GLOBAL CHANGE IMPACT ON TOURISM - BOKUimp.boku.ac.at/klima/Literatur/GC_Impacts... · 2007-08-20 · GC-Impacts on Tourism – Endbericht Projektjahr 1 5 Gemeindeebene im Vergleich

GLOBAL CHANGE IMPACT ON TOURISM

Der sozio-ökonomische Einfluss des Klimawandels auf den Winter- und Sommertourismus in Österreich

Endbericht: Projektjahr 2 (Juli 2007)

Franz Prettenthaler1

Herbert Formayer2 Patrick Haas2

Clemens Habsburg-Lothringen1 Nadja Vetters1

1 Joanneum Research Forschungsgesellschaft, Institut für Technologie- und Regionalpolitik 2 Universität für Bodenkultur Wien, Institut für Meteorologie

GC-Impacts on Tourism – Endbericht Projektjahr 1 1

INHALT

TABELLENVERZEICHNIS......................................................................................................................3

ABBILDUNGSVERZEICHNIS ................................................................................................................4

1 EINLEITUNG .....................................................................................................................................8

2 MOTIVATION/LITERATURÜBERBLICK ..................................................................................10

3 NATURRÄUMLICHE AUSGANGSSITUATION........................................................................13

3.1 Geographie.................................................................................................................................13 3.2 Meteorologie..............................................................................................................................15

4 SOZIOÖKONOMISCHE AUSGANGSSITUATION ....................................................................18

4.1 Tourismus/Wintertourismus......................................................................................................18 4.2 Infrastruktur ...............................................................................................................................24 4.3 Beschäftigung ............................................................................................................................26

5 METHODIK......................................................................................................................................30

5.1 Klimatologisch...........................................................................................................................30 5.1.1 Analyse tourismusrelevanter Klimakenngrößen für Österreich .......................................30 5.1.2 Regionale Klimaänderungsszenarien ................................................................................32 5.1.3 Schneemodellierung ..........................................................................................................39

5.2 Ökonomisch...............................................................................................................................41 5.2.1 Clusteranalyse ....................................................................................................................41 5.2.2 Modellbeschreibung MULTIREG ....................................................................................42

6 ERSTE ERGEBNISSE .....................................................................................................................46

6.1 Clusteranalyse aller österreichischen Gemeinden ....................................................................46 6.1.1 Vorgehensweise.................................................................................................................46 6.1.2 Ergebnisse ..........................................................................................................................47 6.1.3 Beschreibung der Cluster...................................................................................................49

6.2 Zweistufige Clusteranalyse .......................................................................................................53 6.2.1 Vorgehensweise.................................................................................................................53 6.2.2 Ergebnisse ..........................................................................................................................55 6.2.3 Beschreibung der Cluster...................................................................................................60

6.2 Analyse tourismusrelevanter Klimakenngrößen für Österreich...............................................66 6.3 Klimatologische Clusteranalyse................................................................................................70 6.4 Auswahl repräsentativer Regionen............................................................................................73


7 DIE REPRÄSENTATIVEN GEMEINDEN IM FOKUS - ERWARTETE KLIMAÄNDERUNGEN (LOKALE KLIMASZENARIEN) UND REGIONALÖKONOMISCHE AUSWIRKUNGEN......................................................................75

7.1 Gemeinden mit Atlantischem Einfluss......................................................................................75 7.1.1 St. Anton am Arlberg.........................................................................................................75 7.1.2 Saalbach-Hinterglemm ......................................................................................................81

7.2 Gemeinden mit Mittelmeereinfluss...........................................................................................87 7.2.1 Heiligenblut........................................................................................................................87 7.2.2 Hermagor-Presseggersee ...................................................................................................92

7.3 Gemeinden mit Kontinentalem Einfluss ...................................................................................98 7.3.1 Spital am Semmering.........................................................................................................98 7.3.2 Mariazell ..........................................................................................................................103

8 ARBEITSPLAN/NÄCHSTE SCHRITTE .....................................................................................109

9 BIBLIOGRAPHIE ..........................................................................................................................111


Tabellenverzeichnis

Tabelle 1: Vergleich der Tourismusintensität in sommer- bzw. winterdominierten Gemeinden. 22

Tabelle 2: Meteorologische Stationen, die für die Analyse herangezogen werden: 30 Tabelle 3: Vergleich von Modell und Beobachtung bezüglich der Anzahl der Tage in der

Winterperiode (Nov.-April) an denen eine bestimmte Schneehöhe erreicht oder überschritten wurde. 40

Tabelle 4: Variablen der Clusteranalyse: Abkürzungen und Erläuterungen. 47 Tabelle 5: Einteilung und Benennung der Cluster und Anzahl der jeweils zugehörigen

Gemeinden. 47 Tabelle 6: Mittelwerte und Standardabweichungen innerhalb der 8 Cluster. 48 Tabelle 7: Variablen der zweistufigen Clusteranalyse. 54 Tabelle 8: Ausprägung der Eingangsvariablen: Mittelwerte, Standardabweichung und

Variationskoeffizient innerhalb der beiden Gemeindegruppen. 55 Tabelle 9: Einteilung und Benennung der Cluster und Anzahl der jeweils zugehörigen

Gemeinden. 56 Tabelle 10: Mittelwerte, Standardabweichungen + Variationskoeffizienten (in %) innerhalb

der 6 Cluster. 58 Tabelle 11: Mittelwerte, Standardabweichungen + Variationskoeffizienten (in %) innerhalb

der 4 Cluster. 59 Tabelle 12: Merkmale der ausgewählten Schigebiete. 74 Tabelle 13: Abgaben – Ertragsanteil der Gemeinde St. Anton am Arlberg pro Kopf (in €) 77 Tabelle 14: Arbeitsstätten und Beschäftigte in St. Anton am Arlberg 1991/2001 79 Tabelle 15: Abgaben – Ertragsanteil der Gemeinde Saalbach-Hinterglemm pro Kopf (in €) 84 Tabelle 16: Arbeitsstätten und Beschäftigte in Saalbach-Hinterglemm 1991/2001. 85 Tabelle 17: Abgaben – Ertragsanteil der Gemeinde Heiligenblut pro Kopf (in €). 89 Tabelle 18: Arbeitsstätten und Beschäftigte in Heiligenblut 1991/2001. 90 Tabelle 19: Abgaben – Ertragsanteil der Gemeinde Hermagor-Presseggersee pro Kopf

(in €). 95 Tabelle 20: Arbeitsstätten und Beschäftigte in Hermagor-Presseggersee 1991/2001. 96 Tabelle 21: Abgaben – Ertragsanteil der Gemeinde Spital am Semmering pro Kopf (in €). 100 Tabelle 22: Arbeitsstätten und Beschäftigte in Spital am Semmering 1991/2001. 101 Tabelle 23: Abgaben – Ertragsanteil der Gemeinde Mariazell pro Kopf (in €). 105 Tabelle 24: Arbeitsstätten und Beschäftigte in Mariazell 1991/2001. 106


Abbildungsverzeichnis

Abbildung 1: Darstellung der Seehöhenklassen nach Gemeindehauptort. 13 Abbildung 2: Höhenheterogenität der Siedlungspunkte einer Gemeinde. Die Legende ist

als Differenz zu lesen (höchster - niedrigster Siedlungspunkt im Gemeindegebiet). 14

Abbildung 3: Verhältnis zwischen höchstem und niedrigsten Punkt im Gemeindegebiet. 14 Abbildung 4: Mittlerer Jahresniederschlag in Österreich 1961-1990. Datenquelle ÖKLIM-

ZAMG. 16 Abbildung 5: Jahresmitteltemperatur in Österreich 1961-1990. Datenquelle ÖKLIM-

ZAMG. 16 Abbildung 6: Wintermitteltemperatur in Österreich 1961-1990. Datenquelle ÖKLIM-

ZAMG. 17 Abbildung 7: Mittlere Anzahl an Tagen mit einer Schneedecke 1961-1990. Datenquelle

ÖKLIM-ZAMG. 17 Abbildung 8: Anteil der Beherbergungsbetriebe die im Winter geöffnet haben. 18 Abbildung 9: Durchschnittliche Zahl der Nächtigungen 2000 bis 2004. 19 Abbildung 10: Zu- oder Abnahme der Nächtigungszahlen der Wintersaison vom Jahr 2000

bis zum Jahr 2005. 19 Abbildung 11: Durchschnittlicher Anteil der Nächtigungen in der Wintersaison in den

Jahren 2000 bis 2005. 20 Abbildung 12: Gemeinden mit Wintertourismusdominanz (Verhältnis der

Winternächtigungen zu den Sommernächtigungen). 21 Abbildung 13: Gemeinden mit Wintertourismusdominanz (Verhältnis der

Winternächtigungen zu den Sommernächtigungen). 21 Abbildung 14: Nächtigungsdichte (Nächtigungen pro Einwohner und Jahr). 22 Abbildung 15: Nächtigungsdichte in der Wintersaison (Nächtigungen pro Einwohner und

Jahr). 23 Abbildung 16: Anzahl der Haupt-, Kleinseilbahnen und Schlepplifte (Quelle: BMVIT

(2003) Eisenbahn- und Seilbahnstatistik der Republik Österreich für den Berichtszeitraum 2001/2002 (Teil II Seilbahnen und Teil III Schlepplifte). 24

Abbildung 17: Maximale Förderleistung aller Haupt-, Kleinseilbahnen und Schlepplifte (Personen pro Stunde) (Quelle: BMVIT (2003) Eisenbahn- und Seilbahnstatistik der Republik Österreich für den Berichtszeitraum 2001/2002 (Teil II Seilbahnen und Teil III Schlepplifte). 25

Abbildung 18: Konzentration der Beschäftigung (Anteil der Beschäftigten im Tourismussektor an den Gesamtbeschäftigen auf Gemeindeebene im Vergleich zum entsprechenden Anteil im Österreichdurchschnitt). 26

Abbildung 19: Konzentration der Beschäftigung (Anteil der Beschäftigten im Tourismussektor an den Gesamtbeschäftigen auf Gemeindeebene im Vergleich zum entsprechenden Anteil im Österreichdurchschnitt). 27

Abbildung 20: Anteil der Beschäftigten im Tourismussektor an den Gesamtbeschäftigten im Tertiärsektor. 28

Abbildung 21: Konzentration der Beschäftigung (Anteil der Beschäftigten im Tourismussektor an den Beschäftigen im tertiären Sektor auf


Gemeindeebene im Vergleich zum entsprechenden Anteil im Österreichdurchschnitt). 28

Abbildung 22: Konzentration der Beschäftigung (Anteil der Beschäftigten im Tourismussektor an den Beschäftigen im tertiären Sektor auf Gemeindeebene im Vergleich zum entsprechenden Anteil im Österreichdurchschnitt). 29

Abbildung 23: Standorte der meteorologischen Stationen. 32 Abbildung 24: 2035: Veränderung der durchschnittlichen Jahrestemperaturen bezogen auf

die Klimanormalperiode 1961 – 1990, gemittelt über 30 Jahre, Szenario A 1B. 33

Abbildung 25: 2035: Veränderung der durchschnittlichen Jahresniederschläge bezogen auf die Klimanormalperiode 1961 – 1990, gemittelt über 30 Jahre, Szenario A 1B. 34

Abbildung 26: Verlauf der Wintertemperaturen bezogen auf die Referenzperiode 1971 – 2000 gemittelt über ganz Österreich. Einzeljahre (dünn) und 30 jährige Mittel (dick) für die Emissionsszenarien B1, A1B und A2. 35

Abbildung 27: Verlauf der Sommertemperaturen bezogen auf die Referenzperiode 1971 – 2000 gemittelt über ganz Österreich. Einzeljahre (dünn) und 30 jährige Mittel (dick) für die Emissionsszenarien B1, A1B und A2. 36

Abbildung 28: Mittlere saisonale Temperaturszenarien für die Periode 2011-2040 bezogen auf die Referenzperiode 1971 – 2000 gemittelt über ganz Österreich für die Emissionsszenarien B1, A1B und A2. 36

Abbildung 29: Mittlere saisonale Temperaturszenarien für die Periode 2036-2065 bezogen auf die Referenzperiode 1971 – 2000 gemittelt über ganz Österreich für die Emissionsszenarien B1, A1B und A2. 37

Abbildung 30: Häufigkeitsverteilung des Winterniederschlags (Nov.-April) - Schladming 1961 – 1990. 38

Abbildung 31: Relativer Fehler je Niederschlagskategorie in [%]. 38 Abbildung 32: Vergleich der Schneehöhen modelliert vs. beobachtet – Planai 1981 – 1990. 40 Abbildung 33: MULTIREG – Prognose- und Analysemodell für Österreich 42 Abbildung 34: Modellstruktur MULTIREG 44 Abbildung 35: Ergebnisse der Clusteranalyse - Zugehörigkeit der Gemeinden zu den 8

Clustern. 48 Abbildung 36: Ergebnis der 2-stufigen Clusteranalyse für Gemeinden mit Aufstiegshilfen. 57 Abbildung 37: Ergebnis der 2-stufigen Clusteranalyse für Gemeinden ohne Aufstiegshilfen. 57 Abbildung 38: Ergebnis der 2-stufigen Clusteranalyse für alle Gemeinden. 59 Abbildung 39: Änderung der Sommertemperatur [JJA] von der Periode 1961-1990 zu

1976-2005. 67 Abbildung 40: Änderung der Wintertemperatur [DJF] von der Periode 1961-1990 zu 1976-

2005. 67 Abbildung 41: Änderung der Tage mit einer Schneedecke größer 20 cm von der Periode

1961-1990 zu 1976-2005. 68 Abbildung 42: Prozent der Tage mit nennenswerten Niederschlag [> 5mm] im Winter

[DJF] an denen das Temperaturminimum über 0 °C liegt in der Periode 1976-2005. 69

Abbildung 43: Hitzetage pro Jahr in Zell am See 1948 – 2005. 70


Abbildung 44: Regionen mit gleichzeitigem Auftreten von Starkniederschlägen im Winter in Österreich. Nach Seibert et al., 2006. 71

Abbildung 45: Niederschlagsregionen im Winter in Österreich basierend auf Seibert et al., 2006. 72

Abbildung 46: Ausgewählte Regionen für die weiterführenden Analysen. 73 Abbildung 47: Temperaturanomalieszenarien für St. Anton am Arlberg für die Perioden

2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario. 76

Abbildung 48: Niederschlagsänderungszenarien für St. Anton am Arlberg für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario. 76

Abbildung 49: Bevölkerungsentwicklung 1869-2006, St. Anton am Arlberg 77 Abbildung 50: St. Anton am Arlberg - Wohnbevölkerung bzw. Erwerbspersonen nach

beruflichen und wirtschaftlichen Merkmalen (VZ 2001). 78 Abbildung 51: St. Anton am Arlberg - Arbeitsstätten und Beschäftigte nach Abschnitten der

ÖNACE 1995 und groben Beschäftigtengrößengruppen. 79 Abbildung 52: Nächtigungsentwicklung 1972-2006, St. Anton am Arlberg. 80 Abbildung 53: Nächtigungsentwicklung Sommer- und Wintersaison 2000-2005; Sankt

Anton am Arlberg. 80 Abbildung 54: Temperaturanomalieszenarien für Saalbach-Hinterglemm für die Perioden


Abbildung 55: Niederschlagsänderungszenarien für Saalbach-Hinterglemm für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario. 83

Abbildung 56: Bevölkerungsentwicklung 1869-2006, Saalbach-Hinterglemm. 83 Abbildung 57: Saalbach-Hinterglemm - Wohnbevölkerung bzw. Erwerbspersonen nach

beruflichen und wirtschaftlichen Merkmalen (VZ 2001). 84 Abbildung 58: Saalbach-Hinterglemm - Arbeitsstätten und Beschäftigte nach Abschnitten

der ÖNACE 1995 und groben Beschäftigtengrößengruppen. 85 Abbildung 59: Nächtigungsentwicklung 1972-2006, Saalbach-Hinterglemm. 86 Abbildung 60: Nächtigungsentwicklung Sommer- und Wintersaison 2000-2005; Saalbach-

Hinterglemm. 86 Abbildung 61: Temperaturanomalieszenarien für Heiligenblut für die Perioden 2011-2040

und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario. 88

Abbildung 62: Niederschlagsänderungsszenarien für Saalbach-Hinterglemm für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario. 88

Abbildung 63: Bevölkerungsentwicklung 1869-2006, Heiligenblut. 89 Abbildung 64: Heiligenblut - Wohnbevölkerung bzw. Erwerbspersonen nach beruflichen

und wirtschaftlichen Merkmalen (VZ 2001). 90 Abbildung 65: Heiligenblut - Arbeitsstätten und Beschäftigte nach Abschnitten der ÖNACE

1995 und groben Beschäftigtengrößengruppen. 91 Abbildung 66: Nächtigungsentwicklung 1972-2006, Heiligenblut. 91


Abbildung 67: Nächtigungsentwicklung Sommer- und Wintersaison 2000-2005; Heiligenblut. 92

Abbildung 68: Temperaturanomalieszenarien für die Region Hermagor-Presseggersee für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario. 93

Abbildung 69: Niederschlagsänderungsszenarien für Saalbach-Hinterglemm für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario. 94

Abbildung 70: Bevölkerungsentwicklung 1869-2006, Hermagor-Presseggersee. 94 Abbildung 71: Hermagor-Presseggersee - Wohnbevölkerung bzw. Erwerbspersonen nach

beruflichen und wirtschaftlichen Merkmalen (VZ 2001). 95 Abbildung 72: Hermagor-Presseggersee - Arbeitsstätten und Beschäftigte nach Abschnitten

der ÖNACE 1995 und groben Beschäftigtengrößengruppen. 96 Abbildung 73: Nächtigungsentwicklung 1972-2006, Hermagor-Presseggersee. 97 Abbildung 74: Nächtigungsentwicklung Sommer- und Wintersaison 2000-2005; Hermagor-

Presseggersee. 97 Abbildung 75: Temperaturanomalieszenarien für Spital am Semmering für die Perioden


Abbildung 76: Niederschlagsänderungsszenarien für Spital am Semmering für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario. 99

Abbildung 77: Bevölkerungsentwicklung 1869-2006, Spital am Semmering. 100 Abbildung 78: Spital am Semmering - Wohnbevölkerung bzw. Erwerbspersonen nach

beruflichen und wirtschaftlichen Merkmalen (VZ 2001). 101 Abbildung 79: Spital am Semmering - Arbeitsstätten und Beschäftigte nach Abschnitten der

ÖNACE 1995 und groben Beschäftigtengrößengruppen. 102 Abbildung 80: Nächtigungsentwicklung 1972-2006, Spital am Semmering. 102 Abbildung 81: Nächtigungsentwicklung Sommer- und Wintersaison 2000-2005; Spital am

Semmering. 103 Abbildung 82: Temperaturanomalieszenarien für Mariazell für die Perioden 2011-2040 und

2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario 104

Abbildung 83: Niederschlagsänderungsszenarien für Spital am Semmering für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario. 104

Abbildung 84: Bevölkerungsentwicklung 1869-2006, Mariazell. 105 Abbildung 85: Mariazell - Wohnbevölkerung bzw. Erwerbspersonen nach beruflichen und

wirtschaftlichen Merkmalen (VZ 2001). 106 Abbildung 86: Mariazell - Arbeitsstätten und Beschäftigte nach Abschnitten der ÖNACE

1995 und groben Beschäftigtengrößengruppen. 107 Abbildung 87: Nächtigungsentwicklung 1972-2006, Mariazell. 107 Abbildung 88: Nächtigungsentwicklung Sommer- und Wintersaison 2000-2005; Mariazell. 108


1 Einleitung

Österreich erwirtschaftet von allen industrialisierten Nationen den höchsten Anteil seines BIP/Kopf im Tourismussektor. Die starke Abhängigkeit der österreichischen Wirtschaft vom Tourismus bedingt eine hohe Vulnerabilität gegenüber durch Klimawandel bedingten Veränderungen. Darüber hinaus gewinnt der Wintertourismus im Vergleich zum Sommertourismus immer mehr an Bedeutung, zumindest in Hinblick auf das erzielte Einkommen. Die Schneeverhältnisse vor Weihnachten können beispielsweise einen enormen Einfluss auf die Wirtschaftsprognosen für die laufende Saison, aber auch auf die Arbeitslosenzahlen des gesamten Jahres haben.

Angesichts dieser hohen Vulnerabilität der österreichischen Wirtschaft gegenüber Nachfrageschocks auf Grund von Klima- und Wetterschwankungen hat dieses Forschungsprojekt „Socio-Economic Impact of Global Change Scenarios on Tourism“ zum Ziel, die sozioökonomische Vulnerabilität auf regionaler Ebene zu bewerten. Dies umfasst sowohl eine Analyse der prognostizierten Klimaveränderungen als auch der Verwundbarkeit der regionalen Wirtschaft gegenüber diesen Veränderungen.

Es werden realistische regionale Szenarien aus GCM-Modellen abgeleitet und anschließend untersucht, welche Auswirkungen die resultierenden Nachfrageschocks auf den Tourismussektor und andere verbundene Sektoren haben. Die Input-Output-Beziehungen dieser Sektoren mit dem Tourismussektor sollen genau bestimmt und auf regionaler Ebene quantifiziert werden.

Um diese Forschungsziele zu erreichen, werden einige gefährdete Gemeinden in Hinblick auf ihre Vulnerabilität gegenüber Klimaveränderungen untersucht. Die wichtigsten Fragen hierbei beziehen sich auf die Faktoren, die die Vulnerabilität dieser Gemeinden bestimmen, sowie die Möglichkeiten des sozioökonomischen Systems diese Vulnerabilität durch geringere Abhängigkeit von sich verändernden Klimabedingungen zu verringern. Mit dieser Analyse eng verbunden ist die Suche nach geeigneten Anpassungsstrategien, wobei nicht nur technische Maßnahmen sondern auch Optionen betrachtet werden, die die Flexibilität des sozioökonomischen Systems erhöhen.

Die Forschungsergebnisse sollen Gemeinden und politischen Entscheidungsträgern wertvolle Informationen und geeignete Handlungsoptionen bieten. Die Methodik die in diesem Pilotprojekt entwickelt wird hat zum Ziel, anderen interessierten Gemeinden zu ermöglichen, ähnliche Studien durchzuführen.

Der Fokus des ersten Projektjahres lag zunächst auf einer Sichtung der Datenlage zur Bestimmung von lokaler und regionaler ökonomischer Vulnerabilität sowie einer ersten Trennung der österreichischen Gemeinden je nachdem, ob die sozioökonomische Bedeutung des Winter- oder des Sommertourismus überwiegt. Viele der untersuchten Parameter stehen in direktem Zusammenhang zu wintertouristischen ökonomischen Aktivitäten (wie etwa die Auswertung der Seilbahnstatistik etc.), was vielleicht zunächst auch den Eindruck erweckt, die Untersuchung beschäftige sich überwiegend mit dem Wintertourismus. Die Autoren möchten betonen, dass eine


Konzentration auf diese Parameter in erster Linie aus methodischen Überlegungen heraus angezeigt war, und vorläufigen Charakter besitzt: Mithilfe einer multivariaten Clusteranalyse wurden alle österreichischen politischen Gemeinden nach der relativen Bedeutung des Tourismus auf den lokalen Arbeitsmarkt, des Tourismus insgesamt und dessen Intensität sowie der relativen Anteile von Sommer- und Winternächtigungen zu möglichst homogenen Gruppen zusammengefasst. Es galt also, die österreichischen Gemeinden so in Gruppen zusammenzufassen, sodass jene, die eher im Wintertourismus von möglichen Klimaveränderungen betroffen sind von solchen mit möglichen Auswirkungen für den Sommertourismus unterschieden werden und dabei auch auf die Höhenlagen Rücksicht genommen wird. In der darauf folgenden zweistufigen Analyse wurde ein besonderes Augenmerk auf die vorhandene Wintersportinfrastruktur gelegt. Darüber hinaus wurden die Ergebnisse einer klimatologischen Clusteranalyse für die weiteren Untersuchungen nutzbar gemacht, indem Österreich in drei Niederschlagsregionen eingeteilt wurde, was eine erste Abgrenzung von Regionen mit unterschiedlichen Voraussetzung für den Schneedeckenaufbau und die Schneesicherheit im Winter ermöglichte. Auf Basis dieser klimatologischen und sozio-ökonomischen Untersuchungen erfolgte schließlich die Auswahl von repräsentativen Gemeinden bzw. Regionen, die in weiterer Folge detailliert in Hinblick auf ihre Vulnerabilität bzw. die zu erwartenden direkten und indirekten Auswirkungen zukünftiger Klimaveränderungen untersucht werden. Die Daten für die lokalen Klimaänderungsszenarien wurden aufbereitet und individuelle Szenarien für die ausgesuchten Gemeinden erstellt. In weiterer Folge werden für die Schigebiete dieser Gemeinden Schneebedeckungsdaten generiert. Dazu wurden der Wettergenerator LARS-WG sowie ein Schneemodell ausgewählt, getestet und validiert.


2 Motivation/Literaturüberblick

Tourismus zählt international zu den größten und am schnellsten wachsenden Sektoren. Die große Wetter- und Klimaabhängigkeit des Tourismus ist unbestritten. Dennoch gewannen Fragen des Klimawandels und der Klimavariabilität erst in den letzten Jahren langsam an Bedeutung in der Tourismusfachliteratur, wie auch von der World Tourism Organization (WTO) noch im Jahr 2003 festgestellt wurde (Todd 2003). Auch in der Fachliteratur über die ökonomischen Auswirkungen des Klimawandels wird dem Tourismus erst seit kurzem vermehrte Aufmerksamkeit geschenkt. Wintertourismus wurde wiederholt als potentiell besonders vulnerabel gegenüber dem globalen Klimawandel identifiziert und zählt daher in der Klimafolgenforschung zu den bereits stärker beachteten Bereichen. Für viele alpine Regionen stellt der Wintertourismus beispielsweise eine Haupteinnahmequelle dar und Schneesicherheit zählt dabei zu den entscheidenden Faktoren des touristischen Angebots. Die Auswirkungen des Klimawandels auf den Schitourismus waren bereits in einigen Ländern wie der Schweiz, Kanada, USA, Australien, Schottland, Frankreich oder Österreich Gegenstand von Impactanalysen (vgl. beispielsweise Elsasser und Bürki 2002; Galloway 1988; McBoyle und Wall 1992; Lamothe und Periard 1988; Breiling et al. 1997; Harrison et al. 1999; König and Abegg 1997; Scott et al. 2001). Die Ergebnisse aller Studien deuten auf negative Auswirkungen möglicher Klimaveränderungen für den Schitourismus und damit verbundene Sektoren hin. Während einige Schigebiete in der Lage sein werden, den Wintertourismus mit Hilfe geeigneter Anpassungsstrategien aufrecht zu erhalten, bzw. Schigebiete in höheren Lagen mittelfristig von den veränderten Bedingungen profitieren können, würde für andere Gebiete die abnehmende Schneesicherheit und die sich verkürzende Saison das Ende einer rentablen Wintertourismusindustrie bedeuten (Bürki et al. 2003).

