Martin Behnisch

Soil Sealing and the Complex Bundle of Influential Factors: Germany as a Case Study

In order to discuss the impact of land consumption, it is first necessary to localize and quantify the extent of sealed surfaces. Since 2010, the monitoring of land use structures and developments in Germany has been provided by the Monitor of Settlement and Open Space Development at the Leibniz Institute of Ecological Urban and Regional Development (IOR; IOR Monitor), a scientific service operated by the Leibniz Institute of Ecological Urban and Regional Development. The IOR Monitor includes an indicator for soil sealing for the years 2006, 2009 and 2012. Using this new source of data, it is possible for the first time to conduct quantitative studies at the level of Germany’s municipalities with the aim of documenting the extent of soil sealing as a form of spatial classification, as well as to investigate possible correlations with other influential factors. Here, we describe a comprehensive data inspection of soil sealing and potential influential factors. Structural interrelationships are identified under the application of classical and spatial regression methods.

Trends in Spatial Analysis and Modelling

Land cover datasets are generally produced from satellite imagery using state-of-the-art model-based classification methods while integrating large amounts of ancillary data to help improve accuracy levels. The knowledge base encapsulated in this process is a resource that could be used to produce new data of similar quality, more efficiently. A central question is whether this richness of information could potentially be extracted from the underlying remote sensing imagery to then classify an image for a different geographic extent or a different point in time. This chapter summarizes the state of research in this field and highlights the most important insights derived from recent studies. Regional and national land cover datasets exist in many countries and the development of automated, robust methods for spatial extrapolation or temporal extension of such data would benefit the scientific community and planning agencies, and advance similar areas of research in the methodological and applied domains.

Investigating the suitability of Sentinel-2 data to derive the urban vegetation structure

Urban green is indispensable from an urban ecological and social point of view and fulfils important functions such as dust binding, temperature reduction, wind damping or groundwater recharge. Especially for bioclimatic modeling, knowledge of size, structure and green volume of the urban vegetation is essential. Manual mapping of vegetation structures is timeconsuming and cost-intensive and can only ever be carried out in locally limited study areas. Active and passive remote sensing technologies in combination with automated methods for information extraction offer the opportunity to record the green structure in urban areas differentiated according to vegetation types. The new globally and freely available data provided by the European Copernicus Program raises the question whether these data are suitable for mapping and quantifying the urban green structure, including an accuracy estimation. Previous studies on the usability of Sentinel-2 data for vegetation analysis were essentially limited to crop and tree species classification in open space. The approach presented here thus considers for the first time the application of this data in a purely urban environment. Here we present a modeling approach based on multiple regression models. A Sentinel-2A scene from July 4, 2015 covering the greater Dresden area served as the input data set. After atmospheric correction of the satellite image scene 10 spectral channels were available. A high-resolution vegetation cover model with a grid width of 50 cm was available as a reference data set for the entire study area (City of Dresden, Germany). This takes into account the vegetation classes deciduous trees, conifers, shrubs, low (grassy) vegetation and arable land. Thus the area share of these vegetation types could be determined aggregated for each pixel of the satellite image scene. In addition, vegetation indices (NDVI and others) were calculated using suitable channels. For the prediction of each vegetation class, estimation equations were drawn up and evaluated with regard to their quality. Especially for deciduous and coniferous trees, satisfactory model quality values could be obtained, so that the green component prediction in these cases represents a useful basis for the determination of the green structure at the building block level in urban areas.

