SWOT

Mapping America: Every City, Every Block

New York Timesin karttapalvelu on ilmainen ja saatavilla kaikille. Sieltä löytyy piste- ja rasterimuotoista tietoa etnisistä, tuloihin liittyvistä, perheisiin ja taloihin, sekä koulutukseen liittyvistä asioista.

Kartta etnisten väestöryhmien jakautumisesta näyttää valkoisten ihmisten muuttoliikkeen ”paremmille” asuinalueille. Chinatown, Bronx ja Queens erottuvat selvästi. Tällaisia tiettyjen väestöryhmien asuinalueita ei Suomessa ole missään.

Tulotietokartassa näkyy selkeä jakautuminen rikkaille ja köyhille alueille kaupunkien sisällä. Yhdysvalloissa tuloerot ovat suuret, joten läheistenkin paikkojen välinen ero voi olla hyvin jyrkkä.

Karttapalvelu eroaa Suomen systeemistä ja siksi sillä onkin hieman erilaisia vahvuuksia ja heikkouksia.

Vahvuudet

Karttapalvelusta löytyvä tieto on valtiotasolla melko tarkkaa. Lisäksi tietoa on melko erilaisista aineistoista. Se on helppo- ja nopeakäyttöinen vektorimuotoisuutensa ansiosta. Lisäksi kaupungit on jaettu pieniin kaupunginosayksiköihin, minkä ansiosta eri kaupunginosien tarkastelu on mahdollista tietyillä kartoilla. Karttojen välisiä korrelaatioita on helppo tarkastella toteutuksen ansiosta.

Heikkoudet

Kartat ovat kuitenkin melko yleistettyjä. Lisäksi ”pistemuotoinen” aineisto on oikeasti alueellista, eli yksittäisten rakennusten tietoja ei ole saatavilla. Tämä selittyy varmaankin yksityisyydensuojalla, mutta hämää hieman karttoja lukiessa.

Joissain kartoissa teemat ovat hankalasti tulkittavia ja värimaailmat epäselkeitä ja jopa arvotettuja.

Karttoja ei pysty ladata omalle tietokoneelle muuten, kuin print screen napilla, jolloin hyvä vektorimuotoinen aineisto menee täysin hukkaan. Lisäksi kartat ovat melko epätarkkoja, jonka takia karttojen tieteellinen käyttö on hankalaa. Karttojen kohderyhmä on epäselvä tästä syystä. Ne soveltuvat lähinnä yksityishenkilöiden tarkasteltavaksi ja ihmeteltäväksi.

Mahdollisuudet

Teemoja voisi lisätä esimerkiksi luonnontieteellisiin teemoihin. Lisäksi karttapalveluun voisi lisätä mahdollisuuden tarkastella tietoja yksityiskohtaisemmin, sekä mahdollisuuden ladata karttoja. Karttatasoja ei myöskään pysty laittamaan päällekäin, mikä hieman hankaloittaa korrelaatioiden tulkitsemista. Ilmainen palvelu on avoin kaikille ja siksi hyödyllinen hyvin suurelle yleisölle.

Uhat

Palvelun uhat liittyvät alueiden leimautumiseen. Kartalla esittämisen ansiosta tietyt alueet voivat saada negatiivisia mielleyhtymiä. Lisäksi tiettyjen tietojen puuttuminen on hieman outoa ja epätasa-arvoista. Esimerkiksi homoparien määrää kuvaava kartta on palvelussa, mutta muita perhesuhteita kuvaavaa karttaa ei ole. Lisäksi jotkin värivalinnat vaikuttavat asenteellisilta, mikä on huolestuttava asia.

Suomen ja Yhdysvaltojen palveluiden erot

Suomen paikkatiedon palvelut eroavat Yhdysvaltojen palveluista. Suomessa karttoja ja tietoa saa pyytämällä, niitä ei ole julkisesti näkyvillä. Tämä on sananvapauteen rinnastettava asia. Toisaalta Suomen palvelusta saa ladattua itselleen yksityiskohtaisempaa ja monipuolisempaa tietoa. Suomen paikkatietopalvelut ovat maksullisia, mutta Yhdysvaltojen ei. Suomen tiedot vaikuttavat luotettavammilta, kuin Yhdysvaltojen.

Lähteet

The New York Times-karttapalvelu (2014). Mapping America: Every City, Every Block<http://projects.nytimes.com/census/2010/explorer> 23.2.2014

Kurssikerta 7: viimeinen kerta

Viimeisellä kurssikerralla ideana oli hankkia itse materiaali, josta työstää kartan. Valitsin alueeksi Japanin, sillä olen kiinnostunut siitä. Etsin aineiston kurssikertaa varten, mutta valitettavasti löytämäni aineisto ei ollutkaan kovin sopiva. Löysin lopulta Japanin tilastollisen vuosikirjan, josta lähdin etsimään sopivaa tietoa. Päätin keskittyä tarkastelemaan työllisyyttä, sillä Japani on työllisyyden kannalta melko samassa tilanteessa, kuin Suomi. Myös ikärakenne ja sen ongelmat ovat hyvin samankaltaiset, mutta vielä vakavammat. Löysin lisäksi japanilaiselta paikkatietosivulta Japanin prefektuureista valmiin SHP-tiedoston, jonka pystyin avaamaan MapInfossa.

Vuosikirjasta ottamissani taulukoissa olevien prefektuurien nimet eivät täsmänneet täysin kartassa oleviin prefektuurien nimiin, sillä japaninkielisten sanojen kirjoittamiseen aakkosilla on monta tapaa ja näissä tiedostoissa oli käytetty juuri eri tapoja. Muokkasin nimet yhteneviksi ja yhdistin haluamani taulukot muutamista eri tiedoista liittyen työllisyyteen. (Kuva 1)

Kuva 1: Japanin kartta. Lähde:
Kuva 1: Japanin kartta. Lähde: Harvard

Japani on ollut kauan suuri talousmahti, joka on nojannut teknologiaan ja kehitykseen. Viime vuosina kuitenkin suuret ikäluokat ovat alkaneet siirtyä eläkkeelle ja on muodostunut ongelmaksi, miten näitä suuria ikäluokkia tullaan hoitamaan. Heitä kun on niin paljon, että hoitavia ihmisiä ei ole tarpeeksi. Vanhukset joutuvat viettämään vanhuuspäivänsä kotona ja hoitaminen jää omaisten harteille. Tästä johtuen todennäköisesti kotona olevien ihmisten määrä tulee nousemaan huimasti lähitulevaisuudessa. Vuosikirjassakin löytyy merkinnät erikseen henkilöille, jotka tekevät pääsääntöisesti ”kotitöitä”. Valtiolle tämä tulee olemaan hyvin suuri takaisku ja sen vuoksi viime aikoina olemme saaneet seurata mediasta poliitikkojen älynväläyksiä, kuten ministeri Tarou Asoun idea:  ”vanhusten tulisi kiiruhtaa kuolemaan”, jotta he vähentäisivät valtion taakkaa.

Tein kartan, joka ilmentää työikäisten määrän jakautumisen Japanin prefektuureissa. (Kuva 2)

Kuva 2: Työikäisten ja valtiontukea saavien osuudet prefektuureittain Japanissa vuonna 2010. Lähde:
Kuva 2: Työikäisten ja valtiontukea saavien osuudet prefektuureittain Japanissa vuonna 2010. Lähde: Japan Statistical Yearbook 2010

Lisäksi kartalla näkyy valtiontukea saavien osuudet. Keski-Japanissa Tokiosta Kiotoon on työikäisiä selkeästi eniten, kun taas etelää ja pohjoista kohden työikäisten määrät vähenevät. Valtiontukea saavien osuus tarkoittaa sellaisia henkilöitä, jotka saavat Suomen työttömyystukea vastaavaa rahallista apua. Pääsääntöisesti tukea saavien osuudet mukailevat työikäisten luokkia niin, että siellä, missä työikäisiä on suhteellisesti vähemmän, on valtiontukea saavien osuus suhteellisesti suurempi. Poikkeuksena tähän on suuret kaupungit. Johtopäätöksenä voidaan pitää, että siellä, missä työikäisiä on suhteellisesti vähän, on tuilla eläviä suhteellisesti enemmän.

Valtiolla ei mene kovin hyvin taloudellisesti. Se näkyy työllisyystilastoissa, joista tein kartan. (Kuva 3)

työllisyys
Kuva 3: Työllisyys-% Japanissa prefektuureittain vuonna 2010. Lähde: Japan Statistical Yearbook 2010

Työllisyyslukemat vaihtelevat 50-60% välillä. Näyttää siltä, että suurten kaupunkien prefektuureissa, kuten Tokiossa ja Kiotossa työllisyyslukemat ovat alhaiset, mutta niiden lähiympäristössä on työllisyyslukemat hieman paremmat.  Osakasta Ehimeen prefektuurit tunnetaan ”udon-nuudeli-prefektuureina”, sillä ne ovat harmillisesti välimaassa, jossa on hieman vähemmän vetäviä tekijöitä niin muuttaville ihmisille, kuin yrityksillekin. Niistä tiedetään usein vain, että siellä valmistetaan udon-nuudeleita. Lisäksi pohjoisessa Hokkaido, Akita ja Miyagi kärsivät hieman samankaltaisesta ilmiöstä, kuin Suomessa Lappi. Siellä on hieman karumpaa ja kylmempää ja suuria kaupunkikeskittymiä ei ole niin paljoa, joten ihmiset muuttavat pois.

Kolmas tekemäni teemakartta käsittelee vastavalmistuneiden tyttöjen ja poikien välisiä eroja. Rankat työllistymisolosuhteet näkyvät näissäkin. Japanissa kerätään tietoja joka vuosi siitä, miten vastavalmistuneet ovat jatkaneet seuraavaan kouluun tai päässeet töihin heti valmistuttuaan. Töihin on tärkeä päästä heti valmistuttuaan, mutta kaikki tekevät sen samaan aikaan ja kilpailu on äärimmäisen kova. Lisäksi naisen ja miehen asema ei ole tasavertainen. Naiset jatkavat keskimäärin enemmän korkeakouluasteelle kuin miehet, mutta työllistyvät huomattavasti huonommin. Synkimmissä tapauksissa naisia työllistyy vain puolet siitä määrästä, miten paljon miehet työllistyvät. Parhaimmassakin tapauksessa työllistyvien naisten määrän suhde miesten samaan lukuun on 90 (Kuva 4).

Kuva 4: Vastavalmistuneiden tyttöjen ja poikien jatkokoulutukseen haku ja työllistyminen samana vuonna prefektuureittain. Lähde: Japan Statistical Yearbook 2010
Kuva 4: Vastavalmistuneiden tyttöjen ja poikien jatkokoulutukseen haku ja työllistyminen samana vuonna prefektuureittain. Lähde: Japan Statistical Yearbook 2010

Kartassa näkyy taas, että keski-Japanissa Tokiosta Kiotoon on työllistymisaste hyvä ja poikia ja tyttöjä etenee ylemmälle koulutusasteelle suurin piirtein saman verran. Alueilla, joissa tytöt työllistyvät huonommin, he kouluttautuvat keskimäärin paremmin. Udon-prefektuurien alueilla ja pohjois- ja etelä-Japanissa, missä työllisyystilanne on muutenkin huonompi, näyttää sukupuolten tasa-arvon olevan huonompi. Hokkaidon hyvää tilannetta selittää Sapporossa sijaitseva Hokkaidon yliopisto, joka lukeutuu Japanin parhaimpien yliopistojen joukkoon. Se on hyvin arvostettu koulu ja sen takia sieltä valmistuvat opiskelijat työllistyvät hyvin.

Japanissa vastavalmistuneista työnhakijoista suuri osa on masentuneita kovan paineen alla ja noin 10% heistä sanoo: ”haluan kuolla”. Tämä video selittää hieman, miksi.

 

Lähteet:

ABC news. Top japanese official urges elderly people to hurry up and die. http://abcnews.go.com/blogs/headlines/2013/01/top-japanese-official-urges-elderly-to-hurry-up-and-die/ Luettu 11.3.2014

Buzznews. http://buzznews.asia/?p=11#_ Luettu 11.3.2014

Harvard. http://www.fas.harvard.edu/~chgis/japan/datasets.html Luettu 11.3.2014

Japan Statistical Yearbook 2010. http://www.stat.go.jp/english/data/nenkan/ Luettu 11.3.2014

Japan Today. Kagawa starts campaign to change name to udon prefecturehttp://www.japantoday.com/category/national/view/kagawa-starts-campaign-to-change-name-to-udon-prefecture Luettu 11.3.2014

 

Kurssikerta 6

Rupesin tekemään karttaa maanjäristyksistä. Ensin laitoin kartalle vain yli 8 richterin järistykset vuodesta 1960 eteenpäin. Osumia ei ollut montaa, joten halusin tuottaa kartalle muutakin sisältöä. Otin myös 4-6 richterin järistykset ja osumia oli todella paljon. Ne lisäksi sijoittuvat mannerlaattojen reunoille. Ajattelin, että voisin soveltaa aikaisemmin opittua asiaa ja tein pienemmille järistyksille 20km bufferoinnin, saadakseni ne selkeämmin näkyväksi. (Kuva 1)

kesken
Kuva 1: Maanjäristyksiä vuodesta 1960 eteenpäin. 4-6 magnitudin järistyksistä on tehty 20km puskurivyöhyke.

Tämä kartta on melko havainnollistava. Siinä näkyy selkeästi alueet, joissa järistyksiä on paljon. Huono puoli mielestäni on se, että nyt järistykset sekoittuvat pieniin saariin merialueilla. Lisäksi bufferi peittää alleen kartan kuvaamia alueita. Suuret yli 8 richterin järistykset osuvat samoille alueille, joilla on paljon pienempiä järistyksiä. Tämän kartan avulla voisi laatia esimerkiksi suurpiirteisen hasardikartan, johon voisi jakaa järistysalueet pariin eri vaarallisuusluokkaan. Esimerkiksi alueet, joissa bufferi muodostaa selkeän yhtenäisen alueen ja sen lisäksi alueet, joissa järistyksiä on paljon, mutta ne eivät ole niin tiiviisti. Se toimisi hyvänä tehtävänä opetuskäytössä. Seuraavaksi tein tällaisen kartan piirtämällä bufferien päälle. (Kuva2)

valmis
Kuva 2: Maanjäristysten “vaaravyöhykkeet” maailmankartalla. Jako vyöhykkeisiin on oma tekemä.

Tämä kartta on paljon yksinkertaisempi ja selkeämpi. Vaikka tehty luokitus on täysin itse keksitty ja silmämääräisesti tehty, on se melko tarkka. Yli 8 richterin järistyksetkin osuvat vaaravyöhyke taso 1:lle. Tämän kartan avulla voisi selittää, miksi järistykset jakautuvat näin alueellisesti. Siinä voisi käyttää apuna vaikka karttaa mannerlaattojen reunoista.  (Kuva 3)

08-tectonic-plates
Kuva 3: Mannerlaattojen reunat ja mannerlaattojen nimet.

Mielenkiinnon vuoksi laitoin vielä suuria tulivuorenpurkauksia kartalle ja ne osuvat kuva 2:een tekemieni vyöhykkeiden päälle. (Kuva 4) Tätä karttaa hyväksi käyttäen voisi selittää miten tulivuorenpurkaukset ovat yhteydessä laattatektoniikkaan. Sen lisäksi, näyttäisin kuvan oikeasta tyynenmeren tulirenkaasta, ja vertaisin sitä tekemääni karttaan. (Kuva 5)

tulivuorikartta
Kuva 4: Tulivuoret maailmassa. Tulivuoret sijoittuvat mannerlaattojen reunoille ja aikaisemmin esitetyille vaaravyöhykkeille.
ring_of_fire
Kuva 5: Tyynenmeren tulirengas.

Kurssikerta 5

Viidennellä kurssikerralla keskityttiin itsenäiseen työskentelyyn ja omatoimiseen ongelmanratkaisuun. Tämä näkyi tavallista ärhäkkäämpänä viittausinnokkuutena. Tämän takia varmasti moodlesta löytyvä kurssikerran tehtäväohje on nimeltään ”luuranko-ohje”. Luurangot kun eivät osaa ajatella.

MapInfon tärkeimmät työkalut ovat varmasti sen datan käsittelyyn liittyvät työkalut. MapInfo on selkeästi enemmän painotettu datan hallitsemiseen, kun taas CorelDraw on nimensä mukaisesti piirto-ohjelma. Taulukoiden yhdistäminen, sekä taulukoista tiettyjen tietojen hakeminen ovat hyvin olennaisia. Varsinkin, jos halutaan tehdä kartta, joka esittää tiettyjen ilmiöiden suhdetta. Tähän mennessä kaikkien työkalujen käyttö on ollut helppoa, kunhan on ensin selvittänyt, mikä niiden toimintaperiaate on. Mielestäni ohjelma on hyvin looginen ja jos taitaa sen ”kielen”, pitäisi sen kanssa työskentelyn sujua melko kivuttomasti. Hyvin tärkeää on kuitenkin ensin ajatella, millä keinoilla pääsee päämääräänsä ja sitten vasta alkaa toimiin.

Nimenomaan puskurointityökalun käyttö tuli tutummaksi viidennellä kurssikerralla. Tällä tarkoitetaan sitä, että jonkin tutkittavan kohteen ympärille tehdään tietyn säteinen vyöhyke, jota voidaan tarkastella erillisenä alueena. Puskurivyöhykettä voidaan käyttää esimerkiksi tarkastelemaan maanjäristyksen tai tulivuorten vaaravyöhykkeiden alueita, tai etsimään vanhuksille asuntoja, joista ei ole lähikauppaan eikä bussipysäkille yli 100m matka. Käyttökohteet ovat rajattomat, kun tarkastellaan kohteen ympäristöllä tapahtuvia ilmiöitä.

MapInfolla ei kuitenkaan voi ratkaista kaikkea. Esimerkiksi hakutoiminnoissa ohjelma ei ymmärrä matemaattisia kaavoja niin, kuin sen olettaisi ymmärtävän. Esimerkiksi 7-15-vuotiaita poikia etsittäessä ei hakukenttään käy lauseke ”7 < pojat ikäluokittain < 15”, vaikka se matemaattisesti oikein onkin ja kaikki tämän lausekkeen sisältämät termit, tulokset ja välimerkit löytyvät oletuksena. Tämän laskutoimituksen tekemiseen täytyy lauseke pilkkoa kahteen osaan ja osat suorittaa erikseen. Luulen, että tämä tuottaa vaikeammissa laskutoimituksissa ongelmia, mikäli sellaisia tarvitsisi tehdä. Tilastonkäsittelyohjelma olisi kätevämpi tällaiseen prosessiin. Tuomas lisää blogissaan hyvän pointin: ” Voimme laskea, kuinka monet rakennukset ovat alle 1km päässä keskuksen koulusta, mitä voidaan pitää kohtuullisena koulumatkana. Tehdessään tämäntapaisia mittauksia tulee aina tiedostaa tekemiemme oletusten heikkoudet. Ne antavat suuntaa, mutta eivät koskaan ole ehdottomia. Puskurivyöhykkeellä voimme laskea etäisyyden linnuntietä pitkin, mutta se ei kerro kokonaisetäisyyttä, jonka koululainen tallustaa päivittäin.”

Aineistoihin liittyen luulen ongelmien olevan sellaisia, että esimerkiksi aineistoilta, joita meillä on ollut käytössä, ei olisi voitu kysyä 7-15-vuotiaiden poikien lukumäärää. Tämä johtuu aineistonkeruumenetelmästä. Tiedot eivät usein ole tallennettu vastaajakohtaisesti, vaan esimerkiksi talokohtaisesti, sillä siten ne on helpoin sijoittaa pisteinä kartalle. Tällaisten asioiden kanssa tulee olla tarkkana ja miettiä, minkälaisen haun aineistosta voi tehdä.

Käyttäjiin liittyvät ongelmat sen sijaan keskittyvät mielestäni tietotaitoon sekä kokemukseen ohjelman kanssa. Tällaisen ohjelman kanssa työskentely vaatii hieman päättelykykyä. Toinen ongelma voisi olla moraaliset seikat. Mitä aineistoa voi käyttää ja mihin tarkoitukseen? Lisäksi, käyttäjältä vaaditaan lähdekritiikkiä ja maalaisjärkeä. Kaikkiin lähteisiin ei voi luottaa ja saaduista laskujen tuloksista pitäisi olla jonkinlainen taju, minkälaista suuruusluokkaa niiden pitäisi olla. Lisäksi Pyry oivaltaa blogissaan: ”Englanninkielisten softien käytössä on tärkeää oppia termistö, mieluiten alkuperäisellä kielellään, jotta käännösvirheiltä vältyttäisiin.”

Tein lopuksi kartan uima-altaiden sijoittumisesta Helsinkiin. Tämä on mielenkiintoinen aihe, sillä uima-allas ei ole suomalaisille mikään arkipäiväinen mukavuus. Siksi tämä mielestäni on eräs vaurauden mittari. (Kuva 1). Pylväät kertovat uima-altaiden lukumäärästä ja sen lisäksi lisäsin vielä lukuarvot kertomaan, kuinka paljon uima-altaita todellisuudessa on kaupunginosassa. Tässä on kuitenkin ongelmana se, että nämä arvot eivät ole suhteutettu väkilukuun. Ilkka Saarinen kertoo blogissaan: ”Tämä on tiedostettu riski, sillä kartta esittää ”sääntöjen vastaisesti” absoluuttisia lukuarvoja, mikä saattaa vääristää kartan sisältämää informaatiota.” Ohessa on myös taulukko kurssikerralla tehtyjen tehtävien tuloksista. Siitäkin näkee, että kaupunginosa, jossa on eniten uima-altaita, on Länsi-Pakila.

uima-allaskartta
Kuva 1: Kartta Helsingissä olevien uima-altaiden jakautumisesta kaupunginosittain

 

 tulokset

 

Lähteet:

 

Poutanen, Pyry. Kurssikerta 5 – itsenäistä ajattelua. https://blogs.helsinki.fi/pyrypout/2014/02/10/kurssikerta-5-itsenaista-ajattelua/ Luettu 19.2.2014

Lilleberg, Tuomas. 5. kurssikerta: Bufferointia ja oman osaamisen sparraamista. https://blogs.helsinki.fi/tuomasli/2014/02/12/5-kurssikerta-bufferointia-ja-oman-osaamisen-sparraamista/ Luettu 19.2.2014

Saarinen, Ilkka. KK 5 – LARPPAUSTA JA MENNEITÄ AIKOJA. https://blogs.helsinki.fi/ilkkasaa/2014/02/13/kk-5-larppausta-ja-menneita-aikoja/ Luettu 19.2.2014

4. Kurssikerta: ruotsalaiset naiset

Neljännellä kurssikerralla harjoittelimme ruudukon tekemistä kartalle, jotta siihen voisi kerätä tietoa. Esimerkiksi pistemuotoisen aineiston tiedot voidaan saalistaa verkkoon ja luoda erilainen esitys. Ruudukon koko vaikuttaa paljon kartan ulkonäköön ja tulkittavuuteen. Kurssikerran ideana onkin funtsia, miten erikokoiset ruudut vaikuttavat saman ilmiön esittämiseen.

Ruututeemakartta on mielestäni vaikeampilukuinen, kuin koropleettiteemakartta. Tämä johtuu todennäköisesti siitä, että alue on jaettu ruutuihin, eikä se noudata minkäänlaisia luonnollisia rajoja. Vaikealukuisuuteen vaikuttaa myös se, että vierekkäiset ruudut eivät usein ole toisiaan seuraavissa luokissa luokkajaon mukaan. Ruututeemakarttaan sopivat sekä absoluuttiset, että suhteelliset arvot. Niiden käyttötarkoitukset ovat erilaiset, joten molempien käyttö on sallittua. Vääränlaisella värityksellä tai ruudun koon valinnalla voidaan kuitenkin antaa valheellista ja virheellistä tietoa. Riippuen käyttötarkoituksesta, voidaan valita, käytetäänkö absoluuttisia vai suhteellisia arvoja.

Valitsin karttojeni aiheeksi ruotsinkielisten naisten suhteellisen osuuden levinneisyyden koko pääkaupunkiseudulla. Valitsin aiheen siksi, että olen kiinnostunut ruotsinkielisistä naisista. Kartalla on siis selvä hyötynäkökulma. Tarkoituksena olisi löytää alue, josta helpoiten voisi löytää ruotsinkielisen naisen. Tein ruudukon ensin 500m x 500m silmäkoolla. Valkoisella on merkitty ruudut, joissa ei ole ruotsinkielisiä, sekä pääkaupunkiseudun ulkopuolisilta alueilta ei ole kerätty tietoja. Eetu käytti blogissaan mielenkiintoista ajatusta ruotsinkielisten jakautumisesta: ” Mieleeni juolahti ajatus, että alueella ruotsia äidinkielenä puhuvat voisivat olla todennäköisesti painottuneet asumaan saaren länsiosiin, koska Lauttasaaren länsipuolelta löytyy lähempää selvästi vahvempia ruotsinkielisten yhteisöjä kuin idästä, lähimpinä Espoosta ja Kauniaisista. Näin ollen ruotsinkieltä puhuvat Lauttasaarelaiset liikkuisivat enemmän asioidessaan ja työtä tehdessään lännen kuin idän suuntaan.” Tämän lisäksi lisäisin seikan omasta hypoteesistäni, että ruotsinkieliset olisivat keskittyneet länteen myös osittain sen takia, että siellä Ruotsi on lähempänä. (Kuva 1)

Kuva 1: Ruutukartta ruotsalaisten naisten suhteellisista osuuksista pääkaupunkiseudulla.
Kuva 1: Ruutukartta ruotsalaisten naisten suhteellisista osuuksista pääkaupunkiseudulla.

Kartta näyttää melko sekavalta, mutta on selkeästi painottunut länsiosaan, Karhusaaren ja Landbon läheisiä alueita lukuun ottamatta. Pohjois- ja itä-Helsingin  lähiöalueilla ei ruotsinkielisten naisten osuus ole kovin suuri. Tämä selittyy historiallisilla perinteillä siitä, että ruotsalaiset ovat suomalaisten seassa keskimääräistä ylempiarvoisempia ja rikkaampia. Täten heillä on varaa asua paremmilla ja viihtyisämmillä alueilla, kuin meillä perus duunareilla. Karhusaari ja Landbo ovat verrattain uusia alueita, joissa asuu vähän väkeä, talot ovat uusia, siellä on melko rauhallista ja hyvät liikenneyhteydet. Ruotsinkielisen oloinen nimi Landbolla on kirsikka kakun päälle osoittamaan, että nämä alueet ovat omiaan vetämään ruotsinkielisiä puoleensa.

Tein vertailun vuoksi toisen kartan samasta aiheesta, mutta 2km x 2km silmäkoolla. (Kuva 2) Tässä kartassa jakautuneisuus on mielestäni selvemmin näkyvillä, mutta kartta ei ole kovin tarkka. Suurimmaksi ongelmaksi mielestäni muodostuu se, että nyt näyttää, että ruotsalaisia naisia asuu sellaisilla alueilla, joilla heitä ei asunut ollenkaan pienemmän ruudukon kartan mukaan. Kartta antaa siis virheellistä tietoa naisten sijainnista.

Kuva 2: Ruutukartta ruotsalaisten naisten suhteellisista osuuksista pääkaupunkiseudulla.
Kuva 2: Ruutukartta ruotsalaisten naisten suhteellisista osuuksista pääkaupunkiseudulla.

Tehdäkseni tämän helpommin havaittavaksi, tein kartan, johon laitoin molemmat rasterit päällekäin. Karttojen eri värimaailmojen vuoksi pienempiruudukkoisen rasterin ”aukoista” näkyy suurempiruudukkoisen rasterin ruutuja, vaikka niillä alueilla ei todellisuudessa ole ruotsinkielisiä naisia nimeksikään. Erityisesti kartan reunat ovat pahasti vääristyneet ja antavat valheellista tietoa. (Kuva 3)

Loppujen lopuksi molemmat kartat noudattelevat hyvin tarkasti samoja suurpiirteitä, kuin Tiia Määtän tekemä kartta ruotsinkielisten jakautumisesta Helsingin alueella. Mielenkiintoisena huomiona kuitenkin se, että samat alueet eivät korostu minun tekemissäni kartoissa, kuin Tiian kartassa. Vaikka naisten suhteellinen osuus olisikin suuri, se ei kerro mitään niiden määrästä. Yhdessä Määtän tekemän kartan kanssa voi vetää sellaisen lopputuloksen, että paras paikka ruotsinkielisen naisen löytämiseen on kantakaupungin länsiranta, Lauttasaari, sekä Kauniainen. Nämä alueet korostuvat molemmissa kartoissa. Kuitenkin, mikäli haluaa löytää nimenomaan ruotsinkielisen naisen, joutuu myös karttojen perusteella tekemisiin ruotsinkielisten miesten kanssa, mikä saattaa olla epätoivottu tulos joillekin.

