Institut für Geographie und Geologie
Refine
Has Fulltext
- yes (93)
Year of publication
Document Type
- Doctoral Thesis (44)
- Book (34)
- Book article / Book chapter (6)
- Master Thesis (5)
- Journal article (3)
- Report (1)
Language
- German (93) (remove)
Keywords
- Einzelhandel (28)
- Deutschland (13)
- Nachhaltigkeit (8)
- Fernerkundung (7)
- Innenstadt (7)
- Regionalentwicklung (6)
- Tourismus (6)
- Einkaufszentrum (5)
- Modellierung (5)
- Verbraucherverhalten (5)
Institute
Schriftenreihe
Sonstige beteiligte Institutionen
- ALPARC - Das Netzwerk Alpiner Schutzgebiete (1)
- Deutsches Klimaservice Zentrum (GERICS) (1)
- Deutsches Zentrum für Luft- und Raumfahrt (DLR), Deutsches Fernerkundungsdatenzengrum (DFD) (1)
- Deutsches Zentrum für Luft- und Raumfahrt e.V. (1)
- Eurac research (1)
- Geographisches Institut (Humboldt Universität zu Berlin) (1)
- Geographisches Institut (Universität zu Köln) (1)
- Geographisches Institut, Johannes Gutenberg-Universität Mainz (1)
- Hochschule für angewandte Wissenschaften München, Fakultät für Tourismus (1)
- Institut für Humangeographie, Goethe-Universität Frankfurt am Main (1)
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.
Hochaufgelöste Erfassung zukünftiger Klimarisiken für Land- und Forstwirtschaft in Unterfranken
(2024)
Das Klima und seine Veränderungen wirken sich direkt auf die Land- und Forstwirtschaft aus. Daher ist die Untersuchung der zukünftigen Klimarisiken für diese Sektoren von hoher Relevanz. Dies ist auch und vor allem für den schon heute weiträumig trockheitsgeprägten und vom Klimawandel besonders betroffenen nordwestbayerischen Regierungsbezirk Unterfranken der Fall, dessen Gebiet zu über 80 % land- oder forstwirtschaftlich genutzt wird. Zur Untersuchung der Zukunft in hoher räumlicher Auflösung werden Projektionen von regionalen Klimamodellen genutzt. Da diese jedoch Defizite in der Repräsentation des beobachteten Klimas der Vergangenheit aufweisen, sollte vor der weiteren Verwendung eine Anpassung der Daten erfolgen. Dies geschieht in der vorliegenden Arbeit am Beispiel des regionalen Klimamodells REMO im Bezug auf klimatische Kennwerte für Trockenheit, Starkniederschlag, Hitze sowie (Spät-)Frost, die alle eine hohe land- und forstwirtschaftliche Bedeutung besitzen. Die Datenanpassung erfolgt durch zwei verschiedene Ansätze. Zum Einen wird eine Biaskorrektur der aus Globalmodell-angetriebenen REMO-Daten berechneten Indizes durch additive und multiplikative Linearskalierung sowie empirische und parametrische Verteilungsanpassung durchgeführt. Zum Anderen wird ein exploratives Verfahren auf Basis von Model Output Statistics angewandt: Lokale und großräumige atmosphärische Variablen von REMO mit Reanalyseantrieb, die eine zeitliche Korrespondenz zu den Beobachtungen aufweisen, dienen als Prädiktoren für die Aufstellung von Transferfunktionen zur Simulation der Indizes. Diese Transferfunktionen werden sowohl mithilfe Multipler Linearer Regression als auch mit verschiedenen Generalisierten Linearen Modellen konstruiert. Sie werden anschließend genutzt, um Analysen auf Basis von biaskorrigierten Globalmodell-angetriebenen REMO-Prädiktoren durchzuführen. Sowohl für die Biaskorrektur als auch die Model Output Statistics wird eine Kreuzvalidierung durchgeführt, um die Ergebnisse unabhängig vom jeweiligen Trainingszeitraum zu untersuchen und die jeweils besten Varianten zu finden. Werden beide Verfahren mit ihren Unterkategorien für den gesamten historischen Modellzeitraum verglichen, so weist für alle Monat-Kennwert-Kombinationen eine der beiden Verteilungskorrekturen die besten Ergebnisse auf. Die Zukunftsprojektionen unter Verwendung der jeweils erfolgreichsten Methode zeigen im regionalen Durchschnitt für das 21. Jahrhundert negative Trends der (Spät-)Frost- und Eis- sowie positive Trends der Hitzetagehäufigkeit. Winterliche Starkregenereignisse nehmen hinsichtlich ihrer Anzahl zu, im Sommer verstärkt sich die Trockenheit. Die Hinzunahme zwei weiterer regionaler Klimamodelle bestätigt die allgemeinen Zukunftstrends, jedoch ergeben sich beim Spätfrost Widersprüche, wenn dieser hinsichtlich der thermisch abgegrenzten Vegetationsperiode definiert wird.
Zusätzlich werden die Model Output Statistics auf gleiche Weise mit bodennahen Prädiktoren zur Simulation von Erträgen aus Acker- und Weinbau wiederholt. Die Güte kann aufgrund mangelnder Beobachtungsdatenlänge nur anhand der Reanalyse-angetriebenen REMO-Daten abgeschätzt werden, ist hierbei jedoch deutlich besser als im Bezug auf die Kennwertsimulation. Die Zukunftsprojektionen von REMO sowie drei weiterer Regionalmodelle zeigen im Mittel über alle Landkreise Unterfrankens steigende Winter- sowie sinkende Sommerfeldfruchterträge. Hinsichtlich der Frankenweinerträge widersprechen sich die Ergebnisse der drei Klassen Weiß-, Rot- und Gesamtwein insofern, als dass REMO und ein weiteres Modell negative Weiß- und Rotweinertragstrends, jedoch positive Gesamtweinertragstrends simulieren. Die zwei anderen verwendeten Modelle führen durch positive Trendvorzeichen für den Weißwein zu insgesamt kohärenten Ergebnissen.
Die Resultate im Bezug auf die land- und forstwirtschaftlich relevanten klimatischen Kennwerte bedeuten, dass Anpassungsmaßnahmen gegenüber Hitze sowie im Speziellen gegenüber Trockenheit in Zukunft im ohnehin trockenheitsgeprägten Unterfranken an Bedeutung gewinnen werden. Auch die unsicheren Projektionen im Bezug auf die Spätfrostgefahr müssen im Blick behalten werden. Die Trends der Feldfruchterträge deuten in die gleiche Richtung, da Sommergetreide eine höhere Trockenheitsanfälligkeit besitzen. Die unklaren Ergebnisse der Weinerträge hingegen lassen keine eindeutigen Schlüsse zu. Der starke anthropogene Einfluss auf die Erntemengen sowie die großen Unterschiede der Rebsorten hinsichtlich der klimatischen Eignung könnten ein Grund hierfür sein.
Die einzigartigen Natur- und Kulturlandschaften von Schutzgebieten sind weltweit bedeutende Destinationen für Tages- und Übernachtungsgäste. Die Ausgaben von Besuchern erzeugen ökonomische Effekte und sichern so regionale Wertschöpfung und Beschäftigung. Zur Analyse dieser regionalökonomischen Effekte des Tourismus in Schutzgebieten stehen heute verschiedene Methoden zur Verfügung. International ist die Input-Output-Analyse das etablierte Standardverfahren in mehreren Monitoringsystemen. Die Schutzgebietsforschung in Deutschland hat sich hingegen auf die Wertschöpfungsanalyse spezialisiert und geht dabei von generellen Annahmen der touristischen Multiplikatorwirkung aus. Vor dem Hintergrund einer Adaption an internationale Standards wird erstmals eine Input-Output-Analyse der regionalökonomischen Effekte des Tourismus in deutschen Schutzgebieten durchgeführt. Berechnungen auf Grundlage eines Input-Output-Modells liefern für das Fallbeispiel Biosphärengebiet Schwarzwald regionale und branchenspezifsche Multiplikatoren. Die Ergebnisse werden zum einen mit einer Input-Output-Analyse des Nationalparks Schwarzwald und zum anderen mit einer klassischen Wertschöpfungsanalyse verglichen. Darüber hinaus ermöglicht die Anwendung eines multiregionalen Ansatzes die Analyse der touristischen Multiplikatorwirkung in der gesamten Naturparkregion Schwarzwald Mitte/Nord und Südschwarzwald.
Die städtische Umwelt ist in steter Veränderung, vor allem durch den Bau, aber auch durch die Zerstörung von städtischen Elementen. Die formelle Entwicklung ist ein Prozess mit langen Planungszeiträumen und die bebaute Landschaft wirkt daher statisch. Dagegen unterliegen informelle oder spontane Siedlungen aufgrund ihrer stets unvollendeten städtischen Form einer hohen Dynamik – so wird in der Literatur berichtet. Allerdings sind Dynamik und die morphologischen Merkmale der physischen Transformation in solchen Siedlungen, die städtische Armut morphologisch repräsentieren, auf globaler Ebene bisher kaum mit einer konsistenten Datengrundlage empirisch untersucht worden. Hier setzt die vorliegende Arbeit an. Unter der Annahme, dass die erforschte zeitliche Dynamik in Europa geringer ausfällt, stellt sich die generelle Frage nach einer katalogisierten Erfassung physischer Wohnformen von Armut speziell in Europa. Denn Wohnformen der Armut werden oft ausschließlich mit dem ‚Globalen Süden‘ assoziiert, insbesondere durch die Darstellung von Slums. Tatsächlich ist Europa sogar die Wiege der Begriffe ‚Slum‘ und ‚Ghetto‘, die vor Jahrhunderten zur Beschreibung von Missständen und Unterdrückung auftauchten. Bis heute weist dieser facettenreiche Kontinent eine enorme Vielfalt an physischen Wohnformen der Armut auf, die ihre Wurzeln in unterschiedlichen Politiken, Kulturen, Geschichten und Lebensstilen haben. Um über diese genannten Aspekte Aufschluss zu erlangen, bedarf es u.a. der Bildanalyse durch Satellitenbilder. Diese Arbeit wird daher mittels Fernerkundung bzw. Erdbeobachtung (EO) sowie zusätzlicher Literaturrecherchen und einer empirischen Erhebung erstellt. Um Unsicherheiten konzeptionell und in der Erfassung offenzulegen, ist die Methode der manuellen Bildinterpretation von Armutsgebieten kritisch zu hinterfragen.
