Refine
Has Fulltext
- yes (12)
Is part of the Bibliography
- yes (12)
Document Type
- Journal article (7)
- Doctoral Thesis (5)
Keywords
- Germany (12) (remove)
Institute
- Institut für Geographie und Geologie (12) (remove)
Sonstige beteiligte Institutionen
Grünflächen stellen einen der wichtigsten Umwelteinflüsse in der Wohnumwelt der Menschen dar. Einerseits wirken sie sich positiv auf die physische und mentale Gesundheit der Menschen aus, andererseits können Grünflächen auch negative Wirkungen anderer Faktoren abmildern, wie beispielsweise die im Laufe des Klimawandels zunehmenden Hitzeereignisse. Dennoch sind Grünflächen nicht für die gesamte Bevölkerung gleichermaßen zugänglich. Bestehende Forschung im Kontext der Umweltgerechtigkeit (UG) konnte bereits aufzeigen, dass unterschiedliche sozio-ökonomische und demographische Gruppen der deutschen Bevölkerung unterschiedlichen Zugriff auf Grünflächen haben. An bestehenden Analysen von Umwelteinflüssen im Kontext der UG wird kritisiert, dass die Auswertung geographischer Daten häufig auf zu stark aggregiertem Level geschieht, wodurch lokal spezifische Expositionen nicht mehr genau abgebildet werden. Dies trifft insbesondere für großflächig angelegte Studien zu. So werden wichtige räumliche Informationen verloren. Doch moderne Erdbeobachtungs- und Geodaten sind so detailliert wie nie und Methoden des maschinellen Lernens ermöglichen die effiziente Verarbeitung zur Ableitung höherwertiger Informationen.
Das übergeordnete Ziel dieser Arbeit besteht darin, am Beispiel von Grünflächen in Deutschland methodische Schritte der systematischen Umwandlung umfassender Geodaten in relevante Geoinformationen für die großflächige und hochaufgelöste Analyse von Umwelteigenschaften aufzuzeigen und durchzuführen. An der Schnittstelle der Disziplinen Fernerkundung, Geoinformatik, Sozialgeographie und Umweltgerechtigkeitsforschung sollen Potenziale moderner Methoden für die Verbesserung der räumlichen und semantischen Auflösung von Geoinformationen erforscht werden. Hierfür werden Methoden des maschinellen Lernens eingesetzt, um Landbedeckung und -nutzung auf nationaler Ebene zu erfassen. Diese Entwicklungen sollen dazu beitragen bestehende Datenlücken zu schließen und Aufschluss über die Verteilungsgerechtigkeit von Grünflächen zu bieten.
Diese Dissertation gliedert sich in drei konzeptionelle Teilschritte. Im ersten Studienteil werden Erdbeobachtungsdaten der Sentinel-2 Satelliten zur deutschlandweiten Klassifikation von Landbedeckungsinformationen verwendet. In Kombination mit punktuellen Referenzdaten der europaweiten Erfassung für Landbedeckungs- und Landnutzungsinformationen des Land Use and Coverage Area Frame Survey (LUCAS) wird ein maschinelles Lernverfahren trainiert. In diesem Kontext werden verschiedene Vorverarbeitungsschritte der LUCAS-Daten und deren Einfluss auf die Klassifikationsgenauigkeit beleuchtet. Das Klassifikationsverfahren ist in der Lage Landbedeckungsinformationen auch in komplexen urbanen Gebieten mit hoher Genauigkeit abzuleiten. Ein Ergebnis des Studienteils ist eine deutschlandweite Landbedeckungsklassifikation mit einer Gesamtgenauigkeit von 93,07 %, welche im weiteren Verlauf der Arbeit genutzt wird, um grüne Landbedeckung (GLC) räumlich zu quantifizieren.
Im zweiten konzeptionellen Teil der Arbeit steht die differenzierte Betrachtung von Grünflächen anhand des Beispiels öffentlicher Grünflächen (PGS), die häufig Gegenstand der UG-Forschung ist, im Vordergrund. Doch eine häufig verwendete Quelle für räumliche Daten zu öffentlichen Grünflächen, der European Urban Atlas (EUA), wird bisher nicht flächendeckend für Deutschland erhoben. Dieser Studienteil verfolgt einen datengetriebenen Ansatz, die Verfügbarkeit von öffentlichem Grün auf der räumlichen Ebene von Nachbarschaften für ganz Deutschland zu ermitteln. Hierfür dienen bereits vom EUA erfasste Gebiete als Referenz. Mithilfe einer Kombination von Erdbeobachtungsdaten und Informationen aus dem OpenStreetMap-Projekt wird ein Deep Learning -basiertes Fusionsnetzwerk erstellt, welche die verfügbare Fläche von öffentlichem Grün quantifiziert. Das Ergebnis dieses Schrittes ist ein Modell, welches genutzt wird, um die Menge öffentlicher Grünflächen in der Nachbarschaft zu schätzen (𝑅 2 = 0.952).
Der dritte Studienteil greift die Ergebnisse der ersten beiden Studienteile auf und betrachtet die Verteilung von Grünflächen in Deutschland unter Hinzunahme von georeferenzierten Bevölkerungsdaten. Diese exemplarische Analyse unterscheidet dabei Grünflächen nach zwei Typen: GLC und PGS. Zunächst wird mithilfe deskriptiver Statistiken die generelle Grünflächenverteilung in der Bevölkerung Deutschlands beleuchtet. Daraufhin wird die Verteilungsgerechtigkeit anhand gängiger Gerechtigkeitsmetriken bestimmt. Abschließend werden die Zusammenhänge zwischen der demographischen Komposition der Nachbarschaft und der verfügbaren Menge von Grünflächen anhand dreier exemplarischer soziodemographischer Gesellschaftsgruppen untersucht. Die Analyse zeigt starke Unterschiede der Verfügbarkeit von PGS zwischen städtischen und ländlichen Gebieten. Ein höherer Prozentsatz der Stadtbevölkerung hat Zugriff das Mindestmaß von PGS gemessen an der Vorgabe der Weltgesundheitsorganisation. Die Ergebnisse zeigen auch einen deutlichen Unterschied bezüglich der Verteilungsgerechtigkeit zwischen GLC und PGS und verdeutlichen die Relevanz der Unterscheidung von Grünflächentypen für derartige
Untersuchungen. Die abschließende Betrachtung verschiedener Bevölkerungsgruppen arbeitet Unterschiede auf soziodemographischer Ebene auf.
In der Zusammenschau demonstriert diese Arbeit wie moderne Geodaten und Methoden des maschinellen Lernens genutzt werden können bisherige Limitierungen räumlicher Datensätze zu überwinden. Am Beispiel von Grünflächen in der Wohnumgebung der Bevölkerung Deutschlands wird gezeigt, dass landesweite Analysen zur Umweltgerechtigkeit durch hochaufgelöste und lokal feingliedrige geographische Informationen bereichert werden können. Diese Arbeit verdeutlicht, wie die Methoden der Erdbeobachtung und Geoinformatik einen wichtigen Beitrag leisten können, die Ungleichheit der Wohnumwelt der Menschen zu identifizieren und schlussendlich den nachhaltigen Siedlungsbau in Form von objektiven Informationen zu unterstützen und überwachen.
The July 2021 heavy rainfall episode in parts of Western Europe caused devastating floods, specifically in Germany. This study examines circulation types (CTs) linked to extreme precipitation in Germany. It was investigated if the classified CTs can highlight the anomaly in synoptic patterns that contributed to the unusual July 2021 heavy rainfall in Germany. The North Atlantic Oscillation was found to be the major climatic mode related to the seasonal and inter-annual variations of most of the classified CTs. On average, wet (dry) conditions in large parts of Germany can be linked to westerly (northerly) moisture fluxes. During spring and summer seasons, the mid-latitude cyclone when located over the North Sea disrupts onshore moisture transport from the North Atlantic Ocean by westerlies driven by the North Atlantic subtropical anticyclone. The CT found to have the highest probability of being associated with above-average rainfall in large part of Germany features (i) enhancement and northward track of the cyclonic system over the Mediterranean; (ii) northward track of the North Atlantic anticyclone, further displacing poleward, the mid-latitude cyclone over the North Sea, enabling band of westerly moisture fluxes to penetrate Germany; (iii) cyclonic system over the Baltic Sea coupled with northeast fluxes of moisture to Germany; (iv) and unstable atmospheric conditions over Germany. In 2021, a spike was detected in the amplitude and frequency of occurrence of the aforementioned wet CT suggesting that in addition to the nearly stationary cut-off low over central Europe, during the July flood episode, anomalies in the CT contributed to the heavy rainfall event.
