Tervetuloa viidenteen blogipostaukseen. Kurssikerran teemana oli bufferit ja analyysit. Tällä kerralla itsenäinen karttatyö ei sujunut ollenkaan aikaisempiin viikkoihin verrattuna. Tuskastelin QGIS:n parissa useita tunteja ilman toimivaa lopputulosta. Yleisen turhautumisen takia tämän viikon blogipostaus on hieman suppeampi.
Kurssikerran aikana pysyin vielä mukana tehtävissä. Harjoittelimme kurssikerran aluksi buffer-ominaisuuksia viimeviikolta tutulla Pornaisten kartalla. Bufferin luominen oli varsin helppoa ja yksinkertaista. Sen avulla saa hyödyllistä tietoa alueiden eri aineistojen yhtymäkohdista. Tarkastelimme, kuinka suuri osa asukkaista asuu pääteiden varrella tietyn säteen päässä. Toiminnoilla sai myös näkymään asukkaat säteellä koulusta tai terveysasemasta. Pyörittelimme näissä tehtävissä Select location by feature- ja buffer-toimintoja.
Alkuun myös pieni disclamer! Tehtävistä otetut kuvat on melko sekavia, mutta tärkeimmät tiedot löytyy kuvan vasemman reuan Statistics-taulukoista. Kartat eivät myöskään ole valmiita karttoja, mittakaavat vaihtelevat ja hahmoittaminen voi olla vaikeaa monien päällekkäisten aineistojen takia. Yritän parhaani mukaan avata tehtäväntekoprosessia kirjoittaen.
Tehtävä 1.1 – Malmin lentokenttä
Kuva 1 – ihmisiä 2km säteellä asuu 4919
Kuva 2: ihmisiä 1km säteellä asuu 810 (huom mittakaava hyvin eri)
Kuvien 1 ja 2 tehtävissä pyrin vertailemaan Malmin entisen lentokentän läheisyydessä asuvia ihmisiä. Aineistot ovat ajalta, jolloin Malmin pienkonelentokenttä oli vielä käytössä. Loin kiitoratojen ympärille 1 ja 2 km bufferit, ja valitsin bufferin sisään jääneet asuinrakennukset Select by location -toiminnolla. Lopputulokseksi valmistui taulukko, joista erottuu heti ensimmäisenä asuinrakennusten määrä. Nämä tehtävät teimme opettajajohtoisesti, joten lopputulokseen pääsy ei vaatinut suuria ponnistuksia.
Tehtävä 1.2 – Helsinki-Vantaa
Kuva 3 – Kiitoradasta 2km, sekä myös meluvyöhykkeellä
Tehtävän 1.2 parissa jouduin sitten vähän jo ongelmiin. Malmin lentokenttä vaihtui Helsinki-Vantaaseen. Kuvassa 3 yhdistin asuinrakennukset, Helsinki-Vantaan lentokentän aiheuttaman meluvyöhykkeen, sekä 2km säteen kiitoradasta. Piirsin kiitoradan itse omaksi tasokseen ja käytin yhdistelyyn intersection-toimintoa. Sain tulokseksi x asuinrakennusta tällä – kuvassa vaaleanpunaisella – alueella.
Kuva 4 – 65 dB meluvyöhykkeen alueella, ja 2km säteellä asuvat
Seuraavaksi vuorossa oli vain kovimmalla, 65 dB meluvyöhykkeellä, asuvien määrä. Tässä kohtaa huomasin oman lopputulokseni eroavan kurssitovereiden tuloksista. Huomasin, että 2 kilometrin säteen alue riippuu suuresti siitä, kuinka itse lentokentän kiitoradan piirtää. Aluksi minulla ei osunut yhtään pistehavaintoa 2km säteelle JA valitulle meluvyöhykkeelle, koska olin piirtänyt kiitoradan hieman pienemmäksi. Suurensin sitä, ja muutava havainto osui haluamalle alueelleni.
