7. kurssikerta – rikollisuutta kaksijakoisessa Italiassa

Viimeisen kurssikerran aika koitti vihdoin ja pääsimme tekemään alusta asti omaa karttaamme vapaavalintaisesta aiheesta. Ajatuksena tämä on huumaava: internetin kaikki vapaa aineisto on käytettävissämme ja dataa aivan mielettömästi eri puolilta maailmaa. Ja nyt meillä kurssin päätteeksi on myös taito valjastaa nämä tiedot, paljaista luvuista visuaalisiksi karttaesityksiksi!

Vapaasta aiheesta innoissani päätin heti tehdä karttani Italiasta. Innostus maata kohtaan on vain kasvanut italian kielen opiskelun aloitettuani ja erityisen kiinnostunut olen maan rikollisuudesta ja mafian toiminnasta. Täten kartan aiheen valinta näin karkeasti oli nopea prosessi. Toteutus oli sitten tietysti kaikkea muuta kuin soljuvaa…

Löysin Italian tilastokeskuksesta Istatista oikein lupaavan kaltaista aineistoa. Päädyin excelissä viilaamaan aineistoa kivaan muotoon niin, että sen käsittely myöhemmin MapInfossa sujuisi helposti ja sujuvasti. Ajatus oli ehkä hyvä, mutta aineiston aluejakoihin olisi pitänyt heti alussa kiinnittää enemmän huomiota: aineisto ei vain ollut alueiltaan yhteensopiva Natural Earthin palvelusta hakemani kartan aluejakojen kanssa. Tämän asian myöntämiseen menikin aika pitkään, kun sähelsin aineiston kanssa etsien epätoivoisesti jonkinlaista yhteyttä, jolla tiedot saataisiin sijoitettua kartalle.

Lisäksi käyttämässäni sivustossa (dati.istat.it) näytti olevan jonkinnäköinen ongelma, sillä aineiston edistyneemmät hakutoiminnot tai datan suora siirto exceliin johtivat vain virheilmoitukseen. Virheilmoituksessa kehotettiin kokeilemaan myöhemmin uudestaan: parin päivän päästä en enää edes päässyt käsiksi siihen alkuperäiseen aineistoon, jonka olin sivuilta kopioinut työstämistä varten.

Olikin siis tyydyttävä hieman vanhempiin aineistoihin, joita löytyy Istatin (ilmeisesti) vanhemmasta versiosta. Myös sieltä löysin vastaavaa aineistoa Italian rikollisuuden luvuista. Ainoastaan mafiarikosten luvuista jouduin luopumaan, sillä uudessa aineistossa ei niitä oltu eritelty. Data oli tällä kertaa helposti saatavilla, jokseenkin suoraan kartan alueiden kanssa yhtenevän regions-aluejaon kanssa. Muutaman kirjoitusasullisen muutoksen jälkeen Italian rikollisuusluvut pääsivät kartalle!

Alun perin karttamateriaalissa oli paljon pienempiä alueita, ehkä provinsseja tai kuntia, varsinaisten maakuntien sisällä. Tuurilla ja onnella onnistuin kuitenkin sormet ristissä yrittämällä yhdistettyä alueet lähes vaivattomasti muun aineiston mukaisiksi maakunniksi. Jee!

Valinnanvaikeus iski jälleen toista aihetta miettiessä. Mielenkiintoisia vaihtoehtoja olisi ollut tarjolla työttömyydestä ja työpaikoista terveyspalveluihin, koulutukseen ja väestöllisiin erityispiirteisiin. Innostuin kuullessani yhden kurssilaisen käyttäneen CPI korruptioindeksiä (Corruption Perceptions Index), mutta en millään löytänyt sitä Italian maakuntien välillä määritettynä. Päädyin lopulta tarkastelemaan taloudellista tilannetta maakunnittain köyhien kotitalouksien absoluuttista määrää kuvaavilla luvuilla, jotka näkyvät alla valmiilla kartalla pylväsdiagrammeina.

Italia rikollisuus ja vähävaraiset(2)
Kuva 1. Poliisille ilmoitetttujen rikosten määrä suhteessa vähävaraisiin talouksiin

Pohjalla teemakartassa näkyy siis koropleetiikartta poliisille ilmoitetut rikokset sataa tuhatta asukasta kohti vuodelta 2007. Suurimmat osuudet näyttäisivät painottuvan pohjoiseen Piemonten, Ligurian, Lombardian ja Emilia Romagnan alueille.

Asukasmäärään suhteutettuna paljon poliisille ilmoitettuja rikoksia löytyy myös etelämmässä maakunnissa, joissa Rooma ja Napoli sijaitsevat. Alueet yhtenevätkin joidenkin osalta turistien suosimien maakuntien kanssa, kuten voidaan huomata verrattaessa niitä Jasmiina Myllyksen tekemään hotelliyöpymisiä ja taskuvarkauksia kuvaavaan karttaan (Myllys 2016).

Kuva 2. Hotelliyöpymiset ja ilmoitetut taskuvarkaudet (Myllys 2016)
Kuva 2. Hotelliyöpymiset ja ilmoitetut taskuvarkaudet (Myllys 2016)

Turismi ei kuitenkaan selitä läheskään kaikkea. Koillisen rikkaissa maakunnissa poliisille ilmoitettuja rikoksia on suhteellisesti vähemmän kuin monissa muissa Italian maakunnissa. Etenkin Veneto, jossa Venetsiakin sijaitsee, on turistien suosimaa aluetta muttei silti yllä rikollisuusluvuillaan lähellekään Italian kärkeä.

Muunmuassa Piemonte erottuu korkean rikollisuusasteensa johdosta olematta kuitenkaan erityistä turistialuetta. Piemontessa myöskään köyhien kotitalousten lukumääräkään ei ole huomattavan suuri.

Köyhiä kotitalouksia sen sijaan on erityisen paljon Sisiliassa ja muutamassa muussa etelän maakunnassa. Toki diagrammien pituus vaihtelee jo väestömäärien eriävyyksien takia ja voi antaa täten harhaanjohtavaa kuvaa alueen todellisesta varallisuustilanteesta. Sisilian köyhien kotitalousten määrä korostuukin erityisen voimakkaasti, sillä maakunnassa asuu noin viisi miljoonaa ihmistä.

Italia on tunnettu kaksijakoisuudestaan. Köyhä etelä on tiettävästi mafian synnyinmaata ja tunnettu myös korruption pesäkkeenä. Näistä syistä minua olisikin kovasti kiinnostanut näiden jomman kumman aiheen tarkempi analyysi, jos niistä olisi löytynyt sopivaa tilastoaineistoa. Kartta on sikäli jännittävä, että sen mukaan rikollisuusongelma on painottunut pohjoiseen. Miksi kaikkein eniten poliisin tietoon tulleita rikoksia on juuri manner-Italian länsiosassa ja rikkaan pohjoisen alueilla? Vääristymää luo todennäköisesti juuri korruptio ja poliisivoimien toiminnan erot pohjoisen ja etelän välillä. Turistit varmaankin tekevät helpommin rikosilmoituksen pienemmistäkin tilanteista jo vakuutuskorvausten toivossa. Etelässä moni rikos sen sijaan ei välttämättä kulkeudu poliisille asti.

Vähävaraisten kotitalouksien määrä ei lopulta juurikaan korreloi poliisille ilmoitettujen rikosten määrän kanssa. Pylväsdiagrammit kuvaavat sen sijaan paremmin Italian etelä-pohjoinen jakoa, vaikka myös pohjoisessa erottuu yksittäisiä piikkejä. Köyhien kotitalousten määrään vaikuttaa toki myös yhden talouden piiriin laskettavien henkilöiden määrälliset erot. Pohjoisen kaupungeissa on varmaankin enemmän pieniä talouksia ja myös yksineläjiä, kuin maaseutumaisemmassa etelässä. Tämä voi hieman selittää esimerkiksi Lombardian ympäristöään korkeampaa köyhyysdiagrammia. Myös etelästä Milanoon kohdistunut muuttoliike on voinut kasvattaa lukua.

Lähteet:

Crimes – Total. Istituto Nazionale di Statistica <http://sitis.istat.it/sitis/html/indexEng.htm> Luettu 4.3.2016.

Myllys, Jasmiina (2016). 7. kurssikerta: paikkatietoa italialaisittain. <https://blogs.helsinki.fi/myllyjas/> Luettu 19.3.2016

Poor resident households. Istituto Nazionale di Statistica. <http://sitis.istat.it/sitis/html/indexEng.htm> Luettu 19.3.2016.

States and provinces – cultural vector maps. Natural Earth (2016). <http://www.naturalearthdata.com/downloads/10m-cultural-vectors/> Luettu 4.3.2016.

Kurssikerta 6 Ulkoilua ja järistyksiä

Tämän viikon Pak-kurssikerta lienee tähänastisista monipuolisin. Tylsäksi kurssikertaa ei ainakaan voi moittia! Kurssin päätteeksi olimme käyneet lenkkeilemässä, harjoitelleet geokoodausta ja siirtyneet hasardien käsittelyyn opettajan näkökumasta.

Keväinen auringonpaiste odotti meitä ulkona, kun Arttu ensimmäiseksi passitti meidät ulos lenkittämään GPS-paikanninta. Saimme kerättyä joitakin epäileviä katseita ohikulkijoilta, kun päädyimme ryhmän kanssa heiluttelemaan laitetta lähitienoon roskisten yllä. Keräsimme koordinaattitiedot ylös, syötimme ne ominaisuustietoineen exceliin ja sitä kautta MapInfoon. Valittuamme sitten sopivan projektion ja määritettyämme x ja y koordinaatit, kartalle piirtyivät kivasti kaikki kiertämämme lähialueen roskikset!

Tauon jälkeen tutustuimme vielä geokoodaukseen eli karttakohteiden paikantamiseen koordinaattijärjestelmässä osoitetietojen perusteella. Geokoodausta harjoittelimme pääkaupunkiseudun pelikoneita käsittelevän tietokannan kautta. Vasta viimeisen tunnin aikana pääsimme varsinaiseen päivän blogitekstin aiheeseen: maailman luonnonhasardeihin.

Maanjäristykset

Tehtävänä oli siis siirtyä opettajan saappaisiin ja tehdä opetuskäyttöön soveltuvia karttoja maanjäristyksistä, tulivuorista tai impakteista. Ensimmäiseksi olikin valittava tarkasteltavat kohteet, aineistot, sekä esitystapa kohdeyleisön tarpeisiin sopivaksi. Millaista kartta-aineistoa voisi siis hyvin hyödyntää kouluopetuksessa?

Päädyin keskittymään hasardeista maanjäristyksiin ja tulivuoriin. Koska kyseessä on yleissivistävään koulutukseen tähtäävä tehtävä, on tärkeää pitää asiat simppeleinä ja keskittyä perusjuttuihin. Ensimmäisenä olisi perusteltavaa selvittää, mitä maanjäristykset oikeastaan ovat ja miten ne syntyvät. Kuvasarjan aloitan siten maanjäristysten esiintymistä ja litosfäärilaattoja kuvaavilla kartoilla.

Maanjäristykset 6,7,8 vuodesta 2000-3
Kuva 1. Yli 6 magnitudin maanjäristykset 2000-2016.
litosfäärilaatat
Kuva 2. Litosfäärilaatat. Lähde: http://www.rsc.org/Education/Teachers/Resources/jesei/platerid/plates.htm

Maanjäristykset syntyvät maankuoren jännitystilojen purkautumisessa ilmenevästä kuoren tärinästä. Lieviä maanjäristyksiä (Richterin asteikolla alle 5 järistykset) tapahtuu kaikkialla, myös laattatektonisesti vakaassa Suomessa. Heikoimpia järistyksiä ihmiset eivät kuitenkaan edes huomaa ja niitä voidaan tarkkailla vain maankuoren liikettä ja maanjäristysaaltoja rekisteröivillä mittalaitteilla. Suuremmat maanjäristykset (yli 6) liittyät kuitenkin lähes aina litosfäärilaattojen liikkeisiin toisiinsa nähden niiden saumakohdissa. Kuten kuvaista 1 ja 2 näkyykin, maanjäristysalueet seuraavat hyvin säännönmukaisesti litosfäärilaattojen saumakohtia.

Järistysten voimakkuus vaikuttaa luonnollisesti järistysten esiintymistaajuuteen: pienempiä järistyksiä sattuu hyvin paljon useammin, kuin suuria. Keskikokoisia 5,5-6 magnitudin järistyksiä tapahtuu useita satoja vuodessa, kun taas voimakkuudeltaan yli 8 magnitudin järistyksiä tulee noin viiden vuoden välein (Earthquake Magnitude Scale). Ensimmäisessä kartassa keltaisella on merkitty Richterin asteikon mukaan magnitudiltaan 6-6,9 järistykset, oranssilla 7-7,9 ja punaisella yli 8. Oppilaille kannatta tässä kohtaa huomauttaa, että asteikko on logaritminen: järistys, jonka magnitudi on seitsemän, on kymmenen kertaa voimakkaampi, kuin kuuden magnitudin järistys.

… ja tulivuoret

Myös tulivuorista suurin osa esiintyy litosfäärilaattojen saumakohdissa ja ne asettuvat samankaltaiseen muodostelmaan maanjäristysalueiden kanssa (kuva 3). Eniten tulivuoria esiintyy Tyynenmeren tulirenkaan alueella, jossa tapahtuu myös suuri osa maanjäristyksistä.

Tulivuoret kaikki ja yli 6 vuodesta 2000-4
Kuva 3. Kaikki tulivuoret ja yli 6 magnitudin maanjäristykset vuodesta 2000.

