1,720,974 research outputs found
Vom GIS-Modell zur 3D-Landschaft – Ergänzungen und Workflowreview im „Uch-Enmek Modell“
Get PDFDie vorliegende Bachelorarbeit ergänzt das bereits existierende nicht-photorealistische 3D-Landschaftsmodell im 'Ethno-Nature Park Uch-Enmek' nach Osten. Zentrum der durchgeführten Modellierungsarbeiten im zwei- und dreidimensionalen Raum ist die Siedlung Karakol. Der existente Workflow - von den Primärdaten bis zum 3D-Modell - wird unabhängig getestet und auf Verbesserungsmöglichkeiten untersucht. Die Schwerpunkte liegen dabei auf der Eignung der existenten Quellen für die Modellierung, der Eignung bisher geschaffener Modellierungswerkzeuge sowie der Quantifizierung des Erfassungsaufwands
Alternative Analysemöglichkeiten geographischer Daten in der Kartographie mittels Self-Organizing Maps
Get PDFDie Kartographie ist eine Wissenschaft, die in ihrem Charakter starke interdisziplinäre Züge aufweist. Sie zeigt sich in den verschiedensten Facetten und wird darum in den unterschiedlichsten Wissenschaften angewandt. Markantester Charakter ist, schon per Definition, die Modellierung von geowissenschaftlichen Ereignissen und Sachverhalten. „A unique facility for the creation and manipulation of visual or virtual representations of geospace – maps – to permit the exploration, analysis, understanding and communication of information about that space.“(ICA 2003) Aus dieser Definition wird die Charakteristik einer Kommunikationswissenschaft (Brassel) deutlich. Gerade seit dem Paradigmenwechsel der 1970er Jahre fließen zahlreiche weitere Aspekte wie Informatik, Semiotik und Psychologie in das Verständnis von Kartographie ein. Dadurch wird die Karte nicht mehr als reines graphisches Mittel verstanden, sondern als Träger und Übermittler von Informationen verstanden. Der Kartennutzer und dessen Verständnis von Karten rücken dabei immer weiter in den Vordergrund und werden „Ziel“ der kartographischen Verarbeitung. Aus diesem Verständnis heraus, möchte ich in der folgenden Arbeit einen relativ neuen Einfluss und Aspekt der Kartographie vorstellen. Es handelt sich um das Modell der Self-Organizing Maps (SOM), welches erstmalig Anfang der 1980er Jahre von Teuvo Kohonen vorgestellt wurde und deshalb auch, von einigen Autoren, als Kohonenmaps bezeichnet wird. Dem Typus nach, handelt es sich dabei um künstliche neuronale Netze, welche dem Nervensystem des menschlichen Gehirns nachempfunden sind und damit allgemein als eine Art selbständiger, maschineller Lernvorgang angesehen werden können. Im Speziellen sind Self-Organizing Maps ein unüberwachtes Lernverfahren, das in der Lage ist völlig unbekannte Eingabewerte zu erkennen und zu verarbeiten. Durch diese Eigenschaft eignen sie sich als optimales Werkzeug für Data Mining sowie zur Visualisierung von hochdimensionalen Daten. Eine Vielzahl von Wissenschaftlern hat diesen Vorteil bereits erkannt und das Modell in ihre Arbeit einbezogen oder auf dessen Verwendbarkeit analysiert. Deshalb möchte in dieser Arbeit, einige dieser Verwendungsmöglichkeiten und den daraus resultierenden Vorteil für die Kartographie aufzeigen.:1.) Einleitung ...........................................................................................2
2.) Aufbau und Funktionsweise von SOM ............................................ 5
2.1.) Was sind Self-Organizing Maps? ................................................5
2.2.) Funktionsweise ............................................................................7
2.3.) Visualisierung des trainierten Kohonen-Netz .......................... 11
2.4.) Software ..................................................................................... 12
3. Möglichkeiten für die Kartographie................................................ 14
3.1 Geowissenschaftliches Data Mining ........................................... 15
3.2 Visualisierung von Daten............................................................. 17
4. explorative Datenanalyse geographischer Daten .......................... 19
4.1 SOM als Geovisualisierung .......................................................... 19
4.1.1 U-Matrix-Darstellung .............................................................22
4.1.2 Projektionen (Netzdarstellungen) ........................................26
4.1.3 2D & 3D-Plots .........................................................................28
4.1.4 Komponentenebenen ...........................................................29
4.2 Geo-SOM & andere Möglichkeiten zur Verarbeitung von
geowissenschaftlichen Daten ................................................... 32
4.2.1 Hierarchische SOMs ...............................................................33
4.2.2 Geo-enforced SOM ................................................................34
4.2.3 Geo-SOM ................................................................................35
4.3 SOM & GIS .................................................................................... 38
5. Datenverarbeitende Anwendungen ............................................... 40
5.1 Klassifizierung von Fernerkundungsdaten................................. 40
5.2 Kantendetektion in Satellitenbildern......................................... 43
5.3 Auswertung von Zeitreihen & Monitoring................................. 47
5.4 Klassifikation von SAR-Daten...................................................... 49
5.5 Generalisierung............................................................................ 50
5.6 Problem des Handlungsreisenden (Travelling Salesman
Problem)..................................................................................... 52
6. SOM als Kartenmetapher zur Visualisierung nicht-geographischer
Daten .............................................................................................. 54
7. Zusammenfassung............................................................................ 62
X. Quellenverzeichnis ........................................................................... 63
X.I Literaturnachweise ....................................................................... 63
X.II Lehrinhalte aus dem Internet ..................................................... 69
X.III Softwarelösungen ...................................................................... 6
Landschaft und Archäologie im virtuellen 3D-Modell Beispiel „Ethno-Nature Park Uch-Enmek“ (Altai, Russland)
Get PDFIm Rahmen dieser Diplomarbeit entstand in Zusammenarbeit des Instituts für Kartographie der Technischen Universität Dresden und Archäologen der Universität Gent in Belgien ein dreidimensionales Landschaftsmodell einer Teilregion des Naturparks „Uch-Enmek“, gelegen in der Republik Altai. Diese Region beinhaltet die wichtigsten und größten bekannten Begräbnisstätten skythischen Ursprungs, für die es gilt, den Bekanntheitsgrad und das Bewusstsein dieses kulturellen Erbes durch diese Arbeit zu steigern. Im Zuge dessen wurden wichtige Geodaten, unter Berücksichtigung der prägenden Geoelemente einer Landschaft, in einem Geoinformationssystem zusammengetragen, um die Ausgrabungsstätten ergänzt und verfeinert und schließlich zu einem digitalen Landschaftsmodell ausgebaut. Die Wandlung zu einem dreidimensionalen Landschaftsmodell durch Hinzunahme von 3D-Objekten, wie Gebäuden oder Bäume, wurde in einer professionellen 3D-Software durchgeführt. Zur Visualisierung des Endproduktes wurden aus dem resultierenden 3D-Modell statische Bilder und eine Animation erstellt. Zukünftig können die Ergebnisse genutzt werden, um einen Internetauftritt des Naturparks zu ermöglichen.Within the scope of this diploma thesis, a three-dimensional landscape model of a part of a region located in the nature park „Uch-Enmek“ (situated