Pauliina PAK-kurssilla

Viimeisellä PAK-kurssikerralla oli aika haastaa itseään ja testata kurssilla karttuneita taitoja: tehtävänä oli nimittäin luoda alusta loppuun asti itse tehty kartta.  Mitään valmiita aineistoja ei siis annettu, vaan ne kaikki tuli kerätä internetistä itse.

Haastavin osuus työssä tuntui olevan kuvattavan aiheen keksiminen. Löysin kuitenkin heti alkussa Eurostatin sivuilta hyvät tilastot Euroopan maiden kasvihuonepäästöistä, joita päätin hyödyntää. Koropleettikartalle tyypillisesti pohjakartassa näkyi eri värein valtioden hiilidioksidipäästöt asukasta kohden. Arvot laskettiin jakamalla valtioiden hiilidioksidipäästöt niiden asukasluvulla.  Yllättäväksi haasteeksi muodostui Euroopan valtioiden vuoden 2015 tarkkojen asukaslukujen löytäminen. Tällaisen perustiedon luulisi olevan helposti saatavilla. Vuoden 2014 ja 2016 tiedot puolestaan tuntuivat tulevan vastaan monesta eri lähteestä, mutta haluamaani vuotta oli yllättävän vaikea löytää. Etsintä kuitenkin lopulta palkittiin, eikä kartassa tarvinnut sekoittaa eri vuosien tietoja.

Koropleettikartan valmistuttua suurta hämennystä aiheutti Tanskan erottuminen muista valtioista korkeiden hiilidioksidipäästöjen takia. Eikö Tanskan pitäisi olla pyöräilyn ja uusiutuvan energiantuotannon maana ympäristöystävällisyyden mallivaltio? Tämä sai minut epäilemään karttani informaation oikeellisuutta. Huomasin kuitenkin, että Vilja Jokinen oli tehnyt oman karttansa saman aiheen pohjalta ja myös siinä Tanska erottuu korkeilla CO2 päästöillään (Jokinen 2017). Ilmeisesti karttamme kuvaa ilmiön oikein. Kiinnostuin, mistä valtioiden hiilidioksidipäästöt syntyvät. Päätin jatkaa Eurostatin hyvien tilastoiden hyödyntämistä ja tehdä koropleettikarttaan ympyrädiagrammit kuvaamaan valtioiden hiilidioksidipäästöjen lähteitä.

Kartassa näkee, että suurimpia hiilidioksidin lähteitä on kaasun, sähkön, lämmön ja ilmastoinnin tuotanto, kotitaloudet, kuljetus ja varastointi sekä vedenjakelu ja rakentaminen. Tanskassa suurimmat päästöt näyttää syntyvän kuljetuksesta ja varastoinnista, mikä tuntuu erittäin kummalliselta. Tilastoja tutkiessani ja asiaa pohtiessani havaitsin kuitenkin, että Grönlannin ja Tanskan päästöt lasketaan yhteen, mikä on syynä Tanskan korkeille päästöluvulle. Grönlannin kaukainen sijainti luonnollisesti nostaa kuljetuspäästöjä.

Kartta on sisällöllisesti onnistunut, mutta visuaalisella puolella on paljon parannettavaa, sillä kartta on vaikeasti luettava. Koropleettikartan vaaleimmat värisävyt eivät erotu tarpeeksi hyvin toisistaan, minkä takia luokkien eroja kartalla on hankala hahmottaa. Ympyrädiagrammien luettavus puolestaan kärsii niiden pienen koon ja tummien värien takia. Todettakoon kuitenkin, että värisävyt näyttivät paljon paremmilta gis-labran koneiden suurelta näytöltä.

Paikkatiedon hankinta, analyysi ja kartografia kurssi on tämän viimeisen kartan ja blogitekstin myötä paketissa. Käteen kurssilta jäi parempaa ymmärrystä paikkatiedon keräämisestä ja visuaalisesta esittämisestä. Yllätyksenä tuli, kuinka haastavaa kartasta on saada visuaalisesti tyylikäs. Koin kehittyneeni kurssin aikana paljon MapInfon käyttäjänä. Silti täysin itsenäinen työskentely tuottaa edelleen haastetta ja ilman apua olisi vaikea pärjätä. Koin kuitenkin, että kurssi antoi hyvän pohjan laajemmalle paikkatieto-osaamisen kehittämiselle jatkossa.

Lähteet:

1. Eurostat yearbook, Greenhouse gas emissions by industries and households. < http://ec.europa.eu/eurostat/statistics-explained/index.php/Greenhouse_gas_emissions_by_industries_and_households> (Luettu 3.3.2017)
2. Natural Earth, Admin 0 – Countries. <http://www.naturalearthdata.com/downloads/10m-cultural-vectors/10m-admin-0-countries/> (Ladattu 3.3.2017)
3. Natural Earth, 1:50 Natural Earth I with Shaded Relief and Water.  <http://www.naturalearthdata.com/downloads/50m-raster-data/50m-natural-earth-1/> (Ladattu 3.3.2017)
4. Jokinen V. (2017) Kurssikerta seitsemän: Viimeinen ehtoollinen. <https://blogs.helsinki.fi/jokinenv/2017/03/01/kurssikerta-7-viimeinen-ehtoollinen/> (Luettu 17.3.2017)

Kuudes kurssikerta alkoi ulkoilulla. Tehtävänä oli kerätä GPS-paikantimella kymmenen vapaavalintaisen kohteen sijainnit ja siirtää kerätyt pisteet kartalle. Ryhmässä päätimme kerätä koordinaatteihin perustuvat sijaintitedot roskapöntöistä Kumpulan kampuksen lähialueella. Kuvassa 1. on punaisella viivalla kuvattu kulkemamme reitti ja sinisillä pisteillä roskapönttöjen sijainnit. Reittimme kulki helpossa maastossa matalien talojen ja puistoalueen keskellä, mikä takia reitin tarkkuus on hyvä. Korkeiden rakennusten välissä laitteen paikannuskyky saattaa heikentyä, mikä näkyy Kumpulan kampuasalueella: GPS-laitteen mukaan reittimme jatkui aivan Kustaa Vaasan tien toiselle puolelle saakka, vaikka todellisuudessa reittimme alkoi ja loppui Physicumiin.

Kurssikerran itsenäisten tehtävien kautta pääsimme taas kartoittamaan GIS-taitojamme laatimalla eri hasardeja kuvaavia karttoja. Tarkoituksena oli oppia muokkaamaan ja siirtämään internetistä löytyvää dataa kartalle. Ensimmäisessä kartassa on kuvattu magnitudiltaan yli 6.0 maanjäristykset vuoden 2015 tammikuun jälkeen (Kuva 2.). Kuvasta näkee selvästi, että niitä esiintyy eniten mannerlaattojen reunakohdissa ja niin sanotulla Tyynenmeren tuliringin alueella.

Opettajan työssä selkeät ja informatiiviset kartat ovat erinomainen tapa havainnollistaa ilmiöitä lapsille. Kuvan 2. kartta sopisikin hyvin oppimisen tueksi, sillä se on yksinkertainen ja helposti ymmärrettävä. Alakouluissa opetustarkoituksessa yhden muuttujan teemakartat ovat useamman muuttujan karttoja parempia, sillä niissä virhetulkinnan mahdollisuus on pienempi. Toisaalta kartan informaatio lisääntyisi jos esimerkiksi tässä kartassa mannerlaatat olisi näkyvissä, jolloin myös lukijan olisi helppo päätellä näiden kahden muuttujan yhteys. Opetuksessa opettaja voi kuitenkin kysymyksin ohjailla oppilasta oivaltamaan asian itse. Kysymällä, miksi maanjäristyksiä esiintyy tietyillä alueilla enemmän kuin toisilla, haastaa oppilasta pohtimaan ilmiön taustatekijöitä ja tarjoaa onnistumisen kokemuksen vastauksen keksittyään. Samalla oppiminen ja soveltamiskyky tehostuvat.

Maanjäristykset, jotka ovat magnitudiltaan yli 5.0 saattavat aiheuttaa pientä tuhoa. Pienempiä maanjäristyksiä on usein vaikea havaita ilman mittalaitetta ja tuntemalla havaittavat maanjäristykset ovat Suomessa harvinaisia. Toisen karttani (Kuva 3.) tarkoituksena olikin kuvata pienten maanjäristysten sijaintia. Oletus oli, että pieniä maanjäristyksiä kuvattaessa pisteitä esiintyy enemmän myös mannerlaattojen keskellä. Kartta ei kuitenkaan onnistunut haluamallani tavalla, sillä jostain syystä magnitudiltaan 3.0 pienempiä järistyksiä ilmestyi kartalle vain kourallinen. Ilmeisesti siirsin datan käsittelyvaiheessa vahingossa vain osan tilastoista MapInfoon, jolloin vain murto-osa havaintokohteista tuli näkyviin.

Jos kartta olisi onnistunut, olisi se ollut hyvä pari edellisen (Kuva 2.) kartan kanssa. Yhdessä ne olisivat havainnollistaneet lukijalle sen, että maanjäristyksiä tapahtuu muuallakin kun mannerlaattojen reunoilla, jopa Suomessa. Helsingin yliopiston Seismologian instituutin sivuilla näkee Suomessa tapahtuvat maanjäristykset. Sen mukaan vuonna 2016 Suomessa tapahtui 73 maanjäristystä, jotka kaikki olivat magnitudiltaan alle 2.0. Kartta kuitenkin epäonnistui, eikä sillä näin ollen tee mitään. Rajallisen ajan takia en tehnyt uutta karttaa, joten julkaisen tämän varoittavana esimerkkinä!

Tässä linkissä on onnistunut ja havainnollistava animaatio maanjäristyksistä maapallolla viimeisen 15 vuoden aikana. Usein toistuvan ilmiön esittäminen animaation avulla antaa laajempaa hahmotuskykyä pelkkään karttaan verrattuna, sillä ajallinen aspekti on huomioitu. Siksi kyseinen video voisi olla hyvä opetustarkoituksessa. Videossa 3:10 kohdalla näkyy kaikki viimeisen viidentoista vuoden maanjäristykset kartalla yhtä aikaa kuvaten myös pienet maanjäristykset mannerlaattojen keskellä. Jotain tämän tapaista olisin halunnut myös omalla kartallani kuvata, mutta taitoni eivät kuitenkaan tällä kertaa siihen riittäneet.

Viimeisen kartan tein kuvaamaan meteoriittien putoamisalueita eli kraatereita ja löytyneitä meteoriittikiviä maapallolla (Kuva 4.). Kartalla huomio kiinnittyy alueisiin, joilla kraatereita esiintyy eniten. Tarkastelussa herääkin kysymys, miksi esimerkiksi Pohjois-Amerikassa, Euroopassa, Intiassa ja Australiassa meteoriittien törmäyksiä esiintyy huomattavasti muita alueita enemmän. Jouko Lappalainen esittää blogissaan asiasta uskottavan teorian: tiheimmin ja pitkään asutettuja seutuja on tutkittu muita alueita tarkemmin, jolloin meteoriittikraatereita on löytynyt enemmän. On siis todennäköistä, että meteoriitin törmäysalueita on paljon enemmän, mutta haastavan maaston tai muuten harvaan asutun seudun alueita ei ole tutkittu yhtä tarkasti.

Opetuskäytössä meteoriittikartta on maanjäristyskarttaa (Kuva 2.) haastavampi lukea meteoriittien alueellisen esiintyvyyden vaihteluiden takia. Kartta vaatii siksi enemmän kriittistä kartanlukutaitoa. Vanhemmille oppilaille tässä voisikin olla hyvää karttatulkinnan haastetta, mutta nuoremmille oppilaille se saattaisi luoda väärän käsityksen ilmiöstä.

Lähteet:

1. http://www.helsinki.fi/geo/seismo/maanjaristykset/suomi.html
2. http://www.businessinsider.com/animated-map-shows-all-earthquakes-over-the-past-15-years-2016-12?r=US&IR=T&IR=T
3. Lappalainen J. (2017) Osa 6 – “Hit me like a meteorite, don’t let me go”
   <https://blogs.helsinki.fi/ladjouko/2017/02/23/foxtrot/> (Luettu 17.3.2017)

Viidennellä kurssikerralla harjoiteltiin bufferointi- eli puskurityökalun käyttöä ja hyödyntämistä aineistojen analyysissä. Työkalun käyttöä harjoiteltiin itsenäisten tehtävien avulla. Puskuroinnilla tarkoitetaan tietyn kohteen ympärille rajattua sädettä, jonka sisäpuolelta voidaan analysoida eri kohteita. Kurssikerran alussa työkalun käyttöä harjoiteltiin yhdessä muun muassa Pornaisten alueen teiden, koulun ja sairaalan ympäristöä bufferoimalla. Tämän jälkeen siirryttiin itsenäisten tehtävien pariin, joissa hyödynnettiin aiemmilla kurssikerroilla opittuja asioita. Itsenäisiä tehtäviä tehdessäni oli pakko todeta, että MapInfo —taidoissani on tapahtunut kehitystä. Aiemmin haastavilta tuntuneet komennot eivät tuottaneet enää suuria ongelmia ja mikä parasta, eri kurssikerroilla opittujen asioiden soveltaminen alkaa onnistua. Alan siis vihdoin hahmottamaan MapInfon eri toimintojen yhteyksiä ja käyttömahdollisuuksia. Tietenkin virheitä syntyy vielä paljon, mutta useassa tapauksessa osaan itse oikaista niitä.

MapInfossa erityisen hyödyllisiksi toiminnoiksi ovat osoittautuneet kolmannella kurssikerralla harjoiteltu taulukkomuotoisten tiedostojen yhdistäminen, siistiminen ja uusien sarakkeiden luominen. Näitä toimintoja hyödyntäen on muun muassa mahdollista liittää tilastotietoa karttapohjaan, mikä on keskeinen toiminto teemakarttojen laadinnassa. Haastavia toimintoja kuitenkin vielä riittää, mutta kokeilemalla ja epäonnistumalla onneksi oppii. MapInfossa harmittavaa kuitenkin on undo, eli kumoamistoiminnon puuttuminen. Näin ollen virhettä voi olla vaikea korjata, kun tehtyä komentoa ei voi perua.

Itsenäisissä tehtävissä harjoiteltiin sekä pistemuotoisten että aluemuotoisten kohteiden puskurointia. Tehtävissä tarkasteltiin Malmin ja Helsinki-Vantaan lentokenttien sekä pääkaupunkiseudun juna-asemien ympäristössä asuvien ihmisten lukumääriä ja prosenttiosuuksia. Lentokenttätehtävissä piti ensin piirtää piirtotyökalulla kiitoradat, joiden ympärille erilaisia puskusreita tehtiin. Koska jokainen opiskeija piirsi kiitoradat itse, oli niissä pieniä eroavaisuuksia, mikä näkyi myös saaduissa tuloksissa. Vastauksia vertaillessa heitot opiskelijoiden vastausten välillä saattoivat näin ollen olla suuriakin. Kiia Eerikäinen on myös pohtinut näitä eroja blogissaan (Eerikäinen 2017).

Pistemuotoisten kohteiden bufferointia harjoiteltiin juna-asemien ympäristöjä puskuroimalla. Tarkasteltavina kohteina oli Helsingin lähijuna-asemista 500 metrin etäisyydellä asuvat asukkaat. Tässä tehtävässä harjoiteltiin myös prosenttiosuuksien laskemista, mikä on tietenkin tuttua.

Kurssikerran viimeisen tehtävän sai valita kolmesta eri vaihtoehdosta. Päätin tehdä Helsingin Yhtenäiskoulun tarpeita kartoittavan tehtävän. Siinä tuli selvittää uusien ekaluokkalaisten, yläkouluikäisten, kouluikäisten, muunkielisten ja muunkielisten koululaisten osuudet koulupiirin alueelta. Tehtävässä alkuun pääsemisen jälkeen työskentely sujui ongelmitta. Tämä saattoi johtua siitä, ettei tällä kertaa tarvinnut tuottaa karttaesitystä, vaan taulukkomuotoiset vastaukset riittivät (Taulukko 3.).

Kurssikerran tärkeimpänä antina mieleen jäi GPS-paikantaminen, joka auttoi hahmottamalla kyseisen tekniikan käyttöä ja toimivuutta.  Kurssikerralla itsenäisten tehtävien tekeminen puolestaan haastoi kykyä soveltaa omaa oppimista.

Lähteet:

Eerikäinen K. (2017) Kurssikerta 6. <https://blogs.helsinki.fi/kiee/2017/02/26/kurssikerta-6/> (Luettu 9.3.2017)

Neljännen kurssikerran tavoitteena oli oppia tekemään MapInfolla ruututeemakartta eli rasterimuotoinen kartta, jossa ilmiön alueellista esiintymistä kuvataan ruuduittain. Yhdessä tehdyn esimerkin jälkeen oli aika itsenäiselle kartanteolle. Tavoitteena oli laatia ruututeemakartta itseä kiinnostavasta teemasta. Valitsin karttaani kuvattavaksi teemaksi ulkomaalaisten määrä pääkaupunkiseudulla.

Kartan pohjana käytettiin valmista Suomen pääkaupunkiseudun karttaa, jonka päälle grid-työkalulla luotiin ruudukko.  Ruutujen pinta-alan eli koon sai määritellä itse. Valinnassa tuli kuitenkin olla tarkkana, sillä liian pieni ruutukoko saattaisi tehdä kartasta epäselvän ja vaikeasti luettavan. Liian suuri ruutukoko puolestaan yleistäisi liikaa, jolloin kuvattavan ilmiön alueellinen vaihtelu ei erottuisi. Lopulta päädyin 250×250 metrin kokoisiin ruutuihin, joka tuntui sopivalta tarkkuudelta ilmiön esittämiseen. Alex Salminen toteaa blogissaan, että  100×100 metrin ruuduilla ei ole huomattavaa tarkkuuseroa 250×250 metrin ruutuihin verrattuna (Salminen 2017). Ruutukoon valinnan jälkeen MapInfolla pystyttiin laskemaan ilmiön ruutukohtainen esiintyminen.

Ruututeemakartassa ilmiö esitetään usein absoluuttisia lukuja käyttäen, sillä saman kokoiset ruudut mahdollistavat alueellisen vertailun. Ulkomaalaisten määrää kuvatessa absoluuttinen luku toimii suhteellisen hyvin ja alueellinen sijoittuminen välittyy selkeästi. Kuitenkin ulkomaalaisten osuus väestöstä saattaisi olla mielenkiintoisempi tieto, sillä silloin ulkomaalaisten määrän voisi suhteuttaa alueen muuhun väestöön. Esimerkiksi Helsingin keskustassa ulkomaalaisten lukumäärä on suuri, mutta koska alue on tiheästi asuttu, saattaa olla, ettei ulkomaalaisten suhteellinen osuus olisikaan yhtä suuri.

Kartasta näkee, että ulkomaalaiset ovat selkeästi keskittyneet Helsingin keskustaan ja muihin suuriin asutuskeskittymiin hyvien kulkuyhteyksien varsille. Tieto ei sinänsä yllätä, sillä asutus on muutenkin keskittynyt kyseisille alueille. Mielenkiintoisempaa on mielestäni tarkastella alueita, joilla ulkomaalaisia esiintyy vain vähän tai ei lainkaan. Tällöin pitää tietenkin sulkea pois täysin asumattomat alueet, kuten keskuspuisto ja asumattomat rannikot. Pääkaupunkiseudulla on havaittavissa useita alueita, joissa ulkomaalaisia on erittäin vähän. Tämän jälkeen on havaittavissa, että esimerkiksi Helsingissä Oulunkylän, Pakilan, Laajasalon alueella ja koko Kauniaisissa ulkomaalaisia on erittäin vähän.

Visuaalisesti kartta on mielestäni suhteellisen onnistunut. Halusin kartan värimaailman olevan neutraali, joten valitsin väriksi sinisen eri sävyt. Koen sinisen neutraaliksi väriksi, eikä siihen liity mielleyhtymiä samalla tavalla kuin punaiseen negatiivisen ja vihreän positiivisen ilmiön väreinä. Halusin myös helpottaa kartan lukijaa hahmottamaan alueiden sijainnit lisäämällä karttaan tärkeimmän tiestön ja kaupunkien nimistön. Iivari Laaksosen saman aiheen ruututeemakarttaan ei ole lisätty tiestöä ja nimistöä, jolloin lopputulos on erittäin yksinkertainen (Laaksonen 2017). Tällöin kartta esittää tehokkaasti ilmiön toteutumista, mutta alueellisuutta on vaikea hahmottaa. Lukijalle, jolle pääkaupunkiseudun kaupunginosat eivät ole tuttuja, tällainen yksinkertaisen kartan lukeminen on haastava tehtävä ja siksi koen oman karttani informatiivisemmaksi. 

Lähteet:

• Salminen A. (2017). Viikko 4: Paljon pieniä ruutuja. <https://blogs.helsinki.fi/alexsalm/2017/02/16/viikko-4-paljon-pienia-ruutuja/> Luettu 7.3.2017.
• Laaksonen I. (2017). Kurssikerta 4. <https://blogs.helsinki.fi/iilaakso/2017/02/10/85/> (Luettu 7.3.2017)

Kolmannella kurssikerralla harjoiteltiin datan käsittelyä. Tunnin tavoitteena oli saada eri tietokannat yhdistettyä mahdollisimman tehokkaaseen ja käyttäjäystävälliseen muotoon. Samalla ulkoisen tiedon liittämisen tavat tietokantaan tulivat tutuksi.

Harjoitusaineistona oli Afrikan kartta, joka sisälsi valtioiden nimet ja rajat. Käytössä ollut paikkatietoaineisto oli kuitenkin vaikeakäyttöinen, koska se oli liian yksityiskohtainen peruskäyttöä ajatellen: valtioiden saaret oli nimittäin merkitty omille riveilleen. Näin ollen tiedosto oli kömpelö ja epäkäytännöllinen, sillä valtiokohtaisen tiedon liittäminen tietokantaan olisi haastavaa. Onneksi MafInfolla pystyttään muokkaamaan dataa yksinkertaisempaan muotoon ja kaikki saman valtion osaset liittämään yhdeksi karttakohteeksi. Tämä onnistui ohjelmiston toiminnolla, jossa kaikki samannimiset tietokannat pystyttiin yhditämään yhdelle tiedostoriville.

Tällainen tiedoston siistiminen ei kuitenkaan itsessään lisää informaatiota, joten pääsimme harjoittelemaan ulkoisen datan tuomista vanhaan tiedostoon informaation lisäämiseksi. Lisättäviä tietoja oli Afrikan internetinkäyttäjät maittain, konfliktien timanttikaivosten ja öljykenttien sijaintitiedot. Näistä tiedoista saisi tehtyä erittäin mielenkiintoisia ja informatiivisia teemakarttoja, joista parhaimmillaan eri tekijöiden yhteyksien ja syy-seuraussuhteiden päätteleminen on mahdollista. Kuten Alex Salminen totesi blogissaan, paikkatietoaineistojen mahdollistama paikkasidonnainen analyysinteko on erittäin hyödyllistä ja tärkeää paikkatietoantia (Salminen 2017). Olikin harmi, ettei kyseistä tiedostoa hyödynnetty teemakarttojen teossa enempää. Ainakin datan siistimisen ja yhdistämisen tavat ovat nyt hallussa, mikä lisää MapInfon käyttömahdollisuuksia.

Mielenkiintoista Afrikka-teemaa saimme kuitenkin jatkaa itsenäisellä tehtävällä, jossa tuli pohtia teemakartassa havaittavia ilmiöitä, jos tiedossa on aiempien tietojen lisäksi

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

Näistä tiedoista saisi tehtyä monia erittäin mielenkiintoisia teemakarttoja. Ajallisen aspektin lisääminen karttaan mahdollistaisi konfliktin syiden laaja-alaisemman tarkastelun. Kartasta voisi nimittäin nähdä, miten luonnonvarojen löytymisen ja kaivosten avaamisen ajankohdat ovat mahdollisesti vaikuttaneet konfliktien syntyyn ja ratkaisemiseen. Ilmiöiden vuosittaisen kehityksen kuvaaminen esimerkiksi animaation avulla lisäisi niiden etenemisen seurattavuutta. Internetkäyttäjien määrän alueellisen kasvamisen vaikutuksia olisi myös mielenkiintoista tarkastella.

Tällaisia teemakarttoja tulkitessa tulisi kuitenkin huomioida Afrikan eri maiden ja heimojen historiaa. Pelkkien karttojen perusteella tehdyt johtopäätökset saattava johtaa virhetulkintoihin jos muita tautatekijöitä ei huomioida. Esimerkiksi jos useampi konflikti on alkanut heti timanttikaivoksen avaamisen jälkeen on oletus se, että kaivos on ollut konfliktin alkamisen taustalla. Tosielämässä kyse saattaa kuitenkin olla pelkästä sattumasta.

