Toivokas alku
Viikon tunti alkoi suuresta jännityksestä huolimatta hyvin ja kaikki viime viikon aineistot olivat tallessa ja kunnossa. Ensimmäinen osa tunnista käsitteli uusien QGIS työkalujen käyttöä, jotka tällä kertaa keskittyivät aineiston leikkaamiseen ja rajaamiseen, kuten clip-työkalu.
Tämän jälkeen siirryimme bufferointiin (kuva 1), joka oli erittäin mielenkiintoista erityisesti oikean elämän kannalta. Buffereita käytetään kartoittamaan esimerkiksi peltojen ja autoteiden suojavyöhykkeitä, sekä mallintamaan haitallisten aineiden leviämistä, taikka kartoittamaan meluvyöhykkeillä asuvia henkilöitä (kuva 2). Buffereita pystyy käyttämään monipuolisesti niiden soveltuessa erityisesti alueiden kartoittamiseen. Esimerkiksi alueiden tulvariskissä voidaan käyttää buffereita, kun määritellään mitkä rakennukset joutuvan veden varaan suuren joen tulviessa. Tällaiset turvavyöhykkeet ovat usein myös laissa ja säädöksissä määrätty, esimerkkinä Helsingin seudun ympäristöpalvelut -kuntayhtymän (HSY) 2015 julkaisemassa Ilmansaasteiden terveysriskit teiden ja katujen varsilla artikkelissa lukee:
“PRC (Public Resources Code) edellyttää, että on tehtävä arvio haitallisten saasteiden päästölähteistä 400 metrin säteellä julkisesta koulusta. Californian Senate Bill 352 puolestaan edellyttää riskinarvioinnin laatimista kouluille, jotka sijaitsevat
alle 150 metrin etäisyydellä vilkasliikenteisestä väylästä.”
Edellä mainittujen koulujen määrittäminen käy helposti oikean aineiston ja bufferi työkalun avulla. Bufferissa tulee kuitenkin ottaa huomioon kuinka se voimakkaasti yleistää asioita. Esim. ydinvoimalan ympärille voidaan määrittää saastumisbufferi onnettomuuden sattumisen varalta. Ympyrän muotoinen, tasainen bufferi ei ota kuitenkaan huomioon tekijöitä, kuten esimerkiksi tuulen, joka vaikuttaa voimakkaasti säteilyn leviämiseen. Sama koskee myös meluhaittoja joihin vaikuttaa esim. puusto.
Huolestuttava keskimatka
Pornaisista päästiin siirtymään hieman lähemmäksi kotia, kun aloitimme Malmin lentokentän meluvyöhykkeiden analysoimisen ja määrittämisen. Helsinki-Vantaan ja Malmin lentokentän erottaminen toisistaan osoittautui harvinaisen vaikeaksi, ja päädyin tekemään kummankin tehtävän Helsinki-Vantaa lentokentälle.
Ensimmäisten meluvyöhykkeiden jälkeen siirryimme tehtävään 2, joka kohdallani keskittyi myös Helsinki-Vantaan alueelle. dB vyöhykkeiden (kuva 3) määrittäminen meluvyöhykkeestä onnistui sattuman ja pyhän hengen saattamana. Joku voisi väittää, että QGIS:n lukemisesta on tullut helpompaa ja omia taitoja osaa soveltaa sujuvammin sovellusta käytettäessä. Tämä pieni itsevarmuuden jyvänen karisi kuitenkin nopeasti pois seuraaviin tehtäviin siirryttäessä.
Vastaukset tehtävään 2:
- 0,16 % (n 19) 2 km meluvyöhykkeellä asuvista henkilöistä asuvat 65 dB meluvyöhykkeellä, eli pahimmalla mahdollisella meluvyöhykkeellä.
- 5,63 % (n 655) 2 km meluvyöhykkeellä asuvista henkilöistä asuvat vähintään 55 dB meluvyöhykkeellä.
Tikkurila tehtävän (kuva 4) tehtävän anto oli monella tapaa tulkittava, joka aiheutti hämmennystä. Uskon kuitenkin, että tehtävien päätarkoituksena on enemmänkin vain toimintojen toistaminen eikä niinkään itse oikean vyöhykkeen määrittäminen. Tämä korostuu Asema ja Taajama tehtävissäkin, joissa toistimme samoja toimintoja ja käytimme täysin samoja työkaluja.
