Bisher standen vor allem Abfragen im Vordergrund. Thematische Abfragen wählen Objekte nach Attributwerten aus, geometrische Abfragen messen Distanzen, Längen oder Flächen, topologische Abfragen prüfen Lagebeziehungen zwischen Objekten. Räumliche Analyse geht darüber hinaus. Sie fragt nicht nur, welche vorhandenen Objekte eine Bedingung erfüllen, sondern welche neuen räumlichen Informationen aus vorhandenen Daten abgeleitet werden können.
Damit verändert sich auch der Anspruch an die Arbeit mit GI-Systemen. Eine räumliche Analyse ist nicht nur eine technische Operation, sondern eine begründete Transformation von Daten. Aus Punktmessungen werden Flächen, aus Höhenwerten werden Hangneigung und Sichtbarkeit, aus Distanzwerten werden Nähezonen, aus mehreren Kriterien wird eine Eignungskarte. Jede dieser Ableitungen enthält Annahmen über Raum, Maßstab, Prozess und Aussagegrenze.
Warum räumliche Analyse nicht nur Werkzeugbedienung ist
Geographie arbeitet mit unvollständigen räumlichen Informationen. Messpunkte decken den Raum nie vollständig ab, Fernerkundungsdaten bilden nur bestimmte Eigenschaften ab, Klassifikationen vereinfachen kontinuierliche Übergänge, und räumliche Modelle übersetzen komplexe Prozesse in berechenbare Regeln. Räumliche Analyse ist deshalb immer auch der Versuch, aus unvollständigen Daten nachvollziehbare, prüfbare und begründete Aussagen zu entwickeln.
GI-Systeme sind dabei keine neutralen Antwortmaschinen. Sie stellen Werkzeuge bereit, mit denen räumliche Daten transformiert, kombiniert, ausgewertet und visualisiert werden können. Ob das Ergebnis fachlich sinnvoll ist, hängt aber davon ab, ob die gewählte Operation zur Fragestellung, zum Datenmodell, zum Maßstab und zum angenommenen Prozess passt.
Eine Interpolation kann zum Beispiel eine plausible Oberfläche erzeugen, obwohl zwischen den Messpunkten keine direkte Beobachtung vorliegt. Eine Sichtbarkeitsanalyse kann zeigen, welche Bereiche nach einem Höhenmodell sichtbar sind, aber sie bildet nicht automatisch Vegetation, Bebauung oder atmosphärische Sichtbedingungen ab. Eine Eignungsanalyse kann Kriterien transparent gewichten, aber sie ersetzt keine empirische Validierung des Ergebnisses.
Von der Abfrage zur Analyse
Eine Abfrage beantwortet meist eine Auswahlfrage:
Welche vorhandenen Objekte erfüllen eine bestimmte Bedingung?
Eine räumliche Analyse beantwortet dagegen eine Ableitungsfrage:
Welche neue räumliche Information kann aus vorhandenen Daten, Annahmen und Regeln erzeugt werden?
Der Unterschied liegt nicht nur in der Komplexität. Eine Abfrage markiert vorhandene Objekte. Eine Analyse erzeugt neue Daten: ein Distanzraster, eine interpolierte Oberfläche, eine Hangneigungskarte, ein Sichtfeld, einen Feuchteindex, eine Eignungskarte oder eine Kostenoberfläche.
Deshalb müssen räumliche Analysen stärker begründet werden als einfache Abfragen. Man muss nicht nur zeigen, welches Werkzeug verwendet wurde, sondern auch warum genau dieses Werkzeug zur fachlichen Frage passt.
Zwei Richtungen räumlicher Analyse
In den folgenden Einheiten werden zwei eng verbundene Richtungen räumlicher Analyse behandelt.
Die erste Richtung ist die räumliche Ableitung. Dabei werden aus vorhandenen Daten neue räumliche Informationen berechnet. Beispiele sind Voronoi-Flächen, Interpolationen, digitale Geländemodelle, Sichtbarkeitsanalysen oder hydrologische Ableitungen.
Die zweite Richtung ist die räumliche Bewertung. Dabei werden mehrere Kriterien kombiniert, standardisiert und gewichtet, um Entscheidungsräume sichtbar zu machen. Beispiele sind Eignungsanalysen, Multikriterienanalysen und Kostenanalysen.
Beide Richtungen beruhen auf derselben Grundidee: Raumbezogene Information entsteht nicht einfach durch Darstellung, sondern durch eine nachvollziehbare Kette aus Daten, Annahmen, Operationen und Interpretation.
Räumliche Analyse in der Geographie
Räumliche Analyse ist älter als GIS-Software. Viele Verfahren der quantitativen Raumanalyse und räumlichen Statistik wurden bereits entwickelt, bevor digitale GI-Systeme breit verfügbar waren. Frühe Arbeiten zur Analyse räumlicher Muster, Verteilungen und Prozesse sind etwa in Berry und Marble (1968) dokumentiert. Besonders in Raumwissenschaften und landschaftsökologischen Anwendungen wurden solche Verfahren wichtig, weil dort Muster, Nachbarschaften, Gradienten und Prozesse zentrale Gegenstände der Analyse sind (vgl. Turner u. a. 2003).
In der deutschsprachigen Geographie ist die stärkere Orientierung an quantitativen und analytischen Verfahren eng mit dem Paradigmenwechsel um den Kieler Geographentag 1969 verbunden (Monheim und Schwarte 1999). Arbeiten wie Bartels (1968) und Gerhard Hard (1970) stehen für diese Zäsur. Der ältere Landschaftsbegriff blieb im allgemeinen Lehrbetrieb zwar präsent, gleichzeitig setzte sich aber eine stärker methodisch und analytisch ausgerichtete Raumforschung durch. Mit der Entwicklung von GIS und GI-Science wurden diese Verfahren zunehmend praktisch verfügbar, weil Datenerfassung, Datenverwaltung, Analyse und Visualisierung in einer gemeinsamen Arbeitsumgebung zusammengeführt wurden (vgl. Bill 2008).
Für diesen Kurs ist daraus vor allem ein Punkt wichtig: Räumliche Analyse ist nicht nur die Anwendung vorhandener Softwarefunktionen. Sie ist die begründete Übersetzung einer räumlichen Frage in Daten, Operationen und interpretierbare Ergebnisse. Eine Karte ist daher nicht schon deshalb aussagekräftig, weil sie mit GIS erzeugt wurde. Aussagekräftig wird sie erst, wenn Datenbasis, Methode, Maßstab, Annahmen und Grenzen nachvollziehbar gemacht werden.
Lernziele
Nach dieser Einheit können Sie:
- den Unterschied zwischen räumlicher Abfrage und räumlicher Analyse erklären;
- räumliche Analyse als Ableitung neuer Informationen aus vorhandenen Daten beschreiben;
- erläutern, warum Datenlücken, Maßstab, Auflösung und Modellannahmen das Ergebnis beeinflussen;
- einfache räumliche Ableitungen von bewertenden Entscheidungsmodellen unterscheiden;
- erklären, warum GIS-Ergebnisse begründet und nicht nur visualisiert werden müssen;
- die folgenden Einheiten zu Interpolation, Geländemodellen, Sichtbarkeit, Prozessableitungen und Multikriterienanalysen in einen gemeinsamen methodischen Rahmen einordnen.