Mehr

Einzugsgebiet von Punkt mit DTM-Raster in QGIS erstellen?

Einzugsgebiet von Punkt mit DTM-Raster in QGIS erstellen?


Ich muss einen besseren Weg finden, um ein Einzugsgebiet mit einem DGM von einem bestimmten Punkt auf einem Wasserlauf abzugrenzen - derzeit verwende ich entweder FEH oder wenn das Einzugsgebiet zu klein ist, verwende ich Konturen zum manuellen Zeichnen.

Idealerweise - kann ich einen Punkt auf einem DGM auswählen und ein Einzugsgebiet erstellen, das auf allen Zellen basiert, die bis zu diesem Punkt abfließen.

Ich habe versucht, die Wassereinzugsanalyse ohne Erfolg zu verwenden.

Kann mich jemand durch die Schritte führen, um ein Einzugsgebiet aus der DTM zu erstellen?


Ich war ein wenig überrascht, dass diese Frage noch niemand beantwortet hatte, also beschloss ich, mir anzusehen, wie Sie die Aufgabe des Extrahierens einer Wasserscheide von einem digitalisierten Punkt entlang eines Bachnetzwerks in QGIS selbst ausführen würden. Ich habe festgestellt, dass es in QGIS etwa fünf Werkzeuge für die Extraktion von Wassereinzugsgebieten unter den verschiedenen Werkzeugkästen gibt. Leider, und vielleicht kann mich ein QGIS-Experte hier korrigieren, aber keiner von ihnen scheint einen digitalisierten Punkt aufzunehmen. wahrscheinlich ist das Tool r.water.outlet in der GRASS-Toolbox das, was Ihnen am nächsten kommt. Es braucht jedoch eine bestimmte Ost- und Westkoordinate, was nicht ganz dasselbe ist. Zum einen können Sie dadurch kein Fangen durchführen, was für diese Art von Anwendung kritisch sein kann.

Ich werde also einen Workflow vorschlagen, um mit den Open-Source-GIS Whitebox Geospatial Analysis Tools zu tun, was Sie wollen, und wenn jemand eine bessere Methode zur Verwendung von QGIS empfehlen kann, lösche ich diese Antwort. Hier ist der Arbeitsablauf, vorausgesetzt, Sie haben Whitebox GAT bereits heruntergeladen und installiert und Ihre DEM-Datei importiert (wenn Sie ArcGIS verwenden, würde ich das .flt-Format empfehlen, das vom Werkzeug Raster zu Float generiert wird; wenn nicht , dann gibt es mehrere andere unterstützte Rasterformate, siehe 'Daten in Whitebox übertragen' in der Hilfe):

  1. Falls noch nicht geschehen, müssen Sie Ihr DEM vorverarbeiten, um alle topografischen Vertiefungen und flachen Bereiche zu entfernen. Ich bin kein Fan vom Auffüllen von Depressionen (ich bevorzuge das Durchbrechen von Depressionen), aber wenn Ihre Website eine ziemlich hohe Erleichterung bietet und die Zeit ein Problem ist, können Sie das Tool "Depressionen füllen" aus der Toolbox Hydrological Tools verwenden, um dies zu erreichen diese Aufgabe.

  2. Nachdem Sie Ihr DEM „hydrologisch korrigiert“ haben, berechnen Sie den D8-Flusszeiger (ein Fließrichtungsraster) mit dem Werkzeug „D8-Flusszeiger“. Das Raster wird nicht viel zu sehen sein, aber Sie benötigen es als Eingabe für den nächsten Schritt und schließlich für das Wasserscheiden-Tool.

  3. Führen Sie mit dem Tool „D8 oder Rho8 Flow Accumulation“ einen Durchflussakkumulationsvorgang durch. Sie müssen Ihren Flow-Zeiger aus Schritt 2 eingeben. Sie möchten wahrscheinlich die Option "log-transformierte Flow-Akkumulationswerte" auswählen, da sie bei der Visualisierung des kleineren "digitalen Stroms" in Ihrer Landschaft hilft. Falls es noch nicht automatisch angezeigt wurde, stellen Sie sicher, dass dieses Raster jetzt angezeigt wird, indem Sie es der geöffneten Karte hinzufügen.

  4. Wählen Sie in der Toolbox "Datei-Dienstprogramme" das Werkzeug "Neues Shapefile erstellen". Rufen Sie das neu erstellte Shapefile 'outlets' auf und wählen Sie einen Point-Shapetyp, der die Standardeinstellung ist. Das Shapefile wird angezeigt, aber die Datei enthält derzeit keine Features, sodass auf der Karte nichts angezeigt wird. Sie werden jedoch feststellen, dass die Symbolleiste „Digitalisieren“ angezeigt wird und dass Ihr neues Punkte-Shapefile für die aktive Digitalisierung eingestellt ist.

  5. Vergrößern Sie einen Ort, den Sie als Austrittspunkt festlegen möchten, d. Wählen Sie das Symbol "Neues Feature digitalisieren", geben Sie einen ID-Wert für Ihren neuen Punkt ein (1 fällt mir spontan ein - beachten Sie jedoch, dass der von Ihnen gewählte Wert der ID-Wert ist, der schließlich Ihrem Einzugsgebiet zugewiesen wird) und digitalisieren Sie dann den Punkt. Sie werden das Flussakkumulationsraster als Orientierungshilfe verwenden wollen, wo es zu finden ist. Möglicherweise haben Sie auch eine Streams-Vektordatei überlagert, aber denken Sie daran, dass es sich um den digitalen Stream-Speicherort handelt, an dem sich Ihre Steckdose befinden muss. Der digitale Stream stimmt mit hohen Durchflussakkumulationswerten im angezeigten Raster überein. Wenn Sie mehr als eine Steckdose haben, können Sie jetzt mehr Punkte digitalisieren (es gibt keine Begrenzung für die Anzahl der Steckdosen und Wasserscheiden, die Sie hier kartieren … alles in einem Schritt). Wenn Sie fertig sind, klicken Sie auf das Symbol Vektor bearbeiten, um das Outlets-Shapefile zur Bearbeitung zu schließen. Das Digitalisieren in Whitebox ist ziemlich einfach und unkompliziert, aber wenn Sie verwirrt sind, schauen Sie sich das Tutorial zum Digitalisieren neuer Funktionen im Hilfemenü an.

  6. Selbst wenn Sie sich wirklich sicher sind, dass Sie Ihren Auslasspunkt über dem digitalen Stream lokalisiert haben, sparen Sie sich etwas Frust und verwenden Sie das 'Jenson Snap Pour Points'-Tool in der Watershed-Toolbox, um sicherzustellen, dass Ihre Steckdosen im Verhältnis zum Ort des digitalen Streams. Wie ich in meinem Blog erwähnt habe, möchten Sie für diesen Vorgang nicht die traditionelle ArcGIS-Snap-Pour-Point-Methode verwenden ... es ist eine Menge schrecklicher für diese Art von Dingen. Sehen Sie sich dieses Papier an, um weitere Gründe dafür zu finden. Wenn Sie das Jenson Snap Pour Points-Tool wie empfohlen verwenden, müssen Sie ein Streams-Raster eingeben. Dies kann durch Schwellenwerte für Ihr Flussakkumulationsgitter im Rasterrechner erstellt werden (z. B. [streams]=[flow accum]>10.0 , wobei 10,0 davon von Ihrem spezifischen Datensatz abhängt… machen Sie sich jedoch nicht zu viel auf, den richtigen Wert zu erhalten, da es einfach ein Wert sein muss, der sicherstellt, dass die Streams in der Nähe der Auslasspunkte verlaufen).

  7. Öffnen Sie das Watershed-Tool, geben Sie Ihr D8-Flusszeigerraster (keine Akkumulation) und Ihr Outlets-Shapefile ein. Nennen Sie Ihre endgültige Ausgabe logisch wie Wasserscheiden und drücken Sie OK.

Das ist es wirklich. Hier ist ein Beispiel für eine Wasserscheide, die für acht verschiedene Auslasspunkte kartiert wurde.


Sie können den Geoalgorithmus von Saga "Upslope area" verwenden. Sie müssen Saga installieren und den Pfad konfigurieren, in dem Sie Saga in QGIS installiert habenVerarbeitung->OptionenoderStrg+Alt+C.

Dann erweiternAnbieter->Saga, richten Sie den Ordner ein und markieren Sie Aktiv. Wenn Sie über osgeo4w installiert haben, müssen Sie nur qgis neu starten und Sie sollten fertig sein.

Dann öffne die ToolboxStrg+Alt+Tund suchen Sie nach Upslope-Gebiet und öffnen Sie es. Sie sollten ein Koordinatenpaar und das DEM eingeben. Die Ausgabe ist ein neues binäres Raster mit dem Einzugsgebiet für das Koordinatenpaar. Sie können das interaktive Tool direkt in der Saga-GUI verwenden, was einfacher ist.


Einzugsgebiet von Punkt mit DTM-Raster in QGIS erstellen? - Geografisches Informationssystem

Von JESSICA CHUN am Fr, 2021-01-22 13:21

Unser Zentrum bietet Dozenten, Studenten und Doktoranden sowie Mitarbeitern, die Hilfe benötigen, eine Reihe von GIS-Unterstützung. In den meisten GIS-bezogenen Beratungen verwenden wir Tools/Software wie QGIS und R Studio, um die Kartierung und Datenanalyse durchzuführen. QGIS steht für Quantum Geographic Information Systems. Es ist eine kostenlose Open-Source-Desktop-GIS-Anwendung. R Studio ist eine integrierte Entwicklungsumgebung für R, eine Programmiersprache. Sowohl QGIS, R Studio und R sind für die Öffentlichkeit kostenlos. Wir nutzen die Open-Source-Software, um unseren Kunden bei der Lösung ihrer Probleme zu helfen. Im Folgenden finden Sie einige Beispiele für den von uns erbrachten Service.

Konturlinien abbilden

Eine Höhenlinie zeigt die gleiche Höhe über einem bestimmten Niveau an, z. B. dem mittleren Meeresspiegel. Eine Höhenlinienkarte zeigt Höhen und zeigt Hügel und Täler, die a . darstellen dreidimensionale Landschaft in einem zweidimensionalen Raum. Ein Fakultätsmitglied recherchierte über historische Ruinen und musste die geografischen Merkmale dieser Gegend erkunden. Für dieses Projekt haben wir uns entschieden, eine Höhenlinienkarte aus einem digitalen Höhenmodell (DEM) zu erstellen. Unter Verwendung der zwischen 2006 und 2011 gesammelten DEM-Daten haben wir eine Konturkarte erstellt, die unten gezeigt wird.

Rasterdatenanalyse

Zonale Statistiken

Zonenstatistik ist eine Funktion, die statistische Werte für Pixel des Eingabe-Rasters innerhalb bestimmter Zonen berechnet, die als Polygon-Layer (Vektor-Layer) definiert sind. Zu den statistischen Werten gehören Minimum, Maximum, Summe, Anzahl, Mittelwert, Standardabweichung, Anzahl eindeutiger Werte, Bereich und Varianz. Diese Funktion wird verwendet, um deskriptive Statistiken für jede Studie basierend auf den Eingabewerten der Raster-Daten zu erstellen.

Ein Student wandte sich an unser Zentrum und bat um Hilfe bei der Analyse der durchschnittlichen und maximalen PM2,5-Konzentration in jedem Zählbezirk nach Bränden in Kalifornien. Die Daten umfassten die Rasterdaten der Konzentration von PM2,5 und die Grenzen von Zählgebieten. Zonal Statistics analysierte die Daten und berechnete eine Vielzahl von beschreibenden Statistiken, die aus dem Durchschnitt und dem Maximum bestanden.

Rastern

Beim Umgang mit großen Datenmengen, insbesondere Rasterdaten, empfinden die Leute angesichts der dynamischen und schnell aktualisierten R-Community R-Pakete als effizient und bequem. Das Rasterpaket in R ist ein leistungsstarkes Paket, das darauf abzielt, Rasteranalysen durchzuführen. Von mehreren Funktionen innerhalb des Raster-Pakets wird die Rasterisierungsfunktion verwendet, um Vektordaten (Punkte, Linien und Polygone) in Rasterdaten umzuwandeln, während ausgewählte Attribute aus den Vektordaten beibehalten werden.

Eine Doktorandin des Instituts für Umwelt und Nachhaltigkeit bat unser Zentrum um Hilfe, um Shapefiles mit R zu rastern. Die Vektordaten, die sie hatte, enthielten das Einzugsgebiet des Los Angeles River, den Fluss und die Bäche von Los Angeles sowie Volkszählungsgebiete. Ihr Ziel war es, diese Daten zu rastern und mit den Daten der städtischen Wärmeinseln (Rasterdaten) zu überlagern, um zu untersuchen, ob der Fluss und die Bäume entlang des Flusses die städtische Wärmeinsel reduziert haben. Angesichts der großen Datenmenge und der wiederholten Prozeduren haben wir die Vektordaten gerastert und das konvertierte Raster in einer Schleife analysiert.

Diese Fälle sind Beispiele dafür, wie unser Zentrum unserer Gemeinschaft dabei geholfen hat, Forschungsprobleme mithilfe von Geodatentechniken zu lösen. Neben der Beratung bietet unser Zentrum regelmäßig Geo-Workshops an. Sie möchten mehr über die Werkstatt erfahren? Bitte schauen Sie sich die Veranstaltungen Seite im Data Science Center. Suchen Sie Hilfe bei raumbezogenen Problemen? Fühlen sich frei einen Termin machen mit unserem Zentrum.


Verfahren

Verwenden Sie eines der folgenden Werkzeuge, um Rasterwerte zu Punktpositionen in ArcMap zu extrahieren.

Werte in Punkte extrahieren

Verwenden Sie das Werkzeug Werte in Punkte extrahieren, um eine neue Point-Feature-Class zu erstellen, die die extrahierten Werte eines Raster-Layers enthält.

  1. Klicken Sie in ArcMap auf das Suche Symbol und suchen Sie nach Werte in Punkte extrahieren (Raumanalytiker).
  2. Im Werte in Punkte extrahieren Dialogfeld wie folgt konfigurieren:
    1. Für Eingabepunktfunktionen, wählen Sie die Punktebene aus. In diesem Beispiel ist es Stationen_SW_LA.
    2. Für Eingabe-Raster, wählen Sie einen Raster-Layer aus. In diesem Beispiel ist es Elevation.
    3. Für Ausgabepunktfunktionen, legen Sie einen Namen und eine Position für die Ausgabe-Feature-Class fest.
    4. Klicken OK.

    Die Abbildung unten zeigt, dass eine neue Point-Feature-Class in der Geodatabase erstellt wird und Inhaltsverzeichnis. In der Attributtabelle a RASTERWERT Spalte wird erstellt, um den extrahierten Rasterwert für jedes Punkt-Feature anzuzeigen.

    Extrahieren von Mehrfachwerten in Punkte

    Verwenden Sie das Werkzeug Mehrere Werte in Punkte extrahieren, um die extrahierten Werte mehrerer Raster-Layer an den Eingabe-Punkt-Layer anzuhängen.

    1. Klicken Sie in ArcMap auf das Suche Symbol und suchen Sie nach Extrahieren von Mehrfachwerten in Punkte (Raumanalytiker).
    2. Im Extrahieren von Mehrfachwerten in Punkte Dialogfeld wie folgt konfigurieren:
      1. Für Eingabepunktfunktionen, wählen Sie die Punktebene aus. In diesem Beispiel ist es Stationen_SW_LA.
      2. Für Eingabe-Raster, wählen Sie mehrere Raster-Layer aus. In diesem Beispiel sind sie Elevation, PGA, und PGV.
      3. Klicken OK.