A fuzzy classification scheme that results in physically interpretable meteorological patterns associated with rainfall generation is applied to classify homogeneous regions of boreal summer rainfall anomalies in Germany. Four leading homogeneous regions are classified, representing the western, southeastern, eastern, and northern/northwestern parts of Germany with some overlap in the central parts of Germany. Variations of the sea level pressure gradient across Europe, e.g., between the continental and maritime regions, is the major phenomenon that triggers the time development of the rainfall regions by modulating wind patterns and moisture advection. Two regional climate models (REMO and CCLM4) were used to investigate the capability of climate models to reproduce the observed summer rainfall regions. Both regional climate models (RCMs) were once driven by the ERA-Interim reanalysis and once by the MPI-ESM general circulation model (GCM). Overall, the RCMs exhibit good performance in terms of the regionalization of summer rainfall in Germany; though the goodness-of-match with the rainfall regions/patterns from observational data is low in some cases and the REMO model driven by MPI-ESM fails to reproduce the western homogeneous rainfall region. Under future climate change, virtually the same leading modes of summer rainfall occur, suggesting that the basic synoptic processes associated with the regional patterns remain the same over Germany. We have also assessed the added value of bias-correcting the MPI-ESM driven RCMs using a simple linear scaling approach. The bias correction does not significantly alter the identification of homogeneous rainfall regions and, hence, does not improve their goodness-of-match compared to the observed patterns, except for the one case where the original RCM output completely fails to reproduce the observed pattern. While the linear scaling method improves the basic statistics of precipitation, it does not improve the simulated meteorological patterns represented by the precipitation regimes.
Regional climate models (RCMs) are tools used to project future climate change at a regional scale. Despite their high horizontal resolution, RCMs are characterized by systematic biases relative to observations, which can result in unrealistic interpretations of future climate change signals. On the other hand, bias correction (BC) is a popular statistical post-processing technique applied to improve the usability of output from climate models. Like every other statistical technique, BC has its strengths and weaknesses. Hence, within the regional context of Germany, and for temperature and precipitation, this study is dedicated to the assessment of the impact of different BC techniques on the RCM output. The focuses are on the impact of BC on the RCM’s statistical characterization, and physical consistency defined as the spatiotemporal consistency between the bias-corrected variable and the simulated physical mechanisms governing the variable, as well as the correlations between the bias-corrected variable and other (simulated) climate variables. Five BC techniques were applied in adjusting the systematic biases in temperature and precipitation RCM outputs. The BC techniques are linear scaling, empirical quantile mapping, univariate quantile delta mapping, multivariate quantile delta mapping that considers inter-site dependencies, and multivariate quantile delta mapping that considers inter-variable dependencies (MBCn). The results show that each BC technique adds value in reducing the biases in the statistics of the RCM output, though the added value depends on several factors such as the temporal resolution of the data, choice of RCM, climate variable, region, and the metric used in evaluating the BC technique. Further, the raw RCMs reproduced portions of the observed modes of atmospheric circulation in Western Europe, and the observed temperature, and precipitation meteorological patterns in Germany. After the BC, generally, the spatiotemporal configurations of the simulated meteorological patterns as well as the governing large-scale mechanisms were reproduced.
However, at a more localized spatial scale for the individual meteorological patterns, the BC changed the simulated co-variability of some grids, especially for precipitation. Concerning the co-variability among the variables, a physically interpretable positive correlation was found between temperature and precipitation during boreal winter in both models and observations. For most grid boxes in the study domain and on average, the BC techniques that do not adjust inter-variable dependency did not notably change the simulated correlations between the climate variables. However, depending on the grid box, the (univariate) BC techniques tend to degrade the simulated temporal correlations between temperature and precipitation. Further, MBCn which adjusts biases in inter-variable dependency has the skill to improve the correlations between the simulated variables towards observations.
