Grundlegendes zu Raster-Darstellung und -Analyse

Warnung

This tutorial is now obsolete. A new and updated version is available at Einfache Visualisierung und Analyse von Rasterdaten (QGIS3)

Viele wissenschaftliche Beobachtungen und Forschungen erzeugen Rasterdatensätze. Raster sind im wesentlich Pixelgitter, denen ein spezieller Wert zugeordnet wurde. Wenn man mit diesen Werten mathematische Operationen durchführt, kann man einige interessante Analysen anstellen. QGIS hat einige grundsätzliche Analysemöglichkeiten durch den ‚Rasterrechner‘ integriert. In diesem Tutorial werden wir die Grundlagen der Benutzung des ‚Rasterrechners‘ und den Möglichkeiten des Rasterstylings erkunden.

Aufgabenübersicht

Wir werden Bevölkerungsdichtegitterdaten benutzen um Gebiete auf der Welt zu finden und zu visualisieren, die eine dramatische Bevölkerungsdichteänderung zwischen den Jahren 1990 und 2000 erlebt haben.

Andere Fähigkeiten, die Sie erlernen

  • Auswählen und laden von verschiedenen Datensätzen in einem einzigen Schritt in QGIS.

Daten besorgen

Wir werden den Datensatz ‚Gridded Population of the World (GPW) v3 <http://sedac.ciesin.columbia.edu/data/collection/gpw-v3>` von der Columbia Universität benutzen. Genauer gesagt, wir benötigen das Bevölkerungsdichtegitter der ganzen Welt im ASCII Format und für die Jahre 1990 und 2000

Nun im folgenden wie man die relevanten Daten sucht und runterlädt.

  1. Gehen Sie auf die Population Density Grid, v3 Download Seite. Wählen Sie Data Attributes als .ascii format, 1° resolution und 1990 year. Klicken Sie auf Download. An diesem Punkt können Sie einen freien Account erstellen und sich einloggen, oder Sie benutzen den Guest Download Button am Ende der Seite um die Daten sofort runterzuladen. Wiederholen Sie den Vorgang für den 2000 year Datensatz.

../_images/1277.png

Sie haben nun 2 ZIP Datensätze runtergeladen.

Der einfachheitshalber können Sie auch eine Kopie der Datensätze direkt von den folgenden Links runterladen:

gl_gpwv3_pdens_90_ascii_one.zip

gl_gpwv3_pdens_00_ascii_one.zip

Datenquelle [GPW3]

Arbeitsablauf

  1. Öffnen Sie QGIS und wählen dann Layer ‣ Rasterlayer hinzufügen...

../_images/2180.png
  1. Suchen Sie die runtergeladenen ZIP Ordner. Halten Sie die Strg Taste gedrückt und klicken Sie auf die beiden ZIP Ordner um sie auszuwählen. Auf diese Weise können Sie beide Ordner in einem einzigen Schritt laden.

../_images/3124.png
  1. Jeder ZIP Ordner enthält 2 Gitterdatein. Das „a“ in den Dateinamen deutet an, dass die Bevölkerungszahlen angepasst wurden um den UN Summen zu entsprechen. Wir werden die angepassten Gitter für dieses Tutorial verwenden. Wählen Sie glds00ag60.asc als den Layer zum hinzufügen aus. Klicken Sie OK.

../_images/478.png
  1. Der Layer hat noch kein KBS definiert, und da die Gitter in Längen- und Breitengraden angegeben sind, wählen Sie EPSG:4326 als das Koordinatenreferenzsystem.

../_images/572.png
  1. Da wir beide ZIP Ordner ausgewählt haben, werden Sie einen ähnlichen Dialog nochmal sehen. Wiederholen Sie den Vorgang und wählen Sie das glds90ag60.asc Gitter als den Layer zum hinzufügen aus.

../_images/669.png
  1. Wählen Sie EPSG:4326 wieder als das KBS aus.

../_images/768.png
  1. Sie sehen nun beide Raster in QGIS geladen. Das Raster wird in einer Grauskala herausgegeben, bei denen die dunkleren Pixel niedrigere Werte und die helleren Pixel höhere Werte aufzeigen.

../_images/866.png
  1. Jedes Rasterpixel hat einen zugewiesenen Wert. Dieser Wert steht für die Bevölkerungsdichte des jeweiligen Gitters. Klicken Sie auf den Objekte abfragen Button um das Werkzeug auszuwählen und klicken Sie irgendwo auf das Raster um den Wert dieses Pixels zu sehen.

