• Keine Ergebnisse gefunden

3. Material und Methoden

3.5 Bewertungsmethodik

Quantitative Veränderung bzw. Erfassung von Flächenbiotopen:

Für eine quantitative Bewertung der Veränderungen der Flächenanteile bestimmter Hauptbiotoptypen wurden, falls verfügbar zeitlich verschiedene Luftbildaufnahmen ausgewertet. Hier wurden die Biotoptypen Wald, Offenland, Verkehrs- und Siedlungsstrukturen sowie sonstige nicht eindeutig bestimmbare Biotoptypen digitalisiert und deren Flächenanteile bestimmt. Für den Standort Fort Hahneberg wurden auf diese Art und Weise Aufnahmen bis in das Jahr 1928 ausgewertet (Tabelle B-3).

Für andere Anlagen bzw. deren Einzelstandorte wurde jeweils die aktuellsten verfügbare Luftbildaufnahmen bzw. Google Earth Daten benutzt. Eine zeitlich umfassende Auswertung der Standortentwicklungen, analog zum Standort Fort Hahneberg, konnte mangels verfügbarer Daten daher hier nicht durchgeführt werden. Stattdessen wurden Ergebnisse der Satellitendatenauswertung als Grundlage der Manifestation eine Status-quo verwendet, da sich deren Auswertungen grundsätzlich und ausnahmslos mit dem Verfasser durch vor Ort Biotopkartierungen bekannten Biotopstrukturen decken. Hierbei dienen die als „am

genauesten“ bewerteten Klassifizierungen als Basis des Vergleichs zur manuellen Flächenidentifikation mit den Standorten Wald, Offenland, Siedlungs- und Verkehrsstrukturen sowie sonstigen Flächen, analog der Klassifizierung am Standort Fort Hahneberg.

Qualitative Bewertung der Klassifikationsalgorithmen

Zum einen wurden die Ergebnisse der verschiedenen Klassifikationen auf Basis der Satellitendaten hinsichtlich Ihrer „Genauigkeit“ und „Repräsentativität bewertet. Hierfür wurde die R Bibliothek „clusterCrit“ (Desgraupes, 2016) mit der Indexberechnung „Silhouette“

(Rousseeuw, 1987) verwendet, (Anhang B, basis skript „Silhouette Index“), welche als ex-post Bewertung im Resultat eine mögliche ideale optimale Clusteranzahl ermittelt bzw. die Performanz einzelner Klassifikationen bewertet. Zusätzlich zu den ursprünglichen maximal 30 Iterationsschritten wurde für die Standorte Fort Sarbinowo (PL) und Kaunas Fort IV und V (LT) der maximale Iterationswert auf 100 verwendet und die verschiedenen Klassifizierungen mit diesem Wert wiederholt. Zusätzlich wurde, nachdem erste Durchläufe der ex-post Bewertung mittels des Silhouette Index aufzeigten, dass die ursprüngliche minimale Clusteranzahl von drei nicht zwingend das beste Resultat geben könnte, für die Standorte Fort Sarbinowo und für die beiden Standorte in Kaunas der minimale Clusterwert auf 2 gesetzt und die Resultate in die Silhouette basierte Bewertung mit aufgenommen.

Bei der Bewertung mittels des Silhouette Indexes wurden unterschiedlich große Stichprobenumfänge gewählt, um die Sensitivität des Indexes zu prüfen Hierbei wurden 10, 100, 500, 1000, 2000 und 5000 von maximal 252*252 Pixeln als zu verwendender Stichprobenvektor vorgegeben. Eine einzelne Stichproben der Größe N wird dabei aus jedem Cluster gezogen und daraus der Index zwischen „-1“ (keine Übereinstimmung) und „1“ (volle Übereinstimmung) mit den Rohdaten des Original-Satellitendatenstacks ermittelt. Bei einer größeren Clusteranzahl können bei höherem Stichprobenumfang u.U. alle Werte des Clusters zur Berechnung des Indexes verwendet werden. Um den Rechenaufwand für die höheren Stichprobenumfänge zu reduzieren, wurde das ursprüngliche Skript angepasst, um es mittels der „doParallel“ Bibliothek (Microsoft und Weston, 2018) in R zu beschleunigen (Anhang B, performance skript „Silhouette Index“).

Im Zuge der Bearbeitungen wurden für die Standorte Hahneberg, Fort Sarbinowo und Kaunas die Resultate des oben beschriebenen clustering mittels des C_index, implementiert als Bewertungsindexalgorithmus in „clustercrit“, auf ihre Performanz untereinander getestet. Je niedriger der Wert, umso genauer das clustering im Vergleich zum Originaldatensatz,

schwankend zwischen „0“ und „1“. Nur am Standort Hahneberg wurde hierfür der ursprüngliche Ansatz von maximal 30 Iterationsschritten bei minimal 3 Clustern beibehalten.

