Kurssikerta seitsemän. Vietnam

Seitsemännen kurssikerran itsenäistyöt aiheuttivat minulle suuresti päänvaivaa, tuskailua ja pakottivat minut viettämään useita tunteja MapInfon ja Excelin parissa. Ongelmat koko prosessin aikana johtuivat pitkälti siitä, että lykkäsin tämän itsenäistehtävän tekoa ja aineiston kokoamista parilla viikolla viimeisestä kurssikerrasta. Tällä välillä juuri kukoistukseen puhjennut MapInfon käyttötaitoni pääsi selvästi ruostumaan ja muistikuvani ohjelman tärkeistä toiminnoista hälvenemään.

Aineisto etsittiin siis itse ja aihe oli vapaa. Pakin tiedotusblogiin oli listattu useita eri linkkejä tilastokeskuksiin ja tietolähteisiin, jotka kokonaisuudessaan muodostivat valtavan mahdollisuuksien kirjon. Juuri se on ollut tällä kurssilla hienointa ja olenkin hehkuttanut tätä asiaa varmaan jokaisessa blogitekstissä.

Alunperin tarkoitukseni oli tehdä erilaisia Georgia-aiheisia karttoja. Georgian lähihistoria on varsin myrskyisä. Maassa on useita separatistisia liikkeitä ja kokonaisia maakuntia, jotka haluavat enemmän tai vähemmän irtautua tai ovat jo irtautuneet Tbilisin hallinnon alta. Georgiassa on viime vuosikymmenien aikana ollut myös useita talouskriisejä ja erikokoisia konflikteja, joista vakavin ja tunnetuin lienee Etelä-Ossetian sota.

Ajatuksenani oli tutkia konfliktien ja separatismin sijoittumisen perusteella Georgian maakuntien taloudellista ja väestöllistä kehitystä. Tämä projekti kuitenkin kariutui nopeasti johtuen puutteellisesta datasta ja Georgian valtion kummallisista tilastomenetelmistä. Esimerkiksi Abkhazian ja Etelä-Ossetian tapauksissa tilastotiedot olivat teemasta riippuen hyvin puutteelliset tai niitä ei ollut lainkaan. Tämä oli ongelmallista, koska halusin tutkia nimenomaan konfliktialueiden kehitystä. Georgian valtiollisella tilastokeskuksella oli myös hassu tapa ryhmitellä joissakin tilastoissaan kolme pienintä maakuntaa yhteen sarakkeeseen niin, että niiden osuudet tai lukuarvot oli vain laskettu yhteen.

Koordinaatteihin sidottu konfliktitietokanta löytyi kuitenkin hienosti, en tosin muista enää mistä. Kyseisessä tietokannassa oli kymmenkunta Georgian alueelle sijoittuvaa konfliktia. En tallentanut kyseistä kartan raakiletta, mikä harmittaa nyt, sillä olisin voinut liittää sen tähän.

Harkitsin myös tutkivani Libyan tilannetta hyödyntäen esimerkiksi IMF:n tilastoja lainapaketeista ja taloudellisista kehityskuluista. Tajusin kuitenkin paria sekuntia myöhemmin, että Libyan tilanne on monta kertaa kaoottisempi kuin esimerkiksi Georgian, eikä juuri minkäänlaisia tilastoja ole julkaistu (tai tehty lainkaan) sodan syttymisen jälkeen.

Hylkäsin lopulta kaikki geopoliittiset ja konfliktiaiheiset teemat. Tällaiset aiheet taitavat olla vähän arkaluontoisia, varsinkin jos ne ovat tapahtuneet lähihistoriassa. Luotettavaa ja avointa tietoa tapahtumista saa hyvin suurella viiveellä.

Päädyin loppujen lopuksi tekemään karttoja Vietnamista. Aihe on väestömaantieteellinen ja se käsittelee provinssien maaseutuvaltaisuuden heijastumista provinssen välisiin koulutuseroihin ja koulutuksen epätasaiseen jakautumiseen.

Karttojen muuttujat ovat maaseutuväestön osuus ja peruskoulusta valmistuneiden oppilaiden osuus, molemmat provinsseittain. Tein näistä teemoista kaksi karttaa. Ensimmäisessä kartassa käytetyt luvut ovat vuodelta 2008 ja toisessa vuodelta 2012.

vietnamkartta1

Kuva 1. Maaseutuväestön osuus ja peruskoulusta valmistuneiden oppilaiden osuus Vietnamin provinsseissa vuonna 2008 (GSOV).

Vietnam on tiheään asuttu ja väkirikas kehitysmaa. Tilastointihetkillä populaatio on pyörinyt 85 ja 90 miljoonan henkilön paikkeilla. Luonnollisen väestönkasvun nopeus on globaalilla mittapuulla keskitasoa.

Oletusarvona ensimmäisen muuttujan osalta on, että maa kaupungistuu ja vuoden 2012 tilannetta kuvaavassa kartassa provinssien maaseutuväestön osuus on pienentynyt vuoden 2008 tilanteeseen verrattuna. Tämä pitääkin lähes yksiselitteisesti paikkansa. Varsinkin Etelä-Vietnamissa, Mekongin suistoalueen ympäristössä on tapahtunut selvää kaupungistumista. Kuitenkin eräässä provinssissa pääkaupunki Hanoin välittömässä läheisyydessä maaseutuväestön osuus on kasvanut. Tulkinnan helpottamiseksi maaseutuväestön osuuden luokkarajat ovat molemmissa kartoissa samat.

Toisen muuttujan oletusarvo on, että maaseutuvaltaisemmissa provinsseissa peruskoulun suorittaa loppuun selvästi pienempi osuus oppilaista kuin kaupunkivaltaisemmissa provinsseisa. Perustan oletukseni siihen, että kehittyneisyyserot ja kontrastit maaseudun ja urbaanien ympäristöjen välillä ovat kehitysmaissa hyvin tyypillisiä ja maaseudun asema on monilla mittareilla huonompi tai jälkeenjääneempi. Vietnamissa tämä ei kuitenkaan näytä pitävän paikkaansa ainakaan selvästi. Sitä selittänee maassa harjoitettu sosialistinen politiikka, jonka ominaispiirteisiin kuuluu mahdollisimman yhdenmukaisen koulutuksen takaaminen kaikkiin maan osiin. Näin ainakin uskoisin.

vietnamvalmiskartta2

Kuva 2. Maaseutuväestön osuus ja peruskoulusta valmistuneiden oppilaiden osuus Vietnamin provinsseissa vuonna 2012 (GSOV).

