Advertisement

Räumliche Regressionsansätze zur Charakterisierung des Status quo von Flächenbestand, Bodenversiegelung und Zersiedelung

  • Martin Behnisch
  • Hanna Poglitsch
Chapter

Zusammenfassung

In diesem Beitrag wird die Wirkung ausgewählter Einflussgrößen auf den Status quo des Flächenbestands (Anteil der Siedlungs- und Verkehrsfläche an der Gemeindefläche), der Zersiedelung und der Bodenversiegelung in Deutschland mit Methoden des „Urban Data Mining“ (vgl. Behnisch 2009) ergründet. Im Fokus stehen die bivariaten Zusammenhänge sowie die Anwendung und der Vergleich verschiedener Regressionsmethoden. Gegenübergestellt werden die klassische lineare Regression, die simultane autoregressive Regression sowie die geografisch gewichtete Regression, um zu veranschaulichen, dass das Berücksichtigen räumlicher Komponenten, wie Autokorrelation und räumliche Heterogenität, essenziell ist. Im Vergleich der globalen und lokalen Regressionsmodelle wird deutlich, dass sich globale Regressionsmodelle nur bedingt für Untersuchungsgebiete der Größe Deutschlands eignen. Zu groß sind die lokalen Unterschiede der verschiedenen Gemeinden und Regionen, die zwingend berücksichtigt werden müssen.

Literatur

  1. Anselin L (1988) Spatial econometrics. Methods and models (Studies in operational regional science, Bd. 4). Kluwer Academic Publishers, DordrechtCrossRefGoogle Scholar
  2. Arlt G, Gössel J, Heber B, Hennersdorf J, Lehmann I, Thinh NX (2001) Auswirkungen städtischer Nutzungsstrukturen auf Bodenpreis und Bodenversiegelung. IÖR Schriften, Bd. 34. Sächsiches Druck und Verlagshaus, Dresden, GermanyGoogle Scholar
  3. Backhaus K (2006) Multivariate Analysemethoden/eine anwendungsorientierte Einführung; mit 6 Tabellen, 11. Springer, Heidelberg [u.a.]Google Scholar
  4. Behnisch M (2009) Urban data mining. KIT Scientific Publishing, KarlsruheGoogle Scholar
  5. Behnisch M, Poglitsch H, Krüger T (2016) Soil sealing and the complex bundle of influential factors: Germany as a case study. ISPRS Int J Geo-Inf 5:132CrossRefGoogle Scholar
  6. Behnisch M, Poglitsch H (2016) Welchen Mehrwert leisten räumliche Regressionsansätze zur Charakterisierung der Siedlungs- und Verkehrsfläche in Deutschland? In: Kolbe TH, Bill R, Donaubauer A (Hrsg) Geoinformationssysteme 2016: Beiträge zur 3. Münchner GI-Runde, S 137–148Google Scholar
  7. Behnisch M, Ultsch A (2015) Knowledge discovery in spatial planning data – a concept for cluster understanding. In: Helbich M, Arsanjani JJ, Leitner M (Hrsg) Computational approaches for urban environments. In: Gatrell JD, Jensen RR (Hrsg) Geotechnologies and the environment series 13. Springer, Berlin, S 49−75Google Scholar
  8. BMVBS (Bundesministerium für Verkehr, Bau und Stadtentwicklung) und Bundesinstitut für Bau-, Stadt- und Raumforschung (BBSR) (Hrsg) (2007) Nachhaltigkeitsbarometer Fläche. Forschungen 130, BonnGoogle Scholar
  9. BMVBS (Bundesministerium für Verkehr, Bau und Stadtentwicklung) und Bundesinstitut für Bau-, Stadt- und Raumforschung (BBSR) (Hrsg) (2009) Einflussfaktoren der Neuinanspruchnahme von Flächen. Forschungen 139, BonnGoogle Scholar
  10. Brundson C, Fotheringham S, Charlton M (1996) Geographically weighted regression: a method for exploring Spatial nonstationarity, Geographical Analysis 28(4):281–298.  https://doi.org/10.1111/j.1538-4632.1996.tb00936.x CrossRefGoogle Scholar
  11. Dech S, Klein R (2009) Entwicklung und Evaluierung eines fernerkundungsbasierten Flächenbarometers als Grundlage für ein nachhaltiges Flächenmanagement. Schlussbericht zum Verbundvorhaben. WürzburgGoogle Scholar
  12. Fischer MM, Wang J (2011) Spatial data analysis/models, methods and techniques. Springer, Heidelberg [u.a.]CrossRefGoogle Scholar
  13. Fotheringham S, Brundson C, Charlton M (2002) Geographically weighted regression: the analysis of spatially varying relationships. John Wiley & Sons Ltd, ChichesterGoogle Scholar
  14. Fox J (1997) Applied regression analysis, linear models, and related methods. Sage Publications, Thousand Oaks, CaliforniaGoogle Scholar
  15. Heiland S, Reinke M, Siedentop S, Draeger K, Knigge M, Meyer-Ohlendorf N, Blobel D (2006) Beitrag naturschutzpolitischer Instrumente zur Steuerung der Flächeninanspruchnahme. BfN-Skripten 176, BonnGoogle Scholar
  16. Hersperger A, Bürgi M (2009) Going beyond landscape change description: quantifying the importance of driving forces of landscape change in a Central Europe case study. Land Use Pol 26(3):640–648.  https://doi.org/10.1016/j.landusepol.2008.08.015 CrossRefGoogle Scholar
  17. Jaeger JAG, Schwick C (2014) Improving the measurement of urban sprawl: Weighted Urban Proliferation (WUP) and its application to Switzerland. Ecol Indic 38:294–308CrossRefGoogle Scholar
  18. Kissling D, Carl G (2008) Spatial autocorrelation and the selection of simultaneous autoregressive modelsGoogle Scholar
  19. Klemme M (2009) Stadtentwicklung ohne Wachstum. Zur Praxis kommunaler Siedlungsflächenentwicklung. Empirische Befunde und Folgerungen zu Steuerungsverhältnissen und -formen öffentlicher Akteure. PhD thesis. AachenGoogle Scholar
  20. Kretschmer O, Ultsch A, Behnisch M (2015) Towards an understanding of land consumption in Germany – outline of influential factors as a basis for multidimensional analyses. Erdkunde 69(3):267–279CrossRefGoogle Scholar
  21. Kroll F, Haase D (2010) Does demographic change affect land use patterns? A case study from Germany. Land Use Pol 27:726–737CrossRefGoogle Scholar
  22. Leibniz-Institut für ökologische Raumentwicklung (2017) Monitor der Siedlungs- und Freiraumentwicklung (IÖR-Monitor). http://www.ioer-monitor.de. Zugegriffen: 30. Jan. 2017
  23. Schwarzak M, Behnisch M (2016) Zersiedelung in Deutschland messen und beschreiben – Anwendung der Schweizer Methode der gewichteten Zersiedelung. In: Wende W, Walz U (Hrsg) Die räumliche Wirkung der Landschaftsplanung : Evaluation, Indikatoren und Trends, Springer Spektrum, Wiesbaden, S 77–96Google Scholar
  24. Stadler R (1979) Zum Problem des Landschaftsverbrauchs. Baden-Württemberg in Wort und Zahl 27(4):102–111Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Leibniz-Institut für ökologische Raumentwicklung, Forschungsbereich Monitoring der Siedlungs- und FreiraumentwicklungDresdenDeutschland
  2. 2.Leibniz-Institut für ökologische Raumentwicklung, Forschungsbereich Monitoring der Siedlungs- und FreiraumentwicklungDresdenDeutschland

Personalised recommendations