Skip to main content

Berechnung einer landschaftsökologischen Raumgliederung Europas

Calculation of an ecological land classification of Europe

Zusammenfassung

Hintergrund und Ziel

Dieser erste Teil der Beitragsserie stellt die Berechnung einer ökologischen Raumgliederung Europas vor. Sie soll u.a. der Optimierung europäischer Umweltbeobach-tungsmessnetze dienen.

Material und Methoden

Als Grundlage der Berechnung der Raumgliederung dienen flächenhafte Daten zur potenziell natürlichen Vegetation, zur Bodenart, zur Höhe und zum Klima. Die Berechnungen wurden mit zwei Klassifikationsverfahren Durchgeführt: Classification and Regression Trees und Chisquare Interaction Detection. Hierbei wurde für Gebiete, die auf der Grundlage der Hauptformationen der potenziell natürlichen Vegetation aufgeteilt wurden, die jeweilige flächenproportionale Anzahl an Endklassen berechnet. Anschließend wurden die einzelnen Raumklassen zu einer europäischen Gesamtraumgliederung Zusammengefügt.

Ergebnisse

Die mit Classification and Regression Trees erzielten Ergebnisse wurden mit denen aus der Chisquare Interaction Detection anhand mehrerer Kriterien verglichen und erwiesen sich als vorzugswürdig. Die abgeleiteten Raumklassen können hinsichtlich ihrer ökologischen Eigenschaften beschrieben werden. Dies wird anhand der größten von 40 Endklassen der Gliederung für Europa beispielhaft gezeigt.

Diskussion

Die Ergebnisse der Classification Trees sollen in einem weiteren Beitrag dieser Serie mit anderen ökologischen Raumgliederungen Europas verglichen werden. Im Mittelpunkt der Diskussion über die verwendeten Daten steht die potenziell natürliche Vegetation. Als Integralindikator für heute vorliegende ökologische Bedingungen stellt sie eine nützliche Berechnungs-grundlage dar.

Schlussfolgerungen

Das Verfahren Classification and Regression Trees ist für ökologische Raumgliederungen gut geeignet. Es Ermöglicht eine reproduzierbare, vom Bearbeiter weitgehend unabhängige und insofern objektivierte Berechnung und Kartierung der Raumklassen. Eine so berechnete Karte ist ein wichtiges Instrument für die Umweltbeobachtung, weil sie dabei auf einem durch die Eingangsdaten definierten Differenzierungsniveau hilft, die raumstrukturelle Repräsentativität der Beobachtungsstellen zu überprüfen und zu quantifizieren.

Empfehlungen

Die ökologische Raumgliederung Europas sollte für die Analyse und Bewertung derjenigen Umweltmessnetze genutzt werden, deren Daten für die Beschreibung und Bewertung des Umweltzustands in Europa zusammengeführt und ausgewertet werden. In diesem Zusammenhang ist eine Einbindung der Raumgliederung sowie bestimmter Messnetze samt ihrer Metadaten in ein WebGIS von Vorteil.

Ausblick

Jeweils ein weiterer Beitrag dieser Reihe wird die Raumklassen der hier eingeführten Gliederung Europas in 40 ökologische Klassen eingehend beschreiben und mit vorhandenen Raumgliederungen vergleichen. Ein vierter Artikel soll Repräsentanzanalysen für einige europäische Umweltmessnetze präsentieren.

Abstract

Goal, Scope, and Background

In this first article of the series the calculation of the ecological regionalisation of Europe is described. Amongst others, the ecological regionalisation should be used for the optimisation of European environmental monitoring networks.

Materials and Methods

The land classification was calculated from surface data on the potential natural vegetation, soil texture and climate with both Classification and Regression Trees and Chisquare Interaction Detection. Europe was divided into zones on the basis of the main formations of the potential natural vegetation. According to the percentage of the surface area covered by each of the areas the respective number of ecologically defined regions were separately calculated. Subsequently the spatial classes were integrated into a comprehensive classification of Europe.

Results

The ecoregionalisations calculated by Classification and Regression Trees and Chisquare Interaction Detection were compared with respect to several criteria. Accordingly, the results derived by means of Classification and Regression Trees could be proved to be preferable to those computed by means of Chisquare Interaction Detection. Each of the land classes can be characterized regarding its ecological properties. This is exemplified by the biggest classes of the land classification with 40 classes.

Discussion

The results gathered by means of Classification and Regression Trees should be detailed in a further article. The discussion on the data used concentrates on the potential natural vegetation. Referring to the literature the potential natural vegetation can be seen as reasonable basis for the calculation in terms of ecological theory.

Conclusions

Classification and Regression Trees could be proved to be an appropriate method for the calculation of ecoregionalisations which fulfil the quality criteria such as, e.g., reproducibility. Such a classification is an important instrument for monitoring the environment, because it helps to test quantitatively the representativity of monitoring sites according to the spatial resolution of the data used for the ecoregionalisation.

Recommendations

The ecological land classification should be used for the assessment of monitoring networks from which the data are compiled for evaluations of the environmental condition in Europe. In this context, the implementation of the regionalisation and the measurement networks in a WebGIS could be useful.

Outlook

In the following article of the series an elaborate description of 40 ecoregions of Europe will be given. In a further article existing ecoregionalisations of Europe will be compared to the classification computed by means of Classification and Regression Trees. Another article will focus on the investigation of the representativity of environmental monitoring networks with respect to the ecological coverage presented in this article.

Literatur

  1. Allen JM, Starr TB (1982): Hierarchy: Perspectives for ecological complexity. Chicago University Press, Chicago

    Google Scholar 

  2. Baltes-Götz B (2004): Entscheidungsbaumanalyse mit AnswerTree 3.1. Universitätsrechenzentrum Trier, 〈http://www.uni-trier.de/urt/user/baltes/docs/at/v31/at31.pdf

  3. Beier R (2000): Die Validität von Umweltdaten. In: Fränzle O, Müller F, Schröder W (Hrsg), Handbuch der Umweltwissenschaften. Grundlagen und Anwendungen der Ökosystemforschung. ecomed, Landsberg am Lech, Kap. V-1.2 (6. Erg.Lfg.), 1–17

  4. Bel L, Allard D, Bar-Hen A, Laurent JM, Cheddadi R (2005): Using spatial estimates in the Cart algorithm. Application to ecological data. Institut National de la Recherche Agronomique, Unité Biometrique. Research Report 16, Avignon

  5. BGR (2006): Bodenkundliche Kartieranleitung. 5. verbesserte und erweiterte Auflage. Bundesanstalt für Geowissenschaften und Rohstoffe (BGR) in Zusammenarbeit mit den Staatlichen Geologischen Diensten der Bundesrepublik Deutschland, Schweizerbart, Stuttgart, 1–438

    Google Scholar 

  6. Bohn U, Neuhäusl R, unter Mitarbeit von Gollub G, Hettwer C, Neuhäuslová Z (2000 / 2003): Karte der natürlichen Vegetation Europas. Maßstab 1: 2.500.000. Teil 1 Erläuterungstext mit CD-ROM, Teil 2 Legende, Teil 3 Karten (9 Kartenblätter 1: 2,5 Mio., Legendenblatt, Übersichtskarte 1: 10 Mio.). Landwirtschaftlicher Verlag, Münster

    Google Scholar 

  7. Bormann, FH, Likens GE (1981): Patterns and process in a forested ecosystem. Springer, Berlin, S. 1–299

    Google Scholar 

  8. Breiman L, Freidman JH, Olshen RA, Stone CJ (1984): Classification and Regression Tree. Wadsworth, Belmont

    Google Scholar 

  9. Burak A (2005): Eine prozessorientierte landschaftsökologische Gliederung Deutschlands: ein konzeptioneller und methodischer Beitrag zur Typisierung von Landschaften in chorischer Dimension. Forschungen zur deutschen Landeskunde 254, Flensburg