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

In diesem Beitrag wird die Wirkung ausgewahlter Einflussgrosen auf den Status quo des Flachenbestands (Anteil der Siedlungs- und Verkehrsflache an der Gemeindeflache), der Zersiedelung und der Bodenversiegelung in Deutschland mit Methoden des „Urban Data Mining“ (vgl. Behnisch 2009) ergrundet. Im Fokus stehen die bivariaten Zusammenhange sowie die Anwendung und der Vergleich verschiedener Regressionsmethoden. Gegenubergestellt werden die klassische lineare Regression, die simultane autoregressive Regression sowie die geografisch gewichtete Regression, um zu veranschaulichen, dass das Berucksichtigen raumlicher Komponenten, wie Autokorrelation und raumliche Heterogenitat, essenziell ist. Im Vergleich der globalen und lokalen Regressionsmodelle wird deutlich, dass sich globale Regressionsmodelle nur bedingt fur Untersuchungsgebiete der Grose Deutschlands eignen. Zu gros sind die lokalen Unterschiede der verschiedenen Gemeinden und Regionen, die zwingend berucksichtigt werden mussen.

Messung der Zersiedelung ermöglicht Monitoring und stärkere Berücksichtigung in der Planung

Die steigende Zersiedelung hat gravierende langfristige Auswirkungen. Daher sollte Zersiedelung in der Stadt- und Regionalplanung kunftig vermieden werden. Dieses Kapitel klart die Definition von Zersiedelung und stellt eine Methode zur Messung der Zersiedelung vor (Z bzw. Weighted Urban Proliferation, WUP). Quantitative Angaben zur Zersiedelung werden dazu benotigt, um die Wirksamkeit von Masnahmen und Verordnungen zu uberprufen, die zur Begrenzung der Zersiedelung dienen sollen. Vier Beispiele illustrieren den Grad der Zersiedelung in Deutschland, in der Schweiz, in Europa und in zwei Stadtregionen aus Nordamerika (Montreal und Quebec City, im Vergleich mit Zurich). Die Messgrose Z kann beim Vergleich von Planungsalternativen eingesetzt werden: Planer und Entscheidungstrager konnen Zersiedelung kunftig vermeiden, indem sie verschiedene Planungsszenarien hinsichtlich ihres Beitrags zur Erhohung oder Verringerung der Zersiedelung vergleichen. Daten zum Grad der Zersiedelung sind auserdem nutzlich fur die Umweltbeobachtung und fur die Einfuhrung von Ziel- und Grenzwerten fur die Zersiedelung. Es ist zu erwarten, dass die Zersiedelung in Deutschland, in der Schweiz und in Europa generell weiter ansteigen wird. Daher lauft in der Schweiz derzeit die Volksinitiative „Zersiedelung stoppen – fur eine nachhaltige Siedlungsentwicklung“. Sie wurde am 21. Oktober 2016 bei der Bundeskanzlei eingereicht und wird demnachst zur Abstimmung kommen. Dieses Kapitel stellt abschliesend die Initiative vor, da sie Ausdruck eines steigenden Problembewusstseins in der Bevolkerung ist und Hoffnung gibt, das Problem der Zersiedelung kunftig besser zu vermeiden.

Urbane Metrik – Ein Messkonzept zur Physiognomie der Stadt

Im Kontext eines Messkonzepts zur Physiognomie der Stadt nehmen Daten, Messgrosen und Bewertungsansatze eine Schlusselposition ein.

Zersiedelung in Deutschland messen und beschreiben – Anwendung der Schweizer Methode der gewichteten Zersiedelung

Das Ziel, die Neuinanspruchnahme von Flachen auf 30 Hektar pro Tag bis zum Jahr 2020 zu reduzieren, wird nach aktuellen Studien nicht erreicht. Eine Orientierung an einer quantitativen Maszahl zur Flachenneuinanspruchnahme fuhrt zu einer blosen Massendiskussion. Ein hoher Flachenverbrauchszuwachs und eine anhaltend hohe Zersiedelung der Landschaft haben den Verlust von Landwirtschaftsland, Wildtierhabitaten und unzerschnittenen Freiraumen zur Folge. Grose raumliche Distanzen zwischen Wohnort, Arbeitsort, Freizeit und Bildung fuhren oft zu einer geringen Ausnutzung der Siedlungsflachen.