Kuva 5 – yli 55dB meluvyöhykkeen alueella asuvat
Loin oman tason yli 55 dB meluvyöhykkeille, jonka kautta sain sille alueelle sijoittuvat asuinrakennukset tutulla Select Features by Location -toiminnolla. Asuinrakennuksia on 1780.
Kuva 6 – bufferi kiitoradalta Tikkurilaan
Seuraava tehtävä vaati jo aika paljon soveltamista. Mittasin 7km bufferin Helsinki-Vantaan kolmannelta kiitoradalta Tikkurilan läpi. En itedä, teinko bufferin tai oikeastaan mitään tässä tehtävässä oikein, mutta tekemäni bufferin pituus on 7 km ja leveys 1km, se kulkee Tikkurilan yli ja sen sisällä arvoja on 1178.
Tehtävä 1.2 – asemat
Kuva 7 – rakennukset 500m säteellä juna- tai metroasemasta
Osa tehtävän 1 arvosta sijoittui karttalehden ulkopuolelle. Asematehtävässä tarkastelun kohteena oli vain karttalehdellä olevat arvot, joten ensin loin pelkästään karttalehden päälle sijoittuvat arvot omiksi tasoikseen Select features by location -toiminnolla. Tein bufferit ja taulukosta katsoin niiden sisään jääneet arvot. Koko kartan alueen asuinrakennuksia 58398, 500m säteellä 5311, joten prosentuaalisesti aseman läheisyydessä asuvien määrä on n. 9,09%.
Yritin laskea työikäisten (15-64-vuotiaiden) määrän luodun bufferin alueella. En kuitenkaan onnistunut summaamaan kaikkia työikäisiä yhteen. Loin attribuuttitaulukkoon sarakkeen kaikille asuinrakennuksen työikäisille, mutta en osannut summata kaikkia sarakkeen arvoja. Ratkaisua etsiessä huomasin kuitenkin ymmärtäväni eri komentoja ja kokonaisuutta paremmin.
Yleistä QGIS pohdintaa
QGIS oli ennen tätä harjoituskertaa osoittautunut positiiviseksi yllätykseksi. Kurssikerralla tehdyt tehtävät sujuivat mainiosti opettajan johdolla ja yhdessä tehden. Sain myös kaikki itsenäiset tehtävät tehtyä ilman suurempaa stressiä. Tällä viikolla jäin kuitenkin useampaan kertaan jumiin, QGIS kaatui, en löytänyt oikeita toimintoja ja en ymmärtänyt ohjeita.
Olen kuitenkin QGIS:ssä oppinut jo jonkin verran yleisiä perustaitoja, joiden soveltaminen jo alkaa pikkuhiljalleen onnistua. Tietojen soveltaminen oli asia, jonka koin aluksi todella haastavaksi. Tehtävien teko oli hyvin helppoa, kun ne sai tehdä suoraan ohjeen mukaisesti. Tietenkin. Kun taas piti poiketa ohjeesta tai itse osata löytää komentoja, tipuin heti kärryltä.
QGIS mahdollistaa paikkatiedon analysoimisen, mutta ainakin itselleni vain hyvin rajoittuneella tavalla. QGIS on hyvin monipuolinen, mutta sen monipuolisuuden hyödyntäminen vaatii reilusti osaamista – jota minulla ei vielä ihan ole.
Erityisesti tällä kurssikerralla korostui itsenäinen työskentely ja ongelmanratkaisutaidot. Ongelmien ratkaisut vaativat paljon toistoja ja rohkeaa kokeiluja ja epäonnistumisia. Tällä kerralla tehtävä oli enemmänkin oman osaamisen ja QGis:in eri toimintojen ja työkalujen käytön osaamisen tason analysointia. (Kiia Korpinen, 2023)
Lähteet:
Korpinen, K. (viitattu 20.2.2023) Kurssikerta 5. 17.2.2023 https://blogs.helsinki.fi/kiiakorp/
1 comment