Tällä kurssikerralla pääsimme vihdoin ulos hikisten tietokoneiden ääreltä tuulettumaan noin tunnin mittaiselle etsintävaellukselle lumentäyteisessä Helsingissä. Lisäksi tutustuimme geokoodauksen saloihin niin oman aineiston koordinaattien kuin valmiista aineistosta saatujen tietojen perusteella. Näiden pohjalta teimme kartat. Lopputunnista teimme tuttavuutta yhdysvaltalaiseen maanjäristys-sivustoon, jossa meidän tuli luoda kolme maanjäristysaiheista karttaa opetuskäyttöön ja aiheen pohjalta keksiä muita sovellustapoja teemaan liittyen.

Tehtävänämme oli keksiä tietty teema, jonka perusteella keräsimme GPS- laitteella tarkasteltavien kohteiden koordinaatit talteen. Päätimme ottaa teemaksi lumen alle hautautuneet autot. Kiersimme Kumpulan ja Arabian alueella etsiskellen kuumeisesti lumen alla olevia kulkupelejä ja niitähän löytyikin runsaasti. Parista kohteesta emme olleet varmoja, oliko kyseessä auraajan tekemä lumikasa vai lumen alle hylätty auto, joten jouduimme iloksemme kaivauspuuhiin ja loppujen lopuksi auton kattotelinehän sieltä alta pilkisti. GPS- laitteen käyttäminen oli erittäin helppoa ja minusta hauskaa! Oli mukavaa seurata satelliittien määrän vaihtelua ja korkeutta maanpinnasta, vaikka se ei aivan todenmukainen ollutkaan. Saan pian uuden GPS- sykemittarin, joten toivotaan, että siinä on myös koodaus- toiminto mukana ja pääsen koodaamaan myös omalla ajalla! Gepseilyn jälkeen geokoodasimme kohteet kartalle ja saimme ihastella tuloksia aivan itsetehdyn aineiston kautta. Tämän jälkeen geokoodasimme myös Helsingin pelikoneet valmiista aineistosta omalle kartalle. Huomasin, että geokoodaus oli lähes ainut aihe, minkä toteuttamisessa minulla ei ollut lainkaan vaikeuksia koko TVT3- kurssikertojen aikana. Lisäksi geokoodaus oli mielenkiintoista ja kivaa, joten olin liekeissä!

Jatkoimme geokoodausta maanjäristysten muodossa. Meidän tuli luoda kolme maanjäristyskarttaa ja niiden pohjalta opettaa aiheesta. Yhdysvaltalaiselta maanjäristyssivuilta saimme etsiä tiettynä aikana tapahtuneita maanjäristyksiä ja niiden tietoja. Siirsimme tiedot Exceliin ja tätä kautta saimme geokoodattua valitsemamme tietyn ajanjakson ja Richterin maanjäristykset maapallokartalle. Valitsin tarkasteltavaksi viimeisen vuoden aikana ( 1.1. 2011 lähtien) tapahtuneet maanjäristykset 5, 6 ja 7 Richterin asteikolla. Tarkoituksenani oli tutkia näiden maanjäristysesiintymien yhteyttä litosfäärilaattojen sijaintiin sekä laattojen loittonemis-, törmäys- ja sivuamisvyöhykkeisiin. Aihetta tukevana materiaalina käytän NASA: n sivuilta löytynyttä laattatektoniikan aktiivisuus karttaa (Kuva 1). Digitaalisena ja interaktiivisena kartta on saatavissa NASA:n internetsivuilta( http://core2.gsfc.nasa.gov/dtam/data/ftp/dtam.jpg). Kuvassa näkyy selkeästi litosfäärilaatat sekä niiden liikkuminen.

Kuva1. Litosfäärilaatat sekä niiden törmäys-, sivuamis- ja loittonemisvyöhykkeet.

Oppilaille olisi hyvä aluksi selittää litosfäärilaattojen merkitys ja niiden syntyminen, mikä minusta oli tosi vaikea mieltää, kun itse olin vielä yläasteella tai lukiossa. Myöskin tärkeää on opettaa tavat, miten litosäärilaattoja on tutkittu ja mistä kyseiset tiedot on alun perin saatu. Tämä estää aiheen olemasta täysin tähtitieteellistä ja usein tieteellisissä piireissä hehkutetun “sattuman” varaista toimintaa. Vasta näiden opetuksien pohjalta voidaan siirtyä maanjäristysten käsittelyyn, sillä ne syntyvät laattojen liikkeiden pohjalta. Oheisessa kuvassa on esitettynä litosfäärilaatat maapallolla. Siinä näkyy myös alueet, missä laatat eroavat, törmäävät ja sivuavat toisiaan. Laattoja liikuttavat ja täten järistyksien syntyyn vaikuttaa niin sanotut konvektio- eli kiertovirtaukset, jossa vaipan kiviaines lähtee virtaamaan ja aiheuttaa Maan pintaosien ja sisäosien välisiä lämpötila-, tiheys- ja paine-eroja(Globus).

Niin kutsutuilla törmäys- ja alityöntövyöhykkeillä, missä 2 mantereista laattaa törmää toisiinsa tai merellinen laatta pyrkii mantereisen laatan alle, esiintyvät suurimmat maanjäristykset. Myös kahden laatan hankaussaumojen kohdalla on runsaasti voimakkaitakin järistyksiä. Loittonemisvyöhykkeillä, kuten Atlantin Keskiselänteellä, puolestaan järistykset ovat heikompia. Muilla kuin laattojen reuna-alueilla esiintyviä maanjäristyksiä voidaan selittää niin sanottujen kuumien pisteiden avulla. Niitä esiintyy satunnaisesti maapallolla. Suomi on säästynyt maanjäristyksiltä sen rauhallisen sijainnin vuoksi. Aino Ropposen TVT3-blogissa onkin esitetty Suomen ja sen lähialueiden maanjäristykset sadan vuoden aikana ja siitä voidaan huomata, että maanjäristykset ovat olleet satunnaisia ja lähes huomaamattomia. Maanjäristysalueiden vertaaminen Suomen tilanteeseen sekä tutustuminen erilaisiin maanjäristyksiin liittyviin asteikoihin ja käsitteisiin, kuten Mercallin ja Richterin asteikkoon sekä magnitudin merkitykseen voisi olla oleellista oppilaiden kannalta.

Haluan todistaa näitä argumentteja itse tekemieni karttojen avulla. Ensimmäisessä kartassani (Kuva 2) ovat viime vuoden aikana esiintyneet noin 7 Richterin järistykset maailmalla. Jos vertaamme näitä NASA:n litosfäärilaatta- karttaan voimme todeta, että kaikki kovimmat järistykset ovat tapahtuneet litosfäärilaattojen törmäys- tai alityöntövyöhykkeillä. Turkin järistys viittaa Anatolian laatan liikkeisiin ja Pakistaninkin järistys viittaa kahden mantereisen laatan törmäämiseen. Muut järistykset ovat tapahtuneet alityöntövyöhykkeillä lähinnä Tyynenmeren tulirenkaaksi kutsutulla alueella.

Kuva2. Vuoden 2011 jälkeen tapahtuneet noin 7 Richterin maanjäristykset.

Toinen karttani (Kuva3) puolestaan esittää viime vuoden aikana tapahtuneita 6 Richterin asteikon maanjäristyksiä. Näin voimakkaat maanjäristykset ovat yleisimpiä vieläkin törmäys- ja alityöntövyöhykkeillä. Kartasta voidaan jo huomata Tulirenkas-vyöhykkeen alkavan muodostua Tyynenmeren ympärillä. Silmiinpantavaa ovat muutamat näinkin kovat maanjäristykset Atlantin Keskiselänteellä, mutta ne ovat kuitenkin mahdollisia.

Kuva3. Vuoden 2011 jälkeen tapahtuneet 6 Richterin maanjäristykset.

Viimeisessä kartassani olen valinnut Richterin asteikon luvuksi 5. Tämän asteiset maanjäristykset ovat jo hyvinkin yleisiä maapallollamme. Kartastani (Kuva 4) voi huomata, että niitä esiintyy jo lähes joka puolella maapalloa. Keskiössä on tietenkin edelleen Tulirengas- vyöhyke, mutta näitä heikompia järistyksiä esiintyy myös paljon mantereiden sisäosissa, Keskiselänteellä sekä kuumissa pisteissä. Kartasta voi jopa hahmottaa joidenkin litosfäärilaattojen muodon ja sijainnin, sillä niiden kohtaamispaikoissa on runsaasti maanjäristysesiintymiä.

Kuva 4. Vuoden 2011 jälkeen esiintyneet 5 Richterin maanjäristykset.

Karttojani vertailemalla NASA:n litosfäärilaatta- karttaan voidaan siis löytää maanjäristysten ja litosfäärilaattojen sijainnin ja kohtaamistavan välinen yhteys. Mitä lähempänä laattojen alityöntö- ja törmäysvyöhykettä asustaa, sitä suurempi todennäköisyys on joutua maanjäristyksen uhriksi.

Karttojani voi käyttää myös hyödyksi syvän meren hautojen esiintyvyyden tutkimiseen. Nämä haudat syntyvät alityöntövyöhykkeellä, kun mereinen laatta painuu mantereisen laatan alle. Access-Sciencen sivuilta saamaani kuvaa(Kuva5) tarkastelemalla, voidaan todeta syvänmeren hautojen ja törmäysvyöhykkeiden yhtenevän. Ne kulkevat kutakuinkin samaa linjaa Tulirengas-vyöhykkeen kanssa. Lopuksi laitan toisen kuvan (Kuva 6) Daily Mailin sivustolta, joka esittää maailman syvintä hautaa Tyynellämerellä. Kuva on otettu jopa 11 kilometriä syvästä Mariaanien haudasta.

Kuva 5. Syvänmeren haudat.

Kuva 6. Mariaanien hauta.

Lähteet:

1. Ervasti.V, Kytömäki.J & J.Paananen, Globus Sininen planeetta, s. 69-73, WSOY, 2005

2. Kuva1. NASA. Digital tectonic activity map of the world, 25.02.2012,<http://core2.gsfc.nasa.gov/dtam/data/ftp/dtam.jpg>

3. Kuva 5. AccessScience, Deep sea trench, 25.02.2012, <http://accessscience.com/search.aspx?rootID=792024>

4. Kuva 6. DailyMail, Deepest spot: The Mariana Trench in the Pacific Ocean, 25.02.2012, <http://www.dailymail.co.uk/sciencetech/article-1347870/Deep-sea-trenches-play-key-role-climate-change.html>

5. Ropponen.A, Tvt3-blogi, Kurssikerta6, Suomen ja sen lähialueiden maanjäristykset sadan vuoden aikana, 25.02.2012,<https://blogs.helsinki.fi/ainoropp/>

Viidennen kurssikerran viikolle oli annettu lisätehtävä, jonka pohjana tuli käyttää englanninkielistä artikkelia The Basics of Geographic Information Systems Geoinformatiikan perusteista. Artikkeli kertoi GIS- paikkatietojärjestelmästä, sen sisällöstä ja käyttötarkoituksista. Minulle sisältö oli jo suhteellisen tuttua, sillä satuin tekemään vain viikkoa aikaisemmin esseen samasta aiheesta englanninkielen tunnille. Sanaston ymmärtäminen helpotti olennaisesti artikkelin luvun läpivientiä. Artikkelissa ei ilmaantunut paljon yllättävää tietoa, mitä en olisi ennen tiennyt tai edes vähän kuullut puhuttavan. Kuitenkin rasteri- ja vektorimallin rakentuminen artikkelissa oli esitetty hieman aiemmin oppimaani perusteellisemmin.

Kerron ensin vähän siitä, mikä tämmöinen GIS, paikkatietojärjestelmä nyt sitten oikeasti on. Se on siis tärkeä työväline niin maantieteilijöille kuin suunnittelijoillekin. Artikkelin mukaan sen avulla voidaan koota, tallentaa, manipuloida sekä tuottaa paikkatietoa. GIS:n osatekijöiksi luetaan kuuluvaksi niin ohjelmisto, laitteisto, tieto kuin käyttäjätkin. Ne yhdessä muodostavat tämän monipuolisen järjestelmän. Järjestelmään liittyy kiinteästi paikkatieto eli tiedot tai huomiot tietystä maantieteellisestä kohteesta maassa. Tämä tieto voi olla sijainti- tai ominaisuustietoa. Paikkatiedon maantieteellinen sijainti voidaan ilmoittaa absoluuttisesti  tai relatiivisesti. Artikkelissa absoluuttinen sijainti liittyy tiettyyn standardoituun paikkaan, jonka sijainti esitetään esimerkiksi koordinaatteina. Relatiivinen sijainti taas määritetään kohteen muiden muuttujien tai ilmiöiden sijainnin perusteella.

GIS- paikkatietojärjestelmällä sekä perinteisellä menetelmällä tapahtuva karttojen tekeminen ja niiden käytettävyys eroavat toisistaan hurjasti. Perinteisissä kartoissa tieto on pysyvää, kun taas GIS:llä tehtynä sitä on helppo päivittää milloin vain. Perinteisissä kartoissa on tietyt projektiot, mittakaavat ja koordinaattijärjestelmät ja lisäksi kvantitatiiviset analyysit ovat usein pitkästyttäviä. GIS-kartoissa voidaan puolestaan vaihtaa uusia projektioita, mittakaavoja ja koordinaattijärjestelmiä. Toisaalta tuossa järjestelmässä on myös paljon manipulaatiovaihtoehtoja karttojen analysoimiseen. Perinteisissä kartoissa on vaikea yhdistellä monia karttatasoja, päällekkäistieto on rajattu vain muutamiin tasoihin sekä päivitykset vaativat uudelleensuunnittelua. GIS- kartoissa nämä kaikki on ratkaistu helpommin. Karttatasojen yhdistely on helppoa, kaikki tietokannassa olevat kartat on mahdollista asettaa päällekkäin ja työkalut sallivat kartan päivittämistä ilman uudelleenluontia. Perinteiset kartat ovat lisäksi vaikea kopioida ja jakaa monien käyttäjien kesken, kun GIS-kartoissa asia ilmenee toisinpäin. Perinteisissä kartoissa on kuitenkin myös hyviä puolia. Ne maksavat vähemmän  ja ovat paperimuotoisena sellaisenaan hyödyllisiä ja lisäksi niiden teknologia vaihtelee vain harvoin. GIS:n haittoja onkin sen käyttämisen kallius ja se, että karttatieto täytyy muuttaa digitaaliseen ympäristöön. Lisäksi teknologia kehittyy koko ajan ja siksi sen menetelmät ja ohjelmat vaihtuvat useammin.

Seuraavaksi otan esille GIS- tiedon tallennusmenetelmät, jotka ovat vektorit ja rasterit. Jos verrataan näiden käyttöä, voidaan löytää paljon erilaisuutta niiden välillä. Rasterimallissa sijainti esitetään rastereina, ruutuina. Tällöin jokaiseen rasteriruudukon soluun eli ruutuun koodataan kolme tiedon osaa, jotka ovat rivikoordinaatti, sarakekoordinaatti ja ominaisuus. Jokainen solu rasterissa vastaa siis sijaintia kartalla ja jokaisen solun sijainti rasterissa tunnistetaan rivi ja sarakekoordinaateilla. Käytettäessä rasterimallia onkin tärkeää valita oikea ja sopiva ruudukonkoko. Sen valinta perustuu moniin tekijöihin, mutta on erittäin merkittävää, sillä sen täytyy olla standardi kaikille tasoille rasterimallisessa GIS:ssä. Vektorimallinen tieto eroaa siis hyvin paljon edellisestä. Siinä tieto on esitetty pisteinä, viivoina tai alueena. Tätä mallia voidaan kutsua myös toimintoperustaiseksi teknologiaksi.  Esimerkiksi viiva on koordinaattikokoelman kokonaisuus ja aluemuodolla taas täytyy olla samat alku- ja loppukoordinaatit. Rasterimallissa nämä ovat kuitenkin solukokoelmia. Vektorimallin ominaisuustieto on taas sisällytetty GIS tiedostoihin samaistaakseen kohdetta. Artikkelissa esitetään esimerkiksi, että järvi voidaan lisätä tietokantaan vektorikarttaan polygonina tallentamalla koordinaattien kokoelma rantaviivalle ja ominaisuustieto “järvi” sisällytettäisiin GIS tiedostoihin samaistakseen tuota solujen ryhmää. Vektorimallissa tieto näkyykin paljon selvempänä ja ymmärrettävämpänä kuin rasterimuotoisessa kartassa.

Vektoreista ja rastereista siirrytään käsittelemään päällekkäisanalyysia. Se on yksi tiedon analyysityökaluista ja tuo toiminto antaa käyttäjälle mahdollisuuden kasata kaikki karttatasot päällekkäin toinen toisensa perään. Tämä on erittäin hyödyllinen toiminto, sillä sen avulla voidaan yhdistellä tasoja päällekkäin, tarkastella niitä samanaikaisesti ja nähdä ne kokonaisuutena. Sillä voidaan tutkia monenlaista tietoa alueelta. Siitä on hyötyä erityisesti ympäristöasioiden tutkimisessa. Voidaan esimerkiksi arvioida jonkun alueen riskiherkkyyttä vaikkapa tulvimiselle. Toisaalta päällekkäisanalyysin pohjalta voidaan löytää alue, joka on kärsinyt eniten liikenteen haittavaikutuksista.

