Author: Taiga K Korpelainen

Viimeisellä kurssikerralla tehtäväksi annettiin tehdä kartta, joka esittää ainakin kaksi omavalintaista muuttujaa. Tätä varten piti itse etsiä tilastoja esitettävistä teemoista. Sopivien tilastojen löytäminen oli melko työlästä ja aikaavievää puuhaa. Vaihdoin jossain vaiheessa aihetta, kun ei tuntunut löytyvän sopivia tilastoja aiheen tueksi. Lopuksi päätin tehdä kartan bruttokansantuotteen ja luonnonsuojelualueiden välisestä suhteesta Euroopassa ja Keski-Aasiassa. Valitsin tämän aiheen, sillä luonnonsuojelun laadulla ja maan vauraudella on usein positiivinen korrelaatio. Mitä suurempi bruttokansantuote, sitä todennäköisemmin varoja käytetään luonnonsuojeluun. Korkean bruttokansantuotteen maissa alkutuotannon osuus on myös pieni, jolloin maan pinta-alasta jää enemmän myös luonnonsuojelualueille.

Aluksi löysin tilastoja erilaisista suojelualueista eri maissa, joita käyttäessä olisi ensin pitänyt laskea yhteen eri alueiden pinta-alat ja laskea niiden osuudet maiden kokonaispinta-aloista. Onneksi kuitenkin löysin The World Bankin, jonne oli koottu tilastot erilaisten maanpäällisten suojelualueiden yhteenlaskettujen pinta-alojen prosentuaaliset osuudet kokonaispinta-alasta. Fiuh! Sivustolla valitsin tarkasteltavat valtiot, mutta tilastojen lataamisessa tulikin kaikki valtiot. Meni siis hetki käydä excel-taulukkoa läpi ja poistaa turhat rivit.

Seuraavaksi piti valita minkä vuoden arvoja tarkastelen. Päädyin vuoteen 2016, sillä siltä vuodelta löytyi parhaiten tietoa. Oli kuitenkin joitain maita tai niiden osa-alueita, joista  ei löytynyt joko BKT- tai luonnonsuojelutietoa tai kumpaakaan. Tällöin poistin ne tarkastelusta ja jätin taulukoihin ne, joista löytyi molemmat tiedot. Poistin tarkastelusta Kanaalisaaret, San Marinon, Kosovon ja Gibraltarin.

Kartassa näkyy selvästi, että luonnonsuojelualueita on enemmän Euroopassa kuin Keski-Aasiassa. BKT on myös keskimäärin suurempi Euroopan maissa. Euroopassa näkyvät todella suuret BKT:t kuuluvat Monacolle ja Liechtensteinille. BKT on melko pieni itä-Euroopan maissa, joissa pääosin kuitenkin suojellaan luontoa enemmän kuin Keski-Aasian maissa. Keski-Aasiassa on myös yllättäjiä, kuten Tadžikistan ja Armenia, joissa suojellaan luontoa enemmän kuin naapurivaltioissa.

Suomessa on ehkä yllättävän vähän suojeltua alaa, tosin Suomi on niin väljästi asutettu, että se saattaa vaikuttaa luonnonsuojelualueiden pieneen osuuteen toisin kuin maissa, joissa asutus on keskittynyt tiheämmin. Ehkä kaupungistumisaste olisikin parempi muuttuja suhteessa luonnonsuojelualueisiin. Suomessa taitaa myös olla tavallista enemmän metsänomistajia, jolloin suojelu ei onnistu niin suuressa mittakaavassa. Voisi kuvitella, että Euroopassa suojellaan enemmän luontoa EU:stakin johtuen. BKT ei luultavasti ole paras mittari selittämään luonnonsuojelualueiden osuuksia. Eurooppaa ja Keski-Aasiaa verrattaessa kuitenkin huomaa selkeän eron luonnonsuojelualueiden osuudessa ja BKT:n suuruudessa.

Luonnonsuojelualueiden prosenttiosuus oli valtioiden ilmoittamia eikä laskettua gis-aluetta. Jälkeenpäin pohtiessa olisin ehkä tehnyt toisin ja valinnut “gis-alueen”, sillä valtioiden ilmoittama tieto ei välttämättä ole ajantasaista tai vertailukelpoista.

Näin viimeisen tehtävän jälkeen olen tyytyväinen, että sain kaiken viimen pakettiin. MapInfon muistuttaminen mieleen tapahtui yllättävän sujuvasti. Kun katselen, minkälaisia asioita kurssilla tehtiin, niin opin tällä kurssilla tekemään karttoja ja ylipäätään käyttämään gis-ohjelmia. Tätä ennen oli käytetty vain CorelDrawia. Opin monenlaisia tapoja tehdä karttoja ja opin millaisia asioita pitäisi ottaa huomioon aineistoa kerätessä ja karttaa tehdessä. Kuten Hanna Berg myös tästä oppi, niin koskaan ei pitäisi jättää kurssia roikkumaan niin pitkäksi aikaa, koska siitä seuraa vain jatkuvaa pientä stressiä takaraivossa (Berg, 2019).

 

Lähteet:

Berg, H. (2019). Kurssikerta 7: Parempi myöhään kuin ei milloinkaan!. <https://blogs.helsinki.fi/bhanna/2017/03/14/kurssikerta-7/>.

World Bank. (2019). Terrestrial protected areas (% of total land area) Europe and Central Asia ja GDP per capita (current US$).<https://data.worldbank.org/?type=shaded&year=2018>.

Kuudennella harjoituskerralla opettelimme paikantamaan GPS-laitteella ja siirtämään kerättyä dataa kartalle. Paikansimme ryhmämme kanssa suojateitä Kumpulan läheisyydessä. Tämän jälkeen siirsimme datan Mapinfoon ja käytimme toista tietokantaa pisteiden geokoodaamiseen. Opettelimme myös tekemään karttoja itsenäisesti käyttäen pisteaineistoa. Tein pisteteemakartat maailman maanjäristyksistä, tulivuorista ja meteoriittihavainnoista.

Tein kartan yli 6 magnitudin maanjäristyksistä aikavälillä 2002-2017 (kuva 1). Maanjäristysten tiheydestä pystyy näkemään selkeästi mannerlaattojen saumakohdat. Kartassa olisi voinut näyttää vielä suurempia magnitudeja ja näin osoittaa, missä isoimmat maanjäristykset tapahtuvat. Kartasta näkee kuitenkin, että Tyynenmeren tulirenkaalla esiintyy tiheimmin voimakkaita maanjäristyksiä. Kartta on mielestäni informatiivinen ja sopiva opetukseen, sillä siitä näkee voimakkaiden maanjäristysten tyypilliset sijainnit ja täten myös mannerlaattojen saumakohdat. Opetuskäyttöön olisi kiinnostavaa myös käyttää karttaa, jossa näkyy pienet maanjäristykset Suomessa. Se voisi olla toimiva tapa opettaa, että Suomessakin tapahtuu pieniä maanjäristyksiä ja pohtia, miksi niitä esiintyy tietyillä alueilla enemmän.

Tein seuraavaksi kartan maailman tulivuorista (kuva 2). Tästäkin näkee viitteitä mannerlaattojen saumakohdista, joskin ei yhtä selkeästi kuin maanjäristyskartasta, sillä tulivuoria on paljon vähemmän. Tyynenmeren tulirengas erottuu jälleen kaikkein selkeimmin, mutta eroavaisuuksia on kuitenkin nähtävissä. Erityisesti Afrikassa on paljon tulivuoria alueilla, joissa ei liiemmin esiinny ainakaan voimakkaita maanjäristyksiä. Itä-Afrikan hautavajoama ja Arabian ja Afrikan laattojen saumakohta luovat pitkän ketjun tulivuoria.

Tein viimeiseksi kartan meteoriittihavainnoista maailmalla (kuva 3). Erityisesti Yhdysvalloissa ja Euroopassa näkyy olevan paljon meteoriittihavaintoja. Päiväntasaajan paikkeilla sekä arktisilla alueilla ei ole paljoa havaintoja. Havaintoja näyttää olevan alueilla, joissa on suuria kaupunkeja eli paljon ihmisiä. Jos olisi koko maailman kattavaa tietoa meteoriiteista, kartta tuskin näyttäisi tältä.  Tätä voisi oppilaiden kanssa pohtia ja ylipäätään saada ajattelemaan tutkimustiedon vääristyneisyyttä, joka usein näkyy globaalilla tasolla näin. Kartasta huomaa mielestäni hyvin, mihin suurin osa havainnoista kohdistuvat, kun käyttämäni symboli vahvistuu havaintojen määrän mukaan, vaikka toisaalta ne peittävät vähän liikaa alleen mikä vaikeuttaa kartanlukua.

Maanjäristys- ja tulivuorikartoissa olisi voinut käyttää vähän parempaa projektiota ja laittaa kartan keskikohdaksi Tyynenmeren tulirenkaan, jotta sen hahmottaisi  helpommin, kuten Kristiina Koivu teki omissa kartoissaan (Koivu, 2017). Ylipäätään maantieteen opetuksessa olisi hyvä käyttää ilmiöiden esittämiseen välillä muitakin kuin eurosentrisiä karttoja. Olen samaa mieltä Kristiinan kanssa siitä, että mannerlaattojen saumakohdat olisi hyvä lisä karttoihin, jotta tulivuorten ja maanjäristysten välisen yhteyden hahmottaisi paremmin (Koivu, 2017). Myöskin Kristiinan mainitsemat interaktiiviset kartat olisivat paljon mielenkiintoisempia ja opettavaisempia oppilaille.

Erityisesti maanjäristys- ja tulivuorikartat olisivat hyödyllisiä opetuskäytössä, sillä niitä vertailemalla voi opettaa esimerkiksi laattatektoniikasta. Näissä kartoissa maanjäristykset ja tulivuoret eivät kulje aina käsi kädessä, jolloin voi pohtia, mistä tämä johtuu ja mikä johtaa tulivuorten ja määnjäristysten syntyyn. Kaikissa saumakohdissa ei esiinny voimakkaita maanjäristyksiä, jolloin voi pohtia, millä tavalla laatat eroavat toisistaan. Löysin opetuskäyttöön sopivan interaktiivisen kartan (https://www.arcgis.com/apps/webappviewer/index.html?id=e80b4637b2c84c98a1030cebcdd61941), joka näyttää kolmella eri värillä viimeisen 24 tunnin, viimeisen viikon ja viimeisen kolmen kuukauden aikaiset maanjäristykset sekä näissä koituneiden kuolonuhrien määrän ja taloudelliset tappiot. Kartassa näkyy myös laattojen saumakohdat sekä siirrokset, jotka olisivat opetuskäytössä kätevät.

Viitteet:                                                                                                                                               Koivu, K. (2017). Kurssikerta 6: Aineistojen hankintaan tutustumista ja opetuskarttoja.                  <https://blogs.helsinki.fi/koivukri/2017/03/14/kurssikerta-6-aineistojen-hankintaan-tutustumista-ja-opetuskarttoja/>.

 

Viidennellä kurssikerralla harjoittelimme MapInfossa bufferointia. Edellisellä kerralla olin jo merkinnyt kartalle kohteita (asuinrakennukset) ja tällä kertaa loin näille erilaisia buffereita, eli puskurivyöhykkeitä. Tämän jälkeen tein bufferit Malmin ja Helsinki-Vantaan lentokentille sekä annetun alueen juna-asemille. Buffereilla selvitin, kuinka paljon ihmisiä asuu meluhaitta-alueen ulkopuolella tai sen sisällä. Avasin kolmannenkin tietokannan, jossa tarkastelin mm. kaikkien ihmisten osuutta taajamissa, taajaman ulkopuolella asuvien koululaisten osuutta sekä ulkomaalaisten eri osuuksia eri alueilla. Nämä tilastotiedot näkyvät taulukossa 1.

Taulukko 1. Tilastotietoja tehtävistä 1 ja 2.

Seuraavaksi tein itsenäistehtävän numero 4. Siinä piti selvittää erilaisia tietoja saunojen ja uima-altaiden määristä pääkaupunkiseudulla (taulukko 2). Tein kartan uima-altaiden määrästä pääkaupunkiseudulla (kuva 1). Mielestäni oli yllättävää, että Helsingissä on niin paljon enemmän uima-altaita kuin muualla. Tässä varmaan vaikuttaa lähinnä se, että Helsingissä asuu eniten ihmisiä. Silti olen hieman yllättynyt, että kerrostaloalueillakin on taloyhtiöissä niin paljon uima-altaita. Tässä taitaa olla kuitenkin huomioituna vain asuinrakennusten uima-altaat. Myös Jouko Lappalainen ihmetteli blogissaan miten varakkaissa paikoissa ympäri pääkaupunkiseutua ei ole enempää uima-altaita. Hän pohtiikin, että pitääkö aineisto ylipäätään paikkansa (Lappalainen, 2017). Esimerkiksi Kauniaisissa on varmasti enemmän kuin viisi uima-allasta. En ole varma millä tapaa tämä aineisto on kerätty, ja ilmoitetaanko aina uima-altaiden rakennusvaiheessa tiedot viranomaisille. Ehkä uima-altaat vaativat rakennusluvan, jolloin niitä saatetaan rakennuttaa myös salaa? Tai ehkä uima-altaiden rakentaminen on sallitumpaa Helsingissä?

Taulukko 2. Tilastotietoja tehtävästä 4.

Karttaan olisi voinut lisätä uima-altaiden lukumäärän, jotta pylväät olisivat vertailukelpoisempia. Nämä tehtävät olivat sen verran vaikeita, että monta kohtaa tehtiin ryhmän kanssa yhdessä iltamyöhään. Tämä tehtävä vaati miettimistä, koska sen tekemiseen ei oltu annettu sen kummempia ohjeita, vaan tässä piti itse soveltaa. Sen vuoksi siihen menikin niin paljon aikaa ja sitä tehdessä puutteet MapInfon osaamisessa tuli esille. Tämä oli kuitenkin käytännönläheinen ja hyvä tehtävä siinä mielessä, että piti muistella aiemmin opittua.

Puskurivyöhykkeiden teko tuntui hyödylliseltä oppia. Voisin kuvitella, että sellainen osaaminen tulee vielä jatkossa tarpeeseen. Puskurivyöhykkeitä voitaisiin hyödyntää esimerkiksi selvittäessä, miten paljon kouluja ja päiväkoteja sijaitsee lähellä vilkkaita teitä.

Viitteet:                                                                                                                                  Lappalainen, J. (2017). Osa 5 – “Älä Hinkki masennu – sä et sentään asu Vantaalla”. <https://blogs.helsinki.fi/ladjouko/2017/02/17/echo/>

Neljännellä kurssikerralla oli tarkoituksena tehdä ruutukartta ja kokeilla eri ruutukokoja ja niiden toimivuutta tietyn ilmiön kuvaamisessa. Loin ensin ruudukon, liitin siihen pääkaupunkiseudun väestötietokannan ja tein siitä teemakartan. Tein ruututeemakartan ulkomaalaisten määrästä Helsingissä. Kokeilin eri ruutukokoja, mutta lopulta päädyin 500 metrin ruutukokoon. Kilometri tai sitä suurempi ruutukoko olisi mielestäni liian yleistävä ja esimerkiksi 250 metrin ruutukoko saattaisi olla turhankin tarkka. Olisin halunnut hyödyntää suhteellisia lukuja, mutta sellaisia ei löytynyt valmiista tietokannasta enkä silloin tajunnut, että voisin ne varmaan itsekin laskea. Kun on kyse ulkomaalaisten absoluuttisista määristä, on aika selvää että mitä suurempi kaupunginosa on kyseessä, sitä enemmän on myös ulkomaalaisia asukkaita.

Kartasta voi nähdä, että keskittymiä on paljon: mm. Kallio, Konala, Vuosaari, Kontula, Pihlajamäki ja Kannelmäki. Laajin keskittymä näyttäisi kuitenkin olevan Kontulan ja Mellunmäen metroasemien läheisyydessä. Kartasta näkee, että keskittymät ovat pääosin raideliikenteen varrella. Tässä pitää myös huomioida, että näillä alueilla asuu muutenkin paljon ihmisiä. Ilmiötä on hankala sen enempää pohtia, kun kartassa ei näy prosenttiosuuksia enkä tehnyt erikseen karttaa, joka kuvaisi suomalaisten määriä Helsingissä.

Karttani voisi olla luettavampi. Siitä on nimittäin vaikea hahmottaa selkeitä eroja alueiden välillä ja ylipäätään sitä, millä alueilla keskittymät sijaitsevat. Vaikka kartassa näkyy suurimmat tiet ja kuntarajat, oli pakko tarkistaa Google mapsista mitä alueita osa keskittymistä ovat. Tälle aineistolle oleellista olisi ollut juna- ja metroraiteiden lisääminen karttaan ja ehkä joidenkin keskittymien nimeäminen. Karttaselitteessä voisi lukea mitä nuo eri viivat merkitsevät. Näin jälkeenpäin ajatellen, olisi kannattanut varmaan myös lisätä kartan selitteeseen ruutukoko, jotta kartan hahmottaminen helpottuisi.

Datan luokituksen olisi voinut tehdä myös paremmin, sillä tällä hetkellä erot alueiden välillä eivät erotu kunnolla. On monta aluetta, jotka hyppäävät esiin, mutta ei vain yhtä tai muutamaa selkeää aluetta. Korkeinta luokkaa olisi voinut supistaa. Informaatioarvo tässä kartassa ei ole ehkä paras mahdollinen, mutta siitä ainakin näkee hyvin, millä alueilla ulkomaalaisia ei asu lähes lainkaan.

Ruututeemakartalla voi mielestäni esittää absoluuttisia arvoja, mutta vain jos se on mielekästä esitettävän ilmiön kannalta. Omaan aiheeseeni se ei mielestäni sovi, sillä siinä pitää ottaa huomioon suomalaistenkin osuus, jotta ilmiötä voi analysoida kunnolla. Kuten Hilkka Pajukangas blogissaan huomauttaa, absoluuttisten arvojen esittäminen suhteellisten sijaan voi johtaa kartantulkinnan virheisiin (Pajukangas, 2017).

Ruututeemakartalla voidaan osoittaa ilmiön alueellisuus tarkemmin kuin perinteisessä koropleettikartassa. Koropleettikartta on kuitenkin helpommin luettava kun taas ruututeemakartassa luettavuutta vähentää pikselimössö. Koropleettikartan voi halutessaan rajata kaupunginosittain, mikä voi olla usein järkevää. Ruututeemakartta toisaalta on joustava, sillä aluerajoilla ei ole merkitystä ja ilmiön alueellista jakautumista voi esittää koropleettikarttaa tarkemmin.

Viitteet:
Pajukangas, H. (2017). Kurssikerta 4. – Ruutukarttoja ja paluu menneisyyteen. <https://blogs.helsinki.fi/pajukahi/2017/02/20/4-ruutukarttoja-ja-paluu-menneisyyteen/>.

Kolmannella kurssikerralla teimme kaksi tehtävää: tarkastelimme tilastoja Afrikkaan liittyen (timanttikaivoksia, konfliktitapahtumia, öljynporausalueita ja taistelujen maksimilaajuuksia) ja teimme tulvaindeksikartan. Kurssikerralla harjoittelimme mm. tietokantaliitoksia ja ulkoisen tietokannan liittämistä MapInfoon, erilaisten kyselyjen tekemistä aineistolla ja uusien tietokantojen luomista. Käytössäni oli tietokannat Afrikan timanttikaivosten, öljykenttien ja taistelukenttien sijainneista, jotka liitin MapInfossa siistittyyn tietokantaan Afrikan valtioista. Laskin näiden muuttujien lukumäärät kullekin valtiolle.

Kurssikerran jälkeen piti pohtia mitä tehtävässä annetuilla Afrikkaan liittyvillä lisämuuttujilla voisi tehdä ja päätellä. Kaikki tehtävässä annetut muuttujat ovat jollain tavoin hyödynnettävissä ja niitä voi pohtia ajallisesti ja alueellisesti. Olisi mielenkiintoista nähdä ajallisesti, miten timanttikaivosten löytämisvuosi ja kaivausten aloitusvuosi ovat suhteessa konfliktien tapahtumavuoteen. Sama myös öljykenttien tapauksessa. Onko konflikteja syntynyt enemmän ennen vai jälkeen näiden löytämisen? Kristiina Koivu toteaa blogissaan, että kiistellyt luonnonvarat ovat usein konfliktien taustalla ja hän antaa mielenkiintoisen esimerkin Sierra Leonen sisällissodasta, jossa timanttikaivosten tuotoilla rahoitettiin kumpaakin osapuolta (Koivu, 2017). Voisi siis kuvitella, että konflikteja on syntynyt enemmän niiden luonnonvarojen löytämsivuosien jälkeen.

Timanttikaivosten/öljykenttien tuottavuusluokittelu eri vuosina olisi mielenkiintoista verrata konfliktien tapahtumavuosiin.  Voisi kuvitella, että tuottavuuden ollessa alhainen, taloudellinen tilanne on huonompi, jolloin ihmisiä ehkä irtisanotaan ja konflikteja olisi enemmän. Seuraavaksi olisi kiinnostavaa nähdä, miten laajalle konfliktit ovat levinneet: sisältyvätkö kyseiset kaivokset tai porausalueet taistelualueiden sisälle. Internetkäyttäjien lukumäärää voidaan käyttää, jos halutaan katsoa miten konfliktit vaikuttavat lukuihin: kasvaako vai väheneekö internetkäyttäjien lukumäärä.  Ja onko toisaalta internetkäyttäjien suuri määrä vaikuttanut konfliktien syntyyn eri vuosina. Toisaalta voidaan pohtia, tuovatko timantti- tai öljyvarat rikkautta maahan ja sitä kautta lisäävätkö nämä internetkäyttäjien määrää.

Tietokantojen kanssa leikkimisen jälkeen tein kartan, joka esittää tulvaindeksin ja järvisyys-prosentin Suomessa eri valuma-alueilla. Kuten kartassa näkyy, kyseessä on selkeä negatiivinen korrelaatio, sillä siellä missä järvisyys-prosentti on suurin, on tulvaindeksi pienin. Tässä on järkeä, sillä järvet tasoittavat tulvahuippuja ja pienen järvisyysprosentin omaavilla alueilla ei ole paikkaa minne ylimääräinen vesi voisi varastoitua.

Rannikolla tulvaindeksi on suurempi myös, koska meritulvat vaikuttavat niihin. Rannikoilla on suurimmat joet, jotka myös tulvivat herkemmin kuin järvet. Rannikoilla on myös aika paljon asutusta, mikä taas tarkoittaa enemmän rakennettua pinta-alaa, joka ei ime vettä. Pieni järvisyys-prosentti yhdistettynä rannikkoalueeseen suurentaa tulvaindeksiä. Myös Pohjanmaan alavat alueet lisäävät tulvariskiä. Kristiina Koivu pohti blogissaan, että Pohjois-Suomessa routa myös estää veden imeytymistä ja keväisin sulamisvedet ovat suuria, minkä takia tulvaindeksi on suurempi (Koivu, 2017). Tämä kävisi järkeen. Kartta on mielestäni onnistunut ja osoittaa hyvin vesivarastojen tärkeyden. Uskon, että tietokantaliitosten tekeminen tulee olemaan tärkeä taito jatkossakin.

 

Viitteet:                                                                                                                                              Koivu, K. (2017). Kurssikerta 3: Tietokantojen käytön harjoittelua. <https://blogs.helsinki.fi/koivukri/2017/02/08/kurssikerta-3-tietokantojen-kayton-harjoittelua/>.

Toisella kurssikerralla tehtävänä oli opetella tekemään teemakartta käyttäen kahta eri teemaa. Kurssikerralla piti miettiä, millä tavoin päällekkäiset teemat kannattaa esittää ja millaiset luokkarajat sopisivat teemakarttaan.

Latasin aineistot Sotka-netistä excel-muodossa ja muokkasin eri aineistot eri excel-tiedostoihin ja poistin turhia tietoja, jotta aineistojen käsittely MapInfossa olisi sujuvampaa. Karttaa tehdessä liitin Sotka-netin aineiston maakunta-karttatasoon määrittämällä yhdistävän tekijän näiden tietokantojen välille, eli maakuntakoodin. Nimen perusteella yhdistys voisi mennä herkästi pieleen, jos maakunnan nimi on muotoiltu tietokannoissa eri tavoin.

Tein teemakarttani sisältäen kaikki Suomen maakunnat, sillä minua kiinnosti nähdä erot koko Suomen tasolla ja koko Suomen kuntien käyttäminen olisi tehnyt kartasta todella sekavan. Karttani teemat ovat äänestysaktiivisuus eduskuntavaaleissa ja pitkäaikaistyöttömät, % työvoimasta (kuva 1). Valitsin molempiin teemoihin luokkien määräksi kolme, jotta kartta olisi mahdollisimman yksinkertainen ja luettava. Tästä johtuen kartta ei näytä ilmiötä yhtä tarkasti kuin se voisi suuremmalla luokkamäärällä näyttää. Koitin aluksi tehdä pylväsdiagrammikartan, mutta eroavaisuudet näkyivät niin pienenä enkä osannut muokata pylväitä kunnolla, jolloin kartassa ei olisi ollut oikein järkeä.

Siispä tein päällekkäisen koropleettikartan, jossa on kaksi koropleettiteemaa päällekkäin. Rasteripintojen valitseminen oli haastavaa, sillä ne näyttivät kuvassa aivan erilaisilta kuin MapInfossa. Myöskin tiheät rasterit muuttivat taustaväriä. Saara Leppänen kirjoitti samasta havainnostaan blogissaan: “Kartan ongelmia ovat selvästi tiheimmän rasterin vaikutus värien luettavuuteen []” (Leppänen, 2017). Tästä syystä vaihdoin tiheät rasteriviivat harvempiin viivoihin.

Kuntatasolla Sotka-netin kartasta katsottuna pitkäaikaistyöttömyyden osuudella ja äänestysaktiivisuudella näytti olevan jonkinnäköinen negatiivinen korrelaatio. Maakuntatasolla ja kolmessa luokassa ero ei näy yhtä selkeästi. Maakuntien prosenttiosuuksia nostaa tai laskee suuret kunnat, mikä tekee kartasta neutraalimman. Tästäkin kuitenkin huomaa esimerkiksi rannikkoalueiden pienemmän työttömyysprosentin ja suuremman äänestysaktiivisuuden. Pohjois- ja Itä-Suomessa työttömyysprosentti on suurempi, mitä kuvittelisi muutenkin taantuvista alueista ja niissä myös äänestysaktiivisuus on pienempää. Tämä käy järkeen, sillä potentiaalisesti syrjäytyvillä ihmisillä yhteiskunnallinen vaikuttaminen on keskimäärin alhaisempaa.

