Jetzt können wir die Fläche mit den klimatischen Voraussetzungen für tropischen Regenwald mit der tatsächlichen Fläche des immergrünen Waldes abgleichen. Im ersten Teil dieses Artikels haben wir uns bereits Daten über die weltweite Landbedeckung des GLCF besorgt. Diese müssen nur noch in SAGA GIS importiert und weiterverarbeitet werden.
Der Datensatz über die globale Landbedeckung liegt als BSQ-File vor. Dieses Format kann leider nicht mit dem komfortablen GDAL-Treiber importiert werden, sondern muss mit dem Werkzeug „Import/Export – Grids -> Import Binary Raw“ behandelt werden.
Wenn man sich das beiliegende Metafile ansieht, wird man schnell zu den richtigen Importparametern fündig.
Einzig die Zellgröße wird nicht im Metafile angegeben. Diese kann aber folgendermaßen ausgerechnet werden:
360° / 5760 Zellen = 0,0625°
Im Metafile wird man auch fündig zu einer Auflösung der Codes in Landnutzungsarten:
Legend and Values
0 Water (and Goode's interrupted space)
1 Evergreen Needleleaf Forest
2 Evergreen Broadleaf Foreset
3 Deciduous Needleleaf Forest
4 Deciduous Broadleaf Forest
5 Mixed Forest
6 Woodland
7 Wooded Grassland
8 Closed Shrubland
9 Open Shrubland
10 Grassland
11 Cropland
12 Bare Ground
13 Urban and Built-up
Diese Werte können in SAGA GIS in eine Nachschlageliste eingetüpfelt werden und entsprechende Farben zugewiesen werden. Dazu muss man im Options-Fenster auf der rechten Seite des markierten Datensatzes unter Settings die Einfärbung nach einer Lookup-Table vornehmen (Display: Color Classification -> Type: Lookup Table). Im nächsten Dialog können diese Werte und Farben eingegeben werden. Alternativ ist es auch möglich an dieser Stelle eine Tabelle zu laden.
Die Einfärbung der Landnutzungsklassen ist aber momentan nebensächlich. Wichtig ist hier, dass wir durch die Legende im Metafile erkennen konnten, dass immergrüne Laubwälder in der Klasse 2 angesiedelt sind. Genau diese interessieren uns natürlich im Zusammenhang mit dem tropischen Regenwald.
Also heißt es jetzt noch einmal: Grid Calculator anschmeissen und mit einer IF/ELSE-Funktion die richtige Klasse extrahieren:
ifelse(eq(a,2),1,0)
Das Ergebnis ist die immergrüne Laubwaldfläche der Erde. Dieses Zwischenergebnis sollte nun noch mit dem Datensatz für tropisches Klima kombiniert werden. Um hier ein Raster-Overlay veranstalten zu können muss abermals resampled werden, so dass die beiden Rasterdatensätze in der gleichen räumlichen Ausdehnung sind und die gleiche Zellgröße besitzen.
Das Resampling sollte auch hier wieder dem „größten gemeinsamen Nenner der Zellgröße“ angepasst werden. Unser Klimadatensatz hat die Zellgröße 0.25 während die immergrüne Laubwaldfläche eine Zellgröße von 0.0625 besitzt. Also ist der Fall klar: die immergrüne Laubwaldfläche wird mit dem Resampling-Werkzeug (Grids – Tools) vergröbert. Das Vorgehen läuft so ab, wie wir es schon aus dem vorhergehenden Teil kennen. Allerdings sollte hier bei der Interpolationsmethode unbedingt „Nearest Neighbor“ angewendet werden, da sich aus den diskreten Landnutzungsklassen ja keine sinnvolle Mittelwerte bilden lassen.
Achtung: Bei Interpolation ist immer Vorsicht geboten. Als kleines Beispiel für unerwünschte Interpolationsergebnisse soll nachfolgende Abbildung dienen.
Links der Orginal-Datensatz der GLCF, in der Mitte das Ergebnis des Resamplings in das Ziel-System (Zellgröße 0.25) mit der Nearest Neighbor – Interpolation und rechts das Ergebnis des Resamplings mit Mittelwert-Interpolation. Man sieht eindeutig die „Ausfransung“ von Landnutzungsklassen, die durch die reine Mittelwert-Methode resampled wurden.
Nun aber zurück zu unseren Regenwalddaten. Mit Combine führen wir nun wie im vorhergehenden Beispiel die beiden Datensätze zusammen und haben als Ergebnis nun endlich die Fläche des tropischen Regenwaldes – hergeleitet aus Satellitendaten der Landnutzung und Klimadaten.