Voitokkaita onnistumisen kokemuksia – geoinformatiikan menetelmät I viides viikko

Harjoituskerta 14.2.2023 + kotona tehdyt harjoitukset

Kurssikerralla tehtävät työt ja jatko sitten kotona oli melko itsenäistä. Tehtävät olivat hieman vaihtelevia haastavuustasoltaan, mutta onneksi suurimmasta osasta selvisin ihan hyvin. Ongelmanratkaisukykyni oli koetuksella, mutta haastavien kohtien kääntöpuoli on toisaalta ilahduttava onnistumisen kokemus. Eli vaikkei kaikki sujunut kuin vettä vaan, jäi tämän kerran tehtävistä harvinaisen hyvä mieli. Aiemmista tuskailuista on selvästi ollut jotakin hyötyä!

Aivan alkuun tutkittiin viime viikon harjoituksissa tehtyä Pornaisten aluetta. Tehtävien varmaankin tärkein uusi työkalu oli buffer, jolla saatiin halutun kohteen ympärille halutun kokoinen puskurivyöhyke. Bufferoimalla pystyy tutkimaan oikeastaan hyvin monipuolisesti asioita, joiden etäisyydellä johonkin toiseen kohteeseen on väliä, kuten asutuksen, palveluiden tai vaikka tiestön suhdetta johonkin kohteeseen. Buffer-työkalu olikin ihanan helppokäyttöinen ja Select features by location -työkalun avulla tarvittavat tiedot sai hyvin helposti selville. Taulukosta 1 löytyy näitä tietoja Pornaisten alueelta.

Pornaisten alueen tehtävät oli hyvin yksinkertaisia, mutta pientä lisähaastetta toi Malmin ja Helsinki-Vantaan lentoasemiin liittyvät tehtävät (taulukko 2 ja 3). Näissäkin buffer-työkalu oli yksi keskeisimmistä, mutta erityisesti Helsinki-Vantaan lentoasemaan liittyi vahvasti myös Clip- tai Intersect-työkalu. Ne olivat hyvinkin toisiaan vastaavat, mutta itse päädyin kaikissa tehtävissä käyttämään Clip-työkalua vaikka molempia kokeilinkin. Malmin lentokenttään liittyvät ensimmäiset kysymykset oli helpot bufferoimalla ja käyttämällä tuttua Select features by location -toimintoa, mutta jälkimmäisiin lisäkysymyksiin täytyi aineistoa hieman rajata käyttöönottovuoden mukaan. Malmin lentokenttä otettiin käyttöön joulukuussa 1936, joten omassa taulukossani on pientä virhettä sillä siinä on mukana kaikki vuonna 1936 käyttöönotetut rakennukset. Toisin sanoen taulukon 2 luvuissa on myös sellaisia rakennuksia, jotka on mitä luultavimmin otettu käyttöön ennen kuin Malmin lentokenttä on aloittanut toimintansa. Tajusin tämän sen verran myöhäisessä vaiheessa, ettei aika enää riittänyt korjata sitä, joten ajattelin vain mainita sen tässä tekstin yhteydessä.

Helsinki-Vantaan lentoasemaan liittyvät tehtävät olivat jo haastavampia, mutta ratkaisun löytyessä hurjan palkitsevia. Taulukon 3 ensimmäisen rivin luku oli hyvinkin helppo saada bufferoimalla, mutta siitä eteenpäin täytyi jo vähän osata soveltaa oppimaansa. Ratkaisu löytyikin kurssikerralla, kun lähimpänä istuvien kurssikavereiden kanssa yhdessä pohdittiin. Huomasin myös tehdessäni viimeistä kohtaa taulukosta 3, jossa tutkittiin poikkeuksellista tulosuuntaa lentokoneille, että hajontaa on aika paljon. Itse saamani luku on taulukossa 3 näkyvä 12 222, mutta esimerkiksi Tatun (Jentze, 2023) saama luku oli hieman yli 26 600 ja Kalla-Marian (Tiilikainen, 2023) saama luku taas hieman yli 13 000. Omiin kykyihini en luota niin paljoa, että osaisin taata oman lukuni olevan lähellä oikeaa, mutta oli mielenkiintoista huomata hyvin erilaisia tuloksia.

