Die zunehmende Verfügbarkeit adressbezogener Daten im Zusammenhang mit der Nutzung geometrischer Raster zur Raumuntergliederung haben die Voraussetzungen für kleinräumige Analysen deutlich verbessert. Bei der Verwendung personenbezogener Daten müssen datenschutzrechtliche Vorgaben eingehalten werden, falls die Rasterzellen zu wenig Fallzahlen enthalten. Vielfach werden diese Rasterzellen ausgeblendet, wodurch Informationen in der Karte verloren gehen. Eine datenschutzkonforme Alternative stellt die Aggregation von Rasterzellen dar, bis die Fallzahlen einen vorgegebenen Grenzwert überschreiten. In diesem Beitrag werden Möglichkeiten vorgestellt und bewertet, nach denen sich datenschutzkonforme Mischrasterkarten erzeugen lassen. Besonderes Augenmerk wird auf die Auflösungsverluste der erzeugten Mischrasterkarten gelegt, um geeignete Datengrundlagen für kleinräumige Analysen zu schaffen.

Die Dissertation beleuchtet das Thema Flächenverbrauch, welcher seit Jahrzehnten eines der dringlichsten Umweltprobleme in Deutschland und Europa darstellt, zumal mit ihm eine Reihe sozialer und wirtschaftlicher, u. a. fiskalischer, Auswirkungen einhergehen. Hauptschwerpunkt der Dissertation bilden retrospektive indikatorengestützte GIS-Analysen urbaner und suburbaner Regionen, für welche Flächennutzungs- und Transportsysteme-Datenbanken von acht europäischen Großstädten – Bilbao, Bratislava, Dresden, Kopenhagen, Lyon, München, Palermo und Porto – aus den EU-Projekten MURBANDY/MOLAND über einen Zeitraum von 50 Jahren anhand von vier Zeitschnitten (Anfang der 1950er bis Ende der 1990er Jahre) untersucht wurden. Dabei wurden Gemeinsamkeiten und Unterschiede in den Entwicklungen der Städte, ansatzweise ebenso mit Blick auf die unterschiedlichen Wirtschaftssysteme, herausgearbeitet. Hauptziel der Dissertation ist es, eine Lücke zwischen theoretischer Analyse des Flächenverbrauchs und der damit oft einhergehenden Zersiedelung, konkret in (sub)urbanen Siedlungsräumen, und der praktischen Vermittlung der Thematik, hauptsächlich mittels geeigneter kartographischer Darstellungsformen, zu schließen. Des Weiteren versucht die Dissertation, einerseits die wissenschaftliche Erforschung des Flächenverbrauchs mit dem politischen Handlungsbedarf zu verbinden und andererseits einen Bogen zur kommunikativen Vermittlung der Thematik an relevante gesellschaftliche Gruppen zu spannen. Für dieses Anliegen wurde die Arbeit um eine Betrachtung des bevölkerungsseitigen Umweltbewusstseins in Deutschland mit dem Fokus auf das Thema Flächenverbrauch sowie tiefergehende Überlegungen hinsichtlich der Vermittlungsformen und -wege, welche als weiteren Schwerpunkt kartographisch-konzeptionelle Betrachtungen beinhalten, erweitert. / The dissertation sheds light on the topic of land consumption, which marks one of the most pressing environmental problems in Germany as well as in Europe since decades, and which is accompanied by several social and economic, e.g. fiscal, effects. Retrospective indicator-aided GIS analyses of urban and suburban regions – using land use data of eight European cities (Bilbao, Bratislava, Dresden, Copenhagen, Lyon, Munich, Palermo and Porto), taken from the EU projects MURBANDY/MOLAND with a time span of about 50 years (beginning of the 1950s until end of the 1990s) – build the main part of the work. Within this, similarities and differences in the developments were worked out, to some degree also including a look on the different economic and political systems at that time. The principal objective of the PhD thesis is to close a gap between the theoretical analysis of land consumption and the often linked urban sprawl, particularly in (sub)urban settlement regions, and the practical communication of the research subject, primarily by means of adequate cartographic presentations. Furthermore, the dissertation aims on the one hand at connecting scientific investigations of land consumption and political need for action, and on the other hand at building a link to the communication to various stakeholders in the society. For this, the dissertation was also broadened by an analysis of the environmental awareness of the German society – focussing on the topic of land consumption – and by deeper considerations regarding forms and ways of communicating the topic in particular by means of cartographic approaches.

The process of performing cartographic generalization in an automatic way applied on geographic information is of highly interest in the field of cartography, both in academia and industry. Many research e↵orts have been done to implement di↵erent automatic generalization approaches. Being able to answer the research question on automatic generalization, another interesting question opens up: ”Is it possible to retrieve and visualize geographic information in any arbitrary scale?” This is the question in the field of vario-scale geoinformation. Potential research works should answer this question with solutions which provide valid and efficient representation of geoinformation in any on-demand scale. More brilliant solutions will also provide smooth transitions between these on-demand arbitrary scales. Space-Scale-Cube (Meijers and Van Oosterom 2011) is a reactive tree (Van Oosterom 1991) data structure which shows positive potential for achieving smooth automatic vario-scale generalization of area features. The topic of this research work is investigation of adaptation of this approach on an interesting class of geographic information: road networks datasets. Firstly theoretical background will be introduced and discussed and afterwards, implementing the adaptation would be described. This research work includes development of a hierarchical data structure based on road network datasets and the potential use of this data structure in vario-scale geoinformation retrieval and visualization.:Declaration of Authorship i Abstract iii Acknowledgements iv List of Figures vii Abbreviations viii 1 Introduction 1 1.1 Problem Definition 2 1.1.1 Research Questions 2 1.1.2 Objectives 3 1.2 Proposed Solution 3 1.3 Structure of the Thesis 4 1.4 Notes on Terminology 4 2 Cartographic Generalization 6 2.1 Cartographic Generalization: Definitions and Classifications 6 2.2 Generalization Operators 9 2.3 Efforts on Vario-Scale Visualization of Geoinformation 10 2.4 Efforts on Generalization of Road Networks and Similar Other Networks 16 2.4.1 Geometric Generalization of Networks 17 2.4.2 Model Generalization of Networks 18 2.5 Clarification of Interest 20 3 Theory of Road Network SSC 21 3.1 Background of an SSC 21 3.1.1 tGAP 21 3.1.2 Smoothing tGAP 23 3.2 Road Network as a ’Network’ 24 3.2.1 Short Background on Graph Theory 5 3.3 Formation of Road Network SSC 26 3.3.1 Geometry 26 3.3.2 Network Topology 27 3.3.3 Building up tGAP on The Road Network 28 3.3.4 Smoothing of Road Network SSC 31 3.3.4.1 Smoothing Elimination 32 3.3.4.2 Smoothing Simplification 32 3.4 Reading from a road network SSC 34 3.4.1 Discussion on Scale 34 3.4.2 Iterating Over The Forest 35 3.4.3 Planar Slices 35 3.4.4 Non-Planar Slices 36 4 Implementation of Road Network SSC 37 4.1 General Information Regarding The Implementation 37 4.1.1 Programming Language 37 4.1.2 RDBMS 38 4.1.3 Geometry Library 39 4.1.4 Graph Library 39 4.2 Data Structure 40 4.2.1 Node 40 4.2.2 Edge 41 4.2.3 Edge-Node-Relation 41 4.3 Software Architecture 42 4.3.1 More Detail on Building The SSC 42 4.3.1.1 Initial Data Processing 42 4.3.1.2 Network Processing 43 4.3.2 More Detail on Querying The SSC 46 4.3.2.1 Database Query 46 4.3.2.2 Building Geometry 46 4.3.2.3 Interface and Visualization 47 4.4 Results 48 5 Conclusions and Outlook 49 Bibliography 51

