Konzepte und Modelle räumlicher Daten „Datentypen, -formate, -skalen und -topologien“ | 22.10.2004 | HpS: Analyse und Modellierung räumlicher Daten.

Präsentation zum Thema: "Konzepte und Modelle räumlicher Daten „Datentypen, -formate, -skalen und -topologien“ | 22.10.2004 | HpS: Analyse und Modellierung räumlicher Daten."—  Präsentation transkript:

1 Konzepte und Modelle räumlicher Daten „Datentypen, -formate, -skalen und -topologien“
| | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

2 Gliederung 1 Räumlich Modellbildung 2 Kartographische Grundlagen
2.1 Lagebezugssysteme 2.2 Kartenprojektionen 2.3 Koordinatensysteme 3 Datentypen in GIS 3.1 Vektordaten (Topologie aus Punkten, Linien und Flächen) 3.2 Rasterdaten (Das Rasterdatenmodell GRID) 3.2.1 TIN 3.2.2 LATTICE 3.3 Attributdaten (Geodatenbanken) 4 Metadaten 5 Literatur | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

3 1 Räumlich Modellbildung (1)
Wie wird die Realwelt in einem GIS abgebildet? Geodatenmodellierung ist mit der traditionellen „kartographischen Modellierung“ verwandt Leitfrage: Wie wird die Realwelt auf eine (analoge) Karte abgebildet? (hervorgeheben, vereinfacht, ignorieren) Realwelt → Modell (dann „Beschreibung“ oder „Abbildung“ der realen Welt und zwar räumlich und inhaltlich) Modelle: Vereinfachte, zweckorientierte Abbildungen von Ausschnitten der Realität (Aufgabe) | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

4 1 Räumlich Modellbildung (2)
| | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

5 2 Kartographische Grundlagen (1)
Räumliche Codierung innerhalb eines GIS verstehen zu können, ist ein gewisses kartographisches Know-how notwendig 2.1 Lagebezugssysteme (Abbildungsmöglichkeiten): Erde modelliert als Ellipsoid → definiert die Basishöhe, die als Datum bezeichnet wird | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

6 2 Kartographische Grundlagen (2)
| | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

7 2 Kartographische Grundlagen (3)
Geoid → die Abbildung mit der Anpassung des besten Ellipsoids (lokalen Schwerkraft) besitzt die größte Genauigkeit (vor allem in der Geodäsie) 2.2 Kartenprojektionen: Transformation der sphärischen oder ellipsoiden Erde auf eine flache Karte Die Projektion kann sich dabei auf eine: Ebene Oberfläche Zylinder Kegel | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

8 2 Kartographische Grundlagen (4)
| | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

9 2 Kartographische Grundlagen (5)
Schnittzylinderprojektion → der Zylinder schneidet nach der Skalierung den Globus keine Projektionsverzerrungen an den Schnittlinien (Zylinder/Globus) : Normalen Abbildungen Transversalen Abbildungen Schiefachsigen Abbildungen 2.3 Koordinatensysteme: Beim Vergleich oder Verschneidung verschiedener Karten innerhalb eines GIS müssen beide Karten im selben Koordinatensystem (Projektion) vorliegen (z.B. UTM) | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

10 3 Datentypen in GIS (1) Geodatenmodellierung läßt digitale Objektmodelle entstehen ein und dasselbe reale Geoobjekt kann geometrisch ganz unterschiedlich modelliert werden Art und Weise entscheidet wesentlich über die späteren Analyse- und Präsentationsmöglichkeiten als Linie oder Fläche? aufgeteilt in Abschnitte? ist die Fliessrichtung relevant? welche geometrische Genauigkeit? außerdem: Raster oder Vektor? | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

11 3 Datentypen in GIS (2) Rasterabbildung: Vektorabbildung:
Unterteilung einer Ausgangsfläche in Elemente gleicher Größe (z.B. Quadrate, Rechtecke → Pixel) Einfache Bearbeitung Hoher Speicherplatzbedarf Vektorabbildung: Punkten, Linien oder Flächen Beliebig hohe Auflösung Aufwendigere Verarbeitung Sachdaten (Attribute): Eigenschaften von Entitäten Räumliche und thematische Attribute | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

12 3 Datentypen in GIS (3) | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

13 3.1 Vektordaten (1) Datenerfassung (manuell vs. automatisch)?
Ansätze des manuellen Digitalisierens: Spaghetti-Ansatz (Linien-Ansatz, polygonweise Erfassung): Punkte und Linien werden ohne Rücksicht auf topologische Strukturen abdigitalisiert; Topologie-Aufbau (Objektbildung) erfolgt im Nachhinein Spaghetti-Daten: unstrukturierte Objekte gleiche Koordinaten für verschiedene Objekte Redundanzen viel Speicherplatz schwierige Fortführung der Daten Beispiel: Telemetriedaten | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

14 3.1 Vektordaten (2) Vektormodell → Komplexe Objekte durch strukturierte bzw. geordnete Menge einfacher Objekte beschreiben Kernelemente → Punkte, Linien oder Flächen a) Punkte: geometrische Grundelement des Vektormodells durch seinen Koordinaten-Vektor im 2D- oder 3D-Raum eindeutig definiert Attribute können als thematische Informationen angehängt werden Speicherung ist einfach und erfolgt in Form regulärer Tabellen b) Linien: Verbindung zwischen Punkten | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

15 3.1 Vektordaten (3) c) Flächen: beginnt und endet mit einem Knoten
einfachster Fall geschlossene Polygonzüge Anfangs- und Endknoten müssen identisch sein Geschlossenheit von Polygonen ist für zahlreiche Verarbeitungsschritte unentbehrlich (z.B. Füllen von Flächen mit graphischen Signaturen oder das Berechnen von Flächenausmaßen) | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

16 3.1 Vektordaten (4) Bespiele: Topologie:
Topologische Strukturen sind ein Charakteristikum von GIS beschreibt die Lage räumlicher Objekte zueinander Werkzeug zur Konstruktion komplexer Objekte Topologische Datenbestände sind redundanzärmer und effizienter zu analysieren (Rechnergeschwindigkeit) Bespiele: Arc-Node-Topologie Poly-Arc-Topologie Left-Right-Topologie | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

17 3.1 Vektordaten (5) Coverages: Vor- und Nachteile des Vektormodells:
Vektordaten werden in Informationsebenen verwaltet, die als Coverages bezeichnet werden �Einzelne digitale Informationsebene mit Attribut- und Lagedaten �Bsp.: Gewässer, Straßennetze, Bodengütekarten sind jeweils ein separates Coverage Vor- und Nachteile des Vektormodells: Geeignet für Modellierung von diskreten Einzelobjekten bzw. Flächenmosaiken mit scharfen Grenzen (weniger gut für flächenhafte kontinuierliche Verteilungen) Geoobjekte sind vektoriell mit beliebig hoher geometrischer Genauigkeit (Lage und Form) darstellbar | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

18 3.1 Vektordaten (6) Datenmenge ist geringer als im Rastermodell
Koordinatentransformationen sind einfacher zu berechnen als im Rastermodell Logische und algebraische Operationen (z.B. Flächeninhalt, Verschneiden, Nachbarschaft) sind in der Regel rechnerisch aufwendiger als im Raster-Modell | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

19 3.2 Rasterdaten (1) Rasterdatenmodelle → Flächenhafter Aspekt, durch Einfachheit Geometrie (Lagevergleiche, Verschneidungen) Rasterzelle (Pixel) quadratisch oder rechteckig (Gebiete mit homogener Bedeutung und nur einem Entitätstyp) | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

20 3.2 Rasterdaten (2) Rasterflächen und Rasterpunkte: Datienformate
Rasterflächen sind oft Mittelwerte oder dominierende Werte der jeweiligen Fläche Punktwerte sind direkte Beobachtungen und gelten nur am jeweiligen Punkt Zwischen Rasterpunkten kann interpoliert werden (Isoplethen), zwischen Zellen ist dies nicht sinnvoll Datienformate .jpg (Joint Photographic Experts Group) komprimiert Bilder 1:35 .gif (Graphic Interchange Format) von CompuServe entwickelt patentierter Komprimierungsalgorithmus LZW .tif (Tag Image File Format) im Electronic Publishing etabliertes; Format zum Speichern von digitalen Bildern mit oder ohne Komprimierung | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

21 3.2 Rasterdaten (3) .GEOTIFF mit Metadaten inkl. verwendeter Bezugssysteme („ It is a newly emerging interchange standard, which permits the addition of geographic information such as projections, datums, etc. associated with remote sensing or cartographic raster data.“) .img ERDAS-Bildfile mit HFA (Hierarchical File Architecture) GRID Rasterformat von ARC/Info GRID Quadratisch oder rechteckige Aufteilung in Rasterzellen GRID im Rasterformat entspricht dem Coverage im Vektorformat dient der Verwaltung, Analyse, Auswertung und Darstellung rasterbezogener Informationen | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

22 3.2 Rasterdaten (4) Rasterdatenmodell (Definition der Geometrie)
Ein Referenzpunkt (Ursprung) Die Rasterweite (Maschengröße) muss definiert sein Jede Zelle stellt eine Einheit dar, der ein Attribut zugeordnet ist Jede Rasterzelle besitzt einen Wert, selbst wenn die Zelle leer bleiben sollte Topologie von Rasterzellen Kanten-Topologie: 2 Rasterzellen gelten als benachbart, wenn sie eine gemeinsame Zell-Kante besitzen Ecken-Kanten-Topologie: 2 Rasterzellen gelten als benachbart, wenn sie eine gemeinsame Zell-Ecke oder Zell-Kante besitzen | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

23 3.2 Rasterdaten (5) | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

24 3.2 Rasterdaten (6) Durchführung topographischen Analysen (Skalen)
Rational: absolute Werte auf einer linearen Skala (z.B. Entfernungs-, Kosten- und Altersangaben oder Indikatoren wie Bevölkerungsdichte, Kosten pro Entfernung) Intervall: relative Werte auf einer linearen Skala (z.B. Höhen, Temperatur, Datumsangaben) Ordinal: Geordnete Werte (z.B. Erosionsgefährdungswert - gering, mittel, hoch) Nominal: sonstige Werte, inhaltliche Klassifikation (z.B. Vegetationsarten oder Straßentypen) - Vor- und Nachteile von Rastersystemen einfache Analysealgorithmen (z.B. Zellenwerte addieren) Raster sind einfach zu verstehen, zu lesen, zu schreiben und können einfach auf Bildschirmen dargestellt werden | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

25 3.2 Rasterdaten (7) Weisen zwar Schwächen bei der Repräsentation von Punkten, Linien und Flächen, sind aber für Interpolationsaufgaben hervorragend geeignet Raster sind das ideale Format für gescannte- oder Fernerkundungsdaten Es existieren zahlreiche Speichermethoden für Rasterdaten (Kompatibilität) Nur approximative Abbildung von punktuellen und linearen Elementen (Mischpixelproblem) → geringere Koordinatengenauigkeit jede Zelle kann nur einem Objekt zugeordnet werden Raster enthalten oft überflüssige oder fehlende Daten sehr hoher Speicherplatzbedarf | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

26 3.2 Rasterdaten (8) | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

27 3.2.1 TIN (1) TIN = Triangulated Irregular Network bestehen aus Punkte (Knoten) und Kanten → gleichseitige Dreiecksflächen basiert auf einem unregelmäßigen Muster von z-Werten (z.B. direkt bestimmten Originaldaten) 3-dimensionalen Geländemodelle, die unter Einbeziehung von Bruchkanten und Aussparungsflächen erzeugt Vorteile des TIN gegenüber GRID Verarbeitung von Daten unterschiedlichster Herkunft Oberflächenunterschiede werden durch TIN detaillierter dargestellt (nicht geglättet) Eignung für die Modellierung realer Oberflächen | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

28 3.2.1 TIN (2) | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

29 3.2.2 LATTICE (1) LATTICE entspricht im wesentlichen einem GRID
X, Y, Z Werte werden jedoch anders interpretiert GRID erhält die gesamte Zelle einen Z-Wert, wogegen im LATTICE der Z-Wert als Höhenpunkt eines einzelnen Punktes verstanden wird Die Basis dieses Punktes liegt im Mittelpunkt der entsprechenden Rasterzelle | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

30 3.2.2 LATTICE (2) Anwendung von LATTICE Oberflächenrepräsentation
Oberflächenmodellierung und Visualisierung (z.B. Reliefschattierung, 3D-Visualisierung, Neigungen) | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

31 3.3 Attributdaten (1) Eigenschaften von Entitäten, die ein Objekt näher beschreiben Attributdaten sind sämtliche nichtgeometrische Elemente (z.B. Texte, Messwerte, Nummern, Namen) Können sowohl in digitaler als auch in analoger Form vorliegen Darstellung erfolgt in Tabellenform: Spalten enthalten die verschiedenen Attribute (z.B. Luftfeuchtigkeit, Niederschlagsmenge) Reihen (Records) enthalten die beschreibenden Daten (z.B. 10%, etc.) und müssen eindeutig sein | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

