OpenStreetMap Element Vectorisation: A Tool for High Resolution Data Insights and its Usability in the Land-use and Land-cover Domain

Gezeigtes Bild: Abbildung 3 aus dem Paper.

Einer der Beiträge, die das HeiGIT/GeoScience-Team auf der letztjährigen Konferenz Free and Open Source Software for Geospatial (FOSS4G) 2022 vorstellte, war das neue Paper von Moritz Schott, Sven Lautenbach, Leonie Großchen und Alexander Zipf “OpenStreetMap Element Vectorisation: A Tool for High Resolution Data Insights and its Usability in the Land-use and Land-cover Domain.”

In diesem Beitrag wird ein Werkzeug vorgestellt, mit dem das viel diskutierte Problem der Zweckmäßigkeit angegangen werden kann. Da Forschende und Nutzende die Vorteile der OpenStreetMap-Anwendungen für räumliche Analysen und standortbezogene Dienste nutzen, wenden sie sich aufgrund des Mangels an hochwertigen extrinsischen Datensätzen häufig der intrinsischen Datenanalyse zu. Eine Einschränkung dieses Vertrauens in die Analyse intrinsischer Daten ist die Tendenz, dass sich diese Informationen auf bestimmte Themen oder Regionen konzentrieren.

Das neue Tool, OpenStreetMap Element Vectorisation, bietet derzeit Zugang zu 32 Attributen oder Indikatoren auf der Ebene einzelner OpenStreetMap-Objekte. Diese Indikatoren decken Aspekte ab, die das Element selbst, umliegende Objekte und die Bearbeitenden des Objekts betreffen. Ein grafischer Arbeitsablauf veranschaulicht die Schritte, die zur Nutzung des Tools erforderlich sind, von der Dateikonfiguration und der Einrichtung der Datenbank bis zur Ausgabe der Ergebnisse.

Testing Grounds

In dem Beitrag wurde die Verwendbarkeit von OpenStreetMap Element Vectorisation für den Anwendungsfall der LULC-Elemente von Landnutzungs- und Landbedeckungspolygonen nicht nur vorgestellt, sondern auch getestet.

Abbildung 2 aus dem Paper. OSM LULC Tags nach ihrer Häufigkeit und Größe, basierend auf allen OSM LULC-Polygonen im Jahr 2021. Die Farben stellen den Tag-Schlüssel dar. Das graue Hufeisen definiert einen Bereich, in dem Tags als zu klein (zu detailliert), zu groß (zu allgemein) oder zu selten (nicht in Gebrauch) eingestuft werden können. Diagonale Rasterlinien definieren Markierungen gleicher Wichtigkeit, d. h. gleicher flächendeckender Abdeckung.

Die Forscher fanden heraus, dass OpenStreetMap-Objekte in dichter besiedelten Gebieten tendenziell kleiner waren, während sich Alter und Größe der Objekte von Kontinent zu Kontinent unterschieden. In Europa und Nordamerika entdeckten die Forscher ältere und kleinere Objekte.

Mit Hilfe einer k-means-Clusteranalyse wurden Gruppen in den Daten identifiziert, wobei ein Cluster gefunden wurde, das stark von nordamerikanischen Seen beeinflusst wurde, die aus Importen stammen.

Blick auf die Zukunft

Das Tool bietet vielfältige Möglichkeiten für künftige Forschung, unterstützt die OpenStreetMap-Gemeinschaft durch fundierte Planungsentscheidungen für künftige Aktivitäten und ermöglicht es Datenkonsumenten, fundierte Entscheidungen über die Datennutzung zu treffen. Obwohl die Entwicklung mit Blick auf Landnutzungs- und Landbedeckungsinformationen erfolgte, kann das Tool nahtlos auf alle polygonalen OpenStreetMap-Daten angewendet werden und unterstützt auch Linien- und Punktdaten.

Für das gesamte Paper und alle Quellen:

• Schott, M., Lautenbach, S., Großchen , L., & Zipf, A. (2022). openstreetmap element vectorisation – a tool for high resolution data insights and its usability in the land-use and land-cover domain. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLVIII-4/W1-2022. https://doi.org/10.5194/isprs-archives-XLVIII-4-W1-2022-395-2022.

Ähnliche Arbeiten:

• Bruckner, J., Schott, M., Zipf, A., Lautenbach, S., 2021. Assessing shop completeness in OpenStreetMap for two federal states in Germany. AGILE: GIScience Series, 2, 20.
• Herfort, B., Lautenbach, S., de Albuquerque, J. P., Anderson, J., Zipf, A., 2021. The evolution of humanitarian mapping within the OpenStreetMap community. Scientific Reports, 11(1), 1–15.
• Jokar Arsanjani, J., Mooney, P., Zipf, A., Schauss, A., 2015. Quality assessment of the contributed land use information from openstreetmap versus authoritative datasets. J. Jokar Arsanjani, A. Zipf, P. Mooney, M. Helbich (eds), OpenStreetMap in GIScience: Experiences, Research, and Applications, Springer International Publishing, Cham, 37–58.
• Neis, P., Zielstra, D., Zipf, A., 2013. Comparison of Volunteered Geographic Information Data Contributions and Community Development for Selected World Regions. Future Internet, 5(2), 282–300.
• Neis, P., Zipf, A., 2012. Analyzing the Contributor Activity of a Volunteered Geographic Information Project — The Case of OpenStreetMap. ISPRS International Journal of GeoInformation, 1(2), 146–165.
• Raifer, M., Troilo, R., Kowatsch, F., Auer, M., Loos, L., Marx, S., Przybill, K., Fendrich, S., Mocnik, F.-B., Zipf, A., 2019. OSHDB: a framework for spatio-temporal analysis of OpenStreetMap history data. Open Geospatial Data, Software and Standards, 4(1), 1–12.
• Schott, M., Grinberger, A. Y., Lautenbach, S., Zipf, A., 2021. The Impact of Community Happenings in OpenStreetMap—Establishing a Framework for Online Community Member Activity Analyses. ISPRS International Journal of GeoInformation, 10(3), 164.
• Schott, M., Zell, A., Lautenbach, S., Zipf, A., Demir, B., 2022. LULC multi-tags based on OSM, Version 0.1. https://gitlab.gistools.geog.uni-heidelberg.de/giscience/idealvgi/osm-multitag.
• Schultz, M., Voss, J., Auer, M., Carter, S., Zipf, A., 2017. Open land cover from OpenStreetMap and remote sensing. International Journal of Applied Earth Observation and Geoinformation, 63, 206-213.
• Zielstra, D., Zipf, A., 2010. A comparative study of proprietary geodata and volunteered geographic information for Germany. 13th AGILE international conference on geographic information science, 2010, 1–15.