GeoProgrammierung II,

Pia Bereuter, pia.bereuter@fhnw.ch

Die Studierenden können:

• fortgeschrittene Geodatenverarbeitungstechniken mit Python beherrschen
• komplexe geographische Datenanalyse durchführen und deren Ergebnisse visualisieren

Lernziele 1. Fortgeschrittene Geodatenverarbeitungstechniken: GDAL, Raster- und Vektordaten

• Anwendung von GDAL zur Verarbeitung von Geodaten, z.B. Raster- und Vektordaten.
• 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. Geodaten-Visualisierung

• Kennenlernen verschiedener Bibliotheken zur (Geo-)Datenvisualisierung in Python
• Verwendung von Geodaten-Visualisierungsbibliorheken 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.
• Kartendarstellung mit Folium

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.

1. Fortgeschrittene Geodatenverarbeitungstechniken:

• Vertiefte Anwendung von GDAL zur Verarbeitung von Raster- und Vektordaten, z.B. Re-Projektion, Transformation, Klassifizierung, Analyse und Visualisierung.
• Anwendung von Geostatistik zur geographischen Datenanalyse, z.B. räumliche Interpolation, Kriging, Vorhersage, Unsicherheitsanalyse.

2. OpenStreetMap: >ul>

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.
• Erstellung von interaktiven Webkarten mit Python und OpenStreetMap-Daten, z.B. Leaflet, Mapbox, OpenLayers.

4. 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.

Digitale Zwischenprüfung Geoprogrammierung II Testat: Anwesenheit, aktive Teilnahme und Präsentation des Projekts am Hackathon E100 T100