Übung 1

Einfache Vektordaten

Vorbereitung

Erstelle ein neues RStudio Projekt
Erstelle ein neues R-Script mit dem Namen Uebung_1.R
Lade dir den Datensatz Datensatz Ausserberg für Hausaufgabe 1 herunter (Vegauf_Ausserberg_2019.xlsx)

Übung 1.1

Importiere Vegauf_Ausserberg_2019.xlsx wie gewohnt als data.frame in R.
Speichere die data.frame in der Variabel ausserberg

Übung 1.2

Such dir die Koordinaten im data.frame heraus. In welchem Koordinatensystem liegen diese wohl vor?

Übung 1.3

Visualisiere die Erhebungsplots räumlich als Scatterplot. Die x- und y-Achsen sind jetzt räumliche Koordinaten, auf was musst du achten?

Übung 1.4

Installiere nun das R-Package sf und lade es in die aktuelle Session.

Übung 1.5

Wir machen nun aus dem data.frame ausserberg ein Vektor-Objekt und verwenden dazu die Funktion st_as_sf() aus der eben installierten Library sf.

Mit dem Argument coords = informieren wir dieser Funktion, wo unsere Koordinateninformation liegt. Probiere etwas rum bis es funktioniert und weise danach das Neue Objekt der Variabel ausserberg_sf zu.

Übung 1.6

Vergleiche nun ausserberg und ausserberg_sf in der Konsole. Wodurch unterscheiden sie sich?

Wir haben nirgends deklariert, in welchem Koordinatenbezugssystem sich unsere Koordinaten befinden.

Input CRS ansprechen

Nun wollen wir unserem Datensatz das richtige Koordinatenreferenzsystem zuweisen. Wie sprechen wir das korrekte Koordinatensystem CH1903+ LV95 an?

Im Wesentlichen gibt es 3 Methoden, ein Koordinatenreferenzsystem anzusprechen:

proj.4
Well known text wkt
EPSG

proj.4 (optional)

In einem proj.4-string werden alle wichtige Aspekte des Koordinatenreferensystems abgespeichert (ellipse, datum, projection units)
der proj.4-strings verwenden ein key=value system, die mit + kombiniert werden
der proj.4-string von CH1903+LV95 sieht folgendermassen aus:

+proj=somerc +lat_0=46.95240555555556 +lon_0=7.439583333333333 +k_0=1 
+x_0=2600000 +y_0=1200000 +ellps=bessel +towgs84=674.374,15.056,405.346,0,0,0,0 
+units=m +no_defs

Well known text wkt (optional)

Logik ähnlich wie proj.4-strings
verwenden einen anderen Syntax (key[value])
der wkt von CH1903+LV95 sieht folgendermassen aus

PROJCS["CH1903+ / LV95",
    GEOGCS["CH1903+",
        DATUM["CH1903+",
            SPHEROID["Bessel 1841",6377397.155,299.1528128,
                AUTHORITY["EPSG","7004"]],
            TOWGS84[674.374,15.056,405.346,0,0,0,0],
            AUTHORITY["EPSG","6150"]],
        PRIMEM["Greenwich",0,
            AUTHORITY["EPSG","8901"]],
        UNIT["degree",0.0174532925199433,
            AUTHORITY["EPSG","9122"]],
        AUTHORITY["EPSG","4150"]],
    PROJECTION["Hotine_Oblique_Mercator_Azimuth_Center"],
    PARAMETER["latitude_of_center",46.95240555555556],
    PARAMETER["longitude_of_center",7.439583333333333],
    PARAMETER["azimuth",90],
    PARAMETER["rectified_grid_angle",90],
    PARAMETER["scale_factor",1],
    PARAMETER["false_easting",2600000],
    PARAMETER["false_northing",1200000],
    UNIT["metre",1,
        AUTHORITY["EPSG","9001"]],
    AXIS["Y",EAST],
    AXIS["X",NORTH],
    AUTHORITY["EPSG","2056"]]

EPSG Code (wichtig)

die European Petroleum Survey Group (EPSG): ein wissenschaftliche Organisation (Geodäsie, Vermessung und Kartographie)
öffentliche Datenbank um Koordinatenbezugssysteme (sowie Ellipsoide und Geodätisches Datumsangaben) festzuhalten
jede Einträge hat einen Referenz Code (siehe epsg.io)
Wie lautet der EPSG Code für CH1903+LV95?
der EPSG Code ist der einfachste Weg, ein Koordinatenbezugssystem anzusprechen

am besten ist, man notiert sich die EPSG Codes unserer wichtigsten Koordinatenbezugssysteme:

Koordinatenbezugssystem	EPSG Code	Kommentar	Einheit
`CH1903+ LV95`	`2056`	Neues Koordinatensystem der Schweiz	Meter
`CH1903 LV03`	`21781`	Altes Koordinatensystem der Schweiz	Meter
`WGS84`	`4326`	Weltweites Koordinatensystem	Grad

Übung 1.8

Weise nun unserem Datensatz das richtige Koordinatensystem zu. Dafür brauchst du die Funktion st_crs sowie den EPSG Code des Koordinatensystems.

