Analyysityökaluilla uutta tietoa

Kurssin edetessä olemme yhä enemmän siirtyneet kohti paikkatietoaineistojen analyysi- ja muunnosmenetelmiä. Siinä, missä kurssin alussa lähdimme liikkeelle siitä, että visualisoimme valmista paikkatietoaineistoa, on nyt painopiste siirtynyt siihen, että oppisimme ja osaisimme valjastaa käytettävissä olevan paikkatietoaineistoja omiin tarpeisiimme ja tuottaa siitä uutta tietoa.

Keskeisiä ominaisuuksia paikkatietoaineiston käsittelyssä onkin siitä tehtävät analyysit ja kyselyt, joista tällä kurssikerralla tutustuimme tarkemmin vektoriaineiston perusanalyyseistä buffer- eli puskurivyöhykkeeseen ja päällekkäisanalyysin (overlay). Näitä analyysityökaluja voidaan hyödyntää sekä yhdessä että erikseen tuottamaan uutta paikkatietoa.

Puskuroinnissa valittujen vektorikohteiden ympärille määritetään halutun levyinen vyöhyke, josta syntyy uusi alue/karttataso. Yhdistämällä tähän päällekkäisanalyysi voidaan laskea, kuinka monta pistemuotoista kohdetta vyöhykkeen sisä- tai ulkopuolelle rajautuu. Näiden avulla voi siis tutkia erilaisten alueellisten kohteiden päällekkäisyyksiä ja yhteyksiä.

Tätä toimintoa hyödyntäen laskimmekin muun muassa Malmin lentokentän ja Helsinki-Vantaan lentoaseman melualueilla asuvien ihmisten määriä (taulukko 1), joukkoliikennepysäkkien vaikutusalueiden väestötietoja (taulukko 2) sekä taajamien väestötietoja (taulukko 3). Harjoitusten tulokset ovat nähtävissä taulukoissa.

Puskurivyöhyke ja päällekkäisanalyysityökalun avulla saatu paikkatietoaineisto tarjoaa siis monenlaisia käyttömahdollisuuksia paikkatietoperusteiseen optimointiin ja päätöksentekoon. Tällaisia paikkatietoaineistoanalyysejä voikin hyödyntää niin julkinen sektori kuin kaupalliset toimijat vaikutustenarvioinnissa, aluesuunnittelussa, saavutettavuutta arvioitaessa tai vaikkapa uuden kaupan sijaintia ja sen asiakaskuntaa selvitettäessä. Koska paikkatietojärjestelmien päätehtävä on helpottaa alueellisten ilmiöiden tarkastelua, ovat nämä analyysityökalut keskeisiä.

Itsestään tietysti paikkatietojärjestelmä ja sen työkalut eivät analyysejä pysty tekemään, vaan olennaiset osat kokonaisuutta ovat hyödynnettävät paikkatietoaineistot ja itse käyttäjät. Paikkatietoaineiston osalta huomioitavaa on muun muassa aineiston saatavuus, mahdollinen hinta, laatu ja luotettavuus. Myös aineiston kerääjän ja käsittelijän tarkkuudella ja ammattitaidolla on kriittinen merkitys siinä, millaisia paikkatietoaineistoja ja karttaesityksiä lopputuloksena syntyy. Paikkatietojärjestelmän käyttäjältä vaaditaankin ymmärrystä käsiteltävistä aineistoista sekä spatiaalisista analyyseistä.

Kurssikerran itsenäistehtävän kanssa tulikin tilanne, jossa tällaiselta aloittelevalta paikkatieto-osaajalta otettiin apupyörät pois ja edessä oli omien ongelmanratkaisutaitojen testaaminen QGISillä. Tehtävässä kartoitin vuosina 1965–1970 rakennettujen kerrostalojen määrää ja sijaintia sekä Helsingissä että koko pääkaupunkiseudulla (taulukko 4) ja visualisoin tulokset teemakartoiksi (kuva 1 ja kuva 2). Tällaisesta tiedosta voisi olla kiinnostunut esimerkiksi remonttiyritys, joka kartoittaisi itselleen asiakkaita linjasaneerausta  tarvitsevista taloyhtiöistä.

 

Karttaesityksen tuottamisessa oli avainasemassa aineiston suodattaminen ja valikoiminen isommasta pääkaupunkiseudun rakennuksia edustavasta pisteaineistosta. Suodatin aineistosta pienempiä osajoukkoja niiden sijainnin, käyttötarkoituksen ja rakennusvuosien perusteella, joita sitten tarkastelin ja muokkasin lisää erillisinä karttatasoina.

Myös Alex Nylander (2020) oli tarttunut tähän putkiremonttikohteita koskevaan tehtävään ja olen hänen kanssaan samaa mieltä siitä, että erityisesti haastetta lopulta aiheuttikin aineiston yhdistäminen samaan karttatasoon, jotta siitä sai suoritettua laskutoimituksia field calculator-työkalulla ja lopulta visualisoitua karttaesitykseksi. Itsellenikään ei meinannut aluksi muistua aiemmilta kurssikerroilta mieleen, miten sain yksittäisiä rakennuksia edustavan pisteaineiston määrän laskettua kaupunginosia kuvaavien polygonialueiden sisältä.

Kokeilin sekä Join attributes by location että Count points in polygon –toimintoa tähän ratkaisuksi, joilla kummallakin sai saman lopputuloksen, mutta joista jälkimmäinen oli tähän tehtävään lopulta ehdottomasti loogisempi vaihtoehto. Kun pistaineistojen määrät oli saatu polygonitason kanssa samaan tietokantaan onnistuikin niistä laskutoimitusten tekeminen jo paljon helpommin. Vielä ennen teemakartan visualisointia poistin tuloksista kaikki kohteet, joissa ei ollut lainkaan haluttuja kohteita eli 1965–1970 rakennettuja kerrostaloja. 

Tässä tehtävässä mielestäni korostui erityisesti se, miten aineiston käsittely saattaa vaatia useita eri välivaiheita ennen kuin se on käyttötarkoitukseen sopivassa muodossa. Toisaalta myös tietokantojen sisältämän tiedon monipuolisuus tuli esille ja sen useat eri muokkaus- ja analysointimahdollisuudet. 

Mielestäni QGIS vaatii kuitenkin käyttäjältään paljon asiantuntemusta ja perehtyneisyyttä sen ominaisuuksiin sekä tietämystä paikkatietoaineistosta. Siinä missä järjestelmä suorittaa monia toimintoja, tietokantaliitoksia ja analyysejä muutamissa sekunneissa, tulisi käyttäjän kuitenkin olla ohjaksissa arvioidakseen sekä hyödynnetyn lähdeaineiston luotettavuutta että järjestelmässä suoritettujen toimenpiteiden virheettömyyttä. Tähän mennessä koen kuitenkin vasta raapaisseeni QGISin toimintojen pintaa, ja tilanne on kohdallani varmasti enemmin niin, että QGIS vie minua 10–0 kuin toisin päin.  🙂

Lähteet:

Nylander, A. (2020). Kurssikerta 5: Buffereita ja väestöanalyysejä. Viittauspäivä 16.2.2020. <https://blogs.helsinki.fi/alny/2020/02/18/kurssikerta-5-buffereita-ja-vaestoanalyyseja/>