Tag Archives: paikkatieto

KURSSIKERTA 3 – Timantteja ja tulvia

Kurssikerta 3 ei ihan mennyt minun osaltani nappiin. Ensimmäinen ongelma oli tietokone, joka jumitti jokaisen pienen painalluksen jälkeen, niinkin usein että monet ohjeista meni ohi korvien kun tappelin sen kanssa. Toinen ongelma oli keskittymiskyvyn absoluuttinen puuttuminen. En saanut mitään tehtyä loppuun asti suurista yrityksistä huolimatta, mutta lopulta sitä on pakko saada jotain aikaiseksi.

Kurssikerran ohjelmaan kuului mm. yksittäisen datan yhdistäminen suurempaan tietokantaan, jotta useampaa eri dataa pystyisi käyttämään samassa kyselyssä. Perehdyimme muutenkin MapInfon ihmeelliseen maailmaan tekemällä erilaisia kyselyjä ja sen semmoista. En kyllä muista enää yhtään mitään mitä oon tehnyt, aika paljon täytyisi harjoitella, jotta jäisi nuo asiat mieleenkin. Kivaa se on, mutta reeniä tarvitaan.

Afrikan timanttikaivokset, öljylähteet ja konfliktialueet

Teimme aluksi kartan Afrikan mantereesta. Ensin opettelimme tosiaan yhdistämään esimerkiksi kaikki Egyptin pikku saaret yhtenäiseksi Egyptiksi, sitten yhdistämään mm. internetin käyttäjien osuuden ja facebookin käyttäjien osuuden valtioiden tietokantoihin, ja lopuksi liitimme saamaan syssyyn myös Afrikan timanttiesiintymien, öljyesiintymien ja konfliktialueiden sijainnit.

Tehtävänä oli pohtia, mitä asioita voitaisiin tutkia Afrikan kartalta, jossa ovat näkyvillä timantti- ja öljyesiintymät sekä konfliktialueet. Tietokannat ovat tarkkoja ja ne muiden muassa kertovat tarkkoja kaivannaisten löytämisvuosia ja konfliktien laajuudesta ja alkamisesta kertovia tietoja. Tietoja voi yhdistellä ja niiden avulla voi mm. selvittää missä rauhanprosessien tarve on suuri tai vajaa (Ruutin Geoinformatiikka-blogi). Lisäksi tietoja yhdistelemällä voidaan pohtia, sijaitsevatko konfliktit kuinka lähellä kaivannaislöytöjä, ja pyrkiä löytämään yhtäläisyyksiä löydösvuosien ja konfliktien alkamiskohdan välillä.

Kartasta voisi myös päätellä eri konfliktien syntymiseen vaikuttavia tekijöitä. Esimerkiksi voisi olettaa että alueilla joilla on paljon arvokkaita luonnonvaroja olisivat myös konfliktialttiita, mutta syiden taustalle tarvittaisiin enemmän tutkimusta – konfliktien syyt ovat usein moninaiset johtuen erityisesti Afrikan valtionrajojen ja heimorajojen ristiriitaisuudesta. Lisäksi kartalta on hankala tulkita timanttikaivoksista ja öljylähteistä saatavan varallisuuden jakautumista – siirtyykö omaisuus ulkomaisille omistajille ja sijoittajille vai paikallisille, sekä että johtuvatko esiintymien lähellä olevat konfliktit paikallisten kahnauksesta vaiko jostain ihan muusta.

HS:n artikkelin mukaan (10.2.2015) suuret luonnonvarat, kuten öljy ja timantit, voivat hidastaa kehitystä ja jopa estää sen. Monesti kehityksen esteenä on heikko tai olematon hallinto ja demokratia, mikä lisää poliittista valtataistelua luonnonvarojen kustannuksilla. Artikkelin mukaan useat konfliktit, esim. Kongossa, rahoitetaan luonnonvarojen, erityisesti timanttien, avulla.

Internetin käyttäjien osuus yhdessä timantti- ja öljylöytöjen kanssa voisivat kuvata sekä alueen teknologista kehittyneisyyttä ja hyvinvointia sekä myös varallisuuseroja. Voisi mm. etsiä alueita, joilla teknologinen kehittyneisyys on heikkoa, mutta alueella on kaivannaisia, ja pohtia esiintyykö alueella tällöin konflikteja, sekä syitä konflikteille.

Kuten Veera blogissaan osuvasti toteaa, maat voisi jakaa erilaisiin luokkiin kaivannaisten esiintymisen perusteella, ja näin havainnoida esimerkiksi luonnonvarojen tai /ja konfliktien alueellisia eroja koropleettikartan avulla ja näin korostaa eroja valtioiden välillä.

