Puskurianalyysiä

Tässä tulee viidennen kurssikerran blogipostaus. Tällä kerralla tutustuimme taas uuteen toimintoon QGIS:ssä, kun harjoittelimme puskuri- eli bufferianalyysien tekoa. Tähän tehtävään sain kulutettua rutkasti aikaa, sillä QGIS ei oikein suostunut yhteistyöhön.  Kartta muuttui tunnistamattomaksi, jolloin tehtävää oli mahdoton tehdä (Kuva 1). Itse bufferianalyysien teko oli kuitenkin melko yksinkertaista. Onneksi sain kuitenkin lopulta tehtävän tehtyä ystävieni avulla.

Bufferointi vaikutti hyödylliseltä työkalulta, jonka käyttöä voi soveltaa moniin eri käyttötarkoituksiin. Amelia Cardwell (2019) kirjoittaa blogissaan toiminnon mahdollisuuksista. Maantieteessä käyttökohteita on laajasti kasvien levinneisyyden tutkimisesta maanjäristysaaltojen seuraamiseen.

 

Kuva 1. Kohtaamani ongelmatilanne tehtävää tehdessäni.

Ensimmäisenä itsenäistehtävänä teimme Malmin ja Helsinki-Vantaan lentokenttien ympäristössä puskurianalyysejä, joissa tutkimme meluvyöhykkeitä ja niillä asuvien ihmisten lukumäärää. Aluksi onnistuin jotenkin saamaan tulokseksi liian pienet luvut, mutta asetuksia muuttamalla pääsin lopulta oikeisiin tuloksiin. Tämän ja muiden itsenäistehtävien tulokset löytyvät tämän blogitekstin alla olevasta taulukosta (Taulukko 1).

Tehtävän toisessa vaiheessa sovelsin toimintoa rautatie- ja metroasemien ympäristön tarkasteluun. Selvitimme valmiin tietokannan avulla esimerkiksi kuinka monta asukasta kartan alueella asuu alle puolen kilometrin päässä lähimmästä asemasta. Yllättävä tulos minulle oli, että jopa yli 20 %:lla lähimmälle asemalle oli vain alle 500 metriä.

Toisen itsenäistehtävän aiheena oli taajamat. Selvitin tehtävässä, kuinka monta prosenttia alueen asukkaista asuu taajama-alueella. Tulos, 97,6 % on Suomen mittakaavassa suuri, mutta osasinkin odottaa niin suurta prosenttiosuutta, onhan tehtävässä kyseessä pääkaupunkiseutu.

Viimeisessä itsenäistehtävässä tarkastelin vielä alueen uima-altaiden lukumääriä sekä talotyyppejä, joissa niitä on. Tehtävässä käytin Johanna Lehtisen (2019) tapaan ”Select attributes by value” -toimintoa. Tässä minulle yllättävä tulos oli, miten monessa rivitalossa on uima-allas. Omakoti- ja kerrostaloissa osasin odottaa joitain uima-altaita olevan.

Taulukko 1. Itsenäistehtävien vastaukset.

Itsenäistehtävä 1: Lentoasemat, rautatie- ja metroasemat

Asukkaita 2 km säteellä Malmin lentokentästä

57 695
Asukkaita 1 km säteellä Malmin lentokentästä 9140
Asukkaita 2 km säteellä Helsinki-Vantaan lentokentästä 11 577
yli 65 dB melualueella asuvia (%) 0,25
yli 55 dB melualueella asuvia 11 913
Alle 500 m juna-asemasta asuvia (%) 21,8

Työikäisiä 500 m päässä juna-asemasta suhteessa kaikkiin työikäisiin (%)

Itsenäistehtävä 2: Taajamat

14,9

 

Taajamissa asuvia suhteessa kaikkiin alueen asukkaisiin 97,6
Kouluikäisistä taajamien ulkopuolella asuvia suhteessa kaikkiin alueen kouluikäisiin 2,6
Alueet, joissa ulkomaalaisten osuus yli 10% 38
Alueet, joissa ulkomaalaisten osuus yli 20% 9
Alueet, joissa ulkomaalaisten osuus yli 30% 4
Itsenäistehtävä 3: Uima-altaat
Rakennukset, joissa uima-allas 855
Asukkaita rakennuksissa, joissa uima-allas 90 725
Uima-altaita omakotitaloissa 345
Uima-altaita paritaloissa 158
Uima-altaita rivitaloissa 113
Uima-altaita kerrostaloissa 181

 

Lähteet

Cardwell, A. (2019). Amelian GIS-blogi. Viikko 5: Buffereita ja kertailua. Luettu 18.4.2019. Saatavissa: https://blogs.helsinki.fi/amca/2019/02/16/viikko-5-buffereita-ja-kertailua/

Lehtinen, J. (2019). Johannan blogi – Geoinformatiikkaa oppimassa. Itsenäistä säheltämistä. Luettu 27.4.2019. Saatavissa: https://blogs.helsinki.fi/johanleh/2019/02/14/itsenaista-saheltamista/

 

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *