Rastersymbolisierung

In iXGIS sind Symbole und Stile für Rasterdaten zentrale Komponenten der Kartenvisualisierung. Sie wandeln die Originalwerte, die durch jede Zelle in einem Raster-Dataset dargestellt werden, etwa Höhe, Temperatur, Vegetationsindex oder Landbedeckungstyp, in lesbare grafische Ausdrücke um, indem visuelle Parameter wie Farben, Muster, Streckungsalgorithmen und Klassifizierungsmethoden definiert werden.

Zu den Methoden der Rastersymbolisierung gehören Streckungsanzeige, klassifizierte Anzeige, Rendering eindeutiger Werte und RGB-Komposite. Wählen Sie die Methode anhand des Datentyps des Rasters, etwa kontinuierliche oder diskrete Werte. Durch die Konfiguration von Farbskalen, Deckkraft, Wertebereichen und NoData-Behandlung können Sie vielfältige und steuerbare Rastervisualisierungseffekte auf der Karte erzeugen.

Eine geeignete Symbol- und Stilkonfiguration verbessert Kartendarstellung und visuelle Hierarchie. Sie unterstützt außerdem Datenanalyse, Mustererkennung und Interpretation räumlicher Verteilungen. Rasterstile bieten daher wichtige Unterstützung für Kartenerstellung, räumliche Modellierung, Interpretation von Fernerkundungsbildern und thematische Analyse.

Symbole und Stile

Streckungsanzeige

Die Streckungsanzeige ordnet den ursprünglichen Zellwertebereich einer angegebenen Farbskala zu und wandelt numerische Werte kontinuierlich in Farben um. Dieser Prozess verwendet häufig lineare Streckung oder andere statistische Transformationen, etwa Standardabweichung, logarithmische Streckung oder Histogrammanpassung, um Kontrast und visuelle Erkennbarkeit zu verbessern.

Wenn ein Höhenraster beispielsweise einen ursprünglichen Wertebereich von 0-3500 Metern besitzt, kann das System ihn linear auf eine Farbskala von Weiß über Grün nach Braun abbilden. Höhere Lagen werden in tieferem Braun dargestellt, niedrigere Lagen in hellen Farben oder Grün, wodurch eine graduelle Geländevisualisierung entsteht.

Die Streckungsanzeige eignet sich für Rasterdaten mit kontinuierlichen numerischen Verteilungen, etwa digitale Höhenmodelle (DEMs), Landoberflächentemperatur, Niederschlag, Vegetationsindizes wie NDVI und Schadstoffkonzentration.

Minimum-Maximum

Prinzip: Diese Methode streckt Zellwerte über den vollständigen Anzeigebereich 0-255 und verbessert dadurch die gesamte Bildhelligkeit und den Kontrast deutlich. Sie ist jedoch empfindlich gegenüber Ausreißern. Wenn extreme Minimal- oder Maximalwerte vorhanden sind, kann der Großteil der Daten in die Mitte der Farbskala komprimiert werden, was zu unzureichendem Kontrast führt.

Abbildungsberechnung:

• Abbildungsdatenbereich: Minimalwert = tatsächlicher Minimalwert; Maximalwert = tatsächlicher Maximalwert.
• Abgebildeter Wert = (Pixelwert - Minimalwert) / Abbildungsdatenbereich * 255.

Besonderes Verhalten: Bei Verwendung der Minimum-Maximum-Streckung können Sie Maximalwert, Minimalwert und die Zuordnung zwischen jeder Farbe und jedem numerischen Wert ändern. Dadurch lässt sich einheitliches Rendering auf mehrere Raster-Datasets mit unterschiedlichen Wertebereichen anwenden.

Anwendungsfälle: Verwenden Sie diese Methode, wenn Daten gleichmäßig verteilt sind und keine ausgeprägten Extremwerte besitzen. Sie ist einfach und effizient und eignet sich zum Rendern der meisten gängigen kontinuierlichen Daten.

Standardabweichungen

Prinzip: Diese Methode verwendet den Mittelwert der Bildzellwerte als Zentrum und bildet Werte anhand eines angegebenen Standardabweichungsbereichs auf eine Farbskala ab, etwa +/- 2 SD. Werte außerhalb des angegebenen Bereichs werden auf die Grenzfarben gekappt.

Abbildungsberechnung:

• Für n Standardabweichungen: Abbildungsdatenbereich = 2n * Standardabweichung; Minimalwert = Mittelwert - n * Standardabweichung; Maximalwert = Mittelwert + n * Standardabweichung.
• Abgebildeter Wert = (Pixelwert - Minimalwert) / Abbildungsdatenbereich * 255.
• Werte größer als das Maximum werden auf das Maximum gesetzt; Werte kleiner als das Minimum werden auf das Minimum gesetzt.
• Der Standardwert von n ist 2.5.

Anwendungsfälle: Verwenden Sie diese Methode, wenn Daten annähernd normalverteilt sind und einige Extremwerte enthalten, die die gesamte Farbdarstellung nicht dominieren sollen. Sie verstärkt den Kontrast im Hauptwertebereich und schwächt den Einfluss von Extremwerten ab.

Die Anzahl der Standardabweichungen definiert, wie weit Werte oberhalb und unterhalb des Mittelwerts für den in den Bilddaten verwendeten Streckungsbereich reichen.

Angenommen, ein Band hat einen mittleren Zellwert von 100, eine Standardabweichung von 20 und die Anzahl der Standardabweichungen ist auf 2 gesetzt.

Der Streckungsbereich ist 100 - 2 x 20 = 60 bis 100 + 2 x 20 = 140. Nur Zellwerte von 60 bis 140 werden linear auf den Anzeigebereich, zum Beispiel 0-255, gestreckt. Werte unter 60 werden auf 0 gesetzt, Werte über 140 auf 255 oder auf die oberen und unteren Grenzwerte gekappt.

Hinweise: Diese Methode eignet sich nicht für schiefe oder multimodale Verteilungen. Sie erfordert die Berechnung von Mittelwert und Standardabweichung.

Sie können Diagrammstatistiken verwenden, um Standardabweichungswerte, Werteverteilungen und zugehörige Informationen für Rasterdaten anzuzeigen.

Prozentuale Kappung

Prinzip: Die Prozentstreckung ähnelt der Standardabweichungsstreckung, da extreme Randbereiche vor der Streckung verworfen werden. Der Unterschied besteht darin, dass Sie den Kappungsprozentsatz direkt angeben, statt sich auf ein Datenverteilungsmodell zu verlassen. Wenn zum Beispiel an beiden Enden 2% angegeben sind, bestimmt iXGIS aus dem Histogramm den Wertschwellenwert für die niedrigsten 2% und höchsten 2% der Zellwerte. Werte unterhalb des unteren Schwellenwerts werden auf 0 abgebildet, Werte oberhalb des oberen Schwellenwerts auf 255, und die verbleibenden Werte werden linear gestreckt. Wenn der ursprüngliche Wertebereich beispielsweise 33-206 beträgt, die niedrigsten 2% der Zellen von 33-45 konzentriert sind und die höchsten 2% von 198-206, werden Werte <= 45 als dunkelster Wert 0 behandelt, Werte >= 198 als hellster Wert 255, und der Hauptwertebereich dazwischen wird linear auf 0-255 umverteilt.

Nach der Kappung werden die niedrigsten und höchsten 2% der Zellen ausgeschlossen. Dadurch wird verhindert, dass wenige Ausreißer den Kontrast des Hauptdatenbereichs komprimieren.

Percent Clip ist weiterhin eine lineare Streckung. Es wird lediglich eine andere Methode verwendet, um die unteren und oberen Streckungsgrenzen zu bestimmen.

Abbildungsberechnung:

Abbildungsdatenbereich: Nach Entfernen des angegebenen Niedrigwertprozentsatzes $p_{\min}\%$ wird der Minimalwert des aktuellen Bucket-Bereichs als MinCut verwendet. Nach Entfernen des angegebenen Hochwertprozentsatzes $p_{\max}\%$ wird der Maximalwert des aktuellen Bucket-Bereichs als MaxCut verwendet. Das Intervall $[{\rm MinCut},{\rm MaxCut}]$ wird linear auf den Ausgabebereich gestreckt, üblicherweise 0-255 für 8-Bit-Anzeige. Werte außerhalb des Intervalls werden auf die Endpunkte gekappt.

$${\rm Mapping\_Value}=\Big(\frac{x-{\rm MinCut}}{{\rm MaxCut}-{\rm MinCut}}\Big) *255$$

Anwendungsfälle: Verwenden Sie diese Methode, wenn die Daten eine kleine Anzahl extremer Ausreißer enthalten. Sie bewahrt die Hauptdatenverteilung und verbessert den Detailkontrast.

Beispiel: Ein Fernerkundungsbild-Dataset besitzt Reflexionswerte von 0-10000, wobei die meisten Werte von 1000-3000 konzentriert sind:

• Werte unterhalb des minimalen Perzentils werden auf die hellste Farbe abgebildet.
• Werte oberhalb des maximalen Perzentils werden auf die dunkelste Farbe abgebildet.
• Alle übrigen Werte werden linear gestreckt.

Hinweise: Übermäßige Kappung kann Informationsverlust verursachen. Bestimmen Sie Kappungsschwellen anhand des Histogramms, um das Entfernen wichtiger Daten zu vermeiden.

Histogrammausgleich

Histogram Equalized filling bezieht sich auf Histogram Equalization Stretch. Diese Bildverarbeitungstechnik verbessert den globalen Bildkontrast, insbesondere wenn Pixelwerte im Farbraum ungleichmäßig verteilt sind. Histogrammausgleich erweitert häufige Helligkeitsbereiche, sodass Helligkeit über das gesamte Bild gleichmäßiger verteilt wird.

Funktionsweise der Histogrammausgleichsstreckung:

1. Histogrammberechnung: Berechnen Sie zuerst das Histogramm der Rasterdaten. Ein Histogramm ist ein statistisches Diagramm, das die Verteilung von Pixelwerten oder Datenwerten zeigt. Jeder Bucket oder Balken repräsentiert die Anzahl der Pixel im Dataset mit einem bestimmten Pixelwert.
2. Kumulative Verteilungsfunktion (CDF): Berechnen Sie anschließend die CDF anhand des ursprünglichen Histogramms. Die CDF ordnet jedem Pixelwert eine kumulative Wahrscheinlichkeit zu und gibt den Anteil der Pixel mit Werten kleiner oder gleich diesem Wert an.
3. Neue Pixelwertabbildung: Verwenden Sie dann die CDF, um ursprüngliche Pixelwerte auf neue Pixelwerte mit annähernd gleichmäßiger Verteilung abzubilden. Pixelwerte, die zuvor in einem bestimmten Helligkeitsbereich konzentriert waren, werden über den gesamten möglichen Helligkeitsbereich verteilt, wodurch der Bildkontrast steigt.
4. Neue Abbildung anwenden: Weisen Sie abschließend jedem Pixel im Originalbild anhand der durch die CDF erzeugten Abbildung einen neuen Pixelwert zu, um ein neues Bild mit gleichmäßiger verteilten Pixelwerten im möglichen Ausgabebereich zu erzeugen.

Unter normalen Bedingungen können einige Bildbereiche zu hell oder zu dunkel sein, was auf unzureichenden Kontrast hinweist. Histogrammausgleich kann den gesamten Bildkontrast verbessern und Bilddetails klarer machen.

Vorteile:

• Stellt die räumliche Verteilung und Gradientenänderungen kontinuierlicher Variablen klar dar.
• Bietet natürliche Farbübergänge, durch die hohe Werte, niedrige Werte und Übergangsbereiche leicht erkennbar sind.
• Eignet sich zur Darstellung natürlicher Phänomene wie Geländeformen, Konzentrationsverteilungen und Temperaturänderungen.

Einschränkungen:

• Farben haben keine universelle quantitative Bedeutung. Dieselbe Farbe kann in unterschiedlichen Layern verschiedene Wertebereiche darstellen und bietet daher keine standardisierte quantitative Aussage.
• Extremwerte haben starken Einfluss. Ungewöhnlich hohe oder niedrige Werte können den Anzeigeeffekt des Hauptwertebereichs komprimieren, sodass statistische Streckungsmethoden nötig sein können.
• Nicht geeignet für klassifizierte oder diskrete Daten. Daten wie Landnutzungstypen und Bodentypen werden besser mit klassifiziertem Rendering oder Rendering eindeutiger Werte angezeigt.

Klassifizierte Anzeige

Anwendbare Daten: Die klassifizierte Anzeige eignet sich für Rasterdaten mit diskreten Attributen oder expliziter Klassifizierungssemantik. Jede Zelle stellt eine vordefinierte Kategorie, Stufe oder einen Zustand dar. Häufige Beispiele sind Landbedeckungstypen wie Wald, Grasland und Wasser, Bodentypen, Landnutzungs-Funktionszonen und Verwaltungsgebietscodes.

Prinzip: Die klassifizierte Anzeige teilt Zellwerte in mehrere sich nicht überschneidende Intervalle oder eindeutige Wertkategorien und weist jeder Kategorie ein eindeutiges Symbol zu, meist eine Farbe, ein Muster oder einen Füllstil. Jede Kategorie wird mit klar unterscheidbaren Farben oder Stilen symbolisiert, um Kartenunterscheidung und Lesbarkeit zu verbessern.

Gleiches Intervall

Prinzip: Der Datenwertebereich vom Minimum bis zum Maximum wird gleichmäßig in eine angegebene Anzahl von Intervallen geteilt. Jedes Intervall hat dieselbe Breite, unabhängig von der Datenverteilung.

Anwendungsfälle: Verwenden Sie diese Methode, wenn Daten relativ gleichmäßig verteilt sind oder wenn ein festes Intervall für die Darstellung benötigt wird, etwa bei Höhe oder Temperatur.

Beispiel: Höhendaten reichen von 0-1000 Metern und werden in 5 Klassen geteilt: 0-200, 200-400, 400-600, 600-800 und 800-1000. Jedes Klassenintervall beträgt 200.

Vorteile: Die Klassifizierungsregel ist einfach und leicht verständlich. Konsistente Intervallbreiten unterstützen standardisierte Kartenerstellung.

Nachteile: Diese Methode eignet sich nicht für schiefe Verteilungen oder Daten mit vielen Extremwerten. Einige Klassen können sehr wenige Zellen enthalten, während andere zu viele enthalten.

Quantil

Prinzip: Nach dem Sortieren der Daten teilt diese Methode sie in Klassen mit annähernd gleichen Anzahlen. Jede Klasse enthält ungefähr dieselbe Anzahl von Zellen oder Datensätzen, aber die Intervallbreiten können unterschiedlich sein.

Anwendungsfälle: Verwenden Sie diese Methode, wenn Sie die Datenverteilung auf der Karte gleichmäßig anzeigen müssen, wenn eine thematische Karte räumliche Anteile oder Verteilungsdichte betont oder wenn Ressourcenverteilung, Bevölkerungsdichte, Marktniveaus und ähnliche Daten visualisiert werden.

Beispiel: Ein Raster enthält 10.000 Zellen und wird in 5 Klassen geteilt. Jede Klasse enthält etwa 2.500 Zellen, und die Klassengrenzwerte werden vom Programm anhand der Klassifizierung berechnet.

Vorteile: Klassen sind auf der Karte visuell ausgewogen und eine einzelne Klasse dominiert die Anzeige weniger leicht. Dies hilft beim Vergleich räumlicher Verteilungsdichte oder regionaler Unterschiede.

Nachteile: Wenn einige Werte im Dataset häufig auftreten, können Bildklassen visuell schwer unterscheidbar sein. Benachbarte Klassen können außerdem sehr geringe Wertebereichsunterschiede aufweisen, wodurch visuelle Übergänge unklar werden.

Natürliche Unterbrechungen

Prinzip: Diese Methode verwendet die natürlichen Verteilungseigenschaften der Daten. Sie minimiert die Varianz innerhalb von Klassen und maximiert Unterschiede zwischen Klassen, indem ein statistischer Optimierungsalgorithmus automatisch die besten Bruchpunkte findet.

Anwendungsfälle: Verwenden Sie diese Methode, wenn Daten ungleichmäßig verteilt sind oder deutliche Clusterungsmuster aufweisen. Sie betont natürliche Gruppierung und räumliche Mustererkennung und wird häufig für thematische Karten, geowissenschaftliche Modelle und sozioökonomische Datenkarten verwendet.

Schritte zur Auswahl der Bruchpunkte:

1. Daten sortieren: Sortieren Sie die Originaldaten von niedrig nach hoch.
2. Klasseneinteilung initialisieren: Geben Sie die Anzahl der Klassen an, zum Beispiel 5.
3. Dynamische Programmiersuche: Durchlaufen Sie alle möglichen Kombinationen von Bruchpunkten und berechnen Sie für jede Kombination die Quadratsumme innerhalb der Klassen (WSS).
4. Optimale Lösung auswählen: Wählen Sie die Menge von Bruchpunkten, die die kleinste gesamte Varianz innerhalb der Klassen erzeugt. Dies sind die natürlichen Unterbrechungen.

Diese Bruchpunkte sind keine manuell definierten gleichabständigen oder einheitlichen Werte. Es sind Gruppierungsgrenzen, die in der Datenverteilung natürlich existieren, etwa die Trennung zwischen dichten Wertebereichen und spärlichen Bereichen.

Beispiel:

Dataset: [3, 4, 4, 5, 6, 7, 15, 16, 17, 25, 26, 30, 45, 48]

Wenn die Daten in 3 Klassen geteilt werden, kann das System die folgenden Brüche auswählen:

• Klasse 1: 3-7, dichte niedrige Werte.
• Klasse 2: 15-26, geclusterte mittlere Werte.
• Klasse 3: 30-48, verstreute hohe Werte.

Diese Einteilung folgt der Clusterstruktur der Daten, statt gleiche Intervalle oder gleiche Anzahlen zu erzwingen.

Vorteile: Klassifizierungsergebnisse passen besser zu den Dateneigenschaften, betonen interne Konsistenz und externe Unterschiede zwischen Klassen und verbessern die Authentizität der räumlichen Musterdarstellung.

Nachteile: Klassifizierungsintervalle sind unregelmäßig und schwer über mehrere Datasets wiederzuverwenden. Diese Methode eignet sich nicht für einheitliche Vergleiche über Layer oder Zeiträume hinweg, und der Klassifizierungsprozess ist weniger transparent und schwerer manuell zu steuern.

Standardabweichung

Prinzip: Diese Methode verwendet den Datenmittelwert als Zentrum und teilt Intervalle nach Vielfachen der Standardabweichung, etwa +/- 1 Sigma und +/- 2 Sigma. Sie betont, wie stark Werte vom Mittelwert abweichen. Häufige Intervalle umfassen kleiner als -2 Sigma, -2 Sigma bis -1 Sigma, -1 Sigma bis zum Mittelwert, Mittelwert bis +1 Sigma, +1 Sigma bis +2 Sigma und größer als +2 Sigma.

Anwendungsfälle: Verwenden Sie diese Methode, wenn Daten annähernd normalverteilt sind, wenn Abweichungen vom Mittelwert analysiert werden, etwa bei standardisierter Bewertung oder Ausreißeranalyse, oder für die räumliche Visualisierung sozioökonomischer und statistischer Indikatoren wie Einkommen oder Inzidenzrate.

