Mehr

Wie greife ich in QGIS auf Layer zu?


Ich möchte, dass QGIS aus einer CSV-Datei aktualisiert wird, wie in diesem Wie aktualisiere ich Daten aus einer externen Tabelle in Echtzeit? Frage, aber ich kann nicht herausfinden, was ich für "myLayer" eingeben soll. Wie kann ich den aktiven QGIS-Layer in meinem Code definieren?


Der einfachste Ansatz wäre

myLayer = iface.activeLayer()

Bedarf

Dieses Plugin funktioniert auf QGIS Version 3.0 oder höher.

Installieren

Das Plugin kann mit dem QGIS Plugin Manager installiert werden. Wählen Sie Plugins verwalten und installieren aus dem Plugin-Menü.

Stellen Sie im Fenster des Plugin-Managers sicher, dass Sie sich auf der Registerkarte Alle befinden, und suchen Sie nach TravelTime . Das Plugin wird in der Liste angezeigt. Wählen Sie es in der Liste aus und klicken Sie auf Installieren .

Aktualisieren und deinstallieren

Wenn ein Update verfügbar ist, werden Sie vom QGIS-Hauptfenster benachrichtigt. Das Plugin kann über das Plugin-Manager-Fenster aktualisiert oder deinstalliert werden.


GIS für Biologen

GIS für Biologen zielt darauf ab, eine relativ kostengünstige, leicht zugängliche und qualitativ hochwertige Ausbildung für Biologen anzubieten, die lernen möchten, wie man geographische Informationssysteme (GIS) in ihrer Forschung verwendet. Es ist ein Online-Pendant zu den beliebten Präsenzkursen von GIS in der Ökologie, und es bietet eine Möglichkeit, diese Kurse zu erheblich reduzierten Kosten und ohne damit verbundene Reise- oder Unterkunftskosten zu nutzen, wodurch sie viel leichter zugänglich sind. Unser Training basiert auf den praktischen Übungen in einem Buch namens GIS für Biologen: Eine praktische Einführung für Studenten und besteht aus einer Reihe von On-Demand-Videos, die Schritt-für-Schritt-Anleitungen für die Durchführung jeder Übung enthalten.

Zur Zeit stehen drei Übungen zur Verfügung (Übung 1 – Wie man eine Karte erstellt, Übung 2 – So erstellen Sie Ihre eigenen Feature-Daten-Layer und Übung 3 – So arbeiten Sie mit Raster-Daten-Layern), die zusammen eine kurze Einführung in die Verwendung von GIS in der biologischen Forschung bieten. Insgesamt besteht dieser Kurs aus etwas mehr als drei Stunden Videos und wird voraussichtlich bis zu neun Stunden dauern (inklusive Ansehen der Videos, Lesen der empfohlenen Hintergrundinformationen und Absolvieren der praktischen Übungen). Die Videos können für jede einzelne Übung für 15 US-Dollar abonniert werden, während ein Abonnement des gesamten Kurses 30 US-Dollar kostet (zusätzlich zu den Kosten für den Kauf des Buches, auf dem diese Übungen basieren). Um ein Abonnement zu erwerben, klicken Sie einfach auf den Seitenlink für eine der Übungen (wir empfehlen Ihnen, mit Übung eins zu beginnen) und klicken Sie dann auf das erste Video. Dadurch werden die Zahlungsoptionen angezeigt, mit denen Sie für die Videos bezahlen können, auf die Sie zugreifen möchten.

Jede Übung wird auch von einem Optionales Extra Sektion. In diesen Abschnitten können Sie Ihre neu erworbenen GIS-Kenntnisse an einer neuen, aber verwandten Aufgabe testen. Wenn Sie nicht nur eine einzelne Übung, sondern den gesamten Kurs abonniert haben, haben Sie auch die Möglichkeit, die Ergebnisse dieser Wahlleistungen zur Bewertung einzureichen, und wenn alle Wahlleistungen für die Übungen erfolgreich absolviert wurden, erhalten Sie die mit einem Beamten GIS in der Ökologie Abschlusszertifikat. Für diese optionale Bewertung und Zertifizierung wird eine zusätzliche Gebühr erhoben, um die damit verbundenen Verwaltungskosten zu decken. Details zu diesen Kosten finden Sie im Abschnitt Optionale Extras am Ende jeder einzelnen Übung.

