Viimeisellä kerralla oli vuoromme itse etsiä mieluisaa aineistoa joista tehdä MapInfon avulla karttaesitys.

Minun oli vaikea valita mistä etsisin aineistoa. Mikäli osaa etsiä internetistä löytää vaikka minkälaista tietoa. Arttu avitti meitä hieman antamalla muutaman linkin jonka takaa voisi löytää kiintoisaa tietoa. Olisin ensin halunnut esittää Euroopan maiden Gini-kertoimia (joka kertoo tulojen jakautumisesta väestön kesken) sekä vallitsevaa poliittista ryhmittymää vasen-oikea -akselilla, mutta totesin jo ennen kuin aloitin että on todella työlästä käydä läpi jokaisen maan nykyiset (ja aiemmat!) vaalitulokset ja vielä määrittää niiden paikka poliittisella akselilla. Hypoteesinahan minulla oli että oikeistolaisissa maissa tulot olisi epätasaisemmin jaettu.

Päädyin sen sijaan luulemaan että isot tuloerot näkyvät ihmisten terveydessä, ja sitä kautta elinikään. Etsin tietoa odotetusta elinajasta, kohderyhmänä 60-vuotiaat naiset, YK:n tietokannasta.

Gini-kertoimen etsiminen oli vaikeaa. Tietoa löytyi kyllä monesta paikasta, mutta samassa paikassa ei koskaan löytynyt tietoa kaikista haluamistani maista, joten jouduin yhdistämään tietoa kahdesta eri lähteestä. Suurin osa tiedoista löytyi EU:n nettitietokannasta, mutta joidenkin Itä-Euroopan maiden tiedot jouduin ottamaan Maailmanpankin tietokannasta. En ole sataprosenttisesti varma että molemmat lähteet käyttävät samaa laskutapaa, Valko-Venäjän ja Ukrainan Gini-kerroin kun on ainakin minun mielikuviin verrattuna hyvin alhainen. Venäjän ja Turkin kertoimet sen sijaan olivat reilusti aineistoni korkeimmat, mikä antoi minulle enemmän uskoa lähteiden verrattavuudesta.

Kuva 1. Euroopan maiden Gini-kertoimet vuonna 2013 verojen ja tulonsiirtojen jälkeen sekä 60-vuotiaiden naisten elinajan odote.

Kartasta voi tulkita että molemmat kertoimet ovat vahvasti alueellisesti jakautuneita. Gini-kerroin on korkein, eli tulot ovat tasaisimmin jakautuneita, Pohjoismaissa sekä Keski-Euroopan pienissä maissa ja Valko-Venäjällä ja Ukrainassa. Keski-Euroopan suuret maat kuuluvat toiseksi korkeimpaan luokkaan jossa Gini-kerroin on 30:nen molemmin puolin. Etelä-Euroopan ja Baltian maissa tulot ovat epätasaisemmin jakautuneet kuin muussa Euroopassa, ja Turkissa, Venäjällä ja Balkanilla tuloerot ovat suurimmat.

Elinajan odote taas on selvästi länsi-itä -suuntaisesti jakautunut: Länsi-Euroopassa eletään pidempään kuin Itä-Euroopassa. Syitä tähän voi olla yleisen terveydenhuollon kehittyneisyyserot ja elämäntyyli.

Eli hypoteesini ei pitänyt paikkaansa: tulojen jakautumisella ei ole suoraa korrelaatiota eliniän pituuteen vaan siihen vaikuttaakin jokin muu paljon vahvemmin.

Toisen kartan tein Ruotsin ulkomaalaisten määrästä ja Ruotsidemokraattien kannatuksesta viime vaaleissa. Ruotsidemokraatit ovat näyttäytyneet erittäin maahanmuttovastaisena puolueena ja hypoteesini oli että heidän kannatus olisi korkeinta niillä alueilla jossa asuu eniten ulkomaalaisia.

Kuva 2. Ulkomailla syntyneiden ja Ruotsidemokraattien kannatus Ruotsissa lääneittäin.Kartalle merkitty Ruotsin kolme suurinta kaupunkia punaisin pistein.

Kartasta näkee heti että väljästi asuttuun Pohjois-Ruotsiin maahanmuutto ei edes suhteellisina lukuina ole ollut kovinkaan suurta – eikä myöskään Ruotsidemokraattien kannatus. Sen sijaan eniten maahanmuuttajia asuu Tukholman ja Malmön, Ruotsin kahden suurimman kaupungin, seuduilla. Skånessa ja muussa Etelä-Ruotsissa Ruotsidemokraattien kannatus on suurimmillaan. Jokseenkin yllätyksenä minulle tuli että Tukholman läänissä puolueen kannatus on erityisen pieni (reilu 8 %), vaikka siellä asuu suuri osa maan ulkomaalaisista. Ehkäpä alueen väestö on muuta Etelä-Ruotsia liberaalimpi, tai ainakin suvaitsevaisempi.

Loppupohdintoja

Vaikka aluksi petyin kun en “saanut” piirtää karttaa itse ja tehdä siitä oma tietokanta alusta asti, olen kyllä tyytyväinen, ja ehkä jokseenkin huojentunut, siitä että valmista tai puoli-valmista paikkatietoaineistoa on aika hyvin saatavilla netistä. Esimerkiksi löysin Ruotsin tilastokeskuksesta MapInfo .tab-muotoisen aineiston Ruotsin lääneistä.

Tiedon haussa havahduin kunnolla siihen että vaikka tietoa on olemassa paljon, voi kuitenkin olla että tietoa lötyy vain osasta kaikista alueista, eikä eri lähteissä oleva tieto välttämättä ole verrattavissa. Yllättävän huonosti joissakin paikoissa löytyy aineiston sisällön selventävää selitystä, esimerkkinä Gini-kerroin josta ei Maailmanpankin sivuilla lukenut lainkaan josko tilastotiedot olivat ennen vai jälkeen veroja ja tulonsiirtoja.

Aineiston hakemisessa minulla oli vähän sama ongelma kuin Tiia Salmisella: vaikea löytää mitään fiksua vaikka internet on täynnä kaikkea. Siksi onkin tärkeätä että kursseilla näytetään ja tutustutaan mahdollisimman moneen eri tahoon jolta löytyy tilasto- tai paikkatietoa internetistä. Ihan vain tulevaisuutta ajatellen.

Vaikein asia tätä tehtävää tehdessä oli itse asiassa päällekkäisten koropleettikarttojen teko. Yritin esittää toisen muuttujan pylväsdiagrammein ja erikokoisina pisteinä, mutta niiden erot eivät tulleet tarpeeksi hyvin esille. Siksi päädyin molemmissa kartoissa esittämään toisen muuttujan eri rasterein koska en enää keksinyt muuta parempaa. Mutta ihan hyvin ratkaisuni näyttää toimivan.

Tiedän että päällekkäisissä kartoissa saisi olla korkeintaan 3×3=9 luokkaa luettavuuden säilymiseksi, mutta valitsin kuitenkin käyttää neljää luokkaa alemmissa kartoissa jotka näkyy värein. Mielestäni sekin ratkaisu toimii hyvin, erityisesti kun toisesta muuttujasta yksi luokka esitetään ilman mitään rasteria. Tällä tavalla kartta on myös hieman monipuolisempi ja tiedoltaan rikkaampi.

Nyt kurssin päätyttyä tuntuu siltä että kurssilla käytetyt MapInfon toiminnot ovat aika hyvin hanskassa, mutta tiedostaen että vielä löytyy paljon jännää opittavaa mistä en ehkä vielä edes tiedäkään. Onneksi seuraavassa periodissa jatkamme GIS:in kanssa työskentelyä!

 

LÄHTEET

Eurostat (2015) Gini coefficient of equivalised disposable income <http://ec.europa.eu/eurostat/web/income-and-living-conditions/data/database> Luettu 26.2.2015

Maailmanpankki (2015) Gini-index (World Bank estimate) <http://data.worldbank.org/indicator/SI.POV.GINI> Luettu 27.2.2015

Salminen, T (2015) Kurssikerta 7: Tilastoja Afrikasta <https://blogs.helsinki.fi/tiisalmi/2015/02/24/kurssikerta-7-tilastoja-afrikasta/> Luettu 12.3.2015.

Statistiska centralbyrån (2015a) Allmänna val, valresultat <http://www.scb.se/sv_/Hitta-statistik/Statistik-efter-amne/Demokrati/Allmanna-val/Allmanna-val-valresultat/> Luettu 27.2.2015

Statistiska centralbyrån (2015b) Befolkningsstatistik <http://www.scb.se/sv_/Hitta-statistik/Statistik-efter-amne/Befolkning/Befolkningens-sammansattning/Befolkningsstatistik/> Luettu 27.2.2015

Statistiska centralbyrån (2015c) Digitala gränser <http://www.scb.se/sv_/Hitta-statistik/Regional-statistik-och-kartor/Regionala-indelningar/Digitala-granser/> Luettu 27.2.2015

United Nations Statistics Division (2015) Social Indicators, Table 2a – Life expectancy <http://unstats.un.org/unsd/demographic/products/socind/> Luettu 26.2.2015

Tällä kertaa aloitimme kohteiden koordinaattien keräämisen GPS:llä ja lopetimme hasardikarttojen tekoon.