Das übergeordnete Ziel dieser Arbeit ist eine bessere Wissensbasis über Armut zu schaffen, um Maßnahmen zur Reduzierung von Armut entwickeln zu können. Die Arbeit dient dabei als eine Antwort auf die Nachhaltigkeitsziele der Vereinten Nationen. Es wird Grundlagenforschung betrieben, indem Wissenslücken in der Erdbeobachtung zu physisch-baulichen bzw. morphologischen Erscheinungen von Armut auf Gebäude-Ebene explorativ analysiert werden. Die Arbeit wird in drei Forschungsthemen bzw. Studienteile untergliedert:
Ziel des ersten Studienteils ist die globale raumzeitliche Erfassung von Dynamiken durch Anknüpfung an bisherige Kategorisierungen von Armutsgebieten. Die bisherige Wissenslücke soll gefüllt werden, indem über einen Zeitraum von etwa sieben Jahren in 16 dokumentierten Manifestationen städtischer Armut anhand von Erdbeobachtungsdaten eine zeitliche Analyse der bebauten Umwelt durchgeführt wird. Neben einer global verteilten Gebietsauswahl wird die visuelle Bildinterpretation (MVII) unter Verwendung von hochauflösenden optischen Satellitendaten genutzt. Dies geschieht in Kombination mit in-situ- und Google Street View-Bildern zur Ableitung von 3D-Stadtmodellen. Es werden physische Raumstrukturen anhand von sechs räumlichen morphologischen Variablen gemessen: Anzahl, Größe, Höhe, Ausrichtung und Dichte der Gebäude sowie Heterogenität der Bebauung. Diese ‚temporale Analyse‘ zeigt zunächst sowohl inter- als auch intra-urbane Unterschiede. Es lassen sich unterschiedliche, aber generell hohe morphologische Dynamiken zwischen den Untersuchungsgebieten finden. Dies drückt sich in vielfältiger Weise aus: von abgerissenen und rekonstruierten Gebieten bis hin zu solchen, wo Veränderungen innerhalb der gegebenen Strukturen auftreten. Geographisch gesehen resultiert in der Stichprobe eine fortgeschrittene Dynamik, insbesondere in Gebieten des Globalen Südens. Gleichzeitig lässt sich eine hohe räumliche Variabilität der morphologischen Transformationen innerhalb der untersuchten Gebiete beobachten. Trotz dieser teilweise hohen morphologischen Dynamik sind die räumlichen Muster von Gebäudefluchten, Straßen und Freiflächen überwiegend konstant. Diese ersten Ergebnisse deuten auf einen geringen Wandel in Europa hin, weshalb diese europäischen Armutsgebiete im folgenden Studienteil von Grund auf erhoben und kategorisiert werden.
Ziel des zweiten Studienteils ist die Erschaffung einer neuen Kategorisierung, speziell für das in der Wissenschaft unterrepräsentierte Europa. Die verschiedenen Formen nicht indizierter Wohnungsmorphologien werden erforscht und kategorisiert, um das bisherige globale wissenschaftliche ontologische Portfolio für Europa zu erweitern. Hinsichtlich dieses zweiten Studienteils bietet eine Literaturrecherche mit mehr als 1.000 gesichteten Artikeln die weitere Grundlage für den folgenden Fokus auf Europa. Auf der Recherche basierend werden mittels der manuellen visuellen Bildinterpretation (engl.: MVII) erneut Satellitendaten zur Erfassung der physischen Morphologien von Wohnformen genutzt. Weiterhin kommen selbst definierte geographische Indikatoren zu Lage, Struktur und formellem Status zum Einsatz. Darüber hinaus werden gesellschaftliche Hintergründe, die durch Begriffe wie ‚Ghetto‘, ‚Wohnwagenpark‘, ‚ethnische Enklave‘ oder ‚Flüchtlingslager‘ beschrieben werden, recherchiert und implementiert. Sie sollen als Erklärungsansatz für Armutsviertel in Europa dienen. Die Stichprobe der europäischen, insgesamt aber unbekannten Grundgesamtheit verdeutlicht eine große Vielfalt an physischen Formen: Es wird für Europa eine neue Kategorisierung von sechs Hauptklassen entwickelt, die von ‚einfachsten Wohnstätten‘ (z. B. Zelten) über ‚behelfsmäßige Unterkünfte ‘ (z. B. Baracken, Container) bis hin zu ‚mehrstöckigen Bauten‘ - als allgemeine Taxonomie der Wohnungsnot in Europa - reicht. Die Untersuchung zeigt verschiedene Wohnformen wie z. B. unterirdische oder mobile Typen, verfallene Wohnungen oder große Wohnsiedlungen, die die Armut im Europa des 21. Jahrhunderts widerspiegeln. Über die Wohnungsmorphologie hinaus werden diese Klassen durch die Struktur und ihren rechtlichen Status beschrieben - entweder als geplante oder als organisch-gewachsene bzw. weiterhin als formelle, informelle oder hybride (halblegale) Formen. Geographisch lassen sich diese ärmlichen Wohnformen sowohl in städtischen als auch in ländlichen Gebieten finden, mit einer Konzentration in Südeuropa. Der Hintergrund bei der Mehrheit der Morphologien betrifft Flüchtlinge, ethnische Minderheiten und sozioökonomisch benachteiligte Menschen - die ‚Unterprivilegierten‘.
Ziel des dritten Studienteils ist eine kritische Analyse der Methode. Zur Erfassung all dieser Siedlungen werden heutzutage Satellitenbilder aufgrund der Fortschritte bei den Bildklassifizierungsmethoden meist automatisch ausgewertet. Dennoch spielt die MVII noch immer eine wichtige Rolle, z.B. um Trainingsdaten für Machine-Learning-Algorithmen zu generieren oder für Validierungszwecke. In bestimmten städtischen Umgebungen jedoch, z.B. solchen mit höchster Dichte und struktureller Komplexität, fordern spektrale und textur-basierte Verflechtungen von überlappenden Dachstrukturen den menschlichen Interpreten immer noch heraus, wenn es darum geht einzelne Gebäudestrukturen zu erfassen. Die kognitive Wahrnehmung und die Erfahrung aus der realen Welt sind nach wie vor unumgänglich. Vor diesem Hintergrund zielt die Arbeit methodisch darauf ab, Unsicherheiten speziell bei der Kartierung zu quantifizieren und zu interpretieren. Kartiert werden Dachflächen als ‚Fußabdrücke‘ solcher Gebiete. Der Fokus liegt dabei auf der Übereinstimmung zwischen mehreren Bildinterpreten und welche Aspekte der Wahrnehmung und Elemente der Bildinterpretation die Kartierung beeinflussen. Um letztlich die Methode der MVII als drittes Ziel selbstkritisch zu reflektieren, werden Experimente als sogenannte ‚Unsicherheitsanalyse‘ geschaffen. Dabei digitalisieren zehn Testpersonen bzw. Probanden/Interpreten sechs komplexe Gebiete. Hierdurch werden quantitative Informationen über räumliche Variablen von Gebäuden erzielt, um systematisch die Konsistenz und Kongruenz der Ergebnisse zu überprüfen. Ein zusätzlicher Fragebogen liefert subjektive qualitative Informationen über weitere Schwierigkeiten. Da die Grundlage der hierfür bisher genutzten Kategorisierungen auf der subjektiven Bildinterpretation durch den Menschen beruht, müssen etwaige Unsicherheiten und damit Fehleranfälligkeiten offengelegt werden. Die Experimente zu dieser Unsicherheitsanalyse erfolgen quantifiziert und qualifiziert. Es lassen sich generell große Unterschiede zwischen den Kartierungsergebnissen der Probanden, aber eine hohe Konsistenz der Ergebnisse bei ein und demselben Probanden feststellen. Steigende Abweichungen korrelieren mit einer steigenden baustrukturellen (morphologischen) Komplexität. Ein hoher Grad an Individualität bei den Probanden äußert sich in Aspekten wie z.B. Zeitaufwand beim Kartieren, in-situ Vorkenntnissen oder Vorkenntnissen beim Umgang mit Geographischen Informationssystemen (GIS). Nennenswert ist hierbei, dass die jeweilige Datenquelle das Kartierungsverfahren meist beeinflusst. Mit dieser Studie soll also auch an der Stelle der angewandten Methodik eine weitere Wissenslücke gefüllt werden. Die bisherige Forschung komplexer urbaner Areale unter Nutzung der manuellen Bildinterpretation implementiert oftmals keine Unsicherheitsanalyse oder Quantifizierung von Kartierungsfehlern. Fernerkundungsstudien sollten künftig zur Validierung nicht nur zweifelsfrei auf MVII zurückgreifen können, sondern vielmehr sind Daten und Methoden notwendig, um Unsicherheiten auszuschließen.
Zusammenfassend trägt diese Arbeit zur bisher wenig erforschten morphologischen Dynamik von Armutsgebieten bei. Es werden inter- wie auch intra-urbane Unterschiede auf globaler Ebene präsentiert. Dabei sind allgemein hohe morphologische Transformationen zwischen den selektierten Gebieten festzustellen. Die Ergebnisse deuten auf einen grundlegenden Kenntnismangel in Europa hin, weshalb an dieser Stelle angeknüpft wird. Eine über Europa verteilte Stichprobe erlaubt eine neue morphologische Kategorisierung der großen Vielfalt an gefundenen physischen Formen. Die Menge an Gebieten erschließt sich in einer unbekannten Grundgesamtheit. Zur Datenaufbereitung bisheriger Analysen müssen Satellitenbilder manuell interpretiert werden. Das Verfahren birgt Unsicherheiten. Als kritische Selbstreflexion zeigt eine Reihe von Experimenten signifikante Unterschiede zwischen den Ergebnissen der Probanden auf, verdeutlicht jedoch bei ein und derselben Person Beständigkeit.
Die Bodenfeuchte stellt eine essenzielle Variable für den Energie-, Feuchte- und Stoffaustausch zwischen Landoberfläche und Atmosphäre dar. Ihre Auswirkungen auf Temperatur und Niederschlag sind vielfältig und komplex. Die in Klimamodellen verwendeten Schemata zur Simulation der Bodenfeuchte, auch bodenhydrologische Schemata genannt, sind aufgrund des Ursprungs der Klimamodelle aus Wettermodellen jedoch häufig sehr stark vereinfacht dargestellt.
Bei Klimamodellen, die Simulationen mit einer groben Auflösung von mehreren Zehner- oder Hunderterkilometern rechnen, können viele Prozesse vernachlässigt werden. Da die Auflösung der Klimamodelle jedoch stetig steigt und mittlerweile beim koordinierten Projekt regionaler Klimamodelle CORDEX-CORE standardmäßig bei 0.22° Kantenlänge liegt, müssen auch höher aufgelöste Daten und mehr Prozesse simuliert werden. Dies gilt erst recht mit Blick auf konvektionsauflösende Simulationen mit wenigen Kilometern Kantenlänge. Mit steigenden Modellauflösungen steigt zugleich die Komplexität und Differenziertheit der Fragestellungen, die mit Hilfe von Klimamodellen beantwortet werden sollen. An diesem Punkt setzt auch das Projekt BigData@Geo an, in dessen Rahmen die vorliegende Arbeit entstand. Ziel dieses Projektes ist es, hochaufgelöste Klimainformationen für den bayerischen Regierungsbezirk Unterfranken für Akteure aus der Land- und Forstwirtschaft sowie dem Weinbau zur Verfügung zu stellen.
Auf diesen angewandten und grundlegenden Anforderungen und Zielsetzungen basierend, bedarf auch das in dieser Arbeit verwendete regionale Klimamodell REMO (Version 2015) der weiteren Entwicklung. So ist das Hauptziel der Arbeit das bestehende einschichtige bodenhydrologische Schema durch ein mehrschichtiges zu ersetzen. Der Vorteil mehrerer simulierter Bodenschichten besteht darin, dass nun die vertikale Bewegung des Wassers in Form von Versickerung und kapillarem Aufstieg simuliert werden kann. Dies geschieht auf der Basis bodenhydrologischer Parameter, deren Wert in Abhängigkeit vom Boden und der Bodenfeuchte über die Wasserrückhaltekurve bestimmt wird. Für diese Kurve existieren verschiedene Parametrisierungen, von denen die Ansätze von Clapp-Hornberger und van Genuchten verwendet wurden. Außerdem kann die Bodenfeuchte nun bis zu einer Tiefe von circa 10 m beziehungsweise der Tiefe des anstehenden Gesteins simuliert werden. Damit besteht im Gegensatz zum vorherigen Schema, dessen Tiefe auf die Wurzeltiefe beschränkt ist, die Möglichkeit, dass Wasser auch unterhalb der Wurzeln zur Verfügung stehen kann und somit die absolute im Boden verfügbare Wassermenge zunimmt. Die Schichtung erlaubt darüber hinaus die Verdunstung aus unbewachsenem Boden lediglich auf Basis des in der obersten Schicht verfügbaren Wassers. Ein weiterer Prozess, der dank der Schichtung und der weiter unten erläuterten Datensätze neu parametrisiert werden kann, ist die Infiltration.
