Viidennen kurssikerran tehtävien teko jännitti hieman etukäteen, sillä jouduin flunssaisena jättämään tunnin välistä ja tekemään tehtävät itsenäisesti. Olin kuullut kauhutarinoita tunnin aivoja raastavista tehtävistä, joten varovaisesti aloin tutkia moodlesta löytyviä tehtäviä. Kurssikerran uusi asia oli puskurivyöhykkeiden luominen, muuten pääpaino oli jo opittujen asioiden harjoittelussa ja hyödyntämisessä. Kurssikerralla oli kolme itsenäistehtävää, joiden pohjalta piti tarkastella omaa osaamistaan ja MapInfon käyttömahdollisuuksia. Varsinaista yhtä karttatehtävää ei tällä kertaa syntynyt, vaan kysymysten vastaukset koottiin oman pohdinnan tueksi taulukkoon.

Ensimmäinen tehtävä keskittyi täysin bufferoinnin harjoitteluun. Tutkittavina olivat Helsinki-Vantaan ja Malmin lentokentät ja kuinka paljon niiden lähettyvillä asuu ihmisiä. Bufferointi tuntui melko simppeliltä työkalulta, ja kunhan hieman oli ongelmoinut tietokantojen käyttämisen kanssa, myös tiedot vyöhykkeiden sisään jäävistä asukkaista löytyivät helposti. Toinen tehtävä käsitteli osittain myös bufferointia, mutta myös tietokantojen käsittelyä ja tiedon hakemista tietokannoista. Ensimmäisessä osassa tarkasteltiin pääkaupunkiseudun juna-asemia ja niiden lähettyvillä asuvia ihmisiä ja toisessa osassa alueen taajamia. Tässä piti jo soveltaa hieman enemmän osaamistaan tietokannoista ja select-työkalusta. Piti esimerkiksi hahmottaa, millaisia käskyjä selectissä piti antaa, että ohjelma osasi etsiä oikeat osiot väestötietokannasta.

Kuva 1. Uima-altaiden määrä pääkaupunkiseudulla

Kolmannessa itsenäistehtävässä valittiin yksi kolmesta tehtävästä. Itse tutkin uima-altaiden sijaintia ja määrää pääkaupunkiseudulla.Tässä tuli viimeistään kunnolla harjoteltua selectiä ja tietokantojen hahmottamista. Piti etsiä esimerkiksi uima-altaiden kokonaismäärä, määrä erilaisissa talotyypeissä ja niiden asukkaiden määrä, joilla on uima-allas käytettävissään. Aluksi ei mennyt aivan nappiin, kun ohjelman mukaan uima-altaita löytyi pääkaupunkiseudulta n. 10 miljardia. Hieman tarkemmin tutkittuani havaitsin, että joissain väestötietokannan riveistä uima-allas-sarakkeen alla arvo oli 999 999 999. Tällä oli ehkä tarkoitus merkitä niitä alueita, joista ei ole tietoa saatavilla, ja rajattuani nämä alueet pois tuli tuloksista huomattavasti järkevämpiä. Lopuksi pääsi vielä leikkimään teemakartoilla, ja tehdä pylväskartta uima-altaiden määrästä eri kaupunginosissa. Olin hieman pettynyt, sillä perinteiset rikkaiden asuinalueet Westend ja Kauniainen loistivat poissaolollaan. Uima-allasrikkaimpia alueita näyttivät olevan mm. Lauttasaari (51), Länsi-Pakila (52) ja Marjaniemi (46).

Itselleni hyödyllisin asia tällä kerralla oli erityisesti tiedon etsiminen tietokannoista. Select-työkalu toimi yllättävän helposti ja järkevästi ja sillä sai paljon tietoa erilaisista ilmiöistä, joista tietokannasta löytyi tietoa. Aiemmin työkalu ei ole aivan yhtä hyvin avautunut, ehkä siitä syystä, ettei itse ole joutunut pohtimaan sen käyttöä ja testailemaan erilaisia toimintoja. Tämä itse asiassa paistoi läpi muistakin kurssikerran tehtävistä; MapInfo alkoi tuntua paljon järkevämmältä ja helpommalta, kun itse ymmärsi, mitä oli tekemässä. Aiemmilla kerroilla ohjeet ovat olleet melko kattavat, joten parempaa ymmärrystä ohjelmasta ei ole syntynyt.

Bufferointivyöhykkeet tarjoavat myös paljon hyödyllistä tietoa. Yhdessä kattavien tietokantojen kanssa niitä voidaan hyödyntää monenlaisien ongelmien ratkaisussa. Lentokoneiden meluvyöhykkeet ovat hyvä esimerkki bufferoinnin käyttämisestä ympäristöongelmien selvittämisessä, esimerkiksi tulva-alueiden etsinnässä tai saasteiden levinneisyyttä tutkittaessa. Toki bufferointi yksin ei usein riitä, sillä harvan ilmiön vaikutusalue on yhtä suuri kaikkiin suuntiin. Esimerkiksi merivirrat tai tuuli voivat vaikuttaa vaikkapa saasteiden leviämiseen, eivätkä saamamme lentomelukartan vyöhykkeetkään ole täydellisen symmetrisiä. Bufferoinnilla voidaan tutkia myös esimerkiksi palvelujen saavutettavuutta, kuten toisessa tehtävässä. Julkisten palvelujen sijoittamisessa auttaa, jos voidaan selvittää, kuinka paljon ihmisiä palvelun vaikutusalueella asuu ja mihin palveluita tulisi sijoittaa mahdollisimman hyvän kattavuuden saavuttamiseksi. Tai vaihtoehtoisesti mihin uusi tehdas kannattaisi sijoittaa, jotta se häiritsisi mahdollisimman harvoja. Oikein hyvä esimerkki on myös Henri Järvisalon ajatus luonnonsuojelualueiden suunnittelusta; “Muita mahdollisia skenaarioita, joissa puskurivyöhykkeiden tarkastelu olisi olennaista, olisi esimerkiksi uusien luonnonsuojelu-alueiden koon ja muodon suunnittelu: habitaatin reunoilla olosuhteet eivät ole samanlaisia kuin habitaatin sisäosissa, ja mitä pienempi luonnonsuojelualue on pinta-alaltaan ja mitä kapeampi se on muodoiltaan, sitä suurempaan osaan koko luonnonsuojelualueen pinta-alasta tämä reunavaikutus kohdistuu. Luonnonsuojelualueen  reunalta sisäänpäin suuntautuvalla puskurivyöhykkeellä voitaisiin havainnollistaa luonnonsuojelualueen olosuhteiltaan vakaamman ja yhtenäisemmän ydinalueen kokoa.”

Jo loppusuoralla olevan kurssin aikana on tullut opittua kaikenlaista MapInfosta. Olen täysin samaa mieltä Sara Lindholmin kanssa siitä, että on hyvin olennaista opetella datan käsittelyä ennen kuin MapInfolla alkaa enemmän leikkiä. Jos ei ymmärrä, miten tietoa haetaan ja käsitellään, tulokset ovat täysin hyödyttömiä. Natalia Erfving on huomannut saman ongelman; “Eniten ongelmia ovat tuottaneet joidenkin asetusvaihtoehtojen valinta, kuten esim. yllä mainitsemani taulukon päivittämisessä esiintyvien count/value/sum -vaihtoehtojen valinta. Minulle ei ole oikein vieläkään selvinnyt, milloin tulisi valita mikäkin. Tähän mennessä olenkin vähän kokeillut, että mikä tuottaisi oikean tuloksen, minkä takia esim. tämän kerran tehtävieni vastaukset eivät ole täysin luotettavia.” Kokeilemalla voi tulla oikeita ratkaisuja, mutta myös täysin tuulesta temmattuja. Tätä asiaa olisi voinut kurssilla harjoitella hieman enemmänkin, jotta itseluottamus ja varmuus omasta osaamisesta kasvaisivat. MapInfosta ei nimittäin ole mitään hyötyä, jos ei voi olla varma, että sillä tehdyt analyysit pitävät paikkansa.

Käyttäjän taitojen lisäksi myös käytettävissä olevat tietokannat asettavat omat rajoitteensa. Voi olla, ettei tietoa ole riittävästi, tai tietokannat ovat huonosti tehtyjä tai epäluotettavia. MapInfolla voi tehdä vaikka kuinka hienoja teemakarttoja, mutta jos ne eivät perustu todenmukaisiin tietoihin, niitä voi käyttää lähinnä tietokoneen taustakuvana. Tämä vaatii myös käyttäjältä jonkinlaista käsitystä tutkittavasta ilmiöstä. Jos esimerkiksi pääkaupunkiseudun väestötietokannan uima-allas-sarakkeessa 999 999 999 -ruutuja olisi merkattu pienemmällä arvolla, virhettä ei välttämättä olisi huomannut yhtä hyvin. Sitten olisi tyytyväisenä selitelty, että pääkaupunkiseudullapa onkin miljoonia altaita. Kaiken kaikkiaan MapInfo vaikuttaa toimivalta ja hyödylliseltä työkalulta, kunhan käyttäjä tietää mitä tekee (vaikka myönnetään, että odotankin jo kursseja, joilla päästään tutustumaan ArcGIS:iin).

Lähteet:

Erfving, N. (2014). Kurssikerta 5 : Bufferointia, analyyseja ja arvauksia. <https://blogs.helsinki.fi/nataliae/2014/02/11/kurssikerta-5-bufferointia-analyyseja-ja-arvauksia>. Luettu 21.2.2014

Järvisalo, H. (2014). KK 5: Bufferointia ja menneiden aikojen muistelua. <https://blogs.helsinki.fi/hpjarvis/2014/02/11/kk-5-bufferointia-ja-menneiden-aikojen-muistelua/>. Luettu 21.2.2014

Lindholm, S. (2014). Kurssikerta 5. Sitä tikulla silmään ken vanhoja muistelee. Mutta bufferi osoittautui hyvin mielenkiintoiseksi! <https://blogs.helsinki.fi/saralind/2014/02/18/kurssikerta-5-ken-kuuseen-kurkottaa-se-katajaan-kapsahtaa/>. Luettu 21.2.2014

Neljännellä kurssikerralla perehdyimme rasterikarttojen tekoon. Palasimme Afrikan mantereelta takaisin pääkaupunkiseudulle, ja  saimme käyttöömme pääkaupunkiseudun väestötietokannan, jossa on kaikenlaista tietoa asukkaista osoitteen tarkkuudella. Oli hupaisaa huomata, että esimerkiksi vanhassa kotitalossani asui tietokannan mukaan yksi ulkomaalainen – tiedot ovat nimittäin juuri siltä vuodelta, kun majoitimme erään vaihto-oppilaan. Tarkoituksena tunnilla oli harjoitella ruututietokannan luomista kartalle. Tunnilla teimme pääkaupunkiseudun päälle ruudukon, ja harjoittelimme hieman lisää tietokantojen käyttöä yhdistämällä väestötietokannan pistemuotoista tietoa ruututietokantaan. Saimme tunnilla aikaiseksi koko alueen kattavan rasterikartan opiskelijoiden sijoittumisesta, ja itsenäiseksi tehtäväksi tuli jokin muu rasterikartta koko alueelta tai osasta siitä.

Lasteen suhteellinen osuus väestöstä

Entisenä vantaalaisena päätin tarkastella alle kouluikäisten lasten osuutta väestöstä Vantaalla. Olin tunnilla jotenkin keksinyt, että ruudut saa näkyviin teemakarttaan vain kunnan rajojen sisäpuolella, mutta kotona varsinaista karttaa tehdessäni olin jo täysin unohtanut sen. Räpelsin siis vajaan tunnin ongelman kanssa, mutta sainpahan vihdoin kartan, jossa näkyy rasterikartta vain Vantaan osalta. Luokittelun kanssa oli taas sama vanha ongelma aineiston epätasaisesta jakaumasta, joten päädyin muuttelemaan sitä hieman korostaakseni alueita, joissa yli puolet asukkaista on alle kouluikäisiä lapsia. Tässä suhteessa tietokanta oli hieman hämmentävä, sillä koko pääkaupunkiseudulla löytyi sellaisiakin osotteita, joissa lasten osuus oli 100 %, mistä se sitten johtuukin.

