18. Technisch-Wissenschaftliche Jahrestagung des DGPF/15. DFD-Nutzerseminar der DLR, 14.- 16. Oktober 1998, TU München

(18. scientific-technical annual meeting of the German Society for Photogrammetry and Remote Sensing)

Die unterschiedlichen raumbezogenen und raumverwandten Disziplinen, die mit Geodaten arbeiten, verwenden zu einem Großteil und auch weiterhin zweidimensionale Geodaten, welche sich in der horizontalen Lage repräsentieren. Diese können sowohl in Rasterform als auch in Vektorrepräsentation vorliegen.

Durch die zunehmende Verbreitung der Geodaten und Fernerkundungsdaten liegt ein sehr großes Potential in der räumlichen hybriden Analyse, welche eine kombinierte Analyse von Raster- und Vektordaten beinhaltet. Eine gemeinsame, kombinierte Nutzung dieser unterschiedlichen Repräsentationen wird bis anhin kaum angewandt, weil die unterschiedlichen Repräsentationen bisher in voneinander getrennten Datenstrukturen und Datenbanken verwaltet wurden, sowie weil deren Verarbeitung und Analyse meist durch unterschiedliche Programme oder Module erfolgte. Dadurch war keine hybride Verarbeitung möglich. Eine gemeinsame Nutzung der Daten konnte entsprechend nur durch eine Datenkonversion und deren Integration in ein monomorphes GIS erreicht werden. Konversionen sind jedoch nicht unpro-blematisch infolge von qualitativen Verlusten im Datenmodell, in der Geometrie, der Semantik und der Genauigkeit. Aus diesem Umstand und dieser Ermangelung heraus wird eine hybriden Datenverarbeitung etabliert. Diese gliedert sich in die geometrische und semantische Interaktion.

Die Geodatenanalyse stellt heutzutage an den Anwender noch sehr hohe Anforderungen im Hinblick auf die Kenntnisse über die Datenstruktur und die darauf anwendbare Algorithmik, welche zumeist in einem monomorphen GIS implementiert ist. Dabei ist ein kognitives, benutzerfreundliches Arbeiten in der Regel nicht möglich. Der Anwender kämpft auf niedrigster Ebene ("Low-Level") mit softwarebedingter Syntax. Zudem erfolgt noch heute der Umgang mit Geodaten ohne Hilfsmittel wie Datenkataloge und Metadaten, und zumeist ist dabei bisher nur monomorphes Arbeiten ohne hybride Interaktion möglich.

Aus diesem Mißstand heraus werden neue Konzepte zur Prozessierung von Geodaten ausge- arbeitet. Dies erfolgt einerseits auf algorithmischer Ebene, um dabei die Basis-GIS-Funktio-na-lität um die hybride Funktionalität zu erweitern, auf der anderen Seite müssen Konzepte zur kognitiven Benutzerführung ausgearbeitet werden, damit sich der Endanwender möglichst losgelöst von der Datenstrukturierung und der damit verbundenen Algorithmik seinen Raumanalysen zuwenden kann.

Die Abstraktion des programmbedingten Denkens erfolgt durch die logische semantische Modellierung und Klassifikation der funktionalen Modelle räumlicher Analyse. Jedes dieser semantischen Modelle wird einem eigenen Operator zugewiesen. Auf dieser höchsten Ebene ("High-Level") der Abstraktion durch die "High-Level- Analytischen-GIS-Operatoren" [Voser et al 1998b] kann der Analyseprozeß auf semantischer Ebene, losgelöst von den Datenstruk-turen, durch eine Metadaten- und Katalogführung sowohl der Daten als auch der Operatoren erfol-gen. Dieser Level höchster Abstraktion beinhaltet das extrinsische Manage-ment der Geodatenverarbeitung.

