Author Archives: Tuli A Siven

Kurssikerta 7.

Viimeisellä kerralla pääsimme tekemään itsenäisesti karttoja. Tarkoituksena oli tehdä kartta jostain haluamaltaan alueeltaan ja kerätä valmiiksi aineistoja sitä varten. Olisin halunnut tehdä yksittäisestä maasta (ei Suomesta) mutta kuten Emma Piela kirjoitti: “Etsin kiinnostavaa dataa monilta sivuilta, mutta kuitenkin monilla sivustoilla törmäsin ongelmaan; aineistoja olikin vaikea löytää.” Törmäsin samaan ongelmaan. Siksi myös minä valitsin Euroopan alueen. Etsin kotona valmiiksi jo tilastoja. Olimme jo edellisellä kerralla oppineet miten tuodaan itse uutta tietoa, muokataan exelissä ja tuodaan kartalle paikkatiedoksi. Tämä onnistui sujuvasti. Olin valinnut bittimuotoisen kartan mutta Arttu sanoi, että kannattaa olla jo valmis paikkatietokanta. Tein siis näin. Kun sai helpotusta tehtävään tuli valmiita kahden muuttujan karttoja olla kaksi yhden sijaan. Löysin nopeasti tällaisen oikean kartan Artun näyttämältä sivulta ja latasin sen.

Etsin lisää tilastoja toiseen karttaan. Se oli onneksi helppoa Eurostatin sivuilta. Olin todella summamutikassa valinnut aiheita. En halunnut, että kaksi karttaa liittyvät toisiinsa koska halusin saada ihan eri tietoa molemmista. Ensimmäisen kartan tekoon tarvitsin vähän neuvoja mutta sen tekeminen sujui jouhevasti ja tuntui, että ensimmäistä kertaa osasin hyvin itse soveltaa jo aiemmin oppimaani. Onnistuin tekemään SQL-kyselyitä ja muokkaamaan hyvin exelin. Vaikka olen osannut tehdä näitä aiemminkin niin nyt tuntui, että ymmärsin kunnolla mitä tein.

Olin valinnut tiedoiksi sellaisia mitkä olivat jo valmiiksi suhteutetussa muodossa. Ensimmäisessä kartassa on syntyneiden kuolleisuus ja naisten keskimääräinen synnytysikä. Molemmat tiedot ovat vuodelta 2014. Ajattelin, että yhteys löytyisi siitä kun mitä koulutetumpaa ja hyvinvoivampaa väestö sen korkeampi synnytysikä. Kartasta näkeekin hyvin kuinka maat, joissa synnytysikä on matalampi kuin muualla, myös syntyneiden kuolleisuus on suurempi. Ihmishahmo havainnollistaa syntyneiden kuolleisuutta, mitä suurempi sen suurempi kuolleisuus. En tiedä onko paras avainnollistamistapa mutta tiedon näkee nopeasti kartalta. Sininen väri on myös neutraali ja keskittyy katsomaan tummuuseroja ja ihmiskuvakkeita. Tein kartan siniseksi koska ihmishahmot ovat myös sinisiä. Näin ne eivät ole ristiriidassa. Kartassa myös näkee, että ei syntyneiden kuolleisuus kasva täysin sitä mukaa, jos synnytysikä laskee. Esimerkiksi Ruotsissa on korkeampi keskimääräinen synnytysikä kuin Suomessa mutta kummassakin on pieni kuolleisuus. Suomessa pienin.

