Tällä kurssikerralla tuotimme dataa Qgis:in avulla ja tarkoituksenamme oli laskea erilaisia lukuja käyttäen Qgis:iä ja Execeliä. Kurssikerta oli siitä erilainen, että suurin osa työstä, jota teimme oli itsenäistä, eikä lähes koko kurssikertaa käytetty luennoitsija Paarlahtea seuraten. Aihe oli mielestäni mielenkiintoinen, koska se vastasi paljolti sitä, mitä geoinformatiikassa todellisessa elämässä tehdään. Tunnin pääteemana toimivat bufferi, eli puskuri vyöhykkeet. Eemil Becker kertoo blogissaan mihin niitä voisi esimerkiksi käyttää: ”Puskurivyöhykkeiden avulla pystytään esimerkiksi tarkastelemaan saavutettavutta, teiden melu- ja ilmansaasteita, sekä vaikkapa jokien alueiden maanviljelysmahdollisuuksia.”(https://blogs.helsinki.fi/beemil/2018/02/19/homma-rupee-sujumaan/, luettu 28.2.2018).

Aloitimme Tutkimalla Pornaisten rajauksen sisällä olevien teiden pituuksia ja peltojen pinta-aloja. Nämä saimme selville analysointityökalun alta löytyvästä ”sum line lenghts” toiminnolla ja  peltojen pinta-alan geoprosessointityökalun ”intersects” ja ”clip” työkalun avulla. Tämän jälkeen pääsimme harjoittelemaan buefferointia eli puskurointia. Se tarkoittaa jonkin pisteen, viivan tai alueen ympärille tehdyn alueen luomista ja sen sisälle jäävän alueen analysointia. Tarkoituksenamme oli tarkastella kuinka paljon ihmisiä asuu Pornaisissa 100 metrin säteellä sen kuudesta päätiestä. Olimme asettaneet pisteet niin, että ihmisten lukumäärä jokaisessa pisteessä vaihtelee sattumanvaraisesti yhden ja seitsemän välillä. Laskimme näiden tietojen avulla ”Spatial querya” apua käyttäen kuinka monta taloa, asukasta ja kuinka monta prosenttia nämä muodostavat koko alueen ihmisistä.

Pornaisten tutkimisen jälkeen käytimme lopputunnin itsenäisharjoitusten tekemiseen ja niistä saadun datan esittämiseen excelissä (Taulukko 1). Itsenäistehtävässä yksi tutkimme erilaisten joukkoliikenneasemien vaikutusta sitä ympäröiviin ihmisiin. Ensimmäiseksi tutkimme Malmin lentokenttää ja sen melualueella asuvia ihmisiä. Helsinki-Malmin lentoasema on jo pitkään ollut kiistelyn alla, kuten Helsingin sanomien artikkeleista voidaan huomata (https://www.hs.fi/aihe/malmin-lentokentta/, luettu 27.2.2018). Mielipiteitä löytyy niin vastaan kuin puolestakin enemmän kuin tarpeeksi.

Tehtävässä meidän kuului piirtää itse lentoradat ja tehdä tämän jälkeen kahden ja yhden kilometrin kokoinen puskurointivyöhyke niiden ympärille. Tässä kohtaa on hyvä muistaa tehdä puskurivyöhykkeen ”segments”-osiosta tarpeeksi suuri, jotta alueesta tulee pyöreä. laitoin luvuksi 36 koska se vastaa suurpiirteittäin ympyrää. Tulos näkyy taulukossa 1. 2km säteellä ihmisiä Malmin lentokentästä asuu 56672 ja 1km säteellä  8687. 2km säteellä asuvien ihmisten lukumäärä yllätti minut sen suuruudella. Kuitenkin Helsingin kaupungin meluselvityksen mukaan vain 562 ihmistä asuu Malmin lentokentän melualueella.  (https://www.hel.fi/hel2/ymk/meluselvitys/selvitys.htm, luettu 27.2.2018). Jos tätä vertaa esimerkiksi automelusaasteen lähettyvillä asuviin ihmisiin, joita on selvityksen mukaan 282 000, on se todella pieni. Hauskaa oli myös havaita, että asun itse lähes tuon 2km bufferin rajalla Viikissä, enkä ole kiinnittänyt mitään erityistä huomiota lentomeluun.