Kartassa eniten huolestuttaa, mistä lähtien Ruotsissa on ollut tulivuori. Muiden blogeja selatessa huomaan, etten ole asian kanssa yksin. Aineistossa lienee ollut jokin virhe. Asia pitäisi selvittää ennen kartan käyttöä opetustarkoituksessa, sillä virheellä voisi olla kohtalokkaita seurauksia koululaisten maantiedon osaamisessa…

Muuten kartta havainnollistaa hyvin maanjäristysalueiden ja tulivuorien yhteyttä. Litosfäärilaattojen saumakohtien lisäksi tulivuoria esiintyy mm. astenosfäärin kuumien pisteiden yläpuolella (esim. Hawaiji).

Kolmannen oman karttani päädyin tekemään vuoden 1964 jälkeen purkautuneista tulivuorista ja yli kahdeksan magnitudin purkauksista samalla aikavälillä (kuva 4).

Tulivuoret ja maanjäristykset 8 vuodesta 64
Kuva 4. Vuoden 1964 jälkeen purkautuneet tulivuoret ja yli 8 magnitudin maanjäristykset

Litosfäärilaattojen saumakohtiin tulivuoria syntyy alityöntö-, törmäys ja erkanemisvyöhykkeille. Tyynenmeren tulirenkaan alue on käytännössä alityöntövyöhykettä, loittonemisvyöhykkeitä ovat pääasiassa Atlantin keskiselänteellä ja törmäysvyöhykettä muunmuassa Himalajan ylängöllä (kuva 2). Kuten Helena Rautakoski blogissaan toteaa, aktiivisimmin näyttävät kuitenkin purkautuvan alityöntövyöhykkeiden tulivuoret (Rautakoski, 2016).

Kuten maanjäristyksillä ylipäätäänkin on tapana, myös valtavat, yli 8 magnitudin järistykset sijoittuvat lähelle tulivuoria. Pelkkä magman nousemisen vaikutus on kuitenkin epätodennäköinen synnyttämään varsinkaan näin suuren mittakaavan järistyksiä (Volcano World). Sijoittumista selittääkin yhteinen tekijä eli litosfäärilaatat ja niiden liikkeet.

Kartalta voidaan sen sijaan erottaa muutamia alueita, jotka ovat altistuneet poikkeuksellisen paljon sekä hyvin voimakkaille maanjäristyksille että vulkaanisille hasardeillekin. Näistä selvimmin erottuvat Chile, Japani ja Indonesia.

 

Lähteet:

Earthquake Magnitude Scale. UPSeis – an educational site for budding seismologists. <http://www.geo.mtu.edu/UPSeis/magnitude.html>
Luettu 28.2.2016.

Rautakoski, H. 26.2.2016. Kurssikerta 6. Koordinaatteja Kumpulassa, hasardeja maailmalla. <https://blogs.helsinki.fi/helenrau/>. Luettu 28.2.2016.

The Earth’s tectonic plates. <http://www.rsc.org/Education/Teachers/Resources/jesei/platerid/plates.htm> Luettu 28.2.2016.

Tietoa maanjäristyksistä. Helsingin yliopisto, seismologian laitos. <http://www.seismo.helsinki.fi/fi/maanjtietoa/perustietoa/magnitudi.html> Luettu 26.2.2016.

Volcano world. Oregon state university <http://volcano.oregonstate.edu> Luettu 28.2.2016.

Kurssikerta 5 – Puskureita ja uima-altaita

Toistaiseksi varmaankin pahinta PAK-vääntöä ikinä. Tunti alkoi lupaavasti lukuisilla ongelmatilanteilla ja tehtävien edetessä tunnelma muuttui ehkä vähän hysteerisenmakuiseen suuntaan. Äänimaailmaa kurssitilassa värittivät välillä aggressiivinen klikkailu, epätoivon parahdukset ja MapInfolle osoitetut kiroukset. Kurssikerran päätteeksi Arttu sai kuitenkin taas useasti kehottaa MapInfon otteeseen jääneitä opiskelijoita ulos ruutujen ääreltä.

Eli tällä kertaa ajauduimme vaihteeksi pois karttojen keskeltä ja keskityimme analysoimaan ja laskemaan aineiston avulla erilaisia tehtäviä. Bufferit tulivat kehiin täysin uutena metodina ja ne vaikuttivat hyvin hyödyllisiltä erilaisten analyysien teossa. Erityisen hyödyllinen tämä bufferointi-ominaisuus on sen vuoksi, että puskureilla voidaan kartoittaa niin piste-, viiva-, kuin aluemaistenkin kohteiden vaikutusalueita yhdellä kertaa. Puskureita voidaan käyttää esimerkiksi saavutettavuuden kartoituksessa ja hyödyntää palvelujen ja liikenneverkon suunnittelussa.

Sarakkeiden ja rivien lisääminen, muokkaaminen sekä aineistojen yhdistely alkoi työskentelyn edetessä pyöriä jo sujuvasti. Myös summatyökalua tuli käytettyä ahkerasti. Sen avulla sai hyvin nopeasti ja kätevästi laskettua oleellisia lukuja.

Yksi haasteellisimmista asioista oli kuitenkin erottaa kukin tietokanta, kysely ja valinta toisistaan ja valita niistä oikeat sen mukaan, mitä halutaan tietää. Eri layerien ja queryjen kanssa säheltäminen, sekä valintatyökalun tottelemattomuus raastoivat eniten hermojani. Queryjen kanssa minun on edelleen vaikea täysin hahmottaa niiden luonnetta: mitä niihin lopulta tallentuu ja voidaanko niitä käyttää täysin samalla tavalla, kuin alkuperäisiä tietokantoja?

Puskurien teko oli lopulta aika simppeliä, kun vain onnistui valitsemaan niiden tekoon oikeat kohteet. Työskentely itsessään tuntui hitaalta ja tuskaiselta, mutta lopulta aika palkitsevalta. Tehtäviä tehdessä oppi jälleen paljon uutta MapInfon toiminnasta, eikä ohjelma enää tunnu vieraalta Möröltä. Alla saamani vastaukset itsenäistehtäviin (taulukko 1).

Tehtävätaulukko kk5
Taulukko 1. Itsenäistehtävät

Jatkaessani tehtäviä seuraavana päivänä, täytyy myöntää että Arttu oli jälleen kerran oikeassa: tehtävät vaikuttavat helpommilta ja vähemmän tuskaisilta näin kunnon yöunien jälkeen. Pakollisten tehtävien jälkeen päädyin valitsemaan hauskimmalta kuulostavan aiheen vaihtoehtoisista tehtävistä: uima-altaat pääkaupunkiseudun rakennuksissa. Numerotiedot olen kerännyt yllä olevaan taulukkoon.

Tehtävään kuului kuitenkin myös tehdä kartta. Hetken kartanpiirtämistauon jälkeen huomaan puutteita taidoissani. En esimerkiksi millään muista, mistä nimistön sai helposti lisättyä karttaan enkä keksinyt, miten pylväsdiagrammin arvot saisi numeroina näkyviin kartalle. Sain kuitenkin aikaan jonkinlaisen kartan (kuva 1), josta käy ilmi uima-altaallisten rakennusten keskittyminen pienen matkan päähän kantakaupungista. Erityisen paljon uima-altaallisia rakennuksia on Lauttasaaressa, sekä hieman yllättävästi Itä-Helsingissä.

