Город на карте

Демонстрация процесса

Всем привет! Из-за недавних сбоев в работе плагина QuickOSM решил собрать свой модуль-загрузчик данных из OSM под названием de_osm. Установка через колбу, открываем плагин, нажимаем кнопку 🔗, в окне поиска вводим названием de_osm, находим и сохраняем скрипт. После запуска скрипта внизу слева появится виджет, в котором нужно выбрать тег объектов загрузки, затем с помощью кнопки установки охвата чертим рамку выгрузки (по аналогии с выгрузкой данных в nspd_navigator). После установки рамки нажимаем Download. В наборе тегов отобраны часто используемые значения, его можно пополнить другими значениями. При необходимости ненужные теги можно удалить или сбросить все до изначального вида.

​​Замки мира Нашла очень классную карту для любителей путешествий и истории. https://thecastlemap.com На ней собраны тысячи замков, крепостей и руин со всего мира. Можно фильтровать их по эпохе, типу, цивилизации, популярности или просто скроллить, как будто листаешь исторический атлас. Я особенно люблю карты за их наглядность. Сразу становятся заметны вещи, которые сложно увидеть в списке: где замки образуют целые кластеры, где их почти нет, а если плавно менять фильтр по периоду — как менялась картинка в разных странах и регионах.

Собираем собственный навигатор: на GitHub выпустили GeoLibre — бесплатную опенсорсную платформу для работы с геоданными. Внутри — 700+ инструментов обработки карт, 3D-здания, полноценные глобусы Земли и других небесных тел. Есть даже панорамы улиц с архивом снимков за 10 лет. Можно делать стильные визуализации или анимации и даже вайбкодить собственный аналог Google Maps с офлайн-картами. Забираем тут.

📍📍Сделала интерактивный тренажёр по пространственной статистике📍📍 Внутри условный город с сетью датчиков PM2.5 и одна сквозная задача: по 60 точкам понять, что происходит во всём городе. В конце песочница для ваших CSV/GeoJSON: всё считается в браузере, данные никуда не отправляются. Формул нет совсем, но под каждым экраном готовый код на R и Python, который делает то же самое как в реальных расчетах. @urban_mash

В Threads попалась шутка: где-то в Азии есть невидимая линия, после которой жареный рис становится пловом. В комментариях добавили вторую — там плов превращается в паэлью. Чтобы проверить, видны ли эти линии в данных, пришлось скачать 87 ГБ OpenStreetMap. В выборку попали названия 2,35 миллиона заведений. Земля вокруг каждого получила цвет блюда на вывеске. Так появились шесть карт: рис, пельмени, донер, шашлык, лапша и кухни мира. Казалось, границы пойдут по горам и рекам. Но перевалы и торговые пути пропускают через хребты и людей, и названия; море чаще оставляет более резкий разрыв. В целом карта повторяет язык и культуру: pierogi переходят в вареники, вареники — в пельмени. Но один шов всё-таки лёг рядом с горами: плов и бирьяни расходятся у Гиндукуша, примерно на 70° восточной долготы. Плов остаётся на нагорьях, бирьяни начинается на равнинах. Пожалуй, это самое красивое исключение на всей карте. Карта фиксирует только слова на вывесках, а не причины их распространения. Покрытие OpenStreetMap очень неровное — это тоже видно. В общем, невидимая линия из Threads нашлась. Поиграть с картой: https://isoplov.vova.today/ru/rice?ref=tg-ru Как я её делал: https://vova.today/ru/works/plofornot?ref=tg-ru

🇨🇳 В Китае часто используют карты мира с нестандартной проекцией, где Китай находится в "центре мира"

Курс по использованию спутниковых эмбеддингов для анализа городской среды Алекс Синглтон (Alex Singleton) подготовил краткий курс по использованию спутниковых эмбеддингов AlphaEarth Foundations для анализа городской среды — Using Google’s AlphaEarth Foundations Embeddings for Building Analysis. По окончании, учащиеся научатся: ・ Настраивать Google Earth Engine (Python), загружать и извлекать нужные эмбеддинги. ・ Выполнять кластеризацию (k‑средних) для выявления типов зданий, определять оптимальное число кластеров и проверять результаты. ・ Использовать UMAP (Uniform Manifold Approximation and Projection) для визуализации многомерных эмбеддингов в двумерном пространстве. ・ Вычислять косинусное сходство для поиска зданий со схожими характеристиками. ・ Объединять спутниковые эмбеддинги с административными данных (например, сертификатами энергоэффективности — Energy Performance Certificates). ・ Создавать индексы предрасположенности (propensity indices) для описания распределения кластеров по характеристикам зданий. ・ Строить модели “случайного леса” для прогнозирования характеристик зданий, оценивать их точность и понимать ограничения. ・ Экспортировать результаты в различные форматы (GeoPackage, Parquet) для использования в ГИС-программах. ・ Создавать готовые к публикации графики и статистические сводки. #ИИ #GEE #python #город

Топ-10 населённых пунктов России по средней зарплате в 2025 (до вычета налогов) Фактически это два разных списка, случайно оказавшихся рядом. Первый — деревни и посёлки под Москвой. Сверхдоходов у их жителей, как правило, нет. Росстат относит зарплату к месту, где зарегистрирована организация, а не туда, где человек живёт и работает. Стоит в деревне на несколько десятков дворов головной офис большой компании или указан её юридический адрес, и весь её фонд оплаты труда приписывается этой точке. Нагляднее всего Коледино: здесь крупнейший сортировочный центр и регистрация Wildberries, поэтому «средняя по деревне» вбирает оклады айтишников и менеджмента всей фирмы. У Борзых, Северного, Сколкова, Жилина-1 и Новоивановского примерно то же самое: цифра показывает адрес в отчётности, а не заработки местных (хотя в Сколкове и Новоивановском свой вклад многие действительно работают по месту регистрации, ведь здесь большую роль играют компании-резиденты «Сколково»). Второй список — ресурсные посёлки Севера и Дальнего Востока, где зарабатывают не только местные, но и вахтовики. Усть-Карск в Забайкалье держится на прииске «Усть-Кара», одном из крупнейших золотодобытчиков региона и одном из десяти главных налогоплательщиков края. Чайво на Сахалине обслуживает нефтегазовый проект «Сахалин-1». Андег в Ненецком округе и Ивашка на Камчатке живут промышленной ловлей рыбы и морепродуктов. Высокая средняя складывается из трёх вещей: вахта с переработками, северные коэффициенты и надбавки, небольшое число занятых при высокой выработке на человека. Так что если вдруг попадётся громкий заголовок про «самую богатую деревню страны», сначала стоит понять, что там измеряют: реальные доходы людей или прописку корпорации. На карте оба типа лидеров видно сразу, их легко различить по региону и набору отраслей. Полная интерактивная карта средних зарплат по ~14 тыс. населённых пунктов — по ссылке. А желающих поддержать автора и посмотреть версию с фильтрами и выгрузкой первичных данных приглашаю подписаться на Boosty. Телеграм | Max

Любимый, оплати маник! Угребись Кусь и Грызь Нет, это не случайные фразы — а названия реальных бизнесов, которые присутствуют на Яндекс Картах. Вместе с коллегами изучили и визуализировали, как в России называют организации. Там есть свои миры и империи, самыми главными считаются Елена, Ольга и Анна, а среди животных королями вывесок являются Кот и Лиса. Посмотрите на всё сами: https://yandex.ru/company/researches/2026/orgnames

География будущего: какой она будет? 23 июня в Национальном центре «Россия» соберутся учителя географии, преподаватели вузов, студенты и эксперты из всех регионов страны. На форуме обсудят, как меняется географическое образование: от новых технологий и спутниковых данных до экспедиций, полевых исследований и создания нового учебника географии. Почему стоит принять участие? 🟡 Узнать о современных инструментах и практиках преподавания 🟡 Обменяться опытом с коллегами со всей страны 🟡 Познакомиться с экспертами в сфере образования и географии 🟡 Обсудить будущее школьной географии и подготовку нового поколения специалистов ✔ В программе: 14:00–15:30 — Открытие и пленарное заседание 16:00–17:30 — 6 тематических секций: — «Как выйти за рамки класса и учебника, чтобы стать лидером мнений в географии» — «От спутниковых снимков до школьных квестов: как высокие технологии меняют уроки географии» — «Вопросы школьной географии: от достижения предметных результатов до их оценивания» — «Не за партой: географические знания через экспедиции и научные открытия» — «Компас призвания: мотивационные маршруты» — «Новый учебник географии» ⏩Участие бесплатное по предварительной регистрации

Коллеги, хочу поделиться своим новым QGIS-плагином ArcticDEMDownloader. Плагин предназначен для упрощения загрузки данных ArcticDEM непосредственно в QGIS. Предыстория его появления довольно простая. При работе с ArcticDEM мне регулярно приходилось скачивать большое количество тайлов через браузер. В моём случае скорость загрузки одного тайла через браузер зачастую не превышала 400 Кбит/с, поэтому скачивание крупных объёмов данных занимало значительное время. Кроме того, после скачивания приходилось вручную распаковывать архивы и собирать данные для дальнейшей работы. В ArcticDEMDownloader этот процесс максимально автоматизирован. Основные возможности: • загрузка выбранных тайлов ArcticDEM напрямую в QGIS; • многопоточное скачивание файлов; • поддержка докачки после обрыва соединения; • отображение скорости загрузки и прогресса по каждому файлу; • пауза и возобновление загрузки отдельных файлов; • автоматическая распаковка архивов; • автоматическое создание VRT и загрузка его в проект; • подгрузка индексных shapefile ArcticDEM через интерфейс плагина. На данный момент при многопоточном скачивании скорость загрузки одного тайла в среднем достигает 2–5 Мбит/с, что существенно быстрее по сравнению с загрузкой через браузер в моих условиях. Плагин находится на стадии активного тестирования. Буду очень признателен за любые замечания, предложения по развитию функционала и сообщения об обнаруженных ошибках. Обратная связь поможет сделать инструмент более удобным и полезным для сообщества. Ниже прикладываю ссылку на GitHub-репозиторий. Установка плагина осуществляется через ZIP архив https://github.com/voorooniin0401/ArcticDEMDownloader

GEM-Forest — глобальная карта лесов и многолетних насаждений с разрешением 10 м за 2020 год, построенная на основе спутниковых эмбеддингов Alpha Earth Foundation (AEF) от Google DeepMind с помощью метода опорных векторов. В отличие от большинства глобальных карт лесов, GEM-Forest разделяет леса и многолетние насаждения, такие как масличная пальма, гевея, кокосовая пальма, оливки и фруктовые деревья. Набор данных представлен в двух вариантах. 🌳 GEM-FnF2020 — бинарная карта “лес/не-лес”, соответствующая определениям леса ФАО и EUDR. Её общая точность составляет 91%, а F1-мера — 0,90 при валидации на независимой выборке из примерно 21 000 точек. 🌳 GEM-TC2020 добавляет класс многолетних насаждений как подкласс “не-леса”, с общей точностью выше 85% для большинства типов древесных культур. Поскольку эмбеддинги AEF охватывают период 2017–2025 гг., одни и те же обученные веса модели могут применяться на всём этом временном интервале и пользователи могут строить согласованные годовые карты для обнаружения изменений без необходимости дообучения или перестройки вспомогательных наборов данных. 🌐 Данные на Google Earth Engine 📥 Zenodo 📖 Методика #GEE #данные #лес

Интеграция игровых механик в Google Earth Разработчик подготавливает к релизу проект CrimeWorld (cw.naveen.to), который трансформирует Google Earth в игровую среду, позволяя любому месту стать частью виртуального мира. Как известно, в Google Earth доступны высококачественные 3D-визуализации множества городов США, Европы и других регионов. Похожая концепция в более крупном масштабе реализована в таких продуктах, как Microsoft Flight Simulator. В настоящее время проект находится на стадии раннего доступа; можно подать заявку на включение в лист ожидания 🌍🎮

🌟 Учимся подбирать шрифты 🌟 У меня уже выходила отдельная статья про то, как правильно подбирать шрифты для карты. А теперь я расскажу, где смотреть на чужие примеры и подворовывать вдохновляться. Есть прекрасный сайт для дизайнеров, где на примере разной печатной продукции показывается использование разных шрифтов. Вводите в поиске слово MAP и видите множество примеров карт, где для каждой разобрано, какие шрифты на ней используются. Пользуюсь сама и вам советую! Fontsinuse