#dataviz: Weltbevölkerung visualisiert

Mit den GHSL-Daten der EU hat Duncan Smith die Bevölkerungsdichte auf ein Kilometer genau berechnet. Einfach mal mit dem Maus über die Karte streichen und die Daten auf sich wirken lassen … Interessant die Texte im Infofenster „Map Guide“ und „Analysis“, dort erhaltet Ihr die notwendigen Metainfos zu den Daten, deren Aufbereitung und Bewertung.

Ein paar ausgesuchte Standorte: Halle/Leipzig / Berlin / London / Istanbul / Delhi

bevölkerungsdichte_welt_screencapture_2.gif
Screencaptures für die ausgewählten Standorte
(Quelle: http://luminocity3d.org/WorldPopDen/#3/12.00/10.00)

Farben in der Kartographie

pantone_detail_1.jpg

Interessante Aspekte zur Farbgestaltung in Karten und den damit verbundenen Problemen findet Ihr im Artikel „Color in Cartopgraphy“ [1]/[2] auf clearmapping.co.uk. Folgende Schwerpunkte werden betrachtet:

  1. Es geht um die Wahrnehmung
  2. Reflektiertes Licht
  3. Nicht alle Tinten sind gleich
  4. Druck auf Bildschirm (RGB vs. CMYK)
  5. Kombinierte Farbverzerrungen
  6. Testing

[1] … http://www.clearmapping.co.uk/our-blog/item/433-colour-in-cartography.html?jjj=1497856714861
[2] … http://www.cartography.org.uk/wp-content/uploads/2016/12/Maplines-Spring-2014.pdf

#dataviz: Tools, Tools, Tools, …

Eine umfangreiche Sammlung von derzeit 327 Werkzeugen zum Thema Daten-Visualisierung findet Ihr unter bei visualisingdata.com. Einfach mal suchen & finden, es lohnt sich!

visualisingdata_screencapture_1.gif
Screencapture von visualisingdata.com
(Quelle: http://www.visualisingdata.com/resources/)

Weitere Quellen:
[1] … https://geoobserver.wordpress.com/2017/04/10/dataviz-werkzeuge-buecher/
[2] … https://geoobserver.wordpress.com/2017/02/27/dataviz-tools/

QGIS-Tipp: Legende auf dem View

Sechs Zeilen Python-Code und schon erzeugt man eine bewegliche Legende direkt auf der Karte. Einfach und wirkungsvoll. Gefunden bei Hatari Labs. Hab’s gleich mal probiert, es klappt. :-)

QGIS_Legend_on_Canvas_Screenshot_2.png
Screenshot vom Selbstversuch

Der Code:

from qgis.gui import *
root = QgsProject.instance().layerTreeRoot()
model = QgsLayerTreeModel(root)
view = QgsLayerTreeView()
view.setModel(model)
view.show()

Quellen:
[1] … https://www.youtube.com/watch?v=QiQZv7S2VFk

Statistik: Einfach mal auffrischen …

GIS hat ’ne ganze Menge mit Mathematik und Statistik zu tun. Chi², Median, Varianz, Korrelation, . . . alles schon  mal gehört!(?). Wer sein möglicherweise etwas verödetes Statistikwissen mal wieder auffrischen will, dem sei ein Blick in den „Wissenschafts-Thurm“ mit Beiträgen von Christian Reinboth empfohlen.

Grundlagen_Statistik_Screenshot_1Screenshot „Grundlagen der Statistik“
(Quelle: http://wissenschafts-thurm.de/grundlagen-der-statistik/)

NYT: Schatten über New York City

Eine interessante Lösung bzgl. der Verschattung von quasi jedem Punkt in New York City für Sommer, Frühjahr und Winter findet Ihr bei der New York Times im Artikel: „Mapping the Shadows of New York City: Every Building, Every Block“. Einfach Jahreszeit und gewünschten Standort wählen und schon gibt’s die Verschattung prozentual und mit Zeitwerten. Wirklich gelungen!

Das zu Grunde liegende 3D-Modell könnt Ihr auf den Seiten der New Yorker Stadtverwaltung runter laden: http://www1.nyc.gov/site/doitt/initiatives/3d-building.page. So muss OpenData!

NYT_NYC_Shadows_Screencaptue_4.gif
Screencapture: Schattenwurf in NYC (Quelle: New York Times)

PostGIS: Materialisierte Views

Einen interessanten Beitrag „Working with Materialized Views in PostGIS“ hat Bill Dollins gepostet. Performance erhöhen und Kosten senken stehen dabei im Fokus, Redundanzen nimmt man dafür in Kauf. Und das ist gut so, der Kunde will, dass es schnell geht, was im Hintergrund läuft interessiert ihn nicht oder weniger. ;-)

Materialized_Views_in_PostGIS_Screenshot_1.png
Materialisierte Views in PostGIS
(Quelle: https://gist.githubusercontent.com/geobabbler/48 … 03/mvw_hex_freq_geom.sql)

Wie entsteht ein Cartogram?

Cartogram, kennen wir schon, siehe [1] und [2]. Aber wie entstehen sie eigentlich, welcher Algorithmus wird genutzt. Eine Möglichkeit ist recht anschaulich bei choros.ch mit dem Tool Scape Toad erklärt. Genutzt wird ein diffusionsbasierter Algorithmus nach Gastner/Newman [3]

EW_pro_SV_2015_500x500
Cartogram-Beispiel mit Bevölkerungsdaten von Halle (0, 5, 10, …, 45, 50 Iterationen), Datenquelle: http://www.halle.de/de/Verwaltung/Online-Angebote/Offene-Verwaltungsdaten/)

Und nun zur Mathematik …

Cartogram_Gastner_Newman_Screenshot_1Genau! ;-) „Es ist unkompliziert zu sehen, …“ (Quelle: [3]

[1] … https://geoobserver.wordpress.com/2015/11/06/cartogram-kartenanamorphote/
[2] … https://geoobserver.wordpress.com/2016/08/16/cartogram-die-2/
[3] … http://www.pnas.org/content/101/20/7499.full
oder als PDF: http://www.pnas.org/content/101/20/7499.full.pdf

Netzwerktreffen am 22.06.2017: Augmented Reality & Indoor-Ortung

netzwerk_gis_save_the_date_1

Das nächste Treffen des netzwerk | GIS Sachsen-Anhalt widmet sich einem hochaktuellen Thema: Augmented Reality in der Praxis. Wir treffen uns am Donnerstag, 22.06.2017, kurz vor 17.00 Uhr, vor dem Eingang zur GISA GmbH,  Leipziger Chaussee 191a, 06112 Halle (Saale)
(erreichbar auch per Bus Nr. 44 um 16.48 Uhr ab Hauptbahnhof/ZOB bis Haltestelle MesseHandelsCentrum). Bitte pünktlich erscheinen, da die Gruppe durch das Gebäude geführt werden muss!

Es erwartet uns Herr Peter Mayer, Berater UX & Requirements Engineer bei der GISA GmbH, der uns in das Thema „Datenbrillen & Sensoren in der Praxis: Augmented Reality & Indoor-Ortung“ einführt.