Letzte Woche informierte das Statistische Bundesamt via Tweet [1] über Neuigkeiten im Ökosystematlas Deutschland [2]. Karten zu Siedlungsflächen und Verkehrsinfrastruktur, Agrarland, Wäldern und Gehölze, Offenland, Binnen sowie Meeresgewässer stehen als Raster- und Vektordaten zur Verfügung. Die Methodik wird offen gelegt. Und das Beste, die Daten stehen auch zum Download bereit (“Daten exportieren” und der jeweiligen Legende).
Unser #Ökosystematlas bietet jetzt einiges Neues: Übersichtskarten im Rasterformat gehören nun dazu und Karten zum Zustand der Ökosysteme. Zu jedem Ökosystem gibt es auch einen Steckbrief. Und natürlich alle Daten zum Download. Unbedingt reinklicken: https://t.co/tZNp4Dykczpic.twitter.com/1VKxfj9NAF
— Statistisches Bundesamt (@destatis) July 4, 2023
Über ChatGPT und Geo [1], aber auch die Erleichterung bei der Nutzung von Overpass Turbo Anfragen auf die OpenStreetMap-Daten mittels QuickOSM [2] und whatiswhere [3] habe ich hier schon mehrfach berichtet. Heute nun die direkte Nutzung von ChatGPT und die Ausgabe von Overpass Turbo Anfragen, nur mit Bordmittlen sind zwei Schritte nötig:
Schritt 1. Ich stellte ChatGPT einfach mal folgende Aufgabe: “Zeige mir alle Brunnen in der Innenstadt von Halle (Saale) in den OpenStreetMap-Daten als Overpass Turbo Abfrage.”
Als Antwort kam als Abfrage-Text folgender Code einer Overpass Turbo Anfrage zurück:
/* Suche nach Brunnen in der Innenstadt von Halle (Saale) */ [out:json]; // Begrenze die Suche auf die Innenstadt von Halle (Saale) area[name="Halle (Saale)"]->.boundaryarea; // Suche nach allen Brunnen innerhalb der Begrenzung node[amenity="drinking_water"](area.boundaryarea); out center;
Schritt 2: Gibt man diesen Code nun im Overpass Turbo ein, erhält man Folgendes Ergebnis:
Wem nun zwei Schritte noch zu viel sind, der kann sich vielleicht auch mal ChatGeoPT [4], [5], [6], [7] anschauen, momentan im “Proof of Concept”-Status. Dort sind in einer “Spielzeugdemo” bei Schritte via 200 Zeilen Python-Code vereinigt, es sieht schon gut aus, man darf gespannt sein!
Für alle, die bei der FOSSGIS 2023 nicht live dabei sein konnten, besteht wie immer die Riesenchance, sich die Beiträge im Nachgang anzuschauen. Dank des CCC sind mittlerweile alle Vorträge des FOSSGIS 2023 online verfügbar in der Full Playlist als Video [1] und Audio! Zur Orientierung hier noch mal der Link zum FOSSGIS 2023 – Programm [3].
Danke allen Helfer:innen in Organisation, Regie, Videobetreuung sowie Sessionleitung und den Vortragenden!
Screenshot: Die vollständigen media.ccc.de-Streams der FOSSGIS 2023 (Quelle [1])
Overpass Turbo ist eine geniale Oberfläche für Abfragen auf die OpenStreetMap-Daten, sie wurde hier beim #geoObserver schon oft thematisiert [1]. Wer sich schon mal damit beschäftigt hat, wird schnell bemerkt haben, dass die Abfragesprache doch recht kompliziert erscheint, in jedem Fall jedoch gewöhnungsbedürftig ist. Der Wizzard hilft weiter, bei komplizierten Anfragen aber eher weniger. Um die Arbeit zu vereinfachen gibt es für QGIS-Nutzer das z. B. QuickOSM-Plugin [2]. Eine neue Erleichterung gibt es jetzt mit whatiswhere [3]. Einfach Suchbegriff eingeben und mit Defaulteinstellungen suchen. Verblüffend schnell und gut präsentiert findet Ihr die Suchergebnisse, die dann auch in Excel exportiert werden können. Wiederkehrende Suchen können gespeichert (*.mapp) und bei Bedarf geladen und genutzt werden. Ich habe das Ganze mal mit der Suche nach “bar” im halleschen Paulusviertel (Download als paulusviertel_bar.mapp) getestet
Screenshot 1: Mein Test mit der Suche nach “bar” im halleschen Paulusviertel Screenshot 2: Die Treffer bei der Suche nach “bar”
Gesucht wird offensichtlich in allen/vielen OSM-Tags, was mitunter zu “eigenartigen” Treffern führt?
