Viimeinen kurssikerta

Viimeisellä kurssikerralla oli tarkoitus itsenäisesti hyödyntää kurssilla opittuja asioita. Tehtävänä oli ladata paikkatietoaineisto ja tilastoja itseään kiinnostavasta aiheesta ja tuottaa vähintään kahden muuttujan kartta.

Latasin käytettävät aineistot edellisenä iltana, mutta niiden avaaminen tuotti tuskaisia hetkiä Gis-luokassa. Yritin tunnin ajan itsenäisesti ratkaista ongelmaa, jonka Arttu selvitti lopulta alle minuutissa. Kun käyttökelpoinen kartta oli vihdoin MapInfossa, oli loppu suhteellisen tuttua hommaa. Olin ladannut Norjaa koskevia tilastoja valmiiksi excel-muotoisina, joten niiden vieminen MapInfoon oli heppoa. Saara Varis tuo blogissaan esiin ongelman, jonka itsekin kohtasin. Excelin sarakkeiden kanssa tuli olla tarkkana, jotta tietokantojen yhdistely nimien perusteella onnistuisi. Itselleni tuotti tuskaa erityisesti ø -kirjain, joten jouduin päivittelemään maakuntien nimiä runsaasti. Loppu oli kuitenkin vain hieman luokittelun ja värien pohtimista ja kartat oli valmiita.

Eniten ongelmia kurssikerran tehtävissä tuotti sopivien ja kiinnostavien tilastojen löytäminen. Esimerkiksi omissa kartoissani on vähän tulkittavaa ja tuloksien visualisointi kartalla on ehkä hieman turhaa.

Kartta 1. Norjan kansalaisten ja maahanmuuttajien työttömyys Norjassa.

Kartassa 1. vertailin Norjan kansalaisten ja maahanmuuttajien rekisteröityä työttömyyttä maakunnittain. Norjassa työttömyys on hyvin vähäistä, joten erot maakuntien välillä ovat myös erittäin vähäisiä. Päätin kuitenkin pitää värierot selkeinä, jotta ne erottuvat toisistaan, kun samaan karttaan lisätään toinen muuttuja. Maahanmuuttajien työttömyys on korkeampaa kuin maan kansalaisten. Kaikissa maakunnissa Norjan kansalaisten työttömyys on välillä 0,9 – 2,5 kun taas maahanmuuttajien työttömyys 2,7 – 7,1.
Kartan tulkitseminen vaatii ymmärrystä väestön sijoittumisesta, joten lisäsin kartan (Kartta 2.), joka kuvaa väestön sijoittumista Norjassa, Ruotsissa ja Suomessa.

Kartta 2. Väestön sijoittuminen Norjassa, Ruotsissa ja Norjassa. Lähde: http://mapsontheweb.zoom-maps.com/image/58777074043

Ensinnäkin lähes kaikilla alueilla, joilla työttömyys on vähäistä, on myös asutus lähes olematonta lähinnä maaston muotojen vuoksi. Tästä kuitenkin eroaa Osloa ympäröivä Akerhus, jossa asutusta on paljon, mutta työttömyys on vähäistä sekä Norjan kansalaisten, että maahanmuuttajien keskuudessa. Akerhusissa on pääasiassa varakkaampien ihmisten omakotitalo asutusta, joka selittää tilastoja. Akerhusissa on kuitenkin 22 kuntaa, joten niiden välillä voi myös olla vaihtelua.
Työttömyys on suurinta asutuilla rannikoilla, joille sijoittuu Oslon jälkeen Norjan suurimmat kaupungit.
Vaikka Norjassa työttömyys on pientä, on silti huomattava maahanmuuttajien työnsaannin olevan hieman Norjan kansalaisia vaikeampaa. Olisi mielenkiintoista saada samanlaisia tilastoja Suomesta ja nähdä ovatko erot suurempia, kun työttömyys on suurempaa.

Kartta 3. Naisten ja miesten jakautuminen julkiselle ja yksityiselle sektorille Norjassa.

Kartta 3. vertailee naisten ja miesten sijoittumista töihin julkiselle ja yksityiselle sektorille. Naiset ovat koko maassa selkeästi enemmistö julkisella puolella ja miehet yksityisellä. Tilastoja selittää perinteiset ammattien sukupuolijaot. Miehiä on todennäköisesti enemmän tehtaissa ja kalastusaluksilla, kun taas naisia työskentelee enemmän terveydenhuollossa ja päiväkodeissa. Erityisesti etelässä naisia työskentelee julkisella puolella paljon ja pohjoisessa vähemmän. Miehissä ihan samankaltaista jakautumista ei ole, vaikkakin pohjoisessa yksityisellä työskentely on yleisempää.

Ensimmäinen kartta ei ole ihan loppuun asti mietitty ja legendaankin on sattunut pieni kirjoitusvirhe, mutta MapInfo teki muokkaamisesta lopulta niin vaikeaa ja CorelDraw ei tuottanut tarpeeksi laadukasta tulosta, joten päätin antaa virheiden olla. Toiseen karttaan lisäsin selkeyden vuoksi maakuntien nimet.

Jälkeenpäin pohdittuna olisin voinut rajata kartan vain Norjaan ja jättää naapurimaat kokonaan näkyvistä, jotta lopputulos olisi hieman vähemmän sekava. Toisaalta ehkä naapurimaiden näkeminen osaltaan auttaa esimerkiksi alueiden koon ja sijainnin hahmottamisessa.

Viimeinen kurssikerta osoitti, että jotain olen kurssin aikana oppinut, mutta lisää opittavaa on paljon. MapInfon kanssa toimiminen on vielä kömpelöä ja monia vaiheita joutuu muistelemaan turhan paljon. Kuitenkin olen onnellinen siitä, että kurssi on lopussa ja hetkellinen vapaus opiskeluista on edessä.

Lähteet:
Varis Saara ”Viimeistä viedään” <https://blogs.helsinki.fi/saavaris/> Luettu: 6.3.2017

6. Kurssikerta

Kuudennella kurssikerralla harjoittelimme paikannettujen pisteiden laittamista kartalle. Itsenäistehtävänä oli tuottaa kolme karttaa eri hazardeista: tulivuorista, maanjäristyksistä tai meteoriittien putoamispaikoista.

Kartta 1. Vuosien 1980-1999 maanjäristykset.

Kartta 1. kuvaa vuosien 1980-1999 maanjäristyksiä. Jaottelin maanjäristykset 6.0-8.0 ja yli 8.0 magnitudin järistyksiin. Kartalta näkee selkeästi alueet, joilla maanjäristyksiä esiintyy eli siis pääasiassa mannerlaattojen reunat. Kuten Sonja Koivisto sanoo blogissaan, toisi mannerlaattojen rajaaminen ja nimeäminen lisää informaatio arvoa kartalle.

Kartta 2. 2000-luvun maanjäristykset.

Kartta 2. kuvaa puolestaan 2000-luvun maanjäristyksiä. Halusin havainnollistaa kartoilla sitä, että maanjäristysten sijainnit pysyvät samoina vuodesta toiseen ja myös niiden määrä on suhteellisen sama. Hieman ehkä turhaa laittaa kaksi kertaa lähes sama kartta, mutta tehty mikä tehty.

Kartta 3. Yli 8.0 magnitudin maanjäristyksen vuosina 1980-1999 ja 2000-luvulla.

Kartta 3. vertailee vuosien 1980-1999 ja 2000-luvulla sattuneita yli 8.0 magnitudin järistyksiä. Kartasta käy selville, että jo nyt 2000-luvulla on ollut yli kaksinkertainen määrä yli 8.0 magnitudin järistyksiä 80- ja 90-lukuihin verrattuna. Havainto on mielenkiintoinen, mutta ei todellisuudessa kerro paljoakaan esimerkiksi siitä, että maanjäristykset olisivat yleistymässä. Tämän takia kartta onkin hieman harhaanjohtava. Todellisuudessa ainakin 80-luvulla oli muutamia tavallista pienempiä maanjäristys vuosia, jotka selittävät sitä mitä kartalla näkyy. Vertaillakseen maanjäristysten yleistymistä pitäisi käytössä olla esimerkiksi useampia ja pidempiä ajanjaksoja.

Kartoissa itseäni häiritsee eniten pohjakartan värit. En kuitenkaan itse vielä osaa pohjakarttoja tälläiseen tarkoitukseen tuottaa, joten on tyydyttävä siihen mitä on annettu.

Tarkoituksena oli myös pohtia tämän tyyppisten karttojen käyttöä opetuksessa. Omat karttani kuvaavat hyvin tyypillisesti maanjäristyksiä, joten ne sopisivat opetusmateriaaliksi siinä missä muidenkin tekemät kartat. Tulivuoriin ja meteoriittien putoamispaikkoihin liittyviä karttoja tehdessäni koin kuitenkin suurta kutsumusta tuottaa uutta sulateltavaa Huonojen karttojen terapiakerholle ja karttojen sopivan vaikkapa lukiolaisten kartanlukutaitoa kehittäviin tehtäviin paremmin kuin itse asiasta opettamiseen.

Tämän tyyppisillä kartoilla voisi kuitenkin tuottaa paljon opetukseen sopivaa materiaalia. Lähes mitä tahansa asiaa, jonka koordinaatit tiedetään, voi esittää kartalla tällä tavalla. Mielenkiintoista voisi esimerkiksi olla ufo havaintojen kartoittaminen, jotta voisi tutkia sattuuko ufot näyttäytymään joillain mantereilla toisia enemmän tai peräti samoissa paikoissa toistuvasti.

Vakavasti ottaen mielenkiintoista voisi olla esimerkiksi terroristi-iskujen paikantaminen kartalle, kuten kartassa 4.

Kartta 4. Vuoden 2014 terroristi-iskut kartalla. Lähde: <http://www.humanosphere.org/world-politics/2015/11/terrorism-refugees-linked-now-might-think/>

Lähteet:
Kartta 4: Terrorism and refugees are linked, but not how you might think <http://www.humanosphere.org/world-politics/2015/11/terrorism-refugees-linked-now-might-think/> (Luettu 24.2.2017)
Koivisto Sonja (2017) Keskiviikon geokoodausta <https://blogs.helsinki.fi/kosokoso/> (Luettu 24.2.2017)

5. Kurssikerta

Pakissa oli tällä kertaa bufferointia eli puskurianalyysejä ja paljon itsenäisiä tehtäviä. Tehtävät oli turhauttavia, koska MapInfo temppuili, eikä ongelmien ratkaiseminen ollut yksinkertaista. Erityisesti turhautti se, etten uskaltanut kokeilla rohkeasti, kun tekoja ei pystynyt peruuttamaan tai palaamaan edelliseen tallennettuun kohtaan. Usein joudunkin tekemään asiat vaikeimman kautta tai aloittamaan kokonaan alusta, koska en osaa ratkaista ongelmia muilla tavoilla, sillä en tunne Mapinfoa vielä tarpeeksi hyvin.

Koen Mapinfo-osaamiseni erittäin vajavaiseksi. On suht helppoa tuottaa karttoja ja tehdä perus juttuja, mutta esimerkiksi tietokantojen muokkaaminen on aina haastavaa, eikä muistissa ole selkeästi millaisissa tilanteissa pitää käyttää mitäkin kikkaa. Lisäksi PAKkia on vain kerran viikossa, joten monet asiat kerkeävät unohtumaan ennen kuin niitä tarvitsee uudelleen.

Puskurivyöhykkeiden tekeminen oli mielenkiintoista. Puskurianalyysillä siis tehdään valitun alueen tai pisteen ympärille halutun kokoinen ”reuna” ja tutkitaan sen sisä- tai ulkopuolelle jääviä tietoja. Teimme buffereita esimerkiksi Helsinki-Vantaan lentokentän yhteyteen, kun tutkimme kuinka paljon asukkaita asuu meluvyöhykkeellä, ja miten lentokoneiden lasku- ja noususuuntien muuttaminen vaikuttaisi tilanteeseen.

Buffereilla on helppo tutkia, kuinka paljon asukkaita (tai mitä tahansa muuta aineistossa olevaa) kuuluu jonkin asian vaikutuspiiriin. Esimerkiksi uusien teiden tai muiden hankkeiden melu- ja ympäristöhaittoja voisi arvioida buffereiden avulla. Usein buffereita käytetään myös esimerkiksi matkapuhelin verkon laajuuden havainnollistamiseen ja tutkimiseen. Jos esimerkiksi pohditaan, minne kuuluvuuspylväs asennettaisiin, voi puskurivyöhykkeellä tutkia kuinka monta asukasta asuu alueella, jota pylväs hyödyttäisi. Tuloksiin kuitenkin vaikuttaa ratkaisevasti se, mihin kohtaan bufferoitava alue on asetettu. Esimerkiksi tiheään asutuilla alueilla tulos voi olla hyvin erilainen, vaikka paikkojen välillä olisi vain muutama metri.
Kristiina Koivu tuo blogissaan esiin bufferoinnin hyödyt myös luonnonmaantieteessä. Esimerkiksi lajien populaatioita voitaisiin tutkia muuttamalla asteittain bufferin kokoa, ja katsomalla miten koot muuttuvat esimerkiksi ihmisen asuttamasta alueesta poispäin mentäessä.

Tässä on tuloksia tekemistäni bufferianalyyseista:

Taulukko 1. Puskurianalyysien tuloksia.

Tein myös kartan (Kartta 1) uima-altaista pääkaupunkiseudulla. Omakotitaloissa on ehdottomasti eniten uima-altaita, mutta silti Helsingissä on uima-altaita enemmän kuin muissa pääkaupunkiseudun kunnissa. Kartan uima-altaiden määrää kuvaavien pylväiden kokoon kuitenkin vaikuttaa vahvasti se, että luvut ovat absoluuttisia, eikä asukasmäärään tai alueen kokoon suhteutettuja. Kartta voisi siis näyttää hyvin erilaiselta esimerkiksi teemakarttana. Kartasta erottuu varakkaat alueet korkeilla palkeilla, mutta muuten tulokset eivät ole yllättäviä. Vain 12 alueella on yli 20 uima-allasta.

Kartta 1. Uima-altaat pääkaupunkiseudulla.

Kartta on hyvin sekava, koska alueet ovat tiheästi kartalla ja informaatiota on paljon. Myös alueiden nimet voisivat selkeyttää kartan lukemista. Olen kuitenkin tyytyväinen karttaan, sillä sen tekemiseen meni yllättävän paljon aikaa.

Lähteet:
Koivu Kristiina ”Kurssikerta 5: Bufferointia ja putkiremontteja” <https://blogs.helsinki.fi/koivukri/> Luettu: 6.3.2017

4. kurssikerta

Tällä viikolla harjoittelimme ruututeemakarttojen tekoa. Ensin tutustuimme hieman aineistoon, jossa oli tarkkaa tietoa pääkaupunkiseudun asukkaista ja heidän sijainneistaan. Kartan pohjana toimi Open Street Map, jonka pikselöityminen on hieman häiritsevää valmiissa kartassa. Pohdimme tunnilla myös esimerkiksi sitä, miksi ruututeemakartoissa voi käyttää tarkkoja numeroita, vaikka sitä ei yleisesti teemakartoissa suositella. Tämä johtuu siitä, että ruutukartan pohjana on aina korologinen matriisi, jonka ruudut ovat samankokoisia ja arvot ovat aina suhteutettu samaan pinta-alaan (Sonja Koivisto 2017). Näin ei ole esimerkiksi kartoissa, joissa vertaillaan erikokoisia kuntia ja siksi niissä täytyy käyttää väestöön suhteutettuja arvoja tai prosentteja. Pistekarttaan verrattuna ruututeemakartan hyvä ja huono puoli on se, että ruutujen avulla tietoa yleistetään. Pistekartoille voi merkitä tarkan sijainnin, mutta jos informaatiota on paljon, on myös kartan lukeminen vaikeaa. Ruutukartalta ei esimerkiksi voi selvittää, missä kohtaa ruutua asukkaat tarkasti sijaitsevat, mutta jos tarkkaa sijaintia ei tarvita, voi ruutukartalta saada helposti kuvan asutuksen sijoittumisesta. Pistekartat voivat myös johtaa harhaan, jos tarkka sijainti ei ole tiedossa.

Ruutujen avulla on helppoa tehdä arvojen sijaintia kuvaavia karttoja. Ruutujen koko vaikuttaa kuitenkin merkittävästi kartan luettavuuteen. Pieniä ruutuja käyttämällä kartasta tulee tarkka, mutta helposti myös sotkuinen. Liian suurilla ruuduilla saattaa puolestaan menettää tärkeää tiettyyn paikkaan sidottua informaatiota. Vilja Jokinen nostaa blogissaan esiin myös ruututeemakartan heikkouden. Osa ruuduista saattaa olla osittain vesistön päällä, jolloin pinta-ala ei todellisuudessa ole sama kaikilla ruuduilla. Tämä ongelma ilmenee etenkin suurta ruutukokoa käyttäessä.

Tehtävänämme oli kokeilla eri ruutu kokoja ja tuottaa ruututeemakartta. Tein itse kartan alaikäisten määrästä. Neliökilometrin kokoiset ruudut eivät kertoneet tarpeeksi tarkasti sijainnista ja 250×250 metrin ruudut tuntuivat turhan tarkoilta. Siksi päädyin tekemään 500×500 metrin ruutuja, jotka havainnollistavat mielestäni sopivasti sijaintia, mutta kartan tulkitseminen on silti helppoa. Lisäsin kartalle myös tiestön, jotta kartan lukeminen olisi helpompaa. Myöhemmin karttaa tulkitessani totesin, että olisi ollut hyvä nostaa myös kuntien rajoja paremmin näkyville.

Kuva 1. Alaikäisten sijoittuminen pääkaupunkiseudulla 500 x 500 metrin ruuduilla.

Kartalta (Kuva 1.) huomaa alaikäisten sijoittuvan kehä III sisäpuolelle ja lähelle pääväyliä. Pääasiassa kehien ulkopuolella asutus on harvaa, mutta Vantaalla Tuusulan- ja Lahdenväylien välinen alue tekee poikkeuksen. Sielä alaikäisten määrä on samaa luokkaa kuin kehäteiden sisälläkin. Etenkin keskustan alueella oli yllättävää huomata pääväylien vaikutus sijoittumiseen, kun taas kauempana keskustasta teiden merkityksen olisin luullut olevan suurempi. Tähän todennäköisesti vaikuttaa se, että kauempana keskustasta perheillä on yleisemmin henkilöautoja, eikä julkisen liikenteen yhteydet ole yhtä merkityksellistä kuin keskustassa asuville.

Vertasin karttaa Anna Haukan blogiinsa tuottamaa karttaa asukastiheydestä. Alaikäisten sijoittuminen muun väestön kanssa on pitkälti samanlaista, mutta esimerkiksi Espoossa huomaa selkeitä lapsiperheiden keskittymiä. Karttoja verratessa huomaa myös sen, että alaikäisiä asuu muuhun väestöön verrattuna vähemmän kehä III ulkopuolella ja esimerkiksi Helsingin keskustassa keskittyneemmin tietyille alueille. Tulkintani voi kuitenkin olla virheellinen toisiaan lähellä olevista väreistä johtuen. Olisi mielenkiintoista tehdä kartta kuvaamaan alaikäisten prosentuaalista määrää muuhun väestöön verrattuna todellisen tilanteen arvioimiseksi.

Lähteet:
Haukka Anna (2017) Kurssikerta 4. Shakkilauta? Ei vaan ruututeemakartta <https://blogs.helsinki.fi/ahaukka/> (Luettu 9.2.2017)
Jokinen Vilja (2017) Kurssikerta 4: Ruututeemakartna luominen ja ulkomaiden kansalaiset pääkaupunkiseudulla <https://blogs.helsinki.fi/jokinenv/> (Luettu 8.2.2017)
Koivisto Sonja (2017) Ruututeemakartat <https://blogs.helsinki.fi/kosokoso/> (Luettu 8.2.2017)

3. Kurssikerta

Kolmannella kurssikerralla seurasimme taas tiiviisti Artun ohjeita tietokantojen muokkaamisesta. Harjoittelimme erilaisten tietokantojen liittämistä yhdeksi tietokannaksi, ja opettelimme myös lisäämään kokonaan uutta tietoa. Käytännössä opimme siis tekemään laskutoimituksia jo voimassa olevien tietojen avulla.

Ensin harjoittelimme Afrikkaa käsittelevillä tietokannoilla ja saimmekin tehtäväksi pohtia, mitä tiedoilla voisi tehdä, jos tietokannoissa olisi tiedot ainakin seuraavista asioista: konfliktin tapahtumavuosi, konfliktin laajuus/säde kilometreinä, timanttikaivosten löytämisvuosi, timanttikaivoksen kaivausten aloitusvuosi, timanttikaivosten tuottavuusluokittelu, öljykenttien löytämisvuosi, öljykenttien poraamisvuosi, öljykenttien tuottavuusluokittelu, internetkäyttäjien lukumäärä eri vuosina.

Annetuilla aineistoilla voisi tuottaa karttoja, joista näkyisi konfliktien, sekä timanttikaivosten ja öljykenttien sijainnit ja mahdolliset yhteydet. Jos yhteys löytyy, voi myös tarkastella kuinka yleisiä esimerkiksi konfliktit ovat öljykenttien löytyessä. Tietoja voisi myös käyttää visualisoimaan sitä, millaisen ajan päästä konfliktit on tapahtunut esimerkiksi timanttikaivosten avaamisesta, ja kuinka laajalle alueelle konflikti levisi. Leviämisellä voisi havainnollistaa konfliktien vakavuutta ja vaikutusta ihmisten elämään.  Kartoilla näkyisi myös öljystä ja timanteista riippumattomat konfliktit, joille osaisi paremmin etsiä selityksiä kartan nähtyään.

Tiedoilla voisi myös luoda videon, jolla näkyisi eri vuosien tapahtumia. Videolta näkyisi selkeästi esimerkiksi se, missä konflikteja on milloinkin ollut ja onko trendi nousussa vai laskussa (Koivisto Sonja, 2017). Teemakarttoja voisi tuottaa myös hahmottamaan esimerkiksi timanttikaivosten ja öljykenttien tuottavuutta eri alueilla.

Internetin käyttäjien lukumäärällä voisi tuottaa teemakarttoja, jotka kuvaavat käyttäjien prosentuaalista kasvua tai tekemällä karttoja eri vuosilta, jolloin sama asia on helpommin hahmotettavissa. Aineistolla voisi myös tutkia, onko esimerkiksi timanttikaivos vaurastuttanut aluetta ja lisännyt internetin kasvua, tai vastaavasti onko konfliktit hidastaneet internetin käytön yleistymistä (Jokinen Vilja, 2017).

Tunnin lopuksi saimme tehtäväksi tuottaa kartan valuma-alueista ja alueiden järvisyydestä. Ensin piti tehdä kahdesta tietokannasta yksi ja sitten laskea alueiden tulvaindeksit käyttämällä valmiina olevia keskiylivirtaamaa ja keskialivirtaamaa.

Tietokantojen yhdistely ja uuden tiedon tuottaminen karttaa varten tuntui haastavalta, kun en muistanut täysin Artun ohjeita. Yhdistin myös tietokannat liian aikaisin, jolloin en pystynyt muokkaamaan tietoja yhtä vapaasti, vaan jouduin palaamaan työssäni alkuun. MapInfon käytössä tulee usein vastoinkäymisiä ja turhauttavia hetkiä, eikä toiminnot aina tunnu loogisilta. Sen takia tunneilla oleminen kehittää erityisesti kärsivällisyyttä ja pitkää pinnaa.

