Onnistumisia toisensa perään, saumatonta tiimityötä, ratkaistuja aivopähkinöitä ja aitoa gis riemua. Kun vierestäni kuuluu ”Herran jumala. Täähän toimii”, voin todeta tunnin onnistuneeksi. Tämä blogipostaus ei kuitenkaan keskity siihen, saimmeko aikaiseksi oikeita lukuja vaan on enemmän väliarviointi omasta oppimisestani. Itsereflektointini tapahtuu luonnollisesti tekemieni projektien kautta, joten älä huoli, saat kyllä kuulla mitä ihania laskupyörityksiä olen tällä kerralla tehnyt. Varoitan jo etukäteen: tämä blogiteksti on pitkä. Syy siihen on yksinkertaisesti se, että tehtäviä oli paljon ja oppimista tapahtui sen mukaisesti.
Päivän teema oli vahvasti vyöhykkeiden luonti eli bufferointi. Kun periaatteen ja pienet tarvittavat säädöt ymmärsi, pystyi suurimman osan tehtävistä pyöritellä melko yksinkertaisesti loppuun asti. Bufferin avulla tutkittiin select attributes by location lentokenttien vaikutusalueella asuvia ihmismääriä sekä ihmisten sijoittumista juna-asemien lähettyville. Lisäksi tarkasteltiin pisteiden sijoittumista polygonien sisälle tarkastelemalla ihmisten sijoittumista suhteessa Taajamiin sekä niiden sisäisiä ominaisuuksia. Kaikista näistä olen kerännyt tekemäni havainnot ja laskutulokset sekä niistä johdetut päätelmät taulukkoon. Tarkoituksena oli, että linkin kautta tuloksia olisi päässyt tarkastelemaan, mutta .html linkkiä ei saanut tunnin yrittämisen jälkeen tehtyä. Siispä tulokset ovat hieman kömpelösti näkyvillä tämän blogitekstin lopussa.
Taulukoista tuli mieleen eräs oppimani asia. Qgis:ssä on erittäin helppoa tarkastella tilastotietoja työn ohessa. Olen oppinut käyttämään sigma-merkin takana olevaa tilastotyökalua halutessani tietää esimerkiksi summia tai keskiarvoja. Näin säästyy monta klikkausta ja tilastotietoja voi tarkastella ilman, että tarvitsisi erikseen avata esimerkiksi tilastokeskuksen sivuja.
Kurssikerta sujui tällä kertaa todella hyvin. Tai ainakin sen virallisen aikarajan sisällä. Kun kello löi 15.46, oli tuntimme ohi ja Qgis sanoikin saman tien itsensä irti. Ei muuta kuin kotiin siis tekemään. Sain kotona selvitettyä tehtävien 1 ja 2 vastaukset kivuttomasti. Sonja Nylund oli huomannut saman asian kuin minä: toistamalla ja itse tekemällä oppii huomattavasti enemmän kuin stressaantuneena tunnilla samalla kun yrittää pysyä muiden tahdissa. Kotona on helpompi ymmärtää mitä tekee ja miksi, sekä tarkastella ja pureskella rauhassa tehtyjä prosesseja ja lopputuloksia. Siispä Innolla lähdin kohti lisätehtäviä, joista piti valita vähintään yksi. Lähtökohtani oli, että todellakin teen ne kaikki.
Näin kahdeksan tuntia myöhemmin voin sanoa, että vaikeuksia oli. Qgis:n kanssa ongelmia tuntuu olevan jatkuvasti. Koska ohjelman perusteellinen hallitseminen vaatii myös tietynlaista koodausymmärrystä (millä komennolla tapahtuu mitäkin), eivät ongelma ratkea välttämättä helposti ainakaan aloittelijalle. Lähes joka kurssikerta jollain tulee vastaan ongelma, jota jopa Arttu joutuu pohtimaan tarkemmin siitä selvitäkseen.
Aina vika ei välttämättä ole kuitenkaan tekijässä. Joskus tietokannat voivat olla virheellisiä tai ohjelma nirso heikkolaatuisten tietokantojen suhteen. Näin vaikuttaa käyneen tällä kertaa. Yritin tehdä kurssikerran tehtävistä tehtävää numero 5 ja ystäväni yritti numeroa 4. Ne molemmat pohjautuivat samaan aluejako aineistoon. Ongelma oli siinä, että kyseistä tietokantaa ei voinut yhdistää tai analysoida suhteessa toisiin tietokantoihin, sillä vastaan tuli herjaus epäsopivasta geometriasta. Kun olin pyöritellyt, yrittänyt ja lähes luovuttanut, päätin laittaa viestiä Artulle. Selvisi, että vika ei ollut tekijässä ja kaiken lisäksi ongelmaan oli helppo, mutta minulle ennalta tuntematon ratkaisu: fix geometries- työkalulla sain viallisesta tietokannasta käyttökelpoisen. En ymmärrä miten, mutta Tomi Kiviluoma oli ratkaissut tämän ongelman itsenäisesti. Itsenäisessä tehtävässä avun pyytäminen ei ole minulle ensimmäinen tai edes kymmenes vaihtoehto, mutta tällä kertaa minulla ei auttanut muu kuin kääntyä mestarin puoleen.
Tästä helpotuksesta johtuen sain tehtyä kaksi tehtävistä: kouluaiheisen tehtävän sekä uima-altaita sekä ja saunoja koskevan tehtävän. Tiivistetysti voin todeta, että Qgis tarjoaa mahdollisuuden tilastollisen analyysin visualisointiin. Oli erittäin mielenkiintoista tarkastella esimerkiksi Helsingin yhtenäiskoulun seuraavan vuoden tarpeet koulualueensa perusteella, kun pelkät luvut muuttuivat selvemmiksi visuaalisen informaation tukemana.
Koulutehtävässä sain selville, että Käpylässä sijaitsevaan Helsingin yhtenäiskouluun on odotettavissa oman koulualueensa rajoissa seuraavana vuonna uusia koululaisia (nyt 6-vuotiaita) vain 14. Määrä tuntuu erittäin vähäiseltä. Koska vanhemmilla on nykyään mahdollista valita lapsensa koulu, tapahtuu koulualuerajojen välistä liikkumista, eikä tämä luku siksi ole luultavasi todellisuutta vastaava. Mikäli uusia ekaluokkalaisia olisi todella vain 14, ei se kattaisi edes yhtä luokkaa ja koulu joutuisi pohtimaan toimintaansa uudelleen.
Ilmiö ei rajoitu vain uusiin ekaluokkalaisiin. Yhtenäiskoulun koulupiirissä asuvista ihmisistä vain 8,4% on kouluikäisiä. Tämä näkyy myös siinä, että kyseisellä koulualueella asuu vain 62 seuraavan vuoden yläasteikäistä, kun koko kaupungissa heitä on 30 116. Ilmiön syitä on vaikea aluetta tuntematta tietää. Muunkielisiä kouluikäisiä lapsia alueella on arviolta vain 9 (olettaen, että heitä on samassa suhteessa aikuisiin kuin suomenkielisiä). Itse epäilen, että tämä koululaisten vähyys johtuu Käpylän osittain harvasta asutuksesta ja vanhoista rakennuksista, jotka ovat pääosin omakotitaloja. Vanhat talot tarkoittavaa joskus vanhaa väestöä, mutta siitä riippumatta omakotitaloalueella mahtuu huomattavasti vähemmän ihmisiä kuin kerrostaloalueelle.
Tämä tehtävä kokonaisuudessaan oli melko simppeli. Hyvin perustyökalu, select attributes by value, auttaa minua löytämään minkä tahansa kohteen tietokannasta, kun vain tiedän muuttujan, jolla etsiä. Tässä tapauksessa etsin koulun osoitteen perusteella. Toinen keskeinen työkalu on select attributes by location. Näitä kahta hyödyntämällä ja tilastotietoja katsomalla sigma merkin takaa aukeavasta valikosta sain tehtyä koko tehtävän. Jos nämä työkalut hallitsi, ei tehtävä tuottanut ongelmaa (kunhan oli koulualueiden geometrian korjannut).