  10. Chytrý M (1998): Potential replacement vegetation. An approach to vegetation mapping of cultural landscapes. Appl Veg Sci 1, 177–188

    Article  Google Scholar 

  11. Comber AJ, Fisher PF, Wadsworth R (2004): Integrating land cover data with different ontologies: Identifying change from inconsistency. Int J Geogr Inf Sci 18, 691–708

    Article  Google Scholar 

  12. CRU (Climatic Research Unit)(2002): Global Climate dataset, http://www.cru.uea.ac.uk/:_timm/data/index.html

  13. Daschkeit A, Kothe P, Schröder W (1993): Repräsentanzanalyse zur Auswahl von Bodendauerbeobachtungsflächen in Brandenburg. Abschlußbericht im Auftrag des Zentrums für Agrarlandschafts-und Landnutzungsforschung e.V., Institut für Bodenforschung, Eberswalde-Finow

  14. Durwen KJ, Weller F, Tilk C, Beck H, Klein S, Beuttler A (1996): Digitaler landschaftsökologischer Atlas Baden-Württemberg. Springer, Berlin

    Google Scholar 

  15. Englert C, Schmidt G, Schröder W (2007): Bildung eines Frühlings-Indikators für Deutschland auf Grundlage pänologischer Daten. Strobl J, Blaschke Th, Griesebner G (Hrsg): Angewandte Geoinformatik 2007. Beiträge zum 19. Agit-Symposium, 177–186

  16. ESRI (2003): Data and Maps. Redlands, CA, USA

  17. FAO (Food and Agriculture Organization of the United Nations) (1996): The Digitized Soil Map of the World Including Derived Soil Properties. CD-ROM. FAO, Rome

    Google Scholar 

  18. Ferretti M (1997): Forest health assessment and monitoring. Issues for consideration. Environ Monit Assess 48, 45–72

    Article  Google Scholar 

  19. Ferretti M (2001): Ecosystem monitoring. From the integration between measurements to the integration between networks. Publicazione del Corso di Cultura in Ecologia, Università degli studi di Padova, 3–54

  20. Foster DR (1988a): Disturbance history, community organization and vegetation dynamics of the old-growth Pisgah Forest, southwestern New Hampshire, USA. J Ecol 76, 105–134

    Article  Google Scholar 

  21. Foster DR (1988b): Species and stand response to catastrophic wind in central New England. J Ecol 76, 135–151

    Article  Google Scholar 

  22. Foster DR, Boose ER (1992): Patterns of forest damage resulting from catastrophic wind in central New England, USA. J Ecol 80, 79–98

    Article  Google Scholar 

  23. Fränzle O, Straskraba M, Jorgensen SE (1995): Ecology and ecotoxicology. Ullmann’s Encyclopedia of Industrial Chemistry B 7, Weinheim, S. 19–154

  24. Gauer J, Aldinger E (2005): Waldökologische Naturräume Deutschlands. Mitteilungen des Vereins für Forstliche Standortskunde 43, 1–324 + deutschlandweite Karte im Maßstab 1: 1 000 000

    Google Scholar 

  25. Gosselain V, Hudon C, Cattaneo A, Gagnon P, Planas D, Rochefort D (2005): Physical variables driving epiphytic algal biomass in a dense macrophyte bed of the St. Lawrence River (Quebec, Canada). Hydrobiologia 534, 11–22

    Article  Google Scholar 

  26. GLOBE Task Team et al. (Hastings D A, Dunbar P K, Elphingstone G M, Bootz M, Murakami H, Maruyama H, Masaharu H, Holland P, Payne J, Bryant N A, Logan T L, Muller J-P, Schreier G, MacDonald J S) (eds) (1999): The Global Land One-kilometer Base Elevation (GLOBE) Digital Elevation Model, Version 1.0. National Oceanic and Atmospheric Administration, National Geophysical Data Center, U.S.A. Digital data base on the World Wide Web 〈URL: http://www.ngdc.noaa.gov/mgg/topo/globe.html

