Kurssikerta 5: Bufferointi

Kun kerron jollekkin opiskelevani maantiedettä, muistan aina samaan hengenvetoon mainita, että ei, minusta ei tule kartografia, sillä maantiede on paljon muutakin kuin karttoja. Kuitenkin tämä TAK-kurssin parantama Jenni “vihaankarttoja” Lintunen sivupersoonani oli palata viimeistään viidennellä kurssikerralla. Ennen tuntia luennoitsijamme Arttu Paarlahti oli kehottanut syömään ja nukkumaan hyvin, sillä edessä olisi kurssin pahin rupeama. Varoitteluista huolimatta taisin doupata aamulla liian vähän kofeiinia suoraan suoneen, sillä tällä kertaa luovuttaminen tuntui ihan oikeasti vaihtoehdolta.

Teemana oli harjoitella bufferointia MapInfolla. Hampaankolossani kaiversi yhä vuoden 2012 pääsykokeen tehtävä, jossa en kyennyt tunnistamaan kyseistä ilmiötä esittävää kuvaa. Harjoittelimme bufferointia ensin edellisellä kurssikerralla digitoimallemme peruskarttalehdelle, josta bufferoimme tiet, eli loimme niille tietyn säteen kokoisen kehän ympärille, jonka sisälle jäävien talojen lukumäärä saatiin näin tietoon. Tällä olisi voinut selvittää esimerkiksi kuinka moneen asuintaloon liikenteestä johtuva melusaaste ylettyy tai kuinka moni ihminen asuu näiden teiden ulottuvissa. Toistimme saman puskuroinnin myös terveyskeskusten ja koulujen vaikutuspiiristä.

Bufferoinnilla tai tuttavallisemmin puskuroinnilla tarkoitetaan kartalla tutkitusta kohteesta tietyllä etäisyydellä olevien ilmiöiden rajaamista tarkasteltavaksi, esimerkiksi selvittääkseen lähikauppojen mahdollisen asiakaskunnan mainoskatkon pituisen kipaisumatkan säteellä. Tai hieman syvällisempiin asioihin, kuten Joose blogissaan pohtii: “Toinen haaste olisi kehittää bufferien luontiin ja ihmisten laskemiseen jonkinlainen makro, automatisoitu prosessi, joka tuottaisi tiedon eri etäisyyksillä asuvien ihmisten määristä. Näillä määrillä kerrottujen etäisyyksien yhteenlaskulla, ja jakamisella “määrien” lukumäärällä, jonka soisi lähestyä ääretöntä, saataisiin keskiarvo vähän samaan tapaan kuin keskiarvo noin yleisesti ottaen muutenkin lasketaan. Eri asia onkin sitten mihin saatua tietoa käytettäisiin. Ainakin sen vuosittaisia muutoksia olisi ihan mielenkiintoista tarkastella. Niin tai näin, olisipahan sekin yksi bufferoinnin hyödyntämiskohde”

 Lentokentät

Malmin lentokentän 2km melualueen asukkaat                                                    55 970

Malmin lentokentän 1km melualueen asukkaat                                                    8496

Helsinki-Vantaan 2km melualueen asukkaat                                                        10 074

Helsinki-Vantaan 2km ja 65dB melualueen asukkaiden osuus                            39 %

Helsinki-Vantaan vähintään 55dB melualueen asukkaiden osuus                       59 %

Tikkurilan suunnasta tulevan laskeutumisreitin melualueen asukkaat                12 480

Ensimmäisessä itsenäistehtävässä sovelsimme tähän astista oppimaamme MapInfosta ja keräsimme tulokset taulukoihin. Tarpeeksi kauan Excelin kanssa kikkailtuani (joten hyvä MapInfo, tämä ei johdu susta vaan musta; kuten huomaat en ole tullut kovin monen muunkaan kanssa toimeen) päätin ottaa Jessican blogista mallia ja yksinkertaisesti koota tulokseni vain allekkain. Ensin tutkin Malmin lentokentän melualuetta bufferoimalla sen kiitoradat 2km ja 1km säteellä. Tutkimukseni mukaan 2km etäisyydellä kiitoradasta on 55 970 asukasta ja 1km säteellä 8496 asukasta. Kyseinen harjoitus oli hyvin yksinkertainen perus bufferoinnin harjoitus, kuten edelliset yhteisharjoitukset, eikä siinä tarvinut vielä soveltaa muita temppuja tai menettää hermojaan.

