Kurssikerta 7: ikioma kartta

Työvaihe:

Lähdin kohti viimeistä kurssikertaa jännittävin fiiliksin, sillä tällä kertaa olisi pärjättävä omilla taidoilla (ainakin teoriassa). Halusin omassa kartassa keskittyä Helsinkiin ja tutkia lukioiden sijaintia ja keskiarvorajoja. Jouduin ongelmiin jo kotona, kun en löytänyt pelkästään Helsinkiä koskevia tilastoja. Ajattelin kuitenkin yrittää vielä kurssikerralla aineistojen etsintää.

Kurssikertani alkoi geokoodaamalla Helsingin lukiot kartalle. Hyödynsin kurssikerralla käytettyä pohjakarttaa ja geokoodaus onnistuikin melkein kokonaan omin avuin. Onnistumisen jälkeen ryhdyin etsimään aineistoa Helsingin kaupunginosista. Ylpeys onnistumisesta alkoi vähitellen muuttua epätoivoksi, kun mistään ei meinannut löytyä tarvitsemiani tilastoja. Kun viimein löysin haluamani datan, olivat ne sellaisessa muodossa, jota ei voinut ihanassa Mapinfossa käyttää eikä edes Artun kuuluisat taikavoimat auttaneet. Pienen kiukun vallassa sammutinkin koko tietokoneen ja marssin mielenosoitukseksi ulos GIS-luokasta.

Lähdin kotiin miettimään vaihtoehtoa B ja päädyin tutkimaan Suomen maakuntien välisiä eroja neliövuokrissa ja perheiden tuloissa. Kuuden tunnin GIS-luokassa jumittamisen jälkeen sain vihdoin kartat valmiiksi. Karttojen luominen onnistui itse asiassa ongelmitta ja tällä hetkellä Mapinfo osaamiseni olisi CV:ssä sujuvaa. Päädyin siis samaan tulokseen Reeta Saloniemen kanssa: ”Teemakarttaesityksen tuottaminen alusta asti oli yllättäen yksinkertaisempaa kuin aluksi luulin. Suurin työmäärä kohdistui sopivan aineiston etsintään, mutta tarvittavat tiedot löydettyäni oli karttaesityksen tuottaminen vaivatonta.”
Onnen hetkeni päättyi kuitenkin taas nopeasti, kun kohtasin ongelmia yrittäessäni tuoda tallentamiani karttoja blogiin. Tutkin asiaa ja tulin siihen tulokseen, että käyttämässäni koneessa oli Mapinfossa väärät asetukset värien suhteen, mikä taas johti siihen, että kuvat eivät olleet oikeassa muodossa (lähde: Google). Onneksi neljän tunnin turhan yrittämisen ja pienen hermoromahduksen jälkeen sain apua tietokonenörtiltä ja kuvat ovat blogissa!

Lopputulos:

Ensimmäisenä halusin tehdä teemakartan, jossa tutkisin neliövuokran ja perheiden kuukaudessa käytössä olevan rahatulon yhteyttä. Päädyin tekemään kaksi erillistä pylväsdiagrammikarttaa, jossa toisessa (kuva 1.) keskitytään neliövuokraan ja toisessa (kuva 2.) perheiden tuloihin. Minusta oli myös kiinnostavaa tehdä vertailua Suomen maakuntien välillä. Halusin myös pohjalle tiedon, miten maahanmuutto jakautuu maakuntien kesken.

Kuva 1. Maahanmuutto ja neliövuokra maakunnittain
Kuva 2. Maahanmuutto ja perheiden käytettävissä oleva rahatulo per kuukausi

Teemakartoista voi nähdä yhteyden pylväiden korkeuden välillä. Myös koropleettikartalla näyttää olevan vaikutusta pylväiden kokoon. Tummimmilla alueilla, jossa maahanmuutto on suurinta, on myös korkeimmat neliövuokrat ja samalla myös perheillä on suurimmat tulot. Tämä yhteys tulisi vielä paremmin esiin, jos olisin muistanut lisätä pylväisiin tiedot näkyviin. Halusin vielä tehdä varmistuksen neliövuokran ja perheiden tulojen korrelaatiosta ja tein korrelaatioanalyysin SPSS-ohjelman avulla. Taulukosta 1. tulee esille, että selkeä korrelaatio on nähtävissä Pearsonin korrelaatioanalyysin avulla.

Taulukko 1. Korrelaatio neliövuokran ja perheiden tulojen välillä

Koska käytin valmista karttapohjaa, päätin tutkia vielä maahanmuuton ja väestön rakenteen yhteyttä. Laadin kaksi päällekkäistä koropleettikarttaa, joista toinen (kuva 3.) kartta kuvastaa lapsiperheiden määrää ja toinen (kuva 4.) yli 65-vuotiaiden määrää maakunnissa.

