Eine schöne Übersicht freier GIS-Software twitterte am Wochenende @GeoNewsfeed und verwies auf GIS Geography. Kernsatz und für mich quasi erster Lehrsatz der Open Source Bewegung:

“Sie müssen kein Vermögen zahlen, um die Welt abzubilden, weil Sie es mit freier GIS-Software tun können.”

Kurz vorgestellt werden:

• QGIS
• gvSIG
• Whitebox GAT
• SAGA GIS
• GRASS GIS
• MapWindow
• ILWIS
• GeoDa
• uDIG
• Openjump
• Diva GIS
• Falconview
• OrbisGIS

„shape2pdf“ … mein Beitrag zum R-Shapefile-Contest
See also: http://www.geoobserver.de/shape2pdf/shape2pdf-readme.pdf
https://web.archive.org/web/20160910135536/http://www.geoobserver.de:80/shape2pdf/shape2pdf_readme.pdf

Maybe the shortest script in this contest. Short but effective. It is helpful for simply getting annoying tasks done. With just a few lines of code! It generates n thematic maps from n data columns from a shapefile into a PDF. Columns with not available values (NA) are sorted out. Code and data have to be in the same folder (here in „.“). The output-PDF is also generated in this folder. The example-data are from the OpenData-Server from the city Halle (http://www.daten.halle.de/). They were adjusted with QGIS. All columns with „*_t“ contain values as strings. Columns with „*_n“ contain numerical values. This points out differences in classifications.
The code should be adjusted and optimized on demand, e. g. by classifications. Code and data can be found at http://www.geoobserver.de/shape2pdf/shape2pdf.rar. Have fun testing it.

Vielleicht das kürzeste R-Skript im Contest? Kurz aber wirkungsvoll. Es hilft, “lästige“, wiederkehrende Aufgaben einfach und schnell zu erledigen.Uns das bei minimalem Code! Hier wird die Generierung von n thematischen Karten aus den n Sachdatenspalten eines Shapefiles in ein PDF unterstützt. Spalten mit unerlaubten Werten („NA“) werden vorher aussortiert. Das Skript und die Daten (Shapefile) stehen im gleichen Verzeichnis (hier „.“), das PDF wird auch dort generiert.
Die Daten stammen aus den Offenen Daten der Stadt Halle (http://www.daten.halle.de/) und wurden mit QGIS bearbeitet. Alle Spalten mit „*_t“ enthalten die Werte als Strings, „*_n“ als numerische Werte, um die Unterschiede bei der Klassifizierung zu zeigen.
Das Skript sollte bei Bedarf noch angepasst und optimiert werden, z. B. bzgl. der Klassifizierung.
Skript und Daten stehen unter http://www.geoobserver.de/shape2pdf/shape2pdf.rar zur Verfügung, viel Spaß beim testen.

# ----------------------------------------------
# shape2pdf.r           (last edit: 27.07.2016)
# by mike elstermann @geoobserver_ alias geoObserver
# ----------------------------------------------

setwd(".")
require(maptools)
library(rworldmap)

pdf("_my_shapefile_output.pdf", width=8.26,height=11.69) # open the output PDF DIN-A4 H
inFile <- 'halle_flat_2013.shp'          # open the shapefile

sPDF <- readShapePoly(inFile)
df <- sPDF@data                          # via reading structur (str)
columns_all <- names(df)
# or define the Shape-Columns: columns <- c("SHAPE_AREA", "sum_n") via user-definition

df <- df[,colSums(is.na(df)) < nrow(df)] # remove columns with only "NA"
columns_not_na <- names(df)

for (column in columns_not_na) {
      cat("\n##### creating MAP with column:", column, ". . .")
      par(pin=c(7,10))
      plot(sPDF,axes=TRUE)
      mapParams <- mapCountryData( sPDF
                                   , nameColumnToPlot=column
                                   , mapTitle=paste("column: ",column)
                                   , addLegend=FALSE
                                   , catMethod="quantiles" # "categorical" #"quantiles"
                                   , add=TRUE
                                   )
      do.call( addMapLegendBoxes, c( mapParams, title=paste("column: ",column)
                                     #, legendLabels="all"
                                     #, legendWidth=1.0
                                     #, labelFontSize=0.5
                                     #, legendMar=6.5
                                     #, horizontal=TRUE
                                     #, tcl=-.5
      )) 
      grid()
}
dev.off() # close the output PDF
rm(df, columns_all, columns_not_na, inFile, mapParams, sPDF, column) #remove all vars ()

Unter http://qgis.org/downloads/QGIS-OSGeo4W-2.16.0-1-Setup-x86_64.exe ist die 64-Bit-Version von QGIS 2.16 (“Nødebo”) als Win-EXE downloadbar. Warum man im Verzeichnis http://qgis.org/downloads/ diese Version nicht sieht, ??? Klärt sich sicher noch auf.

Und wenn Ihr wissen wollt, wie “Nødebo” ausgesprochen wird:

Weltweite freie Daten gefällig? Dann versucht es mal bei Natural Earth Data, einem freien Raster- und Vektor-Daten-Paket. In drei verschiedenen Maßstabsklassen werden verschiedenen Daten angeboten, z. B. administrative Grenzen, Gitter, Pois, Straßen, Eisenbahnen, Flughäfen, Häfen, urbane Gebiete, Parks, Zeitzonen, Küsten, Riffs, Inseln, Flüsse, Seen, Reliefs, Schummerungen, …
Ein Starterpaket zum Testen inkl. ArcGIS-/QGIS-Projekt findet Ihr unter http://naciscdn.org/naturalearth/packages/Natural_Earth_quick_start.zip zum Download. Einfach mal runter laden und z. B. im QGIS öffnen, …

QGIS-Ansicht des Starter-Paketes

Nach einem Tweet von sfkeller ist mit QGIS 2.16 um den 11.07.2016 zu rechnen, die 2.14 wird die nächste LTR (Long Term Release). Ich freu mich auf den 11.!

Rasterdaten performant in einer Datenbank verwalten? Wie’s geht, zeigt folgendes Youtube-Video (https://www.youtube.com/watch?v=Z-ArMhtFn7U)

… kann das weg? Manchmal bekommt man beim Ausprobieren bestimmter GIS-Funktionen einfach erstaunliche Ergebnisse, technisch eher klar aber in Form, Grafik, Farbe plötzlich unerwartet ästhetisch, … hmm, meine ich 😉

Hier ein kleines Beispiel,  man nehme:

• statistische Einheiten als Polygon, ein QGIS, ein Plugin “Locate points along lines“,
• reichere die statitistischen Einheit mit mehr Punkten an (o. g. Plugin nutzen)
• berechne die Voronoi-Polygone und
• färbe diese ein
• und kann sie als höher aufgelöstes Bild runter laden (PNG, 14,5 MByte)

Voronoi-Polygone eingefärbt (blau: statistische Einheiten)