GIS & OpenData 1918? Ja, die Vorläufer gab’s schon damals 😉
Siehe hier: https://twitter.com/Amazing_Maps/status/455049418513731585/photo/1
GIS & OpenData 1918? Ja, die Vorläufer gab’s schon damals 😉
Siehe hier: https://twitter.com/Amazing_Maps/status/455049418513731585/photo/1

Wer sich mit OSM beschäftigt oder neu damit beginnen will, kennt das Problem: man fischt (erstmal) im Trüben, erkennt keine Struktur, liest über viele unbekannte Begriffe, … Das Problem ist erkannt und angegangen und nach Auffassung des geoObservers gut gelöst und grafisch hervorragend aufbereitet mit der MindMap von Christophe Rodier. Die unbekannten Begriffe bleiben, aber die Struktur wird ersichtlich.
(Quelle: OSM-Wochennotiz 196)
die Wochennotiz Nr. 196 mit allen wichtigen Neuigkeiten aus der OpenStreetMap Welt ist da: http://blog.openstreetmap.de/blog/2014/04/wochennotiz-nr-196/

Quelle: Joel Gurin (TheGuardian)
Ja, viele neue Begriffe, teilweise nicht richtig verstanden und falsch gebraucht. Nun hat The Guardian versucht, etwas Klarheit in diese Begriffswelt zu bringen, ein interessanter Artikel, den Euch der geoObserver nicht vorenthalten will.
und ergänzend die aktuellen Beiträge im Wikipedia:

Genauso cool wie OSM selbst sind die Anwendungen, die immer besser und vollständiger werden. Heute mal wieder zwei Beispiele aus dem 3D-Umfeld, hier Halle (Saale) Innenstadt:
Ostern kommt und manch einer hat dann auch mal etwas Ruhe zum Lesen. Der geoObserver hat schon mal nach versteckten Osterüberraschungen gesucht, hier sein Tipp, wo GIS-Literatur kostenfrei zu laden ist:
In diesem Sinne allen ein ruhiges, entspannendes und vielleicht den GIS-Horizont erweiterndes Osterfest.
Man hält es nicht für möglich, aber lt. einer Karte auf dem matadornetwork, gibt es 7000 Flüsse auf amerikanischen Grund, die in den Mississippi münden. Die Einzugsgebiet diese Flusses ist beeindruckend!
Eigentlich erstaunlich, obwohl dem Meer sehr nah, ist die australische Südseite nicht mit Niederschlägen gesegnet, wie diese Niederschlagskarte für den Regen über 14 Monate zeigt. Adelaide kommt auf max. 200 mmm. Zum Vergleich: das trockene Halle 451 mm, obwohl im Regenschatten des Harzes.

Massendaten aggregieren ist ja unser täglich Brot, keine Frage. Aber aggregierte Daten verlieren natürlich einen Teil ihrer Informationen, Aggregationen glätten das Signal. Wie sieht es denn nun aber mit der Frage aus, diese einmal zusammen gefassten Daten wieder zu schärfen, gewissermaßen die Aggregation wenigstens teilweise rückängig zu machen – also ein DISAGGREGATE? Einen interessanten Beitrag hat der geoObserver für Euch gefunden: „Building Precise Maps with Disser“. In dem Beispiel werden aggregierte Bevölkerungszahlen wieder rückwärts den Gebäuden zugeordnet, heben also die unscharfe Gleichverteilung der Menschen wieder auf. Aber lest selbst ….

In Ergänzung zum gestrigen Beitrag über die Ölstands-Ermittlung via Schattenwurf folgt heute noch ein Beitrag zur Ermittlung von Objekthöhen über den Schatten aus Satellitenbildern. Und wieder einfachste Mathematik 😉
tan(Bogenmass(Sonnenwinkel)) x Schattenlänge = Höhe des Objektes
Sonnenwinkel in [°]
Schattenlänge, Höhe des Objekte in [m]