Digitale Daten in Geographie und Umweltwissenschaften ... · • Digitale Kartierung in Form einer...
Transcript of 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
1. Digitale Daten in Geographie und Umweltwissenschaften
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
1. Digitale Daten in Geographie und Umweltwissenschaften
Zeitreihen unterschiedlicher Maßstäbe
5
Quelle: Cunningham & Saigo 1999
1. Digitale Daten in Geographie und Umweltwissenschaften
Zeitreihen unterschiedlicher Maßstäbe
6Quelle: IPCC 2001
1. Digitale Daten in Geographie und Umweltwissenschaften
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/
1. Digitale Daten in Geographie und Umweltwissenschaften
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
1. Digitale Daten in Geographie und Umweltwissenschaften
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
1. Digitale Daten in Geographie und Umweltwissenschaften
11
Unterschiedliche Analysemaßstäbe
Quelle: McKnight & Hess 2009
1. Digitale Daten in Geographie und Umweltwissenschaften
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“.
1. Digitale Daten in Geographie und Umweltwissenschaften
13
Quelle: Gebhardt, Glaser, Radtke, Reuber 2012
1. Digitale Daten in Geographie und Umweltwissenschaften
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.
1. Digitale Daten in Geographie und Umweltwissenschaften
15
GeometrischeAuflösung
Quelle:
Albertz 2009:84
1. Digitale Daten in Geographie und Umweltwissenschaften
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
1. Digitale Daten in Geographie und Umweltwissenschaften
17
Schema des Strahlungsflusses bei der Datenaufnahme mit passiven und aktiven Systemen
Quelle: Albertz 2009
1. Digitale Daten in Geographie und Umweltwissenschaften
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
1. Digitale Daten in Geographie und Umweltwissenschaften
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
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
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.
GIS und Social Media: Datenbündelung und Datenanalyse
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.
GIS und Social Media: Datenbündelung und Datenanalyse
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.
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.
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-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?
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
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