 

Uima-altaat kartta
Kuva 1. Uima-altaalliset rakennukset pääkaupunkiseudulla

Kartta näyttää hieman sairaalta, sillä MapInfo halusi piirtää viirut pylväsdiagrammista myös alueille, joissa uima-altaallisia rakennuksia ei ole. Tämä visuaalinen esitykseni saa tällä kertaa kuitenkin kelvata. Jiri Lilja on blogissaan (Lilja, 2016) tehnyt samasta aiheesta pistekarttaesityksen (kuva 2). Pistekartta näyttäisikin sopivan asian esittämiseen paljon ohjeiden ehdottamaa pylväsdiagrammia paremmin.

Uima-altaat-1
Kuva 2. Uima-altaalliset pientalot pääkaupunkiseudulla. (Lilja, 2016)

Kurssikerta vaikutti minusta melko kattavalta katsaukselta taulukoihin ja tietokantoihin karttojen takana. Muistan, kun lukiossa luimme jotain epämääräisiltä kuulostavia selostuksia tietokannoista, paikkatiedosta, riveistä ja sarakkeista. On hauska huomata, miten suhtautuminen ja mielenkiinto näitä kohtaan on muuttunut nyt, kun näemme mitä näillä käsitteillä oikeasti tarkoitettiin ja miten ne käytännössä käyttäytyvät.

Lähteet: Lilja, J. (19.2.2016). Bufferointia, lentokenttiä ja uima-altaita. <https://blogs.helsinki.fi/jiri/2016/02/19/bufferointia-lentokenttia-ja-uima-altaita/>

 

Kurssikerta 4 – Ahaa-elämyksiä ja turhautumista

Tänään pääsimme matriisitietokantojen kimppuun. Tunti oli väsyneessä mielentilassa iltaryhmässä enemmän tai vähemmän tuskaista kamppailua MapInfon kanssa ja jäinkin auttamattomasti rannalle uikuttamaan itsenäistyöskentelyiden suhteen. Mutta jokin hintahan niistä laskiaisen riennoista oli maksettava.

Kurssikerran aihe, piste- ja ruutuaineisto, oli minusta ihan mielenkiintoinen. Pakko myöntää, että tajusin ensimmäistä kertaa kunnolla ruutuaineistoista tehtyjä teemakartoja vasta nyt, kun sellainen pölähti Mapinfosta eteeni (kuva 1)! Etenkin aiemmin näkemieni karttojen tyhjät alueet olivat hämmentäneet. En ollut myöskään ymmärtänyt, miten data ruutuaineistoa varten oli kerätty ja miten se oikeastaan käyttäytyy esitettäessä ruutumuodossa. Koinkin tunnilla ahaa-elämyksen: kaikki data esitysmuodosta riippumatta oikeastaan perustuu pisteisiin!

Capture
Kuva 1. Viimeistelemätön ja legendaton kartta tasan 20-vuotiaiden määristä pääkaupunkiseuduilla (vuosi 2013?)

Aikaisempiin karttoihin verrattuna ruututeemakartta oli mukava siksi, että siinä sai käyttää absoluuttisia arvoja. Esimerkiksi perinteiseen

koropleettikarttaan nähden tämä on useammin perusteltua, sillä verrattavat ruutualat ovat keskenään yhtä suuria. Poikkeuksena tästä tietysti reuna-alueet, joissa data-aineisto ei käsitä koko ruutua (oheisissa kartoissa pääkaupunkiseudun reunat). Helena Rautakoski tekee tähän liittyen hyvän huomion blogissaan: ”Jos esimerkiksi asukastiheyttä tarkasteltaisiin 1km x 1km ruutujen avulla, jokaisen ruudun absoluuttinen väkiluku suhteutuisi ruudun kokoon automaattisesti (asukkaita/1km²). Suhteellisia arvoja ei siis tarvitsisi käyttää” (Rautakoski, 2016).

Ensimmäisen itsenäistyöskentelyn kanssa tuli pieniä ongelmia halutun datan saamiseksi teemakartalle. Valitsin muuttujaksi rakennusten keskimääräisen rakennusvuoden. Ongelmana oli, että puuttuva data oli merkitty aineistoon luvulla 999999, ja nämä oli poistettava käsittelyyn otettavasta aineistosta. En ollut myöskään huomannut määritellä ohjeeksi laskea nimenomaan ruutuihin osuvien rakennusten keskiarvoisia rakennusvuosia. Lopulta sain kuitenkin ulos alla olevan kartan (kuva 3).

Kuva 1. Rakennusten keskimääräinen rakennusvuosi pääkaupunkiseudulla (2013)

Kuten kaikissa muissakin teemakartoissa, tämänkin kartan kohdalla tulisi pohtia, vastaavatko värit mielikuvia. Minusta mielenkiintoisimpia ovat nimenomaan vanhat rakennukset, joten valitsin niille tummimman sävyn. Värien syvenemisen olisi kuitenkin ehkä voinut vaihtaa toisinkin päin, jolloin kartalta erottautuisi paremmin uudet asuinalueet ja rakentamisen levittäytyminen. Kartan esittämän tiedon hahmottamista auttaisi nimistön lisääminen, mutta sitä olisi pitänyt jotenkin kompensoida. Pienalueita on kartalla liian monta, jotta niistä kaikista olisi voinut huomioida nimistön. Tein oman ruututeemakarttani 400 kertaa 400 metrin ruutumatriisilla. Myös suurempi alue olisi ajanut asiansa hyvin, jolloin alueelta olisi ehkä paremmin erottunut eri vuosina rakennettuja asuinalueita.

Informaatioarvo tällaisissa ruututeemakartoissa on tietyllä tapaa suurempi, kuin esimerkiksi koropleettikartoissa. Niissä kun arvot ovat aina suhteellisia, eivätkä huomioi alueyksikön sisäistä vaihtelua. Esimerkiksi kuntien koot vaikuttavat koropleettikartoissa huomattavasti. Jonkin muuten hyvin kaupunkimaisen kunnan alueelle voi osua esimerkiksi suuri peltoalue, jolloin kunta vaikuttaa maankäyttömuotojensa perusteella maalaisemmalta, kuin pienialainen, mutta kauttaaltaan tiiviisti asutettu kunta.

Pistekartoissa yllä mainittuja ongelmia ei ole, mutta niissä esitystavalla on sitä suurempi vaikutus. Kuten huomasimme TAK-kurssitöissä, samasta aineistosta voidaan saada aikaan hyvin erilaisia pistekarttoja. Näin pistekartat voivat helpommin ilmaista todellisuutta vääristävästä vaihtelusta alueella.

