Zum 13. Geofachtag des netzwerk | GIS Sachsen-Anhalt durfte ich den Vortrag “Open Data in HAL – ein Praxisbericht aus Halle (Saale)” halten. Da mittlerweile immer mehr Anfragen bei mir ankommen, stelle ich den Vortrag hiermit gern als Download zur Verfügung.
Wolltet Ihr auch schon immer mal wissen, wie viele Dezimalstellen man für Längen- und Breitengrade braucht, um eine ausreichende Genauigkeit zu realisieren? In “Latitude and longitude precision” auf observablehq.com findet Ihr anschaulich die Auflösung [1], [2]. Es sind übrigens weniger, als man denkt.
Das Frage ist übrigens nicht ganz neu, die wohl beste Analyse, die ich kenne findet Ihr auf im Webcomic “Coordinate Precision” auf xkcd.com: Mach es nur genau genug und Du kannst die Position eines Atoms angeben 😉
(So, der Urlaub ist vorbei, es geht wieder los beim #geoObserver 😉 Das ist wirklich genial! Und interessant und kurzweilig und faszinierend! Stell Dir vor, Du kannst irgendwo einen Regentropfen fallen lassen und eine mit vielen Geoprocessing-Features ausgestattete, webbasierte Anwendung zeigt Dir dreidimensional animiert den Weg des kleinen Tropfens bis zum Meer. So gesehen beim River-Runner [1] von Sam Learner [2] (@sam_learner [3]). Leider monentan nur für das Gebiet der USA. Mein erster Test: ein Regentropfen in Buffalo (WY) [4].
Zur Erinnerung: heute ist Anmeldeschluss für den 13. Geofachtag des netzwerk | GIS am 01.09.2021. Also los, schnell noch anmelden! Und Ihr wisst ja: die Anmeldung ist kostenlos!
Ja, das haben wir wohl alle so gelernt, der Petersberg sei die höchste Erhebung vom Harz bis zum Ural auf diesem Breitengrad? Und neulich sprach mich ein Bekannter an, er hätte es mal mit diversen Programmen aus dem Outdoor-Bereich überprüft und es wäre wohl nicht so. Ich habe sofort recherchiert und bin zuerst im Wikipedia fündig geworden, tatsächlich, die o. g. Aussage ist wohl tatsächlich falsch: “Entgegen einer weit verbreiteten Meinung ist der Berg etwa auf seinem Breitengrad nicht die höchste Erhebung zwischen dem Harz und dem Uralgebirge” [1].
Nun war aber meine Neugier geweckt, schließlich haben wir ja GI-Systeme, am liebsten QGIS. Und ein paar Viertelstunden später hat auch QGIS es bestätigt: Der Petersberg ist NICHT die höchste Umgebung bis zum Ural auf diesem Breitengrad!
Meine Herangehensweise:
Ural- und Harz-Umrisse sowie 5 Grad-Gitter besorgen [2],[3], [4]
SRTM-Kacheln mit dem QGIS-Plugin SRTM-Downloader einladen [5] und daraus eine VRT zur einheitlichen Symbolisierung machen
mittels eines einfachen händisch erstellten GeoJSON-Files (in [7] enthalten) den Petersberg-Breitengrad erstellt
via SAGA-Funktion “Profile from Lines” die Profildaten erzeugt (180000 Punkte)
Der Rest war dann einfache Symbolisierung im QGIS
Zum Nachvollziehen hier mein Testprojekt [7] (ohne STRM-Daten, die könnt Ihr Euch bei Bedarf ja selbst mit [5] runter laden).
Eine wirklich coole und sehenswerte 3D-Kartenanwendung hat Steve Attewell mit seiner Manga Map [1] kreiert. Ich hab’s gleich getestet, mit Zugspitze [2] und Brocken [3]. Probiert es aus, es lohnt sich!
Wie auf https://www.pgadmin.org/ [1] zu lesen ist, hat das beliebte Admin-Tool für die PostgreSQL/PostGIS-Anwender und -Administratoren „PgAdmin“ ein neues Release erfahren. Die wichtigsten Neuerungen:
Unterstützung zum Kopieren von SQL aus dem Hauptfenster in das Abfragetool hinzugefügt.
Unterstützung für formatierten JSON-Viewer/-Editor bei der Interaktion mit Daten in einer JSON-Spalte hinzugefügt
Detaillierte Informationen zu den Änderungen sind in den Release Notes [2] zu finden.
Die coolen Möglichkeiten, mit QGIS Daten aus einem DEM (Digital Elevation Model – Digitales Höhenmodell) zu visualisieren, zeigen eine Reihe Tweets [1], [2] der letzten Woche. Einfach mal im Tweetverlauf nachlesen … Passend dazu: mein alter Beitrag “Warum die Schummerung so wichtig ist.” [3] 😉
Seit Donnerstag stehen PostgreSQL-Updates für 13.4, 12.8, 11.13, 10.18, 9.6.23 und 14 Beta 3 zur Verfügung [1], [2], also bitte aktualisiert auch Eure Umgebungen.
Wichtiger Hinweis: PostgreSQL 9.6 EOL ab 11.11.2021
Ujaval Gandhi hat auf Twitter eine kleine Challenge gestartet und gefragt: “Verwenden Sie bei einem Multipolygon-Layer von Gebäudegrundrissen Ihr bevorzugtes Werkzeug zur räumlichen Analyse, um Features zu extrahieren, die ein oder mehrere Löcher enthalten. Probieren Sie es mit diesem Testdatensatz aus und posten Sie Ihre Lösung im Kommentar!” [1]. Interessante Lösungsvorschläge folgten sofort, siehe Verlauf des Tweets. Ich hab mal schnell die einfachste Lösung von Totò Fiandaca [2] getestet: num_rings( $geometry)>1. Diesmal mit “meinen” Daten. Klappt. Aber der schönste Effekt, stelle eine Frage an das Schwarmwissen und Du bekommst (oft) zeitnah viele wertvolle Tipps! Und, #thinkspatial! Danke!