Beispiel: Für Einkommensdaten mit einem Mittelwert von 5.000 und einer Standardabweichung von 1.000 können Klassen < 3.000, 3.000-4.000, 4.000-5.000, 5.000-6.000, 6.000-7.000 und > 7.000 sein.

Vorteile: Diese Methode betont Bereiche über oder unter dem Durchschnitt, hilft beim Erkennen ungewöhnlicher Bereiche mit extrem hohen oder niedrigen Werten und kann für standardisiertes Kartenrendering verwendet werden.

Nachteile: Sie eignet sich nicht für nicht normalverteilte Daten. Extremwerte können Klassengrenzen zu breit machen.

Vorteile:

• Stellt jedes klassifizierte Objekt klar dar und eignet sich für thematische Karten.
• Bietet eine klare visuelle Wirkung und unterstützt den Vergleich der räumlichen Verteilung verschiedener Kategorien.
• Unterstützt automatische Legendenerstellung mit intuitiven und lesbaren Symbolbedeutungen.
• Kann mit Diagrammen und Tabellen für quantitative Analyse verknüpft werden.

Einschränkungen:

• Da Klassengrenzen explizit sind, sind Kategoriesprünge im Bild deutlich und Übergänge begrenzt. Es eignet sich nicht für natürliche Phänomene mit kontinuierlicher Veränderung, etwa Temperatur oder Höhe.
• Die Klassifizierungsmethode beeinflusst das Ergebnis stark. Ungeeignete manuelle Klassifizierung kann Missverständnisse oder Verzerrungen verursachen.
• Zu viele Klassen können wiederholte oder verwirrende Symbole verursachen und die Visualisierungsqualität verringern.

Anzeige eindeutiger Werte

Prinzip:

Bei der Anzeige eindeutiger Werte identifiziert das System jeden eindeutigen Zellwert in den Rasterdaten und weist jedem Wert eine eigene Farbe, ein eigenes Muster oder Symbol zu. Der Rendering-Prozess umfasst keine numerische Berechnung oder statistische Einteilung. Er basiert vollständig auf der Diskretheit und Eindeutigkeit der Werte.

Anwendbare Daten: Die Anzeige eindeutiger Werte eignet sich für Rasterdaten mit klarer diskreter Klassifizierungsbedeutung, bei denen jeder Wert im Wertebereich eine bestimmte Kategorie darstellt. Jeder Zellwert besitzt eine eigene semantische Bezeichnung, zum Beispiel:

• Verwaltungsgebietscodes, etwa Stadt-, Kreis- oder Gemeindecodes.
• Landnutzungstypcodes, etwa 1 = Ackerland, 2 = Waldfläche und 3 = Wohngebiet.
• Fernerkundungs-Klassifikationsergebnisse, etwa Landbedeckungsklassen nach überwachter Klassifikation.
• Nummerierte thematische Daten, etwa geologische Struktureinheiten, Bodentypen und ökologische Zonen.

Eigenschaften:

• Jede Kategorie entspricht einem eindeutigen visuellen Symbol.
• Die Klassifizierungsstruktur ist klar und die Legende intuitiv.
• Layer-Legenden, Legendennummern und Farbanmerkungen können automatisch synchronisiert werden.
• Die Bilddarstellung erfordert für Benutzer nahezu keine Erklärung und eignet sich daher für öffentliche Anzeige, Berichte und Kartenausgabe.

Vorteile:

Vorteil	Beschreibung
Klare Klassifizierung	Kategoriegrenzen sind klar und leicht erkennbar.
Klare Semantik	Jede Farbe entspricht direkt einer eindeutigen Kategorie und ist intuitiv lesbar.
Kartenerstellungsfreundlich	Unterstützt Legendenerstellung, Farbanmerkungen, Kartendruck und Erläuterungen.
Stabil und kontrollierbar	Derselbe Wert wird immer derselben Farbe zugeordnet und eignet sich dadurch für Mehrperiodenvergleiche oder Layer-Überlagerung.

In iXGIS ist die Anzahl eindeutiger Werte konfigurierbar. Der Standardwert ist 1.000, und Sie können ihn erhöhen, um mehr eindeutige Werte anzuzeigen.

RGB-Komposit

Anwendbare Daten: RGB-Komposite eignen sich für multibandige Fernerkundungsbilddaten mit mehreren Spektralbändern, zum Beispiel:

• Satellitenbilder wie Landsat, Sentinel-2 und MODIS.
• Luftbilddaten, etwa multispektrale Luftbildaufnahmen.
• UAV-Multispektralbilder.

Diese Bild-Datasets enthalten normalerweise mehrere Bänder. Jedes Band zeichnet die Reflexion oder Strahlung von Bodenobjekten in einem bestimmten elektromagnetischen Band auf. RGB-Komposit wählt drei Bänder aus und ordnet sie den Farbkanälen Rot (R), Grün (G) und Blau (B) zu, um ein Farbbild zu visualisieren.

Prinzip:

RGB-Komposit nutzt die menschliche Wahrnehmung von Rot, Grün und Blau. Es ordnet drei ausgewählte Bänder den R/G/B-Kanälen zu und stellt durch Farbmischung ein Kompositbild dar.

• Echtfarbe: Ordnet die sichtbaren roten, grünen und blauen Bänder, normalerweise Band 3/2/1 oder 4/3/2, den RGB-Kanälen zu. Das Ergebnis liegt nahe an der natürlichen Szenerie, wie sie das menschliche Auge sieht.
• Falschfarbe: Ordnet nicht sichtbare Bänder, etwa Nahinfrarot oder Kurzwelleninfrarot, sichtbaren Kanälen zu, um bestimmte Bodenobjektmerkmale wie Vegetation, Gewässer und städtische Gebiete hervorzuheben.

Vorteile:

Vorteil	Beschreibung
Realistische oder verstärkte Farben	Reproduziert natürliche Szenerie oder hebt bestimmte Bodenobjektmerkmale hervor.
Hohe Anpassungsfähigkeit	Verschiedene Bandkombinationen können unterschiedliche Analyseanforderungen erfüllen.
Unterstützt Fernerkundungsinterpretation	Hilft beim Erkennen von Vegetation, Gewässern, Ackerland, Städten, Wolken und anderen Bodenobjekttypen.
Unterstützt Änderungserkennung	RGB-Komposite multitemporaler Bilddaten erleichtern die Analyse von Bodenobjektänderungen, etwa Stadterweiterung oder Walddegradation.

Einschränkungen:

Einschränkung	Beschreibung
Erfordert Bandwissen	Bandreihenfolge und Bedeutung unterscheiden sich stark zwischen Fernerkundungsquellen, daher erfordern Kombinationen Kenntnisse spektraler Eigenschaften.
Nicht quantitativ	RGB-Komposit dient hauptsächlich der Visualisierung und ist schwer direkt für quantitative Analysen wie Klassifizierung oder Berechnung zu verwenden.
Dieselbe Farbe kann Unterschiedliches bedeuten	Bei unterschiedlichen Bandkombinationen kann dieselbe Farbe völlig unterschiedliche Bodenobjekttypen darstellen.
Farbmischung kann auftreten	Wenn Bänder ungeeignet ausgewählt werden, können Bodenobjektgrenzen unscharf werden und Farben unnatürlich wirken.

Schummerung

Schummerung, auch Geländeschattierung oder Reliefschattierung genannt, ist eine verbreitete GIS-Technik zur Geländevisualisierung. Sie simuliert Licht- und Schatteneffekte auf Gelände anhand eines digitalen Höhenmodells (DEM) und macht Geländeformen intuitiver.

Parameterübersicht

LightDirection (Sonnenazimut) und ZenithAngle (Sonnenhöhe)

Zusammen bestimmen diese Parameter den Lichtrichtungsvektor $L$.

Komponenten des Lichtvektors:

$$L = (\sin A_z \cos Z, \cos A_z \cos Z, \sin Z)$$

• LightDirection (Azimuth): Steuert die Richtung, aus der das Licht kommt, etwa Nordwest 315 deg oder Ost 90 deg.
• ZenithAngle (Altitude): Steuert den Winkel zwischen Licht und Boden, wobei 0 deg der Horizont und 90 deg senkrecht darüber ist.

Entsprechende Effekte:

• Azimut ändert die Schattenrichtung.
• Höhe ändert Schattenlänge und Stärke des dreidimensionalen Effekts.

---

AmbientIntensity und LightIntensity

Zusammen definieren diese Parameter die Helligkeitskomponenten der Beleuchtungsgleichung.

Grundform mit dem Lambert-Beleuchtungsmodell:

$$I = N \cdot L \times \text{LightIntensity} + \text{AmbientIntensity}$$

• AmbientIntensity: Ungerichtetes weiches Licht, das verhindert, dass Gegenlichtbereiche vollständig schwarz werden.
• LightIntensity: Gerichtetes direktes Licht, das den Hell-Dunkel-Kontrast steuert.

---

ElevationFactor (Umrechnungsfaktor von Höhe zu Horizontalmaß)

Die Höheneinheit eines DEM, die Z-Achse, kann sich von den horizontalen Koordinateneinheiten, den X/Y-Achsen, unterscheiden. Dies ist besonders häufig bei DEMs in Längen- und Breitengraden.

• Wenn Koordinaten Längen- und Breitengrade in Grad sind, muss Höhe in Metern in einen Winkelmaßstab umgerechnet werden.
• Wenn Koordinaten Meter verwenden, etwa UTM oder Web Mercator, kann der Wert auf 1 gesetzt werden.

Dadurch bleibt das geometrische Verhältnis der Geländeneigung beim Berechnen von Normalvektoren korrekt. Andernfalls kann Gelände abgeflacht oder übermäßig überhöht erscheinen.

---

Extrusion

Dies ist ein visueller Überhöhungsfaktor für Z-Werte, der zur Betonung von Geländeformen verwendet wird.

Beim Berechnen von Normalvektoren werden Z-Werte multipliziert mit:

$$Z' = Z \times \text{ElevationFactor} \times \text{Extrusion}$$

Effekte:

• Bei kleinmaßstäbigen DEMs mit grober Auflösung den Wert moderat erhöhen, etwa 5-8, um den dreidimensionalen Effekt zu verstärken.
• Bei hochauflösenden DEMs, etwa 10 m DEMs, 1-2 verwenden.

Parameterzusammenfassung

Parameter	Gängige Werte	Mechanismus	Anpassungseffekte und Empfehlungen
LightDirection	0-360, Standard 315 deg = Nordwest	Sonnenazimut. Bestimmt die Richtung, aus der Licht kommt, und steuert die Schattenrichtung.	Morgenwirkung: 90 deg, Osten. Mittag, leicht südlich: 180 deg. Häufiges Nordwestlicht, das südexponierte Hänge hervorhebt: 315 deg.
ZenithAngle	0-90, Standard 45 deg	Sonnenhöhe in Grad, wobei 0 = Horizont und 90 = senkrecht oben.	Niedriger Winkel, 10 deg: längere Schatten und stärkerer dreidimensionaler Effekt, aber Täler können zu dunkel werden. Hoher Winkel, 60 deg oder mehr: kürzere Schatten, weicherer Effekt und weniger gestapelte Schatten.
LightIntensity	0-1, Standard 0.7-1.0	Intensität des direkten Lichts, der Koeffizient des Lambert-Terms. Höhere Werte erzeugen stärkeren Hell-Dunkel-Kontrast.	Das Verhältnis zu AmbientIntensity ist am wichtigsten. Im Allgemeinen ist LightIntensity + AmbientIntensity ungefähr 1. Um Grate hervorzuheben, erhöhen Sie LightIntensity auf 1.2 und reduzieren AmbientIntensity bei Bedarf.
AmbientIntensity	0-1, Standard 0.6-0.9	Umgebungslichtintensität. Fügt weiches Licht hinzu, das im Lambert-Beleuchtungsmodell überall vorhanden ist.	Erhöhen, um Schattendetails sichtbar zu machen und zu verhindern, dass Gegenlichtbereiche vollständig schwarz werden. Zu hoch: Schatten werden grau und der dreidimensionale Effekt schwächt sich ab. Zu niedrig: Kontrast wird zu stark und Details gehen verloren. Für seitliches Sonnenuntergangslicht AmbientIntensity niedriger setzen, etwa 0.3.
ElevationFactor	Hängt vom Koordinatensystem ab. Längen-/Breitengrad-DEM: 1 / (Erdumfang x Grad), ungefähr 1/(111 km). Projizierte Koordinaten mit derselben Einheit: 1.	Umrechnungsfaktor, der Z-Höhe in dieselbe Dimension wie X/Y umrechnet und Maßstabsverzerrung im 3D-Kreuzprodukt verhindert.	Wenn DEM-Einheiten Meter sind und das Koordinatensystem Web Mercator oder UTM-Meter verwendet, auf 1 setzen. Wenn Koordinaten Längen-/Breitengrade in Grad sind und Höhe in Metern angegeben ist, mit etwa 0.000009 multiplizieren, wobei 1 m ungefähr 9e-6 deg entspricht.
Extrusion	0-10, Standard 1-5	Überhöhungsfaktor, der mit ElevationFactor multipliziert wird, um Geländeformen zu überhöhen.	Höhere Werte machen Gipfel schärfer und Täler tiefer. 0 bedeutet vollständig flache Schattierung. Großmaßstäbliche 10 m DEMs verwenden normalerweise 1-2, kleinmaßstäbliche 90 m DEMs können 5-8 verwenden.

Vier Voreinstellungseffekte

Zur einfacheren Nutzung stellt iXGIS vier Voreinstellungsmodi bereit.

Voreinstellung	Sonnenazimut	Lichtquellenhöhe (deg)	Intensität direktes Licht	Umgebungslichtintensität	Extrusion	Geeignete Szenarien und visuelle Effekte
Morgenlicht	90 deg, genau Ost	20-30 deg	0.85	0.4	2	Lange Schatten und starker Kontrast, betont Schatten, die auf die Westseite von Graten fallen. Geeignet zur Hervorhebung einer Morgenlichtatmosphäre.
Mittag	180 deg, genau Süd	70-80 deg	0.6	0.55	1.5	Kürzeste Schatten und weicher dreidimensionaler Effekt. Geeignet als Basiskarte, wenn überlagerte Layer visuell dominant bleiben sollen.
Sonnenuntergang	270 deg, genau West	15-25 deg	0.9	0.35	2	Symmetrisch zu Morgenlicht, aber in entgegengesetzter Richtung. Erzeugt warme Sonnenuntergangstöne und lange Schatten, die zur Ostseite von Tälern reichen.
Nachtlicht, Mondlicht oder schwaches Licht	315 deg, Nordwest	60 deg	0.3	0.7	1.5	Fast kein starkes direktes Licht. Hohes Umgebungslicht erzeugt einen weichen dunklen Ton. Geeignet für dunkle Basiskarten oder Nachtansichtsmodi.

Erscheinungsbild von Rasterdaten

Wählen Sie Rasterdaten aus und verwenden Sie die Werkzeugleiste der Registerkarte Raster, um ihr Erscheinungsbild anzupassen. Verfügbare Optionen umfassen Resampling-Typ, Deckkraft, Helligkeit, Kontrast, Gamma und Anzeigequalität.

Resampling-Typ

Zwei Resampling-Typen sind verfügbar:

• Nächster-Nachbar-Interpolation für diskrete Daten: Jedes Pixel verwendet den nächstgelegenen Rasterwert. Dies eignet sich für klassifizierte oder diskrete Daten und verändert die ursprünglichen Datenwerte nicht.
• Lineare Interpolation für kontinuierliche Daten: Werte im skalierten Bild werden durch lineare Interpolation geschätzt. Dies eignet sich für kontinuierliche Daten.

Anpassung des Erscheinungsbilds

Sie können das Rastererscheinungsbild mit Parametern wie Deckkraft und Helligkeit anpassen. Diese Parameter ändern die Visualisierung des Rasterbilds dynamisch, ohne die Originaldaten zu beeinflussen. Sie gelten nur für den Anzeige-Layer.

Deckkraft: Steuert, wie stark der Layer die Basiskarte oder andere Layer überdeckt.

• Wertebereich: Normalerweise 0%, vollständig transparent, bis 100%, vollständig deckend.
• Erklärung: Setzt den Alphakanalwert, um Pixel zwischen Layern zu überblenden. Bei einer Deckkraft von 50% sind zum Beispiel Basiskarte und Raster-Layer jeweils teilweise sichtbar. Dies eignet sich zum Überlagern von NDVI mit Bilddaten.
• Beispiele:
• Setzen Sie die Schummerungsdeckkraft auf 50% und blenden Sie sie mit Satellitenbildern ein.
• Überlagern Sie NDVI halbtransparent auf Orthofotos, damit der Hintergrund lesbar bleibt.

Helligkeit: Erhöht oder verringert die Gesamthelligkeit des Bildes, wodurch Bilddaten heller oder dunkler werden.

• Wertebereich: Normalerweise -100 bis +100. Der Standardwert in dieser Oberfläche ist 0.
• Erklärung: Die Helligkeitsanpassung erhöht oder verringert die angezeigten Zellwerte, auch DN-Werte genannt, linear, ohne die Originaldaten zu ändern. Wenn der DN-Bereich zum Beispiel 0-255 ist, kann Aufhellung den Anzeigebereich auf 20-275 ändern, wobei die obere Anzeigegrenze auf 255 gekappt wird.
• Hinweis: Helligkeitsanpassung kann Bildsättigung verursachen, etwa Verlust von Lichter- oder Schattendetails.

Kontrast: Verstärkt oder schwächt den Unterschied zwischen hellen und dunklen Pixeln im Bild und hebt Texturen und Strukturen hervor.

• Wertebereich: Normalerweise -100 bis +100. Der Standardwert ist 0.
• Erklärung: Kontrastverstärkung streckt Zellwerte auf einen breiteren oder engeren Dynamikbereich. Zum Beispiel können Werte nahe dem mittleren Grauwert komprimiert werden, während hohe und niedrige Werte gestreckt werden, wodurch Bodenobjektgrenzen klarer werden.
• Anwendungsfälle:
• Bergkonturen oder Vegetationsänderungen in kontrastarmen Bildern hervorheben.
• Hohen Kontrast für gedruckte Bilder verwenden, um die Klarheit zu verbessern.

Gamma-Korrektur: Passt die nichtlineare Verteilung der Bildgraustufen so an, dass mehr Details in Lichter- oder Schattenbereichen erscheinen.

• Wertebereich: Normalerweise 0.1-10, mit einem Standardwert von 1, was linear ist.
• Erklärung:
• Gamma > 1: Macht das Bild dunkler und eignet sich zum Verstärken von Details in hellen Bereichen.
• Gamma < 1: Macht das Bild heller und verstärkt Details in Schattenbereichen.
• Hinweise:
• Gamma ist keine lineare Änderung, daher werden Kontrast und Helligkeit nicht proportional gesteuert.
• Ungeeignete Einstellungen können Farbverschiebung oder Verzerrung verursachen.

Anzeigequalität: Steuert den Kompromiss zwischen Anzeigepräzision und Leistungsverbrauch während des Bildrenderings.

• Optionen: Umfasst normalerweise Stufen wie Standard, Mittel und Grob.
• Standard: Standardwert, geeignet für das tägliche Browsen.
• Mittel: Gleicht Qualität und Leistung aus.
• Grob: Opfert Details zugunsten schnellerer Ladezeiten.