Eine kleine Erweiterung im Kontextmenü kann Euch das QGIS-Leben deutlich erleichtern. Einfach auf die Klasse in Eurer Legende klicken und “Objekte wählen” (“Select Features”) ausführen und schon werden alle Elemente diese Klasse selektiert. Erspart den deutlich aufwändigeren Weg der Selektion über einen Ausdruck.
Animation: Mein Test der neuen Funktion – Selektion aller Patenbäume der Klasse “geplanzt”
In der Dokumentation wird die neue Funktion “Select features from expression based symbols” [1] bezeichnet, erscheint mir etwas zu sperrig, “Klassenbasierte Selektion” würde es m. E. auch treffen 😉 Aber das sind nur Namen … eine coole Funktion, sie steht ab QGIS v3.26 zur Verfügung und könnte eine meiner Lieblingsfunktionen werden!
Heute mal wieder ein Gastbeitrag, diesmal von Sylvia Welschof zu dem großartigen Projekt: WaldOhneZaun.de [1] oder die “Befreiung” von Daten zu Wald und Jagd in Bayern – WMS-Dienste für den “BayernAtlas”. Es geht um Wald, Wild, Jagd, Klima, Forst, Verantwortung, Kampf, … doch lest selbst:
Hallo Mike,
10 Jahre – herzlichen Glückwunsch. Du schreibst in Deinem Beitrag [2]:
“Im Fokus stehen bis heute vor allem offene GI-Systeme sowie freie Daten und der „Kampf“ um die weitere Befreiung der vom Bürger bereits bezahlten öffentlichen Daten sowie weiterhin die Aufklärung bzgl. eines räumlichen Denkens, die Vermittlung und Verbreitung von GIS-Potenzial und -Chancen, also GIS und GIS-Denken für JEDEN!” [2]
Kampf ist das immer noch. Genau deshalb gibt es seit einiger Zeit die (bayerische) Initiative WALDohneZaun.de. Überall wo es Wald und Wild gibt, gibt es dieselben Probleme, die sich im Klimawandel verschärfen. Kann sich der Wald artenreich natürlich verjüngen? Ohne Zaun? Es liegen zwar jede Menge Geodaten vor, aber kaum jemand scheint sie auch tatsächlich als Geodaten zu nutzen. Das wollen wir ändern.
Bei uns in Bayern werden alle 3 Jahre von den Ämtern für Ernährung, Landwirtschaft und Forsten sog. Forstliche Gutachten zur Situation der Waldverjüngung erstellt. Sie bewerten für alle ca. 770 Hegegemeinschaften (gesamt ca. 12.700 Jagdreviere) die Verbisssituation der jungen Bäume mit den Noten „günstig“, „tragbar“, „zu hoch“ und „deutlich zu hoch“. Dazu gibt es eine Empfehlung für die Erstellung des nächsten Abschussplanes für Rehwild. Es gibt „deutlich erhöhen“, „erhöhen“, „beibehalten“, „senken“ und „deutlich senken“. Diese Empfehlung muss berücksichtigt werden. Das fällt aber nun in die Obhut der Unteren Jagdbehörden. Die Beteiligten müssen ihre Geodaten veröffentlichen, denn es handelt sich um Umweltdaten. Aber die Daten stecken in getrennten Listen und Tabellen, unterschiedlich sortiert, unterschiedlich zugeordnet, schwer zugängig. Schon die einfache Frage: „Wurde die Abschussempfehlung umgesetzt?“ ist nur mühsam zu beantworten. Dazu kommt noch, dass man waldtypisch lange Zeiträume von 20 Jahren überblicken muss. Mit GIS-Denken für JEDEN geht das:
WALDohneZaun.de hat zum ersten Mal ausgewählte Daten zur Jagd seit 1998 und zum Forstlichen Gutachten seit 2000 aus den Listen befreit, professionell aufbereitet und interaktiv in das Geoportal Bayern, den „BayernAtlas“, gebracht. Bereits veröffentlichte Umweltinformationen zu Jagd und Wald sind damit endlich gleichzeitig direkt da abfragbar, wo sie hingehören: in der Mitte der Hegegemeinschaft. Dazu gibt es einprägsame Symbole. Sie machen auf einen Blick wichtige Randbedingungen und vor allem lange Zeiträume sichtbar. Die aufbereiteten Geodaten stehen offiziell als WMS-Dienste im BayernAtlas kostenlos zur Verfügung. Damit kann zusätzlich die unschlagbare Aussagekraft eines Luftbildes, aber auch das Fachwissen anderer Dienste z.B. zu Waldfunktionen, Waldbesitzart, Wolf, Schutzgebieten und weitere genutzt werden.
