Kurssikerta 7: Viimeinen silaus

Viimeisellä viikolla saimme vapaat kädet, kun kaikkea opittua tuli soveltaa omaan karttaan mieleisestään alueesta ja aiheesta. Suuntasin heti katseeni Latinalaiseen Amerikkaan ja eritysesti Argentiinaan, jossa olen saanut asua vuoden.

Espanjan kielen taidosta oli hyötyä, sillä kansainvälisiltä sivuilta tilastoja löytyi niukasti. Päädyin maan kansallisen tilastokeskuksen sivuille, Indec:iin (Instituto Nacional de Estadística y Censos). Indec:istä löytyi onnekseni runsaasti tietoa, josta suurin osa oli alueellista. Päätin ottaa tarkastelun kohteeksi Argentiinan pronvinssit, joita on 22 kappaletta. Keräsin tietoa provinssien väestöstä, luonnonvaroista, opetuksen määrästä ja monista muista muuttujista. Lopulta löysin mielenkiintoisen tilaston kotitalouksien määrästä, joilla ei ole käytössään juoksevaa vettä. Valitsin toiseksi muuttujaksi väkiluvun, koska mielestäni näin aineistoita pystyi muodostamaan mielekkään kartan.

Helpotuksekseni löysin käyttökelpoisen kartan Argentiinasta provinssijakoineen, jonka toin MapInfoon. Työmäärää helpotti merkittävästi hyvä ja valmis kartta netistä, kuten Oskar Rönnberg toteaa blogikirjoituksessaan. Valittuja aineistojani muokkasin ensin Excelissä käyttökelpoisiksi, jonka jälkeen toin myös ne ohjelmaan. Yhdistelin Excelistä tuotuja aineistoja ja loin yhden yhtenäisen taulukkotietokannan, johon jouduin osaksi myös syöttämään tietoja käsin. Sain hienosti kartan ja tietokannan MapInfoon vierekkäin, mutten millään keksinyt, miten onnistuisin yhdistämään ne. Pienellä opettajan avustuksella näinkin yksinkertainen asia saatiin kuitenkin hoidettua ja pääsin luomaan teemakarttaa (kuva1).

Havainnoillisinta oli mielestäni muodostaa väkiluvusta koropleettikartta ja lisätä muuttuja sen päälle. Kokeilen erilaisia pylväitä ja ympyrädiagrammeja, mutta päädyin gratuated-karttaan ja dramaattiseen punaiseen ihmishahmoon, joka kasvaa suhteessa ilman vettä olevien kotitalouksien määrään. Esteettisesti kartasta tuli siisti ja pidän sen asettelusta. Minulle jäi myös hieman vapaata aikaa, joten päätin tutkia enemmän legendan ja mittakaavan muokkausvaihtoehtoja. Värivalinnat ovat mielestäni onnistuneet, sillä väkilukua kuvaavat violetin eri sävyt erottuvat selvästi toisitaan. Myös tummanpunainen ihmissymboli erottuu taustastaan hyvin, jonka lisäksi väri kuvaa huutavaa hätää.

argentiinankartta

Kuva1. Argentiinan väkiluku ja kotitaloudet, joilla ei ole käytössään juoksevaa vettä (Indec 2015).

Kartasta havaitsee heti, että Argentiinassa väestö keskittyy lähinnä itärannikkolle pääkaupunki Buenos Airesin tuntumaan sekä muutamaan pohjoisempaan provinssiin. Valtion eteläosassa väkiluku on huomattavasti pienempi. Tähän on oletettavasti syynä etelän kylmempi ilmasto sekä laaja pampa, jota käytetään laidunnukseen. Pääkaupunkiseudun tuntumassa sijaitsevat puolestaan hedelmällisimmät maat ja maan suurimmat kaupungit. Myös slummiasutus sijoittuu nimenomaan Buenos Airesin tuntumaan.

Ilman juoksevaa vettä olevia kotitalouksia on loogisesti eniten siellä, missä ihmisiä eniten asuu. Kartalta osuu silmään Buenos Airesin provinssin kohdalla oleva iso ihmissymboli. Tämä johtuu juuri näistä laajoista slummialueista eli villoista, jotka keskittyvät kyseiseen provinssiin. Mielenkiintoista on pohjoisosien suhteellisen isot symbolit, vaikkei väkiluku välttämättä olisi suuri. Pohjois-Argentiinassa väestö on huomattavasti köyhempää kuin eteläosissa ja alueella asuu suurin osa maan alkuperäisasukkaista, joiden elinolot on selvästi huonompia kuin muun väestön. Tämä selittää juoksevan veden puutteen pohjoisissa provinsseissa. Maan eteläosissa taas symboli on minimaalinen, sillä elinolojen taso on näissä provinsseissa hyvin korkea. Suurin osa maan luonnonvaroista sijaitsee nimenomaan etelessä.

Lähteet:

Indec. 26.2.2015. <http://www.indec.mecon.ar/> 

Rönnberg, O. (2015). Loppurutistus. Oskarin PAK-blogi. 11.3.2015. <https://blogs.helsinki.fi/oskaronn/>

 

 

Kurssikerta 6: Piristävää vaihtelua

Viime kurssikerran jälkeen paluu koneen ääreen pelotti. Onneksi suuntasimme heti tunnin alussa ulos keräämään koordinaattitietoihin perustuvaa sijaintitietoa GPS-paikantimilla. Ryhmämme valitsi kohteeksi punaiset (keltaiseen taittavat kirkkaan punaiset) henkilöautot kampuksen ympäristössä. Ulkoilun jälkeen siirsimme tiedot MapInfoon ja yhdistimme kaikkien ryhmien keräämien kohteiden sijaintitiedot kartalle.

Itsenäistehtävä oli hurjan mielenkiintoinen! Tehtävänämme oli tuottaa kolme karttaa hasardeista, joihin saimme materiaalia netistä. Karttojen tuli soveltua opetuskäyttöön, joten niistä tuli tehdä mahdollisimman havainnollistavia. Päätin keskittyä maanjäristyksien ja tulivuorien esittämiseen eri alueilla maapallolla.

Ensimmäiseksi tein kartan Venäjän maanjäristyksistä vuodesta 1898 lähtien, koska materiaalia ei ollut aikasemmalta ajalta, ja tulivuorista, joista materiaalia riitti holoseenikaudelta saakka (kuva1). Venäjä oli pitkulaisen muotonsa takia vaikea asettaa kartalle. Pistetiedot sijoittuvat maan itäosiin, joten tein koko valtion kattavan kartan lisäksi pienen lähikartan Kamšatkan niemimaasta. Kartta sopii esimerkiksi opetukseen Venäjän riskeistä ja niiden sijoittumisesta, mutta muuten se on suppea. Toisaalta ainakin kartta esittää selvästi, että kyseiset luonnonhasardit sijoittuvat lähinnä Venäjän itärannikkolle Tyynenmeren tulirenkaalle (kuva2). Kyseinen projektio ei ole parhain valinta valtiota kuvaamaan, sillä se vääristää muotoja eikä näytä maan itäisimpiä osia kokonaan.

venäjä2

Kuva1. Maanjäristykset ja tulivuoret Venäjällä (ANSS Catalog Search & Volcano Location Data NGDC).

http://4.bp.blogspot.com/-PVBArpuGZ0M/Th8X9J0aloI/AAAAAAAADkA/SOCFnsMmwE4/s1600/Tulirengas.jpg

Kuva2. Tyynenmeren tulirengas (Google).

Toinen karttani kuvaa samaa aihetta, mutta tällä kertaa Välimeren alueella (kuva3). Välimerellä hasardeja esiintyy laajemmin kuin Venäjällä, mutta tulivuoret ovat sijoittuneet lähinnä Italian rannikkolle kun taas maanjäristykset Kreikkaan. Kartta sopisi Etelä-Euroopan riskien tarkemman sijoittumisen tai vaikka Välimerelle matkustavien turistien kohtaamien hasardien tarkasteluun. Kartan avulla voisi myös ennustaa tulevia isoja maanjäristyksiä Välimeren alueella.

Kuva2. Maanjäristykset ja tulivuoret Välimerellä (ANSS Catalog Search & Volcano Location Data NGDC).

Kuva3. Maanjäristykset ja tulivuoret Välimerellä (ANSS Catalog Search & Volcano Location Data NGDC).

Kolmannessa ja viimeisessä kartassa päätin keskittyä koko maapalloon (kuva3). Karttani kuvaa maanjäristyksiä kahdella eri voimakkuudella: yli 6,5 Richterin järistykset on kuvattu oranssilla ja yli 9,5 Richterin järistykset puolestaan punaisella. Valitsin  Kartta osoittaa, että voimakkaita järistyksiä tapahtuu paljon, kun taas todella voimakkaita megajäristyksiä harvemmin (6 kpl yli sadassa vuodessa). Mielestäni pienempiä järistyksiä voi halutessaan kuvata erillisellä kartalla, sillä opetuskäyttöön tarkoitetun kartan tulisi olla mahdollisimman yksinkertainen, josta myös Antti Autio kirjoittaa blogissaan. Kartta voi toimia apuna esimerkiksi maanjäristyksien tyypillisimpien sijaintien esittämiseen tai mannerlaattojen rajakohtien etsimiseen (kuva4).

Kuva3. Maanjäristykset maailmankartalla (ANSS Catalog Search).

Kuva3. Maanjäristykset maailmankartalla (ANSS Catalog Search).

http://www.bucknell.edu/Images/Depts/Geology/PTmap.gif

Kuva4. Tektoniset laatat (Geology).

Kurssikerta oli hyvää vaihtelua viime kertaiseen puurtamiseen! Mielenkiintoiset aiheet nostattivat myös motivaatiota.

Lähteet:

Autio, Antti. (2015). Kurssikerta 6. Antin paikkatietoblogi. 20.2.2015 <https://blogs.helsinki.fi/anttiaut/>

ANSS Catalog Search. 19.2.2015. <http://quake.geo.berkeley.edu/anss/catalog-search.html>

Geology. Plate Tectonics. 20.2.2015. <http://www.bucknell.edu/x17758.xml>

Google. 20.2.2015. <http://4.bp.blogspot.com/-PVBArpuGZ0M/Th8X9J0aloI/AAAAAAAADkA/SOCFnsMmwE4/s1600/Tulirengas.jpg>

Volcano Location Data NGDC. 19.2.2015. <http://www.ngdc.noaa.gov/nndc/struts/form?t=102557&s=5&d=5>

 

 

Kurssikerta 5: Verta ja kyyneliä

Kartan tekemisen sijaan keskityimme tällä kurssikerralla MapInfoon syvemmin piirtotyökalujen ja laskemisen avulla. Olimme edellisella kerralla piirtäneet tiestön ja merkinneet talot pienillä pisteillä Pornaisten keskustan karttaan, jota nyt käytimme hyväksi. Aluksi testailimme hieman bufferointia eli puskurointia ja selvitimme muun muassa, montako taloa jää tietyn etäisyyden päähän tiestä. Tähän asti kaikki sujui hyvin ja aihe vaikutti suorastaan mielenkiintoiselta. Puskuroinnin avulla voitaisiin tutkia esimerkiksi ydinvoimaloiden hasardialueita tai selvittää maanjäristykselle altistuneiden ihmisten määrä.

Seuraavaksi olivat vuorossa itsenäistehtävät, joita oli peräti kolme (taulukko1). Ensimmäiseksi tarkastelimme Malmin ja Helsinki-Vantaan lentokenttien meluvyöhykkeitä ja niillä asuvia asukkaita. Puskuroinnin avulla rajasimme alueen, jonka sisältä valitsimme asukastietoja. Mielenkiintoista oli yksi tehtävän osista, jossa tuli selvittää, kuinka monen ihmisen elämää haittaisi vähintään 60dB lentomelu Tikkurilassa, jos lentoliikenne ohjattaisiin sen kautta. Tehtävään sai uudenlaista intoa, kun kyseessä oli jotain näin konkreettista. On hurja ajatella, minkälaista tietoa MapInfon avulla voidaan tuottaa hyvin yksinkertaisista tietokannoista!

Toisessa itsenäistehtävässä huomio kiinnitettiin Helsingin juna-asemille ja niitä ympäröiviin asuinalueisiin. Tehtävä vaati tietokantojen liittämistä ja uusien sarakkeiden luomista, minkä olen yleensä kokenut helpoksi. Tällä kertaa junnasin kuitenkin paikallani ja onnistuin tekemään jokaisen pienen virheen, mikä oli mahdollista tehdä. Tehtävän suorittamisesta tuli pelkkää tuskaa, koska en ymmärtänyt a) mitä b) kuinka c) miksi tehdä annetut tehtävänannot. Yritin “luuranko-ohjeen” avulla selvitä, mutta vihani ohjelmaa kohtaa ei helpottanut laskemista. Onneksi vierustovereilta saa niin neuvoa kuin henkistä tukea!

Kolmannen tehtävän suorittaminen jäi vapaa-ajalle, mikä pelotti jo ajatuksena. Päätin tutkia kouluja ja koulupiirejä, koska tehtävä vaikutti siedettävältä jopa minulle. Tehtävä sujui kuitenkin sujuvasti, kun käsitteli asian kerrallaan.

vastaukset

Taulukko1. Itsenäistehtävien vastaukset.

Kun pohdin (olematonta) osaamistani MapInfossa, koen tutuksi perusjutut. Osaan muodostaa eri tasoja, tallentaa tietoa ja muokata niitä. Tutuksi on tullut myös esimerkiksi pohjoisnuolen luominen ja mittakaava. Nämä jutut sujuvat jo ajattelematta. Teemakarttojenkin tekeminen MapInfolla on nopeaa ja helppoa, mutta niin kuin Nelli Aalto blogissaan toteaa, saattaa kartoista tulla hyvin persoonattomia. Tietokantojen yhdistäminen, uuden tiedon muodostaminen ja sarakkeiden muokkaus ovat myös aikaisemmin tuntuneet helpoilta, mutta tämän kurssikerran jälkeen epäilen vahvasti taitojani käsitellä tietokantoja. Kaipaisin perehdytystä tietojen etsimiseen kartalta tai tiedostoista. Vaikeuksia tuottaa myös ymmärtää tiettyjä perustermejä, kuten milloin käytetään contains tai with in -termejä, kun haetaan tietoa. Minulla on myös ollut ongelmia avata workspace tiedostaja kotona, koska olen onnistunut tallentamaan ne väärällä tavalla koulussa. Haluaisin oppia, mitä teen väärin!

