Month: March 2018

Viidennellä kerralla jatkettiin edellisen kerran Pornais- aineiston käyttöä. Viime kerralla merkitsimme lopuksi jokaisen talon pisteellä omiksi karttakohteiksi, omalle layerille. Talojen metatietoihin lisättiin asukkaita toiminnolla Rand(0,6), näin taloihin tuli satunnainen määrä asukkaita 0-6 välillä.

Seuraavaksi pääsimme varsinaiseen asiaan, eli Bufferointiin. Puskuroinnilla voimme tarkastella tietyn alueen vaikutuksessa olevia kohteita, kuten taloja. Tarkoituksena harjoituksessa on ensin selvittää, kuinka monta taloa on valtaväylien läheisyydessä. Tämä onnistuu fixed buffer- toiminnolla. Valikossa valitaan puskuroitava kohde, sekä puskurin koko. Tässä tapauksessa 100m. Seuraavaksi voimme tarkastella puskurin alueella olevia kohteita Spatial Queryllä. Näin saamme myös selville, kuinka monta asukasta teiden melualueella asuu.
Itsenäintehtävänä tutkimme lentokenttien eriasteisilla meluvyöhykkeillä asuvien asukkaiden määriä. Tämä onnistui, kun ensiksi itse loimme Malmin lentokentän kiitoradat viivakohteiksi. Nämä kohteet puskuroitiin 1km ja 2km etäisyyksillä. Vastauksia pystyi tarkastelemaan Spatial queryllä. Teimme saman myös Helsinki-Vantaa lentokentälle, mutta siellä vaikeuksena oli lisäksi ennalta annetut meluvyöhykkeet, joiden kohdilla puskureita piti analysoida. Lisäksi tutkimme kuvitteellista tilannetta, jossa H-V- lentokentän kiitorata käännettäisiin Tikkurilan päällä kulkevaksi, ja laskimme tälle melualueelle jäävät asukkaat.

Lisäksi tutkimme Juna-asemien läheisyydessä asuavia ihmisiä samoilla toiminnoilla, ja niiden vastaukset löytyvät taulukosta 2
Taulukko 1, jossa näkyvät lentokenttien melualueilla asuvat ihmiset.

Malmin lentokentän alueen asukkaat
		asukkaita	rakennuksia
Buffer 2km		57690	4720
buffer 1km		8707	749
Helsinki-Vantaa lentokentän alueen asukkaat
Buffer 2km		11207	2296
Meluaste 65db		324	41	2,89 % asukkaista asuu 2km sisällä  ja pahimmalla meluvyöhykkeellä
Meluaste >55db		11913	1728
Tikkurilan tilapäisellä melualueella
Meluaste >60		11913	1728

Taulukko 2. Juna-asemien varrella asuvat asukkaat sekä työikäiset.

	Asemat		Asukkaita	rakennuksia
	500m		106691	5169	21,77 %	asukkaista asuu 500m etäisyydellä asemista
	työikäiset		73108		68,52 %	alueella asuvista asukkaista on työikäisiä (15-64)

Seuraavaksi otimme käyttöön taajama-kartan. Tämän avulla pystyimme laskutoiminnoilla selvittämään, kuinka monta asukasta asuu taajamissa ja erityisesti tutkimme kouluikäisiä. Havaitsimme, että suurin osa kouluikäisistä asuu taajamissa, mikä lyhentää koulumatkoja. Tarkemmat tulokset ovat taulukossa 3.

Taulukossa 3, ilmenee taajamissa asuvat ihmiset, sekä kouluikäiset

Taajamissa asuvat		414337	84,53&	Asukkaista asuu taajamissa
Kouluikäiset		7829	kouluikäistä (7-15v) asuu taajamien ulkopuolella (15,89%)
	eli	41463	84,11% asuu taajamissa

Taajama aineistossa ilmeni selkeä ongelma, sillä monista korjaus yrityksistä huolimatta, kaikki aineistossa olevat alueet eivät rekisteröityneet taajamiksi, jolloin osa asukkaista jäi huomioimatta.

Kuvankaappaukseni, ovat jääneet jonnekin ulottumattomiin, mutta esimerkiksi Senni Luodolla, jonka kanssa tehtävät teimme, on omassa Blogissaan erinomaisia kuvankaappauksia edellisistä tehtävistä. Hän on myös tehnyt viimeisen tehtävänsä saunoista ja uima-altaista, joista voit löytää mielenkiintoista aineistoa.

Viimeisenä tehtävänä laskin Helsingin yhteiskouluun tulevian uusien oppilaiden osuuksia. Lapset kuuluvat asuinpaikan mukaan tiettyyn koulupiiriinsä, ja tämän perusteella voidaan laskea, kuinka monta oppilasta ensi vuonna kouluun on tulossa.

Taulukkossa 4 ilmenee tulevien yläaste koululaisten määrä, nykyisten yläasteella olevien määrä, sekä arvio alueella asuvien muunkielisten yläaste ikäisten määrä.

