No description available.

Die vorliegende Ausgabe beschäftigt sich mit dem Thema Umweltkennzahlensysteme für die Umweltleistungsmessung. Ziel der Arbeit ist es, Unternehmen ein Hilfsmittel zur Integration von Umweltaspekten ins allgemeine Unternehmensgeschehen an die Hand zu geben. Angestrebt ist die Konzeption eines Umweltkennzahlensystems zur Umweltleistungsmessung für Prozesse. Im ersten Schritt wird ein Öko-Controlling-Modell vorgestellt und Umweltkennzahlensysteme in dieses eingeordnet. Umweltkennzahlensysteme sind der Informationsversorgung zuzurechnen. Sie dienen der Information der Informationsverwender, die mit ihrer Hilfe Planen, Steuern und Kontrollieren sollen. Es wird ein Anforderungsprofil für Umweltkennzahlensysteme erstellt, dieses Anforderungsprofil beinhaltet allgemeine Anforderungen, wie die ?Anforderungen der Informationsverwender? und ?formale und logische Anforderungen? und spezielle Anforderungen. Vorhandene Ansätze zu Umweltkennzahlensystemen werden vorgestellt und hinsichtlich des Anforderungsprofils analysiert. Aus dieser Analyse ergibt sich der Schluss, dass es kein Umweltkennzahlensystem gibt, das alle Anforderungen erfüllt. Die Auswertung der an ausgewählte Führungskräfte der SIEMENS AG verschickten Fragebögen zu Umweltkennzahlen bestätigt die gewonnene Aussage der Nicht-Existenz einer first-best-Lösung hinsichtlich eines Umweltkennzahlensystems für alle Unternehmen, da sie verdeutlicht, dass schon die Kennzahlensysteme innerhalb eines Unternehmens stark (aufgrund zu unterschiedlicher Strukturen, Ziele und Strategien) differieren. An die Auswertung der Analyse der vorhandenen Ansätze und der Fragebögen schließt sich die Entwicklung einer Vorgehensweise zur Konzeption von Umweltkennzahlensystemen in Unternehmen an, die in den Schritten Festlegung der Umweltleistung von Unternehmen, Definition der Zielebene, Festlegung und Auswahl von Kennzahlen abläuft.

No description available.

No description available.

Die Studie untersucht, welche Chancen und Risiken Klimaschutzmaßnahmen für die sächsische Wirtschaft aufweisen. Die modellgestützte Szenarioanalyse der Studie zeigt positive wirtschaftliche Auswirkungen für Sachsen im Zusammenhang mit Klimaschutzmaßnahmen. Klimaschutzmaßnahmen bieten Chancen wie die Reduzierung von Importabhängigkeiten, erhöhte Investitionen und neue Geschäftsfelder. Die Veröffentlichung richtet sich an alle, die sich mit den volkswirtschaftlichen Auswirkungen von Klimaschutz beschäftigen. Redaktionsschluss: 10.11.2023

In den letzten Jahren ist das Bewusstsein für die Thematik der zunehmenden Lichtverschmutzung weltweit und auch in Deutschland gestiegen. Mittlerweile befassen sich nicht mehr nur Astronom:innen und Biolog:innen mit den Auswirkungen der künstlichen Nachthelligkeit. Auch Beleuchtungsplanung, Stadtverwaltung und Politik suchen nach Wegen, der Problematik zu begegnen. Die Landschaftsplanung als Fachplanung des Naturschutzes in Deutschland hat die Aufgabe, Natur und Landschaft sowie Auswirkungen anthropogener Aktivitäten auf diese zu analysieren und zu bewerten. Künstliche Beleuchtung bewirkt nach aktuellen Forschungen negative Effekte insbesondere auf die Schutzgüter Arten und Biotope sowie Landschaftsgestalt und Erholung. An Lichtquellen aufgrund von Hitze und Erschöpfung sterbende Insekten, Fledermäuse, die am Ausflug aus ihren Quartieren gehindert werden, ein erhöhtes Krebsrisiko für den Menschen oder die Behinderung von Wissenschaft und Forschung der Astronomie sind nur einige Beispiele für negative Auswirkungen. Für die Analyse und Bewertung solcher Belastungen im Rahmen der Landschaftsplanung fehlen jedoch methodische Ansätze. Die Entwicklung ebenjener wird durch die Komplexität der Thematik sowie die Bandbreite an beteiligten Fachbereichen und Akteur:innen erschwert. Darüber hinaus fehlen belastbare Grenzwerte aufgrund mangelnder Forschung. Die vorliegende Arbeit widmet sich der Entwicklung eines methodischen Ansatzes, der es ermöglicht, Auswirkungen von Beleuchtung auf Natur und Landschaft im Rahmen der kommunalen Landschaftsplanung zu ermitteln und adäquate Maßnahmen anzusetzen. Konkret wird dabei die Fragen behandelt, wie sich Lichtbelastungen für die betroffenen Schutzgüter der Landschaftsplanung ermitteln, räumlich verorten und mittels Maßnahmen verhindern, mindern oder beseitigen lassen. Der Ablauf der Methodik gliedert sich in die drei Schritte: A - Analyse der Beleuchtungssituation, B - Bewertung der Lichtbelastung für Arten und Biotope und C - Bewertung der Lichtbelastung für Landschaftsgestalt und Erholung. Die entwickelte Methodik wird in ArcGIS Pro durchgeführt, nutzt leicht zugängliche Datengrundlagen und erfordert kein komplexes Zusatzwissen des/der Planers:in zum Thema ‚Licht‘. Ein Handlungsleitfaden am Ende der Arbeit ermöglicht eine schnelle Übersicht und eine einfache Durchführung der einzelnen Schritte.:1 Einleitung Teil I Grundlagen 2 Planungskontext Deutschland 2.1 Das Planungssystem 2.2 Betrachtungsgegenstand der Landschaftsplanung 2.2.1 Definitionen von ‚Umwelt‘, ‚Natur‘ und ‚Landschaft‘ 2.2.2 Das Konzept der Schutzgüter 2.2.3 Das Schutzgut Arten und Biotope 2.2.4 Das Schutzgut Landschaftsgestalt und Erholung 2.3 Der kommunale Landschaftsplan 3 Bewertungsmethoden in der vorsorgenden Landschaftsplanung 3.1 Definitionen 3.2 Anforderungen an Bewertungsmethoden 3.3 Bewertungsmaßstab und Zielerfüllungsgrad 3.3.1 Leitlinien und Leitbilder mit Bezug zu künstlicher Beleuchtung 3.3.2 Umweltqualitätsziele und -standards 4 Licht und seine physikalischen Eigenschaften 4.1 Begriffliche Abgrenzung 4.2 Beschreibung und Eigenschaften von Licht 4.3 Wichtige physikalische Größen zur Beschreibung von Licht 5 Natürliches Licht und Umwelt 5.1 Natürliche Lichtrhythmen 5.2 Interaktionen zwischen Licht und Mensch 5.3 Interaktionen zwischen Licht und Tieren 5.4 Interaktionen zwischen Licht und Pflanzen 6 Künstliche Beleuchtung im Außenraum 6.1 Historische Entwicklung künstlicher Beleuchtung 6.2 Aufgabe der Beleuchtung im Außenraum 6.3 Arten künstlicher Beleuchtung im Außenraum 6.4 Charakteristik von Beleuchtung im Außenraum 6.5 Erfassung und Planung von Beleuchtung 7 Lichtverschmutzung 7.1 Entstehung, Begriffsbestimmung und korrelierende Messgrößen 7.2 Aktueller Stand der Lichtverschmutzung und rechtlicher Rahmen 7.2.1 Weltweit 7.2.2 Europa 7.2.3 Deutschland 7.3 Kritische Betrachtung der aktuellen Diskussion und bestimmender Akteure 8 Einfluss von Lichtverschmutzung auf die Schutzgüter der Landschaftsplanung 8.1 Arten und Biotope 8.1.1 Methodik 8.1.2 Ergebnisse 8.1.3 Zusammenfassung der Auswirkungen auf das Schutzgut Arten und Biotope 8.1.4 Diskussion der Datenlage 8.2 Einfluss auf Landschaftsgestalt und Erholung 8.2.1 Stand der Forschung und Methodik 8.2.2 Ergebnisse: Auswirkungen von Beleuchtung 8.2.3 Zusammenfassung der Auswirkungen auf Landschaftsgestalt und Erholung 8.2.4 Diskussion der Datenlage 8.3 Präzisierung der Minderungsmöglichkeiten und Best Practice Beispiele 8.3.1 Minderung der Negativeffekte 8.3.2 Bewusstseinsstärkung 8.3.3 Möglichkeiten auf konzeptionellen Planungsebenen 8.3.4 Best-Practice-Beispiele 9 Lichtverschmutzung in der vorsorgenden Landschaftsplanung 9.1 Einflussmöglichkeiten 9.2 Aktueller Stand der Beachtung 9.2.1 Methodik 9.2.2 Ergebnisse 9.2.3 Fazit aus der Plananalyse 9.3 Ansätze für Analyse und Bewertung von Lichtverschmutzung für Natur und Landschaft 9.3.1 Bewertungsmaßstäbe zur Problematik Lichtverschmutzung 9.3.2 Methodenansätze aus der Forschung Teil II – Methodenentwicklung 10 Einführung zur Methodenentwicklung 10.1 Ziel und zugrundeliegende Fragestellung 10.2 Ablauf 10.3 Anwendungsraum und Anforderungen 10.4 Definitionen 10.5 Freital als Beispielplanungsgebiet A – Analyse der Beleuchtung 11 Einführung zu Karte A 11.1 Fragestellung 11.2 Kriterien zur Eignung von Methodenansätzen für die Landschaftsplanung 11.3 Bestehende Methodenansätze zur Messung der Beleuchtungssituation (Darstellung der Lichtimmission) 11.3.1 Messung der Bodenbeleuchtungsstärke 11.3.2 Leuchtdichtemessungen 11.3.3 Messung der Himmelshelligkeit 11.3.4 Erfassung mittels sozialempirischer Methoden 11.3.5 Messungen aus der Luft (Befliegung) 11.4 Bestehende Methodenansätze zur Modellierung der Beleuchtungssituation 11.4.1 Mathematische Modelle auf Grundlage der Stadtlage und -größe 11.4.2 Abschätzung der Beleuchtungssituation auf Grundlage von Satellitendaten 11.4.3 Modellierung auf Grundlage von Daten zu Lichtquellen 11.5 Methoden unter Nutzung existierender Datengrundlagen 11.5.1 Lichtverschmutzungsatlas 11.6 Zusammenfassung und Auswahl eines Methodenansatzes für die Landschaftsplanung 11.7 Eingangsdaten 11.7.1 Daten zu Lichtemittenten 11.7.2 Daten zur künstlichen Himmelsaufhellung 11.7.3 Sonstige 12 Layer A1 – Lichtemittenten-Hotspots 12.1 Hotspots auf Grundlage des Leuchtenkatasters 12.1.1 Leuchtenausgestaltung 12.1.2 Lichtpunktdichte 12.2 Hotspots auf Grundlage der Landnutzungen 12.3 Darstellung der Hotspots 13 Layer A2 – Modellierung der direkten Einstrahlung aus Lichtemittenten 13.1 Definition des Modellierungsgegenstandes 13.1.1 Lichttechnische Größe 13.1.2 Abgrenzung beleuchteter Flächen 13.1.3 Zusammenfassung Modellierungsgegenstand 13.2 Umsetzung im GIS 13.2.1 Puffer 13.2.2 Sichtfeldanalysen 13.3 Beurteilung der Modellierungsergebnisse 13.3.1 Messungen 13.3.2 Verbal-argumentative Einschätzung der Eignung der Datengrundlage 13.3.3 Verbal-argumentative Einschätzung Werkzeuganwendung in ArcGIS Pro 13.4 Auswahl und Darstellung einer Variante 14 Layer A3 – Darstellung der Himmelshelligkeit 15 Zusammenfassende Beschreibung der Beleuchtungssituation (Karte A) B – Bewertung Arten und Biotope 16 B1 - Bewertung der Lichtempfindlichkeit von Arten und Biotopen 16.1 Definition und Bewertungsziel 16.2 verwendete Datengrundlagen 16.3 Bestandsbeschreibung 16.3.1 Landnutzung und Biotoptypen 16.3.2 Bestehende Schutzgebiete und Vorgaben aus übergeordneter Planung 16.3.3 Artvorkommen im Untersuchungsgebiet 16.4 Zielartenkonzepte 16.4.1 Vorteile von Zielartenkonzepten 16.4.2 Kritikpunkte an der Verwendung von Zielarten 16.4.3 Die Auswahl von Zielarten 16.4.4 Zielarten für die Bewertung der Lichtsensitivität 16.5 Auswahl und Beschreibung der Zielarten für Freital 16.5.1 Vögel 16.5.2 Fledermäuse 16.5.3 Insekten 16.6 Layer B1.1 - Empfindlichkeit gegenüber direkter Beleuchtung aufgrund von Zielartenvorkommen 16.6.1 Sensitivitätsindex 16.6.2 Anpassung des Sensitivitätsindex 16.7 Layer B1.2 - Empfindlichkeit gegenüber direkter Beleuchtung weiterer Flächen 16.7.1 Schützenswerte Lebensräume 16.7.2 Flächen der Biotopvernetzung 16.8 Layer B1.3 - Empfindlichkeit gegenüber Himmelsaufhellung 16.8.1 Vogelzugrouten 16.8.2 Größere zusammenhängende Gewässerkomplexe 16.9 Zusammenfassende Beschreibung der lichtempfindlichen Flächen für Arten und Biotope (Karte B1) 17 B2 - Konfliktanalyse und Maßnahmenkonzeption 17.1 Layer B2.1 Minderung bestehender Belastungen 17.1.1 Konflikte mit beleuchteten Flächen 17.1.2 Konflikte mit Raum- und Himmelsaufhellung 17.2 Layer B2.2 Schutz und Entwicklung von Flächen 17.3 weitere Maßnahmen ohne Verortung 17.4 Zusammenfassung des Ziel- und Maßnahmenkonzeptes (Karte B2) C - Bewertung der Lichtempfindlichkeit von Landschaftsgestalt und Erholung 18 C1 Bewertung der Lichtempfindlichkeit von Landschaftsgestalt und Erholung 18.1 Definition und Bewertungsziel 18.2 Im vorliegenden Fall verwendete Datengrundlagen 18.3 Bestandsbeschreibung 18.3.1 Landschaftsbild 18.3.2 Erholung 18.3.3 Erlebbarkeit von natürlicher Dunkelheit und Sternenhimmel 18.4 Layer C1.1 – (kulturhistorisch) bedeutsame Orte der Himmelsbeobachtung 18.5 Layer C1.2 – Orte zum Erleben von Sternenhimmel und Dunkelheit 18.6 Zusammenfassende Beschreibung der lichtempfindlichen Flächen für Landschaftsgestalt und Erholung 19 C2 Konfliktanalyse und Maßnahmenkonzeption 19.1 Layer C2.1 – Minderung bestehender Belastungen 19.1.1 Konflikte mit beleuchteten Flächen 19.1.2 Konflikte mit Himmelsaufhellung 19.2 Layer C2.2 – Schutz und Entwicklung von Flächen 19.3 weitere Maßnahmen ohne Verortung 19.4 Zusammenfassung des Ziel- und Maßnahmenkonzeptes (Karte C2) Teil III – Zusammenfassung und Anleitung für die Durchführung in der Praxis 20 Zusammenfassung 20.1 Anleitung zur Durchführung in der Praxis 20.1.1 Analyse der Beleuchtungssituation vor Ort (Karte A) 20.1.2 Arten und Biotope (Karten B1 und B2) 20.1.3 Landschaftsgestalt und Erholung (Karten C1 und C2) 20.2 Diskussion 20.2.1 Praxistauglichkeit 20.2.2 Inhaltliche Richtigkeit 20.3 Fazit Quellenverzeichnis Danksagung Eidesstattliche Erklärung Anhang

No description available.

No description available.

No description available.

