Quantitative, räumlich explizite Analyse der Wettbewerbsfähigkeit des Energiepflanzenanbaus

Abstract

Das im DFG-Sonderforschungsbereich 299 Landnutzungskonzepte für periphere Regionen entwickelte Landnutzungsmodell ProLand berechnet räumlich-explizit Kennzahlen landwirtschaftlicher Produktionsverfahren. ProLand quantifiziert Erträge, Leistungen, Kosten und Bodenrenten aktueller Landnutzungen und prognostiziert die zukünftige Verteilung von Landnutzungssystemen.Im Rahmen des Transferbereichs Integrierte Evaluierung Energiepflanzenanbau des SFB 299 erfolgt in Kooperation mit einem Projektpartner aus der Industrie die praxisnahe Anwendung des Modells zur Unterstützung privatwirtschaftlicher Investitionsentscheidungen im Bereich erneuerbarer Energien. Neben der Bestimmung der Auswirkungen einer vom Gesetz für den Vorrang Erneuerbarer Energien (EEG) induzierten Nachfrage nach Bioenergiepflanzen auf die Landnutzung sowie auf die landwirtschaftliche Beschäftigung ist die Identifizierung optimaler Standorte zur Erzeugung erneuerbarer Energie aus Biomasse am Beispiel von Biogasanlagen relevant.Angesichts der Modellierungsanforderungen sind außer einer Anpassung auf die naturräumlichen Gegebenheiten des Untersuchungsraums Südhessen auch funktionale Erweiterungen von ProLand notwendig. Die Identifizierung von Standorten zur dezentralen Energieerzeugung erfordert die Interaktion mit dem neuentwickelten Standorteignungsmodell ProSite. ProSite weist geeignete Biogasanlagenstandorte unter Berücksichtigung unterschiedlicher Faktoren aus. Das auf einem geographischen Informationssystem basierende Modell verwendet als Produktionsparzellen von Energiemais diejenigen Flächen, die ProLand als vorzüglich gegenüber alternativen Landnutzungen identifiziert. Die Kopplung beider Modelle eröffnet weitere Analyseoptionen, wie z.B. die Transportkostenberechnung des Landnutzungsverfahrens Energiemais, die Bestimmung von vorzüglichen Anbaugebieten sowie die Quantifizierung von Substratpotentialen innerhalb der Einzugsgebiete der Biogasanlagen. Somit kalkuliert ProLand die von den Standorten der Verarbeitungsindustrie abhängigen Bodenrenten unter Berücksichtigung von räumlich differenzierten Preisen.Die Ergebnisse der Landnutzungsprognosen verdeutlichen die Auswirkungen des EEG auf die Landnutzung und das landwirtschaftliche Einkommen in der Untersuchungsregion. Unter der Annahme einer stufenweisen Erhöhung der Maisnachfrage dehnt sich sowohl der Silomais- als auch der Körnermaisanteil aus, was mit einem Anstieg der Bodenrenten einhergeht. Das Standortbestimmungsmodell ProSite weist in der Untersuchungsregion zahlreiche geeignete Gebiete für unterschiedliche Biogasanlagentypen unter Berücksichtigung konkurrierender Landnutzungsoptionen aus. Am Beispiel eines sehr gut geeigneten Standorts für eine Direkteinspeisungsanlage erfolgt eine Bodenrentenberechnung mit ProLand sowie die anschließende Transportkostenanalyse mit ProSite. Zudem findet die Bewertung bereits existierender Biogasanlagenstandorte statt.Aufgrund der Modellerweiterungen und der implementieren Interaktionen der Modelle ProLand und ProSite entsteht ein multikriterielles, räumliches Entscheidungsunterstützungssystem, das auf unterschiedliche Anforderungen flexibel anpassbar ist und die Fragestellung nach optimalen Standorten zur Erzeugung von erneuerbarer Energie aus Biomasse transparent beantwortet.

The land use model ProLand, developed at the DFG Sonderforschungsbereich 299 land use concepts for peripheral regions , gives spatially explicit calculations of key indicators of agricultural production methods. ProLand quantifies product yields, benefits, costs and land rent of current land use. It also prognosticates future distribution of land use systems.In co-operation with an industrial project partner the Integrierte Evaluierung Energiepflanzenanbau transfer area of the SFB 299 undertakes the practical application of this model to assist private sector investment decision-making in the field of renewable forms of energy. The identification of ideal sites for the production of renewable energy is as relevant a factor as the assessment of the consequences that the demand for bio-energy crops has on land use and agricultural employment, induced by the law for the precedence of renewable forms of energy (EEG).In view of the modeling requirements it is necessary that ProLand extends its functions in addition to adapting to the natural circumstances of the Südhessen test area. The identification of sites for decentralized energy production requires interaction with the newly developed site suitability model ProSite.ProSite shows suitable sites for biogas plants, taking varying factors into consideration. The model is based on a geographic information system, using those areas as production plots for silage maize that ProLand identifies as being better suited than for alternative land uses. Coupling the two models opens up further analysis options such as the calculation of transportation costs for silage maize, the determination of the best suited arable acreage and the quantification of substrate capacities in the catchment areas of biogas plants. Taking varying areal prices into consideration ProLand thus calculates the land rent depending on the sites of the processing industry.The results of the land use prognoses illustrate the effects of the EEG on land use and agricultural revenue in the test area. Assuming a progressive increase in demand for maize, the proportion of both silage maize and maize will expand, accompanied by a rise in land rents.While making allowance for rival land use options the site selection model ProSite shows numerous suitable areas for varying types of biogas plants in the test region. Given a very suitable site for a direct feed plant, ProLand calculates the land rents and provides a subsequent analysis of transportation costs with ProSite. Moreover, it provides a valuation of already existing biogas plants.As a result of extensions to the model and the implemented interaction of the ProLand and ProSite models a multi-criteria decision support system is created that is not only flexible and adaptable to varying demands, but which also gives transparent answers concerning the question of ideal sites for the production of renewable energy from biomass.