Month: November 2022

Hyvillä mielin eteenpäin ja kohti kyseistä kurssikertaa 🙂

Tänään päästiin vielä kerran sukeltamaan Kevon ihmeelliseen maisemaan tai ainakin maastonmuotojen ja jokiuomien visalisointiin. Tehtävään liittyi niin toisella, kuin kolmannellakin kurssikerralla käytetyt ja luodut karttatasot. Tavoitteena löytää täydellinen paikka teltalle Kevon kanjonilta!

Ensimmäinen harjoitus

Harjoitukset alkoivat tutustumisella uuten aineistoon, joka tuotiin siis edellisten harjoituksien kanssa samaan työhön. Aineistona oli CORINE -maanpeitekartta, joka kattoikin koko Lapin alueen. Ensimmäisenä tehtävänä oli rajata se oikeaan kokoon Kevon kanjonin alueelle. Yksinkertainen toiminto clip -työkalulla.

Aineisto on koostettu ja muodostettu SYKE:n eli Suomen ympäristökeskuksen teettämien paikkatietoaineistojen sekä satelliittitulkintamenetelmien perusteella. Tiedot on vuodelta 2018, eli suhteellisen uusia. Kokonaisuudessaan SYKE:n aineisto koostuu sekä rasteri, että vektori muotoisesta datasta, mutta käytössämme oli vain rasterimuotoinen data.

Ensi avaukselta kartta näyttää värikkäältä pistepilveltä ja sitä se onkin. Värit kuvastavat eri maanpeiteluokkia, kuten jokia, järviä, avokallioita ja paljon paljon muuta. Datan pohjalta visualisoitiin kartta (kuva 1), joka kuvastaa alueen maanpeiteluokkia. Jätin karttaan uomasto 100k tason, sillä sekin liittyy olellisesti eri maanpeiteluokkien esiintyvyyteen alueella.

Kuva 1. visualisoitu kartta maanpeiteluokista Kevon kanjonilla

Alueen maanpeite on suurimmaksi osaksi tundrakasvillisuutta eli nummia ja varvikoita (tumma vihreä). Tämä johtuu alueen suhteellisen jyrkistä rinteistä ja korkeuseroista. Kanjonin pohjalla on paljon lehtipuita, jotka eivät menesty karummilla ja korkeammilla alueilla. Kartalta näkee korkeuseroja kasvillisuuden avulla, vaikken lisännytkään kartalle korkeuskäyriä. Harvapuiset alueet sijaitsevat korkeammilla kohdilla, tunturin päällä, jossa kasvillisuus on niukkaa. Toistaa aikalailla edellisissä harjoituksissa kuvailtua asiaa.

Toinen harjoitus

Toisessa harjoituksessa haasteena oli tehdä soveltuvuusanalyysiä, jonka tuloksista haettiin sopivia telttapaikkoja alueelta. Lähtökohtanahan oli, että teltan tulee sijaita alle 260m korkeudella, rinteellä joka avautuu itään, etelään tai länteen, sen tulee olla maksimissaan 200m etäisyydellä jokiuomasta, eikä rinteen jyrkkyys saa olla yli 10m. Eikun kiviä kääntämään…

Uutena työkaluna käyttöön otettiin ModelBuilder eli mallinrakennus (:D) työkalu. Se loi ikäänkuin uuden välilehden, jolle alettiin luomaan erilaisia kaavoja. Aloitettiin eniten pinta-alaa rajaavalla elementillä, eli korkeuden määrittämisellä. Kartalta rajattiin pois kaikki alueet, jotka ylittivät 260m korkeuden. Tässä (kuva 2) rajattuna alueet, jotka voisivat (vielä) olla mahdollisia telttapaikkoja.

Kuva 2. Välivaihe korkeuden rajauksessa

Tämän jälkeen työkalulla tehtiin vielä loput paikkaa rajaavat toiminnot, kuten rinteen jyrkkyyden arviointi sekä uoman etäisyyden rajaaminen. ModelBuilder työkalu teki selkeäksi, ajatuskartan tyylisiksi palluroiksi aineiston, siihen käytetyn työkalun ja lopputulostason visualisoinnin ja sitä oli helppo seurata ja ymmärtää. Tässä (kuva 3) valmis ketjutus kaikkien rajaavien paikkatekijöiden jälkeen.

Kuva 3. ModelBuilderilla tehdyt toiminnot

Ohjeissa oli erityinen “pro tip” osio, jonka mukaan yhdellä pienellä näppäimellä; Auto Layout, saisi kerralla järjestettyä pallurat siistiin järjestykseen ja selkeään muotoon näytölle. Kokeilinpas työkalua ja no, en kyllä välttämättä sanoisi parhaaksi ratkaisuksi (kuva 4). Kyllä taas itse tehty ja järjestelty versio eli niin sanottu perinteinen tyyli näytti paremmalta XD (kuva 3)

Kuva 4. “Pro” versio ModelBuilderista

Kun kaikki eri paikkaa rajoittavat tekijät oli saatu rajattua kasaan, tehtiin aineistolle vielä yhdistäminen. Sen avulla siis yhdistettiin mahdollisten telttapaikkojen tekijät suuremmiksi, yhtenäisiksi alueiksi, jotta kartta selkeytyy eikä näytä pelkältä pistepilveltä. Lisäksi aineisto muutettiin rasterimuodosta vektorimuotoon Raster to Polygon -työkalulla. Saatiin siis tulokseksi kartalle (kuva 5) kaikki mahdolliset paikat, jolle teltan näillä kriteereillä voisi sijoittaa.

Kuva 5. Mahdolliset telttapaikat ModelBuilderin jälkeen

Karttahan (kuva 5) ei tällä hetkellä oikeastaan kerro mitää, millaisessa maastossa pinkillä kuvatut telttapaikat sijaitsevat, joten karttaa piti visualisoida informoivammaksi. Lisäsin pohjalle DEM maastonkorkeusero kartan, jonka päälle korkeuskäyrät sekä uoman 100k. (kuva 6) Kartta näyttää oikeanlaiselta, ainakin telttapaikat ovat lähellä uomaa, melko matalalla ja luultavasti myös suhteellisen tasaisella kohdin. Kartta on mielestäni hyvin onnistunut ja sen avulla voisi jopa löytää paikan teltalle!

Kuva 6. telttapaikan sijoitettuna kartalle

Mitä muita kriteerejä telttapaikan valinnassa voisi hyödyntää? No tulee mieleen ainakin maaperän kosteus, sillä eihän kukaan halua nukkua lätäkössä! Lisäksi suojaisuus eli se kuinka paljon alueella tuulee, onko vaara jättää teltan ulkopuolelle jotain, joka voisi lähteä tuulenmukaan. Itse tietenkin huomioisin myös micromaastonmuodot ja kivisyyden. Ei ole mukavaa nukkua lohkare selänalla tai liejukuopassa.

Mitä muuta vastaavalla mallilla voisi selvittää? Mallilla varmaan tarkoitetaan ModelBuilderia. No eikös kaikilla maanpeite ja puusto datoilla voida selvittää liito-oravien mahdollisia esiintymisiä ja pesimä alueita :DD. Lisäksi varmaankin mahdollisia maanvyörymiä tai kasvupaikkatietoja. Luultavasti kaiken, jos lisää vielä omaa dataa kaiken jo olemassa olevan lisäksi.

Tämähän alkaa sujua! (ainakin paperilla …)

 

Väsyttää…

Tämän kerran aineistosta suuri osa oli jo valmiina edelliskerralta ja näpsäkästihän ne aukesivat kuten kuuluikin. Harmi vain, ettei edelliskerran tasoja voinut enään visualisoida, sillä se aiheutti muutamatkin ohjelman kaatumiset (: No kaikilla meillä välillä keittää yli.

Tämän kerran harjoitus perustui siis Kevon kanjonin alueen puuston tutkimiseen. Aineistona oli rasterimuotoista dataa alueen puustosta, josta oli eritelty mänty, kuusi ja lehtipuut omiksi tasoikseen. Aluksi silmäilemällä alueella vaikutti olevan yllättävänkin paljon puustoa, vaikka alue on pohjoisessa, käsittääkseni tundra-alueella. Tähän syynä varmaankin Kevon kanjonin pohjalla virtaava valuma-alue joki ja suojaisampi kasvupaikka.

Aineiston tietoja

Aineiston tuottamisessa käytettiin tekstin perusteella montaa erilaista laaserkeilainta, pikseleistä tms kirjainyhdistelmitä ei kyllä mitään käryä : D Mutta siis monelta eri kantilta ja kulmalta ja ilmeisesti eri resoluutiolla kuvattuja aineistoja. Puuston vuotuista tilavuusprosenttia arvoitiin metsikkökohtaisten ja puulajistollisten kasvumallien avulla. Lisäksi tehtiin muita maastollisia mittauksia.

Puumassan yksikkönä oli käytetty 10kg/ha. Spatiaalinen resoluutio on varmaankin sama, koska pohjakartta ja muutkin tasot olivat samoja kuin viime kerralla, toisaalta löysin tekstistä myös luvun 16km x 16km. Tiedähäntä…

Varsinaiset kartat

Tässä seuraavaksi tunnin tulosta. Kartoilla (kuva 1 ja 2) näkyy männyn ja lehtipuiden latvuspeittävyys Kevon kanjonilla.

Kuva 1. alueen lehtipuiden arvioitu latvuspeittävyys

Kuva 2. alueen mäntyjen arvioitu latvuspeittävyys

Karttojen taustalla on korkeusvyöhykkeinä alueen korkeus merenpinnasta 200m tarkkuudella. Lisäksi 100k uomataso ruskealla, jota ei siis voinut enää visualisoida uudestaan. Päädyin poistamaan kartalta selvyyden vuoksi kaikista pienimpien ja harvimpien puiden latvuspeittävyyden. Kartta oli selkeämpi näin, ja siitä pystyy edelleen tekemään tärkeimmät havainnot.

Havaintoina latvuspeittävyyden osalta se, että lehtipuita löytyy oikeastaan vain kaikista kosteimmilta ja matalammilta alueilta niiden suuremman veden tarpeen vuoksi. Mäntyä taas näyttää olevan kivunnut jopa joissain määrin kaikista korkeimmillekin kohdille. Mänty selviytyy kuivemmissa ja karummissa olosuhteissa kuin lehtipuut.

Miten latvuspeittävyys sitten on aineistossa arvioitu? No siinä kohtaa aineistossa oli valtavati erilaisia kirjain yhdistelmiä ja numeroita, joten yritin saada siitä selvän; latvuspeittävyys on arvioitu k-NN menetelmällä eli vertailemalla naapureiden etäisyyttä toisiinsa(?). Ilmeisesti siis vaakatasossa arvioituna lehtien peittävyys kun katsotaan kohtisuoraan ylös.

Biomassoja

Seuraavaksi vertailin kuusen, männyn ja lehtipuiden biomassaa alueella. Kuvissa (3, 4 ja 5) näkyy jokaisen puulajin tai lajien biomassan levittäytyminen alueelle ja tässähän yksikkönä toimi 10kg/ha.

Kuva 3. kuusen biomassa Kevon kanjonilla

Kuva 4. männyn biomassa Kevon kanjonilla

Kuva 5. Lehtipuiden biomassa Kevon kanjonilla

Jo ensi vilkaisulta huomaa, että lehtipuiden biomassa on huomattavasti suurempi kuin kuusen tai männyn. Harmittavasti jäi nappaamatta legenda näistä, mutta mitä tummempi väri, sitä suurempi biomassa : D Aloin tässä vain karttoja liittäessäni pohtimaan, että mikä mahtaa aiheuttaa sen, että männyn biomassa on pienempi ja suppeammalla alueella kuin lehtipuiden, vaikka latvuspeittävyydessä tilanne oli toisinpäin?  Korkeammalla kasvavat männyt todennäköisesti kitukasvuisia. Vai johtuukohan neulasten tilavuudesta verrattuna lehtiin? Pieni ristiriitaisuuden siemen kylvetty.

Ylimääräinen kartta

Tässä vielä 100k uomastosta tehdylle bufferille pohjautuva kartta (kuva 6), jossa havainnollistetaan lehtipuiden etäisyyttä Kevon kanjonin pääuomista. Kartalle lisättyinä bufferitaso, eli etäisyys uomasta 200m buffereilla sekä lehtipuiden latvuspeittävyys taso.

Kuva 6. lehtipuiden etäisyyttä kanjonin uomista havainnollistava bufferi kartta

Kuten kartasta voidaan päätellä lehtipuita on levinnyt jokaiselle etäisyysvyöhykkeelle. Kartalla on kuitenkin vain lehtipuiden osuus. Kaikilla etäisyysvyöhykkeillä, mäntyä on latvuspeittävyyden perusteella eniten.  Vastaavasti kuusta aluella on selvästi vähiten. Alla oleva taulukko havainnollista samaa (kuva 7) eli mänty on valtapuu alueella.

Kuva 7. taulukko puiden latvuspeittävyydestä

Ihan mielenkiintoinen harjoitus ja suht. koht. helpot tehtävät!

Tällä kerralla tarkasteltiin erilaisia korkeusmalleja, niiden käyttöön sopivia työkaluja sekä niiden avulla tarkasteltavaa dataa. Harjoituksen pohjana käytettiin DEM eli Digital Elevation Model tyyppistä aineistoa Kevon kanjonista, Kevon luonnonpuistosta.

Jälleen kerran ohjeet olivat loistavat ja niiden avulla selvittiin harjoituksen loppuun kunnialla. Toki voidaan kyseenalaistaa tuliko matkanvarrella opittua tai ymmärrettyä mitään, mutta sen selvittäminen on edessä sitten seuraavalla kerralla. Tämän kertainen harjoitus eteni nopeasti ja kivuttomasti, vaikkei ohjeistus sisältänytkään kovinkaan paljoa havainnollistavia kuvia.

Ensimmäiset kysymykset liittyivät datan tarkasteluun. Ne osoittautuivatkin haastavammiksi kuin oletettiin, joten vastukset ovat sen mukaisia; (:D)

• Mitkä ovat korkeusmallin yksiköt vaakasuunnassa, entä korkeussuunnassa? Metrejä
  
• Mikä on korkeusmallin projisoitu koordinaattijärjestelmä? EUREF FIN TM35FIN
• Mikä on korkeusmallin spatiaalinen resoluutio? 34,33 MB
• Mikä on alueen koko? 6km x 6km

Harjoituksen aikan luotiin monta erilaista karttatasoa, joiden kaikkien merkityksestä en edelleenkään ole perillä. Mutta kuten alussa sanottiin kyseistä versiota käytetään vielä tulevien kurssikertojen aikana. Kuva 1. Kevon kanjonin rinteen jyrkkyys ja korkeuskäyrät

Tässä ensimmäinen vedos siitä, mitä kurssikerran aikana tapahtui. Loimme siis korkeusmallista johdannaisen (kuva 1), jonka avulla voidaan tarkastella kanjonin rinteen jyrkkyyttä ja korkeus eroja. Lisäksi otin kartalle mukaan korkeuskäyrät hahmottamaan sitä, kuinka suuret korkeuserot kanjonin pohjalla virtaavan uoman ja ympärillä olevien lakien välillä onkaan.

Seuraavassa kohdassa tutkitaan tarkemmin hydrologisen mallinnuksen vaiheita. Ensimmäisenä tuli selvittää millaisia valuma-alueita kanjonin alueelle kuuluu ja se saatiin tekemällä jonkinlainen “basin” -työkalun analyysi. Karttatasoksi ilmestyi suuri harmaa alue, jonka päättelimme olevan valuma-aluetta. Pakko myöntää etten todellakaan tiedä valuma-alueista yhtään mitään vaikka maantieteilijä yritänkin olla, joten harjoitus on saattanut mennä ihan pieleen jo tässä vaiheessa. :´(

No joka tapauksessa eteenpäin, eli seuraavaksi lisäsin kartalle uomastoja, jotka havainnollistavat sitä, mitä mahdollisia reittejä pitkin vesi pääsee valumaan pois alueelta. Kartalle (kuva 2) on lisättynä uomastoja raja-arvoilla 2000 ja 10 000. Kuten kuvasta näkee pienempiä uomia kulkee alueella useita, jotka sitten liittyvät suurempiin poisvirtaaviin uomiin.

Kuva 2. Kevon kanjonin valuma-alue ja sen uomastoja

Kysymyksenä oli pohtia, miten uomien raja-arvon valinta vaikuttaa lopputulokseen, ja mikä raja-arvo saattaisi olla paras tässä tapauksessa?  Raja-arvon valinta vaikuttaa kartan lopputulokseen merkittävästi, sillä mitä pienemmän raja-arvon valitsee, sitä enemmän ja pienempiä sivu-uomia kartalle ilmestyy. Kartta näyttää siis osin sekavammalta. Pienimpien uomien lisääminen kartalle ei enää havainnollista mitään, vaan tukee isompien uomien pohjalta tehtyä päätelmää. Siksi valitsin sopivimmaksi raja-arvoksi 10 000 ja tätä tulen käyttämään tulevien kuvien kohdalla.