Die Umsetzung der im Management festgelegten Prozesse benötigt eine Abbildung auf die Datenstrukturen und der davon abhängi- gen Algorithmen. Dies erfolgt durch das Controlling eines Operators auf mittlerer Ebene ("Mid-Level"). Die Abbildung erfolgt durch die Über-setzung und Verknüpfung der Metadaten mit den Geodaten, den techni-schen Funktionen inklusive Parameterübergabe. Es haben dabei Plausibilitätskontrollen stattzufinden, und der Benutzer erhält Zusatzinformationen über die möglichen Algorithmen, deren Parameter und Optionen.

Sind alle Vorbedingungen des Controlling erfüllt, so kann die Verarbeitung auf unterster Ebene, der technischen Implementierung, erfolgen. Die Resultate sind dabei als Metadaten und Graphiken dem Benutzer zur Verfügung zu stellen. Siehe Abb. 1 und [Voser et al. 1998b]

Die Hybridität in GIS entsteht durch die bislang getrennte Betrachtung und Verwaltung der Datenstrukturen für Vektor- und Rasterdaten in monomorphen GIS. Die Integration von Vektor und Raster in GIS erfolgt auf unterschiedlichen Ebenen (z.B. nach [Behr 1998], [Glemser/Fritsch 1998]):

Die Entwicklung von der monomorphen zur hybriden GIS-Analyse ist in Abb. 2 dargestellt. Eine monomorphe Analyse ist erfüllt, wenn man dies in einer Datenstruktur durchführen kann. Hybrid vorliegende Daten werden dabei zuerst konvertiert und dann miteinander verarbeitet. Von bimorpher Funktionalität spricht man, wenn die selbe Funktion sowohl für Raster wie Vektor verfügbar ist. Die hybride Analyse ist erreicht, wenn eine kombinierte simultane Verarbeitung von Raster- und Vektor- daten ermöglicht ist. Bei der hybriden Visualisierung ist dies noch nicht erfüllt.

In bimorphen Systemen, welche zwar eine Raster- wie eine Vektorverarbeitung erlauben, dazu jedoch unterschiedliche Module (wie z.B. Arc/Info) verwenden, können zwar Ansätze der hybriden Verarbeitung gefunden werden, sie erlauben jedoch noch keinen umfassenden simultanen und bidirektionalen Datenfluß zwischen Raster und Vektor. Die Hybridität verlangt Input sowohl von Raster wie auch von Vektordaten; der Output kann dabei Raster, Vektor oder beides sein, und ist dabei von der Aufgabe und der vorhandenen Daten abhängig.

Die Räumliche Analyse beinhaltet die Verarbeitung und Informationsgewinnung von Phänomenen in Relation zur Erdoberfläche (Raumbezug). Die Analyse beinhaltet die Auswertung und Interpretation von vorverarbeiteten, modellierten und bereits erfaßten Geodaten zur Ge-winnung neuer Information oder Erkenntnis. Sie steht dabei in Abgrenzung zur Datenerfassung und Datenkonversion.

Die Räumliche Analyse beinhaltet eine geometrische und semantische Interaktion. Die geometrische Wechsel- wirkung erfolgt durch die selbe Lokation oder durch die Nachbar-schaft zwischen Objekten bzw. Phänomenen. Geometrische Informationen werden dabei durch metrische Analysen und Konstruktionen, wie z.B. Flächen- oder Distanzbestimmung und Neigungsbewertungen gewonnen, sowie durch topologische Analysen, wie z.B. Berührung oder Verbindungen, abgeleitet. Siehe auch Kapitel 5.

Die thematische Analyse erfolgt durch die Interpretation von Objekten nach deren Modellierung, Attributwerten und Metadaten. Die semantische Analyse basiert auf der Ebene der Strukturierung, Modellierung und Interaktion nach festzulegenden Regeln und ist eine Kombination aus der geometrischen wie thematischen Interaktion (Kapitel 6).

Eine mögliche Taxonomie von funktionalen Modellen der räumlichen Analyse entstammt [Alb-recht 1996] und ist in Abb. 3 dargestellt. Weitere Referenzen sind [Fischer et al. 1996], [Fortheringham/Rogerson 1994], [Longley/Batty 1996], [Tomlin 1990].

Dieser Ansatz ist eine funktionale Erweiterung der räumlichen Analyse auf struktureller und algorithmischer Ebene. Er setzt voraus, daß die zu verarbeitenden Geodaten bereits semantisch modelliert sind. Der Kern dabei ist die Verarbeitung von Geodaten in Vektor-  und Raster- repräsentation ohne Datenkonversion, um dabei einer Konversion entstehenden geometrischen wie semantischen Informations- und Genauigkeitsverluste möglichst zu vermeiden.

Der hybride Ansatz für die räumliche Analyse unterscheidet sich von der Funktionalität in der Datenerfassung denn letztere versucht, aus uninterpretierten und/oder ungeordneten Strukturen und Informationen eine semantische Ordnung herzustellen. In beiden Fällen jedoch können dieselben geometrischen Prinzipien Geltung haben.

Eine hybride Analyse verlangt (wie generell bei der gemeinsamen Verarbeitung von Geo-daten), daß die zu verarbeitenden Daten sowohl physisch wie mathematisch denselben Raum-bezug besitzen, damit eine räumliche geometrische Überlagerung stattfindet. Dieses Kriterium impliziert die Forderung z.B. nach einer identischen Funktionalität für die Georeferen-zierung von Raster- und Vektordaten. Siehe [Voser 1998a]. Der gemeinsamer Raumbezug ist hergestellt durch:

Von Bedeutung wird zudem das hybride metrische Konzept, welches an die kombinierte Verarbeitung angepaßt werden muß. Auf der einen Seite bedeutet dies unterschiedliche Definitionen der Abstandsfunktion im stetigen Vektorraum und im diskreten Rasterraum (Kapitel 5.2), welche im speziellen die funktionale Implementierung und deren Algo-rithmik beeinflussen. Auf der anderen Seite sind es weitere metrische Kenngrößen, welche mitunter von der zugrundeliegenden Metrik abhängen. Schlüsselbegriffe dabei sind:

Weitere Begriffe im Kontext metrischer Kenngrößen sind:

Die metrischen Kenngrößen sind voneinander abhängig wie das Huhn vom Ei und vice versa. Sie haben sowohl Gültigkeit für die Objekte, deren Modellierung und Erfassung, Strukturierung sowie für die Prozesse und Operationen, welche angewandt werden. Ein Problemfeld im Kontext der metrischen Kenngrößen und der Strukturierung von Geodaten liegt darin, daß der Anwender den Vektordaten durch deren geometrische Vielfalt eine höhere Genauigkeit impliziert gegenüber der der Rasterdaten.

Die Geometrie und deren unterschiedliche Strukturierung bildet die Ursache und trägt den Kern der hybriden Analyse. Der Vektorraum kann als stetiger Raum betrachtet werden (bis auf die Ein- schränkungen der digitalen Repräsentation), während der Rasterraum diskret ist. Im Vektor-raum können freie Geometrien vorliegen, während Raster auf festen Strukturen aufbaut. Der Vektorraum setzt dabei auf der 0-dimensionale Primitive (Punkt) auf, verwendet Linien als 1-dimensionale Primitiven und Flächen als 2-dimensionale Primitiven. Linien und Flächen besitzen neben der Position noch Form, Orientierungs- und Größenparameter. Der Rasterraum setzt auf der festen Struktur der regelmäßigen Anordnung der Informationsträger auf. Diese sind punkt- oder flächenhaft. Neben der Position des Ursprungs der Rasterzellen oder -punkten sind deren Orientierung und die Rasterweite (Auflösung) metrikbildend.

Die geometrische Interaktion umfaßt minimal die geometrische Überlagerung inklusive Suche und Verschneidung von Raster und Vektorprimitiven. Das entscheidendste Kriterium der hybriden Interaktion ist deren Verwandtschaft im Sinne der Art der Überlagerung und interagierenden Selektion. Dies steht in Abhängigkeit mit den metrischen Eigenschaften wie z.B. Längen und Flächen sowie die Vielzahl möglicher Berührungseigenschaften.