Screenshot 3: Warum wird auch das Ärztehaus gefunden?
Schaut man sich die Original-OSM-Daten dann an, findet man die Auflösung schnell:
Screenshot 4: Die Erklärung, “bar” kommt in “scheinbar” vor
Der Tipp kam aus der Wochennotiz 660 (Weekly OSM) [4], dort heißt es:
Er hat es schon wieder getan! 😉 Nachdem ich der letzten Woche unter “QGIS-Tipp: DotMaps – Punktdichtekarten” [1] über das „Dot Map“-Plugin für QGIS berichtet habe, hat PyQGIS alias Ivo Partschefeld (@PyQgis) am gleichen Tag ein Youtube-Video “Einwohnerdichte als Punktdichtekarte von Sachsen mit QGIS darstellen. Plugin Dot Map” [2] dazu gemacht, natürlich mit Daten aus seiner sächsischen Heimat. Also, wie immer alles Schritt für Schritt erklärt, interessant, kurz(weilig), treffend, anschaulich, empfehlenswert. Danke Ivo! So muss Netzwerken!
Die freie OpenAerialMap alias OAM [1] hat es sich zum Ziel gemacht, eine Plattform für alles rund um freie UAV [2]-Luftbilder anzubieten. Mitnutzen und Mitmachen*sind gefragt! Bei OAM heisst es in “Über”[3]:
Für QGIS gibt es ein experimentelles Plugin “Open Aerial Map (OAM) for QGIS3, Express Edition” [8], bei mir funktionierte es allerdings auf zwei Rechnern erst einmal nicht, ich suche noch nach der Ursache 😉
* … Wichtiger Hinweis (eines drohnenfliegenden Fachkollegen): Vor Veröffentlichung sind die rechtlichen Rahmenbedingungen zu prüfen! [9]
Eine interessante interaktive Karte zur deutschlandweiten Straßen- und Platzsuche [1] findet Ihr bei Zeit.de. Einfach mal ein oder zwei Suchbegriffe eingeben und in wirklich sehr kurzer Zeit findet Ihr die Ergebnisse auf der Karte. Die Daten stammen aus dem OpenStreetMap-Projekt und werden unter der Nutzungslizenz ODbL 1.0 als GeoJSON (206 MB) frei zur Verfügung gestellt und lassen sich im einen GIS nachnutzen.
Ich habe es mal kurz angetestet mit den Lokationen “galgenberg” und “ufer” [2] und sogar das berühmte deutsche “Meierloch” [3] läßt sich mit einer Suche nach “meier” [4] in der Straßensuche nachvollziehen.
Der GeoJSON-Import in QGIS klappt problemlos, ist naturgemäß etwas langsam, deshalb habe ich die Daten gleich als GeoPackage gespeichert und mit diesen weiter gearbeitet.
Screenshot: Ergebnisse der Suche nach “meier” im QGIS
Screenshot: der 10.000.000.000. Knoten (Quelle [1])
Herzlichen Glückwunsch OpenStreetMap, der 10.000.000.000. Knoten [1] in unserer weltweiten freien Karte wurde letzte Woche vom Nutzer CasGroenigen [2] erfasst. Ihr findet den Knoten als Teil eines Hauses in der Stadt Fort Collins in Colorado, USA. Danke allen Mitwirkenden, jeder hat zu dieser Zahl beigetragen!
Und eine Anekdote am Rande: Das Erreichen dieser Größenordnung führte bei der Geofabrik kurzzeitig zum Überschreiten der Spaltenbreite für die “osm_id” in den automatischen Shape-Exports [3], siehe folgenden Tweet:
Die Woche neigt sich dem Ende entgegen. Für ein #Waldbrand-Fazit ist es aber noch zu früh: Zu viele Meldungen fehlen noch. Die Bearbeitung wird noch ein paar Tage dauern. Zwischenstand: pic.twitter.com/nq6nwakxZ7
