(Ein Tipp vom Fachkollegen, DANKE!)
Ein trauriger aktueller Fall und eine Statistik, die nicht zu fassen ist, von 1979-2010 über eine Million Tote durch Schusswaffen, d. h. 1000000/31/365 = 88 Tote pro Tag! *Fassungslos*
Hier die Karte (1 schwarzer Punkt = 1000 Tote!!!)
Nachdem der geoObserver schon 2012 über den Fund einer Waldseemüller-Karte berichtet hat, wurde er am Wochenende via Twitter an eine weitere interessante Karte des gleichen Kartographen erinnert, auf welche er Euch zum Wochenanfang gern hinweist: Waldseemuller’s Universalis Cosmographia.
Weitere Informationen zu Martin Waldseemüller findet Ihr im Wikipedia.
GIS & OpenData 1918? Ja, die Vorläufer gab’s schon damals 😉
Siehe hier: https://twitter.com/Amazing_Maps/status/455049418513731585/photo/1
Quelle: Joel Gurin (TheGuardian)
Ja, viele neue Begriffe, teilweise nicht richtig verstanden und falsch gebraucht. Nun hat The Guardian versucht, etwas Klarheit in diese Begriffswelt zu bringen, ein interessanter Artikel, den Euch der geoObserver nicht vorenthalten will.
und ergänzend die aktuellen Beiträge im Wikipedia:
Ostern kommt und manch einer hat dann auch mal etwas Ruhe zum Lesen. Der geoObserver hat schon mal nach versteckten Osterüberraschungen gesucht, hier sein Tipp, wo GIS-Literatur kostenfrei zu laden ist:
In diesem Sinne allen ein ruhiges, entspannendes und vielleicht den GIS-Horizont erweiterndes Osterfest.
Man hält es nicht für möglich, aber lt. einer Karte auf dem matadornetwork, gibt es 7000 Flüsse auf amerikanischen Grund, die in den Mississippi münden. Die Einzugsgebiet diese Flusses ist beeindruckend!
Massendaten aggregieren ist ja unser täglich Brot, keine Frage. Aber aggregierte Daten verlieren natürlich einen Teil ihrer Informationen, Aggregationen glätten das Signal. Wie sieht es denn nun aber mit der Frage aus, diese einmal zusammen gefassten Daten wieder zu schärfen, gewissermaßen die Aggregation wenigstens teilweise rückängig zu machen – also ein DISAGGREGATE? Einen interessanten Beitrag hat der geoObserver für Euch gefunden: „Building Precise Maps with Disser“. In dem Beispiel werden aggregierte Bevölkerungszahlen wieder rückwärts den Gebäuden zugeordnet, heben also die unscharfe Gleichverteilung der Menschen wieder auf. Aber lest selbst ….
In Ergänzung zum gestrigen Beitrag über die Ölstands-Ermittlung via Schattenwurf folgt heute noch ein Beitrag zur Ermittlung von Objekthöhen über den Schatten aus Satellitenbildern. Und wieder einfachste Mathematik 😉
tan(Bogenmass(Sonnenwinkel)) x Schattenlänge = Höhe des Objektes
Sonnenwinkel in [°]
Schattenlänge, Höhe des Objekte in [m]
Coole Idee mit einfachster Mathematik – Unglaublich: die Ölreserven aus dem Weltall zu beobachten. Und das Ganze im Dreisatz (wir sagten früher „Verhältnisgleichung“). Die Berechnung im unteren Bild kann wirklich jeder nachvollziehen, erinnert an die „Steuererklärung auf dem Bierdeckel“. Über Für und Wieder sowie die Brisanz, die solche Informationen beinhalten können, soll hier mal nicht gemutmaßt werden, hier geht’s um die technische Lösung und die ist verblüffend einfach.