Tällä kertaa päästiin tutustumaan tietokantojen maailmaan: ainakin Excel-tiedostoja voi helposti liittää MapInfon tiedostoihin. Hieman mielenkiintoisempaa kuin pelkkien valmiiksi annettujen tiedostojen esittäminen kartalla, koska nyt sain kosketuspintaa siihen, miten MapInfoa voi käyttää omiinkin tarkoituksiin. (No, vielä monta kysymystä vastaamatta ennen kuin voin soveltaa sitä aineistoon, jota käsittelen. Suurin kysymyksistä on koordinaatit.)

Harjoituksena teimme tulvaindeksikartan (kuva 1). Kartan tekeminen vaati tiedostojen yhdistämis- ja manipulointitaitoja. Tulvaindeksi piti laskea: keskiylivirtaama jaettuna keskialivirtaamalla. Ei kovin haastavaa, mutta muistia vaativaa.

Kuva 1. Tulvaindeksi (keskiylivirtaama/keskialivirtaama) Suomen jokien valuma-alueilla sekä valuma-alueiden järvisyys (pylväät, %).

Tulvaindeksin frekvenssijakauma annettiin valmiina. En kyllä ymmärrä, miten tulvaindeksi voi olla negatiivinen? Eivät kai virtaamiltaan vähäisimmätkään joet virtaa  keskimäärin “vastavirtaan”? No, joka tapauksessa, näitä negatiivisia (pienin arvo -53, valmiissa histogrammissa ei näy käytettyä väliä) tulvaindeksejä näyttäisi olevan hyvin vähän. Sen sijaan pieniä arvoja on hyvin paljon ja frekvenssi pienenee kohti suuria indeksejä ja suurten arvojen välissä on suuria aukkoja. Melko epämääräiseltä siis näyttää. Valitsin silti kvantiilit luokitsuperusteeksi, koska se näytti kivoimmalta (olen hurjan tieteellinen näissä asioissa: estetiikka ja käytännöllisyys ennenkaikkea). Alueellisesti kartan väriskaala vastaa todellisuutta: suuressa osassa Suomea tulvaindeksi on pieni. Sen sijaan suuren tulvaindeksin kunnat ova pääosin pieniä ja vaikka niiden valuma-alueet ovat pieniä, tummimmalla sävyllä on ehkä väritetty turhan monta kuntaa. Toisaalta, fiksu lukija katsoo molempia, sekä legendassa esiintyvää lukumäärää että karttaa.

Pyry pohti blogissaan tulvaherkkyyden ja järvisyyden välistä yhteyttä ja totesi, että tulva-indeksi on pienempi alueilla, joilla on suhteellisen paljon järviä. Tällöin järvet säätelevät virtaamaa: keskiylivirtaama on pieni, koska järvet varastoivat valuma-alueilta vapautuneen veden, ja samoin keskialivirtaama on suuri, koska kuivina kausina järvet vapauttavat kertynyttä vesivarastoaan eteenpäin. Tällöin tulva-indeksi pienenee. Myös maaperä voi toimia samanlaisena virtaamien säätelijänä ja yhteyksiä voisi mahdollisesti löytyä Suomen pohjavesialueiden alueelliseen jakaumaankin? Esimerkiksi Lapissa, jossa lunta sataa paljon ja kevättulvien voisi siten olettaa nostavan tulva-indeksiä, pohjavesialueita näyttäisi olevan enemmän kuin järviä. Toisaalta Natalian kartassa, joka perustuu luonnollisille luokkaväleille, Lapissakin erot tulvaherkkyydessä näyttävät selittyvän alueiden järvisyydellä.