      Das Bild unten zeigt Werte aus den angegebenen drei Raster-Layern, die an den Eingabepunkt-Layer angehängt sind.

      Verwenden Sie das Werkzeug "Beispiel", um eine neue Tabelle mit Informationen zu den Eingabepunkt-Features und ihren jeweiligen Raster-Werten basierend auf einer Resampling-Technik zu erstellen.

      1. Klicken Sie in ArcMap auf das Suche Symbol und suchen Sie nach Stichprobe (Raumanalytiker).
      2. Im Stichprobe Dialogfeld wie folgt konfigurieren:
        1. Für Eingabe-Raster, wählen Sie die gewünschten Raster-Layer aus. In diesem Beispiel sind sie Elevation, PGA, und PGV.
        2. Für Eingabe von Standort-Raster- oder Punkt-Features, wählen Sie die Punktebene aus. In diesem Beispiel ist es Stationen_SW_LA.
        3. Konfigurieren Sie bei Bedarf die optionalen Werte. Klicken OK.

        Die Abbildung unten zeigt, dass Raster-Werte zu jedem Punkt-Feature in einer Tabelle extrahiert werden, die in der Geodatabase hinzugefügt wurde, und Inhaltsverzeichnis. In diesem Beispiel wird das Tool mehrmals mit drei Resampling-Techniken ausgeführt: Nächste, Bilinear, und Kubisch.

        Oberflächeninformationen hinzufügen

        Verwenden Sie das Werkzeug Oberflächeninformationen hinzufügen, um Werte eines Raster-Layers an den Eingabepunkt-Layer anzuhängen.

        1. Klicken Sie in ArcMap auf das Suche Symbol und suchen Sie nach Oberflächeninformationen hinzufügen (3D-Analyst).
        2. Im Oberflächeninformationen hinzufügen Dialogfeld wie folgt konfigurieren:
          1. Für Eingabe-Feature-Class, wählen Sie die Punktebene aus. In diesem Beispiel ist es Stationen_SW_LA.
          2. Für Eingabefläche, wählen Sie einen Raster-Layer aus. In diesem Beispiel ist es Elevation.
          3. Für Ausgabeeigenschaft, wählen Sie das anzuhängende Attribut aus. In diesem Beispiel ist es der Z Wert.
          4. Konfigurieren Sie bei Bedarf die optionalen Werte. Klicken OK.

          Die Abbildung unten zeigt, dass das ausgewählte Attribut des Raster-Layers an den Eingabepunkt-Layer angehängt wird.

          Werte in Tabelle extrahieren

          Verwenden Sie das Werkzeug Werte in Tabelle extrahieren, um eine neue Tabelle mit Informationen zu den Eingabe-Punkt-Features und ihren jeweiligen Raster-Werten zu erstellen.

          1. Klicken Sie in ArcMap auf das Suche Symbol und suchen Sie nach Werte in Tabelle extrahieren (Geostatistischer Analytiker).
          2. Im Werte in Tabelle extrahieren Dialogfeld wie folgt konfigurieren:
            1. Für Eingabefunktionen, wählen Sie die Punktebene aus. In diesem Beispiel ist es Stationen_SW_LA.
            2. Für Eingabe-Raster, wählen Sie die gewünschten Raster-Layer aus. In diesem Beispiel sind sie Elevation, PGA, und PGV.
            3. Klicken OK.

            Das Bild unten zeigt die Ausgabetabelle mit den extrahierten Raster-Werten für jedes Punkt-Feature in der Geodatabase und Inhaltsverzeichnis. Beachten Sie in diesem Beispiel, dass die Gesamt-Features 294 statt 98 sind. Der Wert jedes Raster-Layers (drei Raster-Layer werden ausgeführt) für jedes Punkt-Feature wird mit einem anderen Wert aufgeführt OID Wert. Dies ist die transponierte Version des Stichprobe Werkzeugausgabetabelle. Um zu verstehen, wie die Werteextraktion mit der Geostatistical Analyst-Erweiterung funktioniert, lesen Sie So funktioniert das Extrahieren von Werten in eine Tabelle und So funktioniert Gaussian Geostatistical Simulations.


            Laden eines MapInfo-Layers¶

            Um einen MapInfo-Layer zu laden, klicken Sie auf das Symbolleistenschaltfläche Vektorebene hinzufügen oder eingeben Strg+Umschalt+V , ändern Sie den Dateitypfilter Dateien des Types : zu ‘Mapinfo File [OGR] (*.mif *.tab *.MIF *.TAB)’ und wählen Sie den MapInfo-Layer aus, den Sie laden möchten.


            Erweiterte 3D-Visualisierung mit QGIS

            QGIS ist eine sehr leistungsstarke Anwendung, wenn es um kostenloses GIS geht. Eines seiner Potenziale ist die Möglichkeit, Plugins zu entwickeln, mit denen bestimmte Aufgaben wie beispielsweise 3D-Ansichten ausgeführt werden können. Diese Plugins werden von der Community entwickelt und sind flexible Werkzeuge, die es ermöglichen, die bereits hohen QGIS-Fähigkeiten zu erhöhen.

            Während QGIS 3.0 direkte Unterstützung für die 3D-Visualisierung bietet, ist eines der umfassendsten Plugins für die 3D-Visualisierung Qgis2threejs, das von Minoru Akagi entwickelt wurde. Mit diesem Plugin können Sie Gelände- (Höhen-), Bild- und Vektordaten in Ihren Webbrowser exportieren. Die exportierten Daten können in jedem Webbrowser mit WebGL-Unterstützung angezeigt (und damit interagiert) werden.

            Anforderungen: QGIS installiert, qgis2threejs-Plugin installiert (kann von der angegebenen Website oder über den QGIS-Add-In-Manager bezogen werden), Webbrowser mit WebGL-Unterstützung (ich verwende Chrome oder Opera, obwohl es auf Firefox und Edge funktioniert).

            Entwicklung der Übung

            In QGIS habe ich 3 Vektorebenen und 2 Rasterebenen hinzugefügt. Die Vektorschichten entsprechen der Grenze eines Beckens (rot), einem kleinen hydrographischen Netzwerk (blau) und Punkten, die Niederschlagsstationen im Untersuchungsgebiet darstellen (grün). Die Rasterlayer entsprechen einem digitalen Höhenmodell und einem Orthofoto.

            Alle Informationen werden in das gleiche Koordinatenbezugssystem projiziert. Das Plugin kann Höheninformationen exportieren, um sie in 3D zu visualisieren, mit Bildern und Vektoren, so dass der wichtigste Layer, um in 3D dargestellt werden zu können, genau der Layer ist, der die Höheninformationen enthält, in diesem Fall das digitale Höhenmodell.

            Installiert erscheint das Plugin in der QGIS Symbolleiste . Ein Klick auf die Schaltfläche öffnet den Plugin-Dialog.

            Der Schlüsselteil der Konfiguration ist die Auswahl des MDE-Layers (der die Höheninformationen liefert) in diesem Fall ist standardmäßig der schattierte Layer ausgewählt, ich wähle jedoch den MDE aus.

            Die Höhenwerte in der MDE-Schicht sind diejenigen, die in der Komplementausgabe dargestellt werden, d. h. die Informationen, die die Wahrnehmung eines Reliefs vermitteln, jeder Fehler oder jedes Artefakt in dieser Schicht erzeugt Fehler bei der Visualisierung derselben.

            In den Anzeigetyp-Optionen können wir 4 Optionen auswählen, die erste (Karten-Canvas-Bild) wird auf dem von der ausgewählten MDE generierten Relief angezeigt, das wir in diesem Moment in unserem QGIS-Viewer angezeigt haben. Aus diesem Grund ist es wichtig, vorauszuplanen, was wir repräsentieren wollen. Die zweite Option zeigt eine ausgewählte Ebene auf dem Relief an, die dritte Option eine Bilddatei und die vierte Option zeigt nur das Relief mit einer ausgewählten Volltonfarbe an.

            Nachdem Sie die Optionen im Dialogfeld ausgewählt haben, klicken Sie auf Ausführen. Im Standardbrowser öffnet sich ein neuer Tab, in dem die 3D-Visualisierung unseres Modells erscheint. Außerdem kann die von qgis2threejs generierte HTML-Datei für einen späteren Zugriff gespeichert werden.

            Die folgenden Bilder zeigen den Unterschied zwischen der Anzeige von nur der DEM- und der Vektorebene und dem zweiten Bild, dem gleichen Relief, aber bedeckt mit dem Orthofoto des Untersuchungsbereichs.

            3D-Visualisierung von DTM mit Vektorebenen 3D-Visualisierung von Orthofoto- und Vektorebenen

            Erweiterte Qgis2threejs-Optionen

            Die obige Vorgehensweise, könnte man sagen, ist die Grundlage des Plugins. Ihre Fähigkeiten sind jedoch etwas größer. Das Plugin bietet die Möglichkeit, Vektorebenen für die Darstellung im 3D-Modell anzupassen. In der folgenden Abbildung können Sie bei der Auswahl des Stationslayers die Darstellung der Symbole dieses Layers in der 3D-Visualisierung anpassen. In diesem Fall wählen Sie Zylinder zur Darstellung der Stationen, die rot sind.

            Anpassen der Darstellung von Symbolen

            Beim Exportieren erhalten Sie folgende Anzeige:

            Darüber hinaus kann die vertikale Überhöhung der Visualisierung konfiguriert werden, ein Tool, das besonders in Bereichen nützlich ist, in denen der Höhenkontrast nicht sehr hoch ist und bestimmte Geländemerkmale verbessert werden müssen.

            Die resultierende Anzeige ist:

            Woran man deutlich erkennen kann, dass das Relief etwas übertrieben ist.Es ermöglicht jedoch eine bessere Visualisierung der Geländeformen.

            Schlussfolgerungen und Empfehlungen

            • Das Add-on Qgis2threejs macht es sehr einfach, digitale Höhenmodelle aus QGIS in 3D zu visualisieren.
            • Ergänzend können Vektor-Layer dynamisch mit benutzerdefinierter Symbologie (3D) angezeigt werden.
            • Die Ergänzung ermöglicht die Visualisierung von Reliefs, die mit Luft- und Satellitenbildern bedeckt sind (sofern sie gut georeferenziert sind).
            • Es hat bestimmte Einschränkungen für den direkten Export in Bildformate, kann jedoch problemlos mit HTML-Dateien umgehen.
            • Darüber hinaus ermöglicht es die 3D-Beschriftung von Vektorebenen (basierend auf einem Attribut).
            • Trotz seiner Einschränkungen ist es eine ausgezeichnete Wahl für einfache (und nicht so einfache) dreidimensionale Darstellungen.

            Geschrieben von: Marlon Calispa

            3 Gedanken zu &ldquoErweiterte 3D-Visualisierung mit QGIS&rdquo

            Wenn Sie das Endergebnis an jemanden senden möchten, um in seinem Webbrowser anzuzeigen, was Dateien / Ordner tun?
            musst du sie schicken?


            5 Antworten 5

            Ich überarbeite meine Antwort, nachdem ich die von @Conor gelesen habe.

            Ich bevorzuge jetzt voronoi-thiessen mit der Begründung, dass eine Google-Suche nach "voronoi" oder "thiessen" alle unsere Q&As auf beiden finden würde.

            Ich denke, Voronoi-thiessen sollte der Meister sein von:

            Ich denke, die Erstellung von voronoi-thiessen-polygons oder thiessen-voronoi-polygons wäre zu umständlich und ich denke nicht, dass wir das Polygon (Meta-Tag?) mit dem vorgeschlagenen voronoi-thiessen verwenden müssen.

            Wenn zu einem späteren Zeitpunkt ein Delaunay-Tag auftaucht, sollte dies meiner Meinung nach separat besprochen werden, um eine geeignete Synonymie zu ermitteln. Obwohl mit Voronoi verwandt, scheint es eher Zinn zu sein.

            Wir sollten diese Fragen sowohl mit Voronoi als auch mit Thiessen verbinden. Wir sollten nicht Machen Sie diese Tags zu Master/Synonymen oder kombinieren Sie sie aus den folgenden Gründen:

            Welcher der beiden Begriffe allgegenwärtiger ist, hängt stark vom Fachgebiet ab - In der Hydrologie/Meteorologie wird fast ausschließlich Thiessen verwendet (Alfred Thiessen war Meteorologe). In anderen Bereichen wie Mine (Computergeometrie) werden sie fast ausschließlich als Voronoi-Diagramme und Voronoi-Polygone bezeichnet.

            Es wäre nicht sinnvoll, sie zu kombinieren, da sie nie wirklich als Voronoi/Thiessen-Polygone bezeichnet werden. Personen, die Hilfe zu GIS.SE suchen, werden sie möglicherweise als das eine oder andere bezeichnen, abhängig nicht nur davon, welches Programm sie verwenden (QGIS vs. ArcGIS), sondern auch von ihrem Arbeitsbereich.

            Indem wir die Tags getrennt halten, können wir externen Benutzern von Suchmaschinen erlauben, entweder/oder Begriffe zu verwenden und dennoch Ergebnisse aus beiden Fragen abzurufen, die möglicherweise auf alle Formen von GIS anwendbar sind, da sich die mit Tags versehene Frage nicht immer speziell auf die "Voronoi ." bezieht Polygons" QGIS-Werkzeug oder das ArcGIS-Werkzeug "Thiessen-Polygone erstellen". Wenn es möglich wäre, die beiden als Synonyme zu "verlinken", ohne ein Master-Tag zu erstellen, würde ich mich dafür einsetzen.

            Einige andere Dinge zu beachten:

            Sie haben Recht bezüglich der Allgemeingültigkeit der beiden Verwendungen. Die Voronoi-Diagramme sind ein allgemeinerer Begriff, der vom Mathematiker Georgy Voronoi abstrakt beschrieben wurde. In Thiessens Aufsatz beziehen sich die Diagramme nur auf Punkte im Einzugsgebiet. Seitdem hat sich die Verwendung des Begriffs Thiessen Polygon/Diagramm jedoch so weiterentwickelt, dass die Begriffe ziemlich synonym sind.

            Einige mögen argumentieren, dass es zusätzliche Wartung unsererseits ist, das andere Tag für jede dieser Fragen zu Voronoi / Thiessen hinzuzufügen, aber da es zum Zeitpunkt dieses Beitrags anscheinend nur 33 getaggte Fragen gibt ein strittiger Punkt.

            Eine Delunay-Triangulation ist dual zu Voronoi/Thiessen-Polygonen, ist aber nicht genau das gleiche Konzept - daher sollte ihr ein eigenes nicht-synonymes Tag zugewiesen werden, wenn Fragen auftauchen.

            Voronoi/Thiessen-Diagramme werden auch als Dirilecht-Domänen bezeichnet, aber diese Verwendung ist in GIS aufgrund der Wahl der Nomenklatur der Werkzeuge wie oben erwähnt nicht so verbreitet. Daher sollten wir es wahrscheinlich vermeiden, ein Tag davon zu erstellen, da seine Verwendung in GIS wahrscheinlich zu gering ist, um derzeit eines zu rechtfertigen.


            Inhalt

            Der Begriff "geographisches Informationssystem" wurde 1963 von Roger Tomlinson geprägt, als er die wissenschaftliche Arbeit "A Geographic Information System for Regional Planning" veröffentlichte. [5] Tomlinson, der als "Vater des GIS" anerkannt wird, [6] wird zugeschrieben, dass er 1963 durch seine Arbeit am Canada Geographic Information System die Erstellung des ersten computergestützten GIS ermöglichte. Letztlich schuf Tomlinson ein Framework für eine Datenbank das in der Lage war, riesige Datenmengen zu speichern und zu analysieren, was dazu führte, dass die kanadische Regierung ihr National Land-Use Management Program umsetzen konnte. [7] [6]

            Einer der ersten bekannten Fälle, in denen die räumliche Analyse verwendet wurde, stammt aus dem Gebiet der Epidemiologie im "Rapport sur la marche et les effets du choléra dans Paris et le département de la Seine" (1832). [8] Der französische Geograph und Kartograph Charles Picquet erstellte eine Karte, die die achtundvierzig Bezirke in Paris unter Verwendung von Halbtonfarbverläufen skizziert, um die Anzahl der gemeldeten Todesfälle durch Cholera pro 1.000 Einwohner visuell darzustellen.

            Im Jahr 1854 konnte John Snow, ein Epidemiologe und Arzt, die Quelle eines Cholera-Ausbruchs in London mithilfe von räumlichen Analysen bestimmen. Snow erreichte dies, indem er den Wohnort jedes Opfers auf einer Karte des Gebiets sowie die nahegelegenen Wasserquellen aufzeichnete. Nachdem diese Punkte markiert waren, konnte er die Wasserquelle innerhalb des Clusters identifizieren, die für den Ausbruch verantwortlich war. Dies war eine der frühesten erfolgreichen Anwendungen einer geografischen Methodik, um die Quelle eines Ausbruchs in der Epidemiologie zu lokalisieren. Während die Grundelemente der Topographie und des Themas zuvor in der Kartographie existierten, war Snows Karte aufgrund seiner Verwendung kartographischer Methoden einzigartig, nicht nur um Cluster von geografisch abhängigen Phänomenen darzustellen, sondern auch zu analysieren.

            Anfang des 20. Jahrhunderts entwickelte sich die Photozinkographie, die es ermöglichte, Karten in Schichten aufzuteilen, beispielsweise eine Schicht für Vegetation und eine andere für Wasser. Dies wurde insbesondere zum Drucken von Konturen verwendet – das Zeichnen dieser war eine arbeitsintensive Aufgabe, aber sie auf einer separaten Ebene zu haben, bedeutete, dass sie ohne die anderen Ebenen bearbeitet werden konnten, um den Zeichner zu verwirren. Diese Arbeit wurde ursprünglich auf Glasplatten gezeichnet, später wurden jedoch Kunststofffolien eingeführt, die unter anderem die Vorteile haben, leichter zu sein, weniger Speicherplatz zu benötigen und weniger spröde zu sein. Als alle Schichten fertig waren, wurden sie mit einer großen Prozesskamera zu einem Bild zusammengefügt. Als der Farbdruck eingeführt wurde, wurde die Layer-Idee auch verwendet, um separate Druckplatten für jede Farbe zu erstellen. Während die Verwendung von Layern erst viel später zu einem der wichtigsten typischen Merkmale eines zeitgenössischen GIS wurde, wird das gerade beschriebene fotografische Verfahren nicht als GIS an sich betrachtet – da die Karten nur Bilder ohne eine Datenbank waren, mit der sie verknüpft werden konnten.

            Zwei weitere Entwicklungen sind in den frühen Tagen von GIS bemerkenswert: Ian McHargs Veröffentlichung "Design mit der Natur“ [9] und seine Kartenüberlagerungsmethode und die Einführung eines Straßennetzes in das DIME-System (Dual Independent Map Encoding) des US Census Bureau. [10]

            Die Entwicklung von Computerhardware, die von der Kernwaffenforschung angetrieben wurde, führte in den frühen 1960er Jahren zu universellen Computer-"Mapping"-Anwendungen. [11]

            1960 wurde in Ottawa, Ontario, Kanada, vom Bundesministerium für Forstwirtschaft und ländliche Entwicklung das weltweit erste echte einsatzfähige GIS entwickelt. Es wurde von Dr. Roger Tomlinson entwickelt und wurde als Canada Geographic Information System (CGIS) bezeichnet und zum Speichern, Analysieren und Bearbeiten von Daten verwendet, die für das Canada Land Inventory gesammelt wurden – ein Versuch, die Landkapazität für das ländliche Kanada durch Kartierung von Informationen über Böden, Landwirtschaft, Erholung, Wildtiere, Wasservögel, Forstwirtschaft und Landnutzung im Maßstab 1:50.000. Ein Rating-Klassifizierungsfaktor wurde ebenfalls hinzugefügt, um eine Analyse zu ermöglichen.

            CGIS war eine Verbesserung gegenüber "Computer-Mapping"-Anwendungen, da es Funktionen zum Überlagern, Messen und Digitalisieren/Scannen bereitstellte. Es unterstützte ein nationales Koordinatensystem, das den Kontinent umspannte, codierte Linien als Bögen mit einer echten eingebetteten Topologie und speicherte die Attribut- und Standortinformationen in separaten Dateien. Infolgedessen wurde Tomlinson als "Vater des GIS" bekannt, insbesondere für seine Verwendung von Overlays zur Förderung der räumlichen Analyse konvergenter geografischer Daten. [12]

            CGIS dauerte bis in die 1990er Jahre und baute eine große digitale Datenbank für Landressourcen in Kanada auf. Es wurde als Mainframe-basiertes System zur Unterstützung der Ressourcenplanung und -verwaltung auf Bundes- und Landesebene entwickelt. Seine Stärke war die kontinentweite Analyse komplexer Datensätze. Das CGIS war nie im Handel erhältlich.

            1964 gründete Howard T. Fisher das Laboratory for Computer Graphics and Spatial Analysis an der Harvard Graduate School of Design (LCGSA 1965–1991), in dem eine Reihe wichtiger theoretischer Konzepte zur Handhabung von Geodaten entwickelt und in den 1970er Jahren verbreitet wurden wegweisenden Softwarecode und -systeme wie SYMAP, GRID und ODYSSEY – die als Quellen für die spätere kommerzielle Entwicklung dienten – an Universitäten, Forschungszentren und Unternehmen weltweit. [13]

            Ende der 1970er Jahre befanden sich zwei gemeinfreie GIS-Systeme (MOSS und GRASS GIS) in der Entwicklung und Anfang der 1980er Jahre M&S Computing (später Intergraph) zusammen mit Bentley Systems Incorporated für die CAD-Plattform, Environmental Systems Research Institute (ESRI), CARIS (Computer Aided Resource Information System), MapInfo Corporation und ERDAS (Earth Resource Data Analysis System) entstanden als kommerzielle Anbieter von GIS-Software, die erfolgreich viele der CGIS-Funktionen integriert und den Ansatz der ersten Generation zur Trennung von räumlichen und Attributinformationen mit einem zweiten kombiniert Generierungsansatz zum Organisieren von Attributdaten in Datenbankstrukturen. [14]

            1986 wurde mit dem MIDAS (Mapping Display and Analysis System) das erste Desktop-GIS-Produkt [15] für das DOS-Betriebssystem veröffentlicht. Dies wurde 1990 in MapInfo for Windows umbenannt, als es auf die Microsoft Windows-Plattform portiert wurde. Damit begann der Prozess der Verlagerung von GIS aus der Forschungsabteilung in die Geschäftsumgebung.

            Bis zum Ende des 20. Jahrhunderts war das schnelle Wachstum verschiedener Systeme auf relativ wenigen Plattformen konsolidiert und standardisiert worden, und die Benutzer begannen, sich mit der Anzeige von GIS-Daten über das Internet zu befassen, was Datenformate und Übertragungsstandards erforderte. In jüngster Zeit läuft eine wachsende Zahl kostenloser Open-Source-GIS-Pakete auf einer Reihe von Betriebssystemen und kann an die Ausführung bestimmter Aufgaben angepasst werden. Über das World Wide Web werden zunehmend Geodaten und Kartierungsanwendungen bereitgestellt (siehe Liste der GIS-Software § GIS as a Service). [16]

            Moderne GIS-Technologien verwenden digitale Informationen, für die verschiedene digitalisierte Datenerstellungsmethoden verwendet werden. Die gebräuchlichste Methode zur Datenerstellung ist die Digitalisierung, bei der eine gedruckte Karte oder ein Vermessungsplan mithilfe eines CAD-Programms und Georeferenzierungsfunktionen in ein digitales Medium übertragen wird. Mit der breiten Verfügbarkeit von ortho-korrigierten Bildern (von Satelliten, Flugzeugen, Helikoptern und UAVs) wird die Heads-up-Digitalisierung zum Hauptweg, über den geographische Daten extrahiert werden. Bei der Heads-up-Digitalisierung werden geografische Daten direkt auf den Luftbildern aufgezeichnet, anstatt die geografische Form auf einem separaten Digitalisierungstablett nachzuzeichnen (Heads-down-Digitalisierung). Bei der Heads-down-Digitalisierung oder manuellen Digitalisierung wird ein spezieller Magnetstift oder Eingabestift verwendet, der Informationen in einen Computer einspeist, um eine identische, digitale Karte zu erstellen. Einige Tablets verwenden anstelle eines Stifts ein mausähnliches Werkzeug, das als Puck bezeichnet wird. [17] [18] Der Puck hat ein kleines Fenster mit Fadenkreuz, das eine höhere Präzision und genaue Karteneigenschaften ermöglicht. Obwohl Heads-Up-Digitalisierung häufiger verwendet wird, ist Heads-Down-Digitalisierung immer noch nützlich, um Karten von schlechter Qualität zu digitalisieren. [18]

            Geoverarbeitung ist eine GIS-Operation zum Bearbeiten von Geodaten. Eine typische Geoverarbeitungsoperation verwendet ein Eingabe-Dataset, führt eine Operation für dieses Dataset aus und gibt das Ergebnis der Operation als Ausgabe-Dataset zurück. Zu den gängigen Geoverarbeitungsvorgängen gehören geografische Feature-Overlays, Feature-Auswahl und -Analyse, Topologie-Verarbeitung, Raster-Verarbeitung und Datenkonvertierung. Die Geoverarbeitung ermöglicht die Definition, Verwaltung und Analyse von Informationen, die zur Entscheidungsfindung verwendet werden. [19]

            Verknüpfen von Informationen aus verschiedenen Quellen Bearbeiten

            GIS verwendet die räumlich-zeitliche (Raum-Zeit) Position als Schlüsselindexvariable für alle anderen Informationen. So wie eine relationale Datenbank, die Text oder Zahlen enthält, viele verschiedene Tabellen mithilfe gemeinsamer Schlüsselindexvariablen in Beziehung setzen kann, kann GIS ansonsten unzusammenhängende Informationen mithilfe von location als Schlüsselindexvariable in Beziehung setzen. Der Schlüssel ist der Ort und/oder die Ausdehnung in der Raumzeit.

            Jede räumlich und zunehmend auch zeitlich lokalisierbare Größe kann über ein GIS referenziert werden. Orte oder Ausdehnungen in der Raumzeit der Erde können als Datum/Zeit des Auftretens aufgezeichnet werden, und x-, y- und z-Koordinaten, die Längengrad, Breitengrad bzw. Höhe darstellen. Diese GIS-Koordinaten können andere quantifizierte Systeme der zeitlich-räumlichen Referenz darstellen (z. B. Filmbildnummer, Strommessstation, Autobahnmeilenmarkierung, Vermessungsrichtwert, Gebäudeadresse, Straßenkreuzung, Einfahrtstor, Wassertiefensondierung, POS- oder CAD-Zeichnung Herkunft/Einheiten). Die auf aufgezeichnete zeitlich-räumliche Daten angewendeten Einheiten können stark variieren (selbst bei Verwendung genau der gleichen Daten, siehe Kartenprojektionen), aber alle erdbasierten räumlich-zeitlichen Orts- und Ausdehnungsreferenzen sollten idealerweise zueinander und letztendlich zu einem "realer" physikalischer Ort oder Ausdehnung in der Raumzeit.

            In Verbindung mit genauen räumlichen Informationen kann eine unglaubliche Vielfalt realer und projizierter vergangener oder zukünftiger Daten analysiert, interpretiert und dargestellt werden. [20] Dieses Schlüsselmerkmal von GIS hat begonnen, neue Wege für die wissenschaftliche Untersuchung von Verhaltensweisen und Mustern von Informationen aus der realen Welt zu eröffnen, die zuvor nicht systematisch korreliert worden waren.

            GIS-Unsicherheiten Bearbeiten

            Die GIS-Genauigkeit hängt von den Quelldaten und deren Codierung für die Datenreferenz ab. Landvermesser waren in der Lage, unter Verwendung der GPS-abgeleiteten Positionen ein hohes Maß an Positionsgenauigkeit bereitzustellen. [21] Hochauflösende digitale Gelände- und Luftbilder, [22] leistungsstarke Computer und Web-Technologie verändern die Qualität, den Nutzen und die Erwartungen von GIS, um der Gesellschaft im großen Stil zu dienen, aber nichtsdestotrotz gibt es andere Quellendaten, die sich auf das gesamte GIS auswirken Genauigkeit wie Papierkarten, obwohl diese von begrenztem Nutzen sein können, um die gewünschte Genauigkeit zu erreichen.

            Bei der Entwicklung einer digitalen topografischen Datenbank für ein GIS sind topografische Karten die Hauptquelle, und Luftaufnahmen und Satellitenbilder sind zusätzliche Quellen zum Sammeln von Daten und Identifizieren von Attributen, die in Schichten über ein maßstabsgetreues Standortfaksimile kartiert werden können. Der Maßstab einer Karte und der Darstellungstyp des geografischen Rendering-Gebiets oder die Kartenprojektion sind sehr wichtige Aspekte, da der Informationsgehalt hauptsächlich vom eingestellten Maßstab und der daraus resultierenden Auffindbarkeit der Kartendarstellungen abhängt. Um eine Karte zu digitalisieren, muss die Karte in theoretischen Dimensionen überprüft, dann in ein Rasterformat gescannt und die resultierenden Rasterdaten müssen durch ein Verfahren der Rubbersheeting/Warping-Technologie, das als Georeferenzierung bekannt ist, eine theoretische Dimension erhalten.

            Eine quantitative Analyse von Karten rückt Genauigkeitsprobleme in den Fokus. Die elektronische und andere Ausrüstung, die zur Durchführung von Messungen für GIS verwendet wird, ist weitaus präziser als die Maschinen der herkömmlichen Kartenanalyse. Alle geografischen Daten sind von Natur aus ungenau, und diese Ungenauigkeiten breiten sich in schwer vorhersehbaren GIS-Operationen aus. [23]

            Datendarstellung Bearbeiten

            GIS-Daten stellen reale Objekte (wie Straßen, Landnutzung, Höhen, Bäume, Wasserstraßen usw.) dar, wobei digitale Daten die Mischung bestimmen. Reale Objekte können in zwei Abstraktionen unterteilt werden: diskrete Objekte (z. B. ein Haus) und kontinuierliche Felder (wie Niederschlagsmenge oder Höhen). Traditionell gibt es zwei allgemeine Methoden zum Speichern von Daten in einem GIS für beide Arten von Abstraktions-Mapping-Referenzen: Rasterbilder und Vektoren. Punkte, Linien und Polygone repräsentieren Vektordaten von zugeordneten Ortsattributreferenzen.

            Eine neue Hybridmethode zum Speichern von Daten ist die Identifizierung von Punktwolken, die dreidimensionale Punkte mit RGB-Informationen an jedem Punkt kombinieren und ein "3D-Farbbild" zurückgeben. GIS-Themenkarten werden dann immer realistischer visuell beschreibend für das, was sie zeigen oder bestimmen wollen.

            Eine Liste gängiger GIS-Dateiformate wie Shapefiles finden Sie unter GIS-Dateiformate § Beliebte GIS-Dateiformate.

            Datenerfassung Bearbeiten

            Die Datenerfassung – das Eingeben von Informationen in das System – nimmt einen Großteil der Zeit von GIS-Praktikern in Anspruch. Es gibt verschiedene Methoden, um Daten in ein GIS einzugeben, wo sie in einem digitalen Format gespeichert werden.

            Vorhandene Daten, die auf Papier- oder PET-Folienkarten gedruckt sind, können digitalisiert oder gescannt werden, um digitale Daten zu erzeugen. Ein Digitalisierer erzeugt Vektordaten, wenn ein Bediener Punkte, Linien und Polygongrenzen auf einer Karte nachzeichnet. Das Scannen einer Karte führt zu Rasterdaten, die weiterverarbeitet werden könnten, um Vektordaten zu erzeugen.

            Vermessungsdaten können mithilfe einer Technik namens Koordinatengeometrie (COGO) direkt aus digitalen Datenerfassungssystemen auf Vermessungsinstrumenten in ein GIS eingegeben werden. Positionen von einem globalen Navigationssatellitensystem (GNSS) wie dem Global Positioning System können ebenfalls erfasst und dann in ein GIS importiert werden. Ein aktueller Trend bei der Datenerfassung gibt Benutzern die Möglichkeit, Feldcomputer mit der Möglichkeit zu verwenden, Live-Daten über drahtlose Verbindungen oder getrennte Bearbeitungssitzungen zu bearbeiten. [24] Dies wurde durch die Verfügbarkeit von kostengünstigen GPS-Geräten in Kartenqualität mit Dezimetergenauigkeit in Echtzeit verbessert. Dadurch entfällt die Notwendigkeit, die Daten im Büro nach der Erfassung der Feldarbeit nachzubearbeiten, zu importieren und zu aktualisieren. Dazu gehört die Möglichkeit, mit einem Laser-Entfernungsmesser erfasste Positionen einzubeziehen. Neue Technologien ermöglichen es Benutzern auch, Karten direkt vor Ort zu erstellen und zu analysieren, wodurch Projekte effizienter und die Kartierung genauer wird.

            Auch bei der Datenerfassung spielen Fernerkundungsdaten eine wichtige Rolle und bestehen aus Sensoren, die an einer Plattform befestigt sind. Sensoren umfassen Kameras, digitale Scanner und Lidar, während Plattformen normalerweise aus Flugzeugen und Satelliten bestehen. In England, Mitte der 1990er Jahre, leisteten hybride Drachen/Ballons, sogenannte Helikiten, erstmals Pionierarbeit bei der Verwendung kompakter flugzeuggestützter Digitalkameras als luftgestützte Geoinformationssysteme. Eine auf 0,4 mm genaue Flugzeugmesssoftware wurde verwendet, um die Fotos zu verknüpfen und den Boden zu vermessen. Helikopter sind kostengünstig und sammeln genauere Daten als Flugzeuge. Hubschrauber können über Straßen, Eisenbahnen und Städten eingesetzt werden, in denen unbemannte Luftfahrzeuge (UAVs) verboten sind.

            In letzter Zeit ist die Luftdatenerfassung mit Miniatur-UAVs und Drohnen leichter zugänglich geworden.Mit dem Aeryon Scout wurde beispielsweise ein 50 Hektar großes Gebiet mit einem Bodenprobenabstand von 2,54 cm in nur 12 Minuten kartiert. [25]

            Der Großteil der digitalen Daten stammt derzeit aus der Fotointerpretation von Luftbildern. Softcopy-Workstations werden verwendet, um Merkmale direkt aus Stereopaaren digitaler Fotografien zu digitalisieren. Diese Systeme ermöglichen die Erfassung von Daten in zwei und drei Dimensionen, wobei die Höhen mithilfe der Prinzipien der Photogrammetrie direkt von einem Stereopaar gemessen werden. Analoge Luftbilder müssen vor der Eingabe in ein Softcopy-System gescannt werden, bei hochwertigen Digitalkameras entfällt dieser Schritt.

            Eine weitere wichtige Quelle für Geodaten ist die Satellitenfernerkundung. Hier verwenden Satelliten verschiedene Sensorpakete, um passiv den Reflexionsgrad von Teilen des elektromagnetischen Spektrums oder von Radiowellen zu messen, die von einem aktiven Sensor wie einem Radar ausgesendet wurden. Fernerkundung sammelt Rasterdaten, die mit verschiedenen Bändern weiterverarbeitet werden können, um interessierende Objekte und Klassen wie die Landbedeckung zu identifizieren.

            Web Mining ist eine neuartige Methode zur Erfassung räumlicher Daten. Forscher erstellen eine Web-Crawler-Anwendung, um erforderliche räumliche Daten aus dem Web zu aggregieren. [26] Beispielsweise kann der genaue Geo-Standort oder die Nachbarschaft von Wohnungen von Websites mit Online-Immobilienangeboten erfasst werden.

            Bei der Erfassung von Daten sollte der Benutzer überlegen, ob die Daten entweder mit relativer oder absoluter Genauigkeit erfasst werden sollen, da dies nicht nur die Interpretation der Informationen, sondern auch die Kosten der Datenerfassung beeinflussen könnte.

            Nach der Eingabe von Daten in ein GIS müssen die Daten in der Regel bearbeitet, Fehler beseitigt oder weiterverarbeitet werden. Für Vektordaten müssen sie "topologisch korrekt" gemacht werden, bevor sie für eine erweiterte Analyse verwendet werden können. In einem Straßennetz müssen beispielsweise Linien mit Knoten an einer Kreuzung verbunden sein. Fehler wie Unter- und Überschwinger müssen ebenfalls beseitigt werden. Bei gescannten Karten müssen möglicherweise Fehler auf der Quellkarte aus dem resultierenden Raster entfernt werden. Ein Schmutzfleck kann beispielsweise zwei Leitungen verbinden, die nicht verbunden werden sollten.

            Raster-zu-Vektor-Übersetzung Bearbeiten

            Die Datenrestrukturierung kann von einem GIS durchgeführt werden, um Daten in verschiedene Formate zu konvertieren. Beispielsweise kann ein GIS verwendet werden, um eine Satellitenbildkarte in eine Vektorstruktur umzuwandeln, indem Linien um alle Zellen mit derselben Klassifikation erzeugt werden, während die räumlichen Beziehungen der Zellen, wie beispielsweise Nachbarschaft oder Einschluss, bestimmt werden.

            Eine fortschrittlichere Datenverarbeitung kann mit der Bildverarbeitung erfolgen, einer Technik, die in den späten 1960er Jahren von der NASA und dem privaten Sektor entwickelt wurde, um Kontrastverstärkung, Falschfarbenwiedergabe und eine Vielzahl anderer Techniken einschließlich der Verwendung zweidimensionaler Fourier-Transformationen bereitzustellen. Da digitale Daten auf verschiedene Weise gesammelt und gespeichert werden, sind die beiden Datenquellen möglicherweise nicht vollständig kompatibel. Daher muss ein GIS in der Lage sein, geografische Daten von einer Struktur in eine andere umzuwandeln. Dabei müssen die impliziten Annahmen hinter verschiedenen Ontologien und Klassifikationen analysiert werden. [27] Objektontologien haben als Folge der objektorientierten Programmierung und der anhaltenden Arbeit von Barry Smith und Mitarbeitern an Bedeutung gewonnen.

            Projektionen, Koordinatensysteme und Registrierung Bearbeiten

            Die Erde kann durch verschiedene Modelle dargestellt werden, von denen jedes einen anderen Satz von Koordinaten (z. B. Breite, Länge, Höhe) für jeden gegebenen Punkt auf der Erdoberfläche bereitstellen kann. Das einfachste Modell ist die Annahme, dass die Erde eine perfekte Kugel ist. Da sich mehr Messungen der Erde angesammelt haben, sind die Modelle der Erde ausgefeilter und genauer geworden. Tatsächlich gibt es Modelle, die als Datumsangaben bezeichnet werden und für verschiedene Bereiche der Erde gelten, um eine höhere Genauigkeit zu gewährleisten, wie das North American Datum von 1983 für US-Messungen und das World Geodetic System für weltweite Messungen.

            Der Breiten- und Längengrad auf einer Karte, die gegen ein lokales Datum erstellt wurde, stimmen möglicherweise nicht mit denen überein, die von einem GPS-Empfänger erhalten wurden. Das Konvertieren von Koordinaten von einem Datum in ein anderes erfordert eine Datumstransformation wie eine Helmert-Transformation, obwohl in bestimmten Situationen eine einfache Verschiebung ausreichend sein kann. [28]

            In populärer GIS-Software werden Daten, die in Breiten-/Längengraden projiziert werden, oft als geographisches Koordinatensystem dargestellt. Zum Beispiel werden Daten in Breiten-/Längengraden, wenn das Datum das „North American Datum of 1983“ ist, mit „GCS North American 1983“ bezeichnet.

            Die räumliche GIS-Analyse ist ein sich schnell änderndes Feld, und GIS-Pakete enthalten zunehmend Analysewerkzeuge als standardmäßig integrierte Einrichtungen, als optionale Toolsets, als Add-Ins oder „Analysten“. In vielen Fällen werden diese von den ursprünglichen Softwarelieferanten (kommerzielle Anbieter oder kollaborative nichtkommerzielle Entwicklungsteams) bereitgestellt, während in anderen Fällen Einrichtungen entwickelt wurden und von Dritten bereitgestellt werden. Darüber hinaus bieten viele Produkte Software Development Kits (SDKs), Programmiersprachen und Sprachunterstützung, Scripting-Möglichkeiten und/oder spezielle Schnittstellen zur Entwicklung eigener Analysewerkzeuge oder Varianten. Die erhöhte Verfügbarkeit hat eine neue Dimension der Business Intelligence geschaffen, die als "Spatial Intelligence" bezeichnet wird und, wenn sie offen über das Intranet bereitgestellt wird, den Zugang zu geografischen und sozialen Netzwerkdaten demokratisiert. Geospatial Intelligence, basierend auf der GIS-Raumanalyse, ist ebenfalls zu einem Schlüsselelement für die Sicherheit geworden. GIS als Ganzes kann als Umwandlung in eine vektorielle Darstellung oder in jedes andere Digitalisierungsverfahren beschrieben werden.

            Neigung und Seitenverhältnis Bearbeiten

            Neigung kann als Steilheit oder Neigung einer Geländeeinheit definiert werden, die normalerweise als Winkel in Grad oder als Prozentsatz gemessen wird. Der Aspekt kann als die Richtung definiert werden, in die eine Geländeeinheit weist. Der Aspekt wird normalerweise in Grad von Norden ausgedrückt. Neigung, Ausrichtung und Oberflächenkrümmung in der Geländeanalyse werden alle aus Nachbarschaftsoperationen unter Verwendung von Höhenwerten der benachbarten Nachbarn einer Zelle abgeleitet. [29] Die Neigung ist eine Funktion der Auflösung, und die zur Berechnung von Neigung und Ausrichtung verwendete räumliche Auflösung sollte immer angegeben werden. [30] Verschiedene Autoren haben Techniken zur Berechnung von Neigung und Aspekt verglichen. [31] [32] [33]

            Die folgende Methode kann verwendet werden, um Steigung und Ausrichtung abzuleiten:
            Die Höhe an einem Punkt oder einer Geländeeinheit hat senkrechte Tangenten (Neigung), die durch den Punkt in Ost-West- und Nord-Süd-Richtung verlaufen. Diese beiden Tangenten ergeben zwei Komponenten, z/∂x und ∂z/∂y, die dann verwendet werden, um die Gesamtneigungsrichtung und den Aspekt der Neigung zu bestimmen. Der Gradient ist als Vektorgröße definiert, deren Komponenten gleich den partiellen Ableitungen der Oberfläche in x- und y-Richtung sind. [34]

            Die Berechnung der gesamten 3×3-Gittersteigung S und Aspekt EIN für Methoden, die die Ost-West- und die Nord-Süd-Komponente bestimmen, verwenden Sie jeweils die folgenden Formeln:

            Zhou und Liu [33] beschreiben eine weitere Formel zur Berechnung des Aspekts wie folgt:

            Datenanalyse Bearbeiten

            Es ist schwierig, Feuchtgebietskarten mit Niederschlagsmengen zu verknüpfen, die an verschiedenen Orten wie Flughäfen, Fernsehsendern und Schulen aufgezeichnet wurden. Ein GIS kann jedoch verwendet werden, um zwei- und dreidimensionale Eigenschaften der Erdoberfläche, des Untergrunds und der Atmosphäre von Informationspunkten aus darzustellen. Ein GIS kann beispielsweise schnell eine Karte mit Isoplethen oder Höhenlinien generieren, die unterschiedliche Niederschlagsmengen anzeigen. Eine solche Karte kann man sich als Niederschlagskonturkarte vorstellen. Viele ausgeklügelte Methoden können die Eigenschaften von Oberflächen aus einer begrenzten Anzahl von Punktmessungen abschätzen. Eine zweidimensionale Höhenlinienkarte, die aus der Oberflächenmodellierung von Niederschlagspunktmessungen erstellt wurde, kann mit jeder anderen Karte in einem GIS, die dasselbe Gebiet abdeckt, überlagert und analysiert werden. Diese GIS-abgeleitete Karte kann dann zusätzliche Informationen liefern – wie zum Beispiel die Tragfähigkeit des Wasserkraftpotenzials als erneuerbare Energiequelle. In ähnlicher Weise kann GIS verwendet werden, um andere erneuerbare Energieressourcen zu vergleichen, um das beste geografische Potenzial für eine Region zu ermitteln. [35]

            Darüber hinaus können aus einer Reihe von dreidimensionalen Punkten oder einem digitalen Höhenmodell Isoplethenlinien, die Höhenkonturen darstellen, zusammen mit Neigungsanalysen, schattierten Reliefs und anderen Höhenprodukten generiert werden. Wasserscheiden können für jede gegebene Reichweite leicht definiert werden, indem alle angrenzenden und bergauf von einem bestimmten Point of Interest aus berechneten Gebiete berechnet werden. In ähnlicher Weise kann aus Höhendaten im GIS ein erwarteter Talweg berechnet werden, in dem Oberflächenwasser in intermittierenden und permanenten Strömen wandern möchte.

            Topologische Modellierung Bearbeiten

            Ein GIS kann die räumlichen Beziehungen, die in digital gespeicherten Geodaten bestehen, erkennen und analysieren. Diese topologischen Beziehungen ermöglichen die Durchführung komplexer räumlicher Modellierungen und Analysen. Topologische Beziehungen zwischen geometrischen Einheiten umfassen traditionell Nachbarschaft (was an was angrenzt), Einschließung (was umschließt was) und Nähe (wie nah etwas an etwas anderem ist).