Artikkeli oli kokonaisuudessaan mielenkiintoista luettavaa, mutta toisaalta se ei tuonut paljon uutta ennestään tuntematonta tietoa geoinformatiikasta ja sen perusteista. Vaikka artikkeli oli suhteellisen vanha, niin perusajatukset eivät kuitenkaan ole muuttuneet. Geoinformatiikka kuitenkin kehittyy koko ajan kysynnän, käyttäjämäärän ja kehitysorganisaation kasvaessa.

Lähde:

1. Blinn.C.R & Queen.L.P, The Basics of Geographic Information Systems, <https://moodle.helsinki.fi/file.php/5997/artikkeli2_basics_of_GIS.pdf>, 18.02.2012

Viidennes kurssikerta oli tähänastisista vaikein ja haastavin. Ensimmäiset tehtävät vielä sujuivat juuri ja juuri aivojen älykkyysosamäärän rajoissa, mutta kun oli vuoro siirtyä itsenäisiin tehtäviin, oli vuorossa tuskaa,kyyneliä ja älykkyysrajan kituliasta venyttämistä. Tämän kurssikerran aiheena oli bufferointi. Tämä myös puskurointina tunnettu käsite on kuitenkin erittäin hyödyllinen tiedonhankintatoiminto, jossa saadaan tietoa kohteista tai niiden määrästä tietyllä alueella.

Ensimmäisissä harjoituksissa käytimme Pornaisten keskustan karttaa avaimena aukaisemaan bufferoinnin saloja. Toiminnon avulla pystyimme määrittämään esimerkiksi talot, jotka ovat tietyn etäisyyden päässä pääteistä. Bufferoinnissa työkalu muodostaa  valitsemieni määritelmien taustalta alueen ympärille puskurointivyöhykkeen, josta voidaan tarkistaa tietoa erityisen Sigma- toiminnon avulla. Näin etsimme tiedot myöskin asukkaista, jotka asuvat alle 500m  päässä terveyskeskuksesta sekä kauempana kuin 1 kilometrin säteellä koulusta olevien talojen osuuden kaikista keskuksen taloista. Näissä harjoituksissa ei ollu suurempia ongelmia, ja oli mielenkiintoista etsiä tietoa alueen taloista tietyn komennon kautta.

Siirryttäessä itsenäistehtäviin, alkoi kuitenkin psyyke olla koetuksella. Ensimmäinen itsenäistehtävä meni kaverin kanssa pähkäillessä ja kaksi viimeistä yksin jumitellen. Etsimme bufferointityökalun avulla Malmin lentokentän pahimmalla melualueella asuvien asukkaiden lukumääriä sekä Helsinki-Vantaalta pahimmalla ja vähintään 55dB:n melualueella asuvia ihmisiä. Lisäksi haimme niiden asukkaiden määrää, joita meluhaitta koski ennen vuotta 2002, jolloin lentokoneet laskeutuivat kentälle suoraan Tikkurilan ylitse. Näiden etsintöjen kautta voidaan päätellä, että MapInfon bufferointimenetelmä, onkin todella kätevä ja tärkeä työkalu asuntoalueiden rakentamiseen ja suunnitteluun liittyen. Sen avulla voidaan nähdä pahimmat melualueet ja niissä asuvat ihmiset. Sitä kautta voidaan edistää heidän hyvinvointia ja estää meluhaittoja muun muassa metsittämällä pahimpia melualueita.

Lentokenttien jälkeen tutkimme Vantaan alueen juna-asemia ja niiden ympärillä asuvia ihmisiä tietyn matkan säteellä asemasta. Lisäksi laskimme työikäisten osuuden kaikista juna-asemien lähellä asuvista ihmisistä. Tämä oli erityisen suuri prosenttiosuus, mikä osoittaa junaradan ja junaliikenteen tärkeyden työssäkäyville ihmisille. Se on nopea ja helppo tapa käydä töissä taajamista pääkaupunkialueille. Junaliikenteen rakentaminen onkin lisännyt huomattavasti junaradan ja – asemien läheisten alueiden rakentamista ja asuttamista.

Seuraavaksi käsittelimme Vantaan taajamia ja niiden sisällä sekä ulkopuolella olevien asukkaiden lukumäärää. Laskimme myös kouluikäisten osuuden taajamien ulkopuolella sekä ulkomaalaisten asuttamien alueiden lukumäärän. Taajama- aste ja niissä asuvien ihmisten osuus koko alueesta osoittautui hyvin korkeaksi (86%).Tämä tietenkin liittyy pääkaupunkiseudun tiheän asuttamisen luonteeseen. Vain harvat talot sijaitsevat Vantaalla yli 200 metrin päässä toisistaan ja alle 200 asukkaan rakennusryhminä.

Näiden ohella viimeisenä, kaikkein vaikeimpana tehtävänä, oli valita yksi kolmesta itsenäistehtävästä ja tehdä se parhaan taitonsa mukaan. Valitsin KOULUT- osion ja siinä olevat kysymykset Helsingin yhtenäiskoulusta, sen koulupiiristä ja kouluikäisistä. Taistelin tämän tehtävän kanssa erittäin kauan, kunnes lopulta sain ainakin minun mielestäni järkeenkäyvät luvut. Edellisiin tehtäviin verrattuna tässä täytyi toden teolla pitää ajatuksensa koossa ja muistella kaikkia edellä oppimiansa asioita. Tämä johtikin ajoittain sekavaan olotilaan, jossa ei enää muistanut yksinkertaistenkaan toimintojen komennuksia. Kuitenkin, tästäkin selvittiin. Koulutiensä aloittavia oppilaita sain 16 ja koulupiirin alueella asuvista asukkaista kaikki yläasteikäiset ja ala-asteikäiset muodostivat 12prosentin osuuden.

Bufferointimenetelmällä saadaan siis selville monenlaista tietoa alueesta ja sen asukkaista. Sitä voikin siksi käyttää moniin eri tarkoituksiin ja tutkimuksiin. Puskurointia voitaisiin edelliseen viitaten käyttää alueiden ja kaupunkien suunnittelussa ja rakentamisessa. Jesse Hietanen mainitsee blogissaan, että puskurointi olisi oiva väline yritysten ja kauppojen sijainnin optimointiin. Tästä minulle tuli mieleen etenkin hälytysasemien, kuten palo-aseman, sijainnin optimoiminen ja se, miten puskurointia voitaisiin hyödyntää tilanteessa, jossa haluttaisiin alueelle mahdollisimman tehokas ja nopeasti kohteet tavoittava palopelastusjärjestelmä. Toisaalta Mika Hasanen ehdottaa puskuroinnin yhdeksi käyttötarkoitukseksi matkapuhelinverkon tukiasemien kuormituksen arviontia kuuluvuusalueella asuvien ihmisten lukumäärän mukaan. Mielestäni nämä ovat oikein relevantteja ehdotuksia ja tästä huomaa, miten paljon kyseisestä työkalusta on hyötyä.

Bufferoinnissa ja sen käytössä on kuitenkin selkeitä ongelmia. Se toimii MapInfossa, joka ei välttämättä ole kaikkein helpoin mahdollinen ohjelma käyttää. Jotta bufferoinnista hyödyttäisiin laajemmin, pitäisi MapInfo osaamista levittää laajemmalle ja sen rakennetta tulisi mielestäni kehittää enemmän. Lisäksi bufferointimenetelmä vaatii taustalle tiettyjä aineistoja ja tietoja puskuroitavasta alueesta, ja niiden täytyy olla saatavilla, mikäli työkalua aiotaan käyttää.

Minun osaamiseni MapInfossa laajenee koko ajan, mutta se on loppujen lopuksi vain murto-osa siitä osaamisesta, mitä pitäisi olla, jos MapInfoa haluaisi käyttää päivittäin tutkimuksen tukena. Kuitenkin hallitsen MapInfon perustoiminnot sekä Query ( ja Select )toiminnon. Osaan lisätä uusia sarakkeita ja tietoa vanhoihin tietokantoihin Maintenance- ja Update Column- työkalujen avulla. Lisäksi hallitsen mielestäni hyvin piirtämisen sekä nyt suhteellisen hyvin ainakin normaalin vaikeustason bufferointimenetelmät. Teemakarttojen teko on jo arkipäiväistä puuhaa. Jään myös odottamaan, mitä seuravilla kahdella kurssikerralla tulen oppimaan.

