Viides kurssikerta

Bufferianalyyseja

 

Viides kurssikerta alkoi itselleni jo osittain tuttujen Bufferien eli puskurianalyysien kertaamisella. Clip -analyysitkin olivat kurssikerran alussa jonkin verran esillä, mutta pääpaino viikon harjoituksissa oli selvästi bufferianalyysien hallitsemisessa. Buffereiden avulla voidaan siis luoda kartalle kohteen x ympärille haluamansa kokoisen vyöhykkeen. Buffereiden lisäksi hyödynsimme select by location -toimintoa, jonka avulla voi korostaa kartalla tiettyjä kohteita ja muuttujia, jotka jäävät bufferivyöhykkeen sisälle. Bufferit ovat oiva työkalu, kun halutaan esimerkiksi tutkia jonkin muuttujan vaikutusaluetta/kantamaa.  Buffereihin oltiin ehditty paneutua hieman lukuvuoden ensimmäisellä GIS -kurssilla. Teimme silloin hyvin yksinkertaisen puskurianalyysin liikenteessä havaittuihin vaaratilanteisiin liittyen. Silloin alkuvaiheessa bufferien laatiminen olikin ihan lasten leikkiä ja jopa ihan hauskaa. Tiesin kuitenkin, että myöhemmillä kursseilla syventyessämme aiheeseen lisää koittaisi se päivä, kun ei olekaan enää niin mukavaa.

Lentokentät ja melualueet

Viikon ensimmäisen harjoituksen ensimmäisessä osassa pääsimme tutustumaan Malmin ja Helsinki-Vantaan lentoasemien aiheuttaman melun vaikutusalueisiin ja kantamaan ympäröivillä seuduilla. Tutkimme aihetta laatimalla puskurianalyysejä, joiden avulla selvitimme muun muassa, että kuinka moni henkilö asuu kahden ja yhden kilometrin säteellä kummankin lentoaseman kiitoradasta. Nämä harjoituksen alkuvaiheen osiot tuntuivat vaikeustasoltaan vielä sopivilta. Vaikeudet koittivat seuraavien soveltavampien kysymyksien kohdalla. Kun täytyi selvittää bufferien avulla asukasmääriä ja osuuksia tietyillä desibelialueilla, piti osata yhdistää useampia erinäisiä toimintoja ja työkaluja, joita olemme oppineet. Jouduinkin kysymään opettajalta useaan otteeseen neuvoa. Kurssikerran päätyttyä, ja opettajan lähdettyä jäin kuitenkin oman onneni nojaan. Hakkasin päätäni seinään tuntikaupalla vielä ensimmäisen tehtävän viimeisten kysymysten parissa. Onnistuin lopulta trial and errorin neuvoin saamaan vaadittavat vastaukset kysymyksiin, jotka on kerätty alla olevaan taulukkoon (Taulukko 1).

Taulukko 1. Asukasmääriä Malmin ja Helsinki-Vantaan lentoasemien ja niiltä kantautuvan melun läheisyydessä.

Lisäksi tuli selvittää, että kuinka monelle asukkaalle saapuvasta lentoliikenteestä koituva melu kantautuisi merkittävästi, jos koneet laskeutuisivat vaihtoehtoisesti kaakosta Tikkurilan suunnasta Helsinki-Vantaalle. Tekemäni bufferianalyysin pohjalta voin todeta, että 13250 ihmiselle melun vaikutukset olisivat havaittavissa.

 

Metro -ja juna-asemat

Ensimmäisen harjoituksen toisessa osiossa aiheena olivat metro -ja juna-asemat sekä erityisesti niiden vaikutusalueeseen sijoittuva väestö. Tehtävä onnistui ongelmitta viimeiseen kysymykseen asti. Oivalsin heti, että 15-64 -vuotiaiden työikäisten summa tulisi laskea field calculatorin avulla. Jäin kuitenkin pariksi tunniksi jumiin, sillä en tiennyt, miten saisin haluamani tuloksen näkyville. Tarkoituksena oli siis selvittää työikäisten (15-64v) osuus alle 500 metrin päässä asemista asuvista. Sain statistics panelissa vain esille työikäisten osuuden koko tietokannan väestöstä. Vastaus ongelmaani selvisi pitkän puurtamisen jälkeen, ja se olikin hyvin yksinkertainen: minun piti vain laittaa ruksi kohtaan ”selected features only”. Oli aika tyhmä olo tämän jälkeen, kuten usein aiemminkin kurssin aikana.

Taulukko 2. Tilastoja asutuksesta suhteessa lähialueiden metro -ja juna-asemiin.

Taajama-alueet

Haasteellisen ensimmäisen harjoituksen jälkeen luvassa oli taajamien ja niihin sijoittuvan asutuksen tutkiminen jälleen bufferien muodossa. Tutkimme taajamia ja niiden asutusta hyödyntämällä samaista väestötietokantaa ja pk-seutua kuvaavaa karttalehteä, kuin aiemmassa melualueisiin ja metro -sekä juna-asemiin keskittyvässä tehtävässä. Tämä tehtävä sujui mutkitta, sillä muistin jo hyvin tarvittavat toiminnot aiemmalta harjoitukselta, ja osasin nyt myös soveltaa toimintoja ja työkaluja uuden datan parissa. Ongelmanratkaisukykynikin on kehittynyt kurssin aikana jonkin verran ja osaankin silloin tällöin selvittää kinkkisiäkin pulmia yksinkertaisesti vain kokeilemalla eri toimintoja niin kauan, kunnes onnistun. Tehtävän viimeistä osiota, jossa tuli selvittää ulkomaalaisen väestön sijoittumista eri alueilla ei kuitenkaan voinut suorittaa loppuun. Aineiston datassa oli pahasti jotain häikkää, sillä se antoi ulkomaalaisten asukkaiden kokonaismääräksi jonkin aivan järjettömän, äärettömyyttä hipovan luvun. Saman ongelman kohtasi Pietu Nuortimo bloginsa (2024) perusteella.

Taulukko 3. Tilastoja taajama-alueiden asutuksesta. Kouluikäiset (7-15v).

 

Uima-altaat ja saunat

Kolmannessa vapaavalintaisessa harjoituksessa valitsin tehtävän, jossa tarkastelun kohteena olivat uima-altaiden ja saunojen määrät ja sijoittuminen pääkaupunkiseudulla. Tässä tehtävässä, toisin kuin edellisissä, ei niinkään hyödynnetty buffereita, vaan pitkälti select by location ja select by value -komentoja. Komentojen käyttö oli soveltavampaa ja jonkin verran haastavampaa kuin edellisissä harjoituksissa, sillä tehtävän aineisto oli mielestäni sisällöltään monimutkaisempi.

Taulukko 4. Tilastoja uima-altaiden ja saunojen määristä ja osuuksista pk-seudulla.

Lopputuotokseksi teetin kaksi teemakarttaa (Kuvat 1 ja 2), jotka kuvaavat uima-altaiden määriä ja sijoittumista pääkaupunkiseudulla. Karttojen laatiminen ei aluksi tahtonut onnistua, sillä QGIS toisti jatkuvasti kaupunginosarajat sisältävän polygonin a_pks_pie olevan jotenkin geometrisesti virheellinen. Kaverini Jero Hoberg löysi netistä kuitenkin keinon tason korjaamiseen. Täytyi käyttää fix geometrics -työkalua, joka loi uuden korjatun polygonin, minkä jälkeen teemakartan laatiminen onnistui. Jero Hoberg myös mainitsee kyseisestä ongelmasta ja siihen löytyneestä ratkaisusta blogissaan (2024). Mielestäni lopputulos molempien karttojen osalta niin visuaalisuuden kuin selkeyden kannalta on hyvä. Vaikeuksia tuotti ainoastaan numeroiden ja pylväiden sijoittaminen kartalle niin, etteivät ne poikkea viereisille polygoneille. Etenkin pylväiden koon kanssa sai hifistellä melko pitkään. Päädyin luomaan kaksi erillistä karttaa samasta aiheesta, sillä numeroiden ja pylväiden tunkeminen samalle kartalle näytti mielestäni epäselkeältä ja visuaalisesti tönköltä.

Kuva 1. Uima-altaan sisältävät rakennukset pääkaupunkiseudulla kaupunginosittain.

Karttojen esittämästä datasta voi havaita Lauttasaaren olevan uima-allasrikkain kaupunginosa pääkaupunkiseudulla. Vahvasti perässä tulevat Länsi-Pakila ja Marjaniemi.

Kuva 2. Uima-altaan sisältävät rakennukset pääkaupunkiseudulla kaupunginosittain. Nyt lukuja on havainnoimassa numeroiden sijaan pylväät.

 

Tähän mennessä kurssia voin myöntää, ettei suuri osa käytetyistä toiminnoista ja työkaluista ole minulle kovin helppoja. Niitä harvoja toimintoja, jotka voin todeta hallitsevani melko hyvin ovat juuri tällä viidennellä kurssikerralla käytetyt puskurianalyysit ja select by location -toiminto. Select by value-työkalun sekä field calculatorin käyttö sujuvat myös luonnostaan. Suurimpia vaikeuksia kurssilla tuotti ehdottomasti kolmas kurssikerta, jolloin opettelimme eri tietokantojen liittämistä toisiinsa sekä olemassa olevan tietokannan sisällä olevan datan yhdistelemistä.

Lähteet:

1. Nuortimo, P. (2024). Pietun GIS-seikkailu, MAA202 – Geoinformatiikan menetelmät 1. Viides kurssikerta. Viitattu 15.2.2024. Saatavilla: https://blogs.helsinki.fi/pietunuo/2024/02/13/viides-kurssikerta/
2. Hoberg, J. (2024). Jeron Blogi. Viides kurssikerta. Viitattu 19.2.2024. Saatavilla: https://blogs.helsinki.fi/hoberg/2024/02/17/viides-kurssikerta/