Externe Monographien
Michael Wurm
2013,
Zwischen dem Menschen und seiner Umwelt besteht eine wechselseitige Beziehung. Durch sein Handeln verändert der Mensch seine Umwelt und er wird durch die Umgebung in seinem Verhalten im Raum beeinflusst. Deshalb stellt der Raum für die Erforschung von sozialen Fragestellungen eine bedeutende Rolle dar. Für die physische Erfassung des Raumes und seiner Merkmale hat sich die Erdbeobachtung als effizientes Werkzeug etabliert. Vor diesem Hintergrund ist das übergeordnete Ziel dieser Dissertation die Ableitung räumlicher Merkmale städtischer Räume aus Fernerkundungsdaten für die Einbindung in sozialwissenschaftliche Studien am Beispiel der beiden Städte Berlin und München. Für die Erarbeitung dieses Ziels wird in der vorliegenden Arbeit ein konzeptioneller Rahmen erstellt, der die Verknüpfung von Erdbeobachtungsdaten und sozialwissenschaftlichen Daten der sozioökonomischen Langzeitstudien SOEP und BASE-II beschreibt. Die Adressdaten der Teilnehmer können zum ersten Mal in der Geschichte der Studien räumlich verarbeitet werden, ohne dabei den Datenschutz zu verletzen. Die physische Charakterisierung des Raumes erfolgt auf Basis hoch aufgelöster, optischer Satellitenbilddaten für die Erfassung der Landbedeckung und digitaler Oberflächenmodelle (DOM) für die Ableitung von Einzelgebäuden, welche die Bebauungsstruktur beschreiben. Dabei werden in einem objektorientierten Bildanalyseverfahren die Informationen aus dem Satellitenbild und dem DOM komplementär verwendet. Für die Einzelgebäude wird darüber hinaus auch noch ein Verfahren zur Abschätzung der Geschosszahl entwickelt und einzelne Gebäudetypen werden auf Basis von 2D und 3D Formmerkmalen klassifiziert. Die aus den Fernerkundungsdaten abgeleiteten physischen Merkmale werden auf der räumlich übergeordneten Ebene des Baublocks zu Nachbarschaftsmerkmalen zusammengefasst und stellen die räumlichen Kontextmerkmale für die sozialwissenschaftliche Analyse dar. Diese Nachbarschaftsmerkmale werden mit den Daten sozialwissenschaftlicher Surveys verknüpft, wodurch im erstellten Datensatz sowohl die sozioökonomischen Merkmale als auch die räumlichen Kontextmerkmale aus den Fernerkundungsdaten zur Verfügung stehen. Durch die Analyse beider Informationen werden die unterschiedlichen räumlichen Bezüge der Surveydaten und der räumlichen Kontextmerkmale untersucht. Konkret wird anhand einer empirischen Untersuchung zur innerstädtischen, räumlichen Segregation des Haushaltseinkommens sowohl die Möglichkeit zur technischen Integrierung der räumlichen Merkmale evaluiert, als auch quantitative Beziehungen zwischen sozioökonomischen und räumlichen Merkmalen untersucht. Sie zeigen, dass der Raum in Kombination mit Informationen über Personen und Haushaltsdaten aus den Surveys einen relevanten, zusätzlichen Erklärungsgehalt in statistischen, sozialwissenschaftlichen Modellen aufweist. Humans change and shape the landscape. There exists a reciprocal relationship, whereby the natural environment is affected by human activities, while the physical landscape affects the behavior of people. This provides context for social scientific research. For the physical detection of space and its characteristics, earth observation can be considered as an established tool. Against this background, the major goal in this dissertation is the derivation of spatial features in urban areas derived by remote sensing data for the integration into socio-economic studies by the example of the two cities, Berlin and Munich. To reach this goal, a conceptual framework is developed in the context of this thesis. This framework describes the linking of remote sensing data and social scientific data from the socio-economical surveys SOEP and BASE-II. The address information of the participants of these studies can be processed spatially for the first time in the history of these studies, without impacting individual data protection. The physical characterization of space is achieved with high resolution satellite images and digital surface models. These data sets are used to derive land cover classifications and individual building footprints, including their height to describe the development structure. An object-based image analysis procedure is then applied to extract the complementary information from both data sets. For the individual buildings another procedure is applied to estimate the number of building levels and several building types are classified by 2D and 3D features. All the derived physical features from the remote sensing data are summarized on the spatial level of the building block and represent the contextual features for the social scientific analysis. Those contextual features are linked with the data of the socio-economic surveys. Hence, both information from the contextual features and socio-economic features from the surveys are accessible for the analysis. By analyzing both information types, the various spatial references are investigated. Specifically, an empirical study is performed to investigate the intra-urban spatial segregation of household incomes. Additionally, potential for the technical integration of spatial features, as well as the quantitative relationships between socio-economic and spatial features, are investigated. They show that space, in combination with information about individuals and households from the surveys, shows additional, relevant explanatory information in statistical social scientific models.