Kartalta huomaa, että toista maailmansotaa edeltävät rakennukset sijaitsevat pääosin kantakaupungissa. Yksittäisiä vanhoja rakennuksia ja pieniä keskittymiä löytyy kuitenkin ympäri pääkaupunkiseutua. Uudempaa rakennuspolvea edustaa Itä-Helsinki ja Vantaan itäiset osat. Erityisesti erottuvat Tikkurilan, Itäkeskuksen ja Östersundomin uudemmat, 90-luvun alun jälkeen rakennetut asuinalueet. Kahta ensimmäistä selittää niiden kasvanut merkitys liikenteen solmukohtana. Itäkeskuksen kohdalla metroyhteys ja kauppakeskus ovat vaikuttaneet alueen rakentamiseen viime vuosikymmeninä.

Kuva 2. Vantaalainen asuinrakennus, rakennettu 1750

[Innostuin vähän aineistosta ja huvitin itseäni etsimällä aineiston perusteella ja Google Earthin avulla pääkaupunkiseudun vanhimman rakennuksen (kuva 2).]

 

 

 

Kurssin toisella puoliskolla putosin pahasti kärryiltä jo alkuvaiheessa, kun jäin tekemään edellistä karttaa. Kiitos Sannin, pääsin kuitenkin myöhemmin tekemisen makuun myös Pornaisten kartan kimpussa! Mitä sen kanssa sitten tapahtuu, on sitten seuraavien kertojen juttu.

Lähteet: Rautakoski, Helena. (11.2.2016). Kurssikerta 4: Ruudukkoa ruotsinkielisistä. <https://blogs.helsinki.fi/helenrau/> Luettu 12.2.2016

Artikkeli 1 Kahden muuttujan koropleettikartat

Tehtävänämme oli tällä kertaa lukea artikkeli Two-variable choropleth maps as a useful tool for visualization of geographical relationship (Leonowicz, 2006). Artikkelissa kerrottiin kahta muuttujaa yhdistävistä koropleettikartoista, sekä verrattiin niiden luettavuutta yhden muuttujan koropleettikarttoihin. Artikkeli pohjautui opiskelijoille tehtyyn tutkimukseen aiheesta. Johtopäätöksenä todettiin yksimuuttujaisen koropleettikartan olevan parempi kuvaamaan paikallista sijoittumista, kun taas hyvin tehty kahden muuttujan koropleettikartta havainnollistaa tehokkaammin ilmiön eri muuttujien välisiä suhteita.

Artikkeli täydensi mukavasti toisen kurssikerran teemakartta-aspektia. Itse en ollut aiemmin perehtynyt useamman muuttujan koropleettikarttoihin ja pidinkin artikkelia ja siinä esiintyviä karttoja mielenkiintoisina.

Artikkelissa esitettyjä teemakartografian vaikeuksia ymmärtääkin paremmin nyt, kun on nyt itse päässyt kokeilemaan teemakarttojen tekoa. Kartografin harteille jää huimasti kartan lopulliseen ilmeeseen ja myös informaatioarvoon vaikuttavia valintoja. Luokkajako on oikeasti hankala valita kuvaamaan ilmiötä mahdollisimman todenmukaisesti. Kartan lukija myös yleensä keskittyy vain tulkitsemaan eroavaisuuksia kartan alueiden välillä, eikä välttämättä lainkaan kiinnitä huomiota oikeisiin lukuihin kartan värien tai rasterien takana. Useamman muuttujan koropleettikartoissa olisi näiden lisäksi oltava erityisen tarkkana, mitä muuttujia karttaan valitsee ja miten ne esitetään. Nämä kartat vaativat enemmän niin kartan tekijältä, kuin lukijaltakin, mutta voivat olla hyvin arvokkaita eri teemojen visuaalisessa käsittelyssä.

Niko Pelkosen tavoin innostuin kaksimuuttujaisen koropleettikartan legendasta. Värien ja rasterien käyttö yksittäisten muuttujien lisäk-

Capture
Kuva 1. Kuvankaappaus kartan (Two variable coropleth map of Mazowsze Region) legendasta

si niiden korrelaation kuvaamiseen on hämmentävän monimutkaista, mutta kiehtovaa. Ja tämä kaikki tieto löytyy puristettuna yhden neliön sisään. Kaikkein mielenkiintoisinta oli mielestäni yhdistää tällaiseen värisävyillä pelaavaan legendaan luokkajaot keskijakauman perusteella (kuten kuvassa 1). Tämä vaatii jo taas enemmän aikaa tulkitsemiseen. Esitystapa voi kuitenkin tuottaa hyvin havainnollistavia esityksiä, kunhan muuttujien ja värien valinta, sekä luokittelu tapahtuu mielekkäästi.

 

Teemakartografian keinoja kaventaa hirveästi se, että suurelle yleisölle esitettävien karttojen pitäisi yhdellä silmäyksellä osata kertoa asiansa ja ilman väärinymmärryksen vaaraa. Kuten Markus Sirviö pohtii blogissaan (Sirviö 2016), on valitettavaa, ettei näillä hieman monimutkaisemmilla kartoilla ole juurikaan sijaa nykyisessä kärsimättömyyden kyllästämässä yhteiskunnassamme. Mainostarkoituksiin tehtyjä yltiöyksinkertaisia karttoja sen sijaan näkyy joka puolella. Kun ihmiset eivät vahingossakaan altistu mainosten niitä monimutkaisimmille teemakartoille, joutuu kartanlukutaito taas pahaan laskukierteeseen. Huoli kasvaa edelleen, kun lukionkin maantieteen pakollisia kursseja karsitaan vain yhteen ainoaan.

Kohderyhmän lukutaidot on kuitenkin otettava huomioon. Niko Pelkonen tarkasteleekin blogissaan asiaa oivaltavasti eri käyttäjäryhmien näkökulmasta. Käyttötarkoitus määrittelee sen, millaisia karttoja ja visuaalisia keinoja on järkevä käyttää. Siksi useamman muuttujan päällekkäiskartat toimivat ainakin tiedeyhteisöissä hyvin. Ongelmia kuitenkin on: ”Eri käyttäjäryhmille suunnatuissa kartoissa on se ongelma, että tieto voi jäädä muilta piiloon/ymmärtämättä” (Pelkonen 2016).

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

Pelkonen, N. (2016) Kurssikerta 2 – Teemaa teeman päälle. <https://blogs.helsinki.fi/nikopelk/2016/02/02/kurssikerta-2-teemaa-teeman-paalle/> Luettu 11.2.2016

Sirviö, M. (2016) Artikkeli 1. Pähkäilyn kautta voittajaksi. <https://blogs.helsinki.fi/masirvio/> Luettu 11.2.2016.

 

Kolmas kurssikerta – tutkimusmatka tietokantoihin

Kolmannella kurssikerralla pääsimme tietokantojen kimppuun. Porauduimme syvemmälle MapInfon kovan ulkokuoren alle ja tarkastelimme datan kommunikaatiota ja järjestymistä jo harjoittelemiemme visualisointien takana. Tietokannan eri tasoihin tutustuminen nopeuttikin huomattavasti ohjelman toimintaperiaatteiden sisäistämisprosessia, eikä MapInfo vaikuta enää niin vieraalta ja kovalta. Opimme kurssikerran aikana mm. yhdistelemään eri tietokantoja ja tuomaan niitä muista ohjelmista. Uusia sarakkeita lisäämällä tietokantaa saa täydennettyä esimerkiksi tiedolla kahden tunnetun muuttujan suhteesta, mitä kokeilimme tunnilla laskemalla tulvaindeksin.

