VIIKKO VII: Oppimisen multihuipentuma

Viikko 7 harjoitus oli se, johon panostin toden teolla. Päätin yrittää tuottaa kaupunkimaantieteeseen sopivaa aineistoa. Koska pääkaupunkiseutu on koti, päätin tuottaa siitä dataa. Niinpä suuntasin Helsinki Region Infoshareen, josta löytää avointa dataa yllin kyllin. Päätin keskittyä asuntotuotantoon ja suhteuttaa sitä väkimäärään. Koska tietokoneeni tarvitsee putsausta kandiprojektin jäljiltä, päätin käyttää muilla kursseilla oppimaani kikkaa olla lataamatta aineistoja koneelle, vaan käyttää WFS toimintoa QGIS-ohjelmassa.

Kopioin siis WFS-rajapinnan osoitteen, eli https://kartta.hsy.fi/geoserver/wfs ja loin yhteyden QGISiin. Lisäsin projektiin kolme layeria Add toiminnon avulla. Niistä pohjana karttaesityksille käytin kaupunginosat_2020 ja Vaestotietoruudukko_2020 aineistoja. Kartta 1 muuttuja oli Alkaneetasunnotmal2016_2019.

Aloitin prosessin siistimällä kaupunginosa-aineistosta ne rivit, joiden kunta ei ollut 091 eli Helsinki. Alkaneetasunnotmal2016_2019 layeristä poistin ne pisteet, jotka eivät olleet alueella. Sen tein Extract by location -toiminnon avulla, ja valitsin siihen geometriaksi intersect. Kohtasin ongelman tässä vaiheessa, eli minun piti miettiä, mitkä väestöruudut olivat Helsinkiä ja mitkä eivät. Suomea, toisin kuin osaa Afrikasta, ei ole jaoteltu viivottimen kanssa. Sen takia kuntarajat ja neliön muotoiset väestöruudut eivät mene yksi yhteen. Kuva 2 näyttää esimerkin tästä Pitäjänmäen länsiosasta.  Päädyin yksinkertaiseen ratkaisuun: vaikka lopputulos ei ole täydellinen, on se ihan kelvollinen. Tämä harjoitustyö, jossa tulee harjoitella kriittisen ajattelun ohessa QGIS ohjeman käyttöä. Laskin jokaiselle väestöruudulle keskikohdan, eli centroidin samannimisellä funktiolla. Tämä teki sen, että ne muuttuivat pisteiksi, jolloin ne väkisin sijoittuivat johonkin kuntaan.

Sen jälkeen aloitin itse analyysit. Selvitin kuinka monta asuntoa aloitetuissa rakennushankkeissa oli per kaupunginosa. Tämän tein Count points in polygon funktiolla. Weight field muuttujaan laitoin “asuntoluku”. Haluan vielä selventää että tarkistin asuntoja, en taloja tai rakennuksia. Käytin samaa funktiota Centroid layeriin, jotta saisin selville jokaisen kaupunginosan väkiluvun. Uudesta Count-asukkaat layeristä avasin attribuuttitaulukon ja tarkastelin kaupunginosan asukkaiden määrän. Se näkyi numpoints -sarakkeesta. Liitin Count-asukkaat layerin Count-asunnot layeriin Join toiminnolla, yhdistävänä tekijänä attribuutti “kaupunosanro”. Sen jälkeen tein uuden sarakkeen attribuuttitaulukkoon, johon jaoin alkaneet asunnot määrän kaupunginosan väkiluvun mukaan. Lopuksi kerroin sen sadalla saadakseni prosenttiluvun.

Kuva 1 – Vuosien 2016-2019 aikaan alkaneeen asuntorakentamisen määrän kaupungiossa suhteessa kyseisen kaupunginosan väkilukuun, tulos prosentteina

Kuvassa 1 eniten asuntoja suhteessa väestöön kaupunginosassa on aika yllätyksettömästi Länsisatamassa. Se on vanha satama-alue, jossa rakennetaan paljon uutta asuntokantaa. Myös Pasilaan rakennetaan paljon asuntoja. Varsinkin alueen itäosassa ja Ilmalassa on paljon toimistoja, joten uudet asunnot suhteessa väkilukuun nousevat nopeasti prosentuaalisesti. Laajasalo ja siellä varsinkin Kruunuvuorenranta ovat jo pitkään olleet yksi asuntorakentamisen hot-spoteista. Sörnäinen oli suurien prosenttilukujen yllättäjä minulle alkuun, mutta karttaa tutkimalla tajusin Kalasataman jäävän alueen sisälle.