Seuraavaksi tutkimme Helsinki-Vantaan lentokentän 55:en desibelin ja 65:en desibelin melualueita ja niiden sisällä asuvia ihmisiä. Kuten taulukosta 1 voidaan huomata 65 desibelin melualueella asuu vain 27 ihmistä, joka on 0.262% koko alueen asukkaista. 55 desibelin melualueella luku nousee paljon 11913:een. Vuonna 2002 Helsinki-Vantaalle rakennettiin kolmas kiitotie, koska lentoliikenne sinne oli kasvanut liian suureksi (https://yle.fi/uutiset/3-5123844, luettu 27.2.2018). Tällöin lentomelu kohdistui Tikkurilan suuntaan jolloin melualueella asui yli kaksi kertaa enemmän ihmisiä (26028).

Itsenäistehtävä yhden lopuksi tutkimme vielä kuinka ihmiset ovat sijoittuneet tutkimallamme alueella suhteessa juna- ja metroasemiin. Tästä pystymme päätellä, että todella suuri osa työikäisistä ihmisistä asuu jonkin aseman lähellä (68.52%). Tälläistä dataa voidaan hyödyntää esimerkiksi aluesuunnittelussa, joka on yksi maantieteilijän mahdollisista ammateista. Uusien julkisen liikenneyhteyksien sijoittaminen ja niiden kehittäminen vaikuttaa merkittävästi yhteiskunnan tulevaisuuteen ja esimerkiksi alueellisen kehityksen tasapuolistumiseen.

Itsenäistehtävässä 2 ja 3 tutkimme taajama-alueella asuvia ihmisiä pääkaupunkiseudulla yleisesti, maahanmuuttajien osuutta eri alueilla ja Helsingin Yhtenäiskoulun tulevaisuudennäkymiä. Koko pääkaupunkiseudun väestöstä 96.10% asuu taajama-alueella (taulukko 1). Kouluikäisistä tämä osuus on lähes sama 96.36%. Laskimme myös koulupiirejä apua käyttäen Helsingin yhtenäiskoulun tulevaisuuden näkymiä. Vuonna 2019 Helsingin yhtenäiskoulussa aloittaa 14 uutta koululaista ja aloittavia yläkouluikäisiä on 62. Itsenäistehtävä 2 perusteella vieraskielisiä koululaisia olisi koulussa noin 10.

Harmikseni en ottanut kuvia karttojen työstämisvaiheessa, joten tästä blogiosuudesta tuli hieman tylsän näköinen. Tosin tunnin teemana olikin tuottaa taulukko ja soveltaa kurssilla oppimiamme taitoja.

Malmin lentokentästä 2km säteellä asuvat	56672
Malmin lentokentästä 1km säteellä asuvat	8687
Helsinki-Vantaan lentokentästä 2km säteellä asuvat	10288
Pahimmalla melualueella asuvat ihmiset Helsinki-Vantaan lentokentästä	27	0.262 %
55db melualueella asuvat ihmiset Helsinki-Vantaan lentokentästä	11913
Tikkurilan melualueella asuneet ihmiset vuonna 2002	26028
Ihmiset 500m säteellä asemista	106691
Kaikki asukkaat alueella	490173
500 metrin alueella asemista asuvat ihmiset, %	21.77%
Työikäiset 500 metrin alueella asemista	73108	68.52%
Koko alueella asuvat ihmiset	1042446
Taajama-alueella asuvat ihmiset, %	1001830	96.10%
Kouluikäisiä yhteensä alueella	114805
Kouluikäisiä taajamissa alueella	110629
Kouluikäisiä taajamien ulkopuolella, %	96.36%
Maahanmuuttajien osuus yli 10%, alue	65
Maahanmuuttajien osuus yli 20%,alue	21
Maahanmuuttajien osuus yli 30%, alue	13
Aloittavat kouluikäiset Helsingin yhteiskoulussa	14
Aloittavat yläkouluikäiset Helsingin yhteiskoulussa	62
Aloittavat peruskouluikäiset kaikista koulupiirin asukkaista, %	9.13%
Vieraskielisten määrä kaikista kouluikäisistä koulupiirin asukkaista	10

Taulukko 1. Taulukko Vantaalla ja Pääkaupunkiseudulla lentomelusta kärsivistä, koulupiireistä ja maahanmuuttajien osuuksista niissä.

Omaa Qgis osaamista arvioidessani minulla herää hieman huolia osaamiseni suhteen. Olen kyllä saanut kurssilla tehdyt tehtävät valmiiksi, mutta en aina ymmärrä, miksi joitain asioita tehdään. Koen osaavani uusien vektori- ja rasteritasojen tuomisen ohjelmaan. Lisäksi tiedän, kuinka niissä olevaa dataa tarkastellaan ja missä voidaan laskea asioita. Myös ”Spatial Query”- toiminnon koen hallitsevani hyvin. Myös ”print composerin” ja karttojen visuaalinen esittäminen alkaa luonnistumaan minulta hyvin. Osaan piirtää ja tehdä pisteitä kartalle.

Kuitenkin monesti esimerkiksi kyselyitä tehdessä en tiedä mitä kannattaa raksittaa ja milloin, joka saattaa muuttaa lopputuloksen täysin. Hiomista taidoissa siis löytyy vielä paljon. Monesti yksinkertaiset ja pienet asiat estävät minua saamaan aikaan toivottua lopputulosta. Lisäksi, jos tehtävänanto ei kerro, mitä tulisi tehdä on minun usein hankala soveltaa osaamistani.

 

Lähteet:

https://www.hs.fi/aihe/malmin-lentokentta/, luettu 27.2.2018

https://www.hel.fi/hel2/ymk/meluselvitys/selvitys.htm, luettu 27.2.2018

https://yle.fi/uutiset/3-5123844, luettu 27.2.2018

https://blogs.helsinki.fi/beemil/2018/02/19/homma-rupee-sujumaan/, luettu 28.2.2018

 

 

Tämän kurssikerran aiheena meillä oli opetella tuottamaan paikkatietoa ruutuaineistomuodossa, joka on yksi perinteisimmistä geoinformatiikalla tuotettavista karttaesityksistä. Eveliina Sirola kertoo blogissaan ”Neljäs kerta toden sanoo” hyvin pistetietokannoista: ”Pisteaineistot ovat kaikista tarkimpia paikkatietoaineistoja, joihin voidaan kerätä tietoa melkein minkälaisista kohteista tahansa. Nimensä mukaan pisteaineistolla kuvataan yleensä kartoissa pistemäisiä kohteita, kuten rakennuksia tai vaikkapa eläinhavaintoja. Nämä kohteet yleensä sisältävät paljon ominaisuustietoa, kuten rakennusten tapauksessa vaikkapa niiden tyypistä, käyttötarkoituksesta tai rakentamisvuodesta.” Matti Moisala kertoo blogissaan (https://blogs.helsinki.fi/moisalam/2018/02/08/4/) myös pistetietoaineistojen huonoista puolista, jotka ovat niiden kallius ja keräämisen hankaluus.

Tasoiksi valitsimme kuntarajauksen Helsingistä, Vantaalta, Espoosta ja Kauniaisista. Näiden päälle vedimme ruudukon, joka oli 1000m kertaa 1000m. Tarkoituksena meillä oli selvittää missä päin pääkaupunkiseudulla elää eniten ruotsinkielisiä ihmisiä. Ensiksi poistimme ”Spatial query”-toiminolla kaikki ne ruudut, joissa ei ole mitään tietoa, sillä on turha säilyttää ruutuja alueella, jossa ei esimerkiksi asu yhtäkään ihmistä. Tämän jälkeen yhdistimme tietokannan ruotsia puhuvista ihmisistä ruudukkoaineistoon. Näin saimme tulokseksi kartan, jossa eri väreillä on merkattu ruudukkoon ruotsinkielisten ihmisten määrä lukuina. Mitä tummempi ruutu, sitä enemmän sen alueella asuu ruotsinkielisiä.

