Bachelorarbeit. Berechnungen und kartographische Gestaltung von Mischrasterkarten zum deutschen Gebäudebestand Detailinformation versus Datenschutz

Transkript

1 Hochschule für Technik und Wirtschaft Dresden Fakultät Geoinformation Bachelorstudiengang Geoinformation und Kartographie Bachelorarbeit Berechnungen und kartographische Gestaltung von Mischrasterkarten zum deutschen Gebäudebestand Detailinformation versus Datenschutz Eingereicht von Tramsen, Sebastian 08/062/ Gutachter: Prof. Dr.-Ing. Martina Müller, HTW Dresden 2. Gutachter: Dr. Martin Behnisch, IÖR Dresden Eingereicht am:

2 Danksagung An dieser Stelle danke ich dem Leibniz-Institut für ökologische Raumentwicklung (IÖR) Dresden, dem Forschungsbereich Monitoring der Siedlungs- und Freiraumentwicklung, dem Forschungsbereichsleiter Dr. Gotthard Meinel und vor allem meinem betrieblichen zugeordneten wissenschaftlichen Betreuer Dr. Martin Behnisch, der bis zum Ende mit Rat und Tat und guter Laune zur Seite stand! Außerdem einen großen Dank an Claudia Gedrange für die Hilfe bei der automatisierten Umsetzung. Markus Dießelmann danke ich für die Unterstützung bei der Quadtree Umsetzung und Manuel Burckhardt für die Aufbereitung der Daten. Meiner fachhochschulseitigen Betreuerin Prof. Dr.-Ing. Martina Müller gilt weiterer Dank. Dem Bundesamt für Kartographie und Geodäsie danke ich für die Bereitstellung der Daten, insbesondere des Datensatzes Hausumringe, ohne welchen die Bearbeitung der Thematik nicht möglich gewesen wäre.

3 Inhaltsverzeichnis 1 Einführung Motivation und Zielstellung Modus Operandi (Vorgehensweise) Grenzen bzw. Themen, die nicht behandelt werden Zielpublikum Überblick über Struktur der Thesis Grundlagen Deutscher Gebäudebestand Datenschutzproblematik INSPIRE Hierarchische Datenstrukturierung mittels Quadtrees Kartographische Darstellungsmethode der Rasterkarte Bezugsfläche für Dichtekarten Kartographische Umsetzung von Karten relativer Dichte Verwendete Software ColorBrewer ArcGIS ModelBuilder Bestehende Ansätze 25 4 Daten Hausumringe des BKG INSPIRE Raster IÖR Monitor Mischrasterkarte zum deutschen Gebäudebestand Automatisierte Berechnung eines Mischrasters Kartenentwurf Diskussion 43 7 Fazit und Ausblick Erreichte Ziele Zukünftige Einsatzgebiete und potentielle Datenbeispiele

4 Abkürzungsverzeichnis AGS ALK BIP BKG DFK ESDI ESRI Amtlicher Gemeindeschlüssel Automatisierte Liegenschaftskarte Bruttoinlandsprodukt Bundesamt für Kartographie und Geodäsie Digitale Flurkarte European Spatial Data Infrastructure Environmental Systems Research Institute ETRS89 European Terrestrial Reference System 1989 GDI-DE GIS GVHH Geodateninfrastruktur Deutschland Geoinformationssystem Gemeinschaft zur Verbreitung der Hauskoordinaten und Hausumringe INSPIRE Infrastructure for Spatial Information in the European Community

5 1 Einführung 1 1 Einführung 1.1 Motivation und Zielstellung Die kartographische Visualisierung von Daten in diesem Bezug meist statistische Daten, vorwiegend erhoben von statistischen Ämtern ist bereits seit Jahrzenten ein Aufgabengebiet der Thematischen Kartographie. Eduard Imhof beschäftigte sich Anfang der 1970er Jahre ausführlich mit der technischen Umsetzung via Dichtemosaiken bzw. Flächenkartogrammen. In der Gegenwart ist der Wunsch nach immer ausführlicheren und vollständigeren Datensätzen soweit vorangetrieben worden, dass der Detailgrad in Bereiche vorstößt, indem das einzelne Individuum darstellbar wird. Hier tritt die Frage des Datenschutzes auf. Dieser Zwiespalt führt zur Aufgabenstellung der optimalen Kombination zur Erhaltung des bestmöglichen Detailgrads bei gleichzeitigem Einhalten der gesetzlichen Rahmenbedingungen beim Thema personengebundener Datenschutz. Vor diesem Hintergrund gilt es eine Methodik zu entwerfen, die Daten wenn nötig soweit aggregiert, bis der Datenschutz gegeben ist. Es stellt sich die Frage, wie sich hochauflösende Datensätze kombiniert mit der Darstellungsmethodik der Kartogramme unter zusätzlicher Berücksichtigung des Datenschutzes aufbereiten lassen. Zur Beantwortung dieser Frage wurde für die vorliegende Ausarbeitung folgende Hypothese aufgestellt: Hypothese: «Es lässt sich ein Algorithmus entwickeln, der zur Aggregation von Daten geeignet ist und mit der Kartogrammmethode eine geeignete Visualisierung hinsichtlich kartographischer Gestaltungsregeln realisiert, die inhaltlich eine möglichst hochauflösende Wiedergabe sensibler Daten unter Berücksichtigung des Datenschutzes ermöglicht.» 1.2 Modus Operandi (Vorgehensweise) Am Beispiel des Datensatzes Hausumringe Deutschland vom Bundesamt für Kartographie und Geodäsie (BKG) soll die kartographische Visualisierung mittels Rasterkarten angewandt und in dem Sinne erweitert werden, dass die Starrheit eines Raster mit durchgängig gleich großer Maschenweite gebrochen wird, indem eine variable Rastergröße ermöglicht wird. Hintergrund dazu ist die Aggregation von Attributwerten bis

6 1 Einführung 2 ein gewünschter Schwellwert gegeben ist. Hierzu muss der Datensatz an sich geprüft und darauf mit der Datenschutzproblematik konfrontiert werden, indem ein Schwellwert Gebäudeanzahl pro Rasterzelle vorgegeben wird. Dafür muss hinterfragt werden, wie sich ein geeigneter Schwellwert finden lässt. Die Umsetzung der Aggregation soll in einem Geoinformationssystem (GIS) und nach dem Prinzip der Quadtrees erfolgen. Der Wunsch der internationalen Interoperabilität wird berücksichtigt, indem das von Inspire europaweit vorgeschlagene Raster mit entsprechenden Rasterweiten und Koordinatenreferenzsystem genutzt wird. Zur Visualisierung werden kartographische Gestaltungsregeln als Grundlage berücksichtigt und erweitert, damit die entstehenden Mischrasterkarten genehm dargestellt werden. 1.3 Grenzen bzw. Themen, die nicht behandelt werden Der gegebene Zeitraum von 12 Wochen erlaubt nur einen limitierten Einblick in das Thema. Um erstens dem Zeitrahmen gerecht zu werden und zweitens die Verständlichkeit zu gewährleisten, wurden folgende Grenzen gesetzt: Das Hauptziel dieser Ausarbeitung besteht darin, einen theoretischen Ansatz und eine Methodik für die Generierung und Gestaltung von Mischrasterkarten zu entwerfen. Aus diesem Grunde wird kein kompletter Kartenentwurf in Form eines Redaktionsplanes erstellt. Die visualisierten Karten dienen dem Zweck, die entwickelte Methodik an einem Beispieldatensatz aufzuzeigen und greifbar/vorstellbar zu machen. Der Datensatz Hausumringe Deutschland bietet einen interessanten Ansatz, um für das Thema der Ausarbeitung einen Realitätsbezug herzustellen. Es gibt natürlich Daten, die auf die Datenschutzproblematik wesentlich sensibler reagieren (z.b. Einwohnerdaten, Einkommensdaten). Würde der Datensatz Hausumringe mit einer zusätzlichen datenschutzrechtlich interessanten Thematik attributiert werden (z.b. Immobilienwert, Anzahl Mieter, Energieverbrauch), könnten künftig noch wesentlich interessantere Konstellationen Beachtung finden. Die Problematik Datenschutz greift in der Regel nur bei hoch aufgelösten Daten. Ein 10 km oder größeres Gitternetz als Grundnetz hätte die Generierung einer Mischrasterkarte für Gesamtdeutschland möglich gemacht, die Problematik würde

7 1 Einführung 3 in diesen Maßstäben aber nicht mehr auftreten. Auf Grund dessen wurde das 1 km Gitternetz als Grundnetz gewählt. Zur Folge hat sich der Bearbeiter auf eine kleinere Region als Deutschland beschränkt, damit die Informationsdichte für einen DIN A4 gerechten Maßstab nicht das Darstellbare übersteigt. Der Ansatz der Aggregation mittels des Quadtree Prinzips entspricht der am leichtesten realisierbaren Lösung. Die Starrheit des Algorithmus kann in Zukunft überwunden werden, in dem er optimiert oder durch einen diffizileren Algorithmus ausgetauscht wird. Denkbar wären als Beispiel R-trees. Die Automatisierung der Generierung einer Mischrasterkarte wird mit Hilfe des ArcGIS ModelBuilders umgesetzt und bietet die Möglichkeit der Umwandlung in ein entsprechendes Skript. Weiterhin beschränkt sich die Automatisierung auf den Umgang mit Rasterdaten, nicht mit Vektordaten. 1.4 Zielpublikum Als Zielpublikum werden vor allem die Urheber von Daten gesehen, die bei der Bereitstellung ihrer Produkte in kartographisch visualisierte Form den besten Kompromiss aus möglichst hoher Informationsdichte mit gleichzeitigem Einhalten des Datenschutzes suchen. Die Methodik der Darstellung von relativen Werten mit Raumbezug auf ein (Misch-) Rasternetz ermöglicht Dichteverteilungen zuverlässig darzustellen. Das ist interessant für das Forschungsumfeld der Raumbeobachtung und -planung. Weiter ist es eine zuverlässige Methode für die Entscheidungsebenen, staatlich sowie privat. Denkenswert ist dieses Prinzip auch für die Datenverwaltung und Institutionen der amtlichen Statistik in Deutschland. Langfristig entstehen sicherlich auch aufgrund der Inspire Richtlinie Möglichkeiten von länderübergreifenden Analysen. 1.5 Überblick über Struktur der Thesis Einleitend werden in Kapitel zwei die Grundlagen aller verwendeten Methodiken und die nötigen Definitionen genannt, auf die dann im folgenden Verlauf der Ausarbeitung Bezug genommen werden kann. Kapitel drei beinhaltet die Untersuchung des State of the Art in der Wissenschaft zur Thematik und die Erläuterung wichtiger Personen und Quellen. Das vierte Kapitel geht auf die genutzten Daten ein; somit ihre Herkunft,

8 2 Grundlagen 4 technischen Details und Nutzen im Zusammenhang mit der Thematik. Folgend wird in Kapitel fünf auf die Aggregation mittels dem Quadtree-Algorithmus und dessen Implementierung eingegangen. Weiter wird ein Kartenentwurf ausgearbeitet. Abschließend enthält Kapitel sechs die Diskussion der angewandten Methoden und der aufgestellten Hypothesen und Regeln. Im letzten Kapitel wird ein Fazit gezogen und versucht, perspektivisch zukünftige Optimierungen und Nutzmöglichkeiten zu nennen. 2 Grundlagen 2.1 Deutscher Gebäudebestand Dieses Kapitel soll mögliche zukünftige Thematiken aufzeigen, die in Verbindung mit dem Datensatz Hausumringe deutlicher darstellbar werden. Die in dieser Ausarbeitung erstellten Mischrasterkarten können als Basis für thematisch spezialisierte Karten dienen. Beispielhaft werden zwei thematische Karten erstellt, die als Grundlage Indikatoren aus dem IÖR (Leibniz Institut für ökologische Raumentwicklung Dresden) Monitor haben. Weiter soll dieses Kapitel aufzeigen, wie wichtig die Existenz von vollständigen und differenzierten Bestandsdaten zum deutschen Gebäudebestand ist. Abbildung 1: Reale Bauinvestitionen in Millionen Euro der fünf größten Länder in der EU (Quelle: [BBSR 2010, S. 2])

9 2 Grundlagen 5 Die immer wichtiger werdende Aufgabe des umweltbewussten Umgangs mit unserem Ökosystem fordert mittlerweile in vielen Bereichen des Alltags eine Analyse der Denkweisen, der Planung, der tatsächlichen Umsetzung und der Nachhaltigkeit uns vertrauter Prozesse. Es liegt nahe, dass die Bereiche mit dem auffälligsten bzw. höchsten Verbrauch an Ressourcen in dieser Hinsicht zuerst in den Mittelpunkt geraten. Laut Wallbaum und Kummer [Wallbaum, Kummer 2006, S. 19] besteht der Anteil an natürlich genutzten Ressourcen pro Kopf in Deutschland zu ca. 30 % aus «der Art, wie Menschen heute noch bauen und wohnen». Der Sektor Haushalte machte im Jahr 2009 mit 28,5 % über ein Viertel vom Anteil am Endenergieverbrauch in Deutschland aus [AGEB 2011]. In der Unterrichtung Bericht über die Wohnungs- und Immobilienwirtschaft in Deutschland der Bundesregierung Deutschland ist geschrieben, dass die Verringerung des CO2-Ausstoßes eines der «vorrangigen Ziele» sein muss und dass damit dem Gebäudebereich mit an einem Anteil von 20 % an der CO2-Emmission eine «Schlüsselrolle» zufällt [Bundesregierung 2009, S. 9]. Diese Zahlen verdeutlichen die Wichtigkeit, den Gebäudebestand in Verbindung mit umweltbewusstem Denken zu behandeln. Abbildung 2: Ausgewählte Strukturdaten für das Baugewerbe (Durchschnitt der Jahre ) (Quelle: [BBSR 2010, S. 8]) Ein weiterer Punkt, der die Wichtigkeit des Wissens über den deutschen Gebäudebestand verdeutlicht, ist der wirtschaftliche Faktor. Abbildung 1 zeigt, das Deutschland im Jahr 2009 über Millionen Euro reale Bauinvestition betrieben hat und seit 15 Jahren in dieser Sparte europaweit führend ist. Daraus ergibt sich, dass in den Jahren 1995 bis 2009 in Deutschland der Anteil Bauinvestition am Bruttoinlandsprodukt (BIP) im Schnitt bei 11 % lag [BBSR 2010, S. 6]. Im Jahre 2001 betrug das deutsche volkswirtschaftliche Vermögen knapp 9 Billionen Euro, wovon allein Gebäude knapp

10 2 Grundlagen 6 5,5 Billionen Euro ausmachten [destatis, Deutsche Bundesbank 2010, S. 6]. Das Baugewerbe ist natürlich auch einer der größten Arbeitgeber. Abbildung 2 zeigt, das im Zeitraum der Jahre 1999 bis 2007 in Deutschland durchschnittlich knapp 1,8 Millionen Beschäftigte im Sektor Baugewerbe angestellt waren und dass es über Betriebe gab. Weitere Thematiken sind auch vor dem Hintergrund der nachhaltigen Entwicklung im Bezug auf den Gebäudebestand unter anderem Energie- und Stoffströme, Kosten und Emissionsbelastung. Die oben genannten Thematiken zeigen die mögliche Vielfältigkeit der Untersuchungsaspekte auf. Um diese jedoch mit dem Datensatz Hausumringe analysieren und visualisieren zu können, muss dieser genauer attributiert werden. Es bedarf der flächendeckenden Attributierung zu Gebäudenutzung, Baujahr, Bauzustand und anderes. Dies ist eine große Herausforderung und schränkt die umfassende Analyse und Visualisierung bzw. Ergebnispräsentation ein. Das hier vorgestellte Prinzip der Mischrasterkarten kann dazu motivieren, hoch aufgelöste Datensätze zu veröffentlichen, ohne dabei den Datenschutz zu verletzen. Besonders von Vorteil ist die Verwendung beliebiger Aggregationsstufen für die Aufbereitung der Rohdaten. 2.2 Datenschutzproblematik Die statistischen Ämter des Bundes und der Länder veröffentlichen jährlich eine Vielzahl von Daten zu Wirtschaft, Umwelt, Bevölkerung und andere. Diese liegen jedoch in der Regel nur in Tabellenform vor oder werden als einfache Flächenkartogramme mit administrativen Bezugsflächen bzw. mit Baublöcken als kleinste räumliche Bezugseinheit veröffentlicht. Siehe dazu: (1) Bundesstatistiken werden auf der Grundlage von Erhebungs- und Hilfsmerkmalen erstellt. Erhebungsmerkmale umfassen Angaben über persönliche und sachliche Verhältnisse, die zur statistischen Verwendung bestimmt sind. Hilfsmerkmale sind Angaben, die der technischen Durchführung von Bundesstatistiken dienen. Für andere Zwecke dürfen sie nur verwendet werden, soweit Absatz 2 oder ein sonstiges Gesetz es zulassen. (2) Der Name der Gemeinde und die Blockseite dürfen für die regionale Zuordnung der Erhebungsmerkmale genutzt werden. Die übrigen Teile der Anschrift dürfen für

11 2 Grundlagen 7 die Zuordnung zu Blockseiten für einen Zeitraum bis zu vier Jahren nach Abschluß der jeweiligen Erhebung genutzt werden. Besondere Regelungen in einer eine Bundesstatistik anordnenden Rechtsvorschrift bleiben unberührt. (3) Blockseite ist innerhalb eines Gemeindegebiets die Seite mit gleicher Straßenbezeichnung von der durch Straßeneinmündungen oder vergleichbare Begrenzungen umschlossenen Fläche. [Bundesregierung 2007, 10] Mit dem Datensatz Hausumringe Deutschland ergibt sich die Möglichkeit, eine Verbindung mit diesen Daten herzustellen und großflächig, hochauflösend kartographisch zu visualisieren. Voraussetzung dazu wäre, dass Erhebungs und Berechnungsergebnisse der statistischen Ämter einen Raumbezug in Form der Adresse haben. Hier tritt jedoch die Gesetzgebung zum Datenschutz in Kraft. Erstens wurden die in Tabellen gelieferten Daten bereits mittels Tabellengeheimhaltung den Datenschutzbestimmungen angepasst und zweitens ist es in Deutschland wegen den gesetzlichen Bestimmungen nicht erlaubt, Adressdaten dauerhaft zu speichern. Siehe dazu im Bundesstatistikgesetz: Die Merkmale nach Absatz 2 Satz 1 und die Kennummern nach Absatz 2 Satz 2 sowie die Kennummern in den Datensätzen mit den Erhebungsmerkmalen der Erhebungseinheiten werden jeweils gelöscht, sobald sie für die in Absatz 1 genannten Zwecke nicht mehr benötigt werden. [Bundesregierung 2007, 13, Abs. 4] Weiterhin tritt in Kombination mit dem hochauflösenden Datensatz Hausumringe die Problematik vom personenbezogenen Datenschutz auf. Ein Individuum oder Haushalt bzw. ein Merkmal zu ihm darf nicht klar identifizierbar bzw. ersichtlich sein [RatSWD 2011, S. 35]. Siehe dazu im Bundesstatistikgesetz: Einzelangaben über persönliche und sachliche Verhältnisse, die für eine Bundesstatistik gemacht werden, sind von den Amtsträgern und für den öffentlichen Dienst besonders Verpflichteten, die mit der Durchführung von Bundesstatistiken betraut sind, geheimzuhalten, soweit durch besondere Rechtsvorschrift nichts anderes bestimmt ist. Dies gilt nicht für 1. Einzelangaben, in deren Übermittlung oder Veröffentlichung der Befragte schriftlich eingewilligt hat,

12 2 Grundlagen 8 2. Einzelangaben aus allgemein zugänglichen Quellen, wenn sie sich auf die in 15 Abs. 1 genannten öffentlichen Stellen beziehen, auch soweit eine Auskunftspflicht aufgrund einer eine Bundesstatistik anordnenden Rechtsvorschrift besteht, 3. Einzelangaben, die vom Statistischen Bundesamt oder den statistischen Ämtern der Länder mit den Einzelangaben anderer Befragter zusammengefaßt und in statistischen Ergebnissen dargestellt sind, 4. Einzelangaben, wenn sie dem Befragten oder Betroffenen nicht zuzuordnen sind. [Bundesregierung 2007, 16, Abs. 1] Punkt 3 wird bei Ausgabe von statistischen Daten wie bereits erwähnt durch die später genauer erläuterte Tabellengeheimhaltung erfüllt. Der Datenschutz muss aber auch beim Datensatz Hausumringe (eventuell kombiniert und gefüllt mit statistischen Daten, die einen Raumbezug haben) erfüllt werden, mit welchem in dieser Ausarbeitung die Anzahl von Gebäude auf ein maximales Raster von 1 km abgebildet werden sollen. Damit hier keine einzelne Bebauung identifizierbar ist, muss ein Schwellwert von Mindestgebäudeanzahl pro Rasterzelle festgelegt werden. Wird dieser unterschritten, ist zu aggregieren. Letzteres hat bereits Szibalski [Szibalski 2005] indirekt beschrieben, indem er eine «Filterung» vorgeschlagen hat. Weiterhin unterstützt seine These die Nutzung von Rasterkarten, da eine Visualisierung von Punktdaten aus kartographischen Gründen unvorteilhaft und gesetzlich nonkonform ist. Dem Statistischen Amt sind die Vorteile der Abbildung von statistischen Daten auf ein Raster bekannt und für die Zukunft ist eine Umsetzung geplant [Schnorr-Bäcker 2010, S. 773]. Nach einer Umfrage vom Statistischen Bundesamt Ende 2006 nutzen in Europa neun Staaten Zensus- und Unternehmensdaten «für räumliche Analysen auf der Basis von Adresskoordinaten oder geographischen Gittern» [Szibalski 2007, S. 141]. Um auch dem Datenschutz bei der Rasterabbildung gerecht zu werden, plant das Statistische Bundesamt, Adressen mit Raumbezug zu verbinden, diese dann mit einem Gitternetz zu verschneiden und darauf nur die Kennziffer der Gitterzelle abzuspeichern» [Szibalski 2007, S. 138]. Siehe dazu Abbildung 3.

13 2 Grundlagen 9 Abbildung 3: Schematische Darstellung des Konzeptes zur Georeferenzierung und Speicherung von Zensusdaten (Quelle: [Szibalski 2007, S. 138]) Eine Zellenweite wird nicht genannt. Für eine Veröffentlichung sind diese auf Gitterzellen bezogenen Daten aber nicht zulässig und müssen daher vorweg anonymisiert werden. Siehe dazu: Anonymisieren ist das Verändern personenbezogener Daten derart, dass die Einzelangaben über persönliche oder sachliche Verhältnisse nicht mehr oder nur mit einem unverhältnismäßig großen Aufwand an Zeit, Kosten und Arbeitskraft einer bestimmten oder bestimmbaren natürlichen Person zugeordnet werden können. [Bundesregierung , 3, Abs. 6] Es ist gesetzlich allerdings nicht festgelegt, wie viele Personen (-daten) zu einer Gruppe zusammengefasst werden müssen, damit der Datenschutz gewahrt bleibt. Genau die-

14 2 Grundlagen 10 ser Schwellwert ist aber interessant für die Aggregation von Einzelobjekten in einem gewissen Raumgefüge bis zu dem Punkt, bis eine ausreichende Anonymisierung stattgefunden hat, da dies der Grundgedanke der Anwendung des Quadtrees in Kombination mit Rasternetzen ist. Die Methoden der Tabellengeheimhaltung wie sie in der deutschen Statistik genutzt werden können prinzipiell auch hier angewandt werden. Diese sieht zwei Schritte vor [Giessing/Dittrich 2006, S.806]. Im ersten (Primäre Geheimhaltung) werden in Tabellen mit statistischen Daten die Zellen darauf hin untersucht, ob ihre Information zur Indentifikation einer Person führen kann. Ist dies der Fall, wird die Zelle gesperrt. Im zweiten Schritt (Sekundäre Geheimhaltung) wird geprüft und sichergestellt, dass die Sperrung einer Zelle durch Differenzbildung oder anderes nicht aufgedeckt werden kann. Abbildung 4: Verfahren zur Gewährleistung der statistischen Geheimhaltung in Rasterkarten (Quelle: [Szibalski 2007, S. 142]) Diese Methodik gibt aber trotzdem noch keine Auskunft, wenn ein konkreter Aggregationsschwellwert gefragt ist. Als Lösungsansatz wird wieder der Vergleich zu anderen

15 2 Grundlagen 11 europäischen Staaten gezogen, die bereits Schwellwerte für ihre Rasterkarten festgelegt haben. Verwiesen werden soll an dieser Stelle auf die im Jahr 2006 durchgeführte Umfrage des Statistischen Bundesamtes. Aus der Abbildung 4 eine Ergebniszusammenfassung der Umfrage geht hervor, dass in der Schweiz ein Schwellwert von vier Objekten/Erhebungseinheiten auf eine Rasterzelle von 100 x 100 m festgelegt wurde. In Österreich beträgt der Schwellwert bei Gebäude- und Wohnungsmerkmalen vier Objekte auf eine Rasterzelle von 250 x 250 m. Letzterer Wert ist im Bezug mit dem Datensatz Hausumringe Deutschland besonders interessant und wird als Referenz für die Schwellwertfestlegung in dieser Ausarbeitung gewählt. 2.3 INSPIRE Mit dem Ziel eine europaweit homogene Geodateninfrastruktur aufzubauen ist am 15. Mai 2007 die Richtlinie 2007/2/EG des Europäischen Parlaments und des Rates in Kraft getreten. Sie wurde Infrastructure for Spatial Information in Europe kurz INSPIRE benannt und soll»für die Zwecke der gemeinschaftlichen Umweltpolitik sowie anderer politischer Maßnahmen oder sonstiger Tätigkeiten, die Auswirkungen auf die Umwelt haben können«dienen [INSPIRE 2007, Kap. 1 Art. 1]. Die Basis bildet die European Spatial Data Infrastructure (ESDI). In Deutschland ist das für die Umsetzung zuständige Organ die Geodateninfrastruktur Deutschland (GDI-DE) [RatSWD 2011, S. 23]. Die Umsetzung der Richtlinie durch die EU-Staaten muss innerhalb von zwei Jahren erfolgen. Mit der Absicht die grenzübergreifende Nutzung von Geodaten europaweit zu erleichtern, wurden den europäischen Mitgliedsstaaten Durchführungsbestimmungen auferlegt, die nach einem Zeitplan abgearbeitet werden müssen (siehe Abbildung 5). Insgesamt sind fünf Bestimmungen definiert: Metadaten: Metadaten dienen zur Beschreibung der Geodaten und Geodatendienste. Sie sollen das Lokalisieren dieser in der Geodateninfrastruktur ermöglichen. Weiterhin geben sie Auskunft über die Zugangsbedingungen, Qualität und Gültigkeit und die zuständige Behörde, die für die Schaffung, Verwaltung, Erhaltung und Verbreitung zuständig ist [INSPIRE 2007, Kap. 2]. Da die Metadaten eine Art Schnittstelle bilden, muss eine einheitliche Strukturierung dieser Daten erfolgen. Damit ist ein grenzübergreifender Mehrwert vorhanden. All dies stellt die

