Koko kone bufferoi

Noniin. Tällä kertaa kotitehtävissä harjoiteltiin QGIS:sin käyttöä hieman omatoimisemmin kuin aikaisemmissa tehtävissä. Tarkoituksena oli laittaa omat taidot testiin ja tehdä laskutoimituksia sekä analyysejä. Uutena asiana mukaan kuvioihin tuli kuitenkin bufferointia!

Tehtävät 1 ja 2

Tehtävässä 1 lähdettiin piirtelemään buffereita eli puskureita lentokentille melualueiden selvittämiseksi. Tuntui, että tehtävä sujui varsin mallikkaasti ilman suurempia kompastuksia. Työkalut tuntuvat jotakuinkin tutuilta ja sain hommasta hyvin kiinni.

Malmin lentokentän 2km melualueella asuu analyysini perusteella 58185 ihmistä. 1km alueella taas 8903. Päätin myös tehdä ensimmäisen lisätehtävistä: Malmin lentokenttä on perustettu vuonna 1936, joten KAVU-datasta saa helposti valittua rakennukset 1km säteellä, jotka on rakennettu tämän jälkeen (select features by value). Näitä tuli laskujeni mukaan 754. Malmin lentokenttää vanhempia rakennuksia on siis 1km alueella vain 54 kappaletta.

Helsinki-Vantaan tehtävä sujui varsin samalla tavalla. Bufferit piirettiin ja statistics paneeli kertoi oleellisen: Etäisyys kiitoratoihin alle 2km on 10574 asukkaalla. Pahimmalla melualueella (65db) asuu ainoastaan 17 ihmistiä, eli vain noin 0.16%. Vähintään 55db alueella asukkaita on 2620. Kinkkisin tehtävänanto oli Tikkurilaan liittyvä, jäi epäselväksi olisiko 60dB:n melualueen voinut selvittää jostain erikseen, vai riittikö bufferin piirtäminen. Kuitenkin perusbufferilla melu vaikuttaisi 27873 ihmiseen.

Erityisesti tämän kurssikerran tehtävistä huomasin, miten tärkeää on pitää layers paneeli hyvässä järjestyksessä: nimillä ja turhien tasojen piilottamisella on paljon väliä kun lähdetään leikkimään input ja output tasoilla sun muulla. Ehkä juuri tässä organisoinnissa on itsellä ainakin hieman parannettavaa. Erityishuomio vielä analyysin tarkkuudesta näiden tehtävien osalta: koska kiitoradat piirettiin itse, syntyy tuloksissa jonkin verran heittoa: jos piirtää kiitoradat mukaillen niiden ulkoreunoja, ylettyy bufferi luonnollisesti kauemmas ja kattaa suuremman määrän arvoja.

Tästä hyvä segway asema-analyysiin, sillä nämä ovat valmiiksi määriteltyjä joten buffereiden kattavan aineiston pitäisi ainakin teoriassa vastata toistoilla enemmän toisiaan. Jälleen tehtävät sujuivat enemmän tai vähemmän pehmeästi. Asemista vähintään 500 metrin päässä asuu 111765 ihmistä. Tämä on noin 22% koko kartan kattamasta alueesta.  Asemaa lähellä asuvista noin 67% on työikäisiä.

Viimeinen kohta tuotti hieman hämmennystä, sillä mielestäni field calculator on ehdottomasti heikoin lenkkini QGIS työskentelyssä. En löytänyt tapaa yhdistää lähtöaineistosta löytyviä ikäluokkia muuten kuin manuaalisesti. Vaikka tämä ei vienytkään tajuttomasti aikaa oli hieman pähkäiltävä oliko tämä todellisuudessa paras tapa?. Muutenkin tämä kurssikerta valaisti ehkä hieman, ettei kaikkea vastaukseen tarvittavaa tuoda lähtöaineistossa suoraan esille. On paljon osaajasta ja työkalujen hallitsemisesta kiinni mitä aineistolla voidaan ylipäätänsä tehdä. Tämän takia erityisesti field calculator olisi kiva handlata paremmin, monimutkaisemmat analyysit vaikuttavat olevan paljon sen osaamisesta kiinni.

