Digitale Daten in Geographie und Umweltwissenschaften ... · • Digitale Kartierung in Form einer...

Digitale Daten in Geographie und Umweltwissenschaften –Geographische Informationssysteme - Fernerkundung

Prof. Dr. Martin Sauerwein ⋅ Robin Stadtmann ⋅ Moritz SandnerUniversität Hildesheim – Institut für Geographie

Workshop anlässlich der Gründung des ZENTRUM FÜR DIGITALEN WANDELHildesheim, 23.11.2018

Agenda1. Prof. Dr. Martin Sauerwein:

Digitale Daten in Geographie und Umweltwissenschaften2. Robin Stadtmann:

Anwendungen Geographischer Informationssysteme3. Moritz Sandner:

Anwendungsbeispiel: Open-Source-Anwendungen und freie Daten in der Fernerkundung

4. Diskussion

2

1. Digitale Daten in Geographie und Umweltwissenschaften

3

Quelle: Stadtmann 2017

Quelle: t-online.de

http://www.hildesheim.de/

http://www.schleswig-holstein.de/

Wirtschaft Politik

Militär

Freizeit Quelle: computerbild.de

http://www.geodienste.bfn.de/schutzgebiete/

Medienlandschaft Bildung


Geographie und Umweltwissenschaften

• Inhalt sind Untersuchungen in Raum und Zeit

• Räumliche Daten unterschiedlicher Maßstäbe

• Zeitreihen unterschiedlicher Maßstäbe

• Modellierung räumlicher und zeitlicher Daten: Blick in die Vergangenheit und in die Zukunft

4


Zeitreihen unterschiedlicher Maßstäbe

5

Quelle: Cunningham & Saigo 1999


Zeitreihen unterschiedlicher Maßstäbe

6Quelle: IPCC 2001


7Quelle:

Sandner 2018

Digitale Kartographie• Nutzung digitaler Karten für den Schulunterricht als didaktisches Mittel• Digitale Präsentation, Auswertung oder Abfrage raumbezogener Informationen

mittels Geographischer Informationssysteme (GIS) (Standard in den meisten umwelt- und raumbezogenen Berufszweigen)

https://www.umweltkarten-niedersachsen.de/umweltkarten/


Raumbezogene Informationssysteme (= Geographische Informationssysteme)

Definition:

Ein geographisches Informationssystem (GIS) ist ein aus Hardware, Software und Daten bestehendes System zur Erfassung, Analyse und Präsentation aller Daten, die einen Teil der Erdoberfläche und die darauf befindlichen technischen und administrativen Einrichtungen (z.B. Gebäude, Straßen) sowie ökonomische (Menschen, Tiere, soz. Schichten) und ökologische (Bewuchs, Pflanzen) Gegebenheiten beschreiben.

Quelle: Schilbach in Barsch et al. 2000 und Liermann 2009

8


9Quelle: Liermann 2009


10

Der GIS-Baum nach JONES (1997):

• Die Wurzeln repräsentieren die technischen Fundamente von GIS.

• Die Äste repräsentieren Anwen-dungen von GIS, deren Anforde-rungen und Resultate auf dieWurzeln rückwirken (Feedback).

• Der Baum wird beregnet durchdie Datenquellen, welche für dasGedeihen des GIS-Baums so unabdingbar sind wie derNiederschlag für einen realenBaum.

Quelle: Liermann 2009


11

Unterschiedliche Analysemaßstäbe

Quelle: McKnight & Hess 2009


12

Quelle: Hake et al. 2002

Objekt-Gegenstand (z.B.

Gebäude)-Sachverhalt (z.B.

Bevölkerungsdichte)

Räumlicher Bezug

(=Geometrische

Information)

Sachlicher Bezug

(= Semantische

Information)

Zeitlicher Bezug

(=Temporale

Information)

Merkmale, Attribute;

Qualitativ: Was ist dort?

(Quantitativ: Wieviel?)

In einer Karte

darzustellende Objekte

benötigen einen

Raumbezug.

Übliche Karten sind eine

„Momentaufnahme“.


13

Quelle: Gebhardt, Glaser, Radtke, Reuber 2012


14

Quelle: Aronoff 2003 nach Lillesand & Kiefer 1987, verändert

Energiequellen

Interaktion von Energie und Atmosphäre

Retransmission durch die

Atmosphäre

Energie von Beobachtungsobjekten

Aufnahmesysteme Datenprodukte Interpretation und Analyse

Informations-produkte

Bereitstellung fürNutzer

Der (erweiterte) Fernerkundungsprozess: Von der Datenaufnahme bis zur

Bereitstellung von Informationen.


15

GeometrischeAuflösung

Quelle:

Albertz 2009:84


16

Spektrale Auflösung

• Panchromatische Aufnahmen bestehen aus nur einem, jedoch breiteren Band,

• Multispektrale Sensoren zeichnen i.d.R. drei bis zehn Kanäle, die jeweils einen bestimmten Bereich des Spektrums abdecken.

• hyperspektrale Sensoren nutzen zwischen >10 bis zu >200 meist schmale, kontinuierlich angeordnete Bänder (ultraspektrale Sensoren bis zu 250) Bänder).

Quelle: Ehlers & Schiewe 2012, Jensen 2016


17

Schema des Strahlungsflusses bei der Datenaufnahme mit passiven und aktiven Systemen

Quelle: Albertz 2009


18

Laserscan-Systeme – Light Detection and Ranging (Lidar, LiDAR)• Aktive Systeme, die nicht primär zu Abbildungszwecken gedacht sind• Entfernungsmessung zur Geländeoberfläche in Form mehrerer Laserechos• Erzeugung von sogenannten Punktwolken mit Koordinaten (x,y,z)

Quelle: de Lange 2013:201, nach Höfle & Rutzinger 2011


19

Laserscan-Systeme – Light Detection and Ranging (LiDAR)

gewonnene Punktwolken werden verwendet für:

• Digitale Oberflächenmodelle (DOM),

• Digitale Geländemodelle (DGM) (und lassen Baumhöhen berechnen).

• andere topographieabhängige Analysen

Quelle: Lillesand et al. 2015

Anwendungen Geographischer Informationssysteme

20

Quellen digitaler Geodaten

21

GEO Daten

Smart Sensors- Daten aus dem

Überwachen technischer Prozesse (SCADA),- Energiesensoren.

Internetdaten- Social media,- Protokolle,

- ….

Sensoren- Wettersensoren,- Strömungsdaten

(Hydrologie), ….

Bilddaten- Satelliten,- Drohnen,

- ….

GPS Positionsdaten- Tracking von Fahrzeugen,

- Smartphone Signal,- Geofencing (z.B.

Funkzellen).

Yahya 2016

GIS und Social Media

22

GIS und Social Media

23Andris 2016

• Individuelle

Aktivitäten einer

Person (Ego)

basierend auf

Smartphone Daten,

• Weitere Ellipsen

gleicher farbe zeigen

Kontakte (Ego‘s

Alters) der Person.

GIS und Social Media: Datenbündelung und Datenanalyse

24

Croitoru et al. 2017

• Tweets (sitzende

Vögel),

• Retweets (flatternde

Vögel),

• Verbindung zeigt

Position von Autor

und Retweetendem

an.


25

Social media Netzwerk

Punkte: Social meda Nutzer

Striche: Interaktionen

Das gleiche Netzwerk in einem

realen geographischen Raum.

Andris 2016, Croitoru et al. 2017

Verbindungen können z.B. über Interaktionen in Social

media, bewusste Mitteilung von Positionen,

verwendeter WiFi Hotspot etc. generiert werden.


26Andris 2016

• Datenschutz bei der Verwendung von Positionsdaten!?

• Verändert sich tägliches Leben, wenn Positionen dauerhaft bekannt und

visualisierbar sind?

Räumliche Aggregierung von Daten

27

• Große Datensätze können mit GIS basierend auf (komplexen) räumlichen

Kriterien aggregiert und so in handhabbare Formate überführt werden.

Räumliche Aggregierung von Daten: Geovisualisierung

28https://pro.arcgis.com/de/pro-app/tool-reference/spatial-statistics/h-

how-hot-spot-analysis-getis-ord-gi-spatial-stati.htm

• Warum sollte Geovisualisierung

überhaupt weiter wichtig sein?

• Auswertungsmethoden können

ohne Visualisierung arbeiten.

Entscheidungsprozesse benötigen

ggf. neutrale Visualisierung von

Sachverhalten.

• Datensätze werden immer größer

und komplexer.

GIS müssen verstärkt mit Big Data

verbunden werden.

https://pro.arcgis.com/de/pro-app/tool-reference/spatial-statistics/h-how-hot-spot-analysis-getis-ord-gi-spatial-stati.htm

29https://desktop.arcgis.com/en/arcmap/latest/extensions/network-analyst/what-is-network-analyst-.htm

• Räumliche Analyse und Visualisierung.

• Positionsdaten, Tracking,

• Navigation, Herstellung von

Navigationsgrundlagen.

• Verkehrsinfrastrukturplanung,

• Wirtschaftlichkeitsberechnungen.

Naturgefahren analysieren

30

Zentrale Datenverwaltung und Datenaustausch

31

Nutzer1 Nutzer2

Katasterdaten

…

AgrarförderungErfassung umweltschutz-fachlicher Daten

Bereitstellung von Umwelt-information

Bereitstellung von Umwelt-information

Datenaustausch International: INSPIRE-Richtlinie

32

• EU Richtlinie

• … „zur Schaffung einer Geodateninfrastruktur in der Europäischen

Gemeinschaft (INSPIRE)“,

• Länder müssen grundlegende Daten kostenfrei zur Verfügung stellen,

• dazu zählen v.a. Verwaltungsgrenzen, aber auch andere Basisdaten,

• gemeinschaftliche Umweltpolitik wesentliches Ziel, das mit INSPIRE

erreicht werden soll.

Quellen digitaler Geodaten

33

GEO Daten

Smart Sensors- Daten aus dem

Überwachen technischer Prozesse (SCADA),- Energiesensoren.

Internetdaten- Social media,- Protokolle,

- ….

Sensoren- Wettersensoren,- Strömungsdaten

(Hydrologie), ….

Bilddaten- Satelliten,- Drohnen,

- ….

GPS Positionsdaten- Tracking von Fahrzeugen,

- Smartphone Signal,- Geofencing (z.B.

Funkzellen).

Yahya 2016

Anwendungsbeispiel: Open-Source-Anwendungen und freie Daten in der Fernerkundung

34

Anwendungsbeispiel: Open-Source-Tools und freie EO-Daten

• Erprobung einer übertragbaren, low-cost-Methodik zur pixelbasierten, überwachten Klassifikation von Landbedeckung

• Ausschließlich Open-Source-Software und frei verfügbare Daten

• Überprüfung der Effektivität und der Anwendbarkeit auf komplexen Landschaftstyp

Ziele:

• Digitale Kartierung in Form einer Landbedeckungsklassifikation(Produkt: Karte zur aktuellen Landbedeckung)

• Ansatz für semi-automatisiertes Monitoring

• Bewertung von Anwendbarkeit und Genauigkeit des Ansatzes, sowie der Informationsgehalte der verwendeten Daten

35

Bildklassifikation - Land Use & Land Cover

36

Klassifizierung

Abb.: Prinzip einer Überwachten Klassifikation multispektraler Bilddaten (verändert nach Albertz 2009).

Anwendungsbeispiel: Open-Source-Tools und freie EO-Daten

Untersuchungsgebiet – Cinque Terre-Nationalpark (Ligurien)

37Abb.: Übersicht, Cinque Terre (Datengrundlage: Sentinel-2-Bilddaten).

Warum Cinque Terre?

38Abb.: Heute typische Hangsituation in den Cinque Terre.

Warum Cinque Terre?

Abb.: Rutschungen (a-c) und Schuttablagerung (d und e) (Cevasco et al. 2014:866).

Abb.: Gepflegte und aufgegebene Hangbereiche (Cevasco et al. 2013:296).

39

Nutzungswandel, Geogefahrenund Schutzgebietsmanagement

Methodik

40

181 Variablen

Methodik

Sammlung von Trainingsdaten (Ground truth) (auch ohne Fuß am Boden)

41

Ergebnis Klassifikation mit Random Forest-Algorithmus

42

Abb.: Vergleich von Klassifikation und Bilddaten. Google Earth-Bilddaten, Sentinel-2-Bilddaten und RF-Klassifikation (v.l.n.r.).

Analysen

Welche der verwendeten Variablenenthalten die entscheidenden Informationen?

Wieviele Variablen enthält der von überflüssigen Informationen befreite Datensatz?

43

Abb.: Mean Decrease in Accuracy (MDA) und Mean Decrease in Gini (MDG) für RF-Modell mit 181 V (Top-30-Rangfolge).

Abb.: Entwicklung der mittleren Fehlerraten aus je fünf Klassifikationen mit zunehmender Reduzierung der Variablenanzahl.

23V

Genauigkeitsanalyse

Klassifikationsgenauigkeiten

44

Abb.: Median und Spannweite der klassenspezifischen Producer’s Accuracy (PA) und User’s Accuracy (UA) aus unabhängiger Validierung mit 25 Klassifikations-Wiederholungen.

Landbedeckungskarte – Cinque Terre

45Abb.: Landbedeckung des Cinque Terre Nationalparks (Grundlage: Sentinel-2-Bilddaten, 07.2017).

Fernerkundung für alle?!

• Frei verfügbare, kostenlose Daten(z.B. Copernicus)

• Zunahme in Umfang und Qualität freier und offener Softwareangebote

• Aktive, vernetzte Nutzergemeinschaft

• Erschwingliche Technik (z.B. UAV)

• Zunehmende "Demokratisierung" von Fernerkundungsanwendungen?

46

DGI Mavic Pro Platinum https://www.dji.com/de/mavic-pro-platinum

Sentinel-2A© AMT4SentinelFRM

Wohin geht es mit Erdbeobachtungsdaten?

Big Data als Herausforderung

47Soille et al. (2016): Towards A JRC Earth Observation Data and Processing Plattform.

Wohin geht es mit Erdbeobachtungsdaten?

48

Big Data

Volume

Velocity

VarietyVeracity

Value

Speicherung

WelcheAnalysemethoden?

Bisher unerkannte räumliche Zusammenhänge?

Data Mining

Wer hat Zugriff?

Data Cubes

Cloud Processing

Analysis ready data

Effizienz

Offenheit

Bringt den Nutzer zu den Daten

Viele Dank für die Aufmerksamkeit!

49

Digitale Daten in Geographie und Umweltwissenschaften ... · • Digitale Kartierung in Form einer...

Documents

Transcript of Digitale Daten in Geographie und Umweltwissenschaften ... · • Digitale Kartierung in Form einer...