Seventh and final round – Kaikki hyvä loppuu aikanaan

Innostuin todella paljon, kun viimeisen kurssikerran ohjeistus lävähti tiedotusblogiin. Tarkoituksena oli tutustua paikkatietoaineiston tuottamisprosessiin alkutekijöistä lähtien ja tuottaa itse keräämästä aineistosta karttaesitys. Aiheen sai valita itse, kunhan kartalla esitti vähintään kahta muuttujaa. Mikäli hyödynsi aikaisemmin kurssilla käytettyjä materiaaleja, tuli laatia kaksi karttaesitystä. Oli aika laittaa viimeisen blogitehtävän kunniaksi kaikki peliin.

Päätin välittömästi, että hyökkään Euroopan tilastojen kimppuun. Alueesta oli tarjolla tietoa erittäin laajalla skaalalla, mikä tuottikin aluksi vaikeuksia aiheen rajaamisessa. Lopulta päädyin kuitenkin tarkastelemaan Euroopan Unionin liikennettä, tarkemmin ilmaistuna uusien henkilöautojen määrää jäsenmaittain sataa asukasta kohden sekä ajoneuvojen aiheuttamia hiilidioksidipäästöjä vuonna 2012 (kuva 14). Valintaan vaikutti eniten oma mielenkiintoni. Halusin myös tarkastella aiheita, jotka erottuvat yleisestä massasta.

Tarkoituksenani oli aluksi etsiä Euroopasta bittikartta, jonka alueet olisin piirtänyt kurssikerralla vektorimuotoon. Päädyin kuitenkin loppujen lopuksi hyödyntämään kurssimateriaaleista löytynyttä maailmankarttaa (world.tab), sillä koin tarvitsevani enemmän lisäharjoitusta teemakarttojen luomisen parissa kuin digitoimisessa. Tämä tarkoitti sitä, että laadin myös toisen kartan. Palaan kyseisen esityksen analysointiin myöhemmin tässä kirjoituksessa.

Kuva 14. Uusien henkilöautojen määrää jäsenmaittain sataa asukasta kohden sekä ajoneuvojen aiheuttamia hiilidioksidipäästöjä vuonna 2012 kuvaava kartta. Lisäksi kuvasta nähdään jäsenmaiden ajoneuvopäästöjen muutos vuosien 2007-2012 välillä (ACEA, 2012).

Kuva 14. Uusien henkilöautojen määrää jäsenmaittain sataa asukasta kohden sekä ajoneuvojen aiheuttamia hiilidioksidipäästöjä vuonna 2012 kuvaava kartta. Lisäksi kuvasta nähdään jäsenmaiden ajoneuvopäästöjen muutos vuosien 2007-2012 välillä (Pohja-aineisto: ACEA, 2012).

Minulla oli todella suuret odotukset ensimmäistä karttaani kohtaan. En ole siihen täysin tyytyväinen, mutta koen alkuperäisideani kuitenkin olleen varsin kunnioitettava. Suurimmaksi ongelmaksi muodostui uusien autojen synnyttämien hiilidioksidipäästöjen kuvaaminen. Aineistoa kerätessäni arvojen vaihteluväli tuntui riittävän suurelta, jotta päästöeroja olisi voinut vertailla kartalla. Uskoin, että vain muutaman kymmenen gramman vaihtelun olisi saanut tarpeeksi hyvin näkyviin MapInfossa asetuksia muuttamalla. Kunnianhimoni osoittautui kuitenkin lopulta vääräksi, eivätkä mitkään sallitut manipulaatiot auttaneet. Arvojen vaihteluväli näkyy kartalla yksinkertaisesti liian pienenä. Tämän johdosta päädyin lisäämään arvot taulukkona kartan viereen. Mietin tosin tätä ratkaisua pitkään, sillä se vähentää kartalla olevien pylväiden merkitystä.

Loppujen lopuksi koen, että ongelma oli kuitenkin erittäin opettavainen. Mikäli olisin lähtenyt manipuloimaan pylväitä eroja saadakseni, olisin sortunut tiedon vääristämiseen. En olisi tällöin esittänyt kartalla totuutta, vaan sen, mitä itse halusin nähdä. Aina tulisi kunnioittaa aineistoa sekä pyrkiä mahdollisimman todenmukaiseen esitykseen. Jos aineiston arvot ovat lähellä toisiaan, on turhaa lähteä väkisin etsimään eroja niiden välille ainoastaan sen takia, että karttaesityksen analysointi olisi monipuolisempaa. Tulevaisuudessa en enää tarkastele tilastoja yhtä naiivisti. Pidän mielessä, että oletukset ja saadut tulokset eivät aina kulje käsi kädessä.

Kaiken tämän vuodatuksen jälkeen pääsemme käsiksi itse asiaan, eli mitä kartalta voidaan päätellä pelkästään sitä silmäilemällä? Siitä nähdään, että uusia henkilöautoja rekisteröidään käyttöön eniten lähtökohtaisesti Unionin vauraimmissa maissa, vähiten taas Itä-Euroopan alueilla. Tämän tuloksen myötä aloin miettiä, että ilmiötä olisi ollut mielekästä verrata myös valtioiden bruttokansantuotteisiin.

Euroopan Unionin jäsenmaissa uusien autojen päästöt eivät kilometriä kohden eroa paljoa toisistaan. Satojentuhansien ajokilometrien jälkeen maiden tuottamat päästöt voivat kuitenkin olla suuruuksiltaan hyvinkin erilaiset. Kuvasta havaitaan myös, että lähes kaikki jäsenmaat ovat saaneet merkittävästi hiilidioksidipäästöjään laskuun. Ainoastaan Slovenian, Unkarin, Slovakian, Liettuan, Viron sekä Latvian päästöt ovat pysyneet samalla tasolla. Huomioitavaa on myös, että Bulgarian, Kroatian, Kyproksen, Maltan ja Romanian tiedot puuttuvat, joten näiden maiden osuuksista ei voida sanoa kartan perusteella mitään. Täytyy myös muistaa, että mittava efekti päästömäärään on niin ikään autokannan laajuus. Tätä tai maiden väkilukuja ei esitellä kartalla, joten pelkästään sen perusteella ei voida tehdä liian pitkälle vietyjä johtopäätöksiä.

Toinen karttani kuvaa kasvihuonekaasupäästöjä asukasta kohden Euroopan Unionin jäsenmaissa sekä uusiutuvien energialähteiden osuutta kokonaisenergiantuotannosta vuonna 2008 (kuva 15). Päädyin valitsemaan aiheet puhtaasti sillä perusteella, että halusin nähdä korreloivatko ilmiöt keskenään. Lisäksi halusin toisen karttani olevan ilmiöiltään yleisempi, jotta vertailu muiden kurssilaisten tuotosten kanssa olisi mielekkäämpää.

Kuva 15. Kasvihuonekaasupäästöjä asukasta kohden sekä uusiutuvien energianlähteiden osuutta kokonaisenergiantuotannosta vuonna 2008 EU-maissa kuvaava kartta (Pohja-aineisto: ES Energy 2008, ES Environment 2008).

Kuva 15. Kasvihuonekaasupäästöjä asukasta kohden sekä uusiutuvien energianlähteiden osuutta kokonaisenergiantuotannosta vuonna 2008 EU-maissa kuvaava kartta (Pohja-aineisto: ES Energy 2008, ES Environment 2008).

Haastavinta karttaa laatiessa oli päättää, mitä luokitusta lähdeaineiston kanssa käyttäisi. Aineisto oli jakautunut melko epätasaisesti ja erityisesti omalle kymmenluvulle asettunut Luxemburg tuotti suurta tuskaa. Lopulta päädyin luomaan itse luokkavälit (custom), sillä pitkien kokeilujen jälkeen en saanut muuten järkevää luokittelua aikaiseksi. Erotin Luxemburgin omaan luokkaansa ja muut luokat rajasin siten, että niissä oli saman verran havaintoja. Sain tällä tavalla tuotua parhaiten esille alueellisen jakauman.

Kartalla ei näy Kyproksen eikä Maltan päällä uusiutuvien energialähteiden osuutta kokonaisenergiantuotannosta kuvaavaa vihertävää palloa. Tämä johtuu siitä, että Maltalla osuus on tasan nolla, Kyproksella taas 0,3 %.

Kartalta havaitaan, ettei ilmiöiden välillä ole sen suurempaa korrelaatiota. Joka tapauksessa kuitenkin huomataan, että Euroopan muinaisilla teollisuusalueilla (Brittein saaret, Rein-Ruhr) on edelleen melko korkeat päästöarvot asukasta kohden. Lisäksi näillä alueilla uusiutuvien energialähteiden käyttö on suhteellisen vähäistä.

Suomi näkyy kartalla melkoisena päästökeskuksena. Täytyy kuitenkin muistaa, että päästöt ovat suhteutettuja väkilukuun. Suomessa on vain noin 5,4 miljoonaa asukasta, mikä totta kai nostattaa arvoja koholle asukasta kohden. Natalia Erfving tuokin esille hyvän huomion aiheeseen liittyen: ” Mieleeni muistui mm. se, että asukasta kohden lasketut arvot voivat kuvata ilmiön voimakkuutta hyvinkin vääristävästi. En ollut ajatellut asiaa aiemmin muun kuin BKT:n kohdalla, joten en osannut suhtautua kriittisesti Eurostatin tilastoihin, joissa arvot oli laskettu asukasta kohden.”

Erfving kuvaa omassa kartassaan uusiutuvan energian osuutta kokonaiskulutuksesta sekä bruttokansantuotetta asukasta kohden vuonna 2011.  Myös hän halusi tietää, onko ilmiöiden välillä korrelaatiota, päätyen kuitenkin samaan tulokseen kuin minä: lineaarista riippuvuutta ei ole. Itse olin hieman yllättynyt saamistamme tuloksista. Meidän molempien kartat kuvaavat ilmiöitä, joiden välillä voisi helposti kuvitella olevan voimakastakin korrelaatiota. Ei tässä kuitenkaan kannata ruveta pelihousuja repimään, totuus on mitä se on.