  27. Graef F, Schmidt G, Schröder W, Stachow U (2003): Prüfung der Repräsentativität von Bodendauerbeobachtungsflächen an ökologischen Räumen Brandenburgs mit Cart (Classification and Regression Trees). Mitt Deut Bodenkundl Gesellsch 102, 481–482

    Google Scholar 

  28. Graef F, Schmidt G, Schröder W, Stachow U (2005): Determinig ecoregions for environmental and GMO monitoring networks. Environ Monit Assess 108, 189–203

    CAS  Article  Google Scholar 

  29. Hanxi Y, Yegang W (1987): Tree composition, age structure and regeneration strategy of the mixed Broadleaved / Pinus koraiensis forest in Chanbai Mountain Reserve. In: Hanx Y, Ihan W, Jeffers JNR, Ward PA (eds), The temperate Forest, ITE symposium No. 20. Lavenham Press, Lavenham, pp 12–20

    Google Scholar 

  30. Härdtle W (1989): Potentielle natürliche Vegetation. Ein Beitrag zur Kartierungsmethode am Beispiel der topographischen Karte 1623 Owschlag. Mitt Arbeitsgemeinsch Geobot Schl-Holst Hamburg 40, 1–72

    Google Scholar 

  31. Härdtle W (1995): On the theoretical concept of the potential natural vegetation and proposals for an up-to-date modification. Folia Geobot Phytotax 30, 263–276

    Article  Google Scholar 

  32. Hytteborn H (1987): Three different types of forest dynamics. In: Hanx Y, Ihan W, Jeffers JNR, Ward PA (eds), The temperate Forest, ITE symposium No. 20. Lavenham Press, Lavenham, 32–39

    Google Scholar 

  33. Kalkhoven JTR, van der Werf S (1988): Mapping the potential natural vegetation. In: Küchler AW, Zonneveld IS (eds), Vegetation mapping. Kluwer, Dordrecht, 375–386

    Google Scholar 

  34. Klijn F, de Haes HAU (1994): A hierarchical approach to ecosystems and its applications for ecological land classification. Landscape Ecol 9, 89–104

    Article  Google Scholar 

  35. Koop H (1989): Forest dynamics. Springer, Berlin, S. 1–299

    Google Scholar 

  36. Kowarik I (1987): Kritische Anmerkungen zum theoretischen Konzept der potentiellen natürlichen Vegetation mit Anregungen zu einer zeitgemäßen Modifikation. Tuexenia 7, 53–67

    Google Scholar 

  37. Kuhnt G, Garniel A, Kothe P Schröder W (1992): Umsetzung des Bodeninformationssystems: Begleitstudie zur bundesweiten Bodenzustandserhebung im Walde. Band 3: Standortbestimmung für die begleitende Bodenprobennahme und-analyse sowie Überprüfung der Meßnetzvalidität. Hrsg v. Bundesanstalt für Geowissenschaften und Rohstoffe, Hannover

    Google Scholar 

  38. Lawrence R, Labus M (2003): Early detection of douglas-fir beetle infestation with subcanopy resolution hyperspectral imagery. Western J Appl Forest 18, 202–206

    Google Scholar 

  39. Leibundgut H (1988): Unsere Laubwälder. Paul Haupt, Bern, S. 1–107

    Google Scholar 

  40. Leuschner C (1997): Das Konzept der potentiellen natürlichen Vegetation (PNV). Schwachstellen und Entwicklungsperspektiven. Flora 192, 379–391

    Google Scholar 

  41. Mabbutt JA (1968): Review of concepts of land evaluation. In: Stewart GA (ed), Land evaluation. MacMillan, Melbourne

    Google Scholar 

  42. Marks R, Müller MJ, Leser H, Klink HJ (Hrsg) (1989): Anleitung zur Bewertung des Leistungsvermögens des Landschaftshaushalts. Forschungen zur Deutschen Landeskunde 229, Trier

  43. Mayer H (1984): Die Wälder Europas. Gustav Fischer Verlag, Stuttgart, S. 1–691

    Google Scholar 

  44. Mayer H, Neumann M (1981): Struktureller und entwicklungs-dynamischer Vergleich der Fichten-Tannen-Buchen-Urwälder Rothwald / Niederösterreich und Corkova Uvala / Kroatien. Forstwiss Centralbl 100, 111–132

    Article  Google Scholar 

  45. Mayer H, Reimoser F (1978): Die Auswirkungen des Ulmensterbens im Buchen-Naturwaldreservat Dobra. Forstwiss Centralbl 97, 314–321

    Article  Google Scholar 

  46. Mertens M, Nestler I, Huwe B (2002): GIS-based regionalization of soil profiles with Classification and Regression Trees (CART). J Plant Nutr Soil Sci, 165(1), 39–43

    CAS  Article  Google Scholar 

  47. Metzger MJ, Bunce RGH, Jongman RHG, Mücher CA, Watkins JW (2005): A climatic stratification of the environment of Europe. Glob Ecol Biogeogr 14, 549–563

    Article  Google Scholar 

  48. Miller JR, Turner MG, Smithwick EA, Dent CL, Stanley EH (2004): Spatial extrapolation. The science of predicting ecological patterns and processes. BioScience 54, 310–320

    Article  Google Scholar 

  49. Moog O, Schmidt-Kloiber A Ofenbock T, Gerritsen J (2004): Does the ecoregion approach support the typological demands of the EU Water Framework Directive? Hydrobiologia 516, 21–33

    Article  Google Scholar 

  50. Morgan JN, Messenger RC (1973): THAID: A sequential analysis program for the analysis of nominal scale dependent variables. Ann Arbor, Michigan, Survey Research Center, Institute for Social Research, University of Michigan

    Google Scholar 

  51. Morgan JN, Sonquist JA (1963): Problems in the analysis of survey data, and a proposal. J Am Stat Assoc 58, 415–435

    Article  Google Scholar 

  52. Müller-Hohenstein K (1981): Die Landschaftsgürtel der Erde. 2. Auflage, Stuttgart

  53. New M, Lister D, Hulme M, Makin I (2002): A high-resolution data set of surface climate over global land areas. Clim Res 21, 1–25

    Article  Google Scholar 

  54. Norcross BL, Blanchard A, Holladay BA (1999): Comparison of models for defining nearshore flatfish nursery areas in Alaskan waters. Fish Oceanogr 8, 50–67

    Article  Google Scholar 

  55. Painho M, Augusto G (2005): A Digital Map of European Ecological Regions. In: Bohn U, Hettwer C, Gollub G. (Bearb. Ed) (2005), Anwendung und Auswertung der Karte der natürlichen Vegetation Europas. / Application and Analysis of the Map of the Natural Vegetation of Europe — Bonn (Bundesamt für Naturschutz); BfN-Scripten 156, 27–36

  56. Pesch R, Jerosch K, Schlüter M, Schröder W (2007): Using decision trees to predict benthic communities within and near the German Exclusive Economic Zone (EEZ) of the North Sea. Environ Monit Assess (in press)

  57. Pesch R, Schröder W, Dieffenbach-Fries H, Genßler L (2008): Optimierung des Moosmonitoring-Messnetzes in Deutschland. UWSF — Z Umweltchem Ökotox 20(1) 49–61

    CAS  Article  Google Scholar 

  58. Pesch R, Schröder W (2006): Integrative exposure assessment through classification and regression trees on bioaccumulation of metals, related sampling site characteristics and ecoregions. Ecol Inf 1, 55–65

