Malen nach Zahlen – Landnutzungserfassung in OpenStreetMap in Deutschland
This is a modal window.
The media could not be loaded, either because the server or network failed or because the format is not supported.
Formal Metadata
| Title |
| |
| Title of Series | ||
| Number of Parts | 119 | |
| Author | ||
| Contributors | ||
| License | CC Attribution 4.0 International: You are free to use, adapt and copy, distribute and transmit the work or content in adapted or unchanged form for any legal purpose as long as the work is attributed to the author in the manner specified by the author or licensor. | |
| Identifiers | 10.5446/67659 (DOI) | |
| Publisher | ||
| Release Date | ||
| Language |
Content Metadata
| Subject Area | ||
| Genre | ||
| Abstract |
| |
| Keywords |
14
45
50
55
67
69
72
75
78
87
95
00:00
ForestScale (map)MAPPERFeld <Mathematik>ForestWordUnschärfeQR codeInterface (chemistry)Series (mathematics)PolygonStack (abstract data type)Attribute grammarSocial classAreaGebiet <Mathematik>PlastikkarteGraph coloringFlow separationSquare numberPresentation of a groupGene clusterSurfaceScaling (geometry)Object (grammar)Thread (computing)ResultantTerm (mathematics)Performance appraisalSeries (mathematics)Type theoryDecision theoryVapor barrierMotion captureInternet forumField (computer science)Point (geometry)QuicksortContent (media)2 (number)Level (video gaming)Covering spaceDifferent (Kate Ryan album)Green's functionGoodness of fitLecture/ConferenceComputer animationXML
06:11
Interface (chemistry)ForestPolygonInterface (chemistry)MAPPERForestUploadingRing (mathematics)Theory of relativityEndliche ModelltheorieSparse matrixProcess (computing)AreaSocial classGene clusterRepresentation (politics)Texture mappingWordDifferent (Kate Ryan album)DemosceneElectric power transmissionInterior (topology)Sinc functionMaxima and minimaCASE <Informatik>Flow separationTotal S.A.Water vaporType theoryNumberObject (grammar)GeometryComputer animationDiagram
12:16
Endliche ModelltheorieAreaSoftwareCarriagewayCartesian coordinate systemField (computer science)Gene clusterMultiplication signFlow separationMetreCASE <Informatik>Category of beingPolygonMobile appTape driveEigenvalues and eigenvectorsComputer animationLecture/Conference
15:38
TimestampLocal area networkMedianPostgreSQLConfiguration spaceFeld <Mathematik>Version <Informatik>ForestVECTOR <Programm>PolygonGeometryConfiguration spaceGeometryUnschärfeWebsiteCodeTimestampSinc functionCASE <Informatik>MedianMathematicsElement (mathematics)Digital photographyWordOrder (biology)Medical imagingMotion capturePlastikkarteRevision controlBitPerformance appraisalMeasurementComputer fileTesselationMultiplication signRight angleKnotAdditionMachine codeComputer animationLecture/ConferenceDiagram
21:00
FluxInterface (chemistry)Gebiet <Mathematik>Smart cardLinieRoundingServer (computing)WorkstationPolygonRow (database)Natural numberVisualization (computer graphics)VolumenvisualisierungAreaMAPPERPlastikkarteBuffer solutionSet (mathematics)Texture mappingRoundness (object)Artistic renderingContent (media)SurfaceCASE <Informatik>Streaming mediaPattern languageOpen setCovering spaceGreen's functionSymbol tableNetwork topologyWorkstation <Musikinstrument>Rule of inferenceLine (geometry)Multiplication signForestWater vaporSource codeMereologyPerformance appraisalQuality of serviceRegulator geneLecture/Conference
26:23
Lecture/Conference
Transcript: German(auto-generated)
00:07
Ja dann hallo, herzlich willkommen. Heute wird uns Michael Reichert etwas zu malen nach zahlenden Landnutzungserfassungen in OpenStreetMap in Deutschland erzählen. Bei Fragen nach Möglichkeit über den QR-Code gehen, damit wir die alle
00:24
gesammelt haben und nicht durch den Raum laufen müssen mit dem Mikro. Danke. Vielen Dank für die einleitenden Worte. Ich bin jetzt seit 13 Jahren bei OpenStreetMap dabei und wir haben immer ganz viele Diskussionen im Forum über dieses Thema. Da dachte ich, ich reiche jetzt mal einen Vortrag zu dem Thema ein
00:42
und untersuche mal die Daten. Vorher möchte ich aber kurz die Frage ins Publikum stellen, wer hat schon mal Landnutzungspolygone in OpenStreetMap erfasst? Okay die Hälfte oder knapp die Hälfte, dann werde ich es etwas ausführlicher erklären. Worum geht es? Also zuerst zur Motivation,
01:03
warum ich diesen Vortrag eingereicht habe, warum ich diese Fragenstellungen interessieren. Dann zum Tagging, also mit welchen Attributen werden Landnutzungspolygonen in OpenStreetMap erfasst? Welche Mängel hat das Tagging derzeit? Dann zum Thema Flächendeckung und
01:20
Überlappung. Wie flächendeckend und wie überlappungsarm sind die Landnutzungspolygone erfasst? Der Einsatz von Multipolygonrelationen, das Trennen versus das Kleben von Landnutzungspolygonen und Verkehrswegen, das Alter der Polygone und ein paar technische Hinweise zur
01:40
Auswertung, wie ich das gemacht habe. Zur Motivation, wenn man so Begriffe wie Landuse oder Multipolygon oder Multipolygon-Wahnsinn oder verkleben Landuse in die Forensuche eingibt, bekommt man meistens viele Ergebnisse und es ist auch reichlich Emotion dabei. Das sieht
02:03
man zum Beispiel an einem Streettitel Androhung von Benutzersperren für Klebeideologie. Es ist übrigens tatsächlich eine DWG-Entscheidung gewesen, eine bestimmte Art der Landnutzungserfassung in Deutschland zu verbieten, um die Community zu befrieden. Aber zuerst mal die Frage,
02:24
was ist eigentlich Landnutzung überhaupt? Das ist in OpenStreetMap eigentlich gar nicht definiert. Es gibt eine Reihe von Keys, Landuse, Waterway, Natural, Military, mit denen werden Landnutzungsobjekte erfasst. Das kommt auch darauf an, welchen Maßstab man anlegt bei der Erfassung, denke ich in Flurstücksgröße oder denke ich in
02:43
Blumenbeetgröße. Ich habe mir einfach eine Definition ausgedacht, damit ich hier arbeiten kann. Ich nehme diese vier Keys, davon den ersten Value, den ich bekomme, sortiere ein paar aus, die nichts mit Landnutzung zu tun haben und nehme noch ein paar rein, die eigentlich auch points of interest sein könnten. Das hat auch noch Auswirkungen,
03:02
das sehen wir nachher in der Auswertung. Zu den Feature-Klassen, ja der Blut ist leider ein bisschen kaputt, das sind die häufigsten Feature-Klassen, die in Deutschland verwendet werden, anhand des Flächeninhalts in Quadratkilometern. Forest ist das häufigste, also Wald, Farmland für Ackerland, Meadow für Wiesen
03:24
oder Weidefläche, Residential, Water, Military und die letzten Säule sind die anderen. Es gibt im Bereich Farmland, Meadow, Definitions, Unschärfen und man sieht in der Praxis sehr viele Acker, Äcker als Meadow erfasst und umgekehrt, deshalb das
03:43
bitte nicht für bare Münze nehmen und auch bei Forest gibt es noch eine zweite Klasse Wood, wo die Definition auch nicht genau klar ist, wo der Unterschied ist oder ob es überhaupt einen gibt. Sie fällt aber weiter hinten runter, sie ist einfach viel weiter hinten einsortiert, dass es hier nach Größe sortiert. Wie sieht es aus mit der Flächendeckung auf
04:03
Gemeindeebene in Deutschland? Das hier ist eingefärbt, Rot-Töne für besonders gute Abdeckung und Blautöne für eine besonders niedrige Abdeckung. Also die Rot-Töne sind alles zur Werte um weit über 90 Prozent, Blautöne wie hier zum Beispiel
04:26
in Meadow, das ist in Franken 24 Prozent, viel tiefer geht es eigentlich auch kaum noch in Deutschland, außer das Gemeindefreigebiet auf der Ostsee. Es heißt aber nicht zwangsläufig, dass eine nahezu 100 Prozent erfasste Gemeinde,
04:44
also eine Gemeinde, bei der 100 Prozent der Fläche mit Landnutzung erfasst ist, auch korrekt gemapt ist, denn wir haben keine in Verwendung befindliche Stack für Verkehrsflächen. Es gibt Mapper, die mappen für die
05:00
