Kurssikerta 7.

Seitsemättä kurssikertaa edeltävänä yönä en saanut unta, joten käytin ajan tehokkaasti aineiston etsimiseen. Siksi karttojen teko lähtikin sutjakasti käyntiin, jopa niin sutjakasti että olin aivan vakuuttunut tekeväni jotain pahasti väärin. Tavoitteena viimeisellä kurssikerralla oli siis saada aikaiseksi kaksi karttaesitystä itse valitsemasta aiheesta. Luonnonmaantieteeseen suuntautuneena ja kasvihuonepäästöistä kiinnostuneena päätin tutkia energiankäytön, sekä väestön vaikutusta kasvihuonepäästöjen määrään maakunnittain.

Taas huomasin tehneeni jotain väärin, kun aloin tulkita karttaa. Olin ilmeisesti ottanut joitain aineistoja väärin tietokannasta, jonka takia kartasta ei tullut järkevää. Onneksi huomasin tämän jo kurssikerran aikana ja kerkesin tekemään kaiken välittömästi uusiksi. Positiivista oli myös se, ettei ongelma ollut tällä kertaa mapinfon käyttämisessä, vaan omassa huolimattomassa aineistonkeruussa.
gigawattiEnsiksi tutkin siis kasvihuonepäästöjen ja teollisuuden energiankäytön korrelaatiota maakunnittain vuonna 2012. Yksikkönä toimii CO2-ekv (eli hiilidioksidiekvivalentti, joka on ilmastotieteessä yleisesti käytetty suure joka kuvaa muiden kasvihuonekaasujen ilmastovaikutusta suhteutettuna hiilidioksidin vaikutukseen) tuhatta tonnia vuodessa. Teollisuuden energiankäytössä yksikkönä on vuoden keskiarvo gigawattitunteina.

väestöSeuraavaksi tutkin väkiluvun vaikutusta kasvihuonepäästöihin maakunnittain vuonna 2010. Päästöjen yksikkö on sama kuin edellisessä kartassa.

Tutkin tehtävässä vain teollisuuden energiankäyttöä ja väestöä, joten kumpikaan kartoista ei tuo esille kaikkia kasvihuonepäästöjen suuruuksiin alueellisesti vaikuttavia asioita. Esimerkiksi maatalous tuottaa paljon päästöjä Pohjanmaalla ja liikenne kaikkialla Suomessa. Erilaista teollisuutta, kuten puu- ja metalliteollisuutta on paljon erityisesti Etelä-Karjalassa ja Pohjois-Pohjanmaalla, sekä tietenkin Uudellamaalla ja ensimmäisessä kartassa ne erottuvatkin hyvin muun Suomen energiapäästöistä. Myös Lapissa teollisuus käyttää paljon energiaa. Korrelointia teollisuuden energian käytön ja kasvihuonepäästöjen välillä on jonkin verran havaittavissa. Toisessa kartassa korrelaatio näkyy selvimmin. Kaikkialla missä ihmisiä on paljon, myös kasvihuonepäästöt ovat suuria. Positiivisena yllätyksenä huomasin aineistoista, että kasvihuonepäästöt ovat vähentyneet kahdessa vuodessa koko Suomessa!

Kartat olisi tietysti voinut tehdä jostain haastavammasta aiheesta, mutta Suomi kiinnosti minua ja haluan tulevaisuudessa tutkia vastaavia asioita. Jälkimmäinen karttaesitys on mielestäni parempi ja korrelaation näkyessä selkeästi on kartan tulkinta helpompaa. Toisaalta luokittelun kanssa oli taas vähän ongelmia ja se onkin hieman kummallinen, en oikein oppinut tekemään sitä vieläkään oikein. Ensimmäinen kartta oli lähinnä harjoittelua toista karttaa varten, niin aineistojen valitsemisen kuin itse esityksen laatimisen takia. Niin kuin koko kurssi on ollut harjoittelua tulevia paikkatieto-opintoja varten.