Vieraskieliset ja ulkomaalaiset pääkaupunkiseudulla

Yhdessä luennoitsija Paarlahden tekemän kartan jälkeen meille annettiin tehtäväksi luoda samantyyppinen, mutta eri aiheesta esittävä kartta. Päätin ottaa tietokannakseni vieraskieliset ja ulkomaalaiset pääkaupunkiseudulla. Muutin ruudukon 500m kertaa 500m kokoiseksi vector gridin asetuksista, joka löytyy Qgis-ohjelmassa Vector ja Research tools osion alta. Olen samaa mieltä Eemil Beckerin (https://blogs.helsinki.fi/beemil/2018/02/08/kurssikerta-4/)  ja Olivia Halmeen (https://blogs.helsinki.fi/halmeoli/2018/02/11/kiikarissa-pikselimeri/) kanssa, siitä että 500m x 500m kokoinen ruudukko on sopivan kokoinen pistetietokantojen visualisointiin, koska spatiaaliset erot tulevat siinä hyvin esiin ja ruudut eivät ole liian pieniä. Tämän jälkeen loin uuden aineiston ja poistin jälleen turhat ruudut kartalta.

Tulokseksi sain kyseisen kartan (kuva 1), jossa vieraskieliset ja ulkomaankansalaiset ovat esitetty lukuina ruuduittain. Vaaleimmassa ruudussa on 0 ja ne muuttuvat asteittain tummemmaksi, mitä enemmän vieraskielisiä ja ulkomaalaisia alueella asuu. Kartassa näkyy myös kuntien rajat punaisina viivoina.

Kartasta voimme päätellä, että Helsingissä on neljästä kunnasta eniten vieraskielisiä ja ulkomaan kansalaisia. Myös juna- ja metroratojen varrella vaikuttaisi asuvan paljon heitä. Tämä on havaittavissa erityisesti Koillis-Vantaalle kulkevan junaradan ympäristön tummempana linjana. Erityisen vähän vieraskielisiä ja ulkomaan kansalaisia asuu Pohjois-Vantaalla ja Pohjois-Espoossa. Myös esimerkiksi Sipoosta Helsinkiin liitetyllä alueella on selvästi vähemmän heitä.

Mielestäni kartta on rehellisesti sanottuna huonosti onnistunut. Se on harhaanjohtava, koska ihmiset esitetään absoluuttisina lukuina. Tämän takia kartan perusteella Helsingin kantakaupungissa on erittäin paljon vieraskielisiä ja ulkomaalaisia. Tämä pitää tietenkin paikkansa ja kuten Varpu Savolainen sanoo ”Tämä kuitenkin on aivan itsestäänselvyys” (https://blogs.helsinki.fi/sadvarpu/2018/02/09/64/), koska syy siihen on ihmisten yleinen väentiheys alueella. Kuten Vivi Tarkka blogissaan ”https://blogs.helsinki.fi/vivitark/2018/02/10/mummoja-ruudussa/” kirjoittaa, kartta toimisi paljon informatiivisempana, jos ruudut olisivat suhteutettuna väestöntiheyteen esimerkiksi prosentteina. Lisäksi tummin ruutu vaihtelee 61 ja 1134 ihmisen välillä, joka on todella suuri väli. Kartassa on myös yksi kartantekijän kardinaalivirheistä, koska siitä puuttuu pohjoisnuoli (fuksimoka). Meillä tuli työn kanssa kova kiire, koska Qgis kaatui ja hävitti tekemäni työn muutamaan otteeseen ja luennolla oli vielä kolmaskin tehtävä tämän jälkeen, joka osaltaan selittää huolimatonta lopputulosta. Olen samaa mieltä Marisa Nurmisen kanssa, joka kirjoittaa blogissaan (https://blogs.helsinki.fi/marisa/2018/02/08/kurssikerta-4/) siitä, kuinka ruututietokannat ovat luotettavia tapoja esittää ilmiöitä.

Kuva 2 (http://ulkomaalaistaustaisethelsingissa.fi/fi/alueellinensijoittuminen, luettu 18.2.2018) esittää prosentuaaliset osuudet alueittain Helsingissä, josta saa huomattavasti paremman kuvan, minne ulkomaalaistaustaiset ihmiset ovat kaupungissa sijoittuneet. Selkeimpinä keskuksina kartassa näkyvät Mellunkylä, Vartiokylä ja Rastila. Nämä alueet eivät erityisemmin erotu kuva 1:sä kuin tummina pisteinä. Sivulla kerrotaan myös, että eniten ulkomaalaistaustaisia on Helsingissä Kontulassa, Myllypurossa, Kannelmäessä ja Kallahdessa.

Luennon lopuksi harjoittelimme Qgis-ohjelman avulla piirtämistä. Teimme teistä viivakohteita ja rakennuksista pistekohteita. Qgis:stä löytyy monenlaisia piirto työkaluja, joilla voidaan tuottaa vektori- ja rasteritasoja esimerkiksi karttalehden päälle. Tutkimamme kohde oli Pornaisten kaupunki. Näitä tulisimme tarvitsemaan seuraavalla kurssikerralla.

Lähteet:

https://blogs.helsinki.fi/evsirola/

https://blogs.helsinki.fi/vivitark/

https://blogs.helsinki.fi/marisa/2018/02/08/kurssikerta-4/

https://blogs.helsinki.fi/sadvarpu/2018/02/09/64/

https://blogs.helsinki.fi/moisalam/2018/02/08/4/

https://blogs.helsinki.fi/halmeoli/2018/02/11/kiikarissa-pikselimeri/

https://blogs.helsinki.fi/beemil/2018/02/08/kurssikerta-4/

http://ulkomaalaistaustaisethelsingissa.fi/fi/alueellinensijoittuminen

 

Tällä kurssikerralla jatkoimme sukeltamista yhä syvemmälle Qgis:in jännittävään ja pelottavaan maailmaan. Todellisuudessa, suuri osa tunnista sujui lähinnä yliopisto-opettaja Paarlahden ohjeita tarkkaan seuraten. Minusta välillä tuntuu, että asioiden ymmärtäminen jää hieman taka-alalle, koska luennoilla on sen verran kova tahti. että jos hetkeksikin jää jälkeen, niin on lopputunnin jäljessä ilman kavereiden apua. Tosin tämä saattoi johtua myös tunnilla tapahtuneista, teknisistä ongelmista. Monella Qgis kaatui moneen otteeseen ja yhdeksi suurimmaksi syyksi tähän löytyi se, että opiskelijoiden henkilökohtainen tallennustila oli loppumassa, joka ei ole hyvä yhdistelmä ilmaisen ja vapaan sovelluksen kanssa.

Afrikan mantereen kartassa oli liian paljon yksiköitä, koska halusimme jokaisen valtion edustavan yhtä saraketta. Aluksi yhdistimme muutaman valtion yksittäin, jossa oli paljon yksiköitä. Tällä tavalla kuitenkin kaikkien Afrikan valtioiden saamiseksi yhdeksi päteväksi tietokannaksi, menisi ikuisuus, joten käytimme huomattavasti tehokkaampaa keinoa, jossa jokainen valtio yhdistettiin ”dissolve”-toiminnolla kokonaiuudeksi, niiden koodin, eli siis valtion nimen perusteella. Näin saimme kaikista Afrikan valtioista, jotka tietokannasta löytyivät yksiköitä.

Nyt kun Afrikka on siivottu, tulimme seuraavan haasteen eteen. Kuinka saada excel-muotoinen taulukko liitetyksi Afrikka-tietokantaan. Jostain kumman syystä tätä ei ole tehty helpoksi, vaan jouduimme muuttamaan excel-tiedoston .csv-tiedostoksi. Tämän jälkeen yhdistimme Internetin ja Facebookin lävistävyyden Afrikka-tietokantaan ja jaoimme sen maiden väkiluvulla. Tuloksena saimme käsitystä siitä, missäpäin Afrikkaa internetiä ja Facebookia käytetään, jota voidaan pitää kehittyneisyyden merkkinä.

