PDF-Download

2
Ein neuer standardisierter Workflow
zur quantitativen Landschaftsbildbewertung
bei UVP-Verfahren
Christoph ERLACHER1, Gernot PAULUS1, Markus EISL2, David MELCHER3,
Daniel BOGNER3, Brigitte GRIESSER4, Werner PÖLL4,
Alexandra RIEGER5 und Lukas UMGEHER5
1
FH KÄRNTEN, Villach · [email protected]
2
eoVision GmbH, Salzburg
3
eb&p Umweltbüro GmbH, Klagenfurt
4
Freiland ZT GmbH, Graz
5
Revital IB GmbH, Nußdorf-Debant
Dieser Beitrag wurde durch das Programmkomitee als „reviewed paper“ angenommen.
Zusammenfassung
Im Rahmen von Umweltverträglichkeitsprüfungs-Verfahren (UVP-Verfahren) muss die
Auswirkung von technischen Infrastrukturprojekten auf das Landschaftsbild bewertet werden. Diese Bewertung des Landschaftsbildes wird gutachterlich von ExpertInnen durchgeführt. Für die dabei notwendigen Prozessschritte der Beurteilung des Ist-Zustandes der
Landschaft, der Auswirkungen von Infrastrukturprojekten und der Wirkung von Ausgleichsmaßnahmen gibt es aktuell keine einheitlich angewandte Methodik, entsprechend
kritisch werden daher oft die Ergebnisse beurteilt. Dieser Fachbeitrag schlägt einen neuen
standardisierten Workflow zur quantitativen Landschaftsbildbewertung vor, in dem hochauflösende Geodaten, räumliche Analysemethoden und Verfahren der räumlichen Entscheidungsunterstützung kombiniert werden und damit eine transparente, szenariobasierte
Landschaftsbildbewertung ermöglichen.
1
Einleitung
Im Projekt kooperieren drei Umweltplanungsbüros mit unterschiedlichen thematischen
Schwerpunkten und ein Unternehmen im Bereich Satellitenbildklassifikation mit einer
Hochschule, um ein neues standardisiertes Verfahren zur quantitativen Landschaftsbildbewertung bei Umweltprüfverfahren (Wasserkraftwerke, Straßenprojekte, Windkraftanlagen,
etc.) zu entwickeln. Ziel des Projektes ist es, den Prozess der Landschaftsbildbewertung objektiv zu gestalten und damit Entscheidungen im Rahmen von UVP-Verfahren (Umweltverträglichkeitsprüfungen) transparent und nachvollziehbar zu machen. Mithilfe von Methoden und Werkzeugen der Geoinformation, der Satellitenbildauswertung und der räumlichen Entscheidungsunterstützung (Spatial Decision Support System – SDSS) wird ein
Workflow zur standarisierten Bewertung des Landschaftsbildes entwickelt. Dieser Workflow bzw. das zu entwickelnde Konzept umfasst den Aufbau des Kriterienkatalogs, die
Strobl, J., Blaschke, T., Griesebner, G. & Zagel, B. (Hrsg.) (2014): Angewandte Geoinformatik 2014.
© Herbert Wichmann Verlag, VDE VERLAG GMBH, Berlin/Offenbach. ISBN 978-3-87907-543-0.
Dieser Beitrag ist ein Open-Access-Beitrag, der unter den Bedingungen und unter den Auflagen der
Creative Commons Attribution Lizenz verteilt wird (http://creativecommons.org/licenses/by/3.0/).
Ein Workflow zur quantitativen Landschaftsbildbewertung bei UVP-Verfahren
3
Geodatenaufbereitung (räumliche Analyse der Modellinputdaten durch Sichtbarkeitsanalysen & Satellitenbildklassifikation), das räumliche Entscheidungsunterstützungsmodell (zur
Bewertung der Sensibilität des Landschaftsbildes, der Vorbelastung und des Einflusses von
Infrastrukturprojekten und Ausgleichsmaßnahmen) sowie die räumliche Visualisierung der
Ergebnisse zur Quantifizierung von unterschiedlichen Planungsszenarien.
2
Landschaftsbildbewertung
Der Lebensraum des Menschen ist in seinem Erscheinungsbild durch natürliche und menschenbedingte Einflüsse bestimmt und strukturiert. Laut NOHL (2001) unterteilt sich ein
Gebiet in der Regel in Bereiche mit unterschiedlichen Erscheinungsbildern. Die Grundlage
für die Beurteilung der Auswirkungen eines Infrastrukturprojektes auf das Landschaftsbild
bildet eine Unterteilung des Untersuchungsgebietes in visuell eigenständige landschaftsästhetische Raumeinheiten, die in sich homogen sind. ROTH (2012) gibt eine Übersicht, die
unterschiedliche Sinneseindrücke bei der Wahrnehmung des Landschaftsbildes berücksichtigt. Neben den visuellen Eindrücken spielen auch olfaktorische und akustische Eindrücke
eine Rolle, wobei in diesem Workflow nur Erstgenannte berücksichtigt werden. Wesentlich
für die Wahrnehmung der Gestaltprinzipien ist jedoch nicht nur ihr Vorkommen oder Aussehen, sondern vor allem die Sichtbeziehungen und die Distanz zu ihnen vom jeweiligen
räumlichen Beobachtungspunkt aus.
