Search

Rund ein Viertel der neu errichteten Nutzfläche in deutschen Nichtwohngebäuden entfiel im Jahr 2018 auf das Segment der Warenlagergebäude. Trotz dieser großen Bedeutung mangelt es an tiefergehenden Analysen bezüglich der regionalen und sektoralen Bautätigkeit. In der Folge ist bisher wenig über die Flächeninanspruchnahme durch diese Bautätigkeit bekannt. In vorliegendem Beitrag wird eine Methodik zur regionalen Quantifizierung der deutschlandweiten Flächeninanspruchnahme von Warenlagergebäuden vorgestellt. Auf der Basis eines Datensatzes des Forschungsdatenzentrums der Jahre 2000 bis 2015 sowie durch Anwendung GIS-gestützter Umrechnungsparameter sind Aussagen zur kleinräumigen Ausprägung der Flächeninanspruchnahme bis auf Gemeindeebene möglich. Es zeigt sich, dass das Segment der Warenlagergebäude in dreifacher Hinsicht durch Konzentrationseffekte gekennzeichnet ist: Die Gebäude werden immer größer, sie werden in zunehmendem Maße durch spezialisierte Logistikdienstleister errichtet und konzentrieren sich räumlich auf einige wenige, gut angebundene Standorte. In der Folge nimmt konträr zur allgemeinen Entwicklung die Flächeninanspruchnahme in diesem Segment stetig zu. Für das Gelingen nationaler Flächenhaushaltsziele scheint zukünftig eine differenzierte Betrachtung spezifischer Nutzungsarten, Raumkontexte sowie damit verbundener Einflussgrößen ratsam. In 2018, the building segment of warehouse buildings accounted for around a quarter of all newly constructed floor space in German non-residential buildings. Despite this great significance, there is a lack of in-depth analyses that look at construction activity in a differentiated manner by region and sector. As a consequence, little is known about the land-use implications of construction in this building segment. This paper presents a methodology to quantify the land use of warehouse buildings on a regional scale. Based on a dataset from the Research Data Centre for the years 2000 to 2015 and by applying GIS-supported conversion parameters, propositions on the small-scale nature of land use down to the municipal level are possible. It is apparent that the segment of warehouse buildings is characterized by concentration effects in three respects: the buildings are becoming larger and larger, they are increasingly being constructed by specialized logistics service providers and are spatially concentrated in only a few well-connected municipalities. As a result, contrary to the general trend, the land use of this segment is steadily increasing over time. A differentiated consideration of land use along spatial and functional contexts seems to be advisable for the success of national land-use targets.

In Deutschland fehlt es an Informationen über Struktur und Bestand der Nichtwohngebäude. Mit Veröffentlichung der Bautätigkeitsstatistik im Scientific-Use-File durch die Forschungsdatenzentren der Statistischen Ämter des Bundes und der Länder sind erstmals Tiefenanalysen zur Bestandsdynamik im Nichtwohnbau möglich. Dieser Beitrag beleuchtet Möglichkeiten und Grenzen des neuen Sachdatenzugangs entlang beispielhafter räumlicher und sachlicher Auswertungen und eruiert Möglichkeiten eines nationalen Gebäuderegisters. Im Ergebnis dieser Analyse werden Vorschläge zur Ertüchtigung der Statistik diskutiert. Es zeigt sich, dass eine umfassende Bautätigkeitsstatistik zur Validierung und Fortschreibung eines zukünftigen Gebäuderegisters unerlässlich ist.

Die Reduzierung der Flächenneuinanspruchnahme auf 30 ha/Tag und Vorrang der Innenentwicklung sind weiterhin Nachhaltigkeitsziele und spiegeln sich auch in den neuen Leitbildern der Raumordnung wider. Ziele des Flächensparens sind kompakte und effizient genutzte Siedlungsstrukturen. Dazu bedarf es der Nutzung aller Flächenpotenziale. Nur dadurch ist der Schutz des Freiraums und der natürlichen Ressourcen sichergestellt. Erste Erfolge können beim Flächensparen mittlerweile festgehalten werden; dennoch liegt die tägliche Zunahme der Siedlungs- und Verkehrsflächen derzeit bei 73 ha/Tag (BBSR 2015a). Für die Reduzierung der Neuinanspruchnahme müssen Flächenpotenziale erkannt und bewertet werden. Diese Aufgabe wird von den Kommunen erst seit kurzer Zeit übernommen – und dies auch nicht flächendeckend. Sehr vorbildlich wird oftmals die Erfassung mit einem aktiven Flächenmanagement verknüpft: Eigentümeransprachen sollen zum Verkauf oder zur Bebauung motivieren. Allerdings werden mit der Erfassung der Flächenpotenziale keine bzw. kaum übergeordnete Ziele verfolgt. Auch stellt sich die Erfassung als sehr heterogen dar: Sie reicht von der einfachen Auflistung einzelner Flächen bis zur flächendeckenden Erhebung. Es ist zu empfehlen, dass alle Informationen für die Erfassung der (Wohn-) Flächenpotenziale genutzt werden. Durch die Verschneidung der Informationen zur geplanten und tatsächlichen Nutzung können noch nicht genutzte Potenzialflächen erfasst werden. Für eine zielführende Steuerung bedarf es eines Rankings der Potenzialflächen. Darin sollten u. a. die Standorte der diversen Infrastrukturen, Erkenntnisse über Pendlerverflechtung, wirtschaftliche Verbindungen u. ä. einfließen. Daneben sind als landesweite Instrumente z. B. das Siedlungsflächenmonitoring aus NRW (§ 4 Landesplanungsgesetz NRW) oder die Förderung eines „Kommunalen Flächen-managers“ (Förderprogramm „Flächen gewinnen durch Innenentwicklung“, Bekanntmachung des Ministeriums für Verkehr und Infrastruktur Baden-Württemberg (MVI) vom 19.02.2016, Az.: 43-880/292) in Baden-Württemberg herauszustellen. Nur durch Transparenz der Flächenpotenziale ist es den Kommunen möglich, zukünftig bedarfsgerecht Bauflächen auszuweisen und die Flächenneuinanspruchnahme zu vermindern.

Land-cover and land-use change are highly dynamic and contribute to changes in the water balance. The most common changes are urbanisation, deforestation and desertification. This dissertation deals with the topic of projecting land cover (LC) into the near future with the help of the scenario technique. The aim of the thesis is the projection of the urban and rural land-cover change (LCC) till 2025. Two research questions are addressed in this work: (1) Which integrated concept can be developed to combine different methods to project urban and rural LCC into the future based on past LCC? (2) Is it possible to implement the developed concept and does the implementation deliver plausible results? To answer the research questions, a 4-step concept is adopted which serves as workflow for projecting the LCC: (i) the definition of the scenario context, and with that the definition of the study area, (ii) the identification of spatial and dynamic drivers for LCC, consisting of spatial drivers that are location-dependent, such as slope or soil type, and dynamic drivers of LCC, such as demographic and economic development, (iii) scenario formulation and projection of identified drivers, and (iv) scenario-based projections of future LCC, which means its quantitative and spatial modification (demand and allocation). For implementation and testing, the Upper Western Bug River catchment in Ukraine serves as the study site. The extent of the study area reaches from the source of the Western Bug to the Dobrotvir gauging station and is thus entirely located in Ukraine. This presents the first step of the developed concept of the projection of LCC. The existing geo-database for implementation is scarce. LC data is available for the territory of the EU (e.g. CORINE Land Cover) but not for Ukraine. Therefore, the implementation of the second step had to focus on the derivation of LC data for three-time steps to get the basis for the LCC. A classification of satellite scenes of Landsat and SPOT are done for the time steps 1989, 2000, and 2010. The two decades show a huge development of LCC. The increase of ‘artificial surface’ and unmanaged ‘grassland’ is visible with the decrease of ‘arable land’ and ‘forests’. An extended statistical analysis considering the systematic LCC reveals stable transition pathways, which in turn are the basis of the projection of future land cover. This refers to the second step of the concept: change detection. One transition pathway is that ‘arable land’ is not used and converted in settlement areas, but rather changes into ‘grassland’. With the derived LC and the analysed LCC as a basis of the work, the search for spatial and dynamic drivers start at the third time step. A list of dynamic drivers is first compiled, via literature research, and then tested for effect on LCC with statistical analyses. The dynamic driving forces are the ‘Gross Domestic Product’ (GDP) and ‘population development’. Spatial driving forces are laws/planning practices, fertility, slope, distance to the city Lviv, settlements, roads, or rivers. As a result, population development has an effect on the change in the LC class to 'artificial surface' from 'grassland' and 'arable land' from ‘grassland'. The implementation of the third step is done with the help of four storylines where the overall development of the dynamic drivers are included towards 2025. With that it is possible to project them into the future. The fourth step includes the calculation of the demand for each LC class with the projected dynamic drivers. The areas that have a high probability to change into another LC class are determined in suitability maps (allocation) which are derived by translating the transition pathways into GIS algorithms including the spatial driving forces. The class of 'artificial surface' changes the most under scenario A until 2025 and less under scenario D — the sustainable scenario. The LC class 'arable land' decreases in scenario A and B, but has the strongest development in scenario D. The LC class of unmanaged ‘grassland’ is quite stable under scenario A and B, but decreases in C and D. The results of systematic changes in ‘arable land’ that changes into ‘grassland’ are different compared to developments in other countries like Germany. The protection and conservation of arable land is not seen as strongly in other Eastern European countries as it is in the Upper Western Bug River catchment. In turn, the identified spatial and dynamic drivers fit other studies in Eastern Europe. The applied concept of projecting LCC with these steps are highly flexible for implementation in other study sites. However, the volume of work can differ within the steps because of the available databases. In Ukraine the available LCC data was not detailed enough to carry out a future projection. So, a main part of the work is dedicated to the derivation of past LC for different time steps. The involvement of regional experts helped to gain detailed knowledge of processes of LCC. The advantage of the presented concept with the mixture of quantitative (e.g. satellite analyses, statistical analyses) and qualitative methods can overcome methodological knowledge gaps. In addition, the retrospective analyses, as starting points, for the projection of future LCC carves out the site-specific allocation of change.:Acknowledgements..............................................................................................................................III Abstract..................................................................................................................................................IV Zusammenfassung..............................................................................................................................VII Contents..................................................................................................................................................X Abbreviations......................................................................................................................................XIV 1.Introduction.................................................................................................................................1 1.1Background................................................................................................................................1 1.2Objectives and Research Questions.......................................................................................3 1.3Structure....................................................................................................................................3 2.Basics of the Work......................................................................................................................5 2.1Land Cover, Land Use and Land-cover Change....................................................................5 2.2Projection of Land-Cover Change...........................................................................................6 2.3Drivers of Land-Cover and Land-Use Change.....................................................................10 2.4Basics of Scenario Methods..................................................................................................12 3.Conceptual Framework............................................................................................................15 3.1Step1: Definition of the Scenario Context...........................................................................17 3.2Step 2: Identification of Spatial and Dynamic Drivers of Land-Cover Change...............18 3.3Step 3: Scenario Formulation and Projection of Identified Drivers.................................18 3.4Step 4: Scenario-based Projections of Future Land-Cover Change.................................19 4.Implementation and Testing of the Framework..................................................................20 4.1Step 1: Definition of the Scenario Context..........................................................................20 4.2Step 2: Identification of Spatial and Dynamic Drivers for Land-Cover Change..............24 4.3Step 3: Scenario Formulation and Projection of Drivers...................................................28 4.4Step 4: Scenario-based Projections of future Land-Cover Change..................................32 5.Discussion..................................................................................................................................36 5.1Discussion of the Methods....................................................................................................36 5.2Discussion of the Empirical Results.....................................................................................42 6.Conclusions and Outlook........................................................................................................47 7.Reference List............................................................................................................................49 8.Appendix....................................................................................................................................58 8.1Position and Affiliation of the Interviewed Experts...........................................................59 8.2Suitability Maps.......................................................................................................................60 8.3Research Articles.....................................................................................................................66 8.3.1Research Article 1: Retrospective Analysis of Systematic Land-Cover Change in the......... Upper Western Bug River catchment, Ukraine.....................................................................67 8.3.2Research article 2: Cross-Sectoral Projections of Future Land-Cover Change for the........ Upper Western Bug River catchment, Ukraine.....................................................................80