Conference Agenda

Session
D23: Poster Session (1/2)
Time:
Tuesday, 07/July/2020:
11:00am - 11:45am

Session Chair: Hermann Klug
Session Chair: Martin Sudmanns
Location: D - Sessions
short, 2-minute pitch presentations by poster authors

Presentations

Nutzung offener Daten zur Analyse der Response und des Teilnahmeverhaltens Älterer an Präventionsangeboten zur Gesundheitsförderung

Manuela Peters1,2, Stefan Rach1, Tiara Ratz3, Hajo Zeeb1,2, Claudia Pischke4

1Leibniz Institut für Präventionsforschung und Epidemiologie/ BIPS, Deutschland; 2Universität Bremen, Fachbereich Gesundheitswissenschaften; 3Jacobs Universität Bremen; 4Institut für Medizinische Soziologie, Centre for Health and Society, Medizinische Fakultät, Heinrich-Heine-Universität Düsseldorf, Düsseldorf

Hintergrund: Im Zuge der anhaltenden Zunahme der Lebenserwartung ist die Erhaltung gesunder Lebensjahre durch regelmäßige körperliche Aktivität und der damit verbundenen niedrigeren Morbiditätsraten ein Zukunfts- und Schwerpunktthema der Public Health-Forschung.

Die Frage, wie beispielsweise Bewegungsangebote zur Förderung von gesundem Altern für Ältere organisiert sein sollten, um von dieser Zielgruppe angenommen zu werden, ist noch nicht ausreichend erforscht.

Diesbezüglich vorliegende Angebote zur Bewegungsförderung berücksichtigen nicht notwendigerweise, ob diese – in geografischer Hinsicht - für jedermann zugänglich sind bzw. der individuell bewertete Teilnahmeaufwand in einem gewinnbringenden Verhältnis zum Nutzen steht. Unter einer Vielzahl von Nutzungswiderständen entscheidet die Erreichbarkeit maßgeblich über die Attraktivität und Nutzung von Angeboten. Überdies kann angenommen werden, dass weitere, nicht-individuelle Faktoren, wie beispielsweise das Wetter, die tatsächliche Teilnahme an den terminierten Veranstaltungen im Rahmen von Angeboten beeinflussen.

Ziele: Das Vorhandensein, Art und Umfang eines kontextspezifischen Einflusses auf Teilnahmebereitschaft und –verhalten sollen identifiziert und die Nutzung verschiedener Ressourcen von Open Data als Datengrundlage demonstriert werden.

Methoden: Die Analysedaten stammen aus einer Interventionsstudie des BIPS zur Implementation von Bewegungsangeboten. Mittels einer Responseanalyse werden Teilnahmeverhalten und -dauer bezüglich einer 10-wöchigen Bewegungsintervention mit mehreren Angebotsstandorten in der jeweiligen Nachbarschaft der potenziellen Teilnehmer, Erwachsene im Alter von 65 bis 75 Jahren, quantifiziert. Die Messung der Erreichbarkeit – ausgehend vom Wohnort der Teilnehmer bzw. Nichtteilnehmer - erfolgt über eine Netzwerkanalyse auf Basis routingfähiger OSM- Straßennetzwerkdaten. Als Grundlage dienen die hausnummerngenauen, geocodierten Adressen der Angebotsstandorte sowie die Adresskoordinaten der Teilnehmer. Zusätzlich werden die tages- und standortgenauen offenen Daten des Deutschen Wetterdienstes integriert.

Erwartete Ergebnisse: Wir erwarten, dass die Erreichbarkeit und wetterbedingte Einflüsse bei der Inanspruchnahme von Angeboten zu Bewegungsförderung in der Zielgruppe der Älteren eine Rolle spielen.

Diese Aspekte sollten künftig schwerpunktmäßig im Bereich der Prävention in der öffentlichen Gesundheit mitberücksichtigt werden, z.B. im Hinblick auf die langfristige Planung (insb. Standortwahl) von Präventionsangeboten für Ältere bzw. als Grundlage für eine mögliche Implementation kurzfristiger (wetterbedingter) Tools zur Terminkorrektur (z.B. digitale Benachrichtigen).



Drone-based optical detection of surface flow patterns near fish ladders

Dariia Strelnikova1, Gernot Paulus1, Sabine Käfer2, Karl-Heinrich Anders1, Peter Mayr3, Helmut Mader4, Ulf Scherling1, Rudi Schneeberger5

1Carinthia University of Applied Sciences; 2Verbund Hydro Power GmbH; 3flussbau iC; 4University of Natural Resources and Life Sciences; 5ViewCopter e. U.

In the light of widely discussed global warming, hydropower is considered to be one of the important alternatives to fossil fuels. In Austria, it constitutes 59.5% of all renewable energy produced in the country. Unfortunately, the use of hydropower causes changes in river morphology and negatively influences the river ecosystem. Fish migrating upstream in order to reach suitable spawning areas get blocked or delayed by hydropower dams, which leads to a decline in fish populations. In order to prevent habitat fragmentation and to facilitate upstream fish migration, fish ladders are being built at hydropower dams all over the country.

A fish ladder is efficient only if it is easy for fish to discover. As a part of the research aimed at understanding factors that influence the discoverability of fish ladders, we analyzed flow patterns in their vicinity with the help of a low-cost drone with a built-in 4K camera and a non-intrusive optical flow analysis method Particle Image Velocimetry (PIV). Although there were some differences between the calculated PIV values and the reference measurements, the main elements of the flow near a fish ladder were correctly identified and the differences between the sub-areas of the field of view were clearly determined. In areas where traceable particles were present, the flow velocities and directions derived with PIV were in good agreement with reference measurements, with an absolute difference of only 0.07 m/s on average.

We conclude that drone-based optical detection of surface flow patterns has a potential to be used as part of a flow monitoring methodology to empirically derive flow patterns near fish ladders on a regular basis. Being able to promptly determine current flow patterns near a fish ladder, a hydropower plant operator will, when possible, make adjustments to create favorable flow conditions for fish migration. For example, optimal operation modes of the individual hydropower turbines could be selected during fish migration peaks. The flow pattern analysis after flood events would enable a timely reaction to undesired changes in flow conditions, e.g. if the currents get unfavorably altered by sediment displacement. Further development of this study will focus on correlating the observed flow patterns with the number of fish counted at the fish ladder entrance, with the aim to quantify the impact of the flow patterns near fish ladders on their discoverability.



Mapping Climate Vulnerability – an indicator-based approach for the Trinational Metropolitan Area Upper Rhine Valley

Nils Riach, Nicolas Scholze

Albert-Ludwigs-Universität Freiburg, Deutschland

The Trinational Metropolitan Area Upper Rhine Valley (TMO) is already experiencing the effects of climate change on the regional scale. However, the degree and severity of these effects are yet to be determined. Hence, adaption to climate change is becoming increasingly important especially for the identification of ramifications, both positive and negative, that are likely to occur on all scales and in all regions. The trinational context in particular shows that different types of regions are diversely vulnerable and require tailor-made mitigation and adaptation measures to face the challenges associated with a changing climate. This is also true for small and medium sized enterprises (SME), who often lack sufficient knowledge of risks (and sometimes opportunities) as well as spatial characteristics of climate related vulnerabilities.

There are a growing number of cases studies, which assess the sometime intangible characteristics of climate vulnerability on varying scales, often utilizing indicator based approaches. Cross-border assessments, however, are rather rare this is partially due to questions of availability, homogeneity and resolution of comparable data sets.

Referring to the conceptional framework by Füssel (2007) and using a systematic approach for the identification and evaluation of the suitability of data, a data infrastructure consisting of 18 indicators was created, which allows a quantitative assessment of climate vulnerability. The indicators were assigned to the vulnerability subcomponents climatic stress, exposure, sensitivity and impacts, analyzed individually, mapped and finally aggregated into a combined index.

Differentiated spatial patterns of exposure, sensitivity and impacts were identified, which, depending on the climate scenario, indicate increasing climatic stress during the course of the century, especially in the agglomerations of the TMO. They furthermore highlight cross-border similarities and differences, which ultimately manifest themselves on the local level. The findings of this work provide an evidence base for the identification of the spatial characteristics of different typologies of climate change and vulnerabilities at the local level and may enable stakeholders to take appropriate countermeasures.



Exploratives Crowdsourcing von Bürgerinformationen als partizipatives Planungstool für den Radverkehr

Rafael Hologa, Nils Riach

Albert-Ludwigs-Universität Freiburg, Deutschland

Vielfältige Anwendungen für das Smartphone ermöglichen auch Laien eine schnelle und einfache Erfassung räumlich referenzierter Daten. Insbesondere für Fragestellungen, bei denen eine gesellschaftliche Kontextualisierung von Geofachdaten notwendig ist, können individuell erzeugte Geoinformationen einen relevanten Mehrwert bieten, da sie Einblicke in die Raumwahrnehmungen Einzelner zulassen. Auch die Förderung und Planung des Radverkehrs im urbanen Raum als wichtiger Mosaikstein einer nachhaltigen Mobilität setzt voraus, dass bekannt ist, wie Gefahren von der Bevölkerung bewertet werden und wo sie verortet werden.

Das Ziel des explorativen Crowdsourcings von individuellen Informationen war es Bewertungen und Wahrnehmung von Gefahren im Radverkehr am Beispiel von Freiburg zusammenzutragen, um Brennpunkte für kommunale Maßnahmen zu benennen. Auf der Grundlage dieser Volunteered Geographic Information (VGI) lassen sich Fragestellungen beantworten, die deutlich machen, dass Geodaten, die nach Prinzipien von Citizen Science gesellschaftlich relevanten Aspekten nachgehen werden kann, die nicht aus amtlichen Geofachdaten abgeleitet werden können.

Das Projekt zeigt, dass mit über 2000 Gefahrenmeldungen und dazugehörigen Radrouten (ca. 1000 Km), die mit einer kleinen Crowd von über 20 Beitragenden mittels der opensource Lösung KoBo Toolbox im Herbst und Winter 2019 generiert worden sind, eine Ermittlung räumlicher Muster von diversen Risiken möglich ist. Darüber hinaus eignen sie sich zum Abgleich mit historischen Unfallorten mit Radbeteiligung. Der Abgleich der Daten zeigt, dass sie auch das Potential eines Prädiktors für Unfallereignisse aufweisen und die generierten Daten aufzeigen, wo bereits Radunfälle stattgefunden haben.

Weitere Geoanalysen konnten zeigen, dass die Daten der Crowd Zusammenhänge von Straßentypen und deren Zentralität, tageszeitlichen Mustern und dem Verkehrsaufkommen belegen und sich aus ihnen somit ein weitaus größerer Informationsgehalt ableiten lässt, als es die reinen Meldungen potentieller Gefahren im Radverkehr zulassen. Durch die parallele Erhebung klimatischer Parameter zeigen die Daten auch, inwiefern Gefahren abhängig von bestimmten Wettersituationen erfasst wurden. Nachdem die gesammelten VGI mit Geofachdaten zur Flächennutzung verschnitten wurden, konnte außerdem beleuchtet werden, bei welchen urbanen Strukturen ein besonderes Gefährdungspotential vorliegt. Aus der Summe dieser Analysen konnten schließlich wiederum konkrete Brennpunkte und allgemeine städtische Strukturen benannt werden, für die zur Förderung des Radverkehrs Maßnahmen prioritär ausgestaltet werden sollten.

In diesem Sinne lassen sich die per Crowdsourcing erhobenen Daten als ergänzenden Baustein verstehen, mit denen Maßnahmen zur Radverkehrssicherheit unterstützt werden können. Insbesondere ermöglicht die Crowd dabei die Identifikation von Hot Spots und die Priorisierung baulicher Maßnahmen, wodurch letztlich auch die Akzeptanz selbiger erhöht werden kann.



GNSS-Position estimation via raw data from a mobile device as part of a forest inventory

Gernot Kainz, Johannes Scholz

Graz University of Technology, Institute of Geodesy, Austria

The position estimation using satellites is a standard procedure. The quality of the position solution depends on several factors. Especially the terrain and direct surrounding of the receiver take influence on the calculated position. The application MOTI, developed by University of Applied Sciences Bern is intended for stocktaking tree population. The application utilizes the position estimation via Global Navigation Satellite Systems. The position estimation in the forest is not accurate, due to the difficult surroundings and concomitant impacts. If a low-cost receiver is used more losses into accuracy have to be taken into account. A stocktaking of the tree population with a smartphone application means one has to cope with both difficult conditions. With Android 7.0, smartphones allow the direct use of GNSS raw data from its receiver. This enables to calculate a position and the data to be used by external software. In this paper the results of a SPP-Positioning solution via raw data from a mobile device in a forested area, will be presented and discussed. Additional to the SPP solution, a relative position estimation with a high-end receiver, which was places outside the forest, was tested. All solutions, including the own processed, will be compared.



Assessing the impact of bridge construction on the land use/cover time series and socio-economic indicators in Hangzhou Bay

Yuting Zou1, Lixia Chu2, Dainius Masiliūnas1, Jan Verbesselt1

1Laboratory of Geo-information Science and Remote Sensing, Department of Environmental Sciences, Wageningen University & Research, Droevendaalsesteeg 3, 6708 PB Wageningen, the Netherlands; 2Department of Geoinformatics – Z_GIS, University of Salzburg, Schillerstrasse 30, 5020 Salzburg, Austria

Human activities consistently shaped land surfaces, changed land use and influenced socio-economic development by urban expansion, agriculture intensification, transport construction, and natural resource exploration. Among these activities, transportation infrastructure construction is a vital step in boosting economic and societal opportunities, and results in land use changes. Estuarine areas where rivers flow into oceans, like bays, usually serve as a major source of economic activities, supporting agriculture, fishing, transportation, mining and tourism sub-sectors. Accordingly, transportation construction plays a stronger role in land use dynamics and socio-economic development in those areas. In this study, we focused on the land use dynamics of the urban agglomeration around Hangzhou Bay, where Qiantang River flows into the East China Sea, crossed by the recently constructed Hangzhou Bay Bridge. In order to analyze the influence of transport infrastructure construction on the land use time series of the surrounding areas and correlation with social-economic indicators, we classified ten land use and land cover (LULC) classes from Landsat satellite imagery time series from 2000 to 2017, quantified the long-term LULC class dynamics in the urban agglomeration, and analyzed the LULC changes before and after the opening of the Hangzhou Bay Bridge. Additionally, we explored the effect of bridge connection on the change of socio-economic indicators and land use types. Google Earth Engine (GEE) provides abundant time series data and robust computation ability for such a study. GEE was utilized for data acquisition, preprocessing, and random forest classification in this research. Moreover, the impact of the bridge construction was analyzed using Interrupted Time Series Analysis. The results showed that during the period from 2000 to 2017, the majority of agricultural land was converted into impervious land, and this transformation was further stimulated after the sea-cross bridge was opened in 2008. Residential and industrial area has been stable since the bridge was open, whereas other types of impervious surface increased dramatically. Especially in the bridge-connected cities, Jiaxing and Ningbo, the bridge promoted the expansion of impervious surface compared with other cities in the study area. With the Hangzhou Bay Bridge connection, various socio-economic factors, including tourism, primary and secondary industry, real estate investment and highway freight increased rapidly. This research can contribute to policy making for sustainable urban development and land management. The methods used in this study are universal and therefore can also be used to assess the effect of any notable event that may impact LULC change.



meinGrün - Informationen und Navigation zu Grünflächen in Städten

Robert Hecht, Kerstin Krellenberg, Celina Stanley, Lisa Eichler, Martina Artmann, Martin Schorcht, Sercan Cakir, Patrycia Brzoska

Leibniz Institut für ökologische Raumentwicklung e.V., Dresden, Deutschland

Urbane Grünflächen tragen durch die Bereitstellung von Ökosystemleistungen unter anderem zur Steigerung des Wohlbefindens der städtischen Bevölkerung bei. Die Bürgerinnen und Bürger nehmen diese Leistungen aktiv in Anspruch, indem sie verschiedene Aktivitäten auf den Grünflächen durchführen. Für die speziellen Aktivitäten eignen sich dabei aufgrund ihrer physischen Struktur und Ausstattung gewisse Grünflächen besser als andere. An solch grünflächenspezifischen Informationen für die Bevölkerung mangelt es jedoch. Die meinGrün-WebApp soll als Informations- und Entscheidungstool für die Erreichbarkeit und Nutzung urbaner Grünflächen fungieren und diese Wissenslücke schließen. Dazu werden Informationen zur physischen Struktur und Ausstattung der Grünflächen aus frei verfügbaren Geodaten, nutzergenerierten Daten sowie neuesten Fernerkundungsdaten der Sentinel-2 Mission des Copernicus-Programms abgeleitet. Ergänzend werden über Nutzerbefragungen und die Auswertung von Social Media Daten, Indikatoren zur Bewertung der Grünflächen abgeleitet und über ein multikriterielles Bewertungssystem ein standortbezogener Dienst bereitgestellt. Mit der WebApp können die Bürgerinnen und Bürger somit entsprechend ihrer Nutzungspräferenzen und Ansprüche an die Ausstattung, ihre Grünfläche anhand verschiedener Kriterien auswählen. Über neu entwickelte Routingoptionen können sie sich zudem zur Grünfläche, beispielsweise auf der grünsten Route, navigieren lassen.



GIS technologies for modeling climate conditions impact on population morbidity

Ekaterina Kulagina, Tatiana Trifonova, Alex Krasnoshchekov, Natalia Mishchenko

Vladimir State University named after Alexander and Nikolay Stoletovs, Russland

The results of determining the climate conditions influence on the infectious and parasitic diseases incidence are presented. The results of calculating the considered factors quantitative contribution to the population morbidity level are presented on the basis of mathematical and statistical research methods, and mathematical models are developed using modern information technologies. The largest contribution among other climatic conditions was stated to belong to the cloudiness value. The map compiling method based on GIS technologies allows comparing different regions and the contribution of each factor impact.



Geospatial Intelligence in Precision Farming

Oliver Hennhöfer, Julian Bruns, Peter Ullrich

Disy Informationssysteme GmbH, Deutschland

Der Kern der Präzisionslandwirtschaft beschäftigt sich damit, wo, wann und wie der Einsatz von Hilfsmitteln optimiert wird, so dass der Ernteertrag maximiert wird. Dies betrifft meist den gezielten Einsatz von Dünger unter den Gesichtspunkten der örtlichen geologischen, topographischen und landwirtschaftlichen Eigenschaften in Kombination mit wirtschaftlichen und regulatorischen Aspekten. Um dies durchzuführen, werden konkrete Faktoren wie die Nährstoffauswaschung, Bodenleitfähigkeit über EM38 und Erfahrungswerte der Experten kombiniert.

In diesem Beitrag soll dabei der Teilaspekt der explorativen Analyse landwirtschaftlicher und geologischer Daten behandelt werden. Über geostatistische Analysen – konkret Hot Spot Analysen – können besonders relevante und interessante Gebiete für eine teilflächenspezifische Düngung identifiziert werden und schnell und intuitiv vermittelt werden. Durch die einzelne Analyse und Transformation der verschiedenen Parameter werden dadurch Stellen identifiziert, die eine höhere oder niedrigere Düngung erfordern. Dabei werden die Hot Spot Karten miteinander verglichen und kombiniert, um so Gemeinsamkeiten und Unterschiede bzw. Ursachen zu ergründen und damit den Experten in der Entscheidung zu unterstützen.

Als Basis der Analysen werden Daten von gezielt bewirtschafteten Feldern, sog. Schlägen, verwendet. Die Daten geben ein möglichst umfassendes Bild über die möglichen Einflüsse auf die Ernteerträge. Neben verschiedenen Düngern/Düngeroutinen und variierenden Anbauzyklen innerhalb eines Feldes, liefern Bodenmessungen und Bodenkarten sowie Satellitenbilddaten weitere Informationen, die analysiert wurden.

Eingesetzte Methoden umfassen die Dateninterpolation zur Datenvervollständigung, die geographisch gewichtete Regression zur Identifizierung von korrelierenden Parametern und die Transformation und Darstellung mittels Hot Spot Analyse, um die Ergebnisse visuell darzustellen. Technisch wurde dies mit der Programmiersprache R umgesetzt.



Using geomorphological data to predict pre-Quaternary outcrops at Pilis-Dorog area (Hungary)

Reka Pogacsas1, Gaspar Albert2

1Eötvös Loránd University, Department of Cartography and Geoinformatics, Budapest; 22Eötvös Loránd University, Department of Cartography and Geoinformatics, Budapest

The surface of the Pilis-Dorog area (Northern Central Hungary) is formed by erosion and Miocene tectonic forces, and the landforms of sediment accumulation are tied to tectonically preformed morphology. On the surface Quaternary formations dominate (aeolian loess, and siliciclastic alluvial and coluvial formations), also Paleogene limnic coal, limestones and Triassic carbonates crop out on the surface. This is mostly caused by the fluvial erosion.

The aim of the research project was to prove that geomorphological variables can be used to distinguish Quaternary and pre-Quaternary formations. The base data was the MERIT DEM which has approximately 90 m ground resolution. From this we generated aspect, profile curvature, slope angle, topographic wetness index (twi). Later, QGIS’s and GRASS GIS’s r.geomorphon function was also used. This method identifies a topographic pattern of the study area, using elevation difference from a queried pixel in a predefined radius in eight directions, and to classify the pixel according to the identified pattern. The function defines 10 main morphology types: flat, peak, ridge, shoulder, spur, hollow, footslope, valley, pit and slope. Later the result of Random Forest classification was performed with and without this variable, and it indicated, a more compact result at the overall classification, eaning that the formations appeared in larger clusters on the resulted raster image.

Two classification methods were tested. At first the Random Forest Classification (executed with RStudio) was processed. The height of the tree was 6, the size of the forest was 1000. The input variables were the previously mentioned geomorphological variables merged into one single raster with six bands. For the training area we used a digitized geological map, which was compiled more than 40 years ago when the area was in focus due to mining the Eocene coal lenses.

Secondly an Object Based Image Analysis was performed on the data. All the input data from RF was also used in the OBIA as well. The first prediction, using nearest neighbor method, already resulted correct locations, although the proportion of correctly predicted area of the outcrops were far not as large as in the case of the Random Forest. The accuracy of the Random Forest Classification was about 80%, while the OBIA NN 60%.

All the resulted layers, like the raster of RF, and exported vector of OBIA were compared with MBFSZ’s (Mining and Geological Survey of Hungary) WMS layer of Hungarys surface geology. This showed that the predictions are mostly correct, but the accuracy still needs to be upgraded in a way of correcting and smoothing the OBIA settings. Also, a new research direction could be defined using the tried methods: the application of other remotely sensed data, such as multispectral satellite images and calculation of geological indices for mineral compositions.