Research er en landsby i Nordkorea

Så blev det DRs tur til at skrive om Google Maps som har kraftigt forøget mængden af vektorkort i Nordkorea i den sidste uges tid. DR starter artiklen godt og grundigt med en kæmpeløgn af dimensioner.

For første gang bliver det muligt at få blik ind i Nordkorea fra sin egen computerskærm.

Vi andre har i årevis kunne kigge lidt ind bag Nordkoreas linjer via OpenStreetMaps vektorkort. (læs mine seneste to artikler om Nordkorea 1,2). Igen så skal der her siges, at både Google Maps og OpenStreetMap har meget lang vej i Nordkorea endnu før vi ser dækningsgrader med vektorkort, som vi kender det fra Vesten.

DRs ovenstående udsagn er så med til at give læserne indtrykket, at det er Google Maps der er først med i Nordkorea med vektorbaseret kort. Hvilket absolut ikke er tilfældet.

DRs artikel nævner noget med fangelejre (eller nok nærmere KZ-lignende lejre) på Google Maps. Disse fangelejre har også været muligt at se på OpenStreetMap i lang tid. Jeg har trukket en geodata fil med disse. Du ser i nedenstående billede via QGIS softwaren et par af de store fangelejre. (læs mit indlæg om geodata over militæreområder i Nordkorea vedr. QGIS mm.)

Den store gule polygon ude til højre er “Yodok concentration camp” som siden 27. juli 2011 har været muligt at se på OpenStreetMap eller at hente ned som geodata.

Opdatering kl. 19:10 – Et sammenligningskort mellem OpenStreetMap og Google Maps for fangelejren “Haengyong concentration camp” kan ses som interaktivt kort her. OpenStreetMap er til venstre og Google Maps er til højre. Du vil helt sikkert bemærke at OpenStreetMap har mange flere geografiske data for området.

Vedr. et DR dementi fra ovenstående artikel skal vi nok ikke forvente. Mit råd til it-journalister der skriver om digitale kort – æd ikke alt råt, hvad I læser fra de udenlandske artikler, blogs eller pressemeddelelser, som jo ofte danner grunden til jeres danske artikler. Hurtigt research og simple opslag i Wikipedia kan fange mange fælder.

Bliv den næste Carl von Clausewitz militæranalytiker med åbne geodata og QGIS

(Artikelserie Dit og mit kort, 204). Mit indlæg i går handlede om Google Maps og OpenStreetMap i Nordkorea. De store medier verden over satte uden den mindste tøven, så Google Map lig med at være de første, som i større stil har digitaliseret vektorkort (crowdsourcing via Google Map Maker ) over Nordkorea. Nu har OpenStreetMap været aktiv i området i meget lang tid og har mange flere steder meget bedre indhold. Men der skal her siges, at både Google Maps og OpenStreetMap har meget lang vej i Nordkorea endnu før vi ser dækningsgrader, som vi kender det fra Vesten.

Nordkorea er et meget lukket land, så derfor drager nysgerrigheden mange med at se satellitbilleder over landet. Spotning af militære installationer er en hitter. Nu er det ret svært i et ukendt land og terræn at finde disse. Heldigvis kan åbne geodata fra OpenStreetMap hjælpe dig godt på vej med at få spottet en hel del af disse områder i Nordkorea. Så her kommer en virtuel krigsturisme guide til Nordkorea.

Jeg skal først have hentet alt geodata fra OpenStreetMap vedr. militære områder i Nordkorea. Det gør jeg med en søgning i Overpass API og henter en OpenStreetMap fil via Wget programmet ned. (se søgning neden for)

wget -O nordkoreamilitary.osm http://overpass-api.de/api/xapi?*[landuse=military][bbox=124.02,37.7793,131.03,43.04][@meta]

Denne fil (her navngivet nordkoreamilitary.osm) indholder polygonerne over militære områder. OpenStreetMap filen åbnes via det gratis QGIS program (findes til Windows, Linux og Mac). I QGIS slår jeg tillige også satellit-billede lagene fra Bing Maps og Google Maps til. Jeg har her farvelagt polygonerne med en kraftigt gul, så er det nemt at spotte i landskabet ved zoom ind, hvor der er blevet angivet militære områder af OpenStreetMap frivillige.


(Billede QGIS – gule polygoner er militære områder)

Hvis jeg vil se hvad der gemmer sig bag en gul polygon, så går jeg ud til venstre i QGIS ved “Layers” og fjerner krydset for OpenStreetMap “polygon” filen.

Jeg kan nu se, hvad der gemmer sig bag ved.


(Militærområde vist på Google Maps)

Jeg har fx ved flybasen Toksan spottet 8 kampfly (billede nedenfor) fra Bing Maps. Disse fly ligner MiG-21, MiG-29 eller MiG varianten Chengdu J-7 (kinesisk kampfly på MiG licens). Jeg skal ikke gøre mig til flyekspert her og sige præcis hvilken type fly det er.


(Kampfly ved militærflybasen Toksan vist på Bing Maps)

Der kan bruges mange timer på at være “Virtuel krigsspotterturist” i Nordkorea. Nu skal du så ikke gå ud fra at OpenStreetMap er 100 % dækkende vedr. alle militære områder. Hvis du spotter et område som ikke er med endnu, så er ideen jo, at du via OpenStreetMap tilføjer dette område. Du vil selvfølgelig aldrig nogen sinde få så stor en indsigt som militær efterretningstjenesterne har.

Opdatering – 11:40 – Du kan nu downloade miltærområderne hentet fra OpenStreetMap og så selv lege rundt med i QGIS – Format shape hent her (24 KB pakket i zip).

Beslægtet artikel med brug af åbne geodata fra OpenStreetMap – Se hvor henne i verden der har været ca. 2405 atomprøvesprægninger.

Kortlægning i Nordkorea – en mini analyse

(Artikelserie Dit og mit kort, 203). Googles bestyrelsesformand Eric Schmidt og datter var for et par uger siden på besøg i Nordkorea. Google Maps er i den seneste uge begyndt at rulle mere vektorbaseret kort ud i landet. Det kan være et rent tilfælde, eller at måske Eric Schmidt har presset på. Sidste mulighed er, at det er en aftale med Nordkoreas styre (meget få personer der egentlig kan se Google Maps i selve Nordkorea). Jeg skal ikke lave vilde spekulationer over dette sprængfyldte geopolitiske kortemne her.

I stedet for ser vi på en hurtigt kortanalyse mellem Google Maps og OpenStreetMap i hovedstaden Pyongyang. (du kan benytte Geofabriks interaktive Map Compare over området her)

Først Google Maps i biledet nedenfor.

Og så OpenStreetMap for samme område.

OpenStreetMap har på trods af ingen aktive OpenStreetMap frivillige i landet opnået at få meget mere indhold lagt ind. Det er især bygninger og småstier at OpenStreetMap fører stort på. Primærekilder til indtegning for OpenStreetMap frivillige har været Landsat, Yahoo og Bing. Navne på veje, byer, bygninger osv har især frivillige fra Sydkorea bidraget med.

Desværre har det meget lange udsigter før, at det bliver muligt at opstarte OpenStreetMap community i Nordkorea, og hvor det er nordkoreanere selv som værdiberiger OpenStreetMap med endnu mere lokalkendskab. Der skal ske drastiske ændringer i landets styreform før at dette vil ske.

It’s my geodata and I map if I want to

OpenStreetMap Danmark fik i går en glædelig og supergod besked fra Geodatastyrelsen om, hvordan Geodatastyrelsens geodata skal krediteres, hvis deres geodata bliver brugt i OpenStreetMaps regi. Det har været en hel del tvivl i OpenStreetMap Danmark om, hvordan dette præcis skulle ske. Men nu er der en god og simpel løsning, som passer hånd i hanke med, hvordan OpenStreetMap allerede krediterer andre åbne geodatasæt verden over.

Geodatastyrelsen har mange forskellige geodatasæt og for at du kan kommme godt og hurtigt i gang, så tager jeg i dette blogindlæg udgangspunkt i det nemmeste geodatasæt, du som OpenStreetMap frivillig kan bruge til at gøre OpenStreetMap endnu bedre.

Hvis du går ind på siden “Vis Kort” – så vil du her se et Danmarkskort. Dette Danmarkskort er Geodatastyrelsens Skærmkort og dette hører også under de frie grunddata.

Lad os tage en case med søen “Nørreballe Nor” på Sydlangeland. Jeg zoomer ind på området på “Vis Kort” siden.

Jeg kigger på dette samme område i OpenStreetMap og opdager at søen ikke er blevet navngivet endnu i OpenStreetMap i forhold til “Vis Kort” siden.

Jeg åbner så et OpenStreetMap redigeringsværktøj – i dette tilfælde her “Potlatch 2″ – jeg markerer søens polygon ud og går så til venstre side og indsætter “Nørreballe Nor” i “Name” feltet.

Jeg går nu ind i “Details” menuen og under “Source” feltet indsætter jeg følgende “Geodatastyrelsen – Skærmkort – 2013

Her er så syntaksen til, hvordan der kan krediteres, hvis man benytter dette geodatasæt. Geodatastyrelsens Skærmkort er godt til at tjekke i ens nærområde, om man måske har overset stednavne på forskellige typer af geografiske objekter (Læs mit indlæg om stednavnedatabasen SNSOR) i OpenStreetMap. Jeg gemmer mit arbejde og kort tid efter dukker nu stednavnet “Nørreballe Nor” op på OpenStreetMap (interaktivt kort her).

Nu skal du ikke bare bevistløst tage stednavne fra Geodatastyrelsens Skærmkort. Fx hvis en OpenStreetMap frivillig har navngivet en skov A og det på Geodatastyrelsens Skærmkort hedder så Skov B, så skal du ikke erstatte det med “Skov B” per automatik. Du skal kontakte vedkommende, der har navngivet “Skov A” og sige, der nok er en konflikt her. Sammen kan I så løse og opklare, hvad egentlig det rigtigte navn er. Dette kan godt være et større detektivarbejde, og det er ikke altid sikkert, at Geodatastyrelsen har ret med hensyn til stednavnet.

Geodatastyrelsen er naturligvis interesseret i disse stednavne konflikter og der arbejdes på, hvordan udveksling af geodata fra OpenStreetMap til Geodatastyrelsen kan ske ved disse stednavnekonflikter.

NB – selvfølgelig skal du så ikke skrive “NØRREBALLE NOR” i OpenStreetMap, fordi det står sådan på Geodatastyrelsens Skærmkort som i mit ovenstående eksempel.

Det geodatasæt som vil bringe OpenStreetMap mest værdi og nytte (mit eget personlige synspunkt) er det landsdækkende luftfoto kaldt “FOT ortofoto”, som er i 10 cm opløsning og lavet i foråret 2012. Se preview nedenfor af Cirkusbygningen i København (i stort format her). Bemærk hvilken god opløsning det er.

OpenStreetMap frivillige vil nu meget tydeligt kunne se mindre objekter i landskabet fx cykelstativer, petanquebaner,informationstavler osv og så indsætte disse geografiske objekter. Disse luftfotos vil være klar i løbet af foråret. Jeg skal nok skrive om dette når det går live.

Analyse af geodata – Geodatastyrelsen kontra OpenStreetMap

Med frigivelsen af de fri grunddata 1. januar 2013 er der åbnet mulighed for at lave sammenligninger af geodata fra Geodatastyrelsen kontra OpenStreetMap Danmark. Førhen var det kun den ene vej, at de offentlige institutioner eller firmaer der kunne smide en million på bordet, der kunne gøre dette. OpenStreetMaps geodata har altid været frie, og hellere end gerne har communitiet ønsket, at folk brugte eller lavede analyser af disse geodata.

Mit indlæg i dag handler om navngivne søer i hhv. SNSOR (StedNavne- og StamOplysningsRegister) og OpenStreetMap. Jeg vil igen benytte den gratis QGIS software (findes til Windows, Linux og Mac) til at lave min analyse. Først skal det nævnes at Danmark har ca. 120.000 søer over 100 m2. Udfra SNSOR databasens oplysninger, så har Geodatastyrelsen kendskab til ca. 1050 navngivne søer i Danmark. Jeg har trukket navngivne søer ud fra OpenStreetMaps database og indtil videre har de frivillige navngivet ca. 690 søer i Danmark, men det kan meget hurtigt ændre sig.

Jeg kan så benytte QGIS til at visualisere disse to geodatasæt med navngivne søer fra hhv SNSOR og OpenStreetMap ved at tilføje dem som to “lag”. Hvert enkelt lag får så sin egen unikke farve, derved kan der hurtigt ses forskelle i landskabet. Nu er det temmeligt abstrakt kun at se søerne som polygoner i QGIS.

I QGIS kan du så kalde nogle basiskort op og smide dem ind som et ekstra lag. Det er fx OpenStreetMap, satellit – og luftfotos fra Bing Maps og Google Maps. Dette giver et bedre overblik over, hvor du sidder og kigger på geodata henne i Danmark.

Vi kan fx kigge på “Fedte Sø” på Agersø og her kan ses at OpenStreetMap ikke har navngivet søen. Søen er blevet indtegnet, men ikke fået noget navn endnu.


(Baggrundskort OpenStreetMap brugt her)

Jeg har nu fået navngivet søen i OpenStreetMap (OpenStreetMaps metadata for søen kan ses her). Går vi så den anden vej og kigger på “Kongens Dam” ved Jægerspris Slot, så har Geodatastyrelsen ikke “Kongens Dam” med i SNSOR.


(Baggrundskort Bing Maps brugt her)

Flere steder i Danmark har jeg set, at lokale OpenStreetMap frivillige har fået navne med på søer, som SNSOR ikke har endnu. Geodatastyrelsen har selv nævnt at de kommende år vil de satse mere på at få mange flere stednavne med. Et sted de så kan få nye stednavne fra er via OpenStreetMap. Selvfølgelig følger geometrien med (hvor er det henne i landet) og ikke bare et stednavn.

OpenStreetMaps geodata er i sin grundform bare XML, og dette volder så nogle GIS folk problemer da de er vant til måske Shape formatet. Med QGIS kan OpenStreetMaps XML let transformeres til Shape (eller hvilket format geografisk format man nu ønsker)- Læs mit indlæg fra i mandags om dette punkt.

Jeg har flere analyser på vej vedr. Geodatastyrelsen og OpenStreetMaps geodata. Du kan så imens se om der mangler et stednavn i dit lokalområde i OpenStreetMap på et eller andet geografisk objekt (sø, hus, bakke, strand osv). Hvis svaret er ja, så smid lige denne værdifulde lokalviden ind i OpenStreetMap.

Sådan gør du geodata fra Geodatastyrelsen webklar med QGIS

Mit sidste indlæg handlede om SNSOR (StedNavne- og StamOplysningsRegister) fra Geodatastyrelsen som indeholder ca. 244.000 stednavne over forskellige geografiske objekter i hele Danmark.

Dette indlæg fortsætter med det samme geodatasæt. Denne gang skal vi se på hvordan man kan transformere geodata fra Geodatastyrelsen over i et andet format. Samtidigt skal vi se, hvordan man kan klippe bestemte ønskede geografiske objekter ud samt at disse kan bruges på WWW. Til dette formål benyttes den gratis QGIS software (findes til Windows, Linux og Mac).

