vLATE Extension für ArcGIS – vektorbasiertes Tool zur quantitativen Landschaftsstrukturanalyse

Full text

vLATE Extension für ArcGIS – vektorbasiertes Tool
zur quantitativen Landschaftsstrukturanalyse
Stefan LANG1, Dirk TIEDE1
1 Landscape Analysis and Ressource Management Research Group (LARG),
Institut für Geographie und angewandte Geoinformatik, Universität Salzburg
Hellbrunnerstraße 34, 5020 Salzburg, Austria
(stefan.lang; dirk.tiede)@sbg.ac.at
1 Einleitung und Motivation
Die quantitative Landschaftsstrukturanalyse mithilfe von landscape metrics gewinnt auch
im deutschsprachigen Raum in verschiedenen ökologischen raumstrukturellen
Untersuchungen immer mehr an Bedeutung (Blaschke, 1999; Walz, 1999). Gerade in
naturschutzfachlichen Anwendungen wird zunehmend versucht, quantitative
objektivierbare Maßzahlen zur Evaluierung der Integrität von Schutzgebieten (z.B. Natura
2000 Netzwerk) oder zur Folgeabschätzung von Eingriffsauswirkungen einzusetzen. Für die
ArcGIS-Nutzergemeinde ergeben sich dabei folgende Probleme: bestehende GIS-Tools in
der Freeware-Domäne sind entweder stand-alone Programme mit mehr oder weniger
komplizierten Schnittstellen und verlangen oft umständliche und zeitintensive
Konvertierungsschritte zwischen Vektor und Raster wie die Standardsoftware FRAGSTATS
(McGarigal and Marks, 1995); oder aber sie sind in Avenue programmiert und deshalb nur
in der ArcView 3.x Umgebung einzusetzen, wie z.B. die Extension Patch Analyst (Rempel,
1998). Darüber hinaus sind programmierungsaufwendigere, aber ökologisch durchaus
relevante distanzbasierte Maßzahlen bisher in keiner vektororientierten Extension
verfügbar. Die in diesem Beitrag vorgestellte Erweiterung vLATE (Vector-based Landscape
Analysis Tools Extension) versucht, diese Lücken zu schließen, indem sie als direkt
integriertes ArcGIS plug-in Berechnungen auf Polygon-Datensätzen durchführt und dabei
wesentliche Aspekte der Landschaftsstrukturbeschreibung unterstützt.
2 Landschaftsstrukturanalyse
2.1
Ökologische Relevanz der implementierten Metrics
Aktuelle Arbeitsrichtungen im Naturschutz (Wiens, 1997; Conradi, 2000; Blaschke, 2000)
und in der der Landschaftsökologie (Forman, 1995; Turner, 1989) stützen sich zunehmend
auf Ansätze der quantitativen Landschaftsstrukturanalyse. Die dabei angewandten
Verfahren gehen von der Erkenntnis aus, dass nicht nur die Qualität von
Landschaftselementen (Habitate, Patches) für bestimmte ökologische Prozesse und
Funktionen entscheidend ist, sondern auch die konkrete Form und die raumstrukturelle
Anordnung dieser. Die effektive Qualität ist also wesentlich von den raumstrukturellen
Gegebenheiten des gesamten Mosaiks abhängig. Das betrifft deren konkrete und – falls
bekannt – „ideale“ Form sowie die flächenanteilige Zusammensetzung (Komposition) und
die räumliche Anordnung (Konfiguration). Einige Vertreter dieser Richtung sprechen bei
dem sich ändernden Fokus sogar von einem Paradigmenwechsel (Wiens, 1997; Turner,
1989). Geographische Informationssysteme spielen innerhalb dieser Arbeitsrichtung eine
zentrale Rolle. Obwohl bereits in den 50er Jahren in der deutschsprachigen
Landschaftsökologie musterbeschreibende Indices vorgeschlagen wurden (Herzog et al.,
2001), hat erst die technische Entwicklung den operationellen Einsatz solcher quantitativer
Verfahren möglich gemacht. Aus dem nordamerikanischen Ansatz der landscape ecology
nach Forman and Godron (1986) bzw. Forman (1995), sind zahlreiche
Landschaftsstrukturmaße hervorgegangen. In der Spezialsoftware FRAGSTATS (McGarigal
and Marks, 1995; McGarigal, 2002), die als Standardsoftware in diesem Bereich gilt, sind
allein mehrere hundert dieser Maßzahlen implementiert. Die Metrics beschreiben zunächst

2 / 10
wertfrei und rein deskriptiv das vorliegende Muster einer Untersuchungslandschaft. Es ist
jedoch wichtig zu betonen, dass die Analyse der Landschaftsstruktur immer auf zugrunde
liegende ökologische Parameter und Fragestellungen bezogen ist und nicht dem reinen
Selbstzweck dient (Haines-Young, 1999). Generell lassen die ermittelten
strukturbeschreibenden Maßzahlen Rückschlüsse auf funktionale Eigenschaften zu
(Forman, 1995). GIS helfen dabei idealerweise, die entsprechenden räumlichen Muster
(spatial pattern) nicht nur zu beschreiben, sondern auch zu erklären und dahinter stehende
ökologische Prozesse zu verstehen (Gustafson and Parker, 1992). Diese Aussage ist jedoch
etwas differenziert zu sehen, da die theoretische Fundierung der Maßzahlen mit der
raschen technischen Entwicklung, die den quantitativen Ansatz prägt, kaum Schritt halten
kann (Wiens, 1997).