Toisena kysymyksenä, pohdi lisäksi vaikuttavatko uomat täysin todenmukaisilta? Ovatko ne joissakin kohdissa epäloogisia, tai erikoisen muotoisia? Kartalla olevat uomat ovat joissain kohdin epäilyttävän suoria, mutta se voi johtua myös aineiston esitystavasta. Vaikka aineistosta tehtiin sekä rasteri, että vektori muotoinen data, ei se pysty esittämään kaikista pienimpiä mutkia joita luonnossa voi olla.  Muuten uomasto on mielestäni melko selkeä, kuten jo sanoin, en ole valuma-alue ekspertti, joten kelpaa minulle.

Kuva 3. Kanjonin uomasto slope-karttapohjalla ja mahdolliset valuma-alueet

Tällä kartalla (kuva 3) oli tarkoitus vastata seuraavaan kysymykseen; Minkälaisia valuma-alueita tutkimusalueella on? Kartalla näkyvä pääuoma jakautuu mielestäni kahdeksi pienemmäksi uomaksi, jotka muodostavat omat pienemmät valuma-alueensa, kuten yritin hahmottaa piirtämällä kartalle. Pienemmältä mittakaavalta katsottuna alue voidaan kuitenkin nähdä yhtenä suurena valuma-alueena. 

Kuva 4. Kevon kanjonin uomaston virtaussuuntia

Vielä viimeinen karttavedos, jonka päätin lisätä raporttiin. Kartalla (kuva 4) on siis havainnollistettu sitä, miltä alueilta vettä valuu ja mille alueille kerääntyy eniten vettä. Mitä tummempi väri kartalla, sitä enemmän sille valuu vettä vaaleammilta alueilta. Valitsin esitystavaksi mieluummin loogisen sinisen eri sävyt, sillä mielestäni se osoittaa selkeämmin sen, mille alueille vesi kerääntyy.

Seuraavaa kertaa odotellessa…

Kylmää, märkää ja pimeää. Heijastaa sekä ulkona vallitsevaa säätilaa, että pääni sisällä raksuttavia ajatuksia edellisen geoinformatiikan kurssin sisällöistä. Mutta ei auta, täällä jälleen. Kone auki ja muistelemaan miten niitä buffereita luotiin ja miten exportattiin karttataso ulos ennen kuin ohjelmisto ehtii kaatua.

Ensimmäisen kurssikerran työt osoittautuivat helpotukseseni melko iiseiksi. Toki yksityiskohtaiset ohjeet siitä, mitä milloinkin tuli tehdä ja missä järjestyksessä helpotti huomattavasti tulokseen pääsemistä. Bufferi oli muistissa ja tuttu työkalu edelliseltä gis -kurssilta, joten mitään suurempaa paniikkia ei päässyt syntymään. Ohjelmistona ArcGis Pro osoittautui yhtä näppäräksi kuin Qgis (sarkasmia vaiko ei :D), mutta totuttelua ja eri työkalujen löytämistä sen käyttö vielä vaatii.

Tämän viikon harjoitus käsitteli Overlay-analyysejä. Kyseiset analyysit ovat perinteisimpiä tapoja tarkastella vektorimuotoista paikkatieto dataa. Lyhykäisyydessään tämä tarkoittaa sitä, että useita karttatasoja asetetaan päällekkäin ja analysoidaan sen avulla vastinkohtien ominaisuustietoja. Tällä kerralla se tarkoitti kahden Helsingistä vievän ajoväylän alueen maankäytön tarkastelua.

Kuva 1. lähtötilanne ennen buffer-analyysiä

Käytetyssä datassa oli yhdistettynä päällekäin tietoa Lahdenväylän ja Vihdintien sijainnista sekä alueen maankäytöstä. (kuva 1) Maankäytön muotoina oli eritelty rakennukset, tiet, matala kasvillisuus, pellot, puusto, avokallio ja vesistöt. Kartan käsitteleminen ei loppupeleissä ollut kovinkaan vaikeaa, mutta uuden ohjelmiston pyörittäminen ja toimintojen opetteleminen vei suurimman osan ajasta.

Kuva 2. Valmis kartta tehtävään 1

Kuvassa 2 on valmis karttatuloste tehtävään 1, jossa tuli bufferoida kummankin väylän alueen maankäyttömuodot näkyviin. Jotta saatiin näkymään vain kahden valitun väylän ympäristön maanpeite tiedot, käytettiin tehtävässä buffer- eli puskurianalyysiä. Buffer -analyysin avulla voidaan erottaa datasta halutulta eteisyydeltä, tässä tapauksessa 250m väylistä, sijaitsevat alueet ja niiden sisältämät tiedot. Tiedot otettiin maanpeite datasta, jolloin Buffer muodosti uuden vyöhykealueen kyseisten ajoväylien ympärille (ks. kuva 2).

Myös ArcGis Pro -ohjelmistossa pystyi visualisoimaan työstettävää karttatasoa niin, että sen värit ja muodot vastaisivat paremmin sen esittämää dataa. Näin tehtiin kummankin tehtävän kohdalla, jolloin karttojen väritys helpoottaa lukijaa ymmärtämään, mistä kartassa on kysymys.

Lopuksi tehtävässä tuli vielä tehdä diagrammit kummankin väylä maanpeite muodoista. (kuvat 3 ja 4) Näiden kahden diagrammin värejä en lähtenyt muokaamaan, sillä aikaa kurssikerralla on rajatusti. Diagrammista kuitenkin näkee selkeästi, että kummankin väylän läheisyydessä puusto on hallitsevana maanpeitemuotona. Toinen merkittävä on tiestö.

Kuvat 3&4 digrammit väylien maanpeitteestä

Toinen tehtävä aiheuttikin enemmän päänvaivaa. Tehtävänä oli tutkia Kumpulan ja sen lähialueiden (Toukola, Käpylä) maankäyttömuotoja. Tehtävässä pystyi hyödyntämään pitkälti edellisen tehtävän karttatasoja. Uutena datana tuotiin vain kaupunginosien rajaukseen liittyvät osat.

Kuva 5. valmis kartta tehtävään 2

Tällä kartalla (kuva 5) haasteellisinta oli tuottaa maanpeite aineiston jaottelu kahteen luokkaan; rakennettu ja luonto. Ohjeissa olevan Code Blokin kopioimalla olisi pitänyt saada helposti tuotettua oikeanlainen jaottelu, mutta tehdessämme tehtävää yhdessä Vicci:n kanssa kummankin atribuuttitaulukosta puuttui erinäisiä tietoja. No, siitä selvittiin ja tässä lopputulos. (kuva 5)

Tehtävän 2 tekemisessä käytettin kahta eri päällekkäisanalyysin tapaa; Clip ja Intersect. Clip -työkalu on jo edellisellä kurssilla opittu piparkakkumuotti, jonka avulla saa valittua kartalta, haluamaltaan alueelta datan. Työkalu luo uuden karttatason, jolle tallentuu valitun alueen sisälle jäävän datan tiedot. Intersect -työkalu puolestaan leikkaa halutun alueen kartalta, luo uuden karttatason, mutta säilyttää sille leikatun alueen tietojen lisäksi myös lähdedatalta valitun alueen ulkopuolisia tietoja.

Kuva 6. Kumpulan, Toukolan ja Käpylän alueen maankäyttö taulukoituna

Tehtävään kaksi kuului myös diagrammin askartelu. Kuvassa 6. näkyy kunkin kaupunginosan maankäyttömuodot prosenttiosuutena. Tässä kohdin oli jo luokiteltu data rakennettuun ja luontoon, joten oli helpompaa esittää se pylväinä. Tämä siis erona edellisen tehtävän piirakoihin. Diagrammien esittämisessä on ongelmana se, että maanpeite data “muu paljas maa” on sijoitettu rakennettuun ympäristöön. Lähdedatassa ei oltu erikseen eritelty mitä tuo “muu paljas maa” pitää sisällään, ja osa sen kattamista alueista oltaisiin voitu luokitella varmasti myös luontoon. Tällaisena esimerkkinä tulee mieleen hiekkakentät.

Ensimmäisestä kurssikerrasta selvitty, enää 6 jäljellä 🙂