The Tibetan Plateau with an extent of about 2,5 million square kilometers at an average altitude higher than 4,700 meters has a significant impact on the Asian monsoon and regulates with its snow and ice reserves the upstream headwaters of seven major south-east Asian rivers. Upon the water supply of these rivers depend over 1,4 billion people, the agriculture, the economics, and the entire ecosystem in this region. As the increasing number of floods and droughts show, these seasonal water reserves however are likely to be influenced by climate change, with negative effects for the downstream water supply and subsequently the food security. The international cooperation project CEOP-AEGIS – funded by the European Commission under the Seventh Framework Program – aims as a result to improve the knowledge of the hydrology and meteorology of the Qinghai-Tibetan Plateau to further understand its role in climate, monsoon and increasing extreme meteorological events. Within the framework of this project, a large variety of earth observation datasets from remote sensing products, model outputs and in-situ ground station measurements are collected and evaluated. Any foreground products of CEOP-AEGIS will have to be made available to the scientific community by an online data repository which is a contribution to the Global Earth Observation System of Systems (GEOSS). The back-end of the CEOP-AEGIS Data Portal relies on a Dapper OPeNDAP web server that serves data stored in the NetCDF file format to a DChart client front-end as web-based user interface. Data from project partners are heterogeneous in its content, and also in its type of storage and metadata description. However NetCDF project output data and metadata has to be standardized and must follow international conventions to achieve a high level of interoperability. Out of these needs, the capabilities of NetCDF, OPeNDAP, Dapper and DChart were profoundly evaluated in order to take correct decisions for implementing a suitable and interoperable NetCDF data model for CEOP-AEGIS data that allows a maximum of compatibility and functionality to OPeNDAP and Dapper / DChart as well. This NetCDF implementation is part of a newly developed upstream data interface that converts and aggregates heterogeneous input data of project partners to standardized NetCDF datasets, so that they can be feed via OPeNDAP to the CEOP-AEGIS Data Portal based on the Dapper / DChart technology. A particular focus in the design of this data interface was set to an intermediate data and metadata representation that easily allows to modify its elements with the scope of achieving standardized NetCDF files in a simple way. Considering the extensive variety and amount of data within this project, it was essential to properly design a data interface that converts heterogeneous input data of project partners to standardized and aggregated NetCDF output files in order to ensure maximum compatibility and functionality within the CEOP-AEGIS Data Portal and subsequently interoperability within the scientific community. / Das Hochplateau von Tibet mit einer Ausdehnung von 2.5 Millionen Quadratkilometer und einer durchschnittlichen Höhe von über 4 700 Meter beeinflusst wesentlich den asiatischen Monsun und reguliert mit seinen Schnee- und Eisreserven den Wasserhaushalt der Oberläufe der sieben wichtigsten Flüsse Südostasiens. Von diesem Wasserzufluss leben 1.4 Milliarden Menschen und hängt neben dem Ackerbau und der Wirtschaft das gesamte Ökosystem in dieser Gegend ab. Wie die zunehmende Zahl an Dürren und Überschwemmungen zeigt, sind diese jahreszeitlich beeinflussten Wasserreserven allen Anscheins nach vom Klimawandel betroffen, mit negativen Auswirkungen für die flussabwärts liegenden Stromgebiete und demzufolge die dortige Nahrungsmittelsicherheit. Das internationale Kooperationsprojekt CEOP-AEGIS – finanziert von der Europäischen Kommission unter dem Siebten Rahmenprogramm – hat sich deshalb zum Ziel gesetzt, die Hydrologie und Meteorologie dieses Hochplateaus weiter zu erforschen, um daraus seine Rolle in Bezug auf das Klima, den Monsun und den zunehmenden extremen Wetterereignissen tiefgreifender verstehen zu können. Im Rahmen dieses Projektes werden verschiedenartigste Erdbeobachtungsdaten von Fernerkundungssystemen, numerischen Simulationen und Bodenstationsmessungen gesammelt und ausgewertet. Sämtliche Endprodukte des CEOP-AEGIS Projektes werden der wissenschaftlichen Gemeinschaft auf Grundlage einer über das Internet erreichbaren Datenbank zugänglich gemacht, welche eine Zuarbeit zur Initiative GEOSS (Global Earth Observing System of Systems) ist. Hintergründig basiert das CEOP-AEGIS Datenportal auf einem Dapper OPeNDAP Internetserver, welcher die im NetCDF Dateiformat gespeicherten Daten der vordergründigen internetbasierten DChart Benutzerschnittstelle auf Grundlage des OPeNDAP Protokolls bereit stellt. Eingangsdaten von Partnern dieses Projektes sind heterogen nicht nur in Bezug ihres Dateninhalts, sondern auch in Anbetracht ihrer Datenhaltung und Metadatenbeschreibung. Die Daten- und Metadatenhaltung der im NetCDF Dateiformat gespeicherten Endprodukte dieses Projektes müssen jedoch auf einer standardisierten Basis internationalen Konventionen folgen, damit ein hoher Grad an Interoperabilität erreicht werden kann. In Anbetracht dieser Qualitätsanforderungen wurden die technischen Möglichkeiten von NetCDF, OPeNDAP, Dapper und DChart in dieser Diplomarbeit gründlich untersucht, damit auf Grundlage dieser Erkenntnisse eine korrekte Entscheidung bezüglich der Implementierung eines für CEOP-AEGIS Daten passenden und interoperablen NetCDF Datenmodels abgeleitet werden kann, das eine maximale Kompatibilität und Funktionalität mit OPeNDAP und Dapper / DChart sicher stellen soll. Diese NetCDF Implementierung ist Bestandteil einer neu entwickelten Datenschnittstelle, welche heterogene Daten von Projektpartnern in standardisierte NetCDF Datensätze konvertiert und aggregiert, sodass diese mittels OPeNDAP dem auf der Dapper / DChart Technologie basierendem Datenportal von CEOP-AEGIS zugeführt werden können. Einen besonderen Schwerpunkt bei der Entwicklung dieser Datenschnittstelle wurde auf eine intermediäre Daten- und Metadatenhaltung gelegt, welche mit der Zielsetzung von geringem Arbeitsaufwand die Modifizierung ihrer Elemente und somit die Erzeugung von standardisierten NetCDF Dateien auf eine einfache Art und Weise erlaubt. In Anbetracht der beträchtlichen und verschiedenartigsten Geodaten dieses Projektes war es schlussendlich wesentlich, eine hochwertige Datenschnittstelle zur Überführung heterogener Eingangsdaten von Projektpartnern in standardisierte und aggregierte NetCDF Ausgansdateien zu entwickeln, um damit eine maximale Kompatibilität und Funktionalität mit dem CEOP-AEGIS Datenportal und daraus folgend ein hohes Maß an Interoperabilität innerhalb der wissenschaftlichen Gemeinschaft erzielen zu können.

The Tibetan Plateau with an extent of about 2,5 million square kilometers at an average altitude higher than 4,700 meters has a significant impact on the Asian monsoon and regulates with its snow and ice reserves the upstream headwaters of seven major south-east Asian rivers. Upon the water supply of these rivers depend over 1,4 billion people, the agriculture, the economics, and the entire ecosystem in this region. As the increasing number of floods and droughts show, these seasonal water reserves however are likely to be influenced by climate change, with negative effects for the downstream water supply and subsequently the food security. The international cooperation project CEOP-AEGIS – funded by the European Commission under the Seventh Framework Program – aims as a result to improve the knowledge of the hydrology and meteorology of the Qinghai-Tibetan Plateau to further understand its role in climate, monsoon and increasing extreme meteorological events. Within the framework of this project, a large variety of earth observation datasets from remote sensing products, model outputs and in-situ ground station measurements are collected and evaluated. Any foreground products of CEOP-AEGIS will have to be made available to the scientific community by an online data repository which is a contribution to the Global Earth Observation System of Systems (GEOSS). The back-end of the CEOP-AEGIS Data Portal relies on a Dapper OPeNDAP web server that serves data stored in the NetCDF file format to a DChart client front-end as web-based user interface. Data from project partners are heterogeneous in its content, and also in its type of storage and metadata description. However NetCDF project output data and metadata has to be standardized and must follow international conventions to achieve a high level of interoperability. Out of these needs, the capabilities of NetCDF, OPeNDAP, Dapper and DChart were profoundly evaluated in order to take correct decisions for implementing a suitable and interoperable NetCDF data model for CEOP-AEGIS data that allows a maximum of compatibility and functionality to OPeNDAP and Dapper / DChart as well. This NetCDF implementation is part of a newly developed upstream data interface that converts and aggregates heterogeneous input data of project partners to standardized NetCDF datasets, so that they can be feed via OPeNDAP to the CEOP-AEGIS Data Portal based on the Dapper / DChart technology. A particular focus in the design of this data interface was set to an intermediate data and metadata representation that easily allows to modify its elements with the scope of achieving standardized NetCDF files in a simple way. Considering the extensive variety and amount of data within this project, it was essential to properly design a data interface that converts heterogeneous input data of project partners to standardized and aggregated NetCDF output files in order to ensure maximum compatibility and functionality within the CEOP-AEGIS Data Portal and subsequently interoperability within the scientific community.:Task of Diploma Thesis ii Declaration of academic honesty vii Abstract ix Acknowledgments xiii Dedication xv Table of Contents xvii List of Figures xxi List of Tables xxiii List of Listings xxv Nomenclature xxvii 1 Introduction 1 1.1 CEOP-AEGIS project . . . . . . . . . . . . . . . . . . . . . . 3 1.2 Problem statement . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3 Objective of this thesis . . . . . . . . . . . . . . . . . . . . . . 8 1.4 Structure of this work . . . . . . . . . . . . . . . . . . . . . . 10 2 Theoretical foundations 13 2.1 NetCDF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.1.1 Data models . . . . . . . . . . . . . . . . . . . . . . . . 16 2.1.2 Datasets . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.1.3 Dimensions . . . . . . . . . . . . . . . . . . . . . . . . 17 2.1.4 Variables . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.1.5 Attributes . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.1.6 NetCDF 3 . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.1.7 NetCDF 4 . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.1.8 Common Data Model . . . . . . . . . . . . . . . . . . . 31 2.1.9 NetCDF libraries and APIs . . . . . . . . . . . . . . . 33 2.1.10 NetCDF utilities . . . . . . . . . . . . . . . . . . . . . 34 2.1.11 NetCDF textual representations . . . . . . . . . . . . . 35 2.1.12 NetCDF conventions . . . . . . . . . . . . . . . . . . . 36 2.2 OPeNDAP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 2.2.1 Architecture . . . . . . . . . . . . . . . . . . . . . . . . 41 2.2.2 OPeNDAP servers . . . . . . . . . . . . . . . . . . . . 42 2.2.3 OPeNDAP clients . . . . . . . . . . . . . . . . . . . . . 47 2.2.4 Data Access Protocol . . . . . . . . . . . . . . . . . . . 48 2.2.5 OPeNDAP data models and data types . . . . . . . . . 49 2.2.6 OPeNDAP and NetCDF . . . . . . . . . . . . . . . . . 53 2.3 Dapper . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 2.3.1 Climate Data Portal . . . . . . . . . . . . . . . . . . . 57 2.3.2 System architecture and Dapper services . . . . . . . . 58 2.3.3 Data aggregation . . . . . . . . . . . . . . . . . . . . . 60 2.3.4 Supported conventions of Dapper . . . . . . . . . . . . 61 2.4 DChart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 2.4.1 Design goals . . . . . . . . . . . . . . . . . . . . . . . . 63 2.4.2 Functionality . . . . . . . . . . . . . . . . . . . . . . . 63 2.4.3 System architecture . . . . . . . . . . . . . . . . . . . . 64 2.5 Dapper and DChart configuration . . . . . . . . . . . . . . . . 66 2.5.1 License and release notes . . . . . . . . . . . . . . . . . 67 2.5.2 Dapper and DChart system requirements . . . . . . . . 67 3 Implementation 69 3.1 Scientific data types . . . . . . . . . . . . . . . . . . . . . . . 69 3.1.1 Gridded data . . . . . . . . . . . . . . . . . . . . . . . 70 3.1.2 In-situ data . . . . . . . . . . . . . . . . . . . . . . . . 71 3.2 NetCDF for CEOP-AEGIS . . . . . . . . . . . . . . . . . . . . 71 3.2.1 CF Climate and Forecast Convention . . . . . . . . . . 73 3.2.2 Dapper In-situ Convention . . . . . . . . . . . . . . . . 80 3.2.3 NetCDF implementation for CEOP-AEGIS . . . . . . 89 3.3 CEOP-AEGIS Data Interface . . . . . . . . . . . . . . . . . . 93 3.3.1 Intermediate data model . . . . . . . . . . . . . . . . . 95 3.3.2 Data Interface dependencies . . . . . . . . . . . . . . . 98 3.3.3 Data Interface usage . . . . . . . . . . . . . . . . . . . 98 3.3.4 Data Interface modules . . . . . . . . . . . . . . . . . . 105 3.4 Final products . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 4 Conclusion 111 4.1 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 4.2 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 4.3 Outlook . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 A Appendix 119 A.1 CD-ROM of project data . . . . . . . . . . . . . . . . . . . . . 119 A.2 Flood occurrence maps . . . . . . . . . . . . . . . . . . . . . . 121 A.2.1 Flood occurrence May . . . . . . . . . . . . . . . . . . 122 A.2.2 Flood occurrence August . . . . . . . . . . . . . . . . . 123 A.3 CEOP-AEGIS Data Portal . . . . . . . . . . . . . . . . . . . . 124 A.3.1 Capture image of CEOP-AEGIS Data Portal . . . . . . 125 A.3.2 Dapper configuration file . . . . . . . . . . . . . . . . . 126 A.3.3 DChart configuration file . . . . . . . . . . . . . . . . . 127 A.4 NetCDF data models for CEOP-AEGIS . . . . . . . . . . . . 130 A.4.1 Data model for gridded data . . . . . . . . . . . . . . . 131 A.4.2 Data model for in-situ data . . . . . . . . . . . . . . . 132 A.5 Upstream data interface . . . . . . . . . . . . . . . . . . . . . 133 A.5.1 Data Interface and service chain . . . . . . . . . . . . . 134 A.5.2 Data Interface data flow . . . . . . . . . . . . . . . . . 135 A.5.3 Data Interface data flow 2 . . . . . . . . . . . . . . . . 136 A.5.4 Data Interface modules and classes . . . . . . . . . . . 137 A.5.5 Data Interface NetCDF metadata file for gridded data 138 A.5.6 Data Interface NetCDF metadata file for in-situ data . 139 A.5.7 Data Interface coordinate metadata file for gridded data140 A.5.8 Data Interface coordinate metadata file for in-situ data 140 A.5.9 Data Interface UI main program . . . . . . . . . . . . . 141 A.5.10 Data Interface UI GrADS component . . . . . . . . . . 142 A.5.11 Data Interface UI GDAL component . . . . . . . . . . 143 A.5.12 Data Interface UI CSV component . . . . . . . . . . . 144 A.5.13 Data Interface settings file for gridded data . . . . . . . 145 A.5.14 Data Interface settings file for in-situ data . . . . . . . 146 A.5.15 Data Interface batch file for data conversion via GrADS146 A.5.16 Data Interface batch file for data conversion via GDAL 147 A.5.17 Data Interface batch file for data conversion via CSV . 148 A.6 Pydoc documentation for upstream data interface . . . . . . . 149 A.6.1 grads_2Interface.py . . . . . . . . . . . . . . . . . . . . 150 A.6.2 gdal_2Interface.py . . . . . . . . . . . . . . . . . . . . 155 A.6.3 csv_2Interface.py . . . . . . . . . . . . . . . . . . . . . 162 A.6.4 interface_Main.py . . . . . . . . . . . . . . . . . . . . 167 A.6.5 interface_Settings.py . . . . . . . . . . . . . . . . . . . 172 A.6.6 interface_Control.py . . . . . . . . . . . . . . . . . . . 175 A.6.7 interface_Model.py . . . . . . . . . . . . . . . . . . . . 179 A.6.8 interface_ModelUtilities.py . . . . . . . . . . . . . . . 185 A.6.9 interface_Data.py . . . . . . . . . . . . . . . . . . . . . 189 A.6.10 interface_ProcessingTools.py . . . . . . . . . . . . . . 191 Bibliography 197 Index 205 / Das Hochplateau von Tibet mit einer Ausdehnung von 2.5 Millionen Quadratkilometer und einer durchschnittlichen Höhe von über 4 700 Meter beeinflusst wesentlich den asiatischen Monsun und reguliert mit seinen Schnee- und Eisreserven den Wasserhaushalt der Oberläufe der sieben wichtigsten Flüsse Südostasiens. Von diesem Wasserzufluss leben 1.4 Milliarden Menschen und hängt neben dem Ackerbau und der Wirtschaft das gesamte Ökosystem in dieser Gegend ab. Wie die zunehmende Zahl an Dürren und Überschwemmungen zeigt, sind diese jahreszeitlich beeinflussten Wasserreserven allen Anscheins nach vom Klimawandel betroffen, mit negativen Auswirkungen für die flussabwärts liegenden Stromgebiete und demzufolge die dortige Nahrungsmittelsicherheit. Das internationale Kooperationsprojekt CEOP-AEGIS – finanziert von der Europäischen Kommission unter dem Siebten Rahmenprogramm – hat sich deshalb zum Ziel gesetzt, die Hydrologie und Meteorologie dieses Hochplateaus weiter zu erforschen, um daraus seine Rolle in Bezug auf das Klima, den Monsun und den zunehmenden extremen Wetterereignissen tiefgreifender verstehen zu können. Im Rahmen dieses Projektes werden verschiedenartigste Erdbeobachtungsdaten von Fernerkundungssystemen, numerischen Simulationen und Bodenstationsmessungen gesammelt und ausgewertet. Sämtliche Endprodukte des CEOP-AEGIS Projektes werden der wissenschaftlichen Gemeinschaft auf Grundlage einer über das Internet erreichbaren Datenbank zugänglich gemacht, welche eine Zuarbeit zur Initiative GEOSS (Global Earth Observing System of Systems) ist. Hintergründig basiert das CEOP-AEGIS Datenportal auf einem Dapper OPeNDAP Internetserver, welcher die im NetCDF Dateiformat gespeicherten Daten der vordergründigen internetbasierten DChart Benutzerschnittstelle auf Grundlage des OPeNDAP Protokolls bereit stellt. Eingangsdaten von Partnern dieses Projektes sind heterogen nicht nur in Bezug ihres Dateninhalts, sondern auch in Anbetracht ihrer Datenhaltung und Metadatenbeschreibung. Die Daten- und Metadatenhaltung der im NetCDF Dateiformat gespeicherten Endprodukte dieses Projektes müssen jedoch auf einer standardisierten Basis internationalen Konventionen folgen, damit ein hoher Grad an Interoperabilität erreicht werden kann. In Anbetracht dieser Qualitätsanforderungen wurden die technischen Möglichkeiten von NetCDF, OPeNDAP, Dapper und DChart in dieser Diplomarbeit gründlich untersucht, damit auf Grundlage dieser Erkenntnisse eine korrekte Entscheidung bezüglich der Implementierung eines für CEOP-AEGIS Daten passenden und interoperablen NetCDF Datenmodels abgeleitet werden kann, das eine maximale Kompatibilität und Funktionalität mit OPeNDAP und Dapper / DChart sicher stellen soll. Diese NetCDF Implementierung ist Bestandteil einer neu entwickelten Datenschnittstelle, welche heterogene Daten von Projektpartnern in standardisierte NetCDF Datensätze konvertiert und aggregiert, sodass diese mittels OPeNDAP dem auf der Dapper / DChart Technologie basierendem Datenportal von CEOP-AEGIS zugeführt werden können. Einen besonderen Schwerpunkt bei der Entwicklung dieser Datenschnittstelle wurde auf eine intermediäre Daten- und Metadatenhaltung gelegt, welche mit der Zielsetzung von geringem Arbeitsaufwand die Modifizierung ihrer Elemente und somit die Erzeugung von standardisierten NetCDF Dateien auf eine einfache Art und Weise erlaubt. In Anbetracht der beträchtlichen und verschiedenartigsten Geodaten dieses Projektes war es schlussendlich wesentlich, eine hochwertige Datenschnittstelle zur Überführung heterogener Eingangsdaten von Projektpartnern in standardisierte und aggregierte NetCDF Ausgansdateien zu entwickeln, um damit eine maximale Kompatibilität und Funktionalität mit dem CEOP-AEGIS Datenportal und daraus folgend ein hohes Maß an Interoperabilität innerhalb der wissenschaftlichen Gemeinschaft erzielen zu können.:Task of Diploma Thesis ii Declaration of academic honesty vii Abstract ix Acknowledgments xiii Dedication xv Table of Contents xvii List of Figures xxi List of Tables xxiii List of Listings xxv Nomenclature xxvii 1 Introduction 1 1.1 CEOP-AEGIS project . . . . . . . . . . . . . . . . . . . . . . 3 1.2 Problem statement . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3 Objective of this thesis . . . . . . . . . . . . . . . . . . . . . . 8 1.4 Structure of this work . . . . . . . . . . . . . . . . . . . . . . 10 2 Theoretical foundations 13 2.1 NetCDF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.1.1 Data models . . . . . . . . . . . . . . . . . . . . . . . . 