En ole kuitenkaan varma vain tämän kartan pohjalta, liittyykö äänestysaktiivisuus niinkään pitkäaikaistyöttömien osuuksiin vai ennemmin isojen kaupunkien kokoon. Esimerkiksi Keski-Suomessa ja Pirkanmaalla sekä äänestysaktiivisuus että pitkäaikaistyöttömyys on suurta. Tämä voisi johtua suurten kaupunkien, kuten Jyväskylän ja Tampereen vaikutuksista äänestysprosenttiin. Yleensä suurissa kaupungeissa yhteiskunnallinen vaikuttaminen on aktiivisempaa. Saara Leppänen teki oman karttansa työttömyysasteen ja korkeakoulutettujen suhteesta Suomessa (Leppänen, 2017). Näitä olisi hauska vertailla keskenään, mutta se on hieman haastavaa, sillä omassa kartassani aluejako on maakunnittain. Molemmissa kartoissa kuitenkin näkyy suurempi työttömyys esim. Itä- ja Pohjois-Suomessa, joissa vastaavasti toinen muuttuja on alhaisempi.

Näiden teemojen tarkastelu maakuntatasolla ei ole loppujen lopuksi niin järkevää. Alueellisia eroja on kuitenkin todella paljon maakuntien sisällä. Karttaa on hieman vaikea lukea, sillä rasteripinta ei ole yhtä looginen kuin esim. pylväsdiagrammi, joka on helppo tulkita heti ensisilmäyksellä. Hetken karttaa silmäiltyä kuitenkin informaatio selkiintyy ja karttaa on suhteellisen helppo tulkita.

Viitteet:                                                                                                                                    Leppänen, S. (2017). “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” ARTIKKELI I & KURSSIKERTA II. <https://blogs.helsinki.fi/saaralep/2017/01/31/kurssikerta-ii/>.

Artikkeli 1

Artikkelissa Two-variable choropleth maps as a useful tool for visualization of geographical relationship (Leonowicz, 2006) kerrotaan kahden muuttujan koropleettikartan käytettävyydestä. Kahta erillistä koropleettikarttaa vertailtaessa helposti syntyy virhetulkintoja, joten kahden muuttujan kartat voivat olla ratkaisu tähän ongelmaan. Kahden muuttujan koropleettikartat ovat usein hankalasti tulkittavia, mutta Leonowicz todistaa tutkimuksessaan, että ne ovat joissain tilanteissa jopa helpommin ymmärrettäviä. Hänen tutkimuksensa osoitti, että yhden muuttujan koropleettikartoissa alueellinen tieto on helpompi lukea kun taas kahden muuttujan kartassa vastaavasti muuttujien välinen yhteys on helpommin ymmärrettävissä. Tämä kuitenkin vaatii, että kartan väriskeema on järkeenkäyvä ja, että luokkien määrä on rajattu neljään (2×2) tai yhdeksään (3×3).

Artikkelin esittämässä kahden muuttujan koropleettikartassa on helpompi tulkita muuttujien yhteyttä. Verrattuna omaan karttaani, artikkelin esimerkissä värien käyttö oli loogisempaa kuin minun käyttämäni rasteripinta. Rasteripinnassakin tosin pyrin loogisuuteen, mutta se ei ole yhtä helppo tulkita kuin värit. Artikkelissa esitelty legenda poikkeaa normaalista legendasta siten, että se on ruudukko, jossa on kaksi akselia, joista toinen muuttuja on x-akselilla ja toinen y-akselilla. Legendasta voi lukea kahden muuttujan suhteen kullekin värille.

Tällainen kartografinen esitys asettaa kohdeyleisölle enemmän vaatimuksia, sillä karttaa tulkittaessa pitää ajatella kahden muuttujan suhdetta ja legendaa pitää silmäillä tavallista enemmän. Lukijalla pitää olla aikaa ja jaksamista kartan tulkitsemiseen. Kahta muuttujaa esitettäessä pitää pohtia, halutaanko koropleettikartalla osoittaa ilmiön alueellista levinneisyyttä vai maantieteellistä suhdetta. Jos tavoitteena on jälkimmäinen, kahden muuttujan koropleettikartta on paras valinta. Uskoisin, että moni käyttäisi tällaista kartografista toteutusta, jos siihen olisi tottuneempi ja, jos se olisi helpompi toteuttaa paikkatieto-ohjelmassa.

Lähteet:                                                                                                                                          Leonowicz, A. (2006). Two-variable choropleth maps as a useful tool for visualization of geographical relationship.

Paikkatiedon hankinta, analyysi ja kartografia –kurssin ensimmäisellä kerralla harjoiteltiin MapInfon käyttöä. MapInfo on hyvin erilainen kuin aiemmalla kurssilla käyttämämme CorelDraw. Uutta ohjelmaa oli silti helpompi oppia kun oli jo pohjaa jokseenkin samantyylisestä ohjelmasta. Kurssikerralla harjoiteltiin teemakarttojen tekemistä. Harjoittelimme teemakartan tekoa aluksi kaikki samalla teemalla, eli rivi- ja pientaloissa asuvien osuuksilla kunnittain. Kartasta näkyy, että näissä asumismuodoissa asuvien osuus on suurempaa Pohjanmaalla, Etelä-, Keski- ja Pohjois-Pohjanmaalla sekä Lapissa (kuva 1). Pienimmät osuudet ovat koko pääkaupunkiseudulla ja muissa suurissa kaupungeissa. Ymmärrettävästi nämä osuudet ovat pienempiä tiheissä kaupunkikeskittymissä.

Tämän jälkeen piti itse valita teema esitettäväksi. Tein karttani ruotsinkielisten osuuksista kunnittain. Kartasta selkeästi näkyy, kuinka ruotsinkielisten osuus on suurinta Pohjanmaalla, Turun saaristossa, Ahvenanmaalla ja Uudellamaalla. Erityisesti ensimmäiset kolme aluetta ovat tunnettuja ruotsinkielisten suuresta määrästä ja moni niiden kunnista ovat jopa 82,6-93,9 prosenttisesi ruotsinkielisiä. Syy ruotsinkielisten suhteellisen suureen määrään rannikkoalueilla on varmaankin se, että Ruotsista on aikoinaan muuttanut ihmisiä Suomeen Itämeren halki ja he ovat jääneet rannikoille asumaan.

Miksi kuitenkin Satakunnassa ja osassa Varsinais-Suomea ei ole ruotsinkielisiä niin paljon? Tämä voisi johtua siitä, että kyseiset alueet olivat jo paljon asutettuja ennen kuin ruotsalaiset saapuivat. Toisaalta näihin eroihin voi liittyä muitakin yksityiskohtia, joista en ole tietoinen. Voi olla, että näillä alueilla on ollut jonkinlaisia työntötekijöitä ruotsinkielisille tai toisaalta vetovoimatekijöitä suomenkielisille, mikä on sitten kasvattanut suomenkielisten osuutta mm. Satakunnassa. Vaikka väestön rakenne ja koostumus muuttuvat jatkuvasti, uskon että ruotsinkielisen väestön alueellisten erojen syy löytyy lähinnä Ruotsin vallan ajoilta ja kulttuurin pysyvyydestä.

Jälkeenpäin ajateltuna karttani luokituksen olisi voinut tehdä eri tavoin. En kuitenkaan oppinut ensimmäisellä kerralla vielä sitä tekemään. Jos olisin halunnut alueelliset pienetkin erot näkyviin, minun olisi kannattanut supistaa alimmaista luokkaa, jotta enemmän kuntia siirtyisi seuraavaan luokkaan. Tässä kartassa kuitenkin näkyy selkeästi ruotsinkielisten alueelliset erot Suomen mittakaavassa ja pienempien erojen esittäminen saattaisi olla turhaa. Uskon, että karttani informaatioarvo on sopiva heille, jotka eivät tunne kyseistä aineistoa. Vaikka pienet erot muualla Suomessa eivät tästä kartasta näy, saa lukija ainakin ymmärryksen ruotsinkielisistä alueista Suomessa.

Tommy Tienhaara oli tehnyt samasta teemasta kartan, mutta rajannut alueen Uuteenmaahan: “Aloitin koko Suomen tasolta, joka kuitenkin osoittautui karttana aika mitäänsanomattomaksi, sillä materiaali oli hyvin vinoutunut – suuressa osassa maata kun ei asu käytännössä lainkaan ruotsinkielisiä” (Tienhaara, 2017).  Kieltämättä karttani voisi olla kiinnostavampi, jos se käsittelisi pienempää aluetta, jolloin ruotsinkielisten osuudet eivät olisi yhtä itsestään selviä kuin tässä koko Suomen mittakaavassa.

Karttani onnistui mielestäni teknisesti hyvin ja on hyvin luettava. Opin jotkut asiat sen verran hyvin, että uskon muistavani ne vielä seuraavalla kurssikerralla. Suurin osa työkaluista on minulle kuitenkin täysin tuntemattomia ja tarvitsen niiden käyttöön tarkat ohjeet. Suuren osan ajasta seurasin mitä Arttu teki ja tein saman ilman että kunnolla ymmärsin mistä painamalla seuraa mitäkin. Ainakin opin, miten tehdään teemakarttoja: mistä löytää MapInfon eri tilastoja, minkälaisia karttaesityksiä niiden pohjalta voi tehdä ja miten teemakarttoihin valitaan väripaletteja.

 

Viitteet:                                                                                                                                    Tienhaara, T. (2017). Vol .1.                                    <https://blogs.helsinki.fi/ttienhaa/2017/02/13/vol-1/>.