Mapping America: SWOT-analyysi

The New York Timesin Mapping America –palvelu tarjoaa ”tavallisille” ihmisille paikkatietoa ympäri USA:n helposti ja nopeasti. Palvelun ehdottomia vahvuuksia ovat sen helppokäyttöisyys ja selkeys: värien käyttö kartoissa on suurimmaksi osaksi loogista ja visuaalisesti miellyttävää ja karttaselitteet ovat hyvät. Palvelua käyttääkseen ei tarvitse myöskään olla kovin kummoinen ATK-guru, sillä erilaisten karttojen tutkiminen onnistuu parilla hiiren klikkauksella. Lisäksi saatavilla on karttoja mielenkiintoisista ja helposti ymmärrettävistä aiheista, kuten etnisten ryhmien jakautumisesta tai alueiden asuntojen hinnoista.

Mapping America –palvelu on päällisin puolin erittäin hyvä, eikä siinä suurempia vikoja tunnu olevan. Yksi heikkouksista kuitenkin on ehkä hieman epäselvä aluejako. Kun hiirtä siirtelee katseltavan alueen yläpuolella, näkyville saa pienempien alueiden asukasluvun, sekä tarkat lukemat tutkittavasta ilmiöstä. Mikäli katselee lähes koko USA:n karttaa, ilmiön esiintyminen näytetään maakunnittain, mutta zoomatessa lähemmäs alueet pienenevät ja esimerkiksi New Yorkin kaupungin keskustassa alueet on rajattu hieman epämääräisen oloisesti (ainakin näin tietämättömän silmin katsottuna). Tilastojen tarkkuus myös vaihtelee eri puolilla maata ja esimerkiksi juuri New Yorkista (missä lehden suurin lukijakunta asuu) tietoa on mahdollista saada jopa korttelin tarkkuudella, kun taas muilla alueilla tieto on hieman yleistetympää.

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 sisältää myös paljon mahdollisuuksia, joista tärkeimpänä mieleen tulee käyttö opetustarkoituksessa. Kuten Laura Hintsanenkin blogissaan toteaa: ”Opettaja voi joko itse laatia opetusmateriaalia aineiston pohjalta tai laittaa oppilaat tekemään projektityötä jostain aiheesta sivuston avulla. Paikkatietoaineiston käyttäminen tulisi samalla oppilaille tutuksi.” Palvelu toimisi nimenomaan loistavana keinona paikkatietoaineistojen käytön opetuksessa. Mahdollista olisi ehkä myös kehittää palveluun ominaisuus, jonka avulla eri ilmiöitä voisi tarkastella kartalla samanaikaisesti (vaikka asettamalla eri karttatasoja päällekkäin) ja siten nähdä kartalta mahdollisia yhteyksiä ilmiöiden välillä. Mielenkiintoista voisi esimerkiksi olla laittaa kolmannen asteen tutkintoja ja asuntojen hintatasoja esittävät kartat päällekkäin ja tutkia ilmiöiden välistä mahdollista korrelaatiota.  Tämä 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 –palvelu on Tilastokeskuksen vastaaviin palveluihin verrattuna melko erilainen. Tilastokeskuksen tarjoamat tiedot eivät ole kenen tahansa käytettävissä, mikä lisää esimerkiksi niiden henkilöiden yksityisyydensuojaa, keitä kyseiset tiedot koskevat. Toisaalta The New York Times ei myöskään tarjoa tietoa yksittäisistä henkilöistä, joten tietoa voidaan pitää kohtalaisen turvallisena. Mapping America –palvelun tarjoama informaatio on kuitenkin melko rajoitettua, mikä johtuu juurikin sen helposta saatavuudesta. Tilastokeskuksesta saa monipuolisempaa tietoa, mutta tiedon hankkimisen eteen joutuu näkemään vaivaa enemmän. Lisäksi, kuten Mapping America –palvelun sivuillakin mainitaan, sieltä saatava informaatio ei ole täysin luotettavaa, vaan siihen tulee suhtautua enemmän suuntaa-antavina arvioina. Tilastokeskus on tässä mielessä luotettavampi tiedon lähde esimerkiksi tutkimustarkoituksissa, kun taas Mapping America toimii paremmin yleissivistävänä palveluna. Olen ehdottoman samaa mieltä Jenni Kerolan kanssa, jonka mielestä ”samanlainen palvelu esimerkiksi Hesarin nettisivulla voisi innostaa ihmisiä tutkimaan näitä valtavan suuria tietokantoja ja laatimaan vaikka minkälaista analyysiä ja karttaa, jotka kiihdyttäisivät maailmantuntemusta entisestään”. Suomessa, kuten myös muissa maissa vastaava palvelu voisi parhaimmillaan samanaikaisesti sekä viihdyttää että sivistää myös ”tavallisia” ihmisiä.

Lähteet:

Hintsanen, L. (2014). Mapping America: Every City, Every Block – 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, että miten mittakaavan sovittaminen lopulliseen Layout-ikkunaan tapahtuu. Tavallisesti olen onnistunut saamaan mittakaavan kutakuinkin siihen mihin haluankin, mutta tällä viikolla kaikkia kikkakolmosia kokeiltuani jouduin toteamaan, että asettelusta ei tullut yhtään mitään. Vaikka kuinka yritin siirrellä mittakaavaa ympäri karttaa, se suostui vaihtamaan paikkaansa Layout-ikkunassa ainoastaan vaakasuunnassa ja osittain siitä syystä kartoistani tuli rumia. Ärsyttävää.

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 – Opettajan kengissä. 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.

Tämänhetkinen suosikkini MapInfon toiminnoista on ehdottomasti juuri oppimani kyselyvalikosta löytyvä Select-toiminto. Se tuntuu toimivan tehokkaasti niin valintatyökaluna kuin tiedonhankintavälineenäkin. Kyseisen toiminnon avulla suuristakin tietokannoista on helposti löydettävissä yksittäisiä tietoja, kunhan vain osaa rajata haluamansa tiedot oikealla tavalla. Kätevää on myös se, että Select-toiminnolla etsityt kohteet saa valittua myös kartalta, jolloin esimerkiksi usean alueen samanaikainen tutkiminen tai muokkaaminen on mahdollista. Myös tietokantojen yhdistely on mielestäni erittäin hyödyllinen toiminto, sillä mitä vähemmän taulukoita on pyöriteltävänä, sitä helpommin tehtävät tavallisesti sujuvat.  Tilasto-ohjelmana MapInfo on myös kelvollinen, mutta Anniina Miettisen tavoin olen sitä mieltä, että ”Excelin ja SPSS:n kaltaisista varsinaisista tilastointiohjelmista MapInfo kuitenkin erottuu luonnollisesti kyvyllään esittää taulukoita kartalla.” MapInfon tietokantojen siirtäminen kartoille onkin varmasti yksi ohjelman helpoimmista toiminnoista.

Työkaluista kaikki tuntuvat mielestäni melko hyödyllisiltä. Erityisesti työkalut, joita voi käyttää samanaikaisesti, kuten boundary select ja Σ-työkalu, tuntuvat yhdessä käytettynä hyviltä tavoilta saada nopeasti haluttua informaatiota tietyiltä alueilta. Toistaiseksi mikään työkaluista ei ole pienen harjoittelun jälkeen tuntunut kovin vaikealta käyttää, mutta erityisesti piirtotyökalut tuntuvat toisinaan hieman jähmeiltä. Ongelmaksi usein muodostuu sama asia, mikä jo Corelin käytössä vaivasi hieman, eli objektien sijoittaminen oikealle tasolle. Corelissa kuitenkin jokaisen tason objektit oli mahdollista nähdä allekkain listattuna kunkin tason kohdalla, mikä on ominaisuus, joka mielestäni olisi MapInfossakin hyödyllinen. Toisaalta on muistettava, että toisin kuin Corelin, MapInfon tärkeimmät ominaisuudet eivät liity piirtämiseen, vaan ovat painottuneet enemmänkin 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

Neljännellä kurssikerralla tutustuimme ruututeemakarttojen tekemiseen, sekä lyhyesti myös siihen, kuinka rasterikarttoja kiinnitetään koordinaatistoon MapInfon avulla ja miten MapInfolla piirtäminen toimii. Ruututeemakartta on kartta, jossa tutkittava alue on ruudukon avulla jaettu yhtä suuriin osiin. Kartan teko aloitettiin luomalla pääkaupunkiseutua kuvaavan kartan päälle tietyn kokoisista ruuduista koostuva ruudukko. Tämän jälkeen uuteen tietokantaan kerättiin haluttu informaatio valmiista pääkaupunkiseudun väestötietokannasta. Ensin teimme yhdessä 500mx500m kokoisista ruuduista koostuvan ruututeemakartan, joka esitti 25-35 –vuotiaiden ihmisten määrää pääkaupunkiseudulla. Tämän jälkeen tehtävänämme oli itse laatia oma ruututeemakartta haluamastamme aiheesta, kokeillen ainakin kahta erikokoisista ruuduista koostuvaa ruudukkoa.

Aluksi päätin tehdä oman ruututeemakarttani muunkielisen väestön (väestö, joka äidinkielenään puhuu muuta kieltä, kuin suomea tai ruotsia) suhteellisista osuuksista pääkaupunkiseudulla. Ensimmäisen version tehtyäni huomasin kuitenkin, että kartta ei anna kovinkaan paljon tietoa muunkielisten alueellisesta jakaantumisesta, sillä kaikissa kartan ruuduissa ei ollut keskenään yhtä monta asukasta. Tämä johti siihen, että mikäli jonkin ruudun alueella oli vain yksi asukas ja tämä oli muunkielinen, oli muunkielisten osuus kyseisessä ruudussa 100 %. Toisaalta jonkin ruudun alueella saattoi olla lähes 1000 asukasta, joista esimerkiksi 200 oli muunkielisiä, jolloin muunkielisten osuus alueella oli ainoastaan 20 %. Totesin siis, että suhteellisten lukujen esittäminen ruututeemakartalla ei ollut ainakaan tässä tapauksessa järkevää. Tämä erottaa ruututeemakartan tavallisesta koropleettikartasta, sillä kuten Pyry Poutanenkin huomauttaa: ”Perinteisen koropleettikartan yksi heikkous on se, että alueet on yleensä jaettu erikokoisiin alueisiin, jolloin absoluuttisten havaintojen esittäminen ei ole mielekästä. Suhteellisten lukujen (kuten as/km²) esittäminen taas toimii usein hyvin.” Ruututeemakartassa puolestaan absoluuttisten määrien esittäminen voi olla ihan järkevää, sillä tutkittava alue on jaettu samankokoisiin ruutuihin, joten esimerkiksi asutustiheyksien tutkiminen asukasmäärien avulla on helppoa. Siis vaikka kartalla esittäisi absoluuttisia arvoja, voi siitä silti päätellä myös suhteellisia osuuksia. Tällä 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, että pienemmillä ruuduilla tehty ruudukko oli järkevämpi ja informatiivisempi. Olen samaa mieltä Jasmin Bayarin kanssa, joka blogissaan toteaa: ”Erilaisia ruutukokoja kokeilemalla huomasi, miten kartan ulkonäkö muuttuu ja informaatio tavallaan vääristyy tai on vaikeammin tulkittavissa.” Suuremmat ruudut tuntuivat yleistävän aineistoa liikaa ja luokittelun jälkeenkin alueet, joilla oli eniten muunkielisiä, korostuivat mielestäni turhan paljon. Siksi valitsin blogiini pienempiä ruutuja sisältävän ruututeemakartan (Kuva 2). Ei ole kovin yllättävää, että eniten muunkielisiä on Helsingin keskustan alueella, missä myös muuta väestöä on paljon. Keskustassa korostuvat erityisesti Kallion alue, sekä Pasila, Kamppi, Ruoholahti ja Punavuori, jossa muun muassa sijaitsevat monien valtioiden suurlähetystöt. Lisäksi muunkieliset näyttäisivät keskittyvän junaratojen varsille, sekä Itä-Helsinkiin erityisesti Kontulan ja Vuosaaren alueille. Espoossa suurimmat keskittymät ovat Espoon keskuksessa ja Matinkylän alueella ja Vantaalla Korson ja Hakunilan ympäristössä.

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 – 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 edellisellä kurssikerralla opittiin, ilmiöiden välisiä yhteyksiä on helppo tutkia päällekkäisten teemakarttojen avulla. Konfliktien laajuuksien sekä timanttikaivoksen löytämisvuoden, sijaintien ja kaivausten aloitusvuosien perusteella voisi päätellä, ovatko mahdolliset kaivoksen alueelle osuvat konfliktit vaikuttaneet kaivoksen toimintaan. Toisaalta konfliktien tapahtumavuosien avulla voitaisiin selvittää, onko konflikteilla vaikutusta Internetin käyttäjien määrään. Hidastavatko toistuvat konfliktit Internetin käyttäjämäärien lisääntymistä ja siten valtion mahdollista kehittymistä? Pohdin myös samaa asiaa kuin Laura Hintsanen blogissaan: ”Konfliktin tapahtumavuosi ja laajuus kertovat sen sijaan valtion sosiaalisesta tilanteesta. Jos konflikti on tapahtunut hiljattain ja ollut laaja, voidaan olettaa, että valtio on murrosvaiheessa ja olot ovat joko edelleen levottomat tai uudelleenrakentaminen on käynnissä.” Konfliktien laajuus voi kertoa joko valtioiden välisistä ongelmista tai vaihtoehtoisesti ongelmista yhden valtion sisällä.

Kurssikerran jälkimmäisellä puoliskolla tehtiin itse kartta Suomen valuma-alueiden tulvaherkkyyksistä ja järvisyyksistä, jonka tekemisessä joutui yhdistelemään eri tietokantoja samalla tavalla kuin alkuun oli harjoiteltu. Tällä kertaa kaikki kurssilaiset tekivät karttansa samasta aiheesta: pohjalla oli koropleettikartta, joka kuvasi Suomen tulvaherkkyyttä tulvaindeksin avulla ja sen päällä pylväät, jotka esittivät eri alueiden järvisyysastetta. Tulvaindeksi ei löytynyt alkuperäisistä tietokannoista erikseen, joten se oli laskettava itse keskiylivirtaaman, sekä keskialivirtaaman avulla. Keskiylivirtaamalla tarkoitetaan virtaaman, eli tietyn uoman poikkileikkauksen läpi sekunnissa kulkevan vesimäärän, ylimpien mitattujen arvojen keskiarvoa. Keskialivirtaama vastaavasti on alimpien mitattujen arvojen keskiarvo (Paarlahti 2014). Tulvaindeksi on keskiylivirtaaman ja –alivirtaaman osamäärä. MapInfon tietokannoissa ei myöskään ollut järvisyysprosentteja annettu ennalta, vaan ne oli tuotava taulukoihin Excelistä löytyvästä erillisestä 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.

Ääriarvojen väliin jäävissä luokittelussa sekä luokitteluun että värivalintoihin jäi parantamisen varaa. Selkeämpi ratkaisu olisi saattanut olla jakaa koko aineisto neljään luokkaan, mutta toisaalta silloin yleistyksiä olisi tullut myös enemmän. Siksi ehkä paras parannus karttaan olisi saatu vaihtamalla keskimmäisten luokkien värejä. Lisäksi toiseksi korkeimman tulvaindeksin luokan luokkaväli on huomattavasti suurempi kuin muiden luokkien, mikä saattaa johtaa lukijaa harhaan ja antaa kuvaa siitä, että kyseisen luokan arvot ovat huomattavasti todellisuutta suurempia. Tämän korjaamiseen en tosin keksi ratkaisua, sillä suurimman ongelman tässä aiheuttaa se, että 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.