlaattoja ja niiden liikkeitä. Koska tässä tehtävässä oli oleellista myös karttojen sovellukset kouluopetuksessa, ajattelin että tässä voidaan eri tavoin osoittaa litosfäärilaattojen liikkeiden aiheuttamia ilmiöitä. Yli 6 Richterin maanjäristykset kuvaavat jo aika selvästi mannerlaattojen rajat. Rajaamalla nämä yli 7 Richterin maanjäristyksiin nähdään, että osa linjoista katoaa. Tällä voidaan osoittaa kuinka paljon rauhallisempia tapahtumia mannerlaattojen erkanemiset ovat sivuamis- ja törmäystapahtumiin nähden. Kun näiden kautta hahmotetaan laattojen erilaisia rajoja, voidaan katsoa lisäksi tulivuorten karttaa ja nähdä kuinka vahvasti nekin seuraavat mannerlaattojen rajoja ja ovat yleisempiä törmäys- ja sivuamisalueilla kuin erkanemislinjoilla.

Tämän kertaisen aineiston (maanjäristykset ja tulivuoret) yhteyden litosfäärilaattoihin olivat blogiensa perustella havainneet lähestulkoon kaikki kurssilaiset ja esimerkiksi Nelli (Nellin PAK-blogi) oli löytänyt saman kuvan laatoista vertailukohdaksi.

maa6

maa7

tulivuoret

 

 

Lähteet:

Nellin PAK-blogi. Nelli Aalto. Luettu 15.3.2015. https://blogs.helsinki.fi/neaa/

Litosfäärilaatat ja niiden liikesuunnat. Luettu 15.3.2015. https://peda.net/oppimateriaalit/e-oppi/ylakoulu/maantieto/amerikka/3eis2/kuvamappi/kuvia/lr:file/photo/10a58970453d0dbb3202ecd1de7201c397e3db78/ge_7_litosfaarilaatat_ver2.png

Viides viikko: puskurointia

Kurssikerralla keskityttiin puskurointiin eli alueiden luontiin objektien ympärille sekä pistemuotoisen tiedon analysointiin erilaisten alueiden sisältä.

Puskureita voidaan käyttää yksinkertaiseen vaikutusalueiden analysointiin. Määrätyllä etäisyydellä tietystä kohdetyypistä sijaitsevien toisten kohteiden määrä ja ominaisuudet saattavat antaa tietoa puskuroidun kohteen toiminnallisuudesta, vaikutuksesta ympäristöönsä ja mahdollistaa tämän tyyppisten kohteiden vertailun keskenään. Voidaan tutkia niin negatiivisia vaikutuksia, kuten ympäristöhaittoja (kurssikerralla tutkitut melualueet), kuin positiivisia vaikutuksia, kuten saavutettavuutta (harjoituksissa juna-asemat).

Puskureita käytettäessä on kuitenkin oltava varovainen yksinkertaisesti kartalle piirrettyjen geometristen puskureiden tulkinnasta. Itse melulaskentoja viikoittain tekevänä pohdin tehtävien harhaanjohtavuutta, kun esim. 2 km puskuria lentokentän kiitoratojen ympärillä tutkittiin melualueena. Tosi asiassa melualueet riippuvat konetyypeistä, liikennemääristä ja niiden muodot kartalla eritysesti lentoreiteistä, kuten osittain harjoituksissa kävikin ilmi. Toisaalta yksinkertaisissa ympäristöissä (esimerkiksi suora tie avoimella tasaisella maalla) voidaan melun ja tärinän leviämisessäkin käyttää etäisyyksiä.

Toisena puskuroiden sovelluksena mainitsemani saavutettavuus taas ei välttämättä ole suorassa yhteydessä etäisyyteen kartassa. Lyhyillä etäisyyksillä korkeuserot ja rakennukset ja pitkillä etäisyyksillä esim. kulkuväylät ja joukkoliikenneyhteydet määrittävät saavutettavuutta vahvasti yhdessä etäisyyden kanssa. Matka-aika puskurit olisivatkin mielenkiintoinen tutkimuskohde ja varmaan sellaisia paljon käytetäänkin, mutta on vaikea nähdä miten niitä voisi MapInfossa laskea.