Vastaukset Asemat-tehtävään:
- Kuinka monta asukasta asuu kartan alueella alle 500 m päässä lähimmästä juna-, tai metroasemasta? – 106 182 henkilöä
- Kuinka monta prosenttia kaikista alueen asukkaista asuu alle 500 m päässä asemasta? – 20,78%
- Kuinka monta prosenttia a-kohdan ihmisistä oli työikäisiä (15-64v)? –66,83 %
Vastaukset Taajamat-tehtävään:
- Laske/selvitä kuinka monta prosenttia tämän tehtävän alueen asukkaista asuu taajamissa?- 96,29%
- Kuinka monta kouluikäistä asuu taajamien ulkopuolella? –2 585 henkilöä
- Kuinka monta prosenttia luku on kaikista kouluikäisistä? –3,72 %
Toivoton loppu
Itsenäiseksi tehtäväksi valitsimme ystävieni kanssa uima-allas tehtävän (kuva 6), joka osoittautui kohtalokkaaksi. Tehtävän ohjeet olivat suppeat ja se selvästi odotti meiltä parempaa QGIS osaamista kuin mihin me olimme valmiit. Jumitimme eniten kohdassa, jossa meidän tuli laskea taulukosta saman alueen arvoja yhteen. Palasimme tutkimaan viikko 3 Afrikka kartan teko-ohjeita, josta löytyi paljon apua, mutta ne kaatuivat yksinkertaiseen pieneen ongelmaa. Ongelmaan löytyi 3 tunnin kuluttua ratkaisu asetuksien syövereistä tuutorin avittamana. Turhautuminen oli läsnä, varsinkin kun kyseessä oli ongelma johon ei vain voinut päätellä vastausta tai vahingossa löytää sitä.
Vastaukset Uima-allas ja sauna-tehtävään:
- Kuinka monta uima-altaalla varustettua rakennusta löytyy pääkaupunkiseudulta? – 855 rakennusta
- Kuinka paljon asuu asukkaita sellaisissa taloissa, joissa on uima-allas? – – – 12 170 asukasta
- Kuinka moni noista taloista on omakotitaloja, kerrostaloja tai rivitaloja? – – 345 omakotitaloa, 158 paritaloa, 113 rivitaloa, 181 kerrostaloa
- Mikä on kaikkein uima-allasrikkain osa-alue? – Lauttasaari
- Kuinka monessa talossa on sauna ja kuinka monta prosenttia se on kaikista asutuista taloista pääkaupunkiseudulla? – 21 922 saunaa, joka on 24,16 % kaikista pääkaupunkiseudun asutuista taloista.
Viimeisiä mietteitä
Vaikka QGIS monesti tuntuu toivottamalta, enkä usko, että saan mitään aikaiseksi ilman kunnollisia ohjeita, ovat jotkin toiminnot jääneet kummittelemaan takaraivoon. Työkaluista parhaiten muistissa ovat grafiikoiden luonti, clip- ja join-toiminnot, bufferi, sekä muut “post-it”-lappu valinta toiminnot. Nämä ovat hyödyllisiä kun haluaa muokata ja yhdistellä QGISiin tuotua dataa tai tehdä siihen buffereita. Vaikeampia käyttää ja soveltaa ovat työkalut, jotka pitää etsiä processing toolboksista, sen sijaan, että muistaisi missä ne ovat yläpalkeissa taikka tunnistaisi ne kuvakkeen perusteella. Niiden kohdalla tulee usein sekaannuksia, eikä täysin muista mitä työkalulla sai aikaan.
Pystyn kuitenkin samaistumaan Eeva Rakiin (2022) tämän blogitekstissään Kurssikerta 5: Toistoja, Oppimassa Geoinformatiikkaa:
“Palikat alkavat naksahdella paikalleen ja toiminnot alkavat käydä järkeen. Jatkuvan toiston seurauksena asiat alkavat (ehkä) jäädä mieleen. Osaan avata aineistoja melko vaivattomasti ja tulkita attribuuttitaulukkoa.”
Suurin haaveeni QGIS suhteen on se, että pystyisin tunnistamaan ongelman ja tietäisin mistä siihen voisi etsiä ratkaisua. Esim. uima-allas tehtävässä me tunnistimme ettei aggregate-työkalu toiminut niin kuin aikaisemmin, joten vika oli selvästi aineistossa. Emme kuitenkaan osanneet päätellä, että ongelman voisi ratkaista QGISin asetuksista. Oma heikko osaamiseni QGIS-ohjelmasta, sekä ohjelman oma laajuus, jota on erittäin vaikea hahmottaa, tekevät sillä työskentelyn vielä tässä vaiheessa todella raskaan ja haastavan.
Lähteet:
Raki E. (2022), Kurssikerta 5: Toistoja, Oppimassa Geoinformatikkaa, (luettu 17.2.2022), saatavilla: https://blogs.helsinki.fi/eevaraki/
Helsingin seudun ympäristöpalvelut -kuntayhtymän (HSY) (2015), Ilmansaasteiden terveysriskit teiden ja katujen varsilla, HSY.fi, Edita Prima Oy, (luettu 17.2.2022), saatavilla: https://www.hsy.fi/globalassets/ilmanlaatu-ja-ilmasto/tiedostot/2_2015_ilmansaasteiden_terveysriskit_teiden_ja_katujen_varsilla.pdf