Die vorliegende Diplomarbeit ist in ein finanziertes Projekt der Deutschen Forschungsgemeinschaft (DFG) zur Analyse und modellgestützten Prognose zukünftiger Landnutzung, Waldkonversion und Naturschutz im Tiefland Boliviens (Antragsteller: Prof. Dr. G. Gerold, Projektkoordination: R. Müller) eingebunden. Länderunspezifisch soll ein dynamisches, räumlich explizites Landnutzungsmodell zum Erstellen von Prognosen und Szenarien entwickelt werden. Darüber hinaus zielt das Projekt darauf ab, landnutzungsgebundene Risikofaktoren systematisch in die Naturschutzplanung zu integrieren. Aus dem übergeordneten Zielgedanken des Projektes leiten sich folgende Zielsetzungen und zentrale Fragestellungen für diese Arbeit ab: Finden LUCC-Modelle, die auf logistischen Regressionen basieren, weit verbreitete Anwendung in unterschiedlichen Fachrichtungen, sind die zugrunde liegenden (statistischen) Methoden komplex und kaum in eingängiger und ausführlicher Form dokumentiert. Aus diesem Grund liegt die grundlegende Zielsetzung dieser Arbeit in der allgemein verständlichen Vermittlung der wichtigsten Methoden und Techniken der räumlichen LUCC-Modellierung (auf logistischen Regressionsmodellen (LR-Modelle) beruhend). Diesem Anspruch unterliegen differenzierte Fragestellungen: 1. Können neue Methoden entwickelt werden, die das Verständnis für (LR-Modelle) vereinfachen bzw. erweitern und sind diese im Sinne einer optimierten LUCC-Analyse bedeutungsvoll? 2. Nachgegangen wird der Frage, was die vielfältigen Ergebnisse der LR-Modelle bedeuten und wie selbige in fehlerfreie Interpretationen der LUCC-Prozesse überführt werden können. 3. Haben räumliche Landnutzungsmodelle das Potential realistische Vorhersagen für LCLU-Veränderungen zu reproduzieren? Welche Methoden und qualitativen Grundlagen müssen für diesen Anspruch entwickelt bzw. eingesetzt werden? 4. Welche Rückschlüsse können aus den LR-Modellen bezüglich der Kausalität von Landnutzungsformen und Waldkonversionsprozesse in der Chiquitania in Ostbolivien (Department Santa Cruz) gezogen werden?
Inhaltsverzeichnis
1 Einleitung
1.1 Die Bedeutung von Landnutzungsmodellen
1.2 Zielsetzung und Aufbau der Arbeit
2 Das Untersuchungsgebiet
2.1 Das Departement Santa Cruz (Ostbolivien)
2.2 Das Untersuchungsgebiet - die Region Chiquitania
2.3 Weidewirtschaft und Waldkonversion in Ostbolivien
2.4 Bestimmungskriterien der Teilgebiete
2.4.1 Intensive Weidewirtschaft im Westen der Chiquitania
2.4.2 Die extensive Weidewirtschaft im Teilgebiet San Ignacio
3 Theoretischer Rahmen
3.1 Begriffseingrenzung: LUCC und Entwaldung
3.2 Überblick über wichtige LUCC-Faktoren (driving forces)
3.3 Der ökonomische Ansatz in der LUCC-Forschung
3.4 Räumlich explizite Modelle
3.5 Der Maßstab in der LUCC-Modellierung
3.6 Multicollinearität
4 Methoden
4.1 Modellentwicklung
4.2 Die räumliche Entwaldungsmodellierung im Einklang wichtiger Werkzeuge.
4.2.1 Rasterdaten
4.2.2 GIS
4.2.3 Der Informationstransfer zwischen GIS und Statistikprogrammen
4.3 Die logistische Regression in der LUCC-Modellierung
4.3.1 Die Logit-Transformation
4.4 Interpretation der Logits und Odds
4.5 Kalibrierung der LR-Modelle: Likelihood-Ratio-Test und Wald-Test
4.6 Die Koeffizienten in der logistischen Regression
4.6.1 LR-Koeffizienten binärer unabhängiger Variablen (Effektkoeffizienten)
4.6.2 LR-Koeffizienten kontinuierlich skalierter unabhängiger Variablen.
4.6.3 Standardisierte Koeffizienten
4.6.4 Die Auswertung der Koeffizienten in Abhängigkeit der Konfidenzintervalle
4.7 Validierung der LR-Modelle
4.7.1 Wahrscheinlichkeitskarte (Prediction Map)
4.7.2 Die Fehlermatrix
4.7.3 Der Kappa-Index
4.7.4 Kappa - Ein wertvoller Index für die Landnutzungsmodellierung?
4.7.5 Die ROC-Kurve / der AUC-Index
4.7.6 Residuen
5 Datengrundlage
5.1 Geophysikalische Variablen
5.2 Sozioökonomische und politische Variablen
5.3 Der Maßstab
6 Ergebnisse (A): Die Zeitreihenanalyse
6.1 Die wichtigsten Entwaldungsfaktoren in den Teilregionen
6.1.1 Die Koeffizienten der Transportkostenvariable - sinnvolle Informationen?
6.1.2 Waldranddistanz - Ein Indikator für intensive Weidewirtschaft
6.1.3 Niederschlag
6.1.4 Indigene Reservate und Konzessionen
6.1.5 Die Exposition der Hänge
6.1.6 Zusammenfassung
6.2 Vergleichende Analyse der Modellierung verschiedener Zeitabschnitte und Teilgebiete (>Zeitreihenanalyse)
6.2.1 Der Nutzen von Teilgebietsmodellen
6.2.2 Die LR-Modelle nach dem Ausschluss der Waldranddistanz
6.2.3 Collinearität und ihre Auswirkungen auf LR-Modelle
6.2.4 Anwendung von Zeitreihen - Entwicklung von verbesserten Vorhersagemodellen
6.2.5 Die Konstruktion von Vorhersagemodellen - eine qualitative Beschreibung
6.2.6 Zusammenfassung
7 Ergebnisse (B): Anwendung und Interpretation der LR- Modelle
7.1 Räumlich-deskriptive Analyse der Entwaldungsprozesse
7.1.1 Der Einfluss von Schutzgebieten und indigenen Reservaten
7.1.2 Die Wirkung der Hangneigung auf Entwaldung- allgemein
7.1.3 Das Relief und Waldkonversion in Concepcion
7.1.4 Die Höhe als Kriterium zur räumlichen Differenzierung.
7.1.5 Multicollinearität
7.1.6 Hangneigung und Entwaldung in den unteren Höhenbereichen
7.1.7 Hangneigung und Entwaldung in den oberen Höhenbereichen
7.1.8 Fehlerquellen
7.1.9 Zusammenfassung
7.2 Wichtige und allgemeingültige Eigenschaften der LR-Modelle
7.2.1 Der Informationsgewinn aus Teilgebietsmodellen
7.2.2 Was zeigen Koeffizienten der logistischen Regression an?
7.2.3 Konstruktion und Bedeutung von Effektvariablen.
7.2.4 Der Einfluss des Maßstabes
7.2.5 Die Grenzen der Effektvariablen.
8 Zusammenfassung
9 Literaturverzeichnis
10 Anhang
Abbildungsverzeichnis
Abb. 2-1: Das Untersuchungsgebiet innerhalb des Departments Santa Cruz
Abb. 2-2: Entwaldungsintensitäten in den Teilgebieten der Chiquitania
Abb. 3-1: Maßstabseffekte
Abb. 4-1: Schematische Darstellung der Modellentwicklung (eigener Entwurf)
Abb. 4-2: Das Logit- und Wahrscheinlichkeitsmodell in der Gegenüberstellung
Abb. 4-3: Kappa und ROC in Abhängigkeit des Anteils an Entwaldungszellen
Abb. 4-4: ROC-Kurve
Abb. 6-1: Zeitreihenanalyse der Teilgebiete
Abb. 6-2: Entwaldung in Puerto Suarez
Abb. 6-3: Entwaldung in Concepcion
Abb. 6-4: Entwaldung in San Ignacio
Abb. 6-5: Zeitreihenanalyse- Das Gesamtmodell mit allen Variablen
Abb. 6-6: TG Concepcion
Abb. 6-7: TG Puerto Suarez
Abb. 6-8: TG San Ignacio
Abb. 7-1: TG Concepcion (Relief, Konzessionen, indigene Reservate)
Abb. 7-2: Histogramme der Hangneigung nach der Höhe differenziert.
