5. Kurssikerta: Bufferointia ja aiemmin opitun kertausta

Tällä kurssikerralla opimme uutena asiana bufferoimaan eli muodostamaan uuden alueen tietyn kohteen ympärille. Bufferoinnin avulla on esimerkiksi helppo selvittää ilmiön yleisyyttä alueella. Kuten Pihla Haapalo blogissaan muotoilee, bufferoinnilla voi tutkia kohteen vaikutusaluetta (Haapalo 2020).

Selvitimme kurssikerralla Helsinki-Vantaan ja Malmin lentokenttien 1 ja 2km säteen sisällä asuvien henkilöiden lukumäärää bufferoinnin avulla. Lisäksi selvitimme erillisen tietokannan avulla yli 55db ja yli 65db melualueella asuvien henkilöiden lukumäärää. Tässä tehtävässä en kohdannut suurempia hankaluuksia. Loin usein uuden aineiston, mikäli halusin esimerkiksi meluhaitta-aineiston osalta käsitellä vain yli 55db tietoja. Todennäköisesti olisin voinut säästyä ylimääräisiltä työvaiheilta, jos olisin perehtynyt tarkemmin asiaan.  Taulukossa 1 on esitetty tehtävän 1 vastaukset.

Taulukko 1. Tehtävän 1 vastaukset.

Toisessa tehtävässä tutkimme juna- ja metroasemista 500m säteellä asuvien osuuksia kaikista alueen asukkaista. Teimme tietokantaan aiemmin opittuun tapaan uuden sarakkeen, johon laskimme työikäisten lukumäärän ja vertasimme työikäisiä aseman ympäristössä asuvia kaikkiin aseman ympäristössä asuviin. Myös tässä tehtävässä bufferoimme asemien ympärille 500m säteen alueet, joiden avulla oli helppo tarkastella alueiden sisään jäävien asukkaiden lukumäärää ”select by location” toiminnon avulla.

Tehtävän 2 toinen osio käsitteli taajamia ja niiden asukkaita. Perusperiaatteeltaan suurin osa taajamatehtävästä noudatteli tehtävän aiempaa osiota. Valintoja tehtiin sijainnin perusteella ja asukkaiden yhteenlaskettuja summia tarkasteltiin ”statistics” näkymässä. Ulkomaalaisten asukkaiden prosenttiosuuksia laskettaessa taajamittain jouduin käyttämään hieman syvällisempää pohdintaa. Koska taajamat ulottuivat tutkimusalueen ulkopuolelle, tein uuden rajauksen ja ”intersection” toiminnolla onnistuin rajaamaan tutkittavat taajamat sopivaksi. Lopuksi taajamat ja niiden asukkaat yhdistettiin ja näin ollen onnistuin ymmärtääkseni laskemaan ulkomaalaisten osuudet prosentteina kullekin taajamalle. Tehtävän 2 vastaukset on esitetty taulukossa 2.

Taulukko 2. Tehtävän 2 vastaukset.

 

Tehtävistä 3-5 tuli valita vähintään yksi suoritettavaksi. Tehtävänannot luettuani paloin halusta selvittää, mikä on pk-seudun uima-allasrikkain osa-alue, joten päädyin tekemään tehtävän 4. Suurin osa tehtävän 4 osa-alueista sujui ongelmitta. Valintatyökaluja käytin tämänkin tehtävän tekemiseen monipuolisesti. Sijainnin, tietyn arvon tai klikkauksen perusteella valinta onnistuu nykyisin käden käänteessä.

Kohtasin ongelman vasta selvittäessä uima-altaiden lukumäärää kaupunginosittain. QGIS herjasi ”Join attributes by location (summary)” osiossa geometriaongelmaa. QGIS kehotti korjaamaan tietyn osa-alueen geometriaa tai tekemään valinnan, joka ohittaisi  ongelma-alueiden kohdalla laskutoimituksen. En onnistunut näissä QGISin ehdottamissa toimissa, joten latasin MMQGIS lisäosan, jonka avulla onnistuin laskemaan uima-altaiden lukumäärät kaupunginosittain. Kurssikerran 4 tehtävänannossa oli neuvottu kyseisen lisäosan käyttö. Ohjeet kurssikerroilta 3-5 olivat minulla ahkerassa käytössä muiltakin osin tämän viikon tehtäviä tehdessä. Tehtävän 4 vastaukset löytyvät taulukosta 3.

Taulukko 3. Tehtävän 4 vastaukset.

Viimeinen tehtävä oli laatia uima-altaista karttaesitys kaupunginosittain. Pylväsesityksen laatiminen oli tuttua jo valuma-alue -tehtävän osalta, joten siinä en kohdannut haasteita. Altaiden lukumäärää absoluuttisina arvoina oli yllättävän vaikea sovittaa karttaan pylväsesityksen kanssa. Molemmat esitykset toimivat moitteetta erillisinä tasoina. Huomasin kuitenkin, että lukuarvojen ja pylväiden sijaintia muuttamalla onnistuin sovittamaan molemmat informaatiot kartalle kohtalaisesti (kuva 1). Tehtävän tekemällä sain siis selville pk-seudun uima-allasrikkaimman asuinalueen, joka on Lauttasaari.

Kuva 1. Absoluuttisina lukuina ja pylväsesityksenä kaupunginosittain pk-seudun asuinrakennukset, joissa uima-allas

Huomasin myöhemmin, että Tomi Kiviluoma oli tehnyt saman tehtävän ja esitti tuotoksen blogissaan. Olisi ollut hyvä, jos olisin perehtynyt hänen blogiinsa ennen oman tehtäväni suorittamista, sillä  hänen visualisointinsa oli onnistunut erinomaisesti. Hän oli karttaesityksessä jättänyt alle 10 uima-altaan kaupunginosat esittämättä, mikä selkeytti karttaa (Kiviluoma 2020).

Tällä hetkellä QGISin valintatyökalut, bufferointi, laskutoimitukset tietokantoihin, tietokantojen tietojen yhdistäminen ja karsiminen ja karttaesitysten laatiminen tuntuvat luonnistuvan pääasiassa ongelmitta. Lisäharjoitus ei varmasti olisi pahitteeksi silti millään osa-alueella. Välillä pohdintaan, komentojen kokeilemiseen, epäonnistumiseen ja uudelleen yrittämiseen kuluu aikaa. Kun toistoja tulee tarpeeksi, alkaa paremmin hahmottaa kuhunkin tehtävään tarvittavat työvaiheet.

Tähän mennessä harjoittelemillamme työkaluilla on mahdollista tehdä monipuolisia laskutoimituksia ja karttaesityksiä käytännössä mistä vain muuttujasta. Esimerkiksi väestöstä on saatavilla paljon informaatiota, jota voi esittää sellaisenaan tai laskutoimitusten avulla jatkojalostaa saatavilla olevaa tietoa.

KIRJALLISUUS

Haapalo (2020). Kädet ilmaan. 12.2.2020. https://blogs.helsinki.fi/haapalop/

Kiviluoma (2020). Valintojen maailma: bufferointia ja tietokantojen syväluotaavaa suodatusta. 14.2.2020. https://blogs.helsinki.fi/tomingeoblogi/

Leave a Reply

Your email address will not be published. Required fields are marked *