16 2 Grundlagen 12 Inspire-Verordnung hinsichtlich Metadaten sicher, die am in Kraft getreten ist. Interoperabilität von Geodatensätzen und Diensten: Der Abschnitt [INSPIRE 2007, Kap. 3] dient zur Spezifizierung der Datenmodelle, die in den Anhängen der Richtlinie 2007/2/EG definiert werden (siehe Tabelle 1). Als Basis der Spezifizierung dienen die Durchführungsbestimmungen. Sie regeln «technische Modalitäten für die Interoperabilität und, wenn durchführbar, die Harmonisierung von Geodatensätzen und -diensten [...]». Weiterhin legt [INSPIRE 2007, Kap. 3, Art. 8] Aspekte in Bezug auf Geodaten fest. Diese umfassen eine vereinheitlichte eindeutige Identifikation, die Beziehung zwischen Geo-Objekten, Schlüsselmerkmale und mehrsprachige Attributierung bei politisch relevanten Objekten und Details über die Zeit und die Aktualisierung. Die konkrete technische Umsetzung von Themen der Geodaten aus den Anhängen wird detailliert in den Inspire Technical Guidelines beschrieben. Diese existieren bis jetzt nur für Anhang 1 und befinden sich für Anhang 2 und 3 in Bearbeitung. Die geplante Verabschiedung ist der Gemäß Verordnung sind bis alle Geodatensätze zu den Themen des Anhangs 1 und bis alle Geodatensätze zu den Themen des Anhangs 2 und 3 bereitzustellen. Netzdienste: Der rein technisch funktionale Hintergrund der Inspire-Richtlinie wird in [INSPIRE 2007, Kap. 4] festgelegt. Es werden fünf Dienste genannt, die die Mitgliedsstaaten zur Verfügung stellen müssen und die die Infrastruktur für das Angebot der Geodatensätze und -dienste bilden. Diese Dienste bestehen erstens aus Suchdiensten, die auf die Metadaten zurückgreifen und diese zum Suchen nutzen und zudem die Möglichkeit bieten müssen, die Metadaten an sich aufzulisten. Zweitens muss ein Darstellungsdienst vorhanden sein, der das Darstellen, Verschieben (Panen), Zoomen und Überlagern von Geodaten ermöglicht. Zudem müssen eine Legende und weitere Metadaten darstellbar sein. Letztere beide Dienste müssen der Öffentlichkeit kostenlos zur Verfügung gestellt werden. Nur im Fall hoher Wartungskosten und hoher Aktualitätshaltung darf eine Behörde für den Darstellungsdienst eine Gebühr veranlagen. Drittens muss ein Download- Dienst vorhanden sein, der das Herunterladen von Geodaten oder Teile dieser möglich macht. Viertens muss ein Transformationsdienst angeboten werden, mit

17 2 Grundlagen 13 dem Geodaten in verschiedene Koordinatenreferenzsysteme transformiert werden können. Daraus resultiert eine höhere Interoperabilität zum Nutzen der Geodaten. Fünftens und letztens muss ein Dienst zum Abrufen von Geodatendiensten den Zugang zu Geodaten per Netz (Internet) ermöglichen. Den Mitgliedsstaaten ist es erlaubt, den Zugang zu Geodaten und -Geodatendiensten zu beschränken, wenn dieser «Zugang auf die internationalen Beziehungen, die öffentliche Sicherheit, oder die nationale Verteidigung nachteilige Auswirkungen hätte» [INSPIRE 2007, Kap. 4, Art. 13]. Weiterhin müssen gesetzliche Gegebenheiten wie der Datenschutz von personenbezogenen Daten gewahrt sein. Für die konkrete technische Umsetzung der Dienste sind detaillierte Technical Guidelines auf dem Geo-Portal von Inspire vorhanden. Die Verordnung zu Netzdiensten ist am in Kraft getreten, eine weitere Abänderung dieser wurde am initiiert. Gemeinsame Nutzung von Daten: In Verbindung mit der Nutzung von Geodatensätzen und -diensten tritt die Frage der Nutzungsrechte in den Vordergrund, diese wird in der Verordnung [INSPIRE 2007, Kap. 5] erläutert. Die EU Mitgliedsstaaten sind dazu verpflichtet Maßnahmen zu ergreifen, um den gemeinsamen Nutzen der angebotenen Geodaten zu ermöglichen. Ziel ist es, die «Wahrnehmung öffentlicher Aufgaben, die Auswirkungen auf die Umwelt haben können, auszutauschen und zu nutzen» [INSPIRE 2007, Kap. 5, Art. 17]. Die jeweils zuständige Behörde eines Mitgliedsstaates hat die Option, Lizenzen an «Behörden oder Organe und Einrichtungen der Gemeinschaft» auszustellen. Das Inspire Dokument Technical Guidelines mit dem Namen Guidance on the Regulation on access to spatial data sets and services of the Member States by Community institutions and bodies under harmonised conditions enthält genauere Durchführungsbestimmungen. Des Weiteren gibt das Inspire Dokument Good practice in data and service sharing zusätzliche Ratschläge zum Geodata Sharing. Die Verordnung zur Durchführung der Richtlinie 2007/2/EG des Europäischen Parlaments und des Rates in Bezug auf den Zugang der Organe und Einrichtungen der Gemeinschaft zu Geodatensätzen und -diensten der Mitgliedstaaten nach harmonisierten Bedingungen ist am in Kraft getreten. Überwachung und Berichterstattung: Abschließend wird in den Schlussbestimmungen ([INSPIRE 2007, Kap. 7]) festgelegt, dass die Mitgliedsstaaten den Aufbau

18 2 Grundlagen 14 und den Nutzen ihrer Geodateninfrastruktur überwachen und ab dem jährlich einen Bericht veröffentlichen müssen, der den Fortschritt der Umsetzung der Inspire Richtlinien anhand mehrerer Indikatoren aufzeigt. Die Durchführungsbestimmungen bezüglich der Überwachung und Berichterstattung sind am in Kraft getreten. Geodaten-Themen Anhang 1 Koordinatenreferenzsysteme, Geografische Gittersysteme, Geografische Bezeichnungen, Verwaltungseinheiten, Adressen, Flurstücke/Grundstücke (Katasterparzellen), Verkehrsnetz, Gewässernetz, Schutzgebiete Anhang 2 Höhe, Bodenbedeckung, Orthofotografie, Geologie Anhang 3 Statistische Einheiten, Gebäude, Boden, Bodennutzung, Gesundheit und Sicherheit, Versorgungswirtschaft und staatliche Dienste, Umweltüberwachung, Produktions- und Industrieanlagen, Landwirtschaftliche Anlagen und Aquakulturanlagen, Verteilung der Bevölkerung Demografie, Bewirtschaffungsgebiete/Schutzgebiete/geregelte Gebiete und Berichterstattungseinheiten, Gebiete mit naturbedingten Risiken, Atmosphärische Bedingungen, Meteorologisch-geografische Kennwerte, Ozeanografisch-geografische Kennwerte, Meeresregionen, Biogeografische Regionen, Lebensräume und Biotope, Verteilung der Arten, Energiequellen, Mineralische Bodenschätze Tabelle 1: Anhänge mit zugehörigen Geodaten-Themen der Richtlinie 2007/2/EG (Quelle: [INSPIRE 2007, Anhang I - III])

19 2 Grundlagen 15 Abbildung 5: Zeitplan für die Umsetzung von Inspire (Quelle: GDI-DE 2010, Jan Grohmann, Internet: ( )) 2.4 Hierarchische Datenstrukturierung mittels Quadtrees Hierarchische Datenstrukturierung ist eine renommierte Methode, um Rechenoperationen effizienter und perfomanter zu machen. Beispiele dafür sind Geodatenbanken wie Oracle Spatial oder Wegfindungsalgorithmen in der Robotik. Weiterhin werden sie genutzt, um Speicherbedarf zu reduzieren. Ein Beispiel dafür ist die Rasterdatenverarbeitung bei der kartographischen Generalisierung [Hake et al. 2002, S. 161]. Das Grundprinzip hierarchischer Datenstrukturierung ist die rekursive Zerlegung hier bezogen auf einen zwei- oder dreidimensionalen Raum [Samet 1988, S. 1]. Dieser Raum ist gefüllt mit Objekten, die es gilt hierarchisch zu ordnen. Solche Objekte können Geoobjekte wie in Geodatenbanken oder aber auch einzelne Grauwertpixel eines Rasterbildes sein. Eine Übersicht wichtiger und bekannter Algorithmen zur Aufgabenstellung der hierarchischen Strukturierung gibt Abbildung 6. Der für diese Ausarbeitung relevante

20 2 Grundlagen 16 Quadtree-Algorithmus wird nachfolgend detailiert beschrieben. Abbildung 6: Übersicht bekannter Algorithmen zur hierarchischen Datenstrukturierung (Quelle: Eigene Abbildung, vergleiche [Noske 2004, S. 7]) Quadtrees werden genutzt, um Punktdaten, Regionen, Kurven, Oberflächen und Körper hierarchisch strukturiert zu beschreiben, in dem der Raum rekursiv zerlegt wird. Laut [Samet 1988, S. 2] können Quadtrees unterschieden werden nach 1. dem Datentyp, den sie repräsentieren (siehe oben) 2. dem Prinzip der Zerlegung des Raumes: Der Raum kann entweder in gleich große (und immer kleiner werdende) Teile zerlegt (z.b. Region Quadtree, siehe Abbildung 7) oder die Zerlegung kann durch ein Objekt an sich ausgelöst werden (z.b. Point Quadtree, siehe Abbildung 8). 3. der Auflösung bzw. Tiefe der Zerlegung des Raumes: Der Grad bzw. die Tiefe der Zerlegung kann manuell («Teile so lange, bis gewünschte Anzahl von Zerlegungen erreicht») oder automatisch durch die Objektanzahl («Teile so lange, bis jedes Objekt berücksichtigt») bestimmt werden.

21 2 Grundlagen 17 Abbildung 7: Quadtree Zerlegung des Raumes mittels Region Quadtree [Noske 2004, S. 7] Abbildung 8: Quadtree Zerlegung des Raumes mittels Point Quadtree [Noske 2004, S. 7] Der für diese Ausarbeitung genutzte Region Quadtree soll hier weiter beschrieben werden. Er arbeitet nach dem Prinzip der Zerlegung des Raumes (2D-Raum bzw. Fläche bzw. Region) in vier immer gleich große kleinere Räume (Quadranten). Dies geschieht so lange bis ein Quadrant entweder ein oder kein Objekt enthält. Weiterhin kann man eine Mindestanzahl an Objekten bzw. einen Schwellwert festlegen, den ein Quadrant enthalten soll. Das Ergebnis des Region Quadtree ist ein zerlegter Raum mit unterschiedlich großen Quadranten. Diese variable Auflösung wird in dieser Ausarbeitung dem Begriff Mischraster gleichgesetzt. Als Voraussetzung müssen diese Rasterstrukturen immer quadratisch sein. Weiterhin verläuft die Quadtree-Bildung des in dieser Ausarbeitung genutzten Algorithmus nach dem Bottom-Up Prinzip. Das heißt, dass die Quadtree-Bildung in der am höchsten aufgelösten Ebene beginnt und durch Nachbarschaftslokalisation ausgehend von den Rastermatrix-Knoten den Raum ag-

22 2 Grundlagen 18 gregiert. Die am höchsten aufgelöste Ebene muss hier eine Matrix mit x- und y-achse von Rasterzellen sein, z.b. eine binäre Bilddatei. Zu beachten ist, dass die Zeilen- und Spaltenanzahl der Rastermatrix gerade sein muss, damit es nicht zu Restbildung an den Rändern der Rastermatrix kommt, da der in dieser Ausarbeitung genutzte Algorithmus sozusagen eine starre 4 x 4-Suchmatrix über die Ausgangsrastermatrix schiebt und nur jeder zweite Knoten horizontal wie vertikal betrachtet wird. Dies ist eine Limitation, die nur der leichteren Umsetzung dient. Soll ein dreidimensionaler Raum ähnlich dem Region Quadtree-Algorithmus zerlegt werden, ist die Vorgehensweise analog. Das Ergebnis ist ein Octree. Ausgehend von einem Kubus wird der 3D-Raum rekursiv in acht gleich große kleinere Kuben zerlegt, die so genannten Octants [Samet 1988, S. 2]. Dies erfolgt wieder so lange, bis entweder ein oder kein Objekt enthalten oder bis ein gewünschter Schwellwert von Objekten pro Kubus erreicht ist. Ein weiterer Quadtree-Algorithmus ist der PR Quadtree [Samet 1988, S. 11]. P steht in diesem Falle für Point und R für Region. Anders als der Point Quadtree, bei dem das Punktobjekt selber den Raum zerlegt, wird beim PR Quadtree der 2D-Raum nach dem Schema des Region Quadtrees zerlegt. Darauf wird im Quadtree direkt der Punkt mit seinen Koordinaten im Raum gespeichert. Punktobjekte werden in den Quadtree eingefügt, indem nach ihnen gesucht wird bzw. es wird direkt nach dem Quadranten gesucht, in dem sie laut ihren Koordinaten lokalisiert werden müssen. Ist ein solcher Quadrant bereits durch ein Objekt belegt, muss der Raum weiter zerlegt werden. Der PR Quadtree ist ein für die Suche entwickelter Algorithmus. Zur Vollständigkeit soll noch der PM Quadtree genannt werden [Samet 1988, S. 13]. P steht hier für Polygonal und M steht für Maps. Ziel ist es, einen von Linien gefüllten zweidimensionalen Raum so lange zu zerlegen, bis ein Quadrant maximal von einem Liniensegment gekreuzt wird. Die Ausnahme besteht darin, wenn Linien den gleichen Endpunkt in einem Quadranten aufweisen eine weitere Zerlegung des Quadranten ist in diesem Fall nicht nötig, auch wenn er von mehr als einem Liniensegment gekreuzt wird. Wie auch beim Region Quadtree ist die dritte Dimension möglich, das Ergebnis ist ein PM Octree.

23 2 Grundlagen Kartographische Darstellungsmethode der Rasterkarte Statistische Daten werden zumeist nur in text- oder tabellarischer Form veröffentlicht oder haben wie die Datengrundlage dieser Ausarbeitung bereits einen direkten Raumbezug. Letztere werden aber in der Regel nur als Rohdaten zur Verfügung gestellt Die kartographische Darstellung statistischer Daten hat den Vorteil, dass räumliche Verteilungsmuster, Schwerpunkte, Differenzierungen und Tendenzen wesentlich leichter erkennbar werden [Hake et al. 2002, S. 475]. Relative Zahlenwerte, die sich aus einer Menge von Punktobjekten mit Bezug auf eine Flächeneinheit ergeben, sind hier angebracht. Diese Art der Darstellung von flächenbezogenen Quantitäten ist in der Fachliteratur mehrfach benannt: Dichtemosaik; Flächenkartogramm; Flächendichtekarte; Gebietsstufenkarte oder Choroplethenkarte Bezugsfläche für Dichtekarten Es stellt sich die Frage nach der Wahl eines geeigneten Flächengefüges. Hierzu wird die Gliederung nach Imhof [Imhof 1972, S. 163] betrachtet: Administrative Fläche als Bezugsfläche, auch als statistische Methode bekannt. Denkbar sind Bundesland, Kreis, Gemeinde, Zählbezirk und weitere. Geographische Fläche als Bezugsfläche. Grundlage ist die Formung der einzelnen Flächeneinheiten nach der tatsächlichen Dichteverteilung des darzustellenden Sachverhalts. Voraussetzung dafür ist z.b. eine Punktstreuungskarte. Nur zur Vollständigkeit soll an dieser Stelle auch die Point Pattern Analyse genannt werden [?, S 286]. Geometrische Fläche als Bezugsfläche. Diese hat die Form eines Quadratgitters. Die Fachliteratur kennt unterschiedliche Benennungen: Verfahren der Rasterflächen; Dichtemosaik mit Quadratflächengliederung; Dichtekarte nach der geometrischen Methode; Gitternetzkarte (grid net map); Felderprinzip oder Felderkartogramm. Wichtig zu beachten ist, dass immer von Netzen mit gleich großen Rasterzellen ausgegangen wird. Der Begriff Mischrasterkarte, der auf variable Rasterzellengrößen innerhalb eines Netzes zurückgeht, ist in der einschlägigen kartographischen Fachliteratur nicht geschildert. Dies gilt auch für die Methodik, die der Darstellung zu Grunde liegt.

24 2 Grundlagen 20 Abbildung 9 bietet eine Übersicht der unterschiedlichen Bezugsflächen für Flächenkartogramme. Grundlage ist der gleiche Datensatz, der auf einen gleich bleibenden räumlichen Ausschnitt angewendet wurde. An diesem Beispiel wird schnell sichtbar, zu welchen Ergebnissen die unterschiedlichen Bezugsflächen führen. Die administrative Fläche bietet als einzigen Vorteil die leichte Berechnung der Daten, da die Gebiete von der amtlichen Statistik benutzt und außer bei Gebietsänderungen nicht geändert werden. Großer Nachteil dieser Methode ist die mögliche Verfälschung der Dichteaussage. Im schlimmsten Fall kann ein visualisierter Relativwert an keiner Stelle der wirklichen räumlichen Datenausprägung (Realität) entsprechen. Laut Imhof [Imhof 1972, S. 167] funktioniert diese Methode nur, wenn kartendeckend die administrativen Flächen gleich und- feinmaschig sind. Die geographische Bezugsfläche hat nicht den Nachteil, dass sie verfälschend statistische Daten darstellen kann, da sie auf der tatsächlichen Objektdichte beruht. Dagegen ist ihr Nachteil der (hohe) Rechenaufwand, da aus der Absolutwertkarte sprich jedes Objekt für sich dargestellt eine Karte mit Dichtegebieten erstellt werden muss. Ein Beispiel dafür sind Punktstreuungskarten [Hake et al. 2002, S. 476]. Die Umgrenzungslinien eines solchen Dichtegebietes sind aber objektiv schwer umsetzbar und abhängig von Kartenmaßstab und Generalisierungsgrad [Imhof 1972, S. 168]. Die geometrische Bezugsfläche bietet hinsichtlich der Dichtedarstellung das beste Ergebnis. Der räumliche und auch zeitliche Vergleich ist beim gleich bleibenden Rasternetz sehr gut. Sie reagieren im Gegensatz zur statistischen Methode unsensibel gegenüber administrativen Gebietsänderungen. Ist eine hochauflösende Rasterzellengröße gegeben bietet diese Methode die besten Ergebnisse bei der kartographischen Visualisierung von relativen Daten. Weiterhin bietet die regelmäßige Teilbarkeit der Rasterzellen eine einfache Anpassung an unterschiedliche Maßstäbe und eine gewünschte Generalisierung (Aggregation) [Arnberger 1997, S. 146]. Wird nun noch als Grundlage des Rasternetzes ein verbreitetes Koordinatensystem verwendet, ist nationale und internationale Vergleichbarkeit möglich. Das Inspire Projekt bildet in diesem Kontext eine wichtige Grundlage, da eine europaweite Standardisierung eines Rasternetzes vorgeschlagen wird.

25 2 Grundlagen 21 Abbildung 9: Unterschiedliche Dichtemosaike angewendet auf gleiches Gebiet und Datensatz (Quelle: [Imhof 1972, S. 166, 167, 171])

26 2 Grundlagen Kartographische Umsetzung von Karten relativer Dichte Neben der Bezugsfläche ist bei Karten mit flächenbezogenen Quantitäten die Bildung von Werteklassen ein entscheidender Aspekt zur guten Les- und Interpretierbarkeit. Zu Beginn muss die Klassenanzahl und die Art der Separation der Klassen festgelegt werden für letzteres besteht die Möglichkeit der Darstellung mit Schraffuren und Raster, mit Flächenfüllung durch Grauwertstufen oder durch Flächenfüllung mit einer oder mehrfarbiger Abstufung. Bei Flächenfüllungen ist zudem eine Differenzierung durch Helligkeitsabstufung möglich (und angebracht). Weiter muss die Klassenbreite festgelegt werden hier gibt es die Möglichkeit der Stufung nach Sinngruppen, der Stufung nach Häufigkeitsgruppen oder der Stufung nach mathematischen Regeln [Hake et al. 2002, S. 478]. Nach Imhof [Imhof 1972, S. 164] sollte die maximale Anzahl von Klassen bei zwölf liegen. Weiter empfiehlt er, ab einer Klassenanzahl von über fünf in Kombination mit einer Flächenfärbung zusätzlich zu einer Helligkeitsabstufung eine Abstufung durch Tonwerte sprich Farben vorzunehmen. Die klare optische Separation der Klasse ist essentiell. Schraffuren (siehe Abbildungen 10 und 11) und Raster sind vor allem in Zeiten entwickelt worden, als Farbdruck Zukunftsmusik oder zu teuer war. Im Widerspruch dazu steht, dass im heutigen digitalen Zeitalter diese Art der Flächenseparation nicht mehr empfehlenswert ist, da oftmals eine Betrachtung der Karten am Computerbildschirm erfolgt und diese im Vergleich zum Ausdruck auf Papier eine zu geringe Pixeldichte aufweisen, um feine Abstufungen von Schraffuren oder Rastern darzustellen. Auf Grund dessen sind Flächenfüllungen mittels Farbe vorzuziehen. Bei Darstellung relativer Werte sollte eine Farbskala mit sequenzieller Helligkeitsabstufung genutzt werden, auch wenn mehr als eine Farbe benutzt wird. Die Abbildung 12 gibt eine Übersicht, wie eine reine Grauwertabstufung, eine einfarbige Abstufung und eine dreifarbige Abstufung am Beispiel der deutschen Bundesländer aussehen. Bei der Beachtung der (gedruckten) graphischen Minimaldimensionen ergeben sich bei der simplen Darstellung eines Felderkartogramms wenig komplexe Zusammenhänge. Wichtig ist es, die minimale Strichstärke von knapp 0,1 mm und die minimale Seitenlänge einer Fläche von 0,3 mm zu beachten [Hake et al. 2002, S. 110].

27 2 Grundlagen 23 Abbildung 10: Unterschiedliche Schraffuren mittels Strichen (Quelle: [Imhof 1972, S. 34]) Abbildung 11: Unterschiedliche Schraffuren mittels Punktfelder (Quelle: [Imhof 1972, S. 35])

28 2 Grundlagen 24 Abbildung 12: Flächenfüllung für Karten mit flächenbezogenen Quantitäten mit Grauwertabstufung, einfarbiger Abstufung (blau) und mehrfarbiger Abstufung (gelb, orange, braun) (Quelle: Eigene Abbildung) 2.6 Verwendete Software ColorBrewer Eine praktische Hilfestellung zur Erstellung von simplen Farbskalen ist der online verfügbare ColorBrewer 2.0. Wie in der Abbildung 13 ersichtlich, ermöglicht dieser das Festlegen von Klassenanzahlen und bietet vorgefertigte Farbskalen für sequenzielle, divergierende und qualitative Farbabstufungen an. Weiter kann eine genaue Angabe des verwendeten Ausgabegeräts gemacht werden. Die vorgefertigten Farbskalen werden dementsprechend optimiert. Anhand einer beispielhaften Choroplethenkarte werden die selektierten Einstellungen in Echtzeit dargestellt. Abschließend ist ein komfortabler Export als Farbpalette für ArcGIS oder Adobe Programme möglich. Testweise wurden drei unterschiedliche sequenzielle Farbreihen gewählt, als.ase Datei für Adobe Programme exportiert und an einer Beispielkarte (Abbildung 12) in Adobe Illustrator angewandt. Die sequenzielle Farbreihe gelb-orange-braun wurde für die Visualisierung der Mischrasterkarten dieser Ausarbeitung gewählt.

29 3 Bestehende Ansätze 25 Abbildung 13: Online Tool zur Erstellung simpler Farbskalen (Quelle: http: // colorbrewer2. org/ ) ArcGIS ModelBuilder Der ArcGIS ModelBuilder ein Werkzeug zur einfachen Erstellung von sogenannten Prozessketten die ähnlich einem Batch-Prozess automatisch und beliebig oft ausgeführt werden können. Auf einer graphischen Oberfläche können einzelne Bauteile Referenzen auf Daten, Geoverarbeitungswerkzeuge oder Skripte platziert und miteinander verbunden werden. Zur weiteren Ablaufsteuerung können Iterationen, bedingte Iterationen und Schleifen mit Abbruchbedingungen eingebaut werden. Die einzelnen Bauteile können in den beispielsweise aus der Toolbox gewohnten Dialogen konfiguriert werden. Das fertige Modell wird entweder als Toolbox abgespeichert womit es portabel wird oder kann automatisiert in Python Quellcode umgewandelt werden. Das in dieser Ausarbeitung gebaute Modell ist in Abbildung 23 gezeigt. 3 Bestehende Ansätze Die Namensgebung Mischrasterkarte ist in der kartographischen Literatur ein nicht definierter Ausdruck. Statistische Daten mit georeferenzierten Punktbezug in Rasternetzen

30 3 Bestehende Ansätze 26 per Kartogrammmethode abzubilden ist bereits Eduard Imhof Anfang der 1970er Jahre bekannt gewesen. Es bedarf nur einem kleinen Gedankenschritt weiter, dass ein hoch aufgelöstes Felderkartogramm in ein weniger hoch aufgelöstes umgerechnet wird. Dabei müssen natürlich auch die Werte der benachbarten Felder summiert/aggregiert werden. Somit können mehrere Ebenen von unterschiedlich aufgelösten Rasternetzen gerechnet werden. Im Jahr 2005 veröffentlichte Josef Strobl in den Salzburger Geographische Arbeiten Band 38 die Ausarbeitung Hierarchische Aggregation: Detailinformation versus Datenschutz am Beispiel adressbezogen georeferenzierter Datensätze (siehe dazu Quellenangabe [Strobl 2005]). In dieser Publikation schilderte der Autor die Vorgehensweise, diese Ebenen von unterschiedlich aufgelösten Rasternetzen zu überlagern und die stärker aggregierten Rasterzellen dort abzubilden, wo eine höher aufgelöste Rasterzelle einen vorher festgelegten Schwellwert von ihr einbezogener Punktobjekte unterschreitet. Unterschreitet eine höher aufgelöste Rasterzelle diesen Schwellwert jedoch nicht, bleibt sie abgebildet. Somit entsteht ein Rasternetz mit variabler Rasterzellengröße. Siehe dazu die Abbildung 14. Der Hintergrund dieser Idee ist der personenbezogene Datenschutz, der bei der Verschmelzung von Adresse mit Raumbezug (Georeferenzierung) auftritt, seitdem die Statistik Austria 2001 bei Speicherung von Zensus Daten auf eine generelle Bindung an Adresskoordinaten umgestellt hat [Prinz et al. 2004, S. 556]. Abbildung 14: Sukzessive Modifikation von Rasterzellen mit rekursiver 2*2 Blockung (Quelle:[Strobl 2005, S. 168]) Strobl schließt mit dem Fazit, dass diese Methodik sich hervorragend für z.b. multithematische Bewertungsverfahren eignet. Er bemängelt jedoch, dass die gängigen GIS Softwareprodukte die Berechnung mit Quadtrees und anderen hierarchischen Datenstrukturen nicht implementiert anbieten.

31 3 Bestehende Ansätze 27 Ingrid Kaminger der Statistik Austria nennt als Vorteil dieser Methodik die leichte Automatisierbarkeit und vollständige Datenerfassung. Nachteilig verweist Kaminger darauf, dass eine Rasterzelle R1 auf Grund von Nachbarschaft zu einer Rasterzelle R2 welche den Schwellwert unterschreiten von einer aggregierten Rasterzelle verdeckt werden könnte, obwohl die Rasterzelle R1 selber den Schwellwert nicht unterschreitet [Kaminger, Meyer 2007, S. 3]. Abbildung 15: Bevölkerungsanteil mit Hochschulabschluss aus der Schweizer Volkszählung 2000 (Quelle:[Meyer 2011, S. 87]) Werner Meyer vom Bundesamts für Statistik Schweiz verwendet den Begriff Mischraster (dagegen J. Strobl: «Raster mit variabler Auflösung»). Auch Meyer nennt als einen zukünftigen Verwendungszweck von Mischrasterkarten die Visualisierung von statistischen Daten in hoher Auflösung unter Berücksichtigung der Datenschutzproblematik [Kaminger, Meyer 2007, S. 4]. Weiter nennt er die Interpolationsproblematik bei der Stichprobenerhebung in der Arealstatistik der Schweiz [Meyer 2011, S. 1]. Dazu

32 4 Daten 28 empfiehlt er Mischrasterkarten als Hauptkarte zu nehmen, da diese lokal präzise Informationen bieten. In Kombination dazu sollte eine mit Kriging interpolierte Karte des gleichen Gebietes als Interpretationshilfe dienen. Er warnt jedoch generell bei interpolierten Karten davor, dass»die subjektive Klarheit eines Musters [...] allein keine Versicherung ist, dass dieses Muster überhaupt existiert» [Kaminger, Meyer 2007, S. 7]. Die Abbildung 15 zeigt eine Mischrasterkarte, die den Prozentanteil an Bevölkerung mit Hochschulabschluss darstellt. Der Schwellwert für eine Rasterzelle beträgt 100 Einwohner. 4 Daten 4.1 Hausumringe des BKG Seit dem Jahr 2011 stellt das BKG zusätzlich zu dem Datensatz Hauskoordinaten den Datensatz Hausumringe zur Verfügung 1. Quelle dafür ist die Gemeinschaft zur Verbreitung der Hauskoordinaten und Hausumringe (GVHH) der Vermessungs- und Katasterverwaltungen der Bundesländer. Der Datensatz enthält die Grundrisse aller Gebäude der Automatisierten Liegenschaftskarte (ALK) bzw. in Bayern der Digitalen Flurkarte (DFK). Diese Grundrisse werden im weit verbreiteten Shape-Format der Firm ESRI angeboten, in welchem sie als Polygone gespeichert sind. In der dbase Datei der Shapes ist als einziges Attribut für jeden Grundriss der Amtliche Gemeindeschlüssel (AGS) hinterlegt. Auf Wunsch können die Daten in unterschiedlichen Koordinatenreferenzsystemen geliefert werden. Da der dem IÖR zur Verfügung stehende Datensatz als Bezugssystem DHDN hat, muss eine Transformation in das ETRS89 System durchgeführt werden. Dies erfolgte mit den Transformationsparametern nach NTv2 BeTA2007 (siehe dazu ( )). 4.2 INSPIRE Raster Einer der wichtigsten und für diese Ausarbeitung interessantesten Punkte der Inspire Richtlinie ist das Festlegen eines europaweit einheitlichen Geographischen Gittersystems. Definiert wird dies im Anhang 1 der Datenmodelle der Inspire Durchfüh- 1 genauer: Vertrieb erfolgt durch GeoBasis-DE der Bezirksregierung Köln

33 4 Daten 29 rungsbestimmungen (siehe Tabelle 1). Das beschreibende Technical Guidelines Dokument heißt D2.8.I.2 Inspire Specification on Geographical Grid Systems Guidelines [Inspire 2010]. Abbildung 16: Geographisches Gittersystem nach Inspire für Deutschland (Quelle: Europäische Umweltagentur EAA) Das Gitter ermöglicht einen internationalen Vergleich von Daten vorwiegend statistischer Art mit Hilfe eines Felderkartogramms. Um sich an zukünftigen Standards zu orientieren, basiert das in dieser Ausarbeitung genutzte Gitter zur Abbildung von Mischrasterkarten auf dem von Inspire vorgeschlagenen System. Die Projektion erfolgt mittels der Lambertschen azimuthalen flächentreuen Abbildung mit Ursprung bei 52 Nord und 10 Ost und der Koordinatenbeschreibung mit false Easting m und false Northing m. Das geodätische Bezug erfolgt mittels dem European Terrestrial Reference System 1989 (ETRS89). Der Inspire Identifier lautet Grid_ETRS89LAEA. Soll die Rasterweite zusätzlich durch den Identifier beschrieben werden, lautet dieser beispielsweise für das 1 km Gittersystem Grid_ETRS89-LAEA_1k. Der Ursprung/Nullpunkt des Gittersystems befindet sich links unten bzw. die Orientierung

34 4 Daten 30 im Gitter ist Süd-Nord und West-Ost. Für die Rasterweite wird die Abstufung 1 m, 10 m, 100 m, 1 km, 10 km und 100 km vorgeschlagen (siehe Abbildung 16). Das für diese Ausarbeitung gewählte Grundgitter hat eine Rasterweite von 1 km. 4.3 IÖR Monitor Der IÖR Monitor des Leibniz-Instituts für ökologische Raumentwicklung Dresden ist eine online verfügbare Dienstleistung ( die Informationen zur Flächennutzungsstruktur und deren Entwicklung für die Bundesrepublik Deutschland frei zur Verfügung stellt (Abbildung 17). Abbildung 17: IÖR Monitor des Leibniz-Instituts für ökologische Raumentwicklung Dresden(Quelle: http: // www. ioer-monitor. de [ ]) Als Basis dient eine kartographische Darstellung der Bundesrepublik Deutschland als Inselkarte, die die deutschen administrativen Einheiten Bundesland, Raumordnungsregion, Kreis und Gemeinde als Flächenkartogramm darstellen kann. Basis der quantitativen

35 5 Mischrasterkarte zum deutschen Gebäudebestand 31 Visualisierung durch Flächenkartogramme sind Indikatoren bzw. Kennzahlen. Die Indikatoren haben als Datengrundlage überwiegend das BasisDLM (Digitales Landschaftsmodell) ergänzt durch Daten des Statistischen Bundesamtes und des Bundesinstituts für Bau-, Stadt- und Raumforschung. Die mittels Objektartenbeschreibung klassifizierten Geodaten werden mit Berechnungsvorschriften miteinander zu neuen Geometrien verrechnet oder direkt genutzt. Darauf folgt die analytische Auswertung auf den Raum. Ergebnis sind Zahlen, die auf die administrativen Gebiete angewandt, die dargestellten Indikatoren füllen. Testweise wurden zwei Indikatoren mit dem für den Schwellwert >45 berechneten Mischraster verschnitten und kartographisch dargestellt. Sie dazu im Anhang die Abbildungen 31 und Mischrasterkarte zum deutschen Gebäudebestand Um das Prinzip der Mischrasterkarte zu zeigen wurde am Beispiel Berlin eine automatisierte Lösung ausgearbeitet. Diese lässt sich künftig auf andere Regionen übetragen. Die für diese Ausarbeitung gewählte Rasterzellenauflösung von 1 km x 1 km beschränkt den darstellbaren Maßstab stark, da es wünschenswert war, die Mischrasterkarten auf DIN A4 ausdrucken zu können. Würde eine gesamtdeutsche Karte in einem annehmbaren Maßstab generiert werden, wäre das Zielformat um ein vielfaches größer. Berlin selbst ist ein hoch verdichtetes Gebiet und somit sind hohe Gebäudeanzahlen zu erwarten. Außerdem ist es interessant, wie sich bekannte Orte wie der Tiergarten oder die Flughäfen sich auf die Gebäudeanzahl auswirken und aus dem Mischrastermuster heraus lokalisierbar sind. Das Umland dagegen ist wesentlich weniger stark bebaut und bietet somit einen Kontrast. Das zu erwartende Ergebnis sollte in stark baulich verdichteten Räumen aus wenig stark aggregierten Mischrasterzellen und beispielsweise in ländlichen Gegenden aus höher aggregierten Mischrasterzellen bestehen. Die Schwellwertfestlegung für die Thematik Gebäudeanzahl pro Rasterzelle orientiert sich wie bereits im Kapitel Datenschutzproblematik erwähnt an der Statistik Austria. Diese setzt den Schwellwert bei >3 Gebäude auf eine 250 m x 250 m Rasterzelle an. Testweise wurde dieser für ein 1 km Raster übernommen. Ein zweiter Schwellwert wurde bei >12 angesetzt, um noch eine weitere geringe Gebäudedichte pro Zelle mit in die Untersuchung einzubeziehen. Ein dritter Schwellwert wurde bei >45 Gebäude auf eine Rasterzelle festgelegt.

36 5 Mischrasterkarte zum deutschen Gebäudebestand 32 Letzterer orientiert sich an dem Median der Gebäudeanzahl berechnet auf 1 km Zellen für Deutschland insgesamt. Abbildung 18: Boxplot Gebäudeanzahl pro 1 km Rasterzelle für Deutschland (Quelle: Eigene Abbildung) In Abbildung 18 ist dazu ein Boxplot abgebildet, der genau diese deutschlandweite Verteilung zeigt. Der blaue Kasten in dieser Darstellung entspricht 50 % der Objektanzahl und der horizontale rote Strich symbolisiert den Median [Handl 2006, S. 116]. Der Median ist der Zentralwert der Verteilung und wurde hier dem Mittelwert vorgezogen, da er robuster gegen Extremanzahlen (niedrig wie hoch) an Gebäuden pro Rasterzelle ist. Außerdem entspricht 45 ungefähr dem 16-fachen des Schwellwertes 3, was interessant ist, da eine 1 km Rasterzelle den 16-fachen Flächeninhalt einer 250 m Rasterzelle hat. Für die Schwellwerte 3 und 12 werden nur zum Vergleich Mischrasterkarten berechnet, jedoch mit keinen thematischen Darstellungen verbunden, siehe dazu Abbildung 19. Für die Mischrasterkarte mit Schwellwert 45 wird die Thematik Gebäudedichte (bzw. Gebäudeanzahl pro Rasterzelle) für den Hauptkartenentwurf gewählt. Dazu werden auf diese Mischraster testweise zwei Indikatoren des IÖR Monitors gelegt (siehe Abbildungen 31 und 32 im Anhang).

