Rasterdaten im Blick: Pixel, Mosaike, 3D-Modelle und mehr

Von Höhenmodellen bis zur Cloud-Optimierung: Tauchen Sie ein in die Welt der Rasterdaten und optimieren Sie Ihre geografischen Analysen.

In diesem Blogbeitrag werden wir die Grundlagen von Rasterdaten erkunden, von ihrer Definition bis zu praktischen Anwendungen in der Geoinformatik. Egal, ob GIS-Profi, Datenenthusiast:innen oder Beginner:inen - hier erfahren Sie, wie Rasterdaten die Art und Weise revolutionieren, wie wir geografische Informationen verstehen und analysieren.

Was ist eigentlich ein Raster?

Rasterdaten sind pixelbasiert und repräsentieren Informationen in einer regelmäßigen Rasterform. Raster eignen sich gut für kontinuierliche Daten wie Höhenmodelle und flächenmäßiger Niederschlag, während Vektoren besser für diskrete Daten wie Straßen oder Orte geeignet sind. Sie basieren auf Punkten, Linien oder Flächen (Polygonen) und verwenden geometrische Formen, um Informationen darzustellen.

Welche Arten von Informationen können in Rasterdaten dargestellt werden?

  1. Höhen und Geländemodelle
  2. (Multispektrale-) Satellitenbilder
  3. Orthofotos
  4. Temperaturverteilungen
  5. Niederschlagsmuster
  6. Bodenfeuchte
  7. Landbedeckungskarten
  8. Vegetationsindices
  9. Bodenklassifikationen
  10. Vektorkarten

Wo bekomme ich Raster-Daten her?

Living Atlas of the World: Eine umfangreiche Sammlung von Karten und Daten ist direkt in ArcGIS integriert.

Freie Datenquellen:

Lokale Daten:

  • Data.gv.at: Lokale Behörden, Institutionen oder Forschungseinrichtungen können Rasterdaten bereitstellen. Hier sind insbesondere gut aufgelöste Höhenmodelle der Bundesländer zu bekommen.

Kauf von Daten:

  • Kommerzielle Anbieter bieten oft hochauflösende Rasterdaten an. Beispiele sind DigitalGlobe, GeoIQ, oder Airbus.

Was ist ein Mosaic-Dataset?

Ein Mosaic-Dataset in ArcGIS ist eine Datenstruktur, die verschiedene Rasterdatenquellen integriert und sie nahtlos als ein Mosaik darstellt. Es ermöglicht dynamische Anpassungen, effiziente Datenverwaltung, On-the-Fly-Bearbeitung und den Zugriff auf Pixelwerte für Analysen. Das Mosaic-Dataset in ArcGIS ermöglicht eine nahtlose Integration verschiedener Rasterdatenquellen, was eine effiziente Verwaltung, dynamische Anpassungen und Echtzeit-Bearbeitung gewährt. Dies erleichtert die Visualisierung und Analyse von umfangreichen Rasterdatensätzen. Weitere Informationen finden Sie hier: https://pro.arcgis.com/de/proapp/latest/help/data/imagery/mosaic-datasets.htm

Was ist ein Cloud-Optimised-Raster?

Ein Cloud-Optimised-Raster (COG) ist ein reguläres GeoTIFF, das für das Hosten und Arbeiten auf einem HTTP-Dateiserver optimiert wurde. Die Optimierung hängt von der Fähigkeit eines COG ab, Rohpixeldaten zu speichern und zu organisieren, zusätzlich zur Verwendung von HTTP-GET-Anfragen, sodass jeweils nur ausgewählte Bildteile abgerufen werden. Ein weiteres Format, um mit Rasterdaten in Cloud-Umgebungen zu arbeiten, ist das Cloud Optimized Format (CRF). In Verbindung mit der leistungsfähigen LERC-Kompression sorgt es für eine hohe Performance in der Darstellung. Eine Toolbox, um Cloud Optimised Raster zu erzeugen, finden Sie hier: https://github.com/Esri/OptimizeRasters, sowie alle verfügbaren Rasterformate hier: https://pro.arcgis.com/en/pro-app/latest/help/data/imagery/supported-raster-dataset-file-formats.htm

Was sind multidimensionale Rasterdaten?