Fläche einer Straße, also den Asphalt, teilweise auch noch mit dem Straßengraben dazu, ein Land use gleich Meadow oder Land use gleich Gras, weil diese grüne Hintergrundfarbe im Rendering in OSM-Karten so hübsch aussieht. Für mich ist das Kartenmalerei, die ich ablehne. Wir erfassen hier Daten und malen keine Karte. Ansonsten sieht man eben auch, dass es so gewisse
05:27
Cluster gibt, also wenn ein Mapper irgendwo in einem Gebiet aktiv war, dann maht er meistens mehrere Gemeinden erfasst. Wir sehen diese seltsamen Cluster nachher noch mal. Wie sieht es aus mit überlappender
05:42
Landnutzung? Das sind die häufigsten Feature Klassen, die einander überlappen. Links aufgetragen ist die jeweils größere Fläche der beiden, die sich überlappt und unten die kleinere Fläche. Das heißt, die häufigste Überlappung ist Militär als Landnutzung mit Wald. Sind 1375 Quadratkilometer
06:06
in Deutschland. Insgesamt gibt es knapp 11000 Quadratkilometer Überlappungen, wo also mindestens zwei Polygones sich überlappen. Es gibt natürlich auch Fälle, wie zum Beispiel das Kuhl für Schulen. Die tauchen fast immer als kleinerer Partner auf. Die sind häufig in Landnutz-
06:24
und Residenzpolygonen gemapped, also Wohngebieten. Ob man da überhaupt eine Überlappung hat oder ob das eine Definitionsunschärfe ist, das war jetzt mal dahingestellt. Und wie sieht es aus, wenn ich jetzt die Überlappungen eliminiere
06:41
mit PostGIS? Gibt es gewisse Veränderungen? Hängt sehr stark von der Feature-Klasse ab. Am Anfang, als ich diese Auswertung geschrieben habe, habe ich nur mit Daten aus Baden-Württemberg gearbeitet, jetzt aus Deutschland. Und in Baden- Württemberg ist der Unterschied bei Water deutlich größer übrigens. Da bleibt nur noch ein Viertel der Fläche übrig.
07:02
Anscheinend gibt es in Baden-Württemberg sehr große Inseln in Seen oder in Flüssen, die nicht korrekt erfasst sind, wo einfach nur zwei Polygone sich überlappen und nicht das äußere als Polygon mit einem inneren Ring erfasst ist. Ebenfalls habe ich hier jetzt noch aufgetragen die Fläche, die auch in
07:21
Quadratkilometern, die keine Landnutzung hat. Das kann ich natürlich erst feststellen, wenn ich die Überlappungen eliminiert habe. Nun zum Thema Multipolygone. Zuerst ein Hinweis an die Leute aus der GISS-Szene. In OpenStreetMap sprechen wir von Multipolygonen, das sind aber im Simple
07:41
Feature-Sinn oft nur Polygone. Im einfachsten Fall erfassen wir Flächen in OpenStreetMap als einen geschlossenen Way. Dieser geschlossene Way bekommt die Tags. Hier zum Beispiel lernst du gleich Forest für den Wald. Oder wenn diese Fläche ein Loch hat, also einen inneren Ring braucht, dann braucht es in
08:03
OpenStreetMap eine Relation. Das wäre jetzt im Simple Feature-Sinn noch ein Polygon. Im USM spricht schon ein Multipolygon. Zwei Ways als Mitglieder, ein äußerer, ein innerer und die Tags gehen jetzt an die Relation. Das geht natürlich auch mit mehreren inneren Ringen. Way 2 und Way 3, also
08:22
die inneren Ringe, können irgendwelche Tags haben. Und es ist natürlich auch möglich, den äußeren Ring in mehrere Ways aufzuteilen. Es gibt berechtigte Fälle dafür, zum Beispiel wenn der äußere Ring mehr als 2000 Nodes hat, denn ein Way kann maximal 2000 Nodes
08:41
in OpenStreetMap haben, ansonsten wird der Upload von der API abgelehnt. Manche Mapper haben diese Art der Erfassung für Multipolygone dafür genutzt, um zum Beispiel die Straßen oder Fließgewässer als Grenzen für die Landnutzungsflächen
09:02
zu verwenden. Sie wollten sozusagen Ways einsparen. Wie hoch ist der Anteil der Multipolygone in OpenStreetMap? An der Gesamtanzahl der Objekte, das hängt sehr von der Feature-Klasse ab. Bei Wäldern ist er höher als bei anderen. Insgesamt sind es ungefähr
09:23
dreieinhalb Prozent in Deutschland von Landnutzungspolygonen, die als Multipolygon-Relation erfasst sind. Wie ich gerade schon gesagt habe, es gibt Fälle, wo es erforderlich ist und es gibt Fälle, wo es nicht erforderlich ist, ein Polygon als Multipolygon zu modellieren.