    Article  Google Scholar 

  59. Pesch R, Schröder W (2007): Entwicklung der Metall-Bioakkumulation in Deutschland zwischen 1990 und 2000 auf zwei naturräumlichen Differenzierungsstufen. Strobl J, Blaschke Th, Griesebner G (Hrsg): Angewandte Geoinformatik 2007. Beiträge zum 19. Agit-Symposium, S. 527–536

  60. Prusa E (1985): Die böhmischen und mährischen Urwälder. Vegetace CSSR A15. Accademia Verlag der Tschechoslowakischen Akademie der Wissenschaft, Praha, S. 1–578

    Google Scholar 

  61. Ricotta C, Carranza ML, Avena G, Blasi C (2002): Are potential natural vegetation maps a meaningful alternative to neutral landscape models? Applied Vegetation Science 5, 271–275

    Article  Google Scholar 

  62. Rinker A, Deunert F, Schröder W (2008): Phosphor und Stickstoff in Böden Schleswig-Holsteins bei steigenden Lufttemperaturen. UWSF — Z Umweltchem Ökotox (im Gutachten)

  63. Rodwell JS, Cooper L, Winstanley D (1995): Using computerized maps of actual and potential vegetation for nature conservation. Coll Phytosociol 23, 95–102

    Google Scholar 

  64. Runkle JR (1985): Disturbance regimes in temperate forests. In: Pickett STA, White PS (eds), The Ecology of natural disturbance and patch dynamics. Academic Press, London, pp 218–234

    Google Scholar 

  65. Ruxton BP (1968): Order and disorder in land. In: Stewart GA (ed), Land evaluation. Papers of a CSIRO symposium. Organized in cooperation with UNESCO, 26–31 August 1968. Macmillan, Melbourne, pp 29–39

  66. Ryan WF (1995): Forecasting severe ozone episodes in the Baltimore metropolitan area. Atmos Environ 29, 2387–2398

    CAS  Article  Google Scholar 

  67. Schäfer D, Seibel S, Hoffmann-Kroll R (2000): Raumbezug und Repräsentativität in der Ökologischen Flächenstichprobe. UWSF — Z Umweltchem Ökotox 12, 286–290

    Article  Google Scholar 

  68. Schröder W (1989): Ökosystemare und statistische Untersuchungen zu Waldschäden in Nordrhein-Westfalen: Methodenkritische Ansätze zur Operationalisierung einer wissenschafts-theoretisch Begründeten Konzeption. Dissertation Geographisches Institut der Universität Kiel

  69. Schröder W, Daschkeit A (2003): Umweltwissenschaft als Prototyp Interdisziplinärer Forschung. In: Fränzle O, Müller F, Schröder W (Hrsg), Handbuch der Umweltwissenschaften. Grundlagen und Anwendungen der Ökosystemforschung. ecomed, Landsberg am Lech, München, Zürich, Kap. II-2.5 (9. Erg.Lfg.), 1–32

  70. Schröder W, Englert C, Pesch R, Schmidt G (2007): Phänologische Änderungen bei Obstbäumen und anderen Pflanzen sowie weitere mögliche Folgen des Klimawandels für die Landwirtschaft. In: Landinfo 5, 15–28

    Google Scholar 

  71. Schröder W, Fränzle O, Dachkeit A, Bartels F, Kaske A, Kerrines A, Schmidt G, Stech C (1998): Organisation und Methodik des Bodenmonitoring. Berlin, UBA-Texte 21/98

  72. Schröder W, Garbe-Schönberg CD, Fränzle O (1991): Die Validität von Umweltdaten — Kriterien für ihre Zuverlässigkeit: Repräsentativität, Qualitätssicherung und-kontrolle. UWSF — Z Umweltchem Ökotox 3, 237–241

    Article  Google Scholar 

  73. Schröder W, Grabkowsky B, Schmidt G (2007): Aufschlüsselung statistischer Beziehungen zwischen dem Nadelverlust von Fichten und anderen Informationen dreier Forstmonitoring-Programme Nordrhein-Westfalens. Schweiz Z Forstwes 158, 50–64