	Tulevat	12-14v	lkm/väestö	Muunkieliset
Oppilaat	14	62	8,40 %	9

 

Lakon jälkeen palasimme vielä kerran ihanaan geoinformatiikan maailmaan. Viimeisen kurssikerran tavoitteena on itsenäisesti hankkia ensiksi dataa/tilastoja, ja sitten luoda näistä kartta. Kartassa tulisi olla vähintään kaksi muuttujaa.
Aloitan kerran alkamalla etsimään aineistoa internetistä. Kurssin infoblogista löytyy muutama hyvä sivusto. Käytän natural earth data sivustoa, josta latasin aluksi USA:n kansallispuistoja, sekä maailman urbaaneja alueita ja lentokenttiä kuvaavia datoja. USA:n tilastokeskuksen sivuilta Tiger/line löytyy, myös paljon dataa, ja lataan ensiksi amerikan pohjakartan, sekä datat junaradoista urbaaneista alueista, sotilasalueista, sekä intiaaninen alueista. Tilastot löytyvät näppärästi suoraan shapefile muodossa, joten ne voi suoraan avata Qgis- ohjelmassa. Aloitan aluksi kansallispuisto datan työstämisen, ja yhdistelen useamman karttatason tietoja yhteen tasoon, join attributes- toiminnolla. En kumminkaan keksinyt mitään mielekästä teemakarttaa kansallispuistoista, ja käytössä olevien muiden muuttujien mukaan. Joten lopulta päädyin käyttämään tigerin pohjakarttaa, sekä urbaanien alueiden dataa. Natural earth sivustolta käytän lentokenttä dataa.
Aluksi haluan rajata lentokenttä datan, niin että se sisältää vain USA:n alueella olevat kohteet. Tämä tapahtui select features by freehand toiminnolla. Suunnitelmani oli selvittää, miten lentokentät ovat sijoittuneet asuinalueisiin suhteutettuina. Oletus on tietenkin, että ne ovat selvästi niiden yhteydessä, joten halusinkin selvittää, että kuinka suuri osa asuinalueista ei ole lentokenttien saatavuusalueella.

Tätä varten tulisi ensiksi laskea asuinalueille pinta-ala tiedot field calculaattorilla. Mutta ennen kuin tämän voi kätevästi tehdä, tulisi huomioida käytössä oleva karttaprojektio ja erityisesti, mitä mittayksikköä se käyttää. Vaihdan Albertsin Pohjois-Amerikka projektioon, joka käyttää yksittäisiä metrejä, ja tallennan kaikki karttatasot uudestaa kyseisellä projektiolla. Sammutan vielä varmuuden vuoksi ohjelman ja käynnistän kaiken uudestaan. Kun olen tehnyt tämän kolme kertaa, en ole vieläkään aivan varma olenko onnistunut asiassa, jonka pitäisi olla aivan yksinkertainen… Pinta-alan laskeminen onnistuu field calculatorilla funkitolla $area/ 1 000 000, ja näin kaikille reilulle 250 erilliselle asuinalueelle on saatu pinta-ala.

Seuraavaksi tulisi lentokentille laskea saatavyysvyöhyke. Arvioin, että mahdollinen saatavuus asukkaille lentokentälle olisi maksimissaan 100km etäisyydeltä. Teen fixed distance bufferilla lentokenttien suhteen vyöhykkeen lentokenttien ympärillä 100 000m. Tämä oli ilmeisesti virhe, sillä vielä 45minuutin jälkeen ei tietokone ole tätä bufferia laskenut. Tämän takia en saa verrattua vyöhykkeen ulkopuolelle jäävien asuinalueiden pinta-aloja.

Alkuperäiselle aineistolle suoritin kyllä monta bufferointi ja tutkailin asuinalueita spatial query työkalulla, ja pystyin havannoimaan, että erillisistä kaikenkokoisista asuinalueista 220/253 jää lentokenttä vyöhykkeiden ulkupuolelle. Tämä ei kerro kokonais alasta mitään, mutta pystyn myös havainnoimaan, että suurempi osa asuinalueiden alasta jää lentokenttien saatavuusvyöhykkeen ulkopuolelle. Mutta projektiota vaihdettua nämä en enään näitä toimintoja pystynyt käyttämään koko tietokoneen mentyä jumiin, ja ulos saamani kuvat jäivät vielä alkuvaiheeseen.

Ulos saamistani kuvista näkee USA:n asuinalueiden ja lentokenttien sijoittumisen. Ensimmäisessä kuvassa on WGS-87 karttaprojektio, joka tuli oletuksena. Ja toisessa kuvassa voi nähdä eron Albertsin erityisesti Pohjois-Amerikkaan suunnitellun tarkemman projektion eron, mikä on melkoisen suuri. Albertsin projektiossa, muodot ovat pyöristetympiä ja oikeammissa mittasuhteissa, suhteessa Pohjois-Amerikkaan. Eikä tönkköä pelkistetympää mittasuhteita kuten WGS-87, joka suhteuttaa kartan koko maapalloon.

Ps. ladattuani kuvat, ihmettelen miks ei toisessa kuvassa näy karttamerkintöjä, vaikka ne mielestäni tein. Noh nyt on liian myöhäistä 🙂