Mathias hat mit Polizeikarte [1] eine Karte veröffentlicht, die öffentliche Pressemeldungen deutscher Polizeibehörden bündelt. Sie umfasst rund 63.600 Vorfälle aus 260 Orten in 14 Bundesländern. Für die Geokodierung kommt Nominatim zum Einsatz, die Darstellung erfolgt mit MapLibre GL JS auf Basis von Kacheln von OpenFreeMap. Ergänzend lassen sich amtliche Vergleichsebenen einblenden, darunter der Unfallatlas der Statistischen Ämter mit 585.815 Unfällen aus den Jahren 2018 bis 2025. Das nicht-kommerzielle Projekt ist unabhängig von staatlichen Behörden.
Screenshot: Die mit Polizeikarte [1] mit den Daten der letzten drei Monate in Halle (Saale)
Screenshot 1: Die Landuse- und Landcover-Karten (LULC) von HeiGIT auf der interaktiven Plattform osmlanduse.org [2]
Vielleicht kennt Ihr das Problem: Während topografische Inhalte wie beispielsweise Straßen und Gebäude in OpenStreetMap extrem detailliert eingetragen sind, weisen Flächeninformationen (Landnutzung wie Felder der Wälder) oft große Lücken auf. Zudem verschwimmen im OSM-Tagging-System häufig die Grenzen zwischen tatsächlicher Landnutzung (Landuse) und der physischen Bodenbedeckung (Landcover).
OSM4EO (OpenStreetMap for Earth Observation) ist ein wissenschaftliches Projekt und Framework, das von Dr. Michael Schultz und dem Heidelberger Institut für GeoinformationstechnologieHeiGIT [1] bzw. der Universität Heidelberg entwickelt wurde. Das Hauptziel von OSM4EO ist es, die Daten von OpenStreetMap (OSM) mit Satellitenfernerkundungsdaten (wie den Copernicus-Sentinel-Satelliten der ESA) zu fusionieren. Dadurch werden lückenlose, hochauflösende Landuse- und Landcover-Karten (LULC) generiert. Das Projekt nutzt Deep Learning (Deep Residual Convolutional Neural Networks), um die Lücken zu füllen. Dabei dienen bestehende, verifizierte OSM-Flächen als Trainingsdaten für die KI, um Oberflächenstrukturen auf Satellitenbildern zu erkennen. Das Modell prognostiziert anschließend die fehlenden Flächenbedeckungen flächendeckend.
Screenshot 2: Die Landuse- und Landcover-Karten (LULC) von HeiGIT ins QGIS über den Geobasis_Loader eingefügt [4]
Wo findet man die Daten und wie kann darauf zugegriffen werden?
WebGIS-Plattform: Die Ergebnisse und prognostizierten Schichten (z. B. der Layer osmlanduse:osm4eo) sind direkt auf der interaktiven Plattform osmlanduse.org [2] einsehbar
Daten-Download: Die fertigen LULC-Datensätze (z. B. für die gesamte Europäische Union als GeoTIFF) stehen Forschern und Entwicklern frei über das Repositorium HeiData zur Verfügung.
Quellcode & Modelle: Der Python-Quellcode für die Deep-Learning-Methodik sowie vortrainierte Modelle für verschiedene EU-Länder sind auf GitHub (schultzheidelberg) [5] gehostet.
Übrigens: Seit gestern sind diese Layer auch im QGIS über der Geobasis_Loader [4], Katalog 3 (Welt) verfügbar.