Abb. 7-3: Wald und Entwaldung in Abh. der Hangneigung, unterhalb von 550 m
Abb. 7-4: Wald und Entwaldung in Abh. der Hangneigung, oberhalb 550 m
Abb. 7-5: Relief und Entwaldung im TG Concepcion
Abb. 7-6: Wald und Entwaldung in Abhängigkeit der Hangneigung (<9°)
Tabellenverzeichnis
Tab. 2-1: Entwaldungsraten in den Teilgebieten der Chiquitania
Tab. 2-2: Wichtige Merkmale der Teilgebiete
Tab. 4-1: Fehlermatrix
Tab. 4-2: GOF-Indizes
Tab. 6-1: Koeffizienten (Odds) der Teilgebietsmodellierung
Tab. 7-1: Koeffizienten (Odds) in Abhängigkeit der Zeitschritte und Teilregionen
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
Danksagung
Zahlreiche Personen haben zum Gelingen dieser Arbeit beigetragen und meinen universitären Werdegang begleitet. An dieser Stelle möchte ich all jenen meinen Dank aussprechen.
Ein großer Dank geht an Prof. Dr. Gerhard Gerold, der mich während des Studiums als Student unterstützte, mich in das Projekt integrierte und die wissenschaftliche Betreuung übernahm. Ein herzlicher Dank geht auch an Prof. Dr. Martin Kappas für das Koreferat dieser Arbeit.
Die vorliegende Arbeit basiert maßgeblich auf der sehr engen Zusammenarbeit mit Robert Müller. Unzählige fachliche Diskussionen und eine sehr intensive Korrespondenz bestimmten eine effektive und zugleich harmonische Kooperation. Profitieren konnte ich von einer uneingeschränkten Unterstützung bei der inhaltlichen und sprachlichen Korrektur, wobei Robert seinen reichen Erfahrungsschatz einbrachte.
Ein besonderer Dank geht an Dr. Stefan Erasmi, der mich während des gesamten Studiums in vielfältiger Hinsicht unterstützte und gewissermaßen die Vorraussetzungen für diese Arbeit schuf.
Die Arbeit erhielt wichtige Inspirationen von Dr. Daniel Müller und Dr. Stefan Schwarze. Beide haben mein Interesse für den Themenkomplex geweckt und standen mir immer wieder aufgeschlossen und hilfreich zur Seite. Maßgeblich konnte ich von den Arbeiten von Dr. Daniel Müller profitieren.
Den nötigen Rückhalt für diese Arbeit gaben mir die Familie und der Freundeskreis. Meine Eltern und Großeltern haben meinen Werdegang stets vertrauensvoll begleitet und unterstützt. Meinen Eltern sei zusätzlich ein sehr großer Dank für das Korrekturlesen dieser Arbeit ausgesprochen. Meine Freunde Christian Warnke und Jonas Hein haben die Arbeit ebenfalls begutachtet und mich während der Arbeit immer wieder aufgebaut. Viel Liebe, Kraft und Verständnis bekam ich jederzeit von meiner Freundin Gesa.
1 Einleitung
1.1 Die Bedeutung von Landnutzungsmodellen
Landnutzungsveränderungen sind als die wichtigste Bedrohung für tropische Waldökosysteme anzusehen (Geist & Lambin 2001). Aus diesem Grund widmen sich Forscher seit wenigen Jahrzehnten der Dokumentation von Landnutzungsänderungen (FAO 2005). Zunehmend hat der Forschungszweig (LUCC[1]-Forschung) registriert, dass das Verständnis für die zugrunde liegenden Prozesse der LCLU[2]-Veränderungen erweiterbar ist, wenn statistische Methoden effektiv eingesetzt werden. So haben Wissenschaftler unterschiedlicher Fachrichtungen der Entwicklung von räumlichen LUCC-Modellen (spatially explicit models[3]) seit etwas mehr als 15 Jahren Aufmerksamkeit geschenkt (etwa Anselin 1988, Chomitz Gray 1996, Nelson et al. 2001a, Verburg & Veldkmap 2001, Munroe & Müller 2007). Empfehlenswerte Überblicksartikel, die den Verlauf des Forschungszweiges reflektieren, bieten Kaimowitz & Angelsen (1998) speziell für die Tropen, Geist & Lambin (2002), Walker (2003) sowie Verburg et al. (2004). Eine konzentrierte und relativ aktuelle Zusammenfassung der statistischen Methoden, die für die LUCC-Forschung bedeutsam sind, wird durch Lesschen et al. (2005) vorgenommen.
Im besonderen Fokus der LUCC-Forschung steht traditionell die strukturelle und statistische Analyse von Entwaldung (Agarawal et al. 2005). Hohe und weiter steigende Entwaldungsraten sowie die übergeordnete ökologische Bedeutung des Waldes, besonders der tropischen Regenwälder, erklären den hohen Stellenwert (Verborg & Veldkamp, 2004). Einige Wissenschaftler haben das räumliche Entwaldungsmuster und Rodungsintensitäten anhand von Fernerkundungsaufnahmen studiert (z.B. DeFries et al. 2000, Tucker & Townshend 200); andere haben Waldkonversion und mögliche Einflussfaktoren in Landnutzungsmodellen untersucht. Umfangreiche Reviews speziell zu Entwaldungsmodellen finden sich in Lambin & Ehrlich (1997), Kaimowitz et al. (1999), Geist & Lambin (2002) und Verburg et al. (2003a).
Hat die LUCC-Forschung in den letzten Jahren große Fortschritte gemacht, sind insbesondere die regionalen Erkenntnisse, die aus Modellen abgeleitet werden, nach wie vor begrenzt. Eingeschränkte Datenverfügbarkeit, die Komplexität der LUCC-Prozesse und methodische Schwachstellen sind verantwortlich dafür, das „we still do not understand many aspects of where, why, and how fast forest clearing occurs.“ (Mertens et al. 2004: 271) Die LUCC- Forschung steht also, auch im Jahr 2008, relativ am Anfang und ist auf neue und innovative Inputs angewiesen. LUCC-Modelle müssen in der Zukunft wesentlich realistischer und zuverlässiger konstruiert werden, um wirkungsvolle Empfehlungen abliefern zu können, wie Waldkonversion und andere Formen von LCLU-Veränderungen reduzierbar sind. Diesem Anspruch ist die vorliegende Arbeit untergeordnet.
Einleitend werden weitere Hintergründe beleuchtet, die den Einsatz an Forschungsarbeit und Finanzmittel in die nicht unumstrittene Modellentwicklung legitimieren und ebenfalls einen wichtigen Impuls für diese Arbeit lieferten. Gleichsam wird die Bedeutung der LUCC- Modelle beschrieben.
Ein Hauptmotiv für den Naturschutz in Bezug auf das Engagement zur Verminderung der Entwaldungsraten, insbesondere in den Tropen, sind die dramatischen klimatischen Tendenzen, die mit dem Begriff Climate Change zusammengefasst werden (Nelson & Geoghegan 2002, Brown et al. 2007). Die globale Erwärmung wird massiv durch die Anreicherung von CO2 in der Atmosphäre angetrieben. Der Kohlenstoffkreislauf wird beschleunigt, wenn die größten Kohlenstoffspeicher der Erde in den Tropen vernichtet werden. Nach Berechnungen von Bolin & Sukumar (2000) betrug in den 90er Jahren die Menge an CO2, die allein durch LCLU-Veränderungen in die Atmosphäre emittiert wurde, 1,6 Billionen Tonnen Kohlenstoffdioxid pro Jahr. Watson (et al. 2000) und Houghton (et al. 1999) quantifizieren unabhängig voneinander speziell den Einfluss der Entwaldung und bringen in ihren Rechnungen die absoluten Zahlen in ein Verhältnis: Demnach ist Waldkonversion für 15-25 % (Watson) bzw. 20 % (Houghton) der anthropogenen Treibhausgasemissionen verantwortlich und ist damit nach dem Energiesektor der zweitwichtigste Motor des Klimawandels (UNFCC, 2007). Dabei wird der Entwaldung in den tropischen Regenwäldern der maßgebliche Anteil an diesen Schätzwerten zugewiesen (Brown et al. 2007). Übereinstimmend wird in zahlreichen Artikeln das Potential zur Reduzierung der globalen Erwärmung beschrieben, wenn die Ursachen (driving forces) für Entwaldung identifiziert und bekämpft werden (z.B. Brown et al. 2007, Veldkamp & Lambin 2001, Nelson & Geoghegan 2002). Dazu können Entwaldungsmodelle einen wichtigen Beitrag leisten.
Ein wichtiger Ansatz, der zur Reduktion von Emissionen aus Entwaldung führen soll, wird derzeitig im Rahmen der Klimarahmenkonvention diskutiert und unter dem Kürzel REDD[4] zusammengefasst. Bis zum Jahr 2012 soll in einem Kyoto-Folgeprotokoll ein effizienter Mechanismus entwickelt werden, nach dem die Reduzierung der Waldkonversion in tropischen Ländern über einen internationalen Emissionshandel finanziert wird. Teilnehmende tropische Staaten müssen danach zeigen, das sie durch gezielte Maßnahmen die Entwaldung unter das Niveau drücken, dass ohne diese Maßnahmen zu erwarten gewesen wäre. Dieses Niveau wird auch als baseline bzw. business as usual – Niveau bezeichnet und kann durch fehlerminimierte Landnutzungsmodelle bestimmt werden. (Müller, R. 2006).
