Blogi on nyt valmis. Kiitos opettajalle ja kurssikavereille kuluneista viikoista paikkatiedon parissa!

Lähde: http://memegenerator.net/instance/55848453

Terveydentilani ei valitettavasti sallinut lainkaan osallistumistani seitsemännelle ja viimeiselle kurssikerralle. Onni onnettomuudessa, kurssikerralla työskenneltiin itsenäisesti, eikä varsinaisesti opiskeltu mitään uutta asiaa, sillä jos olisin joutunut opettelemaan esimerkiksi bufferointia itsenäisesti, olisin ollut totaalisesti pulassa. Nyt tuli ainakin testattua, onko päähän jäänyt mitään, kun ei ollut opettajaa tai edes kurssikavereita vieressä, joita olisi voinut nykiä hihasta. Sairastelujeni vuoksi rästitöitä oli kasautunut melko lailla ja aika niiden tekemiseen oli kortilla. Olisi ideaalia, että tämän kurssikerran tuotoksissa voisin näyttää parasta osaamistani, mutta karttoja tutkaillessani täytyy kyllä todeta, että eivät ne kyllä kovin kummoisia ole.

Jouduin suhtautumaan tehtävään vähän ”äkkiä alta pois”- asenteella, mutta pian sain kuitenkin huomata, että äkkiä tämän tehtävän tekeminen ei käy, koska aineistojen etsiminen… Selailin pitkään WHO:n tilastoja, mutta kun kiinnostava tilasto löytyi, tietoa ei ollut riittävän monesta valtiosta, jotta ilmiötä olisi ollut mielekästä tarkastella jonkun maanosan alueella tai sitten aineistolle ei löytynyt toista sopivaa aineistoa kaveriksi niin, että niiden esittäminen samalla kartalla olisi järkevää.

Selailtuani aineistoja useaan otteeseen useiden tuntien ajan, päädyin lopulta hankkimaan datan Eurostatin verkkosivuilta, jossa oli kyllä todella mielenkiintoisia aineistoja, mutta ongelmana oli edelleen se, että koko Eurooppaa kattavia tilastoja ei tahtonut löytyä. Tuohtuneen siitä, että pitkä ja harras aineistojen etsiminen ei tuottanut toivottua tulosta, aloin kuitenkin väsäämään karttoja.

Rajasin Euroopan kartan kurssilla aiemmin käyttämästämme maailmankartasta. Jätin Venäjän heti suosiolla pois kartalta, sillä kyseisestä valtiosta ei ollut tietoja missään käyttämissäni aineistoissa. Ensimmäisessä kartassani (kuva 1) tarkastelen miesten terveiden elinvuosien odotetta sekä koko väestön syrjäytymis- ja köyhyysriskiä. On siis muistettava, että elinvuosien odotteen tiedot koskevatkin vain valtioiden miesväestöä ja syrjäytymis- ja köyhyysriski molempia sukupuolia, mutta tiedot ovat silti ihan vertailukelpoisia.

Kuva 1. Syrjäytymis- tai köyhyysriski ja miesten terveiden elinvuosien odote eräissä Euroopan valtioissa 2012. Lähde Eurostat 2012.

Ei ole yllättävää, että köyhyysriskin ollessa suuri, eliniän odote on alhainen, sillä köyhyys heijastuu elinoloihin ja terveydenhuoltoon. Esimerkiksi Baltian maat sekä muutamat muut itäisen Euroopan maat kuuluvat köyhyys- ja syrjäytymisriskin suhteen ylimpään ja eliniänodotteen suhteen alimpaan luokkaan. Kartalta löytyi kuitenkin muutamia seikkoja, joista yllätyin hieman. Esimerkiksi Espanjassa, Italiassa ja Kreikassa riski syrjäytymiseen tai köyhyyteen on korkeimmassa luokassa, mutta ne kuuluvat myös eliniänodotteen suhteen ylimpään luokkaan. Toinen asia, jota hieman hämmästyin, on Irlannin kuuluminen suurimman köyhyysriskiluokan maihin. Irlannin asukaskohtainen BKT vuonna 2012, oli kuitenkin hieman suurempi kuin Suomen ja Suomi näyttäisi kuitenkin kuuluvan köyhyys- ja syrjäytymisriskin suhteen alimpaan luokkaan (Globalis.fi 2012). Syynä saattaa olla juuri tuohon aikaan Irlannissa vellonut velkakriisi. Lisäksi on muistettava, että tarkastelussa on köyhyysriskin lisäksi myös syrjäytymisriski, mikä osaltaan vaikuttaa asetelmaan.

Ne valtiot, joista tietoja ei ollut saatavilla, on merkitty karttaan vaalealla värillä ja pystyviivarastereilla. Nyt kun katselen karttaani, tajuan miten typerää oli ylipäätään laittaa rastereita ”Ei tietoa”-luokkaan. Alueet olisi pitänyt jättää kokonaan vaaleiksi, eikä sotkea niihin enää toista rasteripintaa turhaan, joka vain heikentää kartan luettavuutta. Minua viisaampia tässä asiassa olivat olleet esimerkiksi Toni Ruikkala ja Outi Seppälä, joiden kartoilta ”ei dataa”-alueet erottuvat huomattavasti selkeämmin.

Toiselle kartalleni (kuva  2) otin tarkasteluun vähintään kahta vierasta kieltä opiskelevien nuorten osuuden sekä työssä käyvän väestön keskimääräiset nettotulot. Vahingosta viisastuneena en jättänyt tälle kartalle näkyviin olemattomia pylväitä niistä valtioista, joista ei löytynyt tietoja nettotuloista. Kielten opiskelusta tiedot löytyivät yllättävän harvasta valtiosta, joten joidenkin valtioiden kohdalla on tiedot vain nettotuloista, sillä en kokenut niiden olevan haitaksi kartalla, vaikka toista muuttujaa ei olekaan esitetty.

Kuva 2. Vähintään kahta vierasta kieltä opiskelevien nuorten osuus ja vuotuiset nettotulot eräissä Euroopan valtioissa 2012. Lähde: Eurostat.

Kartalla ei ole havaittavissa sellaista korrelaatiota, jota odotin. Ajattelin, että maissa, joissa on hyvä koulutustaso, nuoret pääsääntöisesti opiskelisivat useampaa kuin yhtä vierasta kieltä ja hyvän koulutustason maissa myös tulotaso olisi korkea. Jos vertaillaan esimerkiksi Ruotsia ja Latviaa huomataan, että kummassakin valtiossa 60–100 % nuorista opiskelee vähintään kahta vierasta kieltä, mutta Ruotsissa tulotaso on monin verroin korkeampi. Lisäksi Englannissa useita vieraita kieliä opiskelevien nuorten osuus väestöstä on nettotuloihin verrattuna melko vähäinen. Tähän yhtenä syynä voisi olla se, että muiden eurooppalaisten yhtenä vieraana opiskeltavana kielenä on lähes poikkeuksetta englanti.

