Die Blockgletscher der trockenen Anden sind weitverbreitete Oberflächenformen sowie bedeutende Bodeneisvorkommen. In der vorliegenden Arbeit werden statistische Modellierungen und geomorphologische Kartierungen durchgeführt, um die Verbreitung dieser Formen in den Anden von Zentralchile (27-36° s.Br.) in ihrem Bezug zu Klima und Topographie zu quantifizieren und analysieren. Eine stichprobenbasierte statistische Erhebung und eine logistische Regressionsmodellierung wurden durchgeführt, um in den Anden von Santiago (33-34,5° s.Br.) Verbreitungsmuster quantitativ zu schätzen und die geomorphologische Nische von Blockgletschern unter Verwendung von digitalen Geländemodellen zu charakterisieren. Das in Blockgletschern der Anden von Santiago gespeicherte Wasseräquivalent von 0,7-1,1 km³ je 1000 km² Gebirgsfläche ist um eine Größenordnung größer als in den Schweizer Alpen. Mindestens ein Fünftel der Hochgebirgsfläche der Anden von Santiago wird durch Blockgletscher hindurch entwässert. Dies unterstreicht die Bedeutung von Blockgletschern im andinen hydrologischen System und Schutttransportsystem. Die optimale Blockgletschernische der Anden von Santiago besitzt ein konvergierendes Einzugsgebiet von etwa 0,5-1 km² Fläche sowie rezente mittlere Jahrestemperaturen von +1 bis -1°C in 3500-3800 m Höhe. Unter günstigen morphographischen und topoklimatischen Bedingungen reichen intakte Blockgletscher bis 3000 m Höhe hinab. Das überregionale Verbreitungsmuster wird gesteuert durch Niederschlag, Vergletscherung, Topographie und Vulkanismus. Diese Faktoren wirken in Kombination auch an der nördlichen und südlichen Verbreitungsgrenze der Blockgletscher des Winterregengebiets bei 27° bzw. 35° s.Br. Die Verwendung der Blockgletscher-Sedimentbilanzen zur Abschätzung von holozänen Denudationsraten sowie von Blockgletschern als Permafrostindikatoren vermittelt weitere Einblicke in die Umweltverhältnisse der zentralchilenischen Anden. / Rock glaciers are ubiquitous landforms in the dry Andes, and significant, but unheralded stores of frozen water. In this study, statistical modelling techniques and geomorphological mapping are applied to quantify and analyze the distribution of rock glaciers in the Andes of Central Chile (27-35°S) as related to climate and topography. A statistical sample survey and a logistic regression model were designed to quantitatively estimate distribution patterns and characterize the geomorphological niche of rock glaciers in the Andes of Santiago (33-34.5°S) based upon digital elevation models. The amount of water stored within rock glaciers of the Andes of Santiago per unit area is by one order of magnitude higher than in the Swiss Alps, reaching an average 0.7-1.1 km³ of water equivalent per 1000 km² in the Andes. At least one fifth of the high-mountain area of the Andes of Santiago drains through intact rock glaciers. This underlines the importance of rock glaciers within the Andean hydrological and debris-transport system. The optimal rock glacier niche in the Andes of Santiago has a convergent contributing area of 0.5-1 km² and modern mean annual air temperatures of +1 to -1°C, corresponding to 3500-3800 m a.s.l. Intact rock glaciers reach down to 3000 m a.s.l. under favorable topographic and topoclimatic conditions. The supra-regional distribution pattern is influenced by precipitation, glaciation, topography and volcanism. These act as combined controls at the northern (27°S) and southern (35°S) limit of rock glacier occurrence in the Chilean area of winter precipitation. Rock glacier sediment budgets revealing Holocene denudation rates, and the use of rock glaciers as permafrost indicators give further insight into the periglacial environment of the Andes of Central Chile.

Statistische Modelle basierend auf empirischen Daten und GIS-Analysen sind ein geeignetes Mittel, um das Landschaftsbild objektiv zu bewerten. Verbreitet sind vor allem lineare Regressionsmodelle, die vergleichsweise einfach anzuwenden und zu interpretieren, jedoch bei der Darstellung komplexer Zusammenhänge eingeschränkt sind. Die vorliegende Arbeit nutzt drei verschiedene Modelltypen für eine bundesweite, flächendeckende Bewertung der landschaftli-chen Schönheit und vergleicht diese hinsichtlich ihrer Plausibilität und ihrer anwendungsbezogenen Vor- und Nachteile. Ein lineares Regressionsmodell wird dazu einem ordinalen Regres-sionsmodell und einem neuronalen Netz gegenübergestellt, mit denen auch nichtlineare Zusammenhänge modelliert werden können. Es werden sowohl die Modelle mit ihren beteiligten Indikatoren als auch die bei der flächenhaften Anwendung entstehenden Ergebniskarten aus-führlich verglichen. Empirische Datenbasis ist eine Onlineumfrage zum Landschaftsbild, die im Rahmen des vom Bundesamt für Naturschutz beauftragten FuE-Vorhabens „Entwicklung eines Bewertungsmodells zum Landschaftsbild beim Stromnetzausbau“ durchgeführt wurde. Bei der Umfrage wurde eine Fotodokumentation mit 822 repräsentativen Landschaftsfotos unter ande-rem hinsichtlich ihrer Schönheit bewertet. Es handelt sich mit mehr als 3.500 Teilnehmenden und 44.000 Fotobewertungen um den bisher umfangreichsten Datensatz zum Landschaftsbild in Deutschland. Die Arbeit behandelt speziell die Schönheit, da sich diese im Vergleich zu an-deren im § 1 Abs. 1 Nr. 3 BNatSchG genannten Kriterien Vielfalt und Eigenart für eine intuitive Bewertung ohne Expertenwissen eignet. Der Vergleich bei der bundesweiten Anwendung der Modelle zeigt für alle drei Modelltypen überwiegend plausible und stark korrelierende Ergebnisse auf. Alle Ergebniskarten zeigen infolge des markanten Reliefunterschieds deutliche Bewertungsunterschiede zwischen der Nord- und Südhälfte Deutschlands. Es zeigt sich, dass Modelleigenschaften des linearen und ordinalen Regressionsmodells dazu führen, dass dieses Bewertungsgefälle deutlich zu stark ausgeprägt ist. Beim neuronalen Netz zeigt sich eine ausgewogenere Bewertung zwischen Norden und Süden, bei der auch Landschaftsräume ohne starke Reliefunterschiede häufig hohe Bewertungsstufen erhalten. Eine erneute Anwendung der Modelle auf die Ausgangsdaten bestätigt leichte Bewertungsvorteile des neuronalen Netzes. Es ist jedoch davon auszugehen, dass kleinere Untersuchungsgebiete mit weniger diversen Landschaftstypen dazu führen, dass die Vorhersagen verschiedener Modelltypen weniger Unterschiede aufweisen. In der Arbeit wird die zugrundeliegende Stichprobe zudem auf die Effekte sozial-empirischer Merkmale untersucht. Es zeigen sich schwache Einflüsse von Alter, Bildungsstand und Fachwissen zum Landschaftsbild. Zudem wurde untersucht, ob die landschaftliche Schönheit mit dem Vorkommen von bestimm-ten Farbtönen zusammenhängt. Ausgewählt wurden für die Analyse Grün- und Blautöne als Indikatoren für Vegetation und Wasser. Die Untersuchung zeigt keine Zusammenhänge mit blauen Farbtönen und eine geringe Korrelation zu grün(-blauen) Farbtönen. Insgesamt bestätigen die Untersuchungsergebnisse, dass in Bezug auf die landschaftliche Schönheit ein ausreichender gesellschaftlicher Konsens besteht, um empirisch-modellierende Methoden zu validen und genauen Bewertungsinstrumenten für dieses Kriterium in der Landschaftsbildbewertung zu machen.:Zusammenfassung 5 Inhalt 7 Abbildungen 10 Tabellen 13 Abkürzungsverzeichnis 15 Allgemeine Informationen 16 1. Einleitung 17 1.1 Anlass und Motivation 17 1.2 Zielstellung 18 1.3 Aufbau und Gliederung der Arbeit 19 2. Inhaltliche Grundlagen 22 2.1 Landschaft 22 2.2 Landschaftsbild 23 2.2.1 Rolle der sensorischen Wahrnehmung in der Landschaftsbildbewertung 23 2.2.2 Die Subjektebene 25 2.3 Begriffstrias Vielfalt, Eigenart und Schönheit 27 2.3.1 Vielfalt 28 2.3.2 Eigenart 28 2.3.3 Schönheit 30 2.4 Expertenbasierte, modellierende und empirisch-modellierende Landschaftsbildbewertung 31 2.5 Schönheit in der Landschaftsbildbewertung 36 2.6 Fotos als Bewertungsmedium 42 3. Fotodokumentation und Onlineumfrage 44 3.1 Erstellung der Fotodokumentation 44 3.1.1 Auswahl von Referenzräumen 44 3.1.2 Anfertigung der Fotodokumentationen 49 3.1.3 Auswahl der Fotos für die Onlineumfrage 51 3.2 Onlineumfrage 52 4. Einfluss sozial-empirischer Merkmale auf die Bewertung 55 4.1 Geschlecht 56 4.2 Alter 60 4.3 Schulabschluss 64 4.4 Berufsabschluss 66 4.5 Affinität zu Natur und Landschaft 69 4.6 Aufenthalt in der freien Landschaft 71 4.7 Berufliche Auseinandersetzung mit dem Landschaftsbild 73 4.8 Entfernung vom Wohnort zur bewerteten Landschaft 77 4.9 Ländliche oder städtische Prägung des Wohnortes 83 4.10 Zusammenfassung 85 5. Auswahl von Indikatoren 88 5.1 Operationalisierbare und nicht-operationalisierbare Indikatoren 88 5.2 Datengrundlagen 89 5.3 Liste aller potenziellen Indikatoren 90 5.4 Erhebung des Indikatorenvorkommens durch Strukturanalyse der Sichträume 95 5.4.1 Verifizierung der Sichträume 95 5.4.2 Vorbereitung der Sichträume im GIS 97 5.4.3 Ermittlung des Indikatorenvorkommens in den Sichträumen 99 5.4.4 Erfassung des Indikatorenvorkommens im GIS 101 6. Ergänzende statistische Analyse der potenziellen Indikatoren 102 7. Einfluss der Farbgebung der Landschaftsfotos auf die Bewertung 104 7.1 Messung der Farbgebung 105 7.2 Definition von Farbbereichen 107 7.3 Statistische Analyse der Daten zur Farbgebung der Landschaftsfotos 109 7.4 Fazit 110 8. Erstellung der Bewertungsmodelle 112 8.1 Lineare Regression 112 8.1.1 Voraussetzungen 114 8.1.2 Lineares Regressionsmodell zur Schönheit der Landschaft 119 8.2 Ordinale Regression 122 8.2.1 Modellerstellung bei der ordinalen Regression 124 8.2.2 Interpretation der Parameterschätzer / Berechnung von Wahrscheinlichkeiten 125 8.2.3 Vorbereitung der Daten / Ordinale Skalierung 128 8.2.4 Voraussetzungen 129 8.2.5 Ordinales Regressionsmodell zur Schönheit der Landschaft 131 8.3 Neuronales Netzwerk 135 8.3.1 Aufbau und Funktionsweise 135 8.3.2 Auswahl von Skalenniveaus für das neuronale Netz 139 8.3.3 Einstellungen zum mehrschichtigen Perzeptron in SPSS 140 8.3.4 Erstellung des mehrschichtigen Perzeptrons mit SPSS 141 8.3.5 Neuronales Netzwerk zur Schönheit der Landschaft 144 8.4 Vergleich des Aufbaus der Modelle 147 8.5 Vergleich der Modellergebnisse 149 9. Flächenhafte Anwendung der Bewertungsmodelle 153 9.1 Wahl der Bewertungseinheit 153 9.2 Erhebung des Indikatorenvorkommens in den Bewertungseinheiten 154 9.3 Übertragung des Distanzzonenkonzepts in die Flächenbewertung 155 9.4 Anwendung der Bewertungsmodelle auf das Untersuchungsgebiet 156 9.5 Einteilung der Bewertungsstufen der Ergebniskarten der Bewertungsmodelle 157 9.6 Auswertung und Vergleich der Ergebniskarten 160 9.6.1 Verteilung der Bewertungsstufen 165 9.6.2 Sichtbarer Einfluss von Indikatoren auf die Wertstufenverteilung 167 9.6.3 Fazit 175 10. Diskussion und Schlussfolgerung 177 10.1 Diskussion der drei Modellierungsmethoden und deren Ergebnisse 177 10.1.1 Einordnung der Ergebnisse 177 10.1.2 Kritische Betrachtung der Methoden und Optimierungspotenzial 179 10.2 Vor- und Nachteile der drei Modellierungsmethoden 183 10.3 Die Berechnung landschaftlicher Schönheit 185 10.4 Zweck großräumiger Landschaftsbildbewertung in der Landschaftsplanung 187 10.5 Daseinsberechtigung landschaftlicher Schönheit als Bewertungskriterium 188 10.6 Fazit 189 11. Quellenverzeichnis 190 Anhang 1 – Landschaftsfotos 202 Anhang 2 – Korrelationsanalyse der unabhängigen Variablen des linearen Regressionsmodells 213 Anhang 3 – Korrelationsanalyse der unabhängigen Variablen des ordinalen Regressionsmodells 215 Anhang 4 – Korrelationsuntersuchungen der potenziellen Indikatoren 217 Anhang 5 – Verteilung der Bewertungsstufen in den Ergebniskarten 219 Danksagung 227

No description available.