Worum geht es in diesem Arbeitsblatt?
In dieser Aufgabe arbeiten Sie zum ersten Mal mit einer Analyse, bei der mehrere GIS-Schritte fachlich zusammenpassen müssen. Es geht also nicht mehr nur darum, einzelne Werkzeuge korrekt anzuwenden. Entscheidend ist, zu verstehen, welche fachliche Annahme durch welchen GIS-Schritt umgesetzt wird.
Eine Multikriterienanalyse entsteht aus einer Kette solcher Übersetzungen: Aus einer fachlichen Aussage wird ein räumliches Kriterium, aus diesem Kriterium ein Datenlayer, aus dem Datenlayer eine Bewertung, und aus mehreren Bewertungen schließlich eine Karte. Wenn zum Beispiel Wald als günstiger Lebensraum bewertet wird, muss diese Aussage in eine Landnutzungsklasse, ein Raster, eine Reklassifikation und einen Zahlenwert übersetzt werden. Die Technik folgt also nicht neben der Fachlichkeit her, sondern setzt sie direkt um.
Im ersten Teil bewerten Sie die Eignung von Rasterzellen für ein potenzielles Wildkatzenhabitat. Hohe Werte stehen dabei für hohe Eignung. Im zweiten Teil verwenden Sie dieselbe Rasterlogik für eine Kostenpfadanalyse. Dann bedeuten hohe Werte nicht mehr „gut“, sondern hohe Kosten oder hohen Widerstand. Die Richtung der Bewertung hängt also immer von der Fragestellung ab.
Damit ist diese Übung ein Schritt vom einfachen Werkzeugtraining zur eigentlichen GIS-Analyse. Normalerweise bestehen raumbezogene Analysen genau aus dieser Verbindung: fachliche Annahmen, geeignete Daten, passende Bewertung, technische Umsetzung und kritische Interpretation des Ergebnisses.
Lernziele
Nach dieser Übung können Sie
- fachliche Aussagen in räumliche Kriterien übersetzen,
- geeignete Datenebenen für eine Fragestellung auswählen und aufbereiten,
- Rasterwerte als Eignungswerte oder Kostenwerte interpretieren,
- Kriterien reklassifizieren, bewerten und gewichten,
- mehrere Rasterebenen nachvollziehbar miteinander verrechnen,
- eine einfache Eignungsanalyse und eine Kostenpfadanalyse durchführen,
- erklären, wie fachliche Annahmen das GIS-Ergebnis beeinflussen.
Benötigte Materialien
- Marburg Open Forest (MOF) Geländemodell in 1 m Auflösung
- Corine Landnutzungsdaten für das MOF
- Open Street Map (OSM) Wegedaten für das MOF
- Koordinaten (ETRS89 / UTM32N, EPSG:25832): Position Parkplatz (478188, 5632178), Position Grillhütte (476170, 5631657)
Aufgaben Lerneinheit 4
Aufgabe 04-01
Sie sollen eine Entscheidung anhand mehrerer Kriterien treffen. Konkret soll die potenzielle Eignung des Marburger Uniwaldes als Wildkatzenlebensraum untersucht werden. Der Bezug zur Wildkatze wurde im Reader fachlich eingeführt; die folgende Analyse ist ein vereinfachtes GIS-Modell und keine Nachweiskarte realer Vorkommen.
Dabei sollen folgende Aussagen gelten:
Aufgabe 04-02
Sie sollen einen Trimm-Dich-Pfad durch den Uniwald (Marburger Offener Wald, MOF) bei Caldern planen. Der Trail beginnt am Parkplatz in der Nähe des Kreisverkehrs am südöstlichen Rand und endet am Grillplatz am nordwestlichen Ende. Machen Sie sich zunächst mit dem Konzept der Kostenanalyse vertraut (siehe Hilfen und Reader).
Die Vorgaben für die Streckenplanung sind:
Unterstützung
Kriterienbewertung: Fachlogik in Rasterwerte übersetzen
Eine Multikriterienanalyse besteht nicht nur aus Werkzeugbedienung. Entscheidend ist die Übersetzung einer fachlichen Aussage in eine berechenbare Rasterregel.
Aus einer Aussage wie „Wildkatzen bevorzugen Waldgebiete“ wird zum Beispiel:
Wald = hoher Eignungswert
Nicht-Wald = niedriger EignungswertAus einer Aussage wie „die Route soll möglichst weit von Wegen entfernt verlaufen“ wird dagegen:
große Entfernung zu Wegen = niedriger Kostenwert
geringe Entfernung zu Wegen = hoher KostenwertDie technische Frage lautet also immer: Welcher Rasterwert soll im Ergebnis günstig oder ungünstig wirken?
Reklassifikation oder Rasterrechner
Für die Umwandlung von Rohwerten in Bewertungswerte gibt es zwei sinnvolle Wege.
Der übersichtliche Weg ist Reklassifizieren nach Tabelle. Dabei werden Wertebereiche direkt in Zielwerte übersetzt, zum Beispiel Hangneigungsklassen oder Entfernungsklassen.
Der direktere Weg ist der Rasterrechner. Dort wird die fachliche Regel unmittelbar als Ausdruck formuliert. Das reduziert die Zahl einzelner Werkzeugdialoge und macht sichtbar, welche Bedingung welchen Wert erzeugt.
Beispielhafte Struktur für eine Klassenbewertung der Hangneigung:
("hangneigung@1" >= 0 AND "hangneigung@1" < 15) * WERT_FLACH +
("hangneigung@1" >= 15 AND "hangneigung@1" < 30) * WERT_MITTEL +
("hangneigung@1" >= 30) * WERT_STEILDie Platzhalter WERT_FLACH, WERT_MITTEL und WERT_STEIL müssen durch fachlich begründete Bewertungswerte ersetzt werden. Genau darin liegt die eigentliche Analyseentscheidung.
Für eine Wald/Nicht-Wald-Bewertung gilt dieselbe Logik:
("wald@1" = 1) * WERT_WALD +
("wald@1" = 0) * WERT_NICHTWALDAuch hier entscheidet nicht QGIS, welcher Wert richtig ist. Die Werte müssen zur Fragestellung passen.
Normalisierung kontinuierlicher Werte
Kontinuierliche Rasterwerte wie Hangneigung oder Entfernung können auch rechnerisch auf eine gemeinsame Skala gebracht werden. Das nennt man Normalisierung.
Eine einfache lineare Normalisierung auf den Wertebereich 0 bis 1 lautet:
\[ x_{\text{norm}} = \frac{x - x_{\min}}{x_{\max} - x_{\min}} \]
Dabei ist \(x\) der ursprüngliche Rasterwert, \(x_{\min}\) der kleinste Wert des Rasters und \(x_{\max}\) der größte Wert des Rasters.
Soll eine Skala von 0 bis 10 verwendet werden, wird der normalisierte Wert mit 10 multipliziert:
\[ x_{0-10} = 10 \cdot x_{\text{norm}} \]
Diese Normalisierung ist nur dann passend, wenn hohe Ausgangswerte auch hohe Eignung bedeuten. Wenn hohe Ausgangswerte niedrige Kosten oder geringere Eignung bedeuten sollen, muss die Richtung umgekehrt werden:
\[ x_{\text{inv}} = 1 - x_{\text{norm}} \]
Für diese Aufgabe ist häufig eine explizite Klassenbewertung verständlicher als eine automatische Normalisierung. Die Klassengrenzen und Zielwerte bleiben dabei sichtbar und können fachlich diskutiert werden.
Gewichtung im Rasterrechner
Nach der Bewertung der einzelnen Kriterien werden die bewerteten Raster gewichtet kombiniert. Jedes Raster wird mit seinem Gewichtungsfaktor multipliziert. Anschließend werden die gewichteten Raster addiert.
