Effiziente großflächige interaktive Landschafts ......Schlüsselwörter: 3D-Modellierung, Landschaftsvisualisierung, Spiel-Engines, freie Geodaten Abstract: The development towards

172 Full Paper

Effiziente großflächige interaktive Landschafts-visualisierungen im Kontext des Ausbaus erneuer-barer Energie – das Potenzial freier Geodaten für die Entwicklung interaktiver 3D-Visualisierungen

Large-scale Interactive Landscape Visualization in the Context of the Development of Renewable Energy – The Potential of Open Geodata for the Preparation of Interactive 3D Visualizations

Thomas Schauppenlehner, Konstantin Lux, Christoph Graf

Institut für Landschaftsentwicklung, Erholungs-und Naturschutzplanung, Universität für Bodenkultur, Wien · [email protected]

Zusammenfassung: Landschaftseingriffe, wie der Ausbau erneuerbarer Energie, verändern großflä-chig das Erscheinungsbild einer Landschaft und stehen häufig in der Kritik den Erholungswert oder die touristische Verwertbarkeit einer Landschaft negativ zu beeinflussen. In Planungsprozessen werden deshalb häufig Visualisierungen eingesetzt, um den visuellen Einfluss eines Vorhabens abschätzen und bewerten zu können. Das Erstellen solcher Visualisierungen ist aber zeitaufwendig und erfordert um-fassende Expertise in den Bereichen GIS und 3D-Modellierung. Dieser Artikel untersucht die Frage, welche freien Geodaten für semi-automatisierte Visualisierungsprojekte herangezogen werden können, und welches Potenzial diese für die Erstellung qualitativ hochwertiger interaktiver 3D-Visualisierungen haben.

Schlüsselwörter: 3D-Modellierung, Landschaftsvisualisierung, Spiel-Engines, freie Geodaten

Abstract: The development towards renewable energy has a significant impact on the landscape scen-ery and the scenic beauty with potentially negative effects on recreation and touristic values. Therefore, visualizations are often utilized to estimate and evaluate the visual impact of a specific planning project. As the development of such visualizations is very time consuming, this article discusses which open geo data are useful for semi-automated visualization purposes and estimates the potential of these data to produce high-quality interactive 3D visualizations.

Keywords: 3D modelling, landscape visualization, game engines, open geodata

1 Einführung

3D-Visualisierungen haben mittlerweile ein sehr hohes Niveau hinsichtlich der Darstellung realistischer Repräsentationen realer Landschaften erreicht (Lange, 2011). Abhängig von der Fragestellung werden dabei unterschiedliche Techniken und Medien eingesetzt, um das Bild einer Landschaft zu generieren. Besonders Bildretuschen und Fotomontagen kommen hier sehr häufig zum Einsatz, da sie einerseits leicht zu erstellen sind und gleichzeitig einen hohen Grad an Realismus erlauben (Lovett et al., 2015). Andererseits beinhaltet diese Form der Visualisierung aber großes Manipulationspotenzial (Standortwahl, Brennweiten etc.) und bietet wenig Möglichkeiten der Inhaltsprüfung, wie etwa das Messen von Entfernungen oder

AGIT ‒ Journal für Angewandte Geoinformatik, 5-2019, S. 172-182. © Wichmann Verlag, VDE VERLAG GMBH · Berlin · Offenbach. ISBN 978-3-87907-669-7, ISSN 2364-9283, eISSN 2509-713X, doi:10.14627/537669016. Dieser Beitrag ist ein Open-Access-Beitrag, der unter den Bedingungen und unter den Auflagen der Creative Commons Attribution Lizenz verbreitet wird (http://creativecommons.org/licenses/by-nd/4.0/).

T. Schauppenlehner et al.: Effiziente großflächige interaktive Landschaftsvisualisierungen 173

Höhen (Forum Energiedialog, 2018). Dazu kommt, dass derart hergestellte Bilder oft nur von wenigen Standorten verfügbar sind und damit persönliche Betroffenheit kaum berücksichtigt werden kann.

