Archiv der Kategorie: GIS-Wissen

LGLN-News: KI in Oldenburg

Veröffentlicht am von
3

Über den Einsatz von KI für die Luftbildauswertung beim Landesamt für Geoinformation und Landesvermessung Niedersachsen (LGLN) hatte ich bereits in “LGLN-News: basemap.de demnächst mit KI in der Luftbildauswertung” [1] berichtet. Nun gab es im Dezember ein Update vom LGLN “Building footprints Oldenburg derived from aerial imagery” [2], [3]. Die kompletten Gebäude der Stadt Oldenburg wurden “durch eine Deep-Learning-basierte Bildsegmentierung” berechnet, als Ergebnisdaten stehen 78038 georeferenzierte Gebäude- Polygone unter der CC0-Lizenz frei downloadbar zur Verfügung.
Ich habe mir die Daten im GeoJSON-Format (59.1 MB) [4] geladen und dann im QGIS visualisiert und … Hut ab, es ist schon erstaunlich, mit welch hoher Trefferquote und Präzision die Kollegen um Dr. Jonas Bostelmann KI-automatisiert die Gebäude generieren. Urteilt selbst, hier ein paar Screenshots meines QGIS-Projektes. Die Gebäude wurden über das Item „Confidience“ als Maß für die Genauigkeit der Erkennung klassifiziert.

Update 18.01.2024, 14:15 Uhr: Die Daten im GeoJSON-Format (72,0 MB) [6] wurden heute aktualisiert (vgl. auf 1. Kommentar von Jonas)

Hier der Original-Tweet [2]:

Noch mehr auf Youtube [5] in 4K:

[1] … https://geoobserver.de/2023/02/16/lgln-news-basemap-de-demnachst-mit-ki-in-der-luftbildauswertung/
[2] … https://x.com/JonasBostelmann/status/1737508840852070782
[3] … https://zenodo.org/records/10401144
[4] … https://zenodo.org/records/10401144/files/building_footprints_Oldenburg.geojson?download=1
[5] … https://www.youtube.com/watch?v=ZPhvUIjvfbQ&t=60s
[6] … https://zenodo.org/records/10526811

Vielfältig oder verwirrend: Mittelpunkt(e) Deutschlands?

Veröffentlicht am von
Antworten
Animation: Übersichtskarte mit den Mittelpunkten auf Wikipedia (Quelle [3])

Am Wochenende kam bei X (ehem. Twitter) eine kleine Diskussion zum Thema Mittelpunkt(e) Deutschlands [1] auf. Interessant genug, um sich mal einzulesen und erwartungsgemäß ist das Thema gar nicht so einfach. Aber warum? Eine ganze Sammlung von Umständen beeinflussen die exakte Bestimmung des Mittelpunktes, so zum Beispiel:

  • nicht exakte und/oder fehlende Grenzlinien
  • Einberechnung von Inseln und Halbinseln
  • Projektion

Wer es genauer wissen möchte, kann sich in den unten genannten Quellen vertiefter zum Thema belesen und falls Ihr noch andere Quellen habt oder findet, zeigt uns diese gern in den Kommentaren, ich jedenfalls bin gespannt.

[1] … https://twitter.com/tobwen/status/1743544081605611537
[2] … https://de.wikipedia.org/wiki/Mittelpunkte_Deutschlands
[3] … https://de.wikipedia.org/wiki/Mittelpunkte_Deutschlands#%C3%9Cbersichtskarte
[4] … https://aktuell.nationalatlas.de/mittelpunkte-7_07-2012-0-html/
[5] … https://d-nb.info/1025568648/34

QGIS-Tipp: #geohash

Veröffentlicht am von
Antworten

Den “geohash” kennt Ihr schon? Im Wikipedia [1] (hier mit Deepl übersetzt) heißt es dazu:

“Geohash ist ein gemeinfreies Geocodesystem, das 2008 von Gustavo Niemeyer[1] erfunden wurde und einen geografischen Standort in einer kurzen Zeichenfolge aus Buchstaben und Ziffern kodiert. Ähnliche Ideen wurden 1966 von G.M. Morton eingeführt[2]. Es handelt sich um eine hierarchische räumliche Datenstruktur, die den Raum in gitterförmige Bereiche unterteilt, was eine der vielen Anwendungen der so genannten Z-Kurve und allgemein raumfüllender Kurven ist.” [1]

Mit diesem geohash kann man also ziemlich präzise jeden Punkt dieser Welt in einer einfachen , kurzen Zeichenfolge abbilden, bei 12 Stellen erreicht man eine Genauigkeit von immerhin “37.2mm×18.6mm” [2]. Mit dem Geohash-Explorer [3] habe ich mal das Händeldenkmal auf dem halleschen Markplatz gesucht, Ergebnis “u30sbkh7y”.

Screenshot 1: Mein Test im Geohash-Explorer [3]

Für QGIS-Nutzer gibt es vorgestern (12.12.2023) ein neues Plugin, das “Geohash Expressions Plugin” [4]. Die geohash-Funktionen findet Ihr dann im Feldrechner. Ich hab’s getestet, es funktioniert perfekt, siehe Beispiel von oben, das Händeldenkmal auf dem halleschen Markplatz.

Screenshot 1: Mein Test im QGIS

[1] … https://en.wikipedia.org/wiki/Geohash
[2] … https://www.movable-type.co.uk/scripts/geohash.html
[3] … https://geohash.softeng.co/u30sbkh7y
[4] … https://plugins.qgis.org/plugins/geohash_expressions/

Tipp: Der Leitfaden für Cloud-optimierte Geodatenformate

Veröffentlicht am von
2
Screenshot (Quelle [2])

Datenhaltung in der Cloud nimmt auch für Geodaten immer mehr an Bedeutung zu. Dementsprechend werden auch immer neue Datenformate entstehen, welche auf die speziellen Anforderungen wie Reduzierte Latenz, Skalierbarkeit, Flexibilität und Kosteneffizienz in der Cloud optimiert sind, eben Cloud Optimized! Per Tweet [1] bin ich auf den “Cloud-Optimized Geospatial Formats Guide” [2], also den “Leitfaden für Cloud-optimierte Geodatenformate” aufmerksam geworden und gebe das als Tipp gern weiter. Interessanter Überblick zum aktuellen Status der cloudoptimierten Datenformate. Danke @cloudnativegeo [3]!

Hier der Original-Tweet [1]:

[1] … https://x.com/cloudnativegeo/status/1716470293957390531
[2] … https://guide.cloudnativegeo.org/
[3] … https://twitter.com/cloudnativegeo

WMS & WFS einfach prüfen?!

Veröffentlicht am von
Antworten
Animation: Der hallesche FNP-WMS [3] getestet.

Ihr habt einen eigenen WMS/WFS erstellt und wollt ihn prüfen? Oder Ihr wollt ein solchen Dienst im eigen GIS nutzen und es klappt vielleicht nicht? Dann schaut Euch mal den Open Web Services Inspector [1] auf MapServerStudio an. Ein kleines hilfreiches und wirksames Tools, um OGC-konformer Geodienste zu prüfen und vorab zu beurteilen. Unterstützt werden z. B. für WMS:

  • Version: 1.0.0, 1.1.0, 1.1.1, 1.3.0
  • Request: GetCapabilities; DescribeLayer; GetLegendGraphic, GetStyles, GetMap
  • Formate: je nach Dienst PNG, JPG, GIF, …

Ich habe mal einige Dienste aus dem halleschen Open Data Portal [2] getestet, hier z. B. den Flächennutzungsplan-WMS [3]. Dienst-URL: https://geodienste.halle.de/opendata/f75118fe-bb16-7c33-16b7-c663a23ef77a?REQUEST=getCapabilities&SERVICE=WMS [4]

Screenshot 1: GetMap auf den FNP-WMS [3]
Screenshot 2: GetCapabilities auf den FNP-WMS [3]
Screenshot 3: GetLegendGraphic auf den FNP-WMS [3]

Hilfreich, dass die aktuellen Einstellungen auch immer gleich als Kommandozeile (unten) ausgegeben werden. Natürlich kann man die Dienste auch ohne dieses Tool via selbst geschriebener Kommandozeile testen, aber so geht es viel komfortabler und schneller! Noch eine Hinweise: Die Dienste-URLs werden nur als https akzeptiert.