16 2.1.2 Datasets . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.1.3 Dimensions . . . . . . . . . . . . . . . . . . . . . . . . 17 2.1.4 Variables . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.1.5 Attributes . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.1.6 NetCDF 3 . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.1.7 NetCDF 4 . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.1.8 Common Data Model . . . . . . . . . . . . . . . . . . . 31 2.1.9 NetCDF libraries and APIs . . . . . . . . . . . . . . . 33 2.1.10 NetCDF utilities . . . . . . . . . . . . . . . . . . . . . 34 2.1.11 NetCDF textual representations . . . . . . . . . . . . . 35 2.1.12 NetCDF conventions . . . . . . . . . . . . . . . . . . . 36 2.2 OPeNDAP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 2.2.1 Architecture . . . . . . . . . . . . . . . . . . . . . . . . 41 2.2.2 OPeNDAP servers . . . . . . . . . . . . . . . . . . . . 42 2.2.3 OPeNDAP clients . . . . . . . . . . . . . . . . . . . . . 47 2.2.4 Data Access Protocol . . . . . . . . . . . . . . . . . . . 48 2.2.5 OPeNDAP data models and data types . . . . . . . . . 49 2.2.6 OPeNDAP and NetCDF . . . . . . . . . . . . . . . . . 53 2.3 Dapper . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 2.3.1 Climate Data Portal . . . . . . . . . . . . . . . . . . . 57 2.3.2 System architecture and Dapper services . . . . . . . . 58 2.3.3 Data aggregation . . . . . . . . . . . . . . . . . . . . . 60 2.3.4 Supported conventions of Dapper . . . . . . . . . . . . 61 2.4 DChart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 2.4.1 Design goals . . . . . . . . . . . . . . . . . . . . . . . . 63 2.4.2 Functionality . . . . . . . . . . . . . . . . . . . . . . . 63 2.4.3 System architecture . . . . . . . . . . . . . . . . . . . . 64 2.5 Dapper and DChart configuration . . . . . . . . . . . . . . . . 66 2.5.1 License and release notes . . . . . . . . . . . . . . . . . 67 2.5.2 Dapper and DChart system requirements . . . . . . . . 67 3 Implementation 69 3.1 Scientific data types . . . . . . . . . . . . . . . . . . . . . . . 69 3.1.1 Gridded data . . . . . . . . . . . . . . . . . . . . . . . 70 3.1.2 In-situ data . . . . . . . . . . . . . . . . . . . . . . . . 71 3.2 NetCDF for CEOP-AEGIS . . . . . . . . . . . . . . . . . . . . 71 3.2.1 CF Climate and Forecast Convention . . . . . . . . . . 73 3.2.2 Dapper In-situ Convention . . . . . . . . . . . . . . . . 80 3.2.3 NetCDF implementation for CEOP-AEGIS . . . . . . 89 3.3 CEOP-AEGIS Data Interface . . . . . . . . . . . . . . . . . . 93 3.3.1 Intermediate data model . . . . . . . . . . . . . . . . . 95 3.3.2 Data Interface dependencies . . . . . . . . . . . . . . . 98 3.3.3 Data Interface usage . . . . . . . . . . . . . . . . . . . 98 3.3.4 Data Interface modules . . . . . . . . . . . . . . . . . . 105 3.4 Final products . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 4 Conclusion 111 4.1 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 4.2 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 4.3 Outlook . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 A Appendix 119 A.1 CD-ROM of project data . . . . . . . . . . . . . . . . . . . . . 119 A.2 Flood occurrence maps . . . . . . . . . . . . . . . . . . . . . . 121 A.2.1 Flood occurrence May . . . . . . . . . . . . . . . . . . 122 A.2.2 Flood occurrence August . . . . . . . . . . . . . . . . . 123 A.3 CEOP-AEGIS Data Portal . . . . . . . . . . . . . . . . . . . . 124 A.3.1 Capture image of CEOP-AEGIS Data Portal . . . . . . 125 A.3.2 Dapper configuration file . . . . . . . . . . . . . . . . . 126 A.3.3 DChart configuration file . . . . . . . . . . . . . . . . . 127 A.4 NetCDF data models for CEOP-AEGIS . . . . . . . . . . . . 130 A.4.1 Data model for gridded data . . . . . . . . . . . . . . . 131 A.4.2 Data model for in-situ data . . . . . . . . . . . . . . . 132 A.5 Upstream data interface . . . . . . . . . . . . . . . . . . . . . 133 A.5.1 Data Interface and service chain . . . . . . . . . . . . . 134 A.5.2 Data Interface data flow . . . . . . . . . . . . . . . . . 135 A.5.3 Data Interface data flow 2 . . . . . . . . . . . . . . . . 136 A.5.4 Data Interface modules and classes . . . . . . . . . . . 137 A.5.5 Data Interface NetCDF metadata file for gridded data 138 A.5.6 Data Interface NetCDF metadata file for in-situ data . 139 A.5.7 Data Interface coordinate metadata file for gridded data140 A.5.8 Data Interface coordinate metadata file for in-situ data 140 A.5.9 Data Interface UI main program . . . . . . . . . . . . . 141 A.5.10 Data Interface UI GrADS component . . . . . . . . . . 142 A.5.11 Data Interface UI GDAL component . . . . . . . . . . 143 A.5.12 Data Interface UI CSV component . . . . . . . . . . . 144 A.5.13 Data Interface settings file for gridded data . . . . . . . 145 A.5.14 Data Interface settings file for in-situ data . . . . . . . 146 A.5.15 Data Interface batch file for data conversion via GrADS146 A.5.16 Data Interface batch file for data conversion via GDAL 147 A.5.17 Data Interface batch file for data conversion via CSV . 148 A.6 Pydoc documentation for upstream data interface . . . . . . . 149 A.6.1 grads_2Interface.py . . . . . . . . . . . . . . . . . . . . 150 A.6.2 gdal_2Interface.py . . . . . . . . . . . . . . . . . . . . 155 A.6.3 csv_2Interface.py . . . . . . . . . . . . . . . . . . . . . 162 A.6.4 interface_Main.py . . . . . . . . . . . . . . . . . . . . 167 A.6.5 interface_Settings.py . . . . . . . . . . . . . . . . . . . 172 A.6.6 interface_Control.py . . . . . . . . . . . . . . . . . . . 175 A.6.7 interface_Model.py . . . . . . . . . . . . . . . . . . . . 179 A.6.8 interface_ModelUtilities.py . . . . . . . . . . . . . . . 185 A.6.9 interface_Data.py . . . . . . . . . . . . . . . . . . . . . 189 A.6.10 interface_ProcessingTools.py . . . . . . . . . . . . . . 191 Bibliography 197 Index 205

Die vorliegende Arbeit zeigt einerseits überblicksartig, gleichzeitig aber auch ins Detail gehend, vor allem die kartographische Entwicklung von Namibia von den Anfängen im 18. Jh. bis zur Unabhängigkeit im Jahr 1990. Dabei werden neben der eigentlichen Kartographie auch die wichtigsten damit im Zusammenhang stehenden Entwicklungen der Forschungsreisen, des Vermessungswesens, der allgemeinen Verwaltung des Landes und der Organisation des Karten- und Vermessungswesens im Gebiet des heutigen Namibia, im Deutschen Reich und in Südafrika dargestellt. Diese Ausweitung des Themas erwies sich als notwendig, um die Hintergründe und das geschichtliche und politische Umfeld mancher kartographischen Entwicklung deutlich und verständlich machen zu können. Damit liegt erstmals eine umfassende Dokumentation über die Kartographie von Namibia vor. Die Gliederung der Arbeit in die drei großen Zeitabschnitte der vorkolonialen, der deutschen Kolonial- und der südafrikanischen Mandatszeit ermöglicht die genaue Differenzierung von politischen und verwaltungstechnischen Abhängigkeiten bei der Kartenherstellung. Allerdings muss auch berücksichtigt werden, dass unterschiedliche Entwicklungsstadien nicht nur vom Herrschaftsträger abhängig waren. Der Vergleich zu anderen Kolonien des südlichen und zentralen Afrika, aber auch der weiterreichende Blick auf alle europäischen Afrikakolonien zeigt, dass Fortschritte im jeweiligen Karten- und Vermessungswesen neben der politischen und wirtschaftlichen Wertschätzung der Kolonie und der Macht des Mutterlandes (Deutschland, Portugal, Großbritannien, Frankreich) vor allem auch von der Größe, der Lage, der sehr verschiedenartigen Natur und dem Klima des entsprechenden Gebietes bestimmt wurden. Im Gegensatz zu der relativ langsamen, aber kontinuierlichen Entwicklung der Vermessungsmethoden und der kartographischen Darstellung in Europa sind in den Kolonien eher ruckartige Veränderungen zu verzeichnen, die mit dem Import der europäischen Methoden und Instrumente in infrastrukturell unterentwickelte Gebiete einhergingen. Die Entwicklung afrikanischer und im Besonderen südwestafrikanischer Karten zeigt drei Phasen: Zunächst erfolgte die Aufnahme der Küsten während der Entdeckungsreisen des 15. und 16. Jhs. und durch spezielle Forschungsreisen vor allem im 17. und beginnenden 18. Jh. Die Erforschung und kartographische Darstellung des Landesinnern begann dagegen zögernd erst Ende des 18. und Anfang des 19. Jhs. In SWA ist der Grund dafür vor allem in den schlechten Zugangsmöglichkeiten auf Grund der Wüstengebiete zu suchen. Träger dieser Aufnahmen waren hauptsächlich Missionare und Forschungsreisende. Innerhalb der nächsten 100 Jahre konnte in Südwestafrika ein grobes topographisches Grundwissen aufgebaut werden, das zur Orientierung im Land meist ausreichte. Mit der Eroberung Afrikas durch europäische Kolonialmächte Ende des 19. Jhs. begann die dritte Phase. Diese war in Südwestafrika durch die deutsche Kolonialherrschaft bestimmt und ist vor allem geprägt durch die Suche nach geeigneten Aufnahmemethoden und Darstellungswegen, um die riesigen, teilweise menschenleeren Gegenden in wirtschaftlich verantwortbarer, aber auch militärisch und verwaltungstechnisch nutzbarer Form kartographisch darzustellen. Ihren Höhepunkt erreicht diese Phase jedoch erst nach dem Zweiten Weltkrieg, in Südwestafrika sogar erst in den 1970er Jahren mit dem Einsatz moderner Aufnahmetechniken. In gleichen Phasen vollzog sich auch der Übergang von Kontinentkarten über lineare Routenaufnahmen mit stark wechselnden Maßstäben hin zu flächendeckenden topographischen Abbildungen. Mit diesen Veränderungen war auch eine Wandlung des Aussagewertes der Karten verbunden. Wie in Europa war die Kartenherstellung in Südwestafrika seit 1904 vor allem durch das Militär und dessen Bedürfnisse geprägt. Damit besaß das Land gegenüber den anderen deutschen Afrikakolonien eine Sonderstellung. Im Gegensatz zu den anderen deutschen Kolonien, aber in Anlehnung an das landschaftlich und klimatisch vergleichbare Südafrika wurde seit dem Hererokrieg 1904 eine großzügige und möglichst flächendeckende geodätische Vermessung durch Triangulation durchgeführt. Dagegen lagen die Katastervermessung und alle damit in Zusammenhang stehenden Arbeiten wie im Deutschen Reich in den Händen der zivilen Behörden. Allerdings war die Trennung der Aufgaben, bedingt durch die alleinige Zuständigkeit der Zivilverwaltung für alle Vermessungs- und Kartierungsangelegenheiten in Südwestafrika vor 1904, nicht ganz so deutlich wie im Deutschen Reich. Die dadurch bedingten regelmäßigen Kompetenzstreitigkeiten und die mangelnde Anerkennung der Arbeiten der Gegenseite verursachten die Behinderung zügiger Fortschritte in der Kartenherstellung sowie erhebliche zusätzliche Kosten. Die Koordinierung und Organisation der Arbeiten in Südwestafrika während der deutschen Kolonialzeit zeigt deutliche Mängel. Trotzdem kann das kartographisch Erreichte als positiv bewertet werden. Natürlich können aus heutiger Perspektive verschiedene Entscheidungen und Vorgehensweisen kritisiert werden. Für die damalige Zeit, die vorhandenen Mittel, Instrumente und Methoden, die Anzahl des Personals und im Wissen um die infrastrukturellen und Lebensbedingungen sind die erzielten Ergebnisse, ob das die Einzelkarten, räumlich definierte Kartenwerke oder solche des ganzen Landes betrifft, eine große Leistung. Das zeigt sich umso mehr im Vergleich zu den Nachbarstaaten, von denen beim Beginn des Ersten Weltkrieges keines so zahlreiche und gute Kartenmaterialien vorweisen konnte. Aber auch während der südafrikanischen Mandatszeit seit 1920 waren die Kompetenzen und Zuständigkeiten nicht eindeutig geregelt. Zunächst besaß Südwestafrika eine Sonderstellung gegenüber den Provinzen der Südafrikanischen Union, indem das Vermessungsamt in Windhuk für alle Vermessungs- und Kartierungsarbeiten des Landes zuständig war. Damit war das Mandatsgebiet in gewisser Weise aber auch von den methodischen und technischen Fortschritten, vor allem des Trigsurvey, abgekoppelt. Andererseits nutzte man diese Unabhängigkeit in Windhuk für eigene Wege, vor allem beim Druck der Karten in Southampton. Spätestens seit dem Beginn der Herstellung der landesweiten Kartenwerke in den Maßstäben 1:50 000, 1:250 000 und kleiner in den 1960er Jahren wurden die kartographischen Arbeiten dann aber von Südafrika bestimmt und kontrolliert. Trotz dieser Probleme lässt sich sowohl für die deutsche Kolonialzeit als auch für die südafrikanische Mandatszeit eine Vielzahl guter und von unterschiedlichen Autoren stammender Karten als Einzelwerke, als Beilage zu diversen Berichten oder als Kartenwerke feststellen. Flächendeckende Triangulationen stellen daneben eine bedeutende Entwicklung für die lagerichtige Wiedergabe der Topographie auf der Karte dar. Dass die deutsche Kolonialzeit in der vorliegenden Arbeit ein starkes Übergewicht gegenüber den anderen beiden Zeitabschnitten aufweist, liegt auch an den zahlreichen Aktivitäten und Produkten dieser Zeit, vor allem aber an der Quellenlage, die für die Zeit zwischen 1890 und 1915 qualitativ und quantitativ wesentlich umfangreicher ist, als beispielsweise für die Zeit nach 1920. / This work gives an overview over the cartographic development of Namibia from the beginnings in the early 18th century up to the independence of the country in 1990. At the same time there is also a detailed view to the cartography, the maps and map series possible. Besides the most important developments of the large expeditions, the surveying, the general administration and the organization of the surveying and mapping in the area of today’s Namibia are shown. Additionally also the most important developments of surveying and mapping in the German Empire and in South Africa are presented because of there relevance for some historical and political decisions in relation to the surveying and mapping of Namibia. For the first time this work presents a comprehensive documentation about the cartography and the map-products of Namibia. Such a work does not exist for any of the neighbour countries in Southern Africa. The work is structured into