Modellierung und Darstellung der Anpassungsfähig- keit an die Folgen des Klimawandels in der histori- schen Tourismusregion Salzkammergut, Österreich
Spatial Modelling of Climate Change Adaptability – A Case Study in the Tourism Region Salzkammergut, Austria
Stefan Berger, Stefan Lang, Lena Pernkopf Universität Salzburg · berger.st@gmx.at
Zusammenfassung: Die Fähigkeit einer Region, sich an die Folgen des Klimawandels anpassen zu können, gewinnt aufgrund dessen unumkehrbaren Charakters immer mehr an Bedeutung. Mit dem Geon-Ansatz (Lang et al., 2014) soll gezeigt werden, wie feinmaßstäbliche Rasterdaten durch Integra- tion und Regionalisierung ehrgeizige politische Maßnahmen unterstützen können. Mit einem räumlich- expliziten, multidimensionalen Indikatorensatz und durch maßstabsspezifische Regionalisierung soll eine zweckorientierte Abgrenzung von homogenen Raumbereichen erwirkt werden, die unabhängig von bestehenden administrativen Einheiten ist. Das Untersuchungsgebiet umfasst dabei die historisch gewachsene Tourismusregion ‚Salzkammergut‘.
Schlüsselwörter: Klimawandelanpassung, Salzkammergut, Geon, Regionalisierung, Vulnerabilität Abstract: The adaptability of a region due to climate change is of growing concern due to its irreversi- ble character and the multitude of factors supporting or hampering the capability to adapt. Implement- ing the geon-approach should show how gridded fine-scale data being integrated and regionalised can support ambitious policy interventions on a complex matter such as the adaptation of tourism to climate change. Spatializing a multi-dimensional indicator set using scale-specific regionalisation shall aim for a policy-driven ‘unitisation’ of the intervention space, independent from existing administrative units. The study is focused on a historic tourism region called Salzkammergut.
Keywords: Climate change adaptability, Salzkammergut, geon, regionalisation, vulnerability
1 Einleitung
Bereits in den 1930er-Jahren wurde durch Callendar (1938) eine durchschnittliche globale Erwärmung von ca. 0.03-0,05 K pro Dekade postuliert. Als Auslöser wurde schon damals zum größeren Teil das Treibhausgas Kohlenstoffdioxid angenommen. Seitdem hat sich in der Forschung zum durch den Menschen verursachten Klimawandel viel getan. Mehrere Stu- dien zeigen einen Temperaturanstieg ab dem 20. Jahrhundert, welcher um das Jahr 1950 stagniert, sich aber ab den 1970er-Jahren stark verstärkt. Deutlich veranschaulicht wird dies auch in einer Grafik des Met Office Hadley Center (Met Office Hadley Centre 16.09.2016) (Abb. 1). Die hier dargestellten unterschiedlichen Datensätze decken sich in ihrer Aussage und stellen sehr ähnliche globale Temperaturkurven dar. Betrachtet man die Änderung der CO2-Äquivalenzkonzentration und des jährlichen Treibhausgasindex (Abb. 2), so ist erkenn- bar, dass Temperaturanstieg und Zunahme des Treibhausgasausstoßes in die Atmosphäre zeitlich korrelieren.
AGIT ‒ Journal für Angewandte Geoinformatik, 4-2018, S. 248-258. © Wichmann Verlag, VDE VERLAG GMBH · Berlin · Offenbach. ISBN 978-3-87907-647-5, ISSN 2364-9283, eISSN 2509-713X, doi:10.14627/537647032.
Dieser Beitrag ist ein Open-Access-Beitrag, der unter den Bedingungen und unter den Auflagen der Creative Commons Attribution Lizenz verbreitet wird (http://creativecommons.org/licenses/by-nd/4.0/).