In der Galerie ein paar Screenshots der Anwendung. Vielleicht kann das auch für andere eine Anregung sein? Es ist unglaublich, welche Entwicklung Wälder nehmen, wenn die Wildbestände angepasst sind. Das ist den zweiten Kampf wert!
Wir arbeiten mit Qgis als DesktopGis und kvwmap als Webgis (GDI-Service Rostock).
Für alle, die GDAL-Funktionalität bereits auf dem Klienten, also dem Browser benötigen, sei ein Blick auf gdal3.js empfohlen. Die mächtigen GDAL-Funktionen gdal_translate, ogr2ogr, gdal_rasterize, gdalwarp und gdaltransform stehen hier bereits via JavaScript zur Verfügung, also klientseitiges Konvertieren und Umprojezieren von Geodaten/-Formaten. Das erspart dann so manchen Server-Request und viel Traffic.
Screenshot: So einfach kann gdaltransform in JA sein (Quelle: [1])
ktrinko [1] hat per Tweet eine wunderbare Datenquelle gepostet – die freie World Cities Database von Simplemaps [2]. Momentan sind 42905 Städte in der freien Version enthalten! In der kostenpflichtigen Version findet Ihr bis zu 4,3 Millionen Datensätze. Ich habe die kostenfreien Daten mal ins QGIS geladen und (quick and dirty) nach der Spalte “population” klassifiziert.
Per Tweet [2] gab @QGIS [1] bekannt, dass seit Freitag, den 24. Juni 2022 das neue Release 3.26 zum Download verfügbar ist. Ich habe zum Testen sofort aktualisiert, auf Mac mit M1 läuft es prima, so wie gewohnt. Danke allen Mitwirkenden!!!
Heute, am Samstag, den 25.06.2022 begeht der GeoBlog #geoObserver den 10. Geburtstag, ein Grund zu feiern!
Zur Geschichte:
Begonnen hat es ursprünglich als kleiner inoffizieller Newsletter für ein paar Kollegen meines Teams in Halle, meine GIS-Spezialisten sollten zeitnah wissen, was sich aktuell an Interessantem in der GeoWelt entwickelt. Bald reichte mir das aber nicht mehr. Von den Ergebnissen meiner Recherchen, von den Entdeckungen sowie den Tipps & Tricks durften ruhig mehr (Geo-)Leute profitieren.
Jahrzehntelang hatte ich bereits selbst von der Open-Szene (OSS & Open Data) profitiert. Ich denke dabei vor allem an UMN-MapServer, PostGIS/PostgreSQL, GDAL, Apache, Linux, QGIS, … und die vielen Open Data-Anbieter. Nun wollte ich auch endlich mal etwas mehr zurückgeben. So entstand die Idee, das Ganze als einen GeoBLOG zu versuchen, natürlich auf einem offenen System: WordPress. Ein Name war schnell gefunden: #geoObserver!
Der Blog:
Der #geoObserver-Blog versucht, die Geo-Thematik nicht nur für GIS-Spezialisten, sondern auch für jedermann verständlich und kurzweilig zu präsentieren. Er lebt vom Mitmachen, Input ist jederzeit willkommen! Ich danke allen, die sich bisher beteiligt haben.