Loppusanat

Nyt kun kurssi on tullut päätökseen, on aika katsoa hieman taaksepäin. Päätin ensimmäisen blogikirjoitukseni seuraaviin sanoihin: ”Ensimmäinen kurssikerta oli kokonaisuudessaan hyvin toiveita herättävä. Itse julkisen blogin pitäminen tuntuu tällä hetkellä oivalliselta ja mielenkiintoiselta ratkaisulta koetella opiskelijoiden paneutumista teknisesti kirjoittamiseen sekä ilmiöiden analyyttiseen tarkasteluun. Odotan innolla tulevia tehtävänantoja sekä harjaantumista MapInfon käyttäjänä.” Mielessä olivat toki myös Pyry Poutasen kuvailemat tuntemukset: “koulutyöni ovat esillä enemmän kuin missään aikaisemmin, mitä jos mielipiteeni tai pohdintani saattavat minut naurunalaiseksi? Joka viikko pitäisi julkaista vähintään yksi teksti ja julkaisuiden tulee tietysti olla huippuja, koska muut lukevat niitä.”

Vajaan kahdeksan viikkon jälkeen tuntemukset ovat entistä positiivisempia. Toisten tekstien lukeminen avarsi omaa ajattelua ja nopeutti täten oppimista huomattavasti. Olen saanut paljon positiivista palautetta, ja yhdyn myös Eetu Summasen sanoihin: “Analyysitekstien lisäystapa näin kaikkien nähtäville on toiminut tehokkaana motivaattorina ja myös pistänyt arvoimaan omia tuotoksia kriittisesti”. Koen, että MapInfo on minulle nykyisin suhteellisen tuttu ohjelma. Petrattavaakin tosin vielä löytyy. Esimerkiksi tietokantojen yhdistäminen ei suju minulta vieläkään kaikkein sujuvimmin. Näen kuitenkin, että näiden seitsemän kurssikerran aikana olen oppinut todella paljon hyödyllisiä asioita, joita kykenen jatkossa hyödyntämään opinnoissani. Seuraavaksi sitten ArcGIS-ohjelman pariin.

 

Lähteet:

ACEA (2012). CO2 emissions of new cars: continuing the downward trend. European Automobile Manufacturers Association, Brussels 2012. <http://www.acea.be/uploads/statistic_documents/POCKET_GUIDE_2013_Page_57.png>. 26.2.2014.

ACEA (2012). 2.4 new cars were registered per 100 inhabitants in the EU in 2012. European Automobile Manufacturers Association, Brussels 2012. <http://www.acea.be/uploads/statistic_documents/POCKET_GUIDE_13_55.pdf>. 26.2.2014.

ES Energy (2008). Electricity generated from renewable sources. Eurostat, Luxemburg 2008. <http://epp.eurostat.ec.europa.eu/tgm/table.do?tab=table&init=1&language=en&pcode=tsdcc330&plugin=1>. 26.2.2014.

ES Environment (2008). Total Greenhouse Gas Emissions. Eurostat, Luxemburg 2008. <http://epp.eurostat.ec.europa.eu/tgm/table.do?tab=table&init=1&language=en&pcode=ten00072&plugin=1>. 26.2.2014.

Erfving, N. (2014). Kurssikerta 7: BKT, vaarallinen jäte ja uusiutuva energia EU-maissa. <blogs.helsinki.fi/nataliae/>. 28.2.2014.

Poutanen, P. (2014). Kurssikerta 7 – The End. <blogs.helsinki.fi/pyrypout/>. 7.3.2014.

Summanen, E. (2014). Its ready… <blogs.helsinki.fi/eesu/>. 7.3.2014.

New York Times: Mapping America – SWOT-analyysi

Kuudennella kurssiviikolla oli tehtävänä laatia myös SWOT-analyysi. Lyhenne SWOT muodostuu sanoista Strengths, Weaknesses, Opportunities ja Threaths eli suomeksi vahvuudet, heikkoudet, mahdollisuudet sekä uhat (Opetushallitus, 2014). Tarkoituksena oli siis perehtyä New York Timesin laatimaan paikkatietopalveluun nimeltä Mapping America sekä analysoida tietoa ja sen saatavuutta edellä mainittujen ominaisuuksien kautta. Lisäksi tuli vertailla Suomen ja Yhdysvaltojen käytäntöjä paikkatietoon liittyen.

Vahvuudet

Mapping America – palvelun kartan liikuttelu sekä zoomailu on vaivatonta kiitos sivuston hyvin lyhyiden latausaikojen. Myös tarkasteltavan aiheen valinta on varsin helppoa. Palvelussa voidaan tarkastella tietoa koulutuksesta, asutuksesta ja perheistä, tuloista sekä rodusta ja etnisyydestä. Nämä ovat niin sanotut pääluokat, joiden alla voidaan tarkastella valittua aihepiiriä yksityiskohtaisemmin. Esimerkiksi rotua ja etnisyyttä tutkittaessa voidaan keskittyä vain aasialaisen taustan omaaviin asukkaisiin. Mielestäni ilmaiseksi palveluksi Mapping America tarjoaa melko laajalla skaalalla informaatiota eri aiheista. Vahvuudeksi luen myös sen, että tiedot valitusta aiheesta tietyllä alueella näkee välittömästi ilman klikkauksia viemällä hiiren halutun kohteen päälle.

Pidän positiivisena ominaisuutena myös palvelun hakukenttää. Tietoa halutusta kohteesta voi hakea suoraan osoitteen, postinumeron tai kaupungin perusteella. Voidaankin sanoa palvelun suurimman vahvuuden olevan helppokäyttöisyys. Lisäksi Mapping American tietoa voi jakaa sosiaalisessa mediassa Twitter- ja Facebook-painikkeiden kautta.

Heikkoudet

Palvelun heikkous sen sijaan on tiedon tarkkuus. Vaikka aiheita on lukumäärällisesti paljon, tiedot tietyltä alueelta perustuvat näytteisiin eikä talokohtaista dataa ole tarjolla. Toisaalta ymmärrän tämän ratkaisun, sillä yksityisyydensuojaa tulee varjella. Kuitenkin esitysten perustuessa arvioihin ja yleistykseen, palvelun uskottavuus heikkenee. Herää kysymys, mihin tarjoamaa informaatiota voi todellisuudessa hyödyntää? Data ei ole riittävän luotettavaa, jotta sitä voisi hyödyntää tieteellisessä tutkimuksessa eikä sovelluksia käytännön tarkoituksiin juuri ole, sillä epäluotettava tieto lisää riskiä väärille tulkinnoille. Tällä hetkellä palvelu täyttää lähinnä yksityishenkilöiden uteliaisuudennälän.

Heikkoutena on myös, ettei tietoa saada ulos palvelusta muuten kuin hyödyntämällä sosiaalista mediaa tai käyttämällä print screen – toimintoa. Kartoista puuttuvat lisäksi peruselementit eli pohjoisnuoli ja mittakaava. Varsinkin mittakaava olisi suuri apu alueellisessa tarkastelussa. Laura Hintasanen pureutuu hyvin myös erääseen vajaavaisuuteen: “koko maata ei ole mahdollista nähdä kerralla, mikä on todella häiritsevää. Kaukana olevia kohteita vertailtaessa karttaa on siirreltävä edestakaisin. Alaskan ja Havaijin olisi voinut esittää omissa ”ruuduissaan” niin, että ne näkyisivät yhtä aikaa mannermaan kanssa.”

Uhat

Lähdin pohtimaan tarkemmin myös palvelun synnyttämiä uhkatekijöitä. Tarjolla on esimerkiksi tietoa homoseksuaalipariskuntien määristä tietyillä alueilla, ja kaupungin keskustasta erottuu selkeästi kolme afroamerikkalaisten asukkaiden keskittymää (kuva 13). Mielestäni tällainen tieto julkisessa, ilmaisessa palvelussa ei ainakaan edistä etnisten ryhmien keskinäistä myötämielisyyttä, päinvastoin. Vaarana on segregaation lisääntyminen ja alueiden leimaantuminen epäluotettavaan dataan perustuen.

Kuva 13. Afroamerikkalaisten asukkaiden alueellista jakaumaa New Yorkin keskustassa kuvaava kartta (New York Times, 2014). Kuvasta havaitaan selvästi tummansinisellä värillä suurimmat keskittymät.

Kuva 13. Afroamerikkalaisten asukkaiden alueellista jakaumaa New Yorkin keskustassa kuvaava kartta. Kuvasta havaitaan selvästi tummansinisellä värillä suurimmat keskittymät (New York Times, 2014).

Mielestäni Sara Lindholm kiteyttää äärimmäiset uhkatekijät hyvin omassa analyysissään: “en ihmettelisi vaikka ”hieman” äärevästi ajattelevat saattaisivat käyttää näitä tietoja erittäinkin pahasti väärin, sanotaanko nyt vaikka terrori-iskua suunnitellessaan. Ja kun miettii millainen järjestelmä Jenkkilässä on, en epäilisi vaikka myös esimerkiksi vakuutusyhtiöt käyttäisivät näitä tietoja ei-niin-kivasti hyväkseen.”

Mahdollisuudet

Vaikka heikkoudet ja uhkakuvat ovat tällä hetkellä mielestäni turhan suuret, on palvelulla kuitenkin mahdollisuuksia vaikka mihin. Sitä voisi kehittää entistä luotettavammaksi ja kattavammaksi parantamalla lähdeaineiston luotettavuutta ja karsimalla turhan leimaavaa informaatiota pois. Esitettävien muuttujien määrää voisi myös lisätä entisestään. Olisi esimerkiksi mielenkiintoista tarkastella perherakennetta ja ikäjakaumaa. Palvelu synnyttää tällä hetkellä jo varmasti yhteiskunnallista keskustelua, ja palvelun olisi myös syytä kehittyä sen mukana.

Palveluun voisi ynnätä lisäksi toiminnon tarkastella kahta ilmiötä päällekkäin. Tämä tarjoaisi mahdollisuuden tarkastella ilmiöiden välistä korrelaatiota entistä paremmin. Anna Leonowiczin artikkeliin pohjautuneessa aikaisemmassa blogikirjoituksessani pohdin pintaraapaisuna, kuinka kahden muuttujan koropleettiteemakartat voivat vaikuttaa kansalaisten kartanlukutaitoon positiivisesti. Mapping America – palvelu on ilmainen, kaikille helposti saatavilla ja sosiaalisen median välityksellä myös laajalla volyymillä mainostettavissa. Paikkatieto nostaa kansalaisten keskuudessa päätään jatkuvalla syötöllä, ja kun kysyntä kasvaa on myös tarjontaa lisättävä. Palvelu kehittyneempänä voisi kansalaisten käytössä harjaannuttaa heidän kartografisia taitoja entistä paremmin.

