Tällä viikolla QGIS- taidot pääsivät kunnolla testiin kun itsenäisissä tehtävissä tarvittiin myös aiemmin opittuja taikoja. Aloin viimein kokemaan onnistumisen tunteita kun aiemmin käytettyjen työkalujen sujuva löytäminen ja käyttö alkoivat luonnistumaan. Kuten suurin osa aloittelevista GIS-guruista myös minä olen tarvinnut useita toistoja työkalujen käytön oppimiseen. Usein tämä tapahtuu oman tai QGIS:sin virheen kautta. Pihla Haapalo on kertonut tämän blogissaan https://blogs.helsinki.fi/haapalop/ hyvin ”Edelleen toki työkaluja käyttäessä saattaa unohtua esimerkiksi tallennuspaikan tai muiden pienten asetusten määrittäminen, jolloin vastassa on umpikuja. Näissä tilanteissa toiminnon uudelleen tekeminen auttaa, usein toisella kerralla osaa jo kiinnittää huomiota unohtuneisiin välivaiheisin tai ruutujen rastimisiin huolellisemmin.”
Kurssikerran painopiste oli buffereiden luomisessa ja buffer-alueille jääneiden kohteiden tarkastelu Select by location- työkalulla. Pääosan tehtävistä tarkoituksena olikin löytää oikeat pisteet rajoitettujen alueiden sisältä. Harjoittelimme kyseisten työkalujen käyttöä yhteisesti edellisen kurssikerran Pornaisten aineistossa. Tehtävä oli varsin yksin kertainen muihin kurssikerran tehtäviin verrattuna.
Ensimmäinen itsenäinen tehtävä keskittyi Malmin ja Helsinki-Vantaan lentokenttien meluhaittoihin. Näistä tehtävistä kerätyt tiedot on esitetty taulukoissa 1 ja 2. Tehtävien tekeminen tuntui sujuvan melko hyvin. Suurimpana ongelmana oli luoda alue joka yhdisti 65 dB-alueen ja 2 km etäisyyden Helsinki-Vantaan lentokentällä. Tämä kuitenkin onnistui valitsemalla 65 dB melualueet ja yhdistämällä ne intersection-työkalulla 2 km buffer-vyöhykkeeseen.
Taulukko 1. Malmin lentokentän melualueen väestötiedot.
| Etäisyys Malmin lentokentästä | 2 km | 1 km |
| Asuinrakennuksia | 4 664 | 736 |
| Asukkaita | 56 706 | 8 616 |
Taulukko 2. Helsinki-Vantaan lentokentän melualueiden väestötiedot.
| Helsinki-Vantaa lentokenttä | Asuinrakennuksia | Asukkaita | Osuus karttalehden väestöstä |
| Etäisyys 2 km | 2 225 | 10 360 | |
| Melualue 65dB | 9 | 27 | 0,26 % |
| Melu vähintään 55 dB | 489 | 2 666 | |
| Poikkeustilanne: laskusuunta kaakosta luoteeseen. Lentomelu vähintään 60 dB | 1 705 | 12 707 |
Toisenen osa käsitteli juna- ja metroasemien läheisyydessä asuvaa väestöä. Tehtävän toteuttaminen oli hyvin samanlainen kuin melualue tehtävässä. Tehtävä sujui hyvin sillä edellisessä käytetyt työkalut olivat tuoreessa muistissa. Kyseisen tehtävän tulokset näkyvät taulukossa 3 ja taajamaa käsittelevän tehtävän tiedot taulukossa 4.
Taulukko 3. Vantaan väestö juna- ja metroasemien läheisyydessä sekä taajamissa.
| Asemat (juna/metro) | Etäisyys 500 m | Osuus alueen asukkaista (%) |
| Asuinrakennuksia | 5169 | |
| Asukkaita | 106691 | 21,8 |
| 15-64v asukkaat | 73108 | 68,5 |
Taulukko 4. Vantaan alueen taajamien tietoja.
| Taajamat | Lukumäärä | Osuus koko väestöstä (%) | Osuus kouluikäisistä (%) |
| Asukkaita alueella | 490 173 | ||
| Asukkaita taajamissa | 478 371 | 97,6 | |
| Kouluikäiset (7-15 v) | 49 284 | ||
| Kouluikäiset taajamien ulkopuolella | 1 289 | 2,62 | |
| Alueet joilla ulkomaalaisten osuus yli 10 % | 40 | ||
| Alueet joilla ulkomaalaisten osuus yli 20 % | 11 | ||
| Alueet joilla ulkomaalaisten osuus yli 30 % | 6 |
Viikon suurimpana koitoksena oli tehdä ainekin yksi kolmesta tehtävästä, jotka mittasivat laajasti QGIS:sin erilaisten työkalujen hallintaa ja aineiston soveltamista. Saunomista rakastavana ihmisenä valitsin uima-altaita ja saunoja käsittelevä tehtävä. Ei muuta kuin lisää löylyä,muutama saunajuoma ja tehtävän kimppuun.
Suurimmaksi ongelmaksi koitui uima-altaita omaavien rakennusten tietojen liittäminen pääkaupunkiseudun osa-alueiden tietokantaan. Selvisin tästä vasta internetistä löytyneen ohjeen avulla. Ohjetta noudatttaen sain estettyä count points in polygon-työkalun virheilmoituksen, joka esti toiminnon suorittamisen. Tomi Kiviluoma oli myös blogissaan https://blogs.helsinki.fi/tomingeoblogi/ taistellut saman virheilmoituksen kanssa ja löytänyt ratkaisin samaan tapaan. Kiviluoma pohtii myös mitä vaikutusta komennolla oli tietoihin: ”En ole täysin varma geometrian luonteen ongelmasta, koska projektiot täsmäsivät kuin myös tietokantojen tärkeät attribuuttitiedot. Ongelma ilmeni kahden kaupunginosan polygoneissa, enkä päässyt jyvälle tarkemmin.”
Muuten tehtävä eteni hyvin muistellen tuttujen työkalujen käyttöä oikeissa tilanteissa. Tehtävästä tiedot kokosin taulukkoon 5.
Taulukko 5. Uima-altaiden ja saunojen lukuja pääkaupunkiseudulta.
| Uima-altaat | Lukumäärä |
| Rakennukset joissa uima-allas | 855 |
| Asukkaita uima-altaita sisältävissä taloissa | 12170 |
| Omakotitaloissa | 345 |
| Paritaloissa | 158 |
| Rivitaloissa | 113 |
| Kerrostaloissa | 181 |
| Saunat | |
| Rakennukset joissa sauna | 21 922 |
| Saunalla varustetut rakennusten osuus (%) | 24,16 |
Kuva 1. Uima-altaiden lukumäärä pääkaupunkiseudulla osa-alueittain.
Kuvan 1 kartta pyrkii näyttämään uima-altaiden lukumääriä eri pääkaupunkiseudun osa-alueiden välillä. Sen avulla sain selville että Lauttasaaressa on eniten uima-altaita. Lukumäärät on ilmoitettu luokittain, histogrammien ja absoluuttisten arvojen avulla. Kartta sisältää paljon informaatiota samasta asiasta ja on siksi hieman epäselvä. Suurimpana parannuksena olisi pylväiden ja lukumäärien parempi asettelu. Tähän käytössä olevat työkalut ovat omasta mielestäni hieman puuteelliset. Valittavana on neljä asetusta, joilla näiden sijaintia voidaan määritellä. Etenkin histogrammien teko oli muutenkin hieman hankalaa, ehkä vähäisen kokemuksen takia.
Aiempiin kurssikertoihin verrattuna tämän kertaiset tehtävät vaativat enemmän soveltamista aineistojen ollessa varsin yksinkertaisia. Omaksi yllätyksekseni suuremmilta hajoamisilta kuitenkin vältyttiin. Onkin vaikeaa myöntää itselleni että saatoin jopa hieman nauttia viimeisen tehtävän ongelmien ratkaisemisesta.
Lähteet:
Kiviluoma, T. (12.2.2020) ”Valintojen maailma: bufferointia ja tietokantojen syväluotaavaa suodatusta” Luettu 12.2.2020
Haapalo, P (12.2.2020) ”Kädet ilmaan” Luettu 13.2.2020