LCLU-Veränderungen, vornehmlich Entwaldungsprozesse, beschleunigen den irreversiblen Verlust an globaler Biodiversität. Die Flächengröße, die jährlich auf der Erde entwaldet wird, ist etwa so groß wie das Land Polen; indes werden über 10.000 Arten vernichtet, weshalb verbreitet von einer „Biodiversitätskrise“ gesprochen wird (Kareiva & Marvier 2003). Es wurde nachgewiesen, dass der Artenrückgang eng an den Habitatsverlust und an Degradationsprozesse gekoppelt ist. Besonders fragmentierte Habitate sehen sich einer verstärkten Gefährdung ausgesetzt. Darüber hinaus haben Studien (etwa Laurance & Bierregaard 1997) ergeben, das der Habitatsverlust in der Nähe zu der Entwaldungsgrenze erheblich ist. Eine Verringerung der Baumkronen-Bedeckung[5] und erhöhtes Baumsterben führen zu einer Veränderung des Mikroklimas, dass sich in einer (lokalen) Erhöhung der Lichteinstrahlung und der Lufttemperatur, einem Defizit des Dampfdrucks und einer Zunahme der Windgeschwindigkeit ausdrücken kann (Steininger et al. 2001).
Der globale Verlust an Biodiversität wird überwiegend anthropogen, das heißt durch die Veränderungen der Landbedeckungsformen, induziert (Menon et al. 2001). So ist die Biodiversitätskrise in den Tropen sowohl für die LUCC-Forschung als auch für den klassischen Naturschutz gleichermaßen von Interesse, da die Gebiete der höchsten
Entwaldungsintensität oft mit denen der größten Artenvielfalt übereinstimmen (Menon et al. 2001). Folglich erkennt auch die Naturschutzbiologie zunehmend, dass schützenswerte Gebiete explizit räumlich identifiziert und ausgewiesen werden müssen. Ecoregions (Dinerstein et al. 1995), Biodiversitäts-Hotspots[6] (Myers 2000) und „Key biodiversity areas“ (Eken et al. 2004) erfüllen diesen Anspruch und reflektieren zugleich den Wandel der Naturschutzplanung, insbesondere in den letzten Jahren: Naturschützer haben oft unzureichende Ressourcen (finanziell und zeitlich), um Spezien „one by one“ zu schützen und sind darauf fokussiert, den größten möglichen Nutzen aus dem begrenzten Einsatz zu ziehen (Eken et al. 2004). Der beschriebene Wandel im Naturschutz ist ebenfalls in einer veränderten Umsetzung der Schutzmaßnahmen manifestiert. So wird verstärkt auf einen partizipativen, die lokale Bevölkerung einbeziehenden Ansatz gesetzt (Boergerhoff & Coppolillo 2004). Ergänzend dazu registrierten Naturschützer in den letzten Jahren, dass besonders ökologische Funktionen und Prozesse erhaltenswert sind und verweisen dabei zunehmend auf den ökonomischen Wert der Ökosysteme (Kareiva & Marvier 2003).
Bedauerlicherweise fließen wichtige Methoden und Erkenntnisse, die durch die LUCC- Forschung entwickelt worden sind, selten in die Naturschutzplanung ein. Vor allem sozioökonomische Faktoren finden relativ geringe Gewichtung in der Naturschutzbiologie (R. Müller, pers. Mitteilung). Dabei entwickelte die LUCC-Forschung wichtige Methoden, die für eine effektive Naturschutzplanung grundlegend sein sollten. So ist die Erhaltung der Artenvielfalt ausschließlich verbunden mit der Einschränkung des menschlichen Einflusses in die gefährdeten und besonders erhaltenswerten Gebiete. Naturschützer, die dieses Ziel verfolgen, müssen zunächst zwei Fragestellungen beantworten, die zum einen auf die Identifizierung der geographischen Lage der gefährdeten Gebiete gerichtet ist und zum anderen den konkreten anthropogenen Einfluss untersucht. Dabei ist zu beachten, dass Landnutzung stets in eine „hierarchische Struktur unterschiedlicher Entscheidungsträger“ (Munroe & Müller, D. 2007) gewachsen ist und gleichwohl durch geophysikalische Faktoren determiniert ist (Verborg & Veldkamp 2004). Es gilt dieses komplexe System zu entschlüsseln. Anhand von statistischen und räumlich expliziten Modellen und speziell entwickelten Methoden der LUCC-Forschung können Naturschützer wichtige Entscheidungsträger auf den verschiedenen Ebenen identifizieren und Handlungsmuster bzw. -motive für LCLU-Veränderungen nachvollziehen. Auf diese Weise besteht die Möglichkeit, dass Schutzmaßnahmen, auch in der räumlichen Ebene, effizient entwickelt werden können.
In den vergangenen Dekaden sind viele Versuche von Regierungen, Naturschutzorganisationen und internationalen Spendenorganisationen gemacht worden, LCLU-Veränderungen zu stoppen. Im Zuge der industriellen Entwicklung, neuer technischer Innovationen, der Globalisierung, des exponentiellen Bevölkerungsanstiegs und politischer Verfehlungen waren diese Projekte in der globalen Bilanz wenig erfolgreich, denn die Rate der LCLU-Veränderungen ist weiter angestiegen. Jedoch schöpft der Naturschutz den Antrieb für weitere Forschung aus den verheerenden Perspektiven für Mensch und Umwelt. Insbesondere die LUCC-Wissenschaft ist motiviert weitere Empfehlungen abzugeben, da in einigen kleinräumigen Gebieten Aufforstungsprojekte erfolgreich durchgeführt und Schutzgebiete, auch durch den Einsatz von räumlichen Landnutzungsmodellen, nachhaltig etabliert worden sind (Pham 2005). Verbesserte Modelle und eine engere Kooperation zwischen dem Naturschutz und der LUCC-Forschung sind als wichtige Momente eines effizienten Naturschutzes, auch im Sinne einer funktionalen internationalen Klimaschutzpolitik, anzusehen.
1.2 Zielsetzung und Aufbau der Arbeit
Die vorliegende Diplomarbeit ist in ein finanziertes Projekt der Deutschen Forschungsgemeinschaft (DFG) zur Analyse und modellgestützten Prognose zukünftiger Landnutzung, Waldkonversion und Naturschutz im Tiefland Boliviens (Antragsteller: Prof. Dr. G. Gerold, Projektkoordination: R. Müller) eingebunden. Länderunspezifisch soll ein dynamisches, räumlich explizites Landnutzungsmodell zum Erstellen von Prognosen und Szenarien entwickelt werden. Darüber hinaus zielt das Projekt darauf ab, landnutzungsgebundene Risikofaktoren systematisch in die Naturschutzplanung zu integrieren.
Aus dem übergeordneten Zielgedanken des Projektes leiten sich folgende Zielsetzungen und zentrale Fragestellungen für diese Arbeit ab:
Finden LUCC-Modelle, die auf logistischen Regressionen basieren, weit verbreitete Anwendung in unterschiedlichen Fachrichtungen, sind die zugrunde liegenden (statistischen) Methoden komplex und kaum in eingängiger und ausführlicher Form dokumentiert. Aus diesem Grund liegt die grundlegende Zielsetzung dieser Arbeit in der allgemein verständlichen Vermittlung der wichtigsten Methoden und Techniken der räumlichen LUCC- Modellierung (auf logistischen Regressionsmodellen (LR-Modelle) beruhend). Diesem Anspruch unterliegen differenzierte Fragestellungen:
1. Können neue Methoden entwickelt werden, die das Verständnis für (LR-Modelle) vereinfachen bzw. erweitern und sind diese im Sinne einer optimierten LUCC-Analyse bedeutungsvoll?
2. Nachgegangen wird der Frage, was die vielfältigen Ergebnisse der LR-Modelle bedeuten und wie selbige in fehlerfreie Interpretationen der LUCC-Prozesse überführt werden können. (Besonders dieser Punkt wurde, nach der Auffassung des Autors, in der LUCC- Wissenschaft oft vernachlässigt. Koeffizienten und die Güte der Modelle wurden zuweilen unreflektiert interpretiert bzw. eingestuft.)
3. Haben räumliche Landnutzungsmodelle das Potential realistische Vorhersagen für LCLU-Veränderungen zu reproduzieren? Welche Methoden und qualitativen Grundlagen müssen für diesen Anspruch entwickelt bzw. eingesetzt werden?
4. Welche Rückschlüsse können aus den LR-Modellen bezüglich der Kausalität von Landnutzungsformen und Waldkonversionsprozesse in der Chiquitania in Ostbolivien (Department Santa Cruz) gezogen werden?
Die Arbeit ist wie folgt gegliedert:
Die empirische Arbeit untersucht Waldkonversionsprozesse in der Chiquitania. Räumlich differenzierte Teilgebiete, relativ Hochauflösende Zeitreihen der Entwaldungsdaten bzw. erklärenden Variablen und die intensive Modellarbeit sollen wichtige und neue Erkenntnisse bezüglich der Entwaldungsprozesse in dem Untersuchungsgebiet liefern. Die beschriebenen Grundzüge dieser Arbeit sind unterschiedlichen Kapiteln zugewiesen, die kurz beschrieben werden.
