GIS IQ Blog
  • Schule
  • Hochschule
  • Forschung
Kategorien
  • Forschung
  • Hochschule
  • Schule
Themen
ArcGIS Case Studies Digitale Bildung Dozierende eduGISchat Events GeoDev KarriereMitGIS Kartografie Lehrerhandreichungen Open Data Praktikum Projekte Ressourcen Schüler Smart Campus Smart Community Sommercamps Story Map Studierende Tutorial Unterricht Wettbewerb
  • Schule
  • Hochschule
  • Forschung
News
  • Forschung
  • Hochschule

Imagery, Elevation und LIDAR – Rasterdaten mit ArcGIS effizient nutzen

  • 25. August 2015
  • Jan Wilkening
Total
0
Shares
0
0
0
0
0
0

Rasterdaten werden in vielen Institutionen leider oft ineffizient gehandhabt. Mit diesem Blogpost wollen wir Abhilfe schaffen und zeigen, wie ihr mit der ArcGIS Plattform die Effizienz im Umgang mit Rasterdaten maximiert nutzen könnt.

Sofort einsetzbare Rasterdaten auf ArcGIS Online

In einem vergangenen Blogpost über Content war ich bereits darauf eingegangen, dass Esri über den Living Atlas of the World  verschiedenste Daten als sofort einsetzbare Layer zur Verfügung stellt.

Filtert ihr im Living Atlas nach dem Thema Imagery, findet ihr dort vor allem Daten von Landsat 8 und MODIS in mittlerer Auflösung (30m) und mit globaler Abdeckung, die ihr mit wenigen Klicks in eure eigenen Web- und Desktop-Anwendungen einfügen oder direkt in einer Webanwendung aufrufen könnt.

Technisch steckt hinter diesen Daten ein Image Service  mit REST-Schnittstelle. Bei Image Services kann im Gegensatz zu Map Services (oder WMS) der Benutzer die Darstellung interaktiv steuern. Beispielsweise können die RGB-Werte dieser multispektralen Bilder selbst gewählt werden, je nachdem, was auf dem Bild erkannt werden soll – z.B. Bathymetrie, NDVI (Normalized Difference Vegetations Index) oder landwirtschaftliche Nutzung.

Höhendaten im World Elevation Service

Fernerkundungsdaten sind natürlich nur eine Teilmenge von Rasterdaten auf der ArcGIS Plattform. Auch Orthophotos, gescannte Karte oder Höhendaten (DTM, DEM) fallen unter diese Kategorie. Wollt ihr Höhendaten zur Visualisierung nutzen, stehen euch dazu die Image Services des World Elevation Service zur Verfügung.

Auch hier gibt es benutzerdefinierte Renderer – für Höhe über dem Meeresspiegel (Elevation), Hangneigung (Slope), Exposition (Aspect) oder Schummerung (Hillshade). Eine Zusammenschau dieser Dienste findet ihr in dieser Web Map. Die Daten für den World Elevation Service stammen aus verschiedenen Quellen und haben größtenteils eine Auflösung von rund 30 m.

Diese Elevation Services lassen sich dann mit eigenen 3D-Daten kombinieren und über ArcGIS Pro oder den ArcGIS Online Scene Viewer betrachten. Hierzu gibt es ein schönes Beispiel mit Open Data aus Berlin.

Bilddaten in ArcGIS for Desktop analysieren

Wechseln wir vom Web zum Desktop: Auch hier bietet ArcGIS for Desktop umfangreichere Möglichkeiten zur Analyse.  Für den Anfang bietet das Image Analysis Window für alle Rasterdaten die grundlegenden Funktionen zur Anzeige und Prozessierung. Hierüber können auch zahlreiche Rasterfunktionen auf die Bilddaten angewendet werden, bei denen nur die Pixel prozessiert und keine speicherintensiven Dateien erzeugt werden. Redundante Datenhaltung wird somit vermieden.

iamgery3

 Weiterhin gibt es zur Klassifizierung von Rasterdaten die Werkzeugleiste Bildklassifizierung (Toolbar Image Classification), mithilfe derer ihr Trainingsgebiete und Signaturdateien erstellen sowie überwachte und unüberwachte Klassifikationen der Bilddaten durchführen könnt. Mehr zu den Techniken und Trends zur Klassifizierung findet ihr auf dem Blog GIS Geography.

imagery3

Workflows zur effizienten Verwaltung von Rasterdaten

Wer häufig mit Rasterdaten arbeitet und diese für eine Institution verwaltet, sollte sich das Image Management Guidebook anschauen. Hier werden Konzepte erklärt, die jeder, der in ArcGIS mit Rasterdaten arbeitet, grob kennen sollte. Für verschiedene Rasterformate werden hier wichtige Aspekte wie Metadaten, Möglichkeiten der Vorprozessierung, Caching, Optimierung und Wartung diskutiert – mit dem Ziel, diese möglichst effizient zu verwalten.

Von zentraler Bedeutung sind hierfür Mosaik-Datasets: ein Datenmodell in der Geodatabase, mit dem das Speichern, Verwalten, Anzeigen und Abrufen von Rasterdatensammlungen deutlich vereinfacht wird. Diese Mosaik-Datasets bilden die Grundlage zum Veröffentlichen von Rasterdaten als Image Service.

Wenn ihr selbst Daten als Image Service zur Verfügung stellen möchtet, benötigt ihr die ArcGIS Image Extension for Server, die in der Campuslizenz enthalten ist.

LIDAR-Daten

Auch dank der Fortschritte in der Drohnentechnologie gewinnt die LIDAR-Technologie immer mehr an Bedeutung. Mit LIDAR-Technologie werden mithilfe hochauflösender Fernerkundungssensoren 3D-Punktwolken erfasst, die anschließend als ASCII-(Text-)Datei oder im LAS-Format gespeichert werden. Liegen LIDAR-Daten als ASCII vor, können sie übers Werkzeug 3D-ASCII zu Feature Class in Vektordaten konvertiert werden.

LAS-Daten (Binärformat) können in ArcGIS for Desktop direkt eingelesen werden und mithilfe der LAS-Werkzeugleiste weiterarbeitet werden. Diese Werkzeugliste ist Bestandteil vom ArcGIS 3D Analyst.

Mit dem Werkzeug LAS-Dataset in Raster kann dann aus der Punktwolke ein Raster erzeugt werden. Die Konzepte von Mosaik-Datasets und Image Services gelten dann analog.

imagery4

Multidimensionale Daten

In einem älteren Blogpost hatte ich das Thema der multidimensionalen Datensätze (z.B. netCDF) behandelt. Ende März hat das RasterDevTeam von Esri Inc. ein ZIP-Archiv für Scientific Data Workflows (Scientific Data wird hier oft synonym zu multidimensionalen Daten verwendet) auf ArcGIS Online veröffentlicht, das viele Codebeispiele, Tools, Daten und Tutorials enthält.


Zusammenfassung

Für verschiedenste Rasterformate bietet die ArcGIS Plattform umfangreiche Unterstützung – von sofort einsetzbaren Layern über Werkzeuge zur Visualisierung und Analyse bis hin zu leistungsstarken Konzepten zur Verwaltung und Bereitstellung von Rasterdaten. Eine gute Kenntnis dieser Formate und Möglichkeiten ist notwendig, um Rasterdaten effizient zu nutzen.

In Kürze werden wir in unserem Team noch eine Storymap zu diesem umfassenden Thema erstellen und dann hier sowie auf Facebook und Twitter verlinken.

Jan Wilkening
Solution Engineer, Bildung und Wissenschaft

 

Total
0
Shares
Share 0
Tweet 0
Pin it 0
Jan Wilkening

Nachdem ich 2007 mein Geographie-Studium in Bonn mit einer der ersten Diplomarbeiten zum Thema Geomarketing abgeschlossen hatte, zog es mich an die Universität Zürich. Dort habe ich mich in meiner Dissertation mit kartenbasierten Entscheidungen unter Zeitdruck beschäftigt und Statistik- und GIS-Kurse geleitet. Ab 2012 arbeitete bei der Esri Deutschland GmbH als Solution Engineer. Seit meiner Berufung zum Professor für Geodatenanalyse an der Hochschule Würzburg-Schweinfurt im Jahr 2019 unterstütze ich nebenberuflich das Education Team von Esri.

Voriger Artikel
  • Schule

Weltreise 2.0 – oder: Welche Wege führen in eine bessere Welt?

  • 17. August 2015
  • Team Education
Weiterlesen
Nächster Artikel
  • Hochschule

ArcGIS für Administratoren

  • 10. September 2015
  • Jan Wilkening
Weiterlesen
Dir könnte auch gefallen
Weiterlesen
  • Hochschule
  • Schule

Komm mit in den Nationalpark Wattenmeer -Sommercamp für Lehramtsstudierende 2023

  • Team Education
  • 16. März 2023
Header für den Beitrag zu den Analysen im neuen Map Viewer
Weiterlesen
  • Hochschule
  • Schule

Neuer Map Viewer in Lehre und Unterricht – jetzt auch mit Analysen

  • Klaus Nakel
  • 1. März 2023
Weiterlesen
  • Hochschule

Für Studierende: WWF Mapathon Berlin (28.-31. März 2023)

  • Daniela Wingert
  • 27. Februar 2023
Titelbild der Esri MOOCs
Weiterlesen
  • Forschung
  • Hochschule

Esri MOOCs – erweitern euren GIS-Horizont

  • Team Education
  • 9. Februar 2023
Weiterlesen
  • Forschung
  • Hochschule

Geoinformatik Ingenieure – Computer Vision richtig lernen!

  • Team Education
  • 31. Januar 2023
Weiterlesen
  • Hochschule

„Digital Twins“ und GIS in der Hochschullehre? Das sind die Gründe dafür!

  • Daniela Wingert
  • 10. Januar 2023
Weiterlesen
  • Hochschule

Wettbewerb: Esri Young Scholar Award 2023

  • Team Education
  • 10. Januar 2023
Weiterlesen
  • Hochschule

Praktikum bei Esri: Python und ArcGIS

  • Gastautor
  • 15. Dezember 2022
GIS IQ Blog
  • Über uns
  • Impressum
  • Datenschutz
Lernen. Forschen. Entwickeln. Mit GeoIntelligenz!

Gib dein Suchwort ein und drücke Enter.