Sorry, heute mal keine expliziten GeoNews, ich bin heute auf der FOSSGIS 2026 in Göttingen und mit meinem Beitrag (LT) Einfacher geht’s nicht – Open Data mit dem QGIS-Plugin „GeoBasis_Loader“ [1] zu erleben. Ich freu mich drauf!
Oops, das ging ja schnell, das ist Rekord! Gestern wurde die FOSSGIS 2026 in Göttingen [1] eröffnet und am gleichen Tag waren Dank des CCC schon die Mitschnitte von Tag 1 [2] online. Ich glaube, schneller habe ich das noch nicht erlebt. Für alle, die bei der FOSSGIS 2026 nicht live dabei sein können, besteht damit wieder einmal die Riesenchance, sich die Beiträge jetzt sofort und im Nachgang anzuschauen. Danke allen Mitwirkenden, großartig!
Ich bin übrigens am Freitag 15:10 Uhr mit meinem Beitrag Einfacher geht’s nicht – Open Data mit dem QGIS-Plugin „GeoBasis_Loader“ [3] zu erleben. Ich freu mich drauf!
[1] … https://fossgis-konferenz.de/2026/
[2] … https://media.ccc.de/c/fossgis2026/fossgis2026
[3] … https://pretalx.com/fossgis2026/talk/VSKNSD/
Man entdeckt immer wieder neue POIs auf dieser Welt, diesmal das berühmteste Schlüsselloch in Rom, das „Schlüsselloch der Malteserritter“ [1] an der Basilica dei Santi Bonifacio e Alessio. Also, wer von Euch schon dort war oder das nächste Mal in Rom und dort in der Nähe ist, schickt mir gern Euer Foto oder Video von dieser Lokation mit dem faszinierendem Blick zum Petersdom. Wenn Ihr wollt, bekommt es hier einen Eintrag auf Wunsch mit Namensnennung 😉
Hier der Original-Tweet [2]
[1]… https://maps.app.goo.gl/MJ8Vyn4EgriuD1xw5
[2] … https://x.com/rainmaker1973/status/2036235294278639631
[3] … https://www.orderofmalta.int/government/st-peter-basilica-through-the-keyhole/
Im Regionalatlas [1] kann man eine Vielzahl der Daten der Statistischen Ämter des Bundes und der Länder entdecken und recherchieren. Neben der interaktiven Karte lassen sich die Daten auch als Zeit-Diagramme, Häufigkeitsverteilungen und in Tabellenform nutzen. Eine Neuerung ist die Möglichkeit, die Daten auch regional zu vergleichen, dazu gibt es die neue Funktion „Regionsradar“. Wusstet Ihr z. B., dass die Stadt Halle (Saale) beim Thema „Haushaltsabfälle je EW 2023“ an 144. Stelle von 388 steht, d. h. „Rund 63 % aller Kreise und kreisfreien Städte in Deutschland haben einen höheren Wert als die ausgewählte Region.„.
Alle Neuerungen im Regionalatlas findet Ihr bei den Neuzugängen [2]. Die Daten können als Open Data in den Formaten CSV, GeoJSON und Shapefile herunter geladen werden, sie stehen unter der Datenlizenz Deutschland – Namensnennung – Version 2.0 [4].
Hier der Original-Tweet [3]:
[1] … https://regionalatlas.statistikportal.de/
[2] … https://regionalatlas.statistikportal.de/_neuesIframe.html
[3] … https://x.com/statistiklsa/status/2036009517675168147
[4] … Datenlizenz Deutschland – Namensnennung – Version 2.0
Am Freitag, den 20.03.2026 gab GDAL-Maintainer Even Rouault per Mail [1] bekannt, dass eine neue Version der universellen GDAL-Bibliothek [2] zur Verfügung steht, aktuell ist nun GDAL v3.12.3, ein Bug Fix Release. GDAL steht für Geospatial Data Abstraction Library und ist vor allem als Kommandozeilen-Tool, aber auch als wesentlicher Bestandteil von QGIS bekannt. Alle Neuerungen findet Ihr auf GitHub [3].
[1] … https://lists.osgeo.org/pipermail/gdal-dev/2026-February/061383.html
[2] … https://gdal.org/
[3] …https://github.com/OSGeo/gdal/blob/v3.12.3/NEWS.md
Zum Wochenende ein Gastbeitrag von Torsten Wolff für den #geoObserver, Danke Torsten!
Am Donnerstag, dem 26. März 2026 um 19:30 Uhr, eröffnet das Forum Gestaltung [1] in Magdeburg die Ausstellung „Maps oder Die Aneignung von Welt(karten) Malerei auf Schullandkarten” der Künstlerin Beate Schoppmann [2], [3]. In einem Gespräch mit dem Veranstalter kam ich darauf, dass auf den DDR-Schulwandkarten meistens „Haack Gotha” stand.
