Viimeistä viedään!

Viimeisen kurssikerran tehtävänä oli käyttää hyödyksi kaikkia kurssilla opittuja taitoja ja luoda itse teemakartta haluamastaan aiheesta. Lähtökohtaisesti tehtävä tuntui mukavalta, sillä kartat sai tehdä aiheista, jotka ihan oikeasti ovat omasta mielestä kiinnostavia. Alettuani tutkia netistä löytyviä tilastoja ja karttoja intoni loppui kuitenkin hyvin lyhyeen. Olin heti aluksi päättänyt, että haluan tehdä kartan Euroopan valtioista, mutta en ollut täysin varma mitä asioita haluaisin kuvata kartallani. Netistä en löytänyt yhtään hyvää sivua, jolta olisi löytynyt tilastotietoa koko Euroopasta, joten päätin rajata tutkittavan alueeni vain EU-maihin (sekä muutamaan jäsenehdokkaaseen). EU:n tilastotietopalvelusta (Eurostat) löytyikin laajasti tietoa monista eri aiheista. Kenties tiedon määrä olikin yksi suurimmista kompastuskivistä tämän tehtävän kohdalla, sillä en millään meinannut osata päättää mistä aiheesta oman karttani tekisin. Vaikka olin aloittanut aineistojen etsimisen hyvissä ajoin ennen viimeistä kurssikertaa, suurin osa kurssikerran ajasta meni silti pähkäillessä sopivaa aihetta. Kurssikerran loppuvaiheessa sain valittua itselleni aiheet, mutta nekin heitin heti seuraavana päivänä roskakoriin, kun nekään eivät tuntuneet hyviltä. Ikuisuudelta tuntuneen pohdiskelun jälkeen päädyin lopulta tekemään kaksi karttaa, joista toisessa esitin EU-maiden koulutustasot ja elinkeinorakenteen ja toisessa BKT:n muutoksen ja työttömyysprosentin.

Karttapohjana k√§ytin kurssilla aiemminkin hy√∂dynnetty√§ maailmankarttaa, josta rajasin Euroopan omaksi alueekseen. ¬†¬†Yritin my√∂s vaihtaa kartan projektiota paremmin Eurooppaa kuvaavaksi, mutta vaikka projektioiden valikoima oli suuri, en l√∂yt√§nyt projektiota, johon olisin ollut tyytyv√§inen. Lopullisissa kartoissani n√§kyy, miten erityisesti Pohjoismaat n√§ytt√§v√§t suhteettoman suurilta verrattuna muihin Euroopan maihin. Karttoihini en muutenkaan ollut tyytyv√§inen, sill√§ useampaan otteeseen MapInfon k√§ytt√∂taitoni rajoittivat karttojen ulkoasun suunnittelua niin paljon, ett√§ en saanut kartoista edes kovien ponnistelujen ja loputtomien yritysten j√§lkeen sellaisia kuin olisin halunnut. Komppaan siis Minni Aaltoa (Aalto, M. 2014), joka tuntui kamppailevan my√∂s visuaalisten ongelmien kanssa: ‚ÄĚUlkoisesti karttani n√§ytt√§√§ melko lailla ensimm√§isten kurssikertojeni tekeleilt√§, joten vaikka tunnen oppineeni paljon, ei se n√§y t√§ll√§ viikolla p√§√§llisin puolin.‚ÄĚ

Ensimmäinen karttani (Kuva1) kuvaa, kuten jo edellä mainitsin, EU:n jäsenmaiden koulutustasoa ja elinkeinorakennetta. Koulutustason laskemisen pohjana käytin Eurostatista löytyvää tilastoa kolmannen asteen tutkinnon suorittaneiden määristä kussakin valtiossa, sekä kurssilla aiemmin käytettyä Eurooppa-tietokantaa, joiden avulla laskin kolmannen asteen tutkinnon suorittaneiden osuudet kaikista maiden asukkaista. Koulutustason jakauma oli epämääräinen (Kuva 2), joten jaoin luokat luonnollisten luokkavälien mukaan. Päätin jakaa aineiston neljään luokkaan, sillä mielestäni kartasta sai selkeämmän siten, kuin viidellä luokalla. Sinisen värin valitsin, koska se tuntui sopivan neutraalilta ja selkeältä valinnalta. Jälkikäteen katsottuna jokin muu väri olisi kuitenkin voinut toimia kartalla paremmin.

kartta2_koulutusaste_elinkeinorakenne

Kuva 1. EU:n jäsenmaiden koulutustaso ja elinkeinorakenne. Koulutustaso on kolmannen asteen tutkintojen määrä suhteutettuna väkilukuun.

histogrammi_koulutusaste

Kuva 2. Histogrammi koulutusasteen jakautumisesta (Histogram Tool 2014).

Elinkeinojakaumista tietoa etsiessäni en löytänyt yhtäkään sivua, jonne olisi taulukoitu kaikkien EU- tai Euroopan maiden (tai edes maailman maiden) elinkeinojakaumat, joten päädyin kokoamaan aineiston manuaalisesti. Kunkin valtion elinkeinojakaumat löytyivät rakkaasta, joskin hieman kyseenalaisesta lähteestä, Wikipediasta (Wikipedia). Etsin jokaisen valtion tiedot erikseen valtiosta kertovasta artikkelista ja näpyttelin tiedot Exceliin. MapInfossa yhdistin tiedot samaan tietokantaan, missä muutkin tiedot Euroopasta olivat. Elinkeinojakaumaa päätin esittää ympyrädiagrammein, sillä siten useamman eri muuttujan sai esitettyä kartalla siististi ja kätevästi. Ympyrädiagrammeihin en kuitenkaan lopulta ollut lainkaan tyytyväinen, sillä tässä kohtaa omat tekniset taitoni ja visuaalinen silmäni eivät pelanneet yhteen lainkaan. Värivalintojen kanssa ponnistelin huomattavan kauan ja silti lopputuloksesta tuli huono, sillä palveluita kuvaava sininen väri ei erotu koulutusasteita kuvaavasta kartasta riittävästi. Lisäksi useat ympyrät menevät keskenään päällekkäin, minkä takia kaikkien maiden elinkeinorakenteita ei näy kunnolla. Suurin ongelmani oli se, että en saanut ympyröitä siirreltyä kartalla sellaisiin paikkoihin mihin olisin halunnut. Ympyröiden siirteleminen parempiin kohtiin olisi välittömästi tehnyt kartasta selkeämmän ja huolitellumman näköisen, kun tällä hetkellä se näyttää lähinnä todella hutaisten tehdyltä. Lisäksi esimerkiksi Kyproksen, Maltan ja Makedonian elinkeinorakenteita kuvaavat ympyrät asettuvat kokonaan maiden päälle, joten pohjalla olevia koulutusasteita ei näe. Mikäli olisin osannut, olisin siirtänyt ympyröitä hieman maiden viereen ja piirtänyt suorat ympyröistä maiden kohdalle. Monen monista yrityksistäni huolimatta en kuitenkaan tässä onnistunut.

Kartalta n√§kyy kohtalaisen hyvin kouluttamattomampien maiden sijoittuminen Keski- ja It√§-Eurooppaan ja koulutetumpien maiden sijoittuminen L√§nsi- ja Pohjois-Eurooppaan. Samaa it√§-l√§nsi ‚Äďjakoa on huomattavissa my√∂s elinkeinorakenteiden ulkon√§√∂iss√§. It√§isess√§ Euroopassa maatalouden ja teollisuuden osuus BKT:st√§ on suurempi kuin l√§nness√§ tai pohjoisessa ja erityisesti Kypros ja Bulgaria erottuvat joukosta poikkeavan mittavalla teollisuudellaan. Taloudellisesti kehittyneemm√§t L√§nsi- ja Pohjois-Euroopan maat ovat kaikki hyvin vahvasti painottuneita palveluihin, pienen√§ poikkeuksena Norja, jossa lis√§ksi teollisuus muodostaa merkitt√§v√§n suuren osuuden BKT:st√§.

Koulutustason ja elinkeinorakenteiden välillä näyttäisi kartan perusteella olevan ainakin pientä korrelaatiota niin, että korkeammin koulutetuissa valtioissa palveluiden osuus BKT:stä on suurempi kuin kouluttamattomammissa maissa. Täysin yksi yhteen koulutustaso ja elinkeinorakenne eivät kuitenkaan mene ja erityisesti Keski-Euroopan vähemmän koulutettujen valtioiden elinkeinorakenteet muistuttavat Länsi-Euroopan elinkeinorakenteita hyvinkin paljon.

Toisella kartalla (Kuva 3) esitin EU-maiden BKT:n muutosta vuonna 2012 ja maiden työttömyysprosentteja. Tähän karttaan löysin kaikki tarvittavat aineistot Eurostat-sivuilta, joten ne täytyi vain muokata sopivaan muotoon ja tuoda MapInfoon. BKT:n muutosta kuvasin kartalla punaisesta vihreään vaihtuvalla väriskaalalla, jossa kirkkaanpunainen tarkoitti BKT:n kovaa laskua ja kirkkaanvihreä vastaavasti kasvua. Värivalintani osui tällä kertaa mielestäni aika nappiin, sillä kartalta on helppo nähdä ensivilauksella missä maissa BKT on laskenut ja missä noussut. Jakauma oli jälleen epämääräinen (Kuva 4), joten käytin taas luokittelussa luonnollisia luokkavälejä. Luonnollisilla luokkaväleillä sain rajattua Kreikan täysin omaan luokkaansa, mikä oli hyvä, sillä BKT:n muutos Kreikassa (-7 % edellisvuodesta) oli huomattavasti suurempi kuin missään muussa valtiossa. Luokkia valitsin viisi, sillä mielestäni selkeiden värivalintojen vuoksi useampi luokka ei hankaloittanut kartan tulkintaa. Turkin BKT:n muutoksesta ei ollut dataa saatavilla, joten Turkin väritin valkoisella värillä.

KK7_kartta2_BKT_työttömyysaste

Kuva 3. BKT:n muutos ja työttömyysaste EU-maissa vuonna 2012. Luxemburgin ja Makedonian työttömyysasteista ei ollut dataa, joten maiden kohdilla näkyy ohuet viivat. Harmaat alueet eivät ole EU-maita.

histogrammi_BKT_muutos

Kuva 4. BKT:n muutosten jakauma (Histogram Tool 2014).

BKT:n muutokset eivät näytä noudattavan mitään alueellista kaavaa, vaan naapurimaiden talouskasvu saattaa poiketa toisistaan huomattavasti. Taloutensa kanssa kamppaillut Kreikka erottuu kartalta erityisen hyvin, kuten myös talouskriisistään jo elpymässä oleva Espanja. Myös hyvässä talouskasvussa olevat Baltian maat ja Norja erottuvat kartalta selvästi. Kartan avulla kuitenkin nähdään, että BKT:n muutos ei ole suurimmassa osassa valtioista ollut kovinkaan suurta, mikä saattaa olla peruja koko maailmaan vuonna 2009 vaikuttaneesta talouden taantumasta.

Työttömyysasteita päätin esittää pylväillä, joiden asettelussa kuitenkin kohtasin täsmälleen samanlaisia ongelmia kuin edellisessä kartassa ympyrädiagrammien kanssa. Koska en osannut liikutella pylväitä, osa niistä meni keskenään päällekkäin ja sai kartan näyttämään taas hieman sotkuiselta. Lisäksi ongelmia tuottivat Luxemburg ja Makedonia, joiden työttömyysprosenteista ei ollut dataa saatavilla. Vasta jälkikäteen ymmärsin, että olisin voinut valita teemakartalle vain ne maat, joista dataa oli saatavilla, mutta itse kartantekotilanteessa en tätä tietenkään hoksannut. Tämän takia merkitsin taulukkoon Luxemburgin ja Makedonian työttömyysasteiden kohdalle nollat, jotka kuitenkin kartalla näkyvät pieninä sinisinä viivoina. Tämä voi olla lukijalle harhaanjohtavaa, sillä viivoista saa helposti sen kuvan, että maiden työttömyysprosentit olisivat lähes olemattoman pienet, vaikka todellisuudessa ne eivät sitä todennäköisesti ole. Myöskään pylväiden väriin en ollut tyytyväinen, sillä se ei sovi BKT:n muutoksia kuvaaviin väreihin, mutta valitsin sen kuitenkin, sillä en löytänyt parempaakaan toisen kartan väreistä hyvin erottuvaa väriä.

Kun kartalla esitettävien ilmiöiden välisiä mahdollisia korrelaatioita tutkitaan, huomataan, että jonkinlainen yhteys ilmiöiden välillä näyttäisi olevan. Taloutensa kanssa eniten kamppailevilla mailla, kuten Kreikalla ja Espanjalla, työttömyysprosentitkin ovat selvästi korkeimmat, lähes 25 %. Vastaavasti Norjassa, jossa BKT on kasvanut voimakkaasti, työttömyyskin on pientä. Toisaalta voidaan kuitenkin ihmetellä, miksi Baltian maiden korkeasta BKT:n kasvusta huolimatta myös niiden työttömyysprosentit ovat kohtalaisen suuria. Yhtenä selittävänä tekijänä voidaan pitää sitä, että kartalla esitettävät muuttujat ovat samana vuonna tilastoituja, mikä ei todennäköisesti kuvaa parhaalla mahdollisella tavalla muuttujien välisiä mahdollisia syy-seuraussuhteita. Valtioissa tapahtuva BKT:n muutos ei välttämättä näy työmarkkinoilla heti, vaan viive saattaa olla esimerkiksi vuoden tai kaksi.  Havainnollistavampaa olisikin ehkä ollut esittää kartalla BKT:n muutosta parin vuoden takaa. Jo tämänkin kartan perusteella voidaan kuitenkin sanoa, että BKT:n muutos ja työttömyysaste liittyvät toisiinsa melko vahvasti.

Nyt on viimeinenkin kurssityö tehty ja olo on sen mukainen. Kurssin aikana oli huomattavissa muutoksia sekä omissa teknisissä taidoissa, että suhtautumisessa MapInfoon (todennäköisesti huomattavan suuri syy-seuraussuhde). Enää en koe, että MapInfo on keksitty ainoastaan opiskelijoiden kiusaksi, vaan on myös olemassa tarkoituksia, joihin ohjelma soveltuu varsin hyvin ja vaikka kärsivällisyyteni meinasinkin ajoittain loppua pahasti kesken, selvisin tästäkin kurssista kunnialla! Iso kiitos kuuluu myös muille kurssin osallistujille, sillä toisten blogien lukeminen toi ehdottomasti syvempää ajattelua myös omiin tulkintoihin. Alkuun olin hyvin skeptinen blogisysteemin suhteen, mutta nyt voin sanoa, että oman oppimisensa ymmärtää paljon paremmin, kun saa lukea myös siitä, mitä muut ovat oppineet! J

  Lähteet:

Aalto, M. 2014. 7. kurssikerta: Viimeinen koitos. 14.3.2014. <https://blogs.helsinki.fi/mmaalto/2014/03/10/7-kurssikerta-viimeinen-koitos/>

Eurostat 2014a. Real GDP growth rate – volume. 14.3.2014. <http://epp.eurostat.ec.europa.eu/tgm/table.do?tab=table&init=1&plugin=1&language=en&pcode=tec00115>

Eurostat 2014b. Unemployment rate, by sex. 14.3.2014. <http://epp.eurostat.ec.europa.eu/tgm/table.do?tab=table&init=1&language=en&pcode=tsdec450&plugin=1>

Eurostat 2014c.  Tertiary education graduates. 26.2.2014. <http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=educ_itertc&lang=en>

Histogram Tool 2014. 14.3.2014. <http://illuminations.nctm.org/Activity.aspx?id=4152>

Wikipedia 2014. EU-maat (en viitsi jokaista sivua erikseen tähän laittaa). 26.2.2014. <http://www.wikipedia.org/>

Mapping America: SWOT-analyysi

The New York Timesin Mapping America ‚Äďpalvelu tarjoaa ‚ÄĚtavallisille‚ÄĚ ihmisille paikkatietoa ymp√§ri USA:n helposti ja nopeasti. Palvelun ehdottomia vahvuuksia ovat sen helppok√§ytt√∂isyys ja selkeys: v√§rien k√§ytt√∂ kartoissa on suurimmaksi osaksi loogista ja visuaalisesti miellytt√§v√§√§ ja karttaselitteet ovat hyv√§t. Palvelua k√§ytt√§√§kseen ei tarvitse my√∂sk√§√§n olla kovin kummoinen ATK-guru, sill√§ erilaisten karttojen tutkiminen onnistuu parilla hiiren klikkauksella. Lis√§ksi saatavilla on karttoja mielenkiintoisista ja helposti ymm√§rrett√§vist√§ aiheista, kuten etnisten ryhmien jakautumisesta tai alueiden asuntojen hinnoista.

Mapping America ‚Äďpalvelu on p√§√§llisin puolin eritt√§in hyv√§, eik√§ siin√§ suurempia vikoja tunnu olevan. Yksi heikkouksista kuitenkin on ehk√§ hieman ep√§selv√§ aluejako. Kun hiirt√§ siirtelee katseltavan alueen yl√§puolella, n√§kyville saa pienempien alueiden asukasluvun, sek√§ tarkat lukemat tutkittavasta ilmi√∂st√§. Mik√§li katselee l√§hes koko USA:n karttaa, ilmi√∂n esiintyminen n√§ytet√§√§n maakunnittain, mutta zoomatessa l√§hemm√§s alueet pienenev√§t ja esimerkiksi New Yorkin kaupungin keskustassa alueet on rajattu hieman ep√§m√§√§r√§isen oloisesti (ainakin n√§in tiet√§m√§tt√∂m√§n silmin katsottuna). Tilastojen tarkkuus my√∂s vaihtelee eri puolilla maata ja esimerkiksi juuri New Yorkista (miss√§ lehden suurin lukijakunta asuu) tietoa on mahdollista saada jopa korttelin tarkkuudella, kun taas muilla alueilla tieto on hieman yleistetymp√§√§.

Viime aikoina karttoihin perehtyneenä pakostakin kiinnittää huomiota myös mittakaavan ja pohjoisnuolen puuttumiseen. Erityisesti mittakaavan puuttuminen häiritsee erityisen paljon, sillä lähelle zoomaillessa olisi mukava kyetä edes suuntaa antavasti mittailemaan etäisyyksiä eri kohteiden välillä. Lisäksi olisi mukavaa pystyä tutkimaan koko USA:n valtiota samalla ruudulla niin, että myös Alaskan ja Hawaiin osavaltiot näkyisivät. Pienenä heikkoutena voisi myös pitää hieman jo vanhentunutta dataa, mutta toisaalta koska kyseinen seikka mainitaan heti otsikon alapuolella, ei sen pitäisi aiheuttaa suuria ongelmia karttojen tulkinnan kanssa.

Palvelu sis√§lt√§√§ my√∂s paljon mahdollisuuksia, joista t√§rkeimp√§n√§ mieleen tulee k√§ytt√∂ opetustarkoituksessa. Kuten Laura Hintsanenkin blogissaan toteaa: ‚ÄĚOpettaja voi joko itse laatia opetusmateriaalia aineiston pohjalta tai laittaa oppilaat tekem√§√§n projektity√∂t√§ jostain aiheesta sivuston avulla. Paikkatietoaineiston k√§ytt√§minen tulisi samalla oppilaille tutuksi.‚ÄĚ Palvelu toimisi nimenomaan loistavana keinona paikkatietoaineistojen k√§yt√∂n opetuksessa. Mahdollista olisi ehk√§ my√∂s kehitt√§√§ palveluun ominaisuus, jonka avulla eri ilmi√∂it√§ voisi tarkastella kartalla samanaikaisesti (vaikka asettamalla eri karttatasoja p√§√§llekk√§in) ja siten n√§hd√§ kartalta mahdollisia yhteyksi√§ ilmi√∂iden v√§lill√§. Mielenkiintoista voisi esimerkiksi olla laittaa kolmannen asteen tutkintoja ja asuntojen hintatasoja esitt√§v√§t kartat p√§√§llekk√§in ja tutkia ilmi√∂iden v√§list√§ mahdollista korrelaatiota.¬† T√§m√§ toki vaatisi kartan lukijaltakin jo hieman kokemusta karttojen tulkitsemisesta.

Kaikissa Internetistä löytyvissä palveluissa luonnollisesti on myös riskinsä. The New York Timesin palvelu tarjoaa nopeasti saatavaa tietoa eri etnisten ryhmien osuuksista ympäri USA:ta, mikä voisi johtaa esimerkiksi white flightin tapaisiin ilmiöihin alueilla, joilla tummia ihmisiä on paljon. Tämänkaltaiset skenaariot ovat kuitenkin mielestäni melko epätodennäköisiä, ainakin suuressa mittakaavassa ajateltuna. Sen sijaan julkiset tiedot eri asuinalueiden asukkaiden keskimääräisestä palkkatasosta saattaisivat hyvinkin aiheuttaa ongelmia kouluympäristöissä, joissa oppilaat tulevat varallisuudeltaan voimakkaasti eroavista perheistä.

Mapping America ‚Äďpalvelu on Tilastokeskuksen vastaaviin palveluihin verrattuna melko erilainen. Tilastokeskuksen tarjoamat tiedot eiv√§t ole kenen tahansa k√§ytett√§viss√§, mik√§ lis√§√§ esimerkiksi niiden henkil√∂iden yksityisyydensuojaa, keit√§ kyseiset tiedot koskevat. Toisaalta The New York Times ei my√∂sk√§√§n tarjoa tietoa yksitt√§isist√§ henkil√∂ist√§, joten tietoa voidaan pit√§√§ kohtalaisen turvallisena. Mapping America ‚Äďpalvelun tarjoama informaatio on kuitenkin melko rajoitettua, mik√§ johtuu juurikin sen helposta saatavuudesta. Tilastokeskuksesta saa monipuolisempaa tietoa, mutta tiedon hankkimisen eteen joutuu n√§kem√§√§n vaivaa enemm√§n. Lis√§ksi, kuten Mapping America ‚Äďpalvelun sivuillakin mainitaan, sielt√§ saatava informaatio ei ole t√§ysin luotettavaa, vaan siihen tulee suhtautua enemm√§n suuntaa-antavina arvioina. Tilastokeskus on t√§ss√§ mieless√§ luotettavampi tiedon l√§hde esimerkiksi tutkimustarkoituksissa, kun taas Mapping America toimii paremmin yleissivist√§v√§n√§ palveluna. Olen ehdottoman samaa mielt√§ Jenni Kerolan kanssa, jonka mielest√§ ‚ÄĚsamanlainen palvelu esimerkiksi Hesarin nettisivulla voisi innostaa ihmisi√§ tutkimaan n√§it√§ valtavan suuria tietokantoja ja laatimaan vaikka mink√§laista analyysi√§ ja karttaa, jotka kiihdytt√§isiv√§t maailmantuntemusta entisest√§√§n‚ÄĚ. Suomessa, kuten my√∂s muissa maissa vastaava palvelu voisi parhaimmillaan samanaikaisesti sek√§ viihdytt√§√§ ett√§ sivist√§√§ my√∂s ‚ÄĚtavallisia‚ÄĚ ihmisi√§.

Lähteet:

Hintsanen, L. (2014). Mapping America: Every City, Every Block ‚Äď SWOT-analyysi. 26.2.2014. <https://blogs.helsinki.fi/lhintsan/2014/02/24/mapping-america-every-city-every-block-swot-analyysi/>

Kerola, J. (2014). The New York Times: Mapping America. 27.2.2014. <https://blogs.helsinki.fi/jekerola/2014/02/22/the-new-york-times-mapping-america/>

The New York Times (2014). Mapping America: Every City, Every Block. <http://projects.nytimes.com/census/2010/explorer>

Kurssikerta 6: Suojateitä ja tulivuoria

Kuudennen kurssikerran teemana oli koordinaattitietojen ja pisteaineiston siirtäminen kartalle. Kurssikerran alussa kävimme pienryhmittäin ulkoilemassa GPS-paikantimen kanssa, ottaen laitteella ylös eri kohteiden sijaintitietoja. Oma ryhmäni päätti kerätä tietoa liikennevalottomista suojateistä. Kumpulan kampuksen ympäristöstä tällaisia suojateitä löytyi runsaasti, joten aineiston kerääminen onnistui kohtalaisen helposti. GPS-paikannin toimi hyvin lukuun ottamatta sen antamia korkeusarvoja, jotka suurimman osan ajasta tuntuivat täysin satunnaisilta. Esimerkiksi kahden toisistaan parin metrin säteellä olevien paikkojen korkeusero saattoi paikantimen mukaan olla jopa yli 10 metriä, kun todellisuudessa korkeuseroa ei ollut lainkaan. Kun sisälle palattuamme siirsimme aineiston MapInfoon, paikantimen aiheuttamat virheet näkyivät virheellisinä sijainteina kartalla. Suurimman osan pisteistä paikannin oli kuitenkin osannut merkitä oikein. Mielestäni GPS-paikantimen avulla tehty harjoitus avasi hyvin silmiä sille, että kaikkeen dataan ei aina kannata uskoa, vaan virheitä saattaa esiintyä jo pienissäkin aineistoissa. Virheet saattavat ilmaantua datan keruuvaiheessa tai vasta datan käsittelyvaiheessa, kuten tietokoneelle siirtämisessä. Tällaisia näppäilyvirheitä esiintyi myös oman kurssiryhmämme aineistoissa.

Itsenäistyönä tehtävänämme oli tehdä kolme karttaa, jotka kuvasivat eri hasardien esiintymistä maapallolla. Itse päätin tehdä omat karttani maanjäristysten ja tulivuorten sijainneista. Kuvassa 1 näkyy vuoden 1980 jälkeen sattuneet maanjäristykset, jotka ovat olleet voimakkuudeltaan yli 6 magnitudia Richterin asteikolla. Lisäksi yli 8 magnitudin järistykset on merkitty erottumaan joukosta hieman suuremmilla, keltaisilla pisteillä. Kartalta erottuvat hyvin mannerlaattojen reunakohdat, joissa suurin osa järistyksistä tapahtuu. Erityisesti Tyynenmeren tulirengas erottuu kartalta muita alueita selvemmin. Kuvia 1 ja 2 voisikin käyttää opetuksessa yhdessä, sillä niiden avulla oppilaille olisi helppo havainnollistaa mannerlaattojen ja maanjäristysten sijaintien välinen yhteys.  Lisäksi opetuksessa on myös syytä kiinnittää huomiota eri voimakkuutta olevien järistyksien määriin, sekä niiden tuhoisuuteen. Kuvasta 1 nähdään, että yli 8 magnitudin maanjäristyksiä on vuoden 1980 jälkeen esiintynyt maapallolla vain muutamia, verrattuna satoihin pienempiin järistyksiin. Richterin asteikosta puhuttaessa onkin muistettava sen logaritmisuus, minkä selittäminen myös oppilaille on erittäin tärkeää.

KK6_kartta1_2

Kuva 1. Vuoden 1980 jälkeen sattuneet, Richterin asteikolla yli 6 magnitudin maanjäristykset. Yli 8 magnitudin maanjäristykset on merkitty keltaisilla pisteillä.

mannerlaatat

Mannerlaatat ja niiden liikesuunnat. (Earth’s tectonic plates)

Toisen karttani (Kuva 3) tein kaikista maapallon tulivuorista. Kartalta nähdään, että tulivuorien alueellinen jakautuminen vastaa hyvin tarkkaan maanjäristyksien jakautumista. Tämä toimii hyvänä keinona havainnollistaa tulivuorten syntyjen syitä, sekä niiden yhteyttä myös maanjäristysten syntyyn. Lisäksi kartalta erottuvat mannerlaattojen keskiosissa sijaitsevat kuumat pisteet (Kuva 4), jotka selittävät esimerkiksi Afrikan mantereen sisäosissa sijaitsevien tulivuorien syntyä. Kaikkia tulivuoria esittävän kartan tueksi ajattelin, että olisi myös mielenkiintoista tehdä kartta, jossa näkyisivät ainoastaan ne tulivuoret, jotka ovat olleet aktiivisia viimeisen 50 vuoden aikana. Kartasta tuli hyvin pelkistetty ja yksinkertainen (Kuva 5), mutta siitä nähdään kuinka erityisesti Tyynenmeren tulirenkaan alueella sijaitsevat tulivuoret ovat edelleen aktiivisia. Kuitenkin mielestäni on syytä verrata kuvia 3 ja 4 toisiinsa, sillä siitä huomaa selvästi, miten suurin osa maapallon tulivuorista ei ole aktiivisia.

KK6_kuva2_2

Maapallon tulivuoret. Myös tulivuoret keskittyvät erityisesti mannerlaattojen reunoille.

Hotspots

Kuumia pisteitä. (USGS Hotspot Map)

KK6_kuva3_2

Vuoden 1964 jälkeen purkautuneet tulivuoret.

Karttani onnistuivat mielestäni melko hyvin, mutta maanjäristyksiä kuvaavan kartan tueksi olisi ehkä ollut hyvä tehdä myös kartta, jossa näkyy kaikki eri voimakkuuksia olevat havaitut maanjäristykset vuoden 1980 jälkeen, tai esimerkiksi yli 4 magnitudin järistykset, kuten yhdessä Pyry Poutasen kartoista. Tällöin mannerlaattojen rajat olisi saanut entistä selkeämmin esille. Karttani eivät ole myöskään visuaalisesti parhaita mahdollisia, eikä niiden informaatioarvo ole kovin kummoinen. Suurempi mielikuvituksen käyttö karttojen laadinnassa olisi ehkä ollut järkevää (sekä mielenkiintoisempaa), sillä kartoista saatu informaatio olisi voinut lisääntyä huomattavasti. Mielestäni erittäin mielenkiintoisen lähestymistavan hasardeihin oli valinnut Johanna Hakanen, joka tutki kartoillaan kilpi- ja kerrostulivuorten sijoittumista suhteessa mannerlaattojen sijainteihin. Johannan kartoista huomaa, että tarkemmin rajatulla aiheella sai tulivuorien sijainneista irti täsmälleen samat asiat kuin mitä itse sain, mutta sen lisäksi kartoilta oli myös mahdollista saada muutakin tietoa. Luovuuteni ei ole ainakaan toistaiseksi päässyt valloilleen vielä yhdelläkään kurssikerralla, mikä johtunee siitä, että keskiviikon iltaryhmässä istuessani olen usein viimeistään kuuden aikoihin täysin kykenemätön älykkääseen aivotoimintaan. Onneksi vielä on yksi kurssikerta jäljellä, joten tapojen parantaminen on edelleen mahdollista! Ja toisaalta, vaikka suurempi määrä informaatiota olisikin ehkä tehnyt kartasta mielenkiintoisemman, pelkistetyssä kartassa on myös puolensa. Mitä vähemmän informaatiota kartta sisältää, sen helpompaa on keskittyä oleellisiin asioihin.

Vaikka olenkin onnistunut viikko viikolta paremmin MapInfon kanssa, minulle on edelleen suuri mysteeri, ett√§ miten mittakaavan sovittaminen lopulliseen Layout-ikkunaan tapahtuu. Tavallisesti olen onnistunut saamaan mittakaavan kutakuinkin siihen mihin haluankin, mutta t√§ll√§ viikolla kaikkia kikkakolmosia kokeiltuani jouduin toteamaan, ett√§ asettelusta ei tullut yht√§√§n mit√§√§n. Vaikka kuinka yritin siirrell√§ mittakaavaa ymp√§ri karttaa, se suostui vaihtamaan paikkaansa Layout-ikkunassa ainoastaan vaakasuunnassa ja osittain siit√§ syyst√§ kartoistani tuli rumia. √Ąrsytt√§v√§√§.

Lähteet:

ANSS Catalog. (2014). Northern California Earthquake Data Center. 18.2.2014 <http://quake.geo.berkeley.edu/anss/catalog-search.html>

Earth’s tectonic plates. 25.2.2014. <http://media.maps.com/magellan/Images/tectonic.gif>

Global Volcano Locations Database. (2014). DATA.gov. 20.2.2014. <http://catalog.data.gov/dataset/global-volcano-locations-database>

Hakanen, J. Kurssikerta 6: Pisteaineiston muodostaminen ja esittäminen kartalla. Luettu 25.2.2014. <https://blogs.helsinki.fi/johakane/2014/02/18/kurssikerta-6-pisteaineiston-muodostaminen-ja-esittaminen-kartalla/>

Poutanen, P. Kurssikerta 6 ‚Äď Opettajan kengiss√§. Luettu 25.2.2014. <https://blogs.helsinki.fi/pyrypout/2014/02/17/kk-6/>

USGS Hotspot Map. 25.2.2014. <http://www.geo.cornell.edu/hawaii/220/PRI/images/USGS_hotspot_map.gif>

Kurssikerta 5: Bufferointia

Viidennellä kurssikerralla emme tehneet enää karttoja, vaan harjoittelimme aineiston bufferointia, eli puskurointia. Bufferoinnin avulla on mahdollista rajata kartalta pienempiä alueita ja tutkia niiden ominaisuuksia, kuten sitä kuinka monta ihmistä asuu tietyllä alueella (asutustiheys). Lisäksi bufferien avulla voidaan tutkia esimerkiksi konfliktien tai muiden ilmiöiden vaikutusalueita ja levinneisyyttä. Mikäli tiedetään, kuinka laajalle alueelle konflikti on levinnyt, voidaan tutkia sitä, kuinka moneen ihmiseen se mahdollisesti on vaikuttanut. Esimerkkinä bufferoimme Pornaisten keskuksen suurimpia teitä ja tutkimme, kuinka paljon ihmisiä asui 100 metrin säteellä teistä. Pienien alkukankeuksien ja lievän manaamisen jälkeen bufferoinnin idea alkoi hahmottua ja tuntua jopa selkeältä. Kerrankin työkalu, jonka käyttö ei tunnu ylitsepääsemättömän vaikealta! Jonkin verran ylimääräistä säätöä aiheutti eri tietokantojen valittavuuden ja muokattavuuden säätely, mikä hidasti työntekoa jonkin verran. Koko ajan tuntui siltä, että väärä taso oli aktiivinen ja piirretyt objektit sen takia tahtoivat lipsahdella vääriin paikkoihin. Tämän asian ymmärrettyäni työt alkoivat kuitenkin sujua jo huomattavasti letkeämmin ja osasin jopa auttaa lähelläni istuneita kurssikavereita. Vaikka työskentely tuntui tällä kertaa aiempia kurssikertoja helpommalta, en silti kuitenkaan ole täysin varma, että osasin ratkaista tehtävät niin kuin piti.

Tässä vaiheessa kurssia oli mukava huomata, että kaikkien aikaisempien uskomusteni vastaisesti olen jopa saattanut oppia MapInfon käytöstä jotain. Viidennen kurssikerran tehtäviä tehdessäni huomasin yhdessä vaiheessa soveltavani aiemmilla kurssikerroilla vilahtanutta kyselytoimintoa, jota en ollut koskaan ennen edes kokeillut. Nyt kuitenkin osasin löytää oikean toiminnon ja vieläpä ilman kenenkään apua. Samankaltaisia voitontunteita olikin jo ehtinyt tulla ikävä.

Tällä kurssikerralla ei ollut pakollista tuottaa karttaa, joten käytin tilaisuuden hyödyksi ja keskityin ainoastaan erilaisten laskujen ja bufferointitehtävien suorittamiseen. Ensimmäisenä omatoimisena tehtävänä oli tutkia Malmin ja Helsinki-Vantaan lentokenttien melualueita. Näiden tehtävien tekeminen oli melko mekaanista ja käytännössä piti vain toistaa samat työvaiheet kuin Pornaisten teiden bufferoinnissa. Kuitenkin hieman vaikeuksia tuotti viimeisen lentokenttiin liittyvän tehtävänannon ymmärtäminen (Taulukko 1) ja muiden opiskelijoiden vastauksiin vertaillessa näyttäisikin siltä, että kyseinen tehtävä meni omalla kohdallani täysin metsään.

Taulukko 1. Itsenäistehtävät ja niiden vastaukset

KK5_tulokset2

Seuraavissa tehtävissä opittuja asioita tuli soveltaa enemmän kuin ensimmäisessä tehtävässä. Bufferoinnin lisäksi tärkeää oli kyetä rajaamaan aineistoa useilla eri kriteereillä, kuten iän tai kansalaisuuden perusteella. Aiempien kurssikertojen opit tietokantojen yhdistämisestä ja tiettyjen aineiston osien valitsemisesta olivatkin tässä erityisen hyödyllisiä. Kurssin aikana olemme saaneet työkaluja sekä eri aineistojen tutkimiseen että uuden tiedon tuottamiseen ja tällä kurssikerralla opin viimein soveltamaan kaikkea yhtäaikaisesti ja näkemään eri toimintojen väliset yhteydet.

T√§m√§nhetkinen suosikkini MapInfon toiminnoista on ehdottomasti juuri oppimani kyselyvalikosta l√∂ytyv√§ Select-toiminto. Se tuntuu toimivan tehokkaasti niin valintaty√∂kaluna kuin tiedonhankintav√§lineen√§kin. Kyseisen toiminnon avulla suuristakin tietokannoista on helposti l√∂ydett√§viss√§ yksitt√§isi√§ tietoja, kunhan vain osaa rajata haluamansa tiedot oikealla tavalla. K√§tev√§√§ on my√∂s se, ett√§ Select-toiminnolla etsityt kohteet saa valittua my√∂s kartalta, jolloin esimerkiksi usean alueen samanaikainen tutkiminen tai muokkaaminen on mahdollista. My√∂s tietokantojen yhdistely on mielest√§ni eritt√§in hy√∂dyllinen toiminto, sill√§ mit√§ v√§hemm√§n taulukoita on py√∂ritelt√§v√§n√§, sit√§ helpommin teht√§v√§t tavallisesti sujuvat. ¬†Tilasto-ohjelmana MapInfo on my√∂s kelvollinen, mutta Anniina Miettisen tavoin olen sit√§ mielt√§, ett√§ ‚ÄĚExcelin ja SPSS:n kaltaisista varsinaisista tilastointiohjelmista MapInfo kuitenkin erottuu luonnollisesti kyvyll√§√§n esitt√§√§ taulukoita kartalla.‚ÄĚ MapInfon tietokantojen siirt√§minen kartoille onkin varmasti yksi ohjelman helpoimmista toiminnoista.

Ty√∂kaluista kaikki tuntuvat mielest√§ni melko hy√∂dyllisilt√§. Erityisesti ty√∂kalut, joita voi k√§ytt√§√§ samanaikaisesti, kuten boundary select ja ő£-ty√∂kalu, tuntuvat yhdess√§ k√§ytettyn√§ hyvilt√§ tavoilta saada nopeasti haluttua informaatiota tietyilt√§ alueilta. Toistaiseksi mik√§√§n ty√∂kaluista ei ole pienen harjoittelun j√§lkeen tuntunut kovin vaikealta k√§ytt√§√§, mutta erityisesti piirtoty√∂kalut tuntuvat toisinaan hieman j√§hmeilt√§. Ongelmaksi usein muodostuu sama asia, mik√§ jo Corelin k√§yt√∂ss√§ vaivasi hieman, eli objektien sijoittaminen oikealle tasolle. Corelissa kuitenkin jokaisen tason objektit oli mahdollista n√§hd√§ allekkain listattuna kunkin tason kohdalla, mik√§ on ominaisuus, joka mielest√§ni olisi MapInfossakin hy√∂dyllinen. Toisaalta on muistettava, ett√§ toisin kuin Corelin, MapInfon t√§rkeimm√§t ominaisuudet eiv√§t liity piirt√§miseen, vaan ovat painottuneet enemm√§nkin muihin asioihin, kuten Oona Kantele blogissaan huomauttaa.

Suurimmat rajoitteet MapInfon käytölle aiheutan minä itse. Toistaiseksi, kun omat taidot MapInfon käytössä eivät varsinaisesti ole vielä huipputasoa, eri toimintojen monipuolinen käyttäminen on vielä melko rajoittunutta. Uusien käyttötarkoitusten löytäminen toiminnoille on hyvin vahvasti opettajalähtöistä, sillä MapInfon hahmottaminen kokonaisuutena yksittäisten toimintojen sijaan on vielä lähempänä lähtöpistettä kuin maalia. Kuitenkin kurssikertojen edetessä huomaa yhä useammin ymmärtävänsä MapInfon toimintaa ja sen käyttöä. Samoilla toiminnoilla voi ratkaista useita erilaisia tehtäviä ja toisaalta saman tehtävän voi ratkaista usealla eri tavalla. MapInfon hyödyllisyyteen ja käytön monipuolisuuteen vaikuttavat merkittävästi myös käytössä olevat paikkatietoaineistot. Valmiiden aineistojen ja esimerkiksi karttapohjien ollessa saatavilla MapInfon käyttö on melko yksinkertaista ja nopeaa, mutta käyttö hidastuisi ja monimutkaistuisi huomattavasti, jos esimerkiksi kaikki aineisto olisi tuotettava itse. Valmiin aineiston analysointi siis toimii MapInfossa kohtalaisen hyvin, mutta sekin rajoittuu aineiston kattavuuteen ja laajuuteen.

Lähteet:

Kantele, O. Kurssikerta 5: Aivosolmua ja itsenäistä toimintaa. Luettu 17.2.2014. <https://blogs.helsinki.fi/okantele/2014/02/13/kurssikerta-5-aivosolmua-ja-itsenaista-toimintaa/>

Miettinen, A. Kurssikerta 5. Bufferointia, analyyseja ja piirtotyökaluja. Luettu 17.2.2014. <https://blogs.helsinki.fi/mianmian/2014/02/13/kurssikerta-5-bufferointia-analyyseja-ja-piirtotyokaluja/>

Kurssikerta 4: Ruututeemakarttoja

Nelj√§nnell√§ kurssikerralla tutustuimme ruututeemakarttojen tekemiseen, sek√§ lyhyesti my√∂s siihen, kuinka rasterikarttoja kiinnitet√§√§n koordinaatistoon MapInfon avulla ja miten MapInfolla piirt√§minen toimii. Ruututeemakartta on kartta, jossa tutkittava alue on ruudukon avulla jaettu yht√§ suuriin osiin. Kartan teko aloitettiin luomalla p√§√§kaupunkiseutua kuvaavan kartan p√§√§lle tietyn kokoisista ruuduista koostuva ruudukko. T√§m√§n j√§lkeen uuteen tietokantaan ker√§ttiin haluttu informaatio valmiista p√§√§kaupunkiseudun v√§est√∂tietokannasta. Ensin teimme yhdess√§ 500mx500m kokoisista ruuduista koostuvan ruututeemakartan, joka esitti 25-35 ‚Äďvuotiaiden ihmisten m√§√§r√§√§ p√§√§kaupunkiseudulla. T√§m√§n j√§lkeen teht√§v√§n√§mme oli itse laatia oma ruututeemakartta haluamastamme aiheesta, kokeillen ainakin kahta erikokoisista ruuduista koostuvaa ruudukkoa.

Aluksi p√§√§tin tehd√§ oman ruututeemakarttani muunkielisen v√§est√∂n (v√§est√∂, joka √§idinkielen√§√§n puhuu muuta kielt√§, kuin suomea tai ruotsia) suhteellisista osuuksista p√§√§kaupunkiseudulla. Ensimm√§isen version tehty√§ni huomasin kuitenkin, ett√§ kartta ei anna kovinkaan paljon tietoa muunkielisten alueellisesta jakaantumisesta, sill√§ kaikissa kartan ruuduissa ei ollut kesken√§√§n yht√§ monta asukasta. T√§m√§ johti siihen, ett√§ mik√§li jonkin ruudun alueella oli vain yksi asukas ja t√§m√§ oli muunkielinen, oli muunkielisten osuus kyseisess√§ ruudussa 100 %. Toisaalta jonkin ruudun alueella saattoi olla l√§hes 1000 asukasta, joista esimerkiksi 200 oli muunkielisi√§, jolloin muunkielisten osuus alueella oli ainoastaan 20 %. Totesin siis, ett√§ suhteellisten lukujen esitt√§minen ruututeemakartalla ei ollut ainakaan t√§ss√§ tapauksessa j√§rkev√§√§. T√§m√§ erottaa ruututeemakartan tavallisesta koropleettikartasta, sill√§ kuten Pyry Poutanenkin huomauttaa: ‚ÄĚPerinteisen koropleettikartan yksi heikkous on se, ett√§ alueet on yleens√§ jaettu erikokoisiin alueisiin, jolloin absoluuttisten havaintojen esitt√§minen ei ole mielek√§st√§. Suhteellisten lukujen (kuten as/km¬≤) esitt√§minen taas toimii usein hyvin.‚ÄĚ Ruututeemakartassa puolestaan absoluuttisten m√§√§rien esitt√§minen voi olla ihan j√§rkev√§√§, sill√§ tutkittava alue on jaettu samankokoisiin ruutuihin, joten esimerkiksi asutustiheyksien tutkiminen asukasm√§√§rien avulla on helppoa. Siis vaikka kartalla esitt√§isi absoluuttisia arvoja, voi siit√§ silti p√§√§tell√§ my√∂s suhteellisia osuuksia. T√§ll√§ tavalla ruututeemakartta voi olla jopa tavallista koropleettikarttaa informatiivisempi.

Ensimmäisen kartan hylättyäni päätin tehdä uuden kartan muunkielisten absoluuttisista määristä pääkaupunkiseudulla. Tein kaksi eri karttaa, joista toisessa käytin 500mx500m kokoisia ruutuja, ja toisessa 250mx250m kokoisia ruutuja, sillä ajattelin näiden ruutukokojen olevan sopivimmat pääkaupunkiseudun kokoisen alueen kuvaamiseen. Aineisto oli hyvin vinosti jakautunut (Kuva 1), joten päädyin luokittelussa käyttämään luonnollisia luokkarajoja. Jaoin aineiston viiteen luokkaan, sillä mielestäni lopullisesta kartasta ei tullut liian sekavaa, vaikka eri luokkia olikin useita. Viidellä luokalla aineistosta sai myös yksityiskohtia nousemaan paremmin esiin. Väreiksi valitsin puna-vihersokeita törkeästi syrjien skaalan, jossa värit vaihtuivat kirkkaan punaisesta kirkkaan vihreään. Mielestäni kyseiset värit korostivat kartalla hyvin alueita, joilla muunkielisiä oli paljon. Lisäksi lisäsin kartalle myös suurimmat tiet, sillä ajattelin, että niiden avulla tulosten analysointi olisi helpompaa.

KK4_histogrammi

Kuva 1. Histogrammi muunkielisten lukumääristä (Histogram Tool).

Valmiita karttoja vertaillessani tulin siihen tulokseen, ett√§ pienemmill√§ ruuduilla tehty ruudukko oli j√§rkev√§mpi ja informatiivisempi. Olen samaa mielt√§ Jasmin Bayarin kanssa, joka blogissaan toteaa: ‚ÄĚErilaisia ruutukokoja kokeilemalla huomasi, miten kartan ulkon√§k√∂ muuttuu ja informaatio tavallaan v√§√§ristyy tai on vaikeammin tulkittavissa.‚ÄĚ Suuremmat ruudut tuntuivat yleist√§v√§n aineistoa liikaa ja luokittelun j√§lkeenkin alueet, joilla oli eniten muunkielisi√§, korostuivat mielest√§ni turhan paljon. Siksi valitsin blogiini pienempi√§ ruutuja sis√§lt√§v√§n ruututeemakartan (Kuva 2). Ei ole kovin yll√§tt√§v√§√§, ett√§ eniten muunkielisi√§ on Helsingin keskustan alueella, miss√§ my√∂s muuta v√§est√∂√§ on paljon. Keskustassa korostuvat erityisesti Kallion alue, sek√§ Pasila, Kamppi, Ruoholahti ja Punavuori, jossa muun muassa sijaitsevat monien valtioiden suurl√§hetyst√∂t. Lis√§ksi muunkieliset n√§ytt√§isiv√§t keskittyv√§n junaratojen varsille, sek√§ It√§-Helsinkiin erityisesti Kontulan ja Vuosaaren alueille. Espoossa suurimmat keskittym√§t ovat Espoon keskuksessa ja Matinkyl√§n alueella ja Vantaalla Korson ja Hakunilan ymp√§rist√∂ss√§.

KK4_kartta1

Kuva 2. Muunkieliset pääkaupunkiseudulla.

Mielenkiintoista olisi vertailla muunkielisten jakautumista verrattuna kaiken asutuksen jakautumiseen. Aiheesta voisikin tehdä esimerkiksi päällekkäisen teemakartan, jossa näkyisi sekä koko väestön alueellinen jakautuminen, että muunkielisten alueellinen jakautuminen. Tällöin voitaisiin tutkia sitä, onko muunkielisiä alueella paljon vain jos muuta väestöä on paljon, vai onko mahdollisesti alueita, joilla väkeä ei ole kovin paljoa, mutta muunkielisiä on. Lisäksi nähtäisiin, onko alueita, joilla suomen- ja ruotsinkielisten osuus väestöstä on 100 %, sillä tästä yhden muuttujan ruututeemakartasta sitä tietoa ei saa selville. Valkoiseksi jääneet alueet kuvaavat niitä alueita, joilla muunkielisiä ei ole lainkaan, mutta se ei sulje pois mahdollisuutta, että suomen- ja ruotsinkielisiä näillä alueilla saattaa olla. Uskon, että muunkielisten määrän olisi saanut järkevämminkin esitettyä kuin ruututeemakartalla. Esimerkiksi nimenomaan päällekkäinen teemakartta olisi voinut olla hyvä vaihtoehto, sillä ulkomaalaisten määrän lisäksi karttaan olisi voinut liittää muuta dataa jostain toisesta ilmiöstä. Tällöin luokkien määrää olisi luultavasti pitänyt hieman vähentää, mutta toisaalta oltaisiin saatu kartasta enemmän irti, kuin mitä ruututeemakartasta saa.

Lopulliseen karttaani en ollut kovin tyytyväinen, sillä siihen jäi huomattavasti parannettavaa. Kartta mielestäni kuvaa melko selkeästi muunkielisten jakautumista pääkaupunkiseudulla, mutta visuaalisesti kartta ei ole paras mahdollinen. Iso osa kartasta on pelkkää valkoista ja siksi kartta näyttää rikkonaiselta. Vaikka suurten teiden lisääminen kartalle ehkä tuo hieman selkeyttä kartan tulkintaan, tekee se kartasta myös hieman suttuisen näköisen. Lisäksi kartan tulkintaa olisi luultavasti auttanut, jos alueet, joilla muunkielisiä on paljon, olisi nimetty karttaan. Nyt kartan tulkinta vaatii jonkinlaista pääkaupunkiseudun alueen tuntemista, jotta kartalta erottuvien alueiden tunnistaminen olisi mahdollista. Myös metro- ja junaratojen liittäminen karttaan olisi helpottanut tulkintaa ja alueen hahmottamista, mutta näistä ei ollut valmista dataa tarjolla (ainakaan tietääkseni) enkä laiskuuttani jaksanut niitä kartalle itse alkaa piirtää. Jäipähän taas parannettavaa seuraavalle kerralle!

Olin yllättynyt siitä miten helposti kartan teko lopulta onnistui, sillä tavallisesta poiketen en kohdannut lainkaan ongelmia MapInfon kanssa! Olen vihdoin myös oppinut tallentamaan tietokannat ja työtilat oikein, joten ei tarvitse enää siitäkään asiasta stressata. Vieläkään en voi sanoa, että MapInfosta erityisen paljon pitäisin, mutta alan myös pikkuhiljaa uskoa, että sen käyttöä harjoitellaan muistakin syistä kuin opettajien kierosta halusta aiheuttaa opiskelijoille ylimääräistä päänvaivaa. En tiedä uskaltaako tässä vielä kavereiksi MapInfon kanssa ryhtyä, mutta mikäli suuria ongelmia ei jatkossakaan esiinny, niin voin myöntää, että ehkä MapInfo ei olekaan niin kamala ohjelma kuin miltä se aluksi vaikutti. 

Lähteet:

Histogram Tool (2014). <http://illuminations.nctm.org/Activity.aspx?id=4152>

Poutanen, P. (2014). Kurssikerta 4 ‚Äď ruututeemakartta. Luettu 10.2.2014. <https://blogs.helsinki.fi/pyrypout/2014/02/03/kk-4/>

Bayar, J. (2014). 4. Kurssikerta 04.02 : Ruutuja ja rasterikarttoja. Luettu 10.2.2014. <https://blogs.helsinki.fi/jasbayar/2014/02/05/4-kurssikerta-04-02-ruutuja-ja-rasterikarttoja/>

Kurssikerta 3: Afrikkaa ja valuma-alueita

Tällä viikolla oli aika korvata ensimmäisen viikon peruttu luento, joten MapInfoa saatiin tupla-annos. Kolmannella kurssikerralla mentiin jo hieman syvemmälle MapInfon syövereihin, kun opeteltiin eri tietokantojen yhdistämistä ja tietojen tuomista Excelistä MapInfoon. Pakko kyllä sanoa, että en edelleenkään ymmärrä MapInfoa. Viime viikolla näin jo valoa tunnelin päässä, kun perustoiminnot alkoivat olla suurin piirtein hallussa, mutta tällä viikolla eteeni pölähti jälleen iso kasa uusia ongelmia. Vaikka kuinka yritin luennolla seurata (ja mielestäni siinä onnistuinkin), niin myöhemmin, kun samat asiat piti tehdä omin avuin, olin taas täysin hukassa. Lopulta onnistuin kuitenkin jälleen saamaan kokoon kartan, jossa näkyivät ne asiat, joiden pitikin näkyä. Tuli taas huomattua, että virheistä oppii ja tarpeeksi omaa aikaansa uhraamalla aluksi hankalilta tuntuvat asiat alkavat lopulta sujua.

Kurssikerran ensimmäinen puolisko käytettiin Afrikkaa kuvaavan aineiston tutkimiseen ja harjoiteltiin tietokantojen muokkaamista kyseisen aineiston avulla. Lisäsimme tietokantaan uusia tietoja, kuten Internet-käyttäjien muutoksen, Facebook-läpäisevyyden sekä konfliktien, timanttikaivosten ja öljylähteiden määrän. Esimerkiksi Internet-käyttäjien muutosta voisi pitää eräänlaisena valtion kehittymisen mittarina. Erityisesti jos tietokantoihin saisi yhdistettyä eri valtioiden BKT:t eri vuosina, voitaisiin tutkia Internet-käyttäjien ja BKT:n muutosten mahdollisia yhteyksiä. Mielenkiintoista olisi myös tutkia, korreloiko öljykenttien tai timanttikaivosten tuottavuus valtion taloudellisen kehityksen kanssa. 

Kuten jo edellisell√§ kurssikerralla opittiin, ilmi√∂iden v√§lisi√§ yhteyksi√§ on helppo tutkia p√§√§llekk√§isten teemakarttojen avulla. Konfliktien laajuuksien sek√§ timanttikaivoksen l√∂yt√§misvuoden, sijaintien ja kaivausten aloitusvuosien perusteella voisi p√§√§tell√§, ovatko mahdolliset kaivoksen alueelle osuvat konfliktit vaikuttaneet kaivoksen toimintaan. Toisaalta konfliktien tapahtumavuosien avulla voitaisiin selvitt√§√§, onko konflikteilla vaikutusta Internetin k√§ytt√§jien m√§√§r√§√§n. Hidastavatko toistuvat konfliktit Internetin k√§ytt√§j√§m√§√§rien lis√§√§ntymist√§ ja siten valtion mahdollista kehittymist√§? Pohdin my√∂s samaa asiaa kuin Laura Hintsanen blogissaan: ‚ÄĚKonfliktin tapahtumavuosi ja laajuus kertovat sen sijaan valtion sosiaalisesta tilanteesta. Jos konflikti on tapahtunut hiljattain ja ollut laaja, voidaan olettaa, ett√§ valtio on murrosvaiheessa ja olot ovat joko edelleen levottomat tai uudelleenrakentaminen on k√§ynniss√§.‚ÄĚ Konfliktien laajuus voi kertoa joko valtioiden v√§lisist√§ ongelmista tai vaihtoehtoisesti ongelmista yhden valtion sis√§ll√§.