Afrikka konfliktit värit
Kuva 1. Timanttikaivokset, öljylähteet ja taistelukentät Afrikassa

Afrikka ja konfliktit

Käytännön harjoittelun aloitimme yhdessä Afrikan konfliktit -teemakartan kimpussa. Aluksi aineistojen yhdistelyn ja niiden vaikutusten hahmottaminen tuntui haastavalta, mutta itse kokeillessa se alkoikin nopeasti luonnistua ja muodostui viereinen kartta (kuva 1).

Innostuin jälkikäteen työstämään vähän myös tätä karttaa ja hieman haeskeltuani sain muokattua oletussymbolien väriä. Nyt kartta on alkuperäistä parempi puna-vihersokeille ja muutoinkin resurssit ja riskit erottuvat selkeämmin kartalta. Legenda jäi kartasta puuttumaan, kun MapInfo ei sitä automaattisesti osannutkaan luoda ja päätin olla käyttämättä siihen niin paljon aikaa. Harmaat alueet ovat siis öljylähteitä, siniset kolmiot timanttikaivoksia ja punaiset ja vihreät symbolit taistelukenttiä. Lähteistäkään en oikein saanut selvitettyä, miltä ajalta konfliktit on tietokantaan merkitty ja millä perusteella ne on jaettu kahdenlaisiin eri kuvioihin. Joka tapauksessa kartta vaikuttaa kiintoisalta.

Kartalta voidaan nähdä kahden Afrikassa tärkeän ja huomattavaa globaalia mielenkiintoa herättävän luonnonresurssin, ja toisaalta taistelukenttien alueellisen sijoittumisen. Anni Heilala tiivistää blogissaan hyvin kartan sanoman: ”Konfliktien ja sotien syy monesti onkin juuri edellä mainitut seikat [timanttikaivokset ja öljylähteet], sillä ihmiset kiistelevät esimerkiksi edelleen siirtomaa-aikaan syntyneistä rajoista ja resursseista joita näillä alueilla sijaitsee” (Heilala 2016).

Resurssien ja konfliktien välillä voidaankin havaita jonkinasteista korrelaatiota. Selkeintä tämä näyttäisi olevan Sierra Leonen, Liberian ja Norsunluurannikon alueilla. Nopea googlaus Sierra Leonen historiasta osoittaakin arvelun oikeaksi: veriseen sisällissotaan liittyi vahvasti kamppailu alueen timanttivaroista ja muun muassa juuri tästä juontaa juurensa käsite ”veritimantti”. Myöhemmin huomasin Heilalan myös kiinnittäneen blogissaan asiaan erityistä huomiota.

Osana tehtävänantoa piti keksiä, mitä tiedoilla voisi tehdä tai mitä päätellä, kun tietokannassa on tallennettuna tiedot myös:

  • konfliktin tapahtumavuodesta
  • laajuudesta tai säteestä kilometreinä
  • timanttikaivosten löytämisvuodesta
  • timanttikaivosten kaivausten aloitusvuodesta
  • timanttikaivosten tuottavuusluokituksesta
  • öljykenttien löytämisvuodesta
  • öljykenttien poraamisvuodesta
  • öljykenttien tuottavuusluokittelusta
  • Internetkäyttäjien lukumääristä eri vuosina

Konfliktien tapahtumavuosien ja laajuuden perusteella voitaisiin päätellä niiden tyypillistä etenemistä, jos esimerkiksi rajanaapuruuskiistat ovat levinneet nauhamaisesti muidenkin valtion rajoille. Valtion epävakaisuudesta puolestaan kertoo konfliktit, jotka usean vuosikymmenen ajan toistuvat alueella. Mielenkiintoista olisi myös tutkia konfliktien hierarkkista leviämistä. Samalla voitaisiin verrata maailmantalouden tai -politiikan tapahtumien yhteyttä konfliktien ajallisen sijoittumisen kanssa, kuten esimerkiksi arabikevään yhteydessä. Konfliktien liittyminen johonkin tällaiseen suureen globaaliin ilmiöön saattaa myös kieliä aktiivisesta ja muutoksenhaluisesta kansasta. Konfliktien laajuuden ollessa tiedossa voidaan paremmin erottaa mahdolliset luonnonvaroihin liittyvät intressit tekojen taustalla, jos konflikti levittäytyy esimerkiksi timanttikaivoksen tai öljykentän ympäristöön.

Timanttikaivosten löytämisvuosi ja kaivosten aloittaminen kertovat tarinaansa ahneista eurooppalaisista. Tuottavuusluokittelu kertoo, mistä riistetään eniten ja mihin kaikkien kateellisten naapurien katse suuntaa. Tarkemmat tiedot öljykentistä ovat olennaisia öljyvaltioiden historian ja yhteiskuntakehityksen tutkimuksessa, sillä niiden vaikutus ko. valtioiden vaurauteen on ollut ja on edelleen huomattava. Valitettavasti luonnonresursseilla on tapana jakautua epätasaisesti ja näin edesauttaa epätasa-arvoisuutta ja konfliktiherkkyyttä alueilla.

Internetinkäyttö tänä informaatioyhteiskunnan aikakautena kertoo jotain kansan kehittyneisyydestä ja hyvinvoinnin asteesta. Internetin käytön lisääntyminen voi olla alkusoittoa kehitykselle, niin hyvässä kuin pahassa. Tietoja voidaan käyttää esimerkiksi turismin näkökulmasta kartoitettaessa potentiaalisia lomakohteita tai alueita uusien turismipalveluiden perustamiselle.

Tulvaindeksikartta

Itsenäistyöskentelyssä teimme tällä kertaa kartan tulvaindekseistä ja järvisyydestä Suomen valuma-alueilla (kuva 2). Jännittävää on, että tulemme keväällä vielä perehtymään asiaan tarkemmin ja paineita on siis luoda edes hieman jonkinlaista varteenotettavaa analyysiä aiheesta näin etukäteen.

Tulvaindeksi 2 reunoilla
Kuva 2. Tulvaindeksi ja järvisyysaste valuma-alueittain

Itse kartan teko sujui tällä kertaa melko mutkattomasti ja varsinkin viime kertaan verrattuna loistavasti. Luokittelun pohjana käytin equal countia, säädin sitten luokkarajoja kuvaamaan hieman paremmin tulvaindeksin vaihtelua. Halusin rannikon rajat näkymään lopulliseen karttaan, sillä se selkiyttää minusta oleellisesti rantaviivojen hahmottamista valuma-alueiden suhteen etenkin Jäämeren rannalla.