Harjoituksessa tutkimme myös samaa ilmiötä Helsinki-Vantaan kiitoratoihin nähden, jossa asukkaiden määrä oli 2km säteellä huomattavasti vähäisempi kuin Malmilla, vain 10 074 asukasta ilmeisesti Vantaan haja-asutuksesta johtuen. Näistä asukkaista rajasin vielä lentomelu-tietokantaa apuna käyttäen ne asukkaat, jotka asuvat pahimmalla 65dB melualueella. Tehtävässä jouduin suorittamaan bufferoinnin vain tietokannan rajaaman alueen sisällä. Koska lentomelualue lentoreittien suunnista johtuen on ristikkäisen muotoinen, haasteena oli saada vain sen ja bufferointini yhteiseltä pinta-alalta asukkaiden osuus tietoon, jonka arvoksi sain noin 39 %. Vielä haastavampaa oli selvittää vähintään 55dB alueella asuvien osuus, jonka laskin olevan noin 59 %. Kyseinen desibelialue ei ollut tietokannassa yhtenäisenä alueena, vaan siihen kuului useampia sisäkkäisiä desibelialueita. Näiden alueiden yhtäaikainen valitseminen oli melko hankalaa, sillä esimerkiksi keploteltuani oikeat alueet valintaani, en meinannut millään saada niiden sisältä asuintaloja valittua. Vaikka lopulta sekin onnisti, on minulla yhä pimennossa miten sen teknisesti ottaen edes tein.

Helsinki-Vantaalla rakennusvaiheessa lentokoneet laskeutuivat poikkeusreittiä Tikkurilan suunnasta, jolloin melualue oli poikkeavassa suunnassa. Tehtävänä oli selvittää kuinka montaa asukasta vähintään 60dB lentomelu haittasi tällöin. Tätä varten meidän piti luoda lentokoneelle poikkeuksellinen laskeutumisreitin vaikutusalue 7km pituiselle ja 1km levyiselle kaistalle. Laskeutumisreittiä luodessa täytyi ottaa huomioon kartalle piirrettävän laskusuoran pituus, joka tietenkin on lyhyempi kuin sen 7km kokonaisvaikutusalue. Näin ollen oli oleellista huomioida piirtää ainoastaan 6km pitkä laskeutumisreitti, jonka säde 0,5km sen molemmissa päissä loi melualueesta tarvittavan pituisen. Tälle alueelle sain edellisessä vaiheessakin käyttämälläni, hieman haasteellisella päällekkäismenetelmällä melualueen asukkaiksi 12 480 henkilöä.

Juna-asemat

Alle 500m päässä asemasta asuvat Vantaalaiset                                              83 028

Alle 500m päässä asemasta asuvista työikäisten osuus                                  17,3 %

Alle 500m päässä asemasta asuvien osuus Vantaalaisista                              71,3 %

Harjoituksessa selvitettiin lisäksi kyseisen Helsinngin seudun kartan juna-asemien kattavuutta 500m, eli käytännössä lyhyen kävelymatkan etäisyydeltä. Tämä tapahtui bufferoimalla kaikki kartan juna-asemat ja tarkastamalla niiden alle jäävien asukkaiden lukumäärä, joka oli mielestäni noin 83 028 ihmistä. Tämä osuus oli koko alueen henkilöistä 17,3 %. Näistä selvitimme työikäisten eli 15–64-vuotiaiden henkilöiden määrän luomalla bufferista oman taulukon, johon lisäsimme kyseisen ikäisten henkilöiden sarakkeen. Näin sain laskettua heidän osuuden kaikista juna-asemien lähellä asuvien määrästä, joka oli noin 71,3 %.

Taajama-asukkaat

Vantaan asukkaiden osuus taajamissa                                                              90,87 %

Taajamien ulkopuolella asuvat kouluikäiset                                                         42 383

Taajamien ulkopuolella asuvien kouluikäisten osuus kaikista kouluikäisistä       84,9%

Alueita, joilla ulkomaalaisten osuus yli 10%                                                         20

Alueita, joilla ulkomaalaisten osuus yli 20%                                                         5

Alueita, joilla ulkomaalaisten osuus yli 30%                                                         4

Toisessa erillisessä itsenäistehtävässä työskentelimme kyseisen alueen taajamia koskevien taulukkotietokantojen kanssa, joihin loin uusia sarakkeita asukkaiden-, kouluikäisten- ja ulkomaalaisten määrästä ja siirsin niihin tietoa, sekä näiden avulla tuotin uutta tietoa ulkomaalaisten osuuksista. Pahin painajaiseni oli siis toteutumassa, sillä tunsin MapInfon kanssa olevani eniten hukassa tehtävissä, joissa joutuu koskemaan tietokannan taulukoihin. Tuntui ettei mikään nappi näyttänyt tutulta ja kokeilemalla ei tapahtunut koskaan lähellekkään mitään halutunlaista. Tuntui, että vaivasin vain kokoajan vierustovereitani tai opettajaa kyselemällä tyhmiä. Kaikki muut tuntuivat etenevän tehtävissään, mutta minulle tämä tuntui ylitsepääsemättömältä esteeltä. Yritin pitää suuni kiinni, etten olisi räjähtänyt pitkin GIS-luokan seiniä, mutta tämä vain patosi turhautumistani. Lopulta luovutin. En tehtävän suhteen, vaan kysyin Paarlahdelta vihdoin (tai jälleen…) apua. Ja ongelman ratkaisuun meni sekunttikelloni mukaan 0,0149 sekuntia, kun Arttu korjasi taulukkoni rakenteen kokonaisluvuista desimaaleiksi. Sillä hetkellä silmissäni sumeni ja ainoa asia mitä saatoin ajatella oli se, että tuo kaikki ylitsepääsemättömät ongelmani aiheuttanut pilkku saisi tulla raiskatuksi ja sitä edistääkseeni aion tästälähtien nussia tuota pilkkua kyllä koko sen aiheuttaman henkisen kärsimykseni edestä.

Tässä vaiheessa oli pakko poistua takavasemmalle luokan ovesta jäähdyttelemään. En tiedä mikä salama kirkkaalta taivaalta minuun oli osunut, vai vaikuttivatko vessojen puhdistusaineet jotenkin positiivisesti aivoihini siellä tarpeeksi monta kertaa syvään hengitetlyäni itseäni kootessani, sillä luokkaan palattuani ymmärsin mitä mistäkin napista tapahtui ja ihan oikeasti osasin käyttää MapInfoa.  Laskin taajamissa asuvien osuudeksi alueella 90,87 % ja taajamien ulkopuolella asuvan 42 383 kouluikäistä, joka oli 84,9 % kaikista kouluikäisistä. Jessican vastauksiin näitä verrattuani näyttää siltä, että minulla olivat menneet taajamissa ja taajamien ulkopuolella asuvat koululaiset ristikkäin sekaisin. Kyseisellä kartalla puolestaan ulkomaalaisia on yli 10 % 20-alueella, yli 20 % viidellä alueella ja yli 30 % neljällä alueella.

 Pääkaupunkiseudun uima-altaat

Pääkaupunkiseudun uima-altaat                                                                         856

Uima-altaallisten talojen asukkaita                                                                     12 687

Uima-altaita omakotitaloissa                                                                               336

Uima-altaita kerrostaloissa                                                                                 186

Uima-altaita rivitaloissa                                                                                       114

Taloja, joissa yli 1 uima-allas                                                                               0

Kolmannessa itsenäistehtävässä voitontanssieni jälkeen tutkin pääkaupunkiseudun uima-altaiden määriä ja sijoittumista alueelle. Selvitin ensimmäisenä kuinka monta uima-allasta pääkaupunkiseudulta löytyy. Tämä yksinkertaiselta vaikuttanut operaatio taulukon tietojen summien tarkastelusta kuitenkin latisti tunnelman katosta lattiaan, sillä tiedot väittivät lukeman olevan 10 000 000 846kpl. Olin aivan varma että kyseessä on oma mokani, vaikka kuvittelin ihan oikeasti osaavani tehdä kaiken ihan oikein. Noin parinkymmenen yrityksen jälkeen aloin kuitenkin hahmottaa, että enintään kolme hiirenklikkausta vaativa operaatio ei ehkä mennytkään pieleen taidoistani huolimatta, vaan virhe voi olla myös tilastoissa. Olin saanut aiemmista onnistumisistani kuitenkin selvästi itsevarmuutta työskentelyyni MapInfon kanssa, sillä se, että löysin silkkaa uteliaisuuttani miten edetä tästä eikä menettää malttiaan oli minulle ennennäkemätön saavutus. Kun lopulta älysin järjestää taulukon uima-altaat suuruusjärjestykseen, niin siinä se ongelma komeili kirjaimellisesti kaikessa suuruudessaan: Ilmiselvä tilastointivirhe! 10 talon kohdalle uima-altaiden määräksi oli merkitty 999 999 999kpl. Korjasin kyseisen virheen taulukkoon ja merkitsin kyseisiin taloihin 0 uima-allasta, jolloin sain vihdoin yksinkertaisen vastauksen haettuun: asuintaloissa on 856 uima-allasta pääkaupunkiseudulla. En ollut kuitenkaan ihan varma oliko tämä oikea tapa toimia; mistä tiesin että tilastontivirheen kokeneissa taloissa ei ollut yhtään uima-allasta? Päätin kuitenkin, että kyseessä oli niin pieni osuus koko aineiston taloista, ettei se ehkä ollut kovin merkitsevää, kunhan suurempi virhe saatiin korjatuksi.

Uima-altaallisten talojen asukkaiden yhteismäärän sain valittua SQL-selectillä taulukosta vain ne taloudet, joissa uima-allas on ja tarkastelemalla tämän jälkeen taulukon tietoja, jossa asukkaiden summaksi ilmoitettiin 12 687. Filtteröimällä taulukkoa sain selville taulukon tiedoista, että noista taloista omakotitaloja on 336kpl, kerrostaloja 186kpl ja rivitaloja 114kpl. Kun alkuperäisen taulukon tiedot järjesti uima-altaiden määrän mukaan suuruusjärjestykseen, selvisi ettei yhdessäkään talossa ole enempää kuin yksi uima-allas. Tämä työvaihe oli oikein mielekäs ja yksinkertainen, siitä huolimatta että MapInfo kaatui lähes joka kerta filtteriä aktivoitaessa ja jokaisella kerralla vasta toinen yritys tuotti tulosta. Ohjelma, jota olin saman oppitunnin aikana kerennyt vihata niin paljon kuin tietokoneohjelmaa voi vihata, alkoikin näyttäytyä minulle ihan uudessa valossa. Asiaan saattaa toki vaikuttaa sekin, että vertailtuani tuloksiani muiden blogeissa ilmoitettuihin, sain todeta osuneeni jokaisessa tuloksessa oikeaan!

Kuva 1. Pääkaupunkiseudun uima-altaat

Kuva 1. Pääkaupunkiseudun uima-altaat

Loin aineistosta kartan, jonka pylväsdiagrammit kuvaavat uima-altaiden määrää pienalueittain. Karttaa luodessani käytin pylväisiin logaritmista luokittelua, jolloin uima-allasrikkaat alueet tulivat parhaiten esille. Pylväitä on miltei ainoastaan Helsingissä ja korkeimpia ne ovat sen laitamilla, jossa etenkin Länsi-Pakila, Lauttasaari, Marjanieni, Vanha Munkkiniemi ja Kulosaari sisältävät tässä järjestyksessä eniten uima-altaita. tulos ei ollut yllättävä niiden maineen ja varakkuuden huomioiden. Poistin kartasta sitä sekoittaneet nolla-arvot ja merkitsin kymmenen uima-allasrikkainta pienaluetta arvoineen karttaan. Nämä välivaiheet olivat yllättävän kivuttomia, sillä kaikeksi yllätyksekseni vektoritobjektit sijaitsivat loogisessa järjestyksessä Corelissa, jossa muokkaukset tein (Siitä huolimatta että Corel kaatuili jokaisen syöttämäni numeron jälkeen ja sain “muutamaan” kertaan tehdä hommat alusta. Tämän takia vain viisi pylvästä sai numeroarvon. Ja tähän liittyen pakko mainita, että Corelin toimimattomuudesta johtuen väsäsin kartan loppuun vasta palautuspäivänä 14.3. kello 23 jälkeen, jolloin minulle aukesi vasta karttojen käsittelyn helppous Corelissa. Se siitä helpotuksen tunteesta palautuksessa…) Kartta on mielestäni ulkoasultaan silti yhä melko epäselvä, sillä pylväiden asetteleminen noin tiuhaan ja pienille alueille on hankalaa. Väritys on kuitenkin onnistunut, vaikka punaiset numerot pistävät silmään. En kuitenkaan löytänyt parempaa väriä, jolla saada arvot erottumaan.

Suhteeni MapInfoon

Kyseisillä harjoituksilla oli tarkoitus jouduttaa meidän itsenäistä työskentelyämme MapInfon parissa. Ylempänä kertomani käsittämättömän valaistumisen jälkeen etenkin viimeinen tehtävä täysin ilman ohjevinkkejä sai minut käyttämään myös omaa ajattelua ja ratkaisukykyä. Kun uskalsin ottaa hiiren käteeni ja tutkiskella mitä kunkin tehtävävalikon alta löytyy (tähän asti olin pelännyt Afrikan karttani kadotettuani napeista tapahtuvan jotain peruuttamatonta) huomasinkin asenteeni olleen aivan väärä. Tunneilla tehtyjen harjoitusten jälkeen ohjelman työkalujen käyttö on juurtunut johonkin syvemmälle aivokoppaan tai liikemuistiin, sillä tehtävien suorittaminen ei ollut enää niin ylitsepääsemättömän vaikeaa kuin olin asennoitunut. Käyttöä helpottaa myös huomattavasti se, kun on oppinut ymmärtämään kunkin napin nimen tarkoituksen, jotka eivät kieltämättä kuuluneet kurssin alussa englannin sanavarastooni.

Bufferityökalun käyttö puskurointtivyöhykkeen luomisessa ja sen tarkastelussa luonnistuu nyt minulta niin kuin myös erilaisten teemakarttojen luominen, taulukoiden ja niiden tietojen käsittely, sekä piste- ja vektorimuotoisten objektien piirtäminen rasterimuotoiselle kuvalle. Nämä paikkatiedon hankintaan ja analysointiin sekä kartografiaan liittyvät ominaisuudet alkavat olla hallinnassani tuottaakseni itse karttoja ja käsitelläkseni siihen liittettävää ominaistietoa. Undo-napin käyttäminen minulta ei kyllä onnistu vieläkään, saisikohan edes tästä syyttää jotain muuta (kuten ohjelmaa) kuin itseään? Korostan kuitenkin, ettei MapInfon käyttö ole osaltani vieläkään täysin ongelmatonta, vaikka tällä kurssikerralla edistyin isoin harppauksin. Urheillessani opin rakastamaan sitä poltetta lihaksissa jonka treenaaminen tuottaa, kun aloin ymmärtää että juuri sillä lihakset kehittyvät. Taidan olla löytämässä vastaavan MapInfon kanssa, jota tämänkertainen itsenäisharjoittelu edisti. Omatoimisuus ja oma ajattelu kunniaan. Timon sanoin “käyttäjältä vaaditaan lähdekritiikkiä ja maalaisjärkeä. Kaikkiin lähteisiin ei voi luottaa ja saaduista laskujen tuloksista pitäisi olla jonkinlainen taju, minkälaista suuruusluokkaa niiden pitäisi olla”.

Lähteet:

Järvinen, J. (2014) Kurssikerta 5: Bufferointi ja uima-altaat <https://blogs.helsinki.fi/jessicaj/> 12.3.2014

Helle, J. (2014) KK5: buffereita yms <https://blogs.helsinki.fi/joohelle/> 12.3.2014

Ijäs, T. (2014) Kurssikerta 5.<https://blogs.helsinki.fi/timoijas/> 12.3.2014

Leave a Reply

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