Husdyr og markblokke pr. sogn, Aarhus Universitet

CHR-besætninger 2024

jordbrugsanalyser.chr24

Dyrehold og andre dyrerelaterede virksomheder registreret i Det Centrale Husdyrbrugsregister (CHR), ca. 58.000 punkter, fra Jordbrugsanalysers 2024-udtræk. Indeholder CHR-nummer, CVR-nummer, dyreart (fx kvæg, svin, får, fjerkræ, mink, fisk), brugsart (fx kød, mælk, hobbydyr, avl), virksomhedsart (fx malkekvægsbesætning, slagtekyllinger, fiskebrug, dyrehospital, slagteri), antal dyr pr. størrelsesgruppe, dyreenheder (DE), kommune og postnummer. Kilde: Jordbrugsanalyser, geodata.fvm.dk (Fødevareministeriet).

Rækker: 57.860
Geometri: Punkter (MultiPoint)
Koordinatsystem: EPSG:25832
Seneste snapshot: 28. september 2026
Historik: 1 snapshot
Kolonner: 23

Historik

Datasættet har ét snapshot indtil videre, fra 28. september 2026. Nye snapshots lægges ved siden af, og det gamle bliver liggende, så historikken vokser herfra.

Snapshot17. sep.19. sep.21. sep.23. sep.25. sep.27. sep.29. sep.1. okt.Ændring

1 snapshot±0

Snapshot Rækketallet ændrede sig Intet snapshot den dag

Snapshot	Rækker	Ændring	Metadata
28. september 2026 (nyeste)	57.860		item.json

Gå tilbage i tid med DuckDB

-- Datasættet, som det så ud på en bestemt dato
SELECT count(*) FROM dk_at('jordbrugsanalyser', 'chr24', '2026-09-28');

-- Rækker pr. snapshot
SELECT _gc2_snapshot_date AS dato, count(*) AS rækker
FROM dk_alle('jordbrugsanalyser', 'chr24')
GROUP BY ALL ORDER BY dato;

-- Hvad er kommet til, og hvad er forsvundet siden 2026-09-28?
SELECT 'ny' AS ændring, * EXCLUDE (_gc2_snapshot_date)
FROM dk('jordbrugsanalyser', 'chr24')
ANTI JOIN dk_at('jordbrugsanalyser', 'chr24', '2026-09-28') USING (id)
UNION ALL BY NAME
SELECT 'fjernet' AS ændring, * EXCLUDE (_gc2_snapshot_date)
FROM dk_at('jordbrugsanalyser', 'chr24', '2026-09-28')
ANTI JOIN dk('jordbrugsanalyser', 'chr24') USING (id);

Filer

GeoParquet3,7 MBDownload
s3://gc2-parquet/centia-io/dk/schema=jordbrugsanalyser/relation=chr24/_gc2_snapshot_date=2026-09-28/data-635e0950-d786-425a-bd6c-6534b3bc21f4.parquet
FlatGeobuf21 MBDownload
https://gc2-parquet.s3.amazonaws.com/centia-io/dk/schema=jordbrugsanalyser/relation=chr24/_gc2_snapshot_date=2026-09-28/data-635e0950-d786-425a-bd6c-6534b3bc21f4.fgb

Filnavnene skifter ved hvert snapshot. Brug stien med jokertegn (s3://gc2-parquet/centia-io/dk/schema=jordbrugsanalyser/relation=chr24/*/*.parquet) eller slå den nyeste fil op i latest.json. STAC-beskrivelsen ligger i collection.json.

Brug datasættet

-- Kør scripts/duckdb/init.sql én gang (se "Kom i gang") for dk()-makroen
SELECT id, brugkode, brugtekst, bstr1,
       the_geom
FROM dk('jordbrugsanalyser', 'chr24')
LIMIT 10;

Prøv datasættet i browseren

INSTALL spatial; LOAD spatial;
INSTALL httpfs;  LOAD httpfs;
SET s3_region = 'eu-west-1';

-- Præcis dette snapshot (2026-09-28)
SELECT count(*) FROM 's3://gc2-parquet/centia-io/dk/schema=jordbrugsanalyser/relation=chr24/_gc2_snapshot_date=2026-09-28/data-635e0950-d786-425a-bd6c-6534b3bc21f4.parquet';

-- Alle snapshots på én gang: datoen bliver en kolonne
SELECT _gc2_snapshot_date, count(*)
FROM 's3://gc2-parquet/centia-io/dk/schema=jordbrugsanalyser/relation=chr24/*/*.parquet'
GROUP BY ALL ORDER BY 1;

import geopandas as gpd

# FlatGeobuf har et rumligt indeks, så kun det valgte område hentes
url = "https://gc2-parquet.s3.amazonaws.com/centia-io/dk/schema=jordbrugsanalyser/relation=chr24/_gc2_snapshot_date=2026-09-28/data-635e0950-d786-425a-bd6c-6534b3bc21f4.fgb"
gdf = gpd.read_file(url, bbox=(720000, 6170000, 730000, 6180000))  # København, EPSG:25832

# Hele datasættet som GeoParquet
from pyarrow import fs
gdf = gpd.read_parquet(
    "gc2-parquet/centia-io/dk/schema=jordbrugsanalyser/relation=chr24/_gc2_snapshot_date=2026-09-28/data-635e0950-d786-425a-bd6c-6534b3bc21f4.parquet",
    filesystem=fs.S3FileSystem(anonymous=True, region="eu-west-1"),
)

Vælg Lag › Tilføj lag › Tilføj vektorlag.
Sæt kildetype til Protokol: HTTP(S), cloud osv.
Indsæt URL'en og tryk Tilføj:

https://gc2-parquet.s3.amazonaws.com/centia-io/dk/schema=jordbrugsanalyser/relation=chr24/_gc2_snapshot_date=2026-09-28/data-635e0950-d786-425a-bd6c-6534b3bc21f4.fgb

FlatGeobuf har et rumligt indeks, så QGIS henter kun de features, der er i kortudsnittet. Det er derfor hurtigt, også for store lag. GeoParquet virker også i QGIS 3.34+, hvis din GDAL har Parquet-driveren.

# Info om laget direkte over HTTP
ogrinfo -so -al /vsicurl/https://gc2-parquet.s3.amazonaws.com/centia-io/dk/schema=jordbrugsanalyser/relation=chr24/_gc2_snapshot_date=2026-09-28/data-635e0950-d786-425a-bd6c-6534b3bc21f4.fgb

# Klip et område ud og gem som GeoPackage
ogr2ogr -f GPKG chr24.gpkg \
  -spat 720000 6170000 730000 6180000 \
  /vsicurl/https://gc2-parquet.s3.amazonaws.com/centia-io/dk/schema=jordbrugsanalyser/relation=chr24/_gc2_snapshot_date=2026-09-28/data-635e0950-d786-425a-bd6c-6534b3bc21f4.fgb

Kolonner

Navn	Type
`gid`	integer
`id`	tekst
`brugkode`	bigint
`brugtekst`	tekst
`bstr1`	tekst
`bstr2`	tekst
`bstr4`	tekst
`bstrkode1`	tekst
`bstrkode2`	tekst
`bstrkode4`	tekst
`bstrtekst1`	tekst
`bstrtekst2`	tekst
`bstrtekst4`	tekst
`chrnr`	tekst
`cvrnr`	tekst
`de`	double precision
`dyrkode`	bigint
`dyrtekst`	tekst
`kommune`	tekst
`postnr`	bigint
`virkart`	tekst
`the_geom`	geometry (MultiPoint,25832)
`gml_id`	integer