Das gleiche bei mir im Kreis Dithmarschen. Ich habe den Verdacht das sind hauptsächlich kleine landuse=industrial auf denen nur eine WEA steht (Node mit power=generator).
Ich fände es auch schön wenn man deine Auswertung irgendwie detaillierter überprüfen könnte
Hallo,
ich finde das koordinierte Mappen in Form von Challenges wirklich toll! Besonders die Datenanalyse und Darstellung von hfs ist spitze!
Wie in diesem Thread kürzlich erläutert, stellen wir nun auf der OpenTopoMap Parkplätze dar, die für Wanderer interessant sind. Hierfür nehmen wir nicht nur als Wandererparkplätze kartierte Parkplätze (amenity=parking & hiking=yes) her, sondern beziehen die Umgebung in eine Schätzung mit ein, ob ein normaler Parkplatz (amenity=parking) interessant ist. Hierfür sind korrekt kartierte landuse-Polygone essentiell: In Städten wird oft jede Parkbucht kartiert, welche das Kartenbild völlig überladen würden. Deshalb selektieren wir nur Parkplätze, die weit genug außerhalb von landuse=residential/commercial/… liegen. Ein Negativ-Beispiel ist momentan (!) Eglfing bei München: https://opentopomap.org/#map=17/48.11428/11.73822
Wie gesagt, deshalb haben wir ein Interesse daran, dass landuse-Polygone flächendeckend kartiert werden.
=> Eine überschaubare Aufgabe könnte sein:
Gebäudekluster (>= 20?), die nicht in einem landuse (residential, industrial etc.) liegen. Solche Flächen gibt es gelegentlich in größeren Orten, aber man sieht das auf der Karte nicht so leicht, wie landuse (wie vorstehend) ohne Gebäude.
Es sind noch viele Fehler drin, das muss ich gleich dazu sagen. Bevor Ihr Euch darauf stürzt, wartet lieber noch die nächste Version ab.
Z.B. habe ich landuse=industrial importiert aber nicht building=industrial, so dass die landuse-Fläche „leer“ erscheint. Ich werde mich erstmal auf landuse=residential und =farmyard beschränken mit den dazu passenden Gebäudetypen. Außerdem ist mir noch aufgefallen, dass „inner“ landuse-Ways von beliebigen Typen (z.B. farmland, grass) importiert werden, die Löcher in Multipolygonen sind. Das muss irgendwie daran liegen, wie ich osm2pgsql benutze, und ich werde sie noch nachträglich herausfiltern müssen.
Eigentlich hat GitHub eine schöne interaktive Filterfunktion, aber dafür sind es zu viele Daten, so dass das nur bei den ersten Bundesländern funktioniert. Bei Interesse müsstet Ihr die Dateien herunterladen oder im „raw“-Modus ansehen.
Mein Plan ist jetzt zunächst, die Daten zu verbessern, so dass möglichst nur noch echte Fälle übrig bleiben. Dann schauen wir mal, wie viele Fälle es pro Bundesland gibt. Für Länder mit weniger als sagen wir 2000 Fällen könnte ich eine MapRoulette-Challenge erstellen. Bei den Ländern mit noch mehr Fällen würde ich nochmals nach Landkreis aufteilen?
Andere Auswertungen als die CSV-Dateien wären natürlich auch denkbar. Was wäre denn hilfreich? Vielleicht eine OSM-Datei mit einem Punkt pro Landuse-Fläche die man sich als Layer in JOSM laden könnte? Das könnte als eine Art TODO-Liste dienen.
Mein Plan ist es jetzt, MapRoulette-Challenges je Bundesland zu erstellen. Berlin/Bremen/Hamburg/Saarland sind so wenige Fälle, dass ich die zu einer Challenge zusammenfassen würde. In Niedersachen sind so viele, dass ich dort weiter in Landkreise unterteilen würde.
Danke hab mir das Geojosm im JOSM angehängt und zu einem GPX Konvertiert ( + fett und rot ) und bin mit Carto Hintergrund von einem zu nächsten. Jetzt mal ca. ~25 Stück erl.
Stimmt, danke für den Hinweis. ich habe die CSV/GeoJSON-Dateien entsprechend aktualisert (die Adressen bleiben gleich).
Das hatte ich leider zu spät gelesen. Das nehme ich für den nächsten Durchlauf mit auf.
Ein wenig unsicher bin ich noch bezüglich building=industrial. Hier z.B. sind die Gebäude als industrial getaggt: https://www.openstreetmap.org/way/103644568. Geht das in Ordnung oder sollten es lieber “agrar-spezifische” Tags sein?
Ein wenig Werbung für die Sache bräuchte es vielleicht noch sind nicht so viele Mitstreiter dabei (z.B. Bayern 5 Leute wenn man bis 26 Punkte runter geht)