Month: February 2016

Kuudennella kurssikerralla päästiin itse luomaan paikkatietoa gps-laitteilla, joista sitten havaintopisteet siirrettiin kartalle MapInfossa. Tämä oli mukava pieni harjoitus, joka hälvensi mystisyyden verhoa sen tieltä, kuinka paikkatietoa käytännössä luodaan ja siirretään digitaaliseen muotoon.

Varsinainen blogitehtävä oli luoda 3 karttaa sijoittamalla hasardeja kartalle. Tehtävässä oli käyttää samalla lailla koordinaatteja kuin gps-paikannin tehtävässä. Pienen pähkäilemisen jälkeen päätin esittää erisuuruisia maanjäristyksiä maailmankartalla. Data karttoja varten haettiin netistä löytyvistä hasarditietokannoista, samalla tuli harjoiteltua siis myös omatoimista taulukkomuotoisen tiedon etsimistä ja muokkaamista. Tehtävänannossa neuvottiin pohtimaan karttoja tehdessä niiden pedagogisia ominaisuuksia, tämän takia tehtävässä oli mielenkiintoinen ulottuvuus.

Kaikki sujui hyvin suoraviivaisesti ja suurin ongelma syntyikin Excelin kanssa; aineiston muokkaaminen niin, että pisteet arvoissa korvaantuivat pilkuilla, olikin yllättävän vaikeaa. Jos aineistossa on käytetty desimaalipistettä, Excel muuttaa tiedon helposti päivämäärämuotoiseksi. Opin että tässä tapauksessa piste kannattaa muuttaa pilkuksi ennen kuin datan siirtää “text to column” -toiminnolla sarakkeisiin. Muuten lopputuloksena on “tuplapilkun ongelma”, jota ei voi manuaalisesti korjata 34 000 rivin aineistosta.

Lopputuloksena syntyi siis kolme (nähtävissä kuvissa 1-3) karttaa, jotka kaikki esittivät maanjäristyksien ilmenemistä maailmanlaajuisesti vuoden 2002 jälkeen. Ensimmäisellä kartalla on esitettynä kaikki yli 6,0 magnitudin suuruiset järistykset, ja seuraavilla 2 kartalla yli 7,5 ja yli 8,5 magnitudin järistykset. Järistysten koot kasvavat karttojen välillä ja symbolit on valittu myös tämä mukaan. Näin jälkikäteen ajateltuna lopputulos olisi ehkä ollut harmonisempi jos symbolit olisivat olleet enemmän yhteneväisiä. Tuomas Pätäri (Pätäri 2016) oli omassa blogissaan käsitellyt tismalleen samaa aihetta, melkein samalla magnitudiluokittelulla. Hänen lähestymistapansa oli kuitenkin esittää kaikki erisuuruiset järistykset yhdellä kartalla. Tämä oli mielestäni ehkä jopa toimivampi, ja varmasti tilaa säästävämpi ratkaisu. Verratessani omia karttojani, jotka esittävät yli 7,5 ja 8,5 magnitudin järistyksiä, näyttävät ne tarpeettoman tyhjiltä, jopa ontoilta. Enää en todennäköisesti tekisi maailmankarttaa, jossa esitetään vain kuusi eri pistettä, ja joista osa on vielä päällekkäin.

Opetuksellisena kikkana kartoissani taustavärit muuttuvat järistysten kasvaessa. Ajatus tämän taustalla oli esittää järistysten voimakkuuden kasvua sinisestä punaiseen vaihtuvalla väriskaalalla (sininen heikompi järistys ja punainen voimakkaampi järistys). Väriskaala tuli myös tehtyä hieman kiireessä, varsinkin viimeisen kartan väri olisi voinut olla pehmeämpi.

Toinen opetuksellisesti ajateltu pointti karttasarjassa oli myös havainnollistaa Richterin-asteikon logaritmista luonnetta. Asteikon luonteen hahmottaminen voi siis olla hankalaa sillä järistyksen voimakkuus kasvaa aina enemmän seuraavalla yksiköllä, kuin edellisellä yksiköllä. Kartat havainnollistavatkin tätä seikkaa hyvin, sillä esitettyjen pisteiden määrä kasvaa dramaattisesti magnitudien suuretessa. Tältä pedagogiselta kannalta ajateltuna ”tyhjä” maailmankartta onkin ehkä oikeutettu. Täytyy siis muistaa että nämä kartat toimivat vain karttasarjana, eivät niinkään yksitellen. Tämän vuoksi kartat on myös tässä blogissa esitetty perätysten.

Viimeinen huomioni on että kartat olisivat ehkä olleet havainnollistavampia, jos Eurooppa-keskeisen maailmankartan sijaan olisi käyttänyt karttaa, jossa keskellä olisi ollut Tyynivaltameri. Maanjäristysten suhteen aktiivisin alue, Tyynenmeren tulirengas, nimittäin erottuisi tällaiselta kartalta paljon havainnollisemmin. Jos aktiivisista tulivuorista olisi tehnyt vastaavan esiintymiskartan, olisivat havaintopisteet olleet hyvin pitkälle samoilla kohdilla maanjäristysten kanssa. Seismisyyden ja vulkanismin yhteyttä olisi siis voinut havainnollistaa näin.

Vaikka lopputuloksina syntyneistä kartoista löytyikin kritisoimisen aihetta (varsinkin esteettisyydestä), olen lopulta tyytyväinen kurssikerran saavutuksiin, sillä MapInfo on taas yhden pykälän verran enemmän hallussa.

