Todennäköisesti kevään vihaisin Gis-blogi

 

En tiedä mitä on tapahtunut, mutta tajusin oikeasti mitä tunnilla tapahtuu. Tämä todennäköisesti johtuu lähinnä siitä, ettei uutta juurikaan opittu. Vanhan kertaaminen tähän väliin sekä ”tuhannet” toistot tutuilla komennoilla tekivät tehtävänsä ja pysyin hyvällä tuulella koko neljän tunnin ajan. Jei 🙂

Kerran teemana selkeästi esiin nousi bufferointi eli erilaisten vyöhykkeiden luominen sekä niiden sisältämien tilastojen tarkastaminen. Työkaluna toimi select attributes by location, jonka avulla sai helposti selville tietyllä alueella olevien muuttujien lukuarvot. Alan rakastua QGissiin, niin fiksu tuo toiminto on. Alkutunnista viimeistelimme harjoituksen Pornaisten kanssa, jonka jälkeen siirryimme ainakin itseäni paljon kiehtovimpiin alueisiin, pääkaupunkiseudun lentokenttiin. Tavoitteena oli selvittää, kuinka pitkälle kenttien melualueet yltävät ja kuinka moneen asukkaaseen ne vaikuttavat.

Vierustoverini kanssa olimme suorastaan liekeissä. Hiirestä nousi melkein savua, kun paahdoimme menemään QGissin syövereissä. Taakse jäivät niin Malmin kuin Helsinki-vantaan lentokentät ja kaikki tuntui etenevän hienosti. Selvitimme muunmuassa Malmin lentokentän melualueella asuvien ihmisten määrän 2km alueella, minkä tulos yllätti minut. Olen suhtautunut Malmin lentokentän lakkauttamiseen suhteellisen nihkeästi, mutta jos meluhaitta tavoittaa 57 000 tuhatta ihmistä, silloin heitäkin pitäisi kuunnella. Helsinki-Vantaalla taas selvitimme poikkeuksellisen laskeutumissuunnan meluvaikutuksia alueen ihmisiin. Menimme tehtävänantoa syvemmälle, ja selvitimme Tikkurilan postinumeroalueella meluhaitasta kärsivien määrän metrintarkasti. Yes cama!!

Lisäksi selvittelimme alueen juna-asemien läheisyydessä asuvien ihmisten lukumäärää, taajamien väkilukua sekä ulkomaalaistaustaisten ihmisten osuutta taajamissa. Taulukosta 1 voi nähdä nämä tulokset.

Alueet	Lukumäärä (ihmistä)
Malmin lentokentän ympäristössä asuvat ihmiset 1 km säteellä	8614
Malmin lentokentän ympäristössä asuvat ihmiset 2 km säteellä	56 619
Helsinki-vantaan lentokentän ympäristössä asuvat ihmiset 2 km säteellä	10 303
Joista 65db alueella asuu prosentteina	4,1
55db alueella asuu	11 913
Poikkeuksellisen laskusuunnan 60db alueella asuu	12 675
Joista Tikkurilan postinumeroalueella se koskettaisi prosentteina	10,2
Juna-asemien vaikutusalueet
Alle 500 m päässä asemista asuu	106 691
Joka on koko vantaan väestöstä prosentteina	21,6
Alle 500 m etäisyydellä lähimmästä alueesta asuvista työikäisiä prosentteina	68,5
Taajamat keskittyminä
Vantaan väestöstä taajamassa asuu prosentteina	97,5
Taajamia, joissa ulkomaankansalaisten osuus yli 10%	40
Taajamia, joissa ulkomaankansalaisten osuus yli 20%	11
Taajamia, joissa ulkomaankansalaisten osuus yli 30%	6

Joonatan Reunasen ajatukset sopivat hyvin yhteen omieni kanssa. Hänen mukaansa QGissin yleisimmät työkalut alkavat olla jo hyvin muistissa, eikä niitä tarvitse jatkuvasti etsiä. Itse nostaisin esiin ehdottomana ykkösenä Field calculatorin, minkä ansiosta hommat helpottuvat älyttömästi, kun laskeminen ja uusien sarakkeiden luominen attribuuttitaulukkoon onnistuvat välittömästi. Ja vaikka kaikki ei olekaan vielä selvää, Gis oppiaineena kiinnostaa ja eteenpäin mennään.

Lopuksi käyn vielä läpi itsenäistehtävän viimeisen vaiheen, jossa selvitettiin Helsingin yhtenäiskoulun seuraavan vuoden oppilasmääriä. Oletus on, että oppilaat tulevat kouluun sen omasta koulupiiristä. Tulokset ovat seuraavat:

Aloittavia koululaisia 14

Yläasteikäisiä 62

Koulupiirin alueella asuu 1894 asukasta, mikä on suhteellisen vähän. Seuraavana vuonna koulunsa aloittaa vain 14 oppilasta. Laura Hynynen oli löytänyt hyvän selityksen sille, miksi koulu on ylipäätään edes olemassa. Nykyään vanhemmat saavat valita lapsensa koulun koulupiirien ulkopuolelta, joten kouluun tulee oppilaita todennäköisesti paljon enemmän. Tilastot ovat myös kummallisia alueen kouluikäisten määrässä, sillä heitä on asukasmäärään nähden vain 8,4 prosenttia. Itse olen aina kuvitellut Käpylän olevan hyvin lapsiperhekeskeistä aluetta, joten tulos oli hämäävä. Toisaalta alueen rakennuskanta on suhteellisen vanhaa ja omistusasuntovoittoista, mikä viittaa siten vanhempaan väestöön. Kiitos Laura tästäkin huomiosta 🙂 Lopuksi laskin vielä ulkokansalaisten osuuden alueella, jonka seurauksena sain tulokseksi 69, joista 6 on lapsia. Ei yllätyksiä.

Olen harkinnut blogini nimen vaihtamista, sillä se ei oikein kuvaa nykyistä tilannetta.

#geoinformatiikkavaanparanee

Lähteet:

Joonatan Reunanen

https://blogs.helsinki.fi/reunajoo/

Laura Hynynen, gisvieruskaveri

https://blogs.helsinki.fi/lauravel/

3. kurssikerta

Kolmannella kerralla lähdimme työskentelemään kauas Afrikan mantereelle, mikä olikin erittäin positiivinen yllätys. Ensimmäiset ongelmat syntyivät, kun taulukkotiedot piti yhdistää Excelin kautta Qgissiin. Jotta maailma ei olisi liian helppo, oli joku päättänyt tehdä näiden kahden sovelluksen yhteistyön mahdottomaksi. Niinpä aikamme seurattua Artun esimerkkiä, minäkin sain aineiston Qgissille soveltuvaan csv-muotoon. Avot!

Pienen aineistokikkailun jälkeen näytölle pärähtikin marjapuuron ja sinapin sekoitukselta näyttävä Afrikan kartta. Qgis arpoo joka kerta millaiset värit se jokaiselle tasolle valitsee ja siksi pääsenkin kerta toisensa jälkeen innoissani jännittämään, mikä maailmanlopun väriyhdistelmä silmiäni milloinkin hivelee. No, se siitä. Asiaan.

Kuvassa 2 nähdään, no ei rehellisesti paljoa nähdä. Konfliktit, timantit ja öljyesiintymät ovat nähtävissä, mutta mitään päätelmää on vaikea havaita. Maissa, joissa esiintyy paljon timanttiesiintymiä, saattaa olla vain vähän konflikteja tai ei lainkaan. On myös valtioita, joissa konflikteja on yllin kyllin ilman kyseisiä luonnonvaroja. Karttaan olisikin näin jälkikäteen mietittyä ollut hyvä lisätä jokin muukin muuttuja. Hyvä esimerkki on Laura Hynysen blogissa, jossa hän on käyttänyt vertailuna maiden kehittyneisyyttä internetin käyttäjätilastojen avulla. Tällaisesta kartasta pystyykin löytämään jonkun yhtyden.

Seuraavaksi oli aika käydä itsenäistehtävien kimppuun. Tehtävänä oli luoda Suomesta tulvaindeksikartta, sekä tuoda näkyviin myös tulva-alueiden järvisyysprosentti. Itse en kokenut tehtävän kanssa suuria vaikeuksia, mutta kartan visualisoiminen tuotti ongelmia. Sopivien värien käyttö oli haastavaa, sekä kaiken lisäksi huomasin kotona työtä viimeistellessäni kartan olevan virheellinen tulvaindeksin suhteen (korjaus tulossa). Kuitenkin välillä on hyvä huomata tekevänsä virheitä, sillä niistä oppii parhaiten. Liitän kuvat alle, jotta rakkaat lukijatkin saisivat huomata, mikä meni pieleen 🙂

 

 

Edelleen Lauraa siteeraten, olisin myös halunnut lisätä pylväiden päälle prosenttiluvut kartan selkeyttämiseksi. Tai vaihtoehtoisesti tehdä pylväät palloina, kuten Pihla Haapalo blogissaan teki.

Loppujen lopuksi koin kurssikerran onnistuneen, sillä opin jälleen enemmän uutta. QGis alkaa totella minua eikä toisinpäin, mistä olen oikeasti onnellinen. Jos jotain aion viedä seuraaviin kurssikertoihin niin sen, että kertaan asiat kotona sekä tarkistan työni ennen voitonjuhlia.

#geoinformatiikkaonvieläkinkivaa

Lähteet:

Laura Hynynen

https://blogs.helsinki.fi/lauravel/

Pihla Haapalo

https://blogs.helsinki.fi/haapalop

 

 

Noni morje morje vaan kaikille. Tää blogipostaus tulee olemaan lyhyin ikinä, johtuen kirjoittajan tyylistä luoda kirjoitus pari viikkoa kurssikerran jälkeen. Joten turhat kertomukset olotiloista ja mielenmaisemoista jäävät nyt seuraavaan postaukseen, sillä tässä kirjoituksessa tulen sanomaan vähän mutta asiaa.

Kurssikerran ideana oli tutustua erilaisiin projektioihin sekä niiden vaikutuksiin erilaisissa kartoissa sekä tutkia mahdollisia mittavääristymiä. Laura Hynystä lainaten Qgis on tehnyt aineistojen vertailun käyttäjäystävälliseksi, sillä Qgissin voi avata aina uuteen ikkunaan uusilla projektioilla. Ensimmäiseksi ylivoimaiseksi haasteeksi muodostui peruskoulumatematiikan laskusääntöjen muistaminen. Matikka oli aina minulle se aine, jota en millään jaksanut ja hermo meinasikin mennä jo alkulämmittelyssä. Oli onneksi ilo huomata kanssaopiskelijoillakin olevan samansuuntaisia muistikatkoja kerto- sekä jakolaskujen kanssa.

Tavoitteena oli vertailla projektioden merkitystä tarkastelemalla suomalaisten kuntien pinta-aloja. Suomen pitkänomaisen muodon ansiosta varsinkin pohjoisessa sijaitsevien kuntien pinta-alat vaihtelivat runsaastikin. Pihla Haapalo muistuttikin omassa blogissaan hienosti maantieteilijän vastuusta erottaa karttojen vääristymät. Tehtävä konkretisoi selkeästi projektioiden vääristymät jopa yksittäisen maan tasolla. Kurssikerralla vertasin TM35FIN-projektiota Mercatorin projektioon. Tulokset olivat järkyttäviä: Mercatorin projektio vääristää pohjoisen kunnat jopa 7-kertaisiksi toiseen projektioon nähden. Vaikka aluksi tuntui, että laskutoimitus on mennyt taas päin mäntyä, uskottava se oli.

 

Kahdeksan eri luokan valitseminen saattoi olla virhe, kuten Vilma Koljonen blogissaan hyvin sanoi. Tavan tallaajalle tuollaisen legendan lukeminen saattaisikin olla hieman hankalaa, varsinkin, kun ei se alkuun itsellekkään oikein auennut. Seuraavilla kerroilla voikin olla hyvä käyttää edes se 5 minuuttia omien töiden kriittiseen tarkasteluun, jotta lopputulos näyttäisi ystävällisemmältä.

Vilma Koljosta edelleen siteeraten, kahden ensimmäisen kurssikerran aikana on tullut niin paljon uutta tietoa, ettei ihmekkään jos osa asioista on päässyt jo unohtumaan. Tämä on aivan totta. Jokainen kurssikerta oksentaa kasvoille niin suuren määrän tietoa, että sen jäsenteleminen ja muistaminen vie aikaa. Ja samalla pakostikin unohtaa jotain tärkeää. Ehkä se rutiini tästä vielä paranee, ja ainakin itse voisin katsoa, löytyisikö neljänteen periodiin prosenttilaskujen kertauskurssia.

#geoinformatiikkaonedelleenkivaa

 

Lähteet:

Haapalo Pihla, Qgis-laskuja, kurssikerta 2

https://blogs.helsinki.fi/haapalop/

 

Hynynen Laura, Projektiot suurennuslasin alla, kurssikerta 2

https://blogs.helsinki.fi/lauravel/

 

Koljonen Vilma, Projektioita ja prosenttilaskuja, kurssikerta 2

https://blogs.helsinki.fi/vilmakol/

 

Tervetuloa kaikille seuraamaan todennäköisesti kevään vihaisinta Gis-blogia. Mistä tiedän tämän? No, Syksyllä toisessa periodissa suoritettu kurssi ”Tiedon esittäminen maantieteessä” aiheutti lieviä ja vähemmän lieviä mentaalisia purkauksia, joiden johdosta harkitsin toisinaan vihanhallinnan kurssille osallistumista. Niin tai näin, luvassa on varmasti upea kurssi sekä persoonallinen blogi, josta löydät tämän ”geoinformatiikan ihmelapsen” sielunmaiseman.

Noniin, ensimmäiseen kurssikertaan mars! Pelonsekaisin mutta jollain tavalla onnellisin tuntein astuin takaisin rakkaaseen laboratorioomme. Pistetään töpinäksi -teekupillisen innoittamana aloimme tutustumaan uuteen tuttavuuteen, QGis -paikkatieto-ohjelmaan. Se on avoimen lähdekoodin ohjelma, mikä päivittyy useasti sekä sitä tuottavat monet eri ihmiset. Ensimmäisellä kurssikerralla tavoitteena oli oppia ohjelman perusasiat, kuten layereiden muokkaus sekä pienten laskennallisten analysointien suorittaminen. Voin jo alkuun myöntää havainneeni sykkeen hienoista nousua muutamassa kohdassa, vaikka myönnänkin sen johtuneen lähinnä omasta keskittymiskyvystä tai enemmänkin sen puutteesta. Ohjeiden mukaan latasin aluksi alustalle muutamia aineistoja, kuten ”administrative boundaries” tai ”Nitrogen inputs”. Alustalle ilmaantui väreiltään kompostin sisältöä vastaava Euroopan kartta, jonka onneksi saikin helposti muokattua visuaalisesti näyttävämpään muotoon. Tehtäväksi muodostui selvittää typpipäästöjä aihuttavien valtioiden päästöjen suhteellinen osuus prosentteina. Syksyllä haastavana pitämäni CorelDraw alkoi tuntua lastenleikiltä edetessäni yhä syvemmälle QGis:n teknillisiin syövereihin. Erilaiset laskentakaavat sekä lukuiset vaihtoehdot näyttivät ensikertalaiselle polun, jonka seuraaminen tuntui mahdottomalta. Kiitos opettajan sekä vieruskaverini, pysyin kuitenkin kärryillä saaden aikaan punasävyisen kartan. Lisäämällä viereen legendan, sain typpipäästäjät helposti nähtäville.

Viimeiseksi latasimme vielä alustalle aineiston Suomen kunnista. Tehtävänä oli valita jokin muuttuja lukuisista vaihtoehdoista, josta pystyisi laskemaan suhteellisen osuuden. Valitsin muuttujaksi ruotsinkielisten osuuden kuntien asukasluvusta, tai ainakin luulin niin. Kirjoittaessani tätä blogia huomasin sittenkin laskeneeni ruotsinkielisten osuuden kunnissa kaikista Suomen ruotsinkielisistä. Näin ollen kartta (kuva 1) kuvaa sitä, miten ruotsinkielisyys jakautuu kunnissa kaikkien ruotsinkielisten kesken, ei kaikkien asukkaiden. Näin ollen kuvassa näkyvä teksti on väärin, oikea ilmaus löytyy kuvatekstistä. Kartan luominen tapahtui samalla tavalla kuin harjoituksessa, ja lopuksi lisäsin karttaan mittakaavan sekä pohjoisnuolen selkeyttämään kartanlukijan työtä. Tästä suuri kiitos edelliselle Gis-kurssille, sillä siellä opitut kartanluontitaidot toimivat hyvin pohjana ja suunnannäyttäjänä tälle kurssille.

Ensimmäinen kurssikerta oli opettavainen virheellisestä kartasta huolimatta. Vaikka käyttämämme ohjelma onkin monimutkainen, siinä on monia ominaisuuksia joita toivon oppivani käyttämään kurssin aikana edes säädyllisellä tasolla. Uskon rehellisesti siitä olevan hyötyä tulevaisuudessa sekä opinnoissa että työelämässä. Vaikka erityisesti huolellisuus on minulle kehityksen kohde, erilainen näperrys ja kokeileminen kuuluu omaan oppimiseeni ja siksi uskon ettei virheiltä voi välttyä tälläkään Gis-kurssilla. Posin kautta, ainakin nyt tiedän mihin päin lähden kaupittelemaan Hufvudstadsbladetia jos rahapula iskee.

#geoinformatiikkaonkivaa