Vinkkinä voin kertoa että ei muuten vaan kannata näyttää naamaansa kampuksen jokaiselle valvontakameralle turhan päiten – näköjään siellä joku ihan oikeasti katsoo niitä kuvia ja tulee huomauttamaan asiasta. No, vahtimestarit saivat meistä perjantaiaamupäivän puheenaiheen.

Mutta tämän viikon blogitehtävä koskee ihan toista aihetta. Tehtävänä oli laatia kolme opetuskäyttöön soveltuvaa karttaa hasardeista ja arvioida niiden soveltuvuutta opetukseen.

Kuva 1. Yli 6 magnitudin maanjäristykset vuoden 1900 jälkeen. Lähde: University of California.

Kartalla (kuva 1) 6-8 magnitudin maanjäristykset on kuvattu ohuilla risteillä ja sitä suuremmat isompina tummina pisteinä. Minun mielestä kartta havainnollistaa oranssien ristien myötä hyvin missä päin maailmaa maanjäristyksiä yleensä esiintyy. Tummat pisteet taas esittävät missä ne aivan isoimmat maanjäristykset, jotka aiheuttavat eniten tuhoa, ovat sijainneet. Kartalta erottuu hyvin Tyynen valtameren “Tulirengas” sekä valtamerten keskiselänteet ja Intian ja Euraasian laatan konvergenssivyöhyke.

Kuva 2. Maanjäristykset ja tulivuorenpurkaukset vuoden 1964 jälkeen. Lähde: NOAA (b) ja University of California .

Kuvassa 2 esitän tulivuorenpurkausten ja yli magnitudi 7:n maanjäristysten sijainnin. Kartalla visualisoituu hyvin maanjäristysten ja tulivuorten korrelaatio – molemmat esiintyvät litosfäärilaattojen saumakohdissa. Tämän voisi vielä selvemmin tuoda esille jos kartalle lisäisi litosfäärilaattojen rajat.

Toisaalta litosfäärilaattoja ei tarvitsisi esittää samalla kartalla – endogeenisten prosessien opetteluun käytetään kumminkin enemmän aikaa kuin mitä yhden kartan tulkitseminen riittää. Outi Seppälä ajatteli blogissaan pidemmälle kuin minä: “Opetuksessa näiden karttojen yhteydessä esittelisin kartan litosfäärilaatoista, koska niiden toiminnan ymmärtämiseen perustuu maanjäristysten ja tulivuortenkin haltuun ottaminen. Samassa yhteydessä voitaisiin käsitellä muutkin seismisyyteen ja vulkanismiin liittyvät käsitteet, kuten hot spotit sekä erilaiset saumatyypit ja niin edelleen.” 

Pisteitä tuli kartalle aikamoinen määrä, ja tarkemmin ajateltuna olisi ehkä ollut fiksumpaa laskea mukaan vain voimakkaimmat maanjäristykset ja eniten tuhoa aiheuttaneet tulivuorenpurkaukset. Tällöin kartta olisi ehkä vähän paremmin havainnollistava eikä vain satojen pisteiden sekamelska. Tulivuorenpurkausten pistekoon suurentaminen voisi myös helpottaa kartan lukemista.

Kuva 3. Tsunamin aihettaneet maanjäristykset ja tulivuorenpurkaukset sekä tsunameihin kuolleiden määrä tapahtumamaittain vuoden 1800 jälkeen. Virhe: alin luokka on “1-499”, eli ei ala nollasta.  Lähde: NOAA (a).

Kolmanteen karttaan en enää keksinyt mitään fiksua maanjäristyksistä tai tulivuorista joten päädyin ottamaan jonkun muun luonnonhasardin. En viitsinyt myöskään tehdä karttaa meteoriittikraatereista koska meteoriitit eivät tietääkseni valitse joitakin tiettyjä kohteita maan pinnalta jonne ne iskeytyvät vaan sattuma ratkaisee enemmän. Valitsin siis aiheekseni tsunamit joista löytyi tietoa samalta nettisivulta kuin tulivuorista.

