Egal, wo Ihr auf der Erde seid, überall zeigt Euch Hilldar [1], welche Erhebungen, also Berge, Städte, Burgen und Aussichtsplattformen sowie Leucht- und Sendetürme Ihr sehen könnt. Das Gelände basiert auf dem Höhenmodell von Mapterhorn [2], die Namen der Gipfel, Orte und Sehenswürdigkeiten liefern die Mitwirkenden bei OpenStreetMap. Weitere Hilldar-Details findet Ihr bei Über Hilldar [3].
Mein neustes QGIS-Plugin „Polygon Area Splitter“ [1] hat in den letzten Tagen mehrere Updates erfahren, von v0.6 bis v0.8. Gestern wurde die v0.8 frei gegeben und ist nun online. Der Input mit Wünschen nach neuen Features kam auch von den Nutzern, danke für das Feedback! Folgende erweiterte und neue Zielgrößen sind jetzt enthalten:
Zielgröße 1: Flächeninhalt
Variante a – Flächeninhalt in m²
Variante b – Flächeninhalt in ha 🆕
Variante c – Flächeninhalt in % 🆕
Zielgröße 2: Anzahl n gleicher Flächen 🆕
Zielgröße 3: Abstand und n Wiederholungen 🆕
Außerdem wurden noch folgende Erweiterungen realisiert:
Speicherung der „Polygonbezugskanten“ im gleichnamigen temporären Layer 🆕
Vergabe, Speicherung und Beschriftung der Split-ID „[ID x]“ für die Polygone und die Polygonbezugskanten, um die Zuordnung zu verdeutlichen 🆕
Beschriftung der Flächenanteile vom Augangspolygon in Prozent 🆕
Animation 2: Drei Zielgrößen – Flächeninhalt, Anzahl gleicher Flächen, Abstand
Die Bedienung bleibt IMHO weiterhin denkbar einfach, der Nutzer muss folgende fünf Schritte ausführen:
Das Thema mit den zu teilenden Polygonen aktivieren, z. B. die Flurstücke oder Ackerflächen
in diesem Thema genau ein Polygon selektieren
gewünschte Zielgröße eingeben, also „Flächeninhalt“ oder „Anzahl gleicher Flächen“ oder „Abstand und Anzahl Wiederholungen“
die Seitenkante anklicken, von welcher aus die neue(n) Fläche(n) gesplittet werden soll(en)
und das Ergebnis im neuen entstandenen temporären Polygon-Layer „Polygonteilung“ nutzen
Bisher war GDAL in der FOSSGIS- und der kommerziellen GIS-Welt das Standardwerkzeug für alle Arten zur Konvertierung von Geodaten. Ich selbst nutze GDAL seit 2001, also seit 25 Jahre. Seit letzter Woche verbreiteten sich die Meldungen über terrio [1] von Qiusheng Wu (@giswqs). Klingt spannend, sollte man sich unbedingt mal anschauen. Viele sagen ja immer, „Konkurrenz belebt das Geschäft“, manche bestreiten das auch vehement, na mal sehen 😉
terrio sagt in [2] über sich selbst:
terrio ist eine leichte, open-source Bibliothek für den Import und Export geospatieller Daten
geschrieben in reinem Rust
liest, schreibt, konvertiert und reprojiziert Raster, Vektoren und Punktwolken, ohne GDAL oder C-Abhängigkeiten
Verwendung via Kommandozeile, Python, JavaScript (WebAssembly) oder Rust oder KI-Agenten
terrio-Kommandozeilen-Executable <15 MB und ohne zusätzliche Einrichtung
GDAL-ähnliche Tools zum Lesen, Schreiben, Konvertieren und Verarbeiten geospatialer Daten
Details findet Ihr unter Dokumentation [1], den Code unter GitHub [4] und die News unter Release Notes [5]. Wer von Euch hat schon erste Erfahrungen mit terrio gemacht, gern in den Kommentaren …
Hier die Original-Tweets [2], [3]:
terrio v0.4.0 is here!
terrio is a lightweight, open-source geospatial data I/O library written in pure Rust. It reads, writes, converts, and reprojects rasters, vectors, and point clouds without requiring GDAL or C dependencies. Use it from the command line, Python, JavaScript… pic.twitter.com/mwjxrFS2LZ
terrio reads, writes, converts and reprojects geospatial rasters, vectors and point clouds in pure Rust, with no GDAL and no C dependencies. Use it from the command line, Python, JavaScript (WebAssembly) or Rust, or let an AI agent drive it.
Gestern haben die #geoObserverTools [1] wieder Zuwachs bekommen. Das QGIS-Plugin „Polygon Area Splitter“ [2] ist ein einfaches Tool zum Aufteilen von Polygonen. Ziel ist dabei der vom Nutzer eingegebene neue Flächeninhalt einer neu zu erzeugenden Teilfläche. Also z. B., man hat eine vorhandene Ackerfläche und möchte von dieser genau 1,8 ha, also 18000 m² parallel zu einer Seitenkante abtrennen. Die Bedienung ist denkbar einfach, der Nutzer muss folgende Schritte ausführen:
Das Thema mit den Polygonen aktivieren, z. B. die Flurstücke oder Ackerflächen
Das kennt man ja, plötzlich sind die Geodaten da, aber leider fehlerhaft, eine Menge unterbrochener Linien, die eigentlich zusammengehören. Ursache sind meist Digitalisierungsfehler. Wie man diese Fehler nun schnell und sicher in QGIS reparieren kann, zeigen Euch die Antworten auf den Beitrag „Joining dangling end in the vector layer using QGIS“ [1]. Die Lösung ist die „Snap Vertices to Nearest Points by Condition“-Funktion in den Processing Tools des QGIS-Plugins „ProcessX“ [2]. Die Erklärungen mit guter Illustration findet Ihr im Beitrag [1].
Was, schon wieder ein Jahr? Die in vielen GI-Systemen eingebaute und somit auch von vielen Anwendern (mitunter auch unbewusst*) genutzte GDAL – Geospatial Data Abstraction Library [1] wurde am vergangenen Samstag, den 17.10.2026, 28 Jahre alt. Vorgestern vor 28 Jahren veröffentlichte Frank Warmerdam im CSV-Repository [2] die erste Version.
Der #geoObserver sagt: HERZLICHEN GLÜCKWUNSCH und Danke Frank, Evenund allen Mitwirkenden!
Screenshot: Zeitreise 27 Jahre zurück. Am 17.10.1998 wurde die erste GDAL-Version eingecheckt (Quelle: [2])
PS: Am Wochenende erscheint kein #geoObserver-Newsletter, deshalb erst heute die Glückwünsche 😉
Wusstet Ihr schon? Ein QGIS-Highlight dieses Jahres war sicher die vom 4. bis 9. Oktober 2026 durchgeführte QGIS-Anwenderkonferenz UC2026 [1] im schweizerischen Laax. Laut Veranstalter war sie „die größte Veranstaltung, die jemals auf dem Crap Sogn Gion in 2222 Metern Höhe stattfand“ [2]. Mehr als 420 Menschen aus über 30 Ländern und fünf Kontinenten trafen sich zu Themen wie Open Source, Karten als Machtinstrumente, KI und QGIS-Infrastruktur. Die komplette Presseinformation„QGIS User Conference 2026 brings open source to new heights in the Swiss Alps“ findet Ihr im QGIS-Blog [2] oder als Download [3]
Nachdem in den letzten Tagen die Message für Wirbel sorgte, dass die komplette Adobe-Suite via KI neu als Open Source-Software verfügbar gemacht wurde, tauchte quasi gleichzeitig in der GIS-Welt auch ein neues Open Source-GIS auf. RustGIS [1] von Associate Professor Qiusheng Wu [2], [3], komplett in Rust geschrieben und rein äußerlich auf den ersten Blick mit ArcGIS Pro zu verwechseln. Auf der Webseite [1] heißt es dazu:
„Ein schnelles, kostenloses und quelloffenes GIS in reinem Rust zum Kartieren, Analysieren und Teilen von Geodaten. RustGIS läuft nativ unter Windows, macOS und Linux sowie im Webbrowser. Ihre Daten bleiben auf Ihrem Rechner, es sei denn, Sie senden sie an ein KI-Modell Ihrer Wahl. Jede Aktion ist ein Befehl, den Sie über die Kommandozeile, ein Notebook oder den KI-Assistenten skripten können.“ [1]
Viele werden sich fragen, was, noch ein weiteres GIS. Ich meine ja, wir haben ja auch nicht nur ein Auto, sondern eine breite Palette und jeder sucht sich das für ihn Passende. Damit die Einordnung in die bestehende GIS-Landschaft leichter fällt, möchte ich auf einen lesenswerten Vergleich zwischen RustGIS und anderen GIS-Systemen „RustGIS vs. other GIS platforms“ [4] hinweisen. Die Lektüre lohnt sich!
Übrigens fragten sich schon Mehrere, ob RustGIS tatsächlich mit KI erstellt oder ob die KI wenigstens geholfen hat. Ja in [5] ist es explizit nachzulesen: „hauptsächlich Claude Opus 5.5“.
Zum schnellen Einstieg empfehle ich den Start der Web-App [6] oder Ihr nutzt es auf dem Desktop unter Eurem Wunsch-OS, hier die Downloads [7]. Meine ersten Test waren übrigens vielversprechend, ich bleibe dran. Für mich ist RustGIS mein Tool des Monats!
Screenshot 2: Meine erster Test, WMS einbinden, hier ALKIS Flurstücke und Gebäude sowie die Baublöcke der Stadt (Halle)
RustGIS just surpassed 1,000 GitHub stars ⭐, 140 forks, and 9 contributors in only three days!
A huge thank you to everyone who has starred the repository, shared the project, reported issues, or contributed code.
Natürlich ist es nur eine Zahl und trotzdem sieht es gut aus: 5x die „6“. Gestern war es mal wieder so weit, eine besondere Zahl wurde erreicht, der 66666. Download des QGIS-Plugins „GeoBasis_Loader“ [1]. Danke für Eure Treue, Danke den Unterstützern und Danke an meine Mitstreiter Aton May und Thomas Wölk!
Stell Dir vor, Du bist auch einer von diesen Sterneguckern, suchst deswegen ideale Standorte mit freier Sicht auf das Firmament. Was hindert Dich dabei? Wolken, zu viel Mondlicht, Lichtverschmutzung, … Genau dieser Problematik hat sich die Online-Anwendung „Star Ninja“ [1] gestellt und eine Lösung gefunden. Du kennst Deinen aktuellen Standort, hier Halle (1) und suchst, am besten in der Nähe, einen Ort mit möglichst freier Sicht in einem bestimmten Zeitfenster. Ich hab’s ausprobiert. Halle (Saale) war zu lichtverschmutzt, laut Karte war Gräfenhainichen (2) am wenigsten lichtverschmutzt. Und nun noch die Daten wie Bewölkung und Mondlicht in die Betrachtung einbeziehen, die letzte Nacht, vom 12. zum 13. Oktober wäre wohl mit 7 von 10 die am besten geeignete gewesen (3). Hier das Ergebnis meines Versuches Halle-Gräfenhainichen [2] im Screenshot: