Schriftenreihe, Heft 1/2020

Schriftenreihe des LfULG, Heft 1/2020 | 2

Konzepte großmaßstäbiger Bodenkarten

Sachsens

Michael Steininger, Daniel Wurbs, Markus Möller, Henning Gerstmann

Schriftenreihe des LfULG, Heft 1/2020 | 3

Inhalt

4.1

Qualitätsprüfung der bodenkundlichen Datenbestände .......................................................................... 16

4.1.1

Bodenaufschlüsse aus Oracle-Datenbank (FIS-Datensatz) ................................................................... 16

4.1.2

Digitale Bodenkarte 1:50.000 (digBK50) ................................................................................................. 16

4.2

Qualitätsprüfung der Unterlagen der Bodenschätzung ........................................................................... 17

5.1

Analyse und Aufbereitung der Landnutzungsdaten ................................................................................ 18

5.2

Aufbereitung des digitalen Geländemodells (DGM5) .............................................................................. 20

6.1

Ableitung von Reliefparametern .............................................................................................................. 21

6.2

Ableitung von Reliefeinheiten und Reliefklassifizierung .......................................................................... 25

7.1

Bewertung der räumlichen Repräsentativität der Bodendaten ............................................................... 30

7.2

Bewertung der inhaltlichen Qualität der Bodendaten .............................................................................. 37

7.3

Transformation der Bodenarten der Bodenschätzung in die Nomenklatur der Bodenkundlichen

Kartieranleitung KA5 ............................................................................................................................... 38

8.1

Einführung ............................................................................................................................................... 42

8.2

Parametrisierung der Prozesskette ......................................................................................................... 43

8.3

Interpolation ............................................................................................................................................. 46

8.4

Data-Mining ............................................................................................................................................. 49

8.4.1

Beschreibung des Algorithmus und der Modellgütemaße ...................................................................... 49

8.4.2

Beschreibung der verwendeten qualitativen und quantitativen Bodenparameter ................................... 51

8.4.3

Prognoseergebnisse und Modellgütemaße für die erste Bodenschicht (Testlauf) ................................. 53

8.4.3.1

Prognoseergebnisse und Modellgütemaße für den Bodenparameter Bodenart .................................... 53

8.4.3.2

Prognoseergebnisse und Modellgütemaße für den Bodenparameter Nutzbare Feldkapazität des

effektiven Wurzelraumes ......................................................................................................................... 57

8.4.3.3

Interpretation der Ergebnisse .................................................................................................................. 59

8.4.4

Prognoseergebnisse und Modellgütemaße für den gesamten Wurzelraum ........................................... 60

8.4.4.1

Prognoseergebnisse und Modellgütemaße für den Bodenparameter `Bodenart` .................................. 60

8.4.4.2

Prognoseergebnisse für die Bodenparameter Humusgehalt und abgeleiteter K

B

-Faktor ....................... 64

8.4.4.3

Prognoseergebnisse und Modellgütemaße für den Bodenparameter Nutzbare Feldkapazität des

effektiven Wurzelraumes (nFKWe) ......................................................................................................... 66

9.1

Methodik .................................................................................................................................................. 72

9.2

Prognoseergebnisse und Modellgütemaße ............................................................................................ 74

10.1

Zusammenfassung .................................................................................................................................. 77

10.2

Prozessablauf zur Ableitung großmaßstäbiger Bodenkarten ................................................................. 77

Schriftenreihe des LfULG, Heft 1/2020 | 4

10.3

Aufschlussdaten der Bodenkundlichen Landesaufnahme aus dem FIS-Boden-Datensatz ................... 79

10.4

Unterlagen Punktdaten Bodenschätzung ................................................................................................ 79

10.5

Modellansatz Flächendaten Bodenschätzung ........................................................................................ 80

Schriftenreihe des LfULG, Heft 1/2020 | 5

Abbildungsverzeichnis

Abbildung 1:

Verfügbarkeit digitaler Daten der Bodenkundlichen Landesaufnahme im FIS Boden ................. 11

Abbildung 2:

Verfügbarkeit digitalisierter Grablöcher der Bodenschätzung ...................................................... 12

Abbildung 3:

Lage der Untersuchungsgebiete im Freistaat Sachsen ................................................................ 14

Abbildung 4:

Verfügbarkeit digitaler Daten des FIS Boden im erweiterten Testgebiet Mittelsachsen ............... 15

Abbildung 5:

Verfügbarkeit digitaler Grablöcher im erweiterten Testgebiet Mittelsachsen ............................... 15

Abbildung 6:

Grünland- und Ackerlandflächen im Testgebiet Mittelsachsen..................................................... 18

Abbildung 7:

Landnutzungsstruktur im erweiterten Testgebiet Mittelsachsen ................................................... 20

Abbildung 8:

Entfernung anthropogener Reliefformen im DGM ........................................................................ 20

Abbildung 9:

Reliefattribut Bodenfeuchteindex .................................................................................................. 22

Abbildung 10: Reliefattribut‚ Flood-plain Index .................................................................................................... 23

Abbildung 11: Reliefattribut‚ Massenbilanzindex ................................................................................................. 23

Abbildung 12: Reliefattribut‚ Topographic Position Index ................................................................................... 24

Abbildung 13: Reliefattribut‚ Normalisierte Höhe ................................................................................................. 24

Abbildung 14: Reliefattribut‚ relative Höhendifferenz zu Fließgewässern ............................................................ 25

Abbildung 15: Primäre Klassifikation in hierarchische Obereinheiten ................................................................. 26

Abbildung 16: Sekundäre semantische Klassifikation und Zusammenführung zu einfachen Nomenklaturen .... 27

Abbildung 17: Reliefklassifizierung des Attributes „Aue“ im erweiterten Testgebiet Mittelsachsen..................... 28

Abbildung 18: Verteilung der Anteile der Flächengrößen der Bezugseinheiten .................................................. 29

Abbildung 19: Lage der FIS-Aufschlüsse innerhalb der Reliefklassen ................................................................ 30

Abbildung 20: Einordnung von Analysenergebnissen nach Köhn für die Bodenart L, fs3 .................................. 39

Abbildung 21: Klassifizierung der Bodenarten für die unterschiedlichen Transformationsmethoden ................. 41

Abbildung 22: Fließschema zur Prognose und Interpolation von Bodenparametern und -klassen ..................... 43

Abbildung 23: Korngrößendiagramm der KA5, generiert mit dem R-Paket soiltexture ....................................... 44

Abbildung 24: Reliefeinheiten, Positionen der FIS-Aufschlüsse und Grablöcher vor dem

Hintergrund des Reliefparameters Bodenfeuchteindex – Testgebiet Mittelsachsen .................... 45

Abbildung 25: Ausschnitt des Testgebietes Mittelsachsen mit Reliefobjekten sowie

die Häufigkeitsverteilung der Reliefobjektgrößen ......................................................................... 46

Abbildung 26: Semivariogramm, empirisches Variogramm und theoretische Variogrammfunktion

für die Kriging-Interpolation des Schluff- und Tongehaltes ........................................................... 47

Abbildung 27: Interpolationsergebnisse für den Schluff- und Tongehalt der obersten 10-cm-Schicht ................ 47

Abbildung 28: Prognoseergebnisse für den Schluff- und Tongehalt der obersten 10-cm-Schicht ...................... 48

Abbildung 29: Prinzip von Entscheidungsbaumverfahren ................................................................................... 49

Abbildung 30: Test- und Trainingsdaten der FIS-Aufschlüsse im erweiterten Testgebiet Mittelsachsen ............ 50

Abbildung 31: Die Konfusionsmatrix und Maße der Klassifikationsgenauigkeit .................................................. 51

Abbildung 32: Vor- und Nachteile der Verwendung qualitativer und quantitativer Bodenparameter

zur Ableitung hochauflösender Bodenkarten durch geostatistische Verfahren ............................ 53

Abbildung 33: Aus FIS-Daten und transformierten Daten der Bodenschätzung abgeleitete

Bodenarten (Testgebiet Mittelsachsen) ........................................................................................ 54

Abbildung 34: Aus FIS-Daten und Daten der Bodenschätzung abgeleitete nFKWe

(Testgebiet Mittelsachsen) ............................................................................................................ 58

Abbildung 35: Prognosegenauigkeit der Bodenart und Bodenarten-Gruppe des Oberbodens

im Vergleich mit den FIS- und GLB-Aufschlüssen ........................................................................ 61

Abbildung 36: Prognose der Bodenart des Oberbodens im Vergleich mit den FIS-Aufschlüssen ...................... 62

Abbildung 37: Prognose der Bodenart des Oberbodens im Vergleich mit den GLB-Aufschlüssen .................... 62

Schriftenreihe des LfULG, Heft 1/2020 | 6

Abbildung 38: Prognose der Bodenartengruppe des Oberbodens im Vergleich mit den FIS-Aufschlüssen ....... 63

Abbildung 39: Prognose der Bodenartengruppe des Oberbodens im Vergleich mit den GLB-Aufschlüssen ..... 63

Abbildung 40: Prognose des Humusgehaltes des Oberbodens im Vergleich mit den FIS-Aufschlüssen ........... 64

Abbildung 41: Prognose des Humusgehaltes des Oberbodens im Vergleich mit den GLB-Aufschlüssen ......... 65

Abbildung 42: Prognose des K

B

-Faktors des Oberbodens im Vergleich mit den FIS-Aufschlüssen ................... 65

Abbildung 43: Prognose des K

B

-Faktors des Oberbodens im Vergleich mit den GLB-Aufschlüssen ................. 66

Abbildung 44: Vergleich der nFKWe-Klassen der Aufschlussdaten mit Prognosevarianten und

aus der Bodenart abgeleiteten Werten ......................................................................................... 67

Abbildung 45: Vergleich der nFKWe-Klassen der Aufschlussdaten mit Prognosevarianten und

aus der Bodenart abgeleiteten Werten ......................................................................................... 68

Abbildung 46: Statistische Kennwerte zur Übereinstimmung zwischen Prognosedaten und

Aufschlüssen für Parameter nFKWe............................................................................................. 69

Abbildung 47: Abweichung der nFKWe-Klassen der Prognosewerte von den Klassen der Aufschlussdaten .... 70

Abbildung 48: Prognose des nFKWe im Vergleich mit den FIS-Aufschlüssen .................................................... 70

Abbildung 49: Prognose des nFKWe im Vergleich mit den GLB-Aufschlüssen .................................................. 71

Abbildung 50: Aus den Klassenzeichen der Bodenschätzung abgeleitete Werte für die

Bodenzahl und die nFKWe nach hessischem Modellansatz ........................................................ 74

Abbildung 51: Vergleichskarte der nFKWe-Klassen der Aufschlussdaten mit Ergebnissen

nach hessischem Modellansatz und digBK50 .............................................................................. 75

Abbildung 52: Statistische Güte der Übereinstimmung der nach hessischem Modellansatz

abgeleiteten nFKWe mit den nFKWe-Werten der FIS-Aufschlüsse ............................................. 76

Abbildung 53: Prozessablauf zur großmaßstäbigen Ausweisung von Bodenfunktionen .................................... 78

Abbildung 54: Anhang Karte 1 – Vergleichskarte (Oberboden) – Aufschlüsse und

Prognosedaten FIS/GLB und digBK50 ......................................................................................... 85

Abbildung 55: Anhang Karte 2 – Vergleichskarte Bodenartengruppe (Oberboden) – Aufschlüsse

und Prognosedaten FIS/GLB und digBK50 .................................................................................. 86

Abbildung 56: Anhang Karte 3 – Vergleichskarte Humusgehaltsstufen (Oberboden) – Aufschlüsse

und Prognosedaten FIS/GLB und digBK50 .................................................................................. 87

Abbildung 57: Anhang Karte 4 – Vergleichskarte KB-Faktor – Aufschlüsse und Prognosedaten

FIS/GLB und digBK50 ................................................................................................................... 88

Abbildung 58: Anhang Karte 5 – Vergleichskarte nutzbare Feldkapazität des effektiven

Wurzelraumes – Aufschlüsse und Prognosedaten FIS/GLB und digBK50 .................................. 89

Schriftenreihe des LfULG, Heft 1/2020 | 7

Tabellenverzeichnis

Tabelle 1:

Flächenanalyse ATKIS-DLM- und INVEKOS-Daten .......................................................................... 19

Tabelle 2:

Beschreibung der Reliefparameter21

Tabelle 3:

Darstellungsgrößen und -arten .......................................................................................................... 28

Tabelle 4:

Anzahl und Raumdichte der FIS-Aufschlüsse in den Landnutzungseinheiten .................................. 31

Tabelle 5:

Anzahl und Raumdichte der FIS-Aufschlüsse in den Reliefeinheiten ................................................ 32

Tabelle 6:

Anzahl und Raumdichte der FIS-Aufschlüsse in den Reliefeinheiten (Ackerland) ............................ 32

Tabelle 7:

Lage der Reliefpositionen der FIS-Aufschlüsse nach Kartierer in Reliefeinheiten (Mittelsachsen) ... 33

Tabelle 8:

Lage der Reliefpositionen der FIS-Aufschlüsse nach Kartierer in Reliefeinheiten (Ostsachsen) ...... 34

Tabelle 9:

Verwendbarkeit der FIS-Aufschlussdaten nach Prüfung der Plausibilität ihrer

Reliefposition (Testgebiet Mittelsachsen; Lösshügelland) ................................................................. 35

Tabelle 10: Verwendbarkeit der FIS-Aufschlussdaten nach Prüfung der Plausibilität ihrer

Reliefposition (Testgebiet Mittelsachsen; Lösstiefland) ..................................................................... 35

Tabelle 11: Verwendbarkeit der FIS-Aufschlussdaten nach Prüfung der Plausibilität ihrer

Reliefposition (Testgebiet Ostsachsen; Lösslandschaften des Berglandes) ..................................... 35

Tabelle 12: Verwendbarkeit der FIS-Aufschlussdaten nach Prüfung der Plausibilität ihrer

Reliefposition (Testgebiet Ostsachsen; Saure Magmatite) ................................................................ 36

Tabelle 13: Anzahl und Raumdichte der Grablöcher (FESCH) in den Landnutzungseinheiten

(Testgebiet Mittelsachsen) ................................................................................................................. 36

Tabelle 14: Abgeleitete Korngrößenfraktionen für die Bodenarten nach KA5 ...................................................... 44

Tabelle 15: Interne und externe Gütemaße für die Prognose des Schluff- und Tongehaltes .............................. 48

Tabelle 16: Statistische Kennwerte zur Übereinstimmung Prognosedaten und Aufschlüsse

für Parameter Bodenart ...................................................................................................................... 54

Tabelle 17: Übereinstimmung Prognosedaten und Aufschlüsse für Parameter

Bodenart – Korrigierte FIS-Daten ....................................................................................................... 55

Tabelle 18: Übereinstimmung Prognosedaten und Aufschlüsse für Parameter

Bodenart – Bodenschätzungsdaten (Transformation NIBIS-Schlüssel) ............................................ 55

Tabelle 19: Übereinstimmung Prognosedaten und Aufschlüsse für Parameter

Bodenart – Bodenschätzungsdaten (Transformation standortspezifische Anpassung) .................... 56

Tabelle 20: Übereinstimmung Prognosedaten und Aufschlüsse für Parameter Bodenart –

Bodenschätzungsdaten (Transformation mittels NIBIS-Schlüssel) + FIS-Daten ............................... 56

Tabelle 21: Übereinstimmung Prognosedaten und Aufschlüsse für Parameter Bodenart –

Bodenschätzungsdaten (Transformation durch standortspezifische Anpassung) + FIS-Daten ........ 57

Tabelle 22: Übereinstimmung der transformierten Bodenarten der Bodenschätzung mit den

Angaben der FIS Aufschlüsse für den ersten Dezimeter ................................................................... 59

Tabelle 23: Übereinstimmung der Prognosedaten und Aufschlussdaten für den Parameter

Bodenart der ersten Bodenschicht – Testdatensatz FIS-Aufschlüsse ............................................... 60

Tabelle 24: Übereinstimmung der Prognosedaten und Aufschlussdaten für den Parameter

Bodenart der ersten Bodenschicht – Testdatensatz GLB-Aufschlüsse ............................................. 61

Tabelle 25: Ergebnisbeispiele für die nFKWe nach hessischem Modellansatz für den

vereinfachten Ackerschätzungsrahmen ............................................................................................. 73

Schriftenreihe des LfULG, Heft 1/2020 | 8

Abkürzungsverzeichnis

ABAG

Allgemeine Bodenabtragsgleichung

AG

Auftraggeber

ALKIS

Amtliches Liegenschaftskatasterinformationssystem

ATKIS-DLM

Digitales Basis-Landschaftsmodell

BDF

Bodendauerbeobachtungsflächen

BA

Bodenart

BAG

Bodenartengruppe

BLA

Bodenkundliche Landesaufnahme

BOSSA-SH

Bodenschätzungs-Standard-Auswertung Schleswig-Holstein

BS

Bodenschätzung

BS-KLZ

Klassenzeichen der Bodenschätzung

DB

Datenbank

DGM

Digitales Geländemodell

digBK50

Digitale Bodenkarte 1:50.000

FESCH

Feldschätzungsbuch

FIS

Fachinformationssystem

GG

Gesamtgenauigkeit

GIS

Geoinformationssystem

GK

Gauß-Krüger

GK25

Geologische Karte 1:25.000

GLB

Grablockbeschrieb

GMK

Geomorphographische Karte

HG

Herstellergenauigkeit

HUT

Höhe über Tiefenlinie

INVEKOS

Integriertes Verwaltungs- und Kontrollsystem

KA4

Bodenkundliche Kartieranleitung, 4.Aufage

KA5

Bodenkundliche Kartieranleitung, 5.Aufage

KA6

Bodenkundliche Kartieranleitung, 6.Aufage

LAGB

Landesamt für Geologie und Bergwesen Sachsen-Anhalt

Ld

Lagerungsdichte

LfULG

Landesamt für Umwelt, Landwirtschaft und Geologie

LMBV

Lausitzer und Mitteldeutsche Bergbau-Verwaltungsgesellschaft

MMK

Mittelmaßstäbige landwirtschaftliche Standortkartierung

MBI

Massenbilanzindex

nFKWe

nutzbare Feldkapazität des effektiven Wurzelraumes

NIBIS

Niedersächsisches Bodeninformationssystem

NG

Nutzergenauigkeit

RA

Reliefattribut

RMSE

Root Mean Square Error

TK

Topographische Karte

Schriftenreihe des LfULG, Heft 1/2020 | 9

Für den Freistaat Sachsen liegt als bodenkundliches Kartenwerk die blattschnittfreie digitale Bodenkarte im Maß-

stab 1:50.000 (digBK50) vor. Darin sind repräsentative Leit- und Begleitbodenformen als Legendeneinheiten räum-

lich dargestellt und durch Profilangaben gekennzeichnet. Im Fachinformationssystem (FIS) Boden des Sächsi-

schen Landesamtes für Umwelt, Landwirtschaft und Geologie (LfULG) sind etwa 60.000 Bodenprofile sowie 64.000

Flächendaten der digBK50 enthalten.

Für die Unterlagen der Bodenschätzung liegen digitalisierte Erfassungsdaten als Punkt- und Flächendatensätze für

einzelne Gemarkungen vor. Ausgehend vom flächendeckenden Vorhandensein der mittelmaßstäbigen digBK50

und räumlich hochauflösender Punkt- und Flächendatensätze im FIS Boden sowie der Bodenschätzungsdaten war

es Ziel des Vorhabens, auf Basis des genannten Datenbestandes Prozessabläufe zu entwickeln, mit denen groß-

maßstäbige Bodenfunktionskarten, einschließlich relevanter Bodenkennwerte, erzeugt werden können.

Zur Anwendung kamen digitale Gelände- und Landschaftsmodelle und geostatistische Berechnungsmethoden, die

eine Prognose der Entwicklung von Bodenkennwerten in die Fläche ermöglichen. Zu bewerten war die Aussage-

dichte und Aussageintensität der Punktdaten sowohl der BK50, als auch der Bodenschätzung.

Zielebenen sind qualitative bodenkundliche Merkmale, wie z. B. Bodenart oder Humusgehalt, aus denen Karten

generiert und bodenkundliche Sekundärinformationen abgeleitet werden können, von denen verschiedene Anwen-

dungsbereiche, wie Bodenschutz, Bodenkartierung, Landwirtschaft, Hochwasserschutz sowie kommunale und

lokale Planung profitieren können. Zusätzlich sind quantitative Parameter wie die nutzbare Feldkapazität direkte

Zielmerkmale, die einen kontinuierlichen metrischen Verlauf aufweisen und somit gut für direkte Auswertungen

geeignet sind. Folgende Arbeitsbereiche sind Schwerpunkt des Vorhabens:

Übernahme, Qualitätsprüfung, Homogenisierung und Generalisierung der im FIS Boden vorhandenen Datenbe-

stände als Grundlage für die Eruierung und Anwendung von Methoden zur Ableitung großmaßstäbiger Bodenin-

formationen

Eruierung, Zusammenstellung, Bewertung und testweise Anwendung von geostatistischen Berechnungs-, Inter-

polations- und Darstellungsmethoden zur maßstabsgerechten Erarbeitung digitaler Bodeninformationen (Boden-

kennwerte)

Erarbeitung eines methodischen Handlungsleitfadens zur landesweiten Übertragung der Methoden und Bewer-

tung des Optimierungsgrades durch Einbeziehung der Unterlagen der Bodenschätzung

Praktische Anwendung der eruierten Methoden für festzulegende Bodenkennwerte in ausgewählten Test- bzw.

Untersuchungsgebieten

Zusammenfassung der Ergebnisse

Schriftenreihe des LfULG, Heft 1/2020 | 10

Für die Projektbearbeitung wurden folgende Daten durch das LfULG in digitaler Form bereitgestellt:

Bodenaufschlüsse aus Oracle-DB des Fachinformationssystems Boden (FIS), einschließlich bewerteter Leitpro-

filaufschlüsse der Bodenkundlichen Landesaufnahme (BLA)

Digitale Bodenkarte 1:50.000 (digBK50) mit den Parametern des Oberbodens

Bodenlandschaften und -regionen

Daten der Bodenschätzung (Polygone der Klassenflächen; Aufschlusspunkte, Musterstücke)

FESCH-Grablöcher mit Schicht- und Horizontdaten für zwei Testgebiete (Mittel-, Ostsachsen)

Waldbodenkarte

Geologische Karte 1:50.000 (GK50)

Geomorphographische Karte 1:20.000 (GMK20)

Digitales Geländemodell 2 m (DGM2) und 5 m (DGM5)

Digitales Landschaftsmodell (ATKIS-DLM)

Feldblockgrenzen aus INVEKOS

Gemeinde- und Gemarkungsgrenzen

Grenzen der Bodenlandschaften

Aus dem übergebenen FIS-Datenstand wurde für die Projektbearbeitung ausschließlich auf die Aufschlüsse der

Bodenkundlichen Landesaufnahme (BLA) und die Bodendauerbeobachtungsflächen (BDF) zurückgegriffen. Aus-

schlaggebend hierfür war, dass diese Bodenansprachen auf der Grundlage der Bodenkundlichen Kartieranleitung

(KA5; AD-HOC-AG BODEN 2005) erfolgten und vollständige Profilbeschreibungen vorliegen. Zur Vereinfachung wird

nachfolgend die Kurzform der Bodenkundlichen Kartieranleitung (KA) ohne Quellenangabe verwendet. Auf dieser

Grundlage war es möglich, bodenkundliche Auswertungen und Parameterzuweisungen durchzuführen, die dem

Qualitätsanspruch einer hochauflösenden Bodenkarte entsprechen. Dieser Anspruch konnte von den anderen in

der FIS-Datenbank enthaltenen Aufschlüssen nicht gewährleistet werden bzw. hätte es einer eingehenden Quali-

tätsprüfung der Profilbeschreibungen bedurft, was nicht Inhalt und Gegenstand des Projektes war.

Um die Daten der Bodenschätzung im Projekt nutzen zu können, erfolgte die Transformation der Bodenarten der

Bodenschätzung in die Nomenklatur der KA5 im Rahmen der Projektbearbeitung mittels unterschiedlicher Trans-

formationsschlüssel. Einen Überblick über die räumliche Verteilung der verfügbaren digitalen Bodenaufschlüsse

des FIS Boden und der Grablöcher der Bodenschätzung im Freistaat Sachsen geben Abbildung 1 und Abbil-

dung 2.

Im Rahmen der geostatistischen Modellierung wurde der Versuch unternommen, die Boden-Relief-Beziehungen

der Bodenschätzungsdaten auch auf nichtlandwirtschaftlich genutzte Flächen zu transformieren. Die Gütemaße für

diese Flächen sind jedoch sehr gering, deshalb sollten die Ergebnisse der Bodenschätzung ausschließlich für

landwirtschaftlich genutzte Flächen verwendet werden.

Die übergebenen Daten wurden aus den unterschiedlichen Datenformaten in ein einheitliches GIS-Format und

Koordinatensystem (ETRS 89/ UTM-Zone 33N) überführt und in eine GIS-Datenbank eingearbeitet.

Schriftenreihe des LfULG, Heft 1/2020 | 11

Schriftenreihe des LfULG, Heft 1/2020 | 12

Schriftenreihe des LfULG, Heft 1/2020 | 13

Die Bearbeitung des Projektes erfolgte in zwei Arbeitsetappen. Innerhalb der ersten Etappe standen die Eruierung

und Anwendung von Methoden im landesweiten Maßstab und deren praktische Anwendung in ausgewählten Test-

bzw. Untersuchungsgebieten im Fokus der Arbeiten. Hierzu wurden durch das LfULG zwei Testgebiete mit einer

Gesamtfläche von jeweils 100 km² (Abbildung 3) ausgewählt. Das Testgebiet Mittelsachsen befindet sich innerhalb

der Landschaftseinheiten „Nordsächsisches Lösstief- und Plattenland“ im Norden und „Mittelsächsisches Lösshü-

gelland“ im südlichen Teil. Zusätzlich sind kleinere Ausschnitte dem „Riesa-Torgauer Elbtal“ zuzuordnen. Das

Testgebiet Ostsachsen gehört zu großen Teilen dem „Bautzner- und Oberlausitzer Lösshügelland“ an. Im Südwes-

ten reichen bereits die Ausläufer des „Oberlausitzer Hügellandes“ in das Gebiet hinein.

Die Qualitätsprüfung und Homogenisierung der FIS-Datenbestände der Bodenkundlichen Landesaufnahme konn-

ten aufgrund der für den gesamten Freistaat vorliegenden Bodenaufschlüsse landesweit durchgeführt werden.

Dagegen liegen die Daten der Bodenschätzung und die FESCH-Grablöcher mit den zugehörigen Schicht- und

Horizontdaten noch nicht flächendeckend, sondern nur für einzelne Gemarkungen des Freistaates Sachsen, u. a.

für die oben genannten Testgebiete vor. Um dennoch eine vergleichende Bewertung der räumlichen Repräsentati-

vität und der inhaltlichen Qualität der Datenbestände sowie die Anwendung erster Tests zur Erarbeitung und An-

wendung von Methoden zur Erstellung großmaßstäbiger Bodenkarten unter Nutzung der BLA- und FESCH-Daten

durchführen zu können, erfolgte dies exemplarisch in den beiden Testgebieten.

Um im Ergebnis dieser 1. Arbeitsetappe die Prozesskettenentwicklung und Anwendung von geostatistischen Inter-

polations- und Prognosemethoden zur Ableitung von Bodenkennwerten in einem Landschaftsausschnitt mit unter-

schiedlichen Relief-, Boden-, Geologie- und Landnutzungseigenschaften gesamtheitlich entwickeln und erproben

zu können, wurde in der 2. Arbeitsetappe das Untersuchungsgebiet Mittelsachsen priorisiert und nach Norden er-

weitert. Das erweiterte Testgebiet Mittelsachsen weist eine Fläche von 281 km² auf und umfasst 83 Gemarkungen.

Neben den oben genannten Landschaftseinheiten ist der nordöstliche Teil zusätzlich der „Elsterwerda-Herzberger

Elsterniederung“ zuzuordnen. Darüber hinaus nimmt die Landschaftseinheit „Nordsächsisches Lösstief- und Plat-

tenland“ einen deutlich größeren Anteil an der Gesamtfläche ein als im zunächst festgelegten 100 km² großen

Testgebiet. Insgesamt liegen im Untersuchungsraum 662 FIS-Aufschlüsse der Bodenkundlichen Landesaufnahme

sowie 12.133 digitale FESCH-Grablöcher der Bodenschätzung mit Schicht- und Horizontdaten vor (Abbildung 4

und Abbildung 5). Zugunsten des erweiterten Testgebiets Mittelsachsen wurde auf eine vertiefende Betrachtung

des ursprünglich geplanten Testgebietes Ostsachsen verzichtet.

Schriftenreihe des LfULG, Heft 1/2020 | 14

Schriftenreihe des LfULG, Heft 1/2020 | 15

Schriftenreihe des LfULG, Heft 1/2020 | 16

4.1 Qualitätsprüfung der bodenkundlichen Datenbestände

In einem ersten Arbeitsschritt erfolgte die GIS-basierte Prüfung der Punktdaten der Bodenaufschlüsse aus der

Oracle-DB. Hierfür standen sowohl der Gesamtdatenbestand an Bodenaufschlüssen als auch der extrahierte und

weiterverarbeitete Datensatz der ausschließlich im Rahmen der Bodenkundlichen Landesaufnahme erfassten Bo-

denaufnahmen zur Verfügung. Folgende Erkenntnisse lieferte die erste Datenprüfung des Gesamtdatenbestandes:

Koordinatensystem

Punktdaten sind in unterschiedlichen Gauß-Krüger-Zonen (GK) 4 und 5 abgelegt.

Die Zylinder liegen für einzelne Aufschlüsse nicht sauber getrennt vor; teils liegen Aufschlüsse aus GK 4 in

GK 5.

Einzelne Aufschlüsse weisen eine komplett fehlerhafte Lage auf und konnten aufgrund der Lageunsicher-

heit nicht weiterverwendet werden.

Metadaten

Die Liste zu Inhalten der Projekte ist unvollständig bzw. ist eine eindeutige Definition der Intensität der Auf-

schlüsse nicht vorhanden.

Die Art des Aufschlusses fehlt teilweise.

Nach Abschluss der Qualitätsprüfung für den gesamten Datenbestand erfolgte die Übergabe eines Teildatenbe-

standes aus der Oracle-DB, der ausschließlich die Ergebnisse der Bodenkundlichen Landesaufnahme umfasst. Da

dieser Datensatz ergänzende Parameterangaben enthielt, die für die weiterführende Projektbearbeitung relevant

waren, erfolgte auch hier die Prüfung des Datenbestandes. Im Vordergrund stand die Prüfung der Lagegenauigkeit

der Aufschlüsse mittels einer Analyse der im Datensatz enthaltenen Koordinaten.

Unter Berücksichtigung ihrer Lage in Nutzungs- und Reliefeinheiten erfolgte in einer zweiten Stufe die Bewertung

der Bodenaufschlüsse in den festgelegten Testgebieten hinsichtlich ihrer Repräsentativität für die weiterführenden

Untersuchungen. Dieser schloss sich die Prüfung ausgewählter Bodenkennwerte der Aufschlüsse der Bodenkund-

lichen Landesaufnahme (BLA) an. Im Detail wird hierzu in den Kapiteln 7.1 und 7.2 eingegangen.

Die Analyse der digBK50 ergab folgende Erkenntnisse:

Es existieren drei Darstellungsgrößen, die sich an Blattschnittgrenzen der Topographischen Karte 1:25.000

(TK25) orientieren und etwa Maßstabsebenen von 1:25.000 bis 1:50.000 entsprechen.

In Bereichen höherer Auflösungen liegt eine deutlich höhere Informationsdichte vor (z. B. Kolluvialböden).

Die kleinste Größe der Kartierungseinheiten weicht von der Vorgabe 4-6 ha für digBK 50 ab.

Im Projektverlauf wurde darauf verzichtet, die Raumeinheiten (Polygone) der digBK50 als räumliche Bezugseinhei-

ten für die relief-nutzungsbasierte Anwendung geostatistischer Berechnungs- und Interpolationsmethoden zu nut-

Schriftenreihe des LfULG, Heft 1/2020 | 17

zen. Vielmehr wird auf die aufbereitete Datenbank (Punktdaten) der Bodenkundlichen Landesaufnahme (FIS-

Daten) zurückgegriffen. Die digBK50 wurde als Vergleichskarte den Ergebnissen der Bodenprognose (siehe An-

hang) gegenübergestellt.

4.2 Qualitätsprüfung der Unterlagen der Bodenschätzung

Die übergebenen Unterlagen der Bodenschätzung beinhalten die ALKIS-Karte der Klassenflächenzeichen und den

FESCH-Auszug der Grablochbeschriebe. Die Verknüpfung von Grablöchern mit den zugehörigen Klassenflächen

erfolgt über die Felder Flid (= ID der Klassenfläche) und Pidf (ID des Grablochbeschriebes). Im Rahmen der Digita-

lisierung der Grablochbeschriebe durch die Finanzverwaltungen in das FESCH wurde das durch den amtlichen

Bodenschätzer aufgenommene Bodengefüge (Feld: BOGEFn; n = Schichtnummer), welches Angaben zum Hu-

mus-, Skelett-, Kalk- und Eisengehalt sowie die Bodenart - Hauptbodenart + Nebenbodenart + Ergänzung enthält,

bereits in entsprechende Einzelfelder zerlegt.

Da die ALKIS- und die FESCH-Daten in Sachsen durch unterschiedliche Behörden geführt werden, wurde durch

das LfULG der FESCH-Datensatz als der Datenbestand, der relevant für die Ableitung bodenkundlicher Informati-

onen ist, logisch und fachlich geprüft sowie mit den Grablochkoordinaten aus dem ALKIS verknüpft. Innerhalb des

Projektes wurde somit davon ausgegangen, dass die Lage der Grablöcher korrekt ist. Eine nochmalige Prüfung auf

Übereinstimmung der Angaben aus der Karte der Klassenzeichen mit den Grablöchern erfolgte nicht.

Aus diesem Datensatz erstellte das LfULG einen Auszug für die Gemarkungen des Testgebietes, der gemar-

kungsweise übergeben und zu einem Datensatz vereinigt wurde. Dieser Datensatz bildete die Grundlage für die

weiteren Auswertungen und enthält u. a folgende projektrelevanten Daten:

Klassenzeichen

Boden-, Acker- und Grünlandzahl

Bodengefügebeschriebe

Mächtigkeit, Angabe der unteren Schichttiefe

Bodenart Bodenschätzung (Hauptbodenart, Nebenbodenart(en), Ergänzungen)

Skelett

Schriftenreihe des LfULG, Heft 1/2020 | 18

5.1 Analyse und Aufbereitung der Landnutzungsdaten

Für die Schaffung von Landnutzungs-Reliefeinheiten ist es erforderlich, räumliche Bezüge zwischen bodenkundli-

chen Daten und Landnutzungseinheiten (Acker, Grünland, Wald) herzustellen. Für die Differenzierung vorwiegend

landwirtschaftlicher Nutzungen (Acker-, Grünland) stehen als Datenbasis das digitale Landschaftsmodell (ATKIS-

DLM) und die Feldblockeinheiten aus dem INVEKOS-Datenbestand zur Verfügung. Abbildung 6 zeigt exemplarisch

für das Testgebiet Mittelsachsen die Flächenverteilung von Grün- und Ackerflächen für den ATKIS-DLM- und IN-

VEKOS-Datensatz. Sichtbar ist ein größerer Anteil an Grünlandflächen im ATKIS-DLM. Dies spiegelt gleicherma-

ßen der Vergleich für beide Testgebiete anhand Tabelle 1 wieder. Hierzu wurden sämtliche Grünland- und Acker-

flächen beider Datensätze miteinander verschnitten. Im Testgebiet Mittelsachsen sind für das ATKIS-DLM

915,2 ha als Grünland ausgewiesen, im INVEKOS-Bestand nur 758,8 ha. Daraus erklärt sich auch ein relativ ge-

ringer Deckungsgrad in beiden Datensätzen von 58,9 % (Mittelsachsen) bzw. 66,7 % (Ostsachsen). Deutlich höher

ist der Deckungsgrad für die Ackerflächen (> 90 %). In Addition der Acker- und Grünlandflächen zeigt der ATKIS-

DLM-Datensatz eine größere Gesamtfläche in beiden Testgebieten als der INVEKOS-Datensatz. Das lässt sich

vorwiegend durch die größere Lagegenauigkeit bei der Ausgrenzung der INVEKOS-Flächen erklären. Im Gegen-

satz zum ATKIS-DLM sind im INVEKOS-Datensatz nicht-landwirtschaftlich genutzte Flächen zwischen ausgewie-

senen Feldblöcken nicht belegt (z. B. Wege, Straßen, Gräben). Maßstabsbedingt ist eine solche Ausgrenzung im

ATKIS-DLM nicht vorhanden, sodass Flächengrenzen zwar durch Linien gekennzeichnet, aber geometrisch unge-

nauer ausgewiesen sind als beim INVEKOS-Datensatz.

Schriftenreihe des LfULG, Heft 1/2020 | 19

Die im INVEKOS-Datensatz gewährleistete hohe Flächengenauigkeit ist insbesondere bei der Einbeziehung von

Reliefinformationen von großer Bedeutung, um zu vermeiden, dass sich Ackerflächen rein geometrisch auf abge-

grenzten Verkehrsflächen mit Dammstrukturen befinden, und so Fehlinterpretationen bei der Reliefklassifikation

ergeben.

Gesamtfläche Acker - INVEKOS

7.595,9 ha

5.289,3 ha

Gesamtfläche Acker - ATKIS-DLM

7.629,4 ha

5.206,9 ha

Acker in INVEKOS enthalten/nicht in ATKIS-DLM enthalten

2,0 %

4,1 %

Acker in ATKIS-DLM enthalten/nicht in INVEKOS enthalten

2,4 %

4,4 %

Acker in INVEKOS und ATKIS-DLM enthalten

95,6 %

91,4 %

Gesamtfläche Grünland – INVEKOS

758,8 ha

1.175,6 ha

Gesamtfläche Grünland – ATKIS-DLM

915,2 ha

1.441,7 ha

Grünland in INVEKOS enthalten/nicht in ATKIS-DLM enthalten

13,1 %

7,1 %

Grünland in ATKIS-DLM enthalten/nicht in INVEKOS enthalten

28,0 %

26,3 %

Fläche Grünland in INVEKOS und in ATKIS-DLM enthalten

58,9 %

66,7 %

Im Rahmen des Vorhabens wurde der ATKIS-Datensatz als Landnutzungsgrundlage verwendet, da er flächende-

ckende Landnutzungsinformationen enthält.

