Hvor mange brandhaner er der på Østerbro?

Bibliotekerne har overfor skoleelever, gymnasieelever og studerende ved videregående uddannelser varetaget en vigtigt funktion i mange år i at undervise disse med at lære informationsøgning efter faglitteratur som led i deres uddannelser. Men tilbud fra nogen offentlig myndighed i at navigere samt lave informationssøgninger rundt i de enorme mængder af data som i de senere år er frigivet som åbne datasæt af offentlige myndigheder er stort set ikke eksisterende for disse elever.

Det nævnes ofte i faglitteraturen at ca. 80 % af offentlig myndigheders data er geografisk relateret, det betyder så at kompetencer i at behandle, informationssøgning og datavaske i geodata er nødvendigt.

Tag de to følgende informationssøgninger

  • Find alle bøger på tysk vedr. Frankfurterskolen, som er udgivet efter 1979 og som Det kongelig Bibliotek har i deres samlinger
  • Find alle brandhaner som Københavns Kommune har registret for Østerbro bydel

I de to søgninger er det nøjagtig de samme processer man skal igennem for at få svaret. Geodata søgningen vedr. brandhaner er ikke mere mærkelig end søgninger i en bibliotekernes bibliografiske databaser, det hele er spørgsmål om, at man søger i relevante metadata og i de rigtige databaser.

Desværre får data/geodata sådan et mystisk og elitært skær over sig fx at du skal have bestemt uddannelse eller have råd til at bruge noget dyrt software for at lege med. Den udvikling der er sket de sidste 10 år med masser af gratis open source og masser af nye åbne geodatasæt burde aflive den myte en gang for alle. Det har aldrig været nemmere at lære skoleelever, gymnasieelever og studerende at komme i gang med at håndtere, lave informationsøgninger og datavaske i de enorme mængder af geodata.

Som case med geodata søgning kan vi tage udgangspunkt i “Hvor mange brandhaner er der på Østerbro?

En af de største ting der er sket vedr. håndtering af geodata i de sidste 10 år, er det open source samt gratis software QGIS (findes til Windows, iOS, Linux og Andriod) er kommet frem, og som hele tiden bliver forbedret. QGIS vil i det følgende blive brugt til at besvare spørgsmålet vedr. antal brandhaner på Østerbro bydel.

Først skal QGIS snakke med Københavns Kommunes WFS (Web Feature Service). Dette gøres ved at kalde samt forbinde til følgende URL

http://wfs-kbhkort.kk.dk/k101/ows?

Dernæst skal vi finde de to geodata lag “brandhaner” og “bydel” fra WFS og så tilføje som lag i QGIS (se billede nedenfor).

QGIS - brandhaner case

Det er en god ide at kalde et baggrundskort frem i QGIS, så man kan lettere orientere sig i de geodata der dukker op. Jeg har her kaldt SDFE (Styrelsen for Dataforsyning og Effektivisering) forårs luftfoto (er en del af de frie grunddata) og i billedet nedenfor ses alle brandhaner (som enkeltpunkter) som Københavns Kommune har liggende. Jeg eksporter alle disse brandhaner i et ESRI shapeformat med QGIS ned på min egen computer.

QGIS - brandhaner case

Jeg går nu ind i “bydel” laget og her vises de 10 bydele som Københavns Kommune er opdelt i. Med QGIS markerer jeg kun Østerbro bydel ud og eksporter kun denne bydelspolygon i et ESRI shapeformat ned på min computer. I billedet nedenfor ses nu Østerbro bydel

QGIS - brandhaner case

Nu åbner jeg de to stk. ESRI shapefiler jeg har lavet. Nu skal vi i gang med at beskære geodata ud, så vi kun får brandhaner på Østerbro tilbage. Denne funktion er absolut et must at lære i QGIS så hurtigt som muligt og meget nyttig at mestre.

QGIS - brandhaner case

Metoden er meget enkelt, du har et lag du skal skære noget fra et område, og disse lag angiver du i QGIS og dernæst eksporter du den beskåret del til en ny ESRI shapefil (se billede nedenfor)

QGIS - brandhaner case

Denne beskåret ESRI shapefil åbnes så i QGIS, og vi ser nu kun brandhaner på Østerbro angivet i billedet nedenfor som punkter. NB jeg har slået Østerbro bydelspolygonen til som et lag i QGIS for at overskueliggøre det.

QGIS - brandhaner case

Nu kan vi hurtigt tælle, hvor mange brandhaner der befinder sig på Østerbro ved at gå ind i egenskaber for den beskåret ESRI shapefil, og der står at der er 540 stk. som Københavns Kommune har registret.

QGIS - brandhaner case

Hvis man så fx vil visualisere disse 540 stk. brandhaner på et webmashup kort og ESRI Shapeformattet ikke duer til dette, så er det bare at eksportere til fx GeoJSON eller KML format, og så arbejdere videre derfra.

Min ovenstående case viser at QGIS i den grad er kraftfuld svejtserkniv som kan bruges til at håndtere geodata. Geografilærere i gymnasiet har virkelig mulighed for at stille eleverne mange spændende GIS relateret opgaver, der kan løses med QGIS.

408 Værdifulde geologiske områder i Danmark

(Artikelserie Dit og mit kort, 69). Vi tager endnu et eksempel på, hvordan man lettest kan lave kortmashup med en ESRI shapefile til brug på Web. Vi benytter et geodatasæt fra GEUS (De Nationale Geologiske Undersøgelser for Danmark og Grønland) der omhandler 408 “Værdifulde geologiske områder

Shapefile uploades til GeoCommons – Jeg vælger hvilke attributter fra shapefile som skal med. Som grundkort vælges OpenStreetMap, ikoner og farver angives – Og her er så det færdige kortmashup.

Vil du have dette kort på din egen hjemmeside? Selvfølgelig har GeoCommons en indlejringskode (eng. Embed), dette er altid god stil at kunne tilbyde sådanne muligheder. Her kunne det offentlige lære en hel del. Klik på “Share” oppe i højre hjørne og vælg “Embed this map in your website” – snup HTML koden og tilpas højde/bredde, så det passer til din hjemmeside.

GeoCommons tilbyder også i den helt rette geodata delingsånd, at hvis andre er interesseret i dine geodata og vil lave noget helt andet med disse geodata, at disse kan hentes i geoformater som KML, ny Shapefile, JSON, Atom og Spatialite (alle i WGS84 koordinatsystem).

Hvis du har fulgt med i min serie om GeoCommons, så havde vi i indlæget om Københavns Kommune cykelstiers bredde om linjer, i Kulturarvsstyrelsens “Seværdige fortidsminder i Danmark” om punkter og her i dette indlæg om GEUSs geodatasæt om områder (polygoner). Disse tre ting som punkter, linjer og polygoner håndterer GeoCommons nemt, hurtigt og enkelt, hvis du står med en stram deadline og lille budget for at lavet lidt kortvisualiseringer med dine Shapefiler.

Culture Beats fra stenalderen

(Artikelserie Dit og mit kort, 67). Vi fortsætter serien med hvordan man lettest kan lave kortmashup med en ESRI shapefile til brug på Web. Denne gang har vi fat i Kulturarvsstyrelsens shapefile med 1232 “Seværdige fortidsminder i Danmark“. Shapefile uploades til GeoCommons – Jeg vælger hvilke attributter fra shapefile som skal med. Som grundkort vælges OpenStreetMap, ikoner og farver angives – Og her er så det færdige kortmasup.

Zoom ind hen på kortet og klik på et ikon for at få oplysninger om et sted.

Vil du have dette kort på din egen hjemmeside? Selvfølgelig har GeoCommons en indlejringskode (eng. Embed), dette er altid god stil at kunne tilbyde sådanne muligheder. Klik på “Share” oppe i højre hjørne og vælg “Embed this map in your website” – snup HTML koden og tilpas højde/bredde, så det passer til din hjemmeside.

GeoCommons tilbyder også i den helt rette geodata delingsånd, at hvis andre er interesseret i dine geodata og vil lave noget helt andet med disse geodata, at disse kan hentes i geoformater som KML, ny Shapefile, JSON, Atom og Spatialite. Jeg mener helt klart at GeoCommons er noget af den letteste vej til at få spredt dine geodata ( i fx et shapefil format) samt at lave nogle kortmashups hurtigt, uden at du behøver at være hardcore GIS specialist.

Byggestatistikken for OpenStreetMap Danmark

(Artikelserie Dit og mit kort, 38). I det sidste indlæg skrev jeg om bygninger i OpenStreetMap. Jeg har lavet lidt analyse på vækst i antal bygninger i Danmark samt summen af det totale areal i m2 af disse bygninger. Jeg har undersøgt tallene for henholdsvis 18. og 31. januar 2011. Bemærk, det er grundfladen af bygningerne, ikke brugsarealet af en fx 8 etager bygning, som er blevet udregnet.


(hvis du ikke ser en tabelgadget ovenfor så klik på dette link her)

Der er sket en vækst i antal nye bygninger på 29,31 % på bare 14 dage. Samlet areal er vokset 13,55%. Den største indtegnet bygning er 158793 m2 (en af bygningerne ved Hvidovre Hospital) og den mindste er 3 m2.

Det er en imponerende bedrift, der er sket med indtegningen, dette giver tydeligt et fingerpeg om, at de frivillige i OpenStreetMap Danmark har længe ventet på en mulighed for at indtegne bygningspolygoner i større stil. Denne mulighed fik de, da Fugros 662 ortofotos gik i luften 6. januar 2011.

Til de tekniske orienteret – Bygningsanalysen er lavet med Shape filer fra GeoFabriks arkiv, og open source Quantum GIS programmet er brugt til at udregne areal.

Danske postnumre med det samme areal

Det er blevet tid til lidt sjov igen med danske postnumre. Vi laver en antagelse om, at arealet af alle danske postnumre er lige store (Københavns postnumre 1000-1499, 1500-1799 og Frederiksbergs 1800-1999 er slået sammen til 3 områder) . Hvis vi sammenholder det med hvordan det konkret ser ud nu, så får vi et danmarkskort der ser ud som i nedenstående billede.

postnumre
(stort format)

Hvad fortæller dette nye kort så? hvis du kigger især på hovedstadsområdet, så er dette område blevet større, det betyder at disse områder konkret er mindre end gennemsnitsarealet af et postnummer. De fleste områder i Jylland er blevet mindre, det betyder at konkret er arealet af postnumre større end gennemsnittet.

Kort af denne type kan bruges til at lave nogle opsigtvækkende kort. Det har websitet Worldmapper.org gjort med over 350 forskellige kort. Fx dræbte ved storme fra 1975-2000 sammenholdt med arealet af verdens lande.

Worldmapper - dræbte ved storm

Her kan man se at området omkring Bangladesh/Indien/Kina og Mellemamerika er særligt mange mennesker døde af storme i perioden. Andre kort er baseret på antal indbyggere, landets areal og så en antagelse om at alle i verden har lige adgang til resourcer fx olie, og så sammenholder det med hvordan det konkret forholder sig. Derved får man opsigtvækkende kort, som måske kan give stof til eftertanke. Så tjek Worldmapper.org for en anderledes formidling med kort.

Hvordan lavede jeg så mit postnummerkort? Jeg benyttede open source programmet ScapeToad (kører i Java Runtime Environment). ScapeToad kan desværre kun importere GIS formattet ESRI shape. Først analyserer ScapeToad alle postnumre og deres areal, beregner et gennemsnit areal for dem alle sammen. Dernæst begynder ScapeToad at lave det nye kort ved at deformere arealerne. Her benytter ScapeToad en algoritme som er udviklet af Gastner/Newman i 2004 (Worldmapper.org benytter samme algoritme) til deformationen af arealer. ScapeToad kan dernæst eksportere det nye kort til SVG (Scalable Vector Graphics ) eller til ESRI shape format.

Man kunne lave nogle sjove danmarkskort med ScapeToad

San wa dvd

The Lost World film (hvis man havde data i ESRI shape format) fx hvordan ser forbruget af flødeskumskager i landets 98 kommuner sammenholdt med areal/antal indbyggere.The Witches of Breastwick psp

Nyt datasæt med danske postnumre

Jeg lavede i foråret 2008 et datasæt i KML format Recess: School’s Out psp Contour dvdrip Christian Blake divx

med de danske postnumre. Den 1. juli 2008, kom der nogle ekstra postnumre i Randers og Tune området. Jeg har fra adresse-info.dk Force 10 from Navarone video omdannet deres nye postnummerdatasæt fra et ESRI shape format om til en KML format.

Så hvis du skal bruge en polygon over et bestemt postnummer – Så kan du downloade min nye KML fil

(366 KB – pakket som zip fil), og åbne den med en teksteditor og så lede efter det område (placemark i KML lingo). Kopier og indsætte de data, du skal bruge til dit eget kortmashup.

Postnumre 2008

Bemærk, at Københavns postnumre 1000-1499, 1500-1799 og Frederiksbergs 1800-1999 er slået sammen til 3 områder. Det er noget, adresse-info.dk har gjort i den ESRI shape fil, jeg har hentet. Det var bare en orientering, så du ikke leder forgæves efter nogle postnumre i disse intervaller.

Camping for fugle

Jeg lovede, at hvis jeg faldt over nogle gratis ESRI shape filer (professionelt GIS format) så ville jeg kigge på GMapCreator værktøjet. Med GMapCreator kan du omdanne en ESRI shape fil til at kunne ses via Google Map.

Jeg fandt frem samt downloadede fra Danmarks Miljøportal en zip-fil der indeholdt en ESRI shape fil, der indeholdt geografiske oplysninger om hvilke områder der er EU fuglebeskyttet områder i Danmark. Her er det færdige resultat.

EU fuglebeskyttet områder i Danmark

Bagom teknikken. Jeg pakker zipfilen ud. Jeg åbner ESRI shape filen med GMapCreator.

GMapCreator GUI
(Stort format)

Det første jeg skal beslutte mig for er, hvor meget zoom der skal være i kortet. For meget zoom giver en kæmpe stort og tungt mashup at arbejde med. Grunden er, at GMapCreator laver transparente 256X256 pixels PNG billeder, og for hvert højere zoom niveau giver det en eksponentiel vækst i antallet af PNG billeder. Jeg valgte zoom niveau 10, det giver 634 PNG billeder. Det lyder voldsomt, men det hele fylder kun 3,6 MB. Når du indlæser kortet, så venter du ikke på alle 634 PNG billeder kommer ind. Du ser først billederne fra det mindste zoom niveau (startkortet). Og før du får zoomet ind – er resten af PNG billederne indlæst i baggrunden.

Hvis jeg havde valgt zoom niveau 14 ville det have givet 144539 PNG billeder. Zoom niveau 14 svarer til byniveau kort på Google Maps, men da det er et landsdækkende kort giver det ingen mening at køre med for højt zoom niveau. På den anden side når du går højere op i zoom niveau end 10 så forsvinder de farvelagte polygoner (sammensat af PNG billeder).

Dernæst vælges farve på områderne og farven på den streg. der skal omkredse området. Så er det at klikke på “Create”. GMapCreator laver nu en undermappe med alle 634 PNG filer, og en HTML fil med den tilhørende JavaScript kode. Man skal også lige huske at tilføje sin egen Google Maps API nøgle. Så er det bare at sende det hele op på sit webhotel.

GMapCreator er gratis, og kører på alle platforme. Såvidt jeg er orienteret arbejder folkene bag GMapCreator også på, at lave en eksport funktion ud til KML formattet. Jeg vil lave flere eksempler med miljødata fra Danmarks Miljøportal, hvis der er altså er noget der er interessant at lave et mashup over.

London Profiler – demografi

Forskere ved CASA (Centre for Advanced Spatial Analysis) – University College London er gået live med London Profiler. De har visualiseret over 60 demografiske faktorer om London i et Google Maps.

London Profiler

Alle rådata kommer fra ESRI shape filer (professionelt GIS). De har så brugt GMapCreator (udviklet af dem selv på CASA, og er gratis at downloade) til at konvertere ESRI shape filerne over i Google Maps.

Bilzonerne i London

Der er et arbejdspapir til download (PDF 732KB) vedr. ovenstående projekt. Jeg synes, at London Profiler er et mønstereksempel på, hvordan mange demografiske faktorer kan visualiseres nemt og enkelt. Jeg ville i den grad godt se, at Københavns Kommune lagde noget tilsvarende ud.

Jeg har downloadet GMapCreator selv, men mangler noget gratis data i ESRI shape format at lege lidt rundt med. De fleste af de offentlige myndigheder jeg har set på. Der opkræver de vanvittige beløb for GIS kort.

Kender du nogen offentlige myndigheder, hvor man gratis kan downloade kort af en art i ESRI shape formattet?. Så slå lige på kommentartråden. NB: Jeg kender godt det gratis postnumre kortet fra Erhvervs- og Byggestyrelsen.

Fundet via DigitalUrban.

Datasæt med danske postnumre – klar til dit mashup helt kvit og frit

Hos Erhvervs- og Byggestyrelsen som driver adresse-info.dk finder du alle danske postnumre gemt i formatterne ESRI Shape eller MapInfo (tak til Jesper Ishøj for tip). Du kan sådan set kun bruge disse formatter til noget, hvis du har noget GIS software. Jeg har nu konventeret ESRI shape filen med målestoksforhold 1:500.000 med de danske postnumre om til en KML fil. Her vil du så se en polygon af det område et postnummer dækker. Du kan så benytte KML til, at visualisere i Google Earth eller på Google Maps, hvis du har brug for område med et bestemt postnummer eller flere.

Danske postnumre set i Google Earth
(stort billede)

Et par kommentarer til datasættet fra adresse-info.dk postnumre. Københavns postnumre 1000-1499, 1500-1799 og Frederiksbergs 1800-1999 er slået sammen til 3 områder. Postnumre der grænser op til kystområder, søbredder og enkelte havnområder vil man ofte ved tæt zoom se, at der mangler et lille stykke område af postnummeret i polygonen. Dette er ikke en fejl fra min side af. adresse-info.dk nævner selv at disse områder mangler (spørg mig ikke hvorfor).

Sådan henter du en polygon med et postnummer. Lad som os tage eksempel tage 4941 Bandholm (også kendt som Babe Ruth Town). Ude i venstre side under >Places – så fjern hakket i “Postområde 1000-9999”

Fjern hak i postnumre listen i Google Earth

Scroll ned til det ønskede postnummer. Sæt et hak i det ønskede postnummer og højre klik vælg “Save as” som NN.

Save as ... i Google Earth
Husk gem i KML format.
Filtype valg i Google Earth

Nu kan du åbne KML filen med en teksteditor eller XML editor og arbejde videre med filen der. Se mit 4941 Bandholm eksempel i Google Earth.

4941 Bandholm set i Google Earth

Og her er så Google Maps versionen af 4941 Bandholm.

4941 Bandholm i Google Maps

Jeg har til de interesserede lavet nogle datasæt (pakket KML filer til zip) udgivet under en Creative Commons licens. Du kan dem hente nedenfor og benytte dem til dine egne projekter.

Slut for denne omgang. Jeg planlægger senere i denne uge at skrive et indlæg, hvordan du farvelægger postnumre polygonerne i andre farver. Samtidigt skal I ikke snydes for et indlæg med mit “Søg og Erstat” helvede under konventeringen fra ESRI shape til KML.