Se mitä kartalla ei näy ja mitä tulvaindeksi ei kerro, on alueen sensitiivisyys tulville. Periaatteessa voisin kuvitella suhteellisen pienenkin tulvaindeksin voivan aiheuttaa haittaa ihmisten asumuksille tai muulle toiminnalle mikäli muut olosuhteet voimistaisivat tulvan vaikutusta. Olosuhteista mieleen tulee ensimmäisenä maanpinnan topografia: alavilla seuduilla pienikin lisäys virtaamassa voi saada vedenpinnan peittämään suuren alueen kuten esimerkiksi Pohjanmaan pelloilla. Lisäksi topografia ja ihmisen tekemät muokkaukset vaikuttanevat jossain määrin myös jääpatojen muodostumiseen ja purkautumiseen. Esimerkiksi joku vuosi sitten johonkin Pohjanmaan jokeen rakennetun tulvavallin epäiltiin aiheuttaneen jäiden purkautumisen ja virtaaman leviämisen keskelle asutusta ennennäkemättömällä nopeudella (anteeksi huonomuistisuuteni, voisin yrittää etsiä linkkiä tähän uutiseen). Karttani mukaan näyttäisi kuitenkin siltä, että korkeimpia tulvaindeksejä esiintyy juuri matalapiirteisillä rannikkoalueilla, joille tulvavahingot ovat tyypillisiä.

(Logiikkani yrittää kyllä väittää, että virtaamien pitäisi pienentyä valuma-alueen pienentyessä, mikäli sadanta alueiden välillä ei vaihtele suuresti, ja että alamäkeen virtaavat joet kuljettaisivat vettä nopeammin kuin tasaisella maalla sijaitsevat joet – toisaalta tulvaindeksiin vaikuttava minimivirtaama on logiikkanikin mukaan pienin pinta-alaltaan pienellä ja tasaisella valuma-alueella, joten ehkä tulvaindeksiin vaikuttaakin enemmän minimivirtaama kuin maksimivirtaama? Tämän olisi varmasti nähnyt aineistoa tarkemmin silmäilemällä.)

Kartalla harjoittelin ahkerasti nimien asettelua, kun se oli viime kerroilla jäänyt vähiin. Siihenhän suurin osa ajasta tuhriintuikin. Luulen, että sain kaikki mahtumaan – ja samalla sain oppitunnin Suomen joista, joita en koskaan koulussa joutunut opettelemaan. Aikaa kului taas keskuspisteiden siirtelyyn, itäisessä Kymenlaaksossa ne menivät melko nätisti pinoon itsestään, Pohjanmaalla siirtelin joitain. Simojoen ja Kaakamojoen keskuspisteet ovat hankalasti rajalla enkä saanut niistä otetta. Tällainen nypläys ei ole mun heiniä, joten annoin asian olla.

Olisi ollut kiva näyttää myös ne joet, joiden valuma-alueista puhutaan, ja järvet, joiden suhteellisesta kattavuudesta on kyse, mutta silloin kartta olisi näyttänyt siltä, että madot syövät pylväitä (kts. kuva 2). Tosin, jos joet olisi halunnut näkyviin, olisi koropleettiteemakartan värit pitänyt valita toisin.

Kuva 2. Sama kuin Kuva 1, mutta joet on piirretty muun informaation päälle.

Hups: tehtävänannossa mainittiin, että järvisyysprosentin pylväiden mittakaava pitäisi olla näkyvissä. Huonosti luettu tehtävänanto enkä nyt tiedä auttaisiko se edes mitään. Lisään ehkä myöhemmin. Mittakaavan jätin tarkoituksella pois, koska kyllästyin MapInfon temppuiluun: se ei vain suostunut siirtämään mittakaavaa layout-ikkunaan samanlaisena kuin se näkyi muokkaus-ikkunassa. Sain tähän vinkin: zoomaus-ikkuna. Täytyy kokeilla toimiiko se.

Lähteet: en keksi mitään, jään miettimään

Sain vastauksen pariinkin viime kerralla askarruttamaan jääneeseen kysymykseen ja tällä kerralla oppimani perusteella voisin lisätä viime kerralla tekemääni karttaan myös esim. veronalaiset tulot, mikäli tieto olisi saatavilla Helsingin eri osa-alueille ja katsoa miten tämä vertautuu muunkielisen väestön osuuteen.

Nyt käsittelimme kuitenkin kuntien välisiä eroja. Esimerkkinä toimi Lappi, koska siellä kunnat ovat pinta-alaltaan suuria ja siksi helppoja. Näin syntyperäisenä pääkaupunkiseutulaisena ajattelin kuitenkin ottaa haasteen vastaan ja katsoa, miten ympyrä- ja pylväsdiagrammit mahtuvat Uudenmaan pikkuruisiin kuntiin. No, eivät kovin hyvin: ympyrädiagrammit joko peittivät kuntarajat kokonaan alleen tai olivat niin pikkuruisia, ettei niistä saanut tolkkua. Kuvasta oli vaikea saada selkeän näköistä, koska ympyrät olivat aivan vierivieressä. Luovuin siis ympyröistä (olisin toki voinut säästää tähän esimerkkikartan, mutta ei tullut mieleen ajoissa). Pylväsdiagrammeissakin tuli ongelmia: pylväiden leveyttä ei voinut säätää alle 0,25 (mikä lie yksikkö ollutkaan kyseessä?), jolloin kahden pylvään yhteenlaskettu leveys olisi ollut 0,5 – sekin liikaa pikkuruisille kunnille kuten Kauniasille.

Ratkaisu

Päädyin lopulta tekemään monta karttaa yhdellä pylväällä – ja sekin vaati melkoista jumppaamista kuntien keskipisteiden eli pylväiden sijaintien kanssa. Vaikka tämä ei ehkä ollutkaan harjoituksen tarkoitus, mielestäni ratkaisua tuki se, että vertailemani asiat eivät olleet suuruusluokiltaan vertailukelpoisia: esimerkiksi veronalaisia tuloja ja rikosten määriä ei edes ilmoiteta samoissa yksiköissä. Lisäksi osa käyttämästäni aineistosta annettiin vain suhteellisina osuuksina. Jätin tarkoituksella legendan pois, koska mielestäni edes summittaisen absoluuttisen arvon määrääminen oli sen avulla hankalaa. Sen sijaan halusin lukijan vertailevan alueiden suhteellisia eroja. Vertailu rinnakkain aseteltujen kuvien välillä on mielestäni melko vaivatonta.

Kuva 1a. Muunkielisen väestön suhteellinen osuus Uudenmaan kunnissa (värit) ja tietoon tulleiden rikosten lukumäärä (pylväät).

Kuva 1b. Muunkielisen väestön suhteellinen osuus Uudenmaan kunnissa (värit) ja korkeastikoulutettujen suhteellinen osuus väestöstä (pylväät).

Kuva 1c. Muunkielisen väestön suhteellinen osuus Uudenmaan kunnissa (värit) sekä veronalaiset tulot.

Kuva 1d. Muunkielisen väestön suhteellinen osuus Uudenmaan kunnissa sekä työssäkäyvien suhteellinen osuus.

Samalla jatkan hieman edelliselläkin harjoituskerralla esiin tulleesta aiheesta eli siitä, miten tilastot voidaan näyttää omien ennakko-oletusten värittäminä tai miten niitä voidaan käyttää vahvistamaan lukijoiden ennakko-oletuksia. Kuvassa 1a esitän muunkielisen väestön suhteellisen osuuden, joka on selvästi suurin Helsingissä, Espoossa ja Vantaalla, väheten mitä kauemmas pääkaupungista etäännytään. Samaan kuvaan on liitetty pylväsdiagrammi (poliisin?) tietoon tulleiden rikosten lukumäärästä. Kartan mukaan rikoksia tapahtuu selvästi eniten muunkielisen väestön “valtaamilla” alueilla. Kuvan 1b mukaan taas muunkielisten suosimilla alueilla väestö on puolestaan selvästi korkeammin koulutettua kuin muualla. Selvä korrelaatio sen sijaan puuttuu niin kuntien välisiä veronalaisia tuloja (Kuva 1c) kuin työssäkäyvien määrää (Kuva 1d) tarkastellessa (mitä nyt Espoossa, Kauniaisissa ja Kirkkonummella löytyy selvästi parempituloista väestöä). Huomaa, että kuvassa 1d kyllästyin lopulta siirtelemään pylväitä ja päätin kokeilla toista vaihtoehtoa: pylväiden ääriviivojen muuttamista valkoisiksi, jotta päällekkäisyys ei haittaisi niin paljon. Ei ehkä paras mahdollinen ratkaisu, mutta jätin esimerkiksi.

Yksi vaihtoehto olisi ollut esittää kaksi eri koropleettiteemakarttaa päällekkäin kuten esimerkiksi Laura teki. Itse pidän kuitenkin enemmän pylväistä, koska ne ovat intuitiivisesti tulkittavissa – ilman legendaakin.