Toisessa kartassa en heti löytänyt aihetta ja ajattelin, että en halua kuvata toista muuttujaa viivoituskuviolla kurssi kakkosen vuoksi mutta tässä se toimi mielestäni kuitenkin hyvin. Muuttujat eivät ehkä ole täysin vertailukelpoisia koska toisessa on 18-vuotiaat ja toisessa 15-vutoiaat. Ajatukseni oli nähdä onko maissa millainen lukutaito ja jos se on huono niin onko automaattisesti myös niin, että koulutuksessa on myös vähän nuoria myöhemmin. Kartassa tummin väri kertoo 18-vuotiaiden osallistumisasteen koulutukseen ja tihein viivoitus kertoo matalimman lukutaidon. Toinen näistä muuttujista olisi voinut olla toisinpäin. Niin, että tummimmalla näkyisi matalin koulutusaste ja lukutaito tai vaaleimmalla. Nyt kuitenkin mielenkiintoisesti huomasin, että Ruotsi on tummin Liettuan kanssa. Niissä on siis korkea 18-vuotiaiden osallistumisaste koulutukseen mutta matala lukutaito. Ruotsissa tämä ehkä selittyy maahanmuuttajien määrällä. Vähän outo tulos. Ehkä analysoin pieleen. Piristin tekemistä ja tein kartasta pinkin.

Oppimaani kun mietin niin en vielä osaa kaikkea mitä käsiteltiin kurssilla mutta näiden karttojen teko ja tiedon hankkiminen muualta ja sen muokkaaminen onnistuneesti oikeaan muotoon on antanut itseluottamusta osaamiseeni. Tiedän, että tarvitsen lisää harjoittelua mutta ei se mitään koska tykkään tehdä näitä karttoja ja haluan oppia paljon lisää ja kehittää osaamistani.

 

Lähteet:

Emma Piela. Emman blogi. VKO7: Viimeinen kerta. <https://blogs.helsinki.fi/emmapiel/> Luettu 19.3.2017.

Eurostat. <http://ec.europa.eu/eurostat/data/database>

 

Kurssikerta 6.

Tämä kurssikerta oli tosi kiva. Menimme alussa geokoodaamaan. Otimme GPS-laitteella pienryhmissä pisteiden sijainteja joistakin aiheista. Meillä oli Kumpulassa olevia keltaisia taloja. Niitä oli kyllä riittävästi. Sisällä luokassa laitoimme tiedot exeliin ja siirsimme sen Kumpulan kampusta ympäröivälle kartalle. Meidän pisteet muodostivat jonon yhdellä tiellä. Tämä oli kivaa ja konkreettista. Odotan kenttäjuttuja lisää. Varsinainen karttatyö oli pistekarttojen tekeminen eri hasardeista. Tämä kerta oli varsin helppo ja karttojen teko onnistui hyvin. Tarkoituksena oli tehdä karttoja, joilla voisi opettaa jotain. Käytimme maailmankarttaa pohjana. Lisäsin tietoa tulivuorien sijainnista ja maanjäristyksistä. Jätin meteoriitit pois. Tein yksinkertaiset kaksi karttaa, jotka sijoitin päällekkäin. Päällekkäin on tulivuoret ja yli 6 Richterin maanjäristykset. Näin kartasta nähdään kuinka tulivuoret ja maanjäristysalueet sijaitsevat samoilla alueilla mannerlaattojen reunakohdissa. Joitain tulivuoria ja manjäristyksiä on toki näiden ulkopuolella mutta vain vähän. Mielestäni kartat sopivat hyvin opetustarkoitukseen koska ne havainnollistavat eri ilmiöitä, jotka kuitenkin liittyvät toisiinsa. Lisänä havainnollistamassa voisi olla litosfäärilaattojen rajat kuvattuna. Näin olisi parempi kokonaisuus. Toin tällaisen kuvan omien karttojeni loppuun. Muita lisäyksiä tehtyihin karttoihin voisi olla esimerkiksi mitä Henna Kukkola kirjoitti blogissaan: “Esimerkiksi merien ja maanosien nimeäminen, mannerlaattojen rajojen merkitseminen tai ilmiöiden ajallinen tai voimakkuuden määrittävä jaottelu toisivat kaikki kartoille lisää informaatiota sekä mahdollisuuksia niiden käyttöön”. Olisin voinut alla oleviin karttoihin lisätä myös legendan.

