Month: February 2019

Viidennellä kurssikerralla vuorossa olivat bufferointa eli puskurianalysointia. Kurssikerta oli mielestäni haastavampi kuin edelliset kerrat. Olemme alkaneet päästä jo pelkästä kopionnisti pikkuhiljaa kohti itsenäistä työntekoa, joka on tietysti aina haasteellisempaa. Päätä tulikin hakattua seinään muutaman kerran. Pitää kuitenkin muistaa että epävarmuus kuuluu oppimiseen ja sitä pitää vain oppia sietämään. Onneksi kuitenkin kurssin läpi on aina saanut kysyä apua.

Työkalut, jotka olivat keskeisiä tällä kertaa työnteossani olivat, Join by location ja Spatial Query. Näiden työkalujen käyttötarkoituksen olen ymmärtänyt ja useimmiten olen saanut myös toimimaan. Turhan usein joudun kuitenkin toistamaan eri toimintoja  tarkkaavaisuuden puutteeni takia. Ylipäätäänkin monet QGIS-työkalut ovat teorian tasolla melko yksinkertaisia, mutta kun niitä alkaa oikeasti käyttämään huomaa sen, että pitää olla hyvin pikkutarkka ja että käyttäjällä tulee olla syvempi ymmärrys. Lisäksi ohjelma ei aina toimi oman logiikkani mukaisesti vaan omaa ajattelua pitää muokata QGIS mukaiseksi. Kaipaan henkilökohtaisesti syventymistä ja toistoa, sillä huomaan usein tekeväni harjoituksia pinnallisella tasolla ilman tarvittavaa pohdintaa ja vanhan tiedon yhdistämistä uuteen. Tämä tapahtuu tietysti parhaiten harjoittelemalla omalla ajalla ja rohkeasti kokeilemalla.

Puskurivyöhykkeitä voidaan käyttää monen tyyppisiin tutkimuksiin. Puskurivyöhykkeitä voidaan käyttää esimerkiksi kunnan palveluiden kuten terveyskeskuksien sijainnin määrittämisessä ja mahdollisten asiakasmäärien määrittämisessä tai kuten Johanna keksi blogissaan ,joukkoliikenteen pysäkkien sijoittelussa.  QGIS ja muut samantyyppiset paikkatieto-ohjelmat voivat olla apuna melunsaasteen ja rakentamisen kaltaisen ongelman ratkaisussa, mutta eri analyysien teko pohjautuu aineistoihin. Jos pohja-aineistot ovat epäluotettavia, ovat myös ohjelman avulla saadut tulokset huonoja. (paikkaoppi) Myös ohjelmaa käyttävän taidot vaikuttavat saatuihin malleihin ja tuloksiin potentiaalisesti negatiivisesti.

Tämän kertaisista tehtävistä tein ensimmäisen itsenäisen tehtävän ja oli mielenkiintoista huomata miten laajasti pääkaupunkiseudun kaksi lentokenttää Malmi ja Helsinki-Vantaa vaikuttavat ympäröiviin alueisiin. Helsinki-Vantaan lentokentän läheiset alueet ovat kasvavia alueita ja tulikin mieleen, miten tulevaisuudessa esimerkiksi melunkaltaiset ongelmat ratkaistaan.

 

Malmi

Asukkaat 2 km säteellä Malmin lentokentästä	4736
Asukkaat  1 km säteellä Malmin lentokentästä	777

 

Helsinki-Vantaa

Asukkaat 2 km säteellä Malmin lentokentästä	2566
Kuinka moni henkilö asuu pahimmalla Helsinki-Vantaan lentokentän melualueella	602
Kuinka montaa henkilöön vaikuttaisi 60dB lentomelu, mikäli palattaisiin vuoden 2002 poikkeukselliseen laskeutumissuuntaan	2187

Asemat

Asukkaat alle 500m päässä lähimmästä juna- tai metroasemasta	106 691
Asukkaat alle 500m päässä lähimmästä juna- tai metroasemasta %	21.7
Työikäisten prosentti osuus alle 500m päässä lähimmästä juna- tai metroasemasta asuvista	68,5