Mielenkiintoista on kuitenkin huomattavan suuri kasvu peruskoulun suorittaneiden oppilaiden osuuksissa, kun verrataan vuotta 2008 ja 2012. Vietnamin valtiollisen tilastokeskuksen mukaan vuonna 2012 pienin osuus on jopa 90,98 %, kun vielä neljä vuotta aiemmin luku oli alimmillaan 39 % ja useissa provinsseissa 60 – 75 %. Tämä on valtavan suuri muutos vain neljän vuoden aikana ja mieleeni tuleekin heti, onko laskentatapaa jotenkin muutettu. Muutos parempaan suuntaan koulutuksen osalta on joka tapauksessa suuri, mikäli näihin tilastoihin on uskominen. Mikäli Vietnamin hallitus on keksinyt näin tehokkaan keinon parantaa koulutuksen toteutumista ja tasaista jakautumista, tulisi siitä varmasti hyvä vientituote.

Tämänkään aineiston käsittely ei sujunut ongelmitta. Vietnamin tilastokeskus ei tarjonnut Excel-muotoisia tiedostoja, vaan luvut piti kopioida suoraan nettisivuilta. Tämä ei toki aiheuttanut suurempia ongelmia. Vakavia takaiskuja aiheutui kuitenkin vietnamin kielestä. Vaikka kirjaimina käytetään latinalaisia aakkosia, on vietnamin kielessä kuusi erilaista toonia, joita merkitään lisäten erilaisia pisteitä ja koukeroita normaalien kirjaimien joukkoon. Tällaiset erikoismerkit eivät todellakaan toimineet MapInfossa ja jouduin käsin siistimään erikoismerkit pois 64 provinssin nimestä.

Suuresta työmäärästä ja lukuisista epäonnistumisista johtuen kartoista vähän yksinkertaisia ja nopeasti sutaistuja, enkä myöskään omasta mielestäni perehtynyt aiheeseen tarpeeksi muiden ulkoisten lähteiden kautta. Mutta ihan jees kuitenkin, oli hyvä ja mielenkiintoinen kurssi, kiitos!

 

Lähteet:

GOSV = General Statistics Office of Vietnam (2015). Average rural population by province ja Percentage of graduates of general education in schoolds by province -tilastot (2008 & 2012). <http://www.gso.gov.vn/default_en.aspx?tabid=491>

 

 

 

Kuudes kurssikerta: Kamtšatka

Kuudennella kerralla treenattiin erilaisten kohteiden syöttämistä tilastoista kartan koordinaatistoon. Syöttäminen MapInfoon tapahtui tuttuun tapaan Excel-taulukoista. Näin saatiin siis data siirrettyä MapInfon puolelle. Jotta pisteet saatiin näkymään kartalla oikeissa paikoissa, täytyi tietokannassa olla jokaisen pisteen kohdalla sijaintitiedot. Pisteiden syöttämisvaiheessa tuli huomioida myös pohjakartan projektio.

Pääsimme harjoittelemaan myös itse pisteiden keräystä. Jakauduimme ryhmiin ja jokainen ryhmä varustettiin GPS-paikantimella. Tarkoituksena oli valita lähiympäristöstä vapaavalintainen kohde ja kerätä tämän kohteen sijainteja paikantimen avulla talteen. Valitsimme kirkkaan punaiset autot (enemmän keltaiseen kuin siniseen taittava punainen) ja lähdimme ryhmän kanssa kiertämään Physicumia ja Exactumia. Keräsimme yhteensä yhdentoista värikriteerin täyttäneiden autojen sijainnit. Laitteen ilmoittavat sijaintitiedot olivat muotoa etäisyys päiväntasaajasta ja keskimeridiaanista kilometreinä. Laitteen antama korkeusarvo oli ilmeisen epätarkka, mutta se liikkui 30-45 metrin välillä. Ulkoilu ja pienimuotoiset kenttähommat olivat mukavaa vaihtelua.

Hyödynnettävissä olevien aineistojen määrä tuntuu edelleen hämmästyttävän suurelta. Aineistoja tuntuu olevan tarjolla mitä eriskummallisimmista aiheista ja yksittäisenkin tietokannan sisältö voi olla valtava, esimerkiksi harjoitusvaiheessa työstetty tietokanta RAY:n pelikoneiden sijainneista pääkaupunkiseudulla. Aluksi ajattelin MapInfon vaativan jotain erittäin käsiteltyjä tai spesifejä tiedostoja, mutta ohjelmahan lukee (lähes) suoraan mitä tahansa taulukkomuotoista dataa, jota on käyty siistimässä esimerkiksi Excelissä. Mahdollisuuksien lähes loputon määrä on todella hyvä asia.

Itse asiaan. Kuudetta blogitekstiä varten piti tuottaa kolme karttaa luonnonhasardeista. Karttoihin valittu alue oli vapaavalintainen, mutta kartat piti laatia sellaisiksi, että niitä voitaisiin käyttää opetustarkoituksiin.

Kartoissani teemana on  Kamtšatkan niemimaan ympäristön seisminen ja vulkaaninen toiminta. Kamsatka on pinta-alaltaan hieman Suomea suurempi niemimaa, joka sijaitsee Venäjän kaukoidässä (157 astetta itäistä pituutta). Niemimaa on vuoristoinen, karu ja harvaan asuttu. Kamtšatka sijaitsee Tyynenmeren tulirenkaan luoteisnurkassa. Alue on seismisesti ja vulkaanisesti erittäin aktiivista, kuten alla olevista kartoista havainnollistavat.

PAK6_kartta7.0

Kuva 1. Magnitudiltaan yli 7,0 maanjäristykset Kamtšatkan ympäristössä (NCEDC & GVLD).

En valinnut Kamtšatkaa ainoastaan sen maanjäristysherkkyyden ja tulivuorten määrän vuoksi. Alueen kaukaisuus, eristyneisyys ja tuntemattomuus kiehtovat minua. Luonnonolosuhteista puhumattakaan. Karttoja on aina mukavampaa tehdä sellaisista alueista, joka kiinnostavat. Matkakuumettahan se kasvattaa, mutta en näe sitä lainkaan pahana asiana. Kuvan 2 perusteella voidaan sanoa, että Kamtšatkan niemimaalla voisi melko todennäköisesti kokea magnitudiltaan keskitasoisen maanjäristyksen. Mikä ettei!

PAK6_kartta4,0-7,0

Kuva 2. 4,0 – 7,0 magnitudin maanjäristyksiä on paljon (NCEDC).

Opetuksen kannalta karttojani voitaisiin käyttää havainnollistamaan mereisen alityöntövyöhykkeen tapahtumia. Yleensä tämän aiheen oppikirjaesimerkkinä toimii Perun ja Chilen rannikko, joten vaihtelu voisi olla paikallaan. Toisaalta Kamtšatka on verrattain pieni ja tuntematon alue, jota ei ehkä kannata liikaa korostaa ainakaan yleismaantieteellisessä opetuksessa. Karttani voisivat olla käyttökelpoisia, jos opetuksen aihe rajoittuisi Venäjän maantieteeseen. Venäjän luonnonmaantieteessä keskityttäisiinkin varmasti tähän alueeseen. Huomasin myös Riinan tehneen Venäjälle sijoittuvan kartan. Riina muotoilee asian laidan hyvin kirjoittaessaan luonnonhasardit sijoittuvat lähinnä Venäjän itärannikkolle Tyynenmeren tulirenkaalle

Muita mahdollisia vaihtoehtoja opetuskäytölle ovat myös Tyynenmeren tulirengas eli Tyynenmeren litosfäärilaatan reuna-alueet.

kamsatka_tulirengas

Kuva 3. Kamtšatkan niemimaa (ylhäällä) osana Tyynenmeren tulirengasta. (NDEDC & GVLD).

Plates

Kuva 4. Kartta litosfäärilaatoista, Tyynenmeren laatta keskellä.

Kartat onnistuivat mielestäni ihan hyvin. Pohjoisnuolesta en ole vieläkään oppinut tekemään kaunista, mutta olen päättänyt antaa asian olla. Näissä kartoissa ei välttämättä olisi edes tarvittu pohjoisnuolta, sillä pituuspiirit ovat näkyvissä. Jätinkin sen pois kolmoskartasta, koska siinä näkyy maapallon muoto niin selvästi.

Lähteet:

NCEDC (2014). Northern California Earthquake Data Center. University of California, Berkeley Seismological Laboratory. Dataset. doi:10.7932/NCEDC.

Data.gov (U.S. Goverment’s open data) (2014). Global Volcano Location Database <http://catalog.data.gov/dataset/global-volcano-locations-database>

Koskela, R. (2015). Kurssikerta 6: Piristävää vaihtelua. <https://blogs.helsinki.fi/riinakos/>

Kuvan 4 lähde hävisi internetin syövereihin

Viides kurssikerta: Bufferointia

Olin väärässä Pornaisten suhteen, sillä luulin sen olevan tämänkertaisen teeman ja tehtävien ydin. Pornainen oli kuitenkin pelkkää treeniä ja hyvä niin. Kun piirsimme Pornaisten keskusta-alueen teitä, peltoja ja rakennuksia mieleen palautui vahvasti TAK2-kurssin kartanpiirtotehtävät. Tämä melkein alkoi jo latistamaan tunnelmia, mutta onneksi minulle selvisi nopeasti että tälläkin kertaa MapInfolla puuhailtaisiin varsin mielenkiintoisten ympäristöjen ja teemojen parissa.

Viides kurssikerta oli sisällöltään enemmän laskennallinen, eikä tarkoituksena ollut tuottaa samanlaisia visuaalisia esityksiä kuin aiemmin. Tämä onkin ensimmäinen blogiteksti ilman karttaa.

Koko homman ydin tällä kurssikerralla oli bufferointi eli suomeksi puskurointi. Kurssikerran itsenäistehtävät pyörivät kaikki tämän toiminnon ympärillä. Bufferoinnin avulla luodaan helposti tarkastella esimerkiksi erilaisten vaikutusalueiden alle jäävien kohteiden lukumäärää. Bufferoinnissa vaitaan aluksi jokin kiintopiste tai alue, jonka jälkeen laitetaan ohjelma laskemaan haluttujen kohteiden (esim. asuinrakennusten) määrä tietyllä etäisyydellä bufferin keskipisteestä. Lopputuloksena karttaan ilmestyy ympyrä tai pyöreähkö kuvio, jonka sisälle jäävät kohteet otetaan mukaan analyysiin.

Itsenäistehtävät lähtivät käyntiin ilmailuaiheisilla teemoilla. Tehtävämme sijoittuivat pääkaupunkiseudulle. Tarkastelimme Malmin lentokentän ja Helsinki-Vantaan lentoaseman ympäristöjä erilaisilla bufferianalyyseilla. Lentokenttien tapauksessa piti esimerkiksi selvittää kilometrin ja kahden kilometrin säteillä kiitoradoista asuvien ihmisten määrä. Tarkasteluun liitettiin mukaan lentokoneiden nousuista ja laskuista aiheutuvat meluvyöhykkeet. Bufferoinnin avulla laskettiin muun muassa vähintään 60dB meluvyöhykkeellä asuvien ihmisten määrä. Nämä teemat olivat aika mielenkiintoisia ja on mukavaa, että kurssin aikana harjoituksissa on käytetty hyvin erilaisia aiheita.

Lentokenttien jälkeen tutkittiin asukkaiden määrää 500 metrin säteellä juna-asemista. Tästä luvusta laskettiin työ- ja kouluikäisten osuuksia. Laskimme myös asukasluvun avulla taajamassa asuvien osuutta sekä ulkomaalaisen väestön osuutta eri asuinalueilla.

blogi5_kuva

Kuva 1. Kurssikerran muistiinpanoja ja tehtävien tuloksia

Vertasin sotkuisia muistiinpanojani Hannan siistiin taulukkoon ja havaitsin tulosteni olevan samansuuntaisia. Koska jokainen on piirtänyt bufferoitavat alueet itse, ovat tulokset varsinkin ensimmäisissä laskutoimituksissa selvästi erilaisia. Heittämät eivät kuitenkaan ole niin suuria, että tulisi huolestua.

Sinänsä yksinkertaiset laskutoimitukset ja niiden syöttäminen MapInfoon osoittautui yllättävän aikaavieväksi touhuksi. Tajusin jossain puolivälin vaiheilla tehneeni osan tehtävistä aivan väärin. Uusien sarakkeiden lisääminen tietokantaan oli tullut jo tutuksi, mutta tein silti paljon virheitä ja sain aikaan käsittämättömiä lukemia esimerkiksi ulkomaalaisten osuuden kohdalla. Virheiden korjaaminen oli kuitenkin nopeaa sen jälkeen, kun todella ymmärsin ja sisäistin tehtävien suoritukset.

Tuntuu siltä, että MapInfo-osaaminen laajenee jokaisella kurssikerralla ja ehkä tässä vaiheessa uskallan jo olla vähän sitä mieltä, että ohjelman perustoiminnot alkavat olla niin sanotusti hallussa. Tästä kuuluu tietenkin kiitos Artun selkeälle step-by-step opetustyylille. Itse teemakarttojen tuottaminen onkin nykyään todella nopeaa ja kevyttä hommaa. Tässä vaiheessa lieneekin hyvä alkaa kiinnittämään karttojen visuaaliseen hiontaan ja viimeistelyyn yhä enemmän huomiota.

Lähteet:

Kaistinen, H. (2015). Taulukko 1. Ensimmäisten tehtävien vastaukset. <http://https://blogs.helsinki.fi/hankaist/files/2015/02/taulukko222.png>

Neljäs kurssikerta: Ruutuja

Neljännellä kurssikerralla tehtiin pääkaupunkiseudulle aluerajauksia. Rajauksessa käytettiin Grid-työkaulua, jonka avulla pystyi luomaan kartan päälle ruudukon. Ruudukko mahdollisti aiempaa tarkemman tutkimisen, sillä sen avulla pystyi jakamaan tutkimusalueen todella pieniin osiin. Aiemmissa kartoissa teemoja on tarkasteltu lähinnä kunta- tai maakuntatasolla. Ruutujen koko oli vapaasti valittavissa (käytännössä 250-1000m mittaiset sivut) riippuen teemasta.

Nyt minäkin tein vihdoin kartan, joka käsittelee muunkielistä väestöä. Karttani teema on muunkielisen väestön sijoittuminen pääkaupunkiseudun kuntien alueella. Muunkielisyys tässä aineistossa tarkoittaa henkilöitä, joiden äidinkieli on jokin muu kuin suomi tai ruotsi.

pak4kartta1ympyrä

Kuva 1. Muunkielisen väestön sijoittuminen pääkaupunkiseudulla.

Kartassani ruudukon koko on 250m x 250m. Se tekee ruuduista melko pieniä, ilman zoomausmahdollisuutta ehkä liiankin pieniä. Toinen huono puoli ruutujen pienikokoisuudessa on se, että niistä on vaikea erottaa luokkia kuvaavaa täyteväriä. Niitä on kartassani viisi erilaista. Neljä luokkaakin olisi varmasti riittänyt. Olisin myös voinut muokata sävyeroista hieman selkeämmät. Omat silmäni ovat vaikeuksissa varsinkin toiseksi pienimmän ja keskimmäisen luokan erottamisessa.

Toisaalta valitsemani ruutukoon etu on se, että tämän teeman yhteydessä se paljastaa muunkielisen väestön voimakkaan keskittymisen merkittävimpien (joukko)liikenneväylien varsille. Kartan keskellä erottuu selvästi M-junan (Helsingin rautatieasema – Vantaankoski) radanvarsi, joka jatkuu punaisena nauhana Länsi-Vantaalta Helsingin kantakaupunkiin asti. Muunkielisten sijainti myötäilee vahvasti myös Helsingin metroradan sijaintia, kun tarkastellaan Kulosaaren itäpuolisia alueita. Kartasta näkee muunkielisten sijoittumisen perusteella selvästi, kuinka Itäkeskuksen jälkeen (itään mentäessä) metrorata jakaantuu kahtia ja pohjoinen raide kääntyy koillis-lounais -suuntaisesta luode-kaakko -suuntaiseksi kulkien Myllypuron ja Kontulan kautta kohti Mellunmäen pääteasemaa. Merkitsin tämän metroradan pohjoisen raiteen käännöksen karttaan sinisellä ympyrällä.

Uskon, että mainitsemani joukkoliikenneväylät erottuisivat selvästi pelkällä asukkaita/ruutu -teemallakin. Muunkielisen väestön sijoittuminen painottunee sinne, missä asutusta on muutenkin tiheästi.

Vertasin karttaani huvikseni Toni Ruikkalan karttaan Vantaan asukastiheydestä. Muunkielisiä ihmisiä on sen verran tasaisesti ympäri Vantaata, ettei mikään asuinalue näyttäisi jäävän ilman ruutuja minun kartassani. Tosin pienin muunkielisten määrää kuvaava luokka on vain 1-10 henkilöä. Suurimpia erot ovat Pohjois-Vantaalla sijaitsevan Kivistön suuralueen ympäristössä.

Kurssikerran puolessa välissä (klo 14) alkoi sopivasti laitoskahvit. Tarjolla oli kahvia ja MaO:n emäntien itse leipomia Runebergin torttuja. Molemmat maistuivat hyvältä MapInfo-sessioiden välissä. Laitoskahvien vuoksi kurssikerran tauko venyi vähän tavallista pidemmäksi, mutta se ei haitannut.

Tauon jälkeen kurssikerran toisella puoliskolla siirryttiin pääkaupunkiseudulta Pornaisiin. Avasimme MapInfolla peruskarttalehden, josta löytyi Pornaisen keskusta ja laajoja alueita sen ympäriltä. Kurssikerran kansiosta löytyi valmiiksi tehty kehys, joka sijoittui keskustan ympärille ja rajasi harjoituksessa tutkittavan alueen.

Kehyksen paikalleen asettamisen jälkeen opettelimme MapInfon piirtotoimintoja. Ne olivat alkeellisempia kuin Corelissa, mutta esimerkiksi noodien ja kuvioiden rajojen yhdistäminen vaikutti paljon käytännöllisemmältä.

Saimme tehtäväksi piirtää kehyksen sisällä sijaitsevat asuinrakennukset, pellot, vesistöt, merkittävät tiet ja nimistöt. Ehdin kurssikerran aikana piirtää vain asuinrakennukset ja tiet ja minulle jäi vähän epäselväksi, pitikö kaikki muu piirtää valmiiksi seuraavaa kurssikertaa varten. Tämä työ löytynee seuraavasta blogikirjoituksesta.

Lähteet:

Ruikkala, T. (2015) Vantaan väestötiheys ruutukarttana. <https://blogs.helsinki.fi/ruikkala/files/2015/02/V%C3%A4est%C3%B6tiheys.png>

Artikkeliharjoitus: Kaksitasoiset koropleettikartat

Anna Leonowicz pohtii artikellissaan Two-variable choropleth maps as a useful tool for visualization of geographical relationship kaksitasoisten teemakarttojen käyttömahdollisuuksia sekä niiden toimivuutta verrattuna tavallisiin yhden teeman koropleettikarttoihin.

Yleisesti ottaen artikkeli tuntui aika tutulta peruskauralta. Varsinkin värien käyttöön liittyvän kappaleen (Graphic representations) asiat tuntuivat selviltä. Tämä ei kuitenkaan tarkoita sitä, että harmonisen ja havainnollistavan värimaailman löytäminen luonnistuisi minulta ilman kokeilemista ja säätämistä. Artikkelissa oli kuitenkin hyviä huomioita esimerkiksi muuttujien luokkien enimmäismääristä.

Tekstin asioiden tuttuus johtunee siitä, että tällaisia juttuja on jo ehditty kurssin aikana harjoittelemaan. Kirjoitan tätä artikkeliin liittyvää tekstiä huomattavasti myöhässä (tänään on jo 9. helmikuuta). Tässä onkin ehtinyt karttojen kanssa tulla jo monta sellaista tilannetta, jossa nämä asiat on pitänyt itse miettiä.

Olen Leonowiczin kanssa hieman eri mieltä kahden eri väripaletin yhdistämisestä. Leonowicz pitää kuvan 1 A-riviä hyvänä esimerkkinä värien yhdistelystä. Yhdistelmä on kyllä luettava ja ymmärrettävissä, mutta mielestäni se yltää silti vain keskinkertaiselle tasolle. B-rivin värikokonaisuus on luettavuuden kannalta toimimaton, tästä Leonowicz on kanssani samaa mieltä.

Mielestäni toisen teeman esittäminen rastereiden (pisteiden, viivojen) avulla tuottaa paljon havainnollisemman ja helposti luettavamman lopputuloksen. Minua ihmetyttääkin, että Leonowicz esittää väripalettien yhdistelyn ensisijaisena tapana kaksitasoisten koropleettikarttojen visualisoinnissa. Olen sitä mieltä, että hänen oma teemakarttansakin Mazowszen alueesta olisi toiminut paremmin, jos toinen muuttujista olisi esitetty erikokoisin pistein tai erilailla suuntautuvin viivoituksin.

pak2artikkelikuva

Kuva 1. Väriteemojen yhdistelyä (Leonowicz).

Artikkeli vahvisti käsitystäni siitä, että kaksitasoisia karttoja käyttöä esityksissä kannattaa harkita tarkoin. Ennen kartan tekemistä on hyvä katsoa vaikkapa hajontadiagrammin avulla onko muuttujien välillä korrelaatiota. Jos näin ei ole, ei kannata tehdä kaksitasoista karttaa. Lopputuloksesta tulee sekava ja mitäänsanomaton, jos kartalla esitettävillä teemoilla ei ole yhteyttä. Tämä tuli itselleni selväksi toisen kurssikerran aikana, kun kokeilin erityyppisten SOTKAnet-aineistojen yhdistämistä. Jos tarkoituksena on esittää korrelaation puute, lienee parempi tehdä pelkkä diagrammi tai kaksi erillistä karttaa.

artikkelih_teemakartat

Kuva 2. Kun näet tämän, tee siitä kaksitasoinen kartta (Leonowicz).

Lähteet:

Leonowicz, A. (2006). Two-variable choropleth maps as a useful tool visualization of geographical relationship. Polish Academy of Sciences, Institute of Geography and Spatial Organization.

Kolmas kurssikerta: Afrikan konflikteista Suomen valuma-alueisiin

Kolmannella kurssikerralla opeteltiin suuri määrä MapInfon toimintoja. Aihepiiri liittyi tietokantojen tuontiin, yhdistämiseen ja uusien tilastosarakkeiden muodostamiseen.

Tietokantojen yhdistämistä harjoiteltiin Afrikka-aiheisilla teemoilla. Afrikan mantereen kartalle tiputettiin konfliktien, timanttikaivosten ja öljykenttien sijainnit. Mielestäni tämä oli hyvin mielenkiintoinen teema ja hyvä esimerkki paikkatietoanalyysin mahdollisuuksista. Sijaintien lisäksi tietokanta sisälsi myös paljon tarkentavaa tietoa kolmesta edellä mainitusta aiheesta. Tietokannasta löytyi tietoa seuraavista muuttujista

  • Konfliktin tapahtumavuosi
  • Konfliktin laajuus/säde kilometreinä
  • Timanttikaivosten löytämisvuosi
  • Timanttikaivoksen kaivausten aloitusvuosi
  • Timanttikaivosten tuottavuusluokittelu
  • Öljykenttien löytämisvuosi
  • Öljykenttien poraamisvuosi
  • Öljykenttien tuottavuusluokittelu

Tällaisella aineistolla saisi tehtyä monenlaisia tutkimuksia. Ensimmäiseksi lienee luontevaa tarkastella konfliktien sijainteja suhteessa timanttikaivoksiin tai öljykenttiin. Kartta (kuva 1) paljastaa, että monilla alueilla sijainnit kohtaavat. Yhteys on voimakkaampi konfliktien ja timanttikaivosten kuin konfliktien ja öljykenttien välillä. Todellisuudessa näin yleisluonteinen tarkastelu ei ole relevanttia, sillä sijaintien vertailussa tulisi ottaa huomioon konfliktien ja kaivannaisalueiden tapahtumis- ja perustamisajankohdat.

Yksi pahimmista timantteihin liittyvistä konfliktialueista lienee Sierra Leonen ja Liberian ympäristö. Alue tunnetaan monimutkaisista kuvioista, joissa kapinallisjoukot ja niiden taustalla vaikuttavat intressiryhmät rahoittavat konflikteja timanttikaupasta saatujen tulojen avulla (UCDP). Tällaiseen tarkoitukseen käytettyjä timantteja kutsutaan veritimanteiksi. Tietokantaan ei ole merkitty aivan tuoreimpia Afrikan konflikteja, esimerkiksi Libyan öljykenttien hallintaan liittyviä taisteluita. Toisaalta tilanne Libyassa lienee edelleen hyvin sekava ja koko tapaus on niin tuore, ettei tietoa välttämättä ole saatavilla.

Afrikan konfliktien sijoittumista tutkineet Hegre & Raleight (2006) toteavat raportissaan, että konfliktien keskukset sijaitsevat usein valtioiden periferisillä alueilla, joissa tyypillisesti on eri yhteisöjen tiheää, klusterimaista asutusta. Erityisen konfliktiherkkiä alueita ovat rajaseudut. Tutkimus etsii konfliktiherkkyyttä selittävää tekijää etenkin valtioiden väestömääristä, mille löytyykin korrelaatio.

Afrikka

Kuva 1. Afrikan konfliktit laajuusalueineen, timanttikaivokset ja öljylähteet. (Paarlahti 2015)

 

Alkutreenin jälkeen siirryttiin taas varsinaisen tehtävän pariin. Teema vaihtui luonnonmaantieteelliseksi. Tarkoituksena oli tuottaa kaksitasoinen teemakartta Suomen vesistöjen valuma-alueiden tulvaindekseistä ja järvien osuuksista. Tulvaindeksi esitettiin kartassa värein ja järvisyys pylväsdiagrammein. Alkuvaiheessa MapInfossa oli auki Suomen vesistöjen valuma-aluiden mukaan rajattu kartta ja kaksi taulukkoa, jotka sisälsivät tietoa jokien ominaisuuksista. Tulvaindeksi saatiin laskemalla jokien keskiylivirtaama jaettuna keskialivirtaamalla. Tätä ennen taulukot piti yhdistää, jotta laskutoimituksen pystyi tekemään. Tulvaindeksin luku kertoo, kuinka monta kertaa enemmän vettä joessa keskimäärin virtaa tulvahuipun aikana kuin kuivan kauden aikana. Lisäksi järvisyys-taulukko piti tuoda Excelistä MapInfoon.

Pak3kuva

Kuva 1. Vesistöjen valuma-alueiden tulvaindeksi ja järvisyysprosentti

Kartassa näkyy siis Suomen vesistöjen valuma-alueet, jotka muodostavat tarkasteltavan alueen rajat. Valuma-alueidenajat myötäilevät melko hyvin Suomen valtionrajoja. Eniten poikkeamaa naapurivaltioiden puolelle on Karjalan kannaksella ja Ruotsin Lapissa. Pienen tulvaindeksin alueet ovat laajoja ja usein järvisiä lukuun ottamatta Lapin erämaita, jossa järvisyys on pieni.

Kartasta voidaan aika nopeasti nähdä, että järvialan suuri osuus enteilee pientä tulvaindeksiä. Vastaavasti korkean tulvaindeksin alueilla järvisyys on pieni. Valuma-alueiden rajat ovat asettuneet näin. Pienen tulvaindeksin alueet ovat laajoja ja usein järvisiä lukuun ottamatta Lapin erämaita, jossa järvisyys on pieni. Järvisiltä alueilla vesialtaat toimivat luontaisina vesivarastoina, jotka vähentävät tulvariskia. Tasaisilla rannikkomailla järvisyys on pienempi ja vesimassat ovat vain “ohikulkumatkalla” kohti Itämerta. Tällaisten alueiden tulvaindeksiä kasvattaa järvien puuttuminen ja toisaalta maanpinnan tasaisuus, joka mahdollistaa tulvavesien leviämisen laajoille alueille. Korkeimman indeksin alueita ovat Pohjois-Pohjanmaa ja Varsinais-Suomi. Korkeimman tulvaindeksiarvon saa Aurajoki. Rajusti tulvivat alueet ovat pinta-alaltaan pieniä.

Karttaan olisi ollut mahdollista jättää näkyville vesistöt (myös Suomen ulkopuoliset), mutta päätin piilottaa ne. Vesistöjen kanssa kartta näytti hienolta, mutta järvisyys-pylväät jäivät osittain niiden alle, enkä saanut muutettua tätä. Ne olisivat myös häirinneet Ruotsin päälle sijoittamani legendan luettavuutta. Ympäröiviin alueisiin olisi voinut myös käyttää jotakin täytevärillä, kuten esimerkiksi Roosan kartassa.

Tulvaindeksiaineiston jakauma oli vino. Luokkarajoiksi laitoin kvantiilit ja neljä luokkaa. Kahden joen indeksiarvot olivat kuitenkin huomattavan korkeat (noin 550 ja 1100) eroten selvästi muusta aineistosta. Tein näille kahdelle Varsinais-Suomessa sijaitseville jokialueille oman luokan, joten luokkia tuli lopulta viisi.

Karttaa tehdessä tuli pari unknown erroria, mutta kaiken kaikkiaan sain työn hyvin nopeasti valmiiksi. Kartan tekeminen tuntui jo rutiininomaiselta ja muutenkin yksinkertaisemmalta viime viikkoon verrattuna, sillä aineistoja ei tällä kertaa tarvinnut valita itse. Muista PAK-ryhmistä kantautui huhuja, että tämä kurssikerta olisi erityisen vaikea, mutta onnistuin pysymään aika hyvin kärryillä.

Lähteet:

Uppsala Conflict Data Program (2015) Conflict encyclopedia                         <http://www.ucdp.uu.se/gpdatabase/gpcountry.php?id=136&value=#>. Uppsala universitet. Luettu 6.2.2015.

Wikipedia (2015). Blood diamonds. <http://en.wikipedia.org/wiki/Blood_diamond>. Luettu 6.2.2015.

Hegre, H. & Raleigh, C. (2006). Population Size, Concentration, and Civil War. A Geographically Disaggerated Analysis. Centre for the Study of Civil War (CSCW).

Paarlahti, A. (2015) . Paikkatiedon hankinta, analyysi ja kartografia 2015 -blogi. <https://blogs.helsinki.fi/pak-2015/2015/01/30/afrikkaa-ja-konflikteja/>.

Puumalainen, R. (2015) ROOSAN BLOGI. Kurssikerta 3. <https://blogs.helsinki.fi/roosapuu/>.

 

Toinen kurssikerta: Karttadiagrammit ja päällekkäiset teemakartat

Toisella kurssikerralla jatkettiin teemakarttojen tuottamista MapInfolla. Tällä kertaa teimme karttoja, joissa alueisiin yhdistettiin erilaisia tilastodiagrammeja. Näitä esityksiä kutsutaan karttadiagrammeiksi tai kartogrammeiksi. Yhdistimme karttoihin pylväs- ja ympyrädiagrammeja. Tämän jälkeen harjoittelimme päällekkäisten teemakarttojen tekoa ja niiden ulkonäön säätämistä kohdalleen. Päällekkäisissä teemakartoissa oli kaksi aineistoa, joista toinen kuvattiin tuttuun tapaan väreillä ja toinen esimerkiksi pisteillä tai viivoituksilla. Kokeilimme myös vähän näyttävämpää prismaattista 3d-karttaa, josta oli kuitenkin mielestäni melko vaikea saada informatiivista.

Kurssikerran varsinainen tehtävä oli kaksitasoisen teemakartan tekeminen vapaavalintaisista teemoista. Tavoitteena oli valita sellaiset teemat, joilla olisi jonkinlainen yhteys toisiinsa. Päällekkäisen teemakartan avulla voidaan ikään kuin herättää eloon tilastoaineistoja, joiden vertaaminen toisiinsa pelkkiä numeroita tuijottaen olisi aika tylsää puuhaa.

Kartassani on kaksi teematasoa, joista alimpana on työttömien määrä työikäisestä (15-64v) väestöstä. Aineiston kolme luokkaa ovat kartassa vaaleilla sinisen, vihreän ja keltaisen sävyillä. Työttömyystason päällä on Terveyden ja hyvinvoinnin laitoksen sairastavuusindeksi. Indeksin suurusluokkaa kuvaavat viivoitukset ja ruudukko. Sairastavuusindeksin matalin luokka on vaakaviivoin, keskimmäinen luokkan pystyviivoin ja suurin luokka vaaka- ja pystyviivoin eli ruudukkona. Luokkarajat ovat tässäkin kartassa Equal Count eli kvantiilien mukaan. Tämä luokitus pyrkii asettamaan rajat siis siten, että jokaiseen luokkaan tulee yhtä monta havaintoa.

Hain molemmat aineistot Terveyden ja hyvinvoinnin laitoksen tilasto- ja indikaattoripankki SOTKAnetistä. Molemmat ovat vuodelta 2010. Toisin kuin työttömyyden kohdalla, sairastavuusindeksin monimutkaisuuden vuoksi aivan tuoreimpia tietoja ei ole vielä saatavilla. SOTKAnet oli pullollaan vaikka mitä mielenkiintoista dataa, jota olisi voinut yhdistellä keskenään. Harmikseni todella monen mielenkiintoisen aiheen kohdalla palvelu kuitenkin ilmoitti, ettei tietoja löydy kunta- tai maakuntatasolla. Aiheen valinta ja erilaisten teemojen kokeilu vei tässä tehtävässä suurimman osan ajasta. Samasta valinnanvaikeudesta kärsivät muun muassa opiskelutoverini Pauliina ja Antti.

Sairastavuusindeksi on THL:n määrittelemä mittari, jonka avulla tarkastellaan väestön sairastavuuden eroja alueittain. Sairastavuusindeksistä löytyi ikävakioitu ja ikävakioimaton versio. Käytin ikävakioitua versiota, sillä se sopii paremmin käytettäväksi tämän kaltaisiin vertailuihin jonkin toisen ilmiön kanssa. Ikävakioimaton indeksi sopii tarkasteltavaksi vain sellaisenaan, sillä se korostaa alueiden sairastavuutta voimakkaasti niiden ikärakenteen vuoksi (vanha väestö sairastaa enemmän). Tällöin sairastavuuden mahdolliset yhteydet muihin ilmiöihin hämärtyvät. Tarkempaa tietoa indeksin rakenteesta ja siinä käytettyjen sairauksien painoarvoista löytyy täältä.

PAKkuva2

Kuva 1. Sairastavuusindeksi ja työttömien osuus Suomen maakunnissa (2010). Lähde: Tilasto- ja indikaattoripankki SOTKAnet, THL.

Työttömien korkean osuuden ja korkean sairastavuusindeksin välillä on havaittavissa korrelaatiota. Neljä kuudesta keltaisista maakunnista (paljon työttömiä) kuuluu korkeimman sairastavuusindeksin luokkaan. Luokittelun perusteella työttömyys ja sairastavuus näyttävät painottuvan selvästi Suomen pohjoisiin, itäisiin ja keskisiin osiin.Vain etelessä sijaitsevat Kymenlaakso ja Päijät-Häme kuuluvat sairastavuusindeksin keskimmäiseen luokkaan.

Vihreiden maakuntien (kohtalainen työttömyys) kohdalla sairastavuusindeksi vaihtelee paljon, mutta selvä alueellinen painotus on nähtävissä. Pohjois-Pohjanmaa ja Pohjois-Savo kuuluvat korkeimman sairastavuusindeksin luokkaan. Etelämmässä ja lännemmässä sijaitsevissa saman työttömyysluokan maakunnissa terveystilanne on parempi.

Alhaisimman työttömyyden maakuntia löytyy etelä-lounaasta ja keski-lännestä. Näissä maakunnissa sairastavuusindeksi on joko pienimmässä tai keskimmäisessä luokassa. Ahvenanmaan tilannetta ei pysty erottamaan kartasta, mutta se kuuluu matalimman sairastavuusindeksin ja pienen työttömyyden luokkiin.

En osaa oikeastaan ottaa kantaa siihen, kuinka merkittävää työttömyydestä aiheutuva sairastavuus on sairastavuudesta aiheutuvaan työttömyyteen verrattuna. Suomen hallituskaan tuskin saisi muodostettua tällaiseen sosiaalipoliittiseen kysymykseen mitään selkeää linjaa. Molemmat vaihtoehdot ovat varmasti totta, mutta niiden painoarvoa on vaikea arvioida.

Mielestäni kartasta tuli ulkonäöltään selkeä. Värien valinta ja ruudukon säätäminen, joihin käytin todella vähän aikaa, onnistuivat hyvin. Teemojen tarkastelu maakuntien laajuudella tekee kartasta helppolukuisen. Aluksi yritin vertailla ilmiöitä kunnittain koko Suomen laajuisesti, mutta en onnistunut saamaan kartasta tarpeeksi helppolukuista ja selkeää. Samaan ongelmaan törmäsivät monet m

Lähteet:

Tilasto- ja indikaattoripankki SOTKAnet. http://uusi.sotkanet.fi/portal/page/portal/etusivu/hakusivu. Terveyden ja hyvinvoinnin laitos. Luettu 27.1.2015

Sairastavuusindeksin painoarvot ja lähteet. http://www.terveytemme.fi/sairastavuusindeksi/atlas/notes/taulukko1.htm. Terveyden ja hyvinvoinnin laitos. Luettu 27.1.2015

Hongisto, P. (2015) PAK à la Pauliina -blogi. https://blogs.helsinki.fi/pauliinh/. Luettu 28.1.2015

Autio, A. (2015). Antin paikkatietoblogi. https://blogs.helsinki.fi/anttiaut/ Luettu 28.1.2015

 

Ensimmäinen kurssikerta: MapInfo ja teemakartan tuottaminen

Paikkatiedon hankinta, analyysi ja kartografia 1 pyörähti käyntiin viime torstaina. Kurssi suoritetaan pitämällä kurssin tapahtumista blogia, jota kurssitoverit ja muutkin pääsevät tarkastelemaan.

Ensimmäisellä kurssikerralla palauteltiin mieleen MapInfo-ohjelman perustoimintoja. Pikainen ensikosketus MapInfoon oli tapahtunut jo aiemmin syksyn ensimmäisen periodin TAK1-kurssilla. Silloin ohjelmaa käytettiin kuntaraporttiin liitetyn sijaintikartan tekemiseen.

Ohjelman perustoimintojen haltuunoton jälkeen harjoiteltiin teemakartan tekemistä. Harjoituskartta sijoittui Helsinkiin ja sille valittiin jokin aihe Helsinkiin liitetyistä ominaisuustiedoista. Kartassa halutun ilmiön (minun tapauksessa ruotsinkielinen väestö) osuutta tai esiintyvyyttä tarkasteltiin Helsingin eri kaupunginosissa.

Tämän jälkeen siirryttiin tekemään kurssikerran varsinaista työtä, joka löytyy tästä blogikirjoituksesta. Tarkoituksena oli juuri opituin keinoin tuottaa teemakartta, jonka aihe yhtälailla valittiin Suomen kuntiin sisällytetyistä ominaisuustiedoista. Aineistot olivat monipuolisia ja jokaisesta kunnasta löytyi pitkä lista eriaiheista tietoa aina väkiluvusta teollisuustyöpaikkojen määrään asti. Teemakarttojen teko onnistui ohjelmalla varsin helposti. Kartassa esitettävät ilmiöt ja muuttujat oli helppo valita ohjelman teemakarttatyökalulla. Aineistosta oli mahdollista tuottaa hyvin eriaiheisia karttoja, mikä varmasti näkyy muiden blogeja lueskellessa.

Teemakarttani aiheena on selvitettyjen rikosten osuus suhteessa poliisin tietoon tulleisiin rikoksiin vuoden 2010 aikana. Selvitettyjen rikosten määrä ja tietoon tulleiden rikosten määrä olivat kaksi erillistä ominaisuustietoa taulukossa, mutta niiden vertaaminen toisiinsa ja prosenttiosuuden laskeminen onnistui teemakarttatyökalulla helposti.

rikokset

Kuva 1. Selvitettyjen rikosten osuus tietoon tulleista rikoksista (2010)

Kartan sisällöstä voidaan pääpiirteittäin sanoa, että suuren väkiluvun omaavissa kunnissa selvitettyjen rikosten osuus jää pienemmäksi. Tämä ei kuitenkaan ole koko totuus, sillä myös monet syrjäisetkin pikkukunnat kuvautuvat kartassa punaisen sävyillä. Selvitettyjen rikosten osuus suhteessa poliisin tietoon tulleisiin rikoksiin näyttääkin olevan melko kuntakohtaista. Joitakin alueellisia painotuksia voi kuitenkin nähdä, esimerkiksi Länsi-Suomen sisämaassa on huomattava korkeamman selvitysosuuden alue. Aivan rannikolla sijaitsevat kunnat puolestaan jäävät lähes aina keskimmäisiin tai alimpiin luokkiin. Suurin matalan selvitysosuuden alue painottuu Keskisuomesta etelään ja kaakkoon. Huonoin tilanne on tiheän asutuksen alueilla, esimerkiksi Uudenmaan kunnissa. Lapin kunnissa luokkavaihtelu on suurta. Rikoksia tapahtunee eniten suuren väkiluvun alueilla, jolloin poliisin resurssit kuormittuvat ja selvittämisessä kestää kauemmin.

Yli sadan prosentin lukemiin yltävät Länsi-Suomessa sijaitsevat Töysän ja Kaskisen kunnat. Töysä erottuu kartasta jotenkuten, jos etsii tosissaan, mutta Kaskinen on niin pieni että se häviää näkyvistä. Kaskinen sijaitsee länsirannikolla suurin piirtein samalla korkeudella Töysän kunnan kansa. Yli sadan prosentin selvitysaste tarkoittaa sitä, että vuoden aikana on saatu selvitettyä enemmän vanhoja rikoksia kuin on uusia tullut poliisin tietoon.

Pendelöinti

Kuva 2. Aineiston jakauma histogrammityökalulla

Aineiston luokittelu tuotti ongelmia, enkä ole vieläkään ihan varma onko “equal count” paras tapa tällaisen asteikon luokitteluun. Pitää opetella kunnolla erilaisille jakaumille sopivat luokittelutavat. Samaa miettivät muun muassa Leila Soinio ja Toni Ruikkala blogeissaan. Töysän kunnan 392 prosentin selivtysosuus aiheutti sen, että automaattisella luokittelulla aineiston ylimmästä luokan väliksi tuli 74-392%. Tämä ei mielestäni ollut kovin havainnollista ja tein yli sadan prosentin osuuden ylittäville kunnille kuudennen luokan 100-392%, johon tuli kaksi kuntaa. Muita luokkarajoja en muokannut.

 

Lähteet:

Leilan paikkatietopulinaa -blogi, Leila Soinio. https://blogs.helsinki.fi/lsoinio/luettu 21.1.2015

PAK 2015 -blogi, Toni Ruikkala. https://blogs.helsinki.fi/ruikkala/luettu 21.1.2015