Abb. 1:
Durchschnittliche globale Tem- peraturanomalie 1850 – 2016 (Met Office Hadley Centre, 16.09.2016)
Abb. 2:
Langjährige Änderungen der CO2-Äquivalenzkonzentration und des AGGI (jährlicher Treibhausgasindex) (Butler &
Montzka, 07.10.2017)
Die Folgen des weltweiten Klimawandels können regional sehr unterschiedlich ausfallen.
Der Klimawandel birgt eine Vielzahl an Risiken. Folgende erdteilübergreifende Schlüsselri- siken sind jedenfalls zu erwarten (Edenhofer et al., 2014):
1. Krankheiten und Zerstörung der Lebengrundlagen durch Sturmfluten, Meeresspiegelan- stieg, extreme Hitzewellen und Überflutungen an Küsten und im Hinterland.
2. Zusammenbruch existenzieller Infrastruktur durch extreme Wetterereignisse.
3. Nahrungsmittel- und Wasserknappheit, Verlust von landwirtschaftlichen Flächen, be- sonders in ärmeren Regionen.
4. Zerstörung von Ökosystemen und Abnahme der Biodiversität.
Auch wenn die derzeit angestrebten Maßnahmen zum Klimaschutz global umgesetzt werden würden, wäre dennoch zu erwarten, dass sich die Folgen des Klimawandels in den kommen- den Jahrzehnten weiter verstärken (Haas et al., 2008; zit. n. Parry et al., 2007). Bei Einhaltung der Maßnahmen scheint vielmehr nur mehr die Verlangsamung des Erwärmungsprozesses realistisch, sodass dessen Auswirkungen abgeschwächt werden können (Balas et al., 2010).
Aus diesem Grund gewinnen Handlungsempfehlungen zur Anpassung an die Folgen des Kli- mawandels immer mehr an Bedeutung (Haas et al., 2008).
Der IPCC (Intergovernmental Panel on Climate Change) definiert Klimawandelanpassung als
„die Anpassung von natürlichen oder menschlichen Systemen als Reaktion auf beste- hende oder zukünftige klimatische Impulse oder deren Auswirkungen, welche Schäden begrenzt oder sich förderlicher Möglichkeiten bedient.“ (Parry et al., 2007, p. 869) Die Möglichkeiten zur Anpassung sind wiederum stark von der Verwundbarkeit (Vulnerabi- lität) einer Region oder Gesellschaft in Bezug auf die Folgen des Klimawandels abhängig.
Die Vulnerabilität wird vom IPCC beschrieben als
„das Ausmaß der Anfälligkeit eines Systems auf die nachteiligen Auswirkungen des Kli- mawandels, Klimavariabilität und Extreme eingeschlossen, und das Ausmaß der Unfä- higkeit diese zu beherrschen. Vulnerabilität ist weiters eine Funktion der Art, des Aus- maßes und der Geschwindigkeit des Klimawandels und der Schwankungen, welchen ein System ausgesetzt ist, sowie der Empfindlichkeit und Anpassungsfähigkeit dieses Sys- tems.“ (Parry et al., 2007, p. 883)
Die österreichische Strategie zur Anpassung an den Klimawandel wurde am 23. Oktober 2012 vom Ministerrat beschlossen und am 16. Mai 2013 von der Landeshauptleutekonferenz zur Kenntnis genommen (Kronberger-Kießwetter et al., 2012). Unter Zusammenarbeit einer Vielzahl an Expertinnen und Experten wurden konkrete Handlungsempfehlungen für 14 Ak- tivitätsfelder entwickelt (Kronberger-Kießwetter et al., 2012). Der Tourismus wird in einem eigenen Aktivitätsfeld behandelt, welches, auch umgesetzt in den Strategien der Salzkam- mergut-Bundesländer Oberösterreich, Steiermark und Salzburg, somit eine wesentliche Rolle in der Ausarbeitung des hier angewandten Indikatorensatzes gespielt hat.