Pohdin kauan mitä minun pitäisi esittää kartalla tsunameista. Tieto on pistekohtaista ja sitä on sekä tsunamin aiheuttamasta kohdasta (useimmiten maanjäristys tai tulivuorenpurkaus) että paikoista joissa tsunami on iskenyt rantaan.

Päädyin näyttämään tsunameihin kuolleiden määrää. Olisin halunnut esittää sen eri kokoisina pisteinä, joissa pisteen koko määräytisi kuolleiden määrän perusteella, samalla tavalla kuin syksyllä teimme Corelilla muista aiheista. En harmikseni löytänyt miten tämä MapInfossa tehtäisiin enkä halunnut käyttää teemakarttatoiminnon erikokoisia pisteitä, sillä ne määäräytyvät ainoastaan valittujen luokkien mukaan eikä juoksevasti, eikä tämä ole kovin fiksua.

Nyt päädyin näyttämään tsunameihin kuolleiden määrän valtioittain, eli kuinka monta on kuollut maan rajojen sisällä (ei kansalaissuuksia).  Tämä esitys antaa tulokseksi että Japanissa ja Intiassa sekä Kaakkois-Aasiassa on kuollut ylivoimaisesti eniten ihmisiä tsunamien johdosta. Myös Välimerellä, Itä-Afrikassa ja Amerikoissa on tsunamit johtaneet kuolemiin.

Kuolleiden määrän esittäminen tällä tavalla ei ole kuten edellä mainittu läheskään parhain mahdollinen. Tsunamit ovat tehneet tuhoja vain pienessä osassa maata, mutta koko maa värjätään yhdellä värillä, joten maan sisiäisiä eroja ei tule näkyviin. Hyvä esimerkki tästä on pinta-alaltaan iso Venäjä jossa on viimeisen 200 vuoden aikana kuollut tuhansia ihmisiä tsunameihin – tsunamiaallot ovat kuitenkin vain iskeneet itä-Venäjällä Kurilin saarilla ja Kamtšatkan niemimaan ympäristössä.

Mutta kartassani on myös näiden tsunamiaaltojen syntypaikat, eli useimmiten maanjäristys tai tulivuorenpurkaus. Tämä auttaa hyvin havainnollistamaan missä päin tsunami on voinut iskeä maahan.  Virheellisesti kartan legendassa kuitenkin kerron että vihreät pisteet olisivat vain maanjäristyksiä ja tulivuorenpurkauksia jotka ovat johtaneet tsunamiin, sillä kyllähän tsunameita syntyy myös esim. maanvyörymisistä etc.

Kartta ei tsunamien esittämiseen ole kovinkaan hyvä. Mutta ei se ihan arvotonkaan ole opetuskartaksi: opettaja voisi käyttää sitä oppilaiden kartanlukutaidon parantamiseksi. Esimerkiksi voisi pyytää oppilaita rajaamaan alueet joilla tsunamit ovat iskeneet maahan ja miettiä mitä heikkouksia ja vahvuuksia koropleettikartoilla on. Voisi myös pohtia minkä takia Intiassa on kuollut niin paljon ihmisiä tsunameihin, vaikka tsunameita ei ole syntynyt lähellä Intiaa.

Kuva 4. Litosfäärilaatat, maanjäristysalueet ja aktiiviset tulivuoret. (Kakko y.m.)

Lopuksi vielä yksi “oikea” opetuskartta. Se (kuva 4) on lukion maantiedon hasardikurssin kirjasta. Valitsin sen koska se kokoaa yhteen tietoa maanjäristyksistä, tulivuorista ja litosfäärilaatoista. Kartta visualisoi minusta hyvin miten nämä eri toiminnot liittyvät yhteen.

Tässä kartassa on valittu näytettäväksi vain aivan voimakkaimmat maanjäristykset. Kun vertaa minuun ensimmäiseen karttaan (kuva 1) jossa on tuhansia pisteitä näyttämässä missä maa järisee, tässä on sen sijaan maalattu maanjäristysalttiit alueet vaaleanruskealla värillä, jotta kartan muutkin elementit tulevat näkyviin.

Tulivuoria näkyy kartalla kahdenlaisia. Ensinnäkin kaikki aktiiviset tulivuoret, sekä toiseksi näkyvämmällä punaisella vuoden 1965 jälkeiset voimakkaat tulivuorenpurkaukset. Tällä tavalla oppilas voi sekä hahmottaa missä tulivuorenpurkaukset voivat olla riski, että missä lähihistoriassa on tapahtunut voimakkaita purkauksia.

Lisäksi on karttaan vielä merkitty litosfäärilaattojen rajat ja niiden liikkumissuunnat. Endogeenisten prosessien opiskelussa on hyvä paitsi teoriassa tietää miten maanjäristykset ja tulivuorenpurkaukset tapahtuvat, myös itse nähdä kartalta että nämä alueet sijaitsevat laattojen rajaseuduilla.

Tässä opetuskirjan kartassa on minuun karttoihin verrattuna valtavan paljon enemmän erilaista tietoa, mikä vaatii oppilaan pidempää tarkastelua – karttaa ei ymmärrä ja sisäistä kaikkea oleellista parilla vilkauksella. Toki karttojen tarkoitus ei aina ole sekunnissa kokonaiskuvan saaminen, etenkään kun  kartalla viestitään paljon erilaista tietoa.

Yksi asia mikä pisti silmään tätä karttaa katsottaessa oli ettei tässä, eikä muissakaan opetuskartoissa, ole koordinaattiruudukkoa. Se ei ole mikään välttämättömyys eikä tuo kovin paljon lisäarvoa kartalle. Minä olisin hyvin voinut jäättää sen pois kartoiltani ja silloin jopa parantanut niiden luettavuutta.

LÄHTEET

Kakko, I., Kenno, P., Tyrväinen, H., Eriksson, G., Sirén, N. (2004) Gymnasiegeografi. Riskernas och möjligheternas värld. 2. p. 190 s. Schildts Förlags Ab, Helsigfors.

NOAA (a)= National Oceanic and Atmospheric Administration (2015) Global Historical Tsunami Database <http://www.ngdc.noaa.gov/hazard/tsu_db.shtml> Luettu 23.2.2015

NOAA (b) = National Oceanic and Atmospheric Administration (2015) Volcano Location Database  <http://www.ngdc.noaa.gov/nndc/struts/form?t=102557&s=5&d=5> Luettu 20.2.2015

Seppälä, O (2015) Outin PAK-blogi: Järistyksiä ja purkauksia open näkökulmasta <https://blogs.helsinki.fi/outisepp/2015/02/18/jaristyksia-ja-purkauksia-open-nakokulmasta/> Luettu 23.2.2015

University of California (2015) Northern California Earthquake Data Center <http://quake.geo.berkeley.edu/anss/catalog-search.html> Luettu 20.2.2015

Viides kurssikerta lähti käyntiin bufferoimisen oppimalla, ja jatkui itsenäistehtävien parissa jolloin saimme käyttää ja soveltaa tähän mennessä oppimaamme.

Kurssikerran tehtävät

Viime kerralla digitoimme osa Pornaisten keskustan teistä ja rakennuksista, ja tällä kertaa aloitimme harjoittelemalla bufferointityökalun käyttöä näiden avulla: kuinka moni talo on 100 metrin päässä jostakin tiestä ja kuinka moni on 500 metrin säteellä terveyskeskuksesta. Ohjelma siis piirtää valitun kokoisen “bufferin” objektin ympärille.

Ensimmäinen tehtävä koski lentokenttiä ja niiden melualueita. Alkajaisiksi tuli piirtää Malmin ja myöhemmin Hki-Vantaan kiitoradat ja tehdä niistä uusi tietokanta, tämän jälkeen bufferoida kuinka moni ihminen asuu yhden ja kahden kilometrin säteellä kiitoradoista. Tämä oli helppoa kun pienen totuttelun jälkeen ymmärsi mitä työkaluja piti käyttää bufferin sisällä olevien kohteiden valitsemiseen ja mistä niiden tiedot näkee.

Lentokenttätehtävissä oivalsin että aina ei ole pakko pitää kaikkia avoimia tietokantoja esillä sillä se sekä hidastaa työskentelyä että vaikeuttaa haluttujen elementtien erottamista muista.

Toisessa tehtävssä piti taas tuottaa uutta tietoa tietokantaan laskemalla mm. kouluikäisten lasten määrä ja ulkomaalaisten usuus väestöstä eri taajama-alueilla. Muuten laskeminen oli tuttua aiemmilta kurssikerroilta, mutta ulkomaalaisten määrää laskiessa menin vähän takalukkoon kun joidenkin rivien suuret minusluvut hämmensivät minua. Tein kaikki laskut muutamaan kertaan uudelleen (MapInfon kaatumisen vuoksi) ja ymmärsin viimein etten ollut tehnytkään mitään väärin.

Kolmanneksi tehtäväksi valitsin koulutehtävän. Ounastelin että siinä menisi paljon aikaa, mutta se olikin nopea ja helppo tehtävä, ei tarvittu enempää kuin muutama lasku. Edellytyksenä siihen oli tietenkin oikean koulun löytäminen tietokannasta kun siinä ei ilmoitettu koulujen nimiä, vain koordinatit ja osoite (josta se sitten toivon mukaan löytyi oikein).

Harjoitusten vastaukset alla.

Yleisiä pohdintoja

Tämä kurssikerta oli minulle antoisa. Oli kivaa tehdä harjoituksia ilman yksityiskohtaisia ohjeita, jolloin tarvitsi oikeasti käyttää päätä ja muistella miten aiemmilla kerroilla samat asiat on tehty. Ja mikäli en itse oikein muistanut tai oivaltanut mitä pitäisi tehdä, tuli se selväksi kun pohti sitä vierustovereiden kanssa.

Nyt neljännen ja viidennen kurssikerran jälkeen tuntuu siltä että alan vähän ymmärtää miten MapInfo -ohjelma toimii. Miten tietoa ohjelmassa tuotetaan ja tähän mennessä oppimamme analyysityökalut. Viides kurssikerta antoi myös vähän lisää itsevarmuutta tekemiseen.

Odotin kurssin alusta asti opetusta siitä miten karttoja tehdään MapInfossa ja miten ne sidotaan koordinaatistoon. Mielestäni se olisi voitu käydä läpi mieluten ensimmäisellä kurssikerralla. Nyt minulle tuli alussa semmoinen tunne että saamme kaikki karttapohjat ja ainestot valmiina opettajalta ja että niiden itse tuottaminen varmaan on liian monimutkaista meille tässä vaiheessa. Sen takia teemakarttojen teko alussa ei sytyttänyt minua ihan niin paljon kuin voisi toivoa kun tuntui että teimme enemmän vain kartografiaa emmekä ollenkaan “käytännön” asioita joista on hyötyä myöhemmässä vaiheessa esim. työelämässä – jolloin Arttu ei taatusti tuo karttoja ja aineistoja meille valmiiksi analysointia varten. Mutta onneksi tämä kuitenkiin käytiin läpi nyt.

En oikeastaan ole pohtinut MapInfon vahvuuksia ja heikkouksia kovinkaan paljon. Selvä miinus on piirtotyökalun heikkoudet verrattuna piirto-ohjelmiin (esim. Corel). Ohjelma ei myöskään ole liian käyttäjäystävällinen kun monet toiminnot ovat useiden klikkausten takana. Elias Annila kiteyttää tämän hyvin blogissaan:

“MapInfo tarjoaa näiden molempien tehtävien toteuttamiseen kohtalaiset työkalut, mutta molempiin on mielestäni olemassa tehokkaampiakin ratkaisuja. Piirtämiseen piirto-ohjelmat tarjoavat paremman ympäristön, ja taulukoiden datan manipuloinnissa MapInfon loputtomalta tuntuva valikoiden läpi kahlaus ja taulukoiden uudelleen availu, ei myöskään ole kovinkaan optimaalista. MapInfon vahvuus onkin siinä, että näitä työkaluja saadaan yhdisteltyä huomattavan helposti yhdessä ohjelmassa.”

Elias toteaa myös että ei olisi kovinkaan hauskaa piirtää esim. koropleettikarttoja Corelilla, jolloin joutuisi värittämään jokaisen alueen erikseen, etenkin kun MapInfolla teemakarttojen tekeminen on niin helppoa ja yksinkertaista.

Latasin kurssikerran jälkeen MapInfon omalle koneelleni kotona. Tunnin latauksen ja kahden tunnin asennuksen jälkeen huomasin iloisesti että se jopa toimii hyvin (myös pienellä näytöllä). En toki saanut yhteyttä lisenssiserveriin niin käytän sitä 30 päivän koeajalla nyt…

Viikonloppuna sitten leikin ja tein mielikuvituksellisia karttoja ja tietokantoja Mapinfolla ehkä liiankin kauan. Mutta näinhän sitä oppii. Neljännellä kurssikerralla piirsimme Pornaisten kartasta vain tiet ja rakennukset, joten tunnilla jäi oppimatta miten polygoneihin leikataan aukkoja esimerkiksi peltosaarekkeille, mitä oli hyvä harjoitella itsenäisesti.

Blogikirjoituksen ohjeessa neuvotaan pohtimaan esim. puskurivyöhyketoiminnon käyttömahdollisuuksia. Se on hyvä kun halutaan kartoittaa kuinka paljon jotakin (ihmisiä, rakennuksia, peltoja yms.) jonkin säteen päässä jostakin kohteesta on – joko absoluuttisesti tai relatiivisesti. Itse haluaisin ottaa selville kuinka suuri osa ihmisistä pääkaupunkiseudun eri osissa asuu esim. 300 metrin päässä lähimmästä joukkoliikenteen pysäkistä, Jos tekee karttaesityksen tästä ne asuinrakennukset jotka eivät osu tälle säteelle voi merkitä erityisen huomioidusti mikäli halutaan helposti nähdä missä joukkoliikenteen katvealueet sijaitsevat.

 

LÄHTEET

Annila, E (2015) Eliaksen PAK-blogi: Analyysejä pisteaineistosta, sekä pohdintaa Mapinfon käytöstä  <https://blogs.helsinki.fi/eannila/2015/02/16/viides-kurssikerta-analyyseja-pisteaineistosta-seka-pohdintaa-mapinfon-kaytosta/> Luettu 17.2.2015

Tällä kertaa oli vuorossa pisteaineston loihtiminen rasterikartoiksi sekä karttalehden asettaminen koordinaattijärjestelmään.

Tämän viikon blogitehtävässä tehtiin rasterikartta valitusta pääkaupunkiseudun väestöön kuuluvasta aiheesta. Aineistona meillä oli pisteaineisto jokaisen asuinrakennuksen väestöstä ja sai valita itse minkä kokoisista ruuduista kartan teki.

Minä valitsin aiheekseni ruotsinkielisten absoluuttisen määrän kuvaamisen (kuva 1). Ruutukokona minulla on 250×250 metriä.

Kuva 1. Ruotsinkielisten määrä pääkaupunkiseudulla 250×250 metrin suuruisia ruutuja kohden.

Eniten ruotsinkielisiä asuu Helsingin ydinkeskustassa ja Mannerheimintietä pitkin Töölön kautta kohti Munkkiniemeä. Muita ruotsinkielisten keskittymiä ovat Lauttasaari lounais-Helsingissä, Kauniainen, Espoonlahti ja Matinkylä-Westend Espoossa. Vantaalla asuu verrattain vähän ruotsinkielisiä, 0-10 ruutua kohti, eikä mitään suuria ruotsinkielisten keskittymiä ole. Myöskään Pohjois-Espoossa ruotsinkielisten määrä ruutua kohtaan ei ole kovin suuri. Pääkaupunkiseudulla asuu yhteensä noin viidennes koko Suomen ruotsinkielisestä väestöstä.

Olli Rantamäki on myös tehnyt kartan ruotsinkielisten määrästä pääkaupunkiseudulla. Hän kyseenalaistaa blogissaan kieliryhmiä erottelevan tutkimuskysymyksen, tarkoittaen että suomen- ja ruotsinkielinen kulttuuri Helsingissä ei eroa kovinkaan paljon. En ole hänen kanssa ihan samaa mieltä. Esimerkiksi on tärkeätä tietää ja nähdä visuaalisesti missä esim. ruotsinkielisiä asuu ja kuinka paljon kun mietitään palvelujen sijoittamista eri alueille. Mikäli jokin alue erottuu poikkeuksellisesti kasvavana ruotsinkielisten lapsiperheiden alueena tällä alueella varmasti tarvitaan lähitulevaisuudessa uusia ruotsinkielisiä kouluja yms. Mistä tahansa teemasta tutkimuksen tai kartan tekee, pitäisi pohjalla aina olla jokin tarve tälle informaatiolle.

Kielirajat ylittävät avioliitot ovat olleet kasvussa. Tämä on johtanut kaksikielisten perheiden lasten määrän kasvuun (helsinginseutu.fi). Kiinnostava tutkimusaihe olisi selvittää missä nämä kaksikieliset, joista osa on suomenkielisiksi rekisteröidyt, asuvat ja miten ruotsinkielisen päivähoidon ja koulutuksen pitäisi ottaa tämä huomioon. Monet kaksikielisistä perheistä haluavat nimenomaan laittaa lapsensa ruotsinkieliseen koulutukseen, mutta jos lasten äidinkieleksi on rekisteröity suomi on viranomaisten vaikea ennakoida tulevia oppilasmääriä.

