Monthly Archives: January 2015

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>