2.2
Einsatzmöglichkeiten und Anwendung
Strukturbeschreibende Indizes finden über die wissenschaftliche Grundlagenforschung
hinaus immer häufiger operationell Anwendung (Blaschke, 2001; Herzog et al., 2001).
Gerade bei der Realisierung flächenhafter Naturschutzziele spielt das Methodengerüst der
landscape metrics eine wichtige Rolle. Die flächendeckende Landschaftsplanung, in der
Größen wie ‚Diversität’, ‚Strukturiertheit’ oder ‚Vielfalt’ bisher kaum berücksichtigt wurden,
kann dadurch eine bedeutende Aufwertung in ihrem Instrumentarium erfahren. Vor allem
durch die Szenariotechnik, bei der die Auswirkungen diverser Eingriffe abgeschätzt werden
können, ist der Planung durch das Methodenangebot der landscape metrics ein wertvolles
Instrument in die Hand gelegt, um im Sinne eines proaktiven Naturschutzes (Vogel und
Blaschke, 1996) bestimmte Schutzziele evaluieren und durchsetzen zu können. Walz (1999)
betont in diesem Zusammenhang das Potential von Landschaftsstruktur als Indikator in
Raumplanung und Umweltmonitoring. Beispiele für den Einsatz von
Landschaftsstrukturmaßen gibt es auf allen Ebenen. So wurde beispielsweise im
Bundesland Baden-Württemberg eine Pilotstudie basierend auf den von Jäger (2000)
entwickelten Zerschneidungsmaßen durchgeführt. In Österreich ist auf gesamtstaatlicher
Ebene das SINUS-Projekt (Spatial Indices for Landuse Sustainability,
www.pph.univie.ac.at/intwo/in2intro.htm) zu nennen, das auf Basis landschaftsökologischer
Strukturmerkmale Indikatoren einer nachhaltigen Landnutzung entwickelte. Auf EU-Ebene
wären diverse Vorgaben der OECD zu erwähnen (Herzog et al., 2001) oder ein von
EUROSTAT ermitteltes Indikatorenset zur Überwachung der Agrarnutzung.
Das EU-Projekt SPIN (Spatial Indicators for European Nature Conservation,
www.spin-project.org), in dessen Rahmen die vorgestellte Extension entwickelt wurde, nimmt
eine vermittelnde Stellung ein zwischen wissenschaftlicher Fundierung und
Nutzbarmachung der Indikatoren im Hinblick auf potentielle Endanwender. Das Projekt hat
zum Ziel, auf Basis von fortgeschrittenen Klassifikationsmethoden auf hochauflösenden
Fernerkundungsdaten und einem spezifischen Set an Indikatoren den Schutzstatus von in
der FFH-Richtlinie deklarierten Schutzgebieten zu evaluieren. Die Ergebnisse des Projekts
sollen vor allem Hilfestellungen bei der Durchführung der Monitoring- und
Berichtspflichten gewähren, die für die Naturschutzverwaltungen auf verschiedenen
Ebenen erwachsen (Blaschke, 2001, Weiers et al., 2003). Ein Teilbereich des Projektes
beschäftigt sich dabei mit der Entwicklung bzw. Auswahl struktureller Indikatoren.
2.3
Auswahl der Metrics
Aus dem Pool der landscape metrics stehen naturgemäß eine Vielzahl möglicher Maßzahlen
und Kennziffern zur Indikatorentwicklung prinzipiell zur Verfügung. Es existieren
zahlreiche Arbeiten, die mithilfe von statistischen Methoden eine Einschränkung der
prinzipiell verfügbaren Metrics vorschlagen (vgl. O’Neill et al., 1988; Gustafson, 1998;
Hargis et al., 1998; Lausch & Herzog, 2002). Neben der Erkenntnis, dass viele Maßzahlen
statistisch korreliert sind (Riitters et al. 1995; etc.), herrscht weitgehend Übereinstimmung
darüber, dass für jede Fragestellung im Allgemeinen ein relativ kleines Set an landscape
metrics ausreichen würde und selektiert werden sollte (Lausch und Herzog, 2002). Für
Spezialanwendungen ist jedoch der Auswahl kaum Grenzen gesetzt. Vor der Prämisse eines
einerseits wissenschaftlich fundierten, auf naturschutzrelevante Fragestellungen
zugeschnittenen, letztendlich aber auch pragmatisch orientierten Auswahlprozesses,
wurden im SPIN Projekt die Indikatoren inhaltlich-semantisch ausgewählt. Wie Lang et al.

3 / 10
(2002) betonen, ist es bei der Aufwertung räumlicher Zustandsparameter zu strukturellen
Indikatoren entscheidend, ein sinnvolles ‚Mapping’ vorhandener Maßzahlen auf bestimmte
naturschutzfachlichen Parameter durchzuführen. Eine in Kürze online verfügbare
Datenbank mit dem Namen IDEFIX (Indicator Database for Scientific Exchange) dient der
Erfassung und Dokumentation von landscape metrics und bietet umfassende Informationen
zu den einzelnen Maßzahlen. Die Datenbank unterstützt ferner die Auswahl von
Landschaftsstrukturmaßen bei der Überwachung des Erhaltungszustands von
Schutzgebieten (Klug et al., 2003).
3 Die Extension vLATE
3.1
Ziel
Die Extension vLATE beinhaltet ein spezifisches Set an Maßzahlen, das mehrere Kategorien
zur quantitativen Strukturbeschreibung berücksichtigt, nämlich Fläche, Form,
Randliniendichte, Kernflächen, Nähe und Eingebundenheit, Diversität sowie
Zerschneidung. Die Kategorien werden in Folge kurz beschrieben und die implementierten
Maßzahlen werden vorgestellt. Die Erweiterung ist bis zum Ablauf des Projekts SPIN
(3/2001-3/2004) noch in einer Evaluierungsphase. vLATE ist eine unter VisualBasic 6.0
entwickelte Erweiterung für ArcGIS, die Berechnungen auf Polygon-Datensätze durchführt
und dabei wesentliche Aspekte der Landschaftsstrukturbeschreibung abdeckt. Im
Gegensatz zu bestehenden ähnlichen Produkten im Freeware-Bereich wurden
programmierungsaufwendigere distanzbasierte Maßzahlen integriert, die bisher in keiner
vektororientierten Extension verfügbar waren.
Obwohl die Applikationsentwicklung und damit die Auswahl der Maßzahlen im
Kontext naturschutzfachlicher Fragestellungen zu sehen ist, kann vLATE prinzipiell auch
für jede andere raumstrukturelle Analyse verwendet werden, die eine Untersuchung der
spezifischen Konfiguration von Flächen zum Ziel hat.
3.2
Funktionsumfang und implementierte Maßzahlen
Eine einfach strukturierte Nutzeroberfläche (Abb. 1) gibt einen Überblick über die
integrierten Berechnungen. Die angedeutete Baumstruktur soll eine gewisse Hilfestellung
bei der Reihenfolge von aufeinander aufbauenden Berechnungsschritten geben.
Anbindung an IDEFIX
Die den Berechnungen zu Grunde liegenden Landschaftsstrukturmaße mit den einzelnen
Formeln können im Rahmen dieses Beitrags nicht näher erläutert werden. In der
endgültigen Version des plug-ins, wird über die Schaltfläche IDEFIX die gleichnamige
Datenbank zur Erfassung und detaillierten Katalogisierung der Landschaftsstrukturmaße
(Klug et al., 2003) aufgerufen. Die Datenbank stellt eine unfassende inhaltliche Ergänzung
zu bereits in diversen Softwareprodukten implementierten Maßzahlen dar und soll einen
Überblick über derzeit in der Literatur publizierte Landschaftsstrukturmaße geben.
Utilities
Für die Analyse der Landschaftsstruktur ist es meist nötig, zusammenhängende Polygone
der gleichen Klasse als eine Fläche zu betrachten. Wenn allerdings versucht wird, mit dem
Geoprocessing Wizard Flächen der gleichen Klasse mittels Dissolve geometrisch
zusammenzufassen, entstehen so genannte Multipart-Shapefiles. Da die Flächen ja
räumlich getrennt sind, handelt es sich oft um eine nicht gewünschte Begleiterscheinung.
Deswegen wurde die Möglichkeit der Berechnung einer Dissolve-ID implementiert. Bei der
Berechnung einer Dissolve-ID wird für alle berührenden (touching) Polygone derselben
Klasse eine eindeutige ID vergeben. Basierend auf dieser ID ist es dann möglich, über den
GeoprocessingWizard die benachbarten Polygone derselben Klasse zusammenzufassen, also
deren unmittelbare Trennlinien aufzulösen. Die Berechnung der Dissolve-ID erfolgt dabei
über eine fortschreitende Selektion aller berührenden Polygone derselben Klasse. Wenn die

4 / 10
Selektion sich nicht mehr vergrößert, d.h. kein Polygon derselben Klasse diesen Cluster
mehr berührt, wird jedem der selektierten Polygone die gleiche ID zugewiesen.
Der Button Delete fields ermöglicht das schnelle Löschen mehrer Attributfelder in
der Tabelle auf einmal, verweigert allerdings das Löschen des Shape-Feldes, also eine
Zerstörung der Geometrie. Die Hilfe zu vLATE öffnet sich im Standardbrowser und gibt
einen kurzen Überblick (in Englisch) zur Anwendung des Tools.
Abbildung 1: Die Benutzeroberfläche von vLATE
Area / Perimeter (Fläche / Umfang)
Flächenberechnung gehört zur Standardfunktionalität jeder GIS Software. Deshalb ist sie
als quantifizierbare Größe vielen Nutzern vertraut und findet auch als de facto-Indikator
Verwendung (Lang et al., 2002). Die Fläche eines Patches ist eine grundlegende Größe, z.B.
um dem Mindestflächenanspruch von Tierarten gerecht zu werden (Forman, 1995),
allerdings ist sie nicht die einzige Maßzahl zur Erfassung der Landschaftsstruktur. Class
Area (CA) ist die Summe aller Flächen, die zu einer Klasse gehören. Mean Patch Size (MPS)
gibt die durchschnittliche Flächengröße innerhalb einer Klasse oder der gesamten
Untersuchungslandschaft an. Diese ist näher spezifiziert durch die Anzahl der Patches (NP)
und die Standardabweichung (PSSD). Der Umfang gehört ebenso wie die Fläche den
standardmäßigen Berechnungsfunktionen.
Die Flächen- und Umfangberechnung der einzelnen Polygone ist für fast alle der
nachfolgenden Berechnungen unerlässlich. Schon bestehende Flächen- und Umfangfelder
des Shapefiles werden einfach überschrieben, da in ArcMAP (wie schon in ArcView 3.x)
bei der Shapefile-Editierung kein automatisches Flächen-Update erfolgt und sich falsche
Werte sonst leicht weitervererben.
Form
Die Flächengröße enthält keine Information über die konkrete Gestalt eines Patches. Diese
kann unter verschiedensten Aspekten charakterisiert werden (vgl. Forman, 1995). Die
üblichste Art der Berechnung basiert auf Flächen-Umfang-Verhältnissen (MPAR). Eine
gewisse Weiterführung ist durch den Shape-Index (MSI) gegeben (Abb. 2), der das
berechnete Ergebnis auf das entsprechende Verhältnis einer flächengleichen Idealform
(Kreis) bezieht. Ein weiteres populäres Maß ist die fraktale Dimension MFRACT
(Mandelbrot, 1983), die in vLATE mit einer Näherungsformel implementiert ist. Maßzahlen,

5 / 10
die auf umschreibende oder einschreibbare Kreise basieren (z.B. Borg und Fichtelmann,
1998) wurden bisher nicht berücksichtigt.
0
1
2
3
4
5
6
7
1 1 - 1,35 1,35 - 1,7 1,7 -2 > 2
Abbildung 2: Shape Index Berechnung
Edge (Randliniendichte)
Generell wird davon ausgegangen, dass eine hohe Randliniendichte Strukturvielfalt
impliziert. Allerdings ist die Gefahr eines Pseudostrukturreichtums gegeben, wenn die
Qualität der Linien nicht explizit berücksichtigt wird (Blaschke, 1999; Lang et al., 2002).
Ein weiterer Aspekt ist noch darin zu sehen, dass bei einem nicht-topologischen
Datenmodell (z.B. ArcView Shapefile) die Linien letztlich doppelt gezählt werden. Das ist
ökologisch durchaus vertretbar, weil die Grenzlinie ja für beide Patches existiert, muss aber
im Vergleich zu echt topologischen Daten beachtet werden. Total Edge (TE) ist die
Gesamtlänge der Grenzlinien innerhalb einer Klasse oder der gesamten Landschaft. Die
Dichte gibt Edge Density (ED) an, während die Länge der Randlinie bezogen auf ein Patch
durch Mean Patch Edge (MPE) angegeben wird.
Core Area (Kernflächen)
Grenzen zwischen Habitaten sind normalerweise nicht scharf, sondern als Gradienten in
Übergangsbereichen realisiert. Diese Ökotone (Odum, 1971) weisen einen spezifischen
Artenmix auf, wobei einige Arten auch den Randbereich meiden und sich bevorzugt im
Habitatinnenraum aufhalten. Für letztere resultiert eine bedeutend kleinere Habitatfläche
als effektiv nutzbare Fläche, als durch die standardmäßige Flächenberechnung ermittelt
wird. Methodologisch entspricht die Konstruktion von Kernflächen einem negativen Buffer.
Wenn das ursprüngliche Patch im Verhältnis zur Randliniendistanz klein ist, resultiert
keine Kernfläche. Ist das Patch lang gestreckt, resultieren unter Umständen zwei oder mehr
Kernflächen. Total Core Area (TCA) ist die gesamte verbleibende Kernfläche pro Klasse. Sie
besteht aus n Kernflächen, ausgedrückt in NCA. Der Core Area Index (CAI) gibt das
Verhältnis zwischen resultierender Kernfläche und der Originalfläche wieder. Cority ergibt
sich aus der Anzahl der Patches minus der Anzahl der Patches mit einer Kernfläche von
0m² geteilt durch die Anzahl der resultierenden Kernflächen. Die Maßzahl berücksichtigt
dabei die Höhe des Verlusts an effektiv nutzbarem Habitat und den Grad der Zerstückelung
in Restflächen (Abb. 3).
Zur Durchführung der Core Area Analysis wird ein vom Benutzer einzugebender
Buffer auf jedes Polygon nach innen angewendet. Es resultiert ein neues Shapefile, das nur
noch die Kernbereiche (Core Areas) der ursprünglichen Polygone enthält. Beim Vergleich
von Core Area Berechnungen unter ArcView (z.B. mit PatchAnalyst oder IMT) und
Berechnungen unter ArcGIS fällt auf, dass sich die Ergebnisflächen hinsichtlich der
Flächengröße leicht unterscheiden. Dies liegt offenbar an der genaueren Bufferberechnung
in ArcGIS, welche wohl mit mehr Stützpunkten arbeitet und nicht mehr so eckige
Ergebnisse liefert.

6 / 10
Abbildung 3: Cority bei zwei unterschiedlichen Klassen (core area Buffer 10m). Links: Alle Patches
haben genau eine Kernfläche (cority = 1,0). Rechts: Disjunkte Kernflächen treten auf bzw. ein Patch
hat eine Kernfläche von 0m² (cority = 0,4).
Nearest Neighbour (nächster Nachbar)
Distanz spielt bei der Bewertung der Vernetzung von Landschaftsstrukturen eine
wesentliche Rolle und ist damit eine entscheidende Komponente der unter tierökologischen
Aspekten bedeutungsvollen räumlich expliziten Konfiguration von geeigneten Habitaten.
Im einfachsten Fall kann die Distanz zwischen zwei Patches mit der euklidischen Distanz
wiedergegeben werden, die der kürzesten Entfernung (‚Luftlinie’) entspricht. Dies stellt
allerdings einen unter Umständen vereinfachenden Zugang dar, die ökologisch effektive
Distanz, die eine Tierart überwinden muss, ist oft größer und methodisch komplizierter zu
erfassen (Lang, 2000). NNDIST gibt die Distanz zum nächsten Patch derselben Klasse an.
Die Nearest Neighbour Analyse wird derzeit mangels vorhandener Topologie der
Shapefiles mit einer aufwändigen, letzten Endes aber effektiven Distanzabfrage jedes
Polygons des Datensatzes (innerhalb einer oder mehrer zuvor gewählter Klassen)
durchgeführt. Dabei wird in der Attributtabelle den Polygonen jeweils die ID, die Distanz
und die Fläche des nächsten Nachbarn hinzugefügt. Proximity-Operatoren in ArcObjects
ermöglichen diese Berechnung der Distanz zwischen zwei Geometrien.
Proximity (Eingebundenheit)
Die Eingebundenheit eines Patches in das Mosaik von Nachbarpatches desselben
Habitattyps hat wesentlichen Einfluss auf das Überleben einer funktionalen
Metapopulation (Hanski and Simberloff, 1997; Wiens, 1997). Die Gruppe der Proximity
Indices (Gustafson and Parker, 1992; McGarigal and Marks, 1995) basieren auf der
Grundannahme, dass nicht nur die Distanz zum jeweils nächstgelegen Patch derselben
Klasse entscheidend ist, sondern auch dessen (deren) Fläche. Die relative Eingebundenheit
eines Patch in ein Mosaik aus Patches ist umso größer, je näher und größer die
Nachbarpatches sind. Eine bestimmte Suchdistanz (Proximity Buffer) gibt dabei die
spezifische Such- oder Wanderdistanz einer bestimmten Tierart an. Mehrere Derivate
existieren innerhalb der Proximity Familie (Lang, 1999). Dabei sind das Bezugspatch und
die Nachbarschaftsregeln unterschiedlich definiert (vgl. Abb. 4).
Die drei verschiedenen Proximity Index Berechnungen basieren auf der Nearest
Neighbour Analyse und sind unterschiedlich umfangreich. PX92 benötigt nur die Werte des
nächsten Nachbarn und dessen Entfernung, während PX94 und PXfg auf alle Polygone
einer Klasse innerhalb eines zu bestimmenden Bufferradius eingehen. Beim PX94 wird
dabei ebenfalls mit den Distanz- und Flächenberechnungen der Nearest Neighbour Analyse
weitergearbeitet. Für die Berechnung des PXfg wird zusätzlich die Distanz des jeweils zu
betrachtenden Polygons zu jedem anderen innerhalb des Buffers benötigt.

7 / 10
Abbildung 4: verschiedene Arten der Proximity-Implementierung (von links nach rechts: PX92,
PX94, PXfg)
Diversity (Diversität)
Diese Gruppe von Metrics stammt aus der Informationstheorie (Shannon and Weaver, 1949)
und charakterisiert die Zusammensetzung einer Untersuchungslandschaft. Die
Diversitätsmaße sind stark abhängig von dem verwendeten Klassifikationsschema, machen
also nur Sinn, wenn sie vergleichend für die gleiche Klassenanzahl angewandt werden.
Proportion entspricht dem Flächenanteil einer Klasse an der gesamten
Untersuchungslandschaft. Relative Richness ist das Verhältnis aus der eigentlichen
Klassenzahl zur maximal möglichen. Shannon’s Diversity steigt entweder mit
zunehmender Richness oder Evenness. Dominance entspricht der Abweichung von einem
maximalen Diversitätswert. Shannon’s Evenness ist die aktuelle Diversität, standardisiert
auf die maximale.
Subdivision (Zerschneidung)
Die Gruppe der Subdivision Metrics misst Landschaftszerschneidung und Fragmentierung
(Jäger, 2000). Da die Zerschneidung durch Strassen rein rechnerisch kaum zu einer
signifikanten Abnahme der Fläche führt, wird hier durch Quadrierung ein
Abweichungsgrad quantifiziert. Der Landscape Division Index (DIVISION) basiert auf
einem Kohärenzgrad und misst die Wahrscheinlichkeit, dass zwei zufällig gesetzte Punkte
nicht demselben unzerschnittenen Lebensraum angehören. Der Splitting Index (SPLIT) ist
die Anzahl der gleich großen Flächen bei einer gegebenen Division. Die effektive
Maschenweite (MESH) ist die durchschnittliche Größe dieser Flächen.
Abbildung 5: Ausgabeformat am Beispiel der berechneten Edge Metrics
Datenausgabe und Export
Sowohl bei der Nearest Neighbour Analyse, bei den PX Indizes als auch bei der Form
Analysis werden Werte auf Patch-Ebene in die Attributtabelle des Shapefiles geschrieben
Die Ergebnisse der Berechnungen der anderen Indices (Core Area-, Area-, Edge-, Diversity-
und Subdivision Analysis) werden übersichtlich in Tabellen dargestellt und können in ein
Textfile exportiert werden (Abb. 5). Dieses Textfile kann wiederum in ArcGIS re-importiert
PB PB PB

8 / 10
werden und für weitere Berechnungen (z.B. ein join mit bestehenden Shapefiles) genutzt
werden.
3.3
Komfortorientierte Programmierung
Um dem Anwender eine möglichst komfortable und fehlerresistente Anwendung zu bieten,
wurden einige Zusatzfeatures eingebaut. Das auszuwählende Klassenfeld und die
gewählte(n) Klasse(n) werden als globale Variablen gespeichert und müssen während der
Nutzung des Programms nicht ständig neu gewählt werden. Um eine ‚unsachgemäße’‚
Anwendung so weit wie möglich interaktiv für den User auszuschließen, ist es nur möglich
das Programm bei aktiviertem Polygonshapefile, eingestellten Map und Distance Units
sowie nicht aktiviertem Editiermodus zu starten. Die Anordnung der Berechnungsbuttons
in einer angedeuteten Baumstruktur soll dem User die richtige Reihenfolge, die bei
manchen Berechnungen eingehalten werden muss, veranschaulichen. Trotzdem wird zum
Beispiel bei fehlender Fläche und Umfangberechnung (Area/Perimeter) der Anwender
nochmals extra darauf hingewiesen. Bestehende Attributfelder werden falls sie schon
bestehen trotzdem überschrieben. Dies soll verhindern, dass falsche Werte wiederholt in
die Berechnungen einfließen
4 Diskussion und Ausblick
Im vorliegenden Beitrag wurde die Funktionalität einer vektorbasierten Extension zur
Berechnung von Landschaftsstrukturmaßen vorgestellt. Das Potential von vLATE ist
abhängig vom spezifischen Anwendungskontext, wie eingangs diskutiert wurde. Die
Extension zeichnet im Vergleich zu anderen existierenden Erweiterungen vor allem durch
die Kombination folgender Alleinstellungsmerkmale aus:
• bei der vorliegenden Extension handelt es sich um Freeware, die nach Ablauf des
SPIN-Projekt kostenlos nach einfacher Registrierung über das Internet bezogen
werden kann (www.geo.sbg.ac.at/larg);
• die Maßzahlen zur quantitativen Landschaftsstrukturbeschreibung werden
ausnahmslos im Vektorformat berechnet. Eine Konvertierung bestehender
Polygondatensätze in das Rasterformat entfällt dadurch;
• die Extension wurde für ArcGIS entwickelt. Sie basiert teilweise auf konvertiertem
Code einer didaktischen Anwendung für ArcView 3.x. Diese Suite mit dem Namen
IMT (Interactive Metrics Tool) dient dem Erlernen und praktischen Anwenden von
Landschaftsstrukturmaßen (Lang et al., in press);
• entgegen anderer vektorbasierter Extension (z.B. Patch Analyst 2.2 für ArcView 3.2)
wurden auch distanzbasierte Maßzahlen berücksichtigt, die zwar rechenaufwendig
sind, jedoch ökologisch eine wesentliche Bedeutung besitzen.
Sofern im Rahmen des Projektes möglich, werden folgende technische
Weiterentwicklungen angestrebt. Verbesserungsbedarf besteht sicherlich in der
Berechnungsdauer bestimmter Maßzahlen bei größeren Datensätzen. Berechnungen bei
Shapefiles ab ca. 1500 Polygonen dauern zum Teil sehr lange. Signifikante Verbesserungen
in der Berechnungsdauer könnten wohl erst mit der Nutzung der Topologie (ab ArcGIS 8.3)
erfolgen, die allerdings nur für die Geodatabase und nicht für Shapefiles gilt. Kleinere
Verbesserungen zur Steigerung der Performance dagegen könnten in naher Zukunft
dadurch erreicht werden, dass z.B. bei Nearest Neighbour und Proximity Berechnungen
versucht wird, ‚intelligenter’ zu rechnen, d.h. nicht alle einzelnen Polygone stur
miteinander verglichen werden. Des Weiteren sollten bei Buffer-Angaben zuerst die im
Buffer erfassten Polygone gewählt werden und erst dann intensivere Berechnungen erfolgen
(bisher wird jedes Polygon per Distanzbeziehung abgeprüft ob es innerhalb des Buffers
liegt). Trotzdem sollte erwähnt werden, dass die Laufstabilität des Programms dafür sorgt,
dass auch größere Berechnungen, wenn auch zeitlich etwas ausgedehnt, letztlich
erfolgreich abgeschlossen werden. Weiter zu verbessernde Punkte sind zum einen die
Exportmöglichkeiten von Ergebnistabellen, die sich bisher nur auf die Ergebnisse auf
Klassenniveau beziehen. Hier besteht sicherlich noch eine Verbesserungsmöglichkeit
hinsichtlich der Ausgabe einer Statistik für das gesamte Shapefile, eventuell sogar unter

9 / 10
Berücksichtigung aller vom Nutzer ausgewählten Berechnungen in einem Exportfile. Ferner
ist eine Unterstützung von on-the-fly Projektionen in ArcMAP vorgesehen.
5 Literaturangaben
Blaschke, T. (1999): Quantifizierung der Struktur einer Landschaft mit GIS: Potential und
Probleme. In: U. Walz, IÖR-Schriften, Erfassung und Bewertung der
Landschaftsstruktur für Umweltmonitoring und Raumplanung, 9-24 – Dresden.
Blaschke, T. (2000): Landscape metrics: Konzepte eines jungen Ansatzes der
Landschaftsökologie im Naturschutz. – In: Archiv für Naturschutz &
Landschaftsforschung, H. 9, S. 267–299.
Blaschke, T. (2001): Fernerkundung im Naturschutz. Bedarf an operationellen
Fernerkundungsmethoden durch die EU-Gesetzgebung. In: Gläßer, C. (Hrsg.),
Naturschutz und Fernerkundung. Bundesamt für Naturschutz, BfN-Skripten 42,
Bonn, 43-72.
Borg, E. & B. Fichtelmann (1998): Vergleichende Analyse von Formindizes zur
Charakterisierung von Landschaftsobjekten unter ökologischen Aspekten. In:
Zeitschrift für Photogrammetrie und Fernekundung, vol 4, 108-119.
Conradi, M. (2000): Möglichkeiten der Einbindung ökologischer Konzepte in die GIS-
Analyse. – In: S. Strobl, T. Blaschke & G. Griesebner (Hrsg.), Angewandte
Geografische Informationsverarbeitung, vol 12, pp 72-81 – Heidelberg.
Forman, R.T.T. & M. Godron (1986): Landscape Ecology. – Cambridge.
Forman, R.T.T (1995): Land Mosaics. The ecology of landscapes and regions. – Cambridge.
Gustafson, E.J. & G.R. Parker (1992): Relationships between landcover proportion and
indices of landscape spatial pattern. – In: Landscape Ecology vol. 7 no. 2 101 - 110.
Gustafson, E.J. & G. Parker (1994): Using an index of habitat patch proximity for landscape
design. In: Landscape and Urban Planning, vol 29, 117-130.
Gustafson, E.J. (1998): Quantifying landscape spatial pattern: What is the state of the art? In:
Ecosystems, H. 1, 143-156.
Haines-Young, R., 1999: Landscape pattern: context and processes. In: J. Wiens and M.
Moss (eds.), Issues in Landscape Ecology, 33-37. – Guelph..
Hanski, I. & D. Simberloff (1997): The metapopulation approach, its history, conceptual
domain, and application in conservation. – In: I. A. Hanski and M.E. Gilpin (eds),
Metapopulation biology - ecology, genetics and evolution, 5 - 26, San Diego.
