OSM-Tagging: ja, nein, vielleicht?

Ich bin wirklich ein OpenStreetMap(OSM)-Fan [1] . Einfach genial diese freie Weltkarte. Waren bisher die Kartendaten meist mit komplizierten Lizenzen und hohen Kosten verbunden, schafft OSM eine wunderbare Freiheit. Noch nie hatten wir derartige Möglichkeiten. Dafür Danke!

Mitunter bin ich dann aber doch am Verzweifeln, was wird denn nun eigentlich wie getaggt. Auf der Suche nach Trinkwasser-Stellen konnte ich Tags finden, die recht widersprüchlich erscheinen (Abb. 1). Was denn nun: Ist es Trinkwasser oder nicht? Bei der Recherche nach einer Erklärung bin ich auch auf verschiedene Aussagen im gleichen Wiki gestoßen. Während mir die Erklärung in Abb. 2 plausibel erscheint, finde ich in Abb. 3 entgegen gesetzte Aussagen, oder lese ich das falsch? Wenn nein, sollten die Tags und deren Anwendung überarbeitet und in den vorhandenen Daten korrigiert werden!? Wenn ja, vielleicht kann jemand diesen Widerspruch aufklären, gern in denn Kommentaren.

OSM_fail_Drinking_Water_2b.png
Abbildung 1: Trinkwasser – JA oder NEIN? Suche und Identifikation nach Trinkwasser-Stellen (Quelle: http://overpass-turbo.eu/s/Kx4 )

OSM_fail_Drinking_Water_2
Abbildung 2: Plausible Erklärung
(Quelle: https://wiki.openstreetmap.org/wiki/DE:Key:drinking_water)

OSM_fail_Drinking_Water_1
Abbildung 3: Und hier das Gegenteil?
(Quelle: https://wiki.openstreetmap.org/wiki/DE:Tag:amenity%3Ddrinking_water)

[1] … https://geoobserver.de/category/openstreetmap-2/

Schwarzmalerei 2 – Schwarzplan mit QGIS und OSM

Momentan scheint das Thema einen kleinen Hype zu haben [5]. In [1] hatte ich bereits 2017 über die Erstellung von sogenannten Schwarzplänen berichtet. Leider gibt es die dort angegebene Quelle [2] nicht mehr bzw. ist diese deaktiviert. Um trotzdem aus den freien OSM-Daten Gebäude für Schwarzpläne zu generieren, bin ich auf die Suche gegangen. Bei QGIS und dem Plugin QuickOSM bin ich fündig geworden. Der Trick, im QuickOSM-Plugin kann via Overpass-Turbo-Abfrage  direkt im QGIS der Planet OSM nach bestimmten Selektionen abgefragt werden (vgl. [3]), in unserem Fall für den Schwarzplan natürlich nach den Gebäuden. Nach einigen Versuchen in der Overpass-API war klar, Ways und Relationen mit dem Attribut “building” sollten das gewünschte Abfrage-Ergebnis bringen, die “auto-repair”-Funktion vervollständigte quasi ohne mein Zutun. Hier meine Overpass Turbo-Abfrage:

way
   [building]
   ({{bbox}});
   (._;>;); /*inserted via auto repair*/
out;
relation
   [building]
   ({{bbox}});
   (._;>;); /*inserted via auto repair*/
out;

Der Vorteil dieser Methode:
Alles kann in QGIS ausgeführt werden, ein Programmwechsel ist nicht nötig. Die Ergebnisse stellen in QGIS ganz normale Geodaten-Layer dar und können bei Bedarf in alle von QGIS unterstützen Geoformaten (Shape, GPKG, GeoJSON, PostGIS/PostgreSQL, …) exportiert werden.

OverpassTurbo_Selection_Building_in_QGIS1.png
QGIS/QuickOSM: Overpass-Turbo-Abfrage nach Gebäuden

OverpassTurbo_Selection_Building_in_QGIS2.png
QGIS: Ergebnis der Abfrage mit QGIS-Bordmitteln schwarz eingefärbt
Am Rand scheinen Gebäude zu fehlen, aber es wurde für den Screenshot etwas raus gezoomt. Im ursprünglichen Abfrage-Ausschnitt (bbox) waren die “fehlenden” Gebäude nicht angeschnitten

[1] … https://geoobserver.de/2017/03/02/osm-schwarzmalerei/
[2] … http://schwarzplan.der-geograph.de/ (veraltet)
[3] … https://geoobserver.de/2019/07/03/osm-und-die-brauereien/
[4] … https://de.wikipedia.org/wiki/Schwarzplan
[5] … https://www.spiegel.de/wissenschaft/datenlese/deutschlands-stadtgeschichte-in-karten-und-schwarzplaenen-a-1273220.html
[6] … https://blog.fbausch.de/schwarzplan-erstellen-mit-openstreetmap-daten/

Kurioses Rendering auf Runtastic

Manchmal passiert mit den gleichen Daten Kurioses. Meine Runtastic-Aufzeichnungen vom LUMSA-Lauf am Dienstag in Halle werden in der gleichen App unterschiedlich interpretiert und visualisiert. Zwei Screens zeigen es richtig, der Dritte dreht wohl einfach mal durch!?

Gleiches Bild auch im Browser. @runtastic: was ist da mit Eurem Renderer los?

Dass die Daten korrekt sind, kann man annehmen, sonst würden ja alle Screens ein gleiches falsches Bild abgeben. Ich hab es trotzdem mal kontrolliert, die GPX-Daten* von Runtastic herunter geladen und in QGIS visualisiert. Bingo, Daten sind OK.

runtastic_image_4.jpg
QGIS-Visualisierung zeigt auch: Daten OK.

* … die Daten des Laufes gern zur Nachnutzung 😉

OSM und die Brauereien

Brewery_in_QGIS_Overpass_QuickOSM_6.jpg

Neu: Update 03.07.2019, 15:40 siehe unten

Für geoaffine Biergeniesser gibt es mehrere Möglichkeiten, sich aus den freien OSM-Daten die typischen Informationen zu den Brauereien, insbesondere die Georeferenz, also den koordinatenmässig bestimmten Standort zu besorgen.

Variante A:
Man nimmt z. B. vorhandene Spezialanwendungen, die sich dieser OSM-Daten bedienen

Variante B:
Man besorgt sich die Daten direkt aus dem OSM, lädt sie ins QGIS und “arbeitet” dann damit. Ich hab’s mal probiert. Dabei bin ich so vorgegangen:

  1. OSM-Daten über den Overpass-Turbo extrahieren (Gebiet festlegen und Abfrage erstellen. Meine Abfrage zum Testen lautete so:
    node
       [microbrewery=yes]
       ({{bbox}});
    out;
    node
       [brewery=yes]
       ({{bbox}});
    out;
    node
       [brewery=Brewpub]
       ({{bbox}});
    out;
    node
       [building=brewery]
       ({{bbox}});
    out;
    node
       [craft=brewery]
       ({{bbox}});
    out;

    Brewery_in_QGIS_Overpass_QuickOSM_5.jpg
    Test der Abfrage im Overpass-Turbo

  2. Nutzung des Quick-OSM-Plugins im QGIS. Einstellen der oben getesteten AbfrageBrewery_in_QGIS_Overpass_QuickOSM_4.jpg
    Abfrage-Erstellung im Quick-OSM-Plugin in QGIS 3.6
  3. Visualisierung z. B. als Punkte und als HeatmapBrewery_in_QGIS_Overpass_QuickOSM_1.gif
    Visualisierung in QGIS 3.6 – Starke Konzentration in Franken, nördlich von Nürnberg

PS: Schritt 1 wird nicht wirklich gebraucht, ich wollte damit nur mit der Overpass-Turbo-Syntax üben.

Update 03.07.2019, 15:40

 

Da ein paar Fragen zur Aktualität der Brauerein im OSM-Datenbestand kamen: Jeder kann sich bei OSM registrieren/anmelden und die Daten ergänzen, berichtigen und ggf. auch löschen (deaktivieren). Ich hab das mal für die von einem Leser vermisste Altenburger Brauerei gemacht, die Änderungen waren 1 h später in der Brewmap online, weil sich diese stündlich aus den OSM-Daten aktualisiert, hier der Tweet:

VELO.GRAPH: fahrradklau@map

Wer schon immer mal wissen wollte, wo die meisten Fahrräder gestohlen werden, dem sei VELO.GRAPH empfohlen. Einfach auf der Karte den gewünschten Standort suchen und feststellen, ob dort ein Fahrradklau-Hotspot ist oder hoffentlich eben nicht. Um die Karte mit Daten anzureichern, kann man auch anonym Diebstähle melden, ob und wie das validiert wird, ist (mir) allerdings nicht ganz klar. Ich hab die Karte mal getestet, einige Stellen kann ich für Halle (Saale) aus eigener Erfahrung bestätigen, siehe Screenshot. An manchen Stellen vermisse ich allerdings auch Daten.

Fahrradklau-Hotspot_Ankerstrasse_3b_Screenshot_2.png
Ein Mini-Hotspot für Fahrradklau in Halle (Saale), Ankerstraße 

Weitere Infos findet Ihr unter https://velograph.freeyou.ag/intro

Der Tipp kam von Bernd Kranz, gefunden in “Wings”, dem Bordjournal von Eurowings.

OSM-Daten als GeoPackage

OSM2GPGK_Logo1.jpg

Ein interessantes Projekt wurde am Wochenende in der FOSSGIS-Mailingliste gepostet, osmdata.xyz! Michael Marz stellt alle zwei Monate die weltweiten(!) OSM-Daten in mehreren GeoPackages zusammen und bietet sie zum Download an. Danke Michael!
Ich hab’s probiert, natürlich wg. der Datenmenge erst einmal nur mit einigen Paketen. Es klappt! Um Feedback wird ausdrücklich gebeten, ich versuch’s auch gleich mal:

  • Die Zahl an GeoPackages würde ich mir kleiner wünschen, die Trennung in Point, Line und Polygon-Packages scheint unnötig
  • da ich die Daten eher nicht weltweit brauche, wären Abgaben z. B. nur für Deutschland und Europa wünschenswert (spart auch viel Bandbreite und Downloadzeit)
  • Eine im Geopackage eingebettete Minimal-Symbolisierung wäre toll, um tatsächlich gleich mit den Daten starten zu können. Hier sollte sich gern die Community einbringen, denn OSM-Rendering ist für einige sicher schon ein alter Hut 😉

Lichtverschmutzung, die 2.

In einer Auflösung von ca. 0.5 km erfasst die NASA seit 2012 mit ihren Satelliten Licht über der Erde bei Nacht. Mit einem Online-Tool kann der Nutzer die Dunkelheit an einem Ort anfragen (punktuell oder aggregiert über eine Fläche) und die entsprechenden Werte abgreifen und Diagramme erzeugen lassen. Mehr Infos findet man unter [1]. Unbedingt lesenswert auch die Informationen in der Rubrik “About/Über”.

Radians_Light_HAL_Screenshoots_1.gif
Getestet: Lichtverschmutzung über Halle (Saale), Screenshots (Quelle: [2])

[1] … Deutschlandfunk: “Die Vermessung der dunklen Erde”
[2] … https://lighttrends.lightpollutionmap.info/#zoom=9&lon=…1&lat=51.37964

Starkregen-Gefahrenkarte in GE

Die Stadt Gelsenkirchen hat eine Themenkarte “Starkregengefahren” für das gesamte Stadtgebiet mit einem Computermodell berechnen lassen. Bürger und Wirtschaft können ablesen, wo sich potenzielle Fließwege und Senken befinden und wo mit welcher Überflutungsgefährdung zu rechnen ist. Eine Erläuterung findet der Interessierte in der Lesehilfe.

Starkregen-Gefahrenkarte_GE_Screenshot_1.jpgScreenshot: Überflutungsgefährdung Willy-Brandt-Allee in Gelsenkirchen (Quelle: [1])

[1] … https://gdi.gelsenkirchen.de/mapapps/…&lod=0

Der Mückenatlas

Kennt Ihr schon den Mückenatlas? Will vielleicht jemand Mückenjäger werden? Ein interessantes Projekt zum Mitmachen. Mit Stand heute wurden 23067 Einsendungen gezählt. Auf der Webseite heißt es zum Einstieg:

“Weltweit gibt es etwa 3500, hierzulande wohl 50 Stechmückenarten. Trotz dieser Vielfalt und der direkten Interaktion mit dem Menschen wissen wir nicht genug über Vorkommen, Verbreitung und Biologie der verschiedenen Arten in Deutschland. Denn Stechmücken sind nicht nur lästig, sondern teilweise auch in der Lage, Krankheitserreger zu übertragen.” [1]

mueckenatlas_screenshot_1.jpgScreenshot des Mückenatlas 2018

[1] … https://mueckenatlas.com/