Ensivaikutelma kartasta on, että tulvaindeksi (keskiylivirtaama / keskialivirtaama) on matala sisämaassa ja korkea rannikoilla. Järvisyys puolestaan on suurinta siellä, missä tulvaindeksi on alhaisempi. Järvisuomeksi mielletyllä alueella järvisyysprosentti on (yllätys yllätys) Suomen suurinta. Suurta järvisyysastetta edustaa myös Inarin järven seutu, jossa kyseisen järven olemassaolo vaikuttanee melko suoraan prosenttiasteeseen.

Kartasta huomataan myös, että valuma-alueiden koko yleisesti pienenee huomattavasti sisämaasta rannikolle siirryttäessä. Sisämaan laajojen järvialueiden valuma-alueet ovat luonnollisesti suurempia, kuin rannikon läheisyyden lukuisilla laskujoilla.

Rannikoilla tulvaindeksiä kasvattaa merenpinnan vaihtelu, mutta myös jokisuus. Pohjanmaan joet kasvattavat maakunnan valuma-alueiden tulvaindeksiä. Tarkemmin karttaa tarkastellessa voi kuitenkin huomata yhteyden kaikkein ylimpään tulvaindeksiluokkaan 200-1100 kuuluvien valuma-alueiden kesken: suurimmat tulvaindeksit sijoittuvat suurten rannikkokaupunkien tuntumaan. Rakennettu maasto päällysteineen, sekä rajallisella teholla vettä poistavat katuviemäristöt estävät luonnollista veden imeytymistä ja edesauttavat sen kertymistä kaduille ja maaston uomiin.

Myös pinnanmuodoilla ja muilla maankäyttömuodoilla on oma vaikutuksensa tulvaindeksiin, kuten Salla Marttila pohtiikin omassa blogissaan: ”Myös kartalla näkymättömät tekijät, kuten pinnanmuodot ja maankäyttömuodot, vaikuttavat tulvaindeksiin. Pohjanmaalla korkeuserot ovat pieniä, joten tulva leviää helpommin laajalle. Lisäksi pohjanmaalla on paljon peltoja, jotka pidättävät vettä huonommin kuin esimerkiksi metsät ja suot” (Marttila 2016)

 

Lähteet:

Heilala, Anni 2016. Kolmas kurssikerta. (2.2.2016) <https://blogs.helsinki.fi/heanni/> Luettu 4.2.2016

Marttila, Salla 2016. KK3 Tietotulvakarttoja. (4.2.2016) < https://blogs.helsinki.fi/sallamar/> Luettu 4.2.2016

Muurinen, Heta ja A. Salonen. Rauhanturvaoperaatio Sierra Leonessa on päättynyt. 30.6.2014 <http://global.finland.fi/public/default.aspx?contentid=41008&contentlan=1> Luettu 4.2.2016

 

Toinen kurssikerta – teemakarttoja ja epäonnistumisia

 

Toisella kurssikerralla tutustuimme erilaisiin kartografisiin esitystapoihin ja teemakarttojen luomiseen MapInfoa käyttäen. Saimme kurssikerralla tutuksi tarvittavat työkalut useamman muuttujan esittämiseen samalla kartalla, mikä laajentaa huomattavasti käytettävissä olevaa esitystapojen repertuaaria ja analyysien teon mahdollisuuksia Aloitimme harjoittelun perinteisten ympyrä- ja pylväsdiagrammikarttojen ja pistekarttojen kanssa. Ainakin minulle uudenlaisena karttamallina pääsimme tutustumaan ns. grid-karttoihin, joissa ohjelma integroi arvot halutulla tarkkuudella liukuvärjäyksenä kartalle. Myös kivasti ruudulla kääntyilevä 3D-kartta oli mielestäni kiehtova.

Lyhyen luennon ja työkaluilla leikkimisen jälkeen saimme aloittaa oman karttamme rakentamisen. Päädyin rajaamaan karttani Uusimaahan ja käsittelemään nettosiirtolaisuuden lukuja kuntien väestöntiheyden suhteen. Kuten monet muutkin ovat blogeissaan maininneet, oli sopivien muuttujien valitseminen karttaan yllättävän vaikeaa: ”Kokeilin tunnilla useita eri vaihtoehtoja kartan muuttujiksi, mutta kiinnostavia ja toimivia yhdistelmiä oli vaikea löytää” (Myllys 2016). Aluksi teemakartan teko sujui epäilyttävän hyvin. Värit, luokkajaot, käytetyt symbolit ja legenda vaikuttivat sopivilta. Sitten alkoivat ongelmat. Luulin kaiken olevan kunnossa tallentaessani työpöydän ja kartan layout layerista, enkä avannut tekemiäni tallenteita ennen työpöydän tyhjentämistä. Ei hyvä idea!

Ensinnäkin työpöytätallennus ei ollutkaan jostain syystä toiminut niin kuin olin kuvitellut, eikä tekemääni karttaa ollut siinä ollenkaan. Tallennetussa kartassa sen sijaan oli jäänyt kokonaan puuttumaan pohjoisnuoli ja mittakaava. Corelista onneksi löytyi apu puuttuvaan pohjoisnuoleen, mittakaavaa on sen sijaan hieman hankala enää jälkikäteen ohjelmasta irrotettuna lisäillä. Näkyvimmäksi ongelmaksi muodostui kuitenkin käytettyjen ukonmallisten karttasymbolien muuttuminen tunnistamattomiksi. Koska kartan muokkaus Mapinfossa ei enää onnistunut, jäi käteeni alla oleva kartta.

 

Blogi2. Ep. nettosiirtolaisuus mittakaava puuttuu

Kuva 1. Epäonnistunut teemakartta väestöntiheyksistä ja nettosiirtolaisuudesta

Lannistuksen laimennuttua päädyin tarkastelemaan kriittisesti karttani informaatioarvoa. Ottamatta huomioon lueteltuja puutteita, mitä mustat suorakaiteet ja alla oleva koropleettikartta oikeastaan kertovat? Värit kuvaavat eri väestöntiheyden luokkia, suorakaiteiksi muuttuneet ukot puolestaan nettosiirtolaisuuden absoluuttisia ihmismääriä. Luokkajakoa tarkastellessani huomaan sen olevan äärimmäisen epäjohdonmukainen. Ylin luokka käsittää kunnat, joissa asukkaita on 3300-3310. Vaihteluväli on siis vain 10 as/km²! Yllätys, että ainoastaan yksi kunta kuuluu tähän luokkaan. Toiseksi ylin luokka edustaa sen sijaan ääripäätä: arvot vaihtelevat 520-3300 välillä. Nyt voin vain ihmetellä, miten ihmeessä tällainen luokkajako eksyi karttaani… Toverit, älkää luottako sokeasti Natural Breakiin!

Kartasta tulee myös vaikutelma, että Järvenpää ja Kerava olisivat asukasmääriltään verrattavissa Espoon ja Vantaan kanssa, kun absoluuttista siirtolaisten määrää verrataan väestöntiheydeltään vaihteleviin alueisiin. Tähän vaikuttanee luokkajaon lisäksi kuntien koot. Pienialaisten kuntien keskusten korkea väestöntiheys heijastuu voimakkaammin koko kunnan väestöntiheyttä tarkasteltaessa.

