Viimeisellä kurssikerralla tehtävänä oli laatia oma kartta, jossa on esiteltynä vähintään kaksi muuttujaa. Suositeltavaa on, että kartta on alue joka jakaantuu pienempiin osiin.

Kartan aiheen valitseminen osoittautui hankalammaksi kuin olisin kuvitellut. Aineistoa löytyy valtavasti ilmaisena, mutta yllättävän haastavaa oli valita hyvä aihe ja osata olemassa olevasta aineistosta muokata järkevän näköistä QGIS:ssä. Jahkailun jälkeen päädyin valitsemaan aiheeksi koulutuksen ja peruskoulut Suomessa kunnittain. Ajattelin kuntien olevan hyvä rajaus ja väestön kouluttautumisesta on runsaasti ilmaiseksi ladattavissa olevaa tietoa tilastokeskuksen sivuilla.

Pohjakartan sain ladattua tilastokeskuksesta WFS-layerina (Kunnat 2021), samoin peruskoulut (Oppilaitokset, tilastokeskus). Niiden lataaminen QGIS:n ei vaatinut suuria ponnisteluja, ja käsittelyksi riitti aineistojen liittäminen yhteen “join attributes by location” toimintoa käyttäen.

Väestön koulutustiedot piti sen sijaan ensin hakea tilastokeskuksesta järkevillä muuttujilla ja kopioida taulukoksi, joka tuli sitten muuttaa CSV- tiedostoksi. Ennen QGIS:n lataamista taulukosta tuli vielä muokata kuntien nimet sopivaksi yhteen pohjakartan kuntien kanssa. QGIS:ssä vielä “Joins” toimintoa käyttäen sain tiedot näkymään oikein kartalla. Diagrammin teko oli myös suhteellisen virtaviivaista.

Valmiin kartan visuaalinen ilme oli kuitenkin sekava. Diagrammien määrä hävittää alleen peruskoulujen visualisoinnin ja siitä on vaikea sanoa mitään.

Kuva 1: Väestön koulutustaso ja peruskoulujen määrä kunnittain.

Koin siis fiksummaksi esittää peruskoulujen määrän vielä omalla kartalla yksinään.  Lisäksi peruskoulujen määrien luokitus oli kuvassa 1 turhan laaja (6 luokkaa), ja mielestäni luokitus on helpommin havainnollistettu kuvassa 2 neljällä luokalla. Peruskoulujen määrä loogisesti painottuu suurimpien kaupunkien ympärille ja Etelä-Suomessa niitä on runsaasti.

Kuva 2: Peruskoulujen määrä kunnittain.

Piirakkadiagrammien luku on kuvassa 1 vaikeaa, ja zoomattu kuva on helpommin luettavissa (kuva 3). Alueellinen vertailu on myös helpompaa kuvassa 3 rajatulla alueella, sillä diagrammit erottuvat paremmin. Kuten kuvasta 1 voi ehkä jossain määrin lukea, kuva 3 havainnollistaa vielä selkeämmin, kuinka paljon enemmän toisen asteen koulutuksia ja tutkijakoulutuksia väestöllä on kunnissa, joissa on suuria kaupunkeja (ja yliopistoja).   Jo Vantaalla kuitenkin suurimmalla osalla väestöä vain  peruskoulututkinto, ja osuus lähestulkoon vain kasvaa mitä kauemmas Helsingistä siirrytään. Jälkeenpäin ajateltuna olisi karttaan voinut lisätä vielä suurimmat liikenneväylät, jotka voisivat osaltaan selittää, esimerkiksi miksi Siuntiossa ja Lohjalla on enemmän korkeakoulutettua väestöä verrattuna vaikkapa Mäntsälään tai Pukkilaan

Kuva 3. Väestön koulutustausta Uudellamaalla.

Stat.fi kertoo, kuinka Suomessa tutkinnon suorittaneiden määrä on noussut väestössä viimeisen 50 vuoden aikana. Sekä toisen asteen että korkea-asteen koulutukset ovat lisääntyneet. Korkeimmin koulutettu väestö asuu Uudellamaalla (40 %), jonka voi huomata myös kartasta 3.  Pienin korkeasti koulutettujen osuus oli Etelä-Pohjanmaalla, Keski-Pohjanmaalla, Kainuussa ja Etelä-Savossa (20%). Eniten vain perusasteen varassa olevia nuoria aikuisia, 20-29-vuotiaita, on Ahvenanmaalla ja vähiten Pohjois-Karjalassa. (SVT, 2021).

Lähde:

Suomen virallinen tilasto (SVT): Väestön koulutusrakenne (2020)  Helsinki: Tilastokeskus [verkkojulkaisu] <http://www.stat.fi/til/vkour/2020/vkour_2020_2021-11-03_tie_001_fi.html> vierailtu 23.3.2022

 

 

 Pisteaineistoja ja hasardeja

Kuudes kurssikerta alkoi reippailulla lähimaastossa lumimyrskyssä. Puhelimeen ladattavaan Epicollect5- appiin tuli koota eri paikkoja lähiympäristössä ja arvioida niitä viihtyvyyden, turvallisuuden ja saavutettavuuden perusteella. Koko ryhmän kootut aineistot yhdistettiin nettisovelluksessa yhdeksi suureksi aineistoksi. Näistä aineistoista teimme yhdessä pisteaineistoja ja karttoja. Alla kuvissa 1 ja 2 on interpoloituja karttakuvia joissa on esitetty turvallisuutta käyttäen kahta eri pikselikokoa (kuva 1 pienemmät pikselit kuin kuvassa 2).

Kuva 1: Pienempi pikselikoko tekee kartasta ulkoasultaan siistimmän.

Kuva 2: Pikselit erottuvat selkeästi.

Hasardeja

Kurssikerran itsenäistehtävänä oli luoda kolme hasardikarttaa. Valittavia hasardeja oli maanjäristykset, tulivuoret ja meteoriitit. Valitsin aineistoon maanjäristyksiä ja tulivuoria, sillä ne on helppo kuvata samaan karttaan.

Tehtävän haastavuus oli oikean aineiston lataaminen nettisivuilta ja sen muuttaminen QGIS-ystävälliseen muotoon (CSV-tiedostoiksi). Muutaman harjoittelukerran jälkeen se osoittautui suhteellisen suoraviivaiseksi.

Halusin esittää kartoissani maanjäristyksiä ja tulivuoria, sillä niiden sijainnin havainnollistaminen voisi toimia esimerkiksi peruskoulun mantsan tunneilla.

Ensimmäiseen karttaan havainnollistin kaikki yli 6.0 Richterin maanjäristykset vuodesta 1900 ja kaikki tulivuoret maapallolla (kuva 3). Karttaan piirtyy  kauniisti litosfäärilaattojen rajat. Huomasin jälkeenpäin Tuomas Hartikaisen blogista, että litosfäärilaattojen rajojen lisääminen istuisi karttoihin mainiosti ja havainnollistaisi hyvin aihetta.

Kuva 3: Maapallon tulivuoret sekä maanjäristykset 1900-2022

Toiseen karttaan havainnollistin kaikki tulivuoret ja niiden rinnalle suurimmat tulivuorenpurkaukset viimeisen sadan vuoden ajalta. Tulivuorenpukaukset ovat VEI (Volcanic Explositivity Index) asteikolla 2 tai enemmän, eli arvioitu vähintäänkin kohtalaisiksi tuhoiltaan. Tämä havainnollistaa mielestäni hyvin, kuinka paljon tulivuoria maapallolla on, jotka ovat suhteellisen harmittomia.

Kuva 4: Tulivuoret ja tuhoisimmat purkaukset 1922-2022

Kolmanteen karttaan (kuva 5) havainnollistin vielä suurimmat maanjäristykset viimeisen 10 vuoden ajalta (Richterin asteikolla 8.0-9.0). Tällä halusin havainnollistaa, kuinka vähän todella tuhoisia maanjäristyksiä tapahtuu, kun verrataan kuvaan 3.

Kuva 5. Maanjäristykset viim. 10 vuodelta, Richter 8.0-9.0.

Mielestäni karttakuvia voisi käyttää esimerkiksi peruskoulun mantsan oppitunneilla havainnollistamaan tulivuorten ja maanjäristysten sijaintia verrattuna litosfäärilaattoihin, mutta myös kuvaamaan, kuinka yleisiä ilmiöitä esimerkiksi maanjäristykset ovat maailmanlaajuisesti, mutta ei välttämättä aina tuhoisia.