Ongelma tällaista asiaa esitettäessä absoluuttisia lukuja käyttäen on, ettei näe mikä ruotsinkielisten määrä  on suhteutettuna kaikkiin asukkaisiin. Laajoilla alueilla jossa kartan mukaan asuu esim. alle 10 ruotsinkielistä ei välttämättä asu kovinkaan paljon enemmän muunkielisiä, jolloin ruotsinkielisten määrä alueella onkin suuri.

Sen takia päätin että olisi hyvä ottaa mukaan kurssikerran alussa yhdessä tekemämme kartta alueen koko väestöstä (kuva 2).

Kuva 2. Pääkaupungin väestö kuvattuna 250×250 m ruuduissa.

 Tästä näemme että monet alueet joissa asuu paljon ruotsinkielisiä myös on muutenkin korkea asumistiheys (esim. Helsingin kantakaupunki, Espoonlahti, Matinkylä). Mutta kaikki alueet joissa asuu paljon ihmisiä ei asu paljon ruotsinkielisiä. Pohjois- ja Itä-Helsingissä ja Itä-Vantaalla on korkea asumistiheys, muttei paljon ruotsinkielisiä.

Absoluuttisissa luvuissa on toisaalta hyvä se, että niistä näkee missä oikeasti asuu paljon ruotsnkielisiä. Esimerkiksi koulujen sijaintia suunniteltaessa on enemmän hyötyä siitä että tietää paljon eri kielisiä lapsia asuu määrällisesti jollakin alueella kuin niiden suhteellisista luvuista.

Mikäli ei käytä neliökilometrin kokoisia ruutuja, pitää muistaa että ruudun arvo ei ole asumistiheys neliökilometriä kohden. Kun ruutukoko on 250×250 m täytyy luku tällöin kertoa 16:a.

Ruututeemakartalla voi siis perustellusti käyttää absoluuttisia lukuja, kunhan myös lukija tiedostaa mitä kartassa näytetään. Ruutukartassa jokainen alue, eli ruutu, on saman kokoinen, joten eri alueiden vertaaminen on siten oikeudenmukaista eikä vääristä totuutta. Teemakartalla jossa alueet ovat eri kokoisia, esim. koropleettikartalla, ei taas ole suotavaa näyttää ainoastaan absoluuttisia lukuja. Ruutukartalla ei taas olisi perusteltua näyttää suhteellisia lukuja, koska se ei mahdollistaisi havaintojen oikean lukumäärän vertailua, eikä ruutukartalla ole suotavaa tai ehkä mahdollistakaan kuvata kahta eri muuttujaa.

Korologisen matriisin käyttö aluejakona on myös helppo valinta. Ensinnäkin kartan tekijän ei tarvitse miettiä mistä vetää alueiden rajat, ja toiseksi jokainen alue on yhtä iso eli kartassa ei ole pinta-alavääristymiä.

Kuten aina teemakarttaa tekiessä suurin ongelmani tälläkin kertaa oli väriskaalan valitseminen. Minun on aika helppo valita sopiva luokkajako, mutta todella vaikeata valita kartalle sopiva väri ja ne sävyt millä kuvaan eri luokkia. Luulen että ensimmäisessä kartassani (kuva 1) on liian monta luokkaa, mutta muuten värivalintani on vähintäänkin ok.

Kun minun piti valita mitä elementtejä näyttää kartalla tuli toinen tänkapå. Tulin siihen lopputulokseen että on fiksuinta näyttää rantaviivan, jokien ja järvien lisäksi myös suurimmat tiet. Tällöin lukijan on helpompi hahmottaa missä eri alueet sijaitsevat kartalla. Lisäksi näytän myös kuntarajat, mutta näiden värin muutin mustasta harmaaksi jottei niitä sekoittaisi teihin. Kannattaa aina ensin valita mitä elementtejä kartalla näyttää ja vasta sitten miettiä luokkien väritystä. Nyt tein toisin päin.

 

LÄHTEET

Pääkaupunkiseudun neuvottelukunta (2005). Pääkaupunkiseudun ruotsinkieliset palvelut. <http://www.helsinginseutu.fi/wps/wcm/connect/9b36b2004a153c0daf14efb546fc4d01/HS_Hup_raportti_2007.pdf?MOD=AJPERES&CACHEID=9b36b2004a153c0daf14efb546fc4d01> Luettu 16.2.2015

Rantamäki, O (2015) Olli Rantamäen PAK-blogi: Ruututeemakarttaa ja hieman Helsingin historiasta
<https://blogs.helsinki.fi/ollirant/2015/02/08/kurssikerta-4-ruututeemakartta-ja-hiukan-helsingin-historiasta/> Luettu 16.2.2015