Category: Yleinen

Viimeistä kurssikertaa varten saimme itse tehdä vapaavalintaisen teemakartan, jossa oli kaksi aihetta. Toisin kuin aiemmilla kurssikerroilla tarkoitus oli kuitenkin etsiä käytettävät aineistot ja tietokannat ainakin osittain netistä, eikä vain yhdistellä kurssikansioiden valmiita tiedostoja. Tehtävä osoittautuikin yllättävän vaativaksi. Erityisesti kartalla esitettävän alueen ja kartalla esitettävien aiheiden rajaaminen tuntui vaikealta, aineistoa kun oli vaikka hevosille jakaa.

Koska maailma on suuri ja alueita ja aiheita on enemmän kuin tarpeeksi, päätin tehdä oman karttani Euroopan alueelta, EU-maista tarkalleen ottaen. Euroopasta löytyikin runsaasti aineistoa eurostat-sivustolta (http://ec.europa.eu/eurostat/data/database). Koska tehtävänä oli tehdä kahta muuttujaa esittävä kartta valitulta alueelta, piti seuraavaksi valita muuttujat, jotka halusin esittää kartalla. Itseäni kiinnosti tietää, onko EU-maissa yhteyttä taloudellisen hyvinvoinnin ja sukupuoltenvälisen tasa-arvon kanssa. Taloudellista hyvinvointia kuvaamaan valitsin “GDP per capita in PPS”-tilaston (Tables by themes> Economy and finance> National accounts (including GDP)> GDP and main components> GDP per capita in PPS) vuodelta 2015, ja sukupuolten välistä tasa-arvoa valitsin kuvaamaan sukupuolten välisellä tulokuiluaineistolla (Cross cutting topics> Equality (age and gender)> Gender equality> Earnings and social inclusion> Gender overall earnings gap) vuodelta 2014.

Aineistojen valinta oli vielä helppoa verrattuna seuraavaan tuskalliseen työvaiheeseen: aineistojen muuttamiseen MapInfolla työstettäviksi. Ensinnäkin aineistoja tarkastellessa piti varmistaa, että jokaisesta maasta löytyy tiedot, ja että molempien aineistojen tiedot koskevat sanoja maita, sekä tietojen taulukointi esimerkiksi exelissä sopiviksi. Tässä menikin käytännössä suurin osa ajasta, ja aina kun luulin saaneeni aineistot valmiiksi varsinaista kartantekoa ajatellen, niin huomasin jonkin asian olevan pielessä. Näin samoista aineistoista kertyi monet monet tiedostot ennen kuiin ne viimein olivat valmiita.

MapInfossa työskennellessä sopivan projektion löytämisen jälkeen oli aika liittää kerätyt aineistot kartalle. Bruttokansantuotteen vaihteluja EU-maissa kuvasin perinteiseen rasterityyliin, ja sukupuolten välisen tulokuilun suuruutta taas kuvasin pylväsdiagrammeilla. Lopputulos näyttää seuraavalta (Kartta 1.):

Lopputuloksessa on kyllä periaatteessa kaikki osaset kohdillaan, mutta se ei kerro lukijalle paljoakaan. Sari Aroalhoa lainaten: “Ei ole kiva fiilis valmista karttaa katsellessa huomata, että koko kartta on tehty täysin päin helvettiä.” (“Tee se itse, kurssikerta 7”, 3.3.2017). Aroalhon kohdalla lause ei kylläkään pidä paikkaansa kurssikerran hienoja karttoja katsellessa, mutta minulle se sopii kuin nenä päähän.

Kartan aihetta miettiessäni ja sitä tehdessäni oletin siis automaattisesti, että maissa, joissa GDP asukasta kohden PPS-yksiköissä on matala, olisi naisten ja miesten välinen tulokuilu korkea ja päinvastoin. Karttaani tarkastellessa osittain näin onkin, esimerkiksi Turkissa tulokuilu näyttää olevan suuri ja GDP taas matala. Kuitenkin esimerkiksi GDP:ltään samassa luokassa olevaa maata Latviaa tarkastellessa voidaan havaita, että tulokuilu on siellä vastaavasti pieni. Kartassa ei tunnu olevan paljon päätä eikä häntää, ja syyttävän sormen voinkin osoittaa vain itseeni.

Mitä sitten olisin voinut tehdä toisin, että kartasta olisi tullut onnistuneempi, eikä nykyisenkaltaianen kissan oksentamaa jo kertaalleen syötyä herne-maissi-paprikasalaattia muistuttava epäsikiö? Vastaus jääköön tuleville sukupuolille selvitettäväksi. Ei vaineskaan. Ensinnäkin olisin voinut aineistoja tutkiessani jo etukäteen selvittää, korreloivatko valitsemani tekijät toistensa kanssa, näin koko kartta olisi kenties jäänyt tekemättä ja maailmassa olisi yksi huono kartta vähemmän. Ei sillä että kahden tekijän keskenään korrelointi välttämättä tarkoittaisi syy-seuraussuhdetta, mutta se olisi ainakin ollut jonkinmoinen lähtökohta kartalle. Olisin voinut myös käyttää erilaista tilastoa kuvaamaan vaikka sukupuolten välistä epätasa-arvoa, esimerkiksi olisin voinut kartallani verrata naisten koulutuksen tasoa talouden hyvinvointiin jne. No, tehty mikä tehty.

Kurssi on siis tältä erää taputeltu, ja vaikka tuskaa, hikeä, verta, räkää ja kyyneleitä se paikoin tuottikin, voin sanoa, että näin taaksepäin katsellessa saimme aika paljon tehtyä. Melkein ylpeä voisi olla, elleivät omat tuotokset paikoin aiheuttaisi lähinnä myötähäpeää itseä kohtaan. En vieläkään ole Map-Infon ammattilainen enkä edes amatööri, mutta ainakin alkeet ovat jollain tasolla hallussa, vaikka homma sujuukin edelleen sulavimmin tarkkojen ohjeiden kera. Kiitos ja kumarrus Suurelle Johtajallemme Artulle, joka siivitti minutkin vastoinkäymisten kautta voittoon tällä kolmannen periodin Via Dolorosalla.

Loppuun vielä Jouko Lappalaista (“Osa 7-‘Sä oot viimeinen, sua jättäis en'”) siteeraten:

“’Ja Jumala päätti seitsemäntenä kurssikertana työnsä, jonka hän oli tehnyt, ja lepäsi seitsemäntenä päivänä kaikesta työstänsä, jonka hän oli tehnyt.’
(1. Moos 2:2)”

Lähteet:

Tilastoja Euroopan alueelta: <http://ec.europa.eu/eurostat/data/database> Luettu 1.3.2017.

Viittaukset:

Aroalho Sari, “Tee se itse, kurssikerta 7”, Sarin pakkiblogi, 3.3.2017. <https://blogs.helsinki.fi/aroalho/> Luettu 18.3.2017.

Lappalainen Jouko, “Osa 7-‘Sä oot viimeinen, sua jättäis en'”, Vain PAK(ki) puuttuu – Tarinoita paikkatiedon hankinta, analyysi ja kartografia -kurssista, 2.3.2017. <https://blogs.helsinki.fi/ladjouko/> Luettu 18.3.2017.

Artikkelitehtävässä piti lukea Anna Leonowiczin kahden muuttujan koropleettikarttoja käsittelevä artikkeli: ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship” ja ”reagoida” siihen. Artikkelissa todettiin kahden muuttujan koropleettikarttojen olevan oikein käytettyinä hyvä tapa kuvata kahden tekijän välistä suhdetta maantieteellisesti. Kuitenkin, jos esimerkiksi luokkia on liian monta (enemmän kuin 9 luokkaa on jo lukijalle liian ”monimutkainen”, liian vaikeasti tulkittava). Artikkelissa saatiin selville, yhden muuttujan koropleettikartat kuvaavat ilmiön alueellista jakautumista selkeämmin kuin kahden muuttujan koropleettikartoilta taas ilmiöiden suhde näkyy selvemmin.

Aiemmassa artikkelin mainitsemassa tutkimuksessa kahden muuttujan koropleettikartat oltiin lytätty liian monimutkaisina ja mahdottomina tulkita, mutta tässä nimenomaisessa tutkimuksessa käytetyt kahden muuttujan koropleettikartat olivat ”huonosti tehtyjä”; niissä luokkien määrä oli liian suuri ja myös kartan värit johtivat lukijaa harhaan. Oikein käytettynä kahden muuttujan koropleettikartat antavat lukijalleen enemmän kuin kaksi erillistä koropleettikarttaa.

Itselleni hyvänä muistutuksena artikkelissa tuli erityisesti se, että kahden muuttujan koropleettikartoissa on tarkoitus nimenomaan kuvata kahden muuttujan välistä suhdetta, joten jo ennen karttan tekemistä kannattaa tarkistaa muuttujien välinen suhde ja mahdollinen korrelaatio. Yllätyksenä tuli myös se, miten pienestä riippuu kartan tulkittavuus kun kartalla esitetään kahta muuttujaa – yksikin luokka liikaa ja kartta on liian ”monimutkainen”.

Artikkelin teksti erityisesti loppuosassa artikkelia oli paikoin haastavahkoa, erityisesti vieraskielistä tieteellistä tekstiä lukemaan tottumattomalle kuten minulle. Monet itselle vieraat sanat artikkelissa liittyivät tieteelliseen sekä maantieteelliseen sanastoon, jota en ollut ennen kuullut. Toisaalta mikäli tulevaisuudessa luen enemmänkin maantieteeseen liittyvää tieteellistä tekstiä, käsitteet ehkä alkavat luistaa paremmin.

Artikkelin karttojen legenda oli poikkeuksellinen, siinä molemmat muuttujat oltiin asetettu ikään kuin koordinaatistoon, toinen muuttuja vaaka- ja toinen pystyakselilla. Tämän esitystavan ansiosta kaikki luokat ovat yhtä aikaa nähtävillä ja siten ehkä helpommin tulkittavissa. Tässä esitystavassa korostuu se, että yhdenkin luokan lisääminen muuttujiin lisäisi luokkien kokonaismäärää kahden muuttujan takia moninkertaisesti.

Kahden muuttujan koropleettikartat koetaan helposti monimutkaisempina kuin yhden muuttujan vastaavat; niitä kun ei voida tulkita samalla tavoin ”yhdellä silmäyksellä”. Ne ovat kuitenkin omalla tavallaan mielenkiintoisempia, sillä niillä voidaan kuvata kahden muuttujan suhdetta toisiinsa tavalla, joka ei onnistuisi kahdella yksittäisellä samoista muuttujista tehdyillä yksinkertaisilla koropleettikartoilla. Nämä kartat antavat mahdollisuuden tutkia, miten muuttujat käytännössä korreloivat keskenään ja sijoittuvat alueellisesti. Kartan lukijan on kuitenkin kyettävä havaitsemaan kartalla esitetyt muuttujat erillisin ilmiöinä ja kyettävä tunnistamaan niiden sijoittuminen kartalla myös erikseen karttaa ymmärtääkseen.

Kahden muuttujan koropleettikartoissa iso vastuu on kuitenkin kartan tekijällä: hän vastaa siitä, kuinka luettava kartasta lopulta tulee. Tärkeää on muistaa erityisesti muuttujien luokittelu sekä luekkien määrä, kartalla käytettyjen värien ja rasterien merkitys kartan tulkintaa ajatellen, sekä kahden muuttujan suhde toisiinsa.

Lähteet:

Anna Leonowicz, 2006. Two-variable choropleth maps as a useful tool for visualization of geographical relationship.

Kolmen tunnin yöunet ja pelko siitä, että torkutan pakkikerran ohi vaihtui helpotukseen, kun viimein hikisenä lysähdin GIS-luokan lämpimään syleilyyn. Levon hetkeä ei kuitenkaan minulle siunattu muutamaa minuuttia kauempaa, sillä kuudennen pakkikerran aluksi käänsimme ensimmäistä kertaa koko kurssin aikana turtuneet katseemme pois näyttöpäätteen pikseleistä ulkoilman ihmeisiin. Ryhmiin jakauduttuamme saimme omat GPS-paikannuslaitteet, ja saimme lähteä lähes tunnin lenkille purevaan viimaan paikantamaan kymmenen pistettä haluamamme teeman mukaan. Oma ryhmäni valitsi teemaksi suojatiet, ja niitä löytyikin jo ihan tarpeeksi rakkaan Kumpulamme ympäristöstä, ja näin aikaa jäi mukavasti vielä kahvilatiloissa istuskeluun muiden ravatessa pää kolmantena jalkana pitkin Arabiaa.