            Geometrische Netzwerke Bearbeiten

            Geometrische Netzwerke sind lineare Netzwerke von Objekten, die verwendet werden können, um miteinander verbundene Features darzustellen und spezielle räumliche Analysen an ihnen durchzuführen. Ein geometrisches Netzwerk besteht aus Kanten, die an Knotenpunkten verbunden sind, ähnlich wie Graphen in Mathematik und Informatik. Genau wie Graphen können Netzwerken Gewicht und Fluss zugewiesen werden, die verwendet werden können, um verschiedene miteinander verbundene Features genauer darzustellen. Geometrische Netze werden häufig verwendet, um Straßennetze und öffentliche Versorgungsnetze wie Strom-, Gas- und Wassernetze zu modellieren. Netzwerkmodellierung wird auch häufig in der Verkehrsplanung, Hydrologiemodellierung und Infrastrukturmodellierung verwendet.

            Hydrologische Modellierung Bearbeiten

            Hydrologische GIS-Modelle können ein räumliches Element bereitstellen, das anderen hydrologischen Modellen fehlt, mit der Analyse von Variablen wie Neigung, Ausrichtung und Wassereinzugsgebiet oder Einzugsgebiet. [37] Die Geländeanalyse ist von grundlegender Bedeutung für die Hydrologie, da Wasser immer einen Hang hinunterfließt. [37] Da die grundlegende Geländeanalyse eines digitalen Höhenmodells (DEM) die Berechnung von Neigung und Ausrichtung beinhaltet, sind DEMs sehr nützlich für hydrologische Analysen. Gefälle und Ausrichtung können dann verwendet werden, um die Richtung des Oberflächenabflusses und damit die Ansammlung von Strömungen für die Bildung von Bächen, Flüssen und Seen zu bestimmen. Auch Bereiche mit abweichender Strömung können einen klaren Hinweis auf die Grenzen eines Einzugsgebiets geben. Nachdem eine Fließrichtungs- und Akkumulationsmatrix erstellt wurde, können Abfragen durchgeführt werden, die beitragende oder streuende Bereiche an einem bestimmten Punkt anzeigen. [37] Dem Modell können weitere Details hinzugefügt werden, wie z. B. Geländerauhigkeit, Vegetationstypen und Bodentypen, die die Infiltrations- und Evapotranspirationsraten und damit die Oberflächenströmung beeinflussen können. Eine der Hauptanwendungen der hydrologischen Modellierung ist die Umweltverschmutzungsforschung. Weitere Anwendungen der hydrologischen Modellierung sind Grundwasser- und Oberflächenwasserkartierungen sowie Hochwasserrisikokarten.

            Kartografische Modellierung Bearbeiten

            Dana Tomlin prägte wahrscheinlich den Begriff "kartographisches Modellieren" in seiner Doktorarbeit (1983) und verwendete ihn später im Titel seines Buches, Geografische Informationssysteme und kartografische Modellierung (1990). [38] Kartographische Modellierung bezieht sich auf einen Prozess, bei dem mehrere thematische Schichten desselben Gebiets erzeugt, verarbeitet und analysiert werden. Tomlin verwendete Rasterebenen, aber die Überlagerungsmethode (siehe unten) kann allgemeiner verwendet werden. Operationen auf Kartenebenen können zu Algorithmen und schließlich zu Simulations- oder Optimierungsmodellen kombiniert werden.

            Karten-Overlay Bearbeiten

            Durch die Kombination mehrerer räumlicher Datasets (Punkte, Linien oder Polygone) wird ein neues Ausgabevektor-Dataset erstellt, das optisch dem Stapeln mehrerer Karten derselben Region ähnelt. Diese Überlagerungen ähneln mathematischen Überlagerungen des Venn-Diagramms. Ein Union-Overlay kombiniert die geografischen Features und Attributtabellen beider Eingaben in einer einzigen neuen Ausgabe. Eine Schnittpunktüberlagerung definiert den Bereich, in dem sich beide Eingaben überlappen, und behält für jede einen Satz von Attributfeldern bei. Eine symmetrische Differenzüberlagerung definiert einen Ausgabebereich, der die Gesamtfläche beider Eingaben mit Ausnahme des Überlappungsbereichs umfasst.

            Die Datenextraktion ist ein GIS-Prozess, der dem Vektor-Overlay ähnlich ist, kann jedoch sowohl in der Vektor- als auch in der Rasterdatenanalyse verwendet werden. Anstatt die Eigenschaften und Merkmale beider Datensätze zu kombinieren, umfasst die Datenextraktion die Verwendung eines "Clips" oder einer "Maske", um die Merkmale eines Datensatzes zu extrahieren, die in die räumliche Ausdehnung eines anderen Datensatzes fallen.

            Bei der Rasterdatenanalyse wird die Überlagerung von Datasets durch einen Prozess erreicht, der als "lokale Operation auf mehreren Rastern" oder "Kartenalgebra" bekannt ist, durch eine Funktion, die die Werte der Matrix jedes Rasters kombiniert. Diese Funktion kann einige Eingaben stärker gewichten als andere durch die Verwendung eines "Indexmodells", das den Einfluss verschiedener Faktoren auf ein geografisches Phänomen widerspiegelt.

            Geostatistik Bearbeiten

            Geostatistik ist ein Zweig der Statistik, der sich mit Felddaten befasst, Geodaten mit einem fortlaufenden Index. Es bietet Methoden zur Modellierung der räumlichen Korrelation und zur Vorhersage von Werten an beliebigen Orten (Interpolation).

            Wenn Phänomene gemessen werden, bestimmen die Beobachtungsmethoden die Genauigkeit jeder nachfolgenden Analyse. Aufgrund der Natur der Daten (z. B. Verkehrsmuster in einer städtischen Umgebung Wettermuster über dem Pazifischen Ozean) geht immer ein konstanter oder dynamischer Genauigkeitsgrad bei der Messung verloren. Dieser Genauigkeitsverlust ergibt sich aus dem Umfang und der Verteilung der Datenerhebung.

            Um die statistische Relevanz der Analyse zu bestimmen, wird ein Mittelwert gebildet, so dass Punkte (Gradienten) außerhalb jeder unmittelbaren Messung einbezogen werden können, um ihr vorhergesagtes Verhalten zu bestimmen. Dies ist auf die Beschränkungen der angewandten Statistik- und Datenerfassungsmethoden zurückzuführen, und eine Interpolation ist erforderlich, um das Verhalten von Partikeln, Punkten und Orten vorherzusagen, die nicht direkt messbar sind.

            Interpolation ist der Prozess, bei dem eine Oberfläche, normalerweise ein Raster-Dataset, durch die Eingabe von Daten erstellt wird, die an einer Reihe von Stichprobenpunkten erfasst wurden. Es gibt verschiedene Arten der Interpolation, die die Daten je nach Eigenschaften des Datensatzes unterschiedlich behandeln. Beim Vergleich von Interpolationsmethoden sollte zunächst berücksichtigt werden, ob sich die Quelldaten ändern (genau oder ungefähr). Als nächstes ist die Frage, ob die Methode subjektiv, eine menschliche Interpretation oder objektiv ist. Dann gibt es die Art der Übergänge zwischen den Punkten: sind sie abrupt oder allmählich. Schließlich gibt es noch die Frage, ob eine Methode global ist (sie verwendet den gesamten Datensatz zur Bildung des Modells) oder lokal ist, bei der ein Algorithmus für einen kleinen Geländeabschnitt wiederholt wird.

            Interpolation ist eine gerechtfertigte Messung aufgrund eines räumlichen Autokorrelationsprinzips, das erkennt, dass Daten, die an einer beliebigen Position gesammelt werden, eine große Ähnlichkeit oder einen großen Einfluss auf diese Orte in ihrer unmittelbaren Umgebung haben.

            Adress-Geokodierung Bearbeiten

            Geokodierung interpoliert räumliche Standorte (X,Y-Koordinaten) aus Straßenadressen oder anderen raumbezogenen Daten wie Postleitzahlen, Parzellen und Adressstandorten. Zum Geokodieren einzelner Adressen ist ein Referenzdesign erforderlich, z. B. eine Straßenmittelliniendatei mit Adressbereichen. Die einzelnen Adressorte wurden historisch interpoliert oder geschätzt, indem Adressbereiche entlang eines Straßenabschnitts untersucht wurden. Diese werden in der Regel in Form einer Tabelle oder Datenbank bereitgestellt. Die Software platziert dann einen Punkt ungefähr dort, wo diese Adresse entlang des Mittelliniensegments gehört. Ein Adresspunkt von 500 befindet sich beispielsweise am Mittelpunkt eines Liniensegments, das mit Adresse 1 beginnt und mit Adresse 1.000 endet. Geokodierung kann auch auf tatsächliche Flurstückdaten angewendet werden, typischerweise aus kommunalen Steuerkarten. In diesem Fall ist das Ergebnis der Geokodierung ein tatsächlich positionierter Raum im Gegensatz zu einem interpolierten Punkt. Dieser Ansatz wird zunehmend verwendet, um genauere Standortinformationen bereitzustellen.

            Reverse Geocoding Bearbeiten

            Reverse Geocoding ist der Vorgang, bei dem eine geschätzte Hausnummer in Bezug auf eine bestimmte Koordinate zurückgegeben wird. Zum Beispiel kann ein Benutzer auf ein Straßenmittellinienthema klicken (wodurch eine Koordinate bereitgestellt wird) und Informationen erhalten, die die geschätzte Hausnummer widerspiegeln. Diese Hausnummer wird aus einem diesem Straßenabschnitt zugewiesenen Bereich interpoliert. Wenn der Benutzer auf die Mitte eines Segments klickt, das mit Adresse 1 beginnt und mit 100 endet, liegt der zurückgegebene Wert ungefähr bei 50. Beachten Sie, dass die umgekehrte Geokodierung keine tatsächlichen Adressen zurückgibt, sondern nur Schätzungen dessen, was basierend auf den vorgegebenen Werten vorhanden sein sollte Angebot.

            Multikriterielle Entscheidungsanalyse Bearbeiten

            In Verbindung mit GIS unterstützen multikriterielle Entscheidungsanalysemethoden Entscheidungsträger bei der Analyse einer Reihe alternativer räumlicher Lösungen, wie beispielsweise des wahrscheinlichsten ökologischen Lebensraums für die Wiederherstellung, anhand mehrerer Kriterien wie Vegetationsbedeckung oder Straßen. MCDA verwendet Entscheidungsregeln, um die Kriterien zu aggregieren, wodurch die alternativen Lösungen eingestuft oder priorisiert werden können. [39] GIS MCDA kann Kosten und Zeitaufwand für die Identifizierung potenzieller Restaurationsstandorte reduzieren.

            Datenausgabe und Kartografie Bearbeiten

            Kartografie ist das Design und die Produktion von Karten oder visuellen Darstellungen von Geodaten. Die überwiegende Mehrheit der modernen Kartografie wird mit Hilfe von Computern erstellt, normalerweise unter Verwendung von GIS, aber die Herstellung hochwertiger Kartografie wird auch durch den Import von Ebenen in ein Designprogramm erreicht, um sie zu verfeinern. Die meisten GIS-Software gibt dem Benutzer eine wesentliche Kontrolle über das Erscheinungsbild der Daten.

            Kartographische Arbeiten erfüllen zwei Hauptfunktionen:

            Erstens produziert es Grafiken auf dem Bildschirm oder auf Papier, die die Ergebnisse der Analyse an die Personen übermitteln, die Entscheidungen über Ressourcen treffen. Es können Wandkarten und andere Grafiken generiert werden, die es dem Betrachter ermöglichen, die Ergebnisse von Analysen oder Simulationen potenzieller Ereignisse zu visualisieren und damit zu verstehen. Webkartenserver erleichtern die Verteilung generierter Karten über Webbrowser unter Verwendung verschiedener Implementierungen von webbasierten Anwendungsprogrammierschnittstellen (AJAX, Java, Flash usw.).

            Zweitens können andere Datenbankinformationen zur weiteren Analyse oder Verwendung generiert werden. Ein Beispiel wäre eine Liste aller Adressen innerhalb einer Meile (1,6 km) um einen giftigen Auslauf.

            Grafische Anzeigetechniken Bearbeiten

            Traditionelle Karten sind Abstraktionen der realen Welt, eine Auswahl wichtiger Elemente, die auf einem Blatt Papier mit Symbolen dargestellt sind, um physische Objekte darzustellen. Personen, die Karten verwenden, müssen diese Symbole interpretieren. Topografische Karten zeigen die Form der Landoberfläche mit Höhenlinien oder mit schattiertem Relief.

            Heute können grafische Darstellungstechniken wie die höhenbasierte Schattierung in einem GIS Beziehungen zwischen Kartenelementen sichtbar machen und die Fähigkeit erhöhen, Informationen zu extrahieren und zu analysieren. Beispielsweise wurden zwei Datentypen in einem GIS kombiniert, um eine perspektivische Ansicht eines Teils von San Mateo County, Kalifornien, zu erstellen.

            • Das digitale Höhenmodell, bestehend aus Oberflächenhöhen, die auf einem 30-Meter-Horizontalraster aufgezeichnet wurden, zeigt hohe Erhebungen weiß und niedrige Erhebungen schwarz an.
            • Das begleitende Landsat Thematic Mapper-Bild zeigt ein Falschfarben-Infrarotbild mit Blick auf denselben Bereich in 30-Meter-Pixeln oder Bildelementen für dieselben Koordinatenpunkte, Pixel für Pixel, wie die Höheninformationen.

            Ein GIS wurde verwendet, um die beiden Bilder zu registrieren und zu kombinieren, um die dreidimensionale perspektivische Ansicht mit Blick auf die San-Andreas-Verwerfung zu rendern, wobei die Bildpixel des thematischen Mappers verwendet wurden, jedoch unter Verwendung der Höhe der Landformen schattiert wurde. Die GIS-Anzeige hängt vom Betrachtungspunkt des Beobachters und der Tageszeit der Anzeige ab, um die von den Sonnenstrahlen bei diesem Breitengrad, Längengrad und Tageszeit erzeugten Schatten richtig wiederzugeben.

            Ein Archeochrom ist eine neue Art der Darstellung räumlicher Daten. Es ist ein Thema auf einer 3D-Karte, das auf ein bestimmtes Gebäude oder einen Teil eines Gebäudes angewendet wird. Es eignet sich zur visuellen Anzeige von Wärmeverlustdaten.

            Räumliche ETL-Bearbeitung

            Räumliche ETL-Tools bieten die Datenverarbeitungsfunktionalität herkömmlicher ETL-Software (Extract, Transform, Load), jedoch mit einem primären Fokus auf der Fähigkeit, räumliche Daten zu verwalten. Sie bieten GIS-Benutzern die Möglichkeit, Daten zwischen verschiedenen Standards und proprietären Formaten zu übersetzen, während die Daten unterwegs geometrisch transformiert werden. Diese Tools können in Form von Add-Ins für vorhandene breitere Software wie Tabellenkalkulationen bereitgestellt werden.

