Zusammenfassung
Vor dem Hintergrund der knapper werdenden Ressource Boden und den Herausforderungen des Klimawandels beschäftigt sich das Projekt „CC-LandStraD“ mit den Wechselwirkungen zwischen Klimawandel und Landnutzung. Es werden Szenarien der künftigen Landnutzung in Deutschland bis zum Jahr 2030 entwickelt. Der Fokus liegt dabei auf der Siedlungs- und Verkehrsflächenentwicklung. Dafür kommt ein Simulationsmodell zum Einsatz, das unterschiedliche Daten verarbeitet und miteinander kombiniert. Dazu zählen einerseits statistische Informationen der sozioökonomischen Entwicklung, aber auch zahlreiche räumliche Daten, die die aktuelle Landnutzung, natürliche Gegebenheiten, aber auch planerische Festlegungen beschreiben. Der Beitrag stellt die verwendeten Daten vor und beschreibt die Methodik, wie diese im Simulationsmodell „Land Use Scanner“ verwendet werden, um ein räumliches Landnutzungsszenario für Deutschland zu erstellen. Damit integriert das Modell Daten unterschiedlicher räumlicher, zeitlicher und thematischer Auflösung und führt Daten unterschiedlicher Skalenebenen konsistent zusammen. Die Ergebnisse des Modells zeigen, dass trotz demographischen Wandels in einigen Regionen Deutschlands ein hoher Siedlungsdruck bestehen bleibt.
Abstract
The research project CC-LandStraD analyses interactions between land use and climate change. It therefore contributes to the challenges of climate change and the availability of scarce land resources. Within the project, land use scenarios are developed for Germany until the year 2030. The focus of this study is on the development of settlement and transport area. The approach applies the simulation model Land Use Scanner that integrates and combines different types of data. This includes statistical information on the socio-economic development as well as numerous spatial data sets like current land use, physical properties or spatial planning regulations. The paper introduces the different data sets, describes the modeling approach and demonstrates how the various data sets are used in the simulation model Land Use Scanner to calculate a spatial land use scenario for Germany in 2030. The model therefore integrates data sets of different spatial, temporal and thematic resolutions and consistently merges the information of different scales. The results of the model show that despite demographic change some regions still face high pressure of urban density in Germany.
This is a preview of subscription content, log in via an institution to check access.
Notes
CLUE = Climate Neutral Urban Districts.
Eine vollständige Übersicht der verwendeten Datenquellen kann über die Autoren bezogen werden.
Von Seiten des Bundesamtes für Kartographie und Geodäsie ist dem Produkt ein neuer Name gegeben worden. Es wir nun unter dem Namen LBM-DE (Digitales Landbedeckungsmodell für Deutschland) vertrieben.
Digitales Basis-Landschaftsmodell.
Vgl. http://www.corine.dfd.dlr.de/intro_de.html (26.03.2014).
Vgl. http://www.eea.europa.eu/data-and-maps/data/urban-atlas (26.03.2014).
SRTM = Shuttle Radar Topography Mission.
Eine Übersicht über die Wirkrichtung der statischen Eignungsfaktoren kann über die Autoren bezogen werden.
Die hier verwendete Bevölkerungsprognose ist eine Vorabversion der offiziellen Raumordnungsprognose und unterscheidet sich im angenommenen Wanderungssaldo. Die räumliche Verteilung der Bevölkerung und Haushalte ist aber nicht betroffen.
Diese Annahme wurde in Gesprächen mit Forstökonomen des Thünen-Instituts als plausibel bestätigt.
RAUMIS = Regionalisiertes Agrar- und Umweltinformationssystem.
Anwendungsschema für verschiedene Informationssysteme wie ATKIS, durch die Arbeitsgemeinschaft der Vermessungsverwaltungen der Länder der Bundesrepublik Deutschland neu konzipiert.
Literatur
Alcamo, J.; Kok, K.; Busch, G.; Priess, J.A.; Eickhout, B.; Rounsevell, M.; Rothman, D.S.; Heistermann, M. (2006): Searching for the Future of Land: Scenarios from the Local to Global Scale. In Lambin, E.F.; Geist, H. (Hrsg.): Land-Use and Land-Cover Change. Berlin, Heidelberg, 137–155.
Barredo, J.I.; Engelen, G. (2010): Land Use Scenario Modeling for Flood Risk Mitigation. In: Sustainability 2 (5), 1327–1344.
Batista e Silva, F.; Lavalle, C.; Koomen, E. (2013): A procedure to obtain a refined European land use/cover map. In: Journal of Land Use Science 8 (3), 255–283.
