Seitsemäs kurssikerta

Viimeinen kurssikerta, loppuhuipentuma, jäi kokematta. Pari viikkoa Tansaniassa oli omiaan sekoittamaan pienillä aivoilla varustetun ihmisen työrutiinin, eikä valmista meinannut tulla millään. Tässä se kuitenkin – kaikesta huolimatta, yllätyksenä ja täysin pyytämättä – on! Loppu, valmis, finito!

 

Väestöntiheys neliökilometriä kohti 2002 ja nautakarjan määrä 2008.
Kuva 8. Väestöntiheys neliökilometriä kohti 2002 ja nautakarjan määrä 2008.

Päätökseni visualisoida kahta teemaa Tansaniasta ei osoittautunut helpoksi. Aineistoa oli huomattavan vaikea löytää ja muokata yhtenäiseksi mutta lopputulos palkitsee silti. Harmillisesti väestöntiheys on vuodelta 2002 (vaikka metatiedoissa lukee aineiston päivittyvän vuosittain) ja nautakarjan määrätkin vuodelta 2008. Matkalla oppimani lentolause “Pole, pole. There’s no hurry in Africa.” on näemmä varsin totta.

Usein Tansaniasta näkee yleistyksen köyhä maaseutumainen etelä ja rikkaampi, urbaani pohjoinen. Halusin lähteä tutkimaan tätä hypoteesia. Toisaalta halusin lähteä eri kautta, kuin ensisilmäykseltä luulisi. Vältin pelkkiä dollarilukuja ja halusin tutkia Tansaniaa maaseudun kannalta. Mietin mitkä muuttujat kuvaisivat todellisuutta parhaiten ja saatavilla olevasta aineistosta päädyin taajama-asutusta tukemaan väestöntiheyteen.

Varallisuutta oli astetta hankalampi kuvata. Kuten monet muutkin Saharan eteläpuolisen Afrikan maista, on Tansania talouden mittareilla köyhä. Ostovoimakorjattu bruttokansantuote henkeä kohden oli vuonna 2014 vain reilut 1 800 Yhdysvaltain dollaria (IMF 2014). Kehittyneisyydestä kertoo myös se, että kansantulosta yli neljännes, 26.5% tuli alkutuotannosta vuonna 2013 (NBS, 2014).

Kenties oiva varallisuuden mittari kehittyvällä Tansanian maaseudulla on siten karjan määrä, joka maaseudulla realisoituu paremmin kuin dollarit. Varallisuudesta kertoo usein nimenomaan karjan määrä, jolla voi harjoittaa vaihtotaloutta sekä ylläpitää ravinnontarvetta. Myös nautakarjan määrässä on havaittavissa selkeä etelä-pohjoisgradientti.

Lähteet

IMF = International Monetary Fund (2014). World Economic Outlook: Legacies, Clouds, Uncertainties. International Monetary Fund, Publication Services, Washington.

NBS = National Bureau of Statistics (2014). Statistical abstract 2013. National Bureau of Statistics, Ministry of Finance, Dar es Salaam.

Kuudes kurssikerta

Saimme mukavaa vaihtelua perinteiseen työskentelyyn, sillä viides kurssikerta aloitettiin vajaan tunnin GPS-laitteen ulkoiluttamisella. Pääsimme ensimmäistä kertaa harjoittelemaan paikkatiedon tuottamista. Ryhmämme tallensi roskakorien sijaintia Kumpulassa, ja vaikka harjoitus olikin yksinkertainen, oli se myös opettavainen.

Senioripuhelinta muistuttava yksinkertainen GPS-laite ei ollutkaan uhkaavan vaikeakäyttöinen vaan muutamaa nappia painamalla aineiston keruu onnistui helposti. Vaikein osuus taisi olla pukeutuminen. Kodin suojista juna-asemalle, asemalta bussiin ja pysäkiltä kouluun -tyyppiseen matkan tekoon tottuneena ei tullut mieleenkään laittaa villaa päälle. Tietokoneen ääreen palaaminen siis tuntui kolmen vartin viimassa värjöttelemisen jälkeen mainiolta.

Kuuman kahvin ja kaakaon äärellä tutkimme eri ryhmien tuottamia paikkatietoaineistoja lipputankojen sijainnista perinteiseen Kallion baarikierrokseen.

Varsinaiset kurssiharjoitukset keskittyivät kuitenkin suurempaan mittakaavaan. Pohjois-Kalfornian Berkeleyn seismologinen laboratorio tuottaa paljon dataa maanjäristyksistä ja haimme yli kuuden magnitudin järistykset tältä vuosituhannelta. Globaaleja jopa kymmenien tuhansien havaintojen aineistoja muokattiin Excelissä paremmin MapInfolle taipuvaan muotoon ja saimmekin oikein pätevää oppikirjoista tuttua maanjäristyksien sijaintia havainnoivaa teemakarttaa aikaiseksi.

Vapaavalintainen tehtävä pyöri samojen teemojen ympärillä yhtä poikkeusta lukuunottamatta – meteoriitteja. Maahan pudonneet kappaleet kiinnostivat allekirjoittanutta hetken mielijohteesta enemmän kuin vulkanismi, joten lähdin työstämään äärimmäisen laajaa aineistoa.