            GIS-Data-Mining Bearbeiten

            GIS oder Spatial Data Mining ist die Anwendung von Data-Mining-Methoden auf Geodaten. Data Mining, die teilautomatisierte Suche nach versteckten Mustern in großen Datenbanken, bietet ein großes Nutzenpotenzial für die angewandte GIS-basierte Entscheidungsfindung. Typische Anwendungen sind die Umgebungsüberwachung. Ein Merkmal solcher Anwendungen ist, dass die räumliche Korrelation zwischen Datenmessungen die Verwendung spezialisierter Algorithmen für eine effizientere Datenanalyse erfordert. [40]

            Seit seinen Anfängen in den 1960er Jahren wird GIS in einem immer größer werdenden Anwendungsspektrum eingesetzt, was die weit verbreitete Bedeutung des Standorts bestätigt und durch die fortschreitende Verringerung der Hindernisse für die Einführung von Geotechnologie unterstützt wird. Die vielleicht Hunderte von verschiedenen Verwendungen von GIS können auf verschiedene Arten klassifiziert werden:

            • Tor: Der Zweck eines Antrags kann grob unterteilt werden in entweder wissenschaftliche Forschung oder Ressourceneinteilung. Der Zweck der Forschung, so weit wie möglich definiert, besteht darin, neues Wissen zu entdecken. Dies kann von jemandem durchgeführt werden, der sich als Wissenschaftlerin betrachtet, aber auch von jedem, der versucht zu erfahren, warum die Welt so zu funktionieren scheint, wie sie es tut . Eine so praxisnahe Studie wie zu entschlüsseln, warum ein Wirtschaftsstandort gescheitert ist, wäre Forschung in diesem Sinne. Management (manchmal auch als operative Anwendungen bezeichnet), auch so weit wie möglich definiert, ist die Anwendung von Wissen, um praktische Entscheidungen darüber zu treffen, wie die Ressourcen eingesetzt werden, über die man die Kontrolle hat, um seine Ziele zu erreichen. Diese Ressourcen können Zeit, Kapital, Arbeit, Ausrüstung, Land, Bodenschätze, Wildtiere usw. sein. [41] : 791
              • Entscheidungsebene: Managementanwendungen wurden weiter klassifiziert als strategisch, taktisch, betriebsbereit, eine gängige Klassifikation in der Unternehmensführung. [42] Strategische Aufgaben sind langfristige, visionäre Entscheidungen darüber, welche Ziele man haben sollte, etwa ob ein Unternehmen expandieren soll oder nicht. Taktische Aufgaben sind mittelfristige Entscheidungen darüber, wie strategische Ziele erreicht werden können, wie beispielsweise die Erstellung eines Weidemanagementplans durch einen Nationalforst. Operative Entscheidungen beziehen sich auf die alltäglichen Aufgaben, wie etwa eine Person, die den kürzesten Weg zu einer Pizzeria findet.

              Die Implementierung eines GIS wird oft durch rechtliche (z. B. eine Stadt), Zweck- oder Anwendungsanforderungen bestimmt. Im Allgemeinen kann eine GIS-Implementierung für eine Organisation maßgeschneidert werden. Daher ist eine GIS-Bereitstellung, die für eine Anwendung, ein Rechtsgebiet, ein Unternehmen oder einen Zweck entwickelt wurde, möglicherweise nicht unbedingt interoperabel oder kompatibel mit einem GIS, das für eine andere Anwendung, Rechtsordnung, ein Unternehmen oder einen anderen Zweck entwickelt wurde. [48]

              GIS divergiert auch in standortbasierte Dienste, die es GPS-fähigen mobilen Geräten ermöglichen, ihren Standort in Bezug auf feste Objekte (nächstes Restaurant, Tankstelle, Hydranten) oder mobile Objekte (Freunde, Kinder, Polizeiauto) anzuzeigen oder zu ihre Position an einen zentralen Server zur Anzeige oder anderen Verarbeitung zurückgeben.

              Open Geospatial Consortium-Standards Bearbeiten

              Das Open Geospatial Consortium (OGC) ist ein internationales Branchenkonsortium aus 384 Unternehmen, Regierungsbehörden, Universitäten und Einzelpersonen, die an einem Konsensverfahren zur Entwicklung öffentlich verfügbarer Geoverarbeitungsspezifikationen teilnehmen. Offene Schnittstellen und Protokolle, die durch die OpenGIS-Spezifikationen definiert sind, unterstützen interoperable Lösungen, die das Web, drahtlose und standortbasierte Dienste sowie die Mainstream-IT "geoaktivieren" und Technologieentwicklern ermöglichen, komplexe Geoinformationen und -dienste für alle Arten von Anwendungen zugänglich und nutzbar zu machen . Zu den Protokollen des Open Geospatial Consortium gehören der Web Map Service und der Web Feature Service. [49]

              GIS-Produkte werden vom OGC in zwei Kategorien unterteilt, je nachdem, wie vollständig und genau die Software den OGC-Spezifikationen entspricht.

              Konforme Produkte sind Softwareprodukte, die den OpenGIS-Spezifikationen von OGC entsprechen. Wenn ein Produkt durch das OGC Testing Program als konform getestet und zertifiziert wurde, wird das Produkt auf dieser Site automatisch als „konform“ registriert.

              Produkte implementieren sind Softwareprodukte, die OpenGIS-Spezifikationen implementieren, aber noch keinen Konformitätstest bestanden haben. Konformitätstests sind nicht für alle Spezifikationen verfügbar. Entwickler können ihre Produkte als Implementierungsentwurf oder genehmigte Spezifikationen registrieren, obwohl OGC sich das Recht vorbehält, jeden Eintrag zu überprüfen und zu verifizieren.

              Web-Mapping Bearbeiten

              In den letzten Jahren hat sich eine kostenlose und leicht zugängliche Kartensoftware wie die proprietären Webanwendungen Google Maps und Bing Maps sowie die kostenlose Open-Source-Alternative OpenStreetMap verbreitet. Diese Dienste ermöglichen der Öffentlichkeit den Zugang zu riesigen Mengen an geografischen Daten, die von vielen Nutzern als ebenso vertrauenswürdig und nutzbar wie professionelle Informationen wahrgenommen werden. [50]

              Einige von ihnen, wie Google Maps und OpenLayers, stellen eine Anwendungsprogrammierschnittstelle (API) bereit, mit der Benutzer benutzerdefinierte Anwendungen erstellen können. Diese Toolkits bieten in der Regel Straßenkarten, Luft-/Satellitenbilder, Geokodierung, Such- und Routingfunktionen. Webmapping hat auch das Potenzial des Crowdsourcing von Geodaten in Projekten wie OpenStreetMap aufgedeckt, einem Gemeinschaftsprojekt zur Erstellung einer frei editierbaren Weltkarte. Es hat sich gezeigt, dass diese Mashup-Projekte den Endbenutzern einen hohen Wert und Nutzen bieten, der über die traditionellen geografischen Informationen hinausgeht. [51] [52]

              Hinzufügen der Zeitdimension Bearbeiten

              Der Zustand von Erdoberfläche, Atmosphäre und Untergrund kann untersucht werden, indem Satellitendaten in ein GIS eingespeist werden. Die GIS-Technologie gibt Forschern die Möglichkeit, die Variationen der Erdprozesse über Tage, Monate und Jahre zu untersuchen. Als Beispiel können die Veränderungen der Vegetationskraft während einer Vegetationsperiode animiert werden, um zu bestimmen, wann die Dürre in einer bestimmten Region am größten war. Die resultierende Grafik stellt ein grobes Maß für die Pflanzengesundheit dar. Die Arbeit mit zwei Variablen über die Zeit würde es den Forschern dann ermöglichen, regionale Unterschiede in der Verzögerung zwischen einem Rückgang der Niederschläge und seinen Auswirkungen auf die Vegetation zu erkennen.

              GIS-Technologie und die Verfügbarkeit digitaler Daten auf regionaler und globaler Ebene ermöglichen solche Analysen. Die zur Erzeugung einer Vegetationsgrafik verwendete Satellitensensorausgabe wird beispielsweise vom fortschrittlichen sehr hochauflösenden Radiometer (AVHRR) erzeugt. Dieses Sensorsystem erfasst die von der Erdoberfläche reflektierten Energiemengen über verschiedene Spektralbänder für Flächen von etwa 1 Quadratkilometer. Der Satellitensensor erstellt zweimal täglich Bilder von einem bestimmten Ort auf der Erde. AVHRR und neuerdings das bildgebende Spektroradiometer mit mittlerer Auflösung (MODIS) sind nur zwei von vielen Sensorsystemen, die für die Erdoberflächenanalyse verwendet werden.

              Neben der Integration von Zeit in Umweltstudien wird GIS auch auf seine Fähigkeit untersucht, den Fortschritt des Menschen während seiner täglichen Routinen zu verfolgen und zu modellieren. Ein konkretes Beispiel für Fortschritte in diesem Bereich ist die jüngste Veröffentlichung zeitspezifischer Bevölkerungsdaten durch die US-Volkszählung. In diesem Datensatz sind die Bevölkerungen der Städte für Tages- und Abendstunden dargestellt, was das Konzentrations- und Streuungsmuster hervorhebt, das durch nordamerikanische Pendlermuster erzeugt wird. Die Manipulation und Generierung von Daten, die für die Erstellung dieser Daten erforderlich sind, wäre ohne GIS nicht möglich gewesen.

              Die Verwendung von Modellen zur Projektion der von einem GIS gespeicherten Daten in die Zukunft hat es Planern ermöglicht, politische Entscheidungen mit Hilfe von räumlichen Entscheidungsunterstützungssystemen zu testen.

              Tools und Technologien, die aus dem Semantic Web des World Wide Web Consortium hervorgegangen sind, erweisen sich als nützlich für Datenintegrationsprobleme in Informationssystemen. Dementsprechend wurden solche Technologien als Mittel vorgeschlagen, um die Interoperabilität und Datenwiederverwendung zwischen GIS-Anwendungen zu erleichtern. [53] [54] und auch um neue Analysemechanismen zu ermöglichen. [55]

              Ontologien sind eine Schlüsselkomponente dieses semantischen Ansatzes, da sie eine formale, maschinenlesbare Spezifikation der Konzepte und Beziehungen in einer bestimmten Domäne ermöglichen. Dies wiederum ermöglicht es einem GIS, sich auf die beabsichtigte Bedeutung von Daten statt auf ihre Syntax oder Struktur zu konzentrieren. Zum Beispiel die Argumentation, dass ein Landbedeckungstyp klassifiziert ist als sommergrüne Nadelbäume in einem Datensatz ist eine Spezialisierung oder Teilmenge des Landbedeckungstyps Wald in einem anderen grober klassifizierten Datensatz kann einem GIS helfen, die beiden Datensätze automatisch unter der allgemeineren Landbedeckungsklassifikation zusammenzuführen. Vorläufige Ontologien wurden in Bereichen entwickelt, die mit GIS-Anwendungen zusammenhängen, beispielsweise die Hydrologie-Ontologie [56], die vom Ordnance Survey im Vereinigten Königreich entwickelt wurde, und die SWEET-Ontologien [57], die vom Jet Propulsion Laboratory der NASA entwickelt wurden. Außerdem werden von der W3C Geo Incubator Group [58] einfachere Ontologien und semantische Metadatenstandards vorgeschlagen, um Geodaten im Web darzustellen. GeoSPARQL ist ein Standard, der von Ordnance Survey, United States Geological Survey, Natural Resources Canada, Australiens Commonwealth Scientific and Industrial Research Organization und anderen entwickelt wurde, um die Erstellung und Argumentation von Ontologien unter Verwendung gut verstandener OGC-Literale (GML, WKT), topologischer Beziehungen (Simple Features, RCC8, DE-9IM), RDF und die SPARQL-Datenbankabfrageprotokolle.

              Aktuelle Forschungsergebnisse auf diesem Gebiet sind in der International Conference on Geospatial Semantics [59] und im Workshop Terra Cognita – Directions to the Geospatial Semantic Web [60] auf der International Semantic Web Conference zu sehen.

              Mit der Popularisierung von GIS in der Entscheidungsfindung haben Wissenschaftler begonnen, die sozialen und politischen Auswirkungen von GIS zu hinterfragen. [61] [62] [50] GIS kann auch missbraucht werden, um die Realität zum individuellen und politischen Vorteil zu verzerren. [63] [64] Es wurde argumentiert, dass die Produktion, Verteilung, Nutzung und Darstellung von geografischen Informationen weitgehend mit dem sozialen Kontext zusammenhängt und das Potenzial hat, das Vertrauen der Bürger in die Regierung zu stärken. [65] Andere verwandte Themen sind Diskussionen über Urheberrecht, Datenschutz und Zensur. Ein optimistischerer sozialer Ansatz für die Einführung von GIS besteht darin, es als Instrument für die Beteiligung der Öffentlichkeit zu verwenden.

              In der Ausbildung Bearbeiten

              Ende des 20. Jahrhunderts wurde GIS als Werkzeug für den Unterricht anerkannt. [66] [67] [68] [69] Die Vorteile von GIS im Bildungswesen scheinen sich auf die Entwicklung des räumlichen Denkens zu konzentrieren, aber es gibt nicht genügend Bibliographie oder statistische Daten, um den konkreten Anwendungsbereich von GIS im Bildungswesen auf der ganzen Welt aufzuzeigen. obwohl die Expansion in den Ländern, in denen sie im Lehrplan erwähnt werden, schneller war. [70] : 36

              GIS scheinen im Geographieunterricht viele Vorteile zu bieten, da sie Analysen auf der Grundlage realer geographischer Daten ermöglichen und auch dazu beitragen, viele Forschungsfragen von Lehrern und Schülern in den Klassenzimmern zu stellen, sowie zur Verbesserung des Lernens durch die Entwicklung von räumlichem und geografischem Denken beitragen und in vielen Fällen die Motivation der Studierenden. [70] : 38

              In der Kommunalverwaltung Bearbeiten

              GIS hat sich als unternehmensweite, unternehmensweite und dauerhafte Technologie erwiesen, die die Arbeitsweise der lokalen Behörden ständig verändert. [71] Regierungsbehörden haben die GIS-Technologie als Methode übernommen, um die folgenden Bereiche der Regierungsorganisation besser zu verwalten:

              • Die Abteilungen für Wirtschaftsentwicklung verwenden interaktive GIS-Mapping-Tools, die mit anderen Daten (Demografie, Arbeitskräfte, Unternehmen, Industrie, Talente) zusammen mit einer Datenbank verfügbarer Gewerbeflächen und Gebäude aggregiert werden, um Investitionen anzuziehen und bestehende Geschäfte zu unterstützen. Unternehmen, die Standortentscheidungen treffen, können die Tools verwenden, um Communities und Websites auszuwählen, die ihren Erfolgskriterien am besten entsprechen. GIS Planning ist der branchenführende Anbieter von GIS-Daten-Webtools für die wirtschaftliche Entwicklung und die Attraktivität von Investitionen. Die Software ZoomProspector Enterprise und Intelligence Components von GIS Planning, ein Service der Financial Times, ist weltweit im Einsatz. Dazu gehören 30 US-amerikanische Wirtschaftsförderungsorganisationen, die Mehrheit der 100 größten Ballungsräume Nordamerikas und eine Reihe von Agenturen zur Anziehung von Investitionen in Europa und Lateinamerika.
              • Operationen der öffentlichen Sicherheit [72] wie Notrufzentralen, Brandschutz, mobile Technologie und Disposition von Polizei und Sheriff sowie Kartierung von Wetterrisiken.
              • Abteilungen für Parks und Freizeit und ihre Funktionen in der Bestandsaufnahme, Bodenerhaltung, Landverwaltung und Friedhofsverwaltung.
              • Öffentliche Arbeiten und Versorgungsunternehmen, Verfolgung von Wasser- und Regenwasserableitungen, elektrische Anlagen, technische Projekte sowie Anlagen und Trends im öffentlichen Verkehr.
              • Glasfaser-Netzwerkmanagement für abteilungsübergreifende Netzwerkressourcen
              • Schulanalytische und demografische Daten, Vermögensverwaltung und Verbesserungs-/Erweiterungsplanung
              • Öffentliche Verwaltung für Wahldaten, Liegenschaftsunterlagen und Zonierung/Verwaltung.

              Die Open-Data-Initiative drängt die Kommunalverwaltungen, Technologien wie die GIS-Technologie zu nutzen, da sie die Anforderungen umfasst, um das Transparenzmodell von Open Data/Open Government zu erfüllen. [71] Mit Open Data können lokale Regierungsorganisationen Bürgerbeteiligungsanwendungen und Online-Portale implementieren, die es Bürgern ermöglichen, Landinformationen einzusehen, Schlaglöcher und Beschilderungsprobleme zu melden, Parks nach Vermögenswerten anzuzeigen und zu sortieren, Kriminalitätsraten in Echtzeit und Reparaturen von Versorgungsunternehmen anzuzeigen und viel mehr. [73] [74] Der Druck auf offene Daten in Regierungsorganisationen treibt das Wachstum der Ausgaben für GIS-Technologie und Datenbankverwaltung der lokalen Regierungen an.


              1. Hintergrund und Motivation

              QGIS ist ein kostenloses und Open Source Geographisches Informationssystem (GIS). Dieses Buch enthält Anweisungen zur Durchführung grundlegender Operationen in QGIS. Es ist kein QGIS-Kurs, sondern sollte Ihnen den Einstieg erleichtern, wenn Sie sich nur einige Daten ansehen möchten.

              Wenn Sie tatsächlich ein tieferes Verständnis von QGIS erlangen möchten, gibt es viele hervorragende Ressourcen:

              http://qgis-tutorials.mangomap.com/ Eine Reihe kurzer Videos, die einfache QGIS-Aufgaben erklären

              Darüber hinaus hat QGIS jetzt eine große, aktive und wachsende Benutzergemeinschaft und wenn Sie eine Frage zu QGIS in eine Suchmaschine eingeben, werden Sie mit ziemlicher Sicherheit eine Lösung für Ihr Problem finden.

              Warum schreibe ich also bei all diesen fantastischen Ressourcen diese Notizen? Kurz gesagt, meine Schüler müssen eine sehr spezifische Teilmenge von GIS-Aufgaben erledigen. Diese Aufgaben werden hier erklärt. Hoffentlich ist das Ergebnis effizienter, als viele Schüler separat zu den unzähligen QGIS-Websites zu schicken.

              1.1. Die für dieses Buch verwendete QGIS-Version

              Wir verwenden die Long Term Release (LTE) Version von QGIS 2.14 (Essen): http://www.qgis.org/en/site/forusers/download.html

              1.2. Grundlegendes QGIS-Layout

              Wenn Sie QGIS laden, sehen Sie eine Reihe von Symbolleisten und Panels. In diesem kurzen Abschnitt werden einige der wichtigsten Elemente beschrieben. Weitere Informationen finden Sie in der QGIS-Dokumentation: https://docs.qgis.org/2.2/en/docs/training_manual/introduction/overview.html

              Das grundlegende Layout von QGIS sieht wie folgt aus:

              Auf der rechten Seite sehen Sie einige "Panels". Sie können diese nach Belieben über den Bildschirm ziehen. Darüber hinaus können Sie in den Menüleisten oben im Fenster mit der rechten Maustaste klicken, um verschiedene Bedienfelder auszuwählen.

              Wenn Sie ein Panel versehentlich entfernen, können Sie es wiederherstellen, indem Sie oben auf der Seite mit der rechten Maustaste klicken und das Panel erneut auswählen.

              Das Lagen Das Panel zeigt Ihnen, welche Daten Sie derzeit in QGIS geladen haben (siehe unten links in den obigen Bildern: Es ist ein Layer namens . geladen) WWasser).

              Auf dem Bildschirm befindet sich auch ein Panel zum Hinzufügen von Daten, das als bezeichnet wird Ebenen-Symbolleiste verwalten:

              Im obigen Bild habe ich die Symbolleiste so verschoben, dass sie horizontal angezeigt wird. Jede dieser Symbolleisten oder Bedienfelder kann durch Klicken und Ziehen verschoben werden.

              Wenn Sie unter das eigentliche Datenfenster schauen, das in QGIS als Karten-Leinwand (wo in den obigen Bildern der Layer WAWater angezeigt wird), sehen Sie einige wichtige Informationen in dem, was QGIS das nennt Statusleiste.

              Dies enthält die Position Ihres Mauszeigers im Karten-Leinwand, einige Informationen über Maßstab und Drehung Ihrer Karte und vor allem die Projektion. Kartenprojektionen haben alle etwas namens an EPSG so lautet zum Beispiel das British National Grid EPSG:27700, die globale WGS84-Projektion ist EPSG:4326 und die WGS-UTM-Koordinaten für die nördliche Hemisphäre sind EPSG:326XX wobei XX die Zonennummer ist und EPSG:327XX ist für die Südhalbkugel. Weitere Informationen zu Projektionen finden Sie in unserem Anhang.

              Nachdem Sie nun eine Vorstellung davon haben, wie das Hauptfenster von QGIS aussieht, ist es an der Zeit, weiterzumachen und einige Daten hinzuzufügen.


              LITERATUR ZITIERT

              Andersson, E., J. Langemeyer, S. Borgström, T. McPhearson, D. Haase, J. Kronenberg, DN Barton, M. Davis, S. Naumann, L. Röschel und F. Baró . 2019. Ermöglichung grüner und blauer Infrastruktur, um den Beitrag zum menschlichen Wohlergehen und zur Gerechtigkeit in städtischen Systemen zu verbessern. Biowissenschaften 69(7):566-574. https://doi.org/10.1093/biosci/biz058

              Arnberger, A. 2012. Urbane Verdichtung und Erholungsqualität öffentlicher urbaner Grünräume—a Wiener Fallstudie. Nachhaltigkeit 4(4):703-720. https://doi.org/10.3390/su4040703

              Ash, N., H. Blanco, C. Brown, K. Garcia, T. Henrichs, N. Lucas, C. Raudsepp-Hearne, R. D. Simpson, R. Scholes, T. P. Tomich, B. Vira und M. Zurek. 2010. Ökosysteme und menschliches Wohlbefinden: Ein Handbuch für Assessment-Praktiker. Insel, Washington, D.C., USA. [online] URL: https://www.unep-wcmc.org/system/dataset_file_fields/files/000/000/109/original/EcosystemsHumanWellbeing.pdf?1398679213

              Banaszak-Cibicka, W., L. Twerd, M. Fliszkiewicz, K. Giejdasz und A. Langowska. 2018. Stadtparks vs.Naturräume - ist es möglich, in einem Stadtpark ein natürliches Maß an Bienenreichtum und -reichtum zu erhalten? Städtische Ökosysteme 21:599-613. https://doi.org/10.1007/s11252-018-0756-8

              Banzhaf, E. und H. Kollai. 2018. Landnutzung/Landbedeckung für Leipzig, Deutschland, für 2012 durch eine objektbasierte Bildanalyse (OBIA). PANGÄA. Ergänzung zu: Banzhaf, E H. Kollai und A. Kindler. 2018. Kartierung urbaner grauer und grüner Strukturen für lebenswerte Städte unter Verwendung eines 3D-verbesserten OBIA-Ansatzes und wichtiger Statistiken. Geocarto International 1-18. https://doi.org/10.1594/PANGAEA.895391

              Beery, T. H., C. M. Raymond, M. Kytt ä, A. S. Olafsson, T. Plieninger, M. Sandberg, M. Stenseke, M. Tengö und K. I. Jönsson. 2017. Beiläufige Naturerlebnisse durch grüne Infrastrukturplanung fördern. Ambio 46(7):717-730. https://doi.org/10.1007/s13280-017-0920-z

              Bernhofer, C., J. Franke, S. Fischer, L. Kirsten, P. Körner, D. Kostrowski, H. Prasse, A. Schaller und T. Donix. 2015. Analyse der Klimaentwicklung in Sachsen. Schriftenreihe des LfULG. Landesamt für Umwelt, Brandenburg, Deutschland. [online] URL: https://publikationen.sachsen.de/bdb/artikel/23868/documents/35257.

              Biernacka, M. und J. Kronenberg. 2018. Klassifizierung institutioneller Barrieren, die die Verfügbarkeit, Zugänglichkeit und Attraktivität urbaner Grünflächen beeinflussen. Städtische Forstwirtschaft und städtische Begrünung 36:22-33. https://doi.org/10.1016/j.ufug.2018.09.007

              Biernacka, M., J. Kronenberg und E. Łaszkiewicz. 2020. Ein integriertes System zur Überwachung der Verfügbarkeit, Erreichbarkeit und Attraktivität von städtischen Parks und grünen Plätzen. Angewandte Geographie 116:102152. https://doi.org/10.1016/j.apgeog.2020.102152

              Birch, C.P.D., S.P. Oom und J.A. Beecham. 2007. Rechteckige und sechseckige Gitter für Beobachtung, Experiment und Simulation in der Ökologie. Ökologische Modellierung 206(3-4):347-359. https://doi.org/10.1016/j.ecolmodel.2007.03.041

              Brunbjerg, A. K., J. D. Hale, A. J. Bates, R. E. Fowler, E. J. Rosenfeld und J. P. Sadler. 2018. Können Muster der urbanen Biodiversität mit einfachen Maßnahmen der grünen Infrastruktur vorhergesagt werden? Städtische Forstwirtschaft und städtische Begrünung 32:143-153. https://doi.org/10.1016/j.ufug.2018.03.015

              Bundesamt für Kartographie und Geodäsie (BKG). 2018. Umgebungslämkartierung an Schienenwegen von Eisenbahnen des Bundes. Bundesamt für Kartographie und Geodäsie (BKG), Frankfurt am Main, Deutschland. [online] URL: http://laermkartierung1.eisenbahn-bundesamt.de/mb3/app.php/application/eba

              Cariñanos, P., F. Grilo, P. Pinho, M. Casares-Porcel, C. Branquinho, N. Acil, MB Andreucci, A. Anjos, PM Bianco, S. Brini, P. Calaza-Martínez , E. Calvo, E. Carrari, J. Castro, A. Chiesura, O. Correia, A. Gonçalves, P. Gonçalves, T. Mexia, M. Mirabile, E. Paoletti, M. Santos-Reis , P. Semenzato und U. Vilhar. 2019. Abschätzung des allergenen Potenzials von Stadtbäumen und Stadtparks: für eine gesunde Gestaltung urbaner Grünflächen der Zukunft. Internationale Zeitschrift für Umweltforschung und öffentliche Gesundheit 16(8):1357. https://doi.org/10.3390/ijerph16081357

              Carrus, G., M. Scopelliti, R. Lafortezza, G. Colangelo, F. Ferrini, F. Salbitano, M. Agrimi, L. Portoghesi, P. Semenzato und G. Sanesi. 2015. Grüner werden, sich besser fühlen? Die positiven Auswirkungen der Biodiversität auf das Wohlbefinden von Menschen, die städtische und stadtnahe Grünflächen besuchen. Landschafts- und Stadtplanung 134:221-228. https://doi.org/10.1016/j.landurbplan.2014.10.022

              Stadt Leipzig. 2018C. Daten zu grüner Infrastruktur, Vitalstatistiken, Bodenwerten und Verkehrsemissionen. Stadt Leipzig, Amt für Stadtgrün und Gewässer, Amt für Statistik und Wahlen, Amt für Umweltschutz, Stadt Leipzig, Leipzig, Deutschland.


              SC &ndash Kurzkurse

              Die Datenassimilation kombiniert Beobachtungsdaten mit einem numerischen Modell. Es wird häufig in der numerischen Wettervorhersage verwendet, wird aber auch in der Ozeanographie, Hydrologie und anderen Bereichen der Erdsystemwissenschaft verwendet. Durch die quantitative Integration von Beobachtungen mit Modellen ermöglicht die Datenassimilation die Schätzung von Modellzuständen mit reduzierter Unsicherheit, z. Modellprognosen zu initialisieren. Außerdem kann die Datenassimilation Parameter schätzen, die Prozesse im Modell oder Flüsse steuern, die schwer oder unmöglich zu messen sind. Daher kann die Datenassimilation Beobachtungen verwenden, um Informationen über nicht beobachtbare Größen bereitzustellen, wenn das Modell diese darstellt. Die Kombination von modellierten und beobachteten Daten erfordert Fehlerabschätzungen für beide Informationsquellen. Bei der Ensemble-Datenassimilation wird der Fehler im Modellzustand durch ein Ensemble von Modellzustandsrealisierungen geschätzt. Dieses Ensemble liefert nicht nur Schätzungen von Unsicherheiten, sondern auch von Kreuzkorrelationen zwischen verschiedenen Modellvariablen oder Parametern. Die Unsicherheitsschätzung aus dem Ensemble wird dann durch das Assimilationsverfahren verwendet, und das bekannteste ist das Ensemble-Kalman-Filter.

              Um die Implementierung und Verwendung der Ensemble-Datenassimilation zu vereinfachen, wurde das Parallel Data Assimilation Framework - PDAF - entwickelt. PDAF ist eine frei verfügbare Open-Source-Software (http://pdaf.awi.de), die ensemblebasierte Datenassimilationsmethoden wie den Ensemble-Kalman-Filter bereitstellt, aber auch reine Ensemble-Simulationen ermöglicht. PDAF ist so konzipiert, dass es von kleinen Spielzeugproblemen, die auf Notebook-Computern laufen, bis hin zu hochdimensionalen Erdsystemmodellen, die auf Supercomputern laufen, verwendet werden kann.

              Dieser Kurs richtet sich sowohl an Anfänger als auch an Datenassimilationsexperten. Es wird für Anfänger nützlich sein, die eine Modellierungsanwendung und Beobachtungen haben und daran interessiert sind, Datenassimilation anzuwenden, aber noch keinen Ausgangspunkt gefunden haben. Auch Experten für Datenassimilation, die die Leistungsfähigkeit ihrer Anwendungen steigern wollen oder die Entwicklung neuer Datenassimilationsmethoden und neuer Anwendungen beschleunigen möchten, werden von dem Kurs profitieren.

              Der Kurs bietet zunächst eine Einführung in die Methodik der Ensemble-Datenassimilation. Anschließend wird das Implementierungskonzept von PDAF erläutert und schließlich ein praktisches Beispiel für den Aufbau eines Datenassimilationssystems basierend auf einem numerischen Modell bereitgestellt. Diese praktische Einführung bereitet die Teilnehmer darauf vor, ein Datenassimilationssystem für ihre numerischen Modelle mit PDAF aufzubauen und damit einen schnellen Einstieg in die Anwendung der Ensemble-Datenassimilation auf ihre individuellen Probleme zu ermöglichen.

              Die Teilnehmer werden gebeten, ihr eigenes Notebook mitzubringen, um die praktischen Beispiele selbst auszuführen. Dazu werden ein Fortran-Compiler und die BLAS- und LAPACK-Bibliotheken benötigt. Matlab oder Python wären auch praktisch zum Plotten. Angesichts der insgesamt begrenzten Kapazität des Wifi-Netzwerks während der Konferenz wird empfohlen, vor dem Kurzkurs PDAF von http://pdaf.awi.de herunterzuladen, wenn Sie das praktische Beispiel auf Ihrem eigenen Notebook durchführen möchten.