three main periods, the Precolonial time up to 1884, the time of the German colony German South West Africa between 1884 and 1915/20 and the time of the South African mandatory power between 1920 and 1990. These periods allow to show in detail the different political and administrative obediences for the map making. But not only the colonial power (Germany, Great Britain, France, Portugal) is responsible for different developments. In comparison especially with other countries of Southern Africa but also with countries all over Africa it could be shown that advances in surveying and mapping also depend on the dimension, the location, the different nature, relief and the climate of an area. In contrast to the mostly slow but continuous development of the surveying methods and the cartographic design in Europe the colonies show steplike changes. This is because of the import of the European methods and instruments into areas with very low infrastructure. The development of the South West African cartography shows three main phases. During the age of discoveries in the 15th and 16th centuries but also through special expeditions in the 17th and the beginning 18th centuries the coasts were surveyed and mapped. The exploration and mapping of the inner parts of the country began late (end of 18th century) and slowly. The main reason for this are the large coastal deserts and the large waterless areas that made travelling very difficult and dangerous. The first travellers in South West Africa were missionaries and researchers. Within the next about 100 years the travellers could map an approximate topographic structure of the land. This was more or less satisfactory for an overview and the safe travelling in the country. The third phase began with the European, here German colonisation at the end of the 19th century. This phase began with the search for useful recording and mapping methods. Especially the huge but deserted areas of the colony had to be mapped in an economic arguable but also for the military and the administration usable way. The culmination of this phase was reached only after World War II, in South West Africa even only in the 1970th. At this time the modern recording methods allowed an area-wide and economic surveying and mapping of the whole country. In the same phases one can also see the change-over from maps of the continent via linear maps as results of route-mappings to area-wide topographic map series. As in Europe the surveying and mapping of German South West Africa since 1904 was affected by the military and its techniques and demands. This gave the land an exceptional position in comparison to the other German colonies. Like in the scenic and climatic similar South Africa the military survey section built up a large and area-wide geodetic survey by triangulation since the Herero-War in 1904. On the other hand the cadastral survey was in the hands of the civil administration as it was in the German Empire. But the separation of the duties and responsibilities was not that clear and precise like in Germany because the civil land surveyors were responsible for all works in the colony prior 1904 and did not wanted to give up all charges. The constant questions of authority and the partly lack of acceptance of the works of the other side caused a lot of additional costs and the relatively slow mapping progress. The coordination and organization of the surveying and mapping of the German colony South West Africa shows obvious failings. Even so the mapping of the colony can be evaluated positive. For that time, the possibilities, instruments and methods, for the small number of employees and with the knowledge of the infrastructure and the living conditions the results are quite good. Many beautiful and high quality single maps and maps series of special area and for the whole country are known. This is much more astonishing as none of the neighbour countries could reach such an high standard up to the beginning of World War I. During the time of the South African mandatory power the competences and responsibilities of the surveying and mapping were also not clearly defined. After World War I but up to the 1950th South West Africa had an exceptional position compared to the South African provinces. The surveying office in Windhuk was responsible for all surveyings and mappings in South West Africa. For this the country was partly cutted from the latest methodic and technic developments of the South African Trigsurvey. On the other hand Windhuk could use his independence for own ways. For this the SWA-maps produced in the 1930th were printed in Southampton and not at the South African Government Printer in Pretoria and show a much better printing quality than the South African maps of that time. At the latest with the beginning of the production process of the map series in 1:50 000, 1:250 000 and smaller in the 1960th the mapping process of South West Africa/Namibia was fully controlled and affected by the South African Trigsurvey. Despite a lot of problems there are both for the Precolonial period, for the German and for the South African time a lot of good maps from many different authors and for different objections produced known. An analysis of the geometric accuracy of four maps, made between 1879 and 1980 (Chapter 6) shows additionally the high importance of area-wide triangulations for high quality maps. The reason for the overweight of the German colonial time in this work depends on the one side on the many maps and other cartographic products and activities of that time but on the other side it depends also on the high quantity and quality of resources about surveying and mapping in the German time.

Nach Darstellung der Anforderungen an ein zeitgemäßes Flächennutzungsmonitoring werden aktuelle Ergebnisse des Monitors der Siedlungs- und Freiraumentwicklung (IÖR-Monitor) vorgestellt. Diese beruhen insbesondere auf der Analyse topographischen Geobasisdaten von 2012 (mittlere Grundaktualität 2010). Die Siedlungs- und Verkehrsfläche steigt danach weiter ungemindert, sodass keine Entwarnung bzgl. des Erreichens der Flächensparziele gegeben werden kann. Da sich der IÖR-Monitor insbesondere auf die Auswertung des ATKIS Basis-DLM stützt, werden dessen jüngste Entwicklungen mit den Aspekten Aktualität und AAA-Migration vorgestellt. Erstmals werden die Ergebnisse des IÖR-Monitors durch Migrationseffekte geringfügig beeinflusst, die im Detail dargestellt werden. Anschließend werden neue Indikatoren der Kategorie Siedlung (Bodenversiegelungsgrad), Gebäude (Gebäudedichte und -überbauungsgrad) sowie Landschaftsqualität (Anteil naturbetonter Flächen und Hemerobieindex) erläutert. Inzwischen ist auch die kleinräumige Indikatordarstellung in Form von Rasterkarten bis 100-m-Rasterweite in einem integrierten Detailviewer mit GIS-Funktionalität möglich. Die technische Realisierung und die verfügbaren Indikatorkarten werden kurz vorgestellt. Der Beitrag schließt mit einem Ausblick auf die nächsten Arbeiten im IÖR-Monitor ab.

Für die kleinräumige Modellierung und Analyse von Prozessen im Siedlungsraum spielen gebäudebasierte Informationen eine zentrale Rolle. In amtlichen Geodaten, Karten und Diensten des Liegenschaftskatasters und der Landesvermessung werden die Gebäude in ihrem Grundriss modelliert. Semantische Informationen zur Gebäudefunktion, der Wohnform oder dem Baualter sind in den Geobasisdaten nur selten gegeben. In diesem Beitrag wird eine Methode zur automatischen Klassifizierung von Gebäudegrundrissen vorgestellt mit dem Ziel, diese für die Ableitung kleinräumiger Informationen zur Siedlungsstruktur zu nutzen. Dabei kommen Methoden der Mustererkennung und des maschinellen Lernens zum Einsatz. Im Kern werden Gebäudetypologie, Eingangsdaten, Merkmalsgewinnung sowie verschiedene Klassifikationsverfahren hinsichtlich ihrer Genauigkeit und Generalisierungsfähigkeit untersucht. Der Ensemble-basierte Random-Forest-Algorithmus zeigt im Vergleich zu 15 weiteren Lernverfahren die höchste Generalisierungsfähigkeit und Effizienz und wurde als bester Klassifikator zur Lösung der Aufgabenstellung identifiziert. Für Gebäudegrundrisse im Vektormodell, speziell den Gebäuden aus der ALK, dem ALKIS® oder dem ATKIS® Basis-DLM sowie den amtlichen Hausumringen und 3D-Gebäudemodellen, kann mit dem Klassifikator für alle städtischen Gebiete eine Klassifikationsgenauigkeit zwischen 90 % und 95 % erreicht werden. Die Genauigkeit bei Nutzung von Gebäudegrundrissen extrahiert aus digitalen topographischen Rasterkarten ist mit 76 % bis 88 % deutlich geringer. Die automatische Klassifizierung von Gebäudegrundrissen leistet einen wichtigen Beitrag zur Gewinnung von Informationen für die kleinräumige Beschreibung der Siedlungsstruktur. Neben der Relevanz in den Forschungs- und Anwendungsfeldern der Stadtgeographie und Stadtplanung sind die Ergebnisse auch für die kartographischen Arbeitsfelder der Kartengeneralisierung, der automatisierten Kartenerstellung sowie verschiedenen Arbeitsfeldern der Geovisualisierung relevant.

Der Bestand an analysierbaren, digitalen Daten vergangener Zeitstände zur Siedungsflächenausdehnung, die für eine kleinräumige Analyse der Siedlungsdynamik notwendig sind, steht in einem klaren Widerspruch zu seiner Nachfrage. Topographische Karten im Maßstab 1:25 000 enthalten implizit Grundrissinformationen zu den Elementarobjekten der Siedlungsstruktur – Baublock, Straße und Gebäude – und stellen dafür eine geeignete Datenquelle dar. Das hier vorgestellte automatisierte Verfahren zeigt, wie diese Information für Baublöcke mittels Methoden der digitalen Bildanalyse explizit verfügbar gemacht werden kann.

Für die Beantwortung verschiedener Fragestellungen im Siedlungsraum werden kleinräumige Informationen zur Siedlungsstruktur (funktional, morphologisch und sozio-ökonomisch) benötigt. Der Gebäudebestand spielt eine besondere Rolle, da dieser die physische Struktur prägt und sich durch dessen Nutzung Verteilungsmuster von Wohnungen, Arbeitsstätten und Infrastrukturen ergeben. In amtlichen Geodaten, Karten und Diensten des Liegenschaftskatasters und der Landesvermessung sind die Gebäude in ihrem Grundriss modelliert. Diese besitzen allerdings nur selten explizite semantische Informationen zum Gebäudetyp. Es stellt sich die Frage, ob und wie genau eine automatische Erkennung von Gebäudetypen unter Nutzung von Methoden der Geoinformatik, der Mustererkennung und des maschinellen Lernens möglich ist. In diesem Buch werden methodische Bausteine zur automatischen Klassifizierung von Gebäudegrundrissen vorgestellt. Im Kern werden Fragen beantwortet zu den Datenanforderungen, der Gebäudetypologie, der Merkmalsgewinnung sowie zu geeigneten Klassifikationsverfahren und den Klassifikationsgenauigkeiten, die abhängig von Eingangsdaten, Siedlungstyp und Trainingsdatenmenge erzielt werden können. Der Random-Forest-Algorithmus zeigte die höchste Flexibilität, Generalisierungsfähigkeit und Effizienz und wurde als bestes Klassifikationsverfahren identifiziert. Die Arbeit leistet einen wichtigen Beitrag zur Gewinnung kleinräumiger Informationen zur Siedlungsstruktur. Die entwickelte Methodik ermöglicht ein breites Anwendungsspektrum in der Wissenschaft, Planung, Politik und Wirtschaft (u. a. Stadt- und Regionalplanung, Infrastrukturplanung, Risikomanagement, Energiebedarfsplanung oder dem Geomarketing).:Vorwort .................................................................................................. I Danksagung ......................................................................................... III Kurzfassung und Thesen ....................................................................... V Abstract and Theses ............................................................................. IX Inhaltsverzeichnis ................................................................................ XV 1 Einleitung ............................................................................................ 1 2 Grundlagen zur Siedlungsstruktur .................................................... 11 3 Methodische Grundlagen der Mustererkennung .............................. 57 4 Forschungsstand .............................................................................. 95 5 Konzeptionelle Vorüberlegungen .................................................... 113 6 Mögliche Datenquellen zum Gebäudegrundriss .............................. 127 7 Entwicklung des Verfahrens ........................................................... 143 8 Ergebnisse und Diskussion ............................................................. 201 9 Schlussfolgerungen und Ausblick .................................................... 259 Literatur ............................................................................................. 275 Abkürzungsverzeichnis ...................................................................... 311 Abbildungsverzeichnis ....................................................................... 320 Tabellenverzeichnis ........................................................................... 323 Anhang A Datengrundlagen zur Siedlungsstruktur ......................................... 327 B Gebäudetypologie .......................................................................... 343 C Merkmale ........................................................................................ 349 D Entwicklung des Klassifikators ........................................................ 365 E Genauigkeitsuntersuchung ............................................................. 375 F Exemplarische Anwendung von BFClassTool ................................... 395 / Building data are highly relevant for the small-scale description of settlement structures. Spatial base data from National Mapping and Cadastral Agencies describe the buildings in terms of the geometry but often lack semantic information on the building type. Here, methods for the automatic classification of building footprints are presented and discussed. The work addresses issues of data integration, data processing, feature extraction, feature selection, and investigates the accuracy of various classification methods. The results are of scientific, planning, policy and business interest at various spatial levels.:Vorwort .................................................................................................. I Danksagung ......................................................................................... III Kurzfassung und Thesen ....................................................................... V Abstract and Theses ............................................................................. IX Inhaltsverzeichnis ................................................................................ XV 1 Einleitung ............................................................................................ 1 2 Grundlagen zur Siedlungsstruktur .................................................... 11 3 Methodische Grundlagen der Mustererkennung .............................. 57 4 Forschungsstand .............................................................................. 95 5 Konzeptionelle Vorüberlegungen .................................................... 113 6 Mögliche Datenquellen zum Gebäudegrundriss .............................. 127 7 Entwicklung des Verfahrens ........................................................... 143 8 Ergebnisse und Diskussion ............................................................. 201 9 Schlussfolgerungen und Ausblick .................................................... 259 Literatur ............................................................................................. 275 Abkürzungsverzeichnis ...................................................................... 311 Abbildungsverzeichnis ....................................................................... 320 Tabellenverzeichnis ........................................................................... 323 Anhang A Datengrundlagen zur Siedlungsstruktur ......................................... 327 B Gebäudetypologie .......................................................................... 343 C Merkmale ........................................................................................ 349 D Entwicklung des Klassifikators ........................................................ 365 E Genauigkeitsuntersuchung ............................................................. 375 F Exemplarische Anwendung von BFClassTool ................................... 395