Header

UZH-Logo

Maintenance Infos

Assessing participatory mapping and multi criteria evaluation for land use change analysis


Rohrbach, Benjamin. Assessing participatory mapping and multi criteria evaluation for land use change analysis. 2016, University of Zurich, Faculty of Science.

Abstract

Der massive Landnutzungswandel im Berggebiet beschäftigt Forschung und Praxis: Beispielsweise die Abnahme des Bergackerbaus im Münstertal um 90 % seit 1990 sowie dessen Förderung unter der neuen Schweizer Agrarpolitik seit 2014 oder die prognostizierte Abnahme der Rebflächen im Gebiet des Naturparks Pfyn-Finges um 17-51 % bis 2040 . Beide Untersuchungsgebiete in dieser Arbeit liegen innerhalb der Schweizer Alpen. Es stellt sich die Frage, ob diese Entwicklungen im Konflikt mit Anstrengungen zum Erhalt der Biodiversität, der Landschaftsästhetik oder auch des sozialen Gefüges stehen. Um hierzu einen Beitrag zu leisten, erforschten wir Methoden, welche helfen den Landnutzungswandel zu verstehen und zu prognostizieren. Anhand von real existierenden, aktuellen Themen wurde so ein methodischer Beitrag geleistet und gleichzeitig konnten interessante inhaltliche Ergebnisse produziert werden.
In dieser Arbeit wurden zwei Methoden erforscht, welche diese Entwicklung räumlich aufzeigen und prognostizieren sollen. Eine untersuchte Methode war, die Bewirtschafter ihre Einschätzung direkt auf Luftbildern einzeichnen zu lassen (partizipatives Kartieren). Eine zweite basierte auf einer multikriteriellen Analyse mit nicht-lokalen Experten. Diese Methoden sind räumlich explizit, zeigen also auf, an welchen Orten sich der Ackerbau, respektive Weinbau verändern wird. Sowohl im Münstertal als auch im Gebiet des Naturparks Pfyn-Finges wurden neben dem partizipativen Kartieren auch Interviews durchgeführt und ein Fragebogen verteilt. Damit konnte aufgezeigt werden wo ein Landnutzungswandel zu erwarten ist und wie dieser von den Bauern und Winzern wahrgenommen wird.
Doch können die Bewirtschafter den Landnutzungswandel überhaupt vorhersagen und wenn ja, mit welcher Genauigkeit? Und wie viele Teilnehmer bräuchte es für eine solche Vorhersage? Dieser Frage wurde in einer Fallstudie im Val Müstair nachgegangen. Dabei wurde nicht nur der Zustand unter der neuen Agrarpolitik erfragt, sondern auch wie denn der Zustand 1990 gewesen sei, also zu einer Zeit als es noch deutlich mehr Ackerbau gab. Diese von den Landwirten beigesteuerten Informationen wurden mit einem rekonstruierten Zustand von 1990 , sowie Beobachtungen aus den Jahren 2014 und 2015 verglichen. In der Umfrage wurden jeweils drei Massstäbe (1:5 000, 1:12 5000 und 1:25 000) verwendet.
Die Auswertung der Studie im Val Müstair zeigte, dass die Bewirtschafter den historischen Zustand genauer und kompletter als die Prognose einzeichnen konnten. Auch zeigte sich, dass dies auf der Skala mit dem grössten Detaillierungsgrad am besten ging. Durch die statistische Methode des Jackknifing konnte herausgefunden werden, mit wie vielen Teilnehmern im Durchschnitt ein ähnliches Resultat wie dasjenige der ganzen Gruppe erreicht worden wäre. Es zeigte sich, dass für die Erfassung des Zustands im Jahr 1990 auf der detailreichsten Skala 5 der 15 Landwirte und für die Prognose 9 der 15 Teilnehmer ausgereicht hätten. Auf der gröbsten Skala hätte man hingegen 7 und 11 Teilnehmer für den historischen, respektive den prognostischen Zustand, gebraucht. Demnach benötigen detailliertere Skalen weniger Teilnehmer für dieselbe Datenqualität und diese fällt grösser aus bei einem vergangenen Zustand als bei einer Prognose.
Aber wäre es nicht glaubwürdiger und genauer, man würde die Landschaftsentwicklung mit einem Modell vorhersagen? Die Fallstudie Pfyn-Finges diente der Beanwortung dieser Frage. Es wurden einerseits 33 Winzer mit der Methode der partizipativen Kartierung befragt und andererseits wurde mit 13 nicht lokalen Experten ein multikriterielles Modell erstellt. Für die Befragung wurden den Winzern folgende zwei Fragen gestellt: Erstens, welche Flächen werden in 25 Jahren nicht mehr Weinreben sein und zweitens, welche Flächen werden sicher noch Weinreben sein? Die Differenz dieser Meinungen ergab dann die Prognose. Für das multikriterielle Modell wurden Experten aus Forschung, Verwaltung und Privatwirtschaft gebeten, die wichtigsten Einflussfaktoren für die Umnutzung von Rebparzellen einzuschätzen. Diese Informationen wurden danach in einem Computerprogramm zusammengeführt und es wurde berechnet, mit welcher Wahrscheinlichkeit eine Fläche in25 Jahren noch weiter bewirtschaftet wird. 25 Jahre entspricht dabei ungefähr der Generation eines Rebstockes: Innerhalb von 25 Jahren wird eine Rebfläche also neu bepflanzt, was meist eine wichtige Entscheidung darstellt, da diese mit hohen Kosten verbunden ist.
Es zeigte sich, dass es Regionen gibt, in welchen sowohl das partizipative Kartieren als auch das multikriterielle Modell zu ähnlichen Ergebnissen kommen. Im Bereich des extrapolierten Trends zur Abnahme der Rebfläche (ca.17-50 % Abnahme), stimmen die beiden Methoden deutlich besser überein, als dies nach Zufall zu erwarten gewesen wäre. In einem Evaluations-Workshop attestierten die Winzer und die nicht-lokalen Experten der multikriteriellen Analyse eine bessere räumliche Auflösung, der kartenbasierten Befragung hingegen eine höhere Plausibilität. Beide Methoden schnitten aber deutlich besser als ein Zufallsmodell ab und sind somit für Prognosen der Landschaftsentwicklung geeignet. Diese Ergebnisse wurden zusätzlich mit Interviewdaten kombiniert und es zeigte sich, dass gewisse Weinberge möglicherweise umgenutzt werden, welche von den Winzern einen grossen kulturellen Wert zugeschrieben bekamen.

Abstract

Der massive Landnutzungswandel im Berggebiet beschäftigt Forschung und Praxis: Beispielsweise die Abnahme des Bergackerbaus im Münstertal um 90 % seit 1990 sowie dessen Förderung unter der neuen Schweizer Agrarpolitik seit 2014 oder die prognostizierte Abnahme der Rebflächen im Gebiet des Naturparks Pfyn-Finges um 17-51 % bis 2040 . Beide Untersuchungsgebiete in dieser Arbeit liegen innerhalb der Schweizer Alpen. Es stellt sich die Frage, ob diese Entwicklungen im Konflikt mit Anstrengungen zum Erhalt der Biodiversität, der Landschaftsästhetik oder auch des sozialen Gefüges stehen. Um hierzu einen Beitrag zu leisten, erforschten wir Methoden, welche helfen den Landnutzungswandel zu verstehen und zu prognostizieren. Anhand von real existierenden, aktuellen Themen wurde so ein methodischer Beitrag geleistet und gleichzeitig konnten interessante inhaltliche Ergebnisse produziert werden.
In dieser Arbeit wurden zwei Methoden erforscht, welche diese Entwicklung räumlich aufzeigen und prognostizieren sollen. Eine untersuchte Methode war, die Bewirtschafter ihre Einschätzung direkt auf Luftbildern einzeichnen zu lassen (partizipatives Kartieren). Eine zweite basierte auf einer multikriteriellen Analyse mit nicht-lokalen Experten. Diese Methoden sind räumlich explizit, zeigen also auf, an welchen Orten sich der Ackerbau, respektive Weinbau verändern wird. Sowohl im Münstertal als auch im Gebiet des Naturparks Pfyn-Finges wurden neben dem partizipativen Kartieren auch Interviews durchgeführt und ein Fragebogen verteilt. Damit konnte aufgezeigt werden wo ein Landnutzungswandel zu erwarten ist und wie dieser von den Bauern und Winzern wahrgenommen wird.
Doch können die Bewirtschafter den Landnutzungswandel überhaupt vorhersagen und wenn ja, mit welcher Genauigkeit? Und wie viele Teilnehmer bräuchte es für eine solche Vorhersage? Dieser Frage wurde in einer Fallstudie im Val Müstair nachgegangen. Dabei wurde nicht nur der Zustand unter der neuen Agrarpolitik erfragt, sondern auch wie denn der Zustand 1990 gewesen sei, also zu einer Zeit als es noch deutlich mehr Ackerbau gab. Diese von den Landwirten beigesteuerten Informationen wurden mit einem rekonstruierten Zustand von 1990 , sowie Beobachtungen aus den Jahren 2014 und 2015 verglichen. In der Umfrage wurden jeweils drei Massstäbe (1:5 000, 1:12 5000 und 1:25 000) verwendet.
Die Auswertung der Studie im Val Müstair zeigte, dass die Bewirtschafter den historischen Zustand genauer und kompletter als die Prognose einzeichnen konnten. Auch zeigte sich, dass dies auf der Skala mit dem grössten Detaillierungsgrad am besten ging. Durch die statistische Methode des Jackknifing konnte herausgefunden werden, mit wie vielen Teilnehmern im Durchschnitt ein ähnliches Resultat wie dasjenige der ganzen Gruppe erreicht worden wäre. Es zeigte sich, dass für die Erfassung des Zustands im Jahr 1990 auf der detailreichsten Skala 5 der 15 Landwirte und für die Prognose 9 der 15 Teilnehmer ausgereicht hätten. Auf der gröbsten Skala hätte man hingegen 7 und 11 Teilnehmer für den historischen, respektive den prognostischen Zustand, gebraucht. Demnach benötigen detailliertere Skalen weniger Teilnehmer für dieselbe Datenqualität und diese fällt grösser aus bei einem vergangenen Zustand als bei einer Prognose.
Aber wäre es nicht glaubwürdiger und genauer, man würde die Landschaftsentwicklung mit einem Modell vorhersagen? Die Fallstudie Pfyn-Finges diente der Beanwortung dieser Frage. Es wurden einerseits 33 Winzer mit der Methode der partizipativen Kartierung befragt und andererseits wurde mit 13 nicht lokalen Experten ein multikriterielles Modell erstellt. Für die Befragung wurden den Winzern folgende zwei Fragen gestellt: Erstens, welche Flächen werden in 25 Jahren nicht mehr Weinreben sein und zweitens, welche Flächen werden sicher noch Weinreben sein? Die Differenz dieser Meinungen ergab dann die Prognose. Für das multikriterielle Modell wurden Experten aus Forschung, Verwaltung und Privatwirtschaft gebeten, die wichtigsten Einflussfaktoren für die Umnutzung von Rebparzellen einzuschätzen. Diese Informationen wurden danach in einem Computerprogramm zusammengeführt und es wurde berechnet, mit welcher Wahrscheinlichkeit eine Fläche in25 Jahren noch weiter bewirtschaftet wird. 25 Jahre entspricht dabei ungefähr der Generation eines Rebstockes: Innerhalb von 25 Jahren wird eine Rebfläche also neu bepflanzt, was meist eine wichtige Entscheidung darstellt, da diese mit hohen Kosten verbunden ist.
Es zeigte sich, dass es Regionen gibt, in welchen sowohl das partizipative Kartieren als auch das multikriterielle Modell zu ähnlichen Ergebnissen kommen. Im Bereich des extrapolierten Trends zur Abnahme der Rebfläche (ca.17-50 % Abnahme), stimmen die beiden Methoden deutlich besser überein, als dies nach Zufall zu erwarten gewesen wäre. In einem Evaluations-Workshop attestierten die Winzer und die nicht-lokalen Experten der multikriteriellen Analyse eine bessere räumliche Auflösung, der kartenbasierten Befragung hingegen eine höhere Plausibilität. Beide Methoden schnitten aber deutlich besser als ein Zufallsmodell ab und sind somit für Prognosen der Landschaftsentwicklung geeignet. Diese Ergebnisse wurden zusätzlich mit Interviewdaten kombiniert und es zeigte sich, dass gewisse Weinberge möglicherweise umgenutzt werden, welche von den Winzern einen grossen kulturellen Wert zugeschrieben bekamen.

Statistics

Downloads

9 downloads since deposited on 14 Feb 2017
9 downloads since 12 months
Detailed statistics

Additional indexing

Item Type:Dissertation
Referees:Weibel Robert, Backhaus Norman, Laube Patrick, Haller Ruedi, Messmer Monika
Communities & Collections:07 Faculty of Science > Institute of Geography
Dewey Decimal Classification:910 Geography & travel
Language:English
Date:2016
Deposited On:14 Feb 2017 14:01
Last Modified:14 Feb 2017 18:25
Number of Pages:135
Free access at:Related URL. An embargo period may apply.
Related URLs:http://www.recherche-portal.ch/ZAD:default_scope:ebi01_prod010723698 (Library Catalogue)

Download

Preview Icon on Download
Preview
Content: Published Version
Filetype: PDF
Size: 16MB

TrendTerms

TrendTerms displays relevant terms of the abstract of this publication and related documents on a map. The terms and their relations were extracted from ZORA using word statistics. Their timelines are taken from ZORA as well. The bubble size of a term is proportional to the number of documents where the term occurs. Red, orange, yellow and green colors are used for terms that occur in the current document; red indicates high interlinkedness of a term with other terms, orange, yellow and green decreasing interlinkedness. Blue is used for terms that have a relation with the terms in this document, but occur in other documents.
You can navigate and zoom the map. Mouse-hovering a term displays its timeline, clicking it yields the associated documents.

Author Collaborations