Päädyin tutkimaan lasten suhteellista osuutta, sillä tehdessäni karttoja absoluuttisista arvoista huomasin, ettei kartta antanut juuri lainkaan tietoa lasten sijainnista, ainoastaan väestön yleisestä sijainnista ja oli näin ollen melko turha. Olisin toki voinut tehdä kaksi karttaa ja vertailla niitä, mutta laiskuus iski ja halusin nähdä miten suhteelliset arvot toimivat rasterikartassa. Niiden ongelma tietysti on, että kartta voi korostaa liiaksikin alueita, joissa lapsia on vähän, mutta suhteellisesti paljon. Silloin näyttää siltä, että ruudussa olisi valtava lapsikeskittymä, vaikka todellisuudessa lapsia olisikin kolme.Tässä ehkä auttaisi riittävän iso ruutukoko, ettei alueelle osuisi liikaa vain muutaman asukkaan ruutuja sekä keskittyminen kokonaisuuteen, eikä yksittäisiin ruutuihin.

Kuten aiemminkin, tuli tarkastella myös kartan toimivuutta lukijan kannalta. Itse jätin ruuduista reunat pois, sillä ajattelin sen tekevän kartasta mukavamman näköisen. Toisaalta Maria Vuorensalo näki asian niin, että reunat auttavat ilmiön paikantamisessa, mikä sekin pitää paikkansa. Karttaan oli saatavilla myös neljä muuta tietokantaa, jotka sisälsivät tietoa teistä, maankäytöstä sekä pienistä ja suurista alueista. Niillä saisi lisätietoa karttaan, mikä voisi helpottaa kartan lukemista. Maankäyttö-tietokanta tosin oli niin hallitseva, että se olisi tehnyt kartasta ehkä vieläkin hankalamman, joten jätin sen suosiolla pois. Tiet olisivat periaatteessa olleet järkeviä, mutta ne oli tehty niin voimakkailla viivoilla, että vetivät mielestäni liikaa huomiota itseensä. Aluerajaukset taas tekivät kartasta hieman sekavan, lisäksi en kokenut niitä hyödyllisinä, sillä Vantaalla esimerkiksi kaupunginosien rahat eivät välttämättä auta ketään hahmottamaan karttaa paremmin. Sen sijaan hyödynsin tietokannoista löytyviä nimitietoja, ja lisäsin muutaman hahmottamista helpottavan paikannimen karttaan. Täytyy tosin sanoa, että itävantaalaisena oli huomattavasti hankalampi arvioida, mitkä paikannimet Martinlaakson ja Myyrmäen lisäksi ovat olennaisia Länsi-Vantaalla.

Lapset näyttäisivät sijaitsevan melko hajanaisesti Vantaalla. Alueilla, joissa yleisesti asutusta on tiheässä, lasten osuus on pieni. Esimerkiksi Martinlaakson ja Tikkurilan lähellä lapsia on alle 15 %, mikä johtuu luultavasti siitä, että harva haluaa asua ison lapsiperheen kanssa kerrostalossa. Lapset ovatkin keskittyneet hieman etäämmäs isoista asutuskeskittymistä, esimerkiksi Kivistöön, Itä-Hakkilaan ja Ilolaan. Nämä ovat luultavasti alueita, jotka vetävät lapsiperheitä puoleensa rauhallisella sijainnilla ja muiden lapsiperheiden ja palveluiden läheisyydellä; ainakin Itä-Hakkilasta on hankala löytää taloa, jossa ei asuisi lapsiperhettä. Tällaisten keskittymien lisäksi korkean arvon ruutuja on hajanaisesti etäällä asutuksesta. Tämä näkyy erityisen hyvin Länsi-Vantaalla. Tässä on tosin huomioitava, etteivät ruudut kerro lasten määrästä mitään, ja kyseessä voivat harvaan asutuilla alueilla olla hyvin yksittäiset perheet.

Kolmannella kerralla irtauduimme hieman teemakarttojen maailmasta syventyäksemme paremmin tietokantoihin ja niiden käsittelyyn MapInfolla. Tutkimme tunnilla tietokantaa, joka sisälsi tietoa Afrikan valtioista, sekä kolmea pienempää tietokantaa, joissa oli tietoa konfliktien timantti- ja öljyesiintymien sijainnista Afrikassa. Harjoittelimme yhdistämään tietokantoja toisiinsa ja muokkaamaan niissä olevaa tietoa. Tietokantojen käsittely vaikutti ensisilmäyksellä hieman hankalalta, mutta muutaman testauksen jälkeen se alkoi jo sujua. Keskittymistä tehtävät kuitenkin vaativat, muuten tuli sarakkeita jostain aivan muusta asiasta jonnekin aivan muualle kuin oli tarkoitus.

Kuva 1. Afrikan konfliktit, timanttikaivokset ja öljykentät

Parin tunnin tietokannoilla leikkimisen jälkeen käsissämme oli yksinkertainen kartta Afrikan valtioiden rajoista, konflikteista, sekä timantti- ja öljyesiintymistä. Tehtäväksi tuli miettiä kotona, mitä tällaisilla tietokannoilla voisi tehdä, kun niistä löytyvät tiedot mm. esiintymien löytövuodesta, käyttöönottovuodesta sekä konfliktien ajankohdista ja laajuuksista. Maallikkona voisi olettaa, että arvokkailla mineraalivarannoilla ja konflikteilla olisi ainakin jonkinlainen yhteys varsinkin Afrikassa, jossa mineraalivarojen tuoma rikkaus ja ihmisten hyvinvointi eivät aina kohtaa. Tästä lähtökohdasta voisi siis alkaa tutkia, josko esimerkiksi timantti-kaivosten löytämisvuodet ja konfliktien alkamisvuodet olisivat yhteydessä toisiinsa.  Kuten Eetu Summanenkin huomioi blogissaan: “voidaan jo etukäteen olettaa uudenlaisten toimeentulolähteiden löytymisen ja epätasaisen jakautumisen aiheuttavan kiistoja kansakuntien välille ja luoden tätä kautta jopa konflikteja”. Myös kaivosten tai öljykenttien käyttöönottovuoden ja konfliktien eroja voisi vertailla tietokannoissa. Ovatko esiintymät käyttämättöminä vallitsevien konfliktien vuoksi, ovatko konfliktit seuranneet käyttöönottoa, vai onko näillä mitään yhteyttä.

Toisaalta karttaa tarkastellessa huomaa, että konfliktien ja mineraalivarojen sijaintien vertailu ei välttämättä ole kovin hyödyllistä, sillä ne eivät kartalla näytä monessa paikassa osuvan yhteen. Esimerkiksi Afrikan sarven lähettyvillä on iso konfliktien suma, mutta ei lainkaan timantteja tai öljyä. Etelä-Afrikassa taas on paljon timantteja, mutta ei juuri ollenkaan konflikteja. Hegre ja Raleigh ovat tarkastelleet Afrikan konflikteja (Hegre & Raleigh, 2006) ja ja huomioivat, että maan suuruus vaikuttaa konfliktien syntyyn, mikä puolestaan voi johtua esimerkiksi hallinnon vaikeudesta, etäisyyksistä tai puhtaasti väestön koosta. Toinessa Hegren ja Raleighin raportissa (Raleigh & Hegre 2005, 5) mainitaan mielenkiintoinen linkki mineraalivarojen ja konfliktien välillä: “Several studies suggest that the presence of precious minerals becomes significant during the conflict as a source of income. — Buhaug, Gates & Lujala note that diamonds within the conflict zone increases
the duration of the conflict (2005).” Mineraalivarat voivat siis myös pidentää jo syntyneitä konflikteja tarjoamalla varoja konfliktien osapuolille.

Kuva 3. Suomen valuma-alueiden tulvaindeksi ja järvisyys

Tunnin toisena tehtävänä oli tulvaindeksikartan tekeminen. Saimme valmiina läjän tietokantoja MapInfossa ja Excelissä, joita sitten piti muokata ja yhdistellä tarvittavien tietojen selvittämiseksi. Tarkoitus oli selvittää Suomen valuma-alueiden tulvaindeksi ja niiden järvisyysprosentti sekä tehdä näiden pohjalta vanha kunnon teemakartta. Kartassa (kuva 3) on siis koropleettikarttana valuma-alueiden tulvaherkkyys ja pylväsdiagrammina järvisyys prosentteina. Luokittelua tehdessä piti taas turvautua hieman kikkailuun, jotta kaikkein korkeimmat tulvaindeksiarvot tulisivat näkyviin. Korkeimmillaan tulvaindeksi kohoaa jopa 1100, vaikka suurin osa arvoista on 300 alapuolella. Kartan tekemisen jälkeen piti vielä pohtia sitä, jotta tulevaisuuden luonnonmaantieteen harjoituskurssilla on edes jotain hupaisaa luettavaa.

