Viides kurssikerta jatkui edellisellä kerralla digitoitujen kohteiden analysoimisella. Olimme digitoineet Pornaisten alueelta rakennukset sekä tärkeimmät tiet, joiden avulla harjoittelimme pääasiassa QGIS:n bufferointitoiminnon käyttöä ja sen soveltamista. Tutkimme miten asutus sijoittuu esimerkiksi koulujen ympärille, teiden varsille ja terveysaseman läheisyyteen luomalla niiden ympärille halutun kokoisen puskurivyöhykkeen. Pohdimme tämän avulla kuinka suuri osa alueen asukkaista asuu kyseisten kohteiden välittömässä läheisyydessä. Bufferi-analyysin avulla näiden kysymysten selvittäminen oli helppoa. Puskurin luomisen jälkeen pystyi selvittämään sen sisälle jäävät kohteet “select by location” -toiminnolla ja vastaavasti puskurin ulkopuolelle jääviä kohteita oli mahdollista tutkia “invert selection” -toiminnolla.
Tehtävä 1 – Malmin lentokenttä
Kuva 1. Malmin lentokentän ympärille luotu säteeltään kahden kilometrin kokoinen puskurivyöhyke ja sen alueelle jäävät kohteet (merkitty keltaisella).
Kun bufferointi oli tullut tutuksi, oli aika siirtyä opitun soveltamiseen itsenäisten tehtävien parissa. Käytimme itsenäisiä tehtäviä tehdessä erilaisia tietokantoja Vantaan alueesta, kuten väestötietokantaa johon oli merkitty tietoa myös alueen rakennuksista ja esimerkiksi niiden käyttöönottovuosista. Pohjakarttana käytimme valmiita rasterimuotoisia tietokantoja. Pohdimme tunnilla yhdessä tehtäviä ja niiden toteutusta Tiina Aallon kanssa. Tiina keksi taulukoida saadut tulokset ja nähtyäni kuinka siistin lopputuloksen tästä sai aikaan, päätin myös laatia vastaavanlaisen taulukon omista tuloksista blogiin. Kunnia tästä kuuluu siis hänelle.
Aluksi tutkittiin Malmin lentokenttää ja sen lähiympäristöä. Lentokenttä digitoitiin ensin omaksi kohteekseen, mikä mahdollisti puskurivyöhykkeen luomisen sen ympärille. Tämän jälkeen puskurivyöhykkeen ja kyselyjen avulla määriteltiin alueen väestöstä erilaista dataa tehtävänannon mukaisesti. Tehtävänä oli tutkia kuinka suuri osa alueen väestöstä asuu pahimmalla melualueella eli noin 2 km säteellä Malmin lentokentästä. Voidaan todeta, että kahden kilometrin etäisyydellä Malmin lentokentästä asuu huomattava määrä ihmisiä (kuva 2). Alue kattaa laajalti koko Malmin ja ulottuu jopa Kontulan sekä Jakomäen alueelle. Alueella on myös useampi koulu, joita lentoliikenteen melusaaste voi haitata. Kilometrin päähän lentokentästä ei puolestaan ole rakennettu niin paljoa. Alueelle osuu pääasiassa vain Sepänmäen asutusalue ja osa Tapanilasta. Siispä pahimmat meluhaitat jäävät kuitenkin suhteellisen vähäisiksi.
Kuva 2. Taulukko Malmin lentokentän lähiympäristöstä ja lentokentän melualueista. Tiedot saatu Vantaan väestötietokannasta.
| Vantaan asukkaat yhteensä | Vantaan rakennukset yhteensä | Asukkaat 1 km säteellä Malmin lentokentästä | Asukkaat 2 km säteellä Malmin lentokentästä |
| 490 173 | 55 811 | 8 648 | 56 727 |
Innostuin tekemään myös aiheeseen liittyvän lisätehtävän. Tehtävä osoittautui vaikeammaksi kuin ajattelin, sillä en ollut vielä sisäistänyt kunnolla QGIS:n laskinohjelman käyttöä. Lisätehtävänä oli tutkia kuinka vanha Malmin lentokenttä on ympäristöönsä verrattuna ja ottaa selvää kuinka moni 1 km etäisyydellä olevista rakennuksista on rakennettu alueelle Malmin lentokentän käyttöönoton jälkeen. Päätin luottaa Wikipediaan, jossa Malmin lentokentän käyttöönottovuodeksi todettiin 1936. Määritin visuaalisella analyysillä atribuuttitaulukosta rakennukset, jotka oltiin otettu käyttöön ennen vuotta 1936 tai kyseisenä vuonna. Tämän jälkeen vähensin määrän 1 km säteellä olevista rakennuksista ja sain vastaukseksi 690. Kopioin tietokannan Exceliin, jossa laskin kyseisten rakennusten asukkaat. Lopputulokseksi sain yhteensä 8 420 asukasta. Tietokannassa ei ollut tietoa 12 rakennuksen käyttöönottovuosista, mutta tulosten perusteella voi todeta Malmin lentokentän olevan selvästi vanhempi kuin ympäristönsä.