Tulivuorikartat havainnollistavat selkeästi, kuinka paljon tulivuoria maapallolla on, jotka eivät ole välttämättä tuhoisia. Suhteellisen vaarattomat tulivuoret keräävät myös turisteja, minkä olen huomannut ainakin itse kotimaisessa mediassa viime vuonna, etenkin Islannin Fagradalsfjallin tulivuori keräsi paljon ihailijoita. National Geographic kirjoitti artikkelin tulivuoriturismista. Vaikkakin tulivuoriturismi herättää paljon eettisiä kysymyksiä, on siitä julkaistu ainakin paljon hienoja kuvia.

Kuva 6. Turisti kuvaamassa tulivuorta, Lähde: Chris Burkard, National Geograpic (2021)

Lähteet:

National Geographic, 2021, “Volcano tourism is booming, but is it too risky?”, Rachel NG, <https://www.nationalgeographic.com/travel/article/is-volcano-tourism-safe>

Blogiviittaus :
Tuomas Hartikainen, Maa-GIS-ta menoa, <https://blogs.helsinki.fi/tuomhart/2022/02/22/6-kurssikerta/>

Bufferointia ja pohdintaa

Oma QGIS osaamiseni

Tällä hetkellä koen, että oma paikkatieto-osaamiseni on hyvin epätasaista ja epävarmaa. Kurssin aikana QGIS:n käyttäminen on käynyt helpommaksi ja teoriassa käsiteltävät asiat koen suhteellisen helpoiksi. Olen huomannut, että kotona tehtävät työt ovat kuitenkin äärimmäisen haastavia, sillä kun avaan QGIS:n omalla koneellani tuntuu, että en muista mitään.

Tämän perusteella voisi sanoa että QGIS osaamiseni on enintäänkin auttavaa. Eri aineiston tuominen ohjelmaan ja niiden tarkastelu on yksinkertaista ja eri tiedostojen yhdistely sujuu ohjeiden avulla hyvin. Kuitenkin itsenäinen tekeminen tai työkalujen soveltaminen tuntuu haastavalta. Tästä on siis hyvä lähteä tekemään viidennen kurssikerran tehtäviä itsenäisesti…

Viidennen kurssikerran aiheisiin kuului puskurivyöhykkeiden tutkiminen. Puskurivyöhykkeitä hyödyntämällä voidaan esimerkiksi arvioida, kuinka paljon ihmisiä asuu tiettyjen palvelujen lähellä. Esimerkiksi julkisen liikenteen saatavuutta voitaisiin tarkastella puskurivyöhykkeillä.

Itsenäistehtäviä ja bufferointia

En päässyt flunssan vuoksi lähiopetustunnille, joten viidennen kurssikerran asiat opiskelin siis kotona omin nokkineni. Bufferointiharjoittelu oli suunniteltu tehtävän Pornaisten työn kanssa, joka oli aloitettu viime kerralla tunnilla.

No, oma läppärini ei halunnut avata viime tunnilla OneDriveeni tallentamaani työtä. Jonkin aikaa asian kanssa kamppailtuani päädyin siihen lopputulokseen, että on sama aloittaa tekemään itsenäisiä tehtäviä heti käyttäen apuna edelliskerran ohjeita ja kurssikerta 5 -ohjeita.

Eli ensimmäinen tehtävä: lentokentät. Kuinka paljon ihmisiä asuu Malmin ja Helsinki-Vantaan lentokenttien ympäristössä ja kuinka moni altistuu meluhaitoille?  Piirtäminen ja bufferointi on suhteellisen helppoa ja ensimmäisessä tehtävässä toistoa tulee paljon. Kun vertasin ihmismääriä, mitä sain yhdistettyä buffereideni sisään, ne heittelivät suhteellisen paljon verrattuna muiden opiskelijoiden taulukoihin. Syytä tähän en kovasta pohdinnasta keksinyt. Toinen tehtävä meni pitkälti samoin kuin ensimmäinen. Kolmas tehtävä muistutti aikaisemmista kurssikerroista Afrikan konflikti-tehtävää, sillä pääarvo oli aineistojen yhdistämisellä. Se oli mielestäni tehtävistä helpoin. Kaiken kaikkiaan tehtävät olivat etänä työläitä ja moneen otteeseen toivoin olevani lähitunnilla, missä apua ja vertaistukea saa nopeasti. Tähän tehtävään apua hain runsaasti muista blogeista etenkin vastausten vertailuun, esim.  Juulian , Jannen, ja Jessikan blogeista. Hyödylliseksi sivuksi osoittautui myös https://gis.stackexchange.com/questions/280457/qgis-error-join-attribute-by-location josta sain apua error-tilanteisiin.