Suomi vs. Yhdysvallat

Palvelun yksityiskohtaisen tarkastelun seurauksena näen Suomen ja Yhdysvaltojen käytäntöjen eroavan suuresti liittyen tietojen saantiin, julkisuuteen ja tarkkuuteen. Suomessa tieto on erittäin tarkkaa ja kaikkein yksityiskohtaisimpaan dataan pääsee käsiksi ilman erillistä lupaa pelkästään korkeimmat tahot. Tällä pyritään turvaamaan yksityisyydensuoja, sillä kuten Mapping America – palvelusta havaitaan, tieto voi ajoittain olla erittäin arkaluontoista. Yhdysvaltojen linjaus taas on (Mapping America – palvelun tarkasteluun perustuen) huomattavasti avoimempi. Asukkaiden taustoja voidaan tarkastella ilmaiseksi koska tahansa. Erona on myös, että julkinen tieto perustuu otoksiin ja arvioihin. On toki oletettavaa, että Yhdysvalloilla on myös yhtä yksityiskohtaista tietoa kuin Suomella. Yhdysvallat on kuitenkin huomattavasti suurempi valtio kuin Suomi, joten en ihmettelisi vaikka tiedot perustuisivat laajalti pelkästään otoksiin. Erona maiden välillä on myös kaupallisuus. Suomessa paikkatietopalvelut ovat säännöllisesti maksullisia, kun taas Mapping America on ilmainen.

Yhteenveto

Näen, että paikkatiedon helppo saatavuus on kuin kolikko, sillä on kaksi puolta. Positiivisessa mielessä se lisää yhteiskunnallista keskustelua sekä tarjoaa mahdollisuuden kartografisten taitojen kehittymiselle. Toisaalta taas arkaluontoinen data on uhka ihmisten eriarvoisuuden sekä segregaation kasvulle. Mutta kuinka nämä aspektit saadaan tasapainoon? Miten kolikko saadaan jäämään pystyyn heiton jälkeen? Vaikeita kysymyksiä, joihin on hankalaa löytää oikeaa ratkaisua. Uskon kuitenkin, että tätä veteen piirrettyä viivaa jahdataan vaikka äärettömyyteen asti.

 

Lähteet:

Hintsanen, L. (2014). Mapping America: Every City, Every Block – SWOT-analyysi. <blogs.helsinki.fi/lhintsan/>. 25.2.2014.

Lindholm, S. (2014). Blogitehtävä: Päivän kuuma sana ERIYTYMINEN. Ja vieläkö mietit miksi? <blogs.helsinki.fi/saralind/>. 25.2.2014.

New York Times (2014). Mapping America: Every City, Every Block. <http://projects.nytimes.com/census/2010/explorer>. 23.2.2014.

Opetushallitus (2014). SWOT-analyysi. <http://www.oph.fi/saadokset_ja_ohjeet/laadunhallinnan_tuki/wbl-toi/menetelmia_ja_tyovalineita/swot-analyysi>. 23.2.2014.

Sixth round – Pisteaineistot kartalla

Toiseksi viimeinen kurssikerta käynnistyi aamureippailulla. Lähdimme pienryhmissä GPS-laitteiden kanssa keräämään pistemuotoista dataa Kumpulan kampuksen lähiympäristöstä. Harjoituksen tarkoituksena oli laajentaa kurssilaisten käsitystä tiedon keruusta sekä opettaa itse kerätyn tiedon siirtämistä kartalle. Oma ryhmäni kartoitti suojateitä sekä bussipysäkkejä. Jokaisesta kohteesta kirjattiin ylös koordinaatit (KKJ), korkeus sekä ominaisuustiedot, mitkä jälkikäteen syötettiin Excelin kautta MapInfoon. MapInfossa jokaisen ryhmän keräämä data avattiin koordinaattikoodattuun Helsingin karttaan, jonka avulla tarkastelimme yhdessä suoritettua harjoitusta. Oli ilo huomata pienryhmien onnistuneen, sillä kaikki pisteet osuivat kutakuinkin oikeille paikoilleen.

Aina ei ole kuitenkaan tarkoituksenmukaista lähteä itse maastoon keräämään jokaisesta yksittäisestä kohteesta paikkatietoa. Toteutus vie paljon aikaa ja energiaa sekä on turhan työlästä varsinkin laajaa tutkimusta tehdessä. Maastontiedustelun jälkeen harjoittelimmekin geokoodausta eli määritimme haluttujen kohteiden koordinaatit osoitteiden sekä postinumeroiden avulla. Harjoittelussa esimerkkikohteina toimivat RAY:n rahapeliautomaatit Helsingin alueella. Näen, että geokoodausta voidaan hyödyntää myös esimerkiksi pelastuslaitoksilla apua tarvitsevien paikantamisessa.

Geokoodauksen jälkeen oli vuorossa itsenäinen työskentely. Saimme tehtäväksemme laatia kolme karttaa, joiden teemana olivat hasardit. Tavoitteena oli tuottaa materiaalia, jota voisi opettajana hyödyntää tuntiopetuksessa. Valittavana oli kolme hasardia: maanjäristykset (ANSS Catalog Search, 2014), tulivuoret (Global Volcano Locations Database, 2014) sekä meteoriittien putoamispaikat, joista kaikista löytyi pistemäistä tietoa internetistä. Itse valitsin karttojeni aiheiksi maanjäristykset sekä tulivuoret.

Päätin tuottaa opetusmateriaalini keskittyen pääasiassa vuosien 1990–2014 väliseen ajanjaksoon. Ensimmäisessä kartassa (kuva 8) tarkastelussa ovat järistykset väliltä 5,0 -6,9 magnitudia Richterin asteikolla, toisessa (kuva 9) vähintään seitsemän magnitudin maanvärähtelyt ja kolmannessa (kuva 10) tulivuoritietokantaan rekisteröidyt tulivuoret.

Kuva 8. Maanjäristyskeskukset vuosina 1990 - 2014. Kuvasta nähdään, miten järistykset keskittyvät mannerlaattojen reuna-alueille.

Kuva 8. 5.0 – 6.9 magnitudin maanjäristykset Richterin asteikolla vuosina 1990 – 2014. Kuvasta nähdään, kuinka järistykset keskittyvät mannerlaattojen reuna-alueille.

Kuva 9. Yli 7.0 magnitudin maanjäristykset vuosina 1990 - 2014. Kuvasta havaitaan alueellisen esiintymistiheyden muutos järistyksen voimakkuuden kasvaessa.

Kuva 9. Yli 7.0 magnitudin maanjäristykset vuosina 1990 – 2014. Kuvasta havaitaan alueellisen esiintymistiheyden muutos järistyksen voimakkuuden kasvaessa.

Kuva 10. Internetin tulivuoritietokannan esittelemät tulivuorten sijainnit maapallolla. Kuvasta nähdään tulivuorten sijoittuvun likimain samoille aluille kuin maanjäristykset.

Kuva 10. Internetin tulivuoritietokannan esittelemät tulivuorten sijainnit maapallolla. Kuvasta nähdään tulivuorten sijoittuvan likimain samoille aluille kuin maanjäristykset.

Yleisesti olen karttojeni visuaaliseen ilmeeseen tyytyväinen. Siirsin gridin mantereita kuvaavan tason alapuolelle, jotta alueet ja hallinnolliset rajat selkeytyisivät. Lisäksi erotin värityksellä Grönlannin sekä Etelämantereen mannerjäätiköt muista maa-alueista. Halusin karttojen olevan mahdollisimman selkeitä. Päätin myös hieman vaalentaa valtamerten väriä, sillä alkuperäinen tummansininen oli mielestäni unettavan tumma.

Johanna Hakanen valitsi niin ikään tarkastelun kohteiksi maanjäristykset sekä tulivuoret. Hakanen oli yleisesti tyytyväinen laatimiinsa karttoihin tehden lisäksi hyvän havainnon tulivuoriin liittyen: “Ihmettelen kuitenkin hieman Ruotsin keskellä sijaitsevaa tulivuorta.” Tämä toimi myös itselleni hyvänä herätteenä siitä, että lopputulosten paikkansapitävyys olisi aina syytä tarkastaa. Samalla Hakanen kuitenkin toteaa hyvin, että “oleellisinta ei tässä tapauksessa ole välttämättä se, kuinka monta maanjäristystä jossain on tapahtunut, vaan kartasta saatava yleiskuva. Myöskään aivan tarkoilla sijainneilla ei tämän takia ole niin suurta merkitystä.”

Pyry Poutanen oli valinnut tarkasteltavaksi maanjäristykset. Hän oli päättänyt tehdä kaikista kartoistaan vielä kokoavan kartografisen esityksen. Itse pohdin hetken aikaa tekeväni samoin, mutta internetistä löytämäni karttakuva (kuva 11) sai minut toisiin aatoksiin. Pelkäsin kokonaisuuden muistuttavan samanlaista sekametelisoppaa. Lisäksi en nähnyt kokoavaa esitystä opetusmielessä tarpeelliseksi. Mielestäni Poutanen on kuitenkin onnistunut omassa tuotoksessaan mainiosti ja kokonaisuus on hallittu.

Kuva 11. Maapallon tulivuorten ja kaupunkien sijanitia sekä maanjäristysalueiden sijantia esittelevä kartta. Kartasta havaitaan monien suurien kaupunkien sijoittuvan seismisesti aktiivisille alueille.

Kuva 11. Maapallon tulivuorten, kaupunkien sekä maanjäristysalueiden sijantia esittelevä kartta. Kartasta havaitaan monien suurten kaupunkien sijoittuvan seismisesti aktiivisille alueille (History of Geology, 20.2.2014).

Suunnittelin kartat lähinnä lukion hasardikurssia silmälläpitäen. Halusin karttojeni toimivan lukiolaisen omakohtaisen ajattelun tukena tulivuoria sekä niiden purkauksia mietittäessä ja maanjäristysten syitä pohdittaessa. Lisäksi tahdoin esittää visuaalisesti hasardien alueellisen esiintymisen välisen korrelaation.

Kuvasta 8 havaitsee erittäin selkeästi maanjäristysten keskittymisen mannerlaattojen rajavyöhykkeille (vrt. kuva 12). Sen avulla on helppoa havainnollistaa maanjäristysten kytkeytymistä laattatektoniikkaan. Kartasta havaitsee myös, että maanjäristykset ovat erittäin yleinen ilmiö. Lisäksi seismisesti rauhalliset alueet erottuvat selkeinä, laajoina alueina.

Kuva 12. Maapallo litosfäärilaatat (http://www.greenibis.com/edu/geo/IMedium/tectonic-plates-M.jpg, 22.2.2014).

Kuva 12. Maapallon litosfäärilaatat ja niiden liikesuunnat (GreenIbis, 22.2.2014).

Kuvasta 9 nähdään, kuinka maanjäristysten alueellinen esiintymistiheys muuttuu voimakkuuden kasvaessa. Atlantin keskiselänne ”katoaa näkyvistä”, sillä voimakkaita järistyksiä esiintyy ainoastaan mannerlaattojen törmäysvyöhykkeillä sekä hankaussaumoissa. Kuvat yhdessä toimivat mielestäni hyvin aasinsiltana rakopurkausten ja Atlantin keskiselänteen esittelyyn. Tätä huomiota ei tulisi mielestäni lukion hasardikurssilla sivuuttaa. Vaikka hasardeja esitelläänkin, on tärkeää tuoda maanjäristysten sekä tulivuorenpurkausten laaja-alaisuus esille, sillä ilmiöt ovat paljon enemmän kuin vain pelkkiä hasardeja. Itseäni lukion maantieteen kolmannella kurssilla häiritsi juuri liika negatiivisuuteen keskittyminen. Lisäksi karttaan voitaisiin lisätä esimerkiksi tsunamien esiintymisalueet, jolloin esitys linkittyisi myös tähän maantieteelliseen ilmiöön.

Kuvaa 10 käyttäisin yhdessä kuvan 8 kanssa kirjallisena kurssityönä. Teettäisin karttojen avulla lukiolaisille tehtävän, jossa tulisi kuvailla ja vertailla niitä keskenään sekä selittää ilmiöiden alueellisen esiintymisen syitä.

Kaiken kaikkiaan olen tyytyväinen kurssikerralla aikaansaamiini tuotoksiin niin visuaalisesti kuin sisällöllisestikin. Totta kai aina löytyy paranneltavaa. Olisin voinut esimerkiksi tarkastella vielä maanjäristysten syvyyttä. Koen kuitenkin, että kartografiassa on lähes mahdotonta päästä täydellisyyteen. Jotenkin aina tulee eteen erilaisia vaihtoehtoja, ja toisiaan poissulkevia päätöksiä on pakko tehdä. Onko täydellisyyttä edes olemassa? Päätän tämänkertaisen blogikirjoitukseni Eeva Kilven, suomalaisen kirjailijan sanoihin: ”Maailmassa on olemassa vain yksi periaate: epätäydellisyys. Joka hyväksyy sen, jaksaa ja pystyy elämään.”

 

Lähteet:

ANSS Catalog Search (2014). The Advanced National Seismic System. Northern California Earthquake Data Center. <http://quake.geo.berkeley.edu/anss/catalog-search.html>. 20.2.2014.

Global Volcano Locations Database (2014). National Oceanic and Atmospheric Administration, Department of Commerce. <http://catalog.data.gov/dataset/global-volcano-locations-database>. 20.2.2014.

GreenIbis (2009). Tectonic plates. <http://www.greenibis.com/edu/geo/IMedium/tectonic-plates-M.jpg>. 22.2.2014.

Hakanen, J. (2014). Kurssikerta 6: Pisteaineiston muodostaminen ja esittäminen kartalla. <blogs.helsinki.fi/johakane/>. 6.3.2014.

History of Geology (2011). Geological risks and human society, fig.2. <http://historyofgeology.fieldofscience.com/2011_03_01_archive.html>. 20.2.2014.

Poutanen, P. (2014). Kurssikerta 6 – Opettajan kengissä. <blogs.helsinki.fi/pyrypout/>. 20.2.2014.

Fifth round – Bufferointia ja analyysejä

Neljännen kurssikerran jälkeen Akseli Toikalla oli stressi päällä: “Paarlahti varoitteli, että seuraavalla kerralla kannattaakin mukaan varata tarpeeksi piristäviä aineita, koska kaikki tähän mennessä oppimamme joutuisi tuolloin testiin. Kauhunsekaisin tuntein ensiviikkoa odotellessa.” Itse en näitä varoitteluja suureksi tuskakseni muistanut.

Viides kurssikerta poikkesikin merkittävästi aiemmista viikoista. Olemme tähän asti käyttäneet MapInfoa pääasiassa teemakarttojen luomiseen sekä tiedon visualisointiin, mutta nyt keskityimme enemmän aineiston tutkimiseen, laskemiseen ja analysointiin. Opimme myös uuden toiminnon, bufferoinnin. Tavoitteena oli syventää MapInfon ominaisuuksien ymmärtämistä sekä oppia käyttämään bufferointitoimintoa hyödyksi lukumäärien ja etäisyyksien laskemisessa. Jouduimme kovaan testiin, mutta selvisin urakasta omasta mielestäni loppujen lopuksi kelvollisesti.

Bufferointi eli puskurivyöhykkeiden luonti on tehokas keino muun muassa tietyn suuruisen säteen sisäpuolella olevien kohteiden määrän laskemiseen. Esimerkiksi kurssikerran alun harjoittelussa laskimme, kuinka monta prosenttia Pornaisten keskustassa olevista taloista sijaitsee alle 500 metrin päässä terveyskeskuksesta. Toisin sanoen: suoritimme naapuruusanalyysin.

Harjoittelun jälkeen saimme työstettäväksi moninaisia itsenäistehtäviä. Niissä hyödynsimme bufferoinnin lisäksi myös edellisten kertojen teemoja kevyesti soveltaen. Käytännössä laskeskelimme laskuja ja etsimme tietokannoista vastauksia pitkään kysymyslistaan. Sovelsimme aiemmin oppimaamme sekä puskuritoimintoa muun muassa lentomelun, saavutettavuuden/etäisyyden, asukasmäärien ja koulupiirin oppilaiden lukumäärän tarkasteluun. Vastaukset on koottu yhteen seuraavaan taulukkoon (taulukko 1).

Taulukko 1. Itsenäistehtävien tuloksia kuvaava taulukko.

 

Esimerkkitapaustemme lisäksi bufferityökalua voisi hyödyntää myös luonnonkatastrofien vaikutusalueita määritettäessä. Puskurivyöhykkeiden avulla voidaan selvittää esimerkiksi kuinka laajalle alueelle tulva on levinnyt. Toimintoa voidaan toki käyttää myös hasardien ehkäisyssä esimerkiksi tarkastelemalla, mitkä alueet ovat tulva-alttiita ja missä on suurin väestöntiheys. Myös aluesuunnittelussa kaavoituksen ja infrastruktuurin kehittämisen parissa puskurointi on oiva työkalu. Samoin näen, että bufferoinnista on hyötyä kaupallisissa tarkoituksissa. Yritys voi esimerkiksi lisätä markkinoinnin volyymia alueilla, joissa potentiaalisten asiakkaiden määrä on suurin.

Pyry Poutasen pohdinta puskuroinnin muista mahdollisista käyttötavoista miellytti minua pioneeriupseerina erittäin paljon: “Uskon puskuroinnin mahdollisuuksiin myös sotilaallisissa tarkoituksissa, sillä esimerkiksi tukikohtasuunnittelussa on tärkeää joukkojen hajauttaminen ja toisaalta keskittäminen samanaikaisesti. Joukot ja materiaali ovat karttaan sidottuja objekteja ja elintärkeät toiminnot (muonitus, sairaanhoito IED:n purku yms.) pitää olla saavutettavissa ja esimerkiksi ilmaiskujen potentiaaliset tuhot minimoida (ympyräsäteinen tuhoalue).” Tarkennuksena vielä termiin IED: Improvised Explosive Device eli tienvarsipommi, vapaasti suomennettuna improvisoitu räjähde. Käyttö yleistynyt ja vakiintunut terroristijärjestöjen keskuudessa Lähi-Idässä. Puolustusvoimien periaate niiden raivaamiseen on, että sen saa suorittaa ainoastaan EOD-luokituksen (Explosive Ordnance Disposal) saanut ammattisotilas. Tienvarsipommeja ei koskaan pureta. Ne raivataan joko ampumalla, räjäyttämällä tai naaraamalla, sillä monet niistä on ansoitettu tai ne voidaan räjäyttää kauko-ohjatusti. 🙂

Mielestäni kurssikerta oli hyvin suunniteltu ja ajoitettu erinomaiseen saumaan. Tekemällä oppii MapInfon parissa parhaiten, ja muutaman viikon jälkeen kaikki ohjelman ominaisuudet sekä toiminnot eivät olleet enää terävimmässä muistissa. Kertaus tuli siis tarpeeseen, mikä auttoi hahmottamaan MapInfon hyödyllisyyttä sekä toimintojen kirjoa.

Sain tehtyä itsenäisharjoitukset melko sujuvasti itse. Pariin otteeseen tosin päädyin pohtimaan käsillä olleita pulmia taistelijapari-Toikan kanssa ja kerran jouduin turvautumaan kurssinpitäjä Paarlahden apuun. Koenkin MapInfon perustyökalujen käytön onnistuvan minulta jo melko jouhevasti. Parhaiten näen minulta sujuvan teemakarttojen laatimisen, mikä sinänsä on minulle melkoinen yllätys. En ole tähän päivään saakka katsonut visuaalisten kykyjeni olleen erityisen hyviä. Myös muut kurssilaiset tuntuvat pitävän tuotosteni ulkonäöstä. Heli Fox kirjoittaa kurssikerran kolme blogikirjoituksessaan, että ”Samuli Massinen on mielestäni onnistunut hienosti karttansa ulkonäössä: Hän on onnistunut vähentämään koropleetin luokkia viidestä kolmeen, saanut järvisyyden legendaan selitteen myös 10% ja 5% diagrammien pituudelle sekä selittänyt legendassa, miten tulvaindeksi on saatu”.

Yllätyksellistä minulle on ollut myös, että tietokantojen yhdistäminen sekä päivittäminen ja laskentatyökalujen käyttö on tuntunut ajoittain hankalalta. Olen pitänyt itseäni aikaisemmin hyvänä matematiikassa sekä tietotekniikassa. Näen mainitsemat toiminnot ohjelman käytön kannalta varsin keskeisinä ja kaipaankin vielä harjoitusta niiden parissa. Myös muut kurssilaiset kokevat samat toiminnot haasteellisina. Ilkka Saarinen kirjoittaa blgissaan, että Ajatuksen kadotessa tulee helposti tehtyä virheitä tärkeimpien hiirenklikkausten kohdalla. – Calculate valikko herättää minussa yhä edelleen pientä hämmennystä. Tässä tulee mielestäni valita Sum, sillä ohjelman tulisi laskea yhteen Pks_vaki tietokannan rakennuskohtaiset asukasluvut ja liittää nämä taajamatietokantaan.” Aiemmin koin myös hankalaksi MapInfon tasojen hahmottamisen. Kuitenkin viimeisen kahden kurssikerran aikana olen kokenut aiheen parissa valaistuksen.

Vaikka MapInfolla voi visualisoita, analysoida sekä ratkaista erilaisia ongelmia, tulee aina pitää mielessä myös ihmisulottuvuus. Kaikki esitykset ovat loppujen lopuksi pelkästään todellisuutta yksinkertaistavia malleja, joihin ei voi täysin sokeasti luottaa. Tämä saattaa vaikuttaa kyyniseltä, mutta esimerkiksi bufferoinnin avulla selvitettäessä kuinka montaa asukasta lentokentän melu häiritsee, toiminto ei ota huomioon esimerkiksi rakennettujen meluvallien vaikutusta. Emme myöskään saa selville, kuinka moni asukas vyöhykkeellä todella kokee melun häiritseväksi. Yksilöllisyyttä ei tulisi koskaan unohtaa.

 

Lähteet:

Fox, H. (2014). Afrikan konfliktialueilta Suomen tulvaseuduille (Kurssikerta 3). <blogs.helsinki.fi/fox/>. 13.2.2014.

Poutanen, P. (2014). Kurssikerta 5 – Itsenäistä ajattelua. <blogs.helsinki.fi/pyrypout/>. 16.2.2014.

Saarinen, I. (2014). KK5- Larppausta ja menneitä aikoja. <blogs.helsinki.fi/ilkkasaa/>. 16.2.2014.

Toikka, A. (2014). Neljäs kurssikerta. <blogs.helsinki.fi/akto/>. 16.2.2014.

Fourth round – Ruutuja ja rasterikarttoja

Neljäs kurssikerta perehdytti meitä jälleen syvemmin MapInfo-ohjelman ihmeelliseen maailmaan. Teemana oli ruututeemakarttojen tekeminen sekä uuden datan tuottaminen tietokantaan maantieteellisiä kohteita hyödyntämällä. Lisäksi pohjustimme tulevaa kurssikertaa Paarlahden opastuksessa kiinnittämällä rasterikartan MapInfon avulla koordinaatistoon sekä opettelimme rasterikartan avulla piirtämään.

Kurssikerran aluksi harjoittelimme tuttuun tapaan käsiteltäviä teemoja yhdessä. Loimme ruudukkopohjan (grid) karttalehden päälle siten, että alue jakautui pienempiin yksiköihin. Tämän jälkeen aloimme kerätä dataa grid-tietokantaan edellisellä kurssikerralla oppimillamme metodeilla. Tietoa haimme pääkaupunkiseudun vuoden 2009 väestötietokannasta. Uuden datan avulla saimme muodostettua teemakarttaesityksen, joka kuvasi opiskeluikäisten alueellista jakaumaa pääkaupunkiseudulla.

Harjoittelun jälkeen saimme tehtäväksi laatia teemaltaan vapaavalintaisen ruututeemakartan hyödyntämällä harjoittelussa käytössä ollutta väestötietokantaa. Oma karttani kuvaa ruotsinkielisten asukkaiden jakaumaa pääkaupunkiseudulla vuonna 2009 (kuva 7). Ruutukooksi valitsin ensin 800m x 800m, mutta koin ruudut aivan liian suuriksi. Visuaalisesti toimivampaan ratkaisuun pääsin hyödyntämällä 300m x 300m ruudukkoa. Lisäksi luokkien määräksi valitsin viisi. Näillä päätöksillä kartastani tuli tarkempi ja alueellista vaihtelua paremmin kuvaava.

Kuva 7. Ruotsinkielisiä asukkaita pääkaupunkiseudulla vuonna 2009 kuvaava ruututeemakartta.

Kuva 7. Ruotsinkielisiä asukkaita pääkaupunkiseudulla vuonna 2009 kuvaava ruututeemakartta.

Kartalta havaitaan, että ruotsinkielisiä on määrällisesti eniten Helsingin keskustassa, Espoon eteläosissa sekä Kauniaisissa. Vantaalla sekä Espoon pohjoisosissa ruotsinkielisiä on vastaavasti määrällisesti vähiten. Visuaalisesti koen karttani hyvin onnistuneeksi, ja alueelliset erot käyvät hyvin ilmi. Olisi mielenkiintoista verrata tätä vuoden 2009 tilastoihin perustuvaa dataa vuoden 2014 asukastietokantaan. Siitä kyettäisiin ehkä tarkastelemaan esimerkiksi alueen sisäistä rakennemuutosta.

Ajatuksia herättävää oli verrata tuotostani Saara Hurmeen karttaan, joka esittelee muunkielisten asukkaiden määrää pääkaupunkiseudulla. Karttoja vertailemalla huomataan, että muunkielisiä on seudulla huomattavasti enemmän kuin ruotsinkielisiä. Lisäksi muunkieliset ovat keskittyneet eri alueille, varsinkin Itä-Helsinkiin. Havainnoista voidaan todeta, että ryhmillä on erilainen sosioekonominen status. Ruotsinkielistä väestöä on paljon tulotasoltaan vaurailla alueilla, kun taas muunkieliset painottuvat köyhemmäksi mielletyille seuduille.

Vaikka olen oman tuotokseni visuaalisuuteen tyytyväinen, koen informatiivisuudessa sen sijaan olevan parantamisen varaa. Tämä johtuu absoluuttisten arvojen käytöstä. Kartta ei kerro lainkaan ruotsinkielisten suhteellista osuutta väestöstä. Alueet, joille ruotsinkieliset ovat ”alueellisesti keskittyneet”, ovat asukastiheydeltään suurimpia. Tuhansien asukkaiden alueilla on todennäköisemmin määrällisesti enemmän ruotsinkielisiä verrattuna pääkaupunkiseudun metsäisiin pohjoisosiin. Emme siis voi todeta varmuudella pelkästään absoluuttisten arvojen perusteella ruotsinkielisten keskittyneen edellisessä kappaleessa mainituille alueille. Todelliset keskittymät saattavat olla hukkuneet asukasmäärien alle. Tästä pääsemme johtopäätökseen, että vaikka ruututeemakartoilla voidaan esittää absoluuttisia arvoja, ne eivät kuitenkaan kuvaa parhaalla mahdollisella tavalla alueen sisäistä erilaisuutta.

Informatiivisuutta olisin toki voinut hieman parantaa myös omilla tempuilla. Sinisen ja keltaisen harmonian sijasta olisin voinut valita jonkin toisen värikombinaation, jonka päällä kirjoitus näkyy. Suurin osa ihmisistä tuskin osaa nimetä ja sijoittaa Korsoa, Matinkylää, Keimolaa tai muita pääkaupunkiseudun alueita omille paikoilleen.

Palataan kuitenkin tämän lyhyen sivuekskursion jälkeen vielä ruututeemakarttojen miinuspuoliin. Niiden ilme saattaa olla hyvinkin pikselimäinen. Mitä suuremmaksi yksittäisten ruutujen koko kasvaa, sitä enemmän laatikkomaisuus korostuu. Tämä ei mielestäni ole kuitenkaan merkittävä ongelma, sillä gridin saa supistettua riittävän pieneksi, jotta kokonaisuus nousee esteettisiin sfääreihin. Liian paljoa ei ruudukkoa kuitenkaan saa pienentää, sillä esitys muuttuu herkästi pikselimössöksi.

Kaikesta negatiivisuudesta huolimatta näen kuitenkin, että ruututeemakartalla on kartografisena esityksenä myös vahvuuksia:

–       Puhtaasti visuaalisesti (sen syvällisemmin sisältöön ja informatiivisuuteen katsomatta) alueellinen jakautuminen hahmottuu selkeästi

–       Aineisto on keskenään vertailukelpoista, sillä se on laskettu samankokoisille ruuduille

–       Ruutukokoa pystyy muuttamaan liukuvasti, eli aluejako laajenee tai pienenee kätevästi asetuksia muuttamalla

–       Hallinnolliset rajat eivät peity esimerkiksi pylväillä

Näihin huomioihin verraten pistekartat ovat usein turhankin tarkkoja. Laajemmat kokonaisuudet eivät erotu aina kovin selkeästi. Koropleettikartoissa taas hallinnolliset rajat sotkeutuvat hyvin helposti esimerkiksi ympyrä- tai pylväsdiagrammien alle haitaten yksityiskohtaisempaa tarkastelua. Sama ongelma voi ilmetä myös pistekartoissa, jos havaintoja on liian tiheästi pienellä alueella tai käytetyt pistesymbolit ovat kartalle liian suuria.

Aina pistekarttojen tarkkuus ei kuitenkaan ole huono asia. Jenni Kerola kirjoittaa blogissaan, että ” jos taas halutaan esittää ihmisten todellisia sijoittumista, on pistekartta siinä paras, sillä symbolit on kartalla juuri siinä, missä ilmiö esiintyy”

Tässä kaikki tältä erää, ensi kertaan!

 

Lähteet:

Hurme, S. (2014). Kurssikerta 4: Ruututeemakarttoja. <blogs.helsinki.fi/shurme/>. 12.2.2014.

Kerola, J. (2014). 4. Ruutuja ja Espoon vanhuksia. <blogs.helsinki.fi/jekerola/>. 6.2.2014.

 

Third round – Datan lisäys tietokantaan

Kolmas kurssikerta alkoi edellisten tapaan kurssinpitäjän johtamalla harjoittelulla. Teemana oli tietokantojen yhdistely MapInfossa erilaisten kyselyiden avulla sekä ulkoisen tiedon liittäminen tietokantaan toisista ohjelmista (Excel). Lisäksi tuotimme vanhan datan avulla uutta tietoa olemassa oleviin tietokantoihin. Näiden toimintojen lopputulemana saimme aikaiseksi huomattavasti rikkaamman tietokannan esimerkiksi teemakarttojen laatimista varten.

Harjoituksessa käytössämme oli internetistä otettu tietokanta Afrikasta. Listassa mantereen valtiot oli jaettu useaan osaan siten, että jokaisella kohteella oli oma rivinsä tietokannassa. Ryhmittelimme kohteet valtioittain, jonka jälkeen lisäsimme tietokantaan enemmän dataa. Liitimme mukaan väestömäärät, internetin ja Facebookin käyttäjämäärät sekä timanttikaivosten, öljykenttien ja konfliktien määrät. Koin MapInfon varsin selkeäksi uusien sarakkeiden luomisen sekä kyselyiden tekemisen osalta.

Pyry Poutanen analysoi omassa kurssikerran kolme blogikirjoituksessaan tarkemmin harjoituksessa tuotetun tietokannan hyödyntämismahdollisuuksia: ”Jos saatavilla olis lisätietoa konflikteista, timanttikaivoksista ja öljykentistä (vuosi- ja tuottavuuslukuja), voitaisiin näiden välisiä yhteyksiä selvittää syvemmin. Koska timantti- ja öljylöydökset ovat monelle Afrikan valtion taloudelle elintärkeitä, voidaan olettaa, että konfliktit koskevat usein näitä arvokkaita luonnonvaroja. Vuosilukujen (esim. öljykenttien löytämisvuosi ja konfliktin alkamisvuosi) välillä voi löytyä säännönmukaisuutta. Tuottavuusluvut voisivat tarjota tietoa siitä, että vaikuttaako esiintymien laatu — tai syntyykö konflikteja vain eniten tuottavien timanttikaivosten ja öljykenttien ympäristössä.” Emme siis tiedä ilmiöiden luonteesta mitään, ainoastaan niiden sijainnin. Näiden huomioiden johdosta ei voi sanoa varmuudella, kuinka suuri vaikutus varoilla on konfliktien laajuuteen ja esiintymiseen. Yksityiskohtaisempaa tietoa kaivattaisiin, jotta esimerkiksi kurssinpitäjä Arttu Paarlahden laatimaa teemakarttaa voisi tulkinta tyhjentävämmin (kuva 5). Lisätiedon avulla voitaisiin myös laatia monipuolisempia teemakarttoja. Olisi esimerkiksi mielenkiintoista tarkastella, kuinka tuottavuusluvut ovat vaihdelleet eri vuosina ja miten se on vaikuttanut muihin ilmiöihin.

Kuva 4. Kartta Afrikan öljykentistä, timanttikaivoksista sekä konflikteista ja niiden vaikutusaluista.

Kuva 5. Kartta Afrikan öljykentistä, timanttikaivoksista sekä konflikteista ja niiden vaikutusalueista (Paarlahti, A., 2014).

Yhteisharjoittelun jälkeen siirryimme taasen itsenäiseen työntekoon. Tällä kertaa emme saaneet valita teemoja itse, vaan ne olivat ennalta määrättyjä. Koin lähtöasetelman mielenkiintoiseksi, sillä ensimmäistä kertaa kaikkien kurssilaisten tuotokset ovat keskenään helposti vertailtavissa. Nähtäväksi jää, millaista väittelyä saamme aikaiseksi.

Tarkoituksena oli laatia koropleettiteemakartta Suomen valuma-alueiden tulvaindeksistä (SYKE 2014) valitsemallaan luokittelulla. Lisäksi karttaan ynnättiin järvisyysprosenttiteema hyödyntämällä pylväsdiagrammeja. Aluksi aineisto oli useassa eri tiedostossa ja ne täytyi tuoda samaan MapInfon tietokantaan. Histogrammi oli annettu valmiiksi ja se kertoi meille aineiston olevan vinosti jakautunut. Tällöin sopivimmat luokkajaot ovat sovinnaiset pyöristetyt luokkavälit, matemaattiset/geometriset sarjat sekä kvantiilit. MapInfossa ei ollut tarjolla matemaattisia/geometrisia sarjoja. Päädyin jäljellejääneistä vaihtoehdoista valitsemaan kvantiilit, joka oli itselleni luokkaväleistä tutumpi.

Luokkien määrän rajasin kolmeen. Tämä liittää suurimman osan Lapista alimpaan tulvaindeksiluokkaan kuuluvaksi. Laajalla alueella Lapissa tulvaindeksiarvot ovat arvojen 20 ja 50 välillä, mikä niukasti erottaa alueen vähätulvaisesta Itä-Suomesta. En kokenut kuitenkaan tarpeelliseksi eritellä näin pientä vaihteluväliä (30) lisäämällä luokkaa 0-20, sillä merenrannikolla skaalan vaihteluväli on niinkin suuri kuin 1050. Vaikka kyseessä on vino aineisto, koin, että luokkavälit olisivat muodostuneet liian epätasaisiksi. Ne eivät olisi olleet kovin tasaisesti kasvavia, minkä koin olevan “epäloogista” kartanlukijalle, joka ei tiedä aineston olevan vino.

Käytin koropleettikartassani (kuva 6) sinisen eri sävyjä värin tummentuessa kohti suurempaa tulvaindeksiä (=keskiylivirtaama jaettuna keksialivirtaamalla). Virtaamalla (Q) tarkoitetaan tietyn uoman poikkileikkauksen läpi virtaavaa vesimäärää sekunnissa. Mittayksikkönä käytetään joko litraa tai kuutiota. Järvisyyden kuvaamiseen käytin lineaarisesti kasvavia, punertavia pylväitä.

Kuva 5. Suomen vesistöalueiden valuma-alueilla järvisyyttä sekä tulvaindeksiä kuvaava, kahden päällekkäisen teeman kartta.

Kuva 6. Suomen vesistöalueiden valuma-alueilla järvisyyttä sekä tulvaindeksiä kuvaava, kahden päällekkäisen teeman kartta.

Kartanlukijana ensimmäiseksi huomio kiinnittyy kolmeen muodostuvaan alueeseen: Pohjanlahden rannikkoon, Suomenlahden rannikkoon sekä muuhun Suomeen. Suurimmat tulvaindeksiarvot löytyvät rannikoilta pienimpien arvojen keskittyessä muuhun Suomeen. Silmiinpistävää on myös valuma-alueiden erilaiset koot. Sisämaassa on verrattain suuria kokonaisuuksia, rannikolla niiden ollessa melko pieniä. Kartalta havaitaan myös, että eniten jokia on rannikolla. Järvet taas ovat keskittyneet sisämaahan, erityisesti Järvi-Suomeen.

Kartalla näkyviin ilmiöihin tarkemmin pureutumalla havaitaan, että järvisyyden sekä tulvaherkkyyden välillä on yhteys. Kaikkein tulvaherkimmillä alueilla järviä on vähän tai olemattomasti, kun taas alhaisen tulvaindeksin alueilla järvisyys on keskimäärin 15 prosenttia pinta-alasta. Tästä voidaan päätellä, että veden varastoina järvet alentavat hyvin tulvariskiä estämällä luonnollista tulvimista. Asia ei tietenkään ole näin mustavalkoinen, vaan tulvimiseen vaikuttaa myös muut tekijät. Rannikot ovat varsin alavaa seutua, varsinkin Pohjanmaalla. Tällöin tulvat ovat vaarassa levitä laajemmalle alueelle. Christa Sallasmaa ottaa hyvin omassa blogikirjoituksessaan huomioon myös ihmisen toiminnan vaikutuksen tulvimiseen: “On hyvä muistaa, että luonnollisten tekijöiden lisäksi tulva-alttiutta nostavat myös ihmisen teot. Esimerkiksi Pohjanmaan tulvat ovat voineet lisääntyä suo-ojitusten seurauksena.” Tähän lisäyksenä tulvimisen riskiä nostavat myös muun muassa pinnanmuotojen tasaisuus (Pohjanmaa), tiiviit, vettä läpäisemättömät maalajit, rannikon nopea maankohoaminen (Pohjanmaa) sekä jokien keväiset jääpadot.

Karttaa tarkastellessa tulee myös ottaa huomioon Jasmin Bayarin tekemät huomiot: “Korkea tulvaindeksi ei välttämättä tarkoita tulvia alueella, vaan myös joen virtaaman suurta kasvua sateiden aikana ja lumien sulaessa. Tulviminen riippuu joen uomasta ja jos virtaava vesimäärä ylittää uoman.”

Koen, että karttani esittää ilmiöiden välisen suhteen sekä alueellisen painottumisen hyvin. Kokonaisuus on selkeä, ja pylväät ovat oikean kokoisia. Myös värit (punainen vs. sininen) toimivat hyvin yhdessä.

 

Lähteet:

Bayar, J. (2014). 3. Kurssikerta 28.01 : Tietokantojen data. <blogs.helsinki.fi/jasbayar/>. 6.3.2014.

Paarlahti, A. (2014). Afrikkaa. <blogs.helsinki.fi/pak-2014/>. 31.1.2014.

Poutanen, P. (2014). Kurssikerta 3 – MapInfon soveltavaa käyttöä. <blogs.helsinki.fi/pyrypout/>. 31.1.2014.

Sallasmaa, C. (2014). 3. kurssikerta: Tietokantoja ja teemakartta valuma-alueista. <blogs.helsinki.fi/christas/>. 31.1.2014.

SYKE (2014). Valuma-alueet. Oiva-tietokanta. <http://wwwp2.ymparisto.fi/scripts/oiva.asp>. 26.1.2014.

Artikkeli 1 – Kahden muuttujan koropleettikartta

Toisen kurssikerran tueksi saimme pohdittavaksi blogitehtävän, joka pohjautuu Anna Leonowiczin artikkeliin ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship”. Artikkeli kertoo kahden muuttujan koropleettikarttojen (two-variable choroplet maps) vahvuuksista ja heikkouksista suhteessa yhden muuttujan koropleettikarttoihin (one-variable choroplet maps). Tutkija Leonowicz esittelee Varsovan ja Vilnan yliopistoissa suoritetun tutkimuksen, jossa tutkittiin ihmisten suhtautumista yksi- ja kaksiteemaisiin karttoihin. Tuloksena oli, että kahden muuttujan koropleettikartat koetaan yleisesti vaikealukuisina, mutta ilmiöiden välisten suhteiden tarkasteluun ne sopivat paremmin kuin yhden muuttujan kartat. Lisäksi kaksiteemaiset kartat koettiin mielenkiintoisempina. Yhden muuttujan kartat taas nähtiin sopivan paremmin alueellisen jakautumisen kuvaamiseen.

Pidin artikkelia hyvin mielenkiintoisena. Sen leipäteksti oli helppolukuinen ja positiiviset sekä negatiiviset aspektit molemmista esitystavoista oli eritelty mainiosti. Esimerkiksi kahden muuttujan koropleettikartoista kerrottiin hyvin selkeästi kuinka niillä saadaan tuotua teemakartografiaan lisäarvoa myös asettamalla päällekkäin kaksi yksittäistä ilmiötä. Niiden välillä ei tarvitse olla lineaarista riippuvuutta. Riittää, että muuttujat liittyvät yhteiseen yläteemaan. Esimerkkinä käytettiin syntyneiden ja kuolleiden lukumääriä, jotka yhdistämällä saadaan tarkasteluun luonnollinen väestönkasvu.

Nopeasti tarkasteltuna artikkelissa kahden muuttujan koropleettikartan legenda vaikutti vaikeasti ymmärrettävältä, jopa pelottavalta. Kuitenkin hetken tarkastelun jälkeen kaikki oli varsin selvää ja se toi minulle paljon uutta ajateltavaa. Legendan kanta sekä vasen sivusta vastaavat kaksiulotteisen koordinaatiston akseleita ja keskellä kulkee lineaarinen regressiokäyrä. Lisäksi neliön sisällä näkyy muuttujien havaintopistearvot oikein sijoitettuina. Kokonaisuutena legenda toimi mielestäni siinä mielessä hyvin kartografisen esityksen tukena, että jo pelkästään sitä tarkastelemalla voidaan havaita, onko muuttujien välillä lineaarista riippuvuutta, eli korrelaatiota, vai ei.

Legendan oikeanlainen tulkinta onkin kaksiteemaisissa koropleettikartoissa hyvin keskeisessä osassa. Mikäli korrelaatiota osaa tarkastella, kartan tulkinnasta pitäisi selvitä ilman sen suurempaa päänvaivaa.

Monille ihmisille lineaarinen regressio ei kuitenkaan ole tuttu. Tästä johtuen kaksiteemaiset koropleettikartat voivat vaikuttaa ylitsepääsemättömiltä hirviöiltä, jotka estävät kartanlukijassa älyllisen stimulaation aggressiivisen laajenemisen. Ongelmia voivat tuottaa myös käytettyjen värien merkitykset, sillä sävyjä hyödynnetään usein eritavalla kuin yhden muuttujan kartoissa. Artikkelin esimerkkikartassa (kuva 4) käytetyt värit (punertava magenta ja sinertävä syaani) toimivat siten, että kirkkaat sävyt indikoivat löyhää korrelaatiota, kun taas värien päällekkäisyyden muodostama lilansävy kertoo voimakkaammasta lineaarisesta riippuvuudesta. Tähän probleemaan olikin törmännyt Natalia Erfving, joka kirjoittaa blogissaan, että ”kartassa käytettyjen värien merkityksen ymmärtämisen koin vaikeaksi, jos en säännöllisesti tarkistanut niiden merkitystä legendasta. Normaali yksiteemainen sävyerokoropleettikartta toimii usein niin, että tummempi väri kertoo suuremmista arvoista.”

Kuva 4. Kahden muuttujan koropleettikartta Mazowszen alueelta sekä legenda.

Kuva 4. Kahden muuttujan koropleettikartta Mazowszen alueelta sekä legenda (Leonowicz, A., 2006).

Kaksiteemaisten karttojen kanssa voidaankin nähdä Juhani Tammisen sanoin tilanteen olevan niin sanottu ”high risk, high reward”. Ne vaativat tarkkaa kartan sekä legendan havainnointia, jotta kartanlukija ymmärtää ilmiöiden välisen suhteen oikealla tavalla. Taitavalle kartanlukijalle kartografinen esitys voi olla hyvinkin hyödyllinen, kun taas kokemattomampi kartanlukija voi sortua vääriin johtopäätöksiin. Näin oli käydä myös minulle, kun tarkastelin esimerkkikarttaa aluksi vain ”puolilla valoilla”. Tällaisten tilanteiden syntymisen mahdollisuus lisää totta kai myös kartanlaatijan vastuuta.

Vaikka kahden muuttujan koropleettikartoissa on omat negatiiviset puolensa, haluaisin kuitenkin tulevaisuudessa nähdä niitä käytettävän yhä useammin. Niissä on piilevää potentiaalia riippuvuussuhteiden havainnollistamiseen puuduttavaksi muuttuneiden tilastojen rinnalla. Kuten artikkelin esittelemän tieteellisen tutkimuksen tuloksista huomattiin, kahden muuttujan koropleettikartat nähdään usein katsojan silmissä mielenkiintoisempina kuin yksiteemaiset. Tämä seikka yhdistettynä siihen, että ne pakottavat kartanlukijan todella perehtymään tarkasteluun, voisi parhaassa mahdollisessa skenaariossa johtaa jopa monien yksilöiden kohdalla kartanlukutaidon kehittymiseen. Mikäli kartalla pyritään painottamaan enemmän ilmiöiden välisiä suhteita kuin alueellista jakautumista, miksi kahden muuttujan koropleettikarttaa ei hyödyntäisi? Kuten jo aiemmin tässä tekstissä mainitsin, kaksiteemaisissa koropleettikartoissa ilmiöiden välisten suhteiden tarkastelu koetaan tutkimuksen mukaan helpommaksi kuin yksiteemaisissa. Tämä johtuu ilmiöiden päällekkäisyydestä. Yhden muuttujan koropleettikartoissa kyseinen menettely ei ole mahdollista, vaan on tarkasteltava kahta erillistä karttaa samanaikaisesti.

Olin hyvin iloinen tästä blogitehtävästä, sillä se avarsi päällekkäisten teemakarttojen käyttötarkoituksia ja – mahdollisuuksia. Parin kurssikerran jälkeen MapInfolla tuntuu olevan hyvät ja monipuoliset mahdollisuudet kaksiteemaisten karttojen laadintaan. Odotan mielenkiinnolla mitä tuleman pitää.

 

Lähteet:

Erfving, N. (2014). Kurssikerta 2: Artikkeli 1 – Kaksiteemainen koropleettikartta. <blogs.helsinki.fi/nataliae/>. 29.1.2014.

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

Second round – Minä vastaan MapInfo

Kuten Antti Kinnunen jälleen kerran komeaa terminologiaa hyväksikäyttämällä sen omassa blogissaan kiteyttää: ”Toisen kurssikerran agendana oli tutustuminen erilaisiin teemakartta-malleihin ja niiden luomiseen MapInfolla”. Lisäksi tutustuimme kahden päällekkäisen teemakartan tekemiseen. Paarlahti alusti oppitunnin powerpoint-esityksellä, jossa hän esitteli erilaisia MapInfolla laadittavia teemakarttoja. Kävimme läpi muun muassa pylväsdiagrammi-, ympyrädiagrammi- sekä grid-kartat. Esityksen aikana koin varsinkin grid-kartan erittäin näyttäväksi. Ajattelin myös, että kyseinen kartta on varmasti todella hankala laatia. Meille selostetuista esitystavoista on syytä muistaa Jasmin Bayarin omassa blogissaan luettelemat asiat:

“- Pylväillä voidaan kuvata absoluuttisia tai suhteellisia arvoja, ja absoluuttisia arvoja käytettäessä on otettava huomioon alueiden erilaisuus.

– Ympyrädiagrammikartta soveltuu usean ilmiön kuvaamiseen. Ympyrän lohkon koko kuvaa tekijän suuruutta ja ympyrädiagrammi esittää valitut arvot kunkin kohteen päällä.

– Graduated-teemakartalla kuvataan absoluuttisia arvoja kartalla. Kartalla olevan symbolin koko kasvaa teemoitettavan arvon kasvaessa.

– Pistekartalla kuvataan absoluuttisia arvoja eri aluekohteilla, ja pisteen koko on verrattavissa annettuun arvoon.

– Individual teemakarttatyyppi soveltuu laadullisten ilmiöiden kuvaamiseen, ja sillä voi esimerkiksi erottaa maakunnat eri väreillä (kuva 1.)

– Grid-teemakartassa kartta muodostuu interpoloidun aineiston pohjalta ja kartta muodostuu jatkuvapintaisesta liukuvärjäyksestä. Grid kartan pohjalta voidaan tehdä 3D –karttoja.”

Alustuksen jälkeen siirryimme harjoittelemaan teemakarttojen tekoa kurssinpitäjän johdolla. Oli hienoa havaita, ettei loppupeleissä karttaesitysten laatimiseen tarvittu montaa sen suurempaa taikatemppua, ei edes grid-kartan kanssa.

Rauhallisen yhteisharjoittelun jälkeen oli aika laatia oma tuotos, jossa on kaksi teemakarttaa päällekkäin. Tällainen kartografinen esitys muodostuu useimmiten koropleettikartasta, jonka päälle on asetettu esimerkiksi piste- tai ympyrädiagrammikartta. On myös mahdollista tarkastella kahta koropleettikarttaa päällekkäin. Päädyin itse tähän ratkaisuun. Tarkoituksena oli löytää Kunnat2011.tab – tiedostoa apuna käyttäen kaksi alueellista ilmiötä, joilla on selvä keskinäinen suhde.

Oma karttani kuvaa elävänä syntyneiden ja perheiden lukumäärän välistä suhdetta Uudellamaalla vuonna 2010 (kuva 3). Viivarasteri kuvaa elävänä syntyneiden frekvenssiä ja vihreän eri sävyt perheiden lukumäärää. Pyrkimyksenäni oli yhdistää tuotoksessani kaksi toisistaan hyvin erottuvaa tyyliä, jotta ilmiöiden välinen suhde käy ongelmitta alueellisesti ilmi. Lisäksi halusin vihreällä värillä tuoda ilmi sen, että käsiteltävä asia on Suomessa positiivinen seikka. Esimerkiksi punaisen eri sävyjen käyttö olisi mielestäni luonut ristiriitoja kartanlukijan mielessä johtuen väriin liittyvistä mielleyhtymistä.

Kuva 3. Kartografisesta esityksestä huomaamme, että ilmiöiden välillä vallitsee vahva suhde (Tilastokeskus 2010).

Kuva 3. Kartografisesta esityksestä huomaamme, että ilmiöiden välillä vallitsee vahva suhde (Pohja-aineisto: Tilastokeskus 2010).

Verkosta löytyvä histogrammityökalu toimi jälleen apuna sopivien luokittelujen valitsemisessa. Kummankin alueellisen ilmiön tilastolliset jakaumat näyttivät hyvin samanlaisilta. Ne olivat vasemmalle vinon sekä epämääräisen jakauman välimuotoja. En pystynyt varmuudella toteamaan, kumpaa ne muistuttivat enemmän, mutta onneksi huomiosta ei aiheutunut ongelmia. Kvantiilit eli tasamääräiset luokat sopivat sekä epämääräisen että vinon jakauman kuvaamiseen, joten valintani oli helppo. Luokkien määräksi valitsin kolme. Uusimaa ei alueena ole kovin suuri, ja suurempi määrä luokkia olisi haitannut esityksen ulkonäköä. Lisäksi kolmella luokalla sain ilmiöni istumaan alueellisesti lähes täydellisesti toisiinsa.

Kuitenkaan täysin ongelmitta en kartografista esitystä laatiessani selvinnyt. Pallottelin pitkään, että lisäänkö lopulliseen tuotokseeni Uudenmaan kuntien nimet vai en. Varsinkin Uudenmaan ulkopuolella koko ikänsä asuneet, karttaa tarkastelevat henkilöt, kokevat varmasti kuntien nimien puutteen alueellista tarkastelua häiritsevänä tekijänä. Päädyin kuitenkin jättämään nimet pois, sillä ne olisivat mielestäni tuoneet mukaan liikaa informaatiota haitaten kartan ulkonäköä. Saman ongelman parissa paini myös Laura Hintsanen, joka tarkastelee kartassaan työttömyyden ja korkeakoulutuksen välistä suhdetta Uudellamaalla vuonna 2010. Hän kirjoittaa blogissaan: ”Päätin laittaa kuntien nimet näkyviin, koska ne tuovat paljon lisäarvoa karttaan. Harva osaa nimetä, saatika sijoittaa kartalle, kaikki Uudenmaan kunnat, vaikka itse kyseisellä alueella asuisikin. Pohdin nimien lisäämistä pitkään ja mallailin karttaa niiden kanssa ja ilman.” Mielestäni meitä piinanneeseen ongelmaan erinomaisen ratkaisun esitteli Niklas Aalto-Setälä, joka kirjoittaa blogissaan, että ”jokaisen alueen numeroiminen ja numerot selittävä lista (numero=paikka) olisi voinut olla toimiva ratkaisu”.

Koen, että tuotokseni on ulkoasullisesti erittäin selkeä, mutta sisällöllisesti melko köyhä. Kartta kuvaa kahta ilmiötä, joiden välinen suhde on ilmiselvä ja entuudestaan tuttu lähes kaikille karttaa tarkasteleville henkilöille, ja ei näin kartuta katsojan alueellista tietämystä. Päädyin näin ilmiselviin valintoihin, sillä koin innovatiivisten ja tajunnanräjäyttävien huomioiden sekä suhteiden löytämisen aineistosta ensimmäisen vuoden opiskelijalle äärimmäisen haastavaksi. Totta kai aineistosta olisi voinut löytyä jokin uusi, mielenkiintoinen korrelaatio eri ilmiöiden väliltä, mutta todennäköisesti lopputulemana olisi ollut ainoastaan ”jonkinlainen suhde”. Halusin pysyä totuudessa, sitä luokitteluvalinnoilla vääristämättä. Lisäksi koin oppimistavoitteeksi enemmän kahden päällekkäisen teemakartan teknisen toteutuksen ymmärtämisen, kuin uusien, todennäköisesti jollakin asteella vääristyneiden, teorioiden julkaisemisen atomipommin lailla julkisessa blogissa.

Tulipahan taas tehtyä epistemologinen avautuminen, toivottavasti piditte. Ensi kertaan, jolloin ehkä jälleen luvassa lisää tekstiä suoraan sieluni syvyydestä.

 

Lähteet:

Aalto-Setälä, N. (2014). Kurssikerta 2: The battle continues! <blogs.helsinki.fi/niklasaa/>. 28.1.2014.

Bayar, J. (2014). 2. Kurssikerta 21.01 : Teemakartat. <blogs.helsinki.fi/jasbayar/>. 28.1.2014.

Hintsanen, L. (2014). Kurssikerta 2: Kahden teeman teemakartat. <blogs.helsinki.fi/lhintsan/>. 28.1.2014.

Kinnunen, A. (2014). Teemailua MapInfolla. <blogs.helsinki.fi/aekinnun/>. 28.1.2014.

Tilastokeskus. (2010). Väestötilastot.

Kurssin aloitus ja MapInfoon tutustuminen

Paikkatiedon hankinta, analyysi ja kartografia –kurssin ensimmäinen kurssikerta käynnistyi paikkatietoasioiden kertauksella sekä yleisten asioiden läpikäymisellä. Melko pian siirryimme kuitenkin MapInfo Professional 11.5 –ohjelman käytön harjoitteluun. Tutustuimme ohjelman eri työkaluihin, ja tavoitteena oli ymmärtää kuinka perustoiminnot toimivat sekä miten niitä pystyi hyödyntämään teemakartan luomisessa. Harjoittelun aikana laadimme kurssinpitäjän opastuksen avustuksella koropleettikartan, joka kuvasi ulkomaan kansalaisten osuutta Helsingin eri kaupunginosissa. MapInfo erosi huomattavasti aikaisemmalla TAK-kurssilla käytössä olleesta Corel Draw –ohjelmasta, minkä vuoksi ensin uusien toimintojen omaksuminen tuntui vieraalta. Koin monet seikat MapInfossa hankalemmiksi kuin Corel Drawssa. Myös Aleksi Rautio tuskaili samojen huomioiden keskiössä. Hän kirjoittaa blogissaan: “MapInfo:ssa esimerkiksi karttaobjektien siirtäminen on hieman kankeampaa kuin CorelDraw:ssa ja undo-työkalu rajoittuu vain yhteen toimintoon.” Lyhyen painin jälkeen hommat alkoivat kuitenkin sujua jouhevasti.

Harjoittelun jälkeen tarkoituksena oli laatia itsenäisesti koropleettikartta. Oman karttani tein työssäkäyvän väestön osuudesta Suomen kunnissa vuonna 2011. Verkosta löytyvä histogrammityökalu toimi apuna sopivan luokittelun valitsemisessa. Tilastollista jakaumaa tarkastellessani huomasin välittömästi aineistoni olevan normaalisti jakautunut (kuva 1). Näin ollen luokittelumetodivaihtoehdoikseni muodostuivat kvantiilit eli tasamääräiset luokat, keskiarvot sekä hajontaluvut (keskihajonta). Keskiarvoja ei ollut edes MapInfossa tarjolla, ja lopulta päädyin valitsemaan luokittelutavaksi keksihajonnan (standard deviation). Minni Aallon histogrammista muodostui niin ikään Gaussin kellokäyrä. Hän tarkastelee kartassaan eläkeläisten osuutta väestöstä ja kirjoittaa blogissaan, että päätyi ”luokittelemaan eläkeläisten osuudet väestöstä kvantiileittain viiteen eri luokkaan. Kvantiileihin jaotellessa on vaarana että luokkien sisäiset erot ovat hyvinkin suuret”. Halusin luokittelutapani vääristävän totuutta mahdollisimman vähän. Normaalijakautumaa luonnehtii odotusarvo ja keskihajonta, minkä johdosta valitsin luokittelutavaksi keskihajonnan kvantiilien sijasta.

Kuva 1. Histogrammi työssäkäyvän väestön jakautumisesta Suomessa kunnittain vuonna 2011. Tilastollisesta jakaumasta nähdään, että aineisto on normaalisti jakautunut.

Kuva 1. Histogrammi työssäkäyvän väestön jakautumisesta Suomessa kunnittain vuonna 2011. Tilastollisesta jakaumasta nähdään, että aineisto on normaalisti jakautunut.

Ensimmäisessä raa’assa karttaversiossani olin valinnut luokkien määräksi viisi. Päätin kuitenkin vähentää niitä, sillä luokkarajoja oli vaikeaa erottaa. Lopulta päädyin neljään luokkaan (kuva 2). Samantyyppiseen johtopäätökseen oli päätynyt myös Mia Eriksson. Hän tarkastelee kartassaan muiden kuin suomen- tai ruotsinkielisten osuutta väestöstä Helsingin kaupunginosissa ja kirjoittaa blogissaan: ”Luokkien määräksi valitsin neljä, koska liian suuri määrä luokkia vähentää huomattavasti kartan luettavuutta, varsinkin eri luokkien ollessa saman värin eri sävyillä merkittyjä. Kolme luokkaa taas olisi tuntunut hieman liian vähältä, ja kartta olisi mielestäni yksinkertaistunut liikaa.”

Kuva 2. Selkeästi eniten työssäkäyviä kuntien väestöstä on Suomen etelä- ja länsiosissa.

Kuva 2. Selkeästi eniten työssäkäyviä kuntien väestöstä on Suomen etelä- ja länsiosissa (Pohja-aineisto: Tilastokeskus 2011).

Kartasta voimme päätellä monia asioita. Suomen pohjois- ja länsiosissa työssäkäyvän väestön osuus on maan pienin. Näillä alueilla on todennäköisesti huonommat työllistymismahdollisuudet verrattuna Suomen länsi- ja eteläosiin johtuen työalojen tarjonnan kapeudesta. Lisäksi nämä alueet ovat muuttotappiovyöhykettä, josta nuori väestö lähtee koulutuksen ja työllisyyden perään paremman tarjonnan seuduille. Tällöin lähtöaleen väestörakenne vanhenee, ja eläkeläisten suhteellisesti korkea lukumäärä laskee tilastoja alaspäin. Nämä ovat myös seikkoja, joita uskon aineistolle vieraiden kartanlukijoiden edes osittain päättelevän tuotoksestani. Koenkin, että karttani on varsin selkeä. Käyttämäni lilansävy on miellyttävä silmälle, ja ilmiön alueellisen painottumisen havaitsee helposti. Pohjoisnuolta sekä mittakaavaa olisin voinut miettiä uudelleen tehden ne paksummiksi ja selkeämmiksi.

Ensimmäinen kurssikerta oli kokonaisuudessaan hyvin toiveita herättävä. Itse julkisen blogin pitäminen tuntuu tällä hetkellä oivalliselta ja mielenkiintoiselta ratkaisulta koetella opiskelijoiden paneutumista teknisesti kirjoittamiseen sekä ilmiöiden analyyttiseen tarkasteluun. Odotan innolla tulevia tehtävänantoja sekä harjaantumista MapInfon käyttäjänä. Koen tällä hetkellä tuntevani vasta perusteet ohjelman käyttämiseen. Mestarillisen hallinnantason saavuttaakseni tarvitsen vielä erittäin paljon lisäharjoitusta.

 

Lähteet:

Aalto, M. (2014). Kurssikerta 1: MapInfon käyttäminen ja oman koropleettiteemakartan tekeminen. <blogs.helsinki.fi/mmaalto/>. 26.1.2014.

Eriksson, M. (2014). Ensimmäinen kurssikerta: MapInfoon tutustumista. <blogs.helsinki.fi/miaeriks/>. 26.1.2014.

Histogrammityökalu. <http://illuminations.nctm.org/Activity.aspx?id=4152>.  23.1.2014.

Rautio, A. (2014). PAK ja näin se alkaa. <blogs.helsinki.fi/alerauti/>. 28.1.2014.

Tilastokeskus (2011). Väestörakenne.