Prof. Dr. Detlef Krömker Goethe-Universität, Frankfurt Graphische Datenverarbeitung Visualisierung Vorlesung 10 – Visualisierung von Daten mit Orts- und

Prof. Dr. Detlef Krömker

Goethe-Universität, FrankfurtGraphische Datenverarbeitung

Visualisierung

Vorlesung 10 – Visualisierung von Daten mit Orts- und Zeitbezug

WS 2005/20062Visualisierung – Vorlesung 10Prof. Dr. Detlef Krömker

Allgemeiner Überblick über folgende Themen

Visualisierung von Raumbezogenen Daten Zeitbezogenen Daten Volumendaten Strömungsdaten Visualisierung von multivariaten Daten


Übersicht

Wiederholung Visualisierung von Daten mit Raumbezug

Übersicht Direkte Visualisierung des Raumbezugs Indirekte Visualisierung des Raumbezugs

Visualisierung zeitvarianter Daten


Übersicht





Farbskalen

Typen von Farbskalen Grauwertskalen: Variation der Helligkeit Farbskalen: Variation der Farbart (Sättigung und

Farbton)

Aspekte von Farbskalen Abbildung auf RGB i.d.R. nicht effizient und wenig

effektiv Abbildung auf HSV, HLS, o.ä. möglich Spezielle Farbskalen i.d.R. effizienter


Grauwertskalen Man verwende empfindungsmäßig gleichabständige Stufen, etwa

nach folgender Formel:

Berücksichtigt man die nötige Gammakorrektur (für Farbmonitore 2,3 ... 2,8), so erhält man:

Kuriosum: Diese Zwei Effekte korrigieren sich fast selbst!

Stevens nach 300

mitYYn

iYY ni

00 YYn

iYY ni


Beispiele für spezielle Farbskalen

Farbton-Skala (Hue)

Regenbogenskala

Temperaturfarbskala

Magenta-Farbskala


Effekte von Farbfehlsichtigkeiten auf Farbskalen

Better results with magenta scale and heated object scale

Heated Object Scale

Protanopie

Deuteranopie

Tritanopie

Magenta Scale

Protanopie

Deuteranopie

Tritanopie


Textur und quantitative Daten

Vereinzelte Anwendungen von Textur zur Visualisierung qualitativer und quantitativer Aspekte

Speziell: Visualisierung von Multi-parameter-Datensätzen

Mehr zu diesem Thema später!

Pickett, Grinstein 1988

WS 2005/200610

Visualisierung – Vorlesung 10Prof. Dr. Detlef Krömker

Textur und Vektordaten

Textur eignet sich zudem, Orientierungen und auch Ausprägungen darzustellen

Anforderungen, die bei der Visualisierung von Vektordaten auftreten Beispiel: Strömungsfelder

Beispiel für Textursynthesetechnik: Line Integral Convolution (LIC)

Mehr zu diesem Thema später!Visualisierung eines kreisförmigen und eines turbulenten Strömungsfeldes mit LIC (Cabral 1993)

WS 2005/200611


Texturen in 3D Textur ist ein wichtiger

visueller Faktor zur Wahrnehmung von Neigung und Orientierung von Oberflächen

Anwendung von Textur zur Verdeutlichung dieser Aspekte im Kontext von 3D-Visualisierung Visualisierung des

Krümmungsverlaufs von Oberflächen

Eingesetzte Techniken ähneln denen der Visualisierung von Vektordaten

WS 2005/200612


Übersicht




WS 2005/200613


Übersicht




WS 2005/200614


Multivariate und Mehrdimensionale Daten

Standardgraphen betrachten in den meisten Fällen nur für eindimensionale, univariate Daten

Allgemeinere Situation Multidimensionale Daten

Dimension des Beobachtungsraums > 1 Multivariate Daten

Dimension des Merkmalsraums > 1 (2) D

Daten mit Raumbezug Dimension des Beobachtungsraums ist 2 oder 3

WS 2005/200615


Mehrdimensionale raumbezogene Daten

Zum Begriff Raumbezug Daten mit geographischem Bezug, d.h. im Kontext

geographischer Informationssysteme (Bill und Fritsch 1996) Lediglich 3-dimensionale Daten (Groß 1991)

2D: oberflächenbezogene Daten n-dimensionaler Euklidischer Raum (Graw)

Im weiteren Daten in einem 2 oder 3-dimensionalen, räumlichen

Bezugssystem Beispiel: die Erdoberfläche (thematische) Karte ...

WS 2005/200616


SystematikR aum bezogene D aten

räum lichesB ezugssystem

zw e i-dim ens iona l d rei-d im ens iona l

P unk t-B ezug

punk torientie rt

loka le r B ezug

lin ienorien tie rt

g loba ler B ezug

flächeno rien tiert

M erkm a ls raum

1 Pa ram e te r M ultipa ram ete r

R ep räsen ta tion

d irek ter R aum bezug indirekte r R aum bezug

1

1

2

2

k leine P a ram e te rzah l

A nzahl de r P a ram ete r is t zu g roß für e ine g le ichze itigeD ars tellung im räum lichen B ezugssys tem

Übersicht : Visualisierung raumbezogener Daten

WS 2005/200617


Kartographie und GIS

Themengebiete mit starkem Bezug Kartographie Geographische Informationssysteme (GIS)

WS 2005/200618


Kartographie

Wissenschaft mit sehr jahrhunderte alter Tradition Erste Karten Bertin

Zentrale Fragestellungen Abbildung der Erde auf Karte …

WS 2005/200619


Geographische Informationssysteme

Geographische Informationssysteme (GIS)speichern Infos in Datenbanken Klassische GIS: 2-dimensional Zunehmend, vor allem in urbaner Umgebung,

auch 3D

Mehr zu diesem Thema später!

WS 2005/200620


Bezugssystem und Wirkungskreise Grundlegender Ansatz

Darstellung von Bezugssystem und mit Wirkungskreisen Darstellung des Wirkungskreises

Punktbezug Abtastung im Bezugsraum

Die Datenwerte beziehen sich nur auf einzelne Beobachtungspunkte (zum Beispiel gemessene Werte pro Messstelle in einem See).

Lokaler Bezug Endliche Apertur und Mittelung Die Datenwerte beziehen sich auf lokale Bereiche des räumlichen Bezugs

systems (zum Beispiel Datenwerte im nördlichen Teil eines Sees). Globaler Bezug

Die Datenwerte gelten für das gesamte räumliche Bezugssystem (zum Beispiel für einen ganzen See).

WS 2005/200621


Darstellung des Raumbezugs

Darstellung des Raumbezugs im Bezugssystem Direkt: Datenwerte als auch das räumliche

Bezugssystem werden in derselben visuellen Repräsentation veranschaulicht

Beispiel: Platzierung von Ikonen auf einer Karte und Markierung des zugehörigen Geltungsbereiches

Indirekt: Veranschaulichung von Datenwerten und räumlichem Bezugssystem über getrennte visuelle Repräsentationen

Beispiel:

WS 2005/200622


Direkte Darstellung des Raumbezugs

Direkte Darstellung des Raumbezugs mit Karte und Kreuzikone für Sedimentdaten Darstellung des Punktbezugs mit Kreuzikone Zusätzliche Brushing: Für selektierte Ikone werden links die Daten anzeigt

WS 2005/200623



Direkte Darstellung von raumbezogenen Daten mit lokalem Wirkungskreis Visualisierung von Inzidenzraten für Krankheiten über den Kreisen von Mecklenburg-

Vorpommern Balkendiagramm als Ikone zur Darstellung der Häufigkeit unterschiedlicher

Krankheiten Kennzeichnung des lokalen Wirkungskreises durch Kreisgrenzen

WS 2005/200624



Direkte Darstellung von raumbezogenen Daten mit lokalem Wirkungskreis Visualisierung von Sedimentdaten über dem Neustädter See Voronoi-Zerlegung mit bivariater Farbskala zur Verdeutlichung

des lokalen Bezugs Zusätzliche Marker zur Darstellung der Messpunkte

WS 2005/200625



Direkte Darstellung von raumbezogenen Daten mit lokalem Wirkungskreis Inzidenzrate der Influenza A über Mecklenburg-Vorpommern Darstellung der Merkmale über Farb- und Höhenkodierung

WS 2005/200626



Kartogramme nicht maßstabsgetreue Karten Weitere Möglichkeit zur direkten Darstellung des

Raumbezugs Beispiel: Bevölkerungskartogramm

Größe der Länder gemäß ihrer Bevölkerungszahl Topologischen Beziehungen bleiben erhalten

Bemerkung Alle antiken Karten waren Kartogramme!

WS 2005/200627



Darstellung eines 3D-Raumbezugs Darstellung hydrologischer Parameter im Tiefenprofil der

Ostsee für ausgewählte Messpunkte

WS 2005/200628


Indirekter Raumbezug Ansatz: Kombination zweier getrennter visueller

Repräsentationen Darstellung des Bezugssystems (mit

Beobachtungspunkten) Darstellung des Merkmalsraums (multivariaten Daten)

Zuordnung erfolgt über: Farbassoziationen Hilfslinien u.a. Annotationen

Insbesondere bei großen Datenmengen sind indirekte Darstellungen des Raumbezugs eine sinnvolle Alternative

WS 2005/200629


Indirekte Darstellung des Raumbezugs

Tiefe Trockenmasse Glühverlust Korngröße Phosphorgehalt

Indirekte Darstellung des Raumbezugs von Sedimentdaten des Barniner Sees Darstellung der Sedimentdaten mit parallelen KoordinatenDarstellung des Bezugssystems über Karte

WS 2005/200630


Indirekte Darstellung des Raumbezugs

Indirekte Darstellung des Raumbezugs bei einem 3D-Modell Darstellung der Geometrie eines 3D-Bauteils als Bezugssystem Darstellung der technischen Attribute mit Ikonen

(vgl. Autoglyphen des Shape Coding) verschlüsselt

WS 2005/200631


Kombination von direktem und indirektem Bezug

Kombination von direkter und indirekter Darstellung des Raumbezugs am Beispiel einer Waldbodenkarte

Merkmale in einer Ikone pro Abteilung kodiert, jede Unterabteilung horizontal aufgetragen

Teilabschnitte pro Unterabteilung senkrecht Datenwerte farbkodiert

WS 2005/200632



Kombination von direkter und indirekter Darstellung des Raumbezugs am Beispiel von Waldbodendaten

Direkter Raumbezug in 3D-Darstellung (rechts) Problem: Verdeckungen behindern Lesbarkeit

Zusätzliche indirekte Darstellung der Messwerte durch Balkendiagramm; Bezug durch Annotation

WS 2005/200633



c)

Kombination von direkter und indirekter Darstellung des Raumbezugs Am Beispiel hydrologischer und biologische Daten

Direkte Visualisierung der hydrologischen Daten

Indirekte Darstellung (durch Annotation) der biologischen Daten (Verteilung des Dorsches nach Alter) in Form von Kreisdiagrammen

WS 2005/200634


Vergleich direkte/indirekte Visualisierung

Vorteile direkter Darstellung des Raumbezugs Abhängigkeiten der Datenwerte in ihrem räumlichen

Kontext unmittelbar wahrnehmbar Nachteile

Größe der graphischen Repräsentation der Daten bzw. des Bezugsraumes führt aber oft dazu, dass nur wenige Parameter pro Datensatz dargestellt werden können oder

Anzahl der gleichzeitig darstellbaren Datensätze gering

WS 2005/200635


Zusammenfassung

Veranschaulichung des räumlichen Kontextes Direkter Raumbezug: direkt intuitiv wahrnehmbar Indirekter Raumbezug (z.B. Farbassoziationen, Linien, Annotationen)

Nachteil direkter Raumbezug: Erhöhte Komplexität der Darstellung Auf Details oder Vollständigkeit muss oft verzichtet werden

Navigation und Interaktion sehr wichtig! Nachteil indirekter Raumbezug: höhere kognitive Belastung

Anwenderklassen und Raumbezug Experten

Z.T. Raumbezug stark verinnerlicht, z.B. Lage der Messpunkte können u.U. auf Darstellung des Raumbezugs verzichten

Seltennutzer Darstellung fast immer notwendig

WS 2005/200636


Übersicht




WS 2005/200637


Übersicht




WS 2005/200638


Zeitabhängige Daten

Aspekte zeitvarianter Daten Datencharakteristika werden ihrem zeitlichen Kontext

zugeordnet Zeit ist keine beliebige unabhängige Variable, sondern

hat Besonderheiten Nur wenige Werkzeuge unterstützen die Darstellung des

Zeitbezugs befriedigendUnterscheiden zwischen

Zeitbezug der Daten Zeitbezug der Darstellung

WS 2005/200639


Fragestellungen bei zeitvarianten Daten

Fragestellungen bei der Analyse zeitvarianter Daten (MacEachren, 1995):

Existence: Existiert ein Merkmal an einem spezifischen Zeitpunkt?