within the Altai Republic), was generated in cooperation with the Institut for Cartography of Dresden University of Technology and archaeologists of the University of Ghent in Belgium. The area of interest contains the most important and well-known burial mounds, that origin back to Scythian history. Aim of the thesis is to increase the degree of popularity and the awareness for this cultural heritage. In this case, important geodata were collected within a geo-informationsystem, with respect to characteristic geoelements of a landscape. The geodata were replenished and improved around the archaeological excavation and built up to a digital landscape model. The conversion to a three-dimensional landscape model by adding three-dimensional objects, like buildings and trees, was executed with the help of a professional 3D-software. To visualize the final product, static images and an animation were generated as results out of the 3D-model. Prospectively, the achievement can be used to establish an internet presentation of the nature park
Entwicklung eines semi-automatischen Workflows zur Ableitung ikonographischer Kartenzeichen
Get PDFDie Verwendung von ikonographischen, bildhaften Kartenzeichen ist sehr beliebt bei der Darstellung von Sehenswürdigkeiten in touristischen Karten sowie bei Kartendarstellungen für Kinder und Jugendliche. Der Begriff des Non-Photorealistic Rendering (NPR) beschreibt einen zentralen Bereich in der Computergrafik, der sich mit der Erzeugung von Bildern auseinandersetzt, die scheinbar handgemacht sind und bewusst nicht dem physikalisch korrekten Abbild eines Modells entsprechen. Ein weiteres Trendthema zur Nachahmung eines bestimmten Stils eines Kunstwerks stellt der Neural Style Transfer (NST) dar. Hierbei werden künstlerische Bilder durch Trennung und Rekombination von Bildinhalt und Stil erzeugt. Im Rahmen der vorliegenden Arbeit ist ein semi-automatischer Workflow zur Erzeugung ikonographischer Gebäudedarstellungen für die Nutzung in zoombaren Webkarten entwickelt und in drei künstlerischen Stilvarianten unter Nutzung von Bildverarbeitungswerkzeugen in dem rasterbasierten Open Source Bildbearbeitungsprogramm GIMP, speziell mit der Filtersammlung G'MIC technisch umgesetzt worden. Außerdem zeigt die Masterarbeit das Potential der Ableitung von ikonographischen Signaturen durch den Style-Transfer mittels neuronaler Netze.:Selbstständigkeitserklärung III
Inhaltsverzeichnis 5
Abbildungsverzeichnis 7
Tabellenverzeichnis 8
Abkürzungsverzeichnis 9
1 Einleitung 10
1.1 Motivation 10
1.2 Gliederung der Arbeit 10
2 Literaturstudium 11
2.1 Computergrafik 11
2.2 Non-Photorealistic Rendering 11
2.3 Neural Style Transfer 14
2.3.1 Einleitung 14
2.3.2 Convolutional Neural Network 15
2.3.3 Beschreibung des Algorithmus 17
3 Methodik 19
3.1 Technische Komponenten 19
3.2 Kriterien der Bildauswahl 19
3.3 Workflow „Ölmalerei“ 21
3.4 Workflow „Tuschezeichnung 22
3.5 Workflow „Silhouette“ 22
4 Praktischer Teil 23
4.1 Konkrete Umsetzung 23
4.1.1 Workflow „Ölmalerei“ 24
4.1.2 Workflow „Tuschezeichnung“ 32
4.1.3 Workflow „Silhouette“ 32
4.2 Implementierung eines Automatisierungsprozesses 35
4.3 Anwendung: Karte Dresden 39
4.4 Neural Style Transfer 43
4.4.1 Online-Anwendungen 43
4.4.2 Offline-Implementierung 45
5 Diskussion 51
5.1 Resultate 51
5.1.1 Bildverarbeitung 51
5.1.2 Neural Style Transfer 51
5.2 Ausblick 52
6 Zusammenfassung 52
Literaturverzeichnis 53The use of iconographic, pictorial map symbols is very popular for the representation of places of interest in tourist maps as well as for map presentations for children and young people. The term Non-Photorealistic Rendering (NPR) describes a prominent field in computer graphics that deals with the generation of images that are apparently handmade and deliberately do not correspond to the physically correct image of a model. Neural Style Transfer (NST) is another trend topic for imitating a certain style of an artwork. Here, artistic images are created by separating and recombining image content and style. In the context of the present work, a semi-automatic workflow for the creation of iconographic building representations for use in zoomable web maps has been developed and technically implemented in three artistic style variants using image processing tools in the raster-based open source image processing program GIMP, especially with the filter collection G'MIC. In addition, the master thesis demonstrates the potential of deriving iconographic signatures through style transfer using neural networks.:Selbstständigkeitserklärung III
Inhaltsverzeichnis 5
Abbildungsverzeichnis 7
Tabellenverzeichnis 8
Abkürzungsverzeichnis 9
1 Einleitung 10
1.1 Motivation 10
1.2 Gliederung der Arbeit 10
2 Literaturstudium 11
2.1 Computergrafik 11
2.2 Non-Photorealistic Rendering 11
2.3 Neural Style Transfer 14
2.3.1 Einleitung 14
2.3.2 Convolutional Neural Network 15
2.3.3 Beschreibung des Algorithmus 17
3 Methodik 19
3.1 Technische Komponenten 19
3.2 Kriterien der Bildauswahl 19
3.3 Workflow „Ölmalerei“ 21
3.4 Workflow „Tuschezeichnung 22
3.5 Workflow „Silhouette“ 22
4 Praktischer Teil 23
4.1 Konkrete Umsetzung 23
4.1.1 Workflow „Ölmalerei“ 24
4.1.2 Workflow „Tuschezeichnung“ 32
4.1.3 Workflow „Silhouette“ 32
4.2 Implementierung eines Automatisierungsprozesses 35
4.3 Anwendung: Karte Dresden 39
4.4 Neural Style Transfer 43
4.4.1 Online-Anwendungen 43
4.4.2 Offline-Implementierung 45
5 Diskussion 51
5.1 Resultate 51
5.1.1 Bildverarbeitung 51
5.1.2 Neural Style Transfer 51
5.2 Ausblick 52
6 Zusammenfassung 52
Literaturverzeichnis 5
A Framework for Planetary Geologic Mapping
No full textArchives of published planetary maps hosted at the United
States Geological Survey or other facilities consist of a large number of small to large-scale geologic maps of terrestrial planets, in particular the Moon and Mars. Along with recent and upcoming missions also to Mercury, the Outer Solar System moons, and asteroids systematic mapping of surfaces has received new impulses.
As planetary geologic mapping today is performed by individual scientists not only in the US but also in Europe with dedicates mission programs and participations (ESA Mars Express, ESA JUICE, ...) a general framework of mapping and in particular for organizing cartographic output is paramount. This work presented here provides a
general overview of cartographic and data requirements in the context of collaborative mapping programs and establishes an innovative data framework that allows data integration, management and access in order to support
communication of scientific results across disciplines and the public
On the Concept and Integration of Geologic Time in Planetary Mapping
No full textPlanetary image data and maps form one of the most accessible scientific products for establishing cross-communication between planetary research disciplines a
nd the general public. In particular geologic maps comprise a wealth of thematic information and form an accessible and esthetic medium for both, laypersons as well as scientist. Geologic maps form a substantial part of the planetary map data record that is publicly available. If such maps have been designed carefully they condense 2.5+t dimensions (coll. 4D) into a two-dimensional map domain by connecting thematic attributes with geometry and time
and by allowing (a) to completely reconstruct the subsurface extent as well as attitudes of mapped units by means of geometry, and (b) to establish a sequence of time units by relating legend items with geometric reconstructions. Despite the well-considered design of such maps, their higher non-geometric dimensionality and compression to two dimensions cause severe limitations in querying mixed non-spatial and spatial relationships, e.g.
time, even in digital systems. This, however, is required
for geological mapping in order to establish cross-relationships across regions on a local and even planetary scale. We here present a data framework which allows storing, managing and querying 2.5D+t information used in planetary geologic mapping. The focus is put on the general abstract ontological as well as the logical
relationship concept which is designed to be employed in state-of-the art geographic information systems (GIS) commonly used for planetary geologic mapping
Verfahren zur Ableitung kleinerer Maßstäbe aus Daten der Digitalen Übersichtskarte der Stadt Dresden 1:25.000
Get PDFDie kartographische Generalisierung ist eines der zentralen Themengebiete der Kartographie. Seit den 1960er Jahren vollzieht sich ein Entwicklungsprozess in der Generalisierung vom freien praktischen Generalisieren in Abhängigkeit von den Fähigkeiten des Kartenbearbeiters hin zur regelhaften rechengestützten Automation. Bis heute sind viele Fragen in Bezug auf die vollautomatische Generalisierung offen. Die vorliegende Arbeit widmet sich dieser Thematik und liefert einen Lösungsansatz für die automatische Ableitung der Daten des Städtischen Vermessungsamtes Dresden in 1:25.000 und des ATKIS Basis-DLMs in kleinere Folgemaßstäbe. Dabei werden die einzelnen Generalisierungsprozeduren und -abläufe im Einzelnen sowie in ihrer gesamten Komplexität betrachtet. Elementare Vorgänge beim Generalisieren, wie das Auswählen, Klassifizieren, Zusammenfassen, Überdimensionieren, Verdrängen und Vereinfachen (insbesondere Linienglättung) werden beschrieben und zu einem Gesamtablauf zusammengefügt. Der Schwerpunkt liegt hierbei auf der Flächenaggregation benachbarter Flächen unter Wahrung der topologischen Verhältnisse zu linienhaften Objekten. Das Ergebnis der Arbeit ist eine eigenständige Applikation, die zukünftig das Städtische Vermessungsamt Dresden bei der Laufendhaltung seiner Daten unterstützen wird.:Kurzfassung IV
Abstract V
Inhaltsverzeichnis VI
Abbildungsverzeichnis IX
Tabellenverzeichnis X
Abkürzungsverzeichnis XII
1 Einleitung und Motivation 1
1.1 Allgemeine Einführung 1
1.2 Ziele und Abgrenzung der Arbeit 2
2 Grundlagen der Generalisierung 3
2.1 Generalisierung in der Kartographie 3
2.2 Kartographische Modelltheorie und Modellbildung im digitalen Umfeld 5
2.3 Modell- und kartographische Generalisierung 7
2.4 Rahmenmodelle der digitalen Generalisierung 8
2.4.1 Brassel-Weibel-Modell 9
2.4.2 McMaster-Shea-Modell 10
2.5 Elementare Generalisierungsvorgänge 11
2.5.1 Klassifikation 15
2.5.2 Flächenaggregation 15
2.5.3. Flächenexpansion und -reduktion durch morphologische Operatoren 16
2.5.4 Verdrängung 18
2.5.4.1 Nickerson-Algorithmus 19
2.5.4.2 Linienverdrängung mittels Energieminimierung 22
2.5.5 Geometrietypwechsel 26
2.5.5.1 Dimensionswechsel von Fläche zu Linie 27
Inhaltsverzeichnis
2.5.5.2 Dimensionswechsel von Fläche zu Punkt 29
2.5.6 Linienvereinfachung und Linienglättung 30
2.5.6.1 Douglas-Algorithmus 31
2.5.6.2 McMaster-Algorithmus 32
2.5.7 Generalisierungsoperatoren in ausgewählten kommerziellen GIS 33
3 Datenmodelle der Digitalen Übersichtskarte der Stadt Dresden 35
3.1 Datenmodelle des Städtischen Vermessungsamtes Dresden 35
3.1.1 Erweitertes Straßenknotennetz (ESKN) 35
3.1.2 Erweiterte Blockkarte (EBK) 36
3.2 ATKIS Basis-DLM 38
4 Generalisierungsverfahren und Parametrisierung 40
4.1 Anforderungen an das Generalisierungsergebnis und -verfahren 40
4.2 Gesamtablauf des Generalisierungsverfahren 41
4.3 Algorithmen- und Parameterwahl für die Generalisierungsoperatoren 44
4.3.1 Anpassung der Selektion 44
4.3.2 Anpassung der Klassifikation 47
4.3.3 Anpassung der Zusammenfassung 48
4.3.4 Anpassung der Überzeichnung 51
4.3.5 Anpassung des Geometrietypwechsels 52
4.3.6 Anpassung der Linienglättung und Linienvereinfachung 54
4.3.7 Anpassung der Verdrängung 56
5 Programmtechnische Umsetzung 58
5.1 Weiterentwicklungsmöglichkeiten von GIS-Applikationen durch objektorientiertes
Programmieren 58
5.2 ArcObjects und FMEObjects 60
5.3 Programmaufbau 61
5.3.1 Oberflächengestaltung 61
5.3.2 Module 62
5.3.3 Prozeduren 64
5.3.3.1 Button1_Click 64
5.3.3.2 Prozeduren des Modules FMEObj 66
Inhaltsverzeichnis
5.3.3.3 Klassifikationsprozeduren 67
5.3.3.4 Zusammenfassungsprozeduren 70
5.3.3.5 Vergrößerungsprozedur 71
5.3.3.6 Morphologieprozeduren 72
5.3.3.7 Geometrietypwechsel- und Flächenaggregationsprozeduren 73
5.3.3.8 Kantenmodellprozedur 80
5.3.3.9 Punktsignaturenableitungsprozeduren 81
5.3.3.10 Linienglättungs- und Punktneuorientierungsprozeduren 82
5.4 Tabellen der Parameterdatenbank und ihre Strukturen 84
5.5 Handlungsanweisungen für den Nutzer 87
6 Evaluation der Ergebnisse 89
6.1 Evaluierung zur Nachbearbeitung 90
6.2 Numerisch beschreibende Evaluierung 91
6.3 Evaluierung zur Gütebestimmung 94
6.4 Individuelle subjektive Bewertung 96
6.5 Vergleich mit der amtlich-topographischen Karte 98
7 Fehleranalyse und Dokumentation interaktiv zu lösender Konflikte 100
8 Zusammenfassung und Ausblick 102
Literaturverzeichnis 104
Anhangsverzeichnis 110Cartographic generalization is one of the most pivotal issues in cartography. From the 1960s on, a development from free practical map generalization depending on the abilities of the mapmaker towards a scale-determined computer assisted automation has taken place. By today, many open questions concerning the entirely automatic generalization are still remaining. This thesis addresses the issue of automatic generalization and provides a solution for the automatic derivation of data from Dresden’s Municipal Survey Office in 1:25.000 and ATKIS Base DLM into smaller scales. The generalization procedures will be considered both in detail and as a whole. Elementary generalization procedures, such as selection, classification, regrouping, amplification, displacement and simplification (particularly line smoothing) will be described and combined to form a complete process. The focus is set on aggregation of adjacent areas, while maintaining the topological relationship to line objects. The result is a stand-alone application being capable of supporting Dresden’s Municipal Survey Office in revising its data.:Kurzfassung IV
Abstract V
Inhaltsverzeichnis VI
Abbildungsverzeichnis IX
Tabellenverzeichnis X
Abkürzungsverzeichnis XII
1 Einleitung und Motivation 1
1.1 Allgemeine Einführung 1
1.2 Ziele und Abgrenzung der Arbeit 2
2 Grundlagen der Generalisierung 3
2.1 Generalisierung in der Kartographie 3
2.2 Kartographische Modelltheorie und Modellbildung im digitalen Umfeld 5
2.3 Modell- und kartographische Generalisierung 7
2.4 Rahmenmodelle der digitalen Generalisierung 8
2.4.1 Brassel-Weibel-Modell 9
2.4.2 McMaster-Shea-Modell 10
2.5 Elementare Generalisierungsvorgänge 11
2.5.1 Klassifikation 15
2.5.2 Flächenaggregation 15
2.5.3. Flächenexpansion und -reduktion durch morphologische Operatoren 16
2.5.4 Verdrängung 18
2.5.4.1 Nickerson-Algorithmus 19
2.5.4.2 Linienverdrängung mittels Energieminimierung 22
2.5.5 Geometrietypwechsel 26
2.5.5.1 Dimensionswechsel von Fläche zu Linie 27
Inhaltsverzeichnis
2.5.5.2 Dimensionswechsel von Fläche zu Punkt 29
2.5.6 Linienvereinfachung und Linienglättung 30
2.5.6.1 Douglas-Algorithmus 31
2.5.6.2 McMaster-Algorithmus 32
2.5.7 Generalisierungsoperatoren in ausgewählten kommerziellen GIS 33
3 Datenmodelle der Digitalen Übersichtskarte der Stadt Dresden 35
3.1 Datenmodelle des Städtischen Vermessungsamtes Dresden 35
3.1.1 Erweitertes Straßenknotennetz (ESKN) 35
3.1.2 Erweiterte Blockkarte (EBK) 36
3.2 ATKIS Basis-DLM 38
4 Generalisierungsverfahren und Parametrisierung 40
4.1 Anforderungen an das Generalisierungsergebnis und -verfahren 40
4.2 Gesamtablauf des Generalisierungsverfahren 41
4.3 Algorithmen- und Parameterwahl für die Generalisierungsoperatoren 44
4.3.1 Anpassung der Selektion 44
4.3.2 Anpassung der Klassifikation 47
4.3.3 Anpassung der Zusammenfassung 48
4.3.4 Anpassung der Überzeichnung 51
4.3.5 Anpassung des Geometrietypwechsels 52
4.3.6 Anpassung der Linienglättung und Linienvereinfachung 54
4.3.7 Anpassung der Verdrängung 56
5 Programmtechnische Umsetzung 58
5.1 Weiterentwicklungsmöglichkeiten von GIS-Applikationen durch objektorientiertes
Programmieren 58
5.2 ArcObjects und FMEObjects 60
5.3 Programmaufbau 61
5.3.1 Oberflächengestaltung 61
5.3.2 Module 62
5.3.3 Prozeduren 64
5.3.3.1 Button1_Click 64
5.3.3.2 Prozeduren des Modules FMEObj 66
Inhaltsverzeichnis
5.3.3.3 Klassifikationsprozeduren 67
5.3.3.4 Zusammenfassungsprozeduren 70
5.3.3.5 Vergrößerungsprozedur 71
5.3.3.6 Morphologieprozeduren 72
5.3.3.7 Geometrietypwechsel- und Flächenaggregationsprozeduren 73
5.3.3.8 Kantenmodellprozedur 80
5.3.3.9 Punktsignaturenableitungsprozeduren 81
5.3.3.10 Linienglättungs- und Punktneuorientierungsprozeduren 82
5.4 Tabellen der Parameterdatenbank und ihre Strukturen 84
5.5 Handlungsanweisungen für den Nutzer 87
6 Evaluation der Ergebnisse 89
6.1 Evaluierung zur Nachbearbeitung 90
6.2 Numerisch beschreibende Evaluierung 91
6.3 Evaluierung zur Gütebestimmung 94
6.4 Individuelle subjektive Bewertung 96
6.5 Vergleich mit der amtlich-topographischen Karte 98
7 Fehleranalyse und Dokumentation interaktiv zu lösender Konflikte 100
8 Zusammenfassung und Ausblick 102
Literaturverzeichnis 104
Anhangsverzeichnis 11
Automatisierte Differenzierung von Vegetationsstrukturen in Moorgebieten mit Methoden der Fernerkundung
Get PDFMoore besitzen weltweit eine große Bedeutung für den Natur- und Klimaschutz. Sie dienen als Lebensraum für eine Vielzahl an Pflanzen- und Tierarten sowie als Kohlenstoffsenken. Aufgrund intensiver land- und forstwirtschaftlicher Nutzung weist die Mehrheit der Moorgebiete jedoch hochgradige Schäden auf, durch welche sie in ihrer Funktionalität beeinträchtigt werden. Um die charakteristischen Biotopeigenschaften wiederherzustellen, laufen derzeit zahlreiche Moorschutzprogramme, unter anderem in der deutsch-tschechischen Grenzregion im Osterzgebirge. Damit die Auswirkungen der durchgeführten Schutz- und Renaturierungsmaßnahmen auf die Vegetationsstruktur verfolgt und kontrolliert werden können, erfolgt in dieser Region regelmäßig eine stereoskopische Luftbildinterpretation der Moorflächen. Derartige manuelle Auswertungen sind jedoch mit einem hohen Arbeitsaufwand verbunden, weswegen eine Automatisierung der Prozesse angestrebt wird. In der vorliegenden Arbeit wird ein Verfahren präsentiert, mit welchem die Vegetationsstrukturen der Moore bei Satzung teilautomatisch klassifiziert werden können. Unter Verwendung von digitalen Luftbildern und einem digitalen Geländemodell lassen sich verschiedene Gras-, Baum- und Bodenarten voneinander trennen und lokalisieren. Für die Unterscheidung der einzelnen Klassen werden sowohl pixel- als auch objektbasierte Merkmale in die Datenanalyse einbezogen. Aufnahmen der Satelliten WorldView-2 und Sentinel-2A wurden ebenfalls auf ihr Auswertepotential hin untersucht, allerdings ohne zufriedenstellende Ergebnisse. Die Automatisierung von Monitoring-Prozessen für Moorschutzgebiete ermöglicht eine Objektivierung