Lad os tage husnavne fra SNSOR som case. Det ses, at husnavne gemmer sig i shape filen “NAVNE_A.shp“. Filen åbnes og dernæst laves en søgning med “Query Builder” i QGIS.

"FEAT_TYPE" = 'Hus'

Vi får så, at SNSOR indeholder 8843 stednavne på huse i Danmark. Hvis man nu kun skal benytte husnavne fra SNSOR, man synes er sjove, så er tricket at åbne “Attribute Table” i QGIS. Du kan sortere listen alfabetisk med navne ved at klikke på “NAVN” kolonnen. Du holder nu “Control” knappen nede og klikker på en række ude til venstre ved et navn du vil have klippet ud. Hold hele tiden “Control” knappen nede, når du udvælger flere navne ned langs listen.

Du ruller videre der ned ad og stadigvæk holdes “Control” knappen nede.

Når du er færdig med at udvælge, så gå til QGIS hovedbillede igen. Ude til venstre er der en “Layers” menu – Højreklik på denne og vælg “Save Selection As …“.

Nu dukker et nyt skærmbillede op “Save Vector Layer As…” Nu skal vi vælge et format som de valgte navne skal gemmes i. Da vi skal lave et format til webbrug, så er KML et godt valg. Find “KML” i dropdown menuen under “Format“.

I næste felt “Save As” giv her filen et navn. Gå videre ned til “CRS” feltet og vælg “Selected CRS” i dropdown menuen.

Lige neden under dette felt vil du se teksten “ETRS89 / ETRS-TM32“. Dette er den standard projektion Geodatastyrelsen bruger (samt alle andre offentlige myndigheder). Denne projektion er ikke noget vi umiddelbart kan bruge i diverse web-kort. Så vi skal have lavet det om til en anden projection. Du klikker på “Browse” ude til højre og endnu et nyt skærmbillede dukker op. Du skal her finde “WGS 84 / World Mercator” projektionen. Klik på denne og klik så “Ok

Du er så tilbage i “Save Vector Layer As…” billedet og klik så endelig “Ok” og din KML fil er lavet.

Denne KML kan der så arbejdes videre med fx med andet layout og design, men den er under alle omstændigheder klar til at blive vist i fx Google Earth. Denne KML kan også vises via Google Maps API, Bing Maps API eller OpenLayers.

Ovenstående beskrivelse er så trin for trin metoden for at gøre geodata fra Geodatastyrelsen brugbar på webben. Du kan også transformere hele geodatasæt på samme vis. Du behøver ikke nødvendigvis at vælge KML, et format som GeoJSON er også meget benyttet ude på WWW. Det vigtigste er, at “ETRS89 / ETRS-TM32” projektionen ikke skal være dig en forhindring for at lave kortmashups på WWW. QGIS hjælper dig godt på vej med at løse dette problem.

Mere om grunddata – stednavne fra Geodatastyrelsen

Det allerførste jeg downloadede af de frie geodata fra Geodatastyrelsen var geodata-pakken “FOTkort10 [landsdækkende]“, som rummer 18,7 GB (valgt her i Shape format) af mange forskellige maskinlæsbare geodatasæt. Et geodatasæt i denne pakke er SNSOR (StedNavne- og StamOplysningsRegister) som indeholder ca. 244.000 stednavne over forskellige geografiske objekter i hele Danmark. SNSOR gemmer sig i en mappe i stil med “…KORT10NAVNE…” i geodata-pakken “FOTkort10 [landsdækkende]” og består faktisk af 3 shape filer (hvis du har downloadet i det format).

  1. Fil – NAVNE_A.shp – Indeholder geometrien til stednavne beskrevet som områder (polygoner) fx søer, enge
  2. Fil – NAVNE_L.shp – Indeholder geometrien til stednavne beskrevet som linjer – fx vandløb, diger
  3. Fil – NAVNE_P.shp – Indeholder geometrien til stednavne beskrevet som punkter – fx udsigtstårn, vejkryds

Nu er hver eneste gang, man dykker ned i et nyt geodatasæt en rejse ind i et nyt klassifikationssystem dvs hvordan bliver de geografiske objekter defineret (emneord, attributeværdier, tags – alt efter hvem man spørger) samt hvilke der er blevet taget med. For at lette indgangen til SNSOR har jeg trukket alle emneord ud i et online regneark. Der er samtidigt angivet hvilken shape fil de kan findes i. Geodatastyrelsen putter for tiden disse 244.000 SNSOR stednavne ind under 197 emneord. Nogen er lidt specielle fx “Erratisk blok/Sten (overskyllet)”

Lad os tage en case med SNSOR – Casen er “Jeg ønsker at vide hvor mange navngivne bakker der findes i Danmark“. Jeg kigger først i online regnearket for at se hvilket emneord der passer på det jeg vil undersøge. Jeg finder at “Bakke” er det ønskede og det finder jeg i shape filen “NAVNE_A.shp”. Jeg åbner denne fil med den gratis QGIS software (findes til Windows, Linux og Mac). I QGIS er der et søgeværktøj “Query Builder”, som jeg åbner. Jeg skal så lave en søgning på

"FEAT_TYPE" = 'Bakke'

Jeg klikker på “Ok” i “Query Builder” for at udføre søgningen. QGIS vil nu vise mig et Danmarks oversigtkort, som kun rummer alle navngivne bakker i Danmark.

Jeg kan i “Attribute tables” i QGIS få alle navnene listet samt tillige se at SNSOR har 8711 navngivne bakker i Danmark.

Det slog mig at ret mange bakker indeholder ordet “bjerg” i stednavnet. Så lad os se hvor mange det drejer sig om. Jeg laver en ny søgning via “Query Builder” i QGIS i stil med

"FEAT_TYPE" = 'Bakke' AND "NAVN" LIKE '%bjerg%'

Det giver mig så 3172 navngivne bakker i Danmark, der indeholder ordet “bjerg” fx Dødemandsbjerg, Allenbjerg, Æblebjerg, Bjerget, Bjergkammer. I et fladt land som Danmark finder vi så ca. 36,4 % af alle bakker har et navn der rummer ordet “bjerg”. Har vi sagt bakker, så må vi også lige kigge på dale. Der er 893 navngivne dale i Danmark ifølge SNSOR. Hvis jeg ønsker at arbejde videre eller dele geodata, der indholder reslutat af en SNSOR databasesøgning i QGIS, så er det en smal sag lige at “Save as …” og i et hav af forskellige geografiske formater.

Hvis du har hang til sære og underlige navne er SNSOR perfekt sted at kigge samt ikke mindst blive klogere. Fx under husnavne finder du navne som “Sunbeam, Tossehulshus, Truntehus, Munkehætten, Santa Rita, Bund, Kryb i Ly, Snehvide, Helvede”

Se fx hvor du finder “Tossehulshus” henne i Danmark på OpenStreetMap.

Nu har SNSOR rigtigt meget med, men ikke nødvendigvis alt. Det kan godt være at der findes bakker og dale (eller andre objekter som de registrerer) som Geodatastyrelsen ikke har hørt om eller fået indsamlet endnu. Geodatastyrelsen planlægger i de kommende år at få indsamlet endnu flere stednavne.

Hent historiske kort fra Geodatastyrelsen

Geodatastyrelsen tilbyder andet end geodata i et maskinlæsbart format. Du kan hente færdiglavet kort i et billedeformat, og der er flere forskellige muligheder. Et historisk danmarkskort som Geodatastyrelsen tilbyder frit til download er fx “DTK/Høje målebordsblade som er

En række topografiske kort i målestoksforholdet 1:20.000 udgivet i anden halvdel af 1800-tallet dækkende Danmark minus Slesvig. De høje målebordsblade blev produceret i perioden 1842-1899. I denne periode hørte Sønderjylland med til Tyskland, og derfor blev dette område ikke opmålt.

Hvis du er logget ind med din konto hos Geodatastyrelsen så find “DTK/Høje målebordsblade. Klik på det og du vil blive ført videre til en side med et danmarkskort som er delt op i en masse geografiske felter.

Klik på de områder du ønsker at downloade. Klik dernæst på “Læg i kurv” > “Checkout”> og download så det ønskede. Pak de(n) downloadede zip filer ud. Du vil nu have kortudsnit i et GeoTIFF format og i 10000X10000 pixels og det fylder ca. 35 MB for hver enkelt zip fil.

Du kan åbne et GeoTIFF billede med et billederedigeringsprogram (fx det gratis GIMP) og derved klippe og klistre i det, så det passer til dit formål.

Hvem kan tænkes at bruge disse gratis historiske kort? – oplagt, at lokal historiske foreninger kan bruge dem på deres hjemmesider – Men hvad med at få trykt et kortudsnit som en plakat og give som en gave til dine forældre eller bedsteforældre? – Folk, der har historisk interesse kan sidde i ro og fred og betragte deres hjemegn som det har set ud før.

Jeg kan kun anbefale, at enhver med geografi interesse opretter en gratis konto hos Geodatastyrelsen og tager et kig rundt på de gratis kort og geodatasæt – Dernæst, at du henter noget ned og måske får ting at vide du aldrig før har været klar over om Danmarks geografi. Nu er det jo ikke mere økonomien, der begrænser dig.

En million mennesker på date med verden

(Artikelserie Dit og mit kort, 203). I dag søndag rundede OpenStreetMap så det magiske tal med en million frivillige verden over. En million frivillige, som vil opbygge verdens største demokratiske crowdsourced geodatabase af hele verdens geografiske indhold. Med kongstanken om at det hele skal være helt frit at benytte disse geodata til hvilket som helst privat og kommercielt formål. Alene i 2012 har ca. nye 450.000 frivillige oprettet en OpenStreetMap konto for at hjælpe til med dette gitantiske projekt.

Men som Neis & Zipf (2012) store undersøgelse viste, så står kun ca. 14.600 frivillige for 98 % af alt indhold i OpenStreetMap. Hvilket så hurtigt også viser at mange ikke rigtigt kommer rigtigt i gang med at bidrage i større stil. Flere hundrede tusinde med en oprettet OpenStreetMap konto har slet ikke lavet et eneste bidrag. OpenStreetMap communitiet arbejder på, at mange flere får et “Break-even” , så de basale ting relativt hurtigt kan læres. Det er ting som at tilføje et POI eller vej,sti og bygning. Det er så håbet at via bedre redigeringsværktøjer, guides, velkomsttekster og måske direkte undervisning (ansigt til ansigt) til nye frivillige. at dette sker.

OpenStreetMap får alligevel udrettet en hel del på daglig basis. Jeg bringer her nogle globale nøgletal for OpenStreetMap i listeform nedenunder.

  • Der er ca. 58,9 millioner vejsegmenter (tæller vej og stier)
  • Vejnettet (veje og stier) vokser med ca. 13.700 km om dagen pt
  • Der er ca. 72,6 millioner bygningspolygoner
  • Der bliver ca. tilføjet 80.000 nye bygningspolygoner om dagen
  • Der er ca. 2500 frivillige per dag (det er så ikke de samme hver eneste dag) der laver tilføjelser/rettelser
  • Gennemsnit tidsforbrug for de 2500 frivillige per dag er ca. 1 time
  • Tyskerne står for ca. 20 % (ca. 500 stk.) af de daglige OpenStreetMap frivillige (Tysklands befolkning udgør ca. 1,1 % af hele jordens befolkning)
  • OpenStreetMap communitiet bliver drevet for et budget på ca. 1,2 millioner kr årligt og pengene indsamles blandt de frivillige eller firmaer giver lidt. Det er så ca. 1,5 % af hvad Wikipedia har af årlig budget

Hvis vi laver tankeeksperimentet, at resten af verden var lige så aktive som tyskerne dvs. vi skalerer tyskernes daglige produktion og antal frivillige op til en global størrelse (udgangspunkt i befolkningsstørrelse) , så ender vi med følgende

  • Der ville være ca. 45.000 daglige bidragsydere globalt (mod ca. 2500 nu)
  • 1 times bidrag i gennemsnit af 45.000 frivillige per dag svarer til ca. 8536 fuldstillinger (udgangspunkt Danmark med 1924 timer = 1 arbejdsår)
  • Der ville blive lavet ca. 92.000 km nyt vejnet per dag (veje og stier). Det er så ca. 33,6 millioner km på et år
  • Der ville blive lavet ca. 536.000 nye bygningspolygoner om dagen. Det svarer til ca. 195,6 millioner om året

Det er nogle ret voldsomme tal, hvad ca. 45.000 OpenStreetMap frivillige kan lave op dagen. Tænk, så hvis det tal kunne skaleres op til 2,3,4 eller 10 gange indenfor de næste 1-3 år? Selvfølgelig vil muren rammes med skabelsen af fx flere nye veje/stier på et tidspunkt, men det punkt er helt sikkert flere hundrede millioner km ude i fremtiden.

Microsoft Bing Maps har i 2012 givet adgang til yderligere ca. 250 TB luft- og satellitfoto verden over. Dette har været god starthjælp i lande som OpenStreetMap ikke før har haft nogen videre gode luft- og satellitfotos at indtegne efter før. Bing Maps planlægger endnu mere nyt indhold i 2013, og som OpenStreetMap så har adgang til.


(Bing Maps over Tunesien set i Potlatch redigeringsværktøjet)

Hele Open Gov ånden verden over kommer også OpenStreetMap tilgode. Sydafrikas stat har lige givet luftfotos i god kvalitet af hele landet (Sydafrika er ca. 1,2 millioner km2 stort) til fri brug for OpenStreetMap samfundet.


(Luftoto af Port Elizabeth set i Sydafrikas stats luftfoto)

Så det store spørgsmål bliver om 2013 det helt store ryk ind af masser superaktive frivillige verden over? Du kan også være med i dette globale forsøg på at skabe en fri og åben geografisk geodatabase med alt hvad verden indholder af geografiske objekter.

Så tag på en date med verden i 2013 og bliv klogere på den.

Sådan får du flotte kurver med Geodatastyrelsen

Så er det blevet tid til endnu en omgang kig på et geodatasæt fra Danmarks Højdemodel. Denne gang ser vi på “DHM/Højdekurver (0,5 m ækvidistance)” som er et geodatasæt der viser

En repræsentation af terrænets topografi i form af isolinjer, der hver især angiver den beregnede terrænhøjde, hver gang højden i landskabet ændrer sig med 0,5 meter

Jeg går ud fra at du allerede har fået oprettet en konto hos Geodatastyrelsen – Login og find DHM/Højdekurver (0,5 m ækvidistance)” geodatasættet.

Klik på det, og du bliver ført videre til en side med et Danmarkskort, der er delt op i geografiske felter af 10X10 km. Klik de felter du vil downloade. Jeg har valgt at få mine download i Shape formattet.

Klik dernæst på “Læg i kurv” > “Checkout”> og download så det ønskede. Pak de downloadede zip filer ud. En udpakket “Shape” file fylder ca. 65 MB for et 10X10 km område.

Den gratis QGIS software (findes til Windows, Linux og Mac) kan bruges til at åbne disse 10 x 10 km geografiske felter af højdemodellen.

Lad mig tage et eksempel med Christiansø området. I billedet nedenfor har jeg åbnet en Shape fil over området i QGIS, og du ser en højdekurverne over området.

Jeg kan med QGIS eksportere disse geodata til en KML fil og derved kan det visualiseres i fx Google Earth (download KML fil her og leg selv rundt med det)

De gule højdekurver i min KML fil er interaktive dvs du kan klikke på dem og så vil en infoboks dukke op. Her står der et tal som fortæller dig, hvor højt over havets overflade en given højdekurve er.

