Tällä kerralla tutustuimme bufferointiin, analysointiin ja uusiin QGIS ominaisuuksiin, joita edustivat mm. clip, sum line length ja intersection. Näihin tehtiin tunnilla pintaraapaisu, kun työkaluihin tutustuttiin ja samalla opettelimme bufferoinnin saloja (kuva 1).
Kuva 1. Teiden bufferointia.
Suurin osa tästä kerrasta oli omistettu itsenäiselle työskentelylle. Meinasi heti mennä sormi suuhun, sillä tavallisesti tunnit ovat edenneet opettaja edellä ja minä perässä tapaisesti. Hetken tehtäviä pyöritettyä ne kuitenkin alkoivat avautumaan. Lentokenttä tehtävät sujuivat helposti, olihan bufferointi tuoreessa muistissa, kuten myös edeltävällä kerralla opittu vektoritason viivadatan tuottaminen. Kuitenkin itseäni epäilyttivät saamani numerot ja vertailtuani näitä luokkalaisteni tuotoksiin. Tulin siihen lopputulokseen, että tämä todennäköisemmin johtuu siitä, että tuotetut piirustukset ovat hieman eriäviä keskenään, jolloin myös bufferoimalla saatu data on hieman keskenään eriävää.
Tehtävästä 1. saatuja ratkaisuja:
Malmin lentokentästä pahimmalla lentomelualueella eli 2km säteellä asuu 58 054 asukasta ja 1km säteellä 9356 asukasta.
Helsinki-Vantaan lentokentästä asuu 2km säteellä 10 847 asukasta, joista pahimmalla lentomelualueella on 65 asukasta tai 0,6%. Vähintään 55db melualueella asuu 11 923 asukasta. Lentosuunnan kääntyessä suoraan Tikkurilan ylitse vähintään 60db lentomelu haittaisi 26 475 asukasta
Kokonaisväestöstä asemien lähettyvillä asuu 21, 69% eli 111 975, joista työikäisiä on 66,89%.
Tehtävästä 2. saatuja ratkaisuja:
Taajamissa väestöstä asuu 96,4% ja kouluikäisiä on 4%. Ulkomaalaisten osuus oli 10% tai enemmän 58 taajama-alueella, 20% tai yli 26 alueella ja 30% tai yli 15 alueella.
Kolmas tehtävä aiheutti hyvin paljon turhautumista. Valitsin aiheeksi altaat ja saunat, jotka tuntuivat aiheista avautuvan helpoimmin. Ongelmia kuitenkin ilmeni jo alkuvaiheista ja en ollut alkuun ihan varma, miten lähteä etsimään kysymyksiin vastauksia. Kuitenkin hetken mietinnän jälkeen aivot alkoivat löytämään linkkejä jo opitun ja ongelmanratkaisun välillä, mikä yllätti itseni täysin. Ongelmatonta tehtävän ratkaisu ei kuitenkaan ollut, sillä suurin ajatuskatkos tuli sen kohdalla, miten yhdistää pistetiedot ja polygonin datan. Onnekseni Mattila (2021) oli blogissaan löytänyt erinomaisen ratkaisun ongelmaan työkalulla Count points in polygon. Jostain syystä kuitenkin kaksi aluetta, joilla näkyi pistetietona altaita eivät kestäneet laskutoimia ja näistä ei saatu visualisointia. Nämä näkyvät kartalla vihreinä alueina ilman diagrammeja. Aivot olivat kuitenkin käyneet jo sen verran kovilla, etten saanut oikein selkoa mistä tämä johtui. Ongelmia ilmeni myös visualisoinnissa, sillä alkuun en ymmärtänyt miksi laskettu data erosi niin vahvasti alun datasta. Tämä kuitenkin johtui siitä, että kaikki lasketut altaat oli jaettu alueellisesti eli lukumäärät olivat huomattavasti pienempiä mutta täysin järkeen käyviä. Tämän pienen puntaroinnin jälkeen loppu visualisointi onnistui helposti (kuva 2.) ja tuli samalla kerrattua kuinka diagrammeja tuotetaan. Tällä kertaa kokeilin ympyrädiagrammia, sillä olin aikaisemmin testannut pylväsdiagrammia.
Kuva 2. Altaiden määrä PK-seudulla.
Itsenäistehtävä 3. muut vastaukset:
Altaalla varustettuja asuntoja löytyi 855. Taloissa, joissa on uima-allas, asuu 12 170 asukasta, ja näistä omakotitaloja on 345, kerrostaloja 181 ja rivitaloja 113. Saunoja löytyy 21 922 talosta, joka on 24% kaikista taloista.
Tämä kerta oli selvästi työläin, turhauttavin ja myös palkitsevin. Kertausta tuli paljon, mutta sitä jäi vielä myös kaipaamaan, sillä tämän tehtävän kautta tuli huomattua kuinka alkutekijöissä oma osaaminen vielä on. Oli mukava kuitenkin huomata, että tältä kurssilta on kertynyt taitoja ja niitä osaa pienen pähkäilyn, tutkimisen ja kertaamisen jälkeen soveltaa.
Lähteet:
Mattila, L. (2021). Itsenäiset tehtävät: Tunteiden vuoristorata. https://blogs.helsinki.fi/lottmatt/ Viitattu 28.02.2021