5. oppitunti – Ongelmanratkaisua ja lisää ongelmanratkaisua

Hei taas,

13.3 starttasi uusi viikko, mikä tarkoitti uutta Geoinformatiikan menetelmät-kurssin luentoa. Hyppäsimme puskurivyöhykkeiden teon syöväreihin, ja opimme laatimaan monipuolisia analyysejä ilmiön vaikuttavuudesta. Ohjattujen tehtävien jälkeen pääsimme tekemään itsenäistehtäviä, mitkä vaativat ongelmanratkaisukykyä. Ongelmanratkaiseminen on hyvin hauskaa – kunnes homma ei suju. Pitkien ja tuskaisten öiden jälkeen sain kuitenkin tehtävät tehtyä, ja tässä blogissa tulen esittämään teille tulokset.

Vastausten laatimisessa meni hetki aikaa, mutta se siitä. Osaamisen taso on merkittävästi kehittynyt Artun luentojen ja nettivideoiden myötä. Kiitos näille! Bufferien laatiminen lentoasemien ympärille oli hyvin yksinkertaista. Kuitenkin vaikeuksia tuli heti, kun piti vähintään 65 dB melualueella asuvien määrä suhteuttaa melualueella kokonaisuudessaan asuviin. Meni hetki aikaa hoksata, että piti attribuuttitaulukosta valita rivi, mitä halusi tarkastella. No tälläisiä sattuu ja siitä päästiin yli nopeasti.

Kuva 1. 60 dB melualueeseen kuuluvat asukkaat poikkeuksellisessa laskeutumisreitissä.

60 dB melualueen laatiminen poikkeukselliselle laskeutumisreitille oli yllättävän hankalaa. Itse laadin noin 6500 metrin pituisen apuviivan, jonka ympärille laskin bufferin. Bufferin leveydeksi laskin 500 metriä, jolloin yhteenlaskettu leveys kahden eri päädyn välillä oli 1 kilometrin. Bufferi itsessään apuviivan jatkeeksi pitkitti matkaa juuri 7 kilometriin, jolloin sain laskettua melualueella asuvien määrän (kuva 1). Bufferi kattaa 60 dB melualueen leveyden.

Asemien ja taajamien tunnuslukujen laskeminen oli melko yksinkertaista. Laskemalla yhteen pyydetyt arvot – sain helposti laskettua bufferin sisälle, ja sen ulkopuolelle jääneiden yksilöiden määrät. Tietokannan informaation laskeminen uuteen sarakkeeseen on varsinkin helpottunut kurssikertojen myötä.

Alla olevaan taulukkoon olen koonnut kurssitehtävien vastaukset.

Taulukko 1. Vastaukset viidennen kurssikerran tehtäviin

Kiinnostavaa yllä olevassa taulukossa (taulukko 1) on ero Malmin lentoaseman 1 kilometrin ja 2 kilometrin säteellä asuvien välillä. Kuitenkin vastauksen päättelyssä ei mennyt pitkään. 2 kilometrin säteelle mahtuu Helsingin suurimpia lähiöitä, kuten Kontula, Pihlajamäki, Malmi ja Tapanila. Pelkästään Kontulassa asui vuonna 2019 – 14 108 asukasta (V, Pekka et al. 2019). Enemmän kuin Suomen suurimmassa kunnassa Inarissa, jossa asui vuonna 2019 –  6 907 asukasta (Inari. 2021). Toinen kiinnostava huomio on 500m säteellä asemasta asuvista 15-64-vuotiaista. Korkea prosenttiarvo ei yllätä, sillä esimerkiksi Kivistössä 16–64-vuotiaita asukkaita oli 71% vuonna 2021 (Vantaa. 2022). Kivistössä suuri osa uudiskohteista ollaan rakennettu juuri juna-aseman läheisyyteen.

Miten menee?

Tämän hetkinen paikkatieto-osaaminen QGISin keskeisimpien työkalujen käyttöön liittyen koen olevan hyvä. Hyvän ohjeistuksen sekä nettivideoiden avulla tärkeimpien työkalujen käyttö on jäänyt mieleen. Varsinkin tämän kurssikerran pääteeman – bufferointien teko on parantunut. Bufferointi on äärimmäisen hyödyllinen varsinkin silloin, kun haluamme tarkastella ilmiön vaikuttavuutta alueellisesti. Esimerkiksi, kuinka monta henkilöä Vantaalla koskee lentomelu? Tämä on merkittävää, sillä poikkeuksellisten laskeutumisreittien lentomelu saattaa koskea useita eri asuinalueilla asuvia. Täten puskurivyöhykkeellä saa tarkat arvot melun vaikuttavuudesta. Tämän myötä voidaan antaa tiedote alueiden asukkaille metelistä.

