Kurssikerta 5: laskentaa ja tilastoja

Lenttokenttien melualueita piirrellen

Kurssikerta oli hyvin mieluinen, pääsi tekemään ongelmanratkaisua ja laskentaa “oikeilla” aineistoilla. Aloitin piirtämällä Malmin kiitoradat ja puskuroimalla melualueet käytöstä poistetun Malmin kiitoratojen ympärillä. 2 kilometrin säteellä kiitoradoista asui 57444 asukasta ja kilometrin säteellä melualueesta 9113 asukasta. Nyt toki on rakennettu paljon lisää, mutta Malmin kiitoradoilla onkin pyöräteitä ja matkaluisteluratoja. Malmin lentoasema valmistui 1936. Siispä tarkistin attribuuttitaulukosta valitsin 1936 tai ennen valmistuneet talot ja käänsin valinnan. 773 rakennusta oli Malmin rakentamisen jälkeen tullut alueelle ja 8925 asukasta. Toki varmasti purettu myös rakennuksia uusien tieltä, mutta hyvät lentoyhteydet ovat kiinnostaneet, tai vain Helsingin kasvu suureksi kaupungiksi.

Piirtelin Helsinki-Vantaan kolme kiitorataa uudeksi viivavektoritasoksi ja yritin laskea etäisyyksiä puskurointiin. Olin tehnyt uuden scratch-vektoritason väärää koordinaattijärjestelmää käyttäen, joten se ei antanut laskea etäisyyksiä. Onneksi Arttu osasi tässäkin neuvoa ja pääsin laskemaan melualueen asukkaita. 11108 ihmistä asui 2km säteellä Helsinki-Vantaan kiitoradoista. Tallensin nämä ihmiset uudeksi vektoripistetasoksi ja lähdin vertailemaan melualuepolygoneihin. Vain 17 ihmistä asui 2km säteellä kiitoradasta ja yli 65 desibelin melualueella. 647 ihmistä asui sen sijaan yli 55dB:n melualueella, se lienee hyväksyttävä asuinmelu. Varmasti nämä ovat myös tuulen suunnasta, puiden lehdistä ja monista maastonmuodoista riippuvia asioita, joten yksiselitteisiä fysikaalisia suureita eivät melualueet varmastikaan ole. Parhaan tiedon mukaisia silti, varmasti.

Seuraavassa olinkin jo tehnyt omaa ajatteluani™ kaakkoon sijaitsevan melualueen laskennassa. En nähtävästi ollut seurannut ohjeita, vaan tein 6 kilometriä pitkän viivan kilometrin puskuroinnilla, enkä 6,5 kilometriä pitkää viivaa 500 metrin puskuroinnilla, kuten ohjeessa oli. Jotenkin ajattelin että se suihkumoottorin melu tulee kilometrin päähän, eikä puskurivyöhyke ole kilometriä. Siispä melualueeni sisällä asui melko mukavat 27206 asukasta. Toki aineistoni oli vuodelta 2014 ja kiitorataremontti oli vuonna 2002. Siispä otin huomioon vain 2002 ja ennen rakennetut talot, jolloin meluvaikutus hiukan leveämmällä viivalla oli 21477 ihmistä. Toki uutta rakennettu varmasti vanhan päälle, joten totuus jossain välissä.

Asemat kartalle 

Naputtelin sopivat puskurivyöhykkeet ja valitsin näille uusille ympyräpolygonien sisään jäävät ihmiset. Tein ensin ilman Dissolve-valintaa nämä puskurivyöhykkeet, mikä jotenkin pilasin minun analyysini, joten uudet puskurivyöhykkeet läheisten asemien takia. 113 302 ihmistä asui asemien lähettyvillä, mikä oli 21,9% koko aineistosta. Työikäisiä näistä ihmisistä oli 76020, joten 67,1% asemien lähistöllä asuvista oli työikäisiä.

Seuraavassa tehtävässä availin vähän lisää vektoritietokantoja taajamista ja tarkistin, että taajamien ulkopuolella asuu 40613 ihmistä ja uudessa asukastietokannassa oli 1042440 asukasta, siispä 96,1% väestöstä oli taajama-asukkaita. Taajaman ulkopuolisista 40613 ihmisestä 3369 oli 7-15 -vuotiaita. Tämän laskin puoliksi käsityönä nakuttelemalla statistics-paneelin laskimeen kaikki oikeat ikäluokat. Olisi varmaan helpomminkin voinut tehdä. Lopulliseksi laskuksi tähän tuli, että 3,6% kouluikäisistä asuu taajamien ulkopuolella.

Saunoja ja uima-altaita

Innokkaana saunojana ja polskijana päätin tehdä kiinnostavaa sauna- ja uima-allas -analyysia. Aineiston mukaan Helsingissä on 855 uima-allasta. Asukkaita näissä taloissa oli 12170 asukasta, keskiarvon ollessa 14,2 asukasta. Tallensin uima-allastalot uudeksi pistetietokannakseen, jotta jatkotarkastelu olisi helpompaa.

