Dekimashita!! Valmista tuli!

Blogi on nyt valmis. Kiitos kurssista kurssin vetäjälle! Kurssi oli melko työläs enkä ole aivan tyytyväinen omaan lopulliseen MapInfo osaamiseeni. Ohjelma tuntui alusta loppuun noudattavan jotain ihan omaa logiikkaansa tai sitten minulla ja ohjelmalla ei vain mätsännyt. Opettajaksi aikovana tuskin tulen käyttämään MapInfoa tulevaisuudessa ja se on ehkä ihan hyvä. Muutoin karttojen piirtely ja pyörittely on kuitenkin oikein hauskaa. 🙂

 

Kohti seuraavia pettymyksiä! 😉

Tallennettu kategorioihin Sekalaista | Jätä kommentti

Neuvoja Helsinkiin muuttavalle

Viimeisellä kurssikerralla päästiin tositoimiin, kun tehtävänä oli tuottaa karttaesityksiä MapInfolla itse valitusta aineistosta. Tämä oli oikein valaiseva kurssikerta sen suhteen, että ymmärsin etten ollut oppinut lähes mitään koko kurssin aikana. Olin myös valmistautunut huonosti ja vasta kurssikerran alussa lähdin tutkimaan ja miettimään mistä aiheesta aion kartat laatia. Kaikesta itkusta, hiestä ja turhautumisesta huolimatta sain kuin sainkin lopulta tuotettua muutaman ihan hauskan kartan. Suuri kiitos kuitenkin vielä Maijalle, jota ilman en olisi kurssista selvinnyt!

Käytin teemakarttojen aluejakona Helsinki region infosharesta löytynyttä valmista MapInfo-tiedostoa Helsingin piirialuejaosta vuodelta 2016. Aineistossa oli jaot suurpiireihin, peruspiireihin, osa-alueisiin ja pienalueisiin, mutta lopullisissa kartoissa käytin vain peruspiirijakoa. Peruspiirien pohjalle otin aiemmilla kurssikerroilla käytetyt rantaviiva- ja meri-tiedostot. Helsingin peruspiirien excel-muotoiset tilastotiedot löytyivät myös Helsinki region infosharen sivuilta.

Karttojen laatiminen lähti liikkeelle aineiston tutkiskelusta. Koska en heti keksinyt hyvää aihetta kartalle, päätin ensin tehdä harjoituskartan. Lopulta tämä vaihe prosessista vei suurimman osan ajastani kurssikerralla. Jouduin nimittäin painimaan pitkään MapInfon ja Excelin kanssa, jotta sain ensin pohjakartat ja excel-tilastot toimimaan ja ylipäätään näkymään kartalla. Ongelmaksi muodostui esimerkiksi tilastotietojen arvojen pisteiden muuntaminen pilkuiksi ja se, että yritin ensin mennä helpoimman kautta siirtämällä koko tiedoston MapInfoon valikoimatta muuttujia. Lopultakaan tämä ei onnistunut, joten valitsin muutamia satunnaisia muuttujia, tein niistä excel-tiedoston ja vein sen MapInfoon. Viimein onnisti ja sain tuotettua jonkinlaisen teemakartan geokoodauksen ja joinauksen avulla. Tämän jälkeen ehdin vielä miettimään lopullisten karttojeni aiheita ja laatimaan niistä excel-tiedostoja, mutta sitten aika loppui ja jouduin lähtemään töihin.

Seuraavana maanantaina jatkoin karttojen parissa. Olin valinnut ensimmäisen kartan aiheeksi autottomat asuntokunnat ja koulutusasteen. Autottomuutta esitin kartalla väriteemalla ja koulutusastetta pylväsdiagrammeilla. Kartta oli jo lähes valmis, mutta olin tyytymätön pylväiden sijainteihin kartalla. Aluejaon mukaan nimittäin joidenkin rannikkoalueiden rajat jatkuivat kauas merelle ja siksi ohjelma heitti pylväät keskelle merta. Yritin ensin muokata alueiden rajoja uudelleen, jotta keksipiste muuttuisi järkevämmäksi, mutta tällä tekniikalla lopulta sotkin koko kartan. Yrittäessäni korjata tekemiäni tuhoja tunsin vajoavani vain syvemmälle suohon, joten lopulta päädyin poistamaan kaikki tiedostot koneelta ja lataamaan ne uudelleen, jotta MapInfo suostuisi aloittamaan kartan laadinnan alusta. Kun olin saanut kartan uudelleen kokoon muistin, että alueiden keskipisteitä voi muuttaa alueiden rajoihin koskematta keskipistettä siirtämällä ja näin sain lopulta pylväät aseteltua nätimmin. Tästä huolimatta osa pylväistä näkyy vain osittain, koska niitä en saanut siirrettyä meri-layerin päälle (esim. Kulosaari) (Kuva 1).

Kartalta näkyy kivasti miten Kalliossa, Vallilassa ja Alppiharjussa autottomuus on erittäinkin yleistä (Kuva 1). Syynä voi olla toimiva joukkoliikenne ja arvomaailmaltaan samanlaisten ihmisten kasaantuminen. Myös keskustan ja Pasilankin ympäristössä autottomuus on yleisempää kuin autollisuus. Muutoin keskustasta kauemmas mentäessä auton omistaminen yleistyy asteittain. Jo Oulunkylän korkeudella auton omistaa keskimäärin 50 % asuntokunnista. Pohjois-Helsingin poikkeuksena on Jakomäki, jossa autottomuus on keskustan luokkaa. Tällä alueella myös korkeakoulutus on erittäin harvinaista. Todennäköisesti osalla asukkaista ei yksinkertaisesti ole varaa autoon. Toisaalta Jakomäessä ulkomaalaisten osuus on korkeampi kuin missään muussa Helsingin peruspiirissä (18,6 %) (Helsinki alueittain 2015). Ulkomaalaisilla ei ehkä ole kelpuutettavaa ajokorttia. Kaukana keskustasta Östersundomissa, Tuomarinkylässä ja Itä- ja Länsi- Pakilassa auton omistaminen ja korkeasti kouluttautuminen on yleistä. Näillä alueilla myös asuntokuntien mediaanitulot ovat huomattavasti korkeampia kuin muissa peruspiireissä ja pienituloisten asuntokuntien osuus alle 5 % (Helsinki alueittain 2015). Asukkailla on siis varaa autoon. Muita korkeakoulutettujen valtaamia alueita ovat keskusta ja lounainen Helsinki. Näillä alueilla korkeakoulutus ja auton omistaminen eivät kulje käsi kädessä ehkäpä tehokkaan joukkoliikenteen ansiosta.

Kuva 1. Helsingin alueen autottomuus ja koulutusaste peruspiireittäin.

Ensimmäisen kartan onnistumisesta innostuneena päätin vielä laatia pari karttaa lisää. Näissä kartoissa vertailin 0-6 vuotiaitten osuutta päiväkotien ja leikkipuistojen määrään. Kartan ongelmana on se, että lapset on esitetty osuutena ja päiväkodit absoluuttisina määrinä. Östersundomissa lasten osuus näyttää olevan suurempi kuin esim. Kalliossa, mutta Kalliossa on silti enemmän päiväkoteja. Tämä johtuu siitä, että Kalliossa on absoluuttisesti enemmän lapsia (983 kpl) kuin Östersundomissa (137 kpl) (Helsinki alueittain 2015). Päiväkotien määrä on siis suhteutettu pikkulasten absoluuttiseen eikä suhteelliseen määrään. Leikkipuistojen määrä taas näyttää korreloivan paremmin pikkulasten suhteellisen osuuden kanssa. Kartasta puuttuu legendasta nollaluokka, mutta leikkipuistottomat piirit näkyvät kartalla ilman rasteria. Tilastossa on kuitenkin virheitä tai sitten leikkipuistoille on jokin mielenkiintoinen määritelmä, sillä tiedän Taka-Töölössä olevan leikkipuistoja itse asuttuani yhden vieressä.

Kuva 2. Helsingin alueen alle 6 vuotiaiden osuus ja päiväkotien määrä peruspiireittäin.

 

Kuva 3. Helsingin alueen alle 6 vuotiaiden osuus ja leikkipuistojen määrä peruspiireittäin.

 

Karttojen avulla Helsingistä sopivaa asuinaluetta etsivä lapsiperhe päätyisi todennäköisesti Vanhaankaupunkiin tai Latokartanoon. Alueilta löytyy runsaasti valinnanvaraa päiväkotien ja leikkipuistojen suhteen ja lapsille runsaasti ikätovereita. Lapsia karttavian taas kannattaa etsiä asuntoa Kallion ja Alppiharjun alueelta, mikäli mielii keskustan läheisyyteen tai esimerkiksi Östersundomiin, jos lasten lisäksi haluaa karttaa ylipäätään ihmisiä. Toisaalta Östersundomissa pitää sietää rikkaita ja hyvinkoulutettuja naapureita, jotka todennäköisesti omistavat vähintään yhden auton. Autottomuutta arvostavan kannattaa suunnata Kallioon, Alppiharjuun tai Vallilaan. Taikka sitten vaikka Jakomäkeen! Mikäli kirjastojen, Alkojen ja kirkkojen määrät ja puolueiden kannatus alueittain kiinnostavat, kannattaa tarkastella myös Maija Nikkasen tekemiä karttoja samalta alueelta (Nikkanen 2017).

 

LÄHTEET

Helsinki alueittain 2015. Helsingin kaupungin tietokeskus. Ladattu 1.3.2017.

           http://www.hri.fi/fi/dataset/helsinki-alueittain-2015

Helsingin piirialuejako vuosilta 1995-2016. Helsingin kaupungin kiinteistövirasto. Ladattu

          1.3.2017. http://www.hri.fi/fi/dataset/helsingin-piirijako

Nikkanen M. (2017). Viikko 7: Viheralueita ja vaalituloksia. Luettu 14.3.2017.                                 https://blogs.helsinki.fi/msnikkan/2017/03/03/viikko-7-viheralueita-ja-vaalituloksia/

Tallennettu kategorioihin Sekalaista | Jätä kommentti

Hasardeja

Kuudennella kurssikerralla käytiin keräämässä koordinaattitietoja GPS-laitteella lähimaastosta ja sijoitettiin ne kartalle MapInfossa. Keräsin oman ryhmäni kanssa Kumpulan kampuksen lähialueen bussipysäkkien koordinaatteja. Lisäksi harjoiteltiin geokoodausta. Geokoodauksen ideana oli paikantaa tietoa kartalle yhdistämällä pistemäisten kohteiden sijainnit toisen tietokannan sijaintitietoon. Vaikka geokoodaus oli suunniteltu automaattiseksi toiminnoksi, joutui ohjelmaa avustamaan tietojen yhdistelyssä yllättävän paljon. Lopuksi tuotettiin vielä karttaesityksiä netistä tuoduista pisteaineistoista. Tässä tehtävässä karttakohteiden sijoittelu kartalle tapahtui koordinaattitietojen ja oikean projektion valinnalla. Karttojen teemana olivat luonnon hasardit; maanjäristykset, tulivuoret ja meteoriitit. Tein yhden kartan kustakin hasardista.

Maanjäristyskartassa esitetään yli 6 ja yli 8 richterin maanjäristykset maapallolla viimeisen kymmenen vuoden ajalta (Kuva 1). Yli 6 richterin järistykset on esitetty kartalla mustina pisteinä ja yli 8 richterin järistykset punaisina pisteinä. Valitsin aikavälin, jotta käsiteltävät tietokannat eivät olisi megalomaanisia. Kartalla näkyy miten suuret järistykset sijoittuvat jonoiksi tai ryppäiksi tietyille alueille. Jonomaiset järistysketjut sijoittuvat mannerlaattojen saumakohtiin, joissa laatat liikkuvat suhteessa toisiinsa. Tällainen kulkee esimerkiksi Atlantin valtameren poikki. Lisäksi Tyynenmeren reunoilla tapahtuu runsaasti järistyksiä. Esimerkiksi Pohjois- ja Etelä-Amerikan läntiset valtiot ja osavaltiot sekä Indonesia ja Japani kärsivät usein voimakkaista maanjäristyksistä. Toisaalta voimakkaita järistyksiä tapahtuu myös paljon Välimerellä ja Himalajan alueella. Vaikka kartta kattaa tiedot vain hyvin voimakkaista järistyksistä, jotka ovat sattuneet viimeisen kymmenen vuoden aikana, kartalla on nähtävissä maanjäristysten yleinen sijoittuminen maapallolla ja kartan avulla voi hyvin selittää mistä maanjäristykset yleensä johtuvat (laattatektoniikka). Kartan kanssa voisi näyttää jonkinlaisen kartan (Kuva 2.) maapallon mannerlaattojen rajoista. Yli 8 richterin järistykset ovat kartalla vähän ylimääräisenä mausteena. Niiden kohdalla maanjäristykset voi liittää tsunameihin ja muihin maanjäristysten vaikutuksiin. Kuten Julia Viertola blogitekstissään huomauttaa, pieniä järistyksiä tapahtuu useammin kuin suuria, mutta suurten seuraukset ovat laajempia ja pidempiaikaisempia (Viertola 2017). Kartalla näkyy esimerkiksi Japanin Sendain lähellä tapahtunut 9 magnitudin järistys, josta seurasi tuhoisa tsunami vuonna 2011.

 

Kuva 1. Maanjäristykset. Yli 6 ja yli 8 richterin maanjäristysten sijainnit kymmenen vuoden ajalta (1.1.2007-1.1.2017). Yli 8 richterin maanjäristykset on merkitty punaisilla pisteillä.

Kuva 2. Mannerlaatat. (Lähde: www.worldatlas.com)

Täältä löytyy vielä kiva ajantasainen kolmiulotteinen maanjäristyskarttapallo. Karttapallolla näkyvät viimeisen viikon järistykset, jotka ovat yli 4,5 magnitudia voimakkuudeltaan.

Tulivuorikartalla näkyvät yli 6 richterin maanjäristykset viimeisen kymmenen vuoden ajalta ja maapallon tulivuoret (Kuva 2). Kartalta näkee miten monet tulivuoret sijaitsevat samoilla alueilla, missä maanjäristyksiä tapahtuu. Toisaalta tulivuoria on myös alueilla, joissa suuria maanjäristyksiä ei tapahdu. Tulivuoret sijoittuvat siis mannerlaattojen saumakohtiin ja osa kuumiin pisteisiin. Itse yllätyin Ruotsissa sijaitsevasta tulivuoresta. Ilmeisesti kyse on kuitenkin tulivuoren sammuneesta jäänteestä. Kartalla näkyy hyvin miten onnekkaita me suomalaiset (ja muut pohjoismaalaiset) olemme sekä maanjäristysten että tulivuortenpurkausten suhteen… Täältä löytyy kätevä sivusto, joka näyttää aktiivisten tulivuorten sijainnin ja tilan, sekä viime päivien maanjäristyksiä.

Kuva 3. Tulivuoret ja maanjäristykset. Maapallon tulivuoret esitettynä punaisina kolmioina ja yli 6 richterin maanjäristykset mustina pisteinä. Järistykset ovat ajalta 1.1.2007-1.1.2017.

 

Viimeiseksi tein karttoja meteoriittien törmäyskohdista. Käytin karttojen pohjana värillistä maailmankarttaa ja sisällytin törmäyskohta-tiedostoon kaikki tunnetut törmäyspaikat. Rajasin kuitenkin koko maailman kartasta muutamia alueita (USA, Japani, Suomi, Intia ja Australia), jotta törmäyspaikkoja on helpompi tarkastella. Suurella kartalla merkinnät helposti puuroutuivat suuriksi klönteiksi, joista on mahdoton erottaa yksittäisiä törmäyspaikkoja. Karttoja voisi käyttää opetuksessa esim. kyseistä maata käsiteltäessä tai muuten vain meteoriittien määrää ja törmäyspaikkoja tarkasteltaessa.

Kuva 4. Meteoriittien törmäyspaikkoja. Karttakokoelma, jossa on esitetty muutamien mantereiden ja maiden meteoriittien aiheuttamia törmäyspaikkoja. Klikkaamalla karttoja saa suuremmaksi.

 

LÄHTEET

Interactive Map of Active Volcanoes and recent Earthquakes world-wide.                                               https://earthquakes.volcanodiscovery.com/ Katsottu 12.3.2017.

Major Tectonic Plates Of Earth. (2016)                                                                                                            http://www.worldatlas.com/articles/major-tectonic-plates-on-earth.html  Luettu                9.3.2017.

Viertola J. (2017). 6. kurssikerta maanjäristykset. https://blogs.helsinki.fi/juliavie/ Luettu               9.3.2017.

Wolton R. EQ3D. http://www.earthquake3d.com/ Katsottu 9.3.2017.

Tallennettu kategorioihin Sekalaista | Jätä kommentti

Buffering…

Viidennellä kurssikerralla opeteltiin bufferointia ja karttakohteiden laskemista MapInfolla. Bufferoinnin ideana on luoda karttakohteen (piste tai viiva) ympärille vyöhyke ja laskea vyöhykkeen sisäpuolelle tai ulkopuolelle jääviä kohteita. Lisäksi tehtiin itsenäistehtäviä, joissa pääsi testaamaan omaa MapInfo osaamistaan.

Itsenäistehtävissä laskettiin bufferoinnin avulla asukasmääriä lentokenttien ja juna-asemien läheisyydessä, kouluikäisten ja ulkomaalaistaustaisten osuuksia taajamissa ja valinnaisessa tehtävässä kouluikäisten määriä ja osuuksia koulupiireittäin. Vaikka tehtävien tekemiseen kului runsaasti aikaa, pyöräytimme vielä lopuksi Maijan kanssa teemakartan kouluikäisten osuuksista Helsingin koulupiireissä (Kuva 1). Kuten Maija blogissaan kirjoittaa, kartalla näkyy hyvin, miten kantakaupungin koulupiireissä koululaisia on vähemmän kuin ympäröivissä koulupiireissä (Nikkanen 2017). Itse hieman yllätyin siitä, että myös Santahaminassa näyttäisi olevan melko paljon kouluikäisiä. Ilmeisesti sielläkin kuitenkin asuu väkeä ja jopa lapsiperheitä (Mansikka 2014).

Kuva 1. Kouluikäisten osuus Helsingissä koulupiireittäin.

Vastaukset itsenäistehtäviin 1-3 löytyvät täältä . Työkalut, joita tehtävissä tuli käytettyä, olivat pääasiassa piirtotyökalut, bufferointi ja sarakkeiden tietojen pyörittelyyn ja laskentaan käytetyt ”column maintenance” ja ”update column”. Tilastotietojen tarkastelussa apuna oli työkalupakista löytyvä Sigma-työkalu. Jälleen ohjelman logiikka tuotti päänvaivaa aloittelijoille, kun bufferoidun alueen sisältämien kohteiden valinta laskentaa varten ei ottanut onnistuakseen. Layer control-ikkunan toiminnan ymmärtäminen vaatii vielä harjoittelua. Muuten itse bufferointi oli helppoa ja helposti ymmärrettävää, koska tulosta pystyi seuraamaan karttanäkymässä.

Tehtävissä bufferointia käytettiin mm. lentokenttien ja juna-asemien läheisyydessä asuvien ihmisten määriä laskettaessa. Valmiissa tilastoaineistoissa oli tietoja pääkaupunkiseudun rakennuksista ja niissä asuvista ihmisistä. Bufferoinnin avulla laskettiin absoluuttisia lukumääriä rajatuilta alueilta. Näiden lukujen avulla voitiin laskea suhteellisia osuuksia. Esim. 3,2 % kahden kilometrin säteellä Helsinki-Vantaan lentokentästä asuvista asuu 65 dB:n lentomelualueella.

Taajama-alue tehtävässä huomasimme taajamissa asuvien asukkaiden ja taajamissa asuvien kouluikäisten osuuden olevan molemmissa 96 %.

Valinnaisessa tehtävässä selvitimme tietoja Helsingin yhteinäiskoulun koulupiirin kouluikäisistä. Laskimme alueella olevan vain 14 uutta aloittelevaa koululaista seuraavana vuonna. Päättelimme seuraavan vuoden koululaisten olevan aineiston 6-vuotiaat. Yläasteikäisiä laskimme olevan 63 kappaletta. Kouluikäisten osuudeksi alueen kaikista asukkaista saimme 8,4 %. Muunkielisiä kouluikäisiä laskimme olevan vain 9 kappaletta.

Bufferoinnilla (tai puskuroinnilla) laskettiin näissä tehtävissä alueen sisälle tai alueen ulkopuolelle jäävien kohteiden lukumääriä. Työkalu vaikutti erittäin kätevältä ja siitä on varmasti hyötyä monessa tilanteessa. Bufferoinnin avulla voisi esim. vertailla usean samanlaisen kohteen ympäristöjä toisiinsa. Myös saman kohteen ajallinen vertailu olisi helppoa. Lisäksi, kuten lentomelualueiden arvioinnissa, bufferoinnilla voisi arvioida myös toisenlaisten kohteiden vaikutusta ympäristöönsä, esim. tehtaiden tai vaikkapa tuulivoimaloiden. Buffereita yhdistämällä voitaisiin ehkäpä löytää myös mielenkiintoisia yhteisvaikutuksia eri tekijöillä.