Andre artikler om Danmarks Højdemodel læs fx mit blogindlæg “Se København og Århus som Hill Shading visualiseringer

Se København og Århus som Hill Shading visualiseringer

I mit sidste indlæg om Danmarks Højdemodel fortalte jeg, hvordan man kan lave “Hill shading” visualisering som viser et relief af terrænet. Nu egner en Geotiff fil på størrelsen 6250 X 6250 pixels (dækker et område på 10×10 km ) og fylder ca. 38 MB sig ikke til webformidling.

Men det findes der heldigvis en let løsning på. Jeg skærer bare billedet op i en masse små 256X256 pixels billeder og lader Google Maps API kalde disse småbilleder. Med denne teknik så er det ikke særligt tungt og langsomt for slutbrugeren at benytte.

Så her kan du nu se et kortmashup af Københavns området set i en “Hill shading” visualisering. Kan du genkende byen, når du browser/zoomer rundt?

Den samme kortmashup teknik har jeg lavet for Århus. Igen, Kan du genkende byen, når du browser/zoomer rundt?

NB – husk, at Danmarks Højdemodels geodata er blevet indsamlet i perioden 2005-07, så det er ikke alt nyt, du kan se i ovenstående kortmashups af København og Århus.

Danmarks Højdemodel fra Geodatastyrelsen

I dette indlæg ser vi på Danmarks Højdemodel, som lige er blevet frigivet under grunddata pakken. Danmarks Højdemodel skal også hentes hos Geodatastyrelsen (læs mit indlæg hvordan du får adgang). Nu gemmer Danmarks Højdemodel sig faktisk bag flere geodatasæt. Jeg har i første omgang haft kig på “DHM/Overflade (1,6 m grid)” som er

DHM/Overflade er en digital model af den fysiske overflade. DHM/Overflade beskriver således højden af bygningsanlæg og vegetation med reference til havniveau.

Efter et klik på dette geodatasæt “DHM/Overflade (1,6 m grid)“,

så vil du blive ført videre til et Danmarkskort, som er opdelt i geografiske felter af 10 X 10 km. Du skal så vælge vælge områder af Danmarks Højdemodel, som du er interesseret i at downloade.

Du kan godt vælge mere end et område på en gang. Du skal bare klikke på de forskellige geografiske felter (de valgte områder bliver high-lightet med en lys grøn farve). Efter du har valgt områder, dernæst vælg “Læg i Kurv” > “Checkout” > “Download”.

Et område er pakkket ned i en zip fil og fylder ca. 55 MB pakket og efter det er pakket ud fylder det ca. 225 MB. Så hvis du skal have hele Danmarks Højdemodel ned, så er det altså et kæmpe geodatasæt, og din harddisk vil helt sikkert blive hurtigt fyldt op.

Den gratis QGIS software (findes til Windows, Linux og Mac) kan bruges til at åbne disse 10 x 10 km geografiske felter af højdemodellen (se billede neden for)

QGIS har nogle værktøjer til at lave visualiseringer af en DEM (Digital Elevation Model), som Danmarks Højdemodel jo er. En klassisk visualisering er en “Hill shading“, som viser et relief af terrænet. I mit eksempel neden for ser vi Novo Nordisk bygningerne i Måløv i en “Hill shaing” visualisering.

Du kan helt tydeligt se bygninger, veje og træer og andre geografiske objekter i landskabet. Samme område vist i Bing Maps som et luftfoto ses neden for (link her).

QGIS laver en “Hill shading” visualisering i et GeoTiff format (billedeformat) som standard og i størrelsen 6250 X 6250 pixels og fylder ca. 38 MB. Disse “”Hill shading” visualiseringer er en ny måde og sjov måde at stifte bekendskab med ens lokal område på. Det er så nu blevet helt gratis, at gå på opdagelse i Danmarks geografi set fra en højdemodel.

NB – Geodata til Danmarks Højdemodel er blevet indsamlet i perioden 2005-07, så den viser selvfølgelig ikke bygninger og ændringer i terrænet lavet efter den periode.

Første kortmashup af geodata fra Geodatastyrelsen

I mit forrige blogindlæg skrev jeg om, hvordan du fik adgang til Geodatastyrelsens forskellige geodatasæt , hvor jeg hentede “FOTkort10 [landsdækkende]” samt gav en anbefaling til QGIS softwaren. Jeg vil så her lave det første kortmashup med brug af QGIS og ovennævnte geodatasæt.

Som case tager vi sommerhuseområder i Danmark. QGIS har mulighed for at lave søgninger efter bestemte geografiske objekter. Her skal man så selvfølgelig vide, hvad Geodatastyrelsen har tildelt de forskellige geografiske objekter af tags eller attributværdier om man vil, for at lave en effektiv søgning ind i de forskellige geodatasæt. Jeg kan ud fra den åbne geodatasæt fil i “Attribute Table” værktøjet i QGIS læse, at Geodatastyrelsen har brugt tagget “Sommerhusbebyggelse” for sommerhusområder. En søgning efter kun denne værdi angiver så, at der findes 468 sommerhuseområder i Danmark jfr. Geodatastyrelsens oplysninger.

Nu er vi så heldige, at det ikke bliver angivet kun som et enkelt punkter, men som områder (GIS lingo : polygoner). Jeg eksporter min ovennævnte søgning i QGIS med de relevante geodata videre til online visualiseringsstedet GeoCommons og har hurtigt et kortmashup liggende på nettet (se det interaktive sommerhusområdekort her).

Da geodata var beskrevet som områder (GIS lingo : polygoner) , så har vi mulighed for at se hvilket sommerhusområde, der er størst i Danmark arealmæssigt. Ifølge Geodatastyrelsens oplysninger er det Oksby nord/vest for Esbjerg, som er det største område med sine 6,4 km2

QGIS har også mulighed for at sortere geodata, så det er en smal sag at lave en rangliste over hvilke sommerhuseområder, der er størst i Danmark arealmæssigt. Her overraskede det mig at se Henne Strand ved Vesterhavet ikke var i top 10, men befandt sig på en 19′ende plads. Så blev jeg så klogere.

Hvad er så summen af alle arealerne for de 468 sommerhuseområder tilsammen? QGIS har nogle statistiske værktøjer til at regne dette ud for dig. Det skulle give et område på ca. 296,42 km2

Det svarer så til et sommerhusområde, der fylder lidt mere end hele Ringsted Kommune, som er på ca. 295,48 km2.

Det svarer også til et sommerområde, som er ca 36,5 gange større end Frederiksberg Kommune.

Hvis jeg sidste år skulle have lavet ovenstående kortmashup eller arealanalyse af de danske sommerhusområder, så skulle jeg have smidt mindst 1 million kr på bordet for adgangen. Nu har vi alle fri og gratis adgang til at gå på opdagelse, udvikle nye produkter (forhåbentligt) og ikke mindst måske blive lidt klogere på omverdenen.

Så er der åbent i geodata-supermarkedet hos Geodatastyrelsen

Lad tusinde geoideer blomstre i 2013

Kort før jul vedtog et enigt Folketing lov “L 71 Forslag til lov om ændring af lov om Kort- og Matrikelstyrelsen og forskellige andre love.” og denne lov er her i dag 1/1 2013 trådt i kraft. I samme forbindelse har Kort & Matrikelstyrelsen skiftet navn til nu at hedde Geodatastyrelsen. I dag er der så tillige blevet åbnet for, at en hel del geodatasæt kan kvit og frit downloades som led i denne ny lov.

Du får adgang til disse geodata ved først at oprette en gratis konto på Kortforsyningens hjemmeside. Opret konto (feltet “Opret ny bruger” ude til højre) og dernæst log så på.

Nu er det lidt forvirrende, hvor man skal begynde og starte første gang, man har logget sig ind. Så mit tips er, hvis det især er geodata (i maskinlæsbart format) som har din primære interesse at vælge at downloade “FOTkort10 [landsdækkende]” geodatasættet. Klik på geodatasættet når du har fundet det på listen.

Du er nu ført til en ny side, hvor du kan vælge i hvilket format du vil have “FOTkort10 [landsdækkende]” i (midt på siden) . Jeg har selv valgt det i GIS formattet “Shape” og klik så på “Læg i kurv

Helt ude til højre og oppe på siden vil du nu have din “Indkøbskurv” (her kommer geodata supermarked metaforen ind i billedet).

Klik så på “Checkout” knappen og gå videre til downloadsiden af dit valgte geodatasæt (eller flere på en gang). I GIS formattet Shape fylder “FOTkort10 [landsdækkende]” ca. 3,72 GB pakket (zip fil). Når det er hentet, og pakket ud i en mappe fylder det ca. 18,7 GB. Igen er det lidt forvirrende at finde rundt i de udpakkede mapper samt, hvad de forskellige Shape filer indeholder af geodata.

Men prøv at finde mappen “GEO“, hvor du vil se en del undermapper som er blevet klassificeret alt efter hvilken type af geodata, der er tale om. I disse undermapper finder du forskellige Shape filer (hvis du altså valgte det format, da du valgte geodatasæt).

Nu mangler du et godt stykke software til at se disse Shape filer. Her er det gratis QGIS (findes til Windows, Linux og Mac) helt klart mit bedste bud for folk, der er nybegyndere indenfor dette område.

I mit eksempel nedenfor har jeg åbnet et geodatasæt (i Shape formatet) i QGIS sofwaren, som viser alle Danmarks 2377 kirkegårde.

Prøv at åbne nogle forskelige geodatasæt fra “FOTkort10 [landsdækkende]” med QGIS for at få en ide om hvad der findes af forskellige typer af geodata. En lille advarsel her – nogle af geodatasæt i “FOTkort10 [landsdækkende]” er meget store, så det kan godt tage et stykke tid at åbne dem i QGIS.

Jeg vil de kommende dage kigge nærmere på, hvad Geodatastyrelsen tilbyder og ikke mindst lavet nogle få kortmashups som eksempler.

Til sidst i årets første blogindlæg vil jeg godt sige, at det er fantastisk at Danmark nu endelig træder ind i denne række af forskellige lande, som tilbyder det meste af deres offentlige geodata kvit og frit. Samtidigt er det også rart at alle Folketingets partier bakker op om dette frie geodata initiativ.