Viikko 5. Puskurivyöhykeanalyysejä, saunoja (!) ja reflektointia

Viidennellä kurssikerralla harjoittelimme bufferointia ja sen hyödyntämistä erilaisissa analyyseissä. Kävimme pikaisesti läpi myös laskemista kohteiden avulla. Tutummaksi tulivat myös erilaiset valintatyökalut. Loppupuoli kurssikerrasta kului itsenäisesti QGIS:in kanssa näpertäessä, mikä tuotti parempia oppimistuloksia niin minun kuin esimerkiksi Anna Seppälän (2024), Armida Wanströmin (2024) ja Laura Siltalankin (2024) mielestä.

Puskurivyöhykeanalyysejä pääkaupunkiseudulla

Edellisviikolla pohdiskelin, että polygonienkin digitoinnin kertaus olisi ollut hyödyllistä. Nyt pääsinkin virkistämään muistiani parin pienen kiitoradan kanssa. Buffer-työkalua pääsi käyttämään tehtävissä useaan otteeseen, ja koenkin oppineeni sen käytön hyvin. Puskurointivyöhykkeet ovat kätevä työkalu esimerkiksi saavutettavuuden tutkimiseen tai kohteiden määrän laskemiseen suhteessa sijaintiin, kuten Anna on blogissaan kirjoittanut. Puskurivyöhykkeitä voitaisiin hyödyntää myös esimerkiksi erilaisten vaikutusalueiden laskemisessa vaikkapa luonnonkatastrofien tai onnettomuuksien yhteydessä. Armidakin on blogissaan kirjoittanut bufferoinnin hyödyllisyydestä vaikutusalueiden laskemisessa sekä pendelöinnissä. Onneksi Armida on myös selventänyt, mitä pendelöinti tarkoittaa, koska muuten minun olisi pitänyt kääntyä hyvän ystäväni Googlen puoleen. 😀 Bufferointia voisi hyödyntää myös esimerkiksi määriteltäessä hakkuualueita, kun vesistöjen tai vaikkapa lähteiden ympärille tulee jättää tietty suojavyöhyke. Myös luonnonsuojelussa puskurivyöhykkeitä voitaisiin hyödyntää, jos esimerkiksi tiedetään liito-oravien pesäpaikat.

Taulukko 1. Bufferointi- ja valintatyökaluilla saatuja tietoja kartta-alueen asukkaista.

Malmin lentokenttä
Asukkaita 2 km:n säteellä	58 761
Asukkaita 1 km:n säteellä	9 100
Rakennuksia 1 km:n säteellä	828
…joista rakennettu v. 1936 jälkeen	771
…joissa asukkaita	8 905
Helsinki-Vantaan lentokenttä
Asukkaita 2 km:n säteellä	11 776
…joista 65 dB:n melualueella	303 (2,8%)
Asukkaita väh. 55 dB:n melualueella	11 923
Asukkaita väh. 60 dB:n melualueella (Tikkurila)	13 354
Asemat
Asukkaita alle 500 m:n päässä	111 765
…joiden osuus kaikista asukkaista	21,7%
Työikäisten (15-64v.) osuus alle 500 m	67,1%
Taajamat
Asukkaita taajamissa kaikista asukkaista	96,2%
Kouluikäisiä (6-14v.) taajamien ulkopuolella	2 114
…joiden osuus kaikista kouluikäisistä	3,9%

Taulukossa 1 on nähtävissä QGIS:in työkalujen avulla saatuja vastauksia tehtävänannossa esitettyihin kysymyksiin. Käytin tietojen laskemiseen oikeastaan vain Buffer-työkalua ja Select features by location- ja Select features by value- työkaluja. Eri osuudet laskin excelissä saamieni lukujen perusteella. En tiedä, oliko nämä tarkoitus laskea QGIS:illä, mutta illalla tunkkaisessa GIS-luokassa aivosoluni eivät enää kyenneet siihen. Tehtävissä, joissa alueellisesti valituista piti valita vielä lisää arvon perusteella tein ensin uuden layerin käyttämällä ExportI-toimintoa valituista kohteista. Myöhemmin huomasin, että Select-työkaluilla olisikin pystynyt tekemään todella monipuolisia valintoja joissain tapauksissa myös ilman uuden tason luomista. Statistics-paneeli oli todella hyödyllinen tietoja kerätessäni, ja tykästyin varsinkin Selected features only-toimintoon.