Multidimensionale Daten stellen Daten dar, die zu mehreren Zeitpunkten oder in mehreren Tiefen oder Höhen erfasst werden. Dieser Datentyp wird im Allgemeinen in der Atmosphärenforschung, Ozeanografie und Geowissenschaft verwendet. Multidimensionale Rasterdaten können durch Satellitenbeobachtungen erfasst werden, wobei die Erfassung der Daten in bestimmten Zeitintervallen erfolgt. Sie lassen sich auch über numerische Modelle generieren, wobei Daten aus anderen Datenquellen aggregiert, interpoliert oder simuliert werden.

Esri stellt hier mit dem Format Cloud Raster Format (CRF) ein leistungsfähiges Format zur Verfügung, um Analysen mit multidimensionalen Rastern zu ermöglichen. Es können aber natürlich auch andere Formate, wie das in der Meterologie weit verbreitete NetCDF, gelesen und weiterverarbeitet werden.

Was ist mit Overviews und Pyramids gemeint?

Overviews und Pyramids sind Techniken zur Verbesserung der Leistung und Darstellung von Rasterdaten in ArcGIS.

Overviews sind reduzierte Versionen eines Rasterdatensatzes, die erstellt werden, um die Leistung beim Zoomen und Navigieren zu verbessern. Diese Miniaturversionen ermöglichen eine schnellere Anzeige von Rasterdaten in kleineren Maßstäben, ohne die volle Auflösung abrufen zu müssen.

Pyramiden repräsentieren eine hierarchische Struktur von Rasterdaten, bei der jede Ebene eine reduzierte Auflösung des ursprünglichen Rasters darstellt. Beim Zoomen in ArcGIS wählt das System automatisch die am besten geeignete Pyramidenebene aus, um die Anzeige zu beschleunigen und gleichzeitig die Details bei höheren Zoomstufen beizubehalten.

Wie kann ich aus Luftbildern 3D-Modelle erzeugen?

Mithilfe von Structure from Motion (SfM). Dies ist eine photogrammetrische Technik, die aus einer Serie von 2D-Luftbildern dreidimensionale Strukturen rekonstruiert. Durch die Analyse der Verschiebungen und Parallaxen in den Bildern werden Punktwolken oder 3D-Modelle erstellt. Structure from Motion wird oft für die Erstellung von digitalen Geländemodellen, 3D-Rekonstruktionen von Objekten oder zur Visualisierung von Landschaften aus Luftbildern eingesetzt.
Weitere Informationen dazu finden Sie hier: https://www.esri.com/de-de/arcgis/products/arcgis-reality/overview

Wie kann ich Unterschiede von zwei oder mehr Rastern identifizieren?

Wenn es darum geht, Unterschiede zwischen zwei oder mehr Rasterdatensätzen zu identifizieren, stehen verschiedene leistungsstarke Werkzeuge und Methoden zur Verfügung. Hier sind einige Ansätze, die Ihnen dabei helfen können:

Rasterrechenwerkzeuge: Nutzen Sie fortschrittliche Werkzeuge wie "Rasterberechnung" oder "Rasterdifferenz", um pixelweise Differenzen zwischen zwei Rasterdatensätzen zu berechnen. Diese Methode ermöglicht eine präzise und numerische Analyse der Unterschiede in den Werten der Rasterzellen.

Rastervergleich mit ArcGIS Pro: ArcGIS Pro bietet das leistungsstarke Werkzeug "Rastervergleich", das eine visuelle Identifikation von Unterschieden zwischen zwei Rastern ermöglicht. Durch die Erstellung einer Rasterdatei werden die Differenzen hervorgehoben, was eine einfache und intuitive Analyse ermöglicht.