37 5 Mischrasterkarte zum deutschen Gebäudebestand 33 Abbildung 19: Schwellwertübersicht mit >3, >12 und >45 Gebäuden pro Rasterzelle (von oben nach unten) ohne quantitative Aussage (Quelle: Eigene Abbildung)

38 5 Mischrasterkarte zum deutschen Gebäudebestand Automatisierte Berechnung eines Mischrasters Die Berechnung der Mischraster erfolgte anhand der in Kapitel 2.4 beschriebenen Quadtree Methode. Vorweg musste der Datensatz Hausumringe, der als Polygon Shape vorliegt, in ein Punkt Shape umgewandelt werden. Dazu wurden die Schwerpunkte der Polygone mit Hilfe der ArcGIS Funktion Calculate Field Geometry (Abbildung 20) berechnet. Abbildung 20: Berechnung der Centroide (hier: x-koordinate) der Hausumring Polygone (Quelle: Eigene Abbildung) Es wurden die Inside-Centroide berechnet. Das bedeutet, dass nicht der wahre Schwerpunkt berechnet wird, sondern ein Punkt innerhalb des Polygons, der dem Schwerpunkt am nächsten liegt. Damit wird sichergestellt, dass die gerechneten Punkte sich nicht überschneiden und klar dem Ausgangspolygon zuzuordnen sind. Außerdem ist eine sehr hohe Lagegenauigkeit in den hier genutzten Maßstabsbereichen nicht nötig. Darauf wurde das gerechnete Punkt Shape mit dem Inspire konformen 1 km Gitternetz verschnitten. Dies erfolgte anhand eines Spatial Joins (Abbildung 21). Dieser Arbeitsschritt ortet Punkte, die eine Rasterzelle fallen und schreibt ihre Anzahl in eine neue Tabellenspalte. Das Ergebnis ist ein Gitternetz, das die Anzahl von Gebäuden für jede Gitterzelle enthält. Jetzt ist bereits die Verteilung der Gebäudedichte ersichtlich. Theoretisch wäre dies eine fertige thematische Karte.

39 5 Mischrasterkarte zum deutschen Gebäudebestand 35 Abbildung 21: Verschnitt der Gebäude Centroide mit Gitternetz (Quelle: Eigene Abbildung) Hier greift aber nun die Datenschutzproblematik. Die Wahrscheinlichkeit, dass bei dem relativen hoch aufgelösten 1 km Gitternetz eine Zelle eine geringe Anzahl von Gebäuden hat, ist erklärbar (und würde bei einem noch höher aufgelöstem Raster noch deutlicher werden). Als Beispiel sei in ländlicher Lage ein Bauernhof mit mehreren Hektar Nutzfläche genannt. Liegt er relativ zentral in seinem Farmland, wird er das einzige Gebäude in einer Zelle sein. Damit ist der Besitzer und sein Besitz klar erkennbar. Datenschutzrechtlich ist dies problematisch, wie bereits im Kapitel 2.2 zur Datenschutzproblematik erwähnt. Die Lösung ist das aggregieren der Zelle mit benachbarten Zellen solange (rekursiv), bis ein vorher festgelegter Mindestwert (Schwellwert) an Gebäuden pro Zelle erreicht ist. Hier tritt das nächste Problem auf: Wo sollte der Schwellwert liegen? Angenommen es wird sich an Statistik Austria orientiert und der Schwellwert wird bei >3 Gebäuden (siehe Abbildung 4) festgelegt, so ist es wahrscheinlich, dass keine Aggregation stattfindet, da ein Bauernhof mit hoher Wahrscheinlichkeit aus mindestens 4 Gebäuden besteht. Somit bestünde die Datenschutzproblematik wei-

40 5 Mischrasterkarte zum deutschen Gebäudebestand 36 terhin und der Bauernhof wäre eindeutig identifizier- und lokalisierbar. Also muss ein strengerer Schwellwert festgelegt werden. Die in dieser Ausarbeitung getesteten Schwellwerte liegen wie genannt bei >3, >12 und >45. Eine automatisierte Lösung der Idee der Zellaggregation mit dem Quadtree-Algorithmus existiert in aktueller GIS Software wie ArcGIS nicht. Lediglich ein mittlerweile veraltetes GIS-System mit dem Namen Spans ist bekannt. Diese Software befindet sich seit 1986 auf dem Markt und wurde von der Firma TY-DAC aus Kanada entwickelt. Funktional ist Spans «ein Hybrides System zur integrierten Verarbeitung von Vektor- und Rasterdaten mit der Besonderheit der Verwendung von Quadtrees als zentrale Datenstruktur» [Walz, Schumacher 1998, S. 96]. Ein gesetztes Ziel dieser Ausarbeitung ist es, eine automatisierte Lösung für ArcGIS zu schaffen. Da keine Vorkenntnisse im Skripting mit beispielsweise Python vorhanden sind, wurde der ArcGIS Model Builder genutzt (siehe Kapitel 2.6 Verwendete Software). Das erstellte Gitternetz inklusive der Gebäudeanzahlen liegt im Vektorformat vor. Genau genommen sind die Rasterzellen jedoch nichts anderes als Quadrate, die einen einzigen Wert tragen (die Gebäudeanzahl). Also könnte es auch als Rasterpixel mit einem bestimmten Grauwert angesehen werden. Der Umgang mit Pixeldaten (wegen der Verwechselungsgefahr werden Gitternetze, die nicht im Vektorformat, sondern im Rasterformat vorliegen, hier Pixelnetze genannt) ist wesentlich leichter als mit Vektordaten. Abbildung 22: Umwandeln des Vektor Gitternetz in ein Raster (Quelle: Eigene Abbildung)

41 5 Mischrasterkarte zum deutschen Gebäudebestand 37 Somit ist der erste Schritt das Umwandeln des Gitternetzes in ein Pixelnetz. Dies erfolgt in ArcGIS mit der Toolbox Funktion Polygon to Raster (Abbildung 22). Nachfolgend wird Stichpunktartig die Vorgehensweise der automatisierten Mischrasterberechnung mittels eines Model Builder Modells ausgehend vom umgewandelten Pixelnetz beschrieben. Zu beachten ist hier, dass diese Vorgehensweise rekursiv wiederholt werden muss, wenn mehrfache Aggregation gewünscht ist. Dies ist leicht umzusetzen, in dem das vorgestellte Model Builder Modell mehrfach aneinander gereiht wird. 1. Ausgangspunkt ist das Pixelnetz, welches aus dem Polygonnetz generiert wurde. Die Gebäudeanzahl je Zelle wurde dabei an das Pixelnetz mit übergeben. 2. Da Zellen mit null Gebäuden keine Aggregation auslösen sollen, werden diese aussortiert. 3. Es wird eine 2 x 2-Zellen-Nachbarschaftsanalyse durchgeführt, die überprüft, ob eine von vier (Stichwort Quadtree) Zellen unter den festgelegten Schwellwert fallen. 4. Parallel wird die 2 x 2-Zellen-Nachbarschaftssumme gebildet, die sich zusammensetzt aus den Gebäudeanzahlen der vier selektierten Zellen. 5. Fällt eine der in Punkt 3 geprüften Zellen unter den Schwellwert, wird das 2 x 2- Zellen-Konstrukt aggregiert und erhält darauf die aus Punkt 4 errechnete Gebäudeanzahl. Das Ergebnis ist ein aggregiertes Pixelnetz. Wenn dies gewünscht ist, kann es mit der AcrGIS Toolbox Funktion Raster to Polygon wieder ein Vektor Gitternetz umgewandelt werden.

42 5 Mischrasterkarte zum deutschen Gebäudebestand 38 Abbildung 23: Model Builder Automatisierung zur Aggregation unterbesetzter Zellen anhand des Quadtree-Algorithmus (einmaliger Durchlauf) (Quelle: Eigene Abbildung) 5.2 Kartenentwurf Die Karte mit dem Titel Mischrasterkarte Großraum Berlin wird im Zusammenhang der Bachelorarbeit vom Bearbeiter entworfen. Herausgeber ist das Leibniz-Institut für ökologische Raumentwicklung (IÖR) Dresden, Forschungsbereich Monitoring der Siedlungs- und Freiraumentwicklung, unter Betreuung von Dr. Martin Behnisch. Der Maßstab der Karte liegt bei 1 : und die realen Abmaße betragen 80 x 80 km. Daraus ergibt sich eine Druckgröße von 16 x 16 cm für das Kartenfeld. Die Layoutgestaltung sieht vor, die Legende unterhalb des Kartenfeldes zu platzieren. Die Ausmaße sind 16 cm Breite und 4 bis 5 cm Höhe. Somit ergibt sich ein fast DIN A4 füllende Gesamtgestaltung, die sich gut in diese schriftliche Ausarbeitung integrieren lässt. Die Projektion erfolgt mittels der Lambertschen azimuthalen flächentreuen Abbildung mit Ursprung bei 52 Nord und 10 Ost und der Koordinatenbeschreibung mit false Easting m und false Northing m. Der geodätischen Bezug ist ETRS89. Die Karte bildet in einem Felderkartogramm mit variabler Rasterweite (Schwellwert >45) die Thematik Gebäudedichte (bzw. Gebäudeanzahl pro Rasterzelle) im Großraum

43 5 Mischrasterkarte zum deutschen Gebäudebestand 39 Berlin ab. Die Kartogrammdarstellung erfolgt mittels einer Klassenanzahl von sechs, welche progressiv wachsend sind. Die Klassen werden über eine dreifarbige Abstufung von gelb über orange bis zu braun visualiert. Desto höher die Gebäudeanzahl, desto dunkler die Farbe. Die fertig gestaltete Karte inklusive Legende ist in Abbildung 24 dargestellt. Testweise wurde das gerechnete Mischraster für den Schwellwert >45 mit zwei Indikatoren des IÖR Monitors des IÖR Dresden verschnitten. Diese befinden sich im Anhang (Abbildung 31 und 32).

44 5 Mischrasterkarte zum deutschen Gebäudebestand 40 Abbildung 24: Mischrasterkarte Großraum Berlin mit abgebildeter Gebäudedichte unter Rücksicht des Schwellwertes >45 Gebäude pro Rasterzelle (Quellen: Eigene Abbildung; Hausumringe: c GeoBasis-DE / BKG 2011 )

45 5 Mischrasterkarte zum deutschen Gebäudebestand 41 Abbildung 25: Orientierungskarte Großraum Berlin mit Kreisgrenzen und 1 km Gitternetz (Quelle: Eigene Abbildung) Die Abbildung 25 zeigt eine Orientierungskarte mit Binnengewässern, Bewaldung (Quelle: BasisDLM), Kreisgrenzen (Quelle: VG250) und dem 1 km Ausgangsraster (Quelle: European Environment Agency) des von der Mischrasterkarte abgebildeten Gebietes. Um einen Eindruck der tatsächlichen Verteilung der Gebäude zu bekommen zeigt die Abbildung 26 alle gerechneten Centroide inklusive des 1 km Ausgangsraster.

46 5 Mischrasterkarte zum deutschen Gebäudebestand 42 Abbildung 26: Gebäude Großraum Berlin inklusive 1 km Gitternetz (Quellen: Eigene Abbildung; Hausumringe: c GeoBasis-DE / BKG 2011)

47 6 Diskussion 43 6 Diskussion In diesem Abschnitt soll die eingangs aufgestellte Hypothese persönlich und fachlich kritisch diskutiert werden. In der Hypothese wurde behauptet, dass sich ein Algorithmus entwickeln lässt, der zur Aggregation von Daten geeignet ist und das mit der Kartogrammmethode eine geeignete Visualisierung hinsichtlich kartographischer Gestaltungsregeln realisierbar ist, die inhaltlich eine möglichst hochauflösende Wiedergabe sensibler Daten unter Berücksichtigung des Datenschutzes ermöglicht. Datenschutzrechtlich sensible Daten beziehen sich zumeist auf das Individuum oder seinen Besitz. Das Gesetz regelt in theoretischen Ansätzen in welchen Grenzen diese beiden Dinge öffentlich gemacht werden dürfen, um nicht in den Raum des Privaten vorzustoßen oder anderen dazu die Möglichkeit zu geben. Dieser Theorie mangelt es jedoch an Vollständigkeit, wie im Kapitel Datenschutzproblematik aufgezeigt. Generell sind die Vorzüge der Visualisierung von beispielsweise statistischen Daten unumstritten, jedoch sind die dazu verwendeten Methoden nicht immer optimal. Die Kombination von mangelnder Theorie und nicht optimal angesetzten Methoden der Visualisierung ermöglichen und erfordern einen optimierten Umgang. Es sollten (gesetzliche) Standards definiert werden, die Schwellwerte in Bezug auf räumliche Bezugsflächen festlegen. Ferner sollte die kartographische Visualisierung mit Hilfe von Rasterdaten parallel zum Ansatz der administrativen Methode umgesetzt werden, um die räumliche Verteilung von statistischen Daten auf verschiedene Weise aufzuzeigen und Besonderheiten zu identifizieren. Für diese Zwecke gilt es ebenfalls Standards zu definieren, insbesondere sind Rasternetze und deren zulässige Rasterweiten zu präzisieren. Die Inspire Richtlinie bietet hier natürlich bereits eine gute Basis.

48 6 Diskussion 44 Abbildung 27: Gebäude Großraum Berlin inklusive mit Schwellwert 45 gerechneten Mischrasternetz (Quellen: Eigene Abbildung; Hausumringe: c GeoBasis-DE / BKG 2011) Auch existieren bereits Methoden zur Wahrung des Datenschutzes. Diese beziehen sich aber auf die textliche bzw. tabellarische Darstellung von Daten Stichwort Tabellengeheimhaltung. Mit dem aufkommenden Wunsch der Herstellung eines räumlichen Bezugs zu adressbezogenen Daten ist aber nun eine Methodik ratsam, die die räumliche

49 6 Diskussion 45 Aggregation für den Zweck des Datenschutzes nutzt. In Verbindung mit Rasterkarten sind hier bereits erste Ansätze vorhanden (siehe Abbildung 3). Die Anwendung von hierarchischen Datenstrukturen zur Aggregation des (mit Daten gefüllten) Raumes soll als eine weitere Möglichkeit aufgezeigt werden. Der in dieser Ausarbeitung genutzte Quadtree-Algorithmus ist ein erster Weg diese Anforderungen aufzugreifen. Allerdings aggregiert der in Abbildung 27 angewendete Algorithmus (rotes Gitternetz; Schwellwert >45) den Raum noch zu starr. Am zentralen westlichen Kartenrand wurde beispielsweise eine 64 km 2 Rasterzelle gebildet, die nur im südlichen Teil unterbesetzt ist, jedoch im nördlichen Teil eine hohe Gebäudedichte aufweist. Eine feinere räumliche Aggregation, die zwischen Nord und Süd differenzieren kann, wäre hier angebracht. Der Algorithmus sollte in der Hinsicht flexibler sein, das er nicht auf eine rechteckige Fläche von Rastern mit geraden Zeilen- und Spaltennummern angewiesen ist. Weiter wäre eine freiere Regelbildung also eine frei laufende 2 x 2-Suchmatrix, die ausgehend von jedem Knotenpunkt des Rasternetzes eine Nachbarschaftsbeziehung zur Quadtreebildung herstellen kann zur Aggregation wünschenswert. Denkbar wäre beispielsweise eine eigene regelbasierte Programmierlösung. An dieser Stelle sei aber auch nochmals auf die in der Einleitung erwähnte Vergleichsmöglichkeit verwiesen, die sich auf die Erstellung von Mischrasterkarten mittels Quadtree und R-tree Lösung beziehen. Die Abbildung 28 erlaubt einen Vergleich beider Ansätze. Ein weiterer Verweis soll an dieser Stelle auf das Werkzeug ELKI ( dbs.ifi.lmu.de/ [ ]) gemacht werden. Dies ist ein Werkzeug zur Knowledge Discovery in Datenbanken mit dem Fokus auf Clusteranalyse, Ausreißererkennung und der Verwendung von Indexierungsstrukturen in solchen Verfahren. Es handelt sich um ein Forschungsprojekt des Datenbanken-Lehrstuhls von Professor Hans-Peter Kriegel an der Ludwig-Maximilians-Universität München. Um immer wieder auftretende Musterbildungen ausgelöst beispielsweise durch Flughäfen (Berlin: Berlin-Tempelhof) oder große Erholungsflächen (Berlin: Tiergarten) abzufangen, sollten Mischrasterkarten für weitere Regionen berechnet und vergleichend untersucht werden.

50 6 Diskussion 46 Abbildung 28: Gegenüberstellung von R-tree und Quadtree Vor- und Nachteile (Quelle: [, S. 618]) Die kartographische Umsetzung ist wie gezeigt unproblematisch. Vor allem unter Beachtung des Maßstabs kann eine genehme Informationsdichte realisiert werden. Die Wahl der Klassenzahl und deren Separation mit einer gut abgestuften Farbskala ist ausschlaggebend für den späteren Nutzen der Karte. Mit Hilfe der genannten Gestaltungsregeln ist eine ausgereifte Karte umsetzbar. Ist ein höhere Rasterzellenweite als 1 km gewünscht, können die gleichen Regeln analog angewendet werden. Es soll aber darauf hingewiesen werden, dass dies nur in hoch verdichteten Regionen wie beispielsweise Städten Sinn macht. In einer dünn besiedelten Region würde die rekursive Quadtree Bildung ein sehr hoch aufgelöstes Rasternetz von beispielsweise 25 m so lange aggregieren, bis dieses nicht mehr Existent ist. Zur

51 6 Diskussion 47 Einsparung von Rechenzeit und Speicherplatz sollte hier gleich von einem Raster mit größerer Zellenweite wie z.b. 1 km ausgegangen werden. Ein Ausnahmefall ist z.b. die in dieser Ausarbeitung genutzte Region Berlin mit Umland. Der Kontrast von hoher Dichte in Berlin und niedriger Dichte im Umland erfordert zum Erhalt der Information in Berlin die Wahl eines Rasternetzes mit relativ kleiner Zellenweite wie z.b. 250 m. Dieser Gedanke trübt jedoch, denn desto größer die Ausmaße des darzustellenden Gebietes, desto kleiner wird unter Berücksichtigung von realistischen Druckmaßen auch der Maßstab. Damit ergeben sich folgende Regeln: Desto höher die Objektdichte, desto kleiner kann die Rasterzellenweite gewählt werden. Desto größer die Ausmaße des abzubildenden Gebietes, desto kleiner wird der Maßstab. Desto kleiner der Maßstab, desto größer muss die Rasterzellenweite sein. Somit muss immer ein Kompromiss bei der Rasterzellenweite gemacht werden. Abschließend die Empfehlung an die Statistischen Institutionen Schwellwerte und Rasterzellweiten festzulegen auch in Betracht auf die anderen europäischen Einrichtungen und generell einen festgelegten Umgang mit Rasterdaten in Deutschland zu forcieren. Eine allgemeine Standardisierung ist angebracht und zeitgemäß. Interessant ist gerade auch der zeitliche Aspekt, denn Raster bieten den einfachsten Weg, räumlichen Veränderungen aus dem Weg zu gehen und exakt vergleichbare Darstellungen über lange Zeiträume zu generieren. Die Grundlagen dafür sind an vielen Stellen bereits gelegt.

52 7 Fazit und Ausblick 48 7 Fazit und Ausblick 7.1 Erreichte Ziele Die Möglichkeit sensible Daten mit einem Raumbezug zu verbinden, ohne den Datenschutz zu verletzen, bietet interessante Aussichten. Das Ergebnis dieser Ausarbeitung zeigt, dass sehr hoch aufgelöste Datensätze wie die Hausumringe von Deutschland ohne großen Detailverlust in einem Kartogramm zur Dichtewiedergabe darstellbar sind. Konfrontiert mit der Datenschutzproblematik muss unter gewissen Umständen wie das Unterschreiten eines Schwellwertes bezogen auf eine Bezugsfläche ein Detailverlust hingenommen werden. Die Wahl des Werkzeugs zur Aggregation bestimmt, wie stark sich der Detailverlust auswirkt. Desto flexibler der Algorithmus, desto flexibler kann auf lokale Unterbesetzungen eingegangen werden. Der hier genutzte Quadtree Ansatz bedarf in dieser Hinsicht noch Optimierungen. Jedoch zeigt er, dass die Grundidee der am Anfang der Ausarbeitung aufgestellten Hypothese umsetzbar ist und Zukunft hat. Dies soll dazu motivieren, die Grundidee der Nutzung von hierarchischen Datenstrukturen weiter zu verfolgen. Für die kartographische Umsetzung wurden die relevanten Gestaltungsregeln genannt und angewandt. Im Zuge dieser Ausarbeitung wurde die erste Mischrasterkarte einer deutschen Region mit realen Daten umgesetzt. 7.2 Zukünftige Einsatzgebiete und potentielle Datenbeispiele Viele Einrichtungen, Institutionen und auch private Bereiche beschränken sich immer noch auf die Visualisierung von Dichten mit administrativen Flächen als Bezug. Die hier vollzogene Ausarbeitung soll dazu motivieren, auch die Darstellungsmethode mittels Rasterkarte zu nutzen. Mit der hier entwickelten Methode zur Wahrung des Datenschutzes ist die Möglichkeit gegeben, hoch aufgelöste Daten homogen darzustellen. Folgend sollen drei Beispiele im Kontext der Untersuchungsregion Berlin aufgezeigt werden, in denen die Verwendung von (Misch-) Rasterkarten aus Sicht des Bearbeiters einen Mehrwert bringen würde. Abschließend soll ein Beispiel genannt werden, dass die deutschlandweite Anwendung von Regionalen Mischrasterkarten nutzen könnte. Das Amt für Statistik Berlin-Brandenburg veröffentlicht jährlich auf seiner Internetpräsenz eine Energiebilanz für Berlin ( umwelt/klimaschutz/co2bilanz/de/energiebilanz.shtml [ ]). Bei der Er-

53 7 Fazit und Ausblick 49 hebung und Auswertung von Energieverbrauchsdaten wird zwischen Primärenergie, Sekundärenergie und Endenergie unterschieden. Auf die Definition der Begrifflichkeiten soll hier nicht näher eingegangen werden. Auffällig ist, dass diese jährlichen Bilanzen in keinerlei Form kartographisch sondern nur in Diagrammform dargestellt werden. Mit der Annahme, dass die Energieversorger sehr genau wissen, wo wie viel Energie verbraucht wird, könnte mit wenig Aufwand unter Zuhilfenahme von verorteten Adressen (also mit explizitem Raumbezug) eine kartographische Darstellung erzeugt werden (jeder Haushalt, jeder Wohnblock oder anderes Gebäude hat eigene Energiezähler bzw. Öl- und Gaslieferanten haben genaue Angaben über gelieferte Mengen je Adresse). Eine Rasterkarte würde sich anbieten. Ausgehend von der hohen Bebauungsdichte in Berlin könnte eine sehr kleine Rasterzellenweite von vielleicht 50 m gewählt werden. Um lokale Situationen, in denen die Bebauungsdichte nicht so hoch ist, mit Rücksicht auf den Datenschutz zu kompensieren, wäre die Mischrastermethode ein guter Ansatz. Abbildung 29: Strukturatlas Land Brandenburg (Quelle: strukturatlas. brandenburg. de [ ]) http: // www. Der Strukturatlas Land Brandenburg ( [ ]) vom Landesamt für Bauen und Verkehr bietet auf Basis eines MapServers

54 7 Fazit und Ausblick 50 eine thematische Kartensammlung zu 13 Themengebiete wie Bevölkerung, Bauen und Stadtentwicklung, Umwelt und weitere (Abbildung 29). Zur Darstellung werden nur administrative Gebiete als Bezugsflächen genutzt. Die Option, auch (Misch-) Rasterkarten zu nutzen, wäre vor allem in Betracht auf die Funktion der Wahl des Zeitraumes und der Darstellung raumzeitlicher Veränderung eine sinnvolle Erweiterung. Das Bundesinstitut für Bau-, Stadt- und Raumforschung (BBSR) bietet Rasterkarten mit einer 1 km Rasterzellenweite für die Thematik Einwohnerdichte im Nahbereich an [BBSR , S. 10]. Da aber die amtliche Statistik solch hoch auflösende Daten noch nicht zur Verfügung stellt, behilft sich das BBSR mit Disaggregation der Baublockinformationen im Siedlungsfläche Layer des BasisDLM. Die Abbildung 30 zeigt, dass das BBSR eine Klassenbildung anwendet, die datenschutzrechtlich optimiert werden sollte, da 1 Einwohner als unterste Grenze pro ausgezeichneter Rasterzelle angegeben wird. Anstatt einer Klassifizierung, die 1 Einwohner als unterste Grenze pro ausgezeichnete Rasterzelle angibt, wäre eine Aggregation von Zellen auf Basis von Schwellwerten zu empfehlen. Die Anwendung der Mischrastermethode wäre hier optimal, um den Datenschutz zu wahren. Abbildung 30: Beispielsausschnitt für BBSR Indikator Einwohnerdichte im Nahbereich (Quelle: [BBSR , S. 10])

55 7 Fazit und Ausblick 51 Das Bundesamt für Bauwesen und Raumordnung untersuchte in der Vergangenheit deutschlandweit 44 Städte mit jeweiligem Umland auf den Verstädterungsprozess [BBR 2003, S. 10]. Um jede Stadt genannt Kernstadt wird eine Pufferregion mit einem Radius von 60 km gemeindescharf gelegt. Diese bildet die Untersuchungsregion und wird als Agglomerationsraum definiert. Der sogenannte gesamte Agglomerationsraum umfasst 57 % des Bundesgebietes. Die Anwendung von (Misch-) Rasterkarten für die Agglomerationsräume wäre eine interessante Erweiterung und bietet für die Folgearbeit Möglichkeiten des analytischen Vergleichs.

