URBAN MASH


Гео и язык канала: Россия, Русский
Категория: Новости и СМИ


Про гисы, городские данные и градостроительство
Автор: Мария Эрцеговац
Для связи @merc_telega

Связанные каналы  |  Похожие каналы

Гео и язык канала
Россия, Русский
Категория
Новости и СМИ
Статистика
Фильтр публикаций


FOSS4G HIROSHIMA 2026

Уже совсем скоро еду на конференцию в Японию выступать с 2 докладами!

@urban_mash


👍ВОЗМОЖНОСТИ ГЕОАНАЛИТИКИ В REAL ESTATE

❤️Несколько дней работала над материалом, welcome to research!

1️⃣Скоринг площадок. Карта города из 780 гексагонов. Двигаешь веса и рейтинг пересчитывается.

2️⃣Типология районов. Кластеризация Уорда показывает, где рынок уже дорогой, а где ещё резерв.

3️⃣Цена метра. Таблица Bonus/Malus: из чего именно складываются ₽/м² по строчкам, с источником на каждую.

4️⃣Размещение строительных бригад. p-median, p-center, MCLP - три постановки задачи дают три разных ответа на одной и той же карте.

5️⃣Как обучают модель. Живое доказательство утечки через географию: случайный сплит завышает точность в 7 раз. Внутри Spatial K-Fold и четыре нарезки фолдов.

❤️Планшет интерактивный там всё крутится, а не картинки: https://m-erts.github.io/geoanalytics-realestate/
❤️Разбор с формулами и источниками в статье: https://teletype.in/@merc_telega/geoanalytics-realestate

@urban_mash


🧠 НЕЙРОУРБАНИСТИКА

1️⃣Направления:

1. Зелень и структура мозга. Самое разработанное направление. Апрель 2025, Biological Psychiatry: 7102 подростка из когорты ABCD. Зелень вокруг дома в 9–10 лет предсказывает траекторию роста коры через два года - и уже эта траектория связана с психическим здоровьем и успеваемостью. Статья

2. Морфотип и когнитивная карта. Nature, 2022: 397 162 человека из 38 стран играли в навигационную игру. Выросшие в городах с сеткой улиц хуже ориентируются в извилистых городах, и наоборот — люди лучше всего справляются со средой, топологически похожей на среду детства. Энтропия уличной сети оказалась рабочим предиктором. Статья

3. Этажность. Систематический обзор в Cities: просеяли 4100 работ, отобрали 23. Тип дома, этаж и «промежуточные» пространства вроде общих лестниц действительно связаны с психическим здоровьем и социальным благополучием. Но методология в поле разнородная, и авторы честно пишут: выводы пока предварительные. PDF

4. Фасады и визуальная сложность. Колин Эллард водил людей с браслетами, меряющими кожную проводимость, вдоль глухой стены супермаркета на Хьюстон-стрит и вдоль живого ряда витрин. У глухой стены возбуждение падало почти в ноль, и это не успокоение, а скука, идти надо, а смотреть не на что. Слова участников: «пресно, монотонно, безжизненно». Нормы на длину слепого фасада в городах и так существуют (Финикс - не больше 20 футов без окна), но раньше их защищали эстетикой. Теперь под ними физиология. Эссе Элларда

5. Звук. Scientific Reports, 2022: 1292 человека, 26 856 замеров через приложение. Встреча с птицами улучшает самочувствие с последействием, в том числе у людей с диагностированной депрессией. Встречный результат: транспортный шум повышает подавленность (привет всем на спектре). Статья

6. Свет и безопасность. Редкий для урбанистики рандомизированный эксперимент: в Нью-Йорке временное освещение случайно раздали 40 жилым комплексам. Ночная уличная преступность упала минимум на 36%. Статья

7. Что перевешивает что. 2025, метод exposure network mapping на UK Biobank. Связка «депривация + грязный воздух + плотность улично-дорожной сети» бьёт по аффективным симптомам через зоны обработки вознаграждения. Зелень и пешая доступность работают в минус тревожности через зоны эмоциональной регуляции. Статья

2️⃣За кем следить:

1. AG Neurourbanistik, Charité, Берлин - Мазда Адли, автор самого термина в его нынешнем виде. Пишут Хартию нейроурбанистики. тык1, тык2
2. Center for Environmental Neuroscience, MPI развития человека, Берлин - Симоне Кюн, с 2024 директор института. Та самая работа про час в лесу и падение активности миндалины. тык
3. Environmental Neuroscience Lab, Чикаго - Марк Берман. Прогулка в парке улучшает память и внимание на 20%. Сейчас гоняют deep learning по Google Street View и соцсетям: жара, физический беспорядок, зелень, сплочённость - и как всё это связано с преступностью. тык1, тык2
4. Urban Realities Laboratory, Ватерлоо - Колин Эллард. Датчики, VR, улица. тык
5. Spiers Lab, UCL — Хьюго Спирс, пространственная навигация и города. тык1, тык2
6. NeuroLandscape, Варшава - Агнешка Ольшевска-Гиззо, «модель созерцательного ландшафта». В декабре 2025 говорила с Nature. тык1, тык2
7. ZI Mannheim, Гейдельберг - Мейер-Линденберг, классика 2011 года про городское детство и цингулярную кору.
8. ISGlobal, Барселона — Марк Нивенхёйсен, доказательная база под суперкварталы.
9. Centre for Urban Mental Health, Амстердам — три факультета UvA, подход через теорию сложных систем. тык
10. eMOTIONAL Cities, Лиссабон — полевые эксперименты в Лиссабоне, Лондоне, Копенгагене; собрали рюкзак с ЭЭГ, айтрекингом и датчиками воздуха. тык

3️⃣Как записаться испытуемым:

- Откуда угодно, с телефона: Urban Mind от King's College London. Гуляешь, отвечаешь на вопросы, и данные идут в реальные публикации.
- Игра вместо теста: Sea Hero Quest - навигационная игра, давшая крупнейший в мире датасет и больше 30 статей (включая ту, что в Nature). Перезапущена как Research Edition, качается из сторов.
- Пул лаборатории: у MPI в Берлине открытая анкета для добровольцев и онлайн-панель с оплатой участия.
- Локальные наборы: GreenInCities искал по 50 жителей в Нова-Горице и Хельсинки. Такие призывы висят на сайтах проектов, ловятся только подпиской.

4️⃣Что есть в Вышке

Группа нейрокогнитивных исследований городской среды в Институте когнитивных нейронаук - это ровно нейроурбанистика. Пока увила три линии: айтрекинг дворов при выборе аренды, VR-360 и стресс, межсубъектная корреляция ЭЭГ на видеопрогулках. Руководитель - Василий Ключарев (когда-то слушала его лекции по нейрэкономике на постнауке).

@urban_mash


📍Наткнулась на классный сайт по Нидерландам!

Обычно мы смотрим на административные границы, но они часто устаревают и не отражают реальную жизнь. Тут показано, как регионы Нидерландов формируются функционально (через маятниковую миграцию, трудовые поездки и переезды).

🔥В основе 20 лет стат данных Центрального бюро статистики Нидерландов (CBS) по поездкам на работу, учебу и смене жительства.

🔥Главный принцип: если 10% жителей муниципалитета ездят на работу в определенный город, он входит в его Daily Urban System (ежедневную городскую систему).

Я делала похожий ресерч по функциональной географии в Habidatum осенью-зимой :) Жду окончания проекта, чтобы можно было с вами поделиться, что у нас получилось!

@urban_mash


🧠 Я поступила на 5/5 европейских магистерских програм, куда я подавалась!

GEM Erasmus Mundus, TU Delft, TU Dublin, Wageningen, UvA.
Что бы выбрали вы? Какая ваша магистратура мечты?

@urban_mash


Репост из: Факультет географии НИУ ВШЭ
🌐 До 8 августа открыт прием документов на магистерскую программу «Пространственные данные и прикладная геоаналитика». Обучение проходит на факультете географии и геоинформационных технологий НИУ ВШЭ!

Это первая в России образовательная программа уровня магистратуры, которая объединяет глубокое освоение инструментов геоаналитики и науки о пространственных данных. Учащиеся узнают о ключевых проблемах развития территорий, для решения которых применяются такие инструменты.

Обучение на программе — это:
Развитие аналитических навыков и опыта работы с ИИ. Вы научитесь эффективно работать с пространственными данными и инструментами геоаналитики. Особое внимание мы уделим искусственному интеллекту и машинному обучению.
Практическая ориентация. Программа объединяет технологические компетенции с пониманием сути задач, которые возникают при принятии пространственных решений в бизнесе и госуправлении.
Возможность обучаться у ведущих исследователей и практиков. Основы науки о пространственных данных будут преподавать ученые и бизнес-практики, что обеспечит глубокое понимание предмета и высокое качество образования.
Практика и нетворкинг. Вы будете учиться у практикующих специалистов из Центра геоданных НИУ ВШЭ и экспертов компаний, работающих в сфере геоаналитики. У вас будет возможность пройти стажировку в компаниях-партнерах, что поможет применить знания на практике.

✅ Курс «Машинное обучение в пространственных задачах» магистратуры «Пространственные данные и прикладная геоаналитика» обновлен при грантовой поддержке Фонда Владимира Потанина. Проект его редизайна, подготовленный преподавателями и студенткой программы, вошел в число 150 победителей конкурса фонда для преподавателей 2025/2026 учебного года.

👉 Больше о поступлении на сайте приемной комиссии.

ℹ️ Информация о магистратуре в карточках и на сайте.

#ФГГТ_образование #ФГГТ_магистратура


📍📍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


🌡 ПСИХРОМЕТРИЯ: КАК ЧИТАТЬ КЛИМАТ В АРХИТЕКТУРНЫХ ПРОЕКТАХ

Недавно я была на летней школе в TU Delft, посвященной устойчивому развития жилья (было круто и полезно). В проекте реновации социального жилья в Делфте я была ответствена за аналитическую градостроительную часть. Новым знанием для меня был учет климатических особенностей местности, в НЛ это маст часть перед любым энергоэффективным проектом (сейчас общенациональная задача - уйти от газа и повысить энергетические лейблы). Давайте разбираться.

И да, анализ психрометрический (psychrometrics — наука о влажном воздухе), а не психометрический. Психометрия — это про тесты личности :) Архитектору важно хотя бы уметь читать диаграммы, а геоаналитикам имхо еще и строить.

1️⃣ЧТО ЭТО ТАКОЕ

По оси X — сухая температура воздуха, по оси Y — влагосодержание (г воды на кг сухого воздуха), кривые внутри — относительная влажность и энтальпия (да, было много физики на программе). Любое состояние воздуха = одна точка на графике.

Дальше берём метеофайл за год — это 8760 часов — и высыпаем их все на диаграмму как гистограмму по ячейкам. Получается портрет климата: не средние значения по месяцам, а где реально живёт погода весь год.

2️⃣ЗАЧЕМ ЭТО НУЖНО

Диаграмма отвечает на вопросы, которые дороже всего менять на поздних стадиях:
🔥сколько часов наружный воздух уже комфортен и достаточно просто открыть окно;
🔥сколько часов здание догреется само внутренними теплопоступлениями (люди, техника, свет);
🔥нужна ли механическая холодилка или хватает ночного проветривания и затенения;
🔥какая пассивная стратегия даёт максимум часов комфорта на вложенный рубль.

3️⃣ЧТО ЗА 14 ЗОН

Это Givoni–Milne bioclimatic chart — идея в том, чтобы вокруг зоны комфорта пририсовать многоугольники: до какой погоды нас может дотянуть та или иная стратегия.

Конкретно разбивка на 14 пронумерованных зон — из обзора Manzano-Agugliaro et al., «Review of bioclimatic architecture strategies for achieving thermal comfort», где зоны 1 и 2 — идеальный комфорт, а дальше по нарастающей: внутренние теплопоступления, пассивное солнце, активное солнце, увлажнение, обычное отопление, солнцезащита, термомасса, испарительное охлаждение, ночное проветривание, вентиляция, кондиционирование, осушение.

Сами 14 зон — это не стандарт, а методика. Стандартом задаются только границы комфорта: ASHRAE 55 (PMV Фангера) в американской традиции и EN 16798-1 в европейской. Границы «расширений» — эмпирика Гивони, у разных софтов полигоны чуть разные. Поэтому Climate Consultant, Ladybug и кастомные скрипты никогда не сойдутся до десятых, это нормально.

4️⃣ЧТО ПОЛУЧИЛОСЬ У НАС

TMYx для Rotterdam The Hague AP:
🔥53% часов — обычное отопление
🔥25,6% — отопление внутренними теплопоступлениями
🔥 1,1% — вентиляция
🔥 0% — кондиционирование

Вывод: климат отопительный, все деньги надо класть в оболочку и источник тепла, а не в охлаждение (несмотря на то, что после пару дней аномалии из-за Эль-Ниньо впечатление может сложиться иное). И эти 25,6% — не подарок, а резерв, который открывается только после утепления, иначе тепло просто утекает.

Ещё два момента: зоны 1–2 и зона 8 (солнцезащита) пересекаются, поэтому сумма процентов больше 100. И «доля часов» ≠ «доля энергии»: часы при −5°C весят гораздо больше, чем часы при +18°C.

5️⃣КАК ЭТО ПОВТОРИТЬ

Входной файл всего один — EPW (почасовой метеофайл EnergyPlus). Брать на climate.onebuilding.org (там же свежие TMYx) или на energyplus.net/weather.

Без кода (я не использовала):
🔥Climate Consultant 6.0 от UCLA
🔥Psychro Chart Web Эндрю Марша
🔥Ladybug для Grasshopper (тут пассивных стратегий 5, а не 14)

На питоне (я использовала):
🔥ladybug-core — чтение EPW: `from ladybug.epw import EPW
🔥psychrolib — психрометрика по ASHRAE RP-1485, MIT-лицензия
🔥pythermalcomfort от CBE — PMV/PPD (это индексы теплового комфорта) и адаптивные модели по ASHRAE55 и EN16798
🔥ladybug-charts — если не хочется рисовать полигоны руками

Весь пайплайн это четыре шага:
1) открыть EPW и достать оттуда два столбца: температура и влажность на каждый час года;
2) пересчитать относительную влажность во влагосодержание (psychrolib);
3) разбить поле на клетки (1°C по горизонтали, 0,5 г/кг по вертикали) и посчитать, сколько часов попало в каждую — это и есть то цветное облако;
4) наложить сверху границы зон и посчитать, сколько точек внутри каждой.

Гитхабы в помощь: ladybug-tools/ladybug, psychrometrics/psychrolib, CenterForTheBuiltEnvironment/pythermalcomfort.

6️⃣ТАК А ЧТО С КОНКРЕТНЫМ ЗДАНИЕМ?

Тут 2 объемные диагарммы, построенные на одной 3D-модели и одном EPW и считают 2 разные физические величины.

💸Слева — годовая солнечная иррадиация, кВт·ч/м²·год. Это энергия. Интеграл прямой и рассеянной радиации по всему небосводу за год с учётом угла падения и самозатенения. Отвечает на вопросы: где ставить PV (солнечные панели), сколько бесплатного тепла зимой приходит через окна, где фасад будет перегреваться.

💸Справа — количество часов прямого солнца, ч/год. Это время. Просто счётчик часов, когда солнце над горизонтом, в передней полусфере и не перекрыто геометрией. Отвечает на вопросы: где нужны наружные жалюзи, где будет блик на мониторах, какие дворы реально солнечные.

Что нужно технически:
🔥Геометрия — из SketchUp или Rhino.
🔥Контекст — соседние здания и рельеф. Без него цифры завышены, потому что модель думает, что вокруг чистое поле.
🔥Тот же EPW, что и для психрометрии.
🔥Движок Radiance через Ladybug Tools: компонент LB Incident Radiation для первой картинки и LB Direct Sun Hours для второй.

Альтернативы: ClimateStudio быстрее, но платно.

❤️САММАРИ

Психрометрия говорит что делать: климат отопительный, значит оболочка и тепловой насос, а не кондиционеры. Карта радиации говорит, где брать бесплатную энергию. Карта часов солнца говорит, где защищаться и показывает, что во дворе защищаться почти не от чего, галерейные балконы уже всё затенили.

@urban_mash




❤️Запись моего выступления на Мапаконе

Вот тут презентация - https://t.me/URBAN_MASH/337

@urban_mash
Мапакон 2026. Мария Эрцеговац — Spatial Algorithms + ML Как ML усиливает пространственные алгоритмы
Мария Эрцеговац — выпускница НИУ ВШЭ "Городское планирование", ex - КБ Стрелка, ex - Я.Поиск и Я.Лавка, ресерчер в Habidatum, работает над европейским гео-старптапом, представила доклад «Spatial Algorithms + ML Как ML усиливает пространственные алгоритмы» Мапакон 2026 - Конференция Картетики по геот...


Информационный пост в рамках сотрудничества с NextGIS.

У коллег есть практический онлайн-курс «Фундаментальный QGIS: геоданные, анализ, карты».

Основные блоки программы:
— Работа с интерфейсом и типами геоданных.
— Создание и оформление карт.
— Инструменты пространственного анализа.