BMVBS – Bundesministerium für Verkehr, Bau und Stadtentwicklung (2011): 30-ha-Ziel realisiert. Konsequenzen des Szenarios Flächenverbrauchsreduktion auf 30 ha im Jahr 2020 für die Siedlungsentwicklung. Bonn. = Forschungen 148.
Briassoulis, H. (2000): Analysis of Land Use Change: Theoretical and Modeling Approaches. http://www.rri.wvu.edu/WebBook/Briassoulis/contents.htm (26.03.2014).
Burgdorf, M. (2010): Disaggregation von Bevölkerungsdaten mittels ATKIS Basis DLM. In: Strobl, J.; Blaschke, T.; Griesebner, G. (Hrsg.): Angewandte Geoinformatik 2010. Beiträge zum 22. AGIT-Symposium Salzburg. Berlin, 474–483.
Clarke, K.C.; Gazulis, N.; Dietzel, C.K.; Goldstein, N.C. (2007): A Decade of SLEUTHing: Lessons Learned from Applications of a Cellular Automaton Land Use Change Model. In Fisher, P. (Hrsg.): Classics from IJGIS. Twenty years of the International Journal of Geographical Information Science and Systems. Boca Raton, 413–426.
Couclelis, H. (2005): “Where has the future gone?” Rethinking the role of integrated land-use models in spatial planning. In: Environment and Planning A 37 (8), 1353–1371.
Dekkers, J.; Koomen, E. (2007): Land-use simulation for water management. Application of the Land Use Scanner in two large-scale scenario studies. In Koomen, E.; Stillwell, J.; Bakema, A.; Scholten, H. (Hrsg.): Modelling Land-Use Change. Progress and Applications. Dordrecht, 355–373.
Distelkamp, M.; Großmann, A.; Hohmann, F.; Lutz, C.; Ulrich, P.; Wolter, M.I. (2009): Panta Rhei Regio. Ein Modellsystem zur Projektion der künftigen Flächeninanspruchnahme in Deutschland und zur Folgenabschätzung fiskalischer Maßnahmen. Osnabrück. = gws Discussion Paper 2009/7.
Einig, K.; Jonas, A.; Zaspel, B. (2009): Eignung von CORINE-Geodaten und Daten der Flächenerhebung zur Analyse der Siedlungs- und Verkehrsflächenentwicklung in Deutschland. In: Wirtschaft und Statistik 4, 355–364.
Engelen, G.; Lavalle, C.; Barredo, J.; Meulen, M.; White, R. (2007): The MOLAND modelling framework for urban and regional land-use dynamics. In Koomen, E.; Stillwell, J.; Bakema, A.; Scholten, H. (Hrsg.): Modelling Land-Use Change. Progress and Applications. Dordrecht, 297–319.
Geist, H.; McConnell, W.; Lambin, E.F.; Moran, E.; Alves, D.; Rudel, T. (2006): Causes and Trajectories of Land-Use/Cover Change. In Lambin, E. F.; Geist, H. (Hrsg.): Land-Use and Land-Cover Change. Berlin, Heidelberg, 41–70.
Goetzke, R. (2010): Entwicklung eines fernerkundungsgestützten Modellverbundes zur Simulation des urban-ruralen Landnutzungswandels in Nordrhein-Westfalen. Dissertation an der Rheinischen Friedrich-Wilhelms-Universität Bonn.
Hilferink, M. (2012): Suriname New Infrastructure. http://www.objectvision.nl/gallery/projects/new-infrastructure-suriname (26.03.2014).
Hilferink, M.; Rietveld, P. (1999): Land Use Scanner: An integrated GIS based model for long term projections of land use in urban and rural areas. In: Journal of Geographical Systems 1 (12), 155–177.
Hoymann, J. (2013): Neuere Flächennutzungsdaten. Übersicht, Vergleich und Nutzungsmöglichkeiten. Bonn. = BBSR-Analysen KOMPAKT 2/2013.
Hoymann, J.; Beckmann, G.; Dosch, F.; Distelkamp, M. (2012): Trends der Siedlungsflächenentwicklung. Status quo und Projektion 2030. Bonn. = BBSR-Analysen KOMPAKT 9/2012.
Hoymann, J.; Koomen, E.; Dekkers, J. (2014): Szenarien der Siedlungsflächenentwicklung im Elbeeinzugsgebiet. In Wechsung, F.; Hartje, V.; Kaden, S.; Venohr, M.; Hansjürgens, B.; Gräfe, P. (Hrsg.): Die Elbe und ihr Einzugsgebiet im globalen Wandel. Berlin, 197–240.
Jacobs, C.; Bouwman, A.F.; Koomen, E.; van der Burg, A. (2011): Lessons learned from using land-use simulation in regional planning. In: Koomen, E.; Borsboom-van Beurden, J. (Hrsg.): Land-use modelling in planning practice. Dordrecht, 131–149.
Koomen, E.; Hilferink, M.; Borsboom-van Beurden, J. (2011): Introducing Land Use Scanner. In Koomen, E. (Hrsg.): Land-use modelling in planning practice. Dordrecht, 3–21.
Koomen, E.; Koekoek, A.; Dijk, E. (2011): Simulating Land-use Change in a Regional Planning Context. In: Applied Spatial Analysis and Policy 4 (4), 223–247.
Koomen, E.; Loonen, W.; Hilferink, M. (2008): Climate-Change Adaptations in Land-Use Planning. A Scenario-Based Approach. In: Bernard, L.; Friis-Christensen, A.; Pundt, H. (Hrsg.): The European Information Society. Berlin, 261–282.
Koomen, E.; Rietveld, P.; de Nijs, T. (2008): Modelling land-use change for spatial planning support. In: The Annals of Regional Science 42 (1), 1–10.
Kufeld, W. (Hrsg.) (2013): Klimawandel und Nutzung von regenerativen Energien als Herausforderungen für die Raumordnung. Hannover. = Arbeitsberichte der ARL 7.
Lambin, E.F. (2005): Modelling land-use change. In Wainwright, J.; Mulligan, M. (Hrsg.): Environmental Modelling. Finding Simplicity in Complexity. Chichester, 245–254.
Lavalle, C.; Baranzelli, C.; Batista e Silva, F.; Mubareka, S.; Rocha Gomes, C.; Koomen, E.; Hilferink, M. (2011): A High Resolution Land Use/Cover Modelling Framework for Europe: Introducing the EU-ClueScanner100 Model. In: Murgante, B.; Gervasi, O.; Iglesias, A.; Taniar, D.; Apduhan, B.O. (Hrsg.): Computational science and its applications. Berlin, 60–75.
Meinel, G.; Schubert, I.; Siedentop, S.; Buchroithner, M. (2007): Europäische Siedlungsstrukturvergleiche auf Basis von CORINE Land Cover. Möglichkeiten und Grenzen. In: Schrenk, M.; Popovich, V.; Benedikt, J. (Hrsg.): To plan is not enough. REAL CORP 2007. Schwechat-Rannerdorf, 645–656.
Mertens, B.; Lambin, E. (1997): Spatial modelling of deforestation in southern Cameroon: Spatial disaggregation of diverse deforestation processes. In: Applied Geography 17 (2), 143–162.
Mertens, B.; Lambin, E. (2000): Land-Cover-Change Trajectories in Southern Cameroon. In: Annals of the Association of American Geographers 90 (3), 467–494.
Poelmans, L.; van Rompaey, A. (2009): Detecting and modelling spatial patterns of urban sprawl in highly fragmented areas: A case study in the Flanders-Brussels region. In: Landscape and Urban Planning 93 (1), 10–19.
Pontius Jr., R.; Cornell, J.; Hall, C. (2001): Modeling the spatial pattern of land-use change with GEOMOD2: application and validation for Costa Rica. In: Agriculture, Ecosystems and Environment 85 (1–3), 191–203.
Pontius Jr., R.; Schneider, L.C. (2001): Land-cover change model validation by an ROC method for the Ipswich watershed, Massachusetts, USA. In: Agriculture, Ecosystems and Environment 85 (1–3), 239–248.
Reck, H.; Hänel, K.; Jeßberger, J.; Lorenzen, D. (2008): Unzerschnittene verkehrsarme Räume, Unzerschnittene Funktionsräume und Biologische Vielfalt. Landschafts- und Zerschneidungsanalysen als Grundlage für die räumliche Umweltplanung. Bonn-Bad Godesberg. = Naturschutz und Biologische Vielfalt 62.
Richter, A.; Hennings, V.; Müller, L. (2009): Anwendung des Müncheberger Soil Quality Ratings (SQR) auf bodenkundliche Grundlagenkarten. In: Deutsche Bodenkundliche Gesellschaft (Hrsg.): Böden – eine endliche Ressource. Bonn. http://eprints.dbges.de/243/1/Beitrag_RICHTER_HENNINGS_M%C3%9CLLER.pdf (17.04.2014).
Rounsevell, M.; Reginster, I.; Araújo, M.; Carter, T.; Dendoncker, N.; Ewert, F.; House, J.; Kankaanpää, S.; Leemans, R.; Metzger, M.; Schmit, C.; Smith, P.; Tuck, G. (2006): A coherent set of future land use change scenarios for Europe. In: Agriculture, Ecosystems and Environment 114 (1), 57–68.
Schlömer, C. (2012): Raumordnungsprognose 2030. Bevölkerung, private Haushalte, Erwerbspersonen. Stuttgart. = BBSR Analysen Bau.Stadt.Raum 9.
Schneider, L.C.; Pontius Jr., R. (2001): Modeling land-use change in the Ipswich watershed, Massachusetts, USA. In: Agriculture, Ecosystems and Environment 85 (1–3), 83–94.
Scholten, H.; van de Velde, R.; Rietveld, P.; Hilferink, M. (1999): Spatial information infrastructure for scenario planning: the development of a Land Use Planner for Holland. In: Stillwell, J.; Geertman, S.; Openshaw, S. (Hrsg.): Geographical Information and Planning. Berlin, 112–134.
Schotten, C.; Goetgeluk, R.; Hilferink, M.; Rietveld, P.; Scholten, H. (2001): Residential construction, land use and the environment. Simulations for the Netherlands using a GIS-based land use model. In: Environmental Modeling and Assessment 6 (2), 133–143.
Silva, E.; Clarke, K. (2002): Calibration of the SLEUTH urban growth model for Lisbon and Porto, Portugal. In: Computers, Environment and Urban Systems 26 (6), 525–552.
Statistisches Bundesamt (2011): Bodenfläche nach Art der tatsächlichen Nutzung. Ergebnisse der Flächenerhebung 2010. Wiesbaden. = Land- und Forstwirtschaft, Fischerei, Fachserie 3, Reihe 5.1.
Statistisches Bundesamt (2013): Bodenfläche nach Art der tatsächlichen Nutzung 2012. Wiesbaden. = Land- und Forstwirtschaft, Fischerei, Fachserie 3, Reihe 5.1.
Tack, F. (2000): Emulating the Future. http://www.classic.archined.nl/news/0007/bia_nl.html (01.04.2014).
Umweltbundesamt (2011): Berichterstattung unter der Klimarahmenkonvention der Vereinten Nationen und dem Kyoto-Protokoll 2011. Nationaler Inventarbericht zum Deutschen Treibhausgasinventar 1990–2009. Dessau-Roßlau.
van der Straaten, J.; Rouwendal, J. (2010): Why are the commuting distances of power couples so short? An analysis of the location preferences of households. http://www-sre.wu.ac.at/ersa/ersaconfs/ersa10/ERSA2010finalpaper816.pdf (01.04.2014).
Verburg, P.H.; de Nijs, T.; van Eck, J.; Visser, H.; de Jong, K. (2004): A method to analyse neighbourhood chararcteristics of land use patterns. In: Computers, Environment and Urban Systems 28 (6), 667–690.
Verburg, P.H.; Koomen, E.; Hilferink, M.; Pérez-Soba, M.; Lesschen, J.P. (2012): An assessment of the impact of climate adaptation measures to reduce flood risk on ecosystem services. In: Landscape Ecology 27 (4), 473–486.
Verburg, P.H.; Schot, P.P.; Dijst, M.J.; Veldkamp, A.T. (2004): Land use change modelling: current practice and research priorities. In: GeoJournal 61 (4), 309–324.
Verburg, P.H.; Schulp, C.; Witte, N.; Veldkamp, A. (2006): Downscaling of land use change scenarios to assess the dynamics of European landscapes. In: Agriculture, Ecosystems & Environment 114 (1), 39–56.
Verburg, P.H.; van Eck, J.R.R.; de Nijs, T.; Dijst, M.J.; Schot, P. (2004): Determinants of land-use change patterns in the Netherlands. In: Environment and Planning B 31 (1), 125–150.
Zaspel, B.; Einig, K. (2012): Raumordnungsplan-Monitor (ROPLAMO) – ein Planinformationssystem für Deutschland. In: Strobl, J.; Blaschke, T.; Griesebner, G. (Hrsg.): Angewandte Geoinformatik 2012. Beiträge zum 24. AGIT-Symposium Salzburg. Berlin, 745–754.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Hoymann, J., Goetzke, R. Die Zukunft der Landnutzung in Deutschland – Darstellung eines methodischen Frameworks. Raumforsch Raumordn 72, 211–225 (2014). https://doi.org/10.1007/s13147-014-0290-y
Received:
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/s13147-014-0290-y