Das als Untersuchungsgebiet ausgewählte, im Zentrum Österreichs gelegene Salzkammergut ist ein Landschafts- und historischer Kulturraum (Salzkammergut Tourismus GmbH, 16.04.2013), dessen ursprüngliche Grenze ab dem 12. Jahrhundert lediglich die ca. 788 km² große Salinendomäne Wildenstein bei Bad Ischl umfasste (Geuter, 1913). Im 19. Jahrhundert entwickelte sich das Salzkammergut aufgrund seiner landschaftlichen Attraktivität zu einer Tourismusregion (Jeschke 2006), dessen Grenzen im Laufe der Zeit immer mehr Gemeinden umrahmten. Der hier verwendeten Abgrenzung der Tourismusregion Salzkammergut (Abb.
3) liegen den Daten der Salzkammergut-Tourismus-Marketing GmbH (Salzkammergut Tou- rismus GmbH 16.04.2013) zugrunde; die umfasst aktuell 59 Gemeinden der Bundesländer Oberösterreich, Steiermark und Salzburg.
Die Umsetzung der maßstabsspezifischen Regionalisierung des multidimensionalen Indika- torensatzes erfolgte durch den Einsatz des Geon-Konzepts zur Diskretisierung komplexer räumlicher Phänomene (Lang et al., 2008). Dabei werden zwei Typen von Geonen unter- schieden: Zusammengesetzte Geone (composite geons) und integrierte Geone (integrated geons). Da integrierte Geone zur Darstellung und Analyse von abstrakten politisch relevanten Themen, welchen kontinuierliche Geodaten zugrunde liegen, geeignet sind (Lang et al.
2014), wurde dieser Ansatz zur Durchführung der Arbeit verwendet. In Lang et al. (2014) wird der Workflow zur Erstellung von integrierten Geonen in fünf Schritte unterteilt: (1) Definition eines hierarchischen Konzeptrahmens, (2) Auswahl der Indikatoren, Vorbereitung der Daten, Normalisierung und statistische Analysen, (3) Regionalisierung durch Gewich- tung und Aggregation der Indikatoren, (4) Robustheits-/Sensitivitätsanalyse und (5) Auswer- tung der Ergebnisse.
Abb. 3: Gemeinden des Salzkammergutes (Stand 2013) und Anteil der Bundesländer an des- sen Gesamtfläche (Daten aus (Salzkammergut Tourismus GmbH, 16.04.2013)
2 Implementierung des Ansatzes
Die Umsetzung erfolgte in fünf Schritten, welche in Abbildung 4 dargestellt sind. Hier wurde das Konzept zur Erstellung von integrierten Geonen aus Lang et al. (2014) übernommen und den Erfordernissen des umzusetzenden Themas „Klimawandelanpassung“ entsprechend an- gepasst.
Zur Erstellung eines konzeptuellen Rahmens wurde eine umfassende Literaturrecherche zu den Themen Klimawandel (Veränderungen, Ursachen, Folgen), Klimaszenarien und Klima- wandelanpassung durchgeführt, wobei den österreichischen Strategien zur Klimawandelan- passung die größte Bedeutung gegeben wurde.
Daraus abgeleitet wurden zwölf Indikatoren ausgewählt, nämlich (1) Badeseen, (2) Skige- biete, (3) Straßennetz, (4) Bahnanbindung, (5) Radwegenetz, (6) Sommertage, (7) Eistage, (8) Regentage, (9) Temperaturanstieg, (10) Seehöhe, (11) Hangneigung und (12) Kulturerbe.
Die hierfür benötigten Daten wurden überwiegend aus Online-Geoportalen bezogen. Sämt- liche Daten wurden in die von der Statistik Austria für regionalstatistische Rastereinheiten verwendete Projektion ETRS-LAEA (EPSG:3035) (Statistik Austria, 03.07.2017) transfor- miert und, z. B. bei Vorlage von Liniendaten o. Ä., in kontinuierliche Rasterdaten umgewan- delt. Als Zellengröße wurde dabei stets 10 × 10 m gewählt, die Rasterzellen wurden exakt am regionalstatistischen Rasterdatensatz der Statistik Austria ausgerichtet.
Um die unterschiedlichen Wertebereiche und Einheiten von Rasterdatensätzen vergleichbar machen zu können, wird eine Normalisierung der Index-Werte vorgenommen (Kienberger et al. 2009). Dazu wurden Maximal- und Minimalwerte festgelegt (Kienberger et al. 2009) und gemäß der folgenden linearen Funktion für jede Zelle der einzelnen Rasterdatensätze berech- net:
( norm norm) norm v min
v max min min
max - min
(Kienberger et al. 2009),
wobei v′ = normalisierter Indexwert, v = ursprünglicher Indexwert, max = Maximum des ursprünglichen Wertebereichs, min = Minimum des ursprünglichen Wertebe- reichs, maxnorm = Maximum des neuen Wertebereichs, minnorm = Minimum des neuen Wertebereichs.
Abb. 4: Workflow zur Erstellung der Geone zur Visualisierung der Anpassungsfähigkeit an die Folgen des Klimawandels (umgesetzt nach Lang et al., 2014)
Wie z. B. auch in Kienberger et al. (2009), wurde dabei ein 8-bit-Wertebereich von 0 – 255 festgelegt, wobei 0 für „negativ“ und 255 für „positiv“ hinsichtlich der Anpassungsfähigkeit an die Folgen des Klimawandels zu werten sind.
Es folgte der Regionalisierungsprozess durch welchen die in der Literatur angeführten Vor- teile der räumlichen Gruppierung realisiert werden konnten. (1) Die in den multivariaten räumlichen Daten enthaltenen Informationen werden aggregiert und re-organisiert (Long et al., 2010); (2) die Daten werden so weit als möglich dimensionslos gemacht (Ng & Han, 2002), (3) die Interpretierbarkeit und kartographische Darstellbarkeit durch Verminderung der Auswirkungen von Extremwerten und Ungenauigkeiten wird verbessert (Lang et al., 2014); und (4) durch Aggregierung der ursprünglichen Einheiten in größere Flächen wird die Anfälligkeit auf Verfälschung des Gesamtbildes durch eine zu hohe Wiedergabegenauigkeit verringert (Blaschke and Strobl 2001; Wise et al. 2001).
Die Regionalisierung wurde in einer objektbasierten Bildverarbeitungsumgebung mit Multi- resolution-Segmentierungen, einerseits im Trial-and-error-Verfahren, andererseits unter Verwendung des Tools ESP 2 (Estimation of Scale Parameters 2) in der Software eCognition Developer 9 von Trimble Inc. vorgenommen. Im Trial-and-Error-Verfahren wurden neben dem wichtigsten Parameter, dem Scale-Parameter, auch die räumlichen Homogenitätskrite- rien shape und compactness angepasst. Die Regionalisierung basiert hier auf der lokalen Va- rianz der zu regionalisierenden Rasterwerte. Dabei werden Bildobjekte schrittweise in einer Bottom-up-Hierarchie in verschiedenen Maßstabsebenen aufgebaut, für jeden Maßstab wird dabei die lokale Varianz berechnet (Drǎguţ et al., 2010).
