Viikko 5. Viides luento ja harjoitukset

Terrrvetuloa jälleen Antin kurssiblogin pariin, makumatkalle maailman yrjöttävimpien karttaprojektien pariin!

Tämän viikkoisten harjoitusten eteen jouduimme vuodattamaan verta, hikeä ja kyyneleitä, sillä tällä kertaa jouduimme ottamaan ohjat omiin käsiin heti alusta alkaen. Normaalisti luennolla käymme tehtäviä Artun opastuksella vaihe vaiheelta läpi, mutta tällä kertaa pääsimme työskentelemään itsenäisesti. Aluksi tämä herätti itsessäni kauhun sekaisia tuntemuksia, sillä itseluottamukseni omaan QGIS:sin hallintaani ei ole niin sanotusti pilvissä. Huoleni osoittautuivat kuitenkin turhiksi, sillä omatoiminen työskentely luonnistuikin yllättävän kivuttomasti!

Ensitöiksemme harjoittelimme erilaisten bufferien hyödyntämistä QGIS-ohjelmassa. Bufferi on kohteen ympärille luotava sektori, jonka avulla voidaan tutkia erilaisten ilmiöiden esiintymistä valitulla etäisyydellä kohteesta. Tehtävänämme oli selvittää Malmin lentokentän pahimmalla melualueella (2km) asuvien ihmisten määrä buffereita hyödyntäen. Aluksi piirsin kartalle lentokentän kiitoratoja kuvaavat viivat, joille loin uuden layerin. Tämän jälkeen loin kahden kilometrin bufferit kiitoratojen ympärillä GQIS:sin processing tool boxista löytyvällä buffer-toiminnolla. Viimeiseksi select by location- toiminnon avulla valitsin buffereiden sisään jäävät kohteet ja QGIS:sin statistics panel kertoi tarvittavat tiedot alueen väestöstä. Vertaillessani omaa tuotostani kurssitoverini Juliannan tekeleeseen, vaikuttuvat lopputulokset kutakuinkin samoilta, joten uskon meidän molempien saaneen jutun juonesta kiinni!

Malmin lentokentän lisäksi harjoituksiin sisältyi samankaltaisien meluhaittabuffereiden luomista Helsinki- Vantaan lentokentällä. Toimenpiteet olivat kutakuinkin samoja kuin Malmin lentokentän tapauksessa eikä tuloksien analysoinnissa esiintynyt juurikaan ongelmia. Samojen toimintojen toistaminen loi kuitenkin hyvää rutiinia ja koen tehtävien suorittamisen jälkeen hallitseva QGIS:sin bufferityökalun melko mallikkaasti.

Toisessa tehtävässä siivet vaihdettiin kiskoihin, sillä tällä kertaa tarkasteluun otettiin lentoasemien sijaan juna-asemat. Tehtävänä oli tutkia kartan alueen väestöä 500 metrin kokoisilla buffereilla lähijuna-asemien ympäristössä. Selvisi, että reilu 20% koko alueen väestöstä asuu 500 metrin säteellä juna-asemista. Toinen mielenkiintoinen fakta asemien asukeista oli se, että noin 71% kyseisten buffereiden väestöstä oli työikäisiä (15-64-vuotiaat).

Lisäksi pääsimme selvittämään Vantaan taajama-alueisiin liittyviä väestötietoja. Jopa hurjat 96% Vantaan väestöstä asuu taajamissa. Mielenkiintoista tilastoa saatiin raavittua myös taajamissa asuvista ulkokansalaisista. Tehtävänä oli selvittää kuinka monella taajama-alueella ulkokansalaisten osuus oli yli 10, 20 ja 30 prosenttia. Yli 10% ulkomaalaisasutettuja taajamia ilmeni 57. 20% ja 30% ylittyi puolestaan 25 ja 14 taajamassa.

Ehdottomaksi suosikikseni tämän viikon tehtävistä nousi itsenäinen harjoitus, jossa tarkoituksena oli selvittää uima-altaiden ja saunojen määrä pääkaupunkiseudulla. Uima-altaalla varusteltuja taloja pääkaupunkisudulta löytyi kaikkiaan 855, joissa asuu kaiken kaikkiaan 12 170 henkilöä. Eri talotyypeistä uima-altaita esiintyi eniten omakotitaloissa (345). Pari- rivi ja kerrostalojen uima-altaiden määrät olivat sen sijaan 158, 113 sekä 181. Saunallisten talojen osuus oli huomattavasti allastaloja suurempi, sillä niitä esiintyi jopa 21 922, joka on jopa 24% kaikista alueen taloista.

Tämän viikon ylpeyden aiheeni on ehdottomasti kyhäämäni koropleettikartta uima-altaiden määrästä Helsingin seudun eri osissa. Työvaiheet olivat jokseenkin tuttuja edellisten kurssikertojen vastaavista tehtävistä ja alkuun homma etenikin mallikkaasti. Ongelmia ilmeni kuitenkin uima-allas tietokannan yhdistämisessä pienaluetasoon. Onneksi jo edellisillä kerroilla loistavia MacGyver- tyyppisiä ratkaisuja tarjonnut Ilarin kurssiblogi auttoi minua selviämään tästäkin haasteesta. Kiitos ja kumarrus siis Leinon suvun GIS-welholle! Mutkia ilmeni matkassa myös allasmäärien kuvaamisessa pylväsdiagrammeilla. Apua löytyi kuitenkin Tapion muutaman viikon takaisesta postauksesta, jossa hän päivitteli valuma-alueiden järvisyysprosentin kuvaamista vastaavilla pylväsdiagrammeilla.

Lopputulos koko komeudessaan on nähtävissä alla olevasta kuvasta. Voin käsi sydämellä todeta, että uima-allas kartta on tähän mennessä onnistunein tuotos, joka on blogini kautta suureen maailman putkahtanut. Edelliskerroilla olen ollut tyytymätön visuaaliseen puoleen, mutta nyt voin taputtaa itseäni olkapäälle, sillä kartta näyttää kuin näyttääkin aidosti hyvältä. Kartan tarjoamasta informaatiosta todettakoon, että uima-allas rikkaimpia alueita ovat Ruoholahti, Kulosaari, Marjaniemi sekä Munkkiniemi.

Lähteet

Julianna Häkkilän Blogi- Geoinformatiikan menetelmät 2021. (2021). https://blogs.helsinki.fi/julihakk/ (luettu 19.2.2021)

Ilari Leinon Blogi- Geinformatiikan menetelmät 2021. (2021). https://blogs.helsinki.fi/ilarilei/2021/02/19/viides-kurssikerta/ (luettu 19.2.2020)

Tapio Turpeisen Blogi- Geoinformatiikan menetelmät 2021. (2021). https://blogs.helsinki.fi/tapiotur/2021/02/04/3-konflikteja-ja-tulvaindekseja/ (luettu 19.2.2021)