a) A B C D E b) + + (-) (>>) + - - + (+) - + +

a) A B C D E b) + + (-) (>>) + - - + (+) - + + Das Syndromkonzept - Methoden der Syndromanalyse und Syndrommodellierung

Vortragsgliederung Syndromanalyse Syndrommodellierung
Hypothesenbildung Syndromdiagnose Syndromprognose Fuzzy Logik Fallstudienintegration - Generalisierung im Syndromkonzept Syndrommodellierung Qualitative Differentialgleichungen Kopplung von Syndromen Diskussion

Lernziele Kennenlernen der grundlegenden Methoden der Syndromanalyse und Syndrommodellierung mit quantitativen (indikatorbasiert) und qualitativen Informationen Verständnis für grundlegende Konzepte der Fuzzy Logik Verständnis für die möglichen Verknüpfungen von Syndromen

Syndromanalyse Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet.

Das RAUBBAU-SYNDROM Raubbau an natürlichen Ökosystemen
zunehmende Übernutzung biolog. Ressourcen (terrestrische & marine Ökosysteme) Überschreiten der natürlichen Regenerationsfähigkeit motiviert durch gesellschaftliche und wirtschaftspolitische Entwicklungen Beispiel: globale Stammholzexploitation Syndromfolgen: Konversion und Degradation artspezifischer Lebensräume regionale Reduzierung der genetischen und Artenvielfalt Erosion, morphologische Änderungen regionale und globale Klimaänderungen

Syndromanalyse Inspektion Musterhypothese 1. Hypothesenbildung 
Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet. Musterhypothese

Syndromanalyse Syndromanalyse Inspektion semi-formale Musterhypothese
1. Hypothesenbildung  syndromspezifisches Beziehungsgeflecht Inspektion Zusammen- hangswissen Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet. semi-formale Beschreibung Musterhypothese

Syndromanalyse 2. Syndromdiagnose  syndromspezifisches
Beziehungsgeflecht Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet.

Syndromanalyse TOOLBOX 2. Syndromdiagnose  syndromspezifisches
Beziehungsgeflecht TOOLBOX globale Datensätze GIS Fuzzy-Logik Fallstudien qualitative Modellierung Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet.

Syndromanalyse TOOLBOX 2. Syndromdiagnose  Disposition
syndromspezifisches Beziehungsgeflecht TOOLBOX globale Datensätze GIS Fuzzy-Logik Fallstudien qualitative Modellierung Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet.

Syndromanalyse Disposition-Entscheidungsbaum hohe Disposition für das
RAUBBAU-SYNDROM

Syndromanalyse Disposition-Entscheidungsbaum gut erreichbarer Wald
Hohe Disposition für das RAUBBAU-SYNDROM

Disposition-Entscheidungsbaum
Syndromanalyse Disposition-Entscheidungsbaum gut erreichbarer Wald hohe Wald- bestandsdichte hohe Disposition für das RAUBBAU-SYNDROM

Fuzzy Logik “Herkömmliche” oder Boolsche Logik: Beispiel:
Wahrheitswert (Zugehörigkeitswert) von entweder 1 (wahr) oder 0 (falsch) Beispiel: Wer gehört zur Gruppe der „alten Leute“?

Fuzzy Logik “Herkömmliche” oder Boolsche Logik:
Zugehörigkeit zur Menge „alte Leute“ 1 0.5 20 40 60 80

? • • • • • • Fuzzy Logik “Herkömmliche” oder Boolsche Logik:
Zugehörigkeit zur Menge „alte Leute“ • • • 1 ? 0.5 • • • 20 40 60 80

Fuzzy Logik “Herkömmliche” oder Boolsche Logik: nicht “alt” “alt”
Zugehörigkeit zur Menge „alte Leute“ 1 nicht “alt” “alt” 0.5 20 40 60 80

Fuzzy Logik Fuzzy Logik:
Wahrheitswert (Zugehörigkeitswert) zwischen 1 (komplett wahr) oder 0 (komplett falsch) Beispiel: Wer gehört zur Gruppe der „alten Leute“?

? • • • • • • • • • • • • • • • • • Fuzzy Logik Fuzzy Logik:
Zugehörigkeit zur Menge „alte Leute“ • • • 1 • • • • nicht “alt” ? “alt” • • 0.5 • • • • • • • • 20 40 60 80

• • • • • • • • • • • • • • • • • Fuzzy Logik Fuzzy Logik: nicht “alt”
Zugehörigkeit zur Menge „alte Leute“ • • • 1 • • • • nicht “alt” “alt” • • 0.5 • • • • • • • • 20 40 60 80

Fuzzy Logik Boolsche Verschneidungsoperatoren:

Fuzzy Logik UND (minimum) ODER (maximum)
Fuzzy Verschneidungsoperatoren: UND (minimum) ODER (maximum)

Fuzzy-Logik - Verschneidung
Syndromanalyse Fuzzy-Logik - Verschneidung Kompensatorischer Fuzzy-UND-Operator: Abbildung : Darstellung der Oberfläche der Zu-gehörigkeit zur linguistischen Variable , durch eine Verknüpfung von und mit einem min-max-Kompensations-Operator K, mit  = 0.5.

Syndromanalyse Disposition-Entscheidungsbaum gut erreichbarer Wald hohe Wald- bestandsdichte hohe Disposition für das RAUBBAU-SYNDROM

Syndromanalyse Disposition-Entscheidungsbaum Biomassen- dichte gut erreichbarer Wald hohe Wald- bestandsdichte hohe Disposition für das RAUBBAU-SYNDROM

m Fuzzy Logik Fuzzyfizierung ( ) 1 £ m mit Waldbestandsdichte hoch
Linguistische Variable „hohe Waldbestandsdichte“ ( ) 1 . m mit Variable Kat ling m Waldbestandsdichte hoch 1 0.8 0.6 0.4 0.2 4 7 Biomasse [kg C m -2 ]

Syndromanalyse Disposition-Entscheidungsbaum Biomassen- dichte gut erreichbarer Wald hohe Wald- bestandsdichte hohe Disposition für das RAUBBAU-SYNDROM

Syndromanalyse Disposition-Entscheidungsbaum

RAUBBAU-SYNDROM: Disposition

Syndromanalyse TOOLBOX 2. Syndromdiagnose  Disposition Intensität
syndromspez. BZG TOOLBOX globale Datensätze GIS Fuzzy-Logik Fallstudien qualitative Modellierung Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet. Intensität

Das SAHEL-SYNDROM Syndromfolgen:
Armutsgetriebene, landwirtschaftliche Übernutzung marginaler Standorte Teufelskreis: Verarmung  Ausweitung landwirt. Aktivitäten  Bodendegradation  Ertragsverlust  Verarmung Beispiele: Überweidung in ariden & semi-ariden Regionen Brandrodungswanderfeldbau in trop. & subtrop. Wald-regionen Syndromfolgen: Übernutzung und Konversion von Ökosystemen zunehmende Bodendegradation weitere Verarmung der ländlichen Bevölkerung Verringerung der genetischen und Artenvielfalt

Syndromanalyse Intensität eines Syndroms: 2 verschiedene Wege:
Indikatorbasierter Ansatz (ähnlich der Dispositions-bestimmung)  spezifische Lösung für ausgewähltes Indikatoren-Set Am Bsp. des erweiterten Sahel-Syndromkerns wird nun eine kurze Einführung in qualitative Modellierung und die Politikberatung gegeben. An zentraler Stelle steht die Frage, inwieweit der formalisierte Ursache-Wirkungs-Mechanismus der dem Sahel-Syndrom zugrunde liegt, tatsächlich ein beobachtbares Muster global relevanter Mensch-Umwelt-Wechselwirkungen darstellt. Von einer solchen Musterhaftigkeit kann dann gesprochen werden, wenn die durch den Mechanismus implizierten Zeitentwicklungen als Lösungen der qualitativen Differentialgleichungen in der Realität in verschiedenen Regionen beobachtet werden können. Dies setzt die Auswertung vieler Fallstudien voraus, in denen qualitative Zeitverläufe verschiedener, für das Sahel-Syndrom und seine zentralen Mechanismen relevanten Größen beschrieben werden. Im folgenden sollen erste Schritte einer solchen fallstudienbasierten Syndromvalidierung umrissen werden. Die Arbeiten hierzu sind weiter im Gange, jedoch lassen bereits die im folgenden dargestellten Ergebnisse den Schluss zu, dass zumindest das Sahel-Syndrom als ein Muster der Mensch-Umwelt-Wechselwirkung angesehen werden kann.

SAHEL-SYNDROM: Kern des Beziehungsgeflechts
Soil Degradation Yield Intensification of Agriculture Population + Population Growth Poverty Impovrishment Economic Disparities Bodendegradation Ertrag Landwirtschaftsintensität Rate der Bodendegr. Intensivierung der Landwirtschaft Bevölkerung + Bev. Wachstum Armut Verarmung Zunehmende nationale & ökonomische Disparitäten Am Bsp. des erweiterten Sahel-Syndromkerns wird nun eine kurze Einführung in qualitative Modellierung und die Politikberatung gegeben. An zentraler Stelle steht die Frage, inwieweit der formalisierte Ursache-Wirkungs-Mechanismus der dem Sahel-Syndrom zugrunde liegt, tatsächlich ein beobachtbares Muster global relevanter Mensch-Umwelt-Wechselwirkungen darstellt. Von einer solchen Musterhaftigkeit kann dann gesprochen werden, wenn die durch den Mechanismus implizierten Zeitentwicklungen als Lösungen der qualitativen Differentialgleichungen in der Realität in verschiedenen Regionen beobachtet werden können. Dies setzt die Auswertung vieler Fallstudien voraus, in denen qualitative Zeitverläufe verschiedener, für das Sahel-Syndrom und seine zentralen Mechanismen relevanten Größen beschrieben werden. Im folgenden sollen erste Schritte einer solchen fallstudienbasierten Syndromvalidierung umrissen werden. Die Arbeiten hierzu sind weiter im Gange, jedoch lassen bereits die im folgenden dargestellten Ergebnisse den Schluss zu, dass zumindest das Sahel-Syndrom als ein Muster der Mensch-Umwelt-Wechselwirkung angesehen werden kann.

Syndromanalyse (indikatorbasiert)
SAHEL-SYNDROM: Intensität 1 (Daten aus dem Zeitraum ) Typische dynamische Eigenschaften des Syndroms: N Landwirtschaftliche Aktivität B Status der Bodendegradation A Anzahl der ländlichen Armen Kausalbeziehungen im Syndromkern  , 3 2 1 < > N f B A Für eine lineare Approximation für fi  dN dt dB dt dA dt = = = const . N B A

SAHEL-SYNDROM: Intensität 2
Syndromanalyse (indikatorbasiert) SAHEL-SYNDROM: Intensität 2 Evaluierung dieser Bedingung führt zum Maß für den SAHEL-SYNDROM-Teufelskreis: Stärke des Teufelskreis: Intensität:

SAHEL-SYNDROM: Intensität (indikatorbasiert)
Weaknesses of the Indicator-Based Approach: Data Problems Only valid for long time periods Verallgemeinerungsproblem Static view

Schwachpunkte: Führt nur zu einer speziellen Lösung Weist nur auf die Existenz der Indikatorelemente hin und damit nur indirekt auf die Existenz des Syndrom- mechanismus. Generalisierungsproblem (andere Regionen; ähnliche Degradationsformen; etc.) Datenprobleme (geeignete Indikatoren?; Datenlücken; falsche Daten; etc.) Benötigt Daten über einen längeren Zeitraum Weaknesses of the Indicator-Based Approach: Data Problems Only valid for long time periods Verallgemeinerungsproblem Static view

Schwachpunkte: Führt nur zu einer speziellen Lösung Weist nur auf die Existenz der Indikatorelemente hin und damit nur indirekt auf die Existenz des Syndrom- mechanismus. Generalisierungsproblem (andere Regionen; ähnliche Degradationsformen; etc.) Datenprobleme (geeignete Indikatoren?; Datenlücken; falsche Daten; etc.) Benötigt Daten über einen längeren Zeitraum  Alternative: Qualitative Modellierung! Weaknesses of the Indicator-Based Approach: Data Problems Only valid for long time periods Verallgemeinerungsproblem Static view

Syndromanalyse Intensität eines Syndroms: 2 verschiedene Wege:
Indikatorbasierter Ansatz (ähnlich der Dispositions-bestimmung)  spezifische Lösung für ausgewähltes Indikatoren-Set Ansatz über Qualitative Modellierung  Unterscheidung zwischen Katastrophenpfaden (“syndromar”) und Nicht-Katastrophenpfaden (“nicht-syndromar”) der Hazardous Functional Patterns  generelle Lösung für eine Menge von Fallstudien  Syndromprognose  Evaluierung von Handlungsoptionen  Mitigationspotential Am Bsp. des erweiterten Sahel-Syndromkerns wird nun eine kurze Einführung in qualitative Modellierung und die Politikberatung gegeben. An zentraler Stelle steht die Frage, inwieweit der formalisierte Ursache-Wirkungs-Mechanismus der dem Sahel-Syndrom zugrunde liegt, tatsächlich ein beobachtbares Muster global relevanter Mensch-Umwelt-Wechselwirkungen darstellt. Von einer solchen Musterhaftigkeit kann dann gesprochen werden, wenn die durch den Mechanismus implizierten Zeitentwicklungen als Lösungen der qualitativen Differentialgleichungen in der Realität in verschiedenen Regionen beobachtet werden können. Dies setzt die Auswertung vieler Fallstudien voraus, in denen qualitative Zeitverläufe verschiedener, für das Sahel-Syndrom und seine zentralen Mechanismen relevanten Größen beschrieben werden. Im folgenden sollen erste Schritte einer solchen fallstudienbasierten Syndromvalidierung umrissen werden. Die Arbeiten hierzu sind weiter im Gange, jedoch lassen bereits die im folgenden dargestellten Ergebnisse den Schluss zu, dass zumindest das Sahel-Syndrom als ein Muster der Mensch-Umwelt-Wechselwirkung angesehen werden kann.

