Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Umwelt-Datenkartierung | Reale Geodatenprojekte
Geodatenanalyse mit Python

Umwelt-Datenkartierung

Swipe um das Menü anzuzeigen

Umweltbezogene Geodaten spielen eine entscheidende Rolle beim Verständnis und Management natürlicher und urbaner Umgebungen. Diese Datensätze enthalten häufig Informationen über Parks, Flüsse, Grünflächen, Verschmutzungsquellen und andere Umweltmerkmale, jeweils mit Attributen wie Lagekoordinaten, Typ, Fläche und Qualitätsindikatoren. Die Analyse solcher Daten ermöglicht das Erkennen von Mustern, die Überwachung von Veränderungen und die Unterstützung von Entscheidungen in Stadtplanung, Naturschutz und öffentlicher Gesundheit.

Die Arbeit mit Umweltdatensätzen kann jedoch Herausforderungen mit sich bringen, wie zum Beispiel:

  • Uneinheitliche Attributbenennung;
  • Unterschiedliche Koordinatenreferenzsysteme;
  • Fehlende oder veraltete Einträge.

Sorgfältige Vorverarbeitung und Validierung sind unerlässlich, um zuverlässige und aussagekräftige Karten zu erstellen, die die Umweltsituation korrekt abbilden.

123456789101112131415161718192021
import geopandas as gpd import matplotlib.pyplot as plt # Load parks (protected areas) and rivers datasets from valid GeoJSON URLs parks_url = "https://raw.githubusercontent.com/datasets/geo-boundaries-world-110m/master/countries.geojson" # Example: country boundaries as protected areas rivers_url = "https://raw.githubusercontent.com/nvkelso/natural-earth-vector/master/geojson/ne_10m_rivers_lake_centerlines.geojson" parks = gpd.read_file(parks_url) rivers = gpd.read_file(rivers_url) # Align both datasets to the same CRS (EPSG:4326) parks = parks.to_crs("EPSG:4326") rivers = rivers.to_crs("EPSG:4326") # Plot rivers as blue lines and parks as green polygons fig, ax = plt.subplots(figsize=(10, 6)) rivers.plot(ax=ax, color="blue", linewidth=1, label="Rivers") parks.plot(ax=ax, color="green", edgecolor="black", alpha=0.5, label="Parks") ax.set_title("Environmental Features: Parks and Rivers") ax.legend() plt.show()
Datenladen
expand arrow

Der Code lädt Parks- und Flüsse-Datensätze von öffentlichen GeoJSON-URLs mit geopandas.read_file.

CRS-Ausrichtung
expand arrow

Beide Datensätze werden auf dasselbe Koordinatenreferenzsystem (EPSG:4326) gesetzt, um eine genaue Überlagerung zu gewährleisten.

Visualisierung
expand arrow

Der Code verwendet matplotlib, um Flüsse als blaue Linien und Parks als grüne Flächen auf einer gemeinsamen Karte darzustellen und ergänzt Titel sowie Legende zur besseren Übersicht.

question mark

Welche der folgenden Aussagen beschreibt am besten eine mögliche Erkenntnis aus der Überlagerung von Parks und Flüssen auf einer Karte?

Wählen Sie die richtige Antwort aus

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 3. Kapitel 2

Fragen Sie AI

expand

Fragen Sie AI

ChatGPT

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Abschnitt 3. Kapitel 2
some-alt