Geodatamess

Analysis of Spatial Patterns: Current State and Future Challenges Jakub Nowosad, Adam Mickiewicz University сделал очень интересный доклад по анализу пространственных паттернов на основе авторских библиотек R {landscapemetrics}, {motif}, {spquery}, {patternogram}, {supercells}. В частности, мне понравилась его идея паттернограммы как аналога вариограммы в геостатистике для исследования пространственной автокорреляции, а также суперячейки для кластеризации пространственных данных.

Cartography Playground 🧭 Интерактивная площадка, которая поможет лучше разобраться с разными алгоритмами, используемыми в картографии: генерализация, триангуляция Делоне и диаграмма Вороного, ядерная оценка плотности, методы классификации и кластеризации данных и др. 📕 Можно узнать что-то новое или освежить и углубить свои знания ⭐️ Cartography Playground создана в рамках одной из магистерских диссертаций на кафедре картографии Технического университета Мюнхена ❤️ #geo_theory 🌎🕊️ GIS_AND_PEACE

Перевод эссе о плохих и хороших практиках в визуализации данных https://habr.com/ru/companies/ruvds/articles/776672/  Оригинал с кодом для графиков на R https://github.com/cxli233/FriendsDontLetFriends

Шон Конвей уделал сам себя просто, ну вы посмотрите на это…Не могу выразить словами как это красиво и круто! Исключительно новый уровень ridge plot визуализаций 🤯🤯🤯

Интерактивный инструмент для оценки локаций размещения магазинов https://gis.jackforsyth.com/ Позволяет построить смоделировать буферные зоны для выбранных локаций, полигоны Вороного и гравитационную модель Хаффа. Подробнее от разработчика https://spatial.blog.torontomu.ca/2020/11/22/an-interactive-introduction-to-retail-geography/

Полная сеть маршрутов

Уже неделю идет #30DayMapChallenge, в котором я не планировала участвовать совсем, но решила сделать хотя бы несколько карт. Сегодня день 7 - Navigation, потому что это самый доступный вид планирования перемещений по городу. Карта маршрутов общественного наземного транспорта Санкт-Петербурга по типам: красный - трамвайные маршруты, синий - троллейбусы и лазурный - автобусы. Данные © OpenStreetMap contributors

#30DayMapChallenge 2023 Сегодня начинается ежегодное событие #30DayMapChallenge! Каждый день ноября предлагается создавать карту на заданную тему и публиковать ее в Twitter (X) или других социальных сетях с хэштегом мероприятия 💪 Запустил челлендж старший дизайнер-картограф Mapbox Topi Tjukanov в 2019 году (кстати, у него очень интересное портфолио) 🗺 Даже если не планируете участвовать - посмотрите на работы прошлых лет - какие интересные идеи можно найти для визуализации пространственных данных 😍 А если будете участвовать - обязательно делитесь с нами вашими результатами! 📧 P.S Сама в этом году, к сожалению, не участвую, но очень рекомендую, если у вас есть желание, время и силы) #geo_vis 🌎🕊️ GIS_AND_PEACE

A Windy Night (in Europe) Всем привет! Давно не делал ничего в гео тематике в свободное время, но недавно начал больше интересоваться автоматизацией красивых визуализаций и понял что буду углубляться в R, потому что сделать красиво в питоне чаще всего не получается. Начать решил с легкого - открывал примеры карт и визуализаций в R, смотрел что можно сделать вообще, и наткнулся на визуализацию потоков ветра у Милоша Поповича и туториал к ней, где в паттернах ветра я увидел сходство с картиной Ван Гога «Звездная ночь». Отдельное спасибо моей жене, её интерес в искусстве отпечатывается на меня 🙃 План был почти не кодить (я никогда не писал на R), но код Милоша годичной давности местами не работал, поэтому я потратил вечер чтобы поправить все технические моменты и еще пол вечера докручивал дизайн и палитру. На визуализации также есть границы европейских стран для понимания локаций, но больше фокуса было все же на самих потоках ветра и сходстве с картиной Ван Гога. Как вам? Буду рад вашим комментам 🌝

Учебник по моделированию структурных геологических моделей в Питоне Есть конечно Petrel и всякий GoCad (софт такой), с ними конечно легко и интересно строить всякие геологические модели для разных нужд. Но есть и общедоступный софт GemPy. С ним тоже можно строить 3D модели по картам, разрезам, скважинам или обнажениям. Есть еще одна причина посмотреть на GemPy. Это следует сделать если вы хотите научиться в Питон. GemPy позволяет научиться программировать ваши любимые геологические модели и кроме этого погрузиться в мир обработки, визуализации и анализа данных, и структурно-геологического моделирования в Питоне. Еще можно убить сразу двух зайцев и учить начинающих геоученых и инженеров как программированию, так и геологическому мышлению. А чтобы самим не сломать голову как оптимально построить учебный процесс, авторы GemPy накатали целое учебное пособие как им пользоваться - инджой. Кстати, сейчас, это учебное пособие является частью нескольких курсов по геологии Университета в Аахене, Германия. #geomodeling #geo

Прислали интересную визуализацию поиска путей А*. Очень залипательно, а про сам алгоримт есть тут.

Возвращение в канал, кажется, уместнее всего сопроводить цитатой из великого: Look i made you some content В рамках подготовки к занятиям по пространственному анализу сделала несколько Jupyter notebooks с основами работы с пространственными данными на Python и немного про пространственную статистику с теорией: https://github.com/baltti/python-spatial (скорее всего все будет обновляться и дополняться) Большая часть материалов переводилась из учебников: Introduction to Spatial Data Programming with Python https://geobgu.xyz/py/ Geographic Data Science with Python https://geographicdata.science/book/intro.html а материалы по базовым вопросам работы с геоданными построены по большей части на основе вот этого курса от https://t.me/datainthecity (на котором я попала в самый первый поток и к стыду своему так и не закончила).

Какие красивые карты маяков в профиле researchremora. У него сделаны на R (пакет rayshader), но Dennis Kao сделал очень похожее в Tableau.

Небольшой открытой видео курс по основам работы с QGIS https://urokiqgis.ru/ от автора канала https://t.me/etokugis

Книги и ресурсы для работы с географическими данными в Python 🗺️ Географические данные вездесущи. Существует множество различных ресурсов и библиотек, область которых находится на пересечении ГИС/географии и мира науки о данных. Ранее я рассказал про ресурсы языка R для специалистов Data Science, которые работают с географическими данными. Выделю следующие доступные онлайн ресурсы по введению в анализ географических данных на языке Python. 📌 Introduction to Python for Geographic Data Analysis, авторы Henrikki Tenkanen, Vuokko Heikinheimo and David Whipp 📌 Geographic Data Science with Python, авторы Sergio J. Rey, Dani Arribas-Bel and Levi J. Wolf. Книга недавно вышла в издательстве CRC Press 📌 Geocomputation with Python, авторы Michael Dorman, Anita Graser, Jakub Nowosad and Robin Lovelace 📌 Introduction to Spatial Data Programming with Python, автор Michael Dorman. На титульной странице есть большой список ресурсов 💫 по библиотекам, курсам и материалам 📌 An Introduction to Earth and Environmental Data Science, автор Ryan Abernathey 📌 Awesome Open Geoscience - сборник ресурсов, в основном на Python, где-то, возможно, устаревший 📌 Geoprocessing with Python, автор Chris Garrard. Я в свое время попал в акцию издательства Manning, когда эту книгу раздавали бесплатно ✔️ Небольшое актуальное введение в пространственные данные на Python можно посмотреть в докладе Martin Christen: Geospatial Data Processing with Python - A Comprehensive Tutorial на PyConDE. 🚀 Бонус: Awesome Geospatial Python 🌏 P.S. Коллега недавно приобрел книгу Алгоритмы ГИС. Теория и применение геоинформационных систем и технологий, ДМК Пресс, 2021, автор Нинчуань Сяо - рекомендую как хорошее подробное введение в алгоритмы геоинформационных систем.

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

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

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.

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.