Das Kapitel 2 skizziert die wichtigen Charakteristiken Ostboliviens (Santa Cruz). Dieser Überblick umfasst eine klima- und biogeographische Abgrenzung und kurze Erläuterungen zu Landnutzungsformen und deren Einfluss auf Waldkonversion. Diesem Abschnitt folgt die Argumentation, dass die Chiquitania zu dem Untersuchungsgebiet dieser Arbeit bestimmt worden ist. Dem Kapitel abschließend, werden die Teilgebiete innerhalb der Chiquitania beschrieben und deren Auswahl begründet.
Im Kapitel 3 stehen wichtige Kategorien im Blickpunkt, die die theoretischen Grundlagen der LUCC-Modellierung schaffen sollen. Dazu werden nach einer Begriffseingrenzung die wichtigsten LUCC-Faktoren strukturiert aufgezählt. Anschließend erfolgt eine kurze Einführung in die ökonomische Theorie, die vielen räumlichen Landnutzungsmodellen (auch den Modellen dieser Arbeit) zugrunde liegen und die exemplarische Vorstellung eines wichtigen LUCC-Modells. Das Kapitel schließen Ausführungen zum Maßstab und Multicollinearität, in denen dargestellt wird, das die Modellierung in besonderer Abhängigkeit von diesen Kategorien steht.
Das Kapitel 4 wird durch ein Schema eingeleitet, in dem wichtige Methoden und die Werkzeuge der LUCC-Modellierung dargestellt sind. In der Abbildung und ihrer Beschreibung ist die gesamte Modellierungsphase dieser Arbeit reflektiert. Die einzelnen Kategorien werden in der Folge detailliert beschrieben, wobei das LR-Modell und darauf bezogene Statistiken den Schwerpunkt der Ausführungen bilden. Die Validierungsmethoden Kappa und ROC rücken anschließend in eine kritische Reflexion.
Im folgenden Kapitel 5 wird die Auswahl der Geodaten begründet, die Entwaldung in der Chiquitania erklären sollen.
Die Ergebnisse dieser Arbeit sind aufgrund der thematischen Heterogenität in zwei Kapiteln dargestellt. In dem ersten Teil (Kapitel 6) werden die wichtigsten Entwaldungsfaktoren der vergangenen 30 Jahre in der Chiquitania anhand der Landnutzungsmodelle beschrieben. Wie sich zeigen wird, haben unterschiedliche Formen der Weidewirtschaft Einfluss auf die Waldkonversion. Dieser Teil wird von einer strukturellen Einschätzung bezüglich des Nutzens von der Modellierung in Teilgebieten und langen Zeitreihen abgeschlossen. Das Kapitel 7 ist räumlich auf ein wichtiges Teilgebiet im Westen der Chiquitania konzentriert. Deskriptive, statistische und kartographische Analysen führen zu Hypothesen bezüglich der Entwaldungscharakteristiken in dieser Region, die anschließend in LR-Modellen überprüft werden. Dabei erfolgt eine strukturelle Analyse der LR-Modelle. Insbesondere der effektive Einsatz von Werkzeugen und Methoden der räumlichen Modellierung wird in diesem Kapitel herausgesellt.
Den Abschluss bildet eine Zusammenfassung der vorliegenden Arbeit.
2 Das Untersuchungsgebiet
2.1 Das Departement Santa Cruz (Ostbolivien)
Abbildung in dieser Leseprobe nicht enthalten
Abb. 2-1: Das Untersuchungsgebiet innerhalb des Departments Santa Cruz Eingezeichnet ist die Chiquitania als Untersuchungsgebiet und die Teilregionen, die für räumliche Entwaldungsmodelle bestimmt worden sind. Detailliertere Karten der Teilgebiete folgen ab Kap. 6.
Santa Cruz ist eines der neun Departements Boliviens und nimmt mit etwa 364.000 Quadrat Kilometern knapp ein Drittel des gesamten Staates ein (Mertens et al. 2004). Die Flächengröße liegt geringfügig oberhalb der von Deutschlands, bei gerade etwas mehr als 2 Mio. Einwohner. Dabei lebten im Jahr 2005 knapp 1,5 Mio. Menschen in der Hauptstadt Santa Cruz de la Sierra (Killeen et al. 2008).
Den größten Flächenanteil im Department Santa Cruz nimmt eine ausgedehnte Alluvialebene ein, die im Nordosten durch den brasilianischen Schild und im Südwesten durch die subandinen Gebirgsausläufer geographisch begrenzt wird (Krüger 2005). Das Gebiet wird oft auch als Chacotiefland bezeichnet und Geographen haben daher Santa Cruz traditionell dem tropischen Tiefland zugeordnet (Mertens et al. 2004).
Eindrucksvoll ist der sehr stark ausgeprägte Niederschlagsgradient in Ostbolivien. Auf einer Nordwest-Südost-Achse variiert der jährliche durchschnittliche Niederschlag von 3000 bis 800 mm auf 150 Kilometer Entfernung (Cochrane et al. 2007; zit. in: Killeen et al. 2008). Dem Gradient folgt gleichsam der Übergang vom tropisch-humiden Klima des Amazonasbecken über tropisch-wechselfeuchte Bedingungen zu subtropisch-semiariden Verhältnissen im Chacotiefland (Gerold 2007). Die ausgeprägte Differenzierung manifestiert sich in weiten Teilen Santa Cruz in einem häufigen Wechsel trockener und feuchter Jahre (Gerold 2007). Diese starke Klimakonvergenz ist für die Existenz verschiedenen biogeographischen Zonen in Ostboliviens verantwortlich. Das Spektrum reicht von immergrünen tropischen Regenwäldern in der nördlichen Region Guarayos über die Trockenwälder der Chiquitania bis zum Cerrado-Savannen Komplex und den Dornbuschwäldern des Gran Chaco. Dabei sind die Übergänge zur offenen Savannenvegetation fließend (Killeen et al. 2008).
Detaillierte Beschreibungen und Analysen der historischen Waldkonversion Ostboliviens sind vielfach publiziert worden (Auswahl: Killeen et al. 2008, Steininger et al. 2001, Mertens et al. 2004, Kaimowitz et al. 2002, Hecht 2005, Gerold 2007). Mertens und Kaimowitz haben Ihre Studien mit ökonometrischen Regressionsmodellen gefestigt und dabei kausale Abhängigkeiten zwischen geophysikalischen/sozioökonomischen Entwaldungsfaktoren, dominierenden Landnutzungsformen und vor allem den Akteuren empirisch nachgewiesen.
Der Hauptfokus dieser Studien zu LCLU-Veränderungen im Departement ist jedoch auf Zentral Santa Cruz gerichtet. Das ist zum einen die so genannte „Zona integrada“ (Integrationszone), in der näheren Umgebung der Hauptstadt Santa Cruz de la Sierra und zum anderen die Expansionszone nordöstlich des Rio Grande. Die Integrationszone ist seit den 70er Jahren des vergangenen Jahrhunderts in der agroindustriellen und kommerziellen Nutzung von bolivianischen Großgrundbesitzern, Japanern und Mennoniten, die anfangs Rohrzucker, Mais, Baumwolle, Hirse kultivierten und vereinzelt Viehwirtschaft betrieben. Ab Anfang der 90er Jahren wurden Weizen und Soja als wichtigste Feldfrüchte in dieser Region etabliert (Kaimowitz et al. 2002). Der „Sojaboom“ (Gerold 2007) ist ebenfalls als ein wichtiger Impuls zu verstehen, der dafür verantwortlich ist, dass die Entwaldungsgrenze ab Mitte der 80er Jahre sukzessiv nach Osten verschoben wurde. Infrastrukturelle Erschließung (wie der Bau einer wichtigen Brücke über den Rio Grande) im Einklang von staatlichen Strukturanpassungsprogrammen (SAP s vgl.: Kaimowitz et al. 2002) haben die Expansion unterstützt (Kaimowitz et al. 2002).
Eine Konzentration der LUCC-Forschung auf die Integrations- und Expansionszonen ist insofern nachzuvollziehen, da hier die massive Rodung seit den frühen 90er Jahren erheblich dazu beigetragen hat, das Santa Cruz (Departement) zu einem der 35. wichtigsten Entwaldungs- „Hot Spots“ weltweit wurde (Achard et. al 1998; zit. in: Mertens et al. 2004).
