Unter reger Beteiligung von Vertretern aus der Verwaltung und der Privatwirtschaft fand am 06.06.2023 im Hause des Bundesamtes für Seeschifffahrt und Hydrographie (BSH) das 5. Gismo Nutzer-Treffen statt.
Wir bedanken uns an dieser Stelle einmal mehr bei den Organisatoren vom Landesbetrieb für Küstenschutz, Nationalpark und Meeresschutz Schleswig Holstein (LKN-SH) und vom Bundesamt für Seeschifffahrt und Hydrographie (BSH).
Im Folgenden stehen die Präsentationen zum Nachlesen bereit:
Bei dem Produkt „Gismo-Server“ handelt es sich um eine Fortentwicklung der Forschungsergebnisse aus dem mFUND-Projekt UnDaWatA (UnDaWatA, Unstructured Data – Webservices and Technical Analysis). Nähere Informationen zu diesem Projekt lesen Sie hier.
UnDaWatA, Unstructured Data – Webservices and Technical Analysis
Mit Hilfe von Gismo-Server ist es möglich, umfangreiche Bestände an Geodaten über das Intranet oder das Internet bereitzustellen. Die Geodaten können komfortabel recherchiert und zu einer Datensammlung zusammengestellt werden.
Je nach Konfiguration von Gismo-Server kann auch der Download der Geodaten in verschiedenen gängigen Formaten ermöglicht werden.
Eine Datensammlung kann nach unterschiedlichen Kriterien visualisiert werden. Einfache Analysemethoden wie der „Profilschnitt“ oder die „Zeitreihe“ unterstützen das Verständnis der räumlichen und zeitlichen Entwicklung der Gewässersohle oder der Erdoberfläche.
Visualisierung eines umfangreichen DGM
Gismo-Server eignet sich für die Veröffentlichung von Punktwolken, unstrukturierten Datensätzen wie beispielsweise Dreiecksgitternetzen oder strukturierten Datensätzen (Raster). Gismo-Sever verwendet die performante Architektur zur Speicherung, Verarbeitung und Analyse umfangreicher Geodatensätze des bewährten Systems „Gismo“ und stellt diese Funktionalität über OGC-konforme Dienste auch NutzerInnen anderer Anwendungsplattformen zur Verfügung.
Analyse eines DGM durch einen frei gewählten Profilschnitt
So erhalten auch NutzerInnen ohne spezielle Vorkenntnisse durch den Webbrowser einfachen Zugang zu umfangreichen Geodatenbeständen.
In der Qualitätssicherung (QS) von Massendaten, sowohl von der Anzahl als auch Größe einzelner Datensätze, ist eine effiziente und (teil-)automatisierte Herangehensweise imperativ. Hierunter fällt auch, und zuallererst, die Definition einer effizienten und gleichartigen Datenablagestruktur, die Automatisierungen unterstützt.
Strukturierte Datenablage für effiziente folgende Bearbeitungsschritte.
Die in Gismo implementierte Nachladelogik für LiDAR-Dateien (.las und .laz bis Version 1.4) sowie statistische Auswertungen noch vor Laden der Dateien erlauben es in kleinen wie großen Gebieten erste Eindrücke über die Beschaffenheit der Laserpunkte zu sammeln, insbesondere die Klassifikation.
Dateiinformationen zu Returnnumbers und Klassifikationen sowie eine Schnittdarstellung unter optional angewählter Auftrennung einzelner Klassen und Flugstreifen.
Auf Basis dieser vorstrukturierten und gesichteten Daten können spezielle QS-Datenbanken vollautomatisch erzeugt werden, die statistische Auswertungen in frei-wählbaren Rasterauflösungen (üblicherweise 1m) erlauben:
Mittlere Höhe
Punktdichte
Flugstreifendifferenzen/Spanne zwischen Flugstreifen
Spanne zwischen Laserpunkten
Mittels dieser und darauf aufbauenden Auswertungen lassen sich erste beispielsweise zur Wasser-Land-Klassifizierung, Ausreißern, Georeferenzierungsproblematiken oder regional unterschrittenen Punktdichten erkennen.
Auswahl verschiedener Auswertungen auf Basis automatisiert erstellter QS-Datenbanken.
Auf Basis einer umfangreichen Grundlage von Referenzdaten zur Genauigkeit der Lage der Laserpunkte konnte eine automatisierte Quantifizierung der Höhen- und Lagegenauigkeit implementiert werden, wobei die letztere primär die dreidimensionale Lage der Laserpunkte im Raum gegen Dachflächen prüft.
Ermittlung von Lagegenauigkeit auf Basis von Dacheinmessungen.
Zur Dokumentation wird dieser und weiterer Auswertungen wird vollautomatisch eine editierbare PowerPoint-Präsentation erzeugt, die auf üblicherweise etwa 180 Seiten auf Besonderheiten im Datensatz und allgemeine Qualitätsmerkmale quantitativ hinweist.
Je nach Größe des zu prüfenden Datensatzes und eventueller grundlegender Problematiken kann eine erste Iteration der QS vom erstmaligen Laden der Daten bis zum .ppt-Dokument bereits nach zwei Stunden abgeschlossen sein.
Beispielhaftes PowerPoint-Dokument
Für die QS von ALS und bALS Laserdaten ist, vor allem bei Verwendung eines roten Lasers, die Prüfung des vorherrschenden Wasserstandes essentiell, die im Rahmen der Automatisierung auf Basis einer täglich aktualisierten Pegelgrundlage stattfindet. Hierbei wird jeder einzelne Laserpunkt in höchstmöglicher zeitlicher Auflösung gegen den zu verwendenden Referenzpegel (nach räumlicher Distanz oder Vorgabe) geprüft und eventuelle Überschreitungen des Wasserstands markiert sowie in einer Übersichtstabelle am Anfang des Dokumentes automatisch erfasst.
Beispielhafte Prüfung des Wasserstandes mit Überschreitungen aufgrund von zu frühen und zu späten Flugzeiten.
Auf Basis einfacher mathematischer Analysen eines gerasterten digitalen Geländemodells (DGM) sind regionale und überregionale Abflusswege von Wasser über ein Gebiet und daraus sogenannte Flussbäume errechenbar. Diese Flussbäume haben besondere topologische Eigenschaften und verbinden nur Modellstützstellen, die alle in den selben Punkt („Senkenpunkt“) entwässern. Der Rand eines solchen Flussbaumes definiert daher ein Einzugsgebiet.
Konzeptionell erzeugte Flussbäume mit Einzugsgebietsgrenzen (Hintergrund) und reale errechnete Einzugsgebiete im Eiderbereich.
Wird diese mathematische Herangehensweise auf einem invertierten DGM angewendet werden anstelle der Ränder des Einzugsgebietes Talwege in größeren und kleineren Rinnen generiert. Diese können, insbesondere in der zeitlichen Entwicklung betrachtet, wertvolle Rückschlüsse über die morphologische Entwicklung und morphodynamische Prozesse ermöglichen.
Talwege und Einzugsgebietsgrenzen können gestützt durch eine gekachelte Ablagestruktur in einem Datenbanksystem auch für hochaufgelöste DGMs über effektiv unbegrenzt große Gebiet errechnet werden. Hierdurch entstehende sehr große und komplexe Teildatensätze können durch geeignete temporäre Preprocessing-Schritte des zugrundeliegenden DGMs auf wesentliche Aussagen fokussiert werden.
Beispielhafte Talwegssegmente für ein 1m-aufgelöstes DGM im Bereich der Tideeider.
Die so entstehenden Polygonsegmente der Talwege und Einzugsgebietsgrenzen sind, vor allem bei hochaugelösten DGMs von beispielsweise 1m-Rasterweite, zu zahlreich und gegebenenfalls zu klein um manuell solche zu selektieren, die den gesuchten Talweg darstellen. Neben Vorfilterungen über künstliche neuronale Netze wurde deshalb ein variabler und interaktiver Routensuch-Mechanismus entwickelt und implementiert, der es erlaubt iterativ den beispielsweise Talweg der Wahl stark unterstützt nachzuverfolgen und auf einem neuen Layer zu isolieren. Hierbei kommen übliche Algorithmen zur Anwendung, die in gängigen Navigationstools- und Websites etabliert sind.
Übertragung der FlowAnalysis-Ergebnisse auf einen generalisierten Graphen, indem über Routensuche der gewünschte Talweg leicht ermittelt werden kann.
Zur besseren Vergleichbarkeit von beispielsweise Talwegen können diese Polygone anschließend auf Sollachsen, beispielsweise Kilometrierungen, gemappt werden, wodurch auch zwischen stark schwankenden Talwegen über einen langen Zeitraum die Entfernung zur Sollachse und normierte Höhe des Talwegspolyonzugs vergleichbar wird.