Tehtävä 1

Kuinka monta asukasta asuu 1 km säteellä Malmin lentokentältä?	9340
Kuinka monta asukasta asuu 2 km säteellä Malmin lentokentältä?	60434
Kuinka monta asukasta asuu 2 km säteellä Helsinki-Vantaan lentokentältä?	10 810
Kuinka monta asukasta asuu melualueella 65 dB?	11 599
Kuinka monta asukasta asuu melualueella 55 dB?	32
Tikkurilahomma?	13 124

Tehtävä 2

Kuinka monta asukasta asuu kartan alueella alle 500 m päässä lähimmästä juna- tai metroasemasta?	111765
Kuinka monta % kaikista alueen asukkaista asuu alle 500 m päässä asemista?	~22 %
Kuinka monta % a-kohdan ihmisistä on 15-64v?	~67 %
Kuinka monta % asukkaista asuu taajamissa?	~96 %

Tehtävä 3

Kuinka monta ekaluokkalaista seuraavana vuonna?	14
Kuinka monta yläasteikäistä seuraavana vuonna?	62
Kuinka monta % kouluikäiset ovat aikuisväestöstä?	8,4 %
Kuinka monta vieraskielistä kouluikäistä (arvio)?	~9

Lähteet:
Blogit:

Janne Turunen, Geoinformatiikan mystiset menetelmät <https://blogs.helsinki.fi/janneturunen/>

Jessika Isomeri, Jessikan GIS-hurvittelut <Vhttps://blogs-test.it.helsinki.fi/jessikangishurvittelut/>

Juulia Salakka, -Geoinformatiikkaa oppimassa- <https://blogs.helsinki.fi/gis-juulia/>

Ruutuja ja rasterikarttoja

Neljännen luentokerran aihe oli ruutu- ja rasterikartat. Tunnilla harjoitellaan ruudukkojen tekemistä aineistoon, joka ladattu moodlen kautta, ja jossa on jo valmiina kaikki layerit. Lisäksi harjoiteltiin QGIS:llä piirtämistä.

Ruudukko tehdään vektorityökalun kautta Create Grid- toiminnosta, jolla on mahdollista tehdä eri kokoisia ja mallisia ruudukkoja. Ruudukkojen kanssa sai olla tarkkana, että valitsi ruudusta oikean kokoisen, sillä mahdollisuus olisi ollut tehdä todella pieniäkin ruutuja, jotka isommassa kuvassa eivät erottuneet vaan näytti vain mustalta pläntiltä.  Ruutuihin voidaan valita arvoja, esimerkiksi kuinka monta asukasta kussakin ruudussa on ja kuinka monta ruotsinkielistä, ulkokansalaista ja muunkielistä asukasta ruuduissa on (select by location).

Esimerkkinä tein kaksi ruudukkokarttaa, joissa on kuvattuna pääkaupunkiseudun ruotsinkielinen väestö yleisesti (kuva 1)  ja vertailuna ruotsinkielisen väestön määrä verrattuna kyseisen alueen muuhun väestöön, eli ruotsalaisten osuus prosentuaalisesti (kuva 2.).

Kuva 1. Pääkaupunkiseudun ruotsinkielinen väestö

Kuva 2. Pääkaupunkiseudun ruotsinkielinen väestö pääkaupungin muunkieliseen väestöön verrattuna (%).

Tarkemmin kuvia tarkasteltuani en ole täysin varma pitääkö kuvieni tiedot täysin paikkansa ja vertailun vuoksi hain muiden blogeista esimerkkejä, jospa joku olisi tehnyt samanlaiset kuvat. Esimerkiksi Johanna Enströmin blogissa on tiedot esitetty erilaisella skaalalla ja kartat näyttävätkin selkeämmiltä.

Ruudukkokartta on kuitenkin kätevä työkalu esimerkiksi alueen lukujen havainnollistamiseen. Haastavinta on kenties valita oikeankokoisen ruudut ja järkevät skaalat.

Pornainen

Lopputunnista harjoiteltiin QGIS:llä piirtämistä. Tarkoituksena oli piirtää Pornaisten karttaan päätiet ja asuinrakennukset. Tästä jatkoa seuraavalla kerralla.

Blogiviittaukset:
Johannan Geoinformatiikan menetelmien blogi, Johanna Enström <https://blogs.helsinki.fi/joen/>

Tietokantoja ja aineistojen lataamista

Kolmannen kurssikerran aihe oli tietokantojen muokkaus ja lataaminen QGIS:n sopivaksi. Kurssikerran tavoitteet olivat:

• tietokannan käyttöön valmistelu
• ulkoisen tiedon liittäminen
• kyselyt
• vanhan tiedon hyödyntäminen uuteen tietoon
• sarakkeiden tietojen päivittäminen muiden tietokantojen tietojen perusteella 

Käytännön harjoituksena oli ladata aineistoja Afrikan maista ja tehdä kartta, jossa oli tietoja Afrikan mantereen valtioista, timanttikaivoksista, öljykentistä ja konflikteista. Aineistoa sai yhdisteltyä eri layerien attribuuttitaulukkoihin eri tavoilla. Lopputuloksessa Afrikan karttaan yhdistettiin konfliktit, timanttikaivokset ja öljykentät (mukaan lukien maakaasu yms.).

Atribuuttitaulusta voitiin tarkastella valtioiden, timanttikaivosten ja konfliktien määriä, ja tietyt maat olivat monissa tilastoissa korkealla. Mitään tarkkaa näistä luvuista ei vielä voida päätellä, mutta mikäli tietokantoihin lisättäisiin laajemmin konfliktien tapahtumavuosi, timanttikaivosten avaamisvuosi ja tuottavuusluokittelu, voisi tiedoista kenties paremmin johtopäätöksiä. Jo nopealla googlauksella saa tietoa Afrikan “veritimanteista”, ja viisi maata jotka nousevat useassa lähteessä esiin ovat Angola, Liberia, Norsunluurannikko, Sierra Leone ja Kongon Demokraattinen tasavalta (Geology.com).

Harjoitustehtävänä Suomen tulva-alueet

Toinen harjoitustehtävä oli kartta Suomen tulva-alueista. Kartalle tuli yhdistää erilaisia aineistoja ja laskea tulvaindeksi, sekä merkitä diagrammeina järvisyys.

Kartasta  voidaan nähdä tulvaherkimmät alueet, jotka sijoittuvat Pohjanmaalle ja Etelä-Suomeen. Diagrammeista voidaan lukea eri alueiden järvisyys, eli kuinka paljon järviä alueella on. Järvisimmillä alueilla on kaikista pienin tulvaindeksi.  Pohjanmaan ja Etelä-Suomen tulvaherkkyyden selittää todennäköisesti alava ja tasainen maa. Tähän teoriaan sain tukea esim.  Tiina Ilmoniemen blogista

Lähteet:

Geoinformatiikkaa – Seikkailua QGIS:n maailmassa <https://blogs.helsinki.fi/tiinailm/>

Blood Diamonds – Conflict Diamonds, Geology.com <https://geology.com/articles/blood-diamonds.shtml>

Projektioita, pinta-aloja ja mittoja

Toisella kurssikerralla perehdyttiin, miten eri aineistoja ladataan QGIS:iin, miten voidaan mitata välimatkoja ja alueita ja miten projektiot vaikuttavat tarkasteltavaan aineistoon, mittoihin ja pinta-aloihin. Tarkastelimme erilaisia maailmankarttoja ja miten ne muuttavat ja vääristävä lukuja, etenkin tasopinnalla. Alla olevaan taulukkoon on esitelty sama matka ja sama pinta-ala eri projektioilla mitattuna ja siitä voidaan huomata miten paljon luvut vaihtelevat.

Koordinaatisto	Mitta tasopinta (km)	Mitta ellipsi (km)	Pinta-ala tasopinta (km²)	Pinta-ala ellipsi (km²)
Robinson	220	125	4014	2833
Mercator	360	125	23741	2833
TM35FIN	125,56	125	2800	2833

Mikään projektio ei ole täydellinen, ja jokainen kuvaa jotakin tiettyä asiaa paremmin kuin toinen (pinta-alan suhteita toisiinsa, etäisyyksiä, alueen todellista muotoa). Vaikeus on osata valita oikea projektio halutun asian kuvaamiseen niin, että se ei vääristä tietoa liikaa.

QGIS vääntöä

Projektioiden testaaminen QGIS:llä selkeytti hyvin, miten erilaisilta Suomi näyttää eri projektioilla. Ryhmätunnilla vertailimme eri karttoja ja niiden tekeminen lähiopetuksessa tuntui suhteellisen yksinkertaiselta, sillä vertaistukea ja apua oli lähellä. En muistanut/ehtinyt tehdä kartoille pohjoisnuolta, mittakaavaa ja legendoja, ja esim. Juulian blogissa kartat on esitetty  huomattavasti huolellisemmin. Alla kuitenkin kuvia eri projektioista.

Kuva 1: Vasemmalta oikealle :Mecator, Robinson ja Behrmann projektiot

Kotona tuskastelua

Kahden kurssikerran jälkeen voin todeta, että lähiopetuksessa tunnilla QGIS:n käyttäminen tuntuu lähes helpolta, mutta kotona tuntuu, että olen unohtanut kaiken mitä tunneilla on puhuttu ja koko ohjelma näyttää vieraalta. Yritin lisätä tekemilleni projektioille jälkeenpäin pohjoisnuolen, mittakaavan ja legendan, mutta kauniin liukuvärjäyksen tekeminen tuntuu mahdottomalta. Huomaan myös, että Macbookillani näkymä on osin erilainen ja kaikkia työkaluja ei ole näkyvillä samalla tavalla. Jostain syystä QGIS ei anna minun vaihtaa pinta-aloja laskiessa arvoja “Output field lenght” ja “Precision”. Luulen, että se on yksi syy miksi valmis tuotos ei näytä kauniilta liukuväriltä, vaan kunnat ovat värjäytyneet miten sattuu. Onnistun kuitenkin lisäämään pohjoisnuolen, mittakaavan ja legendan.  Ehkä tää tästä…

Kuva 2: Mercator projektio

Lähteet:

Blogit:
-Geoinformatiikkaa oppimassa- Juulia Salakka <https://blogs.helsinki.fi/gis-juulia/>

QGIS ja paikkatiedon perusteet

Kurssin ensimmäinen päivä alkoi lähiopetuksessa. Tunnilla kerrattiin paikkatiedon perusteita: sijaintitieto, ominaisuustieto, vektorit ja rasterit. Lisäksi harjoittelimme QGIS-ohjelmiston käyttöä, jota olinkin päässyt kertaalleen käyttämään jo syksyn aiemmilla kursseilla. Ohjelmiston käytön kertaaminen teki kuitenkin hyvää.

QGIS on avoimen lähdekoodin ohjelma, eli vapaaehtoiset tekijät ovat kehittäneet ohjelmiston ja jatkavat sen kehittämistä edelleen.  Ohjelma on monipuolinen ja alkukankeuden jälkeen se osoittautui suhteellisen helppokäyttöiseksi, ainakin ensimmäisellä kurssikerralla. Etusivun tasoja ja ikkunoita voi muokata itselleen mieleiseksi ja valita, mitä haluaa näkyville. Visuaalisuutta voi säätää joustavasti.

Ensimmäisenä harjoituksena oli tehdä kartta typen päästöistä itämeren alueella (kuva 1). Harjoitusta varten QGIS:iin ladattiin harjoitusaineisto, joka oli peräisin HELCOMin data- ja karttapalvelusta. Kun sain ladattua aineiston ohjelmaan, muokkasin tasot järkevään järjestykseen ja muutin värejä visuaalisesti helpommin tulkittavaksi. QGIS:n avulla voidaan myös laskea dataa, ja esimerkiksi tässä harjoituksessa muutettiin dataa prosentuaaliseksi osuudeksi, jotta sen voi esittää kartassa järkevästi.

Kuva 1. Typen päästöt Itämerellä.

Lopputuloksena kartasta pystytään helposti erottelemaan, missä maissa typpipäästöjen osuudet ovat suurimmat ja missä pienimmät. Lisäksi karttaan olisi voinut liittää esimerkiksi valtioiden nimiä helpottamaan tulkintaa.

Yhteenveto

Ensimmäisellä kurssikerralla sai hyvän kertauksen paikkatiedon perusteista ja QGIS-ohjelman alkeista. On mukava päästä lähiopetuksessa harjoittelemaan ohjelman käyttöä, etänä se olisi huomattavasti haastavampaa.