Bis heute sollte sich der Blickwinkel regional verschoben haben. Die beschriebenen Gebiete sind zum großen Teil bereits entwaldet (Abb. 2-1) und stellen die wichtigste Regionen intensiver Landwirtschaft in Bolivien dar. Dabei wurde nachgewiesen, das viele Flächen in Ostbolivien nach wenigen Jahren intensiver ackerbaulicher Nutzung mittlere bis schwere Degradationsschäden aufweisen (Barber 1995, Gerold 2001) oder ein sehr hohes Potential dafür aufweisen (Krüger 2005). Diese Gebiete müssen wohl aus Umweltschutzperspektive schlicht als verloren bezeichnet werden. Besonders aber aufgrund der geringen Anzahl noch bestehender Waldflächen sind neue Landnutzungsmodelle in dieser Region wenig nützlich, zumal die Ursachen der Waldkonversion und die Akteure, die den Entwaldungsprozess in sehr unterschiedlicher Weise steuerten (vgl. Krüger 2005, Killeen et al. 2008, Gerold 2007), detailliert und analytisch eingegrenzt werden konnten (etwa Mertens et al. 2004, Killeen et al. 2008, Kaimowitz et al. 2002).
Entwaldungsgebiete außerhalb der Alluvialebene östlich von Santa Cruz sind nicht in der Gründlichkeit untersucht worden. Mertens et al. (2004) hat zwar diese Regionen in den Entwaldungsmodellen integriert, konnte wohl aber auch aufgrund der Fülle an Ergebnissen nicht auf regionale Details eingehen. Dabei besteht dringender Forschungsbedarf, vor allem im Nordosten des Departments, der Region Chiquitania.
2.2 Das Untersuchungsgebiet - die Region Chiquitania
Die Chiquitania befindet sich im östlichen Teil des Departments Santa Cruz (Abb. 2-1). In fünf Provinzen leben etwa 256.000[7] Menschen, auf einer Fläche, die knapp halb so groß ist wie die Deutschlands. Die Region liegt in der bereits beschriebenen Übergangszone zwischen dem feuchten Klima des Amazonas-Tieflands und dem Trockenklima des Chaco. Kennzeichnend für große Teile der Chiquitania ist eine ausgeprägte trockene Jahreszeit (Kennard 2002). Im hydrologischen Kontext fungiert die Chiquitania als Wasserscheide zwischen den zwei großen Wassersystemen des Amazonas und dem Rio La Plata im Süden
Die Region im Osten Boliviens ist gekennzeichnet durch eines der größten zusammenhängenden (und weitestgehend intakten) tropischen Trockenwaldgebiete weltweit (Killeen et. al 1998; zit. in: Krüger 2005). Diese Wälder sind laubabwerfend beziehungsweise halblaubabwerfend und treten ausschließlich in den saisonalen Tropen auf (Steininger et al. 2001). Nach Steininger (et al. 2001) ist der Trockenwald der Chiquitania gekennzeichnet durch eine Baumhöhe von mindestens 10 Metern und einer geschlossenem Kronenbedeckung. In der etwas detaillierten Betrachtung führt der ausgeprägte klimatische Gradient in der Chiquitania[8] zu Differenzierungen in der Waldstruktur, in dem Grad der Laubbedeckung und der Pflanzenzusammensetzung. So haben Ibisch & Merida (2003; zit. In: Killeen et al. 2008) sechs Waldarten identifiziert: überfluteter Amazonaswald, pre-Andean, Beni-Santa Cruz, Chiquitania Trockenwald, Gran Chaco Trockenwald und Serrano-Chaco. Dieser Wälder werden mosaikförmig von Cerrado-Savannen ergänzt, die ebenso wie die Feuchtsavannen des Gran Pantanals, als westliche „Outlier“ brasilianischer Ökosysteme, eine Klassifizierung erhalten (Pennington et a. 2000; zit. In: Steininger et al. 2001).
Die Chiquitania grenzt sich von anderen Trockenwaldgebieten in zentral Südamerika[9] in der Form ab, dass die Region durch großflächige, zusammenhängende und unberührte Trockenwälder gekennzeichnet ist. Insbesondere die Artenvielfalt an Pflanzen ist zumindest in Trockenwäldern weltweit einzigartig. Der ökologische Wert der Chiquitania wird durch den Status als Ecoregion unterstrichen (Ibisch 2002; zit. in Krüger 2005). Jedoch stieg in der jüngeren Vergangenheit der anthropogen induzierte Entwaldungseingriff in die Chiquitania.
Dabei ist Waldkonversion nur in sehr geringem Maße durch feldwirtschaftliche Anbaumethoden motiviert. Nährstoffarme, saure und tiefgründig entwickelte Böden des präkambischen/ brasilianischen Schildes[10] sowie das z.T. stark zerschnitte Relief schränken die landwirtschaftliche Nutzung ein (Krüger 2005). Ebenfalls kann die Forstwirtschaft als bedeutungsvoller Sektor, der für Entwaldung große Verantwortung zeichnet, weitestgehend ausgeschlossen werden. Das Holz wird in Konzessionsgebieten selektiv eingeschlagen, sodass große Entwaldungsmuster kaum durch Fernerkundungsmethoden messbar sind (Hecht 2005).
Die relativ neue Entwaldungsgrenze ist eng verknüpft mit der Freilegung neuer Weideflächen (Hecht 2005), die in den Boom des bolivianischen Weidewirtschaftssektors einzuordnen ist.
2.3 Weidewirtschaft und Waldkonversion in Ostbolivien
Die Weidewirtschaft verfolgt in der bolivianischen Tiefebene eine lange Tradition. Dabei hat sich der Sektor in den letzten drei Dekaden mit neuen Technologien in Hinsicht auf der Produktivität und Profitibilität stark entwickelt. Besonders die Umstellung von einfachen Futtermitteln auf kultivierte Gräser hat den Profit auf bereits entwaldeten Flächen gesteigert. Das führte dazu, das Kapital freigesetzt wurde, das wiederum zur Expansion von intensiv genutzten Weideflächen eingesetzt worden ist. In den 80er und 90er Jahren verbuchte die intensive Weidewirtschaft ein nahezu exponentielles Wachstum (Killeen et al. 2008).
Dabei wurden mechanisierte Farmer und intensiv praktizierende Viehwirtschaftler durch teils bis heute ungeklärte Besitzverhältnisse staatlich indirekt unterstützt (mehr zu diesem Thema auch in Killeen et al. 2008): Das Land in Bolivien wurde zwischen den 1970er und 1980er Jahren an wenige politisch einflussreiche Bauern verteilt, die ihren „Besitz“ trotz der Bodenreformgesetze der Jahre 1997[11] und 2007 weitestgehend behalten und erweitern durften. Die Großgrundbesitzer mussten lediglich nachweisen, dass sie eine ökonomische und soziale Funktion erfüllen würden. Gefordert wurden höhere Viehbesatzanteile und größere
Flächen kultivierter Gräser (Killeen et al. 2008). Der Staat war also daran interessiert den landesweiten Ertrag aus der Viehwirtschaft zu erhöhen und unterstützte dabei insbesondere den intensiven und produktiveren Viehwirtschaftssektor. Ein Ergebnis dieser Politik sind beispielsweise die großflächigen Entwaldungsgebiete im Teilgebiet (TG) Concepcion (vgl. Abb. 6-3).
Hinzu kommt, das Gebiete mit Forstkonzessionen, in denen die unkontrollierte Entwaldung formal reguliert, d.h. begrenzt werden soll, im Zuge eines Forstgesetzes (1996[12]) und der Bodenreformgesetze im Jahr 1997 in der Fläche stark reduziert wurden. Von etwa 20 Millionen Hektar Forstkonzessionsfläche überführte der Staat knapp 14 Millionen Hektar Fläche in den eigenen Besitz und verkaufte anschließend große Teile an private Investoren. Die neuen Landbesitzer hatten die Option, das Land durch nachhaltige Forstwirtschaft zu nutzen oder weidewirtschaftlich zu kultivieren. Da der Holzhandel, basierend auf nachhaltigem und daher selektivem Einschlag, größeres (Management-) Know-how voraussetzt und jährliche Gebühren an den Staat abgeführt werden müssen, haben sich viele Landbesitzer für die Weidewirtschaft entschieden (Merry et al. 2002).
Der Boom in der Weidewirtschaft wurde ebenfalls von einer steigenden Binnennachfrage getragen. Von 1990 bis 2001 stieg der Umsatz von Rindfleisch allein auf dem einheimischen Markt[13] in Santa Cruz von 33,6*106 auf 72,7*106 Tonnen pro Jahr während der Preis von 1,3 auf 1,0 US$ pro Kg sank (Pacheco 2006).
