Disaggregation von Bevölkerungsdaten - staedtestatistik.de · Bund-Länder-Statistik räumlich bis Gemeindebene aufgelöst bzw. allgemein verfügbar diverse Problemstellungen erfordern

Statistische Woche, München, 14. Oktober 2010Ergebnisse der Master Thesis (2009) am Z_GIS SalzburgSandra Töpsch, Hamburg

Disaggregation von Bevölkerungsdaten


Mitgliedschaft


Sandra Töpsch * Disaggregation von Bevölkerungsdaten 2

Einleitung

Ministerium für Landesentwicklung und Verkehr Sachsen-Anhalt vergibt Forschungsauftrag: welches Methode beim Stadtumbau Erfolge erzielte und warum.



Motivation/Zielstellung/Lösungsansatz

Grundlagen undMethode

Ergebnisse

Ausblick



Motivation

Bevölkerungszahlen der Bund-Länder-Statistik räumlich bis Gemeindebene aufgelöst bzw. allgemein verfügbar

diverse Problemstellungen erfordern eine kleinräumige Datenbasis Deutschland, Bevölkerung je Gemeinde-fläche verfälscht den realen Dichtewert

Bedarf

Angebot



Zielstellung

Modellierung der intrakommunalen Bevölkerungsdichte Deutschland durch GIS-gestützte Diasaggregation

auf Basis amtlicher Datenquellen

für die Erstellung eines gleichmäßigen geografischen Rasters

als mögliche Datenbasis für überregionale GIS-gestützte Planungs- oder Forschungszwecke

mit einer Modellvalidierung für die Angabe des Schätzfehlers

im Testgebiet: Länder Schleswig-Holstein und Hamburg



Lösungsansatz



2 prinzipelle Anwendungsfällea) Quelldaten räumlich zu gering aufgelöst

b) Raumeinteilung Quell- und Zieldaten nicht identisch

Quelldaten

Zieldaten

Disaggregation

Grundlagen: Disaggregation



2 prinzipielle Methodee (im mikroskaligen Maßstabsbereich)

„simple area weighting“ „dasymetric mapping“•einfache flächengewichtete Interpolation

•Proportionalitätsfunktion: Gewichtung der Bev. durch Flächenanteile an Quelldaten

•Prämisse: homogene Verteilung der Bevölkerung•z.B. GOODCHILD/LAM (1980)

•operiert mit „Hilfsdaten“, die Dichteverhältnisse der Bev. möglichst gut messen sollen

•benötigt funktionale Zusammenhänge

•differenzierte standortabhängige Verteilung der Bevölkerung•z.B. EICHER/BREWER (2001)

Grundlagen: Disaggregation



Grundlagen: Bevölkerungsverteilung und -dichte

regionales Dichtegefälle

urbaner Dichtegradient

Flächen-nutzung

Gebäude-typologie



Methode: Modellierung der kleinräumigen Bevölkerungsdichte

regionales Dichtegefälle




urbaner Dichtegradient

Bevölkerungsdichte im intrakommunalen Trend, erstellt mit Trend Analysis Tool“ des ArcGIS „Geostatistical Analyst“

Dichtegradient von CLARK (1951):

städtische Bevölkerungsdichten folgen einem stadtspezifischen Kern-Rand-Gefälle

bxx edd 0




Flächen-nutzung

Art und Maß der baulichen Nutzung (BauNVO)




Gebäude-typologie

Geschossfläche=GFLGeschoßflächendichte=GFZGrundstücksgröße=GS

GSGFZGFl




Regelbasierte Klassifikation der Hausumringe (Meinel et al. in BMVBS/BBR (2008))

zu Bebauungsleittypen (UBA 2004)

Attribute, Geometrie, Topologie werden ausgewertet

Gebäude-typologie




Gebäude-typologie

KIEL

FLENSBURG

LÜBECK

HAMBURG

Wohnnutzung (Anteil an Gebäudegrundfläche gesamt)in ATKIS-"Flächen gemischter Nutzung" je Gemeinde in Prozent

rel. Häufigkeit % Boxplot

Box78 bis unter 97 50

2597 bis 100 Whisker bis Maximum

Whisker, 5 % Perzentil50 bis unter 78 20

12 bis unter 50 50

Ant

eil i

n P

roze

nt

100

95

90

85

80

75

70

65

60

55

50

45

40

35

30

25

20

15milde Ausreißer (Punkt), extreme Ausreißer (Kreuz)

ATKIS-„Wohnbauflächen“= 100 %

ATKIS-„Mischnutzung“Agglom.räume = 75 %verstädterte R. = 85 % ländliche R. = 90 %

links: Wohnbauflächenrechts: MischnutzungDatenbasis: ATKIS und ALK

Anteil der Wohnnutzung an Geschossfläche

KIEL

FLENSBURG

LÜBECK

HAMBURG

Wohnnutzung (Anteil an Gebäudegrundfläche gesamt)in ATKIS-"Wohnbaufläche" je Gemeinde in Prozent

rel. Häufigkeit % Boxplot

0

Ant

eil i

n P

roze

nt

100

95

90

85

80

75

70

65

60

55

50

45

40

35

30

25

20

15

10 10 bis unter 89 5 milde Ausreißer (Punkt), extreme Ausreißer (Kreuz)

89 bis unter 97 20 Whisker, 5 % Perzentil

97 bis 100 75 Box



Beschreibung DatenquelleGebäudenutzung nach Objektschlüsselkatalog (OSKA) des

Landes Schleswig-Holstein als Merkmal der Hausumringe aus der Amtlichen Liegenschaftskarte (ALK), Stand: 21.07.2008

Landesvermessungs-amt Schleswig-Holstein

Gebäudenutzung nach Objektschlüsselkatalog (OSKA) HH als Merkmal der Hausumringe aus der Digitalen Stadtgrundkarte (DSGK), Stand: 29.06.2008

Landesbetrieb für Geoinformation und Vermessung Hamburg

Melderegister Hamburg: Einwohneranzahl mit Haupt-Wohnsitz als Merkmal der Adresse, Stand: 31.12.2007 (anonymisiert)

Statistikamt Nord

Methode: Referenzdaten Kennwerte und Modellvalidierung



Bezeichnung BezugsquelleHauskoordinaten GEObasis.nrw, Land NRWHausumringe GEObasis.nrw, Land NRWATKIS-Basis DLM (für Flächennutzung)

Geodatenzentrum, BKG

Gemeindegrenzen Geodatenzentrum, BKG

Bevölkerungsfortschreibung Stat. Bundesamt DeutschlandWohnungsfortschreibung Stat. Bundesamt Deutschland

Methode: allg. verfügbare amtliche Datengrundlage für Lösungsansatz



Rasteraggregation der Einwohner je Gebäudegeografisches Raster 1000 x 1000 mbildet Bevölkerungsdichte ab

Ableitung der Bebauungsform des (Wohn-)Gebäudes

Schätzung von Nettobauland aus BruttobaulandSchätzung der Grundstücksgröße eines WohngebäudesSchätzung der Geschossfläche je GebäudeSchätzung der Wohnfläche je GebäudeSchätzung der Einwohner je Gebäude

Identifikation potentieller Wohngebäude

Methode: Modellprozesse im Überblick



(SZIBALSKI 2006), ArcGIS-Toolbox: CREATE FISHNET+SPATIAL JOIN)

Methode: Rasteraggregation (POINT IN POLYGON)



Ergebnisse: Modellergebnis vor Rasteraggregation



Ergebnisse: Modellfehler in Abhängigkeit der Rasterweite (MAUP)

Vergrößerung Rasterzelle verringert die Streuung des Fehlers Wahl des 1 x 1 km Rasters für Rasteraggregation



2 x 2km Raster

Visualisierung Hamburg

generalisierter Schätzfehler

Ergebnisse: räumliche Verteilung des Schätzfehlers



Ergebnisse: Ergebnisraster 1 x 1 km des Lösungsansatzes



Ausblick

Modellverbesserungen möglich durch:

Verwendung von Flurstücksgrenzen (Basis für Grundstücke), sind jedoch nicht zentral verfügbar (viele Katasterämter)

Hinzunahme Algorithmus Erkennung Hochhaus

Hinzunahme soziökonomischer Daten (Einkommen, Leerstand, Grundstückspreise) um kleinräumige Extreme modellieren zu können (z.B. Blankenese)

Modellerweiterung:

Bevölkerungsbewegung: Tag- / Nacht-Bevölkerung



Vielen Dank für Ihr Interesse.

Documents

Disaggregation von Bevölkerungsdaten - staedtestatistik.de · Bund-Länder-Statistik räumlich bis Gemeindebene aufgelöst bzw. allgemein verfügbar diverse Problemstellungen erfordern