Sjunde kursgången

Sista kursgången är igång, kursen har gått till sitt slut och det är dags att visa vad man lärt sig. Temat för denna gång är alltså att från grunden producera en karta av eget val. Vi skulle själva hitta data om det ämne vi ville ha samt hitta en grundkarta som kunde användas som bas.

Jag valde att laga två stycke kartor om Afrika. Mitt huvudtema i båda kartorna är kvinnors läskunnighet och detta uttrycker jag genom en koropletkarta där de länder som har högst analfabetism för kvinnor är mörkare. Ovanpå införde jag stapeldiagram på vardera kartan, en med konflikter (Bild 1) och en med internetanvändare (Bild 2).

(Bild 1) Konflikter och läskunniheten i Afrika
(Bild 2) Internetanvändare och läskunnigheten i Afrika

Jag är nöjd över kartorna och tycker att de blev helt bra. Man kan tydligt se att vissa länder där det finns konflikter eller få internetanvändare även har en låg läskunnighet för kvinnor. Jag tänkte mig även före jag gjorde kartan att dessa två faktorerna bra kunde ha en påverkan på läskunnigheten hos kvinnor, dock var resultatet kanske inte helt vad jag trott då jag tänkt mig att det skulle finnas ett tydligare samband mellan faktorerna.

Länder som har mycket konflikter till exempel Tchad och Etiopien har även hög analfabetism hos kvinnor. Tvärtom gäller det för Gabon och Botswana. Detta gäller då förstås inte alla länder då det finns många undantag. Länder med få internetanvändare är bland annat Somalien, Niger och Västsahara som även alla har en mycket hög analfabetism hos kvinnor. Att ett land inte har internetanvändare tyder enligt mig på att landet inte är så utvecklat och kan även därför ha ett samband med läskunnigheten. Dock finns det även här många länder som inte stämmer in på det.

Av koropletartan kan man tydligt se att de område som är mörkt ligger vi Sahel-området, söder om Sahara. Detta område är ju allmänt känt för att vara mycket fattigt och till exempel drabbat av ökenspridning, vilket gjorde att jag inte blev så förvånad när just detta område blev mörkare.

Jag skulle återigen ha kunnat sätta ut ländernas namn då det skulle vara enklare att dra slutsatser från materialet om man visste vilka länder det var frågan om. Dock skulle det bli lite trångt med både namn och staplar.

Eftersom vi tidigare under kursen tydligen använt samma baskarta så kunde jag använda instruktioner om hur jag skulle överföra den till Map Info samt hur den skulle bearbetas. Jag utnyttjade även möjligheten att använda data från den kursgången och fick därmed lite mera material än vad jag först tänkt mig.

Jag kan väl inte säga att uppgiften gick så jättebra. Jag vet vad jag gör och vad jag borde göra så länge som data är i relativt enkelt format. Dock uppstår det nästan hela tiden problem som jag inte själv förstår varifrån de kommer ifrån och hamnar därmed fråga hjälp. Som ett exempel klarade jag inte helt av att överföra det data som jag förs tänkt mig från till Excelformat och tog därför motsvarande data från Wikipedia som var lättare att kopiera in till Excel. Sedan var det igen något fel då inte Map Info kände igen kommandot jag gav och orsaken var att det fanns ett mellanslag för mycket i materialet. Självklart kan jag sedan förstå varför det gått fel, men att komma till var problemet ligger är nog det som jag inte kan överhuvudtaget.

 

Källor:

Wikipedia. List of countries by literacy rate. https://en.wikipedia.org/wiki/List_of_countries_by_literacy_rate Läst 10.3.2017

Africa. Country outlines. http://www.maplibrary.org/library/stacks/Africa/index.htm Läst 10.3.2017

Sjätte kursgången

Vi har nu kommit till den näst sista gången av denna kurs där temat är kartor med data i form av prickar. Denna gång började dock lite annorlunda då vi fick ta en rask promenad ut i det kalla, vackra vädret i sällskap av en GPS-apparat. Vi fick gruppvis som uppgift att lägga ut 10 stycken punkter med hjälp av GPS:en som vi senare skulle införa på datorn. Vår grupp valde att märka 10 stycken gula hus på Limingovägen som vi skrev ned X- samt Y-koordinaterna för. Det var hur som helst en lärorik övning för att se att det verkligen inte är så svårt att skapa data själv.

Resten av lektionen fick vi lära oss att ta information från nätet, datan då i form av prickar eller rättare sagt prickars koordinater (longitud och latitud). Som någonting nytt för denna kursgång fick vi även lära oss att använda kommandot Creat Points med vilken vi lagade en prickkarta av det material vi hämtat.

Vi fick fortsätta på samma sätt med samma material, som då handlade om olika hasarder. Man kunde begränsa mängden datan som man laddade ned och överförde till Map Info genom att till exempel välja ett minimimagnitud värde för jordbävningarna samt begränsa tidsintervallet när de skett.

Den självständiga uppgiften bestod alltså av att göra tre stycken kartor av informationen som vi överfört till Map Info och som skulle kunna använda vid undervisning. Datat som jag använde mig av var jordbävningar samt vulkaner. Jag valde då att laga en karta med jordbävningar med över 6 magnitud (Bild 1) och en med över 8 magnitud (Bild 2). På den sista kartan (Bild 4) satte jag in både jordbävningar och vulkaner i samma karta.

(Bild 1) Jorbävningar med en magnitud över 6 på Richterskalan.
(Bild 2) Jorbävningar med en magnitud över 7 på Richterskalan.
(Bild 3) Jorbävningszoner

Jag valde att ta just magnitud 6 som gräns eftersom det beskrivs som att allt över det på richterskalan anses orsaka stora skador. Den karta som visar alla jordbävningar över 8 magnitud i richterskalan visar kanske främst att de största jordbävningarna sker runt den så kallade ”Eldringen”, kring Stillahavet, samt att de inte sker alls lika mycket i jämfört med alla de över 6. Kartorna visar alltså både var och hur många jordbävningar det skett. Att jämföra de två olika jordbävningskartorna jag gjort är ett sätt att visa hur de förhåller sig till varandra något som kartan från Research Gate (2017) tydligt gör (Bild 3). Dock är kartans teckenförklaring inte så bra, men man kan lätt se hur den beskriver fenomenet. Till skillnad från att göra två kartor som man kan jämföra med varandra så visar en karta som består av zoner enklare hur de olika jordbävningsområdena och styrkan förhåller sig till varandra. Själv skulle jag säga att den kartan som jag tagit från nätet passar bättre till undervisningen eftersom det förklarar och synliggör saken tydligare.

(Bild 4) Jorbävningar med en magnitud över 6 på Richterskalan samt vulkaner.

Den sista karta, det vill säga där jag sammanfört både vulkaner och jordbävningar,  kunde inom undervisningen visa var sådana naturhasarder samlar sig och även se att de befinner sig i största delen vid samma områden på jorden, vid litosfärplattornas gränser.

Som Mikaela Björkqvist nämner i sin blogg så kunde städer eller statsgränser vara bra för att visualisera hur mycket hasardera påverkar människor (Björkqvist, 2017). Detta gäller alla kartor som jag medfört i min blogg. Om ett område med starka jordbävningar ligger vid ett tätare bebott område så påverka de givetvis människor mera och enligt mig skulle det därför kunna lyftas fram. Inom unndervisningen är nämlien korrelationen, eller sambandet mellan olika fenomen och deras påverkan ett mycket centralt tema.

 

Källor:

Northern California Earthquake Data Center (2017). <http://quake.geo.berkeley.edu/anss/catalog-search.html> Läst 17.3.2017.