    Article  Google Scholar 

  74. Schröder W, Pesch R (2004): Spatial and temporal trends of metal accumulation in mosses. J Atmos Chem 49, 23–38

    Article  Google Scholar 

  75. Schröder W, Pesch R (2005a): Geographische Umweltmessnetzanalyse und-planung. Geogr Helv 60, 77–86

    Article  Google Scholar 

  76. Schröder W, Pesch R (2005b): Correlation and time series of metals in mosses with selected sampling site specific and ecoregional characteristics in Germany. Env Sci Pollut Res 12, 159–167

    Article  Google Scholar 

  77. Schröder W, Pesch R (2007): Synthesizing bioaccumulation data from the German Metals in Mosses Surveys and relating them to ecoregions. Sci Total Environ 374, 311–327

    Article  Google Scholar 

  78. Schröder W, Pesch R, Pehlke H, Busch M (2005): Flächenhafte Typologisierung des Meeresgrunds mit Hilfe geostatistischer und multivariat-statistischer Verfahren. Abschlussbericht zu dem Forschungsvorhaben FKZ 03F0370 im Förderschwerpunkt Informationssysteme im Erdmanagement: Von Geodaten zu Geodiensten des BMBF/DFG-Sonderprogramm Geotechnologien, Bonn, Rostock, 188 S

  79. Schröder W, Pesch R, Schmidt G (2004): Soil Monitoring in Germany: Spatial Representativity and Methodical Comparability. J Soils Sediments 1, 49–58

    Article  Google Scholar 

  80. Schröder W, Schmidt G (2000): Raumgliederung für die Ökologische Umweltbeobachtung des Bundes und der Länder. UWSF — Z Umweltchem Ökotox 12, 237–243

    Google Scholar 

  81. Schröder W, Schmidt G (2003): Medienübergreifende Umweltbeobachtung in Baden-Württemberg. Ergebnisse eines Modellprojekts. In: Landesanstalt für Umweltschutz (Hrsg), Medienübergreifende Umweltbeobachtung. Stand und Perspektiven. Karlsruhe, S. 39–60

  82. Schröder W, Schmidt G (2006): A methodological approach of site selection and data analysis to provide model input data for an up-scaling of population effects of transgenetic oilseed rape in Northern Germany. Ecol Ind 6, 168–183

    Article  Google Scholar 

  83. Schröder W, Schmidt G, Hornsmann I (2006a): Landschaftsökologische Raumgliederung Deutschlands. In: Fränzle O, Müller F, Schröder W (Hrsg), Handbuch der Umweltwissenschaften. Grundlagen und Anwendungen der Ökosystemforschung. ecomed, Landsberg am Lech, München, Zürich, Kap. V-1.9, 16. Erg.Lfg., 1–101

  84. Schröder W, Schmidt G, Pesch R, Eckstein T (2002): Harmonisierung der Umweltbeobachtung. Instrumente zur Prüfung methodischer Vergleichbarkeit und räumlicher Repräsentanz. In: Fränzle O, Müller F, Schröder W (Hrsg), Handbuch der Umweltwissenschaften. Grundlagen und Anwendungen der Ökosystemforschung. ecomed, Landsberg am Lech, Kap. V-1.3 (8. Erg.Lfg.), 1–22

  85. Schröder W, Schmidt G, Zipperle J (2006b): Geodaten, Messdaten und Analyseabläufe zur Messflächenauswahl bei unterschiedlichen Skalen. Überlegungen zum GVO-Messnetz in Baden-Württemberg. BfN-Skripten 189, 29–41

    Google Scholar 

  86. Schröder W, Vetter L, Fränzle O (1992): Einfluß statistischer Verfahren auf die Bestimmung repräsentativer Standorte für Umweltuntersuchungen am Beispiel der neuen Bundesländer. Petermanns Geographische Mitt 136, 309–318

    Google Scholar 

  87. Schultz J (2000): Handbuch der Ökozonen. Stuttgart

  88. Stevens SS (1946): On the theory of scales of measurement. Science 103, 677–680

    Article  Google Scholar 

  89. Tüxen R (1956): Die heutige potentiell natürliche Vegetation als Gegenstand der Vegetationskartierung. Angew Pflanzensoziologie 13, 5–43

    Google Scholar 

  90. Turner MG, Dale VH, Gardner RH (1989): Predicting across scales. Theory development and testing. Landscape Ecol 3, 245–252

    Article  Google Scholar 

  91. UNECE (United Nations Economic Commission for Europe) (2004): Manual on methods and criteria for harmonized sampling, assessment, monitoring and analysis of the effects of air pollution on forests. Part II Visual Assessment of Crown Condition updated: 06/2004. Brussels

  92. UNECE (2005): Forest condition in Europe. Technical report. Geneva, Hamburg

  93. Vetter L, Maass R, Schröder W (1991): Die Bedeutung der Repräsentanz für die Auswahl von Untersuchungsstandorten am Beispiel der Waldschadensforschung. Petermanns Geographische Mitt, 135, 165–175

    Google Scholar 

  94. Walter H, Breckle SW (1999): Vegetation und Klimazonen. 7. Auflage, Stuttgart

  95. Walmsley JL, Barthelmie RJ, Burrows WR (2001): The statistical prediction of offshore winds from land-based data for windenergy applications. Bound-Lay Meteorol 101, 409–433

    Article  Google Scholar 

  96. Weller F (1983): Agrarökologische und Naturräumliche Gliederung — Ein Vergleich. Verhandlungen der Gesellschaft für Ökologie XI, 445–453

    Google Scholar 

  97. Weller F (1990): Ökologische Standorteignungskarte für den Landbau in Baden-Württemberg 1: 250 000. Ministerium für Ländlichen Raum, Ernährung, Landwirtschaft und Forsten Baden-Württemberg (Hrsg), Stuttgart

    Google Scholar 

  98. WGE (Working Group on Effects) (2004): Review and assessment of air pollution effects and their recorded trends. Working Group on Effects, Convention on Long-range Transboundary Air Pollution. National Environment Research Council, UK

    Google Scholar 

  99. White ID, Mottershead, DN, Harrison SJ (1984): Environmental Systems. George Allen & Unwin, London

    Google Scholar 

  100. Zerbe S (1992): Zur Notwendigkeit von vegetationskundlich-ökologischen Untersuchungen zur Stabilität und Dynamik bodensauerer Hainsimsen-Buchenwälder. In: Henle K, Kaule G (Hrsg), Arten-und Biotopschutzforschung für Deutschland. Berichte aus Ökologischer Forschung Band 4, 293–297

  101. Zerbe S (1996): Stellt die potentielle natürliche Vegetation (PNV) eine sinnvolle Zielvorstellung für den naturnahen Waldbau dar? Forstwiss Centralbl 11, 1–15

    Google Scholar 

  102. Zerbe S (1998): Potential natural vegetation: Validity and applicability in Landscape planning and nature conservation. Applied Vegetation Science 1, 165–172

    Article  Google Scholar 

Download references

Author information

Affiliations

Authors

Corresponding author

Correspondence to Inga Hornsmann.

Rights and permissions

Reprints and Permissions

About this article

Cite this article

Hornsmann, I., Schmidt, G. & Schröder, W. Berechnung einer landschaftsökologischen Raumgliederung Europas. Environ Sci Eur 20, 25–35 (2008). https://doi.org/10.1065/uwsf2007.10.227

Download citation

Schlagwörter

  • CART
  • Europa
  • geostatistische Verfahren
  • PNV
  • potenziell natürliche Vegetation, Raumgliederung, ökologische
  • Raumklassen
  • standort-ökologische Raumgliederung
  • Umweltbeobachtung
  • WebGIS

Keywords

  • CART
  • ecoregions
  • environmental monitoring
  • Europe
  • geostatistical method
  • land classification
  • potential natural vegetation
  • WebGIS