Viides luentokerta: toimintojen kertaamista laskutoimitusten avulla

Itsearviointia

Viidennellä luennolla teimme paljon itsenäistä laskutyötä QGIS:in toimintojen kertaamiseksi. Aluksi tehtävät tuntuivat ylitsepääsemättömiltä, mutta jonkin verran asioita kokeiltua ja aiempien luentojen ohjeita muisteltua tehtävien tekeminen alkoi sujua. Tehtäviä tehdessä tuli huomattua, että varsinkin vaativammat eli enemmän työvaiheita vaativat tehtävät oli vaikeampi saada suoritettua. Luennoilla on käyty läpi monia QGIS:in toimintoja, mutta niiden soveltaminen itsenäistehtävissä vaati enemmän ymmärrystä. Suurimman osan itsenäistehtävistä onnistuin ratkomaan niin, että uskoin vastausten olevan oikein (eri asia sitten, ovatko ne oikeasti). Parissa tehtävässä kuitenkin jäin miettimään sitä, että olivatko luvut menneet ihan päin metsää.

Kurssikerralla tutustuimme vektorimuotoisten puskurivyöhykkeiden tekemiseen buffer -työkalulla. Nämä ovat hyödyllisiä esimerkiksi silloin, kun halutaan tutkia mitkä kaikki kartalla näkyvät ilmiöt esiintyvät tietyllä etäisyydellä jostain kohteesta. Puskurivyöhykkeitä voi luoda niin pisteen, viivan ja polygonin muotoisille kohteille. Ne itsessään ovat aina polygoneja. Luennolla käytimme tätä toimintoa esimerkiksi sen tutkimiseen, miten monia rakennuksia ja asukkaita sijaitsi kilometrin säteellä lentokentästä. Buffer -toimintoa kartalla voisi käyttää puskurivyöhykkeiden suunnittelussa, esimerkiksi jokia suojaavien puskurivyöhykkeiden suunnittelussa. Tämän työkalun käyttö jäi hyvin mieleen ja tuntui ymmärrettävältä.

Bufferoinnin lisäksi mieleeni jäi hyvin esimerkiksi se, kuinka voi itse lisätä projektiin polygoneja, pisteitä ja viivoja. Erityyppisten karttojen tekeminen ja muokkaaminen sekä eri muodossa olevan tiedon tuominen ohjelmaan on myös onnistunut suurimmaksi osaksi ongelmitta. Karttojen tekoon liittyvät työkalut, kuten grid ja contour, jäivät myös mieleen kun niitä vielä luentojen jälkeen käytin uudestaan. Se minua jäi mietityttämään korkeuskäyrien tekemisessä, että mistähän saa korkeuskäyrän tekoa varten hankittua rasterimuotoisia korkeusmalleja. En usko muistavani kaikkia työvaiheita ulkomuistista, mutta uskon kuitenkin osaavani löytää oikeat toiminnot hetken pohdinnalla ja kokeilulla. Parhaiten mieleeni jäivät mielestäni visuaalisia tuloksia aikaansaavat toiminnot. Sen sijaan huonommin mieleeni jäivät toiminnot, jotka saivat aikaan muutoksia esimerkiksi pelkästään attribuuttitaulukossa. Kuitenkin esimerkiksi Join -toiminnon käyttö jäi hyvin mieleen. Opin myös muuttamaan attribuuttitaulukossa tietyn sarakkeen tyyppiä aiemman luennon tehtävän kanssa painiessa. Väärä saraketyyppi voi estää työn etenemistä. Estoista puheenollen, myös Join -toiminnossa pitää olla tarkkana sarakkeiden, tällä kertaa niiden tietojen, kanssa. Tietojen yhdistämiseksi tarvitaan samoja arvoja sisältävä sarake, esimerkiksi id-arvoja tai paikkojen nimiä sisältävä sarake. Myöskin karttaprojektioiden tärkeys tuli opittua luennoilla. Väärä karttaprojektio saattoi välillä tehdä vastauksista täysin vääriä, tai välillä jopa johtaa error-ilmoituksiin. Sanna Korpi ottaa blogissaan esille myös sen, että välillä attribuuttitaulukkoon voi eksyä turhia lukuja, jotka pitää osata huomata ja poistaa häiritsemästä.

Aiemmassa postauksessa mainitsin jo työkalusta, jonka käyttö vaati enemmän harjoitusta. Mainitsenpa nyt tässäkin pohdinnassa, että Join attributes by location (summary) hämmentää minua vielä hieman. Olen onnistunut käyttämään sitä ohjeistetuissa tilanteissa, mutta työkalun soveltaminen tuntuu hankalalta, kun en oikein tiedä missä kaikissa tilanteissa sitä voi käyttää. Sen verran ymmärrän, että kyseessä on attribuuttien viemistä tasosta toiseen. Tämän työkalun lisäksi olisi hyvä kerrata vielä rajapintapalvelua ja paikkatietoaineiston lisäämistä, eli Add WFS layer -työkalua. Ennen kaikkea sitä, että mistä lisättäviä linkkejä löytää itse lisää ja miten ne pitikään lisätä. Tämä on hyvä opetella, koska saatavilla on paljon hyödyllistä tietoa jos sitä vaan osaa QGIS:iin lisätä.

 

Vastaukset

Muiden blogeja lueskellessani huomasin paljon eriäviä vastauksia, jotka kuitenkin olivat lähellä toisiaan. Vastauksiin saattoi vaikuttaa esimerkiksi piirrettyjen polygonien tarkkuus. Itselläni myös bufferoinnissa käytetty ”segments” arvo näytti vaikuttavan vastausten lukuarvoihin.

Taulukko

Lähteet

Korpi, S., 2021. Osaamistason arviointia. Luettu https://blogs.helsinki.fi/sakorpi/ 23.2.2021.

Neljäs luentokerta: korkeuskäyriä ja ruututeemakartta

Ruututeemakartan väkertämistä…

Neljännellä luennolla käsittelimme pistemuotoisia aineistoja ja rasterikarttaa. Ruutuaineistoa käyttämällä tein kartan, joka esittää ruotsinkielisten määrää pääkaupunkiseudulla 1km x 1km ruuduilla (kuva 1). Toisin kuin edellisillä luennoilla tekemissämme kartoissa, tässä ruututeemakartassa tulokset voidaan esittää absoluuttisina arvoina. Syynä tähän on se, että arvot esitetään saman kokoisilla alueilla (ruuduilla). Tehdessä karttoja esimerkiksi kuntien sisällä olevista arvoista, piti suhteuttaa luvut pinta-alaan. Tässä tapauksessa pinta-alat ovat kuitenkin samoja. Toinen ruututeemakartan hyvä puoli on se, että ilmiöitä voi tarkastella ilman hallinnollisia rajoja. Pistekarttaan verrattuna se esittää arvot eri luokkina ja väreinä, muttei esitä yhtä tarkasti aluetta, kuin piste.

Karttaa tarkastellessa minua vaivaa se, ettei kuvasta ole heti selvää, mitä aluetta kuvataan. Ilman kuvatekstiä ja legendan selitystä ei heti huomaisi, että kyseessä on pääkaupunkiseutu. Tämän vuoksi luettavuus ei ole mielestäni yhtä hyvä, kuin aiemmin kurssilla tehdyissä koropleettiteemakartoissa. Sanna Jantusen blogissa oli mielestäni hyvin onnistuttu lisäämään paikannimet tekemättä kartasta sekavaa. Myös ruutujen läpinäkyvyys oli mielestäni näppärä kikka.

Päädyin poistamaan joet ja järvet, sillä ne häiritsivät silmää karttaa tutkailessa. Valitsemani neliökilometrin ruutukoko ei ole liian suuri, mutta vielä yksityiskohtaisempaa tarkastelua varten pienempikin ruutukoko olisi voinut olla sopiva ja tehnyt kartasta luettavamman. Iiris Turusen blogissa käytetty 500m x 500m näytti mielestäni todella hyvältä. Ehkä suurempaa aluetta tarkastellessa suuret ruudut ovat parempia, sillä pienet eivät näkyisi yhtä selkeästi. Kuitenkin pääkaupunkiseudun kokoisella alueella pienet ruudut ovat tarkasteluun sopivampia.

 

Kuva 1. Ruotsinkielisten määrä pääkaupunkiseudulla 1km x 1km ruuduilla.

Ruutujen tiedot siis esittävät ruotsinkielisten yhteenlaskettua määrää neliökilometrin alueilla. Eniten ruotsinkielisiä löytyy Helsingistä sekä Kauniaisesta ja sen jälkeen Espoosta. Vantaalta ruotsin puhujia löytyy vähemmän. Nämä luvut eivät ole yllättäviä, sillä Helsingissä on eniten asukkaita ja Vantaalla vähiten (lukuunottamatta Kauniaista), kun vertaa kolmea aluetta. Kuntaliiton (2017) mukaan Kauniaisella ruotsinkielisten osuus väestöstä on jopa 34 prosenttia. Helsingin sisällä suurimmat lukumäärät löytyvät eteläisestä ja keskisestä Helsingistä. Espoossa eniten ruotsinkielisiä löytyy Kauniaisen ympäriltä ja eteläpuolelta. Lukuihin saattaa väkilukujen lisäksi vaikuttaa myös saatavuus ruotsinkieliseen koulutukseen ja palveluihin eri alueilla.

…ja korkeuskäyrien vertailua

Seuraavaksi tehtävänä oli ladata peruskarttalehti Pornaisen alueelta. Latasin Paitulista Maanmittauslaitoksen peruskarttalehden vuodelta 2020. Hetken jouduin kokeilemaan, että millä tavalla saisin tiedoston tuotua QGIS:iin, mutta onnistuin kuitenkin. Sitten jouduinkin muistelemaan, kuinka korkeuskäyrä tulikaan tehdä. Lopputulos löytyy kuvasta 2.

Kuva 2. Korkeuskäyrien vertailua Pornaisen peruskarttalehdellä. Kuvassa violetinsinisellä korkeusmallin perusteella tehdyt korkeuskäyrät. 

Kuvassa 2 on siis vertailtu Pornaisen peruskarttalehden korkeuskäyriä QGIS:in Countour -toiminnolla tehtyihin korkeuskäyriin. Tekemäni korkeuskäyrät värjäsin sinivioleteiksi ja lisäsin niiden paksuutta selkeyden vuoksi. Kuten kuvasta näkee, eriävät linjat toisistaan hieman, mutta kulkevat silti suurin piirtein samoja muotoja pitkin. QGIS:illä korkeusmalleista tehdyt korkeuskäyrät ovat muodoiltaan yksityiskohtaisempia. Joissain kohti erot korkeuskäyrien välillä ovat pienempiä, kun taas toisissa kohti erot ovat paremmin huomattavissa. Peruskartassa on joitain korkeita huippuja, joita QGIS:in korkeuskäyrä ei näytä. Toisaalta on myös sellaisia huippuja ja matalia kohtia, jotka näkyvät vain tekemässäni korkeuskäyrässä.

Tämän luennon aiheet jäivät minulle hieman huonosti mieleen verrattuna muihin kurssikertoihin. Onnistuin kuitenkin ohjeiden avulla tekemään ruututeemakartan ja korkeuskäyrän, johon olin tyytyväinen. Mielestäni Join attributes by location (summary) toiminto on ehkä hankalin sisäistää tähän mennessä kurssilla, joten sen käyttöön tulee vielä tutustua lisää omalla ajalla.

Lähteet

Jantunen, S., 2021. Ruutuleikkejä. Luettu osoitteessa https://blogs.helsinki.fi/smjantun/ 17.2.2021.

Kuntaliitto, 2017. Ruotsin- ja kaksikieliset kunnat. Taustaatietoa 2008-2017. Luettu osoitteessa https://www.kuntaliitto.fi/sites/default/files/media/file/2017-02-ruotsin-ja-kaksikieliset-kunnat_0.pdf 17.2.2021.

Turunen, I., 2021. 4. kurssikerta: jälleen uusi postaus ilman nokkelaa otsikkoa. Luettu osoitteessa https://blogs.helsinki.fi/iiristur/ 17.2.2021.

 

Kolmas luentokerta: Ryhmittelyä, tiedon tuottamista ja tietokantaliitos

Datan liittämistä, tietojen lisäystä ja tiedon luomista

Kolmannella luennolla muokkasimme tietokantaa, jotta sen käyttö myöhemmin olisi helpompaa. Lisäsimme myös ulkoista tietoa tietokantaliitoksella ja tuotimme uutta tietoa laskemalla.

Luennon kesken koin ongelman, sillä tuottaessani tietoa sijainnin perusteella sain lopputuloksena selvästikin vääriä tuloksia. Niinpä päädyin kuuntelemaan luennon tekemättä itse tehtäviä, ja tekemään luennon aikaiset harjoitukset myöhemmin. Tällä kertaa onneksi onnistui. QGISin kaltaista ohjelmaa käyttäessä onkin kiinnitettävä huomiota siihen, että jokainen työvaihe tehdään huolella, ettei epähuomio myöhemmin koidu ongelmaksi. Näin jälkikäteen katsottuna mietin, että ongelma saattoi johtua epähuomiostani eri tiedostojen ja tasojen projektioista. Tällä kertaa kiinnitin projektioihin enemmän huomiota ja manuaalisesti vaihdoin kaikkien tasojen projektiot samoiksi.

Tehtyjen toimintojen perusteella saatiin attribuuttitaulukko, joka kertoi esimerkiksi konfliktien määrät valtioittain tai kuinka monena vuotena konflikteja on esiintynyt valtioittain. Tämä kertoo kunkin alueen pitkäaikaisemmasta levottomuudesta. Angolassa, Chadissa ja Etiopiassa konflikteja esiintyi eniten, ja konfliktivuosien määrät olivat myös suurimmat. Monesti konfliktien syynä Afrikassa ovat riippuvuus luonnonvaroista, köyhyys ja epäonnistunut toiminta johdon puolelta. Tämä johtaa niin maiden sisäisiin kuin niiden välisiinkin konflikteihin.

Tietokantojen avulla voisi esimerkiksi tarkastella yhteyksiä konfliktien ja timanttikaivosten välillä, tarkastellen onko konflikteja tapahtunut timanttikaivoksen alueella sen löytämisvuoden jälkeen. Samanlaista alueellista tarkastelua voisi tehdä konfliktien ja öljykenttien löytämisvuosien välillä. Toisaalta kuten jo mainitsin, ei konfliktien esiintymistä voi pistää vain timanttikaivoksista tappelun piikkiin, vaan syitä konflikteihin on moninaisia. Myös Helmi Lappalainen-Imbert mainitsi tämän omassa blogissaan. Olisi myös kiinnostava päästä jollain tavalla tarkastelemaan konfliktien laajuuksien välistä yhteyttä alueen varallisuuteen, esimerkiksi juuri timanttikaivosten tuottavusluokitteluihin. Konfliktit voivat olla rahoitettu juurikin timantein Afrikassa.

Tulvaindeksi ja järvisyys kartalla esitettynä

Seuraavaksi tehtävänämme oli tehdä itsenäisesti esitys Suomen valuma-alueiden tulvaindeksistä ja lisätä myös järvisyysprosentit kartat diagrammeina. Tulvaindeksi saatiin jakamalla keskiylivirtaama keskialivirtaamalla, eli virtaavan veden ylimpien ja alimpien mitattujen arvojen keskiarvot jakamalla. Ylivirtaama siis tarkoittaa havaintojakson aikana mitattua suurinta virtaamaa, kun taas alivirtaama alinta mitattua tulosta havaintojaksolla. Tulvaindeksi näin ollen esittää virtaaman vaihtelua. Mitä suurempi tulvaindeksi, sitä suurempi vaihtelu on.

Lopputulokset näkyvät kuvissa 1, 2 ja 3. Minulle eniten ongelmia tuotti juurikin diagrammin laatiminen, sillä en aluksi saanut tehtyä järkevältä näyttävää karttaa. Hetken jos toisenkin painittuani asian kanssa huomasin, että järvisyyden sarakkeen tietotyyppi olikin string, joten vaihdoin sen desimaalinumeroiksi googlailulla löytämäni ohjeen avulla. Kuvassa 1 näkyvät Suomen valuma-alueet ja järvisyysprosentti pylväinä. Kuvissa 2 ja 3 olen esittänyt vielä järvisyyden ja maapinta-alan välisen suhteen ympyrädiagrammeina. Idean jakaa Suomi kahteen osaan ympyrädiagrammien paremman näkyvyyden vuoksi sain Annika Innasen blogista.

Kuva 1. Suomen valuma-alueiden tulvaindeksit ja pylväinä esitetty järvisyysprosentti. 

 

Kuva 2. Suomen eteläisten osien valuma-alueiden tulvaindeksit ja ympyrädiagrammina esitetty järvisyysprosentti.

Kuva 3. Suomen pohjoisosien valuma-alueiden tulvaindeksit ja ympyrädiagrammina esitetty järvisyysprosentti.

Päädyin käyttämään kartoissa sinisen sävyjä ja oranssia esittämään maapinta-alaa, selkeyden vuoksi. Olen tyytyväinen lopputulokseen ja mielestäni kartat ovat selkeitä, vaikkakin ympyrädiagrammeista osa on vieläkin liian pieniä. Toisaalta jos niitä olisi muokannut suuremmaksi, olisivat ne menneet liikaa valuma-alueiden rajojen yli. Itse pidän enemmän ympyrädiagrammeina esitetystä järvisyydestä, sillä sen merkitys on helpommin ymmärrettävissä. Järvisyys on siis järvien pinta-alan osuus koko valuma-alueen pinta-alasta.

On kiinnostavaa, että järvien osuus kokonaispinta-alasta ei ole useinkaan suuri siellä, missä tulvaindeksi on korkea. Odotin järvisuuden ja tulvaindeksin kasvavan käsi kädessä, mutta näin ei ole. Suurimmat järvisyysprosentit löytyvätkin sieltä, missä tulvaindeksi on matalin. Syynä tähän voisi olla se, että missä on enemmän järviä, vesi virtaa hitaammin, koska se kulkeutuu järvien kautta kohti merta. Sen sijaan vähäisten järvien valuma-alueilla virtaama on suurempi, koska vedellä ei ole montaa paikkaa ”varastoitua”. Myös maanpinnan muodot, sateisuus ja ihmisten toiminta (hulevedet) vaikuttavat virtaamaan ja tulvaindeksiin.

 

Lähteet:

Innanen, A., 2021. Harjoitus 3: Tulvaindeksikartta. Luettu osoitteessa https://blogs.helsinki.fi/anninnan/2021/02/04/harjoitus-3-tulvaindeksikartta/ 6.2.2021.

Lappalainen-Imbert, H., 2021. Kerta 3-Kun data ja kartta ovat erillään. Luettu osoitteessa https://blogs.helsinki.fi/laphelmi/2021/02/02/kerta-3-kun-data-ja-kartta-ovat-erillaan/ 14.2.2021.

 

 

Toinen luentokerta: datan lähteitä ja projektioita

 

Projektioiden vertailua; ensimmäinen yritys

Toisella luentokerralla käsittelimme datan lähteiden lisäksi projektioita. Projektioilla maapallon pinta tai sen osa projisoidaan kaksiulotteiseksi kartaksi. Jo aiemmilla kursseilla on tullut puheeksi, että projektioita on monenlaisia eikä mikään niistä pysty kuvaamaan täysin todenmukaisesti maapalloa. Luennolla väkersimme tällä kertaa kaksi karttaa, jotka kuvasivat kahden projektion välisten pinta-alaerojen prosentuaalisia suhteita, kun tarkastelussa oli Suomi. Ensimmäisen kartan (kuva 1) projektioina olivat tasokoordinaattijärjestelmä ETRSTM35 ja Mercator. Kartassa näkyy siis, millä alueilla pinta-alojen vääristymä on suurin Mercatorin projektiolla. Toisessa kartassa (kuva 2) valitsin projektioiksi ETRSTM35 ja Robinsonin projektion. Molemmissa kartoissa suurimmat pinta-alojen erot projektioiden välillä löytyvät Pohjois-Suomesta. Koska Mercatorin projektio on oikeakulmainen, ja Robinsonin projektio taas kompromissi, ovat erot ETRSTM35 verrattuna kuvassa 1 suurempia kuvaan 2 verrattuna. Mercatorin projektiossa leveyspiirien välit kasvavat navoille mentäessä, jonka takia pinta-alojen ja muotojen vääristymät myös kasvavat näihin suuntiin. Robinsonin projektiossa taas leveyspiirienkin välit pysyvät samoina. Robinsonin projektiossa mitään ominaisuutta (suunta, muoto, alue) ei kuitenkaan näytetä täysin oikein, vaan on keskitytty esittämään kaikki ominaisuudet mahdollisimman vähin virhein. Näin ollen myös Robinsonin projektiossa vääristymää löytyy, ja se kasvaa navoille päin, kuten kuvasta 2 huomaa.

 

Kuva 1. Mecatorin ja ETRSTM35 projektioiden pinta-alojen suhteita kuvaava kartta.

 Kartat onnistuivat aluksi mielestäni visuaalisesti hyvin. Ensimmäisessä kartassa monen eri värin käyttö ja selvät rajat saavat luokkien erot näyttämään suurilta. Lisäksi oranssi ja punainen väri sopivat hyvin kuvaamaan suurempaa vääristymää. Hieman itseäni häiritsevä asia näin jälkeenpäin karttaa tarkastellessa on se, että värien sävyt muuttuvat tummasta vaaleaan ja siitä takaisin tummaan. Kartan eteläisessä osassa oleva sininen olisi voinut olla haaleampi väriltään.

Tehtävä 1. Koosta tuloksistasi Excel tms. taulukko ja palauta sen osana blogityötäsi ja pohdi projektion vaikutusta esitettävään tietoon sekä sen

Kuva 2. Robinsonin ja ETRSTM35 projektioiden pinta-alojen suhteita kuvaava kartta.

 

Toisella kerralla paremmin

Kuvan 2 karttaan toivoisin voivani kokeilla lisätä vielä luokkia ja tarkastella, tekisikö se vääristymistä vielä pienemmän näköisiä. Niinpä avasin QGISin, mutta huomasin pian, etten voinut tehdä avaamille tasoilleni muokkauksia. Projekti-ikkuna jäi valkoiseksi, eikä edes yksiväristä karttaa jäänyt näkyviin. Amanda Salmensuun ja Lotta Puodinkedon blogeja selaillessa huomasin, että muillakin kävi samoin.

Sitten muistin, että luennon aikana opettaja oli kehottanut tallentamaan tehdyt tasot Export -toiminnolla. Olin onneksi tehnyt tämän, ja alkuperäisen tason viennin/tallentamisen jälkeen syntynyttä tasoa muokatessa homma sujui. Päädyin loppujen lopuksi muokkaamaan molempia karttoja. Kysyin mielipidettä kuvan 1 kartasta äidiltäni, ja hänen mukaansa kartta näytti kuvaavaan sääilmiötä väriensä puolesta. En itse nähnyt yhdennäköisyyttä, mutta päätin kuitenkin muuttaa myös ensimmäisen kartan värit ja olla käyttämättä sinistä ja punaista yhdessä kartassa. Kun kartta (kuva 3) oli valmis, näytti se kuitenkin mielestäni liian samankaltaiselta kuvan 2 kartan kanssa. Niinpä päädyin tekemään myös tälle kartalle toiset värit. Päädyin violettiin, joka ei omaan silmääni näytä yhtä räikeältä, kuin punaisen sävyt (kuva 4). Lisäsin myös pari luokkaa tähän karttaan tehdäkseni luokkien rajoista pehmeämmät, mutta silti näkyvät.

Kuva 3. Viimeistelty Mecatorin ja ETRSTM35 projektioiden pinta-alojen suhteita kuvaava kartta.

Näihin kahteen karttaan olen edellisiä tyytyväisempi. Molemmissa väri muuttuu tummemmaksi projektioiden pinta-alojen eron kasvaessa, mutta kuvan 4 kartassa muutokset eivät enää mielestäni näytä yhtä suurilta, kuin kuvan 3 punaoranssissa kartassa.

Kuva 4. Viimeistelty Robinsonin ja ETRSTM35 projektioiden pinta-alojen suhteita kuvaava kartta.

Mitä opin?

Tällä luentokerralla opin ennen kaikkea käytettävän projektion tärkeyden. En ollut aiemmin kiinnittänyt huomiota siihen, että käytetty projektio vaikuttaa myös esitetyn numeerisen tiedon oikeellisuuteen. Monet pinta-alaan suhteutetut tekijät voivat vaihdella huomattavasti riippuen käytetystä projektiosta. Teknisistä taidoista opin tuomaan tilastoaineistoa ja käyttämään jonkin verran vektori -toimintoa. Kartan ulkoasun muokkaaminen sujui jo ongelmitta, mutta uusien asioiden oppimisessa asioiden kertaus teki niiden sisäistämisestä helpompaa.

 

Lähteet:

KK2_Harjoitus 2 -materiaalit.

Salmensuu, A., 2021. Vääristäviä projektioita. Luettu osoitteessa https://blogs.helsinki.fi/salmeama/ 1.2.2021.

Puodinketo, L., 2021. Toimintojen kertausta. Luettu osoitteessa https://blogs.helsinki.fi/lottapuo/ 1.2.2021.