Kuva 1. Histogrammi kuvaa tulvaindeksin jakautuneisuutta. Lähde: PAK Harjoitus3_2017

Tämän kerran kartalle (Kuva 2), joka kuvaa järvisyyttä ja alueiden tulvaindeksiä, on rajattu valuma-alueiden mukaan. Siitä syystä kartta ei ole muodoltaan tyypillinen, vaan Suomen lisäksi kartalla näkyy myös rajanaapureiden alueita.

Tällä kartalla värit ovat erityisen tärkeitä, jotta eri alueet ja päälle tulevat pylväät erottuvat selkeästi toisistaan ja kartta on helposti luettavissa. Myös luokittelu oli vaikea tehdä, sillä aineisto on vinosti jakautunut (histogrammi, kuva 1), mutta ei tasaisesti. Päädyin kuitenkin käyttämään luonnollista luokkajakoa.

Kuva 2. Tulvaindeksi ja järvisyys (%) Suomen valuma-alueilla

Kartalta huomaa, että rannikoilla on selkeästi pienemmät valuma-alueet. Pienillä valuma-alueilla veden matka pääuomaan ei ole pitkä ja tulvia syntyy nopeasti, joka selittää pienien alueiden korkeaa tulvaindeksiä (Peltonen, 1996). Kun valuma-alue on suuri, kestää pääuomaan kulkeutuvan veden matka kauemmin, eikä tulvia ehdi syntyä.

Tulviin vaikuttaa totta kai myös maaston muodot. Pohjanmaalla tulvat ovat yleisiä keväällä lumien sulaessa ja kestävät pitkään, koska vesi virtaa tasaisella maalla hitaasti. Toisaalta hitaasta virtauksesta johtuen tulviin ehditään varautua, eikä ne ole kovin vaarallisia. Myös järvisyydellä on vaikutuksia tulvaindeksiin. Vesi varastoituu järviin, joten järvisyyden ollessa suuri, on tulvaindeksi yleensä pieni. Tämän huomaa helposti myös kartalta. Pienien valuma-alueiden tulvaindeksiä nostaa pieni järvisyys prosentti, koska vesi ei ”pysähdy” vaan pyrkii koko ajan liikkeelle kerääntyen pääuomaan.

Lähteet:
Jokinen, Vilja (2017) Kurssikerta 3: Datan käsittelyä päävaluma-alueet Suomessa <https://blogs.helsinki.fi/jokinenv/> (Luettu 2.2.2017)
Koivisto, Sonja (2017) Tietokantojen käsittelyä <https://blogs.helsinki.fi/kosokoso> (Luettu 2.2.2017)
Peltonen S. (1996) Valuma-alueen vesieroosioon vaikuttavat tekijät Suomen ilmasto-oloissa <http://elektra.helsinki.fi/se/t/0040-3741/108/1/valumaal.pdf> (Luettu 2.2.2017)

Toinen kurssikerta

Toisella kerralla tarkoituksena oli oppia lisää MapInfon mahdollisuuksista. Opettelimme Artun johdolla tekemään karttoja, joilla esiintyy kaksi muuttujaa. Kävimme läpi pylväät, ympyrädiagrammit, sekä erilaiset symbolit kartalla. Lisäksi kokeilimme 3D-karttojen tekoa. Karttojen teko oli tahmeaa, sillä MapInfon kanssa ei ole ihan sama, mistä tiedostot avaa, ja yksikin virhe voi koitua kohtalokkaaksi, kun peruuttaminen ei ole aina vaihtoehtona.

Saimme tehtäväksi tuottaa kartat, joilla näkyy kaksi esitettävää asiaa. Päädyin kokeilemaan monia erilaisia karttoja, ja pohtimaan mitkä asiat toimivat yhdessä kokonaisuutena. Tein kartan ja lähdin kotiin.

Myöhemmin alkaessani analysoimaan karttaa tajusin kartan olevan kelvoton. Alueen huoltosuhteella ja työttömyydellä ei ollut yhteyttä, kuntien nimet eivät olleet esillä ja liian tiheät raidat saivat värit vääristymään. Raahauduin siis perjantaina koululle tekemään kokonaan uutta karttaa. Tein uusia kokeiluja erilaisilla aineistoilla ja etsin sopivaa myös Sotkanetistä. Kuten Kristiina Koivu toteaa blogissaan, Sotkanetistä oli vaikeaa löytää sopivaa aineistoa, sillä joidenkin kuntien aineistoja puuttui. Siksi päädyin tekemään annetuista aineistoista kartan, joka kuvaa Uudenmaan väentiheyttä ja väestön kokonaismuutosta. Käytännössä kartta (Kuva 1) havainnollistaa kaupungistumista.

Kuva 1. Väestöntiheys ja väestön kokonaismuutos kunnittain Uudellamaalla.