Kurssikerran itsenäistehtävien ehkä paras anti oli sen ymmärtäminen, kuinka paljon tietoa erilaisista yksinkertaisistakin paikkatietoaineistoista voidaan saada ulos. Harjoituksissa yhdisteltiin paljon sijaintiin ja ominaisuuksiin liittyviä hakuja (esim. työikäisten osuus 500 m etäisyydellä juna-asemista asuvista). Avaimena tuloksiin ovatkin hakutaidot, sekä oikeiden asioiden hakeminen että itse haun suorittaminen. Edelliseen vaikuttavat monet asiat päättelykyvystä luovuuteen ja itse käsillä olevan asian aikaisempaan hallintaan. Jälkimmäinen puolestaan liittyy paljolti tekniseen osaaminen ja nopeaan kehittämiseen. Yleinen paikkatiedon käsittelyn ymmärtämys auttaa ja lisäksi on tunnettava kyseinen ohjelma sekä keksittävä sopivia ratkaisuja tietyn hakuongelman ratkaisuun. Kurssikerran itsenäistehtäviä ratkaistessa huomasin että ongelmaa lähestyessä mieleen tuli useampikin tapa jolla sen voisi ratkaista, mutta nykyisellä kokemuksella oli vaikea sanoa tukeeko MapInfo kutakin ratkaisuvaihtoehtoa ja millä tavoin asia helpoiten luonnistuisi MapInfolla. Itsenäistehtävien ratkonnassa kävi jossain määrin selväksi myös se, että tärkeää on hahmottaa milloin tarvitsee tai kannattaa luoda uusia muuttujia ja/tai tietokantoja ja milloin tulos voidaan suoraan laskea ulos.

Kysymys Vastaus
Malmin kentästä 2 km säteellä asuvien lkm 58220
Malmin kentästä 1 km säteellä asuvien lkm 9067
Malmin kentästä 1 km säteellä sijaitsevien 1936 jälkeen käyttöön otettujen rakennusten lkm 737
Asukkaita edellisen kategorian rakennuksissa 8871
Helsinki-Vantaan kiitoradoista alle 2 km etäisyydellä asuvien lkm 11400
Edellisen kategorian asukkaista 65 dB melualueella asuvien osuus 0,3 %
Helsinki-Vantaan ≥ 55 dB melualueella asuvien lkm 11942
Tikkurilan laskeutumissuunnan 7 km pitkän ja 1 km leveän alueen sisällä asuvien lkm 12753
500 m etäisyydellä juna-asemasta asuvien lkm 85053
Edellisten osuus koko alueen väestöstä 17 %
Työikäisten (15-64v) osuus 500 m etäisyydellä juna-asemista asuvista 69 %
Taajamissa asuvien osuus 96 %
Taajamien ulkopuolella asuvien kouluikäisten (7-15v) lkm 2067
Taajamien ulkopuolella asuvien kouluikäisten osuus kaikista alueen kouluikäisistä 4 %
Alueita, joilla ulkomaalaisten osuus yli 10 % 42
Alueita, joilla ulkomaalaisten osuus yli 20 % 12
Alueita, joilla ulkomaalaisten osuus yli 30 % 8
Helsingin Yhtenäiskoulun koulupiirin seuraavan vuoden uudet kouluikäiset 14
Yläasteikäisten oppilaiden lkm seuraavana vuonna 62
Kouluikäisten osuus koulupiirin asukkaista 8 %
Muunkielisten koululaisten lkm 9

Kuten muillakin, esimerkiksi Eveliinalla (Even PAK-blogi), minullakaan ei onnistunut excel-taulukon tuominen aluksi suoraan blogiin näkyviin html-sivuna vaan jouduin lisäämään sen ladattavaksi tiedostoksi. Myöhemmin tajusin googlettaa taulukkojen lisäämistä yleisesti WordPress-blogeissa ja löysin yksinkertaisen ratkaisun: Visual-näkymään voi suoraan liittää excelistä kopioidun taulukon. Toisinaan tulee seurattua ohjeita huonolla menestyksellä vaikka tällainen vaihtoehtoinen intuitiivinen ratkaisu olisi ollut tarjolla.

