NY Building-Inspector!

Bild

Coole Geschichte. Aus den alten gescannten Karten der New York Public Library quasi halbautomatisch und demokratisch wird ermittelt, ob wenigstens drei Betrachter einen vorgeschlagen Grundriß als Gebäude identifiziert haben, wenn ja, wird dieser Bau als Vektor aufgenommen. Zu sehen und zu probieren unter:
http://buildinginspector.nypl.org/fixer/building

So wird einmal mehr die interessierte Community „eingespannt“, um kostengünstig und schnell die umfangreichen historischen Karten in NY automatisiert zu vektorisieren, per Mensch (qualitätsgesichert durch min. drei Betrachter) zu bewerten und so einen Überblick mit folgenden Inhalten des städtischen Wandels zu schaffen:

  • historische Straßennamen und Umbennungen
  • historische Gebäude, Abriss, Neubauten
  • neue Stadtviertel und „wandernder Stadtrand“
  • historischen Plätze, …

GISchichte?

Bild

Heute mal ein bisschen Geschichte zu den GIS-Systemen mit einer interaktiven Timeline und der Aufforderung, fehlende signifikante GI-Systeme selbst einzutragen – der geoObserver vermisst da so einiges an freien und kommerziellen Systemen. Wo sind UDig, OpenJump und die segenreichen OpenStreetMap-Werkzeuge oder Leatflet und Openlayers, MapServer, GeoServer, …, also los GISperten, vervollständigt die GISchichte!

Die Spur des Bösen: Philippinen-Katastrophe, Teil 1

Bild

Die Visualisierung des Taifun-Verlaufs auf den Philippinen auf einer Karte mit „R“ und „“googlevis“ visualisieren, ist mit wenig Aufwand möglich, beschrieben unter r-bloggers, siehe hier:

http://www.r-bloggers.com/googlevis-0-4-7-with-rstudio-integration-on-cran/

Hoffen wir mal, dass man diese Art, Karten zu erstellen auch für schönere Anlässe nutzen kann!

Hier direkt der Code (vorher die Bibliotheken „XML“ und „googlevis“ installieren):

library(XML)
url <- „http://www.gdacs.org/Cyclones/report.aspx?eventid=41058&episodeid=28&eventtype=TC“
dat <- readHTMLTable(readLines(url), which=5)
dat$latlon <- dat[,8]
levels(dat$latlon) <- sapply(
strsplit(levels(dat[,8]), „,\n „),
function(x) paste(x[2], x[1], sep=“:“)
)
dat$Category <- factor(dat$Category, levels=levels(dat$Category)[c(6,7,1:5)],
ordered=TRUE)
dat$cat <- as.numeric(dat$Category)
dat$Gust_kmh <- dat[,6]
levels(dat$Gust_kmh) <- sapply(strsplit(levels(dat[,6]), „km“),
function(x) gsub(“ „, „“,x[1]))
dat$Gust_kmh <- as.numeric(as.character(dat$Gust_kmh))

library(googleVis)
M <- gvisGeoChart(dat, „latlon“, sizevar=“cat“,
colorvar=“Gust_kmh“,
options=list(region=’035′,
backgroundColor=“blue“,
datalessRegionColor=“grey“))
plot(M)

Houston – wir haben ein Problem!

Bild

Düstere Aussichten für Houston, Amsterdam, Brüssel, Venedig, Florida, …
Alles einfach weg, naja nicht ganz weg, aber eben unter Wasser – x mal Atlantis?

Die National Geographic zeigt unter „Rising Seas“ die Auswirkungen, falls alles Landeis schmilzt. Na Klasse, hoffen wir mal, dass das nicht passiert. Und irgendwie sind wir ja alle gefordert!

Quelle: http://ngm.nationalgeographic.com/2013/09/rising-seas/if-ice-melted-map

20 Unerwünschte Karten-Tipps, Teil 1

Heute mal eine interessante Betrachtung zum Thema Kartographie – die unerwünschten Tipps. Einige scheinen sicher auf den ersten Blick falsch oder wenigstens fraglich, beschäftigt man sich intensiver damit, erscheinen sie mehr und mehr einleuchtend. Lest unbedingt die Erklärungen in der Quelle, hier die „nur“ die Anreißer:

  1. Aggregiere widerwillig
  2. Lass dem Macher seine Freiheiten
  3. Defaults sind böse, lass Vorgaben (wenn’s geht)
  4. Vermeide Legende, wenn möglich. Prüfe, ob der Sachverhalt nicht durch ein Diagramm besser dargestellt werden kann
  5. Kümmere Dich nicht um politische Grenzen, dein Sachverhalt kümmert sich (meist) auch nicht um sie. Sind sie unbedingt notwendig, dann nimm eine reduzierte Präsentation
  6. Noch mal politische Grenzen: Nutze lieber reale Objekte – z. B. Häuser – Choropleten sind langweilig
  7. Animationen? Stell lieber Beides dar, die Animation und die Einzelbilder/Zeitscheiben
  8. Vorsicht mit Farben, Ästhetik vs. Eindeutigkeit
  9. Setz Deinen Namen unter die Karte
  10. Kodiere Farben schon im Titel, spar die Legende

Quelle: http://uxblog.idvsolutions.com/2013/10/20-unrequested-map-tips-part-1.html

Schön: Die Erde bei Nacht

nasa

Man kennt sie, die Schilderungen der Kosmonauten und Astronauten, wie schön die Erde doch von oben sei. Z. B. Wladimir Schatalow, Russland:

„Bei Nacht sieht die Erde noch zauberhafter aus als am Tage“

Mehr von diesen Zitaten findet man unter der Suche nach „zitat astronaut erde

Da wir nun aber nicht alle unsere Erde aus einen Raumschiff sehen können, hat uns die NASA herrliche Daten unter „Erde bei Nacht“ zur Verfügung gestellt. Schöne Nacht-Aufnahmen mit Visualisierung der Beleuchtung – auch zum Download für die Wand oder das GIS. Hier findet Ihr des geoObservers Favorit: das GeoTIFF mit sagenhaften 54000×27000 Pixel² (Achtung 384 MB!).