Die Verfahren zur Bewertung des Landschaftsbildes lassen sich grundsätzlich in quantifizierende und verbal-argumentative Verfahren einteilen. Zwischen diesen Vorgehensweisen
bestehen Übergänge, sodass eine eindeutige Zuordnung eines bestimmten Verfahrensansatzes
zu dem einen oder anderen Typus manchmal schwierig ist. Die quantifizierenden Verfahren
sind methodisch gegliederte Vorgehen, die sich auf quantitativ bestimmbare Faktoren, aber
auch auf Skalierungen und Klassifizierungen nicht messbarer Kriterien stützen. Die Werteinstufungen werden dabei vornehmlich rechnerisch, z. B. durch Multiplikation mit anderen
quantitativen Werteinheiten, ermittelt und aggregiert. Sie differenzieren sich für Punktewertverfahren, Kompensationsflächenfaktoren und Herstellungskostenansätze. Vorteile dieses
Verfahrens sind Nachvollziehbarkeit und die Möglichkeit der Ableitung quantitativer Forderungen. Das Verfahren nach NOHL stellt einen quantifizierenden, „auf dem Prinzip der
Nutzwertanalyse fußenden Ansatz dar“ (JESSEL et al. 1998). In zehn Schritten wird die Größe
der Kompensationsfläche bei mastartigen Eingriffen (Windkraftanlagen, Sendemasten, Freileitungen) ermittelt. Dabei greift er für die Bestimmung der Eingriffsintensität und der landschaftsästhetischen Erheblichkeit in den unterschiedlichen Landschaftsbildeinheiten und
Wirkzonen, welche nach Entfernung zum Eingriff eingeteilt sind, auf verschiedene Tabellen
zurück. Durch die Multiplikation der beeinträchtigten Fläche mit dem Erheblichkeitsfaktor,
dem Kompensationsflächenfaktor und dem Wahrnehmungskoeffizienten wird die Kompensationsfläche für jede Teileinheit ermittelt. Das von KIEMSTEDT (1967) entwickelte V(ielfältigkeits)-Wert-Verfahren ist ein nutzerunabhängiges, quantifizierendes Verfahren zur Bewertung von Landschaftsbildern. Es beruht auf der Annahme, dass die Vielfalt und somit die
ästhetische Wirksamkeit einer Landschaft als objektive Größe gemessen werden kann. Durch
Definition von Wertkriterien wird Subjektivität bei der Bewertung ausgeschlossen. Der Vielfältigkeitswert wird anhand von Größen wie Wald- und Gewässerrand in m/km², Reliefenergiezahl, Nutzungszahl und Klimafaktor berechnet. Räumliche Bewertungsmethoden, meist
rasterbasierte quantitative Bewertungsverfahren, werden beispielsweise von ROSER (2011),
4
C. Erlacher, G. Paulus, M. Eisl et al.
MELCHER & BOGNER (2012), SCHIRPKE et al. und FRANK et al. (2013) vorgestellt. Das verbalargumentative Verfahren dagegen verzichtet auf eine rechnerische Ermittlung und Aggregation der Wertstufe und bewertet durch Argumentation. Dies ermöglicht die Behandlung
schwieriger und nicht quantifizierbarer Sachverhalte. Dabei gibt es eine große Anzahl von
unterschiedlichen Ansätzen, die von einfach strukturierten, mit rein textlichen Ausführungen,
über formal strukturierte und grafisch unterstützte Bewertungen, bis hin zu entscheidungslogischen Verfahren mit Entscheidungsregeln, Entscheidungsbaum oder Paarvergleich reichen.
Ein Beispiel hierfür ist der Leitfaden für die Beurteilung der Auswirkungen von Eingriffen
auf das Landschaftsbilden (Amt der NÖ Landesregierung).
3
Konzept und Workflow
3.1
Kriterienkatalog
Zur Beschreibung oder Bewertung des optischen Eindrucks, den eine Landschaft beim Betrachter hinterlässt, werden verschiedene Parameter herangezogen. Es gibt unterschiedliche
Ansätze, die dabei Anwendung finden. Die subjektive Empfindung kann dabei jedoch nicht
ganz ausgeschlossen werden. Oft wird von den sogenannten Gestaltprinzipien gesprochen,
durch die das Landschaftsbild erfasst werden kann. Zu diesen zählen Natürlichkeit, Eigenart,
Vielfalt, Schönheit und Störfaktoren, welche die Bewertungskriterien für das Landschaftsbild repräsentieren. In der Literatur finden sich verschiedene Definitionen zu diesen Kriterien.
Vielfalt: Laut NOHL (1993) ist Vielfalt mittels der Anzahl deutlich unterscheidbarer Elemente in einer Landschaft messbar (z. B. Oberflächenformen, Vegetationsstrukturen, Gewässerformen, Nutzungsarten, Gebäude- und Baustrukturen sowie Einschließungsarten). Genauso
verstärken geschwungene Grenzen, jahreszeitliche Vegetationsaspekte und Sichtbeziehungen
den Eindruck von Vielfalt. SCHWAHN (1990) beschreibt, dass vor allem Nähe bzw. Entfernung sowie die zeitliche Dimension eine wichtige Rolle spielen. Somit ergibt sich für die
Vielfalt auch eine Abhängigkeit durch die Blick- bzw. Sichtbeziehung, sowie durch unterschiedliche Jahreszeiten (JESSEL 1998, RIEDEL et al. 2009). Eigenart: ROTH (2012) beschreibt, dass das Wort Eigenart einerseits als positiv (typisch, charakteristisch, unverwechselbar) und anderseits als negativ (merkwürdig, abnorm) verstanden werden kann. NOHL
(2001) erklärt den Begriff der Eigenart mit „untypischen“ Veränderungen/Eingriffen innerhalb der letzten ein bis zwei Menschengenerationen, der einer Landschaft Identität und Individualität verleiht. Die Eigenart einer Landschaft setzt sich aus Anordnung, Anteile und Ausprägungen von Elementen (z. B. dominante Gehölz- und Gewässerstrukturen, geomorphologische Strukturen, Reliefformen, kulturelle Elemente …) zusammen (RIEDEL 2009). Naturnähe: Laut NOHL (1993) zeichnet sich Naturnähe durch möglichst wenige menschliche
Eingriffe und ein hohes Maß an Spontanentwicklung aus. Naturnähe besitzt auch künstliche
Landschaftsräume, die zufällig strukturiert sind. ROTH (2012) betont, dass es sich hier um
die wahrgenommene bzw. erlebte Naturnähe handelt und nicht um die ökologische Naturnähe. Zum Beispiel können auch Brachflächen, Forste und Landschaftsgeräte als sehr naturnah erlebt werden. Zu berücksichtigen gilt die Abwesenheit von Überbauungen und Versiegelungen sowie das Fehlen intensiver Landnutzungsformen und regelmäßig-geometrischer Muster und technischer Strukturen (NOHL 2001; ROTH 2012, 63). Störfaktoren: Laut
Nohl (1993) haben Störelemente vor allem Einfluss auf den Verlust der Eigenart einer
Landschaft. Die Stärke der Beeinträchtigung eines Störfaktors (Windparks, Straßen, Sied-
Ein Workflow zur quantitativen Landschaftsbildbewertung bei UVP-Verfahren
5
lungen…) hängt von der Charakteristik (Bauhöhe/Baumasse, Konstruktion/Material, Farbe/
Textur, Standort/Trassenverlauf…) und der Entfernung eines Objektes ab. Schönheit: Das
Kriterium Schönheit wird in der Fachliteratur als der am schwierigsten greifbare bzw. zu
bewertende Parameter bezeichnet (ROTH 2012). Die Schönheit liegt im Auge des Betrachters und ist somit höchst subjektiv. Dieses Kriterium eignet sich kaum für GI-Analysen, da
es sich schwer ableiten lässt. Der Kriterienkatalog repräsentiert die Basis für die räumliche
Entscheidungsunterstützung und wird durch die Kriterien und deren Einfluss (Gewichtung)
im Modell hierarchisch beschrieben. In der obersten Ebene befinden sich die Kriterien
„Vielfalt“, „Eigenart“ und „Störfaktoren“. Elemente des in der Literatur beschriebene Kriteriums „Naturnähe“ sind implizit in Form von Subkriterien der Kriterien „Vielfalt“ (Stillund Fließgewässer…) und „Eigenart“ (Almen…) abgedeckt. Hinsichtlich des Einflusses der
einzelnen Kriterien gibt es bereits eine Vorbewertung der Kriteriengewichtungen, die aber
durch vor Ort Begehungen durch Experten abgeändert werden kann.
3.2
Geodatenaufbereitung
Das ausgewählte Testgebiet (5 × 5 km) deckt das Gebiet Velden-Rosegg in Kärnten ab.
Dieses eignet sich aus strategischen Gründen, da die Case-Study im Zentralraum von Kärnten liegt und viele Menschen durch geplante Bauvorhaben betroffen wären. Darüber hinaus
sind bessere Sichtbeziehungen als in den engen Tälern gegeben und der landschaftliche
Raum ist recht bekannt, wodurch Ergebnisse durch das Userforum und weiterer Experten, die
nicht direkt im Projekt involviert sind, leichter verifiziert werden können. Derzeit stammen
die Inputdaten hauptsächlich aus der landschaftsräumlichen Gliederung Kärntens (BLECH &
PIECHL 2002), die vor allem die menschenbedingte Eigenart und die Störfaktoren repräsentieren, sowie aus der Vegetationskartierung Kärntens (HARTL et al. 2002), welche die natürliche Eigenart abbildet.
Eigenart und Störfaktoren
In der Raumplanung sind Sichtbarkeitsanalysen ein wichtiges Werkzeug um die visuelle Auswirkung geplanter Infrastrukturprojekte (Gebäude, Seilbahnen, Straßen, Windparks …) auf
die Umgebung quantitativ berechnen zu können (FISHER 1996). Nicht nur Störfaktoren üben
Einfluss auf die Umgebung aus, auch Objekte der Eigenart prägen das Landschaftsbild in
einer positiven Art und Weise und werden vom Betrachter als angenehm bzw. aufwertend
empfunden. Der Wirkungsgrad von Objekten der Eigenart und Störfaktoren wird durch Faktoren wie die vertikale Höhe, die Flächenausdehnung, der Sichtanteil, Entfernungen, visuelle
Durchlässigkeit, Farben, Formen, Material usw. bestimmt. Die Inputdaten sind, wie bereits erwähnt, als Flächen (Vektordaten) vorhanden und müssen für die Ermittlung der Sichtbeziehungen folglich aufbereitet werden. Die Umsetzung und Durchführung dieser Analysen
(engl. Viewshed) wird mit der Software „ArcGIS“ und der Erweiterung „Spatial Analyst“
als Python-Implementierung realisiert. Dabei fließen derzeit die Faktoren vertikale Höhe,
Sichtanteil und Distanz, als von Experten gewichtete Rasterdatensätze ein. Somit erhält man
für die Objekte der Eigenart und der Störfaktoren jeweils eine distanzbasierte, gewichtete Einflusskarte (Raster), die den Sichtanteil der Objekte berücksichtigt. Je geringer der Abstand zu
den Objekten und je dominanter der Sichtanteil der Objekte, desto größer ist der Einfluss auf
die Umgebung (Pixel Positionen). Innerhalb des Projektgebiets wurden die Einflusskarten
(Sensibilitäts- und Vorbelastungsraster) mit einer Auflösung von 10 Metern berechnet. Mittels einer Viewshed Analyse wird auch die Kulissenwirkung, also der Einfluss von außen
auf das Projektgebiet, ermittelt (Auflösung 25 Meter). Für die Berechnungen der Sichtbezie-
6
C. Erlacher, G. Paulus, M. Eisl et al.
hungen werden als Basishöhenraster das DOM (Digitale Oberflächen Modell) und das DGM
(Digitale Gelände Modell) verwendet, welche in einer Vorberechnung angepasst wurden.
Vielfalt
Für die Bewertung der Vielfalt werden hochauflösende Satellitenaufnahmen (Bodenauflösung
von zumindest 1 Meter/Pixel, z. B. WorldView-2 oder GeoEye-1; Abbildung 1 links) herangezogen, die mittels semiautomatischer, objektbezogener Klassifizierung für eine Bestimmung von Landschaftsparametern aufbereitet werden. Nach Vorbereitung durch Orthorektifizierung und topographischer Normalisierung werden die Satellitendaten zunächst segmentiert,
wobei für die Segmente eine Mindestfläche von 25 m² gewählt wurde. Für jedes Segment
werden Attribute, wie die mittleren Spektralwerte der Bildkanäle, deren Varianz, die Segmentfläche sowie der Umfang bestimmt. Auf Grundlage von Testgebieten und den Attributen
der Segmente werden diese einer Maximum-Likelihood-Klassifizierung unterzogen. Die
Definition der Klassen beruht auf dem Schema von Corine Level 3, wobei die nicht interessierenden Siedlungsklassen zu einer einzigen Klasse vereint werden und auch bei den Ackerflächen keine weitergehenden Unterscheidungen getroffen werden (Abbildung 1 Mitte). Besondere Aufmerksamkeit muss bei der Auswertung der Satellitendaten auf Schattenflächen
gelegt werden, da diese die Heterogenität der Klassifizierung beeinflussen. Während bei großflächiger Beschattung, etwa verschatteten Berghängen, die Klassifizierung für die Schattenflächen getrennt erfolgt, werden kleine Schattenflächen, z. B. an Waldrändern, benachbarten
Flächen zugeordnet. Ausgehend von in der Literatur beschriebenen Landschaftsstrukturparametern (z. B. MOSER et al. 2002) wurde eine Reihe von Tests durchgeführt, um die, für die
Weiterbearbeitung im SDSS, geeignetsten, mit der verwendeten Methode zugänglichen
Parameter zu identifizieren. Als aussagekräftigste Parameter wurden ausgewählt:



Fragmentierungsindex: MPS (mean patch size),
Diversitätsindex: PR (patch richness, Patches je Rasterzelle),
Formindizes: MSI (mean shape index) bzw. dazu invers MC (mean compactness).