 

Lähteet:

Even PAK-blogi. Eveliina Ikonen. Luettu 15.3.2015. https://blogs.helsinki.fi/eveliiik/

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/

Artikkeli 1: Kahden muuttujan koropleettikartoista

Anna Leonowiczin artikkeli “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” oli juuri sopiva artikkeli toisen kurssikerran harjoituksen pariksi. Leonwiczin mukaan kahden muuttujan kartat voivat olla oikein toteutettuna hyviä esittämään muuttujien suhdetta mutta kadottavat helposti yhden muuttujan koropleettikarttojen hyvän maantieteellisen jakauman kuvauskyvyn.

Harjoituskartan luomisen ja artikkelin lukemisen myötä pohdin erityisesti kahden muuttujan karttojen graafisia ominaisuuksia ja haasteita. Kahta asiaa kartalla tutkittaessa on ensinnäkin selvää että informaatiota voi tulla liikaa luettavuuden kustannuksella. Pieni luokkien määrä on tähän ensimmäinen ja tärkein lääke. Lisäksi kahden muuttujan esitysten graafinen yhteensopivuus on mielenkiintoinen kysymys. on erittäin haastavaa saada muuttujien suhde näkyviin pitäen samalla molemmat muuttujat erikseen havainnoitavana. Tällöin eri muuttujien vaihteluun liittyvien graafisten ominaisuuksien tulisi olla sllelvästi erottautuvia, kuitenkin niin että niiden yhdistelmänä myös syntyy ikään kuin oma muuttujansa. Tämä onnistuu esimerkiksi Leonowiczin mainitsemilla kahdella sekoittuvalla väriskaalalla, jossa esimerkiksi sinisen ja punaisen tummuusasteilla esitetään yksittäisten muuttujien vaihtelua yhteisvaihtelun voimakkuus näkyy violetin määränä. MapInfossa tälläinen ei valitettavasti taida onnistua.

Toimivassa kahden muuttujan koropleettikartassa siis graafiset esitykset sekoittuvat ja kahden muuttujan suhteesta muodostuu tavallaan oma graafinen muuttujansa tai voidaan ajatella että graafinen muuttuja on kaksiulotteinen. Tällöin esimerkiksi MapInfossa tuotetut erilliset legemdat voivat olla tulkinnan kannalta vaikeita. luettava kartta vaatii kaksiulotteisen legendan joka osoittaa myös yhteisvaihtelun graafisia ominaisuuksia. Näin vähennetään virheitä kartan tulkinnassa kun kaikki kartassa esiintyvät esitysmuodot esiintyvät myös legendassa.

Toinen kurssikerta: toistoa ja yhteisvaihtelua

Toisella kurssikerralla tutustuttiin loppuihin MapInfon teemakarttatoimintoihin sekä pohdittiin kahden päällekäisen teemkartan toteuttamista.

Selkeästi toistosta oli hyötyä. Joitain työvaiheita kartan luomisessa en muistanut enää edes viikon takaa kunnolla vaan toimintoja piti kaivella MapInfon valikoiden uumenista.

Karttatehtäväksi annettu kahden päällekäisen teemakartan esittäminen osoittautui työlääksi kahdesta syystä. Ensinnäkin sopivan aineiston löytäminen ei ollut helppoa. Ehkä tarkoituskaan ei ollut löytää välttämättä yhteisvaihtelua osoittavaa aineistoa, mutta mukavampihan sellaista on tulkita kuin täysin kaoottista. SotkaNetin aineistossa oli paljon kiinnostavaa tutkittavaa ja hypoteesien tekeminen erilaisten muuttujien yhdistelmistä on mielenkiintoista, mutta osa aineistosta vaikutti vanhentuneelta tai epäluotettavalta, joten selailu oli jossain määrin työlästä. Päädyin tutkimaan tulojen yhteyttä äänestysaktiivisuuteen eduskuntavaaleissa 2011. Tuloja edustavaksi muuttujaksi SotkaNetin aineistosta löytyi pienituloisuusaste. Selkeämpiäkin mittareita olisi saattanut löytyä ja täytyy myöntää etten vieläkään ole täysin selvillä pienituloisuusasteen yksityiskohdista.

Toinen suhteellisen työläs osuus tehtävän suorittamisessa oli kahden päällekäisen koropleettikartan ulkonäön säätäminen sellaiseksi että niiden yhteisvaihtelua ja toisaalta kummankin jakaumaa pystyisi tutkimaan. Kartta-alueen kooksi päätin ottaa suuralueen kompromissina luettavuuden ja otannan koon väliltä. Alueeksi valikoitui tuttu Etelä-Suomi.

Histogrammien perusteella molempien muuttujien jakaumat vaikuttivat mielestäni hieman vinoilta normaalijakaumilta. Vaikka Antti tulkitsi omassa blogissaan (Antin paikkatietoblogi) pienituloisuusasteen tasaisesti jakautuneeksi toisin kuin minä, päädyimme kuitenkin molemmat käyttämään kvantiileja eli tasamääräisiin luokkiin. [JÄLKIHUOMIO: Itse olin tainnut tutkia koko Suomen jakaumaa valitsemani alueen sijaan, minkä takia tulkistin sen vinoksi normaalijakaumaksi. Tämä ei välttämättä päde valitsemalleni alueelle, mutta luokkajako lienee joka tapauksessa toimiva.] Itse tosin en säätänyt luokkavälejä tasalukuihin, mikä voisi olla hyvä käytäntö jatkossa legendojen selvyyden ja siten koko karttaesityksen selkeyden kannalta.

MapInfon teemakarttojen tyylien valmisvalikoiman rajallisuus tuli vastaan erilaisia kuviointeja värien päälle kokeillessa. Tekemääni karttaan valitsin viivoituksen, josta kolme luokkaa oli mielestäni helpompi havaita kuin muista kuvioinneista. Äänestysaktiivisuutta kuvaava väri puolestaan vaihtelee luokkien välillä tummuuden avulla. Tämä tulee viivoituksen kanssa ongelmalliseksi, koska tiheämpi viivoitus saattaa myös tuoda vaikutelmaa tummuudesta. Tällöin muuttujat eivät erotu toisistaan ja vastakkaisten ääripäiden yhdistelmä voi näyttää yhden muuttujan ääripäältä. Jälkikäteen ajatellen värisävyä muuttava väriteemakartta oli äänestysaktiivisuudelle parempi.

2teemaa

Edellä mainituista ja mahdollisista muista puutteista huolimatta kartta ei ole täysin analyysikelvoton. Voidaan esimerkiksi nähdä, että useissa rantakunnissa Helsingin ja Turun ympäristössä äänestysaktiivisuus on korkealla ja pienituloisuusaste matalalla. Itä-osissa karttaa puolestaan näkyy useita kuntia, joissa on samaan aikaan matala äänestysaktiivisuus ja korkea pienituloisuusaste. Näitä vastakkaisten ääripäiden yhdistelmiä jossain määrin aineistosta oletinkin. Yhteisvaihtelun seuraaminen olisi ehkä helpompaa ylipäätään, jos pienituloisuusasteen sijaan olisi tutkittu jotain tulojen myötä kasvavaa muuttujaa. Negatiivista korrelaatiota on hankalampi tutkia päällekäisistä teemakartoista kuin positiivista tai ainakin sopiva esitysmuoto on vaikeampi löytää.

 

Lähteet:

Antin paikkatietoblogi. Antti Autio. Luettu 29.1.2015. https://blogs.helsinki.fi/anttiaut/

Ensimmäinen kurssikerta

PAK-kurssi aloitettiin johdannolla paikkatietoon ja MapInfon käyttöön. Paikkatietoasioiden perusteet tässä mitassa olivat varsin tuttua asiaa, mutta MapInfosta löytyi heti uutta opittavaa. Aiempi kokemukseni ohjelman kanssa rajoittui pieneen harjoitukseen TAK-kurssilla.

Kurssikerran olennaisinta antia olivat MapInfon tasojen ja tietokantojen hallinta sekä koropleettikarttojen luonti. Kyse oli muuten lähinnä teknisestä opastuksesta ja harjoittelusta, mutta yksinkertainenkin teemakarttaharjoitus sai pohtimaan aineiston luokittelua ja tiedon välitystä karttojen avulla.

Helsingin aineistoilla kokeilemisen jälkeen yritin löytää sopivaa aihetta Suomen teemakartalle blogia varten. Kunnat2011-tietokannassa riitti mielenkiintoisia muutujia, tosin lähes jokaisen kohdalla mieleeni nousi epäilys kartan syvemmästä tulkinnasta. Yhden muuttujan tutkiminen johtaa usein väärin johtopäätöksiin yksinään. Päätin kuitenkin pitäytyä perusasioissa ja valita vain yhden muuttujan ja sen valmiista valikoimasta. Kartalle muutamaa kokeiltuani huomasin että eläkeläisten osuus näytti mielenkiintoiselta analysoitavalta kartalta. Ainakin siitä näki heti, että joitain tulkintoja koko Suomen kartalla on tehtävissä. Kuten Mirka blogissaan (Paikannettua tietoa) huomauttaa, tämä muuttuja on suhteellinen (osuus kunnan kokonaisväestöstä) ja siksi sopii sellaisenaan koropleettikartan aineistoksi.

Ennen lopullisen kartan luontia oli tarpeen tutkia aineiston jakaumaa histogrammin (alla) avulla. Olin yllättynyt, että aineisto näytti näinkin normaalijakautuneelta. Tosin jakauma on ehkä jossain määrin vino: häntää suurissa prosenteissa ei ole yhtä paljon kuin pienissä ja joitain piikkejä on nähtävissä keskiarvoa suuremmissa luokissa.

eläkehist2

Ohjeita noudattaen aloin pohtia normaalijakaumalle sopivaa luokitusta tasamääräisten luokkien ja keskihajonnan muodostamien luokkien väliltä. Päätin tuottaa molemmista kartat tähän alle. Keskihajontaan perustuva luokittelun myötä ääripäät erottuvat selkeämmin ja luokkavälit ovat tasaisemmat. Tasamääräisiin luokkiin perustuvassa kartassa on helpompi erottaa laajemmat alueet, joiden välillä erot ovat selkeitä. Toisaalta keskimmäisten luokkien luokkarajat muodostuvat kapeiksi ja niiden vertailu keskenään vaikuttaa turhalta.

eläkesuomi_std copy

eläkesuomi_eqCount

Molemmista kartoista erottuu pienen eläkeläisten osuuden alueina suurten yliopistokaupunkien ympäristöt. Keskihajonnan mukaan luokitellusta kartasta voisi karkeasti arvioida että pinta-alaltaan suuret kunnat ovat useammin eläkeläisten osuudeltaan kuntien keskiarvon yläpuolella ja pinta-alaltaan pienet kunnat keskiarvon alapuolella.

 

Lähteet

Paikannettua tietoa. Mirka Jokela-Määttä. Luettu 22.1.2015. https://blogs.helsinki.fi/mijokela/