Hier der Original-Tweet [5]

[1] … https://ows.mapserverstudio.net/
[2] … https://webapp.halle.de/opendata.hal/
[3] … https://webapp.halle.de/komgis30.hal.opendata/f75118fe-bb16-7c33-16b7-c663a23ef77a.html
[4] … https://geodienste.halle.de/opendata/f75118fe-bb16-7c33-16b7-c663a23ef77a?REQUEST=getCapabilities&SERVICE=WMS
[5] … https://x.com/geographika/status/1704273996483576097

Was ist richtig, LatLon oder LonLat?

Veröffentlicht am von
1
Screenshot: Beitrag „lon lat lon lat“ [1], hier mittels Browser-Funktion auf deutsch übersetzt

Die Frage, in welcher Reihenfolge Koordinaten angegeben werden, ist so alt wie Geodaten und GIS. Man kann aber auch durcheinander kommen!

Eigentlich kennen wir aus der Mathematik X/Y, irgendwann haben die Geodäten das dann auch mal vertauscht, die Folge: Mathematisches und geodätisches Koordinatensystem “widersprechen” sich und haben auch gleich noch unterschiedlichen Einheiten (Grad und Gon), vgl. [2].

Screenshot: Ausschnitt aus dem Kapitel Koordinatensystems in [2]

Die Bezeichnungen HW/RW (Hochwert/Rechtswert), neuerdings sogar Ost- und Nordwert [3] machten dieses Ärgernis dann wieder etwas ertragbarer, aber welche Reihenfolge ist nun richtig? Tom MacWright hat es in seinem Beitrag “lon lat lon lat” [1], versucht zu beantworten. Spoiler:

“Dies ist eine Meinung, auf die es keine richtige Antwort gibt”

Diese Aussage war ja zu befürchten. Interessant ist jedenfalls die Liste der Verwendung von Lat und Lon in verschiedenen Geodatenformaten und APIs, also: wie wird es wo benutzt?

Hier der Original-Tweet [4]:

[1] … https://macwright.com/lonlat/
[2] … http://www.geoinformation.net/lernmodule/lm05/pdf/ pdf_kap2_koordinaten.pdf
[3] … https://www.landesvermessung.sachsen.de/grundlagen-und-begriffe-5585.html
[4] … https://twitter.com/berttemme/status/1692413261692506170

GIS-Wissen: 7 Geoverarbeitungstools …

Veröffentlicht am von
2
Screenshot 1: “7 Geoprocessing Tools Every GIS Analyst Should Know” von GISGeography (Quelle [1])

… die jeder GIS-Analyst kennen sollte. In meinen Schulungen hören die Teilnehmer oft den Satz von mir: “GIS fängt eigentlich erst bei Geoprocessing an, vorher ist nur Gucken” 😉 In diesem Sinne leite ich Euch heute mal den Artikel “7 Geoprocessing Tools Every GIS Analyst Should Know” [1], [2] von GISGeography weiter. Danke & 100% Zustimmung!
Man muss kein GIS-Guru sein oder werden wollen, es ist grundlegendes Handwerkszeug: Buffer, Clip, Merge, Dissolve, Intersect, Union, Erase. Ich habe genau mit diesen Tools auch 1991 im GIS begonnen, es hat sich quasi an diesem GIS-Fundament nichts geändert.

Auch in unserem KomGIS+ [3] findet Ihr die typischen, grundlegenden Geoprocessing-Funktionen:

Screenshot 2: Geoprocessing-Werkzeuge im KomGIS [3]
Screenshot 3: Ausschnitt aus meiner Schulung zum Thema Geoprocessing

[1] … https://gisgeography.com/geoprocessing-tools/
[2] … https://twitter.com/gisgeography/status/1683880539433091074
[3] … https://itc-halle.de/loesungen/geoinformationssysteme/KomGIS

QGIS: Die Topologische Einfärbung und die Vier Farben?!

Veröffentlicht am von
Antworten

Seit QGIS 3 gibt es die “Topologische Einfärbung”, eine sinnvolle Funktion, um Polygone so einzufärben, dass niemals benachbarte Polygone die gleiche Farbe haben. In der QGIS-Hilfe heißt es dazu:

“Dieser Algorithmus weißt Polygonen einen Farbindex dergestalt zu, dass keine benachbarte Polygonen den gleichen Index haben. Dabei wird die Farbanzahl minimiert.”

Per Default ist die Anzahl der zu verwendenden Farben auf “4” gesetzt, aus gutem Grund?! Es geht um den “Vier-Farben-Satz” [1]. Wenn Ihr die wunderbare Story dazu lesen wollt, empfehle ich Euch den in Spektrum der Wissenschaft erschienenen Artikel “Die ganze Welt in vier Farben” [2] von Manon Bischoff über den “124 Jahre” dauernden “wohl umstrittenste(n) Beweis der Mathematikgeschichte”.

Screenshot: Ausschnitt aus meinen QGIS3-News-Vortrag von 2018 und der “Die ganze Welt in vier Farben“-Story (Quelle [2])

Ergänzung (07.08.2023, 11:22 Uhr):
QGIS scheint jedoch in seinem Algorithmus nicht immer mit vier Farben auszukommen, bei meinen Tests schwankte es je nach Thema (z. B. Österreich und die Baublöcke von Halle) und Optionen zwischen 5 und 8 Farben, vgl. Tweet [4].

Gefunden in der OSM-Wochennotiz 680 [3]

[1] … https://de.wikipedia.org/wiki/Vier-Farben-Satz
[2] … https://www.spektrum.de/kolumne/vier-farben-satz-der-kontroverseste-beweis-der-mathematikgeschichte/2163954
[3] … https://weeklyosm.eu/de/archives/16633
[4] … https://twitter.com/ktrinko/status/1688472359055904768?s=20

Projektionen? Tools & Visualisierung!

Veröffentlicht am von
Antworten
Screenshots: Vier Tweets zu Projektionen (Quelle: Twitter [1], [2], [3], [4])

Was ist eigentlich die beste Projektion? Wir erkläre ich Anderen die Projektions-Problematik? Wo sind Projektionen gut visualisiert? Hilfen zu diesen Fragen, die uns als Geo-Menschen immer mal wieder beschäftigen, findet Ihr in den folgenden vier Tweets … [1], [2], [3], [4]

[1] … https://twitter.com/geoawesomeness/status/854006820163158016?s=20
[2] … https://twitter.com/datamongerbonny/status/1634198149018296324?s=20
[3] … https://twitter.com/ianbremmer/status/1682487663205531648?s=20
[4] … https://twitter.com/geoawesomeness/status/1671886854789156866?s=20

GeoTiff, aber richtig!

Veröffentlicht am von
Antworten
Screenshot: Kompakt und verständlich “GeoTiff Compression for Dummies” (Quelle [2])

Beiträge von Paul Ramsey habe ich hier schon des Öfteren vorgestellt [1], nun habe ich vom OSS- und IT-Experten einen 2015er Beitrag “GeoTiff Compression for Dummies” [2] als 2022er Update gefunden. Lesenswert für alle, die sich mit GeoTiffs, also mit Satelliten- und Luftbildern sowie anderen Rasterdaten beschäftigen. „Was ist das beste Bildformat für die Kartenbereitstellung?“ [2]. Wie wird gut komprimiert, klein aber ohne sichtbare Verluste, welcher Farbraum ist ausreichend, YCBCR oder RGB(A) und was ist eigentlich mit COG, dem „cloudoptimiertes GeoTIFF“ [3]?

[1] … https://geoobserver.de/?s=ramsey&submit=Suchen
[2] … https://blog.cleverelephant.ca/2015/02/geotiff-compression-for-dummies.html
[3] … https://www.cogeo.org/
[4] … https://de.wikipedia.org/wiki/GeoTIFF