Karttojeni visuaalinen ulosanti ei juuri ole parantunut kurssin kuluessa, mutta mapinfon käyttötaidot (ja asenne sitä kohtaan) ovat puolestaan parantuneet huomattavasti! Vihdoin olen alkanut tunnistaa omia kompastuskiviä karttojen teon eri vaiheissa ja pystyn jopa jonkin verran välttelemään niitä. Viimeinen kurssikerta oli mielenkiintoinen, kun sai itse valita alueen ja huomasi kuinka on kehittynyt karttojen teossa. Kaikesta ahdistuksesta huolimatta kurssi oli kuitenkin todella palkitseva, vaikka Mauran (Karttoja tässä tilanteessa? No ehkä yksi.) lailla meninkin sieltä missä aita on matalin. Onneksi se on nyt kuitenkin ohi.

Lähteet:

Tilastokeskus, <http://pxweb2.stat.fi/database/StatFin/databasetree_fi.asp> Luettu 24.2

Hiilidioksidiekvivalentti, Wikipedia, 2015 <http://fi.wikipedia.org/wiki/Hiilidioksidiekvivalentti> Luettu 15.3

Karttoja tässä tilanteessa? No ehkä yksi. Maura Pemberton, 2015 <https://blogs.helsinki.fi/maurapem/> Luettu 15.3

Kurssikerta 6.

Kuudennella kurssikerralla geokoodattiin, joka hurjasta nimestään huolimatta osoittautui varsin helpoksi hommaksi. Ei edes aikainen herätys tai harmaa, tihkusateinen sää lannistanut innokkaan ryhmämme sähköpömpelien metsästystä! Harjoituksessa pääsimme siis itse harhailemaan ympäri Kumpulaa GPS-paikantimien kanssa ja syöttämään keräämämme tiedot mapinfoon. Ja hyvin onnistui, jopa omasta mielestä. Geokoodaamisen jälkeen pääsimme taas siihen itseensä eli karttojen tekemiseen blogia varten. Tarkoituksenamme oli luoda oppimateriaaliksikin sopivia karttaesityksiä maanjäristyksistä, vulkanismista sekä meteoriiteista. Toimme siis internetistä ladattua aiheisiin liittyvää pisteaineistoa mapinfoon ja toivoimme parasta.

järinääEnsiksi tutkin yli 8 magnitudin maanjäristyksiä syntymävuoteni 1994 jälkeen. Aikaansaadusta kartasta huomataan heti suurten järistysten sijoittuminen Tyynenmeren ympärille, niin sanottuun tulirenkaaseen, joka reunustaa 103 miljoonan neliökilometrin kokoista Tyynenmeren laattaa.

järinää2Seuraavaksi tutkin yli 8 magnitudin maanjäristyksiä hieman pidemmältä aikaväliltä. Valitsin järistykset vuoden 1964 jälkeen Alaskan suuren maanjäristyksen takia. Merkittäviä muutoksia ei kolmessakymmenessä vuodessa ole juuri tapahtunut, järistyksiä on tapahtunut vain 8 ja niistäkin suurin osa Tyynenmeren tulirenkaalla. Portugalissa vuonna 1969 tapahtunut suuri järistys on sijaintinsa vuoksi muihin havaintoihin verrattuna poikkeuksellinen, vaikka hyposentrumi sijaitsee Euroopan ja Afrikan laattojen törmäysvyöhykkeellä. Tässä vaiheessa huomasin karttaa tulkitessani, että Alaskan järistystä kuvaava piste oli kadonnut kartalta kyberavaruuteen. Kaikki olikin sujunut epäilyttävän hyvin.

pulputustaLopuksi tutkin vuoden 1964 jälkeen purkautuneiden tulivuorten ja kahdessa edellisessä kartassa tarkastelemieni maanjäristysten sijoittumista suhteessa toisiinsa. Vertailukappaleen puute saa kartan näyttämään hieman irralliselta. Kuitenkin ihan hyvin havainnollistaa sekä aktiivisten tulivuorten, että maanjäristysten sijoittumista laattojen reunoille, sekä muutamiin hot spotteihin.

