Flächennutzungsmonitoring II - Leibniz-Institut für ökologische ...

240
Ingrid Kaminger
In jedem dieser Fälle führt das zu einem Informationsverlust, entweder stimmen die
Summen nicht mehr oder aber die regionale Tiefe geht verloren.
Es gibt auch Ansätze, das Problem differenzierter zu lösen. So wird etwa in der Schweiz
und Dänemark unterschieden, ob das auszuweisende Merkmal als sensibel einzustufen
ist oder nicht und die Schwelle ab welchem die Zelle als unterbesetzt gilt, hängt
von dem Merkmal bzw. der Anzahl der Merkmalsuntergliederung ab. Am Beispiel der
Altersgliederung könnte das bedeuten, dass eine grobe Altersgliederung bereits ab 20
Einwohnern, eine 10-klassige Altersgliederung ab 30 Einwohnern und eine Gliederung
in 1-Jahresschritten erst ab 100 Einwohnern ausgewiesen wird. Einige Länder, wie auch
Österreich, stellen die absoluten Fallzahlen (z. B. Zahl der Einwohner, Haushalte, Gebäude,…)
ohne weiterer Merkmalsuntergliederung uneingeschränkt auf der Basis des
100 m-Rasters zur Verfügung. Die Datenschutzschwellen kommen dann nur für die weitere
Merkmalsuntergliederung, erhältlich ab einer Rastergröße von 250 m, zum Tragen
(z. B. Einwohner nach Altersklassen …).
Abb. 2: Datenschutzschwellen am Beispiel der 250 m-Raster im Gebiet Salzburg/Hallein und
Salzkammergut: Welche Zellen werden bei welcher Schwelle unterdrückt?
(Quelle: STATISTIK AUSTRIA)
Die Höhe der Schwelle, ab welcher die Zelle als unterbesetzt gilt, wirkt sich naturgemäß
auf die Zahl der unterdrückten Werte und der darin betroffenen Bevölkerung aus. Wie
Abbildung 2 zeigt, sind im ländlichen Gebiet sogar oft ganze Ortschaften davon betrof-