Kurssikerta 7

Viimeistä blogikirjoitusta viedään! Tällä kurssikerralla meidän piti etsiä jo etukäteen omia aineistoja, joista varsinaisen kurssikerran aikana oli tarkoitus tehdä kaksi erilaista useamman muuttujan karttaa. Suurin vaikeus oli keksiä alue, josta halusin teemakartat tehdä sekä sopivien aineistojen etsintä. Kuitenkin lopulta löysin kelvolliset aineistot, joista sain karttani tehtyä.

Kuva 1. Kartta Euroopan poliiseista ja poliisien rekisteröimistä rikoksista (2007).

 

Kartalla on kuvattu Eurooppa (Kuva 1). Lilan eri sävyt kuvaavat poliisien lukumäärää vuonna 2007. Rasteriviivoin on kuvattu poliisien rekisteröimät rikokset vuonna 2007. Valitettavasti uudempaa tilastotietoa kyseisestä aineistosta ei Eurostat-sivustolla ollut.

Kartalta voi havaita sen, että Saksassa on eniten poliiseja ja siellä tehdään myös eniten rikoksia. Myös Italiassa näyttäisi olevan muuhun Eurooppaan suhteutettuna Saksan lisäksi eniten poliiseja. Vastaavasti vähiten poliiseja näyttäisi olevan Islannissa, Norjassa, Suomessa, Virossa, Latviassa ja Sloveniassa, alle 9000. Näissä maissa asukasluku on myös suhteellisen pieni, mikä saattaa kertoa poliisien vähyydestä. Kuitenkin Suomi näistä maista erottuu selkeästi rikosten lukumäärässä. Mistähän tämä johtuu…

 

Kuva 2. Europan valtioiden väkiluku ja maahanmuuttajat (2014).

Toinen tekemäni kartta käsittelee Euroopan väkilukua ja maahanmuuttoa vuonna 2014 (kuva 2). Kartassa on nähtävissä väkiluku koropleettina sinisen eri sävyissä ja maahanmuutto oranssilla. Kartan mukaan edelleen Saksa erottuu väkirikkaimpana valtiona ja siellä maahanmuuttokin on runsasta. Vähiten asukkaita on Islannissa, Virossa, Latviassa, Sloveniassa ja Montenegrossa. Näissä maissa ei juurikaan ole maahanmuuttoakaan. Eniten muutetaan selkeästi länsi-Euroopan maihin. Kartta kuitenkin antaa hieman vääristyneen kuvan luvuista, sillä esimerkiksi Serbian väkilukudata ei näy kartassa ollenkaan. Myös osa pylväsdiagrammeista on hassusti sijoittunut kartalle. Blogissaan Sonja on huomannut saman ongelman, ”Pylväissä esimerkiksi Iso-Britannian arvot ovat kuvautuneet neljästi, Espanjan ja Kyproksen kahdesti, johtuen itsehallinnollisista alueista. Tämä johtaa lukijaa harhaan ja muuttaa kartan ulkoasua, mutten osannut tehdä ongelmille mitään.”(Koivisto, 2017).

 

Mitä olisi vielä parannettavaa.

Ainakin olisin voinut lisätä karttaani Euroopan viereisten maa-alueiden rajoja, sillä kartat näyttävät nyt siltä, kuin Eurooppa olisi irrallinen muusta maailmasta. Pylväsongelma olisi myös ollut hyvä korjata, jos olisin vaan osannut.

 

Kurssin lopuksi voin nyt sanoa osaavani käyttää MapInfoa kohtalaisen hyvin. Oikeastaan viimeisin kurssikerta opetti minulle eniten, koska jouduin oikeasti itsenäisesti työstämään molemmat kartat. Aikaisemmilla kerroilla pyysin lähinnä ongelmatilanteissa apua kurssikavereilta, mutta viimeisellä kerralla meillä kaikilla oli omat erilaiset aineistot ja ongelmatilanteissa kaveritkaan eivät välttämättä osanneet auttaa. Onneksi Arttu oli kuitenkin paikalla vastaamassa kiperiin kysymyksiin.

 

Se oli sitten siinä, kiitos kurssista!

 

 

Lähteet:

Koivisto, Sonja (2017). Kaikki loppuu aikanaan… <https://blogs.helsinki.fi/kosokoso/ >, luettu 10.3.2017

Kurssikerta 6

Tämän kurssikerran aluksi lähdimme ulos keräämään omaa aineistoamme pienryhmissä. Mukaan saimme GPS-laitteen, jolla keräsimme koordinaattipisteitä maastosta. Meidän ryhmä päätti kerätä aineistoa lähiympäristön suojateistä. Saimme mukaamme paperin, johon kirjasimme ylös laitteen ilmoittamat koordinaatit jokaisen suojatien kohdalla. 45 minuutin aikana ei mitään hirveän kattavaa aineistoa kerennyt keräämään, mutta ihan tarpeeksi kuitenkin. Oli virkistävää vaihtelua viettää osa kurssikerrasta ulkona aurinkoisessa säässä!

Kun saavuimme takaisin luokkahuoneeseen, oli tehtävänä siirtää GPS-laitteen tiedot tietokoneelle Exceliin ja sitä kautta MapInfoon. Lopulta valmistui kartta, jossa oli kaikkien pienryhmien aineistot kerättynä yhdelle kartalle. Tämän jälkeen harjoittelimme vielä hieman geokoodausta. Aineistona oli Helsingin pelikoneiden sijainnit, mitkä piti saada kartalle osoitetietojen avulla.

Kurssikerran päätehtävänä oli tehdä kolme karttaa opetuskäyttöön. Aiheena tulivuoret, maanjäristykset sekä meteoriittihavainnot.

Kuva 1. Tulivuorten sijainnit maapallolla.

 

Kuva 2. Yli 6 magnitudin maanjäristykset 2002-2017.

 

Kuva 3. Meteoriittihavainnot maapallolla.

 

Ensimmäisessä kartassa on havaittavissa punaisia kolmioita, jotka ilmentävät maapallon tulivuorten sijaintia (Kuva 1). Toisessa kartassa näkyy yli 6 magnitudin maanjäristysalueet 2002-2017 oransseina palloina (Kuva 2) ja kolmannessa kartassa meteoriittihavainnot violeteilla pisteillä (Kuva 3).

Kartoista voi tulkita sen, että tulivuorten sijainnit sekä maanjäristykset tapahtuvat samoilla alueilla. Koska kartoista oli tarkoitus tehdä mahdollisimman sopivat opetuskäyttöön olisi tässä tapauksessa ollut hyvä liittää sekä tulivuoret, että maanjäristykset samaan karttaan ja lisätä siihen vielä litosfäärilaattojen saumakohdat. Tällaisesta kartasta oppilaat hahmottaisivat selkeämmin, millaisilla alueilla on eniten aktiivista toimintaa. Saman havainnon on tehnyt Saara kurssikerran blogitekstissään: ”Hahmottaessaan samalta kartalta litosfäärilaatat, maanjäristykset ja vielä tulivuoretkin kuten edeltävän linkin kartassa, oppilaiden on helpompi luoda kokonaiskuva maanjäristyksistä ilmiönä ja liittää ne laajempaan kontekstiin.” (Varis, 2017).

Tässä esimerkki kartasta josta ilmenee hyvin litosfäärilaattojen liikesuunnat ja laattojen nimet http://www.iupui.edu/~g115/assets/mod04/earth_plates_lg.jpg .