Die Metrik raumbezogener Daten wird den Koordinaten und deren zugrundeliegendem Koor-di- natenreferenzsystem zugewiesen. Bei der Betrachtung des hybriden Raumes in der Ebene treten verschiedene Definitionen der Metrik im Vektor- wie im Rasterraum auf, welche das Abstandsmaß unterschiedlich festlegen. Die wichtigsten davon sind:

Die unterschiedlichen Metriken liefern unterschiedliche Maßinformationen, z.B. jene der Länge. Das in Abb. 4 dargestellte Beispiel zeigt die Abweichungen der City-Block und der Schachbrett- Metrik von der Euklidischen Distanz. Bei der Schachbrett-Metrik ist ein weiteres Maß dargestellt, welches die Diagonalen mit berücksichtigt.

Die unterschiedlichen Metriken beeinflussen die Algorithmen essentiell, denn sie sind strukturbedingt. Es müssen in Zukunft Methoden entwickelt werden, welche den Brücken-schlag zwischen diesen Metriken herstellen.

Die hybride geometrische Interaktion beinhaltet die Kernproblematik für die hybride Analyse. Die unterschiedlichen geometrischen Charakteristiken fordern im Raster- und im Vektorraum unterschiedliche Algorithmen für dieselben funktionalen Modelle räumlicher Analyse, stützen sich dabei auf unterschiedliche metrische Konzepte. Diese müssen jedoch auf das zugrundeliegende Koordinatenreferenzsystem angepaßt werden.

Im Zentrum der hybriden geometrischen Inter-aktion stehen die hybride Suche, die hybride Überlagerung, die hybride Verschneidung. Die Identifikation interagierender geometrischer Primitiven ist der erste Schritt. Die unterschiedlichen Möglichkeiten der Selektion, z.B. nach der Art der Über-lagerung, beeinflussen die metrische Eigen-schaften wie die z.B. den Flächeninhalt. An solcher Stelle kommen Konzepte der Sub-pixelklassifikation zum Tragen (z.B. [Tomlin 1990], um damit genauere hybride Nachbar-schaftsklassifikationen durchführen zu können, welche sich z.B. in der metrischen Genauigkeit widerspiegeln. In Abb. 5 ist das Prinzip der hybriden Überlagerung, z.B. mit unterschiedlicher Pixelklassifikation einer flächenhaften Überlagerung, dargestellt.

Die semantische Interaktion setzt die (geo-)metrische Interaktion voraus. Sie gliedert sich in eine strukturell- geometrische, eine logische sowie eine thematische Komponente.

Die strukturell-geometrische Komponente der semantischen Interaktion steht über der me-trischen Ebene der räumlichen Überlagerung, Verschneidung und Suche infolge der Berück-sichtigung der strukturellen Komponente, bestehend aus den geometrischen Primitiven wie auch der auf der Objekt- und Phänomenbildung und Modellierung. Ein Problemfeld in diesem Kontext betrifft die Grenze des Übergangs von einer Linie zur Fläche oder umgekehrt, welche stark mit der Unschärfe, der Genauigkeit, der Auflösung und dem Maßstab sowie dem Gene-ralisierungsgrad korrelieren. Diese Ebene der Interaktion ist noch direkt von der Kernproble- matik der Hybridität betroffen und berührt die Algorithmik der Prozessierungs- und Controlling-Ebene eines Operators.

Die logische Komponente der semantischen Interaktion beinhaltet die logische Objekt- und Phänomenbildung und deren Wechselwirkung. Dazu gehört die Modellierung in hierarchischen, netzwerkartigen oder Ebenen- Modellen. Diese Ebene der semantischen Interaktion betrifft in erster Linie die Controlling-Ebene eines Operators.

Die thematische Komponente der semantischen Interaktion betrifft die anwendungsspezifischen Aspekte der Objekt- und Attributbildung, Abgrenzung und Interpretation. Dies entspricht dabei der höchsten technischen Abstraktion und tangiert dadurch in erster Linie die kognitive Managementebene eines Operators.