Statistics-paneelissa ajoin komennon “KATAKER”=11, joka antoi tulokseksi 345. Siispä aineiston mukaan olisi 345 sellaista omakotitaloa, joissa on uima-allas. Kuulostaa ihan järkeenkäyvältä. 113 uima-allasta rivitaloissa ja 181 kerrostalossa uima-allas. Lauttasaaren alueella oli yhteensä 53 uima-allasta aineiston mukaan. Loin kuvan uima-altaista alueittain, histogrammi kaatoi koko ajan QGIS:in, päivitin sen uusimpaan vakaaseen (3.28.15) ja sitten onnistui jotenkin. Tässä kuva uima-altaiden jakautumisesta alueittain pääkaupunkiseudulla.

Saunoja löytyi aineiston mukaan 21922 talosta, eli 24,2 % taloista oli saunallisia. Tulos tuntui älyttömän alhaiselta ja tarkistelinkin aineistosta, että vanhoissa asunnoissani, joissa oli yhteissaunoja ja asuntokohtaisia saunoja, oli merkattu saunattomaksi.

Tehtävä oli mieluista aineistotarkastelua ja pientä pohdintaa, sain mielestäni melko helposti tehtyä tehtävät ja ainoastaan melualueen olin ajatellut eri tavalla kuin oli tarkoitettu. Muuten, hauskaa oli jälleen!

 

Kurssikerta 4: ruudukkoja, rasteriaineistoja ja taikuutta

Neljännen kurssikerran tavoitteena oli muutama erilainen tehtävä, ruudukon tekoa ja tutustumista rasteriaineistoihin. Yhdessä tekemällä opittiin runsaasti uutta. Ensimmäisenä tehtävänä rakennettiin 1km x 1km ruudukko ja laskettiin ruudukkoihin pisteaineistosta sisältöä. Asumattomien ruutujen poistaminen ja laskennat sujuivat ihan mallikkaasti ja ruotsinkielisen väestön suhde muodostui melko helposti. Alla kuvassa on ruotsia äidinkielenään puhuvien osuus koko väestöstä ruudukkokartalla. Toin näkyviin rantaviivoja ja järviä lisäämällä ruudukon läpinäkyvyyttä, mutta en ole ihan varma, mitä olen mieltä lopputuloksesta. Mielestäni iso ruudukko oli hiukan ongelmallinen etenkin Helsinginniemellä, sillä se peitti alleen tunnistettavat Helsinginniemen muodot ja esimerkiksi Lauttasaaren. Tämä on nyt kuitenkin kompromissi, jossa näkyvät molemmat elementit. Jero Hobergin blogista (2024) sain vinkin legendan tuomiseen karttakuvan päälle, jossa se mielestäni muodostaa visuaalisesti eheämmän kokonaisuuden, kiitos Jerolle vinkistä!

Kuva 1: Ruotsinkielisten osuus neliökilometrin ruuduilla pääkaupunkiseudulla.

Toisena ruudukkoharjoituksena loin Pääkaupunkiseudun päälle 250 x 250 metrin ruudukon ja mietin mitä haluan luoda. Tein yli 80-vuotiaiden osuuden karttaan, mutta pienemmällä ruutukoolla yksittäiset pienet asukasmäärät toivat karttaan paljon alueita, joissa yli 80-vuotiaiden osuus oli todella suuri ja se taas häivytti pienempiä eroja suurempien asuinalueiden välillä, joista olisin ollut kiinnostunut . En keksinyt hyvää tapaa (muuta kuin ruutukoon suurentaminen) tämän häivyttämiseen, joten vaihdoin ideaa. Yksinkertainen on välillä kaunista, joten loin pääkaupunkiseudun asukastiheyskartan 250×250 metrin ruuduilla. Etsin mukavan tumman pohjakartan, loin legendan karttakuvan päälle ja sain mielestäni informatiivisen ruudukkokartan, joka on liitettynä alla. Kuvasta myös huomaa, että asukasdata on jonkin verran vanhentunutta, Jätkäsaaren alueesta veikkaisin, että data on jostain vuoden 2014 tienoilta?

Kuva 2: Pääkaupunkiseudun asukastiheys 250 x 250 metrin ruuduilla esitettynä.

 

 

Toisena tehtävänä oli tarkoitus yhdistää Pornaisten rasterikorkeusmalliaineisto korkeuskäyrättömään peruskarttalehteen. Hillshade-aineisto vaikutti täydeltä taikuudelta. En oikein vielä ihan ymmärtänyt, millä logiikalla se toimii. Onko pikselin väri vain indikaattori korkeudesta vai onko aineistossa jokaisella pisteellä korkeusarvo ns. metadatassa? Tehtäväharjoituksen kuvauksesta tämäkin selvisi, kuten Paarlahti (2024) toteaa: “Korkeusmallirasteriaineisto on .Geotiff tai .asc -tiedostomuotoa, eli käytännössä kuva- tai tekstitiedostoja, joka sisältää tiedot jokaisesta solusta, joka rasterissa on, sekä sijaintiedot. Asc-muotoiset ovat nimellä Arc/Info ASCII Grid.” Katselin .asc -tiedostoa Notepad-ohjelmalla, joka kertoi, että korkeusarvoja siellä on peräjälkeen ja paljon. 3000 x 3000 korkeusarvoa. Alkuun kohdistustiedot ja tiedot, mitä tyhjille arvoille tehdään.