(Hinweis: Die Erstellung dieses Beitrages wurde durch KI unterstützt, die Verantwortung liegt beim Autor)
Wusstest Ihr schon, dass Ihr mit „Warlok“ [1] von User Rphyrin die Rangfolge der aktivsten OSM-Mapper, also die Top-Mitwirkenden, in einem Gebiet ermitteln könnt? Einfach die Anwendung [1] starten, in das gesuchte Gebiet bewegen. Es muss mindestens Zoomlevel 18 erreicht werden, Ihr müsst also weit reinzoomen. Seit Ihr dann an der richtigen Stelle und habt genügend reingezoomt, kann die Analyse mit „Analyze Current Area“ gestartet werden. Ich hab’s probiert, in Port Pirie im Süden Australiens [2], wo ich vor 13 bzw. 11 Jahren mal ein paar Objekte erfasst habe und tatsächlich bin ich dort als Nutzer „stadtvermesser“ immer noch der Gewinner 😉 Den Code findet Ihr auf GitHub [3], gefunden habe ich das Tool unter [4], [5].
Screenshot: Der „stadtvermesser“ war im Untersuchungsgebiet am aktivsten (Bildquelle [1])
Herzlichen Glückwunsch an dieses großartige Projekt, an diese weltweite freie Karte! Danke allen beteiligten Mappern und bitte weiter so!
Sorry, ich bin leicht verspätet. Am Sonntag war es wieder so weit, das OpenStreetMap-Projekt [1] hatte Geburtstag, den 22. Wann genau OSM nun wirklich geboren, lässt sich wohl so einfach nicht feststellen, aber eine Einladung zum 1. Geburtstag [2] war auf den 9. August 2005 datiert. Also sollte es der 9. August 2024 gewesen sein.
Screenshot: Die Einladung zum 1. OSM-Geburtstag im OSM-Wiki (Quelle [2])
Animation 1: Mitschnitt der Lighthousemap [1] um Rostock
Was Schönes zum Wochenende oder im Urlaub: Falls Ihre gerade irgendwo an einer Küste seid, schaut nach Leuchttürmen (auch Leuchtfeuer oder Befeuerung) und dann gleich auch mal in die Karte der Leuchttürme, die Lighthousemap [1] vom Geo Team der Universität in Groningen. Ganz sicher findet Ihr auch „Euern“ Leuchtturm.
Die Daten stammen via Overpass-API mit der Anfrage nach allen Elementen mit einem „seamark:light:sequence“- oder „seamark:light:1:sequence“-Attribut. Diese werden dekodiert und mithilfe von Leaflet als farbige Kreise auf der Karte angezeigt. Außerdem wird versucht, die Attribute „seamark:light:range“ und „seamark:light:colour“ zu berücksichtigen. Den Code findet Ihr auf GitHub [2]. Falls Ihr „Euern“ Leuchtturm nicht findet, ergänzt ihn einfach im OpenStreetMap und schon ist er auch auf dieser Karte zu finden 🙂
Animation 2: Mitschnitt der Lighthousemap [1] um ganz Europa
Wolltest Du auch schon immer mal wissen, wie sich die OSM-Daten an einer bestimmten Stelle verändert haben, also eine OSM-Zeitreise machen? Das ist jetzt mit der „before/after map“ auf mapki [1] ganz einfach möglich. Lass Dir einfach den „sign-in“-Link schicken, nutze diesen und suche Dir Dein gewünschtes Gebiet auf der OSM-Karte aus. Dann noch schnell ein Rechteck zeichnen, den gewünschten Zeitraum eingeben und schon hast Du die erforderlichen Eingaben gemacht. Nur noch starten und einige Zeit später bekommst Du einen neuen Link mit der Ergebniskarte.
Ich hab’s probiert, in Halle (Saale), Paulusviertel für den Zeitraum von vor 10 Jahren bis heute. Man muss etwas geduldig sein, bei mir hat es ca. 2:25 h gedauert, vielleicht war auch gerade viel los, aber das tolle Ergebnis [2] zählt, siehe auch Animation oben. Die deutlichsten Veränderungen: Pauluspark, Trafohaus auf dem Spielplatz entfernt, Parkmöglichkeiten ergänzt, Rembrandtstraße vervollständigt, mehr Läden und Praxen erfasst.
Screenshots: Die Röntgen-Symbole (Bildquellen [4])
Röntgen [1] ist ein Set von Icons, um verschiedene Kartenelemente aus der OpenStreetMap-Datenbank darzustellen. Es lässt sich jedoch auch problemlos für beliebige Kartenprojekte oder auch für Vorhaben, die ggf. nichts mit Karten zu tun haben, verwenden. Derzeit besteht das Set aus 569 Icons. Alls Icons stehen im SVG-Format zur Verfügung, eine Nachnutzung in Eurem GIS, z. B. QGIS ist damit unproblematisch möglich. Sergey (enzet) hat auf Mastodon [2] mitgeteilt, dass jetzt Version 0.16.0 [3] von Röntgen veröffentlicht wurde. Das komplette Icon-Set könnt Ihr als ZIP auf GitHub [6] herunter laden.
Der GeoInteressierte legt möglicherweise Wert darauf, seine Geoaffinität auch offen zu zeigen. Wem es ebenso so geht, der sollte sich mal MapOnShirt [1] mit den verschiedensten Varianten der OpenStreetMap-Visualisierung auf verschiedenen Produkten anschauen, dort heißt es
Fantastische Kartendesigns MapOnShirt ist ein tolles Tool, mit dem man farbenfrohe Designs aus Landkarten erstellen und diese in hochwertige Artikel verwandeln kann – T-Shirts, Poster, Kissen und mehr. „Es ist der ideale Ort für durchdachte Geschenke und originelle Wohnaccessoires.“ [1]
Screenshot 2: Mein erster #geoObserver-Prototyp, an den Farben ist selbstverständlich noch zu arbeiten 😉 (Bildquelle [1])
Screenshot 1: OpenGridWorks [1] in Europa (Bildquelle [1])
Einen Überblick über weltweit vorhandene öffentliche Daten aus dem Energiesektor, kreiert von Brian Bartholomew findet Ihr bei OpenGridWorks [1]. Genießt die Datenfülle und die Datenvisualisierung und entdeckt die Energiewelt noch mal mit anderen Augen. Die Daten stammen aus OpenStreetMap, der PeeringDB [2], EpochAI [3] und dem Global Energy Monitor [4].
Screenshot 2: OpenGridWorks [1] USA, Europa und die Atlantikkabel (Bildquelle [1])Screenshot 3: OpenGridWorks [1] in und um Halle (Saale), mit der Identifikation auf der Kraftwerk Schkopau (Bildquelle [1])
Wenn man mal ganz schnell einen Plan braucht und vielleicht das gewohnte GI-System gerade nicht verfügbar ist, dann lohnt es sich, mal bei der Plantaube [1] von Julian Lindner [2] vorbei zu schauen. Mit wirklich wenigen Klicks und Eingaben könnt Ihr einen Plan erstellen und in verschiedenen Formaten exportieren. Ich habe es mal ausprobiert und es funktioniert absolut problemlos. Aus meiner Sicht sind vor allem die einfache Bedienung und die sehenswerte Plangrafik hervorzuheben. Mein Ergebnis-PDF findet Ihr unter [3]. IMHO: Coole Lösung! Genutzt werden selbstverständlich die OpenStreetMap-Daten.
Das Projekt ist noch im Entstehen, um Feedback wird ausdrücklich gebeten. Ich würde mir noch bessere Beschriftungsmöglichkeiten, den verpflichtenden Hinweis auf OSM-Daten im PDF und vielleicht die Einbindung eigener Daten wünschen, aber ich bin mir sicher, dass kommt bestimmt noch, ich habe schon angefragt.
Screenshot 1: Die Adresse suchen, hier Halle, Ankerstraße 3b, Maßstab, Papierformat und -Orientierung sowie Himmelsrichtung wählenScreenshot 2: Opetionen Einstellen, hier z. B. die Schatten für Gebäude und BäumScreenshot 3: PDF generieren lassen
