Entwicklung Einer Gis–komponente Zur Automatisierten

Transcript

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