Alussa tekemäni hypoteesi oli myös melko lähellä totuutta, mutta siihen täytyy väistämättä lisätä huomio: ruotsinkielisten naisten jakautumiseen vaikuttaa varmasti voimia, jotka eivät tällä tarkastelulla ja näillä välineillä tule esille. Tästä olisi kiintoisaa tehdä jatkotutkimusta. Lisäksi kartan saamiseksi informatiivisemmaksi ja hyödyllisemmäksi, voisi esimerkiksi ympyröidä alueet, joissa on sekä suhteellisesti, että absoluuttisesti paljon ruotsinkielisiä naisia. Tai sitten alueet, joissa on suhteellisesti vähemmän miehiä.

https://blogs.helsinki.fi/timaatta/files/2014/02/Pk_seutu_Ruotsinkieliset_2.png

https://blogs.helsinki.fi/eesu/2014/02/08/kk4-ruutujen-ja-rasterikarttojen-maailma

3. Kurssikerta

Afrikka

Kolmannella kerralla harjoittelimme MapInfon query-toimintoja: tilastojen yhdistelyä, muokkausta ja hakemista.  Meillä oli internetistä hankittu tietokanta liittyen erilaisiin asioihin Afrikassa. Yhdistimme liian tarkan kartan yhtenäisemmäksi, lisäsimme tietokantaan uutta tietoa toisesta tietokannasta ja laskimme erilaisia arvoja uudesta tietokannasta, eli niiden yleisyyden. Tuloksena oli aikaisempaa laajempi ja hyödyllisempi tietokanta, jonka avulla voisi tehdä erilaisia karttaesityksiä. (Kuva 1)

Kuva 1. Tuotettu kartta Afrikan timanteista ja konflikteista.
Kuva 1. Tuotettu kartta Afrikan timanteista ja konflikteista.

Käyttämiimme tietoihin kuuluivat tietoja timanttikaivoksista, öljylähteistä, kriiseistä ja konflikteista, sekä facebookin ja internetin käyttäjistä Afrikassa. Näistä oli kaikista monenlaisia tietoja saatavilla tietokannassa. Esimerkiksi timanttikaivosten perustamisvuosi, niitten tuottavuus, öljylähteiden perustamisvuosi, facebookin ja internetin käyttäjiä eri vuosina ja konfliktien kooista, sekä lähdetietoja ja paljon muuta yksittäistä tietoa. Näitä tietoja vertailemalla voidaan tutkia niiden suhteita.

Voitaisiin tutkia, onko öljylähteiden ja timanttikaivosten lähellä ollut kriisejä ja jos on, niin niiden tapahtuma- ja perustamisvuosia voidaan verrata. Näin voidaan löytää yhteyksiä epätasaisesti jakautuneiden luonnonvarojen ja konfliktien välillä. Öljylähteiden ja timanttikaivosten koolla ja jakautumisella saattaa olla myös vaikutusta konfliktien kokoon. Afrikassa on paljon ongelmia muutenkin, joten kalliit luonnonvarat, kuten öljy ja timantit eivät ainakaan paranna asioita. Lisäksi voidaan seurata alueellista kehitystä internetin ja facebookin käyttäjien määrää seuraamalla. Alueellisesti voidaan tutkia, onko alueilla, joissa on paljon öljylähteitä ja timanttikaivoksia suhteellisesti enemmän, kuin alueilla, joilla näitä luonnonvaroja ei ole.

Tulva-alueet

Kurssikerran pääteema oli kuitenkin oman kartan tuottaminen kurssikerran alussa opittuja menetelmiä hyväksi käyttäen.  Saimme käyttöömme tietokannan Suomen valuma-alueista, joista ja järvistä. Näissä tietokannoissa oli tiedot muun muassa järvisyysasteesta ja keskivirtaamista. Tiedot eivät kuitenkaan olleet samassa taulukossa, joten ne täytyi yhdistää ja annetuista arvoista täytyi laskea taulukkoon tulvaindeksi. Tämän jälkeen tuotin kartan, jossa näkyy valuma-alueet, valuma-alueiden järvisyysprosentit ja tulvaindeksit.

Kuva 2. Keskeneräinen kuva Suomen valuma-alueista, järvisyydestä ja tulvaindeksistä
Kuva 2. Keskeneräinen kuva Suomen valuma-alueista, järvisyydestä ja tulvaindeksistä

Ensimmäinen karttani oli kuitenkin sekava. Siinä oli englanninkielisiä osia (pohjoisnuolessa N, mittakaavassa ”kilometers”, legendassa sanoja). Sen lisäksi, pylväsdiagrammit olivat pahasti päällekäin niin, ettei niistä saanut oikein selvää, mikä on missäkin, exportauksessa karttaan oli ilmestynyt outo ruudukko ja legenda oli puutteellinen (kuva 2). Lähdin korjailemaan näitä ja vein kartan CorelDraw:iin. Lopullisesta kartasta tuli parempilaatuinen, helpommin ymmärrettävä ja yhtenäisempi. En ottanut kartalle mukaan muuta pohjois-Eurooppaa, sillä halusin keskittyä nimenomaan Suomeen. En ottanut kartalle myöskään jokia, sillä ne eivät mielestäni olisi lisänneet kartan informaatioarvoa millään tavalla, vaan sen sijaan tehneet siitä sekavan. Valitsin tulvaindeksin luokkarajoiksi luonnolliset rajat, sillä kvantiilirajoilla ylimpään luokkaan ei olisi tullut juuri ollenkaan alueita. Mielestäni neljä luokkaa oli riittävä määrä. (Kuva 3)

Kuva 3. Valmis kartta Suomen valuma-alueista, järvisyydestä ja tulvaindeksistä.
Kuva 3. Valmis kartta Suomen valuma-alueista, järvisyydestä ja tulvaindeksistä.

Kartan punainen väri siis kertoo valuma-alueen tulvaindeksin, joka on suhteellinen luku ilman mittayksikköä. Siniset diagrammipalkit kertovat valuma-alueen järvisyysprosentista, eli järvien suhteesta valuma-alueen pinta-alaan. Kartassa vaarallisimmat tulvaindeksit sijoittuvat länsi- ja etelärannikoille. Keski-Suomen ja Lapin tulvaindeksit ovat hyvin pienet. Järvisyysprosenttia tutkittaessa pienet järvisyysprosentit sijoittuvat myös länsi- ja etelärannikoille. Olisiko näillä jokin yhteys?

Joet virtaavat järviin ja siis varastoivat vetensä niihin. Niillä alueilla, missä järvisyysprosentti on suuri, on suurin osa vedestä järvissä. Veden pinta-alan ollessa iso, veden pinnan korkeus ei muutu herkästi, se ei nouse eikä laske yhtäkkiä. Tällöin, tulva-aikoihin tulvia ei pääse syntymään. Toisaalta, alueilla, joissa järvisyys on pieni, tulvariski on suurempi, sillä järviä ei ole pidättämässä vettä.

Suurien reunamuodostumien vaikutus näkyy selvästi tulvaindeksissä, kun etelässä Salpausselkiä ja lännessä Suomenselkää mukailevat valuma-alueiden rajat. Nämä toimivat suurina vedenjakajina Suomessa. Vedenjakajien rannikon puoleisella selällä tulvariski on huomattavasti suurempi, kuin sisämaan puolella. Tulvaisuuteen liittyy myös muuta. Natalia Erfving huomauttaa: ”Tulvaisimmat alueet näyttävät myös sijoittuvan Suomen rannikkoalueille, mikä selittynee mahdollisesti suuremmilla sademäärillä. ” Toisaalta, Tuomas Lilleberg tekee erinomaisen huomion blogissaan: ”Suurimmat tulvaindeksit ovat kaupunkien, kuten Turun, Vaasan, Oulun ja pääkaupunkiseudun alueella. Kaupungit on yleensä rakennettu rannikoille ja jokien viereen. Se lisää tulvariskiä, koska vettä imevää pinta-alaa ja kasvillisuutta on alueella tällöin vähemmän.”

 

Lähteet:

Lilleberg, T. (2014). 3. kerta: Mapinfoharjoitukset (teemana Afrikka ja Suomen vesistöt). https://blogs.helsinki.fi/tuomasli/2014/01/28/3-kerta-mapinfoharjoitukset-teemana-afrikka-ja-suomen-vesistot/ 31.1.2014

Natalia, E. (2014). Kurssikerta 3 : Tiedon lisääminen tietokantoihin ja valuma-alueteemakartta. https://blogs.helsinki.fi/nataliae/2014/01/28/kurssikerta-3-tiedon-lisaaminen-tietokantoihin-ja-valuma-alueteemakartta/ 31.1.2014

Artikkeli 1: Väriavaruuden käsitys

Anna Leonowiczin artikkelissa käsitellään kahden koropleetin karttaa. Koropleettikartat ovat hyvin yleisiä ja helppolukuisia, mutta kahden koropleetin päällekkäin laittaminen tuo haasteita ja mahdollisuuksia. Kun kaksi koropleettia laitetaan päällekkäin, ne muodostavat uusia värejä ja siten luokkien lukumäärä moninkertaistuu. Esimerkiksi kaksi kolmen luokan koropleettikarttaa päällekkäin laitettaessa muodostavat jo 9 eri luokkaa (3×3=9). En tiennyt, että karttojen taustalla on tällaisia sääntöjä. Osaan artikkelin avulla tästä eteenpäin ajatella teemakarttoja uudella tavalla. Erityisesti värivalinnoilla voi helpottaa karttojen ymmärtämistä. Mielenkiintoisin huomio artikkelissa oli, että 4×4-koropleettikartalla vihreätä väriä ei helposti mielletä sinisen ja keltaisen väliseksi sävyksi, vaan omaksi värikseen, mikä aiheutti tutkittaville hankaluuksia ymmärtää karttaa. (Kuva 1)

 

Kuva 1: Päällekkäisten koropleettien legenda. Lähde: Leonowicz
Kuva 1: Päällekkäisten koropleettien legenda. Lähde: Leonowicz


Artikkelissa esitellyn tutkimuksen mukaan 9 luokkaa on maksimi kahden koropleetin kartalle, sillä muuten siitä tulee liian vaikeasti ymmärrettävä ja luettava.  Kaksi koropleettia halutaan laittaa päällekkäin, sillä niin voidaan tarkastella kuvattujen ilmiöiden välistä suhdetta. Lisäksi, päällekkäisten koropleettien kartalta on tutkimuksen mukaan helpompi tulkita ilmiöiden suhteita, kuin kahdelta erilliseltä kartalta, vaikka sen luettavuus ja ymmärrettävyys ovatkin hieman hankalammat. Kahdella eri kartalla olevien koropleettien vertailu on hankalaa, sillä ihmissilmä saattaa hämätä. Varsinkin jos alueet ovat pieniä ja niitä on paljon. On vaikea pitää mielessä koko ajan jotakin informaatioparia ja verrata niitä toiseen informaatiopariin, puhumattakaan, että pitäisi verrata moneen eri informaatiopariin. Kun koropleetit ovat päällekkäin, ne muodostavat vain yhden värin, jota on helpompi verrata muihin väreihin.

Värivalinnoilla, luokkien lukumäärillä ja graafisella esitystavalla on suuri merkitys ymmärrettävyyden kannalta ja tästä syystä graafista esitystapaa on harkittava tarkkaan. Kun luokkia on monta ja ne liikkuvat ”kaksiulotteisella skaalalla”, on niitä vaikea hahmottaa ensisilmäyksellä kartasta. Hyvin valitulla väriskaalalla voidaan kuitenkin helpottaa tätä paljon. Sävyt tummasta vaaleaan ovat ihmissilmälle helpot ymmärtää. Lisäksi on hyvä käyttää vastavärejä skaalassa. Värivalintaan vaikuttaa myös kuvattavan ilmiön laatu. Kahden värin legendasta on luettavissa sekä näiden kahden kuvattavan ilmiön yksittäiset voimakkuudet ”pinoista” ja ”riveistä”, kuten Ilkka Saarinen  blogissaan kuvasi. Tämän lisäksi, näiden ilmiöiden välinen suhde on kuvattuna legendan avulla. Kahden rasterin kartta on siis kartoissa holismin ydin. Kokonaisuuden ominaisuudet ovat enemmän, kuin osiensa ominaisuuksien summa ja se on tämän karttatyypin idea.

Mikäli haluaa harjoitella ”värilukutaitoa”, San Franciscolainen Tauba Auerbach on tehnyt 3D-väriavaruuden kirjan muodossa. Tutkimalla tätä kuutiota, voi yrittää hahmottaa sen ajatuksiinsa ja hyödyntää sitä värien ajattelutavassa. (Kuva 2)

 

Kuva 2: Tauba Auerbachin RGB Colorspace Atlas
Kuva 2: Tauba Auerbachin RGB Colorspace Atlas

Lähteet:

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

Saarinen, I. (2014). KK2 – teemakarttojen sielunelämän syvempi tarkastelu. 31.1.2014 https://blogs.helsinki.fi/ilkkasaa/2014/01/22/kk2-teemakarttojen-sielunelaman-syvempi-tarkastelu/

Auerbach, T. (2011) RGB Colorspace atlas.  31.1.2014 http://taubaauerbach.com/view.php?id=286&alt=698

Kurssikerta 2

Johdanto

Toisella kurssikerralla harjoittelimme teemakarttojen päällekkäin laittamista. Tämä on erittäin yleinen tapa tuottaa kartta, sillä useita ilmiöitä kuvatessa samaan aikaan, saadaan kartalle aivan uusi ulottuvuus: sillä voidaan kuvata eri ilmiöiden välisiä suhteita. Ensimmäisessä blogimerkinnässäni mainitsin asiasta, mutta tällä kerralla asia oli vasta oikeasti aiheena.

Teemakarttoja on olemassa monenlaisia. Jenni käytti erinomaista menetelmää asioiden nopeaan läpikäymiseen, joten käytän samaa rakennetta itsekin teemakarttojen esittelyyn.

Ranges

Ranges-teemakartalla ilmiö jaetaan luokkiin, annetaan luokille värit tai rasterit ja sen jälkeen alueet muuttuvat ilmiön voimakkuuden mukaan vastaavan luokan väriseksi. Esimerkiksi kurssikerta 1:n karttani oli tällainen kartta. Ranges-karttaa voidaan käyttää moneen eri käyttötarkoitukseen.

Pylväsdiagrammikartta

Pylväsdiagrammikartta tarkoittaa karttaa, jossa kartalle on sijoitettu pylväsdiagrammeja niille alueille, joiden ilmiöitä pylväsdiagrammit kuvaavat. Pylväsdiagrammi on havainnollistava ilmiön jakauman kuvaamiseen. Esimerkiksi kuukausittaisia sademääriä kuvataan usein pylväsdiagrammeilla.

Ympyrädiagrammikartta

Ympyrädiagrammikartta on samanlainen kuin edeltävä kartta, mutta pylväsdiagrammien sijaan kartalle on sijoitettuna ympyrädiagrammeja. Tämä kartta on hyvä kuvaamaan tietyn ilmiön prosenttiosuuksia alueellisesti. Esimerkiksi väestön ikäjakaumaa, tai teollisuuden sektoreiden suhteita voitaisiin kuvata ympyrädiagrammikartalla.

Graduated-teemakartta

Graduated-teemakartta tarkoittaa karttaa, jossa alueille on sijoitettu symboleita. Yhden ilmiön kuvaamiseen käytetään yhtä symbolia, mutta ideana on, että symbolin koko vaihtelee suhteessa ilmiön vaihteluun. Myös viivamuotoisia ilmiöitä voidaan esittää tällä tavalla, esimerkiksi muuttoliikettä tai pendelöintiä. Tämä karttatyyppi on parhaimmillaan, kun se tukee jotakin toista karttatyyppiä.