Allgemein:
\[ E = R_1 \cdot w_1 + R_2 \cdot w_2 + \dots + R_n \cdot w_n \]
Dabei sind \(R_1 \dots R_n\) die bewerteten Raster und \(w_1 \dots w_n\) die zugehörigen Gewichte. Wird mit proportionalen Gewichten gearbeitet, soll die Summe der Gewichtungsfaktoren 1 ergeben.
Die Gewichte sind keine technischen Vorgaben. Sie drücken aus, welches Kriterium im Verhältnis zu den anderen Kriterien stärker oder schwächer wirken soll.
Eignungswerte und Kostenwerte nicht verwechseln
Bei der Eignungsanalyse wird nach günstigen Flächen gesucht. Hohe Werte bedeuten dort hohe Eignung.
Bei der Kostenanalyse sucht der Algorithmus dagegen einen Pfad mit möglichst niedrigen aufsummierten Kosten. Hohe Werte bedeuten dort hohe Kosten oder hohen Widerstand.
Deshalb kann dieselbe räumliche Eigenschaft je nach Fragestellung unterschiedlich bewertet werden. Eine steile Fläche kann für ein Wildkatzenhabitat als günstiger Reliefindikator bewertet werden. Für einen bequemen Spazierweg wäre sie ein hoher Kostenwert. Für einen Trimm-Dich-Pfad kann sie wiederum bewusst als niedriger Kostenwert gesetzt werden, wenn Steilheit als attraktiv gilt.
Die entscheidende Kontrollfrage lautet daher:
Soll dieser Ausgangswert im Ergebnis günstig oder ungünstig wirken?Start- und Zielpunkte anlegen
Für das exakte Anlegen von Start- und Zielpunkten ist kein zusätzliches Plugin erforderlich. Am einfachsten ist eine kleine CSV-Datei mit den Punktkoordinaten:
name,x,y
Parkplatz,478188,5632178
Grillhuette,476170,5631657Diese Datei kann in QGIS über Layer → Layer hinzufügen → Getrennte Textdatei hinzufügen geladen werden. Verwenden Sie x als X-Feld, y als Y-Feld und EPSG:25832 als Koordinatensystem.
Alternativ kann das Bedienfeld Erweitertes Digitalisieren genutzt werden. Aktivieren Sie es über Ansicht → Bedienfelder → Erweitertes Digitalisieren, legen Sie einen Punktlayer in EPSG:25832 an und geben Sie die Koordinaten direkt ein.
Entfernungs- und Kostenanalyse
Für die Kostenanalyse kann das Plugin Least Cost Path verwendet werden. Es berechnet aus einem Kostenraster sowie Start- und Zielpunkten einen kostengünstigen Pfad. Achten Sie darauf, dass das verwendete Raster wirklich ein Kostenraster ist: niedrige Werte stehen für geringe Kosten, hohe Werte für hohe Kosten.
Für eine fachlich leistungsfähigere Umsetzung können alternativ die GRASS-Werkzeuge in QGIS verwendet werden. Mit r.cost wird aus einem Kostenraster zunächst eine kumulative Kostenoberfläche berechnet. Jede Rasterzelle erhält dann den minimalen aufsummierten Aufwand, der vom Startpunkt bis zu dieser Zelle entsteht. Aus dieser kumulativen Kostenoberfläche kann anschließend mit r.drain beziehungsweise r.path ein Pfad mit minimalen Kosten abgeleitet werden. r.cost ist damit nicht nur ein Werkzeug zum Zeichnen einer Linie, sondern erzeugt zuerst die vollständige räumliche Kostenlogik, auf der der Pfad basiert. :contentReferenceoaicite:0
Für die Übung reicht das Plugin Least Cost Path als einfacher Einstieg. Wer die Kostenanalyse genauer nachvollziehen oder erweitern möchte, sollte die GRASS-Werkzeuge verwenden, weil dort die Zwischenschritte — Kostenraster, kumulative Kostenoberfläche und abgeleiteter Pfad — fachlich klarer getrennt sind.