3 Ergebnisse
Die durch die Anwendung des Trial-and-error-Verfahrens und des ESP2-Tools regionali- sierten Geone sind in Abbildung 5 kartographisch dargestellt. Die auf Werte zwischen 0 und 1 normalisierten Anpassungsfähigkeiten wurden in folgende zehn die Anpassungsfähigkeit indizierende, äquidistante Klassen unterteilt, wobei 1 jeweils die beste Anpassungsfähigkeit bedeutet:
Abb. 5: Index der Anpassungsfähigkeit, dargestellt in zehn äquidistanten Klassen
In Abbildung 7 sind die aus verschiedenen Regionalisierungsmethoden entstandenen Geone und ihre Indizes der Anpassungsfähigkeiten vergleichend dargestellt. Zusammengefasst kann daraus entnommen werden, dass eine besonders gute Anpassungsfähigkeit im nordöstlichen Salzkammergut vorliegt. Die Anpassungsfähigkeit im nördlichen Flachland ist insgesamt hö- her. Schlechter fallen die Ergebnisse für die höheren Lagen des gebirgigen mittleren und südlichen Salzkammergutes aus. Durchwachsen scheinen die Anpassungsfähigkeiten für die Talregionen. Während die Region St. Gilgen – St. Wolfgang eher als schlechter anpassungs- fähig hervorgeht, zeigen die Talregionen um Altaussee, Bad Aussee und Hallstatt deutlich
günstigere Bedingungen. Bei der regionalen Anpassungsfähigkeit ergibt sich, unabhängig vom Regionalisierungsmaßstab, ein relativ ähnliches Bild.
Abb. 6: Anzahl der Einheiten pro Anpassungsfähigkeitsklasse bei den verschiedenen Scale- Parametern
Die in Abbildung 6 in Diagrammen dargestellten Häufigkeitsverteilungen der auf Werte zwi- schen 0 und 1 normalisierten Anpassungsfähigkeiten der Geone zeigen eine bimodale Ver- teilung auf die zehn Anpassungsfähigkeitsklassen. Besonders viele Patchs besitzen demnach Anpassungsfähigkeiten, welche in die Äquidistanz-Klassen 2 und 3, sowie 6 und 7 fallen.
Besonders wenige Patches fallen in die äußersten Klassen 1 und 10, was im Prinzip einer Normalverteilung entspricht (vgl. Kienberger et al. 2009).
Eine weitere Möglichkeit, die Formen von Polygonen zu beschreiben, bietet der Shape-Index (Lang & Blaschke, 2007). Charakterisiert wird die Abweichung von der optimalen Kreis- form, welche im Wert „1“ festgelegt wurde (Lang & Blaschke, 2007) und unabhängig von der absoluten Fläche ist. Der Vergleich der Shape-Indizes von Geonen im Bereich zwischen St. Gilgen und St. Wolfgang (Abb. 8) zeigt die tendenzielle Abweichung von der optimalen Kreisform mit steigendem Scale-Parameter. Eine tendenzielle Erhöhung der Shape-Indizes kann, wie die Ergebnisse zeigen, auch mit Erhöhung der Regionalisierungs-Parameter shape und compactness erreicht werden. Geone mit Shape-Indizes ≤ 1,4 können als relativ kompakt bezeichnet werden (Lang & Blaschke, 2007). Die Maximalwerte der Shape-Indizes, also die am weitesten von der Kreisform entfernten Geone, sind bei niedrigen Scale-Parametern am höchsten.
Abb. 7: Geone und ihr Index der Anpassungsfähigkeit bei verschiedenen Regionalisierungs- methoden, dargestellt in zehn äquidistanten Klassen
Abb. 8: Shape-Indizes der Geone im Bereich zwischen St. Gilgen und St. Wolfgang bei ver- schiedenen Regionalisierungsmethoden
4 Schlussfolgerung
Die Ergebnisse sind, bei Vergleich der kartographischen Darstellungen mit den verwendeten Indikatoren und den zur erwartenden Auswirkungen des Klimawandels, durchaus als plausi- bel zu betrachten. Die Übertragung des hier für das Salzkammergut im Aktivitätsfeld Tou- rismus angewandten Konzeptes auf andere Regionen und Aktivitätsfelder sollte sehr gut möglich sein und kann in Zukunft als gute Grundlage zur Maßnahmensetzung für politische Entscheidungsträger dienen.
