Von Bilddaten zu Informationen: Bildanalyse in ArcGIS

Bilddaten liefern weit mehr als nur visuelle Informationen. Mit den Werkzeugen in ArcGIS können Sie Veränderungen erkennen, Vegetation analysieren, Geländemerkmale ableiten, Objekte extrahieren und KI-gestützte Analysen durchführen. Dieser Beitrag zeigt, wie sich Bilddaten aus unterschiedlichen Quellen in ArcGIS Pro, ArcGIS Online und ArcGIS Enterprise untersuchen, verarbeiten und in wertvolle GIS-Informationen umwandeln lassen.

Bilddaten liefern den visuellen Kontext für eine Karte, ihre Pixelwerte enthalten jedoch auch Informationen, die Sie messen und analysieren können. Diese Informationen können dabei helfen, Vegetationsveränderungen zu quantifizieren, Überschwemmungsflächen zu kartieren, Gelände zu charakterisieren und GIS-Features zu extrahieren. Die Bilddaten, mit denen Sie arbeiten, können aus lokalen Dateien, Cloud-Speichern oder über ArcGIS freigegebene Bilddaten-Layer stammen, einschließlich Inhalten aus Ihrer Organisation, dem ArcGIS Living Atlas und anderen Quellen.

Diese Workflows umfassen Satelliten-, Luftbild- und Drohnenbilddaten sowie eine Vielzahl von Datenmodalitäten, darunter multispektrale, hyperspektrale, Radar-, Höhen- und multidimensionale Rasterdaten sowie Punktwolken. Jeder Datensatz kann unabhängig untersucht und analysiert oder mit anderen GIS-Daten kombiniert werden, um Fragestellungen über die Welt zu beantworten.

Beginnen Sie damit, die Bilddaten zu untersuchen, um deren Inhalt zu verstehen und interessante Muster zu identifizieren. Anschließend unterstützen Rasterfunktionen und Geoverarbeitungswerkzeuge eine gezieltere Analyse, während GeoAI die Feature-Extraktion automatisieren kann, wenn die Aufgabe dies erfordert. Der Datentyp, der Speicherort der Daten und der Umfang der Aufgabe helfen dabei zu bestimmen, wo und wie die Analyse durchgeführt wird (mehr dazu weiter unten).

Bilddaten zunächst untersuchen

Untersuchen Sie die Bilddaten, um zu verstehen, was sie darstellen, und um Muster zu identifizieren, die eine weiterführende Analyse rechtfertigen könnten. Wählen Sie einen Bereich und ein Datum aus, passen Sie die Darstellungsstreckung sowie die Bandkombination an und betrachten Sie die Bilddaten gemeinsam mit Flurstücken, Anlagen oder anderen GIS-Layern. Eine Falschfarbendarstellung (Color Infrared) kann beispielsweise Unterschiede in der Vegetation oder in Wasserflächen deutlicher sichtbar machen als eine Darstellung in natürlichen Farben.

Diagramme bieten eine Möglichkeit, die Werte hinter dem zu untersuchen, was Sie in den Bilddaten sehen. Ein Spektralprofil zeigt, wie ein Standort über verschiedene Spektralbänder hinweg reagiert; ein zeitliches Profil zeigt, wie sich Pixelwerte im Laufe der Zeit verändern. Histogramme zeigen die Verteilung der Pixelwerte innerhalb eines Interessensgebiets, während Streudiagramme Beziehungen zwischen Bildvariablen oder Spektralbändern sichtbar machen. Diese Ansichten können Ihnen dabei helfen, ungewöhnliche Pixel zu untersuchen, Bereiche oder Zeitpunkte zu vergleichen und festzustellen, welche Muster für eine weiterführende Analyse relevant sind.

ArcGIS Pro unterstützt Spektral- und Zeitprofile, Histogramme sowie Streudiagramme für Bilddaten aus einer Vielzahl von Quellen. Im ArcGIS Online Map Viewer stehen Balkendiagramme, Histogramme und Streudiagramme für Kachelbilddaten-Layer und dynamische Bilddaten-Layer zur Verfügung.

Von Pixelwerten zur Analyse

ArcGIS umfasst mehr als 150 integrierte Rasterfunktionen für radiometrische Korrekturen, Bildverbesserungen, Bandarithmetik, Geländeanalyse, Veränderungserkennung und viele weitere Arten der Rasterverarbeitung. Die hier beschriebenen Funktionen stellen nur einige der Möglichkeiten dar, wie Rasterfunktionen eingesetzt werden können. Einige bereiten Bilddaten für die Analyse vor, indem sie Pixelwerte anpassen oder korrigieren. Andere führen pixelbasierte Berechnungen durch, um Vegetations- oder Wasserindizes abzuleiten, Bilddaten aus unterschiedlichen Zeitpunkten zu vergleichen oder Raster zu einer Eignungsfläche zusammenzuführen. Rasterfunktionen können Bilddaten verarbeiten, ohne die Quelldaten zu verändern, und mehrere Funktionen können zu einer wiederverwendbaren Rasterfunktionsvorlage verknüpft werden. Ein Workflow kann beispielsweise einen Vegetationsindex berechnen, Wasserflächen ausmaskieren und Bereiche für eine weiterführende Analyse identifizieren.

Diese Verarbeitung on-the-fly macht es praktikabel, eine Analyse zunächst in einem kleinen Gebiet zu testen und die Parameter anzupassen, bevor ein Ausgabeergebnis erstellt wird. Wenn ein dauerhaftes Ergebnis benötigt wird, führen Sie ein Geoverarbeitungswerkzeug aus oder speichern Sie die verarbeiteten Bilddaten als neuen Layer. Die resultierenden Daten können anschließend gemessen, über verschiedene Zeitpunkte hinweg verglichen, mit anderen GIS-Daten kombiniert oder mit anderen geteilt werden.

Was können Sie analysieren?

1. Vegetation und Umweltbedingungen: Bandarithmetik und Indizes können den Zustand von Vegetation, Oberflächengewässern, Brandflächen und bebauten Flächen hervorheben, sofern die Bilddaten die erforderlichen Bänder enthalten. Sie können einen Index zwischen verschiedenen Zeitpunkten vergleichen, ihn nach Bewirtschaftungsgebieten zusammenfassen und Standorte identifizieren, die eine Vor-Ort-Inspektion rechtfertigen.
2. Veränderungen und Zeitreihen: Der Vergleich zweier Bilder kann den Ort und das Ausmaß von Veränderungen aufzeigen. Längere Zeitreihen können einen Trend, ein saisonales Muster oder den Zeitpunkt einer Störung sichtbar machen. Sie können diese Methoden nutzen, um Fragestellungen zu untersuchen, beispielsweise wo Waldflächen verloren gegangen sind, welche Felder sich nach einer Dürre erholt haben oder wie sich eine Küstenlinie verändert hat. Je nach Fragestellung kann das Ergebnis ein Differenzraster, eine Landbedeckungs-Übergangskarte oder ein Layer sein, der zeigt, wann eine Veränderung eingetreten ist.
3. Entfernung und Eignungsanalyse: Aus Bilddaten abgeleitete Landbedeckungsinformationen können mit Hangneigung, Entfernung zu Straßen, Nähe zu Gewässern und anderen GIS-Layern kombiniert werden. Rasterberechnungen, Reklassifizierungen und gewichtete Überlagerungen können diese Eingabedaten in eine Eignungsfläche umwandeln. Sie können das Ergebnis nutzen, um die Suche nach Renaturierungsflächen, Infrastrukturkorridoren oder Bereichen, die genauer untersucht werden müssen, einzugrenzen. Hier werden die Bilddaten zu einem Eingabefaktor einer umfassenderen GIS-Analyse.
4. Gelände und Hydrologie: Höhenmodelldaten können verwendet werden, um Hangneigung, Exposition, Fließrichtung, Einzugsgebiete und weitere Eigenschaften abzuleiten, die beschreiben, wie sich Wasser durch eine Landschaft bewegt. Beispielsweise können Sie Hangneigungs- und Landbedeckungsdaten nutzen, um Gebiete zu identifizieren, die anfällig für Erosion sein könnten, oder Fließrichtungen und Einzugsgebietsgrenzen verwenden, um Entwässerungsgebiete zu kartieren und zu verstehen, wie Wasser durch eine Landschaft fließt. Diese Analysen können Erosionsstudien, Hochwasserbewertungen, Habitatanalysen und die Standortplanung unterstützen.
5. Synthetic Aperture Radar (SAR): SAR kann sowohl bei Tag als auch bei Nacht und unabhängig von Wolkenbedeckung Informationen liefern, wodurch sich diese Technologie für die Überwachung von Orten und Ereignissen eignet, die mit optischen Bilddaten nur schwer beobachtet werden können. Sie können SAR verwenden, um Überschwemmungen zu kartieren, Veränderungen in Feuchtgebieten und landwirtschaftlichen Flächen zu überwachen, Bodenbewegungen zu erkennen und Veränderungen entlang von Küstenlinien nachzuverfolgen. Darüber hinaus können Sie SAR-Bilder aus unterschiedlichen Zeitpunkten vergleichen, um Veränderungen zu identifizieren, die in optischen Bilddaten möglicherweise nicht offensichtlich sind. In ArcGIS Pro können Sie SAR-Daten für die Analyse vorbereiten, indem Sie die Bilddaten kalibrieren und geometrisch korrigieren, Speckle-Rauschen reduzieren und Kennwerte wie Radarindizes und Kohärenz berechnen. Da SAR auf die Struktur und Feuchtigkeit von Oberflächen und nicht auf reflektiertes Sonnenlicht reagiert, unterscheiden sich die sichtbaren Muster sowie die Methoden zu ihrer Interpretation von denen optischer Bilddaten.
6. Hyperspektrale Bilddaten: Mit ihren zahlreichen schmalen Spektralbändern können hyperspektrale Bilddaten dabei helfen, Materialien zu unterscheiden, die in natürlichen Farben oder in multispektralen Bilddaten ähnlich aussehen. Sie können diese Daten nutzen, um Mineralien, Vegetationstypen, künstlich hergestellte Materialien oder andere Zielobjekte mit charakteristischen spektralen Eigenschaften zu identifizieren. Beispielsweise können Sie die Spektralsignatur eines bekannten Materials mit den Pixelwerten der Bilddaten vergleichen, um Bereiche mit ähnlichen Signaturen zu lokalisieren. Zur Unterstützung dieser Art der Analyse können Sie in ArcGIS Werkzeuge zur Zielerkennung einsetzen.
7. Klassifizierung und GeoAI-Feature-Extraktion: Pixelbasierte Klassifizierung und Deep-Learning-Modelle verwandeln Bilddaten in nutzbare GIS-Daten. Vorgefertigte und individuelle Modelle können Landbedeckungsklassen identifizieren, Objekte erkennen und Features wie Gebäude, Straßen und Bäume extrahieren. Weitere Modelle unterstützen die Schadensbewertung und die Erkennung von Veränderungen. Die daraus entstehenden Ergebnisse werden zu GIS-Layern, die Abfragen, Messungen, Berichterstellung und räumliche Überlagerungen mit Anlagen, Infrastruktur oder Verwaltungsgrenzen unterstützen. Bevor die Ergebnisse als verlässliche Daten verwendet werden, können Sie Stichproben überprüfen und die Genauigkeit bewerten.

Entscheiden, wo die Analyse ausgeführt wird

1. ArcGIS Pro (Desktop) ist ein guter Ausgangspunkt, wenn Sie mit lokalen Dateien arbeiten, Quelldaten detailliert untersuchen oder eine Methode interaktiv verfeinern möchten. ArcGIS Pro kann außerdem eine Verbindung zu Image-Services herstellen. Das Geoverarbeitungs-Framework von ArcGIS Pro umfasst mehr als 2.000 Werkzeuge für verschiedene GIS-Workflows. Zusätzliche Funktionen für die Bilddatenanalyse stehen über ArcGIS Image Analyst und ArcGIS Spatial Analyst zur Verfügung. Geführte Workflows wie die Assistenten für Bildklassifizierung, Veränderungserkennung, Anomalieerkennung und Zielerkennung unterstützen Sie bei mehrstufigen Analysen, ermöglichen die Vorschau von Ergebnissen und helfen Ihnen dabei, Einstellungen anzupassen, bevor Sie diese speichern.
2. ArcGIS Enterprise mit ArcGIS Image Server bietet die Möglichkeit, Bilddaten organisationsweit bereitzustellen und zu analysieren. Die verteilte Rasteranalyse eignet sich besonders für große Datensammlungen, großräumige Gebiete und Workflows, die regelmäßig ausgeführt werden müssen. Teams können einen Ansatz zunächst in einem kleinen Gebiet entwickeln und testen und anschließend Rasterfunktionen oder Deep Learning auf größere Datensammlungen anwenden sowie die Ergebnisse als Services veröffentlichen. Sowohl die Bilddaten als auch die Verarbeitung können innerhalb der Enterprise-Umgebung einer Organisation verbleiben, unabhängig davon, ob diese lokal oder in der Cloud betrieben wird.
3. ArcGIS Online (SaaS) stellt gehostete Bilddaten und Rasteranalysen bereit, ohne dass eine Organisation die zugrunde liegende Infrastruktur verwalten muss. Organisationen können eigene Bilddaten veröffentlichen oder unterstützte Layer aus dem ArcGIS Living Atlas im Map Viewer analysieren. Kachelbilddaten-Layer ermöglichen einen schnellen Zugriff auf Rasterpixel für Visualisierung und Analyse, während dynamische Bilddaten-Layer dynamisches Mosaikbilden, die Auswahl einzelner Bilder sowie serverseitige Verarbeitungen unterstützen. Der Map Viewer stellt Rasteranalysewerkzeuge, Rasterfunktionen und Deep-Learning-Workflows bereit. Die Ergebnisse können als Layer gespeichert und innerhalb Ihrer Organisation freigegeben werden.

Analyse über die Benutzeroberfläche hinaus erweitern

Dieselbe Arbeit kann per Skript automatisiert oder in eine Anwendung integriert werden. ArcPy stellt die Geoverarbeitungswerkzeuge von ArcGIS Pro für die Automatisierung von Desktop-Workflows bereit. Die ArcGIS API for Python und die ArcGIS REST APIs bieten Zugriff auf Bilddaten-Layer, Rasterfunktionen und Rasteranalysedienste, sodass Teams eine Analyse bei Eingang neuer Bilddaten wiederholt ausführen können. Das ArcGIS Maps SDK for JavaScript ermöglicht es, die Darstellung und Verarbeitung von Bilddaten in eine Webanwendung zu integrieren, die für eine bestimmte Aufgabe entwickelt wurde.

Organisationen können zudem eigene Methoden einbinden. Rasterfunktionsvorlagen kombinieren integrierte Verarbeitungsschritte zu wiederverwendbaren Workflows. Benutzerdefinierte Python-Rasterfunktionen ermöglichen die Ausführung von Algorithmen und Python-Bibliotheken von Drittanbietern als Teil der Bilddatenverarbeitung in ArcGIS Pro und in unterstützten ArcGIS Enterprise-Bereitstellungen. Ebenso können Deep-Learning-Modelle für die Bilddaten und Features trainiert oder angepasst werden, mit denen eine Organisation arbeitet.

Betrachten wir beispielsweise einen Landkreis, der die Entwicklung entlang eines Flusses überwacht. Dieser könnte Bilddaten aus mehreren Zeitpunkten vergleichen, die Landbedeckung klassifizieren, ein Modell zur Aktualisierung von Gebäudegrundrissen einsetzen und die Ergebnisse mit Überschwemmungsgebieten und Flurstücken überlagern. Analysierende können die Veränderungskarte untersuchen, die extrahierten Features überprüfen und die Layer veröffentlichen, damit Planende Abfragen durchführen können. Was als Bilddaten begann, wird so zu Informationen, die mit dem übrigen GIS verknüpft sind.

Der Ausgangspunkt kann ein einzelnes lokales Bild oder eine große, organisationsweit bereitgestellte Datensammlung sein. Der Nutzen wächst, wenn die Messwerte und extrahierten Features zu GIS-Layern werden, die andere abfragen, mit ihren eigenen Daten kombinieren und für ihre Arbeit verwenden können. KI bietet zusätzlich eine Möglichkeit, diese Arbeit zu skalieren, insbesondere bei der Klassifizierung von Bilddaten, der Extraktion von Features oder der Erkennung von Veränderungen in großen Datensammlungen. Analysierende können diese Ergebnisse validieren, mit Rastermessungen und anderen GIS-Layern kombinieren und die Resultate zur weiteren Nutzung bereitstellen.

Hinweis zur Übersetzung: Dieser Beitrag basiert auf dem englischsprachigen Originalartikel und wurde ins Deutsche übersetzt. Für die Originalversion in englischer Sprache besuchen Sie bitte: