>_ DevTrendsde

Sprache

Start

Sprachen

Bereiche

Frontend Backend Mobile DevOps AI / ML GameDev Blockchain Embedded Sicherheit
TypeScript

GeoLibre: GIS im Browser, Jupyter und Desktop ohne Installation schwerer Software ausführen

Wenn Sie schon einmal mit Geodaten gearbeitet haben, kennen Sie die Standardsituation. Sie müssen schnell einen GeoJSON ansehen oder ein paar räumliche Abfragen auf einer Parquet-Datei ausführen – und Sie öffnen QGIS. Die Anwendung lädt, zieht Module herein, und für eine einfache Visualisierung verbringen Sie am Ende ein paar Gigabyte RAM und Zeit mit der Konfiguration von Layern.

Entwickler aus der OpenGeos-Community beschlossen, das Problem aus einem anderen Blickwinkel anzugehen. Sie erstellten GeoLibre – eine leichtgewichtige Plattform für die Arbeit mit Geodaten, die direkt im Browser, in Jupyter-Notebooks und als eigenständige Desktop-Anwendung läuft.

Was steckt unter der Haube

Die Projektarchitektur kombiniert mehrere moderne Web-Technologien. Das Frontend ist mit React und TypeScript aufgebaut. MapLibre GL JS und deck.gl übernehmen das 2D- und 3D-Karten-Rendering.

Der interessanteste Teil passiert bei der Datenverarbeitung. Anstatt schwere Geodateien an externe Server zu senden, nutzt GeoLibre DuckDB-WASM mit der räumlichen Erweiterung. Die Datei wird clientseitig verarbeitet. Sie ziehen eine GeoJSON- oder Parquet-Datei in das Browserfenster, und das lokale DuckDB führt SQL-Abfragen direkt im Speicher Ihres Geräts aus.

Desktop- und Mobile-Versionen sind mit Tauri v2 aufgebaut. Dies führt zu einer kompakten Distributionsgröße und niedrigem Ressourcenverbrauch im Vergleich zu traditionellen Electron-basierten Lösungen.

Praktische Fähigkeiten

Das Tool deckt die meisten alltäglichen Aufgaben für Geo-Analysten und Entwickler ab.

Lokales räumliches SQL im Browser

DuckDB-WASM ermöglicht das Schreiben von räumlichen SQL-Abfragen ohne PostgreSQL mit PostGIS starten zu müssen. Sie können Layer-Joins durchführen, Pufferzonen berechnen und Daten direkt in der Anwendungssoberfläche aggregieren.

Arbeit mit 3D-Daten und Zeitskalen

GeoLibre unterstützt die Arbeit mit 3D Tiles und volumetrischen Vektorobjekten. Ein anschauliches Beispiel aus den Demo-Materialien des Projekts ist eine 3D-Karte der Manhattan-Gebäude.

3D Tiles Demo in GeoLibre

Jedes Gebäude wird nach Höhe extrudiert und nach Baujahr eingefärbt. Mit dem integrierten Zeitschieberegler können Sie eine Animation abspielen und beobachten, wie die Stadt von 1850 bis 2025 gewachsen ist.

3D-Karte der Manhattan-Gebäude

Kartierung anderer Planeten

Die Ersteller des Projekts beschränkten sich nicht auf die Erde. Die Plattform enthält Basiskarten von OpenPlanetaryMap und USGS Astrogeology.

Ansicht des Mars in GeoLibre

Sie können zum Mond, Mars, Merkur, Venus oder den Jupitermonden wechseln. Jeder Himmelskörper hat sein eigenes Ellipsoid definiert, sodass Entfernungs- und Flächenberechnungen genau bleiben.

Integration mit Python und Jupyter

Ein separates Python-Paket geolibre ist für Datenwissenschaftler verfügbar. Es ermöglicht Ihnen, interaktive Karten direkt in Jupyter-Notebook-Zellen einzubetten. Sie können einen Pandas- oder GeoPandas-DataFrame an das Widget übergeben und erhalten sofort eine fertige kartografische Darstellung.

Wie Sie es ausprobieren können

Der schnellste Weg ist, die Web-Version web.geolibre.app zu öffnen. Keine Registrierung oder Installation erforderlich.

Wenn Sie in Jupyter arbeiten, installiert sich das Paket mit einem Standardbefehl:

pip install geolibre

Für die Conda-Installation verwenden Sie das Conda-Forge-Repository:

conda install -c conda-forge geolibre

Für lokale Desktop-Anwendungs-Builds für Ihre Distribution benötigen Sie Node.js und Rust:

git clone https://github.com/opengeos/GeoLibre.git
cd GeoLibre
pnpm install
pnpm tauri dev

Für wen das Projekt gedacht ist

GeoLibre ist nützlich für Entwickler, Forscher und Datenanalysten, die ein schnelles Tool zur Inspektion und Visualisierung von Geodaten benötigen. Es ersetzt keine schweren GIS-Tools für komplexe Kartografie, aber es bewältigt schnelle Erstverarbeitung, Prototyping in Jupyter und die Demonstration von Geodaten direkt in einem Webbrowser.

Ähnliche Projekte