Unabhängig von der Technologie und dem Ausgabemedium basieren Landschaftsvisualisie-rungen üblicherweise auf einer breiten Palette an (Geo)daten (Appleton et al., 2002). Über der Grundlage aus einem Geländemodell können Geodaten zur Landnutzung, zum Straßen- und Wegenetz, sowie zu Gewässerläufen und Gebäudestandorten mit geeigneter Software virtuelle Landschaften erstellt werden. Auf Softwareebene gibt es eine überschaubare Palette an Produkten, die 3D-Visualisierungen mit Geodaten unterstützen. Beispiele sind etwa Vi-sual Nature Studio von 3DNature (http://3dnature.com/), das Open-Source-Projekt Virtual Terrain Project (http://vterrain.org/), die ESRI CityEngine (https://www.esri.com/en-us/ar-cgis/products/esri-cityengine/overview) oder Terragen (https://planetside.co.uk).

Als Alternative gibt es noch Spiel-Engines (game engines), die in der Lage sind qualitative hochwertige und interaktive Modelle zu generieren (Ghadirian & Bishop, 2008) aber keine effizienten oder standardisierten Workflows für Geodaten besitzen. Der Prozess der Daten-integration und -synthese für die 3D-Modellierung ist aber zeitaufwendig und erfordert um-fangreiche Expertise in den Bereichen GIS-Bearbeitung und 3D-Modellierung. Mit dem stei-genden Angebot an freien und qualitativ hochwertigen Geodaten ergeben sich aber Potenzi-ale für eine, zumindest partielle Standardisierung des Visualisierungsprozesses. Dieser Arti-kel untersucht den aktuellen Stand freier Geodaten für den Aufbau realitätsnaher 3D-Land-schaftsvisualisierungen, um die visuellen Auswirkungen großer Infrastrukturprojekte (etwa für erneuerbare Energie) zu bewerten bzw. zu kommunizieren. Die zentralen Forschungsfra-gen dabei sind:

Welche Geodaten sind für den Aufbau von 3D-Visualisierungen verfügbar? Ist die räumliche und thematische Auflösung für detaillierte 3D-Modelle ausreichend? Mit welchen Methoden und zusätzlichen Daten können die Visualisierungsgrundlagen

in Hinblick auf die Erstellung realitätsnaher Visualisierungen verbessert werden?

2 Projekthintergrund

Der vorliegende Artikel wurde im Rahmen des Projekts ReTour1 entwickelt, welches die soziale Akzeptanz von erneuerbarer Energie in Tourismusregionen untersucht. Da in diesem Kontext die visuellen Auswirkungen der Energieinfrastruktur auf das Landschaftsbild eine entscheidende Rolle spielen, wird ein 3D-Landschaftslabor (LandscapeLab!) entwickelt, das eine Beurteilung der Auswirkungen verschiedener Szenarien auf das Landschaftsbild im Rahmen eines gemeinsamen Planungsprozesses ermöglicht. Die Landschaft wird dabei in-teraktiv mithilfe der Spiel-Engine Godot (https://godotengine.org/) visualisiert, die Ausgabe des Bildes erfolgt in einer VR-Brille (Oculus Rift, https://www.oculus.com/rift). Damit kön-nen beliebige Orte eines Modells aufgesucht werden und durch den Immersionseffekt der VR-Brille realistische Perspektiven und Größenverhältnisse gewährleistet werden (Schaup-penlehner et al., 2018). Der Immersionseffekt – also das Eintauchen in ein virtuelles Modell – wird dabei durch die Abschottung des Sichtfeldes sowie das stereoskopische Panoramabild in der VR-Brille ermöglicht. Das LandscapeLab! soll für beliebige Landschaftsräume in

1 https://retour.aau.at/

174 AGIT – Journal für Angewandte Geoinformatik · 5-2019

Österreich einsetzbar sein, weshalb eine weitgehende Automatisierung der Landschaftsgene-rierung auf Basis von Geodaten wesentlich ist.

3 Daten und Methoden

3.1 Geodatenportale

In den vergangenen Jahren hat die Verfügbarkeit freier Geodaten in Österreich und Europa stark zugenommen, und zentrale Datensätze betreffend Relief, Verkehrsinfrastruktur oder Landnutzung sind mittlerweile flächendeckend verfügbar (z. B. über die Geodatenportale data.gv.at, europeandataportal.eu, land.copernicus.eu etc). In Österreich treiben vorwiegend die GIS-Abteilungen der einzelnen Bundesländer diese Entwicklung voran, nicht zuletzt auf-grund der “Richtlinie zur Schaffung einer Geodateninfrastruktur (INSPIRE)” der Europäi-schen Union (European Parliament and Council, 2007). Der überwiegende Teil der Daten wird in Österreich über das Webportal data.gv.at angeboten. Die Daten werden unter einer Creative Commons Namensnennung Lizenz (CC-BY 3.0 Österreich) angeboten und können deshalb bei entsprechender Zitierung frei verwendet werden. Daneben bieten Facheinrich-tungen, wie etwa das Umweltbundesamt, Geodaten zu verschiedenen umweltrelevanten The-men unter vergleichbaren Nutzungsbedingungen an. Auf europäischer Ebene gilt das Euro-päische Datenportal als erste Anlaufstelle, daneben gibt es weitere Datenportale verschiede-ner europäischer Programme oder Agenturen. Besonders hervorzuheben ist hier das Coper-nicus Land Monitoring Service, die Europäische Umweltagentur (eea.europa.eu) oder das Joint Research Center.

3.2 Workflow Geodaten – LandscapeLab!

Das LandscapeLab! ist ein im Rahmen des Projektes entwickeltes Werkzeug für kollaborati-ves Planen und Visualisieren basierend auf der Spiel-Engine Godot. Godot wurde gewählt, weil es eine sehr leistungsfähige Open-Source-Lösung für die Entwicklung interaktiver 3D-Umgebungen darstellt. Sie ist flexibel anwendbar und nutzt offene Standards. Im Landsca-peLab! steht die Generierung hochwertiger interaktiver 3D-Landschaften zur Beurteilung des Landschaftseinflusses eines Planungsvorhabens im Vordergrund. Diese 3D-Landschaften müssen, basierend auf Geodaten, aber zunächst entsprechend aufbereitet, transformiert und erweitert werden. Die dafür nötigen Berechnungen erfolgen in mehreren Schritten:

1. Eine manuelle oder semi-automatisierte Aufbereitung der Daten mit gängigen GIS- und Tabellenkalkulationsprogrammen: Ziel ist, einen konsistenten Datensatz zu erzeu-gen und die Daten auf das benötigte Ausmaß zu reduzieren. Die Datensätze werden dabei auf Datenfehler geprüft, auf die gewünschten Gebiete zugeschnitten und hinsichtlich Projektionen oder Rasterauflösungen vereinheitlicht. Zusätzlich wird durch Verschnei-dungen oder Tabellenverknüpfungen die Informationsdichte erhöht (z. B. Baumartenzu-sammensetzung, Verfeinerung der Landnutzungsklassen etc.). Neben den Geodaten wer-den in diesem Schritt auch die nötigen weiteren Elemente (= Assets) für das 3D-Modell ausgewählt, erstellt oder aufbereitet (z. B. Texturen, Vegetationsmodelle, 3D-Objekte etc.).

2. Der automatisierte Import mit Konvertierung in die internen Datenformate des LandscapeLab! Server: Gespeichert werden die Daten in einer Geodatenbank (basierend


auf PostGIS) und einer strukturierten Dateiablage für verschiedene Dateiformate (XYZ-Tiles, PNG, diverse 3D-Formate).

3. Die Anforderung des 3D-Modells durch den LandscapeLab!-Client (Anzeigemodul): Die Daten werden geladen und prozedural aufbereitet (generische Erstellung von Ge-bäuden, Platzierung von Vegetation, Feinstrukturierung des Geländes etc.) sowie durch weitere Landschaftselemente schlüssig ergänzt. Um die Anzeigegeschwindigkeit zu er-höhen, werden die Daten in unterschiedlichen Detailstufen angeboten (Level of Detail) vorberechnet. Als zugrunde liegende Spiel-Engine kommt Godot zur Anwendung.

Abb. 1: Workflow der Geodaten zur Generierung des interaktiven 3D-Modells

4 Ergebnisse

4.1 Verfügbare Geodaten für realitätsnahe 3D-Visualisierungen

Um realitätsnahe 3D-Visualisierungen auf Basis von Geodaten zu erstellen, ist eine breite Palette an unterschiedlichen Geodaten nötig. Die Basis bildet das Geländemodell, das zumin-dest in einer Auflösung von 10 m × 10 m für die gesamte österreichische Landesfläche ver-fügbar ist. Darauf aufbauend sind detaillierte Daten zur Landnutzung/Landbedeckung, Ge-wässer, Verkehrsinfrastruktur und Bebauung nötig. Als Basis für die Bodentexturen können die Luftbilder herangezogen werden. Tabelle 1 zeigt eine Übersicht über die erhobenen und getesteten Datensätze für die Erstellung von 3D-Visualisierungen.