Die Nutzungen Ackerland, Grünland, Wald, Obst und sonstige Vegetation wurden als überlagernder Datensatz in

den Testgebieten verwendet. Siedlungs- und Verkehrsflächen wurden nur informell klassifiziert und für die weitere

Analyse nicht berücksichtigt. Im Ergebnis standen für beide Testgebiete digitale Landnutzungskarten zur Verfü-

gung. Abbildung 7 zeigt die Landnutzungsklassifizierung für das erweiterte Testgebiet Mittelsachsen vor dem Hin-

tergrund der Verteilung der FIS-Aufschlüsse der Bodenkundlichen Landesaufnahme.

Schriftenreihe des LfULG, Heft 1/2020 | 20

5.2 Aufbereitung des digitalen Geländemodells (DGM5)

Im DGM 5 enthaltene anthropogene Elemente (v. a. Dämme im Bereich von Verkehrsanlagen) beeinflussen die

Ableitung von Reliefparametern und können Ergebnisse verfälschen. Demzufolge ist für die Reliefanalyse im Zu-

sammenhang mit der Bodenkundlichen Landesaufnahme ein DGM zu nutzen, welches möglichst die natürliche

Oberfläche abbildet. Insofern müssen anthropogene Reliefformen eliminiert werden. Dies wurde indirekt umge-

setzt, indem nur das DGM im Bereich der zuvor erarbeiteten Landnutzungsklassen Ackerland, Grünland und Wald

unverändert genutzt wurde. Für die Nutzungsbereiche außerhalb der genannten Klassen erfolgte die räumliche

Interpolation (Nivellierung) des DGM – ausgehend von den benachbarten Randbereichen. Abschließend wurde

eine manuelle Nachkontrolle und ggf. Korrektur auffälliger Strukturen im DGM vorgenommen. Abbildung 8 zeigt

exemplarisch das aufbereitete DGM (rechts) nach Eliminierung eines Straßenkörpers.

Schriftenreihe des LfULG, Heft 1/2020 | 21

6.1 Ableitung von Reliefparametern

Das bereitgestellte digitale Geländemodell bildet die Grundlage für die Ableitung geomorphometrischer Reliefattri-

bute (RA), die in drei Kategorien unterschieden werden können (WILSON und GALLANT 2000, HENGL und REUTER

2009):

Einfache Reliefattribute gehen aus der Anwendung lokaler Fensteroperationen hervor.

Komplexe Parameter sind das Ergebnis von Operationen, die sich auf Relationen räumlich entfernter Rasterzel-

len beziehen.

Kombinierte Attribute werden durch die Anwendung analytischer Funktionen auf einfache oder komplexe Attribu-

te berechnet.

Die verwendeten Attribute sind in Tabelle 2 dokumentiert. Deren Berechnung erfolgte unter Verwendung des

R-Paketes RSAGA (BRENNING 2008), dass den Zugriff auf Reliefanalysefunktionen des Programmes SAGA GIS

ermöglicht (CONRAD ET AL. 2015).

Höhe

DEM

Neigung

SLP

Winkel des größten Gefälles in Grad oder Pro-

zent

ZEVENBERGEN und THORNE (1987)

Vertikalkrümmung

KV

Veränderung der Neigungsstärke in Richtung

des potenziellen Wasserflusses

ZEVENBERGEN und THORNE (1987)

Horizontalkrümmung

KH

Longitudinale Veränderung der Neigungsstärke

ZEVENBERGEN und THORNE (1987)

Gesamtkrümmung

KG

Summe aus VK und HK

Bodenfeuchteindex

BFI

Grad der reliefabhängigen Feuchteverteilung

BEVEN und KIRKBY (1979

Flood-plain Index 1

FPI

Kennzeichnung der Tendenz einer Rasterzelle

hinsichtlich potenzieller Flachheit, hoher Fließ-

akkumulation und geringer Höhe über Tiefenli-

nie

(1 + N) * (1 - BFI) * (1 + HUT)

MÖLLER ET AL. (2012)

Modifizierter FPI

FPI2

(HUT + 1) * (1-BFI)

HÄRING ET AL. (2012)

Massenbilanzindex

MBI

Kennzeichnung der Tendenz einer Rasterzelle

zu Akkumulation, Abtrag oder ausgeglichener

reliefbezogener Massenbilanz unter Berücksich-

tigung der bodenspezifischen Erodierbarkeit

(VK + HK) * (1 + N)

MÖLLER ET AL. (2008, 2012); MÖLLER

und VOLK (2015); FRIEDRICH (1996)

Konvergenzindex

CI

KOETHE und LEHMEIER (1996)

Terrain Classification Index for

Lowlands

TCI

parametrisiert reliefbildende Prozesse in flach

geneigten Gebieten und in Tiefländern – gebil-

det aus HUT und BFI

BOCK ET AL. (2007)

Schriftenreihe des LfULG, Heft 1/2020 | 22

Fortsetzung Tabelle 2: Beschreibung der Reliefparameter

Topographic Position Index

TPI

GUISAN ET AL. (1999)

Relative Hangposition

RHP

Wert zwischen 0 = Hangfuß und 1 = Kamm

BOEHNER und SELIGE (2006);

MACMILLAN ET AL. (2004)

Höhe über Tiefenlinie

HUT

relative Höhendifferenz zu Tiefenlinien

CONRAD ET AL. (2015)

Höhe unter Kulminationslinie

HUK

relative Höhendifferenz zu Tiefenlinien auf Basis

des inversen DGM

CONRAD ET AL. (2015)

Höhe über Fließgewässer

HUF

relative Höhendifferenz zu Fließgewässern

CONRAD ET AL. (2015)

Multiresolution Index of Valley

Bottom

MRV BV

GALLANT und DOWLING (2003)

Flatness

OPN

Grad der Sichtbarkeit bzw. Offen-

heit/Geschlossenheit der (unregelmäßigen)

Landschaft von einem bestimmten Ort aus

YOKOYAMA ET AL. (2002)

Die Ableitung der Reliefparameter erfolgte sowohl für die Testgebiete Ost- und Mittelsachsen als auch für das er-

weiterte Untersuchungsgebiet Mittelsachsen. Die nachfolgenden Abbildungen zeigen exemplarisch für das erwei-

terte Testgebiet Mittelsachsen eine Auswahl der wichtigsten Reliefparameter.

Schriftenreihe des LfULG, Heft 1/2020 | 23

Schriftenreihe des LfULG, Heft 1/2020 | 24

Schriftenreihe des LfULG, Heft 1/2020 | 25

6.2 Ableitung von Reliefeinheiten und Reliefklassifizierung

Sowohl die Bewertung der räumlichen Repräsentativität der Bodendaten als auch die Anwendung von Methoden

zur Erstellung großmaßstäbiger Bodenkarten erfordern die Bildung von Bezugseinheiten (Polygone). Als solche

dienen Reliefeinheiten, die aus den Rasterdaten der Reliefparameter überführt werden. Unter Berücksichtigung der

Grenzen der Bodenlandschaften und der Landnutzungsklassen kommt hierfür ein Segmentierungsprozess zum

Einsatz. Die Segmentierung wurde mit der Software „Definiens Developer 7.0“ für alle Testgebiete umgesetzt.

Während des Segmentierungsprozesses werden Reliefattribute räumlich zu Reliefeinheiten aggregiert. Der Defini-

ens-interne regionenbasierte Algorithmus geht von einzelnen Rasterzellen aus, die den Kristallisationskern für ein

iteratives Regionen-Wachstum sowohl in dessen räumlicher Nachbarschaft als auch im n-dimensionalen Merk-

malsraum bilden. Jede entstehende Einheit ist durch einen Objektdatensatz gekennzeichnet, der um weitere ob-

jektbezogene Formattribute ergänzt wird. Somit enthält jeder segmentierte Objektdatensatz je Segment die flä-

chengewichteten Mittelwerte aus den aggregierten Rasterzellen der oben aufgeführten Reliefparameter (MÖLLER

und VOLK 2015).

Die Reliefklassifizierung folgt mit ihrem Ansatz der hierarchischen Landschaftsgliederung. Dabei wurden die

Grundtypen des Reliefs und die Gesetzmäßigkeiten ihres Vorkommens erfasst. Durch die große Anzahl zu verar-

beitender Datensätze war es notwendig, einen Ansatz zur möglichst automatisierten Reliefgliederung zu finden,

der die Reliefheterogenität und Maßstabsabhängigkeit von Reliefklassen berücksichtigt sowie eine Anpassung der

Definition von Reliefklassen erlaubt. Bei der Klassifikation werden numerische in semantische Informationen über-

Schriftenreihe des LfULG, Heft 1/2020 | 26

führt. Konkret wurde mittels modifiziertem Flood-plain Index (FPI2) zunächst eine Untergliederung in die Pri-

märklassen „Aue/Ebene/Senke“, „Hang/Terrasse“ und „Top“ vorgenommen (Abbildung 15).

Aus der Primärklassifikation ergaben sich vorläufig implizit die Hanglagen für alle Klassen zwischen den Auen und

Toplagen, wobei unter vorwiegender Verwendung der Reliefparameter „Hangneigung“, „Höhe über Tiefenlinie“ und

„Bodenfeuchteindex“ eine weitere Ausdifferenzierung in die Lagen „oben“, „Mitte“, „unten“, die Neigungsklassen

„flach“, „steil“ sowie „trockene“ und „feuchte“ Einheiten erfolgte. Diese Informationen auf Basis kontinuierlicher Wer-

te konnten nun wissensbasiert zu einer sekundären semantischen Klassifikation mit den entsprechenden einfachen

Nomenklaturen zusammengeführt werden. Diese Reliefeinheiten sind in Hinblick auf die Bodenlandschaften und

Landnutzungsklassen in sich homogen. Abbildung 16 zeigt die Reliefklassifizierung für die beiden Testgebiete,

welche der Prüfung der Bodendaten dienen. In Abbildung 17 ist die Reliefklassifizierung des Attributes „Aue“ für

das erweiterte Testgebiet Mittelsachsen dargestellt. Geringe Werte bedeuten eine hohe Merkmalsneigung für die

Ausweisung von Reliefeinheiten als „Aue“.

Schriftenreihe des LfULG, Heft 1/2020 | 27

Schriftenreihe des LfULG, Heft 1/2020 | 28

Die Festlegung des Zielmaßstabes einer Karte ist abhängig vom darzustellenden Detailierungsgrad und dem In-

haltsreichtum (Kontrast). Für gedruckte Karten sind nach AD-HOC-AG BODEN (2006) die in Tabelle 3 aufgeführten

Darstellungsgrößen anzustreben.

Flächen (runde Form)

D = 1,5 mm

D = 4,0 mm

Flächen (ovale Form)

L = 2,5 mm

B = 1,2 mm

L = 6,0 mm

B = 3,0 mm

Konforme Linien

B = 1,0 mm

Schriftenreihe des LfULG, Heft 1/2020 | 29

Für den gewählten großmaßstäbigen Zielmaßstab der geostatistischen Modellierung, der mit ca. 1:10.000 festge-

legte wurde, bedeutet das eine Mindestfläche von ca. 0,03 ha bei Arealen mit einem hohen Kontrastmaß und au-

ßerhalb von diesen 0,2 ha.

Der Vorteil des gewählten Segmentierungsverfahrens besteht in der Definition der minimalen Größe der Bezugs-

einheiten. Im vorliegenden Fall wurde dieser Wert, um der Reliefheterogenität im Löss-Hügelland zu entsprechen,

auf 0,01 ha gesetzt und die Bezugseinheiten entsprechend des beschriebenen Modellverfahrens gebildet. Die pro-

zentuale Verteilung der Anteile der Flächengrößen der erzeugten Bezugseinheiten ist in Abbildung 18: Verteilung

der Anteile der Flächengrößen der Bezugseinheiten dargestellt.

64 % der Bezugseinheiten weisen eine Größe von ≤ 1 ha auf, 29 % liegen im Bereich von > 1 ha bis ≤ 2,5 ha. 7 %

der Bezugseinheiten haben eine Flächengröße von > 2,5 ha. Mit einer durchschnittlichen Größe der Bezugseinhei-

ten von 1 ha liegt der Wert deutlich unter dem von der AD-HOC-AG BODEN (2006) geforderten Wert von 20 bis

35 ha für den Maßstabsbereich 1:50.000.

Schriftenreihe des LfULG, Heft 1/2020 | 30

7.1 Bewertung der räumlichen Repräsentativität der Bodenda-

ten

Auf Basis der in Kapitel 6 beschriebenen Ableitung von nutzungsdifferenzierten Reliefeinheiten und -klassen erfolg-

te eine umfassende Daten- und Qualitätsanalyse der Aufschlussdaten der Bodenkundlichen Landesaufnahme des

FIS Boden hinsichtlich ihrer Raumdichte, ihrer Lage in den Reliefeinheiten und in den Nutzungsklassen. Daraus

ableitend wurde eine Bewertung der Daten bezüglich ihrer räumlichen Repräsentativität für die weiterführende

Verwendung bei der Anwendung von geostatistischen Interpolations- und Prognosemethoden vorgenommen. Die

Bewertung wurde in den 100 km² großen Testgebieten Ost- und Mittelsachsen (ohne Erweiterung) vorgenommen.

Aus der Aufschlussdatenbank des FIS Boden konnten 292 Aufschlüsse für das Testgebiet Mittelsachsen und

239 Aufschlüsse für das Testgebiet Ostsachsen extrahiert werden, die im Rahmen der Bodenkundlichen Landes-

aufnahme erfasst wurden. Abbildung 19 zeigt die Lage der Aufschlüsse innerhalb der Reliefklassen.

Schriftenreihe des LfULG, Heft 1/2020 | 31

In Tabelle 4 ist die Punktdichte der Aufschlüsse in Bezug auf die Hauptnutzungseinheiten zusammengefasst. Je

km² wurden 2,9 bzw. 2,4 Aufschlüsse im jeweiligen Testgebiet erfasst. Bezogen auf die ackerbaulich genutzten

Flächen liegt die Punktdichte um jeweils 0,5 Punkte je km² etwas höher.

Anzahl Punkte

292

239

Punktdichte [Anzahl/km²]

2,9

2,4

Fläche [km²]

76

52

Anzahl Punkte

258

151

Punktdichte [Anzahl/km²]

3,4

2,9

Fläche [km²]

9

15

Anzahl Punkte

20

32

Punktdichte [Anzahl/km²]

2,2

2,2

Fläche [km²]

4

18

Anzahl Punkte

3

48

Punktdichte [Anzahl/km²]

0,8

2,6

In ihrer Größenordnung vergleichbar ist die Punktdichte der Aufschlüsse innerhalb der ausgewiesenen Reliefein-

heiten. Hier befinden sich etwa zwei Punkte je km² innerhalb der Auen-/Tal- und Senkenbereiche. Höher ist die

Punktdichte in Kuppen- sowie Terrassenbereichen (Tabelle 5).

Unter besonderer Berücksichtigung der Landnutzungseinheit „Ackerland“ zeigt Tabelle 6 die Punktdichte innerhalb

der Reliefeinheiten. Diese verdeutlicht, dass die Punktdichte differenziert zu bewerten ist: Insbesondere die als

Auen- und Senkenbereiche ausgewiesenen Flächen sind durch Aufschlussdaten unterrepräsentiert.

Im Anschluss wurde die Prüfung der Aufschlüsse hinsichtlich ihrer Plausibilität für das Vorkommen auf der Relief-

position unter Berücksichtigung der Hangneigung, Hangposition, Nutzung und Genese vorgenommen. Hierzu wur-

den die durch den Kartierer erfassten Positionen der Aufschlüsse im Relief in Bezug gesetzt zu den ausgewiese-

nen Reliefklassen. Tabelle 7 und Tabelle 8 zeigen für beide Testgebiete die Ergebnisse. Grün markierte Werte

stellen gute Übereinstimmungen zwischen den modellbasiert ausgewiesenen Reliefeinheiten und den Reliefpositi-

onen der Kartierer dar. Rot markierte Zuordnungen gelten als unplausibel. Für beide Testgebiete kann festgestellt

werden, dass für den überwiegenden Teil der Aufschlüsse die im Gelände erfasste Reliefposition sehr gut durch

die ausgewiesenen Reliefeinheiten wiedergegeben wird.

Schriftenreihe des LfULG, Heft 1/2020 | 32

Fläche [km²]

19

21

Anzahl Punkte

43

43

Punktdichte [Anzahl/km²]

2,3

2,0

Fläche [km²]

19

37

Anzahl Punkte

81

77

Punktdichte [Anzahl/km²]

4,3

2,1

Fläche [km²]

42

9

Anzahl Punkte

107

35

Punktdichte [Anzahl/km²]

2,5

3,8

Fläche [km²]

8

6

Anzahl Punkte

34

26

Punktdichte [Anzahl/km²]

4,5

4,6

Fläche [km²]

13

9

Anzahl Punkte

33

20

Punktdichte [Anzahl/km²]

2,6

2,3

Fläche [km²]

17

23

Anzahl Punkte

78

62

Punktdichte [Anzahl/km²]

4,6

2,7

Fläche [km²]

30

2

Anzahl Punkte

95

5

Punktdichte [Anzahl/km²]

3,2

3,1

Fläche [km²]

7

4

Anzahl Punkte

28

19

Punktdichte [Anzahl/km²]

4,2

5,4

Schriftenreihe des LfULG, Heft 1/2020 | 33

ebener Kulminationsbereich, Scheitelbereich

1

3

4

Erhebung

4

2

2

8

Flanke

1

4

2

7

flächenhafte Erhebung

1

2

3

flächenhafte, flach muldenförmige, offene Hohlform

2

2

Flussauenbereich

8

3

11

geneigter Tiefenbereich (Hangneigung N1 – N2)

1

1

gerundete Erhebung

1

3

4

gerundete, offene Hohlform

1

2

3

Hang

4

5

50

13

12

84

Hangverflachung mit vorherrschend gestreckter

Vertikalwölbung

3

4

10

3

1

21

Hangversteilung mit vorherrschend gestreckter

Vertikalwölbung

16

1

5

22

hängender Kulminationsbereich (Hangneigung N1 – N2)

4

4

8

Kulminationsbereich

1

5

6

muldenförmige Hangrinne mit konkaver,

gerundeter Horizontalwölbung

6

1

2

1

10

offene Hohlform

2

2

plateauförmige Erhebung/ Platte (überwiegend

begrenzt durch gerundete Kanten)

1

2

4

1

11

19

sohlenförmige, offene Hohlform (Sohlental)

7

3

10

Verebnung

8

8

12

7

32

67

Schriftenreihe des LfULG, Heft 1/2020 | 34

ebener Kulminationsbereich, Scheitelbereich

2

1

5

4

12

ebener Tiefenbereich, Senkenbereich

5

2

7

Erhebung

1

1

1

3

Flanke

1

1

flächenhafte Erhebung

1

1

Flussauenbereich

4

4

geneigter Tiefenbereich (Hangneigung N1 – N2)

10

2

1

13

gerundete Erhebung

2

2

gerundete, offene Hohlform

1

1

Hang

7

22

21

9

21

80

Hangverflachung mit vorherrschend gestreckter

Vertikalwölbung

4

13

1

23

41

Hangversteilung mi vorherrschend gestreckter

Vertikalwölbung

1

2

4

7

hängender Kulminationsbereich (Hangneigung N1 – N2)

1

1

1

3

3

9

Kulminationsbereich

1

1

Kulminationssattel mit konkav gewölbter

Kulminationslinie

2

2

4

muldenförmige Hangrinne mit konkaver,

gerundeter Horizontalwölbung

1

1

2

plateauförmige Erhebung/ Platte

3

3

7

8

21

Tiefenbereich

2

3

5

Tiefensattelbereich mit konvex gewölbter

Tiefenlinie/Talwasserscheidenbereich

1

1

2

Verebnung

4

10

1

8

23

Aus der Auswertung der räumlichen Lage der Aufschlussdaten ergeben sich die in den Tabelle 9 bis Tabelle 12

zusammengefassten Ergebnisse für die Weiterverwendung und ggf. Korrekturerfordernis der Aufschlussdaten. Die

tabellarische Auswertung erfolgte getrennt nach den Testgebieten und den betrachteten Landschaftseinheiten.

Schriftenreihe des LfULG, Heft 1/2020 | 35

Aue/Tal/Senke

26

24

1

1

5

3

2

Auen-, Tal-, Senkenübergang

14

11

3

4

3

1

Hang

68

68

7

7

Kuppe

22

22

5

5

Terrasse, Ebene

45

45

6

6

Aue/Tal/Senke

17

9

7

1

8

7

1

Auen-, Tal-, Senkenübergang

13

6

7

4

4

Hang

39

35

3

1

8

6

2

Kuppe

12

10

1

1

5

5

Terrasse, Ebene

36

35

1

7

6

1

Aue/Tal/Senke

27

22

3

2

6

4

2

Auen-, Tal-, Senkenübergang

32

32

5

3

2

Hang

27

21

2

4

7

7

Kuppe

12

12

3

3

Terrasse, Ebene

46

42

1

3

7

6

1

Schriftenreihe des LfULG, Heft 1/2020 | 36

Aue/Tal/Senke

16

14

2

4

3

1

Auen-, Tal-, Senkenübergang

26

24

1

1

6

5

1

Hang

8

8

2

2

Kuppe

14

14

3

3

Terrasse, Ebene

31

27

3

1

6

5

1

Generell hat die räumliche Analyse der Aufschlussdaten der Bodenkundlichen Landesaufnahme ergeben, dass,

unabhängig von der Datenqualität, die räumliche Repräsentativität der FIS-Aufschlüsse für die Erarbeitung groß-

maßstäbiger Bodenkarten als nur bedingt ausreichend bewertet werden muss. Punktdichten zwischen 2,0 und 4,5

(je nach Nutzungs-, Reliefeinheit sowie Testgebiet) entsprechen einer geringeren räumlichen Auflösung als sie die

derzeit vorliegende digitale Bodenkarte 1:50.000 in ihren Konturen vorgibt.

Anzahl Punkte

3.252

Punktdichte [Anzahl/km²]

32,5

Fläche [km²]

76

Anzahl Punkte

2.068

Punktdichte [Anzahl/km²]

27,1

Fläche [km²]

9

Anzahl Punkte

878

Punktdichte [Anzahl/km²]

95,4

Fläche [km²]

4

Anzahl Punkte

66

Punktdichte [Anzahl/km²]

17,8

Dagegen zeigen die digitalen Daten der FESCH-Grablöcher eine deutlich höhere Raumdichte (Tabelle 13). Diese

liegt im Testgebiet Mittelsachsen bei 32,5 Aufschlüssen je km² und somit um das mehr als Zehnfache höher als bei

den FIS-Aufschlüssen. Insofern würde der Bewertung des Optimierungsgrades, der durch die Einbeziehung der

Schriftenreihe des LfULG, Heft 1/2020 | 37

FESCH-Grablöcher mit Schicht- und Horizontdaten erreicht werden kann, eine besondere Bedeutung zukommen.

Voraussetzung hierfür ist, dass die Daten der Bodenschätzung eine gute inhaltliche Qualität aufweisen und die

Abbildung der Bodenarten der Nomenklatur der KA5 entspricht.

7.2 Bewertung der inhaltlichen Qualität der Bodendaten

Die Bewertung der inhaltlichen Qualität der Bodendaten der Bodenkundlichen Landesaufnahme erfolgte anhand

der Vollständigkeit und Plausibilität der nachfolgend aufgeführten Kennwerte:

Geprüfte Kennwerte (dokumentiert) –FIS-Aufschlüsse (BLA):

Substratangabe (BA-Hauptgruppe) in Substrattyp mit BA-Angabe in Aufschlüssen

Carbonatangabe in Substrattyp mit Carbonatgehalten in Aufschlüssen

Vollständigkeit Skelettangabe in Aufschlussdaten

Skelettangabe in Substrat mit Skelettangaben in Aufschlüssen

Humusangaben in Aufschlüssen

Feuchtestufen in Aufschlüssen

Stufen der Lagerungsdichte in Aufschlüssen

Geprüfte Kennwerte (fallweise, nicht dokumentiert) – FIS-Aufschlüsse (BLA):

Horizontbezeichnungen

Ausweisung Bodentypen

Dabei musste festgestellt werden, dass die Aufschlussdaten in unterschiedlichem Umfang Fehlwerte oder unplau-

sible Werte bei den einzelnen Kennwerten enthielten. Demzufolge erfolgte die manuelle Korrektur und Setzung von

Werten, wie folgt:

Humus – Humusgehalte nur für Horizonte mit plausiblem Humuswert

Lagerungsdichte – fehlende Lagerungsdichten bzw. Ld 0 und Ld 1 im Ap-Horizont wurden mit in Ld 2, im Unter-

boden in Abhängigkeit vom Horizontsymbol Ld 3/Ld 4 gesetzt

Kalkgehalt – für Bodenphysik nicht relevant; deshalb keine Korrektur/Setzung

Skelettgehalt – Bildung von Anteilsklassen des Grobbodens aus den vorhandenen Angaben der Horizonte bzw.

falls nicht vorhanden aus der Skelettangabe

Im Ergebnis der manuellen Korrektur/Setzung liegt für die Testgebiete ein FIS-Datensatz vor, der alle für die Aus-

weisung von bodenphysikalischen Kennwerten relevanten Eingangsgrößen enthält.

Schriftenreihe des LfULG, Heft 1/2020 | 38

7.3 Transformation der Bodenarten der Bodenschätzung in die

Nomenklatur der Bodenkundlichen Kartieranleitung KA5

Zur Ableitung großmaßstäbiger Bodeninformationen ist der Rückgriff auf Unterlagen der Bodenschätzung, die als

einzige Datenbasis für Deutschland flächendeckend nach einer einheitlichen Methodik und Nomenklatur vorliegt,

zwingend notwendig.

Die individuelle (manuelle) Auswertung und Übersetzung der Grablochbeschriebe (GLB) zur Ableitung von Boden-

daten ist sehr zeit- und kostenaufwendig. Durch die Bemühungen des Freistaates Sachsen, die Unterlagen (Grab-

lochbeschriebe, Karten) der Bodenschätzung zu digitalisieren, besteht jedoch die Möglichkeit einer computerge-

stützten Übertragung der Informationen in die aktuelle bodenkundliche Nomenklatur und die Zuweisung der Daten

an die auskartierten Einheiten (Klassenflächen).

Für die Nutzung der Altdaten sind jedoch folgende Einschränkungen zu beachten: Die Bodenschätzungsunterlagen

sind überwiegend mehr als 60 Jahre alt, und sie bilden, wie eine Reihe von Untersuchungen zeigen, die gegen-

wärtigen Bodenverhältnisse nur zum Teil zutreffend bzw. – aufgrund von überwiegend anthropogen bedingten

Bodenveränderungen – sogar falsch ab (MÖLLER ET AL. 2009). Die Übereinstimmung der (Alt-)Bodenschätzungs-

unterlagen mit den gegenwärtigen Bodenverhältnissen beträgt nach Untersuchungen in anderen Bundesländern in

Abhängigkeit von der Bodenlandschaft nur noch etwa 50 bis 80/90 %, im Durchschnitt etwa 60 %. Diese Werte

dürften, obgleich keine Untersuchungen hierzu vorliegen, auch für Sachsen zutreffend sein. Außerdem stimmen

die der Bodenschätzung zugrundeliegenden Nomenklaturen und Kriterien (z. B. Bodenartenansprache) mit den

gegenwärtig gültigen nicht überein. Dies betrifft neben den Horizontangaben, die in der Bodenschätzungsnomen-

klatur generell nicht aufgenommen werden, insbesondere die Bodenart, den Kalk- und Humusgehalt. Letzterer

wurde häufig zu hoch angesetzt.

Trotz dieser genannten Sachverhalte ist der hohe Wert der Bodenschätzungsdaten unumstritten. In den vergange-

nen Jahren wurden Aktivitäten entwickelt, diese Unterlagen aufzubereiten, zu überprüfen und an die aktuellen No-

menklaturen anzupassen, um dadurch das Datenmaterial für großmaßstäbige Auswertungen nutzen zu können.

Die Übersetzung der Bodenschätzungsdaten muss auf der Basis der Grablochbeschriebe erfolgen. Eine regional-

spezifische Anpassung von Übersetzungsschlüsseln zur Nutzung der Bodenschätzungsdaten ist unumgänglich,

um letztlich die Wiedergabe der heutigen Bodenverhältnisse durch Auswertung und (Gelände-)Überprüfung der

umgedeuteten Bodenschätzungsdaten mit einer anzustrebenden Treffsicherheit von mehr als 80 % zu erreichen.

Mit den Übersetzungsschlüsseln aus NIBIS (Niedersachsen) und BOSSA-SH (Schleswig-Holstein) stehen compu-

tergestützte Instrumente zur Übertragung zur Verfügung, deren Verwendbarkeit jeweils standortbezogen zu über-

prüfen und anzupassen ist. Dieser Schritt steht für Sachsen flächendeckend noch aus und wurde für das Testge-

biet Mittelsachsen nur exemplarisch angewandt.

Besonders die Transformation der Bodenarten gestaltet sich schwierig, da aus dem System nach ATTERBERG

(1905) in das Körnungsartendiagramm der KA5 (AD-HOC-AG BODEN 2005) transformiert werden muss. Hierbei

treten eine Reihe von Überlagerungen und Zugehörigkeiten in mehrere Bodenarten laut KA5 auf, die für eine Reihe

von Bodenarten keine eineindeutige Zuordnung zulassen. Dieses Problem ist für die Ebene der Bodenartengruppe

nicht so gravierend, kann aber im Einzelfall noch auftreten. Zu beachten ist jedoch, inwieweit eine Bodenarten-

gruppe für großmaßstäbige Auswertungen nutzbar ist. Dieses Problem ist in Abbildung 20 am Beispiel der Muster-

stücke der Finanzkreise Meißen, Döbeln, Oschatz und Grimma für die Bodenart L, fs3 dokumentiert. Die Analy-

senergebnisse zeigen eine deutliche Streuung der Bodenart nach Bodenschätzung L, fs3 innerhalb der KA5-

Schriftenreihe des LfULG, Heft 1/2020 | 39

Bodenarten Ut2, Ut3, Ut4, Tu4 und Uls, mit einem Schwerpunkt im Bereich Ut3/Ut4, was der Angabe nach NIBIS

entspricht.

Für die Entwicklung der geostatistischen Verfahren zur Erstellung großmaßstäbiger Bodenkarten wurden folgende

bodenkundliche Eingangsdaten genutzt. Die Vorgehensweise beschränkte sich zunächst auf das Testgebiet Mit-

telsachsen.

Korrigierte FIS-Aufschlüsse des Testgebietes

Grablochbeschriebe und Karte der Klassenflächenzeichen des Testgebietes

Entsprechend der prinzipiellen Vorgehensweise wurde das geostatistische Verfahren 3-stufig umgesetzt. Die

1. Stufe bildet die Nutzung der korrigierten FIS-Aufschlüsse (BLA). Für die Aufschlüsse, die einen fehlerhaften

Kennwert des Humus-, Kalk oder Skelettgehaltes sowie der Lagerungsdichte aufwiesen, wurde eine manuelle An-

passung mit Standardwerten durchgeführt.

Die 2. Stufe basiert auf den Grablochbeschrieben des FESCH-Datensatzes. Da, wie eingangs dargelegt, die

Transformation der Bodenart standortspezifisch ist und zum Teil fehlerbehaftet sein kann, wurden drei Transforma-

tionsschlüssel der Bodenartenangaben in die Nomenklatur der KA5 angewandt:

a) Transformation durch LfULG Sachsen (Arbeitsstand 2002)

Schriftenreihe des LfULG, Heft 1/2020 | 40

b) Transformation mittels NIBIS-Schlüssel in der Anpassung nach ALTERMANN u.a. (2004), KÜHN UND MÜLLER

(2009) sowie ABRAHAM (2016) für ostdeutsche Substratverhältnisse

Dieser Schlüssel stellt eine Weiterentwicklung der Arbeiten von ALTERMANN u. a. (2004) dar. Genutzt wur-

de dieser Schlüssel für die Erstellung großmaßstäbiger Bodeninformationskarten, die die Basis für die

Umsetzung von teilflächenspezifischen Bewirtschaftungssystemen in Landwirtschaftsbetrieben Sachsen-

Anhalts, Thüringens und Sachsens sowie für Wasserhaushaltsmodellierungen der LMBV bilden. Die Er-

stellung des Schlüssels basiert auf einem Datensatz aus sechs Testgebieten unterschiedlicher geologi-

scher Entstehungen, in denen an den Grablöchern aktuelle Bodenansprachen durchgeführt und anschlie-

ßend die Bodenarten abgeglichen wurden. Im Rahmen einer aktuell am LAGB Sachsen-Anhalt laufenden

Untersuchung wurde dieser Schlüssel mit den Arbeiten von KÜHN UND MÜLLER (2009) und den Angaben

von ABRAHAM (2016) ergänzt.

c) Transformation durch standortspezifische Anpassung

Da auch der zweite Transformationsschlüssel (b) im Abgleich mit den FIS-Aufschlüssen keine zufrieden-

stellenden Ergebnisse lieferte, wurde der Versuch unternommen, diesen Schlüssel standortspezifisch an-

zupassen. Hierzu erfolgte ein Abgleich zwischen Grabloch und nächstgelegenem FIS-Aufschluss, wobei

die maximale Entfernung auf die gleiche Klassenfläche und Reliefposition auf 200 m begrenzt wurde. Die-

ser Schritt stellt im Ansatz eine standortspezifische Anpassung dar. Die Ergebnisse sind jedoch nicht zu-

friedenstellend, was in der immer noch großen Streuung der Angaben sowie dem kleinen Datenkollektiv

begründet liegt.

In der 3. Stufe wurden die FIS-Aufschlüsse mit den Grablochauswertungen untersetzt. Abbildung 21 zeigt für das

Testgebiet Mittelsachsen die Ergebnisse der unterschiedlichen Transformationen anhand der Klassifikation der

Bodenarten. Ergänzend sind (Karte unten rechts) die Bodenarten der FIS-Aufschlüsse in die Klassenflächenzei-

chen der Bodenschätzung übertragen worden.

Für die Auswahl und Festlegung der anzuwendenden Prognosemodelle musste im Vorfeld eine Untersuchung

durchgeführt werden, welche Gütemaße bei der Anwendung geostatistischer Verfahren für klassierte qualitative

Merkmale mit unterschiedlichen Bandbreiten und für quantitative Merkmale erreicht werden können. Hierzu kam in

einem ersten Schritt das quantitative Merkmal „nutzbare Feldkapazität des effektiven Wurzelraumes“ (nFKWe) zur

Anwendung. Die nFKWe wurde für die FIS-Aufschlüsse bis zur jeweiligen Durchwurzelungstiefe nach LFULG

(2009) horizontbezogen aus den korrigierten Angaben der Bodenart, der Lagerungsdichte und dem Humusgehalt

unter Nutzung der bodenphysikalischen Kennwerte nach DEHNER u. a. (2015) abgeleitet. Für die Grablöcher erfolg-

te die Ableitung ebenfalls schichtbezogen bis zur Durchwurzelungstiefe unter Nutzung der Bodenart und des Hu-

musgehaltes. Die Lagerungsdichte wurde für den Oberboden pauschal mit Ld3, für den Unterboden mit Ld4 ange-

setzt. Eine Ableitung der nFKWe erfolgte nur für die transformierten Grablochangaben unter Anwendung des zwei-

ten Transformationsschlüssels.

Schriftenreihe des LfULG, Heft 1/2020 | 41

Schriftenreihe des LfULG, Heft 1/2020 | 42

8.1 Einführung

Für die Anwendung von geostatistischen Interpolations- und Prognosemethoden zur Ableitung von Bodenkennwer-

ten wurde von den bisher verwendeten Testgebieten das Gebiet Mittelsachsen priorisiert und nach Norden um

181 km² erweitert, um die Heterogenität der Relief-, Boden-, Geologie- und Landnutzungseigenschaften in einem

Landschaftsausschnitt besser abbilden zu können. Insgesamt liegen im Untersuchungsraum 662 FIS-Aufschlüsse

der Bodenkundlichen Landesaufnahme sowie 12.133 digitale FESCH-Grablöcher der Bodenschätzung mit Schicht-

und Horizontdaten vor. Die Entwicklung der Prozesskette zur Interpolation bzw. Prognose von Bodenkennwerten

orientiert sich an folgenden Schwerpunkten, die in einem Fließschema abgebildet sind (Abbildung 22):

Als Datengrundlagen dienen die Aufschlüsse der Bodenkarte 1:50.000 (FIS-Aufschlüsse der BLA) sowie die

Grablochbeschriebe (GLB) des Testgebietes. Die Profildaten werden mit Reliefparametern miteinander in Bezie-

hung gesetzt.

Die geostatistischen Interpolationsmethode Kriging kann als Regressionsverfahren verstanden werden, dass

neben statistischen Beziehungen auch entfernungsgewichtete Abhängigkeiten der Variablenausprägungen be-

rücksichtigt (Kap. 7.1.2).

Bei der räumlichen Prognose der Bodenkennwerte und -klassen wird ein Data-Mining-Verfahren angewendet,

das auf statistische Beziehungen zwischen Ziel- und erklärenden kontinuierlichen und/oder thematischen Variab-

len beruht und auf die Detektion verborgener Zusammenhänge zielt (Kap. 7.1.3).

Zur Bewertung der Prognoseergebnisse werden das Bestimmtheitsmaß R² und das Streuungsmaß Root Mean

Square

Error

(RMSE)

herangezogen.

Die

Interpolationsergebnisse

werden

mithilfe

der

Kriging-

Standardabweichung bewertet. Die Bewertung der Klassifikationsergebnisse basiert auf der Konfusionsmatrix

und dem Kappa-Index.

Die einzelnen Prozessierungsschritte sind innerhalb der statistischen Open-Source-Programmumgebung R in

Form von R-Skripten bzw. -Funktionen umgesetzt worden (R CORE TEAM 2015).

Schriftenreihe des LfULG, Heft 1/2020 | 43

8.2 Parametrisierung der Prozesskette

Auf Basis des digitalen Geländemodells wurden zunächst geomorphometrische Reliefattribute (RA), kategorisiert

nach einfachen, kombinierten und komplexen Attributen, abgeleitet. In Kapitel 6.1. wurde ausführlich darauf einge-

gangen.

Die in dem korrigierten bodenkundlichen Aufschlussdatensatz enthaltenen Zielvariablen sind durch ein kategoriales

Skalenniveau gekennzeichnet (Beispiel Bodenart, Abbildung 23). Um die qualitativen Variablen flächenhaft interpo-

lieren zu können, ist eine Konvertierung in metrische Werte notwendig. Für die Variable „Bodenart“ sind unter Ver-

wendung des R-Paketes

(MOEYS 2016) aus den Anteilen der einzelnen Korngrößenfraktionen Sand,

Schluff und Ton die Zentroide der jeweiligen Bodenartenklassen des Korngrößendiagrammes der KA5 abgeleitet

worden. Die resultierenden Zentroid-Werte sind in Tabelle Tabelle 14 dokumentiert. Die Variablen „Stufe Humus-

gehalt“, „Stufe Skelettgehalt“ und „Lagerungsdichte“ wurden als thematische Klassen entsprechend der Gehalts-

werte nach KA5 behandelt.

Schriftenreihe des LfULG, Heft 1/2020 | 44

Ss

2,5

5,0

92,5

Ts3

40,0

7,5

52,5

Su2

2,5

17,5

80,0

Uu

3,7

88,2

8,2

Sl2

6,5

17,5

76,0

Us

4,0

65,0

31,0

Sl3

10,0

25,0

65,0

Ut2

10,0

77,5

12,5

St2

11,0

5,0

84,0

Ut3

14,4

75,3

10,3

Su3

4,0

32,5

63,5

Uls

12,5

57,5

30,0

Su4

4,0

45,0

51,0

Ut4

20,6

72,2

7,2

Slu

12,5

45,0

42,5

Lu

23,5

57,5

19,0

Sl4

14,5

25,0

60,5

Lt3

40,0

40,0

20,0

St3

21,0

7,5

71,5

Tu3

36,3

56,3

7,4

Ls2

21,0

45,0

34,0

Tu4

28,3

68,3

3,3

Ls3

21,0

35,0

44,0

Ts2

55,0

7,5

37,5

Ls4

21,0

22,5

56,5

Tl

55,0

22,5

22,5

Lt2

30,0

40,0

30,0

Tu2

52,8

38,6

8,6

Lts

35,0

22,5

42,5

Tt

76,7

11,7

11,7

Ts4

30,0

7,5

62,5

Schriftenreihe des LfULG, Heft 1/2020 | 45

Die Datenintegration zielt auf die Attributierung des Aufschlussdatensatzes mit Reliefparametern ab. Wie in MÖL-

LER ET AL. (2012) und MÖLLER und VOLK (2015) beschrieben, sind Reliefobjekte durch die Anwendung eines regio-

nenbasierten Segmentierungsalgorithmus generiert worden. Dabei werden Rasterzellen zu Polygonen unter Be-

rücksichtigung ihrer räumlichen Nachbarschaft sowie der Nachbarschaft im n-dimensionalen Merkmalsraum zu-

sammengefasst. In dieser Studie wird der Merkmalsraum durch die die Reliefattribute HUT, MBI und SLP aufge-

spannt (Abbildung 24).

Ähnlich dem Wasserscheidenalgorithmus beginnt das Regionenwachstum bei lokalen Werteminima und stoppt, bis

eine vom Anwender zu bestimmende Merkmalsheterogenität der resultierenden Reliefobjekte erreicht wird, die

wiederum im Zusammenhang mit der Objektgrößenverteilung steht. Als zusätzliches Haltekriterium können beste-

hende Grenzen herangezogen werden. Hier fanden die Grenzen der Bodenlandschaften Eingang in die Segmen-

tierungsprozedur.

In Abbildung 25 sind die Reliefobjekte beispielhaft dargestellt (links). Entsprechend Abbildung 25 (rechts) beträgt

der Median der resultierenden Objektgrößen 0,1 ha. Ein Vorteil der Vorgehensweise besteht zum einen in der Da-

tenreduktion. So reduzierte sich als Ergebnis der Segmentierung die Anzahl der 1.000.000 Rasterzellen auf ca.

78.000 Polygone. Neben der potentiellen Einbindung weiterer „fester“ Grenzen (z. B. Geologische Karte) besteht

die Möglichkeit, Reliefobjektdatensätze verschiedener räumlicher Aggregationsniveaus generieren zu können, die

zur Optimierung von Prognose- oder Interpolationsergebnissen genutzt werden können (MÖLLER und VOLK 2015).

Hintergrund ist, dass die dokumentierte Lage der Aufschlüsse oft durch Positionsungenauigkeiten gekennzeichnet

Schriftenreihe des LfULG, Heft 1/2020 | 46

ist. Das bedeutet, dass der resultierende Repräsentativitätsgrad bzw. Kartierungsmaßstab der Aufschlussstandorte

unbekannt ist. In dieser Studie wird sich aber zunächst auf ein Aggregationsniveau beschränkt, um prinzipielle

Zusammenhänge zwischen Ziel- und erklärenden Variablen zu untersuchen.

8.3 Interpolation

Die Interpolation der Schluff- und Tongehalte ist mit der geostatistischen Interpolationsmethode Universal Kriging

für die FIS-Aufschlüsse der Bodenkundlichen Landesaufnahme realisiert worden, die im R-Paket automap imple-

mentiert ist (HIEMSTRA ET AL. 2008). Als Bezugseinheiten dienen die in Kapitel 6.1 beschriebenen Reliefobjekte.

Das Kriging-Verfahren basiert auf der Annahme, dass die Ähnlichkeit zweier Variablenausprägungen mit deren

Entfernung abnimmt. Dieser Zusammenhang wird mittels Variogrammdarstellungen illustriert. Abbildung 26 zeigt

ein Semivariogramm, empirisches Variogramm und eine theoretische Variogrammfunktion einschließlich der opti-

mierten Werte für die Parameter Model, Nugget, Sill und Range für die Kriging-Interpolation des Schluffgehaltes

(Abbildung 26a) und des Tongehaltes (Abbildung 26b). Punktsignaturen entsprechen dem empirischen Vario-

gramm. Blaue Liniensignaturen kennzeichnen die theoretische Variogrammfunktion. Die Modellgrundlage bilden

das Gauß-Modell (Gauß-Variogrammmodell) und das Ste-Modell (Matérn Variogrammmodell) mit einer Parametri-

sierung nach STEIN (1999).

Die Semivarianz ist für die Modellierung des Tongehaltes um den Faktor 10 höher als für den Schluffgehalt. Der

Wert des Parameters „Nugget“ ist für den Tongehalt gleich Null, was einen geringen Anteil an „Rauschen“ anzeigt,

während das Variogramm für den Schluffgehalt einen Nugget von 75 aufweist. Je geringer die Semivarianz, desto

ähnlicher sind die Variablenausprägungen in Bezug zu den benachbarten Beobachtungen. Der Parameter „Range“

ist für beide Interpolationen mit ca. 70 m relativ gering. Dies bedeutet, dass innerhalb von 70 m ein Zusammen-

hang zwischen benachbarten Bodenprofilen besteht, während zwischen Punkten größerer Entfernung nahezu kein

Zusammenhang vorliegt. Diese hohe Anpassung des Modells an die Beobachtungen kann eventuell durch eine

reduzierte Anzahl an erklärenden Variablen verringert werden, wodurch ein allgemeingültigeres Modell mit geringe-

Schriftenreihe des LfULG, Heft 1/2020 | 47

rer Anpassung an die Beobachtungen erstellt werden kann. Das so beschriebene Variogrammodell wird dann als

Grundlage für die räumliche Interpolation verwendet.

Die Interpolationsergebnisse auf Basis der FIS-Aufschlüsse der Schluff- und Tongehalte für die oberste 10 cm-

Bodenschicht sind in Abbildung 27 dargestellt. Die interpolierten Tongehalte sind durch eine relative Höhenabhän-

gigkeit gekennzeichnet, was sich in hohen Tongehalten in Tiefenlinien sowie geringeren Tongehalten in den Pla-

teaulagen niederschlägt. Die Schluffgehalte sind in Tiefenlinien eher geringer als im Umland. Plateaulagen weisen

hohe Schluffgehalte auf.

Die Wurzel der mittleren Fehlerquadratsumme (=Root Mean Square Error bzw. RMSE) beträgt 4,1 (Tongehalt) und

16,7 (Schluffgehalt).

Die Prognoseergebnisse sind für den Schluffgehalt der obersten 10 cm in Abbildung 28 visualisiert. Wie bei den

Interpolationsergebnissen sind die Prognoseergebnisse durch eine relative Höhenabhängigkeit gekennzeichnet.

Tabelle 15 dokumentiert die internen und externen Validierungsergebnisse. Die RMSE-Gütemaße sind mit denen

Schriftenreihe des LfULG, Heft 1/2020 | 48

der Interpolationsergebnisse vergleichbar. So ist der RMSE des prognostizierten Schluffgehaltes etwa dreimal

höher als der des Tongehaltes. Die zusätzlich aufgeführten Bestimmtheitsmaße (einschließlich Kategorisierung

mittels k-Wert) zeigen sowohl bei der internen als auch externen Validierung, dass die Varianzen der Prognosen

durch die Modelle kaum (Schluffgehalt) bzw. nicht erklärt werden können (Tongehalt). Aus diesem Grund wurde

der Interpolationsansatz für die Ableitung großmaßstäbiger Karten nicht weiter verfolgt.

Intern

0,18

19,67

0,10

4,50

Extern

0,10

15,23

0,06

4,20

… Wert < 0 = schlechte Übereinstimmung

… Wert > 0,0 und k ≤ 0,2 = leichte Übereinstimmung

… Wert > 0,2 und k ≤ 0,4 = ausreichende Übereinstimmung

… Wert > 0,4 und k ≤ 0,6 = mittlere Übereinstimmung

… Wert > 0,6 und k ≤ 0,8 = gute Übereinstimmung

… Wert > 0,8 und k ≤ 1,0 = sehr gute Übereinstimmung

Schriftenreihe des LfULG, Heft 1/2020 | 49

8.4 Data-Mining

Zur Prognose der Parameter und Klassen sind verschiedene Data-Mining-Varianten angewendet worden, die in-

nerhalb des R-Paket caret implementiert sind (KUHN ET AL. 2014). Zu den bekanntesten Verfahren im Digital Soil

Mapping-Kontext gehört der Entscheidungsbaumalgorithmus Random Forest (BREIMAN 2001). Das Prinzip von

Entscheidungsverfahren ist in Abbildung 29 veranschaulicht. Danach teilt der Algorithmus bei optionaler Berück-

sichtigung von thematischen Klassen den n-dimensionalen Merkmalsraum von erklärenden Variablen solange, bis

der höchste statistische Zusammenhang bei minimaler Varianz erreicht wird.

In die Prozesskette zur Bodenprognose wurden drei Validierungsoptionen integriert:

Der FIS- bzw. GLB-Ausgangsdatensatz ist in Abhängigkeit vom Zielparameter in einen Trainings- und Testda-

tensatz von 75 % bzw. 25 % geteilt worden. So ist der FIS-Datensatz der Bodenkundlichen Landesaufnahme in

502 Aufschlüsse, die als Trainingsdaten sowie 160 Aufschlüsse, die als Testdaten dienen, aufgeteilt.

Abbildung 30 zeigt die räumliche Verteilung der Trainings- und Testdaten (FIS) im Testgebiet. Aus der Anwen-

dung des jeweiligen Prognosemodells auf beide Datensätze ergeben sich „interne“ und „externe“ Genauigkeits-

maße.

Bei der Kreuzvalidierung wird der Trainingsdatensatz zufällig geteilt. 66 % der Daten dienen der Modellbildung

und 33 % der Modellvalidierung. Dieser Vorgang wird mehrmals wiederholt, sodass jede Teilmenge genau ein-

mal für die Validierung verwendet wird.

Schriftenreihe des LfULG, Heft 1/2020 | 50

Die Modellgütemaße unterscheiden sich für Klassifikationen und Parameterprognose:

Die Parameterprognosen (z. B. nFKWe) werden über das Bestimmtheitsmaß (R²) und die Quadratwurzel des

durchschnittlichen Prognosefehlers (RMSE) bewertet.

Die Beurteilung der Klassifikationsergebnisse basiert auf der Konfusionsmatrix (Abbildung 31). FOODY (2002) gibt

einen umfassenden Überblick zu Bewertungsmethoden der Klassifikationsgenauigkeit. Viele Bewertungsverfah-

ren basieren auf Konfusionsmatrizen bzw. Kreuztabellen, aus denen Indizes zum „Übereinstimmungsgrad“ zwi-

schen Referenzinformationen und zugehörigem Klassifikationsergebnis abgeleitet werden (Abbildung 31). Das

einfachste Maß ist die Gesamtgenauigkeit GG (overall accuracy), die den Anteil der korrekt zugewiesenen Fälle

an allen Referenzinformationen kennzeichnet (Diagonale der Kreuztabelle; Gleichung 1).

=

∑

=1

∗ 100

(Gleichung 1)

Sollen einzelne Klassen bewertet werden, sind die Hersteller- und Nutzergenauigkeit (producer’s bzw. user’s ac-

curacy) gebräuchlich. Die Herstellergenauigkeit HG gibt die tatsächliche Trefferquote der Klassifikation hinsichtlich

der Referenzinformationen bzw. der „Realität“ an (Summe der Spalten; Gleichung 2).

=

+

(Gleichung 2)

Die Nutzergenauigkeit NG (Gleichung 3) drückt dagegen die Wahrscheinlichkeit aus, mit der ein Objekt oder Pixel

einer „genutzten“ analogen bzw. digitalen Karte (hier: Klassifikationsergebnis) als wahr einzuschätzen ist. Der In-

Schriftenreihe des LfULG, Heft 1/2020 | 51

formationsgehalt des Klassifikationsproduktes wird den Referenzpunkten zugeordnet und mit den korrekt klassifi-

zierten Treffern verglichen (Summe der Reihen).

=

+

(Gleichung 3)

Ein wesentlicher Kritikpunkt der genannten Indizes besteht darin, dass die Varianz bei der Auswahl der Stichpro-

ben unberücksichtigt bleibt, sodass der Übereinstimmungsgrad zwischen Referenz und Klassifikationsergebnis

durch eine hohe Zufallskomponente bzw. unbekannte statistische Signifikanz gekennzeichnet ist und verschiedene

Klassifikationsergebnisse nicht verglichen werden können (STEHMAN 1997). Als Alternative bzw. Ergänzung zur

Gesamtgenauigkeit findet deshalb häufig der Kappa-Koeffizient (k) Verwendung (ROSENFIELD 1986). Im Gegensatz

zur Gesamtgenauigkeit wird beim Kappa-Koeffizienten davon ausgegangen, dass sowohl die Klassifikation als

auch die Referenz auf unabhängigen Klassenzuweisungen gleicher Verlässlichkeit beruhen. Diese beiden unab-

hängigen Grundgesamtheiten werden miteinander verglichen, wodurch Zufallsübereinstimmungen berücksichtigt

werden können. Der Kappa-Koeffizient kann einen maximalen Wert von k = 1 erreichen. LANDIS und KOCH (1977)

schlagen die in Abbildung 31 dargestellte k-Kategorisierung vor. Die grau hervorgehobenen Elemente der Hauptdi-

agonalen repräsentieren die Fälle, wo Referenz und Klassifikationsergebnis inhaltlich übereinstimmen. Die übrigen

Fälle außerhalb der Diagonalen enthalten dagegen die Fälle, wo Referenz und Klassifikationsergebnis keine Über-

einstimmung aufweisen.

Für die Prognose mittels des Data-Mining-Verfahrens wurden folgende Bodenmerkmale und -parameter ausge-

wählt:

Qualitative Parameter

Bodenart

Stufe Humusgehalt

Lagerungsdichte (nur für den FIS-Datensatz)

Stufe Skelettgehalt

Quantitative Parameter

Gesamtporenvolumen

Luftkapazität

Schriftenreihe des LfULG, Heft 1/2020 | 52

Feldkapazität

Welkepunkt

Nutzbare Feldkapazität des effektiven Wurzelraumes

Sand-, Schluff- und Tongehalte

Die qualitativen Merkmale wurden direkt aus den Angaben der FIS-Aufschlüsse bzw. für die Bodenschätzung aus

den transformierten Datensätzen entnommen. Die quantitativen Merkmale stellen Sekundärauswertungen dar,

deren Ableitung nach LFULG (2009) erfolgte.

Als maximale Tiefe für die Parametrisierung wurde die maximale Durchwurzelungstiefe der Substrate nach LFULG

(2009) mit einer Schichtauflösung von 1 dm festgelegt. Die Bodenbereiche unterhalb der maximalen Durchwurze-

lung wurden von der Prognose nicht betrachtet.

Für beide Parametergruppen lassen sich Vor- und Nachteile ausweisen, die je nach Ansatz und Sichtweise zur

Erstellung von hochauflösenden Bodenkarten berücksichtigt werden müssen (Abbildung 32). So liegt der Vorteil

der qualitativen Parameter darin, dass diese den Angaben der Substratausweisung in den „klassischen Bodenkar-

ten“ entsprechen und aus den Ergebnissen der Prognose jederzeit nachträglich eine sekundäre Ableitung von

Zielparametern mit unterschiedlichen Schlüsseln, Methoden usw. erfolgen kann. Der entscheidende Nachteil für

diese Parametergruppe liegt darin, dass durch die Klassenbildung harte Grenzen und Sprünge zwischen den Ein-

heiten auftreten.

Die Vorteile der quantitativen Parameter bestehen darin, dass es sich um direkte Zielmerkmale handelt, die einen

kontinuierlichen metrischen Verlauf aufweisen und damit gut für statistische Auswertungen geeignet sind. Damit

entsteht gleichzeitig ein entscheidender Nachteil: Da es sich um Sekundärparameter handelt, müssen diese im

Vorfeld der Prognose festgelegt und abgeleitet werden. Jede Erweiterung sowie Änderung des Ableitungsansatzes

bedarf einer erneuten Ableitung und anschließenden Prognose.

Schriftenreihe des LfULG, Heft 1/2020 | 53

Ein wesentliches Projektziel bestand in der Bewertung des Optimierungsgrads, welcher durch die Ergänzung des

Datenbestandes der Bodenkundlichen Landesaufnahme (FIS-Daten) durch die Daten der Bodenschätzung

(FESCH) erreicht werden kann. Hierzu wurde in einem ersten Prognoseschritt die Berechnung mittels der Daten-

sätze „FIS-Aufschlüsse“, „transformierte Daten der Bodenschätzung“ sowie einem Datensatz aus der Vereinigung

der transformierten Daten der Bodenschätzung und der korrigierten FIS-Daten durchgeführt. Dieser Arbeitsschritt

erfolgte nur für die oberste (1,0 dm) Bodenschicht und die Parameter „Bodenart“ und „nutzbare Feldkapazität des

effektiven Wurzelraumes“.

Abbildung 33 zeigt die mittels Data-Mining-Methode aus den FIS-Daten und den Daten der Bodenschätzung

(FESCH) abgeleiteten Bodenarten des obersten Horizontes für das Testgebiet Mittelsachsen (ohne Erweiterung).

Tabelle 16 dokumentiert die Übereinstimmung zwischen Prognosedaten und Aufschlussdaten für die oben be-

schriebenen verwendeten Datenkombinationen anhand statistischer Kennwerte (Gesamtgenauigkeit GG, Kappa-

Werte).

Schriftenreihe des LfULG, Heft 1/2020 | 54

Korrigierte FIS-Daten

288

118

41 %

0,0456

Bodenschätzungsdaten

(Transformation NIBIS-Schlüssel)

2.643

1.559

59 %

0,2868

Bodenschätzungsdaten

(Transformation standortspezifische Anpassung)

2.065

907

44 %

0,2814

Bodenschätzungsdaten

(Transformation NIBIS-Schlüssel) + FIS-Daten

2.931

1.615

55 %

0,3316

Bodenschätzungsdaten (Transformation standort-

spezifische Anpassung) + FIS-Daten

2.352

1.003

43 %

0,2386

Schriftenreihe des LfULG, Heft 1/2020 | 55

Lu

0

0

0

0

0

0

0

0

0

0

2

1

0

3

0%

0

Sl2

0

0

0

0

0

0

0

0

3

1

0

1

0

5

0%

0

Sl3

0

0

0

0

0

0

0

0

0

0

1

0

0

1

0%

0

Slu

0

0

0

0

0

0

0

0

0

0

2

1

0

3

0%

0

Ss

0

0

0

0

0

0

0

0

0

0

0

1

0

1

0%

0

Su2

0

0

0

0

0

0

0

0

1

0

8

1

1

11

0%

0

Su3

0

0

0

0

0

0

0

0

1

0

3

0

0

4

0%

0

Su4

0

0

0

0

0

0

0

0

0

0

0

2

0

2

0%

0

Uls

0

1

0

0

0

2

0

0

0

3

9

3

0

18

0%

0

Us

0

0

0

0

0

0

0

0

1

1

14

3

0

19

5%

1

Ut2

1

0

0

0

0

0

1

1

1

5

87

31

0

127

69%

87

Ut3

0

0

0

0

0

0

0

0

1

3

46

30

1

81

37%

30

Ut4

0

0

0

0

0

1

0

0

0

0

6

6

0

13

0%

0

Ls3

0

1

0

0

0

0

0

0

0

0

0

2

18

0

21

0%

0

Ls4

1

53

1

0

5

11

10

0

0

0

4

7

60

0

152

35%

53

Lts

0

0

2

0

0

0

0

0

0

0

0

0

0

0

2

100%

2

Lu

0

0

0

0

0

0

0

0

0

0

1

0

0

0

1

0%

0

Sl2

0

6

0

0

6

9

1

0

0

1

0

2

5

0

30

20%

6

Sl3

1

13

0

0

6

9

4

0

0

1

9

2

17

1

63

14%

9

Sl4

0

14

0

0

3

6

6

0

0

0

4

2

19

0

54

11%

6

Su2

0

0

0

0

0

0

0

0

0

0

0

0

1

0

1

0%

0

Tu2

0

0

0

0

0

0

0

0

0

0

1

0

0

0

1

0%

0

Uls

0

1

0

0

1

1

1

0

0

10

13

7

34

1

69

14%

10

Us

0

3

0

0

0

3

1

0

0

6

178

15

26

14

246

72%

178

Ut2

1

2

0

0

0

2

1

0

0

4

17

289

353

2

671

43%

289

Ut3

3

14

0

0

1

5

4

1

0

5

15

173

996

15

1232

81%

996

Ut4

0

0

0

0

0

1

0

0

0

1

29

13

46

10

100

10%

10

Schriftenreihe des LfULG, Heft 1/2020 | 56

Ls3

0

1

0

0

0

0

0

0

0

5

5

4

15

0%

0

Ls4

1

28

0

3

11

9

0

1

6

14

27

15

115

24%

28

Lts

0

1

0

0

0

0

0

0

0

0

0

0

1

0%

0

Sl2

0

7

0

4

4

2

0

1

0

4

2

1

25

16%

4

Sl3

0

9

0

3

4

3

0

1

6

11

11

4

52

8%

4

Sl4

0

11

0

2

6

4

0

0

6

7

9

0

45

9%

4

Su2

0

0

0

0

0

0

0

0

0

1

0

0

1

0%

0

Uls

0

2

0

1

1

1

0

7

6

12

20

3

53

13%

7

Us

0

2

0

0

4

2

0

3

158

19

11

14

213

74%

158

Ut2

1

2

0

0

1

3

1

5

14

381

141

91

640

60%

381

Ut3

0

10

0

1

2

1

0

4

5

190

193

84

490

39%

193

Ut4

1

3

0

0

2

0

0

0

23

171

87

128

415

31%

128

Ls3

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

1

19

0

21

0%

0

Ls4

1

44

2

0

3

11

11

0

0

0

2

0

0

0

5

11

62

0

152

29%

44

Lts

0

0

2

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

2

100%

2

Lu

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

1

2

0

4

0%

0

Sl2

0

8

0

0

9

5

1

0

0

0

0

0

0

2

2

1

7

0

35

26%

9

Sl3

1

12

0

0

4

11

4

0

0

0

0

0

0

2

9

2

18

1

64

17%

11

Sl4

0

13

0

0

3

5

5

0

0

0

0

0

0

0

4

5

19

0

54

9%

5

Slu

0

1

0

0

0

0

0

0

0

0

0

0

0

0

1

0

1

0

3

0%

0

Ss

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

1

0%

0

Su2

0

1

0

0

0

0

0

0

0

1

0

0

0

0

4

2

3

1

12

8%

1

Su3

0

2

0

0

0

1

0

0

0

0

0

0

0

0

0

1

0

0

4

0%

0

Su4

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

1

0

2

0%

0

Tu2

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

1

0%

0

Uls

0

4

0

0

0

2

2

0

0

0

0

0

0

11

20

10

37

1

87

13%

11

Us

0

4

0

0

0

4

1

0

0

0

0

0

0

7

190

18

25

16

265

72%

190

Ut2

1

10

0

0

0

1

6

0

0

0

1

0

0

7

36

319

411

6

798

40%

319

Ut3

4

22

0

0

1

6

4

0

0

2

0

0

0

5

18

224

1012

15

1313

77%

1012

Ut4

0

1

0

0

0

2

0

0

0

1

0

0

0

1

28

20

49

11

113

10%

11

Schriftenreihe des LfULG, Heft 1/2020 | 57

Ls3

0

1

0

0

0

0

0

0

0

0

0

0

0

0

5

5

4

15

0%

0

Ls4

1

17

0

0

3

10

8

0

0

0

2

0

0

10

23

32

9

115

15%

17

Lts

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0%

0

Lu

0

0

0

0

0

0

0

0

0

0

0

0

0

0

2

0

1

3

0%

0

Sl2

0

5

0

0

7

2

1

0

0

0

0

0

2

3

4

3

3

30

23%

7

Sl3

1

6

0

0

4

4

3

0

0

0

0

0

2

9

11

9

4

53

8%

4

Sl4

0

8

0

0

2

5

3

0

0

0

0

0

1

6

12

8

0

45

7%

3

Slu

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

1

1

3

0%

0

Ss

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

1

0%

0

Su2

0

0

0

0

0

1

0

0

0

0

0

0

0

4

5

1

1

12

0%

0

Su3

0

2

0

0

0

0

0

0

0

0

0

0

0

0

2

0

0

4

0%

0

Su4

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

1

2

0%

0

Uls

0

2

0

0

2

1

2

0

0

0

0

0

6

14

15

23

6

71

8%

6

Us

0

4

0

0

1

4

2

0

0

0

0

0

2

169

24

10

16

232

73%

169

Ut2

1

5

0

0

0

1

7

0

0

1

1

0

3

31

480

149

88

767

63%

480

Ut3

0

13

0

0

1

4

1

0

0

0

0

0

4

8

260

199

81

571

35%

199

Ut4

1

3

0

0

0

2

0

0

0

1

0

0

0

20

199

84

118

428

28%

118

Zur Bewertung des Optimierungsgrades durch Integration der transformierten Daten der Bodenschätzung in das

Prognosemodell wurde in einem weiteren Schritt das quantitative Merkmal „Nutzbare Feldkapazität des effektiven

Wurzelraumes (nFKWe)“ in die Auswertung einbezogen.

Abbildung 34 zeigt die mittels Data-Mining-Methode aus den FIS-Daten und den Daten der Bodenschätzung

(FESCH) abgeleiteten nutzbaren Feldkapazitäten des Oberbodens für die oben beschriebenen verwendeten Da-

tenkombinationen für das Testgebiet Mittelsachsen (ohne Erweiterung). Die Prognoseergebnisse sind dabei als

Flächendaten dargestellt. Überlagert werden die Ergebnisse mit den Punktdaten der nutzbaren Feldkapazität des

effektiven Wurzelraumes, die aus den realen FIS-Aufschlussdaten abgeleitet wurden. Die Legendenklassen ent-

sprechen jeweils der im Bodenbewertungsinstrument Sachsen vorgenommen Einstufung (LFULG 2009).

Schriftenreihe des LfULG, Heft 1/2020 | 58

Schriftenreihe des LfULG, Heft 1/2020 | 59

Bei der Nutzung der separaten Verwendung der FIS-Aufschlüsse sowie der transformierten Daten der Boden-

schätzung treten zwei Defizite auf, die die Modellgüte der Prognosen stark beeinflussen. Im Falle der FIS-

Aufschlüsse ist es die, wie bereits mehrfach erwähnte, geringe Anzahl von Aufschlüssen je km², sodass eine Über-

tragung der jeweiligen Standortdaten auf alle Reliefpositionen nicht möglich ist. Für die Bodenschätzung ist diese

Übertragbarkeit aufgrund der großen Anzahl von Grablochbeschrieben gegeben, allerdings liegt für diesen Daten-

bestand das Defizit in der korrekten Transformation der Bodenart nach Bodenschätzung in die Nomenklatur der

KA5. Auch dieses Problem wurde bereits eingehend dargelegt. Aus diesem Grund sollten die Möglichkeit und der

Grad der Optimierung der Modellgüte des FIS-Datensatzes durch Integration der Bodenschätzungsdaten unter-

sucht werden.

Für beide Parametergruppen, qualitative und quantitative, zeigt sich, dass dieser Weg nicht zu einer Verbesserung

der Modellgüte führt. Im Gegenteil, diese nimmt in beiden untersuchten Fällen ab.

Für den Parameter „Bodenart“ beträgt die Übereinstimmung der Prognoseergebnisse mit den Ausgangsdaten bei

Verwendung der FIS-Daten 41 %, der transformierten Daten der Bodenschätzung 59 % und der integrierten Da-

tenbestände 55 % (Tabelle 16). Ein ähnliches Bild zeigt sich für den Parameter „nutzbare Feldkapazität des effekti-

ven Wurzelraumes“ (Abbildung 34). Hier beträgt das Bestimmtheitsmaß bei Verwendung der FIS-Daten 0,56, der

transformierten Daten der Bodenschätzung 0,45 und der integrierten Datenbestände 0,42.

Die Ursache, dass für den integrierten Datenbestand trotz hoher Punktdichte eine geringere Übereinstimmung

bzw. ein geringeres Bestimmtheitsmaß erzielt wird, liegt darin, dass die Güte der Transformation der Bodenarten

der Bodenschätzung in die Nomenklatur der KA5 auf dem Niveau der Bodenart unzureichend ist. Das zeigt die in

Tabelle 22 aufgeführte Gegenüberstellung der Bodenarten für den ersten Dezimeter aus den FIS-Aufschlüssen

und den Bodenschätzungsdaten.

Bodenart

10

Bodenartengruppe

25

Bodenartenhauptgruppe

46

Um dem Anspruch einer großmaßstäbigen Auflösung gerecht zu werden, erfolgte die Prognose auf dem Niveau

der Bodenart und der daraus abgeleiteten nutzbaren Feldkapazität. Die Übereinstimmung beträgt hierfür lediglich

10 %, was vielfältige Ursachen hat. So wurde bei der BLA-Kartierung das Löss-Substrat häufig als Ut2 oder Ut4

ausgewiesen. Die angewendeten Transformationsschlüssel weisen jedoch den entsprechenden Bodenarten der

Grablochbeschriebe ein Ut3 zu. Gleiches gilt für den Sand, der in der BLA-Kartierung meist als reiner Sand ange-

sprochen wurde, im Rahmen der Transformation jedoch in Richtung Lehmsande tendiert. Die fehlende Überein-

stimmung führt dazu, dass für die Bezugsflächen keine eindeutige Zuweisung der Bodenparameter erfolgen konnte

und es zu einer Mittelung kam, die das Prognoseergebnis stark beeinträchtigt hat.

Als Ergebnis muss festgestellt werden, dass eine Integration des bisherigen Transformationsstandes der Angaben

der Bodenschätzung in den Bestand der FIS-Aufschlüsse keine Verbesserung des Prognoseergebnisses mit sich

bringt und aufgrund der Abweichungen bei der Ausweisung der Bodenarten nicht durchgeführt werden sollte. Beide

Datenbestände sind getrennt zu halten.

Schriftenreihe des LfULG, Heft 1/2020 | 60

Nachfolgende Abbildungen und Tabellen zeigen für das erweiterte Testgebiet Mittelsachsen die Prognoseergeb-

nisse für die Bodenart und Bodenartengruppe des Oberbodens (1. Schicht) – abgeleitet aus den FIS-Aufschlüssen

der Bodenkundlichen Landesaufnahme sowie den Grablochbeschrieben. Den Ergebnissen gegenübergestellt sind

die originären Aufschlussparameter.

Die Anwendung des trainierten Modells auf den Testdatensatz der FIS-Aufschlüsse zeigt eine Übereinstimmung

von 36 % aller Stichproben (Tabelle 23). Die vergleichsweise geringe Raumdichte der FIS-Aufschlüsse hat zur

Folge, dass eine Übertragung der Standortdaten nicht auf alle Reliefpositionen möglich ist und somit keine höhere

Übereinstimmung der Prognose- mit den Aufschlussdaten erzielt werden kann. Die Bodenschätzungsdaten zeigen

eine höhere Übereinstimmung von 44 % (Tabelle 24), was sich durch die größere Raumdichte der Aufschlüsse

erklären lässt. Auf das Defizit der korrekten Transformation der Bodenart nach Bodenschätzung in die Nomenklatur

der KA5 wurde hingegen bereits eingegangen.

Auf die Schwierigkeit, im Rahmen einer Kartierung sicher einzelne Bodenarten (u. a. Ut2, Ut3) ansprechen zu kön-

nen, wurde in Kapitel 8.4.3.3 bereits eingegangen. Fasst man vor diesem Hintergrund die Bodenarten zu Bodenar-

tengruppen zusammen, ergibt sich für beide Datensätze eine deutlich höhere Prognosegenauigkeit zwischen

50 und 60 % (Abbildung 35). Insgesamt ist festzustellen, dass der Erklärungsgehalt von Reliefparametern bei der

Prognose von Reliefparametern und –klassen Grenzen aufweist.

Lu

0

0

0

0

0

0

0

0

0

0

0

0

1

0

1

0

0

Sl2

0

0

0

0

0

0

1

0

0

0

3

0

0

0

4

0

0

Sl3

0

0

0

0

0

1

0

0

0

1

0

0

0

0

2

0

0

Sl4

0

0

0

0

1

0

0

0

0

0

0

0

0

0

1

0

0

Slu

0

0

0

0

1

0

0

0

0

0

1

0

0

0

2

50

1

Ss

0

0

0

1

0

4

2

0

0

1

0

0

1

0

9

44

4

Su2

0

1

0

0

0

6

8

2

1

3

2

0

0

1

24

33

8

Su3

0

0

0

0

0

0

2

2

0

3

0

2

0

0

9

22

2

Su4

0

0

0

0

0

0

0

1

0

1

0

0

0

0

2

0

0

Uls

2

1

0

0

0

1

3

2

0

3

3

0

2

1

18

17

3

Us

0

0

0

0

2

2

2

1

0

2

15

2

1

0

27

56

15

Ut2

0

0

0

0

0

0

0

1

0

0

4

18

10

1

34

53

18

Ut3

1

0

0

0

0

0

1

0

0

1

2

12

5

2

24

21

5

Ut4

0

0

0

0

0

0

0

0

0

0

0

0

2

1

3

33

1

Schriftenreihe des LfULG, Heft 1/2020 | 61

Ls3

2

0

0

1

0

0

1

1

0

0

1

0

0

1

0

0

0

8

1

16

13

2

Ls4

1

7

0

3

0

1

1

1

0

0

0

0

0

0

2

1

0

3

1

21

33

7

Lt2

0

0

6

6

0

3

0

7

0

0

3

0

0

0

4

0

1

0

0

30

20

6

Lts

0

4

6 171

2

18

2

48

0

0

41

0

0

19

38

0

1

17

11

378

45

171

Lu

0

2

0

2 11

1

0

6

0

0

1

0

0

9

1

0

0

3

3

39

28

11

Sl2

1

3

0

29

2 160

2

45

0

0 116

0

0

10

6

0

3

9

0

386

41

160

Sl3

0

2

0

3

0

1

3

2

0

0

0

0

0

0

1

0

1

6

0

19

16

3

Sl4

1

2

2

91

4

58

0 120

0

0

61

1

0

37

24

0

2

20

1

424

28

120

Slu

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

1

0

0

Ss

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

1

0

0

Su2

2

1

1

54

3 131

1

96

0

0 141

1

0

33

11

0

3

7

1

486

29

141

Su4

0

0

0

0

0

1

0

1

0

0

1

0

0

0

1

0

0

0

0

4

0

0

Tu3

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

1

0

0

Tu4

0

0

1

10 21

13

0

14

0

0

9

0

6

74

0

0

0

6

5

159

47

74

Uls

0

0

3

24

0

6

0

15

1

0

10

2

0

0

33

0

2

13

2

111

30

33

Us

0

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

1

0

0

Ut2

0

3

0

6

0

1

3

1

0

0

2

0

0

0

2

0

44

28

3

93

47

44

Ut3

3

1

5

38

3

5

11

33

0

0

13

0

1

19

28

0

33 502

7

702

72

502

Ut4

1

0

0

5

0

2

0

3

0

0

4

0

0

3

0

0

3

4

22

47

47

22

Schriftenreihe des LfULG, Heft 1/2020 | 62

Die nachfolgenden Karten zeigen für das erweiterte Testgebiet Mittelsachsen die räumliche Darstellung der Prog-

noseergebnisse für die FIS- und GLB-Aufschlüsse im Vergleich zu den Aufschlussdaten. Hierbei wurde zwischen

den Bodenarten (Abbildung 36 und Abbildung 37) und den Bodenartengruppen unterschieden (Abbildung 38 und

Abbildung 39). Vergleichskarten, welche die Ergebnisse für beide Datensätze (FIS, GLB) der digitalen Bodenkarte

1:50.000 (digBK50) gegenüberstellen, sind dem Anhang (Karten 1 und 2) zu entnehmen.

Schriftenreihe des LfULG, Heft 1/2020 | 63

Schriftenreihe des LfULG, Heft 1/2020 | 64

Nachfolgende Abbildungen zeigen für das erweiterte Testgebiet Mittelsachsen die Prognoseergebnisse für den

nach KA5 klassifizierten Humusgehalt des Oberbodens (1. Schicht) – abgeleitet aus den FIS-Aufschlüssen der

Bodenkundlichen Landesaufnahme sowie den Grablochbeschrieben. Den Ergebnissen gegenübergestellt sind die

originären Aufschlussparameter (Abbildung 40 und Abbildung 41). Als anwendungsbezogener Parameter wurde

der bodenartenabhängige K-Faktor K

B

der Allgemeinen Bodenabtragsgleichung (ABAG) aus den Prognoseergeb-

nissen für die Bodenart und den Humusgehalt abgeleitet. Der K

B

-Faktor beschreibt die bodenartenabhängige Ero-

dierbarkeit des Oberbodens unter Berücksichtigung des Humusgehaltes. Abbildung 42 und Abbildung 43 zeigen

für das Testgebiet Mittelsachsen die Verbreitung des K

B

-Faktors.

Vergleichskarten, welche die Ergebnisse für den Humusgehalt und den K

B

-Faktor der digitalen Bodenkarte

1:50.000 (digBK50) gegenüberstellen, sind dem Anhang (Karten 3 und 4) zu entnehmen.

Schriftenreihe des LfULG, Heft 1/2020 | 65

Schriftenreihe des LfULG, Heft 1/2020 | 66

Abbildung 44 und Abbildung 45 zeigen zunächst verschiedene Prognosevarianten, welche anhand der FIS- und

GLB-Aufschlüsse für das erweiterte Testgebiet Mittelsachsen durchgeführt wurden. Als Vergleichsgrundlage die-

nen die nFKWe-Werte der FIS- bzw. GLB-Aufschlüsse, jeweils Teilabbildung (1). In Teilabbildung (3) ist das Prog-

noseergebnis der über das Gesamtprofil modellierten nFKWe dargestellt. Teilabbildung (4) zeigt die Prognoseer-

gebnisse der im Projektverlauf priorisierten schichtweise vorgenommenen Modellierung der nFKWe. Ergänzend

gegenübergestellt sind jeweils in Teilabbildung (2) die Ergebnisse der entsprechend der Vorgehensweise des Bo-

denbewertungsinstrumentes Sachsen (LFULG 2009) vorgenommenen Bestimmung der nFKWe anhand der model-

lierten (Prognose-)Parameter Bodenart, Humusgehalt, Skelettgehalt und Lagerungsdichte.

Schriftenreihe des LfULG, Heft 1/2020 | 67

Schriftenreihe des LfULG, Heft 1/2020 | 68

Abbildung 46 dokumentiert die Übereinstimmung zwischen Prognosedaten der schichtweisen Modellierung und

Aufschlussdaten der FIS- und GLB-Datensätze anhand der statistischen Kennwerte R² und RMSE (Streuungs-

maß). Entsprechend der Ergebnisse für die Bodenart zeigen die Prognoseergebnisse für die Bodenschätzungsda-

ten aufgrund der deutlich größeren Datendichte höhere Gütemaße gegenüber den FIS-Daten. Bezogen auf die

entsprechend des Bodenbewertungsinstrumentes Sachsen (LFULG 2009) vorgenommene Klassifizierung der Da-

Schriftenreihe des LfULG, Heft 1/2020 | 69

ten wird anhand Abbildung 47 deutlich, dass 54 % der FIS-Prognosedaten und 78 % der GLB-Prognosedaten mit

den Klassen der Aufschlussdaten übereinstimmen, was in Hinblick auf die praxisorientierte Nutzung der Progno-

seergebnisse (Bodenbewertung) ein gutes Ergebnis darstellt. Weitere 42 % (FIS) bzw. 21 % (GLB) weisen Klas-

senabweichungen von ±1 auf. Nur bei 4 % der FIS-Prognoseflächen bzw. 1 % der GLB-Prognoseflächen weichen

die Klassen um ±2 gegenüber den nFKWe-Klassen der Aufschlüsse ab.

Schriftenreihe des LfULG, Heft 1/2020 | 70

Nachfolgende Abbildungen zeigen für das erweiterte Testgebiet Mittelsachsen die schichtbezogen erzeugten

Prognoseergebnisse für die nutzbare Feldkapazität des effektiven Wurzelraumes (nFKWe) – abgeleitet aus den

FIS-Aufschlüssen der Bodenkundlichen Landesaufnahme sowie den Grablochbeschrieben. Den Ergebnissen ge-

genübergestellt sind die originären Aufschlussparameter. Vergleichskarten, welche die Prognoseergebnisse den

abgeleiteten nFKWe-Werten der digitalen Bodenkarte 1:50.000 (digBK50) gegenüberstellen, sind dem Anhang

(Karte 5) zu entnehmen.

Schriftenreihe des LfULG, Heft 1/2020 | 71

Schriftenreihe des LfULG, Heft 1/2020 | 72

9.1 Methodik

Um für die bodengeschätzten landwirtschaftlichen Flächen Sachsens aus den momentan verfügbaren digitalen

Bodenschätzungsdaten des Liegenschaftskatasters zeitnah hochauflösende, großmaßstäbige Bodenfunktionskar-

ten bereitstellen zu können, wurde ein Modellansatz aus Hessen in die Projektarbeiten mit einbezogen. Dabei wer-

den die Sachdaten (Klassenzeichen) der Schätzungsflächen genutzt.

Zur direkten Ableitung von Bodenkennwerten aus Unterlagen der Bodenschätzung legten VORDERBRÜGGE u. a.

(2004) einen Ansatz vor, der insbesondere für Bodenfunktionsbetrachtungen im Rahmen der Bauleitplanung in

einigen Bundesländern zur Anwendung kommt.

Der Ansatz basiert darauf, dass ausgehend von Felduntersuchungen und Auswertungen von Grablochbeschrieben

Multiplikatoren für die jeweiligen Bodenzahlen der Klassenzeichen entwickelt wurden, die es ermöglichen, u. a. die

nFKWe in mm durch Multiplikation der Bodenzahl mit dem für die Bodenart ausgewiesenen Multiplikator zu ermit-

teln. Exemplarisch sind die so errechneten Ergebnisse für den vereinfachten Ackerschätzrahmen in Tabelle 25

dargestellt. Abweichend von der im Internet publizierten Methodenvorschrift (HLUG 2008) wurde für die Berechnung

der Sande nicht der Wert 2,1039, sondern der in der Literatur (VORDERBRÜGGE u. a. 2004) ausgewiesene Wert von

2,425 genutzt. Die Verwendung dieses Wertes wurde durch VORDERBRÜGGE u. a. (2004) im Rahmen eines für

Sachsen-Anhalt bearbeiteten Projektes empfohlen und kam auch für das vorliegende Projekt zur Anwendung.

Da die Unterlagen der Bodenschätzung flächendeckend vorliegen, ermöglicht diese Methode eine großmaßstäbige

Ausweisung von bodenphysikalischen Kennwerten. Diese Ausweisung kann durch reine Bodenkarten, die für die

meisten Bundesländer im mittelmaßstäbigen Bereich vorliegen, bis dato nicht erfolgen. Deshalb kommt dieser An-

satz für großmaßstäbige Bodenfunktionsbetrachtungen häufig zum Einsatz und wurde durch andere Autoren für

die jeweiligen Bundesländer angepasst (siehe HARTMANN und DEHNER 2007).

Die Ausweisung der nFKWe erfolgte für das erweiterte Testgebiet Mittelsachsen durch Multiplikation der im ALKIS-

Layer „Bodenschätzung“ ausgewiesenen Bodenzahlen mit den bodenartenspezifischen Multiplikatoren. Im Ergeb-

nis entstand für die landwirtschaftlich genutzten Flächen eine großmaßstäbige flächendeckende Karte der nFKWe.

Für das vorliegende Projekt ist zu beachten, dass für die Erarbeitung der Multiplikatoren in der Hessischen Metho-

de die KA4 zugrunde liegt, während für die aktuellen Projektarbeiten bereits die entsprechenden bodenphysikali-

schen Werte der in Diskussion befindlichen KA6 genutzt wurden. Somit kann es für einzelne Bodenarten vorkom-

men, dass unterschiedliche nFKWe-Werte vorliegen. Der direkte Vergleich der Absolutwerte ist daher nicht in vol-

lem Umfang statistisch gesichert.

Schriftenreihe des LfULG, Heft 1/2020 | 73

S

D

90,9

72,8

57,0

43,7

32,7

21,8

2,425

Al

98,2

80,0

64,3

50,9

38,8

26,7

2,425

V

90,9

72,8

57,0

43,7

32,7

21,8

2,425

Sl

D

138,6

113,5

91,4

72,2

56,0

39,8

2,949

Al

146,0

122,4

100,3

79,6

61,9

45,7

2,949

V

135,7

115,0

94,4

75,2

59,0

42,8

2,949

lS

D

181,1

155,7

133,0

113,2

93,4

73,6

53,8

2,830

Lö

189,6

164,1

140,1

118,9

99,1

79,2

59,4

2,830

Al

189,6

164,1

140,1

118,9

99,1

79,2

59,4

2,830

V

152,8

133,0

113,2

93,4

75,0

56,5

2,830

Vg

124,5

104,7

84,9

65,1

43,9

2,830

SL

D

208,1

184,8

161,5

139,7

119,3

98,9

77,1

2,909

Lö

224,0

197,8

171,7

146,9

125,1

104,7

82,9

2,909

Al

221,1

194,9

170,2

146,9

125,1

104,7

82,9

2,909

V

208,0

184,7

161,5

138,2

116,4

96,0

74,2

2,909

Vg

149,8

126,6

103,3

80,0

56,7

2,909

sL

D

217,8

194,6

172,9

152,4

133,4

114,3

92,6

2,722

Lö

238,2

212,3

187,8

163,3

140,2

119,8

98,0

2,722

Al

232,8

206,9

183,8

162,0

140,2

119,8

98,0

2,722

V

220,5

196,0

171,5

148,4

127,9

107,5

84,4

2,722

Vg

162,0

134,8

108,9

84,4

59,9

2,722

L

D

248,8

224,2

201,1

177,9

154,8

133,1

109,9

2,893

Lö

277,7

251,7

225,7

199,6

173,6

146,1

117,2

2,893

Al

274,9

244,5

217,0

190,9

166,4

141,8

114,3

2,893

V

251,7

225,7

199,6

175,0

147,6

123

98,4

2,893

Vg

189,5

160,6

131,6

101,3

69,4

2,893

LT

D

196,8

175,4

155,3

136,3

117,4

98,4

77,1

2,371

Al

206,3

184,9

163,6

143,4

124,5

104,3

80,6

2,371

V

196,8

175,4

154,1

132,8

111,4

90,1

67,6

2,371

Vg

148,2

124,5

100,8

77,1

52,2

2,371

T

D

150,4

132,6

114,7

96,9

76,9

52,4

2,228

Al

155,9

137,0

119,2

100,3

79,1

53,5

2,228

V

149,3

129,2

109,2

89,1

67,9

43,4

2,228

Vg

122,5

102,5

82,4

62,4

41,2

2,228

Schriftenreihe des LfULG, Heft 1/2020 | 74

9.2 Prognoseergebnisse und Modellgütemaße

Anhand des hessischen Modellansatzes wurden die Bodenzahl des Oberbodens und die nutzbare Feldkapazität

des effektiven Wurzelraumes für die Klassenflächen der Bodenschätzung abgeleitet. Abbildung 50 dokumentiert

die räumliche Verteilung der klassifizierten Ergebnisse. In Abbildung 51 sind die Ergebnisse der nFKWe-Ableitung

vergleichend den FIS- und GLB-Aufschlusswerten sowie der aus der digBK50 abgeleiteten nFKWe gegenüberge-

stellt.

Schriftenreihe des LfULG, Heft 1/2020 | 75

Abbildung 52 zeigt die statistische Güte der Übereinstimmung der nach hessischem Modellansatz abgeleiteten

Werte für die nFKWe mit den Werten der FIS-Aufschlüsse.

Schriftenreihe des LfULG, Heft 1/2020 | 76

Schriftenreihe des LfULG, Heft 1/2020 | 77

10.1 Zusammenfassung

Im vorliegenden Projekt ist eine räumliche Prognose von punkthaften bodenkundlichen Primär- und Sekundärpa-

rametern der bodenkundlichen Landesaufnahme, sowie der Bodenschätzung auf der Grundlage von Reliefparame-

tern vorgenommen worden. (Kap. 5 und 6)

Die mittels Data-Mining-Modellen generierten Prognoseergebnisse sind durch statistische Genauigkeitsmaße cha-

rakterisiert. (Kap. 8.4). Für die Bodenarten wurde das beste Prognoseergebnis erzielt.

Die Daten der Bodenkundlichen Landesaufnahme aus dem FIS-Boden-Datensatz verfügen über eine hohe

Parameterqualität, jedoch beträgt die Raumdichte durchschnittlich nur 2,9 Punkte je km². Auf der Grundlage dieser

Punktdichte konnte keine valide großmaßstäbige Bodenkarte generiert werden.

Für die Daten der Bodenschätzung liegt die Einschränkung der Datennutzung auf einem anderen Gebiet. Mit

32,5 Punkten je km² (landwirtschaftliche Nutzfläche) liegt eine gute Raumdichte für eine großmaßstäbige Auswer-

tung vor.

Nachteil der Bodenschätzungsdaten sind der eingeschränkte Parameterumfang und das Alter der Daten (Datenak-

tualität). Die Datendichte der Bodenschätzung ist geeignet für großmaßstäbige Karten im Maßstab 1:10.000.

Die beiden Datenbestände FIS Boden und Bodenschätzung sollten getrennt voneinander ausgewertet werden. Bei

einer Mischung der Datenbestände verlieren die qualitativ hochwertigen FIS Boden Daten an Bedeutung.

Das Testgebiet Mittelsachsen umfasste vorwiegend löss- und sandlössgeprägte Böden. Die angewendeten Me-

thoden sollten auch in weiteren Testgebieten mit Böden aus Verwitterungsgesteinen getestet werden. Für Waldbö-

den sind ebenfalls Daten aus der Forstlichen Standortkartierung heranzuziehen, da für die Waldgebiete keine Bo-

denschätzungsdaten vorliegen.

Ausgehend von den Ergebnissen des Projektes und den oben getroffenen Kernaussagen wurde ein Prozessablauf

erarbeitet, der, unter Berücksichtigung der erforderlichen Datengrundlagen, einen Vorschlag für einen methodi-

schen Ablauf zur großmaßstäbigen flächendeckenden Ausweisung von Bodenfunktionen und –kennwerten enthält.

10.2 Prozessablauf zur Ableitung großmaßstäbiger Bodenkar-

ten

Ausgehend von den Ergebnissen des Projektes und den oben getroffenen Aussagen wurde der Prozessablauf

erarbeitet, der, unter Berücksichtigung der erforderlichen Datengrundlagen, einen Vorschlag für einen methodi-

schen Ablauf zur großmaßstäbigen flächendeckenden Ausweisung von Bodenfunktionen und -kennwerten enthält

(Abbildung 53).

Schriftenreihe des LfULG, Heft 1/2020 | 78

Schriftenreihe des LfULG, Heft 1/2020 | 79

10.3 Aufschlussdaten der Bodenkundlichen Landesaufnahme

aus dem FIS-Boden-Datensatz

Analog zur manuellen Ausgrenzung von großmaßstäbigen Kartierungseinheiten ist auch bei den geostatistischen

Verfahren eine reliefspezifische Verdichtung des FIS-Datensatzes durch Neuaufnahme von Aufschlüssen notwen-

dig. In einem ersten Schritt sind hierzu die Ansatzpunkte für die Aufschlüsse durch eine Auswertung der vorhande-

nen Aufschlüsse in Bezug zu den Bodeneinheiten und den Reliefklassen (siehe hierzu Kap. 6) festzulegen. Hierbei

handelt es sich um Geländepositionen, die durch die vorhandenen Aufschlüsse nicht oder unterrepräsentiert wer-

den. Der Bedarf für Neukartierung ist, wie die Untersuchungen zur räumlichen Repräsentativität (Kap. 7) zeigen,

innerhalb von Sachsen sehr unterschiedlich anzusetzen. Aussagen hierzu liefert die BK50, für die in einigen Teil-

bereichen (Kartenblättern) eine sehr detaillierte Ausgrenzung der Kartierungseinheiten auf Basis eines dichten

Netzes von Aufschlüssen vorgenommen wurde. In anderen Bereichen, wie auch im Testgebiet, entspricht die

Raumdichte der Aufschlüsse sowie die Größe der auskartierten Bodeneinheiten den Vorgaben zur Erstellung einer

BK 50.

Es wird daher empfohlen, kartenblatt- und bodenlandschaftsabhängig eine Analyse der Verteilung der vorhande-

nen Aufschlüsse in Bezug auf Bodenform und wesentliche Reliefklassen vorzunehmen. Auf Grundlage der so er-

mittelten Verteilung der im FIS-Boden vorhandenen Aufschlüsse ist das Bohr-/Aufschlussprogramm zur Verdich-

tung der unterrepräsentierten Positionen festzulegen. Bei den vorhandenen FIS-Aufschlüssen muss eine Be-

schränkung auf die bodenkundliche Landesaufnahme und die Aufschlüsse der Bodendauerbeobachtungsflächen

erfolgen. Diese Ansprachen wurden einheitlich gemäß Vorgaben und Umfang der KA5 vorgenommen und sind

somit bodenkundlich vergleich- und auswertbar.

Die Kartierungsarbeiten sind durch Kartierer durchzuführen, die über umfangreiche Kenntnisse und praktische

Geländeerfahrung im Umgang mit der KA5, insbesondere bei der Substratansprache verfügen.

Des Weiteren wird empfohlen, im Zuge der laufenden Nachschätzungsarbeiten der Bodenschätzung die neu anzu-

legenden bzw. neu aufgenommenen Vergleichsstücke parallel durch den amtlichen Bodenschätzer und einen bo-

denkundlichen Kartierer anzusprechen. Durch diese Arbeiten ist es neben der Verdichtung der FIS-Aufschlüsse

möglich, den Transformationsschlüssel Bodenschätzung-KA5 und den „Hessischen Modellansatz“ laufend zu qua-

lifizieren.

Zeitschiene: mittelfristig

Kosten: hoch

10.4 Unterlagen Punktdaten Bodenschätzung

Da die Unterlagen der Bodenschätzung flächendeckend für die landwirtschaftliche Nutzfläche vorliegen, nach einer

einheitlichen Vorschrift aufgenommen wurden und die Grablöcher eine hohe Raumdichte aufweisen, kann und

sollte auf diese Informationen bei der Erstellung von großmaßstäbigen Bodenfunktionskarten nicht verzichtet wer-

den.

In verschiedenen Bundesländern Deutschlands laufen bzw. liefen Arbeiten zur Transformation der Unterlagen der

Bodenschätzung in die Nomenklatur der KA 5 (u. a. in Niedersachsen, Brandenburg und Sachsen-Anhalt). Sie

zeigen, dass es grundsätzlich möglich ist, Transformationen der Bodenarten sowohl auf dem Bodenartengruppen-

Schriftenreihe des LfULG, Heft 1/2020 | 80

als auch dem Bodenartenniveau mit hohen Gütemaßen zu erreichen, wobei in vielen Fällen eine Streuung der

Ergebnisse unvermeidbar ist. Voraussetzung hierfür sind jedoch standortspezifisch erarbeitete bzw. angepasste

Transformationsschlüssel. Entsprechende Arbeiten hierzu wurden auch in Sachsen begonnen, sind bis dato jedoch

noch nicht abgeschlossen. Wie die Ergebnisse des vorliegenden Projektes verdeutlichen, ist dies jedoch unbedingt

für eine qualitativ hochwertige Transformation notwendig, da die Verwendung von Schlüsseln aus anderen Regio-

nen Deutschlands zu Fehlaussagen und einer sehr großen Streuung führt.

Erfahrungsgemäß verwendeten die früheren Bodenschätzer meist mehrere Nebenbodenarten und spezielle Er-

gänzungen, um die Bodenart eindeutig auszuweisen. Vorteilhaft bei der Erarbeitung des Transformationsschlüs-

sels ist es deshalb, diesen nicht nur auf eine Nebenbodenart zu beschränken sowie wesentliche Ergänzungen

aufzunehmen.

Für die Interpretation und eindeutige Festlegung der Transformationsergebnisse hat sich die Hinzuziehung weiterer

bodenkundlicher Informationen wie die digBK50, die MMK oder die bodenkundliche Auswertung der GK25 als vor-

teilhaft erwiesen. In Sachsen-Anhalt wird gegenwärtig hierfür ein GIS-Tool entwickelt, welches die Plausibilität der

Transformation durch den Vergleich und die Ausweisung der Übereinstimmung mit anderen Standortdaten aufzeigt

(MÖLLER u. a. 2017).

Zeitschiene: Transformationsschlüssel – kurzfristig; Datenverfügbarkeit – mittelfristig

Kosten: mittel

10.5 Modellansatz Flächendaten Bodenschätzung

Für die Beschreibung und Bewertung natürlicher Bodenfunktionen liegt für den Freistaat Sachsen das „Bodenbe-

wertungsinstrument Sachsen“ (LFULG 2009) vor. Es enthält Methodenvorschläge und Bewertungskriterien auf

Basis bodenkundlicher Kennwerte für die Anwendung in der Fachplanung. So lässt sich unter anderem die qualita-

tive Stufe des Wasserspeichervermögens der Böden aus der Bodenzahl der Bodenschätzung sowie KA5-

konformen Angaben ableiten.

VORDERBRÜGGE u.a. (2004) gingen einen anderen Weg zur Nutzung der Unterlagen der Bodenschätzung bei der

Ableitung von Bodenfunktionskennwerten. Anstelle einer Transformation der Bodenschätzungsinformationen in die

KA5 und anschließender Ableitung von Parametern wurde ein Ansatz entwickelt, indem für verschiedene Boden-

funktionskennwerte Multiplikatoren abgeleitet wurden und der jeweilige (quantitative) Kennwert durch Multiplikation

mit der klassenzeichenbestimmten Bodenzahl errechnet wird. Somit können auf direktem Weg großmaßstäbige

Bodenfunktionskarten erstellt werden. Dieser Ansatz kommt in Deutschland insbesondere in der Bauleitplanung

häufig zur Anwendung. Zwei Einschränkungen müssen jedoch beachtet werden: Das Verfahren ist nur für landwirt-

schaftlich genutzte Flächen anwendbar, da diese dem Geltungsbereich der Bodenschätzung entsprechen. Zudem

basiert es auf bodenphysikalischen Tabellenwerten der KA4, sodass Abweichungen zu den aktuell in der Diskussi-

on befindlichen Werten der geplanten KA6 (vGleichung DEHNER u. a. 2015; HENNINGS u. a. 2013) auftreten.

Da es ein einfach zu handhabendes Verfahren ist und die benötigten Flächendaten der Bodenschätzung zumin-

dest analog und schrittweise auch digital flächendeckend vorliegen, kann die Nutzung für Zwecke der Bauleitpla-

nung auf landwirtschaftlich genutzten Flächen auch für den Freistaat Sachsen nach Anpassungsarbeiten empfoh-

len werden.

Die Multiplikatoren sind entsprechend der Vorgehensweise von VORDERBRÜGGE u. a. (2004) unter Nutzung der

Muster- und Vergleichstücke (siehe hierzu auch Empfehlung in Kap.10.2) sowie in Klassenflächen mit unmittelba-

Schriftenreihe des LfULG, Heft 1/2020 | 81

rer Nachbarschaft von BLA-Aufschlüssen und Grablöchern zu überprüfen. Gegebenenfalls sind diese entspre-

chend der KA6-Tabellenwerte zu korrigieren.

Die Übertragung in die Fläche zur Ableitung von großmaßstäbigen Bodenfunktionskarten muss nicht zwingend

über die Klassenfläche erfolgen, da diese häufig unter Berücksichtigung der Liegenschaftsstruktur festgelegt und

Einflüsse des Reliefs nur bedingt berücksichtigt wurden.

Unter Anwendung der im vorliegenden Projekt gewonnenen Erkenntnisse und erstellten Prozessketten ist die Ab-

leitung der Parameter für die Grablöcher, sowohl bestimmende als auch nicht bestimmende, zu empfehlen und die

Werte in einem sich daran anschließenden Schritt mittels Data Mining in die Fläche zu übertragen. Der Vorteil die-

ses Verfahrens liegt darin, dass dadurch die Reliefpositionen und -klassen als bodenprägende Standortfaktoren

sowie weitere Zusatzinformationen in die flächenhafte Ausweisung und Ausgrenzung einfließen können.

Zeitschiene: Anpassung Modellansatz – kurzfristig; Datenverfügbarkeit – mittelfristig

Kosten: gering

Schriftenreihe des LfULG, Heft 1/2020 | 82

ABRAHAM, J. (2016): Finanzverwaltung Sachsen-Anhalt Magdeburg. Mündliche Mitteilung. 11.08.2016.

AD-HOC-AG BODEN (2005): Bodenkundliche Kartieranleitung (KA 5).- 5. Auflage, Hannover

ALTERMANN, M., STEININGER, M. UND O. ROSCHE (2004): Zur Ableitung der Bodenausbildung (Substrataufbau, Bo-

dentyp) aus den Unterlagen der Bodenschätzung (digitalisierte Grablochbeschriebe einschließlich räumlicher

Zuordnung) für das Land Sachsen-Anhalt. – Abschlussbericht, LAU Sachsen-Anhalt, unveröffentlicht

ATTERBERG, K. (1905): Die rationale Klassifikation der Sande und Kiese. Chemikerzeitung, 29, 195-198

BEVEN, K. AND M. KIRKBY (1979): A physically based, variable contributing area model of basin hydrology. Hydrolog-

ical Sciences Bulletin, 24(1), 43–69

BLASCH, G., SPENGLER, D., HOHMANN, CH., NEUMANN, C., ITZEROTT, S. UND H. KAUFMANN (2015): Multitemporal soil

pattern analysis with multispectral remote sensing data at the field-scale, Computers and Electronics in Agri-

culture 113, 1-13

BOCK, M., BOEHNER, J., CONRAD, O., KOETHE, R., AND A. RINGELER (2007): Methods for creating Functional Soil Da-

tabases and applying Digital Soil Mapping with SAGA GIS. - T. HENGL, P. PANAGOS, A. JONES AND G. TOTH

(Eds.): Status and prospect of soil information in south-eastern Europe: soil databases, projects and applica-

tions, number EUR 22646 EN. - Scientific and Technical Research series (pp. 149-162). Luxemburg: Office for

Official Publications of the European Communities

BOEHNER, J. AND T. SELIGE (2006): Spatial prediction of soil attributes using terrain analysis and climate regionalisa-

tion. - BOEHNER, J., MCCLOY, K. AND J. STROBL (Eds.): SAGA – Analysis and Modelling Applications, volume

115 of Göttinger Geographische Abhandlungen, 13–28). Göttingen, Germany: University of Göttingen.

BREIMAN, L. (2001): Random Forests. Machine Learning, 45, 5-32

BRENNING, A. (2008): Statistical geocomputing combining R and SAGA: The example of landslide susceptibility

analysis with generalized additive models. - BOEHNER, J. AND T. BLASCHKE (Ed.): SAGA – Seconds Out, vol-

ume 19 of Hamburger Beiträge zur Physischen Geographie und Landschaftsökologie, 23-32)

CONRAD, O., BECHTEL, B., BOCK, M., DIETRICH, H., FISCHER, E., GERLITZ, L., WEHBERG, J., WICHMANN, V., AND J. BÖH-

NER (2015): System for Automated Geoscientific Analyses (SAGA) v. 2.1.4. Geoscientific Model Development,

8(7), 1991-2007

DEHNER, U., RENGER, M., BRÄUNIG, A., LAMPARTER, A., BAURIEGEL, A., BURBAUM, B., HARTMANN, K.-J., HENNINGS, V.,

IDLER, F., KRONE, F., MARTIN, W., MEYER, K. UND F. WALDMANN (2015): Neue Kennwerte für die Wasserbindung

in Böden - Ergebnisse der Abstimmung zwischen dem Personenkreis Wasserhaushaltstabellen der Ad-hoc-

AG Boden und dem DWA. - Tagungsbeitrag zur Jahrestagung der DBG vom 5.-10. September 2015, Mün-

chen

FOODY, G. (2002): Status of land cover classification accuracy assessment. Remote Sensing of Environment,

80(1), 185-201

FRIEDRICH, K. (1996). Digitale Reliefgliederungsverfahren zur Ableitung bodenkundlich relevanter Flächeneinheiten.

Frankfurter Geowissenschaftliche Arbeiten, Bd. D 21. Frankfurt

FUCHS, M. (2002): Methoden zur objektiven Ableitung von Bodenkarten im Folgemaßstab - Unterstützung der geo-

metrisch-begrifflichen Generalisierung von Bodenkarten durch erweiterte Werkzeuge in einem Geo-

Informationssystem, Dissertation, Freie Universität Berlin

GALLANT, J. C. AND T.I. DOWLING (2003): A multiresolution index of valley bottom flatness for mapping depositional

areas. Water Resources Research, 39(12), 1347-1359

Schriftenreihe des LfULG, Heft 1/2020 | 83

GUISAN, A., WEISS, S. B., AND A.D. WEISS (1999): GLM versus CCA spatial modeling of plant species distribution.

Plant Ecology, 143(1), 107-122

HÄRING, T., DIETZ, E., OSENSTETTER, S., KOSCHITZKI, T. AND B. SCHRÖDER (2012): Spatial disaggregation of complex

soil map units: A decision-tree based approach in bavarian forest soils. - Geoderma, 185/186, 37-47

HARTMANN, K.-J. UND U. DEHNER (2007): Entwicklung von Standardprofilen für Klassenzeichen der Bodenschät-

zung. Zeitschrift für Bodenschutz, Heft 2, S. 44-48

HENGL, T. AND H. REUTER [Eds.] (2009): Geomorphometry: Concepts, Software, Applications, volume 33. Amster-

dam: Elsevier

HENNINGS, V., BRÄUNIG, A., BAURIEGEL, A., BURBAUM, B., DEHNER, U., HARTMANN, K.-J., IDLER, F., MARTIN, W., MÜL-

LER, U., SCHREY, H.P. UND F. WALDMANN (2013): Die Bodenphysikdatenbank der Staatlichen Geologischen

Dienste: Aufbau, Auswertungen, Perspektiven. Tagungsbeitrag zur Jahrestagung der DBG vom 7.-12. Sep-

tember 2013, Rostock

HIEMSTRA, P., PEBESMA, E., TWENHÖFEL, C. AND G. HEUVELINK (2008): Real-time automatic interpolation of ambient

gamma dose rates from the Dutch Radioactivity Monitoring Network. Computers & Geosciences.

HLUG (2008): Bodenfunktionsbezogene Auswertung von Bodenschätzungsdaten. Hessisches Landesamt für Um-

welt und Geologie.

(Stand

26.10.2012)

KÖTHE, R. UND F. LEHMEIER (1996): SARA – System zur Automatischen Reliefanalyse. User Manual. Technical

report, Department of Geography, University of Göttingen, Germany

KÜHN, D. UND H. MÜLLER (2009): Probleme der Interpretation der Bodenschätzung bei der Kartierung in Branden-

burg. Tagungsbeitrag zu: Jahrestagung der DBG im September 2009, Bonn.

KUHN, M., WING, J., WESTON, S., WILLIAMS, A., KEEFER, C., ENGELHARDT, A., COOPER, T. AND Z. MAYER (2014): caret:

Classification and Regression Training. R package version 6.0-24

LANDIS, J. AND G. KOCH (1977): The measurement of observer agreement for categorical data. Biometrics, 33,

159-174

LFULG [Hrsg.] (2009): Bodenbewertungsinstrument Sachsen. Schriftenreihe des Sächsischen Landesamtes für

Um-welt, Landwirtschaft und Geologie

MACMILLAN, R., JONES, R., & MCNABB, D. (2004). Defining a hierarchy of spatial entities for environmental analysis

and modeling using digital elevation models (DGMs). Computers, Environment and Urban Systems, 28,

175-200

MOEYS, J. (2016): Soiltexture: Functions for Soil Texture Plot, Classification and Transformation. R package version

1.4.1.

MÖLLER, M, STEININGER, M., THÜRKOW, F., KAINZ, W. UND H. HELBIG (2017): ProBoSA - Pilotstudie “Entwicklung ei-

nes Expertensystems zur Prognose hoch- und grundwasserbeeinflusster Böden in Sachsen-Anhalt”. Martin-

Luther-Universität Halle-Wittenberg, Abschlussbericht, unveröffentlicht

MÖLLER, M., KOSCHITZKI, T., HARTMANN, K.-J. AND R. JAHN (2012): Plausibility test of conceptual soil maps using

relief parameters. CATENA, 88(1), 57–67

MÖLLER, M. AND M. VOLK (2015): Effective map scales for soil transport processes and related process domains –

Statistical and spatial characterization of their scale-specific inaccuracies. Geoderma, 247/248, 151–160.

MÖLLER, M., WURBS, D., ROSCHE, O. UND M. STEININGER (2009): Qualifizierung von Daten der Bodenschätzung als

Grundlage für großmaßstäbige Bodenfunktionsbewertungen. Landesanstalt für Landwirtschaft und Gartenbau

Sachsen-Anhalt (LLG), Abschlussbericht, unveröffentlicht

Schriftenreihe des LfULG, Heft 1/2020 | 84

MÖLLER, M., VOLK, M., FRIEDRICH, K., AND L. LYMBURNER (2008): Placing soil-genesis and transport processes into a

landscape context: A multiscale terrain-analysis approach. Journal of Plant Nutrition and Soil Science, 171(3),

419-430

MÜCKENHAUSEN E. (1985): Die Bodenkunde und ihre geologischen, geomorphologischen und petrologischen

Grundlagen. DLG-Verlag, Frankfurt/Main

R CORE TEAM (2015): R: A Language and Environment for Statistical Computing. R Foundation for Statistical Com-

puting, Vienna, Austria

ROGGE, D., BAUER, A. ZEIDLER, J., MUELLER, A. ESCH, T. UND U. HEIDEN (2018): Building an exposed soil composite

pro-cessor (SCMaP) for mapping spatial and temporal characteristics of soils with Landsat imagery

(1984-2014), Re-mote Sensing of Environment 205, 1-17

ROSENFIELD, G. (1986): A coefficient of agreement as a measure of thematic classification accuracy. Photogram-

metric Engineering and Remote Sensing, 52(2), 223-227

SPATIALREFERENCE (2016): Catalogs of Spatial Reference Systems

STEHMAN, S. (1997): Selecting and interpreting measures of thematic classification accuracy. Remote Sensing of

Environment, 62(1), 77-89

STEIN, M. (1999): Interpolation of Spatial Data: Some Theory for Kriging. Springer Series in Statistics. Springer New

York

STEINHARDT, U. UND M. VOLK (2002): An investigation of water and matter balance on the meso-landscape scale: A

hierarchical approach for landscape research. Landscape Ecology 17 (1), 1-12

WILSON, J. & GALLANT, J. (2000): Terrain Analysis – Principles and Applications. New York: John Wiley & Sons.

YOKOYAMA, R., SHIRASAWA, M. AND R. PIKE (2002): Visualizing topography by openness: A new application of image

processing to digital elevation models. Photogrammetric Engineering & Remote Sensing, 68(3), 251–266

VORDERBRÜGGE, T., MILLER, RICARDA, PETER, M. UND S. SAUER (2004): Ableitung der nutzbaren Feldkapazität aus

den Klassenzeichen der Bodenschätzung. DBG-Mitteilungen 2004, Bd.104, S. 33-34

ZEVENBERGEN, L.W. AND C. R. THORNE (1987): Quantitative analysis of land surface topography. Earth Surface Pro-

cesses and Landforms, 12(1)

Schriftenreihe des LfULG, Heft 1/2020 | 85

Schriftenreihe des LfULG, Heft 1/2020 | 86

Schriftenreihe des LfULG, Heft 1/2020 | 87

Schriftenreihe des LfULG, Heft 1/2020 | 88

Schriftenreihe des LfULG, Heft 1/2020 | 89

Sächsisches Landesamt für Umwelt, Landwirtschaft und Geologie (LfULG)

Pillnitzer Platz 3, 01326 Dresden

Telefon: + 49 351 2612-0

Telefax: + 49 351 2612-1099

E-Mail: lfulg@smul.sachsen.de

Michael Steininger

Mitteldeutsches Institut für angewandte Standortkunde und Bodenschutz

Daniel Wurbs, Henning Gerstmann, Geoflux GbR

Markus Möller, terrasys.info

Mitteldeutsches Institut für angewandte Standortkunde und Bodenschutz

Paracelsusstr. 7 A, 06114 Halle (Saale)

Telefon: + 49 345 5505764

E-Mail: m.steininger@bodensachverstaendige.de

Ruth Hoffmann, Arnd Bräunig, Bernd Siemer

Abteilung 4/Referat Boden Altlasten

Sächsisches Landesamt für Umwelt, Landwirtschaft und Geologie

Halsbrücker Sraße 31a, 09599 Freiberg

Postanschrift: PF 540137, 01311 Dresden

Telefax: + 49 3731 294-2099

E-Mail: arnd.braeunig@smul.sachsen.de

22.01.2020

1867-2868

Die Broschüre steht nicht als Printmedium zur Verfügung, kann aber als PDF-

Datei

heruntergeladen werden.

Verteilerhinweis

Diese Informationsschrift wird von der Sächsischen Staatsregierung im Rahmen

ihrer verfassungsmäßigen Verpflichtung zur Information der Öffentlichkeit her-

ausgegeben.

Sie darf weder von Parteien noch von deren Kandidaten oder Helfern zum Zwe-

cke der Wahlwerbung verwendet werden. Dies gilt für alle Wahlen. Missbräuch-

lich ist insbesondere die Verteilung auf Wahlveranstaltungen, an Informations-

ständen der Parteien sowie das Einlegen, Aufdrucken oder Aufkleben parteipoli-

tischer Informationen oder Werbemittel. Untersagt ist auch die Weitergabe an

Dritte zur Verwendung bei der Wahlwerbung.