Month: February 2023

Tykkäsin paljon viime luentokerrasta. Bufffereiden luominen oli mielenkiintoista ja pääosin helppoa (kuva 1.1). Luennolla Helsinki-Vantaan tehtävässä kuitenkin ilmeni ongelmia, sillä bufferiin ilmestyi rako  (valitettavasti en ottanut kuvaa).  Vika bufferissa myös teki sen, että Helsinki-Vantaan tehtävät jäivät kesken ja kotiin tehtäväksi.

Kuva 1.1 Malmin lentokenttä ja bufferivyöhykkeen sisälle jäävät asukkaat

Taulukko 1.1

Tehtävä 1 Malmi
Kuinka monta ihmistä asui Malmin lentokentän pahimmalla melualueella sen vielä toimiessa, jos mukaan lasketaan kaikki asukkaat 2 km säteellä kentästä?	59737
Entä 1 km säteellä asuvat?	8 900

Itsenäinen työskentely 

Kun vihdoin ja viimein kotona työskentelminen jatkui, ei muistista tuntunut löytyvän luentokerran oppeja. Ei siinä mitään 😀 Vietin kaksi tuntia pelkästään GQIS:iä tuijottamalla ja kokeilemalla erilaisia työkaluja. Lopulta mieli alkoi aktivoitumaan ja erilaisia työkaluja löytyi oikeissa vaiheissa. Eteneminen oli kuitenkin erittäin hidasta uuden tehtävän alkaessa.

Helsinki-Vantaa tehtävän kanssa kamppailin kovasti  lukumäärien löytämisen kanssa. En myöskään ole varma siitä, että oliko erilaisten melutasojen luonnista hyötyä. Kuin loin uuden “shapefile layerin” , attribuuttitaulukosta ei löytynyt kyseisen melualueen dataa. Sain osuudet kuten kysymyksen kaksi (65dB) laskettua silmämääräisesti. Muut osuudet löytyivät ensin valitsemalla halutun alueen ja rajaamalla valitun alueen asukkaat “select by location” työkalulla. Tämän jälkeen lukumäärät löytyivät “statistical summarysta” etsimällä kohdasta “Vantaa_vaesto_point” ja rajaamalla”selcted features” .  Saaneen myös mainita, että alussa ihmettelin suuresti ihmeellisiä lukuja “statistical summarysta”. Olin unohtanut kokonaan “selected featuren” ruksittamisen…. Mutta tämä vähintäänkin tuotti helpotuksen ja ahaa-elämyksen. 

 

Kuva 1.2 Helsinki-Vantaan lentokentän 60dB melualue ja melualueen sisälle jäävät asukkaat

Taulukko 1.2

Tehtävä 1 Helsinki-Vantaa
Tutki kuinka monta asukasta asuu Helsinki-Vantaan lentokentän välittömässä läheisyydessä, etäisyys kiitoratoihin linnuntietä alle 2 km.	Yhteensä 11741 asukasta
Tutki kuinka monta prosenttia edellisen kohdan asukkaista asuu Helsinki-Vantaa lentokentän pahimmalla melualueella (65dB)?	Yhteensä 6 asukasta ja asukkaiden osuus prosentteina on 0,05 %. 6/11741*100=0,05%
Kuinka monta ihmistä asuu vähintään 55dB melualueella?	Vähintään 9303 asukasta.
Kuinka monen ihmisen elämää vähintään 60dB lentomelu haittaisi Tikkurilassa, mikäli saapuva liikenne käännettäisiin jälleen laskeutumaan poikkeuksellisesta suunnasta?	Vähintään 2317 asukasta.

