Viidennellä kurssikerralla tuli paljon eri QGIS:n työkaluille käyttöä ja toistoja. Sain tästä kurssikerran harjoituksesta ehkä kaikkein eniten irti tähän mennessä, koska etenimme tehtävissä keskustellen ja toisiamme auttaen Sarlotta Laakkosen, Lila Salosen ja Joel Schülen kanssa. Kiitos heille! Näytän tässä blogissa, mitä kaikkea hienoa sainkaan aikaan.
ITSENÄISTEHTÄVÄ 1
Malmi
Harjoittelin ensiksi Buffer -työkalun käyttöä. Tein bufferin avulla Malmin lentokentän käytössä olon aikana koituneen melun vaikutusalueanalyysiä. Tein lentokentän kiitoratojen ympärille alueet, joissa etäisyys kiitoradoista on annettua raja-arvoa (1km ja 2km) pienemmät tai yhtä suuret.
Taulukko 1. Malmin lentokentän kiitoratojen ympäröiviin buffereihin jäävät rakennukset ja asukkaat.
| Bufferi | Rakennuksia | Asukkaita |
| 1 km | 829 | 9061 |
| 2 km | 4953 | 58761 |
Kuva 1. Malmin lentokentän ympärillä 2km bufferi vasemmalla vihreällä ja 1km bufferi oikealla violetilla. Bufferien sisään jäävät rakennukset keltaisella.
Huomasin pienen ongelman tässä tehtävässä. Nimittäin rakennus- ja asukasmäärät vaihtelevat, kun vertailin omia lukuja muiden blogeissa näkyviin vastaaviin lukuihin. Esimerkiksi Joel Schuülen blogissa: Viikko 5, hän ilmoittaa saaneensa 1km bufferin sisään jääneiden rakennusten määräksi 808. Se on 21 rakennusta enemmän kuin minun vastaava luku. Tämä johtuu siitä, että kiitoradat on piirretty ns. vapaalla kädellä, jolloin niihin tulee väkisinkin metrikohtaista heittoa, mikä myös peilautuu eteenpäin bufferialueeseen.
Helsinki-Vantaa
Toteutin saman jutun Helsinki-Vantaan lentokentän kiitoratojen ympärille. Tarkastelin myös pahimmalle lentomelualueelle (65 dB) jääviä lukuja.
Taulukko 2. Eri aluejakojen rakennus- ja asukaslukuja.
| Alue | Rakennuksia | Asukkaita | |
| A | 2 km bufferi | 2370 | 11675 |
| B | 65 dB lentomelualue | 37 | 303 |
| C | A ja B yhteiset alueet | 7 | 19 |
| D | 55-65 dB lentomelualue | 1780 | 11923 |
Kuva 2. Helsinki-Vantaan kiitoratojen ympäröimä 2 km bufferi oranssilla, 65 dB lentomelualue sinapin keltaisella kiitoratojen välittömässä läheisyydessä sekä molempiin näihin alueisiin jäävät asuinrakennukset keltaisina pisteinä.
- Kuinka monta prosenttia 2 km bufferin asukkaista asuu pahimalla melualueella (65dB)?
= 0.16%
Seuraavaksi oli tarjoitus selvittää kuinka monen ihmisen elämää vähintään 60 dB lentomelu haittasi Tikkurilassa, mikäli saapuva liikenne käännettäisiin jälleen laskeutumaan poikkeuksellisesta suunnasta. Kuvassa 3 lopputulos.
Kuva 3. Noin 7x1km alue, jossa lentomelu vähintään 60 dB.
Lentomelualue, jossa väh. 60 dB saatiin tehden noin 7km apuviiva, jolle luotiin ympärille 0,5km bufferi. Huonoa tässä oli se, että apuviiva tehtiin vapaalla kädellä silmämääräisesti. Siinä suunta ja tarkka pituus väkisinkin ontui. Viivan suunta ja pituus on siis suunnilleen oikein. Ongelma tietenkin on, että viivan virheheitto peilautuu bufferin virheheitoksi. Itse toteutin viivan teon katsomalla ensiksi silmämääräisesti viivamittaustyökalulla, mistä 7km viiva alkaa ja päätty ja sitten piirsin saman viivan eri työkalulla. Myös tämä silmämääräisyys aiheuttaa virhettä.
Näissä tehtävissä tuli useasti luotua uusia tasoja ja sen yhteydessä opin, kuinka tärkeää on kiinnittää huomiota, minkä koordinaatiston/projektion valitsee uudelle tasolle. Nimittäin muutaman kerran epähuomiossa en huomioinut sitä ja se haittasi bufferin luomista.
Kuvassa 3 nähdään kuinka en saanut viivan päistä bufferivyöhykettä loppumaan samaan kohtaan viivan kanssa. Kokeilin kaikkea. Ainakaan lentokentän puolella viivaa se ei vaikuta tuloksiin, mutta kuten kuvassa 3 nähdään, bufferin toisessa päässä ”ylimääräisiä” eli yli 7km säteellä lentokentästä sijaitsevia rakennuksia jää häiritsemään tuloksia. Viiva on siis 7km ja sen ympärillä, myös päissä, on 0,5km bufferi.
Lopputuloksessa osoittautuu, että piirretylle 60 dB melualueelle jää
- rakennuksia 1852
- asukkaita 13246.
Asemat
Taulukko 3. Asukastietoja kartan alueen juna- ja metroasemien ympäriltä 500m bufferivyöhykkeeltä.
| buffer 500m asemista | |
| Asukkaat | 111765 |
| % – osuus kartan kaikista asukkaista | 21.58 |
| Työikäiset (15-64v.) | 75167 |
| Työikäisten % -osuus | 68.16 |
| Asukkaita yht. koko kartalla | 511078 |
Onnistumisen fiiliksiä tuli, kun osasin luoda uuden sarakkeen 15-64 vuotiaille ja hyödyntää sitä!
ITSENÄISTEHTÄVÄ 2
Asukas- ja taajamatietoja oli yli karttalehden alueen ja siksi toteutin tämän tehtävän kahdesti. Nimittäin oli epäselvää, mikä tehtävän aluerajaus kuuluisi olla. Tulimme kuitenkin siihen lopputulokseen, että vaikka aluksi teimme tehtävän vain karttalehden alueelta, halusimme sen toteuttaa uudelleen myös sen ulkopuolisesta datasta. Siispä aluejako on se, mistä koko data on eli ei pelkästään karttalehden alueelta!
Taulukko 4. Asukastietoja
| Asukkaita | |
| Yht. | 1042440 |
| Taajamissa | 1001830 |
| %-osuus taajamissa | 96.10 |
Taulukko 5. Kouluikäisistä asukastietoja
| Kouluikäisiä | 103385 |
| Kouluikäiset taajamien ulkopuolelta | 3727 |
| Kouluikäisten %-osuus taajamien ulkopuolella | 3.6 |
Seuraavassa taulukossa 6 selvitetään kuinka monella taajama-alueella ulkomaalaisten osuus on yli 10%, 20% ja 30%. Tähän väliin tuli pieni pulma nimittäin Kauniaisista ei löydy kyseistä tietoa, joten Kauniaisten arvoksi vaihdoin 0.
Taulukko 6. Alueiden määrä ulkomaalaisten %-osuuden mukaan alueen koko väestöstä.
| Prosenttiosuus | Alueiden määrä |
| yli 10 % | 65 |
| yli 20 % | 21 |
| yli 30 % | 13 |
ITSENÄISTEHTÄVÄ 3-5
UIMA-ALTAAT JA SAUNAT
- Kuinka monta uima-altaalla varustettua rakennusta löytyy pääkaupunkiseudulta? (UA)
= 855
- Kuinka paljon asuu asukkaita sellaisissa taloissa, joissa on uima-allas? (ASYHT)
= 12170
- Kuinka moni noista taloista on omakotitaloja? Entä kerrostaloja tai rivitaloja? (KATAKER, 11=Omakotitalo, 12=Paritalo, 21=Rivitalo, 39=Kerrostalo)
- Omakotitaloja = 345
- Paritaloja = 158
- Rivitaloja = 113
- Kerrostaloja = 181
- Kuinka monessa talossa on sauna?