Oft werden interessante Funde nur angepingt, der Leser soll aufmerksam gemacht werden: “Schau mal, da gibt es was Interessantes”. Ergänzend kommen auch Beiträge mit Tests und Nachstellungen der gefundenen GeoNews sowie Berichte über eigene Erfahrungen im Geoumfeld, so wie der Untertitel hoffentlich verrät: “Neues, Interessantes und Kurioses aus der Geowelt!”.
Im Fokus stehen bis heute vor allem offene GI-Systeme sowie freie Daten und der “Kampf” um die weitere Befreiung der vom Bürger bereits bezahlten öffentlichen Daten sowie weiterhin die Aufklärung bzgl. eines räumlichen Denkens, die Vermittlung und Verbreitung von GIS-Potenzial und -Chancen, also GIS und GIS-Denken für JEDEN!
Der #geoObserver-Blog ist unter www.geoobserver.de erreichbar, alle Beträge sind für Kommentare frei geschaltet, eine auch kritische Diskussion ist jederzeit erwünscht. In jedem Fall danke ich meinen Followern und hoffe, sie bleiben dem #geoObserver und der Idee weiter treu.
Die Zukunft:
Wenn mich jemand nach meinen Wünschen für die nächsten 10 Jahre fragen würde, dann werde ich antworten: Kein “Meine Daten/Deine Daten” mehr und die Frage “Was will denn der mit meinen Daten?” wird verboten, mehr freie Daten für alle, mehr Umstieg auf freie Software und ein Begreifen der räumlichen Zusammenhänge und Denkweise bis auf den letzen Arbeitsplatz – Überall! Allen muss klar werden: Wenn irgendwie möglich und erlaubt, stelle Deine Daten möglichst Vielen zur Verfügung! Je mehr Menschen auf Deine Daten blicken, desto wichtiger werden diese, desto schneller werden sie zu Synergien führen, desto schneller werden Fehler erkannt und gefixt, desto wichtiger und anerkannter wird damit auch Deine Arbeit. Und neben dem Wachsen des Anteils freier Software wünsche ich mir weitere neue, noch bessere freie Geoformate, Abschaffung alter Relikte, keine Shape-Files mehr und mehr Mitstreiter und Vernetzung für die Geo-Sache! Und mehr Bürgerbeteiligung und immer neuen Geo-Input!
Ach übrigens: Obwohl ich bis heute das Glück habe, dass ich dienstlich und privat wirklich geoaffin bin, der #geoObserver schreibt im Blog privat.
Der #geoObserver-Blog hat derzeit ca. 300 Newsletter-Abonnenten, 1400 Follower auf Twitter sowie weitere auf LinkedIn, XING und in diversen Kanälen unter FaceBook.
Gesamtaufrufe
Screenshot: Gesamtaufrufe in JahrescheibenScreenshot: Einsichten in MonatscheibenScreenshot: Top 10 der Gesamtaufrufe pro Land
Die zehn am meisten aufgerufenen Artikel (ohne Startseite):
In Halle tauchte irgendwann (seit der Wende?) der Begriff TRAM immer öfter auf, das verwunderte, war er doch eigentlich in Halle bis dahin nicht gebräuchlich. Hier sagte man nach meiner Wahrnehmung immer “Straßenbahn”, “Bimmel” oder eher die Älteren auch “Elektrische”. Ich habe auch etliche Bekannte, Verwandte und Kollegen befragt, TRAM kannten sie natürlich, benutzt haben sie es eher nicht. Eine mögliche Erklärung war, dass es ungefähr so lief wie mit “Schreiner” oder “Metzger”, die hier auch plötzlich bei Einigen Verwendung fanden. Aber subjektive Wahrnehmungen und Erklärungen sind das Eine, ich wollte es genauer wissen.
Ich habe eine neutrale Quelle befragt, den Ada – Atlas zur deutschen Alltagssprache[2] der Universität Salzburg speziell nach TRAM [3]. Und, es hat sich bestätigt, TRAM ist in unseren Breiten bis in den Norden nicht die Alltagssprache, man sagt in diesen Gebieten Straßenbahn, die Grafik zeigt es deutlich:
Screenshot: Tram oder Straßenbahn (Quelle [2])
Als zweite Quelle startete ich auf Twitter ein Voting [3], auch hier “gewann” Straßenbahn, nur 1/5 stimmte für TRAM, hier der Tweet [3]:
— #geoObserver 🌍🔭@geoObserver@mastodon.social (@geoObserver_) December 25, 2021
Ich habe natürlich nichts gegen TRAM, auf den Fahrplänen z. B. macht sich das kurze, knackige TRAM parallel zu BUS ganz gut, Logos, Word-Bild-Marken wirken schlüssig, nur in unserer Alltagssprache kommt TRAM seltener vor. Wer mehr zu TRAM weiß, gern in den Kommentaren.
Hans Hack hat gestern auf Twitter [1] ein interessantes Projekt vorgestellt: Point in History [2]. Einfach auf der Karte einen Euch interessierenden Punkt anklicken und schon werden die historischen Grenzen der verschiedensten Epochen visualisiert und können abgefragt werden. Hans schreibt dazu in der Einleitung (i):
“Punkt in der Geschichte Die Daten zu den historischen Grenzen stammen aus dem Projekt “Historische Grenzen”, das darauf abzielt, “gebrauchsfertige Basiskarten für die Kartierung historischer Daten bereitzustellen”. Es handelt sich um ein laufendes Projekt: Überprüfen Sie die Karten durch Vergleich mit anderen Quellen, bevor Sie sie in einer wissenschaftlichen Arbeit verwenden. Wenn Sie Fehler entdecken, melden Sie diese im Abschnitt “Probleme”. …” (übersetzt mit DeepL.com)
Ich habe es mal für das Gebiet um Halle (Saale) getestet, Ergebnisse siehe Animation. Coole Anwendung, Danke Hans!
Animation: Mein Test um Halle (Saale) (Quelle: [3])
Neulich las ich im Tweet [1] von Ujaval Gandhi (@spatialthoughts) einen interessanten Ansatz, wie man die Straßenbreite bei Straßenpolygonen mit QGIS berechnen/schätzen kann? Beim seinen Tests mit einigen Dummy-Daten kam er auf einen relativ einfachen Ausdruck:
average_road_width = 2 * $area / $perimeter
Er bat darum, diesen Ausdruck mal an realen Daten zu testen, ich habe es mit ein paar realen Straßen im halleschen Paulusviertel gemacht, hier die Ergebnisse. Aus meiner Sicht, trifft der Ansatz erstaunlich gut, die realen Straßenbreiten sind meist etwas größer, der Unterschied ist aber eher klein. Hinweis: Bei Unterbrechungen der Straßen wird der Wert verfälscht, weil sich dadurch der Umfang vergrößert, also besser immer den gesamten Straßenzug betrachten. Wenn man das Ganze dann mal mit einen großen Menge von Straßen durchführt, die Differenzen und deren Durchschnitt ermittelt, lohnt sich ggf. auch noch ein Korrekturfaktor, m. E. irgendwo zwischen 0.95 … 1.05?
Screenshot: Mein Test – grün: berechnete Breiten, schwarz: gemessene Breiten
Hier der Original-Tweet [1], weitere Lösungsmöglichkeiten findet Ihr in den Antworten im Tweet:
How to estimate the road width from a layer of road polygons using #QGIS? Testing with some dummy data, the simple expression 2*$area/$perimeter seems to give decent results. Any other ideas? Anyone has a real-world roads polygon dataset to test this on? pic.twitter.com/wSPuqUHqxz
Wer kennt das nicht, es kommen eigentlich einfache Koordinaten, nur LAT/LON und doch in den unterschiedlichsten Formaten. Mal in Dezimalgrad, mal in Grad, Minute, Sekunde, dann mal wieder vertauscht, … Nun gibt es Hilfe: mit flipcoords, einem Tool von OpenCage zur Umrechnung und Umformatierung von Koordinaten von lat/lng zu lng/lat und umgekehrt oder mit benannten Parametern. Eine OSM-Vorschau ist eingebaut.