 

LÄHTEET

Mansikka O & S Kilpiö (2014). Santahaminassa on turvallista asua – vain palvelut                         puuttuvat. Helsingin sanomat. http://www.hs.fi/

Nikkanen M (2017). MapInfo, taas. https://blogs.helsinki.fi/msnikkan/ Luettu 23.2.2017.

Tallennettu kategorioihin Sekalaista | Jätä kommentti

Ruutukartat

Neljännellä kurssikerralla tutustuttiin ruutukarttojen maailmaan. Ruutukartassa tutkitun alueen päälle piirretään ruudukko halutulla ruutukoolla. Ruudukolla voidaan tämän jälkeen esittää pistemäistä paikkatietoa luotujen ruutujen tarkkuudella. Esimerkiksi asukkaiden, talojen tai vaikka linnunpönttöjen määrää per ruutu. Ruutukartalla voidaan esittää aineistoa suhteellisina sekä myös absoluuttisina määrinä, koska ruudut ovat saman kokoisia ja siksi vertailtavissa keskenään. Perinteisillä koropleettikartoilla, joissa tutkitut alueet ovat usein keskenään erikokoisia hallinnollisia alueita, voidaan esittää vain suhteellisia arvoja, jotta alueita voi vertailla keskenään. Ruutukartoilla kartan tarkkuus ja tietomäärä riippuvat paljolti ruutukoosta. Sivultaan kilometrin kokoisten ruutujen sisään mahtuu jo paljon vaihtelua, joka ei kartalla näy. Pienempien ruutujen avulla vaihtelu saadaan tarkemmin näkyviin. Toisaalta järkevän ruutukoon valintaan vaikuttavat aina myös tutkittu asia ja tutkitun alueen laajuus.

Kurssikerran tehtävässä tarkasteltiin erilaisia rakennuskohtaisia tietoja pääkaupunkiseudulla. Käytetty tietokanta oli Helsingin seudun ympäristöpalvelujen tuottamalta SeutuCD:ltä , jossa on tietoja kaikista seudun rakennuksista ja niiden asukkaista.

Laadin tehtävässä kaksi karttaa, joilla esitetään pääkaupunkiseudun omakotitalojen sijoittumista alueella. Ensimmäisen kartan tein ruutukoolla 250 x 250 m, mutta lopulta päätin esitellä kartan, jonka ruutukoko on 500 x 500 m, koska se oli visuaalisesti helppolukuisempi (Kuva 1).

Kuva 1. Omakotitalojen absoluuttiset lukumäärät 500 x 500 metrin ruuduissa. Tummilla ruuduilla omakotitalojen määrä on suurempi kuin vaaleilla ruuduilla. Valkoisilla alueilla omakotitaloja ei ole lainkaan.

Kartalla näkyy Helsinki, Vantaa, Espoo ja Kauniainen. Alue on jaettu 500 x 500 metrin ruutuihin, joilla esitetään omakotitalojen (yhden asunnon talojen) määrää. Tummansävyisillä ruuduilla omakotitaloja on runsaammin kuin vaaleansävyisillä. Luokkajako on tehty luonnollisilla luokkaväleillä, jotka pyöristettiin kymmenen havainnon tarkkuudella. Luokkia päätettiin tehdä neljä kartan luettavuuden helpottamiseksi. Kartalle olisi voitu liittää tietoja alueen tiestöstä, pien- tai suuralueista ja maankäytöstä. Päätin kuitenkin jättää nämä pois, koska en kokenut niiden tuovan erityistä lisäinformaatiota kartalle, vaan enemmänkin sekoittavan sitä.

Kartalla näkyy, että omakotitalojen määrä on pieni Helsingin keskustassa ja läntisessä Helsingissä. Pohjois-Helsingissä, Espoossa, Kauniaisissa ja Vantaalla omakotitalojen määrä on suurempi tiettyjä erottuvia alueita lukuun ottamatta. Kartan valkoisilla alueilla, missä ruutuja ei näy, omakotitaloja ei ole lainkaan. Nämä ruudut päätettiin jättää esittämättä, jotta kartta olisi selkeämpi.

Koska kartalla omakotitalojen määrä on esitetty absoluuttisina lukuina ruutuja kohti, omakotitalojen esiintyvyyteen vaikuttaa kaksi erillistä asiaa. Ruudun omakotitalomäärään vaikuttaa ensinnäkin ruudun muut talotyypit. Ruudulla voi siis olla vähän omakotitaloja, koska siellä on toisenlaisia taloja, kuten kerrostaloja tai johonkin tarkoitukseen, kuten liikerakennuksiksi määriteltyjä taloja. Toiseksi, omakotitalojen määrään ruuduilla vaikuttaa se, onko ruuduilla ylipäätään minkäänlaisia taloja. Osalla alueista, joilla omakotitaloja ei ole lainkaan, ei ole muitakaan rakennuksia. Kartalta ei voi siis päätellä mitään esim. omakotitaloasumisen suosiosta eri alueilla, koska se ei vertaa eri talotyyppien osuuksia keskenään.

Siitä huolimatta, kartan rakennetta voi selittää jonkin verran, kun avuksi otetaan esim.  Googlen karttapalvelu.  Googlen kartalta nähdään, että Helsingin keskustassa on runsaasti rakennuksia. Tällä alueella omakotitalojen vähyys selittyy siis sillä, että alueella on muita talotyyppejä, kuten kerrostaloja ja liikerakennuksia. Vanhankaupunginlahden alueella taas rakennuksia ei ole Googlen mukaan lainkaan. Omakotitalojen olemattomuus selittyy tällä alueella siis sillä, että siellä ei ole ylipäätään rakennuksia, koska alue on luonnonsuojelualuetta. Myös esimerkiksi Vantaan keskellä oleva suuri omakotitaloista tyhjä alue johtuu rakennusten puutteesta ylipäätään, koska Helsinki-Vantaan lentokenttä sijaitsee siellä. Espoon länsireunassa taas alkaa Nuuksion metsät, joissa ei myöskään ole rakennuksia ylipäätään. Omakotitalojen sijoittumisessa on myös nähtävissä asuntojen sijoittuminen valtaväylien läheisyyteen. Etenkin alueiden reunoilla erottuvat alueet, jotka mukailevat suuria säteittäisiä väyliä. Myös kehäteiden muotoa voi hahmottaa kartalta. Kaiken kaikkiaan kartta onnistui visuaalisesti hyvin. Vaaleatkin ruudut erottuvat kuvasta ainakin oman koneen näytöllä ja ruutukoko on sopiva esitetylle asialle. Karttaan olisi voinut lisätä joitakin paikannimiä selkiyttämään aluetta. Ehkä jopa suurimmat ajoväylät olisi voinut lisätä kuvaan.