Tulivuoret

Yli 6 Richterin maanjäristykset

Molemmat päällekkäin

Litosfäärilaattojen reunat (netistä tuotu kuva)

Lähteet:

Henna Kukkola. Hennan blogi. Kurssikerta 6: Tiedon tuottaminen ja opetuskarttoja. <https://blogs.helsinki.fi/hennakuk/> Luettu 18.3.2017.

Maanjäristystietokanta <http://quake.geo.berkeley.edu/anss/catalog-search.html>

Tulivuoritietokanta <https://catalog.data.gov/dataset/global-volcano-locations-database>

Peda.net. Tellus 1 maailma muutoksessa. Maanjäristysten synty. <https://peda.net/oppimateriaalit/e-oppi/lukiot/vantaa2/martinlaakson-lukio/maantiede/karhu/t1mmoo2/ge-uusi-1f/mjt> Luettu 18.3.2017.

Kurssikerta 5.

Viidennen kerran alussa piti olla tiet ja talot piirrettynä Pornaisten alueelle. Tämä kerta oli minulle vaikea koska tuntui, että tarvitsin normaalia enemmä neuvoja ja, että näytetään miten jokin asia tehdään. Vaikka alussa vähän näytettiinkin meidän piti itse tehdä tällä kerralla pääasiassa kuin vain oppia täysin uutta. Tarkemmatkin ohjeet eivät olleet aivan kohta kohdalta tarkkoja. Tämä turhautti aluksi koska tuntui, että en osannut mitään. Pikkuhiljaa se kuitenkin toimi. Sillä tavalla oppi parhaiten. Vieruskaverin kassa ihmettely auttoi myös eteenpäin ja kannusti. Jouduin menemään iltaan, mikä oli myös yksi tekijä koska näitä neljän tunnin kertoja on helpompi tehdä aamuisin pää virkeänä vaikka olisi väsynyt.

Itse puskurit ovat hyödyllinen työkalu kun sillä saa hyvin kohdennettua tietoa. Iisa tiivsiti hyvin mihin buffereita voi käyttää: “Bufferointi -työkalu sopii ominaisuuksiltaan esimerkiksi vaikutusalueiden, levinneisyyden sekä saavutettavuuden tutkimiseen.” Teimme mm. bufferin tien ympärille ja laskimme paljonko taloja sijaitsi tien läheisyydessä. Tällaista voi käyttää kun suunnitellaan tietä jollekin alueelle. Sitten tiedetään mihin meluaidan kannattaa sijoittaa. Varsinainen oma tehtävä sijoittui lentokenttiin. Etsimme ne kartasta ja piirsimme ja aloitimme bufferoinnin. Tehtäviä oli paljon. Juna-asemia ja taajama tehtäviä. Tilastojen käyttö tuntui vaikealta. Olin unohtanut paljon viime kerroista. Huomasin, että kaipaisin ehkä myös harjoittelua kurssien ulkopuolella itsenäisesti, jotta osaisin todella hyvin asiat, koska haluaisin. Lopulta tuli luontevammaksi query kyselyjen tekemiset ja olen käyttänyt niitä tulevillakin kerroilla (Kyllä kirjoitan tätä todella myöhässä ja siksi en muista kaikkea tarkkaan… huonoa oppimista). Osaan tehdä teema-karttoja ja piirtää karttoja. Tilastoihin sarakkeiden lisäämiset ja kyselyt onnistuvat jo paremmin. Muuten tuntuu, että olen vähän pihalla vielä.

Lähteet:

Iisa Hyypiä. Iisaan PAK-blogi. Kurssikerta 5: Bufferointi. <https://blogs.helsinki.fi/hiisa/> Luettu 18.3.2017

Kurssikerta 4.