Lähteet:

Pätäri, T. (2016). Karttoja kouluille? https://blogs.helsinki.fi/ttpatari/2016/02/24/karttoja-kouluille/ [27.2.2016]

Northern California Earthquake Data Center (2016). ANNS Catalog Search. http://quake.geo.berkeley.edu/anss/catalog-search.html [27.2.2016]

5. kurssikerralla päästiin itse soveltamaan jo opittuja taitoja. Kerta poikkesi muista kerroista siinä että itsenäistehtävien määrä ja vaatimustaso kasvoivat mielestäni. Tämä oli lopulta hyvä asia, koska MapInfon käyttöä ei oikeasti opi jos aina tekee vain tehtäviä annetun mallin mukaan, ilman omaa pohdintaa. Tunnin alkuosa käytettiin bufferoinnin opettelemiseen. Terminä bufferointi kuulosti aluksi vieraalta, mutta kun näin mistä oikein oli kyse, aukeni anglismi helposti. Bufferointi tuntuu olevan kätevä perustyökalu kun halutaan selvittää jonkin ilmiön yleisyyttä rajatulla alueella. Kurssikerralla tehdyt harjoitteet, joissa tarkasteltiin asukkaiden etäisyyttä juna-asemista, on mielestäni erinomainen esimerkki bufferoinnin hyödyntämisestä.

Käyttötuntien kasvaessa, myös toimintatavat ohjelman kanssa rutinoituvat hiljalleen. MapInfon käyttämistä kannattaa mielestäni lähestyä vaiheittain. Ensin on määritettävä mitä halutaan tehdä. Tässä tapauksessa maalitauluksi voidaan valita tehtävän putki-indeksikartta. Sen jälkeen katsotaan mitä tietoja indeksiä varten tarvitaan, ja millaiseen muotoon tieto on saatava, jotta sitä voidaan käyttää. Tämän jälkeen alkaa sitten vaiheittainen päämäärää kohti ryömiminen, jossa on monta mutkaa ja seinää vastassa. Huomasin kuitenkin että kylmäpäisyydellä ja asioiden rauhallisella pohtimisella kaikesta voi selvitä.

MapInfon kanssa toimimisessa on suuri paino taulukoiden muokkaamisessa. Tietokantojen luominen, sarakkeiden päivittäminen ja Query-toiminnon käyttäminen alkavat itselläni pikkuhiljaa tuntua selkeämmältä, alun kaoottisen vaiheen jälkeen. Toistot ovat parasta lääkettä selkeyttämään ohjelman rakennetta, siksi teinkin sekä koulupiiritehtävän että putkiremonttikartan. Erityisesti perustoimintojen ymmärtäminen ja tehokas hyödyntäminen vaativat toistoja toistojen perään. Esimerkiksi oikeiden labelien muokkaaminen ja valitseminen saattaa olla pienen vaivan takana hieman jähmeillä taidoilla, hieman jähmeässä MapInfossa. Valitettavasti tietotekniikka ei vielä ole sillä tasolla että se osaisi toimia vain ajatuksen voimalla.

Suurimmat kompastuskivet näissä tehtävissä liittyivät itselläni tietojen muokkaamiseen ja yhdistelemiseen tietokannoissa. Esimerkiksi kun uuteen sarakkeeseen haetaan tietoa muualta, täytyy ensiksi tehdä itselle kristallin kirkkaaksi missä muodossa haettava tieto on. Tämä nimittäin vaikuttaa esimerkiksi siihen minkä muotoiseksi data pitää uudessa sarakkeessa kategorisoida. Nyt ainakin toivon ymmärtäväni valintojen count, value ja sum erot.

Tunnilla tehtyjen tehtävien tulokset ja vastaukset ovat luettavissa oheisesta taulukosta:

Kurssiblogeja ja muiden tehtävien tuloksia tarkastellessa, oli mielenkiintoista huomata vastausten eroaminen toisistaan. Nämä erot johtuivat osaltaan siitä että vapaalla kädellä rajatut alueet erosivat toisistaan, ja osaltaan varmasti siitä että käytetyt toiminnot erosivat aloittelevien MapInfon käyttäjien kesken.

Omalta osaltani kurssikerran kruunasi (mielestäni) onnistunut putkiremontti-indeksikartta, joka näkyy kuvassa 1. Kartan voi katsoa olleen pienen työn ja tuskan takana. Prosessin jälkeen uskon kuitenkin hallitsevani MapInfoa taas piirun verran paremmin. Tehtävän olisi mahdollisesti voinut suorittaa suoraviivaisemmin ja nopeammin, mutta yrityksen ja erehdyksen kautta pääsin lopputulokseen. Laskiessani arvoja sarakkeisiin koropleettikarttaa varten, tein ilmeisesti joitakin klassisia muotovirheitä. Onneksi tajusin tarkastella lopputulosta todetakseni, ettei Myyrmäessä todennäköisesti ole 20 000 kerrostaloa, niin kuin tulokseni väitti. Kun tein tarvittavat tietojen haut ja siirrot sarakkeiden välillä, oikein ajatuksen kanssa, sain mielestäni oikean tuloksen.

Indeksiä laskiessani tunsin ongelmalliseksi asiaksi sen, etten löytänyt yksityiskohtaisia tietoja sarakkeista. Toisin sanoen, kun sarakkeen luo ja siihen laskee uutta tietoa, en löytänyt tapaa löytää laskukaavaa jota sarakkeessa on käytetty. Tämä muodostuu ongelmalliseksi kun unohtaa mitä arvoja oli käyttänyt missäkin sarakkeessa. Metatietojen hallinnan harjoittelu voisi olla omalla kohdallani paikallaan.

Itse karttaan olin lopulta tyytyväinen, sillä onnistuin saamaan sen valmiiksi. Tyyliseikoista voi toki aina kiistellä, mutta mielestäni kartan luettavuus on ihan hyvä. Jotkin muutkin kurssilaiset olivat myös näköjään tehneet putkiremonteista kartan. Virva Norja (Norja 2016) oli tyylinäytteissään luonut peräti 3 eri karttaa tästä aiheesta. Lopputulokset sisällöltään olivat yhteneviä oman karttani kanssa, joten todennäköisesti kartat kuvaavat todellista tilannetta. Absoluuttisia arvoja kuvaava kartta oli Norjan tapauksessa visuaalisempi, sillä siitä näkee yhdellä silmäyksellä talojen keskittymät. Oma, numeerisesti lukeman ilmoittava, karttani taas antaa tarkemman kuvan talojen varsinaisesta määrästä. Ikuisuuskysymys luokittelusta toki aina herättää tunteita; olen viimeisimmissä kartoissa turvautunut natural break –luokitteluun ja se tuntui tässäkin tapauksessa ihan toimivalta. Tehtävän päätarkoitus oli kuitenkin saada haluttu kartta valmiiksi, eikä takertua luokitteluun.

 

Lähde:

Norja, V. (2016). Viides kurssikerta – Bufferointia ja sekalaista hauskanpitoa MapInfon kanssa. https://blogs.helsinki.fi/novino/2016/02/24/viides-kurssikerta-bufferointia-ja-sekalaista-hauskanpitoa-mapinfon-kanssa/ [24.2.2016]

 

4. Blogi – Ulkomaalaisten reikä kauniaisissa sekä Libyan muuttuva

Kurssikerran tehtävänä oli luoda ruututeemakartta etukäteen annetusta materiaalista. Ruutujen tiedot kerättiin pisteaineistosta ja MapInfon grid-työkalulla saatiin kartalta esiin säännönmukaisuuksia

Valitsin teemaksi tarkastella ulkomaan kansalaisten absoluuttisia määriä pääkaupunkiseudulla. Tehtävässä oli erittäin mielenkiintoista huomata, kuinka rasterointi vaikutti lopputulokseen. Kummatkin kartat kuvasivat samaa ilmiötä samalla alueella, mutta rasterointikoon muuttaminen oleellisesti luokitteluun sekä visuaaliseen yleisilmeeseen. Vaikka kummassakin kartassa oli käytetty ”natural break” -luokittelua, olivat luokkajaot selvästi erilaiset. Kuvan 1 kartalla (500m x 500m) voidaan puhua karkeammasta kartasta, kun taas kuvan 2 kartalla (250m x 250m) esitystapa on paljon tarkempi. Vaikka karkeamman kartan rasterikoko oli nelinkertainen tarkempaan karttaan verrattuna, ei maksimiluokan koko kasvanut kuitenkaan kuin 37 % (=713/522-1) siirryttäessä rasterikoosta toiseen. Tästä voidaan päätellä että ne alueet, joihin ulkomaan kansalaisia on eniten keskittynyt, eivät ole kovin suuria ja tiiviitä. Jos alueella asuisi hyvin tiiviisti tähän kategoriaan sopivia ihmisiä, tulisi mielestäni maksimiluokkakoon kasvaa voimakkaammin siirryttäessä pienestä rasterista suurempaan.

Itse pidän enemmän pienemmän ruutukoon kartasta koska se esittää ilmiön tarkemmin, realistisemmin. Suurempi rasteri koko on suuntaa antava, mutta ei pysty esittämään kaupunkia sen todellisten rakenteiden mukaan. Esimerkiksi alueet, joilla ei asutusta ole ollenkaan, erottuvat tarkemmasta kartasta hyvin, ja omalta osaltaan rytmittävät kartan lukemista. Tässä on juuri myös ruututeemakartan hienous. Esimerkiksi verrattuna koropleettikarttaan, ruutukartta ei kuvaa ilmiötä vain esimerkiksi kuntarajat huomioiden, vaan esittää todellisuutta sellaisena kuin se oikeasti on. Hallinnolliset rajat ovat huonoja kuvaamaan realistisesti tällaisia ilmiöitä.Uskallan myös väittää että jos en olisi luonut kahta eri versiota kartoista, pitäisin kumpaakin vaihtoehtoa varmasti hyvin pätevänä.

Yleisesti karttaa silmäilemällä huomaa, että ulkomaalaisia on levittäytynyt hyvin laajasti kaikkialle ympäri pääkaupunkiseutua. Kartalla 0-alueita ei ole rasteroitu ollenkaan, ja karkeasti arvioiden nämä tyhjät kohdat tuntuvat pääosin olevan metsää, peltoa tai muuta aluetta jossa ei asuinrakennuksia ole. Mielenkiintoinen poikkeus on kuitenkin Kauniainen. Tässä Espoon keskellä sijaitseva omassa kunnassaan ei kummankaan kartan mukaan tunnu olevan ulkomaalaisia ollenkaan. Keskustelin asiasta myös Niko Pelkosen kanssa, joka tällä viikolla oli sattuman kautta valinnut karttansa aiheeksi myös ulkomaalaisten määrän pääkaupunkiseudulla (Pelkonen 2016). Pitkään asiaa pohdittuamme tulimme siihen lopputulokseen että kyseessä täytyy olla puute tilastoinnissa. Kauniaisten kunta ei siis ole mikään poikkeus ulkomaan kansalaisten asukkaiden suhteen, vaan annetussa materiaalissa kyseistä tietoa ei ollut vain kerätty. Jos aineisto tosiaan oli näin puutteellinen, niin olisi ollut syytä ilmoittaa vajavaisuus aineistossa. Nyt huolimaton, tai paikallistuntemukseltaan heikko, kartanlukija saattaa helposti tehdä oletuksen, että Kauniaisten kohdalla olisi vain metsää tai peltoa. Myös Jooel Rinne (Rinne 2016) oli käsitellyt samaa teemaa omassa blogissaan. Hän oli kuitenkin tarkastellut asiaa tekemällä kartan ulkomaalaisten suhteellisesta osuudesta Helsingissä. Karttoja vertaamalla voidaan tehdä erittäin mielenkiintoisia huomioita. Johtopäätökset hänen pohdinnassaan olivat hyvin yhtenevät omieni kanssa; vaikka absoluuttisesti ulkomaalaisia asuu paljon myös keskustassa, on heidän suhteellinen osuutensa siellä pienempi verrattuna esimerkiksi Itä-Helsinkiin. Omatekemäni 250m x 250m kartta tukee tätä ajatusta myös. Tällä tarkemmalla kartalla ulkomaalaisten määrä ei tunnu niin voimakkaan punaiselta alueelta, kuin mitä se tuntuu 500m x 500m kartalla.

Mielestäni kartta toimii tällaisenaan ihan hyvin, ja kummastakin versiosta on selkeästi luettavissa ne alueet joille ulkomaan kansalaiset ovat keskittyneet. Selventävänä elementtinä legendaan voisi liittää myös tarkemman selityksen kuvattavasta ilmiöstä. Tässä tapauksessa ”ulkomaan kansalaisilla” ilmeisesti tarkoitetaan alueella rekisteröidysti asuvia ihmisiä, jotka eivät ole Suomen kansalaisia (en löytänyt tarvittavaa metatietoa aineistosta). Satunnaiselle lukijalle vailla mitään kontekstia kartta ei välttämättä avaudu kovin hyvin.

 

Lisätehtävä: konflikteja Afrikassa

Lisäpohdinta  ̶  Konfliktit Afrikassa

Kurssiblogin lisätehtävänä oli tarkastella konflikteja ja luonnonvaroja Afrikassa. Paikkatiedon avulla pystyy tarkastelemaan lukemattomia muuttujia mielenkiintoisista näkökulmista. Päällekkäisanalyysit saattavat olla hyvinkin oivaltavia ja oman mausteensa tarkasteluun tuo vielä ajallinen ulottuvuus. Asiat eivät ole todettavissa vain staattisina ilmiöinä, vaan jokaiseen tarkasteltuun kysymykseen voidaan pureutua myös ajassa tapahtuvien muutosten kautta. Esimerkiksi animoitu kartta, joka kuvaisi kaivoksen löytymistä ja siitä kulunutta aikaa konfliktiin voisi olla mielenkiintoinen.

Blogitehtävän pohjalta klassinen hypoteesi olisi olettaa että konfliktien määrät kasvaisivat alueilla luonnonvarojen löytämisen jälkeen. Tällaisten johtopäätösten tekeminen on toki hyvin yleistävää ja siksi olisikin syytä tarkastella syitä konfliktien takana laajemmin. Kartalta voidaan kuitenkin mielestäni todeta että ainakaan kaivosten yhteydessä konflikteja ei olisi kovinkaan vahvalla korrelaatiolla havaittavissa. Taistelujen maksimialueet levittyvät kyllä koko alueelle, mutta itse taistelupaikat kiertävät kaivoksia. Tämä ei tietenkään tarkoita, etteivätkö kaivokset vaikuttaisi konflikteihin. Syyt selkkausten takana ovat kuitenkin useimmiten poliittisia ja hyvin laajoja, jolloin varsinainen eskaloituminen ei välttämättä tapahdu juuri siinä paikassa, josta taloudellinen, vallankäytöllinen tai poliittinen on alkanut. Esimerkiksi Libyassa on erittäin suuri öljyesiintymä, mutta konflikteja alueella ei ole ollut ollenkaan. Tämä vahvistaa näkemystä että konfliktit syntyvät laajempien yhteiskunnallisten olosuhteiden tuloksena, ja nämä olosuhteet ovat jatkuvassa muutoksessa. Aineistosta puuttuu tarkasteluvuodet, mutta olisi mielenkiintoista tietää miten arabikevät (The Guardian 2014) ja esimerkiksi Isiksen (The Guardian 2016) toimet ovat vaikuttaneet Libyaan näiden muuttujien valossa.

Koska annetussa aineistossa oli luokiteltu myös luonnonvarojen tuottavuutta, olisi tämä mielenkiintoinen muuttuja tarkastelussa myös. Kärjistävä hypoteesi voisi taas olla että kaivoksen taloudellisen tuottavuuden kasvaessa, konfliktin riski olisi suurempi. Esimerkiksi Etelä-Afrikka näyttäisi olevan hyvinkin rikas kaivoksien suhteen, mutta taistelupaikat siellä ovat huomattavasti harvemmassa kuin esim. Sahelin alueella. Tällaisen kysymyksen kanssa juuri on pakko ottaa huomioon muutkin muuttujat konfliktien syitä tarkastellessa.

