GeoPython 2025 – Zum 10. Mal kommt die GeoPython-Gemeinschaft in Muttenz zusammen 

Wie jedes Jahr hatte das Institut Geomatik die Ehre, die weltweit grösste Konferenz für räumliche Datenanalyse mit Python auszurichten. Zum 10. Jubiläum trafen sich an der FHNW Muttenz die Expertinnen und Experten aus akademischen Institutionen und der Industrie, um sich über die neuesten Entwicklungen im Bereich der Geodaten- und Erdbeobachtungsforschung auszutauschen. Vom 24. – 26. Februar 2025 haben mehr als 150 Teilnehmende vor Ort und weitere 200 online das Event besucht. Das Programm war vollgepackt mit spannenden Vorträgen sowie praxisorientierten Workshops. Die Konferenz bot ausserdem «Lightning Talks» an – kurze fünfminütige Präsentationen zu verschiedenen Themen, die dazu dienen, spannende Inhalte in einem kurzen Format zu präsentieren. 

Sobald die Bearbeitung der aufgezeichneten Vorträge abgeschlossen ist, werden sie auf dem Youtube-Kanal der Konferenz veröffentlicht.

Es folgt eine Übersicht der Beiträge nach Themen: 

Datenformate und Datenverarbeitung 

• Cloud-native Datenformate 

• Erstellung eines globalen Gebäudedatensatzes in GeoParquet 1.1.0 

• Verarbeitung großer raum-zeitlicher Datensätze 

• DuckDB für räumliche SQL-Abfragen 

Fernerkundung und bildbasierte Analysen 

• GeoWombat für Fernerkundung 

• Automatisierte Verarbeitung von Landsat-Bildern 

• LiDAR-Datenverarbeitung zur Erkennung von Dachflächennutzungen 

• Computer Vision für die Modellierung von Wildschweinpopulationen im französischen Eisenbahnnetz 

Meteorologie und Klimadaten 

• Vorhersage von Niederschlägen durch Deep Learning 

• Bewertung von Wettervorhersagen von über 35.000 Wetterstationen 

• Radarbasierte Analysen von Niederschlagsereignissen 

• Klimarisikoanalyse mit Cloud-Native-Geoformaten 

Städtebau und Infrastruktur 

• 3D-Stadtmodelle zur Vorhersage von Mobilfunksignalen 

• Verbindung von 2D-Geodaten mit 3D-Visualisierungen 

• Urbane Wärmeinseleffekte und Stadtform 

• Geotechnisches Engineering mit Python 

ML und Skalierbare Lösungen 

• Maschinelles Lernen mit frei verfügbaren Vektordaten 

• Skalierbare ML-Pipeline für Land Cover Mapping 

• Skalierung klassischer Analysetechniken für Cloud-Plattformen 

Workshops 

• Entwicklung von Webanwendungen mit GeoDjango und Vector Tiles 

• Objektorientierte Programmierung in Python 

• Räumliche Beziehungen und ihre Anwendungen 

• Geo-SQL mit DuckDB