Kurssin alkupuoliskolla kokemani kauhun tunteet lientyivät hieman viidennellä, yleisilmeeltään kertausluonteisella tunnilla. Opetuskerran itsenäistehtävät pitivät sisällään runsaasti toistoja, joiden avulla ohjelman keskeisimmät toiminnot näyttivät vakiintuvan vähitellen kaukomuistiini. Tehtävien edetessä tuntui, että osin sirpaleiset tiedon palaset alkoivat hiljalleen rakentua jopa jokseenkin hallittavaksi osaamisen kokonaisuudeksi.
Opetuskerta lähti käyntiin varsin lempeästi. Tunti pohjustettiin ohjatulla ja suoraviivaisella harjoituksella, joka toimi johdantona kurssikerran pääaiheeseen: puskurianalyysien tekemiseen QGIS:in toimintaympäristössä. Minusta oli mieleistä päästä kokeilemaan tätä menetelmää käytännössä, sillä puskurianalyysien sovellusmahdollisuudet ovat varsin moniulotteisia. Olen jo aikaisemmin yrittänyt hyödyntää Paikkatietoikkunan vastaavaa toimintoa – kuitenkaan tuloksetta –, jonka rinnalla QGIS:in analyysityökalut vaikuttivat erittäin selkeiltä ja helppokäyttöisiltä.
Harjoituksen aineistona oli edellisellä kerralla tutuksi tullut Pornaisten peruskarttalehti, peltoja kuvaava taso sekä karttalehden pohjalta digitoimamme tiestö- ja rakennuskantatasot. Karttalehden kohteista juonnettiin erikokoisia puskurivyöhykkeitä, joiden avulla tarkasteltiin esimerkiksi tienvarsien hypoteettista asukastiheyttä sekä alueen keskeisimpien palvelujen saavutettavuutta. Nämä harjoitukset loivat liukumapinnan opetuskerran itsenäistehtäviin.
Puskurointa päästiin soveltamaan tunnin ensimmäisessä itsenäistehtävässä, jossa tarkoituksena oli kartoittaa Malmin ja Helsinki-Vantaan lentoasemien ympäristössä asuvien ja lentomelulle altistuvien määrää (taulukko 1). Tehtävän vaiheet sujuivat melko mutkattomasti ”Buffer”, ”Select by location” sekä ”Join attributes by location” -komentoja toistellen. Toiminnossa hyödynnettiin sekä valmista, meluvyöhykkeitä kuvaavaa vektoriaineistoa sekä itse laatimiamme ympyränmuotoisia vyöhykkeitä. Alex Nylander täsmensi blogissaan, että näistä jälkimmäiset eivät itsessään sovellu esimerkiksi melulle altistuneiden tarkasteluun, sillä todelliset lentomeluvyöhykkeet myötäilevät kiitoratojen suuntautuneisuutta (Nylander, 2020). Vyöhykkeiden itsenäinen laatiminen tarjosi kuitenkin kosketuspintaa puskurikomennon toimintaperiaatteeseen. Tehtävän toisessa osassa tarkasteltiin pääkaupunkiseudun väestön sijoittumissa suhteessa raidelinjojen asemien sijaintiin. Tämä vaihe eteni pitkälti samalla periaatteella, ja saamani tulokset näkyvät taulukossa 2.
Taulukko 1. Tehtävä 1. Asukasmääriä Helsinki-Vantaan ja Malmin lentoasemien lähialueilla.
| asukkaita | |
| 2 km säteellä Malmin lentoasemasta | 57 207 |
| 1 km säteellä Malmin lentoasemasta | 8 707 |
| 2 km säteellä Helsinki-Vantaan lentoasemasta | 10 358 |
| 2 km säteellä Helsinki-Vantaan lentoasemasta ja 65 dB:n melualueella | 31 |
| Helsinki-Vantaan lentoaseman vähintään 55:n dB:n melualueella | 11 913 |
| vähintään 60 dB:n melualueella Helsinki-Vantaan tilapäisellä laskeutumisreitillä v. 2002 | 12 499 |
Taulukko 2. Tehtävä 1.2. Väestörakenteen avainlukuja pääkaupunkiseudun raideliikenteen asemien ympäristössä.
| asukkaat alle 500 m säteellä lähimmästä juna- tai metroasemasta | 106 691 |
| alle 500 m säteellä juna- tai metroasemasta asuvien osuus pääkaupunkiseudun kokonaisväestöstä | 21,8 % |
| työikäisten osuus niistä, jotka asuvat alle 500 m säteellä juna- tai metroasemasta | 69,7 % |
Toisessa itsenäistehtävässä tarkasteltiin pääkaupunkiseudun taajama-alueiden ja väestörakenteen välistä suhdetta (taulukko 3). Tämän tehtävän kohdista ulkomaalaisväestön määrään pohjautuvien laskutoimitusteni tulokset eivät mitä ilmeisimmin pidä paikkaansa, mutta päätin inhimillisyyden nimissä liittää ne kirjoitukseeni. Yritin ratkaista nämä kohdat yksinkertaisin ehtolausein – esimerkiksi ”(ULKOKANS / ASYHT) > 0.1” –, joiden pohjalta seuloin ehtoa vastaavat arvot ”Select by attribute” -komennolla. Suhteutin valitsemani kohteet lopulta taajamien sijaintiin. Epäilen, että olen toimituksien alkuvaiheessa epähuomiossani lähtenyt laskemaan suhdelukuja yksittäisten talojen tasolla, mikä selittänee jokseenkin eksentriset tulokseni.
Taulukko 3. Tehtävä 2. Väestörakenteen avainlukuja taajama-alueittain.
| alueen taajama-aste | 97,6 % |
| kouluikäisten (7 – 15-vuotiaiden) määrä haja-asutusalueilla | 1 289 |
| haja-asutusalueilla asuvien koululaisten osuus kaikista alueen kouluikäisistä | 2,6 % |
| aineiston alueet, joilla ulkomaalaisen osuus ylittää 10 % | 153 |
| aineiston alueet, joilla ulkomaalaisen osuus ylittää 20 % | 140 |
| aineiston alueet, joilla ulkomaalaisen osuus ylittää 30 % | 129 |
Suoritin vapaavalintaisista itsenäistehtävistä vaihtoehdot 3 ja 4. Kolmannessa itsenäistehtävässä pääkaupunkiseudun väestörakennetta peilattiin koulupiirien aluerajauksiin (Taulukko 4). Tässäkin tehtävässä hyödynnettiin samankaltaisia komentoja ja laskutoimituksia kuin edellisissä kohdissa. Koska tehtävässä tarvittavat välineet olivat jo tulleet hyvin tutuiksi, työvaiheessa pääsi esimerkiksi pohtimaan, mitä toimintoja ja välivaiheita kannattaisi suorittaa työnteon ja laskutoimitusten sujuvoittamiseksi.
Taulukko 4. Tehtävä 3. Avainlukuja Yhtenäiskoulun koulupiirin väestöstä.
| ensimmäisen luokan oppilaita ensi vuonna (koulupiirin 6-vuotiaat) | 14 |
| yläasteikäisiä ensi vuonna (koulupiin 12 – 14-vuotiaat) | 62 |
| kouluikäisten (7 – 15-vuotiaat) osuus koulupiirin asukkaista | 8,39 % |
| muunkielisten kouluikäisten määrä koulupiirin kouluikäisistä | 9 |
Viimeisenä tehtävänä oli mallintaa kartalle pääkaupunkiseudun uima-altaiden ja saunojen sijoittumista. Tämän tehtävän perimmäiseksi haasteeksi osoittautui muuttujien esittäminen selkeällä ja visuaalisesti miellyttävällä tavalla. Onnistuin jotenkuten käyttämään neljä päivää laatimieni karttojen ilmeen mukauttamiseen, mutta olen tästä huolimatta melko tyytymätön aikaansaannoksiini.
Kuva 1. Uima-altaalla varustetut talot pääkaupunkiseudulla.
Ensimmäisessä kartassa (kuva 1) pääkaupunkiseudun rakennuskantaa kuvaavasta pisteaineistosta on seulottu kaikki kohteet, joissa on uima-allas. Toisessa kartassa (kuva 2) näiden talojen rinnalle on ilmoitettu niiden asukaslukumäärä. Tästä kartasta on pääteltävissä, että esimerkiksi Helsingin kantakaupungin ja Lauttasaaren uima-altaat sijoittuvat pääasiassa kerrostaloihin.
Kuva 2. Uima-altaalla varustetut talot ja niiden asukasmäärä pääkaupunkiseudulla.
Seuraavassa kartassa (kuva 3) uima-altaiden sijoittumista on havainnollistettu kaupunginosittain. Tämän kohdan varsinaisena tehtävänantona oli kuvata muuttujan vaihtelua sekä histogrammein että absoluuttisin lukumäärin, mutta niiden yhtäaikainen esittäminen ei onnistunut omalla kohdallani. Pylväiden ja lukuarvojen yhteensommitelmani näytti sen verran onnettomalta, että päätin vaihtoehtoisesti havainnollistaa uima-altaiden sijoittumista yksinkertaisen koropleettikartan muodossa.
Kuva 3. Uima-altaalla varustettujen talojen lukumäärä kaupunginosittain pääkaupunkiseudulla.
Viimeinen teemakartta (kuva 4) kuvaa saunojen jakautumista pääkaupunkiseudulla. Esitys tuo ilmi, että esimerkiksi Espoossa on erityisen paljon saunalla varustettuja taloja muuhun pääkaupunkiseutuun nähden. Kartan ilmentämiä eroja selittänevät esimerkiksi talojen rakennusajankohdille ominaiset rakentamisen trendit.
Kuva 4. Saunattomien ja saunalla varustettujen talojen jakautuminen pääkaupunkiseudulla.
Kurssikerran tehtävät toivat esiin toistaisen osaamistasoni vahvuuksia ja vajeita. Koska aineistoja oli runsaasti ja tehtäviä paljon, ajatusjuoneni ei edennyt katkoksitta työvaiheesta toiseen. Analyysien perimmäisenä haasteena olikin ymmärtää, missä suhteessa työstettävät aineistot olivat toisiinsa nähden. Tehtävät etenivät kuitenkin kokonaisuudessaan melko vaivattomasti, useimmiten erehdyksen ja oivalluksen kautta.
Anna
Lähteet:
Nylander, A. (2020). Buffereita ja väestöanalyysejä. 20.3.2020. <https://blogs.helsinki.fi/alny/2020/02/18/kurssikerta-5-buffereita-ja-vaestoanalyyseja/>