Qualitative Modellierung
Herausforderung: Modellbasierte Beschreibung der dynamischen Evolution der verschiedenen Zeitverläufe eines Hazardous Functional Patterns Evaluierung von politischen Handlungs-optionen präventiver und kurativer Art „Syndromvalidierung“ (hindcasting) durch Fallstudienanalyse (qualitative trajectories -Kasperson et al. 1995) Chance für Syndrom-Mitigation Hier wird die in der Syndromprognose verwendete Methode der Qualitativen Modellierung mit Qualitativen Differentialgleichungen (QDGls) vorgestellt. Das Konzept der Qualitativen Differentialgleichungen (QDGl) kommt aus der Forschung zur Künstlichen Intelligenz in der Modellierung dynamischer Systeme. Es ermöglicht rein auf Grundlage qualitativer Informationen oder Aussagen die dynamische Prozesse des Globalen Wandels in ihrem Verhalten zu beschreiben. Der Ansatz des “Qualitaive Reasonings” mit Hilfe der QDGl stellt ein hervorragendes Werkzeug zur qualitativen Analyse geographischer Probleme. Es hat sich auch in der bisherigen Forschungserfahrung zum Syndromansatz als ein gut geeignetes Mittel erwiesen, um mit den spezifischen Problemen der Beschreibung der komplexen dynamischen Prozesse im System der Mensch- Natur-Interaktionen bei oft nur qualitativen Information aus Fallstudien umzugehen. Qualitative Diffentialgleichungen I (QDE - Kuipers 1994 QSIM) Annahmen: es existiert eine den Mechanismus beschreibende Differentialgleichung die Variablen sind stetig und differenzierbar qualitative Änderungen des Zustands nur an „landmarks“ (Wert: unbekannt) QDGls: benötigen keine weiteren quantitativen Informationen Die Beschreibung der DGls erfolgt über Monotonieannahmen und korrespondierende Werte. Zeit als qualitative Variable (geordnete ausgezeichnete Zeitpunkte) generieren verschiedene Lösungsklassen Es gibt keine DGl-Lösungen, welche nicht von den im QSIM-Algorithmus erzeugten Lösungen abgedeckt werden.

Werkzeug: Qualitative Differentialgleichungen (QDGls) Der QSIM-Algorithmus (Kuipers 1994) bietet ein Werkzeug zur Übersetzung von Kausaldiagrammen in Art der Syndrommechanismen in einen mathematischen Formalismus. Hier wird die in der Syndromprognose verwendete Methode der Qualitativen Modellierung mit Qualitativen Differentialgleichungen (QDGls) vorgestellt. Das Konzept der Qualitativen Differentialgleichungen (QDGl) kommt aus der Forschung zur Künstlichen Intelligenz in der Modellierung dynamischer Systeme. Es ermöglicht rein auf Grundlage qualitativer Informationen oder Aussagen die dynamische Prozesse des Globalen Wandels in ihrem Verhalten zu beschreiben. Der Ansatz des “Qualitaive Reasonings” mit Hilfe der QDGl stellt ein hervorragendes Werkzeug zur qualitativen Analyse geographischer Probleme. Es hat sich auch in der bisherigen Forschungserfahrung zum Syndromansatz als ein gut geeignetes Mittel erwiesen, um mit den spezifischen Problemen der Beschreibung der komplexen dynamischen Prozesse im System der Mensch- Natur-Interaktionen bei oft nur qualitativen Information aus Fallstudien umzugehen. Qualitative Diffentialgleichungen I (QDE - Kuipers 1994 QSIM) Annahmen: es existiert eine den Mechanismus beschreibende Differentialgleichung die Variablen sind stetig und differenzierbar qualitative Änderungen des Zustands nur an „landmarks“ (Wert: unbekannt) QDGls: benötigen keine weiteren quantitativen Informationen Die Beschreibung der DGls erfolgt über Monotonieannahmen und korrespondierende Werte. Zeit als qualitative Variable (geordnete ausgezeichnete Zeitpunkte) generieren verschiedene Lösungsklassen Es gibt keine DGl-Lösungen, welche nicht von den im QSIM-Algorithmus erzeugten Lösungen abgedeckt werden.

Landwirtschaftlicher
Qualitative Modellierung Modell: zeitl. Ableitung Qualitative Multiplikation Bodenqualität Landwirtschaftlicher Ertrag Intensität der Landwirtschaft Armut

quantity-spaces: AI (0 ms AImax) - Intensity Agriculture dAI (dAImin 0 dAImax) – Intensification QR (0 QRmax) - Quality of Soils dQR (dQRmin 0 dQRmax) – Degradation Y (0 ymax) - Agricultural Yield P (0 ex Pmax) - Poverty constraints: d/dt AI dAI d/dt QR dQR Mult QR AI Y M- AI dQR (ms 0) M+ P dAI (ex 0) M- Y P

Konventionelle Modellierung Qualitative Modellierung mit QDGl Qualitative Diffentialgleichungen I (QDE - Kuipers 1994 QSIM) Annahmen: es existiert eine den Mechanismus beschreibende Differentialgleichung die Variablen sind stetig und differenzierbar qualitative Änderungen des Zustands nur an „landmarks“ (Wert: unbekannt) QDGls: benötigen keine weiteren quantitativen Informationen Die Beschreibung der DGls erfolgt über Monotonieannahmen und korrespondierende Werte. Zeit als qualitative Variable (geordnete ausgezeichnete Zeitpunkte) generieren verschiedene Lösungsklassen Es gibt keine DGl-Lösungen, welche nicht von den im QSIM-Algorithmus erzeugten Lösungen abgedeckt werden. Hier werden zusammenfassend noch einmal die wesentlichen Unterschiede einer Qualitativen Modellierung mit QDGls, wie sie in der Syndromprognose verwendet wird, im Gegensatz zu herkömmlichen, eher konventionellen Modellierungsansätzen, wie sie z. B. in der Klimamodellierung üblich sind, gegenübergestellt.

Konventionelle Modellierung Qualitative Modellierung mit QDGl Zahlen auf der reellen Achse „Landmark“ Werte spezifizieren ausge-zeichnete Werte an denen die Bezieh-ungen zu anderen Variablen sich qualitativ ändern. z.B. B Mögliche Variablenwerte: „landmark“ oder das Intervall zwischen 2 landmarks“, sowie die Richtung der Veränderung Qualitative Diffentialgleichungen I (QDE - Kuipers 1994 QSIM) Annahmen: es existiert eine den Mechanismus beschreibende Differentialgleichung die Variablen sind stetig und differenzierbar qualitative Änderungen des Zustands nur an „landmarks“ (Wert: unbekannt) QDGls: benötigen keine weiteren quantitativen Informationen Die Beschreibung der DGls erfolgt über Monotonieannahmen und korrespondierende Werte. Zeit als qualitative Variable (geordnete ausgezeichnete Zeitpunkte) generieren verschiedene Lösungsklassen Es gibt keine DGl-Lösungen, welche nicht von den im QSIM-Algorithmus erzeugten Lösungen abgedeckt werden. Hier werden zusammenfassend noch einmal die wesentlichen Unterschiede einer Qualitativen Modellierung mit QDGls, wie sie in der Syndromprognose verwendet wird, im Gegensatz zu herkömmlichen, eher konventionellen Modellierungsansätzen, wie sie z. B. in der Klimamodellierung üblich sind, gegenübergestellt.

Konventionelle Modellierung Qualitative Modellierung mit QDGl Zahlen auf der reellen Achse „Landmark“ Werte spezifizieren ausge-zeichnete Werte an denen die Bezieh-ungen zu anderen Variablen sich qualitativ ändern. z.B. B Mögliche Variablenwerte: „landmark“ oder das Intervall zwischen 2 landmarks“, sowie die Richtung der Veränderung Reellwertige Funktion zur Model-lierung des Zusammenhangs zwischen den verschiedenen Variablen nur qualitative Eigenschaften; z.B.: A wächst monoton mit B, A ist eine “U-förmige” Funktion von B mit B als Umkehrpunkt, etc. Qualitative Diffentialgleichungen I (QDE - Kuipers 1994 QSIM) Annahmen: es existiert eine den Mechanismus beschreibende Differentialgleichung die Variablen sind stetig und differenzierbar qualitative Änderungen des Zustands nur an „landmarks“ (Wert: unbekannt) QDGls: benötigen keine weiteren quantitativen Informationen Die Beschreibung der DGls erfolgt über Monotonieannahmen und korrespondierende Werte. Zeit als qualitative Variable (geordnete ausgezeichnete Zeitpunkte) generieren verschiedene Lösungsklassen Es gibt keine DGl-Lösungen, welche nicht von den im QSIM-Algorithmus erzeugten Lösungen abgedeckt werden. Hier werden zusammenfassend noch einmal die wesentlichen Unterschiede einer Qualitativen Modellierung mit QDGls, wie sie in der Syndromprognose verwendet wird, im Gegensatz zu herkömmlichen, eher konventionellen Modellierungsansätzen, wie sie z. B. in der Klimamodellierung üblich sind, gegenübergestellt.

Konventionelle Modellierung Qualitative Modellierung mit QDGl Zahlen auf der reellen Achse „Landmark“ Werte spezifizieren ausge-zeichnete Werte an denen die Bezieh-ungen zu anderen Variablen sich qualitativ ändern. z.B. B Mögliche Variablenwerte: „landmark“ oder das Intervall zwischen 2 landmarks“, sowie die Richtung der Veränderung Reellwertige Funktion zur Model-lierung des Zusammenhangs zwischen den verschiedenen Variablen nur qualitative Eigenschaften; z.B.: A wächst monoton mit B, A ist eine “U-förmige” Funktion von B mit B als Umkehrpunkt, etc. Qualitative Diffentialgleichungen I (QDE - Kuipers 1994 QSIM) Annahmen: es existiert eine den Mechanismus beschreibende Differentialgleichung die Variablen sind stetig und differenzierbar qualitative Änderungen des Zustands nur an „landmarks“ (Wert: unbekannt) QDGls: benötigen keine weiteren quantitativen Informationen Die Beschreibung der DGls erfolgt über Monotonieannahmen und korrespondierende Werte. Zeit als qualitative Variable (geordnete ausgezeichnete Zeitpunkte) generieren verschiedene Lösungsklassen Es gibt keine DGl-Lösungen, welche nicht von den im QSIM-Algorithmus erzeugten Lösungen abgedeckt werden. Hier werden zusammenfassend noch einmal die wesentlichen Unterschiede einer Qualitativen Modellierung mit QDGls, wie sie in der Syndromprognose verwendet wird, im Gegensatz zu herkömmlichen, eher konventionellen Modellierungsansätzen, wie sie z. B. in der Klimamodellierung üblich sind, gegenübergestellt. System von Differentialgleichungen korrespondierende Anzahl von qualitativen „Constraints”, die die Zustandsvariablen und deren Änderungen verknüpfen.

Konventionelle Modellierung Qualitative Modellierung mit QDGl Zahlen auf der reellen Achse „Landmark“ Werte spezifizieren ausge-zeichnete Werte an denen die Bezieh-ungen zu anderen Variablen sich qualitativ ändern. z.B. B Mögliche Variablenwerte: „landmark“ oder das Intervall zwischen 2 landmarks“, sowie die Richtung der Veränderung Reellwertige Funktion zur Model-lierung des Zusammenhangs zwischen den verschiedenen Variablen nur qualitative Eigenschaften; z.B.: A wächst monoton mit B, A ist eine “U-förmige” Funktion von B mit B als Umkehrpunkt, etc. Qualitative Diffentialgleichungen I (QDE - Kuipers 1994 QSIM) Annahmen: es existiert eine den Mechanismus beschreibende Differentialgleichung die Variablen sind stetig und differenzierbar qualitative Änderungen des Zustands nur an „landmarks“ (Wert: unbekannt) QDGls: benötigen keine weiteren quantitativen Informationen Die Beschreibung der DGls erfolgt über Monotonieannahmen und korrespondierende Werte. Zeit als qualitative Variable (geordnete ausgezeichnete Zeitpunkte) generieren verschiedene Lösungsklassen Es gibt keine DGl-Lösungen, welche nicht von den im QSIM-Algorithmus erzeugten Lösungen abgedeckt werden. Hier werden zusammenfassend noch einmal die wesentlichen Unterschiede einer Qualitativen Modellierung mit QDGls, wie sie in der Syndromprognose verwendet wird, im Gegensatz zu herkömmlichen, eher konventionellen Modellierungsansätzen, wie sie z. B. in der Klimamodellierung üblich sind, gegenübergestellt. System von Differentialgleichungen korrespondierende Anzahl von qualitativen „Constraints”, die die Zustandsvariablen und deren Änderungen verknüpfen. Eindeutige Lösung explizit in der Zeit Lösungsbaum aller möglicher Lösungen die mit den „Constraints“ vereinbar sind. Zeit ist eine qualitative Variable, definiert über Ereignisse qualitativer System-änderungen

Qualitativer Entwicklungsbaum
Sahel-Syndrom: Landwirtschaft Bodenqualität Armut ansteigend stabil fallend Multivalent ... über “landmarks” Legende: max Maximal Nachhaltige Nutzung Existentielle Armut

Sahel-Syndrom: Maximal Nachhaltige Nutzung Existentielle Armut ansteigend stabil fallend Multivalent ... über “landmarks” Legende: Bodenqualität Landwirtschaft Armut

Sahel-Syndrom: Zeit (qualitativ) Maximal Nachhaltige Nutzung Existentielle Fix-Punkte Instabile Armut ansteigend stabil fallend Multivalent ... über “landmarks” Legende: Bodenqualität Landwirtschaft Armut

Sahel-Syndrom: Zeit (qualitativ) Annehmbare Resultate Maximal Nachhaltige Nutzung Existentielle Fix-Punkte Instabile Armut ansteigend stabil fallend Multivalent ... über “landmarks” Legende: Bodenqualität Landwirtschaft Syndromare/ Katastrophale Resultate Armut

Sahel-Syndrom: Zeit (qualitativ) Maximal Nachhaltige Nutzung Priorität Natur Existentielle Armut Annehmbare Resultate Fix-Punkte Instabile ansteigend stabil fallend Multivalent ... über “landmarks” Legende: Bodenqualität Landwirtschaft Syndromare/ Katastrophale Resultate Armut

Sahel-Syndrom: Zeit (qualitativ) Maximal Nachhaltige Nutzung Priorität Natur Existentielle Armut Annehmbare Resultate Ergebnis: Syndromare Resultate immer noch möglich! Fix-Punkte Instabile Option 1: Armutsbe-kämpfung ansteigend stabil fallend Multivalent ... über “landmarks” Legende: Bodenqualität Landwirtschaft Syndromare/ Katastrophale Resultate Armut

Sahel-Syndrom: Zeit (qualitativ) Maximal Nachhaltige Nutzung Priorität Natur Existentielle Armut Annehmbare Resultate Ergebnis: Syndromare Resultate immer noch möglich! Fix-Punkte Instabile Option 2: Bodenschutz ansteigend stabil fallend Multivalent ... über “landmarks” Legende: Bodenqualität Landwirtschaft Syndromare/ Katastrophale Resultate Armut

Sahel-Syndrom: Zeit (qualitativ) Maximal Nachhaltige Nutzung Priorität Natur Existentielle Armut Annehmbare Resultate Ergebnis: Nur an-nehmbare Resultate möglich! Fix-Punkte Instabile Option 1+2: Mischstrategie ansteigend stabil fallend Multivalent ... über “landmarks” Legende: Bodenqualität Landwirtschaft Syndromare/ Katastrophale Resultate Armut

Syndromanalyse Exposition TOOLBOX 2. Syndromdiagnose  Disposition
Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet. Intensität

Syndromanalyse 3. Syndromprognose  Fallstudienintegration / Generalisierung Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet.

lokale und/oder regionale Fall-studien
Syndromanalyse 3. Syndromprognose  Fallstudienintegration / Generalisierung lokale und/oder regionale Fall-studien Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet.

Syndromanalyse 3. Syndromprognose  Fallstudienintegration / Generalisierung lokale und/oder regionale Fall-studien Bestimme generalisierte Variablen die die lokalen Gegebenheiten integrieren Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet.

Syndromanalyse 3. Syndromprognose  Fallstudienintegration / Generalisierung lokale und/oder regionale Fall-studien für jede Fallstudie: Ableitung qualitativer Zeit-verläufe (Trajektorien) für generalisierte Variablen. Bestimme generalisierte Variablen die die lokalen Gegebenheiten integrieren Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet.

Syndromanalyse: Fallstudienintegration
Fallstudien  „Hazardous Functional Patterns“ Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet.

Fallstudien  „Hazardous Functional Patterns“ - Peru Tschad Malaysia Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet.

Fallstudien  „Hazardous Functional Patterns“ Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet.

Fallstudien  „Hazardous Functional Patterns“ Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet. gradation D Bodende- Intensität I

Syndromanalyse 3. Syndromprognose  Fallstudienintegration / Generalisierung lokale und/oder regionale Fall-studien für jede Fallstudie: Ableitung qualitativer Zeit-verläufe (Trajektorien) für generalisierte Variablen. Bestimme generalisierte Variablen die die lokalen Gegebenheiten integrieren Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet. gleich für alle Fallstudien: Formulierung eines qualitativen Ursache-Wirkungsschemas für die in allen Studien gültigen Variablen.  Hazardous Functional Pattern

Fallstudien  „Hazardous Functional Patterns“ Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet. gradation D Bodende- Intensität I

HFP Syndromanalyse: Fallstudienintegration
Fallstudien  „Hazardous Functional Patterns“ HFP Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet. A D I U- M+ gradation D Bodende- Intensität I

Syndromanalyse 3. Syndromprognose  Fallstudienintegration / Generalisierung Beobachtung lokale und/oder regionale Fall-studien für jede Fallstudie: für jede Fallstudie: Auswertung des qualitativen Ver-haltens des HFP mit Hilfe von QSIM. Bestimme generalisierte Variablen die die lokalen Gegebenheiten integrieren Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet. Modellverhalten: gleich für alle Fallstudien: Modellierung

Fallstudien  „Hazardous Functional Patterns“ Fallstudien aus DFG-Schwerpunktprogramm „Mensch und Globale Umweltveränderungen“  HFP Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet.

+ Syndromanalyse: Fallstudienintegration +
Fallstudien  „Hazardous Functional Patterns“ Fallstudien aus DFG-Schwerpunktprogramm „Mensch und Globale Umweltveränderungen“  HFP X + Arbeit in der Landwirtschaft Lohnarbeit Relativer Preis Qualität der Ressource Verfügbare Arbeitskraft Lohneinkommen Konsum Landwirtschaftl. Ertrag Produktivtät Produktivität der Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet. + Hilfsvariablen Veränderungsrate Externe Variablen Qualitative Addition X Multiplikation

Fallstudien: Qualitative Diffentialgleichungen I (QDE - Kuipers 1994 QSIM) Annahmen: es existiert eine den Mechanismus beschreibende Differentialgleichung die Variablen sind stetig und differenzierbar qualitative Änderungen des Zustands nur an „landmarks“ (Wert: unbekannt) QDGls: benötigen keine weiteren quantitativen Informationen Die Beschreibung der DGls erfolgt über Monotonieannahmen und korrespondierende Werte. Zeit als qualitative Variable (geordnete ausgezeichnete Zeitpunkte) generieren verschiedene Lösungsklassen Es gibt keine DGl-Lösungen, welche nicht von den im QSIM-Algorithmus erzeugten Lösungen abgedeckt werden. Hier werden zusammenfassend noch einmal die wesentlichen Unterschiede einer Qualitativen Modellierung mit QDGls, wie sie in der Syndromprognose verwendet wird, im Gegensatz zu herkömmlichen, eher konventionellen Modellierungsansätzen, wie sie z. B. in der Klimamodellierung üblich sind, gegenübergestellt.

Resultate: Qualitative Diffentialgleichungen I (QDE - Kuipers 1994 QSIM) Annahmen: es existiert eine den Mechanismus beschreibende Differentialgleichung die Variablen sind stetig und differenzierbar qualitative Änderungen des Zustands nur an „landmarks“ (Wert: unbekannt) QDGls: benötigen keine weiteren quantitativen Informationen Die Beschreibung der DGls erfolgt über Monotonieannahmen und korrespondierende Werte. Zeit als qualitative Variable (geordnete ausgezeichnete Zeitpunkte) generieren verschiedene Lösungsklassen Es gibt keine DGl-Lösungen, welche nicht von den im QSIM-Algorithmus erzeugten Lösungen abgedeckt werden. Hier werden zusammenfassend noch einmal die wesentlichen Unterschiede einer Qualitativen Modellierung mit QDGls, wie sie in der Syndromprognose verwendet wird, im Gegensatz zu herkömmlichen, eher konventionellen Modellierungsansätzen, wie sie z. B. in der Klimamodellierung üblich sind, gegenübergestellt.

Resultate: Zeit Qualitative Diffentialgleichungen I (QDE - Kuipers 1994 QSIM) Annahmen: es existiert eine den Mechanismus beschreibende Differentialgleichung die Variablen sind stetig und differenzierbar qualitative Änderungen des Zustands nur an „landmarks“ (Wert: unbekannt) QDGls: benötigen keine weiteren quantitativen Informationen Die Beschreibung der DGls erfolgt über Monotonieannahmen und korrespondierende Werte. Zeit als qualitative Variable (geordnete ausgezeichnete Zeitpunkte) generieren verschiedene Lösungsklassen Es gibt keine DGl-Lösungen, welche nicht von den im QSIM-Algorithmus erzeugten Lösungen abgedeckt werden. Hier werden zusammenfassend noch einmal die wesentlichen Unterschiede einer Qualitativen Modellierung mit QDGls, wie sie in der Syndromprognose verwendet wird, im Gegensatz zu herkömmlichen, eher konventionellen Modellierungsansätzen, wie sie z. B. in der Klimamodellierung üblich sind, gegenübergestellt.

Resultate: Zeit Unacceptable Outcome Qualitative Diffentialgleichungen I (QDE - Kuipers 1994 QSIM) Annahmen: es existiert eine den Mechanismus beschreibende Differentialgleichung die Variablen sind stetig und differenzierbar qualitative Änderungen des Zustands nur an „landmarks“ (Wert: unbekannt) QDGls: benötigen keine weiteren quantitativen Informationen Die Beschreibung der DGls erfolgt über Monotonieannahmen und korrespondierende Werte. Zeit als qualitative Variable (geordnete ausgezeichnete Zeitpunkte) generieren verschiedene Lösungsklassen Es gibt keine DGl-Lösungen, welche nicht von den im QSIM-Algorithmus erzeugten Lösungen abgedeckt werden. Hier werden zusammenfassend noch einmal die wesentlichen Unterschiede einer Qualitativen Modellierung mit QDGls, wie sie in der Syndromprognose verwendet wird, im Gegensatz zu herkömmlichen, eher konventionellen Modellierungsansätzen, wie sie z. B. in der Klimamodellierung üblich sind, gegenübergestellt.

Resultate: Zeit Unacceptable Outcome Acceptable Outcomes Qualitative Diffentialgleichungen I (QDE - Kuipers 1994 QSIM) Annahmen: es existiert eine den Mechanismus beschreibende Differentialgleichung die Variablen sind stetig und differenzierbar qualitative Änderungen des Zustands nur an „landmarks“ (Wert: unbekannt) QDGls: benötigen keine weiteren quantitativen Informationen Die Beschreibung der DGls erfolgt über Monotonieannahmen und korrespondierende Werte. Zeit als qualitative Variable (geordnete ausgezeichnete Zeitpunkte) generieren verschiedene Lösungsklassen Es gibt keine DGl-Lösungen, welche nicht von den im QSIM-Algorithmus erzeugten Lösungen abgedeckt werden. Hier werden zusammenfassend noch einmal die wesentlichen Unterschiede einer Qualitativen Modellierung mit QDGls, wie sie in der Syndromprognose verwendet wird, im Gegensatz zu herkömmlichen, eher konventionellen Modellierungsansätzen, wie sie z. B. in der Klimamodellierung üblich sind, gegenübergestellt.

Syndromanalyse Modellierung
3. Syndromprognose  Fallstudienintegration / Generalisierung Beobachtung Vergleich: wird ein beobachtetes Verhalten durch das Modell rekonstruiert, kann das HFP für die Studie „nicht-falsifiziert“ werden. lokale und/oder regionale Fall-studien für jede Fallstudie: für jede Fallstudie: Bestimme generalisierte Variablen die die lokalen Gegebenheiten integrieren Das Syndromkonzept kann im Rahmen einer geographischen Analyse zur Identifikation und Verortung der kausalen Wirkungsmechanismen der Entwaldungsmuster angewandt werden. Dabei erfolgt die Analyse eines Syndroms in mehreren Schritten unter Integration von GIS mit Konzepten der Fuzzy-Logik. Im ersten Schritt wird durch die Analyse von Fallstudien, Theorien und Expertenwissen ein syndromspezifisches Beziehungsgeflecht erstellt. Ausgehend von dieser systemischen Darstellung werden dann in der Syndromdiagnose die naturräumlichen und sozioökonomischen Bedingungen, unter denen der Syndrommechanismus aktiv sein kann bestimmt. Diese Abschätzung wird als die Disposition einer Region gegenüber einem Syndrom bezeichnet und beantwortet die Frage welche Regionen für das Ausbrechen des Syndroms anfällig sind. Der so erzeugte Indikator kann als ein Frühwarnsystem für das Einsetzen einer nicht-nachhaltigen Entwicklung genutzt werden. Eine Analyse der den Mechanismus auslösenden Entwicklungen zeigen die für die Exposition verantwortlichen Faktoren auf. Basierend auf den das Syndrom konstituierenden Elementen wird ein Indikator für die Intensität des aktiven Syndroms abgeleitet. Modellverhalten: gleich für alle Fallstudien: Modellierung

Syndromkopplungsmechanismen
Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Kopplungsformen: Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Kopplungsformen: Koinzidenz / räumliche Überlagerung Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Kopplungsformen: Koinzidenz / räumliche Überlagerung Kopplung durch gemeinsame Symptome Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Kopplungsformen: Koinzidenz / räumliche Überlagerung Kopplung durch gemeinsame Symptome Exposition Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Kopplungsformen: Koinzidenz / räumliche Überlagerung Kopplung durch gemeinsame Symptome Exposition Syndromverstärkung Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Kopplungsformen: Koinzidenz / räumliche Überlagerung Kopplung durch gemeinsame Symptome Exposition Syndromverstärkung Syndromabschwächung Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Kopplungsformen: Koinzidenz / räumliche Überlagerung Kopplung durch gemeinsame Symptome Exposition Syndromverstärkung Syndromabschwächung Sukzession Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Kopplungsformen: Koinzidenz / räumliche Überlagerung Kopplung durch gemeinsame Symptome Exposition Syndromverstärkung Syndromabschwächung Sukzession Nichtintendierte Initiierung Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Beispiel: Waldgefährdungsindikator durch Kopplungsmechanismen (Exposition) - GIK Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Beispiel: - GIK  Wo kommt es durch die Aktivität von bestimmten Prozessen zur Initiierung anderer Mechanismen der Waldgefährdung? Waldgefährdung über die Kopplung zu bereits aktiven Syndromen Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Beispiel: - GIK Bsp.: Waldschädigung  Wo kommt es durch die Aktivität von bestimmten Prozessen zur Initiierung anderer Mechanismen der Waldgefährdung? Waldgefährdung über die Kopplung zu bereits aktiven Syndromen Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Indikator GIK:  Exposition durch Syndrome Mögliche Kopplungen: Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Indikator GIK:  Exposition durch Syndrome Mögliche Kopplungen: 1. Flächenerschließung durch Holzeinschlag Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Indikator GIK:  Exposition durch Syndrome Mögliche Kopplungen: 1. Flächenerschließung durch Holzeinschlag 2. Nutzungsaufgabe durch marktorientierte Akteure  Nachzug landloser Kleinbauern Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Indikator GIK:  Exposition durch Syndrome Mögliche Kopplungen: 1. Flächenerschließung durch Holzeinschlag 2. Nutzungsaufgabe durch marktorientierte Akteure  Nachzug landloser Kleinbauern 3. Verdrängung von Kleinbauern durch politisch und ökonomisch mächtigere Akteure Die zukünftige Gefährdung der Wälder durch Syndromkopplung, GIK, wird durch die Kopplung von bereits aktiven Mechanismen, die als Exposition für potentiell mögliche Syndrommustern wirken, gegeben. Für die hier vorliegende Untersuchung sind 3 mögliche Syndromkopplungen relevant: 1. Eine Expositionswirkung des aktiven Raubbau-Syndroms für die anderen Syndrome, die über die Flächenerschließung das Nachziehen von Kleinbauern und Großgrundbesitzer ermöglicht. 2. Sind Regionen nicht mehr profitabel nutzbar, so kommt es in Folge der Nutzungsaufgabe durch marktorientierte Dust-Bowl-Syndrom-Akteure oft zu einer nachfolgenden Nutzung der Region durch land- und rechtlose Kleinbauern, die, auf Grund des Armutsdrucks, das Ökosystem bis zur völligen Unnutzbarkeit bearbeiten und so auch noch kleinste Reste der natürlichen Ökosysteme konvertieren und zerstören. Fall 3 beschreibt den umgekehrte Prozess: Die den Holzeinschlagsfirmen oft direkt folgenden land- und rechtlosen Kleinbauern werden nach einer kurzen Nutzungsphase durch die politisch und ökonomisch mächtigeren Dust-Bowl- Syndrom-Akteure vertrieben. Gerade diese Interaktionen zwischen den verschiedenen Mustern wird in den bisher üblichen Formen der Analyse der Waldschädigungs- und Entwaldungsprozesse nicht, oder nur sehr begrenzt im Rahmen lokaler Fallbeschreibungen berücksichtigt. Es zeigt sich aber dass gerade durch die räumlich oft stark begrenzte Schädigung im Rahmen eines einzelnen Syndroms, die Prozesse welche zu einer wesentlich größeren Schädigung führen bereits initiiert sind. Für Amazonien z.B. liegt die Gefährdung nicht so sehr in der Stammholzentnahme direkt, sondern in den durch die Flächenerschließung hervorgerufenen Folgeprozessen.

Indikator GIK: æ 1 . 6 4 4 4 4 4 4 4 4 7 4 4 4 4 4 4 4 4 8 ö ( ) ç ( Ù Ù Ø ) Ú ( ) ÷ Ù Ù Ø Ú m RI SD SI RI DD DI m GIK = ç ÷ ç 2 . 3 . ÷ hoch 6 4 4 4 7 4 4 4 8 6 4 4 4 7 4 4 4 8 ç ÷ ( ) ( ) Ù Ù Ø Ú Ù Ù Ø è DI SD SI SI DD DI ø 1 . ì 6 4 4 4 4 4 4 4 4 4 4 4 7 4 4 4 4 4 4 4 4 4 4 4 8 ü ( ) Diese Kopplungsprozesse sind hier noch einmal formalisiert dargestellt. Die auch in diesem Fall auf Grund von Datenlücken hervorgerufene Unsicherheit in der Berechnung führt zu einer unteren und oberen Abschätzung der Gefährdung durch Syndromkopplung. Für eine Interpretation dieser Gefährdung müssen beide Abschätzungen betrachtet werden. Hoch gefährdete Regionen in der unteren Abschätzung sind selbst im Fall der geringst möglichen Realisierung der fehlenden Daten als hoch gefährdet anzusehen. Regionen mit niedriger Gefährdung in der oberen Abschätzung erscheinen selbst bei der größt möglichen Realisierung der Datenlücken als nicht gefährdet. ï ( ) ï m m - m + m m - m + ï min 1 , RI , SD , 1 SI min RI , DD , 1 DI ï = min hoch hoch hoch hoch hoch hoch í ý 2. 3 . ï 6 4 4 4 4 7 4 4 4 4 8 6 4 4 4 4 4 7 4 4 4 4 4 8 ï ( ) ( ) ï ï m î min DI m SD - m , , 1 SI + m min SI m , DD - m , 1 DI þ hoch hoch hoch hoch hoch hoch

( ) Syndromkopplung - Fuzzy-Logik m = m m - m min , , 1 RI
Bsp.: Das RAUBBAU-SYNDROM als Exposition für das SAHEL-SYNDROM RI ( ) m SE = m RI m SD - m min , , 1 SI hoch hoch hoch hoch

( ) Syndromkopplung - Fuzzy-Logik m = m m - m min , , 1 RI SD
Bsp.: Das RAUBBAU-SYNDROM als Exposition für das SAHEL-SYNDROM RI SD ( ) m SE = m RI m SD - m min , , 1 SI hoch hoch hoch hoch

( ) Syndromkopplung - Fuzzy-Logik m = m m - m min , , 1 RI SD ¬SI
Bsp.: Das RAUBBAU-SYNDROM als Exposition für das SAHEL-SYNDROM RI SD ¬SI ( ) m SE = m RI m SD - m min , , 1 SI hoch hoch hoch hoch

Syndromkopplung - Fuzzy-Logik
Bsp.: Das RAUBBAU-SYNDROM als Exposition für das SAHEL-SYNDROM RI SD ¬SI ( ) m SE = m RI m SD - m min , , 1 SI hoch hoch hoch hoch

Indikator GIK: æ 1 . 6 4 4 4 4 4 4 4 4 7 4 4 4 4 4 4 4 4 8 ö ( ) ç ( Ù Ù Ø ) Ú ( ) ÷ Ù Ù Ø Ú m RI SD SI RI DD DI m GIK = ç ÷ ç 2 . 3 . ÷ hoch 6 4 4 4 7 4 4 4 8 6 4 4 4 7 4 4 4 8 ç ÷ ( ) ( ) Ù Ù Ø Ú Ù Ù Ø è DI SD SI SI DD DI ø 1 . ì 6 4 4 4 4 4 4 4 4 4 4 4 7 4 4 4 4 4 4 4 4 4 4 4 8 ü ( ) Diese Kopplungsprozesse sind hier noch einmal formalisiert dargestellt. Die auch in diesem Fall auf Grund von Datenlücken hervorgerufene Unsicherheit in der Berechnung führt zu einer unteren und oberen Abschätzung der Gefährdung durch Syndromkopplung. Für eine Interpretation dieser Gefährdung müssen beide Abschätzungen betrachtet werden. Hoch gefährdete Regionen in der unteren Abschätzung sind selbst im Fall der geringst möglichen Realisierung der fehlenden Daten als hoch gefährdet anzusehen. Regionen mit niedriger Gefährdung in der oberen Abschätzung erscheinen selbst bei der größt möglichen Realisierung der Datenlücken als nicht gefährdet. ï ( ) ï m m - m + m m - m + ï min 1 , RI , SD , 1 SI min RI , DD , 1 DI ï = min hoch hoch hoch hoch hoch hoch í ý 2. 3 . ï 6 4 4 4 4 7 4 4 4 4 8 6 4 4 4 4 4 7 4 4 4 4 4 8 ï ( ) ( ) ï ï m î min DI m SD - m , , 1 SI + m min SI m , DD - m , 1 DI þ hoch hoch hoch hoch hoch hoch

Gefährdung durch Syndromkopplungsmechanismen
obere Abschätzung Das Resultat dieser Abschätzungen ist hier dargestellt. Die gesamten verbliebenen Wälder Asien erscheinen im UGIK (a) als hoch gefährdet. Diese Einschätzung wird auch von der FAO (1999) geteilt, die trotz einer während der asiatischen Wirtschaftskrise kurzfristig rückläufigen Nachfrage nach Holz und Holzprodukten, mittelfristig bis 2010, von einer stark steigenden Nachfrage, und damit auch Produktion von Holzprodukten und Brennholz in Asien ausgeht. Der OGIK in b zeigt für die Wälder Nord-Australiens eine nur niedrige bis mittlere Gefährdung an, woraus sich ableiten lässt, dass diese Wälder nur unter ungünstigsten Entwicklungen als gefährdet anzusehen sind. Für die pazifischen Inselstaaten kann auf Grund der schlechten Datenlagen kein GIK erstellt werden. Die FAO-Abschätzungen (1999) gehen für diese Region von einer wachsenden Nachfrage für Holzprodukte und landwirtschaftliche Nutzfläche aus, die eine signifikant steigende Entwaldung für die pazifischen Inselstaaten bedeutet. Zusammen mit Asien wird für die Inselwelt Ozeaniens der höchste Anstieg der Produktionsraten erwartet (FAO 1999). In Folge der hohen biologischen Diversität und Anzahl endemischer Arten in den Wäldern dieser Staaten, gefährdet stellt diese zunehmende Entwaldung nicht nur die lokalen Ökosysteme, sondern stellt auch eine signifikante Bedrohung für die globale Biodiversität dar. Die Wälder Nord- und Mittelamerikas werden mit Ausnahme von Guatemala, Honduras, Costa Rica und Panama als vom OGIK als nicht gefährdet indiziert. Diese Ausnahmen erscheinen allerdings im UGIK als hoch gefährdet, was sich mit der FAO Einschätzung (1999) und Anderen (z. B. Abramovitz & Mattoon 1999) deckt. Die Abschätzung des UGIK (a) zeigt eine hohe Gefährdung der brasislianischen Wälder insgesamt sowie für die Wälder Kolumbiens, Ecuadors, Paraguays und in Teilen Boliviens aus. Der OGIK (b) zeigt nur geringe unmittelbare Gefährdung für die Wälder Venezuelas, Perus, Guyanas, Surinams und Französisch Guyanas aus. Auch einige Teile Boliviens erscheinen als nur wenig gefährdet. Die Einschätzung der FAO (1999) sagt neben einem Zuwachs an Produktion und Verbrauch von Holz und Papier vor allem einen steigenden Rundholz- und Zellstoffexport für die südamerikanischen Ökonomien voraus. Dies deckt sich mit den bereits angesprochenen verstärkten Aktivitäten internationaler und asiatischer Holzeinschlagsfirmen um Einschlagskonzessionen in Südamerika. Neben der Dem. Rep. Kongo erscheinen Teile der verbliebenen Küstenwälder Westafrikas, Kameruns, Gabuns, sowie die Wälder Kenias, Sambias und die verbliebenen Wälder Madagaskars als im UGIK hoch gefährdet (a). Als weniger gefährdet vom OGIK (b) werden nur die Wälder des Kongo ausgewiesen. Allgemein sagt die FAO (1999) eine steigende Produktion von Rundholz und vor allem einen steigenden Bedarf an Brennholz und Holzkohle für Afrika voraus. Dieser Brennstoffbedarf wird durch die Übernutzung der lokalen Vegetation als eine große Gefahr für eine fortschreitende Desertifikation, gerade im Umfeld von Siedlungen in semi-ariden Regionen, angesehen (FAO 1999; Mertens & Lambin 1997). untere Abschätzung

Zusammenfassung Syndromanalyse erlaubt: Vorteile:
Identifikation nicht-nachhaltiger Zivilisation-Natur-Interaktionsmuster räumlich aufgelöste Aussagen Verknüpfung qualitativer und quantitativer Informationen Identifikation möglicher Syndromkopplungen Szenarienbildung Was wäre wenn ...? Wie verhält sich ein Syndrom unter sich ändernden Bedingungen? Vorteile: global konsistent Daten- und prozessgestütztes Frühwarnsystem Beschreibung dynamischer GW-Entwicklungen Es konnte gezeigt werden, dass die syndrombasierten Schädigungs- und Gefährdungsindikatoren gute, mit den bisher zur Verfügung stehenden Abschätzungen, übereinstimmende Resultate liefern. Die Vorteile der syndrombasierten Abschätzungen gegenüber den bisher verfügbaren liegen zum einen darin, dass sie global mit einer einheitlichen Methode erzeugt wurden, und das die Beiträge zur Schädigung und Gefährdung auch nach ihren verschiedenen Mustern separiert wurden. Durch Vergleich möglicher Kombinationen der Dispositionen und Intensitäten der drei Hauptsyndrome der Entwaldung konnten räumlich aufgelöste Aussagen über eine mögliche Anfälligkeit und über aktuell aktive Schädigungs- und Gefährdungsmuster abgegeben werden. Vor allem der Indikator für die zukünftige Gefährdung der Wälder in Folge von Syndromkopplungen stellt hierbei eine herausragende Neuerung dar. Hiermit ist es zum ersten mal möglich in einer systematischen Weise die potentielle Gefährdung einer Region durch direkt bevorstehende Schädigung in Folge bereits aktiver Mechanismen, die als Exposition, d. h. auslösendes Element, für weitere Degradationsmuster wirken können, zu beschreiben und identifizieren. Insgesamt weisen die syndrombasierten Schädigungs- und Gefährdungsabschätzungen eine plausible weitere Zunahme der Gefährdung der globalen Waldökosysteme aus.

Zusammenfassung - Qual. Modellierung
Aufgabe: Validierung und Rekonstruktion (hindcasting) durch Vergleich der aus dem Modell resultierende qualitative Zeitverläufe mit beobachteten Zeitverläufen aus Fallstudien („qualitative Trajektorien“ -Kasperson 1995) Evaluierung und Identifizierung von Politikoptionen zur Abschwächung oder Vermeidung von Syndromen Abschätzung des dynamischen Verhaltens im Bezug auf „Nachhaltige Entwicklung“ Als Modellierungswerkzeug zur Übersetzung der Ursache-Wirkungs-ketten eines Syndrommechanismus in einen mathematischen Formalismus werden Qualitative Differentialgleichungen (QDGls) genutzt. Das Konzept der Qualitativen Differentialgleichungen (QDGl) kommt aus Forschung zur Künstlichen Intelligenz in der Modellierung dynamischer Systeme. Es ermöglicht rein auf Grundlage qualitativer Informationen oder Aussagen die dynamische Prozesse des Globalen Wandels in ihrem Verhalten zu beschreiben. Der Ansatz des “Qualitaive Reasonings” mit Hilfe der QDGl stellt ein hervorragendes Werkzeug zur qualitativen Analyse geographischer Probleme. Es hat sich auch in der bisherigen Forschungserfahrung zum Syndromansatz als ein gut geeignetes Mittel erwiesen, um mit den spezifischen Problemen der Beschreibung der komplexen dynamischen Prozesse im System der Mensch-Natur- Interaktionen bei oft nur qualitativen Information aus Fallstudien umzugehen.

a) A B C D E b) + + (-) (>>) + - - + (+) - + +

Ähnliche Präsentationen

Präsentation zum Thema: "a) A B C D E b) + + (-) (>>) + - - + (+) - + +"— Präsentation transkript:

Ähnliche Präsentationen

Über Projekt

Feedback

Anmelden

Anmeldung über soziales Netzwerk:

a) A B C D E b) + + (-) (>>) + - - + (+) - + +

Ähnliche Präsentationen

Präsentation zum Thema: "a) A B C D E b) + + (-) (>>) + - - + (+) - + +"— Präsentation transkript:

Ähnliche Präsentationen

Über Projekt

Feedback