Screenshot: Neue Daten im „GeoBasis_Loader“ (GBL) [1], hier die Zeitzonen als WFS mit QGIS symbolisiert und beschriftet, im Hintergrund die Light-Variante der NE-Basemap
Gleich zu Beginn des neuen Jahres hat das QGIS-Plugin „GeoBasis_Loader“ (GBL) [1] Zuwachs bei den Layern bekommen. Neu sind einige Themen im GBL-Katalog 3. Zum Jahreswechsel immer besonders interessant zwei Themen (WMS & WFS) mit den Zeitzonen. Außerdem stehen zwei wunderbare, weil sparsame Hintergrundkarten sowie eine weltweites Gradnetz zur Verfügung. Die Daten kommen von Natural Earth [2], die Geodienste werden von der DLR bereit gestellt.
Das neue Plugin „QGIS Dual Viewer“ [1] von Deepak Kumar und Surya Shankar Kaibartya [2] versetzt Euch in die Lage, zwei unabhängige aber synchronisierte Kartenansichten für den direkten visuellen Vergleich verschiedener Themen oder Themenzusammenstellungen im QGIS zu öffnen. Dabei könnt Ihr in beiden Ansichten in Echtzeit synchron zoomen und schwenken. Zur Steuerung verfügt jede Ansicht verfügt über ein eigenes Ebenenbedienfeld („Layers“), was eine einfache, effektive Übernahme ausgesuchter Themen des Hauptfensters in das Vergleichsfenster ermöglicht. Den Quellcode und eine Kurzdokumentation findet Ihr auf GitHub [3].
Screenshot: Mein Test – die (älteren) Google-Satelliten-Bilder verglichen mit den aktuelleren DOP 20 vom LVermGeo LSA am Beispiel der neuen Reileck-Bebauung auf dem GRAVO-Druck-Gelände [4] in Halle (Saale)
Auf GDAL.ORG [1] und Reddit [2] fand ich gestern den Aufruf zur GDAL-Nutzerumfrage 2025, gern leite ich es hiermit weiter. Also Leute, Eure Meinung ist gefragt, bitte ein paar Minuten Zeit nehmen und mitmachen! Ihr habt bis zum 31.12.2025 Zeit, das sollte doch zu schaffen sein? Ich habe übrigens schon teilgenommen 😉
Es ist Zeit für die GDAL-Nutzerumfrage 2025. Das Projekt nutzt die Umfrage, um die Ressourcen des GDAL-Sponsoringprogramms zu steuern, und die letztjährige GDAL-Umfrage [3] war der entscheidende Anstoß für das Projekt, die neue Befehlszeile zu überarbeiten.
Bitte besuchen Sie https://gdal.org/survey/ [4], um uns Ihr Feedback und Ihre Anregungen mitzuteilen. Teilen Sie dem Projekt mit, inwiefern GDAL für Sie erfolgreich ist oder nicht, worauf sich die Entwicklung Ihrer Meinung nach im Jahr 2025 konzentrieren sollte und wie Sie die Einbindung von LLM-generiertem Code in das Projekt bewerten.
Gestern war es soweit, das QGIS-Plugin „GeoBasis_Loader“ [1] konnte den 33333. Download verzeichnen. Ein Grund zum Feiern, Prost 🙂 Außerdem sind einige neue Themen hinzu gekommen, z. B. die Verwaltungsgrenzen von Bayern und der Gebäude-WFS von Schleswig-Holstein. Damit sind jetzt 708 Themen verfügbar, die aktuellen Änderungen findet Ihr wie immer unter Meldungen & Störungen [2] und Status [3]. Aktuelle GeoBasis_Loader-Version ist seit gestern Abend die v1.4.2 [4] mit einigen kleinen Fixes bzgl. Basemap_de
Das habe ich mir schon immer mal gewünscht, ein Vergrößerungsglas über der QGIS-Karte. Mit den neuen, noch experimentellen QGIS-Plugin „Magnifier“ [1] hat man nun eine Lupe, um eine Ebene oder Gruppe über dem Cursor anzuzeigen. Das Plugin ist übrigens Teil des brasilianischen Brandinformationssystems (Sisfogo), das vom Nationalen Zentrum zur Verhütung und Bekämpfung von Waldbränden (Prevfogo/Ibama) entwickelt wurde. Details findet Ihr auf GitHub [2], die englische Dokumentation unter [3].
Screenshot: Mit einem einfachen Klick in die Karte kommt man zu den Optionen, hier mit 5-facher Zoom- und 6-facher Lupenfaktor
Wir setzen den MapServer bereits seit 2001 im KomGIS+ Vorgänger/Prototypen GIS+ und HALgis erfolgreich ein und sind ihm zusammen im KomGIS+ [6], HALgis [7] und dem halleschen Open Data Portal [8] bis heute treu geblieben. Danke alle Mitwirkenden, Großartig!
Einen coolen Tipp für die Beschleunigung von DB-Abfragen in der PostgreSQL-Datenbank habe ich die Tage im Artikel „PostGIS Performance: Data Sampling“ [1], [2] von Paul Ramsey gefunden. Bei Tabellen mit sehr großen Datenmengen können die Abfragen recht lange dauern, mitunter braucht man aber nur gute Näherungen und Stichproben liefern ausreichend genaue Ergebnisse. Es kann also reichen, z. B. nur ein Prozent der Gesamtheit abzufragen und dabei ein ziemlich gutes Stichproben-Ergebnis zu bekommen, aber viel (Abfrage-)Zeit zu sparen. Es hilft das „Gesetz der großen Zahlen“ [3]. Für die PostgreSQL-DB lautet das Zauberwort:
TABLESAMPLE SYSTEM | BERNOULLI
Ich war mal neugierig, hier mein ganz einfacher Test:
Mein Test: Abfragedauer über alle Datensätze und dann nur 10% und 1%
Wir setzen den MapServer bereits seit 2001 im KomGIS+ Vorgänger/Prototypen GIS+ und HALgis erfolgreich ein und sind ihm zusammen im KomGIS+ [6], HALgis [7] und dem halleschen Open Data Portal [8] bis heute treu geblieben. Danke alle Mitwirkenden, Großartig!
Georeferenzierung ist mit QGIS an sich kein Problem, aber es kann mitunter zeit- und nervenraubend sein. Was liegt also näher, als im Zeitalter der Künstlichen Intelligenz genau diese auch die Georeferenzierungs-Arbeit machen zu lassen. Die beiden Tweets [1], [2] zeigen eindrucksvoll die Möglichkeiten und die IMHO beeindruckende Präzision. Alles realisiert mit dem QGIS-Plugin „Bunting Labs AI Vectorizer“ [3].
The AI Georeferencer in QGIS is now publicly available
1. Aerial imagery georeferences to satellite near the QGIS map canvas 2. The full georeferencer reads coordinates, buildings, streets, PLSS, cities, and other features humans use
PS: Ich habe es noch nicht selbst getestet, es steht aber auf meiner ToDo-Liste. Wenn schon jemand Erfahrungen mit dem Plugin gemacht hat, lasst uns bitte in den Kommentaren daran teilhaben. Danke!