Tarkastelin kaikkia aineistojani jo aikaisemmilta kurssikerroilta tutun histogrammityökalun avulla. Aineistoni olivat epämääräisesti jakautuneita, joten käytin luokitteluna luonnollisia luokkavälejä. Kielten opiskelun luokitteluun jouduin tosin kajoamaan ja säätämään luokkarajoja manuaalisesti, jotta sain yhden havainnon luokan pois. Kuten tässä on jo ehkä aikaisemmin tullut esille, en ole erityisen ylpeä oheisista kartoistani varsinkin, kun kyseessä on viimeisen kurssikerran tuotokset, mutta näihin on nyt tyydyttävä. Loppujen lopuksi on kuitenkin oltava tyytyväinen siihen, että sain ylipäätään tehtyä kartat itsenäisesti, eli kurssilla on tullut myös opittua jotakin!

Lähteet:

Bruttokansantuote asukasta kohden (2012). Globalis. http://www.globalis.fi/Tilastot/BKT-per-asukas Luettu 16.3.2015

Ruikkala, T. (2015). Kurssikerta 7 – Euroopan väestöä ja Japanin onnettomuuksia. Ruikkalan PAK-blogi. https://blogs.helsinki.fi/ruikkala/ Luettu 16.3.2015.

Seppälä, O. (2015). Viimeistä viedään, huh. Outin Pak-blogi. https://blogs.helsinki.fi/outisepp/ Luettu 16.3.2015.

Sateinen, harmaa, kolea ja masentavan näköinen perjantaiaamu kello 8.15. GPS-paikantimet käteen ja pihalle. Ei haittaa yhtään. GIS-luokissa tulee muutenkin vietettyä ihan riittävästi aikaa, joten oli virkistävää tehdä välillä muutakin kuin istua naputtelemassa tietokonetta ja taistella MapInfon kanssa. Kuudennen kurssikerran ensimmäisenä tehtävänä oli käydä paikantamassa valittuja kohteita GPS-paikantimen avulla Kumpulan lähiympäristöstä. Ryhmämme valitsi paikannettaviksi kohteiksi kampuksen lähistöllä sijaitsevat ”sähköpömpelit”. Sijainti merkittiin paikantimeen ja koordinaatit kirjattiin varmuudeksi ylös myös paperille.

Ulkoilun jälkeen siirsimme kaikkien ryhmien keräämät koordinaattitiedot MapInfoon kartalle Create Points-komennon avulla. Tämä tehtävä oli mielestäni ehdottomasti koko kurssin kivoin varmaankin juuri konkreettisuutensa vuoksi. Sinänsä tiedot itsessään olivat hyödyttömiä. En koe kovin tärkeäksi tietää, missä sijaitsevat Kumpulan sähkökaapit tai mihin oli parkkeerattu punaisia autoja, mutta oli hauskaa nähdä, kuinka muutama kymmenen minuuttia sitten itse kerättyjen kohteiden sijainti näkyikin yhtäkkiä pisteinä kartalla, eikä prosessikaan ollut kovin monimutkainen! Seuraavassa harjoituksessa kokeilimme vielä geokoodausta paikantamalla Helsingissä sijaitsevat pelikoneet kadunnimien ja postinumeroiden avulla ennen kurssikerran itsenäistehtävään siirtymistä.

Itsenäistehtävänä oli tuottaa kolme erilaista luonnonhasardia kuvaavaa karttaa, joita voisi käyttää opetustarkoitukseen. Tietoa oli saatavilla maanjäristyksistä, tulivuorenpurkauksista sekä meteoriiteista, mutta oma valikoimani supistui heti alussa vain kahteen ensimmäiseen, kun selaimeni ystävällisesti ilmoitti ”Error”, yrittäessäni avata meteoriittisivustoa.

Kuva 1. 5,5 magnitudin tai vomakkaammat maanjäristykset vuosina 1964-2015. Lähde: Northen California Earthquake Data Center (2015).

Tein ensimmäisen karttani (kuva 1) vuoden 1964 jälkeen sattuneista keskisuurista, 5,5 magnitudin, tai suuremmista maanjäristyksistä. Koska aikaväli on pitkä ja keskisuuriakin maanjäristyksiä esiintyy usein, havaintoja on kartalla hyvin paljon. Havainnot ovat monin paikoin päällekkäisiä, sillä järistyksiä tapahtuu pitkälti samoilla alueilla litosfäärilaattojen saumakohdissa, erityisesti subduktiovyöhykkeillä. Luonnollisesti, mikäli kartalla olisi esitetty vain erittäin voimakkaat maanjäristykset, olisi havaintoja huomattavasti vähemmän, kuten toisella tekemälläni kartalla (kuva 2), jossa on kuvattu yli 8 magnitudin järistykset. Toisella kartalla aikavälikin on tosin lyhempi, sillä havainnot ovat vasta vuodesta 1999 eteenpäin tehtyjä.

Kuva 2. 8 magnitudin tai sitä voimakkaammat maanjäristykset vuosina 1999-2015. Lähde: Northen California Earthquake Data Center (2015)

Taulukko 1. Maanjäristysten keskimääräinen esiintymistiheys vuodessa.

Lähde: Helsingin Yliopisto – Seismologian laitos. (http://www.seismo.helsinki.fi/fi/maanjtietoa/perustietoa/magnitudi.html)

Vaikka aikavälit ovatkin kartoilla eripituiset, näiden kuvien saattelemana voisi pohtia voimakkuuksiltaan erilaisten maanjäristysten esiintymistiheyttä. Jälkimmäisellä kartalla näkyy tämänhetkisten yhdeksäsluokkalaisten syntymävuoden jälkeen tapahtuneet erittäin voimakkaat maanjäristykset. Esimerkiksi oheisen taulukon (taulukko 1) avulla oppilaat voisivat pohtia, miltä heidän syntymävuodesta eteenpäin tapahtunneita maanjäristyksiä esittävä kartta näyttäisi, mikäli siinä olisikin esitetty esimerkiksi alle neljän, tai vaikkapa alle kahden magnitudin järistykset. Tässä yhteydessä olisi myös hyvä käydä läpi ainakin pintapuolisesti, kuinka suurta tuhoa minkäkin voimakkuuden järistykset voivat aiheuttaa. Esimerkiksi Suomessakin silloin tällöin esiintyvät yhden tai kahden magnitudin järistykset ovat niin lieviä, etteivät usein aiheuta merkittävää vahinkoa, eikä pienimpiä järistyksiä voida välttämättä edes havaita ilman mittauksia, kun taas esimerkiksi seitsemän magnitudin järistykset voivat tuhota koko infrastruktuurin pitkänkin matkan päässä järistyksen keskuksesta.

Kuva 3. Vuoden 1964 tapahtuneet maanjäristykset. Lähde: U.S. National Oceanic and Atmospheric Administration (2015).

Kolmannella kartallani (kuva 3) esitän vuoden 1964 tapahtuneet tulivuorenpurkaukset. Kun sitä vertaa ensimmäiseen karttaan, jossa on esitetty 5,5 magnitudin tai sitä voimakkaammat maanjäristykset samalla aikavälillä silmiinpistävää on eritysesti se, että tulivuorenpurkauksia tapahtuu huomattavasti vähemmän kuin maanjäristyksiä ja vaikka ilmiöitä esiintyy osittain samoilla alueilla, esimerkiksi Atlantin valtamerellä tulivuorenpurkauksia tapahtuu suhteessa vähän järistyksiin verrattuna. Tämä selittyy litosfäärilaattojen liikesuunnilla. Koska molempien kyseessä olevien endogeenisten hasardien synty oikeastaan perustuu astenosfäärissä tapahtuvan aineksen kierron aiheuttamiin litosfäärilaattojen liikkeeseen, tulisi opetettavien henkilöiden hallita laattatektoniikan perusidea jo ehkä ennen tulivuoritoiminnan ja maanjäristysten tarkastelua, tai ainakin se tulisi opettaa viimeistään tässä vaiheessa. Miksi juuri näillä kyseisillä alueilla esiintyy tulivuoria ja maa järisee?

Kuva 4. Litosfäärilaatat ja niiden liikesuunnat. Lähde: http://pixshark.com/lithospheric-plates-movement.htm

Oheinen kuva toimisi hyvin litosfäärilaattojen sijainnin ja liikesuuntien opettamisen tukena ja asia olisikin hyvin vaikeasti hahmotettavissa ilman visuaalista materiaalia. Vertailtaessa kuvaa 1 ja 4 huomataankin, että maanjäristysten sijainnin ilmoittavista symboleista piirtyykin karttaan lähestulkoon litosfäärilaattojen rajat. Ilmiöiden ymmärtämisen kannalta on myös tärkeää hahmottaa, miten ja miksi maankuoren osat liikkuvat. Sitä voisi havainnollistaa tällaisella yksinkertaisella animaatiolla. Eveliina Ikosen blogia lukiessani muistin, että myös tsunamien syntyä ja sijoittumista voisi sivuta oheisten karttojen avulla.

Vaikka en onnistunut kurssikerralla tuotettujen karttojen osalta kovinkaan loisteliaasti, itse kurssikerta oli mielestäni todella kiinnostava ja mukavan monipuolinen. En tullut edes ajatelleeksi, että olisi voinut olla kiinnostavaa tarkastella hasardeja myös pienemmällä alueella. Kartalla olisi voinut esittää esimerkiksi vain tietyn maan tai maanosan alueella tapahtuneet hasardit, kuten Leila Soinio on tehnyt. Opetettaville henkilöille keskisuurten ja erittäin voimakkaiden maanjäristysten esiintymistiheyden vertailu olisi varmasti havainnollisempaa, mikäli kartoilla olisi esitetty ilmiöt samasta vuodesta lähtien.

Lähteet:

Biologie en flash.  http://www.biologieenflash.net/sommaire.html Luettu 12.3.2015.

Soinio, L. (2015). Kurssikerta 6 – Geepeeässää ja luonnonhasardeja. Leilan paikkatietopulinaa. https://blogs.helsinki.fi/lsoinio/ Luettu 12.3.2015.

Ikonen, E. (2015). Kurssikerta 6. Even PAK-blogi. https://blogs.helsinki.fi/eveliiik/ Luettu 12.3.2015.

Viidettä kurssikertaa varten teimme alkuvalmisteluja jo edellisellä kurssikerralla. Silloin rekisteröimme rasterikartan MapInfoon karttalehden nurkkakoordinaattien avulla sekä saimme tuntumaa ohjelman piirtotyökaluihin piirtämällä Pornaisten keskustan alueelle tiet ja merkitsemällä asuinrakennukset. Karttojen tuottamisen sijaan keskityimme viidennellä kurssikerralla bufferointiin eli puskurointiin, jonka aloitimme hyödyntämällä Pornaisten karttaa ja sille luomiamme elementtejä. Puskurointi on kätevä ja työvaiheiltaankin melko yksinkertainen (kun aineistot ovat valmiina) tapa laskea esimerkiksi muuttujien lukumäärä tai suhteellista osuutta tietyllä säteellä jostakin kohteesta. Ensimmäisessä harjoituksessa esimerkiksi laskimme päätiestä tietyllä etäisyydellä olevat talot.

Kurssikerran varsinaisista tehtävistä ensimmäisenä tarkastelimme bufferoinnin avulla Malmin ja Helsinki-Vantaan lentokenttien meluhaitta-alueilla asuvien ihmisten lukumääriä eri säteillä ja desibelirajoilla. Kaikkien tehtävien tulokset on kerätty oheiseen taulukkoon (taulukko 1.). Lentokenttien jälkeen loimme puskurivyöhykkeitä juna-asemille tutkiaksemme, kuinka paljon tai mihin ikäryhmään kuuluvia ihmisiä asuu tietyllä etäisyydellä juna-asemasta.

Taulukko 1. Tehtävien vastaukset.

Taajama-aineiston tarkastelussa jo aikaisemmilla kerroilla opitut taidot olivat avainasemassa. Saadakseen vastaukset taajamassa ja sen ulkopuolella asuvia ihmisiä koskeviin kysymyksiin, oli tietokantoja päivitettävä. Uutta tietoa tuotettiin mm. eri tietokantoja koskevien laskutoimitusten avulla.

Kurssikerran työskentely tapahtui pitkälti itsenäisesti, mutta ei onneksi yksin. Kurssikaverit olivat apuna ja saamiensa vastausten vertailu muiden kanssa oli lohduttavaa kun huomasi, että vastaukset ovat suunnilleen samat. Eli siis oikein. Tai sitten kaikilla pahasti väärin, mutta oltaisiinpahan ainakin kaikki sitten samassa suossa, heh. Vielä näin jälkeenpäinkin muiden vastauksia tarkasteltuani näyttäisi kuitenkin siltä, että muut ovat olleet kanssani suunnilleen samoilla linjoilla, jei! Osa vastausten välisistä pienehköistä eroista johtuu mitä luultavimmin erilaisista alueiden piirtotavoista.

Kurssikerran viimeisen tehtävän sai valita kolmesta vaihtoehdosta. Luottamukseni kurssikerran taitojen itsenäisen soveltamisen hallintaan ei ollut kovin korkealla, joten päätin tehdä tehtävän Helsingin yhtenäiskoulun koulupiiriin liittyvistä kysymyksistä. Se oli tehtävistä ainoa, johon löytyi tarkemmat kirjalliset ohjeet. Viimeinen tehtävä osoittautui myös omasta mielestäni kurssikerran kiinnostavimmaksi.

Mielestäni juuri viidennen kurssikerran tehtävät ovat hyvä osoitus siitä, kuinka konkreettista tietoa MapInfon avulla voidaan tuottaa, kunhan tietokannat ovat kattavia. MapInfon avulla on mahdollisuus tuottaa hyödyllistä tietoa useille eri toimijoille. Esimerkiksi lentokenttätehtävien kaltaiset tulokset voisivat olla tärkeitä eri tason toimijoille alueen kehittämisessä ja suunnittelussa. Myös koulut, yritykset tai muut organisaatiot voisivat saada, ei ehkä täysin virheetöntä, mutta enemmän kuin suuntaa antavaa tietoa alueesta jolla toimivat ja sitä kautta kehittää toimintaansa, varautua mahdollisiin riskeihin jne. Myös tulosten esittäminen teemakartalla on MapInfon avulla melko vaivatonta ja erilaisten teemakarttatyyppien vaihtoehtojenkin määrä halutun ilmiön esittämiseen on kattava.

Tietokantojen muokkaamiseen liittyvät yleisimmin kurssin aikana käytössä olleet toiminnot alkavat olla jotenkin mielessä ja myös teemakartan luominen valmiille karttapohjalle onnistuisi varmasti itsenäisesti. Uskon kuitenkin MapInfossa olevan lukuisia toimintoja, joihin en tällä kurssilla ole tutustunut vielä lainkaan. Hanna Kaistinen on kanssani samoilla linjoilla ja kirjoittaa MapInfosta blogissaan seuraavaa: ” Ohjelmistossa tuntuu olevan kuitenkin paljon potentiaalia, siihen pitäisi vain tutustua paljon enemmän.”

Myös monet ohjelman toiminnot, joita on käytetty vain yhdellä kurssikerralla, unohtuvat kyllä ainakin itseltäni ihan hetkessä. Täytyy myöntää, että jos minut nyt laitettaisiin bufferoimaan, en enää edes olisi täysin varma, mistä aloittaa. Jokainen toiminto vaatisi valtavan määrän toistoja, jotta sen käyttö muistuisi aina jatkossakin mieleen. Milla Piispa kirjoittaa blogissaan ” Ärsyttää, kun en välillä ymmärrä mitä olen tekemässä”. Huomaan silloin tällöin itsekin klikkailevani toimintoja kaavamaisesti ymmärtämättä, mitä itse asiassa olinkaan tekemässä ja miksi. Toiminnot jäisivät varmasti paljon paremmin mieleen, mikäli sisäistäisi aina kunnolla, mikä niissä on tarkoituksena.

Lähteet:

Kaistinen, H. (2015). 5. kurssikerta – 12.2.2015. Hannan PAK-kurssiblogi. https://blogs.helsinki.fi/hankaist/ Luettu 28.2.2015

Piispa, M. (2015). Kurssikerta 5. Millan paikkatietoblogi. https://blogs.helsinki.fi/millpiis/ Luettu 13.3.2015

Neljännellä PAK-kerralla tutustuimme tarkemmin piste -ja ruutuaineistoihin. Tarkastelimme tietokantaa pääkaupunkiseudun asuinrakennuksista ja asukaista sekä harjoittelimme ruutukartan tekemistä. Aineiston tarkastelu oli kiinnostavaa, sillä se sisälsi tiedot mm. kunkin asuinrakennuksen ikäjakaumasta sekä muun kielisten ja ruotsinkielisten osuudesta. Aineiston avulla teimme harjoitukseksi ruutukartan pääkaupunkiseudun väentiheydestä, jonka jälkeen vastaavanlainen tuotos tuli tehdä valitsemastaan aiheesta. Tehtävään sisältyi viime kurssikerralla kiukkua aiheuttanutta tietokantojen yhdistelyä ja uuden tiedon tuottamista. Ihme ja kumma, tietokantojen muokkaaminen sujui paljon peremmin (tarvittiin vain muutama joogan hengitysharjoitus pitämään mielentila tyynenä) kuin aikaisemmin. Jonkinasteista oppimista on siis ehkä tapahtunut!

Päädyin tekemään itsenäisharjoituksen ruutukartan (Kuva 1.) ruotsinkielisten sijoittumisesta pääkaupunkiseudulla. Harjoituksessa valitsimme ruutukooksi 500m x 500m, mutta halusin tarkentaa tietoa hieman, joten valitsin karttani ruutukooksi 400m x 400m. Sadan metrin lyhennys ruutujen sivuille tuottikin tarkempaa tietoa kuin alun perin osasin odottaa, mutta mielestäni kyseinen tarkkuus on esitettävälle ilmiölle sopiva. Kun kartta oli valmis, tuli ruudukon rajat vielä poistaa näkyvistä, sillä ideana oli tehdä ruutuaineistoon perustuva teemakartta – ei ruudukkoa.

Kuva 1. Ruotsinkielisten määrä pääkaupunkiseudulla.

Aikaisemmista kurssilla tuotetuista karttaesityksistä poiketen, oheisen ruutukartan luokat kuvaavat absoluuttisia arvoja. Kartta siis kertoo kullakin ruudulla asuvien ruotsinkielisten henkilöiden lukumäärän eikä suhteellista osuutta väestöstä, mikä on pedettävä mielessä karttaa tulkitessa. En ollut tyytyväinen MapInfon tarjoamien luokitteluvaihtoehtojen luokkiin, joten säädin luokkarajoja manuaalisesti.

Näin jälkikäteen karttaa tarkastellessa on todettava, että informatiivisemman ja selkeämmän lopputuloksen olisin todennäköisesti saanut pudottamalla luokkien määrän neljään. Toinen asia, mikä valmiissa kartassa jäi häiritsemään, on mittakaava. MapInfo halusi ilmoittaa mittakaavan janan pituuden tähän tarkoitukseen turhan tarkasti: ”5,000 km”, eikä tarkkuutta kuulema ole mahdollista muuttaa. Kuvan laatu ei ole erityisen hyvä, joten karttaa pikaisesti vilkaistaessa pilkku voisi jäädä huomaamatta. No, onneksi blogiani mahdollisesti lukevat kurssikaverit ovat tarkkasilmäisiä, eikä väärinkäsityksiä mittakaavan suhteen varmastikaan pääse tapahtumaan.

Kartalta havaitaan, että ruotsinkielinen väestö on keskittynyt erityisesti Helsingin niemelle, eli Eiran, Punavuoren ja Töölön alueelle sekä rannikkoa pitkin jatkuen Meilahteen ja Munkkiniemeen. Myös Kulosaari ja Vuosaari erottuvat kartalta ruotsinkielisen väestön keskittymänä. Espoossa ruotsinkielisiä asuu eniten Kauniaisten ja Westendin alueella. Vantaalta ei oikeastaan erotu selkeää aluetta, jossa ruotsinkielisiä olisi ympäristöään enemmän. Hyvin pienen keskittymän voi havaita Petikon (?) tienoilla. Mirka Jokela-Määtällä on blogissaan hyvä huomio siitä, että esimerkiksi tiestön ja nimistön lisääminen kartalle helpottaisi kartan lukijan tekemää tulkintaa huomattavasti. Varsinkin, mikäli lukija ei ole tottunut tuijottelemaan pääkaupunkiseudun karttaa, voi alueiden tunnistaminen olla hankalaa.

Ruutukartalla voidaan esittää tietoa esimerkiksi koropleettikarttaa tarkemmin paikannettuna, sillä ruudut eivät ole sidoksissa valmiiksi rajattuihin alueisiin (esim. kunnanrajat), vaan ruutujen sijainnin ja koon voi määritellä tarkoitukseen sopivaksi. Kuten Olli Kauppi blogissaan pohtii ja itsekin tekemäni kartan pohjalta aikaisemmin kirjoitin, ruutukarttaesityksessä ei ole mielekästä käyttää kovin montaa luokkaa, jotta esitys pysyisi selkeänä. Tämä pätee toki muihinkin teemakarttoihin, mutta erityisesti ruutukartoissa lopputulos monen luokan esityksestä on äkkiä hyvin sekava.

Lähteet:

Jokela-Määttä, M. (2015). KK 4: Pisteaineistoista ruututeemakarttoihin. Paikannettua tietoa. https://blogs.helsinki.fi/mijokela/ Luettu 11.2.2015

Kauppi, O. (2015). Neljäs Kurssikerta. Olli Kaupin paikkatietoblogi. https://blogs.helsinki.fi/okauppi/ Luettu 11.2.2015

Raaka-aineet ja konfliktit

Pientä epätoivoa aiheuttaneella kolmannella kurssikerralla harjoittelimme erilaisia tietokantojen muokkaukseen liittyviä toimenpiteitä. Muutimme Afrikan valtiot sisältävää tietokantaa tarkoitukseemme sopivaksi yksinkertaistamalla sitä hieman, jonka jälkeen aloitimme tietokantojen yhdistelyn ja uuden tiedon tuottamisen. Prosessin lopputuloksena oli karttaesitys, josta ilmenee Afrikan mantereen timanttikaivosten, öljykenttien ja konfliktien alueellinen sijoittuminen. Nappasin alla olevan kartan (kuva1.) kurssin opettajan, Arttu Paarlahden, ylläpitämästä PAK-tiedotusblogista, sillä omasta karttatuotoksestani kävi ilmi vain konfliktin lähtöpiste, mutta ei sen levinneisyyttä. Tehtävänämme oli pohtia, mitä Afrikkaa koskevan tietokannan tiedoilla voisi tehdä tai mitä niistä voisi päätellä, kun tietokanta sisältää kartalla esitettyjen muuttujien lisäksi tiedot myös mm. internetin käyttäjien määrästä eri vuosina, ajankohdasta, jolloin konflikti on alkanut tai luonnonvaroja on alettu hyödyntää sekä timanttikaivosten ja öljykenttien tuottavuudesta.

Kuva 1. Timanttikaivokset, öljylähteet, konfliktit ja niiden laajuus Afrikassa. Lähde: Paarlahti, A. (2015) PAK-Tiedotusblogi.

Kuvan 1 kartassa muuttujina ovat öljykentät, timanttikaivokset sekä konfliktit ja niiden levinneisyys. Tietokannan ja paikkatieto-ohjelman avulla myös muista muuttujista voitaisiin luoda lukuisia erilaisia teemakarttaesityksiä poimien halutut muuttujat tarkasteltaviksi sekä tutkia niiden avulla eri ilmiöitä ja niiden vaikutuksia toisiinsa. Kartasta (kuva 1) voidaan havaita, että konfliktit ovat monella alueella tapahtuneet timanttikaivosten sekä aivan pohjoisimman Afrikan tai länsirannikolla sijaitsevien öljynporausalueiden lähistöllä.

Kuten Juuso Korhonenkin blogissaan muistuttaa, on kuitenkin syytä varoa liian pikaisten johtopäätösten tekemistä. Vaikka konflikteja esiintyy öljy- ja timanttiesiintymien läheisyydessä, ei se automaattisesti tarkoita luonnonvarojen olevan syy konfliktin puhkeamiseen. Varmistuakseen konfliktin aiheuttaneista tekijöistä, tulisi perehtyä juuri kyseisen tapahtuman taustoihin. Ulkoasiainministeriön kehitysviestinnän verkkojulkaisun global.finlandin (2013) mukaan vuoden 2008 alussa tilastoiduista sisällissodista tai yhden valtion alueella tapahtuneista konflikteista suurin osa sijoittui ”hauraisiin valtioihin”, eli alueille, jossa on huono tai puutteellinen hallinto, korruptiota, ihmisoikeuspuutteita sekä muita poliittisia tai sosiaalisia ongelmia. Konfliktien syyt eivät siis yleensä suoranaisesti johdu öljystä tai muistakaan luonnonvaroista, vaan taustalla on yleensä myös muita monimutkaisia tekijöitä.

Tietokannan sisältämien luonnonvarojen löytymisen, käyttöönoton sekä konfliktien alkamisen vuosilukujen avulla luonnonvarojen ja konfliktien syy-seuraus-suhteista voitaisiin tehdä hieman luotettavampia päätelmiä. Ajankohdan liittäminen muuttujiin mahdollistaisi niiden välisten yhteyksien tarkastelun. Esimerkiksi mikäli konflikti on alkanut kymmeniä vuosia ennen timanttikaivoksen löytämistä, ei tapahtumilla todennäköisesti ole minkäänlaista yhteyttä toisiinsa. Myös Julia Koskinen kirjoittaa kurssiblogissaan, että liittämällä karttaan jokaisen konfliktin tapahtumavuoden, olisi kartasta saanut enemmän irti, eli sen informaatiotehokkuus olisi ollut parempi.

Internetin käyttäjien määrää käytettään usein alueiden kehittyneisyyden vertailuun. Internetyhteyden levinneisyys kertoo melko hyvin, millä tasolla valtion tai muuna alueen infrastruktuuri on. Mikäli tietokannasta saadaan sekä valtiokohtaiset internetin käyttäjäluvut vuosittain että konfliktien alkamisvuodet, voitaisiin vertailla myös sitä, onko konflikti aiheuttanut merkittäviä muutoksia internetiä käyttävien henkilöiden määrässä. Myös konfliktien vaikutusta raaka-ainelähteiden tuottavuuteen voitaisiin tarkastella aineiston avulla.

Tulvaindeksi ja järvisyys

Oheisen järvisyyttä ja tulvaindeksiä kuvaavan kartan (kuva 2.) tekemisessä tuli soveltaa Afrikka-aineiston käsittelyssä opittuja tietoja ja taitoja. Äkkiä minulle kuitenkin valkeni, että en varsinaisesti ollut oppinut mitään tietokantojen yhdistelystä tai uuden tiedon tuottamisesta tehdessäni harjoitusta Afrikkaan liittyvillä tietokannoilla. Yritin niin kovasti pysyä mukana monivaiheisen prosessin reippaassa etenemistahdissa, että itseasiassa minulla ei ollut aavistustakaan, miksi mitäkin kohtaa klikattiin, johonkin laitettiin ruksi tai pudotusvalikosta valittiin tietty kohta. Toisin sanoen keskittymiskyvyssäni olisi voinut olla jonkin verran parantamisen varaa. Työvaiheiden soveltaminen toiseen aineistoon tuntui hankalalta, kun muistissa oli juuri ja juuri se mitä tehtiin, mutta ei aavistustakaan siitä, miksi mitäkin tehtiin. Tästä syystä tehtävä tuntui haastavammalta kuin aikaisemmat ja aiheutti kurssikerran aikaisempaan teemaan sopien pieniä konflikteja myös minun ja MapInfon välille.

Kuva 2. Tulvaindeksi ja järvisyys (%) Suomen päävaluma-alueilla. Lähteet: MML ja SYKE.

Ohjeita lukemalla ja apua kysymällä pääsin kuitenkin tehtävään kiinni ja sain laskettua tulvaindeksin Suomen päävaluma-alueilla keskiylivirtaaman ja keskialivirtaaman avulla. Tulvaindeksistä tuli myös laatia muuttujaa kuvaava koropleettikartta, joka täydennettiin kaksiteemaiseksi kartaksi lisäämällä siihen valuma-alueiden järvisyyttä kuvaavat pylväät. Kuten jo aikaisemmalla kurssikerralla todettiin, on kahden muuttujan välistä suhdetta helppo tarkastella yhdellä teemakartalla esitettynä.

