Month: February 2020

Kurssikerran 5 tavoite oli piirtotyökalujen käytön kertaus, laskeminen kohteiden avulla, bufferointitoiminnon käyttö ja etäisyyksien määrittäminen. Bufferointitoiminto kuulosti aluksi pelottavan vaikealta.

Aloitimme työskentelyn viimekerran lopussa piirretyn kartan parissa. Testasimme aluksi erilaisia toimintoja ja laskimme esimerkiksi teiden pituuksia ja peltojen pinta-aloja. Rajasimme myös peltoalueen Pornaisten rajojen sisäpuolelle. Laskutoimitukset olivat kertausta ja melko helppo tehdä. Huomasin, että laskujen tekemisen olen selkeästi sisäistänyt ja matematiikasta pitäessäni aloin tekemään mielenkiinnosta ihan omia ylimääräisiäkin laskelmia. Kuitenkin rajaustyökalun käyttö meni toisesta korvasta sisään ja toisesta ulos. Toivonkin, että opin käytön uudestaan myöhemmin kurssilla, sillä se kuuluu varmasti perustyökaluihin.

Seuraavaksi kokeilimme bufferointitoimintoa ja piirsimme bufferointialueen teiden ympärille. Paula Alisen blogia siteeraten: “Puskurivyöhykkeiden avulla pystytään muun muassa selvittämään, mitä kyseisen puskurin sisälle jää tai sen ulkopuolelle rajautuu.” Käytimme tätä bufferia valintatyökaluna, jonka avulla keräsimme kohteita. Select by location- toiminnolla valitsimme bufferin sisältä rakennukset. Harjoittelimme bufferitoimintoa myös koulun ja terveyskeskuksen avulla. Tämän toiminnon kanssa voi siis helposti tutkia tietyn alueen vaikutusta johonkin ominaisuuteen. Esimerkiksi kuinka monta rakennusta sijaitsee 2 km säteellä koulusta. Selkeästi hyvä toiminto erilaisten alueiden rajauksessa ja varmasti käytetään myös paljon alueiden suunnittelussa. Ainakin itse käyttäisin.

Tehtävä 1

Malmin lentokenttä

Tehtävän tarkoituksena oli harjoitella lisää bufferointi- ja select by location-toimintojen käyttöä. Tehtävänä oli laskea, kuinka monta ihmistä asuu 1 ja 2 kilometrin säteellä Malmin lentokentästä. Piirsin Malmin lentokentän ja tein lentokentästä 1 ja 2 km säteelle bufferit. Käytin näitä buffereita apuna valitessa asukkaat sen sisäpuolelta ja Statistics toiminnon avulla sain tietää montako asukasta yhteensä alueen sisälle on rajautunut. 2 kilometrin säteellä asuu 56 963 ihmistä ja 1 kilometrin säteellä 8 707 ihmistä. Tuloksesta Työkalujapäätellen voi huomata, että ihmiset ei koe mielekkääksi asua ihan lentokentän lähistöllä, mutta asukasmäärä kasvaa todella paljon päästessämme 2km etäisyys alueelle. Luultavasti melu ja muut lentoliikenteen haitat eivät vaikuta tällä alueella enää läheskään niin paljon kuin kilometrin säteellä. Tästä tehtävästä huomasin, kuinka näitä työkaluja voi käyttää helposti analysoimaan ja havainnollistamaan tietyn kohteen vaikutusta asumuksiin ja ihmisiin.

Tein myös lisätehtävän, jossa piti laskea kuinka moni talo on rakennettu 1 km säteelle Malmin lentokentästä sen valmistumisen (1936) jälkeen. Käytin apuna oppimiani toimintoja, mutta en tiedä olisiko tehtävän saanut tehtyä paljon yksinkertaisemmin. Tärkeintä on mielestäni kuitenkin, että hallitsen erilaiset työkalut niin, että niitä pyörittelemällä saan edes jollain tavalla vastaukset selville. Tein uuden layerin Vantaan väestöstä, jotka asuvat taloissa, mitkä on rakennettu lentokentän valmistumisen jälkeen. Käytin tätä layeriä ja 1km säteen bufferia apuna valitessani rakennukset ja taas Statistic kohdan avulla sain tietää asukkaiden ja rakennusten määrän. Rakennuksia oli yhteensä 695 ja asukkaita 8 516 eli suurin osa asukkaista ja taloista on rakennettu alueelle vasta lentokentän valmistumisen jälkeen. Olisin kuvitellut lentokentän vähentävän asutuksen määrää, mutta toisin kävi. Vaikka lentokentän läheisyydessä asumisessa on omia haittojaan, se mahdollistaa nopean yhteyden lentokentälle. Myös väestön kasvaessa ja muuttaessa Pääkaupunkiseudulle asuntoja on pitänyt rakentaa lentokentän läheisyyteen. Nämä ovat ainakin syitä mitä keksin selittämään tulosta.

Helsinki-Vantaa

Seuraavaksi tein Helsinki-Vantaan lentokenttään liittyvän tehtävän. Piirsin aluksi lentokentän kartalla ja käytin tämän jälkeen tässäkin tehtävässä hyväksi bufferointia, sekä Select by location-työkaluja. 1 km säteellä Helsinki-Vantaa lentokentästä asuu 10 347 ihmistä eli vain hieman enemmän kuin Malmin lentokentän, vaikka Helsinki-Vantaa on paljon isompi. 65dB melualueella asukkaista asuu vain 0,26% asukkaista kilometrin säteellä asuvista. Vähintään 55dB alueella asuu 11 913 asukasta. Jos uusin kiitorata käännettäisiin toisin päin, niin että koneet lentäisivät Tikkurilan yli, vähintään 60dB melusta nauttisi 5 068 Tikkurilan ja Vantaan asukasta. Sain tämän piirtämällä 7 km viivan kiitoradasta kaakkoon päin ja muodostamalla tämän alueen ympärille 1 km meluvyöhykkeen bufferin avulla.

Asemat

Piirsin buffereita 500 metrin säteelle kaikista asemista. Tämän avulla sain tietoon, että tällä alueella asuu 106 691 asukasta. Koko kartan vantaan asukkaista tämä on 21,8 % eli reilu viidesosa asukkaista asuu asemien läheisyydessä. Asemien läheisyyden ihmisistä 68,5 % on työikäisiä. Sain tämän laskettua laskemalla ensin yhteen työikäisten määrän alkuperäisestä tiedostosta ja tämän jälkeen jakamalla työikäisten määrän kaikkien asukkaiden määrällä, jotka asuvat asemien läheisyydessä.

Itsenäistehtävät

Uima-altaat ja saunat

Tehtävässä tuli laskea asioita liittyen pääkaupunkiseudun uima-altaisiin ja saunoihin. Sain tulokset laskettua helposti Select features toiminnon ja Statistic palkin avulla. Tein tuloksista excel taulukon, joka näkyy alla. Siinä kerrotaan uima-altaiden määrä, kuinka monta asukasta uima-altaallisissa taloissa asuu ja erilaisten talojen määrä kyseisistä rakennuksista. Taulukossa näkyy myös saunallisten talojen määrä Pääkaupunkiseudulla, sekä niiden osuus kaikista taloista.

Taulukosta huomataan, että eniten uima-altaita on omakotitaloissa, mutta myös kerros- ja rivitaloissa niitä löytyy yllättävänkin paljon Pääkaupunkiseudulla. Erityisesti minua yllätti, että kaikista taloista saunallisia oli vain 24%! Ehkä saunat eivät olekaan niin suosittuja ja fantastisia, mitä omassa mielessäni kuvittelen.

Lähteet:

Allinen, P. 25.2.2020. “Bufferit haltuun ja muita pohdintoja”. Luettu 21.4.2020. https://blogs.helsinki.fi/pallinen/2020/02/25/bufferit-haltuun-ja-muita-pohdintoja/

Neljännellä kurssikerralla harjoittelimme tekemään ruutukartan, tutustuimme rasteriaineistoihin, sekä opettelimme piirtämään QGIS:in avulla. Rasterikarttoja emme olleet aikaisemmin käyttänyt tehtävissämme, joten tämä oli jotain aivan uutta, vaikka olinkin aiemmin jo yrittänyt liittää vektoriaineistoja QGIS:iin rasteritietokantoina onnistumatta.

Ruututeemakartan muodostaminen

Ensimmäisessä tehtävässä käytimme hyväksi karttaa pääkaupunkiseudusta. Teimme tähän Create Grid-työkalulla  250m x 250m ruudukon ja keräsimme saatavilla olevan tiedon näihin ruutuihin. Erikoista oli, että ruudukko toimi samanlaisena tietokantana kuin mikä vain muukin ja sinne pystyi tallentamaan uutta tietoa. Tietojen kerääminen tapahtui Pks_vaki.shp poistetietokannasta. Tallensimme pisteiden tiedot yksittäisiin ruutuihin. Tätä en olisi osannut tehdä ilman Artun ohjeistusta. Tämän jälkeen teimme erillisen tiedoston asukkaista yhteensä, ulkomaalaisista ja muuta kuin suomenkieltä puhuvista. Teimme uuden tiedoston, jotta se olisi kevyempi ja QGIS:in olisi helpompi pyörittää laskelmia. Suurista tiedostoista puhuessamme muistin, että projekti kannattaa tallentaa aina silloin tällöin. Laskimme taulukkoon uudelle sarakkeelle ulkomaalaiset/asukkaat yhteensä ja muutimme tuloksen prosenteiksi. Näin saimme tietää kuinka paljon prosentuaalisesti ulkomaalaisia oli ruuduttain verrattuna kaikkiin asukkaisiin.

Kartan piirtämisen kanssa oli hieman ongelmia, sillä taulukosta löytyi erittäin yllättävää tietoa! Joissain kohdissa ulkomaalaisten asukkaiden määrä oli erittäin super todella paljon suurempi kuin asukkaiden kokonaismäärä. Tämän takia joihinkin ruutuihin tuli tulos, että ulkomaalaisia oli 200 000% koko asukasmäärästä. Poistin kuitenkin nämä virheelliset tiedot ja muodostin kartan prosentuaalisten tulosten mukaan.

Kartasta voi huomata, että ulkomaalaisten asukkaiden määrä on painottunut tietyillä alueilla. Esimerkiksi Itä-Helsingissä ulkomaalaisasukkaita on selkeästi suurempi määrä kuin Helsingin keskustassa. Luultavasti toiset ulkomaalaiset ovat vetäneet toisiaan puolelleen tietyille alueille.

En ehtinyt tunnilla enää piirtää uutta ruututeemakarttaa. 250 m x 250 m ruudut näyttävät hieman epäselviltä ja suttuisilta kartassa, joten parempi olisi käyttää suurempia ruutuja. Ruututeemakartan avulla voi havainnollistaa esimerkiksi paremmin pistetietokantoja, mutta tällöin tiedon totuudellinen sijainti vääristyy hiukan (riippuen tietenkin kuinka suuria ruutuja käyttää). “Ruutuaineistot ovat mielekäs tapa tuottaa alueellista tietoa ilman valmista aluejakoa.” Roosa Kinnunen kertoo blogissaan.

Tehtävä 2 Rasterikartat ja käyriä

Kurssikerran toinen tehtävä liittyi rasterikarttoihin ja korkeuskäyrien piirtämiseen. Toimme neljä eri karttapalaa QGIS:iin ja muodostimme niistä yhtenäisen kuvan yhdistämälle palat Merge-komennolla.

Erityisesti korkeuskäyrien tutkiskelu oli minusta mielenkiintoista suunnistustaustani takia. Innoistuin jo, että nytkö opin piirtämään oikeita suunnistuskarttoja. Käyriä tehdessä kävi kuitenkin ilmi, että ei, näin ei piirretä suunnistuskarttoja. Käyrät oli piirretty niin pikkutarkasti, että muihin karttoihin niitä pitää korjata paljon ja piirtää muodot yksinkertaisemmiksi. Leikimme lopuksi myös rinnevarjostusten kanssa ja saimme korkeusmuodoiltaan melko havainnollistavan kartan aikaiseksi.

Pornaisten kartta

Viimeisenä tehtävänä oli piirtää pornaisten karttapohjalle keskustaan peruskohteita: suurimmat tiet ja rakennukset. Teiden napsuttelu oli ihan mukavaa, mutta rakennusten kanssa meinasi jo käsi alkaa kramppaamaan. Melko rankkaa hommaa tuo karttojen piirtely (respect). Karttaa oli tarkoitus käyttää hyödyksi seuraavalla kurssikerralla, joten halusin sen olevan täydellinen. Alla näkyvillä lopputulokseni, jota en loppuenlopuksi käyttänyt seuraavalla kurssikerralla hyödyksi, sillä pelkäsin tehneeni kartan piirron kanssa jotain väärää, mutta ainakin opin piirtämään karttaelementtejä QGIS:in avulla.

Lähteet:

Kinnunen, R. 17.2.2020. “Pisteaineistoja ja ruutuaineistoja”. Luettu 20.4.2020. https://blogs.helsinki.fi/kroosa/2020/02/17/pisteaineistoja-ja-ruutuaineistoja/

Afrikan valtiot 

Kolmannelle kurssikerralle saavuin jo hieman rentoutuneempana. Toinen kurssikerta oli mennyt ihan ok ja huomasin, että myös muut opiskelijat kamppailivat ohjelman kanssa samoin kuin minä. Samoin kuin Janina Vikman kirjotti blogissaani, myös minäkin ymmärsin “etten oikeastaan osaa käyttää varmaan edes puolta prosenttia QGis:n toiminnoista.” Kolmannen kerran tavoitteena oli oppia tuomaan ulkopuolista tietoa QGIS:iin, liittämään tietokantoja toisiinsa ja muokkaamaan niitä. Tätä asiaa halusin juurikin oppia tekemään, niinkuin ensimmäisestä blogitekstistäni selviää. Tunnilla harjoittelimme näitä asioita Afrikan valtiot tietokannalla.

Aluksi huomasimme, että tietosarakkeesta löytyi yksittäisten valtioiden informaatiota eri riveiltä. Halusimme yhdistää tiedot, niin että yhden valtion informaatio oli kasattu vain yhdelle riville. Tämä liittäminen onnistui yksinkertaisesti sille tarkoitetulla Dissolve-työkalulla.