Keskustan alueella kaupunkirakenne on tiivistä ja uusia asuintaloja on hankala mahduttaa sinne. Siksi moni alue, kuten Kruunuhaka ja Ullanlinna ovat pienen prosenttiluokan, 0-0,4 % sisällä. Tulevaisuudessa kenties alueet saavat tummempia värejä, jos käyttämättömiä toimistoja aletaan muokkaamaan asuintiloiksi. Tyhjää toimistotilaa oli vuonna 2020 jo noin miljoonan neliömetrin verran pääkaupunkiseudulla (Okkonen, 2020). Muualla kaupungissa asuntorakentamien on maltillisempaa. Monessa kaupunginosassa rakennetaan, mutta niiden asukasluku on jo sen verran korkea, ettei ne erotu asteikon yläpäässä.

Kuva 2 – Väestöruutujen ja kaupunginrajojen yhteensopimattomuus Länsi-Pitäjämäessä

 

Kuva 3 – Vuosina 2016-2019 valmistuneiden asuntojen määrä kaupunginosassa suhteessa kyseisen kaupunginosan väkilukuun

Kun vertaa kuva 1 ja kuva 3, ei alkuun erot vaikuta suurilta. Länsisatama, Sörnäinen ja Laajasalo ovat liiloja, mutta Pasila on paljon vaaleampi. Uutta Helsinkiä (2018) mukaan Pasilan alueen, varsinkin sen keskiosan rakentaminen aloitettiin 2017. Alueelle ei siis vuoden 2016-2019 välillä ole ehtinyt valmistua suurta määrää asuntoja.

Esimerkiksi Taka-Töölöön on valmistunut enemmän asuntoja kuin mitä sinne ollaan rakentamassa. Myös Mellunkylän asuntorakentaminen on hiljentynyt. Taulukoita voi verrata, sillä ne on suhteutettu vuoden 2020 asukasmäärään. Lännessä Munkkiniemeen ja Pitäjänmäkeen rakennetaan vähän enemmän, samoin kaupungin keskiosassa Malmille. Kumpulaan ollaan rakennettu ja rakennetaan enemmän koko ajan.

Innostuin tekemään työvaihekaavion, joka oli tuttu tapa hahmottaa tekemistä Geoinformatiikan menetelmät 2 kurssilta, jonka loogisesti olen saanut tehnyä ennen tätä kurssia :D. Kuva 4 on tulos siitä.

Kuva 4 – Työvaiheet

PS. Kiitos Justus henkisestä tuesta ja ideoinnista tehtävälle :)<3

Lähteet:

Okkonen. (2020). Noudettu 25.8.2021 osoitteesta https://www.is.fi/taloussanomat/art-2000006632713.html

Uutta Helsinkiä. (2018). Noudettu 25.8.2021 osoitteesta https://www.uuttahelsinkia.fi/fi/pasila/asuminen/historia

 

VIIKKO VI: Exceltaulukoita ja visualisointikikkoja

Ihanaa lukea muistiinpanoja tästä kurssikerrasta! Tuli hyvän muistoja mieleen minun ja Ville Kurikan kävelyretkestä Kumpulassa. Se ei ollut ensimmäinen kerta kun käytin epicollectia, sillä se oli tuttu Lammin kenttäkurssilta. Niinkuin Ville sanoo blogissaan, on pisteaineiston kerääminen älypuhelimella aina pieni riski, sillä sijaintitietojen luotettavuus ei ole huippuluokkaa. Olen käyttänyt sovellusta myöhemminkin, ja se on edelleen ladattuna puhelimellani.

Aloin tehdä itsenäisharjotusta. Sain excelin laitettua kartalle, ja ihmettelin, miten mikään ei ollut mennyt pieleen. WOW! Vuoden 1980 jälkeen tuotettu aineisto oli hankalampaa saada QGISiin sopivaan muotoon, eli sopivaksi csv-exceliksi mutta leikin pisteiden, pilkkujen sekä puolipisteiden kanssa.

Kun olin muokannut pisteiden tyyliä symbology välilehdestä graduated tyyliseksi, muokkasin ne kivan punaisen sävyiseksi ja poistin symbolipallojen reunat, tein taikaa. Oikeaklikkasin muokkaamani layeria, laitoin hiiren styles päälle ja otin copy style. Sitten pastetin sen vuoden 1980 jälkeen layerille ja muokkasin sitä vähän. Lopputulos oli upea (kartta 1). Pallot ovat aika pieniä, jotta päällekkäiset pallot näkyvät paremmin. Tämä on tärkeää sen kannalta, että pystyy hahmottamaan, missä maanjäristykset ovat yleisiä.

Kartta 1 – Richterin asteikolla yli 8 maanjäristykset vuosilta 2002-2021

Kartasta 1 voi hahmottaa Tyynenmeren tulirenkaan. Se on Tyynenvaltameren reunoilla sijaitseva tektonisesti aktiivinen vyöhyke. Toisin sanoen mannerlaatat liikkuvat siellä ja aiheuttavat maankuoren liikkeitä, eli maanjäristyksiä. Tämä on maailman aktiivisinta maanjäristysvyöhykettä, jossa jopa 90 % maanjäristyksistä sattuu. Täällä tapahtuu myös paljon tulivuorenpurkauksia. Koitin tehdä niistä karttaesityksen, mutta hakattuani exeliä pitkään ja hartaasti, en vieläkään saanut tuotettua QGIS sovelluksessa toimivaa CSV tiedostoa.

Tulirengas ei ole aina ollut maailman maanjäristysrikkainta aluetta. Mannerlaatat liikkuvat hitaasti, mutta ne silti liikkuvat. Liikkuminen on maan sisäisten magmaliikuntojen tulos. Lisää maata syntyy joko sinne, missä laatat erkaantuvat toisistaan tai missä yksi laatta työntää toista ylöspäin, eli subduktiovyöhykkeellä. Siellä toinen laatta työntyy toisen alle ja muuttuu takaisin magmaksi.

Vaikka koko tulirengas ei hahmotu kartalla 1, saa siitä peruskäsityksen. Kartalla 2 Tulirenkaan hahmottaa selkeästi. Vaikka maanjäristyksiä isoja maanjäristyksiä on tapahtunut paljon muuallakin, ovat ne kerrostuneet Tulirenkaan päällä paksuksi kerrokseksi kartalla.

Richterin asteikko on logaritminen. Se tarkoittaa että kun numero kasvaa yhdellä, kasvaa voima kymmenkertaisesti. Yli 8 Richterin asteikolla tapahtuvat maanjäristykset ovat harvinaisia. Mittaushistorian aikana voimakkain maanjäristys tapahtui Chilessä vuonna 1960 ja sen voima oli 9,5.  Se ei näy esittämissäni kartoissa. Yli 9 yksikön maanjäristyksiä voi kartalta hahmottaa vain 5. Ne ovat siis hyvin harvinaisia.

Kartta 2 – Yli 6 Richterin asteikolla tapahtuneet maanjäristykset vuosina 1900-2017

Kartta 3 havainnollistaa kaikki yli 6 Richterin asteikolla tapahtuneet maanjäristykset viimeisen vuoden ajalta. Kartta 4 taas havainnollistaa kaikki tasan neljäkymmentä vuotta aikaisemmin tapahtuneet, saman minimivoimakkuuden maanjäristykset. 70 luvun alussa oli tapahtnut 109 tämän suuruusluokan maanjäristystä, kun taas viime vuonna niitä oli tapahtunut jopa 152. 70-luvun alussa Indonesissa tapahtui enemmän voimakkaita maanjäristyksiä kuin viime vuonna. Viime vuonna tapahtui paljon maanjäristyksiä eteläisellä Atlantilla. Viime vuoden kartassa on huomattavasti enemmän tummanpunaisia pisteitä, eli voimakkaita maanjäristyksiä.

Kartta 3 – 26.8.2020-25.8.2021 välillä tapahtuneet maanjäristykset yli 6 Richterin asteikolla
Kartta 4 – 26.8.1970-25.8.1971 välillä tapahtuneet maanjäristykset yli 6 Richterin asteikolla

En koe saaneeni paljoa irti tästä kurssikerrasta. Opin miten exceleitä voi tuottaa QGIS aineistoon sopiviksi, mutta tietyt aineistotyypit osoittautuivat liian hankaliksi minulle. Justus istui vieressä ja koitti auttaa, mutta yhdessä päädyimme tekemään helpomman version. Sain myös itseluottamusta QGIS ohjelman käsittelemiseen ja tämän tyyppiseen tiedonhakuun. Tiedän tehneeni paremmat kartat kaksi vuotta sitten, mutta en löytänyt niitä mistään enään; en edes etäyhteyden kautta yliopiston koneelta. Se harmittaa tosi paljon.

Katsoessani esimerkiksi Pihlan upeaa karttaesitystä maanjäristyksien ja hyökyaaltojen yhteyksistä, jäi minua harmittamaan. Sitten katoin GIS-velhoni, Justuksen karttoja, ja huomasin, etteivät ne nyt ihan kauheasti ehkä kuitenkaan olleet parempia kuin omani. Toki hän oli saanut lisättyä mannerlaattojen viivat kauniisti ja käyttänyt erilaisia tietokantoja laajemmin. Silti, ihan ok harjoitustyö, varsinkin uusien visualisointiniksejen osalta.

