Der #geoObserver hat schon 2014 über die Neuseeland vergessenden Karten berichtet. Nun scheint das Thema wieder Fahrt aufzunehmen, die Neuseeländer wehren sich, per Video, per Twitter #getNZonthemap, … und das ist gut so!
Indes die gute Nachricht: in den den freien OSM-Daten fehlt Neuseeland natürlich nicht!
Ach, und immer wieder schön, ein Merchandise-Artikel des GIS-Markführers mit dem gleichen #mapfail!
Bildquelle: http://40.media.tumblr.com/2d4…
Etliche Geodäsie-Funktionen stehen als JavaScript-Bibliothek von Chris Veness auf Github.com zur Verfügung. Hier ein einige Funktions-Beispiele (Quelle: https://github.com/chrisveness/geodesy):
Meine Nachfrage beim BfN wurde prompt beantwortet (THX!), hier das Update (24.04.2018, 7:15 Uhr) mit dem aktualisierten Link zum Download:
https://depot.bfn.de/ssf/s/readFile/share/…/GIS_Planzeichen_Download.zip
Den Original-Beitrag findet Ihr unter: https://geoobserver.de/2018/03/05/bfn-planzeichen-fuer-die-landschaftsplanung/
Interessante Statistische Daten zur Bevölkerungsentwicklung können beim BBSR des Bundes abgerufen werden. “Deutschland wächst – aber nicht überall”. Neben den anschaulichen Karten können auch direkt die Rohdaten abgerufen werden 🙂
(Quelle: http://www.bbsr.bund.de/BBSR/DE/Home/Topthemen/2018-bevoelkerung.html)
Wie leider oft, ein Manko: Die Daten sind leider nur als einzelne Excel-Datei, gut für den Menschen lesbar, aber weniger gut, um die Daten ohne Aufwand weiter zu verarbeiten (fehlender expliziter Raumbezug, nur implizit in Spalte B und C, viele Zeilen zur besseren Strukturierung für den Leser, aber ungünstig für die Weiterverarbeitung).
Mein Vorschlag: Einfach mal zwei Varianten zur Verfügung stellen, die jetzige und die schnelle für’s GIS (Shape, GeoPackage, GeoJSON, …)
Eine gute Idee: QGIS erweitern mit einem neuen Layer-Typ. Nachdem wir Vektoren, Raster und Tabellen schon kennen, schlagen Martin Dobias und Peter Petrik vor, in QGIS Unstrukturierte Mesh-Layer aufzunehmen, z. B. für Simulationen, wie sie für die Meterologie, Ozeanographie und bei hydraulischen Modellierungen gebräuchlich sind. Erlkärt wird alles auf GitHub “Unstructured Mesh Layers”. Lesenswert!
Neuer Termin für QGIS-Basisschulung bei IT-Consult in Halle steht im Juni 2018 bereit:
Schulungsinhalte auf einen Blick:
Den Zugriff auf Geodienste wie WMS und WFS kennen die meisten schon, aber nicht immer ist der Aufwand für eine GDI gerechtfertigt. Um trotzdem auf entfernte Geodatenbestände zugreifen zu können, stellt die Kombination aus dem neuen GDAL und QGIS3 jetzt neue Zugriffsmöglichkeiten zur Verfügung. Einfach mal so auf ein Shapefile über das Web (http, https, ftp, …) via Port 80 zugreifen. Ich hab’s probiert, das Ergebnis ist in der kleinen Animation anzusehen:
Die Testdaten (“paulusviertel.shp”) findet Ihr beim geoObserver (Grundlage sind die OpenData-Daten der Stadt Halle hier die Baublöcke auf das Paulusviertel reduziert), die URL der Daten http://www.geoobserver.de/paulusviertel.shp wird im QGIS und GDAL mit “/vsicurl/” zu /vsicurl/http://www.geoobserver.de/paulusviertel.shp ergänzt.
Die kompletten Möglichkeiten der “GDAL Virtual File Systems” findet Ihr unter: http://www.gdal.org/gdal_virtual_file_systems.html
Gern gebe ich den Tipp von @YuriEngelhardt mit einer Sammlung von hilfreichen Katalogen mit Datenvisalisierungstools weiter:
Der Original-Tweet (schon 510 Likes!):
https://twitter.com/YuriEngelhardt/status/988111328937238533
Das Problem gibt es immer wieder, man hat einen Punkt-Datenbestand mit verschiedenen Werten (Spalten) und will diese Daten auf Flächen aggregieren, z. B. die Einwohnerdaten (EW/Gebäude) auf Baublöcke, Stadtteile, Stadtviertel, …
Die Lösung im QGIS ist einfach, wenn man sie kennt ;-). Im Werkzeugkasten die Funktionen “Attribute nach Position zusammenfügen” oder in der engl. Version “Join attributes by location”. Wichtig ist die Einstellung: Attributzusammenfassung auf “Zusammenfassung der schneidenden Objekt erstellen”!
Einwohner/Kinderzahl der Punktdaten (points) summiert auf die Baublöcke (polys)
Zum Testen ein QGIS-Projekt und die Dummy-Daten (EW=Einwohnerzahl, Kinder=Kinderzahl). Die Polygone sind dem OpenData-Portal der Stadt Halle (Saale) entnommen.
Das Leibnitz-Institut für Länderkunde e. V. hat innerhalb des {COD1NG DA V1NC1}- Projektes seine historische Kartensammlung der Geografischen Zentralbibliothek unter der CC0-Lizenz zur Verfügung gestellt. Auf Leibniz Maps findet Ihr momentan 1549 Karten von 1600-1900 als Thumbnails (470MB) und Scans (62GB).
Die Thumbnail-Seite als Screenshot
(Quelle: https://speicherwolke.uni-leipzig.de/index.php/apps/gallery/s/p3OptbKiHHoPEhU#images_thumbnails)