Suuria haasteita tuotti kymmenien tuhansien havaintojen aineistosta kyselyjen suorittaminen. Muutamia muuttujia en jostain syystä onnistunut hakemaan tai suodattamaan tietyllä perusteella.

Vaikka työ tuntui hyvin hankalalta aluksi, helpottui se kun oppi käsittelemään näinkin laajojakin aineistoja. Lopulta löysin mieleisiä näkökulmia aiheeseen. Alla työn hedelmät ja pientä pohdintaa.

astrobleemit_kaikki

Kuva 5. Kaikki vuoteen 2012 mennessä löydetyt astrobleemit ja havaitut maahan pudonneet metoriitit. Länsimaiden suuri kraatterikonsentraatio johtunee lähinnä säilyvyyden kannalta otollisista ilmasto-oloista ja pitkästä tieteen perinteestä. Huomattavaa on Aasian ja Kanadan verrattain vähäiset havainnot.

Astrobleemit_1970-1975

Kuva 6. Vuosina 1970-1975 löydetyt ja havaitut impaktikraatterit ja metoriitit. Yhdysvaltojen Keskilännestä ja Australiasta löytyvät suurimmat ryppäät. Keskittymät kertovat eniten siitä, missä tutkimusta on tehty.

astrobleemit_2000to2005

Kuva 7. Vuosina 2000-2005 löydetyt ja havaitut impaktikraatterit ja metoriitit. Sahara korostuu voimakkaasti, kuten myös itäinen Arabian niemimaa. Oletettavasti tiede on suuntautunut mitä enenevissä määrin myös muualle kuin länsimaiden alueelle. Siitä kertonevat myös useat Antarktiksen havainnot. Mielenkiintoisesti myös Etelä-Amerikassa, muun muassa Pohjois-Argentinassa näyttää olevan huomattava määrä havaintoja. Alue voisi äkkiseltään vaikuttaa ilmasto-olosuhteiltaan haastavaksi, sillä eroosio on suurta.

Osaltaan sekä uusien meteoriittien että vanhempien astrobleemien havaitseminen on varmasti helpottunut teknologian edistyessä. Nykyään esimerkiksi aktiivinen kaukokartoitus kuten laserkeilaus on mahdollistanut kasvillisuuden eliminoinnin. Kokonaisuudessaan lähes 36 000 havainnon aineistosta on havaittavissa muutamia trendejä.

Päiväntasaajan seuduilla maaperän muutos on todella nopeaa ja jäljet peittyvät tiheään kasvillisuuteen helposti. Antarktiksella taas voidaan havainnoista puhua muutamissa kymmenissä. Se selittyy luonnollisesti yksinkertaisesti siitä, ettei siellä ole juuri ihmisiä tai havaintoja helpottavaa laitteistoa.

Kuitenkin pohjoiset osat maapallolla, kuten Alaska, Kanada, Pohjois-Aasia ja miksei myös Pohjoismaiden Lapit, loistavat havaintojen vähyydellään. Voisiko meteoriittien tulokulmalla olla jotain tekemistä asian kanssa? Mitä lähemmäs napoja mahdollinen meteoriitti laskeutuu, sitä pidemmän matkan se kulkee ilmakehässä, ja näin ollen tuhoutuu suuremmalla todennäköisyydellä. Tämä kuitenkin edellyttäisi, että meteoriittien tulokulma olisi jossain määrin vakio.

Pohjoisilla alueilla ilmaston pitäisi kuitenkin olla suotuisa. Toisaalta useat jääkaudet kuluttavat suuretkin kraatterit ja täyttävät niitä moreenilla ja glasifluviaalisella aineksella. Ehkä suurin tekijä globaalisti on tutkimuksen intressit. Tutkijat etsivät varmasti ensin omalta takapihaltaan, kuin toiselta puolelta maailmaa.

Viides kurssikerta

Kurssikerran aiheena oli puskurivyöhykkeet ja erilaiset siihen liittyvät aineiston analyysit. Esimerkiksi lentokenttien melualueilla asuvien ihmisten lukumäärää tai näiden ikäjakaumaa. Tuntuu, että jokainen kerta on edellistä mielenkiintoisempi ja käytännönläheisempi.

Tavoitteena oli ymmärtää, miten MapInfolla puskurivyöhykkeitä luodaan ja miten niiden analysointi käytännössä toimii. Puskurivyöhykkeillä on todella suuri merkitys työkaluna ja niillä voi tutkia monia hyvin erilaisiakin aineistoja.

Esimerkiksi perinteinen julkisen liikenteen verkon kattavuus voidaan analysoida kun tiedetään pysäkkien sijainnit ja asutuksen sijainti. Asetetaan oletukseksi, että 200 metriä pysäkille linnuntietä on maksimietäisyys hyvälle kattavuudelle. Puskuroimalla jokaisen pysäkin saisimme helposti tietoa siitä, kuinka monta prosenttia tietyn alueen väestöstä ei ole määrittelemällämme alueella.

Varsinaisia harjoituksia teimme Malmin ja Helsinki-Vantaan lentoasemien läheisyydessä asuvien ihmisten lukumäärästä. Piirsimme kiitoradat, jonka jälkeen asetimme kahden ja yhden kilometrin puskurivyöhykkeet ja vertailimme kenttien  läheisyyden asutuksen alueellista jakautumista.

