Building Footprint - Turkey

Açık verinin önemi gün geçtikçe daha da önem kazanıyor. 2022 yılında Microsoft bina ayak izlerinin olduğu verileri paylaştı. Microsoftun açık veri olarak yayınladığı bina ayak izi verilerine buradan ulaşabilirsiniz.

Not-1: Github sayfasında ekim ayında güncelleme yapılmış. Daha önceki veriler ülkelere ve bölgelere göre linkleri ayrı olarak eklenmişti. Ben ekim ayı öncesindeki verileri indirmiştim. Dosya geojson formatında ve 5.5 GB boyutundaydı. Detaylı incelemek isterseniz paylaştığım github sayfasına bakabilirsiniz.

Not-2: Bu veride hatalı veya eksik bina ayak izi olabilir.

Aşama 1

İndirilen geojson formatındaki dosya PostGIS'i kurduğum PostgreSQL veritabanına aktardım.

Gerekli paketler eklendi.

import json
import psycopg2

Veritabanına bağlanmak için:

def connect(host="localhost", database="", user="", password=""):
    conn = psycopg2.connect(
        host=host,
        database=database,
        user=user,
        password=password)
    conn.autocommit = True
    cur = conn.cursor()
    return cur

cur = connect()

Aşağıdaki işlem ile dosyayı okuyup veritabanında oluşturduğum tabloya verileri ekliyor.

file = open(r"data\Turkey.geojsonl","r").readlines()
sql = """INSERT INTO microsoftbuildingfootprint(geom) values(st_astext(ST_GeomFromGeoJSON('{}')))"""
for i in file:
    sql_send = sql.format(json.dumps(json.loads(i)["geometry"]))
    cur.execute(sql_send)

Ayrıca sql sorgularının hızlanmasi için index oluşturmak gerekli. Go ve Python ile uygulamalar yaptım. Fırsat bulursam bununla alakalı bir paylaşım yapmayı düşünüyorum :)

CREATE INDEX microsoftbuildingfootprint_geom_idx
  ON microsoftbuildingfootprint
  USING GIST (geom);

Genel bilgiler:

• Toplam 18,064,082 polygon

• İstanbul: 827,478 polygon

• Ankara: 707,869 polygon

• İzmir: 916,122 polygon

• Van: 211,634 polygon

• İstanbul:

  • 

• Beşiktaş, Şişli:

  • 

• Van:

  • 

• Bazı bölgelerde veri eksik.

  • 
  • 

Aşama 2

Gerekli kütüphaneler aktarıldı.

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.path import Path
from matplotlib.patches import PathPatch
from matplotlib.collections import PatchCollection
import geopandas as gpd
from sqlalchemy import create_engine

Veritabanına bağlanmak için:

SQLALCHEMY_DATABASE_URL = 'postgresql://username:password@localhost:5432/database'
engine = create_engine(
    SQLALCHEMY_DATABASE_URL
)

Geopandas ile veriler okundu.

gdf = gpd.read_postgis(
    "SELECT * FROM microsoftbuildingfootprint;", con=engine, geom_col="geom")

Türkiye il sınırlarının olduğu veriye buradan ulaşabilirsiniz.

iller = gpd.read_file("D:\PROJECTS\PlanAskiVeriler\il\gadm40_TUR_1.shp")
# 4326 koordinat sistemine dönüştürüldü.
iller = iller.to_crs(4326)

Performansı arttırmak için numpy dizisine çevrildi.

s_poly = gdf.values
# veri büyük olduğu için bellekten siliyoruz
del gdf

Figure oluşturuldu.

fig, ax = plt.subplots(figsize=(16, 9), subplot_kw=dict(aspect='equal'))

Türkiye il sınırlarının olduğu polygon çizdirildi.

iller.plot(ax=ax, color="red", alpha=0.08, edgecolor="black")
# bellekten kaldırıldı.
del iller

Binaları çizdirmek için fonksiyon tanımlandı. gdf.plot() yavaş çalıştığı için bu yöntem uygulandı.

def plot_polygon(arraygeom, **kwargs):
    patches = []
    for _,poly in arraygeom:
        path = Path.make_compound_path(
            Path(np.asarray(poly.exterior.coords)[:, :2]),
            *[Path(np.asarray(ring.coords)[:, :2]) for ring in poly.interiors])

        patch = PathPatch(path, **kwargs)
        patches.append(patch)
    return patches

Tanımlanan fonksiyon çalıştırıldı.

patches = plot_polygon(s_poly, facecolor='red', edgecolor='red')


collection = PatchCollection(
    patches, facecolor="red", edgecolor="red", linewidth=0.05)


ax.add_collection(collection, autolim=True)
ax.autoscale_view()
plt.axis("off")
plt.tight_layout()
plt.savefig(r"img\vis.png", dpi=150)
plt.close()

Görsel