Maallikon silmin näyttäisi siis ainakin siltä, että korkean järvisyysprosentti alentaisi valuma-alueen tulvaherkkyyttä merkittävästi. Tämä näkyy selvästi Keski- ja Itä-Suomen isoilla valuma-alueilla, joilla on hyvin alhainen tulvaindeksi ja korkea järvisyysprosentti. Lapin valuma-alueilla taas tulvaherkkyys on hieman korkeampi, mutta järvisyys on yhtä lailla pienempi. Sen sijaan Pohjanmaalla ja Etelä-Suomessa järvisyysprosentti näyttäisi olevan mitättömän pieni ja nämä ovatkin paljon herkempiä tulville. Näyttäisi myös siltä, että jotain merkitystä on myös valuma-alueen koolla. Itä- ja Keski-Suomen, sekä Lapin valuma-alueet ovat kymmeniä kertoja suurempia kuin Pohjanmaan ja Etelä-Suomen valuma-alueet. Toisaalta myös pienillä valuma-alueilla eteläisessä Suomessa on alhainen tulvaherkkyys, jos järvisyysprosentti on riittävän korkea, mikä viittaisi siihen, että järvisyydellä on kuitenkin enemmän merkitystä.

Lähteet:

Hegre, H. & C. Raleigh (2006).


Population size, Concentration, and Civil War. A Geographically Disaggregated Analysis.

Raleigh, C. & H. Hegre (2005). Introducing ACLED: An Armed Conflict Location and Event Dataset

Summanen, E. (2014). KK3: Tietokantojen käsittelyn lyhyt oppimäärä. <https://blogs.helsinki.fi/eesu/2014/02/02/kk3-tietokantojen-kasittelyn-lyhyt-oppimaara/> Luettu 9.2.2014

Artikkeli “Two-variable choropleth maps as a useful tool for visualization of geographical relationship” (Leonowicz, 2006) tarkastelee kahden muuttujan koropleettikarttojen käyttöä ja toimivuutta maantieteellisen tiedon esittämisessä. Tällaisia karttoja on Leonowiczin mukaan pidetty hankalina tulkita, johtuen pitkälti Yhdysvaltain väestönlaskentaviraston 1970-luvulla tekemistä kartoista, jotka todettiin tutkimuksissa liian hankalasti ymmärrettäviksi. Leonowiczin mukaan syy ei ole esittämistavan hankaluudessa, vaan karttojen huonossa suunnittelussa ja liiallisessa luokkien määrässä. Hänen omat tutkimuksensa Varsovan ja Vilnan yliopistoissa puoltavat käsitystä ja osoittavat, että kaksiteemaiset kartat voivat olla oikein tehtyinä hyviä osoittamaan erityisesti maantieteellistä suhdetta kahden asian välillä. Sen sijaan maantieteellisen jakautumisen esittämiseen kartat sopivat heikosti.

En ole aiemmin törmännyt kaksiteemaisiin koropleettikarttoihin, varmaankin juuri siksi, että niitä vältellään hankalan tulkittavuuden takia. Totta puhuen, kun tunnilla kävimme läpi näitä karttoja, pidin niitä hieman epäselvinä, enkä oikein ymmärtänyt niiden hyötyä. En ole vieläkään vakuuttunut niiden hienoudesta, mutta artikkeli kyllä selvensi ideaa. Tärkein havainto artikkelissa oli itselleni se, miten teemakartan legenda toimii. Legendassa on siis pistekaavio, joka kuvaa vertailtavien ilmiöiden korrelaatiota tutkittavilla alueilla. Pisteiden lisäksi kaaviossa väripaletti, joka koostuu kahdesta pääväristä ja niiden sekoituksista. Jos korrelaatio ilmiöiden välillä on vahva, värit sekoittuvat, kun taas heikossa korrelaatiossa toinen väreistä korostuu. Värien tummuudella taas kuvataan ilmiöiden voimakkuutta.

Legenda voi tuntua aluksi monimutkaiselta, mutta pienen tutustumisen jälkeen se alkaa hahmottua paremmin. Samalla selvenevät esittämistavan edut. Jos ymmärtää pistekaavion idean, kartalla voidaan selittää hyvinkin yksinkertaisesti kahden teeman riippuvuus toisistaan, sekä samalla korostaa muista poikkeavia alueita. Kahdella erillisellä teemakartalla tämä ei onnistuisi läheskään yhtä selkeästi tai vaatisi ainakin paljon enemmän tarkastelua. Toimivuudessa on kuitenkin pari isoa jossia. Kartta vaatii tiettyä ymmärrystä tilastoista ja asioiden välisestä korrelaatiosta toimiakseen. Lisäksi se vaatii pientä pään vaivaamista, joten esimerkiksi päivittäisen sanomalehden nopeasti vilkaistavaksi kartaksi siitä ei ole. Vähintäänkin kartta vaatisi pienen selityksen esimerkiksi kuvatekstiin. Sen sijaan tekstiin, joka lukijoiden voidaan edellyttää lukevan huolellisesti, kartta voi tuoda paljon lisätietoa.

Toinen jos liittyy kartan ulkonäköön ja tästä syystä olin itse aluksi skeptinen sen käytöstä. Jos kartan värejä ja luokituksia ei ole pohdittu hyvin pitkään ja hartaasti, sen voi oikeastaan suoraan heittää roskiin. Yhdeksän luokkaa on melko ehdoton yläraja ja värien olisi hyvä olla sellaiset, joiden risteytyksestä tulee oma värinsä, jonka kuitenkin tunnistaa päävärien sekoitukseksi. Artikkelissa on annettu kuvassa 4 kaksi mielenkiintoista vaihtoehtoa väripaleteiksi. A-kohdassa värit eivät risteä, vaan vahvasti korreloivat alueet kuvataan pistekuviolla. Tavallaan tämä tyyli voisi olla selkeämpi korostamaan korrelaatiota ja poikkeavia arvoja, mutta en tiedä, meneekö kartta jo hieman epäselväksi. Auttaisi paljon, jos artikkeliin olisi liitetty myös kartta, jossa on käytetty kyseistä väripalettia. Kuvassa 4 B tuntuu olleen kaunis ajatus siitä, että saataisiin luokiteltua alueet selkeästi eri ryhmiin korrelaation perusteella, mutta luokkien määrä on yksinkertaisesti liian iso ja hämmentävä. Se onkin esimerkkinä Yhdysvaltain väestönlaskentaviraston tekemästä kartoista, jotka Leonowicz lyttää täysin. Hertta Lehvävirta huomioi karttoihin liittyvänä ongelmana myös sen,  että on hyvin hankalaa tarkastella samalla legendaa ja karttaa:

Koska katsetta on mahdotonta kohdistaa kahteen objektiin samanaikaisesti, ei tarkastelun yhtäaikaisuus pääse toteutumaan myöskään kaksimuuttujaisen kartan ja sen legendan välillä.

Kieltämättä useampi värimaailma aiheuttaa hankaluuksia kartan tulkinnassa ja rajoittaa jonkin verran karttojen käyttömahdollisuuksia. Toisaalta uskon, että osaava lukija voi käsittää hyvinkin kahden värin vaihtelut, kunhan ne on tehty loogisesti. Esimerkiksi Leonowiczin artikkelin kuvan 3 kartassa punaisen ja sinisen ristetessä lopputulos on vahvan sinertävä, kun taas violetit arvot ovat lähempänä punaista. Tämä hämää ainakin itseäni ja hankaloittaa värien vertaamista, kun pitää jatkuvasti silmäillä legendan ja kartan sävyjä. Vielä hieman tarkemmalla värien suunnittelulla kartan tulkinta voisi helpottua huomattavasti.

Lähteet:

Lehvävirta, H. (2014). Näkökulmia kahden muuttujan koropleettikarttoihin <https://blogs.helsinki.fi/herttale/2014/01/25/nakokulmia-kahden-muuttujan-koropleettikarttoihin/> Luettu 7.2.2014

Leonowicz, A. (2006) Two-variable choropleth maps as a useful tool for visualization of geographical relationship.