Helsinki-Vantaan lentokentän kanssa teimme muutamia lisäharjoitteita, sillä saatavilla oli lentomelua kuvaava isaritmiaineisto. Tuotimme aineistoa eri meluasteiden alueella asuvien ihmisten lukumäärästä. Lentomelua kuvaava isaritmikartta oli todella mielenkiintoinen ja jonkin asteista meluhaittaa koitui todella suurille alueille. Esimerkiksi 55 desibelin melualuekin oli yllättävän suuri.

Toinen mielenkiintoinen puoli lentomelussa on sen voimakas suuntautuneisuus kiitoratojen mukaan. Luonnollisesti melualue ei ole ympyrän muotoinen vaan venyy lentokoneiden laskusuuntaan useita kilometrejä. Jopa vain parin kilometrin ero asuinalueella saattaa tehdä huikean vaikutuksen meluhaittaan. Itse asuin suurimman osan elämästäni Vantaanlaaksossa, joka on melko suoraan kiireisen lentoreitin kohdalla. Puolitoista vuotta sitten muutaman kilometrin päähään Myyrmäkeen muuttaessani yllätyin suuresti, sillä lentokoneiden melu on olematon. Ennen muuttoa oletin, että näin pieni matka ei vielä juuri vaikuttaisi, ainakaan tällä mittakaavalla.

Puskurivyöhykkeet ovat siis todella monipuolisia ja hyödyllisiä. Kurssikerralla harjoittelimme myös analyysien tekemistä aineistoista ja niiden esittämistä kartalla. Havainnollistin uima-altailla varustettujen rakennuksien jakautumista eri alueille, eri rakennustyypeille ja kuinka paljon asukkaita sellaisissa rakennuksissa asuu.

Olin äimistynyt aineistojen analysoinnin helppoudesta ja siitä, kuinka nopeasti erilaisia lukuja voimme tuottaa. Vaikka olen eittämättä noviisi MapInfon käsittelyssä, tuntuu se nyt jo ällistyttävän kätevältä työkalulta maantieteilijälle. Vielä kun oppii lukemaan tuloksia ja taulukoita paremmin, niin varsinaisten tulostenkin analysointi helpottuu huomattavasti. Kurssikerran alkupään harjoituksissa huomasin nimittäin puolivälissä kirjanneeni täysin vääriä lukuja ylös. Taisin innostua lukuisista mahdollisuuksista ja hämäännyin hetkeksi, onneksi puskurivyöhykkeiden pyörittely tuntui niin helpolta ja oikeiden lukujen palauttaminen onnistui hetkessä.

Neljäs kurssikerta

Paikkatietokurssi etenee ja viimeistään tässä vaiheessa tuntee olevansa vähintään ammattilaisen tasolla teemakarttojen tuottamisessa.

Tällä kerralla vuorossa oli ensin teoriaa piste- ja ruutuaineistoista, jonka jälkeen sovelsimme teorian käytäntöön. Tuloksena oli väentiheyskartta pääkaupunkiseudusta, joka oli todella näyttävä ja siitä innostuneena lähdin tutkimaan minkä ikäistä väestöä alueelta mahtaa löytyä.

Kuva 4. Neljännen kurssikerran harjoitus. Kartassa puolen kilometrin resoluutiolla väestön keskimääräinen ikä.
Kuva 4. Neljännen kurssikerran harjoitus. Kartassa puolen kilometrin resoluutiolla väestön keskimääräinen ikä.

Jostain syystä teemakartta näyttää hävettävän suttuiselta. Reunojen poistaminen ruuduilta oli tietoinen valinta ja vielä MapInfossa tekele näytti miellyttävältä. Ilmeisesti kuvan resoluution tulee olla isompi, mikäli siitä haluaa saada tuollaisena nätin näköisen. Ensi kerralla toisin, opitaan opitaan!

Joka tapauksessa, karttaa laatiessa säädin luokkien määrää ja rajoja useaan otteeseen. Halusin epätoivoisesti jotain hienoa näytettävää, jolla olisi samalla informaatioarvoa. Onnistuinko, se on vielä omassakin mielessä yhtä utuinen kysymys kuin itse kuvakin.

Joitain trendejä on kuitenkin löydettävissä. Väestö ikääntyy länteen ja pohjoiseen päin. Kaikista nuorin luokka, siis lapsiperheet, näkyvät enemmän ryppäinä, kun taas vanhin luokka tasaisin välimatkoin. Mielenkiintoisesti lapsiperheet näyttäisivät dominoivan kehäteiden ympäristöä, ainakin kehä III:n Espoon seutu on väestöltään nuorta.

Lapsiperheillä on luonnollisesti suuri vaikutus alueen keski-ikään. Toisaalta pelkän keski-iän perusteella on mahdotonta sanoa luotettavasti lapsiperheiden sijoittumista.

Laura Hiltunen teki kartan 5-, 10- ja 15-vuotiaiden alueellisesta jakautumisesta. Kartasta saa toisaalta vahvistuksen keskimääräisesti ikääntyneelle Espoon luoteisosien väestölle mutta nuorten jakaantuminen on muuten niin tasaista, ettei kovin syvällisiä johtopäätöksiä voi tähän aiheeseen vetää.

Pääkaupunkiseudun itäosat ovat laajalti keskimmäisen luokan peitossa. Alueina Itä-Helsinki ja -Vantaa  ovat keskimääräisesti vähätuloisempia ja ehkä levottomampiakin. Sekä vanhukset että lapsiperheet muuttavat todennäköisesti mieluummin muualle, mikäli mahdollista.

Koropleettikarttaan verrattuna rasteriteemakartta kuvaa ilmiön alueellista vaihtelua huomattavasti tarkemmin, kun pohjalla ei ole mikään hallinnollinen tai toiminnallinen alue vaan tasakokoinen ruutuaineisto.

Kovin montaa luokkaa tässä teemakarttatyypissä ei kuitenkaan voi käyttää, sillä tuloksena on helposti erittäin sekava ja puuroutuva esitys.

Lähteet

Hiltunen, L. (2015). Pääkaupunkiseudun 5-, 10- ja 15-vuotiaiden asuinpaikat. Lauran blogi. 3.2.2015.
<https://blogs.helsinki.fi/lauhiltu/files/2015/02/KK4_lopullinen-kartta_ja_legenda.png/>

Afrikan konfliktit ja internetkäyttäjät

Käsittelimme kolmannella kurssikerralla myös tietokantoja, joissa oli tietoja Afrikan timanttikaivoksista, öljykentistä, internetkäyttäjien lukumäärästä ja Afrikassa tapahtuneista konflikteista.

Teimme nopeita harjoituksia, joissa laskimme tietyn valtion rajojen sisäpuolelle jäävien esimerkiksi konfliktien määrää mutta aineistoissa olisi riittänyt potkua monimutkaisempiinkin toimintoihin. Informaatiota löytyi vuosiluvuista laajuuksiin ja tuottavuuksiin.

Mielenkiintoisia potentiaalisesti tutkittavia aiheita löytyy monia. Internet on ehkä suurin askel viimeisten muutaman vuosikymmenen aikana. Sen vaikutusta olisi mielekästä tutkia muihin kuvattuihin asioihin, simerkiksi konfliktien kokoon. Onko internet mahdollistanut suurempien väkijoukkojen saattamisen yhteen tietyn aatteen alla? Vai onko se kenties lieventänyt konflikteja globaalin huomion paineen alla? Toisaalta asioiden korrelaatiosta on vaikea löytää todisteita, vaikka näennäinen yhteys löytyisikin.

Internet on länsimaissa jo yksi perustarpeista. Siinä missä eläminen ilman vettä ja ravintoa on mahdotonta, olisi internetin äkillinen katoaminen epäilemättä katastrofaalinen, lähes apokalyptinen tapahtuma.

Monissa Afrikan maissa parhaimmillaankin vain puolella väestöstä on mahdollisuus kirjautua globaaliin verkkoon. Voi olla, että nimenomaan konfliktit ovat tietyissä maissa estäneet internetin leviämisen  ja täten eliminoineet vaikutuksen.

Toni Ruikkala nosti blogissaan esille samasta aiheesta toisen näkökulman. Kirjoittaja huomautti internetin käyttäjien lukumäärän kasvun tai vähenemisen olevan mahdollisesti sidoksissa yhteiskunnalliseen kehitykseen. Hänen mukaansa rauhallisesta ilmapiiristä nauttinut yhteiskunta kokeisi tasaista kasvua myös internetkäyttäjien piirissä. Toisaalta väheneminen kulkisi käsi kädessä konfliktien kanssa.

Lähteet

Ruikkala, T. (2015). Kurssikerta 3 – Timantteja, öljyä ja tulvia. Ruikkalan PAK-blogi 2015. 3.2.2015
<https://blogs.helsinki.fi/ruikkala/2015/02/02/kurssikerta-3-timantteja-oljya-ja-tulvia/>

Kolmas kurssikerta

Kolmannen kurssikerran tavoitteena oli ottaa yliote MapInfon tietokannoista. Itseasiassa taulukoiden muokkaaminen ja yhdisteleminen oli viihdyttävää ja mielenkiintoista. Kaikki eteni mukavan loogisesti ja kerrankin sai työskennellä ongelmitta.

Sanna Kujalan sanoin, “Tällä kertaa oli tosi kiva väkertää karttaa.” Kuvaava on myös kyseisen blogimerkinnän otsikko “Kurssikerta 3: Hei tää on ihan kivaa”. Tällä nimenomaisella kurssikerralla tuli ensimmäistä kertaa mukavan lämmin vaikutelma MapInfosta ja siitä mitä sillä saakaan aikaan kun oikein keskittyy.

Tämän kerran teemakartta tuotettiin oikeastaan myöhempää käyttöä ja referenssiä varten. Katsotaan mitä esityksestä saadaan irti ilman tarkempaa tietämystä.

Kuva 3. Suomen valuma-alueiden tulvaindeksien ja järvisyyden korrelaatio.
Kuva 3. Suomen valuma-alueiden tulvaindeksien ja järvisyyden korrelaatio.

Koropleettiteemakartta kuvaa Suomen valuma-alueiden tulvaindeksiä ja pylväät alueen järvisyyttä. Koska vesi = tulva, niin järviset alueet tulvaindeksissä korkealla? Päinvastoin, kaikilla valuma-alueilla, joissa järvisyys on korkea on tulvaindeksi alle 30 eli alinta luokkaa. Rannikkoalueilla, joissa järvisyys on pienintä, tulvaindeksi taas on korkein. Muuttujien välillä vallitsee siis negatiivinen korrelaatio. Toisaalta täydellistä korrelaatio ei ole, sillä sisämaan pienen järvisyyden alueilla myös tulvaindeksi on alhainen.

“Eli tulvan syy on vähäjärvisyys ja vähäjärvisyyden seuraus on tulva.” Olli Rantamäki blogissaan tulvan ja järvisyyden korrelaatiosta ja kausaliteetista.

Mikäli asialle omistaa edes muutaman aivosolun, kartta on tietysti hyvin looginen. Järvien veden korkeus on yleensä melko stabiili, joet taas tulvivat uomistaan herkästi. Lähes kaikki Suomeen satanut vesi laskee joko Pohjan- tai Suomenlahteen. Rannikoiden valuma-alueiden joissa virtaa käytännössä koko Suomen valunta. Vaikutus kumuloituu ja tulvaindeksi on tästäkin syystä ilmeisen korkea. Siksi sisämaan alueilla tulvaindeksi ei yksinkertaisesti pääse lähellekään rannikkoalueita.

Visuaalisesti joet olisivat olleet tärkeitä, sillä niillä on korostetun keskeinen rooli kyseisessä aiheessa. Päätin kuitenkin karsia kaiken mahdollisen häiritsevän pois taustalta, jotta varsinainen teemakartta erottuisi edukseen.

Korkean tulvaindeksin alueet ovat myös profiililtaan varsin alavia ja matalalla meren pinnasta.  Siihen liittyy vahvasti yhteinen historia meren pohjana mannerjään sulettua. Pohjanmaa on siis syystäkin kuuluisa kevättulvistaan.

Toisaalta huomionarvoinen seikka on valuma-alueiden koko. Tulvaindeksi on koko valuma-alueen keskiarvo ja kaikki korkean tulvaindeksin alueet ovat verraten pieniä. Luonnollisesti isompien alueiden keskiarvo on matalampi, pinta-alan tasoittaessa tilastoja.

Yllä listattuna muutamia mieleen juolahtaneita ideoita. Palataan asiaan syväluotaavan pohdinnan kera harjoitustyökurssilla.

Lähteet

Rantamäki, O. (2015). Kurssikerta 3 – Ohjelmaoppia ja yhteisvaihtelua. Olli Rantamäen PAK-blogi. 3.2.2015.
<https://blogs.helsinki.fi/ollirant/2015/02/02/kurssikerta-3-ohjelmaoppia-ja-yhteisvaihtelua/>

Kujala, S. (2015). Kurssikerta 3: Hei tää on ihan kivaa. Sannan PAK-blogi. 3.2.2015.
<https://blogs.helsinki.fi/kusaku/2015/02/03/ kurssikerta-3/>

Kahden muuttujan koropleettikartta, artikkeli 1

Anna Leonowicz kirjoitti 2006 Geografija -sarjassa julkaistun artikkelin kahden muuttujan kuvaamisesta koropleettikartalla. Kirjoittaja johdattaa ensin perusteellisesti koropleettikartan pariin ja ongelmiin kahden muuttujan esittämiseen erillisillä koropleettikartoilla. Kirjoittajan mukaan ihmisen silmä johdattaa lukijaa väärin muun muassa tummuuden, monimutkaisuuden tai samankaltaisuuden takia. Loogisesti tarvitaan siis kahden muuttujan koropleettikartta.

Leonowicz perustelee erittäin ykistyiskohtaisesti, miksi luokkia voi olla maksimissaan yhdeksän ja miksi käyttää tiettyjä värejä. Luokkavälien selitys meni varsin tieteelliseksi ja allekirjoittaneelta myös osin ohi. Tajusin pointin mutta perustelut olivat turhan korkealeantoiset. Hypoteesinsa hän todisti ensimmäisen vuoden yliopisto-opiskelijoille tehdyn kokeen avulla, jossa vertailtiin yhden ja kahden muuttujan koropleettikarttoja. Tulos oli selvä: muuttujien välistä riippuvuutta on helpompi tulkita kahden muuttujan koropleettikartasta ja yhden muuttujan kartasta taas oli helpommin nähtävissä alueellinen jakautuminen. Aiemmin huonoksi leimatun kahden muuttujan koropleettikarttaesityksen maine oli pelastettu.

Tutkimus oli toteutettu mielestäni hieman kyseenalaisesti. Aineisto koostui 128 ja kymmenen maantieteen opiskelijan ryhmistä. Vaikka artikkelissa painotetaan opiskelijoiden olleen ensimmäistä vuosikurssia, eikä opintoja aiheesta ollut takana niin itse näkisin otannan olevan puolueellinen. Pienempi kymmenen opiskelijan ryhmä on myös kovin pieni.

