Erst im Januar habe ich über das Plugin „QGIS Dual Viewer“ [1] berichtet, nun folgt die Vorstellung eines ähnlich ausgerichteten Plugins. Das Plugin „QMapCompare“ [2] stellt die Funktionen Spiegelung, Vertikale Teilung, Horizontale Teilung und Lupe zur Verfügung. Eine Beschreibung zur Bedienung findet Ihr auf GitHub [3]. Ich hab’s mal getestet, vgl. Screenshot.
Screenshot: Mein Test des Plugins „QMapCompare“ [2] Animation: Plugins „QMapCompare“ [2] in Aktion (Quelle: [3])
NDVI (Normalized Difference Vegetation Index) [1] ist lt. Wikipedia „der am häufigsten angewandte Vegetationsindex“ und ist seit Jahren ein Standardwerkzeug bei der Beurteilung von Fernerkundungsdaten. In vielen GI-Systemen ist er einfach zu berechnen mit der vergleichbar simplen Formel:
In QGIS kann diese Berechnung unkompliziert mit dem Rasterrechner realisiert werden. Ich habe das mit den vom LVermGeo LSA als freie DOP20-Luftbilder [2] angebotenen Daten getestet. Die Besonderheit hier: die DOP20 repräsentieren im Kanal 4 den benötigten NIR-Kanal. Folgender Screenshot zeigt die Vorgehensweise im QGIS-Rasterrechner mit den LSA-DOPs.
Screenshot 1: Umsetzung der NDVI-Berechnung im QGIS mit dem Ratserrechner
Um das Ergebnis der Berechnung, ein Graustufen-Bild, noch deutlicher zu visualisieren, kann das entstandene Raster z. B. als „Einkanalpseudofarbe“ eingefärbt werden. Die Klassen und Unterschiede im NVDI werden damit deutlich sichtbarer.
Screenshot 2: Einfärben des Graustufen-Ergebnisses als „Einkanalpseudofarbe“ im QGIS
Grenzen und Gefahren bei Fehlinterpretation:
vertrocknete pflanzliche Strukturen (z. B. vertrocknete Rasenfläche)
Screenshot 3: Gefahr der Fehlinterpretation durch Verschattung (hier Verschattung von Dächern)Screenshot 4: Verschattung von Dächern kann dazu führen, dass das Dach teilweise als „Grün“ interpretiert wirdScreenshot 5: Gefahr der Fehlinterpretation durch vertrocknete pflanzliche Strukturen (hier vertrocknete Rasenfläche)Screenshot 6: Die vertrocknete Rasenfläche kann dazu führen, dass sie teilweise als „versiegelt“ interpretiert wird
Danke für den fachlichen Input und das Coaching von M. Sc. Matthias Henning von der Hochschule Anhalt. So muss Netzwerken! Hier noch ein paar wichtige Bemerkungen und Ergänzungen von Matthias bzgl. der Grenzen und Gefahren bei Fehlinterpretation:
„So gerne und häufig der NDVI auch eingesetzt wird, sollten die Grenzen der jeweiligen Methode immer berücksichtigt werden. Beim NDVI sind diese vor allem bei den Sensoren (Kamera) und den aufgenommenen Lichtspektren zu finden. Einfache Kameras nehmen den NIR-Bereich lediglich als den Bereich wahr, der auf den roten Bereich folgt. Die Intensität der Lichtaufnahme ist bei jedem Kamerasensor unterschiedlich und gleicht einer Kurve. Etwas hochwertigere Kameras steuern die auf den Sensor treffenden Wellenlängenbereiche über einzelne schmalbandigere Filter. Im Bild unten sind die Bereiche der Multispektralkamera der im Einstiegs-UAV-Bereich häufig verwendeten DJI Mavic 3 zu sehen (CC-BY-4.0, Jon Atherton). Diese ordnet die Bereiche des roten und nah-infraroten Spektrums deutlich schmaler zu als z.B. den Rotbereich einer RGB-Kamera. Im Bereich der professionellen Fernerkundung werden diese Wellenlängenbereiche noch viel detaillierter und feiner erfasst. Daher können die NDVI-Werte unterschiedlicher Kamerasysteme nicht ohne weiteres verglichen werden. Ebenso spielen der Sonnenstand, Schattenwürfe, Zentrum der Bildaufnahme, Wuchsrhytmus der Pflanzen, Feuchtigkeit, die Temperaturen und atmosphärische Verzerrungen eine Rolle. Das Licht der Sonne musste immerhin bereits viele Kilometer durch die Atmosphäre zurücklegen, bevor es reflektiert wurde und zum Sensor gelangte. Selbst der Vergleich zweier Aufnahmen desselben Sensors ist daher nicht immer einfach, zumal jedes Sensorsystem teilweise eigene Korrekturen dafür vorsieht. Entweder wird daher der NDVI in jeder Aufnahme kalibriert, indem beispielsweise auf die Werte des vitalsten Baumes normalisiert wird. Oder aber es wird nicht der NDVI, sondern dessen Klassifikation je Aufnahme in verschiedene Vitalitätsklassen, miteinander verglichen.“
Bildquelle: Atherton, J., Alonso Chorda, L., Suomalainen, J., Miettinen, I., Kuurasuo, J., & Hakala, T. (2024). DJI Mavic 3 Multispectral Edition spectral response [Data set]. Zenodo. [3]
Neben NDVI findet Ihr weitere Indizes in folgendem Tweet [4] und der Index DataBase [5].
NDVI, EVI & SAVI are powerful tools in remote sensing, offering insights into vegetation health, density, & distribution.
This infographic highlights their differences in formula, sensitivity, strengths, weaknesses, computational requirements, and ideal use cases. pic.twitter.com/d5lqSjcx1t
Screenshot 1: Das QGIS-Tipp: Plugin „GeoBasis_Loader“ im QGIS-Erweiterungmanager
Gestern, am 11.02.2026, 09:41 Uhr wurde das QGIS-Plugin „GeoBasis_Loader“ [1] in der Version 2.0.0 veröffentlicht. Damit steht das Plugin parallel zur QGIS 4-Einführung [2] nun auch für diese neuste QGIS-Version zur Verfügung. Im Fokus für den „GeoBasis_Loader“ v2.0 stand ausschließlich die Kompatibilität bzgl. Qt5 und Qt6 in einem Plugin. Damit ist die Erweiterung ab sofort unter QGIS 3.x und QGIS 4.x lauffähig, auf neue Funktionen wurde in diesem Schritt bewusst verzichtet. Übrigens, in den ersten 22 Stunden wurde die neue Version des Plugins bereits > 360 mal herunter geladen.
Alle, die das Plugin nutzen und deren tägliche Arbeit damit deutlich erleichtert wird, ob einzeln, im Team, in der Firma und auch in vielen kommunalen, Landes- und Bundesbehörden*: Ihr könnt unsere Arbeiten am GeoBasis_Loader unterstützen, denn Entwicklung und Server kosten Zeit und auch Geld. Wenn Euch die Weiterentwicklung am Herzen liegt, unterstützt uns bitte gerne hier, werdet Unterstützer/Förderer [4]. Danke!
* … Immer wieder höre von den Mitarbeitern aus kommunalen, Landes- und Bundesbehörden: „Ein tolles Tool, wir arbeiten täglich damit“ oder „Ich weiß gar nicht mehr, wie ich früher ohne den GeoBasis_Loader gearbeitet habe“ und „Wir würden es ja gern unterstützen, aber uns fehlt der Haushaltstitel“ oder „Wir haben dafür leider keine Kostenstelle“. Erstens: es freut mich, wenn der GBL gefällt und genutzt wird und wenn sie gern unterstützen wollen und zweitens: Dann schafft doch in der nächsten Haushaltsplanung einfach mal die Voraussetzungen dafür. Arbeitstitel könnte sein: „Unterstützung freier Software für mehr digitale Souveränität“ oder werbt Fördermittel ein, z. B. für die „Förderung der QGIS-Plugins A, B, C“. Es wird durch den Einsatz freier Software glücklicherweise sehr viel Steuergeld gespart und das ist gut so. Und weil das so ist, darf auch ruhig ein kleiner Teil dorthin zurück fließen 😉
Screenshot 2: In 22 Stunden bereits > 360 Downloads, das QGIS-Plugin „GeoBasis_Loader“ QGIS-Plugin-Repository mit Versionsständen
Laut Informationen von Jürgen E. Fischer [1], [2] stehen seit gestern, den 09.03.2026 die Pakete für Linux, Windows und Mac mit dem QGIS-Release 3.44.8 „Solothurn“ (neue LTR) und dem neuen Major Release QGIS 4.0.0 „Norrköping“ auf https://qgis.org. [2] zum Download [3] bereit. Herzlich willkommen QGIS4!
Ich habe es getestet, auf Mac mit den folgenden aktuellsten Versionen: MacOS Tahoe 26.3.1, PostgresApp 2.9.4 mit PostgreSQL 18 und QGIS 4.1.0 Master (Dev-Version). Klappt perfekt, siehe Screenshots:
Screenshot: Mein QGIS4-Test mit MacOS Tahoe 26.3.1, PostgresApp 2.9.4 mit PostgreSQL 18 und QGIS 4.1.0 Master
Die neuen Funktionen könnt Ihr jetzt auch im Visual Changelog für QGS 4 [3] erleben:
Ich schließe mich an: „Herzlichen Glückwunsch an die QGIS-Community zur Veröffentlichung von QGIS 4.0! Vielen Dank an alle, die es möglich gemacht haben, an die QGIS-Entwickler und an alle, die an diesem Video teilgenommen haben!“ [4]
Noch einmal Schlafen, dann ist es hoffentlich soweit und wir können QGIS 4 downloaden, vgl. QGIS-RoadMap [1]. Und damit Ihr Euch die Zeit ein bisschen verkürzen könnt, lest Euch doch schon mal im QGIS 4 – Changelog [2] ein. Über 100 neue Funktionen sind angekündigt. Ich habe übrigens 111 neue Features gezählt. Der Changelog gibt einen wunderbaren Überblick über alle Neuerungen, man darf wirklich gespannt sein. Danke allen Mitwirkenden, großartige Arbeit, Cool Stuff!
Screenshot: Die Unesco-Welterbestätten der BKG-POIs als WMS im GeoBasis_Loader (GBL) [2], jetzt mit 780 Themen. Im Bild der Niedergermanische Limes in Uedem-Hochwald.
Letzte Woche kam von der GDI Deutschland auf LinkedIn [1] die Meldung, dass die offenen BKG Daten (POIs) um die Unesco-Welterbestätten erweitert worden. Am Freitag habe ich diese neuen Daten in den GeoBasis_Loader (GBL) [2] eingefügt, zum einen die Ergänzung der Welterbestätten in den WFS und zum Anderen die kompletten POIs auch mit allen acht Layern als WMS. Damit unterstützt der GBL derzeit 780 freie Themen. Die aktuellen Informationen bzgl. der Themen findet Ihre auch immer unter GBL: Meldungen & Störungen [3]
Letzte Woche gab es Updates bei all meinen QGIS-Plugins, den #geoObserver Tools [1]. Neben dem neuen Plugin: „Layer Multiply Toggle“ [2], [3] wurden alle anderen fünf Plugins noch einmal bzgl. Qt5 UND Qt6 aktualisiert. Ab sofort ist jedes Plugin in der neusten Version für beide Qt-Varianten kompatibel. Außerdem werden die Plugins in einer (neuen) Toolbar vereinigt, alle #geoObserver Tools finden sich ab sofort in der Toolbar „geoObserverTools“. Hintergrund für die Umbenennung ist, dass mir mehrere KIs empfohlen hatten, das „#“ im Toolbar-Namen besser zu unterlassen, ich nehme es zur Kenntnis und reagiere, obwohl es eigentlich gut funktionierte 😉
Das bekannte Plugin „RandomPolygons“ [4] wurde in der nun neuen Version zusätzlich um Funktionen und Einstellungen für Smoothing und Generalizing der erzeugten Polygon erweitert, das führt IMHO zu „gefälligeren“ (natürlicheren) Polygonen.
Ihr findet alle meine Plugins, eben diese #geoObserver Tools in [1] und den dort verlinkten Seiten ausführlich beschrieben, außerdem sind sie alle auf GitHub [5] veröffentlicht. Bei allen Plugins habe ich intensiv mit KI-Unterstützung (bisher meist ChatGPT, aber auch Claude und seltener auch DeepSeek) gearbeitet, die Quelltexte habe ich entsprechend gekennzeichnet.
Screenshot: „Gefälligere“ (natürlichere) Polygone im QGIS-Plugin „RandomPolygons“ [4] durch die Erweiterung um Smoothing und Generalizing
Screenshot 1: Aktuell steht der Zähler der Roadmap auf 8 Tagen (Bildquelle [1])
Am 20.02.2026 sollte eigentlich QGIS 4 starten (vgl. Screenshot 2), sicher haben es viele erwartet. Nun hat sich der Start leider erneut verschoben, einige hatten auch schon bei mir nachgefragt. Es gibt wohl noch Probleme, die selbstverständlich vor einen Releasewechsel gelöst werden müssen, das Projekt hat es kommuniziert (vgl. Screenshot 3). Aus meiner Sicht eine nachvollziehbare und vernünftige Entscheidung.
Eine gute Quelle für Fragen in der QGIS-Entwicklung ist immer die QGIS-Developer-Mailingliste [2], dort könnt Ihr den aktuellsten Stand verfolgen. Und momentan lese ich dort, dass Nyall Dawson das Problem gefixt hat [3] und nach ein paar Tagen Test im Master mit der Veröffentlichung weiter gemacht werden kann. Aktuell steht der Zähler au 8 Tagen, vgl. Screenshot 1, klingt gut, meine Daumen sind gedrückt, ich bin gespannt!
Allen Beteiligten viel Erfolg beim Entwickeln, Fehler suchen, finden und fixen. Danke und bitte nehmt Euch die Zeit, die nötig ist. Auch hier gilt mal wieder: „In der Ruhe liegt die Kraft.“
Screenshot 2: QGIS-Roadmap am 20.02.2026 (Bildquelle [2])Screenshot 3: QGIS-Roadmap am 21.02.2026 (Bildquelle [3])
Die #geoObserverTools [1] haben wieder Zuwachs bekommen. Das neue Plugin „Layer Multiply Toggle“ [2], [4] dient dem schnellen Umschalten des Mischmodus für alle oder ausgewählte Ebenen und Gruppen auf „Multiplizieren“. Die Funktion dient dazu, sich überdeckende Themen mit einem Klick über alle oder aktivierte Layer sichtbar zu machen und mit erneutem Klick den Ursprungszustand wieder herzustellen. Es ergänzt somit die Funktionalitäten des Plugins „Set Layer Transparency“ [3]. Details findet Ihr unter [4].
Screenshot 1: Ohne eingeschalteten Mischmodus „Multiplikation“ – die graue Basemap.de überdeckt alle anderen LayerScreenshot 2: Mit dem eingeschalteten Mischmodus „Multiplikation“ – alle anderen Layer werden sichtbar, nun geht keine Information mehr verloren
Der 17. Geofachtag 2026 des netzwerk | GIS Sachsen-Anhalt e. V. war ein voller Erfolg. Angezogen von einer der aktuellsten IT-Herausforderungen, auch in der Geowelt, nämlich KI-Künstliche Intelligenz trafen sich mehr als 200 Teilnehmer in Dessau. Noch nie habe ich das Audimax dort so voll gesehen. Ein großes Dankeschön an alle Organisatoren, Mitwirkenden und Besucher!
Auf den Seiten des Netzwerkes [1] könnt Ihr die Fotos vom Geofachtag besichtigen, als Erinnerung oder als ein bisschen nachträgliche „Teilnahme“. An gleicher Stelle werden demnächst auch die Folien der Vorträge online verfügbar sein.
Bis es soweit ist, stelle ich hier meinen Vortrag „QGIS-Plugin-Programmierung mit KI. Ein Erfahrungsbericht.“ [2] hier schon mal direkt zur Verfügung. Meine Message: Auch ohne Kenntnis einer Programmiersprache und auch ohne KI-Experte zu sein lohnt es sich, KI genau dort auszuprobieren. Für mich hieß das im konkreten Fall: Ich bin weder Python-Programmierer noch KI-Spezialist und trotzdem habe ich mittels KI bis heute fünf* produktive QGIS-Plugins erstellt, die durchaus gedownloaded und genutzt werden. Also Leute, …
Einfach machen, neugierig sein & kritisch bleiben, MUT zur KI 😉