ReasearchGate (2017.) Earthquake zones. <https://www.researchgate.net/figure/278727183_fig1_Figure-1-Earthquake-zones> Läst 17.3.2017

Björkqvist, Mikaela (2017). KK6 – kolme karttaa: maanjäristykset, tulivuoret ja meteoriitit (8.3.2017). <https://blogs.helsinki.fi/bmikaela> Läst 17.3.2017

Femte kursgången

Den femte kursgångens tema var buffert analyser, där vi då genom att skapa buffertzoner för olika områden eller objekt kan ta reda på vad som finns och hur ofta det förekommer innanför området. Till en början övade vi oss med hjälp av kartan vi gjort på föregående kursgång om Borgnäs kommun. Eftersom det var ganska simpelt (dock inte problemfritt) fick vi snabbt fortsätta på egen hand.

Vi skulle alltså med hjälp av buffertzoner ta reda på olika fakta om bland annat områdena kring Malms flygfält, Helsingfors-vanda flygfält samt tågstationer. Här nedan har  jag tillagt ett exempel på en buffertanalys som vi gjorde (Bild 1). Informationen och svaren som jag fick fram från analyserna har jag sedan skrivit i tabellen nedan.

1. buffertzon
Malms flygplats 2 km 56923 invånare
1 km 8654 ivånare
Helsingfors-Vanda flygplats 2 km 10379 invånare
65 dB 3,12 %
55 dB 11913
Dickursby 60 dB 12519
Tågsation under 500m 84343 invånare
17,20 %
Antal människor i jobbålder (15-64) 58251
69,10 %
2.
inom storstadsregionen bor 471475
av hela området är det 96,20 %
Antal skolbarn (7-15 år) i området 49284
delen som bor utanförstorstadsregonen 4 %
Bild 1. Beskriver hur många i Dickusby som skulle drabbas av minst 60 decibel ljudstyrka, ifall planen skulle landa i motsatt riktning.

Något som jag direkt kommer att tänka på när det gäller buffert analyser är att de kan vara till mycket nytta i stadsplanering och verkligen spelar en avgörande roll då man till exempel planera var någon sorts service skall placeras. Något som jag faktiskt först inte tänkte på men som Sari Aroalho nämner i sin blogg är att man även använder buffertanalyser för att se på saker som hamnar utanför buffertzonen (Aroalho, 2107). Till exempel kan man både se var i ett område det är klokast att placera en ny skola, men även hur många som till exempel har längre skolväg än 5 kilometer. Buffertanalys är alltså ett mycket mångsidigt redskap.

Jag tycker att detta var en mycket bra uppgift och i jämfört med tidigare lektioner så kändes det som om man lärde sig mycket mera nu när man för det första hittills redan lärt sig en del grunder om programmet och hur det fungerar, men främst för att man måste tänka mera själv. Jag skulle kunna säga att jag börjar förstå hur Map Info fungerar men när det blir fel så förstår jag inte varför. De felen som jag nu gjort många gånger har jag äntligen lyckas undvika men istället kommer det nya.

Efter ett par dagars paus gick jag vidare till den tredje uppgiften för denna veckas tema, nämligen buffertanalys om en skolkrets (Yhtenäiskoulu). Efter att ha haft en liten paus och sedan hamna repetera allt på nytt kändes även mycket bra och som om jag verkligen lärt mig saker. Som även Tanja Palomäki konstaterar i sin blogg så har vi faktisk bara lektion en gång i veckan som gör att alla vikttiga och små detaljer blir svåra att komma ihåg. (Palomäki, 2017).

3. Skolor
Första klassister i området 14
Högtadieelever 63
Delen av befolkningen som går i grundskola 11,64 %
De som inte talar de inhemska språken 113 invånare

 

Källor:

Aroalho, Sari (2017). Ehkä olisin mielummin uima-altaassa, kurssikerta 5 (15.2.2017) <https://blogs.helsinki.fi/aroalho/> Läst 12.3.2017

Palomäki, Tanja (2017). 5. Kurssikerta (15.2.2017) <https://blogs.helsinki.fi/ptanja> Läst 12.3.2017

Fjärde kursgången

Temat för denna kursgång var temakartor med hjälp av rutnät. Sådana kartor är något som jag inte är så bekant med eftersom sådana inte ofta uppträtt i skolböcker mm. där man oftast bara använder vanliga koropletkartor. Med hjälp av temakartor i form av rutnät kan man, till skillnad från koropletkartor, jämföra absoluta värden eftersom alla rutor är lika stora. Detta var även någonting som vi gjorde under lektionen.

Som vanligt använde vi oss av Map Info och jag valde att göra min temakarta om de i huvudstadsregionen som inte talar det inhemska språken. På kartan använder jag mig utav naturliga gränser eftersom de andra gränserna fick det att se ut som om det fanns mycket mera människor som talade annat språk ä vad det i verkligheten är.

Att en människa inte pratar finska eller svenska som modersmål tyder ofta på att personen är invandrare eller har föräldrar som är det. Man kan även se på kartan att sådana områden som är kända för att vara bebodda av många invandrare, så som till exempel Östra centrum och Domsby i Esbo, är lite mörkare.

Jag tycker att en ruttemakarta passade mycket bra till att visualisera detta fenomen eftersom det visade tydligt de regionala skillnaderna inom området. De saker som kunde har gjorts bättre och som även Kristiina Koivu nämner i sin blogg att man kunde ha gjort för att gör kartan mera informativ (Koivu, 2017), skulle vara att sätta ut platsnamnen så att man lättare kunde se vilka områden det är frågan om. Jag kunde även ha prövat på att göra minder eller större rutor för att se om det skulle bli tydligare, då färgen nu är ganska så jämn. Hilkka Pajukangas, som gjort en ruttemakarta med samma tema som jag, har lagat en karta med mindre rutor och som därför ser mycket annorlundare ut om man jämför med min (Puljukangas, 2017). Som Hilkka även nämner i sin blogg så kan samlingarna av invandrare i till exempel Östra Helsingfors bero på de låga hyrorna där och att detta kan leda till segregation.

I slutet at kursgången lärde vi oss även att rita linjer och prickar på kartorna, som vi sedan använde oss av för att pricka in alla hus i form av röda prickar samt de största vägarna som linjer i Borgnäs kommun. Detta gjorde vi som en basuppgift till följande kursgång.

 

Källor:

Koivu, Kristiina (2017). Kurssikerta 4: Ruututeemakarttoja (16.2.2017) <https://blogs.helsinki.fi/koivukri/> Läst 8.3.2017

Puljukangas, Hilkka (2017). Kurssikerta 4. – Ruutukarttoja ja paluu menneisyyteen (20.2.2017) <https://blogs.helsinki.fi/pajukahi/> Läst 8.3.2017

Tredje kursgången

Under den tredje veckan av kursen fick vi lära oss hur man behandla databaser. Vi lärde oss att sammanföra olika databaser, importera externa data från till exempel Excel samt skapa nya datakolumner med ny statistik med hjälp olika matematiska metoder. I databaserna som vi använde oss av hade vi information om bland annat konflikter, diamantgruvor och oljefält i Afrika. Genom att då sammanföra databaserna kan man då se hurdant samband de olika faktorerna har.

Efter att vi fått lära oss om databaserna var de vår tur att själva använda dessa kunskaper genom att göra en temakarta över översvämningsindexet i Finlands avrinningsområden samt hur mycket sjöar det finns i respektive områden. Av kartan kan man se att de avrinningsområdena med mycket sjöar har ett lägre översvämnings index. De mindre avrinningsområde längst kusterna har högre översvämningsindex då dessa områden har fåtal sjöar som vattnet kan samlas i. Områdena är dessutom tätare bebodda, vilket kan förvärra saken. Som Iivari Laaksonen nämner i sin blogg så på påverkar även översvämningar av snösmältningen och is och förekommer därmed mera i Lappland än i Insjöfinland (Laaksonen, 2017).

Jag tycker att kartan blev helt bra men ganska otydlig längs kusten där avrinningsområdena inte är lika stora och därför leder till att staplarna går ovanpå varandra. Kartan kunde möjligtvis ha blivit mycket bättre om man gjorts staplarna smalare samt att längdskillnaderna kunde vara mera varierande, så som till exempel Iisa Hyypä lyckats bra med i sin karta (Hyypiä, 2017).

 

Källor:

Laaksonen, Iivari (2017). 3. Kurssikerta (2.2.2017) <https://blogs.helsinki.fi/iilaakso/> Läst 20.2.2017

Hyypiä, Iisa (2017). Kurssikerta 3: Tietokannat ja tulvaindeksikartta (19.2.2017) <https://blogs.helsinki.fi/hiisa/> Läst 20.2.2017

Artickel 1

Som tilläggsuppgift för veckan skulle vi reflektera över Anna Leonowiczin artikel “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” som beskriver ett sätt att använda två variabler i samma koropletkarta. Artikeln behandlar även vad man kan ha för nytta med just den denna teknik samt om koropletkartors läsbarhet och faktorer som påverkar det.

Alltför stort antal kategorier av fenomen kan göra det svårt att uppfatta bland annat skillnaden på olika färger men med hjälp av att sätta in två variabler i en och samma koropletkarta kan de vara lättare att jämföra variablerna.

Det som jag främst kom och tänka på då jag läste artikeln, som även nämns i texten, var nog att det kommer vara en utmaning att få människorna att förstå hur de skall läsa av kartan och att det lätt kan feltolkas. Framförallt att förstå teckenförklaringen kan vara en utmaning då många inte är vana att läsa ett sådant färgschema i samband med till exempel spridningsdiagram, standardvärden och frekvenser. Däremot kan detta sätt göra det mycket tydligare för kartläsaren att förstå mera komplexa beroenden.

Man måste alltid komma ihåg att mottagarens läsförmåga av kartor måste anpassas till kartan med tanke på vem kartan är riktad till. Jag tycker till exempel att teckenförklaringen kunde ha försimplats ytterligare eftersom jag nu fick en bild av att det var väldigt komplicerat fastän det kanske inte är det.

Jag tycker att det var ganska svårt att koncentrera sig på att läsa texten eftersom den delvis handlade om något nytt som man inte helt förstod, och som dessutom var på engelska. Idén tycker jag ändå att verkade jättebra, i synnerhet då man i geografin ofta talar om sambanden mellan olika fenomen och då detta kan vara ett bra sätt att visualisera det.

 

Källor:

Leonowicz, Anna (2006). Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija. <https://moodle.helsinki.fi/pluginfile.php/1537276/mod_resource/content/0/KK2/Geog_033_037_spalvotas.pdf > Läst 10.2.2017

Andra kursgången

Den andra kursgången gick igång med att vi fick lära oss mera om de olika funktionerna i MapInfo, närmare sagt fick vi lära oss att göra olika sorters temakartor. Vi fokuserade mest på hur man kunde sätta två stycken temakartor ovanpå varandra och som exempel lagade jag en prickkarta ovanpå en koropletkarta. Trots att vi fick helt fri hand med att välja ämne så tog det mig en väldigt lång tid att bestämma det. Att hitta två ämnen som berör varandra var inte något svårt, men att få de att se någorlunda snyggt ut och samtidigt ha någon vettig förklaring om varför det ser ut som det gör tyckte jag att var lite svårare.

Jag valde till slut att som koropletkarta ha som tema befolkningstätheten, eftersom det är en faktor som påverkas och påverkar många faktorer. Ovanpå lade jag en prick-karta som beskrev var det finns jobbplatser. Man kunde ganska bra räkna ut hur kartan skulle se ut eftersom man vet att jobbplatser främst finns där det finns människor och tvärtom. Dessutom kan man även komma fram till att människor gärna bor nära till jobb platserna, vilket i själva verket är ganska självklart. För att kartan skulle bli lite simplare var man tvungen att ta ett mindre område än hela Finland och jag valde då att ta Nyland som område för min temakarta eftersom det är det område jag känner bäst.

Jag tycker att min karta blev helt okej. Man ser tydligt Helsingfors och dess grannkommuner, vilka hör till de mest tätbebyggda områdena i Nyland. Det enda som saknas är en lägeskarta som visar var i Finland som Nyland ligger. Grankulla är det enda udda som sticker ut, där finns nämligen inte så mycket jobbplatser. De som varit i Grankulla kan förstå varför, det finns nämligen nästan bara hus, speciellt egnahemshus, och invånarna åker antagligen till Esbo eller Helsingfors för att jobba. Om man jämför min karta med Sanni Väisänens, som också är över Nyland, kan man se liknande mönster (Väisänen, 2017). Koropletkartan som visar befolkningstätheten liknar lite Väisänens koropletkarta som beskriver de högskoleutbildades procent. Procenten är högst där befolkningstätheten och arbetsplatserna är som högst på min karta, vilket är ganska självklart eftersom jobben oftast kräver välutbildade människor.

 

Källor:

Väisänen, Sanni (2017) Kurssikerta 2. Teemakartoilla leikkiminen (30.1.2017) <https://blogs.helsinki.fi/sannivai/> Läst 5.2.2017

Första kursgången

Hej!

Under den första kursgången av Paikkatiedon hankinta, analyysi ja kartografia, det vill säga anskaffning, analys och kartografi av geodata, fick vi bekanta oss med programmet MapInfo, ett GIS-program. Med lärarens ledning fick vi lära oss grunderna till programmet samt öva oss på dess olika grundfunktioner. Efter det skulle vi göra en temakarta av valfritt ämne, med hjälp av de baskunskaper vi fått.

Jag valde att göra en temakarta som beskriver de 65 år föddas procentuella andel av befolkningen i Finlands kommuner 2015. Kartan gjorde jag med naturliga gränser för att göra den så tydlig som möjlig. De ljusaste färgerna på karta är områden där det finns minst människor över 65 år och man an kan tydligt se hur dessa områden befinner sig runt större städer, så som Helsingfors, Åbo, Tammerfors, Jyväskylä, Kuopio mm, som då visar sig i mörkare färger. I alla dessa städer finns det bra med utbildningsmöjligheter och jobbplatser som lockar till sig unga. Då de unga flyttar till dessa större städer för att studera och sedan jobba så har kommunerna runtom i periferierna negativ flyttningskvot. De äldre människorna har som redan gått i pension stannar ofta kvar utanför de större städerna. Som Sanja-Riia Collin nämnde i sin blogg så är det alltså frågan om urbanisering (Collin, 2017).

Som Collin också nämner så påverkar detta försörjningskvoten i kommunerna i Finland, något som varit att problem redan en tid och som bara kommer att förvärras i takt med att Finlands befolkning blir äldre. Detta betyder alltså att kommuner med en äldre befolkning inte får in tillräckligt mycket skatt för att upprätthålla all den social service som behövs för att en kommun skall fungera.

Jag tycker själv att kartan blev ganska bra och att man tydligt ser skillnaden på de olika klasserna. Vissa visuella delar kan ibland leda till feltolkningar. Till exempel syns Rovaniemi extra bra, då denna kommun är så stor, och får det att se ut som om det på ett mycket stort område inte bor många människor under 65 år.

 

Källor:

Collin, Sanja-Riia (2017). Ensimmäinen kurssikerta  (24.1.2017) https://blogs.helsinki.fi/collinsa/ Läst 30.1.2017