Telegram Web
Forwarded from Ivan Begtin (Ivan Begtin)
Прекрасное руководство [1] с примерами по тому как можно визуализировать реки и затопленные территории с помощью QGIS и RiverREM [2], библиотеки для Python из проекта OpenTopography.

Примеры все из США где в рамках программы 3D Elevation Program [4] сейчас оцифрована почти каждая миля страны с высокой степенью геометрической детализации.

Есть, также, очень подробное руководство как создавать именно такие картинки [5] с использованием файлов DEM (Digital elevation model), а на Flickr есть коллекция изображений подобных этим [6] которые можно использовать в некоммерческих целях.

Ссылки:
[1] https://www.beautifulpublicdata.com/visualizing-rivers-and-floodplains/
[2] https://github.com/klarrieu/RiverREM
[3] https://opentopography.org/
[4] https://www.usgs.gov/3d-elevation-program
[5] https://dancoecarto.com/creating-rems-in-qgis-the-idw-method
[6] https://www.flickr.com/photos/165735975@N07/sets/72177720300430208/

#dataviz #opendata
Forwarded from Дата-сторителлинг (Андрей Дорожный)
📈Визуализация землетрясения в Турции
Высота столбика — плотность населения, цвет — интенсивность толчков.

Ужасная трагедия(

Источник
Forwarded from Инфокультура
Присоединяйтесь ко Дню открытых данных 2023!

4 марта 2023 года состоится ежегодный День открытых данных — онлайн!

Приглашаем разработчиков, ИТ-специалистов, дата-журналистов, гражданских активистов и других участников российского движения открытости. Некоторые темы выступлений:

— Как искать данные с помощью каталогов данных. Проект datacatalogs.ru.

— Если быть точным в 2022 году: доступны ли данные по социальным проблемам.

— Мастер-класс «Визуализация открытых геоданных Москвы для медиа и соцсетей».

— Мастер-класс «Как мы визуализируем гео-данные в "билайне": от кейсов к практике».

Слушайте доклады, принимайте участие в мастер-классах и становитесь частью движения, создавая и продвигая открытые данные в своей деятельности!

Программа мероприятия и регистрация уже доступны по ссылке: https://opendataday.ru/msk

#ODD2023 #OpenDataDay #OpenData
Forwarded from Designing Numbers
В студенческом проекте Symbolizing City Data в Школе Архитектуры и городского планирования Колумбийского университета Мария Чекмарова и HK Dunston создали «эмблемы» для 15 городов США. В каждой зашифрованы данные о размерах города, инфраструктуре, населении и культурной жизни. Паттерн, как будто созданный с помощью спирографа, здорово передает образ большого города — его разнообразие и ритм жизни. Каждый цвет отвечает за пару показателей: например, фиолетовый — это площадь города и плотность населения, желтый — качество и площадь парков, голубой — плотность застройки и число небоскребов, кроме серого, который показывает уровень бедности в городе. Посмотреть на данные и легенду можно на сайте Rebecca Lamm, которая заанимировала все это добро :)
Forwarded from OSINT заначка
В последнее время многие спрашивают инструкцию по Overpass Turbo. Хоть подобные материалы и существуют в природе, спешу поделиться своим опытом. Итак, встречайте: руководство для начинающих - поможет для самостоятельного изучения инструмента

https://telegra.ph/Overpass-turbo-dlya-chajnikov-03-26

#overpass #education
Forwarded from URBAN MASH (Мария)
Гравитационная модель Хаффа

Большинство геомаркетинговых задач сводятся к формуле Хаффа и ее различным вариациям.

1. Данный метод был предложен в 1963 году Дэвидом Л. Хаффом для определения местоположения торгового объекта, наиболее оптимального по критерию максимизации дохода.

2. Привлекательность торгового объекта для потребителя прямо пропорциональна размеру объекта и обратно пропорциональна расстоянию между покупателем и торговым объектом.

3. Область, в которой размещаются объекты, делится на
районы (точки , зоны) спроса; точек может быть достаточно
много, каждая точка получает вес сообразно уровню спроса
в том районе, который она обозначает.

Обычно реализация производится на ArcGis, но при большом желании можно вручную сделать и в QGIS. Прикладываю мега полезный туториал, где пошагово объясняется, куда кликать))

https://www.youtube.com/watch?v=DEcfIkFrRrE

@urban_mash
sits: Satellite Image Time Series Analysis on Earth Observation Data Cubes

Язык R является универсальным инструментом, который может служить для решения сложных комплексных задач, таких как анализ данных со спутников. Например, библиотека sits представляет наборы данных дистанционного зондирования, полученные со спутников, с учетом временной шкалы, в виде "кубов данных", при этом пространственная информация рассматривается после классификации всех временных рядов, что позволяет лучше понять изменения в ландшафтах. Таким образом, становится возможным обнаружение и отслеживание сезонных и долгосрочных тенденций, а также выявление аномальных событий или закономерностей в данных, таких как лесные пожары, наводнения или засухи. В основе машинного обучения sits использует torch и luz.