Vaikka absoluuttisten arvojen esittäminen onkin mahdollista ruutukartoilla, koin kartan tulkinnan melko haasteelliseksi ja monimutkaiseksi. Tähän samaan ongelmaan törmäsi myös moni muu kurssilainen. Esimerkiksi Reeta Saloniemi ja Fanny Keränen pohtivat blogeissaan absoluuttisten ja suhteellisten arvojen esittämistä ruutukartoilla (Saloniemi 2017, Keränen 2017). Molemmat olivat tehneet kartan tiettyyn ikäryhmään kuuluvien asukkaiden lukumääristä ruutuja kohti. Molemmat myös tulivat siihen tulokseen, että kartat eivät kerro ikäluokkien hallitsevuudesta alueilla, vaan heijastavat alueiden yleistä väestöntiheyttä. Jotta kartta kertoisi ikäluokan edustajien hallitsevuudesta täytyisi se suhteuttaa myös ruutukartalla yleiseen asukasmäärään. Sama pätee omakotitalojen kanssa, jotka pitäisi niiden määrä suhteuttaa muiden rakennusten määrään.

Koska kartan informaatio osoittautui melko heikoksi, päätin kokeilla tehdä vielä uuden kartan omakotitalojen suhteellisilla määrillä (Kuva 2). Tällä kartalla näkyy kivasti miten omakotitalojen osuus kaikista rakennuksista kasvaa kohti pääkaupunkiseudun reunoja. Kartassa on kuitenkin heikkoutensa. En ole varma onnistuinko laskemaan ruutujen rakennusten määrät ja prosenttiosuudet oikein MapInfossa, koska ohjelma väitti, että joillain (muutamilla) ruuduilla on reilut 100 000 000 rakennusta. Lisäksi kahdelle ruudulle, jotka on merkitty karttaan punaisena (luokka ”muut”), saatiin negatiivinen prosenttiosuus… Jotain meni siis pahasti pieleen tai sitten tilastossa kaikki ei ole kohdallaan. (Veikkaan ensimmäistä vaihtoehtoa).

 

Kuva 2. Omakotitalojen suhteelliset määrät pääkaupunkiseudulla 500 x 500 metrin ruutukoolla. Punaisilla ruuduilla omakotitalojen prosentuaalinen osuus oli negatiivinen.

LÄHTEET:

Google Maps. https://www.google.fi/maps/@60.2360155,24.9417761,11z?hl=en

Keränen F. (2017). Neljäs kurssikerta. Luettu 14.3.2017.                                                                            https://blogs.helsinki.fi/fkeranen/2017/02/19/neljas-kurssikerta/

Mikä on SeutuCD? Helsingin seudun ympäristöpalvelut. (17.1.2017).                                                      https://www.hsy.fi/fi/asiantuntijalle/seututieto/paikkatiedot/Sivut/SeutuCD.aspx              Luettu 14.2.2017.

Saloniemi R. (2017). Viikko 4: Rasteri- ja ruutukarttoja! Luettu 14.3.2017.                                            https://blogs.helsinki.fi/saresare/2017/02/16/viikko-4-rasteri-ja-ruutukarttoja/

 

Tallennettu kategorioihin Sekalaista | Jätä kommentti

Tietokantoja ja timanttikaivoksia

Kolmannella kurssikerralla tutustuttiin tietokantojen muokkaukseen MapInfossa. Ensin muokattiin harjoituksen vuoksi Afrikan valtioita käsitteleviä tietokantoja. Valtiotietoja yhdisteltiin taulukon yksinkertaistamiseksi, excel-tietokannan tietoja yhdistettiin aiempaan tietokantaan, tietokantaan luotiin laskemalla uutta tietoa vanhoista tiedoista ja tietokannasta siirrettiin laskemalla tietoja toiseen tietokantaan. Kurssikerran tehtävät olivat melko haastavia, koska välillä oli vaikea pysyä mukana siinä, mitä oikeastaan ollaan tekemässä. Eri menetelmät tiedon siirtelyyn ja yhdistelyyn menivät nopeasti sekaisin ja jälkeenpäin oli vaikea muistaa millä työkalulla pystyi tekemään mitäkin. Silti tästäkin selvittiin!

Afrikka-tehtävien viimeisessä osiossa piti vielä itsenäisesti luoda uusia sarakkeita taulukkoon ja lisätä niihin toisesta tietokannasta tietoja Afrikan maiden timanttikaivosten, öljylähteiden ja konfliktialueiden lukumääristä. Näiden kolmen tekijän avulla voi päätellä yllättävän paljon maan hyvinvoinnista ja varallisuudesta. Tietokantaan voisi liittää vielä alla olevia tietoja.

  • Konfliktin tapahtumavuosi
  • Konfliktin laajuus/säde kilometreinä
  • Timanttikaivosten löytämisvuosi
  • Timanttikaivoksen kaivausten aloitusvuosi
  • Timanttikaivosten tuottavuusluokittelu
  • Öljykenttien löytämisvuosi
  • Öljykenttien poraamisvuosi
  • Öljykenttien tuottavuusluokittelu
  • Internetkäyttäjien lukumäärä eri vuosina

Kuten Kotsadam, Østby ja Rustad kirjoittavat artikkelissaan, luonnonvarat voivat sekä luoda työpaikkoja, että aiheuttaa konflikteja (Kotsadam 2017). Tällaisia luonnonvaroja ovat esimerkiksi öljy ja mineraalit, kuten timantit. Voisi kuvitella, että erittäin todennäköisesti luonnonvaran tuottavuus vaikuttaa siihen, onko sen vaikutus yhteiskuntaan negatiivinen vai positiivinen. Jos öljykenttä tai timanttikaivos tuottaa huonosti, johtaa se helposti työntekijöiden huonoihin palkkoihin, ilmapiirin kiristymiseen ja mahdollisiin konflikteihin. Konfliktit taas entisestään huonontavat alueella asuvien hyvinvointia. Internetkäyttäjien lukumäärällä voidaan jollain tasolla mitata varallisuutta. Vertailemalla eri vuosien käyttäjien määriä nähdään, onko kehitys ollut parempaan vai huonompaan suuntaan. Yhdistämällä tiedot konfliktien tapahtumavuosiin ja öljykenttien ja mineraalikaivosten löytämis- ja aloitusvuosiin, voidaan nähdä, onko näillä tapahtumilla ollut vaikutusta internetkäyttäjien määriin ja sen myötä alueen yleiseen varallisuuteen ja hyvinvointiin.

 

 

 

Tulvaindeksikartta

Kurssikerran päätteeksi laadittiin vielä karttaesitys Suomen valuma-alueiden tulvaherkkyydestä ja järvisyydestä. Laadittu kartta näkyy kuvassa 1.

Kuva 1. Tulvaindeksikartta, jossa Suomen valuma-alueiden tulvaherkkyys on esitetty koropleettikarttana ja järvisyysprosentti pylväsdiagrammeina. Tulvaherkkyys on suurinta Itämeren rannikon valuma-alueilla ja etenkin alueilla, joissa järviä on vähän.

 

Kartan tulvaindeksi eli MHQ/MNQ- indeksi on laskettu käyttämällä hyväksi tietoja alueiden keskiylivirtaamasta (MHQ) ja keskialivirtaamasta (MNQ). Vesiuomien virtaama eli veden virtauksen määrä aikayksikössä vaihtelee sadannan ja muiden tekijöiden vaikutuksesta. Tästä seuraa ajoittain ylivirtaamaa eli virtauksen määrän kasvua, joka voi aiheuttaa tulvan. Lisäksi vaihtelu aiheuttaa alivirtaamaa, jonka aikana uomassa virtaa huomattavasti normaalia vähemmän vettä. Pidemmän ajan mittauksista voidaan laskea keskiylivirtaama (MHQ) ja keskialivirtaama (MNQ), jotka kertovat keskiarvoisesti kuinka voimakkaita tulvahuiput ovat alueella ja kuinka paljon alueen uomat kuivuvat kuivimpina aikoina. Tulvaindeksi kertoo MHQ:n ja MNQ:n suhteen, mistä voidaan päätellä alueen tulvaherkkyys. Jos tulvaindeksin arvo on suuri, alueella on korkea riski tulville. Jos taas indeksin arvo on pieni, tulvariski on matala.

Laaditussa kartassa nähdään, että korkean tulvariskin alueet sijoittuvat Itämeren rannikoille. Korkein tulvaindeksi on Turun tietämillä. Alue kuuluu ainoana korkeimpaan tulvaindeksiluokkaan. Kartasta huomataan myös, että valuma-alueilla, joilla järvisyysprosentti on suurempi, tulvariski on pienempi. Järvet näyttävät suojaavan aluetta tulvilta. Kuten Maija Nikkanen kirjoittaa blogissaan, korkea tulvariski Suomen rannikoilla liittyy runsaaseen maatalouteen ja maaperän ojittamiseen (Nikkanen 2017). Lisäksi, kuten Konsta Uimonen blogissaan kertoo, rannikkoalueet ovat rakennetumpia kuin sisämaa ja siksi maaperä sitoo vettä huonommin (Uimonen 2017). Suurempi osuus pinta-alasta on asvaltin peittämää ja kasvillisuutta on vähemmän. Vesi ei pääse imeytymään maaperään vaan virtaa pintaa pitkin ja kertyy nopeasti uomiin.

Kartan tulvaindeksi on luokiteltu luonnollisen luokittelun mukaan, joka tuntui parhaiten kuvaavan aineistoa. Aineisto oli vahvasti vino oikealle ja arvoltaan erittäin suuria muusta aineistosta poikkeavia indeksilukuja oli vain pari kappaletta. Tulvaindeksin suurimpaan luokkaan päätyi tämän takia vain yksi alue. Toinen mahdollisuus olisi voinut olla laatia kustomoidut luokat, mutta luonnolliset luokat tuntuivat silti sopivan paremmin tämän kaltaisen luonnollisen ilmiön luokitteluun.

 

LÄHTEET

Kotsadam, A., G. Østby & S. A. Rustad (2017). Structural change and wife abuse: A                                    disaggregated study mineral mining and domestic violence in sub-Saharan                              Africa, 1999-2013. Political Geography. 56, 53—65.

Nikkanen M. (2017). Viikko 2: Järvenpään mysteeri. Luettu 7.2.1017.                                                            https://blogs.helsinki.fi/msnikkan/2017/01/28/viikko-2-jarvenpaan-mysteeri/

Uimonen K. (2017). Infoa MapInfoon. Luettu 14.3.2017.                                                                                  https://blogs.helsinki.fi/konstuim/2017/02/07/infoa-mapinfoon/

Tallennettu kategorioihin Sekalaista | Jätä kommentti

Tasokasta kartanlaadintaa…

Toisen kurssikerran aiheena olivat päällekkäiset teemakartat. Tällaisissa kartoissa on enemmän informaatiota, kuin yksinkertaisissa yhden teeman teemakartoissa, joissa esitetään yhden muuttujan vaihtelua havaintoalueilla. Kahden teeman kartoissa esitetään kahden muuttujan vaihtelua samassa kartassa niin, että muuttujia voi vertailla toisiinsa. Kahden päällekkäisen teeman yhteen sovittaminen samalle kartalle on kuitenkin kartan laatijalle haastavaa, koska isommasta informaatiomäärästä huolimatta kartan olisi edelleen oltava helposti tulkittavissa.

Päällekkäisissä teemakartoissa vertaillaan usein sellaisia muuttujia, jotka liittyvät jotenkin toisiinsa tai niiden välillä on havaittu korrelaatiota. Kaksi teemaa täytyy esittää kartalla erilaisilla tavoilla, jotta ne eivät sekoitu toisiinsa. Yleinen esitystapa on yhdistää koropleettikarttaan pylväsdiagrammeja, piirakkadiagrammeja tai erilaisia symboleita tai pisteitä. Koropleettikartan sijaan voidaan myös luoda väripinnoilla Individual- ja Grid-karttoja ja kolmiulotteisuudella prismaattisia ja 3D-karttoja. Myös kaksi koropleettikarttaa on mahdollista yhdistää samaan karttaesitykseen, jos toinen muuttuja on esitetty väreillä ja toinen läpinäkyvällä rasterilla tai molemmat muuttujat on esitetty väreillä, jotka muodostavat yhdistelmiä.  Itse tuotin kurssikerran päätteeksi päällekkäisen koropleettikartan, jossa toisen aineiston vaihtelu on esitetty sinisen eri sävyillä ja toisen vaihtelu rastereilla (Kuva 1).

Kuva 1. Päällekkäinen koropleettikartta. Etelä-Suomen kuntien korkea-asteen tutkinnon suorittaneet ja työttömyysaste prosentteina.

Kartalla näkyy Etelä-Suomen kuntia Paraisista Loviisaan. Valitsimme alueen Maija Nikkasen (https://blogs.helsinki.fi/msnikkan/) kanssa, koska uskoimme alueelta löytyvän vaihtelua. Käytimme Maijan kanssa molemmat kartan toisena muuttujana työttömyysastetta, jotta karttoja voisi vertailla. Oma karttani toisena muuttujana käytin Tilastokeskuksen tietoja kuntien korkea-asteen tutkinnoista (Koulutusastejaottelu 2006). Molemmat aineistot koostuivat suhteellisista arvoista. Kannattaa huomata, että korkea-asteen tutkintojen tilasto on vuodelta 2015 ja työttömyysaste vuoden 2010 lopulta. Korkea-asteen tutkinnon suorittaneiden osuudet on esitetty sinisen sävyillä. Mitä tummempi sävy on, sitä suurempi osuus kunnan asukkaista on suorittanut korkea-asteen tutkinnon. Kuntien työttömyysastetta taas kuvataan viivarastereilla. Ruudukkomainen rasteri tarkoittaa korkeaa työttömyyttä, vaakaviivat keskivertaista työttömyyttä ja alue ilman rasteria matalaa työttömyyttä. Lisäksi kartalla näkyvät kuntarajat, kuntien nimet ja mittajana ja pohjoisnuoli.

Kartalta on tulkittavissa, että korkea-asteen tutkintojen suorittaneita on eniten Helsingissä, Espoossa ja Kirkkonummella, sekä niiden lähikunnissa. Tämä johtuu varmasti Helsingin ja Espoon yliopistoista ja muista pääkaupunkiseudun korkeakouluista. Myös Kaarinan ja Paraisten kunnissa korkeakoulutus on melko yleistä. Tähän vaikuttavat todennäköisesti Turun korkeakoulutusmahdollisuudet. Turku on Paraisten ja Kaarinan naapurikunta, mutta Turkua ei ole otettu tämän kartan tarkasteluun mukaan. Kartan mukaan korkeakoulutus näyttää vähenevän, mitä kauemmas kuljetaan pääkaupunkiseudun ja Turun alueen vaikutuspiiristä. Työttömyysaste taas näyttää olevan suurinta Loviisan, Salon ja Hangon kunnissa. Pienintä työttömyys taas on Espoossa, Kauniaisissa, Sipoossa, Pornaisissa, Tuusulassa, Nurmijärvellä, Siuntiossa, Inkoossa ja Sauvossa. Kunnissa, joissa työttömyys on suurinta, korkea-asteen tutkintoja on hyvin vähän. Lisäksi yksikään korkeimpaan tai toiseksi korkeimpaan korkea-asteen tutkinto-luokkaan kuuluva kunta ei kuulu korkeimpaan työttömyysluokkaan. Kaiken kaikkiaan työttömyysaste näyttäisi korreloivan negatiivisesti korkeakoulutuksen kanssa, muutamaa poikkeusta lukuun ottamatta.

Maijan kartassa työttömyysasteen kanssa on esitetty kuntien välinen nettomuutto (Nikkanen 2017). Ukkeli-symbolein kartalla korostuvat ne kunnat, joissa muutos on suurin. Helsinki ja Järvenpää edustavat hyvin nettomuuton kahta ääripäätä, vahvaa muuttovoittoa ja muuttotappiota. Järvenpään muuttotappio jää kuitenkin mysteeriksi. Ainakaan sillä ei näytä olevan mitään tekemistä kunnan työttömyysasteen kanssa, joka ei ole erityisen huono.

Kahta aineistoa kuvaavan päällekkäisen koropleettikartan luominen osoittautui yllättävän haastavaksi ja aiheutti paljon rajoituksia esimerkiksi aineiston luokittelulle. Tein ensin kartan, jossa molemmat aineistot oli luokiteltu viiteen luokkaan. Tämän johdosta lopullisia luokkia eli eri värillä ja rasterilla päällystettyjä kuntia näkyi kartalla 25 erilaista. Vähensin molempien muuttujien luokat kolmeen, jotta kartan luenta säilyisi inhimillisenä. Itse luokitteluun käytin molemmissa luonnollista luokkajakoa. Erilaisella luokkajaolla syntyy hyvin erilaisia karttoja. Esimerkkinä voi verrata Juho Noron karttaa, jossa työttömyysaste on jaoteltu kvantiilien mukaan (Noro 2017). Karttoja vertaillessa löytyy paljon eroja, mutta yleinen rakenne on samansuuntainen. Rasteriteeman kohdalla yritin käyttää sellaisia rastereita, jotka erottuvat toisistaan ja joiden läpi näkee helposti alla olevan värisävyn. Yhden rasteriteeman luokan jätin kokonaan ilman rasteria. Kartasta tuli omasta mielestäni kohtalaisen helppolukuinen.

 

Artikkelitehtävä – päällekkäiset koropleettikartat

Päällekkäisiä koropleettikarttoja ja niiden luettavuutta käsitellään myös Anna Leonowiczin artikkelissa ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship” (Leonowicz 2006). Artikkelin tutkimuksessa vertailtiin yhden muuttujan ja kahden muuttujan koropleettikarttoja ja niiden luettavuuden ja ymmärrettävyyden helppoutta. Tutkimustulosten mukaan yhden muuttujan koropleettikartat olivat helpompia ymmärtää, mutta niiden avulla on vaikeampi esittää useiden muuttujien suhdetta. Kahden muuttujan koropleettikarttojen luenta ja ymmärrettävyys oli haastavampaa, mutta näiden karttojen avulla oli helpompi esittää kahden muuttujan suhdetta yhdellä ja samalla kartalla. Tutkimuksen ja tulosten lisäksi artikkelissa selitettiin perin pohjin kahden muuttujan (eli päällekkäisten) koropleettikarttojen käyttö ja rakenne. Esimerkkinä käytettiin yli 18 vuotiaitten osuutta ja maaseudulla asuvien osuutta väestöstä kuvaavaa päällekkäistä koropleettikarttaa, jossa muuttujia kuvataan kahden eri värin sävyillä (Leonowich 2006, Fig. 3).

Artikkelin vertailussa yhden ja kahden muuttujan koropleettikartat osoittautuivat hyvin erilaisiksi. Yhden muuttujan kartta sisältää vähemmän informaatiota, kuin päällekkäinen kartta. Toisaalta yhden muuttujan karttaa on paljon helpompi tulkita kuin päällekkäistä karttaa. Päällekkäinen koropleettikartta vaatii lisäksi esimerkiksi aivan omanlaisensa legendan kartan tulkintaa varten. Pelkän legendankin tulkinta tuottaa mielestäni melko paljon haasteita kartan luentaan. Legenda koostuu hajontakuviosta eli pistediagrammista, johon havainnot on sijoiteltu (Leonowich 2006, Fig. 3). Kuvion akseleilla on kaksi tarkasteltua muuttujaa. Hajontakuviosta näkee ensinnäkin kahden muuttujan yhteisen luokkajaon ja luokkien edustamat värit. Lisäksi kuviossa näkyy havaintojen jakauma ja oheisessa pienemmässä ruudukossa luokkafrekvenssit. Tässä on toki paljon arvokasta tietoa kartan lukijalle, mutta kaiken tämän tiedon ymmärtäminen vaatii lukijalta alan koulutusta.

Itse kartan luenta on kohtalaisen helppoa värisävyjen tulkintaa. Kartan oheen on järkevästi laitettu molempien muuttujien omat erilliset kartat, joita voi käyttää apuna päällekkäisen kartan tulkinnassa (Leonowich 2006, Fig. 3). Tästä huolimatta, omasta mielestäni päällekkäinen koropleettikartta on järkevämpi yhdistää väri- ja rasteriteemoista, kuten itse tein harjoituskartan kohdalla (Kuva 1). Tämä esitystapa on helppolukuisempi ja selkeämpi. Kahdesta väriteemasta koostuva kartta voisi sopia korkeintaan sellaiseen karttaan, jossa kaksi muuttujaa selvästi summautuu tai tuottaa yhteisen voimistuvan ilmiön.

 

 

LÄHTEET

Koulutusastejaottelu – avain (2006). Tilastokeskus, Helsinki.                                                                          http://www.stat.fi/ Luettu 30.1.2017.

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

Nikkanen M. (2017). Viikko 2: Järvenpään mysteeri. (28.1.2017).                                                                  https://blogs.helsinki.fi/msnikkan/ Luettu 7.2.2017.

Noro J. (2017). Toinen kurssikerta. 27.1.2017. https://blogs.helsinki.fi/jnoro/ Luettu                                7.2.2017.

Tallennettu kategorioihin Sekalaista | Jätä kommentti

Pakki päälle ja menoksi!

Ensimmäisellä kurssikerralla tutustuttiin MapInfo- ohjelmaan ja paikkatietoon, sekä tuotettiin valitun paikkatiedon avulla koropleettikartta. Käytetty ohjelma, MapInfo, oli uusi ja tuntematon ja sen käytön alkutuntuma oli lähinnä turhautunutta epätoivoa. Tästä huolimatta, kurssikerran tuotos komeilee tässä:

Kuva 1. Ruotsinkielisten asukkaiden osuudet Suomen kunnissa prosentteina. Suluissa kuntien                                              lukumäärä kussakin luokassa. Lähde: Kuntien avainluvut 1987-2015.

Valmiissa karttaesityksessä (Kuva 1.) näkyy ruotsinkielisten asukkaiden prosentuaalinen osuus kaikissa Suomen kunnissa. Vaalean keltaisella sävyllä värjätyissä kunnissa ruotsinkielisiä on hyvin vähän suhteessa muun kielisiin ja vihreän ja sinisen tummemmilla sävyillä värjätyissä kunnissa ruotsinkielisiä on suhteellisesti enemmän. Kartan pohjalla olevan tilastotiedon on kerännyt Tilastokeskus ja tiedot ovat vuodelta 2015 (Kuntien avainluvut 1987- 2015).

Kartassa käytetty aineisto eli kunnat on jaettu viiteen luokkaan luonnollisella luokkajaolla. Tällaisella luokittelutavalla ohjelma jakaa aineiston aineistossa itsessään olevien ns. luonnollisten rajojen mukaan haluttuun luokkamäärään. Tällä jaolla luokkiin päätyy eri määrä havaintoja eli tässä tapauksessa eri määrä kuntia. Luonnollisen luokkajaon etuna on kuitenkin se, että luokat ovat sisällöltään mahdollisimman homogeenisia eli samanlaisia ja keskenään mahdollisimman erilaisia.

Kartan legendassa päätin jättää kuntien lukumäärät näkyville, jotta lukija huomaa luokkien suuret erot. Kartan käyttötarkoituksesta riippuen tieto saattaa olla turhaa, mutta laajentaa hieman kuvan tietoantia. Lukumäärätietojen avulla lukija hahmottaa paremmin aineiston vahvaa jakautuneisuutta. Kuten kartaltakin näkyy, ruotsinkieliset keskittyvät hyvin vahvasti tietyille seuduille ja tiettyihin kunttiin. Toisaalta hyvin suuressa osassa Suomea ruotsinkielisiä on alle 2 prosenttia asukkaista. Luonnollisella luokkajaolla aineisto jakautuu näin suureen, alle 2 prosentin, luokkaan ja neljään pienempään luokkaan, joissa prosenttiosuudet kasvavat suurin harppauksin. Toisiksi alimmassa luokassa ruotsinkielisten osuus nousee jo 24 prosenttiin. Seuraavassa se nousee jo 55 prosenttiin. Luonnollinen luokkajako siis jakaa aineiston ensinnäkin kahtia. Kuntiin, joissa ei ole ruotsinkielisiä ja kuntiin, joissa heitä on. Toiseksi luokkajako jakaa ruotsinkielisiä sisältävät kunnat neljään luokkaan, joiden avulla näitä kuntia voi taas vertailla keskenään.

Luokittelutavan lisäksi luokittelusta kannattaa huomioida se, että luokkien rajat on pyöristetty kokonaisluvuiksi. Tämä on tehty lähinnä legendan luennan helpottamiseksi. Lisäksi kannattaa huomata, että MapInfon tuottamien karttojen luokkien ylä- ja alarajat näyttävät menevän lomittain. Esimerkiksi alimman luokan yläraja on 2, kuten myös seuraavan luokan alaraja. MapInfo ei kuitenkaan laske mahdollisia rajalle osuvia arvoja molempiin luokkiin. Ohjelman logiikka on, että luokan sisällä arvot ovat yhtä suuria tai suurempia, kuin luokan alaraja ja pienempiä, kuin luokan yläraja (Daniel L. 2002).

Mihin tällaista karttaa sitten voisi hyödyntää ja miten hyvin se ajaa asiansa?

Karttaa voi lähinnä hyödyntää ruotsinkielisen väestön karkean sijoittumisen arviointiin. Kartalta näkee nopealla vilkaisulla, että ruotsinkieliset sijoittuvat rannikoiden ja Ahvenanmaan kuntiin. Kartalle valittu värimaailma tukee helppoa ja nopeaa tulkintaa. Lisäksi luokkajako ja värimaailma korostavat kuntien välillä vallitsevaa vahvaa kontrastia. Ruotsinkielisiä on kunnassa joko paljon tai sitten ei lähes ollenkaan. Korkeampien prosenttien luokkien erottaminen toisistaan on kuitenkin hieman haastavaa, koska tummat sinisen sävyt eivät erotu kovin hyvin toisistaan ja ruotsinkielisiä enemmän sisältävät kunnat ovat kooltaan pieniä.

Karttaa tarkastellessa pitää muistaa se, että kartta kertoo vain ruotsinkielisten sijoittumisesta Suomessa. Se ei kerro esimerkiksi suomenkielisten osuuksista mitään, vaikka suomenkielisten osuus Suomessa asuvista toki on erittäin suuri, minkä Mimmi Simpura on hyvin havainnollistanut omassa karttatyössään ja blogikirjoituksessaan (Simpura, 2017). Tilastokeskuksen seurantojen mukaan Suomessa on kuitenkin muunkielisiä jo enemmän kuin ruotsinkielisiä (SVT 2015). Muun kuin suomen- ja ruotsinkielisten vaikutusta Suomen kielijakaumaan ei siis sovi vähätellä.

(P.S. Jotain hassua on sattunut, kun tämä artikkeli on päivätty vuodelle 2011! 😀 Silloin aloitin yliopistolla, mutten kyllä muista ensimmäisenä koulupäivänä kirjoittaneeni mantsan blogia.)

LÄHTEET:

Daniel, L., P. Loree & A. Whitener. (2002). Inside MapInfo Professional: the friendly user                      guide to MapInfo Professional. OnWord Press,                                                                                Canada. http://www.google.fi/books Luettu 21.1.2017.

Kuntien avainluvut 1987-2015. Tilastokeskus, Helsinki. http://www.stat.fi Luettu                                    21.1.2017.

Simpura, M. (2017). Suomi suomeksi..vai? (20.1.2017).                                                                                   https://blogs.helsinki.fi/msimpura/ Luettu 22.1.2017.

SVT 2015 = Suomen virallinen tilasto (2015). Ruotsinkielisten ja vieraskielisten osuus                            väestöstä 1900–2015 . Tilastokeskus, Helsinki. http://www.stat.fi Luettu                                21.1.2017.

Tallennettu kategorioihin Sekalaista | Jätä kommentti