../_images/965.png
  1. Um das Muster der Bevölkerungsdichte besser sichtbar machen zu können, müssen wir es stylen. Machen Sie dafür einen Rechtsklick auf den Layernamen und wählen Eigenschaften aus. Sie können aber auch einen Doppelklick auf den Layernamen im Inhaltsverzeichnis machen um die Layereigenschaften aufzurufen.

../_images/1073.png
  1. Unter dem Eintrag Style wechseln Sie die Darstellungsart zu Einkanalpseudofarbe. Als nächstes drücken Sie auf Klassifizieren unter Neue Farbabbildung generieren. Sie sehen nun 5 neu hergestellte Farbwerte. Klicken Sie auf OK.

../_images/11111.png
  1. Zurück im QGIS Hauptfenster sehen Sie eine Heatmap-artige Umwandlung des Rasters. Wiederholen Sie diesen Vorgang ebenfalls für das andere Raster.

../_images/1278.png
  1. Für unsere Analyse wollen wir die Gebiete mit der größten Bevölkerungsänderung zwischen den Jahren 1990 und 2000 finden. Um das zu erreichen, müssen wir die Unterschiede zwischen jedem Gitterpixelwert der beiden Layer finden. Wählen Sie Raster ‣ Rasterrechner …. aus.

../_images/1371.png
  1. Im Abschnitt Rasterkanäle können Sie den Layer durch einen Doppel-Klick auswählen. Die Kanäle sind benannt nach dem Rasternamen gefolgt von einem @ und der Kanalnummer. Da jeder unserer Raster nur 1 Kanal besitzt, sehen Sie nur 1 Eintrag pro Raster. Der Rasterrechner kann mathematische Operationen an den Rasterpixel durchführen. In diesem Fall wollen wir eine einfache Formel einsetzen um die 1990 Bevölkerungsdichte von der von 2000 abzuziehen. Geben Sie glds00ag60@1 - glds90ag60@1` als die Formel ein. Benennen Sie Ihren Ausgabelayer als pop_density_change_2000_1990.tif und klicken Sie das Kästchen neben Das Ergebnis zum Projekt hinzufügen an. Klicken Sie auf OK.

../_images/1467.png
  1. Sobald die Berechnung abgeschlossen ist, sehen Sie ein neues Layer in QGIS.

../_images/1560.png
  1. Diese Graustufenvisualizierung ist nützlich, aber wir können eine noch informativere Ausgabe erstellen. Machen Sie einen Rechts-Klick auf den pop_density_change_2000_1990 Layer und wählen Eigenschaften aus.

../_images/1657.png
  1. Wir wollen den Layer so gestalten, so dass Pixelwerte in einem bestimmten Bereich die gleiche Farbe erhalten. Bevor wir uns darum kümmern, gehen Sie zum Metadata Bereich und schauen Sie sich die Rastereigenschaften an. Beachten Sie dabei die minimal und die maximal Werte des Layers.

../_images/1754.png
  1. Now go to the Style tab. Select Singleband pseudocolor as the Render type under Band Rendering. Set the Color interpolation to Discrete. Click the Add entry button 4 times to create 4 unique classes. Click on an entry to change the values. The way color map works is that all values lower than the value entered will be given the color of that entry. Since the minmum value in our raster is just above -2000, we choose -2000 as the first entry. This will be for the No Data values. Enter the values and Labels for other entries as below and click OK.

../_images/1850.png
  1. Now you will see a much more powerful visualization where you can see areas which has seen positive and negative population density changes. Click on Zoom In button and draw a rectangle around Europe to explore the region in more detail.

../_images/1941.png
  1. Select the Identify tool and click on the Red and Blue regions to verify that your styling rules worked as intended.

../_images/2036.png
  1. Now let’s take this analysis one-step further and find areas with only negative population density change. Open Raster ‣ Raster calculator.

../_images/2181.png
  1. Enter the expression as shown below What this expression will do is set the value of the pixel to 1 is if matches the expression and 0 if it doesn’t. So we will get a raster with pixel value of 1 where there was negative change and 0 where there wasn’t. Name the output layer as negative_pop_change_2000_1990 and check the box next to Add result to project. Click OK.

pop_density_change_2000_1990@1 < -10
../_images/2234.png
  1. Once the new layer is loaded, right-click on it and select Properties. In the Transparency tab, add 0 as the Additional no data value. This setting will make the pixels with 0 values also transparent. Click OK.

../_images/2331.png
  1. Now you will see the areas of negative population density change as gray pixels.

../_images/2430.png

If you want to give feedback or share your experience with this tutorial, please comment below. (requires GitHub account)