Diese Parameter wurden für Rasterzellen mit den Rasterweiten 100m, 250m und 500m
berechnet und für die Verwendung im MCDM-Modell normalisiert (Abbildung 1 rechts).
Abb. 1:
Testgebiet Rosegg – Satellitenaufnahme (QuickBird-2 vom 11. August 2011;
links), Landnutzungsklassifizierung (Mitte) und Diversitätsindexberechnung
(PR, patch richness, Rasterweite 100m; rechts)
Ein Workflow zur quantitativen Landschaftsbildbewertung bei UVP-Verfahren
7
Um auch den Einfluss des Geländes, speziell der Reliefvariabilität, zu berücksichtigen,
wird als zusätzlicher Inputparameter, ausgehend vom digitalen Geländemodell (DGM) mit
einer Rasterweite von 10 Metern, die Reliefenergie über einem moving window von 100 ×
100 m errechnet.
3.3
Aufbau des MCDM Modells und Workflow
Multi-Criteria Decision Making (MCDM) ist eine Analysemöglichkeit, die eine Menge von
Alternativen hinsichtlich verschiedener Kriterien, der Kriteriengewichtungen und angewendeten Entscheidungsregel reiht, und stellt einen Teilbereich der räumlichen Entscheidungsunterstützung (engl. Spatial Decision Support) dar (MALCZEWSKI 1999). Das
MCDM-Modell lässt sich durch ein übergeordnetes Ziel, mehrere untergeordnete Ziele
(engl. Objectives) inkl. der jeweiligen Attribute bzw. Kriterien und der Expertenpräferenzen (Gewichtung) beschreiben. Der hierarchische Aufbau des MCDM-Modells lässt sich
mittels des Kriterienkatalogs, der aus Haupt- und Subkriterien besteht, gut abbilden. Im
Wesentlichen wird zwischen attributiven- (meist Vektordaten) und räumlichen (meist Rasterdaten) MCDM Analysen unterschieden. Mithilfe des MCDM-Modells können die Alternativen durch folgende Schritte gereiht werden: Standardisierung der Kriterienwerte,
um die Kriterien untereinander vergleichbar zu machen. Ermittlung der Kriteriengewichtungen, welche die Präferenzen von Experten ausdrücken (z. B. Ranking- und Ratingmethoden oder paarweise Vergleich der Kriterien). Berechnung der gewichteten standardisierten Kriterienwerte. Anwendung der Entscheidungsregel, welche die Reihung der
Alternativen ermöglicht. Beispiele hierfür sind WLC (Weighted Linear Combination), AHP
(Analytic Hierarchy Process, SAATY 1980) oder OWA (Ordered Weighted Averaging,
YAGER 1988). Überprüfung mittels Sensibilitätsanalyse, um die Robustheit des Modells
und die Zuverlässigkeit seiner Ergebnisse zu bestimmen. Die Empfehlung für weitere
Maßnahmen, die hinsichtlich der Alternativenreihung und der Sensibilitätsanalyse erfolgen sollte. Ein detaillierter theoretischer Hintergrund zu Spatial Decision Support Systems
(SDSS) and Multicriteria Decision Analysis kann in folgenden Referenzen gefunden werden (MALCZEWSKI 1999, ERLACHER 2009). Im Projekt werden die einzelnen Schritte zur
Entscheidungsunterstützung wie folgt realisiert (siehe auch Abb. 2):
Abb. 2:
MCDM-Modell, das durch
die drei Iterationen „Ermittlung der IST-Situation“,
„Miteinberechnung des
Bauvorhabens“ und „Miteinbeziehung der Ausgleichsmaßnahmen“
bestimmt wird
8
C. Erlacher, G. Paulus, M. Eisl et al.

Beurteilungsraum definieren: Die räumliche Ausdehnung der Projektgebiete (Beurteilungsräume) variiert hinsichtlich der Bauvorhaben (z. B. Straßen, Gewerbegebiet,
Windparks…). Zudem können die Projektgebiete in mehrere Teilräume (homogene
Bereiche) untergliedert sein.

