Integration von Landnutzungs- und Landbedeckungsdaten für ein hochaufgelöstes Landschaftsmodell

Немецкий. Agrarlandschaften sind multifunktionale Räume, deren Management durch die Interessen von Landwirtschaft, Umweltschutz und Gesellschaft beeinflusst wird. Landschaftsmodelle als Grundlage für Prognosen und Entscheidungshilfesysteme zur Lenkung von Maßnahmen in der Agrarlandschaft basieren auf einer Vielzahl von Geodaten verschiedener Qualität und Verfügbarkeit. In diesem Beitrag stellen wir einen Workflow für die Generierung eines kohärenten, rasterbasierten Landschaftsmodells auf Basis heterogener Landnutzungs- und Landbedeckungsdaten vor. Anhand einer Agrarlandschaft im „Alten Land“ von 2 × 2 km2 Größe demonstrieren wir die Integration verschiedener Datenprodukte wie das Digitale Landschaftsmodell (ATKIS Basis-DLM), Daten des landwirtschaftlichen Meldesystems InVeKoS und dem Digitalen Zwilling Deutschland, einem LiDAR-basierten räumlichen Modell. Der entwickelte Workflow kombiniert die verwendeten Geodaten zu fünf thematischen Rastern mit einer Bodenauflösung von 20 cm. Aus den thematischen Rastern können angepasste Landschaftsmodelle und entsprechende Karten durch Überlagerung und anschließender Aggregation von Klassen generiert werden. Durch einen kohärenten Klassifizierungsschlüssel ist die Ansprache und Analyse einer hohen Zahl von Klassenkombinationen möglich. Der demonstrierte Ansatz ist insbesondere geeignet, um Gehölze, Saumstrukturen sowie Übergänge zwischen Nutzungen zu visualisieren und zu analysieren. Der Ansatz ist flexibel hinsichtlich der Integration weiterer oder alternativer Datensätze. Er unterstützt die raumbasierte ökologische Forschung, insbesondere durch die detaillierte Darstellung von Agrarlandschaften und deren nicht-produktiven Elementen. Durch die Zunahme immer hochauflösender domänenspezifischer Daten wächst der Bedarf an Integrationsmethoden, wie der hier dargestellten Methode, um mit bestverfügbaren Datengrundlagen den vielfältigen Herausforderungen der Agrarforschung zu begegnen.