Kurssikerta 5

Viikon kurssikerralla päästiin tällä kertaa tutustumaan seikkaperäisesti bufferointiin sekä erilaisiin naapurianalyyseihin. Huomionarvoinen Clip -työkalu tuli esiteltyä tunnin alussa, jolla on mahdollista leikata tietokannasta kohteita. Tunnin tehtävässä tutkittiin Helsinki-Vantaan sekä Malmin lentokenttien vaikutusta ympäristöönsä ja niiden aiheuttamia haittoja alueen asukkaille. Tarkasteltavat arvot olivat esimerkiksi alueen lentomelusta häiriintyneitä asukkaita. Taulukossa 1. nähdään joitakin saatuja arvoja. Huomattavaa on, että molempien lentokenttien läheisyydessä asuu erittäin paljon ihmisiä. Tämä tulee ottaa huomioon esimerkiksi suunnitellessa lentokenttien laajennuksia. Suurimpien melualueiden läheisyydessä ihmisiä ei kuitenkaan asu kovinkaan monta.

Pientä aivojumppaa tuotti potentiaalisen Tikkurilan melualueen määrittäminen, jossa bufferialue tuli itse määrittää mittaustyökalun avulla. Ohjelma ei nimittäin suostunut määrittämään vyöhykettä viivamaiselle kohteelle. Ratkaisu oli tehdä viivasta polygoni. Tärkeintä tehtävässä oli opetella bufferityökalun perusteet sekä spatial query -toiminnon hyödyntäminen bufferin kanssa. Tärkeä työkalu oli myös QGIS:in statistics -paneeli. Bufferityökalujen hyvä puoli on niiden yksinkertaisuus, sillä työkalua on vaikea käyttää väärin. Kuten tehtävistä huomattiin, voi bufferointia myös hyödyntää erittäin monipuolisesti. Tunnin lopuksi tunsin naapurianalyysien perusasioiden olevan hallinnassa. Huomasin kuitenkin erityisesti join attributes by location -toiminnon kaipaavan vielä harjoitusta.

Tutkimuksen kohteena olivat myös Helsinki-Vantaan lentokentän alueen ikärakenne ja sen sijoittuminen kartalle. Kohdassa, jossa laskettiin työikäisten prosenttimääriä saatiin jälleen kerran huomata QGIS:in suurin heikkous, taulukoita piti jälleen kerran karsia, jotta tarvittavat laskutoimitukset saatiin suoritettua. Näin totesi myös Vilma Kaukavuori blogissaan⁽¹⁾. Vaikka aineisto olikin suurta, onnistui ohjelma laskutoimituksista tällä kertaa kaatumatta. Ratkaisuna oli taulukon karsimisen lisäksi määrien laskeminen osissa. Tuloksia on kasattu taulukkoon 2. Taulukosta huomataan esimerkiksi yllättävän suuren osan asukkaista asuvan aivan juna-asemien lähellä. Kuten Henni Wessmann mainitsee blogissaan, suurin osa lähellä asemia asuvista asukkaista on työikäisiä.⁽²⁾  Myös taajama-alueita, jossa ulkomaalaisia oli huomattava määrä oli monta.

Lopuksi tarkastelin Helsingin Yhtenäiskoulun koulupiirin väestönrakennetta. Helsingin Yhtenäiskoulun on aineistoston keräysvuodesta seuraavana valmistauduttava 14 uuteen oppilaaseen omasta koulupiiristään. Ylä-asteikäisiä oman koulupiirin alueelta löytyy puolestaan seuraavalle vuodelle 81 oppilasta. Koulupiirin asukkaista tiedon keräysvuonna kouluikäisiä oli kokonaisväestöstä noin 10 prosenttia. Tällä suhteella arvioituna muunkielisiä kouluikäisiä on alueella arvioilta 11 kappaletta. Tuloksista voidaan päätellä koulupiirin alueelta tulevien oppilaiden määrän olevan melko pieni. Todellisuudessa tulee kuitenkin ottaa huomioon myös koulupiirin ulkopuolelta esimerkiksi muuton myötä tulevat uudet oppilaat. Koska käsitellyt luvut olivat pieniä, on yksittäisillä oppilaillakin tuloksiin vaikutusta. Tehtävässä oli hyvä muistaa erottaa yhteiskoulun alue omakseen ja karsia aineistoa ennen laskutehtäviä.

Lähteet:

⁽¹⁾V. Kaukavuori. Talojen suuret ikäluokat lähestyvät putkiremontti-ikää. https://blogs.helsinki.fi/vilmakau/ (luettu 16.2.2019)

⁽²⁾H. Wessmann. Viikko 5: aika kokeilla siipiään. https://blogs.helsinki.fi/henniwes/ (luettu 21.3.2019)