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.
Derzeit kursieren wieder einige Beträge im Netz [1], [2] um Microsoft Building Footprints [3], einem faszinierenden Datenbestand von automatisch aus Luftbildern generierten Gebäudeumrissen. Mit Stand heute stehen 776.712.641 Gebäudegrundriss-Polygongeometrien auf der ganzen Welt zur Verfügung. Die aktuelle Abdeckung findet man unter [4]. Deutschland ist momentan nur an der Ostgrenze angerissen, aber das wird sicher bald wachsen.
Screenshot: Aktuelle Abdeckung von Deutschland
In der Community ist das Abgabeformat (*.geojsonl) wegen Perfomanceproblemen in die Kritik geraten [1], vielleicht kann man das bei Microsoft ändern?
Ich habe mir mal die deutschen Daten angeschaut, Testgebiet war Schwarzenberg (Erzgebirge), teilweise sind die Daten wirklich gut, an anderen Stellen wünscht man sich höhere Trefferquoten. Martijn van Exel beschreibt im Beitrag “Adding Microsoft Building Footprints To OSM With MapRoulette: Why And How” [5], warum “es keine gute Idee ist, diese Daten blind in OSM zu importieren” und wie man diesen Datenschatz doch nutzen und verbessern kann.
Mit basemap.de [1] stehen seit April 2022 neue kartografische Produkte von Bund und Ländern als Basiskarten deutschlandweit zur Verfügung – Amtlich. Aktuell. Modern. Flexibel. Momentan ist der Datenbestand als “basemap.de Web Raster” in Grau und Farbe realisiert und verfügbar, geplant sind “basemap.de Web Vektor” und “basemap.de Web Schummerung”. Die Produkte lösen den WebAtlasDE ab.
Den WMS für “basemap.de Web Raster” in Grau und Farbe habe ich getestet, es klappt. Mit der angegebenen URL [2] konnte mein QGIS nichts anfangen, über die GetCapabilities-Sektion in diesem XML-File habe ich aber die WMS-Adresse [3] gefunden, die auch das QGIS wollte ;-). Ins KomGIS (hier Halle) wurde der Dienst gleich eingebaut.
Interessante Daten zur Landwirtschaft in Deutschland findet man im Agraratlas[1] des Statistikportals des Bundes. Die Daten stammen aus den Landwirtschaftszählungen 2010 und 2020 sowie der Agrarstrukturerhebung 2016, Details zu den Daten findet Ihn unter [2]. Daten findet man zu:
Landwirtschaftliche Betrieben, Betriebsgrößen
Schweinedichten, Rinderdichten
Dichte von Großvieheinheiten
Flächenanteile für Mais, Dauergrünland, Weizen, Rapsfläche und Öko
Dichten von Arbeitskräfte-Einheiten und Saisonarbeitskräfte-Einheiten
Betriebswirtschaftliche Ausrichtungen
Produktionsrichtungen
Anteile der bewässerten und der eigenen selbstbewirtschafteten Flächen
Wer die Daten im eigenen GIS visualisieren und weiter verarbeiten möchte, kann die Daten auch als Geodienste, die Adressen (siehe Menüpunkt OpenData):
Die 2021er #30DayMapChallenge [1] ist beendet und es gab rege Beteiligung und wirklich viele schöne, neue, erstaunliche und nachahmenswerte Ergebnisse! Beindruckend sind auch die Zahlen: mehr als 9000 Karten von mehr als 1200 Nutzern aus über 90 Ländern! [2], [3]. Detaillierte Ergebnisse findet Ihr auf GitHub [4]. Hut ab und Danke allen Mitwirkenden und speziell Topi Tjukanov (@tjukanov) als Initiator. Ich freue mich schon auf die #30DayMapChallenge im nächsten Jahr!
Nachdem ich gestern über die freien DGMs geschrieben habe [1], heute Teil 2. In Sachsen-Anhalt sind auch die DOMs (Digitale Oberflächenmodelle) frei verfügbar, immerhin ab 2m Auflösung [2]. Einfach die Kacheln aussuchen, bis zu fünf gleichzeitig runterladen* und mit QGIS prozessieren und Schummerung bilden. Ich hab das mal für das hallesche Gebiet um das Paulusviertel gemacht, seht selbst. Weiterekostenfreie Geobasisdaten des LVermGeo LSA findet Ihr in [3]
Animation: Paulusviertel in Halle mit DOM mit Schummerung (Datenquelle [2])
Bisher habe ich die Höhenmodelle immer aus den freien SRTM-Daten abgeleitet [3], aber mittlerweile sind in Sachsen-Anhalt die DGMs (Digitale Geländemodelle) auch frei verfügbar, immerhin ab 2m Auflösung [1]. Einfach die Kacheln aussuchen, bis zu fünf gleichzeitig runterladen* und mit QGIS prozessieren, Schummerung bilden und Höhenlinien berechnen. Ich hab das mal für das Gebiet um den Brocken gemacht, seht selbst. Weiterekostenfreie Geobasisdaten des LVermGeo LSA findet Ihr in [2]
Animation: Brocken-DGM mit Schummerung und Höhenlinien (Datenquelle [1])
Screenshot 1: Die Open Data Portale dieser Welt (Quelle [1] leicht modifiziert)Screenshot 2: Das Open Data Portal von Halle (Saale) ist auch dabei 🙂 (Quelle [1])
In zwei Tweets [1], [2] aus der letzten Woche zeigt Qiusheng Wu die beeindruckende Vielfalt der Hintergrundkarten mit geopandas xyzservices [4]. Achtung: Die Galerie [3] braucht initial etwas Zeit – bitte nicht die Geduld verlieren – das Ergebnis lohnt sich!
Creating a gallery of 100 basemaps using #leafmap and #geopandas xyzservices with only two lines of code
Wer kennt sie nicht, die berühmte Cholera-Karte des John Snow [1], [2]. Auf Wikipedia heißt es: “Seine Kartenzeichnung mit den Epidemiefällen gilt über die Epidemiologie hinaus als eine der ersten nachgewiesenen räumlichen Analysen” [1]. Jetzt habe ich eine Quelle gefunden, wo Ihr die Snowschen Daten auch in modernen Geodatenformaten herunter laden könnt, in Robin’s Blog im Beitrag “John Snow’s Cholera data in more formats” [3]. Zur Verfügung stehen die Daten als ESRI-Shapes, TIFFs und KMLs.
Schöne Daten, auch für Schulungen, weil die Story so interessant ist. Ich hab’ s mal schnell ausprobiert: das Paket mit den Shapefiles [4] geladen, entpackt und ab ins QGIS. Ein bisschen visualisiert und mit NNjoin mal die Nähe der Häuser zu den Pumpen ermittelt. Erwartungsgemäß bestätigen auch unsere modernen Methoden und Werkzeuge, was Snow bereits 1854 ermittelt hat: Die Wasserpumpe in der Broad Street (heute Broadwick) ist die Hauptursache der Verbreitung.
Im QGIS die Snow-Daten visualisiert und mit NNJoin die geometrische Beziehung (Entfernung) zwischen Pumpen und Häusern ermittelt (Rot die betroffenen Häuser, die das Wasser offensichtlich aus Pumpe 1 genutzt haben)
Ergänzung: Das Schwarmwissen (QGIS-Gruppe im FB) verwies gerade auf den einen Artikel in der QGIS-Doku [5]. DANKE! Ich kannte diesen noch nicht 😉