Tabelle 1: GIS-Datensätze für 3D-Visualisierungen

Datensatz Bezug Daten-typ

Auflösung2 Jahr Kategorie Quelle

Digitales Höhenmodell

Österreich Raster max. 10 × 10 m 2015 Topographie Geoland.at

Orthofoto Österreich Raster 0,3 × 0,3 m 2018 Textur Geoland.at

Sentinel-2 Boden- bedeckung

Österreich Raster 10 × 10 m 2016 Boden- bedeckung

Umweltbundes-amt GmbH

2 Anm. zur Auflösung bei Vektordaten: detailliert = genaue Grenzverläufe und detaillierte Unterschei-

dung verschiedener räumlicher Einheiten; generalisiert = zusammengefasste GIS-Attribute und ge-neralisierte Grenzverläufe.


Tabelle 1 (Fortsetzung)

Datensatz Bezug Daten-typ

Auflösung3 Jahr Kategorie Quelle

Landwirtschaftliche Schläge (INVEKOS)

Österreich Vektor detailliert 2017 Land- wirtschaft

Agrarmarkt Austria

Baumarten Wald Europa Raster 1000 × 1000 m 2016 Wald Joint Research Center

EU-Hydro Europa Vektor generalisiert 2018 Gewässer Europäische Umweltagentur

OSM-Daten Global Vektor detailliert 2018 Gewässer, Gebäude, Landmarken

OpenStreetMap

Intermod. Verkehrs-referenzsystem

Österreich Vektor detailliert 2018 Verkehr GIP.at

4.2 Zugang zu Geodaten

Auch wenn die Anzahl, Qualität und Auflösung freier Geodaten in den vergangenen Jahren stark zugenommen hat, ist es vielfach aufwendig, passende Daten für eine Region zu finden, da diese über viele verschiedene nationale wie auch internationale Datenportale verteilt an-geboten werden. Durch teilweise mangelhaftes Metadatenmanagement (Schauppenlehner & Muhar, 2018) ist das Auffinden dieser Daten darüber hinaus oft schwierig. Die Datenrecher-che ist deshalb ein zeitaufwendiger Arbeitsschritt, der umfangreiche Expertise erfordert und bei dem immer auch die Restgefahr besteht, aufgrund mangelnder Dokumentation wesentli-che Datensätze nicht zu finden. Für die Recherche eines umfassenden Geodatenpools für 3D-Visualisierungen wurden Daten von folgenden Portalen bezogen:

Tabelle 2: Datenportale für den Bezug freier Daten für Österreich und Europa

Datenprovider URL Themen

Behörden und Landesorganisationen data.gv.at Geländemodelle, Verkehrswege-netz, Orthofoto, INVEKOS

Umweltbundesamt www.umweltbundesamt.at Landbedeckung

Europ. Forest Genetic Resources Prog www.euforgen.org Baumartenverteilung

Joint Research Center afoludata.jrc.ec.europa.eu Baumartenverteilung, Waldflächen

OpenStreetMap www.openstreetmap.org POIs, Gewässer, Feldgehölze, Straßennetz, Gebäudegrundrisse

Copernicus Land Monitoring land.copernicus.eu Gewässer

Die Daten dieser Portale sind in unterschiedlichen Datenformaten, räumlichen Ausdehnun-gen (siehe Tabelle 1) und Projektionssystemen (MGI, ETRS, WGS) vorhanden. Für eine ge-

3 Anm. zur Auflösung bei Vektordaten: detailliert = genaue Grenzverläufe und detaillierte Unterschei-

dung verschiedener räumlicher Einheiten; generalisiert = zusammengefasste GIS-Attribute und ge-neralisierte Grenzverläufe.


meinsame Verwendung sind deshalb mitunter umfangreiche Konvertierungen, Nachbearbei-tungen oder Datenkorrekturen und -anpassungen nötig. Bei Daten aus Österreich kommt noch die vorwiegend föderale Organisation der Datensätze als Erschwernis für die Aufberei-tung hinzu. Viele Daten enden an Bundeslandgrenzen und vergleichbare Daten benachbarter Bundesländer besitzen häufig unterschiedliche Projektionssysteme oder Auflösungen bzw. sind im Falle thematischer Daten anders klassifiziert. Der daraus resultierende Aufberei-tungsbedarf sowie mögliche Probleme werden im nachfolgenden Kapitel 4.3 erörtert.

4.3 Aufbereitung der Daten zur Verbesserung der räumlichen und themati-schen Datenauflösung

Realitätsnahe Visualisierungen erfordern eine hohe räumliche und thematische Auflösung. Demgegenüber stehen teilweise eher grob aufgelöste Geodatensätze. Mit wenigen Ausnah-men ist daher eine weitere Verfeinerung und Verbesserung des Datenbestandes nötig. Diese kann in den meisten Fällen durch Kombination und Verschneidung mit zusätzlichen Daten-quellen erreicht werden.

Gelände

Ein Digitales Geländemodell (DGM) bildet die zentrale Grundlage einer Landschaftsvisua-lisierung. Je höher die Auflösung, desto mehr Details aus dem Mikrorelief können abgebildet werden, was die Realitätsnähe entsprechend erhöhen kann. Für Österreich ist flächendeckend ein 10 m × 10 m DGM verfügbar. Abhängig von Bundesland werden teilweise auch feiner Auflösungen zur Verfügung gestellt (z. B. 5 m × 5 m DGM für Kärnten oder Salzburg oder das 0.5 m × 0.5 m DGM von Oberösterreich). Besonders im Grenzbereich zwischen zwei Bundesländern können sich aber Probleme im Überlappungsbereich ergeben, da die jeweili-gen Modelle teils signifikante Unterschiede in den Höhenangaben aufweisen. Die nachfol-gende Grafik visualisiert dieses Problem für einen kleinen Ausschnitt im Grenzbereich zwi-schen Oberösterreich und der Steiermark.

Abb. 2: Bei der Differenz zwischen dem DGM von Oberösterreich (A) und dem DGM der Steiermark (B) ergeben sich Höhendifferenzen (C) von ±50 m

Abbildung 2 zeigt teils signifikante Unterschiede in den Höhenwerten zweier überlappender Geländemodelle. Daraus ergeben sich zwangsläufig Fehler in diesen Regionen bei einer ent-sprechenden Verschneidung für ein gemeinsames Modell.


Landnutzung

Mit dem Sentinel-2-Bodenbedeckungsdatensatz (Umweltbundesamt, 2016) gibt es für Öster-reich einen sehr detaillierten und aktuellen Datensatz zur Landnutzung. Neben der Unter-scheidung in zwei Grünlandklassen (intensiv und extensiv), Ackerland, zwei Waldklassen (Nadel- sowie Laubgehölze) und Flächen mit Strauchbesatz wird noch zwischen Gebäuden und versiegelten Flächen (Straßen, Parkplätze etc.) unterschieden. Die Auflösung des Ras-terdatensatzes beträgt ca. 6 m × 6 m und besitzt eine hohe Lagegenauigkeit. Für detaillierte und differenzierte Wald-, Acker- sowie Grünlanddarstellungen sind jedoch Ergänzungen aus anderen Datenquellen notwendig.

Waldflächen

Die JRC Tree species Map (Joint Research Centre, 2016) gibt das prozentuale Vorkommen von 137 Baumarten in Europa in einem 1 km × 1 km Raster an. Damit ist eine regionsspezi-fische Ausgestaltung der Waldflächen gut automatisierbar. Für die differenzierte Darstellung der Baumhöhen kann die Differenz zwischen Oberflächen- und Geländemodell genutzt wer-den.

Landwirtschaftliche Flächen

Acker- und Grünlandkulturen auf Ebene von Bearbeitungsschlägen werden für Österreich jährlich im INVEKOS-Datensatz (Agrarmarkt Austria, 2018) veröffentlicht. Im aktuellen Datensatz von 2018 sind mehr als 200 verschiedene Ackerkulturen schlaggenau unterschie-den, womit sehr detaillierte Visualisierungen der agrarisch genutzten Räume in Österreich erstellt werden.

Gebäude

Gebäudegrundrisse sind mittlerweile in der OpenStreepMap weitgehend flächendeckend er-fasst (Konrad, 2014). Was dabei nicht enthalten ist, sind Gebäudehöhen und Dachformen. Hinsichtlich der Gebäudehöhen ist aber ein vergleichbares Vorgehen wie bei den Waldhöhen sinnvoll, indem das Oberflächenmodell vom Geländemodell subtrahiert wird. Bei Vorliegen höher aufgelöster Oberflächen- und Höhenmodelle kann damit auch die Dachform abge-schätzt werden. Sollte diese Information nicht verfügbar sein, muss eine orts- oder regions-typische Dachform angewendet werden.

Straßennetz

Mit dem intermodalen Verkehrsreferenzsystem (GIP.at) Österreich (Geoland.at, 2018) steht für Österreich ein sehr detailliertes Verkehrsnetz zur Verfügung, das eine Unterscheidung der Verkehrsbedeutung (Functional Road Class) beinhaltet und damit auch die detaillierte visuelle Ausgestaltung des Verkehrswegenetzes für eine Visualisierung erlaubt. Alternativ kann aber auch mit den Daten der OpenStreetMap gearbeitet werden (z. B. bei grenznahen oder grenzübergreifenden Arbeitsgebieten, wenn auch Daten außerhalb Österreichs visuali-siert werden müssen). Hier ist aber der Nachbearbeitungsaufwand entsprechend höher.

Gewässernetz

Für eine Abbildung des Gewässernetzes stehen grundsätzlich zwei Datensätze zur Verfü-gung. Der EU-Hydro Datensatz des Copernicus-Land-Programmes der Europäischen Union (European Union, Copernicus Land Monitoring Service, European Environment Agency, 2018) sowie das Gewässernetz der OpenSteetMap (OSM). Die EU-Hydro Daten sind struk-


turierter als die der OSM und bilden ein korrektes hierarchisches Gewässernetz. Allerdings ist die Lagegenauigkeit der Gewässerlinien oft nicht gegeben (Lagefehler teilweise zwischen 30 m und 80 m), da die Gewässerläufe stark generalisiert sind (besonders bei stark mäandri-erenden Abschnitten). Die OSM-Daten sind hinsichtlich ihrer Lage viel genauer und detail-lierter, besitzen aber weniger strukturiere thematische Informationen. Für realitätsnahe Visu-alisierungen wird daher der OSM-Datensatz empfohlen, eine entsprechende Aufbereitung der Daten für die Visualisierung ist aber nötig.

Landmarken

Viele Infrastrukturelemente oder Bauwerke sind aufgrund ihrer Form und/oder Größe Land-marken, die einerseits eine rasche Orientierung erlauben und das Landschaftsbild prägen oder zumindest beeinflussen. Dazu gehören etwa Strommasten, Windräder, Marterl, Kapellen, Aussichtsplattformen oder freistehende Gebäude wie Kirchen oder Bauernhöfe. Informatio-nen zu Lage und Art dieser Elemente können aus dem OpenStreetMap-Datensatz extrahiert werden.

4.4 Interaktive Visualisierungen aus freien Geodaten

Entsprechend dem in Kapitel 3.2 skizzierten Workflow werden die Geodaten mit GIS-An-wendungen aufbereitet (ArcGIS und QGIS), in einer Serveranwendung (LandscapeLab! Ser-ver) prozessiert (automatisierte Konvertierung der Geodaten für die Nutzung in Godot) und mit der Spiel-Engine Godot in ein 3D-Modell für die Darstellung in einer VR-Brille oder auf einem Monitor umgewandelt.

Das Höhenmodell wird als Raster in Godot übernommen und für die Darstellung großer Landschaftsräume in Kacheln (Tiles) unterteilt. Damit sind entfernungsabhängige Änderun-gen der Rasterauflösung je Kachel möglich (Level of Detail). Sämtliche Landnutzungsdaten werden ebenfalls als Raster implementiert, die jeweilige Rasterzellen-ID verweist auf ein Definitionsset zur Darstellung der Vegetation. Eine Vegetationseinheit besteht dabei aus ei-ner Bodentextur sowie Pflanzen, die als transparente Bilder (PNG-Dateien) auf den jeweili-gen Landnutzungseinheiten, entsprechend ihrer vordefinierten Wuchsdichte und -höhe, dar-gestellt werden. Gebäude aus Grundrissdaten der OpenStreetMap werden mit dem 3D-Mo-dellierungsprogramm Blender (www.blender.org) generiert und im Collada-Format in Godot integriert (dazu wurde eine entsprechende Python-Schnittstelle programmiert). Auch andere 3D-Modelle (z. B. Windräder) werden im Collada-Format importiert, die Verortung erfolgt über räumlich verortete Ankerpunkte oder interaktives Setzen im Falle partizipativer Pro-zesse.

Die ersten Ergebnisse der Prototypenanwendung sind vielversprechend und zeigen, dass mit freien Geodaten hochwertige Visualisierungen für Planungs- und Forschungsprozesse erstellt werden können.


Abb. 3: Screenshot aus dem ersten Prototyp des LandscapeLab!

5 Diskussion

Aktuelle frei verfügbare Geodaten sind grundsätzlich für qualitativ hochwertige und reali-tätsnahe Visualisierungen geeignet, wenngleich ein nicht unbeträchtlicher Aufwand in der Recherche und Aufbereitung der Daten für eine 3D-Visualisierung besteht. Vor allem Tabel-lenverknüpfungen (Joins), Beschneidungen (Clips) oder Verschneidungen (Intersects) sind häufig benötigte GIS-Operationen, um die entsprechenden Datensätze hinsichtlich ihrer räumlichen und thematischen Auflösung aufzubereiten bzw. zu verbessern. Da bis auf we-nige Ausnahmen die Datensätze aber österreichweit (und teilweise auch europaweit) vorlie-gen, können die Daten unabhängig vom später zu visualisierenden Gebiet weitgehend vor-prozessiert werden. Spätere Adaptionen können damit entfallen oder auf ein Minimum redu-ziert werden. Auch das Auffinden und Interpretieren der Daten ist mitunter schwierig, da die Metadaten vielfach mangelhaft sind. Trotz dieser Hürden ist die Entwicklung in diesem Be-reich in den vergangenen Jahren fortgeschritten und es ist davon auszugehen, dass die daten-verantwortlichen Stellen hier laufend Verbesserungen vornehmen.

Probleme sind auch in Übergangsbereichen zwischen Ländern oder Bundesländern vorhan-den. Besonders bei kontinuierlichen Datensätzen, wie dem Geländemodell, existieren hier teilweise sehr große Unterschiede zwischen zwei angrenzenden Datensätzen – Darstellungs-fehler oder Kantensprünge können hier die Folge sein.

Die Analyse des Potenzials frei verfügbarer Geodaten zeigt, dass noch Verbesserungsbedarf besteht, die Datenqualität und Auflösung aber mittlerweile ein Niveau erreicht hat um quali-tativ hochwertige und realitätsnahe Visualisierungen weitgehend generisch zu entwickeln. Der in Kapitel 3.2 skizzierte Workflow zeigt die Einbettung dieser Daten in ein interaktives 3D-Visualisierungsframework, das im Rahmen des Projektes ReTour entwickelt und er-forscht wird.


Godot als Spiel-Engine besitzt in diesem Zusammenhang großes Potenzial, da es aufgrund technischer und kommerzieller Unabhängigkeit (Open Source) gute Perspektiven für die ef-fiziente Entwicklung interaktiver 3D-Visualisierungen auf Basis von Geodaten bietet. Die Programmiersprache von Godot (GDScript) ist ähnlich Python und erlaubt einen schnellen Einstieg und damit kürzere Entwicklungszeiten. Dabei darf aber nicht übersehen werden, dass eine vollständig generische Visualisierung zwar möglich ist, nötige Verfeinerungen die-ses Modells (z. B. zur Erhöhung der Realitätsnähe) aber weiterhin aufwendige manuelle Be-arbeitungsschritte erfordern (insbesondere durch 3D-Modellierung von Landmarken, manu-elles Editieren zur Verfeinerung des Datensatzes etc.). Trotzdem ergeben sich durch eine teilweise Automatisierung des Modellierungsprozesses neue Anwendungsfelder für Bottom-up-Prozesse, Forschungs- und Bildungsprojekte oder kollaborative Planungsprozesse, die häufig aufgrund begrenzter Budgets oder mangelnder Expertise im Bereich GIS und 3D-Modellierung auf diese Formen der Visualisierung verzichten müssen.

