library(rvest)
url_data <- "kamapu/rgis-de/blob/main/Lernmaterial/Dateien/data"
page <- read_html(file.path("https://github.com", url_data))
file_links <- page %>%
html_nodes("a") %>%
html_attr("href")
file_links <- unique(file_links[grepl(url_data, file_links) &
file_links != url_data])
file_links <- sub("/blob/", "/", file_links)
dir.create("data")
for(i in paste0("https://raw.githubusercontent.com", file_links))
download.file(i, file.path("data", basename(i)), method = "curl")Verteilte Dateien
Beschreibung der Dateien, die für den Kurs verteilt werden.
Dateien Herunterladen
Die Dateien, die für diesen Kurs benötigt werden, sind im folgenden Repo hochgeladen. Alle Dateien können während der laufenden Sitzung mit den folgenden Befehlszeilen heruntergeladen werden.
Achte auf deiner Speicherplatz!
Zum Herunterladen dieser Dateien werden ca. 38 MB freier Speicherplatz benötigt. Da die Berechnungen mit den Rasterdatensätzen neue, ebenfalls große Dateien erzeugen, sollte ein Vielfaches dieser Größe frei gehalten werden, um damit auf dem eigenen PC arbeiten zu können.
Hier ein Zahl 38.
Beschreibung der Datensätzen
Bodenfeuchte Messungen
Daten eines Sensornetzwerkes zur Messung von Bodenfeuchte und Bodeneigenschaften. Die Daten wurden im Hainich, Deutschland, im Rahmen des AquaDiva-Projekts erhoben. Die Daten wurden von Zenodo heruntergeladen und geringfügig angepasst. Das Format ist in diesem Fall .csv (comma separated values) und beinhaltet Koordinaten in UTM Format.
Boden <- read.csv("data/soil_properties.csv")
head(Boden[ , 1:7]) smmp_id depthpos node_id x_smmp y_smmp z_surface install_year
1 3 b 76 598783.3 5662778 367.04 2014
2 3 t 76 598783.3 5662778 367.04 2014
3 6 b 8 598788.4 5662805 364.65 2014
4 6 t 8 598788.4 5662805 364.65 2014
5 10 b 76 598793.6 5662774 367.33 2014
6 10 t 76 598793.6 5662774 367.33 2014Alternativ zu read.csv(), das ein Objekt data.frame erzeugt, dieser Datensatz kann direkt als tibble importiert werden.
library(readr)
Boden <- read_csv("data/soil_properties.csv")
Boden# A tibble: 420 x 24
smmp_id depthpos node_id x_smmp y_smmp z_surface install_year next_tree_id
<dbl> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 3 b 76 598783. 5662778. 367. 2014 1098
2 3 t 76 598783. 5662778. 367. 2014 1098
3 6 b 8 598788. 5662805. 365. 2014 102
4 6 t 8 598788. 5662805. 365. 2014 102
5 10 b 76 598794. 5662774. 367. 2014 171
6 10 t 76 598794. 5662774. 367. 2014 171
7 13 b 6 598796. 5662808. 364. 2014 26
8 13 t 6 598796. 5662808. 364. 2014 26
9 15 b 45 598804. 5662757. 369. 2014 243
10 15 t 45 598804. 5662757. 369. 2014 243
# i 410 more rows
# i 16 more variables: next_tree_dist <dbl>, tree_pos <chr>, smmp_type <chr>,
# profiledepth_cm <dbl>, sampling_date_core <chr>, fc_vol_perc <dbl>,
# ks_m_s <dbl>, bulkdens_kg_m3 <dbl>, porosity_sat_vol_perc <dbl>,
# porosity_calc_vol_perc <dbl>, gravel_grav_perc <dbl>, sand_grav_perc <dbl>,
# silt_grav_perc <dbl>, clay_grav_perc <dbl>, textureclass <chr>,
# textureclass_ger <chr>Stadtbezirke in Bochum
Ein ESRI-Shapefile mit den Stadtbezirken von Bochum. Die Datei stammt aus dem Open Data Portal der Stadt Bochum. Der Inhalt der Attributtabelle wurde vereinfacht.
library(sf)
Bochum <- st_read("data/Stadtbezirke.shp")Warning in do.call(data.frame, c(x, alis)): unable to translate
'area[km<U+00B2>]' to native encodingplot(st_geometry(Bochum))
Straßennetz in Bochum
Straßennetz von Bochum aus Open Street Maps. Dieser Datensatz wurde mit Hilfe des Paketes osmdata (siehe dieses Tutorial) direkt in R heruntergeladen und als sf-Objekt in einer rds-Datei gespeichert.
library(sf)
Bochum_str <- readRDS("data/roads.rds")Warning in readRDS("data/roads.rds"): strings not representable in native
encoding will be translated to UTF-8plot(Bochum_str["highway"])
Krankenhäuser
Dieser Datensatz ist ebenfalls mit osmdata für Bochum heruntergeladen.
library(sf)
Bochum_krh <- readRDS("data/hospitals.rds")Warning in readRDS("data/hospitals.rds"): strings not representable in native
encoding will be translated to UTF-8plot(st_geometry(Bochum_krh), col = "red", border = "red")
Track Log von Troisdorf nach Bochum
In dieser Datei ist ein Track Log aufgezeichnet, der die Strecke von Troisdorf nach Bochum zeigt. Die Daten wurden mit einem GPS-Gerät (Garmin etrex 30) aufgezeichnet.
library(sf)
library(mapview)
Track <- st_read("data/Troisdorf-Bochum.gpx",
"track_points")mapview(Track, cex = 1)Biomasse von Wäldern
Dieser Datensatz stellt die oberirdische Biomasse der Wälder (AGBD für above-ground biomass density) für den Raum Bochum dar. Die Datei ist im GeoTiff-Format gespeichert und wurde ursprünglich aus dem Katalog der Geodateninfrastruktur Deutschland heruntergeladen. Aufgrund der Größe wurde diese Datei in Kacheln (Tiles) aufgeteilt.
library(terra)
t_names <- paste0("agbd-2022-tile", c(1:4), ".tif")
Biomasse <- vrt(file.path("data", t_names))
plot(Biomasse)
Bioklimatisches Modell WorldClim
Ein Satz von bioklimatischen Variablen aus dem WorldClim Modell. Dieser Datensatz wurde mit dem Paket geodata heruntergeladen und auf die Umgebung von Bochum zugeschnitten.
library(terra)
bio <- rast("data/worldclim_bio.tif")
plot(bio)
Geländemodel DGM200m
Ein digitales Geländemodell (DGM) mit einer Gitterweite von 200 m. Das Modell stammt aus dem Portal des Bundesamtes für Kartographie und Geodäsie und wurde aus der Umgebung von Bochum ausgeschnitten. Die Originaldatei liegt im ASCII-Format vor, hier wurde sie in das GeoTiff-Format umgewandelt.
library(terra)
DGM <- rast("data/dgm-200m.tif")
plot(DGM)
contour(DGM, add = TRUE)
Geländemodel DGM1000m
Ein digitales Geländemodell (DGM) mit einer Gitterweite von 1000 m. Das Modell stammt aus dem Portal des Bundesamtes für Kartographie und Geodäsie. Diese Datei liegt im ASCII-Format vor.
library(terra)
DGM <- rast("data/dgm-1000m.asc")
crs(DGM) <- "epsg:25832"
plot(DGM)