Unser Training basiert auf QGIS, ein Open-Source-GIS-Softwarepaket. Es gibt drei Gründe, warum wir verwendet haben QGIS. Erstens ist es frei verfügbar, und das bedeutet, dass jeder es verwenden kann, unabhängig davon, ob er über die Ressourcen verfügt, um kommerzielle Softwarelizenzen zu bezahlen oder nicht. Zweitens, QGIS wird immer mehr zur Standard-GIS-Software bei biologischen Nutzern, insbesondere in Universitäten, Regierungsorganisationen und kleineren Umweltberatungen. Schließlich, QGIS bietet einfachen Zugriff auf bestimmte Versionen der Software. Dies bedeutet, dass wir Kursmaterialien bereitstellen können, die nicht anfällig für Software-Updates sind. Unsere Ausbildung erfolgt jedoch relativ softwareunabhängig. Infolgedessen bieten wir zwar Schulungen mit einer bestimmten Version von QGIS (Version 2.8.3 –, die hier heruntergeladen werden kann) wird so bereitgestellt, dass die Fähigkeiten leicht auf neuere Versionen dieser Software übertragen werden können. Ebenso werden Sie feststellen, dass es auch einfach ist, die Fähigkeiten, die Sie in unseren Schulungen lernen, auf andere GIS-Software wie ESRI zu übertragen ArcGIS Paket.

Um die verfügbaren Übungen zu erkunden, klicken Sie auf das GIS-Übungen Option im obigen Menü, oder alternativ, wenn Sie unsere Übungen durcharbeiten möchten, klicken Sie auf Einstieg.

Hinweis: Diese Website ist in erster Linie für die Nutzung durch Einzelpersonen bestimmt. Wenn Sie erfahren möchten, wie Sie Multi-User-Abonnements zu einem vergünstigten Preis erwerben können, damit mehr als eine Person in Ihrer Organisation im Rahmen Ihrer eigenen Weiterbildung oder zu Lehrzwecken an einem anderen Ort auf unsere GIS-Kurse/-Übungen zugreifen kann Bildungseinrichtung besuchen Sie bitte unsere Seite für Mehrbenutzer-Abonnements.


Verfahren¶

Entpacken Sie die heruntergeladene KMRL-Open-Data.zip-Datei in einen Ordner auf Ihrem Computer. Sie werden feststellen, dass das entpackte Verzeichnis viele Textdateien enthält. Jede Datei enthält Daten für einen anderen Aspekt des Versandverfahrens. Das Format der Dateien und ihre Verwendung sind in der GTFS-Referenz beschrieben. Von allen Dateien enthalten 2 Dateien Geodaten und sind für uns von Interesse. Die Datei shape.txt enthält Punkte, die einen physischen Weg beschreiben, den das Fahrzeug nimmt, und die Datei stop.txt enthält die Position jeder Haltestelle. Beides sind CSV-Dateien, die in QGIS importiert werden können. Klicken Sie auf die Schaltfläche Datenquellen-Manager öffnen.

Wechseln Sie im Dialogfeld Datenquellen-Manager zur Registerkarte Getrennter Text. Klicken Sie auf die Schaltfläche … neben Dateiname und navigieren Sie zur Datei shape.txt. Wählen Sie als Dateiformat CSV (kommagetrennte Werte) aus. Das X-Feld und das Y-Feld sollten automatisch ausgefüllt werden. Klicken Sie auf Hinzufügen.

Klicken Sie in ähnlicher Weise erneut auf die Schaltfläche … und wählen Sie die Datei stop.txt. Klicken Sie auf Hinzufügen. Klicken Sie auf Schließen .

Sie sehen 2 neue Ebenenstopps und Formen, die dem Ebenenbedienfeld hinzugefügt wurden. Lassen Sie uns die Punktebene der Formen in eine Linienebene konvertieren, die den Weg der U-Bahn-Linie darstellt. Gehen Sie zu Verarbeitung ‣ Toolbox .

Suchen und suchen Sie das Werkzeug Vektorerstellung ‣ Zeigt auf Pfad. Doppelklicken Sie, um es zu starten.

Wählen Sie Formen als Eingabepunktebene aus. Gemäß den GTFS-Spezifikationen hat jede einzelne Route eine eindeutige shape_id, also wählen Sie diese als Gruppenfeld aus. Wir können auch die Reihenfolge der Punkte angeben, die die Linie bilden, indem wir shape_pt_sequence als das Feld Reihenfolge auswählen. Klicken Sie auf Ausführen.