 

Lähteet:

Pelkonen, N. (2016). Kurssikerta 4 – Ruudun takaa. https://blogs.helsinki.fi/nikopelk/2016/02/14/kurssikerta-4-ruudun-takaa/ [15.2.2016]

Rinne, J. (2016). Kurssikera 4: Ruututeemakartta: Ulkomaalaisten osuus väestöstä. Helsingissä https://blogs.helsinki.fi/joorinne/2016/02/15/kurssikera-4-ruututeemakartta-ulkomaalaisten-osuus-vaestosta-helsingissa// [15.2.2016]

The Guardian (29.8.2014), Stephen, C. War in Libya – the Guardian briefing http://www.theguardian.com/world/2014/aug/29/-sp-briefing-war-in-libya [15.2.2016]

The Guardian (9.2.2016), Wintour, P. West ‘can’t fight Isis in Libya without a unity government’ http://www.theguardian.com/world/2016/feb/09/west-cant-fight-isis-in-libya-without-a-unity-government [15.2.2016]

 

 

 

Kolmannella kurssikerralla päästiin käsiksi asiaan, joka oli itseäni askarruttanut jo ensimmäisestä kurssikerrasta lähtien. Tämä asia oli ominaisuustietojen ja taulukoiden käsittely. Paikkatieto-ohjelmissa nimittäin ominaisuustiedot eivät vain mystisesti ilmaannu materiaaliin, vaan ne on haettava muualta ja taulukoitava niin että tietokantoja voidaan sujuvasti käyttää paikkatietona. Laajojen taulukoitujen tietojen käsittely vaatii tarkkuutta ja kärsivällisyyttä. Koska aihepiiri oli itselleni täysin uusi, oli kurssikerralla oltava tarkkana kuin porkkana.

Kurssikerran itsenäisesti tehtävä tehtävä oli luoda kartta Suomen valuma-alueista, joista jokaisesta erikseen esitettiin vielä alueen tulvaindeksi sekä järvisyys. Tehtävän ohjeet olivat melko suoraviivaiset joten kovin paljon ei jäänyt tilaa omalle soveltamiselle, sopivasti kuitenkin. Tehtävän suorittaminen vaati tunnilla käytyjen toimintojen uudelleenkäyttöä; tietokantojen yhdistämistä ja uusien sarakkeiden laskemista. Tässä vaiheessa ohjelman käyttöön pääsi taas ihan mukavasti kiinni, mutta jotta MapInfon käyttämisen oikeasti oppisi, olisi syytä tehdä vastaavia harjoituksia nyt useampia.

Kuten edellisilläkin kerroilla, luokittelusta päättäminen ei ollut taaskaan yksiselitteisin tehtävä. Tässä tapauksessa kyseessä oli tulvaindeksien luokittelu. Havainnoit olivat mielestäni jokseenkin positiivisesti vinoutuneet. Tämä kävi ilmi histogrammista joka jaettiin kurssimateriaalin yhteydessä. Aluksi ajattelin käyttää taas tasamääräisiä luokkia, koska niiden pitäisi olla varma valinta tilanteeseen kuin tilanteeseen. Päädyin kuitenkin luokittelemaan aineiston täysin oman harkintakykyni mukaan, sillä halusin että muutama poikkeava huippuarvo saataisiin näkyviin kartalle myös. Laskin tulvaindeksin keskiylivirtaaman ja keskialivirtaaman suhteesta, jolloin positiivisten ääriarvojen vaikutus on ilmeisesti hieman suurempi, kuin jos huippua olisi verrattu keskivirtaaman kanssa. Näin saataisiin ainakin selkeitä eroja aikaiseksi. Väritykseltään nämä kaksi ääriarvoa eivät kuitenkaan erotu kartalta liikaa, mutta legendalta on nähtävissä että suuriakin vaihteluja tulvissa voi olla.

Syntynyt kartta näkyy kuvassa 1 ja lopputuloksesta tuli varsin tasapainoinen, vaikka itse sanonkin. Punainen väritys kuvastaa ilmiötä, jota voidaan pitää ihmiselle haitallisena hasardina. Järvisyyttä kuvaavat palkit eivät vie liikaa tilaa valuma-alueiden hahmottamiselta. Erityisesti pienet alueet saattaisivat hukkua suurten palkkien taakse. Legendan suhteen on kuitenkin pientä kritiikkiä, sillä järvisyyttä kuvaavaa palkkia ei ole ehkä kovin selkeä lukea. Saman huomion oli tehnyt myös Lappalainen (2016) omassa blogissaan. Legendan palkki siis ilmeisesti kuvaa sitä, minkä kokoisena palkkina kartalla näkyy 20 % järvisyysaste. Vertailtavuus on kuitenkin huono ja sekava, jonkinlainen tarkempi asteikko legendassa, tai mahdollisesti lukuarvo kartalla (palkin yhteydessä), olisi jo huomattavasti luettavampi vaihtoehto.

Loppuhifistelynä halusin vielä maalata meret siniseksi ja ylimääräisen maa-alueen vihreäksi. Tämä oli hyvää MapInfon perustoimintojen harjoittelua. Värittäessäni Itämerta siniseksi, paljastui pohjakuvasta mielenkiintoisia katkoviivoja. Nämä kuvasivat mahdollisesti tarkasti valittuja laivareittejä?

