Kuten aika varmasti muidenkin blogeista selviää, sisälsi tämäkin kiihkeä kurssikerta runollista yhteiseloa rakkaan MapInfon kanssa. Nyt viimeisellä kurssikerralla oli tavoitteena tuottaa itse jostain varastetuilla paikkatietoaineistoilla tai sen tapaisilla pari karttaa. Tästä kerrasta tulikin sitten mielenkiintoinen loppu tälle seikkailulle.

Kurssikerta alkoikin vahvasti jo edellisenä iltana töiden ohessa paikkatietoaineistoja etsiessä. Uskoin olevani varsin uniikki lumihiutale ja vannoin pysyväni erossa edellisten kurssikertojen aineistoista tai ihan lähialueista. Ongelmaa tuotti jo ensimmäisessä kartassa aineiston valinnan vaikeus. Erilaisilla Free GIS dataa jakavilla sivuilla latasin todennäköisesti muutaman troijalaisen vääränlaisten tietokantojen lisäksi. Ongelmaa tuotti myös sivujen rakenteet. Kuten Emma Piela (2017) omassa blogissaan toteaa, oli aineistoja vaikea löytää sivuilta. Ilmeisesti monista paikkatietoa sisältävistä sivuista on tarkoituksella yritetty tehdä yhtä monimutkaisia kuin kaksikaistaisista liikenneympyröistä. Aloittelijalle tai ensikertalaiselle mahdottomia, mutta kokeneemmalle vain mutkia muiden joukossa, allekirjoittanut ensimmäisenä mainittujen joukossa.

Keniaan liittyviä aineistoja etsiessä nousi monenlaisia ongelmia. Monilla sivuilla ei ollut yritettykään määritellä minkälaisissa tiedostomuodoissa saapuvat tietokannat oikein ilmestyvät, jolloin työpaikan erittäin vauhdikkaalla WLAN:illa niitä ladatessa odotti aina yllätys kun tiedostot lopulta saapuivat. Kenialaiset tietokantojen pakkaajat myös ilmeisesti tykkäävät laittaa swahilin ja englannin kielisiä paikannimiä keskenään sekaisin, mikä vaikeutti eri tietokantojen yhteiskäyttöä ennen tarkkaan harkittuja korjausoperaatioita.

Kun lopulta onnistuin löytämään mielenkiintoisia paikkatietoaineistoja, oli ongelmana hallinnollisten aluejakojen muuttuminen, mikä esti tietynlaisten vanhempien tietokantojen käytön. Pidän myös mielenkiintoisena tietokantoja, missä kuvataan pistemäisiä kohteita ilman minkäänlaisia sijaintitietoja. Ehkä en vain ymmärrä, mutta ainakin niiden hyödyllisyys paikkatietoaineistossa vaikutti varsin rajatulta. Ehkä joku niillekin on keksinyt jotain käyttöä.

Kuten aikaisemmin mainitsin, ongelmaa tuotti etenkin valinnan vaikeus. Mistä tehdä kartta? Miten ottaa mukaan monipuolisesti eri toimintatapoja kuten puskurointia tai geokoodausta? Jälkimmäiseen en keksinyt varsin pitkällisen pohdiskelunkaan jälkeen täydellistä vastausta. MapInfon taustalla vaikuttaa olevan niin paljon vapauttamattomia mahdollisuuksia, mutta omien taitojen ollessa mitä on, ei merkittävien riskien ottaminen vaikuta järkevältä, etenkin jos kurssin työt on tarkoitus saada jonkin aikataulun mukaan valmiiksi.

Kuva 1. Köyhyysrajan (1,25$/pv) alla elävien osuus vuonna 2005  ja HIV/AIDS:sia sairastavien osuus koko väestöstä 2014  piirikunnittain (Kenya Open Data 2017).

Sain ensimmäiseksi tehtyä kahden muuttujan koropleettikartan (kuva 1), jossa toinen tutkittava asia on merkitty erilaisilla rasteriviivoilla. Valmiista kartasta tuli ainakin sen luojan mielestä jopa yllättävän visuaalisesti miellyttävä ja luettavuudeltaankin varsin hyvä. Muokkasin MapInfon valmiiksi tarjoamaa viivoitusta ja ruudukointia paremmin ainakin omaan silmään sopiviksi. Tutkimuskohteista köyhyys onnistui luokittelultaan varsin hyvin, mutta HIV/AIDS jäi hieman heikommaksi, toisiksi ylimmän luokan kattaessa varsin merkittävän osan koko tutkimuskohteen vaihteluvälistä. Samanlainen ongelma vaikutti esiintyvän luonnollisen luokkajaon kanssa muillakin (Saloniemi 2017). Lopuksi halusin kerrata myös pistemäisten kohteiden esitystä kartalla ja löysin sopivan sijaintitiedot sisältävän aineiston, jotta pääsin lisäämään merkittäviä kaupunkeja kartalla informaatioarvon kasvattamiseksi (ja todennäköisesti lukijan hämäämiseksi).

Varsinaista yhteyttä kahden tutkittavan eri ilmiön välillä ei voida havaita. Yleisesti Keniasta huomataan sen reuna-alueiden olevan varsin köyhää ja keskeisempien alueiden olevan paremmin toimeentulevia. Tämä on varsin tyypillistä entisille siirtomaille, sillä entisten isämaiden aloittama kehitys, missä keskitytään vain keskeisten alueiden infrastruktuurin parantamiseen on monin paikoin jatkunut itsenäistymisen jälkeen. Tutkin myös taustoja kehityksen keskittymisestä juuri sinne missä se on. Maankäyttöä tutkiessani huomasin, että maan keski- ja länsiosissa olevan asutuskeskittymän ympäristö on varsin maanviljelyvaltaista, kun taas pääosin köyhemmät ja syrjäisemmät alueet ovat suurimmalta osin kuivempaa laidunnusmaata (ESDAC 1983). Syy tälle löytyi varsin nopeasti, tutkittaessa alueen ilmastoa ja etenkin sademääriä. Maanviljelyalueiden sijainnit ovat varsin lähekkäin sateisimpien alueiden kanssa (EUMETSAT 2014).  Periaatteessa kartalta voidaan siis vetää yhteys sademäärän ja köyhyyden välillä, mutta varmoihin johtopäätöksiin ilmiötä kuuluisi tutkia tarkemmin.

Kuva 2. Väestötiheys vuodelta 2009 ja koulun aloittavien määrä suhteessa opettajiin piirikunnittain vuodelta 2014 (Kenya Open Data 2017)

Toista karttaa tehdessäni ongelmaksi muodostui taas se, että halusin karttojen olevan jollain tavalla erilaisia. Tarkoituksena oli myös keksiä kaksi aihetta, joilla oikeasti voisi olla yhteys. Kenya Open Data oli muuten varsin toimiva sivusto aineiston hakuun, mutta hakutoimintojen vajanaisuus ja tiedostojen latauksien vaikeudet häiritsivät. Tätä karttaa tehdessäni palvelimet päättivät kuitenkin toimia, jotta sain tietokannat ladattua suoraan ilman kopiointia Wordin ja Excelin kautta. Lopulta löysin tutkittaviksi kohteiksi väestötiheyden ja koulun oppilas/opettaja suhteen. Lopputuloksena syntyi koropleetti- ja prismaattisen kartan yhdistelmä (kuva 2). Olin kurssin aikana kokeillut muutaman kerran tehdä prismaattisia karttoja, mutta niistä oli tullut pääasiassa luettavuudeltaan varsin huonoja, joten olin positiivisesti yllättynyt lopputuloksesta. En varsin nopealla aikataululla keksinyt, miten prismaattiseen karttaan saa MapInfossa legendan tehtyä, joten väsäsin sen osittain taas Paintilla. En myöskään löytänyt valmista esimerkkiä miten kolmiulotteisen kartan eroja tulisi kuvata legendassa, joten tein oman ratkaisuni erikoisesta nuolesta. Tietoinen valinta oli myös jättää mittakaava ja pohjoisnuoli pois, sillä en uskonut matemaattisen laskentakykyni riittävän niiden oikeiden mittasuhtien ja suuntien säätämiseen.

Yllätys yllätys kahden tutkittavan kohteen välillä on havaittavissa varsin selkeä yhteys. Ero opettajien määrässä oppilaisiin on eri alueilla varsin huomattava. Pienen väestötiheyden omaavat alueet kohoavat muusta kartasta merkittävästi. Pidin mielenkiintoisena sitä, että Suomessa ilmiö on todennäköisesti päinvastainen, jolloin oppilaiden vähyys pienentää opetusluokkien kokoja maaseudulla. Kenian tilanteen uskon pääasiassa johtuvan siitä, opettajakoulutusta järjestetään pääasiassa väestötiheydeltään tiiviimmillä alueilla, jolloin myös opettajat keskittyvät kaupunkeihin. Syrjäseudut tuskin houkuttelevat koulutetumpaa opettajaväestöä kovinkaan hyvin. Reuna-alueet ovat myös köyhempiä, mikä voi vaikuttaa palkattujen opettajien määrään.

Näin viimeisten karttojen valmistuttua jäi ainakin minulle mielenkiintoisimmaksi karttatyyliksi neljännellä kurssikerralla tehdyt grid kartat. Alkuperäinen suunnitelmani olikin tehdä Keniasta tälläinen ruudukkokartta, missä lasketaan pistemäisten kylien määrä per ruudukko. Aineiston epäsopivuuden takia päädyin kuitenkin nykyisiin karttoihini. Myös tietokantojen kanssa pyöriessäni, olisin voinut käyttää enemmän SQL-select toimintoa. Se on jostain syystä jäänyt minulle vähän vieraammaksi, ja olen yhdistellyt tietokantoja eri keinoin. SQL-selectin kunnollinen opettelu ja käyttö olisi kuitenkin voinut nopeuttaa tekemistä huomattavasti.

Uskon MapInfon antavan hyvän pohjan tuleviin paikkatieto-opintoihin. Tämänhetkisen tilanteen perusteella pidän omaa MapInfo osaamistani tyydyttävänä. Esimerkiksi tietokantojen käsittely tuntuu sujuvan jo varsin hyvin rutiinilla. Vaikeuksia on enemmän erikoisempien toimintojen kanssa. Esimerkiksi uuden pohjakartan rekisteröintitaidoistani en ole todellakaan varma. ”Vaikka ohjelman kanssa tulikin kurssin aikana taiteiltua useita tunteja, oli etenemisvauhti paikoin nopeahko” (Lehto 2017). Uskon juuri tämän nopean etenemisen olevan se ongelma miksi osa asioista on vaikeita, sillä tekemisestä ei saa rutiininomaista ilman runsasta kertausta. Ohjelma on vieläkin varsin kankea, mutta onneksi tällä kurssikerralla yhteistyö sujui varsin hyvin, joten tähän on hyvä lopettaa. Nyt tämäkin on vain päivä elämää.

Kiitos Artulle ja kurssitovereille!

 

 

Lähteet:

ESDAC (1983). Land use map of Kenya. <http://esdac.jrc.ec.europa.eu/content/land-use-map-kenya> Luettu 7.3.2017

EUMETSAT (2014). Identifying a sea breeze along the Kenyan coast. <http://www.eumetsat.int/website/home/Images/ImageLibrary/DAT_2172911.html> Luettu 7.3.2017

Kenya Open Data (2017). County HIV Profiles 2014. 19.1.2017 <http://www.opendata.go.ke/datasets/county-hiv-profiles-2014> Luettu 1.3.2017

Kenya Open Data (2017).  County Population Density-2009. 19.1.2017 <http://www.opendata.go.ke/datasets/county-population-density-2009> Luettu 7.3.2017

Kenya Open Data (2017). County Poverty Rates 2005_6. 3.2.2017 <http://www.opendata.go.ke/datasets/county-poverty-rates-2005_6> Luettu 1.3.2017

Kenya Open Data (2017). County Pupil Teacher Ratios 27.2.2017 <http://www.opendata.go.ke/datasets/county-pupil-teacher-ratios> Luettu 7.3.2017

Lehto, V(2017).  Kurssikerta 7: Go raibh maith agat! 6.3.2017 <https://blogs.helsinki.fi/valttele/2017/03/06/kurssikerta-7-go-raibh-maith-agat/> Luettu 9.3.2017

Piela, E (2017). VK07: Viimeinen kerta.  6.3.2017 <https://blogs.helsinki.fi/emmapiel/2017/03/06/vko7-viimeinen-kerta/> Luettu 9.3.2017

Saloniemi, R (2017). Viikko 7: Finito! 2.3.2017 <https://blogs.helsinki.fi/saresare/2017/03/02/viikko-7-finito/> Luettu 9.3.2017

WRI (2017). Major towns in Kenya. <http://www.wri.org/resources/data-sets/kenya-gis-data> Luettu 1.3.2017