09:43
Die linke Geometrie, die ist erforderlich, denn ich habe hier einen inneren Ring. Die beiden rechten Fälle sind nicht erforderlich. Es gibt hier zwar äußere Ways, das sind aber weniger als 2000 Nodes. Das braucht man nicht. Da könnte man einen eingeschlossenen Way machen. Und in diesem Fall brauchte es die
10:00
Multipolygon-Relation nur, wenn die beiden wirklich was gemeinsam haben. Also nicht nur, dass es beides Wälder sind, sondern dass sie auch einen gemeinsamen Namen haben, weil es ein Wald ist, durch den eine Schneise für eine Hochspannungsleitung durchgeht, der aber immer noch Hupoldinger Forst heißt. Und diese
10:21
unnötigen Multipolygone habe ich gezählt und geschaut, wie viele Gemeinden haben welchen Anteil an unnötigen Multipolygonen. Das heißt, die allermeisten Gemeinden haben 0, 1 oder vielleicht auch 2% unnötige Multipolygone bezogen auf ihren Gesamtpolygonbestand. Und das hier
10:42
auch noch als Kappendarstellung. Und hier werden jetzt doch regionale Cluster deutlich. Denn jetzt kommen wir wirklich in den Bereich hinein, wo man den Arbeitsstil eines
11:01
einzelnen Mappers oder einer einzelnen Mapperin sieht. Hier sticht zum Beispiel Oberscheinfeld draus. Das ist, glaube ich, bei Würzburg. Dort sind 75% aller Landnutzungspolygone als Multipolygonrelation modelliert und
11:22
gleichzeitig unnötigerweise als Multipolygonrelation modelliert. Die sind einfach nur so modelliert, weil es schön ist, weil sich da jemand an der Sparsamkeit, an der Modellierung erfreut. Es erschwert aber, meiner Meinung nach, die Bearbeitung für andere Mapper später. Und diese
11:41
Multipolygonrelationen neigen eben dazu, durch versehentliche Bearbeitungen invalid zu werden. Es gibt noch ein zweites größeres Cluster, das ist im Bereich zwischen Erfurt, Leipzig und Zwickau zu finden. Da kommen wir
12:00
auch wieder in den Bereich über 70%. Das ist aber übrigens dieses Gebiet, das denkt man nicht anders, dass es dieses Problem hat. Also seit den 13 Jahren seit ich bei OSM dabei bin. Nun zum Thema Trennung von Verkehrswegen und Landnutzung.
