Month: February 2017

No niin, tässä sitä taas ollaan, uuden karttatehtävän parissa. Tällä kertaa jatkettiin siitä mihin edellisellä kerralla jäätiin, eli tehtiin teemakartta MapInfon avulla. Ennen kartan tekoa käytiin tietenkin läpi teoriaa. Aiheena oli kahden päällekkäisen teeman käyttö. Tällaisissa kartoissa pohjalla on yleensä koropleettikartta, jonka päällä on eri kokoisia pylväsdiagrammeja, ympyrädiagrammeja, pisteitä tai symboleja. Koropleetit nähdään ”selittävänä” tekijänä, ja diagrammit, pisteet tai symbolit kuvaavat selitettäviä ilmiöitä kuten tiheyksiä tai väestölukuja. On myös mahdollista luoda kartta jossa on kaksi päällekkäistä koropleettia, jossa esim. yhdet koropleetit ovat värillisiä ja toiset ovat kuvioita, jolloin niitä on mahdollista tarkastella samaan aikaan.

Päätin tehdä ympyrädiagrammikartan jostain Suomen maakunnasta. Halusin rajata alueen johonkin tiettyyn maakuntaan, sillä kahden päällekkäisen teeman tarkastelu koko Suomen alueelta tuntui hankalasti tulkittavalta kuntien (ja pallodiagrammien) valtavan määrän vuoksi. Teeman päättäminen olikin sitten todella hankalaa tällä kertaa, enkä meinannut millään keksiä teemaa joka olisi kekseliäs ja mielenkiintoinen ja joka myös tuottaisi sellaisen teemakartan josta olisi mahdollista tehdä visuaalisesti tulkintoja ja johtopäätöksiä. Lopulta tein kartan jossa verrataan avioliittojen ja avioerojen suhdetta kuntien väestön ikään Pohjois-Pohjanmaalla. Koropleetit kuvaavat yli 65-vuotiaiden osuutta, joissa tummempi väri tarkoittaa suurempaa osuutta. Koropleettien päällä olevat piirakkadiagrammit taas kuvaavat avioliittojen ja avioerojen suhdetta, jossa vihreä väri kuvastaa avioliittoja ja punainen avioeroja. Piirakan koko viittaa lisäksi avioliittojen ja avioerojen yhteismäärään. Voilà!

Ideana oli katsoa josko avioerojen määrä on suurempi kunnissa jossa on suhteessa paljon ikääntynyttä väestöä, kuten äkkiä voisi kuvitella. Tai näin ainakin itse olettaisin. Mitä tältä kartalta voi päätellä? No eipä paljoakaan, ei ainakaan mitään suoria johtopäätöksiä. Joitain merkkejä korrelaatiosta kartalla toki on – kunnat joissa on eniten avioeroja, eli joissa punainen piirakkapala on suurimmillaan, kuuluvat pääosin kahteen ylimpään koropleettiryhmään. Samalla niissä kunnissa jossa vihreä palanen on suurimmillaan on usein melko vähän yli 65-vuotiaita. Mutta merkittäviä poikkeuksiakin löytyy molemmin päin – esim. Utajävi kuuluu toiseksi vanhimpaan ryhmään, vaikka siellä on suhteessa vähiten avioeroja koko maakunnassa.

Kuntien välillä on ylipäätään aika pienet erot, ja useimmissa kunnissa avioliittoja on n. kaksin-kolminkertainen määrä avioeroihin verrattuna. Yksittäisenä kummajaisena mainittakoon Kärsämäki, jossa eroja näyttäisi olevan reilusti liittoja enemmän! Mitä ihmettä siellä oikein tapahtuu?!

Asia selviää kun tarkastellaan lukuja – avioliittoja on Kärsämäellä solmittu kyseisenä vuotena vain 1, ja eroja on tullut 2. Kyseessä onkin lähinnä pienen otannan aiheuttama tilasto-oikku, sattuma. Tämä onkin ehkä mielenkiintoisin asia jonka opin tämän kartan avulla – että on mahdollista, että joissain kunnissa on solmittu kokonaisena vuotena vain yksi avioliitto. Tämä toimi myös muistutuksena siitä, että itse lukuja kannattaa aina vilkaista sen sijaan että tuijottaisi vain diagrammeja. Tapausten vähyyden vuoksi ei yksittäisten kuntien välisten erojen tarkkailu johda luotettaviin havaintoihin, kuten Kristiina Koivu toteaa omassa blogikirjoituksessaan, jossa hän tutkii Uudenmaan kuntien syöpäindeksejä (Koivu 2017).

Kartalta on hankalasti luettavissa avioliittojen- ja erojen määrä, varsinkin kun pallon koko viittaa aina liittojen ja erojen yhteismäärään. Siksi kartta ei sovellu esim. pelkkien avioliittojen määrien vertailuun. Lisäksi legendan esimerkkipallukat ovat 1500, 750 ja 150 tapaukselle. Tämä ei auta lukijaa kovinkaan paljon silloin kun tapauksia on yhteensä 3, kuten Kärsämäellä. Määrien hankala luettavuus ei kuitenkaan mielestäni ole tässä tapauksessa kovinkaan suuri ongelma, sillä tarkastelussa on nimenomaan avioliittojen ja -erojen keskinäinen suhde, jolloin varsinaiset määrät ovat toissijaisia.

