Hotspot-Analyse und Veränderungserkennung der Landnutzung und -bedeckung in Belarus

Hinweis: Dieses Projekt wurde mit Unterstützung des Gemeinsamen Forschungskooperationsprogramms der Allianz Internationaler Wissenschaftsorganisationen (ANSO) im Rahmen der Seidenstraßeninitiative abgeschlossen.

Projekthintergrund

Die Datenaufbereitung und -fusion erfolgten mithilfe von Sentinel Hub und Google Earth Engine. Die Trainingsdaten wurden anhand öffentlich zugänglicher Datensätze, Publikationen und visueller Interpretation annotiert. Anschließend wurde das überwachte Lernverfahren OBIA-RF (Object-Oriented Random Forest) eingesetzt, um Landbedeckungsmerkmale aus den Agrar- und Forstwirtschaftsdatensätzen zu klassifizieren und zu extrahieren. Abschließend wurden Kartierung und statistische Analyse durchgeführt. Das ökologische Potenzial des Bodens wurde durch die Kombination meteorologischer und bodenkundlicher Daten bewertet.

Dieser Artikel stellt hauptsächlich die Anwendung der im vorherigen Artikel erwähnten Methode vor. Belarussische Landnutzungsklassifizierung basierend auf objektorientierter ExtraktionZur Identifizierung von Hotspots und Arten von Landnutzungsänderungen werden weiterführende Hotspot-Analysen und eine Veränderungserkennung der LULC-Daten (Landnutzung und Landbedeckung) durchgeführt.

△Abbildung 1. Flussdiagramm der Hotspots für die Landnutzungsklassifizierung und der Änderungserkennung

Grundlegender Projektprozess

Nachdem LULC-Daten von 2014 bis 2023 mithilfe einer objektorientierten Landnutzungsklassifizierung erhoben wurden, wurde die Fläche der Landnutzungspolygone berechnet und deren Mittelpunkt extrahiert. Die Fläche diente als Gewichtungsfaktor, und eine räumliche Kerndichteanalyse wurde auf den Mittelpunkt jedes Polygons angewendet, um die Anzahl und Fläche verschiedener Landnutzungsverteilungspolygone innerhalb eines bestimmten Suchradius umfassend zu bewerten. So konnten die Verteilungsschwerpunkte von Wald und Ackerland ermittelt werden.

Anschließend wurden Art und Umfang der Landnutzungsänderungen ermittelt und eine Kartierungstabelle erstellt (siehe Abbildung oben). Die Änderungen wurden in sechs Kategorien eingeteilt: Waldverlust, Ackerlandverlust, Waldzuwachs, Ackerlandzuwachs, Umwandlung von Wald in Ackerland und Umwandlung von Ackerland in Wald. Auf Grundlage dieser Kategorien wurde eine Reklassifizierungstabelle erstellt und alle zwei Jahre Statistiken zu den Veränderungen zusammengetragen, um eine Karte der Veränderungsverteilung zu erstellen.

Projektergebnisse

△ Abbildung 2. Verteilung der Hotspots für Ackerland in Belarus, 2014–2023

△ Abbildung 3. Verteilungskarte der Wald-Hotspots in Belarus, 2014–2023

Beim Vergleich der Abbildungen 2 und 3 zeigt sich eine deutliche räumliche Konzentration der Ackerflächen. Diese konzentrieren sich hauptsächlich im Südwesten von Minsk, in Grodno, im Westen von Brest, in Mogilew und im Osten von Gomel. In Gomel sowie im nördlichen und südlichen Witebsk ist Ackerland hingegen knapp. Die Waldverteilung ist im Vergleich zu den Ackerflächen relativ gleichmäßig, mit nur wenigen Hotspots. Dies deutet darauf hin, dass die Waldressourcen in der gesamten Region weit verbreitet sind und einige große, zusammenhängende Waldgebiete umfassen.

Die Landwirtschaft in Belarus konzentriert sich vorwiegend auf fruchtbare Ebenen, insbesondere in den südlichen und zentralen Regionen, die sich besonders für großflächige, mechanisierte Landwirtschaft eignen. Daher weisen die landwirtschaftlichen Flächen in diesen Gebieten in der Regel eine hohe Kontinuität und Konsolidierung auf, wobei typische belarussische Betriebe (vor allem staatliche) recht groß sind und oft Hunderte bis Tausende Hektar umfassen. Dies deckt sich mit der Verteilung der Ackerland-Hotspots, wie sie auf der Karte der Ackerland-Hotspots dargestellt ist.

Von 2014 bis 2019 blieb die Verteilung der Ackerland-Hotspots relativ stabil und wies nur geringe jährliche Schwankungen auf. Zwischen 2020 und 2023 zeigten die Hotspots jedoch signifikante räumliche Verschiebungen. Dies könnte auf mehrere Faktoren zurückzuführen sein: Ein deutlicher Anstieg der Niederschläge in Belarus in den letzten Jahren führte zu weniger wolkenlosen Tagen im Jahresverlauf, was die Qualität der Satellitenbilder beeinträchtigte. Darüber hinaus reduzierten Schwankungen der Niederschläge und Temperaturen, die zu Veränderungen der phänologischen Perioden führten, die Konsistenz der Kulturarten und Wachstumsstadien, was Klassifizierungsfehler verursachte und somit die Kerndichtestatistik beeinflusste. Langfristig bleibt die Verteilung der landwirtschaftlichen Ressourcen in Belarus relativ stabil. Veränderungen der Waldressourcen sind noch weniger ausgeprägt; die Waldfläche wies im letzten Jahrzehnt nur geringe Schwankungen auf, wobei sowohl die Gesamtfläche als auch die räumliche Verteilung der Hotspots relativ stabil blieben.

△ Abbildung 4. Verteilungskarte der Landnutzungsänderungen in Belarus von 2014 bis 2023

Die obige Abbildung zeigt die Veränderungen der Landnutzung und Landbedeckung alle zwei Jahre von 2014 bis 2023. Die Veränderungen der Wald- und Ackerflächen waren von 2014 bis 2016 relativ gering und umfassten hauptsächlich eine Abnahme bzw. Zunahme der Waldfläche in einigen Regionen sowie eine geringe Umwandlung von Ackerland in Wald in städtischen Gebieten. Von 2016 bis 2018 kam es zu einer großflächigeren Umwandlung von Ackerland in Wald. Dies könnte mit einer etwas ungenaueren Klassifizierung von niedrigem Strauchbestand, komplexen Fruchtfolgeflächen und einigen Wirtschaftswäldern sowie mit den Auswirkungen der Datennormalisierung über verschiedene Jahre hinweg zusammenhängen, wodurch die Klassifizierungsergebnisse verfälscht und Veränderungen der Landbedeckung verursacht wurden. Insgesamt spiegelt die Abbildung jedoch die wichtigsten Gebiete mit Veränderungen der Landbedeckung und die langfristigen Trends wider. In Kombination mit jährlichen Flächenstatistiken ermöglicht sie eine relativ objektive Darstellung der Verteilung von Wald- und Ackerlandressourcen und bietet somit eine objektive und effektive Grundlage für die Formulierung und Umsetzung makro- und regionaler Agrarpolitiken.