Re: Definitieve neerslagkaart 19 en 20 mei (216 waarnemingen).
Bericht van: Rutger (Meppel) , 21-05-2022 11:08
- Bedankt voor het invullen van het formulier iedereen! Geeft toch een aardig beeld van waar de meeste en minste neerslag is gevallen. Ik heb zwarte punten toegevoegd om de waarnemingen/metingen te tonen.
(Voor de geïnteresseerden, zie onder de afbeelding voor een korte uitleg hoe ik deze heb gemaakt.)
Ik heb een Spreadsheet verbonden aan het Google Formulier waarin alle antwoorden binnen komen. Vervolgens moest ik handmatig per locatie de latitude/longitude per locatie vinden (nog geen manier gevonden om dat te automatiseren). Daarna exporteer ik het naar een CSV-bestand, die kan worden gelezen door Python. Met een aantal Python-modules heb ik dan een "basemap" gemaakt voor de Benelux. Vervolgens worden de punten/waarnemingen geïnterpoleerd. Tot slot heb ik een kleurenschaal ingesteld en de individuele punten geplot.
Leuk gedaan! Je zou voor Nederland bijvoorbeeld de PDOK locatieserver kunnen gebruiken om de plaatsnaam om te zetten naar een locatie.
Je kan eerst zoeken met een term, en daaruit een gewenst resultaat pakken. Bijvoorbeeld zoeken op "Wageningen", dat geeft als eerste resultaat de gemeente, maar voor deze applicatie wil je waarschijnlijk liever de plaats (waarvan het ID begint met "wpl-").
https://geodata.nationaalgeoregister.nl/locatieserver/v3/suggest?wt=json&q=wageningen
Als je een ID hebt geselecteerd kan je de details daarvan opvragen met bijvoorbeeld:
En dan kan je daar de coördinaten uithalen, in WKT formaat. Als je kaart in Rijksdriehoek is kan je die coördinaten direct gebruiken, anders lat/lon en die omzetten naar de projectie die je gebruikt.
Het formaat van de response kan je ook veranderen naar xml,csv etc. Maar in Python, voor dit soort toepassingen, lijkt json me het handigste.
Je kan met iets als requests een functie schrijven die bovenstaande urls uitvoert op basis van een plaatsnaam. Als je dan bijvoorbeeld de data laad in Pandas kan je een functie schrijven die de locatie toevoegt met "df.apply(fetch_coords, axis=1)".
Voor andere landen kan je aan bronnen als OpenStreetMap denken, dat zal wel iets meer werk zijn.