Tässä vaiheessa ohjeessa kehotettiin ihailemaan aikaansaannostasi tai miettimään mikä meni vikaan. Kartoissa ilmenee hyvin voimakkaiden järistysten ja vulkanismin sijoittuminen samoille alueille, mutta laajemman tietomäärän saamiseksi olisin voinut tutkia ilmiöiden esiintymistä pidemmällä aikavälillä. Opetuksessa karttojen avulla voitaisiin havainnollistaa juuri Tyynenmeren laatan ympäristön tulivuori- ja maanjäristystoimintaa, jotka ovat suuressa roolissa erityisesti lukion maantieteessä. Lähempään tarkasteluun voitaisiin ottaa esimerkiksi Japani ajankohtaisuutensa ja ilmiöiden voimakkaan esiintymisen takia.

Tohoku2-bloc_diagramme_japan_earthquakes_940_545_c1_c_tKaikissa tekemissäni kartoissa Japanin alue oli hyvin korostunut ja syy piileekin sen sijainnissa subduktiovyöhykkeellä, useamman laatan törmäyskohdassa. 2000-luvun pahin järistys tapahtui juuri Japanin länsirannikolla Tohokussa vuonna 2011 ja suuria järistyksiä on ollut lukuisia kertoja maan historiassa. Maa on kuitenkin onnistunut aina ponnistamaan takaisin jaloilleen. Japanin järistyksistä opetettaessa voidaan siis yhdistää tehokkaasti sekä luonnon- että ihmismaantiedettä. Niin kuin Outi blogissaan (Outin Pak-blogi) toteaa, harmi että nämä asiat ovat laitoksellamme painottuneet enempi geologian puolelle. Ainakin tämä kurssikerta sai minut harkitsemaan loikkausta sinne puolelle, olisi mielenkiintoista tutkia aihetta lisää.

Kahden edeltävän kurssikerran ahdistuksen jälkeen tuntui karttojen kanssa onnistuminen erityisen hyvältä, vaikka tässä onkin menty kokoajan sieltä missä aita on matalin. Ja kurssin alkupuolella vallinneista tunnelmista huolimatta alkaa pikkuhiljaa tuntua mahdolliselta, että mustakin vielä joskus tulee paikkatieto-osaaja.

Lähteet:

ANSS Catalog Search, Northern California Earthquake Center, University of California <http://quake.geo.berkeley.edu/anss/catalog-search.html>

Global Volcano Locations Database <http://catalog.data.gov/dataset/global-volcano-locations-database>

The Great Alaska Earthquake and Tsunami of March 27, 1964, U.S. Geological Survey <http://earthquake.usgs.gov/earthquakes/events/alaska1964/> Luettu 11.3

1978 M6.7 Honshu Earthquake, Earthscope <http://www.earthscope.org/science/geo-events/1978-m6.7-honshu-earthquake> Luettu 11.3

Outin Pak-blogi, Outi Seppälä 2015 <https://blogs.helsinki.fi/outisepp/> Luettu 11.3

 

 

Kurssikerta 5.

Viidennellä kurssikerralla bufferoitiin eli puskuroitiin. Aluksi bufferoimme Pornaisten keskustaa, tein TAK-kurssini kaikki työt Pornaisista ja pelkkä nimen mainitseminen tässä yhteydessä sai ujon puistatuksen kulkemaan lävitseni. (Kiva kunta se oikeasti on.)

Pornaisten tutkimisen jälkeen siirryimme tekemään itsenäisesti vastaavia harjoituksia. Itsenäistehtävä ykkösessä tutkittiin lentokenttiä. Aluksi tutkittiin runsaasti otsikoissa viimeaikoina olleen Malmin lentokentän melualuetta (yli 60dB). Lentokentästä 2km säteellä asuu n. 58000 ihmistä, joista kilometrin säteellä asuu n. 8900 ihmistä. Sitten tutkimme Helsinki-Vantaan lentokentän melualuetta. Mauran kanssa jäimme tuskailemaan tämän tehtävänannon kanssa ja aloimme jo menettää toivomme, kunnes keräsimme itsemme ja yhteisvoimin saimme loputkin tehtävät tehtyä.

Reilut 11 000 ihmistä asuu 2km säteellä kentästä, mikä on huomattavasti vähemmän kuin Malmin lentokentän läheisyydessä. Ero on helppo selittää, onhan kyseessä sentään Suomen suurin ja vilkkain lentokenttä. Desibelirajoja tutkimalla saimme selville, että yli 65 dB:n alueella asuu vain 25 asukasta eli 0,2% kokonaismäärästä. Yli 55 dB:n alueella asuu puolestaan jo hieman yli 600 ihmistä, eli 5,5%. Tutkimme myös mitä tapahtuisi jos luoteis-kaakko suuntaista kiitorataa jatkettaisiin, piirsimme 6,5km viivan kaakkoon ja bufferoimme 500 metriä sen ympäriltä. Alueella melusta kärsisi yli 12 000 asukasta, joten asukkaiden korvien säästämiseksi on hyvä, ettei kiitorata ole pitempi.

Tutkimme myös Vantaalla juna-asemien läheisyydessä asuvien määrää. Alle 500 metrin päässä juna-asemasta asuu yli 80 000 ihmistä. Asutus sijoittuu usein juuri liikenteen risteyskohtiin, joista juna-asemat ovat hyviä esimerkkejä. Vantaalla juna-asemien määrä on lisäksi suuri, koska liikennöinti erityisesti pääkaupunkiin Helsinkiin on vilkasta. Yhdistimme seuraavaksi bufferiin tietoa alueen väestöstä ja tutkimme kuinka monta prosenttia Vantaan asukkaista asuu alle 500 metrin päässä asemasta, sekä kuinka monta prosenttia näistä on työikäisiä. Tuloksena on, että 17 % koko Vantaan väestöstä asuu asemien vieressä ja näistä 69 % on työikäisiä.

Sitten siirryimme haastavamman itsenäistehtävä 2. pariin, jossa tutkimme taajama-asumista. 96 % asuu taajamissa ja taajama-asuminen on erityisesti ruuhka-Suomessa lähes poikkeuksetonta. Kouluikäisiä taajamien ulkopuolella asuu 2061 ja näiden prosentuaalinen osuus kaikista kouluikäisistä on noin 4 %. Tein itse vielä itsenäistehtävän 3. jossa tutkittiin Helsingin yhtenäiskoulun koulupiiriä. Ala-asteen tulee seuraavana vuonna aloittamaan 14 lasta ja yläasteen 61. Alueen koulupiirin asukkaista on noin 8 % kouluikäisiä ja tämän avulla arvioituna muunkielisiä kouluikäisiä on 6.

Niin kuin Mikko terävästi blogissaan (Mustaa kahvia & karttoja) toteaa, on taulukkomuotoisten tietokantojen muokkaus ja yhdistely, sekä niiden jalostaminen erilaisiksi teemakartoiksi mapinfon parhaita puolia. Tälläkin kurssikerralla opittiin (ainakin jotenkin) käyttämään montaa hyödyllistä ohjelman toimintoa. Näistä erityisesti bufferointi on hyvin tärkeää osata jos ja kun tulevaisuudessa päädymme tekemään erilaisten hankkeiden yva-kartoituksia. Itsehän taas välttelin koko blogitekstin kirjoittamista, enkä tainnut olla ainoa. Excelin puutteen ja oman teknisen kömpelyyteni takia en loppujenlopuksi saanut vastauksia liitettyä blogiin miten kuului, mutta toivottavasti näinkin kelpaa. Vitonen oli ylivoimaisesti haastavin ja turhauttavin kurssikerta, mutta samalla myös palkitseva. Hyvien ohjeiden, sekä kurssikaverien vertaistuen avulla kykenee mapinfolla tekemään vaikka mitä, vaikka vaatiihan se melkoiset lehmän hermot.

Lähteet:

Mustaa kahvia & Karttoja, Mikko Pätynen 2015 <https://blogs.helsinki.fi/mcpatyne/> Luettu 15.3

Kurssikerta 4.

Edellisen kurssikerran kummitellessa vielä mielessäni, fiilikset olivat jo valmiiksi ahdistuneet. Siksi asennoitumiseni tämänkertaiseen oli lähinnä nopeasti töistä eroon pääsy. Heti kurssikerran jälkeen ajattelin, että pienistä ongelmista huolimatta kartastani tuli lopulta ihan hyvä, ja ettei pitäisi panikoida etukäteen. Alkaessani kuitenkin myöhemmin tulkita karttaani ja kirjoittaa tätä tekstiä, huomasin kuinka huonosti olin suoriutunut tehtävänannosta ja kuinka huono karttani todella on, ahdistaa siis edelleen.

ruutukarttaRuututeemakartta esittää 20-vuotiaiden määrää pääkaupunkiseudulla.

Kartan luokittelu on jälleen aivan surkea, opinkohan koskaan tekemään sitä hyvin. Ääriarvojen huono luokittelu tekee kartasta hyvin epäinformatiivisen ja epämiellyttävän lukea. Olisi pitänyt miettiä asiaa kun tein karttaa, ylimmät arvot olisi pitänyt tarkistaa ja aineisto luokitella sillä tavalla, että ne erottuisivat muusta joukosta. Myös alimmat arvoluokat (1-2 ja 2-4) olisi voinut esittää eri tavalla ja lisätä joukkoon nolla-arvon. Ruutukoostakaan ei ole enää tässä vaiheessa aavistusta, se voisi yhtä hyvin olla 40 jaardia kuin kilometriä. (Tässä välissä vakiopelastajani Mikko sanoi ruutukokoni olevan 300 metriä.) Erikokoisilla ruuduilla kartasta olisi tullut mahdollisesti parempi. Tässä vaiheessa huomasin, että olin onnistunut pilaamaan myös mittakaavani.

Jos halutaan ajatella lukijaa ja informatiivisuutta, luokittelu pitäisi tehdä uusiksi. Oikeastaan koko hiton kartta pitäisi tehdä uusiksi. Rajat ruutujen ympärillä voisi häivyttää sulavuuden lisäämiseksi. Vaikka tehtävään ei tällaista kuulukaan, esimerkiksi nimistöä ja tiestöä voisi lisätä selkeyttämään karttaa ja helpottamaan sen tulkintaa. Ruututeemakarttojen informaatioarvo on suhteellisen heikko verrattuna mm. piste- tai koropleettiteemakarttoihin, joita olemme tehneet kurssilla aikaisemmin.

Kartasta voidaan kuitenkin tulkita, että kaksikymmentävuotiaista on osa muuttanut opiskeluiden ja töiden perässä omiin asuntoihinsa ja osa puolestaan asuu vielä kotonaan. Kartassa erottuu tyhjää erityisesti Espoon Nuuksion kohdalla. Varsinaisia keskittymiä ei juuri ole, Helsingin korkean väkiluvun takia määrät ovat suurempia. Ruuduissa parasta on, että ne näyttävät tarkasti ihmisten sijoittumisen kartalle.

Kuitenkin, katsellessani muiden blogeja, huomasin kollektiivisen kartta-ahdistuksen hallitsevan lähes kaikkia. Monien kartat olivat silti parempia kuin omani, esimerkiksi Ollin (Olli Kaupin paikkatietoblogi) kartta oli oikein onnistunut ja informatiivinen hänen valitteluista huolimatta.

Arttu pelotteli meitä seuraavasta kerrasta. Täytyy ryhdistäytyä.

Lähteet:

Olli Kaupin paikkatietoblogi, Olli Kauppi 2015 < https://blogs.helsinki.fi/okauppi/>

Kurssikerta 3.

Kolmannella kurssikerralla työskentely mapinfon kanssa oli erityisen ahdistavaa. Kurssikerran sisältö oli hyvin asiapitoinen ja hetkellinen tarkkaavaisuuden menetys aiheutti varsinaisen lumipalloilmiön. Vaikka missasinkin ohjeistuksesta puolet, sain loppujenlopuksi tehtyä itsenäisesti (okei, muutaman kurssikaverin avulla) ihan kelvon kartan!

paska

Kartta esittää Suomen valuma-alueiden tulvariskiä koropleettikarttana ja järvisyysprosenttia diagrammina. Ilmiöiden välinen suhde näkyy kartalla selvästi, ainakin jos on valinnut värit ja luokituksen järkevästi, kuten esimerkiksi Julia (Julian blogi).

Eräs viisas kerran totesi: ”ei haittaa jos karttasi on paska, kunhan muistat mainita sen blogissasi.” Täytyy siis todeta, että karttani luokitus jäi valitettavasti kysymysmerkiksi; en enää blogia kirjoittaessa muistanut miten tein luokituksen ja ihmettelen yhä kovasti miten sain kartastani tällaisen. Tutkailin muiden blogeja ja kenenkään luokitus ei vastaa omaani. Kokeilimme Mikon kanssa kaikki mapinfon mahdolliset luokitukset läpi, emmekä silti keksineet miten olen saanut kartastani tuon näköisen. Ahdistaa. Kaikesta tästä huolimatta karttani näyttää kuitenkin lähes oikealta ja ehkä jopa hieman informatiiviselta.

Mitä taas tulkintaan tulee, meistä kukaan ei ole tulkinnassa täysin maallikko. Onhan näitä asioita luettu jo pääsykokeisiin ja kaikki varmasti muistavat ne samat uutiskuvat Pohjanmaan tulvista. Kartalta huomaa negatiivisen korrelaation ilmiöiden välillä, järvisyysprosentin kasvaessa tulvariski vähenee. Tulviminen sijoittuu suurin osin juuri tasaiselle, peltoiselle Pohjanmaalle, jossa savipitoinen maa ei sido vettä itseensä niin hyvin. Siten esimerkiksi sulamisvedet tulvivat helposti yli tasaisista joista. Järvet puolestaan keräävät ylimääräiset vedet, joten juuri Järvi-Suomessa näyttäisi tulvivan vähiten. Jäätikön (ja sen liikkeiden) vaikutus erilaisten geomorfologisten muodostumien ja maaperän syntymiseen selittää myös eroja alueiden välillä. Länsi-Suomessa jäätikkö on painanut maan tasaiseksi, kun taas idässä erilaiset reunamuodostumat ja painaumat vaikuttavat tulvimiseen. Tulviminen on myös yleisempää rannikolla mereisestä ilmastosta ja suuremmasta kaupungistumisasteesta johtuvan sateisuuden takia.

Tehtävää oli kivaa tehdä, luonnonmaantiede on hyvin kiinnostavaa ja toivon onnistuneeni tehtävässä niin, että saisin harjoitustyökurssilla siitä jotain hyötyä. Vaikka en onnistunutkaan saamaan kartasta visuaalisesti hienoa, sain silti kurssikerrasta paljon irti.

——————————————————————————————————————–

Teimme kurssikerralla myös harjoituksen Afrikasta, jonka valitettavista syistä missasin. Tutkittuani nyt jälkeenpäin karttaa ja tehtävänantoa, voin todeta muutamia asioita.

Kartalla näkyy Afrikan mantereella vallitsevat konfliktit, niiden laajuus kilometreinä sekä timanttikaivosten että öljylähteiden sijainnit. Timanttikaivoksia ja öljylähteitä on paljon, Afrikka onkin yksi suurimmista raaka-aineiden tuottajista. Valitettavasti kolonialismin vaikutus näkyy vieläkin maanosassa, jalostusta ei juuri ole ja raaka-aineet myydään suurin osin pois.

Kartta kuitenkin näyttää siltä, kuin koko asutettu Afrikka olisi pelkkää konfliktia, aineistoja lisäämällä tähän voitaisiin saada selkeyttä. Nopeasti vilkaistuna näyttää myös siltä, että timanttikaivoksia on enemmän konfliktialueilla kun öljylähteitä. Voitaisiinko muista saatavilla olevista tiedoista päätellä miksi näin on, vaikuttaako esimerkiksi tuottamisen määrä konflikteiden määrään tai laajuuteen? Länsi-Afrikka on ollut mm. veritimanttien takia konfliktialuetta jo kauan. Voitaisiinko aineistoilla tutkia mitkä konfliktit ovat syntyneet myöhemmin ja mitkä ovat perua jo esim. -80 luvulta.

Suurin hyöty aineistoissa on internetin käyttäjien määrä, jonka avulla voitaisiin tutkia alueellista kehittymistä teknologian ja vaurauden kautta. Tiedoilla voitaisiin selvittää korrelaatioita vaurauden ja konfliktien määrän/laajuuden välillä.

Lähteet:

Julian blogi, Julia Koskinen 2015 <https://blogs.helsinki.fi/juliakos/>

Kurssikerta 2.

Toisella PAKin kurssikerralla tutustuimme erilaisiin teemakarttaesityksiin, ensin Artun johdolla ja siitä rohkaistuneina itse kokeillen. Tavoitteenamme oli tutkia kahden ilmiön korrelaatiota ja laatia näistä kahdesta päällekkäinen teemakartta. Yhteistyö mapinfon kanssa sujui suorastaan epäilyttävän hyvin.

Niin kuin Toni blogissaan (RUIKKALAN PAK-BLOGI 2015) toteaa, suurin haaste kartanteossa taisi olla aiheen valitseminen THL:n SOTKAnetin valtavasta tietokannasta. Päädyin tutkimaan harkinnanvaraista psykoterapiaa saaneiden 25 – 64-vuotiaiden korrelaatiota tietoon tulleiden rikosten kanssa Keski-Suomen maakunnassa. Painavin aiheen valintaan vaikuttanut tekijä oli silti se, että pääsin vihdoin käyttämään noita veikeitä poliisiauto-symboleita kartallani!psyko

Psykoterapiaa saaneiden määrää kuvastaa koropleettikartta, rikollisuuden vaihtelua puolestaan sen päälle sijoitettu symbolikartta. Ilmiöiden välillä ei ilmene suurta korrelaatiota. Olisin odottanut joko vahvempaa positiivista korrelaatiota tai päinvastoin negatiivista korrelaatiota, rikosten vähentymistä kuntoutuksen lisääntyessä. Voimakkaampia eroja (ja korrelaatiota) tutkintadatassa saattaisi olla jossain muualla Suomessa, kuten tiheämmin asutulla pääkaupunkiseudulla. Keski-Suomen kunnista väestökeskittymät Jyväskylä ja Jämsä erottuvat kartalta sekä rikostilastoissa, että terapiamäärissä.

Tässä välissä tein huomion että tähän mennessä suurin osa kartoistani on ollut oranssinsävyisiä, mutta eipä tuo kai kovasti haittaa. Se nyt vaan sattuu olemaan kiva väri. Luokittelussa käytin vain kolmea luokkaa sekä kvantiileja saadakseni pienen tarkastelualueen erot paremmin esiin. Karttojen teko tuntuu hetki hetkeltä luonnollisemmalta.

——————————————————————————————————————–

Artikkeli 1.

Anna Leonowicz esittelee artikkelissaan Two-variable choropleth maps as a useful tool for visualization of geographical relationship kahden päällekkäisen teeman samanaikaista käyttöä teemakartalla. Erityisen kätevää tämä on kun halutaan esittää kartalla korrelaatiota ilmiöiden välillä. Artikkeli vaikutti aluksi mahdottomalta lähestyä, mutta oikeanlaisella asennoitumisella sisältö kuitenkin aukesi. Syynä tähän kankeuteen varmasti oli englannin kieli, artikkelin tieteellisyys sekä vallitseva yleinen saamattomuus.

Leonowiczin kartta avartaa teemakarttakäsitettä, mutta vain tiettyjen rajojen puitteissa; esimerkiksi luokkien lukumäärän pitää olla tarpeeksi pieni tai kartasta tulee sekava. Olen huomannut teemakartoissa saman asian kuin Toni, mitä enemmän luokkia kartassa käytetään, sitä enemmän edellyttää se lukijalta karttaosaamista. Siitäkin syystä tulee luokkia olla sopiva määrä. Ilmiöiden korrelaatio kuitenkin havainnollistuu tällaisessa kartassa huomattavasti paremmin kuin tavallisissa teemakartoissa.

Yllättäen kartan tekijän ja lukijan kommunikaatio kärsii, jos kartasta tekee liian monimutkaisen tulkita. Tämä onkin kyseisten kahden tason koropleettikarttojen suurin kompastuskivi, erityisesti kun legenda poikkeaa paljon tavallisten karttojen legendasta. Legendaa on kuitenkin helppo tulkita sopivan ohjeistuksen avulla. Ideana legendassa on että x- ja y-akselit saavat eri arvot, joita kuvaavat eri värit. Trendiviivan mukaisesti värit muuttuvat tummemmiksi arvojen kasvaessa.

Tehtävän tavoitteena oli ilmeisesti tajuta, että artikkelin oppeja voidaan käyttää hyödyksi tulevaisuudessa kurssikerroilla kun tehdään haastavampia, useampitasoisia karttoja. Varsinkin kun mapinfossa on hyvät mahdollisuudet tällaisten karttojen tekemiselle. Ainoana rajoitteena ovatkin luultavasti vain kartantekijöiden omat kyvyt..

Lähteet:

Tietoon tulleet rikokset 2010.

Harkinnanvaraista psykoterapiaa saaneet 25 – 64-vuotiaat (2010), Tilasto- ja indikaattoripankki SOTKAnet, Tilastokeskus <http://uusi.sotkanet.fi/portal/page/portal/etusivu/hakusivu/tulossivu?regionCount=320&currentEvent=getData&sexCount=1&setId=p85c1a784c430d54683c935ba1e498fa422f51d1ce4b834&indCount=1&yearCount=1> Luettu 20.1.

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

RUIKKALAN PAK-BLOGI 2015, Toni “Sabotage” Ruikkala 2015 <https://blogs.helsinki.fi/ruikkala/> Luettu 29.1

Kurssikerta 1.

MapInfo, kohtaamme jälleen. Tällä kertaa paikkatiedon hankinta, analyysi ja kartografia (tuttavallisemmin PAK) kurssin merkeissä. Kurssin tavoitteina on tutustua paikkatiedon erilaisiin sovellusmahdollisuuksiin ja oppia käyttämään rakasta mapinfoamme ilman turhautumista, joka näillä näkymin vaikuttaa mahdottomalta tehtävältä.

Ensimmäisen kurssikerran tehtävänä oli laatia yksinkertainen karttaesitys. Loimme siis kaikki parhaan taitomme mukaan koropleettiteemakartat eri aiheista, itse valitsin karttani aiheeksi Suomen väestöntiheyden.väestöntiheys_manninen

Valmiilla kartalla näkyy väestöntiheyden vaihtelu koko Suomen tasolla. Tasavälinen luokittelu ja oikea määrä luokkia (5) mahdollistavat selkeän esityksen myös ihmisille jotka eivät tunne aineistoa, työtapoja tai tiedä mitään kartoista. Punainen väri havainnollistaa ruuhka-Suomea väljempien alueiden värjäytyessä neutraalin keltaisiksi. Yksinkertainen legenda tukee karttaesitystä, samoin mittakaava ja pohjoisnuoli.

Tärkeitä huomioita kartassa on asutuskeskukset ja niiden puute, aineiston kuvatessa koko kunnan keskiarvoa. Kuten Alanko blogissaan (Alanko’s blog) toteaa, on erityisesti pienten kuntien väestöntiheyden sisäinen vaihtelu vähäisempää pienemmän otannan takia. Kartta on kuitenkin koko Suomen tasolla selkeä ja suurten alueiden erot hahmottuvat paremmin. Pienemmille tutkintatasoille mentäessä erilainen luokitus voi olla tarpeen kuvaamaan eroja alueiden välillä, esimerkiksi Mikko on käyttänyt kartassaan (Mustaa kahvia & karttoja) kvantiilista luokittelua kuvatessaan väestöntiheyttä Helsingin sisällä.

Tähän mennessä mapinfon käyttö on ollut samalla haastavuustasolla kuin edellisellä kurssilla ja suurimmat tekniset ongelmat saatiin selätettyä. Ne johtuivat luultavasti käyttäjästä enemmän kuin itse ohjelmasta. Itse koen onnistuneeni tehtävässä ihan hyvin, ainakin muiden kurssilaisten vastaavat kartat näyttivät samalta kuin omani (miljoonat kärpäset jne.). Toivottavasti siis suunta on ylöspäin, niin karttojen teknisessä kuin visuaalisessa toteutuksessa!

Lähteet:

Suomen väestöntiheys 2011, Tilastokeskus.

Mustaa kahvia & karttoja, Mikko Pätynen 2015. <https://blogs.helsinki.fi/mcpatyne/> Luettu 26.1

Alanko’s blog, J.B. Alanko 2015. <https://blogs.helsinki.fi/jbalanko/> Luettu 26.1