Kurssikerran j√§lkimm√§isell√§ puoliskolla tehtiin itse kartta Suomen valuma-alueiden tulvaherkkyyksist√§ ja j√§rvisyyksist√§, jonka tekemisess√§ joutui yhdistelem√§√§n eri tietokantoja samalla tavalla kuin alkuun oli harjoiteltu. T√§ll√§ kertaa kaikki kurssilaiset tekiv√§t karttansa samasta aiheesta: pohjalla oli koropleettikartta, joka kuvasi Suomen tulvaherkkyytt√§ tulvaindeksin avulla ja sen p√§√§ll√§ pylv√§√§t, jotka esittiv√§t eri alueiden j√§rvisyysastetta. Tulvaindeksi ei l√∂ytynyt alkuper√§isist√§ tietokannoista erikseen, joten se oli laskettava itse keskiylivirtaaman, sek√§ keskialivirtaaman avulla. Keskiylivirtaamalla tarkoitetaan virtaaman, eli tietyn uoman poikkileikkauksen l√§pi sekunnissa kulkevan vesim√§√§r√§n, ylimpien mitattujen arvojen keskiarvoa. Keskialivirtaama vastaavasti on alimpien mitattujen arvojen keskiarvo (Paarlahti 2014). Tulvaindeksi on keskiylivirtaaman ja ‚Äďalivirtaaman osam√§√§r√§. MapInfon tietokannoissa ei my√∂sk√§√§n ollut j√§rvisyysprosentteja annettu ennalta, vaan ne oli tuotava taulukoihin Excelist√§ l√∂ytyv√§st√§ erillisest√§ taulukosta.

Kun kaikki tarvittavat laskut oli tehty, piti tulvaindeksistä tehdä koropleettikartta. Histogrammi oli ystävällisesti annettu meille jo etukäteen ajan säästämiseksi, joten omaksi tehtäväksi jäi ainoastaan sopivan luokittelutavan valinta. Tällä kertaa aineisto oli selvästi vinosti jakautunut, painottuen vahvasti pieniin tulvaindeksin arvoihin. Ensin kokeilin kvantiilijakoa, mutta tulin siihen tulokseen, että kvantiilit tasapäistävät aineistoa liikaa, eivätkä erota ääriarvoja riittävän selvästi. Siksi päädyin lopulta käyttämään luonnollisia luokkavälejä. Luonnolliset luokkavälit erottivat omaan luokkaansa Lounais-Suomesta yhden alueen, jonka tulvaindeksi oli muiden alueiden tulvaindekseihin verrattuna huomattavan suuri. Halusin tämän alueen erottuvan muista alueista selvästi myös kartalla, joten valitsin väreiksi vaalean vihreästä tumman siniseen vaihtuvat sävyt. Tällöin korkeimman tulvaindeksin omaava alue erottui sinisellä sävyllään selvästi muista luokista. Jälkikäteen katsottuna muiden luokkien värejä olisi voinut hieman vielä miettiä uudelleen, sillä tällä hetkellä valmiissa kartassa toiseksi ja kolmanneksi pienimpien arvojen luokat eivät erotu toisistaan riittävän hyvin. Kaikkein pienimpien tulvaindeksien luokka kuitenkin erottuu kartalta selvästi, mikä on tärkeää.

KK3_kartta2

Suomen valuma-alueet, niiden järvisyys ja tulvaindeksit.

√Ą√§riarvojen v√§liin j√§√§viss√§ luokittelussa sek√§ luokitteluun ett√§ v√§rivalintoihin j√§i parantamisen varaa. Selke√§mpi ratkaisu olisi saattanut olla jakaa koko aineisto nelj√§√§n luokkaan, mutta toisaalta silloin yleistyksi√§ olisi tullut my√∂s enemm√§n. Siksi ehk√§ paras parannus karttaan olisi saatu vaihtamalla keskimm√§isten luokkien v√§rej√§. Lis√§ksi toiseksi korkeimman tulvaindeksin luokan luokkav√§li on huomattavasti suurempi kuin muiden luokkien, mik√§ saattaa johtaa lukijaa harhaan ja antaa kuvaa siit√§, ett√§ kyseisen luokan arvot ovat huomattavasti todellisuutta suurempia. T√§m√§n korjaamiseen en tosin keksi ratkaisua, sill√§ suurimman ongelman t√§ss√§ aiheuttaa se, ett√§ tulvaindeksin korkein arvo on 1100, mutta toiseksi korkein vasta noin 550. On siis vain luotettava lukijan kartanlukutaitoihin.

Pylväsdiagrammikartan tekeminen MapInfolla ei teoriassa ole kovin vaikeaa, kuten ei myöskään koropleettikartan tekeminen. Pylväsdiagrammikarttojen kanssa suurin ongelma tavallisesti ilmenee siinä miten kaikki pylväät saa näkymään siten, että esitettävän ilmiön esiintyminen ei lukijan silmissä vääristy liikaa. Koska pylväät tässä kartassa esittivät järvisyyttä, valitsin pylväiden väriksi sinisen. Se tuntui erottuvan kartalta hyvin eikä riidellyt koropleettikartan värien kanssa liikaa. Pylväiden kasvusta halusin lineaarisen, sillä se todennäköisesti useimmille lukijoille (mukaan lukien itseni) on helpoimmin hahmotettava tapa. Pylväiden leveyksiä ja korkeuksia säätelemällä sain lähes kaikki pylväät näkymään edes jollain lailla, mutta pienten järvisyysprosenttien takia jotkut pylväistä näkyvät pelkkinä viivoina. Mielestäni ei kuitenkaan suuresti haittaa, että osa pylväistä ei näy kunnolla, sillä pylväät esittävät absoluuttisten lukujen sijasta prosenttiosuuksia. Viivoina näkyvistä pylväistä voi siis vain päätellä, että alueen pinta-alasta järviä on vain erittäin pieni osa.  Pylväiden sijoittelua kartalla olisin halunnut hieman muuttaa, sillä monet pylväistä menevät aika pahasti päällekkäin, mutta en enää muistanut miten pylväiden uudelleensijoittelu onnistuu. Varmasti sekin on käyty jollain kurssikerralla läpi.

Valmista karttaa katsoessa ensisilmäyksellä näyttäisi siltä, että mitä järvisempi alue on, sitä pienempi on sen tulvaindeksi. Järvisimmät alueet löytyvät Keski- ja Itä-Suomesta, sekä Lapista ja näillä alueilla myös tulvaindeksi on matalinta luokkaa. Koska tulvaindeksi kuvaa keskiyli- ja keskialivirtaaman välistä suhdetta, tuntuu järkevältä, että ylivirtaamia (tulvia) on enemmän alueilla, jotka sijaitsevat lähellä merialueita ja rannikoilta lähtevien suurien jokien läheisyydessä. Rannikkoalueilla sateet ovat yleisempiä kuin sisämaassa, joten tällaisilla alueilla tulviakin on suhteessa enemmän kuin sisämaassa. Lisäksi järvisemmillä alueilla järvet todennäköisesti jonkin verran tasaavat virtaamia, jolloin tulvimistakin on vähemmän.  

 Lähteet:

Hintsanen, L. (2014). Kurssikerta 3: Datan käsittelyä ja valuma-aluekartta. Luettu 7.2.2014. <https://blogs.helsinki.fi/lhintsan/>

Paarlahti, A. Tulvaindeksi. Luettu 6.2.2014. <https://blogs.helsinki.fi/pak-2014/>

 

Kurssikerta 2: Lisää päällekkäisiä teemakarttoja!

Toisella kurssikerralla tutustuimme edelleen MapInfoon ja erilaisiin teemakarttoihin, joita sillä voi tehdä. Kävimme esimerkkien avulla läpi pylväsdiagrammikartan, ympyrädiagrammikartan, graduated-kartan, pistekartan, individual-kartan, grid-kartan, prismaattisen kartan, sekä 3D-kartan teon. Itselleni tuli ehkä jopa yllätyksenä miten monia erilaisia karttoja on mahdollista tehdä, sillä en ole aiemmin juurikaan pysähtynyt ajattelemaan millaisia eri mahdollisuuksia karttojen teossa on. Erilaisten teemakarttojen lisäksi yksi kurssikerran tärkeimmistä aiheista oli päällekkäisten teemakarttojen tekeminen. Päällekkäiset teemakartat tuntuvat simppeliltä ja selkeältä tavalta esittää kahta eri muuttujaa kartalla samanaikaisesti, sillä kaikessa yksinkertaisuudessaan siinähän vain asetetaan kaksi eri teemakarttaa päällekkäin. Teemojen yhdistämisessä on kuitenkin oltava varovainen, sillä huonosti tehty päällekkäinen teemakartta voi olla vaikealukuinen tai antaa väärää kuvaa ilmiöistä ja niiden syy-seuraussuhteista, kuten aiemmassa päällekkäisiin koropleettikarttoihin liittyvässä artikkelipohdinnassakin totesin.

Kurssikerran itsenäistehtävänä tehtiin kurssilla opittujen asioiden perusteella teemakartta, jossa kaksi eri teemaa näkyi päällekkäin. Viimeviikkoinen taistelu MapInfon kanssa hellitti hieman tällä viikolla, kun perustoiminnot olivat enemmän tulleet tutuksi. Mielestäni oli erittäin hyödyllistä käydä kurssikerralla useita esimerkkejä läpi erilaisten teemakarttojen teosta, sillä toistamalla samoja toimintoja monta kertaa peräkkäin ne alkoivat jäädä muistiin melko hyvin. Jopa mittakaava ja pohjoisnuoli asettuivat tällä kertaa paikoilleen ilman sen suurempaa vääntöä ja huijaamista. Täysin ongelmitta en kuitenkaan tälläkään viikolla selvinnyt. Päätin heti, että haluan tehdä kahden koropleettiteeman kartan Uudenmaan kunnista, mutta suuria vaikeuksia tuotti sopivien teemojen löytäminen. Molempien teemojen piti esittää suhteellisia arvoja ilmiöstä ja teemojen oli myös syytä jollain tavalla liittyä toisiinsa. Lopulta, perusteellisen harkinnan jälkeen, päädyin valitsemaan teemoikseni kuntien taajama-asteen ja vuokra-asunnoissa asuvien asuntokuntien osuuden kaikista asuntokunnista, sillä arvelin, että näiden muuttujien välillä saattaisi näkyä kartalla jonkinlainen yhteys. Lopullisesta kartasta nähdään, että melko selkeäkin yhteys muuttujien välillä on havaittavissa.

Aineiston luokittelu oli tässä tehtävässä jälleen tärkeässä roolissa ja histogrammityökalua (Histogram Tool) käytettyäni päädyin taas kerran luokittelemaan molempien karttojen aineiston kvantiileihin. Histogrammeista (Kuvat 1 ja 2) nähdään, että molempien muuttujien arvot ovat hyvin epämääräisesti jakautuneet, joten siksi kvantiileihin jako tuntui parhaalta vaihtoehdolta. En myöskään ollut varma, saako päällekkäisen koropleettikartan teemoja luokitella eri perustein, joten pelasin varman päälle ja luokittelin molemmat teemat samalla tavalla. Aiemmin tällä viikolla luin Anna Leonowiczin artikkelin ja sen pohjalta tiesin, että molemmat muuttujat saisi luokitella korkeintaan kolmeen luokkaan, jotta kartasta ei tulisi liian monimutkainen. Arvelin kuitenkin, että kaksi luokkaa olisi tässä tapauksessa liian vähän, sillä se yleistäisi liikaa, joten jaoin molemmat muuttujat kolmeen luokkaan. Kuntien taajama-astetta päädyin kuvaamaan sinisellä värillä, sillä jostain syystä, ehkä hyvän erottuvuuden vuoksi, sininen on suosikkivärini karttojen teossa. Vuokra-asunnoissa asuvien asuntokuntien osuuksia kuvasin puolestaan erilaisilla raidallisilla rastereilla, joiden arvelin erottuvan sinisestä taustasta ja toisistaan riittävän hyvin.

KK2_histogrammi1

Kuva 1. Histogrammi Uudenmaan kuntien taajama-asteista. (Histogram Tool).

KK2_histogrammi2

Kuva 2. Histogrammi Uudenmaan kuntien vuokra-asunnossa asuvien asuntokuntien osuuksista.

Yksi tämän viikon suurimmista ongelmista liittyi töiden tallentamiseen MapInfossa. En ole koskaan ollut mikään tekniikan ihmelapsi ja se tuli taas todistettua tällä viikolla. Luulin, että mikäli en ehdi saada työtäni valmiiksi yhdellä kertaa, voin tallentaa sen workspacena, jolloin saan työn avattua myöhemmin samanlaisena miksi sen jätin. Selvästi olin jälleen ymmärtänyt jotain väärin, sillä kun myöhemmin yritin avata työtäni uudestaan, aiemmin tekemäni kartta legendoineen oli kadonnut ja jäljellä oli ainoastaan koko Suomen kartta ja Uudenmaan kuntien tiedot näyttävä ikkuna. Onneksi kartta oli niin yksinkertainen, että sen uudelleen tekeminen ei vienyt kovin montaa hetkeä. Tämä ongelma kuitenkin lienee syytä selvittää ennen kuin siirrymme kurssilla monimutkaisempiin asioihin.

Lopulta kun sain karttani valmiiksi, se näytti mielestäni ihan kohtalaisen hyvältä (Kuva 3). Sain legendan, mittakaavan ja pohjoisnuolen sijoitettua kartalle haluamiini paikkoihin, eikä nopeasti vilkaistuna kartassa näyttänyt olevan mitään vikaa. Kartalta näkee selvästi, minkä kuntien taajama-aste on suurin, sillä tummimmat alueet erottuvat kartalta hyvin. Huomataan, että erityisesti pääkaupunkiseutu ja sitä ympäröivät kunnat kuuluvat taajama-asteeltaan suurimpiin kuntiin. Lisäksi kartan vasemmassa alalaidassa näkyvä Hanko kuuluu tähän korkeimman taajama-asteen luokkaan. Myös muut luokat erottuvat kartalta hyvin. Vuokra-asunnoissa asuvien asuntokuntien osuus kaikista asuntokunnista näyttäisi noudattelevan melko tarkasti samaa kaavaa kuin kuntien taajama-asteet. Kunnissa, joissa taajama-aste on suurin, myös vuokra-asunnoissa asuvan väestön osuus on suurin. Vastaavasti maalaismaisemmissa kunnissa vuokra-asumista on vähemmän. Tämä tuntuu loogiselta, sillä yleensä esimerkiksi maaseudulla ihmiset asuvat omakotitaloissa, joita harvemmin vuokrataan keneltäkään. Kaupunkialueilla kerrostaloja taas tilan puutteen vuoksi on huomattavasti enemmän, minkä vuoksi myös vuokra-asuntojen osuus on suurempi. Kartan mukaan Uudellamaalla ei ole yhtäkään kuntaa, joka kuuluisi taajama-asteeltaan korkeimpaan luokkaan, mutta vuokra-asuntojen osuudelta matalimpaan. Toisaalta ei myöskään ole kuntaa, joka kuuluisi matalimman taajama-asteen luokkaan, mutta vuokra-asuntojen osalta suurimpaan.

KK2_kartta

Kuva 3. Uudenmaan kuntien taajama-asteet, sekä vuokra-asunnoissa asuvien asuntokuntien osuudet kaikista asuntokunnista.

Karttaa katsottaessa on syytä huomata, että luokkavälit vaihtelevat molempien muuttujien kohdalla selvästi. Taajama-asteen luokkavälit ovat sitä pienemmät mitä korkeampi taajama-aste on, kun taas vuokra-asunnoissa asuvien luokkaväleistä korkein luokka on suurin. Vaikka jokin kunta kuuluisi taajama-asteeltaan korkeimpaan ryhmään, saattaa sen vuokra-asunnoissa asuvien osuus todellisuudessa olla lähempänä kaikkein matalimman osuuden luokkaa, kuin korkeimman luokan korkeinta arvoa. Karttaa katsoessa kannattaa siis pohtia luokittelun vaikutusta kartan yleisilmeeseen. Ilmiöiden välillä ei välttämättä ole niin selvää korrelaatiota kuin kartta antaa ymmärtää.

Yleispiirteittäin olin ihan tyytyväinen tekemääni karttaan, sillä se on selkeä ja antaa ainakin suuntaa-antavaa tietoa esittämiensä ilmiöiden välisestä suhteesta. Lisäksi muuttujien alueellinen esiintyminen erottuu kartalta kohtalaisen hyvin. Karttaa tulkitessani huomasin, että kuntien nimien laittaminen kartalle olisi voinut olla hyvä idea, sillä itsellänikin tuotti vaikeuksia muistaa mikä kunta oli mikäkin. Anna Laitinen on mielestäni hyvin onnistunut laittamaan Uudenmaan kuntien nimet kartalleen niin, että kartta ei näytä sotkuiselta. Itsekin olisin voinut saman tehdä. En myöskään ole täysin tyytyväinen rasteripintojen valintaan, sillä eri suuntiin osoittavat viivat tekevät kartasta hieman suttuisen. Karttaa tehdessäni kokeilin kuitenkin myös samaan suuntaan osoittavia viivoja, mutta silloin eri luokkia oli mielestäni hieman hankala erottaa toisistaan. Jokin muu kuin viivarasteri olisi ehkä loppujen lopuksi ollut paras vaihtoehto. Kartan lukeminen olisi todennäköisesti myös helpottunut merkittävästi, jos olisin osannut/voinut tehdä karttaan samanlaisen ruudukkolegendan kuin Leonowiczin artikkelissa esitelty. Tällainen legenda olisi ohjannut lukijaa kartan tulkintaan paremmin kuin tavallinen, molempia muuttujia erikseen kuvaava legenda. Ohjelmilla ja niiden käyttäjillä on kuitenkin rajoitteensa, joten tämän parempaan suoritukseen en tällä kertaa pystynyt. Jääpähän seuraavillekin kerroille opittavaa!

Ps. En taida osata tätä blogiakaan oikein käyttää, tekstien muokkaaminen ja oikeanlaisen asettelun saaminen tuntuu mahdottomalta!

Lähteet:

Histogram Tool. <http://illuminations.nctm.org/Activity.aspx?id=4152>

Laitinen, A., (2014). Toinen kurssikerta. Luettu 4.2.2014. <https://blogs.helsinki.fi/annalait/2014/01/30/toinen-kurssikerta/>

Leonowicz, A., (2006). Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija 42: 1, 33-37.

Artikkeli 1: Pohdintaa päällekkäisistä koropleettikartoista

Anna Leonowicz (2006) kertoo artikkelissaan kahden muuttujan koropleettikarttojen hyödyistä ja haitoista vertaamalla niitä yhden muuttujan koropleettikarttoihin. Leonowicz esittää tutkimustuloksia, joiden mukaan yhden muuttujan kartat soveltuvat hyvin sijaintien hahmottamiseen, mutta useamman ilmiön välisten suhteiden määrittäminen on hankalaa. Hyvin suunnitelluissa kahden muuttujan kartoissa puolestaan kahden ilmiön välisten suhteiden tutkiminen on helpompaa, sillä molemmat ilmiöt voidaan esittää samanaikaisesti yhdellä kartalla. Kahden muuttujan koropleettikartan luettavuuteen vaikuttavat kuitenkin merkittävästi graafiset valinnat, kuten sopivat värit, sekä kartassa esitettävien luokkien määrä. Oikeilla valinnoilla kahden muuttujan kartasta voidaan parhaimmillaan saada hyvin informatiivinen ja selkeä, kun taas huonot valinnat voivat johtaa kartan vaikealukuisuuteen ja virhetulkintoihin.

Kriittisyyteni esimerkiksi Helsingin Sanomien karttoja kohtaan kasvaa kasvamistaan, kun opin karttojen tekemisest√§ jatkuvasti lis√§√§. Leonowiczin artikkelin luettuani sain taas lis√§√§ tietoa ja ajattelemisen aihetta siit√§, mit√§ kaikkea on otettava huomioon karttoja laatiessaan. Leonowicz perustelee artikkelissa v√§itteens√§ hyvin ja antaa havainnollistavia esimerkkej√§ sek√§ huonoista, ett√§ hyvist√§ kahden teeman kartoista. Artikkelin luettuani uskon ymm√§rt√§v√§ni yh√§ paremmin oikeanlaisen luokittelun ja visuaalisten valintojen t√§rkeyden karttoja tehdess√§. Kartanlukija, joka yleens√§ ei ole perehtynyt esitett√§v√§√§n aiheeseen yht√§ hyvin kuin kartantekij√§, voi kohdata hankaluuksia kartan tulkinnassa, mik√§li v√§rivalinnat ovat ep√§selkeit√§ tai kartassa esitett√§vi√§ luokkia on liikaa. Tutkimustensa pohjalta Leonowicz esitt√§√§ v√§itteen, ett√§ mik√§li muuttujat on jaettu yli kolmeen luokkaan kumpikin, niin kartasta tulee liian monimutkainen luettavaksi. Kuitenkin hyv√§ll√§ kahta ilmi√∂t√§ esitt√§v√§ll√§ kartalla voidaan helpottaa kartantekij√∂iden ja kartanlukijoiden teht√§v√§√§ ilmi√∂iden v√§listen riippuvuuksien selvitt√§misess√§. Kartan tulkinnassa on vain oltava tarkkana, sill√§ vaikka kaksi ilmi√∂t√§ kartalla n√§ytt√§isiv√§t toisistaan riippuvilta, niiden alueellinen jakautuminen saattaa todellisuudessa johtua jonkin kolmannen ilmi√∂n esiintymisest√§. T√§st√§ kelvollinen esimerkki on jo aiemmilla maantieteen kursseilla tutuksi tullut j√§√§tel√∂nsy√∂nnin ja hukkumiskuolemien v√§linen ‚ÄĚyhteys‚ÄĚ.

Artikkeli herätti kysymyksen, että eikö ilmiön jakaminen mahdollisimman pieneen määrään luokkia yleistä liikaa? Toisaalta, hetken pohdittuani, päädyin siihen, että mikäli luokkia olisi enemmän, kartan luettavuus kärsisi huomattavasti ja tällöin kahden muuttujan kartan tärkein tarkoitus, eli ilmiöiden keskinäisten suhteiden tarkastelu, muuttuisi hyvin hankalaksi ja tekisi kartasta käytännössä turhan. Yksi syy siihen, että kahden muuttujan kartta ei sovellu hyvin yksittäisen ilmiön alueellisen jakautumisen tarkasteluun, onkin varmaan juuri se, että yksittäisiä ilmiöitä yleistetään liikaa, jolloin ilmiön suuruudesta tai alueiden välisistä eroista saatavat tiedot olisivat virheellisiä.

Artikkelissa esiteltiin my√∂s p√§√§llekk√§isiss√§ koropleettiteemakartoissa k√§ytett√§v√§, huomattavasti ‚ÄĚtavallisesta‚ÄĚ poikkeava legenda. Legenda muodostuu tavallisesti joko 2×2- tai 3×3-kokoisesta ruudukosta (riippuen siit√§, kuinka moneen luokkaan ilmi√∂t on jaettu) ja kuvaa samanaikaisesti molempia muuttujia. Legendassa toinen muuttuja esitet√§√§n x-akselilla ja toinen y-akselilla niin, ett√§ legendasta on luettavissa sek√§ yksitt√§isen muuttujan saamat arvot ett√§ muuttujien v√§liset suhteet (Kuva 1). Molemmille ilmi√∂ille valitaan omat v√§rins√§ tai rasteripintansa ja kartan legendassa ik√§√§n kuin laitetaan v√§rit p√§√§llekk√§in. T√§ll√∂in saadaan joko nelj√§ tai yhdeks√§n erilaista v√§riyhdistelm√§√§, jotka kuvaavat ilmi√∂iden yhteist√§ esiintymist√§ kartalla. Ruutujen ei v√§ltt√§m√§tt√§ tarvitse olla kesken√§√§n samankokoisia, vaan niiden kokoja muuttelemalla voidaan esimerkiksi korostaa eripituisia luokkav√§lej√§. Legenda ohjaa lukijaa kartan tulkintaan ja sen avulla my√∂s helposti huomaa ovatko kartassa k√§ytetyt v√§rivalinnat onnistuneet. Onnistuneilla v√§rien tai rasterien valinnoilla kartasta n√§kee selv√§sti, mill√§ alueilla esitett√§v√§t ilmi√∂t ovat voimakkaita, tai v√§hemm√§n voimakkaita. Kuitenkin my√∂s hyv√§n legendan lukeminen p√§√§llekk√§isest√§ teemakartoista edellytt√§√§ lukijalta jo jonkinlaista kokemusta karttojen lukemisesta, sill√§ t√§ysin aloittelijalle kahden ilmi√∂n lukeminen samalta kartalta voi olla hankalaa. Legendan lukemisen hankaluuden oli mielest√§ni onnistuneesti avannut my√∂s Sara Lindholm, joka blogissaan toteaa: ‚ÄĚKenelle tahansa t√§llainen karttaesitys tuskin silti sopii, sill√§ (artikkelin tutkimukseen viitaten) ensimm√§isen vuoden maantiedon opiskelijoillakin oli hankaluuksia lukea karttaa, vaikka heill√§ olettaisi olevan edes jonkin verran keskivertokansalaista enemm√§n ymm√§rryst√§, tai v√§hint√§√§nkin kiinnostusta, karttoja kohtaan.‚ÄĚ

Kurssilla käytetyllä MapInfo-ohjelmalla päällekkäisten koropleettiteemakarttojen tekeminen on mahdollista, mutta tämänhetkisillä taidoillani en ainakaan vielä osaa tehdä legendaa, jossa molemmat muuttujat näytettäisiin samanaikaisesti yhden kuvan avulla. Voi olla, että tällaista legendaa ei MapInfossa ole edes mahdollista tehdä, joten tämä vaikuttaa merkittävästi siihen, millaisia kahden teeman koropleettikarttoja ohjelmalla voi tehdä. Kartassa toiselle teemalle on käytettävä värejä ja toiselle rasteripintoja, sillä mikäli käytettäisiin molemmille värejä, jäisi toinen teema toisen alle piiloon. Lisäksi nyt myös korostuu sopivien rasteripintojen valinta, sillä rasterit on valittava niin, että kartta pysyy selkeänä. Koska legenda täytyy tehdä molemmille muuttujille erikseen, on eri luokkien selkeys ja erottuvuus erityisen tärkeää. Kartanlukijan on pystyttävä itse lukemaan samanaikaisesti kahta eri legendaa, joten virhetulkintojen mahdollisuus on olemassa.

Kahden muuttujan koropleettiteemakartta vaikuttaa kätevältä apuvälineeltä karttojen tekemisessä, mutta väärät valinnat sen tekovaiheessa tuntuvat myös aiheuttavan enemmän mahdollisuuksia virhetulkintojen tekemiseen, kuin muunlaisissa kahden päällekkäisen teeman kartoissa (joista enemmän toisen kurssikerran tekstissä).  Artikkelin luettuani olen kuitenkin melko vakuuttunut siitä, että hyvä kahden muuttujan koropleettikartta voi olla huomattavasti helpompi tapa käsitellä tietynlaista informaatiota kuin useat erilliset teemakartat. Tästä syystä halusinkin itse myös harjoitella hyvän päällekkäisen koropleettiteemakartan tekoa, joten tein toisen kurssikerran karttani käyttämällä muuttujina vuokra-asuntojen osuutta kuntien asunnoista ja kunnan taajama-astetta. Tästä kuitenkin lisää vasta seuraavassa tekstissä.

Lähteet:

Leonowicz, A., (2006). Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija 42: 1, 33-37.

Lindholm, S. Artikkeli 1; Kaksi teemaa ja karttaselitekin lähempänä diagrammia…mutta huoli pois! Luettu 31.1.2014. <https://blogs.helsinki.fi/saralind/>

Kurssikerta 1: (Uudelleen)tutustumista MapInfoon

Ensimmäisellä kurssikerralla käytiin läpi kurssikäytäntöjä ja kerrattiin paikkatietoon liittyviä perusasioita. Lisäksi verestettiin muistoja MapInfo-ohjelmasta, johon lyhyesti oli tutustuttu jo syksyllä käydyllä TAK-kurssilla. MapInfon toimintojen kertaaminen tuli ainakin itselläni todella tarpeeseen, sillä muistiin ei aiemmista kokemuksista ollut jäänyt oikeastaan yhtään mitään. Käytännössä kertaaminen tuntui enemmänkin siltä, kuin olisi opetellut kaiken alusta asti uudestaan. Vielä ensimmäisen kurssikerran jälkeenkin ohjelma tuntuu esimerkiksi CorelDraw’hon verrattuna todella epäloogiselta ja vaikeakäyttöiseltä. Kurssia on kuitenkin vielä jäljellä, joten varmasti ajan kanssa MapInfonkin käyttö alkaa sujua.

Ensimm√§isen√§ harjoitusteht√§v√§n√§ oli luoda valmiille Suomen kuntia kuvaavalle kartalle koropleettiesitys jostain valitsemastaan aiheesta. Itse p√§√§dyin valitsemaan 0-14 ‚Äďvuotiaiden lasten osuuden kunnan v√§est√∂st√§ (Kuva 1). Koska pohjakartta ja muu aineisto saatiin valmiina MapInfosta, kartan tekemisess√§ korostuivat erityisesti v√§rivalinnat ja sopivan luokittelutavan valitseminen omalle aineistolle. Luokittelutavan valinnassa k√§ytettiin apuna internetist√§ l√∂ytyv√§√§ histogrammity√∂kalua, jonka avulla saattoi tutkia aineiston jakautumista (Kuva 2). Histogrammista n√§hd√§√§n, ett√§ oma aineistoni oli melko vinosti jakautunut. Toisaalta aineisto n√§ytt√§√§ muodoltaan my√∂s hieman normaalijakautuneelta, joten p√§√§dyin samaan luokittelutapaan kuin Henri Frestadius:

‚ÄĚValitsin aineiston luokitteluksi kvantiilit, koska se sopii sek√§ normaalijakaumiin ett√§ vinoihin jakaumin.‚ÄĚ

KK1_kartta2

Kuva 1. 0-14 -vuotiaiden osuus Suomen kuntien väestöstä.

Kvantiilit tuntuivat minunkin mielestäni luokittelutavoista järkevimmältä (joskin hieman tylsältä), sillä niiden avulla kaikkiin luokkiin tuli yhtä paljon havaintoja ja kartan lopputulos näytti siistiltä. Kartan väreiksi valitsin sinisen ja keltaisen sävyjä, sillä värit olivat sopivan neutraaleja ja kaikki luokat erottuivat selkeästi toisistaan. Selkeyden vuoksi päätin myös jakaa aineiston neljään luokkaan. Näin kartta on selkeä mutta ei kuitenkaan yleistä liikaa. Lisäksi neljällä luokalla kaikkiin luokkiin sai saman verran havaintoja, kun viidellä luokalla MapInfo ei olisi jakanut havaintoja tasan.

Image2

Kuva 2. Histogrammi 0-14 -vuotiaiden osuuksista kunnissa.

Lopullinen kartta on mielest√§ni selke√§ ja informatiivinen. Siit√§ n√§kee hyvin, mill√§ alueilla Suomessa on suhteessa eniten 0-14 ‚Äďvuotiaita, samoin kuin sen, mill√§ alueilla heit√§ on v√§h√§n. Legendasta voi my√∂s p√§√§tell√§, ett√§ puolessa Suomen kunnista 0-14 ‚Äďvuotiaita on alle 15,7% kunnan v√§est√∂st√§, mutta jossain kunnassa heid√§n osuutensa v√§est√∂st√§ on jopa 35%. Mit√§ kartta ei kerro, on miss√§ yksitt√§isess√§ kunnassa t√§m√§n ik√§isi√§ on suhteessa kaikkein eniten tai v√§hiten, mutta yleispiirteitt√§in voi sanoa, ett√§ suhteessa eniten nuoria on L√§nsi-Suomessa, ja v√§hiten It√§-Suomessa ja Lapissa. Lis√§ksi Ilkka Saarisen blogia lukiessani ymm√§rsin, ett√§ karttaa tutkiessa on syyt√§ ottaa huomioon se, ett√§ luokkav√§lit kvantiileilla eiv√§t ole l√§hesk√§√§n samansuuruiset. Sen takia kartasta saattaa saada kuvan, ett√§ samaan luokkaan kuuluvilla kunnilla olisi suhteessa suurin piirtein saman verran 0-14 ‚Äďvuotiaita, vaikka erityisesti tumman sinisess√§ luokassa olevilla kunnilla erot voivat olla todella suuret.

Kartan tekemiseen MapInfolla kului aika pitkä aika, sillä itse en ainakaan vielä osannut juuri mitään toimintoja suorittaa ilman ohjeita. Lisäksi ongelmia ilmeni esimerkiksi pohjoisnuolen sijoittamisen kanssa, sillä ensimmäisestä valitsemastani nuolesta tuli täysin väärän värinen ja se osoitti ihan väärään suuntaan. Koska en vielä oikein ymmärrä miten MapInfo toimii, en osannut tietenkään myöskään poistaa nuolta, vaan sen sijaan tein tilalle uuden, jonka sijoitin sopivampaan paikkaan. Koska edellistä nuolta en saanut millään pois, jouduin lopuksi vähän huijaamaan: kun olin tehnyt valmiista kartasta kuvan, vein sen Paint-ohjelmaan ja kumitin nuolen siellä. Lopputuloksesta tuli onneksi ihan siisti.

Jostain syystä MapInfo rajasi osan %-merkistä pois, kun legendaa sijoitteli Layout-ikkunaan. Edes legendalaatikon koon leventäminen ei saanut merkkiä näkymään kokonaan, joten lopullisessa kartassa merkki näkyy edelleen vain puolittain. Lisäksi legendan, mittakaavan ja pohjoisnuolen olisi ehkä voinut sijoittaa johonkin parempaankin paikkaan, mutta myönnettävä on, että kartanteon loppuvaiheessa hermot alkoivat olla jo sen verran kireällä, että kiinnostus ei enää riittänyt pienien yksityiskohtien korjaamiseen. Onneksi virheistä oppii!

Lähteet:

Frestadius, H. 1. Kurssikerta – MapInfo ja koropleettikartta. Luettu 28.1.2014. <https://blogs.helsinki.fi/henfrest/>

Histogram Tool (2014). NCTM, Illuminations ‚Äď Resources For Teaching Math. Luettu 27.1.2014. <http://illuminations.nctm.org/Activity.aspx?id=4152>

Saarinen, I. KK1 РMapInfo tutuksi ja harjoitus Suomen kunnat -aineiston  pohjalta. Luettu 28.1.2014. <https://blogs.helsinki.fi/ilkkasaa/>