Blogi valmis!!!

Nyt riitti ahertaminen tämän blogin parissa! Työmäärä on ollut melkoinen tällaiselle MapInfo-kädettömälle ihmiselle, ja vaikka lopputuloksessa on valtavasti hiomisen varaa, niin olen suurenmoisen ylpeä siitä, että suoriuduin tästä…jota kuten hengissä 🙂

Kiitos kurssista! Ja tsemppiä tuleville PAK-kurssilaisille!

Kurssikerta 7. Ilo irti!

Vuosisadan piina ja taistelu MapInfon kanssa on aivan loppusuoralla. Viimeistä viedään! Aihe vapaa ja koko tunti itsenäistä aherrusta.

Kurssikerran haastavimmaksi osuudeksi osoittautui ensinnäkin aiheen valitseminen, mutta toiseksi tiedon löytäminen. Päätin mennä sieltä, mistä aita on matalin, eli tuottaa karttaesitys sellaisesta maanosasta, josta meillä on jo kurssikerran puitteissa saatu karttapohja. Käytin saatua maailman karttapohjaa ja valitsin karttaesityksen tekoon Afrikan. Siinä on sopiva määrä eri maita ja helppo löytää tietoa niistä. Aiheeksi valitsin malarian. Halusin esittää kartta-aineistossa malariatapausten määriä sekä kuolleisuutta, ja näiden esittämisessä koin, että pylväsdiagrammit ovat mitä informatiivisin esitysmenetelmä. Jotta tämä tieto olisi suhteutettavissa myös väkilukuun, niin tein perinteisen koropleettikartan, joka kuvaa väkilukua värisävyin eri luokkakoissa.

Malariasta löytyy helposti tietoa, mutta siltikään tietoa ei ollut saatavilla kaikista maista. Haasteena oli vielä saada tämä tieto MapInfon tietokantaan. Taistelin yli tunnin sen kanssa, että sain tiedot excelissä sopivaan muotoon ja lopulta tuotua MapInfoon. Loppu oli jo oikeastaan tuttua koropleettikartta ja pylväsdiagrammi aherrusta.

Kuva 1. Afrikka

Kuva 1. Afrikka

Kartasta (kuva 1) voi havaita malarian olevan koko Afrikkaa koskeva ongelma. Pohjois-Afrikassa malariatapauksia on vähemmän verrattuna muuhun Afrikkaan ja lisäksi kuolleisuus on pienempi. Voisi olettaa, että länsimaalaistuvassa pohjois-Afrikassa terveydenhuolto on parempaa ja tietoisuus ja siten ennaltaehkäisykin toimii tehokkaammin. Maallikkona on vaikea sanoa, miten suuri vaikutus ilmastolla on. Hyttyset tarvitsevat elinympäristöltään kosteutta, mutta silti saharankin alueella malariatartuntoja ilmenee paljon. Länsi-Afrikassa malariaan kuolleiden määrä on suuri väkilukuunkin nähden.

 

Muiden blogikirjoituksiin on hitusen vaikea vedota, kun aiheet ovat erilaisia. Sen sijaan mietin loppufiiliksiä kurssilta ja Pyry Poutanen toteaa blogissaan näin: “On ollut myös ilahduttavaa huomata hyviä pointteja muiden kirjoituksissa, tiedeyhteisössä on tärkeää lukea paljon muiden kirjoituksia ja poimia sieltä asioita. Jokaisella kurssikerralla olen löytänyt muiden julkaisuista jo hetken etsinnän jälkään sellaisia avartavia ajatuksia, jotka eivät ole omassa mielessäni käyneet. Näin myös omat julkaisuni saavat uusia näkökantoja ja sisältöä. Olen hyvin yllättynyt kurssin suoritustavan toimivuudesta!” Olen täysin samaa mieltä sen suhteen, miten paljon on voinut oppia muilta ja muiden teksteistä, sillä on hienoa havaita, että jotku tosissaan osaavatkin näitä tehtäviä tehdä ja ymmärtävät maantieteestäkin jotain 😀 Itselleni kurssi on ollut jopa liiankin haastava, ja vaikeuksia on riittänyt tämän parissa lähes yhtä paljon kun gradua ahertaessa. En tiedä, onko niin olennaista sekään, että opettajaksi valmistuvat täytyy osata käyttää mapInfoa -eli ohjelmistoa, joihin tuskin millään koululla on varaa. Tuskallista on ollut, mutta nyt vain haaveilen siitä, että saan tämän kurssin pakettiin.

KK 6 Sateesta vulkanismiin

Kurssikerralla 6 harjoiteltiin geokoodaamista pyörien Kumpulan alueella GPS-paikantimen kanssa. Periaatteessa hienointa oli astua opettajan saappaisiin ja opetella hyödyntämään niin GPS-laitteen helppoutta omien paikkatietojen tuottamiseen kuin hyödyntää jo olemassa olevaa tietoa opetuksen havainnollistamiseen. Pyörimme ryhmäni kanssa ympäri ämpäri Kumpulaa ja Arabiaa bongaillen bussi- ja ratikkapysäkkejä, eli kovin olennaisesta tiedosta ei ollut kyse, mutta yhtälailla opetustyössä voi hyödyntää samaa menetelmää maastossa. Kuvassa 1 näkyy harhailemamme reitti pysäkkejä bongaten. Melko hyvin pisteet pitivät paikkansa, mutta jossain kohdin pisteiden sijainti näyttää olevan jo rakennusten kohdilla. Myös korkeuden mittaus antoi ihan omia tuloksiaan. Mitä tästä opimme: ei kannata sokeasti luottaa GPS-laitteisiin 🙂

Kuva 1. Bussi- ja ratikkapysäkkien bongausta.

Kuva 1. Bussi- ja ratikkapysäkkien bongausta.

