Wenn man viele Punktdaten in einem GIS visualisiert, hat man sehr häufig das Problem, dass sich die meisten Daten überlagern. Im Folgenden sieht man ein Beispiel.
In der Abbildung sind Beobachtungen von Wildkatzen [1] in der Geo Engine dargestellt. Es lässt sich erahnen, dass in Europa mehr Punkte vorhanden sind als in Afrika oder Asien, allerdings erkennt man in Europa keine Unterschiede zwischen Spanien und Deutschland und die Karte wirkt sehr chaotisch. Es ist generell schwierig, eine Übersicht zu erhalten, wie viele Punkte an einem Ort sind.
Unsere Lösung
Die Geo Engine verwendet einen Visual-Point-Clustering-Operator, der die Punktbeobachtungen mittels Clustering so vereinfacht, dass sich diese nicht mehr überlappen. Hierfür stellt sie alle Punkte als Kreise so dar, wie sie später auf der Karte gezeichnet würden. Dann aggregiert sie alle Kreise, die sich überschneiden, so lange, bis das Ergebnis überschneidungsfrei ist. Dieses Vorgehen funktioniert in der Praxis sehr schnell und es ist nicht notwendig, den Datentyp zu ändern, wie es bei einer Heatmap notwendig wäre, die ein Raster erzeugt. Dadurch gehen im Gegensatz zur Rasterisierung weitere Attribute der Punkte nicht verloren.
In der Datentabelle werden die Attribute entsprechend für die einzelnen Cluster aggregiert. Beispielsweise werden numerische Werte durch ihren Mittelwert repräsentiert und aus Textlabels repräsentative Samplewerte dargestellt. Zoomt man in die Karte hinein, so zerfallen Kreise in kleinere Kreise mit genaueren Informationen über den Kartenausschnitt.
Ein Beispiel
Im Folgenden sieht man die Wildkatzen, wenn sie mittels visuellen Clustering aggregiert worden sind.
Dies ergibt ist ein sehr aufgeräumtes Ergebnis, bei dem größere Kreise intuitiv mehr aggregierte Punkte repräsentieren. So erkennt man Unterschiede zwischen Daten in Deutschland, Spanien oder Großbritannien. Geo Engine zeigt zudem die Anzahl der Punkte als Label in jeden Kreis, sodass man neben dem visuellen Feedback über die Größe auch die Werte nachlesen kann.
Im nachfolgenden Bild sieht man die Daten, nachdem einmal hineingezoomt wurde.
Hier erkennt man in dem fokussiertem Kartenausschnitt mehr Punkte und eine genauere Verteilung. In der folgenden Abbildung zoomen wir ein weiteres Mal in die Daten.
Jetzt erkennt man die Verteilung in Europa noch besser und bewahrt gleichzeitig eine aufgeräumte Darstellung.
Die Verwendung des visuellen Clusterings ist optional und kann im Symbology-Editor einfach ein- und ausgeschaltet werden. Dies sieht man im folgenden Abbild.
Fazit
Im User Interface der Geo Engine lassen sich Punktdaten effizient und aufgeräumt visualisieren, da standardmäßig visuelles Clustering verwendet wird. Dies bietet eine überlappungsfreie Darstellung der Daten, die je nach Kartenausschnitt gröber oder feiner aggregiert werden. Diese Methode ist optional und lässt sich bei Bedarf ausschalten.
Daten-Zitierung
- Felis Silvestris. GBIF.org (27 August 2021) GBIF Species https://www.gbif.org/species/7964291