MapInfon avulla voidaan tutkia todella monia asioita, jos vain tietokannat ovat laajat. Ohjelma mahdollistaa monenlaisiin tulkintoihin ja päätelmiin, joita voivat rajoittaa ainoastaan puuttuvat tai salaiset tiedot ja käyttäjien osaamattomuus. Esimerkiksi Afrikan maaseudulla MapInfo ei ehkä tuota niin kattavia tuloksia kuin Suomessa Helsingissä, koska alueelta ei ole tarpeeksi kerättyä tietoa. Loppujen lopuksi ohjelman toimivan käytön mahdollistavat siis laajat taustatiedot ja fiksut käyttäjät!

 

Lähteet:

Aalto, N. (2015). Kurssikerta 5: Bufferointia ja vanhan kertausta. Nellin PAK-blogi. 19.2.2015 <https://blogs.helsinki.fi/neaa/>

 

Kurssikerta 4: Tarkkaa vai sekavaa?

Aiheenamme oli tällä kertaa rasteri- ja ruutukartat. Teimme tunnilla ensin pääkaupunkiseudun väentiheyskartan, jonka jälkeen tarkoituksena oli tehdä itse samanlainen ruututeemakartta valitsemastaan aiheesta. Lähdin leikkimään erilaisilla ruutukokoilla enkä saanut omaa karttaani valmiiksi. Yritin palata aiheeseen viikonlopun jälkeen, mutta yllättäen ohjeet olivat painuneet unholaan ja kartan tekeminen oli vaikeampaa kuin koskaan! Sain kuitenkin väsättyä kartan muunkielisten määrästä Helsingin kaupungin alueella (kuva1).

Kuva1. Muunkieliset Helsingissä.

Kuva1. Muunkieliset Helsingissä.

Tein kartan ruutukoolla 250mx250m, koska halusin siitä mahdollisimman tarkan. Valitsin kuitenkin vain kolme luokkaa, jottei kartasta tulisi toisaalta liian tarkka ja epäselvä. Aineisto on luokiteltu luonnollisilla luokkaväleillä, sillä näin tulokset jakautuivat tasaisimmin. Mielestäni värivalinta on hyvä ja punainen väri korostuu hyvin sinisistä osoittaen muunkielisten tiheimmät alueet.

Kartasta näkyy, että muunkieliset (eli ei suomea tai ruotsia puhuvat) painottuvat kantakaupungin tuntumaan sekä Itä- ja koillis-Helsinkiin. Punaisia ruutuja löytyy myös Pohjois- ja Länsi-Helsingistä, mutta ei yhtä tiiviisti. Vähiten muunkielisiä on sijoittunut Luoteis-Helsinkiin, mikä on yllättävää. Olisin olettanut Länsi-Helsingin olevan tälläistä aluetta.Toisaalta termi “muunkieliset” on hyvin laaja ja käsittää niin maahanmuuttajat kuin rikkaat ulkomaalaiset yrittäjät. Näin ollen on vaikea muodostaa minkäänlaista toimivaa teoriaa siitä, mihin he sijoittuvat Helsingissä ja miksi.

Kartan tiedot ovat absoluuttisia arvoja eli kertovat ihmisten tarkan lukumäärän. Mielestäni suhteelliset osuudet kuvaisivat muunkielisten osuutta paremmin ja olisivat informatiivisempia, kuten Julia Keronen on kirjoittanut. Absoluuttisten arvojen esittäminen kuitenkin onnistuu ruututeemakartalla, kunhan ruutukoko on tarpeeksi pieni. Esimerkiksi 1kmx1km ruudut eivät välttämättä olisi hyvin kuvaavia, sillä ne kattaisivat turhan laajan alueen sisälleen, joka saattaa olla hyvin heterogeeninen.

Yleisesti pohdittuna ruututeemakartta on mielestäni hyvä tapa esittää ilmiöitä, koska se ei koropleettikartan tavoin pohjaudu minkäänlaiseen ennaltapäätettyyn aluejakoon. Sen luettavuus ei kuitenkaa ole yhtä hyvä, sillä kartan selkeys kärsii, kun aluejaot vaihtuvat pieniin erivärisiin ruutuihin. Silmiä siristäen kartasta näkee kuitenkin pääpiirteet. Toisaalta yleistyksien sijaan karttatyypin onkin tarkoitus kertoa myös poikkeavuuksista.

 

Lähteet:

Keronen, J. (2015). Neljäs kurssikerta: rasterikarttoja. Julian PAK-blogi. 9.2.2015 <https://blogs.helsinki.fi/juliaker/>

Kurssikerta 3: Harvinaisia onnistumisia

Kolmannella kurssikerralla perehdyimme tiedonhakuun, ulkoisen tiedon tuomiseen ja uuden tiedon tuottamiseen vanhan tiedon avulla. Aihenaamme oli Afrikan mantereen kartta ja tiedot öljykenttien, timanttikaivoksien ja konfliktien sijainneista. Kurssikerta oli hektinen ja eteenpäin mentiin kovaa vauhtia. Kyydissä kuitenkin pysyi, kunhan seurasi tarkasti opettajan liikkeitä koneella. Tietokantojen yhdistäminen ja sarakkeiden tietojen päivittäminen tuntui aluksi vaikealta ja epäselvältä, mutta omaa teemakarttaa tehdessä asia kuitenkin selkiytyi. Koin monia onnistumisen hetkiä ja kurssikerrasta jäi muutenkin positiivinen maku.

Afrikan kartan tekeminen oli mielenkiintoista, sillä jostain syystä kaikki maailman muut valtiot ja maanosat kiinnostavat paljon enemmän kuin jo tutuksi tullut Suomen kartta. Aineistoissa oli sijaintien lisäksi myös paljon muutakin informaatiota, joiden perusteella voisi tehdä monia erilaisia karttoja:

  • Tapahtumavuodet selvittämällä voisi tekemään päätelmiä siitä, korreloivatko esimerkiksi timanttikaivoksien löytämisvuodet alueella tapahtuneiden konfliktien kanssa. Kiinnostavaa olisi myös, jos aineistoissa kerrottaisiin konfliktien päättymisvuodet, minkä Elias blogissaan huomioi. Tämä mahdollistaisi vielä laajemman tulkitsemisen.
  • Konfliktien laajuuksia tutkimalla selviää, ovatko ne mahdollisesti sijoittuneet samaan maastoon kuin timanttikaivokset ja öljykentät. Voisiko konflikteillä tällöin olla jotain tekemistä kaivoksien kanssa?
  • Tuottavuusluokittelua seuraamalla voidaan havaita, ovatko konfliktit vaikuttaneet kaivosten ja kenttien tuottavuuteen alueella.
  • Mielenkiintoista voisi olla myös tutkia, miten Internetkäyttäjien määrä korreloi timanttikaivoksien ja öljykenttien kanssa. Nämä raaka-aineet ovat mahdollisesti kasvattaneet valtion tai alueen varakkuutta, tuonneet lisää työpaikkoja ja näin olleen vaurastuttaneet myös asukkaita. Yhä useammalla saattaa siis olla pääsy Internetiin. Onko Internetkäyttäjien määrä siis lisääntyvät, kun öljykenttiä tai timanttikaivoksia on otettu käyttöön?

Kurssikerran oma kartta piti tehdä kahden muuttujan päällekkäiseksi teemakartaksi, niin kuin edellisen kurssikerran artikkelissa opiskeltiin. Pohjalle tehtiin koropleettikartta Suomen valuma-alueiden tulvaherkkyydestä eli tulvaindeksistä. Tulvaindeksi kuvaa keskiylivirtaaman ja keskialivirtaaman välistä suhdetta. Koropleettikartan päälle laskettiin järvisyyttä kuvaavat pylväät (kuva1).

Alussa tietoja piti yhdistellä ja tuoda excelistä lisää tietokantoja. Uusia sarakkeita luotiin ja niihin laskettiin uutta tietoa vanhan avulla. Tämä sujui yllättävän hyvin, koska ohjeet olivat vielä tarkasti muistissa. Korpleettikartan tekemisessä ongelmia tuotti luokitustavan ja luokkien lukumäärän valinta. Aineisto oli selvästi vinosti jakautunutta, joten valitsin luokitustavaksi kvantiilit. Tämä tapa on ollut hyvin suosittu kartoissani, mutta se johtunee siitä, että koen sen käyvän useimpien jakaumien kanssa. Luokkien lukumäärässä pyörittelin viittä ja neljää, mutta päädyin viiteen luokkaan, sillä vaihtelua valuma-aluiden tulvaherkkyydessä ei mielestäni muuten ollut tarpeeksi. Järvisyyttä kuvaavat pylväät oli suhteellisen helppo muodostaa: kavensin niitä hieman, muutin sävyn saman väriseksi kuin taustalla olevat joet ja kasvatin pituutta. Pidän karttani värimaailmasta ja sen esteettisyydestä. Leikin hieman muilla karttaelementeillä ja sijoittelin niitä eri tavalla kuin olen yleensä tehnyt. Legenda istui parhaiten keskelle Suomen kartan viereen, mittakaava kartan vasempaan yläreunaan ja pohjoisnuoli oikeaan alakulmaan. Näin kartasta tuli tasapainoin esitys. Huomasin blogissa olevien karttojeni olevan hyvin huonolaatuisia, joten yritin tällä kertaa parantaa kuvan laatua. Sainkin MapInfosta otettua hyvin tarkan kuvan kartastani, mutta en onnistunut liittämään sitä blogiini, joten taas kerran karttani tulee olemaan sumuinen…

 

järvi4

Kuva1. Kartta Suomen tulvaherkkyydestä ja järvisyydestä (Oiva-tietokanta & Joet ja järvet).

Kartasta näkyy selkeä trendi, että tulvaherkkyys on suurempaa rannikoilla. Näillä alueella myös järvisyys on huomattavasti alhaisempaa. Keski-Suomessa puolestaan tulvaherkkyys on minimissään ja järvien lukumäärä on suurin. Tähän vaikuttanee pääasiassa rannikolle laskevat joet, jotka tulvivat herkästi. Vähäisien järvien määrä tarkoittaa myös, että vedelle ei ole ns. varastopaikkaa. Järvi-Suomessa rankkasateen aikana järvien pinta nousee, mutta harvemmin syntyy tulvia. Rannikolla ja erityisesti Pohjanmaalla matala ja tasainen maasto tekee alueesta herkemmän tulvimiselle. Alueella syntyy erityisesti keväisin tulvia lumien sulamisen yhteydessä. Pääkaupunkiseudulla tulvat johtuvat lähinnä merenpinnankohoamisesta ja Vantaan joen tulvimisesta kevätaikaan.

 

Lähteet:

Annila, E. (2015). Kurssikerta 3. AIneistojen yhdistely ja uuden tiedon tuottaminen. Eliaksen PAK-blogi. 2.2.12015. <https://blogs.helsinki.fi/eannila/>

Oiva-tietokanta. Syke. 2.2.2015. <https://wwwp2.ymparisto.fi/scripts/oiva.asp>

Joet ja järvet (2011). Maanmittauslaitos. 2.2.2015. <http://www.maanmittauslaitos.fi/avoindata>

Artikkeli 1: Uusia mullistavia ideoita

Anna Leonowiczin artikkelissa “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” (Geografija 2006) käsitellään kahden päällekkäisen teeman käyttöä teemakartassa. Artikkelin tarkoituksen on todistaa kahden muuttujan teemakartan käytön olevan kätevä ratkaisu, kunhan kartta on suunniteltu ja toteutettu hyvin. Leonowiczi tuo erityisesti esille luokkien lukumäärän sekä värivalintojen merkityksen. Artikkelissa esitellään todistusaineistona aiheesta tehty tutkimus kahdessa eri yliopistossa.

Kahden päällekkäisen teeman esittäminen kartalla kasvattaa informaation määrää ja tekee yhteyksien ja riippuvuuksien tulkitsemisesta helpompaa. Julia Keronen toteaakin osuvasti blogitekstissään, että oikein toteutettuina kahden muuttujan kartografiset esitykset voivat antaa lukijalle suoraa tietoa näiden ilmiöiden yhteyksistä. Tämän lisäksi karttoja ei myöskään tarvitse tehdä useaa erilaista, vaan samantyylisten muuttujien karttoja voidaan yhdistää.
Artikkelissa oudolta tuntui legendan malli, joka on kuution muotoinen ruudukko (kuva1). Ruutujen lukumäärä riippuu valittujen luokkien määrästä. Toisen muuttujan arvot kasvavat vertikaalisesti ja toisen horisontaalisesti, jolloin ruudukon sävyt tai kuviot syntyvät näitä kahta muuttujaa yhdistämällä. Kyseinen mallinnustapa ei ole minulle kovinkaan tuttu, joten sen tulkitseminen oli aluksi haastavaa.

artikkelisnip

Kuva1. Artikkelin esittämän legendan malli (Geografija 2006).

Toinen vaikea asia artikkelissa oli kahden käsitteen erottamisessa: spatial distribution ja spatial relationship, jotka google kääntäjä käänsi kiltisti tilasuhteeksi ja tilajakaumaksi. Kaiken ymmärrykseni mukaan ensimmäinen kuvaa ilmiöiden alueellista levinneisyyttä ja toinen kahden eri muuttujan välisiä yhteyksiä, mutta koen nämä käsitteet silti hieman haastavina.

Vaikka kahden päällekkäisen teeman kartografinen esitys on hyvin tehtynä helposti ymmärrettävä, vaatii se silti mielestäni edes jonkinlaista kokemusta karttojen lukemisesta. En usko täysin untuvikon karttojen suhteen pystyvän nopeasti ja helposti jäsentämään esitettyä tietoa saati tekemään sen pohjalta laajoja tulkintoja. Myös legendan lukeminen vie aikansa.

Tällä hetkellä kokemukseni MapInfosta ovat vielä hyvin minimaaliset, joten miettiessäni paikkatieto-ohjelman ja kartografisen toteutuksen välistä suhdetta, on pakko sanoa ohjelman ohjaavan hyvin paljon karttojeni ulkonäköä. Osaan vaikuttaa värisävyihin, mutta esimerkiksi värimaailman valitsen valmiista väripaljetista. En myöskään osaan muokata legendoista muuta kuin tekstejä. Luulen, että kokemuksen karttuessa laajenee myös taitoni hyödyntää ohjelman tarjoamia mahdollisuuksia yhä laajemmin.

Lähteet:
Leonowicz, A. (2006). Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija 42/1: 33-37.
Keronen, J. (2015). Artikkeli 1. Julian PAK-blogi. 28.1.2015 <https://blogs.helsinki.fi/juliaker/>

Kurssikerta 2: Kaksi muuttujaa, yksi kartta

Toisella kurssikerralla jatkoimme teemakarttojen parissa tutustuen moniin erilaisiin aineiston visualisointi tapoihin. Useimmat näistä kartografisista esitystavoista olivat minulle täysin uusia, kuten esimerkiksi Grid tai prismaattinen kartta. Itsenäisenä tehtävänä tarkoitus oli tehdä kahden muuttujan teemakartta.

Koko prosessissa vaikeinta oli valita sopiva aihe, josta tehdä teemakartta. Saman ongelman kohtasi Suvi Lämsä karttaa tehdessään. Hän päätyi MapInfon valmiiden aineiston käyttöön, koska ei yksinkertaisesti keksinyt mielestään hyvää aihetta. Jouduin itse toimimaan samalla tavalla, sillä mielikuvitukseni ei laukannut enää kyseisinä iltapäivän myöhäisinä tunteina. Valitsin teemakarttani aiheeksi väkiluvun Päijät-Hämeen maakunnassa sekä kuntien nettomuuton (kuva1). Väkilukua kuvasi koropleettikartta ja nettomuuttoa sen päällä oleva gratuated-teemakartta.  Gratuated-kartassa symbolina on ihmishahmo, jonka koko on suhteellinen riippuen muuttajien lukumäärästä. Sininen ihmissyboli kuvaa tulomuuttoa ja punainen lähtömuuttoa. Valitsin koropleettikarttaan viisi luokkaa, sillä näin kuntien erot väkiluvuissa tulivat parhaiten esille.

Lahtikartta

Kuva1. Päijät-Hämeen maakunnan väkiluku ja kuntien nettomuutto (MapInfo 2015).

Kartastani on luettavissa nykyään yleisesti tiedossa oleva fakta: pienen asukasluvun kunnat kuolevat hiljattain suurempien kuntien yhä kasvaessa. Kartan keskellä oleva korkeimman asukasluvun kunta on Lahti, johon monet palvelut ympäröivistä kunnista on keskitetty. Sitä lännestä ympäröivä Hollola on esimerkiksi luopunut täysin lukiokoulutuksesta. Hollolan ja Lahden välinen etäisyys on kuitenkin niin pieni, ettei kartalla näy valtavaa eroa väkiluvussa. Sininen ihmissymboli osoittaa kuitenkin tulomuuton olevan Lahteen huomattavasti suurempi kuin Hollolaan. Idässä sijaitsevassa Nastolan kunnassa on puolestaan alhaisempi väkiluku, joka näyttää yhä pienenevän lähtömuuton seurauksena. Muita kuntia tarkastellessa gratuated-kartta ei kerro paljoakaan. Selvintä on, että Lahden väkiluku on suurin ja näyttää kasvavan ainakin tulomuuton perusteella. Muissa Päijät-Hämeen kunnissa nettomuutto on joko hyvin pientä tai negatiivista. Toisaalta karttani ei kerro mitään luonnollisesta väestönkasvusta.

Ulkoisesti en ole erityisen tyytyväinen karttaani. Vihreän sävyt yhdistettynä sinisiin ja punaisiin ihmishahmoihin eivät näytä erityisen kauniilta. Symbolien koko oli myös vaikea valita, sillä kasvattaessani kokoa Lahden kohdalla oleva hahmo kasvoi valtavaksi. Päätin jättää ympäröivien kuntien symbolit siis hyvin pieniksi, jolloin ainakin nettomuuton olemattomuus tulee hyvin esille. Legenda on mielestäni myös häiritsevän suuri, mutten onnistunut tekemään siitä pienempää menettämättä osaa sen tiedoista.