Tässä alla on korkeuskäyrät piirrettynä QGIS:in Contours-toiminnolla rinnevarjostetun Pornaisten keskustan päälle, missä näkyvät myös luomani talot pisteaineistona ja Pornaisten päätiet vektoriviivoina.

Kuva 2: Rinnevarjostettu Pornainen korkeuskäyrineen.

Lähteet:

Hoberg, J., 2024. Kolmas kurssikerta. https://blogs.helsinki.fi/hoberg/2024/02/06/kolmas-kurssikerta/, viitattu 15.2.2024.

Paarlahti, A., 2024. Harjoitus 4: Ruutuja ja rasterikarttoja sekä kartta-aineiston tuottaminen piirtämällä.

Tulva-indeksejä ja järviä

Kolmannella kurssikerralla pääsimme jälleen muokkaamaan aineistoja. Vektoriaineistojen yhdistely on mielenkiintoista ja haastavaa. Minun pitäisi ottaa paremmin selvää operaattoreista ja ohjelmiston toimintalogiikasta, jotta aineistojen muokkaus käyttötarpeisiin sopiviksi olisi helpompaa ja luontevampaa.

Otin tehtäväkseni tehdä asiat taas vaikeimman kautta ja siinä onnistuttiin. Tulva-indeksien lasku meni jo melko rutiinilla, mutta järvisyydessä olikin vähän enemmän haasteita. Kun yritin laskea järvien pinta-aloja “Join Attributes by location” -työkalua käyttäen, sain Jänisjoen järvisyydeksi otettua mukaan Laatokan. Järvisyys oli siis pitkälti yli 100%. Ei mennyt taaskaan ihan oikein. Käytin siis väärää “geometrista predikaattia” ja muidenkin valintojen osalta sain hiukan vääriä lukuja kun laskeskelin järvien pinta-aloja. Siispä käytin valuma-alueen attribuuttitaulukosta löytyvää pinta-alatietoa järvisyysprosentin laskemiseen. Tässä on selvästi parannettavaa minulla, miten saan oikeat valinnat tehtyä, jotten laske vähän leikkaavaa isoa polygonia osaksi haluttua pinta-alaa.

Tehtävässä oli kuitenkin muutenkin riittävästi työvaiheita ja pohdittavaa, joten jätin tämän Jänisjoen ja Laatokan mysteerin myöhempään elämään. QGIS:in histogrammityökalu oli melko kattava, mutta silti lievää tuskastelua aiheuttava. Sain kuitenkin luotua järvisyydestä kohtalaisesti minua miellyttävän esitystavan, vaikka legenda jättääkin hiukan toivomisen varaa. Antaisin itselleni yrityksestä kuitenkin arvosanaksi “ihan hyvä, yritetty on / 5”. Visualisointi ja värien valinta on aina hiukan arvontaa ja lottokoneen pyörittelyä, mutta mielestäni sain kuitenkin melko helposti tulkittavan tulva-indeksin koropleettikartan järvisyydellä höystettynä. Kartta on esitetty alla.

Kartta esittää tulvaindeksin keskivalunnan ja suurimman valunnan välillä. Järvisillä alueilla tulva-indeksit näyttäisivät olevat paljon pienempiä, kuin vähempijärvisillä alueilla. Lyhyemmin:  mitä enemmän järviä, sitä vähemmän tulvia. Se on ihan loogista kyllä, järvet tasaavat sadantaa säännöstelemällä valuntaa jokiin. Suomessa tulvat ovat melko harvinaisia ylipäätään, sillä rakennettua ympäristöä on verrattain vähän ja suuri järvisyys tasoittaa veden valuntaa jokiuomiin (SYKE, 2000) Kaupunkialueilla samat lainalaisuudet pätevät hulevesialueiden hallinnassa, sillä viheralueet ja järvet pienentävät kaupunkitulvien mahdollisuuksia, mikä on esimerkiksi Helsingin kaupungin nykyrakentamisessa huomioitu (Koskinen, 2019).

Lähteet

Koskinen, P., 2019. Nykykaupunki ei kestä tulevaisuuden rankkasateita – viisi asiaa, jotka lisäävät tulvariskiä. Ylen artikkeli:  https://yle.fi/aihe/artikkeli/2019/10/17/nykykaupunki-ei-kesta-tulevaisuuden-rankkasateita-viisi-asiaa-jotka-lisaavat, viitattu 5.2.2024.

Ollila, M., Virta, H. & Hyvärinen, V., 2000. Suurtulvaselvitys. Helsinki: Suomen Ympäristökeskus