Pornaisten kartta

Aloitimme tunnin viime kurssikerralla aloitetun Pornaisten kartan parissa. Tämän tunnin idea oli harjoitella bufferointia. Tähän käytimme valmista tietokantaa, jossa kaikille taloille oli määritelty asukasmäärä keskimääräisten asukasmäärien mukaan. Selvitimme ensin, kuinka monta ihmistä asuu 500 metrin säteellä terveyskeskuksesta. Vastauksen tähän ja myös muihin kysymyksiin olen koonnut exceliin (kuva 1). Kartalla terveyskeskuksesta 500 metrin päässä olevat talot näkyvät keltaisella (kuva 2). Tällaisella bufferoinnilla voi esimerkiksi selvittää, kuinka monta asukasta tavoittaa terveyskeskuksen tietyssä ajassa. Niinpä tällaisia bufferianalyyseja voi hyödyntää esimerkiksi uusien julkisten rakennusten paikkaa suunniteltaessa.

Taulukko 1. Vastaukset kurssikerran kysymyksiin

Kysymys	Vastaus
Pornainen
Asukkaita 0,5 km säteellä terveyskeskuksesta?	596
Asukkaita yli 1 km päässä koulusta?	791
Asukkaita 50 m päässä isoista teistä?	177
Lentokentät
Asukkaita 1 km päässä Malmin kiitoradoista?	58763
Asukkaita 2 km päässä Malmin kiitoradoista?	9050
Asukkaita 2 km päässä Helsinki-Vantaan kiitoradoista?	10980
Asukkaita 2 km päässä H-V kiitoradoista JA pahimmalla melualueella?	17
Asukkaita vähintään 55 dB melualueella?	11923

Tämän kurssikerran aikana buffer-työkalun käyttö tuli erittäin tutuiksi ja nyt viikonkin jälkeen tätä kirjoittaessani ja kuvankaappaukset ottaessani bufferianalyysin teko oli hyvin muistissa. Bufferianalyysien oppiminen tuntuu myös mielekkäämmältä esimerkiksi digitointiin verrattuna, koska tuntuu, että bufferianalyyseilla on todella paljon eri sovellusvaihtoehtoja.

Hyödynsimme bufferointi-ominaisuutta myös selvittääksemme, kuinka moni lapsista saisi tulla polkupyörällä kouluun, jos vain yli kilometrin päässä koulusta asuvat saavat käyttää koulun polkupyöräpaikkoja. Tätä vastausta ei kuitenkaan saatu täysin oikeana, koska asukkaiden ikää ei olla tietokannassa määritelty, eli näin koululaistenkaan ikää ei voida tietää. Keltaiset pisteet kuitenkin näyttävät ne talot, joista lapset saavat pyöräillä kouluun (kuva 3). Aineisto siis vaikuttaa suuresti siihen, millaisia ongelmia QGissin avulla voidaan ratkaista. Työkaluja on ohjelmassa valtavasti, joten siitä varmasti harvoin tehtävän ratkaiseminen jää kiinni.

Viimeisenä teimme bufferianalyysin viime kurssikerralla digitoimistamme teistä, jotka ovat alueen isoimpia teitä. Teimme 50 metrin bufferin, joka on se alue, johon tien melu kuuluu pahiten. Keltaisella näkyvät talot (kuva 4) ovat ne talot, jotka osuvat 50 metrin bufferiin.

Lentokentät

Harjoiteltuamme bufferointia Pornaisten kartan kanssa, siirryimme pääkaupunkiseudulle ja lentokenttien läheisyyteen. Pornaisten teiden bufferointia voisi myös hyödyntää jonkinlaiseen liikenteen melun vaikutuksen kartoitukseen, mutta autoista tulee vähän meluhaittaa verrattuna lentokoneisiin.

Lentokenttä-tehtäviä teimmekin jo ihan itsenäisesti, ja vaikka käytin samoja työkaluja kuin aiemmin, pääsin silti pohtimaan miten niiden yhteiskäytöllä saan vastaukset kysymyksiin. Lentokenttätehtävistäkin olisi monia kuvaavia karttoja, mutta jätän ne nyt liittämättä tähän, oikeat vastaukset löytyvät taulukosta (kuva 1).

Tämän kurssikerran jälkeen fiilis omista QGis-taidoista oli ehdottomasti varmin. Pääsin myös soveltamaan oppimaani ja kun onnistuin itsenäisesti, tunne oli mahtava! Aikataulusyistä en kuitenkaan jatkanut tehtäviä kotona. Nyt kun yhä useammat työkalut ovat tuttuja, soveltaminen ja itsenäisesti kokeilukin on helpompaa, kun on edes jotain ideaa mistä aloittaa. Loviisa Majuri pohtii blogissaan Loviisan gis-blogi hienosti sitä, miten tärkeää on, että ymmärtää millaisia käsiteltävät aineistot ovat. Tämän kurssikerran jälkeen juuri tällainen käsitykseni oli selkeästi parantunut, koska ilman sitä oikeiden työkalujen löytäminen ja soveltaminen ei ole mahdollista.

Lähteet

Moodle – Kurssikerran 5 aineistot

Majuri, L. (2024). Loviisan gis-blogi: Viides kurssikerta – bufferointia lentokentillä. Viitattu 8.3.2024.