Kuva 3. Maahanmuutto ja lapsiperheiden määrä maakunnissa

Kuvasta 3. näkee, että maahanmuuttovoittoisimmassa Uusimaassa on myös suuri lapsiperheiden osuus. Samalla vaaleimmilla alueilla esimerkiksi Itä-Suomessa on taas vähemmän lapsiperheitä. Maahanmuutto keskittyy siis alueille, jotka ovat suosittuja myös lapsiperheiden kesken. Poikkeuksen tekee kuitenkin Lappi, jossa lapsiperheiden määrä on vähäinen, vaikka maahanmuutto on melko korkeaa. Tämä voi selittyä esimerkiksi rajanylityspaikan sijainnilla. Tällöin maahanmuutto on melko voimakasta vaikka lapsiperheiden määrä on pieni.

Kuva 4. Maahanmuutto ja yli 65-vuotiaiden määrä maakunnissa

Kuva 4. on melkein kuvan 3. vastakohta. Alueet, joilla oli paljon lapsiperheitä, on taas vähäinen yli 65-vuotiaiden määrä ja toisin päin. Olisi ollut vielä mielenkiintoista tehdä kolmas kartta, jossa olisikin 18-30-vuotiaiden määrä eli todennäköisin opiskelijaryhmä.

Vaikka alku Mapinfon kanssa oli kömpelöä, niin yhteistyö ohjelman kanssa alkaa jo vähitellen luonnistua. Olen tässä asiassa Jouko Lappalaisen kanssa samaa mieltä: ”Alkuun kaikki tekeminen oli aivan uutta ja kankeaa, kuten aina uusien uusia asioita tehdessä, mutta kokemuksen karttuessa myös osaamisen taso nousi kohisten.” Erityisesti erilaisten teemakarttojen teko on Mapinfossa hyvin mutkatonta ja selkää. Lisäksi koen, että esimerkiksi bufferointi ja geokoodaus ovat hyviä työkaluja, joiden osaamisesta on varmasti tulevaisuudessa paljon hyötyä. Mapinfon piirto-ominaisuudet taas eivät vieläkään herätä ihastusta,  varsinkaan kun toisella kurssilla pääsi taas leikkimään Corelin piirtotyökaluilla.

Fiilikset:Lähteet:

Saloniemi, Reeta (2017). Viikko 7: Finito! <https://blogs.helsinki.fi/saresare/2017/03/02/viikko-7-finito/> Luettu 16.3.2017

Lappalainen, Jouko (2017). Osa 7 – “Sä oot viimeinen, sua jättäis en” <https://blogs.helsinki.fi/ladjouko/2017/03/02/hotel/> Luettu 16.3.2017

Tilastokeskus, <http://pxnet2.stat.fi/PXWeb/pxweb/fi/StatFin/> Luettu 10.3.2017

 

Kurssikerta 6: Hasardeja kartalla

Kuudennen kurssikerran aiheena oli pisteaineistojen esittäminen kartalla. Harjoittelimme ensin yhdessä GPS-paikantimella keräämiemme pisteiden siirtämistä MapInfo-ohjelmaan ja geokoodausta osoitetietojen avulla. Kurssikerran varsinainen tehtävä oli kuitenkin tuottaa hasardeista (maanjäristykset, tulivuoret ja meteoriitit) kolme karttaa, joita pystyisi hyödyntämään opetuksessa.

Päätin lähteä yksinkertaisimmasta liikkeelle eli tein jokaisesta hasardista oman kartan, joissa ilmenee hasardien esiintyminen maailmankartalla.

Kuva 1. yli 6,0 magnitudin maanjäristykset

Maanjäristyksiä kuvaavasta kartasta (kuva 1.) tuli toimiva kaikessa yksinkertaisuudessaan. Kartasta erottuu hyvin mannerlaattojen reunat ja toimisi varmasti hyvin opetuksen materiaalina sen selkeyden vuoksi. Jos huomio olisi mannerlaatoissa, niin karttaan voisi lisätä mannerlaattojen nimet. Minusta pohjakartta näyttää hyvältä, sillä siitä erottuu selkeästi pinnanmuodot. Tällöin opetuksessa voisi ohjata keskustelua vielä syvemmin mannerlaattojen liikkeisiin ja yhteyteen pinnanmuotoihin. Tällöin maanjäristykset yhdistetään heti laajempaan kokonaisuuteen.

Kuva 2. Tulivuorien sijainti maailmankartalla

Tulivuoria kuvaava kartta (kuva 2.) näyttää melko samalta kuin kuva 1. Mannerlaatat eivät kuitenkaan erotu yhtä selkeästi. Tulivuorten kanssa samaan karttakuvaan olisi voinut yhdistää maanjäristykset, jolloin oppilaille selkeytyisi näiden kahden hasardien sijoittumisen yhtäläisyydet. Kuva 3. on hyvä esimerkki tietoja viisaasti ja selkeästi yhdistelevästä kartasta. Tulivuoret on kuitenkin hyvä esittää myös yksinään, jolloin kartalla voisi kertoa samalla erilaisista tulivuorityypeistä ja miten nämä eri tyypit sijaitsevat maailmankartalla.

Kuva 3. Esimerkki informatiivisesta kartasta, jossa on yhdistetty mannerlaatat, maanjäristykset, tulivuoret sekä kaupunkeja. Lähde: http://thegeologieonthemove.blogspot.fi/2012/02/plate-boundaries-line-of-prosperity-and.html
Kuva 4. Havainnot meteoriiteista

Meteroriittien havainnoista kertovaa karttaa (kuva 4.) en ehkä käyttäisi sellaisenaan opetuksessa. Kartta ei kerro mitään havaintojen laadusta (meteoriittikraatteri vai pelkkä näköhavainto), meteroriittien koosta tai havaintojen aikavälistä. Kartta on siis melko turha, jos tavoitteena olisi tutkia meteoriitteja. Kartan avulla voisi kuitenkin herätellä oppilaita miettimään ydinalue-periferia jakoa. Tiheimmin meteoriittihavaintoja on selkeästi Pohjois-Amerikassa, Euroopassa, Australiassa sekä Etelä- ja Kaakkois-Aasiassa. Havainnoista paljaana taas erottuu Amazonin sademetsä Etelä-Amerikassa, Kanadan pohjoisosat ja Siperia sekä aavikot Afrikassa ja Aasiassa. Tippuuko Pohjois-Amerikkaan oikeasti enemmän meteoriitteja kuin Etelä-Amerikkaan? Mitkä asiat voivat vaikuttaa kartan lopputulokseen? Tätä kautta voisi siis päästä hyvään keskusteluun alueiden erilaisesta haavoittuvuudesta ja kyvystä kohdata hasardi.

Anna Haukka toi blogitekstissään esiin hyviä ideoita karttojen hyödyntämiseen opetuksessa. Esimerkiksi GoogleEarthin avulla oppilaat pääsisivät itse näkemään ja tutkimaan erilaisia tulivuoria. Lisäksi Haukka toi esiin myös ajankohtaisten ilmiöiden tutkimisen:  ”Maanjäristysten osalta voisi etsiä tietoa ajankohtaisista viimeisen vuoden aikana tapahtuneista maanjäristyksistä, esim. uutisjuttuja ja tarkastella niiden avulla maanjäristysten aiheuttamia tuhoja.” (2017). Tuoreiden uutisten tarkkailu voisi herätellä oppilaissa enemmän kiinnostusta aiheeseen ja tietojen syventymistä.

Lähteet:

Haukka, Anna (2017).  Kurssikerta 6. Maanjäristysten ja tulivuorten maantiedettä kartoilla. <https://blogs.helsinki.fi/ahaukka/2017/02/23/kurssikerta-6/> Luettu 26.2.2017

Kuva 3. The Plate boundaries: The line of Prosperity and Fire (2012) <http://thegeologieonthemove.blogspot.fi/2012/02/plate-boundaries-line-of-prosperity-and.html> Luettu 26.2.2017

 

Kurssikerta 5. Bufferoinnin alkeita ja epätoivoa

Pakin viides kurssikerta erosi aikaisemmista kurssikerroista, sillä tällä kertaa keskityimme enemmän itsenäisiin harjoituksiin ja jätimme kartat hetkeksi sivuun. Aloitimme kuitenkin yhdessä tutkimalla bufferitoimintoa, joka osoittautuikin hyvin näppäräksi työkaluksi puskurianalyysin teossa. Bufferoinnin avulla erilaisten alueiden laskutoimitukset sai nopeasti ja yllättävän vähällä kliksuttelulla selville. Käytinkin bufferointia osan taulukossa 1. näkyvissä tehtävien tuloksien selvittämisessä. Esimerkiksi itsenäistehtävä 1 kohdalla piti selvittää, kuinka paljon Malmin ja Helsinki-Vantaan lentokentät aiheuttavat meluhaittaa lähialueilla.

Bufferitoiminto sopii hyvin erilaisten analyysien tekemiseen ja näenkin sen hyvänä työkaluna esimerkiksi aluesuunnittelussa. Uusien päiväkotien ja koulujen suunniteltaville paikoille voisi tehdä bufferianalyysin ja katsoa, kuinka monta alle 7-vuotiasta lasta asuu kahden kilometrin säteellä kyseisestä tontista. Tällä tavalla voisi siis vertailla eri mahdollisuuksia ja valita parhain vaihtoehto uudelle koululle. Tässä tietysti tulee vastaan käyttäjän omat taidot ja käytössä oleva tietokanta. Kuten Alina Ylimäki hyvin kiteytti blogissaan: ”Toki ennen bufferointia on hallussa oltava kattava aineisto tutkitusta aiheesta ja on osattava tehdä erilaisia laskutoimituksia, jotta uusia muuttujia saataisiin selville.” (Ylimäki 2017)

Alun lyhyen yhteisen osuuden jälkeen pääsimmekin itsenäisten harjoitustehtävien pariin, jossa hyvin nopeasti tulikin selväksi tämän hetkisen osaamisen tasoni. Jokainen tehtävä vaatii paljon aikaa ja tuskan hikeä, kun MapInfon kaikki oikotiet eivät olleet tuoreessa muistissa. Monien kokeilujen ja erehdysten jälkeen sain vastauksia (ainakin numeroita) tehtäviin ja siitä todisteena taulukko 1. Itsenäistehtävistä ensimmäinen koostui siis lentokenttien meluhaitoista ja juna-asemien lähellä asuvista ihmisistä. Toisessa itsenäistehtävässä meidän täytyi tutkia taajamissa asuvien ihmisten tietoja. Kolmanneksi itsenäistehtäväksi valitsin uima-allas/sauna tehtävän.

Taulukko 1. Todiste kurssikerralla tehdyistä (yritetyistä) harjoituksista

Kolmanteen itsenäistehtävään olisi kuulunut myös kartta uima-altaiden sijainnista pääkaupunkiseudulla. Kartasta tuli kuitenkin niin ruma, että se ei edes läpäise minun julkaisukynnystäni. Voitte kuitenkin kuvitella mielessänne pikselimössökartan sinisien pylväiden, sekalaisten numeroiden ja epäselvien paikannimien kanssa.

Erityisen haastavaa itsenäistehtävien teossa oli keksiä, mitä toimintoa pitäisi hyödyntää. Pitääkö lähteä muokkaamaan tietokantoja, tehdä niistä kyselyjä vai kenties laskutoimituksia? Pyörin samojen ongelmien kanssa kuin Saara Varis blogissaan: ”Itselleni on erityisen vaikeaa tietää miten aloitan aineiston käsittelyn MapInfolla. En yleensä ole varma mitä toimintoa juuri tietty toimenpide vaatii, tai varma edes siitä mitä toimenpiteitä minun pitäisi aineistolle suorittaa.” (Varis 2017). Oma osaamiseni onkin hyvin epävarmaa ja välillä yllätyn itsekin, kun keksin tehtäviin ratkaisun tai edes yhden etapin eteenpäin.

Mielestäni MapInfon työkalut ovat melko selkeitä ja helppokäyttöisiä esimerkiksi piirtotyökalut. Lisäksi yhdeksi lempityökaluksi on muodostunut summa-työkalu, jolla saa nopeasti selville valitun alueen tai tietokannan havaintojen määrän. Työkalujen käytössä voisinkin sanoa olevani perillä asioista. Epävarmuus kuitenkin iskee, kun lähdetään käyttämään MapInfon toimintoja kuten Query tai Select. Jos nyt pitäisi selittää, että mitä näillä toiminnoilla tekisin, niin vastausta saisi odottaa tovin, mutta sekin päivä koittaa vielä joskus!

Lähteet:

Ylimäki, Alina (2017). 5. kurssikerta: Bufferointia ja analyysejä. <https://blogs.helsinki.fi/alinayli/2017/02/17/5-kurssikerta-bufferointia-ja-analyyseja/> Luettu 19.2.2017

Varis, Saara (2017). Bufferointia ja omat taidot testissä. <https://blogs.helsinki.fi/saavaris/2017/02/16/bufferointia-ja-omat-taidot-testissa/> Luettu 19.2.2017

Kurssikerta 4. Ruudukon takaa

Neljäs kurssikerta koostui kahdesta eri osasta: ensimmäisessä osassa keskityimme tuottamaan ruututeemakarttoja ja toisessa osassa harjoittelimme rasterikuvan muokkailua. Tämä blogiteksti kertoo ensimmäisen osion työn hedelmistä.

Seurailimme ensin aikamme Artun johdolla teoriaa, kunnes pääsimme itse tuottamaan ruututeemakarttoja haluamistamme aiheista. Ruututeemakartta näyttää aivan koropleettikartalta,  mutta siinä voi käyttää suhteellisten lukujen sijasta absoluuttisia arvoja. Iivari Laaksonen (Laaksonen 2017) selitti hyvin blogissaan, minkä vuoksi tämä on mahdollista: ”Ruutukartat eroavat ratkaisevasti esimerkiksi aiemmin tällä kurssilla käsittelyssä olleista koropleettikartoista siten, että ruudut ovat keskenään samankokoisia, mikä mahdollistaa absoluuttisten arvojen käytön”. Ruututeemakarttojen avulla ei siis tutkita kaupunkien tai muiden eri suuruisten alueiden tietoja vaan pohjana toimii yhtenäinen ruudukko.

Valitsin aiheekseni yli 85-vuotiaaat, sillä 65 vuoden päästä minäkin olen yksi heistä. Päätin lähteä kokeilemaan sekä pientä että isoa ruutukokoa, jolloin syntyivät kuva 1. (250m x 250m) ja kuva 2. (750m x 750m). Poistin lopullisista kartoista OpenStreetMap-taustakartan, sillä värikkäät ruutuni hävisivät taustaan. Näin ikäihmisten keskittymät tulevat paremmin esiin.

Kuva 1. Pääkaupunkiseudun yli 85-vuotiaat 250m x 250m ruudukolla

Kuva 1. näyttää mielestäni taaperon kärpässieni taideteokselta. Vaikka kartta on ruma kuin mikä, niin siitä erottaa selkeästi yli 85-vuotiaiden sijainnin pääkaupunkiseudulla. Valitsemani luokittelu eli luonnolliset luokkavälit mahdollistavat jopa yksittäisten vanhainkotien näkymisen näin pienellä ruutukoolla. Muuten tummimmat alueet mukailevat hyvin suurempia keskuksia ja teitä.

Kuva 1. Pääkaupunkiseudun yli 85-vuotiaat 750m x 750m ruudukolla

Kuva 2. miellyttää silmääni enemmän kuin kuva 1., mutta se ei ole läheskään yhtä informatiivinen. Helsinki näyttäisi olevan melkein kokonaan yli 85-vuotiaiden vallan alla ja vaaleanpunainen valtaa luonnottoman paljon tilaa myös Espoon ja Vantaan rämeiköstä.

Näiden erehdysten kautta päädyin samaan lopputulokseen kuin Saara Varis blogissaan (Varis 2017).  Ehdottomasti paras ratkaisu oli ahertaa vielä yksi kartta 500m x 500m ruutukoolla. Täten syntyi tarpeeksi selkeä ja informatiivinen kartta, jota on vielä miellyttävä katsellakin (kuva 3.).

Kuva 1. Pääkaupunkiseudun yli 85-vuotiaat 500m x 500m ruudukolla

Mitä tästä opin?

Kolmas kartta toden sanoo.

Lähteet:

Laaksonen, Iivari (2017).  4. Kurssikerta. <https://blogs.helsinki.fi/iilaakso/2017/02/10/85/> Luettu 13.2.2017

Varis, Saara (2017). Ruututeemakarttoja joka lähtöön. <https://blogs.helsinki.fi/saavaris/2017/02/08/ruututeemakarttoja-joka-lahtoon/> Luettu 13.2.2017

Kurssikerta 3. Dataa siellä sun täällä

Lähdin kolmannelle kurssikerralle varmoin fiiliksin, sillä edellisellä kerralla MapInfo tuntui jo vanhalta tutulta. Kurssikerran aiheena oli kuitenkin tietokantojen käsittely ja kaikki oli taas uutta ja vaikeaa. Harjoittelimme Artun johdolla Afrikan tietokannan muokkaamista: yhdistelimme karttakohteita, toimme uutta dataa excelistä ja loimme uutta tietoa sarakkeisiin laskutoimitusten avulla. Kaikki osiot sisälsivät monta työvaihetta ja ne menivät keskenään helposti sekaisin. Lähdimme kuitenkin rohkeasti yrittämään opitun tiedon soveltamista ja saimme tehtävät monen erehdyksen kautta lopulta valmiiksi.

Pohdintatehtävä

Saimme kurssikerralta pohdintatehtävän liittyen juuri tunnilla käytettyyn Afrikka-tietokantaan. Tehtävänä oli käyttää mielikuvitusta ja miettiä mitä muuta tietokannalla voisi tehdä, kun  mukaan liitetään tietoa seuraavista muuttujista: Konfliktin tapahtumavuosi, Konfliktin laajuus/säde kilometreinä, Timanttikaivosten löytämisvuosi, Timanttikaivoksen kaivausten aloitusvuosi, Timanttikaivosten tuottavuusluokittelu, Öljykenttien löytämisvuosi, Öljykenttien poraamisvuosi, Öljykenttien tuottavuusluokittelu, Internetkäyttäjien lukumäärä eri vuosina. Entuudestaan meillä oli siis käytössä tietoa Afrikan maiden väkiluvuista, internetin käyttäjistä, facebookin käyttäjistä sekä timanttikaivosten, öljykenttien ja konfliktien sijainnista.

Näiden muuttujien avulla voi tehdä lukuisia erilaisia karttaesityksiä ja taulukoita eri ilmiöiden esiintymisestä spatiaalisesti, kronologisesti sekä tutkia ja havainnollistaa mahdollisia syy-seuraussuhteita. Esimerkiksi konflikteista, timanttikaivoksista ja öljykentistä löytyy kaikista tietoa niiden sijainnista, ajallisesta esiintymisestä sekä niiden vaikuttavuudesta (konfliktin laajuus ja timanttikaivosten/öljykenttien tuottavuus). Näiden ilmiöiden vaikutusta toisiinsa voisi hyvin havainnollistaa Sonja Koiviston mielenkiintoisella idealla tuottaa aineistosta videomainen esitys: ”Samankaltaisen videomaisen esityksen kuin konflikteista, voisi tehdä sekä öljykentistä että timanttikaivoksista luomalla vuodet järjestyksessä omille tasoilleen ja määrittämällä eriväriset symbolit esiintymän löytymiselle ja luonnonvaran käyttöönotolle ja skaalaamalla symbolien koon vielä esiintymien tuottavuuden mukaan.” Vertaamalla esityksiä toisiinsa voisi nähdä, onko esimerkiksi suurituottoisen öljykentän löytymisellä ollut osuutta alueen kofliktien lisääntymiseen.

Internetkäyttäjien lukumäärä olisi mielenkiintoista yhdistää esimerkiksi timanttikaivosten aloitusvuosien ja öljykenttien porausvuosien kanssa samalle karttaesitykselle. Jotta karttaesityksestä näkisi, onko luonnonvarojen löytyminen ja käyttöönotto johtanut vaurastumiseen ja sitä kautta internetinkäyttäjien määrän kasvuun, olisi järkevintä esittää internetkäyttäjien määrän muutos esimerkiksi viidessä vuodessa. Tällöin karttaesityksen pohjalle tulisi koropleettikartta, jossa näkyisi käyttäjien määrän kasvu prosentuaalisesti. Koropleettikartan päälle voisi laittaa timanttikaivosten ja öljykenttien määrät esimerkiksi symboleina niin, että mitä suurempi symboli on sitä usempi timanttikaivos/öljykenttä on avattu käyttöön.

Iivari Laaksonen toi myös erilaisen näkökulman internet käyttäjämäärien aineiston tutkimiseen. Internet käyttäjämäärät voisi yhdistää kofliktien sijoittumisen ja laajuuden kanssa samalle karttaesitykselle. Laaksosen sanoin: ”Mahdollista olisi myös tutkia internetkäyttäytymistä konfliktialueilla. Nykyään konflikteihin liittyy vahvasti sosiaalisen median käyttö, mikä on havainnollistunut viime vuosien sotien myötä (esimerkiksi Arabikevät sekä Twitter).”

Valuma-alueet ja järvisyys

Pääsimme kurssikerran lopulla myös soveltamaan opittua ja tuottamaan karttaesitys alusta asti itse. Tehtävässä täytyi yhdistellä aineistoja keskenään ja laskea tulvaindeksi (keskiylivirtaama jaettuna keskialivirtaamalla). Aineistosta piti tuottaa teemakartta, jossa tarkastellaan alueiden tulvaherkkyyttä (tulavindeksi) koropleettikarttana ja järvisyyttä yksittäisenä pylväsdiagrammina. Aineiston käsittely tuotti aluksi hieman vaikeuksia, mutta kun pistimme porukalla viisaat päämme yhteen löysimme keinot vaiheiden toteuttamiseen. Lopputulos (kuva 1.) ei ehkä pääse Miss Kartta-finaaliin, mutta tekee tehtävänsä.

Kuva 1. Suomen tulvaindeksi kuvattuna koropleettikarttana ja järvisyys esitettynä pylväsdiagrammeina

Pidän kartan väreistä, sillä se vahvistaa mielikuvaa tulvista: tummin väri on merkkinä korkealle tulvaindeksille. Järvisyyttä kuvaavat pylväät olisivat voineet erottua paremmin kartasta jollakin shokkivärillä, mutta toisaalta pidän värisävyn tuomasta harmoniasta. Legendan olisi voinut tehdä suuremmaksi, jotta lukuja ei tarvitsisi tihrustella.

Teemakartta on melko helppolukuinen, jos käsitteet ”tulvaindeksi” ja ”järvisyysprosentti” ovat tuttuja.  Rannikoilla, joissa on pieniä valuma-alueita ja vähän järviä, on suuri tulvaindeksi. Vastaavasti suurilla valuma-alueilla, joissa on suuri järvisyysprosentti on taas pieni tulvaindeksi. Tähän ilmiöön vaikuttavat esimerkiksi valuma-alueiden maastonmuodot ja maankäyttö. Länsirannikko ja erityisesti Pohjanmaa on tunnettu sen alavasta maisemasta, mikä Tanja Palomäen sanoin vaikuttaa tulvien yleisyyteen erityisesti lumien sulaessa, kun vesi ei pääse nopeasti virtaamaan mereen. Suurten järvien, kuten Saimaan ja Päijänteen, valuma-alueilla vesi pääsee varastoitumaan ja tulvien riskit pienenevät.

Lähteet:

Koivisto Sonja, Tietokantojen käsittelyä (2017) <https://blogs.helsinki.fi/kosokoso/2017/02/01/tietokantojen-kasittelya/> Luettu 3.2.2017

Laaksonen Iivari, 3. Kurssikerta (2017) <https://blogs.helsinki.fi/iilaakso/2017/02/02/3-kurssikerta/> Luettu 3.2.2017

Palomäki Tanja, 3. Kurssikerta (2017)  <https://blogs.helsinki.fi/ptanja/2017/02/02/3-kurssikerta/> Luettu 3.2.2017

Kurssikerta 2. Teemakartoilla leikkiminen

Toinen kurssikerta lähti käyntiin erilaisten teemakarttojen esittelyllä. Tuttujen pylväs- ja ympyrädiagrammien sekä erilaisten symbolikarttojen lisäksi uusina teemakarttoina tuli grid ja prismaattiset kartat. Lisäksi pääsimme tutustumaan  päällekkäisiin koropleettikarttoihin, joissa esitetään kaksi eri ilmiötä päällekkäin esimerkiksi koropleettikartan päällä pylväsdiagrammikartta.

Kokeilimme myös Artun johdolla vaihe vaiheelta näiden karttojen tekemistä Mapinfo-ohjelmalla. Mapinfon salat alkavat pikkuhiljaa aueta ja karttojen teko tuntuikin melko vaivattomalta. Tähän saattoi toki vaikuttaa se, että ohjelma on hyvin oma-aloitteinen teemakarttojen luomisessa, ja itselle jää tehtäväksi vain muutama napin painallus.

Pääsimme myös tunnilla aloittamaan uuden teemakartan, jonka piti tällä kertaa olla päällekkäinen koropleettikartta (kuva 1). Halusin tutkia, onko korkea-asteen tutkinnolla vaikutusta elinkeinojen jakautumiseen. Rajasin alueen Uusimaan maakuntaan, jotta käsiteltävä alue ei paisuisi liian suureksi. Pohjalla oleva koropleettikartta esittää siis korkea-asteen tutkinnon suorittaneiden osuuden väestöstä. Jaoin aineiston viiteen eri luokkaan ja käytin luokitteluun luonnollisia luokkavälejä. Värisävyksi valitsin sinisestä keltaiseen, jolloin kartasta erottuu tummimmalla sävyllä ylin luokka eli suurin osuus korkea-asteen tutkinnon suorittaneita. Koropleettikartan päälle tein elinkeinojakaumasta ympyrädiagrammit, joista näkee miten paikkakunnilla jakautuu työpaikat  eri toimialoittain.

Kuva 1. Uusimaan maakunnan korkea-asteen tutkinnon suorittaneet (%) ja elinkeinojakauma (%)

Huomasin teemakartaltani saman asian kuin Aku Suoknuuti blogissaan (Suoknuuti, 2017). Palvelusektori on suurin työllistäjä joka kunnassa, mutta huomattavasti suurin osuus sillä on  suurimmissa kaupungeissa eli pääkaupunkiseudulla Helsingissä ja Espoossa. Samalla alueella on myös suurin korkeasti koulutettujen osuus väestöstä. Mitä kauemmaksi pääkaupunkiseudulta mennään, sen pienempi on korkea-asteen tutkinnon saaneiden määrä. Samalla myös alkutuotannon ja jalostuksen osuus elinkeinojakaumasta kasvaa. Kartasta voi nähdä siis pienen korrelaation korkea-asteen tutkinnon suorittaneiden ja elinkeinojakauman välillä, vaikka joitakin poikkeuksia löytyy. Esimerkiksi Kirkkonummi on samoissa luvuissa Espoon kanssa,  vaikka alueelta ei löydy korkeakouluja.

Tämä korrelaatio selittynee korkeakoulujen keskittymisellä pääkaupunkiseudulle. Saman asian huomasi myös Sanja Collin blogissaan (Collin, 2017). Kehyskunnista muutetaan pääkaupunkiseudulle opintojen perässä ja he usein myös jäävät opiskelupaikkakunnalle opintojen päätyttyä. Pääkaupunkiseudulle jääminen voi johtua siitä, että koulutuksen aikana luodut kontaktit ja suhteet johtavat oman alan työpaikan löytymiseen juuri opiskelupaikkakunnalta.

Teemakarttasta löytyisi taas pientä hiomista. Kartan lukemista olisi helpottanut, jos olisin ymmärtänyt lisätä paikkakuntien nimet kartalle. Lisäksi kartta olisi voinut olla suurempi, jotta ympyrödiagrammit olisivat tulleet paremmin esille. Olen kuitenkin lopputulokseen melko tyytyväinen, sillä teemakartasta voi lyhyelläkin tutkimisella huomata korkea-asteen tutkinnon suorittaneiden osuuden ja elinkeinojakauman pienen, mutta olemassa olevan korrelaation.

Lähteet:

Suoknuuti, Aku (2017). Katsaus Kymenlaakson elinkeinorakenteeseen ja koropleettikarttojen päällekkäisyyden pohdintaa. <https://blogs.helsinki.fi/aksu/> Luettu 30.1.2017

Collin, Sanja (2017).Toinen kurssikerta. <https://blogs.helsinki.fi/collinsa/> Luettu 30.1.2017

Artikkeli 1. Anna Leonowicz – kahden muuttujan koropleettikartat

Anna Leonowiczin artikkeli ” Two-variable choropleth maps as a useful tool for visualization of geographical relationship” kertoo, kuinka kaksi eri muuttujaa voidaan esittää toimivasti kahden muuttujan koropleettikartalla. Esitystapa tekee kahden eri muuttujan vertailusta helpompaa ja vaivattomampaa, kun ei tarvitse vertailla erikseen kahta eri koropleettikarttaa. Leonowiczin mukaan päällekkäiset koropleettikartat ovat kuitenkin vaikeasti tulkittavia, jos luokkien määrä kasvaa liian suureksi tai värivalinnat ovat epäselviä.

Kahden muuttujan koropleettikartta vaikutti aluksi hieman epäselvältä, sillä tunnilla kävimme ainoastaan läpi päällekkäiset koropleettikartat, joiden tekeminen on huomattavasti yksinkertaisempaa. Kahden muuttujan koropleettikartassa on tärkeintä valita sopiva luokkamäärä, joka on Leonowiczin mukaan 4 (2×2) tai 9 (3×3). Myös valittavat värit merkitsevät lopputuloksessa paljon. Artikkelin esimerkissä olevat punainen ja sininen toimivat hyvin, sillä niistä muodostuvat uudet luokat saivat värikseen liilan. Värit ja luokkien muodostuminen on selitetty kartan legendassa, joka on koordinaatisto, jossa toinen muuttujista on pystyakselilla ja toinen vaaka-akselilla. Näin on saatu aikaiseksi yhteensä yhdeksän luokkaa. Legendan tulkitseminen vei myös oman aikansa, sillä en ole aiemmin törmännyt samanlaiseen.

Kahden muuttujan koropleettikartta toimii varmasti hyvin maantieteellisten ilmiöiden esittämisessä, kun hypoteesina on, että kaksi eri ilmiötä ovat riippuvaisia toisistaan. Tällöinkin kartan tulkinta vaatii tietoa ja osaamista kartanlukijalta, sillä kahden muuttujan kartta menee helposti liian monimutkaiseksi. Omasta mielestäni päällekkäiset koropleettikartat ovat tässä mielessä turvallisempi valinta, sillä niissä pystyy tutkimaan ilmiöitä sekä erikseen että yhdessä ja legenda on samanlainen kuin yhden muuttujan kartassa. Tällä hetkellä käytössämme olevalla MapInfo-ohjelmalla ei pysty suoraan tekemään Leonowiczin artikkelissa esiintyvää karttaa. Sanoisinkin, että tällä hetkellä omista taidoistani johtuen käytössä oleva paikkatieto-ohjelma ohjaa tekemiäni karttoja eikä toisin päin.

Lähteet:

Leonowicz, Anna (2006).  ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship”.  Luettu 28.1.2017

Kurssikerta 1. Kohti paikkatietoa ja sen yli!

Ensimmäinen Paikkatiedon hankinta, analyysi ja kartografia kurssikerta pyörähti käyntiin tiistaina 17.1. Odotin kurssia innon ja kauhun sekaisin tuntein, sillä karttojen piirtäminen on hauskaa, mutta blogin kirjoittaminen kuulosti työläältä puuhalta.

Aloitimme kurssikerran tutustumalla MapInfo-ohjelmaan ja leikkimällä sen eri toiminnoilla. Tavoitteena oli oppia Mapinfon perustoiminnot ja työkalut. Omalla kohdallani kurssi ei alkanut lupaavasti, sillä tietokoneeni ei suostunut yhteistyöhön MapInfon kanssa. Jouduin vaihtamaan tietokonetta ja jäin jälkeen muiden työtahdista. Räpiköin perässä ja onnistuin lopulta luomaan koropleettikartan Suomen rikollisuudesta (kuva 1).

Kuva 1. Tietoon tulleet rikokset Suomessa vuonna 2010 per 100 asukasta

Valitsemani aineisto rikollisuudesta ei ollut alunperin sopiva koropleettikarttaan, joten Artun avustuksella tein tarvittavat muutokset. Muokkasin aineiston kuvaamaan tietoon tulleita rikoksia per 100 asukasta, jolloin kaupunkien ja kuntien asukasluvut eivät vääristäisi lopputulosta. Valitsin luokittelutavaksi kvantiilit eli tasamääräiset luokat, joka sopii kaikille aineistoille.  Näin jälkikäteen katsottuna valitsemani luokittelutapa ei ole paras mahdollinen. Luokkavälit toimivat neljässä ensimmäisessä luokassa hyvin, kun  erot luokkien välillä ja niiden sisällä eivät ole suuria. Ylimmässä luokassa eli viidennessä luokassa on taas naurettavan suuri sisäinen vaihtelu verrattuna edellisiin luokkiin. Tämä vääristää koko teemakartan lopputulosta ja nopealla vilkaisulla näyttääkin siltä, että Suomessa tapahtuu todella paljon rikoksia useassa eri paikkakunnassa ympäri Suomea.

Tutkimalla tilastokeskuksen raporttia ”Poliisin tietoon tullut rikollisuus 2010” , voi kuitenkin huomata, että tekemäni kartta on ainakin maakuntatasolla oikeilla jäljillä. Raportin Kuvio 1. Rikokset maakunnittain 10 000 asukasta kohden 2010 kertoo, että vähiten rikoksia on tapahtunut Pohjanmaalla, Etelä-Pohjanmaalla ja Keski-Pohjanmaalla. Nämä alueet sisältävät tekemälläni teemakartalla eniten alempia luokkia. Eniten rikoksia on taas tapahtunut selkeästi Uusimaalla, joka on myös teemakartassa lähes kokonaan tumman värin peitossa.

Teemakartan yleistä tummuutta selittänee myös valitsemani väriasteikko. Olen muuten tyytyväinen valitsemaani väriin, mutta huomasin saman ongelman kuin Pinja Tolvanen omassa blogissaan (Tolvanen, 2017). Kahden ylimmän luokan sävyerot eivät eroa suuresti toisistaan, jolloin ylimmät luokat puuroutuvat ja kartan luettavuus heikkenee.

Teemakarttani legenda vaatii myös jatkossa lisää hienosäätöä, sillä ainakin omaa silmääni häiritsee epäsymmetrinen sijoitus yläkulmassa ja legendan reunat. Syytän tästä omaa huolimattomuuttani ja Mapinfon hitautta.  Ainakin omalla kohdallani Mapinfo oli hidas ja toiminnot varsinkin tulosteen tekovaiheessa eivät pelittäneet kunnolla. Tuli hieman ikävä Corelia ja sen helppoutta.

Lähteet:

Tolvanen, Pinja (2017). Tästä se alkaa – Kurssikerta 1 (21.1.2017)
<https://blogs.helsinki.fi/pinjatol/> Luettu 23.1.2017

Poliisin tietoon tullut rikollisuus 2010 (2011)Tilastokeskus, Helsinki < https://www.stat.fi/til/polrik/2010/polrik_2010_2011-04-07_fi.pdf > Luettu 26.1.2017