Lähteet:

https://tekniikanmaailma.fi/tyynenmeren-tulirenkaan-tulivuoret-pelottelevat-taas-uusin-halytystila-nostettiin-japanissa/

Ville Kurikka: (Noudettu 25.8.2021)  https://blogs.helsinki.fi/kurivill/2020/03/17/pisteaineistojen-esittaminen-kartalla/

Pihla Haapalo: (Noudettu 25.8.2021) https://blogs.helsinki.fi/haapalop/

Justus Poutanen: (Noudettu 25.8.2021) https://blogs.helsinki.fi/pjustus/2019/03/02/vain-toinen-paiva-toimistolla/

Kuvalähde: https://www.pmfias.com/earthquakes-shallow-focus-deep-focus-earthquakes/

 

Viikko V: Viikot ja vuodet vierii, mutta osaaminen pysyy

Viikko viisi alkoi QGIS ohjelman avaamisella ja uudelleen tutustumisella. Hämmennyksekseni se tuntui tutulta ja moni asia palautui nopeasti mieleen. Haluan kiittii pitkänajanmuistiani tästä!

Huomasin osaavani yhdistellä dataa ja käyttää erilaisia QGIS työkaluja. Minun piti kertailla osaamista vanhojen kurssikertaohjeiden avulla ja pirauttaa kaverille pari kertaa kun hermot menivät.

Buffereiden, eli puskureiden tekeminen luonnistui hyvin. Muistin miten työkalua käytetään ja muistin laittaa segmenttien määrän 36, jotta bufferin reunoista tulisi pyöreät. Ensimmäiset ongelmat tulivat siinä vaiheessa, kun en löytänyt Spatial Query -työkalua, mutta googlaamalla selvisi sen olevan lisäosa eli “plugari”. Asensin sen ja aloin käyttää.  Selected features only näytti minulle valittujen kohtiden lukumäärät ja oli taas kerran hyödyllinen työkalu. Katsoin muiden blogeista mitä numeroja he olivat saaneet tehtävässä, ja huomasin vain pientä heittoa. Heitto syntyy siitä, miten kiitoradat on piirretty kartalle.

Olen koonnut kaikki tämän kurssikerran tiedot samaan taulukkoon (Taulukko 1). Päätin tehdä ensimmäisen itsenäistehtävä lentokentistä. Taulukon sana KAVU tarkoittaa rakennusten käyttöönottovuotta.

Alkuun piti tehdä esiselvitystyötä, eli tutkia milloin Malmin lentokenttä oli rakennettu. Se rakennettiin vuonna 1936 ja oli Helsinginseudun päälentokenttä aina vuoden 1952 olymppialaisiin saakka, poislukien tiettyjä sotavuosia. Aineistoa sai rajattua helmitaulun, eli open field calculatorin avulla. Sinne kun laittoin < ja > -merkkejä asuntojen ikää kuvaavaan sarakkeeseen, sain rajattua aineistoa haluamallani tavalla. Kilometrin säteellä Malmin lentokentästä asuu noin 8700 henkilöä. Kahden kilometrin säteellä asuu jo huomattavasti enemmän ihmisiä, noin 57 000.

Taulukko 1

Väestö 2km Malmin lentokentästä  57101 henkilöä 
Väestö 1km Malmin lentokentästä  8699 henkilöä 
1km KAVU > 1936  693 taloa 
2km KAVU > 1936  4345 taloa 
2km KAVU > 1936 asukkaat yhteensä  56004 henkilöä 
1km KAVU > 1936 asukkaat yhteensä  8508 henkilöä 
Väestö 2km Vantaan lentokentästä  2204 taloa – 10262 henkilöä 
65dB alueella olevat ihmiset  41 asuntoa – 324 henkilöä 
Prosentuaalisesti 65dB alueella 2km sisältä  n. 0,8 %
>55dB alueella olevat ihmiset  11913 henkilöä 
Tikkurila >60dB melu   1770 taloa – 12485 henkilöä 
<500m asemasta  5169 taloa – 106691 Henkilöä 
<500m verrattuna koko väestöön  21,8 % 
Työikäiset <500m asemasta  73108 = 68,5 %
Taajamissa asuvat ihmiset  478371 henkilöä – 97,59 %
Taajamien ulkopuolella asuvat 7-14v  2,66 % 

Vertasin omaa taulukkoani vuonna 2020 kurssin käyneeseen Emmaan ja vuonna 2019 kurssin käyneeseen Justukseen. Emman valitsin, sillä hänen bloginsa oli kehuttu sinä vuonna. Justus taas on minun henkinen GIS-tuki valmistumisprosessissani.

Lähteet:

Emma Ward:  (Noudettu 25.8.2021) https://blogs.helsinki.fi/emmaward/2020/02/17/buffereita-ja-monstereita/

Justus Poutanen: (Noudettu 25.8.2021) https://blogs.helsinki.fi/pjustus/2019/02/26/negaa-kuumotteluille-ja-kaatuiluille/