Einführung
Geografische Informationssysteme (GIS) sind in vielen verschiedenen Bereichen weit verbreitet, und die Zahl und das Spektrum dieser Anwendungen nimmt weiter zu, da GIS auch in anderen Bereichen eingesetzt werden. Die Biotechnologie, ein Bereich der Landwirtschaft, ist ein solcher Bereich. Der Hauptzweck der Biotechnologie besteht darin, die Produktivität zu verbessern und damit die Ernährungssicherheit in Gebieten zu gewährleisten, die in der Vergangenheit mit Nahrungsmittelknappheit zu kämpfen hatten. Mit dem Einsatz von GIS können die Ziele der Biotechnologie erreicht werden.
Die südafrikanische Regierung beispielsweise erzielt durch den Einsatz von GIS in Verbindung mit Biotechnologie eine bessere Ernteproduktion. Mithilfe von GIS erstellen die Behörden authentischere und präzisere Ernteschätzungen, um der Unsicherheit in der südafrikanischen Getreideindustrie zu begegnen.
Dieser Schritt trägt dazu bei, die Ziele der Biotechnologie zu erreichen, d. h. die Pflanzenproduktion zu verbessern und damit die Ernährungssicherheit zu erhöhen. Das “Producer Independent Crop Estimate System” (PICES) wird derzeit in Südafrika eingesetzt und dient in erster Linie zur Schätzung der Anbauflächen von Getreidekulturen. Die Integration von GIS in diesem landwirtschaftlichen Sektor ist jedoch mit einigen Herausforderungen verbunden, wie später in diesem Dokument erläutert wird.
Warum GIS in der Biotechnologie
Das Verständnis der Geografie und die Herstellung ihrer Beziehung zu anderen Bereichen wie der Landwirtschaft ermöglicht es den Menschen, kluge Entscheidungen zu treffen, in diesem Fall Entscheidungen zur Ernährungssicherheit. Nach Wyland (2009, S. 4) “hat sich die Fähigkeit von GIS, landwirtschaftliche Umgebungen und Arbeitsabläufe zu analysieren und zu visualisieren, als sehr vorteilhaft für die in der Landwirtschaft Tätigen erwiesen.”
In der Biotechnologie tragen GIS dazu bei, die Produktion zu fördern, Land zügig zu bewirtschaften und unnötige Kosten in der Produktion zu senken. Es stimmt, dass die Landwirte keinen Einfluss auf die natürlichen Inputs der Landwirtschaft wie Boden, Land und Niederschlag haben, aber das Verständnis dieser Inputs durch die Analyse von GIS-Systemen würde ihnen beim Erreichen ihrer Ziele in der Landwirtschaft zugute kommen.
Mithilfe von GIS können Landwirte zum Beispiel den ungefähren Ernteertrag ermitteln, Bodenverbesserungen prüfen, Bodenerosion feststellen und Sanierungsstrategien vorschlagen. Darüber hinaus werden GIS zur Untersuchung anderer landwirtschaftlicher Praktiken wie Schädlingsbekämpfung, Düngereinsatz und Pflanzenkrankheiten eingesetzt.
Das am besten geeignete Datenmodell
Das für diese landwirtschaftliche Anwendung am besten geeignete Datenmodell sind die Vektordatenmodelle/Strukturen (Soller 1999). “Dieser Kartierungsansatz charakterisiert die vertikalen Variationen der physikalischen Eigenschaften in jeder 3-D-Karteneinheit” (Soller & Berg 2003). Mit diesem Modell lässt sich die Anbaufläche für Getreidekulturen besser bestimmen. Das dreidimensionale Kartierungselement dieses Modells qualifiziert es als das am besten geeignete Instrument.
Darüber hinaus ist dieses Modell das beste Instrument zur Abbildung des geografischen Raums; es stellt räumliche Positionen präzise dar und stellt implizit Beziehungen zwischen Einheiten her (Doe 1997). Nach Johnson (1998, S. 16) hat dieses Modell “Punkte, die mit einem einzigen Satz von Koordinaten verbunden sind, mit Linien, die mit einer Folge von Koordinatenpaaren verbunden sind, und einer Flächenfolge von miteinander verbundenen Linien, deren erster und letzter Koordinatenpunkt gleich sind.” In Anbetracht der Zielsetzung des Einsatzes von GIS in diesem Bereich ist das Vektormodell daher das beste Modell.