Meteoriittihavainnot eivät kuitenkaan ole jakautuneet yhtä selkeästi tietyille alueille kuin maanjäristykset ja tulivuoret. Kuten Alina blogissaan toteaa ”Meteoriittien putoamispaikkaan ei vaikuta mikään maapallolla toimiva prosessi, vaan voidaan olettaa, että avaruudesta tulevat kappaleet ovat törmänneet Maahan satunnaisesti, ilman selviä klustereita” (Ylimäki, 2017). Alina myös tekee hyvän havainnon siinä, että Amazonin sekä Siperian alueet näyttäisivät kartalla olevan alueita, joilla meteoriittihavaintoja ei olisi juuri yhtään. Kuitenkin todellisuudessa näillä alueilla havaintoja riittää myös ihan yhtä paljon kuin muillakin alueilla, mutta kyseisten alueiden periferian vuoksi, ei niillä ole havainnontekijöitä juuri lainkaan.

Löysin netistä mielenkiintoisen kartan, jossa maailman valtiot on sijoiteltu oikeudenmukaisuusjärjestykseen niin, että asukasluvultaan suurin valtio saisi pinta-alaltaan suurimman maan ja toisiksi suurin valtio toisiksi suurimman maan jne. Linkki tässä: http://www.yle.fi/tvuutiset/uutiset/upics/liitetiedostot/6_10_uusi_maailmanjako_koko_maailma2.png

Kartan mukaan Suomalaiset sijoittuisi asumaan nykyisen Serbian alueelle ja maantieteelliseen Suomeen sijoitettaisiin asumaan Nigerialaiset. Kartta antaa uutta perspektiiviä ajatteluun ja siksi se voisi olla hauska ”välipala” maantiedon/-tieteenopintoihin yläasteella tai lukiossa.

 

 

Lähteet:

 

Nurminen J. Ylen Uutiset (2014). <http://yle.fi/uutiset/3-7510038>, luettu 9.3.2017

 

Varis, Saara (2017) Geokoodausta ja hasardikarttoja. <https://blogs.helsinki.fi/saavaris/2017/02/23/geokoodausta-ja-hasardikarttoja-opetukseen/>, luettu 9.3.2017

 

Ylimäki, Alina (2017) 6. Kurssikerta: Ulkoilua ja hasardikarttoja. <https://blogs.helsinki.fi/alinayli/>, luettu 9.3.201

Kurssikerta 5

Kurssikerralla suurin osa ajasta käytettiin itsenäistehtävien tekemiseen ja harjoiteltiin muun muassa bufferointia eli puskurianalyysien tekemistä. Puskurianalyysissä kartalle merkitään piste tai alue, jonka ympärille luodaan halutun mittaisen säteen avulla vyöhyke eli bufferi. Puskurianalyysin avulla voidaan tutkia erilaisia vaikutusalueita, esimerkiksi kuinka moni lapsiperhe asuu kahden kilometrin säteellä jostain tietystä koulusta. Buffereiden avulla voidaan myös tutkia jokien tulva-alueita, ja yrittää analyysien avulla ennaltaehkäistä tulvia tulevina vuosina. Kristiina Koivu keksi blogitekstissään myös monia hyviä tapoja hyödyntää puskurianalyysiä, kuten esimerkiksi ”Muuttamalla puskurivyöhykkeen sädettä asteittain pystyttäisiin tarkastelemaan muun muassa, miten eri lajien populaatioiden koot muuttuvat siirryttäessä kauemmaksi vaikkapa vesistöstä tai ihmisten asuttamasta ja muokkaamasta alueesta.” (Koivu 2017).

 

 

Tällä kerralla siis teimme enimmäkseen itsenäisiä tehtäviä, joissa uutena asiana tuli puskurianalyysien tekeminen, mutta muuten hyödynsimme myös jo aiemmin opittuja taitoja. Tutkimme Malmin ja Helsinki-Vantaan lentoasemia tekemällä niille puskurianalyysejä alueen asukasmääristä ja meluhaitoista (Taulukko 1). Vertailin vähän omia tuloksiani muiden kurssilaisten blogeissa esitettyihin taulukoihin ja huomasin, että tuloksissa on hieman eroja. Vaikea sanoa miksi monilla on aika erilaiset vastaukset, vaikka kaikilla aineisto oli kuitenkin sama. En kuitenkaan usko, että omatkaan vastaukseni ovat oikein.

 

Taulukko1. Helsinki-Vantaan lentoasemalle tehdyn puskurianalyysin tuloksia.