Für die Verwendung des Schemas sind Informationen über bodenhydrologische Parameter, die Wurzeltiefe und die Tiefe bis zum anstehenden Gestein erforderlich. Entsprechende Datensätze müssen hierfür aufbereitet und in das Modell eingebaut werden. Bezüglich der Wurzeltiefe wurden drei sich bezüglich der Tiefe, der Definition und der verfügbaren Auflösung stark voneinander unterscheidende Datensätze verglichen. Letztendlich wird die Wurzeltiefe aus dem mit einer anderen REMO-Version gekoppelten Vegetationsmodul iMOVE verwendet, da zukünftig eine Kopplung dieses Moduls mit dem mehrschichtigen Boden geplant ist und die Wurzeltiefen damit konsistent sind. Zudem ist die zugrundeliegende Auflösung der Daten hoch und es werden maximale Wurzeltiefen berücksichtigt, die besonders wichtig für die Simulation von Landoberfläche-Atmosphäre-Interaktionen sind. Diese Vorteile brachten die anderen Datensätze nicht mit. In der finalen Modellversion werden für die Tiefe bis zum anstehenden Gestein und die Korngrößenverteilungen die Daten von SoilGrids verwendet. Ein Vergleich mit anderen Bodendatensätzen fand in einer parallel laufenden Dissertation statt (Ziegler 2022). Bei SoilGrids ist hervorzuheben, dass die Korngrößenverteilungen in einer hohen räumlichen Auflösung (1 km^2 oder höher) und mit mehreren vertikalen Schichten vorliegen. Gegenüber dem ursprünglich in REMO verwendeten Datensatz mit einer Kantenlänge von 0.5° und ohne vertikale Differenzierung ist dies eine starke Verbesserung der Eingangsdaten. Dazu kommt, dass die Korngrößenverteilungen die Verwendung kontinuierlicher Pedotransferfunktionen statt fünf diskreter Texturklassen, denen für die bodenhydrologischen Parameter fixe Tabellenwerte zugewiesen werden, ermöglichen. Dies führt zu einer deutlich besseren Differenzierung des heterogenen Bodens.
Im Rahmen der Arbeit wurden insgesamt 19 Simulationen für Europa und ein erweitertes Deutschlandgebiet mit Auflösungen von 0.44° beziehungsweise 0.11° für den Zeitraum 2000 bis 2018 gerechnet. Dabei zeigte sich, dass die Einführung des mehrschichtigen Bodenschemas gegenüber dem einschichtigen Schema zu einer Verringerung der Bodenfeuchte in der Wurzeltiefe führt. Nichtsdestotrotz nimmt die absolute Wassermenge des Bodens durch die Berücksichtigung des Bodens unterhalb der Wurzelzone zu. Bezogen auf die einzelnen Schichten wird die Bodenfeuchte damit zwar unterschätzt, im Laufe der Modellentwicklung kann jedoch eine Verbesserung im Vergleich zu ERA5 erzielt werden. Das neue Schema führt zu einer Verringerung der Evapotranspiration, die über alle Schritte der Modellentwicklung und besonders während der Sommermonate auftritt. Im Vergleich zu Validationsdaten von ERA5 und GLEAM zeigt sich, dass dies eine Verbesserung dieser Größe bedeutet, die sowohl in der Fläche als auch beim Fehler und in der Verteilung auftritt.
Gleiches lässt sich für den Oberflächenabfluss sagen. Hierfür implementierte Schemata (Philip, Green-Ampt), die anders als das standardmäßig verwendete Improved-Arno-Schema bodenhydrologische Parameter berücksichtigen, konnten eine weitere Verbesserung im Flachland zeigen. In Gebirgsregionen nahm der Fehler durch die nicht enthaltene Berücksichtigung der Hangneigung jedoch zu, sodass in der finalen Modellversion auf das Improved-Arno-Schema zurückgegriffen wurde. Die Temperatur steigt durch die ursprüngliche Version des mehrschichtigen Schemas zunächst an, was zu einer Über- statt der vorherigen Unterschätzung gegenüber E-OBS führt. Die Modellentwicklung resultiert zwar in einer Reduzierung der Temperatur, jedoch fällt diese zu stark aus, sodass der Temperaturfehler letztendlich größer als in der einschichtigen Modellversion ist. Da die Evapotranspiration jedoch maßgeblich verbessert wurde, kann dieser Fehler eventuell auf ein übermäßiges Tuning der Temperatur zurückgeführt werden.
Die Betrachtung von Hitzeereignissen am Beispiel der Sommer 2003 und 2018 hat gezeigt, dass die Modellentwicklung dazu beiträgt, diese Ereignisse besser als das einschichtige Schema zu simulieren. Zwar trifft dies nicht auf das räumliche Verhalten der mittleren Temperatur zu, jedoch auf deren zeitlichen Verlauf. Hinzu kommt die bessere Simulation der täglichen Extrem- und besonders der Minimaltemperatur, was zu einer Erhöhung der täglichen Temperaturspanne führt. Diese wird von Klimamodellen in der Regel zu stark unterschätzt.
Durch die Berücksichtigung der vertikalen Wasserflüsse hat sich jedoch auch gezeigt, dass noch enormes Entwicklungspotenzial mit Blick auf (boden)hydrologische Prozesse besteht. Dies gilt in besonderem Maße für zukünftige Simulationen mit konvektionserlaubender Auflösung. So sollten subskalige Informationen des Bodens und der Orographie berücksichtigt werden. Dies dient einerseits der Repräsentation vorliegender Heterogenitäten und kann andererseits, wie am Beispiel der Infiltrationsschemata dargelegt, zur Verbesserung bestehender Prozesse beitragen. Da die simulierte Drainage durch das mehrschichtige Bodenschema im gleichen Maße zu- wie der Oberflächenabfluss abnimmt und das Wasser dem Modell in der Folge nicht weiter zur Verfügung steht, sollte zukünftig auch Grundwasser im Modell berücksichtigt werden. Eine Vielzahl von Studien konnte einen Mehrwert durch die Implementierung dieser Variable und damit verbundener Prozesse feststellen. Mittelfristig ist jedoch insgesamt die Kopplung an ein hydrologisches Modell zu empfehlen, um die bei hochauflösenden Simulationen relevanten Prozesse angemessen repräsentieren zu können. Hierfür bieten sich beispielsweise ParFlow oder mHM an.
Insgesamt ist festzuhalten, dass das mehrschichtige Bodenschema einen Mehrwert liefert, da schwer zu simulierende und in der Postprozessierung zu korrigierende Variablen wie die Evapotranspiration und der Oberflächenabfluss deutlich besser modelliert werden können als mit dem einschichtigen Schema. Dies gilt auch für die Extremtemperaturen. Beides ist klar auf die Schichtung des Bodens und damit einhergehender Prozesse zurückzuführen. Bezüglich der Daten zeigt sich, dass die Wurzeltiefe, die Berücksichtigung von SoilGrids und die vertikale Bodeninformation für die weitere Optimierung verantwortlich sind. Darüber hinaus ist der höhere Informationsgehalt, der anhand der geschichteten Bodenfeuchte zur Verfügung steht, ebenfalls als Mehrwert einzustufen.
Der Lebensmittelonlinehandel in Deutschland gewann, verstärkt durch die Covid-19-Pandemie, an Umsatzanteilen im Lebensmitteleinzelhandel. Hierdurch wurden neue Anforderungen an Arbeit und Beschäftigung in Deutschland geschaffen. Insbesondere in urbanen Räumen hat die Lebensmittelzustellung durch neu entstandene Betriebsformen zugenommen. So entstehen durch das Versprechen der Betriebe, Lebensmittel in kurzen Zeiträumen zu liefern, verschiedene Logistikstandorte und u.a. urbane Fahrradlieferdienste. Während Medien und Gewerkschaften bereits vor der Entstehung prekärer Arbeitsbedingungen warnen, sind die genauen Auswirkungen des Lebensmittelonlinehandels auf die Entwicklung neuer Arbeitsstandorte und die dort stattfindende Beschäftigung nur unzureichend bekannt. Diese Arbeit untersucht den Lebensmittelonlinehandel anhand seiner Betriebsformen, Standorte und Arbeitsprozesse sowie deren Auswirkungen auf Beschäftigte in Deutschland. Den konzeptionellen Hintergrund bilden Arbeiten der geographischen Handelsforschung sowie Debatten zu Arbeitsplatzqualität und Beschäftigung. Für die Analyse sind Primärdaten und Sekundärdaten erhoben worden. Es zeigt sich, dass teilweise komplexe Betriebsformen entstehen, bei denen sich die Arbeit und Arbeitsorte verändern. Zudem entstehen neue Herausforderungen für die Beschäftigten (u.a. physische und psychische Belastung), welche in dieser Arbeit identifiziert werden.
Durch die globale Organisation von Lebensmittelwarenketten steht Konsument*innen heute ein vielfältiges, ganzjährig nahezu gleichbleibendes Angebot an frischem Obst und Gemüse im Lebensmitteleinzelhandel zur Verfügung. Damit einher geht eine erhöhte Komplexität beim Lebensmitteleinkauf und ein verändertes Wissen von Konsument*innen, über die Waren: Das eigene Erfahren der Lebensmittelproduktion ist im Alltag heute nicht mehr möglich. Statt praktischem Wissen gewinnt damit explizites und objektiviertes Wissen über die Waren, z.B. in Form von Siegeln an Bedeutung. Viele Produkt- und Produktionseigenschaften entziehen sich zudem der Kenntnis der Konsument*innen, während gleichzeitig das Bewusstsein für Fragen sozialer und ökologischer Nachhaltigkeit steigt.
Die vorliegende Studie geht vor diesem Hintergrund am Beispiel des Einkaufs von frischem Obst und Gemüse der Frage nach, welche Bedeutung die Herkunftsangabe als Hinweis auf die Geographien der Waren für die Bewertung von frischem Obst und Gemüse hat und welches Wissen Konsument*innen über Waren und deren Biographien haben. Es wird zudem aufgezeigt, welche Rolle Nichtwissen beim Lebensmittelkonsum spielt.
Die Studie liefert Erkenntnisse für die bislang im deutschsprachigen Raum noch vergleichsweise wenig repräsentierte Konsumgeographie und macht Konzepte aus der Wissens- und Organisationssoziologie für die wirtschaftsgeographische Forschung fruchtbar. Aus einer Praxisperspektive bietet sie Anschlusspunkte für Fragen des nachhaltigen Konsums sowie des Verbraucherschutzes.
Globale Wertschöpfungsketten stellen nicht nur hochkomplexe Beziehungsgefüge dar, sondern unterliegen auch einem ständigen Wandlungsprozess. Ein zentraler Treiber dieser Wandlungsprozesse ist der technologische Fortschritt. Moderne Informations- und Kommunikationstechnologien, insbesondere die Phänomene der Digitalisierung und des Online-Handels, sind derzeit von besonderer Bedeutung für Wertschöpfungsketten, da unterschiedliche Fortschritte in der Digitalisierung nicht nur zu wirtschaftlichen Vor- und Nachteilen von Unternehmen führen können, sondern auch zu Up- bzw. Downgradingprozessen innerhalb der Wertschöpfungsketten.
In der vorliegenden Studie wird der Fokus auf den handels- bzw. konsumentennahen Teil von Wertschöpfungsketten gelegt, um die Folgen der Digitalisierung für Hersteller, Händler und Konsumenten näher zu betrachten. Als konkretes Forschungsbeispiel dient die deutsche Schuhbranche, da sich diese gegenwärtig – von Industrie bis Handel – in einem umfassenden Strukturwandel befindet. Die Analyse zeigt, dass sich die Komplexität von Wertschöpfungsketten im Zuge der Digitalisierung deutlich erhöht (hat). In der Schuhbranche drängen neue Akteure auf den Markt, bestehende Akteure müssen sich anpassen. Direkte Folgen sind nicht nur eine neue Akteurskonstellation, sondern auch ein sich neu bildendes Machtgefüge. Es kommt somit zur Restrukturierung bisheriger Wertschöpfungsketten.
OpenSpaceAlps Planungshandbuch: Perspektiven für eine konsistente Freiraumsicherung im Alpenraum
(2022)
Im Alpenraum lässt sich nach wie vor die kontinuierliche Inanspruchnahme von Freiräumen für Siedlungsflächen und technische Infrastrukturen und die damit verbundene Bodenversiegelung beobachten. Dies führt in erster Linie zum Verlust von landwirtschaftlichen Flächen. Je nach Ausmaß der Bebauung kommt es auch zu einer verstärkten Landschaftszerschneidung, die zur Isolierung natürlicher Lebensräume und zur Einschränkung des ökologischen Verbundes sowie zu weiteren negativen Folgewirkungen führt. Das OpenSpaceAlps Projekt hat sich dieser Thematik angenommen und, basierend auf kooperativen Verfahren in mehreren Pilotregionen, Handlungsansätze und Strategien für eine nachhaltige Sicherung von Freiräumen entwickelt. Dieses Handbuch stellt eine Handlungs- und Entscheidungshilfe für verschiedene Akteure/Akteurinnen dar, allen voran Planer*innen in öffentlichen Planungsbehörden. Ausgehend von einer Analyse der Herausforderungen und Rahmenbedingungen im Alpenraum, werden in diesem Handbuch zentrale „Prinzipien“ der Freiraumplanung vorgestellt und verglichen. Außerdem werden integrierte Planungsstrategien für verschiedene Raumkategorien diskutiert.
Die Covid-19-Pandemie gilt in vielen gesellschaftlichen Teilbereichen als Beschleuniger für Transformationsprozesse. Auch im Bereich der Organisation urbaner Logistik und Einzelhandelslandschaften etablieren sich neue Akteur*innen und Funktionen. Logistiker*innen integrieren lokale Onlinemarktplätze in ihre Profile und der stationäre Einzelhandel generiert Wettbewerbsfähigkeit gegenüber großen Onlinehändler*innen über die Nutzung lokaler Radlogistiknetzwerke, mittels derer Lieferungen noch am Tag der Bestellung (Same-Day-Delivery) verteilt werden können. Damit leisten die involvierten Akteur*innen potenziell auch einen Beitrag zur Nachhaltigkeitstransformation im Bereich urbaner Logistiksysteme. Im Fokus steht das Fallbeispiel WüLivery, ein Kooperationsprojekt des Stadtmarketingvereins, der Wirtschaftsförderung, Radlogistiker*innen sowie Einzelhändler*innen in Würzburg, welches während des zweiten coronabedingten Lockdowns im November 2020 umgesetzt wurde. Die entstehenden Dynamiken und Organisationsformen werden auf Basis von 11 Expert*inneninterviews dargestellt und analysiert. Es kann gezeigt werden, dass städtische Akteur*innen grundlegende Mediator*innen für Transformationsprozesse darstellen und Einzelhändler*innen und lokale Onlinemarktplätze als Katalysator*innen fungieren können. Das ist auch vor dem Hintergrund planerischer und politischer Kommunikationsprozesse zur Legitimation neuer Verkehrsinfrastrukturen nutzbar, da die einzelnen Akteur*innengruppen in Austausch kommen und ein gesteigertes Bewusstsein für die jeweiligen Bedarfe entsteht.