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 😉
Mit dem Corona-QGIS-Projekt aus [1] habe ich mal (fast) jeden Tag im Zeitraum vom 12.11.2020 … 11.12.2020 eine Karte produziert und diese dann mit PicGIF Lite (@Mac) – denkbar wäre auch Corel PhotoPaint (@Win) – zu einer Animation zusammen gefügt. Das Ergebnis seht Ihr hier, deutlich: In Sachsen steigen die Werte am meisten!
Corona-Animation mit 500 msCorona-Animation 10x schneller mit 50 ms
Die unterschiedlichen Schriften in der Überschrift resultieren aus der Tatsache, dass die Karte teilweise auf Mac und teilweise auf Windows generiert wurden.
Harel Dan hat eine interessante Liste zusammen gestellt [1], die Open[???]Karten-Liste [2]. Ihr findet dort viele offene Karten und Daten aus dem Geo-Bereich inkl. der URLs. Und kaum veröffentlicht, setzt das Schwarmwissen ein und liefert gemäß seinem Aufruf gleich neue Vorschläge, siehe Verlauf von [1]. So muss Netzwerken! Und wenn Euch noch was einfällt, dann einfach melden, gern auch in den Kommentaren. Und Dan: THX!
Ich bin immer wieder erfreut, wie einfach das Handling großer Datenmengen in QGIS und PostgreSQL/PostGIS sein kann. In Vorbereitung auf Schulungen und Workshops suchte ich große freie Datenbestände, bei den weltweiten Patenten des Harvard Dataverse [1] bin ich fündig geworden. Die Daten hab ich mal auf Deutschland reduziert, es bleiben immerhin 2.213.365 Patenteinträge über. Diese in die GeoDB importiert und via der „Punkte in Polygonen zählen …“-Funktion auf 10 km x 10 km-Quadrate akkumuliert und mit QGIS symbolisiert.
Screenshots in QGIS 3.16: Patente i n Deutschland
Tipp: Im DB-Manager den räumlichen Index für jedes Thema bilden, beschleunigt erwartungsgemäß kolossal 😉
Momentan finden wir im Netz immer mehr aktuelle Karten zur Corona-Situation, vgl. z. B. [1], [2], [3]. Leider kann man diese oft nur in fertigen Anwendungen und Dashboards konsumieren. Besser wäre es natürlich, die Corona-Daten live ins eigene GIS mittels freier QGC-konformer Dienste einzubinden. Ich bin gestern mal auf die Suche gegangen [5], habe das Schwarmwissen bemüht und bin schnell fündig geworden. Nachdem ich bzgl. eines WMS oder WFS in die Runde gefragt hatte, kam schnell der einsprechende Link [4]. Nun musste ich nur noch lernen, das dort kein OGC-konformer WFS sondern etwas Proprietäres (ArcGIS-Server) vom Markführer läuft. Egal, QGIS kommt auch damit klar 😉 Mein QGIS-Projekt könnt Ihr gern nachnutzen [6], je nach aktueller Corona-Lage sollten dann natürlich neue Klassen gebildet werden 😉 Übrigens: in QGIS kann ein WFS-Layer mit <F5> refreshed werden.
Corona-Daten live im QGIS via ArcGisFeature-Dienst: Die neuen 7-Tage-Fälle pro 100000 Einwohner (Stand: 9.11.2020, 20:15 Uhr, Quelle [4])