Niin ja sitten tämä koulutehtävä. Koulutehtävää tehdessä kone päätti useamman kerran jumittaa. Jouduin useamman kerran avaamaan aineistot uudelleen. Tämän päästyäni ylin, suurin ja eniten aikaavievä kysymys todellakin oli sellainen, että “mistä aloitan ja mitä minun pitää rajata”. Pitkän pohdinnan jälkeen kuuntelin omaa vaistoani ja kokeilin “clip” työkalua, jonka avulla sain leikattua Yhtenäiskoulun koulupiirin muista koulupiireistä. Tämän jälkeen tekeminen nopeutui ja lukumäärät löytyivät. Tuntui siltä, kuin loppuosan tehtävien teossa olisi toistanut samaa kaavaa ja “select by location” uudelleen käyttöä.

Jäin kuitenkin pohtimaan tekemiäni ikävalintoja kuten Erika Lindblom blogikirjoituksessa “5.kurssikerta”. Erika tuo esille sen, että koulun aloitttaessa kaikki yksilöt eivät täsmää yhtä ikää. Ala-aste aloitetaan yleisesti 7-vuotiaana, sillä suurin osa on kerennyt täyttämään 7-vuotta, mutta ei kaikki. Minua jäi myös häiritsemään kysymyksien muoto “ensi vuonna aloittavat”, sillä en ollut varma oliko kysymyshetkellä edellisen vuoden talvi vai syksyä edeltävä kevät. Päätin tulkita syksyä edeltäväksi kevääksi, jolloin valitsin esimerkiksi 7-vuotiaat. Jos kyseessä olisi ollut edellisen vuoden talvi, olisin valinnut 6-vuotiaat, sillä kukaan ei olisi vielä täyttänyt 7-vuotta. Toivottavasti en aiheuttanut hämmennystä tällä, sillä jouduin itsekin pohtimaan omaa tulkintaani.

Taulukko 1.3

Tehtävä 3 Koulut
Kuinka paljon Helsingin Yhtenäiskouluun on tulossa uusia koulutiensä aloittavia oppilaita aineiston keruuhetkestä seuraavana vuonna, sen omasta koulupiiristä?	Yhteensä 14 uutta oppilasta. (7v)
Kuinka suurta määrää yläasteikäisiä oppilaita Helsingin yhtenäiskoulun pitää varautua opettamaan seuraavana vuonna (oma koulupiiri)?	Yhteensä 63 yläasteikäistä oppilasta. (13v,14v,15v)
Kuinka suuren osuuden koulupiirin alueella asuvista asukkaista muodostavat kouluikäiset lapset ja nuoret (ala-aste ja ylä-aste)	Yhteensä 1894 asukasta Yhteensä 159 kouluikäistä lasta ja nuorta   159/1894*100=8,4%   Kouluikäisten lasten ja nuorten osuus kaikista koulupiirin asukkaista on 8,4%.
Kuinka monta muunkielistä kouluikäistä alueella asuu, jos oletetaan että muunkielisissä perheissä lasten ja aikuisten suhde on sama kuin edellisessä kohdassa laskettu? Luku on vain arvio, ei siis tarkka lukumäärä.	110 muunkielistä   110*0,084=9,24   Koulupiirin alueella asuu noin yhdeksän muunkielistä kouluikäistä.

Pohdintoja omasta kehittymisestä

GGIS taidoissani on selvästi tapahtunut positiivista kehitystä.  En kuitenkaan sanoisi, että minusta löytyisi luonnonlahjakkuutta geoinformatiikkaa kohtaan. Kehittymiseni kannalta tärkeää ovat olleet oma kärsivällisyys(kaikista koetuksista huolimatta) ja itsenäiseen työskentelyyn pyrkiminen (vaikka toki haluan/pyydän apua ).

QGIS:in käyttö periodin aikana on tullut koko ajan lähemmäksi itseäni. On ihanaa huomata, kuinka osaan jo automaattisesti muokata aineistoja esimerkiksi “symbology” kohdasta. Olen myös vihdoin päässyt eroon “takaisin-napin” ikävöinnistä 😀 Tämän kyseisen työkalun puuttuminen toi useamman kerran ahdistusta, sillä “millä muullakaan” pystyisin poistamaan omat tuherrukset. QGIS on opettanut minulle sen, että “takaisin-napin” lisäksi on muitakin keinoja.