 

Lisäksi tutkimme Vantaan seudun juna-asemia. Tarkastelua varten teimme 500 metrin bufferin juna-asemien ympärille ja tutkimme esimerkiksi, kuinka paljon alueella on asukkaita ja kuinka suuri osa heistä on työikäisiä (Taulukko 2).

 

Taulukko 2. Vantaan juna-asemille tehtyjen puskurianalyysien tuloksia.

 

Oma osaaminen

 

Coreliin verrattuna MapInfo on mielestäni sekava ja työläs ohjelmisto. Tuntuu että kaikki toiminnot ovat tosi monen klikkauksen päässä. Luulen että erilaisia teemakarttoja osaisin tehdä itsenäisesti, mutta muuten ei nyt tule mieleen, miten osaisin MapInfoa hyödyntää. Tietenkin harjoittelun puute vaikuttaa varmasti siihen, miksi olen MapInfon käytön suhteen vielä epävarma. Jussi Torkko pohtii blogitekstissään sitä, että kehitystä kaipaisivat ohjelmiston Undo ja Redo komennot, sillä niiden vajanaisuuden takia pienetkin virheet kasautuvat (Torkko 2017). Olen täysin samaa mieltä. MapInfolla ei edes huvita alkaa kokeilla itsenäisesti sen eri toimintoja, sillä virheistä on lähes mahdotonta palata takaisin lähtöviivalle. Ehkä helpompi on jopa aloittaa koko työ ihan alusta. MapInfolla pystyy kuitenkin tekemään paljon erilaisia analyysejä ja sitä kannattaakin hyödyntää tutkimuskäytössä. Mielestäni buffereiden käyttäminen analysoinnin työkaluna on yksi MapInfon vahvuuksista.

 

 

Lähteet:

 

Koivu K. (2017) Kurssikerta 5: Bufferointia ja putkiremontteja. https://blogs.helsinki.fi/koivukri/, luettu 27.2.2017

 

Torkko J. (2017) Viides kurssikerta: Epätoivoa ja puskurointia2017. https://blogs.helsinki.fi/torkjuss/2017/02/22/viides-kurssikerta/, Luettu 27.2.2017

Kurssikerta 4

Neljännellä kurssikerralla harjoittelimme ruututeemakarttojen tekemistä. Ensin teimme yhdessä opettajan opastuksella harjoituskartan pääkaupunkiseudun väestöntiheydestä. Sen jälkeen pääsimme taas itse tekemään omia karttoja ihan omatoimisesti. Työkerran lopuksi siirryimme tekemään seuraavaa kurssikertaa varten teistä ja asuinrakennuksista tietokantaa Pornaisten keskustan rasterikartan pohjalta. Tästä lisää seuraavan kurssikerran blogitekstissä.

Ruututeemakartat ovat siitä käteviä, että niillä pystytään esittämään absoluuttisia arvoja. Kartan pohjalla toimii korologinen matriisi eli ruudukko ja sen avulla kartan ruudut ovat aina keskenään samankokoisia. Jos ruudut ovat sopivan kokoisia, aineistoa on helppo tulkita ja verrata ruutujen informaatiota keskenään, sekä löytää jollekin ilmiölle selvää klusteroitumista.
Päädyin tekemään oman karttani pääkaupunkiseudun 18-24 -vuotiaiden asumisen sijoittumisesta.

Ihan alkuun voisin jo todeta, että näin jälkeenpäin muiden karttoja katsellessani huomaan, että oma karttani on suhteellisen epäonnistunut. Tämän kurssikerran teksti kertookin siis lähinnä siitä, mitä olisin voinut tehdä paremmin.

 

Kuva 1. 18-24 -vuotiaiden asumisen sijoittuminen pääkaupunkiseudulla.

 

Olen käyttänyt ruututeemakartassani selvästi liian isoja ruutuja( 750x750m), eikä kartalta pysty oikein tulkitsemaan mitään järkevää( Kuva 1.). Mielestäni kartan legendassa on liian suuret luokkavälit, sillä kartta suorastaan peittyy pelkästään tummanpunaisen sävyihin. Lisäksi kartan ruudut ovat liian isoja kuvaamaan kyseistä ilmiötä. Hallinnolliset rajat ja päätiestö olisi voinut kartassani erottua paremmin. Samaa pohtii Tanja blogitekstissään ”4. kurssikerta”, että olisi ollut hyvä nostaa myös kuntien rajoja paremmin näkyville.

Noh, jos nyt kuitenkin vähän yrittäisin edes tulkita tekemääni karttaa.

Kartalta erottuvat erityisesti Helsingin keskusta, mutta myös Helsingin kantakaupunki selkeästi omana alueenaan, jossa 18-24 -vuotiaita nuoria aikuisia on paljon vähemmän verrattuna Pohjois-Helsingin, Espoon ja Vantaan seutuihin. Kun vertaan karttaa esimerkiksi Sonjan blogissaan julkaisemaan karttaan samasta aiheesta (Koivisto, S. Ruututeemakartat, kuva 2) huomaan, että hänen kartassaan eniten nuoria aikuisia asuu nimenomaan Helsingin keskustan ja kantakaupungin alueilla. Saman havainnon voi tehdä myös Hannan neljännen kerran blogitekstin karttakuvasta (Haurinen, H. Neljäs kurssikerta, Kuva 1). Tästäkin voin päätellä oman karttani menneen ihan pieleen. Jotenkin on vaan vielä todella vaikeaa arvioida omaa karttaa sillä hetkellä, kun sen tekee. Vasta kun kotona ajan kanssa syventyy itse tuotettuun karttaan huomaa kaikki virheet.

 

Lähteet:
Haurinen, H. (2017). Neljäs kurssikerta. <https://blogs.helsinki.fi/hhaurine/>, luettu 20.2.2017
Koivisto, S. (2017). Ruututeemakartat. <https://blogs.helsinki.fi/kosokoso/>, luettu 20.2.2017
Palomäki, T. (2017). 4. kurssikerta. <https://blogs.helsinki.fi/ptanja/>, luettu 20.2.2017

Kurssikerta 3

 

Tällä kerralla opimme käyttämään MapInfon tietokantatoimintoja, kuten tuomaan tietokantoja eri lähteistä ja yhdistämään niitä. Harjoittelimme tätä ensin Afrikan kartalle, johon lisäsimme konfliktialueiden, timanttikaivosten sekä öljykenttien sijainnit, sekä lisäksi saimme vielä Internetin käyttäjämääristä tilastotietoa. Tällaisten tietojen yhdistäminen ja uusien tietokantojen luominen tärkeää, mutta myös erittäin mielenkiintoista, vaikkakin aika vaivalloista ainakin näin aluksi. Afrikan kartalta olisi voinut tutkia ja etsiä yhteyksiä esimerkiksi timanttikaivosten ja öljykenttien sijainnin vaikutusta alueen konflikteihin. Vastausten etsiminen eri tietokantoja käyttämällä ja yhdistelemällä niitä on tärkeää tutkimustyössä, siksi meidänkin on osattava hyödyntää tätä.

 

Harjoitustehtävän jälkeen ryhdyimme tekemään omaa teemakarttamme, joka tällä kertaa piti esittää koropleettina Suomen tulvaindeksiä eli alueen tulvaherkkyyttä ja pylväsdiagrammina alueen järvisyyttä prosentteina. Kartalta voidaan havaita, että sellaisilla alueilla, joilla tulvaindeksi on alhainen, järvisyys on kuitenkin suurta. Rannikkoalueilla joilla tulvaindeksi on suuri, järvisyys on taas pieni. Kuitenkin järvisyysprosenttia mittaavia pienimpiä pylväitä on vaikea tarkastella. Selkeyttävä tekijä olisikin lisätä pylväiden tarkat prosenttimäärät karttaan, kuten Reeta Saloniemi blogissaan (Saloniemi, 2017) pohtii.