56 Abbildungsverzeichnis 1 Reale Bauinvestitionen in Millionen Euro der fünf größten Länder in der EU (Quelle: [BBSR 2010, S. 2]) Ausgewählte Strukturdaten für das Baugewerbe (Durchschnitt der Jahre ) (Quelle: [BBSR 2010, S. 8]) Schematische Darstellung des Konzeptes zur Georeferenzierung und Speicherung von Zensusdaten (Quelle: [Szibalski 2007, S. 138]) Verfahren zur Gewährleistung der statistischen Geheimhaltung in Rasterkarten (Quelle: [Szibalski 2007, S. 142]) Zeitplan für die Umsetzung von Inspire (Quelle: GDI-DE 2010, Jan Grohmann, Internet: ( )) Übersicht bekannter Algorithmen zur hierarchischen Datenstrukturierung (Quelle: Eigene Abbildung, vergleiche [Noske 2004, S. 7]) Quadtree Zerlegung des Raumes mittels Region Quadtree [Noske 2004, S. 7] Quadtree Zerlegung des Raumes mittels Point Quadtree [Noske 2004, S. 7] 17 9 Unterschiedliche Dichtemosaike angewendet auf gleiches Gebiet und Datensatz (Quelle: [Imhof 1972, S. 166, 167, 171]) Unterschiedliche Schraffuren mittels Strichen (Quelle: [Imhof 1972, S. 34]) Unterschiedliche Schraffuren mittels Punktfelder (Quelle: [Imhof 1972, S. 35]) Flächenfüllung für Karten mit flächenbezogenen Quantitäten mit Grauwertabstufung, einfarbiger Abstufung (blau) und mehrfarbiger Abstufung (gelb, orange, braun) (Quelle: Eigene Abbildung) Online Tool zur Erstellung simpler Farbskalen (Quelle: org/) Sukzessive Modifikation von Rasterzellen mit rekursiver 2*2 Blockung (Quelle:[Strobl 2005, S. 168]) Bevölkerungsanteil mit Hochschulabschluss aus der Schweizer Volkszählung 2000 (Quelle:[Meyer 2011, S. 87]) Geographisches Gittersystem nach Inspire für Deutschland (Quelle: Europäische Umweltagentur EAA) IÖR Monitor des Leibniz-Instituts für ökologische Raumentwicklung Dresden(Quelle: [ ]) Boxplot Gebäudeanzahl pro 1 km Rasterzelle für Deutschland (Quelle: Eigene Abbildung)

57 19 Schwellwertübersicht mit >3, >12 und >45 Gebäuden pro Rasterzelle (von oben nach unten) ohne quantitative Aussage (Quelle: Eigene Abbildung) Berechnung der Centroide (hier: x-koordinate) der Hausumring Polygone (Quelle: Eigene Abbildung) Verschnitt der Gebäude Centroide mit Gitternetz (Quelle: Eigene Abbildung) Umwandeln des Vektor Gitternetz in ein Raster (Quelle: Eigene Abbildung) Model Builder Automatisierung zur Aggregation unterbesetzter Zellen anhand des Quadtree-Algorithmus (einmaliger Durchlauf) (Quelle: Eigene Abbildung) Mischrasterkarte Großraum Berlin mit abgebildeter Gebäudedichte unter Rücksicht des Schwellwertes >45 Gebäude pro Rasterzelle (Quellen: Eigene Abbildung; Hausumringe: c GeoBasis-DE / BKG 2011 ) Orientierungskarte Großraum Berlin mit Kreisgrenzen und 1 km Gitternetz (Quelle: Eigene Abbildung) Gebäude Großraum Berlin inklusive 1 km Gitternetz (Quellen: Eigene Abbildung; Hausumringe: c GeoBasis-DE / BKG 2011) Gebäude Großraum Berlin inklusive mit Schwellwert 45 gerechneten Mischrasternetz (Quellen: Eigene Abbildung; Hausumringe: c GeoBasis-DE / BKG 2011) Gegenüberstellung von R-tree und Quadtree Vor- und Nachteile (Quelle: [, S. 618]) Strukturatlas Land Brandenburg (Quelle: brandenburg.de [ ]) Beispielsausschnitt für BBSR Indikator Einwohnerdichte im Nahbereich (Quelle: [BBSR , S. 10]) Mischrasterkarte Großraum Berlin mit Thematik Anteil bebaute Fläche ohne Industrie und Gewerbe unter Rücksicht des Schwellwertes >45 Gebäude pro Rasterzelle (Quelle: Eigene Abbildung) Mischrasterkarte Großraum Berlin mit Thematik Anteil Industrie- und Gewerbefläche pro Zelle unter Rücksicht des Schwellwertes >45 Gebäude pro Rasterzelle (Quelle: Eigene Abbildung)

58 Tabellenverzeichnis 1 Anhänge mit zugehörigen Geodaten-Themen der Richtlinie 2007/2/EG (Quelle: [INSPIRE 2007, Anhang I - III]) Literatur [AGEB 2011] (Hrsg.) Auswertungstabellen zur Energiebilanz für die Bundesrepublik Deutschland 1990 bis Arbeitsgemeinschaft Energiebilanzen e.v.. Stand Juli Köln. URL: viewpage.php?idpage=139 [Stand: ] [Arnberger 1997] Thematische Kartographie. Das Geographische Seminar. Westermann Schulbuchverlag GmbH. Braunschweig [BBR 2003] (Hrsg.) Siedlungsstrukturelle Veränderungen im Umland der Agglomerationsräume. Schriftenreihe Forschungen, Heft 114. Selbstverlag. Bonn [BBSR 2010] (Hrsg.) Die europäische Bauwirtschaft. BBSR-Berichte KOMPAKT 8/2010. Bundesamt für Bauwesen und Raumordnung. Bonn. URL: Veroeffentlichungen/BerichteKompakt/2010/DL ,templateId= raw,property=publicationfile.pdf/dl_8_2010.pdf [Stand: ] [BBSR ] (Hrsg.) Dokumentation der Raumvariablen des BBSR im Regionalfile. URL: dokumente/verkehrsdaten/dokumentation_raumvariablen_bbsr.pdf [Stand: ] Veroeffentlichungen/BerichteKompakt/2010/DL ,templateId= raw,property=publicationfile.pdf/dl_8_2010.pdf [Stand: ] [BKG 2011] (Hrsg.) Dokumentation Datensatz Hu (Hausumringe). Bundesamt für Kartographie und Geodäsie Deutschland

59 [Bundesregierung 2007] (Hrsg.) Gesetz über die Statistik für Bundeszwecke (Bundesstatistikgesetz BStatG). Zuletzt geändert durch Art. 3 G v I URL: bstatg_1987/gesamt.pdf [Stand: ] [Bundesregierung 2009] (Hrsg.) Unterrichtung durch die Bundesregierung Bericht über die Wohnungs- und Immobilienwirtschaft in Deutschland. Deutscher Bundestag 16. Wahlperiode. Drucksache 16/ URL: http: //dip21.bundestag.de/dip21/btd/16/133/ pdf [Stand: ] [Bundesregierung ] (Hrsg.) Bundesdatenschutzgesetz (BDSG). Zuletzt geändert durch Art. 1 des Gesetzes vom 14. August 2009 (BGBl. I S. 2814). URL: gesamt.pdf [Stand: ] [destatis, Deutsche Bundesbank 2010] (Hrsg.) Sektorale und gesamtwirtschaftliche Vermögensbilanzen Statistisches Bundesamt und Deutsche Bundesbank. Wiesbaden. URL: portal/cms/sites/destatis/internet/de/content/publikationen/ Fachveroeffentlichungen/VolkswirtschaftlicheGesamtrechnungen/ Vermoegensbilanzen,property=file.pdf [Stand: ] [Fischer, Getis 2010] Handbook of Applied Spatial Analysis: Software Tools, Methods and Applications. Springer Verlang. Berlin Heidelberg [Giessing/Dittrich 2006] Tabellengeheimhaltung im statistischen Verbund ein Verfahrensvergleich am Beispiel der Umsatzsteuerstatistik. In Statistisches Bundesamt (Hrsg.): Auszug aus Wirtschaft und Statistik, S Wiesbaden. URL: destatis.de/jetspeed/portal/cms/sites/destatis/internet/de/content/ Publikationen/Querschnittsveroeffentlichungen/WirtschaftStatistik/ AllgemeinesMethoden/TabellengeheimhaltungStatistischerVerbund, property=file.pdf [Stand: ] [Hake et al. 2002] Kartographie: Visualisierung raum-zeitlicher Informationen. 8. Auflage. Walter de Gruyter. Berlin, New York

60 [Handl 2006] Einführung in die Statistik mit R.Universität Bielefeld. URL: http: // [Stand: ] [Imhof 1972] Thematische Kartographie. Lehrbuch der Allgemeinen Geographie Band 10. Walter de Gruyter. Berlin, New York [INSPIRE 2007] (Hrsg.) Richtlinie 2007/2/EG des europäischen Parlaments und des Rates. Amtsblatt der Europäischen Union L 108. Straßburg. URL: text_de.pdf [Stand: ] [Inspire 2010] D2.8.I.2 Inspire Specification on Geographical Grid Systems Guidelines. Version URL: documents/data_specifications/inspire_specification_ggs_v3.0.1.pdf [Stand: ] [Kaminger, Meyer 2007] Neue Raster-Orientierte Statistik in Europa. In Strobl, J.; Blaschke, T. u. Griesebner, G. (Hrsg.): Angewandte Geoinformatik 2007: Beiträge zum 19. AGIT-Symposium Salzburg. S Wichmann-Verlag. Heidelberg. URL: pdf [Stand: ] [Meyer 2011] Visualisierung von Ergebnissen der Arealstatistik der Schweiz mit Kriging- und Mischrasterkarten. In Gotthard Meinel, Ulrich Schumacher (Hrsg.): Flächennutzungsmonitoring III Erhebung Analyse Bewertung. S Rhombos Verlag. Berlin [Noske 2004] Dynamic Range Queries in Vector Space. Literature Review von Honours Thesis mit Titel: Efficient Algorithms for Molecular Dynamics Simulations and Other Dynamic Spatial Join Queries. Department of Information Technology, James Cook University, Cairns Campus. URL: com/student/downloads/jcu_hons/lit_review.doc [Stand: ]

61 [Prinz et al. 2004] Flexible Aggregation regionalstatistischer Erhebungen - Neue Produkte der Statistik Austria. In: Strobl, J., Blaschke, T., Griesebner, G. (eds.): Angewandte Geographische Informationsverarbeitung XVI. S Wichmann Verlag. Heidelberg. URL: _agit_regionalstatistik.pdf [Stand: ] [RatSWD 2011] Endbericht der AG Georeferenzierung von Daten des RatSWD vom (Stand: ). Rat für Sozialund Wirtschaftsdaten. URL: Endbericht_Geo-AG.pdf [Stand: ] [Samet 1988] An overview of Quadtrees, Octrees, and related Hierarchical Data Structures. NATO ASI Series Vol. F40, Theoretical Foundations of Computer Graphics and CAD. Springer-Verlag. Berlin Heidelberg. URL: [Stand: ] [Schnorr-Bäcker 2010] Aktuelle Entwicklungen auf dem Gebiet der Regionalstatistik. In Statistisches Bundesamt (Hrsg.): Auszug aus Wirtschaft und Statistik. S Wiesbaden. URL: destatis.de/jetspeed/portal/cms/sites/destatis/internet/de/content/ Publikationen/Querschnittsveroeffentlichungen/WirtschaftStatistik/ AllgemeinesMethoden/EntwicklungRegionalstatistik810,property=file. pdf [Stand: ] [Strobl 2005] Hierarchische Aggregation: Detailinformation versus Datenschutz am Beispiel adressbezogen georeferenzierter Datensätze. Salzburger Geographische Arbeiten, Bd. 38, S Salzburg. URL: http: // [Stand ]

62 [Szibalski 2005] Anonymität von Erhebungseinheiten und statistische Geheimhaltung in digitalen Karten amtlicher Statistikdaten. In Nachrichten aus dem Statistischen Bundesamt (Hrsg.): METHODEN VER- FAHREN ENTWICKLUNGEN Ausgabe 2/2005. S Wiesbaden. URL: DE/Content/Wissenschaftsforum/MethodenVerfahren/Infos/Ausgabe ,property=file.pdf[Stand: ] [Szibalski 2007] Kleinräumige Bevölkerungs- und Wirtschaftsdaten in der amtlichen Statistik Europas. In Statistisches Bundesamt (Hrsg.): Auszug aus Wirtschaft und Statistik. S Wiesbaden. URL: destatis.de/jetspeed/portal/cms/sites/destatis/internet/de/content/ Publikationen/Querschnittsveroeffentlichungen/WirtschaftStatistik/ AllgemeinesMethoden/KleinraeumigeBevoelkerung,property=file.pdf [Stand: ] [Wallbaum, Kummer 2006] Entwicklung einer Hot Spot-Analyse zur Identifizierung der Ressourcenintensitäten in Produktketten und ihre exemplarische Anwendung. Projekt Ressourcenproduktivität als Kernstrategie im Auftrag des Bundesministeriums für Bildung und Forschung. triple innova GmbH. Wuppertal. URL: de/download.php?datei=src/downloads/ap_22_produktketten.pdf [Stand: ] [Walz, Schumacher 1998] Zum Einsatz des Geo-Informationssystem Spans für landschaftsökologische Fragestellungen. Photogrammetrie Fernerkundung Geoinformation 2/1998. S E. Schweizerbart science publishers. Stuttgart [Wonka 2010] Regionalstatistik in Österreich auf der räumlichen Bezugsbasis von regionalstatistischen Rastereinheiten. Institut für Geographic Information Science Österreichische Akademie der Wissenschaften. Salzburg und Wien. URL: RasterStatistikWonka.pdf [Stand: ]

63 Anhang

64 Abbildung 31: Mischrasterkarte Großraum Berlin mit Thematik Anteil bebaute Fläche ohne Industrie und Gewerbe unter Rücksicht des Schwellwertes >45 Gebäude pro Rasterzelle (Quelle: Eigene Abbildung)

65 Abbildung 32: Mischrasterkarte Großraum Berlin mit Thematik Anteil Industrie- und Gewerbefläche pro Zelle unter Rücksicht des Schwellwertes >45 Gebäude pro Rasterzelle (Quelle: Eigene Abbildung)