Central Europe experienced several droughts in the recent past, such as in the year 2018, which was characterized by extremely low rainfall rates and high temperatures, resulting in substantial agricultural yield losses. Time series of satellite earth observation data enable the characterization of past drought events over large temporal and spatial scales. Within this study, Moderate Resolution Spectroradiometer (MODIS) Enhanced Vegetation Index (EVI) (MOD13Q1) 250 m time series were investigated for the vegetation periods of 2000 to 2018. The spatial and temporal development of vegetation in 2018 was compared to other dry and hot years in Europe, like the drought year 2003. Temporal and spatial inter- and intra-annual patterns of EVI anomalies were analyzed for all of Germany and for its cropland, forest, and grassland areas individually. While vegetation development in spring 2018 was above average, the summer months of 2018 showed negative anomalies in a similar magnitude as in 2003, which was particularly apparent within grassland and cropland areas in Germany. In contrast, the year 2003 showed negative anomalies during the entire growing season. The spatial pattern of vegetation status in 2018 showed high regional variation, with north-eastern Germany mainly affected in June, north-western parts in July, and western Germany in August. The temporal pattern of satellite-derived EVI deviances within the study period 2000-2018 were in good agreement with crop yield statistics for Germany. The study shows that the EVI deviation of the summer months of 2018 were among the most extreme in the study period compared to other years. The spatial pattern and temporal development of vegetation condition between the drought years differ.
This study compares the performance of three bias correction (BC) techniques in adjusting simulated precipitation estimates over Germany. The BC techniques are the multivariate quantile delta mapping (MQDM) where the grids are used as variables to incorporate the spatial dependency structure of precipitation in the bias correction; empirical quantile mapping (EQM) and, the linear scaling (LS) approach. Several metrics that include first to fourth moments and extremes characterized by the frequency of heavy wet days and return periods during boreal summer were applied to score the performance of the BC techniques. Our results indicate a strong dependency of the relative performances of the BC techniques on the choice of the regional climate model (RCM), the region, the season, and the metrics of interest. Hence, each BC technique has relative strengths and weaknesses. The LS approach performs well in adjusting the first moment but tends to fall short for higher moments and extreme precipitation during boreal summer. Depending on the season, the region and the RCM considered, there is a trade-off between the relative performances of the EQM and the MQDM in adjusting the simulated precipitation biases. However, the MQDM performs well across all considered metrics. Overall, the MQDM outperforms the EQM in improving the higher moments and in capturing the observed return level of extreme summer precipitation, averaged over Germany.
Forests in Germany cover around 11.4 million hectares and, thus, a share of 32% of Germany's surface area. Therefore, forests shape the character of the country's cultural landscape. Germany's forests fulfil a variety of functions for nature and society, and also play an important role in the context of climate levelling. Climate change, manifested via rising temperatures and current weather extremes, has a negative impact on the health and development of forests. Within the last five years, severe storms, extreme drought, and heat waves, and the subsequent mass reproduction of bark beetles have all seriously affected Germany’s forests. Facing the current dramatic extent of forest damage and the emerging long-term consequences, the effort to preserve forests in Germany, along with their diversity and productivity, is an indispensable task for the government. Several German ministries have and plan to initiate measures supporting forest health. Quantitative data is one means for sound decision-making to ensure the monitoring of the forest and to improve the monitoring of forest damage. In addition to existing forest monitoring systems, such as the federal forest inventory, the national crown condition survey, and the national forest soil inventory, systematic surveys of forest condition and vulnerability at the national scale can be expanded with the help of a satellite-based earth observation. In this review, we analysed and categorized all research studies published in the last 20 years that focus on the remote sensing of forests in Germany. For this study, 166 citation indexed research publications have been thoroughly analysed with respect to publication frequency, location of studies undertaken, spatial and temporal scale, coverage of the studies, satellite sensors employed, thematic foci of the studies, and overall outcomes, allowing us to identify major research and geoinformation product gaps.
Park−People Relationships: The Socioeconomic Monitoring of National Parks in Bavaria, Germany
(2021)
Questions about park–people relationships and the understanding and handling of the conflicts that may result from the creation and management of national parks in the surrounding area are prerequisites for both successful park management and sustainable rural tourism development. This paper analyzes the roles that research may play in relation to park–people relationships in the context of the two oldest German national parks located in Bavaria. The different fields of action of national parks are used to identify the potential for conflict, using detailed case studies from the Bavarian Forest and Berchtesgaden National Parks using quantitative population surveys carried out in 2018. The overall attitude towards both national parks is overwhelmingly positive, with trust towards park administrations and the perceived economic benefits from rural tourism being the attitudes most strongly correlated to the overall level of park–people relationships. Nevertheless, some points of contention still exist, like the ecological integrity approach towards strict nature conservation and related landscape changes (e.g., deadwood cover). A comparison over time shows in both cases that the spatial proximity to the protected area negatively influences people’s attitudes towards the parks, but less so than in the past. Recommendations for national park management include communicating proactively and with greater transparency with locals and decision-makers, to identify conflicts earlier and, where possible, to eliminate them. Furthermore, developing a standardized method to monitor park–people relationships in Germany is a must and would benefit integrated approaches in research and management based on conservation social science.
Strategies in Times of Pandemic Crisis — Retailers and Regional Resilience in Würzburg, Germany
(2021)
Research on the COVID-19 crisis and its implications on regional resilience is still in its infancy. To understand resilience on its aggregate level it is important to identify (non)resilient actions of individual actors who comprise regions. As the retail sector among others represents an important factor in an urban regions recovery, we focus on the resilience of (textile) retailers within the city of Würzburg in Germany to the COVID-19 pandemic. To address the identified research gap, this paper applies the concept of resilience. Firstly, conducting expert interviews, the individual (textile) retailers’ level and their strategies in coping with the crisis is considered. Secondly, conducting a contextual analysis of the German city of Würzburg, we wish to contribute to the discussion of how the resilience of a region is influenced inter alia by actors. Our study finds three main strategies on the individual level, with retailers: (1) intending to “bounce back” to a pre-crisis state, (2) reorganising existing practices, as well as (3) closing stores and winding up business. As at the time of research, no conclusions regarding long-term impacts and resilience are possible, the results are limited. Nevertheless, detailed analysis of retailers’ strategies contributes to a better understanding of regional resilience.
Mit der vorliegenden Arbeit werden konventionelle thermische Kraftwerke an deutschen Flüssen identifiziert, bei denen aufgrund hoher Flusswassertemperaturen im Zusammenhang mit wasserrechtlichen Grenzwerten Leistungseinschränkungen auftraten. Weiterhin wird aufgezeigt, wie sich die Wassertemperaturen der Flüsse in der Vergangenheit (rezent) entwickelt haben und wie sie sich zukünftig im Kontext des Klimawandels entwickeln könnten.
Mittels Literaturrecherche, Medienanalyse und schriftlicher Befragung wurden konventionelle thermische Kraftwerke identifiziert, welche wassertemperaturbedingte Leistungseinschränkungen verzeichneten. Die meisten dieser Leistungseinschränkungen zwischen 1976 und 2007 zeigen sich bei großen Kraftwerken mit einer elektrischen Bruttoleistung über 300 Megawatt, bei Steinkohle- und Kernkraftwerken, bei Kraftwerken mit Durchlaufkühlung und bei solchen, die zwischen 1960 und 1990 in Betrieb gingen.
Trendanalysen interpolierter und homogenisierter, rezenter Wassertemperaturzeitreihen deutscher Flüsse ergeben positive Trends v. a. im Frühjahr und Sommer. Die Zählstatistik zeigt in den Jahren 1994, 2003 und 2006 die meisten Tage mit sehr hohen und extrem hohen Wassertemperaturen in den Sommermonaten. In diesen Jahren traten gleichzeitig 63 % aller identifizierter wassertemperaturbedingter Leistungseinschränkungen bei Kraftwerken, meist zwischen Juni und August, auf.
Für die Trendanalysen und den Mittelwertvergleich simulierter zukünftiger Wassertemperaturzeitreihen wurden drei Szenarien – B1, A1B und A2 sowie drei Zukunftsperioden 2011-2040, 2011/2041-2070, 2011/2071-2100 betrachtet. Es ergeben sich für die Zukunftsperiode 2011-2040 des A1B- oder A2-Szenarios in mindestens einem der Sommermonate eine Erwärmung und für das B1-Szenario negative oder keine Trends. Die mittleren Wassertemperaturen der Zukunftsperiode 2011-2040 zeigen in allen drei Szenarien gegenüber denen der Klimanormalperiode 1961-1990 positive Unterschiede in mindestens einem der Sommermonate. Für die beiden späteren Zukunftsperioden bis 2070 bzw. bis 2100 liegen in allen Wassertemperaturzeitreihen der drei Szenarien im Sommer positive Trends bzw. Differenzen gegenüber den mittleren Wassertemperaturen der Klimanormalperiode vor.
Durch die Synthese der drei Analysen ist erkennbar, dass Isar, Rhein, Neckar, Saar, Elbe und Weser die meisten Kraftwerksstandorte mit wassertemperaturbedingten Leistungseinschränkungen verzeichnen. Es zeigen sich hier positive Trends sowohl in den rezenten als auch zukünftigen Wassertemperaturen für die Zukunftsperiode 2011-2040 des A1B- und A2-Szenarios in jeweils mindestens einem der Sommermonate. Gegenüber den mittleren Wassertemperaturen der Klimanormalperiode liegen für alle drei Szenarien positive Unterschiede der Wassertemperaturen vor.
Bei einer Kraftwerkslaufzeit von 40-50 Jahren und einem Kernenergieausstieg 2022 bzw. 2034, werden 48-64 % bzw. 67-91 % der Kraftwerke mit wassertemperaturbedingten Leistungseinschränkungen bis 2022 bzw. 2034 außer Betrieb gehen. Bei einer Laufzeitverlängerung würden nach 2022 fünf der elf betroffenen Kernkraftwerke weiter am Netz bleiben. Somit kann es wieder zu wassertemperaturbedingten Leistungseinschränkungen kommen. In Deutschland sind nach wie vor große Kraftwerke an Flüssen geplant. Deren Kühlsysteme müssen entsprechend ausgewählt und konstruiert werden, um der zu erwartenden Erhöhung der Flusstemperaturen Rechnung zu tragen.
Von den drei aktuell in Deutschland zu unterscheidenden Großschutzgebietskategorien Nationalpark, Naturpark und Biosphärenreservat stellt der Nationalpark gewiss die höchsten Ansprüche an den Naturschutz. Im Idealfall sollen bis zu drei Viertel der betreffenden Flächen gänzlich aus der Nutzung genommen werden. Dieser Nutzungsverzicht hat im Vorfeld einer Gebietsausweisung aufgrund der damit verbundenen ökonomischen Einbußen oftmals Bedenken der lokalen Bevölkerung gegenüber diesem Flächenschutzinstrument zur Folge. Nationalparke können jedoch als Attraktionspunkte im Tourismus durchaus zu einer eigenständigen Entwicklung ländlich-peripherer Regionen beitragen. Die vorliegende Arbeit untersucht deshalb die Strukturen des Tourismus und dessen ökonomischen Stellenwert in den deutschen Nationalparkregionen. Auf Grundlage einer Typisierung der bestehenden vierzehn Gebiete wurden zunächst fünf Untersuchungsregionen ausgewählt (Bayerischer Wald, Eifel, Hainich, Kellerwald-Edersee sowie Niedersächsisches Wattenmeer), für die mittels des nachfrageseitigen Vorgehens einer Wertschöpfungsanalyse die regionalwirtschaftlichen Effekte des Tourismus bestimmt wurden. Darauf aufbauend ist schließlich eine Hochrechnung für den gesamtdeutschen Nationalparktourismus durchgeführt worden. Insgesamt halten sich jährlich demnach etwas mehr als 50 Mio. Besucher in den deutschen Nationalparken auf, die einen touristischen Bruttoumsatz von 2,1 Mrd. € generieren. Daraus resultieren Einkommen in Höhe von ungefähr 1,1 Mrd. €, woraus sich ein Einkommensäquivalent von etwas mehr als 69.000 Personen ableitet. Für die vor allem aus regionalpolitischer Sicht relevante Besuchergruppe mit hoher Nationalparkaffinität (= National-parktouristen im engeren Sinn) reduzieren sich diese Werte auf rund 11 Mio. Besucher und 431 Mio. € Bruttoumsatz, was ca. 212 Mio. € Einkommen und ein Einkommensäquivalent von rund 14.000 Personen bewirkt. Diese Resultate auf Ebene der einzelnen Untersuchungsgebiete stellen dabei lediglich den gegenwärtigen Status-quo dar, können aber als Grundlage für ein dauerhaftes Monitoring dienen. Dazu ist allerdings von Managementseite der Wille für eine kontinuierliche Bewertung nicht nur der ökologischen, sondern auch der sozioökonomischen Entwicklung erforderlich. Der aktuelle Forschungsstand zeigt in dieser Hinsicht noch ein enormes Potenzial. Um eine möglichst kostengünstige Variante des eingesetzten Verfahrens zur Erfassung der Besucherstrukturen und des Ausgabeverhaltens der Touristen zu konzipieren, werden Vorschläge für eine mögliche Reduzierung des empirischen Aufwands ausgearbeitet. Denn angesichts der bestehenden Budgets deutscher Nationalparkverwaltungen muss es Ziel sein, das bisher wissenschaftlich ausgerichtete Instrumentarium der empirischen Erhebungen zu einem praxisnahen und leicht anwendbaren Vorgehen weiter zu entwickeln und damit für einen Monitoringeinsatz für die Verantwortlichen vor Ort zu optimieren. Nur dadurch könn-ten auf objektiver Basis die Entwicklungen im Nationalparktourismus und folglich der Stellenwert der Schutzgebiete als Stimuli der regionalen Entwicklung mittel- bis langfristig beurteilt werden.
In den Themenbereichen Klimawandel, Klimaschutz und Erneuerbare Energien wurden in den letzten Jahren zunehmend neue Bewertungsmethoden in der geowissenschaftlichen und umweltwissenschaftlichen Forschung eingesetzt. Mit Blick auf die Biogasnutzung kann festgestellt werden, dass diese aus Umwelt- und Klimaschutzgründen sehr wichtig ist, da die Vergärung von Biomasse mit der nachfolgenden indirekten Erzeugung von Strom und Wärme über Blockheizkraftwerke, bzw. der direkten Nutzung des Biogases als Feuerungsgas bzw. als Treibstoff , einen besonderen Beitrag zum Klimaschutz leistet. In Deutschland ist die Biogasnutzung heute einer der wichtigsten Erneuerbaren Energieträger geworden. In China hat die Biogasnutzung zudem ein riesiges Entwicklungspotenzial. Der Autor versucht, im interdisziplinären Themenkreis „Umwelt- und Klimaschutz“ ein Bewertungsmodell für die Biogasnutzung zu entwickeln, um die tatsächlichen und potentiellen umwelt- und klimaschutzrelevanten Auswirkungen der Biogasnutzung zu bewerten. Um das Bewertungsmodell für die Biogasnutzung nach Umwelt- und Klimaschutzaspekten möglichst umfassend zu entwickeln, ist die Verzahnung der interdisziplinären umweltwissenschaftlichen, geowissenschaftlichen, rechtlichen, sowie lokal-, national- und internationalen politischen sowie technischen Faktoren mit ihren umweltbezogenen und klimabezogenen Auswirkungen von höchster Bedeutung. Das in der vorliegenden Arbeit entwickelte Bewertungsmodell erhebt den Anspruch, für den praktischen Einsatz vor Ort tauglich zu sein. Hierzu wurden umwelt- und klimaschutzrechtliche, sowie nationale und internationale politische Anforderungen zur Kategorisierung und Bewertung herangezogen und damit die Durchführbarkeit gewährleistet. Der Lösungsweg zur Bewertung nach Umwelt- und Klimaschutzaspekten führt zum Einen über die Umwelt- und Klimaschutzbilanzierung und zum Anderen über eine Umweltrisikobewertung sowie eine umweltbezogene Standortbewertung. Anhand der praktischen Arbeit und der Analyse von insgesamt 23 Biogasprojekten aus Deutschland und China, konnten bestimmte Charakteristika der Biogasnutzung ermittelt werden. Für die Ermittlung der Bewertungskriterien des Bewertungsmodells wurden insgesamt 3 Themenbereiche (Teil I: Substratversorgung; Teil II: Biogasanlagenbau; Teil III: Biogasverwertung) der Biogasnutzung unterschieden. Jene wurden hinsichtlich der technischen, rechtlichen und politischen Kriterien nach negativen Umwelt- und Klimaschutzauswirkungen über die verschiedenen Belastungspfade der Umweltmedien (Boden, Wasser und Luft) untersucht. Ziel dieser Studie war es auch, durch die Anwendung des Bewertungsmodells auf je drei deutsche und chinesische Fallbeispiele, die ausgereiften deutschen Erfahrungen, die deutsche Technologie und das Know-How der Biogasnutzung auf deren Übertragbarkeit auf die chinesischen Verhältnisse zu prüfen.