Sisämaan sekä Itä- ja Pohjois-Suomen pinta-alaltaan suuret valuma-alueet kuuluvat lähes kaikki tulvaindeksin suhteen alimpaan luokkaan. Sen sijaan järvisyyttä kuvaavat pylväät kohoavat suhteellisen korkeiksi näillä alueilla lukuun ottamatta paria Pohjois-Suomen valuma-alueita, joilla sekä tulvaindeksi että järvien osuus on alhainen.

Rannikolla Pohjanlahdelta Selkämeren kautta aina Suomenlahdelle saakka on havaittavissa yhtenäinen nauhamainen alue, jossa tilanne on päinvastainen kuin muualla Suomen pää valuma-alueilla. Rannikolla tulvaindeksiluvut ovat selvästi suuremmat, kun taas järvisyysprosentti on pienempi. Summa summarum: Siellä missä järvien suhteellinen osuus pinta-alasta on suuri, on vähemmän tulvia kuin alueilla, jossa järviä on niukasti. Rannikkoalueella on paljon laskujokia, joilla ei ole järveä vesivarastona, kun taas Keski- ja Itä-Suomi  ovat tunnettuja suurista järvistään. Valkoisena näkyvien valuma-alueiden tiedot puuttuivat tietokannoista.

Myös korkeusvaihteluilla on varmasti merkitystä tulvaindeksiin. Esimerkiksi tulvaherkäksi tiedetty Pohjanmaan seutu on hyvin tasaista aluetta ja tulvimisriski on suuri erityisesti keväisin lumien sulaessa. Toinen tulvimiseen vaikuttava seikka on maaperän koostumus. Rakennetussa kaupunkiympäristössä pintavalunta on voimakasta, jolloin tulvia syntyy helpommin kuin sellaisilla alueilla, jossa maan pinta on hyvin vettä läpäisevää.

Oheisesta kartasta näkee hyvin suurpiirteittäin järvien suhteellisen osuuden vaikutuksen tulvaindeksiin. Pylväiden sijoittumiselle kartalla jäi kuitenkin toivomisenvaraa. Jälleen törmään samaan ongelmaan: Kahden päällekkäisen teeman esittäminen esteettisesti ja informatiivisesti kartalla, jossa aluejako on rikkonainen, tuottaa hankaluuksia. Säädin pylväitä kapeammiksi, jotta kartalta erottuisi tarkemmin, mitä valuma-aluetta mikäkin pylväs kuvaa. Pylväät ovat kuitenkin edelleen paikoin päällekkäin rannikolla, jossa valuma-alueiden pinta-alat ovat pienemmät. Kokeilin vielä siirrellä pylväitä CorelDraw-ohjelmalla, mutta se ei toiminut MapInfolla tuotetun aineiston kanssa ihan saumattomasti ja olisi vaatinut enemmän aikaa perehtyä aiheeseen, joten päätin jättää kartan tällaiseen ulkomuotoon.

Lähteet:

Global.finland (2013). Ulkoministeriön kehitysviestintä. http://global.finland.fi/public/default.aspx?nodeid=42257&contentlan=1&culture=fi-FI Luettu 8.2.2015.

Koskinen, J. (2015). Kolmas Kurssikerta. Julian Blogi. https://blogs.helsinki.fi/juliakos/ Luettu 8.2.2015.

Korhonen, J. (2015). Kurssikerta 3 ja timantit, öljy ja konfliktit. Juuson paikkatietopuserrus. https://blogs.helsinki.fi/juusokor/ Luettu 8.2.2015.

PAK-kurssi jatkui toisella kurssikerralla erilaisten teemakarttojen parissa. Perehdyimme edellistä kurssikertaa tarkemmin siihen, millaisia erilaisia vaihtoehtoja MapInfolla on tarjota kartografisia esityksiä varten. Ennen varsinaisen kurssikerran työn tekemistä harjoittelimme erilaisten esitystapojen luomista jo ensimmäisellä kurssikerralla käytetylle Suomen kunta-aineistolle. Kokeilimme mm. pylväs- ja ympyrädiagrammikarttojen, pistekarttojen ja päällekkäisten koropleettikarttojen luomista erilaisista aineistoista. Lisäksi kokeiluun pääsivät kaksi erilaista kolmiulotteista karttaa sekä muutama muu karttaesitys. Harjoitustehtävän avulla sain tuntuman erilaisten teemakarttojen tekniseen toteutukseen MapInfon avulla sekä hienoisen käsityksen siitä, minkälainen aineisto sopii mihinkin esitystapaan.

Kuten Sara Todorovic hyvin asian muotoili blogissaan, PAK-kurssin tarkoituksena on perehdyttää opiskelijat siihen, miten kartalla esitettävää tietoa hankitaan, käsitellään ja analysoidaan. Kaikki kartalle haluttava tieto ei suinkaan aina löydy yhdellä klikkauksella valmiina taulukoina MapInfosta, vaan tietoa on haettava muualta. Toisella kurssikerralla harjoittelimme nimenomaan sitä, kuinka MapInfoon saadaan tuotua uutta tietoa muualta.

Haimme tietoa Terveyden ja hyvinvoinnin laitoksen ylläpitämältä SOTKAnet-sivustolta, jonne on koottu runsaasti erilaista väestötietoa. Aineistot voi avata SOTKAnetin kautta Excel-muotoisina tiedostoina, jotka voi pienen hienosäädön jälkeen liittää MapInfoon ja hyödyntää kartografisen esityksen luomisessa.

Kurssikerran varsinaisena tehtävänä oli tuottaa kahden päällekkäisen teeman karttaesitys, joissa teemat tukisivat jollain lailla toisiaan. Aihe oli muutoin vapaa ja käytettävissä olivat sekä MapInfon kunta-aineistot että SOTKAnetistä löytyvät aineistot. Myös teemakarttatyypit olivat vapaasti valittavissa.

Koska aihe ei ollut sen kummemmin rajattu ja mielenkiintoisia aineistovaihtoehtoja löytyi paljon, oli edessä valinnanvaikeus. Lopulta päädyin kuitenkin tarkastelemaan osuutta lukion ensimmäisen ja toisen luokan opiskelijoista, jotka kärsivät kohtalaisesta tai vaikeasta ahdistuneisuudesta tai joilla ei ole yhtään läheistä ystävää sekä näiden ilmiöiden mahdollista korrelaatiota.

Tein ensimmäisen karttaesitykseni kuvaamaan ilmiöitä kunnittain. Pian kuitenkin huomasin, että ainakaan tähänastisilla taidoillani en saisi kartta toimivaksi kokonaisuudeksi. Kokeilin kartalle useita erilaisten teematyyppien yhdistelmiä, mutta kartta näytti aina vaan sotkuiselta, eikä siitä juuri saanut informaatiota irti. Antti Autio on pohtinut samaa ongelmaa ja kirjoittaakin blogissaan kahden eri ilmiön selkeän visuaalisen esittämisen olevan sitä hankalampaa, mitä rikkonaisempi ja rasteroitavien vyöhykkeiden kokojen suhteen vaihtelevampi kartta on.

Kuva 1. Kohtalaisesta tai vaikeasta ahdistuneisuudesta kärsivät lukion 1. ja 2. vuoden opiskelijat (%) sekä ne, joilla ei ole yhtään läheistä ystävää (%) 2013. Lähde: MapInfo ja SOTKAnet.

Koska kuntatason tarkastelu ei tässä tapauksessa tullut kysymykseen, vaihdoin aluetasokseni maakunnat, jolloin kartastani (kuva 1.) tuli luettava. Olen kuitenkin sitä mieltä, että maakunta on kyseisten ilmiöiden tarkasteluun melko suuri alueyksikkö. Mikäli ilmiöiden korrelaatiosta haluttaisiin vetää luotettavia johtopäätöksiä, tulisi niitä tarkastella juuri esimerkiksi kuntatasolla. Maakunnittain tarkasteltaessa ahdistuneisuuden esiintymisestä ja ystävien puutteesta voi tehdä vain hyvin suurpiirteisiä päätelmiä.

Valitsin ohjeiden mukaan molempien teemojen luokkien lukumääräksi kolme, mikä tosiaan näyttää olevan ehdoton maksimi kahden päällekkäisen koropleettikartan tapauksessa. Rasteripinnat, jotka kuvaavat muuttujaa ”ei yhtään läheistä ystävää” valitsin niin, että toista muuttujaa kuvaava väri näkyisi rasteripinnan alta mahdollisimman hyvin, eli pyrin valitsemaan mahdollisimman ”harvoja” rastereita. Kokeilin aluksi valita kolme pisterasteria eri tiheyksillä, mutta lopputulos oli hyvin epäselvä. Myös viivojen kanssa oli sama ongelma, joten päädyin keskenään erilaisiin rastereihin. Lisäksi yritin pitää värimaailman kartassa yhtenäisenä, mutta kuitenkin värien erotettavuuden toisistaan mahdollisimman hyvänä, ettei lukija joutuisi arpomaan rasteripinnan alta pilkottavaa väriä.

Ensimmäinen silmiini pistävä havainto kartalla oli, että Lappi, Keski-Pohjanmaa sekä Päijät-Häme kuuluvat kaikki ylimpään luokkaan kummankin muuttujan suhteen, eli näissä maakunnissa on sekä eniten ahdistuneisuutta että henkilöitä, joilla ei ole yhtään läheistä ystävää. Kuitenkin esimerkiksi Kanta-Häme kuuluu ahdistuneisuuden suhteen ylimpään luokkaan, mutta ”ei yhtään läheistä ystävää”-luokituksessa alimpaan luokkaan. Suurin osa niistä maakunnista, joissa on vähiten niitä henkilöitä, joilla ei ole yhtään läheistä ystävää, kuuluvat myös ahdistuneisuuden esiintymisen suhteen alimpaan luokkaan, mutta myös tässä on poikkeuksia Uudenmaan sekä juuri Kanta-Hämeen kohdalla.

Toisena huomioni kiinnittyi Suomen itäpuolen halki nauhamaisesti kulkevaan alueeseen, johon kuuluvat Pohjois-Karjalan, Pohjois- ja Etelä-Savon sekä Kainuun maakunnat. Nämä kaikki kuuluvat molempien ilmiöiden suhteen Alimpaan luokkaan, kuten myös Etelä-Pohjanmaan maakunta. Kartalta löytyy kuitenkin myös sellaisia maakuntia, joissa ahdistuneisuuden osuus on vähäisintä, mutta yhtään läheistä ystävää ei ole 6,3-7%:lla (keskimmäinen luokka).  Ilmiöiden välillä voi havaita pientä korrelaatiota, mutta kuten sanottu, kovin luotettavia johtopäätöksiä ei tätä karttaa tulkitsemalla kuitenkaan voi tehdä.

Artikkeli 1

Kahden muuttujan teemakartan luomisen ja analysoinnin lisäksi toiseen kurssikertaan liittyi myös kurssin tiedotusblogissa annettu artikkelitehtävä. Erilaisten teemakarttaesitysten pohdintaa tuli syventää lukemalla Anna Leonowiczin (2006) kirjoittama tieteellinen artikkeli Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Artikkelissa tarkastellaan yksi- ja kaksiteemaisten koropleettikarttojen eroja luettavuuden ja niiden tuottamisen suhteen sekä eriteltiin melko kattavasti ohjeita, joilla kaksiteemainen kartta säilyttää selkeytensä ja luettavuutensa.

Tässä vaiheessa akateemisia opintoja ei englanninkielisiä tieteellisiä artikkeleita ole tullut luettua vielä kovin montaa. Siksi tuntui paikoin haastavalta yrittää poimia artikkelista kaikki merkittävät asiat ja muodostaa niistä yksi selkeä kokonaisuus. Artikkelin alkupuolella kerrottiin melko lailla samoja asioita päällekkäisistä koropleettikartoista sekä teemakartoista yleensäkin, joita olimme jo kurssilla käsitelleet. Hyvin toteutetuista kaksiteemaisista koropleettikartoista on yksiteemaisia karttoja helpompi tarkastella ilmiöiden välisiä vuorovaikutussuhteita. Myös luokkien lukumäärän pitäminen tarpeeksi alhaisena päällekkäisissä koropleettikartoissa (maksimissaan 3 luokkaa/teema) ja värien käyttö olivat tarkastelussa sekä artikkelissa että kurssilla. Mikäli luokkia on enemmän kuin kolme, kasvaa mahdollisten väri- ja rasteriyhdistelmien joukko niin suureksi, että kartta muuttuu epäselväksi ja informaatio ei välity.

Artikkelia lukiessani hämmennystä aiheutti erityisesti kaksiteemaiselle kartalle laadittu ruudukkolegenda. En ollut koskaan aikaisemmin nähnyt moista ja legendan toimintaperiaatteen suurpiirteinen ymmärtäminen vaati aikansa artikkeliin liitettyjen havainnollistavien kuvien tuijottelua. Myönnettäköön, että legenda ei lopultakaan ihan täysin auennut minulle. Perusideana siinä on kuitenkin se, että ruudukon alareuna on ikään kuin x-akseli ja vasen reuna y-akseli. Akselit kuvaavat kartan kahta eri muuttujaa ja ruutujen määrä muodostuu luokkamäärien mukaan. Jos esimerkiksi luokkien määrä on kolme, muodostetaan akseleille (3×3) yhdeksänruutuinen ruudukko. Teemakartan värit ovat legendassa niitä vastaavilla alueillaan.

Erikoiselta tuntui myös se, että kahta päällekkäistä teemaa voi kuvata sekoittamalla kahta eri ilmiötä ja niiden tiettyjä luokkia vastaavat värit yhdeksi väriksi. Idea on siinä mielessä kekseliäs, että tällöin vain yksi väri riittää kuvaamaan muuttujien suhdetta, mutta tällaisen kartan tulkinta aiheuttaa varmasti hankaluuksia, mikäli esitystapa ei ole ennestään tuttu. Myös Tuure Takala on pohtinut blogissaan hyvien pohjatietojen tärkeyttä tällaisten kartografisten esitysten ymmärtämiseen. Edellä mainitut esitystavat poikkeavat monella tapaa yleisesti käytetyistä koropleettikartoista, mikä vaatii lukijalta kykyä yhdistellä erilaisia asioita, jonka lisäksi esitys tulisi hahmottaa yhtenä kokonaisuutena.

Lähteet:

Autio, A. (2015). Kurssikerta 2. Antin paikkatietoblogi. https://blogs.helsinki.fi/anttiaut/ Luettu 27.1.2015

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

Todorovic, S. (2015). Kurssikerta 1 – Kartta vai kepponen. Saran Blogi. https://blogs.helsinki.fi/stodorov/ Luettu 27.1.2015

Takala, T. (2015). 2. Kurssikerta.  Takalan PAK-blogi. https://blogs.helsinki.fi/tevtakal/ Luettu 4.2.2015

Paikkatiedon hankinta, analyysi ja kartografia –kurssilla tuotetaan erilaisia karttoja ja perehdytään geoinformatiikkaan Mapinfon avulla. Tämä blogi toimii kurssitöiden julkaisun ja oman oppimisen prosessoinnin väylänä, sekä mahdollistaa vuorovaikutteisen opiskelun muiden kurssilaisten kanssa. Blogiteksteissä analysoidaan ja tulkitaan kurssilla tehtyjä karttoja sekä kirjoitetaan omaa oppimista tukevia pohdintoja.

Paikkatiedon hankinta, analyysi ja kartografia –kurssi aloitettiin kertaamalla, mitä kaikkea paikkatiedon käsite pitääkään sisällään ja millaisia ominaisuuksia paikkatiedolla on. Mieleen palauteltiin esimerkiksi rasteri- ja vektorimuotoisten aineistojen eroja.

Mapinfoa käytettiin jonkin verran tiedonhankinta, analyysi ja kartografia –kurssin ensimmäisen periodin osuudessa, mutta sen ominaisuudet olivat päässeet itseltäni unohtumaan lähes kokonaan, sillä Corel Draw – piirto-ohjelma on ollut Mapinfoa ahkerammassa käytössä kuluneen lukukauden aikana. Näiden kahden ohjelman ominaisuudet myös sekoittuivat keskenään ja otti aikansa, ennen kuin Mapinfon ja Corelin selkeimmät erot palautuivat mieleen. Mapinfon perusominaisuuksia kerrattiin Helsingin seudun paikkatietoaineistoon liittyvän harjoitustehtävän avulla.

Kun varsinaista kurssikerran tehtävää varten oli saatu riittävä preppaus ja Mapinfon perusteet olivat jotakuinkin selvät, oli aika aloittaa tehtävän tekeminen. Tehtävänä oli luoda koropleettikartta Mapinfolla Suomen kuntiin perustuvan aineiston avulla ja tarkastella erilaisia aineiston luokitteluvaihtoehtoja. Valitsin omaksi aineistokseni eläkkeellä olevien asukkaiden osuuden kunnan väestöstä vuonna 2011. Tarkastelin aineistoani histogrammityökalun avulla, josta sain selville aineistoni olevan normaalisti jakautunut. Sen perusteella päätin kokeilla luokitella aineistoni keskihajonnan mukaan.

Kartasta ei kuitenkaan tällä luokitteluvalinnalla tullut kovin mielekäs, sillä pienimpien arvojen luokka jäi lähes olemattomaksi ylimmän luokan havaintomäärän ollessa suhteettoman suuri. Sen sijaan, kun luokittelin aineiston kvantiilien perusteella, jakautuivat havainnot suhteellisen tasaisesti kaikkiin viiteen luokkaan ja kartasta (Kuva 1.) tuli peremmin tulkittava. Vaikka kvantiililuokituksella luodusta kartasta tuli visuaalisesti siisti, on kuitenkin syytä huomata, että luokkavälit ovat tässä luokittelussa hyvin epätasaiset.

Kuva 1. Eläkkeellä olevien osuus kuntien väestöstä (%) 2011. Lähde: Tilastokeskus.

Merkittävät opiskelukeskukset (esim. Oulu, Tampere, Jyväskylä, pääkaupunkiseutu) sekä niiden ympäristöt erottuvat alimpaan luokkaan kuuluvina alueina kvantiilien perusteella luokitellussa karttatuotoksessa. Yliopisto- ja muissa merkittävissä opiskelukaupungeissa eläkeikäisten osuus on pieni, kun taas monissa maaseutukunnissa muuttotappio ja syntyvyyden vähemmyys suhteessa kuolleisuuteen pitävät eläkeläisten suhteellisen määrän kunnan väestöstä korkeana. Kartasta huomataan, että eläkeläisten suhteellinen osuus on suurin Itä- ja Pohjois-Suomessa.

Mapinfoa enemmän käyttäneet voivat ehkä havaita tekemästäni kartasta, että sen tekijä ei (vielä) ole kovin harjaantunut ohjelman käytössä. Legenda saattaisi kaivata pientä hienosäätöä ainakin siinä mielessä, että kuhunkin luokkaan osuvien havaintojen määrien ei välttämättä tulisi olla näkyvillä. Lisäksi vierekkäisten luokkien sävyerot eivät ehkä ole ihan riittävän selkeät, joten sävyjä olisi voinut muuttaa tai luokkien määrää pienentää. Juuso oli tehnyt oman karttansa samasta aineistosta kuin minä ja oli valinnut luokkien määräksi vain kolme, mikä näytti mielestäni erittäin toimivalta ratkaisulta. Kartasta välittyi lähes sama informaatio kuin omasta kartastani, mutta luokat on helpompi erottaa toisistaan.

Luokittelutapojen valintaa on harjoiteltu jo aikaisemmin tiedonhankinta, analyysi ja kartografia –kurssilla, jolloin tehtävänä oli valita vaalikarttoihin erilaisia luokituksia. Tämän tehtävän myötä luokittelun vaikutus kartan ulkonäköön avautui kuitenkin paremmin, sillä eri luokitusten kokeileminen aineistolle oli suhteellisen vaivatonta. Lisäksi tehtävää tehdessä tuli mietittyä, mihin eri tavalla jakautuneille aineistoille suositellut luokitukset perustuvat. Histogrammia tulkitsemalla ja jo etukäteenkin huonoksi valinnaksi ounastelemiani luokituksia kokeilemalla konkretisoitui, miksi kaikki luokitukset eivät tosiaan sovi kaikille aineistoille.

Histogrammia katsomalla on helppo ymmärtää, miksi esimerkiksi tasavälistä luokitusta normaalisti jakautuneelle aineistolle käytettäessä keskimmäiset luokat saavat suurimman osan havainnoista ja suurimpiin ja pienimpiin luokkiin jää vain vähän havaintoja. Kun voi vielä kokeilla ”huonon luokituksen” toteuttamista karttaesityksenä, saa sen soveltumattomuudesta tietylle jakaumalle lopullisen varmistuksen.

Luokitteluvalinnan pohtimisessa tuntuu olevan nyt paljon enemmän järkeä, kun ymmärtää hieman paremmin, miksi tietynlainen luokitus sopii tietyllä tavalla jakautuneelle aineistolle. Kun on käsitys siitä, mistä luokitteluvalinnan vaikutus kartan visuaaliseen ilmeeseen johtuu, on mielekkäämpää pohtia parasta luokitustapaa, eikä vain valita opettajan laatimasta suositustaulukosta sattumanvaraisesti mitä tahansa luokitusta.

Lähteet:

Korhonen , J. (2015). Juuson paikkatietopuserrus. https://blogs.helsinki.fi/juusokor/ Luettu 21. 1.2015.