Die gute Nachricht zum Wochenende: Lange haben wir gewartet, gehofft, gebettelt, gekämpft und vielleicht ja auch überzeugt, nun wird es wohl wahr. Seit Jahresbeginn verdichteten sich die Hinweise, dass das Land Sachsen-Anhalt wird bei Open Data aufrüsten wird. Das ist gut so! DANKE!Man darf gespannt sein! Start ist Montag, der 03.07.2023. Das LVermGeo weist derzeit auf die Änderungen unter “Erreichbarkeit des Geodatenportals Sachsen-Anhalt” [1] hin:
“Nach Abschluss der Umstellung präsentiert sich das bisherige Behördenportal des LVermGeo als neues Geodatenportal des Landes mit erweitertem Angebot kostenfrei bereitgestellter Produkte (Open Data) und mit neuem Inhalt und Design.” [1]
Screenshot: Ankündigung der LVermGeo LSA (Quelle [1], 29.06.2023, 14:20 Uhr)
Übrigens, das letzte LSA-Datenwunder [2] gab es im April 2020.
Screenshot: Das hallesche Paulusviertel, heute am 19.05.2023 um 9:30 Uhr (Quelle [1])
Webanwendungen für Schattensimulation auf OSM-Daten gibt es viele, hier wurde immer wieder berichtet [1]. Ein neue habe ich jetzt unter Shadowmap [2] gefunden. Besonders hilfreich ist, dass man auf der gutsortieren Nutzeroberfläche schnell den gewünschten Standort suchen und finden kann, um dann zu aktuellem Datum und Uhrzeit den konkreten Schattenwurf im gesuchten Gebiet zu visualisieren. Die Uhrzeit kann nach Belieben variiert werden, in der Bezahlversion ist auch das Datum änderbar. Als Gebäudedaten werden hauptsächlich alle vier Wochen aktualisierte OSM-Daten verwendet, die komplette Liste der Datenquellen findet Ihr in der Hilfe.
Animation: Das hallesche Paulusviertel von Sonnenauf- bis Sonnenuntergang, heute am 19.05.2023 (Quelle [1])
Update 26.05.2023: Für alle, die am Donnerstag nicht dabei sein konnten und natürlich auch für die anwesenden Teilnehmer als Zusammenfassung: Die Folien zum Vortrag [4] wurden durch Dr. Detlef Thürkow gern zum Zweck der Weiterverwendung zur Verfügung gestellt. Danke Detlef und Kollegen!
(Bildquelle [2])
Unter dem Titel ‘Umweltdaten “FAIR” behandeln – Best Practice Fallbeispiele aus dem Institut’ veranstaltet das Institut für Geowissenschaften und Geographie an der Martin-Luther-Universität Halle-Wittenberg (MLU) das nächste Geographische Kolloquium am 25. Mai 2023, 16:15 Uhr im Institut, HS 4 1.43, Von-Seckendorff-Platz 4, 06120 Halle (Saale) [1]. Die Vortragenden sind Dr. Detlef Thürkow, Dr. Mike Teucher, Philipp Alb und Prof. Dr. C. Conrad, im Flyer [2] heißt es dazu:
“Mit dem Serviceportal IN SITU.MLUGEO generieren wir ein komplettes digitales Datenframework, das Rohdaten, aggregierte Datenreihen und Geodaten aus Feld- und UAV-Befliegungskampagnen des Instituts für Geowissenschaften und Geographie der Martin-Luther-Universität (MLU) und kooperierender Netzwerke online verfügbar macht. Die Bereitstellung der Daten folgt standardkonformen Kriterien und “FAIR Data Principles”.Die Verarbeitungskette umfasst Tools für alle vier Komponenten des EVAP Modells (Erfassung, Verwaltung, Analyse, Präsentation der Geo- und Umweltdaten). Die Aufbereitung und Bereitstellung erfolgt innerhalb standardisierter Open-Access-Webdienste. Im Vortrag werden u.a. Methoden und Werkzeuge zu Datenvisualisierungen, Zeitreihenanalysen und implementierten Downloaddiensten vorgestellt. Der Fokus liegt dabei auf Best Practice Beispielen zur Entwicklung des FAIR-Frameworks auf der Basis der Kombination proprietärer und Open Source-Komponenten. Darüber hinaus werden Möglichkeiten aufgezeigt, wie Schritt für Schritt weitere Daten aus verschiedenen Geländekampagnen des Instituts in das Portal übertragen werden können.” [2]
Die bisher “Umfassendste Bewertung der Datenqualität von OpenStreetMap-Gebäudeattributen.” findet Ihr online im Beitrag “Quality of crowdsourced geospatial building information: A global assessment of OpenStreetMap attributes” [1] auf sciencedirect.com und als downloadbares PDF [2]. Neben der Würdigung von OSM als “wichtigstem globalen Crowdsourcing-Geodatensatz” bei einem Mengengerüst von “Mehr als eine halbe Milliarde Gebäude sind in OpenStreetMap kartiert” wird die Untersuchung nach drei Qualitätselementen bzgl. der erfassten Gebäude beschrieben: Vollständigkeit der Attribute, Konsistenz der Merkmale und Genauigkeit der Attribute. Erwartungsgemäß wird dem freien OSM-Projekt eine “stark schwankende Qualität” attestiert, aber auch festgestellt, dass “In Tausenden von Bezirken können OSM-Gebäudedaten für einige Anwendungsfälle ausreichen.”
Außerdem enthält die Untersuchung Empfehlungen zur Verbesserung des freien Datenbestandes. Danke Filip Biljecki [5], hier findet Ihr mehr Publikationen [6].