Moodlesta löytyi tiedosto, josta löytyi lisää informaatiota Afrikan valtiosta. Eeva Tiihosen blogia siteeraten: “Tärkeimpiä yhdistämiseen liittyviä oppeja sekä tietokannan sisällä että kahta tietokantaa yhdistäessä oli se, että yhdistäessä osia saraketiedon perusteella, tulee saraketietojen vastata toisiaan täysin, jotta yhdistäminen onnistuisi kivuttomasti.” Tämän takia taulukot piti ensin käydä läpi excelissä. Muokkasimme ensin tiedostosta valtioiden nimet samanmuotoiseksi kuin alkuperäisessä tiedostossamme ja tämän jälkeen tallensimme tiedoston csv muodossa, sillä QGIS ei pysty lukemaan muun laista tietoa. Tämän jälkeen toimme tiedoston onnistuneesti QGIS ohjelmaan. Lopuksi vielä yhdistimme valtioiden nimien avulla tietokannan Afrikka tietokantaamme.

Harjoittelimme kurssikerralla myös uudestaan uusien sarakkeiden liittämistä tietokantaan, sekä laskutoimitusten tekemistä niihin. Lopuksi tuotimme uutta informaatiota kartalle tietokannan tietojen perusteella. Tässä osiossa minä olin hieman hakoteillä. Sain lisättyä kartalle pisteitä polygonissa, mutta se mikä niitten merkitys todellisuudessaan oli, jäi vielä tiedostamatta. Tein vain ohjeiden mukana. Kuitenkin tietokannassa olevan informaation avulla olisi voinut esimerkiksi tutkia timanttikaivosten ja öljykenttien löytämisvuoden vaikutusta konfliktien ajankohtaan.

Tulvaindeksikartta

Kurssikerralla jatkoin itsenäisesti tulvaindeksikartan tekemistä. Tarkoituksena oli kerrata tiedostojen liittämistä toisiinsa, sekä oppia muodostamaan diagrammeja kartalle. Tein kartan Suomen vesistöalueiden ominaisuuksien mukaan.

Ensin liitin QGIS ohjelman sisällä tiedostokantoja toisiinsa ja sain valuma-alueiden virtama tiedot samaan taulukkoon. Lisäsin uuden sarakkeen ja laskin sille tulvaindeksin jakamalla keskiylivirtaaman keskialivirtaamalla.

Toin muokkaamani csv tiedoston järvisyysprosenteista ohjelmaan ja liitin nämäkin osaksi Suomen vesistöalueiden tietokantaa. Wau! Nyt sujuu todella hyvin ja sulavasti! Vai sujuuko…

Tiedoston tuomisen kanssa oli kuitenkin tullut ongelmia, jotka huomasin vasta diagrammia tehdessäni. En saanut liitettyä järvisyysprosenttia numeerisena tietokantaan, vaan se oli tallentanut tiedon tekstinä. Tämän takia QGIS ei osannut lukea numeroita luvuiksi, eikä näin ollen muodostaa niistä diagrammia. Jouduin poistamaan csv tiedoston kokonaan ja liittämään sen uudestaan erilaisin asetuksin ja näin sain diagramminkin toimimaan. Pieneltähän tuo ongelma kuulostaa, mutta kyllä siihen aikaa sai kulumaan. Yritin uudestaan ja uudestaan ja lopulta monen epäonnistuneen yrityksen jälkeen sain kaikki toimimaan ja pääsin diagrammien piirron pariin.

Surprise, surprise, loppusuoralla ollessani koko QGIS ohjelma kaatui ja kaikki tiedostot katosivat. Kantapään kautta opin, että tallennus painiketta kannattaa painaa, nimittäin minä sitä en ollut painanut kertaakaan tunnin aikana. Noh, tein kaikki vaiheet uudestaan läpi tuplanopeudella. Onneksi kertaus on opintojen äiti ja asiat painuivat ainakin nyt muistiin. Lopuksi tein teemakartan, jossa tarkasteltiin alueiden tulvaherkkyyttä koropleettikartan avulla ja järvisyyttä pylväsdiagrammeina.

Lähteet:

Tiihonen, E. 8.2.2020. “Kerta 3 Tietokantojen hallinnan harjoittelua ja tulvaindeksejä”. Luettu 20.4.2020. https://blogs.helsinki.fi/tiiheeva/2020/02/08/kerta-3-tietokantojen-hallinnan-harjoittelua-ja-tulvaindekseja/

Vikman, J. 29.1.2020. “Kuoppia matkalla GIS-velhoksi”. Luettu 20.4.2020. https://blogs.helsinki.fi/jagvikma/2020/01/29/31/