Kartalta huomaa selkeästi Helsingin muita kuntia korkeamman väentiheyden. Väentiheys on korkea myös muualla pääkaupunkiseudulla, sekä Keravalla ja Järvenpäässä. Muissa Uudenmaan kunnissa väentiheys on pienempää. Väestön kokonaismuutos on suuressa nousussa vain Helsingissä, Espoossa ja Vantaalla. Lopuista Uudenmaan väentiheydeltä korkeilta alueilta vain Keravalla väestö kasvaa reilusti. Kauniaisissa ja Järvenpäässä kasvu on hidasta. Pienemmän väentiheyden alueista pääkaupunkiseutua ympäröivät kunnat ovat kasvavia alueita. Kauemmas Helsingistä mentäessä väestön kokonaismuutos on pienempi, osassa jopa negatiivista.

Kahden muuttujan kartalla ongelmallista on, että karttaa on työlästä tutkia. Siitä syystä luokkia tulisi olla mahdollisimman vähän, eikä kaikkia muutoksia kannata laittaa kartalle. Omalla kartallani olisi esimerkiksi hyvä olla erikseen negatiivinen kokonaismuutos, koska se kertoo alueista paljon, mutta päätin silti käyttää luonnollista luokkajakoa ja kolmea luokkaa kummallekin aineistolle. Kartta onnistuu kuitenkin näyttämään hyvin sen, minne väestö on sijoittunut ja miten sijoittuminen on muuttumassa eli kartta siis tekee tehtävänsä.

ARTIKKELI 1

Anna Leonowiczin artikkeli ” Two-variable choropleth maps as a useful tool for visualization of geographical relationship” pohtii kahden muuttujan koropleettikarttojen luettavuutta ja kiinnostavuutta. Leonowicz tuo esiin karttojen hyvät puolet, mutta tuo myös esiin ongelmat, kuten sen, ettei kartoilla voi esittää muuttujista yhtä paljon tietoa kuin yhden muuttujan kartalla, jotta kartasta ei tulisi liian epäselvä ja monimutkainen. Kahden muuttujan kartan ehdoton etu kuitenkin on, että se näyttää muuttujien välisen suhteen.

Leonowicz tutki maantieteen ensimmäisen vuoden opiskelijoiden ajatuksia yhden ja kahden muuttujien kartoista. Samaistun opiskelijoiden ajatuksiin, sillä kuten suuri osa heistä, pidän itsekin kahden muuttujan karttoja mielenkiintoisempina, enkä koe niitä kovin paljon hankala lukuisemmiksi, ellei luokkia ole yli suositusten.

Artikkelin esimerkki kartassa legenda on aluksi hämmentävä ja vaikeasti ymmärrettävä. Kun sen ymmärtää, on sitä suhteellisen helppo lukea, sillä se näyttää suoraan muuttujien välisen korrelaation, eikä kartan päällekkäisiä värejä tarvitse itse päätellä. Päällekkäiset värit ovat silti hieman hankalia luettavia ja koen itse parempana, että toisen muuttujan merkintä on kuvio, eikä väri. Värien hyvä puoli kuitenkin on, että värien vaaleus tai tummuus kertoo muuttujan voimakkuudesta ja tekee tiettyjen asioiden huomaamisen kartalta helpommaksi.

Kahden muuttujan esittäminen kartalla vaatii lukijalta paljon tarkkaavaisuutta ja esitettävien asioiden ymmärtämistä. Yhden muuttujan kartat ovat siis turvallisempi vaihtoehto ja sopivat esimerkiksi lehtiin paremmin. Kahden muuttujan kartat kuitenkin kuvaavat muuttujien suhteita ja ilmiöitä, ja voivat olla tärkeä väline asioiden havainnollistamiseen ja ymmärtämiseen.

Nykyisen osaamiseni perusteella en usko, että MapInfolla olisi mahdollista tehdä artikkelin esimerkki kartan tyylistä karttaa, sillä ainakin korrelaatiota kuvaavaan legendaan täytyisi käyttää muita ohjelmia. En myöskään tiedä, onko MapInfolla mahdollista saada väreistä läpikuultavia ja siten käyttää kartalla kahta väriä päällekkäin. Edellä mainittujen syiden takia ajattelenkin käytettävän ohjelman ohjaavan paljon kartan toteutusta. MapInfolla kahden muuttujan esittäminen on helppoa, mutta lopputulos ei näytä samalta. Erilaisia ohjelmia hyödyntämällä kartasta voi kuitenkin saada paremman. Esimerkiksi MapInfon ja CorelDrawn mahdollisuuksia yhdistelemällä voi helpommin tuoda esiin tiettyjä asioita ja lisätä erilaisia elementtejä.

Lähteet: 
Koivu, Kristiina (2017) Toinen kurssikerta ja harjoitustyöt <https://blogs.helsinki.fi/koivukri/> (Luettu 2.2.2017)
Leonowicz, Anna (2006) ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship” <http://vddb.library.lt/fedora/get/LT-eLABa-0001:J.04~2006~ISSN_1392-1096.V_42.N_1.PG_33-37/DS.002.1.01.ARTIC> (Luettu 29.1.2016)

Ensimmäinen kurssikerta

Kuten eräs mantsan fuksi tokaisi ”siis blogi, ne on niin 2013”. Jep. Itse kuulin ensimmäistä kertaa näistä ihanista mantsan paikkatietoblogeista juurikin kyseisen vuoden keväällä, kun eräs opiskelija tuli lukioon kertomaan omista opinnoistaan. Taisivat olla silloin uusi ja upea juttu, sillä ainakaan google ei löydä blogeja sitä aiemmilta vuosilta. Edes silloin sydämeni ei sykkinyt ajatukselle, että kaikki karttani ja analyysini olisivat julkisia, mutta ehkä tämä saa vihdoin mieleni työstämään tekstejä aiempaa huolellisemmin.

Ensimmäinen kurssikerta alkoi MapInfoon tutustumisella. Ensi treffit eivät tehneet vaikutusta, sillä nykyteknologiaan tottuneena ohjelman hitaus tuottaa hetkittäin pelkoa ohjelman kaatumisesta. Myöskin tieto siitä, ettei ohjelman tuotoksia voi tallentaa totutulla tavalla aiheuttaa hieman harmaantumista. Sisälläni on kuitenkin pieni toivo siitä, että jahka tässä tutustutaan, niin kohtaamisemme eivät enää ole yhtä kiusallisia. Hitautta lukuun ottamatta ohjelma vaikuttaa varsin kätevältä, kunhan vain tietää mistä mitäkin etsiä. Innostuin myös hieman tajutessani pian (ehkä) osaavani käyttää ohjelmaa, jolla voin itse tuottaa suhteellisen helposti uskottavia teemakarttoja.

Kuva 1. Eläkkeellä olevien osuus (%) Suomen kunnissa vuonna 2015.

Ensimmäisellä kurssikerralla MapInfon alkeiden lisäksi teimme myös ensimmäiset omat teemakartat. Valitsimme valmiista aineistosta kartalla esitettävän asian ja lisäsimme mittakaavan ja pohjoisnuolen. Lisäksi valitsimme millaista luokittelua ja värejä käytämme kartalla, sillä niillä voi ollasuuri merkitys kartan tulkinnan kannalta. Esimerkiksi erittäin tummien sävyjen käyttö voi antaa virheellisen vaikutelman, sillä niitä yleensä käytetään kuvaamaan alueita, jotka erottuvat aineistosta huolestuttavina.

Oma karttani (Kuva 1) kuvaa kunnan eläkkeellä olevan väestön prosentuaalista osuutta. Käytin luokituksena keskihajontaa, joka käytännössä siis kertoo, kuinka kaukana luokka on aineiston keskiarvosta, ja siksi näyttää selkeästi aineiston ääripäät. Oman kartalla käyttämäni luokittelun ongelmana on, ettei ole selkeää, kumpaan luokkaan luokkien rajoilla olevat luvut, kuten 15,4 kuuluu, vai onko luvut laskettu peräti kumpaankin luokkaan. Luokista ehdottomasti pienin on luokka, jonka väestöstä vain noin 11-16% oli eläkkeellä vuonna 2015. Kyseiseen luokkaan kuuluvat kunnat ovat Etelä-Suomessa ja Oulun lähettyvillä. Korkein eläkkeellä olevien osuus sijoittuu Itä-Suomeen, kun taas pienimmät osuudet ovat Etelä ja Länsi-Suomessa. Eläkeläisten määrään vaikuttaa pääasiassa kaupunkeihin sijoittuvat työpaikat, jotka vetävät työikäiset pois maaseudulta. Poikkeuksia voi kuitenkin tuoda esimerkiksi kaivostoiminta tai ydinvoimalat, joiden avulla syrjäinen kunta voi saada lisää elinvoimaa. Kuten Sanja-Riia Collin toteaa blogissaan, tyypillisesti suurten kaupunkien läheisissä kunnissa, kuten Tampereella ja Helsingissä yli 65-vuotiaiden osuudet ovat pieniä (Collin, 2017). Korkea eläkeläisten osuus onkin pitkälti maaseudun ongelma. Valtio vaikuttaa kuntien ikärakenteisiin esimerkiksi yliopistojen sijainneilla. Tämän huomaa myös kartalta, sillä eläköityvässä Itä-Suomessa Kuopion ja Joensuun seuduilla eläkeläisiä on selkeästi vähemmän.

Kartassa ei varsinaisesti ole uutta informaatiota kenellekään. Kaikki ovat kuulleet moneen kertaan samat faktat Itä-Suomen kuntien tyhjenemisestä ja väestön vanhenemisesta, mutta onhan se nyt silti hauskaa pystyä tuottamaan sama kartta, minkä tekemisestä joku saa palkkaa.

Lähteet: 
Collin S. (2017) Ensimmäinen kurssikerta (24.1.2017)
<https://blogs.helsinki.fi/collinsa/> (Luettu 25.1.2017)