Visuelle Wirkzonen festlegen: Die visuellen Wirkzonen für die Sichtbarkeitsanalysen
werden im speziellen vom Bauvorhaben abhängen. Objekte der Eigenart sowie Störfaktoren, die sich außerhalb des Projektgebietes befinden, haben auch Einfluss auf das
Projektgebiet. Die visuellen Wirkungszonen für diese Objekte müssen nicht zwingend
die gleiche räumliche Ausdehnung aufweisen.

Kriterienaufbereitung: Die Kriterien Vielfalt, Eigenart, und Störfaktoren werden mittels Fernerkundung aufbereitet und/oder mithilfe von vor Ort Begehungen erfasst. Für
die Kriterien Eigenart und Störfaktoren werden die Sichtbeziehungen im und außerhalb
des Projektgebiets gerechnet. Zusätzlich zu den Viewsheds (Sichtbeziehungen) fließen
die Distanzen zu den Objekten als Input ein (distanzgewichtete Sichtbarkeitsanalyse).
Das Expertenwissen bezüglich der Einflusswirkung der Kriterien und Subkriterien
wird durch die relativen Einflusswerte (Gewichtungen) ausgedrückt.

Ausschlussflächen bestimmen: Hinsichtlich der Sichtbeziehungen werden nach NOHL
(1993) Siedlungsflächen und Wälder ausgeschlossen, da hier durch die Vegetationsund Gebäudehöhen die Sichtbarkeit eingeschränkt bzw. nicht gegeben ist. Für die Berechnung der Sensibilitätsraster werden Siedlungsflächen als Ausschlussflächen deklariert und als Boolean Karten oder auch Constraint Maps bezeichnet.

Standardisierung der Kriterien: Damit die Kriterien untereinander vergleichbar werden, müssen diese zuvor standardisiert werden (einheitliche Skala z. B. Floatwerte zwischen 0.0 und 1.0).

Feststellung der IST-Situation: Dabei werden alle Faktoren, die bereits im Untersuchungsgebiet vorliegen, berücksichtigt. Hier findet der erste Durchlauf der MCDMAnalyse statt, die natürlich auch die Sichtbeziehungen miteinschließt. Resultat ist ein
Sensibilitätsraster, das die Empfindlichkeit (Eigenart und Vielfalt) bzw. die Störwirkung (Straßen, Windparks …) einer Zelle beschreibt. Je höher der Zellwert, desto höher die Empfindlichkeit der Kriterien Vielfalt und Eigenart gegenüber Eingriffen (Bauvorhaben; Störfaktor). In Bezug auf die Störfaktoren repräsentieren hohe Zellwerte
eine hohe Vorbelastung.

Auswirkung Bauvorhaben: Hier werden die Auswirkungen für spezifische Bauvorhaben ermittelt (Eingriff: Windpark, Straßenbau …). Dabei werden die Inputdaten durch
den geplanten Störfaktor erweitert. Dieses Bauvorhaben hat natürlich Einfluss auf die
Ergebnisraster, die im ersten Durchlauf ermittelt wurden. Nach diesem Durchlauf wird
erkennbar, inwieweit bestimmte Bereiche (Zellen) durch das Bauvorhaben beeinflusst
werden. Somit lässt sich die Eingriffsintensität bestimmen.

Auswirkung Ausgleichsmaßnahmen: Hier wird die Auswirkung der Ausgleichsmaßnahmen (z. B. Sichtschutz …) bestimmt. Mittels eines Sichtschutzes können beispielsweise die negativen Sichtbeziehungen (Störfaktoren) im Projektgebiet teilweise aufgehoben werden. Hier muss natürlich noch bestimmt werden, ob die Ausgleichsmaßnahmen als störend, neutral oder gar als positiv empfunden werden.
Ein Workflow zur quantitativen Landschaftsbildbewertung bei UVP-Verfahren
4
9
Erste Resultate
Die ersten Resultate der MCDM-Analyse spiegeln die Sensibilität bzw. Vorbelastung (siehe
Abb. 3) in Form von Rasterkarten mit standardisierten Zellwerten zwischen 0 (keine Sensibilität bzw. keine Vorbelastung) und 1 (sehr hohe Sensibilität bzw. sehr hohe Vorbelastung)
wider. Diese Ergebnisraster werden mittels unterschiedlicher Entscheidungsregeln (WLC,
MAX, OWA …) erzeugt. Helle Zellen repräsentieren Bereiche mit hoher Vorbelastung,
dunkelgrauen Zellen zeigen Bereiche mit niedriger Vorbelastung. Die schwarzen Bereiche
entsprechen den Störfaktoren (z. B. Siedlungs- und Gewerbeflächen, Autobahnabschnitt der
A2 …) innerhalb des Projektgebiets. Im Projektteam sowie im Userforum werden die einzelnen Ergebnisse hinsichtlich Plausibilität evaluiert und das resultierende Feedback fließt
anschließend als wichtiger Input in die Adaption des MCDM-Modells ein.
