Kuukausi: helmikuu 2020

Tällä kurssikerralla opettelimme bufferoimaan elementtejä kartalla ja analysoimaan erilaisia tuloksia. Pidin tunnista kovasti, sillä vaikka QGIS-osaamiseni on yhä melko rajoittunutta, oli hauska päästä ratkomaan ongelmia soveltamalla jo opittua.

Bufferointi osoittautui käteväksi ja helpohkoksi tavaksi kerätä tietoa, ja kun vauhtiin pääsi, saadun tiedon määrä oli suuri. Pihla Haapalo miettii blogissaan, että bufferointia voisi käyttää esimerkiksi tehtaan saasteiden leviämisen selvittämiseen tai kauppakeskuksen asiakaskunnan kartoittamiseen. Itse muistan lukion maantieteen kurssikirjassa olleen nodaalialueita havainnollistaneen kuvan, joka olisi helppo luoda bufferoimalla. Ongelman menetelmässä on ehkä se, ettei bufferointi ota huomioon muita aspekteja kuin etäisyyden. Maaston muoto saattaa vaikuttaa saasteiden leviämiseen paljonkin, tiestö taas ihmisten kulkemiseen. Puskurivyöhykettä voisi myös ehkä käyttää kaupunkiliikkumisen nopeuden arvioimiseen. Keskustassa liikkumisnopeus on kävellen keskimäärin sama koko ajan, joten tietyn kokoisilla renkailla voisi osoittaa, mitkä alueet ovat sijainnista tavoitettavissa alle viidessä minuutissa ja mitkä alle kymmenessä. Jonkin verran tällaisia karttoja olen nähnyt Keski-Euroopassa.

Kaikista eniten päänvaivaa kurssikerralla tuotti lentokoneen poikkeussuunnasta laskeutumisen aiheuttavan meluhaitan arviointi. Päädyin lopulta ensin mittatikulla mittaamaan 7km matkan uudesta laskeutumissuunnasta ja sitten piirtämään mitattuun talonkulmaan viivan, jonka bufferoin. En pidä keinoa tieteellisesti kaikista tarkimpana (vaikka lohduttaudun siihen, etteivät lentokoneetkaan millimetrin tarkkuudella samaa viivaa pitkin kentälle laskeudu), sillä oli mahdotonta arvioida viivan suoruutta suhteessa kiitorataan. Toisaalta arvoja tutkiessa, ne vaikuttavat ihan mukiinmenevän suuruisilta, enkä usko, että tapani ratkaista tehtävä oli huonoin mahdollinen.

etäisyys	Malmilta 2km	Malmilta 1km	HKIVantaalta 2km	HKIVantaa min 55dB	HKIVantaalta 65dB	HKIVantaalta toisesta suunnasta laskeutuminen	Asemalta 500m
Talojen määrä	743	200	172	6801	42	3609	5169
Asukkaiden määrä	8646	1335	836	43360	325	25819	106691

Taulukko 1. Lentokenttien bufferointituloksia

	ihmisten määrä	prosenttia kaikista alueen asukkaista (%)
etäisyys max 500m metro- tai juna-asemalta	106691	21,8
työssäkäyvien määrä asema-alueella (500m)	73108 (68,5% asema-alueen asukkaista)
taajamissa asuvat	473371	97,6
taajamien ulkopuolella asuvat kouluikäiset	1404	2,6

Taulukko 2. Asemalaskuja

Erityisen hyvin koen hallitsevani kartojen viimeistelyn julkaisumuotoon (legendan lisääminen, kuvaksi tuominen) sekä atribuuttitaulukoiden käytön (tiedon lisääminen, yhdistäminen). Vaikeinta yhä on tallennusnapin painaminen. Tällä kertaa ohjelma kaatui onneksi vasta, kun olin jo muutenkin saanut tehtävät suoritettua. Parasta QGisissä on, että suurin osa ongelmistani johtuu yksinkertaisesti vain tiedon puutteesta (ja unohtelusta: mistä tämän ja tämän tehtäväkentän saikaan auki). Youtube ja Google ovat ystäviä, ja niiden avulla monikin ongelma on selätetty. Toisaalta edelleenkään en ole keksinyt, miksi jotkin lataamistani aineistoista ilmestyvät koneelle aggressiivisen ERROR-viestin saattelemina. Tällöin ei auta kuin ladata tiedosto (viisi kertaa) uudestaan. Lopulta erroritkin luovuttavat ja Pks_vaki -vektorikartta avautuu koneelleni.

Helsingin Yhtenäiskoulun koulupiirin alueella	kpl	%
kuusivuotiaat	8
yläasteikäiset (13-15v)	44
peruskoululaisten osuus alueen asukkaista	140/1889	noin 7,4
muunkielisten lasten osuus	arviolta 8

Taulukko 3. Helsingin Yhtenäiskoulun koulupiirin arvoja

Kotitehtävänä selvitin Helsingin Yhtenäiskoulun koulupiirin asukas- ja oppilasmääriä. Tulokset on esitetty taulukossa 3. En keksinyt miten olisin helpoiten saanut selvitettyä pyydetyt tiedot, mutta luovuus kunniaan. Piirsin koulupiirin muotoisen valinta-alueen kartalle ja valittujen asukaspisteiden kautta sitten laskin manuaalisesti. Vastaukseni eroavat hieman esimerkiksi saman tehtävän tehneiden Saana Järvisen ja Fanny Brännbackin tuloksista, mutta onneksi ohjeessa sanottiin, että ratkaisutavan keksiminen on tärkeämpää kuin oikeat vastaukset… Epäilen myös, että olen tulkinnut jotain ohjetta eri tavalla. Uskoakseni QGis:issä on ominaisuus, joka näyttää myös valittujen kohteiden ominaisuudet niin, ettei niitä itse tarvitse laskea, ja tämä manuaalinen laskeminen (samoin kuin yläkouluikäisten arviointi, oppivelvollisuus päättyy 16 -vuotiaana, mutta suurin osa 9. luokkalaisista on 15 vuotiaita ison osan vuodesta!) on suurin virhemarginaalini. Näin pienellä alueella se kuitenkin toimi kohtalaisen hyvin, eikä tuottanut kuin ehkä kymmenen minuutin lisävaivan.

Lähteet:

Haapalo, P. ”Kädet ilmaan”
Luettu 23.2.2020
https://blogs.helsinki.fi/haapalop/

Järvinen, S. ”Josko sitä jo alkais oppimahan”
Luettu 25.2.2020
https://blogs.helsinki.fi/jarvsaan/

Brännback, F. ”Vecka 5”
Luettu 25.2.2020
https://blogs.helsinki.fi/brafanny/

Tällä kurssikerralla perehdyimme rasterikarttoihin. Ongelmaksi QGIS:in käytössä tällä kertaa muodostui (ilmeisesti) turhan heikko tietotekninen osaamiseni. Aineistojen lataaminen ohjelmaan sai aikaan vikailmoituksen ja lopputuloksena ohjelmassa oli kartta, muttei mitään sisältötietoja. Onneksi viisaammat tahot osasivat korjata ongelmani ja kun aineisto oli ladattu neljännen kerran, sain myös atribuuttitaulukkoon sisältöjä.

Tarkoituksena oli siis luoda ruudukko pääkaupunkiseudun kartan päälle ja kuvastaa jotain ilmiötä asuinrakennuksista saatuja tietoja käyttämällä. Itse tutkin miesten määrää pääkaupunkiseudulla. Jokainen ruutu kuvaa, kuinka monta miestä siinä yhteensä asuu. Huomattavan paljon miehiä asuu Helsingin kantakaupungin pohjoisosassa. Täytyy kuitenkin muistaa, että puhutaan maksimiarvoista, eli siitä, missä neliökilometrin ruudussa ovat miesvoittoisimmat rakennukset. Pinja Nivalainen oli tutkinut naisten ja miesten määrän välistä suhdetta. Hänen kartastaan on nähtävissä, kuinka läntisessä Helsingissä Otaniemen alueella miehiä on suhteessa enemmän kuin naisia toisin kuin muualla pääkaupunkiseudulla. Tämä johtunee siitä, että teknilliset alat ovat tyypillisesti olleet miespanoitteisempia. Omassa kartassani ei samaa huomaa yhtä vahvasti. Uskon tämän johtuvan siitä, että oma karttani ei ota huomioon ihmisten keskittymistä tietyille alueille. Kallio esimerkiksi on hyvin tiheään asuttua aluetta, jolloin siellä luonnollisesti asuu enemmän niin naisia kuin miehiäkin kuin vaikkapa Suomenlinnassa.

Voisin olla karttaan tyytyväisempikin. Vaikka se kuvastaa asiaa, se ei ole kovin selkeä johtuen lähinnä ehkä ruudukon väristä ja kuntien ääriviivojen puutteesta. Tuija Hyvättinen oli liittänyt omaan karttaansa Espoon, Helsingin, Vantaan ja Kauniaisten kuntarajat, ja tulos on erittäin hyvännäköinen ja selkeä. Hän toteaa itsekin sen helpottavan karttatulkintojen tekemistä, ja olen asiasta samaa mieltä. Tästä opin, että hyvään ulkoasuun kannattaa aina panostaa, ihan kartan sisällöllisenkin tulkinnan takia. Olisi ollut mielenkiintoista tutkia myös, miten tulokset muuttuisivat, mikäli rasteriruudukon kokoa muutettaisiin suuremmaksi tai pienemmäksi. Toki tämä 1km kertaa 1 km on ehdottomasti järkevin: ei liian pieni ollakseen epäselvä, mutta silti tarpeeksi tarkka.

Lopputunnin aikana teimme vinovalovarjostuksia Pornaisten karttaan. Karttalehdet ovat yleensä yksinkertaistetumpia kuin tällä tavalla luodut korkeuserot. Loimme myös piirtämällä seuraavaa kurssikertaa varten vektoritiedostot Pornaisten asuinrakennuksista ja suurimmista teistä. Terapeuttinen perjantaipäivän klikkailutuokio.

Lähteet:

Nivalainen, P. ”Kerta4”
Luettu 15.2.2020
https://blogs.helsinki.fi/npinja/

Hyvättinen, T. ”Rasterit kehiin!”
Luettu 15.2.2020
https://blogs.helsinki.fi/hytuija/

QGIS-ohjelman käyttö helpottuu. Nykyään ei ole mahdoton tehtävä tallentaa projekti kuvana tai ladata uutta tietoa alustalle. Äärimmäisen perusteitahan nämä ovat, mutta minun silmissäni kehitys on ollut huimaavaa.

Tavoitteena tällä kertaa oli luoda Afrikan timanttikaivoksia, öljyalueita ja konflikteja kuvaava kartta sekä myöhemmin Suomen valuma-alueita kuvaava väkerrys. Lähinnä harjoituksen tarkoitus oli opetella siirtämään tietoa taulukoista toiseen ja jäsentämään jo näkyvissä olevaa tietoa. Samanlaiselta epätoivolta kuin viime kerralla (tai ainakaan yhtä vahvalta heittäytymiseltä kohtalon käsiin ja umpimähkään klikkailulta) vältyttiin tällä kertaa.

Saadun tiedon määrä oli hirmuinen. Internetin käyttäjämäärän muutosta tutkimalla voisi ehkä tehdä jotain päätelmiä alueen teknologisen kehityksen suhteen, lähinnä katsottaessa muutoksen nopeutta ja suuria eroja. Tiina Aalto pohtii blogissaan, tätä samaa sekä sitä, kuinka konfliktialueista saatavalla tiedolla voitaisiin ennakoida pakolaisvirtoja. Jo kerätyillä tiedoilla timanttikaivosalueista voitaisiin mahdollisesti myös mallintaa, miten uudet timanttilöydökset voisivat vaikuttaa alueen kehitykseen.

Olen samaa mieltä kuin Joonatan Reunanen, joka toteaa öljykenttien läheisyydessä olevan yllättävän vähän konflikteja. Hän toteaa asian johtuvan mahdollisesti öljyn merkittävästä asemasta maailmantaloudessa.

Itsenäisenä tehtävänä loimme tulvaindeksiä ja järvisyysprosenttia kuvaavan kartan. Tulvaindeksi kertoo kuinka moninkertainen määrä vettä joessa virtaa tulvahuipun aikana. Se on suurimmillaan Pohjanmaalla ja Etelä-Suomen rannikolla. Pienimmillään se taas on Itä-Suomessa. Syy tähän on todennäköisimmin pinnanmuodoissa. Suomen länsipuoli on jääkauden seurauksena topografialtaan tasaisempi kuin itäpuoli. Hyvä huomio on myös Venla Moision toteama siitä, että järvi-Suomessa tulvaindeksi ei ole niin suuri mahdollisesti siksi, että järvien määrä tasaa jokien virtausta keräämällä ”ylimääräistä” vettä. Tästä syystä Pohjanmaallekin on rakennettu tekojärviä, kuten Uljuan tekojärvi. Kuten kartasta huomataan, siellä missä järvisyys on suurinta, on tulvaindeksi pienin. Tulvakausi on yleensä keväällä lumien sulaessa.

Lähteet

Aalto, T. ”Tietokannat tutummiksi”
Luettu 6.2.2020
https://blogs.helsinki.fi/tidaalto/

Reunanen, J. ”Beast mode on.”
Luettu 6.2.2020
https://blogs.helsinki.fi/reunajoo/

Moisio, V. ”Viikko 3 – Tietokantojen yhdistämistä ja laskutoimitusten tekemistä”
Luettu 6.2.2020
https://blogs.helsinki.fi/moivenla/