des Analyseverfahrens und stellt eine zeit- und kostengünstige Alternative zur stereoskopischen Bildinterpretation dar.Moorlands are of worldwide importance for nature and climate protection. They serve as a habitat for a variety of plant and animal species, as well as carbon sinks. Most of the moorlands show significant damage from intense agricultural and silvicultural use, affecting the functionality of many. Currently, several moorland protection programs are running to restore the habitats’ characteristic features, such as that in the Czech-German border region in The Eastern Ore Mountains. Using stereoscopic image interpretation, the moorlands in this region are regularly monitored to observe the influence of executed protection and renaturation measures on the local vegetation structures. However, such manual evaluations require high labor costs. Therefore, the automation of this process is sought. The master thesis at hand presents a procedure enabling the semi-automatic classification of vegetation structures in the moorlands nearby Satzung, Germany. Different grass, tree and soil types can be distinguished and localized using digital aerial imagery and a digital terrain model. For the distinction between different object classes, pixel- and object-based features are taken into consideration. Satellite images acquired by WorldView-2 and Sentinel-2A were also tested for their classification suitability, but without satisfactory results. The automation of monitoring processes for protected moorlands facilitates the externalization of the data analysis and represents a time- and cost-efficient alternative to stereoscopic image interpretations
Semantic 3D Tree Model Dresden 2017
No full textThe semantic 3D tree model contains reconstructed tree crowns within the City of Dresden (Germany). Area-wide availability of such models and their integration into semantic 3D city models facilitates enriched visualizations of urban areas as well as 3D spatial modeling that simulates the interaction of trees with buildings and the built environment.
The individual tree crowns were modeled using geometric primitives and correspond to the CityGML Level of Detail (LoD) 2. Individual modeling parameters were determined for each tree aiming for a realistic volume replication. LiDAR data from a survey in the year 2017 were used to parameterize the tree crowns. Tree crowns were modeled via ellipsoids fitted to crown extent, cylinders were used for trunk representation. The framework for segmenting individual trees in the LiDAR point cloud and for modeling individual tree crowns via geometric primitives is described in this article.
The tree models are available as CityGML files in the coordinate system ETRS89/UTM zone 33 (EPSG: 25833). The dataset was divided into tiles. The tile number results from the coordinate of the lower left corner in the coordinate reference system.
The source data used was made freely available by the “Landesamt für Geobasisinformation Sachsen” (GeoSN) under the license "Data license Germany - attribution - Version 2.0" and can be downloaded under the following links:
LiDAR: https://www.geodaten.sachsen.de/downloadbereich-digitale-hoehenmodelle-4851.html
3D Building Model: https://www.geodaten.sachsen.de/downloadbereich-digitale-3d-stadtmodelle-4875.html
Aerial Imagery: https://www.geodaten.sachsen.de/downloadbereich-dop-4826.htmlThe City of Dresden supported generation and validation of the dataset by providing the municipal tree inventory. The research contributed to the project "Standard-BIPV-System" (FKZ: 03EE1061C) funded by the German Federal Ministry for Economic Affairs and Climate Action
- …
