Python

4.1 Installation#

pip install -e ".[all]"

Python 3.10 oder neuer. Der Kern braucht nur NumPy und Shapely; geopandas (GIS-Dateien lesen, Kennzahlen für DataFrames) und matplotlib (Plots, MapLibre-Sprite) sind im Extra all enthalten. Die PNG-Ausgabe nutzt den ersten SVG-Rasterisierer, den sie findet: rsvg-convert, CairoSVG oder Inkscape.

Prüfen Sie die Installation:

ulg --version

ulg check

ulg check gibt den Lesbarkeitsbericht des Katalogs aus und endet mit OK.

4.2 Der Stil als Daten#

import ulg

lawn = ulg.element("lawn")
lawn.name("de"), lawn.fill              # ('Rasen', '#CDD2A9')

[el.id for el in ulg.find("Schotterrasen")]   # ['gravel_turf', 'lawn', 'gravel', 'wood_deck']
ulg.color("water.300")                  # '#BED2DD', ein Token der Palette
ulg.color("lawn")                       # '#CDD2A9', die Füllung eines Elements
ulg.fills("polygon")                    # {'lawn': '#CDD2A9', 'meadow': '#C5CB9D', ...}
ulg.ramp("heat", 5)                     # ['#F7F1DC', '#F6D5A5', '#EFAC77', '#DB805F', '#B5574F']
ulg.categories("klimatop")              # Klimatopklassen mit Bezeichnungen und Farben
ulg.themes()                            # {'mellow': 'UrbanSens mellow (house style)', 'alkis': ..., ...}

Schon ulg.fills() allein genügt, um eine Karte in jedem Werkzeug zu gestalten:

gdf.plot(color=gdf.element.map(ulg.fills()))

4.3 Ihre Daten#

Alles, was zeichnet oder misst, akzeptiert:

• ein GeoDataFrame mit einer Spalte von Element-IDs (standardmäßig by="element"),
• eine GeoJSON-FeatureCollection (dict) mit der ID in den Eigenschaften,
• eine Liste von Tupeln (geometry, element_id) oder (geometry, element_id, properties).

Verwenden Sie ein projiziertes Koordinatenbezugssystem (CRS) in Metern (EPSG:25832 für Bayern). Geografische GeoDataFrames werden automatisch nach UTM umprojiziert; Texturen, Breiten und Flächen brauchen Meter.

Nützliche Attribute werden gelesen, sofern vorhanden: crown_diameter (auch diameter_crown, kronendurchmesser …) bestimmt die Größe der Baumkronen, stammumfang (cm) oder stem_diameter (m) zeichnet Stämme maßstäblich, und width, lanes oder die OSM-Klasse highway legen die Breite von Straßen und Wegen fest, die als Mittellinien vorliegen.

Wenn Ihre Daten eine andere Klassifikation verwenden, übersetzen Sie diese (4.5). Bei eigenen Schlüsseln übergeben Sie ein mapping:

ulg.render_svg(gdf, by="nutzung", mapping={"Rasen": "lawn", "Weg": "waterbound", "Teich": "water"})

4.4 Zeichnen#

SVG, maßstabsgetreu#

from ulg.datasets import demo_park_gdf

gdf = demo_park_gdf()                                  # Angerpark, das Demoquartier, EPSG:25832
svg = ulg.render_svg(gdf, scale=1500, path="park.svg") # 1:1500, in Papiermillimetern
svg.lod                                                # 2, die aus dem Maßstab gewählte Detailstufe

Wichtige Optionen:

PNG und PDF: ulg.render.rasterize("park.svg", "park.png", dpi=200), oder Sie wandeln das SVG mit Inkscape um (inkscape park.svg --export-type=pdf). Das SVG öffnet sich in Inkscape, Illustrator und Affinity maßgetreu, und jede Objektgruppe trägt ihre Element-ID als data-element.

Matplotlib#

ax = ulg.plot(gdf, scale=3000)            # eine neue Abbildung, so bemessen, dass 1 Papiermillimeter 1 mm entspricht
ax.figure.savefig("park.png", dpi=150)

import matplotlib.pyplot as plt
fig, ax = plt.subplots(figsize=(8, 6))
ulg.plot(gdf, ax=ax)                      # in ein vorhandenes Axes-Objekt; es bestimmt den Maßstab
other_layer.plot(ax=ax, zorder=10)        # danach eigene Layer darüber zeichnen

Legenden#

from ulg.legend import used_elements

ids = used_elements(zip(gdf.geometry, gdf.element))           # die Elemente der Karte, in Zeichenreihenfolge
ulg.legend_svg(ids, lang="de", title="Legende", columns=2).save("legend.svg")

ax.legend(handles=ulg.legend_handles(["lawn", "meadow", "water"], lang="de"))   # einfache Matplotlib-Legende, nur Farben

Stilblätter#

ulg.style_sheet("style.svg")                       # die einseitige Übersicht (Kapitel 2)
ulg.style_sheet("style-de.svg", lang="de")
ulg.catalog_sheet("catalog.svg")                   # jedes Element
ulg.catalog_sheet("trees.svg", groups=["trees"], title="Trees")
ulg.style_sheet("plain.svg", credit=False)         # ohne das kleine UrbanSens-Zeichen in der Ecke

Die Blätter tragen dieses Zeichen standardmäßig; ulg.legend_svg(..., credit=True) fügt es einer Legende hinzu, und Ihre eigenen Karten erhalten nie eines. ulg.credit_line() liefert die Nennungszeile für eine Bildunterschrift oder ein Quellenverzeichnis ('Style: UrbanSens Ecological Vector Style (ulg 0.1.0) · urbansens.de', auf Deutsch mit lang="de"). Mehr unter Lizenz und Nennung.