Taulukossa 5 hypättiinkin tutkimaan taajamia. Tässä vaiheessa Select features by location -toiminto oli kovalla käytöllä. Aineistoa täytti myös rajata erilaisin perustein melko paljon. Näiden väestötietojen tutkiminen oli yllättävän hankalaa, mutta lopulta kun solmun sai päässään auki oli ratkaisu yllättävän yksikertainen. Kenties tauko olisi ollut paikallaan, sillä huomaan ajattelevani kamalan hankalasti asioita, jos teen niitä pitkään kerralla. Ongelmista tulee suurempia kuin ne ovatkaan.

Viimeinen tehtävä oli vapaavalintainen kolmesta vaihtoehdosta ja itse valikoin uima-altaat ja saunat pääkaupunkiseudulla (taulukko 6). Tällä kertaa käytin huomattavasti enemmän Select features by value -toimintoa, joka osoittautui hyvin käteväksi. Kuten Iina (Kiikeri, 2023) kirjoittaa omassa blogissaan, kyseisen työkalun oppiminen ja käyttö helpottaa kummasti elämää. Aivan ongelmitta en kuitenkaan tehtävästä selviytynyt, sillä tehtävässä olisi lisäksi kuulunut tutkia millä alueella on eniten uima-altaita ja esittää se kartalla. Kokeilin vaikka ja mitä, mutta en saanut hyvää vastausta tai karttaa aikaiseksi, joten annoin sen sitten olla. Kuvan 1 mukaiseen karttaan saakka pääsin ongelmitta, mutta siitä eteenpäin ei sitten enää onnistunutkaan, joten ajattelin nyt sitten sen yhden kartan lisätä tämän tekstin jatkoksi. Kartasta selviää talot, joista uima-allas löytyy, mutta ei valitettavasti selviä esimerkiksi tätä uima-allasrikkainta aluetta vain katsomalla karttaa.

Kuva 1. Uima-altaalliset talot pääkaupunkiseudulla.

Ehkä hieman näiden tehtävien värittämänä voin sanoa, että QGIS:in tärkeimpiä työkaluja ovat Select features by location, Select features by value, Join attributes by location, Buffer, Clip sekä joissain tapauksissa Dissolve. Ja varmasti on muitakin joita huomaa käyttävänsä, mutta en osaa vain tähän sanallistaa. Harjoittelulla näiden käyttö alkaa sujua kokoajan paremmin ja ratkaisuihin pääsee paljon helpommin, kun ymmärtää erilaisten työkalujen toimintamekanismin.

Monien vaiheiden – onnistumisten ja turhautumisten – kautta päästiin tälläkin kertaa maaliin taas hieman parempien QGIS-taitojen kanssa, kivaa!

 

Lähteet:

Jentze, T. (2023). Itsenäistehtäviä olevinaan. MAA-202 Tatu -blogin kirjoitus 22.2.2023. Itsenäistehtäviä olevinaan – MAA-202 Tatu (helsinki.fi) Viitattu 18.3.2023.

Kiikeri, I. (2023). Viikko 5 & harjoitus 5; alkaako väsymys painamaan? Iinan QGIS-blogi -blogin kirjoitus 20.2.2023. Iinan QGIS Blogi (helsinki.fi) Viitattu 18.3.2023.

Tiilikainen, K. M. (2023). Kurssikerta 5. Kallan blogi geoinformatiikan menetelmät 2023 -blogin kirjoitus 7.3.2023. Kurssikerta 5 – Kallan blogi (helsinki.fi) Viitattu 18.3.2023.

Kommentoi

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *