Nach Darstellung der Anforderungen an ein zeitgemäßes Flächennutzungsmonitoring werden aktuelle Ergebnisse des Monitors der Siedlungs- und Freiraumentwicklung (IÖR-Monitor) vorgestellt. Diese beruhen insbesondere auf der Analyse topographischen Geobasisdaten von 2012 (mittlere Grundaktualität 2010). Die Siedlungs- und Verkehrsfläche steigt danach weiter ungemindert, sodass keine Entwarnung bzgl. des Erreichens der Flächensparziele gegeben werden kann. Da sich der IÖR-Monitor insbesondere auf die Auswertung des ATKIS Basis-DLM stützt, werden dessen jüngste Entwicklungen mit den Aspekten Aktualität und AAA-Migration vorgestellt. Erstmals werden die Ergebnisse des IÖR-Monitors durch Migrationseffekte geringfügig beeinflusst, die im Detail dargestellt werden. Anschließend werden neue Indikatoren der Kategorie Siedlung (Bodenversiegelungsgrad), Gebäude (Gebäudedichte und -überbauungsgrad) sowie Landschaftsqualität (Anteil naturbetonter Flächen und Hemerobieindex) erläutert. Inzwischen ist auch die kleinräumige Indikatordarstellung in Form von Rasterkarten bis 100-m-Rasterweite in einem integrierten Detailviewer mit GIS-Funktionalität möglich. Die technische Realisierung und die verfügbaren Indikatorkarten werden kurz vorgestellt. Der Beitrag schließt mit einem Ausblick auf die nächsten Arbeiten im IÖR-Monitor ab.

Für die kleinräumige Modellierung und Analyse von Prozessen im Siedlungsraum spielen gebäudebasierte Informationen eine zentrale Rolle. In amtlichen Geodaten, Karten und Diensten des Liegenschaftskatasters und der Landesvermessung werden die Gebäude in ihrem Grundriss modelliert. Semantische Informationen zur Gebäudefunktion, der Wohnform oder dem Baualter sind in den Geobasisdaten nur selten gegeben. In diesem Beitrag wird eine Methode zur automatischen Klassifizierung von Gebäudegrundrissen vorgestellt mit dem Ziel, diese für die Ableitung kleinräumiger Informationen zur Siedlungsstruktur zu nutzen. Dabei kommen Methoden der Mustererkennung und des maschinellen Lernens zum Einsatz. Im Kern werden Gebäudetypologie, Eingangsdaten, Merkmalsgewinnung sowie verschiedene Klassifikationsverfahren hinsichtlich ihrer Genauigkeit und Generalisierungsfähigkeit untersucht. Der Ensemble-basierte Random-Forest-Algorithmus zeigt im Vergleich zu 15 weiteren Lernverfahren die höchste Generalisierungsfähigkeit und Effizienz und wurde als bester Klassifikator zur Lösung der Aufgabenstellung identifiziert. Für Gebäudegrundrisse im Vektormodell, speziell den Gebäuden aus der ALK, dem ALKIS® oder dem ATKIS® Basis-DLM sowie den amtlichen Hausumringen und 3D-Gebäudemodellen, kann mit dem Klassifikator für alle städtischen Gebiete eine Klassifikationsgenauigkeit zwischen 90 % und 95 % erreicht werden. Die Genauigkeit bei Nutzung von Gebäudegrundrissen extrahiert aus digitalen topographischen Rasterkarten ist mit 76 % bis 88 % deutlich geringer. Die automatische Klassifizierung von Gebäudegrundrissen leistet einen wichtigen Beitrag zur Gewinnung von Informationen für die kleinräumige Beschreibung der Siedlungsstruktur. Neben der Relevanz in den Forschungs- und Anwendungsfeldern der Stadtgeographie und Stadtplanung sind die Ergebnisse auch für die kartographischen Arbeitsfelder der Kartengeneralisierung, der automatisierten Kartenerstellung sowie verschiedenen Arbeitsfeldern der Geovisualisierung relevant.

Der Bestand an analysierbaren, digitalen Daten vergangener Zeitstände zur Siedungsflächenausdehnung, die für eine kleinräumige Analyse der Siedlungsdynamik notwendig sind, steht in einem klaren Widerspruch zu seiner Nachfrage. Topographische Karten im Maßstab 1:25 000 enthalten implizit Grundrissinformationen zu den Elementarobjekten der Siedlungsstruktur – Baublock, Straße und Gebäude – und stellen dafür eine geeignete Datenquelle dar. Das hier vorgestellte automatisierte Verfahren zeigt, wie diese Information für Baublöcke mittels Methoden der digitalen Bildanalyse explizit verfügbar gemacht werden kann.

Seit 2010 werden die Geobasisprodukte „Amtliche Hausumringe“ und „Amtliche Hauskoordinaten“ (auch georeferenzierte Adressdaten genannt) – geometrische Teilauszüge der Automatisierten Liegenschaftskarte (ALK) – von der Zentralen Stelle für Hauskoordinaten, Hausumringe und 3D-Gebäudemodelle (ZSHH) der Bezirksregierung Köln für länderübergreifende oder bundesweite Untersuchungen angeboten. Erstmals sind dadurch umfassendere Untersuchungen zum deutschen Gebäudebestand möglich und Ausdifferenzierungen nach Menge, geometrischer Eigenschaften (u. a. Gebäudetyp) sowie seiner Nutzung durchführbar. Das Analysepotenzial ist aber noch weitaus größer, da sowohl auf administrativer Ebene als auch auf Rasterebene räumliche Muster für unterschiedliche thematische Fragestellungen abbildbar werden. Das raumbezogene Informationsinstrument Monitor der Siedlungs- und Freiraumentwicklung (IÖR-Monitor) ist eine wissenschaftliche Dienstleistung des Leibniz-Instituts für ökologische Raumentwicklung und stellt seit 2012 auch Gebäudeindikatoren auf Grundlage dieser Katasterdaten bereit. In diesem Beitrag werden dazu erste Arbeitsergebnisse vorgestellt.

Zum Aufbau eines flächendeckenden Monitors der Siedlungs- und Freiraumentwicklung in Deutschland werden geeignete Geodaten benötigt. Ausgehend von den raum- und umweltplanerischen Zielstellungen eines Flächenmonitorings in Verbindung mit dem Anliegen der laufenden Raumbeobachtung ergeben sich dafür grundlegende Anforderungen. Verfügbare Datenquellen werden im Hinblick auf ihre potenzielle Eignung vorgestellt und verglichen: das Amtliche Topographisch-Kartographische Informationssystem ATKIS (insbesondere das Basis-DLM), das Amtliche Liegenschaftskataster-Informationssystem ALKIS (basierend auf der automatisierten Liegenschaftskarte ALK und dem Liegenschaftsbuch ALB) sowie klassifizierte Luft- und Satellitenbilddaten. Erkennbare Datenprobleme werden im Hinblick auf die Berechnung von Indikatoren diskutiert und mit Fallbeispielen illustriert. Außerdem wird eine Lösung für die administrative Bezugsgeometrie des Monitors vorgestellt.

In dem Beitrag werden das Konzept und erste Realisierungsergebnisse eines Monitors vorgestellt, der Zustand und Entwicklung von Siedlungs- und Freiraumstruktur in Deutschland beschreibt. Grundlage ist das ATKIS Basis-DLM, dessen Geobasisdaten einer gesetzlichen Fortschreibung unterliegen. Dieses digitale Landschaftsmodell ist der aktuellste und genauste topographische Datensatz, der flächendeckend für Deutschland vorliegt. Die hochauflösenden GIS-Daten ermöglichen erstmals die Berechnung sehr kleinräumiger Kennzahlen und Indikatoren der Flächennutzung für die gesamte Fläche der Bundesrepublik Deutschland. Das geplante Indikatorensystem umfasst die Themenbereiche Siedlung, Freiraum, Bevölkerung, Landschafts- und Naturschutz sowie Verkehr. Es soll, in Ergänzung zu bestehenden flächenstatistischen Berichtssystemen, den urbanen Nutzungswandel und den damit einhergehenden Druck auf Freiräume und Schutzgebiete, insbesondere unter Nachhaltigkeitsaspekten, beschreiben. Die Ergebnisse der komplexen Berechnungen werden im Internet bereitgestellt. Ein Überblicks- und ein Detail-Viewer ermöglichen eine einfache Visualisierung der raumbezogenen Indikatoren und Entwicklungsphänomene. Der Monitor und die damit verbundenen methodischen Entwicklungen sind Aufgabe des Forschungsbereichs „Monitor der Siedlungs- und Freiraumentwicklung“ des Leibniz-Instituts für ökologische Raumentwicklung.

Grundlage des Buches sind die Beiträge des 1. Dresdner Flächennutzungssymposiums. Dieses ist der Auftakt für eine zukünftig jährlich stattfindende Fachtagung, die Wissenschaft und Praxis zu Fragen der Erhebung, Entwicklung und Prognose der Flächennutzungsentwicklung zusammenführt. Das 1. Buch der beginnenden Reihe „Flächennutzungsmonitoring“ informiert über die amtliche Flächenstatistik einschließlich deren Datengrundlage und alternativer Datengrundlagen für die Flächenerhebung. In diesem Zusammenhang werden auch Indikatoren zur Beschreibung der Flächeninanspruchnahme und der Freiraumentwicklung vorgestellt. Da es hier auch immer wieder um Fragen der Visualisierung geht, werden Verfahren zur kleinräumigen Darstellung von Zustand und Entwicklung von Indikatoren auf verschiedenen räumlichen Ebenen bis hin zu Rasterkarten erläutert. Im abschließenden Beitrag geht es um die Konzeption eines Monitors der Siedlungs- und Freiraumentwicklung auf Grundlage von geotopographischen Basisdaten.

Für den im Aufbau befindlichen Monitor zur Siedlungs- und Freiraumentwicklung im Leibniz-Institut für ökologische Raumentwicklung e. V. sollen im Teilsystem „Freiraumstruktur und Landschaftsfunktionen“ zur Beschreibung von Zustand, Entwicklung und Belastung der Freiräume geeignete Indikatoren entwickelt werden. Dazu werden in diesem Beitrag zunächst vorhandene oder konzeptionierte Indikatorensysteme auf Bundesebene hinsichtlich Ihrer Inhalte zum Freiraum untersucht und verglichen. Auf dieser Basis werden Überlegungen zu ergänzenden Indikatoren angestellt. Es werden Indikatoren u. a. zur Naturnähe und Störungsintensität der Flächennutzung, zu Schutzgebieten, zur Durchlässigkeit des Verkehrsnetzes, zur Dichte von kleinräumigen Landschaftselementen in der Offenlandschaft, zu Veränderungen der Siedlungs- und Verkehrsfläche in Überschwemmungsgebieten und zur Qualität von Erholungsgebieten vorgeschlagen. Deutlich wird aber auch, dass neben den ATKIS-Daten weitere Datengrundlagen herangezogen werden müssen, die derzeit teilweise noch nicht flächendeckend verfügbar sind.

<p>Technological advances have a profound impact on people and the world in which they live. People use a wide range of smart devices, such as the Internet of Things (IoT), smartphones, and wearable devices, on a regular basis, all of which store and use location data. With this explosion of technology, these devices have been playing an essential role in digital forensics and crime investigations. Digital forensic professionals have become more able to acquire and assess various types of data and locations; therefore, location data has become essential for responders, practitioners, and digital investigators dealing with digital forensic cases that rely heavily on digital devices that collect data about their users. It is very beneficial and critical when performing any digital/cyber forensic investigation to consider answering the six Ws questions (i.e., who, what, when, where, why, and how) by using location data recovered from digital devices, such as where the suspect was at the time of the crime or the deviant act. Therefore, they could convict a suspect or help prove their innocence. However, many digital forensic standards, guidelines, tools, and even the National Institute of Standards and Technology (NIST) Cyber Security Personnel Framework (NICE) lack full coverage of what location data can be, how to use such data effectively, and how to perform spatial analysis. Although current digital forensic frameworks recognize the importance of location data, only a limited number of data sources (e.g., GPS) are considered sources of location in these digital forensic frameworks. Moreover, most digital forensic frameworks and tools have yet to introduce geo-contextualization techniques and spatial analysis into the digital forensic process, which may aid digital forensic investigations and provide more information for decision-making. As a result, significant gaps in the digital forensics community are still influenced by a lack of understanding of how to properly curate geodata. Therefore, this research was conducted to develop a transdisciplinary framework to deal with the limitations of previous work and explore opportunities to deal with geodata recovered from digital evidence by improving the way of maintaining geodata and getting the best value from them using an iPhone case study. The findings of this study demonstrated the potential value of geodata in digital disciplinary investigations when using the created transdisciplinary framework. Moreover, the findings discuss the implications for digital spatial analytical techniques and multi-intelligence domains, including location intelligence and open-source intelligence, that aid investigators and generate an exceptional understanding of device users' spatial, temporal, and spatial-temporal patterns.</p>