Seuraavaksi siirryin tarkastelemaan uima-altaiden ja saunojen määrää pääkaupunkiseudun asuinrakennuksissa. Uima-altaallisia rakennuksia oli jopa 855 ja kyseisissä rakennuksissa asuu jopa 12 170 asukasta. Tämä luku yllätti minut suuresti. Itse en tunne yhtäkään ihmistä pääkaupunkiseudulla, jonka talossa olisi uima-allas. Oletin uima-altaiden kuuluvan rikkaille, joilla on suuret omakotitalot omine spa-osastoineen. Kuitenkin alle puolet, vain 345 rakennusta on omakotitaloja. Uima-altaallisia paritaloja on 158, rivitaloja 113 ja kerrostaloja 181.
Kuvissa 1 ja 2 näkee uima-altaiden määrän visuaalisesti. Kuva 1 on yleiskatsaus saunojen määrästä, jossa värin tummuus kuvaa uima-altaiden määrää aluekohtaisesti. Kuva 2 on tarkempi katsaus uima-allasrikkaammalta alueelta. Siinä pylväät kuvaavat visuaalisesti uima- altaiden määrää alueella ja lisäksi jokaisessa alueessa lukee uima-altaiden määrä erikseen. Uima-allas rikkain alue on Lauttasaari (53 uima-allasta), mutta kartalta löytyy myös muutama muu alue, joissa uima-altaita on keskimääräistä enemmän. Tomi Kiviluoma oli esittänyt saman informaation niin, että toisessa kuvassa näkyivät vain ne pylväät, jotka kuvasivat uima-allasrikkaita alueita. Melkoinen gis-velho taitaa olla kyseessä, kun taas suu auki katsoin, että miten hän tulikaan ajatelleeksi tehdä noin.
Uima-altaiden määrä erityisesti tiheästi asutuilla alueilla yllätti minut. Saunoja oletin olevan kuinkin huomattavasti enemmän kuin uima-altaita. Oletukseni osoittautui oikeaksi. Saunallisia rakennuksia on pääkaupunkiseudulla jopa 21 922. Vaikka luku on suuri, kattaa se vain 24,2% kaikista pääkaupungin asutuista rakennuksista. Näin ollen sauna ei ole läheskään kaikkien saatavilla omassa kodissa tai rakennuksessa, vaikka ulkomailla näin luultavasti luullaan saunamainonnan vuoksi.
Tämä tehtävä aiheutti jo hieman enemmän päänvaivaa. Ongelmat liittyivät lähinnä visuaalisen informaation esittämiseen. Qgis:stä on hyvin helppo etsiä yksittäiset tiedot erillisinä, mutta niiden yhdistely on toisinaan hankalaa itsenäisesti. Keskeisinä työkaluina olivat join attributes by location (summary), select attributes by value ja by location. Joskus minulle käy niin, että pyörittelen ja kokeilen erilaisia vaihtoehtoja kauan lopulta huomaten onnistumiseni. Tässä vaiheessa en kuitenkaan välttämättä enää muista, mikä käyttämistäni keinoista oli se, joka auttoi minua pääsemään lopputulokseeni. Erityistä päänvaivaa aiheutti kuitenkin histogrammin ja lukuarvojen saaminen kartalle. Erityisesti niiden samanaikainen esitys tuntui mahdottomalta. Jotenkin sain ne lopulta kartalle, mutta tähän toivoisin saavani tunnilta opastusta, jotta voisin jatkossa varmemmin mielin tuottaa visuaalista tilastotietoa.
Olisin halunnut suorittaa myös putkiremontteja koskevan tehtävän, mutta taitoni eivät siihen riittäneet. Sain laskettua kaikki tarpeelliset lukuarvot, mutta kartan luomiseen tarvittavat työkalut minulta olivat hukassa. Sain yhdistettyä Join attributes by location (summary)-työkalulla rakennukset omiin alueisiinsa. Ongelmana oli, että en sen jälkeen osannut enää käsitellä tietokantoja niin, että olisin saanut esille vain putkiremontin tarpeessa olevat asunnot. Kun yhdistin SUM tai COUNT laskuilla, oli lopputuloksena lukuja, jotka eivät enää muistuttaneet vuosilukuja. Olisin halunnut yhdistää siis rakennukset alueisiin niin, että myös vuosiluvut olisivat säilyneet. Ehkä tämän opin vielä tulevaisuudessa!