              Öffentliche Information:
              Abgesehen von der obigen Beschreibung stellen wir im Kurzkurs eine Version von PDAF zur Verfügung, die nur die relevanten Funktionen für die praktischen Beispiele enthält und für die keine Registrierung auf der PDAF-Website erforderlich ist. Wenn Sie das praktische Beispiel ausführen möchten, wäre es auch nützlich, wenn Sie OpenMPI (oder eine andere MPI-Bibliothek) installiert haben, aber es wird auch ein Beispiel geben, das kein MPI erfordert.

              Die Zustandsschätzungstheorie in den Geowissenschaften wird allgemein als Datenassimilation bezeichnet. Dieser Begriff umfasst den gesamten Operationsablauf, der ausgehend von den Beobachtungen eines Systems und zusätzlichen statistischen und/oder dynamischen Informationen (zB einem Evolutionsmodell) seinen Zustand bestmöglich abschätzen kann. Die Datenassimilation ist in der numerischen Wettervorhersage gängige Praxis, ihre Anwendung findet jedoch in vielen anderen Bereichen der Klima-, Atmosphären-, Ozean- und Umweltmodellierung unter all den Umständen Anwendung, in denen der Zustand eines großen dynamischen Systems auf der Grundlage begrenzter Informationen geschätzt werden soll. Während die Komplexität der Datenassimilation und ihrer Methoden auf ihrem interdisziplinären Charakter zwischen Statistik, dynamischen Systemen und numerischer Optimierung beruht, ergibt sich bei der Anwendung auf die Geowissenschaften eine zusätzliche Schwierigkeit durch die ständig steigende Komplexität der Umweltmodelle.

              Dieser Überblickskurs richtet sich an Geowissenschaftler, die mit der Frage der Modell-zu-Daten-Fusion konfrontiert sind und von der Anwendung von Datenassimilationstechniken profitieren würden, sich aber bisher nicht mit deren konzeptionellen und methodischen Komplexitäten befasst haben.

              Der Kurs bietet zunächst die Formulierung des Problems aus Bayes-Perspektive und stellt dann die beiden populären Familien Gauß-basierter Ansätze vor, den Kalman-Filter/-Smoother und die Variationsverfahren. Anschließend werden Ensemble-basierte Verfahren betrachtet, ausgehend vom bekannten Ensemble-Kalman-Filter in seiner stochastischen oder deterministischen Formulierung und dann die modernen Ensemble-Variationsverfahren.
              Der Kurs konzentriert sich auf die spezifischen Herausforderungen, mit denen die Datenassimilation im Umgang mit hochdimensionalen chaotischen Systemen wie Atmosphäre und Ozean konfrontiert ist, sowie auf die ergriffenen Gegenmaßnahmen, die die dramatische Entwicklung des Gebiets in den letzten Jahren vorangetrieben haben Jahrzehnte.
              Abschließend werden einige der heute aktiven Entwicklungslinien und aktuellen Herausforderungen vorgestellt, darunter die gekoppelte Datenassimilation und die Partikelfilter.

              Forschung, insbesondere für Nachwuchswissenschaftler, beginnt mit dem Funken einer Idee und wird dann oft durch empirische oder methodische Unebenheiten und scheinbare Sackgassen herausgefordert. Die geowissenschaftliche Forschung steht vor vielfältigen Herausforderungen, insbesondere für Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftler (ECS). Zu den Herausforderungen zählen (1) Zugangsschwierigkeiten, sei es für Feldstandorte, Ausrüstung oder Daten, (2) Skalierungs- und Extrapolationsprobleme und (3) ein Mangel an methodischem Verständnis oder Wissen. In diesem kurzen Kurs werden wir spannende Diskussionen anstoßen, die darauf abzielen, Herausforderungen zu lösen, neue Forschungsansätze und -methoden vorzuschlagen und Netzwerke und Möglichkeiten für vertiefte Diskussionen unter Nachwuchswissenschaftlern auf internationalen Konferenzen zu fördern.

              Dieser kurze Kurs beginnt mit 2-minütigen &lsquopop-up&rsquo-Präsentationen, in denen die von den Teilnehmern eingereichten Fragen oder Herausforderungen skizziert werden. Auf diese Pop-ups folgen moderierte Gruppendiskussionen, in denen sich die Teilnehmer der Kurzkurse engagieren, um die präsentierten Herausforderungen zu lösen. Zum Abschluss der Session werden in einer Abschlussdiskussion Lösungen und Vorschläge aus jeder Themengruppe der gesamten Session präsentiert. Eine Zusammenfassung der Crowd-Solving-Bemühungen der letzten Jahre finden Sie im EGU GM-Blogpost https://blogs.egu.eu/divisions/gm/2018/04/25/diving-under-the-scientific-iceberg/.

              Dieser Kurzkurs lebt von Ihrem Beitrag: i) indem Sie eine Forschungsidee oder Herausforderung angeben, die Sie gerne teilen möchten, und ii) indem Sie an der Diskussion während des Kurzkurses teilnehmen. Zur Organisation und Vorbereitung der Diskussionen senden Sie bitte bis zum 1. März eine kurze Stellungnahme zu Ihrer Idee oder Herausforderung zur Geomorphologieforschung und Ihrer Motivation zur Lösung (3-4 Sätze) an [email protected] , 2019. Die Beiträge im Rahmen des Kurzkurses sind kostenlos. Wenn Sie ein bestimmtes Problem besprechen möchten, aber lieber anonym bleiben möchten, teilen Sie uns dies bitte mit. Wir sind alle Nachwuchswissenschaftler und erwarten ein nicht-hierarchisches, respektvolles und konstruktives Umfeld für die Diskussionen, das hoffentlich dazu beiträgt, Probleme zu erkennen und zu bearbeiten, mit denen ECS-Geomorphologen konfrontiert sind.

              Session-Organisatoren: Anne Voigtlnder, Johannes Buckel, Eleanore Heasley, Felix Nieberding, Liseth Perez, Anna Schoch, Harry Sanders, Richard Mason.

              Öffentliche Information:
              Wir empfehlen, sich vor dem Kurzkurs während der Networking Time zu treffen

              18h - also schnapp dir noch einen Drink und komm in die Nähe von Raum -2.62!

              Überblick über den Kurzkurs:

              Dieser kurze Kurs diskutiert einen neuen Ansatz zur Ableitung stochastischer Fluidgleichungen, die die langsamen großskaligen Eigenschaften von GFD beschreiben, ohne die kleinen schnellen Skalen durch sehr kostspielige hochauflösende direkte numerische Simulationen genau auflösen zu müssen. Stattdessen diskutieren wir die Parametrisierung der kleinen schnellen Skalen, indem wir einen neuen Ansatz verwenden, der auf dem Konzept des stochastischen Transports anstelle der stochastischen Diffusion basiert.

              Stochastische Advektion durch Lügentransport (SALT) -- Darryl D Holm

              In diesem Kurs stellen wir eine Klasse stochastischer Flüssigkeitsgleichungen vor, deren glatte Lösungen durch natürliche Erweiterungen der Kelvin-Theoreme ihrer deterministischen Gegenstücke gekennzeichnet sind, die entlang bestimmter verrauschter Strömungen halten. Diese Gleichungen heißen emph> und emph> Gleichungen bzw. Der stochastische Euler--Poincar' Gleichungen wurden zuvor von Holm in . aus einem stochastischen Variationsprinzip abgeleitet
              (Holm, D. D.: Variational Principles for Stochastic Fluid Dynamics. Proc. R. Soc. A 471.2176 (2015): 20140963)
              die wir kurz Revue passieren lassen.
              Lösungen dieser Gleichungen gehorchen im Allgemeinen nicht der pfadweisen Energieerhaltung/-dissipation. Im Gegensatz dazu diskutieren wir auch eine Klasse von stochastischen Fluidmodellen, deren Lösungen Energiesätze besitzen, aber im Allgemeinen keine Zirkulationssätze erhalten.


              Stochastische Modellierung unter Standortunsicherheit (LU)-- Etienne M'emin

              In dieser Vorlesung werden wir einen Formalismus beschreiben, um systematisch großskalige stochastische Darstellungen der Strömungsdynamik von Fluiden abzuleiten, die die mit der Strömungsentwicklung verbundene inhärente Unsicherheit berücksichtigen. Die hier eingeführte Unsicherheit wird durch ein Zufallsfeld beschrieben und zielt darauf ab, hauptsächlich die kleinskaligen Effekte darzustellen, die im großskaligen Evolutionsmodell vernachlässigt werden. Die resultierende großskalige Dynamik basiert auf einer stochastischen Darstellung des Reynolds-Transportsatzes. Dieser Formalismus ermöglicht ebenso wie im deterministischen Fall eine physikalisch relevante Ableitung (d. h. aus dem üblichen Erhaltungssatz) der gesuchten Evolutionsgesetze. Wir werden insbesondere zeigen, wie stochastische Darstellungen der geophysikalischen Strömungsdynamik und stochastischer dynamischer Systeme reduzierter Ordnung abgeleitet werden können. Wir werden einige Beispiele für Computersimulationen geben, die von solchen Systemen erhalten wurden, und wie sie in verschiedenen Kontexten verwendet werden können.


              Partikelfilter zur Datenassimilation -- Dan Crisan

              Partikelfilter sind eine Reihe von wahrscheinlichkeitstheoretischen Algorithmen, die verwendet werden, um Filterprobleme zu lösen, die bei der Signalverarbeitung und der statistischen Bayes-Inferenz auftreten. Ihr Anwendungsbereich wird derzeit erweitert, um hochdimensionale Probleme zu lösen, wie sie beispielsweise bei Datenassimilationsproblemen für die numerische Wettervorhersage auftreten. Die Vorlesung enthält eine elementare Einführung in Partikelfilter mit Schwerpunkt auf deren Anwendbarkeit auf solche Problemstellungen. Ich werde die spezifischen Schwierigkeiten beim Einsatz von Partikelfiltern auf hochdimensionale Probleme sowie die für ihre erfolgreiche Implementierung erforderlichen Verfahren diskutieren. Ich werde Modellreduktion (hohe bis niedrige Auflösung), Tempering, Jittering, unsichere Quantifizierung und Initialisierung behandeln.

              Wir werden erklären, wie stochastischer Transport anstelle von Diffusion das Gleichgewicht zwischen Streuung und Genauigkeit bietet, das für eine erfolgreiche Datenassimilation mit Partikelfilterung erforderlich ist.
              Das in den Vorlesungen behandelte laufende Beispiel ist eine Anwendung auf eine teilweise beobachtete Lösung einer gedämpften und angetriebenen inkompressiblen 2D-Euler-Gleichung mit stochastischer Advektion durch Lie-Transport (SALT).

              Öffentliche Information:
              Dieser kurze Kurs diskutiert einen neuen Ansatz zur Ableitung stochastischer Fluidgleichungen, die die langsamen großskaligen Eigenschaften der geophysikalischen Fluiddynamik beschreiben, ohne die kleinen schnellen Skalen durch sehr kostspielige hochauflösende direkte numerische Simulationen genau auflösen zu müssen. Stattdessen diskutieren wir die Parametrisierung der kleinen schnellen Skalen, indem wir einen neuen Ansatz verwenden, der auf dem Konzept des stochastischen Transports anstelle der stochastischen Diffusion basiert. Folgende Themen werden umfassend behandelt:

              Stochastische Advektion durch Lügentransport (SALT) -- Darryl D Holm

              In diesem Abschnitt stellen wir eine Klasse stochastischer Flüssigkeitsgleichungen vor, deren glatte Lösungen durch natürliche Erweiterungen der Kelvin-Theoreme ihrer deterministischen Gegenstücke gekennzeichnet sind, die entlang bestimmter verrauschter Strömungen halten. Diese Gleichungen werden als stochastische Euler-Poincare- bzw. stochastische Navier-Stokes-Poincare-Gleichungen bezeichnet. Die stochastischen Euler-Poincare-Gleichungen wurden zuvor aus einem stochastischen Variationsprinzip von Holm in (Holm, D. D.: Variational Principles for stochastic fluid dynamics. Proc. R. Soc. A 471.2176 (2015): 20140963) abgeleitet, das wir kurz besprechen werden. Lösungen dieser Gleichungen gehorchen im Allgemeinen nicht der pfadweisen Energieerhaltung/-dissipation. Im Gegensatz dazu diskutieren wir auch eine Klasse von stochastischen Fluidmodellen, deren Lösungen Energiesätze besitzen, aber im Allgemeinen keine Zirkulationssätze erhalten.


              Stochastische Modellierung unter Standortunsicherheit -- Etienne Memin

              In diesem Abschnitt werden wir einen Formalismus beschreiben, um systematisch großskalige stochastische Darstellungen der Strömungsdynamik abzuleiten, die die mit der Strömungsentwicklung verbundene inhärente Unsicherheit berücksichtigen. Die hier eingeführte Unsicherheit wird durch ein Zufallsfeld beschrieben und zielt darauf ab, hauptsächlich die kleinskaligen Effekte darzustellen, die im großskaligen Evolutionsmodell vernachlässigt werden. Die resultierende großskalige Dynamik basiert auf einer stochastischen Darstellung des Reynolds-Transportsatzes. Dieser Formalismus ermöglicht ebenso wie im deterministischen Fall eine physikalisch relevante Ableitung (d. h. aus dem üblichen Erhaltungssatz) der gesuchten Evolutionsgesetze. Wir werden insbesondere zeigen, wie stochastische Darstellungen der geophysikalischen Strömungsdynamik und stochastischer dynamischer Systeme reduzierter Ordnung abgeleitet werden können. Wir werden einige Beispiele für Computersimulationen geben, die von solchen Systemen erhalten wurden, und wie sie in verschiedenen Kontexten verwendet werden können.


              Partikelfilter zur Datenassimilation -- Dan Crisan

              Partikelfilter sind eine Reihe von wahrscheinlichkeitstheoretischen Algorithmen, die verwendet werden, um Filterprobleme zu lösen, die bei der Signalverarbeitung und der statistischen Bayes-Inferenz auftreten. Ihr Anwendungsbereich wird derzeit erweitert, um hochdimensionale Probleme zu lösen, wie sie beispielsweise bei Datenassimilationsproblemen für die numerische Wettervorhersage auftreten. Der Abschnitt enthält eine kurze Einführung in Partikelfilter mit Schwerpunkt auf deren Anwendbarkeit auf solche Probleme. Ich werde die spezifischen Schwierigkeiten, die beim Einsatz von Partikelfiltern bei hochdimensionalen Problemen auftreten, sowie die für ihre erfolgreiche Implementierung erforderlichen Verfahren diskutieren. Ich werde Modellreduktion (hohe bis niedrige Auflösung), Tempering, Jittering, unsichere Quantifizierung und Initialisierung behandeln.

              Ich werde auch erklären, wie stochastischer Transport anstelle von Diffusion das Gleichgewicht zwischen Streuung und Genauigkeit bietet, das für eine erfolgreiche Datenassimilation mit Partikelfilterung erforderlich ist. In den Vorlesungen werden zwei Beispiele behandelt: eines zu einer teilweise beobachteten Lösung einer gedämpften und angetriebenen inkompressiblen 2D-Euler-Gleichung und eines zu einer teilweise beobachteten Lösung einer zweischichtigen quasi-geostrophischen Gleichung, beide mit stochastischer Advektion durch Lie-Transport (SALT). .


              Schau das Video: Qgis Merge Rasters