Обучение проходит на платформе Skillspace, доступ к материалам бессрочный. Предусмотрена поддержка в закрытом сообществе и выдача сертификата.

Сведения о курсе и регистрация: https://nextgis.skillspace.ru/l/qgis

@urban_mash


‼️КУРС‼️

После Яндекса зрела идея собрать профессиональный опыт в один системный образовательный продукт, и вот мы с Каримом Валиевым перешли к активной фазе работы над курсом по пространственной аналитике.

Курс не про QGIS, а про алгоритмическую и инженерную сторону работы с геоданными:

❤️Core-фундамент: от геометрии и пространственных индексов (H3, S2) до графов и сетевого анализа.
❤️Data Science & ML: кластеризация, пространственная статистика, GWR и применение нейросетей для растров.
❤️Big Data: работа с Apache Sedona, GeoParquet и DuckDB для тех случаев, когда данных слишком много для обычных инструментов.
❤️Практика: оптимизация размещения объектов и вопросы качества/валидации данных.

Мы хотим сделать курс максимально прикладным и полезным для сообщества, поэтому сейчас нам важен ваш фидбек. Помогите нам определиться с форматом, сложностью и конкретными темами, которые вам интересны.

Заполнение анкеты займет пару минут, но очень поможет нам сделать крутой продукт:

https://docs.google.com/forms/d/e/1FAIpQLSdtqQPMdNYhibQS1ofY4OGMxmNhP0qEwYp6lDZu0ZFs6qDL4w/viewform

@urban_mash


Сегодня была на митапе по GeoAi, было 3 классных доклада от Microsoft, FourSquare и TomTom. Про последний расскажу подробнее чуть позже)

@urban_mash


❤️Вот моя презентация на Мапаконе! ❤️

1. Методология ML в геоданных

1️⃣Spatial Cross-Validation: Почему стандартные методы оценки моделей врут на географических данных и как правильно делить выборку на блоки, чтобы избежать переобучения из-за пространственной автокорреляции.
2️⃣Feature Engineering: Как извлекать признаки, учитывающие соседство и топологию.

2. Пространственная кластеризация

1️⃣Алгоритмы: Переход от K-means к плотностным методам (DBSCAN/HDBSCAN).
2️⃣Геометрия: Почему расчеты в евклидовом пространстве (градусах) для кластеров — это ошибка, и как работать с метрическими проекциями.

3. Оптимизация и графы

1️⃣Сетевой анализ: Совмещение ML-прогнозов спроса с классическими алгоритмами поиска путей.
2️⃣Реальные дистанции: Уход от «расстояний по прямой» к расчетам по дорожной сети с учетом весов.

4. Качество данных и аномалии

1️⃣Data Cleaning: Автоматический поиск выбросов в GPS-треках и координатах через Isolation Forest.
2️⃣MAUP (Modifiable Areal Unit Problem): Как масштаб сетки (агрегация по районам vs H3-гексагоны) меняет статистические результаты и как минимизировать это влияние.

@urban_mash


Через 1.5 часа в 16.45 по мск выступаю на Мапаконе

@urban_mash


🗾FOSS4G 2026 Hiroshima — НУЖНА ВАША ПОДДЕРЖКА!

Открытое голосование за доклады на главной конференции по open-source геоаналитике. Мои 2 заявки в деле — и сообщество решает, кто выступит. Голосование до 3 апреля.

🚨Как проголосовать (2 минуты):

1️⃣Перейти по ссылке https://talks.osgeo.org/foss4g-2026/p/voting/signup/
2️⃣Ввести email
3️⃣Найти мои доклады через Ctrl+F (всего 19 страниц)
4️⃣Поставить "Definitely"

🔎 Что искать:

❤️"Eurostat vs OSM vs Census: Choosing Open Mobility Data for Urban Function Maps". Сравниваю 3 открытых источника мобильности (Eurostat MNO, OSM GPS traces, Census) через Python/PostGIS — какой из них реально работает для анализа городских функций.

❤️"50 Lines of Python: Neighborhood DNA from Overture Maps Places". 53 млн POI из Overture Maps → типология районов за 50 строк кода (DuckDB + HDBSCAN + UMAP).

Спасибо всем, кто поддержит!

@urban_mash


🗺 Подборка полезных плагинов QGIS от Mashford Mahute

@urban_mash


🗺 ЦИФРОВЫЕ КАРТЫ И ИЛЛЮЗИЯ ТОЧНОСТИ

Разберем два фундаментальных текста по геоинформатике - авторов Питер Берроу и Пьер ван Оорт - о методах проверки качества геоданных и главные ловушки.

1️⃣Accuracy ≠ Precision: самая опасная путаница в ГИС (картинка мишени)

🔥Accuracy — насколько результат близок к истинному значению. Считается через полную ошибку. Метрика: RMSE.
🔥Precision — насколько результаты близки друг к другу. Считается через случайную ошибку. Метрика: Standard Deviation.

Полная ошибка = bias + случайная ошибка. Если bias = 0, то precision = accuracy.

🎯 High Precision + Low Accuracy — самое коварное состояние в ГИС. Прибор стабильно выдаёт одинаковый результат, но он систематически сдвинут. Вы получаете «уверенную ложь» — данные выглядят надёжно, но все смещены, например, на 50 м на восток.

Почему это "меньшее зло"? Потому что систематическую ошибку можно обнаружить и скорректировать одной калибровкой (rubber sheeting, аффинная трансформация). А вот случайный разброс (Low Precision) — нет: каждую точку придётся перемерять заново.

2️⃣Три группы ошибок: от очевидного к невидимому (Table 6.1 Burrough)

Группа I — Очевидные: возраст данных, масштаб, охват, плотность наблюдений, релевантность, формат, доступность, стоимость. Это чек-лист, который можно проверить за 5 минут.

Группа II — Скрытые (измерения и природа):

- Позиционная точность: дом можно нанести точно, а границу болота — нет
- Observer bias: качество зависит от характера картографа
- Природная изменчивость: даже идеальные приборы не устранят неопределённость

Группа III — Невидимые (обработка):

- Ошибки округления: в 8/16-битных системах 27 последовательных возведений в квадрат дают ошибку 1200%
- Топологические сбои при наложении карт
- Некорректная классификация и интерполяция

Группа III опаснее всего, потому что для обнаружения нужно понимать не только данные, но и алгоритмы, обработки.

3️⃣«Цифровой обман»: storage precision vs statistical precision

Ван Оорт вводит критическое разделение:

🔥Storage precision — это просто количество знаков после запятой, которое хранится в базе.
🔥Statistical precision — это реальная точность измерений и возможный разброс данных.

Например, координата может быть записана как 52.123456789°, но если она получена с GPS с погрешностью ±5 м, большое число знаков после запятой не делает её реально точной. Одно не гарантирует другое.

В базе данных можно записать координаты с точностью до нанометра. Но если замер сделан бытовым GPS, все эти цифры — математический мусор. Высокая разрядность ≠ высокое качество.

4️⃣Смерть масштаба в эпоху зума

Раньше на бумажной карте масштаб 1:10 000 гарантировал определённую точность. В ГИС - нет. Ван Оорт: «In a GIS it is quite easy to increase the resolution of a data set, thereby suggesting a high precision and large scale.».

Вы можете зумить карту до тех пор, пока пиксель не станет размером с дом. Но новых деталей не появится — это просто растягивание неопределённости.

Resolution (разрешение) — как данные показаны.
Precision — что мы реально можем различить.

5️⃣Элементы качества: от 5 источников к единому стандарту (Table 1 van Oort)

Ван Оорт собрал 11 элементов качества пространственных данных из 5 источников (Aronoff, USA-SDTS, ICA, CEN, ISO). Ключевое наблюдение:

- Lineage, positional accuracy, completeness — признаны всеми источниками
- Semantic accuracy — признана только ICA и CEN, игнорируется остальными
- Variation in quality, meta-quality — неявно признаны, но редко документируются
- Resolution — везде неявная или вообще в метаданных, хотя это критичный параметр

Этот разнобой показывает: даже на уровне стандартов нет единого понимания, что именно значит «качественные геоданные». Только ISO 19157 (2013, 2023) попытался свести это воедино.

❤️А что на практике? Сравнение реальных гео-источников

По заданию курса EuroSDR Spatial Data Quality я сравнила несколько источников геоданных: гугл карты, osm, национальных агентств. Смотрите картинку с таблицей.

@urban_mash




Невероятные визуализации в виде статистической гео-лупы
от Benjamin Niedermann 😍
🔎

Интерактивные карты, где вы сами можете поиграться:
❤️Exploring 311 Complaints in New York City
❤️Exploring the Baden-Württemberg State Election 8 March 2026

💸2 его поста в Линке: 1 и 2

@urban_mash

Показано 20 последних публикаций.