Qgis seikkailuja on nyt jo takana viisi viikkoa. Lueskelin muiden blogeja ja voin yhtyä Tiia Laisin ajatuksiin siitä, että peruselementit ovat hallussa. Olen oppinut käyttämään erilaisia ominaisuushakutyökaluja, joita olen tässä tekstissä maininnut aiemmin. Ne tarjoavat mahdollisuuden nopeaan tiedonhakuun ja halutun tiedon eristämiseen. Tarvittaessa haetuista ominaisuuksista voi tehdä jopa uuden tason, jolla työstöä jatketaan. Niiden hallinta on avainasemassa omatoimiseen ongelmanratkaisuun. Ongelmia näiden kanssa muodostuu joskus siinä, millä hakusanalla ominaisuuksia haetaan. Vilma Koljonen toi esiin myös minua pohdituttavan ongelman siinä, mikä tietokanta on input layer ja mikä join layer (esimeriksi join attributes by location työkalussa) sekä oma ongelmani count ja sum laskujen välillä (en ole aina varma kumpaa tulee missäkin laskussa käyttää).
Työkalut, joita olemme käyttäneet vain kerran, eivät ole välttämättä jääneet mieleeni ja niiden soveltamiseen en vielä pysty. Jostain syystä toiset jäävät kuitenkin paremmin mieleen kuin toiset. Esimerkiksi tällä kertaa käyttämämme buffer työkalu tuntuu hyvin selkeältä ja helpolta. Sen avulla voisi esimerkiksi tarkastella haluttua etäisyyttä yliopiston kampuksista ja suunnitella sen mukaan otolliselle paikalle opiskelija-asuntoja. Laisin muistutti minua myös muutamasta muusta, jotka olen jo oppinut. Niitä ovat muun muassa join ja taulukkolaskennat. Kun tämä sekalainen joukko taitoja yhdistetään, pysyty tekemään jo melko edistyksellistä analyysiä ainakin näin amatöörin näkökulmasta.
Ne työkalut, joita en osaa käyttää (ja joita on vielä hyvin paljon) ovat hankalasti löydettävissä. Processing toolbox on niin laaja verkosto, että siellä täytyy tietää melko hyvin, mistä mikäkin löytyy. Otsikot antavat suuntaa, mutta tarvittavaa työkalua ei silti välttämättä löydy. Tällä kertaa sain oppia monen koukeron kautta sen, että ongelmanratkaisu Qgis:ssä on paljon pyörittelyä (ja vähän googlausta). Vaikka ohjelma itsessään ei tarjoa juurikaan apua ongelmatilanteissa, saattaa englanniksi googlaamalla löytyä hyvinkin selvät ohjeet. Onneksi olen vielä opiskelija ja voin hädän tullen kääntyä sekä Artun että kanssaopiskelijoideni puoleen. Ääniviestejä nimittäin sateli puoli ja toisin kanssaopiskelijani kanssa ”invalid geometry” herjauksen kohdalla.
Oppimisen ja kehityksen huomaa hyvin Pihla Haapalon esiintuomassa ilmiössä: sitä huomaa kehittyneensä, kun voi ohjelman toimintojen sijaan keskittyä miettimään ratkaisuja ongelmiin. Tällä hetkellä meille annetaan aineistot niin valmiina, että niiden hakemista, kelpoisuuksia tai muuta vastaavaa en edes osaa arvioida. Kauhulla odotan päivää, kun täytyisi löytää kaikki tietokannat itse. Luotan kuitenkin siihen, että meitä ei heitetä krokotiileille vaan autetaan kädestä pitäen riippusillan yli.
Tässä vielä lupaamani tilastotiedot bufferi-analyyseistä ja taajamatarkasteluista
| Lentokenttien vaikutusalueet | ||
| Asukasta | Kommentit | |
| Malmin lentokentän ympäristössä 1 km säteellä | 8 614 | Malmin lentokentän kiitoratojen lähistöllä asuu yllättävän paljon ihmisiä. Pienkoneiden ja vähän käytön takia meluhaitat eivät ole kuitenkaan olleet samaa luokkaa kuin Helsinki-Vantaan lentokentällä |
| Malmin lentokentän ympäristössä 2 km säteellä | 56 619 | 2 km säteellä asukasmäärä on jo merkittävä. Malmin lentokenttä on siis ollut osa monen lähiympäristöä |
| Helsinki-vantaan ympäristössä 2 km säteellä | 10 303 | Helsinki-Vantaan lentokenttä on Malmia huomattavasti suurempi ja aktiivisempi, minkä vuoksi asutusta on sen lähistöllä vähemmän. |
| , joista 65db alueella asuu, % | 4,10 | Asutus on pyritty rakentamaan suurimpien melualueiden ulkopuolelle |
| Helsinki-vantaan melualueella vähintään 55 db alueella | 11 913 | 55 db alueella ihmisiä on huomattavasti enemmän kuin 65 db alueella |
|
Helsinki-Vantaalta poikkeussuunnan laskennallisen 60 db melualueella |
12 675 | Poikkeustilanteissa lentokoneet lentävät hyvin tiheästi rakennetun alueen yli aiheuttaen melua suurelle joukolle ihmisiä |
| , joista Tikkurilan postinumeroalueella se kostettaisi, % | 10,20 | Harjoituksessa pohdittiin lentosuunnan vaikutusta Tikkurilalaisiin. Siispä laskimme Tikkurilan postinumeroalueella asuvien suhteellisen altistumisen n. 60 db melulle. Huomasimme, että Tikkurilalaisista vain kymmenesosa kärsisi uudesta lentosuunnasta. Tämä oli kuitenkin vain lisähuomio |
| Asemien vaikutusalueet | ||
| Alle 500 m etäisyydellä lähimmästä asemasta, asukasta | 106 691 | Asemien läheisyydessä asuu vain viidesosa Vantaalaisista, mutta suurin osa heistä on työikäisiä. Tämä johtuu luultavasti siitä, että työikäiset tarvitsevat usein muita enemmän hyviä kulkuyhteyksiä päästäkseen töihin ja takaisin. |
| , joka on koko Vantaan väestöstä, % | 21,8 | |
|
Alle 500 m etäisyydellä lähimmästä alueesta asuvista työikäisiä, % |
68,5 | |
| Taajamat keskittyminä | ||
| Vantaan väestöstä taamassa asuu, % | 97,5 | Hyvin suuri osa asuu siis taajamissa |
| Kouluikäisiä asuu taajamien ulkopuolella, asukasta | 1165 | |
| , joka on kaikista Vantaan koululaisista, % | 2,7 | Vaikka taajaman ulkopuolella asuu yli 1000 koululaista, kattaa se kaikista Vantaan koululaisista vain 2,7 % |
| Taajamia, joissa ulkomaankansalaisten osuus on yli 10 %, lkm | 40 | Vantaalla taajamia on yhteensä 344. Ulkomaan kansalaiset eivät ole keskittyneet millekkään tietylle alueelle, sillä niiden suhteellinen osuus taajamissa ei ole kovin korkea. |
| Taajamia, joissa ulkomaankansalaisten osuus on yli 20 %, lkm | 11 | |
| Taajamia, joissa ulkomaankansalaisten osuus on yli 30%, lkm | 6 |
Lähteet:
Haapalo, Pihla. Kädet ilmaan. Käytetty 16.2.2020. https://blogs.helsinki.fi/haapalop/
Kiviluoma, Tomi. Valintojen maailma: bufferointia ja tietokantojen syväluotaavaa suodatusta. Käytetty 16.2.2020. https://blogs.helsinki.fi/tomingeoblogi/
Koljonen, Vilma. Bufferointia & Analysointia. Käytetty 16.2.2020. https://blogs.helsinki.fi/vilmakol/
Laisi, Tiia. Kurssikerta 5. Tehtäviä ja puskurointivyöhykkeitä. Käytetty 16.2.2020. https://blogs.helsinki.fi/tlaisi/
Nylund, Sonja. Level 5: Bufferointia. Käytetty 16.2.2020. https://blogs.helsinki.fi/sonysony/