Weltweite Geländemodellierung mit anpassbarer Unebenheit sowie Beleuchtung (Scheinwerfergröße, Umgebungs- und Schweinwerferfarbe) könnt Ihr mit der Bumpmap [1] von Steve Attewell (@steveattewell) auf Maptiler-Basis erleben. Es lohnt sich!
Hier der Original-Tweet [2]:
[1] … https://steveattewell.com/bumpmap
[2] … https://twitter.com/steveattewell/status/1634217225732124673?s=20
Stellt Euch vor, Ihr habt die Ergebnisse Eurer Geoarbeiten im QGIS als Karten in Word- und/oder LibreOffice-Dokumenten eingebettet und nun ändern sich jedoch die Inhalte. Es müssten demzufolge alle Eure Karten in allen Dokumenten aktualisiert werden, aber bitte nicht per Hand, sondern automatisch. Im folgenden Youtube-Video “Link to and autoupdate QGIS maps in a Word document” [1] findet Ihr den Workflow dazu. Der Tipp von Anita Graser (@underdarkGIS) [2], Danke!
[1] … https://www.youtube.com/watch?v=C8UoyT15xY8
[2] … https://fosstodon.org/@underdarkGIS/110100655532812025
Innerhalb der #30DayMapChallenge hat eurojam eine coole Visualisierung veröffentlicht, nämlich abhängig von der Entfernung zu einem Punkt die Objekte einzufärben. Ich habe versucht, es nachzuvollziehen und … es klappt. Für alle, die diesbezüglich ein bisschen Hilfe brauchen, hier das Ganze mal etwas untersetzter. Ich habe die Gebäude des OSM-Projektes, hier der Layer “osm_buildings_test_2398” genutzt, dazu einen Layer “center” mit der Spalte “name” und dem Eintrag “Test”. Dann lautet der adaptierte und entscheidende String für die Füllfarbe:
color_hsv(scale_linear(distance( geometry(get_feature('center','name','Test')), $geometry),0,1000,100,0), 100, 100)
Aus dem Layer “center” wird also in der Spalte “name” der Eintrag “Test” gesucht. Zu dessen Geometrie (get_feature)wird die Entfernung (distance) zur aktuellen Gebäude-Geometrie ($geometry) des Datensatzes der Gebäude ermittelt und entsprechend dem aktuellen Abstand eingefärbt (colore_hsv) über einen linearen Farbverlauf (scale_linear). So einfach … Alles klar? Schaut Euch die Syntax der Funktionen get_feature, distance, scale_linear und color_hsv an, es wird klarer, versprochen 😉
Um es einfacher nachvollziehen zu können, könnt Ihr gern mein Testprojekt [2] nutzen.
Danke eurojam, hier der Original-Tweet [1]:
[1] … https://twitter.com/27aea577f17d4c4/status/1591081607108390913
[2] … https://www.geoObserver.de/Download/QGIS_Center_Building_Demo1.zip
Ich schätze die Möglichkeit, im QGIS SVGs als Symbole einzubinden wirklich sehr! Das erweitert die Kartengestaltung immens. Manchmal ist es jedoch komplizierter als gedacht, die richtigen Symbole und Kollektionen zu finden. Hier kann Euch das SVG REPO weiter helfen. 300.000 freie Symbole auch für kommerzielle Nutzung! Alles zu den Lizenzen findet Ihr unter [2]. Ich hab’s mal kurz probiert, ein fach mal nach “airport” gesucht, 103 Symbole gefunden [3] und eins davon herunter geladen und im QGIS genutzt ….
[1] … https://www.svgrepo.com
[2] … https://www.svgrepo.com/page/licensing
[3] … https://www.svgrepo.com/vectors/airport/
Mit bertin.js [1] von Nicolas Lambert (@neocartocnrs) steht eine weitere leistungsfähige JavaScript-Bibliothek zur Visualisierung von Geodaten im Web zu Verfügung. Benannt wurde diese Bibliothek nach Jacques Bertin (1918-2010) [2], einem französischer Kartographen, der sich besondere Verdienste um Kartografie und Datenvisualisierung erworben hat. Eine umfangreiche Sammlung von bertin.js-Einsatzbeispielen findet Ihr unter [3].
Hier der Original-Tweet [4]:
[1] … https://github.com/neocarto/bertin
[2] … https://de.wikipedia.org/wiki/Jacques_Bertin
[3] … https://observablehq.com/collection/@neocartocnrs/bertin
[4] … https://twitter.com/dgfk_net/status/1557273543959666689
[5] … https://twitter.com/neocartocnrs/status/1550465174020280321
[6] … https://twitter.com/neocartocnrs
Vorgestern wurde auf Twitter der Start eines Datenwürfels [1] bekannt gegeben worden. Auf lexcube.org [2] könnt Ihr Euch die verschiedensten Daten unserer Erde visualisieren lassen, X/Y-Richtung entsprechen den Koordinaten, Z der Zeitscheibe. Details findet Ihr auch unter [3], Details zu jeder Datenschicht immer auf dem Link “Data attribution & license”.
[1] … https://twitter.com/miguelmahechag1/status/1528653878798991360
[2] … https://www.lexcube.org/
[3] … https://esd.copernicus.org/articles/11/201/2020/
Wer mit GIS und Geodaten zu tun hat, kommt um die Projektionen nicht drum herum. Umso besser, wenn man die diese gut erklärt und visualisiert findet. Eine wirklich gute Quelle habe ich bei map-projections.net [1] gefunden, geht einfach mal in die Übersicht [2] und blättert Euch durch, es lohnt sich! Wer es genauer wissen möchte, sollte sich unbedingt das Grundwissen zu Projektionen anschauen [3]. Die deutsche Seite ist auch unter kartenprojektionen.de [4] zu finden.
Danke Tobias Jung! Nur so nebenbei, er ist kein Kartograf. [5]
[1] … https://map-projections.net/index.php
[2] … https://map-projections.net/singleview.php
[3] … https://map-projections.net/basics.php
[4] … https://kartenprojektionen.de
[5] … https://map-projections.net/aboutme.php
Immer, wenn man nach zwei Spalten eine Choroplethenkarte [1] erzeugen will, wird die Bivariate Symbolisierung verwendet. In QGIS ist das mittlerweile eine Kernfunktionalität, es stehen sehr schöne vorbereitete Paletten zu Verfügung, die Handhabung ist wirklich einfach, siehe Screenshot:
Mehr zum Thema findet Ihr hier mit der Suche nach ‘bivariat’ [2], wem die QGIS Paletten nicht ausreichen, hier ein schöner Bivariate Choropleth Color Generator [3], [4].
[1] … https://de.wikipedia.org/wiki/Choroplethenkarte
[2] … https://geoobserver.de/?s=bivariat&submit=Suchen
[3] … https://observablehq.com/@benjaminadk/bivariate-choropleth-color-generator
[4] … https://twitter.com/pokateo_/status/1519765603527139330
Wer erinnert sich noch gern an die sogenannte “Gute alte Zeit”, die mit den ASCII-Terminals àla VT100 [1] und XTerm? All denen da warm ums Herz wird oder die sind geworden neugierig sind, sei “MapSCII – The Whole World In Your Console” [2] von @MapSCII [3] empfohlen, “Ein node.js-basierter Vector Tile to Braille- und ASCII – Renderer für xterm -kompatible Terminals.” [2] Datengrundlage sind die OpenStreeMap-Daten.
[1] … https://en.wikipedia.org/wiki/VT100
[2] … https://github.com/rastapasta/mapscii
[3] … https://twitter.com/MapSCII
Für alle, die sich mit spatialen Analysen unter R auch außerhalb des klassischen GIS beschäftigen, ist sicher das “Handbook of Spatial AnalysisTheory and Application with R” [1] ein guter Tipp. Auf [2] heißt es dazu:
“Die Integration von geografischen und statistischen Daten ist eine Sache. Solche Daten zu analysieren ist eine andere. Zu diesem Zweck hat Insee mit der tatkräftigen Unterstützung von Eurostat und dem Europäischen Forum für Geographie und Statistik die Erstellung eines Handbuchs für die Raumanalyse koordiniert. Das Handbuch enthält eine Liste von Analysen, die mit räumlichen Daten durchgeführt werden können, sowie die Fallstricke, die bei der Verwendung dieser Daten zu vermeiden sind.“
Übersetzt mit www.DeepL.com/Translator (kostenlose Version)
[1] … https://www.insee.fr/en/statistiques/fichier/version-html/3635545/imet131.pdf
[2] … https://www.insee.fr/en/information/3635545
[3] … https://twitter.com/wgeary/status/1469716909201498121?s=20