Transcript Webbed Thinking - Basics Exercises in Qualitative Systems

a)
A
B
C
D
E
b)
+
(>>)
+
-
(-)
+
+
(+)
-
+
+
Das Syndromkonzept Werkzeuge und Methoden der
Syndromanalyse und
Syndrommodellierung
Teil 4:
 Werkzeuge
Gliederung Teil 3
• Syndromanalyse
• Hypothesenbildung
• Syndromdiagnose
• Syndromprognose
• Fuzzy Logik
• Fallstudienintegration - Generalisierung im
Syndromkonzept
• Syndrommodellierung
• Qualitative Differentialgleichungen
• Kopplung von Syndromen
• Diskussion
Lernziele
• Kennenlernen der grundlegenden
Methoden der Syndromanalyse und
Syndrommodellierung mit quantitativen
(indikatorbasiert) und qualitativen
Informationen
• Verständnis für grundlegende Konzepte der
Fuzzy Logik
• Verständnis für die möglichen
Verknüpfungen von Syndromen
Syndromanalyse
Das RAUBBAU-SYNDROM
Raubbau an natürlichen
Ökosystemen
• zunehmende Übernutzung
biolog. Ressourcen (terrestrische
& marine Ökosysteme)
• Überschreiten der natürlichen
Regenerationsfähigkeit
• motiviert durch gesellschaftliche
und wirtschaftspolitische
Entwicklungen
Beispiel:
• globale Stammholzexploitation
Syndromfolgen:
 Konversion und Degradation artspezifischer Lebensräume
 regionale Reduzierung der genetischen und Artenvielfalt
 Erosion, morphologische Änderungen
 regionale und globale Klimaänderungen
Syndromanalyse
1. Hypothesenbildung 
Inspektion
Musterhypothese
Syndromanalyse
Syndromanalyse
1. Hypothesenbildung 
syndromspezifisches
Beziehungsgeflecht
Inspektion
Zusammenhangswissen
Musterhypothese
semi-formale
Beschreibung
Beispiele für Kausalaussagen
„Je intensiver die Landwirtschaft, desto höher die Bodendegradation“
oder graphisch dargestellt:
Intensivierung der
Landwirtschaft
Bodendegradation
„Je ärmer die Bevölkerung, desto stärker wird von niedrigem Niveau aus landwirtschaftlich
intensiviert.“
oder graphisch dargestellt:
Verarmung
Intensivierung der
Landwirtschaft
Wechselwirkungen zwischen
Symptomen und deren Symbolisierung
Wechselwirkung
B ist eine monoton steigende
Funktion von A
B ist eine monoton fallende Funktion
von A
B ist eine unbekannte Funktion von
A
B ist Summe aus einer monoton
steigenden Funktion von A und einer
monoton steigenden Funktion von C
B ist Summe aus einer monoton
steigenden Funktion von A und einer
monoton fallende Funktion von C
Differential
Gleichung
Monotonie
B  f  A
f
0
A
B  f  A
f
0
A
B  f  A
B  f  A   g C 
B  f  A   g C 
unbekannt
f
g
 0,
0
A
C
f
g
 0,
0
A
C
Symbol
?
Qualitative Informationen aus Fallstudien
Beispielhafte Aussage aus einer Fallstudie:
Southern Ghana; Gyasi et al. (1995): Production pressure and
environmental change in the forest-savannah zone of Southern
Ghana. Global Environmental Change, 5(4):p.355-366.
“The continuous cropping has led to noticeable soil
impoverishment and decreased crop yields” (p.359)
 Quality of Resource (? , )
“As the population increases the quality of the environment
is likely to decline, as are earnings and living standards.
25% of the households already could no longer adequately
feed themselves with the produce from their farms” (p.363)
 Income per Capita (<N , )
Syndromanalyse
2. Syndromdiagnose 
syndromspezifisches
Beziehungsgeflecht
Syndromanalyse
2. Syndromdiagnose 
syndromspezifisches
Beziehungsgeflecht TOOLBOX
globale
Datensätze
GIS
Fuzzy-Logik
Fallstudien
qualitative
Modellierung
Syndromanalyse
2. Syndromdiagnose 
syndromspezifisches
Beziehungsgeflecht TOOLBOX
globale
Datensätze
GIS
Fuzzy-Logik
Fallstudien
qualitative
Modellierung
Disposition
Syndromanalyse
Disposition-Entscheidungsbaum
hohe Disposition
für das
RAUBBAU-SYNDROM
Syndromanalyse
Disposition-Entscheidungsbaum
gut erreichbarer
Wald
Hohe Disposition
für das
RAUBBAU-SYNDROM
Syndromanalyse
Disposition-Entscheidungsbaum
gut erreichbarer
Wald
hohe Waldbestandsdichte
hohe Disposition
für das
RAUBBAU-SYNDROM
Syndromanalyse
Disposition-Entscheidungsbaum
gut erreichbarer
Wald
hohe Waldbestandsdichte
hohe Disposition
für das
RAUBBAU-SYNDROM
Fuzzy Logik
“Herkömmliche” oder Boolsche Logik:
• Wahrheitswert (Zugehörigkeitswert) von
entweder 1 (wahr) oder 0 (falsch)
Beispiel:
• Wer gehört zur Gruppe der „alten Leute“?
Fuzzy Logik
“Herkömmliche” oder Boolsche Logik:
• Zugehörigkeit zur Menge „alte Leute“
1
0.5
0
20
40
60
80
Fuzzy Logik
“Herkömmliche” oder Boolsche Logik:
• Zugehörigkeit zur Menge „alte Leute“
• ••
1
?
0.5
0
• • 20•
40
60
80
Fuzzy Logik
“Herkömmliche” oder Boolsche Logik:
• Zugehörigkeit zur Menge „alte Leute“
1
0.5
0
nicht
“alt”
20
“alt”
40
60
80
Fuzzy Logik
Fuzzy Logik:
• Wahrheitswert (Zugehörigkeitswert)
zwischen
1 (komplett wahr) oder
0 (komplett falsch)
Beispiel:
• Wer gehört zur Gruppe der „alten Leute“?
Fuzzy Logik
Fuzzy Logik:
• Zugehörigkeit zur Menge „alte Leute“
• ••
•
•
• • “alt”
nicht
“alt”
0.5
•? •
• •
•
• •
0
• • 20• 40 60 80
1
Fuzzy Logik
Fuzzy Logik:
• Zugehörigkeit zur Menge „alte Leute“
• ••
•
•
• • “alt”
nicht
“alt”
0.5
•? •
• •
•
• •
0
• • 20• 40 60 80
1
Fuzzy Logik
Fuzzy Logik:
• Zugehörigkeit zur Menge „alte Leute“
• ••
•
•
• • “alt”
nicht
“alt”
0.5
• •
• •
•
• •
0
• • 20• 40 60 80
1
Fuzzy Logik
Fuzzy Logik:
• Zugehörigkeit zur Menge „alte Leute“
• ••
•
•
• • “alt”
nicht
“alt”
0.5
• •
• •
•
• •
0
• • 20• 40 60 80
1
Fuzzy Logik
Fuzzy Logik:
• Zugehörigkeit zur Menge „alte Leute“
• ••
•
•
• • “alt”
nicht
“alt”
0.5
• •
• •
•
• •
0
• • 20• 40 60 80
1
Fuzzy Logik
Boolsche Verschneidungsoperatoren:
Fuzzy Logik
Fuzzy Verschneidungsoperatoren:
UND (minimum)
ODER (maximum)
Syndromanalyse
Fuzzy-Logik - Verschneidung
Kompensatorischer Fuzzy-UND-Operator:
Dispositio n
 hoch
  gut erreichbarer Wald  hohe Waldbestandsdichte
Walderreichbarkeit
Bestandsdichte

 eK0.5  hoch
,  hoch


Walderreic hbarkeit
hoch
Bestandsdi chte
  hoch

Bestandsdi chte
 hoch
Walderreic hbarkeit
 hoch
Syndromanalyse
Disposition-Entscheidungsbaum
gut erreichbarer
Wald
hohe Waldbestandsdichte
hohe Disposition
für das
RAUBBAU-SYNDROM
Syndromanalyse
Disposition-Entscheidungsbaum
Biomassendichte
gut erreichbarer
Wald
hohe Waldbestandsdichte
hohe Disposition
für das
RAUBBAU-SYNDROM
Fuzzy Logik
Fuzzyfizierung
Linguistische Variable

Waldbestandsdichte
hoch
„hohe Waldbestandsdichte“
Variable


ling
.Kat. mit 0    1
1
0.8
0.6
0.4
0.2
0
0
4
7
-2
Biomasse [kg C m ]
Syndromanalyse
Disposition-Entscheidungsbaum
Biomassendichte
gut erreichbarer
Wald
hohe Waldbestandsdichte
hohe Disposition
für das
RAUBBAU-SYNDROM
Syndromanalyse
Disposition-Entscheidungsbaum
Syndromanalyse
Disposition-Entscheidungsbaum
RAUBBAU-SYNDROM: Disposition
Syndromanalyse
2. Syndromdiagnose 
syndromspez.
BZG
Disposition
TOOLBOX
globale
Datensätze
GIS
Fuzzy-Logik
Fallstudien
qualitative
Modellierung
Intensität
RAUBBAU-SYNDROM: Typenbestimmung
Konversionstyp:
• „clear cutting“ mit vollständiger Unterdrückung der
natürlichen Sukzession
 Bodenverdichtung, Erosion, Verlust /
Fragmentierung von Räuberhabitaten,
Überpopulation von Herbivoren, Änderung der
lokalen klimatischen Verhältnisse, etc.
 keine Regeneration des Ökosystems
Degradationstyp:
• begrenzte Berücksichtigung ökologischer
Gegebenheiten (selektiver Einschlag in Art und Fläche)
 Verschiebung der Ökosystemstruktur, Biodiversitätsund Funktionsverluste, Ressourcenerschließung, etc.
 langsame Vernichtung des Ökosystems über
Zwischenstadien (sekundär Wald)
RAUBBAU-SYNDROM: Verlaufstypen
RAUBBAU-SYNDROM: Intensität
Intensität
Übernutzun g
Politikver sagen

 hoch
  Übernutzung  Politikver sagen   min  hoch
,  hoch
Das SAHEL-SYNDROM
Armutsgetriebene, landwirtschaftliche Übernutzung
marginaler Standorte
Teufelskreis:
Verarmung  Ausweitung
landwirt. Aktivitäten 
Bodendegradation 
Ertragsverlust  Verarmung
Beispiele:
• Überweidung in ariden &
semi-ariden Regionen
• Brandrodungswanderfeldbau
in trop. & subtrop. Waldregionen
Syndromfolgen:
 Übernutzung und Konversion von Ökosystemen
 zunehmende Bodendegradation
 weitere Verarmung der ländlichen Bevölkerung
 Verringerung der genetischen und Artenvielfalt
Sahel-Syndrom Beziehungsgeflecht
Verlust
biosphärischer Senken
BIOSPHÄRE
Gen- und Artenverluste
ATMOSPHÄRE
Verstärkung
biosphärischer Quellen
HYDROSPHÄRE
Verstärkter
Treibhauseffekt
Zunehmende Übernutzung
der Vegetation
Abflußänderungen auf
Landflächen
Süßwasserverknappung
Regionaler und globaler
Klimawandel
Absinken des
Grundwasserspiegels
Konversion
natürlicher Ökosysteme
BEVÖLKERUNG
Bevölkerungswachstum
PEDOSPHÄRE
Fertilitätsverlust
(Humus, Nährstoffe)
Ausweitung landwirtschaftlichWIRTSCHAFT
genutzter Fläche
Intensivierung der
Landwirtschaft
Bodenerosion
Landflucht
?
Verstärkte
wirtschaftspolitische
Regulierung
Soziale und ökonomische
Ausgrenzung: Verarmung
Zunahme nationaler und internationaler sozialer und
ökonomischer Disparitäten
Emanzipation der Frau
PSYCHOSOZIALE SPHÄRE
Internationale
Verschuldung
Globalisierung
der Märkte
?
Wissens- und
Technologietransfer
Zunahme der internationalen
Abkommen und Institutionen
GESELLSCHAFT. ORGANISATION
TECHNIK / WISSENSCHAFT
SAHEL-SYNDROM: DispositionEntscheidungsbaum
Fuzzy Logik basierte Abschätzung der Basisindikatorens
Berechnung der Basisindikatoren mit
Hilfe quantitativer Modelle
Neuronal-Netz
basiertes Pflanzenproduktivitätsmodell
ungünstige
Wachstumsbedingungen
Bodenfertilität
Temperatur
GLOBALES
Einstrahlung
Wasserversorgung inkl.
Bewässerung
nichtausreichnde
klimatischen
Verhältnisse
Pflanzenproduktivität
schlechte
Böden
Hangneigung
FAO
Bodentyp
KLIMA
Nahrungsmittelproduktion für den
Inlandsmarkt
Hangneigung
LEGENDE:
Quantitatives
Modell
Raster (0.5°x 0.5°):
Basisindikator
Quantitative Daten
lokale Daten
linguistische
Variable +
Kategorie
globale Daten
hohe
Disposition
hohes
Erosionsrisiko
hohe
sozio-ökonom.
Disposition
Nahrungsmittelimporte
Modell zur Bestimmung des globalen
Oberflächenabfluss
hohe
naturräumliche
Disposition
Marktdefizit
vom Nahrungs
mittelangebot
Nahrungsmittelexporte
hoher Anteil
von Subsitenzlandwirtschaft
Anteil der Beschäftigten in der
Landwirtschaft
Fehlen von
Alternativen
fuzzy-ODER Operator:
Maximum
komparativ
fuzzy-UND Operators:
Minimum
kompensatorisch
Zugehörigkeitswert Nationenauflösung:
Daten
Zugehörigkeitswert
SAHEL-SYNDROM: Disposition
Syndromanalyse
Intensität eines Syndroms:
2 verschiedene Wege:
1. Indikatorbasierter Ansatz (ähnlich der Dispositionsbestimmung)
 spezifische Lösung für ausgewähltes Indikatoren-Set
SAHEL-SYNDROM:
Kern des Beziehungsgeflechts
Bodendegradation
Soil Degradation
Landwirtschaftsintensität
Rate der Bodendegr.
Intensificationder
of
Intensivierung
Landwirtschaft
Agriculture
Yield
Ertrag
Population
Bevölkerung
Armut
Poverty
Impovrishment
Verarmung
++Population
Bev. Wachstum
Growth
Zunehmende nationale &
ökonomische
Disparitäten
Economic Disparities
Syndromanalyse
(indikatorbasiert)
SAHEL-SYNDROM: Intensität 1
(Daten aus dem Zeitraum 1985-1992)
Typische dynamische Eigenschaften des Syndroms:
N Landwirtschaftliche Aktivität
B Status der Bodendegradation
dN
 f1 ( A),
dt
dB  f ( N ),
2
dt
A  f3 ( N , B)
A Anzahl der ländlichen Armen
Kausalbeziehungen im Syndromkern
f 2
f3
f 3
  f1 
A
0,
N
 0,
B
 0,
N
Für eine lineare Approximation für fi

dN dt  dB dt  dA dt  const.
N
B
A
0
Syndromanalyse
(indikatorbasiert)
SAHEL-SYNDROM: Intensität 2
Evaluierung dieser Bedingung führt zum Maß für den
SAHEL-SYNDROM-Teufelskreis:
  dN / dt dB / dt
dN / dt dA / dt
dA / dt dB / dt
TSahel   c  





B
N
A
A
B
  N
Stärke des Teufelskreis:
S Sahel
Intensität:

dB
dA 
 dN
 dt

dt
dt
 max 
,
,

B
A 
 N

Intensität Sahel  Syndrom
hoch
  Präsenz  Stärke

  c

SAHEL-SYNDROM: Intensität
(indikatorbasiert)
Bodendegradation
Soil Degradation
Landwirtschaftsintensität
Rate der Bodendegr.
Intensificationder
of
Intensivierung
Landwirtschaft
Agriculture
Yield
Ertrag
Population
Bevölkerung
Poverty
Armut
Impovrishment
Verarmung
++Population
Bev. Wachstum
Growth
Zunehmende nationale &
ökonomische
Disparitäten
Economic Disparities
SAHEL-SYNDROM: Intensität
(indikatorbasiert)
Bodendegradation
Soil Degradation
Landwirtschaftsintensität
Rate der Bodendegr.
Intensificationder
of
Intensivierung
Landwirtschaft
Agriculture
Yield
Ertrag
Population
Bevölkerung
Poverty
Armut
Impovrishment
Verarmung
++Population
Bev. Wachstum
Growth
Zunehmende nationale &
ökonomische
Disparitäten
Economic Disparities
SAHEL-SYNDROM: Intensität
(indikatorbasiert)
Bodendegradation
Soil Degradation
Landwirtschaftsintensität
Rate der Bodendegr.
Intensificationder
of
Intensivierung
Landwirtschaft
Agriculture
Yield
Ertrag
Population
Bevölkerung
Poverty
Armut
Impovrishment
Verarmung
++Population
Bev. Wachstum
Growth
Zunehmende nationale &
ökonomische
Disparitäten
Economic Disparities
The Favela Syndrome - Environmental degradation through uncontrolled urban growth
Cause-effect scheme describing the rapid and rather
Politically uncontrolled urbanisation in developing
countries, accompanied by urban poverty, overloaded
infrastructure, environmental pollution and public
health problems.
Das Favela-Syndrom
BIOSPHERE
ATMOSPHERE
PEDOSPHERE
Tropospheric
pollution
Global and regional
climate change
Acidification
contamination
Local air
pollution
POPULATION
ECONOMY
HYDROSPHERE
WATER POLLUTION,
EUTROPHICATION
Population growth
Growing traffic
volume
FRESHWATER SCARCITY
Migration
DAMAGE TO HEALTH CAUSED
BY ENVIRONMENTAL FACTORS
Sinking of
groundwater level
Importance of the
informal sector
IMPOVERISHMENT
AND POVERTY
Demand for
higher standards
POLICY FAILURE
Decline of traditional
social structures
PSYCHOSOCIAL SPHERE
SOCIAL. ORGANISATION
SCIENCE / TECHNOLOGY
Favela-Syndrom:
Intensität Ende der 90er
Das Favela-Syndrom:
neue Entwicklungen
durch Globalisierung von ICT
BIOSPHERE
ATMOSPHERE
PEDOSPHERE
Tropospheric
pollution
Global and regional
climate change
Acidification
contamination
Local air
pollution
POPULATION
ECONOMY
HYDROSPHERE
WATER POLLUTION,
EUTROPHICATION
Population growth
Growing traffic
volume
FRESHWATER SCARCITY
Migration
DAMAGE TO HEALTH CAUSED
BY ENVIRONMENTAL FACTORS
Sinking of
groundwater level
Importance of the
informal sector
BI O SPHERE
ATM O SPHERE
IMPOVERISHMENT
AND POVERTY
Demand for
higher standards
POLICY FAILURE
Decline of traditional
social structures
PSYCHOSOCIAL SPHERE
SOCIAL. ORGANISATION
SCIENCE / TECHNOLOGY
Global and regional
climate change
Tropospheric
polution
Local air
polution
PO PULATI O N
Population growth
HYDRO SPHERE
WATER POLLUTION,
EUTROPHICATION
FRESHWATER SCARCITY
Migrati on
Sinking of
DAMAGE TO HEALTH CAUSED
BYENVIRONMENTAL FACTORS groundwater level
Das DUST-BOWL-SYNDROM
Nicht-nachhaltige industrielle
Bewirtschaftung von Böden /
Gewässern unter hohem
Energie-, Kapital- und
Technikeinsatz
• Intensivierung / Ausweitung der
Landwirtschaft
Beispiele:
• Pflanzung großflächiger
Monokulturen
• großflächige Konversion von
Waldgebieten zu landwirtschaftlicher Nutzfläche
Syndromfolgen:
 Konversion großer Landflächen (-> Monokulturen)
 großflächigen Bodenerosionserscheinungen
 Degradation von Ökosystemen (Düngemittel und Pestizide)
 Artenverdrängung & Zerstörung von Lebensräumen
 Emission von treibhauswirksamen Gasen (CO2, CH4)
DUST-BOWL-SYNDROM:
Kernmechanismus
ATMOSPHÄRE
PEDOSPHÄRE
Verstärkter
Treibhauseffekt
Versalzung,
Alkalisierung
Überdüngung
Degradation
natürlicher Ökosysteme
HYDROSPHÄRE
Veränderung der
lokalen Wasserbilanz
Konversion
natürlicher Ökosysteme
BIOSPHÄRE
WIRTSCHAFT
Industrialisierung
Intensivierung der
Landwirtschaft
Ausweitung der
Landwirtschaftsfläche
Veränderung der Wasserqualität (Pathogene,
Nährstoffe, Toxine)
Ausweitung westlicher
Konsum- und Lebensstile
Anspruchsteigerung
PSYCHOSOZIALE
SPHÄRE
Globalisierung
der Märkte
DUST-BOWL-SYNDROM: DispositionEntscheidungsbaum
V
V
~
V
Klassifizierung
Kostenoberfläche
y- g
zz run
Fui z ie
f
Fuzzyfizierung
V
~
V
~
DUST-BOWL-SYNDROM: Disposition
DUST-BOWL-SYNDROM: IntensitätEntscheidungsbaum
*1 G roßvieheinheit (GVE)
V
~
V
V
V
~
V
V
Facetten der
Intensivierung
Industrialisierung
(Marktorientierung,
weniger Landwirtschafsbeschäftigte
V
V
Anspruchssteigerung
(Kaffee, Tee,
Citrusfrüchte, etc.)
K onversion und D egradation
natürli cher Ökosysteme
V
V
Übernutzung
natürlicher Ökosysteme
= 1
= 7
= 7
= 0.6
Rind
Schafe
Ziegen
Kamele
DUST-BOWL-SYNDROM: Intensität
Analyse von Syndromintensitäten
 „Syndrom –Hotspots“
Zusammenfassung
Syndromanalyse erlaubt:
• Identifikation nicht-nachhaltiger Zivilisation-NaturInteraktionsmuster
• räumlich aufgelöste Aussagen
• Verknüpfung qualitativer und quantitativer
Informationen
• Identifikation möglicher Syndromkopplungen
• Szenarienbildung
• Was wäre wenn ...?
• Wie verhält sich ein Syndrom unter sich ändernden
Bedingungen?
Vorteile:
• global konsistent
• Daten- und prozessgestütztes Frühwarnsystem
• Beschreibung dynamischer GW-Entwicklungen
Syndromanalyse
(indikatorbasiert)
Schwachpunkte:
•
Führt nur zu einer speziellen Lösung
•
Weist nur auf die Existenz der Indikatorelemente hin
und damit nur indirekt auf die Existenz des Syndrommechanismus.
•
Generalisierungsproblem (andere Regionen; ähnliche
Degradationsformen; etc.)
•
Datenprobleme (geeignete Indikatoren?; Datenlücken;
falsche Daten; etc.)
•
Benötigt Daten über einen längeren Zeitraum
Syndromanalyse
(indikatorbasiert)
Schwachpunkte:
•
Führt nur zu einer speziellen Lösung
•
Weist nur auf die Existenz der Indikatorelemente hin und
damit nur indirekt auf die Existenz des Syndrommechanismus.
•
Generalisierungsproblem (andere Regionen; ähnliche
Degradationsformen; etc.)
•
Datenprobleme (geeignete Indikatoren?; Datenlücken;
falsche Daten; etc.)
•
Benötigt Daten über einen längeren Zeitraum
 Alternative: Qualitative Modellierung!
Syndromanalyse
Intensität eines Syndroms:
2 verschiedene Wege:
1. Indikatorbasierter Ansatz (ähnlich der Dispositionsbestimmung)
 spezifische Lösung für ausgewähltes Indikatoren-Set
2. Ansatz über Qualitative Modellierung
 Unterscheidung zwischen Katastrophenpfaden
(“syndromar”) und Nicht-Katastrophenpfaden
(“nicht-syndromar”) der Hazardous Functional
Patterns
 generelle Lösung für eine Menge von Fallstudien
 Syndromprognose
 Evaluierung von Handlungsoptionen
 Mitigationspotential
Qualitative Modellierung
Herausforderung:
• Modellbasierte Beschreibung der dynamischen
Evolution der verschiedenen Zeitverläufe eines
Hazardous Functional Patterns
• Evaluierung von politischen Handlungsoptionen präventiver und kurativer Art
• „Syndromvalidierung“ (hindcasting) durch
Fallstudienanalyse (qualitative trajectories Kasperson et al. 1995)
• Chance für Syndrom-Mitigation
Qualitative Modellierung
Werkzeug:
Qualitative Differentialgleichungen (QDGls)
 Der QSIM-Algorithmus (Kuipers 1994) bietet
ein Werkzeug zur Übersetzung von
Kausaldiagrammen in Art der
Syndrommechanismen in einen
mathematischen Formalismus.
Qualitative Modellierung
Modell:
Bodenqualität
Intensität der
Landwirtschaft
Landwirtschaftlicher
Ertrag
zeitl. Ableitung
Armut
Qualitative
Multiplikation
Qualitative Modellierung
quantity-spaces:
AI (0 ms AImax) - Intensity Agriculture
dAI (dAImin 0 dAImax) – Intensification
QR (0 QRmax) - Quality of Soils
dQR (dQRmin 0 dQRmax) – Degradation
Y (0 ymax) - Agricultural Yield
P (0 ex Pmax) - Poverty
constraints:
d/dt
d/dt
Mult
MM+
M-
AI dAI
QR dQR
QR AI Y
AI dQR (ms 0)
P dAI (ex 0)
YP
Qualitative Modellierung
Konventionelle Modellierung
Qualitative Modellierung mit QDGl
Qualitative Modellierung
Konventionelle Modellierung
Qualitative Modellierung mit QDGl
Zahlen auf der reellen Achse
 „Landmark“ Werte spezifizieren ausge-
zeichnete Werte an denen die Beziehungen zu anderen Variablen sich
qualitativ ändern. z.B. B
 Mögliche Variablenwerte: „landmark“
oder das Intervall zwischen 2
landmarks“, sowie die Richtung der
Veränderung , , oder 
Qualitative Modellierung
Konventionelle Modellierung
Qualitative Modellierung mit QDGl
Zahlen auf der reellen Achse
 „Landmark“ Werte spezifizieren ausge-
Reellwertige Funktion zur Modellierung des Zusammenhangs
zwischen den verschiedenen
Variablen
zeichnete Werte an denen die Beziehungen zu anderen Variablen sich
qualitativ ändern. z.B. B
 Mögliche Variablenwerte: „landmark“
oder das Intervall zwischen 2
landmarks“, sowie die Richtung der
Veränderung , , oder 
nur qualitative Eigenschaften; z.B.:
A wächst monoton mit B,
A ist eine “U-förmige” Funktion von
B mit B als Umkehrpunkt, etc.
Qualitative Modellierung
Konventionelle Modellierung
Qualitative Modellierung mit QDGl
Zahlen auf der reellen Achse
 „Landmark“ Werte spezifizieren ausge-
Reellwertige Funktion zur Modellierung des Zusammenhangs
zwischen den verschiedenen
Variablen
zeichnete Werte an denen die Beziehungen zu anderen Variablen sich
qualitativ ändern. z.B. B
 Mögliche Variablenwerte: „landmark“
oder das Intervall zwischen 2
landmarks“, sowie die Richtung der
Veränderung , , oder 
nur qualitative Eigenschaften; z.B.:
A wächst monoton mit B,
A ist eine “U-förmige” Funktion von
B mit B als Umkehrpunkt, etc.
System von Differentialgleichungen
korrespondierende Anzahl von
qualitativen „Constraints”, die die
Zustandsvariablen und deren
Änderungen verknüpfen.
Qualitative Modellierung
Konventionelle Modellierung
Qualitative Modellierung mit QDGl
Zahlen auf der reellen Achse
 „Landmark“ Werte spezifizieren ausge-
Reellwertige Funktion zur Modellierung des Zusammenhangs
zwischen den verschiedenen
Variablen
zeichnete Werte an denen die Beziehungen zu anderen Variablen sich
qualitativ ändern. z.B. B
 Mögliche Variablenwerte: „landmark“
oder das Intervall zwischen 2
landmarks“, sowie die Richtung der
Veränderung , , oder 
nur qualitative Eigenschaften; z.B.:
A wächst monoton mit B,
A ist eine “U-förmige” Funktion von
B mit B als Umkehrpunkt, etc.
System von Differentialgleichungen
korrespondierende Anzahl von
qualitativen „Constraints”, die die
Zustandsvariablen und deren
Änderungen verknüpfen.
Eindeutige Lösung explizit in der
Zeit
Lösungsbaum aller möglicher Lösungen die
mit den „Constraints“ vereinbar sind.
Zeit ist eine qualitative Variable, definiert
über Ereignisse qualitativer Systemänderungen
Sahel-Syndrom:
Legende:
Bodenqualität
Armut
Landwirtschaft
Qualitativer Entwicklungsbaum
ansteigend
max
stabil
fallend
Multivalent
... über “landmarks”
0
Maximal
Nachhaltige
Nutzung
Existentielle
Armut
Qualitativer Entwicklungsbaum
Sahel-Syndrom:
Legende:
Bodenqualität
Armut
Landwirtschaft
Maximal
Nachhaltige
Nutzung
Existentielle
Armut
ansteigend
stabil
fallend
Multivalent
... über “landmarks”
Qualitativer Entwicklungsbaum
Sahel-Syndrom:
Legende:
Bodenqualität
Armut
Landwirtschaft
Maximal
Nachhaltige
Nutzung
Existentielle
Armut
ansteigend
stabil
fallend
Multivalent
... über “landmarks”
Instabile
Fix-Punkte
Zeit
(qualitativ)
Qualitativer Entwicklungsbaum
Sahel-Syndrom:
Legende:
Bodenqualität
Armut
Landwirtschaft
Maximal
Nachhaltige
Nutzung
Existentielle
Armut
ansteigend
stabil
fallend
Multivalent
... über “landmarks”
Instabile
Fix-Punkte
Zeit
(qualitativ)
Qualitativer Entwicklungsbaum
Sahel-Syndrom:
ansteigend
stabil
fallend
Multivalent
... über “landmarks”
Annehmbare
Resultate
Syndromare/
Katastrophale
Resultate
Legende:
Bodenqualität
Armut
Landwirtschaft
Maximal
Nachhaltige
Nutzung
Existentielle
Armut
Instabile
Fix-Punkte
Zeit
(qualitativ)
Qualitativer Entwicklungsbaum
ansteigend
stabil
fallend
Multivalent
... über “landmarks”
Annehmbare
Resultate
Instabile
Fix-Punkte
Zeit
(qualitativ)
Syndromare/
Katastrophale
Resultate
Legende:
Bodenqualität
Armut
Landwirtschaft
Maximal
Nachhaltige
Nutzung
Existentielle
Armut
Priorität
Natur
Sahel-Syndrom:
Qualitativer Entwicklungsbaum
Sahel-Syndrom:
ansteigend
stabil
fallend
Multivalent
... über “landmarks”
Annehmbare
Resultate
Priorität
Natur
Zeit
(qualitativ)
Option 1:
Armutsbekämpfung
Syndromare/
Katastrophale
Resultate
Legende:
Bodenqualität
Armut
Landwirtschaft
Ergebnis:
Syndromare
Resultate
immer noch
möglich!
Instabile
Fix-Punkte
Maximal
Nachhaltige
Nutzung
Existentielle
Armut
Qualitativer Entwicklungsbaum
ansteigend
stabil
fallend
Multivalent
... über “landmarks”
Annehmbare
Resultate
Zeit
(qualitativ)
Option 2:
Bodenschutz
Syndromare/
Katastrophale
Resultate
Legende:
Bodenqualität
Armut
Landwirtschaft
Ergebnis:
Syndromare
Resultate
immer noch
möglich!
Instabile
Fix-Punkte
Maximal
Nachhaltige
Nutzung
Existentielle
Armut
Priorität
Natur
Sahel-Syndrom:
Qualitativer Entwicklungsbaum
ansteigend
stabil
fallend
Multivalent
... über “landmarks”
Annehmbare
Resultate
Zeit
(qualitativ)
Option 1+2:
Mischstrategie
Syndromare/
Katastrophale
Resultate
Legende:
Bodenqualität
Armut
Landwirtschaft
Ergebnis:
Nur annehmbare
Resultate
möglich!
Instabile
Fix-Punkte
Maximal
Nachhaltige
Nutzung
Existentielle
Armut
Priorität
Natur
Sahel-Syndrom:
Syndromanalyse
2. Syndromdiagnose 
Exposition
TOOLBOX
Disposition
Intensität
Syndromanalyse
3. Syndromprognose  Fallstudienintegration / Generalisierung
Syndromanalyse
3. Syndromprognose  Fallstudienintegration / Generalisierung
lokale
und/oder
regionale
Fallstudien
Syndromanalyse
3. Syndromprognose  Fallstudienintegration / Generalisierung
lokale
und/oder
regionale
Fallstudien
Bestimme generalisierte
Variablen die die lokalen
Gegebenheiten integrieren
Syndromanalyse
3. Syndromprognose  Fallstudienintegration / Generalisierung
lokale
für
für jede
jede Fallstudie:
Fallstudie: Ableitung qualitativer Zeitverläufe (Trajektorien) für
generalisierte Variablen.
und/oder
regionale
Fallstudien
Bestimme generalisierte
Variablen die die lokalen
Gegebenheiten integrieren
Syndromanalyse: Fallstudienintegration
Fallstudien  „Hazardous Functional Patterns“
Syndromanalyse: Fallstudienintegration
-
Fallstudien  „Hazardous Functional Patterns“
Peru
Tschad
Malaysia
Syndromanalyse: Fallstudienintegration
Ziegenbestandsdichte
Tschad
Peru
Brachezeit
Malaysia
Armut
Verkürzung
der Brache
Ziegenbestandsdichte
Fertilitätsverlust
Bodenverdichtung
Fallstudien  „Hazardous Functional Patterns“
Einkommen
Syndromanalyse: Fallstudienintegration
Peru
Brachezeit
Malaysia
Verkürzung
der Brache
Ziegenbestandsdichte
Tschad
Fertilitätsverlust
Ziegenbestandsdichte
Einkommen
Armut
Bodendegradation D
Bodenverdichtung
Fallstudien  „Hazardous Functional Patterns“
Intensität I
Syndromanalyse
3. Syndromprognose  Fallstudienintegration / Generalisierung
lokale
für
für jede
jede Fallstudie:
Fallstudie: Ableitung qualitativer Zeitverläufe (Trajektorien) für
generalisierte Variablen.
und/oder
regionale
Fallstudien
Bestimme generalisierte
Variablen die die lokalen
Gegebenheiten integrieren
gleich für alle Fallstudien:
Formulierung eines qualitativen
Ursache-Wirkungsschemas für die in
allen Studien gültigen Variablen.
 Hazardous Functional Pattern
Syndromanalyse: Fallstudienintegration
Peru
Brachezeit
Malaysia
Verkürzung
der Brache
Ziegenbestandsdichte
Tschad
Fertilitätsverlust
Ziegenbestandsdichte
Einkommen
Armut
Bodendegradation D
Bodenverdichtung
Fallstudien  „Hazardous Functional Patterns“
Intensität I
Syndromanalyse: Fallstudienintegration
Peru
Brachezeit
Malaysia
Verkürzung
der Brache
Ziegenbestandsdichte
Tschad
Fertilitätsverlust
Ziegenbestandsdichte
HFP
Einkommen
Armut
A
Bodendegradation D
Bodenverdichtung
Fallstudien  „Hazardous Functional Patterns“
D
U-
I
Intensität I
M+
Syndromanalyse
3. Syndromprognose  Fallstudienintegration / Generalisierung
Beobachtung
lokale
für jede Fallstudie:
und/oder
regionale
Fall-
Bestimme generalisierte
Variablen die die lokalen
Gegebenheiten integrieren
Auswertung des
qualitativen Verhaltens des HFP mit
Hilfe von QSIM.
Modellverhalten:
studien
gleich für alle Fallstudien:
Modellierung
Syndromanalyse: Fallstudienintegration
Fallstudien  „Hazardous Functional Patterns“
Fallstudien aus DFG-Schwerpunktprogramm „Mensch
und Globale Umweltveränderungen“  HFP
Syndromanalyse: Fallstudienintegration
Fallstudien  „Hazardous Functional Patterns“
Fallstudien aus DFG-Schwerpunktprogramm „Mensch
und Globale Umweltveränderungen“  HFP
Landwirtschaftl.
Produktivtät
+
X
Produktivität der
Lohnarbeit
Arbeit in der
Landwirtschaft
Verfügbare
Arbeitskraft
X
+
X
Veränderungsrate
Qualität der
Ressource
Lohnarbeit
Relativer
Preis
Landwirtschaftl.
Ertrag
X
Lohneinkommen
Externe Variablen
Hilfsvariablen
+
+
Konsum
Qualitative
Addition
X Qualitative
Multiplikation
Qualitative Modellierung
Fallstudien:
Qualitative Modellierung
Resultate:
Qualitative Modellierung
Resultate:
Zeit
Qualitative Modellierung
Resultate:
Zeit
Unacceptable
Outcome
Qualitative Modellierung
Resultate:
Zeit
Acceptable
Outcomes
Unacceptable
Outcome
Syndromanalyse
3. Syndromprognose  Fallstudienintegration / Generalisierung
Beobachtung
Vergleich:
lokale
wird ein beobachtetes
Verhalten durch das Modell
rekonstruiert, kann das HFP
für die Studie
„nicht-falsifiziert“
werden.
für jede Fallstudie:
und/oder
regionale
Fall-
Bestimme generalisierte
Variablen die die lokalen
Gegebenheiten integrieren
Modellverhalten:
studien
gleich für alle Fallstudien:
Modellierung
Syndromkopplungsmechanismen
Syndromkopplungsmechanismen
Kopplungsformen:
Syndromkopplungsmechanismen
Kopplungsformen:
•
Koinzidenz / räumliche Überlagerung
Syndromkopplungsmechanismen
Kopplungsformen:
•
Koinzidenz / räumliche Überlagerung
•
Kopplung durch gemeinsame Symptome
Syndromkopplungsmechanismen
Kopplungsformen:
•
Koinzidenz / räumliche Überlagerung
•
Kopplung durch gemeinsame Symptome
•
Exposition
Syndromkopplungsmechanismen
Kopplungsformen:
•
Koinzidenz / räumliche Überlagerung
•
Kopplung durch gemeinsame Symptome
•
Exposition
•
Syndromverstärkung
Syndromkopplungsmechanismen
Kopplungsformen:
•
Koinzidenz / räumliche Überlagerung
•
Kopplung durch gemeinsame Symptome
•
Exposition
•
Syndromverstärkung
•
Syndromabschwächung
Syndromkopplungsmechanismen
Kopplungsformen:
•
Koinzidenz / räumliche Überlagerung
•
Kopplung durch gemeinsame Symptome
•
Exposition
•
Syndromverstärkung
•
Syndromabschwächung
•
Sukzession
Syndromkopplungsmechanismen
Kopplungsformen:
• Koinzidenz / räumliche Überlagerung
• Kopplung durch gemeinsame Symptome
• Exposition
• Syndromverstärkung
• Syndromabschwächung
• Sukzession
• Nichtintendierte Initiierung
Syndromkopplungsmechanismen
Beispiel: Waldgefährdungsindikator durch
Kopplungsmechanismen
(Exposition) - GIK
Syndromkopplungsmechanismen
Beispiel:
- GIK
 Wo kommt es durch
die Aktivität von
bestimmten Prozessen
zur Initiierung anderer
Mechanismen der
Waldgefährdung?
= Waldgefährdung über
die Kopplung zu bereits
aktiven Syndromen
Syndromkopplungsmechanismen
Beispiel:
- GIK
 Wo kommt es durch
die Aktivität von
bestimmten Prozessen
zur Initiierung anderer
Mechanismen der
Waldgefährdung?
= Waldgefährdung über
die Kopplung zu bereits
aktiven Syndromen
Bsp.: Waldschädigung
Syndromkopplungsmechanismen
Indikator GIK:
 Exposition durch Syndrome
Mögliche Kopplungen:
Syndromkopplungsmechanismen
Indikator GIK:
 Exposition durch Syndrome
Mögliche Kopplungen:
1. Flächenerschließung durch Holzeinschlag
Syndromkopplungsmechanismen
Indikator GIK:
 Exposition durch Syndrome
Mögliche Kopplungen:
1. Flächenerschließung durch Holzeinschlag
2. Nutzungsaufgabe durch marktorientierte
Akteure
 Nachzug landloser Kleinbauern
Syndromkopplungsmechanismen
Indikator GIK:
 Exposition durch Syndrome
Mögliche Kopplungen:
1. Flächenerschließung durch Holzeinschlag
2. Nutzungsaufgabe durch marktorientierte
Akteure
 Nachzug landloser Kleinbauern
3. Verdrängung von Kleinbauern durch politisch
und ökonomisch mächtigere Akteure
Syndromkopplungsmechanismen
Indikator GIK:
 64444444
4744444444
8
  
  SI  RI  DD   DI  
 RI SD
2.
3.
 644
47444
8
64447444
8

 DI  SD   SI   SI  DD   DI
1.

GIK 
hoch
 






 6444444444447444444444448 
 min1, RI , SD , 1  SI minRI , DD , 1 DI   
hoch hoch
hoch
hoch hoch
hoch
 min

2.
3.
64444
4744444
8
 64444744448
 minDI , SD , 1 SI   minSI , DD , 1 DI 
hoch hoch
hoch
hoch hoch
hoch 
1.
Syndromkopplung - Fuzzy-Logik
Bsp.: Das RAUBBAU-SYNDROM
als Exposition für das
SAHEL-SYNDROM
RI
SE
RI
SD
SI 
hoch



minhoch
, hoch, 1 hoch
Syndromkopplung - Fuzzy-Logik
Bsp.: Das RAUBBAU-SYNDROM
als Exposition für das
SAHEL-SYNDROM
RI
SD
SE
RI
SD
SI 
hoch



minhoch
, hoch, 1 hoch
Syndromkopplung - Fuzzy-Logik
Bsp.: Das RAUBBAU-SYNDROM
als Exposition für das
SAHEL-SYNDROM
RI
SD
¬SI
SE
RI
SD
SI 
hoch



minhoch
, hoch, 1 hoch
Syndromkopplung - Fuzzy-Logik
Bsp.: Das RAUBBAU-SYNDROM
als Exposition für das
SAHEL-SYNDROM
RI
SD
¬SI
SE
RI
SD
SI 
hoch



minhoch
, hoch, 1 hoch
Syndromkopplungsmechanismen
Indikator GIK:
 64444444
4744444444
8
  
  SI  RI  DD   DI  
 RI SD
2.
3.
 644
47444
8
64447444
8

 DI  SD   SI   SI  DD   DI
1.

GIK 
hoch
 






 6444444444447444444444448 
 min1, RI , SD , 1  SI minRI , DD , 1 DI   
hoch hoch
hoch
hoch hoch
hoch
 min

2.
3.
64444
4744444
8
 64444744448
 minDI , SD , 1 SI   minSI , DD , 1 DI 
hoch hoch
hoch
hoch hoch
hoch 
1.
Gefährdung durch
Syndromkopplungsmechanismen
obere Abschätzung
untere Abschätzung
Zusammenfassung - Qual. Modellierung
ENDE