Übung 1.9

R weiss nun, das es sich bei aussenberg_sfum einen Vektordatensatz handelt
aussenberg_sf reagiert nun anders auf gewisse functions
teste die Funktion plot mit aussenberg_sf

Input `tmap`

In R gibt es dezidierte libraries, um geografische Daten zu visualisieren
Wir werden im Unterricht die library tmap verwenden.
Installiere dieses Package und lade es in die aktuelle session.

install.packages("tmap")

library("tmap")

tmap funktioniert nach einem “layer”-Prinzip
ein Layer besteht aus 2 Komponenten:
- tm_shape(): der Datensatz
- tm_dots (oder tm_lines, tm_polygons…): die Darstellungsform

tm_shape(ausserberg_sf) + # datensatz        
  tm_dots()               # darstellungsform 
#
tm_shape(ausserberg_sf) +  
  tm_bubbles()            
#
tm_shape(ausserberg_sf) +
  tm_bubbles(col = "Verbuschung")
#
tm_shape(ausserberg_sf) +
  tm_bubbles(col = "Verbuschung", shape = "Vegetationstyp")
#
tm_shape(ausserberg_sf) +
  tm_bubbles(col = "Verbuschung", shape = "Vegetationstyp") +
  tm_layout(legend.outside = TRUE)
#
tm_shape(ausserberg_sf) +
  tm_bubbles(col = "Verbuschung", shape = "Vegetationstyp") +
  tm_layout(legend.outside = TRUE, legend.position = c("right","bottom"))
#
tm_shape(ausserberg_sf) +
  tm_bubbles(col = "Verbuschung", shape = "Vegetationstyp") +
  tm_layout(legend.outside = TRUE, legend.position = c("right","bottom")) +
  tm_grid(labels.rot = c(90, 0), lines = FALSE)

Übung 1.10

Erstellt nun eine eigene Karte mit tmap und euren Daten. Versucht, den unten stehenden Plot zu rekonstruieren (oder probiert was eigenes).

Input CRS wechseln

Bisher: Dem Datensatz ein Koordinatensystem zuweisen.
Auch häufig: Koordinaten vom einen Koordinantensystem in ein anderes übersetzen (transformieren)
Wichtig unterschied!
Koordinatenbezugssystem zuweisen
- verändert die Koordinatenwerte nicht,
- ist nur sinnvoll, wenn das Koordinatensystem nicht oder falsch zugewiesen wurde
Koordinatenbezugssystemtransformieren
- verändert die Koordinatenwerte
- ist unter verschiedenen Szenarien sinnvoll (um versch. Datequellen zu integrieren)

Übung 1.11

Transformiert ausserberg_sf in das Koordinatenbezugssystem WGS84
Speichert den output in einer neuen Variabel (z.B ausserberg_sf_wgs84)
Schaut euch diesen Datensatz an, was hat sich verändert?
Tipp: Nutzt dafür die Funktion st_transform()

Übung 1.12 (Optional)

Wiederhole nochmal den letzten tmap plot , diesmal mit dem Datensatz ausserberg_sf_wgs84. Wie unterscheiden sich die Plots?

Input Räumliche Datenformate

CSVs eignen sich nur bedingt um räumliche Daten abzuspeichern
Um aus Vegauf_Ausserberg_2019_Kopfdaten.csv ein räumliches Objekt zu machen mussten wir verschiedene Schritte erledigen
1. CSV als Dataframe einlesen
2. CSV in sf objekt konvertieren
3. CRS Zuweisen
Wir können ausserberg_sf in einem explizit räumlichen Datenformat abspeichern, sodass die obigen Schritte beim importieren nicht nötig sind:

write_sf(ausserberg_sf, "data-processed/ausserberg.gpkg")

Das File aussenberg.gpkg kann in verschiedenen GIS-Programmen geöffnet werden. Versucht mal, das File in QGIS zu öffnen.

Auch beim Einlesen in R ist klar, dass es sich dabei um räumliche Daten handelt. Das Koordinatenbezugssstem EPSG 2045 ist jetzt automatisch zugewiesen.

rm(ausserberg_sf)

ausserberg_sf <- read_sf("data-processed/ausserberg.gpkg")

ausserberg_sf

Simple feature collection with 15 features and 34 fields
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: 2631175 ymin: 1129737 xmax: 2631510 ymax: 1129986
Projected CRS: CH1903+ / LV95
# A tibble: 15 × 35
   Plot    Verbuschung Vegetationstyp Date    Genauigkeit Meereshoehe Exposition
   <chr>   <chr>       <chr>          <chr>         <int>       <int>      <int>
 1 VS19_1  Verbuscht   Trocken        18.06.…           5        1298        171
 2 VS19_2  Unverbuscht Halbtrocken    18.06.…           5        1263        190
 3 VS19_3  Verbuscht   Halbtrocken    19.06.…          10        1282        144
 4 VS19_4  Unverbuscht Halbtrocken    18.06.…           3        1295        140
 5 VS19_5  Unverbuscht Trocken        18.06.…           3        1284        180
 6 VS19_6  Unverbuscht Trocken        19.06.…           3        1280        165
 7 VS19_7  Unverbuscht Halbtrocken    18.06.…          30        1320        180
 8 VS19_8  Unverbuscht Halbtrocken    18.06.…          30        1287        180
 9 VS19_9  Verbuscht   Trocken        19.06.…          30        1266        180
10 VS19_10 Unverbuscht Trocken        18.06.…           5        1306        133
11 VS19_11 Verbuscht   Halbtrocken    19.06.…           5        1277        133
12 VS19_12 Verbuscht   Trocken        18.06.…           5        1280        133
13 VS19_13 Unverbuscht Trocken        18.06.…           5        1291        165
14 VS19_14 Verbuscht   Halbtrocken    18.06.…           5        1242        125
15 VS19_15 Verbuscht   Halbtrocken    19.06.…           5        1299        135
# ℹ 28 more variables: Neigung <int>, Veghoehe_1 <int>, Veghoehe_2 <int>,
#   Veghoehe_3 <dbl>, Veghoehe_4 <int>, Veghoehe_5 <int>, Veghoehe_mean <dbl>,
#   Veghoehe_max <int>, Veg.Schicht <dbl>, Baumsch. <dbl>, Strauchsch. <dbl>,
#   Krautsch. <dbl>, Moossch. <int>, Streu <dbl>, Toth. <int>,
#   Steine.Fels <dbl>, Kies.Grus <int>, Feinboden <dbl>,
#   gew_Temperaturzahl <dbl>, gew_Kontinentalitaetszahl <dbl>,
#   gew_Lichtzahl <dbl>, gew_Feuchtezahl <dbl>, gew_Reaktionszahl <dbl>, …

Übung 1.13

Lade das Zipfile Kursdaten_VEGEDAZ.zip herunter: Kurstag 13 > Arbeitsmaterial > Daten (Kursdaten_VEGEDAZ.zip)
Entzippe es anschliessen
Importiere nun aus dem Excelfile Hagenmoos.xlsx das Datenblatt KopfdatenVertikal als data.frame in R
Konvertiere den Dataframe in ein sf objekt
Weise das korrekte Koordinatensytem zu
Transformiere die Koordinaten anschliessend in WGS84
Erstelle eine Karte mit tmap

Input Small Multiples

Der Datensatz Hangenmoos beinhaltet Erhebungen an den gleichen Standorten in verschiedenen Jahren.
Dies führt dazu, dass sich Punkte überlagern (gleiche Koordinaten)
Um dies zu vermeiden, können wir mit der facet option in tmap arbeiten

tm_shape(hangenmoos_sf_wgs84) +
  tm_bubbles(size = .2, col = "Bereich")  +
  tm_layout(legend.outside = TRUE) +
  tm_facets("Jahr",nrow = 1)

Übung 1.14

Bisher haben wir nur statische Karten (ohne Hintergrundkarte) erstellt.
Mit tmap lassen sich aber auch sehr leicht interaktive Karten erstellen
Setze dafür tmap_mode("view") und führe dein letzter Code für die Erstellung eines tmap-Plots nochmals aus

Fazit

Rückblick

Bisher haben wir mit Vektordaten vom Typ Point gearbeitet
Das dem zugrundeliegende, konzeptionelle Datenmodell ist das Entitäten Modell
Diese Punktdaten waren in einem csv sowie einem xlsx Dateiformat abgespeichert
In R haben wir diese Punktdaten als data.frame importiert und danach in ein sf Objekt konvertiert
sf-Objekte zeichnen sich dadurch aus, dass sie über eine Geometriespalte sowie über Metadaten verfügen

Ausblick

Punktdaten lassen sich gut in CSV abspeichern, weil sich die Geometrie so gut vorhersehbar ist (jeder Punkte besteht aus genau einer x- und einer y-Koordinate)
Linien und Polygone sind komplexer, sie können aus beliebig vielen Knoten bestehen
Es bessere Wege, räumliche Daten abzuspeichern
Das bekannteste Format für Vektordaten ist das shapefile
Shapefiles haben aber Nachteile ein sinnvolleres Format ist deshalb geopackage