Kuva 1. Suomen tulvaindeksi ja järvisyysprosentti.

 

 

Lähteet:

Saloniemi, Reeta (2017). Viikko 3: Paikkatietokantojen käsittelyä. 6.2.2017 <https://blogs.helsinki.fi/saresare/>, luettu 8.2.2017

 

Kurssikerta 2

 

 

Toisella kurssikerralla jatkoimme MapInfon käytön harjoittelua. Harjoitustehtävien jälkeen saimme itse päättää taas aiheen omaan teemakarttaamme, mutta tällä kertaa oli tarkoitus liittää samaan karttakuvaan kaksi eri teemaa päällekkäin. Teemojen valinta oli mielestäni todella vaikeaa, sillä niiden piti tukea jollain tavalla toisiaan. En ole vieläkään varma tuliko lopputuloksesta paras mahdollinen. Kuitenkin visuaalisena ihmisenä mukavinta teemakartan tekemisessä oli kartan värien ja elementtien valitseminen.

Valitsin Etelä-Pohjanmaan maakunnan karttapohjaksi (Kuva 1.), koska tein tak1 ja tak2 –kursseilla tutkimusta kyseisestä maakunnasta. Kartalle teemoiksi valitsin väestöntiheyden ja luonnollisen väestönkasvun, sillä karttaa tehdessä tuntui siltä, että ne voisivat sopia esitettäväksi samalle kartalle. Väestöntiheys on merkitty karttaan koropleettina sinisen eri sävyillä. Mitä tummempi sinisen sävy on, sitä tiheämmin kyseinen kunta on asutettu. Pylväsdiagrammit kuvaavat vaaleanpunaisella värillä syntyvyyttä ja tummansinisellä värillä kuolleisuutta. Suurimmat erot syntyvyyden ja kuolleisuuden välillä on Seinäjoella ja Ähtärissä.

Seinäjoki ja Lapua ovat väestöntiheydeltään suurimpia kuntia ja niissä väestönkasvu on kiihtyvää. Näiden lisäksi myös Ilmajoella ja Alajärvellä syntyvyys on suurempaa kuin kuolleisuus. Muissa kunnissa luonnollinen väestönkasvu on taas negatiivista ja nämä kunnat asettuvat maakunnan reuna-alueille. Reunakunnissa lasten osuus on myös huomattavasti pienempi, mikä vaikeuttaa koulutuksen järjestämistä kunnan sisällä ja saattaa johtaa sen siirtymistä kasvaviin kuntiin (Viertola, 2017). Tämä lisää entistä enemmän lapsiperheiden muuttoa kohti kasvukeskuksia, kuten Seinäjokea, mikä kiihdyttää osaltaan väestönkasvua. Seinäjoki on Etelä-Pohjanmaan maakuntakeskus, joka vetää puoleensa opiskelijoita ja työikäisiä ihmisiä. Lapsiperheiden lisääntyessä se vahvistaa asemaansa entisestään tärkeänä maakuntakeskuksena. 

Kuva 1. Teemakartta Etelä-Pohjanmaan maakunnasta. Sinisen eri sävyt kuvaavat kunnittain väestöntiheyttä ja pylväät elävänä syntyneitä ja kuolleita.

 

 

 

 

 

 

 

 

 

 

Reaktiopaperi: Artikkeli 1

 

Lisätehtävänä oli lukea artikkeli: Two-variable choropleth maps as a useful tool for visualization of geographical relationship (Leonowicz, Anna. 2006). Artikkeli pohtii koropleettikarttojen käytettävyyttä, kun tarkastellaan kahta eri muuttujaa samassa kartassa. Tällaiset kahden muuttujan teemakartat antavat lukijalle enemmän informaatiota, kun vain yhden muuttujan kartat. Vaikka teemakartassa esiintyviä muuttujia ja niiden välisiä suhteita voi olla aluksi vaikea ymmärtää, kuitenkin harjoitus tekee mestarin. Mitä enemmän karttoja tarkastelee, sitä helpompi niistä on hahmottaa, mitä niissä on esitetty. Useampaa muuttujaa voidaan myös vertailla keskenään, mikä tekee tällaisista kartoista erittäin käytännöllisiä ja monipuolisia.

Aluksi kahden muuttujan teemakartat tuottivat minulle ongelmia ymmärtämisessä ja jouduin tekemään paljon ajatustyötä paneutuessani niihin, jotta ymmärsin todella mitä kartalla on haluttu esittää. Ongelma on siinä, että kartan informaatiota ei pysty selvittämään vain vilkaisemalla karttaa, vaan kartalla saattaa olla esimerkiksi useamman eri värin eri sävyjä, jotka kuvaavat eri muuttujia. Varsinainen vaikeus on itse kartan tekijällä. Kartan täytyy olla mahdollisimman havainnollistava, sillä kartasta tulee helposti liian monimutkainen ymmärrettäväksi. Liian monimutkaisen näköinen kartta ei houkuttele lukijaa perehtymään siihen. Näin ollen kartan laatijan vastuulla on myös se, että lukijan mielenkiinto herää nähdessään kartan ja lukija haluaa ottaa selvää kartan sisällöstä.

 

Lähteet:

Viertola, Julia (2017). Mikä MapInfo?. 30.1.2017. <https://blogs.helsinki.fi/juliavie/>, luettu 5.2.2017

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

Kurssikerta 1: Väestön jakautuminen Suomessa

 

Kuva 1. Kartta Suomen väestöntiheydestä.

 

Harjoittelimme ensimmäisellä kurssikerralla teemakarttojen tekemistä MapInfo-nimisellä paikkatieto-ohjelmalla. En ollut koskaan aikaisemmin käyttänyt kyseistä tietokoneohjelmaa, mutta uskon että kurssin edetessä se tulee hyvinkin nopeasti minulle tutuksi. Harjoitustehtävien jälkeen vuorossa oli teemakartan tekeminen vapaavalintaisesta kunnasta tai koko Suomesta. Lisäksi saimme vielä itse valita aiheen mitä tekemämme kartan tulee esittää. Valitsin koko Suomen kartan ja sille teemaksi väestöntiheyden (kuva 1.). Väestön määrää tarkastellaan usein suhteutettuna alueen pinta-alaan, kuten kaupunginosaan tai kuntaan, jolloin eri kokoisten alueiden väestömääriä voidaan verrata helpommin toisiinsa. Yksikkönä käytetään henkilömäärä/km².

Kartalta on havaittavissa Suomen asutetuimmat alueet Pohjoisimpana Kemi ja Oulu sekä eteläisimpänä Uusimaa. Lännessä eniten asukkaita on Vaasassa ja Seinäjoella sekä Porin ja Turun seuduilla. Keski-Suomessa väestö asettuu Tampereen ja Jyväskylän alueille sekä Itä-Suomessa Lappeenrantaan ja Kuopioon. Eniten vetovoimaa on alueilla, joilla on paljon työ- ja koulutuspaikkoja sekä palveluita. Suurimmassa osassa kartan tummimmista alueista sijaitsee yliopisto, mikä on yleensä merkki vetovoimaisesta kaupungista.

Lukija, joka ei tunne entuudestaan Suomen väestöntiheyttä, ei saa kartalta täysin realistista kuvaa, koska kartan luokkajaot ovat puutteelliset. Kartassa pitäisi erottua harvimmin asuttujen kuntien lisäksi tiheimmin asutut kunnat sekä selkeät erot niiden välillä. Kartalta erottuu Suomen asutetuimmat alueet, mutta niiden keskinäinen järjestys jää lukijalle epäselväksi. Kartan väritys on kuitenkin havainnollistava; mitä tummempi sävy, sitä tiheämpi asutus.

Lähteet:
Tilastokeskus. Väestötieteen perusteet (2016). Luettu 25.1.2017. <http://tilastokoulu.stat.fi/verkkokoulu_v2.xql>