Kurssikerran 7 harjoitus ja blogi on valmis!!!

Viimeisen kurssikerran harjoituksen tarkoituksena oli etsiä itse aineistot ja tehdä niistä kartta tai karttasarja. Valitsin aineistoiksi tilastokeskuksen tilastot oppilaitoksista sekä väestöstä koulutusalan ja kunnan mukaan. Tarkastelin toisen ja korkea-asteen oppilaitosten jakautumista Suomen eri kuntiin. Päätin myös vertailla 20-24- vuotiaiden tekniikan alojen opiskelijoita jakaantumista 20-24- vuotiaisiin humanististen ja taidealojen opiskelijoihin.

Ensimmäisessä hieman sekavassa kartassa (kuva 1) pohjalla on toisen asteen oppilaitosten eli lukioiden ja ammatillisten oppilaitosten jakautuminen Suomen eri kuntiin. Mitä tummempi väri kartalla on, sitä suurempi määrä toisen asteen oppilaitoksia siinä on. Kuvasin diagrammeilla lukioiden ja ammatillisten oppilaitosten välistä jakaumaa kunnissa, joissa on toisen asteen oppilaitoksia.

Kartassa minua jäi ärsyttämään se, että luokka rajat olivat esimerkiksi 0-0, koska laskin toisen asteen oppilaitosten määrän kokonaisluvuilla enkä desimaaliluvuilla, jolloin pienet erot eivät tulleet esille. Kuvasinkin kartalla kunnat, joissa ei ole yhtään toisen asteen oppilaitosta harmaalla. Myös luokkavälit esimerkiksi 0-1 ja 1-3 jäivät häiritsemään, koska nyt ei selviä kumpaan luokkaan kunta kuuluu jos siellä on 1% Suomen toisen asteen oppilaitoksista. En tiedä tai muista miten tämän olisi voinut korjata.

Seuraavassa (kuva 2) kartassa laskin uudestaan toisen asteen oppilaitosten osuuden tällä kertaa desimaaliluvuilla ja jätin diagrammit pois, jolloin karttaa on helpompi lukea.

Kolmannessa kartassa kuvasin samalla tavalla korkeakoulujen eli yliopistojen ja ammattikorkeakoulujen jakautumista. Jätin sekä korkeakouluista että toisen asteen kouluista pois esimerkiksi erityisammattioppilaitokset ja poliisiammattikorkean, mikä saattaa jonkin verran vääristää tulosta.

Lopuksi halusin tutkia vielä, miten paljon 20-24- vuotiasta kunnissa asuvista ihmisistä opiskelee tekniikan alaa ja humanistista tai taidealaa (kuvat 4 ja 5). Lisäsin vielä yliopistojen lukumäärät palloilla, jotka ovat ehkä vähän liian pieniä, että niistä olisi nähnyt luvut kunnolla.

Kartoista ei ehkä selviä paljoa mitään hyödyllistä informaatioita. Oppilaitokset Suomessa keskittyvät pääkaupunkiseudulle ja isojen kaupunkien lähistöille. Lukioita on toisen asteen koulutuksista suurin osa, kun taas ammattikorkeakouluja on enemmän kuin yliopistoja. Tekniikan ja humanistisetn sekä taidealojen opiskelijat ovat jakautuneet suhteellisen tasaisesti Suomen eri kuntiin, eikä yliopistojen läheisyys näytä vaikuttavan asiaan. Huomasin, että Inka Pellikka oli tehnyt hieman samasta aiheesta mielenkiintoisen kartan, jossa myös tutkittiin oppilaitoksia ja väestömäärää kunnissa.

Kaiken kaikkiaan kurssi oli mielenkiintoinen ja koen osaavani perusasiat qgis:n käytöstä. Blogimuotoinen suoristustapa ei ehkä ollut minulle paras ja motivoivin.