 

Mutta itse asiaan! Maantieteen opettaja ei voi pärjätä ilman kartta-aineistoja ja on hienoa demonstroida kartoilla litosfäärilauttojen saumakohtien merkitsevyyttä vulkanismin kannalta. Perinteinen paperikartta luokkahuoneessa ei ehkä annan yhtä hyvää visuaalista informaatiota nuorelle oppijalle kuin nyt ahkeroidut MapInfon mestariteokset.Tuotetun kartan avulla voidaan havainnollistaa saumakohtien sijainteja sekä alueilla esiintyviä ilmiöitä loistavasti. Opettamisen kannalta ihanaa on myös, miten helposti tietoa sai vietyä kartalle haluamastaan aineistosta. Suuria kikkailuja ei vaadittu, mikä pienentää kynnystä käyttää opetuksessa itsekin tuotettuja karttoja. Minni Aalto tuumaili blogissaan samallaisia asioita: “Tämän viikon itsenäistehtävämme oli loppujen lopuksi teknisesti melko simppeli ja pidin lähestymistavasta, jossa mietimme karttojen esittämistä opetusmielessä.”. Kerrankin siis jotain, mistä opettajaopiskelijatkin kokevat hyötyvänsä. Minni oli blogissaan tehnyt eri hazardeista karttoja, ja olikin mielenkiintoista huomata itsekin, miten hyvin hänenkin tekemät kartat esimerkiksi meteoriittiaineistosta toimivat todellisina mielenkiinnon herättäjinä aihetta ajatellen.

 

Itse valitsin aiheeksi ensisijaisesti tulivuoret, ja mikä olisikaan hienompi alue lähteä tutkimaan tulivuorten sijaintia kuin Japani. Tein aluksi kartan (Kuva 2) kaikista Japanin tulivuorista. Kartassa ei siis oteta huomioon niiden aktiivuutta. Kartta tuo esille tulivuorien valtavan määrän Japanissa, joka kertoo Japanin sijainnista Tyynenmeren tulirenkaassa, Maa sijaitsee tuliperäisellä ja kolmen mannerlaatan yhtymäkohdassa. Laadukkaat aineiston löytäminen on kuitenkin melkoinen haaste. Alueella on yhteensä noin 160 tulivuorta, omalla kartallani näkyy 112. Täydellistä tarkkuuta en nyt saavuttanut, mutta tässä tilanteessa kyseinen tieto ei ole olennainen.  Pääasia on osoittaa oppilaille Japanin sijainti tulivuorten ja maanjäristyksien suhteen herkällä alueella.

Kuva 2. Tulivuoret Japanissa.

Kuva 2. Tulivuoret Japanissa.

Seuraavaksi tein kartan koko maailmassa tapahtuvista tulivuoren purkauksista. Aineiston ongelmallisuus tuli jälleen uudelleen esille. Viimeisimmät tulivuorenpurkaukset on kategorisoituna yhteen 1964vuoden jälkeen tapahtuneisiin purkauksiin. Tuoreempaa kategoria vaihtoehtoa ei ollut saatavilla. Päätin kuitenkin, että ’64 on oikein hyvä vuosi ja kelpaa hyvin opetustilanteeseeni, joten tein kartan tästä. Kartalla haluan havainnollistaa oppilaille tulivuorien sijaintia maailmassa, sekä myös tuoda vertaisalueita Japani esimerkkiin. Japanissa sijaitsee arviolta 10% maailman tulivuorista. Helsingin yliopiston geotieteiden ja maantieteen laitoksen sivuilta löytyi myös havainnollistava kuva litosfäärilaattojen sijainnista, ja oppilaat voisi laittaa pohtimaan näiden kahden kartan eroja ja yhteneväisyyksiä pienissä ryhmissä. Tulivuoria tavataan myös kuumien pisteiden (hot spot) alueilla, joten hyvä on verrata karttatulosta myös näiden sijaintiin. Kartasta näkee hyvin Tyynenmeren tulirenkaan alueen, jossa tapahtuu 90% maailman maanjäristyksistä, ja siellä sijaitsee 75% (452) maailman tulivuorista.

Kuva 3. Aktiiviset tulivuoret maailmalla v.1964-

Kuva 3. Aktiiviset tulivuoret maailmalla v.1964-

Kuva 4. Litosfäärilaattojen saumakohdat (Helsingin yliopisto)

 
Kuva 4. Litosfäärilaattojen saumakohdat (Helsingin yliopisto)

Kolmannen kartan (kuva 6) kohdalla siirryin maanjäristyksiin. Valitsin maailman mittakaavassa kaikki 1964-vuoden jälkeen tapahtuneet maanjäristykset, jotka ovat olleet yli 8 richterin suuruisia. Eli rajasin aineiston hyvinkin pieneksi, koska noin suuria maanjäristyksiä ei onneksi ole ollut montaakaan. Kartasta näkyy juurikin se, mitä halusin : Japani nousee jälleen esille kartassa, vaikka aineisto on rajattu hyvin pieneksi.

Kuva 6. Yli 8richterin maanjäristykset maailmalla, v.1964-

Kuva 6. Yli 8richterin maanjäristykset maailmalla, v.1964-

Tein vielä lopuksi yhden kaikkia näitä tietoja havainnollistavan kartan (kuva 7), jossa näkyy nyt punaisella kaikki 1964vuonna ja sen jälkeen aktiiviset tulivuoret Japanissa, keltaisella hiljaisina pysyneet tulivuoret ja vihreällä maanjäristykset. Japanin tulivuorista kolmas osa on aktiivisia tulivuoria. Maanjäristysten keskukset ovat usein merellä.

Kuva 7. Japani. v.1964-aktiiviset tulivuoret punaisella, keltaisella muut tulivuoret, vihreällä yli 8richterin maanjäristykset v.1964-.

Kuva 7. Japani. v.1964-aktiiviset tulivuoret punaisella, keltaisella muut tulivuoret, vihreällä yli 8richterin maanjäristykset v.1964-.

Karttojen teko oli hyvin mielekästä tällä kertaa, ja ymmärsin ehkä nyt vasta kurssin käytännöllisyyden opettajuuden kannalta. Kurssikerran aikana oli kuitenkin aika kiire ja Google Earth tarkasteluihin en enää ehtinyt.  Kuten myös huomaa, ei legendojen tekokaan ollut hallussa näiden symbolien kanssa. Ei makeaa mahan täydeltä.

 

Lähteet:

Wikipedia <http://en.wikipedia.org/wiki/Pacific_Ring_of_Fire> 17.02.2014.

Helsingin yliopisto <http://www.helsinki.fi/geo/seismo/maanjaristykset/suuret/sumatranlaattaliikkeet.html> 17.02.2014.

Volcano world <http://volcano.oregonstate.edu/what-quotring-firequot> 17.02.2014.

Minni Aalto (3/2014): https://blogs.helsinki.fi/mmaalto/

Kurssikerta 3. Tulvaindeksi

Ankea maanantai aamu. PAK kurssi yllättää positiivisuudellaan ja aletaan käsittelemään Afrikan konflikteja. Leppoisa aihe siis totaalisen oppimismyllerryksen keskelle. Mutta mielenkiintoista kuitenkin. Kurssikerralla teemana oli tietokantojen tuominen kartta-aineistoon. Eli hyödynnettiin exceliä ja lisäiltiin ja päiviteltiin tietoja vanhojen tietokantojen sarakkeisiin. Ensin tehtiin yhdessä ja tämä tuntui vielä suhteellisen helpolta, kun sai vain naputella konetta opettajan perässä. Kartan avulla pystyttiin näkemään mahdollinen korrelaatio Afrikan konfliktialueiden, timanttikaivosten ja öljykenttien sijaintien suhteen. Tässä tapauksessa korrelaatio todennäköisesti on melko paikkansapitävää, mutta hyvähän se on muistaa, että joskus sattumanvaraiset asiat saattavat vaikuttaa korreloivan keskenään, kun ne esitetään karttaesityksissä.

Mitä voisi sitten selvittää, jos tietoa olisi vaikkapa Internet käyttäjistä, öljykenttien tuottavuudesta, konfliktien laajuudesta, konfliktien syttymisvuosista tai öljykenttien tai timanttikaivosten löytämisvuosista? Vahva hypoteesi olisi, että tuottavammat öljykentät korreloivat suoraan laajempiin konfliktialueisiin. Myös konfliktien syttymisvuodet seuraavat todennäköisesti timanttikaivosten ja/tai öljykenttien löytämisvuosia. Mutta mitä Internet käyttäjien määrä voisi kertoa? Internet viittaa osaltaan länsimaalaiseen kulttuuriin, tiedon tehokkaaseen kulkuun, ja sivistykseen. Voisi siten odottaa, että suurempi Internet käyttäjien määrä vähentää konflikteja tai ainakin pienentää niiden laajuutta.

Tulvaindeksikartta toikin sitten haastetta peliin tunnilla. Enää ei voinutkaan vain näpytellä opettajan johdolla perässä vaan pitikin osata soveltaa oppimaansa, ja tuottaa karttaesitys Suomen tulvaindeksiin ja järvisyyteen perustuen. Karttaan (kuva 1) valitsin värisävyjä ihan vain teemaa ajatellen. Suurempi tulvaindeksi viittaa tummempaan värisävyyn kuin pienempi tulvaindeksi ja järvisyys on kuvattu sinisillä pylväsdiagrammeilla.

Kuva 1. Tulvaindeksit ja järvisyysprosentit Suomessa.

Kuva 1. Tulvaindeksit ja järvisyysprosentit Suomessa.

Kartasta voi maallikon silmin havaita pienen järvisyysprosentin rannikolla ja suuren järvisyysprosentin sisämaassa. Päinvastainen tilanne on tulvaindeksien kanssa. Rannikolla tulvaindeksi on suuri ja sisämaassa pieni. Tätä selittää ainakin järvien toiminta vesivarastoina. Alueilla, joilla puolestaan on pienempiä vesialueita, kuten jokia, kertynyt vesi virtaa yli. Näin järvet tasaavat tulvia. Sisämaassa vaikuttaa toki myös soiden määrä sekä sateisuus. Rannikon tulvimisherkkyyteen saattaisi vaikuttaa myös jokien laskusuunta. Jessica pohtii blogissaan kuinka suurin osa rannikon joista virtaa luoteeseen, joka aiheuttaa keväisin ongelmia eriaikaisesta jään ja lumen sulamisesta. Noin pitkälle en ihan osannut itse ajatella. Erikoista on, miksi Lapissa tilanne on niin erilainen kuin muualla Suomessa. Lapissa on pieni järvisyysprosentti sekä tulvaindeksi. Ehkäpä syyt tähän selviävät tulevalla maastokurssilla.

 

Lähteet:

Jessica Järvinen (3/2014): https://blogs.helsinki.fi/jessicaj/2014/02/09/kurssikerta-3-data-afrikka-ja-valuma-alueet/

Kurssikerta 5: Kurssin kompastuskivi osuus

Kurssikerralla pääsimme tarkastelemaan Pornaisten keskustaa ja sitten vielä itsenäisesti käsiksi puskuroinnin saloihin. Puskuroinnilla voidaan mm.laskea, kuinka monta kohdetta on tietyn suuruisen säteen sisäpuolella. Sen käyttäminen ja niin edut kuin haitatkin pääsivät esille itsenäisten harkkatöiden parissa. Eli jälleen kerran pääsin uppoutumaan MapInfon karmivaan maailmaan ja taistelu sen kanssa sai jatkoa.

Pornaisten keskusta on minulle nyt sitten tuttu paikka, kun olen saanut piirrellä MapInfolla sen taloja ja teitä YKSI KERRALLAAN. Mietin aina, eikö tälle menetelmälle ole keksitty helpompaa suoritustapaa. Ja samalla sitä miettiessäni digitoin taloa toisen perään ja toivon, että pian olen valmis. Onneksi Pornainen on vain pieni paikkakunta. Jos digitoitavaksi annettaisikiin koko Helsinki tai vaikkapa sitten jopa New York, niin olisin jo varmaan repinyt kaikki hiukset päästäni.

Itsenäistehtävissä siirryimme hivenen tutummalle maaperälle, Vantaalle.  Haasteita riitti, mutta jotain tuloksiakin tuli: niiden oikeellisuus onkin sitten asia erikseen 😀 Tehtäviä oli aivan järjetön määrä, eikä neljä tuntia riittänyt alkuunkaan niiden tekemiseen. Ehkäpä meitä vähänä hitaampia suorittajia ei vain oteta huomioon kurssitehtäviä laadittaessa.

