Nicola Arndt und Matthias Pohl - Neobiota
Nicola Arndt und Matthias Pohl - Neobiota Nicola Arndt und Matthias Pohl - Neobiota
50 Abb. 6: Landschaftsrepräsentanz der Immissionsmeßnetze des Bundes und der Länder.
Die Analyse der geostatistischen Repräsentanz der SO2-Messungen wird beispielhaft für das Jahr 1996 beschrieben. Für diesen Zeitraum liegen Meßwerte von 37 Stationen des UBA-Luftmeßnetzes und von 480 Immissionsmeßstandorten der Bundesländer vor. Bei der Variogrammanalyse werden die Meßwertvarianzen zwischen den Meßstandorten zuvor gebildeter Distanzklassen daraufhin überprüft, ob die Varianz näher beisammenliegender Meßpunkte geringer ist als diejenige weiter voneinander entfernter. Innerhalb dieses Bereiches räumlicher Autokorrelation (range) ist eine räumlich gewichtete Interpolation beispielsweise mit dem Kriging-Verfahren geostatistisch sinnvoll (MATHERON 1971). Semivarianz 120 100 80 60 40 Variogramm SO 2-1996, 480 Stationen 20 0 range 0 100 200 300 400 500 Distanz [km] Abb. 7: Variogramm SO2 (1996, 480 Ländermeßstationen). Für die Daten aus dem UBA-Luftmeßnetz ist dieses geostatistische Interpolationskriterium nicht hin- reichend erfüllt. Dichte und Konfiguration des Meßnetzes sind nicht geeignet, die räumliche Struktur der SO2-Immissionen zuverlässig abzubilden. Hingegen zeigt das experimentelle Variogramm der Da- ten von den 480 Immissionsmeßstandorten der Bundesländer eine ausgeprägtere Autokorrelation bis mindestens 250 km, so daß eine sphärische Modellkurve angepaßt wird (Abb. 7). Für die flächenhafte Kriging-Interpolation der Meßwerte wird diese Reichweite benutzt. Das bedeutet, daß Meßpunkte außerhalb dieser Reichweite keinen Einfluß mehr auf die zu berechnenden Schätzwerte haben. Unter Effizienzgesichtspunkten stellt sich die Frage, ob für eine zuverlässigere bundesweite Flächenschätzung der SO2-Immissionen tatsächlich alle 480 Immissionsmeßstationen der Länder erforderlich sind. Um zu prüfen, ob auch eine deutlich geringere Meßdatendichte ausreichend ist, werden 150 Ländermeßstandorte anhand ihrer raumstrukturellen Repräsentanz für die standortökologischen Raumeinheiten Deutschlands ausgewählt. Die raumstrukturelle Repräsentanz wird mit dem Nachbarschaftsindex nach VETTER & MAAS (1994) berechnet. Die Meßdaten der 150 Meßstandorte mit dem höchsten Repräsentanzindex werden variogrammanalytisch ausgewertet. Das entsprechende Variogramm (Abb. 8) zeigt eine distanzabhängige räumliche Autokorrelation, die eine anschließende Kriging- Interpolation gestattet. 51
- Seite 1: Anwendung und Auswertung der Karte
- Seite 4 und 5: Titelbild / Cover: Verkleinerung de
- Seite 6 und 7: Erhaltungszustand der natürlichen
- Seite 8 und 9: HOLGER FREUND Holozäne Meeresspieg
- Seite 10 und 11: Resolution der Teilnehmer des Works
- Seite 13 und 14: Foreword An International Workshop
- Seite 15: • Informing national and internat
- Seite 18 und 19: 2000 Druck der Vegetationskarten un
- Seite 20 und 21: - Auszüge aus der Übersichtskarte
- Seite 22 und 23: Introduction to the International W
- Seite 24 und 25: Finalisation and publication of the
- Seite 26 und 27: Organisational aspects The presenta
- Seite 29 und 30: Application and Analysis of the Map
- Seite 31 und 32: Information System (GIS). The stren
- Seite 33 und 34: Over this distance matrix several m
- Seite 35 und 36: Figure 8 (Left): The Highlands beca
- Seite 37 und 38: - boundaries between ecological reg
- Seite 39 und 40: Anwendung und Auswertung der Karte
- Seite 41 und 42: SCHMIDT 2000, 2001). Die in diesem
- Seite 43 und 44: Diese „landschaftsökologische Ve
- Seite 45 und 46: Tabelle 2 entsprechende Qualitätsa
- Seite 47 und 48: Abb. 2: Analogie Kugelbeispiel / Ra
- Seite 49 und 50: 0 200 400 600 0 500 1000 1500 2000
- Seite 51: Abb. 5: Karte der landschaftsökolo
- Seite 55 und 56: DINTER, W. (1999): Naturräumliche
- Seite 57 und 58: Application and Analysis of the Map
- Seite 59 und 60: 2 FAO Requirements Many environment
- Seite 61 und 62: In practical terms, delineation of
- Seite 63 und 64: 3.3 FAO Global Ecological Zone clas
- Seite 65 und 66: Table 2: LUT for Europe, showing th
- Seite 67 und 68: forests (F), 7 subgroups (F1- F7) h
- Seite 69 und 70: Figure 2: Map of Global Ecological
- Seite 71: Annex Table 4: Source maps used for
- Seite 74 und 75: DMEER-Projekt (Digitale Karte der
- Seite 76 und 77: Figure 1: The ecoregions are catego
- Seite 78 und 79: An example of the relationship betw
- Seite 80 und 81: DASMANN, R.F. (1973): A system for
- Seite 82 und 83: THACKWAY, R. & CRESSWELL, I.D. (eds
- Seite 84 und 85: 1 Background 1.1 Increasing interes
- Seite 86 und 87: While regional and national activit
- Seite 88 und 89: forest systems are supposed to reac
- Seite 90 und 91: According to SCHLÜTER (1991), hete
- Seite 92 und 93: derived from an analysis of soils a
- Seite 94 und 95: Map 1: Landscape Character Areas of
- Seite 96 und 97: in terms of successions and replace
- Seite 98 und 99: Map 5: Landscape map of Europe by M
- Seite 100 und 101: Russia. Information on rural land u
Die Analyse der geostatistischen Repräsentanz der SO2-Messungen wird beispielhaft für das Jahr 1996<br />
beschrieben. Für diesen Zeitraum liegen Meßwerte von 37 Stationen des UBA-Luftmeßnetzes <strong>und</strong> von<br />
480 Immissionsmeßstandorten der B<strong>und</strong>esländer vor. Bei der Variogrammanalyse werden die<br />
Meßwertvarianzen zwischen den Meßstandorten zuvor gebildeter Distanzklassen daraufhin überprüft,<br />
ob die Varianz näher beisammenliegender Meßpunkte geringer ist als diejenige weiter voneinander<br />
entfernter. Innerhalb dieses Bereiches räumlicher Autokorrelation (range) ist eine räumlich gewichtete<br />
Interpolation beispielsweise mit dem Kriging-Verfahren geostatistisch sinnvoll (MATHERON 1971).<br />
Semivarianz<br />
120<br />
100<br />
80<br />
60<br />
40<br />
Variogramm SO 2-1996,<br />
480 Stationen<br />
20<br />
0<br />
range<br />
0 100 200 300 400 500<br />
Distanz [km]<br />
Abb. 7: Variogramm SO2 (1996, 480 Ländermeßstationen).<br />
Für die Daten aus dem UBA-Luftmeßnetz ist dieses geostatistische Interpolationskriterium nicht hin-<br />
reichend erfüllt. Dichte <strong>und</strong> Konfiguration des Meßnetzes sind nicht geeignet, die räumliche Struktur<br />
der SO2-Immissionen zuverlässig abzubilden. Hingegen zeigt das experimentelle Variogramm der Da-<br />
ten von den 480 Immissionsmeßstandorten der B<strong>und</strong>esländer eine ausgeprägtere Autokorrelation bis<br />
mindestens 250 km, so daß eine sphärische Modellkurve angepaßt wird (Abb. 7). Für die flächenhafte<br />
Kriging-Interpolation der Meßwerte wird diese Reichweite benutzt. Das bedeutet, daß Meßpunkte<br />
außerhalb dieser Reichweite keinen Einfluß mehr auf die zu berechnenden Schätzwerte haben.<br />
Unter Effizienzgesichtspunkten stellt sich die Frage, ob für eine zuverlässigere b<strong>und</strong>esweite Flächenschätzung<br />
der SO2-Immissionen tatsächlich alle 480 Immissionsmeßstationen der Länder erforderlich<br />
sind. Um zu prüfen, ob auch eine deutlich geringere Meßdatendichte ausreichend ist, werden 150<br />
Ländermeßstandorte anhand ihrer raumstrukturellen Repräsentanz für die standortökologischen Raumeinheiten<br />
Deutschlands ausgewählt. Die raumstrukturelle Repräsentanz wird mit dem Nachbarschaftsindex<br />
nach VETTER & MAAS (1994) berechnet. Die Meßdaten der 150 Meßstandorte mit dem höchsten<br />
Repräsentanzindex werden variogrammanalytisch ausgewertet. Das entsprechende Variogramm (Abb.<br />
8) zeigt eine distanzabhängige räumliche Autokorrelation, die eine anschließende Kriging-<br />
Interpolation gestattet.<br />
51
Change language