2.4 Bestimmungskriterien der Teilgebiete
2.4.1 Intensive Weidewirtschaft im Westen der Chiquitania
Die zuvor beschriebene Entwicklung hat die Chiquitania nachhaltig verändert. Das exponentielle Wachstum des Weidewirtschafts-Sektors in den 80er und 90er Jahren in Bolivien zeigt sich besonders prägnant in dieser Region. Bereits 1990 schreiben Killeen et al. (1990), dass die Einführung (in dieser Zeit) von exotischen Futtergräsern in der Chiquitania dazu führe, dass steigende Viehbesatzanteile auf den Weiden erzielt werden. Eine Erleichterung des Viehmanagements und steigende Profite kennzeichnen zusätzlich den Beginn der Boomphase. So steigen rasch auch die Investitionen in Entwaldungsprojekte. Nach Killeen et al. (2008) erhöhten intensiv wirtschaftende Viehbauern die Entwaldungsintensität ab 1991 um das 10-fache und hielten diese bis 2004 auf etwa dem gleichen Niveau (Killeen et al. 2008). Während dessen generierte die Weidewirtschaft zusammen mit dem Forstsektor ungefähr 90 % der volkswirtschaftlichen Umsätze der Chiquitania[14].
Wichtig ist die Einschätzung, dass die zuvor zitierten Berechnungen von Killeen et al. (2008) quantitativ realistisch sind, jedoch eine regionale Eingrenzung erhalten sollten (vgl. Abb. 1.2). Die Chiquitania erfährt den gewaltigen Entwaldungsanstieg vor allem im westlichen Teil, der in dieser Arbeit als Teilgebiet (TG) Concepcion bezeichnet wird (Abb. 2- 1). In dieser Region beträgt der Anteil, der bis 2004 entwaldet wurde, ungefähr 62 % von der gesamten Entwaldungsfläche der Chiquitania. Dabei deckt das Gebiet lediglich 12,5 % der Flächengröße der Chiquitania ab (eigene Berechnungen). In dieser Region hat sich die Entwaldungsintensität von jährlichen 0,16 % (1986-1991) auf 0,90 % (1992-2001) und 1,48% in der jüngeren Vergangenheit (2001/2004) gesteigert (Tab. 2-1). Im Osten bzw. Südosten der Chiquitania sind die Intensitäten in allen Zeitschritten deutlich geringer. Diese Regionen werden durch die Teilgebiete San Ignacio und Puerto Suarez abgegrenzt (Abb. 2-1).
Der räumliche Kontrast in der historischen und aktuellen Entwaldungsintensität ist vorwiegend durch die verschiedenen Formen der Weidewirtschaft erklärbar. Der westliche Teil der Chiquitania wird von der intensiven Weidewirtschaft bestimmt: großflächige und teils zusammenhängende Waldflächen sind im TG Concepcion von intensiv wirtschaftenden Viehzüchtern zu Weideflächen transformiert worden (Abb. 6-3; Abb. 7-1). Die intensive Weidewirtschaft wird auch als die kultivierte Form der Weidewirtschaft bezeichnet und lässt sich von der einfachen oder auch extensiven Art abgrenzen. Eine wesentlich höhere Viehbesatzdichte, die teilweise Einführung von genetisch veränderten Zuchttieren und eine stärker entwickelte Viehzucht sind die wichtigsten Merkmale dieses Sektors (Killeen et al. 2008). Ergänzend zu dieser definitorischen Eingrenzung nimmt die intensive Viehwirtschaft nicht etwa größere Flächen in Nutzung als die extensive Viehwirtschaft, setzt jedoch viel höheres Kapital ein, um günstige[15] Weideflächen frei zu legen. So ergab eine Studie der CAO (2002; zit. in: Krüger 2005), das die extensive Viehwirtschaft knapp 18 % der gesamten Landnutzungsfläche im Department Santa Cruz beweidet und gleichsam mit jährlichen
Entwaldungsraten von 12.000 ha (in der Periode 1991-2001) bzw. 32.000 ha (2001-04) zur Waldkonversion beiträgt (Killeen et al. 2008). Die intensive Viehwirtschaft hat dagegen einen Landnutzungsanteil von gerade 1,1 %, ist jedoch mit 42.000 ha (1991-2001) bzw. 35.000 ha (2001-04) jährlichen Entwaldungsraten ein noch bedeutungsvollerer Sektor, der Waldkonversion in Ostbolivien verursacht.
Die Region Concepcion ist traditionell weidewirtschaftlich genutzt. Bereits im 17. Jahrhundert etablierten Jesuiten Missionen diesen Sektor vornehmlich im Süden der Stadt San Javier (Abb. 6-3). In den 70er Jahren des vergangenen Jahrhunderts führte die Errichtung einer Käsefabrik zu einer starken Beschleunigung der Entwaldungsraten und der Viehbesatzanteile (Killeen et al. 2008). Darüber hinaus sind die großen Weideflächen in dem Teilgebiet in dem Besitz von wenigen Großgrundbesitzern (Kap. 2.3). Diese haben nach Krüger (2005) durchschnittliche Betriebsgrößen von 25 km2 bis 200 km2 und wie sich herausstellen wird, hat dieser Punkt wichtige Auswirkungen auf die Entwaldungsprozesse in dem TG Concepcion.
Das TG Concepcion hat eine relativ enge räumliche Affinität zu der Hauptstadt des Departments Santa Cruz de la Sierra (Abb 2-1; Tab. 2-2) und große Teile der weide- wirtschaftlichen Erträge werden auf den dortigen Marktzentren umgesetzt (Pacheco 2006). In diesem Punkt grenzt sich und die intensive Weidewirtschaft (und die Region) deutlich von dem extensiven Sektor ab, der vornehmlich für den eigenen Bedarf und den regionalen Markt produziert (Krüger 2005). Geringe Transportkosten, eine Funktion der Distanz, der Masse, der Straßenqualität und des Reliefs (Kap. 5) ist daher ein wichtiger ökonomischer Faktor für die intensive Weidewirtschaft in der westlichen Chiquitania. Santa Cruz de la Sierra als Marktplatz für die Produkte der Weidewirtschaft hat im östlichen bzw. südöstlichen Teil, für die Teilgebiete San Ignacio und insbesondere für Puerto Suarez kaum Bedeutung.
Weitere wichtige Merkmale des Teilgebietes Concepcion werden, wie die Merkmale der TG Puerto Suarez und San Ignacio, in der Tabelle 2-2 zusammengefasst.
Abbildung in dieser Leseprobe nicht enthalten
Abb. 2-2: Entwaldungsintensitäten in den Teilgebieten der Chiquitania
[absolut in Hektar]
Abbildung in dieser Leseprobe nicht enthalten
Tab. 2-1: Entwaldungsraten in den Teilgebieten der Chiquitania
[jährlich % (pro Waldfläche)]
2.4.2 Die extensive Weidewirtschaft im Teilgebiet San Ignacio
Wird in der Region um die Stadt Concepcion die intensive Weidewirtschaft durch die extensive Form quantitativ ergänzt, ist die zentral-nördliche Zone der Chiquitania (TG San Ignacio) fast ausschließlich durch die einfache oder extensive Weidewirtschaft bestimmt (Entwaldungsmuster: Abb. 6-4).
Die extensive Viehzucht basiert in der Regel auf heimischen und unproduktiven Vegetationsformen. Das bedeutet, dass gegensätzlich zur intensiven Form keine exotischen Gräser etabliert werden. Der Sektor wird durch einheimische und ausländische Kooperationen oder traditionelle, d.h. familiäre Viehzuchtbetriebe gesteuert, die im Besitz von wenigen
Tieren[16] sind und eine unterentwickelte und veraltete Viehhaltung steuern (Killeen et al. 2008). Extensive Viehwirtschaftler haben einen relativ geringen Anteil an der historischen Waldkonversion in Ostbolivien, obgleich große Flächenteile von dem Sektor genutzt werden (Kap. 2.4.1). Die Begründung liegt darin, dass die extensive Viehhaltung der Chiquitania, in den Baumsavannen und natürlichen Grasländern konzentriert ist. In diesen Regionen ist der Schaden, der durch das Weiden erzeugt wird, relativ gering und so kann nach Manzuli (2005) der Nutzungsdruck, der auf die Wälder der Chiquitania durch die extensive Landwirtschaft ausgeübt wird, innerhalb „akzeptable Grenzen“ eingeordnet werden.
In der Chiquitania wurden in den 90er Jahren Forstkonzessionen teils in Privatbesitz überführt, sodass die Waldkonversion als Vorraussetzung der weidewirtschaftlichen Nutzung ermöglicht wurde (Hecht 2005). Davon haben sowohl Großgrundbesitzer als auch Kooperationen und kleine Familienbetriebe profitiert, die vor allem für den lokalen, regionalen und eigenen Bedarf wirtschaften (Krüger 2005). Diese extensiven Viehbauern investieren in aller Regel nur geringfügig in Entwaldungsprojekte und haben, wie beschrieben worden ist, keine direkten Handelsverbindungen nach Santa Cruz de la Sierra.
Die extensive Weidewirtschaft ist bis heute eines der wichtigsten Agro-Produktionssysteme in Bolivien, das jedoch zunehmend durch intensiv arbeitende Viehzüchter verdrängt wird. Das Investitionskapital zur Erschließung neuer intensiv genutzter Weidestandorte stammt aus den urbanen Zentren, insbesondere aus Santa Cruz de la Sierra und zunehmend auch aus Brasilien. Brasilianische Investoren, vor allem im TG San Ignacio und Puerto Suarez, sind in der jüngeren Vergangenheit durch niedrige Landpreise und die starke heimische Währung angezogen worden (Killeen et al. 2008).