Tällä kerralla teimme ruututeemakarttoja ja lopuksi valmistelimme Pornaisten aineiston seuraavaa kurssikertaa varten. Tehtävänä oli valita aihe ja tehdä siitä tietyllä ruutukoolla kartta. Valitsin 1-vuotiaat pääkaupunkiseudulla. Valitsin 250 x 250 metrin ruudut. Karttaa oli kiva tehdä koska ruututeemakartat muistuttavat vähän koropleettikarttoja. Ruudut kuitenkin esittävät absoluuttisia arvoja. Niitä tulee luettua helposti suhteutettuna arvona. Kartassani Pääkaupunkiseuden pohjoisosissa syntyy vähän vauvoja. Se korostuu yksittäisten ruutujen vuoksi. Koropleettikartalla alue olisi kokonaan väritetty ja arvot voisivat olla erilaisia koska tuolla alueella asuu muutenkin vähän ihmisiä. Tommy kuitenkin kiteytti hyvin hyvät puolet ruutujen käytössä: “Ruudukko on siksi hyödyllinen apuväline tilastoja ja teemakarttoja luodessa, että ne ovat identtisen kokoisia ja siten täysin verrattavissa toisiinsa. Esimerkiksi kuntien väkimääriä on huono verrata suoraan toisiinsa, sillä kunnat ovat hyvin erikokoisia yksikköjä.”

Minua häiritsee enemmän ja enemmän se, että kartassani ruutukoko on niin pieni. 500 m ruutukoossa ruudut olisivat peittäneet laajempia alueita ja karttaa voisi olla mukavampi lukea. Kartta antaa yksipuolista informaatiota. Vaikka kartta esittää vain 1-vuotiaita se antaa kuvan kuin ketään ei asuisi joissain osissa, juuri Espoon ja Vantaan pohjoisosissa. Valitsin 1-vuotiaat koska minua kiinnosti missä on juuri syntynyt lapsia eniten. Kartta kertoo kuitenkin vain absoluuttisen määrän ei sitä kuinka monta 1-vuotiasta on syntynyt per henkilö. Olisin voinut laskea arvot suhteellisiksi jo aluksi kuten Valtteri Lehto teki: “Halusin esittää ruutukohtaisesti pääkaupunkiseudun ulkomaalaisten suhteellisia osuuksia.” Näin ruutukohtaisen tiedon esittäminen on järkevää. Mietin olisiko pistekartta parempi. Mielestäni ruutukarttaa on mukavampi lukea kuin pistekarttaa. Niistä saa suunnilleen saman tiedon ja ne kertovat aiheiden sijainnin. Pistekarttaa ei tosin tule sekoitettua koropleettikartan kaltaiseen aineistoon. Kartastani oli vaikea selvittää missä oli mikin alue. Lisäsin karttaani Alueiden nimet. Teiden lisääminen myös olisi näyttänyt liian sotkuiselta. Tärkeimpien teiden ja raiteiden sijainnin näkee kuitenkin vähän viivaisina suurina määrinä ruutuja, kuten Helsingistä Korsoon suuntautuvalla alueella.

 

Lähteet:

Tommy Tienhaara. Tommy’s blog. Vol. 4. <https://blogs.helsinki.fi/ttienhaa/> Luettu 19.3.2017

Valtteri Lehto. Pakki sekaisin blogi. Kurssikerta 4: Be a square. <https://blogs.helsinki.fi/valttele/> Luettu 18.3.2017.

Kurssikerta 3.

Tällä kurssikerralla käsittelimme pääasiassa dataa. Harjoittelimme tietokantojen valmistelua, kyselyitä ja uuden tiedon tuottamista tietokantaan. Opittavaa oli paljon ja näitä joutuu harjoittelemaan useamman kerran, että muistaa kaiken mitä opittiin. Harjoittelimme Afrikan kartan kanssa, joka jo sisälsi vähän tietoa jo valmiiksi. Saimme tehtäväksi miettiä mitä Afrikan kartasta voisi analysoida kun aineistoon liittää muuttujia konfliktien tapahtumavuosi ja laajuus, timanttikaivosten ja öljykenttien löytämisvuosi, tuottavuusluokittelu ja aloitusvuosi, myös internetkäyttäjien lukumäärä eri vuosina.  Nämä tiedot tuntuvat olevan osoittelevia ja niillä voi ainakin vertailla onko timanttikaivosten ja öljykenttien löytö-ja aloitusvuosilla yhteyttä konfliktien tapahtumavuoteen. Pak-tiedotusblogin Afrikan asioita kartan tarkeastelulla voi sanoa, että kyllä on. Konfliktien tapahtuma-alueiden ulkopuolella ei paljon timanttikaivoksia ole. Voi myös tarkastella onko konflikteilla ollut vaikutusta tuottavuusluokitteluihin. Internetkäyttäjien lukumäärää eri vuosina voi myös heijastella konfliktien ajankohtiin. Onko käyttäjiä tullut enemmän vai vähemmän? Tai onko timanttien ja öljyn korkeampien tuottojen jälkeen ihmisten olot kohentuneet ja internetkäyttäjien määrä kasvanut. Näin kirjoittaa myös Anna Huusari: “Hyvinvoinnin ja vaurauden kasvusta kertoo esimerkiksi jos näiden alueiden internetin käyttö on kasvanut huimasti”. Alueilla silti voi olla nälänhätää eikä kunnon asumuksia ole.

Varsinainen karttatehtävä oli tulvaindeksikartan tekeminen. Siinä harjoittelimme toistamiseen samoja asioita kuin Afrikan kartan kanssa. Laskimme myös. Se ei ollut kovin helppoa koko ajan. Lopulta pääsi tuttuun koropleettikartan tekoon. Lisäsimme järvisyysprosentin pylväinä kartan päälle. Lopputuloksesta tuli miettiä mitä kartta esittää ja mitä siitä voidaan tulkita. Eri alueet kertovat alueen tulvadeksin, eli keskiylivirtaama jaettuna keskialivirtaamalla. Tummimmat alueet, eli alueet missä on suurin tulvaherkkyys ovat rannikolla ja pääasiassa Pohjanmaalla. Pohjanmaalla on tunnetusti jokia eikä paljon järviä, kuten pylväiden korkeus kertoo (järvisyysprosentti). Joet tulvivat herkästi varsinkin tasaisella alueella. Järvet keräävät tulvavedet. Pohjanmaalla näitä ei ole paljon, joten tulvaindeksi on korkea. Järvi-Suomen alueella (kuvassa vaalein) on matalin tulvaindeksi. Lapissa tulvaindeksi on matalin myös suuren Inarinjärven alueella. Toinen Suomen suurimmista vedenjakajista, Suomenselkä (tarkistin wikipediasta), menee juuri siitä missä on tummat alueet Pohjanmaalla. Toisella puolella on heti vaaleammat alueet. Joten vedet Pohjanmaalta eivät pääse valumaan suurelle järvialueelle kun ne tulvivat. Toinen suuri vedenjakaja maanselkä menee itärajaa pitkin, mikä selittää sen miksi Suomen valuma-alueet eivät valu niin paljon rajojen yli kuin Lapissa ja kaakossa. Mietin miksi jotkin alueet ovat valkoisia rannikolla. Se selvisi kun luin Krsitiina Koivun hyvin kirjoitettua blogia: ” Lisäksi osaa Suomen rannikkoalueista ei ole sisällytetty mihinkään valuma-alueeseen, koska niiltä valumavedet virtaavat joko suoraan mereen tai niitä ei ole muuten laskettu kuuluvan mihinkään valuma-alueeseen. Nämä alueet on kuvattu kartalla valkoisella.”

Kartassa korostin tummimpia alueita, jotta ne erottuisivat selkeästi. Palkkien väri oli hankala. Huomasin, että vaalea nousi esiin paremmin kuin tumma. Tummassa palkit menivät päällekkäin ja niistä oli vaikea saada selvää. Mielestäni taustakartan näkyminen on hyvä, koska valuma-alueet leviävät valtionrajojen yli.

Lähteet:

Pak-blogi 2017. Afrikan asioita kartta. <https://blogs.helsinki.fi/pak-2017/> Luettu 18.3.2017.

Anna Huusari. Annan blogi. Viikko 3: Tietokannoista kartaksi. <https://blogs.helsinki.fi/anhu/> Luettu 19.3.2017.

Wikipedia. <https://fi.wikipedia.org/wiki/Luokka:Vedenjakajat> Luettu 18.3.2017.

Kristiina Koivu. Kristiinan blogi. Kurssikerta 3: Tietokantojen käytön harjoittelua. <https://blogs.helsinki.fi/koivukri/> Luettu 18.3.2017.

 

 

Kurssikerta 2 ja Artikkeli 1.

Tällä kurssikerralla kokeilimme tehdä erilaisia karttoja. 3D kartta oli jännä. Varsinaisesti oma tehtävä oli tehdä kartta, jossa oli päällekkäin kaksi teemakarttaa. Itse tein kartan, jossa oli kaksi koropleettikarttaa päällekkäin. Alku tuntui vaikealta. Oli hankalaa etsiä sopivaa paria mitä esittää kartalla, jotta tarkastelusta tulisi järkevä. Valitsin lopulta taloudellisen huoltosuhteen (kuvan kartassa väreillä esitetty) ja eläkkeellä olevien osuuden kunnittain (kuvan kartassa eri viivoin esitetyt pinnat). Aihe oli järkevästi vertailtavissa mutta toteutus oli hankala. Luokittelussa käytin kummassakin vain kolmea luokkaa koska viisi olisi ollut liikaa. Päätin tehdä koko Suomen alueelta. Pienemmän alueen tarkastelu olisi ollut varmaankin järkevämpää, kuten Hilkka Pajukangas oli tehnyt kuvatessaan samalla lailla kahta koropleettikarttaa päällekkäin, mutta vain KeskiPohjanmaan aluetta. Tällöin pystyy keskittymään paremmin näiden kahden teeman päällekkäiseen tarkasteluun. Omaa karttaani on hidasta tarkastella tarkasti kun tuntuu, että eri pinnat puuroutuvat keskenään.

Kartta soveltuu sellaisen tiedon etsimiseen, jos etsii alueelta huonoimman huoltosuhteen ja eläkeläisten suuren määrän. Kun nämä alueet menevät päällekkäin kartassa on tuloksena kaikista tummimmat alueet. Vastaavasti vaaleimmat alueet ovat niitä missä on paras huoltosuhde ja vähiten eläkeläisiä. Oletettavasti nämä vaaleimmat alueet ovat etelässä ja kasvukeskuksissa. Tummimmat puolestaan pohjoisessa ja idässä missä työvoimaa on muuttanut pois ja alueelle on jäänyt lähinnä vain eläkeläiset. Laitoin värit niin, että tummin väri kuvasti huonointa huoltosuhdetta ja tihein viivoitus kuvasi suurinta eläkeläisten osuutta. Tällöin ne ovat helposti vertailtavissa ja tietoa saa nopealla vilkaisulla. Jos haluaa kartasta tutkia tarkemmin näiden kahden ääripään väliin jääviä tuloksia, se on vaikeaa koska tutkittavaa on paljon ja värejä on vaikea erottaa eri viivoitusten alta. Kokeilin paljon eri värejä ja viivoituksia mutta tämä tuntui silti selkeimmältä muista vaihtoehdoista. Mielestäni ei toimi kovin hyvin kaksikoropleettikarttaa päällekkäin, ainakaan kun tarkastelee koko Suomea.

Artikkeli 1

Meidän piti kirjoittaa reaktiopaperi Anna Leonowiczin artikkelista Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Artikkelissa käsitellään koropleettikarttoja ja niiden käyttöä eri ilmiöiden esittämisessä. Tiettyyn pisteeseen asti nykyiset toimivat hyvin mutta jos halutaan esittää jotain monitahoisempaa siitä tulee vaikeaa. Kahden muuttujan koropleettikarttamentelmä on tähän ratkaisu kirjoittajan mielestä. Artikkelista oli vaikea ymmärtää useampia sanoja ja kun kirjoittaja kertoi tuloksien keräämisestä. Tämä johtuu siitä, että en ole lukenut paljon englanninkielistä tieteellistä kirjallisuutta.

Kartassa mielestäni värein kerrottu yhteys on helposti ymmärrettävissä koska punaista ja sinistä sekoittaessa syntyy liilaa. Näin ymmärrettävästi liilat kohdat kertovat ilmiöiden yhteyksistä. Artikkelissa puhuttiin toisesta vastaavanlaisesta kartasta, mitä oli vaikea lukea koska värit eivät liittyneet toisiinsa. Visuaalisuudella on suuri merkitys vaikka se sisältäisi elementtejä mitä lukija ei itse ymmärtäisi mutta luonnostaan tekee siitä helppolukuisempaa. Sen takia en tykkää kun teemakarttoja tehdessä sieltä löytyy punaisesta vihreään ja lopulta kellertävään menevä väriskaala. Se on tarkoitettu vuoristoisille seuduille minne se ei mielestäni muutenkaan sovi puhumattakaan jonkin väestönryhmän osuutta esittävään karttaan. Koska kuten tekstissä kerrotut keltainen ja liila aivan kuten punainen ja vihreä ovat vastavärejä. Tämä saa kartoissa olevat värit näyttämään voimakkailta ja täten vaikealukuisilta. Ne peittävät hienovaraiset erot, mitä on helpompi lukea harmoniassa olevien värien joukosta. Selkeästi eri värit kertovat eri ilmiöstä, joten jos saman ilmiön sisäisiä eroja ilmaistaan eri väreillä jää asian tutkiminen oikealla tavalla vaikeaksi. Tykkään artikkelissa kartan väreistä koska itse kun olen tehnyt päälekkäisiä ilmiöitä esittäviä karttoja on esimerkiksi raidoitus aina tehnyt kartoista vaikealukuisempia kuin se, että niissä olisi vain eri sävyjä.

Taulukon ymmärtäminen on haasteellisempaa kartassa, mikä tottakai vaikuttaa varsinaiseen kartan ymmärtämiseen. Kuten Fanny Keränen kirjoitti: “Leonowiczin artikkelissa esitellyt kartat eroavat kuitenkin legendaltaan itselleni ennestään tutuista, vastaavanlaisista kartoista.” Legendoissa on monta tarkasteltavaa muuttujaa, siihen pitää keskittyä enemmän kuin vain vilkaista kuten teemakartoissa mitä olemme kursseilla tehneet. Taulukossa on ruudukko, joka on jaettu eri värien eli muuttujien kesken, mitkä kartastakin löytyvät. Kartassa on jakauma tutkitusta kohteesta. Pisteet kertovat ilmiöstä ja minne ne sijoittuvat kertovat ilmiön laadun. Näin kartasta värien perusteella pitäisi pystyä päättelemään monitahoista tietoa. Se on hidasta mutta kun sen ymmärtäisi täysin voisi tämä karttaesitys olla tehokas, koska se kertoo ison määrän informaatiota ja samalla siinä pystyy vertailla kahta ilmiötä, mikä on tehokkaampaa kuin kahta erillistä karttaa tulkittaessa. Emme ole yrittäneet tehdä tällaisia karttoja enkä tiedä miten se onnistuisi vaikka MapInfolla. Värien saaminen vielä onnistuisi mutta kaaviota en osaisi tehdä näillä tiedoilla vielä helposti. Vaikean kautta se varmaan onnistuisi jotenkin. Olisi kiinnostavaa päästä tekemään tällainen karttaesitys.

Lähteet:

Tilastokeskus, taloudellinen huoltosuhde kunnittain, 2015

Tilastokeskus, Eläkkeellä olevien osuus kunnittain, 2015

Hilkka Pajukangas. Pajukahi’s blog. Kurssikerta 2. – Teemakarttojen maailma. <https://blogs.helsinki.fi/pajukahi/> Luettu 5.2.1017.

Anna Leonowicz. Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Polish Academy of Sciences, Institute of Geography and Spatial Organization.