Danksagung

Diese Arbeit ist Teil des Projektes „ReTour – Soziale Akzeptanz zukünftiger Photovoltaik- und Windenergieszenarien in österreichischen Tourismusregionen“ und wird vom Österrei-chischen Klima- und Energiefonds im Rahmen des Austrian Climate Research Program (ACRP) gefördert (Projektnummer: KR17AC0K13808).

Literatur

Agrarmarkt Austria (2018). INVEKOS Schläge Österreich. Retrieved Jan 23, 2019, from https://www.data.gv.at/katalog/dataset/e21a731f-9e08-4dd3-b9e5-cd460438a5d9.

Appleton, K., Lovett, A., Sünnenberg, G., & Dockerty, T. (2002). Rural landscape visualisa-tion from GIS databases: a comparison of approaches, options and problems. Computers, Environment and Urban Systems, 26, 141–162. https://doi.org/10.1016/S0198-9715(01)00041-2.

European Forest Genetic Resources Programme (2018). Tree Species. European Forest Ge-netic Resources Programme. Retrieved Jan 23, 2019, from http://www.euforgen.org/species/.

European parliament and council (2007). Directive 2007/2/EC of the European parliament and of the council establishing an Infrastructure for Spatial Information in the European Community (INSPIRE). Official Journal of the European Union 108, 14.

European Union, Copernicus Land Monitoring Service, European Environment Agency (2018). EU-Hydro river network. Copernicus Land Monitoring Service. Retrieved Jan 23, 2019, from https://land.copernicus.eu/imagery-in-situ/eu-hydro.

Forum Energiedialog (2018). Was sind realitätsnahe Visualisierungen? Wie kann das Forum Energiedialog (FED) Kommunen bei der Visualisierung von Energieanlagen unterstüt-zen? Forum Energiedialog, Rottenburg.

Geoland.at (2018). Intermodales Verkehrsreferenzsystem Österreich (GIP.at). Retrieved Jan 23, 2019, from https://www.data.gv.at/katalog/dataset/3fefc838-791d-4dde-975b-a4131a54e7c5.


Ghadirian, P., & Bishop, I. D. (2008). Integration of augmented reality and GIS: A new ap-proach to realistic landscape visualisation. Landscape and Urban Planning, 86, 226–232. https://doi.org/10.1016/j.landurbplan.2008.03.004.

Joint Research Centre (2016). Maps for Forest Tree Species in Europe. Joint Research Cen-tre. Retrieved Jan 23, 2019, from http://afoludata.jrc.ec.europa.eu/dataset/maps-forest-tree-species-europe.

Konrad, T. (2014). Analyse der OpenStreetMap-Gebäudeabdeckung in Österreich. Retrieved Jan 23, 2019, from https://thomaskonrad.at/2014/08/analyse-der-openstreetmap-

gebaudeabdeckung-in-osterreich/. Lange, E. (2011). 99 volumes later: We can visualise. Now what? Landscape and Urban

Planning, 100, 403–406. https://doi.org/10.1016/j.landurbplan.2011.02.016. Lovett, A., Appleton, K., Warren-Kretzschmar, B., & Von Haaren, C. (2015). Using 3D vis-

ualization methods in landscape planning: An evaluation of options and practical issues. Landscape and Urban Planning, Special Issue: Critical Approaches to Landscape Visu-alization, 142, 85–94. https://doi.org/10.1016/j.landurbplan.2015.02.021.

Schauppenlehner, T., Kugler, K., Muhar, A., & Bautz, G. (2018). Anwendungserfahrungen von Virtual Reality als Kommunikationswerkzeug in partizipativen Planungsprozessen. AGIT – Journal für angewandte Geoinformatik, (4), 15–25.

Schauppenlehner, T., & Muhar, A. (2018). Theoretical Availability versus Practical Acces-sibility: The Critical Role of Metadata Management in Open Data Portals. Sustainability, 10, 545. https://doi.org/10.3390/su10020545.

Umweltbundesamt (2016). Sentinel-2 Bodenbedeckung Österreich 2016. Retrieved Jan 23, 2019, from http://www.umweltbundesamt.at/umweltsituation/umweltinfo/opendata/oed_landbedeckung/.

Documents

Effiziente großflächige interaktive Landschafts ......Schlüsselwörter: 3D-Modellierung, Landschaftsvisualisierung, Spiel-Engines, freie Geodaten Abstract: The development towards