Kuitenkin kahden muuttujan esittäminen samalla kertaa on todella havainnollistavaa. Kartasta näkee riippuvuussuhteen tai sen puuttumisen vaivattomasti. Vaikeastikin ymmärrettäviä korrelaatioita on täten huomattavasti helpompi ymmärtää ja kuvata, sillä pelkkä teksti kahden muuttujan välisestä alueellisesta korrelaatiosta ei välttämättä avaudu helposti.

Yksi suurimmista eduista on esityksen legenda. Se on neliö, jossa on luokista riippuen 4 tai 9 ruutua, 16 oli todettu liian monimutkaiseksi. Akseleilla kuvataan muuttujia ja jokainen ruutu vastaa yhtä luokkaa. Muuttujia kuvataan väreillä, esimerkiksi x-akselin muuttujaa sinisellä ja y-akselin muuttujaa violetilla. Oikea puoli neliöstä on sininen, joka jakautuu puoliksi vaaleaan ja tummaan osuuteen vasemmalta lukien. Ylempi puolisko neliötä on vastaavasti violetti, jakautuen samaan tapaan kahtia. Näin muodostuu yksi valkoinen ruutu vasempaan alakulmaan ja kahdeksan eri sinisen ja violetin sävyä. Värien tummuus kertoo riippuvuuden kasvusta, eli oikean yläkulman murrettu tummin ruutu vastaa suurinta keskinäistä korrelaatiota.

Kieltämättä tekstiksi taivutettuna homma kuulostaa naurettavan monimutkaiselta mutta kuvasta asian tajuaa välittömästi. Toisaalta esityksen ymmärtäminen ja tulkinta vaatii yhtäältä lukijalta keskinkertaista ymmärtämistä kartografisista elementeistä ja kartanlukutaitoa ja toisaalta laatijalta hyvää harkintakykyä värien ja luokkajaon suhteen. Näistä, varsinkin jälkimmäisestä, syystä johtuen kahden muuttujan koropleettikarttoja harvemmin esimerkiksi Hesarin kartoissa näkyy.

Helppohan se toki on naureskella Hesarin kartografeille mutta vastaavan esityksen laatiminen onkin jo aivan oma lukunsa. MapInfolla saisi taistella useamman vuorokauden ainakin omalla taitotasolla, mikäli haluaisi läheskään yhtä näppäriä teemakarttoja, kuin Leonowicz artikkelissaan esittelee. Omat luomukseni kaatuisivat epäilemättä nimenomaan luokkien muodostamiseen eikä sopivien värien valintakaan menisi välttämättä ihan nappiin.

Juuso Korhonen tiivistää blogissaan kahden muuttujan koropleettikartan käytön erittäin hyvin. Hän esittää, että parhaiten muuttujien korrelaatiota kuvaa artikkelin mukainen yhdistelmäkartta. Lenowicz kuvaa alle 18-vuotiaiden ja maalla-asuvien osuuksia väestöstä. Kummankin alueellinen jakautuminen esitetään ensin omilla koropleettikartoillaan ja lopuksi ne yhdistetään kahden muuttujan koropleettikarttaan. Näin ilmiöitä voi tarkastella sekä erikseen, että yhdessä, eikä tulkinta ole vaikeaa.

Lähteet

Korhonen, J. (2015). Kurssikerta 2 ja kahden muuttujan koropleettikartat (artikkelianalyysi). Juuson paikkatietopuserrus. 3.2.2015
<https://blogs.helsinki.fi/juusokor/2015/02/02/kurssikerta-2-ja-kahden-muuttujan-koropleettikartat-artikkelianalyysi/>

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

Toinen kurssikerta

Paikkatiedon hankinta, analyysi ja kartografia -kurssi etenee kovaa vauhtia. Joka kerralla syvennetään ja opetellaan uusi näkökulma tai ulottuvuus. Tieto kerääntyy kumulatiivisesti ja tällä kerralla haltuun otettiin kahden eri muuttujan esittäminen samassa karttaesityksessä.

Harjoituksen tehtävänanto antoi melko vapaat kädet ja päätin lähteä ylittämään aitaa vähintäänkin keskinkertaiselta korkeudelta. Tavoitteenani oli yhdistää Terveyden ja hyvinvoinnin laitoksen tilasto- ja indikaattoripankin eli tuttavallisemmin SOTKAnetin dataa MapInfosta jo löytyviin aineistoihin.

Edellisellä kurssikerralla tein teemakartan kansallisesta korkeakoulutuksen saaneista kunnittain. Yllätyin Lapin keskimäärin hyvästä korkean asteen tutkinnon suorittaneiden määrästä. Lähdin työstämään ajatusta ja looginen jatkumo koulutukselle on työllisyys. Työvaiheen ensimmäiseksi koropleettiteemakartaksi hioutui työttömyysaste. Alueeni rajasin tällä kertaa Pohjois-Suomen kuntiin, toiveenani parempi lopputulos.