Das ließ mich aufhorchen, da ich in letzter Zeit zweimal in Gotha war, aber keine Ahnung hatte, wo diese Karten entstanden sind. In Gotha ist mir aber das Perthes Forum [4] aufgefallen, von dem ich noch nie etwas gehört hatte. An einer Fassade des Forums waren verschiedene Symbole angebracht. Meine Recherchen haben dann ergeben, dass genau hier die Karten der VEB Hermann Haack Geographisch-Kartographische Anstalt Gotha hergestellt wurden. In dem Gebäude befindet sich heute die Perthes-Gotha-Kartensammlung der Forschungsbibliothek Gotha der Universität Erfurt.
Übrigens gab es zur damaligen Zeit neben Haack Gotha die Justus Perthes Geographische Verlagsanstalt Darmstadt als Rechtsnachfolger des enteigneten Gothaer Stammhauses, die auch Karten von Haack Gotha kaufte [5]. Hermann Haack war Kartograf und wurde in der Nähe von Gotha geboren. Er begann im Frühjahressemester 1893 sein Studium der Geografie und Kartografie in Halle. [6]
Wer der Stadt Gotha in Thüringen einen Besuch abstatten möchte, hat einiges zu entdecken. Nach vorheriger Anmeldung können auch die Bestände der Kartensammlung eingesehen werden. [7]
[1] … https://www.forum-gestaltung.de/ausstellungen-und-sammlungen/maps—beate-schoppmann
[2] … https://www.beateschoppmann.de/news/ausstellung/
[3] … https://www.beateschoppmann.de/malerei/schulkarten/
[4] … https://de.wikipedia.org/wiki/Klett-Perthes_Verlag
[5] … https://www.ardmediathek.de/video/der-osten-entdecke-wo-du-lebst/perthes-haack-und-heidi-von-gotha-in-die-welt/mdr/Y3JpZDovL21kci5kZS9zZW5kdW5nLzI4MjA0MC81MDUyNzItNDg1MzQw
[6] … https://de.wikipedia.org/wiki/Hermann_Haack_(Kartograf)
[7] … https://www.uni-erfurt.de/forschungscampus-gotha/campus-gotha/akteure/wissen-global/kontakt-und-service
Meine Leseempfehlung zum Thema: Wirkt der „Dark Mode“ in der Kartographie anders herum oder wie werden die Farben im immer mehr genutzten Dunkelmodus wahrgenommen? Während im Hellmodus dunklere Farben mit einer größeren Wertigkeit assoziiert werden, stellt sich die folgende Frage: Ist das im Dunkelmodus genau so oder, wie vielleicht zu erwarten, genau umgekehrt? Prof. Dr. Jochen Schiewe, Präsident der DGfK [1] hat es in einer mit 214 Personen durchgeführten Online-Studie untersucht. In seinem KN-Beitrag „Dark‑is‑More Bias Also in Dark Mode? Perception of Colours in Choropleth Maps in Dark Mode“ [2], als PDF downloadbar unter [3], sind die Ergebnisse veröffentlicht, also, wie die Farben im Hell- und Dunkelmodus auf die Probanden wirken. Ich spoilere mal nicht, lest selbst 😉 es lohnt sich. Nur eins dazu:
„Die Studienergebnisse erlauben auch generelle Gestaltungsempfehlungen für künftige Dunkelmodus-Farbschemata für Karten.“ [2]
[1] … https://dgfk.net/
[2] … https://link.springer.com/article/10.1007/s42489-024-00171-z
[3] … https://link.springer.com/content/pdf/10.1007/s42489-024-00171-z.pdf
Die seit Jahrzehnten erfolgreich(st)e Koordinaten-Transformation-Software “PROJ” [1] feiert heute den 27. Geburtstag [2] und der #geoObserver gratuliert. Die Software ist in vielen GI-Systemen im Einsatz [3], z. B. bei QGIS, GDAL, GRASS GIS, MapServer, PostGIS, R, FME, ESRI, … Danke allen Betreuern und Mitwirkenden [4] und bitte weiter so!
Aber eigentlich ist die PROJ-Geschichte sogar um einiges älter, interessante Fakten dazu findet Ihr bei Howard Butler [5]
Hier der Original-Tweet [2] mit 1999 als Startdatum:
[1] … https://proj.org/en/stable/#
[2] … https://x.com/mapserving/status/1769708346334957597?s=20
[3] … https://proj.org/en/9.6/users.html
[4] … https://github.com/OSGeo/PROJ/blob/9.6/AUTHORS.md
[5] … https://github.com/OSGeo/PROJ/files/3342934/history-of-proj4-foss4g2017-howard-butler.pdf
Erst im Januar habe ich über das Plugin „QGIS Dual Viewer“ [1] berichtet, nun folgt die Vorstellung eines ähnlich ausgerichteten Plugins. Das Plugin „QMapCompare“ [2] stellt die Funktionen Spiegelung, Vertikale Teilung, Horizontale Teilung und Lupe zur Verfügung. Eine Beschreibung zur Bedienung findet Ihr auf GitHub [3]. Ich hab’s mal getestet, vgl. Screenshot.
