Weiter zum Inhalt

Projekt

Der Thünen-Agraratlas


Federführendes Institut BW Institut für Betriebswirtschaft

Projektbild: Der Thünen-Agraratlas
© www.agraratlas.de
Projektbild: Der Thünen-Agraratlas

Die deutsche Agrarstatistik ist eine wichtige Informationsquelle, wenn Umwelteffekte aus landwirtschaftlicher Tätigkeit zu bewerten und Trends in der Landwirtschaft abzuschätzen sind. Leider wird der Zugang auf kleinräumiger Ebene durch den Datenschutz beschränkt. Deshalb wurde das Projekt Agraratlas initiiert, um einen Gemeindedatensatz zur Landnutzung und zum Tierbesatz zu erstellen.

Hintergrund und Zielsetzung

Die deutsche Agrarstatistik zur Landnutzung und zum Tierbesatz ist ein wichtiger Indikator, wenn Umwelteffekte zu bewerten sind. Sie dient als Basis für das Abschätzen von Trends und Politikfolgen im Thünen-Modellverbund. Der Zugang auf kleinräumiger Ebene, wie der Gemeinde, wird durch den Datenschutz beschränkt und regionale Neuabgrenzung bzw. Neuklassifizierung von Merkmalen der Erhebung erschweren es, über längere Zeiträume zu vergleichen. Folglich ist es auch schwierig, einen in sich und über die Zeit schlüssigen Datensatz abzuleiten. Genau das aber ist Ziel des Projekts Thünen-Agraratlas: Wir wollen auf Gemeindeebene ab 1999 bis in die Gegenwart unter Nutzung der Agrarstrukturerhebung, Agrarstatistik und georeferenzierter Landnutzungsdaten einen solchen Datensatz gewinnen, der alle Datenschutzauflagen einhält, so dass es möglich ist, den Datensatz öffentlich verfügbar zu machen. Die Ergebnisse des Projektes sind Teil der Arbeiten zur Georeferenzierten Dateninfrastruktur des Thünen-Instituts und werden in diesem Rahmen veröffentlicht.

Vorgehensweise

Folgende Arbeitsschritte sind notwendig, damit ein konsistenter, auflagenfreier Datensatz erstellt werden kann:

  • Datenzugang auf Gemeindeebene durch die Bundesländer genehmigen lassen 
  • Auswertung der Daten am Forschungsdatenzentrum (FDZ) auf Gemeindeebene mittels einer Clusteranalyse, um den Datenschutzansprüchen zu genügen 
  • Verbinden der folgenden Datensätze mittels Bayesian-Schätzverfahren: i) öffentliche Agrarstatistik ii) Daten der auflagefreien Ergebnisse der Clusteranalyse iii) georeferenzierte (GIS) Landnutzungsdaten des Deutschen Landschaftsmodells (DLM)
  • Validierung der Ergebnisse am FDZ mit den beobachteten Gemeindedaten
  • Veröffentlichung der Daten in der der Thünen-Geodateninfrastruktur (GDI)
  • Erststellung des Visualisierungsdienstes (www.agraratlas.de) zur Analyse der Landnutzung und Tierbesatzdichte

Daten und Methoden

Wir benutzen geografische und georeferenzierte Methoden, in Zusammenhang mit den Instrumenten der Datenaufbereitung für die Modellanalyse, um Strukturbrüche und Neuklassifizierungen zu harmonisieren, Datenlücken zu schließen und damit einen konsistenten Datensatz über die Zeit und die Regionen abzuleiten.

Datenquellen
2010 bis 2020 - Kreisdaten der Agrarstrukturerhebung (ASE) der Stat. Ämter der Länder und Clusterschätzung auf Basis des Forschungsdatenzentrums (FDZ), der ASE der Stat. Ämter des Bundes und der Länder;
1999 bis 2007 – Kreisdaten und Clusterschätzer auf Basis des FDZ, der Stat. Ämter des Bundes und der Länder - AFiD-Panel Agrar;
1999 bis 2020 Basis-DLM - Bundesamt für Kartographie und Geodäsie (BKG);

Vorläufige Ergebnisse

Das Ergebnis des Projektes ist auf der Webseite www.agraratlas.de einsehbar. Der methodische Ansatz und die Validierungsergebnisse finden sich in den unten gelisteten Veröffentlichungen.

Publikationen zum Projekt

  1. 0

    Neuenfeldt S, Gocht A, Röder N, Yang X, Laggner B, Meyer-Borstel H (2024) THÜNEN AGRARATLAS (2022) [Datenpublikation] [online]. Genève: Zenodo, zu finden in <https://atlas.thuenen.de/atlanten/agraratlas> [zitiert am 04.12.2024], DOI:10.5281/zenodo.14197441

  2. 1

    Neuenfeldt S, Gocht A (2017) Unterschiede in der Gruppierung der Gemeinden hinsichtlich ausgewählter Betriebstypen in Deutschland und ihrer regionalen Verteilung : AFiD-Nutzerkonferenz. Z Amtl Statistik Berlin Brandenb 11(2):52-55

  3. 2

    Gocht A, Meyer-Borstel H, Röder N (2015) Vertraue nur der Statistik, die du selbst schätzt : Geodaten und Agrarstatistik. Forschungsreport Ernähr Landwirtsch Verbrauchersch(2):24-27

  4. 3

    Gocht A, Röder N (2014) Using a Bayesian estimator to combine information from a cluster analysis and remote sensing data to estimate high-resolution data for agricultural production in Germany. Int J Geogr Inf Sci 28(9):1744-1764, doi:10.1080/13658816.2014.897348

  5. 4

    Röder N, Gocht A (2013) Recovering localised information on agricultural structures while observing data confidentiality regulations - the potential of different data aggregation and segregation techniques. J Land Use Sci 8(1):31-46, DOI:10.1080/1747423X.2011.605915

  6. 5

    Gocht A, Röder N (2011) Municipality disaggregation of German's agricultural sector model RAUMIS : paper prepared for the 122nd EAAE Seminar "Evidence-based agricultural and rural policy making: methodological and empirical challenges of policy evaluation" Ancona, February 17-18,2011. 15 p

    https://literatur.thuenen.de/digbib_extern/dn048083.pdf

  7. 6

    Gocht A, Röder N (2011) Salvage the treasure of geographic information in farm census data : paper prepared for presentation at the EAAE 2011 Congress "Change and Uncertainty, Challenges for Agriculture, Food and Natural Resources" ; August 30 to September 2, 2011 ; ETH Zurich, Zurich, Switzerland. 13 p

    https://literatur.thuenen.de/digbib_extern/dn049135.pdf

    Nach oben