Housing‐Scenarios

Socio‐environmental impacts, and impacts on the environment itself, accompany each change of the  built environment and of changing land use patterns. Within this study, housing‐scenarios, which  represent different housing‐densities, were defined. They were used to quantify the intensity of  socio‐environmental impacts and land‐use change due to new housing‐development. Accordingly,  the intensity of these impacts differs according to the altered provision with urban green and open  spaces. For instance, ALBERTI ET AL. (2005) state clear interactions between humans and biophysical  processes, which are mediated by patterns of urban development and a change in land cover. A  quantification scheme based on a set of indicators combines the concepts of QoL and UES and is an  integral part of the scenario‐based assessment of this thesis.  

According to FÜRST & SCHOLLES²⁵⁹ (2004), scenario‐technique is applied to develop realistic pathways  or  corridors  of  a  development.  This  development  depends  on  framework  conditions  for  a  comparable distant future and according to relatively high uncertainties. This method is applied as  especially quantitative forecasting methods fail or as uncertainties forbid a simulation. In contrast,  the probability or accuracy of an event is less important compared to the derivation and description  of  distinct  factors  and  interdependencies.  Scenarios  present  many  of  the  possible  future  developments without prescribing any likelihood to any of the outcomes. Each scenario should  present a plausible future in its own right. 

259 Original German expression p. 206 

3 Methodology 

62 

Following ROTMANS ET AL. 2000²⁶⁰ scenarios are defined by the following characteristics: 

• Scenarios are hypothetical and describe possible future pathways 

• Scenarios consist of states and derived forces, events, consequences and actions, which are  causally related 

• Scenarios start from an initial state (usually the present) and depict a final state 

Figure 20 shows three defined scenarios for each single‐family homes and multi‐story housing. The  allocation of scenarios of single‐family‐homes or multi‐story‐houses was executed according to  specifications by the City of Essen²⁶¹. Additionally, the current land uses at each site are named 

“status‐quo‐scenario”.  

Each following scenario (1, 2, and 3) represents a distinct housing‐type and its associated housing‐

density. The density is defined according to planning‐standards²⁶². The housing‐density increases  from scenario 1 to scenario 3 (see figure 20). This leads to altered land use structures as well as to a  modified provision with patterns of urban green spaces and associated socio‐environmental impacts. 

Figure 20 Housing‐scenarios and associated housing‐densities (author´s draft) 

Land use structures and the provision with urban green spaces react sensitively towards altered  housing‐densities and land‐use patterns. As a consequence, the provision with UES and their  contributions to QoL alter. According to JAMES ET AL. (2009, p. 68) “ecosystem services provided by  urban green spaces are related to the physical aspects of these spaces”. These interrelations also  include the physicality and ecological performance of green spaces²⁶³. Defined indicators (see ch. 

260 cit in. LOBO ET AL. 2005, p. 3 

261 See SCHAUERTE 2007 

262 a.o. KORDA 2005; PRINZ 1995 

263 See definition of green spaces according to JAMES ET AL. (2009, p. 66). 

3 Methodology 

63  3.3.2.) will be used to quantify and assess the modification of land use patterns and its effects on QoL  and UES due to housing‐development.  

Table a5 (see annex) indicates, to what respect QoL/UES‐indicator‐values change within each  scenario. As mentioned, a status‐quo‐scenario was calculated²⁶⁴. It is used as a reference‐scenario in  order to quantify the intensity of each altered indicator‐value throughout the following scenarios 1  to 3. This intensity will be represented by the percental deviation in chapter 4. 

As housing‐sites are still subject of preparatory land use planning, their display in the draft (status  2008) of the regional land use plan is executed at a scale of 1:50.000 and does not provide lot‐sharp  limits of each site. Therefore the application of gross housing‐density compared to net housing‐

density is the most appropriate way. 

3.3.1.1. Quantification of Housing‐Scenarios  

The  system of  scenario‐quantification and  indicator‐calculation  will be  presented in the next  paragraphs (see figures 21 and 22). 

The first step of the quantification represents the attribution of land use data and initial standard‐

calculation, in order to get a closer insight into their socio‐environmental performance (see fig. 21). 

Closer information on that will be given within the indicator‐explanation (chapter 3.3.2). This enables  the calculation of the status‐quo‐scenario. 

The second step comprises these GIS‐based allocation of indicator‐values for each land use class (see  also table a5 in annex A) in accordance to varying housing‐densities. The third step comprises the  calculation of weighted mean values, in order to quantify the modified indicator‐performances. 

The spatial extensions of scenario‐analysis refer the future housing‐sites together with their closer  living surroundings (see fig. 21). This follows the anthropocentric approach in this second step of the  MCA compared to  physiocentric direction of the QoP‐assessment as  outlined in  chapter  3.1. 

According to planning literature²⁶⁵ “closer living surroundings” are defined as a radius of 500m which  are adequate to 5‐10 min walking distance²⁶⁶. Therefore, a buffer of 500m (including a walking  distance coefficient of 1.2) was created around each analyzed housing‐site. All presented results of  impact assessment in chapter 4 refer to these spatial extensions. (see fig.21).  

264 Note: The scenarios do not refer to the most appropriate housing‐structure to achieve an optimum of QoL and UES. The 

housing‐scenarios refer to standardize mono‐structural housing types. The optimum to what they are compared is  marked by the status‐quo‐scenario.  

265 CITY OF LEIPZIG 2004 

266 See also CITY OF BERLIN 2009 defining a distance to open spaces of closer living surroundings of 500m and the definition of  the URGE‐RESEARCH TEAM (2001‐2004). 

3 Methodology 

64 

Figure 21 Quantification of scenarios (author´s draft) 

Looking back at the first step of figure 21, we see that two different types of indicators are  mentioned. This aspect needs special attention, because it influences the quantification of socio‐

environmental impacts and the calculation of indicator‐values. 

The first indicator‐group (regulation, biotope quality, sealing rate, seeping rate, surface run‐off and  evapotranspiration) is subject to data‐attribution. That means, an allocation of values indicating the  individual contribution of each cadastral land use class to its indicator value was executed in  advance. In doing to, look‐up tables referring to the reference‐values of cadastral land use data and  their individual performance of climate regulation, biotope quality (SINGER 1995²⁶⁷) or hydrological  standards such as characteristic sealing rates, seeping rate, surface run‐off and evapotranspiration 

268. 

267 The study of SINGER (1995) aims at assessing the ecological performance of urban open spaces associated to cadastral 

land use data. In doing so, elaborated reference values focusing on the regulative function, biotope quality, sealing rate,  recreational values and soil quality for most of the cadastral land use classes (ALK). These reference values have been  applied in attributing cadastral land use data of the City of Essen provided on lot‐level. Singer defines three classes  ranging from 0 (no performance) to 4 (very high performance). 

268 City of BERLIN 2007 (www.stadtentwicklung.berlin.de/umwelt/umweltatlas) It provides hydrological reference values of 

characteristic land use structures within the city of Berlin. A distinction between different housing types and open space  structures has been made even though it refers to a very rough spatial resolution. Therefore the calculation of individual  standards for the City of Essen is necessary. 

3 Methodology 

65  The second indicator‐group covers all indicators of green provision per resident. It is based on the  calculation of local standards of green provision, which is based on own green‐mapping (see the  following excursus). In doing so, standard values on green shares per gross building‐land were  calculated according to comparable housing types within the city of Essen. The additional residents,  who will be attracted by new housing construction, were calculated according to the outlined  housing structure types of the scenarios with reference to planning literature. Factors such as  household‐size, living space per resident and gross housing‐density²⁶⁹ were taken into account.