Month: February 2021

 

Viidennellä kurssikerralla kävimme taas uusien QGis:sin ominaisuuksien kimppuun. Näitä olivat mm. sum line lenght, clip, intersect ja buffer. Viikkotehtäviin kuului itselle hyvin kiinnostavat datat lentokentistä ja pääkaupunkiseudun infastruktuurista. Käyn seuraavaksi tehtävä kerrallaan tehtävien pohdintoja ja tuloksia.

Lentokentät

Kuvassa on Malmin lentokentän kiitoradat punaisella, 1km säde kiitoradoista vihreällä ja 2km säde oranssilla. Keltaisella merkityt pisteet ovat asuttuja rakennuksia 2km säteen alueella.

Kuva 1: Malmin lentokentän lähiympäristön asutus

Tarkastelin Malmin lentokentän kilometrin säteellä olevia rakennuksia ja niiden käyttöönottovuosia. Atribuutti-taulukosta kävi ilmi, että vanhin rakennus oli rakennettu vuonna 1800. Malmin lentokenttä valmistui vuonna 1936 ja tätä ennen rakennuksia kilometrin säteellä oli asutettuna 57. Vuoden 1936 jälkeen, kilometrin säteelle on rakennettu jopa 754 uutta rakennusta meluhaitasta huolimatta.

Tuloksia

Malmin lentokenttä
1km säteellä asuvat	9121
2km säteellä asuvat	58835
Helsinki-Vantaan lentokenttä
2km säteellä asuvat	12031
65dB melualueella	20
Juna- ja metroasemat
Asemista 500m päässä asuvat	111765
prosentteina	21,65 %
Saunat
Yhteensä PK:seudulla	21922
prosentteina	24 %
Uima-altaat
Uima-altaita sisältäviä rakennuksia	855
joista omakotitaloja	345
joista paritaloja	158
joista rivitaloja	113
joista kerrostaloja	181

Malmin kiitoradoilta 2km säteellä asuu 58835 asukasta 4954 taloudessa. 1km päässä kiitoradoista asuu  9121 asukasta 829 taloudessa. 1km päässä kiitoradoista asuu  9121 asukasta 829 taloudessa.

Näistä asukkaista 20 asukasta 8 taloudessa asuu pahimmalla melualueella. Tällöin vain 0,2% 1km päässä asuvista asuu 65dB melualueella. Vähintään 55dB alueella asuu 11923 asukasta 1780 taloudessa. Tämä siis pitää sisällään myös 60dB ja 65dB arvot.

Mikäli Helsinki-Vantaan kolmatta kiitorataa käytettäisiin, olisi 7km pitkän ja 1km leveän meluhaitan vaikutus 940 ihmisellä eli 255 taloudella.

2. Asemat 

Juna- ja metroasemien lähellä olevia asutuksia kartan alueella on 111765 asukasta 5396 rakennuksessa. Eli 21,65% prosenttia alueen asukkaista asuu alle 500 metrin päässä metro- tai juna-asemasta.

3. Uima-altaat

Tehtävänantoa lukiessani mielenkiinto aihetta kohtaan heräsi. Tuntui että Helsinkiläisenä voin jo melkein suoraan sanoa, missä uima-altaita on eniten. Kulosaari ja Westend tuli ensimmäisenä mieleen. Tehtävä alkoi statistics paneelia tulkitsemalla ja joined layerin tekemisellä.

Ongelmaksi kuitenkin syntyi error viesti, joka tuli “join attributes by location (summary)” työkalulla. Monien blogien lukemisen jälkeen huomasin, etten ollut yksin ongelman kanssa. Ilarin blogista löysin onnekseni ratkaisun ongelmaan, josta virhearviot oli otettava pois asetuksista. Tällöin sain tehtyä joined layerin uima-altaiden sijainneista kartalla.

Muistini petti pahimman kerran, kun karttaa piti alkaa visualisoimaan, enkä saanut värigradienttia kuvaamaan haluamaani tietoa. Alkoi taas blogien selailu ja lopulta löysin ratkaisun Lotan blogitekstistä. “Count points in polygon” -työkalulla sain näppärästi kartalle liukuvan värigradientin uima-altaiden määrästä. (kuva 2)

Kuva 2: Uima-altaalliset rakennuksen Pääkaupunkiseudulla pienalueittain.

Rakennuksia, jossa on uima-altaita PK seudulla on 855. Niissä asuu 12170 ihmistä.  Karttakuva 2 näyttää sijainnit näille rakennuksille pienalueittain. Käytin havainnollistamisessa ympyrän paksuutta korostamaan eroja. Numerot alueiden sisällä kuvaa uima-allas rakennusten määrää.

Yhteenveto

Tämän viikon tehtävät kestivät selvästi pidempään aikaisempiin viikkoihin verrattuna. Harjoitin muistiani tekemällä viikon harjoitustyön päivää ennen seuraavaa harjoituskertaa, mikä ei helpota asioiden muistamista. Koin ajoittain turhautuneisuutta omalle kohdalleni, kun varattuani kahdeksan tuntia aikaa QGis työlleni, aika lipsuikin käsistä muihin töihin (tai häiriötekijöihin.) Joka tapauksessa, olen tyytyväinen että sain viikon työt tehtyä oikeaoppisesti ja olen tyytyväinen oppimaani.

Kotitoimiston avautumiset

Suurimpana oman oppimisen edistäjänä on kiinnostus oppiaihetta kohtaan. Tiedonkäsittely on varsin tärkeä taito omaksua ja koenkin olevani osittain nopea oppimaan tietokoneiden ja niiden sovelluksien käyttöä ja soveltamista. Merkittävänä ongelmana kuitenkin koen koronan vaikutukset vireystilaani koulutehtäviä tehdessä. Toistuvat yksilötehtävät ja kotona työskenteleminen on raskasta pitkällä aikavälillä ja se syö motivaatiota muuten kiinnostavissa oppiaineissa. Häiriötekijät ja itsekurin lipsuminen luo kotonani varsin epänautinnollisen opiskelukokemuksen. Toivottavasti syksyllä päästään kampukselle normaaliin opiskeluun.

Lähteet

Leino, I. (2021) Viides kurssikerta https://blogs.helsinki.fi/ilarilei/

Mattila, L. (2021) Itsenäiset tehtävät: Tunteiden vuoristorata https://blogs.helsinki.fi/lottmatt/

Neljännellä kurssikerralla kävimme läpi tilastojen liittämistä ruutuaineistoon, korkeuserojen visualisointia rinnevarjostuksella, sekä rasteriaineistojen luomista QGIS ohjelmassa. Eli paljon uutta ja jännittävää!

Latasimme Pääkaupunkiseudun tilastoja, joita opettelimme käsittelemään QGIS-sovelluksessa ruutuaineistona. Ruutuaineisto tuntui näppärältä tavalta löytää keino havainnollistaa dataa kartalla. Kurssikerran esimerkin lisäksi tein itse valitusta teemasta havainnollistavan kartan (kuva 1). Kurssikerralla kävi ilmi, että vanhin asutettu rakennus pääkaupunkiseudulla on vuodelta 1750. Päätin tehdä kiinteistöiän tilaston mukaan ruutuaineiston, joka näyttää ruudun vanhimman asutetun kiinteistön valmistusvuoden. Kuva havainnollistaa, missä vanhimmat asutetun kiinteistöt sijaitsevat pääkaupunkiseudulla.

Tein kyseisen kuvan valitsemalla alueen asuntovuoden minimiarvon. Tällöin vaikka alueella olisi enimmäkseen 2000-luvun asuntoja, näyttäisi tilasto kartalla vain vanhimman yksittäisen asunnon iän. Tämä pitää tiedostaa karttaa tulkittaessa, että kyseessä ei ole asuntojen valmistusvuoden keskiarvo, vaan minimi. Informatiivisuuden lisäämiseksi kartalle olisi hyvä ilmoittaa kiinteisöjen valmistusvuoden keskiarvo vuosittain. Tämä auttaisi lukijaa ymmärtämään, että kartta ei nykyisessä muodossaan kerro alueen kiinteistöjen keski-iästä mitään.

Kuva 1: PK-seudun vanhimman asutun kiinteistön valmistusvuosi

Seuraavaksi teimme Pornaisten lähialueella rasteriaineiston tulkintaa rinnevarjostuksen ja pinnanmuotojen avulla. Lisäksi opettelimme kartan valmistelua oikealle projektiolle. Oikean projektin valitseminen aina, kun luodaan tai yhdistellään karttoja on varsin yksinkertainen prosessi, mikä voi unohtuessaan vääristää lopputulemaa hurjasti. Siksi koin erityisen tärkeäksi kirjoittaa sen muistiksi blogiin.

Pornaisten keskuksesta aloitimme merkitsemään päätiestöä ja asuintaloja kartalle. Tämä muistutti mieleen aikaisemman “tiedon esittäminen maantieteessä” kurssin, jossa digitoimme karttaa samalla tekniikalla (tosin silloin käytössä oli CorelDRAW-sovellus). Hiiren klikkailu ei tuottanut turhautumista, kuten Helmikin totesi, piirtäminen sujui todella kätevästi vanhojen tietojen pohjalta. Koin sen rauhoittavana ja tässä skaalassa varsin nopealta toimeenpiteeltä.

Kuva 2: Pornaisen asuintalot  peruskartalla

 

Lähteet:

Lappalainen-Imbert, H (2021) Kerta 4- Ruudukoita ja tiedon tuottamista piirtämällä. https://blogs.helsinki.fi/laphelmi/