Verschneidung der Klimadaten
In diesem Schritt werden wir nun die Daten der weltweiten Jahresdurchschnittstemperatur und des weltweiten gemittelten Jahresniederschlags miteinander kombinieren, denn ein Parameter allein hat ja noch keine Aussagekraft bezüglich des potentiellen Wachstums tropischen Regenwaldes. Beispielsweise ist der Temperaturbereich in der Sahara prinzipiell im tropischen Bereich – die Feuchtigkeit fehlt hier jedoch. Analog dazu gibt es auch in Alaska genügend Niederschlag, nur ist es dort natürlich ein bisschen zu frisch für den tropischen Regenwald.
Also: Nur dort, wo sich beide Bereiche räumlich decken sind die klimatischen Voraussetzungen für tropischen Regenwald gegeben.
Diese Aufgabe ist „typsich GIS“ und lässt sich mit Hilfe von SAGA GIS sehr gut lösen.
Vorarbeiten
Zunächst müssen beide Datensätze in einen gemeinsamen, räumlich deckungsgleichen Rasterdatensatz gebracht werden. Dies ist mit der Funktion Resampling in SAGA GIS zu bewältigen. Grundsätzlich sollte das Resampling vom feineren ins grobe Grid ablaufen, da sonst die qualitative Aussage der bearbeiteten Daten an Wert verliert. Die Analyse erfolgt dann im gröberen Raster.
In unserem Fall muss das Grid Temperatur (Cell size: 0,167777) in die räumliche Ausdehnung des Niederschlags (Cell size: 0.25) via Resampling „importiert“ werden.
Bei „Grid – Tools -> Resampling“ müssen dazu folgende Einstellungen gemacht werden „Create new grid in existing project“:
Im nächsten Dialog wird nach dem Grid gefragt, in das importiert werden soll:
Anschließend wird noch nach der Interpolationsmehtode gefragt, nach der SAGA GIS die Rasterzellen des feineren Grids in die neue, gröbere Zellengröße überführen soll. Hier wählen wir „Nearest Neighbor“ aus.
Wenn wir uns die Daten nun im Tab „Data“ ansehen entdecken wir, dass sich in dem Grid des Niederschlags neben den Rohdaten und dem klassifizierten Niederschlagsdatensatz auch das klassifizierte Raster der tropischen Temperatur befindet.
Raster Overlay
Jetzt, da die Daten in einem gemeinsamen Grid vorhanden sind, können wir sie kombinieren. Dazu brauchen wir zunächst die bekannte Klassifikation unserer Daten und anschließend ein neues Werkzeug zur Kombination.
Wieso nun eine erneute Klassifizierung? Was wir als Ergebnis haben möchten ist ja die Kombination der Flächen aus dem Temperatur- und dem Niederschlagsdatensatz. Was dort für Temperaturen nun vorherrschen oder welcher Niederschlag in den Bereichen niedergegangen ist soll hier nun unberücksichtigt bleiben. Diese Information haben wir ja bereits aus der vorhergehenden Klassifizierung für die tropischen Verhältnisse erzeugt. Jetzt werden wir wie gesagt nur das binäre Vorkommen (ja/nein bzw. 0/1) für Regionen mit tropischen Klima ermitteln. Und das geht so:
1. Ersetzen aller Temperaturdaten mit 1 – NoData bleibt 0 (Wasserflächen)
2. Ersezten aller Niederschlagsdaten mit 1 – NoData bleibt 0
3. Kombination dieser beiden Datensätze
Die Klassifikation kann entweder wieder mit der ifelse-Funktion in SAGA erledigt werden oder bequemer mit dem Tool „Grid – Tools -> Reclassify Grid Values“.
Wir ersetzen nun mit der Methode „Range“ alle Rasterzellen, deren Werte größer 0 bis 99999 sind mit dem Wert 1. Die restlichen Werte (NoData) bekommen 0 zugewiesen:
Wichtig sind hier die Haken bei No data values und other values.
Das gleiche erledigen wir auch mit den tropischen Temperaturen, nur sind hier die Werte von 0 bis 99 mit 1 zu ersetzen. In rot ist hier die Temperatur dargestellt – in blau der Niederschlag:
Die Kombination beider binärer Datensätze erfolgt nun mit „Grid – Tools -> Combine Grids“. Hier passiert ein Raster Overlay, was dem Verschneiden von Vektordaten (Intersection) entspricht. Die verschnittenen Rasterzellen können mit Hilfe einer Nachschlagetabelle neu zugewiesen werden:
Das Ergebnis dieser Operation ist nun die gesuchte Landmasse, auf der optimales Klima für tropischen Regenwald herrscht.