UNEP:in eli Yhdistyneiden Kansakuntien ympäristöohjelman vuonna 2009 julkaistun raportin mukaan maailmassa on ollut vuoden 1990 jälkeen 18 konfliktia, joihin luonnonvarojen riistolla ja vähyydellä on ollut osaa. Raportin mukaan ympäristön saastuminen ja pula perustarpeista on suurempi konfliktin aiheuttaja, kuin luonnonvarojen ahnehtiminen. Luonnonvarat itsessään ovat harvoin konfliktin syy, mutta esimerkiksi kaivannaistoiminnan aiheuttama ympäristön saastuminen saattaa johtaa konfliktiin. Luonnonvaroilla on kuitenkin suuri rooli konfliktien ylläpitäjänä ja esimerkiksi Afrikassa timanteilla rahoitetaan paljon asekauppaa. Toisaalta yhteiset luonnonvarat voivat myös lisätä motivaatiota sovinnon aikaansaamiseksi.

Afrikan konfliktit on erittäin mielenkiintoinen aihe ja on harmi, ettei siihen paneuduttu enempää. Kurssikerran pääharjoituksena oli kuitenkin Suomen valuma-alue- ja järvisyyskartan teko (Kuva 1.), jossa aiemmin opittua aineistojen yhdistämistä hyödynnettiin. Tällä kerralla aineistojen käsittely luonnistui jo paljon helpommin ja itse kartan teko sujui nopeasti, sillä MapInfon komennot alkavat jo olla hallussa.

Valuma-alue- ja järvisyyskartasta näkee hyvin tulvariskin ja järvisyyden korrelaation. Kartassa tummemman sävyinen väri kertoo suuremmasta tulvariskistä. Onkin selkeästi havaittavissa, että riski on suurin Suomen etelä- ja länsirannikoilla. Järvisyysprosentista puolestaan näkee, että näillä tulvaherkillä alueilla järvisyysprosentti on pienin. Vähäjärvisyys siis edesauttaa tulvien syntyä, sillä järvialtaiden kapasiteetti sitoa, esimerkiksi lumien sulamisvesiä, on suuri pienentäen tulvariskiä.  Suurimman tulvariskin valuma-alueet ovat lisäksi kooltaan pieniä, mikä viittaa siihen, että valuma-alue saattaa koostua vain yhden joen ympärille. Kapasiteetti tulvavesien sitomiseen pienen vesistön alueella on näin ollen pieni.

Tulvariski ja järvisyysprosentti -kartta on esimerkki onnistuneesta kahden muuttujan teemakartasta. Informaatioltaan kartta on korrekti ja selkeä. Esitettävät muuttujat tukevat toisiaan ja niiden yhteys on siksi helposti tulkittavissa. Värien käyttö on myös looginen, sillä kaikkein suurimman tulvariskin alueet näkyvät kartassa punaisena, joka mielletään vaaraan ja negatiivisen ilmiön värinä.

Lähteet:

• Salminen A. Viikko kolme: Afrikkaa ja tulvia. 10.2.17. <https://blogs.helsinki.fi/alexsalm/> (Luettu 20.2.17)
• UNEP, From Conflict to Peacebuilding. 2009.<http://www.unep.org/pdf/pcdmb_policy_01.pdf> (Luettu 20.2.17)

Toisella PAK-kurssikerralla jatkettiin MapInfoon perehtymistä ja teemakarttojen teon harjoittelua. Tällä kurssikerralla haastavuustasoa kuitenkin nostettiin, sillä tarkoituksena oli tehdä kahden eri muuttujan koropleettiteemakartta. Siinä kaksi eri ilmiötä kuvataan samassa kartassa hyvän kartan piirteet huomioiden, informatiivisesti ja toistensa suhdetta havainnoivasti. Karttapohjana käytettiin nimen mukaisesti koropleetti- eli valmista aluejakokarttaa, jossa ilmiön esiintymistä kuvataan väreillä ja sen eri sävyillä. Tämän päälle rakennettiin toisen ilmiön mahdollisimman järkevä symbolointitapa erilaisten diagrammien tai kuviointien muodossa.

Kahden muuttujan teemakartassa olennaista on, että havainnoitavat ilmiöt liityvät jotenkin toisiinsa ja siten kuvaavat niiden yhteisvaikutusta. Ei kuitenkaan ollut mikään helppo tehtävä keksiä teemoja, jotka samaan karttaan laitettuna tuottaisivat huomattavaa lisäarvoa. Suurin osa itseäisen työskentelyn ajasta kuluikin järkevän ilmiöyhdistelmän löytämiseen ja lopulta, kun tuntui ettei sellaista meinannut löytyä, täytyi vain arpomalla ruveta kokeilemaan ja yhdistelemään ilmiöitä.

Lopulta teemakarttani (Kuva 1.) kuvattaviksi ilmiöiksi valikoivat korkea-asteen tutkinnon suorittaneiden osuus ja eri asumismuodot Uudenmaan kunnissa. Tarkoituksena oli tarkastella, onko korkeakoulutettujen määrällä vaikutusta asumisuotoihin. Korkea-asteen tutkinnon suorittaneiden osuutta kuvataan koropleettikartalla keltaisen ja vihreän eri sävyillä siten, että tummat sävyt kuvaavat korkeakoulutettujen suurempaa ja vaaleat sävyt pienempää kunnittaista osuutta. Asumismuotoja eli vuokra-asunnoissa asuvien lukumäärää ja rivi- ja pientaloissa asuvien osuutta puolestaan kuvataan kunnittain pylväsdiagrammeilla.

Kartasta näkee, että korkeakoulutettujen osuus on suurimmillaan 33-56% pääkaupunkiseudun ja sitä ympäröivissä kunnissa Helsingissä, Espoossa, Kauniasissa, Kirkkonummella ja Sipoossa. Korkea-asteen tutkinnon osuus laskee Helsingistä poispäin mentäessä ja esimerkiksi Hangossa, Karkkilassa ja Askolassa se on vain 17-21.7%. Asumismuotoja tarkastellessa vuokra-asunnossa asuvien lukumäärä on selkeästi korkein pääkaupunkiseudulla, mikä toisaalta selittyy sillä, että asuntojen ja asukkaiden kokonaislukumäärä on siellä myös suurin. Asuinmuotoja tarkastellessa asukkaiden lukumäärän vertaileminen väestöltään eri kokoisten kuntien välillä ei muutenkaan anna oikeaa kuvaa ilmiöstä, joten tulokset eivät ole vertailukelpoisia. Rivi- ja pientaloissa asuvat puolestaan kuvataan prosenttiosuuksina, mikä mahdollistaa kunnittaisen vertailun. Jälleen kerran Helsinki ja sen lähikunnat erottuvat – tässä tapauksessa rivi- ja pientaloissa asuvien osuuden pienuudella. Tämä osuus kasvaa ulompiin kuntiin mentäessä. Näiden havaintojen perusteella kartasta voisi päätellä, että kunnissa, joissa korkea-koulutettuja on vähän, asutaan enemmän rivi- ja pientaloissa, kuin kunnissa joissa heitä on paljon. Johtopäätöstä ei kuitenkaan kartan pohjalta voida pitää luotettavana, sillä asumismuotoihin vaikuttaa enemmän monet muut tekijät, kuten maan ja asumisen hinta, joita kartalla ei huomioida ollenkaan. Informatiivisuutta heikentää myös se, että kartan asumismuotoja eli vuokra-asunnossa asuvia sekä rivi- ja pientaloissa asuvia kuvataan eri yksiköillä, evätkä ne ole siksi keskenään vertailtavissa. Näin ollen karttaa ei voida pitää lainkaan onnistuneena vaan se on pikemminkin lukijalle epäselvä ja harhaanjohtava.

Tehtävän suurimpana opetuksena olikin, että kahden muuttujan koropleettiteemakartassa esitettävät asiat tulee aina valita tarkkaaan ja harkitusti. Arpomalla ja kokeilemalla tuskin saa hyvää ja informatiivista karttaa aikaan. Kartan laatijan on jo kartan tekovaiheessa tiedettävä, mitä ilmiöitä halutaan esittää hyvän lopputuloksen aikaansamiseksi.

Artikkeli I

Anna Leonocwizin artikkelissa ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship” (2016) käsitellään kahden muuttujan koropleettikarttoja tiedonvälittäjinä. Kahden muuttujan koropleettikartat ovat tärkeä tekniikka kartografisessa esittämisessä, mutta siihen liittyy myös haasteita erityisesti visuaalisesti helppolukuisen lopputuloksen aikaansaamisessa. Kartan lukijalle kahden muutujan teemakartan tulkitseminen luo usein myös haasteita ja virhetulkitoja, joita yhden ilmiön -kartoissa ei synny. Toisaalta vahvuutena on se, että niillä pystytään kuvaamaan kahden erillisen ilmiön lisäksi ilmiöiden välistä suhdetta. 

Artikkelissa kerrotaan myös tutkimuksesta, jossa selvitetään ensimmäisen vuoden maantieteen opiskelijoiden kartanlukutaitoa Puolassa ja Liettuassa, joka tulosten mukaan on suhteellisen heikko. Ensimmäisen vuoden opiskelijana olen sitä mieltä, että jotkut kartografiset esittämistavat voivat olla haastavia, erityisesti jos teemakartassa muuttujia ja luokkia on monta. Kuitenkin koen kartanlukutaitoni olevan harjaantunut ja useamman muuttujan teemakarttojen luku on mielekästä ja mielenkiintoista. Kartan tekijnä puolestaan kokemattomuuteni näkyy enemmän. Onneksi erehdyksen kautta oppiminen on tehokasta ja epäonnistunueen kahden muuttujan koropleettiteemakarttan avulla pääsin taas hieman syvemmälle kartografian maailmaan.

Lähteet:

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

Hei ja tervetuloa seuraamaan maantietoaiheista blogiani, jossa esittelen Paikkatiedon hankinta, analyysi ja kartografia, eli PAK –kurssilla tekemiäni karttoja, niiden työvaiheita ja pohdin niissä esiintyviä ilmiöitä.

Ensimmäisellä kurssikerralla päästiin heti asiaan palauttamalla mieleen paikkatiedon perusasioita ja tutustumalla paikkatieto-ohjelma MapInfoon ja sen käyttöön. Ohjelmisto oli minulle ennestään tuntematon, joten sen käytön opetteluun kului suurin osa opetuskerran ajasta. Lopputunnilla pääsimme kuitenkin myös itse soveltamaan oppimaamme ja tein ensimmäisen oman teemakarttani.

Teemakarttojen aineistona käytimme valmista tiedostoa Suomen kuntien tiedoista vuodelta 2015. Tätä valmista aineistoa hyödyntäen päätin tehdä teemakartan, joka kuvaa työssäkäyvien prosenttiosuutta kunnissa (Kuva1). Kuten Alex Salminen (2017) toteaa blogissaan, on prosenttiosuuksien käyttäminen järkevämpi tapa kuvata kunnissa esiintyviä ilmiöitä absoluuttisten lukujen sijaan, sillä prosentit on aina suhteutettu kunnan asukasmäärään. Absoluuttiset luvut eivät siis olisi vertailukelpoisia, sillä kuntien asukanmäärät vaihtelevat suuresti ja on selvää, että työssäkäyvien absoluuttinen määrä Helsingissä on suurempi kuin esimerkiksi Joensuussa.

Teemakartan pohjakarttana on käytetty valmista aluejako- eli koropleettikarttaa Suomen kunnista. Kartassa työssäkäyvien prosenttiosuudet on jaettu viiteen luokkaan, joita kuvataan eri väreillä siten, että vaalein väri kuvaa pienintä osuutta ja tummin suurinta. Väreillä ja värisävyillä viestiminen on yleistä teemakartoissa. Järkevän luokkajaon löytäminen tuotti alussa haasteita. Fanny Keräsen (2017) tavoin valitsin karttaan luokkajaon, joka jakaa havaintoarvot mahdollisimman tasaisesti eri luokkiin. 

Kartassa erottuu punaisena Etelä- ja Länsi-Suomen kunnat, joissa työssäkäyvien osuus on suurin suhteessa niiden koko väestöön. Itä- ja Pohjois-Suomeen on painottuneet kunnat, joissa osuus on pienin. Poikkeuksena Keski- ja Itä-Suomessa on muutama kunta, joissa työssäkäyvien osuus on korkeinta luokkaa.

Ajattelin heti, että nuo ympäristöstään poikkeavat kunnat ovat yliopistokaupunkeja, jotka erottuvat elinvoimaisuudellaan. Kuitenkin pienen tarkastelun jälkeen huomasin, että ne ovatkin yliopistokaupunkien naapurikuntia, kuten Siilinjärvi Kuopion, Muurame Jyväskylän ja Kontiolahti Joensuun kupeessa.

Tilastokeskuksen tiedoista (Kuntien avainluvut) väestön ikäjakaumaa tarkastellessa näissä kunnissa ei kuitenkaan työikäisiä ihmisiä ole korostetun paljon, kuten ensin ajattelin. Päinvastoin, kaikissa näissä kunnissa 15-65 –vuotiaita on prosentuaalisesti koko Suomen keskiarvoa vähemmän. Lapsia eli alle 15 –vuotiaita puolestaan on keskiarvoa enemmän, jolloin vanhuksia on tienkin vähemmän. Esimerkiksi Siilinjärvellä alle 15 –vuotiaita on väestöstä jopa 20,6 prosenttia, kun koko Suomen keskiarvo on 16,3. Siilinjärven naapurikunta Juukassa, jossa työssäkäyvien osuus on maan pienintä, lasten osuus väestöstä on vain 10,9 prosenttia, mikä huomattavasti pienempi osuus kuin Siilinjärvellä. Kunnissa, joissa työssäkäyviä on paljon, on siis lapsiperheiden määrä suuri. Tämä selittää myös työvoiman sijoittumisen suurempien kaupunkien kehyskuntiin, joissa asuinkustannukset ovat pienemmät ja rakennus väljempää, mutta matka töihin naapurikuntaan on lyhyt.

Varmistin havaintoani tekemällä toisen teemakartan 0-14 vuotiaiden osuudesta kunnissa (Kuva 2.). On selkeästi havaittavissa, että Itä- ja Keksi-Suomessa samat kunnat erottuvat molemmissa kartoissa. Näissä kunnissa lapsia ja työssäkäyviä on siis naapurikuntiiaan enemmän. Helsingissä puolestaan on lasten osuus pienempi, mikä selittyy korkeilla elinkustannuksillla.

Lähteet:

• Kuntien avainlukuvut (2016). Tilastokeskus.  <https://www.stat.fi/tup/alue/kuntienavainluvut.html#?year=2016&active1=SSS> (Luettu 31.1.17)
• Salminen A. Part 1: Aloittelua ja korkeakoulutusta 1.2.17. <https://blogs.helsinki.fi/alexsalm/> (Luettu 1.2.17)
• Keränen F. Ensimmäinen Kurssikerta. (30.1.17 )
  <https://blogs.helsinki.fi/fkeranen/> (Luettu 1.2.17)