32 3.3 Attributdaten (2) Bsp.: räumlich: Fläche Umfang Bsp.: thematisch:
weißer Bev.-Ant. schwarzer Bev.-A. asiatischer Bev.-A. Es handelt sich um Tabellen, die von einem RDBMS verwaltet werden | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

33 3.3 Attributdaten (3) RDBMS
Kern dieses Konzepts ist die Verteilung von Daten auf verschiedene Tabellen Effiziente Speicherplatzverwaltung Optimale Flexibilität bei Suchanfragen ohne Kenntnisse vom Aufbau der Datenbank Leicht Aktualisierung und komprimierte Speicherung Dagegen schwierige Implementierung und hohe Entwicklung- und Fortführungskosten GIS-Systeme verknüpfen Attribute mit den kartographischen Daten → die Suche nach Attributen, kartographischen Gegebenheiten oder beidem (die Verknüpfung besteht aus einem Link) | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

34 4 Metadaten (1) „Daten über Daten“ - beschreiben deren Charakteristika
Information befindet sich meist in einem Header zu den eigentlichen Daten oder in einer Beschreibungsdatei (Metadatei) Identifikation Datenqualität Räumliche Datenorganisation: Datenmodell Georeferenzierung Entitäten und Attribute Bezug: Bestelladresse, Transfermedien Metadatenreferenz Zitier-Information Zeitliche Gültigkeit Kontaktadresse | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

35 4 Metadaten (2) Typen von Metainformation (nach Denzer & Güttler 1994)
Semantische Metainformation: Inhaltliche Beschreibung von Informationsbeständen („normalsprachliche Datenbeschreibung“) Syntaktische Metainformation: Informationen (z.B. Netzwerk-adressen, Pfade, Dateinamen, etc.), um physisch auf den Katalog (die eigentlichen Daten) zugreifen zu können Strukturelle Metainformation: Information wie die ursprüngliche Objektstrukturierung (Hierarchien, Topologien, Aggregate, etc.) gebildet wurde, um den Sachverhalt formal zu beschreiben (z.B. Oberfläche als Raster oder als TIN) Navigatorische Metainformation: Über die eigentliche Metainformation hinaus: Beschreibt bspw. die Navigation in Benutzerschnittstellen, durch Kataloge etc. | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

36 4 Metadaten (3) Mögliche Betrachtung von Metainformation
Räumlicher Zugang: indem für jeden beliebigen Punkt oder Gebiet festgestellt werden kann, ob bzw. welche Datenbestände dort vorliegen Temporaler Zugang: Für welchen Zeitraum liegen (gültige) Daten vor? Sachliche Spezifikationen: z.B. in Form eines unter Umständen hierarchisch geordneten Thesaurus. Räumliche Auflösung (bzw. Maßstab von Beständen): womit die Eignung für groß- bzw. kleinräumige Fragestellungen spezifiziert werden kann. | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

37 4 Metadaten (4) Beispiel für den Aufbau eines Objektschlüsselkatalog
Identifikation: Beschreibung von Zielsetzung, Thematik, räumlicher Lage, Status, illustrierte Grafik, etc. Datenqualität: Herkunft, Attribut- und Lagegenauigkeit, logische Konsistenz und Vollständigkeit Räumliche Datenorganisation: Spezifikation des Datenmodells (Raster, Vektor, Topologie) Georeferenzierung: Projektion, Datum, Koordinatensystem Entitäten und Attribute: Entitätsdefinition und Zuordnung von Attributen, Definition von Meßskalen und Wertebereichen Metadatenreferenz: Informationen zu Aktualitätsstand, inhaltliche Zuständigkeit der Metadaten. Kontakte, Sicherheitsklassifikation. (Bezug; Zitier-Information; zeitliche Gültigkeit; Kontaktadresse) | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |

38 5 Literatur Bartelme, N. (1995): Geoinformatik: Modelle, Strukturen, Funktionen. Heidelberg. Bill, R. & Fritsch, D. (1999): Grundlagen der Geo-Informationssysteme Band 1 Hardware, Software und Daten. Heidelberg. ESRI (1997): Getting to Know ArcView GISGeoInformation International, Cambridge, 675 S. Longley, P.A., Goodchild, M.F., Maguire, D.J& Rhind, D.W. (1999): Geographical Information SystemsVol 1: Principles and Techniques; Vol 2: Management and ApplicationsJohn Wiley & Sons, New York. | | HpS: Analyse und Modellierung räumlicher Daten | Tommy Brandt |