Die Schätzung der Anbauflächen muss genauer und zuverlässiger werden, wenn die Landwirte den Alptraum der Ernährungsunsicherheit aus der Welt schaffen wollen. Vor allem stellt das Vektormodell dar, wie die Karte wirklich aussieht, einschließlich aller Dimensionen (Tomlinson 2005). Die mit diesem Modell gewonnenen Daten können in separaten Dateien gespeichert werden, die durch einen Link miteinander verbunden sind, was die gemeinsame Nutzung von Informationen verbessert und gleichzeitig einen vollständigen Informationsverlust verhindert (Soller & Lindquist 2000).
Außerdem gibt es dieses Modell in verschiedenen Varianten, wie z.B. Spaghetti, Netzwerkmodell, Dime Files und Digital Line Graph (DLG) (Berry 1993). Ausgehend von den oben genannten Eckpunkten ist das Vektordatenmodell für diese Aufgabe am besten geeignet.
Geeignete Datensätze und Datenquellen
Wie bereits erwähnt, gibt es eine Vielzahl von Vektordatenmodellen, und das bedeutet, dass auch eine Vielzahl von Datensätzen verfügbar ist. In diesem landwirtschaftlichen Bereich würde man die Verwendung von Datensätzen wie ArcAtlas; Our Earth in Betracht ziehen, der “globale geografische und attributive Daten in drei Maßstäben … mit 1:20.000.000 für Afrika” enthält (ESRI Data & Maps 2002).
Andere umfassen digitale Karten der Welt und ESRI-Daten und -Karten. Diese Datensätze ermöglichen es den Nutzern, geografische Informationen in überschaubare Größen zu zerlegen, die in computergestützte Modelle passen (Lee & Kretzschmar 2003). Der Maßstab 1:20.000.000 wurde in Südafrika erfolgreich zur Schätzung der Anbauflächen für Getreide verwendet. Geeignete Datenquellen sind in diesem Fall Informationen von Landwirten und Feldgrenzen, die aus Satellitenbildern digitalisiert wurden.
Um dieses Projekt zur Bestimmung der Getreideanbauflächen in Südafrika abzuschließen, erstellt die Regierung Modellkarten, die diese Flächen darstellen. Diese Modellkarten sind die einzigen Produkte, die bisher im Rahmen dieses Projekts erstellt werden konnten. Um diese Karten zu erstellen, sind mehrere Schritte erforderlich, die im Folgenden erläutert werden.
Schritte zur Beschaffung der Karten
Die Entwicklung der erforderlichen Karten, die die Getreideanbauflächen im Schätzungsprozess darstellen, erfolgt in fünf Schritten. Wie bereits erwähnt, verwendet die südafrikanische Regierung für diese Aufgabe PICES.
Der erste Schritt ist die Beschaffung von Satellitenbildern. Laut Fourie (2009, S. 9) stellt die südafrikanische Regierung über das Landwirtschaftsministerium die Satellitenbilder zur Verfügung, wobei “SPOT Image Spot 5-Satellitenbilder mit einer Auflösung von 2,5 Metern als Basis für die Digitalisierung verwendet werden”. Nach der Beschaffung dieser Satellitenbilder werden die Feldgrenzen digitalisiert.
Diese Übung verwendet ArchMap, das unter ArchAtlas liegt. Für klar umrissene Grenzen und Bilder wird der Maßstab 1:10.000 verwendet, dann werden die ausführlichen Metadaten in ArcCatalog von einer Provinz zur anderen erfasst. Durch diese Methode sind die neun südafrikanischen Provinzen bereits digitalisiert.
Nach dem Erhalt von sauberen und präzisen digitalisierten Feldgrenzen werden Punktrahmen in Verbindung mit einer zufälligen Auswahl von Stichprobenpunkten entworfen (Smith, Goodchild & Longley 2007). Die zufällige Auswahl der Stichprobenpunkte ist wichtig, um sicherzustellen, dass alle möglichen Felder, die Gegenstand der Felduntersuchung sind, vertreten sind.
Für die Gesamtfläche jeder der neun Provinzen wird ein quadratisches Punktraster (45 m x 45 m) erstellt. Alle Gitterpunkte, die außerhalb der Feldgrenzen liegen, werden aus der Testpopulation eliminiert, da es unwahrscheinlich ist, dass sie eine Pflanze enthalten. Die digitalisierten Felder werden dann in Abhängigkeit von der Wahrscheinlichkeit des Auftretens einer Kultur unterteilt.
In diesen Klassen gibt es niedrige, mittlere und hohe Klassen, je nach der Wahrscheinlichkeit, eine Ernte zu erhalten. Daraus folgt, dass die niedrigen Klassen eine geringe Wahrscheinlichkeit haben, die mittleren Klassen eine mittlere Wahrscheinlichkeit und die hohen Klassen die höchste Wahrscheinlichkeit (Thurston, Poiker & Moore 2003).
Der Zweck dieser Klassifizierung ist die Verbesserung der Stichprobeneffizienz. Daher wird die Mehrzahl der Stichprobenpunkte aus Gebieten mit hoher Wahrscheinlichkeit gezogen. Wise (2002, S. 6) weist darauf hin, dass der Zweck dieses Prozesses darin besteht, “die nützlichsten Daten im Rahmen der Budgetbeschränkungen zu erhalten und den Varianzkoeffizienten (CV) so niedrig wie möglich zu halten”. Der CV ist das “Verhältnis der Standardabweichung zum Mittelwert; er wird verwendet, wenn Datensätze mit unterschiedlichen Einheiten oder stark abweichenden Mittelwerten verglichen werden” (Doaks 1997, S. 16).
Aus jeder Schicht werden Rasterpunkte ausgewählt, in eine Microsoft SQL-Server-Datenbank übernommen und einheitlich von Norden nach Süden und von Osten nach Westen gruppiert, um eine optimale Verteilung der Stichprobenpunkte über ein bestimmtes geografisches Gebiet zu gewährleisten (Elangovan 2006). Danach wird ein stochastischer Startpunkt gewählt und die Punkte werden in gleichmäßigen Abständen auf der Grundlage der in jeder Schicht benötigten Anzahl von Punkten ausgewählt.
Der vierte Schritt ist die Erhebung der Stichprobenpunkte aus der Luft, bei der Daten über die Kulturen gewonnen werden. Das bedeutet, dass die an jedem Stichprobenpunkt angebauten Kulturen bestimmt werden, wobei ein Leichtflugzeug zum Einsatz kommt. “Ein Tablet-PC, der mit einem GPS verbunden ist und auf dem ArcPad läuft, wird zur Erfassung dieser Daten verwendet” (Fourie 1999, S. 1).
Im Rahmen dieser Erhebung werden Informationen über die auf jeder Stichprobe angebauten Kulturen gesammelt, wobei vermerkt wird, ob die Kulturen unter Bewässerung oder auf trockenen Böden angebaut werden. Darüber hinaus werden in dieser Erhebung weitere Informationen über spezifische natürliche Bedingungen des Bodens für zukünftige Referenzen erfasst.
Schließlich werden die Felddaten “im Shapefile-Format erfasst und gespeichert” (Burrough 1998, 69). Diese Informationen werden dann auf einen zentralen Server und anschließend in eine SQL-Server-Datenbank übertragen (Soller, Berg & Wahl 2000). Von hier aus können die Informationen in statistischen Analysen verwendet werden, um die Anbaufläche unter Getreide zu schätzen.
Beschränkungen für GIS in der Biotechnologie
Es gibt zahlreiche Herausforderungen, die einer angemessenen Nutzung von GIS in diesem landwirtschaftlichen Bereich entgegenstehen. Das bevorzugte GIS-Modell ist komplex und verwendet komplizierte Strategien. So ist zum Beispiel “die Kombination mehrerer Polygonnetzwerke durch Überschneidung und Überlagerung schwierig und verbraucht viel Rechenleistung” (Worboys & Duckham 2004).
Darüber hinaus ist dieser Prozess zeitaufwendig und langwierig, und “die Simulationsmodellierung von Prozessen räumlicher Interaktion über Pfade, die nicht durch eine explizite Topologie definiert sind, ist schwieriger, da jede räumliche Einheit eine andere Form und Gestalt hat” (Maguire, Goodchild & Rhind 1997, S. 97). Darüber hinaus ist dieses Verfahren mit anderen Berechnungsproblemen konfrontiert, und schließlich ist es kostspielig und kann in Gebieten mit schwachem wirtschaftlichem Hintergrund nicht angewendet werden.
Zu den weiteren Fragen im Zusammenhang mit der Anwendung von GIS in der Biotechnologie gehören die ethischen Bedenken im Zusammenhang mit dem Einsatz der Biotechnologie. Viele Menschen haben sich mit dem Einsatz der Biotechnologie nicht abgefunden, und da GIS zur Verbesserung der Lebensmittelproduktion dienen, kann es unmöglich sein, sie in Gebieten einzusetzen, in denen die Biotechnologie nicht willkommen ist. Andererseits haben GIS eine Schlüsselrolle bei der Förderung der Biotechnologie und der Ernährungssicherheit gespielt. Es ist einfacher geworden, Ackerland zur Verbesserung der Produktion zu untersuchen.
Schlussfolgerung
In der heutigen Zeit sind GIS in den verschiedensten Bereichen zu einem festen Bestandteil geworden. In der Biotechnologie und in der Landwirtschaft im Allgemeinen hat GIS zahlreiche Vorteile gebracht. Mit Hilfe von GIS hat die südafrikanische Regierung erfolgreich die mit Getreide bepflanzten Anbauflächen geschätzt, um vorherzusagen, wie diese Flächen den Getreidebedarf des Landes decken können.
Die Biotechnologie wird dann eingesetzt, um die Produktivität der untersuchten Flächen zu steigern. Die Biotechnologie allein würde die Ernährungssicherheit in Südafrika nicht aufrechterhalten und gewährleisten, da es keine Schätzungen über den Bedarf geben könnte. Das Vektormodell von GIS wurde in diesen Studien aufgrund seiner dreidimensionalen Beschaffenheit zur Analyse geografischer Gegebenheiten weitgehend verwendet.
Es sind mehrere Prozesse erforderlich, angefangen bei der Beschaffung von Satellitenbildern, über die Digitalisierung von Feldgrenzen und die Erstellung von Punktrastern bis hin zur Luftbildvermessung und statistischen Analyse. Dieser Prozess ist jedoch angesichts der komplexen Natur der Vektordatenstrukturen und der erforderlichen Ressourcen teuer und zeitaufwändig.
Referenzliste
Berry, J 1993, “Beyond Mapping: Concepts, Algorithms, and Issues in GIS”, Fort Collins, CO: GIS World Books
Burrough, A & Mcdonnell, R 1998, “Principles of Geographical Information Systems”, Oxford; Oxford University Press.
Doaks, J. 1997, “Eine weitere Einführung in GIS, New York: Bogus Press.
Doe, J. 1997, “Eine Einführung in GIS”, New York: Bogus Press.
Elangovan, K 2006 “GIS: Fundamentals, Applications and Implementations”, New Delhi New India Publishing Agency.
ESRI Daten & Karten 2002, “GSI-Modelle”, CA: Environmental Systems Research Institute
Fourie, A 1999, “Better Crop Estimates In South Africa”, ESRI Press, 9-14.
Johnson, B 1998, “Digitales geologisches Kartendatenmodell. V. 4.3: AASG/USGS Data Model Working Group Report”, verfügbar unter https://www.usgs.gov/science/science-explorer/geology
Lee, J & Kretzschmar, W 1993, “Spatial Analysis of Linguistic Data with GIS Functions”, International Journal of Geographical Information Science, 7(6); 541-560.
Maguire, D, Goodchild, F & Rhind, W 1997, “Geographic Information Systems: Principles, And Applications”, New York; Longman Publishers.
Smith, M, Goodchild, F & Longley, A 2007, “Geospatial Analysis: A Comprehensive Guide to Principles, Techniques and Software Tools”, International Journal of Geographical Information Science, 8(6); 64-78.
Soller, D 1999, “Proposed Guidelines for Inclusion of Digital Map Products in The National Geologic Map Database”, U.S. Geological Survey Open-File Report 99 (386); 35-38
Soller, D & Berg, T 2003, “The National Geologic Map Database Project: Overview And Progress”, U.S. Geological Survey Open-File, Bericht 03-471.
Soller, D, Berg, T & Wahl, R 2000, “Developing the National Geologic Map Database, Phase 3-An Online, “Living” Database Of Map Information”, verfügbar unter https://www.usgs.gov/
Soller, D & Lindquist, T 2000 “Development And Public Review Of The Draft “Digital Cartographic Standard for Geologic Map Symbolization”, verfügbar unter https://www.usgs.gov/
Tomlinson, R 2005, “Thinking About GIS: Geographic Information System Planning For Managers”, ESRI Press.
Thurston, J, Poiker, T & Moore, J 2003, “Integrated Geospatial Technologies: A Guide To GPS, GIS, And Data Logging”, Hoboken, New Jersey: Wiley.
Wise, S 2002, “GIS-Grundlagen”, London: Taylor & Francis Worboys, M &Duckham, M 2004, “GIS: A Computing Perspective”, Boca Raton: CRC Press.
Wyland, J 1999, “Agribusiness Grows With Crop-Specific Maps”, ESRI Press.