Pistekartta

Pistekartta on kartta, joka kuvaa ilmiön voimakkuutta alueella. Mitä enemmän pisteitä alueen sisällä on, sitä voimakkaampi ilmiö on. Pisteet jakautuvat alueen sisällä satunnaisesti, joten valitettavasti pisteiden jakautumista alueen sisällä ei voida hyödyntää karttaa tulkittaessa. Tässäkin kartassa symbolien/pisteiden koolla pystytään ilmaisemaan ilmiön voimakkuutta. Mikäli esimerkiksi alueen asukaslukua halutaan esittää, on hyvä käyttää pientä pistettä alueille, jossa ei ole paljoa asukkaita, ja suurta pistettä esimerkiksi kaupungeille.

Individual

Käytetään laadullisten ilmiöiden kuvaukseen. Jokaiselle eri laadulliselle tiedolle annetaan oma väri tai symboli ja ne näytetään kartalla. Alueet ovat siis eri väriset ja väreistä saa nopeasti kuvan siitä, kuinka monta eri luokkaa aineistossa on, sekä miten ne jakautuvat kartalle.

Grid-kartta

Grid-kartta kuvaa ilmiötä liukuvalla väriskaalalla. Täten alueiden rajat jäävät hämärämmiksi, mutta alueiden yli ulottuvat voimat tulevat esiin. Esimerkiksi ilman lämpötilaa voidaan esittää grid-kartalla.

Prismaattinen- ja 3D-kartta

Prismaattinen kartta kuvaa ilmiön voimakkuutta kolmiulotteisesti. Mitä korkeammalla paikka on kartan tasopintaan verrattuna, sitä voimakkaampi on ilmiön vaikutus alueella. 3D-kartta on taas kolmiulotteinen mallinnus grid-kartasta.

Päällekkäiset teemat

Lähdin aluksi tekemään kahden teeman kartta ilman erityistä määränpäätä. Valitsin pienen alueen suomesta, johon laitoin pari teemaa ja katsoin miltä se näyttää. Ajattelin, että niin tekemällä saa hyvän kuvan siitä, mitä tässä harjoituksessa kannattaa edes lähteä tekemään näillä aineistoilla. Valitsin alueen Länsi-Suomen rannikolta. Ajattelin tutkia väestön rakennetta suhteessa työssäkäyvien määrään, joten tein väestön rakenteesta pylväsdiagrammikartan ja lisäsin siihen koropleettikartan alle kuvaamaan työssäkäyvien osuutta väestöstä. (Kuva 1) Havaitsin, että näitä kahta ilmiötä on hankala verrata keskenään, kuten Merikin ilmaisi blogissaan: ” Työttömät kun kuuluvat yleensä juurikin työikäisten luokkaan, joten työttömyysasteeseen ei vauvojen ja vaarien osuus vaikuta.” Tämän lisäksi, pylväsdiagrammeissa esiintyvät erot näyttivät kartalla niin pieniltä, että niitä oli hyvin vaikea tulkita.

Kuva 1: Harjoituskartta päällekkäisten teemojen käytöstä Länsi-Suomen rannikolta.
Kuva 1: Harjoituskartta päällekkäisten teemojen käytöstä Länsi-Suomen rannikolta.

Tämä kartta oli kuitenkin vain harjoitusveto. Suunnittelin seuraavan kartan tarkemmin. Päätin, että haluan painottaa tulkinnan paljon pienemmälle alueelle, lähinnä yhden painopisteelle.

Teemakartan teko

Valitsin kunnaksi Lahden. Lisäksi otin kartalle Lahden ympäryskuntia, sillä halusin tarkastella Lahden vaikutusta sen ympäryskuntiin. Lahden kaupunki on kuitenkin melko suuri keskus lähiympäristössään. (kuva 2)

Kuva 2: Kartan tekoa Lahden ja sen ympäryskuntien väestön muutoksesta.
Kuva 2: Kartan tekoa Lahden ja sen ympäryskuntien väestön muutoksesta.

Otin näkökulmaksi väkiluvun muutoksen ja siihen liittyvät tekijät, eli muuttoliikkeen ja luonnollisen väestönmuutoksen vuodessa. Valitsin kolme teemaa, sillä rajaamani alue oli melko pieni. Kartan selkeys ei tipu, mikäli teemoja käyttää oikein. Lisäksi, kartta tuottaa paljon mielenkiintoisempaa tietoa, mikäli tarkastellaan näitä kaikkia kolmea asiaa. Tein alustavan kartan niin, että laitoin päällekkäin kaksi koropleettikarttaa. Värillä kuvattu ilmiö on kuntien välinen nettomuutto ja rasterilla on kuvattu luonnollinen väestönlisäys. Lisäksi käytin graduated-teemaa kunnan asukasmäärän kokonaismuutoksen kuvaamiseen. Kartalla punainen väri kertoo väestön lisäyksestä ja sininen vähenemisestä. Lisäksi harva rasteri kuvaa sitä, että väestö vähenee, kun taas tiheä rasteri kuvaa väestön lisäystä. Valitsin graduated-teeman symbolit myös kuvaamaan ilmiötään mahdollisimman selkeästi, ylöspäin oleva kolmio kertoo asukasmäärän kasvusta ja alaspäin oleva kolmio kertoo vähenemisestä. En ollut kuitenkaan tyytyväinen luokitukseen, sillä tällä skaalauksella esimerkiksi Asikkalan kolmiosta ei saa selvää, kummin päin se on. Jouduin muuttamaan skaalauksen paljon pienemmäksi ja tästä johtuen Lahden väestönkasvu näyttää suhteessa paljon pienemmältä, kuin mitä se oikeasti on. Lisäksi huomasin, että MapInfo ei tee automaattisesti toisiaan poissulkevia luokkarajoja, joten muutin nekin.

Molemmissa rasteriteemoissa on kolme luokkaa, mutta niitä yhdistellessä voi tulla jopa 9 luokkaa. Tämän takia nämä luokkamäärät ovat enimmäismäärä, mitä kannattaa käyttää mielestäni. Luokkien rajat ovat itse suunnittelemani. Aineiston ääriärvot ovat ylimmän luokan maksimit ja alimman luokan minimit. Lisäksi keskimmäiset luokat ovat rasteriteemoissa nollan eri puolilla. Täten, mikäli alue tippuisi väliin, jossa toiselta kantilta väestöä tulee lisää, mutta toiselta kantilta väestö vähenee, kertoo kunnan kokonaismuutos sen, kumpi on isompi. Tämä kertoisi mielenkiintoisia asioita kunnan tilanteesta. (Kuva 3) Lopuksi lisäsin legendan, pohjoisnuolen, mittakaavan, otsikon ja koordinaatit.

Kuva 3: Valmis kartta Lahden ja sen lähikuntien väestön määrän muutoksesta ja siihen vaikuttavista tekijöistä.
Kuva 3: Valmis kartta Lahden ja sen lähikuntien väestön määrän muutoksesta ja siihen vaikuttavista tekijöistä.

Analyysi

Kun keskittyy pelkästään kuntien väliseen nettomuuttoon, huomaa, että Lahden länsipuolisista kunnista muuttaa väkeä pois muuttotappiolle saakka ja itäpuolisiin kuntiin muuttaa väkeä enemmän sisään. Lisäksi Lahti on reilusti muuttovoitolla. Se on ainoa kunta, joka on ylimmässä luokassa.

Luonnollisen väestönlisäyksen kannalta tilanne on hieman erilainen. Lahti, Nastola ja Hollola ovat ylimmässä luokassa luonnollisen väestönlisäyksen kannalta. Silti, vuosittainen kasvuvauhti ei ole tällä tavoin kovin suuri. Hämeenkoski, Kärkölä ja Orimattila kärsivät kaikki pienestä luonnollisesta väestön vähenemisestä. Pahin tilanne on kuitenkin Asikkalassa, Heinolassa ja Iitissä. Luonnollinen väestön väheneminen on yleinen ongelma koko Suomessa ja johtuu suurten ikäluokkien vanhenemisesta. Ihmisiä kuolee enemmän joka vuosi ja sen lisäksi ikäluokka, joka on hedelmällisessä iässä, pienenee.

Asukasmäärän vuosittainen kokonaismuutos on näiden jälkeen erittäin mielenkiintoinen asia. Lahti alueen keskuksena kasvoi 734 ihmistä tuona vuonna, mutta se näyttää kartalla samalta, kuin Hollolan väestönmuutos. Lahden itäpuolen kunnat näyttävät laskevaa kokonaismuutoksen trendiä, kun taas länsipuolen kunnat näyttävät kasvavan. Mielenkiintoisimpia ovat Kärkölä, Hämeenkoski ja Asikkala, joiden luonnollinen väestönlisäys on negatiivinen, mutta väestömäärä kasvaa silti. Tämä selittyy nettomuutolla. Kuntiin siis muuttaa sisään ihmisiä enemmän, kuin sieltä häviää luonnollisesti. Se tarkoittanee, että nämä kunnat tekevät jotain oikein.

Lahden itäpuolen kuntien tilanne näyttää huolestuttavalta. Vaikka Nastolassa luonnollinen väestönmuutos on parhaassa luokassa, sieltä muutetaan pois niin tehokkaasti, että alaspäin näyttävä kolmio on suuri.

Lopputulos

Kartan luokkajako on mielestäni onnistunut muuten, paitsi kolmioiden koiden puolesta. Skaalaus olisi pitänyt tehdä eksponentiaaliseen asteikkoon, jolloin suuret luvut eivät olisi kasvaneet niin suuriksi ja pienimpiä kolmioita olisi voitu suurentaa. Lisäksi huomasin, että MapInfo tekee englanniksi sekä luokat, että pojoisnuolen. Tulen kiinnittämään näihin tästä eteenpäin huomiota.

Lahti on alueensa kasvukeskus ja näyttää vetävän kasvavaa trendiä. Sen itäpuolen kuntien asukasluvut vähenevät ja läntisten kuntien asukasluvut ovat kasvussa, toistaiseksi. Vaikuttaa siltä , että kaikki Lahden lähikunnat Hollolaa lukuun ottamatta tulevat olemaan hankaluuksissa lähitulevaisuudessa sekä työpaikkojen, että sosiaalihuollon suhteen.

 

Lähteet:

Meri Korhonen (2014). Toinen oppitunti: lisää informaatiota kartalle. https://blogs.helsinki.fi/mtpkorho/2014/01/22/toinen-oppitunti-lisaa-informaatiota-kartalle/ 28.1.2014

Jenni Lintunen (2014) Kurssikerta 2: Päällekkäiset teemakartat. https://blogs.helsinki.fi/jenlintu/2014/01/26/kurssikerta-2-paallekkaiset-teemakartat/ 28.1.2014

1. Kurssikerta

Perustin tämän blogin paikkatiedon hankinta, analyysi ja kartografia-kurssia varten. Aiheena on kurssilla tehdyt työt, ajatukset töistä ja oman oppimisen seuranta. Kurssilla käytetään ohjelmana MapInfo-nimistä paikkatieto-ohjelmaa.

Ensimmäisellä kurssikerralla harjoiteltiin MapInfo-ohjelman käyttöä. Saimme alustuksen opettajalta ja kirjalliset ohjeet kerralla tehtävistä tehtävistä. Niihin kuului ohjelman perustoimintojen harjoittelua ja histogrammin luominen verkkotyökalulla. Harjoittelin vaiheittain koropleettikartan luomisen valmiista aineistosta. Valitsin tietokannasta tarkasteltavaksi aiheeksi kaupunginosien väkiluvut. Kopioin väkilukutiedot ja syötin ne verkkotyökaluun saadakseni niistä histogrammin (Kuva 1).

Histogrammin jakauma on melko epämääräinen, joten valitsin luokitukseksi karttaa varten kvintiililuokituksen viidellä luokalla. Valitsemallani väriteemalla viisi luokkaa erottuvat vielä hyvin ja karttaan saa laitettua melko yksityiskohtaista tietoa (Kuva 2).

 

Histogrammi Helsingin väkiluvun jakaantumisesta

Kuva 1: Histogrammi Helsingin asukasluvuista

Kuva 2: Helsingin väestön jakautuminen

Valitsin aineiston luokittelutavaksi kvartiilivälit sillä aineisto on epämääräisesti jakautunut. Aineisto jakautui viiteen luokkaan niin, että pienempien arvojen luokissa on osumia enemmän kuin suurten arvojen luokissa. Tulokset näyttävät jopa siltä, että isompien arvojen luokkia kohti mentäessä, luokassa olevien kuntien määrä laskee eksponentiaalisesti.

Kartassa olevat viisi luokkaa erottuvat hyvin toisistaan, mutta kaikkein suurinta luokkaa on vain yksi, joten se ei erotu kovin hyvin. Tässä tapauksessa pitäisi harkita ehkä uudelleen luokkajakoa. Toisaalta, tässä jaossa erottuu hyvin se, että kaupunginosia, joissa ihmisiä asuu todella paljon, ei ole loppujen lopuksi montaa. Jos kvartiilijaon olisi tehnyt kaupunginosien kokonaismäärän mukaan, olisi ylin luokka ollut vaihtelevuudeltaan huomattavasti suurin ja siten antanut mahdollisesti vääristyneen kuvan asutuksen jakautumisesta.
Kartta jakautuu niin, että Helsingin keskustasta lähtevät sektorit luoteeseen ja koilliseen, joiden sisällä on paljon asutusta. Lisäksi idässä Kontulan ympäristössä on luode-kaakko-suuntainen linja, jolla on paljon asutusta. Näillä alueilla julkiset liikenneyhteydet ovat hyvät; niille menee joko juna tai metro. Muun muassa tämä selittää asutuksen jakautumista. Kaupunginosat, joissa on eniten asukkaita omaavat myös lähiötyylisen luonteen. Näillä alueilla asunnot ovat keskimäärin halvempia ja jo suuren asukasluvun omaus takaa sen, että myös maahanmuuttajia on absoluuttisesti enemmän, kuin alueilla, joissa väkiluku on pienempi. Kuitenkin, eri karttojen vertailu on hyvin tärkeää johtopäätösten tekemiseen, syy-seuraussuhteiden selvittämiseen ja hyödyllisen informaation saamiseen. Kuten Antti Kinnunen blogissaan yksittäisen kartan tuskallisesta riittämättömyydestä toteaa: ”…Helsinkiin liitetyltä vauraalta entisen Sipoon alueelta ei pahemmin ulkomaan kansalaisia löydy. Tietty karttaa tulkittaessa on huomattava, että kyseessä ovat absoluuttiset, eivät suhteelliset lukuarvot ja näin ollen joidenkin alueiden ulkomaalaisten vähäinen määrä voidaan selittää ylipäätään alhaisella väestöntiheydellä.” Tähän lisäisin vielä oman karttani näkökulman, ettei pelkästään väestöntiheys, vaan myös absoluuttinen väkiluku kaupunginosassa vaikuttaa maahanmuuttajien määrään.

 

Lähteet:

Histogrammityökalu, http://illuminations.nctm.org/Activity.aspx?id=4152