Räumliche Analyse: Führen Sie eine räumliche Analyse durch, um Muster und Trends in den Rasterdaten zu identifizieren. Werkzeuge wie "Zonal Statistics" oder "Focal Statistics" ermöglichen eine tiefgehende Analyse, um räumliche Unterschiede und Beziehungen zwischen den Rastern zu verstehen.

Histogrammvergleich: Ein Blick auf die Histogramme der beiden Raster kann wertvolle Einblicke liefern. Unterschiede in der Verteilung der Werte werden deutlich sichtbar, was eine effektive Methode zur Identifizierung von Veränderungen in den Daten ist.

Subtraktion für zeitliche Unterschiede: Wenn zeitliche Unterschiede zwischen den Rasterdatensätzen bestehen, bietet die Subtraktion (verwendet beispielsweise im Rastercalculator) eine Möglichkeit, Veränderungen über die Zeit zu quantifizieren. Dies ist besonders nützlich, um beispielsweise Digital Surface Models (DoDs) zu erstellen und Oberflächenveränderungen über einen bestimmten Zeitraum zu visualisieren.

Was ist der Unterschied zwischen einem Geländemodell (Digital Terrain Model) und einem Oberflächenmodell (Digital Surface Model)?

Geländemodell (DTM): Das Geländemodell legt seinen Fokus auf die natürlichen Geländeformen wie Hügel, Täler und Berge. Es berücksichtigt die physische Form des Geländes, unabhängig von menschlichen Einflüssen wie Gebäuden oder Infrastrukturen. Das DTM ist besonders nützlich für topografische oder geologische Analysen, da es eine reine Darstellung des natürlichen Geländes bietet.

Oberflächenmodell (DSM): Im Gegensatz dazu berücksichtigt das Oberflächenmodell nicht nur natürliche Geländeformen, sondern auch künstliche Strukturen auf der Oberfläche, wie Gebäude, Straßen oder Brücken. Hierbei werden alle sichtbaren Elemente auf der Erdoberfläche erfasst, unabhängig davon, ob sie durch natürliche Prozesse oder menschliche Aktivitäten entstanden sind. DSMs finden besonders in städtischen Planungen oder Umweltanalysen Anwendung, wo menschliche Einflüsse von großer Bedeutung sind.

Die Wahl zwischen einem Geländemodell und einem Oberflächenmodell hängt somit von den spezifischen Anforderungen Ihrer Analysen ab. Ob Sie die reine Naturlandschaft erforschen möchten oder menschliche Einflüsse in Ihre Überlegungen einbeziehen– die Unterschiede zwischen DTM und DSM bieten vielfältige Möglichkeiten für präzise und zielgerichtete geografische Analysen.

Abbildung aus Croneborg, Louise & Saito, Keiko & Matera, Michel & McKeown, Don & van Aardt, Jan. (2020). Digital Elevation Models. 10.1596/34445.

Fazit

In diesem Artikel haben wir einen Blick auf die Vielfalt und Bedeutung von Rasterdaten geworfen. Die pixelbasierten Informationen sind mehr als nur grafische Elemente; sie sind der Schlüssel zu umfassenden geografischen Analysen. Von Höhenmodellen bis hin zu Satellitenbildern bieten Rasterdaten ein reichhaltiges Spektrum an Daten, das die Grundlage für präzise räumliche Erkenntnisse bildet. Als grundlegendes Element für präzise räumliche Analysen sind Rasterdaten in der Geoinformatik unverzichtbar. Wir können gespannt sein, welche neuen Entwicklungen die Zukunft für diese Pixelwelt bereithält.

Dieser Beitrag stammt von Clemens Naderer und Bastian Lindemair.

XING LinkedIn

Möchten Sie weitere Neuheiten zu unseren Produkten und Veranstaltungen erfahren? Melden Sie sich für unseren Newsletter an und bleiben Sie stets aktuell informiert! Weitere Neuheiten erfahren Sie auch auf unseren LinkedIn und Twitter Accounts.