Die Ergebnisse zeigen, dass hohe Lagen im Gebirge durch schlechtere Infrastrukturanbin- dung, größere Verwundbarkeit durch gravitative Naturgefahren und höher prognostizierten Temperaturanstieg benachteiligt sind. Der am besten anpassungsfähige Bereich im nordöst- lichen Salzkammergut hat laut Prognosen (Chimani et al., 2016) auch mit dem geringsten Temperaturanstieg zu rechnen. Auch in den gut anpassungsfähigen Talregionen Altaussee – Bad Aussee und Hallstatt fällt der Temperaturanstieg moderat aus. Hinzu wirken sich in bei- den Bereichen die gute Infrastrukturanbindung und die Nähe zu touristischen Attraktionen positiv aus. Die Region um den Wolfgangsee (St. Gilgen – St. Wolfgang) weist beispiels- weise eine etwas schlechtere Anpassungsfähigkeit auf, was auch auf das Fehlen einer Bahn- anbindung und den relativ hohen prognostizierten Temperaturanstieg, welcher im Sommer während zunehmender Hitzewellen Outdooraktivitäten und im Winter das Skifahren auf dem Zwölferhorn negativ beeinflussen wird, zurückgeführt werden kann.
Die Auswahl der Indikatoren erfolgte wissensbasiert, und – im Zuge dieser methodischen Arbeit – auch in Abhängigkeit von den (frei) verfügbaren Datensätzen. Unter anderem wur- den wesentliche Gesichtspunkte ausgeklammert wie die Bodenbeschaffenheit und andere physische Parameter der Landbedeckung oder aktuellen Landnutzung, welche unzweifelhaft ebenso Auswirkungen auf die Adaptionsfähigkeit haben. Der Ansatz ist grundsätzlich offen und nicht beschränkt auf eine fixe Anzahl oder Auswahl von Indikatoren. Dies ist als inter- aktiver Prozess zu sehen, sodass die Methode durch ihre Transparenz auch in Beteiligungs- verfahren entsprechenden Einsatz finden kann.
Besonders der bei der Regionalisierung gewählte Maßstab beeinflusst die Übersichtlichkeit und Lesbarkeit wesentlich. Die Auswahl eines geeigneten Maßstabes (Geongrößen), hängt letztendlich in hohem Maße vom Nutzer der fertigen Darstellungen ab. Es empfiehlt sich daher, mehrere Maßstäbe zu erarbeiten und zur Verfügung zu stellen, aus welchen wiederum gemeinsam mit dem Nutzer eine geeignete Auflösung ausgewählt werden kann. Die Anzahl der äquidistanten Klassen, welche nicht nur die kartographische Darstellung, sondern auch die Feinabstufung des Histogramms beeinflusst, richtet sich nach Visualisierungsmöglichkeit und allfälligen Schwellwertsetzung. Sie wurde hier aufgrund der Vergleichbarkeit bewusst auf 10 Klassen mit runden Klassengrenzen gesetzt obwohl die Unterscheidbarkeit in einer Grauwertabstufung dann primär qualitativ erfolgt.
Die Autoren bedanken sich für die im Zuge des Review-Verfahrens erhaltenen konstruktiven Anmerkungen.
Literatur
Balas, M. et al., (2010). Klimaänderungsszenarien und Vulnerabilität. Aktivitätsfelder Ge- sundheit, Natürliche Ökosysteme und Biodiversität, Verkehrsinfrastruktur, Energie, Bauen und Wohnen. Wien: Umweltbundesamt.
Blaschke, T., & Strobl, J. (2001). What's wrong with pixels? Some recent developments in- terfacing remote sensing and GIS. Zeitschrift für Geoinformationssysteme 14(6), 12–17.
Butler, J., & Montzka, S. (2017). The NOAA annual greenhouse gas index (AGGI). Retrieved October 17, 2017, from https://www.esrl.noaa.gov/gmd/aggi/aggi.html.
Callendar, G. S. (1938). The artificial production of carbon dioxide and its influence on tem- perature. Quarterly Journal of the Royal Meteorological Society, 64(275), 223–240.
Chimani, B. et al. (2016). ÖKS15 − Klimaszenarien für Österreich. Daten, Methoden und Klimaanalyse. Projektendbericht.
Drǎguţ, L., Tiede, D., & Levick, S. R. (2010). ESP. A tool to estimate scale parameter for multiresolution image segmentation of remotely sensed data. International Journal of Geographical Information Science, 24(6), 859–871.
Edenhofer, O., Pichs-Madruga, R., & Sokona, Y. (2014). Climate change 2014. Mitigation of climate change: Working Group III contribution to the Fifth assessment report of the Intergovernmental Panel on Climate Change. Cambridge.
Geuter, K. P. (1913). Illustrirter Führer durch das Salzkammergut und Salzburg mit Umge- bung. Linz a. d. Donau.
Haas, W. et al. (2008). Identifikation von Handlungsempfehlungen zur Anpassung an den Klimawandel in Österreich: 1. Phase, 2008. Bericht im Auftrag des Lebensministeriums.
Wien: Klimaforschungsinitiative AustroClim.
Jeschke, H. P. (2006). Der Kern des Inneren Salzkammergutes in der „Arche Noah“ der Kulturdenkmäler und Naturparadiese der Welt von Morgen. Die Historische Kulturland- schaft Hallstatt − Dachstein/Salzkammergut − ein Juwel der UNESCO-Schatzkammer der Menschheit. Hallstatt.
Kienberger, S., Lang, S., & Zeil, P. (2009). Spatial vulnerability units – expert-based spatial modelling of socio-economic vulnerability in the Salzach catchment, Austria. Nat. Ha- zards Earth Syst. Sci., (9), 767–778.
Kronberger-Kießwetter, B., Balas, M., & Prutsch, A. (2012). Die österreichische Strategie zur Anpassung an den Klimawandel. Teil 1 – Kontext. Wien: Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft.
Lang, S. et al., (2008). Geons − policy-relevant geo-objects for monitoring high-level indi- cators. In: A. Car et al. (Eds.), Proceedings of GI-Forum Salzburg. Heidelberg: Wich- mann.
Lang, S. et al. (2014). Geons – domain-specific regionalization of space. Cartography and Geographic Information Science, 41(3), 214–226.
Lang, S., & Blaschke, T. (2007). Landschaftsanalyse mit GIS. 1st Ed. Stuttgart: Ulmer.
Long, J., Nelson, T., & Wulder, M. (2010). Regionalization of landscape pattern indices us- ing multivariate cluster analysis. Environmental management, 46(1), 134–142.
Met Office Hadley Centre (2016). Met Office Hadley Centre observations datasets. Retrieved October, 2017, from
https://www.metoffice.gov.uk/hadobs/hadcrut3/diagnostics/comparison.html.
Ng, R. T., & Han, J. (2002). CLARANS. A method for clustering objects for spatial data mining. IEEE Transactions on Knowledge and Data Engineering, 14(5), 1003–1016.
Parry, M. et al. (2007). Climate change 2007. Impacts, adaptation and vulnerability : contri- bution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, New York: Cambridge University Press for the Intergovernmental Panel on Climate Change.
Salzkammergut Tourismus GmbH (2013). Das Salzkammergut. Retrieved November 9, 2015, from http://www.salzkammergut.at/detail/article/das-salzkammergut.html.
Statistik Austria (2017). Regionalstatistische Rastereinheiten. Retrieved December 10, 2017, from https://www.data.gv.at/katalog/dataset/ca996648-ed34-3dcd-a99f-68619f680241.
Wise, S.; Haining, R., & Ma, J. (2001). Providing spatial statistical data analysis functionality for the GIS user. The SAGE project. International Journal of Geographical Information Science, 15(3), 239–254.
