Für die Aufgaben und Zwecke des Bundes stellt das Bundesamt für Kartographie und Geodäsie (BKG) in Frankfurt am Main das Digitale Landbedeckungsmodell für Deutschland „LBM-DE“ zur Verfügung. Die geometrische Grundlage des „LBM-DE2012“ ist das ATKIS® Basis-DLM der deutschen Landesvermessung. Unter thematischen Gesichtspunkten wurden Objekte aus den Bereichen Siedlung, Verkehr, Vegetation und Gewässer ausgewählt. Weiterhin finden aber auch Teile des „DLM-DE2009“ (Arnold et al. 2010; Hovenbitzer et al. 2011, 2014) Berücksichtigung. Das LBM-DE enthält neben den flächenhaften Informationen des Basis-DLM zusätzliche Angaben zur Landbedeckung und Landnutzung im Sinne der europäischen Nomenklatur von CORINE Land Cover (CLC) (EEA 2007). Die Aktualisierung des „LBM-DE“ erfolgte für das Stichjahr 2012 und umfasst die gesamte Ausdehnung der Bundesrepublik Deutschland. Als primäre Informationsquelle für die Überprüfung und Aktualisierung des „LBM-DE2012“ wurden multitemporale Satellitenbilddaten aus dem Referenzjahr 2012 herangezogen. Ergänzend erfolgte die Nutzung von digitalen Orthophotos (DOPs) und Copernicus-Produkten (IMAGE2012). Die Mindestkartierfläche beträgt ein Hektar. Ein Anwendungsziel des „LBM-DE2012“ ist die Ableitung der CLC2012-Daten für das Gebiet der Bundesrepublik Deutschland. Um diese Anforderung erfüllen zu können, wurden die im ATKIS® Basis-DLM vorhandenen Landbedeckungs- und Landnutzungsinformationen im Vorfeld der Aktualisierung in ein neues Klassensystem überführt, wobei die Landbedeckung (LB) und Landnutzung (LN) getrennt voneinander beschrieben werden. Diese Nomenklatur ermöglicht die eindeutige Ableitung von „CLC2012“ aus dem aktualisierten „LBM-DE2012“. Weiterhin wurde das Klassensystem so konzipiert, dass die Rückführung der Daten an die Landesvermessungsbehörden erfolgen kann. Der entstandene Datensatz „LBM-DE2012“ ist durch die getrennte Erfassung von LB und LN flexibel an unterschiedlichste Anforderungen anpassbar. Weiterhin handelt es sich um den homogenen, hochaufgelösten, flächendeckenden Landbedeckungsdatensatz für Deutschland, der dadurch für unterschiedlichste Anwender von Interesse sein kann.

3D-Stadtmodelle sind mittlerweile für viele urbane Gebiete vorhanden oder werden aktuell erzeugt. Damit steht mehr denn je die Frage: Wie können wir die Daten noch umfassender nutzen? M.O.S.S. entwickelt eine Plattform zur Erstellung und Verwaltung von 3D-Stadtmodellen mit der Möglichkeit, diese für weitere Fachanwendungen verfügbar zu machen. Gemeinsam mit Partnern werden Fachapplikationen in das System eingebunden, und die 3D-Stadtmodelle werden um die Ergebnisse der Fachverfahren angereichert. Es zeigt sich, dass viele Fachthemen durch die Nutzung von 3D-Gebäudedaten eine völlig neue Qualität erreichen können, z. B. die Berechnung von Sonneneinstrahlung und Verschattung, Simulation von Umweltphänomenen (wie Lärm- und Luftschadstoffausbreitungen, Hochwasser) oder die Berechnung des Wärmebedarfs von Gebäuden.

Raumtypen erleichtern die Analyse und Darstellung vieler Raumeinheiten durch die Zusammenfassung auf wenige Gruppen. Welche Raumeinheiten und nachfolgend Raumtypen sinnvoll für die zusammenfassende und teils auch erklärende Darstellung geeignet sind, hängt sehr stark von der Fragestellung ab. Trotz der Vielfalt und Heterogenität von ländlichen und städtischen Räumen hat die Siedlungsstruktur eine nach wie vor hohe Erklärungskraft hinsichtlich grundlegender Ausgangs- und Entwicklungspositionen von Regionen. Daher sind die siedlungsstrukturellen Kreis- und Regionstypen des BBSR in Deutschland häufig verwendete Raumtypen. Daneben gewinnen Lagetypen oder Klassifizierungen von Einheiten in wachsenden oder in schrumpfenden Regionen an Bedeutung für die Analyse räumlicher Entwicklungen.