Das zentrale Element der semantischen Interaktion liegt im funktionalen Modell. Dieses stützt sich auf eine fest abgegrenzte, geometrisch tangierte Teilaufgabe und dessen konzeptuelle Methode. Deren Algorithmik wird von der Metrik wie die geometrisch- strukturellen Kompo-nente beeinflußt. Damit verbunden ist die morphologische Fragestellung nach der Zielstruktur oder der durch die Analyse verursachte strukturelle Veränderung oder Anpassung, die aus dem funktionalen Modell resultiert. Ein weiterer Aspekt ist der kognitive thematisch-attributive Aspekt und betrifft auf funktioneller Ebene in erster Linie die Attributerfassung, Aktualisierung oder Übertragung.

In Abb. 6 findet eine hybride semantische Überlagerung statt. Die strukturell-geometrische Problematik der Berührungspixel und deren Klassifikation fließt in die Attributverarbeitung mit ein. Durch die Klassifikation der Subpixel nach unterschiedlichen Ansätzen besteht die Möglich-keit, diese Aufgliederung in die Attributie-rung und Objektbildung miteinfließen zu lassen. Auf der einen Seite kann dies die qualitativen Wertschöpfung anheben, kann aber auch zu einer Unüberschaubarkeit der Daten führen. Durch die Integration der Subpixelklassifikation können Ansätze der Unschärfebehandlung realisiert werden.

In Abb. 7 wird ein kognitiver Ansatz zur Fest-legung eines räumlichen Analyseprozesses dargestellt: Der Prozeßdesign erfolgt auf einer graphischen Programmieroberfläche als Workflow (hier ein VGIS-Prototyp). Die Daten wie die Operatoren werden dabei auf semantischer Ebene durch Metadaten selektiert und zu einem Prozeßgraphen kombiniert. Im Beispiel werden für eine Standortanalyse Landnutzungsdaten, geologische und hydrologische Daten sowie Verkehrsinformationen verwendet. Durch die logische Aneinanderreihung und Verknüpfung unterschiedlicher funktionaler Modelle als Operatoren erhält man als Resultat ein Gebietsmaske mit den potentiellen Standorten.

In einem solchen Beispiel kommt die Hybridität der Operatoren dann zum Tragen, wenn die ausgewählten Daten, welche auf dieser graphischen Managementebene durch ihre inhaltliche Semantik ausgewählt worden, aufgrund ihrer unterschiedliche Strukturen in Raster- und Vektorformat hybrid prozessiert werden müssen. Zum Beispiel können die Verkehrs- und Geologiedaten aus einer Vektordatenbank stammen, die Landnutzungsdaten aus einer aktuel-len Fernerkundungsauswertung und die hydrologische Daten aus einer kombinierten Datenbank stammen.

Die hybride Analyse ist Bestandteil der räumlichen Analyse und behandelt die simultane Vektor- Raster- oder Raster-Vektor- Interaktion, ohne dabei eine Konversion vornehmen zu müssen. Viele Prinzipien einer Raster- Vektor- oder Vektor-Raster- Konvertierung betreffen dieselbe Problematik der hybriden Metrikräume, denn es betrifft dieselben geometrischen Primitiven und Strukturen. Die Analyse besitzt jedoch eine erweiterte semantische wie funktionale Dimension. Im Gegensatz der Konversion, welche ein Wechsel der Struktur beinhaltet, sind bei der hybriden Funktionalität die gegenseitige Beeinflussung beider Strukturräume essentiell. Die Kernproblematik liegt dabei in der Abbildung der funktionalen Modelle auf die hybriden Struktur sowie das Zusammenführen unterschiedlichen Metriken zu deren optimierten Nutzung. Diese Funktionalität soll für eine kognitive Benutzerführung in "High-Level-Analytische-GIS-Operatoren" eingebunden werden.

Die hier gezeigten Ansätze und Problemfelder der hybriden Analyse finden bisher kaum Anwendung, weil bis jetzt die hybride Strukturen fehlten und eine leistungsfähige und operationale Algorithmik noch zu entwerfen ist.