Bürki et al. (2000) stellten für die Schweiz fest, dass Klimaveränderungen zu einem neuen Muster begünstigter und benachteiligter Schiregionen führen wird. Die einzigen Schigebiete mit guten Aussichten seien jene, die einen Zugang zu Höhen über 2000m haben. Dieser Trend erhöht den Druck in Richtung Erschließung neuer Schigebiete in ökologisch sensiblen hochalpinen Regionen. König (1998) kommt zu ähnlichen Ergebnissen für die Schigebiete der Australischen Alpen. König und Abegg (1997) untersuchten die Auswirkungen dreier aufeinander folgender schneearmer Winter Ende der 1980er Jahre auf den Wintertourismussektor in der Schweiz. Während unter den damaligen Klimabedingungen 85% der schweizer Schigebiete als schneesicher galten, wurde für einen Temperaturanstieg von 2°C ein Sinken dieses Anteils auf 63% prognostiziert. Für einige Regionen der Schweiz würde dies eine Gefährdung des regionalen Wirtschaftswachstums basierend auf Wintertourismus bedeuten. Zudem wird hervorgehoben, dass zukünftige Planungen im hochsensitiven Tourismussektor im schweizer Alpenraum mögliche Auswirkungen von Klimaveränderungen mitberücksichtigen müssen. Scott et al. (2001) bewerteten die Vulnerabilität der kanadischen Schiregionen in Ontario gegenüber Klimavariabilität und Klimaveränderungen. Aufzeichnungen über 17 Jahre auf Tagesbasis über die Schneebedingungen in fünf Schiregionen wurden herangezogen, um die Sensitivität in Hinblick auf Klimavariabilität und Beschneiung als Anpassungsstrategie zu untersuchen. Zudem wurden historische Daten zu Schisportaktivitäten herangezogen, um ein Modell für die Simulierung der Länge der Schisaison unter verschiedenen Klimaszenarien (2020, 2050, 2080) zu


kalibrieren. Man fand heraus, dass die Entwicklung verbesserter Beschneiungstechnologien in den 1980er und 1990er Jahren die Vulnerabilität der Schigebiete reduzierte. Unter den Klimaszenarien und unter Annahme des derzeitigen Standes der Technik im Bereich Beschneiung wurde eine verkürzte Saison um 8-30% bis 2020, 16-52% in den 2050er Jahren und um 30-66% für das Jahr 2080 prognostiziert. Gleichzeitig wird eine Verdopplung des Bedarfs an Kunstschnee bis 2050 geschätzt. Durch technologische Fortschritte im Bereich der Kunstschneeerzeugung und zusätzliche Beschneiung könnten die Verluste an Saisonlänge auf 3-17% bis 2020, 10-32% für 2050 und 22-49% bis 2080 reduziert werden. Als wichtiger Faktor für die Vulnerabilität einzelner Schigebiete wurde deren Fähigkeit, die Kosten zusätzlicher Beschneiungsanlagen und Kunstschneeproduktion zu absorbieren und wirtschaftlich rentabel zu bleiben, hervorgehoben. Auch Bürki et al. (2003) identifizieren die steigenden Kosten für Schigebiete auf Grund der sinkenden Schneesicherheit als Folge von Klimaveränderungen als eines der zu erwartenden Hauptprobleme der Wintertourismusbranche. Auch die WTO (Todd 2003) betont die Notwendigkeit der betroffenen Tourismusregionen, nach geeigneten Anpassungsstrategien zu suchen. Für Wintertourismusgebiete kann dies über die vermehrte Produktion von Kunstschnee hinaus beispielsweise den Ausbau von alternativen Attraktionen neben Schisportmöglichkeiten oder die verstärkte Nutzung der Aufstiegshilfen im Sommer sowie die Ausdehnung der Sommersaison bedeuten. Die Diskussion geeigneter Anpassungsmaßnahmen wird in weiterer Folge auch Gegenstand dieses Forschungsprojektes sein.

Keine der genannten Studien erstreckt sich jedoch von der Analyse der zu erwartenden Veränderungen der natürlichen Rahmenbedingungen für die Ausübung von Wintersport und der damit in Verbindung stehenden Tourismusbranche hin zu einer Analyse der regionalökonomischen Auswirkungen dieser Veränderungen. Als Beispiel für die Modellierung der Einflüsse von Klimaveränderungen auf die Nachfrageseite, das heißt auf Reisebewegungen und internationale Touristenströme, können die Studien von Hamilton et al. (2003) und Amelung and Viner (2004) genannt werden. Berritella et al. (2004) verwenden ein weltweites Angewandtes Allgemeines Gleichgewichtsmodell (GTAP5) um die Auswirkungen des Klimawandels, dargestellt als Schocks, auf die Tourismusnachfrage abzuleiten. Ausgehend von einer Bestandsaufnahme aller ökologischen und sozioökonomischen Assets einer Region, die besonders empfindlich auf extreme Wetter- und Klimaereignissen reagieren, verwenden Kropp et al. (2005) fortgeschrittene Methoden der Clusteranalyse, um die unterschiedliche Verwundbarkeit der Kommunen in der Untersuchungsregion (Bundesland Nordrhein-Westfalen) abzuleiten und zu visualisieren. Verwundbarkeit (Vulnerabilität) wird in diesem Zusammenhang als Maß der potenziellen Anfälligkeit eines Systems für die negativen Auswirkungen des Klimawandels verstanden. Die spezifische Anpassungsfähigkeit der einzelnen Kommunen wird dabei außer Acht gelassen. Im gegenständlichen Forschungsprojekt wird die Methode der Clusteranalyse herangezogen, um in einem ersten Schritt jene Gemeinden bzw. Regionen herauszufiltern, deren Charakteristiken auf eine hohe Verwundbarkeit durch externe Schocks auf den Tourismussektor hindeuten.

Für eine umfassende Bibliographie im Bereich „Tourismus/Freizeitwirtschaft und Klima/Wetter“ (Stand September 2004) wird auf Scott et al. (2004) verwiesen.


Durch die große Bedeutung des Tourismus für die österreichische Wirtschaft ergibt sich auch hier eine hohe Vulnerabilität gegenüber durch Wetter- oder Klimavariabilität ausgelösten Nachfrageschocks. Dennoch fehlt in Österreich nach wie vor eine exakte Bewertung der regionalen ökonomischen Vulnerabilität, basierend sowohl auf einer Analyse der erwarteten Klimaveränderungen (einschließlich der naturgemäß verbleibenden Unsicherheiten) als auch der ökonomischen Verwundbarkeit der regionalen Wirtschaft gegenüber diesen Veränderungen. Die erwähnte Studie von Breiling et al. (1997) versuchte erstmals für ganz Österreich klimatologische und ökonomische Fragestellungen gemeinsam zu betrachten. Diese Studie und die damit zusammenhängenden Arbeiten können als Ausgangspunkt für die Einbeziehung sozioökonomischer Fragestellungen betrachtet werden. Einige der methodischen Zugänge erscheinen nach wie vor gültig und sollten mit aktualisierten Daten überprüft werden. Obwohl Breiling et al. (1997) die allgemeine Klimasensibilität von Gruppen von Bezirken darstellen, beruhten die Untersuchungen der regionalen Vulnerabilität jedoch nicht auf regionalen Klimaszenarien, ein Umstand der jedoch durch die zu der Zeit übliche Methodik erklärbar ist. Die im gegenständlichen Forschungsprojekt durchzuführenden regionalökonomischen Analysen und Untersuchungen der sektoralen Verflechtungen auf regionaler Ebene waren ebenso nicht Gegenstand der Studie aus dem Jahr 1997, stellen jedoch aus Sicht der Autoren einen wesentlichen Aspekt zur Beurteilung der Vulnerabilität/Anpassungsfähigkeit dar.


3 Naturräumliche Ausgangssituation

3.1 GEOGRAPHIE

Abbildung 1: Darstellung der Seehöhenklassen nach Gemeindehauptort.

Abbildung 1 stellt alle Gemeinden Österreichs nach der Zugehörigkeit des jeweiligen Gemeindehauptortes zu neun Höhenklassen dar. Nachdem einige meteorologische Parameter (etwa Schneefall- und ganz allgemein Temperaturgrenzen) höhenabhängig sind, stellt diese Zusammenfassung von politischen Gemeinden zu Gruppen vergleichbarer Seehöhe einen Aspekt der unterschiedlichen Ausgangsbedingungen österreichischer Gemeinden für Tourismus-aktivitäten dar. Aus diesem Grund wurde dieser Parameter auch in die Clusteranalysen, wie in Kapitel 6 dargestellt, aufgenommen.


Abbildung 2: Höhenheterogenität der Siedlungspunkte einer Gemeinde. Die Legende ist als

Differenz zu lesen (höchster - niedrigster Siedlungspunkt im Gemeindegebiet).

Abbildung 2 zeigt einen Indikator, der als Annäherung an einen weiteren Aspekt von geographischen Rahmenbedingung für den Tourismus in österreichischen Gemeinden interpretiert werden kann: Je größer die Differenz aus höchstem Siedlungspunkt und niedrigstem Siedlungspunkt einer Gemeinde, desto stärker erstreckt sich der Siedlungsraum in vertikaler Hinsicht. Landschaftsnutzungen wie Wandern, Schiwandern und Schifahren gewinnen ihre Attraktivität zwar zunächst aus den Höhenunterschieden im Naturraum (dargestellt in Abbildung 3), inwieweit Siedlungsaktivitäten diesen Höhenlagen folgen, entscheidet aber unter anderem darüber, wie intensiv diese menschlichen Aktivitäten vor Ort ökonomisch genutzt werden können.

Abbildung 3: Verhältnis zwischen höchstem und niedrigsten Punkt im Gemeindegebiet.


3.2 METEOROLOGIE

Österreich liegt in der Westwindzone der gemäßigten nördlichen Breiten. Die wichtigsten Feuchtequellen für Österreich sind der Atlantik und das Mittelmeer. Der Niederschlag weist einen starken Jahresgang auf, wobei die Niederschlagsmaxima im Sommer auftreten. Rund die Hälfte des Jahresniederschlages fällt in den Monaten Mai bis August.

Die Niederschlagscharakteristika in den einzelnen Regionen sind sehr unterschiedlich. So reicht die Spannbreite der Jahresniederschlagssummen von knapp 500 mm in Marchfeld und Weinviertel bis zu 2.500 mm in Vorarlberg (Abbildung 4). Dies hat zwei Hauptursachen: Einerseits liegt Österreich im Übergangsbereich vom atlantisch zum kontinental beeinflussten Klima. Dies bewirkt, dass in den östlichsten Regionen nur rund die Hälfte des Jahresniederschlages der westlichsten Regionen fällt. Andererseits wirken die Alpen stark modifizierend auf die Niederschlagsverteilung. In den Gebieten nördlich des Alpenhauptkammes führen hauptsächlich atlantische Fronten, die in westliche bis nordwestliche Strömungen eingebettet sind, zu Niederschlag. Hierbei verursacht die Stauwirkung der Alpen sehr hohe Niederschlagssummen und große Intensitäten (Abbildung 4). In den Gebieten südlich des Alpenhauptkammes treten hingegen Niederschläge großteils in Verbindung mit einem Mittelmeertief auf. Im Sommerhalbjahr spielen in ganz Österreich auch konvektive Niederschläge (Gewitter) eine wichtige Rolle.

Die Temperaturverteilung in Österreich ist stark durch die Alpen geprägt. Die Jahresmitteltemperaturen reichen von mehr als 10 °C im östlichen Flachland bis hin zu unter –4°C an den höchsten Berggipfeln (Abbildung 5). Generell kann man in Österreich eine Abnahme der Temperatur um rund 6 – 7 °C je 1000 m Seehöhe beobachten, wobei jedoch während der Wintermonate durch ausgeprägte Temperaturinversionen diese Temperaturabnahme mit der Höhe besonders in den Alpinen Tal- und Beckenlagen gestört ist. Im Winter kann man daher erst ab einer Seehöhe von rund 1500 m mit einer konstanten Temperaturabnahme mit der Höhe rechnen. Dies erkennt man auch in der Karte der Wintermitteltemperatur (Abbildung 6). Das Klagenfurter und Grazer Becken sind deutlich kühler als vergleichbare Höhenlagen im Donautal.

Die Temperaturverteilung ist natürlich auch hauptverantwortlich für den Aufbau einer Schneedecke. In den warmen Flachlandregionen ergeben sich im Mittel weniger als 75 Tage mit einer geschlossenen Schneedecke, in den Akkumulationsregionen der Gletscher hingegen bleibt der Schnee das ganze Jahr liegen (siehe Abbildung 7).


Abbildung 4: Mittlerer Jahresniederschlag in Österreich 1961-1990. Datenquelle ÖKLIM-

ZAMG.

Abbildung 5: Jahresmitteltemperatur in Österreich 1961-1990. Datenquelle ÖKLIM-ZAMG.


Abbildung 6: Wintermitteltemperatur in Österreich 1961-1990. Datenquelle ÖKLIM-ZAMG.

Abbildung 7: Mittlere Anzahl an Tagen mit einer Schneedecke 1961-1990. Datenquelle

ÖKLIM-ZAMG.


4 Sozioökonomische Ausgangssituation

4.1 TOURISMUS/WINTERTOURISMUS

Abbildung 8: Anteil der Beherbergungsbetriebe die im Winter geöffnet haben.

Abbildung 8 zeigt für alle Gemeinden Österreichs mit mindestens 500 Nächtigungen pro Jahr den Anteil der Beherbergungsbetriebe, die im Winter geöffnet haben. Neben eindeutigen Ganzjahresdestinationen (wie etwa den Thermenstandorten und Städten) sind es vor allem Gemeinden, in welchen der Wintertourismus der Treiber für touristische Entwicklung war, die hier mit hohen Prozentsätzen geöffneter Beherbergungsbetriebe hervorstechen.


Abbildung 9: Durchschnittliche Zahl der Nächtigungen 2000 bis 2004.

Die absoluten Nächtigungszahlen sind im Westen Österreichs, das heißt im Alpenraum, sowie in Städten generell höher als im Osten und Norden.

Abbildung 10: Zu- oder Abnahme der Nächtigungszahlen der Wintersaison vom Jahr 2000 bis zum Jahr 2005.


Abbildung 10 zeigt im Überblick Veränderungen in den Nächtigungszahlen für die österreichischen Gemeinden. Dabei können im Allgemeinen größere Schwankungen im Osten Österreichs und eine stabilere Auslastung im Westen, das heißt in den eher winterdominierten bzw. Ganzjahrestourismusgemeinden, die wie in Abbildung 9 erkennbar wesentlich höhere absolute Nächtigungszahlen aufweisen, festgestellt werden Das ausgesprochen heterogene Bild, das Verbesserungen bei der touristischen Infrastruktur ebenso widerspiegelt wie Abnahmen, die unter Umständen auf ungünstige Witterungslagen zurückgeführt werden können, verlangt jedoch eine genauere Analyse im Detail, wie sie mit Ausnahme von einfachen Regressionsmethoden vor allem mithilfe der, aufgrund der Clusteranalyse vorgenommenen Gruppenbildung sinnvoll ist.

Abbildung 11: Durchschnittlicher Anteil der Nächtigungen in der Wintersaison in den Jahren 2000 bis 2005.

Ausschließlich im Sommer erfolgreiche Tourismusgemeinden sind in Abbildung 11 gut durch die grüne Einfärbung erkennbar, wie etwa das oberösterreichische Salzkammergut zwischen Mondsee und Traunsee, die Wachau, die Gemeinden um den Neusiedlersee, das Gros der Kärntner Tourismusgemeinden etc., während es beispielsweise Gemeinden am Arlberg und in den Ötztaler Alpen auf annähernd 100% der Nächtigungen in der Wintersaison bringen. Diese Daten wurden auch für die Clusteranalyse (siehe Kapitel 6.1) herangezogen. Die Dominanz des Wintertourismus in vielen Alpengemeinden wird noch deutlicher in Abbildung 12 und Abbildung 13 zum Ausdruck gebracht, welche sich auf die Darstellung von Werten in Gemeinden mit mindestens 50% Nächtigungsanteil in der Wintersaison konzentrieren.


Abbildung 12: Gemeinden mit Wintertourismusdominanz (Verhältnis der Winternächtigungen zu den Sommernächtigungen).

Abbildung 13: Gemeinden mit Wintertourismusdominanz (Verhältnis der Winternächtigungen zu den Sommernächtigungen).


Betrachtet man gesamt Österreich, so ist die Nächtigungsdichte im Sommer annähernd gleich hoch bzw. leicht höher wie die Nächtigungsdichte im Winter. Nur 251 der 2357 österreichischen Gemeinden erzielen jedoch mehr als 50% der Nächtigungen in der Wintersaison. Mehr als die Hälfte aller Nächtigung in Österreich finden in diesen Gemeinden mit mehr als 50% der Nächtigungen im Winter statt. Tabelle 1 gibt einen Überblick über die unterschiedliche Intensität des Tourismus in den sommer- bzw. winterdominierten Gemeinden Österreichs.

Vergleich Gemeinden mit Sommer- bzw. Winterschwerpunkt

alle Gem. mit Nächtigungen

Gem. mit > 50% Winternächt.

Gem. mit > 50% Sommernächt.

Anzahl 1.571 247 1.324 Durchschnittl. EW-Zahl 4.384 1.999 4.829 Gemeinden Summe Einwohner 6.887.948 493.836 6.394.112 Summe Nächtigungen 59.194.925 39.509.357 19.685.568 Anteil (%) 100 67 33

Wintersaison 2004/2005

Nächtigungsdichte 9 80 3 Summe Nächtigungen 59.578.497 21.287.724 38.290.773 Anteil (%) 100 36 64

Sommersaison 2005

Nächtigungsdichte 9 43 6 Summe Nächtigungen 119.241.539 60.989.017 58.252.522 Anteil (%) 100 51 49 Jahr 2005 Nächtigungsdichte 17 124 9

Tabelle 1: Vergleich der Tourismusintensität in sommer- bzw. winterdominierten Gemeinden.

Abbildung 14: Nächtigungsdichte (Nächtigungen pro Einwohner und Jahr).


Abbildung 14 zeigt einen wesentlichen Parameter, der für die meisten regionalökonomischen Charakterisierungen von Gebieten zur Bestimmung der Tourismusintensität herangezogen wird und auch Eingang in die Clusteranalyse von Kapitel 6.1 gefunden hat: Nächtigungen pro Einwohner und Jahr. Bereits ein grober Vergleich mit den Karten zur Winterdominanz legt eine These nahe, die auch durch nähere Analyse bestätigt wird: der Wintertourismus ist weitgehend nächtigungsintensiver als der Sommertourismus. Diese Tatsache verdankt sich zum Teil der geringeren Bevölkerungszahl in den Berggemeinden. Aber ein Blick auf die Absolutzahlen in Abbildung 9 zeigt, dass mit Ausnahme der Städtedestinationen und verschiedenen Kärntner Seengemeinden die Wintertourismusgemeinden insgesamt am stärksten frequentiert werden. Nur eine derartige Nächtigungsintensität ist schließlich auch in der Lage, die hohen Investitionen in Beförderungsinfrastruktur, wie sie in Abbildung 16 und Abbildung 17 dargestellt sind, zu finanzieren.

Abbildung 15: Nächtigungsdichte in der Wintersaison (Nächtigungen pro Einwohner und Jahr).

Während die Nächtigungsdichte des gesamten Jahres ihr Maximum bei 1111 Nächtigungen pro Einwohner erreicht, fällt auf, dass die maximale Nächtigungsdichte im Winter (Abbildung 15) wesentlich höher – bei mehr als 2000 Nächtigungen pro Einwohner liegt. Für die Top-Wintertourismusgemeinden in Österreich kann also von einer wesentlich intensiveren touristischen Nutzung ausgegangen werden als in erfolgreichen Sommerdestinationen.


4.2 INFRASTRUKTUR

Einen wichtigen Indikator für die Bedeutung des Wintertourismus stellt die bestehende Wintersportinfrastruktur in Form von Aufstiegshilfen dar. Diese Informationen müssen demnach auf Gemeindeebene verfügbar gemacht werden, um auch in die Clusteranalyse zur Auswahl jener repräsentativen Regionen, die im Mittelpunkt der weiteren Untersuchungen stehen werden, einfließen zu können.

In den folgenden Abbildungen ist sowohl die Anzahl (Abbildung 16) als auch die maximale Förderleistung (Abbildung 17) der Haupt- und Kleinseilbahnen und Schlepplifte auf Gemeindeebene dargestellt.

Abbildung 16: Anzahl der Haupt-, Kleinseilbahnen und Schlepplifte (Quelle: BMVIT (2003) Eisenbahn- und Seilbahnstatistik der Republik Österreich für den Berichtszeitraum 2001/2002 (Teil II Seilbahnen und Teil III Schlepplifte).


Abbildung 17: Maximale Förderleistung aller Haupt-, Kleinseilbahnen und Schlepplifte (Personen pro Stunde) (Quelle: BMVIT (2003) Eisenbahn- und Seilbahnstatistik der Republik Österreich für den Berichtszeitraum 2001/2002 (Teil II Seilbahnen und Teil III Schlepplifte).

Als Datengrundlage wurden die Teile II und III - „Seilbahnen“ und „Schlepplifte“ – der Eisenbahn- und Seilbahnstatistik der Republik Österreich für den Berichtszeitraum 2001/2002, herausgegeben vom Bundesministerium für Verkehr, Innovation und Technologie (2003) herangezogen. Die darin enthaltenen Informationen wurden dem Projektteam dankenswerterweise von Herrn Robert Wallner (BMVIT, Sektion II, Abteilung SCH3) in elektronischer Form zur Verfügung gestellt. Für die Clusteranalyse wurde die maximale Förderleistung in Personen pro Stunde als Indikator herangezogen. Neben Angaben zur maximalen Förderleistung enthält die Seilbahnstatistik unter anderem auch detaillierte Informationen über die Anlagenverhältnisse sowie Betriebszeiten und Verkehrsleistungen. Zwar sind in der Statistik auch Ort der Talstation und Ort der Bergstation vermerkt, da diese jedoch größtenteils nicht offiziellen Gemeinde- oder Ortschaftsnamen entsprechen, ist eine Zuordnung zu politisch-administrativen Gebietsabgrenzungen wie Gemeinden, Bezirken oder NUTS 3-Regionen nicht unmittelbar möglich. Daher musste zunächst durch das Projektteam eine Verortung der Daten auf Gemeindeebene erfolgen. Diese Verortung erfolgte in erster Linie über den Betreiber der einzelnen Anlage, der ebenfalls in der Seilbahnstatistik erfasst ist. Dazu wurden zunächst alle in Österreich erfassten Seilbahnbetreiber und deren Firmensitze erhoben. Diese Informationen wurden anschließend mit der Seilbahnstatistik verknüpft. Durch die unterschiedlichen Schreibweisen waren jedoch umfangreiche händische Korrekturen notwendig.

Durch die Verortung der einzelnen Anlagen über deren Betreiber ergibt sich folgende Einschränkung: In jenen Fällen, in denen Firmensitz und Standort der Seilbahn bzw. des Schlepplifts nicht übereinstimmen, werden die Anlagen der Gemeinde des Firmensitzes


zugeordnet. Diese falschen Zuordnungen wurden größtenteils händisch korrigiert, eine vollständige Verifizierung der Verortung kann jedoch auf Grund des Datenumfangs (von der Seilbahnstatistik wurden für den Berichtszeitraum 2001/2002 insgesamt 2.246 Schlepplifte, 463 Kleinseilbahnen und 493 Hauptseilbahnen erfasst) nicht durchgeführt werden.

Eine weitere Einschränkung ergibt sich bei der Verwendung der verorteten Daten für die Clusteranalyse: Bei Gemeinden, die Teil einer Schiarena sind, das heißt Zugang zu einem Schigebiet und daher zu Förderkapazitäten haben, die über die Gemeindegrenzen hinausgehen, fließen nur jene Förderkapazitäten in die Analyse mit ein, die direkt der jeweiligen Gemeinde zugeordnet werden können. Die vorhandene (im Sinne von den Besuchern des Schigebiets zur Verfügung stehende) Wintersportinfrastruktur wird für diese Gemeinden somit zum Teil unterschätzt (jede Anlage wird nur einmal gezählt). Als Beispiel kann das Schigebiet Obertauern herausgegriffen werden, das sich über die Gemeinden Untertauern und Tweng erstreckt. Die Verortung der Seilbahnstatistik ergibt für die Gemeinde Tweng 14 Liftanlagen mit einer maximalen Förderkapazität von 24.740 Personen pro Stunde, für die Gemeinde Untertauern 16 Anlagen mit einer maximalen Förderkapazität von 18.497 Personen pro Stunde. Da diese beiden Gemeinden und deren Liftanlagen jedoch ein gemeinsames Schigebiet bilden, müsste eigentlich beiden Gemeinden eine maximale Förderkapazität von 43.237 Personen pro Stunde zugeordnet werden. Eine derartige Korrektur kann jedoch im Rahmen dieses Projekts mit den zur Verfügung stehenden Daten und Informationen nicht flächendeckend für ganz Österreich, sondern nur für die im Zuge der Analyse ausgewählten repräsentativen Regionen bewerkstelligt werden.

4.3 BESCHÄFTIGUNG

Abbildung 18: Konzentration der Beschäftigung (Anteil der Beschäftigten im Tourismussektor an den Gesamtbeschäftigen auf Gemeindeebene im Vergleich zum entsprechenden Anteil im Österreichdurchschnitt).


Jene, in Abschnitt 4.1 und 4.2 dargestellte Konzentration von touristischen Angeboten spiegelt sich naturgemäß auch in der Beschäftigungssituation auf Gemeindeebene wieder. Abbildung 18 und Abbildung 19 stellen diesbezüglich einen Parameter dar, der im Zusammenhang mit den Risiken des Klimawandels für den Tourismus eine zum Teil problematisch hohe Abhängigkeit des Arbeitsmarktes vieler österreichischer Gemeinden vom Tourismus erkennen lässt. In den verschiedenen Rotschattierungen sind all jene Gemeinden dargestellt, deren Beschäftigtenanteil im Tourismus gemessen an den Gesamtbeschäftigten über dem entsprechenden Wert des Österreichdurchschnitts von rund 6,5% liegt. In extremen Fällen kann dieser Wert das ca. 12 fache des Durchschnitts, also über 80% der Gesamtbeschäftigung annehmen.

Höhere Konzentration der Beschäftigten im Tourismussektor kann aufgrund der starken Witterungsabhängigkeit des Tourismus als ein wesentlicher Faktor für zunehmende ökonomische Vulnerabilität im Hinblick auf Klimaveränderungen für eine Gemeinde im Vergleich zum Österreichdurchschnitt gewertet werden. Dieser Parameter wurde daher auch in die Clusteranalyse von Kapitel 6.1 aufgenommen. In Abbildung 21 und Abbildung 22 wurde im Zuge der Berechnung des Konzentrationsmaßes der Anteil der Beschäftigten im Tourismussektor an den Beschäftigten im Tertiären Sektor auf den entsprechen Anteil auf Österreichebene bezogen, was die regionale Verteilung dieses wesentlichen sozioökonomischen Vulnerabilitätsparameters nur geringfügig verändert. In Abbildung 19 und Abbildung 22 sind die Konzentrationsmaße jener Gemeinden dargestellt, deren Wert über dem jeweiligen Österreichdurchschnitt liegt. In Abbildung 20 ist der jeweilige „absolute“ Anteil der Beschäftigten im Tourismussektor an den Gesamtbeschäftigten im Tertiären Sektor dargestellt.

Abbildung 19: Konzentration der Beschäftigung (Anteil der Beschäftigten im Tourismussektor an den Gesamtbeschäftigen auf Gemeindeebene im Vergleich zum entsprechenden Anteil im Österreichdurchschnitt).


Abbildung 20: Anteil der Beschäftigten im Tourismussektor an den Gesamtbeschäftigten im Tertiärsektor.

Abbildung 21: Konzentration der Beschäftigung (Anteil der Beschäftigten im Tourismussektor an den Beschäftigen im tertiären Sektor auf Gemeindeebene im Vergleich zum entsprechenden Anteil im Österreichdurchschnitt).


Abbildung 22: Konzentration der Beschäftigung (Anteil der Beschäftigten im Tourismussektor an den Beschäftigen im tertiären Sektor auf Gemeindeebene im Vergleich zum entsprechenden Anteil im Österreichdurchschnitt).


5 Methodik

5.1 KLIMATOLOGISCH

Die klimatologische Aufgabenstellung in dieser Studie kann in drei Arbeitsschritte unterteilt werden, die unterschiedliche methodische Ansätze erfordern.

5.1.1 Analyse tourismusrelevanter Klimakenngrößen für Österreich

Im ersten Arbeitsschritt werden die klimatologischen Grundvoraussetzungen in den verschiedenen Regionen Österreichs untersucht. Hierfür steht ein qualitätsgeprüfter Datensatz an 71 österreichischen Stationen auf Tagesbasis für Temperatur, Niederschlag und Schneehöhe für den Zeitraum 1948 bis 2002 zur Verfügung (Schöner, 2003). Dieser Datensatz wurde mit den Daten von 2003 bis 2005 ergänzt, um eine Auswertung für die Klimanormalperiode 1961-1990, als auch für die letzten 30 Jahre 1976 bis 2005 zu ermöglichen. Der Vergleich der beiden Analyseperioden erlaubt zusätzlich eine Quantifizierung des beobachteten Klimawandels in den letzten Dekaden. Nach Berücksichtigung diverser Stationsausfälle stehen letztendlich 66 Stationen für die Auswertungen zur Verfügung. Die Namen und die Koordinaten der ausgewählten Stationen sind in Tabelle 2 zusammengestellt.

Wesentlich für die Praxistauglichkeit der Auswertung ist es, aussagekräftige tourismusrelevante Kenngrößen zu erarbeiten. Hierzu werden einerseits die Parameter Temperatur, Niederschlag und Schnee einzeln, aber auch miteinander kombiniert untersucht, da etwa für den Schneedeckenaufbau die Temperatur bei Niederschlag wesentlich relevanter ist, als die normale Mitteltemperatur. Die Auswertung erfolgt im ersten Schritt auf monats- und saisonaler Basis, diese kann aber für spezielle Anwendungen beliebig variiert werden. Für den Wintertourismus wird zum Beispiel als Saison der Zeitraum Dezember bis April betrachtet und als Frühjahr nur die Monate März und April. Da der Basissatz aus Tageswerten besteht könnten aber auch Zeiträume wie 20. Dezember bis 10. März ausgewählt werden. Nur sollten die Zeitintervalle nicht zu kurz sein, da ansonsten das stochastische Rauschen eventuelle Trends überdeckt.

Tabelle 2: Meteorologische Stationen, die für die Analyse herangezogen werden:

NAME LAENGE BREITE HOEHE NAME LAENGE BREITE HOEHE

Feldkirch 9.6086 47.2697 440 Irdning Gum 14.0994 47.4944 702

Bregenz 9.7444 47.5017 424 Kremsmünste 14.1322 48.0553 383

Schoppernau 10.0186 47.3111 835 Stolzalpe 14.1858 47.1217 1215

Schröcken 10.0853 47.2631 1263 Hörsching 14.1911 48.2411 298

Galtür 10.1858 46.9728 1587 Loibl 14.2500 46.4444 1098

Holzgau 10.3492 47.2625 1100 Klagenfurt 14.3236 46.6497 450


NAME LAENGE BREITE HOEHE NAME LAENGE BREITE HOEHE

Landeck 10.5642 47.1386 798 Freistadt 14.5061 48.5067 549

Reutte 10.7153 47.4950 850 Hieflau 14.7500 47.6000 555

Obergurgl 11.0272 46.8675 1938 Zeltweg 14.7600 47.2014 669

Innsbruck F 11.3553 47.2589 579 Seckau 14.7833 47.2667 855

Innsbruck U 11.3850 47.2606 578 Pabneukirch 14.8194 48.3189 595

Patscherkof 11.4622 47.2094 2247 Preitenegg 14.9161 46.9383 1035

Jenbach 11.7553 47.3900 530 Lobming 15.1833 47.0500 400

Mayrhofen 11.8506 47.1594 643 Stift Zwettl 15.2047 48.6197 505

Kufstein 12.1628 47.5753 493 Bruck Mur 15.2497 47.4053 482

St.Jakob De 12.3544 46.9172 1385 Mariazell 15.3019 47.7892 866

Mooserboden 12.7167 47.1500 2036 Graz Flugha 15.4417 46.9883 340

Zell am See 12.7950 47.3267 766 Graz Uni 15.4478 47.0797 366

Lienz 12.8083 46.8275 659 Schöckl 15.4661 47.1992 1445

Rauris 12.9925 47.2236 941 St.Pölten 15.6111 48.1803 285

Salzburg Fl 13.0017 47.8014 430 Krems 15.6208 48.4183 204

Badgastein 13.1208 47.0928 1100 Mürzzuschla 15.6886 47.6036 700

Reisach 13.1542 46.6483 646 Gleisdorf 15.7094 47.1131 375

Mondsee 13.3689 47.8478 491 Reichenau 15.8367 47.6997 486

Reichersber 13.3700 48.3361 350 Bad Gleiche 15.9067 46.8786 280

Bad Ischl 13.6317 47.7167 469 Retz 15.9500 48.7536 256

Villacher A 13.6733 46.6036 2140 Wörterberg 16.0983 47.2272 400

Krippenstei 13.7000 47.5167 2050 Mariabrunn 16.2306 48.2081 227

Feuerkogel 13.7183 47.8178 1618 Hohe Warte 16.3564 48.2486 198

Bad Aussee 13.7822 47.6114 665 Laa Thaya 16.3853 48.7261 187

Tamsweg 13.8100 47.1247 1025 Eisenstadt 16.5386 47.8542 184

Kollerschla 13.8400 48.6064 725 Schwechat 16.5708 48.1108 184

Kanzelhöhe 13.9067 46.6781 1526 Hohenau 16.9044 48.6172 155


Abbildung 23: Standorte der meteorologischen Stationen.

5.1.2 Regionale Klimaänderungsszenarien

Als zweiter Arbeitsschritt müssen für die ausgewählten Zielregionen lokale Klimaänderungsszenarien auf Tagesbasis für den Zeitraum 2005 bis 2050 erarbeitet werden. Hierbei werden die Ergebnisse aus dynamischen Downscaling-Verfahren verwendet und mit früheren Arbeiten basierend auf statistischen Methoden verglichen.

Als Ergebnisse von statistischen Verfahren stehen dem Projekt Szenarien abgeleitet mittels Analogmethode (Matulla et al. 2004) zur Verfügung. Als globales Klimamodel wurde hierbei das ECHAM4/OPYC3 (Röckner et al. 1996) betrieben mit dem Emissionsszenario IS92 A (IPCC 1996) verwendet.

Als dynamisches Szenario wurden am Max Planck Institut für Meteorologie in Hamburg im Auftrage des Deutschen Umweltbundesamtes (UBA Deutschland) mit dem regionalen Klimamodell REMO transiente Klimaszenarien von 2000 bis 2100 mit 10 km räumlicher Auflösung für die SRES Emissionsszenarien B1, A1B und A2 berechnet. Wir haben mit Frau Daniela Jacob vom MPI als auch mit Herrn Benno Hain vom UBA Deutschland Kontakt aufgenommen und die mündliche Zusage erhalten, diese Szenarien verwenden zu dürfen.

Aus den Klimaänderungsszenarien werden die lokalen Klimaänderungen (Referenzperiode 1971-2000) für Temperatur und Niederschlag auf Tagesbasis bestimmt und auf die lokalen Gegebenheiten der Zielregionen in den verschiedenen Seehöhenstufen übertragen.

Die Daten vom Deutschen Umweltbundesamt (UBA) mit den Ergebnissen der Regionalszenarien der Klimaänderungen auf Tagesbasis wurden besorgt und für die weitere Verwendung aufbereitet. Die Daten sind mit dem regionalen Klimamodell REMO am Max Plack Institut für Meteorologie


in Hamburg erstellt worden (Jacob, 2005). Der Kontrolllauf und die Szenarienläufe vom regionalen Modell REMO werden von einem globalen, gekoppelten Atmosphäre-Ozean-Zirkulationsmodell (z.B. ECHAM5/MPI-OM) angetrieben. Das Globalmodell sowie in weiterer Folge auch REMO benutzen für den Kontrolllauf die beobachteten Treibhausgaskonzentrationen und für die Szenarienläufe die Treibhausgaskonzentrationen für die Zukunft aus den verschiedenen IPCC Szenarien. Änderungen der meteorologischen Größen unter Klimaänderungsbedingungen werden als Differenz zwischen Kontrolllauf und Szenarienlauf erfasst. Zwei Beispiele für solche Änderungen wie sie der REMO-UBA Datensatz liefert, sind in Abbildung 24 und Abbildung 25 zu sehen. Beide Bilder zeigen Ergebnisse vom REMO-UBA Modell für das A1B Szenario. Abbildung 24 zeigt die Änderung der durchschnittlichen Jahrestemperaturen bezogen auf die Klimanormalperiode 1961-1990 für das Mittel der Periode 2020-2050. Hier sieht man somit die Zunahme der Temperatur für die letzten 30 Jahre unseres Untersuchungszeitraumes. Da die Temperatur räumlich recht homogen ist, ergeben sich keine kleinräumigen Strukturen und wir sehen eine allgemeine Erwärmung im Norden Österreichs von 0.5-1 Grad und im Süden und Westen von 1-1.5 Grad. In Teilen Kärntens und Osttirols ist sogar eine Zunahme von 1.5 – 2 Grad zu sehen. Abbildung 25 zeigt die Veränderung der durchschnittlichen Jahresniederschläge. Hier sind häufiger kleinräumige Strukturen erkennbar und im Wesentlichen ist eine Zunahme im Norden Österreichs aus den REMO Daten zu erkennen.

Abbildung 24: 2035: Veränderung der durchschnittlichen Jahrestemperaturen bezogen auf die Klimanormalperiode 1961 – 1990, gemittelt über 30 Jahre, Szenario A 1B.


Abbildung 25: 2035: Veränderung der durchschnittlichen Jahresniederschläge bezogen auf die

Klimanormalperiode 1961 – 1990, gemittelt über 30 Jahre, Szenario A 1B.

Die REMO Daten werden in weiterer Folge verwendet um lokale Szenarien für die ausgesuchten Gemeinden zu erstellen. Um robustere Aussagen tätigen zu können, werden Temperatur und Niederschlag über zumindest neun benachbarte Gitterpunkte gemittelt. Mit den statistischen Änderungen dieser Parametern dieser Zeitreihen werden dann in den ausgewählten Gemeinden mit einem Wettergenerator synthetische Zeitreihen erstellt und daraus die relevanten meteorologischen Parameter untersucht.

Die REMO-UBA Szenarien haben die Eigenheit, das in den ersten drei Dekaden in Österreich kein ausgeprägter Erwärmungstrend in allen drei Emissionsszenarien festzustellen ist (siehe Abb. 26 und 27). Im Winter ist noch ein gewisser Trend erkennbar, im Sommer hingegen gar nicht. Die Frühjahre sind in den ersten 3 Dekaden sogar kühler als die Referenzperiode 1971-2000.

Diese Abnahme im Frühjahr und die relativ geringe Erwärmung in den anderen Jahreszeiten hat nichts mit einem Klimaänderungssignal zu tun. Für diese relativ nahe in der Zukunft liegende Periode ist der Strahlungsantrieb aufgrund der gestiegenen Treibhausgase noch geringer als die modellinternen langzeitlichen Schwankungen. Die Szenarien für die nächsten Dekaden sind durch diese langzeitlichen Modellschwankungen sozusagen „verrauscht“.

In den Abbildungen 27 und 28 ist die mittlere Änderung je Saison für die Perioden 2011-2040 und 2036-2065 für alle Emissionsszenarien dargestellt. Im Winter zeigen alle Emissionsszenarien für 2025 eine Erwärmung von rund 1 °C , im Frühjahr hingegen eine Abkühlung von etwa 0.2 – 0,6 °C , Im Sommer zeigt nur das A1B Szenario eine leichte Erwärmung von rund 0.6 °C und ebenso im Herbst mit rund 0.9 °C. Welches Emissionsszenario wärmer oder kälter ist, scheint eher zufällig.

Für 2050 ist das Klimaänderungssignal bereits deutlicher und es ergibt sich eine systematische Differenzierung zwischen dem stärkeren Strahlungsantrieb des A1B und A2 Szenarios einerseits


und dem B1 Szenario andererseits. A1B und A2 zeigen in allen Saisonen einen Temperaturanstieg, der im Winter mit mehr als 2 °C maximal ist und am geringsten im Frühjahr mit etwa 1 °C. Das B1 Szenario ist bis auf den Herbst jeweils knapp 1 °C kühler als die beiden anderen Szenarien.

Die Niederschlagsergebnisse der REMO-UBA Szenarien müssen im Gebirge mit großer Vorsicht interpretiert werden. Wie man in Abb. 26 erkennt, treten gerade im Gebirge sehr kleinräumige Schwankungen des Trends auf (eng benachbarte rote und blaue Bereiche), welche physikalisch/klimatologisch nicht realistisch wirken. Deshalb wurde für die Berechnung der regionalen Trends jeweils ein Mittel aus 9 Gitterpunkten berechnet, dennoch sollte man diese Ergebnisse, speziell für die saisonalen Ergebnisse der nächsten paar Dekaden nicht überinterpretieren.

Abbildung 26: Verlauf der Wintertemperaturen bezogen auf die Referenzperiode 1971 – 2000 gemittelt über ganz Österreich. Einzeljahre (dünn) und 30 jährige Mittel (dick) für die Emissionsszenarien B1, A1B und A2.

REMO-UBA Szenarien für ganz Österreich im Winter

-4.0

-2.0

0.0

2.0

4.0

6.0

8.0

2001 2011 2021 2031 2041 2051 2061 2071 2081 2091

Tem

pera

turä

nder

ung

DJF_B1DJF_A1BDJF_A230j mean30j mean30j mean


Abbildung 27: Verlauf der Sommertemperaturen bezogen auf die Referenzperiode 1971 – 2000 gemittelt über ganz Österreich. Einzeljahre (dünn) und 30 jährige Mittel (dick) für die Emissionsszenarien B1, A1B und A2.

Abbildung 28: Mittlere saisonale Temperaturszenarien für die Periode 2011-2040 bezogen auf die Referenzperiode 1971 – 2000 gemittelt über ganz Österreich für die Emissionsszenarien B1, A1B und A2.

REMO-UBA Szenarien für ganz Österreich im Sommer

-4.0

-2.0

0.0

2.0

4.0

6.0

8.0

2001 2011 2021 2031 2041 2051 2061 2071 2081 2091

Tem

pera

turä

nder

ung

JJA_B1JJA_A1BJJA_A230j mean30j mean30j mean

Saisonale Temperaturänderung für ganz Österreich für den Zeitraum 2025 je nach Emissionsszenario (REMO-UBA)

-1

-0.5

0

0.5

1

1.5

DJF MAM JJA SON

Saison

Tem

pera

turä

nder

ung

[°C

]

B1A1BA2


Abbildung 29: Mittlere saisonale Temperaturszenarien für die Periode 2036-2065 bezogen auf die Referenzperiode 1971 – 2000 gemittelt über ganz Österreich für die Emissionsszenarien B1, A1B und A2.

Als Wettergenerator wurde der LARS-WG (Long Ashton Research Station Weather Generator (Semenov 1997)) ausgewählt und getestet. Ein Wettergenerator ist ein stochastisches Modell für die Generierung von synthetischen Wetterdaten, die der beobachteten Statistik entsprechen. Dies ist eine einfache und schnelle Methode um lange meteorologische Zeitreihen zu erhalten bzw. ist dann auch notwendig, wenn bestehende Reihen zu kurz sind. Anwendungen finden sich u.a. in Land -und Forstwirtschaftsmodellen, in der Hydrologie und allgemein in der Klimafolgenforschung. Zwei Beispiele der Validierung von LARS-WG sind in Abbildung 30 und Abbildung 31 zu sehen. Abbildung 30 zeigt einen Vergleich der Häufigkeitsverteilungen von Beobachtungsdaten und Daten generiert mit LARS-WG. Die Ergebnisse zeigen den Winterniederschlag in Schladming und stimmen sehr gut überein. Abbildung 31 zeigt die Fehler dieses Vergleichs aufgegliedert in einzelne Klassen.

Saisonale Temperaturänderung für ganz Österreich für den Zeitraum 2050 je nach Emissionsszenario (REMO-UBA)

-1

-0.5

0

0.5

1

1.5

2

2.5

3

DJF MAM JJA SON

Saison

Tem

pera

turä

nder

ung

[°C

]

B1A1BA2


Abbildung 30: Häufigkeitsverteilung des Winterniederschlags (Nov.-April) - Schladming 1961 –

1990.

Abbildung 31: Relativer Fehler je Niederschlagskategorie in [%].

Das synthetische Wetter umfasst im Falle von LARS-WG die Parameter: Niederschlagsereignis (ja/nein), Niederschlagsmenge, Häufigkeit und Andauer von Niederschlags- oder Trockenepisoden, Maximumtemperatur, Minimumtemperatur und Strahlung. Um das Wetter zu simulieren, verwendet LARS-WG semi-empirische Verteilungen, die aus Beobachtungsdaten erzeugt werden. Die Verteilung besteht jeweils aus 10 Intervallen, woraus dann mittels Zufallszahlengenerator ein Wert für das synthetische Wetter bestimmt wird. Mit semi-empirischen Verteilungen wird die Dauer der trockenen/feuchten Serien und die Strahlung ermittelt. Die Minimum- und Maximum- Temperaturen werden durch ein anderes Verfahren erzeugt. Dabei werden die saisonalen Zyklen des Mittelwerts und die Standardabweichung mit finiten Fourierreihen der Ordnung 3 und die Residuen durch eine Normalverteilung simuliert. Mit LARS-WG werden dann in weiterer Folge ein synthetischer Kontrolllauf und synthetische Szenarien erstellt. Aus den Differenzen der Szenarien und dem Kontrolllauf ist es dann möglich die relativen Änderungen zu bestimmen. Diese Differenzen werden dann herangezogen um die Zeitreihen der


Beobachtungen der ausgewählten Gemeinden zu modifizieren und dort Szenarien zu erhalten. Somit werden die Änderungen vom REMO Modell auf die einzelnen Gemeinden übertragen.

5.1.3 Schneemodellierung

Die Kenngrößen Temperatur und Niederschlag können direkt aus den lokalen Klimaänderungsszenarien übernommen und analog zu den historischen Beobachtungen ausgewertet werden. Da Schnee jedoch eine kumulative Größe ist, kann sie mittels statistischer Verfahren nicht direkt aus globalen Klimamodellen abgeleitet werden. Bei regionalen Klimamodellen wird der Schnee zwar direkt mitberechnet, aufgrund der groben Auflösung von 10 km selbst der derzeit besten regionalen Modelle kann jedoch der Schnee für unsere Anwendung nicht direkt verwendet werden.

Um dennoch jene Klimakenngrößen, die Schneeinformation beinhalten, für die Szenarien berechnen zu können, wird deshalb für die ausgewählten Skiregionen ein Schneemodell (USACE, 1998) mit den Beobachtungsdaten an die Zielregion in drei Höhenstufen (Talbereich, Bergstation und knapp über der winterlichen Inversionshöhe) angepasst und validiert. Dieses Schneemodell benötigt als Eingabedaten die Temperatur und den Niederschlag auf Tagesbasis und wurde in Österreich für hydrologische Fragestellungen bereits erfolgreich angewandt (Nachtnebel und Fuchs, 2000).

Um robuste Angaben über die sich durch den Klimawandel ändernde Schneesicherheit machen zu können, wird ein Wettergenerator (LARS-WG, Semenov, 1998) eingesetzt. Hierzu werden für den Wettergenerator die benötigten klimatischen Kenngrößen in drei Höhenstufen für die Periode 1961-1990, 1976-2005 und den verschiedenen regionalen Klimaänderungsszenarien bestimmt. Anschließend wird für die jeweilige Periode bzw. das jeweilige Szenario eine 50jährige Zeitreihe mit täglichen Daten für Niederschlag und Temperatur erzeugt und das Schneemodell betrieben. Diese Schneezeitreihen werden hinsichtlich Schneesicherheit untersucht und miteinander verglichen.

Zur Modellierung der Schneehöhe wurde das "Modular Modeling System“ ausgewählt. Das "Modular Modeling System" wurde von George Lavesley (U.S. Geological Survey, University of Colorado at Boulder, [email protected]) entwickelt und liegt in seiner entgültigen Version 1.1.7 vor (mehr Information findet sich z.B. unter http://wwwbrr.cr.usgs.gov/mms/). Das Modell wurde konzipiert um Abflussmengen aus Niederschlag und Schmelzwasser eines Einzugsgebiets zu bestimmen. Aufgrund seines modularen Aufbaus und der Verwendung der Sprachen C bzw. Fortran, ist es jedoch möglich, nur ausgewählte Komponenten zu verwenden und diese bei Bedarf auch selbst zu modifizieren. Eines dieser Kernmodule, das zur Berechnung der Schneeakkumulation und -schmelze dient, wurde von M. Fuchs (Fuchs 1998) erweitert, und wird von uns in dieser Studie verwendet. Der Vorteil dieses Moduls liegt in der Verwendung von nur zwei Eingabegrößen (Lufttemperatur und Niederschlagsmenge), alle anderen notwendigen Größen wie z.B. die Sonnenstrahlung und Energieflüsse werden automatisch berechnet oder abgeleitet. Um lokale Gegebenheiten optimal zu erfassen, kann jeder Standort einzeln an die


vorliegenden Beobachtungen der Schneehöhen angepasst werden. Da in Schladming ausreichend lange Datenreihen vorliegen, wurde das Modell hier getestet und validiert.

Abbildung 32: Vergleich der Schneehöhen modelliert vs. beobachtet – Planai 1981 – 1990.

Abbildung 32 zeigt die Gegenüberstellung der Zeitreihen von beobachteter Schneehöhe und modellierter, für den Zeitraum 1981-1990 an der Bergstation der Planai (1950 m). Sowohl die Akkumulation von Neuschnee, als auch der Abschmelz- und Setzungsprozess werden vom Modell gut wiedergegeben.

In Tabelle 3 ist die Anzahl der Tage in der Winterperiode (1.11.-20.4., 181 Tage) dargestellt, an denen eine bestimmte Schneehöhe erreicht oder überschritten wurde. Es zeigt sich auch hier eine gute Übereinstimmung der Beobachtung mit dem Modell, wenn auch die Anzahl der aperen Tage signifikant voneinander abweicht. Der Grund dafür ist, dass in Schladming die Anzahl der Tage groß ist, an denen einige wenige cm Neuschnee auf aperen Boden fallen, und die Dauer dieser dünnen Schneedecke vom Modell systematisch unterschätzt wird.

Schladming APER > 5cm > 20 cm > 30 cm > 50 cm > 75 cm > 100 cm

Beobachtung 79.2 92.1 55.2 36.4 11.4 0.6 0.0

Modellierung 59.4 99.2 55.0 30.7 7.1 0.5 0.1

Tabelle 3: Vergleich von Modell und Beobachtung bezüglich der Anzahl der Tage in der Winterperiode (Nov.-April) an denen eine bestimmte Schneehöhe erreicht oder überschritten wurde.


5.2 ÖKONOMISCH

5.2.1 Clusteranalyse

Im Zuge der sozioökonomischen Untersuchungen wird in einem ersten Schritt eine Clusteranalyse aller österreichischen politischen Gemeinden durchgeführt. Diese Analyse soll dazu dienen, jene repräsentativen Regionen herauszufiltern, die Gegenstand der weiterführenden klimatologischen und regionalökonomischen Untersuchungen sein werden. Ziel der Analyse ist die Einteilung der Gemeinden in Gruppen (Cluster), die die unterschiedliche ökonomische Bedeutung des Tourismussektors widerspiegeln. Die Gemeinden sollen dabei auf eine Weise zu Gruppen zusammengefasst werden, die die größtmögliche Ähnlichkeit der einzelnen Objekte innerhalb jeder Gruppe und die geringstmögliche Ähnlichkeit der Gruppen zueinander sicherstellt. Aus den so gebildeten Clustern werden in weiterer Folge repräsentative Gemeinden für die weitere Analyse ausgewählt.

Als Methode zur Generierung der Gemeindegruppen wurde das multivariate Verfahren der Clusteranalyse herangezogen1. Die Bildung der Gruppen (Cluster) im Zuge der Clusteranalyse erfolgt über Ähnlichkeits- oder Distanzmaße, die die Ähnlichkeit bzw. Unterschiedlichkeit zwischen je zwei Objekten quantifizieren, sowie über einen Clusteralgorithmus, der die Objekte auf Grund ihrer Ähnlichkeits- oder Distanzwerte zu Gruppen zusammenfasst. Als Distanzmaß wurde für die gegenständliche Clusteranalyse die quadrierte euklidische Distanz2, als Algorithmus für den Fusionierungsprozess das hierarchische „Ward-Verfahren“ festgelegt.

Beim Ward-Verfahren handelt es sich um ein hierarchisches agglomeratives Verfahren: Ausgehend von der feinstmöglichen Partition (jedes Objekt bildet einen Cluster) werden die Gruppen sukzessive zusammengefasst, wobei einmal gebildete Gruppen nicht mehr aufgelöst werden (es werden keine Objekte zwischen den Gruppen ausgetauscht). Dieses Verfahren wurde u. a. auf Grund seiner Eigenschaft ausgewählt, möglichst homogene Gruppen zu bilden. Im Zuge der Gruppenbildung werden Schritt für Schritt Objekte bzw. Gruppen so zusammengefasst, dass sich die Fehlerquadratsumme (Summe der quadrierten Abweichungen der Werte vom Mittelwert der Werte der Variablen in der Gruppe) einer Gruppe insgesamt am wenigsten erhöht.

Um eine Gewichtung unterschiedlich skalierter Variablen zu vermeiden bzw. starke Unterschiede der Ausprägungsniveaus der einzelnen Variablen auszugleichen, wurden die Daten nach „Z-Scores“ standardisiert. Dies erfolgt durch Subtraktion des Mittelwertes μ jeder Variable vom

jeweiligen Wert ix und anschließende Division durch die Standardabweichung σ : σμ−

= ii

xz .

Für die auf diese Weise errechneten Werte gilt für alle Variablen: 0=μ und 1=σ . Vor Beginn der Clusteranalyse wurde zudem eine Korrelationsanalyse durchgeführt um aus der Menge der interessierenden Variablen jene auszuscheiden, die zu hoch untereinander korrelieren. 1 Einen methodischen Überblick bietet beispielsweise Backhaus et al. (2000). 2 ∑ −

==

J

jljkjlk xxd

1,

22 wobei ljkj xx , : Wert der Variable j bei Objekt k, l (j=1,2, …, J).


5.2.2 Modellbeschreibung MULTIREG

In Projektjahr 3 erfolgt ausgehend von der Untersuchung der ausgewählten repräsentativen Tourismusregionen eine Abschätzung der regionalökonomischen Auswirkungen von potenziellen klimawandelbedingten Veränderungen der Tourismusnachfrage (Schwerpunkt Wintertourismus). Dies erfolgt zum Teil mit Hilfe des multiregionalen und multisektoralen ökonometrischen Wirtschaftsmodells MULTIREG3, das gemeinsam vom Institut für Technologie- und Regionalpolitik (InTeReg) der JOANNEUM RESEARCH und dem Österreichischen Institut für Wirtschaftsforschung (WIFO) entwickelt wurde. In diesem Abschnitt erfolgt eine kurz Beschreibung des Aufbaus und der Funktionsweise des Modells.

Das Modell bildet die wirtschaftlichen Verflechtungen auf der Ebene von 32 Sektoren (Wirtschaftsbranchen) bzw. Gütern und den neun österreichischen Bundesländern ab und erfasst damit die sektoralen Zuliefer- und Konsumbeziehungen innerhalb eines Bundeslandes wie auch jene zwischen den Bundesländern und mit dem Ausland (siehe Abbildung 33).

Abbildung 33: MULTIREG – Prognose- und Analysemodell für Österreich

MULTIREG

Prognoseregional und/oder sektoral

Wirkungsanalyseregional und/oder sektoral

Burgenland

Kärnten

Wien

Branche 1

Branche 2

Branche 3

Branche 28

Branche 29

Branche 30

MULTIREG

Prognoseregional und/oder sektoral

Wirkungsanalyseregional und/oder sektoral

Burgenland

Kärnten

Wien

Branche 1

Branche 2

Branche 3

Branche 28

Branche 29

Branche 30

Quelle: JR-InTeReg, eigene Darstellung.

MULTIREG besteht aus der Verbindung mehrerer Modelle:

• 9 regionale Input-Output Tabellen (welche die Lieferströme zwischen den Sektoren eines Bundeslandes enthalten),

• eine interregionale Handelsmatrix (welche die Lieferungen verschiedener Güter zwischen den Bundesländern sowie Auslandsexport und -importströme abbildet) sowie

• ökonometrisch geschätzte Zeitreihenmodelle, welche die aus der ökonomischen Theorie abgeleiteten Beziehungen zwischen verschiedenen Variablen (z.B. privater Konsumnachfrage und Haushaltseinkommen, Produktion und Beschäftigung etc.) empirisch quantifizieren und den dynamischen Veränderungen eines Wirtschaftssystems Rechnung tragen.

3 Für eine ausführliche Darstellung des Modells wird auf Fritz/Streicher/Zakarias (2005) verwiesen.


MULTIREG bildet auf Basis dieser Teilmodelle die für einen Wirtschaftsraum typischen Kreislaufzusammenhänge zwischen Nachfrage, Produktion, Beschäftigung und Einkommen ab (siehe Abbildung 34).

Nachfrage nach und von heimischen und internationalen (interregionalen) Gütern

Die Nachfrage nach einzelnen Gütern geht dabei von Haushalten (privater Konsum), dem Staat (öffentlicher Konsum), dem heimischen (d.h. in der Region ansässigen) Unternehmenssektor (Investitionen, Lagerhaltung) und dem Ausland (Exporte) aus. Diese Nachfrage kann nun in der Region selbst, aber auch durch Importe aus anderen Regionen und Importen aus dem Ausland befriedigt werden.

Die nachgefragten Güter werden produziert, dabei werden Vorleistungen nachgefragt

Die Nachfrage nach heimischen Gütern aus dem Inland- und Ausland wird in Österreich produziert. Das daraus resultierende Produktionsvolumen, differenziert nach Gütern, wird schließlich in ein Produktionsmodell eingespeist. Dabei bestimmen die regionalen Input-Output Beziehungen den Produktionswert nach Sektoren; Preise und die Nachfrage nach Produktionsfaktoren (Vorleistungsgüter, Arbeit) werden bei gegebenen Produktionswerten aus ökonometrisch geschätzten Kostenfunktionen abgeleitet, die Vorleistungsgüter gehen wiederum in die regionale Gesamtnachfrage ein.

Das resultierende Einkommen erhöht die weitere Nachfrage

Das durch die Vergütung von Arbeitsleistungen und die aus der Produktion erzielten Gewinnen entstehende Einkommen beeinflusst die Nachfrage. Veränderungen in den Produktionspreisen sind wiederum ein wesentlicher Bestimmungsfaktor der regionalen Wettbewerbsfähigkeit und damit der Export- und Importnachfrage.

Technologischer Wandel und Änderung der interregionalen Handelsbeziehungen

Um technologischem Wandel und Änderungen in den interregionalen Handelsbeziehungen Rechnung zu tragen, enthält das Modell auch einen Mechanismus zur dynamischen Anpassung der Vorleistungskoeffizienten, die die sektoralen Produktionstechnologien repräsentieren. Damit wird die ansonsten statische Input-Outputtabelle „dynamisiert“.


Abbildung 34: Modellstruktur MULTIREG

Produktion

Faktornachfrage

Preis

Produktion

Vorleistungs-produktion

BeschäftigungEinkommen

Regionalexporte

Privater Konsum

Öffentlicher Konsum

Investitionen

Endnachfrage

Auslandsexporte Auslands-importe

Regional-importe

Regionale Produktion

Ausland

Interregionale Handelsmatrix

Quelle: Joanneum Research, WIFO.

Unter Zuhilfenahme von MULTIREG können die Gesamteffekte von Nachfrageänderungen im Tourismus (z.B. Rückgang der Nächtigungen aufgrund von Schneemangel) sowohl auf die regionale Wirtschaft eines einzelnen Bundeslandes als auch auf die nationale Wirtschaft abgeschätzt werden. Ziel dabei ist es, neben den direkten Effekten auch die in weiterer Folge auftretenden so genannten Multiplikatoreffekte mit zu erfassen.4 Direkte Effekte („Schocks“) beispielsweise über gesteigerte/gesenkte Ausgaben der Endnachfrage (wie privater oder öffentlicher Konsum, Investitionen und Exporte bzw. auch Unterkategorien dieser Ausgaben) verursachen Wirkungen, die über den direkten Effekt hinausgehen. Diese Wirkungen entstehen, da über die gesteigerte/gesenkte Vorleistungsnachfrage indirekte Effekte generiert und über die Veränderung des Einkommens wiederum die Konsumnachfrage verändert wird. Da die aus den Beschäftigungswirkungen entstehenden Einkommen in erster Linie über den privaten Konsum in den wirtschaftlichen Kreislaufprozess zurückfließen, werden auch auf diesem Weg zusätzliche so genannte induzierte Wirkungen generiert.

Durch die Berechung der Höhe des endgültigen Multiplikators, d.h. welche weiteren Beschäftigungs- und Wertschöpfungseffekte dem „direkten Schock“ zugerechnet werden können, entsteht ein detailliertes Bild des wirtschaftlichen Kreislaufs in Österreich. Dadurch können die Profiteure bzw. Benachteiligten von Änderungen in den einzelnen Endnachfragekomponenten identifiziert werden.

Die Stärken der derzeit vorliegenden Version von MULTIREG liegen in der Wirkungsanalyse von wirtschaftlichen und wirtschaftspolitischen Maßnahmen sowie in der Durchführung von mittel- bis langfristigen Prognoserechnungen. Die wesentliche Aussagekraft des Modells liegt dabei in den nach Regionen (Bundesländern) und Branchen stark disaggregierten Ergebnissen.


Wirkungsanalysen sind dadurch zum Beispiel auf sehr detailliertem Niveau durchführbar. Beispiele dafür wären etwa die Abschätzung der ökonomischen Effekte von Infrastrukturprojekten, aber auch von Auswirkungen, die sich durch die Standortwahl von Großbetrieben oder Großveranstaltungen ergeben.

Die mit MULTIREG erstellbaren regionalen Branchenprognosen können zum Einen als Input für weitergehende Analysen eingesetzt werden. Andererseits ist es möglich, aufbauend auf der bestehenden Modellstruktur, bestimmte Teilbereiche des Modells zu erweitern, um für spezifische Fragestellungen detaillierte Modellberechnungen zu erhalten. Regionale Auswirkungen von Veränderungen im Konsumverhalten der privaten oder öffentlichen Haushalte sind ein Beispiel. Je nach Fragestellung kann MULTIREG daher über die bereits implementierten Module hinaus um eine Vielzahl an Anwendungen erweitert werden und in der Frage nach den Auswirkungen auf Regionen und Branchen in Österreich einen wichtigen Beitrag leisten.

4 Siehe beispielsweise Kurzmann/Aumayr (2007).


6 Erste Ergebnisse

6.1 CLUSTERANALYSE ALLER ÖSTERREICHISCHEN GEMEINDEN

6.1.1 Vorgehensweise

In die Clusteranalyse flossen die in Tabelle 4 aufgelisteten Merkmale ein. Für jede der 2357 Gemeinden wurden die Ausprägungen dieser 5 Variablen erhoben und zu einer 2357 x 5 Datenmatrix zusammengefasst5. Die Ausprägungen der einzelnen Merkmale auf Gemeindeebene sind in Kapitel 4 als Karten dargestellt: „AnteilWi“ (gemessen in %) siehe Abbildung 11, „LokGes“ siehe Abbildung 18, „NaDiGes“ (gemessen in Nächtigungen pro Einwohner) siehe Abbildung 14 und „FörderGes“ (gemessen in Personen pro Stunde) siehe Abbildung 17. Der höchste Siedlungspunkt im Gemeindegebiet („z_max“, gemessen in Meter über dem Meeresspiegel) ist nicht als eigene Karte dargestellt, jedoch liefern Abbildung 1 und Abbildung 2 einen topographischen Überblick.

Der Anteil der Winternächtigungen ist ein Indikator für die relative Bedeutung des Winter- bzw. Sommertourismus in der jeweiligen Gemeinde. Die Konzentration der Beschäftigung im Tourismussektor im Vergleich zur Konzentration im Österreichschnitt informiert über die Bedeutung des Tourismussektors als Arbeitgeber, das heißt auch über die Abhängigkeit des lokalen Arbeitsmarktes vom Tourismus6. Die Nächtigungsdichte soll die Intensität der touristischen Nutzung sowie die allgemeine Bedeutung des Übernachtungstourismus für die Gemeinden widerspiegeln. Die Höhenlage der Gemeinden lässt Rückschlüsse auf die Art der möglichen touristischen Nutzungen zu und ist vor allem auch in Hinblick auf die weiteren meteorologische Analysen von Bedeutung. Die installierte maximale Förderleistung gibt Auskunft über die Bedeutung dieser Wintersportinfrastruktur als Teil des touristischen Angebots der Gemeinde bzw. der Region.

VARIABLEN CLUSTERANALYSE Abkürzung Erläuterung AnteilWi Anteil der Winternächtigungen im Durchschnitt der Jahre 2000-2005 LokGes Lokation Tourismus an Gesamtbeschäftigung7 (0=Konzentration entspricht Ö-Schnitt) NaDiGes Nächtigungsdichte im Durchschnitt der Jahre 2000-2005

5 Wien wurde dabei als eine einzelne Gemeinde angesehen, da für Wien nicht alle interessierenden Variablen auf Bezirksebene vorliegen.

6 Betrachtet wird hierbei Abschnitt H - Beherbergungs- und Gaststättenwesen der ÖNACE Grundsystematik der Wirtschaftstätigkeiten.

7 ( )

( )( )

( )1−

⎟⎟⎟⎟

⎠

⎞

⎜⎜⎜⎜

⎝

⎛

ÖsterreichBeschGesÖsterreichBeschTour

GemeindeBeschGesGemeindeBeschTour

, wobei BeschTour = „Anzahl der Beschäftigten im

Beherbergungs- und Gaststättenwesen“ und BeschGes = „Gesamtzahl der Beschäftigten am Arbeitsort“.


z_max Höchster Siedlungspunkt im Gemeindegebiet FörderGes Max. Förderleistung (Pers./h)

Tabelle 4: Variablen der Clusteranalyse: Abkürzungen und Erläuterungen.

Im Zuge des Gruppierungsvorgangs wurde die Anzahl der Cluster zunächst auf 5 bis 10 Gemeindegruppen eingeschränkt. Nach Analyse und Interpretation dieser Clusterergebnisse wurden schließlich 8 Gruppen als endgültiges Ergebnis festgelegt. Diese Gruppenzahl ermöglicht eine sinnvolle Abgrenzung und Benennung der Cluster, wobei die Zahl der Cluster auf einem überschaubaren Niveau bleibt. Dieses Ergebnis wird in den folgenden beiden Abschnitten detailliert dargestellt und beschrieben.

6.1.2 Ergebnisse

In Tabelle 5 ist das Ergebnis der Clusteranalyse überblicksmäßig dargestellt. Die Benennung der 8 Gruppen erfolgt in Anlehnung an die relative Bedeutung des Tourismus im Allgemeinen, sowie des Sommer- und Wintertourismus im Besonderen. Der Kategorie „Nicht-Tourismusgemeinden“ wurden die Cluster 1 bis 3 zugeordnet. Diesen 3 Cluster gehört rund die Hälfte der österreichischen Gemeinden an. Cluster 4 und 5 wurden zur Kategorie „Sommer- und Ganzjahrestourismus-Gemeinden“ zusammengefasst. Die kleinste Gruppe, bestehend aus den Clustern 6, 7 und 8, bilden die so genannten „wintertouristisch geprägten Gemeinden“.

EINTEILUNG UND BENENNUNG DER CLUSTER

NICHT-TOURISMUSGEMEINDEN Anzahl Gemeinden 1 Nicht- und Tagestourismus 723 2 Nicht- und Tages- bzw. Städtetourismus in niederen Lagen 616

Nr.

3 Nicht- und Tages- bzw. Städtetourismus in höheren Lagen 358 SOMMER- UND GANZJAHRESTOURISMUS-GEMEINDEN Anzahl Gemeinden

4 Sommertourismus 292 Nr.

5 Ganzjahrestourismus 255

WINTERTOURISTISCH GEPRÄGTE GEMEINDEN Anzahl Gemeinden 6 Tourismusabhängig 35 7 Wintertourismus 69

Nr.

8 Top 9 Wintersportmetropolen 9

Tabelle 5: Einteilung und Benennung der Cluster und Anzahl der jeweils zugehörigen Gemeinden.

In Abbildung 35 wurde das Clusterergebnis visualisiert, womit die geographische Verteilung der einzelnen Gruppen innerhalb von Österreich auf einen Blick erfassbar wird. Zusätzlich erlaubt diese Darstellung einen Vergleich mit der räumlich unterschiedlichen Ausprägung jener Merkmale, die in die Clusteranalyse miteinbezogen wurden (vgl. Kapitel 4).


Abbildung 35: Ergebnisse der Clusteranalyse - Zugehörigkeit der Gemeinden zu den 8 Clustern.

Während die Cluster 1 und 2 in der Kategorie „Nicht-Tourismusgemeinden“ im Osten und Norden Österreichs dominieren, findet sich die typische „wintertouristisch geprägte Gemeinde“ naturgemäß vorwiegend in alpinen Lagen. Sommertourismusgemeinden finden sich konzentriert in Kärnten, im Salzburger und oberösterreichischen Seengebiet, im Mühl- und Waldviertel, der Obersteiermark und rund um den Neusiedler See. Ganzjahrestourismusgemeinden konzentrieren sich vorwiegend auf Gebiete die sich auch in höhere Gebirgslagen erstrecken bzw. im Umfeld von explizit ausgewiesenen Wintertourismusgemeinden. Die tourismusabhängigen Gemeinden können als Spezialfälle der Wintertourismus bzw. der Ganzjahrestourismusgemeinden interpretiert werden.

8 CLUSTER Mittelwerte und Standardabweichungen innerhalb der einzelnen Cluster Variablen 1 2 3 4 5 6 7 8 AnteilWi 0,0 36,74 40,06 18,16 48,70 63,89 60,32 80,74σ 0,0 13,53 15,39 13,18 14,00 10,49 9,68 9,56LokGes -0,26 -0,29 -0,08 2,10 2,64 7,71 1,46 7,57σ 0,83 0,69 0,93 2,60 2,12 1,50 3,12 1,39NaDiGes 0,00 4,39 11,15 31,05 62,79 304,97 99,32 706,88σ 0,00 6,48 16,36 54,74 66,44 143,64 119,12 226,29z_max 395 415 814 594 1056 1228 1008 1519σ 167 142 175 238 242 235 251 241FörderGes 24 136 906 235 3096 9959 20149 39487σ 203 461 1770 731 3647 9572 9720 24822Gemeinden 723 616 358 292 255 35 69 9

Tabelle 6: Mittelwerte und Standardabweichungen innerhalb der 8 Cluster.


In Tabelle 6 sind schließlich die Gruppenmittelwerte der analysierten Merkmale und die zugehörigen Standardabweichungen als Maß für die Streuung innerhalb der Gruppen zusammengefasst. Die im nächsten Abschnitt erfolgende detaillierte Beschreibung wird sich in den allgemeinen Ausführungen zu jedem Cluster, jeweils zu Beginn der Unterabschnitte, auf die in dieser Tabelle dargestellten Werte beziehen.

6.1.3 Beschreibung der Cluster

6.1.3.1. Nicht-Tourismusgemeinden

Nicht- und Tagestourismus (Cluster 1)

In den 723 Gemeinden dieses Clusters gab es in den Jahren 2000 bis 2005 weder in der Sommer- noch in der Wintersaison Nächtigungen. Der Anteil der Beschäftigten im Tourismussektor an den Gesamtbeschäftigten liegt innerhalb der Gruppe deutlich unter dem Österreichschnitt. Nächtigungstourismus findet in diesen Gemeinden nicht statt, auch in Hinblick auf Beschäftigung ist der Tourismussektor von untergeordneter Bedeutung. Gemeinden dieses Typs sind vorwiegend in Ostösterreich in niederen Lagen vertreten. In 299 der 723 Gemeinden liegt der Anteil der Beschäftigten im Tourismussektor trotz des fehlenden Nächtigungstourismus über dem Österreichschnitt. Dabei handelt es sich zum Teil um kleinere Gemeinden mit weniger als 1000 Einwohnern. In diesen Gemeinden ist der Tourismussektor (u.U. nur aus einem Dorfgasthaus bestehend) als Arbeitgeber im Allgemeinen von relativ größerer Bedeutung. Weiters kann Tages- und Ausflugstourismus ein Grund für den höheren Beschäftigtenanteil im Tourismus sein.

Nicht- und Tages- bzw. Städtetourismus in niederen Lagen (Cluster 2)

Diesem Cluster gehören insgesamt 616 Gemeinden an. Der Anteil des Wintertourismus, gemessen an der Zahl der Nächtigungen, liegt im Gruppenschnitt bei knapp 37%. Die Konzentration der Beschäftigung im Tourismus innerhalb der Gruppe liegt im Österreichvergleich unter dem Durchschnitt, das heißt der Anteil der Beschäftigten im Tourismussektor an den Gesamtbeschäftigten liegt unter dem Österreichschnitt von rund 6,5%. Die Nächtigungsdichte innerhalb dieser Gruppe liegt bei knapp 4,5 Nächtigungen pro Einwohner und Jahr. Der höchste Siedlungspunkt im Gemeindegebiet liegt im Schnitt bei rund 400m. Seilbahninfrastruktur ist nur in sehr wenigen Ausnahmefällen vorhanden. In diesem Cluster ist Tourismus weder in Hinblick auf Nächtigungen noch bei Beschäftigung von überdurchschnittlicher Bedeutung.

Der Beschäftigungsanteil im Tourismussektor liegt bei 420 der 616 Gemeinden im oder unter dem Österreichschnitt. In 58 der 616 Gemeinden ist die Konzentration trotz sehr geringer Nächtigungsdichte doppelt so hoch wie im Österreichschnitt oder höher (das Maximum liegt bei LokGes = 2,8). Dies kann als Hinweis für stärker ausgeprägten Tagestourismus interpretiert werden. Zu diesem Cluster gehören vorwiegend etwas größere Gemeinden. 416 der Gemeinden haben mehr als 2000 Einwohner, nur 35 Gemeinden weniger als 1000 Einwohner. Der Großteil der Gemeinden in diesem Cluster liegt im Osten und Norden Österreichs, ein kleiner Teil im Westen Vorarlbergs.


Zu den größeren Städten zählen die Landeshauptstädte St. Pölten, Salzburg, Linz, Graz und Eisenstadt, auch Wien ist in dieser Gruppe enthalten. Obwohl der Städtetourismus in diesen Gemeinden natürlich zum Teil stark ausgeprägt ist, liegen die Konzentration der Beschäftigung im Tourismussektor sowie die Nächtigungsdichte auf Grund der hohen Einwohnerzahl und der höheren Branchendiversität unter dem Österreichschnitt. Daher werden diese Gemeinden im vorliegenden Vergleich vom Algorithmus den Nichttourismus-Gemeinden zugeordnet.

Nicht- und Tages- bzw. Städtetourismus in höheren Lagen (Cluster 3)

Zu diesem Cluster zählen insgesamt 358 Gemeinden. Der Anteil des Wintertourismus, gemessen an der Zahl der Nächtigungen, liegt im Gruppenschnitt bei rund 40%. Die Konzentration der Beschäftigung im Tourismus innerhalb der Gruppe liegt im Österreichvergleich leicht unter dem Durchschnitt. Die Nächtigungsdichte innerhalb dieser Gruppe liegt bei knapp über 11 Nächtigungen pro Einwohner und Jahr. Der höchste Siedlungspunkt im Gemeindegebiet liegt im Schnitt bei rund 814m. In 160 der 358 Gemeinden ist Seilbahninfrastruktur vorhanden, in den meisten Fällen handelt es sich dabei um Schlepplifte. In diesem Cluster ist Tourismus weder in Hinblick auf Nächtigungen noch bei der Beschäftigung von überdurchschnittlicher Bedeutung.

Im Vergleich zu Cluster 2 liegen die Gemeinden etwas höher, Nächtigungsdichte und Konzentration der Beschäftigung im Tourismussektor sind etwas stärker ausgeprägt. In 45 der 358 Gemeinden liegt der Nächtigungsschwerpunkt im Winter, in den restlichen 313 Gemeinden findet der Großteil der Nächtigungen im Sommer statt. 225 Gemeinden verzeichnen im Schnitt nicht mehr als 10 Nächtigungen pro Einwohner und Jahr, 14 Gemeinden dieses Cluster sind mit einer Nächtigungsdichte über 50 (das Maximum liegt bei 99 Nächtigungen pro Einwohner) nächtigungsintensiver. Der Anteil der Beschäftigten im Tourismus liegt jedoch auch bei diesen Gemeinden nur leicht über dem Durchschnitt. In 146 Gemeinden liegt der Anteil der Beschäftigung im Tourismussektor unter oder im Österreichschnitt, für 79 Gemeinden gilt Lokation Tourismus an Gesamtbeschäftigung > 1. Wie in Cluster 1 kann dies als Hinweis für stärker ausgeprägten Tages- bzw. Städtetourismus interpretiert werden. In 160 Gemeinden ist Liftinfrastruktur vorhanden, meist handelt es sich dabei um Schlepplifte. Die maximale Förderkapazität liegt im Schnitt bei 906 Pers./h. Eine Ausnahme bei der maximalen installierten Förderkapazität bildet die Gemeinde Wolfsberg, da hier die angrenzenden Schigebiete Koralpe und Klippitztörl erfasst und daher höhere Förderkapazitäten ausgewiesen werden. In diesem Cluster sind auch noch Gemeinden enthalten, die eigentlich in Cluster 7 gehören würden, aber durch die Einschränkungen bei der Verortung der Seilbahnen (vgl. Kapitel 4.2) derzeit ohne Liftinfrastruktur ausgewiesen und daher nur mangels besserer Verortung dieser Daten in diesem Cluster zu finden sind. Der Großteil der Gemeinden in diesem Cluster liegt im Westen Österreichs in höheren Lagen, ein kleiner Teil im Norden. Zu den größeren Städten zählen Klagenfurt, Villach, Wolfsberg, Bregenz und Hallein. Obwohl der Städtetourismus in diesen Gemeinden natürlich zum Teil stark ausgeprägt ist, liegen die Konzentration der Beschäftigung im Tourismussektor sowie die Nächtigungsdichte auf Grund der hohen Einwohnerzahl und der höheren Branchendiversität unter dem Österreichschnitt. Daher werden diese Gemeinden im vorliegenden Vergleich den Nichttourismus-Gemeinden zugeordnet.


6.1.3.2. Sommer- und Ganzjahrestourismus-Gemeinden

Sommertourismus (Cluster 4)

Dem Cluster „Sommertourismus“ konnten 292 Gemeinden zugeordnet werden. Charakteristisch für diese Gruppe an Gemeinden ist der hohe Anteil der Nächtigungen in der Sommersaison von durchschnittlich über 80%. Die Konzentration der Beschäftigung liegt innerhalb des Clusters mit LokGes=2,1 über dem Österreichschnitt. Die Nächtigungsdichte liegt in diesen Gemeinden bei rund 31 Nächtigungen pro Einwohner. Der höchste Siedlungspunkt befindet sich durchschnittlich auf einer Höhe von knapp 600m, wobei die Höhenlage des Gemeindehauptortes zwischen 120m und über 1000m schwankt. In 56 der 292 Gemeinden ist Wintersportinfrastruktur, meist in Form von Schleppliften, vorhanden.

In 212 der Gemeinden werden über 70% der Nächtigungen im Sommer verzeichnet. 39 Gemeinden dieses Clusters verzeichneten in den vergangenen 5 Jahren keine Nächtigungen, wurden jedoch aufgrund ihrer sonstigen Merkmale wie dem hohen Beschäftigtenanteil im Tourismus als Sommertourismusgemeinden eingestuft. 114 der Sommertourismusgemeinden liegen bei der Nächtigungsdichte über dem Österreichschnitt von rund 14,5 Nächtigungen pro Einwohner (im Durchschnitt der Jahre 2000-2005). Nächtigungsdichten von über 100 konnten vor allem Thermenstandorte und Seegemeinden verzeichnen. Auffallend im Vergleich zu den winterdominierten Gemeinden ist dennoch die geringere Intensität in den sommerdominierten Gemeinden. Mit zwei Ausnahmen weisen alle der Sommertourismusgemeinden eine Beschäftigungskonzentration im Tourismussektor über dem Österreichschnitt auf. Die trotz geringer Nächtigungsdichte teilweise sehr hohe Beschäftigungskonzentration (in 78 ist der Anteil mehr als fünf Mal so hoch wie im Österreichschnitt) weist auch auf die Bedeutung des Tages- und Ausflugstourismus in sommerdominierten Gemeinden hin.

Ganzjahrestourismus (Cluster 5)

Zu diesem Cluster zählen insgesamt 255 Gemeinden in denen beide Tourismussaisonen eine Rolle spielen. Im Gruppenschnitt verzeichnen diese Gemeinden rund die Hälfte der Nächtigungen während der Wintersaison. Die Konzentration der Beschäftigung im Tourismussektor liegt über dem Österreichschnitt. Die Nächtigungsdichte liegt mit durchschnittlich 63 Nächtigungen pro Einwohner unter jener der Wintertourismusgemeinden, jedoch über der durchschnittlichen Nächtigungsdichte der reinen Sommertourismusgemeinden. Der höchste Siedlungspunkt im Gemeindegebiet liegt im Schnitt auf einer Seehöhe von über 1000m. Mit der vorhandenen Liftinfrastruktur können im Gruppenschnitt rund 3100 Personen pro Stunde befördert werden.

In 130 der 255 Gemeinden liegt der Winteranteil bei den Nächtigungen zwischen 40% und 60%. Die 92 Gemeinden mit einem Sommeranteil von mehr als 60% unterscheiden sich von den Gemeinden in Cluster 4 durch ihre höhere Lage auf durchschnittlich über 850m Seehöhe (Gemeindehauptort) und die größtenteils vorhandene Wintersportinfrastruktur. Die 33 Gemeinden mit einem Winteranteil von über 60% unterscheiden sich von den typischen Wintersportorten in


Cluster 7 durch die nicht so stark ausgebaute Wintersportinfrastruktur und die etwas geringere Nächtigungsdichte. Zum Teil sind in diesem Cluster auch noch Gemeinden enthalten, die besser zu den Gemeinden in Cluster 7 passen würden, aber durch die Einschränkungen bei der Verortung der Seilbahnen (vgl. Kapitel 4.2) derzeit ohne oder mit zu geringer Liftinfrastruktur ausgewiesen (beispielsweise als Teil einer Skiarena) und daher in diesem Cluster zu finden sind. In Hinblick auf ihren Beschäftigtenanteil im Tourismus sind die Gemeinden in diesem Cluster sehr heterogen. Dieser schwankt zwischen 4% bis 70%. 208 der 255 Gemeinden haben eine Nächtigungsdichte kleiner 100, 18 eine Nächtigungsdichte über 150 Nächtigungen pro Einwohner.

6.1.3.3. Wintertouristisch geprägte Gemeinden

Tourismusabhängig (Cluster 6)

Die 35 Gemeinden in diesem Cluster weisen neben einer hohen Nächtigungsdichte von über 300 Nächtigungen pro Jahr vor allem eine sehr hohe Konzentration der Beschäftigung im Tourismussektor auf. In 29 Gemeinden haben mehr als 60% der Beschäftigten eine Arbeitsstelle im Beherbergungs- und Gaststättenwesen. Der Großteil der Gemeinden ist wintertouristisch geprägt, mit durchschnittlich knapp 64% der Nächtigungen im Winter. 15 der Gemeinden haben darüber hinaus Liftanlagen mit Förderkapazitäten von mehr als 10.000 Personen pro Stunde. 32 Gemeinden verzeichneten in den Jahren 2000 – 2005 über 100 Nächtigungen pro Einwohner und Jahr. Der höchste Siedlungspunkt im Gemeindegebiet liegt in 30 Gemeinden auf über 1000m. Alle Gemeinden in diesem Cluster haben weniger als 2000 Einwohner, 21 weniger als 1000 Einwohner.

Wintertourismus (Cluster 7)

In diesem Cluster sind 69 wintertouristisch geprägte Gemeinden zusammengefasst. Von Cluster 8 unterscheiden diese Gemeinden der ausgeglichenere Saisonverlauf und die weniger intensive touristische Nutzung. Im Schnitt werden in dieser Gruppe von Gemeinden 60% der Nächtigungen während der Wintersaison verzeichnet. Die Beschäftigungskonzentration liegt mit LokGes=1,46 über dem Österreichschnitt. Die Nächtigungsdichte erreicht knapp 100 Nächtigungen pro Einwohner. Der höchste Siedlungspunkt im Gemeindegebiet liegt innerhalb dieses Clusters durchschnittlich auf über 1000m. Mit der vorhandenen Liftinfrastruktur können im Schnitt knapp über 20.000 Personen pro Stunde befördert werden.

Mit einer Ausnahme (Innsbruck, das auf Grund der angrenzenden Schigebiete in diesen Cluster eingeordnet wird) finden in allen Gemeinden mehr als die Hälfte der Nächtigungen im Winter statt, wobei die Sommersaison in den meisten Fällen ebenso von Bedeutung ist. Im Unterschied zu Cluster 6 können die Gemeinden in diesem Cluster auf Grund der größtenteils stark ausgebauten Wintersportinfrastruktur als Wintertourismusgemeinden bezeichnet werden. Im Durchschnitt gibt es in jeder dieser Gemeinden 16 Haupt- und Kleinseilbahnen sowie Schlepplifte. Einige der Gemeinden zählen in Hinblick auf die installierte maximale Förderkapazität zum österreichischen Spitzenfeld, unterscheiden sich jedoch von den Gemeinden in Cluster 8 durch die ausgeglicheneren Saisonen und die geringer Nächtigungsdichte und Beschäftigungskonzentration.


In 55 der 69 Gemeinden liegt die Nächtigungsdichte bei über 100 Nächtigungen pro Einwohner und Jahr, in 20 Gemeinden wird eine Nächtigungsdichte über 200 erreicht. Durch die relativ geringe Anzahl von Gemeinden in diesem Cluster wird die durchschnittliche Beschäftigungskonzentration durch die Zugehörigkeit der Stadt Innsbruck gesenkt. Ohne Innsbruck ergibt sich für diesen Cluster LokGes=2,97. In 65 der 69 Gemeinden ist die Beschäftigungskonzentration zumindest so hoch wie im Österreichdurchschnitt, in 33 Gemeinden ist sie zumindest fünf Mal so hoch. Der höchste Siedlungspunkt im Gemeindegebiet befindet sich in 54 der 69 Gemeinden auf mindestens 800m Seehöhe. Mit wenigen Ausnahmen konzentrieren sich Gemeinden dieses Typs in den Bundesländern Vorarlberg, Tirol und Salzburg.

Top 9 Wintersportmetropolen (Cluster 8)

In diesem Cluster sind 9 Gemeinden zusammengefasst, bei denen alle Variablen, die in die Clusteranalyse eingeflossen sind, besonders starke Ausprägungen aufweisen. Insbesondere sticht die durchschnittliche Nächtigungsdichte von über 700 Nächtigungen pro Einwohner und Jahr hervor. Die Gemeinden Untertauern und Tweng (die gemeinsam das Schigebiet Obertauern bilden) verzeichnen mehr als 1000 Nächtigungen pro Einwohner. In allen neun Gemeinden sind mehr als 50% der Beschäftigten im Tourismussektor tätig. Mehr als 70% der Nächtigungen fallen in die Wintersaison. Allen Gemeinden dieses Clusters gemeinsam ist die Lage ihres Hauptortes auf über 1000m Seehöhe, die höchsten Siedlungspunkte befinden sich auf 1150 bis 1900m Seehöhe. Die Wintersportinfrastruktur ist stark ausgebaut, im Schnitt können bis zu knapp 40.000 Personen pro Stunde befördert werden.

6.2 ZWEISTUFIGE CLUSTERANALYSE

6.2.1 Vorgehensweise

Nach der Clusteranalyse aller österreichischen Gemeinden, die eine Einteilung in nicht touristische Gemeinden, Sommer- und Ganzjahres- sowie Wintertourismusgemeinden ermöglichte, wurde weiters eine zweistufige Clusteranalyse vorgenommen. Dabei wurden die Gemeinden zunächst nach dem Kriterium der vorhandenen Liftinfrastruktur in zwei Gruppen eingeteilt: jene Gemeinden, in denen zumindest ein Lift vorhanden ist, und jene, die keinerlei Wintersportinfrastruktur in Form von Aufstiegshilfen aufweisen. In Österreich sind insgesamt 625 Gemeinden mit Schleppliften, Klein- oder Hauptseilbahnen ausgestattet. Für diese Gemeinden wurde eine getrennte Clusteranalyse durchgeführt, in die detailliertere Informationen über die installierte Förderkapazität eingeflossen ist. Die zweistufige Analyse ermöglichte es, Merkmale in die Analyse einfließen zu lassen, die für Gemeinden ohne Liftinfrastruktur nicht vorhanden sind (beispielsweise Höhenlage der Berg- und Talstationen) und so die Analyse verzerren würden. Ebenso wurde für die Gemeinden ohne Aufstiegshilfen eine getrennte Clusteranalyse durchgeführt. Die für die beiden Analysen herangezogenen Variablen sind in der nachfolgenden Tabelle dargestellt.


VARIABLEN CLUSTERANALYSE Gemeinden mit Aufstiegshilfen Variable Erläuterung Nächtigungsdichte Winter Nächtigungsdichte im Winter im Durchschnitt der Jahre 2000-2005Nächtigungsdichte Sommer Nächtigungsdichte im Durchschnitt der Jahre 2000-2005 Beschäftigung im Tourismussektor

Lokation Tourismus an Gesamtbeschäftigung8 (0=Konzentration entspricht dem Ö-Schnitt)

z-Koordinate Seehöhe des Gemeindehauptortes

Höhenerstreckung Differenz zwischen höchstem und niedrigstem Punkt im Gemeindegebiet

Förderleistung HSB+KSB Maximale Förderleistung der Haupt- und Kleinseilbahnen (Pers./h) Förderleistung SCHL Maximale Förderleistung der Schlepplifte (Pers./h) Seehöhe der Talstation Niedrigste vorhandenen Talstation der Aufstiegshilfen Seehöhe der Bergstation Höchste vorhandene Bergstation der Aufstiegshilfen Gemeinden ohne Aufstiegshilfen Variable Erläuterung Nächtigungsdichte Winter Nächtigungsdichte im Winter im Durchschnitt der Jahre 2000-2005Nächtigungsdichte Sommer Nächtigungsdichte im Durchschnitt der Jahre 2000-2005 Beschäftigung im Tourismussektor

Lokation Tourismus an Gesamtbeschäftigung8 (0=Konzentration entspricht dem Ö-Schnitt)

z-Koordinate Seehöhe des Gemeindehauptortes

Höhenerstreckung Differenz zwischen höchstem und niedrigstem Punkt im Gemeindegebiet

Tabelle 7: Variablen der zweistufigen Clusteranalyse.

Im Unterschied zur einstufigen Clusteranalyse wird die unterschiedliche Bedeutung der Sommer- und Wintersaison anstatt über den Anteil der Nächtigungen in der Wintersaison über die jeweiligen Nächtigungsdichten abgebildet. Für die Gemeinden mit Aufstiegshilfen wurde bei der installierten maximalen Förderkapazität zwischen Haupt- und Kleinseilbahnen und Schleppliften unterschieden. Es ist davon auszugehen, dass Wintersportgebiete, in denen höhere Lagen nur mit Hilfe von Schleppliften erreichbar sind, sensibler auf Veränderungen der Schneelage reagieren als Gebiete, in denen auch bei Schneemangel im Tal über Seilbahnen höher gelegene Pisten erreichbar sind. Einen wichtigen Indikator für die Verwundbarkeit eines Schigebietes gegenüber Veränderungen der Schneeverhältnisse stellt seine Höhenlage dar. Dieses Merkmal wurde in der Analyse mittels der Information über die Seehöhe der Tal- und Bergstationen der Aufstiegshilfen

8

( )( )

( )( )

1−⎟⎟⎟⎟

⎠

⎞

⎜⎜⎜⎜

⎝

⎛

ÖsterreichBeschGesÖsterreichBeschTour

GemeindeBeschGesGemeindeBeschTour

, wobei BeschTour = „Anzahl der

Beschäftigten im Beherbergungs- und Gaststättenwesen“ und BeschGes = „Gesamtzahl der Beschäftigten am Arbeitsort“.


erfasst. Die Höhenerstreckung, das heißt die Differenz zwischen der höchsten Erhebung und dem niedrigsten Punkt im Gemeindegebiet (nicht bezogen auf das Siedlungsgebiet), stellt eine wichtige Rahmenbedingung sowohl für die mögliche Ausübung von Wintersport- als auch Sommersportaktivitäten wie Wandern und Bergesteigen dar und enthält zudem Informationen über das Landschaftsbild. Die Höhenlage, angegeben durch die Seehöhe des Gemeindehauptortes ist zudem einer der entscheidenden Faktoren für die Prognose künftiger Wetter- und Klimaveränderungen. Für die Analyse der Gemeinden ohne Aufstiegshilfen wurden nur jene Gemeinden herangezogen, die in den letzten fünf Jahren Nächtigungen aufwiesen. Insgesamt blieben so 735 Gemeinden unberücksichtigt. Die Ergebnisse der Analyse der Gemeinden ohne Aufstiegshilfen werden (gemeinsam mit den Gemeinden der Cluster „Nicht-, Städte- und Sommertourismus“, „Wandertourismusgemeinden mit Wintersaison“ und „Ganzjahrestourismus“ aus der Clusteranalyse der Gemeinden mit Aufstiegshilfen) in einem späteren Schritt für die Auswahl der repräsentativen Regionen für die weitere Analyse der möglichen Global Change Impacts auf den Sommertourismus in Österreich herangezogen werden.

6.2.2 Ergebnisse

In der nachfolgenden Tabelle sind zunächst die Ausprägungen der Variablen, die Eingang in die jeweiligen Clusteranalysen gefunden haben, dargestellt.

AUSPRÄGUNG DER VARIABLEN IN DEN BEIDEN GEMEINDGRUPPEN GEMEINDEN MIT AUFSTIEGSHILFEN GEMEINDEN OHNE AUFSTIEGSHILFEN

Variable MW σ VK(%) Variable MW σ VK(%)

Nächtigungsdichte WI 13,00 102,00 784 Nächtigungsdichte WI 2,36 13,31 565

Nächtigungsdichte SO 11,45 46,28 404 Nächtigungsdichte SO 5,23 23,35 446Beschäftigung im Tourismussektor 0,16 3,55 k.A. Beschäftigung im

Tourismussektor 0,22 1,91 k.A.

z-Koordinate 770,27 268,38 35 z-Koordinate 476,75 225,64 47

Höhenerstreckung 1180,75 584,58 50 Höhenerstreckung 490,40 528,11 108

Förderleistung HSB/KSB 2445,13 6.254,56 256 - Förderleistung SCHL 2965,46 3.669,74 124 - Seehöhe Talstation 882,28 316,17 36 - Seehöhe Bergstation 1309,24 664,56 51 -

Tabelle 8: Ausprägung der Eingangsvariablen: Mittelwerte, Standardabweichung und Variationskoeffizient9 innerhalb der beiden Gemeindegruppen.

9 Variationskoeffizient = %μσ


Betrachtet man die Nächtigungsdichte in den beiden Gruppen, so fällt zunächst auf, dass in Gemeinden mit Aufstiegshilfen die Nächtigungsdichte in beiden Saisonen höher ist. Ein deutlicher Unterschied ergibt sich auch in Bezug auf die Höhenlage: während Gemeinden mit Aufstiegshilfen den Hauptort im Schnitt auf rund 770m Seehöhe haben, liegen Gemeinden ohne Aufstiegshilfen durchschnittlich 300m niedriger.

In Tabelle 9 ist das Ergebnis der beiden getrennt vorgenommen Clusteranalysen überblicksmäßig dargestellt. In der Analyse der Gemeinden mit Aufstiegshilfen wurden insgesamt 625 Gemeinden erfasst, in der Analyse der Gemeinden ohne Aufstiegshilfen insgesamt 997.

EINTEILUNG UND BENENNUNG DER CLUSTER

GEMEINDEN MIT AUFSTIEGSHILFEN Anzahl Gemeinden 1 Nicht-, Städte- und Sommertourismus 167 4 Wandertourismusgemeinden mit Wintersaison 149 2 Ganzjahrestourismus 162 5 Tourismusabhängige Gemeinden 66 3 Wintersportorte mit Sommersaison 66

Cl. Nr.

6 Wintersportmetropolen 15 GEMEINDEN OHNE AUFSTIEGSHILFEN Anzahl Gemeinden

1 Nichttourismus 747 4 Sommer- und Ganzjahrestourismus in höheren Lagen 165 2 Sommertourismus 61

Cl. Nr.

3 Thermen und Sommertourismusmetropolen 24

Tabelle 9: Einteilung und Benennung der Cluster und Anzahl der jeweils zugehörigen Gemeinden.

In Abbildung 36, Abbildung 37 und Abbildung 38 wurden die Ergebnisse der Clusteranalysen visualisiert, um die geographische Verteilung der einzelnen Gemeindegruppen innerhalb von Österreich zu verdeutlichen.


Abbildung 36: Ergebnis der 2-stufigen Clusteranalyse für Gemeinden mit Aufstiegshilfen.

Die Gruppe der Gemeinden mit Nicht-, Sommer- oder Städtetourismus in Abbildung 36 ist auf Grund der geringen Bedeutung des Wintersporttourismus für diese Gemeinden im Zuge der weiteren Analyse des Wintertourismus nicht von Relevanz, die Gemeinden werden jedoch bei der Analyse des Sommertourismus berücksichtigt.

Abbildung 37: Ergebnis der 2-stufigen Clusteranalyse für Gemeinden ohne Aufstiegshilfen.

In den Tabelle 10 und Tabelle 11 sind schließlich die Gruppenmittelwerte der analysierten Merkmale und die zugehörigen Standardabweichungen bzw. Variationskoeffizienten als Maß für


die Streuung innerhalb der Gruppen zusammengefasst. Die im nächsten Abschnitt erfolgende detaillierte Beschreibung wird sich in den allgemeinen Ausführungen zu jedem Cluster auf die in dieser Tabelle dargestellten Werte beziehen.

GEMEINDEN MIT AUFSTIEGSHILFEN Cluster C1 C4 C2 C5 C3 C6

Variablen

Nicht-, Städte-,

Sommert.

Wandern mit Winter Ganzjahr Tourismus-

abhängig

Wintersport mit

Sommer

Wintersport-metropolen

MW 2,05 9,07 17,10 98,09 57,23 515,40σ 6,61 20,62 28,61 66,40 81,11 245,92Nächtigungsdichte WIVK 322,38 227,29 167,30 67,70 141,71 47,71MW 3,64 14,81 18,88 69,91 39,16 163,10σ 10,55 25,90 20,22 43,54 44,91 94,78Nächtigungsdichte SOVK 289,77 174,83 107,10 62,29 114,67 58,11MW -0,22 0,28 0,87 5,17 1,44 7,74σ 1,88 1,82 2,85 2,77 2,80 1,23Lok. Beschäftigung

im Tourismussektor VK -848,93 642,88 326,26 53,60 194,79 15,93MW 539,97 642,68 912,90 1133,74 808,29 1294,60σ 164,64 133,99 173,98 202,29 180,97 188,60z-Koordinate VK 30,49 20,85 19,06 17,84 22,39 14,57MW 492,07 1386,60 1373,94 1643,67 1456,99 1464,62σ 282,54 336,56 472,15 487,32 502,71 443,94Höhenerstreckung VK 57,42 24,27 34,36 29,65 34,50 30,31MW 56,22 361,27 924,19 3091,26 12031,86 21142,93σ 255,30 909,54 1984,55 3913,77 9043,82 16240,07Förderleistung

HSB/KSB VK 454,10 251,76 214,73 126,61 75,17 76,81MW 903,97 2063,03 2457,04 3962,98 9025,85 9316,80σ 703,87 2004,51 1947,96 2747,38 5107,79 7886,25Förderleistung SCHL VK 77,86 97,16 79,28 69,33 56,59 84,65MW 603,35 758,29 1141,01 1221,24 803,14 1281,87σ 181,64 160,77 244,04 222,13 191,68 290,38Seehöhe Talstation VK 30,10 21,20 21,39 18,19 23,87 22,65MW 721,46 1061,76 1495,06 1836,83 2136,65 2342,87σ 236,64 312,21 369,81 451,88 963,99 460,95Seehöhe Bergstation VK 32,80 29,41 24,74 24,60 45,12 19,67

Anzahl Gemeinden 167 149 162 66 66 15

Tabelle 10: Mittelwerte, Standardabweichungen + Variationskoeffizienten (in %) innerhalb der 6 Cluster.


GEMEINDEN OHNE AUFSTIEGSHILFEN

Cluster C1 C4 C2 C3

Variablen Nicht-

tourismus

Sommer-, Ganzjahr

höhere LagenSommer

Thermen/ Sommer-

metropolen MW 1,23 6,71 7,03 50,01 σ 2,65 9,21 10,96 48,27 Nächtigungsdichte WIVK 216,55 137,25 155,97 96,53 MW 2,57 11,27 32,13 116,61 σ 5,21 10,58 25,35 80,49 Nächtigungsdichte SOVK 202,76 93,80 78,89 69,03 MW -0,31 0,47 4,33 3,62 σ 0,89 2,13 2,53 2,54 Lok. Beschäftigung

im Tourismussektor VK k.A. k.A. k.A. k.A. MW 406,83 793,12 456,25 530,25 σ 161,51 174,04 235,22 331,83 z-Koordinate VK 39,70 21,94 51,56 62,58 MW 298,11 1.380,69 430,34 507,14 σ 285,14 498,67 415,37 545,59 Höhenerstreckung VK 95,65 36,12 96,52 107,58

Anzahl Gemeinden 747 165 61 24

Tabelle 11: Mittelwerte, Standardabweichungen + Variationskoeffizienten (in %) innerhalb der 4 Cluster.

Abbildung 38: Ergebnis der 2-stufigen Clusteranalyse für alle Gemeinden.


6.2.3 Beschreibung der Cluster

6.2.3.4. Gemeinden mit Liftinfrastruktur

Nicht-, Städte- und Sommertourismus (Cluster 1)

In diesen Cluster fallen hauptsächlich Gemeinden in Ober- und Niederösterreich und der Steiermark (insgesamt 124 der 167 Gemeinden) in niedriger gelegenen Regionen. In 112 der Gemeinden liegt der Hauptort unterhalb von 600m. Die Gemeinden dieses Clusters können nicht als Wintertourismusorte bezeichnet werden. In 157 der 167 Gemeinden finden sich keine Haupt- und Kleinseilbahnen sondern lediglich einzelne Schlepplifte: 115 der Gemeinden haben einen, 27 zwei Schlepplifte. 23 Gemeinden hatten in den letzten 5 Jahren keine Nächtigungen zu verzeichnen, in 100 Gemeinden lagen die absoluten Nächtigungszahlen unter 10.000 Nächtigungen pro Jahr. Eine Ausnahme bilden hier die beiden Landeshauptstädte Salzburg und Graz, die auf Grund der nicht als Aufstiegshilfen im Wintersport genutzten Seilbahnen in die Clusteranalyse eingeflossen sind, sowie die Städte Wien, Klagenfurt, Feldkirch und Bregenz. Mit Ausnahme von 5 Gemeinden liegt in Gemeinden mit Nächtigungen der Schwerpunkt im Sommer. In 127 der 148 Gemeinden finden mehr als 60% der Nächtigungen im Sommer statt. Die Nächtigungsdichte liegt jedoch nur in 25 Gemeinden bei über 10 Nächtigungen pro Einwohner und Jahr, das heißt es liegt - mit Ausnahme der Landeshauptstädte und einiger typischer Sommertourismusorte wie Velden am Wörther See oder Gemeinden rund um den am Attersee - im Allgemeinen keine intensive touristische Nutzung vor. In 96 der Gemeinden liegen zwischen höchstem und niedrigstem Punkt im Gemeindegebiet weniger als 500 Höhenmeter, womit diese Gemeinden auch weniger Eignung für Wandertourismus aufweisen. Die vergleichsweise geringe Nächtigungsintensität spiegelt sich auch in der Konzentration der Beschäftigung wider: in 76 Gemeinden liegt die Konzentration unter dem Österreichschnitt, in 69 Gemeinden liegt die Lokation zwischen 0 und 2.

Wandertourismusgemeinden mit Wintersaison (Cluster 4)

Der Nächtigungsschwerpunkt liegt im Großteil der Gemeinden dieses Clusters im Sommer, nur 23 der Gemeinden verzeichnen mehr als die Hälfte ihrer Nächtigungen in der Wintersaison. Es handelt sich vielfach um Gemeinden in Gebirgsregionen, die im Sommer vor allem als Wandertourismusregionen erfolgreich sind. Jene Gemeinden mit Nächtigungsschwerpunkt eher im Winter bzw. relativ ausgeglichenen Saisonverläufen und höheren Nächtigungsdichten befinden sich meist in unmittelbarer Nähe zu größeren Schigebieten bzw. weisen selbst eine größere Zahl von Aufstiegshilfen auf (27 Gemeinden haben mehr als 5 Lifte). Im Vergleich zu den Gemeinden in Cluster 3 und 5 ist die Wintersportinfrastruktur von nicht so großer Bedeutung. 113 der Gemeinden haben keine Haupt- oder Kleinseilbahn, 33 nicht mehr als 3. Die Schigebiete sind des Weiteren niedriger gelegen, die Bergstationen in 140 der Gemeinden liegen unterhalb von 1.600m. Der Gemeindehauptort liegt im Schnitt auf 640m Seehöhe, in 21 Gemeinden unterhalb von 500m, in 22 oberhalb von 800m. Innerhalb des Gemeindegebiets besteht in fast allen Gemeinden eine Höhendifferenz von mehr als 1.000 Höhenmetern. Obwohl die Konzentration in diesem Cluster nicht die Werte in Cluster 3 oder 5 erreicht, ist die Tourismusbranche in diesem


Cluster dennoch ein bedeutender Arbeitgeber. In 32 der Gemeinden liegt die Bedeutung des Tourismussektors als Arbeitgeber unter dem Österreichschnitt, für 53 weitere Gemeinden gilt Lokation Tourismus an der Gesamtbeschäftigung < 1. In 17 der Gemeinden ist der Anteil der Beschäftigten im Tourismus mehr als vier Mal so hoch wie der entsprechende Anteil auf Österreichebene.

Ganzjahrestourismusgemeinden in Gebirgsregionen (Cluster 2)

Dieser Cluster ist dem Cluster 4 zum Teil sehr ähnlich, weshalb in der Beschreibung auch immer wieder auf Ähnlichkeiten bzw. Unterscheidungsmerkmale eingegangen wird. In diesem Cluster gibt es einige kleinere und mittelgroße Schigebiete (49 Gemeinden haben mehr als 5 Lifte, 18 Gemeinden mehr als 8). Die Förderkapazitäten in diesem Cluster sind nicht so hoch wie in den Clustern 3 und 5, da hauptsächlich Schlepplifte vorhanden sind (116 der Gemeinden haben keine Seilbahnen). Ähnlich wie in Cluster 4 gibt es auch hier Gemeinden mit Nächtigungsschwerpunkt im Winter und relativ hohen Nächtigungsdichten für die die Annahme gilt, dass auch die Nähe zu größeren Schigebieten dafür von Bedeutung ist (bzw. vereinzelt auch die Einschränkungen bei der Verortung der Lifte zum Tragen kommen). Wie in Cluster 4 ist in vielen Gemeinden dieses Clusters auch die Sommersaison von Bedeutung: 98 der Gemeinden haben den Schwerpunkt im Sommer. Die Gemeinden mit ausgeprägtem Sommerschwerpunkt können wiederum großteils als Wander- und Bergtourismusgemeinden bezeichnet werden. Die Gemeinden dieses Clusters sind im Schnitt etwas kleiner als jene in Cluster 4 (102 der Gemeinden haben weniger als 1.500 Einwohner), wodurch auch teilweise die etwas höheren Nächtigungsdichten in diesem Cluster bedingt sind. Die höchsten absoluten Nächtigungszahlen erzielen Gemeinden mit relativ ausgeglichenen Saisonverläufen. Ein weiteres Unterscheidungsmerkmal zu Gemeinden in Cluster 4 ist die Höhenlage: Die Hauptorte der Gemeinden dieses Cluster liegen im Schnitt um knapp 300m höher, 128 der Gemeinden liegen auf über 800m, 53 auf über 1.000m. Auch die Schigebiete sind höher gelegen, mit 144 der Talstationen auf über 900m. 65 der Schigebiete reichen auf über 2.500m, wobei die Schigebiete mit mehr Liften in der Regel auch weiter hinauf reichen. Die Bedeutung des Tourismussektors als Arbeitgeber ist in diesem Cluster höher als in Cluster 4. Für 35 der Gemeinden gilt Lokation Tourismus an der Gesamtbeschäftigung < 1, für 75 Gemeinden > 3.

Kleine Gemeinden mit hoher Abhängigkeit vom Tourismus (Cluster 5)

Bei den 66 Gemeinden dieses Clusters handelt es sich in der Regel um sehr kleine oder kleinere Schigebiete mit einer durchschnittlichen Förderkapazität von 3.000 Personen pro Stunde bei Schleppliften und 4.000 Personen bei Seilbahnen. Knapp die Hälfte der Gemeinden hat ausschließlich Schlepplifte. In vereinzelten Fällen, wie beispielsweise bei der Gemeinde Kleinarl, kommen hier auch die dargestellten Einschränkungen bei der Verortung der Aufstiegshilfen (siehe Abschnitt 4.2) zum Tragen (d.h. die ausgewiesene Kapazität entspricht nicht der tatsächlich von der Gemeinde aus erreichbaren Infrastruktur, beispielsweise weil sie Teil einer Schiarena ist und die Lifte aufgrund des Betreibers ausschließlich dem Hauptort dieses Schigebiets zugeordnet


werden). Für die Beschäftigung ist der Tourismus in diesen Gemeinden von überdurchschnittlicher Bedeutung, d.h. die Konzentration ist im Schnitt fünf Mal so hoch wie im Österreichdurchschnitt. Für 53 der 66 Gemeinden gilt Lokation Tourismus an der Gesamtbeschäftigung > 4. In beinahe allen Gemeinden liegt der Anteil der Beschäftigten im Tourismussektor bei über 30%, die Hälfte der Gemeinden zählt mehr als 50% Beschäftigung im Tourismus. Für die Gemeinden diese Clusters ist auch der Sommertourismus von Bedeutung. Es lässt sich jedoch innerhalb der Gruppe kein eindeutiger Saisonschwerpunkt feststellen: in 58 Gemeinden liegt der Anteil der Winternächtigungen zwischen 30% und 75%, bei 44 der Gemeinden liegt der Schwerpunkt im Winter, bei den restlichen 22 im Sommer. Die durchschnittlichen absoluten Nächtigungszahlen liegen im Vergleich zu Cluster 3 deutlich niedriger. Im Sommer finden in diesen Gemeinden im Schnitt 82.000 Nächtigungen statt, nur in 17 Gemeinden sind es mehr als 100.000. Im Winter liegen die Nächtigungszahlen im Schnitt bei 115.000, wobei 18 Gemeinden mehr als 150.000 Winternächtigungen erzielen. Die hohen Nächtigungsdichten sind im Vergleich zu Cluster 3 davon beeinflusst, dass in diesem Cluster bevölkerungsmäßig sehr kleine Gemeinden zusammengefasst wurden. Nur 14 Gemeinden haben mehr als 1.500 Einwohner, 36 Gemeinden haben weniger als 1.000, 15 davon weniger als 500 Einwohner. Auch die in Hinblick auf die Beschäftigung im Vergleich zu Cluster 3 weniger stark diversifizierte Wirtschaft ist in hohem Maße darauf zurückzuführen. Die Gemeinden dieses Clusters sind durchwegs hoch gelegen, in 58 Gemeinden liegt der Hauptort auf mindestens 1.000m. In 60 der Gemeinden liegen zwischen höchstem und niedrigstem Punkt mehr als 1.000 Höhenmeter. Die Schigebiete dieser Gemeinden erstrecken sich im Schnitt zwischen 1.280m und 2.340m.

Wintersportorte mit Sommersaison (Cluster 3)

Nach Cluster 6 weist diese Gruppe mit durchschnittlich 9.000 Personen/h bei Schleppliften und 12.000 Personen/h bei Seilbahnen die höchsten Förderkapazitäten auf. 60 Gemeinden dieses Clusters haben mehr als 10 Lifte, 40 Gemeinden mehr als 15. Die Schigebiete beinahe aller Gemeinden dieses Clusters haben Seilbahnen, 42 Gemeinden haben mindestens 5 Haupt- oder Kleinseilbahnen in Betrieb. Der Großteil der Gemeinden ist stark wintertouristisch geprägt. In 54 der 66 Gemeinden liegt der Nächtigungsschwerpunkt im Winter, in 26 Gemeinden beträgt der Anteil über 60%. Dieser Cluster enthält typische Wintersportorte zu denen auch beliebte Sommerdestinationen zählen. Im Vergleich zu Cluster 6 sind die Gemeinden eher größer, haben ausgeglichenere Saisonverläufe mit nicht ganz so intensiver touristischer Nutzung. Im Vergleich zu Cluster 5 fällt neben der stärker ausgebauten Skisportinfrastruktur und den bedeutend höheren absoluten Nächtigungszahlen ebenfalls die höhere Einwohnerzahl ins Gewicht. Im Großteil der Gemeinden wurden in den letzten 5 Jahren mehr als 100.000 Nächtigungen pro Wintersaison verzeichnet, in 24 Gemeinden mehr als 300.000. Der Durchschnitt bei den absoluten Nächtigungen im Winter liegt bei 270.000. Im Sommer fanden durchschnittlich 185.000 Nächtigungen statt, wobei 43 Gemeinden mehr als 100.000 und 20 mehr als 200.000 Nächtigungen verzeichneten. Lediglich 6 der 66 Gemeinden haben weniger als 1.000 Einwohner, 40 der Gemeinden haben als 2.000, 26 davon mehr als 3.000 Einwohner. Obwohl in allen Gemeinden dieses Clusters (mit Ausnahme der Landeshauptstadt Innsbruck) der Tourismussektor


als Arbeitgeber im Vergleich zu Gesamtösterreich von überdurchschnittlicher Bedeutung ist, ist die Konzentration der Beschäftigung nicht so stark ausgeprägt wie in den Clustern 3 oder 6. Für 26 der 66 Gemeinden gilt jedoch ebenso Lokation Tourismus an der Gesamtbeschäftigung > 4. Die Hauptorte der Gemeinden dieses Clusters liegen im Schnitt auf rund 800m, 7 Hauptorte auf über 1.000m. Die Schigebiete dieser Gemeinden erstrecken sich von der durchschnittlichen Höhe der Hauptorte auf rund 2.130m. 57 der Schigebiete reichen nicht über 2.500m, 36 nicht über 2.000m.

Wintersportmetropolen (Cluster 6)

Dieser Cluster enthält 15 sehr stark wintertouristisch geprägte Gemeinden. Hervorstechendes Merkmal dieser Gruppe von Gemeinden ist die sehr hohe installierte Förderkapazität. Im Schnitt können in diesen Gebieten mehr als 30.000 Personen pro Stunde befördert werden. Zwei Drittel der Kapazität ist in Form von Haupt- und Kleinseilbahnen vorhanden. Gemeinsam ist den Gemeinden die überdurchschnittliche hohe Nächtigungsintensität. In der Wintersaison werden im Gruppenschnitt mehr als 500 Nächtigungen pro Einwohner verzeichnet. Der Anteil der Winternächtigung liegt durchwegs bei über 70%. Dennoch ist auch die Sommersaison in diesen Gemeinden von Bedeutung. Dies drückt sich in der hohen Dichte von über 160 Übernachtungen pro Einwohner aus. Neben den hohen absoluten Nächtigungszahlen sind die hohen Nächtigungsdichten in beiden Saisonen natürlich auch auf die relativ geringen Einwohnerzahlen der Gemeinden zurückzuführen. 10 der Gemeinden haben weniger als 1.000 Einwohner, die größten Gemeinden – Sölden und Saalbach-Hinterglemm – zählen knapp über 3.000 Einwohner. Der Anteil der Beschäftigten im Tourismussektor ist ein weiteres charakterisierendes Merkmal dieses Clusters: Mit 50%-80% aller Beschäftigten (Lokation Tourismus an der Gesamtbeschäftigung von durchschnittlich 7,7) liegt die Konzentration sehr stark über dem Österreichschnitt, womit auch die Verwundbarkeit gegenüber Schwankungen in diesem Bereich überdurchschnittlich hoch ist. In Hinblick auf sich ändernde klimatische Rahmenbedingungen für Wintertourismus und Wintersportaktivitäten wird diese Verwundbarkeit durch die Höhenlage der Gemeinden relativiert: der Hauptort liegt in allen Gemeinden auf über 1.000m Seehöhe, der höchste Punkt im Gemeindegebiet reicht von 2.000 bis über 3.600m. Auch die Schigebiete selbst sind hoch gelegen, mit Talstationen auf durchschnittlich knapp 1.300m und Bergstationen auf 2.300m.

6.2.3.5. Gemeinden ohne Liftinfrastruktur

Nichttourismus-Gemeinden (Cluster 1)

In diese Gruppe von Gemeinden fallen hauptsächlich Gemeinden in niederen Lagen der Länder Ober- und Niederösterreich, Burgland und der südlichen und östlichen Steiermark. Beinahe alle der 747 Gemeinden haben ihren Nächtigungsschwerpunkt im Sommer, allerdings ist der Tourismus weder in Hinblick auf Nächtigungen noch in Hinblick auf die Beschäftigung von überdurchschnittlich großer Bedeutung. Für einen Teil der Gemeinden ist vor allem der Tages-


und Ausflugstourismus relevant. Nur 37 Gemeinden verzeichnen mehr als 20 Nächtigungen pro Einwohner und Jahr, 559 Gemeinden nicht mehr als 5. Zu den Gemeinden mit den größten absoluten Nächtigungszahlen zählen die Städte St. Pölten, Linz, Steyr, Tulln, Klosterneuburg, Wels, Wals-Siezenheim, Schwechat oder Baden. Die Konzentration der Beschäftigungen im Tourismussektor liegt im Gruppenschnitt unterhalb des Österreichschnitts. Dies gilt auch für 402 der Gemeinden dieses Clusters, für weitere 234 Gemeinden gilt Lokation Tourismus an der Gesamtbeschäftigung < 1. Der Großteil der Gemeinden hat seinen Hauptort auf unter 600m Seehöhe und erstreckt sich über weniger als 600 Höhenmeter.

Sommer- und Ganzjahrestourismusgemeinden in höheren Lagen (Cluster 4)

Rund 100 Gemeinden dieses Clusters haben einen eindeutigen Sommerschwerpunkt, bei den restlichen 65 Gemeinden verlaufen die Saisonen relativ ausgeglichen bzw. mit einem leichten Schwerpunkt in der Wintersaison. Die geographische Verteilung dieses Clusters konzentriert sich im Gegensatz zu Cluster 1 auf höhere Lagen vor allem in den Bundesländern Kärnten, Tirol, Salzburg und der westlichen Steiermark. Vor allem im Sommer werden höhere Nächtigungsdichten verzeichnet als in Cluster 1, teilweise auch auf die kleineren Gemeindegrößen in diesem Cluster. Ein wesentliches Unterscheidungsmerkmal das auch auf die unterschiedlich Art der touristischen Nutzung schließen lässt, ist die Höhenlage der Gemeinden. Der Großteil der Gemeinden in diesem Cluster liegt auf über 600m, 75 haben ihren Hauptort auf über 800m. Ebenso erstreckt sich der Großteil über mehr als 1000 Höhenmeter. Für 121 Gemeinden ist der Tourismussektor als Arbeitgeber von größerer Bedeutung als im Österreichschnitt, in 65 dieser Gemeinden ist der Anteil mindestens drei Mal so hoch.

Sommertourismus-Gemeinden (Cluster 2)

Die 61 Gemeinden dieses Clusters, der sich in den östlichen Bundesländern konzentriert, haben ihren eindeutigen Saisonschwerpunkt im Sommer und weisen sowohl in der Sommer- als auch in der Wintersaison im Schnitt höhere Nächtigungsdichten auf als die Gemeinden der Cluster 1 und 4. Die höchsten absoluten Nächtigungszahlen erzielen Gemeinden wie Illmitz, Krumpendorf am Wörther See, Fuschl am See oder Steindorf am Ossiacher See mit durchschnittlich mehr als 150.000 Nächtigungen pro Jahr. Der Tourismussektor ist in diesen Gemeinden für die Beschäftigung von überdurchschnittlicher Bedeutung: in allen Gemeinden ist der Anteil mindestens drei Mal so groß wie im Österreichschnitt, in der Hälfte der Gemeinden mehr als fünf Mal so groß. 45 Gemeinden haben den Hauptort nicht über 600m, ebenso viele erstrecken sich über nicht mehr als 500 Höhenmeter.

Sommertourismusmetropolen und Thermenstandorte (Cluster 3)

Die Gemeinden dieses Clusters sind vor allem durch die sehr hohen Nächtigungsdichten in beiden Saisonen sowie die hohe Abhängigkeit des lokalen Arbeitsmarktes vom Tourismussektor


gekennzeichnet. Während die „Sommertourismusmetropolen“ in diesem Cluster wie Ossiach, St. Kanzian am Klopeiner See oder Podersdorf am See mehr als 90% ihrer Nächtigungen im Sommer erzielen, haben die Thermenstandorte weitgehend ausgeglichene Saisonverläufe mit einem leichten Schwerpunkt im Sommer. In 14 der Gemeinden ist jeder Dritte im Tourismussektor beschäftigt, auch in den restlichen Gemeinden liegt der Anteil über dem Österreichschnitt. Quasi als „Ausreißer“ enthält dieser Cluster 5 Tiroler Gemeinden, die zwar den größeren Teil ihrer Nächtigungen im Winterhalbjahr erzielen, jedoch auf Grund der hohen Nächtigungsdichten in beiden Saisonen diesem Cluster zugeordnet wurden. Mit Ausnahme der Tiroler Gemeinden liegen in diesem Cluster zwischen höchstem und niedrigstem Punkt durchschnittlich nicht mehr als 200 Höhenmeter.


6.2 ANALYSE TOURISMUSRELEVANTER KLIMAKENNGRÖßEN FÜR ÖSTERREICH

Im ersten Projekthalbjahr erfolgte in erster Linie die Aufbereitung der meteorologischen Daten und die Berechnung von tourismusrelevanten Klimakennzahlen. Als erster Schritt wurde der StartClim-Stationsdatensatz (71 Stationen) der ZAMG (Schöner 2003) für automatische Auswertung aufbereitet, mit den Jahren 2003 bis 2005 ergänzt und hinsichtlich Datenverfügbarkeit von Temperatur, Niederschlag und Schnee für den Zeitraum 1961 bis 2005 überprüft. 66 Stationen verfügen über hinreichend lückenlose Zeitreihen aller drei Variablen. Die Koordinaten der Stationen sind in Tabelle 2 zusammengestellt und die räumliche Verteilung der Stationen kann Abbildung 23 sowie den folgenden Abbildungen entnommen werden.

Die von uns durchgeführten Auswertungen setzen eine hohe Datenqualität voraus. Deshalb wurden nur die bereits in einem anderen Forschungsprojekt qualitätsgeprüften Daten verwendet. Dennoch zeigte sich bei diversen Kenngrößen ein eigentümliches Verhalten einzelner Stationen. Konnte durch Rücksprache mit der ZAMG keine plausible Erklärung für das Verhalten gefunden werden, werden diese Stationen bei der Interpretation der jeweiligen Kennzahl nicht berücksichtigt.

Da a priori nicht gesagt werden kann, welche klimatologischen Kennzahlen die für den Tourismus relevantesten sind, wird eine Vielzahl an Kennzahlen, sowohl der Einzelparameter als auch kombinierter Größen berechnet. Bei diesen Kennzahlen handelt es sich einerseits um Standardgrößen wie Summe, Mittelwert und Standardabweichung, aber auch zusätzliche statistische Maße wie diverse Perzentile, Persistenzen und die interannuale Variabilität diverser Kenngrößen werden berechnet. Die Berechnung der Klimakennzahlen erfolgt für die Perioden 1961-1990 und 1976-2005. Dies erlaubt zusätzlich quantitative Aussagen über den beobachteten Klimawandel in den letzten Dekaden. Die Differenzen der beiden Perioden entsprechen dem mittleren Trend von 15 Jahren und können einfach in Änderung pro Dekade umgerechnet werden.

Die erste Runde der Berechnung der Klimakennzahlen ist bereits abgeschlossen und derzeit erfolgt die Analyse und Synopsis der Ergebnisse. Aufgrund der Ergebnisse dieser Analyse wird danach entschieden, ob noch weitere komplexere Klimakennzahlen berechnet werden müssen.

Hier eine kleine Auswahl der bisher ausgewerteten Klimakennzahlen:

In Abbildung 39 und Abbildung 40 ist die Änderung der Sommer- bzw. Winterdurchschnittstemperatur von der Periode 1961-1990 zu 1976-2005 dargestellt. Im Sommer ist eine gleichmäßigere Erwärmung fest zu stellen als im Winter, wobei die Bandbreite zwischen 0.4 °C bis 1.2 °C liegt, und die Maxima im Grazer Becken erreicht werden. Im Winter ist die Änderung differenzierter. Hier reicht die Bandbreite von einer leichten Abkühlung (-0.1 °C in Obergurgl) bis zu einer Erwärmung von 1.0 °C wiederum im Grazer Becken. Generell scheint im Winter die Erwärmung im Westen und Süden Österreichs (mit Ausnahme des Klagenfurter Beckens) etwas höher zu sein als im Nordosten. Die stärkere Differenzierung im Winter kann durch die Abkoppelung der alpinen Tal- und Beckenlagen durch Temperaturinversionen erklärt werden.


Abbildung 39: Änderung der Sommertemperatur [JJA] von der Periode 1961-1990 zu 1976-

2005.

Abbildung 40: Änderung der Wintertemperatur [DJF] von der Periode 1961-1990 zu 1976-

2005.

In Abbildung 41 ist die Änderung der Anzahl der Tage mit einer Schneedecke größer 20 cm zwischen den beiden Perioden dargestellt. Hier reicht die Bandbreite von einer leichten Zunahme (hauptsächlich im östlichen Zentralalpenbereich), bis zu einer Abnahme von mehr als 3 Wochen. Besonders stark ausgeprägt ist die Abnahme im Arlberggebiet und südlich des


Alpenhauptkammes, wobei hier alle Seehöhen betroffen sind. So beträgt etwa die Abnahme auf der Villacher Alpe in 2140 Meter über dem Meeresspiegel 19.5 Tage.

Abbildung 41: Änderung der Tage mit einer Schneedecke größer 20 cm von der Periode 1961-

1990 zu 1976-2005.

In Abbildung 42 ist eine Kennzahl dargestellt, die als Indikator dient um abzuschätzen, welcher Anteil der winterlichen Niederschläge als Regen fällt. Hierzu wurden nur Tage mit nennenswerten Niederschlägen im Sinne von Schneedeckenaufbau [> 5 mm] betrachtet. Von diesen Niederschlagstagen wurde bestimmt, an wie vielen die Temperatur während des gesamten Tages (alle Termine und Tmin) über 0 °C gelegen ist und danach der Prozentsatz dieser Tage an der Gesamtanzahl dieser Niederschlagstage bestimmt. Diese Definition stellt zwar nicht ganz sicher, dass an derartigen Tagen kein Schnee fällt, jedoch ist die Wahrscheinlichkeit für Regen schon sehr hoch. Eine genaue Festlegung ob Niederschlag als Schnee fällt könnte nur anhand von Stundendaten durchgeführt werden. Die Ergebnisse sind selbst für uns überraschend und eine vollständige Interpretation kann noch nicht gegeben werden. Die Verteilung zeigt natürlich eine starke Höhenabhängigkeit und in Regionen über 2000 m wird dieser Grenzwert nahezu nie erreicht. Im Donau- und Rheintal und liegen die Prozentsätze bei über 50 Prozent und selbst in Innsbruck erreichen 43 % der Niederschlagstage diesen Grenzwert.


Abbildung 42: Prozent der Tage mit nennenswerten Niederschlag [> 5mm] im Winter [DJF] an

denen das Temperaturminimum über 0 °C liegt in der Periode 1976-2005.

Dies sind nur einige Beispiele der Klimakennzahlen und der möglichen Interpretation. Als nächster Schritt müssen alle Kennzahlen grafisch aufbereitet und gemeinsam mit Joanneum Research analysiert werden, um die für den Tourismus relevantesten Kennzahlen heraus zu arbeiten, und im gegebenen Fall noch weitere Kennzahlen zu berechen.

Die Fortsetzung der Untersuchung der Klimakenngrößen bezieht sich vor allem auf die Analyse der Sommerparameter, da der Winter bereits in letzten Berichten untersucht wurde. Für den Sommer kann mitunter auch Θe betrachtet werden, allerdings nur in Hinblick auf Gletscher bzw. Gletscherskigebiete. Allgemein sind natürlich die Veränderung der Temperatur und des Niederschlags wichtige Parameter auch für eine allgemeine Abschätzung der klimatischen Bedingungen. Hierbei ist anzumerken, dass die Temperatur wesentlich robustere Aussagen liefert als der Niederschlag, der in den Regionalmodellen immer ein schwieriger Parameter ist. Neben diesen zwei Größen sind aber auch andere relevante Größen ausgewählt worden, um in Verbindung mit dem Tourismus Aussagen über mögliche Veränderungen tätigen zu können. Im Hinblick auf “Schönwetter“ ist die Persistenz von niederschlagsfreien Perioden eine Möglichkeit für einen tourismus-relevanten Indikator. Hierbei werden niederschlagsfreie und nicht wolkenlose Perioden betrachtet, da Bewölkungsdaten nicht vorhanden sind. In weiterer Folge können diese Perioden auch noch mit den Temperaturen gekoppelt werden und somit Hitzeperioden bzw. warme Perioden detektiert werden. Ein weiterer Untersuchungsparameter in diesem Zusammenhang ist die Anzahl von Sommertagen (Tmax > 25° C) und Hitzetagen (Tmax > 30° C). Abbildung 43 zeigt ein Beispiel für die Anzahl der Hitzetage in Zell am See für den Zeitraum 1948-2005. Deutlich zu sehen ist die Zunahme und das deutliche Maximum im Jahr 2003. Auch in den Szenarien ist zu erwarten, dass sich dieser Trend fortsetzt. Im Gegensatz zu den Persistenzen der niederschlagsfreien Tage sind auch die Perioden mit Niederschlag von Interesse. Somit wären die Perioden lang andauernder gleicher Wetterlagen abgedeckt, die für den


Tourismus bedeutsam sind. Sämtliche ausgewählte Parameter sind nun in weiterer Folge mit den regionalen Szenarien in allen ausgesuchten Bezirken zu untersuchen.

Abbildung 43: Hitzetage pro Jahr in Zell am See 1948 – 2005.

6.3 KLIMATOLOGISCHE CLUSTERANALYSE

Für den Wintertourismus besonders relevant sind die thermischen Verhältnisse und die Niederschlagsbedingungen. Die reinen Temperaturbedingungen sind jedoch für eine Clusteranalyse nicht geeignet, da die Temperatur eine derart hohe Korrelation mit der Seehöhe hat, dass bei einer Clusteranalyse faktisch eine Zusammenführung der Gebiete mit gleicher Seehöhe erfolgen würde. Daher wurde für die klimatologische Clusteranalyse nur der Niederschlag verwendet, um Österreich in Regionen einzuteilen.

Basis für die Regionseinteilung für den Wintertourismus sind die Clusteranalysen von Seibert et al., 2006. In dieser Arbeit wird Österreich in sieben Regionen eingeteilt, in denen gleichzeitig und großflächig Starkniederschläge auftreten. Neben der ganzjährigen Untersuchung wurde diese Einteilung auch für das Sommer- und Winterhalbjahr getrennt durchgeführt. In Abbildung 44 sind die Ergebnisse dieser Arbeit für das Winterhalbjahr dargestellt. In diesen Regionen treten jeweils gleichzeitig Starkniederschläge auf. Diese Starkniederschläge sind im Winter besonders für den Schneedeckenaufbau relevant. In der Arbeit von Seibert et al. wurde auch gezeigt, dass in den jeweiligen Regionen bei ganz speziellen Wetterlagen diese Starkniederschläge auftreten.


Abbildung 44: Regionen mit gleichzeitigem Auftreten von Starkniederschlägen im Winter in Österreich. Nach Seibert et al., 2006.

Für unsere Anwendung für den Wintertourismus wurden diese sieben Regionen zu drei Regionen zusammengefasst. Diese Einteilung Österreichs in drei Regionen wurde auch schon in Arbeiten von Matulla et al, 2003 und Ehrendorfer, 1987 verwendet und beide Arbeiten zeigen ähnliche Ergebnisse, obwohl diese mit Monatsniederschlagsdaten berechnet wurden und unser Ansatz auf Starkniederschlägen auf Tagesbasis beruht. Die Einteilung Österreichs in drei Niederschlagsregionen beruht auf den Haupteinflussfaktoren. Die Regionen südlich des Alpenhauptkammes werden stark vom Mittelmeer beeinflusst, die Regionen nördlich des Alpenhauptkammes hingegen vom Atlantik. Zusätzlich gibt es nach Osten hin einen immer stärkeren kontinentalen Einfluss und für die nordöstlichen Regionen Österreichs ist nicht mehr der Atlantik die Hauptfeuchtequelle, sondern die Nord- und Ostsee. In Abbildung 45 sind die zusammengefassten Regionen dargestellt.


Abbildung 45: Niederschlagsregionen im Winter in Österreich basierend auf Seibert et al., 2006.

Diese Niederschlagsregionsaufteilung beruht sozusagen auf der Herkunft der Feuchtigkeit für den Niederschlag und gibt daher auch an, welche Anströmrichtungen bei Starkniederschlägen bevorzugt vorherrschen. Damit beinhalten sie aber auch zusätzlich eine Temperaturinformation bei Starkniederschlag, da Luftmassen aus dem Mittelmeerraum oder vom Atlantik deutlich wärmer sind als Luftmassen aus dem Nord- und Ostseeraum. Gerade die Temperatur bei starkem Niederschlag ist aber für den Schneedeckenaufbau und damit für die Schneesicherheit von besonderer Bedeutung.


6.4 AUSWAHL REPRÄSENTATIVER REGIONEN

Die Auswahl der repräsentativen Regionen erfolgte auf Basis der durchgeführten sozio-ökomischen und klimatologischen Clusteranalysen. Aus jeder der oben dargestellten Niederschlagesregionen (siehe Abbildung 45) wurden 2 Regionen (eine höher und eine niedriger gelegene) für die weitere Analyse im Bereich Wintertourismus ausgewählt (siehe Abbildung 46). Für die Auswahl waren insbesondere folgende Kriterien entscheidend: Erstens sollten auf Grund der ökonomischen Bedeutung des Wintertourismus besonders vulnerable Gemeinden ausgewählt werden. Zweites war für die endgültige Auswahl die Verfügbarkeit geeigneter meteorologischer Daten entscheiden, d.h. die Gebiete mussten sich idealerweise in der Nähe einer der in Abbildung 23 dargestellten meteorologischen Stationen befinden.

Die Auswahl der Gemeinden konzentrierte sich auf die Cluster 2, 5 und 3 der sozio-ökonomischen Gemeindeklassifizierung (vgl. Kapitel 6.2.3.4), da diese Gemeinden auf Grund des Nächtigungsschwerpunktes im Winter, der vorhandenen Wintersportinfrastruktur, der Höhenlage und der überdurchschnittlich hohen Konzentration der Beschäftigung im Tourismussektor als besonders vulnerabel gegenüber möglichen Veränderungen des Schneeangebots und der Saisonlänge im Winter einzustufen sind. Mit Mariazell wurde eine Gemeinde des Clusters „Ganzjahrestourismus“ als niedriger gelegenes Gebiet ausgewählt, da dieses Schigebiet nach Berücksichtigung der oben genannten Kriterien als am repräsentativsten für diese Niederschlagsregion erachtet wurde.

Abbildung 46: Ausgewählte Regionen für die weiterführenden Analysen.


In der nachstehenden Tabelle sind die wichtigsten Merkmale der ausgewählten Gemeinden bzw. Schigebiete zusammengefasst dargestellt.

Niederschlagsregion Mittelmeereinfluss Atlantischer Einfluss Kontinentaler Einfluss Höhenlage Hoch Niedrig Hoch Niedrig Hoch Niedrig

Gemeinde Heiligenblut Hermagor-Pressegger S.

St. Anton/ Arlberg

Saalbach-Hinterglemm

Spital am Semmering Mariazell

Skigebiet Heiligenblut Großglockner

Nassfeld/ Hermagor

St. Anton/ Arlberg


Stuhleck - Semmering

Mariazeller Bürgeralpe

Höhenlage Schigebiet 1300-2900 1300-2000 1300-2811 1000-2100 782-1774 868-1267Einwohner 1.185 7.232 2.523 3.020 1.887 1.723Nächtigungen Ø2000-2005 246.584 802.308 1.031.777 1.913.540 55.004 98.699

Nächtigungen Winter Ø2000-2005 137.216 418.498 901.077 1.349.973 28.147 39.589

Nächtigungen Sommer Ø2000-05 109.109 381.845 130.718 563.896 26.882 58.656

ØAnteil Nächt. in der Wintersaison 55,71 52,29 87,33 70,54 51,15 40,30

ØAnteil Nächt. in der Sommersaison 44,29 47,71 12,67 29,46 48,85 59,70

Nächtigungsdichte Winter 115,79 57,87 357,14 447,01 14,92 22,98

Nächtigungsdichte Sommer 92,07 52,80 51,81 186,72 14,25 34,04

Nächtigungsdichte gesamt 208,09 110,94 408,95 633,62 29,15 57,28

Lokation Beschäft. im Tourismus 6,58 1,83 5,39 7,18 3,13 3,01

Anteil Tourismus an Gesamtbeschäft. 49,75 18,59 41,91 53,70 27,08 26,32

Seehöhe Gemeindehauptort 1.291 602 1.284 1.002 777 868

niedrigster Punkt im Gemeindegebiet 1.136 560 1.233 930 741 787

höchster Punkt im Gemeindegebiet 3.490 2.049 2.974 2.156 1.718 1.225

Höhenerstreckung 2.354 1.490 1.741 1.226 977 438Anzahl Haupt-/ Kleinseilbahnen 5 12 21 30 3 4

Anzahl Schlepplifte 8 18 19 25 6 2

Tabelle 12: Merkmale der ausgewählten Schigebiete.

Für diese Regionen wird zunächst, wie in Abschnitt 5.1.3 beschrieben, ein Schneemodell betrieben und Aussagen über die künftige Schneesicherheit erarbeitet. In weiterer Folge werden diese Ergebnisse herangezogen um die potenziellen direkten und indirekten Auswirkungen auf die regionale Wirtschaft zu quantifizieren (siehe auch Abschnitt 5.2.2), wobei auch die Frage geeigneter Anpassungsmechanismen behandelt wird.


7 Die repräsentativen Gemeinden im Fokus - erwartete Klimaänderungen (lokale Klimaszenarien) und regionalökonomische Auswirkungen

7.1 GEMEINDEN MIT ATLANTISCHEM EINFLUSS

7.1.1 St. Anton am Arlberg

Klimatische Situation und lokale Klimaszenarien

Das Arlberggebiet zählt zu den niederschlagsreichsten Gebieten Österreichs. An der Nordwestseite werden mittlere Jahresniederschläge um die 2500 mm gemessen. In St. Anton werden im Tal rund 1250 mm und in den Gipfelregionen um die 2000 mm Jahresniederschlag erreicht. Durch den vorwiegend atlantischen Einfluss und die geringe Kontinentaltität ist das Temperaturniveau im Winter relativ hoch. Dies hat zur Folge, dass im Frühwinter November und Dezember (ND) in 1500 m rund 14 % des Niederschlags in Form von Regen fällt und im Winter (DJF) immerhin noch 3,8 %. In den Monaten März und April (MA) beträgt der Regenanteil in 1500 m bereits wieder mehr als 23 %. Durch dieses relativ hohe Temperaturniveau bei Niederschlag hat sich die bisherige Erwärmung bereits stark auf die Schneedeckendauer ausgewirkt, sodass die Anzahl an Tagen mit einer Schneedecke über 20 cm um rund 2 Wochen zurückgegangen ist (siehe Abb. 37). Dennoch zählt das Arlberggebiet und auch St. Anton aufgrund seiner Seehöhenerstreckung und dem reichlichen Niederschlag zu den schneesichersten Skigebieten Österreichs.

Die REMO Temperaturszenarien (A1B) für das Arlberggebiet zeigen in den Wintermonaten für die Periode 2011-2040 (2025) einen Temperaturanstieg von rund 1 bis 1.5 °C oder etwa 0.3 – 0.4 °C pro Dekade. Dies ist etwas geringer als der beobachtete Temperaturanstieg der letzten Dekaden (0.4-0.5 °C pro Dekade). Für den Zeitraum 2036-2065 (2050) ergibt sich ein Temperaturanstieg 2.0 bis 2.7 °C , was einer Zunahme des Temperaturanstieges auf 0.4 – 0.6 °C pro Dekade entspricht.

In den Monaten März und April zeigt sich hingegen ein gleich bleiben bzw. eine Abnahme der Temperatur von 0,7 °C bis 2025, für 2050 zeigt sich aber auch hier eine Erwärmung von etwas mehr als 1 °C. Von Mai bis November bewegt sich die Erwärmung für 2025 in dem Bereich von 0.5 bis 1.3 °C und für 2050 um 2 °C.

Die Niederschlagsänderung fällt im Winter überraschenderweise für beide Analyseperioden leicht negativ aus (-6 %bzw. -2 %). Das Frühjahr ist deutlich positiv ( 8% bzw. 10 %). Der Sommer ist in der ersten Periode konstant (0.5 %) und in der zweiten deutlich negativ (- 10%) und im Herbst ergibt sich eine deutliche Zunahme von 10 % bzw. 17 %.

Bei der Niederschlagshäufigkeit zeigt sich keine Besonderheit. In Saisonen mit Niederschlagszunahmen erhöht sich auch die Niederschlagswahrscheinlichkeit und bei Niederschlagsabnahme ist es umgekehrt. Dies gilt für beide Perioden.


Abbildung 47: Temperaturanomalieszenarien für St. Anton am Arlberg für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario.

Abbildung 48: Niederschlagsänderungszenarien für St. Anton am Arlberg für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario.

Temperaturszenario für St. Anton am Arlberg für den Zeitraum 2025 und 2050 (REMO-UBA; A1B)

-1

-0.5

0

0.5

1

1.5

2

2.5

3

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

20252050

Änderung der saisonalen Niederschlagsmengen (Prozent) für St. Anton am Arlberg für den Zeitraum 2025 und 2050. (REMO-UBA; A1B)

-20

-15

-10

-5

0

5

10

15

20

25

DJF MAM JJA SON

Saison

Nie

ders

chla

gsän

deru

ng [%

]

Niederschlagsänderung 2025



Sozio-ökonomische Ausgangssituation

Detailauswertungen zu folgenden sozioökonomischen Daten/Themen der Gemeinde St. Anton am Arlberg werden im Projektjahr 3 durchgeführt.

Topographische Eckdaten (Katasterfläche, Dauersiedlungsraum, Seehöhe, Bevölkerung, Dichte (EW/km² Katasterfläche und EW/km² Dauersiedlungsraum)

Tabelle (ISIS)

Zahl der Gebäude mit Hauptwohnsitz- bzw. nur Nebenwohnsitzangabe pro km² Dauersiedlungsraum (1981/2001)

Tabelle (ISIS)

Abbildung 49: Bevölkerungsentwicklung 1869-2006, St. Anton am Arlberg

0

50

100

150

200

250

300

350

400

1869 1880 1890 1900 1910 1923 1934 1939 1951 1961 1971 1981 1991 2001 2006

St. Anton a. A.

Landeck (Pol.Bezirk)Tirol (BL)

Quelle: Statistik Austria

Tabelle 13: Abgaben – Ertragsanteil der Gemeinde St. Anton am Arlberg pro Kopf (in €)

Gemeindesteuer pro Kopf in €

Gemeinde 1.566

Pol. Bezirk 1.010

Bundesland 1.099 Quelle: Statistik Austria 2007: Ein Blick auf die Gemeinde.


Wohnbevölkerung – Anteil nach höchster abgeschlossener Schulbildung (VZ 2001)

Diagramm (ISIS) bzw. Zahlen aus „Ein Blick auf die Gemeinde“

Evt. Erwerbspersonen und Allgemeine Erwerbsquote (VZ 2001)

Tabelle (ISIS)

Abbildung 50: St. Anton am Arlberg - Wohnbevölkerung bzw. Erwerbspersonen nach beruflichen und wirtschaftlichen Merkmalen (VZ 2001).



Tabelle 14: Arbeitsstätten und Beschäftigte in St. Anton am Arlberg 1991/2001

Jahr Veränderung

2001 1991 1991-2001 (in %)

Arbeitsstätten 346 358 -3,4

Beschäftigte 1.620 1.098 47, 5 Quelle: Statistik Austria 2007: Ein Blick auf die Gemeinde.

Abbildung 51: St. Anton am Arlberg - Arbeitsstätten und Beschäftigte nach Abschnitten der ÖNACE 1995 und groben Beschäftigtengrößengruppen.


Beschäftigte und Arbeitsstätten im Tertiärsektor AZ1973-2001

Diagramm (ISIS)

Beschäftigte nach Branchen 1973 und 2001 und absolute Veränderungen

Diagramm (ISIS)

Anteilsmäßige Verteilung der Beschäftigten nach Branchen (AZ 2001)


Diagramm (ISIS)

Beschäftigung und Konzentrationsmaße im Tourismus

Tabelle (ISIS)

Abbildung 52: Nächtigungsentwicklung 1972-2006, St. Anton am Arlberg.

0

200.000

400.000

600.000

800.000

1.000.000

1.200.000

1972

1977

1982

1987

1992

1997

2000

2001

2002

2003

2004

2005

2006

Sankt Anton am Arlberg

Quelle: Statistik Austria (ISIS-Datenbank)

Abbildung 53: Nächtigungsentwicklung Sommer- und Wintersaison 2000-2005; Sankt Anton am Arlberg.

0

200.000

400.000

600.000

800.000

1.000.000

1.200.000

2000 2001 2002 2003 2004 2005

Sankt Anton am Arlberg -Winter

Sankt Anton am Arlberg -Sommer



Veränderung der Bettenkapazität (nach Saisonen)

Zeitreihe

Durchschnittliche Aufenthaltsdauer (plus Entwicklung)

Zeitreihe

7.1.2 Saalbach-Hinterglemm


Saalbach-Hinterglemm liegt zwar auch im Nordstau der Alpen, dennoch sind die Niederschläge etwas geringer als in der Arlbergregion und liegen zwischen 1500 und 2000 mm pro Jahr. Durch die östlichere Lage verglichen mit St. Anton spielen hier auch Niederschläge mit einer Feuchtequelle in der Nordsee eine gewisse Rolle, sodass das Temperaturniveau bei Niederschlag etwas geringer ist als in der Arlbergregion. Im Frühwinter (ND) fallen in 1500 m rund 12 % des Niederschlages in Form von Regen, im Winter (DJF) 2.6 % und im Frühjahr (MA) 16 %. Der Hauptunterschied zum Arlberg zeigt sich hier im Frühjahr mit deutlich niedrigeren Schneefallgrenzen.

Die REMO Temperaturszenarien (A1B) für Saalbach-Hinterglemm zeigen in den Wintermonaten für die Periode 2011-2040 (2025) einen Temperaturanstieg von rund 0.8 bis 1.6 °C. Für den Zeitraum 2036-2065 (2050) ergibt sich ein Temperaturanstieg 2.0 bis 2.6 °C mit einem maximalen Anstieg im Jänner.

In den Monaten März und April zeigt sich eine Abnahme der Temperatur von 0,4 °C bzw. 0.9 °C bis 2025, für 2050 zeigt sich aber auch hier eine Erwärmung von 2.1 °C bzw. 0.8 °C. Von Mai bis November bewegen sich die Erwärmungen für 2025 in dem Bereich von 0.4 bis 1.2 °C und für 2050 von 1.7 bis 2.3 °C.

Verglichen mit St. Anton ergeben sich keine signifikanten Unterschiede.

Die Niederschlagsänderung fällt im Winter für beide Analyseperioden leicht positiv aus (6 % bzw. 2 %). Das Frühjahr ist deutlich positiv (7% bzw. 11 %). Der Sommer ist in der ersten Periode leicht positiv (2 %) und in der zweiten deutlich negativ (- 8%) und im Herbst ergibt sich eine deutliche Zunahme von 11 % bzw. 13 %.

Bei der Niederschlagshäufigkeit zeigt sich im Sommer eine überproportionale Abnahme, von 6.7 % für die zweite Periode, die nicht durch die Niederschlagsabnahme erklärt werden kann. In der ersten Periode kommt es zu einer leichten Abnahme von 1.2 %, obwohl die Niederschlagsmenge leicht zunimmt.


Bis auf das deutliche Signal der Niederschlagshäufigkeit im Sommer sind die Niederschlagstrends sehr ähnlich denen von St. Anton.

Abbildung 54: Temperaturanomalieszenarien für Saalbach-Hinterglemm für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario.

Temperaturszenario für Saalbach-Hinterglem für den Zeitraum 2025 und 2050 (REMO-UBA; A1B)

-1.5

-1

-0.5

0

0.5

1

1.5

2

2.5

3


20252050


Abbildung 55: Niederschlagsänderungszenarien für Saalbach-Hinterglemm für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario.


Detailauswertungen zu folgenden sozioökonomischen Daten/Themen der Gemeinde Saalbach-Hinterglemm werden im Projektjahr 3 durchgeführt.

Abbildung 56: Bevölkerungsentwicklung 1869-2006, Saalbach-Hinterglemm.

0

50

100

150

200

250

300

350

400

1869 1880 1890 1900 1910 1923 1934 1939 1951 1961 1971 1981 1991 2001 2006

Saalbach-H.

Zell am See(Pol. Bezirk)Salzburg (BL)


Änderung der saisonalen Niederschlagsmengen (Prozent) für Saalbach-Hinterglemm für den Zeitraum 2025 und 2050. (REMO-UBA; A1B)

-20

-15

-10

-5

0

5

10

15

20

25

DJF MAM JJA SON

Saison

Nie

ders

chla

gsän

deru

ng [%

]




Tabelle 15: Abgaben – Ertragsanteil der Gemeinde Saalbach-Hinterglemm pro Kopf (in €)


Gemeinde 2.503

Pol. Bezirk 1.108


Abbildung 57: Saalbach-Hinterglemm - Wohnbevölkerung bzw. Erwerbspersonen nach beruflichen und wirtschaftlichen Merkmalen (VZ 2001).



Tabelle 16: Arbeitsstätten und Beschäftigte in Saalbach-Hinterglemm 1991/2001.

Jahr Veränderung

2001 1991 1991-2001 (in %)


Beschäftigte 2.011 1.280 57,1 Quelle: Statistik Austria 2007: Ein Blick auf die Gemeinde.

Abbildung 58: Saalbach-Hinterglemm - Arbeitsstätten und Beschäftigte nach Abschnitten der ÖNACE 1995 und groben Beschäftigtengrößengruppen.



Abbildung 59: Nächtigungsentwicklung 1972-2006, Saalbach-Hinterglemm.

0

500.000

1.000.000

1.500.000

2.000.000

2.500.00019

72

1977

1982

1987

1992

1997

2000

2001

2002

2003

2004

2005

2006



Abbildung 60: Nächtigungsentwicklung Sommer- und Wintersaison 2000-2005; Saalbach-Hinterglemm.

0

500.000

1.000.000

1.500.000

2.000.000

2.500.000

2000 2001 2002 2003 2004 2005

Saalbach-Hinterglemm -Winter

Saalbach-Hinterglemm -Sommer



7.2 GEMEINDEN MIT MITTELMEEREINFLUSS

7.2.1 Heiligenblut


Heiligenblut liegt südlich der Hohen Tauern am Fuße des Großglockners. Durch seine Lage ist Heiligenblut vorwiegend durch das Mittelmeer beeinflusst, jedoch können durch die Nähe zum Alpenhauptkamm vereinzelt atlantische Fronten noch übergreifen. Die Niederschlagssummen sind etwas geringer als in den Nordstauregionen und liegen im Talbereich bei etwa 1200 mm, ansonsten um 1500 mm, Nahe des Alpenhauptkammes sogar bis auf 2000 mm ansteigend.

Der Einfluss der Feuchtequelle auf die Schneefallgrenze zeigt sich besonders im Frühwinter (DN), da hier das Mittelmeer noch deutlich wärmer ist als der Atlantik oder gar die Nordsee. Rund 22% des Niederschlages in 1500 m fallen hier als Regen und somit 8 % mehr als im Arlberggebiet. Im Winter sind es 7 Prozent und im Frühjahr 24 %. Da sich im Laufe des Winters und des Frühjahres die Temperaturen des Mittelmeeres und des Atlantiks angleichen, nähern sich auch die Schneefallgrenzen von St. Anton und Heiligenblut immer mehr an.

Die REMO Temperaturszenarien (A1B) für Heiligenblut zeigen in den Wintermonaten für die Periode 2011-2040 (2025) einen Temperaturanstieg von 0.8 ° bis 1.7 °C. Für den Zeitraum 2036-2065 (2050) ergibt sich ein Temperaturanstieg 2.0 bis 2.7 °C mit einem maximalen Anstieg im Jänner.

Im Frühjahr zeigt nur der April eine Abnahme der Temperatur von 0.7°C für 2025. Der März und April zeigen eine leichte Erwärmung von rund 0.4 °C. Bis 2050 ergibt sich im Frühjahr ein Temperaturanstieg von 1.4 °C bis 2.5 °C. Von Juni bis November bewegen sich die Erwärmungen für 2025 in dem Bereich von 0.7 bis 1.6 °C und für 2050 von 2.0 bis 2.7 °C.

Die Variabilität der Temperaturtrends zwischen den Monaten ist in den mediterran beeinflussen Stantorten etwas geringer und es zeigt sich nur im April eine Abkühlung.

Die Niederschlagsänderung fällt im Winter für beide Analyseperioden leicht positiv aus (2.5 % bzw. 1 %). Das Frühjahr ist positiv ( 8% bzw. 4.5 %). Der Sommer ist in der ersten Periode positiv (6 %) und in der zweiten leicht negativ (- 1%) und im Herbst ergibt sich eine leichte Abnahme von 2 %.

Generell sind die Niederschlagsänderungen gering. Auffallend ist jedoch, dass bis auf den Herbst in allen Saisonen die Niederschlagssummen von 2025 bis 2050 abnehmen.


Abbildung 61: Temperaturanomalieszenarien für Heiligenblut für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario.

Abbildung 62: Niederschlagsänderungsszenarien für Saalbach-Hinterglemm für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario.

Änderung der saisonalen Niederschlagsmengen (Prozent) für Heiligenblut für den Zeitraum 2025 und 2050. (REMO-UBA; A1B)

-20

-15

-10

-5

0

5

10

15

20

25

DJF MAM JJA SON

Saison

Nie

ders

chla

gsän

deru

ng [%

]



Temperaturszenario für Heiligenblut für den Zeitraum 2025 und 2050 (REMO-UBA; A1B)

-1

-0.5

0

0.5

1

1.5

2

2.5

3


20252050



Detailauswertungen zu folgenden sozioökonomischen Daten/Themen der Heiligenblut werden im Projektjahr 3 durchgeführt.

Abbildung 63: Bevölkerungsentwicklung 1869-2006, Heiligenblut.

0

50

100

150

200

250

300

1869 1880 1890 1900 1910 1923 1934 1939 1951 1961 1971 1981 1991 2001 2006

Heiligenblut

Spittal/Drau(Pol. Bezirk)Kärnten (BL)


Tabelle 17: Abgaben – Ertragsanteil der Gemeinde Heiligenblut pro Kopf (in €).


Gemeinde 1.303

Pol. Bezirk 966



Abbildung 64: Heiligenblut - Wohnbevölkerung bzw. Erwerbspersonen nach beruflichen und wirtschaftlichen Merkmalen (VZ 2001).

Quelle: Statistik Austria.

Tabelle 18: Arbeitsstätten und Beschäftigte in Heiligenblut 1991/2001.

Jahr Veränderung

2001 1991 1991-2001 (in %)


Beschäftigte 398 309 28,8 Quelle: Statistik Austria 2007: Ein Blick auf die Gemeinde.


Abbildung 65: Heiligenblut - Arbeitsstätten und Beschäftigte nach Abschnitten der ÖNACE 1995 und groben Beschäftigtengrößengruppen.


Abbildung 66: Nächtigungsentwicklung 1972-2006, Heiligenblut.

0

50.000

100.000

150.000

200.000

250.000

300.000

350.000

1972

1977

1982

1987

1992

1997

2000

2001

2002

2003

2004

2005

2006

Heiligenblut

Quelle: Statistik Austria (ISIS-Datenbank).


Abbildung 67: Nächtigungsentwicklung Sommer- und Wintersaison 2000-2005; Heiligenblut.

0

50.000

100.000

150.000

200.000

250.000

300.000

2000 2001 2002 2003 2004 2005

Heiligenblut -Winter

Heiligenblut -Sommer


7.2.2 Hermagor-Presseggersee


Hermagor-Presseggersee liegt direkt an der Grenze zu Slowenien und somit in der österreichischen Südstauregion. Daher ist die Region Hermagor-Presseggersee rein durch das Mittelmeer beeinflusst. Typisch für diese Region ist auch die jährliche Niederschlagsverteilung die nicht wie sonst überall in Österreich ein klares Sommermaximum aufweißt, sondern ein sekundäres Maximum im November besitzt. Die Niederschlagssummen sind etwas geringer als in den Nordstauregionen und liegen im Talbereich knapp unter 1500 mm, ansonsten liegen sie zwischen 1500 und 2000 mm.

Ähnlich wie in Heiligenblut liegt im Frühwinter (DN) die Schneefallgrenze recht hoch. Mehr als 26% des Niederschlages in 1500 m fallen hier als Regen. Durch das sekundäre Niederschlagsmaximum im November ist diese Schneefallgrenze für den Schneedeckenaufbau des ganzen Winters sehr wichtig. Im Winter sind es 6 Prozent und im Frühjahr 21 %. Durch dieses hohe Temperaturniveau bei gleichzeitigen starken Niederschlägen in Frühwinter hat sich die bisherige Erwärmung in dieser Region besonders stark ausgeprägt und die Abnahme der Schneedecke größer 20 cm beträgt hier mehr als drei Wochen.

Die REMO Temperaturszenarien (A1B) für die Region Hermagor-Presseggersee zeigen in den Wintermonaten für die Periode 2011-2040 (2025) einen Temperaturanstieg von 1.2 ° bis 1.7 °C. Für den Zeitraum 2036-2065 (2050) ergibt sich ein Temperaturanstieg 2.4 bis 3.4 °C mit einem maximalen Anstieg im Februar.


Im Frühjahr zeigt nur der April eine Abnahme der Temperatur von 0.4°C für 2025. Der März und Mai zeigen eine leichte Erwärmung von 0.2 °C bzw. 0.7 °C. Bis 2050 ergibt sich im Frühjahr ein Temperaturanstieg von 1.3 °C bis 1.9 °C. Von Juni bis November bewegen sich die Erwärmungen für 2025 in dem Bereich von 0.7 bis 1.6 °C und für 2050 von 1.9 bis 2.5 °C.

Die Variabilität der Temperaturtrends zwischen den Monaten ist in den mediterran beeinflussen Stantorten etwas geringer und es zeigt sich nur im April eine Abkühlung.

Die Niederschlagsänderung fällt im Winter sehr gering aus (-1.5 %bzw. 2.7 %). Das Frühjahr ist positiv bis gleichbleibend ( 9% bzw. 0.7 %). Der Sommer ist in der ersten Periode positiv (4.5%) und in der zweiten negativ (- 10%) und im Herbst ergibt sich wieder kaum eine Änderung (-0.7 % bzw. 2 %.

Generell sind die Niederschlagsänderungen gering. Auffallend ist jedoch, dass bis auf den Herbst in allen Saisonen die Niederschlagssummen von 2025 bis 2050 abnehmen und hier besonders Stark im Sommer.

Abbildung 68: Temperaturanomalieszenarien für die Region Hermagor-Presseggersee für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario.

Temperaturszenario für Hermagor-Presseggersee für den Zeitraum 2025 und 2050 (REMO-UBA; A1B)

-1

-0.5

0

0.5

1

1.5

2

2.5

3

3.5

4


20252050


Abbildung 69: Niederschlagsänderungsszenarien für Saalbach-Hinterglemm für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario.


Detailauswertungen zu folgenden sozioökonomischen Daten/Themen der Gemeinde Hermagor-Presseggersee werden im Projektjahr 3 durchgeführt.

Abbildung 70: Bevölkerungsentwicklung 1869-2006, Hermagor-Presseggersee.

0

50

100

150

200

250

300

1869 1880 1890 1900 1910 1923 1934 1939 1951 1961 1971 1981 1991 2001 2006

Hermagor-Pr.

Hermagor(Pol. Bezirk)Kärnten (BL)


Änderung der saisonalen Niederschlagsmengen (Prozent) für Hermagor-Presseggersee für den Zeitraum 2025 und 2050. (REMO-UBA; A1B)

-20

-15

-10

-5

0

5

10

15

20

25

DJF MAM JJA SON

Saison

Nie

ders

chla

gsän

deru

ng [%

]




Tabelle 19: Abgaben – Ertragsanteil der Gemeinde Hermagor-Presseggersee pro Kopf (in €).


Gemeinde 1.156

Pol. Bezirk 978


Abbildung 71: Hermagor-Presseggersee - Wohnbevölkerung bzw. Erwerbspersonen nach beruflichen und wirtschaftlichen Merkmalen (VZ 2001).



Tabelle 20: Arbeitsstätten und Beschäftigte in Hermagor-Presseggersee 1991/2001.

Jahr Veränderung

2001 1991 1991-2001 (in %)

Arbeitsstätten 516 505 2,2

Beschäftigte 3.228 2.707 19,2 Quelle: Statistik Austria 2007: Ein Blick auf die Gemeinde.

Abbildung 72: Hermagor-Presseggersee - Arbeitsstätten und Beschäftigte nach Abschnitten der ÖNACE 1995 und groben Beschäftigtengrößengruppen.



Abbildung 73: Nächtigungsentwicklung 1972-2006, Hermagor-Presseggersee.

0

200.000

400.000

600.000

800.000

1.000.000

1.200.00019

72

1977

1982

1987

1992

1997

2000

2001

2002

2003

2004

2005

2006

Hermagor-Pressegger See


Abbildung 74: Nächtigungsentwicklung Sommer- und Wintersaison 2000-2005; Hermagor-Presseggersee.

0

100.000

200.000

300.000

400.000

500.000

600.000

700.000

800.000

900.000

1.000.000

2000 2001 2002 2003 2004 2005

Hermagor-Pressegger See -Winter

Hermagor-Pressegger See -Sommer



7.3 GEMEINDEN MIT KONTINENTALEM EINFLUSS

7.3.1 Spital am Semmering


Spital am Semmering liegt am Nordostrand der Alpen. Als Feuchtequellen für frontale Niederschläge kommen hier vor allem die Nord- und Ostsee in Frage, gelegentlich können aber auch Mittelmeersysteme noch einen Einfluss haben. Aufgrund der Kontinentalität und regionaler Abschattungseffekte durch Rax und Schneeberg ist die Niederschlagsmenge deutlich geringer als in den anderen ausgesuchten Regionen und liegt im Talbereich knapp unter 1000m und selbst am Kammbereich werden 1500 mm nicht erreicht.

Das Temperaturniveau bei Niederschlag ist aufgrund der Feuchtequellen sehr gering. Im Frühwinter (ND) fallen in 1500 m weniger als 7 % des Niederschlages in Form von Regen, im Winter (DJF) weniger als 1 % und im Frühjahr (MA) 12 %. Diese sehr kalten Temperaturen bei Niederschlag erklären, warum in diesen relativ niedrig gelegenen Berggebieten überhaupt an Skitourismus gedacht werden kann.

Die REMO Temperaturszenarien (A1B) für Spital am Semmering zeigen in den Wintermonaten für die Periode 2011-2040 (2025) einen Temperaturanstieg von rund 0.7 bis 1.8 °C. Für den Zeitraum 2036-2065 (2050) ergibt sich ein Temperaturanstieg 1.8 bis 2.7 °C mit einem maximalen Anstieg im Februar.

In den Monaten März und April zeigt sich eine Abnahme der Temperatur von 0,2 °C bzw. 0.6 °C bis 2025, für 2050 zeigt sich aber auch hier eine Erwärmung von 1.7 °C bzw. 0.8 °C. Von Mai bis November bewegen sich die Erwärmungen für 2025 in dem Bereich von 0.3 bis 1.5 °C und für 2050 von 1.3 bis 2.2 °C.

Das Temperaturszenario ähnelt mehr jenen der atlantisch beeinflussten Bereiche als den mediterran beeinflussten.

Die Niederschlagsänderung fällt im Winter für beide Analyseperioden geringfügig positiv aus (0.1 % bzw. 1.6 %). Das Frühjahr ist deutlich positiv ( 6% bzw. 18 %). Der Sommer ist in der ersten Periode leicht negativ (3 %) und in der zweiten geringfügig positiv (1%) und im Herbst ergibt sich eine deutliche Zunahme von 3 % bzw. 23 %.

Auffallend ist die deutliche Niederschlagszunahme von der ersten zur zweiten Periode, besonders in den Übergangsjahreszeiten.


Abbildung 75: Temperaturanomalieszenarien für Spital am Semmering für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario.

Abbildung 76: Niederschlagsänderungsszenarien für Spital am Semmering für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario.

Änderung der saisonalen Niederschlagsmengen (Prozent) für Spital am Semmering für den Zeitraum 2025 und 2050. (REMO-UBA; A1B)

-20

-15

-10

-5

0

5

10

15

20

25

DJF MAM JJA SON

Saison

Nie

ders

chla

gsän

deru

ng [%

]



Temperaturszenario für Spital am Semmering für den Zeitraum 2025 und 2050 (REMO-UBA; A1B)

-1

-0.5

0

0.5

1

1.5

2

2.5

3


20252050



Detailauswertungen zu folgenden sozioökonomischen Daten/Themen der Gemeinde Spital am Semmering werden im Projektjahr 3 durchgeführt.

Abbildung 77: Bevölkerungsentwicklung 1869-2006, Spital am Semmering.

0

50

100

150

200

250

300

1869 1880 1890 1900 1910 1923 1934 1939 1951 1961 1971 1981 1991 2001 2006

Spital a.SemmeringMürzzuschlag(Pol. Bezirk)Steiermark (BL)


Tabelle 21: Abgaben – Ertragsanteil der Gemeinde Spital am Semmering pro Kopf (in €).


Gemeinde 828

Pol. Bezirk 835

Bundesland 943 Quelle: Statistik Austria 2007: Ein Blick auf die Gemeinde.


Abbildung 78: Spital am Semmering - Wohnbevölkerung bzw. Erwerbspersonen nach beruflichen und wirtschaftlichen Merkmalen (VZ 2001).


Tabelle 22: Arbeitsstätten und Beschäftigte in Spital am Semmering 1991/2001.

Jahr Veränderung

2001 1991 1991-2001 (in %)

Arbeitsstätten 105 100 5,0

Beschäftigte 517 350 47,7 Quelle: Statistik Austria 2007: Ein Blick auf die Gemeinde.


Abbildung 79: Spital am Semmering - Arbeitsstätten und Beschäftigte nach Abschnitten der ÖNACE 1995 und groben Beschäftigtengrößengruppen.


Abbildung 80: Nächtigungsentwicklung 1972-2006, Spital am Semmering.

0

20.000

40.000

60.000

80.000

100.000

120.000

140.000

160.000

1972

1977

1982

1987

1992

1997

2000

2001

2002

2003

2004

2005

2006

Spital am Semmering



Abbildung 81: Nächtigungsentwicklung Sommer- und Wintersaison 2000-2005; Spital am Semmering.

0

10.000

20.000

30.000

40.000

50.000

60.000

70.000

2000 2001 2002 2003 2004 2005

Spital am Semmering -Winter

Spital am Semmering -Sommer


7.3.2 Mariazell


Mariazell liegt auch am Nordostrand der Alpen, eindeutig nördlich des Alpenhauptkammes. Die Niederschlagsmenge ist etwas höher als in Spital am Semmering und liegt im Talbereich knapp über 1000 m und in höheren Lagen werden 1500 mm deutlich überschritten.

Das Temperaturniveau bei Niederschlag ist wie in Mariazell sehr niedrig. Im Frühwinter (ND) fallen in 1500 m weniger als 9 % des Niederschlages in Form von Regen, im Winter (DJF) rund 1 % und im Frühjahr (MA) 14 %.

Die REMO Temperaturszenarien (A1B) für Mariazell zeigen in den Wintermonaten für die Periode 2011-2040 (2025) einen Temperaturanstieg von rund 0.6 bis 1.3°C. Für den Zeitraum 2036-2065 (2050) ergibt sich ein Temperaturanstieg 1.7bis 2.5°C.

In den Monaten März und April zeigt sich eine Abnahme der Temperatur von 0,4°C bzw. 0.8°C bis 2025, für 2050 zeigt sich aber auch hier eine Erwärmung von 1.7 °C bzw. 0.6°C. Von Mai bis November bewegen sich die Erwärmungen für 2025 in dem Bereich von 0.2 bis 1.3 °C und für 2050 von 1.3 bis 2.3 °C.

Das Temperaturszenario ähnelt mehr jenen der atlantisch beeinflussten Bereiche als den mediterran beeinflussten.

Die Niederschlagsänderung fällt im Winter für beide Analyseperioden geringfügig positiv aus (0.8 % bzw. 1.0 %). Das Frühjahr ist deutlich positiv (12% bzw. 18 %). Der Sommer ist in der ersten Periode leicht positiv (5 %) und in der zweiten leicht negativ (3%) und im Herbst ergibt sich eine deutliche Zunahme von 6 % bzw. 19 %.


Wie in Spital am Semmering zeigt sich in Mariazell eine deutliche Jahresniederschlagszunahme und diese ist in der zweiten Periode stärker ausgeprägt.

Abbildung 82: Temperaturanomalieszenarien für Mariazell für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario

Abbildung 83: Niederschlagsänderungsszenarien für Spital am Semmering für die Perioden 2011-2040 und 2036-2075 (Differenz zu der Periode 1971-2000). Basis: REMO_UBA A1B-Szenario.

Temperaturszenario für Mariazell für den Zeitraum 2025 und 2050 (REMO-UBA; A1B)

-1.5

-1

-0.5

0

0.5

1

1.5

2

2.5

3


20252050

Änderung der saisonalen N iederschlagsm engen (Prozent) für M ariazell für den Zeitraum 2025 und 2050. (REM O -UBA; A1B)

-20

-15

-10

-5

0

5

10

15

20

25

D JF M AM JJA SO N

Saison

Nie

ders

chla

gsän

deru

ng [%

]

N iederschlagsänderung 2025

N iederschlagsänderung 2050



Detailauswertungen zu folgenden sozioökonomischen Daten/Themen der Gemeinde Mariazell werden im Projektjahr 3 durchgeführt.

Abbildung 84: Bevölkerungsentwicklung 1869-2006, Mariazell.

0

50

100

150

200

250

300

1869 1880 1890 1900 1910 1923 1934 1939 1951 1961 1971 1981 1991 2001 2006

Mariazell

Bruck a.d. Mur(Pol. Bezirk)Steiermark (BL)


Tabelle 23: Abgaben – Ertragsanteil der Gemeinde Mariazell pro Kopf (in €).


Gemeinde 1.026

Pol. Bezirk 966

Bundesland 943 Quelle: Statistik Austria 2007: Ein Blick auf die Gemeinde.


Abbildung 85: Mariazell - Wohnbevölkerung bzw. Erwerbspersonen nach beruflichen und wirtschaftlichen Merkmalen (VZ 2001).


Tabelle 24: Arbeitsstätten und Beschäftigte in Mariazell 1991/2001.

Jahr Veränderung

2001 1991 1991-2001 (in %)


Beschäftigte 931 1.109 -16,1 Quelle: Statistik Austria 2007: Ein Blick auf die Gemeinde.


Abbildung 86: Mariazell - Arbeitsstätten und Beschäftigte nach Abschnitten der ÖNACE 1995 und groben Beschäftigtengrößengruppen.


Abbildung 87: Nächtigungsentwicklung 1972-2006, Mariazell.

0

50.000

100.000

150.000

200.000

250.000

300.000

350.000

1972

1977

1982

1987

1992

1997

2000

2001

2002

2003

2004

2005

2006

Mariazell



Abbildung 88: Nächtigungsentwicklung Sommer- und Wintersaison 2000-2005; Mariazell.

0

20.000

40.000

60.000

80.000

100.000

120.000

2000 2001 2002 2003 2004 2005

Mariazell -Winter

Mariazell -Sommer



8 Arbeitsplan/Nächste Schritte

Wie im unten angefügten Zeitplan ersichtlich ist, konnten alle Arbeiten im vorgesehenen Zeitplan bewältigt werden. Die sozio-ökonomische sowie die klimatologische Datensammlung und deren Aufbereitung und kartographische Darstellung wurden ebenso wie die umfassenden Clusteranalysen, die Aussagekräftige und im Hinblick auf ihre ökonomische Vulnerabilität als auch im Hinblick auf ihre klimatologischen Parameter vermutlich gut zu unterscheidende Gemeindegruppen erbracht haben, mit guten Ergebnissen abgeschlossen. Auf Basis dieser wesentlichen Vorarbeiten konnte eine sinnvolle Auswahl repräsentativer Regionen zur weiteren ökonomischen und klimatologischen Untersuchung erfolgen. Die Daten für die lokalen Klimaänderungsszenarien wurden aufbereitet und in weiterer Folge werden für die ausgesuchten Gemeinden individuelle Szenarien (inkl. Generierung von Schneebedeckungsdaten) erstellt. Dazu wurden der Wettergenerator LARS-WG sowie ein Schneemodell ausgewählt, getestet und validiert.

Auf Grund der im laufenden Projektjahr gegebenen finanziellen Restriktionen, werden jedoch manche Workpackages, deren Abschluss z.T. für Projektjahr 2 geplant war, in das dritte Projektjahr ausgedehnt bzw. manche Schritte in Hinblick auf Sommertourismus erneut durchgeführt. Die Autoren des vorliegenden Berichts sind sich des daher nach wie vor teilweise vorbereitenden Charakters –und damit einer gewissen Vorläufigkeit- der bisher geleisteten Arbeit bewusst. Die bisher erzielten Ergebnisse bieten jedoch eine wertvolle Ausgangsbasis für echte ökonomische Impactabschätzungen für GC Szenarien auf Basis von empirischem Downscaling für empirisch fundiert ausgewählte repräsentative Tourismusregionen in Projektjahr 3. Darüber hinaus werden die Analysen in Projektjahr 3 verstärkt den Sommertourismus mit einbeziehen, beispielsweise in Form relevanter meteorologischer Parameter für verschiedene Arten von Sommertourismus.

project year 1 2005 2006

WORK PACKAGES (WP) AND METHODS\WORK MONTHS

07 08 09 10 11 12 01 02 03 04 05 06

Decision of Global Change Committee

WP 1 Socio-economic data collection

WP 2 Cluster Analysis

WP 3 Selection of representative regions

WP 4 Climatological Data Collection

WP 5 Analysis of present regional climate conditions




07 08 09 10 11 12 01 02 03 04 05 06

WP 6 Empirical Downscaling of GCM

WP 7 Climatological Model Runs (Snow model)

WP 8 Regionalizing Economic Model

WP 9 Macroeconomic Impacts (Model Run)



07 08 09 10 11 12 01 02 03 04 05 06

WP 2 Cluster Analysis

WP 5 Analysis of present regional climate conditions

WP 6 Empirical Downscaling of GCM

WP 7 Climatological Model Runs (Snow model)

WP 8 Regionalizing Economic Model

WP 9 Macroeconomic Impacts (Model Run)

WP 10 Summing up and dissemination of results

WP bearbeitet

WP in Bearbeitung

WP offen


9 Bibliographie

Abegg B., 1996: Klimaänderung und Tourismus? Klimafolgenforschung am Beispiel des Wintertourismus in den Schweizer Alpen. Schlussbericht NFP 31. vdf Zuerich.

Amelung, B. and D.Viner, (forthcoming). “The Vulnerability to Climate Change of the Mediterranean as a Tourist Destination.” In: Amelung, B., Blazejczyk, K., Matzarakis, A. and Viner, D. (eds.) Climate Change and Tourism: Assessment and Coping Strategies. Dordrecht: Kluwer Academic Publishers.

Backhaus, K., B. Erichson, W. Plinke und R. Weiber, 2000: Multivariate Analysemethoden. 9. Auflage. Berlin: Springer.

Berritella, M., A. Bigano, R. Roson and R.S.J. Tol, 2004: A general equilibrium analysis of climate change impacts on tourism. Research Unit Sustainability and Global Change Working Paper FNU-49. Hamburg: Hamburg University and Centre for Marine and Atmospheric Science.

BMVIT, 2003: Eisenbahn- und Seilbahnstatistik der Republik Österreich für den Berichtszeitraum 2001/2002. Teil II „Seilbahnen“ und Teil III „Schlepplifte“. Wien: Bundesministerium für Verkehr, Innovation und Technologie.

Breiling M, Charamza P, 1999: The impact of global warming on winter tourism and skiing: a regionalised model for Austrian snow conditions. In: Regional Environmental Change, vol. 1, no. 1, p. 4-14.

Breiling, M., P. Charamza, and O. Skage, 1997: Klimasensibilität österreichischer Berzirke mit besonderer Berücksichtigung des Wintertourismus. Endbericht des Forschungsauftrages des Österreichischen Bundesministeriums für Wirtschaftliche Angelegenheiten, Projektnummer 18 3895/222-I/9/95.

Bürki, R., 2000: Klimaänderung und Anpassungsprozesse im Wintertourismus. Publikation der Ostschweizer Geographischen Gesellschaft, Neue Folge, 6.

Bürki, R., H. Elsasser and B. Abegg: 2003: Climate Change – Impacts on the Tourism Industry in Mountain Areas. 1st International Conference on Climate Change and Tourism, Djerba, 9-11 April 2003.

Ehrendorfer M., 1987: A regionalization of Austria's precipitation climate using principal component analysis. Journal of Climatology 7: 71-89.

Elsasser, H and Bürki, R, 2002: Climate change as a threat to tourism in the Alps. Climate Research, 20, pp. 253-257.

Fritz, O., Streicher G. und G. Zakarias, 2005: MULTIREG – Ein multiregionales, multisektorales Prognose- und Analysemodell für Österreich. WIFO Monatsbericht 08/2005, Wien.


Fuchs, M., 1998: Modeling snowmelt-runoff in an alpine watershed. Diplomarbeit, 97p.

Galloway RW, 1988: The potential impact of climate changes on Australian ski fields. In: Pearman GI (ed) Greenhouse: Planning for climatic change. CSIRO, Melbourne, Australia, pp. 428-437.

Hamilton, J. and R. Tol, 2004: The Impact of Climate Change on Tourism and Recreation. Research Unit Sustainability and Global Change Working Paper FNU-52. Hamburg: Hamburg University and Centre for Marine and Atmospheric Science.

Hamilton, J.M., 2003: Climate and the destination choice of German tourists. Research Unit Sustainability and Global Change Working Paper FNU-15. Hamburg: Hamburg University and Centre for Marine and Atmospheric Science.

Harrison SJ., SJ. Winterbottom and C. Sheppard, 1999: The potential effects of climate change on the Scottish tourist industry. Tourism Management, 20, pp. 203-211.

Jacob, 2005: REMO A1B SCENARIO RUN, UBA PROJECT , 0.088 DEGREE RESOLUTION, RUN NO. 006211, 1H DATA. CERA-DB "REMO_UBA_A1B_1_R006211_1H", http://cerawww.dkrz.de/WDCC/ui/Compact.jsp?acronym=REMO_UBA_A1B_1_R006211_1H.

König U. and B. Abegg, 1997: Impacts of climate change on tourism in the Swiss Alps. Journal of Sustainable Tourism 5(1), pp. 46-58.

König, U., 1998: Tourism in a Warmer World - Implications of Climate Change Due to Enhanced Greenhouse Effect for the Ski Industry in the Australian Alps. Wirtschaftsgeographie und Raumplanung, 28. Zurich: University of Zurich.

Kropp, J., A. Block, F. Reusswig, K. Zickfeld and H.J. Schellnhuber, 2005: Semiquantitative Assessment of Regional Climate Vulnerability: The North Rhine-Westphalia Study. Climatic Change. Accepted.

Kurzmann, R. und Ch. Aumayr, 2007: Österreichische Beschäftigungs- und Wertschöpfungsmulitpikatoren. Eine Abschätzung der ökonomischen Effekte verschiedener Ausgabekategorien anhand des Modells MULTIREG. InTeReg Research Report Nr. 61-2007, Graz.

Lamothe and Periard, 1988: Implications of climate change for downhill skiing in Quebec. Climate Change Digest 88-03, Environment Canada, Ottawa, Canada.

Matulla C, Penlap EK, Haas P, Formayer H, 2003: Multivariate techniques to analyse precipitation in Austriaduring the 20th century. Int J Climatol 23: 1577–1588.

Matulla, C., P. Haas, S. Wagner, E. Zorita, H. Formayer und H. Kromp-Kolb 2004: Anwendung derAnalogmethode in komplexem Terrain: Klimaänderungsszenarien auf Tagesbasis für Österreich.GKSS report 2004/11, GKSS research center, Max-Planck-Straße 1,D-21502 Geesthacht, Germany.


Meier R., 1998: Soziooekonomische Aspekte von Klimaaenderungen und Naturkatastrophen in der Schweiz. Schlussbericht NFP 31. vdf, Zuerich.

Nachtnebel, H.P., Fuchs, M. (2000): HYD-KLIMA. Die Hydrologie Österreichs unter dem Einfluß von Szenarien einer möglichen Klimaänderung.. Forschungsprojekt im Auftrag des BMWV und BMUJF. Vorläufiger Endbericht.

Roeckner, E., J. Oberhuber, A. Bacher, M. Christoph, and I. Kirchner, 1996: ENSO varability and atmospheric response in a global coupled atmosphere-ocean GCM. Climate Dyn., 12, 737–745.

Schillinger, P., 1999: Skigebiete im Wettlauf gegen den Klimawandel. Hotel und Tourismus Revue, Spezial 2/99.

Schöner, W., I. Auer, R. Böhm, and S. Thaler, 2003: Qualitätskontrolle und statistische Eigenschaften ausgewählter Klimaparameter auf Tageswertbasis in Hinblick auf Extremwertanalysen. In: StartClim – Startprojekt Klimaschutz: Erste Analysen extremer Wetterereignisse und ihrer Auswirkungen in Österreich.

Scott D. et al., 2001: Assessing the vulnerability of the alpine skiing industry in Lakelands Tourism Region of Ontario, Canada to climate variability and change. University of Waterloo (Canada).

Scott, D., 2003: Climate Change and Tourism in the Mountain Regions of North America. 1st International Conference on Climate Change and Tourism, Djerba, 9-11 April 2003.

Scott, D., B. Jones and G. McBoyle, 2004: A Bibliography of the Tourism Climatology Field to 2004. University of Waterloo (Canada).

Seibert, P., A. Frank, and H. Formayer, 2006: Synoptic and regional patterns of heavy precipitation in Austria. Theor. Appl. Climatol. DOI 10.1007/s00704-006-0198-8.

Semenov, M. und E. Barrow 1997: Use of a stochastic weather generator in the development of climate change scenarios. Climate Change, 35, 397-414.

Semenov, M., R. Brooks, E. Barrow, and C. Richardson, 1998: Comparison of the WGEN and LARS-WG stochastic weather generators in diverse climates. Clim. Res., 10, 95–107.

Todd, G., 2003: WTO Backgroud Paper on Climate Change and Tourism. Travel Research International Limited.

USACE,1998: HEC-RAS user’s manual. Hydrologic Engineering Center, Davis, CA.

Viner D, Agnew M, 1999: Climate change and its impacts on tourism. Report Prepared for WWF-UK. Climatic Research Unit, University of East Anglia, Norwich.

Documents

GLOBAL CHANGE IMPACT ON TOURISM - BOKUimp.boku.ac.at/klima/Literatur/GC_Impacts... · 2007-08-20 · GC-Impacts on Tourism – Endbericht Projektjahr 1 5 Gemeindeebene im Vergleich