Analyysi

Lopputulokseni on, että sekä kartta 1a että 1b ovat harhaanjohtavia. Kuva 1a vahvistaa negatiivista käsitystä maahanmuuttajien rikollisuudesta kun taas Kuvan 1b perusteella voisi kuvitella maahanmuuttajien enemmistön olevan korkeastikoulutettuja. Sen sijaan lähemmäksi totuutta pääsee kuvan 2 avulla: sienne minne ihmiset keskittyvät, useimmiten kehittyy myös hyvin heterogeeninen väestöpohja. Siten rikoksien lukumääräkin olisi parempi antaa väkilukuun suhteutettuna.

Kuva 2. Muunkielisen väestön osuus Uudenmaan kunnissa (värit) sekä väkiluku (pylväät).

Extra-tehtävä

Jotten ihan miinukselle jäisi näistä yksinkertaisista kartoista, tein vielä monimutkaisemman piirakkakartan Lapin kuntiin, koska sinne mahtui paremmin (kuva 3). Tosin kainaloalueella tuli ahdasta ja ympyrät ovat pahasti päällekkäin. Kartan avulla ajattelin tarkastella työttömyysastetta suhteessa väestön ikärakenteeseen, mutta eihän se ihan niin mene… Työttömät kun kuuluvat yleensä juurikin työikäisten luokkaan, joten työttömyysasteeseen ei vauvojen ja vaarien osuus vaikuta. Joten se siitä analyysistä (no, voidaan ehkä mainita, että radikaaleja eroja väestörakenteesta ei löytynyt) enkä jaksanut vaivautua karttaa sen paremmin muokkaamaan. Esimerkiksi Tiian kartta on hieno esimerkki siitä, että pieniinkin kuntiin saa mahdutettua selkeitä ympyrädiagrammeja ja vielä paikannimistöäkin. Pitänee seuraavalla kerralla hieman harjaannuttaa omiakin taitoja objektien kokojen muokkaamisessa.

Kuva 3. Hienompi kartta kahdesta asiasta, jotka eivät liity mitenkään toisiinsa.

Lähteet:

Havaintoja MapInfosta

MapInfo oli itselleni ihan uusi tuttavuus – ja melkoisen positiivinen sellainen. Ainakin MapInfo vaikutti helpolta muihin itselleni entuudestaan tuttuihin kartanteko-ohjelmiin verrattuna. Vaikka kurssin kerrotaan soveltuvan ensimmäisen vuoden opiskelijoille, odotin jotain monimutkaisempaa ohjelmaa, kuten GMT tai R. Itse olen tähän mennessä tehnyt karttoja lähinnä MatLabin m-map työkalupaketilla ja yllätyinkin MapInfon muistuttavan enemmän Adobe Illustratoria. Samankaltaisuus tosin liittyy lähinnä ohjelmien käytettävyyteen, tasoihin ja erilaisiin työkaluihin, ei niinkään käyttötarkoitukseen. Samankaltaisuudet varmasti loppuivat ensimmäiseen kurssikertaan.

Mitäs me tehtiin ja siitä kummunnut kummastus

Ensitöiksemme otimme käsittelyyn Helsingin. Lisäsimme valmiiksi annetun kerroksen toisensa jälkeen – rantaviivan, kuntarajat, meret, joet, järvet, Helsingin osa-alueet – ja Itse valitsin koropleettikartan teemaksi “muunkielisten” alueellisen jakauman Helsingissä vuonna 2009 (Tilastokeskus, 2009). Jäin kuitenkin miettimään, mitä kaikkea MapInfossa on valmiina: Sisältääkö se kaikkien mannerten rantaviivat ja merenpohjan topografian? Entä pystyisinkö piirtämään karttapohjalle esimerkiksi satunnaisen havaintopaikan antamalla MapInfolle koordinaatit? Aloin jo epäillä soveltuuko MapInfo omiin tarpeisiini Pohjoisen jäämeren hydrografian tutkimuksessa. No, en ihan vielä jätä kurssia kesken, vaan katsotaan, saanko kysymyksiini vastauksia kurssin kuluessa.