Haastavin vaihe oli keksiä joku mahdollisesti työttömyyden kanssa korreloiva mutta samalla mielenkiintoinen tekijä. Lukuisten tuloksettomien kokeilujen ja SOTKAnetin ylitsepursuavan tarjonnan selailemisen jälkeen turvauduin alkoholiin. Löysin alkoholin myynnistä kertovan tilaston.  Taulukko kertoi alkoholijuomien myynnistä litroina puhdasta etanolia 18 vuotta täyttäneitä kohti. Arvelin litramäärien kasvavan työttömyyden rinnalla.

Tunnustan painineeni hyvän tovin SOTKAnetistä haetun datan siirtämisen kanssa. Lopulta kaikki aineistot alentuivat käskytettäväkseni ja pääsin hiomaan esitystä myös visuaalisesti. Muistan nähneeni työttömyysastetta kuvaavia teemakarttoja aikaisemmin väreinään punaisen sävyt. Päädyin samaan, sillä olihan kyseessä melko ikävä ilmiö ja Lapissa luvut olivat todella korkeita.

Huomionarvoista on se, että pienin arvo on 8.7%, joka on todella suuri minimiarvo kansallisella tasolla. Esimerkiksi Olli Rantanen havainnollistaa ensimmäisen kurssikerran teemakartassaan työttömyysasteen vaihtelua koko Suomen mittakaavalla ja pääkaupunkiseutu sekä Vaasan seutu edustavat vain 1.7-6.6% työttömyysasteella. Kirjoittaja mainitseekin tekstissään odottaneensa suurimpia prosentteja pohjoisissa kunnissa.

Työttömyysaste ja puhtaan alkoholin myynti 18 vuotta täyttäneitä kohti kunnittain Pohjois-Suomessa.
Kuva 2. Työttömyysaste ja puhtaan alkoholin myynti 18 vuotta täyttäneitä kohti kunnittain Pohjois-Suomessa.

Esitystä tarkastellessani huomasin heti muuttujien olevan toisistaan riippumattomia. Kunnissa, joissa työttömyysaste on jopa viidenneksen ei silti alkoholin myyntiä kuvaavat pisteet ole kovinkaan suuria. Ja toisaalta Utsjoella eli pohjoisimmassa kunnassa alkoholia myydään kirkkaasti eniten, vaikka työttömyysaste kyseisessä kunnassa on toiseksi alinta luokkaa.

Käänteisesti ajeteltuna työssä käyvillä voisi olla enemmän rahaa, jolla alkoholia ostaa. Kuitenkin alkoholin myynnin volyymi näyttäisi olevan sattumanvaraista ja kuntakohtaista.

Selvästi aiheen valinta olisi vaatinut pidempää harkintaa, sillä tästä esityksestä ei ole pääteltävissä juuri mitään. Toki teemakartta on kuvana kelvollinen mutta informaatioarvo on vähintäänkin kyseenalainen.

Huomattavasti onnistuneempi aiheen valinta Pohjois-Suomen työttömyysasteen kaveriksi oli selvästi työpaikkojen lukumäärä, kuten Julia Koskinen blogissaan osoittaa. Julian teemakartta on paitsi graafisesti hyvin toteutettu mutta myös muuttujiltaan järkevä.

Lähteet
Alkoholijuomien myynti, 100% alkoholia, litraa / 18 vuotta täyttäneet (2011). SOTKAnet, Terveyden ja hyvinvoinninlaitos, Helsinki. 20.1.2015 <http://uusi.sotkanet.fi/taulukko/vs3/112,113,114/3/3A/0/2459/>.

Rantanen, O. (2015). Kurssikerta 1. olliranta’s blog. 28.1.2015.
<https://blogs.helsinki.fi/ollranta/2015/01/27/kurssikerta-1/>

Ensimmäinen kurssikerta

Kurssin avauskerta oli varsin tiivis ja informatiivinen paketti. Paikkatieto tuli nyt käsitteenä viimeistään tutuksi ja MapInfossa sujuu teemakarttojen laadinta käden käänteessä. Nimenomaan karttojen luomisen näennäinen helppous yllätti allekirjoittaneen.

 Näennäisellä helppoudella tarkoitan sitä, että teknisesti teemakartta syntyy vaivattomasti muutamassa minuutissa. Vaikka kyseinen ominaisuus epäilemättä helpottaa monen ammattilaisen työtä, saa se pohtimaan mahdollista niin sanottua väärinkäyttöpotentiaalia. Käytännössä kuka tahansa MapInfon lisenssin omistava voi luoda ainakin visuaalisesti vakuuttavia karttaesityksiä kiinnittämättä huomiota esimerkiksi aineiston luokitteluun, mikä saattaa ohjata kartan tulkintaa – tahattomasti tai tahallisesti.

Omaksi aiheekseni valitsin laajasta valikoimasta väestön koulutusta kuvaavan aineiston kansallisella mittakaavalla. Pohjakarttana on vuoden 2011 kuntajaon mukainen koropleettikartta. Esitys havainnollistaa kolmannen asteen tutkinnon suorittaneiden osuuksia kuntien väestöistä. Nollahypoteesiksi asetin yliopistopaikkakuntien selkeän erottumisen ympäristöstään ja varsinkin Lapissa odotin suurta gradienttia kuntien koulutustasojen välillä. Suomen yliopistopaikkakuntia ovat Helsinki, Tampere, Turku, Vaasa, Jyväskylä, Lappeenranta, Joensuu, Kuopio, Oulu ja Rovaniemi.

Kolmannen asteen koulutuksen suorittaneiden osuus koko kunnan väestöstä
Kuva 1. Kolmannen asteen koulutuksen suorittaneiden osuus koko väestöstä.

Pyrin valitsemaan aineistoa kohtaan neutraalin väriteeman ja päädyin sinisen eri sävyihin. Vaikka sinisen sävyiset alueet nähdään kylminä, en usko sen ohjaavan lukijan tulkintaa, koska lämpötila on aihetta kohtaan neutraali. Aineiston puolestaan luokittelin luonnollisten luokkarajojen mukaan, sillä aineistosta oli havaittavissa havaintoryppäitä. Kokeilin toki myös muita luokittelumenetelmiä kuitenkin päätyen takaisin luonnollisiin luokkarajoihin, pienellä hienosäädöllä. Halusin korostaa korkeimman koulutuksen kuntia ja siksi korkein luokka on arvoiltaan selkeästi laajin.

Odotin mielenkiinnolla muiden ratkaisuja luokkarajoihin, mikäli joku olisi päätynyt saman ilmiön kuvaamiseen. Sara Todorovic kertoo ensimmäisessä blogimerkinnässään törmänneensä samoihin luokitteluongelmiin. Kirjoittaja kuitenkin päätyi huomattavasti allekirjoittanutta pienempään korkeimpaan luokkaan. Näin ollen vain pääkaupunkiseutu loisti koulutuksen tasollaan. Edellä mainitusta blogista löytyy myös Tilastokeskuksen määritelmä korkeasta koulutuksesta, mikä on oiva lisä.

Myös Hanna Malinen tutki samaa muuttujaa ja hänen karttaesityksensä yhdennäköisyys omani kanssa on hämmästyttävä. Luokkarajoissa on selvästi käytetty samanlaista järkeilyä. Kirjoittaja nosti tekstissään erittäin mielenkiintoisen seikan: “kaikista maankunnista löytyy korkeasti koulutettujen keskus. Suomessa tämä on pyritty valmistamaan aluepoliittisin toimin”.

Visuaalisesti koen karttaesityksen olevan miellyttävä. Toisaalta jälkikäteen tarkasteltuna toiselle värille olisi saattanut olla tarvetta, sillä luokkien erottaminen on paikoitellen aavistuksen epäselvää. Väripalettini valinta ainakin näin pieniresoluutioisessa kuvassa vaikeuttaa tulkintaa hieman.

Korkeakoulutettujen osuuden alueellinen vaihtelu on huimaa, minimiarvosta 9,6 prosentista yksinkertaiseen enemmistöön 56 prosenttiin. Oletetusti kaikki yliopistopaikkakunnat kuuluvat korkeimpaan luokkaan Lappeenrantaa lukuunottamatta, joka kuuluu toisiksi korkeimpaan luokkaan. Sen sijaan naapurikunta Taipalsaari ja muutaman kunnan päässä luoteeseen sijaitseva Mikkeli erottuvat edukseen.

Pääkaupunkiseutu kuuluu kehyskuntineen Hyvinkää mukaan lukien korkeimpaan luokkaan. Mielenkiintoisesti kaksi korkeinta luokkaa muodostavat lähes koko etelärannikon Haminasta aina Turun seudulle asti kestävän vyöhykkeen. Toisaalta samanlainen lähes katkeamaton vyöhyke muodostuu Helsingin ja Vaasan seutujen välille. Mahdollisiin syihin lukeutuu rautatieyhteydet ja muiden korkeakoulupaikkakuntien sijainti.

Toisaalta Oulussa ja Rovaniemellä korkeakoulutettujen osuutta nostanee myös muun pieni väkiluku verrattuna etelän keskittymiin, joissa absoluuttisesti ihmisiä on huomattavasti enemmän.

Toisaalta Lapissa yleisesti korkeakoulutettujen osuus oli suurempi kuin odotinkaan. Oletusarvoni oli, ettei Rovaniemen lisäksi Lapista löydy edes keskimmäisen luokan edustajia. Sen sijaan Koillis-Suomi edustaa suurinta alimpaan luokkaan kuuluvien kuntien keskittymää.

Kaiken kaikkiaan koen onnistuneeni harjoituksessa hyvin. Esitys toimii graafisesti hyvin ja kuvattava ilmiö on verraten helposti tulkittavissa, vaikka aineisto ei sinänsä olisikaan tuttu.

Lähteet

Malinen, H. (2015). Ensimmäinen kurssikerta. Hannan blogi. 28.1.2015.
<https://blogs.helsinki.fi/hzmaline/files/2015/01/kuntakoulutuskartta.png>

Malinen, H. (2015). Ensimmäinen kurssikerta. Hannan blogi. 28.1.2015.
<https://blogs.helsinki.fi/hzmaline/2015/01/21/ensimmainen-kurssikerta/>

Todorovic, S. (2015). Kurssikerta 1 – Kartta vai kepponen. Saran blogi. 28.1.2015.
<https://blogs.helsinki.fi/stodorov/2015/01/22/kurssikerta-1/>

Paikkatiedon hankinta, analyysi ja kartografia, kevät 2015