Das TG San Ignacio ist nach einer Vegetationskartierung von Ibisch et al. (2004; zit. in: Krüger 2005) als eine Übergangszone zu bewerten, in der die feuchten und periodisch überfluteten Wälder und Baumsavannen (Palmsavannen) von voll- bzw. halblaubabwerfenden Formationen des Chiquitania Trockenwaldes abgelöst werden. Mosaikförmig schließen Savannen (Baumsavannen und Grasländer) die Landbedeckung ab. Das Entwaldungsmuster in San Ignacio folgt der räumlichen biogeographischen Bestimmung, in dem der nördliche und teilweise überflutete Teil kaum Waldkonversion registrierte und die relativ kleinen Entwaldungsflächen mit den Regionen des Trockenwaldes übereinstimmen.
Brasilianische Landbesitzer bestimmen maßgeblich den Süd-östlichen Teil der Chiquitania. Diese Region wird als Teilgebiet Puerto Suarez bezeichnet und liegt in einer Übergangszone, zwischen den Cerrado-Savannen, dem Gran Pantanals und dem Gran Chaco. Die Vegetation ist gekennzeichnet durch ein komplexes Mosaik aus Trockenwäldern, Savannen („cerrado“), Feuchtsavannen, Dornstrauchgewächsen und lokalen Landformen (Killeen et al. 1990). Die bolivianischen Sumpfgebiete des Pantanals, dass den östlichen Teil des Teilgebietes erfasst, beheimaten hauptsächlich die Palmenpflanzen[17]. Diese werden gerodet, um daraus
Telephonmasten[18] herzustellen. Darüber hinaus wird Holwirtschaft (auch für die Produktion von Holzkohle) betrieben, die in der Folge der Waldkonversion durch Weidewirtschaft ergänzt wird ( Killeen et al. 2008 ).
Die Regionen San Ignacio und Puerto Suarez wurden bis 1992 kaum entwaldet und danach liegt die Intensität weit unterhalb des TG Concepcion (Abb. 2-2). Dieser Punkt ist ein wichtiges Kriterium für die Einteilung der Teilgebiete, dass durch weitere ergänzt wird. Die TG Concepcion und San Ignacio sind vor allem im Bezug auf die klimageographische Einteilung und die infrastrukturelle Anbindung an Santa Cruz de la Sierra unterschiedlich im Vergleich zum TG Puerto Suarez. Während die ersten zwei Regionen vom tropisch-humiden Klima des Amazonasbeckens beeinflusst werden, ist der äußere Osten der Chiquitania durch subtropisch-semiaride Verhältnissen des Chacotieflandes dominiert (Gerold 2007). In den Teilgebieten variieren die jährlichen Niederschläge räumlich zwischen 1000 bis 1400 mm (San Ignacio und Concepcion) und 700 bis 1100 mm (Puerto Suarez) (Tab. 2-2).
Die Verkehrsanbindung der TG Concepcion und San Ignacio an Santa Cruz de la Sierra ist im Sinne des Transportes von Produkten der Landnutzung (der Weidewirtschaft) als gut bis mittelmäßig zu bewerten. Teilweise geteerte Straßen, vor allem im TG Concepcion ermöglichen den Handelstransfer. Puerto Suarez ist durch Straßen- und Bahnverbindungen an die urbanen Marktzentren des Departments angeschlossen, wobei der Transport von Waren durch große Distanzen und schlechte Straßenverbindungen verhindert ist (Tab. 2-2).
Weitere Kriterien, die eine Auswahl der Teilgebiete nach dem in dieser Arbeit vorgenommen Muster erklären, sind in der Tabelle 2-2 aufgeführt.
Abbildung in dieser Leseprobe nicht enthalten
Tab. 2-2: Wichtige Merkmale der Teilgebiete
Abbildung in dieser Leseprobe nicht enthalten
3 Theoretischer Rahmen
3.1 Begriffseingrenzung: LUCC und Entwaldung
Der Begriff Landbedeckungsveränderungen (Landcover-Change) ist bezogen auf einen vollständigen Austausch einer Bedeckungsform durch eine Andere (z.B. Entwaldung) (Lesschen et al. 2005). In tropischen Breiten werden diese Vorgänge, fast vollständig durch anthropogenes Wirken verursacht (Lambin 1997), weshalb der Begriff Landnutzungsveränderung Verwendung findet (Landuse-Change). Dieser beinhaltet die anthropogene Modifikation von unterschiedlichen Landbedeckungstypen, beispielsweise induziert durch agroindustrielle Intensivierung oder strukturelle Veränderungen von Landwirtschaftssystemen (Lesschen et al. 2005). Die zwei Termini sind kaum von einander zu trennen und finden in der Regel kollektiven Eingang in die Sprache der Forschungsrichtung ( Landnutzungs- und Landbedeckungsveränderungen - Land Use & Land Cover Change > LUCC ). LUCC ist nach Lesschen (et al. 2005) das Resultat der Wechselwirkung zwischen sozio-ökonomischen, institutionellen und Umweltfaktoren (vgl. Kap. 3.2).[19][20][21][22][23][24][25][26][27][28][29][30][31]
Es sollte ergänzt werden, das der Begriff Landnutzungsveränderung im Fall der binären Ausprägung, d.h. Null oder Eins, der abhängigen Variable[32] per se ungenau ist. In dieser Untersuchung wird der Einfluss wichtiger Faktoren auf den Zustand einer Zelle geschätzt, die entweder die Ausprägung Wald oder Entwaldung einnehmen. In diesen Kategorien sind keine Informationen bezüglich der Landnutzung enthalten. Theoretisch besteht die Möglichkeit, dass Zellen aus ganz unterschiedlichen Motiven entwaldet worden sein. In einigen Gebieten könnte der agroindustrielle Anbau (z.B. Soja) den Entwaldungsprozess induzieren. Dagegen mögen andere Flächen allein aus der Aussicht auf Profit aus dem Holzverkauf entwaldet werden.
Unabhängig von den definitorischen Feinheiten wird in dieser Arbeit der Begriff Landnutzungs-/Landbedeckungsveränderungen (LUCC) verwendet. Diese Begrifflichkeit schließt Entwaldung ein (Watson et al. 2000).
Bevor Entwaldung definiert werden kann, sollte eingegrenzt werden, welche Flächen als bewaldet betrachtet werden. In Anlehnung an die Marrakech-Absprachen (UNFCCC 2001) ist
„Wald“ auf Landbedeckung bezogen, die durch eine Baumkronenbedeckung (canopy cover) im Bereich von 10 bis 30 % gekennzeichnet ist. Wird der Grad der Bedeckung durch alle denkbaren Einflüsse unter diesen Bereich verringert, kann vereinfacht von Entwaldung gesprochen werden. Der Entwaldungsprozess wird in dieser Arbeit analog zu einer Definition verstanden, die in Watson (2000) veröffentlicht worden ist. Demnach ist Entwaldung „the sum of both, permanent and temporary human-induced removal of forest cover“. Definitionen, welche Entwaldungsprozesse einschließen, die ohne anthropogenen Einfluss verursacht werden (etwa Klimaschwankungen, Bodenerosion) bleiben hier unberücksichtigt.
3.2 Überblick über wichtige LUCC-Faktoren ( driving forces )
In der LUCC-Forschung werden die Ursachen für Landnutzungsveränderungen, wie etwa Entwaldungsprozesse, nach sozioökonomischen und biophysikalischen Faktoren differenziert (Lambin et al. 2003). Diesem Ansatz liegt die Hypothese zugrunde, das Menschen sowohl auf das Signal der physikalischen Umwelt als auch auf soziokulturelle Bedingungen reagieren. Veldkamp & Verborg (2001) sehen den Hauptgrund von LCLU-Veränderungen vor allem in der Motivation der Menschen, den ökonomischen und soziokulturellen Status zu verbessern und betonen in diesem Kontext explizit den individuellen Antrieb.
Der englische Begriff „driving forces[33]“ fasst alle möglichen Faktoren zusammen, die einflussreich auf Landnutzungsveränderungen sein können. In Anlehnung an Lambin et al. (2003) werden „driving forces“ in unmittelbar oder direkt wirkende (proximate) und zugrunde liegende oder auch indirekte (underlying) Faktoren unterteilt. Direkt wirkende Faktoren werden auch als Landmanagementvariablen bezeichnet (Verburg & Veldkamp 2001), da alle menschlichen Aktivitäten einbezogen werden, die eine (direkte) physikalische Veränderung der Landbedeckung verursachen (Lambin et al. 2003). Holzeinschlag und Straßenbau sind dieser Kategorie beispielhaft zuzuordnen.