Mutta tulkinnasta; kartasta selkeästi on luettavissa että niillä alueilla, joissa järvisyysaste on suurinta, on vastaavasti tulvaindeksi pieni. Koska tulvaindeksi kuvaa tulvahuippujen suhdetta kuivimpiin kausiin, eli sitä kuinka moninkertaisesti tulvan aikana vettä kulkee kuivaan kauteen nähden, voidaan yksiselitteisesti todeta että järvien alueilla ei esiinny rankkoja tulvia. Tämä johtuu siitä järvet allasmaisina ympäristöinä usein vaivatta keräävät ylimääräisen veden itseensä, eikä tulvia niin synny. Alueilla joilla järviprosentti taas selkeästi pienempi, ja joissa vesi suurimmaksi osaksi on joissa, on tulviminen taas suurta. Vettä pidättävät altaat, järvet, siis puuttuvat. Maantieteellisesti nämä alueet sijaitsevat karkeasti niin että tulvattomat järvialueet ovat maan sisäosissa, kun taas tulvivat jokialueet sijaitsevat rannikoiden tuntumassa. Müller (2016) oli omassa blogissaan ottanut huomioon myös maankohoamisen vaikutukset tasaisilla rannikkoalueilla. Tämä huomio oli mielestäni erittäin osuva ja tuo hyvän ulottuvuuden tulvaisuuden selittämiseen. Tulvivat alueet ovat myös kooltaan huomattavasti pienempiä kuin laajat järvivoittoiset ja tulvimattomat alueet. Voidaan ajatella että Tulvivilla alueilla vesi on aina vain nopealla läpikulkumatkalla. Kun pinnanmuodot ovat tasaiset, ja yhtäkkiä vettä onkin moninkertaisesti normaaliin nähden (esim. keväisin lumien sulaessa), on lopputuloksena helposti rankka tulva.

Itselleni pieneksi mysteeriksi jäi kuitenkin aivan rannikkoseutujen alueet, jotka eivät kuuluneet mihinkään kartalle merkittyyn tulva-alueeseen. Ilmeisesti tässä on kuitenkin kyse vain luonnonmaantieteellisestä luokittelukysymyksestä, johon en näin kylmiltään osaa antaa järkevää vastausta.

 

Lähteet:

Lappalainen, S. (2016). 3. Kurssikerta – aineistojen muokkausta ja karttatulkintaa. https://blogs.helsinki.fi/sirjelap/2016/02/03/3-kurssikerta-aineistojen-muokkausta-ja-karttatulkintaa/ [9.2.2016]

Müller, M. (2016). Kurssikerta 3: Internetin käyttöä, konflikteja ja virtaavaa vettä https://blogs.helsinki.fi/mcmitro/2016/02/08/kurssikerta-3-internetin-kayttoa-konflikteja-ja-virtaavaa-vetta/ [9.2.2016]

 

Pohdintaa Anna Leonowiczin artikkelin Two-variable choropleth maps as auseful tool for visualization of geographical relationship pohjalta.

 
Lyhyesti referoituna Leonowicz esittelee artikkelissaan kahden muuttujan koropleettikarttoja. Kyseisissä kartoissa perusideana on esittää kahden erilaisen ilmiön esiintymistä kartalla. Apuna tarkastelussa on legendana toimiva hajontadiagrammi, johon lisätyllä värikoodilla ilmaistaan kartalta tarkasteltavan alueen ominaisuuksia. Leonowiczin mukaan kahden muuttujan koropleettikartat ovat erinomaisia työkaluja esittämään yhdellä kartalla tietoa kahdesta eri ilmiöstä, mutta hyvän sellaisen laadinta voi olla vaikeaa koska niiden luettavuus ei aina ole hyvä, varsinkaan maallikolle.

 
Itselleni kahden muuttujan koropleettikartat olivat täysin uusi tuttavuus. Ensivaikutelmalta esitysmuoto tuntuu kuitenkin erittäin kiintoisalta ja oivaltavalta, joskin sekavalta. Aluksi artikkelia lukiessa meni tovi että ymmärsi tarkalleen millaisesta karttamuodosta oli kyse. Esimerkkikuvien avulla kartan lukeminen kuitenkin selkiytyi. Kyseisen karttamuodon lukeminen selvästi vaatii hieman harjoitusta, sillä legenda poikkeaa täysin siitä mitä tähän asti olen ymmärtänyt kartan legendaksi. Uskallan väittää, että myös tästä syystä tällaisia kahden muuttujan koropleettikarttoja ei nähdä esimerkiksi valtamediassa. Kartat tuntuvat sopivan paremmin juuri ammattikäyttöön. Vastaava kartta ei esimerkiksi sopisi Helsingin Sanomien sivuille, sillä suurin osa yleisöstä ei jaksaisi paneutua sen lukemiseen. Vastaavasti taas kun kiinnostusta riittää, uskon että tämä karttatyyppi on aivan erinomainen työkalu esittämään tietoa kahdesta erimuuttujasta yhdellä kartalla ja periaatteessa yhdellä väriasteikolla.

 
Itse karttahan ei näytä kovin monimutkaiselta, kyseessä näyttää olevan koropleettikartta jossa on vain useampia eri värisävyjä. Legendan teko näissä kartoissa onkin ilmeisesti prosessi, jolla kartasta saadaan joko erittäin oivaltava, tai jolla se pilataan täysin. Artikkelissa tuli ilmi että erityisesti luokkajaon tekeminen on erittäin oleellinen osa selkeän kartan tekoa. Tämä sääntö toki pätee kaikkiin koropleettikarttoihin, mutta väittäisin että tässä tapauksessa se korostuu vielä entisestään. Hajontadiagrammi tulisi myös jakaa maksimissaan 9 eri osaan (kolme luokkaa kummallekin akselille), ja tämäkin kuulostaa mielestäni jo suurelta määrältä eri luokkia. Koska eri luokkia kuvaavia värejä, joista osa syntyy ”sekoittamalla” risteävien luokkien värit keskenään, on näinkin monta, on värien valinnassa oltava melko tarkkana. Sekaannuksen vaara tulkinnassa alkaa melko suuri jo kun esimerkiksi 3-4 eri sinisen sävyä on kuvattuna yhdellä kartalla.

