Kolmannessa periodissa meillä alkoi paikkatiedon hankinta, analyysi ja kartografia kurssi (tuttavallisemmin PAK). Kahdella edellisellä jaksolla olemme perehtyneet tiedon hankintaan, analysointiin ja esittämiseen. Mikä siis muuttuu, kun lisäämme ”tieto” etuliitteen paikka sanaan?

”Paikkatiedolla (geographic information, spatial data) tarkoitetaan kaikkea tietoa, joka sisältää viittauksen tiettyyn paikkaan tai maantieteelliseen alueeseen.” (Maanmittauslaitos) Paikkatiedon isänä pidetään britannialaista lääkäriä ja samalla varhaisen epidemiologian kehittäjää John Snowta, jonka onnistui selvittämään Lontoota 1800-luvun puolessa välissä piinannut koleraepidemia. Hän merkitsi karttaan kaivojen sijainnin, sekä tiedettyjen tartuntatapausten määrän. Menemättä tässä sen tarkempiin yksityiskohtiin kerrottakoon, että hänen onnistui rajata mahdolliset taudinleviämispisteet ja lopulta hän sai paikallistettua taudin levittäjäksi yhden saastuneen kaivon. Kaivo poistettiin käytöstä ja tauti hellitti. (Vachon 2005)

Paikkatiedon määrä on lisääntynyt huimasti kuluneina vuosikymmeninä. Dataa on saatavilla enemmän, kuin koskaan aikaisemmin ja sekä tuottajien, että käyttäjien määrä jatkaa kasvuaan. Meistä jokainen on varmasti lähes päivittäin tekemisissä paikkatiedon kanssa huomaamattamme, tai tiedostamattamme (koulun ulkopuolella). Paikkatiedon hienous piilee sen lähes loputtomissa käyttökohteissa ja datan puettavuudessa visuaaliseen muotoon.

Tätä visualisointia lähdimme harjoittelemaan ensimmäisellä kerralla, kun tutustuimme MapInfo paikkatieto-ohjelmaan, joka mahdollistaa tiedon keräämisen, analysoimisen ja esittämisen. Kävimme läpi perustoimintoja, emmekä menneet juurikaan pintaa syvemmälle. Tämä olikin ihan hyvä, sillä uutta ohjelmaa opeteltaessa koetan ainakin itse hakea tiettyä loogisuutta mahdollisesti aikaisemmin käyttämieni ohjelmien kanssa. Esimerkkinä toimii TAK-kursseilla käytetty CorelDRAW-vektoriohjelma, jossa on paljon yhtenäisiä näppäinkomentoja/tuttuja valikkorakenteita esimerkiksi Photoshopin kanssa. Täten ohjelman käyttö oli jo alkuun tutunoloista ja siihen pääsi nopeasti sisään. MapInfo ei onnistunut vakuuttamaan ensimmäisellä kerralla, sillä siitä jäi hieman kankea ja ”tönkkö” kuva. Kuka tekee ohjelman, jolla ei voi palata taaksepäin, mikäli sattuisi tekemään virheen?

Rasteri, vektori ja koropleetti

Paikkatieto koostuu ohjelmassa vektoreista ja- tai rastereista. Käytännössä nämä eroavat siinä, kuinka tieto kuvataan. Vektoria käytettäessä alueet kuvataan viivoina ja kulmioina. Esimerkiksi järvi, tai pelto voidaan kuvata suljettuna alueena, jossa rajojen sijaintieto toimii alueen sulkijana. Rasterit ovat puolestaan pikseleitä, joissa jokainen ruutu saa oman arvonsa. Lopputulos näyttää ikkunamaalauksen ja Twister – laudan risteytykseltä.

Saimme ensimmäisellä kerralla tehtäväksemme tuottaa yhden koropleettikartan itseään kiinnostavasta aiheesta. Aineistona meillä toimi Tilastokeskuksen kuntatiedot vuodelta 2015. Itse kartta on lopulta helppo tuottaa, mutta se vaatii hieman laskemista ja taustatietoja. Ennen visualisointia on tärkeä tietää ja ottaa selvää siitä, millaista käsiteltävä aineisto on, sillä se määrää mitä voimme sille tehdä. Hienosäätäminen vie myös aina lopulta paljon kauemmin, kuin aluksi ajattelee.

Jotta kaikkea ei tarvitse laskea käsin, saimme käyttää Internetistä löytyvää histogrammityökalua, joka piirtää syötetystä aineistosta histogrammin (Kuva 1). Kuva kertoo yhdellä vilkaisulla, kuinka aineisto on jakautunut. Tässä tapauksessa huomaamme (tutkittavana huoltosuhde), että aineisto on hieman vino oikealle. Tämän voimme todeta myös katsomalla vinoutta kuvaavaa lukua, joka omassa aineistossani on 0,35 (ei näy kuvassa). Mikäli luku olisi negatiivinen, olisi jakauma vinoutunut vasemmalle, mutta tässä tapauksessa saamamme luku vahvistaa histogrammin tulkinnan. X-akselilla on arvojen jakauma ja Y-akselilla on havaintojen määrä.

Kuva 1. Histogrammi taloudellisen huoltosuhteen arvojen jakaumasta

Lähde: Tilastokeskus ja Shodor

Normaalijakautuneisuus -tai tässä tapauksessa vinous, sai minut käyttämään luokittelussa kvantiileja. En olisi tätä automaattisesti itse hoksannut, vaan tein kurssimateriaaleissa olevien ohjeiden mukaan. Lopputulos on nähtävissä kuvassa kaksi (Kuva 2)

Kuva 2. Koropleettikartta kuntien taloudellisen huoltosuhteen jakautumisesta

Lähde: Tilastokeskus

Karttatulkinta ja ongelmia Excelin kanssa

Lopputulos hämmästytti aluksi, sillä huoltosuhde oli jokaisessa luokassa yllättävän suuri. Muistelin TAK-kurssilla piirtämääni käyrää tutkimus- ja naapurikunnista ja jokaisessa arvo oli alle yhden, mutta kasvoi paikoin sen yli 2040-luvulle mentäessä. Yli yhden arvo on huono, joten käytin varmaan väärää luokittelua. Kartta toistui samanlaisena myös toisella luokittelulla, joka aiheutti päänvaivaa.

Halusin tarkastella aineistoani uudelleen ja sen tärkeimpiä arvoja Excel-taulukkolaskentaohjelmalla. Kaksi ohjelmaa ja käyttäjä eivät kuitenkaan onnistuneet löytämään toisiaan, sillä seurasi tuskastuttava pilkunviilaus. Suoraan MapInfosta kopioitaessa desimaalit erotetaan toisistaan pisteellä. Excel tulkitsee nämä kuitenkin päivämääräksi ja jos solumuotoilulla kertoo kyseessä olevan lukuarvo, niin jollain algoritmilla Excel arpoo jokaiseen soluun kummallisen numeron.

Esimerkiksi arvo 1.76 muuttuu Excelillä muotoon ”tammi.76” ja tämä kerrottuna luvuksi onkin 27760.

Selasin ja koetin muuttaa kieliasetuksia, mutta lopputulos pysyi samana. Lopulta törmäsin ohjeeseen, joka vaikutti toimivalta ratkaisulta. Ideana oli määrittää ja valita soluarvot tekstiksi jo ennen, kuin niihin kopioidaan lukuarvoja. Tämä tehosi ja arvot olivat oikein ja erottimena toimi pilkku. Paitsi — nyt luvuille ei pystynyt tekemään laskutoimituksia, koska ohjelma ei tunnistanutkaan näitä soluja luvuksi. Vedin päivän verran henkeä ennen uutta yritystä!

Ilmeisesti muillakin oli kyseistä ongelmaa ja ratkaisu löytyi lopulta Tuomas Tavin avustuksella. Toimiva neuvo on käyttää Excelin aloitusvälilehdeltä löytyvää ”etsi ja valitse” pudotusvalikosta löytyvää korvaa komentoa. Etsi ja korvaa pisteet pilkulla, niin homma toimii.