Puskurivyöhykettä voi myös hyödyntää esimerkiksi metsätalouksen tarkoituksiin. Voimme laatia puskurin metsäteollisuudessa käytettyjen teiden ympärille, ja täten antaa spatiaalista tietoa hakkuutöiden laajuudesta. Sama voidaan tehdä esimerkiksi luonnonsuojelualueen ympärille, jossa puskurivyöhykkeellä viestitetään metsänhakkaajia ja insinöörejä olemaan kaatamatta puita puskurivyöhykkeen sisäpuolelta.

ITSENÄISTEHTÄVÄ

Hyppäämme itsenäistehtävän pariin seuraavaksi. Tämä tehtävä muuten oli iso työmaa. Tästä puhun, kun mainitsin pitkistä tuskaisista töistä töiden parissa. Tehtäväanto vaikutti alussa yksinkertaiselta, mutta sitten, kun sitä käytännössä pääsi tekemään – kohtasin useita ongelmia. Suurin oli “Invalid geometries”, mikä syntyi siitä, kun halusin laskea pisteet polygonin sisällä. Muutamien ohjeiden ja viime vuosikerran blogikirjoitusten myötä löysin ratkaisun ongelmaan. Fix geometries-työkalulla voi korjata virheet rakenteessa, ja laskea pisteet polygonissa moitteetta. Tämän jälkeen ei muuta kuin pylväitä laatimaan, ja arvot pylväiden viereen. Alla olevassa kartassa (kuva 3) voimme nähdä uima-altaiden määrän kaupunginosittain pääkaupunkiseudulla. Suurin määrä uima-altaita sijaitsee Lauttasaaressa – 53 kappaletta (kuva 3). Toolboxista Fix geometries-työkalu löytyi. Annika Innasen blogitekstin avulla sain tietää, etä jokainen taso tuli korjata erikseen ja tallentaa (Innanen, A. 2022). Tämän jälkeen Count points in Polygon-työkalu toimi kuin junan vessa! Ei enään “invalid geometry” ilmoitusta tullut. Suosittelen zoomaamaan karttaan, sillä numeerisia arvoja voi olla hankalaa nähdä selaimen norminäkymästä. Jotta numerot mahtuivat siististi ja selvästi kaupunginosiin – tuli niiden olla pieniä.

 

Kuva 3. Uima-altaalla varustetut rakennukset pääkaupunkiseudun kaupunginosissa.

Lopuksi

Ennen kaikkea ongelmanratkaisuun QGIS-ohjelmistossa vaikuttaa tiedon laatu. Tietokannassa tulee olla informaatio ilmaistuna hyvin, jotta siitä löytyviä arvoja voi hyödyntää. Myös perusasiat, kuten projektio ja aineistojen tuottovuosi vaikuttavat vakuuttavan kartan laatimiseen.
Analyysille asetettuja reunaehtoja voi olla useita QGIS-ohjelmiston käytön myötä. Ohjeistukset välillä ohjelmiston laatijoiden puolelta ovat minimaaliset. Suuri osa ohjeista olen löytänyt muilta kurssitovereilta tai netin GIS-velhoilta. ArcGis-ohjelmistossa on esimerkiksi selkeä ohje-dokumentti (Kumar, R. 2022). Olen huomannut, että monimutkaiset laskutoimitukset ovat varsinkin QGIS-ohjelmistolle hankalia. Usein ohjelmisto kaatuu, jolloin pahimmillaan joudun aloittamaan koko prosessin uudelleen. Kolmas merkittävä reuna-ehto ovat Scratch layerit. Näiden vuoksi on meinannut kyynel valahtaa, kun kaikki edellisen päivän tuotokset ovat muuttuneet käyttökelvottomiksi. Täten analyysia joutuu toteuttamaan sillä hetkellä, kun scratch layerit on laatinut.

Siinä kaikki.  Ongelmanratkaisu on hauskaa, kunnes se ei ole. Ensi kertaan!

 

Lähteet:

Kumar, S. (2022). What are the advantages & disadvantages between ARC GIS Vs Q-GIS? Deloitte Touche Tohmatsu India LLP.  ResearchGate.

Annika Innanen. (2022). Annikan GIS-blogi. https://blogs.helsinki.fi/anninnan/2021/02/18/harjoitus-5-sos-help-apua-ja-uima-allas-ja-saunakarttoja-pk-seudulta/. Helsingin yliopisto.

Inari.fi.  (Viitattu 27.2..2022). Tilastotietoa Inarin kunnasta. Lähde: Tilastotietoa – INARI.FI

Vantaan kaupunki. (2022). Väestörakenne. Lähde: Väestörakenne | Vantaa

Pekka Vuori, Netta Mäki, Claudia Bergroth. (2020). Helsingin väestö vuodenvaihteessa 2019/2020 ja väestönmuutokset vuonna 2019.  Helsingin kaupunki.

 

Leave a Reply

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