Der am besten performende Klassifizierungsansatz (Abgleich zwischen Silhouette und C_index Performanz) wurde daraufhin nochmal mittels aller Indices („all“ Option der clusterCrit-Bibliothek) getestet. Auch hier wurden oben genannte Stichprobenumfänge verwendet, und die Ergebnisse für jeden Standort im Vergleich dargestellt. Für den Standort Fort Hahneberg wurden das clustering in Rx64 3.3.3 für diesen Zweck mit 100 Iterationsschritten wiederholt, sowie die minimale Clusteranzahl von zwei hinzugefügt. Die Auswertung aller Indices gibt einen Überblick darüber, welche Clusteranzahl(en) in der umgesetzten Methodik die beste(n) wäre(n). Die mit der Option “all“ 15 verschiedenen errechneten GDI Indices wurden als ein Index betrachtet.

Zum anderen wurde exemplarisch am Standort Fort Hahneberg die für den 250m Pufferbereich Werte des einzelnen clustering extrahiert und den bekannten örtlichen Hauptbiotoptypen Wald, Offenland, Siedlungs- und Verkehrsflächen sowie Sonstige zugeordnet. Danach wurden die jeweiligen Flächenanteile ermittelt und mit den durch die bekannten bzw. ermittelten Werten anderer Verfahren (s.o.) verglichen. Hier wurden die jüngsten offiziellen Datensätze der Biotopkartierungen von 2012 als Referenzwerte verwendet. Basis der Clusterauswertungen sind die Klassifikationsdurchläufe mit maximal 30 Iterationsschritten (Ergebnisse in Anhang C sowie in Kapitel 4.2).

Zum Abgleich der Ergebnisse der Bewertungen wurde diese den Aussagen einer ex-ante Bewertungsmethode gegenübergestellt. Ausgangsbasis sind die Klassifikationsalgorithmen von Roller et al. (2016) und Gerlitz et al. (2018), basierend auf Michelangeli et al. (1995), bei welcher mittels einer PCA (principal components analysis) eine Vorabeingrenzung des normalisierten Datenraumes vorgenommen wird. Im verwendeten Code werden 95% der Varianz nach der PCA als Grundlage weiterer Klassifikationen vorgenommen. Für jede zu ermittelnde Clusteranzahl wird ein classifiability index (CI) zwischen „0“ und „1“ errechnet.

Die optimale Clusteranzahl ist diejenige, bei der der Index erstmalig größer als die Varianz ist, ausgehend von der kleinsten zur größten Clusteranzahl. Die dann zu ermittelnde finale Flächenverteilung der Cluster basiert auf dem Durchschnitt aus vorherigen 100 Clusterungen, die mittels der k-means Clusterung nach Hartigan und Wong (1979) bei 1000 Iterationsschritten errechnet wurden. Im Folgenden wird dieser Ansatz als ex-ante Methode bezeichnet. Der native Quellcode hierfür ist bei Dr. Lars Gerlitz vorliegend und darf hier nicht veröffentlicht werden.

An den Fort-Standorten in Kaunas wurde das im vorhergehenden Absatz beschriebene Verfahren ebenso angewandt. Hier reicht die älteste Luftbildaufnahme in das Jahr 1944 zurück.

Zusätzlich sind weniger Luftbildaufnahmen auswertbar gewesen. Basis der Auswertung waren hier v.a. die Datensätze für 2014 aus Google Earth (Tabelle B-7). Aufweichend vom Verfahren am Standort Fort Hahneberg waren hier keine offiziellen Biotopkartierungen als Vergleich vorhanden. Die letzte aktuelle manuelle Einteilung per Luftbildanalyse diente hier als Referenzverteilung bei der Bewertung

Qualitative Bewertung der floristischen Artenzusammensetzung

Aus den einzelnen Releveedaten der vegetationskundlicher Untersuchungen wurden Standortdatensätze zusammengeführt und in eine JUICE (Tichý, 2002) lesbare Form überführt.

Mittels des JUICE Programmes wurden folgende Auswertungen durchgeführt:

• Bestimmung der beta-Diversitäten zwischen verschiedenen Zeitpunkten nach verschiedenen programminternen Algorithmen, falls möglich (alpha-Diversitäten ergeben sich bereits aus den einzelnen Aufnahmen)

• kartierte Bestände wurden mittels des TWINSPAN (Hill, 1979) Algorithmus verglichen.

Dies erfolgte sowohl innerhalb und zwischen den einzelnen Festungsstandorten, falls möglich, auch zwischen den unterschiedlichen Aufnahmezeitpunkten. Hierbei wird die Ähnlichkeit der Relevees auf verschiedenen Hierarchieebene geprüft.