Värimaailma on mielestäni oikein onnistunut. Vaaleanpunaisesta tummanliilaan kulkeva koropleettiskaala on selkeä, ja kaikki koropleettiryhmät erottuvat tarpeeksi hyvin toisistaan. Pallodiagrammien värit ovat sinällään selkeät, joskin jälkikäteen kuulin hyvän syyn sille miksi puna-viherskaalaa pitäisi välttää: värisokeat eivät erota niitä. Tämä asia pitää muistaa tulevaisuudessa. Ongelmana on myös että kartan nimet ja viivat siirtyivät hieman kun muunsin kuvan kokoa, jonka vuoksi osa nimistä on hankalasti luettavissa. Niin, ja mittakaava ja pohjoisnuoli unohtuivat. Noh, parempi onni ensi kerralla!

 

Lähteet

Koivu, Kristiina (2017). Toinen kurssikerta ja harjoitustyöt. (27.1.2017). https://blogs.helsinki.fi/koivukri/ Luettu 16.2.2017

Hei vaan kaikille, ja tervetuloa blogini ihmeelliseen maailmaan. Sinähän olet mitä todennäköisimmin joku kurssikavereistani, mutta mikäli oletkin joku eksyksissä oleva ulkopuolinen, niin kerrottakoon että tämä blogi on käytännössä julkinen oppimispäiväkirja Helsingin yliopiston Paikkatiedon hankinta, analyysi ja kartografia –kurssille. Olet joka tapauksessa tervetullut.

Kurssin alkajaisiksi opeteltiin paikkatiedon peruskäsitteitä sekä MapInfo-paikkatieto-ohjelman käyttöä. Ja päästiinpä jopa ensimmäisen oman, tosin vielä kovin yksinkertaisen, teemakartan tekemiseen.

Itselleni entuudestaan tuntematon MapInfo ei ole aloittelevalle käyttäjälle ihan helpoimmasta päästä. Paikkatieto-ohjelman pyörittämiseen tarvitaan monta eri tiedostoa eri tiedostomuotoineen, ja tässä vaiheessa tuottaisi itselleni melkoisia hankaluuksia selittää esim. mikä on ”Workspace” (.wor) tai ”Table” (.tab). Nämä asiat epäilemättä selkiytyvät kurssin mittaan. Rasteri- ja vektoridatan ero on tuttu aiemmilta kursseilta, ja paikkatiedon perusperiaate vaikutti pääosin aika selkeältä.

Saimme materiaaliksi kartan Suomen kunnista ja niihin liittyviä perustietoja. Päätin luoda ensimmäiseksi työkseni koropleettikartan eri kuntien ruotsinkielisten osuudesta. Aloitin koko Suomen tasolta, joka kuitenkin osoittautui karttana aika mitäänsanomattomaksi, sillä materiaali oli hyvin vinoutunut – suuressa osassa maata kun ei asu käytännössä lainkaan ruotsinkielisiä. Tämän oli myös Suvi Huovelin pannut merkille omassa blogikirjoituksessaan; ”Kuten kartaltakin näkyy, ruotsinkieliset keskittyvät hyvin vahvasti tietyille seuduille ja tiettyihin kunttiin (sic). Toisaalta hyvin suuressa osassa Suomea ruotsinkielisiä on alle 2 prosenttia asukkaista” (Huovelin 2011). Sain selville miten aineistoa voidaan karsia, jonka avulla voidaan tarkastella koko Suomen sijasta esim. pelkästään yhtä maakuntaa. Päätin ottaa tarkasteluun Uudenmaan maakunnan, jossa tiesin ruotsinkielisten olevan tasaisemmin jakaantuneita. Tämä osoittautui histogrammia pällisteltyäni oikeaksi ratkaisuksi (histogrammia en valitettavasti älynnyt tallentaa). Uudellamaallakin on toki kuntia joissa ei käytännössä asu lainkaan ruotsinkielisiä, mutta suuressa osassa on sentään jonkinlainen kanta.

Värimaailmaksi valitsin sini-keltaisen, jossa keltainen väri merkitsee ruotsinkielisten suurta osuutta. Luokkajaoksi valitsin luonnollisen luokkajaon, jolloin luokkajako perustuu aineistossa oleviin luontaisiin homogeenisiin ryhmittymiin. Haittana on ehkä se, että luokat eivät ole yhtä suuria – oman karttani suurimmassa luokassa on yli neljä kertaa enemmän kuntia kuin pienimmässä. MapInfon automaattisesti laskemissa ryhmissä on myös oudohkot, desimaaleja sisältävät luokkarajat. Kartasta tuli sinällään hienon näköinen, mutta sen perusteella on mahdotonta vastata esim. kysymykseen ”kuinka monessa Uudenmaan kunnassa on ruotsinkielinen enemmistö?”. Tiedämme vain sen että kahdessa kunnassa on varmuudella ruotsinkielinen enemmistö, ja että 7 muussa kunnassa on 30.4-55.9% ruotsinkielisiä. Näin jälkikäteen olisi ehkä ollut luontevampaa asettaa omat, luonnollisiin luokkiin perustuvat tasalukuihin pyöristetyt luokkavälit. Niin tai näin, tässä viikon luomukseni.

 

Lähteet:

Huovelin, S. (2011). Pakki päälle ja menoksi! (1.9.2011 [sic])

https://blogs.helsinki.fi/suvihuov/ Luettu 13.2.2017.