Posiitivista on ainakin, että onnistuin tekemään kahden muuttujan teemakartan! Mielestäni kartan luettavuus on hyvä, sillä se on hyvin selkeä ja minimalisoitu.

 

Lähteet:

Lämsä, S. (2015). 2. Teemakartta Varsinais-suomen työssäkäyvistä. Suvin Pakki blogi. 26.01.2015. <https://blogs.helsinki.fi/suvilams/>

 

Kurssikerta 1: Ihana kamala MapInfo

Täällä olisi tarkoitus perehtyä paikkatiedon ihmeelliseen maailmaan PAK-kurssin eli 38 päivän ajan. Kirjoitan kurssikertojen jälkeen postauksen siitä, mitä tunnilla tehtiin, mitä opin, mikä hämmensi ja miksi.

Ensimmäisellä kurssikerralla perehdyttiin paikkatiedon perustietoihin, jotka olivatkin jo tuttuja niin lukiosta kuin TAK-kurssilta syksyltä. MapInfoa olin kerran päässyt tai joutunut käyttämään, mistä muistikuvani olivat kamalat. Tarkoilla ohjeilla ja opettajaa seuraten onnistuin kuitenkin yllättävän hyvin – putosin kärryiltä vain kerran. Loppujen lopuksi tämä kammottava ohjelma onkin ehkä ihan käytännöllinen ja looginen.

Tein oman karttani koko Suomen väestöntiheydestä (kuva1). Taustalla ei ollut minkäänlaista hypoteesia, vaan yksinkertaisesti halusin yrittää tehdä kartan ja nähdä, miten pärjään MapInfon kanssa yksin. Punasini-värimaailma oli mielestäni tarpeeksi kontrastinen, joten valitsin sen sovelluksen valmiista väripaljetista. Luokkien välisiä värisävyjä olisi kuitenkin voinut korostaa, sillä keskimmäiset luokat menevät helposti sekaisin. MapInfolla värien määrittäminen tuntui paljon haastavammalta kuin Corelilla, jonka Pinja Myllykoskikin oli blogissaan huomioinut. Väestöntiheyskartta osoittautui tylsästä aiheestaan huolimatta ihan mielenkiintoisesti, sillä siitä tulevat hyvin esiin pääkaupunkiseudun tiheän asutuksen lisäksi myös esimerkiksi suurimmat yliopistokaupungit punaisina läikkinä! Muuten kartta näyttää siltä kuin voisi olettaakin: Pohjois-Suomessa väestöntiheys on kaikista alhaisin ja Etelä-Suomessa korkein. Legenda, mittakaava ja pohjoisnuoli oli helppo liittää karttaan ohjeiden avulla. Tuskaisinta oli asetella ne fiksusti kartan kanssa, mutta pienellä väännöllä sain kaiken kuitenkin paikalleen.

Väestöntiheyskartta2011

Kuva1.Suomen väestötiheys kunnittain vuonna 2011 koropleettikartalla esitettynä (Vöestörakenne 2011).

Tarkoituksenahan oli tutkia luokittelumenetelmiä histogrammityökalun avulla, mutta koska olin niin innoissani kartan tekemisestä, unohdin täysin käyttää tätä työkalua etukäteen. Tästä syystä ”tarkastin” luokitteluni paikkansapitävyyden vasta kartan valmistumisen jälkeen, hups! Histogrammi osoittaa aineiston olevan voimakkaasti vinosti jakautunutta (kuva2), mutta mielestäni kvantiileihin luokitteleminen oli kuitenkin ihan käypä vaihtoehto, vaikka sen vahingossa kävikin. Ne sopivat monenlaisten jakaumien kanssa eivätkä tasaa ääriarvoja, mitä en toivonutk käyvän. MapInfo laski luokkien määräksi viisi, mikä mielestäni havainnollisti hyvin esitettyä ilmiötä. Neljä ensimmäistä luokkaa erottelevat alhaisemman väestöntiheyden tarkasti ja viimeiseen luokkaan kertyvät kaikki suurimmat arvot. Tällä tavoin esiin tulevat pienetkin erot Suomessa pääkaupunkiseuden ulkopuolella. Luokkien värisävyt olisivat kuitenkin voineet erota toisistaan enemmän, koska nyt osia alueista on vaikeaa erottaa toisistaan.

histogrammi

Kuva2. Histogrammi aineistosta (Väestörakenne 2011).

Lähteet:

Myllykoski, P. (2015). Kurssikerta 1: muistinvirkistystä. Pinjan paikkatietoblogi. 26.2.2015 <https://blogs.helsinki.fi/myxmy/>

Väestörakenne (2011). Suomen virallinen tilasto (SVT). Helsinki, 26.1.2015 <http://www.stat.fi/til/vaerak/index.html>