[New paper] OpenStreetMap has data on 500M+ buildings thanks to million of contributors. So how good is it? We provide a comprehensive global quality analysis on its attributes across multiple dimensions (e.g. completeness & accuracy) 🔬🗺️. Read more: https://t.co/2zQC0NkhAwpic.twitter.com/7tMeXUGen3
Weil es immer mal wieder angefragt wurde, hier zwei Quick&Dirty-Demos für die Nutzung des DSGK-WMS Halle (DSGK=Digitale Stadtgrundkarte) [1] in OpenLayers [2] und Leaflet [3] …
Overpass Turbo ist eine geniale Oberfläche für Abfragen auf die OpenStreetMap-Daten, sie wurde hier beim #geoObserver schon oft thematisiert [1]. Wer sich schon mal damit beschäftigt hat, wird schnell bemerkt haben, dass die Abfragesprache doch recht kompliziert erscheint, in jedem Fall jedoch gewöhnungsbedürftig ist. Der Wizzard hilft weiter, bei komplizierten Anfragen aber eher weniger. Um die Arbeit zu vereinfachen gibt es für QGIS-Nutzer das z. B. QuickOSM-Plugin [2]. Eine neue Erleichterung gibt es jetzt mit whatiswhere [3]. Einfach Suchbegriff eingeben und mit Defaulteinstellungen suchen. Verblüffend schnell und gut präsentiert findet Ihr die Suchergebnisse, die dann auch in Excel exportiert werden können. Wiederkehrende Suchen können gespeichert (*.mapp) und bei Bedarf geladen und genutzt werden. Ich habe das Ganze mal mit der Suche nach “bar” im halleschen Paulusviertel (Download als paulusviertel_bar.mapp) getestet
Screenshot 1: Mein Test mit der Suche nach “bar” im halleschen Paulusviertel Screenshot 2: Die Treffer bei der Suche nach “bar”
Gesucht wird offensichtlich in allen/vielen OSM-Tags, was mitunter zu “eigenartigen” Treffern führt?
Screenshot 3: Warum wird auch das Ärztehaus gefunden?
Schaut man sich die Original-OSM-Daten dann an, findet man die Auflösung schnell:
Screenshot 4: Die Erklärung, “bar” kommt in “scheinbar” vor
Der Tipp kam aus der Wochennotiz 660 (Weekly OSM) [4], dort heißt es:
Er hat es schon wieder getan! 😉 Nachdem ich der letzten Woche unter “QGIS-Tipp: DotMaps – Punktdichtekarten” [1] über das „Dot Map“-Plugin für QGIS berichtet habe, hat PyQGIS alias Ivo Partschefeld (@PyQgis) am gleichen Tag ein Youtube-Video “Einwohnerdichte als Punktdichtekarte von Sachsen mit QGIS darstellen. Plugin Dot Map” [2] dazu gemacht, natürlich mit Daten aus seiner sächsischen Heimat. Also, wie immer alles Schritt für Schritt erklärt, interessant, kurz(weilig), treffend, anschaulich, empfehlenswert. Danke Ivo! So muss Netzwerken!
Animation: Einwohnerdaten im QGIS als Choropleten und DotMaps mit 10 und 100 Elementen pro Punkt
Für die speziell Symbolisierungsart der Punktdichtekarten (DotMaps) gibt es im QGIS ein Plugin “Dot Map” [1], in der Beschreibung des Plugins heißt es:
“Eine Punktdichtekarte ist eine Art von thematischer Karte, die Punkte oder andere Symbole auf der Karte verwendet, um die Werte eines oder mehrerer numerischer Datenfelder darzustellen. Jeder Punkt auf einer Punktdichtekarte repräsentiert eine bestimmte Menge an Daten. QGIS hat keine Symbologie für diese Art von Daten. Aus diesem Grund kann dieses Plugin einen Punktdichte-Layer aus einem Polygon-Layer mit einem Integer-Feld mit den Daten erstellen, die der Benutzer in Punkte umwandeln möchte.” [1].
Noch weiter gehen die DotGridMaps, Details dazu findet Ihr in [3] und [4].
Alternativ kann in QGIS ab 3.16 auch die eingebaute Funktion “Vektor / Forschungswerkzeuge / Zufällige Punkte in Polygonen…” genutzt werden, vgl. auch “Making a Dot Density Map in QGIS” [5]. Mir scheint das o. g. Plugin jedoch einfach in der Bedienung.
Animation: Das Unfallgeschehen in Halle (Saale) 2017 … 2021 mit QGIS visualisiert
Zwei Tote durch schwere Verkehrsunfälle zu Beginn dieser Woche in Halle (Saale) gaben Anlass, sich doch mal mit den Unfallschwerpunkten hier zu beschäftigen. Ist z. B. die LuWu (Ludwig-Wucherer-Straße) ein Hotspot bei Verkehrsunfällen? Dazu habe hab ich mir alle Unfälle von 2017 … 2021 aus dem Unfallatlas [1] und dessen offenen Daten [2] geladen und vereinigt. Mit diesen Daten wurden dann das Unfallgeschehen via QGIS visualisiert. Das QGIS-Projekt mit den Daten finden Ihr unter [3]. Mit Radius und Maximalwert kann “gespielt” werden. Pro und Contra zu Heatmaps findet Ihr auch unter [4].
28.11.2022: Der in [1] angekündigte Termin (1. Dezember 2022, 16:15 Uhr) muss leider wegen Krankheit ausfallen, ein Ersatztermin wird im neuen Jahr rechtzeitig angekündigt. Bitte teilt die vorläufige Terminabsage in Eueren Netzwerken. Danke für Euer Verständnis!
