Valintojen maailma: bufferointia ja tietokantojen syväluotaavaa suodatusta

Ajolasit silmille ja kieli keskelle suuta! Viidennellä kurssikerralla kohdattiin vauhtia ja vaarallisia tilanteita, kun oli aika todella asettaa tähän asti kerätyt opit tulikokeeseen. Antoisinta itselleni oli tutustuminen moniin tärkeisiin työkaluihin, joita voisi hyödyntää esimerkiksi aluesuunnittelussa. Etäisyyksien määrittäminen eri palveluista ja asukkaiden laskeminen näiden etäisyyksien sisältä tuntui käytännönläheiseltä.

Tehtävänantojen kannalta tärkeimmiksi työkaluiksi osoittautuivat bufferointi ja attribuuttien valitseminen ominaisuuksien, kuten sijainnin mukaan. Nämä olivatkin kovassa käytössä ja tuottivat allekirjoittaneelle monia onnistumisen hetkiä. Bufferointi soveltuu lukuisiin käyttötarkoituksiin aluesuunnittelussa juuri sen vaikutusalueiden kartoittamista mahdollistavien ominaisuuksien vuoksi. Samaa oli pohtinut Pihla Haapalo (2020) blogissaan ja nimennyt yhdeksi esimerkiksi tehdasalueiden saasteiden leviämisen mittaamisen, joka juolahti itsellenikin mieleen! Vähitellen aloin todella ymmärtää tekemääni, enkä vain enää sokeasti seurannut ohjeita.

Kurssikerran ensimmäiset kaksi tehtävää olivat kaikille yhteisiä, mutta suoritettiin itsenäisesti. Arvioimme Malmin ja Helsinki-Vantaan lentokenttien kiitoratojen melusaasteiden vaikutusalueita. Omat tulokseni on esitetty taulukoissa 1 ja 2. Suoritin mielenkiinnosta ensimmäisen lisätehtävän, jossa pyydettiin laskemaan Malmin lentokentän käyttöönoton jälkeen rakennettuja rakennuksia 1 kilometrin säteellä. Malmin lentokentällä aloitettiin liikennöinti joulukuussa 1936 (Malmin lentokenttä 2015). Suodatin pois rakennukset, joiden käyttöönottovuodesta ei ollut tietoa. Kävi ilmi, että suurin osa 1 kilometrin vaikutusalueella asuvista ihmisistä asuvat itse asiassa Malmin toiminnan alkamisen jälkeen valmistuneissa rakennuksissa.

Taulukko 1. Malmin lentokentän vaikutusalueen asukastilastoja
Taulukko 2. Helsinki-Vantaan kiitoratojen melualueiden tilastoja.

Helsinki-Vantaan melualueita oli selkeintä tutkia muokkaamalla tietokannan väriluokkia. Näin pystyi kartalta suoraan näkemään eri meluasteita kuvaavat alueet (Kuva 1).

Kuva 1. Havaintokuva melualueiden visualisoinnista ja rakennusten valinnasta alueella. (Klikkaa suuremmaksi.)

Huomasin Haapalon blogista, että lukumme 65 dB:n alueella asuvista henkilöistä poikkesivat merkittävästi. Kyseisessä tehtävässä kiitoradoista piti itse luoda uusi vektoritaso piirtämällä. Todennäköisesti olemme piirtäneet kiitoradat eri tyylillä ja tämä taas on vaikuttanut 2 kilometrin vaikutusalueeseen. Minulla tähän sisältyi vain 10 rakennusta, mikä selittää eroavaisuudet. Juna- ja metroasemien vaikutusalueissa luvut jo täsmäävätkin, mikä selittyy asematietokannan yhtenäisyydellä (Taulukko 3).

Taulukko 3. Vantaan juna- ja metroasemien vaikutusalueet.

 

Toisessa tehtävässä tarkasteltiin Vantaan alueen taajamia ja niiden asukastilastoja. Onnistuin luomaan uuden layerin vain niistä taajama-alueista, joilta tietokannasta löytyi käytettävää informaatiota asukkaiden lukumääristä. Tällaisia taajamia oli 343. Kouluikäisiksi laskin ikäluokat 7-16. Avainluvut löytyvät taulukosta 4. Tehtävä oli melko suoraviivainen ja minua ilahdutti, kuinka sujuvasti tietokantojen yhdistäminen, attribuuttien suodatus ja valitseminen sekä tietokantojen muokkaaminen laskutoimitusten avulla luonnistuivat.

Taulukko 4. Vantaan taajamien asukastilastoja kouluikäisten ja ulkomaalaisten osalta.

Minun Everestini: altaat ja saunat

Viimeinen itsenäistehtävä oli valinnainen ja otsikon perusteella päädyin uima-altaiden ja saunojen tutkimiseen. Ehdin paneutua tähän kunnolla vasta kotona seuraavana iltana. Stressihormonit juhlivat ja hammaslääkärit pudistelevat päätään, kun näkevät narskuneet hammaskruununi. Pienen läppärini tehot eivät nimittäin olleet optimaaliset pääkaupunkiseudun rakennustietokantaa pyörittämään. Itsepäisyyteni koittaa joskus turmiokseni, ei vielä tällä kertaa! Vaikeuksien kautta väsytysvoittoon.

Törmäsin ensimmäiseen virheviestiini: Feature (157) has invalid geometry. Please fix the geometry or change the Processing setting to the ”Ignore invalid input features” option. Execution failed after 31.04 seconds. Internetin syövereistä löytyvien huomattavasti taitavampien QGIS-maestrojen vinkkejä selailtuani löysin työkalun nimeltä Fix geometries. Ajoin polygoneja sisältävän pienaluetason kyseisen komennon läpi ja taikuus tepsi. En ole täysin varma geometrian luonteen ongelmasta, koska projektiot täsmäsivät kuin myös tietokantojen tärkeät attribuuttitiedot. Ongelma ilmeni kahden kaupunginosan polygoneissa, enkä päässyt jyvälle tarkemmin.

Tuotin laskemistani avainluvuista taulukon (Taulukko 4) sekä kartan eniten uima-altaita sisältävistä alueista (Kuva 2).

Taulukko 5. Uima-altaita ja saunoja sisältävien rakennusten avainlukuja pääkaupunkiseudulla.
Kuva 2. Pääkaupunkiseudun eniten uima-altaita sisältävät kaupunginosat. (Klikkaa suuremmaksi uuteen välilehteen.)
Kuva 3. Epätoivoinen yritys visualisoida uima-altaiden määrää.

Uima-altaiden määrää pääkaupunkiseudulla esittävä raakakartta on visuaalisesti varsinainen sekamelska (Kuva 3). Numeroa ilmaisevat labelit piti tuottaa kartalle erikseen pylväistä, ja olisi vaatinut melkoista kokeilua ja kikkailua, jotta niiden suhteelliset sijainnit saisi kohdalleen. Tarkastin vielä internetin vertaistukipalstoilta ja näin tosiaan vaikutti olevan. Päätin suodattaa karttanäkymään vain sellaiset pienalueet, jotka sisälsivät uima-altaallisia rakennuksia merkittävän paljon. Kriteeriksi valitsin yli 10 tällaista rakennusta. Lopputulos on jo paljon selkeämpi ja miellyttävämpi. Lisäksi haluttu ilmiö, eli uima-altaita runsaasti sisältävien alueiden sijoittuminen havainnollistuu. Pylväiden väriksi olisi pitänyt valita joku muu kuin sininen, joka sulautuu vesialueisiin.

Aiemmilla kurssikerroilla keskiössä on ollut kartografiset ratkaisut ja omien teemakarttojen tuottaminen erilaisista aineistoista. Nyt sukellettiin syvemmälle paikkatietoaineiston piirteisiin ja QGIS:in mahdollisuuksiin. Viimeistään näiden harjoitusten kautta opin ymmärtämään attribuuttien liittämisen yhteydessä tarvittavat geometriset predikaatit ja niiden keskinäiset suhteet. Edelleen tuplavarmistukset ovat tarpeen, mutta varmuus suorittamiseen on lisääntynyt eksponentiaalisesti. QGIS:in suurimmat sudenkuopat syntyvät sen luonteesta avoimen lähdekoodin ohjelmana, mutta toisaalta juuri tästä syystä apukin on lähellä. Pyörää ei tarvitse lähteä keksimään uudelleen, sillä joku on todennäköisesti kohdannut samat esteet ja toistanut samat virheet. Eri keskustelupalstoilta löytyykin nopeasti vertaistukea ongelmiin.

Lähteet

Haapalo, P. (2020). Kädet ilmaan. Blogikirjoitus. 12.2.2020. <https://blogs.helsinki.fi/haapalop/2020/02/12/kadet-ilmaan/>

Malmin lentokenttä. (2015). Rakennettu ympäristö ja kulttuuriympäristö – alustava arvokohteiden luettelo. Selvitys.

5 Replies to “Valintojen maailma: bufferointia ja tietokantojen syväluotaavaa suodatusta”

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *