Bachelorarbeit
Entwicklung einer GIS–Komponente
zur automatisierten Darstellung und
Verarbeitung von georeferenzierten
Sichtungsdaten
Lisa Jermann
536871
Fachbereich 2, Studiengang Umweltinformatik
Erstgutachter: Prof. Dr.-Ing. Jochen Wittmann
Zweitgutachter: Dipl.-Biol. Fabian Ritter
Berlin, 30. März 2015
Eigenständigkeitserklärung
Ich versichere, dass ich die vorliegende Bachelorthesis selbständig und ohne unerlaubte Hilfe
Dritter verfasst und keine anderen als die angegebenen Quellen und Hilfsmittel verwendet
habe. Alle Stellen, die inhaltlich oder wörtlich aus Veröffentlichungen stammen, sind als
solche kenntlich gemacht. Diese Arbeit lag in gleicher oder ähnlicher Weise noch keiner
Prüfungsbehörde vor und wurde bisher nicht veröffentlicht.
Berlin, 30. März 2015
Datum
Lisa Jermann
2
Abstract
The present work describes the development of a GIS component with which it is possible to
display and process geo-referenced sighting data of whales and dolphins automatically. The
data have been collected since 1995 by a long-term study of the club „M.E.E.R. e.V.“ in
cooperation with whale watching tours offered by "OCEANO" on La Gomera (Canary Islands,
Spain). The data table includes more than 9,000 sightings and space-based evaluations in
this work with the help of a GIS component and resultant simplified processes. For the
development of the GIS component the geo information system ArcGIS 10.1 is used. The aim
of the work is the description of the automation of existing processes which have been
realized by the help of the Python programming language implemented in ArcGIS. For this
purpose, tasks were designed and implemented to allow a complete set of processing and
analysis process flow. For this purpose, the import of the table has been automated and
processed through specific queries. Furthermore, the coordinates of the sightings have been
supplemented by stating the distance to the coast, the sea depth and the inclination of the
slope with the aid of suitable bathymetric maps. In addition, solutions have been developed
to measure environmental parameters, the sea surface temperature (SST) and the
chlorophyll-a-content for each coordinates of the sightings by appropriate satellite imagery
from NASA feed. The developed GIS component represents an interface between the spatial
information and tasks of the association “M.E.E.R. e.V.” and the geographic information
system ArcGIS.
3
Zusammenfassung
Die vorliegende Arbeit beschreibt die Entwicklung einer GIS-Komponente, mit der
georeferenzierte Sichtungsdaten von Walen und Delfinen automatisch dargestellt und
verarbeitet werden können. Erhoben werden die Daten seit 1995 durch eine Langzeitstudie
des Vereins „M.E.E.R. e.V.“ in Kooperation mit Walbeobachtungstouren des Anbieters „OCEANO“ auf La Gomera (Kanaren, Spanien). Die Datentabelle umfasst mittlerweile mehr
als 9000 Sichtungen und wird in dieser Arbeit mit Hilfe der GIS-Komponente raumbezogen
ausgewertet und entstandene Prozesse vereinfacht. Für die Entwicklung der GISKomponente wird das Geoinformationssystem ArcGIS 10.1 verwendet. Es ist das Ziel der
Arbeit, die Automatisierung bisheriger Prozesse darzustellen, die mit Hilfe der in ArcGIS
implementierten Programmiersprache Python umgesetzt wurde. Hierzu wurden Aufgaben
entworfen und implementiert, die einen kompletten Ablauf des raumbezogenen
Bearbeitungs- und Analyseprozesses ermöglichen. Hierfür wurde der Import der Tabelle
automatisiert und durch gezielte Abfragen aufbereitet. Des Weiteren wurden die
Sichtungskoordinaten erweitert durch die Messgrößen Abstand zur Küste, Meerestiefe und
Untergrundneigung mit Hilfe einer geeigneten bathymetrischen Karte. Zudem wurden
Lösungen entwickelt, um die Umweltparameter Oberflächentemperatur (SST) und
Chlorophyll-a-Gehalt für die einzelnen Sichtungskoordinaten durch entsprechende
Satellitenbilder der NASA einzuspeisen. Die entwickelte GIS-Komponente stellt abschließend
eine Schnittstelle zwischen den raumbezogenen Informationen und Aufgaben des Vereins
„M.E.E.R. e.V.“ und dem Geoinformationssystem ArcGIS dar.
4
Inhaltsverzeichnis
Eigenständigkeitserklärung ............................................................................................... 2
Abstract ............................................................................................................................ 3
Zusammenfassung ............................................................................................................ 4
Abbildungsverzeichnis ...................................................................................................... 7
Abkürzungsverzeichnis...................................................................................................... 7
1
EINLEITUNG ............................................................................................................... 8
2
GRUNDLAGEN .......................................................................................................... 11
3
2.1
Forschungsprojekt „M.E.E.R. La Gomera“ ................................................................. 11
2.2
Untersuchungsgebiet................................................................................................. 13
2.2.1
Kanaren .............................................................................................................. 14
2.2.2
La Gomera .......................................................................................................... 16
2.3
Cetaceen .................................................................................................................... 17
2.4
Datenerhebung .......................................................................................................... 17
2.4.1
Erhebung der Messgröße „Entfernung zur Küste“ und „Meerestiefe“ ............. 19
2.4.2
Erhebung der Umweltvariablen ......................................................................... 20
2.4.3
Auswertung der Daten Statistik/GIS .................................................................. 21
2.5
Geoinformationssystem (GIS).................................................................................... 23
2.6
ArcGIS ........................................................................................................................ 25
2.6.1
ArcMap ............................................................................................................... 25
2.6.2
ArcCatalog .......................................................................................................... 25
2.6.3
ModelBuilder ...................................................................................................... 26
2.6.4
Python ................................................................................................................ 26
ANALYSE .................................................................................................................. 27
3.1
Prozess–Übersicht ..................................................................................................... 27
3.2
Aufarbeitung des Datenmaterials ............................................................................. 28
3.3
Anforderungen an die Software ArcGIS .................................................................... 28
3.4
Bisherige Lösungen .................................................................................................... 29
3.5
Problemstellung......................................................................................................... 29
5
4
ENTWURF ................................................................................................................ 32
4.1
5
Prozessübersicht ........................................................................................................ 32
IMPLEMENTIERUNG ................................................................................................. 37
5.1
Tiefenkarte................................................................................................................. 37
5.2
Python-Skript erstellen .............................................................................................. 38
5.3
Import der Datentabelle ............................................................................................ 39
5.4
Anpassung der geographischen Koordinaten ........................................................... 40
5.5
Ermittlung des Abstands zur Küste ............................................................................ 40
5.6
Ermittlung der Meerestiefe & Slope.......................................................................... 41
5.7
Einbinden einer externen Toolbox ............................................................................ 42
5.8
Aufbereitung des Datensatzes................................................................................... 42
5.9
Karten für Umweltparameter .................................................................................... 47
6
ERGEBNISSE ............................................................................................................. 50
7
FAZIT ....................................................................................................................... 55
7.1
Ausblick ...................................................................................................................... 56
7.1.1
Eingabemaske..................................................................................................... 56
7.1.2
NASA Daten ........................................................................................................ 57
7.1.3
Detailliertere Tiefenkarte ................................................................................... 58
7.1.4
Online-Karten ..................................................................................................... 58
7.1.5
Server-Verbindung ............................................................................................. 58
Literaturverzeichnis ........................................................................................................ 59
Anhang ........................................................................................................................... 61
6
Abbildungsverzeichnis
Abbildung 1: Walbeobachtungstour mit einem Segelboot (M.E.E.R. e.V.).............................................................. 8
Abbildung 2: M.E.E.R. e.V. Logo ............................................................................................................................ 11
Abbildung 3: Übersichtskarte der Kanarischen Inseln (Wikipedia: Canarias-rotulado.png, modifiziert) .............. 14
Abbildung 4: Strömungsmuster der Nordostpassatwinde (Wikipedia: Canarias_NASA.jpg) ................................ 15
Abbildung 5: Sichtungsgebiet vor La Gomera (Heuer, 2013) ................................................................................ 16
Abbildung 8: Sichtungsblatt M.E.E.R. e.V. 2011 (M.E.E.R. e.V.) ............................................................................ 18
Abbildung 9: Ausschnitt des Gebietes vor La Gomera im Programm „C-MAP“ .................................................... 20
Abbildung 10: Auszug aus der Sichtungsdatenbank in Excel................................................................................. 22
Abbildung 11: Darstellungsweise einer Daten-Layer-Struktur (MacLeod 2011:11) .............................................. 24
Abbildung 12: Übersichtsschema ArcGIS (Esri) ..................................................................................................... 25
Abbildung 13: Modell im ModelBuilder................................................................................................................. 26
Abbildung 14: Ist-Struktur des Bearbeitungs- und Analyseprozesses ................................................................... 27
Abbildung 15: Soll-Konzept ................................................................................................................................... 32
Abbildung 16: NASA Satellitenbild von OceanColorWeb weltweit für den Chlorophyll-a-Gehalt
(http://oceancolor.gsfc.nasa.gov/cgi/l3) .............................................................................................................. 36
Abbildung 17: ArcMap Toolbox „Spatial Analyst Tools“ Ausschnitt ..................................................................... 37
Abbildung 18: Sichtungshäufigkeit der Cetaceen nach der Art seit 1995 bis 2014 ............................................... 43
Abbildung 19: ArcMap Toolbox “MGET” Ausschnitt ............................................................................................. 47
Abbildung 20: Level 2 SST NASA Daten aus dem ArcGIS für das Gebiet der Kanaren ........................................... 47
Abbildung 21: HDF NASA Daten aus dem ArcGIS für das Gebiet der Kanaren (Bicolor)........................................ 48
Abbildung 22: Tool "Convert SDS in HDF to ArcGIS Raster" .................................................................................. 49
Abbildung 23: ArcMap Toolbox mit den erstellten Python-Skripten ..................................................................... 50
Abbildung 24: Ausführung des Skriptes in ArcMap ............................................................................................... 50
Abbildung 25: Sichtungsgebiet vor La Gomera mit den Sichtungskoordinaten .................................................... 51
Abbildung 26: Neigungskarte ArcMap .................................................................................................................. 52
Abbildung 27: Sichtungsgebiet vor La Gomera mit den erstellten Layern ............................................................ 53
Abbildung 28: Ausschnitt des Projektes in ArcMap ............................................................................................... 54
Abbildung 29: SST und Sichtungen vor La Gomera (Strüh, 2008) .......................................................................... 57
Abkürzungsverzeichnis
2D; 3D
Abb.
bzw.
d.h.
e.V.
f.; ff.
GIS
M.E.E.R.
N
W
WGS
WHC
2-dimensional; 3-dimensional
Abbildung
Beziehungsweise
das heißt
eingetragener Verein
folgende; fortfolgende
Geografisches Informationssystem
Mammals, Encounters, Education, Research
Nord
West
World Geodetic System
World Heritage Committee
7
1 EINLEITUNG
Wasser bedeckt über 70 Prozent der Erdoberfläche. Das Wissen über die Gebiete unterhalb
der Wasseroberfläche ist im Vergleich zu dem über die Landmassen gering. Die Aktivitäten
innerhalb des marinen Raumes nehmen jedoch erheblich zu. Im Allgemeinen werden die
Meere durch die Fischerei, den Klimawandel, den Bau von Offshore-Windanlagen oder durch
den wachsenden Tourismus stark belastet. Delfine und Wale bilden eine der davon global
bedrohten Tierarten, deren Lebensraum durch die Meeresverschmutzung, die direkte
Bejagung oder den ausufernden Walbeobachtungstourismus gefährdet ist. Leider erkannte
man erst in den letzten Jahren, welche ernst zu nehmende Problematik der Schiffsverkehr
darstellt, und zwar durch den steigenden Lärmpegel im Meer und durch tödliche Kollisionen
mit Meeresbewohnern.
Abbildung 1: Walbeobachtungstour mit einem Segelboot (M.E.E.R. e.V.)
Um die Risiken für die unter Wasser lebenden Tiere abschätzen zu können und mögliche
Gegenmaßnahmen zu entwickeln, bedarf es Forschungen und Kenntnisse über die marinen
Ökosysteme. Eine Form des Meeresschutzes leistet der eingetragene Verein „M.E.E.R. e.V.“,
der sich mit dem Projekt „M.E.E.R. La Gomera“ für den Schutz der Wale und Delfine vor der
Insel La Gomera (Kanaren, Spanien) einsetzt. Mit Hilfe des ortsansässigen Whale-WhatchingAnbieters „OCEANO“ wurde eine wissenschaftliche Datenerhebung erst möglich.
8
Durch eine Studie des M.E.E.R. e.V. wurde festgestellt, dass jede Art einen bestimmten
Bereich von Lebensraumcharakteristiken bevorzugt. Beispielsweise suchen der Große
Tümmler und der Rauzahndelfin im Durchschnitt den Lebensraum nahe der Küste gerne auf
und Grindwale halten sich weiter Offshore auf. Durchschnittliche Tiefenwerte spiegelten
diesen
allgemeinen
Verteilungs-Trend
ebenfalls
wieder.
Werte
bezüglich
der
Untergrundneigung variierten deutlich zwischen den Arten. Dies zeigte, dass der Grindwal
und der Fleckendelfin lieber steilere Bodentopographien bevorzugten, während sich der
große Tümmler und der Rauzahndelfin eher über einer geringeren Hangneigung aufhielten.
Diese Langzeitstudie bewies, dass die Verteilung von Cetaceen im Zusammenhang mit
physikalischen Eigenschaften ihres Lebensraums steht. Unterschiedliches Vorkommen der
Arten hängt bedeutsam mit Wassertiefe, Entfernung zur Küste und Untergrundneigung
zusammen. Deshalb ist es besonders wichtig, weitere Aussagen über den bevorzugten
Aufenthaltsort der Tiere treffen zu können. Hierfür ist besonders die Suche nach einer
geeigneten Tiefenkarte wichtig, um die Attribute Meerestiefe und Untergrundneigung den
Sichtungsdaten zuweisen zu können. (Vgl. (Smitt, Ritter, Ernert, & Strüh, 2010))
Somit bildet die Datenbank mit den dokumentierten Sichtungen die Grundlage für die
raumbezogene und statistische Auswertung. Durchgeführt wird die raumbezogene
Auswertung mit dem Geoinformationssystem ArcGIS. Hiermit ist es möglich, die
georeferenzierten Datensätze aus der Datenbank mit dem Programm ArcGIS auszuwerten
und wissenschaftliche Aussagen über das Vorkommen der Cetaceen zu treffen. Die zu
entwickelnde GIS-Komponente bildet somit die Schnittstelle zwischen den raumbezogenen
Sichtungsdaten und der georeferenzierten Auswertung durch das Programm ArcGIS.
Ziel der Arbeit:
Ziel dieser Arbeit ist die Entwicklung und Implementierung einer GIS-Komponente, die
georeferenzierte Sichtungsdaten automatisiert darstellen und verarbeiten kann. Basierend
auf einer Datenbank, die über 9000 Sichtungen von Walen und Delfinen enthält, sollen
Probleme, die während des raumbezogenen Bearbeitungs- und Analyseprozesses entstehen,
vereinfacht und erweitert werden.
Damit soll dem Benutzer die raumbezogene Auswertung leichter möglich sein. Zudem sollen
Aufgabenteile gelöst werden, wie zum Beispiel aktualisierte Formen der Datenbank in das
GIS einzuspeisen, die Sichtungsdaten zu visualisieren und sie zu erweitern durch Attribute
9
wie Abstand zur Küste, Meerestiefe und die Untergrundneigung. Für letzteres ist es zunächst
notwendig, eine geeignete bathymetrische Karte zu finden, die über die entsprechenden
Tiefenwerte vor La Gomera verfügt. Zudem soll die Erweiterung der Sichtungsdaten durch
die Umweltparameter Oberflächentemperatur und Chlorophyll-a-Gehalt erreicht werden.
Das Ziel ist, im Allgemeinen eine Komponente hierfür zu entwickeln, die diese Aufgaben
erfüllt und möglichst leicht zu implementieren und zu erweitern ist.
Diese Arbeit beschäftigt sich nicht mit der näheren Beschreibung der Cetaceen-Arten, der
Auswertung der Datensätze und folglich wissenschaftlichen Aussagen über das Vorkommen
der Tiere, Fehleruntersuchungen oder statistischen Auswertungen. Die entwickelte GISKomponente soll jedoch eine Grundlage bilden, auf der diese Aufgaben leichter gelöst
werden können.
Aufbau der Arbeit:
Die Arbeit beginnt mit den Grundlagen bezüglich der Tätigkeit des Vereins M.E.E.R. e.V.,
näheren Beschreibungen zum Untersuchungsgebiet und dem Ablauf der Erfassung der
Sichtungsdaten sowie der Festlegung des Rahmens für die verwendeten Programme. Danach
folgt die Analyse, die sich mit dem bisherigen Ablauf des raumbezogenen Bearbeitungs- und
Analyseprozesses der raumbezogenen Auswertung der Sichtungsdaten beschäftigt, sowie
den Problemen, die dabei auftreten. Darauf folgt der Entwurf eines geeigneten Zielsystems
und die Ausarbeitung zu erfüllender Aufgabenteile. Dies bildet die Grundlage für die zu
entwickelnde GIS-Komponente. Folglich wird die Umsetzung und Implementierung der
Aufgabenteile näher beschrieben und die Funktionen der einzelnen Komponenten erläutert.
Zum Schluss folgt der Ergebnisteil der implementierten GIS-Komponente.
10
2 GRUNDLAGEN
In dem folgenden Kapitel werden Grundlagen dargestellt, die wichtig sind für das
Verständnis der Arbeit und des Arbeitsumfeldes. Sie legen den Rahmen fest, in dem die GISKomponente erarbeitet und implementiert wird.
2.1 Forschungsprojekt „M.E.E.R. La Gomera“
Nach (Ritter, 2013): M.E.E.R. e.V. ist ein gemeinnütziger Verein, welcher 1998 in Berlin mit
dem Projekt „M.E.E.R. La Gomera“ gegründet wurde. Ziel des Vereins ist, im Sinne des
Umweltschutzes die Erforschung und den Schutz der Wale und Delfine (Cetaceen) und ihres
marinen Lebensraums vor La Gomera (Kanarische Inseln) voranzutreiben. Die Arbeit des
Vereins soll vor allem als Handlungsgrundlage für Entscheidungsträger dienen, ein
öffentliches Bewusstsein für Meer, Delfine und Wale
schaffen und den verantwortungsvollen Umgang mit der
Natur durch eine nachhaltige Nutzung aufzeigen. Anhand
von
herkömmlichen
Walbeobachtungstouren
(engl.:
Whale Whatching Tours) wird das Vorkommen und
Verhalten der Tiere erforscht, indem während der
Abbildung 2: M.E.E.R. e.V. Logo
Beobachtungen wichtige Informationen zu den Sichtungen erfasst werden. 1995 wurden
diese Daten erstmals im Rahmen einer Diplomarbeit von Herrn Fabian Ritter, Gründer des
Vereins, erhoben. Daraufhin gründete man im Jahr 1997 das Forschungsprojekt „M.E.E.R. La Gomera“. Mit Hilfe des ortsansässigen Whale-Whatching-Anbieters „OCEANO“, wurde eine wissenschaftliche Datenerhebung erst ermöglicht. Seit 1995 erfasste und dokumentierte
man über 9000 Sichtungen.
Durch diese Forschung konnte festgestellt werden, dass vor La Gomera eine besonders
große Artenvielfalt von Cetaceen vorliegt. Mittels einer Langzeitstudie im Jahre 2003 wurde
des Weiteren ermittelt, dass es sich vor La Gomera für einige Cetaceenarten sowohl um ein
Nahrungs- als auch ein Aufzuchtgebiet handelt. Bisher wurden auf La Gomera seit der
Datenerfassung 23 verschiedene Cetaceen Arten gesichtet. Auswertungen der Daten haben
gezeigt, dass die Präsenz der Tiere vor allem im Frühjahr zwischen März und Mai, mit einer
Sichtungsrate von 85%, besonders zunimmt. (Vgl. (Ritter, 2003) & (Strüh, 2008))
11
Weitere Untersuchungen haben ergeben, dass der Meeresraum vor La Gomera besonders
auf Grund der geomorphologischen Verhältnisse bevorzugt wird. Die Tatsache, dass diese
vulkanischen Inseln von einer Meerestiefe bis über 3000 m umgeben sind, begünstigt die
Präsenz rein pelagischer1 Cetaceenarten (z.B. Pott-, Grind- und Schnabelwale) in relativer
Küstennähe. Genauer ist damit die Beziehung zwischen Küstenentfernung und Meerestiefe
gemeint. In diesem Zusammenhang eruierte Heimlich-Boran (1993), dass sich der Indische
Grindwal insbesondere im Meeresraum rund um die 1000-m-Tiefenlinie aufhält, welches in
Beziehung mit dem Vorkommen seiner bevorzugten Beute, Kalmare, gebracht wird. (Vgl.
(Strüh, 2008))
Eine weitere Beziehung zur Cetaceendiversität wird mit Umweltvariablen in Verbindung
gebracht. Untersuchungen ergaben, dass die Produktivität eines Gebietes durch die
Wechselbeziehung der Oberflächentemperatur (SST engl.: sea surface temperature) und
dem Nährstoffgehalt (Chlorophyll-a-Gehalt) beeinflusst wird. Für das Überleben benötigen
die Cetaceen ein hohes Nahrungsangebot, deshalb sind sie ein guter Indikator für die
Produktivität eines Gebietes, welches das Vorhandensein von Plankton voraussetzt. Die
Aufnahmefähigkeit des Wassers für Sauerstoff steigt bei niedrigeren Temperaturen,
wodurch
bessere
Voraussetzungen
für
Plankton
gegeben
sind.
Mittels
Fernerkundungssatelliten werden die Daten bezüglich SST und Chlorophyll-a-Gehalt
erhoben. (Vgl. (Strüh, 2008)).
Auf Grund der hohen Artenvielfalt vor La Gomera ist es besonders wichtig, dass ein
effektives Schutzgebiet errichtet wird, denn die Meeressäuger sind steigenden Gefahren
ausgesetzt. Eine der Gefahren stellt der wachsende Tourismus dar. So kam es beispielsweise
1996
auf
Teneriffa
zu
einem
Anstieg
von
ehemals
40.000
auf
700.000
Walbeobachtungstouristen. Die ehemaligen Fischer nutzten ihre Boote für den lukrativeren
Waltourismus und somit betrieben bis zu 50 Boote an einem Tag Whale Whatching. Die
Regierung der kanarischen Inseln reagierte noch im selben Jahr, jedoch wirkten die
Regulierungen durch Verteilung von Lizenzen erst zwei Jahre später durch strengere und
häufigere Kontrollen. Herrn Ritters Studienergebnisse von 2001, die von der Interaktion der
Cetaceen
1
mit
Booten
handelte,
halfen
zudem
bei
der
Ausarbeitung
von
Pelagisch = Die küstenferne Hochsee oder das offene Meer wird als pelagisch bezeichnet
12
Walbeobachtungsrichtlinien und Regulierungen zum Schutz der Meeressäuger (Ritter, 2001).
Somit wurde die Zahl der zugelassenen Whale-Whatching-Boote von 50 Booten allein auf
Teneriffa auf 40 Boote im gesamten Kanarischen Archipel reduziert, fünf davon auf La
Gomera (Vgl. (Koch, 2007)).
Durch den steigenden Tourismus auf den Kanarischen Inseln stieg nicht nur die Anzahl der
Walbeobachtungsboote, sondern auch die der Schnellfähren, die besonders zwischen
Teneriffa und La Gomera verkehren. Mit Hilfe des Projekts „M.E.E.R. La Gomera“ wurden ebenfalls die Schnellfähren im Hinblick auf Lärmintensität und vor allem auf die
Kollisionshäufigkeit mit Cetaceen untersucht. Die Kollisionen sind dabei meist tödlich für die
Wale und Delfine. Die Zahl der Tiere, die bei diesen Zusammenstößen sterben, liegt jährlich
bei ca. 20, wobei die Dunkelziffer weitaus höher ist. (Vgl. (Ritter, 2010))
Weitere Gefahren für die Tiere sind die zunehmende Meeresverschmutzung, der
Lebensraumverlust und der schleichende Prozess des Klimawandels, da sie die
Wechselbeziehungen zwischen den Umweltvariablen negativ beeinflussen können. Das
Projekt „M.E.E.R. La Gomera“ ist nicht nur für die Kanarischen Inseln wichtig, sondern auch
weltweit. Durch die Forschungsarbeit wurde die Artenvielfalt der Cetaceen belegt und vor
allem auf deren Schutzbedürftigkeit und darauf, welche Verantwortung und Aufgabe der
Mensch in diesem empfindlichen Ökosystem trägt, hingewiesen. (Vgl (Heuer, 2013))
2.2 Untersuchungsgebiet
Nach (Strüh, 2008): Das Forschungsgebiet des Projektes „M.E.E.R. La Gomera“ liegt südwestlich vor La Gomera, der zweitkleinsten der sieben kanarischen Hauptinseln. Bisher
wurden hier 23 verschieden Wal- und Delfinarten gesichtet (Vgl (Ritter, Ernert, & Smit,
2011)). Der Kanarische Archipel weist eine hohe Artenvielfalt auf, hier wurden bisher
insgesamt 28 Cetaceenarten gesichtet (Carrillo, 2010). Weltweit wurden bisher 86 Walarten
entdeckt (Reeves, 2003). Andere, ebenfalls für ihre Cetaceendiversität bekannte Gebiete
können sich nicht mit der Artenvielfalt des Kanarischen Archipels vergleichen. Auf den
Azoren beispielsweise kommen 20 Arten und auf den Kapverdischen Inseln 18 Arten vor.
Gründe für diese Artenvielfalt vor La Gomera könnten die geomorphologischen Verhältnisse
und klimatische Bedingungen sein. Letzteres besonders wegen der Nahrung und Aufzucht
der Jungtiere.
13
2.2.1 Kanaren
Nach (Rothe, 1996): Der Kanarische Archipel erstreckt sich von 27° 38´ bis 29° 30´ nördlicher
Breite und von 13° 22´ bis 18° 11´ westlicher Länge. Er umfasst sieben Hauptinseln mit einer
Gesamtfläche von 7500 km². Diese sind der Größe nach absteigend Teneriffa, Fuerteventura,
Gran Canaria, Lanzarote, La Palma, La Gomera und El Hiero. Sie sind im Atlantik östlich der
Westafrikanischen Küste im Kanarischen Becken gelegen.
Abbildung 3: Übersichtskarte der Kanarischen Inseln (Wikipedia: Canarias-rotulado.png, modifiziert)
Nach (Strüh, 2008): Die Entstehung der Kanaren begann vor ca. 22 Millionen Jahren durch
Plattenrandkonvektionen und Vulkanismus. Politisch gesehen gehören die Kanaren zu
Spanien. Geografisch liegt das Gebiet am Kontinentalrand ca. 100 km vor der Küste
Nordwestafrikas auf einer submarinen Plattform von etwa 3000 m Wassertiefe. Bei einigen
der Inseln fällt die Meerestiefe in relativem Abstand zur Küste stark ab. Somit kann man bei
einigen Inseln bereits nach 100 Metern Entfernung zur Küste eine Meerestiefe von 200 m
vorfinden.
Nach (M.E.E.R. e.V., 2008) und (Strüh, 2008): Auf den Inseln herrscht mediterranes bis
subtropisches Klima. Dies hat mehrere Faktoren. Zum einen ist der Grund dafür eine kühle
Meeresströmung (Kanarenstrom), welche kühle Wassermassen von Westafrika mit sich
bringt und vergleichsweise sauerstoff- und nährstoffreich ist. Somit bildet sich eine
Kaltluftfront in Kombination mit den Passatwinden, wodurch die heiße Luft nicht
durchdringt. Obwohl sie nahe dem Äquator gelegen sind, begünstigt dies die milden
Temperaturen auf der Insel von durchschnittlichen 25° C im Sommer und 17° C im Winter.
Die Wassertemperatur um die Inseln beträgt im Winter zwischen 17° C und 19° C und im
Sommer zwischen 22° C und 24° C. Die aus dem Nordosten kommenden Passatwinde
14
(Nordostpassatwinde) fördern im Südwesten des Kanarischen Archipels eine Leeseite (siehe
Abb. 4). Aufgrund des Windschattens entstehen ruhige Bereiche, was nicht nur die Fahrten
mit Booten erleichtert, sondern auch auf der Durchreise befindlichen Walen ermöglicht sich
auszuruhen. Zudem fördert der Kanarenstrom und die starke Sonneneinstrahlung den
Aufbau der Nahrungsgrundlage.
Abbildung 4: Strömungsmuster der Nordostpassatwinde (Wikipedia: Canarias_NASA.jpg)
Nach (Strüh, 2008): Eine weitere Ursache für die klimatischen Bedingungen bilden die in den
Sommermonaten von Mai bis August auftretenden Winde aus der Sahara, welche trocken,
heiß und sandig sind (genannt Calima). Wenn dieser Wind von Osten kommt, bringt er
warme Temperaturen mit sich und trägt den Saharasand an die Küste von Lanzarote und
Fuerteventura. Diese Inseln haben im Gegensatz zu den anderen eine eher geringe
Vegetation, da sie sehr flach sind und der Passatwind über sie hinweg zieht. Auf den anderen
Gebirgsinseln herrschen verschiedene Vegetationszonen. Die nordöstlich gelegenen Inseln
sind dort, wo sich die Passatwinde an der gebirgigen Landschaft stauen können, so wie am
höchsten Berg der Kanaren auf Teneriffa, dem „El Teide“ mit 3718 m, sehr vegetationsreich.
Hier fallen mehr Niederschläge und es findet sich, im Gegensatz zum eher trockenen und
vegetationsarmen Süden, eine höhere Pflanzen- und Tiervielfalt.
Nach (M.E.E.R. e.V., 2008): Die lokalen Gegebenheiten der Kanaren bilden somit spezielle
Bedingungen, die die Artenvielfalt von Cetaceen begünstigt. Ähnliche Verhältnisse herrschen
auf den Azoren, Hawaii-Inseln, Kapverden und den Galapagos-Inseln, welche ebenfalls eine
hohe Artenvielfalt an Walen und Delfinen in ihren Gewässern beherbergen.
15
2.2.2 La Gomera
Nach (Strüh, 2008): La Gomera erstreckt sich von 28° 01´ bis 28° 14´ nördlicher Breite und
17° 15´und 17° 21´ westlicher Länge und ist die zweitkleinste Insel des kanarischen Archipels.
Die annähernd kreisrunde Insel liegt 400 km vor dem westafrikanischen Festland und hat
eine Fläche von 380 km² mit einer Küstenlinie von ca. 98 km. Der höchste Punkt La Gomeras
ist der Alto de Garajonay, der sich im Zentrum mit 1487 m über Normalnull erhebt. Das
Untersuchungsgebiet von „M.E.E.R. La Gomera“ erstreckt sich südlich bis südwestlich von Vueltas (Valle Gran Rey) bis nach Playa Santiago und bis zu 10 km ins Meer mit einer Größe
von 340 km². Da es sich um vulkanische Inseln handelt, fällt bereits in relativer Küstennähe
die
Meerestiefe bis auf über 3000 m Tiefe, was die Präsenz von rein pelagischen
Cetaceenarten (z.B. Pott-, Grind- und Schnabelwalen) begünstigt.
Abbildung 5: Sichtungsgebiet vor La Gomera (Heuer, 2013)
Gemäß der Habitatrichtlinie, welche eine Naturschutz-Richtlinie der Europäischen Union
(EU) ist, wurde 2002 ein Teil (ca. 125 km²) des Gebietes (Franja marina Santiago-Valle Gran
Rey SAC ES7020123) als spezielles Gebiet2 zur Erhaltung ausgeschrieben (Ritter, 2003). Grund
dafür ist unter anderem das Vorkommen des bedrohten Großen Tümmlers, welcher seit
1996 auf der roten Liste der IUCN steht (IUCN, 2012). Durch die hohe Artenvielfalt von
Cetaceen vor La Gomera ist das Gebiet ideal für Vorkommen- und Verhaltensstudien.
2
Special Area of Conservation, SAC, respektive Site of Community Importance, SCI
16
2.3 Cetaceen
Nach (Ritter, 2007, S. 9) und (Koch, 2007): Cetaceen werden als die biologische Ordnung der
Waltiere (Wale und Delfine) gesehen. Sie werden in zwei Unterordnungen unterteilt. Zum
einen in Bartenwale, zu denen meist Großwale gehören, und Zahnwale, zu denen alle Delfine
sowie Pottwale, Schnabelwale u.v.m. gehören. (Vgl. (M.E.E.R. e.V., 2008))
Nach (Strüh, 2008): Die Säugetiere leben seit mehreren Millionen Jahren auf der Erde und
gelten als die am „höchsten“ entwickelte Lebensform im Ozean. (Vgl. (M.E.E.R. e.V., 2008))
Der Große Tümmler zählt zu der am häufigsten vorkommende Art, die ganzjährig zu
beobachten ist. Weitere ganzjährig auftretende Arten sind der Zügeldelfin, Blau-Weiße
Delfin, Gewöhnliche Grindwal, Rauzahndelfin und der Cuvier-Schnabelwal. Auf Grund der
saisonalen Bedingungen kommen die anderen 17 Arten seltener vor.
2.4 Datenerhebung
Bei der Datenerhebung handelt es sich um die Aufnahme von Sichtungsdaten. Dies sind
Informationen, die während der Sichtungen aufgezeichnet und später ausgewertet werden.
Als Sichtung wird die Zeitspanne bezeichnet, in der die Wale und Delfine beobachtet
werden.
Nach (Heuer, 2013) und (Strüh, 2008): Die Sichtungen finden auf regulären
Walbeobachtungsbooten in Zusammenarbeit mit dem Whale-Watching-Anbieter „OCEANO“
statt. Je nach Wetterbedingung und Nachfrage finden die bis zu vier Stunden langen Touren
zweimal täglich um 10:00 und 17:00 Uhr statt und beginnen im Hafen von Vueltas, im
südwestlich gelegenen Valle Gran Grey (28° 04´ 80´´ und 17° 19´ 90´´) auf Gomera. Dieses im
Windschatten der Insel gelegene Gebiet bietet sich durch den ruhigen Seegang besonders
an, da dadurch eine höhere Sichtungs-Wahrscheinlichkeit gegeben ist. Durchgeführt werden
die Touren mit Motorboten auf denen 6 Personen oder auf einem Segelboot auf dem 12
Personen Platz finden. Da die Sichtungen nur bei entsprechend gutem Wetter und ruhiger
See oder einer Windgeschwindigkeit bis ca. 18,5 km/h stattfinden können, ist eine tägliche
Aufnahme der Daten nicht gegeben. Durch die kontinuierliche Datenerhebung über
Jahrzehnte hinweg können trotzdem Aussagen über das Vorkommen der Cetaceen getroffen
werden. Bei einer Durchschnittsgeschwindigkeit von 4-6 Knoten (8-10 km/h) halten zwei
geschulte Beobachter Ausschau nach den Tieren. Dabei wird meist das Gebiet gewählt,
17
welches besonders wenig vom Wind beeinflusst wird, um die visuellen Zeichen besser
erkennen zu können. Dazu zählen Unregelmäßigkeiten in der Wellenbewegung,
aufspritzendes Wasser, Rückenfinnen der Cetaceen oder auch Vogelschwärme, da diese sich
ebenfalls an der Jagd von Fischen beteiligen. Sobald nur ein Wal oder Delfin gesichtet wird,
beginnt die Aufzeichnung, indem ein standardisiertes Sichtungsblatt ausgefüllt wird (siehe
Abbildung 6).
Abbildung 6: Sichtungsblatt M.E.E.R. e.V. 2011 (M.E.E.R. e.V.)
18
Auf dem Sichtungsblatt werden folgende Daten festgehalten: Boot, Datum, Schiffsführer,
Start- und Endzeit der Tour, Start- und Endzeit der Sichtung, Start- und Endposition der
Sichtung (Längen- und Breitengrad), Abstand zur Küste (in km), Cetaceenart, Anzahl der
Tiere, Anwesenheit von Kälbern und/oder Jungtieren, Verhalten, Gruppenstruktur,
Interaktion mit dem Boot, Einzelverhalten, andere gesichteten Tiere oder Cetaceen, andere
anwesende Boote und weitere Notizen.
Nach (Heuer, 2013) und (Strüh, 2008): Mit Hilfe eines GPS-Geräts (engl. Global Positioning
System) wird die Position und der Abstand zur Küste bestimmt. Dabei werden Signale von
Satelliten empfangen und der Standort berechnet. Die Ausgabe des Gerätes wird als
nördliche Breite und westliche Länge in Form von N XX°XX´XX´´ / W XX°XX´XX´´ ausgegeben
und auf das Sichtungsblatt eingetragen. Dabei wird häufig nicht nur die Startposition,
sondern auch die Endposition von neuem bestimmt. Sobald eine andere Art gesichtet wird,
wird auch ein neues Sichtungsblatt ausgefüllt. Desweiteren können mit Hilfe von
Diktiergeräten weitere Aussagen nachgetragen oder geschossene Fotos ausgewertet
werden, um die Tiere eventuell zu identifizieren. Nach der Tour wird mit Hilfe eines
Eingabeformulars das Sichtungsblatt in eine Access-Datenbank übertragen. Desweiteren
werden Attribute, die während der Sichtungen nicht ausgefüllt werden können, mit
entsprechenden Methoden erhoben und in der Datenbank ergänzt. Somit wird die
Datenbank mit jeder weiteren Sichtung ständig weitergeführt und beinhaltet inzwischen im
Zeitraum von 1995 bis 2014 über 9000 Sichtungen bzw. Datensätze.
2.4.1 Erhebung der Messgröße „Entfernung zur Küste“ und
„Meerestiefe“
Ein Attribut, das während der Sichtung nicht ausgefüllt wird, ist die Meerestiefe. Hierbei
handelt es sich um eine feste Größe, die sich im Gegensatz zu den Umweltvariablen
Meeresoberflächentemperatur und Chlorophyll-a-Gehalt nicht täglich verändert. Diese
Messgröße musste bisher manuell erfasst werden. Hierfür wird eine Seekarte (in Papierform)
des zu erfassenden Gebietes benötigt. Auf der Karte wird die entsprechende Koordinate
gesucht und interpoliert. Hierzu dienen die Längen- und Breitengrade am Rande der Karte
als
Orientierung.
Wenn
der
gesuchte
Punkt
jedoch
nicht
direkt
auf
einer
Meerestiefenangabe liegt, muss nach den naheliegenden Tiefenangaben interpoliert
19
werden, um so die Meerestiefe (in Meter) zu bestimmen. Mit Hilfe eines Programmes „CMAP“ ist es möglich, etwas genauere Angaben bezüglich der Meerestiefe zu treffen. Hierbei
handelt es sich um eine digitale Seekarte mit den entsprechenden Tiefenangaben. Mit Hilfe
eines Cursors, der einem zu seinem „Standpunkt“ die genaue Koordinate anzeigt, kann man
diese sehr genau auf der Seekarte finden und genauere Angaben bezüglich der Meerestiefe
bekommen.
Abbildung 7: Ausschnitt des Gebietes vor La Gomera im Programm „C-MAP“
Ähnlich verhält es sich mit der Erhebung der Daten „Abstand zur Küste“. Hierzu benötigte man bisher die Seekarte in Papierform und suchte ebenfalls die Koordinate auf der Seekarte.
Danach wurde mit Hilfe eines Zirkels in den Punkt eingestochen und der kürzeste Abstand
zur Küste ermittelt. War der kürzeste Abstand erfasst, wurde die ermittelte „Zirkelbreite“ an den Rand der Seekarte gehalten, um den Abstand in Kilometern zu berechnen. Die
ermittelten Daten wurden manuell in die Datenbank eingetragen und fehlende Datensätze
somit ergänzt.
2.4.2 Erhebung der Umweltvariablen
Nach (Strüh, 2008): Des Weiteren wäre es erstrebenswert, die Datenbank um die
Umweltvariablen SST (sea surface temperature) und Chlorophyll-a-Gehalt zu erweitern, um
weitere wissenschaftliche Aussagen über den Aufenthalt der Tiere im Sichtungsgebiet
treffen zu können. Häufig benutzt man für die Meeresoberflächentemperatur die englische
Abkürzung SST, welche eine der zentralen meteorologischen und klimatologischen
20
Messgrößen
darstellt.
Seit
1980
werden
Satellitenmessungen
genutzt,
um
die
Oberflächentemperatur der Meere zu bestimmen. Hierzu werden mit elektromagnetischen
Strahlungen im Infrarot-Wellenlängenbereich die obersten 2-3 cm der Wasseroberfläche der
Ozeane abgetastet. Die Genauigkeit dieser Messmethode beträgt unter 1° C und bietet den
Vorteil eines hochauflösenden Gesamtüberblicks in einem relativ kurzen Zeitraum. Eine
weitere Umweltvariable ist der Oberflächen-Chlorophyll-a-Gehalt. Dieser wird verwendet,
um die Produktivität eines Gebietes zu beschreiben. Er steht in Bezug zur Primärproduktion
der tieferen Schichten aus der euphotischen Zone und ist definiert als die obere,
durchleuchtete Schicht des Wassers, in der effektive Photosynthese möglich ist und somit
Pflanzen wachsen und Sauerstoff produzieren können (GeoDZ, 2015). Erfasst wird der SST
und der Chlorophyll-a-Gehalt mittels MODIS3, wobei es sich hier um Instrumente an Bord
des „Terra“-Satelliten (EOS AM) sowie des „Aqua“-Satelliten (EOS PM) handelt. Verfügbar
sind die Daten auf der „Ocean Color Browse“ - Internetseite4. Die Rohdaten werden von der
OBPG (Ocean Biology Processing Group) bearbeitet und im Level2-Datenprodukt-Format (L2
LAC SST) bereitgestellt. Der Chlorophyll-a-Gehalt wird in Milligramm pro Kubikmeter
(mg/m³) und die Oberflächenwassertemperatur in Grad Celsius (° C) angegeben.
Nach (Ritter, 2001): wird angenommen, dass die Wassertemperatur vor La Gomera zwischen
17 °C und 24 °C liegt. Für die SST Daten sollten zudem die Nachtkarten ausgewählt werden,
da die Oberfläche durch die Sonneneinstrahlung erhitzt wird. Der Chlorophyll-a-Gehalt sollte
für das Sichtungsgebiet vor La Gomera zwischen 0 – <0,5 mg/m³ liegen (Arístegui, et al.,
1997). Werte über 1,00 mg/m³ treten sehr selten auf und können meist nur in küstennahen
Gebieten gefunden werden.
2.4.3 Auswertung der Daten Statistik/GIS
Nach dem Ablauf der Datenerhebung (2.4 Datenerhebung) werden die Daten mit Hilfe von
Programmen analysiert, interpretiert und ausgewertet, um Aussagen über Vorkommen und
Verbreitung der Cetaceen treffen zu können. Bisher wurde dafür größtenteils das
Tabellenkalkulationsprogramm „Excel“ verwendet. Damit lassen sich vor allem Diagramme
erstellen, die z. B. jahreszeitliche Trends über das Vorkommen der Cetaceen aufzeigen.
3
4
MODerate Resolution Imaging Spectroradiometer
(http://oceancolor.gsfc.nasa.gov/cgi/browse.pl)
21
Die Daten werden jedoch nicht nur mit Excel ausgewertet, sondern auch mit speziellen
Statistik-Softwareprodukten z.B. SPSS analysiert und ausgewertet.
Abbildung 8: Auszug aus der Sichtungsdatenbank in Excel
Statistische Auswertung
Wie bereits erwähnt, wird zum großen Teil Excel als statistische Schnittstelle verwendet,
desweiteren Analysetools wie z.B. MatLab oder SPSS (Statistical Package for the Social
Science). Bisher wurden spezielle Auswertungen mit dem Programm SPSS gemacht, in denen
die Sichtungshäufigkeit der verschiedenen Arten festgestellt wurden, indem der prozentuale
Anteil der jeweiligen Art bezogen auf alle Sichtungen eines Monats errechnet wurde. Eine
weitere statistische Auswertungsmöglichkeit bieten Box-Plot Diagramme, indem die
Unterschiede bezogen auf die Entfernung zur Küste und die Meerestiefe dargestellt werden,
um so eine Habitatbeschreibung der vor La Gomera gesichteten Arten vornehmen zu können
(Vgl. Strüh 2008).
Raumbezogene Auswertung (GIS)
Durch die georeferenzierte Datenerhebung macht es vor allem Sinn, die Daten in einem
Geoinformationssystem auszuwerten. Hier können mittels der erfassten GPS-Position die
Sichtungen auf eine Karte projiziert und Auswertungen erstellt werden. Somit ist es möglich
zu überprüfen, ob es z.B. fehlerhafte Daten bzw. Positionen gibt, die beispielsweise auf dem
Land liegen, oder es können mittels spezifischer Abfragen Aussagen über den Aufenthalt
bestimmter Arten in bestimmten Gebieten gemacht oder die Häufigkeit der Sichtungen über
das Jahr hinweg bestimmt werden.
22
2.5 Geoinformationssystem (GIS)
Nach (Bill, 2010): Geoinformationssysteme, kurz GIS, sind rechnergestützte Systeme, mit
denen sich raumbezogene Problemstellungen bearbeiten lassen. Unter GIS versteht man
nicht nur die Bereitstellung und Behandlung von Geoinformationen, sondern auch die
Technologie und Produkte. Unter Informationen versteht man zweckbezogenes Wissen und
das Ergebnis der Anwendungen von Algorithmen, um daraus neue interpretierte Ergebnisse
zu beziehen. Ein rechnergestütztes Informationssystem ist ein „Hilfsmittel“ zur Bearbeitung vorhandener Informationen mit Hilfe eines Systems (Verbund aus Elementen), aus dem sich
neues Wissen beziehungsweise Informationen erschließen. In Verknüpfung miteinander
generieren Hardware (z.B. Rechner), Software (z.B. Datenbanksystem), Algorithmen und
Daten durch Verarbeitung, Erfassung, Analyse usw. neue Informationen. Vereinfacht
gesehen ist es ein Frage-Antwort-System, das auf einen bestimmten Datenbestand zugreift.
Durch den Begriff „Geo“ werden die im Informationssystem befindlichen Daten räumlich der Erdoberfläche zugeordnet. Möglichkeiten, diesen Raumbezug herzustellen, wären zum
Beispiel Koordinaten, Adressen, Kennziffern oder Straßennamen.
Das GIS ist als Vier-Komponentenmodell bekannt. Es wird in Aufbau und Aufgabe unterteilt.
Aufbau
Aufgabe
Hardware H
E
Erfassung
Software S
V
Verwaltung
Daten D
A
Analyse
Anwender A
P
Präsentation
Tabelle 1: Vier Säulen und vier Komponenten eines GIS (Bill, 2010)
Nach (Bill, 2010): Aus Tabelle 1 geht hervor, dass Hardware, Software, Daten und Anwender
der Erfassung, Verwaltung, Analyse und Präsentation dienen. Somit können raumbezogene
Problemstellungen
bearbeitet
und
gelöst
werden.
Die
Daten
werden
mittels
unterschiedlicher Methoden erfasst (z.B. Luftbilder) und mit Hilfe von Geodatenbanken
verwaltet. Hierbei werden die Daten durch ein Datenbankmanagementsystem hinsichtlich
Geometrie, Topologie, Thematik und Dynamik (Zeit) geordnet und gespeichert. Durch
vielfältige Funktionalitäten des GIS werden die Daten ausgewertet, die auf mathematischen
Algorithmen basieren z.B. statistische, geometrische, logische oder relationale Verfahren.
23
Die letzte Komponente beinhaltet die Visulisierung der Ergebnisse. Damit können vorher
nicht ersichtliche Zusammenhänge aufgezeigt und somit eine hohe Akzeptanz bei den
Benutzern erzielt werden. Daraus resultieren neue Karten, Modellierungen von Simulationen
und die Minimierung von Fehlern.
Nach MacLeod (MacLeod, 2011, p.
10
ff.)
können
Geo-
Informationssysteme als eine Art
Datenbank angesehen werden, die
räumliche
Informationen
über
Daten auf Karten übertragen kann.
Dabei bilden die verschiedenen
Layer
(Datenebenen)
im
GIS
Abbildung 9: Darstellungsweise einer Daten-Layer-Struktur (MacLeod
2011:11)
dasselbe Muster wie herkömmliche Datenbanken, da diese ebenfalls aus Tabellen mit den
dazugehörigen Merkmalen bestehen. Zum Beispiel können diese Daten-Layer Informationen
über den Aufenthaltsort gewisser Arten während einer Sichtung enthalten, durch eine Serie
von Punkten repräsentiert, während ein anderer Layer die Route der Sichtung an sich
beinhaltet. Wiederum andere Layer enthalten Informationen über den Untergrund des
untersuchten Gebietes, die Wassertiefe oder die Oberflächentemperatur.
Verwendung findet das Geo-Informationssystem nicht nur in der Meeresbiologie, sondern
beispielsweise auch im Amtlichen Liegenschaftskataster (ALKIS), bei der Flächennutzung,
beim Umweltschutz (Klimaerwärmung, Belastungen durch Emissionen, Naturschutzgebiete),
bei der Navigation, bei der technischen Überwachung oder bei der Planung von
Maßnahmen, deren Auswirkungen untersucht werden müssen (Bartelme, 2005).
24
2.6 ArcGIS
Nach (Brand et. al., 2012:3): ArcGIS ist ein
Geoinformationssystem
(Environmental
worunter
Systems
man
Produktfamilie
der
den
aus
Firma
Research
ESRI
Inc.
Institute),
Überbegriff
einer
GIS-Softwareprodukten
versteht. Aus diesen einzelnen Bausteinen lassen
sich
komplexe
GIS-Lösungen
Funktionalitäten
ermöglichen
erstellen.
es,
Die
Daten
einzubinden und anzubieten, wo sie benötigt
werden, z.B. „am Desktop, via Server, im Web oder Abbildung 10: Übersichtsschema ArcGIS (Esri)
als mobile Anwendung im Außendienst“ (Brand et. al., 2012). Folglich können die einzelnen
Funktionen der unterschiedlichen Produkte miteinander kombiniert und komplexe
Geoverarbeitungsaufgaben gelöst werden. In dem Programm ArcMap sind direkt weitere
Produkte wie zum Beispiel ArcCatalog, ArcToolbox, ModelBuilder und die PythonSchnittstelle eingebunden, die hauptsächlich verwendet werden für die Entwicklung der zu
erstellenden GIS-Komponente.
2.6.1 ArcMap
Nach (Brand et. al., 2012:123 ff.): Die Hauptkomponente von ArcGIS bildet ArcMap. Diese
Desktopanwendung ermöglicht dem Benutzer die entsprechende Erkundung von Daten
innerhalb eines Datensatzes, die Erstellung und Visualisierung von Karten, das Durchführen
von lagebezogenen Analysen und Abfragen, Tabellenoperationen und das Editieren von
Geometrie- und Sachdaten. Durch die Möglichkeit der Skripterstellung und Implementierung
der ArcToolbox bildet ArcMap eine vielseitige Geoverarbeitungsumgebung.
2.6.2 ArcCatalog
Nach (Brand et. al., 2012:97 f.): ArcCatalog ist ebenfalls eine ArcGIS Komponente, die zum
Verwalten und Sichten von Geodaten, z.B. Karten, Koordinatensystemen, Metadaten,
Datensätzen, verwendet wird. Zudem werden in ArcCatalog Geo-Datenbanken erzeugt,
verknüpft, administriert, ex- und importiert. Der Aufbau ähnelt einem Inhaltsverzeichnis, in
dem Geodaten neu angelegt, kopiert und gelöscht werden können. Viele Funktionen des
ArcCatalogs sind direkt in ArcMap verfügbar.
25
2.6.3 ModelBuilder
Nach (Brand et. al., 2012:444 ff.): Der ModelBuilder dient der Automatisierung von
Prozessen, um eine Reihe von Geoverarbeitungsprozessen hintereinander ausführen zu
können. Er ermöglicht das Generieren und Bearbeiten von automatisierten Arbeitsabläufen
und kann ohne Programmierkenntnisse benutzt werden. Die erstellten Modelle umfassen
meist mehrere miteinander verknüpfte Prozesse, welche aus einem Werkzeug und dessen
Eingabe-Parameter bestehen. Eine wichtige Funktion des ModelBuilders ist der Export des
Modells in Python Skript und kann somit in andere Anwendungen integriert werden.
Abbildung 11: Modell im ModelBuilder
2.6.4 Python
Nach (Jennings, 2011) & (Brand et. al., 2012:459 f.): Python ist eine open source
systemübergreifende Skript-Sprache, die auf Grund ihrer Syntax besonders für Einsteiger
geeignet ist. Als besonders einfach gilt sie vor allem auf Grund der Anordnung der
Programmzeilen, die gleichzeitig die logische Struktur des Programms ergeben. Sie
unterstützt neben der objektorientierten Programmierung auch die aspektorientierte und
funktionale Programmierung.
Nach (Brand et. al., 2012:475 f.): In ArcMap wird Python neben dem ModelBuilder
verwendet, um Geoverarbeitungsprozesse zu automatisieren. ArcPy ist eine Teilbibliothek,
die für die Arbeit mit ArcGIS entwickelt wurde, welche spezielle Python-Befehle für die
Geoverarbeitung bereithält. Darin enthalten sind beispielsweise alle Funktionen und
Werkzeuge der ArcToolbox. Des Weiteren gibt es die NumPy (verbesserter Umgang mit
Arrays) und die SciPy (enthält Algorithmen und mathematische Werkzeuge) Bibliotheken, die
zudem installiert werden können.
26
3 ANALYSE
Nachdem die Grundlagen und der Rahmen zum Projekt beschrieben wurden, werden nun
die Anforderungen an die GIS-Komponente näher analysiert. Dabei liegt der Kern dieses
Abschnitts vor allem bei der Problemstellung, die Bezug nimmt auf die bisherigen Probleme
im Bearbeitungs- und Analyseprozess.
3.1 Prozess–Übersicht
Um eventuell auftretende Probleme aufzudecken, ist es wichtig, eine IST-Analyse des
bisherigen Prozessablaufs zu erstellen. Abbildung 12 zeigt den bisherigen Ablauf des
Bearbeitungs- und Analyseprozesses.
Beobachtung
Erfassung
im Boot
Formular
Erfassung
im Büro
EXCELSheet
ACCESS DB
Export
Import
Statistische
Software
Statistische Auswertung
Import
ArcMap
Geografische Auswertung
(Layer Struktur)
Transformation
Abbildung 12: Ist-Struktur des Bearbeitungs- und Analyseprozesses
Der Prozess beginnt mit der Datenerfassung auf dem Boot. Während der 1-2-stündigen
Beobachtungstouren werden die Daten meist vom Skipper (Bootsführer) mit Hilfe eines
standardisierten Formulars (siehe 2.4 Datenerhebung) registriert. Nach erfolgreicher
Sichtung wird das Formular vor Ort in die Access-Datenbank mit Hilfe einer Eingabemaske
eingetragen und danach in entsprechenden Ordnern abgeheftet und archiviert. Auf Anfrage
wird die erweiterte Access-Datenbank für Statistiker bereitgestellt. Diese benötigen jedoch
ein Excel-Sheet, welches ebenfalls manuell erstellt wird. Durch die Anfragen entstehen viele
Versionen. Dies führt zu Konsistenzproblemen der Datenbank durch die fehlende
Synchronisation oder Updates. Eine weitere Schnittstelle des Prozesses ist die
raumbezogene Auswertung der Daten im GIS. Hier werden mit Hilfe des Excel-Sheets
thematische Karten erstellt bezüglich des Aufenthaltes der Tiere nach Art oder Jahreszeit.
27
3.2 Aufarbeitung des Datenmaterials
Als Vorbereitung für die folgenden Bearbeitungsschritte mussten zunächst alle vorhandenen
Versionen an Datenbanken miteinander verglichen werden. Darunter fielen sowohl die
Access-Datenbanken und Excel-Sheets als auch einzelne Sichtungen, die nicht dem Standardformat entsprachen, aber trotzdem äußerst wichtig sind, da sie einige vorhandene Lücken
schließen konnten. Durch diese Arbeit entstand eine Datenbank, die fortlaufend von 1995
bis 2014 über 9000 Sichtungen bzw. Datensätze umfasst. Desweiteren wurden mit Hilfe von
Seekarten die fehlenden Attribute „Entfernung zur Küste“ und „Meerestiefe“ manuell erfasst
(siehe 2.4.1 Erhebung der Messgröße „Entfernung zur Küste“ und „Meerestiefe“) und in die
Datenbank übertragen. Ferner befanden sich noch fehlerhafte Daten in der Datenbank
bezüglich der Koordinaten, die durch mögliche Übertragungsfehler entstanden sein konnten.
Diese wurden mit Hilfe der Sichtungsblätter in Papierform verglichen und verbessert. Der
bereits
verbesserte
Datensatz
wurde
ebenfalls
noch
einmal
durch
das
Geoinformationssystem ArcMap überprüft, indem die Sichtungsdaten auf eine Karte
projiziert wurden. Die einzelnen Sichtungspunkte, die sich beispielsweise auf dem Land
befanden oder weit außerhalb des Sichtungsgebiets lagen, wurden dadurch entdeckt und
gegebenenfalls verbessert.
3.3 Anforderungen an die Software ArcGIS
Das Geoinformationssystem ArcGIS wurde ausgewählt, da es das Standardprogramm für
raumbezogene Auswertungen darstellt und zudem der Marktführer in diesem Gebiet ist. Aus
Lizenzgründen ist es zudem äußerst günstig ArcGIS für diese Arbeit zu verwenden, und zwar
durch die „ArcGIS for Desktop Student Trial“ (Jahreslizenz), welche Teil der Esri Campuslizenz
für Hochschulen ist. Diese ermöglicht es Hochschulabsolventen auf Grund des GIS-Bezuges
ihrer Ausarbeitungen eine Jahreslizenz für ArcGIS zu erhalten.
Zudem gibt es Anforderungen an die Software, die durch ArcGIS erfüllt werden, um
raumbezogene Daten verarbeiten zu können. Äußerst wichtig sind hierbei das Einspeisen der
Datenbank und die folgenden räumlichen Analysefunktionen. Außerdem ist es absolut
notwendig, dass die bestehenden Datensätze ergänzt werden können, beispielsweise durch
Tiefenkarten, indem man die Tiefenwerte den einzelnen Sichtungskoordinaten hinzufügen
kann. Durch die räumliche Visualisierung ist es zudem möglich, die Datensätze auf Fehler zu
überprüfen, beispielsweise, ob vereinzelte Sichtungspunkte auf dem Land oder außerhalb
28
des Sichtungsgebietes liegen. Eine Erfassung der Sichtungen durch das Programm ist
innerhalb des Projektes nicht vorgesehen.
Zudem wurde durch die schon vorangegangen Projekte im Verein bereits das Programm
ArcGIS verwendet und somit kann diese Arbeit leichter an die bisherigen Prozesse
anknüpfen.
3.4 Bisherige Lösungen
Die zu erstellende GIS-Komponente basiert auf einigen bisher schon gelösten
Aufgabenstellungen.
Mit
Hilfe
der
GIS-Komponente
sollen
mehrere
dieser
Herangehensweisen verbessert und vor allem vereinfacht werden.
Infolgedessen beschäftigte sich beispielsweise Lisann Heuer 2013 in ihrer Bachelorarbeit
bereits mit der Darstellung von Sichtungsdaten im GIS und legte hierfür einige Grundsteine
für die Aufbereitung der Datensätze und die folgenden Abfragen (5.8 Aufbereitung des
Datensatzes). Mit Hilfe dieser Arbeit soll eine Möglichkeit zur Automatisierung dieser
Abfragen gefunden werden.
Eine weitere Arbeit von Nina Strüh beschäftigte sich mit der Abundanz und Verbreitung von
Cetaceen vor La Gomera im Zusammenhang mit der Oberflächentemperatur und dem
Chlorophyll-a-Gehalt. In der zu entwickelnden GIS-Komponente werden ebenfalls diese
Umweltparameter verwendet und es soll eine Lösung gefunden werden, den Ablauf der
Einspeisung in das GIS zu erleichtern und ggf. zu automatisieren.
Ziel dieser Arbeit ist es, einige der bisher üblichen Vorgehensweisen zu verbessern, zu
aktualisieren, zu ergänzen und vor allem zu vereinfachen. Sie bilden somit die Grundlage für
manche Aufgabenstellungen und Problemlösungen.
3.5 Problemstellung
Für den bisherigen Ablauf des Bearbeitungs- und Analyseprozesses lassen sich immer
wiederkehrende Probleme erkennen, die mit einem enormen Zeitaufwand bisher zu
beheben waren. Aus diesem Grund strebt diese Arbeit an, solche Fehler mit Hilfe einer GISKomponente zu vermeiden und bisherige Arbeitsschritte zu erleichtern bzw. zu verbessern.
29
Hierfür wurden folgende Probleme herausgearbeitet:
Import der Datentabelle (Datenbankanbindung)
Anpassung der geographischen Koordinaten
Ermittlung der Meerestiefe / Abstand zur Küste
Aufbereitung des Datenmaterials in Form von Abfragen
Karten für Umweltparameter (Oberflächentemperatur und Chlorophyll-a-Gehalt)
1. Import:
Eines der bislang aufgetretenen Probleme ist der Import des bestehenden Datenmaterials.
Bisher wurde die neuste Version eines Excel-Sheets manuell mit dem ArcCatalog verbunden
und ein XY-Event-Layer erstellt. Dies hatte zur Folge, dass zum einen nicht immer der
aktuellste Datensatz ins GIS eingespeist wurde, und zum anderen, dass der XY-Event-Layer
nicht automatisch erstellt und auf das richtige Koordinatensystem projiziert wurde.
2. Anpassung der geografischen Koordinaten :
In dem vorangegangen Projekt von Frau Heuer fiel auf, dass es Probleme mit den
Projektionen und den Koordinatensystemen gab. Diese entstanden zum einen durch den
Import der XY-Koordinaten, da diese in ein anderes Koordinatensystem eingespeist werden
mussten – im Gegensatz zum eigentlichen Datenrahmen, der in einem anderen
Koordinatensystem eingestellt war. Zum anderen war es notwendig, nach einer geeigneten
Tiefenkarte zu suchen, die eventuell auf den gegebenen Datenrahmen zu projizieren war,
oder die bisherigen Daten mussten dem Format der Tiefenkarte angepasst werden. Hierzu
war es erforderlich, eine einheitliche Struktur zu erstellen und ein passendes
Koordinatensystem auszuwählen.
3. Messgrößen „Meerestiefe“ und „Distanz zur Küste“:
Das bisher mit dem meisten Aufwand verbundene Problem war die Erfassung der
Meerestiefe und der Abstand zur Küste. Wie schon zuvor beschrieben (2.4.1 Erhebung der
Messgröße „Entfernung zur Küste“ und „Meerestiefe“) musste jede Sichtungskoordinate mit
Hilfe einer Seekarte oder mit Hilfe eines geeigneten Programms (C-Map) auf der Karte
gesucht werden und die entsprechenden Attribute interpoliert werden. Dies führte zum
einen zu einem enormen Zeitaufwand bei einem entsprechenden Datensatz und zum
anderen konnten erhebliche Abweichungen entstehen. Denn nicht nur durch das ungenaue
Suchen der Koordinaten auf der Karte konnte der Wert abweichen, sondern auch durch das
30
Interpolieren der umliegenden Tiefenwerte. Wegen des stark abfallenden Gebiets vor der
Küste können die Werte innerhalb kürzester Entfernung erheblich variieren. Bei der
Erhebung des Attributs „Entfernung zur Küste“ verhält es sich ähnlich. Die Koordinaten
mussten auch hier auf der Karte gesucht und dann mit Hilfe eines Zirkels der geringste
Abstand zur Küste gemessen werden. Hierbei konnte der Wert, abgesehen von dem
enormen Zeitaufwand, vom eigentlichen Ergebnis abweichen.
4. Abfragen:
Desweiteren stellt die Erstellung der Karten-Layouts eine Schwierigkeit dar. Sie wurde bisher
mit einem Abfrage-Generator (Definitionsabfrage) für jeden einzelnen Layer erstellt. Dieser
Vorgang war mit einem großen Zeitaufwand verbunden, da mit Hilfe eines AbfrageGenerators für jeden einzelnen zu erstellenden Layer eine Abfrage generiert werden musste.
Desweiteren war es bisher schwierig, komplexere Abfragen zu generieren, wie
beispielsweise Layer nach der Art und dem Jahr oder Monat. Dies sollte nicht nur auf Grund
der neuen Möglichkeiten, Karten-Layouts zu erstellen, gelöst werden, sondern hierdurch
sollten auch weitere wissenschaftliche Aussagen über bestimmte Arten getroffen werden
können, beispielsweise, dass eine bestimmte Art besonders im Juli oder in einem
bestimmten Jahr besonders häufig gesichtet wurde.
5. NASA:
Um weitere wissenschaftlich fundierte Aussagen über den Aufenthaltsort der Cetaceen
anhand der Sichtungsdaten treffen zu können, wäre es erstrebenswert, geeignete
Satellitenbilder über den SST (sea surface temperature) und Chlorophyll-a-Gehalt des
Meeres in das GIS einzuspeisen. Hierzu wurde bereits in einer vorangegangenen
Diplomarbeit der Vorgang beschrieben und umgesetzt. Dies geschah jedoch nur für einen
kleinen Zeitraum von wenigen Monaten. Mit der zu entwickelnden GIS-Komponente soll
eine Möglichkeit gefunden werden, geeignete Satellitenbilder für den gesamten
Sichtungszeitraum (1995-2014) mit den georeferenzierten Sichtungsdaten zu verknüpfen.
31
4 ENTWURF
Ziel dieser Arbeit ist die Entwicklung einer GIS-Komponente, welche die zuvor beschriebenen
wiederkehrenden Probleme vereinfachen beziehungsweise beheben kann. Im Folgenden
werden die entsprechenden Anforderungen beschrieben, die an das System gestellt werden.
4.1 Prozessübersicht
Für die räumliche Darstellung der georeferenzierten Sichtungsdaten des Vereins wird ein
geografisches Informationssystem benötigt. Durch die vorangegangen Projekte im Verein
wurde bereits das Geoinformationssystem ArcGIS ausgewählt. Dies ermöglicht, die Daten
mit Hilfe der Koordinaten auf einer Karte räumlich darzustellen. Deshalb ist es zunächst
notwendig, die Daten aus der Tabelle in ArcMap zu importieren. Bisher erfolgte die
Datenübertragung manuell mit Hilfe einer im Programm festgelegten Funktion Daten
hinzufügen.
DB
(Access,
Statistische
Software
Statistische Auswertung
EXCEL-Sheet
MySQL,...)
Sichtungsblatt
Formular
Geografische
Auswertung
WebEingabe
ArcMap
Persistente
Speicherung
Layer
(Arten,Jahre)
Neue Layer
EXCEL-Sheet
Mobiles Endgerät
Auswertung
ExpertenSchnittstelle
WebAusgabe
TouristenSchnittstelle
Web
allgemein
Abbildung 13: Soll-Konzept
Unabhängig davon, zu welchem Grad das System mit Schnittstellen zu anderen
Informationssystemen verbunden ist, soll mit Hilfe dieser Arbeit eine Lösung gefunden
werden, die es ermöglicht, den Import der Daten automatisch auszuführen beziehungsweise
die aktuellsten Daten ins GIS einzuspeisen. Da die Datenbank durch die fortlaufenden
Sichtungen weitergeführt wird, soll es möglich sein, den Import der Daten in die Software
ständig zu aktualisieren bzw. den Import der Sichtungen so leicht und unkompliziert wie
möglich zu gestalten.
32
In Bezug auf die vorangegangene Problemstellung haben sich folgende Hauptaufgaben
herauskristallisiert, die im Ziel-System gelöst werden sollen:
Import der Datentabelle (DB-Anbindung)
Anpassung der geografischen Koordinaten
Ermittlung der Meerestiefe / Untergrundneigung (engl. Slope)
Ermittlung des Abstands zur Küste
Aufbereitung des Datensatzes
Karten für Umweltparameter
Im Folgenden werden die ausgearbeiteten Aufgabenpunkte ausführlicher beschrieben und
gelten später als Aufgabenpunkte, die im Ziel-System implementiert werden.
Import der Datentabelle (DB-Anbindung)
Bisher wurde die Tabelle manuell über eine Verknüpfung im Programm ArcGIS erstellt. Um
einen georeferenzierten Bezug der Sichtungspunkte zur Karte herzustellen, muss ein
sogenannter XY-Event-Layer erstellt werden. Bei diesem Vorgang traten bisher schon einige
Probleme auf. Deshalb sollte die Layer-Erstellung automatisch über ein „Update-Tool“ oder
mit Hilfe eines Skriptes erfolgen. Dies hätte zum Vorteil, dass es weniger Probleme bei der
Erstellung des Layers gibt, da zum Beispiel das Koordinatensystem bei einem Skript
voreingestellt wäre und somit kein ungeeignetes Koordinatensystem ausgewählt werden
könnte. Um den Layer automatisch zu erstellen, muss die Tabelle im .txt-Format sein, da
ArcMap das Excel-Sheet bei der ArcPy-Funktion MakeXYFeatureLayer nicht erkennen bzw.
verwenden kann. Hierbei ist auf den Aufbau der Tabelle zu achten. Beispielsweise dürfen die
Spalten in der Tabelle in einem Text-Format nicht mit einem Semikolon (;), sondern nur mit
einem Komma (,) getrennt werden. Zudem muss beachtet werden, dass die Koordinaten das
angepasste Format in Form von XX.XXX (z.B. 28.23239) haben und nicht das durch das GPSGerät erfasste Format XX.XX.XX (z.B. 28.02.53).
Anpassung der geografischen Koordinaten
Wie zuvor beschrieben vereinfacht die automatische Layer-Erstellung bereits, dass das im
Datenrahmen voreingestellte Koordinatensystem verwendet wird. Für die GIS-Komponente
fiel die Entscheidung auf das „WGS_1984_Complex_UTM_Zone_28N“- Koordinatensystem,
welches auch dem Datenrahmen des ArcMap Projektes entspricht. Ein Problem, das bisher
33
manuell gelöst werden musste, ist die Projektion des erstellten XY-Event-Layers. Da die
Sichtungspunkte im Dezimalgrad-Format (XX.XXX) erfasst werden, können die Daten im
projizierten Koordinatensystem nicht dargestellt werden, sondern müssen erst mit einem
geografischen
Koordinatensystem
eingespeist
werden,
beispielsweise
mit
dem
„GCS_WGS_1984“ (MacLeod, 2011, p. 108). Im Skript sollte dieser Vorgang vereinfacht
werden, indem die Sichtungen im XY-Event-Layer mit dem geografischen Koordinatensystem
„GCS_WGS_1984“ geladen und anschließend direkt auf das im Datenrahmen eingestellte
Koordinatensystem „WGS_1984_Complex_UTM_Zone_28N“ projiziert werden.
Ermittlung der Meerestiefe / Untergrundneigung
Um die Ermittlung der Meerestiefe und der Untergrundneigung (engl. Slope) zu bestimmen,
muss zuerst eine geeignete Karte gefunden werden, die über die entsprechenden Tiefen im
Sichtungsgebiet verfügt. Die Karte sollte möglichst genaue Angaben bezüglich der Tiefen vor
La Gomera enthalten. Besonders wichtig ist, dass die Tiefenkarte einen georeferenzierten
Bezug aufweist, damit sie möglichst unkompliziert in das Geoinformationssystem ArcMap
eingelesen und verwendet werden kann. Gegebenenfalls muss sie auf das bisher
verwendete Koordinatensystem „WGS_1984_Complex_UTM_Zone_28N“ projiziert oder der
bisherige Datenrahmen entsprechend angepasst werden.
Nachdem eine geeignete Karte gefunden wurde, sollte es möglich sein, die Sichtungspunkte
auf der Karte mit den Tiefen zu verknüpfen. Somit würde die aufwendige manuelle Erfassung
der Tiefenwerte wegfallen und je nach Karte ein genaueres Ergebnis geliefert werden.
Zudem sollte es möglich sein, aus der Tiefenkarte eine sogenannte Slope-Karte zu erstellen,
die ebenfalls mit den Sichtungsdaten verknüpft werden soll.
Ermittlung Abstand zur Küste
Die Ermittlung des Abstands zur Küste wurde bisher, wie unter 2.4.1
Erhebung der
Messgröße „Entfernung zur Küste“ und „Meerestiefe“ beschrieben, manuell mit einer
Seekarte oder direkt bei der Sichtung über das GPS-Gerät erfasst. Dies sollte ähnlich wie bei
der Meerestiefe möglichst automatisch berechnet werden. Hierzu bräuchte man entweder
eine Art 3D-Karte, in der anhand der 0-Werte die Küste bestimmt werden kann, oder eine
direkte Küstenlinie, die als Line-Feature in ArcMap gespeichert ist. Somit sollte es möglich
sein, für jeden Sichtungspunkt den geringsten Abstand zur Küstenlinie zu erfassen. Die
34
berechneten Werte sollten möglichst in der Datenbank für jeden Sichtungspunkt hinterlegt
und gespeichert werden.
Aufbereitung des Datensatzes
Wie bereits unter 3.4 Bisherige Lösungen beschrieben, sollte die Aufarbeitung des
Datensatzes möglichst vereinfacht werden. Hierzu sollte der Datensatz in einzelne,
standardmäßige Layer angelegt werden, in denen die Sichtungen nach den folgenden
Punkten gefiltert werden sollten:
Art
Jahr
Monat
Art und Jahr
Art und Monat
Es sollte zudem möglich sein, durch ein Update-Tool oder Skript diesen Vorgang beliebig oft
für aktuellere Datensätze zu wiederholen. Wünschenswert wäre eine Skalierbarkeit der
Abfragen. Dies bedeutet, dass die Abfragen veränderbar sein sollten. Der Benutzer sollte
entscheiden können, ob man die Abfragen für den gesamten Zeitraum ausgeben möchte
oder beispielsweise nur für die Jahre 2000-2005 oder z.B. nur für die Monate März bis
August. Nach Möglichkeit sollte dies besonders benutzerfreundlich gestaltet sein,
beispielsweise mit einer Eingabemaske, in der der Benutzer z.B. entscheiden kann, für
welchen Zeitraum oder welche Arten er die Layer erstellen möchte.
Karten für Umweltparameter
Nachdem der Datensatz gefiltert und mit den Messgrößen Abstand zur Küste, Meerestiefe
und Slope verknüpft wurde, sollten die Umweltvariablen SST und Chlorophyll-a-Gehalt
ebenfalls mit dem Datensatz verknüpft werden. Hierzu können, wie unter 2.4.2 Erhebung der
Umweltvariablen beschrieben, geeignete Satellitenbilder von der NASA-Seite geladen und in
ArcMap verknüpft werden.
Nach (MGET, 2015): Hierfür könnte sich das Geoverarbeitungs-Tool „Marine Geospatial Ecology Tools (0.8a56)“ (Abk. MGET) als sehr nützlich erweisen. Bei MGET handelt es sich um
eine kostenlose OpenSource Geoverarbeitungs-Toolbox, die in ArcGIS eingebunden werden
kann und die eine Vielzahl von Problemen im Bereich der Meeresforschung, Naturschutz und
35
Raumplanung lösen kann. Mit diesem Werkzeug ist es möglich, die Daten (L2 Products) der
NASA GSFC OceanColor Group in ArcMap zu konvertieren, um sie verwenden zu können.
Schlussfolgernd wäre wünschenswert, dass man die Umweltvariablen für einen möglichst
großen Zeitraum mit dem Datensatz verknüpfen und in ArcMap die entsprechenden
Satelliten-Karten für den Sichtungsbereich darstellen kann. Desweiteren sollte ein Modell
entwickelt werden, mit dem für die folgenden Jahre diese Umweltvariablen in das GIS
regelmäßig eingespeist werden können, da die Daten täglich erfasst werden.
Abbildung 14: NASA Satellitenbild von OceanColorWeb weltweit für den Chlorophyll-a-Gehalt
(http://oceancolor.gsfc.nasa.gov/cgi/l3)
36
5 IMPLEMENTIERUNG
Im folgenden Kapitel wird der strukturelle Aufbau und die Umsetzung des in Kapitel 4
(„Entwurf“) konzipierten Ziel-Systems für die GIS-Komponente erläutert.
5.1 Tiefenkarte
Bei der Suche nach einer geeigneten Karte, die die benötigten Tiefenangaben beinhaltet, fiel
die Entscheidung auf die bathymetrische5 Karte des Anbieters GEBCO (General Bathymetric
Chart of the Oceans).
Nach (British Oceanographic Data Centre (BODC), 2014): GEBCO bietet von dem British
Oceanographic Data Centre (BODC) kostenlose global gerasterte bathymetrische Datensätze
für die Weltmeere an. Bei den Rasterdaten handelt es sich um ein globales 30Bogensekunden-Raster, weitgehend durch die Kombination von qualitätsgeprüften
Schiffstiefenmessungen
mit
Interpolationen
zwischen
georteten
Punkten
durch
satellitengestützte Tiefendaten. Die Höhenmessungen, sprich die Messungen über der
Meeresoberfläche, basieren auf der Erfassung durch den Satelliten Shuttle Radar
Topography Mission (SRTM30) und bilden gerasterte digitale Höhenmodelle.
Die Karte mit den bathymetrischen Angaben wurde im Koordinatensystem „WGS 1984 Complex UTM Zone 28 N“ als TIF-Datei ins GIS geladen.
Slope - Karte
Anhand der eingespeisten Tiefenkarte können weitere
Berechnungen oder Funktionen in ArcMap durchgeführt
werden, um weitere hilfreiche Karten zu erstellen. Hierzu
ist vor allem die Toolbox Spatial Analyst Tools interessant.
Hiermit wurde eine Slopekarte mit dem Werkzeug Neigung
erstellt (Spatial Analyst Tools
Oberfläche
Neigung).
Abbildung 15: ArcMap Toolbox „Spatial Analyst Tools“ Ausschnitt
Dabei handelt es sich um eine Rasterkarte, wobei jeder Raster bzw. Pixel einen Wert, sprich
eine Tiefe beinhaltet. Diese erstellte Slopekarte wird unter „5.5 Ermittlung des Abstands zur
Küste” verwendet und näher erläutert.
5
Bathymetrie zählt als Teilgebiet zur Hydrographie und Geodäsie. Man versteht darunter die Vermessung der
topographischen Gestalt der Gewässer, Meeresböden und Seegründe.
37
Eine weitere Möglichkeit wäre die Verwendung einer „Ausrichtungskarte“, die anzeigt, in
welcher Himmelsrichtung sich die der Slope neigt (SPATIAL ANALYST TOOLS
Oberfläche
Ausrichtung). Anhand dessen lassen sich besondere Erhöhungen im Meer feststellen.
5.2 Python-Skript erstellen
Um ein Python-Skript in ArcGIS zu laden bzw. zu verknüpfen, muss man zuerst eine neue
Toolbox erstellen. Dies geschieht mit Hilfe des ArcCatalogs, indem man sie mit einem rechtsKlick auf Neu > Toolbox erstellt. In die neu erstellte Toolbox können nun die Modelle aus
dem ModelBuilder gespeichert und vorhandene Skripts hinzugefügt werden. Hierzu wird
wieder nach dem Rechts-Klick „Hinzufügen > Skript“ ein Fenster aufgemacht, in dem man
den Pfad zu der Python-Datei festlegen kann.
In jedem der erstellten Python-Skripte für die GIS-Komponente befinden sich zum Anfang
des Skripts immer wiederkehrende Code-Teile.
import arcpy
import os
# Check out any necessary licenses
arcpy.CheckOutExtension("spatial")
from arcpy import env
env.workspace = "C:\GIS_PROJECT\BACHELOR"
Bei ArcPy handelt es sich, wie unter 2.6.4 Python bereits erwähnt, um eine Teilbibliothek,
welche spezielle Python-Befehle für die Geoverarbeitung bereithält. Diese muss zuerst
importiert werden, um sie benutzen zu können. Das os-Modul wird ebenfalls in das Skript
importiert, da es durch abstrakte Methoden ein plattformunabhängiges Programmieren
ermöglicht und hilfreich ist, um betriebssystemabhängige Programmteile einzubauen.
Desweiteren müssen mögliche Erweiterungslizenzen vom Skript abgerufen werden, damit
die Werkzeuge ausgeführt werden können, die diese Erweiterung verwenden. In diesem Fall
handelt es sich um die Erweiterung Spatial, welche umfangreiche Werkzeuge für die
räumliche Analyse und Modellierung für Raster-Daten (zellenbasiert) bereitstellt. Ein sehr
wichtiger Code-Teil bildet die Workspace-Methode, welche den Ordner festlegt, in dem die
Daten eingelesen und ausgelesen werden. Im Allgemeinen ist besonders auf Groß- und
Kleinschreibung zu achten sowie auf die Einrückung der Code-Teile, denn bei der
Programmiersprache Python werden beispielsweise Schleifen nicht mit Klammern gesetzt,
sondern mit Einrückungen.
38
5.3 Import der Datentabelle
Der Import der Datentabelle beginnt mit dem Einlesen des Excel Sheets. Da mit der ArcPyFunktion MakeXYEventLayer_management das Einlesen des Excel Sheets nicht möglich ist,
muss die Datenbank in ein Text-Format konvertiert werden. Zu dieser Datei wird ein direkter
Link gesetzt, um auf die Spalten Longitude (X-Koordinate) und Latitude (Y-Koordinate)
zugreifen zu können, um den XY-Layer zu erstellen. Zudem muss hierfür ein geeignetes
Koordinatensystem festgelegt werden, welches auf Grund des Formats der Koordinaten mit
dem „GCS_WGS_1984“ eingespeist wird.
# Set the local variables
in_Table = r'C:\GIS_PROJECT\BACHELOR\TEST1.txt'
x_coords = "Longitude"
y_coords = "Latitude"
out_Layer = "Sichtungsdaten"
saved_Layer = r"c:\GIS_PROJECT\BACHELOR\Sichtungsdaten.lyr"
# Set the spatial reference
spRef = arcpy.SpatialReference(4326)
arcpy.MakeXYEventLayer_management(in_Table, x_coords, y_coords,
out_Layer, spRef)
# Save to a layer file
arcpy.SaveToLayerFile_management(out_Layer, saved_Layer)
Da
das
Koordinatensystem
des
Projektes
bzw.
Datenrahmens
ein
Projiziertes
Koordinatensystem (WGS_1984_Complex_UTM_Zone_28N) ist, muss die shapefile folglich
zuerst projiziert werden, um ein korrektes Ergebnis zu erlangen.
# Process: Project
arcpy.Project_management("Sichtungsdaten",
"C:\\GIS_PROJECT\\BACHELOR\\Sichtungsdaten_P.shp", "[…]")
Da die Ausgabe des XY-EventLayers in einem shapefile-Format erstellt wird, muss die Datei
erst
in
eine
Layer-Datei
umgewandelt
werden.
Mit
Hilfe
der
Funktion
„MakeFeatureLayer_management“ kann die shapefile-Datei in eine Layer-Datei umgeformt
werden. Dies ist notwendig, um die Abfragen und Parameter mit der Tabelle der Sichtungen
zu verknüpfen. Anschließend muss die Layer-Datei aus dem Arbeitsspeicher entsprechend
permanent durch die Funktion „SaveToLayerFile_management“ abgespeichert werden.
# Process: Feature-Layer erstellen
arcpy.MakeFeatureLayer_management(Sichtungsdaten_P_shp,
"Sichtungsdaten_PN", "", "C:\\GIS_PROJECT\\BACHELOR", "[…]")
arcpy.SaveToLayerFile_management(Sichtungsdaten_PN.lyr,Sichtungsdaten
_PL.lyr, "", "CURRENT")
39
5.4 Anpassung der geographischen Koordinaten
Durch die ausgewählte Tiefenkarte fiel die Wahl auf das Projizierte Koordinaten System
„WGS_1984_Complex_UTM_Zone_28“.
Nach MacLeod (2011:119 ff.): Um die anderen Dateien ebenfalls an das ausgewählte
Koordinatensystem anzupassen, muss es projiziert werden, damit es mit dem Datenrahmen
des GIS-Projektes übereinstimmt. Dafür wird das Werkzeug „Projizieren“ (Data Management
Tools
Projektionen und Transformationen
Projizieren) verwendet. Unter „Eingabe-
Dataset“ wird der zu projizierende Layer angegeben und das Koordinatensystem des
Datenrahmens „WGS_1984_Complex_UTM_Zone_28“ ausgewählt. Mit diesem Verfahren werden alle Layer an das Koordinatensystem des Datenrahmens angepasst. Diese Funktion
dient unter 5.3 Import der Datentabelle dazu, dass automatisch die eingelesene Datenbank
mit dem notwendigen geographischen Koordinatensystem eingelesen wird und automatisch
projiziert wird an das des Datenrahmens.
5.5 Ermittlung des Abstands zur Küste
Um die Distanz zur Küste zu berechnen, muss zuerst eine shapefile erstellt werden, sprich
die Küstenlinie editiert werden. Hierzu wird mit dem Editor-Tool ein Line-Feature entlang der
Küstenlinie gezeichnet und als LAGOMERA_KUESTE abgespeichert. Dieses Feature ist
automatisch georeferenziert, durch die genaue Markierung auf der Karte und des zuvor
ausgewählten Koordinatensystems des Datenrahmens.
Anschließend werden im Skript die Variablen festgelegt bzw. die Pfade zu den jeweiligen
erforderlichen Datentypen gesetzt, beispielsweise die Layer-Datei der Sichtungsdaten.
# Local variables:
Sichtungsdaten = "Sichtungsdaten.lyr"
LAGOMERA_KUESTE = "LAGOMERA_KUESTE"
# Process: Near
arcpy.Near_analysis(Sichtungsdaten_P, "LAGOMERA_KUESTE", "",
"NO_LOCATION", "NO_ANGLE")
Wie zuvor beschrieben, kann durch die Einbindung der Teilbibliothek ArcPy direkt auf das
Werkzeug „Near“6 zugegriffen werden und der Abstand von jedem einzelnen Sichtungspunkt
zu der zuvor editierten Küstenlinie berechnet werden. Zudem wird der Tabelle der
Sichtungsdaten eine Spalte hinzugefügt, in der die berechneten Abstände enthalten sind.
6
Engl. Nachbarschaftsanalyse, berechnet die Entfernung zum nächstgelegenen Feature
40
5.6 Ermittlung der Meerestiefe & Slope
Die Verknüpfung der bathymetrischen Daten der Tiefenkarte und der Slopekarte mit den
Sichtungsdaten beginnt wie zuvor ebenfalls mit der Deklarierung der Variablen. Hier werden
die Pfade zu den TIF-Dateien der Tiefen- und Slopekarte gesetzt und die der SichtungsdatenLayer angegeben.
# Local variables:
Sichtungsdaten = "Sichtungsdaten.lyr"
Tiefenkarte_Kanaren_tif = "Tiefenkarte_Kanaren.tif"
Slope_tif1 = "Slope_tif1"
Sichtungsdaten_P = "C:\\GIS_PROJECT\\BACHELOR\\Sichtungsdaten_P.shp"
# Process: Extract Multi Values to Points
arcpy.gp.ExtractMultiValuesToPoints_sa(Sichtungen_P__2_,
"Tiefenkarte_Kanaren.tif canaries_bath_1", "NONE")
# Process: Extract Multi Values to Points (2)
arcpy.gp.ExtractMultiValuesToPoints_sa(Sichtungen_P__3_,
"Slope_Canaries Slope_Canaries_1", "NONE")
Mit Hilfe des Tools “ExtractMultiValuesToPoints” wird dem Layer der Sichtungspunkte für
seine jeweilige Koordinate der „Pixel Value“, sprich für jeden Rasterpunkt ein bestimmter
Tiefen- oder Neigungswert, zugeschrieben.
# Process: Feature-Layer erstellen
arcpy.MakeFeatureLayer_management(Sichtungsdaten_P_shp,
Sichtungsdaten_PN, "", BACHELOR, "[…]")
# Process: In Layer-Datei speichern
arcpy.SaveToLayerFile_management(Sichtungsdaten_PN,
Sichtungsdaten_PL, "", "CURRENT")
Da die erstellten Layer aus dem Skript in ArcGIS nur im temporären Speicher gespeichert
sind, ist es wichtig, diese Layer mit Hilfe einer weiteren Funktion permanent zu speichern.
Hierzu muss die Datei, die im shapefile-Format vorhanden ist, zuerst als Layer-Datei
gespeichert werden, um sie anschließend durch die Funktion SaveToLayerFile_management
permanent zu speichern.
41
5.7 Einbinden einer externen Toolbox
Da der Layer-Datei mit den Sichtungsdaten mehrere Spalten durch die vorangegangen
Funktionen hinzugefügt wurde, ist es wichtig, diese „neu“ gewonnen Daten ebenfalls der
ursprünglichen Datenbank (Excel-Sheet) hinzuzufügen. Hierfür wurde von der ArcGIS Seite
die Toolbox „Excel and CSV Conversion Tools“ heruntergeladen und dem Programm hinzugefügt (ArcGIS, 2012). Diese Toolbox ermöglicht die Konvertierung zwischen ArcGIS
Tabellen und Microsoft Excel oder CSV Files. Für die Gis-Komponente wird die ArcGIS Tabelle
mit Hilfe der Funktion „TableToExcel“ in ein Excel-Sheet konvertiert und gespeichert.
arcpy.ImportToolbox("C:/GIS_PROJECT/ExcelTools/Excel and CSV
Conversion Tools.tbx")
arcpy.TableToExcel_tableconversion("Sichtungsdaten_PL.lyr",
"C:\\GIS_PROJECT\\BACHELOR\\Sichtungsdaten_Export.xls")
Dies ermöglicht dem Verein, die generierten Daten bezüglich des Abstandes zur Küste,
Meerestiefe und Untergrundneigung in dem ursprünglichen Excel Sheet zu erweitern und
ggf. weitere statistische Auswertungen mit den Datensätzen anzufertigen.
5.8 Aufbereitung des Datensatzes
Um den Datensatz übersichtlicher zu gestalten und bessere Aussagen über die Häufigkeit
gewisser Arten treffen zu können, wird wie unter 4.1 Prozessübersicht beschrieben, welche
Abfragen erstellt werden, um die diese Kriterien zu erfüllen.
# Set Local variables
Sichtungsdaten = "C:\\GIS_PROJECT\\BACHELOR\\Sichtungsdaten_PL.lyr"
Hierzu wird die erweiterte Layer-Datei mit den Sichtungsdaten verwendet, in der sich
ebenfalls die zuvor erstellten Spalten Abstand zur Küste, Meerestiefe und Slope befinden.
Dies könnte man ebenfalls mit der ursprünglichen Layer-Datei machen, jedoch kann so
sicher gestellt werden, dass weitere Abfragen bezüglich der drei erzeugten Attribute
mühelos erstellt werden können und somit nicht auf den ursprünglichen Datensatz
verweisen.
42
Dictionary
Ein dictionary (dt.: Wörterbuch) wird verwendet, um bestimmte Objekte innerhalb des
Programms zu übersetzen bzw. zu ersetzen. Dabei besteht das dictionary aus SchlüsselObjekt-Paaren, indem zu jedem Schlüssel ein Objekt gehört (Klein, 2015). In diesem Fall
wurde das dictionary verwendet, um die Monatsausgabe übersichtlicher zu gestalten.
monate = {1:"Januar", 2:"Februar", 3:"März", 4:"April", 5:"Mai",
6:"Juni", 7:"Juli", 8:"August", 9:"September", 10:"Oktober",
11:"November", 12:"Dezember"}
In der Tabelle ist das Datum als Zahl abgespeichert. Im weiteren Verlauf werden Abfragen
generiert, die die Datensätze nach den Monaten filtert. Dies würde bedeuten, dass für den
Januar der Layer die Bezeichnung „1“ besäße. Indem im dictionary fest gelegt wurde, dass
beispielsweise die 1 für den Januar steht und die 2 für den Februar, können durch die
Einbindung des „Wörterbuchs“ die Layer die Bezeichnung der ausgeschrieben Monate annehmen und so eine höhere Übersichtlichkeit bieten.
Abfragen
Beginnend mit der Filterung nach der jeweiligen Art wurden mit Hilfe einer Liste alle Walund Delfinarten, deren Sichtungshäufigkeit hoch genug ist, um Ergebnisse im Geografischen
Informationssystem ersichtlich zu machen, ausgewählt.
Cetaceen Sichtungshäufigkeit
Abbildung 16: Sichtungshäufigkeit der Cetaceen nach der Art seit 1995 bis 2014
43
In der Abbildung ist zu erkennen, dass die drei am häufigsten vorkommenden Arten der
Bottlenose Dolphin, Pilot Whale und der Atlantic Spotted Dolphin sind. Der Sperm Whale ist
mit einer Sichtungshäufigkeit von 0 % mit nur 42 Sichtungen sehr selten anzutreffen und ist
somit die letzte Art, die in die Liste der Abfragen mit aufgenommen wird.
# list with whale and dolphin names from the sightings table
whale_names = [
"Bottlenose Dolphin",
"Pilot Whale",
"Atlantic Spotted Dolphin",
"Rough-Toothed Dolphin",
"Bryde´s Whale",
"Common Dolphin",
"Striped Dolphin",
"Dense Beaked Whale",
"Cuvier´s Beaked Whale",
"Sei Whale",
"Beaked Whale",
"Sperm Whale"]
Diese Liste kann beliebig erweitert oder reduziert werden, indem entweder weitere
beispielsweise neu aufgetretene Arten mit eingetragen werden oder eine Abfrage zum
Beispiel nur für die fünf am häufigsten vorkommenden Arten erstellt werden soll. Hierfür
werden die restlichen Arten einfach aus der Liste gelöscht.
Die erste Abfrage greift auf die Liste der Cetaceen-Arten zu, in dem die for-Schleife auf die
Liste whale_names zugreift und in der folgenden Anweisung für jede Art in der Liste einen
Layer erstellt. Mit Hilfe der Funktion MakeFeatureLayer_management, die ebenfalls aus der
ArcPy-Teilbibliothek eingebunden ist, wird für jede Anweisung bzw. Art eine Layer-Datei
erstellt.
# Create Layer from the list whale_names to whale and dolphin
types/kinds
for name in whale_names:
arcpy.MakeFeatureLayer_management("Sichtungsdaten_PL.lyr",
name, "SPECIES = '%s'" % (name))
arcpy.SaveToLayerFile_management(name, name)
Desweiteren wird jeder erstellte Layer durch die ArcPy-Funktion SaveToLayer_management
vom temporären Speicher als permanenter Layer gespeichert.
Die nächste Ausgabe gibt die Layer nach den Jahren aus. Hierzu wird die Funktion range ()
verwendet. Diese ist wie eine Art Liste zu sehen, indem sie die Zahlen für einen bestimmten
Bereich ausgibt. Die range (4,10) gibt den Zahlenbereich von 4 bis 10 [4, 5, 6, 7, 8, 9] aus,
44
jedoch die letzte Zahl, in diesem Fall 10, nicht. Deshalb lautet unser Zahlenbereich für die
Sichtungen 1995 bis 2015.
# Layerausgabe nach Jahren / mit Startjahr und Endjahr
for year in range(1995,2015):
arcpy.MakeFeatureLayer_management ("Sichtungsdaten_PL.lyr",
year, "DATE >= date'01.01.%s' AND DATE < date'01.01.%s'" %
(year, year+1))
Desweiteren wird der Bereich festgelegt, in dem die Ausgabe erzeugt werden soll. In diesem
Fall wollen wir einen Layer erstellen für die jeweiligen Jahre in der Tabelle. Da sich die forSchleife nach jedem Durchlauf um eins erhöht, legen wir den Datumsbereich für das
Ausgabejahr variabel. Das heißt, der Datumsbereich entspricht dem Datumsformat
„01.01.%s“des einen Jahres bis zum „01.01.%s“ des nächsten Jahres. Das %s entspricht dabei
einem Platzhalter, der bei jedem Durchlauf der Schleife die Variable year um eins erhöht.
Bei der folgenden Abfrage nach den Monaten verhält es sich ähnlich. Hier wird wieder auf
die Funktion range () zugegriffen. Hierfür lautet der Bereich für die Monate 01 bis 13.
# Layerausgabe nach Monaten
for month in range(01,13):
arcpy.MakeFeatureLayer_management ("Sichtungsdaten_PL.lyr",
str(monate[month]), "DATE >= date'01.01.1997' AND DATE <
date'01.01.2015' AND EXTRACT(MONTH FROM DATE) = %s" % (month))
arcpy.SaveToLayerFile_management(str(monate[month]),
str(monate[month]))
Bei der Monatsabfrage wird nun das dictionary eingebunden, indem vor die Variable month
der Name des dictionary monate eingebunden wird (monate[month]). Somit lautet die
Ausgabe des Layers beispielsweise nicht „01“ sondern Januar. Die Abfragen bezüglich der „Art & Monat“ und „Art & Jahr“ enthalten bereits dieselben Abfragen bezüglich der Ausgabe nach der Art, dem Monat und dem Jahr. Sie sind lediglich
kombiniert, indem jeweils zuerst eine Abfrage nach der Art erstellt wird und indem die
zweite Abfrage entsprechend eingerückt ist im Code, wird danach jeweils die Abfrage nach
dem Monat oder Jahr ausgeführt.
# Layerausgabe nach Art UND Monaten
for name in whale_names:
arcpy.MakeFeatureLayer_management ("Sichtungsdaten_PL.lyr", name,
"SPECIES = '%s'" % (name))
for month in range(01,13):
arcpy.MakeFeatureLayer_management ("Sichtungsdaten_PL.lyr",
name + " " + str(monate[month]), "DATE >= date'01.01.1997' AND
DATE < date'01.01.2015' AND EXTRACT(MONTH FROM DATE) = %s AND
SPECIES = '%s' " % (month, name))
45
# Layerausgabe nach Art UND Jahren
for name in whale_names:
arcpy.MakeFeatureLayer_management ("Sichtungsdaten_PL.lyr",
name, "SPECIES = '%s'" % (name))
for year in range(1995,2015):
arcpy.MakeFeatureLayer_management
("Sichtungsdaten_PL.lyr", name + " " + str(year), "DATE
>= date'01.01.%s' AND DATE < date'01.01.%s' AND SPECIES =
'%s' " % (year, year+1, name))
Anzeige & Gruppierung der Layer
Nach dem die Layer erstellt wurden, indem der Datensatz durch die Abfragen gefiltert
wurde, wäre es nun wünschenswert, die Layer erstens im Inhaltsverzeichnis (engl. Table of
Content) in ArcMap anzeigen zu lassen, damit man die verschiedenen Layer sehen und die
Sichtbarkeit der Layer einstellen kann. Zweitens sollte dies möglichst übersichtlich gestaltet
sein, weswegen die Layer innerhalb festgelegter Gruppen sortiert werden sollten.
Um die Layer dem aktuellen Datenrahmen hinzuzufügen, ist es notwendig, die
Rahmenbedingungen für die mapping-Funktion festzulegen. Hierfür muss der aktuelle
Datenrahmen im Projekt fest gelegt werden.
mxd = arcpy.mapping.MapDocument("CURRENT")
df = arcpy.mapping.ListDataFrames(mxd)[0]
Nach jeder Abfrage befindet sich der folgende Code-Block, damit die Layer im
Inhaltsverzeichnis angezeigt werden und entsprechend in die Gruppe sortiert werden.
Hierfür wird wieder die ArcPy-Funktion mapping verwendet. Anschließend werden mit Hilfe
derselben Funktion und der ListLayers- und AddLayerToGroup-Funktion die zuvor erstellten
Layer der zugehörigen Gruppe übergeben und entsprechend sortiert. Hierbei wird immer
wieder auf den zuvor fest gelegten Datenrahmen zugegriffen, um die Funktionen korrekt
auszuführen.
# Add created Layer To Group
newlayer1 = arcpy.mapping.Layer(name + ".lyr")
GroupLayer1 = arcpy.mapping.ListLayers(mxd, "Arten", df)[0]
arcpy.mapping.AddLayerToGroup(df, GroupLayer1, newlayer1,
"BOTTOM")
46
5.9 Karten für Umweltparameter
Für die Erstellung der Karten für die Umweltparameter Oberflächentemperatur und
Chlorophyll-a-Gehalt wird die Toolbox „Marine Geospatial Ecology Tools“ verwendet. Diese
Toolbox bietet eine Vielzahl von Funktionen, um die NASA Satellitendaten in ArcMap zu
verwenden.
SST
Mit dem Tool „Convert MODIS
L2 LAC SST to ArcGIS Raster“ ist es möglich, die L2 Level Daten,
für
die
Oberflächenwassertemperatur
(SST) zu konvertieren und zu
verwenden.
Abbildung 17: ArcMap Toolbox “MGET” Ausschnitt
Abbildung 18: Level 2 SST NASA Daten aus dem ArcGIS für das Gebiet der Kanaren
Die weißen Stellen auf der Karte sind entweder Festland oder entstehen durch fehlerhafte
Aufzeichnungen durch Wolken oder anderen Störungen. Der Bereich, für den die SST Karte
erstellt wurde, ist sehr groß, weshalb die Werte für die Oberflächentemperatur für den
gesamten Bereich zwischen 8,39 °C und 27,59 °C liegen. Da es sich bei den SST-Karten
ebenfalls um Raster-Karten handelt, kann hier auch die ArcGIS-Funktion „Multi Values to
47
Points“ verwendet werden, um die einzelnen SST-Werte mit den Sichtungskoordinaten zu
verknüpfen. Eines der größten Probleme stellt hier die Auswertung des Datums dar. Viele
Informationen bezüglich der Karte befinden sich im Header (dt. Kopfzeile) der Datei und
müssen erst konvertiert und interpretiert werden, um auf das Datum und die Uhrzeit
zugreifen zu können.
Chlorophyll-a-Gehalt
Bei den Karten für den Chlorophyll-a-Gehalt müssen spezielle Berechnungen und Vorgänge
durchgeführt werden, um die Karten verwenden zu können. Diese beginnen ebenfalls mit
dem Download von der NASA-OceanColor-Seite, befinden sich jedoch im Gegensatz zu den
SST Datensätzen im HDF SDS7 Format.
Abbildung 19: HDF NASA Daten aus dem ArcGIS für das Gebiet der Kanaren (Bicolor)
7
Hierarchical Data Format (HDF) Scientific Data Sets are (SDS) werden verwendet, um n-dimensionale
Rasterdaten zu speichern.
48
Mit Hilfe des Tools „Convert SDS in HDF to ArcGIS Raster“ werden die HDF-Dateien entpackt
und folgende Daten eingegeben (Meissner, 2010)(pers. com.).
Abbildung 20: Tool "Convert SDS in HDF to ArcGIS Raster" (ArcMap)
Die Werte sollten, nach dem das Raster erstellt wurde, zwischen 0 und 65535 liegen, wobei
die Werte 65535 für das Festland stehen. Die Karte wird anschließend klassifiziert (Spatial
Analyst Tools), indem die Werte zwischen 0 – 65534 Klasse 1 bilden und der Festland-Wert
65535 Klasse 2 bildet. Danach werden die Klassen noch einmal reklassifiziert, indem Klasse 2
die „leeren“ Daten (NoData) bildet. Anschließend besteht die Karte aus 2 Klassen und wird
zweifarbig dargestellt. Der erstellte Layer, der nun nur noch aus den Werten der Klasse 1
besteht und nur bicolor dargestellt wird kann nun die Darstellung mit Hilfe der Symbologie
des Layers verändert werden. Somit kann der Layer in verschiedenen Farben und Klassen
dargestellt und es können Aussagen über den Chlorophyll-a-Gehalt in gewissen Bereichen
getroffen werden.
49
6 ERGEBNISSE
In diesem Abschnitt werden die Ergebnisse präsentiert, die in Kapitel 5 implementiert
wurden.
Die Umsetzung der GIS-Komponente erfolgte
über die Entwicklung und Verwendung von
Python-Skripten.
Hierfür
wurden
ein
herkömmlicher Texteditor „Notepad“ und die Python-Schnittstelle über die Konsole in ArcMap
verwendet.
Durch
die
Einbindung
der
Teilbibliothek ArcPy konnte auf die ArcGISWerkzeuge
zugegriffen
werden,
um
die
einzelnen Geoverarbeitungsschritte ausführen
Abbildung 21: ArcMap Toolbox mit den erstellten
Python-Skripten
zu können. Damit die entwickelte GIS-Komponente möglichst flexibel verwendet werden
kann, wurden nicht alle Funktionen in ein einzelnes Skript implementiert, sondern auf drei
Skripte aufgeteilt. Dies hat den Vorteil, dass beispielsweise andere Datenbank-Formate, z.B.
Excel-Sheets, eingespeist werden können und nicht nur das voreingestellte txt-Format
verwendet werden muss. Des Weiteren könnte man nur anhand der Excel-Datenbank einen
XY-Layer erstellen, unabhängig von Skript 1, und könnte nur das dritte Skript verwenden, um
die Abfragen und Filterungen zu verwenden.
Die Python-Skripte wurden mit dem Projekt verknüpft und können durch einen Doppelklick
ausgewählt und ausgeführt werden. Das erste Skript erstellt automatisch anhand der
Abbildung 22: Ausführung des Skriptes in ArcMap
50
Datenbank einen XY-Layer. Außerdem projiziert es den erstellten XY-Layer automatisch auf
das im Projekt verwendete Koordinatensystem.
Desweiteren wurde eine geeignete Tiefenkarte ausgewählt, mit der es nun möglich ist, die
Meerestiefe und die Untergrundneigung mit den Sichtungskoordinaten zu verknüpfen.
Hierfür fiel die Wahl auf die bathymetrische Karte des Anbieters GEBCO mit einer
Genauigkeit von 30 Bogensekunden.
Abbildung 23: Sichtungsgebiet vor La Gomera mit den Sichtungskoordinaten
In der Abbildung sind die farblichen Abstufungen der Karte zu erkennen, die die Tiefenwerte
darstellen. Es handelt sich hierbei um eine Rasterkarte, wobei jeder Raster bzw. Pixel über
einen Tiefenwert verfügt. Dies bedeutet, dass es sich hierbei nicht um eine 3D-Karte handelt,
sondern um eine zweidimensionale Karte, die lediglich die einzelnen Tiefenwerte als Wert
und nicht als direkte Tiefe oder Höhenunterschied gespeichert hat.
51
Mit Hilfe des zweiten Skriptes „ExtractMultiValuesToPoint“ ist es möglich, die Datenbank
bzw. die Sichtungen mit zusätzlichen Attributen zu erweitern. Dies bedeutet, dass die
Sichtungskoordinaten mit der Tiefenkarte und der rot markierten Küstenlinie, die während
dieser Arbeit editiert wurde, verknüpft werden und somit die Entfernung zur Küste, die
Meerestiefe und der Slope der Sichtungsdatenbank für jeden einzelnen Sichtungspunkt
berechnet und hinzugefügt wird.
Abbildung 24: Neigungskarte ArcMap
Damit man weitere statistische Aussagen mit der erweiterten Datenbank machen kann, wird
diese mit Hilfe eines Tools als Excel-Datei ausgegeben.
52
Danach
kann
das
dritte
Skript
ausgeführt
werden,
indem
die
Abfragen
die
Sichtungsdatenbank filtert und dafür sorgt, dass eine genauere Auswahl spezifischer
Zeiträume oder Arten getroffen werden kann.
Abbildung 25: Sichtungsgebiet vor La Gomera mit den erstellten Layern
Hierfür wurden die Filterungen nach Art, Jahr, Monat, Art & Jahr und Art & Monat
implementiert. Diese Abfragen bzw. Filterungen werden automatisch ausgeführt und
können nicht direkt während der Ausführung verändert werden. Um diese Abfragen
anzupassen, müssen direkt im Quellcode des Python-Skriptes die Zeiträume oder Arten
verändert werden.
Für die NASA-Satellitendaten wurde lediglich eine mögliche Lösung erarbeitet, die nicht
automatisiert wurde. Hiermit wurde eine Basis für die Automatisierung gelegt, indem die zu
verwendenden Tools implementiert und mögliche Ansätze hierfür aufgezeigt wurden. Bei
53
beiden Verfahren ist das Problem aufgetaucht, dass es sich als schwierig erweist, das Datum
auszuwerten für die jeweils erstellten Karten. Bei den HDF Dateien steht das Datum im
„Header“ und muss mit einem Tool „Extract HDF Header“ interpretiert werden.
Grundsätzlich muss eine detailliertere Lösung für die Einspeisung der NASA Satellitendaten
gefunden werden, als es in dieser Arbeit erfasst wurde. Es muss ein Konzept erstellt werden,
dass einen größt möglichen Zeitraum der Datenerfassung abdeckt und für die
weiterführenden Sichtungen automatisiert werden kann.
Abbildung 26: Ausschnitt des Projektes in ArcMap
Zusammenfassend ist eine Vielzahl von Aufgaben implementiert und automatisiert worden,
die durch die vorangegangen Arbeiten bei M.E.E.R. e.V. entstanden sind. Hierfür wurden
Basiskarten für die verschiedenen Arten und Zeiträume erstellt, die beliebig ein- und
ausgeblendet werden können, um neue Aussagen über den Aufenthaltsort der Tiere treffen
zu können.
54
7 FAZIT
Ziel dieser Arbeit war es, eine GIS-Komponente zu entwickeln und zu implementieren, die
georeferenzierte Sichtungsdaten automatisiert darstellen und verarbeiten kann. Mit Hilfe
dieser Komponente sollten Probleme, die während des Bearbeitungs- und Analyseprozesses
aufgetreten sind, verringert bzw. behoben werden. Die entwickelte GIS-Lösung ermöglicht
dem Benutzer, automatisierte raumbezogene Auswertungen durchzuführen und räumliche
Tendenzen aufzuzeigen, um neue Hypothesen auszuarbeiten.
Der Hauptgedanke dieser Arbeit war es,
bisherige Vorgänge und Aufgaben zu
automatisieren und somit die Arbeit mit dem Programm vor allem für den Verein leichter zu
gestalten. Die hierfür zu Beginn der Arbeit formulierten Anforderungen konnten nahezu
vollständig erfüllt werden. Zum einen gelang es, die Datenbank automatisch in das GIS
einzuspeisen. Desweiteren wurde das Problem der Projektion der Layer-Dateien behoben
und eine allgemeine Lösung für den Aufbau des Projektes, bezogen auf das zu verwendende
Koordinatensystem des Datenrahmens, gefunden. Zudem wurde eine geeignete Tiefenkarte
gefunden, die es ermöglicht, die Sichtungsdatenbank um die Messgrößen Tiefe und Slope zu
erweitern. Mit Hilfe der Editierung der Küstenlinie lässt sich nun ebenfalls der Abstand der
einzelnen Sichtungspunkte zur Küste berechnen. Durch die erarbeiteten Abfragen zeitlicher
Unterteilung in Jahre und Monate und in die einzelnen Arten können nun leichter Vergleiche
zwischen den Attributen getroffen werden.
Nur für die automatisierte Einspeisung der NASA Satellitenkarten wurde während der
Bearbeitungszeit keine Lösung gefunden bzw. erarbeitet. Schwierigkeiten traten somit vor
allem
bei
der
Erweiterung
der
Datenbank
durch
die
Umweltparameter
Oberflächentemperatur und Chlorophyll-a-Gehalt auf. Es erwies sich als schwierig, die
Satellitenbilder von der Homepage der NASA herunterzuladen und im passenden Format in
ArcMap zu verarbeiten. Außerdem stellte die Menge der Daten ein großes Problem dar, da
Datensätze, die täglich über einen Zeitraum von 20 Jahren erfasst wurden und weiterhin
erfasst werden, ein großes Datenvolumen benötigen. Die erbrachte Arbeit legt hierfür einen
Grundstein und zeigt auf, mit welchen Möglichkeiten und Tools das Problem gelöst werden
kann.
55
Diese Arbeit ermöglicht zusammenfassend einen guten Überblick, über die raumbezogene
und zeitliche Verteilung der verschiedenen Cetaceen vor La Gomera. Es wurden wichtige
Aufgaben entdeckt und mit Hilfe der entwickelten Lösung automatisiert. Vor allem die
vorangegangenen Arbeiten des M.E.E.R. e.V. bildeten die Grundlage für die zu
verbessernden Prozesse und so konnten einige Vorgänge optimiert werden. Nicht nur die
enorme Zeiteinsparung im Vergleich zu den bisherigen Prozessen ist ein beträchtlicher
Vorteil, sondern auch die Möglichkeit für andere Benutzer, komplexe Aufgaben in ArcMap
durchzuführen bzw. zu lösen, ohne weitreichende Kenntnisse des Programms zu haben.
ArcGIS
wird
auch
in
den
nächsten
Jahren
Marktführer
im
Bereich
der
Geoinformationssysteme sein und somit bildet dieses Projekt einen ausreichenden Ausblick
auf die in Zukunft verwendeten Standards und kann als Grundlage für weitere Projekte
verwendet werden.
7.1 Ausblick
Das GIS-Projekt mit allen in dieser Arbeit behandelten dazugehörigen Programmteilen wird
M.E.E.R. e.V. übergeben. Der Verein soll dazu eine Einführung in ArcGIS bekommen und eine
ausführliche Erklärung zu diesem Projekt erhalten, damit M.E.E.R. e.V. in Zukunft das GISProjekt weiterführen und für seine Forschungsarbeit verwenden kann.
7.1.1 Eingabemaske
Auf Grund der Entwicklung der GIS-Komponente als Skript ist diese bisher nicht besonders
benutzerfreundlich gestaltet. Wünschenswert wäre, dass der Benutzer die Abfragen, die er
durchführen möchte, selbst auswählen kann. Vor allem aber wäre es hilfreich, wenn der
Benutzer den Zeitraum innerhalb der Abfragen verändern könnte. Die Veränderung des
Zeitraumes oder der Arten erfolgt bislang über das Skript. Hierzu muss im Skript nach der
passenden Code-Stelle gesucht und diese manuell verändert werden.
Dies könnte man entweder über eine Einbindung eines CSS-Stylesheets verbessern oder
über weitere Skriptteile mit Hilfe von Pop-Up-Fenstern für die einzelnen Abfragen und
Zeiträume.
56
7.1.2 NASA Daten
Eine automatische Einspeisung der Satellitendaten der NASA ist während dieser Arbeit nicht
vollständig gelungen. Hierfür wäre es erstrebenswert, diesen Vorgang zu automatisieren.
Dafür müsste der Vorgang angefangen mit dem Download der Daten bis zur Einspeisung in
ArcMap zuerst genauer erfasst und verbessert werden. Nach dem ein genaueres Konzept
entwickelt wurde als in dieser Arbeit, können die Vorgänge wie bereits aufgezeigt mit dem
ModelBuilder oder der Python-Schnittstelle automatisiert werden.
Abbildung 27: SST und Sichtungen vor La Gomera (Strüh, 2008)
In der Abbildung ist das Ergebnis von Frau Strüh zu sehen. Es dient dazu aufzuzeigen wie das
Ergebnis aussehen könnte. Sie hatte in Ihrer Diplomarbeit ein Programm verwendet, welches
den Download der SST und Chlorophyll-a-Gehalt Karten mit
dem entsprechenden
räumlichen Bezug ins GIS lädt.
57
7.1.3 Detailliertere Tiefenkarte
Desweiteren könnte man die ausgewählte Tiefenkarte durch eine genauere bathymetrische
Karte ersetzten. Hierfür könnte man eventuell in Instituten nach genaueren 3D Karten oder
einer wesentlich detaillierteren Rasterkarte fragen. Durch die festgelegte Projektion im
Projekt könnte man eine genauere Karte auf das verwendete Koordinatensystem projizieren
und problemlos verwenden solange sie georeferenziert ist.
7.1.4 Online-Karten
Da der Verein nur begrenzt Möglichkeiten hat, eine Lizenz für das Programm ArcGIS zu
erlangen, wäre eine weitere Aussicht die Verwendung des Online-ArcGIS. Hier ist es möglich,
das gesamte Projekt samt der Layer und Datenbanken online zu stellen und über die OnlineKarten-Funktion im Internet mit einem geschützten Zugang anzuschauen. Desweiteren
können die jeweiligen Layer ein- und ausgeblendet werden und somit Aussagen über das
Vorkommen der Tiere getroffen werden. Zudem könnte man Besuchern der Whale
Watching Tour auf La Gomera oder anderen Interessenten Zugang zu diesem Online-Projekt
gewähren, damit sie einen Einblick erlangen in die geografische Auswertung der
Sichtungsdaten. Eine weitere Möglichkeit wäre das Programm „Collector“. Mit Hilfe dieser App könnte man Sichtungspunkte auf der eingespeisten Karte setzen, sprich eine
persönliche mobile Erfassung der Sichtungen ermöglichen.
7.1.5 Server-Verbindung
Nach (Wittmann J., 2014): Eine weitere Möglichkeit bezüglich der Speicherung der
Sichtungsdaten wäre die Verwendung eines zentral auf einem Server laufenden
Datenbankmanagementsystems. Durch die Neumodellierung und Normalisierung der
bisherigen Datenbank könnten entstandene Redundanzen und dadurch verursachte
Anomalien verhindert und somit eine konsistente Versionierung der Datenbank ermöglicht
werden. Durch ein serverseitiges Backend können die Sichtungsdaten über unterschiedliche
Clients ausgegeben werden sowie deren Ausgabe auf einer Weboberfläche eingegeben
werden. Des Weiteren sollte es möglich sein, die Datenbank als Excel-Datei auszugeben,
damit diese wieder ins GIS eingespeist werden kann. Dies hat den Vorteil, dass die Skripte
weiterhin verwendet werden können, da die entwickelte GIS-Komponente ebenfalls für die
Einspeisung eines Excel-Sheets ausgerichtet ist.
58
Literaturverzeichnis
ArcGIS. (4. September 2012). Von Excel and CSV Conversion Tools - teampython:
http://www.arcgis.com/home/item.html?id=f3d91b8f852042e289e09a7ec8342431
Arístegui J., Tett P., Hernández-Guerra A., Basterretxea G., Montero MF., Wild K., Sangrá
P., Hernández-Leon S., Cantón M., García-Braun J.A., Pacheco M. and Barton E.D.
(1997). The influence of island-generated eddies on chlorophyll distribution: a study of
mesoscale variation around Gran Canaria. Deep-Sea Research.
Bartelme, N. (2005). Geoinformatik- Modell, Strukturen, Funktionen (Bd. 4. Auflage).
Österreich, Graz: Springer.
Bill R. (2010). Grundlagen der Geo-Informationssysteme. Berlin: Wichmann.
Brand K., von Groote-Bidlingmaier C., Hutner P., Kaiser P., Peyker I., Strauß A. (2012).
ArcGIS 10.1 und 10.0 - Das Deutschsprachige Handbuch. (G. G. GmbH, Hrsg.) Berlin:
Wichmann VDE Verlag GmbH.
British Oceanographic Data Centre (BODC). (3. Dezember 2014). GEBCO gridded batymetry
data. Abgerufen am 23. Februar 2015 von
http://www.gebco.net/data_and_products/gridded_bathymetry_data/
Carrillo M., Pérez-Vallazza C. & Álvarez-Vázquez R. (2010). Cetacean diversity and
distribution off Tenerife (Canary Islands) (Bd. Vol.3; e97). Marine Biological
Association of the United Kingdom.
Heuer, L. (2013). Bachelorarbeit: Darstellung von Sichtungsdaten von Walen und Delfinen vor
La Gomera mithilfe eines Geographischen Informationssystem (GIS). Berlin.
IUCN. (2012). The IUCN Red List of Threatened Species. Abgerufen am 16. März 2015 von
International Union for Conservation of Nature and Natural Resources:
http://www.iucnredlist.org/details/22563/0
Jennings, N. (2011). A Python Primer for ArcGIS. Lexington, KY, USA: CreateSpace
Independent Publishing Platform.
Klein, B. (23. März 2015). Python Kurs - Dictionaries. Von
http://www.python-kurs.eu/dictionaries.php abgerufen
Koch, K. J. (2007). Diplomarbeit: Untersuchung über die Verbreitung und das Vorkommen
von Cetaceen vor La Gomera, Kanarische Inseln, anhand eines Geografischen
Informationssytems (ArcGIS). Berlin.
M.E.E.R. e.V. (2008). Broschüre: Delfine und Wale vor La Gomera - Artenvielfalt im Wandel.
Berlin.
59
MacLeod, C. D. (2011). An Introduction to Using GIS in Marine Biology. UK, Glasgow: Pictish
Beast Publications.
Meissner, A. (2010). How to convert HDF satellite data into Arcview format. NZ , Auckland
MGET - Marine Geospatial Ecology Tools. (D. University, Herausgeber, & B. B. Jason Roberts,
Produzent) Abgerufen am 24. Februar 2015 von http://mgel.env.duke.edu/mget/
Reeves, R. S. (2003). Dolphins, Whales and Porpoises. IUCN/SSC Cetacean Specialist Group.
Ritter, F. (2001). 21 cetacean species off La Gomera (Canary Islands): Possible reasons for an
extraordinary species diversity. . Rome, Italy : 15th Ann. Conf. ECS. (Poster
presentation). .
Ritter, F. (2003). Interactions of Cetaceans with Whale Watching Boats – Implications for the
Management of Whale Watching Tourism. Berlin: M.E.E.R. e.V.
Ritter, F. (2007). Wale erforschen - Ein Leitfaden zur Erforschung von Walen und Delfinen in
ihrem natürlichen Lebensraum. Welver: Outdoor: Conrad Stein Verlag, 1. Auflage.
Ritter, F. (2010). Quantification of ferry traffic in the Canary Islands (Spain) and its
implications for collisions with cetaceans. 11(2): 139–146: J. CETACEAN RES.
MANAGE.
Ritter, F. (2013). Projekt MEER La Gomera, Forschung für einen besseren Schutz der
Meeressäuger - Projektbeschreibung der Zusammenarbeit mit der HTW Berlin. Berlin:
M.E.E.R. e.V.
Ritter F., Ernert A. & Smit V. (2011). A long-term cetacean sighting data set from whale
watching operations as a reflection of the environmental dynamics in a multi-species
cetacean habitat. Cadiz, Spanien: Ann. Conf. ECS.(Poster Präsentation).
Rothe, P. (1996). Sammlung geologischer Führer (Band 81): Kanarische Inseln. Lanzarote,
Fuerteventura, Gran Canaria, Tenerife, La Palma, Hierro. Berlin/Stuttgart: Gebrüder
Borntraeger.
Smitt V., Ritter F., Ernert A. & Strüh N. (2010). HABITAT PARTITIONING BY CETACEANS IN A
MULTI-SPECIES ECOSYSTEM AROUND THE OCEANIC ISLAND OF LA GOMERA (CANARY
ISLANDS). Berlin: M.E.E.R. e.V.
Strüh, N. (2008). Dipolmarbeit: Abundanz und Verbreitung von Cetaceen vor La Gomera im
Zusammenhang mit der Oberflächenwassertemperatur und dem Chlorophyllgehalt.
Marburg.
Wittmann J., Ritter F., Everding A., Amelong J., Jermann L. (2014). Ein Prozessmodell zur
Aufbereitung und Analyse von Sichtungsdaten von Delfinen und Walen vor La
Gomera. Berlin: ASIM Tagungsband.
60
Anhang
8
Funktion
Erklärung8
Parameter
MakeXYEventLayer
_management
Erstellt anhand von X- und Y-Koordinaten,
auf Grundlage einer Quelltabelle, einen
neuen Punkt-Feature-Layer
table, in_x_field,
in_y_field,
out_layer,
spatial_reference
GetCount_management
Zählt die Anzahl von Zeilen einer FeatureClass, oder -Tabelle, eines Layers od. Rasters
und gibt sie aus.
in_rows
SaveToLayerFile
_management
Erstellt anhand von georeferenzierten Daten
eine Ausgabe-Layer-Datei (.lyr)
in_layer, out_layer
Project_management
Projiziert georeferenzierte Daten von einem
Koordinatensystem in ein anderes
in_dataset,
out_dataset,
out_coor_system
Near_analysis
Hiermit wird die Entfernung jedes einzelne
Feature des Eingabe-Features zum
naheliegendsten Feature berechnet
in_features,
near_features
ExtractMultiValuesToPoint
Extrahiert Zellenwerte aus einer PointFeature-Class angegebenen Positionen aus
einem Rastern und verknüpft die Werte in
der Tabelle des Point-Feature auf.
in_point_features,
in_rasters
ImportToolbox
Importiert die benötigte externe Toolbox in
ArcPy, die den Zugang zu zugehörigen Tools
der Toolbox ermöglichen.
input_file
TableToExcel
_tableconversion
Konvertiert eine Tabelle in ein Excel-Sheet.
input_Table,
output_Excel_File
Mapping
Die Python-Skriptbibliothek arcpy.mapping
ermöglicht das Öffnen und Bearbeiten von
Kartendokumenten (.mxd) und Layer-Datein
(.lyr)
*
AddLayer
Bietet die Möglichkeit, eine Schicht auf einen
data_frame,
Datenrahmen in einem Kartendokument
add_layer,
(MXD) mit einfachen Platzierung Optionen
{add_position}
hinzufügen.
AddLayerToGroup
Bietet die Möglichkeit, einen Layer zu einer
Layer-Gruppe in einem Kartendokument
(MXD) mit Platzierung Optionen
hinzuzufügen.
data_frame,
target_group_layer,
add_layer,
{add_position}
http://help.arcgis.com/de/arcgisdesktop/10.0/help/index.html
61
Parameter
Funktion9
Datentyp
table
Die Tabelle der Positionen des zu erstellenden PunktFeatures mit den X- und Y-Koordinaten.
Table View
in_x_field
Das Feld in der Tabelle, das die X-Koordinaten enthält.
Field
in_y_field
Das Feld in der Tabelle, das die Y-Koordinaten enthält.
Field
out_layer
Name des zu erstellenden Punkt-Ereignis-Layers.
Feature Layer
spatial_reference
Ermöglicht den Raumbezug der Koordinaten des
Ausgabe-Layers mit Hilfe der X- und Y-Felder.
Spatial
Reference
in_layer
Die im Arbeitsspeicher gespeicherte Layer-Datei, die als
Layer-Datei auf der Festplatte abgespeicherte werden soll
Layer
out_layer
Die Ausgabe-Layer-Datei (.lyr).
Layer File
in_dataset
Die zu projizierende Feature-Class, Feature-Layer oder
Feature-Datasets.
Feature Layer;
Feature Dataset
out_dataset
Das Ausgangsdatenset in dem die Ergebnisse geschrieben
werden.
Geodataset
out_coor_system
Konvertierung der input Layer-Datei von einem
Koordinatensystem in ein anderes.
Coordinate
System
in_feature
In-Features können vom Typ "Punkt", "Polylinie",
"Polygon" oder "Multipoint" sein.
Feature Layer
near_features
Enthalten die Near-Features. Sie enthalten die Features
nach denen gesucht wird, die den Features des EingabeLayers vom Typ "Punkt", "Polylinie", "Polygon" oder
"Multipoint" am nächsten liegen. Near-Feature-Einträge
können einzeln oder mehrfach vorhanden sein.
Feature Layer
in_point_features
in_rasters
Die Eingabe-Punkt-Features, zu denen Sie Raster-Werte
hinzufügen möchten.
Hierbei handelt es sich um das Eingabe-Raster, anhand
dessen die Position des Punkt-Feature des Eingabe-PunktFeature extrahiert werden soll.
Feature Layer
Value Table
input_file
Importiert die Geoverarbeitungs-Toolbox in ArcPy, um
Zugang zu den Werkzeugen der Toolbox zu erlangen.
String
output_Excel_File
Die Microsoft Excel-Ausgabedatei.
File
data_frame
Ein Verweis auf ein Datenrahmen-Objekt in einem
Kartendokument.
DataFrame
add_layer
Der Bezug zu einem Layer Objekt, welches dem aktuellen
Datenrahmen hinzugefügt werden soll.
Layer
9
http://help.arcgis.com/de/arcgisdesktop/10.0/help/index.html
62
{add_position}
Eine Konstante, die die Platzierung der Layer innerhalb
der Datenrahmens bestimmt.
AUTO_ARRANGE – Standardwert der die Layer
automatisch sortiert
BOTTOM – Platziert den Layer an der Unterseite des
Datenrahmens
TOP – Platziert den Layer an der Oberseite des
Datenrahmens
String
target_group_layer
Ein Layer-Objekt, das einer Gruppe hinzugefügt werden
soll. Es muss sich um ein Gruppen-Layer handeln.
Layer
63

Grenzenlos planen— Gezielt umsetzen Nutzen Sie unsere Expertise!

Danke für Ihre Anmeldung. Einfach informieren, einfach anmelden

LIKE Mediadaten

Themen und Inhalte des Differenzierungskurses GIS in Klasse 8 und 9

Automatisierte Prozesse und Generalisierung in der Kartografie mit

Layer-Chemie stellt sich kurz vor - layer

Link zu weiteren Informationen

Hochschule Karlsruhe (HSKA) - University of Applied Sciences

Der Riesenkalmar wird bis zu 14 m lang, was ungefähr der Länge