Tällä viikolla opin yhtä sun toista. Kerrankin tuntui, että opit meni perille ja siitä voin kiittää toistoja. Jouduin toistaa itsenäistehtäviä tehdessä samoja toimintoja aika lailla jokaisessa tehtävässä. Muutaman tehtävän kanssa oli ongelmia, joita en vieläkään ole ratkaissut. Tuntuu myös hassulta, kun tekstin tukena ei ole kuvia visualisoimassa ilmiöitä, mutta syy tähän on oma laiskuuteni. Tehtävien teko itsessään oli jo tarpeeksi haastavaa, enkä siksi jaksanut vaivautua lisäämään kuvia. Ohjeistuksessa luki, että saaduista vastauksista voi tehdä taulukon, mutta en mitenkään saanut taulukosta kivan näköistä, joten tällä kertaa pelkkä teksti saa riittää.
Aiemmilta tunneilta tuttuja toimintoja, attribuuttitaulukkoa ja statistiikkapaneelia, käytettiin myös tällä kertaa. Erilaisten aineistojen, kuten rasteri- ja vektoriaineistojen, avaaminenkin tuntuu jo tässä vaiheessa helpolta. Tällä tunnilla käytimme QGISissä Buffer-, Intersection- ja Clip-toimintoja. Näistä tutuimmaksi tuli Buffer, jolla teimme puskurianalyysejä. Select by location- sekä Invert Feature Selection-toiminnot tulivat myös erityisen tutuksi ja niiden käyttö tuntuu nyt todella helpolta. Myös piirtäminen tuntuu nyt sujuvan helposti.
Lentokentät
Ensimmäisessä tehtävässä tarkoituksena oli tutkia kahden eri lentokentän, Malmin sekä Helsinki-Vantaan, ympärillä olevia alueita ja niiden väestötietoja. Väestötiedot-aineisto sisälsi Vantaan väestötietoja rakennuksittain. Lisäksi analyysiä varten tarvittiin aineisto, joka sisälsi lentomeluvyöhykkeet.
Malmin lentokentän melualuetta pääsin tutkimaan puskurianalyysin avulla. Pahimmaksi melualueeksi lasketaan kaksi kilometriä kentästä, mutta tehtävässä laskettiin myös yhden kilometrin säde. Pääsin hyödyntämään piirtotyökalua kiitoratojen piirtämisessä. Sen jälkeen kiitoratojen ympärille luotiin puskurivyöhyke Buffer-työkalulla. Puskurivyöhykkeen sekä Select by location-toiminnon avulla pystyin tutkimaan vyöhykkeen sisään jääneiden asukkaiden määrää. Statistiikkapaneelista ilmeni, että kahden kilometrin säteen sisään jäi 58 814 asukasta, ja yhden kilometrin säteellä oli vain 8 954 asukasta.
Melualueita tutkittiin myös Helsinki-Vantaan lentokentän kohdalla. Kentän välittömässä läheisyydessä, eli kiitoradoista kahden kilometrin sisällä, asuu tekemäni puskurianalyysin mukaan 11 644 asukasta. Tutkin myös, kuinka monta prosenttia äsken mainituista asukkaista asuu myös lentokentän pahimmalla melualueella, eli 65 desibelin alueella. Vastaukseksi sain 17 asukasta, eli 0,16 %. Tehtävänä oli myös tutkia koko Vantaan väestöstä, kuinka moni asuu vähintään 55 desibelin alueella ja vastaukseksi sain 11 923 asukasta. Viimeisenä tehtävässä oli tarkoitus tutkia tilannetta, jossa saapuva lentoliikenne käännettäisiin laskeutumaan poikkeuksellisesta suunnasta. Jos näin tapahtuisi, jopa 26 782 asukasta Tikkurilassa kokisi haittaa 60 desibelin lentomelusta.
Asemat
Asematehtävässä tarkoituksena oli tarkastella juna- ja metroasemien läheisyydessä asuvaa väestöä. Aineiston mukaan Vantaalla asuu yhteensä 516 193 asukasta. Puskurianalyysin avulla selvisi, että jopa 111 765 asukasta asuu alle 500 metrin päässä juna- tai metroasemasta. Tämä luku on jopa 22 % alueen kokonaisväestöstä. Juna- ja metroasemien läheisyydessä työikäisiä, eli 15-64 vuotiaita, asuu 74 989, eli jopa 67 %.