Eine neue Ebenenpfade wird dem Ebenenbedienfeld hinzugefügt. Sie können die Sichtbarkeit der Formebene deaktivieren, um die neu hinzugefügte Linienebene anzuzeigen.

Nachdem wir nun die U-Bahn-Stationen und Liniendaten hinzugefügt haben, können wir mit der Netzwerkanalyse beginnen. Suchen Sie in der Processing Toolbox nach dem Werkzeug ORS Tools ‣ Isochrones ‣ Isochrones From Layer. Doppelklicken Sie, um es zu starten.

Wählen Sie als Provider openrouteservice aus. Wir berechnen von jeder U-Bahn-Station ein 15-minütiges Fußweg-Polygon. Wählen Sie Stopps als Eingabepunktebene. Wählen Sie stop_id als Eingabe-Layer-ID-Feld aus. Wählen Sie in der Dropdown-Liste Reisemodus die Option zu Fuß aus. Da uns der zeitbasierte Bereich interessiert, wählen Sie Zeit als Dimension aus. Geben Sie schließlich als Bereiche 15 Minuten ein. Klicken Sie auf Ausführen.

Beachten Sie, dass die Openrouteservice-API ein Limit von 20 Anfragen pro Minute für Isochronen hat. Wenn Ihr Layer also mehr als 20 Punkte hat, werden möglicherweise Fehler angezeigt, die darauf hinweisen, dass das Ratenlimit überschritten wurde. Sie können das Tool laufen lassen und es verarbeitet weiterhin 20 Punkte / min.

Sobald das Werkzeug fertig ist, sehen Sie eine neue Ebene Isochrones geladen im Ebenenbedienfeld. Jedem Punkt ist ein Polygon zugeordnet, das das Gebiet darstellt, das innerhalb von 15 Minuten zu Fuß erreichbar ist. Um dies im Kontext der Daten zu sehen, die zu ihrer Generierung verwendet wurden, können wir die OpenStreetMap-Grundkarte hinzufügen. Scrollen Sie im Browserfenster nach unten und suchen Sie XYZ-Kacheln ‣ OpenStreetMap . Ziehen Sie es auf die Leinwand.

Eine neue Ebene OpenStreetMap wird dem Ebenenbedienfeld hinzugefügt. Ziehen Sie es nach unten, um die Ebenenreihenfolge zu ändern und es am unteren Rand des Ebenenstapels zu belassen. Zoomen und schwenken Sie, um zu sehen, ob die Ergebnisse mit dem Straßennetz übereinstimmen. Sie werden feststellen, dass die Polygone nicht kreisförmig sind, da die Fahrzeit entlang von Straßen berechnet wird, sodass die Regionen ohne Straßen weniger bedeckt sind.

Um den Einzugsbereich zu berechnen, müssen wir eine letzte Aufgabe ausführen. Wir können einzelne isochrone Polygone zu einem einzigen Polygon zusammenfügen, das die zugänglichen Bereiche darstellt. Suchen und suchen Sie nach Vektorgeometrie ‣ Auflösen.

Wählen Sie Isochronen als Eingabe-Layer und klicken Sie auf Ausführen.

Sobald die Verarbeitung abgeschlossen ist, wird dem Ebenenbedienfeld eine neue Ebene „Aufgelöst“ hinzugefügt. Dieses Polygon stellt die gesamte Region dar, die innerhalb von 15 Minuten zu Fuß über das U-Bahn-System erreichbar ist.

Dies ist ein einfaches Beispiel dafür, wie eine Einzugsgebietsanalyse für ein öffentliches Verkehrsprojekt in QGIS durchgeführt werden kann. Eine umfassendere Einzugsgebietsanalyse für das U-Bahn-System würde andere Verkehrsträger einbeziehen. Wir könnten Zubringerbusse, nahegelegene Bushaltestellen und Routen, die diese Bushaltestellen bedienen, einbeziehen, um die Analyse zu erweitern. Wir können auch Reisen mit anderen Verkehrsmitteln wie Auto und Taxi einschließen.

&Copy Copyright 2019, Ujaval Gandhi.
Zuletzt aktualisiert am 18.06.2021.
Erstellt mit Sphinx 4.0.1.


Online-ESRI ArcGIS (WMS-Anleitung)

Wenn Sie die Online-Versionen von ESRI ArcGIS verwenden, befolgen Sie die nachstehenden Anweisungen, um unsere WMS-Schnittstelle zum Erstellen Ihrer eigenen Karten einzubinden.

  • Öffnen Sie zunächst die Online ESRI ArcGIS-Website und melden Sie sich an.
  • Um das hinzuzufügen gesichert Meteomatics-Services zu Ihrem ArcGIS Online-Abonnement oder Ihrem ArcGIS Enterprise Portal, müssen Sie hinzufügen die Meteomatics API als vertrauenswürdiger Server:
    Klicken Sie in Ihrem ArcGIS Online-Abonnement/Ihrem ArcGIS Enterprise Portal auf Organisationen &rarr die Einstellungen &rarr Sicherheit und unter Vertrauenswürdige Server füge die URL hinzu https://api.meteomatics.com zur Liste der vertrauenswürdigen Server.

Klicken Sie auf Hinzufügen , wo Sie im Dropdown-Menü Layer aus Web hinzufügen auswählen:

Fahren Sie fort, indem Sie A WMS OGC Web Service auswählen und unsere WMS-URL https://api.meteomatics.com/wms? . Klicken Sie auf Get Layers , wodurch Sie aufgefordert werden, Ihre Zugangsdaten für das Meteomatics API-Konto einzugeben.

und wählen Sie die gewünschte Ebene aus (es wird nur eine pro Zeit unterstützt). Drücken Sie danach auf Ebene hinzufügen

und die gewünschte Ebene sollte geladen und gerendert werden.

Abfragen von WMS-Layern mit benutzerdefinierten Parametern

Um unsere WMS-Schnittstelle vollständig nutzen zu können, beispielsweise um WMS-Layer zu bestimmten Zeiten abzufragen, müssen Sie benutzerdefinierte Parameter hinzufügen.
Um zu demonstrieren, wie dies funktioniert, gehen wir die notwendigen Schritte durch, um einen WMS-Layer nach einer bestimmten TIME abzufragen. Die anderen benutzerdefinierten Parameter können dann analog verwendet werden.

Verwenden Sie beim Hinzufügen des Layers Benutzerdefinierte Parameter hinzufügen, wie in der folgenden Abbildung dargestellt:

Wenn Sie den Layer bereits hinzugefügt haben, können Sie die benutzerdefinierten Parameter nachträglich ändern, indem Sie zu den Optionen des Layers gehen und die WMS OGC-Optionen ändern.

Mit dem Parameter ZEIT können Sie den Layer nach dem gewünschten Datum mit Parameter hinzufügen abfragen und den gewünschten Parameter und die Uhrzeit eingeben.

Klicken Sie auf Layer abrufen , wählen Sie den gewünschten Layer aus und fügen Sie ihn mit Layer hinzufügen hinzu:

Danach sollten Sie die Schicht (in diesem Fall den Taupunkt) mit den benutzerdefinierten Parametern sehen können:


OpenStreetMap-Daten sind für 14 pazifische Inselstaaten in einem GIS-freundlichen Format verfügbar. Die OSM-Daten wurden basierend auf Themen (Gebäude, Straßen, Sehenswürdigkeiten usw.) in Layer unterteilt und werden mit einem QGIS-Projekt gebündelt, um Ihnen den Einstieg in die Verwendung der Daten zu erleichtern. Für weitere Details klicken Sie oben oder suchen Sie in Ihrem nationalen Umweltdatenportal nach dem OSM-Datensatz.


Maschinelles Lernen in GIS: Bildanalyse der Landnutzungs-Landbedeckung

Dieser Kurs richtet sich an Benutzer, die QGIS für grundlegende Geodaten-/GIS-/Fernerkundungsanalysen verwenden, um mehr zu leisten fortgeschrittene Geoanalyseaufgaben inklusive objektbasierter Bildanalyse mit einer Vielzahl unterschiedlicher Daten und Anwendung modernster Algorithmen des maschinellen Lernens. Zusätzlich zu den Kenntnissen in QGIS für die räumliche Datenanalyse werden Sie in eine weitere leistungsstarke Verarbeitungs-Toolbox eingeführt – Orfeo Toolbox und in die aufregenden Fähigkeiten von Google Earth Engine!

Ich freue mich sehr, dass Sie meinen LULC Advanced Kurs gefunden haben. Dieser Kurs soll Sie mit den praktisches Wissen von fortgeschritten Kartierung von Landnutzung und Landbedeckung (LULC)LC, die eine der Kernkompetenzen für jeden Geographischen Informationssystem (GIS) und Fernerkundungsanalytiker ist. Am Ende des Kurses werden Sie sich sicher fühlen und die fortgeschrittene Geoanalyse einschließlich der Durchführung vollständig verstehen und anwenden Machine-Learning-Algorithmen für Landnutzungs- und Landbedeckungskartierung und lernende objektbasierte Bildanalyse und Grundlagen der Segmentierung. All dies können Sie mit den echten Daten in einer der beliebtesten GIS-Software durchführen, die ist QGIS und Google Earth Engine.

Dieser Kurs unterscheidet sich von anderen Schulungsressourcen. Jeder Vortrag zielt darauf ab, Ihre GIS- und Fernerkundungs-Kenntnisse nachweisbar und leicht verständlich zu erweitern und Ihnen praktisch umsetzbare Lösungen zu bieten. Sie können mit der Analyse von Geodaten für Ihre eigenen Projekte beginnen und von Ihren zukünftigen Arbeitgebern mit Ihren fortgeschrittenen GIS-Kenntnissen und Kenntnissen der modernsten LULC-Techniken geschätzt werden.

Im Kurs lernen Sie, wie Sie alle Phasen der LULC-Kartierung durchführen, von der Erfassung von Satellitendaten bis hin zur Beurteilung der Genauigkeit Ihrer Karte und zum Entwerfen einer schönen Änderungskarte, die leicht verfügbar ist und in Ihr Dokument oder Ihren Bericht eingefügt werden kann.

Der Kurs ist ideal für Fachleute wie Geographen, Programmierer, Sozialwissenschaftler, Geologen und alle anderen Experten, die LULC-Karten in ihrem Bereich verwenden müssen und die Grundlagen von LULC und Änderungserkennung in GIS erlernen möchten. Wenn Sie vorhaben, eine Aufgabe zu übernehmen, die den Einsatz modernster Klassifikationsalgorithmen erfordert, um beispielsweise Landbedeckungs- und Landnutzungskarten zu erstellen, gibt Ihnen dieser Kurs die Sicherheit, die Sie benötigen, um solche raumbezogenen Probleme zu verstehen und zu lösen.

Ein wichtiger Bestandteil des Kurses sind die praktischen Übungen. Sie erhalten einige genaue Anweisungen, Codes und Datensätze, um LULC-Karten zu erstellen und Karten mit der QGIS-Software und der Google Earth Engine zu ändern.

In diesem Kurs füge ich herunterladbare praktische Materialien hinzu, die Ihnen beibringen:

- So installieren Sie Open-Source-GIS-Software (QGIS und Orfeo-Toolbox) auf Ihrem Computer und konfigurieren sie richtig

- QGIS-Softwareschnittstelle einschließlich ihrer Hauptkomponenten und Plug-Ins

- Erfahren Sie, wie Sie Satellitenbilder mit verschiedenen maschinellen Lernalgorithmen in QGIS klassifizieren

- Erfahren Sie, wie Sie Schulungen, Validierungsdatenerfassung und Genauigkeitsbewertung durchführen

- Erfahren Sie, wie Sie eine objektbasierte Bildanalyse durchführen

- Erfahren Sie, wie Sie in QGIS eine objektbasierte Fruchtartenzuordnung durchführen

- Erfahren Sie, wie Sie überwachte und nicht überwachte Algorithmen für maschinelles Lernen in Google Earth Engine ausführen run

IM KURS INBEGRIFFEN: Sie haben Zugriff auf alle im Kurs verwendeten Daten sowie auf die Java-Codedateien. Sie haben auch Zugriff auf zukünftige Ressourcen. Melden Sie sich noch heute für den Kurs an und profitieren Sie von diesen speziellen Materialien!