= 21922
- Kuinka monta prosenttia saunallisista taloista on kaikista asutuista taloista pääkaupunkiseudulla (SA)
= 24.16%
Seuraavaksi koitin havainnollistaa kartalla mikä on kaikkein uima-allasrikkain osa-alue. Kuitenkin matkan varrella ilmeni jälleen ongelmia. Ensimmäinen merkittävä ongelma nähdään kuvassa 4. Ratkaisuksi siihen poistin kaikki Kauniaisen (feature (157)) attribuuttitiedot kummankin join-vaiheen tason attribuuttitaulukosta. (Myöhemmin unohdin lisätä Kauniaisen takaisin…)
Kuva 4. Ongelma
Ongelmaan keksittiin onneksi ratkaisu! Kiitos taas Sarlotan, Lilan ja Joelin. Ratkaisu oli, että toiminto ohittaa ne, mitä se herjaa. Alla olevassa kuvassa 5 näkyy, mitä toiminto herjasi: Feature (157) ja Feature (237). (Kauniaisten poisto oli siis turhaa…). Kyseiset herjat olivat Pakkala ja Tapulikaupunki, eivätkä ne näy lopputuloksessa kartalla!
Kuva 5. Herja
Tämän jälkeen nähtiin attribuuttitaulukosta, että Lautasaaressa on kaikkein eniten uima-altaita: 53 kpl. Toisiksi eniten Länsi-Pakilassa: 52kpl ja kolmanneksi eniten Marjaniemessä: 48 kpl.
Koostin aluekohtaiset uima-allastiedot kartalle näkyviin kuvassa 6.
Kuva 6. Uima-altaat pääkaupunkiseudulla.
Loppuviimeistelyyn olisin voinut panostaa enemmän, mutta ajan ja energian puutteessa päädyin kuvan 6 lopputulokseen. Harmittaa kuitenkin, että kartan järkevä visualisointi jäi vajaaksi. Esimerkiksi Uima-allasmäärää kuvaavat palkit saisivat olla kapeampia ja niitä koskevat numerot suurempia. Myös värit olisi voitu vaihtaa yhteensopivimmiksi. Karttaan jää myös epäolennaista tietoa, kuten vihreän ja keltaisten alueiden ulkopuolelle jäävät joet ja järvet. Erityisesti jäin haikailemaan yhtä upean lopputuloksen perään, mitä esimerkiksi Sarlotta sai aikaiseksi viereisessä pulpetissa, kun tämä opetteli QGIS:än plugieneita käyttämään ja millä sai tuotua visualisointiin sopivan taustakartan. Kyseisen kartan voi käväistä katsomassa sarlotta laakkonen -kurssiblogista (2023) 5. kurssikerta: puskurointia ja pusertamista.
Loppuviimeistelyn puutteesta huolimatta olen tyytyväinen lopputulokseen, sillä ylitin itseni useasti. Tärkeintä on, että tarvittavat tiedot saatiin kartalle ja sitäkin tärkeämpää oli kokonaisuudessaan sen tuoma oppimisprosessi. Haasteita riitti tälläkin kertaa, mutta niistä selvittiin!
LOPPU
Lähteet:
MAA-202 Joel Schüle (2023) Viikko 5 https://blogs.helsinki.fi/jschule/ Viitattu 22.2.2023
sarlotta laakkonen -kurssiblogi (2023) 5. kurssikerta: puskurointia ja pusertamista. https://blogs.helsinki.fi/sarlotla/ Viitattu 22.2.2023
Kuva 2. Havainnollistava kuva mitattavasta viivasta kartalla.