Vastaukset tehtäviin löytyy täältä .

Lähteet:

1. Hasanen. M, TVT3blogi, 5.kurssikerta, 17.02.2012, <https://blogs.helsinki.fi/0k38734/>

2. Hietanen. J, Tvt3blogi, 5.kurssikerta, 17.02.2012, <https://blogs.helsinki.fi/johietan/>

Tällä kertaa tutustuimme uuteen karttamuotoon, ruututeemakarttaan. Tavoitteena tällä kurssikerralla oli ruututeemakarttojen laatimisen ymmärtäminen ja osaaminen sekä uuden tiedon tuottaminen tietokantaan maantieteellisiä kohteita hyväksikäyttämällä. Omat suunnitelmani ruututeemakarttaa tehdessä menivät osittain pieleen, sillä valitsin teemaksi ulkokansalaiset ja ymmärsin käsitteen väärin. Luulin sen tarkoittavan samaa kuin ulkomaalaiset, joten olin jo muotoillut mielessäni, miten vertaisin ulkomaalaisten asumisen sijoittumista segregaatioon eli ulkomaalaisten asumisen eriytymiseen muista kansalaisista. Suunnitelmani siis menivät uusiksi.

Ohessa oleva ruututeemakartta (Kuva1) esittää nyt pääkaupunkiseudulta olevia ulkokansalaisia, eli ihmisiä, jotka asuvat ulkomailla, mutta ovat Suomen kansalaisia. Heillä siis on kaikki kansalaisuuden oikeudet, mutta myös velvollisuudet. Ruutumatriisin kooksi laitoin 1000m x 1000m, sillä halusin vähän yleispiirteisempää katsausta aiheesta. Kun vertaan omaa karttaani Heini Lankian blogissa olevaan karttaan asukkaiden keski-iästä, voi eron huomata nopeasti. Hänellä ruutumatriisin koko on 250m x 250m, joten tietomäärä on suhteellisen paljon suurempi, mutta toisaalta juuri valtavan tietomäärän myötä luettavuus saattaa hieman kärsiä, niinkuin hän itsekin blogissaan toteaa. Luokittelutapana käytin kvantiilia, sillä jakauma oli hyvin epätasainen. Väreiksi laitoin punaisen sävyt ja luokkia neljä, jotta asumisen jakautuminen olisi selvempi ja sen pystyisi erottamaan kartalta nopeasti.

Kuva1. Ulkokansalaiset pääkaupunkiseudulla vuonna 2009.

Jos tarkastellaan sitä, mihin suurin ulkokansalaisten keskittymä (luokka 590- 1240) sijoittuu, voidaan päätellä muutamia asioita. Yleensä ulkokansalaiset asuvat ulkomailla työn, opiskelun tai perheen vuoksi. Minusta kartasta paljastuu kolme ulkokansalaisten asumispaikkojen pääryhmää, jotka ovat Helsinki ja siellä erityisesti keskustan alue, Vantaa kokonaisuudessaan sekä Espoosta muutamat alueet. Ulkokansalaiset asuttavat pääkaupunkiseudun pohjoisosia vain vähän, jos ollenkaan. Usein juuri perheet asuttavat pääkaupunkiseudun kaukaisempia lähiöitä, joten on todennäköistä, että suuri osa ulkokansalaisista on perheettömiä.

Toinen argumentti liittyy Helsingin keskusta-alueiden suureen suosioon asukasalueena ulkokansalaisten parissa. Helsingin alueella asuu erityisen paljon nuoria ja opiskelijoita. Tämän vuoksi voidaan todeta, että monet nuoret ovat muuttaneet ulkomaille opiskelun perässä. Toisaalta erityisesti Helsingissä, mutta myös Espoossa ja Vantaalla  on runsaasti kansainvälisiä yrityksiä ja kansainvälistä toimintaa (esimerkiksi Ulkoministeriö), jotka lähettävät työntekijöitään ulkomaille töihin. Vantaan yleisyyttä ulkokansalaisten suosiossa asumispaikkana olen pohtinut tovin ja todennäköisesti löytänyt  edellisten viittauksien lisäksi yhden mahdollisen ratkaisun. Vantaalla asuu nimittäin huomattavan paljon ulkomaalaisia ja maahanmuuttajia. Voisiko Suomen kansalaisuuden saanut ulkomaalainen olla muuttanut takaisin ulkomaille kuitenkaan Suomen kansalaisuutta menettämättä? Tämä jää vielä pohdinnan alle, sillä en tunne niin paljon Suomen maahanmuuttopolitiikkaa, että saisin sieltä vastauksen. Jotta kartastani tulisi vielä tietorikkaampi, voisi kartassa olla vielä lisätietoa ulkokansalaisista. Esimerkiksi ulkomailla asumisen syyt ja niiden jakautuminen voisi olla mielenkiintoista tietää tavallisenkin lukijan näkökulmasta. Karttani pitäisi olla kuitenkin helposti ymmärrettävissä pelkästään yllä olevin tiedoin.

Ruututeemakartan luettavuus eroaa hieman muista teemakartoista. Koropleettiteemakartoissa tiedot on sidottu tiettyyn tehtyyn aluejakoon, kuten hallinnolliseen aluejakoon,kuntiin. Ruututeemakartassa taas tieto esitetään ruutuina, ja yhdellä ruudulla on tietty arvo. Siinä onkin epäselvempää tulkita, mikä paikkakunta tarkalleen tuon tietyn arvon saa.  Kuitenkin tietoarvo on muuten kutakuinkin yhtä suuri. Minusta on välttämätöntä, että ruututeemakartalla esitetään absoluuttisia arvoja, sillä muutoin ruudun alla oleva paikkakunta ja teeman esiintyminen kokonaisuudessaan paikkakunnalla tulisi olla selvillä, jotta esimerkiksi prosenttilukemat olisivat ymmärrettäviä. Ruututeemakartta vastaa kuitenkin informaation esittämisen tarpeeseen erittäin hyvin.

Lähteet:

1. Lankia, H. KK4- asukkaiden keski-ikä pk-seudulla, 08.02.2012, https://blogs.helsinki.fi/lankia/

Tutustuin New York Timesin ylläpitämään interaktiiviseen karttapalveluun, johon oli koottu vuosien 2005 ja 2009 väliltä otoksia, jotka sisälsivät väestönlaskennan tietoja. Nämä tiedot on siirretty paikkatietomuotoisena palvelimeen. Seuraavassa arvion niitä ja  niiden heikkouksia ja vahvuuksia sekä sitä, miten hyvin tieto on palvelussa saatavilla. Lisäksi vertaan tällaista amerikkalaista paikkatiedon käyttötapaa suomalaiseen.

New York Timesin karttapalvelussa voi tarkastella neljää erilaista teemaa Yhdysvaltain kansalaisista. Nämä ovat rotu ja etnisyys, tulot, kotitaloudet ja perheet sekä koulutus. Aina kun pitää hiirtä jossain kaupunginosassa, ruutuun ilmestyy tietopalkki alueesta kunkin teeman mukaan. Jokaisessa teemassa on neljästä seitsemään karttaa, jotka kuvaavat teeman alaryhmää yksittäin. Esimerkiksi koulutuksen alla ovat erikseen vielä lukiosta valmistuneiden, kanditutkinnon tai maisteritutkinnon suorittaneiden sekä yksityisessä peruskoulussa olleiden lapsien muodostamat osuudet erillisinä karttoina. Ensimmäisellä käyttökerralla karttapalvelu tuntuu melko helpolta ymmärtää, kunnes siirtyy tutkimaan muita palvelimen teemoja.

Luokitteluperuste ja luokkien määrät vaihtelevat huomattavasti, ja aiheuttavat ongelmia ajoittain. Jos tarkastellaan tulo- ja koulutussektoria, niiden esittämisessä on käytetty prosentteja ja ne ovat selvästi tulkittavissa. Kun taas siirrytään katsomaan kotitalouksia ja perheitä sekä kansalaisten tuloja, on tulkitseminen osissa kartoissa jo hieman haastavaa. Katsottaessa tuloja tarkemmin, voidaan huomata, että kartat esittävät tulonjakoa dollareina, mediaanituloja, tulojen muuttumista vuodesta 2000, ja kotitalouksia, jotka tienasivat sekä alle 30 000 dollaria, että talouksia, jossa tienattiin yli 200 000 dollaria. Monenlaista tietoa löytyy, mutta kun niiden jokainen luokitteluperiste on eri, voi jollekin tavalliselle sanomalehden lukijalle tulla seinä vastaan. Lisäksi luokkamäärät ovat ajoittain valtavat ja lisäävät karttojen epäselvyyttä. Esimerkiksi kartassa, jossa kuvataan kotitalouksien tuloja, on esitetty pisteinä( yksi piste kuvaa 100 taloutta New Yorkin tapauksessa), paljonko kotitaloudet tienaavat. Tässä kartassa on seitsemän eri luokkaa, eli tiheästi eri värejä. Minusta kartta on osittain melko epäselvä ja vaikeasti tulkittavissa näin monen luokan myötä.

Kokonaisuuteen katsoen karttapalvelu on kuitenkin helppokäyttöinen. Tietoa saa toisaalta riittävästi toisaalta ei, riippuen siitä, mihin tarkoitukseen palvelinta käyttää. Verrattuna suomalaiseen käytäntöön palvelin on niukka tiedoiltaan. Suomessa karttapalvelut kattavat kutakuinkin kaiken oleellisen tiedon, mitä väestöstä tiedetään. Kuitenkaan ne eivät ole näin julkisia, kuten tässä New York Timesin karttapalvelussa. Niitä on vaikea saada muuhun kuin viranomaisten ja valtion käyttöön. Tämä kävi ilmi muun muassa meidän laitoksellamme, kun yliopistolle ei annettu enää lupaa käyttää väestötietokantoja opetuskäyttöön. Kuitenkin NYT:n karttapalvelussa esitetään julkisesti tietoa niinkin henkilökohtaisesta asiasta, kuin homoseksuaaleista ja niiden asumisalueista. Mutta Amerikassa kun ollaan, kaikki asiat tehdään erillä lailla.

Lähteet:

1. 2005-9 American Community Survey, Census Bureau, New York Times,                    Mapping America, 07.02.2012, http://projects.nytimes.com/census/2010/explorer

Kolmannen kurssikerran tavoitteena oli syventää MapInfo-osaamista asteen pidemmälle. Näiden reilun kolmen tunnin aikana yhdistelimme ahkerasti eri tietokantoja toisiinsa ja loimme myös uutta tietoa tietokantaan vanhan tiedon avulla. Tässä meillä oli taustana Afrikan kartta ja tilastollista tietoa muun muassa valtioiden konflikteista ja luonnonvaroista. Lopuksi meidät jätettiin yksin muistelemaan menneitä ja tehtäväksi meille annettiin edellisen Afrikan tietokantayhdistely- harjoituksen pohjalta Suomen tulvaindeksikartan laatiminen, jossa on kuvattuna Suomen tulvaherkkyys ja järvisyysaste.

Afrikaanista elämää: kultaa,suitsuketta ja sotia

Tunnilla yhdistelimme erilaista tietoa Afrikan valtiosta ja keskiöön jäivät timanttikaivosten, öljylähteiden ja konfliktien sijaintialueet. Tietoa esitettiin kyseisten esiintymien tai tapahtumien alkamisvuosista sekä kyseisten luonnonvarojen tuottavuudesta. Lisäksi toisesta tietokannasta löytyi Afrikan intenetkäyttäjien määrät  sekä valtioiden väkiluku vuosilta 2000 ja 2009. Näiden tietojen avulla meidän tuli pohtia, mitä kyseisillä tiedoilla voitaisiin tehdä tai mitä näiden perusteella pystyi päättelemään alueesta.

Ensiksi liitän tähän Afrikan kartan (Kuva 1) Arttu Paarlahden tiedotusblogista, jossa on selkeästi esitetty tilastojen pohjalta kolme edellä mainittua indikaattoria lukuunottamatta internetinkäyttäjiä.

Kuva 1. Afrikan luonnonvara- ja konfliktialueet.(Lähde:Arttu Paarlahti)

Kuvaa katsoessa voidaan huomata heti, että Afrikan mantere suorastaan ui konflikteissa. Lisäksi voidaan todeta, että vaikka Afrikan manteretta kuvataan yleisesti köyhäksi ja kurjaksi maanosaksi, on siellä huomattavan paljon rikkauksia, kuten timantteja ja öljyä. Surullista kuitenkin on, että näiden tuoma hyöty jakautuu epätasaisesti vai harvalle yläluokalle ja lisäksi ulkomaalaiset kaivos- ja öljy-yhtiöt vievät varoja muihin maanosiin.

Kartassa on kuvattu sekä yksittäiset suuret konfliktit että laajemmat konfliktialueet, kuinka laajalle konfliktien vaikutus ulottuu. Suurimpiin konflikteihin lukeutuvat muualla maailmassakin laajasti uutisoidut Sudanin, Somalian, Israelin, Egyptin ja Kongon demokraattisen tasavallan sisällä olevat yhteenotot. Hyvin paljon konflikteja näyttää olevan myös Afrikan länsirannikolla. Afrikan maanosaa katsoessa on vaikeaa löytää alueita, joissa ei olisi minkäänlaista konfliktia menossa, joten melkein koko Afrikka on konfliktialuetta.

Timanttikaivosten voidaan sanoa keskittyneen kolmelle eri alueelle. Nämä suurimmat timanttikaivokset sijaitsevat etenkin Etelä-Afrikassa, Namibian ja Kongon raja-alueilla sekä läntisessä Afrikassa erityisesti Guineoiden alueella. Öljyesiintymiä on puolestaan lähinnä Pohjois- Afrikassa. Kun tarkastellaan konfliktien ja luonnonvarojen suhdetta, voidaan huomata niiden välinen yhteys. Kun tarkasteltaisiin öljylauttojen ja timanttikaivosten löytövuosia sekä konfliktien alkamisvuosia, voitaisiin todennäköisesti sanoa niiden olevan kutakuinkin samat. Luonnonvarat aiheuttavat jatkuvasti riitaa naapurivaltioiden välille, etenkin alueilla, missä luonnonvarat sijoittuvat valtioiden raja-alueille. Kuitenkin valtioiden sisälläkin kytee monenlaista sodankäyntiä, sillä joissakin valtioissa saattaa asua satoja eri heimoja, jotka keskenään taistelevat rikkauksista saadakseen itselleen leipänsä.

Parametrien avulla voidaan tutkia monenlaista tietoa. Esimerkiksi jos katsottaisiin timanttikaivosten ja öljykenttien tuottavuutta ja konfliktialueen laajuutta, voitasiin näiden välille saada kiinteä yhteys. Lisäksi vertaillessa internetinkäyttäjämääriä vuosina 2000 ja 2009 voidaan todeta käyttäjien jopa 100-kertaistuneen joissakin valtioissa. Tähän osasyynä on  tietenkin informaatioteknologian nopea edistyminen, mutta osittain luonnonvarojen löytövuosia tutkimalla voidaan katsoa, onko niillä ja internetkäyttäjien määrän kasvulla merkittävää yhteyttä. Timo Säyrinen viittaakin blogissaan internetkäyttäjien kasvun verrattavuuteen bruttokansantuotteen kanssa. Tätä kautta internetkäyttäjien kasvu voisi konkreettisesti ollakin kiinteässä suhteessa luonnonvaroihin.

Tulvia ja järvistä Suomea

Itsenäisenä tehtävänä meidän täytyi luoda edellisen tietokantaliitos-osaamisen pohjalta tulvaindeksikartta, jossa myös Suomen järvisyys oli näkyvillä.  Tätä ennen kaikki oli hyvin, kun kävimme yhdessä läpi Afrikan aineiston pohjalta tietokantojen yhdistelyä ja uuden tiedon luomista, mutta kun yhtäkkiä täytyiki käyttää omaa päänuppiaan jälleen, oli pannu hieman sekaisin. Onneksi muiden kurssikavereiden avustuksella ja omalla pähkäilyllä pääsin lopulta tavoitteeseen.

Selitän aluksi hieman perustermejä, ennenkuin kaikki lukijat- minä mukaan lukien -ovat sekaisin tiedon tulvasta tai tulvatiedosta. Tässä käsitteitä ovat ainakin alivirtaama, ylivirtaama, keskialivirtaama, keskiylivirtaama ja tulvaindeksi. Ensinnäkin alivirtaama tarkoittaa kuivaa kautta, jolloin vettä virtaa keskimääräistä vähemmän. Ylivirtaama on siis päinvastainen käsite, silloin vettä virtaa keskimääräistä enemmän tai on jo tulva. Keskialivirtaama on luonnollisesti alimpien mitattujen arvojen keski-arvo tietyllä aikavälillä, kun keskiylivirtaama on jälleen päinvastainen laskutapa eli ylimpien mitattujen arvojen keski-arvo tietyn ajanjakson aikana. Näiden käsitteiden kautta olemme jo huomattavasti viisaampia ja voimme siirtyä jo helpommin tarkastelemaan tulvaindeksin laskemistapaa.  Tulvaindeksi saadaan siis jakamalla keskiylivirtaama keskialivirtaamalla. Helppoa, vai mitä?

Alla on esitettynä kolmannen kurssikerran lopputuloksena syntynyt tulvaindeksikartta (Kuva2).

Kuva2. Tulvaherkkyys sekä järvisyysprosentti Suomessa.

Tulvaherkkyys valuma-alueilla on nähtävissä helposti kartan tummimilla alueilla. Valitsin tulvaindeksiin kolme luokkaa kvantiili-luokittelutavalla, sillä tulvaindeksillä oli Suomessa vino jakauma. Väriksi asetin sinisen eri sävyt kuvaamaan symbolisesti tulvimista. Lisäksi kartalla on esitetty pylväsdiagrammilla lilalla järvisyyttä prosentteina laskettuna. Nyt myöhemmin voi huomata, että tummanlila värisävy on liian tumma siniselle taustalle, joten värin olisi voinut muuttaa karttaa tehdessä kirkkaammaksi.

Tulvalle herkkää aluetta (40-1100) voidaan perustellusti katsoa olevan niin Pohjanmaalla kuin Pohjois-Lapissakin. Myös Etelä- Suomessa joillain valuma-alueilla on erityinen tulvariski etenkin keväisin ja syksyisin. Nämä alueet ovat usein alavaa maata, jossa luontaisia vesivarastoja, kuten järviä, ei paljon löydy. Suomenselän länsipuolella oleva Pohjanmaa on erityistä tulvariskin aluetta, jossa erityisesti keväisin Kyrönjoen pinta ylittää paikoin tulvavallitkin aiheuttaen jokivarsitaloille huomattavia kosteusvaurioita. Toisaalta Lappi aivan pohjoista lukuunottamatta kuuluu tulvaindeksin keskikastiin, jossa huomattavaa tulvaherkkyyttä ei ole (20- 40), mutta jossa kuitenkin voi esiintyä paikoin useinkin tulvimista.  Pienimmät tulvaindeksiluvut sijoittuvat itäiseen ja eteläiseen Suomeen erityisesti Järvi-Suomen alueelle. Näillä alueilla on vesivarastoja runsaasti ja pinnanmuodot huomattavasti vaihtelevammat kuin lännessä. Siksi tulvavesi ylittää uomat vain harvoin.

Jo edellä tuli mainituksi vesivarastojen, erityisesti järvien kiinteä yhteys tulvaindeksin suuruuteen. Kartassa alueet, missä järvisyysprosentti on suuri, kuten tietenkin Järvi- Suomessa, on alhainen tulvaindeksiluku. Päinvastoin taas alueet, missä järvisyysprosentti on alhainen, esimerkiksi Pohjanmaalla, tulvaindeksiluku kasvaa huomattavasti.

On hauskaa huomata, että mitä enemmän ehdin sählätä kaikkien näiden valtavien tietopläjäysten kanssa, sitä paremmin opin tuntemaan niin MapInfon kuin karttojen tulkitsemisenkin salat. Se luultavasti onkin koko kurssin päätarkoitus.

Lähteet:

1. Afrikan pohjakartta:  http://www.maplibrary.org/stacks/Africa/index.php

2. Afrikan väestö-ja internetkäyttäjätiedot:  http://www.internetworldstats.com/stats1.htm

3.Paarlahti. A, Afrikan kartta, https://blogs.helsinki.fi/tvt3-2012/

4. Konfliktien sijainnit: http://www.prio.no/CSCW/Datasets/Armed-Conflict/Conflict-Site/

5. Säyrinen,T, Kurssikerta 3: Virtaavaa vettä Suomessa ja Afrikan mystiikkaa, https://blogs.helsinki.fi/sayrinen/

6. Timantit: http://www.prio.no/CSCW/Datasets/Geographical-and-Resource/Diamond-Resources/

7. Valuma-alueet: Syken Oiva-tietokanta http://wwwp2.ymparisto.fi/scripts/paikkatieto.asp

8. Öljyvarat: http://www.prio.no/CSCW/Datasets/Geographical-and-Resource/Petroleum-Dataset/Petroleum-Dataset-v-12/

Toisella kurssikerralla tutustuimme kahden päällekäisen teeman koropleettikarttoihin ja niiden laadintaan. Vaihtoehtoja MapInfossa tällaisen kartan tekemiseen oli paljonkin. Näitä teemakarttoja olivat muun muassa ympyrä-, piste- ja pylväsdiagrammikartta yhdistettynä koropleettikarttaan. Minulle uudenlaisia teemakarttoja olivat Graduated-, Individual- ja Grid- teemakartat. Lisäksi kolmiuloitteisia teemakarttoja esittävät prismaattinen ja 3D-teemakartta.

Julia Kemppisen toisen kurssikerran blogissa esitelty prismaattinen teemakartta, tai kuva siitä, näyttäytyy hyvin erilaisina muihin karttoihin verrattuna. Tällä kartalla on kuvattu Suomessa olemassaolevia muun kuin virallista kieltä puhuvien asukkaiden jakautumista. Kartassa näkyy hyvin selkeästi Helsingin ylivertaisuus ulkomaisten kieltenpuhujien lukumäärässä. Prismaattisessa kartassa nämä erot näkyvät selvästi kohonneina pylväinä. Epäselvyyttä lisää kuitenkin kartan kirjavuus, sillä kaikki Suomen kunnat esitetään eri värein.

Halusin ottaa edellisen kartan ensin esimerkkinä toisenlaisesta teemakartan esittämisestä kuin omani. Valitsin oman teemakarttani pohjaksi Lapin kunnat(Kuva1). Tämän tein siksi, että halusin enemmän keskittyä tietyn alueen kuin koko Suomen kuvaamiseen. Luonnollisesti valitsin Lapin, sillä olen viettänyt koko TVT1- ja TVT2-kurssit rakkaan tutkimuskuntani Rovaniemen kimpussa. Valitsin karttani pohjan koropleettisena kuvaamaan Lapin kunnissa olevien työpaikkojen lukumäärää punaisin sävyin. Toiseksi teemaksi otin työpaikkojen jakauman eri aloihin. Nämä jakautuivat alkutuotannon, palvelujen ja jalostuksen pariin.

Kuva 1. Kartassa punaisella työpaikkojen määrä kunnittain ja pylväsdiagrammein esitettynä työpaikkojen jakautuminen eri aloille.

Kuntien työpaikkojen kuvaukseen asetin väriksi punaisen sät. Minusta työpaikkojen olemassaolo on niin keskeistä elämässämme ja niiden puuttuminen taas hälyttävä merkki yhteiskuntamme vajoamisesta laman uhriksi. Työpaikkojen lukumäärä jakautuu kolmeen luokkaan, sillä kahden päällekäisen teeman kartoissa saa olla vain korkeintaan 3×3 luokkaa kartan luettavuuden ylläpitämiseksi. Luokitustapana käytin tasamääräistä luokitusta, jossa jokaisessa luokassa oli 7 kuntaa. Työpaikkojen jakaumien osuudeksi taas valitsin alkutuotantoon ruskean, jalostukseen harmaan ja palveluihin vihreän sävyn. Jälkeenpäin ajatellen näiden teemojen esittäminen olisi ollut luonnollisempaa ympyrädiagrammin muodossa, mutta tämä esitystapa kelpaa tässä tilanteessa.

Kuntien työpaikkojen luokat ovat 300-1200, 1200-2600 ja 2600-24500. Alin luokka, jossa työpaikkoja esiintyi 300-1200, sisälsi lähinnä muutamia kuntia aivan pohjoisesta sekä itäisestä Lapista. Näitä olivat muun muassa Enontekiö, Inari, Savukoski, Muonio ja Simo. Työpaikkojen vähäinen määrä osoittaa monta eri tekijää. Nimittäin nämä alueet ovat harvaan asuttuja ja luonnollisesti työikäistä väestöäkin on vähemmän. Koska alueella ei ole suuria keskuksia  ja maatalouden harjoittaminen on pohjoisen sijainnin vuoksi vaikeaa, jää ammatinharjoittamiseen vähän mahdollisuuksia. Paikkakunnilla, missä on vähiten työpaikkoja, palvelualan osuus niistä on suurin. Tämä korostuu etenkin pohjoisen kunnissa, jossa on tietenkin työpaikkoja paljon talviurheilukeskus-toiminnassa. Toisaalta idässä Savukoskella voidaan huomata myös alkutuotannon suuri osuus työpaikoista. Tämä viittaa, että alueella on kaivostuotantoa. Jos otetaan yksi esimerkki etelästäkin, niinesimerkiksi Simossa taas jalostuksen osuus on suhteellisen korkea. Tämän voi selittää Oulun läheisyys keskuksena, sillä teollisuuden sijoittuminen tämän läheisyyteen on luonnollista.

Tarkastaeltaessa toista työpaikkojen lukumäärän luokkaa 1200-1600, voidaan todeta näiden kuntien sijoittuvan Lapin etelä- sekä länsiosiin. Näissäkin, kuten koko Lapin kunnissa, palveluiden osuus on suurin työskentelyala. Muiden työskentelyalojen osuus on suhteellisen pieni, lukuunottamatta Posiota ja Ranuaa. Näissä kunnissa alkutuotantoa eli tässä tapauksessa myös kaivostoimintaa harjoitetaan alueilla melko paljon, ja se nostaa työpaikkojen määrää melko harvaanasutulla alueella. Kolarin, Ranuan ja Sallan turistikohteet niin talvella kuin kesälläkin selittävät puolestaan palvelualan suuruutta kaikista työpaikoista.

Suurin työpaikkojen määrä, 2600- 24500, sijoittuu aivan keskiseen Lappiin. Tämä kertoo tietenkin osittain Lapin pääkaupungin, Rovaniemen, tärkeydestä koko Lapille. Monet asukkaat eri puolilta Lappia muuttavat Rovaniemelle opiskelun ja työpaikan perässä. Työpaikkojen määrää nostaa myös Kittilän, Sodankylän ja Inarin talviurheilukeskukset. Ne ovat myös palvelualojen yleisyyden syy alueella. Rovaniemellä sijaitsee tästä huolimatta Lapin suurimmat työmahdollisuudet.

Yhteenvetona kartasta voidaan sanoa, että useimmat työpaikat sijaitsevat Keski-Lapissa lähinnä Rovaniemen läheisyydessä. Vaikka koko Suomen työaloja katsoessa palvelujen osuus on huomattavan suuri, korostuu se Lapissa ehkä eniten. Lappi on osittain rajoittunut työskentelymahdollisuuksiltaan sen ilmasto-olosuhteiden tähden, mutta osittain juuri tämä auttaa sitä saamaan lisää työpaikkoja esimerkiksi talviurheilukeskusten merkeissä. Näiden keskusten monipuolistamista,määrää ja viihtyvyyttä kannattaisi lisätä, jotta kilpailu kasvaisi ja Lapin talviurheilukeskukset nousisivat kansainväliseen suosioon. Kaivostoiminta on lähiaikoina noussut erityiseen asemaan Lapissa. Sen odotetaankin tuovan lisää asukkaita,työpaikkoja ja vaurautta ennestään köyhille alueille.

Lähteet:

1. Kemppinen.J,Blogi,Toinen kurssikerta: Lisää erityyppisiä teemakarttoja käyttäen Suomea pohjakarttana(https://blogs.helsinki.fi/jjkemppi/).

Toisen kurssikerran toisena tehtävänä oli lukea Anna Leonowiczin artikkeli Two-variable choropleth maps as a useful tool for visualization of geographical relationship (Geografija,2006) ja  selittää ja analysoida sen pohjalta reaktioita, joita artikkeli herätti. Artikkelissa kerrottiin kahden muuttujan päällekkäisestä esiintymisestä koropleettikartassa ja siitä, miten sen käyttö vaikuttaa lukijoihin. Itselleni artikkelin teema toi koropleettikarttojen tietämykseeni lisää perspektiiviä ja auttoi ymmärtämään enemmän muuttujien välisiä suhteita.

Artikkelin tarkoitus oli syventää lukijan tietämystä kahden muuttujan koropleettikartoista. Näitä karttoja käytetään yleensä esittämään kahden ilmiön välistä suhdetta tai joissain tapauksissa myös kahden riippumattoman muuttujan esittämistä. Luokkien määrä saa olla korkeintaan 9 (3×3), jotta kartan lukemisen selkeys säilyisi. Artikkelin mukaan ensimmäinen havaintojen ryhmä koostuu yksiköistä, joiden arvot voimistavat vahvaa suhdetta muuttujien välillä. Toinen ryhmä taas on kokoelma yksikköjä, joiden arvot eivät ole riippuvaisia toisistaan. Nämä ovat positiivisia ja negatiivisia hajontoja lineaarisesta suhteesta. Tällainen luokittelu käy toteen käyttämällä tekstissä esitettyä tasaista keskihajontalukujen viivaa. Yleensä näiden karttojen väriskaalassa käytetään kahden värin sävyjen yhdistelmiä.

Artikkelin lopussa lisäksi kerrotaan, miten puolalaisessa ja liettualaisessa yliopistossa järjestettiin ensimmäisen vuoden opiskelijoille testi, jossa vertailtiin kahden muuttujan koropleettikartan ja yhden muuttujan koropleettikartan luettavuutta ja sitä, kumpi esittää selkeämmin asioiden välisiä suhteita ja jakaumaa. Tulokset nojaavat koko artikkelin tarkoitukseen, jonka pointtina on se, että muuttujien jakaumaa kuvaa paremmin yhden teeman tai muuttujan koropleettikartta. Muuttujien välistä suhdetta selkeämmin ja kattavammin esittää taas kahden muuttujan koropleettikartta.

Minusta kahden teeman koropleettikarttojen käytön yleistyminen on hyväksi koko teemakartografialle. Tällöin visuaalisuus syventyy ja kartasta saa enemmän informaatiota kahden muuttujan välisestä suhteesta kuin yhden muuttujan koropleettikartoissa. Tiedon taso kohoaa siis välittömästi.  Tällainen kartta on myös yhden teeman karttaa monipuolisempi. Sillä on erityisesti se hyvä puoli tavallisiin teemakarttoihin nähden, että se antaa monipuolisemman kuvan muuttujien välisestä suhteesta. Se esittää alueet, joissa ilmiöillä on vahvin riippuvuussuhde ja toisaalta ilmiöt, joissa suhde on keskinkertainen sekä sen alueen, missä ilmiöillä ei ole lainkaan riippuvuussuhdetta.

Kahden päällekkäisen teeman karttojen legendat eroavat hieman perinteisistä karttaesityksistä ja legendoista. Ero syntyy erityisesti kahden muuttujan teemakarttojen  perustumisesta hajontadiagrammiin, jossa jokainen akseli esittää yhden teeman arvoja. Luokkavalikointimetodi kummallekin muuttujalle jakaa suorakulmaisen legendan pieniin laatikoihin, jotka kuvaavat muuttujien välistä suhdetta. Vahvasti toisistaan riippuvaiset muuttuja-arvot sijoittuvat legendassa päälävistäjälinjan luokkiin kun taas toisistaan riippumattomat muuttuja-arvot sijoittuvat lävistäjälinjan ulkopuolisiin luokkiin.

Artikkeli  ja siinä esiintyneet käsitteet saattoivat aluksi tuntua vaikealta ymmärtää erityisesti kahden teeman koropleettimetodia selitettäessä. Kuitenkin tekemällä yhteistyötä ilmainensanakirja.fi- sivuston kanssa käsitteet avautuivat. Tämän jälkeen tovin pohtimalla sain myös mieleeni kyseisen kartan konkreettiset muodostumismetodit.

Kahden päällekäisen teeman koropleettikarttaesitys haastaa kohdeyleisön käyttämään tietämystään, jos sellaista löytyy. Lukijoiden täytyy tietää matematiikan ja kartografian peruskäsitteiden merkityksiä, kuten keskihajonta-käsitteen ja osattava tulkita keskihajontalukuja diagrammista. Myös muuttujien suhteiden esittäminen päällekkäisin värein kartalla kaipaa perehtymistä asiaan tai ainakin aikaisempaa kokemusta kyseisistä kartoista. Tavalliselle lukijalle tietenkin tulkinnan vaikeusaste saattaa olla liiankin korkea. Tätä voi kuitenkin korjata muun muassa selittämällä karttaa enemmän esimerkiksi kuvatekstissä.