 Lähteet:

http://www.paikkaoppi.fi/fi/paikkatiedon-perusteet/ (luettu 23.2.2019)

Johanna Mölsä Kurssikerta 5 https://blogs.helsinki.fi/johannmo/ (luettu 23.2.2019)

Neljännellä kurssikerralla aiheena olivat ruutu- ja rasterikarttojen tuottaminen. Kurssikerta oli mielenkiintoinen ja itselleni on ainakin selvinnyt, kuinka maantieteilijänä on hyvin monipuolinen työkalupakki tulevaisuudessa esittää tietoa visuaalisesti, jos vain malttaa kuunnella ja harjoitella ahkerasti. Positiivista yllätys oli myös se, että tällä kertaa QGIS ei kaatunut kertaakaan.

Ensimmäisenä harjoituksena oli luoda ruututeemakartta. Teemakartan teossa, pääsimme vertailemaan eri kokoisten ruudukoiden vaikutusta tiedon esittämiseen kartalla, lisäksi pääsimme harjoittelemaan jo ennestään tuttua tietokantojen yhdistämistä. Saimme valmiin aineiston pääkaupunkiseudun väestöstä käyttöömme. Itse päätin tutkia karttojeni kohdalla onko pääkaupunkiseudunasukkaiden ja suurimpien rakennettujen teiden välillä yhteyttä ja näkyisikö eri ruutukokojen välillä eroa asumistiiviydessä. Valitsemani ruudukkokoot olivat 500mX500m (kuva 1.) ja 1kmX1km (kuva 2.).

Ruudukko koilla oli selvä vaikutus tiedon esittämiseen. 500mX500m koon ruudukko koolla tiedon esittäminen oli tarkempaa ja esimerkiksi Helsingin keskusta-alueen asukkaiden jakautuminen näkyi tarkempana, vaikkakin pieniruutukoko tekee tarkastelusta haasteellisempaa, kun taas 1kmX1km ruutukoossa esitys on karkeampaa ja vaihtelua näkyy vähemmän. Johanna Lehtinen oli tutkinut samaa aihetta blogissaan ja todennut myös, että suuremmalla ruutukoolla saa lähinnä hyvän yleiskuvan. Kartoista voi yleisesti huomata että tihein tieverkosto sijaitsee Helsingin alueella ja suurimpien teiden solmukohdat ovat asukastihentymiä. Pääkaupunkiseudun uloimmilla alueilla, jossa on asutusta esiintyy vähemmän, on myös vähemmän teitä. Valitsin karttojen asutuksen esittämisväriksi oranssin eri sävyt ja ilmiö näkyykin selvästi kartalla. Ruutukartalle ominaisella tavalla asukkaiden sijoittuminen on esitetty absoluuttina lukuina.

Kaiken kaikkiaan kurssikerta oli mielenkiintoinen vaikkakin haastavampi kuin edelliset. Edellisten opittujen taitojen tulisi kumuloitua, jotta aina seuraavien kertojen harjoituksia pystyisi tekemään tehokkaasti, kuitenkin välillä itselläni on vanhojen asioiden palauttaminen hiukan vaikeaa, mutta eiköhän tästäkin päästä yli toistolla ja harjoittelulla.

Lähteet:

Itsenäistä säheltämistä kurssikerta 4  Johanna Lehtinen https://blogs.helsinki.fi/johanleh/

Kolmas kurssikerta oli viimeisten kurssikertojen tapaan hämmentävä ja kahdeksalta aamulla alkanutta neljän tunnin puristusta värittivät QGIS-paikkatieto-ohjelman kaatumiset. Tällä kertaa ohjelma kaatui jopa ennätykselliset neljä kertaa. Tästä huolimatta sain omaksuttua tarpeeksi tietoa itsenäisen harjoituksen suorittamista varten. Olen ylipäätäänkin huomannut, että vaikka tunnilla on yleensä älytön paniikki päällä niin usein kotona myöhemmin harjoitusten toistaminen ja uusien tekeminen onnistuu melko jouhevasti. Syytän tästä osin ATK-luokan hapen puutetta. On kuitenkin pakko myöntää, että ohjeiden tarkalla lukemisella ja kuuntelemisellakin onnistumisprosentti nousee huimasti.