Kuva 1 Toisen asteen oppilaitosten eli lukioiden ja ammatilliset oppilaitosten osuus Suomen eri kunnissa vuonna 2019 kaikista Suomen toisen asteen oppilaitoksista. Diagrammeilla kuvattu lukioiden ja ammatillisten oppilaitosten ja jakauma.
Kuva 2 Toisen asteen oppilaitosten eli lukioiden ja ammatilliset oppilaitosten osuus Suomen eri kunnissa vuonna 2019 kaikista Suomen toisen asteen oppilaitoksista.
Kuva 3 Korkeakoulujen eli yliopistojen ja ammattikorkeakoulujen osuus Suomen eri kunnissa vuonna 2019 kaikista Suomen korkeakouluista. Diagrammeilla kuvattu yliopistojen ja ammattikorkeakoulujen jakaumaa.
Kuva 4 Tekniikan alojen 20-24-vuotiaden opiskelijoiden osuus kaikista kunnassa asuvista 20-24-vuotiasta vuonna 2019. Yliopistojen lukumäärä vuonna 2019 kuvattu oransseilla palloilla.
Kuva 5 Humanististen ja taidealojen 20-24- vuotiaiden opiskelijoiden osuus kaikista kunnassa asuvista 20-24-vuotiasta vuonna 2019. Yliopistojen lukumäärä vuonna 2019 kuvattu oransseilla palloilla.

  

 

 

Lähteet:

Tilastokeskus (2020), 15 vuotta täyttänyt väestö koulutusalan, kunnan, sukupuolen ja ikäryhmän mukaan, 1970-2019, lainattu 29.3.2021 saatavilla: https://pxnet2.stat.fi/PXWeb/pxweb/fi/StatFin/StatFin__kou__vkour/statfin_vkour_pxt_12br.px/

Tilastokeskus (2020), Koululaitoksen oppilaitokset, 2005-2020, lainattu: 29.3.2021 saatavilla: https://pxnet2.stat.fi/PXWeb/pxweb/fi/StatFin/StatFin__kou__kjarj/statfin_kjarj_pxt_125j.px/

Pellikka I (24.3.2021), Kurssikerta 7: Suomea käsitteleviä karttoja lainattu: 29.3.2021 saatavilla: https://blogs.helsinki.fi/pelliink/

Tilastokeskus (2020), Kuntapohja lainattu: 29.3.2021 saatavilla: https://www.stat.fi/org/avoindata/paikkatietoaineistot/kuntapohjaiset_tilastointialueet.html

Kuudennen kurssikerran harjoitus

Havainnollistin kartalla maanjäristyksien, tulivuorien ja mannerlaattojen sijaintia.  Ensimmäisessä kartassa (kuva 1) on kuvattu yli 8 magnitudin maanjäristyksiä vuosina 1980-2021. Yli 8 magnitudin maanjäristykset ovat todella voimakkaita ja aiheuttavat mittavat tuhot.

Seuraavassa kartassa (kuva 2) on yli 7 magnitudin maanjäristykset vuosina 1980-2021. Näitä on jo selvästi enemmän kuin yli 8 magnitudin järistyksiä. Kartoilla voisi siis myös havainnollistaa sitä, että voimakkaita maanjäristyksiä tapahtuu harvoin, kun taas pienempiä maanjäristyksiä tapahtuu useammin.

Viimeisessä kartassa (kuva 3) havainnollistin tulivuorten ja maanjäristysten sijoittumista samoille alueille. Kartalla on kuvattu yli 7 magnitudin maanjäristykset vuosina 1980-2021 ja vuoden 1964 jälkeen purkautuneet tulivuoret.

Opetuksessa karttoja voisi siis käyttää havainnollistamaan maanjäristysten ja tulivuorten sijoittumista maapallolle sekä niiden välistä yhteyttä. Myös litosfäärilaattojen sijoittumista ja hasardien yhteyttä niihin voisi kartoilla havainnollistaa esimerkiksi maanjäristysten sijoittumista litosfäärilaattojen reuna-alueille. Kartoilla voisi myös havainnollistaa Tyynenmeren tulirengasta eli aluetta, jossa on paljon tulivuoren purkauksia ja maanjäristyksiä. Voimakkaat maanjäristykset ja tulivuoren purkaukset sijoittuvatkin suurelta osin Tyynenmeren tulirenkaan alueelle.

Kartoista voisi tehdä vielä yksinkertaisempia ja selkeämpiä, jolloin niiden lukeminen olisi helpompaa myös ihmisille, joilla ei ole kovin paljoa ennakkotietoa aiheesta. Paljon informaatiota sisältävistä kartoista voi olla alkuun vaikea hahmottaa keskeisimpiä ilmiöitä. Myös kuvaavien symbolien valinnalla sekä mahdollisilla lisäyksillä esimerkiksi litosfäärilaattojen reunojen kuvaamisella ja Tyynenmeren tulirenkaan piirtämisellä saisi kartoista helpommin tulkittavia ja yhteyksiä olisi helpompi huomata.

Wikipediasta  löytyy ainakin kuva Tyynenmeren tulirenkaasta.  Seismologian instituutin sivuilta löytyy kattavasti kuvia ja infoa maanjäristyksistä ja niiden sijoittumisesta.

Kuva 1 Yli 8 magnitudin maanjäristykset vuosina 1980-2021 kartalla.

 

Kuva 2 Yli 7, mutta alle 8 magnitudin, maanjäristykset ja yli 8 magnitudin maanjäristykset kuvattuna kartalla. 

 

Kuva 3 Yli 7 magnitudin maanjäristykset ja vuoden 1964 jälkeen purkautuneet tulivuoret kuvattuna kartalle. 

 

Viidennen kurssikerran harjoitukset

Ensimmäinen tehtävä

Ensimmäisessä tehtävässä tarkoituksena oli selvittää asukkaiden lukumäärää ja osuutta erilaisilla alueilla pääkaupunkiseudulla. Ensimmäisenä selvitettiin, kuinka monta asukasta asuu Malmin lentokentän läheisyydessä alle 1 ja 2 kilometrin etäisyydellä lentokentän kiitoradoista. Vastaukset löytävät taulukosta 1, josta voidaan päätellä, että alueilla asuu paljon ihmisiä.

Etäisyys Malmin lentokentästä alle 1 km alle 2 km
Asukkaat 9 041 58 770

Taulukko 1 Asukkaat  alle 1 km ja alle  2 km etäisyydellä Malmin lentokentän kiitoradoista.

Seuraavaksi selvitettiin Helsinki-Vantaan lentokentän läheisyydessä asuvien ihmisten lukumääriä. Poikkeuksellisen laskeutumissuunnan melualueella asuvat ihmiset on laskettu 7 km matkalta lentokentältä Tikkurilan suuntaan. Buffereita, clip-työkalua ja tietokantaliitoksia hyödyntäen sain tulokset, jotka löytyvät taulukosta 2. Myös Helsinki-Vantaan lentokentän läheisyydessä asuu paljon ihmisiä.

Etäisyys ja desibelimäärä Helsinki-Vantaan lentokentältä alle 2 km 65 dp ja 2 km Vähintään 55 db Poikkeuksellinen laskeutumissuunta
Asukkaat 111 750 17 11 923 13 181

Taulukko 2 Asukkaat alle 2 km etäisyydellä Helsinki-Vantaan lentokentän kiitoradoista sekä alle 2 km etäisyydellä ja yli 65 dp melualueella asuvat asukkaat. Myös vähintään 55 dp melualueella asuvat asukkaat ja poikkeuksellisen laskeutumia suunnan häiriölle alttiit asukkaat.

Lentokentistä siirryttiin seuraavaksi juna- ja metroasemien läheisyydessä asuvien ihmisten lukumäärien ja osuuksien tutkimiseen. Nämä tulokset löytyvät taulukosta 3. Tuloksista voidaan huomata, että suurin osa kaikista asukkaista ei asu alle 500 m päässä asemista.

Etäisyys juna- tai metroasemasta Alle 500 m
Asukkaat 111 765
Asukkaat % ≈ 22
Työikäiset % ≈ 67

Taulukko 3 Alle 500m päässä juna- ja metroasemista asuvat asukkaat ja työikäisten osuus alle 500 m päässä asuvista asukkaista.

Myös taajamissa ja niiden ulkopuolella asuvia asukkaita tarkasteltiin taulukossa 3. Tuloksista voi päätellä, että alueella suurin osa asukkaista asuu taajamissa.

Asukkaat taajamissa % ≈ 96
Kouluikäiset taajamien ulkopuolella 1 849
Kouluikäiset taajamien ulkopuolella % ≈ 4

Taulukko 3 taajamissa asuvat asukkaat, sekä kouluikäiset asukkaat taajamien ulkopuolella.

Toinen tehtävä

Toisessa tehtävässä selvitettiin Helsingin yhteiskoulun koulupiirissä olevien lasten lukumääriä ja osuuksia koulupiirin kaikista asukkaista. Seuraavana vuonna koulun aloittavat ovat tänä vuonna 6-vuotiaita, joten laskin 6-vuotiaiden määrän koulupiirin alueella. Yläasteikäisiä seuraavana vuonna olevat ovat tänä vuonna 12-14-vuotiaita. Tulokset löytyvät taulukosta 4. Koulupiiri on pieni, jos laskin lasten kouluikäisten määrät oiken.

Uusia oppilaita ensi vuonna (aineiston keräysvuonna 6 v.), lukumäärä 14
Yläasteikäisiä ensi vuonna (aineiston keräysvuonna 12-14 v.), lukumäärä 62
Kouluikäisten 7-15 v. lukumäärä 159
Kouluikäisiä 7-15 v. % ≈ 8

Taulukko 4 Helsingin yhteiskoulun koulupiirin alueella asuvat kouluikäiset ja aineiston keräystä seuraavana vuonna ala- tai yläasteen aloittavat.

Virheet asukkaiden määrien laskemisessa ovat hyvin mahdollisia. Tehtävää tehdessäni huomasin, että jotkin asukkaiden määrät tuplaantuivat join attributes by location-toiminnon yhteydessä. Yritin todennäköisesti liittää vääriä tietoja yhteen tai samoja tietoja uudemman kerran. Puskurivyöhykkeiden tekeminen sujui muuten tehtäviä tehdessä hyvin ja sitä voisi hyödyntää esimerkiksi kauppakeskusten lähialueiden asukkaiden selvittämisessä.

Tällä hetkellä QGIS käytön osaaminen ei ole minulla, kovin hyvää ja olisi vaatinut enenemän harjoittelua. Koen kuitenkin jotenkin hallitsevan perusasiat esimeriksi koropleettiakrttojen teon sekä select, buffer tms. perustoimintojen käytön. Paikkatieto ja sen mahdollisuudet ovat minusta mielenkiitoisia ja myös tämän kurssin aiheet ovat olleet kiinnostavia. Tällä kurssilla töiden julkaiseminen blogiin ei ehkä ollut se kaikista motivoivin suoristusmuoto minulle, vaan aiheutti turhia paineta vaikka muiden opiskelijoiden blogien lukeminen olikin mielenkiintoista!

Neljännen kurssikerran harjoitukset

Ensimmäinen tehtävä

Tarkastelin kartassa eläkeikäisten eli yli 65-vuotiaiden osuutta pääkaupunkiseudulla ruututeemakartalla. Käytin ruutukokoa 500mx500m. Teemakartasta (kuva 1) huomaa, että eläkeikäiset asuvat hajallaan pääkaupunkiseudulla, ja ruudut, joissa eläkeikäisten osuus on lähes 100 % ovat suurelta osin sellaisia, joissa asuu alle viisi ihmistä. Esimerkiksi 6 asukkaasta 3 eläkeläistä on 50% ja 500 asukkaasta 50 eläkeläistä 10 %. Kun teemakartalla kuvataan eläkeläisten osuutta, korostuvat ne alueet, joilla eläkeläisten osuus on suurin, mutta absoluuttinen määrä ehkä pieni. Mikään tietty alue ei korostu kartalta. Jos eläkeläisten määrä olisi tarkastellut absoluuttisina arvoina, kartta näytti hyvin samalta kuin kaiken ikäisten asukkaiden määrää tarkasteltaessa. On kuitenkin aina mahdollista, että laskin eläkeläisten määrän tai osuuden väärin ja kartta on sen takia virheellinen.   

Kuva 1 Eläkeikäisten osuus pääkaupunkiseudun asukkaista ruututeemakartalla. Ruudun koko 500mx500m.

Ruututeemakartan esittämä informaatio on tarkempaa verrattuna koropleettiteemakarttaa, koska ruudut ovat yleensä pienempiä kuin koropleettikartan alueet esimerkiksi kunnat.  Ruututeemakartta voi kertoa tarkemmin esimerkiksi asutuksen jakautumisesta kunnan sisällä. Ruututeemakartalla voi myös periaatteessa esittää absoluuttisia arvoja, koska ruudut ovat samankokoisia, mutta absoluuttiset arvot eivät välttämättä kerro ilmiön merkittävyydestä alueella Pisteteemakartta on vielä tarkempi kuin ruututeemakartta, mutta se saattaa varsinkin pienemmällä mittakaavalla tarkasteltuna olla sekava eikä pisteitä erota toisistaan. Myös pisteiden suuri määrä heikentää pisteteemakartan luettavuutta.

Toinen tehtävä

Korkeuskäyrät vastaavat suunnilleen toisiaan, mutta Paitulista ladatun kartan korkeuskäyriä on pyöristetty ja yksinkertaistettu verrattuna QGIS:llä tehtyihin korkeuskäyriin. Jotain pienipiirteisimpiä kohteita on myös jätetty pois.  Valitettavasti tästä tehtävästä ei ole todistusaineistoa, koska en unohdin tallentaa korkeuskäyrätason ja QGIS:llä menee kauan sen tekemiseen.

Kolmannen kurssikerran harjoitukset

Kurssikerran kolme ensimmäisessä tehtävässä tarkoituksena oli harjoitella erilaisia tietokantaliitoksia. Lopputuloksesta löytyi tieto monista eri muuttujista esimerkiksi timanttikaivosten kaivausten aloitusvuosi ja internetkäyttäjien. Saaduista tuloksista voidaan tarkastella ainakin sitä, vaikuttaako esimerkiksi timanttikaivosten määrä konfliktien määrään jossain valtiossa eli onko niillä yhteyttä.  Myös muiden muuttujien välisiä yhteyksiä voisi tarkastella tietokannasta ja visualisoida kartalle.

Toisessa tehtävässä oli tarkoituksena havainnollistaa valuma-alueiden tulvaherkkyyttä. Tätä varten laskettiin tulvaindeksi, joka kuvaa virtaaman vaihtelua valuma-alueilla.  Kartassa (kuva 1) tulvaindeksiä havainnollistettiin koropleettiteemakartalla. Kartalla näkyy myös eri valuma-alueiden järvisyysprosentti, eli kuinka suuri osa valuma-alueesta on järveä. Kartasta olisi saanut visuaalisesti miellyttävämmän, jos diagrammit eivät menisi koropleettikartan päälle peittäen siitä osan.

Valuma-alue tehtävässä tehdyn kartan perusteella voidaan huomata, että suurin riksi tulville on alueilla, joilla järviä on vähemmän. Varsinkin meren rantojen läheiset matalammat alueet ovat herkkiä tulville. Se voisi johtua ehkä siitä, että joet tulvivat helpommin.

Kuva 1 Kartta valuma-alueista. Koropleettikartalla on kuvatta valuma-alueiden tulvaindeksiä ja diagrammeilla järvisyyttä.

Toisen kurssikerran harjoitus

Harjoituksesta 2 tein tehtävän 1, jossa tarkoituksena ole vertailla eri projektioiden aiheuttamia vääristymiä pituuksissa ja pinta-aloissa. Vertasin eri projektioita Suomessa yleisesti käytössä olevaan ETRS89-TM35FIN projektioon. Vertailin myös projektioita myös kuvattuna tasolla (cartesian) ja ellipsoidilla (ellipsoidal). 

Gall sterographic projektio on lieriöprojektio, jossa pinta-alojen vääristymä kasvaa siirryttäessä kohti kartan pohjois- ja eteläreunaa. Taulukoista 1 ja 2 voidaan huomata, että verrattuna ETRS89-TM35FIN projektioon, se kuvaa Suomen paljon leveämpänä. Taulukko 3 havainnollistaa pinta-alojen eroa, joka on todella huomattava. 

Albers equal area kartioprojektiossa pinta-alat kuvautuvat oikein, mutta maanosien muodot saattavat vääristyä. Taulukoista voidaankin huomata, että Albers equal area projetio vastaa pituuden ja pinta-alan osalta todella hyvin ETRS89-TM35FIN projektioita. 

Robinsonin projektio ei kuvaa mitään ominaisuutta oikein, mutta se pyrkii minimoimaan virheet kaikissa ominaisuuksissa. Taulukoista voidaankin huomata, että kuvattuna tasolle sekä pituus, että pinta-ala kasvavat merkittävästi verrattuna ETRS89-TM35FIN projektioon. 

Lambert conformal kartioprojektio on oikeakulmainen projektio, mutta se vääristää pinta-alojaTaulukoista voidaan kuitenkin huomata, että Suomessa Lambert conformal projektio vastaa hyvin ETRS89-TM35FIN projektioita. 

 

Koordinaatiojärjestelmä  Pituus km (cartesian)  Pituus km (ellipsoidal) 
Gall stereographic  779,9  498,7 
Albers equal area  502,9  500,6 
Robinson  727,4  489,7 
Lambert conformal  502,6  500,7 
ETRS89-TM35FIN  500,5  500,6 

Taulukko 1 Pituuksien erot eri projektioissa. (QGIS)

 

Koordinaatiojärjestelmä  Pinta-ala km² (cartesian)   Pinta-ala km² (ellipsoidal 
Gall stereographic  13855,7  5369,8 
Albers equal area  5396,1  5409,7 
Robinson  7594,3  5369,8 
Lambert conformal   5814,8  5409,7 
ETRS89-TM35FIN  5388,6  5409,2 

Taulukko 2 Pinta-alojen erot eri projetioissa. (QGIS)

 

Koordinaatiojärjestelmä  Erotus km²  Prosentuaalinen erotus 
Gall stereographic  8467,1  157 % 
Albers equal area  7,5  0 % 
Robinson  2205,7  41 % 
Lambert conformal   426,2  8 % 
     

Taulukko 3 Pinta-alojen erotus ja prosentuaalinen ero verrattuna ETRS89-TM35FIN projektioon (cartesian). (QGIS)

 Projektio vaikuttaa paljon esitettävään tietoon. Esimerkiksi jos Suomen mittasuhteet vääristyvät niin, että Pohjois-Suomi näyttää isommalta kuin todellisuudessa, voi se vääristää kartalla esitettävää asiaa. Pohjois-Suomessa on paljon isoja kuntia ja jos karttaprojektio vielä leventää niitä, voi se korostaa Pohjois-Suomea virheellisesti ja Etelä-Suomen pienemmät kunnat vähemmälle huomiolle. 

Ensimmäisen kurssikerran kartta ja itsenäinen harjoitus

 

Valitsin itsenäiseen harjoitukseen vaikeustason 1-tehtävän, koska QGIS:n käyttäminen on vielä minulle uutta ja halusin harjoitella ja kerrata luennolla käytyjä perusasioita. Latasin siis aineiston QGIS:in ja valitsin visualisoitavaksi muuttajaksi 0-14- vuotiaiden osuuden väestöstä eri kunnissa Suomessa. Valitsin luokitteluväliksi luonnolliset välit, jolloin kartalla selkeästi korostuvat kunnat, joissa 0-14 vuotiaiden osuus on suurin. Päädyin jakamaan aineiston vain 3 luokkaan, koska mielestäni silloin kartasta tuli selkeimmän näköinen. Kuitenkin tarkemman tuloksen olisi ehkä saanut useammalla luokkavälillä.

Kartasta (kuva 1) voidaan huomata, että Etelä- ja Länsi-Suomessa 0-14- vuotiaiden osuus on suurin. Myös suuremmat kaupungit korostuva esimerkiksi Tampere ja sen ympäristö. Tämä voi johtua siitä, että kaupungeissa ja niiden lähellä asuu enemmän nuoria aikuisia esimerkiksi töiden tai opiskelujen takia, jolloin myös lasten osuus on näillä alueilla suurempi. Myös alueilla vallitsevalla kulttuurilla ja uskonnolla voi olla vaikutusta lasten määrään. Huomasin, että Aino Schulz (https://blogs.helsinki.fi/scsc/) oli tehnyt kartan samasta aiheesta ja päätynyt hyvin samanlaisiin tuloksiin.

Kuva 1 0-14-vuotiaiden osuus kunnan väestöstä Suomessa vuonna 2015.

Koska vaikeustason 1-tehtävä tuntui helpolta, yritin myös tehdä vaikeustason 2-tehtävää. Siinä kuitenkin ongelmaksi muodostui csv:n tietojen liittäminen kuntapohjaan. Arvot eivät siirtynyt kuntapohjaan vaan taulukossa näkyi vain null- arvoja. Yritin tehdä tehtävää ihan vain kokeilemalla eri juttuja, joten en todennäköisesti osannut klikkailla oikeita kohtia. Ehkä jatkossa, kun oppii lisää, tämäkin onnistuu.

Alla vielä ensimmäisellä kurssikerralla tehty kartta.

– Emma