Histogrammin analysointi

En löytänyt “kuvaohjetta”, jolla histogrammista (tehty Histogrammityökalulla, 2014) saisi kuvan (jos joku sellaisen löysi, niin saa kertoa, miten sellainen tehdään), mutta sain tulostettua .pdf-tiedoston. Sitä leikkelemällä onnistuin rajaamaan suhteellisen järkevän näköisen kuvan, vaikka x-akselin loppupää jäikin .pdf:stä puuttumaan ja tekstit näyttävät suhruisilta.

Kuva 1. Histogrammi muunkielisen väestön osuuksien jakaumasta Helsingin osa-alueiden välillä. (Klikkaa kuvaa niin saat näkyviin suuremman version, jos suurennan kuvan tähän, siitä tulee epätarkka: ensi kerralla täytyy siis tallentaa kuva suuremmalla resoluutiolla.)

Histogrammista näkyy, että jakauma on jokseenkin vino, sillä suurimmassa osassa kuntia muunkielisten osuus on kohtalaisen pieni (termissä “muunkieliset” lukija, jolla ei ole koko havaintoaineistoa käsissään, kohtaa ensimmäisen ongelman: muunkielisillä tarkoitetaan tässä siis muita kuin suomea tai ruotsia äidinkielenään puhuvia). Osa-alueita, joissa muunkielisten osuus ylittää 12 %, on melko vähän. Pelkän histogrammin perusteella kummastelee helposti, millä alueilla jopa 50 % asukkaista on muunkielisiä. Havaintoaineistoa tarkastellessani havaitsin, että näistä lähes kaikki ovat alueita, joilla on hyvin vähän asukkaita (kuten Roihupelto ja Herttoniemen teollisuusalue), joten muunkielisiä ei tarvitse olla kuin muutama nostamaan suhteellinen osuus korkeaksi. Tavallaan olisin halunnut saada tämän yksityiskohdan näkyviin kartallani osoittamalla, millä alueilla jopa 50 % asukkaista on muunkielisiä, mutta silloin muu informaatio olisi kärsinyt. (Toisella kurssikerralla tähän annettiinkin vastaus: graduated-teemakartta, jossa eri alueiden merkitystä voi korostaa esim. väestömäärää kuvaavan symbolin suhteellisella koolla.)

Aineiston luokittelu

Ohjeiden mukaan luonnolliset luokkavälit eivät sovi vinolle jakaumalle, mutta minusta niiden avulla sai parhaiten esiin alueelliset erot. Mietin myös kvantiileiden käyttöä, mutta pohtiessani kartan informaatioarvoa tavalliselle lukijalle, pidin luonnollisten luokkavälien prosentteja havainnollisempina: jos olisin laittanut yhtä suuren määrän havaintoja jokaiseen luokkaan, viimeiseen eli suurimpaan luokkaan olisi kuulunut mielestäni suhteettoman paljon alueita, vaikka, kuten jo totesin, lähes kaikilla Helsingin osa-alueilla muunkielisten osuus on kohtalaisen pieni. Tällöin suurin luokka (eli tummin väri) kattaisi suhteettoman suuren osan Helsinkiä ja lukija kauhistelisi maahanmuuttajien valtavaa määrää (hyvä esimerkki siitä, miten luokan valitsemisella voi manipuloida lukijan ajatuksia). Myös esimerkiksi rakkaan kotiseutuni, Itä-Helsingin, alueelliset erot olisivat hukkuneet kvantiileja käytettäessä. (Huomaa, että pyöristin desimaalit pois luonnollisista luokkaväleistä, koska ne eivät tuo mitään lisäarvoa.)

Kuva 2. Muunkielisen väestön osuus Helsingin eri osa-alueilla. (Klikkaa kuvaa niin saat näkyviin suuremman version, jos suurennan kuvan tähän, siitä tulee epätarkka: ensi kerralla täytyy siis tallentaa kuva suuremmalla resoluutiolla.)

