Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors

Das Datenportfolio der Stadt: Schrägluftbilder – Zur Schätzung des Potentials für Fassadenbegrünung mit Hilfe von KI

Inhalt

Das Datenportfolio einer Stadt bietet eine Menge an unausgeschöpftem Analysepotential. Die gleichen Daten können für eine Vielzahl von Anwendungsfällen genutzt werden und die Kombination aus unterschiedlichen Daten bietet eine gute Möglichkeit, Analyse- und Auswertungsergebnisse im direkten Vergleich zu validieren, beispielsweise wenn keine „echten Daten“ zum Abgleich vorliegen. Dabei kamen bereits Daten wie Point Clouds, LoD2- oder Street View-Daten zur Stockwerkerkennung (hier gibt es eine Akademie), Parkraumanalyse und die Gebäudetypisierung zur Anwendung. In diesem Beitrag wird nun das Potential von Schrägluftbildern als Geodatenquelle erläutert, um das Begrünungspotenzial von Fassaden zu bewerten. Es wird dargestellt, wie der Potenzial-Index für eine Fassadenbegrünung ermittelt wird und welche Vor- und Nachteile die Nutzung von Schrägluftbildern besitzen. Anschließend erfolgt eine kurze Übersicht zu bisher verwendeten Datenquellen und deren Nutzen für bisherige Analysen im Städtekontext.

Learnings aus der Akademie

Erweiterung des Datenportfolios

Das Datenportfolio der Stadt Leipzig ist bereits für Anwendungen wie Stockwerkerkennung, Parkraumanalyse und Gebäudetypisierung genutzt worden. Schrägluftbilder als Datenquelle erweitern diese Möglichkeiten besonders für Fassadenanalysen.

Rundumsicht dank Schrägluftbildern

Durch die Aufnahme aus vier Himmelsrichtungen können Schrägluftbilder dabei helfen, alle Seitenwände eines Gebäudes sichtbar zu machen. Da sie Kameraparameter enthalten, wird die Umrechnung von Echtweltkoordinaten in Pixelwerte ermöglicht, die eine Voraussetzung für diesen Anwendungsfall ist.

Der Potenzial-Index als Indikator für Fassadenbegrünung

Fassadenbegrünung hat eine Reihe von Einflussfaktoren. Ein Teil, welcher bereits mit Hilfe der verfügbaren Daten (LoD2-Gebäudemodell und Street View-Bilder) ermittelt werden kann. Die verschiedenen Einflussfaktoren werden zu einem Potenzial-Index pro Fassadenwand zusammengerechnet.

Die Kombination von Daten ist sinnvoll

Die Vielzahl an städtische Datenquellen (Street View, Orthophotos, Point Clouds, LoD2) zeigen verschiedene Stärken und Schwächen auf. Es wird deutlich, wie sinnvoll eine Kombination dieser Daten für eine Vielzahl an Analysen im Stadtkontext sein kann.

Kontakt

Aruscha Kramm

Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI), Institut für Informatik, Universität Leipzig

digital@leipzig.de

Die Partnerstädte
Gefördert durch