Hankaluuksia tuotti oikeastaan kaikki. Jouduin lähtemään kurssikerralta kesken ja tipahdin täysin kärryiltä. Bufferointi työkalun kanssa tappelin aivan tolkuttoman kauan. Etsin apua googlestakin välissä, kun kurssikerran neuvot eivät riittäneet. En tiedä milloin viimeksi olisin ollut niin kiukkuinen, kuin bufferointia tehdessä. Varmasti käytännöllinen työkalu tietyn säteen sisällä olevien asioiden mittaamiseen, mutta se, että selvisin sen käytöstä nipin napin edes tässä, osoittaa vain, ettei minulla ole edes halua miettiä mihin muuhun tätä työkalua voisi käyttää. Eikö siinä ole jo melko paljon eri käyttötarkoituksia, jos erilaisien asioiden määrää tietyn säteen sisällä mitataan?.. Jessica Järvinen paljasti blogissaan jumiutuneensa samaan ongelmaan kuin minäkin: “Bufferointi kuulostaa hyvin yksinkertaiselta, mutta minun kanssani työkalu ei halunnut tehdä yhteistyötä. En tiedä mikä työkalussa oli ongelmana, mutta en meinannut millään saada bufferivyöhykkeessä näkymään haluttuja asioita. Ehkä onnistuin tekemään vyöhykkeet aina väärälle tasolle, jonka vuoksi asia ei onnistunut. Tästä päästäänkin hyvin seuraavaan harjoitusta ja ymmärrystä vaativaan asiaan, eli tasoihin, jotka MapInfossa ei ole läheskään niin loogisia kuin CorelDraw:ssa. Olisi hyvä nähdä tasoa klikkaamalla siinä sijaitsevat kohteet, mutta harmikseni tämä ei onnistu (ainakaan vielä näillä taidoilla).”.

MapInfon loogisuus jäi nyt jonnekin hakoteille. Lisäharjoitusta tarvitsisi kaiken suhteen vielä. Ehkä sitten, kun ohjelman käyttäminen on helppoa kuin heinänteko, sen käyttö voi oikeasti tarjota helppoja analyysivälineitä. Tällä hetkellä on selvää, etten turvautuisi MapInfon käyttöön tetoa analysoidessani kuin äärimmäisessä hädässä. Bufferointi työkalu on kieltämättä MapInfon olennaisempia analyysivälineitä. Tärkeitä käskyjä on uusien sarakkeiden luominen, datan uudelleenjärjestäminen ja tietenkin karttaesitysten teko. Pyry Poutasen sanoin, tämä kurssikerta nimenomaan vaati itsenäistä ajattelua ja paljon. Mutta juurikin sen vuoksi, tämä kurssikerta oli se kaikkein haastavin. On vaikea yrittää oppia uutta, kun jo vaaditaan uuden tiedon soveltamista ennen kuin sitä on edes ehditty oppia. Täytyy myös yhtyä Pyryn sanoihin siinä, että, jos Mapinfoa käyttäisi työssään, niin taatusti sen oppisi sujuvasti ja käyttö olisi mielekkäämpää ja nopeampaa. Nyt viiden kurssikerran jälkeen kaikki on vielä niin paljon hakusessa ja kurssi on osoittautunut hyvin työlääksi. Tosiasia on, ettei meistä monikaan tule MapInfoa jatkossa käyttämään, joten ahdistavaa on, että tuntuu kuinka paljon mapinfon ominaisuuksia meidän halutaan oppivan.

huh huh… ylpeänä haluan esitellä vielä tulokseni. Huomaan tässä vaiheessa itsekin, etteivät nämä tulokset ole se asian juju, vaan se miten paljon itse kukin näistä tuloksista on vaatinut työtä, kiroamista ja tuskaa. ja siinä ne nyt ovat! Jotain kai osasin minäkin 🙂

Tuloksia itsenäistehtävistä:

 

Asukasmäärä 2km sisällä Malmin lentoaseman kiitoradoista 53621
Asuakasmäärä 1km sisällä Malmin lentoaseman kiitoradoista 8330
Asukasmäärä 2km sisällä Helsinki-Vantaan lentoaseman kiitoradoista 9,933
Prosenttimäärä moni asuu Helsinki-Vantaan 65db melualueen sisällä 3.40%
Asukasmäärä Helsinki-Vantaan alueella vähintään 55db melualueen sisällä 11370
Käännetyn laskeutusmissuunnan jälkeen melualueen sisällä asuvat 12463
Asukasmäärä jotka asuvat 500m päässä juna-asemasta 80576
Prosenttimäärä alueen ihmisistä, jotka asuvat 500m päässä juna-asemasta 16.80%
15-64 vuotiaiden määrä niistä jotka asuvat 500m päässä juna-asemasta 57447
Prosenttimäärä alueen taajamissa asuvista. 86.43%
Kouluikäisiä, jotka asuvat aajamien ulkopuolelle 7536
Prosenttiosuus niistä koululaisista, jotka asuvat taajamien ulkopuolella 15.10%
Alueita, joissa asuu 10%, 20% tai 30% ulkomaalaisia 9

 

Uima-altaita pkseudulla 856
Asukkaita näissä taloissa yhteensä 12 687
Omakotitaloja 336
paritaloja 158
rivitaloja 114
kerrostaloja 186
Yhdessäkään uima-altaiden määrä ei ole enemmän kuin 1
Uima alllasrikkain alue länsi-Pakila (52 uima-allasta)
Lauttasaaressa 51

 

Viitteet:

Jessica Järvinen (3/2014): https://blogs.helsinki.fi/jessicaj/2014/02/21/kurssikerta-5-bufferointi-ja-uima-altaat/

Pyry Poutanen (3/2014): https://blogs.helsinki.fi/pyrypout/2014/02/10/kurssikerta-5-itsenaista-ajattelua/

 

Kurssikerta 4: Ruutuja ja Pornaisten peltoja

Ruutukarttojen tekeminen tuntui jo melko simppeliltä. Pelkoni siitä, että kurssilla siirryttäisiin jatkuvasti haastavampiin tehtäviin ei siis täysin pitänyt paikkaansa, koska muuten olisin voinut luovuttaa kurssin jo viime kurssikerran jälkeen. Toistaiseksi vielä sinnittelen muka na

Karttapohjan päälle laitettiin Grid-painikkeen avulla ruudukko, ja karttaan liittyvä data jakautui sen välityksellä samanlaisiin ruutuihin. Tunnilla harjoiteltiin väkiluvun sijoittamista pääkaupunkiseudun ruutukarttaan, jonka jälkeen sai kokeilla tehdä samallaisia karttoja eri aiheista ja eri ruutukokoja käyttäen.

tunnilla tehty : vertailua väkilukuun.

Kuva 1. Ruutukartta väkiluvusta pääkaupunkiseudulla.

Tein kartan naisten määrästä pääkaupunkiseudulla (Kuva 2). Ongelmaksi muodostui luokkakokojen valitseminen, sillä määrä jakautui hyvin laajalle alueelle, mutta histogrammi oli aika epämääräinen. Aluksi vaikutti siltä, että mitä enemmän ruutuja karttaan laittaa, sen informatiivisempi kartasta tulee. Pienet ruutukoot kuten 1km säde (noin 300 ruutua) eivät sisältäneet haluttuja kohteita ja siten ruutujen lisääminen oikeastaan vain lisäsi tyhjien ruutujen määrää. Käytin kartassani 500m sädettä eli noin 640 ruutua. Kartasta tuli paljon informatiivisempi näin. Mutta kun säteeksi laittaa 50m on edessä melkoinen tilkkutäkki. Tiettyyn rajaan asti ruutukokojen lisääminen tuntui hyvältä vaihtoehdolta 😀 Lopuksi oli jo hyvä miettiä antaako ruutukokojen lisääminen enää lisää informaatiota karttaan, koska se lisää vain nolla-arvon antavien ruutujen määrää. Samaa mietti myös Daria blogissaan: “Pienillä ruuduilla karttaa on vaikeampi lukea, eivätkä ne tässä tapauksessa paranna kartan informatiivisuutta, sillä kyseistä karttaa ei käytetä esimerkiksi muunkielisten tarkkaan paikantamiseen, vaan yleisten linjojen hahmoittamiseen.”

Seuraava ongelma on tiedon saatavuus. Tämäntapaisessa aineistossa on lukuinen määrä alueita, joilta tietoa ei ole, jolloin karttaan muodostui tyhjiä aukkoja. Kartasta kuitenkin näkee, että naisten määrä kulkee käsi kädessä väestömäärä kartan tietojen kanssa. Keskusta alueella ei siis mitenkään suosita naisia ja kielletä miehiltä pääsy alueelle, vaan naisten määrä korreloi suoraan väkiluvun määrään.

Kuvan 1 ja kuvan 2 karttojen avulla voi verrata ruutujen ääriviivojen merkitsevyyttä. Kaipa kyse on vain siitä, mikä omaa silmää miellyttää, mutta itse pidän ääriviivattomasta esitystavasta enemmän. Kartasta tulee esteettisesti kauniimpi ja yhtenäisempi.

Kuva 2. Naisten määrä pääkaupunkiseudulla.

Kuva 2. Naisten määrä pääkaupunkiseudulla.

Ruutukartan käyttäminen voi varmasti tietyissä tilanteissa toimia paremmin kuin koropleettikartta. Esimerkiksi, jos tarvitsee esittää yksityiskohtaisempaa ja enemmän sijaintiin pohjautuvaa dataa. Koropleettikartassa Helsinki voi olla jaettuna esimerkiksi kaupunginosiin, kun taas ruutukartassa voidaan tutkia tarkemmin myös kaupunginosien sisällä tapahtuvaa ilmiön vaihtelevuutta sijainnin mukaan.

Kartan teko oli oikeastaan oppia uudenlaisesta tavasta tuottaa karttaesitys. Itse kartta, jonka tein, on kyllä hyvinkin puutteellinen informaatiotasoltaan 😀 Naisten määrä ja jakautuminen pääkaupunkiseudulla ei juurikaan tuo järkevää oleellista tietoa kenellekään.

Lopputunti oltiin pornaisten keskustan kimpussa. Piirrettiin taloja ja teitä… ihmettelen yhä, ettei tullut revittyä hiuksia päästä tässä vaiheessa. Tässä sitä huomasi MapInfon alkeellisuuden, kun naputteli taloja yksi kerrallaan ja piirteli viivaviivalta teitä kokoon. Mitä ihm???? Ainakin sain Microsoftin ohjelmistokehittelijät nauramaan kippurassa, kun näytin, miten “tasokkaasti” MapInfon piirtotyökalut toimivat.

 

Viittaukset:

Daria Tarkhova (3/2014): https://blogs.helsinki.fi/tada/2014/02/22/tietoa-ruudukolla/

 

Kurssikerta 2. Kartografisia esitystapoja

Toisella kurssikerralla perehdyimme MapInfon muihin teemakarttoihin ja tuotimme päällekäisiä teemakarttoja. MapInfon kartoista tutustuimme pylväsdiagrammi-, ympyrädiagrammi-, graduated -, piste-, ja grid-karttoihin. Pylväsdiagrammikartassa kuvattavan ilmiön mittareina käytetään pylväsdiagrammeja, jotka voivat esittää joko absoluuttisia tai suhteellisia arvoja. Suhteelliset luvut ovat kuitenkin kuntien välillä käyttökelpoisempia, jotta pylväiden skaalaus toimisi mahdollisimman selkeällä tavalla. Ympyrädiagrammi on hyvin samantyyppinen, mutta ilmiön mittarina toimivat tällä kertaa piirakkadiagrammit. Graduated -teemakartta oli minulle hieman vieraampi käsite. Kyseisessä teemakartassa siis kuvataan absoluuttisia arvoja symbolikokojen avulla. Esimerkiksi syntyvyyden määrää kunnittain voisi kuvata lastenrattaat-symbolilla, jonka koko on verrannollinen ilmiön määrään. Pistekartta olikin jo vanha tuttu, jossa absoluuttisia arvoja kartalta kuvataan pisteillä, joille on määritetty arvo. Grid-kartta oli läpikäydyistä kartoista varmasti se minulle vierain. Kyseisen kartan avulla kuvattava ilmiö esitetään liukuväreillä. Myös kolmiulotteiset eli prismaattiset kartat olivat minulle uutta. Alueelliset erot kuvataan 3D mallilla.

Kurssikerralla saimme myös luettavaksemme Anna Leonowiczin artikkelin “Two-variable choropleth maps as a useful tool for visalization of geohraphical relationship”, joka käsitteli pitkälti samoja asioita, kuin mitä luennolla käytiin läpi. Visualisaation voimakasta merkitystä painotettiin. Artikkelissa käsiteltiin erityisesti kahden muuttujan esittämistä värien avulla. Yhdelle muuttujalle kannattaa artikkelin mukaan valita korkeintaan kolme luokkaa(yhteensä 9), ja tätä samaa menetelmää hyödynsin omassakin kartassa. Kolme luokkaa on kuitenkin hyvin vähän, mikä tarkoittaa sitä, että aineisto jakautuu isoihin luokkiin, eikä vaihtelua voida niin hyvin havaita. Täytyy siis ottaa huomioon, mitä haluaa tuoda kartalla esille. Leonowicz pohtii artikkelissa juuri näiden karttojen luotettavuutta sekä informaatiota, jonka kartat tarjoavat.

Ella Suhonen on blogissaan tuonut hyvin esille Leonowiczin näkökulmaa kahta muuttujaa käsittelevistä kartoista: “Kahden muuttujan esittäminen samalla kartalla voi siis parhaimmillaan antaa ymmärrettävän kuvan ilmiöiden välisitä suhteista ja täten nopeuttaa sekä helpottaa asioihin perehtymistä. Kahden muuttujan teemakartta voi siten sisältää paljon tietoa sekä herättää yleisesti ottaen suurempaa kiinnostusta esitettyjen ilmiöiden seuraamiseen verrattuna yhden muuttujan teemakarttaan.” Leonowiczin artikkeli tuo ilmi sen, kuinka paljon karttojen tulkitseminen vaatii tietoa ja kriittistä otetta. Kahden muuttujan suhteen kuvaaminen kartalla voi johtaa helposti myös harhaan, ja värien valinnalla, luokittelulla ja tilastotieteen tuntemisella on suuri merkitys. Korrelaatioiden tulkitseminen kartalta värien avulla ei olekaan niin helppoa, ja omassa kartassani suosinkin rasterikartan(transparent) hyödyntämistä värejä kuvaavan muuttujan lisäksi.

Kurssityönä oli tehdä kahta ilmiötä samanaikaisesti kuvaava päällekäinen koropleettikartta. Päädyin tekemään kuvassa 1 esitetyn kartan työssäkäyvien osuudesta sekä työpaikkojen osuudesta Pohjois-Suomessa. Päällekäinen koropleettikartta voi äkkiä näyttää sekavalta, jos kuvattava alue on hyvin laaja ja kattaa paljon pieniä osa-alueita. Esimerkiksi jos kyseisen kartan olisi tehnyt kaupungeittain koko Suomesta, kartta olisi ollut vaikeasti ymmärrettävä. Päällekäisten ilmiöiden kuvaamista helpottaa, jos toista ilmiötä kuvaa värien avulla ja toista ilmiötä joko yksittäisillä symboleilla tai esim. viivoitettuina (rasteri) alueina.

Kuva 1. Päällekäiset koropleettikartat Pohjois-Suomen työssäkäyvien määrästä sekä palvelutöiden määrästä(%).

Kuvasta 1 voidaan nähdä, ettei yhdessäkään Pohjois-Suomen kunnassa työllisyysaste ylitä prosenttiosuutta 63, muttei myöskään ole pienempi kuin 44,6%. Eniten työssäkäyviä on Inarissa, Muoniossa, Kittilässä, Rovaniemellä, Keminmaalla, Torniossa ja Iissä. Palvelualojen työpaikkojen määrä on puolestaan suurin Utsjoella, Inarissa, Muoniossa, Rovaniemellä, Kolarissa, Sallassa, Pelkosenniemessä sekä Kemijärvellä. Alueiden vertailu on hyvin mielenkiintoista. Voidaan havaita, että Rovaniemellä, Muoniossa ja Inarissa palvelualan työpaikkojen osuus ja työssäkäyvien osuus ovat korkeita. Suurissa kaupungeissa palvelualojen töitä tuntuu riittävän ja on paljon myös palveluja käyttäviä, työssäkäyviä ihmisiä. Puolestaan mm. Sallassa ja Utsjoelle palvelualan töitä riittäisi, mutta työntekijöistä on pula. Tietenkin tulee ottaa huomioon, että kyseessä on vain palvelualojen työpaikat, joten nämä kaksi muuttujaa eivät ole suoraan verrannollisia. Mielenkiintoista olisi myös tietää työikäisten määrä. Työssäkäyvien prosenttiosuutta voi arvioida tarkemmin, kun tietää lasten, opiskelijoiden ja eläkeläisten määrän kunnissa. Myös kaikkien työpaikkojen määrä olisi mielenkiintoinen tieto, jolloin on mahdollista verrata näitä muuttujia toisiinsa. Minua kiinnostaisi erityisesti kuntien välinen työpaikkojen virta, eli miten suuri osa väestöstä työskentelee toisella paikkakunnalla kuin mitä asuu: esimerkiksi, Sallassa palvelualojen töiden osuus on suuri, mutta työntekijöiden määrä on pieni, eli tuleeko viereisiltä kunnilta työvirtaa Sallaan palvelualojen töiden perässä. Pudasjärvellä ja Posiolla puolestaan palvelualan työpaikkojen osuus on pieni, kuin myös työssäkäyvien osuus. Selvästi suuremmilla paikkakunnilla tilanne on parempi niin palvelujen kuin työllisyyden suhteen, mutta pienemmillä paikkakunnilla tilanne on heikompi.

Toinen kurssikerta ja taistelu MapInfon kanssa oli jo haastavampi. Kesti turhankin kauan miettiä, mitä ilmiöitä haluaa kuvata kartalla, ja seuraavaksi huomasi, kuinka vaikea on tulkita karttaa, kun kaksi ilmiötä eivät ole mitenkään suoranaisesti verrannollisia. Päällekäinen koropleettikartta on kyllä hyvä tapa kuvata useampaa ilmiötä, mutta ehken kuitenkaan käyttäisi karttaa useamman kuin kahden ilmiön kuvaamiseen. Selvästi ajatukset kurssitehtävästi kulkivat samoilla linjoilla, kuin mitä Mai Allo blogissaan pohtii: “Työ oli kaikkea muuta kuin helppoa. Se tuntui samalta kuin yrittäisi avata säilyketölkkiä paljain käsin päällä seisten ja samaan aikaan osoittaen, että ympyrässä on neljä kulmaa.” Haasteita riittää!

Lähteet:

Leonowicz, A. (2006). Two variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija 42:1, 33–38.

Kunnat 2011. Kurssiaineisto.

Viittaukset:

Ella Suhonen: Paikkatietoa ja kartografiaa <https://blogs.helsinki.fi/ellasuho/2013/02/02/paallekkaiset-teemakartat/> (10.03.2013)

Mai Allo: Main mantsablogi: <https://blogs.helsinki.fi/maiallo/2013/01/31/kun-kaksi-teemaa-kohtaavat-kartalla/> (10.03.2013)

Kurssikerta 1. Eläkeläisiä liikkeellä

Ensimmäisellä kurssikerralla harjoiteltiin MapInfon käyttöä; aineistojen avaamista, työpöydän ja työkalujen käyttöä, tietokannan tarkastelua sekä tallennustapoja. Lopuksi tuotettiin vielä koropleettikartta Suomen kunta-aineistosta. Itselleni MapInfo oli täysin uusi ohjelma opeteltavaksi. Olen samaa mieltä Tommin Lapion blogissa kirjoittaman mielipiteen kanssa siitä, että Mapinfon menetelmät eroavat melko paljon jo jokseenkin tutun Corelldrawn toiminnoista ja siten uutena ohjelmana MapInfo tuntuu aluksi hieman hankalalta. Keskeisimpinä asioina MapInfossa olivat Layer control sekä workspace -ominaisuudet. Layer Control mahdollistaa sen, että useita tietokantoja voidaan pitää auki yhtäaikaa eri tasoilla. Sillä voidaan määritellä niin karttatasojen näkyvyyttä, muokattavuutta kuin myös piirtoasetuksia ym. Workspace toiminto puolestaan mahdollistaa sen, että kaikki avatut tietokannat voidaan tallentaa yhdessä samaan tiedostoon. Tämä helpottaa etenkin keskeneräisen työn jatkamista, koska tietokantoja ei tarvitse avata uudelleen yksitellen ohjelmistossa, vaan on helppo jatkaa siitä mihin jäi.

Alkuharjoituksena tehtiin itsenäisesti koropleettikartta; aihe melkoisen vapaa -mikä nyt sattui kiinnostamaan. Ideana saattoi olla miettiä jotakin esitystapaa perustuen omiin hypoteeseihin. Olisi tietenkin voinut tehdä perusoletuksia, että ruotsinkielisten osuus on suurin rannikkoalueilla, tai että kesämökkejä on eniten meren ja järvien läheisyydessä, tai vaikkapa työpaikkoja on eniten isoissa kaupungeissa. Hyvin yleisiä hypoteeseja ovat nämä kaikki. Jostain syystä päätin kuitenkin tehdä koropleettikartan eläkeläisten määrästä Suomessa. Hypoteesin tekeminen ei ollutkaan nyt niin helppoa. Kaupungeissa on eniten palveluja, joten voisi olettaaa, että erityisesti eläkeläiset tarvitsevat palvelujen läheisyyttä, koska ajokorttia ei välttämättä ole, ja pitkät matkat kantamuksineen voivat olla aika vaativia vanhemmalle ihmiselle. Mutta toisaalta, kuka muukaan viihtyy maaseudulla yhtä hyvin kuin eläkkeellä oleva. Kesäajat voi olla mökkimiljöössä, ja muunkin ajan vuodesta viihtyy varmasti mielummin kaukana kaupungin hälinästä. Hypoteesini jäi siis avoimeksi, joten kartta sai puhua puolestaan.

Ensin lähdin tutkimaan aineiston jakaumaa histogrammityökalun avulla. Tämä auttaa miettimään, millaisiin luokkiin aineiston jakaisi. Kuvassa 1 näkyy eläkeläisten määrän perusteella tehty histogrammi, ja kuten kuvasta näkyy, aineisto on melkolailla normaalisti jakautunut. Tämän esittämiseen kartalla sopii siis oikein mainiosti hajonnan mukaan tehdyt luokat.

Kuva 1. Histogrammi eläkeläisten määrästä Suomessa 31.12.2010 (Tilastokeskus).

Kuva 1. Histogrammissa on nähtävissä eläkeläisten määrään perustuvan aineiston hajonta. Kuvasta näkee, että aineisto on kutakuinkin normaalisti jakautunut.

Kuva 1. Histogrammissa on nähtävissä eläkeläisten määrään perustuvan aineiston hajonta. Kuvasta näkee, että aineisto on kutakuinkin normaalisti jakautunut.

Käytin koropleettikartassa (kuva 2) hajonnan mukaan tehtyjä luokkia yhteensä 5. Jälkikäteen ajateltuna huomaan myös pieniä moitteita kartassani, sillä värikoodit eivät juurikaan vastaa määrältään sopivia luokkia. Punainen ja oranssi väri vastaavat kivasti korkeimpia eläkeläisten määriä, mutta sen jälkeen tummin vihreä kuvaakin pienintä eläkeläisten määrää. Oppia ikä kaikki! Aineistosta kuitenkin näkee, että suurimmillaan eläkeiläisten osuus kunnassa on 47,3% ja pienimmillään 11,8%. Yllättävää on, miten eläkeläiset ovat sijoittuneet Suomessa, sillä palveluiden läheisyydessä pääkaupunkiseudulla on yksi pienimmistä määristä eläkeläisiä. Sen sijaan itä-Suomessa eläkeläisten osuus on suuri. Tässä vaiheessa olisi hyvä ottaa huomioon kuntien omat väestörakenteet. Aikansa tietyllä alueella asunut ihminen tuskin muuttaa alueelta pois eläkeiän myötä.

Kuva 2. Eläkeläisten osuus Suomessa kunnittain (Tilastokeskus 2010).

Kuva 2. Eläkeläisten osuus Suomessa kunnittain (Tilastokeskus 2010).

Tilastokeskuksen mukaan vuosien 1987-2010 välillä työllisten osuus väestöstä on pienentynyt kaikissa maakunnissa kun taas eläkeläisten osuus väestöstä on noussut koko maan keskiarvoa enemmän Uuttamaata lukuun ottamatta.Vuosina 1987−2010 eläkeläisten osuus väestöstä on noussut koko maassa 20,3 prosentista 23,8 prosenttiin. Eniten eläkeläisten osuus on noussut Kainuussa, jossa eläkeläisten osuus nousi yli yhdeksällä prosenttiyksiköllä ja oli vuoden 2010 lopussa 30,3 prosenttia. Myös muissa maakunnissa, joissa väestön määrä on vähentynyt vuodesta 1987 eniten kuten Lapissa, Etelä-Savossa, Satakunnassa, Etelä-Karjalassa ja Kymenlaaksossa, eläkeläisten osuuden kasvu on ollut muuta maata suurempaa. (Tilastokeskus 2013).

Tilastokeskuksen teettämän väestöennusteen mukaan työikäisen väestön osuus pienenee kaikilla suuralueilla seuraavina vuosikymmeninä ja eläkeikäisten määrä ja väestöosuus sen sijaan kasvaa nopeasti: 65 vuotta täyttäneitä arvioidaan olevan 26 prosenttia väestöstä vuonna 2030, kun vastaava väestönosuus vuoden 2010 lopussa oli 17,5 prosenttia. (Tilastokeskus 2013).

Henri Frestadius on blogissaan käsitellyt taloudellista huoltosuohdetta Suomen kunnissa. Karttasta voi havaita, kuinka taloudellisen huoltosuhteen osuus kasvaa itä- ja pohjois-Suomessa -samoilla alueilla kuin missä eläkeläisten osuus on suurempi.  Kartta ei kuitenkaan ole täysin identtinen, sillä huoltosuhteeseen voidaan laskea myös nuoret ja muut työvoiman ulkopuolella olevat henkilöt.

Christa Sallasmaa oli blogissaa tehnyt myös kartan eläkkeellä olevien määrästä, mutta kolmea luokkaa käyttäen. Karttaesitys oli hyvin siisti ja havainnollinen, mutta erot eläkeläisten osuuksista eri kunnissa vaikuttivat niin paljon radikaaleimmilta. Toisaalta kuva osoitti Suomen mittapuulla hyvin selkeästi, millä alueilla Suomessa on enemmän eläkeläisiä. Myös valitus värit ja kartan selkeys ilahduttivat minua.

Hyvä on myös miettiä eläkeläisten osuutta suhteessa työssäkäyvien osuuteen. Natalia Erfvingin kartta työssäkäyvien osuudesta näytti oman karttani vastakohdalta. Hänellä oli myös käytössä neljä luokkaa, ja kartta havainnollisti hyvin suurta työllisyyden määrää etelä-Suomessa ja erityisesti pääkaupunkiseudulla, kun taas pohjoiseet ja itään päin liikuttaessa työttömyyden määrä kasvoi.  Erfving analysoi karttaansa blogissaan: “Eniten työssäkäyviä suhteellisesti tarkasteltuna on Ahvenanmaan maakunnassa, Uudellamaalla ja Pohjanmaalla. Myös muualta Suomesta löytyy yksittäisiä keskittymiä.  Työssäkäyvien osuus kunnan väestöstä on selkeästi matalampi Pohjois-Savossa, Kainuussa, Keski-Suomessa, Lapissa ja Pohjois-Karjalassa.”

Voidaankin todeta, että niin minun, Sallasmaan, Erfvingin ja Frestadiuksen kartta nivoutuvat hienosti aiheillaan yhteen, ja tuovat asiayhteyteen erilaisia näkökulmia. Hyvinkin yksinkertaiset koropleettikarttaesityksetkin voivat siis olla hyvin informatiivisia.

Näin aluksi sota MapInfon kanssa ei vielä tuntunut vaikealta. Teemakartan tekeminen onnistui suhteellisen helposti vielä ja optimistisesti ajattelin, että kyllä tästä kurssista vielä hengissä selvitään. MapInfon käyttö vaatii opettelua, vaikka sovellus on suhteellisen yksinkertainen ja helppokäyttöinen -sitten kun sen vain oppii. Vaikeuksia tuottaa virheiden korjaaminen, koska MapInfon “kumoa”-toimintohistoria ei ulotu kovin pitkälle. Toinen hankaluus on kuvatulosteen kanssa leikkiminen, mutta ehkäpä…

 

harjoitus tekee mestarin

 

Lähteet:

Tilastokeskus. Työssäkäyntitilasto. http://tilastokeskus.fi/til/tyokay/index.html.

Tilastokeskus. Vuoden 2009 väestöennuste. http://tilastokeskus.fi/til/vaenn/index.html.

Tommi Lapio -Blogi, kurssikerta 1. <httpp://blogs.helsinki.fi/tommilap/> (05.02.2014)

Christa Sallasmaa, kurssikerta 1: MapInfoon tutustuminen ja koropleettikartta <https://blogs.helsinki.fi/christas/2014/01/15/kurssikerta-1-mapinfoon-tutustuminen-ja-koropleettikartta/> (17.1.2014)

Henri Frestadius, PAK 14-kurssiblogi. <https://blogs.helsinki.fi/henfrest/2014/01/21/1-kurssikerta-mapinfo-ja-koropleettikartta> (05.02.2014)

Natalia Erfving, Kurssikerta 1: MapInfoon tutustuminen & koropleettiteemakartta. <https://blogs.helsinki.fi/nataliae/ > (05.02.2014)