Nettosiirtolaisuutta tarkasteltaessa tulee muutoinkin ottaa huomioon kunnan koko, jolloin mielekkäämpää verrata sitä oikeaan kunnan asukasmäärään. Kartan perusteella voi kuitenkin tehdä havainnon, että itä-Uusimaalla siirtolaisuus ja näin ollen myös maahanmuuttajien määrä on huomattavasti pienempi kuin muualla Uudenmaan alueelle. Poikkeuksena tästä Porvoossa nettosiirtolaisuus on ympäristöään huomattavasti suurempi.

Muiden ryhmäläisten blogeja lukiessani huomasin, että en ole ollut ainoa, jolla on ollut ongelmia luokkajakojen kanssa: ”Suurimmaksi ongelmista kartassa nousee mielestäni luokitteluvälit. Valitsin luokitteluun luonnolliset luokkavälit, jonka takia toiseksi suurimman kategorian luokkaväli venyi huomattavasti suuremmaksi kuin muiden (4,9 % – 49,4 %) ” (Müller 2016). Ilmeisesti nimenomaan toiseksi suurimmalla luokalla on tapana venähtää luonnollisia luokkavälejä käyttäessä kohtuuttoman suureksi.

PS. Pahoittelut huonosta kuvalaadusta! Vasta kolmannen kurssikerran tunnilla sain asetukset kohdilleen, jotta kartoista ei ehkä tulisi yhtä suttuisia (kiitos Jasmiina).

Lähteet:

Müller Mitro (2016). Ensimmäinen kurssikerta ja ensikosketus paikkatieto-ohjelmistoon (27.1.2016)<https://blogs.helsinki.fi/mcmitro/>  Luettu 2.2.2016.

Myllys Jasmiina (2016). 2. kurssikerta: syventymistä teemakarttojen maailmaan (31.1.2016). <https://blogs.helsinki.fi/myllyjas/> Luettu 2.2.2016.

Ensimmäinen kurssikerta: MapInfo ja Paikkatiedon peruskäsitteet

PAK-kurssin ensimmäisellä kerralla kertasimme paikkatiedon peruskäsitteet ja pääsimme opettelemaan paikkatieto-ohjelma MapInfon käyttämistä. Corel Draw:ta kaiholla muistellen alkoi taisto uuden ohjelman työkalurivistöjen keskellä. Ohjelman visuaalinen ilme laimensi innostusta ja työkalupaletit toivat mieleen lähinnä nostalgisia muistoja 2000-luvun alulta. Näillä on kuitenkin mentävä, rakentuuhan koko kurssi käytännössä tämän yhden ohjelman ympärille.

Harjoittelussa pääsimme vauhtiin Suomen kuntien vuoden 2015 tilastolukujen kimpussa. Yhteisen yleisen harjoittelun ja ensimmäisen harjoituskartan jälkeen saimme vapaasti valita aineistosta haluamamme tilastomuuttujan omaa koropleettikarttaa varten. Hetken painimisen seurauksena MapInfo sylkäisi ulos kartan korkeakulutuksen saaneiden prosenttiosuuksia Suomen kunnissa.

TYÖ1 Korkea-aste tutkinto 2015 no frames

 

Kuva 1. Korkea-asteen tutkinnon suorittaneet kunnittain (%) 2015

Kartan luokkina käytin luonnollisia luokkavälejä, jotka mielestäni sopivat parhaiten aineiston jakautumaan. Viisi luokkaa kuvaa sopivalla tarkkuudella korkeakoulutettujen määrän suhteellista vaihtelua eri kunnissa. Määrät ovat prosenttiosuuksia kunnan väkiluvusta. Värit vaihtelevat alhaisesta prosenttiosuudesta kertovasta vaalean keltaisesta vihreään ja tumman siniseen. Värit antavat mielestäni oikeanlaisen mielikuvan tummista korkeakoulutettujen keskittymistä vaaleisiin vähemmän kouluttautuneihin kuntiin, eikä tuota ongelmia myöskään punavihervärisokeille.

Kartalta voi huomata selkeitä eroja kuntien suhteellisessa korkeakoulutettujen määrissä. Kartan antaman yleiskuvan mukaan suhteellisesti eniten korkeakoulutettuja on Uudellamaalla ja länsirannikon kunnissa, jonne myös suurin osa väestöstä keskittyy. Sininen vyöhyke jatkuu kuitenkin myös Lapissa Rovaniemen ja Utsjoen välisellä kaistalla. Myös Itä-Suomessa erottuu yksittäisiä suuren korkeakoulutusasteen kuntia, kun taas esimerkiksi Kainuun ja Pohjois-Pohjanmaan kunnissa on Oulua lukuun ottamatta alhainen korkeakoulutettujen aste. Korkeakoulutettu väestö keskittyy selkeästi ns. yliopistokaupunkeihin ja muihin suurempiin kaupunkeihin, joista löytyy laaja korkeakoulutarjonta.

Vaihteluväli korkeakoulutettujen osuuksista eri kunnissa on 9,6-56%. Tehdyllä luokkajaolla ylimpään 28,6–56 prosentin luokkaan kuuluu Helsingin seudun, Turun ja Tampereen lisäksi mm. Joensuu, Kuopio, Oulu ja Rovaniemi. Tämä ylin luokkaväli kuitenkin sisältää huomattavaa vaihtelua ja voi täten vääristää todellista kuvaa. Siksi jokin muu luokkaväli olisi voinut toimia paremminkin tai ainakin antaisi lopputuloksena erinäköisen kartan.

Kuten Joni Uusitalo oivaltaa blogitekstissään Kurssikerta 1: MapInfon saloja ja koropleettikarttoja (Uusitalo 2016), korkeakoulutettujen osuuksista kertova kartta sopii hämmästyttävän johdonmukaisesti yhteen eläkeläisten prosenttiosuuksista kertovan kartan kanssa. Yleistetysti suuren korkeakoulutusasteen kunnissa on siis vähiten eläkeläisiä, mikä näkyy kartalla päinvastaisina väreinä esimerkiksi Joensuussa, Rovaniemellä ja Helsingin seudulla.

Kurssikerralla opin ainakin jotain MapInfon toimintaperiaatteesta ja logiikasta ja blogitekstin kirjoittelu puolestaan auttoi sisäistämään käsiteltyä ilmiötä ja luokkavälien merkitystä. Vaikka ohjelman käyttöliittymä ja hyvin rajallinen virheiden kumoamismahdollisuus nostikin pintaan tuskanhikeä, toivon että harjoittelun myötä kehittyvät lopputulokset korvaavat nämä puutteet.

Lähteet:

Uusitalo, Joni (2016). Kurssikerta 1: MapInfon saloja ja koropleettikarttoja. Vieraalla maalla. 25.1.2016. <https://blogs.helsinki.fi/jonuusit/>