5. kurssikerta: Bufferointia, hikeä ja innostusta!

Viides kurssikerta oli mielestäni tähän mennessä hauskin ja innostavin, sillä pääsimme lyhyen bufferianalyysiperehdytyksen jälkeen testaamaan taitojamme MapInfon käytössä itsenäisten ja soveltavien analyysiharjoitusten avulla. Harjoitukset olivat juuri sopivan haastavia ja monipuolisia ollakseen mielenkiintoisia, ja ne kokosivat ja yhdistelivät kurssilla aikaisemmin harjoiteltua soveltavaksi kertauspaketiksi. Parasta oli, että tehtävärakenteet sallivat luovan päättelyn ja kokeilemisen, sillä erehtyminen, pähkäily ja oivallukset ovat valttia syvällisessä ja tutkivassa oppimisprosessissa.

Bufferi- eli naapuruusanalyysi on laskennallinen analyysitapa, jossa bufferoitavan kohteen ympäriltä lasketaan tietyn etäisyyden päässä olevat pisteet. Näiden pisteiden ja kohteen väliin muodostuvalta vyöhykkeeltä voidaan laskea erilaisia arvoja esimerkiksi asukaslukuun, infrastruktuuriin tai vaikkapa maankäyttöön liittyen. Yksi yleisimmistä bufferianalyysin hyödyntämistavoista liittyy riskien ja haittojen alueellisen ulottuvuuden kartoittamiseen: bufferianalyysin avulla voidaan luoda kohteen (esim. joki) ympärille halutun kokoinen vyöhyke (esim. kohonneen tulvariskin alueet), ja tämän jälkeen selvittää laskennallisesti vaikkapa riskivyöhykkeen alle jäävien alueiden väestöllisiä ominaispiirteitä. Tämän lisäksi bufferianalyysillä voidaan tutkia esimerkiksi päästöille tai melulle altistuvia alueita moottoritien lähiympäristössä, kuuluvuutta, yrityksen potentiaalisen toimipaikan läheisyydessä asuvien ja kohderyhmään kuuluvien asiakkaiden määrää tai vaikka luonnonsuojelualueen ja viljellyn alueen väliin jäävän siirtymävyöhykkeen biologista monimuotoisuutta. Analyysitavan huono puoli on sen yksiuloitteisuus: se mittaa ainoastaan horisontaalista etäisyyttä kohteesta jättäen huomiotta mm. vertikaalisen ulottuvuuden sekä sen, että bufferin sisäpuolelle jäävät alueet ovat harvoin homogeenisia. Säteen sisäpuolelle voi jäädä hyvinkin erilaisia alueita, ja esimerkiksi maastonkorkeuden vaihtelut vaikuttavat tulvaherkkyyteen ja kuuluvuuteen merkittävästi. Säteen perusteella muodostettu bufferi kuitenkin laskee saman tulvaherkkyysalueen sisään sekä alavat että korkeammat alueet, vaikka todellisuudessa alueet eivät käyttäydy tulvan sattuessa samalla tavalla. Tulvaherkkyyttä tarkasteltaessa jonkinlainen korkeusmallia myötäilevä spatiaalinen analyysi olisikin bufferointia parempi vaihtoehto.

Kurssikerran itsenäisesti suoritettavat tehtävät koostuivat bufferoimisesta, tietokantojen muokkaamisesta, kyselyistä, piirtämisestä, mittaamisesta ja laskutehtävistä. Alla on taulukoitu vastaukseni tehtävämonisteen kysymyksiin:

Kysymys Vastaus
Malmin lentokenttä
a) 1 km etäisyydellä asuvien määrä 8239
b) 2 km etäisyydellä asuvien määrä 53092
Helsinki -Vantaa
a) alle 2 km etäisyydellä asuvien määrä 9241
b) yli 65 dB melualueella asuvien määrä % 0,32 %
c) vähintään 55 dB melualueella asuvien määrä 11370
d) Tikkurilan hypoteettisella melualueella suvien määrä 12583
2. Asemat
a) alle 500 m päässä asuvien määrä 80576
b) alle 500 m päässä asuvien % osuus 16,80 %
c) työikäisten % osuus a-kohdan asukkaista 71,30 %
Itsenäistehtävä 2
a)Taajamissa asuvien % -osuus 86,40 %
b) taajamien ulkopuolella asuvien kouluikäisten määrä 7536 eli 15%
c) ulkomaalaisten osuus
Yli 10 % 19
Yli 20 % 5
Yli 30% 4
4.Uima-altaat
Pääkaupunkiseudulla uima-altaita yhteensä 856
Kuinka paljon asukkaita sellaisissa taloissa, joissa uima-allas? 12687
Kuinka moni taloista on
a) omakotitaloja 336
b) paritaloja 158
c) rivitaloja 114
d) kerrostaloja 186
Kuinka monessa talossa enemmän kuin 1 allas? 0
Uima-allasrikkaimmat alueet
1) Länsi-Pakila 52 allasta
2) Lauttasaari 51 allasta
3) Marjaniemi 46 allasta

Valinnaiseksi tehtäväkseni valitsin tutkia uima-altaiden määrää ja alueellista jakautumista pääkaupunkiseudulla (vastaustaulukon itsenäistehtävä 4). Kyselyiden pohjalta tuli tehdä uima-altaiden määrää pienalueittain pylväsdiagrammeina ja absoluuttisina lukuarvoina kuvaava teemakartta (kuva 1). Tein kartan ohjeistuksen mukaan. Siitä tuli kuitenkin niin sekava ja sotkuinen, että päädyin poistamaan kaikki alle 10 jäävät numeroarvot kartalta. Niinpä karttani esittääkin vain kaikista uima-allasrikkaimpien pienalueiden allasmäärien absoluuttiset arvot. Pylväät jätin myös pienimpiä arvoja saaville pienalueille, mutta nolla-arvoja saavilta alueilta poistin sekä pylväät että numeroarvot.

Uima-altaiden määrä pks

Kuva 1. Uima-altaiden määrä pääkaupunkiseudulla pienalueittain.

Korostin absoluuttisia arvoja kirkkaanpunaisella, sillä ne eivät olisi muutoin erottuneet kartalta ollenkaan. Mielestäni kartta on edelleen epäesteettinen ja epähavainnollinen. Ilkka Saarinen ja Niklas Aalto-Setälä ovat päätyneet omien karttojensa osalta mielestäni toimivaan ratkaisuun: molemmat ovat päättäneet pienin vapauksin tehdä kartastaan absoluuttisia arvoja kuvaavan koropleettikartan pylväsdiagrammikartan sijaan. Vaikka absoluuttisia arvoja ei normaalisti tulisi esittää koropleettikartalla, on ratkaisu tässä tapauksessa havainnollinen ja toimiva, sillä tarkoituksena on vain näyttää kartalla uima-allasrikkaimmat pienalueet. Jos uima-altaiden määrä olisi esitetty suhteellisena lukuna jakamalla altaiden määrä asukasmäärällä, olisi kartoista tullut esiin toisenlainen ulottuvuus. Suhteelliset arvot olisivat saattaneet kuitenkin jättää kaikista uima-allasrikkaimmatkin alueet alimpaan luokkaan keskimääräistä suuremman asukasmäärän pienalueilla. Tämä olisi puolestaan kadottanut kartan alkuperäisen tarkoituksen, joten absoluuttisten arvojen käyttäminen on mielestäni ollut tässä tapauksessa todella perusteltua. Lisäksi koropleettikarttojen ulkoasu on katsojaystävällinen ja helppolukuinen, kun taas pylväskartastani on vaikea hahmottaa, mille alueelle kukin pylväs kuuluu.

Koen, että perustaitoni MapInfon käytössä alkavat olla jo kohtalaisen hyvät. Vaikka ongelmatilanteitakin tulee, itsenäinen työskentely tuntuu sujuvan suhteellisen mukavasti. Alun turhautuminen on vaihtunut kokeilevaan oikean työkalun etsimiseen (ja nettitutoriaalin selaamiseen, heh). Parhaiten koen hallitsevani erilaiset kyselyt (query) ja tietokantojen päivittämisen, vaikkakin sarakkeen tyypin valinta sekä datan tuontimuoto (value, sum, avg…) on välillä tuottanut päänvaivaa. Vastaan tulee myös jatkuvasti toimintoja, joita en ole vielä käyttänyt, ja monissa valintaikkunoissa on kohtia, joissa on valintana valmiiksi jokin automaattinen oletus. Näihin kohtiin ei ole tullut edes koskettua, ellei niiden käyttöön ole ollut selvää ohjeistusta. Tuntuu hieman häiritsevältä, että useinkin käyttämieni työkalujen valintaikkunoissa on valintamahdollisuuksia, joiden merkitystä en ole tullut tutkineeksi. Ehkäpä pääsen perehtymään niihin tarkemmin vielä ennen kurssin loppumista.

Lähteet:

Aalto-Setälä, N (2014). Kerta 5. Bufferoimaan Mars! <https://blogs.helsinki.fi/niklasaa/2014/02/15/kerta-5-bufferoimaan-mars/> Viitattu 24.2.2014

Saarinen, I (2014). KK5 – Larppausta ja menneitä aikoja. <https://blogs.helsinki.fi/ilkkasaa/2014/02/13/kk-5-larppausta-ja-menneita-aikoja/> Viitattu 24.2.2014.

Leave a Reply

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