<p> We present an application of imprecise probability theory to the quantification of uncertainty in the integrated assessment of climate change. Our work is motivated by the fact that uncertainty about climate change is pervasive, and therefore requires a thorough treatment in the integrated assessment process. Classical probability theory faces some severe difficulties in this respect, since it cannot capture very poor states of information in a satisfactory manner. A more general framework is provided by imprecise probability theory, which offers a similarly firm evidential and behavioural foundation, while at the same time allowing to capture more diverse states of information. An imprecise probability describes the information in terms of lower and upper bounds on probability.</p> <p> For the purpose of our imprecise probability analysis, we construct a diffusion ocean energy balance climate model that parameterises the global mean temperature response to secular trends in the radiative forcing in terms of climate sensitivity and effective vertical ocean heat diffusivity. We compare the model behaviour to the 20th century temperature record in order to derive a likelihood function for these two parameters and the forcing strength of anthropogenic sulphate aerosols. Results show a strong positive correlation between climate sensitivity and ocean heat diffusivity, and between climate sensitivity and absolute strength of the sulphate forcing.</p> <p> We identify two suitable imprecise probability classes for an efficient representation of the uncertainty about the climate model parameters and provide an algorithm to construct a belief function for the prior parameter uncertainty from a set of probability constraints that can be deduced from the literature or observational data. For the purpose of updating the prior with the likelihood function, we establish a methodological framework that allows us to perform the updating procedure efficiently for two different updating rules: Dempster's rule of conditioning and the Generalised Bayes' rule. Dempster's rule yields a posterior belief function in good qualitative agreement with previous studies that tried to constrain climate sensitivity and sulphate aerosol cooling. In contrast, we are not able to produce meaningful imprecise posterior probability bounds from the application of the Generalised Bayes' Rule. We can attribute this result mainly to our choice of representing the prior uncertainty by a belief function.</p> <p> We project the Dempster-updated belief function for the climate model parameters onto estimates of future global mean temperature change under several emissions scenarios for the 21st century, and several long-term stabilisation policies. Within the limitations of our analysis we find that it requires a stringent stabilisation level of around 450 ppm carbon dioxide equivalent concentration to obtain a non-negligible lower probability of limiting the warming to 2 degrees Celsius. We discuss several frameworks of decision-making under ambiguity and show that they can lead to a variety of, possibly imprecise, climate policy recommendations. We find, however, that poor states of information do not necessarily impede a useful policy advice.</p> <p> We conclude that imprecise probabilities constitute indeed a promising candidate for the adequate treatment of uncertainty in the integrated assessment of climate change. We have constructed prior belief functions that allow much weaker assumptions on the prior state of information than a prior probability would require and, nevertheless, can be propagated through the entire assessment process. As a caveat, the updating issue needs further investigation. Belief functions constitute only a sensible choice for the prior uncertainty representation if more restrictive updating rules than the Generalised Bayes'Rule are available.</p> / <p> Diese Arbeit untersucht die Eignung der Theorie der unscharfen Wahrscheinlichkeiten für die Beschreibung der Unsicherheit in der integrierten Analyse des Klimawandels. Die wissenschaftliche Unsicherheit bezüglich vieler Aspekte des Klimawandels ist beträchtlich, so dass ihre angemessene Beschreibung von großer Wichtigkeit ist. Die klassische Wahrscheinlichkeitstheorie weist in diesem Zusammenhang einige Probleme auf, da sie Zustände sehr geringer Information nicht zufriedenstellend beschreiben kann. Die unscharfe Wahrscheinlichkeitstheorie bietet ein gleichermaßen fundiertes Theoriegebäude, welches jedoch eine größere Flexibilität bei der Beschreibung verschiedenartiger Informationszustände erlaubt. Unscharfe Wahrscheinlichkeiten erfassen solche Informationszustände durch die Spezifizierung von unteren und oberen Grenzen an zulässige Werte der Wahrscheinlichkeit.</p> <p> Unsere Analyse des Klimawandels beruht auf einem Energiebilanzmodell mit diffusivem Ozean, welches die globale Temperaturantwort auf eine Änderung der Strahlungsbilanz in Abhängigkeit von zwei Parametern beschreibt: die Klimasensitivität, und die effektive vertikale Wärmediffusivität im Ozean. Wir vergleichen das Modellverhalten mit den Temperaturmessungen des 20. Jahrhunderts, um eine sogenannte Likelihood-Funktion für die Hypothesen zu diesen beiden Parametern sowie dem kühlenden Einfluss der Sulfataerosole zu ermitteln. Im Ergebnis zeigt sich eine stark positive Korrelation zwischen Klimasensitivität und Wärmediffusivität im Ozean, und Klimasensitivität und kühlendem Einfluss der Sulfataerosole.</p> <p> Für die effiziente Beschreibung der Parameterunsicherheit ziehen wir zwei geeignete Modelltypen aus der unscharfen Wahrscheinlichkeitstheorie heran. Wir formulieren einen Algorithmus, der den Informationsgehalt beider Modelle durch eine sogenannte Belief-Funktion beschreibt. Mit Hilfe dieses Algorithmus konstruieren wir Belief-Funktionen für die A-priori-Parameterunsicherheit auf der Grundlage von divergierenden Wahrscheinlichkeitsschätzungen in der Literatur bzw. Beobachtungsdaten. Wir leiten eine Methode her, um die A-priori-Belief-Funktion im Lichte der Likelihood-Funktion zu aktualisieren. Dabei ziehen wir zwei verschiedene Regeln zur Durchführung des Lernprozesses in Betracht: die Dempstersche Regel und die verallgemeinerte Bayessche Regel. Durch Anwendung der Dempsterschen Regel erhalten wir eineA-posteriori-Belief-Funktion, deren Informationsgehalt qualitativ mit den Ergebnissen bisheriger Studien übereinstimmt, die eine Einschränkung der Unsicherheit über die Klimasensitivität und die kühlende Wirkung der Sulfataerosole versucht haben. Im Gegensatz dazu finden wir bei Anwendung der verallgemeinerten Bayesschen Regel keine sinnvollen unteren und oberen Grenzen an die A-posteriori-Wahrscheinlichkeit. Wir stellen fest, dass dieses Resultat maßgeblich durch die Wahl einer Belief-Funktion zur Beschreibung der A-priori-Unsicherheit bedingt ist.</p> <p> Die A-posteriori-Belief-Funktion für die Modellparameter, die wir aus der Anwendung der Dempsterschen Regel erhalten haben, wird zur Abschätzung des zukünftigen Temperaturanstiegs eingesetzt. Wir betrachten verschiedene Emissionsszenarien für das 21. Jahrhundert sowie verschiedene Stabilisierungsziele für den Treibhausgasgehalt in der Atmosphäre. Im Rahmen unserer Analyse finden wir, dass sehr strikte Stabilisierungsziele im Bereich einer Kohlendioxid-Äquivalentkonzentration von ca. 450 ppm in der Atmosphäre notwendig sind, um nicht eine vernachlässigbar kleine untere Wahrscheinlichkeit für die Begrenzung der Erwärmung auf 2 Grad Celsius zu erhalten. Wir diskutieren verschiedene Kriterien für die Entscheidungsfindung unter unscharfer Wahrscheinlichkeit, und zeigen dass sie zu verschiedenen teilweise unscharfen Politikempfehlungen führen können. Nichtsdestotrotz stellen wir fest, dass eine klare Politikempfehlung auch bei Zuständen schwacher Information möglich sein kann.</p> <p> Wir schließen, dass unscharfe Wahrscheinlichkeiten tatsächlich ein geeignetes Mittel zur Beschreibung der Unsicherheit in der integrierten Analyse des Klimawandels darstellen. Wir haben Algorithmen zur Generierung und Weiterverarbeitung von Belief-Funktionen etabliert, die eine deutlich größere A-priori-Unsicherheit beschreiben können, als durch eine A-priori-Wahrscheinlichkeit möglich wäre. Allerdings erfordert die Frage des Lernprozesses für unscharfe Wahrscheinlichkeiten eine weitergehende Untersuchung. Belief-Funktionen stellen nur dann eine vernünftige Wahl für die Beschreibung der A-priori-Unsicherheit dar, wenn striktere Regeln als die verallgemeinerte Bayessche Regel für den Lernprozess gerechtfertigt werden können.</p>