Laube Patrick

Participatory Mapping Ecosystem Service Potentials PARMESAN
Die Verbundenheit zur Scholle: Landnutzungswandel im Bergackerbau und Weinbau gemeinsam erfassen

Project Number: CH-4921

Project Type:	Dissertation
Project Duration:	01/01/2013 - 09/30/2015 project completed
Funding Source:	other ,
Leading Institution:	Geographisches Institut, Universität Zürich
Project Leader:	Dr. Patrick Laube Life Sciences and Facility Management ZHAW Grüental 8820 Wädenswil Phone: +41 (0) 58 934 55 71 e-Mail: patrick.laube(at)zhaw.ch

Research Areas:


Landscape

Disciplines:


Social geography and Ecology

Abstract:
Der massive Landnutzungswandel im Berggebiet beschäftigt Forschung und Praxis: Beispielsweise die Abnahme des Bergackerbaus im Münstertal um 90 % seit 1990 sowie dessen Förderung unter der neuen Agrarpolitik seit 2014 oder die prognostizierte Abnahme der Rebflächen im Gebiet des Naturparks Pfyn-Finges um 17-51 % bis 2040. Es stellt sich die Frage, ob diese Entwicklungen im Konflikt mit Anstrengungen zum Erhalt der Biodiversität, der Landschaftsästhetik oder auch des sozialen Gefüges stehen. Um hierzu einen Beitrag zu leisten, erforschten wir Methoden, welche helfen den Landnutzungswandel zu verstehen und zu prognostizieren. Anhand von real existierenden, aktuellen Themen wurde so ein methodischer Beitrag geleistet und gleichzeitig konnten interessante inhaltliche Ergebnisse produziert werden.
In dieser Arbeit wurden zwei Methoden erforscht, welche diese Entwicklung räumlich aufzeigen und prognostizieren sollen. Eine untersuchte Methode war, die Bewirtschafter ihre Einschätzung direkt auf Luftbildern einzeichnen zu lassen (partizipatives Kartieren). Eine zweite basierte auf einer multikriteriellen Analyse mit nicht-lokalen Experten. Diese Methoden sind räumlich explizit, zeigen also auf, an welchen Orten sich der Ackerbau, respektive Weinbau verändern wird. Sowohl im Münstertal als auch im Gebiet des Naturparks Pfyn-Finges wurden neben dem partizipativen Kartieren auch Interviews durchgeführt und ein Fragebogen verteilt. Damit konnte aufgezeigt werden wo ein Landnutzungswandel zu erwarten ist und wie dieser von den Bauern und Winzern wahrgenommen wird.
Doch können die Bewirtschafter den Landnutzungswandel überhaupt vorhersagen und wenn ja, mit welcher Genauigkeit? Und wie viele Teilnehmer bräuchte es für eine solche Vorhersage? Dieser Frage wurde in einer Fallstudie im Val Müstair nachgegangen. Dabei wurde nicht nur der Zustand unter der neuen Agrarpolitik erfragt, sondern auch wie denn der Zustand 1990 gewesen sei, also zu einer Zeit als es noch deutlich mehr Ackerbau gab. Diese von den Landwirten beigesteuerten Informationen wurden mit einem rekonstruierten Zustand von 1990, sowie Beobachtungen aus den Jahren 2014 und 2015 verglichen. In der Umfrage wurden jeweils drei Massstäbe (1:5 000, 1:12 5000 und 1:25 000) verwendet.
Die Auswertung der Studie im Val Müstair zeigte, dass die Bewirtschafter den historischen Zustand genauer und kompletter als die Prognose einzeichnen konnten. Auch zeigte sich, dass dies auf der Skala mit dem grössten Detaillierungsgrad am besten ging. Durch die statistische Methode des Jackknifing konnte herausgefunden werden, mit wie vielen Teilnehmern im Durchschnitt ein ähnliches Resultat wie dasjenige der ganzen Gruppe erreicht worden wäre. Es zeigte sich, dass für die Erfassung des Zustands im Jahr 1990 auf der detailreichsten Skala 5 der 15 Landwirte und für die Prognose 9 der 15 Teilnehmer ausgereicht hätten. Auf der gröbsten Skala hätte man hingegen 7 und 11 Teilnehmer für den historischen, respektive den prognostischen Zustand, gebraucht. Demnach benötigen detailliertere Skalen weniger Teilnehmer für dieselbe Datenqualität und diese fällt grösser aus bei einem vergangenen Zustand als bei einer Prognose.
Aber wäre es nicht glaubwürdiger und genauer, man würde die Landschaftsentwicklung mit einem Modell vorhersagen? Die Fallstudie Pfyn-Finges diente der Beanwortung dieser Frage. Es wurden einerseits 33 Winzer mit der Methode der partizipativen Kartierung befragt und andererseits wurde mit 13 nicht lokalen Experten ein multikriterielles Modell erstellt. Für die Befragung wurden den Winzern folgende zwei Fragen gestellt: Erstens, welche Flächen werden in 25 Jahren nicht mehr Weinreben sein und zweitens, welche Flächen werden sicher noch Weinreben sein? Die Differenz dieser Meinungen ergab dann die Prognose. Für das multikriterielle Modell wurden Experten aus Forschung, Verwaltung und Privatwirtschaft gebeten, die wichtigsten Einflussfaktoren für die Umnutzung von Rebparzellen einzuschätzen. Diese Informationen wurden danach in einem Computerprogramm zusammengeführt und es wurde berechnet, mit welcher Wahrscheinlichkeit eine Fläche in 25 Jahren noch weiter bewirtschaftet wird. 25 Jahre entspricht dabei ungefähr der Generation eines Rebstockes: Innerhalb von 25 Jahren wird eine Rebfläche also neu bepflanzt, was meist eine wichtige Entscheidung darstellt, da diese mit hohen Kosten verbunden ist.
Es zeigte sich, dass es Regionen gibt, in welchen sowohl das partizipative Kartieren als auch das multikriterielle Modell zu ähnlichen Ergebnissen kommen. Im Bereich des extrapolierten Trends zur Abnahme der Rebfläche (ca. 17-50 % Abnahme), stimmen die beiden Methoden deutlich besser überein, als dies nach Zufall zu erwarten gewesen wäre. In einem Evaluations-Workshop attestierten die Winzer und die nicht-lokalen Experten der multikriteriellen Analyse eine bessere räumliche Auflösung, der kartenbasierten Befragung hingegen eine höhere Plausibilität. Beide Methoden schnitten aber deutlich besser als ein Zufallsmodell ab und sind somit für Prognosen der Landschaftsentwicklung geeignet. Diese Ergebnisse wurden zus.tzlich mit Interviewdaten kombiniert und es zeigte sich, dass gewisse Weinberge möglicherweise umgenutzt werden, welche von den Winzern einen grossen kulturellen Wert zugeschrieben bekamen.

Leading questions:
We develop, apply and test methods to map and model potentials for ecosystem services in biosphere reserves. Specifically, we assess potential areas for conserving agriculturally usable plant genetic resources (PGR). Therefore we compare results from interviews, multi-criteria GIS-analysis and participatory mapping. Since the 1990s, the agriculture in the Swiss Mountains shifted from cropland towards livestock. Due to this development, farmers ceased to plant the crops adapted to their local environment. Thus, further adaption of those PGR to the environment, e.g. to new pathogens or different climates, stopped. Continuous adaptation of crops could be enabled through on-farm conservation. In Switzerland, policies fostering on-farm PGR conservation are developed. They are part of the landscape quality payments. Those policies encompass great spatial relevance. Thus we are researching spatially explicit methods to generate policy relevant information. PGR conservation policies have to be included in the socio-ecological system in order to be applicable. Very different factors, such as motivation, economic situation and biophysical conditions determine the success of PGR conservation. Therefore, methods able to integrate various forms and sources of knowledge, coming from different stakeholders, are required. Participatory mapping and modelling is a promising approach to do so. We compare different methods to Participatory Mapping (PM). In PM, stakeholders are asked to draw information with spatial reference. In our case, we let participants draw polygons on top of an airborne photo. We research the influence of the sample by comparing the data through jackkniving. We are further interested in effects induced through the method, such as social learning or network building.

Publications:
Rohrbach B., Laube P. 2013. A participatory method for agrobiodiversity conservation. In: 5th Symposium for Research in Protected Areas, Conference Volume. pp. 669 - 670

Rohrbach B. (2016) ASSESSING PARTICIPATORY MAPPING AND MULTI CRITERIA EVALUATION FOR LAND USE CHANGE ANALYSIS. PhD thesis, Insitute of Geography, University of Zurich
pdf Dissertation

Last update: 4/8/19
Source of data: ProClim- Research InfoSystem (1993-2024)
Update the data of project: CH-4921

Go Back