Kartan suuret lukuarvotkin selvisivät, sillä sekoitin taloudellisen huoltosuhteen väestölliseen huoltosuhteeseen. Väestöllinen huoltosuhde on suhdeluku, joka kertoo nuorten- ja eläkeläisten määrän suhteessa työikäisiin. Esimerkiksi luku 1.2 kertoo, että jokaista sataa työssäkäyvää kohti on 120 lasta ja vanhusta. Selvittämäni taloudellinen huoltosuhde taas kertoo työttömien ja työvoiman ulkopuolisten osuuden suhteessa työssäkäyviin. Suhdeluku kerrottaan tässäkin tapauksessa sadalla (Halonen 2012: 1 – 4)

Kartasta ilmenee mielestäni selkeästi, että huoltosuhde on heikon Lapissa, Kainuussa, sekä Pohjois-Karjalassa, eli alueita joilla kärsitään muuttotappiosta ja työpaikkojen puutteesta. Näissä maakunnissa liikutaan välillä 181 – 248 henkeä työvoiman ulkopuolella/ 100 työikäistä. Poismuuttava väestö on perinteisesti nuorta väkeä, jolloin vanhusten osuus kasvattaa taloudellista huoltosuhdetta. Poikkeuksena Lapissa näkyy Kittilän kunta, jonka hyvä suhdeluku selittynee kunnan matkailutoiminnalla. Timo ja Rasmus Aron laatimassa seutukuntien elinvoimaindeksissä (Aro 2016) Pohjois-Karjala, Kainuu ja Lapin itäosat ovat heikoimassa viidenneksessä, kun käytetään 10 alueen elinvoimaa mittaavaa indeksiä.

Parhaiten pärjääviä maakuntia ovat Uusimaa ja Pohjanmaa, joissa paikoin työvoiman määrä ylittää ulkopuolella olevien osuuden. Tällöin suhdeluku on alle yhden. Väestö on nuorta ja työvoimaa ja työpaikkoja on paljon. Uusimaa ja Pohjanmaa sijoittuvat parhaaseen viidennekseen seutukuntien elinvoimaindeksiä mitatessa (Aro 2016).

Vertasin karttaani Joni Uusitalon tekemään, eläkeläisten suhteellista osuutta (%) esittävään karttaan (Uusitalo 2016). Karttoja vertaamalla huomaa, kuinka samat alueet korostuvat molemmissa kartoissa. Missä eläkeläisten osuus on korkea, on sitä tavallisesti myös taloudellinen huoltosuhde.

Kartasta tuli mielestäni onnistunut ja jään odottamaan, mitä muita mahdollisuuksia MapInfo antaa.

Kirjallisuus:

Aro, T. & R. Aro (2016). Seutukuntien elinvoimaindeksi.

http://suomenkasvukaytava.fi/wp-content/uploads/2016/02/Seutukuntien-elinvoimaindeksi-2016-2.pdf Luettu 4.2.2016

Halonen, J. (2012). Demografinen ja taloudellinen huoltosuhde <http://www.kunnat.net/fi/tietopankit/tilastot/indikaatori/Lists/links/Attachments/40/Demografinen%20ja%20taloudellinen%20huoltosuhde.pdf> Luettu 26.1.2016

Paikkatiedon määritelmä (2016). Maanmittauslaitos, Helsinki 26.1.2016 http://www.maanmittauslaitos.fi/kartat/kartoitus/paikkatiedot

Vachon, D. (2005) Father of modern epidemiology http://www.ph.ucla.edu/epi/snow/fatherofepidemiology_part2.html#TWO Luettu 26.1.206

Uusitalo, J. (2016). Kurssikerta 1: MapInfon saloja ja koropleettikarttoja.  https://blogs.helsinki.fi/jonuusit/> Luettu 26.1.2016