Localization: Wann existiert ein Merkmal? Temporal interval: Wie lang existiert ein Merkmal? Rate of change: Wie stark und wie schnell ändert sich ein

Merkmal? Sequence: In welcher Reihenfolge erscheinen die

Merkmale? Temporal texture: Wie oft erscheint ein Merkmal? Synchronization: Welche Merkmale existieren gemeinsam?

WS 2005/200640


Zeitbezug derDaten

Diskret vs. intervall-basiert

Linear vs. zyklisch

Ordinal vs. kontinuierlich

Geordnet vs. verzweigend

Zeitbezug der Darstellung

2d vs. 3d

Statisch vs. dynamisch

Univariat vs. Multivariat

Daten-bezogen vs.Ereignis-bezogen

Taxonomie

WS 2005/200641


Taxonome zeitvarianter Daten (1)

Dskrete Zeitpunkte vs. Zeitintervalle

Diskrete Zeitpunkte: Zeitpunkte ohne Dauer

Zeitintervalle: Intervall-skalierte Achse (z.B. Tage, Monate, ...)

Ansatz: Darstellung der Dauer

MonthP

ric

e

WS 2005/200642


Taxonomie zeitvarianter Daten (2)

Lineare vs. zyklische Zeitabläufe Linear: Zeitliche Ereignisse von einem Startzeitpunkt in linearer

Ordnung bis zum Endzeitpunkt Zyklisch: Wiederkommende zeitliche Ereignisse wie z.B.

Jahreszeiten

Ansatz: Darstellung der Periodizität

Lexis Pencilszur Darstellung

multivariater, linearer Daten

(Schumann et.al. 2005)

Spiral Graphszur Darstellung zyklischer,multivariater (Schumann et.al. 2005)

WS 2005/200643



Ordinal vs. kontinuierlich Ordinal: geordnete,

qualitative Zeitachse Kontinuierlich: quantitative

ZeitachseAnsatz: Darstellung von

Ordnung gegenüber Differenzen

ThemeRiver, Havre et al 2000

Calendar plot, van Wijk, van Selov, 1999

WS 2005/200644



Geordnet vs. verzweigende Zeitstränge Geordnet: zeitliche Ereignisse folgen einer nach dem anderen Verzweigend: Alternative, zum Teil parallele Zeitstränge

Ansatz: Darstellung der Linearität gegenüber der Verzweigung

TimeWheel, Tominski, 2004

Zur Anzeige wird der QuickTime™ Dekompressor „TIFF (LZW)“

benötigt. ?Representing

Branching Time + Data

WS 2005/200645


Zeitbezug derDaten

Diskret vs. intervall-basiert

Linear vs. zyklisch

Ordinal vs. kontinuierlich

Geordnet vs. verzeigend

Zeitbezug der Darstellung

2d vs. 3d

Statisch vs. dynamisch

Univariat vs. Multivariat

Daten-bezogen vs.Ereignis-bezogen

Taxonomie visueller Darstellungen des Zeitbezugs

WS 2005/200646


Taxonomie visueller Darstellungen des Zeitbezugs (1)

2d vs. 3d 2d: Darstellung in der

Bildebene 3d: Darstellung unter Nutzung

perspektivischer oder interaktiver, VR-ähnlicher 3D-Darstellungen

Worm Plot (Treinish 1997)

WS 2005/200647


Worm PlotsWorm Plots (Treinish 1997)

Visualisierung von Punktwolken mit Zeitbezug

Ansatz Ausgangspunkt: 2D-Scatterplot der Daten

für jeden diskreten Zeitpunkt Approximation der Punktwolke durch

einen Kreis Mittelpunkt = „Zentrum“ der

Punktwolke Radius = mittlerer Abstand der

Punkte vom Zentrum Verbindung der approximieren-den Kreise

der einzelnen Scatterplots zu „Röhren“

Möglichkeit zur Unterscheidung unterschiedlicher Cluster

WS 2005/200648



Static vs. dynamisch Statisch: Visualisierung

basierend auf einzelnen, unveränderlichen Bildern

Dynamisch: Visualisierung unter Nutzung dynamischer Aspekte wie etwa Animation, freie Navigation, etc.

Zur Anzeige wird der QuickTime™ Dekompressor „Microsoft Video 1“

benötigt.

WS 2005/200649



Univariat vs. multivariat Univariat: eine einzelne

abhängieg Variable Multivariat: mehrere

abhängige Variablen, die parallel analysiert werden sollen

Parallele Koordinatenzur Darstellung

multivariater, zeitabhängiger Daten

Month

Pri

ce

WS 2005/200650



Daten-bezogen vs. Ereignis-bezogen Daten-bezogen: direkte

Darstellung der Daten Ereignis-bezogen:

Darstellung bzw. Betonung der Zeitpunkte, an denen eine Änderung in den Daten stattfindet

Beispiel: besonders interessante Punkte in den Daten, wie etwa Minima, Maxima, etc.



Verfahren

Conventional TechniquesMultivariate TechniquesDynamic Techniques

WS 2005/200652


Konventionelle Techniken (1) 2d, Statisch, Univariat, Daten-

bezogen Verwendung der grundlegenden

visuellen Variablen zur Darstellung der Informationen (Bertin 1982)

Grosses Repertoire an Graphen Standardgraphen, z.B.

Säulendiagramme, Punktediagramme, Liniendiagramme

Graphen für multivariate Daten, z.B. Parallele Koordinaten

Vorteile Bekannte Metaphern Parallele Koordinaten für zeitvariante Daten

(Garnett 1903)

WS 2005/200653


Konventionelle Techniken (2)

Temporal Brushing Anstatz Brushing einer

Timeline führt zur Darstellungder entsprechenden Visualisierung für den ausgewählten Zeitpunkt

Temporal Focusing Approach: Darstellung von

zusätzlichem Detail für den ausgewählten Zeitpunkt on request

WS 2005/200654


Multivariate Techniken (1)

2d/3d, Statisch/dynamisch, Multivariat, Daten-bezogen

Beispiele: ThemeRiver TimeWheel Spiral Graph Wormplots MultiCombs

ThemeRiver Visualizationof 100 years of climate data

MultiCombs (Abello, Tominski, Schumann 2004)

Spiral Graphs (Weber, Alexa, Müller 2000)

WS 2005/200655


Zeitbezug der

Zeit- Datenbezug der Darstellung

statisch

quasistatisch

dynamisch

Statische Repräsentation

Annotation zum Zeitbezug

spezielle Ikonen,Mehrfenster-technik;Annotationen;Zeitdiagramm

Zeitdiagramme

Dynamische Repräsentation

Flashlighting;Kamerafahrten;Objektbewe-gungen und Deformationen

Flashlighting;sequentielle Abfolge graphischer Darstellungen;Deformationen


Übersicht

WS 2005/200656


Zeitbezug der


statisch

quasistatisch

dynamisch




Zeitdiagramme





Übersicht

WS 2005/200657


Quasistatischer Zeitbezug der Daten durch statische Darstellung

Quasistatischer Zeitbezug der Daten durch statische Darstellung als Chloropeth Visualisierung der Bevölkerungsdichte der Region Starkenburg

WS 2005/200658


Quasistatischer Zeitbezug der Daten durch statische Darstellung

Quasistatischer Zeitbezug der Daten durch statische Darstellung als Chloropeth Visualisierung der Veränderung der Einwohnerzahlen der Region

Starkenburg

WS 2005/200659


Beispiel: Quasistatischer Zeitbezug der Daten

Quasistatischer Zeitbezug der Daten durch statische Darstellung mit Mehrfenstertechnik

WS 2005/200660


Zeitreihendarstellung dynamischer Daten

Zeitreihendarstellung dynamischer Daten als Balkendiagramm (links) und als Liniendiagramm (rechts)

Visualisierung von Bevölkerungsdaten der Region Starkenburg

WS 2005/200661


Zeitbezug der


statisch

quasistatisch

dynamisch




Zeitdiagramme





Übersicht

WS 2005/200662


Dynamische Techniken (1)

2d/3d, dynamisch, Univariat/multivariat, Daten-bezogen/Ereignis-bezogenAllgemeiner Ansatz: Animation

Direkte Nutzung des Attributs „Zeit“ zur Darstellung zeitvarianter Aspekte Visualisierung von Änderungen in den Daten als Änderungen in Position, Farbe, … Sequentielle Abfolge gleichartiger graphischer Darstellungen

(sequentielles Hintereinanderschalten von Bildern, die mit derselben Visualisierungstechnik erzeugt wurden)

Kontinuierliche Animation Kontinuierliche Bewegungen: 15 frames per second Glatte, kontinuierliche Bewegungen: 30 frames per second

Zeitliche Skalierung der Animation Zeitraffer (s < 1), Realzeit (s = 1) Zeitlupe (s > 1).

)( startttst

WS 2005/200663


Dynamische Techniken (2)

Weitere Methoden zur Darstellung als spezielle Formn der Animation Wechselnde Attributbelegungen (Flashlighting)

Sequentielles Abbilden unterschiedlicher Parameterwerte auf die Attribute graphischer Primitive identischer Repräsentationen

Veränderungen der Ansicht Kamerafahrten oder dynamische Projektionen (vgl. Grandtour)

Objektbewegungen und Deformationen Veränderungen von Form und Position graphischer Primitive, wie bei

der Technik „Moving Icons“ Sequentielle Abfolge verschiedenartiger graphischer

Darstellungen Sequentielles Hintereinanderschalten von Bildern, die mit

unterschiedlichen Visualisierungstechniken erzeugt wurden.

WS 2005/200665


Dynamische Darstellungstechniken: Animation

Stellar Wind Disruption by an Orbiting Neutron Star: Moderate X-Ray Luminosity

John Blondin, NASA/GSFC, 1990

Zur Anzeige wird der QuickTime™ Dekompressor „YUV420 codec“

benötigt.

WS 2005/200666


Beispiel: Animation

Strömungsvisualisierung an einem Ventilator mit Partikeln, Mindware Inc., 2004

WS 2005/200667


Beispiel Animation

Zur Anzeige wird der QuickTime™ Dekompressor „YUV420 codec“

benötigt.

Strömungsvisualisierung mit Spot Noise, van Wijk 2004

WS 2005/200668


Dynamische Darstellungstechniken

Animation kann auch für statische Daten in einem 3D (2D) Beobachtungsraum sinnvoll sein Kamerafahrten

Kontinuierliche Bewegungen sind effektiver, aber auch Flashlighting (Springen) ist möglich

Grundregel: ALLE REGELN DER ANIMATION BEACHTEN!!

WS 2005/200669


Problem: Vergleichbarkeit von Visualisierungen für unterschiedliche

Zeitpunkte Each view with a separate color scale

Comparison misleadingly shows similarity

Common color scale for viewsEach view adapted color legend

Comparison reveals differences clearly

WS 2005/200670


Zusammenfassung

Darstellungen möglichst intuitiv interpretierbar machen und nicht überladen

Interaktive Techniken sehr wichtig: auf intuitive Bedienbarkeit achten!

WS 2005/200671


Zeitbezug der DatenZeitbezug der Darstellung

statisch

quasistatisch

dynamisch

statische Repräsentationen


spezielle Ikonen;Mehrfenster-technik;Annotationen;Zeitdiagramm

Zeitdiagramme

Dynamische Repräsentationen

Flashlighting;Kamerafahrten;Objektbewegung und Deformationen



Zusammenfassung

WS 2005/200672


Hausaufgabe

SM: Kap. 7.2, 7.3, 7.4, 7.5

WS 2005/200673


Danksagung

Diese Vorlesung basiert auf Material von Prof. Dr. Detlef Krömker Prof. Dr. Wolfgang Müller Prof. Dr. Heidrun Schumann Prof. Dr. Colin Ware



ENDE

Documents

Prof. Dr. Detlef Krömker Goethe-Universität, Frankfurt Graphische Datenverarbeitung Visualisierung Vorlesung 10 – Visualisierung von Daten mit Orts- und