Aivot narikassa

Jjjjjjjjjjjjjjjjjjoo, olisi pitänyt kuunnella Arttua neljännellä kurssikerralla ja tuoda ne parhaat aivot peliin mukaan. Hieman sitä taisi kyllä olla biletuulella lauantaina ja kanuunan merkeissähän sunnuntai meni. Oliko sitä edes maanantaina kokonaan toipunut. Viidennettä kurssikertaa Arttu jo hieman preppasikin mainostamalla, että ”tuokaa parhaat aivot mukaan”. No unohdin tämän ja se näkyi.

Aloitimme tunnit laskutoimituksilla karttakohteiden avulla. Mutta se mehevin osuus alussa oli bufferointi eli puskurointi. Sen avulla voidaan määrittää tietyn pituinen vyöhyke jonkun halutun kohteen ympärille. Tämän avulla voidaan laskea esimerkiksi kohteita vaikka kilometrin säteellä esimerkiksi juna-asemasta. Bufferoinnin avulla voi myös kartoittaa muun muassa mahdollisuuksia kaupan tai yleensäkin yrityskäyttöön. Bufferoinnilla voidaan selvittää mahdollisten kuluttajien määrää selvittämällä asuinpaikkojen määrä ja/tai liikennöintimahdollisuudet. Puskurivyöhykkeillä voidaan myös, Johanna Lehtisen mukaan käyttää mittaamaan vaikka luonnossa käyttämällä jotakin pistettä ja siitä bufferoida tietty alue.

Lopulta pääsimme itse hommiin. Tällä kerralla olikin varattu enemmän aikaa itsenäistehtäviä varten. Tarkoituksena QGISin oppimisen lisäksi oli tarkoitus löytää itse erilaisia ratkaisuja tehtävien ratkomiseksi. Ensimmäisenä tehtävänä oli tarkoitus selvittää muun muassa lentokentien säteellä asuvien määrä, lentomelualueita ja kuinka monet asuvat vaikutusalueilla. Helsinki-Vantaan lentokenttä on vilkas lentokenttä ja lentomelu vaivaa monia, kuten alemapana olevasta tulukosta näkee. 60 db Tikkurila tehtävässä piti laskea Tikkurilan yli lentävien lentokoneiden lentomelualueella asuvien määrä. Sekin oli lopulta suht simppeli. Piti vain piirtää alue, joka käsitti asuvat ihmiset alueen sisällä ja spatial queryllä vastaus tipahti kuin Lucifer taivaasta.

Lentomelu db Helsinki-Vantaa Asukkaiden määrä
65 db 0.75%
55 db 11 683
60 db Tikkurilan yli 12 552

Taulukko 1. Helsinki-Vantaan lentomelualueilla asuvien määrä. Kolmannessa kohdassa piti selvittää Tikkurilan yli lentävien koneiden aiheuttamaa lentomelua asukkaille.

Kakkososiossa tutkittiin juna- ja metroasemien lähettyvillä (500 metrin läheisyydessä) asuvia sekä taaajamissa asuvia ja verrattiin asemien läheisyydessa työikäisiä (15-64) kaikkiin asemien 500 metrin läheisyydessä asuviin. Huomattava osa ihmisistä asuu 500 metrin läheisyydessä asemista, 106 691 ihmistä. Toisessa taulukossani on koottu vastaukset liittyen asemiin ja taajamiin. Olen kyllä epäileväinen ulkomaalaisten osuuksista alueittain. Oletan, että sana alue on tässä kontekstissa taajama-alueet, mutta esimerkiksi Vilmalla on eri vastaukset samoihin kysymyksiin. Mutta voidaan mennä vaikka ulos tappelemaan tästä, jos on pakko.

500 m aseman lähistöllä 106 691
kuinka monta % asuu taajamissa? 21,80 %
työikäisiä  15-64 kaikista taajamissa asuvista %? 68,50 %
taajamissa asuvat 478 371
yli 30% 27
yli 20% 38
yli 10% 51

Taulukko 2. Asema- ja taajama-kysymyksien vastaukset.

Viimeinen tehtävä liittyi Helsingin yhtenäiskouluun ja sen koulupiiriin (kuva 1)  ja yllättäen tämä tehtävä oli helpoin näistä. Koulupiirin rajaus, muutama lasku ja voila, its done. Toisaalta pks_vaki aineisto oli niin iso ja en tajunnut rajaa sitä, johon qgisillä tuntui olevan hieman vastaväitteitä kaatumisien muodoissa. Vastaukset saatiin ja ne ovat kuitenkin alemmassa taulukossa (taulukko 3)

6-vuotiaita omassa koulupiirissä 14
yläasteikäisiä 13-16 63
16-vuotiaita 25
kouluikäiset 7-16 159
asukkaita yhteensä koulupiirin alueella 1894
Koulupiirin alueella asuvat kouluikäiset % 21,60 %
muunkieliset koulupiirin alueella 110

Taulukko 3. Kolmosen kysymysten vastaukset.

Kuva 1. Karttakuva yhtenäiskoulun koulupiiristä. Koulupiiri on merkattu sinisellä

Helsingin yhtenäiskoulu sijaitsee siis Käpylässä ja sen oppilasmäärä on noin 250 oppilasta (Wikipedia). Helsingin mittakaavassa yhtenäiskoulu on pieni koulu. Näitä laskuja tehtiin siinä olettamuksessa, että yhtenäiskoulu käsittää vain omassa koulupiirissä asuvia. Näitä laskuja on siksi hyvä katsoa kriittisesti, koska yhtenäiskoulussa on varmasti muita opiskelijoita, jotka asuvat hieman kauempana.

Tuntuu hieman, että jokaisessa tehtävässä tehtiin samoja asioita. Rajaa jokin tietty alue tai alueita ja poimi kyseisiltä alueilta jotkin tietyt kohteet, kuten vaikka kouluikäiset taajamien ulkopuolella. Työkalut, kuten bufferointi ja spatial query olivat ne kalut, joilla sain suuremmaksi osaksi nämä tehtävät tehtyä. Ja jatkuvien toistojen takia rohkenisin väittää, että spatial query ja bufferointi ovat minulle jo suhteellisen tuttuja välineitä QGISissä.

Mutta huomasin myös toisen jutun. Kannattaa rajata attribuuttitaulukkojen tietoja käyttäen vaikka join attributes by location – toimintoa. QGISkin varmasti tykkäisi siitä enemmän, eikä kaatuisi uudestaan ja uudestaan.

Ja yleisesti ottaen QGIS tuntuu edelleen hankalalta, vaikka olen ottanut mielestäni harppauksia enemmän verrattuna ekoihin kertoihin. Joitain juttuja olen oppinut, mutta turhan usein tulee hieman pidempiä aikoja QGIS-ohjelman parissa. Aikaa menee usein pelkästään sihen, kun yrittää muistaa, mitä oli tehnyt aikaisemmilla kerroilla. Usein jään johonkin asiaan, joka lopulta on hyvin pieni asia, jonka lopulta pystyy ratkaista hyvin helpolla. Menen hieman asioiden edelle, mutta kuudennella kurssikerralla jäin kokonaan jumiin vain sen takia, koska en pystynyt editoimaan attrbuuttitaulukkoa. Lopulta Teemu vihjaisi, että vaihtaisin vain csv:stä vaikka shapefile-tiedostoksi ja boom baby, i was back. Tästä lisää ensi blogissa.

Yksi lisäys vielä, nimittäin karttojeni visuaalisuus kalpenee verratessa esimerkiksi Seeti Haapasen karttoihin, jotka näyttävät visuaalisesti paremmilta. En ole panostanut karttojeni ulkonäköön paljoakaan. Yritän tehdä niistä luettavia ja niistä saa mielestäni selvää, mutta viimeistelyssä, eli legendan ja muut lisäykset tuppaan yleensä vain tekemään niin, että niissä näkyvät kartoilla esiintyvät asiat, jotta lukija saa selvää, mitä yritän kartoilla esittää. Tähän vaikuttaa myös oma viitsimiseni. Pystyisin varmasti tehdä visuaalisesti parempia karttoja, jos panostaisin siihen enemmän.

Kuva 1. Dab on QGIS

Pieni loppukevennys. Tämä kuva tuottaa minulle iloa ja auttaa unohtamaan kaikki huonot muistot viimeisiltä kurssikerroilta. Until next time.

Lähdeluettelo:

Kaukavuori. Vilma. Talojen suuret ikäluokat lähestyvät putkiremontti-ikää. 15.2.2019. https://blogs.helsinki.fi/vilmakau/ (luettu 20.2.2019)

Lehtinen. Johanna. Itsenäistä säheltämistä. 14.2.2019. https://blogs.helsinki.fi/johanleh/ (luettu 26.2.2019)

Wikipedia. https://fi.wikipedia.org/wiki/Yhten%C3%A4iskoulu_(Helsinki) (luettu 22.2.2019)

 

 

One Reply to “Aivot narikassa”

Leave a Reply

Your email address will not be published. Required fields are marked *