GeoProgrammierung II,

Martin Christen, martin.christen@fhnw.ch

Die Studierenden können:

• fortgeschrittene Geodatenverarbeitungstechniken mit Python beherrschen
• komplexe geographische Datenanalyse durchzuführen
• Daten auf verschiedenen Ebenen zu manipulieren und zu visualisieren -
• OpenStreetMap-Daten zu verstehen und anzuwenden

Lernziele

• 1. Fortgeschrittene Geodatenverarbeitungstechniken: GDAL, Raster- und Vektordaten, Datenbank-Integration, Georeferenzierung, Geostatistik
• Anwendung von GDAL zur Verarbeitung von Geodaten, z.B. Raster- und Vektordaten.
• Integration von Geodaten in Datenbanken und -tabellen zur Optimierung der Datenverarbeitung.
• Anwendung von Geostatistik zur geographischen Datenanalyse.
• 2. Geodatenanalyse: GeoPandas, Geoprocessing, Geocoding
• Anwendung von GeoPandas zur Datenmanipulation und -analyse.
• Anwendung von Geoprocessing zur automatisierten Geodatenanalyse und -verarbeitung.
• Verwendung von Geocoding zur Adressauflösung und Geolokalisierung.
  • 3. Datenvisualisierung: Matplotlib, Seaborn, Plotly, Geodaten-Visualisierung
  • Verwendung von Matplotlib, Seaborn und Plotly zur Datenvisualisierung.
  • Verwendung von Geodaten
  • Visualisierung zur Erstellung von Karten, Diagrammen und Visualisierungen.
  • 4. OpenStreetMap: Datenmodell, API, Overpass API
  • Verständnis des OpenStreetMap-Datenmodells.
  • Verwendung von OpenStreetMap-API zur Erfassung von Geodaten.
  • Verwendung von Overpass API zur Abfrage von Geodaten.
  • 5. Geodaten-Erfassung,
  • Verarbeitung und -Bereitstellung: Python-Web-Scraping, Geocoding API, Geodaten-Management-Systeme
  • Anwendung von Python-Web-Scraping zur Erfassung von Geodaten aus dem Web.
  • Verwendung von Geocoding
  • APIs zur Adressauflösung und Geolokalisierung.
  • Anwendung von Geodaten-Management-Systemen zur Verwaltung, Verarbeitung und Bereitstellung von Geodaten.
  Die Studierenden können :
  • in Teams arbeiten und ihre Fähigkeit zur Zusammenarbeit und Kommunikation verbessern
  • ihre Kreativität und Innovationsfähigkeit bei der Lösung von Problemen demonstrieren
  • ihre Fähigkeit zur Anwendung von Programmier- und Entwicklungstechniken verbessern
  • ein Projekt zu präsentieren und ihre Ergebnisse kommunizieren
  Lernziele:
  • 1. Projekt-Pitch:
  • Verständnis des Problemkontexts und der Anforderungen an das Projekt.
  • Entwicklung einer Idee für ein funktionsfähiges Produkt.
  • Präsentation der Idee und Überzeugung des Publikums von der Machbarkeit und des Nutzens des Projekts.
  • 2. Produktentwicklung:
  • Anwendung von Programmier- und Entwicklungstechniken zur Umsetzung des Projekts.
  • Entwicklung von funktionsfähigen Prototypen und iterativer Verbesserung des Produkts.
  • Anwendung von Projektmanagement-Techniken zur Verwaltung von Aufgaben, Zeit und Ressourcen.
  • 3. Zusammenarbeit und Kommunikation:
  • Verbesserung der Zusammenarbeit und Kommunikation innerhalb des Teams.
  • Anwendung von Kollaborationstechniken zur Verbesserung der Teamdynamik und Produktivität.
  • Verwendung von Feedback und Reflexion zur Verbesserung der Teamleistung. 4. Kreativität und Innovation:
  • Anwendung von Kreativitätstechniken zur Ideenfindung und Problemlösung.
  • Anwendung von Innovationsstrategien zur Differenzierung und Verbesserung des Produkts.
  • Verwendung von Agilität und Flexibilität zur Anpassung an sich ändernde Anforderungen.
  • 5. Projektpräsentation:
  • Verwendung von Kommunikationstechniken zur Präsentation des Projekts.
  • Demonstration der Funktionsfähigkeit und der Leistung des Produkts. - Überzeugung des Publikums von der Relevanz und dem Nutzen des Projekts.

1. Fortgeschrittene Geodatenverarbeitungstechniken:

• Vertiefte Anwendung von GDAL zur Verarbeitung von Raster- und Vektordaten, z.B. Re-Projektion, Transformation, Klassifizierung, Analyse und Visualisierung.
• Integration von Geodaten in Datenbanken und -tabellen zur Optimierung der Datenverarbeitung und -analyse (SQL/NoSQL)
• Anwendung von Geostatistik zur geographischen Datenanalyse, z.B. räumliche Interpolation, Kriging, Vorhersage, Unsicherheitsanalyse.

2. OpenStreetMap:
• Verständnis des OpenStreetMap-Datenmodells und der verfügbaren Daten (Tags).
• Verwendung von OpenStreetMap-API und Overpass API zur Erfassung und Abfrage von Geodaten, z.B. Straßen, Gebäude, POIs, Routen.
• Verarbeitung und Analyse von OpenStreetMap-Daten mit Python, z.B. Extraktion, Filterung, Konvertierung, Aggregation, Visualisierung.

3. Geodatenanalyse: - Anwendung von GeoPandas zur Datenmanipulation und -analyse, z.B. Verknüpfung, Gruppierung, Filterung, Join, Overlay, Clip.
• Anwendung von Geoprocessing zur automatisierten Geodatenanalyse und -verarbeitung, z.B. Geometrieoperationen, räumliche Abfragen, Netzwerkanalyse, Klassifizierung.
• Verwendung von Geocoding-APIs zur Adressauflösung und Geolokalisierung von Geodaten, z.B. Nominatim, Geopy.

• 4. Datenvisualisierung:
• Verwendung von Matplotlib, Seaborn, Plotly und Folium zur Datenvisualisierung und Geodaten
• Visualisierung, z.B. Karten, Diagramme, Heatmaps, Marker, Linien, Polygone.
• Erstellung von interaktiven Webkarten mit Python und OpenStreetMap-Daten, z.B. Leaflet, Mapbox, OpenLayers.

• 5. Geodaten
• Erfassung, -Verarbeitung:
• Anwendung von Python-Web-Scraping zur Erfassung von Geodaten aus dem Web, z.B. Webseiten, RSS-Feeds, soziale Medien. In einem Hackathon steht die praktische Anwendung von Fähigkeiten und Techniken im Vordergrund, während traditionelle Lehrinhalte in den Hintergrund treten.

Mindestens eine Prüfung GeoProgrammierung. Anwesenheit und aktive Teilnahme Projekt am Hackathon (Testat) E100 T100