Tämän jälkeen lisäsimme vielä layereiksi öljykenttien sijainnin, timanttien löytöpaikat ja konfliktit maittain. Sen jälkeen niistä kuului tehdä unique layer, jossa näitä voitiin vertailla keskenään. Tietokannoista voidaan päätellä, milloin on tapahtunut paljon konflikteja, kuinka laajoja ne ovat olleet, miten timantit ovat vaikuttaneet konfliktien alkamiseen ja kestoon, miten öljy on vaikuttanut konflikteihin ja missä. Myös öljyn suhdetta teknologian kehitykseen maittain voidaan tarkastella, internetin käyttöönottovuoden avulla. Meri Suppula esittää hyvää pohdintaa blogissaan kirjoittaessaan ”Karttaa tarkastellessa herää kysymys, onko öljyn ja timanttien esiintymisellä jokin yhteys konfliktien syntyyn.”

Tulvariskikartta Suomesta

Afrikan kartan siistimisen ja tulkinnan jälkeen meidät jätettiin aika lailla oman onnemme nojaan luomaan sptatiaalista karttaa Suomen valuma-alueista ja järvisyydestä. Tehtävänämme oli erilaisista tietolähteistä, kuten excelistä (xls-muodossa), shapefile muodossa olevat valuma-alueet ja mapinfo (tab-muodossa) oleva keskiylivirtaama. Tämän jälkeen laskimme yksinkertaisella laskutoimituksella tulvaindeksin. Tämän jälkeen järvisyysprosentti lisättiin koropleettikarttaan pylväsdiagrammin muodossa.

Huomautan, että tässä välissä pyrin tallentamaan karttani jokaisen vaiheen jälkeen, koska qgis oli vaarassa kaatua jatkuvasti. Lisäksi minun täytyy kiittää vieressäni istunutta matematiikkaa pääaineena opiskelevaa naista, koska hän auttoi minua kartan laadinnassa todella paljon.

Varpu Savolaista lainatakseni koropleettikartassa näkyy ”tummimmalla sinisellä kaikista tulvaherkimmät alueet. Alueet vaalenevat sitä mukaan, kun tulvaherkkyys vähenee”(kuva 1). Kaikista tulvaherkimmät alueet sijaitsevat Pohjanmaalla, jossa suuret joet laskevat perämereen alavassa maastossa. Lisäksi myös Etelä-Suomen viljelysseudun joet ovat herkkiä tulvimaan samoista syistä. Kartalta voidaan päätellä, että järvisyys (merkitty karttaan vaaleansinisellä) vähentää tulvien syntymisen riskiä. Tämä johtuu järvi-Suomen topografisesti vaihtelevasta maastosta ja suurista järvistä, kuten Saimaasta, joka sitoo paljon vettä. Tämä on kartassa nähtävissä myös korkeina järvisyysprosenttipylväinä.

Kartta onnistui mielestäni Qgis-ohjelmassa hyvin mutta, kun se muutettiin kuvamuotoon sen esteettisyys kärsi. Pylväistä muuttui isompia ja eri värit erottuvat huonommin. Lisäksi kartan pohjan ja järvien suuri kontrasti saa ne näyttämään lähes mustilta. Myös joet olisi voinut merkitä eri värillä, jotta ne eivät pistäisi yhtä paljon silmään. Oikeasti vannon kartan näyttäneen alun perin paljon paremmalta Qgississä 😀

Tätä blogia kirjoittaessani minulle ilmeni yllättävä ongelma, kun olin vaihtanut tietokoneeni kielen espanjaksi. Itse kuva 1 liittäminen oli vähän turhankin vaikeaa, ja tulin laittaneeksi sen myös muun muassa taustakuvakseni. Tietokoneeni on siis espanjaksi, jotta ehkä oppisin kieltä paremmin. Tässä vielä kuvia loppukevennykseksi.

Kuva 2. Espanjankielinen käyttöliittymmä ei ainakaan helpottanut blogin kirjoitusta

Kuva 3. tulva-aluekartta meni myös vahingossa taustakuvakseni

Ps. Pahoittelut kuvien laadusta

Lähteet:

https://blogs.helsinki.fi/sadvarpu/

https://blogs.helsinki.fi/merisupp/