Produkttypen

NAM-Analysen

Modell Raster/Skala Aufnahmezeitraum Modellzyklus Ausgabezeitschritt Datenzugriffslinks
NAM-ANL 218 (12km) - Domäne 18Mai2020&ndashPresent online, seit 03Mär2004 im Archiv 4/Tag: 00, 06, 12, 18 UTC +00, (+03, +06 Niederschlagsfelder) HTTPS-TDS-AIRS
NAM-ANL, Historisch 218 (12km) - Domäne 03Mär2004&ndash15Mai2020 online 4/Tag: 00, 06, 12, 18 UTC +00, (+03, +06 Niederschlagsfelder) HTTPS-TDS-AIRS

NAM-Prognosen

Modell Raster/Skala Aufnahmezeitraum Modellzyklus Ausgabezeitschritt Datenzugriffslinks
NAM-NMM 218 (12km) - Domäne 31.Mai2020&ndashPresent online, seit 20.06.2006 im Archiv 4/Tag: 00, 06, 12, 18 UTC 3-stündlich, +00 bis +84 Stunden HTTPS-TDS-AIRS
NAM-NMM, Historisch 218 (12km) - Domäne 20Jun2019&ndash15Mai2020 online 4/Tag: 00, 06, 12, 18 UTC 3-stündlich, +00 bis +84 Stunden HTTPS-TDS-AIRS
Meso-ETA 218 (12km) - Domäne 15Feb2005&ndash19Jun2006 4/Tag: 00, 06, 12, 18 UTC 3-stündlich, +00 bis +84 Stunden LUFT
Meso-ETA 218 (12km) - Domäne 01. März 2004&ndash23. März 2005 4/Tag: 00, 06, 12, 18 UTC 3-stündlich, +00 bis +84 Stunden LUFT
Meso-ETA 215 (20km) - Domäne 02. Juni 2003 und 25. Mai 2005 4/Tag: 00, 06, 12, 18 UTC 3-stündlich, +00 bis +60 Stunden HTTPS
Meso-ETA 212 (40km) - Domäne 02. Juni 2003 und 25. Mai 2005 4/Tag: 00, 06, 12, 18 UTC 3-stündlich, +00 bis +60 Stunden HTTPS
Meso-ETA 211 (81km) - Domain 02. Juni 2003 und 25. Mai 2005 2/Tag: 00, 12UTC 6-stündlich, +00 bis +60 Stunden HTTPS
Früh-ETA 212 (40km) - Domäne 02. Juni 2003 und 25. Mai 2005 2/Tag: 00, 12UTC 3-stündlich, +00 bis +60 Stunden HTTPS

Erstellen der offenen WLAN-Karte

Wie die meisten meiner Projekte begann auch dieses mit einer Frage: Wie viel von meiner Stadt war von offenen WLAN-Signalen abgedeckt und wie stark sind diese Signale?

Was ich erstellen wollte, war etwas, das einer Telefonsignalabdeckungskarte ähnelt, aber für offenes Wi-Fi.

  • Daten sammeln
  • Diese Daten filtern
  • Visualisieren Sie die Daten mit einer Form von Karte
  • Machen Sie es interaktiv

Der erste Schritt

Um meine eigene Frage zu beantworten, musste ich Daten sammeln, hoffentlich ohne einen Laptop oder andere schwere Hardware herumzuschleppen.

Ich habe in der Vergangenheit Wardriving betrieben, mit einem Laptop mit Linux und einem drahtlosen USB-Adapter, aber das schien übertrieben und würde wahrscheinlich zu viel Aufmerksamkeit auf sich ziehen.

Nach einigen kurzen Tests entschied ich mich, meine Daten mit einem Ersatz-Android-Telefon zu sammeln, das ich zum Basteln behalte. Ich habe die Android-App sowohl in der Benutzeroberfläche als auch im Code dahinter sehr minimalistisch gestaltet.

Die App

Auf der Oberfläche verfügt die App über zwei Schaltflächen "WLAN-Scanner schließen" und "Daten hochladen". Hinter den Kulissen ist es nur ein wenig kühler. Beim Öffnen der App startet sie einen Hintergrunddienst, der sich in die Ortungsdienste des Telefons einklinkt – dies umfasst GPS- und Netzwerkortungsmethoden – und auf Updates oder Bewegungen lauscht. Nachdem ich verschiedene Bewegungskonfigurationen getestet hatte, entschied ich mich, seit dem letzten Update mindestens 10 Meter oder 5 Sekunden zu verwenden.

Beim „Hören“ eines Ortswechsels löst der Hintergrunddienst dann einen WLAN-Scan aus, der den wichtigsten Teil, Namen und Signalstärke zurückgibt. Es speichert dann die folgenden Daten für eine spätere Filterung

  • BSSID - MAC-Adresse des Zugangspunkts, die für eindeutige Identifizierungszwecke verwendet wird
  • SSID - Name des Zugangspunkts
  • RSSI - Signalstärke des Zugangspunkts
  • Sicherheit - Zugangspunkt-Verschlüsselungsmethoden zum Filtern offener Verbindungen

Dies alles läuft im Hintergrund, bis die Schaltfläche "Upload data" gedrückt wird. Nach dem Drücken komprimiert es die gesammelten Informationen und lädt sie auf einen meiner Server hoch, der die Integrität der Informationen überprüft und dann die Rohinformationen in einer SpatiaLite-Datenbank speichert und filtert, die für QGIS zur Interpretation bereit ist.

Hinweis: Ich habe nicht mit QGIS angefangen, mein erster Test verwendete Google Maps und heatmap.js, um ein Overlay der Signalstärkekarte zu erstellen, aber ich stieß schnell auf Probleme wie verschwindende Punkte, Heatmap-Skalierungsfehler und langsame Karten mit viel zu vielen Punkten.

Quantengeographisches Informationssystem (QGIS)

Geografische Informationssysteme oder GIS ist etwas, was ich habe noch nie früher verwendet, also hatte ich hier den größten Spaß, wo ich anfing, zusammenhangslos zu schreien, wo ich den größten Teil meines Lernens absolvierte und endlich das Ergebnis erzielte, das ich von Anfang an wollte.

Zum Glück kann QGIS SpatiaLite-Dateien lesen, also war das Importieren der ersten Datenrunde so einfach wie das Öffnen der Datei und die Auswahl des richtigen CRS (WGS 84 für dieses Projekt, GDA94 spielte sich nicht gut mit anderen Layern) und beobachtete, wie sich die Punkte füllten der Bildschirm.

Zu diesem Zeitpunkt hatte ich die Android-App einigen großartigen Freunden gegeben, die mir beim Sammeln von Daten halfen, und ich sammelte genug, um mit dem Visualisierungsprozess zu beginnen.

Der erste Import war ziemlich beeindruckend, aber einzelne Farbdatenpunkte sehen so langweilig aus, also habe ich einen abgestuften Farbstil mit Signalstärke als Index verwendet.

Nachdem die Daten genau geplottet wurden, war mein nächstes Ziel, eine Hexbin-Karte zu erstellen.

Das Erstellen einer Hexbin-Karte in QGIS erfordert nur 1 Plugin MMQGIS.

Mit MMQGIS können Sie einen Rasterpolygon-Layer beliebiger Größe über einem ausgewählten Bereich erstellen. Je größer der Bereich und je kleiner die Sechsecke, desto länger dauert es, einen Polygon-Layer zu generieren.

Nachdem die sechseckige Ebene gezeichnet wurde, habe ich die Methode "Punkte in Polygon" verwendet und hatte Erfolg, aber die Anzahl der Punkte in einem Polygon ist kein Hinweis auf die Wi-Fi-Signalstärke.

Eine vorgeschlagene Lösung war die Verwendung von "Zonalen Statistiken". Das hat nicht so geklappt, wie es hätte sein sollen. die verdammte Karte, die es machte, war auf dem Kopf!

Kurz bevor ich Hexbins aufgeben und mich mit einer generischen Heatmap zufrieden geben wollte, stolperte ich über "Join-Attribute nach Standort".

Das sah vielversprechend aus. Unter Verwendung des Punkt-Layers mit dem Polygon-Vektor-Layer habe ich eine Mittelwert- und Median-Zusammenfassung der sich überschneidenden Attribute erstellt, alle leeren Polygone verworfen und in einem neuen Layer gespeichert.

Durch Anwenden des gleichen abgestuften Farbstils wie zuvor wurde die gewünschte Karte erstellt. Ich war fast fertig.

Kacheln erstellen

QGIS-Karten sind nicht besonders portabel, um .shp-Layer lesen zu können, müssen spezielle Programme installiert werden. Diese Programme sind Hunderte von Megabyte groß, und obwohl es für einige keine Sorge ist, lohnt es sich nicht, große Anwendungen herunterzuladen, nur um eine Karte anzuzeigen. Also suchte ich nach anderen Methoden, um meine Karte zu teilen.

Leaflet, eine moderne Open-Source-JavaScript-Bibliothek für mobilfreundliche interaktive Karten, würde es mir ermöglichen, meine interaktive Karte mit benutzerdefinierten Kachelebenen zu erstellen.

Es gibt viele Methoden zum Erstellen von Kachelebenen QGIS Server, TileCache und MAPNIK ermöglichen es Benutzern, ihre eigenen Karten zu erstellen und zu Servern, Mapbox verarbeitet sogar .shp-Dateien und macht eine ganze Karte mit sehr wenig Aufwand fertig, aber ich wollte es tun und selbst hosten.

Mit einem anderen Plugin (diesmal QTiles) konnte ich meine eigenen Kacheln erstellen.

QTiles bietet einige Anpassungsmöglichkeiten mit den ausgegebenen Kacheln, PNG oder JPG, undurchsichtig oder transparent und Z-Ebenen.

Abgesehen von der Transparenz funktionierte aus einem unbekannten Grund alles gut, also musste ich mich mit Fliesen mit weißem Hintergrund zufrieden geben, bei denen keine Sechsecke vorhanden waren.

Ich habe dies mit ImageMagick behoben, um alle weißen Pixel mit dem folgenden Skript in transparente zu konvertieren:

Es hat auch komplett leere Dateien gelöscht, was mir viel Festplattenspeicher spart.

Mit erstellten und optimierten Kacheln und konfigurierten Optionen für Broschürenebenen war die Karte fertig und konnte öffentlich geteilt werden.


Mapathon Keralam wird von der IT-Mission des Bundesstaates Kerala implementiert, die fortschrittliche Technologien verwendet hat, um die Überschwemmungen im Staat effektiv zu bekämpfen. Mapathon Keralam, umgesetzt mit dem Konzept von 'Let Us Make Our Map', soll die Vorteile von e-Governance unter Beteiligung der Öffentlichkeit umsetzen.

Durch den Mapathon Keralam beabsichtigt die Regierung von Kerala, umfassende lokale Karten von Kerala zu erstellen, einschließlich der natürlichen Ressourcen der physischen Infrastruktur und anderer Informationen, die für die Planung und andere Entwicklungen nützlich sind. Die kostenlose Online-Karte Open Street Map wird für diese Kartierungsveranstaltung als Teil der Regierungspolitik von Kerala verwendet, um Aktivitäten zu stärken, die sich auf freies Wissen und Freie und Open Source-Software konzentrieren. Das Projekt wird von der Kerala State Spatial Data Infrastructure (KSDI) unter der Kerala State IT Mission geleitet und von anderen Institutionen wie dem International Center for Free and Open Source Software (ICFOSS) und dem National Service Scheme (NSS) unterstützt. Als Vorprogramm für die Kampagne wurde unter Beteiligung von Regierungsmitarbeitern ein Crowdsourcing-Mapping von Regierungsstellen im Bundesstaat namens Map My Office ins Leben gerufen.

Die erste Kampagne von Mapathon Keralam wird heute in Zusammenarbeit mit dem National Service Scheme (NSS) gestartet. Studenten des NSS werden die Führung bei der Organisation lokaler Kartierungssitzungen an verschiedenen Hochschulen übernehmen und qualifizierte Freiwillige entwickeln, die Kartierungsaktivitäten durchführen können. Ausgewählte Fakultäten von knapp 80 Hochschulen durchliefen die Master- und Hochschulausbildung. Es wird erwartet, dass mehr Organisationen, Gemeinschaften und Einzelpersonen diese Kampagne aufnehmen und eigene Programme zur Entwicklung lokaler Karten durchführen.

Mit dieser Plattform können Sie Ihren gesamten Ort und seine winzigen und detaillierten Informationen kartieren. Die Karten sollen online unter Beteiligung der Öffentlichkeit erstellt werden. Jeder mit einem Computer/Handy und einer Internetverbindung kann an Mapathon Keralam teilnehmen. Studierende, NGOs, Regierungs- und Nichtregierungsorganisationen, Arbeitsorganisationen und Angestellte des Privatsektors können an diesem Vorhaben teilnehmen. Mit dieser Art der Kartierung können Einheimische alle Merkmale ihres Ortes kennen und markieren. Wenn eine Person ihren bekannten Bereich markiert, sind diese Informationen sehr genau. Diese Karten werden auf der ganzen Welt unter Beteiligung der Einheimischen erstellt. Diese Kartierung wird auch bei der Rekonstruktion von Kerala . nach der Flut nützlich sein


Schau das Video: Export Selected Layer of Shapefile from QGIS (Oktober 2021).