Läpi periodin haastavaa on aina ollut soveltaminen. Luennoilla on helppo seurata, mutta entä sitten työskenteleminen omilla aivoilla? Tähänkin olen huomannut sen, että ei muu auta kuin vain kokeilla. Soveltamisen hankaluus hidastuttaa tekemistä, mutta tärkeintä on aina huomata, kuinka lopulta asiat loksahtaa paikoilleen. Jos nyt konkreettisesti mainitaan joitain vaikeita työkaluja, niin ehdottomasti uusien tasojen luominen itse (niin että hyödyn siitä) ja “join” työkalu (en muista aina miten täytetään). Olen myös ottanut uudeksi tavaksi kirjoittaa niin luennoilla kuin kotona vihkoon haasteista ja oivalluksista. Näin pyrin ehkäisemään kompastumista samoihin ongelmiin.

Lähde:

Lindblom E. (20.2.2023) Kurssikerta 5. [blogikirjoitus]

 

On taas aika kirjoitella viikon harjoituksista. Todetakseni myös heti tähän alkuun, ettei tavoitteeni  blogin kirjoituksesta (luennolta 3) toteutunut 🙁 Ilokseni sain flunssan, joka veti itseni sängyn pohjalle. Positiivista on kuitenkin se, että itsenäinen työ onnistui ja harjoitukset on saatu kasaan. Jeeee!

Ensimmäisenä ruutukartat (kuvat 1,2) , joista pyrin tekemään erilaiset. Lopulta kuitenkin kartoista tuli melko samannäköisiä, kuntarajoja ja legendaa lukuun ottamatta. Mielestäni oli kuitenkin visuaalisuuden kannalta parempi laittaa kuntarajalle väri (kuva 1), sillä ruudukot tulevat paremmin esille. Toisessa kartassa (kuva 2) taas muokkasin itse luokkavälejä, jotka mielestäni jättivät selkeän jaon. Itse tykästyin suuriin ruutuihin, mutta olisi ollut myös varmaan hyvä kokeilla pienempiä ruutuja kuten Rebekka Ylätalon blogikirjoituksessa “Viikko 4”. Parempana puolena pienemmissä ruudukoissa olisi se, että ruudukot “sulautuisivat joukkoon”.

Moodleen ladatut videot olivat suurena apuna karttojen tekoon! QGIS:in työkaluista oli nopeampi löytää ja muokata, kun pystyi tekemään videon tahtiin. Työvaiheet jäivät myös aika hyvin mieleen. Ensin tuotiin data ja vektori kohdasta luotiin ruudukko. Seuraavaksi karsittiin tyhjät ruudut “select by location” työkalulla ja ylimääräiset sarakkeet “join attributes by location työkalulla”. Viimeisenä ruudukolle luotiin tietylle muuttujalle luokkavälit.

Kuva 1) Ruotsinkielisten määrä Pääkaupunkiseudulla

Kartassa (Kuva 1) erottuvat hyvin ruotsinkielisten asukkaiden jako. Ruotsinkielisten joukko painottuu ennen kaikkea Helsingin keskustaan, mutta myös Espoon rannikkoalueille. Toisessa kartassa (Kuva 2) pystyy huomaamaan, kuinka eri tavalla muunkielisten painottuminen eroaa ruotsinkielisistä. Kumpikaan kartoista ei kuitenkaan anna sen syvällisempää informaatiota. Kartat niin sanotusti antavat vain “kokonaiskuvan”. Paikannimistön puuttuminen saattaa myös vaikeuttaa kartan lukua.

Kuva 2) Muunkieliset asukkaat Pääkaupunkiseudulla

Viimeisen harjoituksen (Kuva 3) koin oikein rentouttavaksi. Oli mukava hieman piirrellä teitä, lisätä korkeuskäyriä ja analysoida rinnevarjostuksia. Tällä kertaa ainoa kompastuskivi oli “New Shapefile layerin” löytäminen 😀 Ei siinä mitään… Saipahan sitä aikaa kulumaan hieman GQIS työkalua etsimällä. Mielestäni sain kartasta oikein hienon ja visuaalisesti hyvän.