Hargis, C.H.; J.A., Bissonette; J.L. & David (1998): The behaviour of landscape metric
commonly used in the study of habitat fragmentation. - In: Landscape Ecology vol.
13, 167-186.
Herzog, F., A. Lausch, E. Müller, H.-H. Thulke, U. Steinhardt & S. Lehmann (2001):
Landscape metrics for assessment of landscape destruction and rehabilitation. In:
Environmental Management, vol. 27, no. 1, 91-107.
Jaeger, J. (2000): Landscape division, splitting index, and effective mesh size: new measures
of landscape fragmentation. In: Landscape Ecology , vol 15, 115-130.
Klug H., T. Langanke & S. Lang (2003): IDEFIX - Integration einer Indikatorendatenbank für
landscape metrics in ArcGIS 8.*. In: S. Strobl, T. Blaschke, G. Griesebner (Hrsg.),
Angewandte Geografische Informationsverarbeitung XV, 224-233. – Heidelberg.
Lang, S. (1999): Aspekte und Spezifika der nordamerikanischen landscape metrics
innerhalb der Landschaftsökologie und experimentelle Untersuchungen zum
Proximity Index (unveröffentlichte Diplomarbeit). – Salzburg.

10 / 10
Lang, S. (2000): Organismusspezifische Habitatvernetzung – Quantifizierung und
Visualisierung über ‚nicht-euklidische’ Distanzen. In: S. Strobl, T. Blaschke & G.
Griesebner (Hrsg.), Angewandte Geografische Informationsverarbeitung, vol 12, 287
- 296 – Heidelberg.
Lang, S., T. Langanke, H. Klug & T. Blaschke (2002): Schritte zu einer zielorientierten
Strukturanalyse im Natura2000-Kontext mit GIS. In: S. Strobl, T. Blaschke, G.
Griesebner (Hrsg.), Angewandte Geografische Informationsverarbeitung XIV, 302-
307.
Lang, S., H. Klug & D. Tiede (in press): Interactive Metrics Tool (IMT) – a didactical suite for
teaching and applying landscape metrics. - Proceedings of the 13th International
Symposium on problems of landscape ecological research (submitted).
Lausch, A. & F. Herzog (2002): Applicability of landscape metrics for monitoring of
landscape change: issues of scale, resolution and interpretability. - Ecological
Indicators Vol 2, Issue 1-2, 3-15.
Mandelbrot, B. (1983): The fractal geometry of nature. – New York.
McGarigal, K. & B. Marks (1995): FRAGSTATS - Spatial pattern analysis programm for
quantifying landscape structure. – Dolores.
McGarigal, K. (2002): FRAGSTATS Dokumentation, part 3 (Fragstats Metrics).
http://www.umass.edu/landeco/research/fragstats/documents/fragstats_documents.html
Odum, E.P. (1971): Fundamentals of ecology. – Philadelphia.
O'Neill, R.V., J. Krummel, R. Gardner, G. Sugihara, B. Jackson, D. DeAngelis, B. Milne, M.
Turner, B. Zygmunt, S. Christensen, V. Dale & R. Graham, 1988: Indices of
landscape pattern. In: Landscape Ecology, vol 1 (3), 153-162.
Rempel, R. (1998): Patch Analyst and Habitat Analyst: landscape planning tools for
sustainable forest management.. In: 'The latest tools': A Manitoba model forest
workshop. – Winnipeg.
Ritters, K. H., R. O'Neill & C. Hunsaker, J. Wickham, D. Yankee, S. Timmons, K. Jones & B.
Jackson (1995): A factor analysis of landscape patterns and structure metrics. - In:
Landscape Ecology vol. 10 no. 1, 23 - 39.
Turner, M., (1989): Landscape ecology: The effect of pattern on process. In: Landscape
Ecology, vol 20, 171-197.
Vogel, M. & T. Blaschke, 1996: GIS in Naturschutz und Landschaftspflege: Überblick über
Wissensstand, Anwendungen und Defizite. In: Laufener Seminarbeiträge, GIS in
Naturschutz und Landschaftspflege, vol 4, 7-19 – Laufen.
Walz, U. (1999): Die Landschaftsstruktur als Indikator - Auswertung mittels GIS und
Fernerkundung. In: Flake, M.; Seppelt, R.; Söndgerath, D. (Hrsg.).
Umweltsystemanalyse. Dynamik natürlicher und anthropogener Systeme und ihre
Wechselwirkungen. Landschaftsökologie und Umweltforschung, 33, Braunschweig
1999, 83-86.
Weiers, S., M. Bock, M. Wissen & G. Rossner (2003): Mapping and indicator approaches for
the assessment of habitats at different scales using remote sensing and GIS
methods. Landscape and Urban Planning 1007, 1–23.
Wiens, J.A. (1997): The emerging role of patchiness in conservation biology. In: S. Pickett
et al. (eds.), The ecological basis of conservation. Heterogeneity, ecosystems and
biodiversity, 93-106.