Tällä kurssikerralla harjoittelimme läpi erilaisten datalähteiden tuomista QGIS-ohjelmaan ja eri tasojen ominaisuustietotaulukoiden yhdistämistä. Nykyään tietolähteitä on monia erilaisia ja monet hyvinkin hyödyllisiä, mutta usein käytettävä data pitää siistiä eli muokata käyttöystävälliseen muotoon. Harjoittelimme tätä käyttämällä Afrikan karttaa (kuva 1.) ja mantereeseen liittyviä tietokantoja, johon kuuluivat muun muassa timanttien, konfliktien ja öljylähteiden sijainti.  Afrikka-tason atribuuttitaulukkossa oli jo ennestään tiedot alueen väestön koosta, Facebook-sosiaalisen median sivujen käyttäjät sekä internetin käyttäjien määrä 2008 ja 2017. Konfliktien ja timanttien sijainnit kartalla saimme esiin käyttämällä työkalua count points in polygon ja saimme selville miten monen eri vuonna konflikteja oli tapahtunut käyttämällä Count unique points in polygon-toimintoa, kun muuttujanamme oli tapahtumavuosi. Ominaisuustietotaulukossa olevaa tietoa timanttikaivosten aloitusvuodesta ja konfliktien alkamisvuodesta voidaan yhdistää ja tutkia onko konflikteilla ja timanttien kaivamisella yhteys.

Itsenäisenä tehtävänä tällä kertaa oli tulvaindeksikartan tekeminen (kuva 2.). Kartan tekemiseen vaadittiin tunnilla omaksuttuja taitoja kuten tietokantojen yhdistämisiä. Työn tarkoituksena oli tuoda esille kartalla Suomen valuma-alueidenominaisuuksia ja tulvaherkkyyttä. Tulvaindeksin sai selville jakamalla keskiylivirtaama keskialivirtaamalla. Keskialivirtaama oli jo valmiina ominaisuustietotaulukossa mutta keskiylivirtaama piti tuoda ulkopuolelta, opiskelijoiden luentokerta kolmen paketista. Kartalla piti myös esittää järvisyysprosentti ja päätin itse esittää tiedon pylväinä. Kartasta voi päätellä, että Suomessa ovat painottuneet läntiseen ja eteläisimpään Suomeen ja tulva-indeksi on alin idässä eli niin sanotussa Järvi-Suomessa, jossa vesivarastoina toimivat alueella sijaitsevat järvet. Myös Saaga oli huomioinut saman ilmiön blogissaan. Esitin lisäksi järvisyysprosentin taulukkona, sain tämän idean Anttoni Tumannoffin blogista. Uskon että taulukko tuo lisää selkeyttä tiedon esittämiseen tässä yhteydessä.

Muokkasin ja mietin tämän tulvaindeksikartan kohdalla, miten saisin mahdollisimman mielekkäät värit karttaan ja päädyin tulvaindeksi eri sinisen sävyillä, niin että tummin väri esittää aluetta, jossa tulvaindeksi on suurin. Rantaviivan muutin kellertäväksi, jotta tulvaindeksi sekä vesialueet erottuvat hyvin. Kartan kellertävä väri maa-alueilla tuo itselleni ainakin jälkikäteen tarkasteltaessa todella vanhan maantieteenkoulukirjan kartan mieleen. Järvisyysprosentin päätin esittää tummemmalla värillä, jotta se erottuisi hyvin. Kaiken kaikkiaan sanoisin olevani melko tyytyväinen kartan ulkonäköön.

Tunnen oppineeni paljon tällä kertaa ja odotan innolla tulevia GIS-kurssinkertoja. Toivotaan että tulevaisuudessa  QGIS-ohjelma jaksaa paremmin eikä kaadu niin usein.

Lähteet:

Anttoni Tumanoff https://blogs.helsinki.fi/gis-1-anttoni/ (luettu 3.2.2019)

Saaga Laapotti https://blogs.helsinki.fi/saagalaa/ (luettu 3.2.2019)