Abb. 3:
5
Die digitale Karte zeigt den Einfluss der Störfaktoren auf das Landschaftsbild
Diskussion und Ausblick
Im Rahmen dieses Projektes wurde ein neuer, standardisierter Workflow zur quantitativen
Landschaftsbildbewertung im Zusammenhang mit Infrastrukturprojekten und UVPverfahren konzipiert und erfolgreich als GIS-Prototyp implementiert. Der große Vorteil
dieses neuen Zugangs besteht in der Möglichkeit, unterschiedliche Planungsszenarien zu
analysieren und quantitativ vergleichen zu können. Aktuell liegen die ersten Ergebnisse des
Workflows vor und werden von Landschaftsbild-BewertungsexpertInnen kritisch evaluiert.
Dazu werden die Ergebnisse der quantitativen Analyse mit einer analogen ExpertInnenkartierung verglichen. Bei der analogen ExpertenInnenkartierung wird der Untersuchungsraum
10
C. Erlacher, G. Paulus, M. Eisl et al.
meist in homogene Teilräume gegliedert und diese hinsichtlich der Kriterien Vielfalt,
Eigenart, Naturnähe und Vorbelastung bewertet, um die Sensibilität der Teilräume bestimmen zu können. Die ermittelte Sensibilität wird mittels einer vier bis fünfstufigen Skala
ausgedrückt (0 – keine Sensibilität, 1 – gering, 2 – mäßig, 3 – hoch und 4 – sehr hoch), die
auch die kooperierenden Umweltplanungsbüro verwenden. Bei der digitalen Analyse werden hingegen die Pixel-Locations pro Kriterienlayer hinsichtlich der Wirkung beurteilt und
durch standardisierte Zellwerte zwischen 0 (keine Wirkung) und 1 (volle Wirkung) repräsentiert. Die standardisierten Zellenwerte müssen klassifiziert werden, um die analoge Bewertung mit der digitalen Analyse vergleichen zu können. Unterschiede bei den zwei Bewertungsverfahren werden aufgezeigt und analysiert. Auf dieser Grundlage erfolgt eine
kritische Reflexion des Workflows, der Datenaufbereitung, der Methoden (Standardisierung, Gewichtungen und Entscheidungsregel) und der Ergebnisse. Mittels dieser Feedbackschleifen werden der Workflow und das MCDM-Modell bei Bedarf angepasst. Derzeit
werden zwei weitere Case-Studies (Stubachtal und Grazerfeld) anhand des standardisierten
Workflows analysiert und bewertet. Die ersten Unterschiede haben sich schon durch die
verfügbaren Geodaten (Vollständigkeit und Genauigkeit) aufgetan. Die kooperierenden
Umweltplanungsbüros verfügen letztendlich über eine unterschiedliche Datengrundlage,
die folglich hinsichtlich Vergleichbarkeit für den Analyse- und Bewertungsprozess angepasst und topologisch aufbereitet werden müssen. Die Aktualität, Vollständigkeit und Genauigkeit, sowie die Auflösung der aufbereiteten Geodaten, spielen bei der Bewertung des
Einflusses auf die Umgebung eine wesentliche Rolle. Neben den Geodaten stellen unterschiedliche Standardisierungsmethoden, Einstufungen der Objekte in Intensitätsklassen,
Gewichtungsfaktoren, Entscheidungsregeln und die Festlegung der Wirkungsklassen die
Unsicherheitsfaktoren im Projekt dar, welche anhand weiterer Fallstudien und alternativen
Beurteilungsmethoden analysiert und überprüft werden müssen. Mit diesem Workflow
steht aber den ExpertInnen prinzipiell ein neues Werkzeug zur Verfügung, das durch den
standardisierten Ablauf und der Möglichkeit, alle Berechnungsschritte transparent einsehen
zu können, eine neue Qualität für die Landschaftsbildbewertung erwarten lässt.
Literatur
BLECHL, H. & PIECHL, R. (2002), Die Landschaftsräumliche Gliederung Kärntens. Klagenfurt.
ERLACHER, C., PAULUS, G. & BACHHIESL, P. (2009), Comparison and Analysis of Multiple
Sceanrios for Network Infrastructure Planning. In: CAR, A., GRIESEBNER, G. & STROBL,
K. (Eds.), Geospatial Crossroads @ GI_Forum ’09. Proceedings of the Geoinformatics
Forum Salzburg. Wichmann Verlag, Heidelberg, 26-35.
FRANK, S., FUERST, C., KOSCHKE, L., WITT, A. & MAKESCHIN, F. (2013), Assessment of
landscape aesthetics – validation of a landscape metrics-based assessment by visual estimation of the scenic beauty. Ecological Indicators, 32, 222-231.
HARTL, H., STERN, R. & SEGER, M. (2002), Karte der aktuellen Vegetation von Kärnten.
Naturwissenschaftlicher Verein für Kärnten, Klagenfurt, 80.
JESSEL, B. (1998), Das Landschaftsbild erfassen und darstellen. Vorschläge für ein pragmatisches Vorgehen (The Recording and Description of the Visual Landscape – Proposals
for a pragmatic Approach). Naturschutz und Landschaftsplanung, 30 (11), 356-361.
KIEMSTEDT, H. (1967), Zur Bewertung von Landschaft für die Erholung. Beiträge zur Landespflege, Sonderheft 1. Verlag Eugen Ulmer, Stuttgart, 151 S.
Ein Workflow zur quantitativen Landschaftsbildbewertung bei UVP-Verfahren
11
MALCZEWSKI, J. (1999), GIS and Multicriteria Decision Analysis. Wiley.New York.
MALCZEWSKI, J. (2006), Ordered weighted averaging with fuzzy quantifiers: GIS-based
multicriteria evaluation for land-use suitability analysis. International Journal of Applied Earth Observation and Geoinformation, 8, 270-277.
MELCHER, D. & BOGNER, D. (2012), Beiträge zur überörtlichen Raumplanung in Kärnten –
Ausweisung von landwirtschaftlichen Eignungsflächen und Bewertung des Landschaftsbildes mittels GIS-Modellierung. In: SROBL, J., BLASCHKE, T. & GRIESEBNER,
G. (Eds.), Angewandte Geoinformation 2012. Beiträge zum 24. AGIT-Symposium
Salzburg. Wichmann, Berlin/Heidelberg, 713-722.
MOSER, D., ZECHMEISTER, H. G., PLUTZAR, C., SAUBERER, N., WRBKA, T. & GRABHERR,
G. (2002), Landscape patch shape complexity as an effective measure for plant species
richness in rural landscapes, Landscape Ecology, 17, 657-669.
NOHL, W. (1993), Beeinträchtigung des Landschaftsbildes durch mastenartige Eingriffe.
Materialien für die naturschutzfachliche Bewertung und Kompensationsermittlung.
Kirchheim, München, 79 S.
NOHL, W. (2001), Landschaftsplanung – Ästhetische und rekreative Aspekte. Konzept,
Begründungen und Verfahrenseisen auf der Ebene des Landschaftsplans. Patzer-Verlag,
Berlin/Hannover.
NOHL, W. (2010), Ist das Landschaftsbild messbar und bewertbar? – Bestandsaufnahme
und Ausblick. Institut für Landschaftsentwicklung, Erholungs- und Naturschutzplanung
(ILEN) an der Universität für Bodenkultur in Wien. 18 S.
RIEDEL, W. & LANGE, H. (2009), Landschaftsplanung. 2. Auflage. Heidelberg. 384 S.
ROSER, F. (2010), Ist die Schönheit der Landschaft errechenbar? Entwicklung einer Methode zur flächendeckenden Vorbewertung des Landschaftsbildes. In: STROBL, J.,
BLASCHKE, T. & GRIESEBNER, G. (Eds.), Angewandte Geoinformatik 2010 – Beiträge
zum 22. AGIT-Symposium Salzburg. Wichmann, Berlin/Offenbach, 76-85.
ROTH, M. (2012), Landschaftsbildbewertung in der Landschaftsplanung. Entwicklung und
Anwendung einer Methode zur Validierung von Verfahren zur Bewertung des Landschaftsbildes durch internetgestützte Naturbefragungen. Leibniz-Institut für ökologische
Raumentwicklung. Rhombos-Verlag, Berlin.
SAATY, T. L. (1980), The analytic hierarchy process. McGraw-Hill, New York.
SCHWAHN, C. (1990), Landschaftsästhetik als Bewertungsproblem. Zur Problematik der
Bewertung ästhetischer Qualität von Landschaft als Entscheidungshilfe bei der Planung
von landschaftsverändernden Maßnahmen. In: Universität Hannover, Fachbereich Landespflege (Hrsg), Beiträge zur räumlichen Planung 282. Universität Hannover, 160 S.
SCHIRPKE, U., TASSER, E. & TAPPEINER, U. (2013), Predicting scenic beauty of mountain
regions. Landscape and Urban Planning, 111, 1-12.
YAGER, R. R. (1988), On ordered weighted averaging aggregation operators in multicriteria decision making. IEEE Transactions on Systems, Man and Cybernetics, 18 (1),
183-190. IEEE Press Piscataway, NJ, USA.