Weitere Blogartikel

SynerGIS Informationssysteme GmbH

Esri Official Distributor
Technologiestraße 10/2E, A-1120 Wien
+43 1 878 06-0 | office@mysynergis.com

Social Media: LinkedIn | X

Rasterdaten im Blick: Pixel, Mosaike, 3D-Modelle und mehr

Von Höhenmodellen bis zur Cloud-Optimierung: Tauchen Sie ein in die Welt der Rasterdaten und optimieren Sie Ihre geografischen Analysen.

In diesem Blogbeitrag werden wir die Grundlagen von Rasterdaten erkunden, von ihrer Definition bis zu praktischen Anwendungen in der Geoinformatik. Egal, ob GIS-Profi, Datenenthusiast:innen oder Beginner:inen - hier erfahren Sie, wie Rasterdaten die Art und Weise revolutionieren, wie wir geografische Informationen verstehen und analysieren.

Was ist eigentlich ein Raster?

Rasterdaten sind pixelbasiert und repräsentieren Informationen in einer regelmäßigen Rasterform. Raster eignen sich gut für kontinuierliche Daten wie Höhenmodelle und flächenmäßiger Niederschlag, während Vektoren besser für diskrete Daten wie Straßen oder Orte geeignet sind. Sie basieren auf Punkten, Linien oder Flächen (Polygonen) und verwenden geometrische Formen, um Informationen darzustellen.

Welche Arten von Informationen können in Rasterdaten dargestellt werden?

  1. Höhen und Geländemodelle
  2. (Multispektrale-) Satellitenbilder
  3. Orthofotos
  4. Temperaturverteilungen
  5. Niederschlagsmuster
  6. Bodenfeuchte
  7. Landbedeckungskarten
  8. Vegetationsindices
  9. Bodenklassifikationen
  10. Vektorkarten

Wo bekomme ich Raster-Daten her?

Living Atlas of the World: Eine umfangreiche Sammlung von Karten und Daten ist direkt in ArcGIS integriert.

Freie Datenquellen:

Lokale Daten:

  • Data.gv.at: Lokale Behörden, Institutionen oder Forschungseinrichtungen können Rasterdaten bereitstellen. Hier sind insbesondere gut aufgelöste Höhenmodelle der Bundesländer zu bekommen.

Kauf von Daten:

  • Kommerzielle Anbieter bieten oft hochauflösende Rasterdaten an. Beispiele sind DigitalGlobe, GeoIQ, oder Airbus.

Was ist ein Mosaic-Dataset?

Ein Mosaic-Dataset in ArcGIS ist eine Datenstruktur, die verschiedene Rasterdatenquellen integriert und sie nahtlos als ein Mosaik darstellt. Es ermöglicht dynamische Anpassungen, effiziente Datenverwaltung, On-the-Fly-Bearbeitung und den Zugriff auf Pixelwerte für Analysen. Das Mosaic-Dataset in ArcGIS ermöglicht eine nahtlose Integration verschiedener Rasterdatenquellen, was eine effiziente Verwaltung, dynamische Anpassungen und Echtzeit-Bearbeitung gewährt. Dies erleichtert die Visualisierung und Analyse von umfangreichen Rasterdatensätzen. Weitere Informationen finden Sie hier: https://pro.arcgis.com/de/proapp/latest/help/data/imagery/mosaic-datasets.htm

Was ist ein Cloud-Optimised-Raster?

Ein Cloud-Optimised-Raster (COG) ist ein reguläres GeoTIFF, das für das Hosten und Arbeiten auf einem HTTP-Dateiserver optimiert wurde. Die Optimierung hängt von der Fähigkeit eines COG ab, Rohpixeldaten zu speichern und zu organisieren, zusätzlich zur Verwendung von HTTP-GET-Anfragen, sodass jeweils nur ausgewählte Bildteile abgerufen werden. Ein weiteres Format, um mit Rasterdaten in Cloud-Umgebungen zu arbeiten, ist das Cloud Optimized Format (CRF). In Verbindung mit der leistungsfähigen LERC-Kompression sorgt es für eine hohe Performance in der Darstellung. Eine Toolbox, um Cloud Optimised Raster zu erzeugen, finden Sie hier: https://github.com/Esri/OptimizeRasters, sowie alle verfügbaren Rasterformate hier: https://pro.arcgis.com/en/pro-app/latest/help/data/imagery/supported-raster-dataset-file-formats.htm

Was sind multidimensionale Rasterdaten?

Multidimensionale Daten stellen Daten dar, die zu mehreren Zeitpunkten oder in mehreren Tiefen oder Höhen erfasst werden. Dieser Datentyp wird im Allgemeinen in der Atmosphärenforschung, Ozeanografie und Geowissenschaft verwendet. Multidimensionale Rasterdaten können durch Satellitenbeobachtungen erfasst werden, wobei die Erfassung der Daten in bestimmten Zeitintervallen erfolgt. Sie lassen sich auch über numerische Modelle generieren, wobei Daten aus anderen Datenquellen aggregiert, interpoliert oder simuliert werden.

Esri stellt hier mit dem Format Cloud Raster Format (CRF) ein leistungsfähiges Format zur Verfügung, um Analysen mit multidimensionalen Rastern zu ermöglichen. Es können aber natürlich auch andere Formate, wie das in der Meterologie weit verbreitete NetCDF, gelesen und weiterverarbeitet werden.

Was ist mit Overviews und Pyramids gemeint?

Overviews und Pyramids sind Techniken zur Verbesserung der Leistung und Darstellung von Rasterdaten in ArcGIS.

Overviews sind reduzierte Versionen eines Rasterdatensatzes, die erstellt werden, um die Leistung beim Zoomen und Navigieren zu verbessern. Diese Miniaturversionen ermöglichen eine schnellere Anzeige von Rasterdaten in kleineren Maßstäben, ohne die volle Auflösung abrufen zu müssen.

Pyramiden repräsentieren eine hierarchische Struktur von Rasterdaten, bei der jede Ebene eine reduzierte Auflösung des ursprünglichen Rasters darstellt. Beim Zoomen in ArcGIS wählt das System automatisch die am besten geeignete Pyramidenebene aus, um die Anzeige zu beschleunigen und gleichzeitig die Details bei höheren Zoomstufen beizubehalten.

Wie kann ich aus Luftbildern 3D-Modelle erzeugen?

Mithilfe von Structure from Motion (SfM). Dies ist eine photogrammetrische Technik, die aus einer Serie von 2D-Luftbildern dreidimensionale Strukturen rekonstruiert. Durch die Analyse der Verschiebungen und Parallaxen in den Bildern werden Punktwolken oder 3D-Modelle erstellt. Structure from Motion wird oft für die Erstellung von digitalen Geländemodellen, 3D-Rekonstruktionen von Objekten oder zur Visualisierung von Landschaften aus Luftbildern eingesetzt.
Weitere Informationen dazu finden Sie hier: https://www.esri.com/de-de/arcgis/products/arcgis-reality/overview

Wie kann ich Unterschiede von zwei oder mehr Rastern identifizieren?

Wenn es darum geht, Unterschiede zwischen zwei oder mehr Rasterdatensätzen zu identifizieren, stehen verschiedene leistungsstarke Werkzeuge und Methoden zur Verfügung. Hier sind einige Ansätze, die Ihnen dabei helfen können:

Rasterrechenwerkzeuge: Nutzen Sie fortschrittliche Werkzeuge wie "Rasterberechnung" oder "Rasterdifferenz", um pixelweise Differenzen zwischen zwei Rasterdatensätzen zu berechnen. Diese Methode ermöglicht eine präzise und numerische Analyse der Unterschiede in den Werten der Rasterzellen.

Rastervergleich mit ArcGIS Pro: ArcGIS Pro bietet das leistungsstarke Werkzeug "Rastervergleich", das eine visuelle Identifikation von Unterschieden zwischen zwei Rastern ermöglicht. Durch die Erstellung einer Rasterdatei werden die Differenzen hervorgehoben, was eine einfache und intuitive Analyse ermöglicht.

Räumliche Analyse: Führen Sie eine räumliche Analyse durch, um Muster und Trends in den Rasterdaten zu identifizieren. Werkzeuge wie "Zonal Statistics" oder "Focal Statistics" ermöglichen eine tiefgehende Analyse, um räumliche Unterschiede und Beziehungen zwischen den Rastern zu verstehen.

Histogrammvergleich: Ein Blick auf die Histogramme der beiden Raster kann wertvolle Einblicke liefern. Unterschiede in der Verteilung der Werte werden deutlich sichtbar, was eine effektive Methode zur Identifizierung von Veränderungen in den Daten ist.

Subtraktion für zeitliche Unterschiede: Wenn zeitliche Unterschiede zwischen den Rasterdatensätzen bestehen, bietet die Subtraktion (verwendet beispielsweise im Rastercalculator) eine Möglichkeit, Veränderungen über die Zeit zu quantifizieren. Dies ist besonders nützlich, um beispielsweise Digital Surface Models (DoDs) zu erstellen und Oberflächenveränderungen über einen bestimmten Zeitraum zu visualisieren.

Was ist der Unterschied zwischen einem Geländemodell (Digital Terrain Model) und einem Oberflächenmodell (Digital Surface Model)?

Geländemodell (DTM): Das Geländemodell legt seinen Fokus auf die natürlichen Geländeformen wie Hügel, Täler und Berge. Es berücksichtigt die physische Form des Geländes, unabhängig von menschlichen Einflüssen wie Gebäuden oder Infrastrukturen. Das DTM ist besonders nützlich für topografische oder geologische Analysen, da es eine reine Darstellung des natürlichen Geländes bietet.

Oberflächenmodell (DSM): Im Gegensatz dazu berücksichtigt das Oberflächenmodell nicht nur natürliche Geländeformen, sondern auch künstliche Strukturen auf der Oberfläche, wie Gebäude, Straßen oder Brücken. Hierbei werden alle sichtbaren Elemente auf der Erdoberfläche erfasst, unabhängig davon, ob sie durch natürliche Prozesse oder menschliche Aktivitäten entstanden sind. DSMs finden besonders in städtischen Planungen oder Umweltanalysen Anwendung, wo menschliche Einflüsse von großer Bedeutung sind.

Die Wahl zwischen einem Geländemodell und einem Oberflächenmodell hängt somit von den spezifischen Anforderungen Ihrer Analysen ab. Ob Sie die reine Naturlandschaft erforschen möchten oder menschliche Einflüsse in Ihre Überlegungen einbeziehen– die Unterschiede zwischen DTM und DSM bieten vielfältige Möglichkeiten für präzise und zielgerichtete geografische Analysen.

Abbildung aus Croneborg, Louise & Saito, Keiko & Matera, Michel & McKeown, Don & van Aardt, Jan. (2020). Digital Elevation Models. 10.1596/34445.

Fazit

In diesem Artikel haben wir einen Blick auf die Vielfalt und Bedeutung von Rasterdaten geworfen. Die pixelbasierten Informationen sind mehr als nur grafische Elemente; sie sind der Schlüssel zu umfassenden geografischen Analysen. Von Höhenmodellen bis hin zu Satellitenbildern bieten Rasterdaten ein reichhaltiges Spektrum an Daten, das die Grundlage für präzise räumliche Erkenntnisse bildet. Als grundlegendes Element für präzise räumliche Analysen sind Rasterdaten in der Geoinformatik unverzichtbar. Wir können gespannt sein, welche neuen Entwicklungen die Zukunft für diese Pixelwelt bereithält.

Dieser Beitrag stammt von Clemens Naderer und Bastian Lindemair.

XING LinkedIn