Vertailua

Piian blogista näkee, millaisen kartan samasta aineistosta saa kvantiileja käyttämällä (ainakin minusta luokkaväli näyttää noudattavan kvantiileja, vaikka Piia ei asiaa blogissaan mainitsekaan). Sen sijaan Milla määritti jakauman enemmänkin epämääräiseksi kuin vinoksi ja päätyi luonnollisiin luokkaväleihin kuten minä. Tosin hänen karttansa legenda kertoo kartan kuvaavan muiden kuin suomenkielisten osuutta eli muunkielisten lisäksi Millan aineistoon sisältyy mahdollisesti myös ruotsinkielisten osuus.

Antti ja Aleksi tekivät karttansa ulkomaalaisten absoluuttisesta lukumäärästä. Kartoista käy hyvin ilmi, että esimerkiksi jo mainitsemani Itä-Helsingin teollisuusalueilla, joilla muunkielisten suhteellinen osuus on omalla kartallani suuri, lukumäärältään muunkielisiä on kuitenkin hyvin vähän eli alueet saavat Antin ja Aleksin kartoilla kaikkein vaaleimman sävyn.

Kartan havainnollisuus

Karttalla hahmottuvat hyvin alueet, joilla ei ole melkein lainkaan muunkielisiä (alle 3 %), muunkielisiä on jonkinverran (3 – 10 %), melkoisesti (10 – 20 %) ja paljon (yli 20 %) muunkielisiä. Huomaa, että “jonkinverran” -luokkaan kuuluu oikeastaan kaksi eri luokkaa (3 – 6 % ja 6-10 %). Mielestäni tämän luokan olisi voinut yhdistää yhdeksi luokaksi ja kuvata jakauman neljällä luokalla, kuten Johanna on tehnyt oman aineistonsa kanssa. Kartan luettavuus olisi parantunut luokkia vähentämällä. Samalla olisi painottunut, että valtaosa kunnista kuuluu juuri tähän helposti miellettävään alle 10 % -luokkaan, jossa muunkielisillä kuitenkin on näkyvä (tai kuuluva) asema.

Tummimmat alueet eli alueet, joilla on eniten muunkielisiä, keskittyvät Itä-Helsinkiin. Itä-Helsingissä on kuitenkin alueita, joilla muunkielisiä ei kovin paljoa ole: Tammisalo, Marjaniemi ja Vartiokylä. Lisäksi kartan mukaan Itä-Helsinkiin kuuluu myös Helsinkiin 1.1.2009 liitetyt entiset Sipooseen kuuluneet alueet (itähelsinkiläisenä ehdottaisin tälle alueelle omaa nimeä), joilla ei muunkielisiä juuri ole. Huomattavan vähän muunkielisiä on myös Pohjois-Helsingin omakotitalovaltaisilla alueilla kuten Tuomarinkylässä ja Pakilassa sekä saaristossa kuten Suomenlinnassa ja Santahaminassa. Muunkielisten vähyyden huomaa niinikään manteereessa kiinni olevillakin saarilla, Lauttasaaressa ja Kulosaaressa. Mikäli karttaan lisättäisiin vielä tietoa asumiskustannuksista, huomaisi, että kaupungin osa-alueiden välillä vaikuttavat etenkin taloudelliset ja sosiaaliset tekijät. Samoilla alueilla, joilla asuu paljon muunkielisiä, myös pienituloisten suomenkielisten osuus olisi luultavasti korkea.

Jälkiviisaus

Näin jälkeenpäin ajateltuna ainakin joitain Helsingin osa-alueita olisi voinut sittenkin nimetä. Koska kaikki nimet eivät mitenkään mahtuneet kuvaan, jätin ne kokonaan pois. Jos osan nimistä olisi laittanut paikalleen, edes hieman Helsinkiä tuntevan olisi helpompi arvuutella missä päin liikutaan. Toisaalta monet alueista, joilla on joko hyvin vähän (alle 3 %) tai hyvin paljon (yli 20 %) muunkielisiä, ovat hyvin pieniä, ja niiden nimeäminen siksi hankalaa, vaikka juuri nämä tapaukset luultavasti kiinnostaisivat lukijaa eniten.

Lähdeluettelo:

Helsingin osa-alueet 2009, MapInfo aineisto, Tilastokeskus, Helsinki (2009).

Histogrammityökalu, Illuminations Histogram Tool. National Council of Teachers of Mathematics (2014).