Библиотеке sits посвящена книга, подробно на примерах рассматривающая все этапы работы с ней.
spatialsample

Задачи моделирования географических данных методами машинного обучения можно успешно решать в tidymodels. В частности, на начальном этапе моделирования для организации повторных выборок кросс-валидации можно использовать библиотеку spatialsample (как на рисунке). Библиотека аналогична rsample, разбивая исходное множество на блоки (folds), с некоторыми особенностями: в качестве исходных данных рассматриваются tibble/sf-объекты, которые учитывают географические координаты и проекции; при необходимости можно использовать буферные зоны между множествами точек в пределах заданного расстояния из набора анализа, чтобы обеспечить минимальное расстояние между наборами данных.

В новой записи блога Mike Mahoney (текущий разработчик библиотеки) рассматривает вопрос, как работать с индивидуальными "блоками" в spatialsample используя библиотеку rsample.
Nadieh Bremer: How I Created a Personalized Map with R, JavaScript, and more

Nadieh Bremer, неоднократный обладатель премии Information is Beautiful Awards, написала пост в своем блоге, о том, как она создала уникальную и персональную карту, на которой представлена история ее 5-месячного путешествия по Норвегии в 2022 году. Инструменты, которые она использовала, включают OpenStreetMap API, Amazon Web Services Terrain Tiles, R(!), d3.js и JavaScript.
Обучающие материалы по работе с географическими данными в R (автор Paula Moraga)

Paula Moraga, автор книги Geospatial Health Data: Modeling and Visualization with R-INLA (integrated nested Laplace approximation) and Shiny, сделала отличную 💯 подборку материалов по работе с географическими данными с помощью средств R.

- Making maps with R
- R packages to download open spatial data
- The sf package for spatial vector data
- Spatial data in R
- Spatial neighborhood matrices
- The terra package for raster and vector data
- Spatial autocorrelation
- Bayesian spatial models. Spatial modeling of housing prices
Книги для работы с географическими данными в R 🌏

Язык R отлично подходит для работы с пространственными данными. В R есть практически все, что нужно, начиная от необходимых типов данных, способных хранить большие объемы географических данных, заканчивая моделированием методами машинного обучения.

Здесь собраны некоторые актуальные книги 📙 по пространственному анализу 🗺️, использующие язык программирования R и доступные в открытом доступе. Конечно, это далеко не все(!), но вполне достаточно чтобы войти в курс дела.

Особо стоит выделить две книги Тимофея Евгеньевича Самсонова , основанных на материалах курсов географического факультета МГУ им. М.В. Ломоносова, с которых я рекомендую начинать новичкам:

📌 Визуализация и анализ географических данных на языке R и Пространственная статистика на языке R

Книги на английском языке:

📌 Geocomputation with R, авторы Robin Lovelace, Jakub Nowosad and Jannes Muenchow. Обратите внимание: если нажать на launch binder на титульной странице, откроется RStudio в браузере и можно воспроизвести код из книги! (+R4DS Geocomputation Book Club)

📌 Spatial Data Science With Applications in R, авторы Edzer Pebesma and Roger Bivand (+R4DS spatial Book Club)

📌 Geospatial Health Data: Modeling and Visualization with R-INLA and Shiny, автор Paula Moraga

📌 Spatial Statistics for Data Science: Theory and Practice with R, автор Paula Moraga

📌 Introduction to Spatial Data Programming with R, автор Michael Dorman

📌 Analyzing US Census Data: Methods, Maps, and Models in R, автор Kyle Walker

📌 An Introduction to Spatial Data Analysis and Statistics: A Course in R, автор Antonio Paez

📌 Spatial Modelling for Data Scientists, авторы Francisco Rowe and Dani Arribas-Bel

📌 Introduction to urban accessibility (a practical guide with R), авторы Rafael H. M. Pereira and Daniel Herszenhut

📌 Intro to GIS and Spatial Analysis, автор Manuel Gimond

📌 Geographic Data Science with R, автор Michael C. Wimberly

🚀 Бонус: Awesome Geospatial R 🌏 + CRAN Task View: Analysis of Spatial Data
2025/07/10 21:30:35
Back to Top
HTML Embed Code: