Kursomgång 5: Buffert-analyser

Uppgift 1.

Tabell 1. Svar till uppgift 1.

 

Bild 1. Visualiseringen av flygbullerområdet (60db), som uppstår då flygplanen landar från en avvikande riktning.

Den första uppgiften, vilken bestod av 3 olika delar, gjorde jag halvägs klart under föreläsningen. Eftersom vi hade övat på hur man gör buffertanalyser under lektionen, var det relativt lätt att börja. Jag lärde mig också under lektionen hur man kan välja t.ex. alla hus som är innanför buffern lätt, vilket gjorde hela processen snabbare. Jag lyckades bra med uppgiften, men det tog en stund före jag kunde jobba effektivt. Jag räknade t.ex. ihop summan av alla klasser som lagg mellan 15 år och 60-64 år, vilket tog en onödigt lång tid, eftersom jag inte fann ett bättre sätt.

I Miia Mattilas blogg, Geoinformatiikan menetelmiä harjoittelemassa, hade Mattila skapat fina och färggranna tabeller, vilket var inspirationen för hur jag skapade mina. Jag tycker att sättet som Mattila presenterade sina resultat var bra, eftersom det var lättförståerligt och tydligt, utan att vara för överdrivet.

Extrauppgift.

Tabell 2. Svar till extrauppgiften.

Bild 2. Visualisering av bostadsområdena i Helsingfors, Esbo och Vanda, OBS stroleken av Vallberget och Myrbacka på bilden, är inte exakt rätt i förhållande till de andra.

Extrauppgiften låt intressant, så jag bestämde mig för att göra den. Slutresultatet visar, att det är svårt att hitta ett område (i norra Huvudstadsregionen i varje fall),  som skulle vara lika tätbebott som det planerade bostadsområdet på Malms-Flygplats. De två områden vilka var närmast Malms-flygplats befolkningstäthet, var Myrbacka och Gårdsbacka. Jag skulle kunna tänka mig att det finns väldigt tätbebodda områden i Helsingfors centrum, men tyvärr hade jag inte tillgång till material över området, då jag gjorde analysen. 25000 invånare på ett så litet område, låter möjligt ändå, fastän det kan vara en överoptimistisk prognos.

Uppgift 2.

Tabell 3. Svar till uppgift 2.

I uppgift 2 använde jag ungefär samma metoder som i den första, fastän jag behövde igen litet tillämpa.  Jag stötte också på några besvär, såsom att datan innehöll fel. Det krävde ganska mycket tid och strid, men slutligen förståd jag hur jag kunde lösa det. Jag stötte också på ett problem, där det stod att det fanns närmare 50000 områden, vilket jag lyckades lösa. Buffertanalysen var redan bekant i det här skedet, så efter att jag fixade datan lyckades jag få svaren ganska lätt.

Uppgift 3.

Tabell 4. Svar till uppgift 3.

Man ser tydligt i tabell 4, hur det finns en bastu i nästan en fjärdedel av alla bostäder i huvudstadsregionen. Däremot har mycket färre bostäder simbassänger, med totalt 885. Det är inte överraskande att det finns mest bastun i egnahemshus.

Bild 3. Koropletkarta över mängden simbassänger i bostäder kring huvudstadregionen.

Ronja Sonninen hade skapat en karta i hennes blog Ronjan GIS-blogi, i samma stil som jag senare gjorde, eftersom jag inser att Sonninens karta var lyckad. Det var också litet oklart först hur kartan skulle se ut i slutet, men det blev klart för mig då jag såg Sonninens karta. 

Jag är ganska nöjd med kartan jag skapade, även om den kunde vara bättre. Nu efteråt tycker jag att legenden för staplarna syns dåligt på grund av den ljusa färgen och tunna symbolerna. Jag kunde inte hitta en bättre lösning, så tyvärr blev resultatet sådan. Jag valde att själv skapa två röda polygoner på områdena som hade fel i datan, så att de skulle synnas bättre. Jag valde att använda en litet genomskinlig färg, för att visa var finns t.ex. havsområden, men det gör samtidigt kartan mera oklar.

Reflektion över mina QGIS-kunskaper

Mina kunskaper för tillfället är helt okej, med tanke på att jag har nu använt QGIS i två kurser. Det finns ännu mycket för mig att lära, fastän vissa verktyg finns redan i muskelminnet, såsom Select objects by location samt verktygen med vilka man tillägger lager till projektet. Jag inser att de grundläggande kunskaperna jag har lärt mig är kommer att vara nyttiga i framtiden också, fästan jag borde bli bättre på att använda t.ex. Field calculator-verktyget.

Data med luckor i sig har varit något som har varit ett problem, speciellt då man försöker göra analyser. Detta synliggjordes för mig i uppgift 1, då man skulle räkna hur många invånare bor inom 500 m från en tågstation. Vissa stationer skapade buffertzoner, som täkte half noder med hus, samt ett område som var helt och hållet tomt. Jag lärde mig litet hur man hittar och filtrerar bort felen, något som jag tror är en viktig kunskap. QGIS är fortfarande ganska svårt att använda och navigera, vilket leder till att jag arbetar långsammare än vad jag kunde. Jag tror ändå att jag blir skickligare desto mera jag använder programmet.

Källor:

Mattila, M (2022), Geoinformatiikan menetelmiä harjoittelemassa, GIS-itsenäistymistä. (Hämtad 25.2.2022) Länk: https://blogs.helsinki.fi/mcmiia/

Sonninen, R (2022), Ronjan GIS-blogi, tiedon-analysointia (Hämtad 25.2.2022) Länk: https://blogs.helsinki.fi/sronja/

Yksi vastaus artikkeliin “Kursomgång 5: Buffert-analyser”

Vastaa

Sähköpostiosoitettasi ei julkaista.