Fanny Keränen. Toinen kurssikerta ja reaktiopaperi artikkelista 1. <https://blogs.helsinki.fi/fkeranen/> Luettu 19.3.2017.

Kurssikerta 1.

Kartta kuvaa ulkomaalaisten kansalaisten osuutta Suomen kunnissa vuonna 2015.

Pakin ensimmäisellä kurssikerralla tutustuimme Mapinfoon. Tehttävänä oli tehdä koropleettikartta, teemakartta, jossa näkyi tilastotietoa suhteutettuna kutien väkilukuun. Ohjelmalla oli yllättävän helppo tehdä nopeasti tietoa sisältäviä karttoja. Omaksi kartan aiheeksi valitsin ulkomaalaisten osuuden Suomen kunnissa. Valitsin tämän koska minulla ei ollut oikeastaan paljon tietoa tästä aiheesta. Väriksi valitsin perus puna, oranssi, keltaisen. Tämä on mielestäni neutraalein värivalinta. Käytin luokkajakona luonnollista luokitusta. Tämä antaa yleensä parhaan jaon niin, että kartalla ei näkyisi vain yhtä luokitusta ja toisia liian vähän. Tässä ne näyttäytyvät tasaisesti, mistä saa mahdollisimman oikean vaikutelman aiheesta.

Kartassa (Kuva 1.) yllätyinkin miksi lapissa, varsinkin Kittilä ja Rovaniemi, oli niin paljon vieraskielisiä. Opettaja Arttu sanoi, että varsinkin turistisesonkina lapissa on ulkomaalaista työvoimaa. Suomen ja Venäjän rajantuntumassa olevissa kunnissa on ulkomaalaisia, kuten voi olettaa. Lähinnä kuitenkin kaakossa ja etelässä, ei niinkään täysin pohjoisessa. Ruotsin rajalla on myös enemmän ulkomaalaisia. Tämän osoittaa myös Keski-Suomen vähäinen ulkomaalaisten osuus (kartassa vaalean keltaisella olevat kunnat). Eniten kuitenkin ulkomaalaisia on Kemissä, Vaasassa, Korsnäsissä, Närpiössä ja Kaskisessa. Ymmärrettävästi pääkaupunkiseudulla ja Ahvenanmaalla on myös eniten ulkomaalaisia. Pohjanmaalla on paljon ulkomaalaisia. Voisi olettaa, että Ruotsalaisia mutta en ole varma. Mietin voiko joidenkin pienemmän väkiluvun kuntien ulkomaalaisten osuutta nostaa turvapaikanhakijat. Kartan tiedot ovat kuitenkin jo vuodelta 2015. Lisäksi: Sara kirjoittaa blogissaan ”Suurimmassa osassa kartan tummimmista alueista sijaitsee yliopisto, mikä on yleensä merkki vetovoimaisesta kaupungista.” Saran kartta oli väestötiheydestä Suomessa mutta aihe sopi tähän. Minulla ei ollut tullut mieleen pohtia Yliopistojen vaikutusta. Omassa kartassani korostuu myös yliopistokaupungit: Rovaniemi, Oulu, Tampere ja Turku mm.

Koroplettikartassa pitää muistaa, että tiedot on suhteutettu kuntien väkilukuun. Se, että kartassa on pohjoisempi kunta punaisella niin kuin vaikka Helsinki, niin niissä ei silti ole yhtä paljon ulkomaalaisia. Kummassakin on oman kunnan väkiluvusta 5,4 – 12,4 % ulkomaalaisia. Tämä on moninkertainen määrä pääkaupunkiseudulla, kuin muissa kunnissa. Mielestäni kartta kuvaa hyvin aihetta koska se on korostanut tasaisesti eri kuntia. Eroavaisuudet näkyvät.

Lähteet:

Tilastokeskus, ulkomaalisten osuus Suomen kunnissa, 2015.

Sara Filla. Sara’s blog. Kurssikerta 1: Väestön jakautuminen Suomessa. <https://blogs.helsinki.fi/sfilla/> Luettu 1.2.2017.