Taajamat
Kolmannessa tehtävässä tutkimuskohteena oli taajamat. Taas samoja aiemmin käytettyjä työkaluja hyödyntäen sain vastauksen, jonka mukaan alueen kokonaisväestöstä 496 555, eli 96,2 % asuu taajamissa. Taajamien ulkopuolella kouluikäisiä (7-18 vuotiaita) asuu 2 675, eli kaikista kouluikäisistä noin 4 %. Suurin osa kouluikäisistä asuukin siis taajamissa. Sain vastauksen hyödyntämällä attribuuttitaulukkoa, johon laskin valmiiksi kouluikäisten määrän. Sen jälkeen käytin taas Select by location-toimintoa, joka valitsi kaikki taajamissa asuvat kouluikäiset. Invert Feature Selection-toiminnon avulla sain valituksi taajamien ulkopuolella asuvat kouluikäiset. Tehtävässä oli myös tarkoitus laskea kuinka monella alueella ulkomaalaisten osuus on yli 10%, 20% ja 30%. En kuitenkaan osannut laskea tätä, vaikka kovasti yritin. Ronja Sonninen kertoo kuitenkin blogissaan, kuinka tulos saatiin. Kannattaa käydä katsomassa!
Koulut
Kolmanneksi tehtäväksi valitsin koulutehtävän, koska sen tehtävänanto tuntui kaikkein selkeimmältä. Ensiksi tarkoitus oli selvittää kuinka paljon Helsingin Yhtenäiskouluun on tulossa uusia koulutiensä aloittavia oppilaita aineiston keruuhetkestä seuraavana vuonna, sen omasta koulupiiristä. Valitsin koulupiirit-aineistosta ensin Helsingin yhtenäiskoulun koulupiirin ja sitten etsin valitun alueen kartalta. Tein koulupiiristä oman tason, ja hyödynsin Select by location-toimintoa, jolla sain kyseisen koulupiirin asukkaat valittua. Koulu aloitetaan yleensä sinä vuonna, kun täytetään 7 vuotta, joten etsin statistiikkapaneelista alueen 7-vuotiaiden osuuden. Sain vastaukseksi 14.
Seuraavaksi piti laskea kuinka suurta määrää yläasteikäisiä oppilaita Helsingin yhtenäiskoulun pitää varautua opettamaan seuraavana vuonna omasta koulupiiristä. Yläasteikäiset ovat yleensä 13-15 vuoden ikäisiä. Laskin tämän samalla tavalla kuin edellisessä tehtävässä, mutta laskin kolme ikäluokkaa yhteen käsin. Tämän olisi varmasti voinut laskea attribuuttitaulukon laskimella, mutta luvut olivat pieniä ja peruslaskin on mielestäni helppokäyttöisempi. Sain lopulliseksi vastaukseksi 63 yläasteikäistä.
Kolmannessa tehtävässä piti selvittää kuinka suuren osuuden koulupiirin alueella asuvista asukkaista muodostavat kouluikäiset lapset ja nuoret (ala-aste ja ylä-aste). Laskin attribuuttitaulukon laskimella kaikki 7-15 vuoden ikäiset ikäluokat yhteen ja katsoin statistiikkapaneelista koulupiirin kouluikäisten kokonaissumman. Kouluikäisiä on koulupiirissä yhteensä 159, eli koko koulupiirin asukkaista 8,4 %. Tehtävässä piti myös laskea arvio siitä, kuinka monta muunkielistä kouluikäistä alueella asuu, jos oletetaan että muunkielisissä perheissä lasten ja aikuisten suhde on sama kuin edellisessä kohdassa laskettu. Käytin tässä siis hyväksi aiemmin laskettua 8,4 prosenttia. Koulupiirissä asuu 110 muunkielistä, joista 8,4 % on noin yhdeksän.
Olen yllättynyt, että osasin tehdä koko koulutehtävän itse. Selkeästi opin aiempien tehtävien tekemisestä jotain ja kehitystä on tapahtunut, koska aiempien kurssikertojen tehtävien kanssa olen aina tarvinnut muiden apua.
Loppusanat
Vieläkään ei tunnu, että GIS olisi mun juttu. On kuitenkin mukava huomata, kuinka QGIS alkaa tuntua tutummalta ja erilaisten toimintojen tekeminen sujuu pikku hiljaa vähän paremmin. Tuntuu, että olen parempi analysoimaan saatuja tuloksia kuin tuottamaan niitä. Vaikka ohjelman käyttö helpottuu ajan ja toistojen myötä, se silti aiheuttaa vähintään yhden hermoromahduksen joka viikko. Ensi viikkoon!
Lähteet
Sonninen, R. (2022). Tiedon analysointia, Ronjan GIS-blogi. Luettu 20.2.2022. https://blogs.helsinki.fi/sronja/