Buuferointia

Buuf buuf

Luennon aikana meistä kaikista tuli buuferoinnin mestareita. Olin kerran aikaisemmin päässyt tekemään bufferianalyysiä MAA-104 kurssilla, mutta nyt pääsimme kunnolla vauhdin makuun.

Jatkoimme viimekerran kartasta, johon olimme valmiiksi digitoineet tiet ja rakennukset. Määritimme asuinrakennuksiin satunnaisesti 0-5 asukasta Field Calculator -toiminnolla. Bufferiharjoituksissa halutaan tarkastella puskurien sisälle (ja ulos) jääneitä kohteita ja tähän loistava apuväline oli Statistic Toolbar.

Rajasimme bufferiksi 100 m piirtämistämme teistä. Tarkoituksena oli tarkastella puskurin sisälle jääneiden asuinrakennusten ja asukkaiden määrää. Teimme bufferin myös koulun ja terveyskeskuksen ympärille. Kurssin vetäjä Arttu Paarlahti kertoi tähän väliin tarinan siitä, kuinka hänen kouluaikoinaan heillä oli sääntö, että vain yli kilometrin päässä asuvat oppilaat saivat pyöräillä kouluun. Tämä olikin hyvä muistutus käytännön puolesta ja siitä mihin kaikkeen taitoja voidaan soveltaa, sillä bufferianalyysillä on monia käyttötarkoituksia. Sen avulla voitaisiin esimerkiksi kartoittaa ympäristömyrkkyjen vaikutusalue veden läheisyydestä.

Datan laatu ja saatavuus vaikuttavat siihen millaisia analyysejä QGIS:llä voi ratkaista. Joskus esimerkiksi analyysin kannalta tärkeitä jokia/puroja tai asuinrakennustietoja ei ole saatavilla. Olemme luentojen aikana päässeetkin harjoittelemaan uusien karttatasojen luomista. Tämän viikon harjoituksessa  piirsimme mm. 7 km meluvyöhykkeen Tikkurilan yli.

Olin näköjään niin innokkaana buuferoimassa, että unohdin ottaa kuvia tämä harjoituksen tuloksista.

Buuf pt. 2 Malmi

Sitten itsenäisten harjoitusten pariin! Ensiksi kohteena oli Malmin lentokenttä johon pääsin digitoimaan ♥  kiitoradat. Tämän jälkeen buuferoin niiden ympärille 1 ja 2 km puskurin. Harjoituksen tarkoituksena oli saada selville, kuinka monta ihmistä asui kyseisillä alueella.

Statistics Toolbarista tarkistamalla yhden kilometrin alueelle jäi 806 asukasta ja kahden kilometrin alueelle taas 4875. Tulokset riippuivat siitä, kuinka tarkasti kiitoradat oli kartalle pirtänyt. Siksi minun ja Venla Punkan (2024) tulokset heittiväkin muutamilla kymmenillä asukkailla.

Buuf pt.3 Helsinki-Vantaa

Seuraava harjoitus lähti käyntiin kuin liukuhihnalta. Bufferointi selvästi vahvuuteni erilaisista QGIS harjoituksista. On tyydyttävää kun erilaiset työkalut tulevat vähitellen tutuksi ja niitä osaa jopa soveltaa tehtävien teossa. Kiitoradat digitoituani selvitin, kuinka monta asukasta asuu 2 km etäisyydeltä niiltä (kuva 3). Ja vastaushan on 2330 asukasta (kuva 4).

Seuraavaksi halusin selvittää kuinka monta prosenttia näistä 2330 asukkaasta asuu pahimmalla lentomelualueella, joka on 65 dB. Latasin tietokannan lentomelualueista ja etsin QGIS:n Select Features -toiminnolla melualueen, jolla meluaste on tasan 65dB (kuva 5).

Sitten piti vain muistaa painaa “Selected features only” täppää Statistics Toolbarissa ja vastaukseksi tuli 37 asukasta (kuvat 6 ja 7).

Harjoituksen vastaus haluttiin prosentteina, joten 37/2330  on pyöristettynä 1,6% asukasta.

Buuferointi jatkuu pt. ∞

Koska harjoituksia tuntui olevan loputtomiin, säästän itseni ja lukijat turhilta höpinöiltä. Tässä kuva vähintään 55dB alueella asuvista asukkaista, joita oli 1780 (kuva 8).

Seuraavaksi piirsin 7 km pitkän ja 1 km leveän jatkeen Tikkurilan yli. Tämän on tarkoitus kuvata lentomelua alueella poikkeustapauksessa, jossa koneet lentävät Tikkurilan yli (kuva 9). Laskutoimitusten jälkeen vähintään 60 dB melu haittaisi 1893 asukasta poikkeustilanteessa.

Seuraava tehtävä jäi minulta kesken, sillä QGIS sanoi itsensä irti. Tämä oli luultavasti merkki siitä, että olin buuferoinut tarpeeksi yhdelle päivälle. Sain kuitenkin selvitettyä juna- ja metroasemien läheisyydessä (alle 500 m) asuvien asukkaiden määrän (kuva 10). Vastaukseksi sain 5341 asukasta, joka on pyöristettynä 9% kaikista alueen asukkaista.

 

Lähteet:

Punkka, V. (2024). Vpunkka’s blog https://blogs.helsinki.fi/vpunkka/