Pisteet kerättyämme pääsimme sijoittamaan keräämämme tiedot kohteidemme sijainneista koordinaattien avulla konkreettisesti kartalle MapInfossa. Tutkimme eri ryhmien keräämiä tietoja ja niiden sijoittumista kartalla, sekä mahdollisia virheitä pisteiden sijoittumisessa.

Kokeilimme myös valmiin pisteaineiston geokoodausta, tässä tapauksessa peliautomaattien sijoittumista osoitetietojen mukaan eri puolilla Helsingin alueella. Osoitetietojen mukaan sijoittamisessa ongelmaksi muodostui osin eri kirjoitusasut osoitetiedoissa, jolloin MapInfo ei niitä automaattisesti osannut samaksi osoitteeksi yhdistää, vaan se piti tehdä manuaalisesti. Tämän muisti myös Vilja Jokinen: ”Mikäli osoite ei ollut täsmälleen samalla tavalla kirjoitettu molemmissa aineistoissa (esim. yhdysmerkin tai välilyönnin puuttuminen), osoitteet täytyi hyväksyä manuaalisesti toisiaan vastaaviksi” (”Kurssikerta 6: GPS-paikannusta, pistekarttoja ja hasardeja”, 22.2.2017).

Kurssikerran lopuksi itsenäistehtävänä teimme erilaisia pistekarttoja, joihin sijoitimme netistä eri tietokannoista löydettyä tietoa esimerkiksi maanjäristyksistä ja tulivuorista. Tiedot eivät siis olleet tällä kertaa valmiina kurssikerran kansioissa, vaan ne piti itse hakea ja muuttaa MapInfolla työstettäviksi. Saman oli huomannut Saara Varis: ”Tällä kertaa aineistoa ei siis annettu meille valmiina tarjottimella, vaan saimme itse nähdä hieman vaivaa sen hankkimiseksi” (”Geokoodausta ja hasardikarttoja”, 23.2.2017). Harjoituksessa pääsimme liittämään sijaintitietoista aineistoa valmiille maailmankartan karttapohjalle MapInfossa, tärkeää oli kuitenkin muistaa muokata tietokannoista saatu tieto etukäteen sopivaksi esimerkiksi Exelin avulla taulukoimalla tiedot.

Maanjäristystietokanta oli erityisen mielenkiintoinen, sillä sen avulla pystyi hyvin tarkkaan määrittämään millä aikavälillä tapahtuneista ja minkä magnitudin voimakkuuksisista maanjäristyksistä halusi tietoa. Ensimmäisessä kartassani tutkin tämän vuoden aikana (22.2.2017 mennessä) tapahtuneita maanjäristyksiä (Kartta 1.), ja voimakkuudeksi valitsin oletuksena olevan 6 magnitudin sijaan 5,5 magnitudia, jotta tapauksia oli tarpeeksi näyttämään kartalla mielenkiintoiselta.

Kartalta (Kartta 1.) on havaittavissa, että tähän mennessä (22.2.2017) maanjäristyksiä on esiintynyt tänä vuonna muutamaa tapausta lukuun ottamatta pääasiassa Oseaniassa ja Etelä-Amerikassa.

Tutkin maanjäristystietokantoja kartoillani useilta eri vuosilta, mutta lopulta toiseksi kartaksi (Kartta 2.) valitsin kartan, jossa näkyvät yli 8 magnitudin maanjäristykset sekä vuosina 1950-2000, että 2000-luvulta tähän päivään (22.2.2017).

Huomattavaa on, että viimeisen 17 vuoden aikana on tapahtunut enemmän yli 8 magnitudin maanjäristyksiä, kuin viidenkymmenen vuoden aikana aikavälillä 1950-2000. Maanjäristysten vähäisempää määrää välillä 1950-2000 voidaan toki jossain määrin perustella vähemmän tarkoilla tai olemattomilla mittausjärjestelmillä, nykypäivänä kun lähes jokainen järistys on tarkkoin mitattu ja paikannettu, mutta fakta on silti se, että voimakkaiden järistysten määrä on selvästi aikaisempaa suurempi.

Kolmannessa kartassani (Kartta 3.) käytin tulivuoritietokantaa tehdessäni pistekarttaa, jossa näkyvät tulivuoret eri puolilla maailmaa. Havaintoja on niin paljon, että monilla alueilla tulivuoria kuvaavat kolmionmuotoiset symbolit peittävät toisensa näkyvistä ja tulivuorien todellista määrää on vaikea hahmottaa, näin jälkeenpäin miettien olisin voinut pienentää symbolin kokoa. Tulivuorien sijoittumista on sen sijaan helpompi tutkia kartalta – tulivuoret ovat kasautuneet erityisesti mannerlaattojen rajakohtiin, sekä paikoin myös eri kuumien pisteiden alueelle kuten Havaijille Tyynellämerellä.

Neljännessä kartassani (Kartta 4.) yhdistin maanjäristystietokannasta saamiani tietoja aiemman karttani (Kartta 3.) tulivuorien sijaintitietoon. Päällekkäin näkyvät tulivuorien sijainti, sekä 2000-luvulla tapahtuneet vähintään 7 magnitudin maanjäristykset. Karttaa tutkiessa voidaan helposti havaita, että maanjäristykset sijoittuvat samoille alueille kuin tulivuoretkin, erityisesti törmäys- ja alityöntövyöhykkeille on kerääntynyt yhtälailla molempia. Tulokset eivät ole yllättäviä, mikäli kartan lukijalla on hiemankin tietoa mannerlaattojen hyörinästä.

Opetuksessa näitä tekemiäni karttoja voisi käyttää kenties yläasteella tai lukiossa mannerlaattojen toimintaa ja vulkanismia käsiteltäessä. Kartat ovat kuitenkin kaukana ammattimaisista, ja esimerkiksi Kartassa 2 vertailemani ajanjaksot 8 magnitudin järistyksille ovat täysin hatusta vedettyjä, eikä niiden valintaan ole erityistä tieteellistä pohjaa.

Maanjäristyksiin liittyen löysin mielenkiintoisen sivuston, jolta voi seurata ajankohtaisesti tapahtuvia maanjäristyksiä (http://quakes.globalincidentmap.com/ ). Sivusto päivittyy tiuhaan tahtiin, ja sivustolta näkeekin maanjäristysten tiedot tarkasta sijainnista, syvyydestä ja voimakkuudesta, sekä järistyksen ajankohdasta hyvin tarkkaan. Sivustolla olevan live-maanjäristyskartan alapuolella on linkkejä myös muihin vastaavantyyppisiin karttoihin, esimerkiksi karttaan metsäpaloista (http://fires.globalincidentmap.com/) tai vaikka jengiaktiivisuudesta (http://gangs.globalincidentmap.com/home.php). Molemmat näistä jälkeenpäin mainituista kartoista ovat tosin vain USA:ta koskevia, mutta maanjäristyskartta sen sijaan on koko maapalloa koskeva.

Kurssikerta oli erittäin tuottelias ja opettavainen, mutta sen, että magnitudi kirjoitetaan pienellä alkukirjaimella, opin vasta kurssikerran jälkeen tätä tekstiä kirjoittaessani. Tämä tiedonpuutteen tila, tai pikemmikin virheellisen luulon tila, voi siis paikoin aiheuttaa hämmennystä kurssikertani aikana tekemieni karttojen legendoissa – tämä suottakoon minulle anteeksi.

 

 

Lähteet:

Live jengiaktiivisuuskartta <http://gangs.globalincidentmap.com/home.php> Luettu 25.2.2017.

Live maanjäristyskartta <http://quakes.globalincidentmap.com/> Luettu 25.2.2017.

Live metsäpalokartta <http://fires.globalincidentmap.com/> Luettu 25.2.2017.

Maanjäristystietokanta <http://quake.geo.berkeley.edu/anss/catalog-search.html> Luettu 22.2.2017.

Tulivuoritietokanta <https://catalog.data.gov/dataset/global-volcano-locations-database> Luettu 25.2.2017.

 

Viittaukset:

Jokinen  Vilja, ”Kurssikerta 6: GPS-paikannusta, pistekarttoja ja hasardeja”, Viljan pakkiblogi, 22.2.2017. < https://blogs.helsinki.fi/jokinenv/> Luettu 25.2.2017.

Varis Saara, ”Geokoodausta ja hasardikarttoja”, Saaran blogi, 23.2.2017. <https://blogs.helsinki.fi/saavaris/> Luettu 25.2.2017.

Viidennellä kurssikerralla pääsimme tekemään bufferointia ja analyysejä. Niin mitä ihmeen bufferointia? Sitä minäkin mietin, kunnes tekemällä selvisi, että bufferoinnin eli puskuroinnin avulla pystyy laskemaan esimerkiksi kuinka monta kohdetta on jonkin kartan objektin säteen sisällä. Esimerkkinä pystyimme laskemaan Pornaisten aineistosta vaikka sen, että kuinka monta taloa on puolen kilometrin säteellä sairaalasta, tai kuinka monta taloa on sadan metrin säteellä pääteistä.

Bufferointiharjoituksissa hyödynsimme kotiläksynä loppuun asti tehtyä aineistoa Pornaisten kartan rakennuksista sekä pääteistä. Häpeäkseni voin tunnustaa, että oma aineistoni jäi kesken (perhevelvoitteet aka kotireissu Kaustiselle vei aikani ja voimani), mutta onnekseni viidennen kurssikerran kansiosta löytyivät valmiit aineistot minun kaltaisilleni laiskureille käytettäväksi.

Pornaisten aineistossa ei kauan nokka tuhissut, ja siirryimmekin tekemään bufferiharjoituksia mainioiden lentokenttien alueelle Helsingin seudulla. Tehtävät sujuivat tarkasti ohjeita seuraamalla, ja apua kysymällä lähes siedettävästi, kunnes tajusin katsoneeni vastauksiksi ylös kirjaamiani lukuja vääristä kohtaa. No, kertaus on opistojen äiti ja sain tehdä useamman tehtävän toiseen otteeseen löytääkseni oikeat vastaukset. Lopulta tuskastuttavat tehtävät oltiin saatu päätökseen, josta seurasikin Exelin yhteistyökyvyttömyys taulukkojen luonnissa, mikä johti lopulta vanhan uskollisen snipping toolin käyttöön. Alla on taulukossa saamani tulokset tunnilla tehdyistä bufferiharjoituksista (Taulukko 1.). Moni kurssilaisista totesi tämän bufferin hyödylliseksi työkaluksi, enkä minäkään käy sitä kieltämään. Muun muassa Sonja Koivisto totesi bufferityökalusta blogissaan seuraavaa: ”Kaiken kaikkiaan työkalu on hyödyllinen ja monipuolinen, sekä melko yksinkertainen käyttää.” (”Bufferoinnin alkeet ja itsenäistä analyysiä”, 20.2.2017).

Bufferoinnin käytön opin ihan hyvin, mutta näin jälkeenpäin tuntuu, että kyllä muisti tekee temppunsa ja unohdus korjaa satoaan. Muutenkin kurssin aikana monet asiat, joita on tunnin aikana oppinut kyllä jäävät mieleen, mutta käytännössä niitä ei välttämättä heti osaisi käyttää, tai oikeammin muistaisi mitä kautta minkäkin halutun toiminnan saa käyttöönsä. Parhaiten mieleen muistuvat varmaankin kurssin alkupuolella tehdyt teemakartat, niitä kun tehtiin niin tuhottoman monta, ja värejä ja kuvioita oli vaikka päiväkerhoon jakaa.

Nyt kun oikeen miettii, niin kauhulla tajuaa, että MapInfossa käytetyt tekniikat ja niiden kautta saadut tulokset ovat käytännössä lähes puhtaasti hyvien työohjeiden ansiota, itsenäisesti en osaisi näitä toimintoja käyttää, tai edes tietäisi mitä pitäisi käyttää ja milloin. Luoja auta, kun joskus pitää itsenäisesti osata tämänkin ohjelman salat.

Ei Pakki nyt pelkkää tuskaa ole kuitenkaan ollut, mukaan on mahtunut muutamia vapauttavia oivaltamisen hetkiä, ja hetkiä, jolloin on tajunnut miten lähes rajattomat mahdollisuuden minulla on MapInfon kanssa karttoja työstäessäni. Samoissa tunnelmissa oivaltamisineen on ollut Meeri Näppilä, joka kertoo blogissaan, miten vastoinkäymisistäkin huolimatta onnistumisen hetket ovat olleet parhaita: ”Joka tapauksessa minua viehättää se, miten oman kädenjälkensä näkee ruudulla ja voi osoittaa kaverille että ’mä tein tän’. Vääntäminen, kääntäminen ja lopulta onnistuminen on ihanaa!” (”Ajatuksia Mapinfosta (KK5)”, 19.2.2017).

Näiden turhien pohdintojen kautta on hyvä siirtyä viidennen kurssikerran loppupuolella aloitettuun, ja kotiläksyksi jääneeseen itsenäistehtävään, jonka sai valita vapaasti eri teemoista. Itse valitsin tehtäväksi (ah, aina niin ihanan) uima-altaat ja saunat. Voi riemun päivää. Hyvien ohjeiden avulla tarvittavat tiedot taulukkoa (Taulukko 2.) varten löytyivät varsin hyvin, mutta uima-allaskartasta (Kartta 1.) tuli varsin kaamea, osittain ehkä siksi etten kuollaksenikaan keksinyt, mistä olisin saanut pylväisiin lisättyä numeroarvot kuvaamaan altaiden määrää. Samassa jamassa olivat muutama muukin samaa tehtävää tekevät samassa luokassa uurastaneet myötäeläjäni. Kartan ollessa pylväsdiagrammikartta sen teko helppotulkinnaiseksi on varsin vaikeaa, sillä jotta alueiden erot saataisiin esille, pitää pylväskoon olla varsin korkea, mutta se johtaa samalla siihen, että pylväät sekoittuvat helposti toisiinsa ja tekevät kartasta ”sekasotkun”. Koska kartasta tuli siis huono ja lähes mahdoton tulkittava, kerron jo tässä että uima-allarikkain alue oli Lauttasaari 53:lla uima-altaallaan.

Kurssikerta oli tähänastisista kenties puuduttavin, tiedä häntä johtuiko se yksipuolisesta numeroiden naputtelusta, omasta hitaudestani vai siitä, että lentokentät ja juna-asemat olivat aiheena vain kertakaikkisen tympäännyttäviä. Toki suurimpana taustalla olevista tekijöistä lienee oma henkilökohtainen asennevammani, sekä allergiani kaikenlaisia ahkeruutta ja reippautta vaativia toimia kohtaan.

Viittaukset:

Näppilä Meeri, ”Ajatuksia Mapinfosta (KK5)”, AkvaPakki, 19.2.2017. <https://blogs.helsinki.fi/nappila/blogitekstit/page/2/> Luettu 24.2.2017.

Koivisto Sonja, ”Bufferoinnin alkeet ja itsenäistä analyysiä”, Sonjan blogi, 20.2.2017. <https://blogs.helsinki.fi/kosokoso/> Luettu 24.2.2017.

 

Neljännellä kurssikerralla teimme ruutukarttoja. Käyttämämme YKR:n (Yhteiskunnan Seurantajärjestelmän) tietokanta Helsingin seudulta oli huomattavasti isompi ja kattavampi aiempiin käyttämiimme tietokantoihin verrattuna, tietoa oli tarjolla aivan rakennuskohtaisesti. YKR on Tilastokeskuksen ylläpitämä, ja Jouko Lappalainen (“Osa 4 – ‘You’re never too young to have TAK flachbacks'”, 12.2.2017) tiivistää YKR:n aineistonkeruun seuraavasti: “Tietämättömille tiedoksi, että YKR:ään kerätään rakennuksittain tietoa kyseisen talon asukkaista ja rakennuksesta itsestään. Käyttämässämme aineistossa oli esimerkiksi tiedot pääkaupunkiseutulaisten iästä, kielestä, kansalaisuudesta, sekä rakennuksen iästä ja talotyypistä”. Ruutukartan tekoon oli siis paljon tietoa saatavilla eri aiheista.

Ruutukarttoja tehdessämme kokeilimme eri ruutukokoja selvittääksemme, mikä tarkkuus olisi sopiva, ja missä vaiheessa ruutukoko kasvaa esimerkiksi liian suureksi ja näin kartan ilmiön esitys on liian epätarkka. Kokeilimme tehdä esimerkiksi 500 metrin, 1 kilometrin ja 2 kilometrin kokoisia ruutukarttoja. MapInfossa kannatti myös laittaa ruudukkoa tehdessä projektio kohdalleen, sillä muuten ruutukoko saattoi muuttua joksikin muuksi kuin halutuksi.

Tein ruutukartan 18-25 vuotiaiden määrästä (Kuva 1. ) kokeillen 250 metrin ruudukkoa, mikä osoittautui liian pieneksi, ruutujen pieni koko haittaa jo värien ja alueiden mahdollisesti muodostamien kokonaisuuksien hahmottamista.

Vaikka kartasta (Kuva 1.) tulikin ruudukon koon vuoksi vaikeasti tulkittava, voidaan siltä havaita ainakin, että 18-25 vuotiaiden määrät ovat pääkaupunkiseudulla suurimpia Helsingin kantakaupungissa, ja pienempiä muilla alueilla. Nuorten levittäytymisessä kuitenkin huomaa varsin selkeästi sen, että heitä asuu paljon hyvien liikenneyhteyksien varrella (esimerkiksi juna- ja metroreittien varsilla).  Tämän ikäluokan nuoret kun useimmiten ovat opiskelijoita, jotka käyttävät julkista liikennettä liikkumiseen, sillä harvalla on varaa esimerkiksi omaan autoon.

Toisen ruutukartan tein muunkielisten määristä Helsingin pääkaupunkiseudun alueella (Kuva 2.). Tähän karttaan valitsin aiemmasta viisastuneena rutukooksi puoli kilometriä.

Tästä ruutukartasta (Kuva 2..) voidaan havaita, että muunkielisiä on varsin monella alueella eri puolilla pääkauppunkiseutua, mutta keskittymiä on selkeästi erityisesti keskustan alueella sekä Itä-Helsingissä. Itä-Helsingistä onkin tullut tunnetumpi muunkielisten asuinpaikkana, syitä siihen saattaa olla alemmat vuokrat, sekä liikenneyhteydet keskustaan. Muunkielisten päätyminen vain tietyille alueille voi johtaa alueiden eriytymiseen.

Esittämäni molemmat kartat esittävät kuitenkin absoluuttisia arvoja suhteellisten arvojen sijaan, mikä voi johtaa kartantulkinnan virheisiin, kun esimerkiksi ulkomaalaisten määriä ei voida suhteuttaa alueen kokonaisväkimäärään. Absoluuttisten arvojen kannattamattomuuten oli huomannut myös Sari Aroalho (“Ruutuja ja rasterikarttoja, kurssikerta 4”, 13.2.2017) oman pääkaupunkiseudun 18-24 vuotiaat -kartan tehtyään.

Kurssikerran lopuksi aloimme käymään läpi MapInfon piirtotyökalujen käyttöä, ja hommasta tuli kummasti mieleen  viime lukukauden TAK-kurssit ja vanha tuttu CorelDraw. Tehtävänä oli sijoittaa Pornaisten kartalle rakennukset ja tärkeimmät tiet, ja tehtävä jäikin kotiläksyksi seuraavaa kurssikertaa varten, jolloin tekemäämme aineistoa hyödynnettäisiin.

Viittaukset:

Aroalho Sari, “Ruutuja ja rasterikarttoja, kurssikerta 4”, Sarin pakkiblogi, 13.2.2017. <https://blogs.helsinki.fi/aroalho/> Luettu 20.2.2017.

Lappalainen Jouko, “Osa 4 – ‘You’re never too young to have TAK flachbacks'”, Vain PAK(ki) puuttuu – Tarinoita paikkatiedon hankinta, analyysi ja kartografia -kurssista, 12.2.2017. <https://blogs.helsinki.fi/ladjouko/> Luettu 17.2.2017.

Kurssikerran aluksi opeteltiin yhdistämään kohteita MapInfossa, esimerkiksi Egyptin ”osaset” saarineen yhdeksi kokonaisuudeksi, jolloin saadaan maasta tiedot kokonaisena eikä ”pieninä palasina”. Kurssikerran alkupuolella tutustuimme kohteiden yhdistämisen lisäksi myös siihen, miten MapInfoon saa tuotua dataa muista ohjelmista, esimerkiksi Exelistä. Kuitenkin on muistettava, että tiedostojen pitäisi sisältää vähintään yhden (lähes) identtisen pystysarakkeen, jotta tiedot voidaan yhdistää. Kurssikerran alkupuolella opeteltiin myös lisäämään tietokantaan uusia sarakkeita ja tuottamaan niihin tietoa. Sen jälkeen käytiin läpi vielä tiedonsiirto tietokantojen välillä MapInfossa.

Kurssikerran alkupuolisko meni itselleni lähestulkoon ohi, sillä saavuin tunnille myöhässä (Anteeksi Arttu ja anteeksi minä, joka kamppailin tunnin alkupuoliskon päästäkseni kärryille siinä onnistumatta.). Tyydyinkin lähinnä seuraamaan opettajan ohjeistusta ja viimein välitauon koittaessa ja opettajan avun herjetessä sain kiinni tekemättä jääneet tehtäväni. Kurssikerran toisen puoliskon onnistuinkin pysymään muiden perässä ja sain suoritettua harjoitukset muiden tahtiin.

Kurssikerran toisella puoliskolla alettiin työstää tulvaindeksikarttaa. Tavoitteena oli vertailla Suomen vesistöalueiden valuma-alueominaisuuksia ja tulvaherkkyyttä. Tehtävässä oli käytössä valmis MapInfo työtaso, jossa oli paljon tietoa jo valmiiksi, mutta muut tarvittavat tiedot sijaitsivat useissa eri tiedostoissa ja tietokannoissa. Karttatehtävän suorittamiseksi piti yhdistellä eri aineistoja ja tehdä eri laskutoimituksia. Lopputuloksena saatiin aikaan kartta, jossa näkyi sekä Suomen päävaluma-alueiden tulvaherkkyys (tulvaindeksi), että niiden järvisyys (Kuva 1.).

Syntynyttä karttaa tulkitessa havaitsee nopeasti eron Länsi-, Etelä- ja Lounaisrannikon tulvaindeksissä verrattuna muuhun Suomeen. Tulvaindeksi myös nähtävästi korreloi käänteisesti järvisyysprosentin kanssa, sillä alueilla, joilla järvisyys on suuri, on tulvaherkkyys pieni. Tämän on myös huomannut Iivari Laaksonen, joka kirjoittaa blogissaan seuraavaa: ”Kartasta näkee, että Suomen suurin tulvariski on Pohjanmaan rannikolla sekä Etelä- ja Lounais-Suomessa. Näyttääkin siltä, että kartassa esitettyjen kahden muuttujan (tulvaindeksi sekä järvisyysprosentti) välillä on selvä korrelaatio. Runsasjärvisissä Suomen osissa on myös pieni tulvariski.” (”3. Kurssikerta”, 2.2.2017). Voimakkaasti tulvia esiintyy siis esimerkiksi Pohjanmaalla, jossa vähäjärvisyyden vuoksi vesi virtaa jokia pitkin kohti merta järviin virtaamisen sijaan, ja näin vesimassat voivat kulkea pitkiäkin matkoja ilman ”varastointia” ja aiheuttaa siten tulvia.

Kurssikerran aineistossa oli jo valmiiksi tehty histogrammi tulvaindeksin frekvenssijakaumasta (Kuva 2.), mikä säästi aikaa saman histogrammin tekemiseltä. Frekvenssijakaumaa tarkastellessa voi nopeasti havaita jakauman olevan vino, eikä siis normaalijakauman mukainen. Sen voisi siis luokitella tasavälisten luokkien mukaisiin kvantiileihin. Valitsin luokittelutavaksi ”equal count”:n ja tein uuden koropleettiteemakartan tulvaindeksistä (Kuva 3.). Huomasin kuitenkin kartan tehtyäni, että jo aiemmin tekemälläni kartalla luokittelutapa oli sama, ”equal count”-luokittelu on ilmeisesti automaattisena valintana MapInfossa. Näin lopputuloksesta tuli kuitenkin samanlainen väritystä lukuunottamatta kuin aiemmastakin tulvaherkkyyskartasta.

 

 

Kiitos, näkemiin ja ensi kertaan.

Viittaukset:

Laaksonen Iivari, ”3. Kurssikerta”, Iivarin blogi, 2.2.2017. <https://blogs.helsinki.fi/iilaakso/> Luettu 3.2.2017.

 

Toisella kurssikerralla tutustuimme erityyppisiin teemakarttoihin, sekä siihen, miten voidaan tehdä päällekkäisiä koropleettikarttoja ja käyttää kahta erilaista teemaa päällekkäin. Harjoittelimme yhdessä kunkin erilaiset karttatyypin teon, niihin liittyvät piirteet ja mahdollisesti kuhunkin esitystapaan liittyvät ongelmat. Teimme muun muassa pylväs- ja ympyrädiagrammikartat, 3D-kartan, sekä graduated-kartan, jossa tavallisten suhteellisten osuuksien sijaan käytetään absoluuttisia arvoja. Käytännön kokeilun, ja sen tuomien onnistumisten ja epäonnistumisten kautta MapInfon käytön opettelu sujuu parhaiten. Näin Pinja Tolvanenkin on todennut blogissaan: ”Nimenomaan tämä tyyli, että saan itse kokeilla, miten karttoja luodaan ja miten niitä voi muokata, on todella tehokas oppimistapa. Pelkät sanalliset ohjeet eivät jäisi muistiin kovinkaan hyvin.” (“Kurssikerta 2 – Teemakartat”, 1.2.2017)

Kurssikerran lopuksi saimme tehdä valitsemistamme alueista (jokin Suomen maakunnista) haluamanlaisemme kartan, jossa yhdistyy kaksi erilaista teemakarttaa. Itse tein Keski-Pohjanmaan maakunnan alueelta kaksi karttaa: päällekkäisen koropleettikartan, jossa näkyy ruotsinkielisten osuus sekä väestöntiheys (Kuva 1. Ruotsinkielisten osuus Keski-Pohjanmaalla) ja kokonaisnettomuuttokartan (Kuva 2. Kokonaisnettomuutto Keski-Pohjanmaalla), jonka pohjalla on myöskin väestöntiheyskartta. Väestöntiheyskartta pohjana molemmissa auttaa havaitsemaan ilmiön mahdollista kokoa. Jos esimerkiksi kunnassa ruotsinkielisten osuus on suuri, mutta väestöntiheys on pieni, voi ruotsinkielisten todellinen määrä olla hyvinkin pieni, pienempi kuin esimerkiksi suuremmassa kunnassa, jossa ruotsinkielisten osuus olisi aiempaa kuntaa pienempi. Näin päällekkäiset kartat auttavat havainnoimaan kartalla esitettävää ilmiötä syvemmin.

 

Ruotsinkielisten osuutta Keski-Pohjanmaan alueella esittävää karttaa (Kuva 1.) tarkastellessa havaitaan, että maakunnan luoteisosassa, joka on myös lähempänä rannikkoa ruotsinkielisten osuus kasvaa aivan kuin väestön määräkin. Kokkola, jossa on maakunnan tihein väestöntiheys, on myös ruotsinkielisten osuudeltaan suurin. Kokkola on Keski-Pohjanmaan kasvukeskus, mikä selittää myös osittain sen yhteyksiltään lähimpien naapurikuntien kuten Kokkolan ja Kannuksen muita maakunnan kuntia suuremmat väestöntiheydet. Ruotsinkielisten osuus taas on yleensäkin Suomessa suurempi rannikkoa kohti mennessä, joten ei ole yllätys, että ruotsinkielisten osuus on suurempi maakunnan rannikkoa lähempänä olevissa kunnissa.

Kokonaisnettomuuttoa Keski-Pohjanmaan alueella tarkasteleva kartta (Kuva 2.) taas paljastaa, että Kokkolan kunta ei ainoastana ole Keski-Pohjanmaan suurin ja väestöntiheydeltään isoin kunta, vaan se on myös alueen ainoa kunta, jossa on muuttovoittoa. Muissa seitsemässä kunnassa on pelkästään muuttotappiota. Kokonaisnettomuuttojen erot selittyvät varmasti varsin paljon muutosta maalta kaupunkiin. Kokkola on Keski-Pohjanmaan ainoa kaupunki, jonne sitten muutetaan ympäröivistä maalaiskunnista töiden, opiskelun ja parempien palvelujen houkuttelemana. Vastaavasti harvaanasutut maalaiskunnat, kuten esimerkiksi Perho ja Halsua, kokevat varsin voimakasta muuttotappiota palvelujen karsiutuessa ja ikärakenteen vinoutuessa.

Koropleettikarttaa ruotsinkielisten osuuksista eri kunnissa (Kuva 1.) tehdessä värinkäyttö ja rasterien koko olivat tärkeässä roolissa. Väestöntiheyttä ei saanut kuvata liian tummilla väreillä, tai rastereita päälle laitattaessa eri luokkien erottaminen olisi vaikeaa. Myös rastereita valitessa kannatti valita mitä erilaisimmista valittavina olevista rasterityypeistä huolimatta mahdollisimmat yksinkertaiset rasterityypit, jotka kuitenkin jo ensi silmäyksellä osaisin kertoa kuuluvan tiettyyn luokkaan. Myös kokonaisnettomuuttokartassa (Kuva 2.) väritys kannatti ottaa huomioon väestöntiheyttä kuvaavien värien lisäksi muuttovoittoa ja muuttotappiota kuvaavien symbolien

värityksessä. Kokonaisnettomuuttokartassa kuvasinkin muuttovoittoa punaisella ja muuttotappiota sinisellä, sillä negatiiviset arvot liitetään usein siniseen.

Tunnin aikana karttoja tehdessä, sekä itsenäisesti tehdyissä teemakartoissa korostui luokittelun tärkeys. Tämän on huomannut muun muassa Iisa Hyypiä: ”Karttaa tehdessäni totesin, että luokkia ei saa olla liikaa, jotta sen luettavuus ei kärsisi.” (“Päällekkäiset koropleettikartat – taloudellinen huoltosuhde ja eläkeläiset”, Iisan PAK-blogi, 28.1.2017). Luokkien määrän kasvaessa kartan luettavuus todella huononee, tämä korostuu erityisesti päällekkäisissä koropleettikartoissa, jossa kahta ilmiötä kuvataan kartalla yhtä aikaa.

Kokonaisuudessaan kurssikerta tarjosi hyvät eväät erilaisten teemakarttojen tekemiseen ja tulkintaan, seuraavaa kurssikertaa odotellessa!

Viitaukset:

Hyypiä Iisa, “Päällekkäiset koropleettikartat – taloudellinen huoltosuhde ja eläkeläiset”, Iisan PAK-blogi, 28.1.2017.                      <https://blogs.helsinki.fi/hiisa/> Luettu 2.2.2017.

Tolvanen Pinja, “Kurssikerta 2 – Teemakartat”, 1.2.2017. <https://blogs.helsinki.fi/pinjatol/> Luettu 2.2.2017.

“Pakin” eli paikkatiedon hankinta, analyysi ja kartografia 2017 -kurssin ensimmäisellä kerralla tutustuttiin kurssin sisältöön, arviointiin ja kurssin aikana suoritettaviin tehtäviin. Kurssin aikana on tehtävänä tuottaa niin tekstejä kuin karttojakin, koko kurssin aikainen tasainen panostus on tärkeää viime hetken hikoilun sijaan.

Kurssikerran aluksi tutustuimme paikkatiedon rakenteeseen ja ominaisuuksiin, sekä tutustuimme kurssilla paljon käytettävään paikkatieto-ohjelmaan: MapInfoon, jota pääsimmekin jo kokeilemaan ensimmäisen kurssikerran aikana. MapInfo oli itselleni vielä entuudestaan tuntematon, mutta jo tällä ensimmäisellä kurssikerralla opin monia sen käyttöön liittyviä perusasioita. Anni Sarvanne tiivistää hyvin tuntemukseni paikkatieto-ohjelmista ja erityisesti MapInfosta jo kurssin alkuun: ”Olin ymmärtänyt paikkatiedon toiminnan noin niin kuin periaatteessa jo aiemmin. Silti vasta nyt tämän kurssin ensimmäisellä kurssikerralla minulle valkeni paikkatieto-ohjelmien kätevyys ja nopeus erityisesti olemassa olevan, taulukkomuotoisen datan tuomisessa visuaaliseen muotoon kartaksi.” (”1. Raportti.”, 25.1.2017). Aiemmin käyttämässämme CorelDraw-ohjelmassa emme olleet samalla tavalla päässeet nopeasti hyödyntämään valmiiksi olemassa olevaa taulukkomuotoista dataa kuin MapInfossa.

MapInfon avulla tuotimme sitten kaksi erilaista teemakarttaa kuntarajojen mukaan jaetusta Suomesta: ensimmäinen kartta tehtiin yhteisesti valitusta ominaisuudesta, rivi- ja pientaloissa asuvien osuudesta vuonna 2015 (Kuva 1.), ja toinen kartta taas tehtiin itse vapaasti valitusta ominaisuudesta, joten valitsin alkutuotannon osuuden vuodelta 2015 (Kuva 2.).

Kuva 1. Rivi- ja pientaloissa asuvien osuus 2015

Teemakartan tuottaminen eri sinänsä tuottanut ongelmia, mutta tärkeää oli muistaa vaihtaa luokittelujako oikein, näissä kartoissa luonnollisen jakauman mukaiseksi. Myös pohjoisnuolen, mittakaavan ja legendan teko vei aikansa, ja kartan ulkoasun sommittelussa meni kokonaisuudessaan enemmän aikaa kuin arvasikaan. Lopputuloksena tekemäni kaksi teemakarttaa eivät ehkä ole maailman esteettisimmät ja ammattimaisimmat mitä kuvitella saattaa, mutta varsin kelvolliset ottaen huomioon kokemattomuuden uuden karttaohjelman käytössä.

Värien käyttö teemakartoissa oli tavallaan MapInfossa aiemmin käytettyä CorelDrawia helpompaa, sillä tarjolla oli valmiita väriskaaloja sen sijaan, että olisi pitänyt mennä etsimään erilaisia väriskaaloja netin värityökaluista. Tämän oli huomannut myös Iiris Vilo, joka kertoo blogissaan: ”Värien käyttöä on pohdittu paljon viime syksyn kursseilla, minkä takia niihin kiinnittää automaattisesti erityistä huomiota. MapInfossa värit voi valita tarjolla olevista skaaloista, joten se on hieman helpompaa kuin esim. Corelilla, jota olemme käyttäneet aikaisemmilla kursseilla.” (”Eka kerta – Päivän sana on koropleettikartta”, 30.1.2017). Toisaalta yksittäisten värien muokkaaminen MapInfossa on hieman monimutkaisempaa kuin CorelDrawilla, jossa värit olivat helposti saatavilla jatkuvasti.

Itsenäisesti lisäksi oli tehtävänä histogrammi erillisellä histogrammmiverkkotyökalulla (http://www.shodor.org/interactivate/activities/Histogram/) valitusta aineistosta. Histogrammi on kaavio, ja sen avulla voidaan tutkia aineiston jakautumista. Itse tein histogrammini alkutuotannon osuuksista eri kunnissa (Kuva 3.), ja tutkin sitten aineiston jakaumaa tällä histogrammityökalulla. Saadusta histogrammista havaitsin, että tyypillisimmin Suomalaisissa kunnissa alkutuotannon osuus vaihtelee nollasta prosentista noin 25 prosenttiin, sitä suuremmat määrät alkutuotannon osuudesta ovat harvinaisempia. Aineiston jakauman hahmottaminen on tärkeä osa kartan tekoa, ja kartanteon kannalta olisi ollut järkevää, jos olisin tehnyt histogrammin alkutuotannosta (Kuva 3.) ennen varsinaista teemakarttaa (Kuva 2.). Mutta virheistä oppii ja ojasta mennään allikkoon.

 

Hejdå.

Viitaukset:

Histogrammiverkkotyökalu. <http://www.shodor.org/interactivate/activities/Histogram/> Luettu 24.1.2017.

Sarvanne Anni, ”1. Raportti.”, Sarvanni’s blog, 25.1.2017 <https://blogs.helsinki.fi/sarvanni/> Luettu 3.2.2017.

Vilo Iiris, ”Eka kerta – Päivän sana on koropleettikartta”, Iipu’s blog, 30.1.2017. <https://blogs.helsinki.fi/xiixiix/> Luettu 3.2.2017.