4.5 Externe Daten klassifizieren#

Eine Zuordnungstabelle (Crosswalk) übersetzt die Klassen eines anderen Schemas (OSM-Tags, ALKIS-Objektarten, XPlanung, BKompV/BayKompV-Biotopschlüssel, CORINE, Urban Atlas und 20 weitere) in Element-IDs.

ulg.resolve("osm", landuse="grass")                       # 'lawn'
ulg.resolve("osm", highway="footway", surface="compacted") # 'waterbound'
ulg.resolve("alkis", objart="41008", funktion="4420")     # 'green_space'
ulg.resolve("clc", "141")                                 # 'green_space'
ulg.explain("clc", "141")
# {'code': '141', 'name': 'Green urban areas', 'element': 'green_space', 'fit': 'exact',
#  'color': '#FFA6FF', 'evidence': 'V', 'level': 3, 'maes': 'Urban', 'note': 'Pink in the official legend, not green.'}

gdf["element"] = ulg.classify(gdf, "osm")        # jede Spalte jeder Zeile fließt in den Abgleich ein
gdf["element"] = ulg.classify(gdf, "clc", column="code_18")   # oder eine einzelne Schlüsselspalte
ulg.official_colors("clc")["141"]                 # '#FFA6FF', die eigene Legendenfarbe des Schemas
ulg.codes_for("wildflower_meadow")                # die Umkehrung: welche Klassen einem Element zugeordnet sind

Diese Regeln sollten Sie kennen:

• Der spezifischste Eintrag setzt sich durch (natural=wetland + wetland=reedbed hat Vorrang vor natural=wetland).
• Spaltennamen werden über Aliase abgeglichen (Objektart, OBJART und objart funktionieren alle).
• Hierarchische Schlüssel fallen auf ihre Gruppe zurück (EUNIS E2.64 → E2.6 → E2).
• Nicht zugeordnete Zeilen werden zu unknown und als neutrale Schraffur gezeichnet, damit Lücken sichtbar bleiben. Mit default=None erhalten Sie stattdessen None.
• Jeder Eintrag hat einen Passgrad (fit: exact, narrower, broader, nearest oder none), an dem Sie sehen, wie gut die Übersetzung passt.

Alle Schemata: ulg.schemes() oder Crosswalks.

4.6 OpenStreetMap: gestapelte Flächen und Mittellinien#

OSM-Daten stapeln Flächen (Park → Gras → Teich) und bilden Straßen und Wege als Linien ab. Der Renderer behandelt beides: Flächen werden wie in OSM Carto geschichtet (im Band der Landbedeckung liegen die kleineren oben), und Straßen, Gehwege und Plätze, die als Linien vorliegen, werden als Streifen in ihrer tatsächlichen Breite gezeichnet.

import geopandas as gpd

osm = gpd.read_file("examples/data/osm_sample.geojson").to_crs(25832)
osm["element"] = ulg.classify(osm, "osm")
ulg.render_svg(osm, scale=1000, path="block.svg")

Für Kennzahlen wenden Sie zuerst flatten an: ulg.flatten() schneidet von jeder Fläche alles ab, was darüber gezeichnet wird, und wandelt Mittellinien in Flächen um, sodass jeder Quadratmeter nur einmal gezählt wird.

flat = ulg.flatten(osm)          # GeoDataFrame in einem metrischen CRS, keine Überlappungen in der Landbedeckung
ulg.indicators(flat)["sealed_share"]

Fahrbahnen werden unabhängig von ihrem surface-Tag als road gezeichnet; Wege, Plätze und Spielfelder zeigen ihr Material. Der vollständige Ablauf steht in examples/osm_workflow.py.

4.7 Standortkennzahlen#

site = gdf[gdf.layer.isin(["landcover", "trees"])]
figures = ulg.indicators(site)

Kennwerte werden nie geschätzt: Eine Oberfläche ohne veröffentlichten Wert senkt stattdessen den Abdeckungsgrad. Dachbegrünung und Photovoltaik zählen zusätzlich zu den Gebäuden, die sie bedecken.

Bäume. ulg.root_protection_zone(trees) liefert Wurzelschutzbereiche nach DIN 18920 (Kronentraufe plus 1,50 m, Säulenformen plus 5,00 m) und den Mindestabstand für Gräben (min_trench_distance_m, vierfacher Stammumfang, mindestens 2,50 m):

zones = ulg.root_protection_zone(trees, columnar_field="saeulenform")
zones.to_file("root_zones.gpkg")

4.8 Die Kommandozeile#

Der Befehl ulg (auch python -m ulg) leistet dasselbe, ohne dass Sie Code schreiben müssen; mit --json erhalten Sie eine maschinenlesbare Ausgabe, mit --lang de deutsche Bezeichnungen.

4.9 Rezepte#

Ein Lageplan 1:500 aus einem ALKIS-Auszug

alkis = gpd.read_file("alkis.gpkg", layer="tatsaechliche_nutzung")
alkis["element"] = ulg.classify(alkis, "alkis")
ulg.render_svg(alkis, scale=500, path="lageplan.svg")

Bauleitplan-Optik für einen Entwurf

ulg.render_svg(plan, scale=1000, theme="planzv", path="entwurf.svg")

Analysefarben über dem Stil

ax = ulg.plot(site, theme="mono", lod=1)                       # ruhige Basiskarte
cells.plot(ax=ax, zorder=50, alpha=0.8,
           color=[ulg.category_of("utci", v)["color"] for v in cells.utci])

Eine Webkarte mit folium

import folium
m = folium.Map(location=[48.15, 11.58], zoom_start=17, tiles=None)
folium.GeoJson(gdf.to_crs(4326), style_function=ulg.style_function()).add_to(m)

Mehr: examples/ · API: API