Tulvaindeksikartta

Tätä tehdessä ongelmat siis kumuloituivat. Tehtävästä pystyi tekemään kaksi versiota, perusversion ja haastavamman version. Halusin tehdä haastavan version ja teinkin sitä niin pitkälle kuin pystyin, mutta MapInfo ei kestänyt niin suuria tiedostomääriä niin se kaatuili ja jumitti koko ajan. Joten luovutin ja tein perusversion (murh).

Tehtävänantona oli laatia kartta Suomen tulvaindeksistä sekä järvisyysprosenteista valuma-alueilla. Tulvaindeksiä kuvataan kartassa rastereilla ja järvisyyttä pylväillä (kuva 1).

Kuva 1. Tulvaindeksi ja järvisyys (%) Suomen valuma-alueilla
Kuva 1. Tulvaindeksi ja järvisyys (%) Suomen valuma-alueilla

Luokittelin aineiston tasavälisen luokittelun perusteella, sillä vaikka jakauma on vino, kvantiililuokittelulla ei saanut näkymään selkeästi alueiden välisiä eroja.  Selkeimpiä erottuvia alueita ovat Suomenlahden ja Pohjanlahden alueet Länsi- ja Etelä-Suomessa.

Suurin tulvariski on Pohjanmaan alueella, koska maasto on muutenkin alavaa ja sateet ja lumen sulamisvedet aiheuttavat tulvia mm. keväällä. Järvisyys on suurinta alueilla, joilla tulvaindeksi on pieni. Alueilla virtaamat ovat pienempiä. Esimerkiksi Keski- ja Itä-Suomessa järvisyys on suurinta, ja järvisyys pienenee pohjoiseen mennessä. Kartta kuvaa eri Suomen alueiden tulvaherkkyyttä, eli kuinka paljon keskiylivirtaama ylittää keskialivirtaaman. Käsitteet ovat tässä vaiheessa minulle vielä hieman outoja, mutta uskon että käytännön kokemuksen ja harjoittelun myötä myös nämä asiat, kuten MapInfokin, selkenevät minulle. Oppimassahan tässä ollaan.

 

Lähteet:

Niemelä, K. (2015). Öljyllä köyhäksi – mahtavat luonnonvarat ovat yleensä kirous. Helsingin Sanomat.  <http://www.hs.fi/tiede/a1423456365439> 10.2.2015.

Toivonen, V. (2015). KK3: Tietokantojen yhdistämisestä ja alituisesta mokailusta. Seikkailuja paikkatietojen maailmassa. <https://blogs.helsinki.fi/vtoivone/> 1.2.2015.

Uusitalo, R. (2015). Afrikan rikkaudet ja Suomen tulvariski; koropleettikartat visualisena työvälineenä. Ruutin Geoinformatiikka-blogi. <https://blogs.helsinki.fi/ruutuusi/> 1.2.2015.

KURSSIKERTA 2 – Teemaa teeman päälle

Kun olimme laatineet ensimmäisen kurssikerran harjoituskartat, pääsimme varsinaiseen aiheeseen, eli erilaisten karttaesitysten tekemiseen ja erityisesti eri tietokantojen yhdistämiseen kartogrammiksi tai muunlaisiksi teemakartoiksi.

Kurssikerralla 2 kävimme MapInfon kanssa läpi eri teemakarttatyyppien luomista ja työkaluja ja sitä, kuinkainternetistä haettua tilastotietoa pystyy liittämään karttaesitykseen. Harjoittelimme Pohjois-Suomen paikkatietoaineiston avulla mm. pistekartan, rasteriteemakartan ja kartogrammien tekoa. Kokeilimme myös 3D-karttojen tekoa.

Kurssikerran tehtävänä oli laatia teemakartta, jossa on kaksi teemaa päällekäin. Tehtävässä tuli käyttää hyväksi kaikkea tähän asti oppimaa tietoa, sekä kiinnittää erityistä huomiota värien käyttöön, visuaaliseen ilmeeseen ja luokittelutapaan.

Kahden teeman tuli jollain tavalla liittyä toisiinsa ja olla informatiivinen niin, että kartalta pystyy tarkastelemaan kahden ilmiön yhteneväisyyksiä ja eroavaisuuksia.  Karttaa pitää pystyä tulkitsemaan mielekkäällä tavalla, ja sen tulkitseminen ei saa olla vaikeaa tai epäloogista.

Kahden teeman valitseminen oli tuskallista, sillä teknisten ongelmien ja muutenkin kömpelön sähläyksen takia aikaa meni tunnilla hukkaan ja vaihtoehtojen runsaus vaikeutti valintaa. Päädyin kuitenkin yhdistämään Suomen kuntien työttömysasteen 30.12.2010 tilastotiedon perusteella sekä nettomuuttoluvut Suomen kunnissa vuonna 2013 (kuva 1). Tilastoissa on kolmen vuoden ero, mutta tätä tehtävää ajatellen ja tulkiten en tee siitä suurempaa huomiota. Jos kyseessä olisi vakavammin otettava kartta, laatisin sen saman vuoden tilastotietoja käyttäen. Työttömysasteen jaoin viiteen luokkaan ja käytin luokittelussa luonnollista jakaumaa. Näin tein siksi, koska jakauma on suhteellisen tasainen ja arvot jakautuvat tämän jaon mukaan tasaisesti viiteen luokkaan.

Tyottomyys_Nettomuutto2
Kuva 1. Työttömyysaste (%) 301.12.2010 tilastojen mukaan ja kokonaisnettomuutto vuonna 2013 Suomen kunnissa. Punaiset pallot tarkoittavat muuttovoittoa ja siniset muuttotappiota

Visuaalisesti viisi luokkaa miellyttävät silmää. Värin vaaleus- ja tummuusasteita tulkitsemalla voidaan huomata, että työttömyysaste on korkeampi Itä- ja Pohjois-Suomessa. Syitä ilmiölle voivat olla nykyinen talouslama ja siitä johtuvat irtisanomiset sekä elinkeinorakenteen muutos (esimerkiksi paperiteollisuuden väheneminen, maatalouden koneellistuminen tai työpaikkojen puute paikkakunnalla ym.). Vähiten työttömyyttä esiintyy eteläisillä ja läntisillä paikkakunnilla. Näillä alueilla taloudellinen tilanne saattaa olla parempi niin kotitalouksissa kuin kunnissa, työpaikkoja voi olla enemmän, mm. nuorille ja opiskelijoille  ja työttömyysturva sekä työttömien aktivointitoiminta voi olla paremmin järjestetty. Tilastokeskuksen raporttien mukaan vuonna 2010 työttömyysaste on tasaisesti laskenut (avoimia työpaikkoja on ollut edellisvuoteen verrattuna yhteensä 23% enemmän jokaisella vuosineljänneksellä), mutta vuoteen 2014 mennessä se on taas heikentynyt talouslaman vuoksi. Tilastokeskuksen mukaan vuonna 2014 avoimia työpaikkoja oli noin 13% vähemmän kuin edellisvuonna. Ongelma tämän teeman kanssa on se, että yhdistettynä pistekarttaan aineiston luettavuus kärsii – esimerkiksi Uusimaan työttömyysasteluvut eivät näy, koska päällä on pisteitä.

Kokonaisnettomuutto kuvaa kuntien muuttoliikettä. Punaiset pallot kuvaavat tilannetta, jossa kunta tekee muuttovoittoa – kuntaan muuttaa enemmän ihmisiä kuin sieltä lähtee pois. Siniset pallot kuvaavat päinvastaista tilannetta, eli muuttotappiota.

Selkein muuttovoittoalue on Uusimaa. Pääkaupunkiseudulle ja sen läheisyyteen muutetaan monesta syystä, esimerkiksi työn ja opiskelun takia. Muita selkeitä muuttovoittoalueita ovat suuret kaupungit, kuten Tampere, Oulu, Turku ja Joensuu, jotka ovat myös yliopistokeskuksia. Muuttotappioalueita on erityisesti Luoteis-Suomessa ja Lapissa. Muuttotappiollisia kuntia näyttää olevan kartalla jopa enemmän kuin muuttovoittokuntia, mikä kertoo paljon muuttoliikkeiden suunnasta maaseudulta kaupunkeihin ja suurkaupunkien lähikuntiin.

Nämä kaksi teemaa yhdessä antavat tietoa työttömyysasteen ja nettomuuton yhteydestä kunnissa. Päällisin puolin tarkasteltuna voidaan huomata, että useimmilla muuttotappioalueilla, esimerkiksi Venäjän rajan vieressä ja Pohjois-Suomessa on myös enemmän työttömyyttä kuin muuttovoittoalueilla Etelä-Suomessa. Näin ei kuitenkaan ole kaikilla paikkakunnilla, vaan esimerkiksi Pohjanmaalla työttömyystilanne on hyvä, mutta kunnat kärsivät silti muuttotappiosta. Tämä tuo esille myös kolmannen tuntemattoman ulottuvuuden. Erosta voitaisiin esimerkiksi olettaa, että kuntien vauraudella olisi merkitystä työttömyyden ja muuttoliikkeiden yhteydessä. Esimerkiksi Hanko, joka on vauras kunta mm. suomenruotsalaisväestön takia, ei kärsi työttömyydestä lähes ollenkaan, mutta on silti muuttotappioaluetta. Samoin Lieksassa Itä-Suomessa työttömyysaste on suuri, mutta alueella on muuttovoittoa.

Kahden teeman yhdistäminen on vaikeaa, ja loogisten ja johdonmukaisten yhteyksien löytäminen ja tulkitseminen on hankalaa. Taito vaatii paljon harjoittelua, ja sitä toivon että me teemme kurssin aikana enemmän. Huomasin, että kumpaakaan aineistoa ei pysty tutkimaan täysin täsmällisesti päällekkäisyyden vuoksi, ja luokkarajojen asettaminen vaatii vielä harjoitusta.  Harjoituksena kartta oli kuitenkin mielenkiintoinen ja kehittävä.

 

Lähteet:

Avoimet työpaikat 2010, 4. neljännes. Tilastokeskus. 22.1.2015. <http://tilastokeskus.fi/til/atp/2010/04/atp_2010_04_2011-02-16_tie_001_fi.html>

Avoimet työpaikat 2014, 3. neljännes. Tilastokeskus. 22.1.2015. <http://tilastokeskus.fi/til/atp/2014/03/atp_2014_03_2014-11-14_tie_001_fi.html>

 

KURSSIKERTA 1 – Kartta vai kepponen

Paikkatiedon hankinta, analyysi ja kartografia -kurssi, eli PAK, alkoi perinteiseen tapaan maantieteen osaston GIS-luokassa. Edellisessä periodissa suoritettu TAK (Tiedon hankinta, analyysi ja kartografia) oli opettanut meidät käyttämään Corel Draw -ohjelmaa, sekä oli tutustuttanut meidät karttojen laatimisen monimutkaiseen maailmaan. PAK-kurssilla tutustumista syvennetään ihan tiedon alkutekijöihin, eli siihen, miten kartalla näytettävää tietoa hankitaan, käsitellään ja analysoidaan.

Kurssikerta alkoi teoriaosuudella ja kertauksella paikkatiedon määritelmästä ja käytöstä. Kertaus oli erittäin tervetullutta, sillä suoraan lukiosta tulleelle opiskelijalle, kuten minulle, monet paikkatietoon liittyvät asiat tuntuivat aikaisemmin kaukaisilta ja monimutkaisilta. Ensimmäiset kaksi kurssikertaa ovat tarkoitettu MapInfo-ohjelmaan tutustumiseen ja erilaisten teemakarttojen laatimiseen.

Teimme kurssikerran aikana kaksi harjoitustehtävää. Ensimmäinen harjoitus piti sisällään MapInfon ominaisuuksiin ja työkaluihin tutustumista Helsingin kaupungin paikkatietoaineistoa hyväksikäyttäen. Laadimme eri tilastotietoon perustuvien tietokantojen avulla teemakarttoja, ja harjoittelimme mm. erilaisten aineistojen luokittelutapojen käyttöä ja merkitystä kartan tulkinnassa. Harjoitus oli mielenkiintoinen, ja se osoitti miten hyödyllistä paikkatieto on kun tutkii mitä tahansa ilmiötä. Tilastotiedon yhdistäminen sijaintitietoon, eli paikkatieto, valkeni minulle viimeistään tämän harjoituksen aikana.

Toisessa kurssikerran harjoituksessa piti laatia oma teemakartta käyttäen hyväksi Suomen kuntien paikkatietoaineistoa. Tilastotiedot löytyivät helposti MapInfosta yhden painalluksen takaa. Harjoituksen tarkoituksena oli oppia käyttämään MapInfoa itsenäisesti, ja soveltaa aikaisemmin tunnilla käytyjä asioita. Erityisesti luokkajakoja päätettäessä tuli kiinnittää huomiota kartan luettavuuteen ja tieteellisyyteen.

Valitsin teemakarttani (kuva 1) teemaksi korkea-asteen koulutuksen saaneiden määrän Suomen kunnissa vuonna 2013. Käytin aineistona jo seuraavan kurssikerran kuntatietoja (2013), vaikka ensimmäisen kurssikerran aineistona olivat vuoden 2011 aineistot.

Määritelmänä korkea-asteen koulutus tarkoittaa Tilastokeskuksen mukaan seuraavaa:

“Alimman korkea-asteen koulutus kestää 2-3 vuotta keskiasteen jälkeen. Näitä koulutuksia ovat esim. teknikon, merkonomin ja sairaanhoitajan tutkinnot, jotka eivät ole ammattikorkeakoulututkintoja. Alemman korkeakoulututkinnon suorittaminen vaatii 3-4 vuotta päätoimista opiskelua keskiasteen jalkeen. Alempaan korkeakouluasteeseen luetaan esim. ammattikorkeakoulututkinnot ja alemmat korkeakoulututkinnot. Ylemmän korkeakouluasteen tutkinnon suorittaminen vaatii pääsääntöisesti 5-6 vuotta päätoimista opiskelua keskiasteen jälkeen. Ylempään korkeakouluasteeseen luetaan esim. maisteritutkinnot ja lääkäreiden erikoistumistutkinnot.”

Kuva 1. Korkea-asteen tutkinnon saaneiden osuus prosentteina vuonna 2013. Lähde: Tilastokeskus (2013)

Aineiston luokittelu oli aluksi hankalaa. Kokeilin histogrammityökalun avulla jakauman muodostamista, ja koska arvoja on pienissä yksiköissä enemmän kuin suurissa, jakauma on laskeva. Kuitenkin halusin myös suurempien arvojen erottuvan omina alueinaan teemakartassani. Automaattiset luokittelutavat tekivät aineistolle niin, että pienille tuli harvempia luokkavälejä kuin suuremmille. Esimerkiksi suurin luokkaväli olisi ollut noin 20-56 prosenttia, ja pienin 9,6-12. Ongelmana tällaisessa tilanteessa on se, että alueilla, jotka kuuluvat suurimpaan luokkaan, saattaa olla arvoja joko pienimmän arvon kohdalla tai suurimman arvon kohdalla, jolloin sisäinen hajonta on suurta. Tällöin aineistosta ei voi saada täysin luotettavaa ja vertailtavaa tietoa. Päätin näin ollen lisätä suurempien arvojen erottuvuutta laatimalla luokka-arvot käsin. Esimerkiksi Hanna on blogissaan (Hannan blogi) käyttänyt MapInfon ehdottamaa luokkajakoa, jolloin kartasta näkyy suurimman luokan, eli kuntien, joissa on eniten korkeasti koulutettuja, olevan paljon suurempi kuin omassa kartassani.

Kartan tulkinnasta pitää aluksi mainita, että ensinnäkin koko aihe on hieman hämärä. Korkea-asteen koulutus ei monellekaan ehkä soita kelloa, sillä sen määritelmä ei olekaan niin yksinkertainen (ks. määritelmä yllä). Määritelmän mukaan korkea-asteen koulutukseen luetaan kaikki keskiasteen, eli esimerkiksi lukion jälkeen suoritetut tutkinnot. Tällä oletuksella kartalta voidaan karkeasti nähdä, että korkeasti koulutettujen osuus on suurempi etelässä kuin pohjoisessa, ja suurissa kaupungeissa ja kunnissa on ympäröiviin kuntiin nähden korkeammin koulutettuja. Tämä saattaa johtua suoraan yliopistojen ja suurien ammattikorkeakoulujen maantieteellisestä sijainnista. Esimerkiksi Rovaniemi ja Oulu erottuvat vaaleasta taustasta selkeästi Pohjois-Suomessa. Suurin luokka-aste, eli 35-56% erottuu selkeänä kirkkaanpunaisena läiskänään Helsingin seudulla. Pääkaupungin läheisyydessä sijaitsevatkin Suomen suurimmat yliopistot ja ammattikorkeakoulut, sekä myös työpaikat ja palvelut, joissa tarvitaan korkeaa koulutusta.

Kartan tekninen toteutus sujui hieman hutiloiden, mutta kuten sanonta kuuluu, tekemällä oppii. Odotan innolla uusia tehtäviä ja haasteita – GIS on kuitenkin tämän päivän ja tulevaisuuden kuuma peruna, joka kannattaa ottaa hyvin haltuun.

 

Lähteet:

Malinen, H. (2015). Ensimmäinen kurssikerta. Hannan blogi. 22.1.2015 <https://blogs.helsinki.fi/hzmaline/>

Koulutusaste. Tilastokeskus, Helsinki. 22.1.2015. <http://www.stat.fi/meta/kas/koulutusaste.html>