Kuva 3) Harjoitus Pornaisten alueelta

Seuraavaan kertaan siis!

Lähde:

Ylätalo R. Viikko 4 [blogikirjoitus] 14.2.2023

Aloin juuri pohtimaan, että olisi varmaan parasta oppia kirjoittamaan blogia heti luennon jälkeen. Olen huomannut, että luennolla tehdyt asiat ja vaiheet alkavat jo viikonlopun jälkeen hämärtymään. Kenties huomisen luennon jälkeen uusi yritys. 😀

Viime luennolla siis käytimme karttapohjana Afrikan maanosaa (Kuva 1). Vaiheita oli lukuisia, joita nyt kaivankin mieleni syövereistä. Ensimmäisenä siirsimme kuitenkin datan QGISiin niin kuin aina ennenkin. Tällä kertaa kuitenkin uutta oli kohteiden yhdistäminen, sillä Afrikan maanosan attribuuttitaulukkoon haluttiin vain valtiot näkyviin. Attribuuttitaulukkoon saatiin valtiot koostettua “dissolve” työkalulla. Myös uusi tärkeä oppi luennolta oli datan tuonti excelistä (csv muodossa) ja  “join” työkalu, jolla tietokantoja liitettiin valitsemaan layeriin. Lopuksi käytettiin “join attributes by location (summary)”, jotta voitiin tarkastella esimerkiksi valtiokohtaisesti öljykenttiä. Paljon siis kaikkea….

 

Kuva 1) Luennolla tehty harjoitus ja esiintymät Afrikassa

Koska en enää pääse tarkastelemaan kyseistä työtä (kuva 1), attribuuttitaulukon tietoja on hieman hankala analysoida (ajankohtien ja lukumäärien näkökulmasta). Muistan kuitenkin luennolta sen, että konfliktien voitiin nähdä olevan yhteydessä valtioiden timanttikaivoksiin. Oli myös tapauksia, joissa esiintyi vain konflikteja tai timanttikaivoksia.

Kuva 2) Itsenäinen harjoitus ja tulvaherkkyys

Viimeisenä vielä itsenäinen harjoitus (Kuva 2). Itsenäisessä harjoituksessa havainnollistettiin Suomen kartalla tulvaherkkyyttä ja alueiden järvisyyttä. Sain kartan melko vaivattomasti tehtyä. Ainoa kompastuskivi oli “join” työkalu, jossa aluksi valitsin vääriä kohteita “join field” ja “join target” kenttiin. Kartan lopputulos miellytti minua. Tajusin kuitenkin Iina Kiikerin blogitekstiä “Tietokantoja ja lisää tietokantoja!” lukiessa, kuinka olen kokonaan jättänyt sivuun luokkavälien muokkaamisen. Iinan mukaan hänen kartalla luokkajaot olivat liian pieniä ja punaisen sijaan olisi hän käyttänyt mieluummin sinistä. Omassa kartassani luokkavälejä olisi voinut muokata niin, että ensimmäisessä palkissa ei olisi ollut niin suurta jakaumaa kuin (1-67). Näin valkoinen väri ei olisi haitannut. Nyt kuitenkin jotkin tärkeät tulvaherkät kohteet jäävät pois näkyvistä.

Kokonaisuudessaan kartta kuitenkin mielestäni esittää hyvin tulvaherkät alueet. Tulvaherkkyyttä on erityisesti Länsi-Suomen rannikolla, jossa järvisyysprosentti on pieni ja topografia tasaista. Järvisyysprosentti on taas suurta esimerkiksi Itä- ja Keski-Suomessa. Näillä alueilla päinvastoin tulvaherkkyys on pientä, sillä vesistöt pääsevät valumaan ympäröiviin järviin.

Kiva jos oot eksynyt lukemaan mun tekstejä! Heippa <3

Lähteet:

iinakiik’s blog (helsinki.fi)