Hier der Original-Tweet [4]:
[1] … https://geoobserver.de/2026/01/07/qgis-tipp-plugin-qgis-dual-viewer/
[2] … https://plugins.qgis.org/plugins/qmapcompare/
[3] … https://github.com/MIERUNE/qgis-plugin-qmapcompare
[4] … https://x.com/dayjournal_nori/status/2032298102862815468
NDVI (Normalized Difference Vegetation Index) [1] ist lt. Wikipedia „der am häufigsten angewandte Vegetationsindex“ und ist seit Jahren ein Standardwerkzeug bei der Beurteilung von Fernerkundungsdaten. In vielen GI-Systemen ist er einfach zu berechnen mit der vergleichbar simplen Formel:
NVDI = NIR-Kanal - Rot-Kanal / NIR-Kanal + Rot-Kanal
In QGIS kann diese Berechnung unkompliziert mit dem Rasterrechner realisiert werden. Ich habe das mit den vom LVermGeo LSA als freie DOP20-Luftbilder [2] angebotenen Daten getestet. Die Besonderheit hier: die DOP20 repräsentieren im Kanal 4 den benötigten NIR-Kanal. Folgender Screenshot zeigt die Vorgehensweise im QGIS-Rasterrechner mit den LSA-DOPs.
Um das Ergebnis der Berechnung, ein Graustufen-Bild, noch deutlicher zu visualisieren, kann das entstandene Raster z. B. als „Einkanalpseudofarbe“ eingefärbt werden. Die Klassen und Unterschiede im NVDI werden damit deutlich sichtbarer.
Grenzen und Gefahren bei Fehlinterpretation:
Danke für den fachlichen Input und das Coaching von M. Sc. Matthias Henning von der Hochschule Anhalt. So muss Netzwerken! Hier noch ein paar wichtige Bemerkungen und Ergänzungen von Matthias bzgl. der Grenzen und Gefahren bei Fehlinterpretation:
„So gerne und häufig der NDVI auch eingesetzt wird, sollten die Grenzen der jeweiligen Methode immer berücksichtigt werden. Beim NDVI sind diese vor allem bei den Sensoren (Kamera) und den aufgenommenen Lichtspektren zu finden. Einfache Kameras nehmen den NIR-Bereich lediglich als den Bereich wahr, der auf den roten Bereich folgt. Die Intensität der Lichtaufnahme ist bei jedem Kamerasensor unterschiedlich und gleicht einer Kurve. Etwas hochwertigere Kameras steuern die auf den Sensor treffenden Wellenlängenbereiche über einzelne schmalbandigere Filter. Im Bild unten sind die Bereiche der Multispektralkamera der im Einstiegs-UAV-Bereich häufig verwendeten DJI Mavic 3 zu sehen (CC-BY-4.0, Jon Atherton). Diese ordnet die Bereiche des roten und nah-infraroten Spektrums deutlich schmaler zu als z.B. den Rotbereich einer RGB-Kamera. Im Bereich der professionellen Fernerkundung werden diese Wellenlängenbereiche noch viel detaillierter und feiner erfasst. Daher können die NDVI-Werte unterschiedlicher Kamerasysteme nicht ohne weiteres verglichen werden. Ebenso spielen der Sonnenstand, Schattenwürfe, Zentrum der Bildaufnahme, Wuchsrhytmus der Pflanzen, Feuchtigkeit, die Temperaturen und atmosphärische Verzerrungen eine Rolle. Das Licht der Sonne musste immerhin bereits viele Kilometer durch die Atmosphäre zurücklegen, bevor es reflektiert wurde und zum Sensor gelangte. Selbst der Vergleich zweier Aufnahmen desselben Sensors ist daher nicht immer einfach, zumal jedes Sensorsystem teilweise eigene Korrekturen dafür vorsieht. Entweder wird daher der NDVI in jeder Aufnahme kalibriert, indem beispielsweise auf die Werte des vitalsten Baumes normalisiert wird. Oder aber es wird nicht der NDVI, sondern dessen Klassifikation je Aufnahme in verschiedene Vitalitätsklassen, miteinander verglichen.“
Neben NDVI findet Ihr weitere Indizes in folgendem Tweet [4] und der Index DataBase [5].
[1] … https://de.wikipedia.org/wiki/Normalized_Difference_Vegetation_Index
[2] … https://www.lvermgeo.sachsen-anhalt.de/de/gdp-open-data.html
[5] … https://doi.org/10.5281/zenodo.11102543
[4] … https://x.com/mashfordmahute/status/2030910298459193528
[5] … https://www.indexdatabase.de/