 
Tällaisen koropleettikartan hyöty riippuu täysin siitä, millaisia muuttujia sillä halutaan kuvata. Kartan hienous tuntuisi olevan siinä, että kun legendan informaatio on sisäistetty hyvin, näkee yhdellä vilkaisulla miten tarkastellut alueet eroavat tai ovat samanlaisia toisiinsa verrattuina. Verrattuna koropleettikarttaan, jossa on vain yksi muuttuja, on tällaisen kartan hyöty siinä että se sisältää enemmän informaatiota pienemmässä tilassa. Vaihtoehtoinen esitys muoto, jota käytettiin myös artikkelissa, on piirtää rinnakkain kaksi eri karttaa, jotka kumpikin kuvaavat omaa muuttujaansa. Näissä kartoissa yksittäisin muuttujan vertailu on äärimmäisen selkeää, mutta muuttujien väliset suhteet jäävät täysin havaitsematta. Oma näkemykseni on että kun vertaa kahta yhden muuttujan karttaa rinnakkain keskenään, saa kyllä pääpiirteittäin kuvan siitä miten muuttujat esiintyvät myös keskenään. Joka tapauksessa kahden muuttujan kartassa tämä yhteys saadaan aikaan selkeämmin, kunhan vain jaksaa paneutua agendaan.

 
Sanoisin myös että kahden muuttujan koropleettikartasta voisi olla erityisesti hyötyä, kun tarkasteltavat muuttujat ovat jossain määrin riippuvaisia toisistaan, tai että niillä on selkeästi jokin yhteys keskenään. Tämän huomion teki Leonowicz myös artikkelissaan. Voidaan ehkä ajatella että kartan lukeminen ja tulkitseminen on muuten niin työläs prosessi, että selkeä tarkoituksenmukaisuus muuttujien välillä on ehdottomaksi hyödyksi.
Koska legendan tulkitseminen vie aikaa näissä kartoissa, voisi olla hyödyllistä jos tarkasteltavat ilmiöt olisi jossain määrin standardoituja. Tällä tarkoitan sitä, että kun kartanlukija on omaksunut ja sisäistänyt yhden tyylisen legendan tietystä aiheesta, tietyllä värikoodilla, on hänen helppo tehdä tulkinta toiselta kartalta, kun värit ja luokat pysyvät samoina. Esimerkiksi sarja kahden muuttujan koropleettikarttoja, joissa on käytetty samaa mallia kartasta toiseen, voisi tuoda mielenkiintoista tietoa tarkasteltavien alueiden sisäisen dynamiikan eroavaisuuksista.

 

 

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

Tämän 2. blogikirjoituksen pääaiheena on teemakartta, joka käsittelee Uudenmaan kuntien taajama-astetta, sekä kuntien elinkeinorakennetta.

Toisella kurssikerralla päästiin luomaan MapInfolla päällekkäisiä teemakarttoja. Kurssikerta kuluikin perustoimintojen kokeilemisessa ja opettelemisessa. Ohjelman käyttö alkaa nyt tuntua hieman helpommalta, kuin mitä se oli vielä viikko sitten. Paljon on kuitenkin vielä harjoittelemista että pääsee pintapuolista käyttöä syvemmälle. Kuten ennenkin, kurssikerran aikana on helppo seurata ohjeita ja tehdä perässä, mutta omatoiminen ja luova tekeminen on vielä hidasta.

Karttojen tekeminen on nimenomaan luovaa toimintaa. Jos kartta-artistilla on luomisen tuska juuri päällä, voi karttojen syntymiseenkin kulua enemmän aikaa kuin muuten. Tässä tapauksessa suurin kynnys työn valmistumiseen oli sopivan aiheen, aineiston ja karttamallin löytäminen karttaa varten. Luennolla läpikäydyt työkalut joilla erilaisia karttaesityksiä pystyy luomaan, olivat hyvin monipuoliset. Tästä syntyi oikeastaan runsauden pula, ja vaihtoehtoiskustannuksen ongelma, kun piti valita mitä alkaa tehdä. Omana lisänään tähän runsauteen tuli myös luennolla saatu tietotaito käyttää MapInfossa hyväksi internetistä löytyvää dataa, esimerkiksi Sotkanetin tilastoja.

Kaiken tämän uuden informaation ja osaamisen sisäistettyäni, olivat suunnitelmat tulevan kartan erityisyydelle suuret. Kuitenkin lopputuloksena (ks. kuva 1) syntynyt vertailu elinkeinorakenteen ja taajama-asteen välillä, oli lopulta tylsempi vaihtoehto monesta muusta. Tarpeeksi ohjelman kanssa kikkailtuani kohtasin nimittäin ylitsepääsemättömän ongelman, joka vaatii vielä selvitystä; join-toiminnon käyttäminen ei onnistunutkaan vain osaa aineistosta käyttäessä, joten luovuin ajatuksesta ja käytin pelkästään valmiiksi annettua materiaalia.