Vieruskaverini Annan kanssa huomasimme, että osa saamistamme luvuista olivat samoja, mutta osa taas erosi toisistaan jonkin verran. Lukiessani Lauran blogia huomasin saman ilmiön. Osa eroista selittyy sillä, että digitoimme itse lentokenttien kiitoradat, jolloin erot itsestään selvästi johtuvat digitoijan tarkkuudesta, vaikka muuten kaikki olisikin tehty samalla tavalla. Kouluikäisten ikää ei ollut tehtävänannossa määritelty, ja käytimmekin Annan kanssa ihan liikaa aikaa ikähaarukan päättämiseen. Päädyimme 6–14-vuotiaisiin, vaikka paljon tätäkin vanhemmat käyvät koulua (heh), koska työikäiset olivat tehtävänannon mukaan 15-vuotiaista ylöspäin. Asemien ja taajamien kanssa meillä kuitenkin oli valmiina valmiit aineistot. En tiedä, voisiko projektin valitulla koordinaattijärjestelmällä olla vaikutusta asiaan. Muistaakseni minä en bufferointia tehdessäni aina täpännyt dissolve-kohtaa. Käsitykseni mukaan se tarkoittaa yhdisämistä, mutta sen merkitys sen vaikutuksen kannalta on minulle epäselvä, joten en osaa sanoa olisiko sillä sitten ollut vaikutusta asiaan. Voisin kuitenkin olettaa, että se on vaikuttanut tuloksiin. Tästä kuitenkin huomaa muun muassa ohjelmiston käyttäjän osaamisen ja tarkkuuden vaikutuksia analyysien tekemiselle. Mietin myös, voiko työkalujen valinta mahdollisesti vaikuttaa analyysin tulokseen? Toisaalta ainakin kokeillessani Intersect- ja Clip-työkaluja saadut geometriset tulokset olivat samoja, eroja oli vain siinä, minkä tason tietoja uuden tason attribuuttitauluun tuli mukaan.

Uima-altaita ja saunoja kartalla

Innostuin kotona tekemään vielä lisätehtävän saunoista ja uima-altaista, koska 1) halusin testata soveltavia taitojani QGIS:in käytössä ja tutkia, mitä kaikkea osaan ja 2) sauna on suomalaisuuden ikoni, kuten tehtäväohjeissa mainitaan. Ensiksi halusin siistiä aineistoa visuaalisesti hyödyntämällä aiemmin kokeiltua Clip-toimintoa (jota olisin itse asiassa kaivannut jo eräällä aiemmalla kerralla mutten osannut ja tajunnut!). Törmäsin heti kuitenkin ongelmaan, sillä QGIS valitti tasojen geometria olevan ”invalid” ja kehotti minua ”fix geometries” tai tekemään jotain muuta, josta en ymmärtänyt mitään. Päätin kokeilla onneani ja etsin sanoja hakuvalikostaja törmäsinkin heti sellaiseen työkaluun kuin Fix geometries. Kokeilin työkalua tasoille, ja kappas vain, Clip-toiminto toimi tämän jälkeen kuin unelma (luoden toisaalta kokonaan uudet tasot). Googlasin, mitä geometrioiden korjaaminen tarkoittaa, mutta en ymmärtänyt vastauksesta mitään. Nyt kuitenkin pääsin jatkamaan tehtävääni.

Seuraavaksi loin uuden tason rakennuksista, sillä sen alkuperäinen attribuuttitaulukko oli niin valtava, että QGIS:illä meni ikuisuus pyörittää sitä. Kuten Annasofia Toivonen (2024) blogissaan kirjoittaa, on vaikea lähteä tekemään toimintoja, jos ei tiedä, mitä attribuuttitaulukossa on. Kyseisessäkin attribuuttitaulukossa sarakkeiden nimet olivat mitäänsanomattomia lyhenteitä, joten päätin uuteen tasoon ottaa mukaan vain ne muuttujat, jotka tehtävänannossa mainittiin. Poistin vanhan tason, ja QGIS jaksoi paljon kiltimmin pyörittää projektiani.

Kuva 1. Uima-altaiden määrä pääkaupunkiseudulla kaupunginosittain pylväinä kuvattuna.

Tein kartan (kuva 1) tehtävänannossa pyydetysti uima-altaiden määristä kaupunginosittain kuvaamalla määriä pylväinä ja niiden numeroarvoina. Pysähdyin hetkeksi sormi suussa miettimään, miten saisin laskettua uima-altaiden määrän alueittain. Sitten muistin Afrikka-tehtävässä käytetyn Count points in polygon-toiminnon ja näpyttelin sen Processing toolboxin hakukenttään. Uuden tason attribuuttitaulukkoon syntynyt sarake olikin helppo visualisoida. Ongelmia kohtasin seuraavaksi siinä vaiheessa, kun piti saada numerot esille pylväiden yläpuolelle. Diagrams-kohdasta en löytänyt mahdollisuutta, vaikka googlailinkin. Kokeilin sitten Labels-kohdasta, ja sainkin numerot jotenkin näkyviin kartalle. Vähän asettelemalla sain ne jokseenkin pylväiden yläpuolelle, mutta kartta on silti mielestäni melko vaikealukuinen. Kun QGIS:issä zoomasi lähemmäksi, näkyi kaikki hienosti, mutta pienempimittakaavaisella kartalla esitystapa on hieman epäselvä. En tiedä, olisiko numeroiden esittämiseen ollut jokin parempikin keino. Eniten uima-altaita oli Lauttasaaressa (taulukko 2), minkä hain vain järjestämällä attribuuttitaulukon halutun sarakkeen järjestykseen suurimmasta pienimpään.

Taulukko 2. Tilastotietoja pääkaupunkiseudun uima-altaista ja saunoista.

Uima-altaat ja saunat
Rakennuksia, joissa uima-allas	855
…joissa asukkaita	12 170
Omakotitaloja, joissa uima-allas	345
Kerrostaloja, joissa uima-allas	181
Rivitaloja, joissa uima-allas	113
Uima-allasrikkain kaupunginosa	Lauttasaari (53kpl)
Rakennuksia, joissa sauna	21 922
…joiden osuus kaikista asutuista rakennuksista	24,2%

Taulukon 2 tietoja hakiessani ja laskeskellessani oivalsin eri Select-työkalujen monipuoliset toiminnot, niin kuin jo aiemmin mainitsin. Opin kokeilemalla käyttämään eri arvojen perusteella valitsemista, ja löysin toiminnot, joilla pystyi jo lisäämään sen hetkiseen valintaan tai poistamaan siitä. Tämä yhdistettynä Statistics-paneeliin auttoikin minua keräämään tietoja helposti ja nopeasti. Paneelin kanssa täytyi kuitenkin olla tarkkana sen suhteen, mitä oli valinnut ja minkä attribuutin tiedot paneeli näytti. Täytyy myös ymmärtää, mitä tässä tarkoittavat rivit count ja sum. Tässä tehtävässä tein saunoista oman tasonsa, sillä tarvitsin sitä myöhemmin visualisoidessa. Tehtävässä piti laskea osuus kaikista asutuista rakennuksista, mikä hämäsi minua hetken. Sitten tajusin valita kaikki rakennukset, joiden asukasmäärä oli yli 0, jolloin huomasin, että kaikki tehtävän rakennukset olivat asuttuja.

Kuva 2. Saunallisten rakennusten suhteellinen osuus kaikista rakennuksista pääkaupunkiseudulla kaupunginosittain.

Koska Suomessa tunnetusti on paljon saunoja ja koska sauna best halusin vielä visualisoida kartalle saunojen määrän pääkaupunkiseudulla (kuva 2). Käytin taas Count points in polygon-toimintoa, jolloin sain kaikkien rakennusten määrän per kaupunginosa. Sitten avasin Join attributes by location-työkalun ja jännitin, osaanko käyttää sitä ilman ohjeita. Ja osasin! Muistan, kuinka aluksi minun piti silmä tarkkana katsoa, näyttääkö kaikki samalta kuin Artulla, mutta nyt huomasin ymmärtäväni työkalun eri toiminnot! Sitten loin vielä Field calculatorilla uuden sarakkeen, johon laskin saunallisten rakennuksien prosenttiosuudet kaikista rakennuksista. Visualisoidessani kartta huomasin, että kartalle jäi muutama alue, joiden väri oli ihan muu kuin mitä olin valinnut. Menin katsomaan attribuuttitaulukkoa, ja huomasin tiedon puuttuvan osasta ruuduista, koska jotakin laskutoimituksessa tarvittua tietoa ei ollut alun perin saatavilla. Muistelin, että Afrikka-tehtävässäkin manuaalisesti vain korjasimme tällaiset tapauksen, joten näpyttelinkin ne sitten nolliksi. Vasta myöhemmin huomasin, että karttaan olikin jäänyt yksi NULL-alue, jonka tarkkasilmäiset varmaan huomaavatkin.

Tuloksieni mukaan joillakin alueilla jopa 100 %:ssa rakennuksia on sauna, ja kiinnostuneena katsoinkin attribuuttitaulukosta, mitä tällaiset alueet ovat. Ne olivat Lentokenttä ja Niinisaari. Molemmissa oli vain yksi asuttu rakennus ja siinä rakennuksessa sauna. Niinisaaresta en tiedä sen enempää, mutta minusta oli jotenkin hauskaa ajatella, että lentokentälläkin on sauna suomalaiseen perinteeseen nojaavasti. (Vaikka enhän minä tiedä, mitä tässä tarkoitetaan alueella, joka on nimetty nimellä ”Lentokenttä”.) Ilmeisesti Espoolaiset pitävät saunoista eniten pääkaupunkiseudulla.:D En ole pääkaupunkiseudulta kotoisin enkä tarpeeksi (yleis)sivistynyt, että tietäisin näitä asioita, mutta pohdin voisiko saunojen määrä jotenkin liittyä rakennuskantaan ja sen ikään tai muuhun vastaavaan.

Reflektointia QGIS:istä ja opituista asioista

QGIS:in keskeisimmiksi työkaluiksi, jotka nyt hallitsen, koen tähänastisten kurssikertojen perusteella ainakin eri Select-työkalut, Field calculatorin, Join attributes by location (summary) –työkalun, nyt tutuiksi tulleet Buffer- ja Clip-työkalut sekä paneeleista ainakin Statistics. Lisäksi Layer propertiesin Joins on tullut tutuksi ja ollut hyödyllinen. Olen laskenut paljon varsinkin uusia sarakkeita taulukkoihin ja yhdistellyt eri tasojen attribuuttitietoa. Kaikkea tarvittua tietoa ei aina ole valmiiksi olemassa tai ne voivat olla eri tasoilla, ja muun muassa nämä mainitsemani työkalut auttavat tiedon luomisessa ja yhdistelemisessä. Kaikki tieto ei aina myöskään ole tarpeellista, jolloin valikoivasti voidaan yhdistellä tai valikoida siitä vain osa, mikä voi myös parantaa toimivuutta liian suuren tietomäärän hidastaessa prosesseja.

Digitoidessa mielestäni erittäin hyödyllinen on New scratch layer varsinkin, jos digitoitavia kohteita on todella paljon. Koen, että melkeinpä kaikki läpikäydyt rasteriaineistoihin liittyvät työkalut ovat jääneet minulle hieman hämäriksi sekä niiden käyttötarkoituksen että itse käyttämisen osalta. Vektoriaineistot ovat tutumpia ja tuntuvat muutenkin hyödyllisemmiltä paikkatietoanalyysien tekemisen kannalta. Tämä saattaa ainakin osaksi johtua juuri siitä, että olen pyöritellyt vektoriaineistoja enemmän ja osaan käyttää siihen liittyviä työkaluja paremmin. Lisäharjoitusta kaipaisin kuitenkin esimerkiksi Merge- ja Dissolve-työkalujen kanssa, sillä mielestäni ne käytiin vain todella nopeasti läpi. Olen kurssin edetessä huomannut, että työkalut, joita käytän useasti ovat jääneet hyvin muistiin, ja silloin niiden toimintaperiaatteet alkaa hahmottaa paremmin kuin vain perässä kopioimalla.

Olen mielestäni ihan hyvin onnistunut soveltamaan opittuja työkaluja ja muita ominaisuuksia, mutta toisaalta soveltavat tehtävät eivät olekaan mielestäni olleet kovin haastavia. Soveltaminen on kuitenkin hankalaa, jos ei anneta valmista listaa työkaluista, joita voi käyttää. Työkalujen syvällisempi ymmärtäminen ja hallitseminen helpottaisi kaikenlaista soveltamista, mutta siihen pisteeseen pääseminen vaatinee vain harjoitusta ja lisää harjoitusta. Googlekin on oiva apu myös QGIS:in kanssa.

Niin kuin Aili Mikola (2024) blogissaan kirjoittaakin, ”datan laatu ja saatavuus vaikuttavat siihen millaisia analyysejä QGIS:llä voi ratkaista”. QGIS:issä on kuitenkin paljon hyviä työkaluja, joilla parhaimmassa tapauksessa voi tuottaa tätä tietoa, niin kuin olen jo pohdiskellutkin. Niin kuin on jo todettu ja Laurakin kirjoittaa, käyttäjien työskentelytavat vaikuttavat analyyseihin, niin kuin vaikuttavat käyttäjän taidotkin. Laura on hyvin todennut, että ”[l]ienee siis hyvä muistaa pyöristämisen jalo taito ja hyväksyä, ettei analyyseissä saadut arvot tai vastaukset aina ole absoluuttinen totuus”. Niin kuin monessa tieteessä lähes aina, kyse on usein kuitenkin ainakin jonkinasteisesta yleistämisestä.

Lähteet

Mikola, A. (2024) Buuferointia. Ailin GIS-luola. Viitattu 22.2.2024. https://blogs.helsinki.fi/maili/2024/02/14/buuferointia/

Seppälä, A. (2024) 5. viikko – Bufferointia Helsinki-Vantaalla. Gisvelhon loitsuja. Viitattu 22.2.2024. https://blogs.helsinki.fi/sexanna/2024/02/16/5-viikko-bufferointi-helsinki-vantaalla/

Siltala, L. (2024) Viides kurssikerta. Lauran blogi. Viitattu 22.2.2024. https://blogs.helsinki.fi/lesiltal/2024/02/14/viides-kurssikerta/

Toivonen, A. (2024) VIIKKO 5: Buffereita ja itsenäisiä tehtäviä. Annasofian blogi. Viitattu 22.2.2024. https://blogs.helsinki.fi/annasoto/2024/02/21/viikko-5-buffereita-ja-itsenaisia-tehtavia/

Wanström, A. (2024) Bufferointi ja reflektointi viikko 5. Gissful thinking. Viitattu 22.2.2024. https://blogs.helsinki.fi/armida/2024/02/15/bufferointi-ja-reflektointi-viikko-5/