Helsinki-Vantaan lentokenttä
Päätin esittää seuraavan tehtävän visuaalisesti. Käytimme samoja tietokantoja ja metodeja mutta lisäksi sovelsimme tietokantaa Helsinki-Vantaan meluvyöhykkeistä.
Kuva 3. Taulukko Helsinki-Vantaan lentokentän lähiympäristöstä ja alueen meluvyöhykkeistä.
| Vantaan asukkaat yhteensä | 490 173 |
| Vantaan rakennukset yhteensä | 55 811 |
| Helsinki-Vantaan lentokentästä 2 km säteellä eli sen välittömässä läheisyydessä asuvat |
10 299 asukasta 2 215 rakennusta |
| Pahimmalla melualueella (65 dB) asuvien prosentuaalinen osuus lentokentän välittömässä läheisyydessä asuvista | Edellisen kohdan asukkaista pahimmalla melualueella asuu 27. Prosentteina tämä on lähemmäs 3 prosenttia (2.6 %). |
| Vähintään 55 dB melualueella asuvat | Yhteensä koko melualueella (55dB – 65dB) asuu 11 913 ihmistä |
| Jos saapuva liikenne käännettäisiin laskeutumaan Tikkurilan yli, kuinka monen ihmisen elämää vähintään 60 dB lentomelu haittaisi Tikkurilassa* | Yhteensä 2 397 ihmistä |
* Rajasin Tikkurilan väestön asutusalueiden perusteella ja otin rajaukseen mukaan Tikkurilan alueen, Hiekkaharjun, Jokiniemen, Kuninkaalan, Simonkylän sekä Viertolan. Koin että pelkän Tikkurilan alueen valitseminen tietokannasta ei olisi ollut kovin kuvaavaa.
Tehtävä 2 – Asemat
Kuva 4. Taulukko Vantaan asemista ja niiden lähiympäristöstä. Käytimme valmista tietokantaa Vantaan juna- ja metroasemista.
| Alueen asukkaat yhteensä | 490 173 |
| Asukkaat, jotka asuvat 500 metrin päässä lähimmästä juna- tai metroasemasta | 106 691 |
| Asemasta alle 500 metrin päässä asuvien prosentuaalinen osuus alueen kaikista asukkaista | Noin 22% eli vähän yli neljäsosa |
| Työikäisten (15-64v) osuus alle 500 metrin päässä lähimmästä juna- tai metroasemasta asuvista | Yhteensä 73 086 asukasta eli noin 69% |
Tehtävä 3 – Taajamien asukit
Jatkoimme samoilla tietokannoilla mutta lisäksi tutkimme tietokantaa Vantaan taajamista. Ensin tuli määrittää kuinka moni tehtävän alueen asukkaista asuu taajamissa. Määritin tämän “select by location” -toiminnolla ja sain vastaukseksi 478 371, joka on huomattava osa alueen kaikista asukkaista (490 173). Seuraavaksi tuli puolestaan määrittää taajamien ulkopuolella asuvat kouluikäiset ja kuinka suuri osuus tämä on kaikista alueen kouluikäisistä.
Koska tehtävänannossa ei määritetty kouluikäisten ikähaarukkaa, päädyin rajaamaan kouluikäiset peruskoululaisiin eli 7-16 vuotiaisiin. Tätä laskiessani sisäistin vihdoin QGIS:n laskinohjelman käytön. Kouluikäisiä on koko alueella yhteensä 60 922 ja taajamien ulkopuolella heistä asuu 1 556 eli noin 2.5%.
Viimeinen kohta tuotti eniten aherrusta ja siksi päätinkin käsitellä tehtävää blogissani hieman yksityiskohtaisemmin. Haluan esitellä kovan työn tulokset ja olla esimerkki siitä, mitä ei välttämättä kannata lähteä tekemään sillä olisin saanut saman lopputuloksen paljon yksinkertaisempaa metodia käyttäen. Viimeinen kysymys kuului: “Kuinka monella alueella ulkomaalaisten osuus on yli 10%, entä 20% tai 30%?” Tulkitsin kysymyksen siten, että kuinka monella taajama-alueella ulkomaalaisten osuus on x alueen asukkaista. Väestötietokannassa oli reilusti yli 200 kohdetta, joissa ei ollut tietoa ulkokansalaisista asukkaista mutta päätin kuitenkin käyttää saatavilla olevaa tietokantaa ja jättää kyseiset kohteet pois laskuista. Tämän seurauksena tuloksilla voi olla suuri virhemarginaali.
Päätin pitkän pohdinnan jälkeen hylätä taajama-alue luokittelun ja laskea asuinalue kohtaiset ulkokansalaisten osuudet. Tämä tuntui järkevämmältä sillä kysymyksessä ei spesifioitu mitä alueluokittelua käyttää. Koko urakkaan meni reilu tunti kun hain kohteita nimen perusteella ja yhdistelin niitä “merge” -toiminnon avulla. Yhdistettyjä asuinalueita oli lopulta 77 ja tietokantaan jäi paljon kohteita, joihin ei oltu merkitty asuinalueita. Päätin jättää kohteet pois laskuista, mikä puolestaan vaikuttaa myös tuloksiin.
Kuva 5. Työlään prosessin tulokset.
Laskin ulkokansalaisten prosentuaaliset osuudet koko asuinalueen väestöön verrattuna samaan atribuuttitaulukkoon (kuva 5). Lopputulokseksi sain, että alueita joissa ulkokansalaisten osuus on yli 10% on 21, alueita jossa osuus on yli 20% on 2 ja alueita jossa osuus on yli 30% ei ole yhtään. Tuloksia vääristää luultavimmin puutteet tietokannassa. Olisin voinut yhdistää alueet myös toisin ja hälytyskellojen olisi pitänyt soida ennen kuin aloitin yli tunnin kestävän merge-operaation. Lopputuloksessa kaikkia asuinalueita ei olla kuvattu ja tietyistä asuinalueista voi puuttua useita kohteita.
Tehtävä 4 – Uima-altaat ja saunat
Päätin esittää tämänkin tehtävän tulokset pääasiassa taulukossa, ettei blogiteksti venyisi liian pitkäksi. Kyseisessä tehtävässä käytin pääkaupunkiseudun väestö- ja rakennustietokantoja, sekä pääkaupunkiseudun aluerajauksia.
Kuva 6. Taulukko pääkaupunkiseudun uima-altaista ja saunoista.
| Pääkaupunkiseudun kaikki asutut talot | 90 725 |
| Pääkaupunkiseudun uima-altaalla varustetut talot | 855 |
| Asukkaiden määrä yhteensä uima-altailla varustetuissa taloissa | 12 170 |
| Uima-altaiden määrä erilaisissa talotyypeissä |
Omakotitalot – 345 Paritalot – 158 Rivitalot – 113 Kerrostalot – 181 |
| Saunojen määrä pääkaupunkiseudun taloissa ja niiden prosentuaalinen osuus kaikista alueen taloista |
Sauna yhteensä 21 922 taloissa. Tämä on noin viidesosa kaikista alueen taloista (24%). |
Tehtävänä oli myös laatia kartta, joka kuvaa pääkaupunkiseudun uima-allasrikkaimpia alueita. Päätin ensin luoda “join” -työkalun avulla tietokannoista yhden aineiston, jotta pystyisin esittämään uima-altaiden jakautumista pääkaupunkiseudulla. Tulokset näyttivät kuitenkin hassuille ja olin todella epävarma olinko laatinut kartan oikein. Päätin hakea vertaistukea muiden kurssilaisten blogeista ja törmäsin Heini Mäkelän “Bufferointi ja kohteiden valinta” -blogikirjoituksessa (20.2.2020) esiintyvään karttaan samasta aiheesta ja yllätyin, kuinka traagisen erilaiset kartat olivat. Heinin kartta motivoi yrittämään uudelleen ja tämä palkittiin, sillä lopputulos näytti nyt paljon paremmalta. Tein alunperin väärin yhdistäessä tietokannat, sillä palatessani kurssin aiempiin tehtäviin tajusin että kartan voi laatia yksinkertaisesti “count points in polygon” -toiminnolla. Lopulta sain kartan näyttämään jotenkin oikealle (kuva 7.) Kuten huomataan, eniten uima-altaita on Lauttasaaressa, jossa määrä ylittää huimat 53.
Kuva 7. Pääkaupunkiseudun uima-altaat alueittain.
Lähteet
Aalto, T. (19.2.2020). Itsenäistä taistelua. Blogikirjoitus.
<https://blogs.helsinki.fi/tidaalto/>
Mäkelä, H. (20.2.2020). Bufferointi ja kohteiden valinta. Blogikirjoitus.
<https://blogs.helsinki.fi/mcheini/>