Käyttämäni paikkatieto-ohjelma MapInfo on suhteellisen hyvä koropleettikarttojen laadinnassa. Sillä voi myös tehdä päällekkäisiä koropleettikarttoja. Tällöin toisen muuttujista täytyy kuitenkin olla rasterimallinen. Rasterimuotoiset koropleettiteemat ovat läpinäkyviä, mutta niidenkin ominaisuutta voi muuttaa. Lisäksi MapInfolla on helppo laskea yksinkertaisia tilastollisia tunnuslukuja, myös keskihajontaa, mutta esimerkiksi keskihajontalukujen saaminen hajontadiagrammiksi saattaa olla mahdotonta. Näin artikkelissa esitettyjä karttoja ei voisi siis täydellisesti tehdä MapInfolla, osittain kuitenkin. Käytettävissä oleva ohjelma tai väline onkin siis tärkeä tekijä kartografisia esityksiä laatiessa. Mikäli väline on rajallinen, ei kartografisia tuotoksiakaan voi syyttää yksinkertaisuudesta.  MapInfo on lopulta kuitenkin tarpeeksi monipuolinen ja kätevä meidän maantieteilijöiden käyttöön  – ainakin toistaiseksi.

Lähteet:

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

Tvt3- kurssin ensimmäinen opetuskerta pyörähti käyntiin ja tehtävänämme oli tutustua MapInfo- karttaohjelman ihmeelliseen maailmaan. TVT1-kurssilla olimme jo käyttäneet kyseistä ohjelmaa hieman, mutta sen käyttö näytti olevan lähes täysin unholassa. TVT2-kurssilla käytimme taas toista karttojen laadintaohjelmaa CorelDraw:ta, joten se lienee sekoittanut hieman aivojen muistisoluja.

Ensimmäiset tunnit kuluivat siis MapInfon erilaisiin toimintoihin tutustumisessa. Kun tietokone-osaamiseni tunnetusti ei ole kovin hyvää luokkaa, muutaman hetken keskittymisen herpaantumisen jälkeen huomasin olevani täydellisen hukassa opettajan esittämistä ohjelman käskytyskomennoista. Kuitenkin, kun laitoin sata prosenttisesti jälleen ajatukseni takaisin MapInfoon, onnistuin riippumaan mukana loppuun saakka. Täytyy kuitenkin myöntää, että näiden lukuisien käymiemme toimintojen jälkeen en voi täydellisesti muista kaikkia käskytyksiä ja sitä, mistäpäin MapInfoa mikin toiminto löytyykään. Onneksi alkuvaiheessa ainakin on pelastava paperi, jossa ohjeet on selvästi kirjoitettuna paperille. Mutta mitä enemmän käytämme kyseistä ohjelmaa, sitä sujuvammin, jopa minä, uskon löytäväni siitä erilaiset toiminnot ja niiden tarkoitukset.

Tähän asti kaikki oli kertausta ensimmäisestä kurssista, mutta seuraavaksi pääsimme uuteen asiaan. Ensin harjoittelimme opettajan johdolla koropleettikartan laatimista Helsingin kunnan alueen tietojen pohjalta. Opin käyttämään etenkin histogrammi- verkkotyökalua jakauman tulkitsemiseen. Lisäksi karttaan kuuluvat mittajana ja pohjoisnuoli löytyivät asiallisesti karttaan mukaan. Lopuksi jo ajattelin, että tämähän oli helppoa.Tämä ajatus sai kuitenkin ajoittain hienoisia kolauksia.

Meidän itsenäisenä tehtävänä oli tämän jälkeen tarkoitus laatia MapInfon avulla koropleettikartta Suomesta Kunnat2011- aineiston tietystä ominaisuudesta. Kartan ominaisuusarvot luokiteltiin tietyllä luokittelutavalla, sen mukaan minkälainen jakauma oli kyseessä. Itse valitsin aineistosta Avioliitot Suomessa eri kunnittain vuonna 2011( Kuva 1). Valintaan vaikutti lähinnä se, että minusta avioliittojen solmimismäärä on vähentynyt hurjasti viime vuosikymmenistä. Siksi oli mielenkiintoista nähdä missäpäin Suomea ja missä kunnissa tarkalleen pariskunnat nykyisin vihkiytyvät.

Kuva1. Avioliittojen solmimismäärä Suomen kunnissa vuonna 2011(MapInfo,Kunnat2011-aineisto).

Kokemattomampikin kartan lukija huomaa ylläolevasta kartasta, että avioliittojen esiintyminen ei missään nimessä ollut tasaista Suomessa viime vuonna. Koska avioliittojen jakauma oli erittäin epätasainen, valitsin luokittelutavaksi luonnolliset luokkavälit. Aineiston jakauma oli rikkonainen ja siksi se vaikutti luokitteluun tehden siitä vähintäänkin mielenkiintoisen. Tässä kartassa avioliittojen solmimislukumäärä jaettiin viiteen eri luokkaan: 0-20, 20-30, 30-40, 40-50 ja 50-4150. Viimeinen luokka on kylläkin suhteettoman suuri ja antaa epäselvän kuvan siitä, paljonko avioliittoja on tarkalleen solmittu. Kävin läpi muitakin luokittelutapoja, mutta ne antoivat tälle aineistoille vähintään yhtä omituisia tuloksia, joten siksi päädyin edellämainittuun. Vertailukohdetta voi etsiä vaikkapa Tuuli Rissasen blogista, jonka Kurssikerta1-kartassa esitetään yli 65-vuotiaiden osuutta Suomen kunnissa vuonna 2011. Hänen kartassaan yli 65-vuotiaiden jakauma on päinvastainen kuin omani. Se on erittäin tasainen ja jokainen luokka saa lähes yhtä paljon lukuarvoja.

Karttaa tulkitessa huomaa heti kuinka kaksi ääripää-luokkaa, 0-20 ja 50-4150, saivat huomattavasti enemmän esiintymisarvoja kuin kolme muuta. Jopa 142 kunnassa solmittiin vain nollasta kahteenkymmeneen avioliittoa vuonna 2011. Toisaalta toisessa ääripäässä olivat 97 kuntaa, jossa vihittiin taas 50- 4150 avioliittoa. Karttaa lukemalla voi helposti päätellä kaupunkien vaikutuksen vihkimisten määrään. Suurin osa avioliitoista solmittiin pääkaupunkiseudulla, läntisessä Suomessa sekä Oulun seudulla. Lapissa tällaisia suurten vihkimismäärien kuntia olivat vain Rovaniemi, Kuusamo ja Tornio.

Vihkimisen painottuminen kaupunkeihin selittää ensinnäkin se, että ihmisiä on kaupungeissa luonnollisesti harvempaan asuttua seutua enemmän. Lisäksi usein ihmisten omat mieltymykset ja halut ohjaavat heidän toimintaansa. Täten voidaan ajatella useiden ihmisten haluavan naimisiin juuri kaupungissa, sielä kun ovat usein suuret ja hyvintoimivat kirkot sekä järjestelyt toimivat ehkä moitteettomammin. Tärkeä huomio on myös se, että avioitumisiässä olevat nuoret asuttavat kaupunkeja yhä enemmän ja kokonaisvaltaisemmin. Tämän huomaa erityisesti katsoessa Lapin “syrjäisten” kuntien avioitumismäärää, joka on aivan minimissä. Näillä alueilla asuukin pääasiassa vanhuksia ja jo naimisiinmenneitä keski-ikäisiä ihmisiä.

Minusta ylläolevan kartan pitäisi olla suhteellisen ymmärrettävä visuaalisesti. Se on melko yksinkertainen ja siksi sitä pitäisi osata tulkita myös “tavallinen tallaaja”.  Mitä enemmän avioliittoja on solmittu sitä tummemmalla luokalla se esitetään. Tämänkaltainen esitystapa on hyvin yleinen, joten ihmettelisin suuresti, mikäli siitä aiheutuisi epäselvyyksiä. Pohjoisnuolen ja mittakaavajanan olisi toisaalta voinut tehdä ehkä hieman suuremmalla fontilla erottamisen helpottamiseksi.

Tunnin lopussa kun olin saanut legendan karttaan ja kaikki muutkin tarpeelliset lisätiedot, huomasin poistaneeni koko kartan jollain ihmeen tavalla. Tällöin hermoni olivat todella koetuksella, mutta kun aloin laatimaan karttaa uudestaan, huomasin, että siihen meni vain murto-osa edellisestä kartasta. Siten ymmärsin, että vaikka karttojen hävittäminen kilobittiavaruuteen on turhauttavaa, on se kuitenkin erittäin hyödyllistä oppimisen kannalta.

Lähteet:

1.Rissanen.T,Blogi,Kurssikerta1: Tutustuminen MapInfoon(<https://blogs.helsinki.fi/tuulriss/>).

2. TVT3-kurssin aineisto. Kunnat2011-aineisto. Helsingin Yliopisto(<https://moodle.helsinki.fi/mod/resource/view.php?id=195171>).