Indirekt wirkende Faktoren sind die fundamentalen Einflüsse und untermauern die direkten Ursachen der LCLU-Veränderungen. Gleichsam wirken driving forces dieser Kategorie in hohem Maße diffus, steuern jedoch sehr oft die direkten Ursachen für Landbedeckungsveränderungen (Lambin et al. 2003). So werden direkt wirksame LUCC- Faktoren wie Demographie, Ökonomie, Technologie und institutionelle Entscheidungen durch indirekte driving forces wie Bodenqualität, Populationsdichte, Niederschlag und Verkehrsanschluss (accessibility) modifiziert (Lesschen et al. 2005). Nach Lambin & Geist (2003) ist die Bedeutung der indirekten Faktoren insofern bedeutsam, das diese die grundlegenden Bedingungen in dem Mensch-Umwelt-Verhältnis bestimmen.
LCLU-Veränderungen werden sehr oft durch Prozesse gesteuert, die der oben beschriebenen Einteilung kaum beizuordnen sind. So sind beispielsweise fragmentierte Waldflächen wesentlich anfälliger für Waldkonversion als große zusammenhängende Flächen (Rosero-Bixby & Palloni 1996). Andere Autoren haben empirisch belegt, das die Gebiete an der Waldgrenze besonders gefährdet sind und diesen Faktor als edge effect bezeichnet (Laurance et. al. 2002).
3.3 Der ökonomische Ansatz in der LUCC-Forschung
Die Auswahl der driving forces ist eng geknüpft an bestimmte Theorien, entsprechende Annahmen und allgemeinen Simplifikationen (Verburg & Veldkamp 2001). Dabei stellt die Ökonomie einen wichtigen theoretischen Ansatz zur Modellierung von LCLU- Veränderungen. So sind Landnutzungsveränderungen oft als ein Impuls zu verstehen, der infolge von individuellen und sozialen Veränderungen (responses) eintritt und zur Veränderung der ökonomischen Bedingungen führt. Landmanager oder allgemeiner beschrieben, Entscheidungsträger, werden in ihrem Handeln maßgeblich von Input-Output- Preisen, Steuern, Subventionen, Produktionskosten, Transportkosten, Kapitalströmen, Investitionen, Kreditkonditionen und Technologien beeinflusst (Lambin et al. 2003).
Ein folgendes vereinfachtes Beispiel soll beschreiben, wie Bauern von ökonomischen Anreizen beeinflusst sein könnten und welche potentiellen Kategorien eben diesen Anreiz vermindern oder vergrößern können: Der ökonomischen Theorie folgend entwalden Farmer, wenn der Ertrag, der durch landwirtschaftlichen Anbau zu erzielen ist, größer ist, als der Input, der für die Rodung investiert werden muss und die Erträge, die durch Holzwirtschaft erzielt werden können. Gebiete mit günstigen Verhältnissen im Bezug auf Boden, Niederschlag und Topografie, erhöhen den potentiellen Output aus der Agrarwirtschaft und sind gleichsam in größerem Maße für Entwaldung prädestiniert. Transportkosten und staatliche Beschränkungen (Schutzgebiete und Forstkonzessionen) vermindern den potentiellen landwirtschaftlichen Ertrag und vermindern die Wahrscheinlichkeit, das entwaldet wird (Kaimowitz et al. 2002).
3.4 Räumlich explizite Modelle
In allen ökonometrischen LUCC-Modellen wird angenommen, das die Nutzenoptimierung der Akteure das wichtigste Moment ist, das zu LCLU-Veränderungen führt. Land-rent Modelle, die auf den Theorien Thünens und Ricardo basieren, adaptieren diese Annahme und berücksichtigen dabei explizit den Raum. So wird erwartet, dass jede Parzelle mit den spezifischen Eigenschaften, an der Stelle im Raum positioniert ist, wo die höchsten Erträge erzielt werden können. Der Ertrag ist funktionell abhängig von der Landqualität, z.B. Bodenfruchtbarkeit (nach Ricardo) und der Distanz zu urbanen Zentren (nach Thünen) (Verburg & Veldkamp 2001). (Ein detaillierte Beschreibung der Thünschen Theorien ist in Müller, D. Diss. (2004 S.16 ff) beschrieben).
Chomitz & Gray (1996) entwickelten aus den ökonomischen Theorien von Ricardo und Thünen das erste empirische Modell, dass Entwaldung untersucht. Dem räumlichen Modell liegt die Annahme zugrunde, dass die Entscheidungsträger rational handeln und daher das Land in der Weise nutzen, dass der größte mögliche Ertrag[34] erzielt werden kann. Die Wahrscheinlichkeit, dass Waldflächen zu agrotechnisch genutzten Standorten umgewandelt werden, wird als eine Funktion der Bodenqualität und der Input-/Output-Preisen modelliert. Dabei wird die Verkehrsanbindung zu den Märkten stellvertretend (as proxy) für räumlich variierende Preise betrachtet. Diesem Ansatz unterliegt die Argumentation, dass Preise in jeder Position im Raum in Abhängigkeit der Transportkosten zu den Marktzentren variieren(Chomitz & Gray 1996).
[...]
[1] LUCC: Land-Use und Land-Cover Change siehe Begriffseingrenzung Kap. 3.1
[2] LCLU: Land-Cover- land-Use
[3] Englischsprachige Fachausdrücke/Zitate werden in dieser Arbeit durchgehend kursiv geschrieben.
[4] Reduced Emissions from Deforestation and Degradation
[5] canopy leaf area
[6] Biodiversitäts-hotspots sind Regionen mit ungewöhnlich hohen Konzentrationen endemischer Spezien. Endemisch bedeutet, dass Spezien ausschließlich in dieser Region heimisch sind (Kareira & Marvier 2003).
[7] DED Bolivien (Quelle: http://bolivien.ded.de/cipp/ded/custom/pub/content,lang,1/oid,1088/ticket,g_u_e_s_t/~/Chiquitania.html)
[8] Von Nord nach Süd fällt der Gradient von 1500 auf 500 mm durchschnittlichen Jahresniederschlag. Dabei variiert ebenfalls die Saisonalität.
[9] Etwa Chaco (Argentinien und Paraguay) oder Cerrado-Komplex
[10] Das Ausgangsgestein ist verbreitet metamorph (Gneis) oder granitisch andere granitische Gesteine (Killeen et al.2008; zit. in: Pennington)
[11] Ley de Servicio Nacional de Reforma Agraria, Ley Numero 1715,1997; zit. In: Merry et al. 2002.
[12] Nueva Ley Forestal, Ley Numero 1700, del 12 de Julio de 1996. zit. in Merry et al. 2001
[13] Der Export von Rindfleisch ist aufgrund Maul- und Klauenseuche sehr eingeschränkt (Mertens 2004)
[14] Quelle: http://network.idrc.ca/en/ev-100668-201-1-DO_TOPIC.html
[15] Günstig im Bezug auf die Topografie, Relief, Boden, Infrastruktur
[16] Nach Killeen et al. 2008 beträgt die Viehbesatzdichte 0,2 Tiere pro Hektar
[17] Copernicia alba
[18] Quelle: Centres of Plant Diversity URL: http://botany.si.edu/projects/cpd/sa/sa23.htm
[19] SRTM; Quelle: www.glcf.umiacs.umd.edu/data/srtm
[20] Quelle: http://botany.si.edu/projects/cpd/sa/sa23.htm
[21] (Iporre 1996 in Kennard 2002)
[22] in der Stadt Concepcion (Killeen et al. 1990)
[23] Krüger 2005
[24] Quelle: http://www.top-wetter.de/klimadiagramme/suedamerika/85207.htm
[25] Nach Niederschlagsdaten von Krüger 2005
[26] Quelle: http://www.top-wetter.de/klimadiagramme/suedamerika/83552.htm
[27] nach eigenen Schätzungen
[28] Quelle: http://www.iadb.org/regions/re1/eia/bo0036/pdf/execsummary.pdf, 2009-2010 Fertigstellung
[29] Pinard (1999)
[30] Kennard (2002)
[31] Killeen, Quelle: http://botany.si.edu/projects/cpd/sa/sa23.htm
[32] Variable ist der statistische Bezeichnung; die Daten werden in einem GIS durch einen Layer im Rasterformat (Grid) repräsentiert. Beide Termini sind in dieser Arbeit nicht trennbar, da räumliche Daten in einem räumlichen Datensatz (in Stata®) als Variablen gespeichert werden! Abhängige Variablen tragen die georeferenzierten LUCC-Informationen; unabhängige V. sind gleich den driving forces, die LCLU-Veränderungen erklären sollen (Kap. 3.2)
[33] driving forces werden in dieser Arbeit gleichgesetzt mit unabhängigen Variablen im statistischen Sinne (siehe Fußnote 33!)
[34] Rents in der Agranutzung sind gleich der returns minus den Produktionskosten.
- Quote paper
- Florian Schierhorn (Author), 2008, Landnutzungsänderung im tropischen Tiefland im Department Santa Cruz (Bolivien), Munich, GRIN Verlag, https://www.grin.com/document/118899
-
-
-
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X.