12:20
Da gibt es im Grunde zwei Arten, wie man das modellieren kann. Entweder man hat hier die schwarze Linie, das ist die Straße, diese hat ihre Nodes. Ich habe nebendran die beiden Landnutzungsflächen und ich mache für jede Landnutzungsfläche eigene Nodes. Oder ich nutze
12:41
die Nodes gemeinsam für die Straße und die beiden Landnutzungsflächen. In Open Stream App erfassen wir Landnutzungsflächen als Flächen, aber Verkehrswege nur als Linien. Das ist natürlich ein gewisses Hindernis bei einer super sauberen Modellierung. Das heißt entweder man hat hier die Erfassung der Landnutzungsfläche bis dorthin, wo
13:02
die Landnutzung sich ändert. Vom Ackerland zum Asphalt oder zum Straßenbegleitgrün. Während hier eben die Landnutzung durchgezogen wird bis zur Mittelachse des Verkehrsweges. Sieht hübsch im Rendering aus, ist aber leider unzutreffend. Denn eine Straße
13:21
ist eben nicht nur einen Zentimeter breit. Und es gibt von der linken Variante noch eine Untervariante. Da werden dann die Nodes für die Landnutzungsflächen zwar nicht mit der Straßengeometrie verbunden, aber einfach einen halben Meter oder ein Viertel Meter daneben abgelegt. Sieht
13:40
fast genauso aus im Rendering wie hier. Man kann den Unterschied nicht erkennen, außer man würde beliebig weit hineinzoomen. Zum Bearbeiten ist es kein Deut besser, finde ich. Aber das ist auch sehr Geschmackssache. Das sieht dann also so aus, wenn Verkehrsweg und Landnutzungsflächen verbunden sind, teilen sich die Nodes. Ich habe hier drei
14:01
Ways übereinander. In Jossen müsste ich jetzt die mittlere Maustaste gedrückt halten, um den richtigen auszuwählen. Wenn sie voneinander getrennt sind, sieht es so aus. Ignoriert bitte mal den Versatz des Luftbilds hier. Die Landnutzungsflächen und Feldwege sind halt auch schon ein paar Jahre alt. Und wenn
14:23
man eben sie ganz nahe beieinander zieht, aber nicht verbindet, sieht es so aus. Man muss hier sehr weit hineinzoomen und den richtigen Punkt mit der Maus auswählen zu können. So, und wie sieht das jetzt aus bezogen auf die Netzlänge? Also für jede Straße, für jede Gemeinde
14:41
geschaut, wie viel Kilometer Straße gibt es und wie viel Kilometer Straßen sind davon gleichzeitig Landnutzungsaußenlinien. Auch hier haben wir wieder regionale Cluster. In Nord-Ost Baden-Württemberg, der Spitzenreiter ist zumindest auch in Baden- Württemberg Königheim mit fast 71 Prozent, wo das 71 Prozent der Straßenkilometer
15:00
inklusive Feldwege und Fußwege und in dem Fall hier auch Bahngleise mit Landnutzungspolygonen verklebt sind. Gibt aber auch in Sachsen noch einen Ausreißer. Aber in den allermeisten deutschen Gemeinden ist es unter 5 Prozent,
15:20
oft sogar gerundet 0 Prozent. Es ist also wirklich eine regionale Eigenheit. In Mecklenburg-Vorpommern gibt es das auch nochmal. Und dort ist, glaube ich, auch jemand deswegen sogar gesperrt worden vor einigen Jahren. So, nun zur letzten
15:41
Fragestellung. Wie alt sind eigentlich unsere Wälder? Diese Frage habe ich mir mal gestellt, als ich in der Westpfalz Wälder ergänzt habe, die haben dort gefehlt und auch bestehende Wälder gefunden haben, gedacht habe, diese Geometrien sehen doch irgendwie sehr ungenau aus. Dieser Screenshot hier ist aus Eiterfeld im Kreis Fulda in
16:00
Hessen. Ich musste jetzt ein bisschen suchen, bis ich noch so einen Wald fand. Der ist im Jahr 2008 erfasst worden. Ich habe die History der Notes abgerufen. Damals hatten wir nicht diese tollen Bing-Bilder als Hintergrund zur Verfügung oder in dem Fall ist es sogar das Otterfoto der hessischen Vermessungsverwaltung, sondern Yahoo und Landsat-Bilder,
16:20
wobei Yahoo-Bilder teilweise auch nur Landsat-Bilder waren. Yahoo durften wir bis 2011 nutzen. Wie bestimmt man das Alter? Das ist gar nicht so einfach. Wenn ein Way aufgeteilt wird, behält einer die Versionsgeschichte und die andere Hälfte des Ways fängt bei Version eins wieder an.
16:41
Das müsste ich aufwändig zusammenführen und auch Sonderfälle irgendwie berücksichtigen, hätte trotzdem noch eine gewisse Unschärfe. Wenn ich jetzt noch die Multipolygon-Relation auswerte, muss ich auch noch die Mitgliedschaftsänderungen berücksichtigen. Mechanische Edits an den Tags oder einfach nur Änderungen an den Tags führen zu einer neuen Version,
17:01
obwohl da niemand wirklich Hand angelegt hat, sondern einfach nur jemand gesagt hat, wir erfassen jetzt die Umspannwerke mit einem unterstrichen Value, weil das sich so gehört. Und das Hinzufügen einzelner Nodes, dass jetzt die Geometrie nicht groß ändert, macht auch eine neue Version für das komplette
17:20
Polygon. Daher war meine Lösung. Ich schaue auf die Zeitstempel der Nodes, weil sie zuletzt geändert wurden. Die Nodes haben fast nie Tags. Wenn diese bearbeitet werden, dann sind es immer Geometrieänderungen. Wenn wir jetzt das Medianalter der Nodes der Lendius-Polygone anschauen,
17:41
dann sehen wir zum einen den Zeitpunkt, als wir Bing nutzen durften. Das ist seit November, Dezember 2010 der Fall. Seitdem ist es viel einfacher, Landnutzung zu erfassen, weil man gut aufgelöste Bilder hat. Man sieht, auf dem Blot noch nicht,
18:01
kommt es auf dem nächsten. Ansonsten ist es erstaunlich gleichmäßig verteilt. Aber es ist eben auch so, Landnutzung ändert sich nicht so arg. So ein Wald steht halt einige Jahrzehnte, außer der Bordenkäfer kommt. Ich habe mir auch noch angeschaut, wie sieht es aus, wenn ich für jede Gemeinde
18:21
das Medianalter der Lendius-Nodes in dieser Gemeinde berechne? Da taucht auch wieder diese Anomalie auf oder dieser Sprung durch Bing. Ich meine, das da könnte die Freigabe von den Luftbildern in NRW gewesen sein. 2012, 2013
18:41
und so rum. Und auf der Karte dargestellt, ein Flickenteppich.
19:01
Rot ist top aktuell. Die Gemeinde Dipperts hat ein Medianodalter von vom Januar diesen Jahres. Klietz ist von 2011. Ich meine, ich habe hier auch Gemeinden drin, die sind von 2008.
19:21
Elstau, 2010. Hohenfels, 2009. Kurz noch zur Technik und dann bin ich auch schon durch. Der Datenimport ist mit OSMT-PGS Köln eine Postgres-Datenbank erfolgt.
19:40
Ich habe dazu den neuen Flex-Output verwendet mit einer eigenen Konfiguration. Die Auswertung mit Postgres, etwas Python und etwas Python in Jupyter. Mit Matplotlib habe ich geplottet. Die Hintergrundkarten sind von Shortbred, dem Versa teils Neutrino-Stil.
20:01
Mit Martin habe ich Vector teils exportiert und mit MapLibre, GLGS gerendert. Der Code ist auf GitHub zu finden. Und die Folien auf meiner Website. Und jetzt bin ich auf eure Fragen gespannt.
20:22
Ja, vielen Dank. Bisher gibt es zwei Fragen, also gerne noch welche stellen. Ist davon auszugehen, dass Wälder deshalb häufiger Multipolygone sind als Farmland, weil unregelmäßig geformte Wälder mehr Knoten erfordern als rechteckige Äcker? Oder gibt es da andere Hypothesen? Also Äcker haben meistens
20:42
keine Insel innen drin, weil die die Bewirtschaftung erschweren. Die sind spätestens bei Flurbereinigungen weggefallen. Wälder haben hingegen sehr oft Lichtungen. Und wenn ein Wald mehr als 2000 Nodes auf dem äußeren Ring hat, ist er meistens so groß, dass sowieso eine Hauptverkehrsstraße durchgeht, dass man eigentlich schon für die Straße eine
21:01
langgezogene Lichtung hätte. Sprich, dann kann man das Polygon teilen. Wie finde ich am besten Landuse Überlappungen? Osmose? Andere QS-Werkzeuge? Mir ist keines bislang bekannt. Das... Ah! Der Florian Lohaufstreck da. Ja, genau.
21:22
Ich habe für diverse Bundesländer, habe ich das am Laufen, also für die, wo mir, wo jemand mal gesagt hat, er möchte das. Also ich gibt, es gibt eine Visualisierung für zwischen Landuse und Landuse oder Landuse und Natural. Also alle anderen beobachte ich da nicht irgendwie. Aber da gibt es Visualisierung
21:42
für... gibt es. Auswertungen. Es stört halt beim Kartenrendering bislang nicht, möchte ich noch dazu sagen, wenn sich diese Polygone überlappen, weil die Kartenstile, die man in der Praxis sieht, schlicht und einfach vor dem Rendern alle Polygone nach dem Flächeninhalt sortieren und die kleinen, zuerst die großen Rendern und dann darüber die kleinen
22:00
Rendern. Das stört aber dann, wenn man irgendwelche Füllmuster verwenden möchte, wie zum Beispiel ein dunkelgrün Wald mit hellgrünen Baumsymbolen. Man aber die Wiesen nicht mit einem Füllmuster versieht. Dann hatte Lichtung plötzlich Baumsymbole auf hellgrünem Hintergrund.
