gms | German Medical Science

Hintergrund: Daten auf Basis inkompatibler räumlicher Ebenen (z.B. Postleitzahlgebiete und administrative Einheiten) lassen sich nicht ohne Weiteres gemeinsam analysieren. Für die regionale Versorgungsforschung kann dies ein Problem darstellen. Mit der Einführung von GIS wurden insbesondere in den Bevölkerungswissenschaften methodische Ansätze zur Zusammenführung inkompatibler Ebenen entwickelt. Sie werden in der Literatur mit dem Oberbegriff Räumliche Interpolation zusammengefasst. Unterscheiden lassen sie sich in erster Linie danach, ob sie mit oder ohne Zusatzdaten durchgeführt werden. Die Berücksichtigung von Zusatzdaten (oftmals Landnutzungsdaten) zur Differenzierung von besiedelten und unbesiedelten Flächen hat primär das Ziel, die Genauigkeit der Datenübertragung zu erhöhen. Methoden dieser Art werden als Dasymetric Mapping bezeichnet.

Recherchen haben gezeigt, dass im Gesundheitswesen GIS-basierte Verfahren zur Zusammenführung inkompatibler räumlicher Ebenen bislang kaum bekannt sind und daher nur wenig Anwendung finden. Ziel dieser Studie ist es, ausgewählte Methoden miteinander zu vergleichen, zu evaluieren und hinsichtlich ihrer Anwendbarkeit zu prüfen.

Methodik: Am Beispiel der Stadt Hamburg wird die Übertragung der Einwohnerzahl 2011 von den 8657 Baublöcken sowie den 100 Postleitzahlgebiete auf die Stadtteile (Referenzebene) anhand verschiedener Verfahren geprüft. Um besiedelte und nicht besiedelte Flächen differenzieren zu können, werden zusätzlich CORINE-Landnutzungsdaten aus dem Jahre 2006 verwendet.

Für die Datenübertragung von einer Ausgangs- auf eine Zielebene wird die Ausgangsebene mittels einer Interpolation der Flächenmittelpunkte bzw. mittels einer direkten Konvertierung in ein flächendeckendes Raster überführt. Dabei erhält jedes Pixel einen Wert der zu übertragenden Variable. Anschließend werden die Werte des Rasters der Ausgangsebene auf die Zielebene zu übertragen. Für jede Fläche der Zielebene (also für jeden Stadtteil) wird der Mittelwert der in ihr liegenden Pixel berechnet. Die Datenübertragung nach der Vektor-Raster-Konvertierung entspricht einer flächengewichteten Umverteilung. Im Sinne eines Dasymetric Mapping gehen alternativ die in besiedelte und unbesiedelte Gebiete unterteilten Flächen der Ausgangsebene in die Verfahren ein.

Um die Interpolation und Datenübertragung valideren zu können, werden der mittlere quadrierte Schätzfehlers (RMSE) sowie der Korrelationskoeffizient (r=) als Maß der Abweichung zwischen dem geschätzten und realen Wert pro Stadtteil verwendet.

Die Umsetzung erfolgt mit der GIS-Software gvSIG in der Versionen CE 1.11 und 1.12 mit der Erweiterung SEXTANTE sowie Q-GIS 1.8.0 und GRASS GIS 6.4.2. Alle Produkte sind frei verfügbar.

Ergebnisse: Die Ergebnisse der Studie zeigen je nach Verfahren, Ausgangsebene und Verwendung von Zusatzdaten eine unterschiedlich hohe Abweichung zwischen den modellierten Daten gegenüber der Referenz. Mit allen Verfahren wurde ein Korrelationskoeffizient (r=) von >=0,87 und damit eine sehr gute Übereinstimmung erzielt wird. Des Weiteren wird deutlich, dass die Vektor-Raster-Konvertierung der Interpolation in der Genauigkeit überlegen ist und sich zudem eine kleinräumigere Ausgangsebene gegenüber einer großräumigeren als vorteilhaft erweist. Darüber hinaus wirkt sich die Berücksichtigung der Landnutzungsdaten positiv aus. Die Übertragung der Einwohnerzahlen von den kleinräumigen Baublöcken mittels der flächengewichteten Umverteilung unter Berücksichtigung der Landnutzung konnte mit durchschnittlichen Abweichungen von 8,7% durchgeführt werden.

Diskussion/Schlussfolgerung: Mit allen getesteten Verfahren wurde mindestens eine Korrelation von r>= 0,87 und damit eine sehr gute Übereinstimmung zwischen den modellierten und den Referenzdaten erzielt. Die flächengewichtete Umverteilung kleinräumiger Daten unter Berücksichtigung der Landnutzung hat sich als genaustes Verfahren erwiesen. Die Methoden lassen sich für das gleiche Untersuchungsgebiet auf andere Variablen übertragen, so dass z.B. Prävalenzen auf Stadtteilebene aus Daten mit PLZ-Bezug abgeleitet werden können. Die Ergebnisse der Studie lassen dabei eine Abschätzung der Genauigkeit der Datenübertragung zu. Für andere Gebiete können die Methoden ebenfalls angewendet werden. Hier empfiehlt sich allerdings eine erneute Validierung der Ergebnisse mittels Daten, die auf allen betreffenden Ebenen vorliegen.

Frei verfügbare Geoinformationssysteme (GIS) bieten leistungsstarke Werkzeuge für die vorgestellten Methoden und konnten erfolgreich angewendet werden.