Die Umsetzung einer nachhaltigen Flächenpolitik erfordert ein Monitoring, welches nicht nur den jeweils aktuellen Stand der Flächennutzung ausweist, sondern auch den Wandel der Nutzungsarten beschreiben kann. Die jährliche statistische Flächenerhebung nach Art der Tatsächlichen Nutzung basiert auf dem Automatisierten Liegenschaftsbuch (ALB) bzw. dem Amtlichen Liegenschaftskatasterinformationssystem (ALKIS) und weist bis zur Ebene der Gemeinden die Flächenanteile nach Nutzungsarten aus. Aussagen zur Vor- bzw. Nachnutzung sind momentan nicht möglich. Besonders die Bilanzierung dieses Flächennutzungswandels ist zum Prozessverständnis und zur Beurteilung der Triebkräfte der Entwicklungen von Nöten.

Seit 2010 werden im IÖR-Monitor des Leibniz-Instituts für ökologische Raumentwicklung Indikatoren zur Flächennutzungsentwicklung und Landschaftsqualität für Deutschland bereitgestellt, die zum Teil erheblich von der amtlichen Flächenstatistik abweichen. Der Fachbeitrag thematisiert die Datengrundlagen, die Abweichungen sowie die Aussagekraft beider Informationssysteme am Beispiel des Kreises Lippe (NRW) und unterbreitet Vorschläge zur Harmonisierung.

EAGLE steht für EIONET Action Group on Land Monitoring in Europe. Die Arbeitsgruppe ging aus einer Eigeninitiative von Land Monitoring-Experten und Vertretern der Nationalen Referenzzentren zu Land Cover (NRC) aus dem Umweltinformationsnetzwerk (EIONET) der Europäischen Umweltagentur (EEA) hervor. Das EAGLE-Konzept ist ein Instrument zur semantischen Analyse von Klassendefinitionen landbezogener Datensätze, um Inkonsistenzen (definitorische Überlagerungen/Lücken) aufzufinden. Es stellt kein erneutes Klassifikationssystem dar, sondern soll als Vehikel zur semantischen Harmonisierung zwischen Datensätzen verschiedener Klassifikation dienen. Das EAGLE-Datenmodell bietet einen Rahmen zum Aufbau und Design von deskriptiven Nomenklaturen und ist dabei in seiner Struktur flexibel für anwendungsspezifische Erweiterungen. Durch seinen integrativen Charakter kann es helfen, redundante Datenerhebungen zu vermeiden. Das Modell lässt sich auf regelmäßige unveränderte und stabile geometrische Einheiten, d. h. Gridzellen und Punkte oder auf Polygone anwenden. Das EAGLE-Konzept folgt dem Prinzip des integrativen Bottom-up/Top-Down-Ansatzes im Europäischen Land-Monitoring-Prozess; es zielt darauf ab sowohl vertikal zwischen der nationalen und europäischen Ebene als auch horizontal zwischen nationalen oder regionalen Ebenen Informationen zu Landbedeckung und Landnutzung auszutauschen. Das Konzept hat mittlerweile Eingang erhalten in verschiedene Testanwendungen, z. B. von Eurostat, der EEA oder auch im Rahmen von einigen nationalen Forschungsvorhaben. Die EEA unterstützt die weitere Entwicklung des Konzeptes.

Der Beitrag widmet sich der automatisierten Gewinnung von historischen Flächennutzungsinformationen aus archivierten Karten. In Verbindung mit aktuellen, bereits digital vorliegenden Landnutzungsdaten wird so ein retrospektives Monitoring der Flächennutzungs- und insbesondere der Siedlungsentwicklung über lange Zeiträume möglich. Für dieses Vorhaben werden zwei grundsätzliche Herausforderungen identifiziert und anschließend Lösungsansätze vorgestellt: Erstens, die verschiedenartige kartographische Repräsentation der geographischen Realität über die Zeit sowie zweitens, die dem Ansatz immanente Unsicherheit hinsichtlich der konkreten historischen Situation, die sich sowohl aus den Datenquellen selbst und als auch aus deren Verwendung für das Landnutzungsmonitoring ergibt. Mit der Gewinnung der für große Untersuchungsgebiete bisher nicht zugänglichen, digitalen historischen Landnutzungsinformationen leistet die Methodik einen wichtigen Beitrag für die Entwicklung von Strategien zur nachhaltigen Landnutzung, die ex-post Bewertung der Wirksamkeit raumplanerischer Steuerungsinstrumente sowie die geographische Theorie- und Modellbildung insgesamt.

Die Reduktion der Flächeninanspruchnahme als auch die standörtliche Lenkung von Bautätigkeiten sind wesentliche Ziele einer nachhaltigen Flächenpolitik. Ein Erkennen und Beurteilen räumlicher Unterschiede in Ausmaß und Lokalität der in Anspruch genommenen Siedlungs- und Verkehrsflächen bedarf der Berücksichtigung standörtlicher Gegebenheiten, welche in einem engen Zusammenhang mit Flächenausweisungen stehen. In diesem Beitrag werden Techniken des Data-Mining vorgestellt, die sich zur Dateninspektion von Messgrößen der Siedlungs- und Freiraumentwicklung auf Ebene der Gemeinden in Deutschland (n = 11 441) eignen. Auf diese Weise lassen sich statistische Eigenschaften der Messgrößen präzisieren und darauf aufbauend räumliche Charakteristika darstellen. Die Ergebnisse der Dateninspektion eignen sich als Grundlage für weiterführende mehrdimensionale Raumbeschreibungen. Perspektivisch können diese Techniken wichtige analytische Beiträge im Zuge eines raumbezogenen Monitoringsystems leisten, welches Messgrößen der Siedlungs- und Freiraumentwicklung beobachtet und bewertet.

Im Rahmen einer Projektarbeit wurde im Jahr 2014 bei der microm eine bundesweite, flächendeckende, kleinräumige Bevölkerungsprognose erarbeitet. Dies greift auf eine Datenbasis zurück, welche es ermöglicht, Bevölkerungszahlen deutlich unterhalb der bis dato veröffentlichten Kreisebene fortzuschreiben. Dabei fußt der microm Ansatz initial auf den Einwohnerzahlen des Zensus 2011. Die Haupteinflüsse der Bevölkerungsentwicklung, die Zu- und Abwanderung von Personen, die Sterbequoten sowie die Geburtenraten wurden aus verschiedenen Quellen zusammengeführt und liegen auf der microm-eigenen sogenannten Postleitzahl-8-Ebene (N = 82 584; 500 Privathaushalte im bundesdeutschen Durchschnitt) vor. Methodisch erfolgte die Orientierung an den Vorarbeiten des BBSR. Ziel des Projektes war es, auf der insbesondere innerstädtisch differenzierenden Postleitzahlebene die Einwohnerzahlen entlang der 17 amtlichen nach Geschlecht getrennten Altersklassen in fünf Jahresschritten bis ins Jahr 2030 fortzuschreiben. Die Festlegung der Altersgrenzen orientiert sich dabei an den Ergebnissen der jährlichen Fortschreibung des Bevölkerungsstandes aus der Regionalstatistik der Statistischen Ämter des Bundes und der Länder (Statistische Ämter des Bundes und der Länder 2014).

Projektionen des Flächennutzungswandels haben eine hohe Bedeutung als Grundlage für die räumlich differenzierte Analyse zukünftiger Zustände stadtregionaler Mensch-Umwelt-Systeme. Relevant ist dies beispielsweise im Rahmen der integrierten Erforschung von Folgen des Klimawandels sowie des Flächennutzungswandels, etwa für das Regionalklima, den Wasserhaushalt, das Hochwasserrisiko oder die Wassererosionsgefährdung. In diesem Zusammenhang soll der vorgestellte Ansatz auf Basis von Szenarien (= Annahmensets auf Basis von Storylines) die flächendifferenzierte Abschätzung zukünftiger Raumnutzungsmuster ermöglichen. Hierbei wird ein Fokus auf den Wandel hin zu Wohnbausiedlungsflächen gelegt. Der Ansatz besteht aus drei aufeinander aufbauenden Modulen: der Projektion der zukünftigen Bevölkerung als Haupttriebkraft der Wohnungsnachfrage, der Projektion des Neubaubedarfs und des daraus abgeleiteten (Brutto-)Wohnbauflächenbedarfs sowie der räumlich expliziten Allokation der neuen Wohnbauflächen. Getestet wurde das Vorgehen beispielhaft im Rahmen eines Projektes zur Anpassung an den Klimawandel (REGKLAM). Das Untersuchungsgebiet umfasste dabei rund ein Drittel des Freistaates Sachsen mit 138 Kommunen um die Landeshauptstadt Dresden (Modellregion). Die Bevölkerungsentwicklung und der Wohnbauflächenbedarf wurden gemeindescharf bis zum Jahr 2025 projiziert. Hierauf aufbauend wurde die zukünftige räumliche Verteilung von Wohnbauflächen mit dem zellulären Automatenmodell DINAMICA für ein 25-Meter-Raster simuliert.