22:22
Ja, gibt es da noch Fragen im Saal? Ins Mikrofon bitte. Soweit ich mich erinnern kann, bei Flüssen gibt es manchmal Flächen und manchmal Linien zur Dachstellung. Gibt es da Regeln dazu,
22:42
wann einfach eine Flasche, wann eine Linie? Also die Frage war, bei Flüssen gibt es manchmal Erfassung als Fläche, manchmal als Linie. Ob es da Regeln dazu gäbe? Es gibt die Regel, dass man beides macht. Wir erfassen zum einen die Mittellinie des Flusses oder dort, wo eben da die Tiefenlinie ist.
23:03
Damit man ein routingfähiges Netz der Gewässer hat. Da gibt es mittlerweile auch Qualitätssicherungswerkzeuge dafür von meiner Kollegin Amanda McKenn. Und gleichzeitig erfassen wir die Fläche des Flusses. Bei Bächen machen wir das aber nicht, die sind zu schmal. Die Definition eines Baches ist ein Open-Street-Map, dass man
23:21
als Mensch darüber springen kann. Dankeschön. Meine Frage geht an. Sie haben ja jetzt eine Betrachtung für Deutschland durchgeführt. Gibt es auch Erkenntnisse für Gebiete aus der Flüsse?
23:41
Wie ist es mit der Landnutzungserfassung außerhalb Deutschland? Werden da die gleichen Regeln angewandt? Oder gibt es da in der internationalen Community gar keine Vorgaben zu? Da müsste man unterscheiden zwischen Ländern, wo die Landnutzung tatsächlich von Menschen erfasst wird, die Open-Street-Map-Beitragende
24:00
sind. Und dort, wo die Landnutzungserfassung aus dem Korinndatensatz importiert wurde oder anderen amtlichen Datensätzen. Niederlande und Frankreich zum Beispiel haben Importe, Deutschland, Österreich und die Schweiz sind von Menschen erfasst worden. Das sieht man auch, weil in den letzteren gibt es immer noch Lücken. Und da kommt es
24:21
eben darauf an, wie die Leute damals beim Import entschieden haben, wie sie die Polygone aus der Fremdquelle in das Open-Street-Map-Datemodell überführen. Diese Auswertung hier kann man natürlich auch auf Europa laufen lassen. Es dauert nur noch viel länger als das jetzt auf meinem Arbeitsplatzrechner. Und ich wollte es in der Schnelle der Zeit
24:41
nicht auch noch auf einem der großen Server bei uns in der Firma laufen lassen, zumal das eigentlich jetzt gerade mein privates Bastelprojekt war. Weitere Fragen? Gut, ich höre gerade, das ist dann die letzte Frage.
25:01
Dann schließen wir die Runde ab. Hast du nach deiner Auswertung das Gefühl, dass das Landnutzungskartierung in OSEM gut funktioniert oder würdest du, wenn du OSEM nochmal neu aufsetzen würdest, Dinge ändern, wie zum Beispiel das Stichwort Landcover, was ich jetzt nochmal einbringen muss, oder andere Änderungen,
25:20
die würde vielleicht eingefallen. Die Definitionen für Landnutzung, Landcover und so weiter sind in Open-Street-Map schlicht und einfach ausbaufähig. Aber ich glaube, wir brauchen mindestens zehn Jahre, bis wir da zu einem Konsens kommen. Und in Zweifels Fall nur mit irgendeiner Diktatorenentscheidung klappt das. Da bin ich pessimistisch.
25:41
Die Datenkonsumenten, die nur Karten rendern, die haben sich damit arrangiert. Die Mapper erfassen das einfach mit dem Gedanken, ich habe hier einen farbigen Pinsel in der Hand. Ich habe eben auch ein Mittel, wo es Überlappungen gibt. Ich habe als Nebenprodukt der Auswertung einen überlappungsfreien Datensatz erstellt,
26:00
aber eigentlich müsste ich davon noch die Buffer von Straßen abziehen, denn unter dem Asphalt einer Bundesstraße liegt keine Wiese. Dann vielen Dank für den Vortrag. Vielen Dank. Vielen Dank.
Recommendations
Series of 4 media