Alkutietona ei kenellekään varmasti ole uusi asia että Uusimaa ja erityisesti Helsingin seutu ovat maamme tiheimmin asuttua, ja siten myös korkean taajama-asteen aluetta. Voidaan myös helposti ajatella ja olettaa että alkutuotannon osuus elinkeinorakenteesta on hyvin pieni. Ajattelin että olisi kuitenkin mielenkiintoista selvittää miltä tämä vertailu näyttäisi kartalla. Aihe on kuitenkin ollut ajankohtainen esimerkiksi kuntauudistusta käsitelleen yleisen keskustelun pohjalta. Pääaihe keskustelussa tuntuu olleen se, onko Uusimaa liian laaja ja hajanainen alue, jotta se sellaisenaan voisi toimia kuntauudistuksen kautta syntyvänä itsehallintoalueena. Yksi kysymyksistä on esimerkiksi ollut, että kärsiikö maakunnan reuna-alueilla olevat kunnat pääkaupunkiseudun kehittämiseen keskittyvän politiikan johdosta. Kartogrammillani halusin luoda visuaalisen esityksen siitä, kuinka erilaisia Uudenmaan ydinalueet ovat sen reuna-alueista niin fyysiseltä rakenteeltaan kuin elinkeinorakenteeltaan.

Pohjateemana käytin taajama-astetta, jota valitsin kuvaamaan ruskean punertavan sävyasteikon taajaman tiheyden mukaan. Kvantiilien, eli tasamääräisten luokkien (5 kpl), käyttäminen luokittelussa tuntui varmalta vaihtoehdolta tässäkin tapauksessa. Jo tässä vaiheessa huomataan että alue on melko hajanainen tässä suhteessa koska vaihteluväli on jopa 65,1 %. Elinkeinorakenteen kuvaamiseen päätin käyttää pylväsdiagrammia. Pylväät kuvasivat perinteiseen tyyliin elinkeinorakennetta alkutuotanto, jalostus ja palvelut -periaatteella. Jätin diagrammista tietoisesti pois neljännen pylvään joka olisi muut vaihtoehto muut. Tämän tein siitä syystä, että näin kartta on mielestäni selkeämmin luettava, ilman marginaalista neljättä vaihtoehtoa.

Lopputuloksen tulkinnasta voidaan sanoa että tulos ei ollut yllättävä. Taajama-aste on suurinta pääkaupunkiseudulla ja se jatkuu yli 99 % käytävänä pääradan kohdalla Keravalle ja Järvenpäähän. Espoon taajama-aste osui kuitenkin vasta seuraavaan kvintiiliin. Selityksenä tälle toimii varmasti Espoon suuri pinta-ala sekä yleisesti laajat metsäalueet, esim. osittain Espoossa sijaitseva Nuuksion kansallispuisto. Yleisesti koko Suomessa on siirrytty palvelusektorille, ja pääkaupunkiseudulla tämä vielä korostuu. Maaseutumaisina kuntina erottuvat kartan koillisosassa Pukkila, Myrskylä ja Lapinjärvi. Näissä kunnissa alkutuotannolla oli selkeästi merkittävä rooli elinkeinorakenteessa. Muissa tarkastelluissa kunnissa, joissa taajama-aste oli matalin, alkutuotannon osuus oli taas täysin minimaalinen. Tässä täytyy tosin tehdä sama huomio jonka Toikkanen, T. (29.1.2016) oli tehnyt omassa blogissaan. Hän kommentoi että myös luokkien omat vaihteluvälit eroavat toisistaan aika lailla; omassa blogissani pienin vaihteluväli on vain 0,04% kun taas suurin on 21,8 %. Matalimman taajama-asteen kunnat eivät ole läheskään yhtä homogeeninen ryhmä kuin korkeimpaan viidennekseen kuuluvat kunnat. Esimerkiksi Inkoossa ja Siuntiossa alkutuotannon aste on hyvin pieni, vaikka ne osuvat samaan luokkaan koillisosan kuntien kanssa. Maatalouden lisäksi alkutuotannon osuutta saattaa kasvattaa metsätalous. Jalostussektorin suhteellinen osuus näyttää taas olevan tasaisempi muuttuja. Sen suurempaa osuutta tietyissä pienemmissä kunnissa voi selittää esimerkiksi suuremmat tehtaat.

Jo yllä mainitulla Toikkasen kartalla oli kuvattu pientaloissa asuvien suhteellista määrää ja asuntojen absoluuttisia määriä. Kuin sattuman kauppaa, oli tutkimusalueena myös hänellä ollut Uudenmaan maakunta, jonka lisäksi väritys koropleettikartassa oli sama kuin omassa kartassani. Tästä johtuen kun molempia karttoja vertaa keskenään, toimivat ne karkeasti tarkasteltuna toistensa negatiiveina. Tämä näkyy siten, että matalan taajama-asteen kunnat näkyvät toisessa kartassa pientalovaltaisina ja päinvastoin korkean taajama-asteen kunnissa.

Tehtävä oli lopulta antoisa, mutta hampaankoloon jäi kaivelemaan se, etten pystynyt (lue osannut) tuoda Uudenmaan karttaan tietoja ulkopuolisista lähteistä Join-toimintoa käyttäen. Tämä asia on selvitettävä ensi kurssikerralla. Kehitysehdotukseni omaan karttaani on sama kuin Toikkasella; kuntien nimeäminen esimerkiksi numerokoodeilla voisi tuoda hyvää lisäinformaatiota karttaan.

 

Lähteet:

Toikkanen, T. (2016). Kurssikerta 2: Map-Infoa ja kaksitasoinen teemakartta https://blogs.helsinki.fi/tgtoikka/2016/01/29/kurssikerta-2-map-infoa-ja-kaksitasoinen-teemakartta/ [3.2.2016]