Tämä tuli myös hyvin esiin taajamatehtävässä. Ensimmäiset kaksi osioita onnistuivat mielestäni hyvin: alueella taajamissa asuu noin 96% väestöstä. Taajamien ulkopuolella asuvia kouluikäisiä (7-16v) asuu 2021, joka on 3,4% kaikista alueen koululaisista. Viimeisessä osiossa oli enemmän pähkäiltävää: ensin täytyi yhdistää ulkokansalaiset sekä taajama-aineisto yhteen., tässä erityisesti tärkeää muistaa valita mukaan myös asukkaiden kokonaismäärä alueella: sitten uusi sarake, johon lasketaan ulkokansalaisten osuus ja tämän jälkeen select by value työkalulla eri prosenttimääriä. Erityisesti osuuksien saamiseen aineistoon piti käyttää hieman enemmän aivotoimintaa. Lisäksi epähuomiossani tein taajamatehtävän koko pk-seudulta ainoastaan vantaan sijaan, tämän takia arvoja tuli huomattavasti enemmän. Ainiin, ja excel-taitoja voisi hioa :), tässä kuitenkin taulukot

 

Mitä puolalainen tekee uima-altaassa? Polskii :DDd

Kolmannessa tehtävässä pohdittiin saunoja ja uima-altaita pääkaupunkiseudun rakennuksissa. Alku oli jo rutiiniksi muodostunutta arvojen valitsemista ja tulosten näpyttelyä. Palkitseva tunne kun osaa sujuvasti.

Uima-altaalla varustettuja rakennuksia löytyy pk-seudulta 855. Näissä asuu yhteensä 12170 ihmistä. Ensin luku hieman hämmentää mutta sitten hoksasin että tästä vastuussa on luultavasti aineiston kerrostalot, joihin mahtuu enemmän kuin yksi ruokakunta :O!. Uima-altaalla varustettuja omakotitaloja oli siis 345, paritaloja 158, rivitaloja 113 ja kerrostaloja 181. Miksiköhän tämä luku jää vajaaksi kokonaismäärästä? Joillekkin taloille ei ole määritelty rakennustyyppiä?. Näissä aineistoissa on aina jotain mystistä. Kaikista uima-allasrikkain osa-alue on Lauttasaari yhden erolla Länsi-Pakilaan (kuva 1). Saunoja on yhteensä 21922, joka on 24% kaikista asuinrakennuksista.

Sitten hieman tästä kartasta. Yksinkertaisuudessaan kyseessä on siis koropleettikartta, johon liitetään pylväitä kuvaamaan uima-altaiden lukumäärää. Oikeastaan tehtävänanto kuulosti varsin yksinkertaiselta. Kuitenkin jo aineistoa liitettäessä törmätään jokseenkin merkittävään ongelmaan: rakennusaineisto ei halua liittyä yhteen pienalueaineiston kanssa. Tähän on yksinkertainen ratkaisu, kun vaihdetaan processing asetuksista ohjelma ohittamaan alueet, joita ei voida yhdistää. Kyseessä on ilmeisesti jonkinlainen geometrinen virhe. Ratkaisuun pääsemisestä kertoo blogissaan esimerkiksi Ilari. Päätin kuitenkin, ettei kahta kokonaista aluetta voi jättää huomioimatta. Päätin hieman (yllätys yllätys) googlailla erroria, ja kuinkas ollakkaan, QGIS tarjoaa jälleen omilla tutoriaalisivuillaan. Ratkaisu perustuu siis QGIS:sin omiin työkaluihin “Check validity” ja “Fix geometries”. Ensimmäinen tunnistaa ongelman, ja toinen korjaa sen (jos se on korjattavissa, mitä se tässä tapauksessa oli.). Sain mielenrauhan, kun Tapuli ja Pakkalakin saatiin mukaan, vaikka nillä ei esiinnykkään kuin yksi tai kaksi uima-altaallista rakennusta.

Visuaalisesti kartta on varsin onnistunut, toki pientä hienosäätöä se vaatisi ja esimerkiksi lukujen sijoittuminen kartalle tökkii hieman. En ole varma miten skaalautuvat pylväät saisi kaikki näkymään tasaisesti, tuntuu että tiiviisti asutulla alueella pakostikin täytyy uhrata visuaalisuutta. Tässä siis kaikki tältä erää, kiitos!.

Lähteet

Helsinki.fi. (2021). Viides kurssikerta – Ilarin Maantiedostusblogi. [online] Available at: https://blogs.helsinki.fi/ilarilei/2021/02/19/viides-kurssikerta/ [Accessed 24 Feb. 2021].

Qgistutorials.com. (2019). Handling Invalid Geometries (QGIS3) — QGIS Tutorials and Tips. [online] Available at: https://www.qgistutorials.com/en/docs/3/handling_invalid_geometries.html [Accessed 24 Feb. 2021].

 

‌