Im Mittelpunkt dieser Untersuchung stand die in der Umweltbeobachtung bestehende Diskrepanz zwischen dem Wunsch nach flächendeckender Information und der Tatsache, dass meist nur punktuell und stichprobenartig Information erhoben wird. Über das Zusammenführen von unterschiedlichsten Informationen über die Umwelt wurde die Frage der räumlichen Übertragbarkeit von Umweltdaten und die Leistungsfähigkeit von Umweltdaten untersucht. Zur Überprüfung der Hypothese, dass die in einem bestimmten Ökosystemtyp ermittelten Ergebnisse auf andere Vertreter desselben Ökosystemtyps übertragbar sind, wurden PAK gewählt, die als Indikatoren für die luftgetragene stoffliche Immission dienen. Grundlegend für den Untersuchungsansatz war die Annahme, dass die ökologisch-strukturelle Ausstattung eines Ökosystems auch einen bestimmenden Einfluss auf die stoffliche "Belastung" in diesem Ökosystem hat. Dazu wurden zunächst Hinweise auf ein Faktorengefüge erarbeitet, welches den Stoffeintrag bestimmen und welches die ökologisch-struktuelle Ausstattung im Hinblick auf die Zielsetzung in einem ausreichenden Maße beschreiben kann. Die erarbeiteten Faktoren gehören zu den Komplexen Klima, Topographie, Flächennutzung und Biometrie. Entsprechend dem Untersuchungsansatz wurde nach einem Modell gesucht, das den funktionalen Zusammenhang zwischen Faktoren zur Beschreibung der ökologisch-strukturellen Ausstattung der Gebiete und der entsprechenden PAK-Immission annähert. Für diesen Anwendungsfall ist der Netztyp des GRNN (General Regression Neural Network) besonders gut geeignet. Mit Hilfe des Modells wurden Prognosen der PAK-Immission für fünf Ökosysteme in Deutschland berechnet. Die Validierung dieser Ergebnisse erfolgte anhand von rückstandsanalytischen Untersuchungen an einjährigen Fichtentrieben aus diesen Gebieten. Über die Modellbildung mit unterschiedlichen Input-Sets wurden die für die PAK-Immission relevanten Faktoren herausgearbeitet. Es konnte gezeigt werden, dass sich das gewählte Modell für die Frage der räumlichen Übertragbarkeit eignet, wobei hinsichtlich der Güte der Prognose deutliche Unterschiede zwischen den beiden Gruppen leichtflüchtige und schwerflüchtige PAK bestehen. Zudem bestehen qualitative Unter-schiede hinsichtlich der Prognosen zwischen den Gebieten, da durch die bisherige ökologisch-strukturelle Beschreibung wahrscheinlich einige die Immission bestimmende oder beeinflussende Faktoren nicht oder nicht ausreichend berücksichtigt wurden. Insgesamt wurde durch den gewählten Ansatz auch die Leistungsfähigkeit von Umweltdaten aus unterschiedlichen Monitoring- und Untersuchungsprogrammen durch deren gemeinsame Auswertung verdeutlicht.

Die Zahl der (potenziellen) Kunden der Dienstleistungsbranche Tourismus und deren Ver-teilung im Raum wird durch eine Vielzahl von Ursachen (Bedürfnis- und Verhaltens-dimension der Tourismusforschung) bestimmt. Das sind z. B. auch Beweggründe, Bedürf-nisse, Motive oder auch Motivkomplexe. Die Kenntnis dieser Bedürfnisse und Verhaltens-weisen von Reisenden und deren Anforderungen an die offerierte Leistung sind dabei eine zentrale Voraussetzung für eine zielgruppengerechte Marktbearbeitung. Ein wichtiger Bestandteil dieser notwendigen Zielgruppenorientierung ist die Marktsegmentierung, deren Aufgabe darin besteht, den relevanten Markt in intern möglichst homogene und untereinander heterogene Teilmärkte aufzuteilen. Eine Segmentierung des Tourismusmarktes erfolgte bislang vornehmlich anhand verschiedener Einschränkungen. Aufgrund der geringen Aus-sagekraft der bisherigen Ansätze für das durch umfangreiche Motivkomplexe geprägte Reise-verhalten der Nachfrager erweist sich allerdings eine zielgruppenspezifische Markt-bearbeitung auf Basis derartiger Lösungen als nur bedingt möglich. Dieser Kritik Rechnung tragend wurde ein ganzheitlicher Segmentierungsansatz entwickelt, der an möglichst zahl-reichen Ausprägungsformen des Reiseverhaltens ansetzt, alle vier klassischen Markt-erfassungsansätze verbindet und damit Handlungsempfehlungen für eine breit angelegte zielgruppenspezifische Marktbearbeitung aufzeigt. Eine weitere Neuerung bezieht sich auf die Anwendung einer multivariaten Baumanalyse, um Zielgruppen im Tourismus zu differen-zieren. Dieses Analyseverfahren erlaubt die gemeinsame Analyse mehrerer Variablen und von Variablen jedes Skalenniveaus. Dazu wurden mehr als 6.000 mündlich geführte Interviews, die mittels einer Zielgebiets-befragung 1997-1999 in Rheinland-Pfalz erhoben wurden, ausgewertet. Das Hauptaugenmerk lag dabei auf der multivariaten Analyse mit Hilfe des sogenannten CHAID-Algorithmus. Es handelt sich dabei um eine Art Baumdiagramm, welches erstmalig als Instrument der touristischen Zielgruppenplanung mittels Segmentbildung und Profilerstellung eingesetzt und daher als Alternative zu Cluster- und Diskriminanzanalyse charakterisiert wird. Dabei kann eine Vielzahl verschiedenartiger Typisierungen untersucht werden, wie etwa die Typisierung der Reisenden mit hohem Reisestellenwert (z. B. der Haupturlauber), mit ausgeprägter Besuchshäufigkeit bzw. Zielgebietserfahrung, mit hoher Rückkehrbereitschaft, außergewöhnlicher Zufriedenheit oder des kaufkräftigen Urlaubers. Abschließend erfolgt die Beurteilung der Ergebnisse bezüglich der praktischen Bedeutung für das Rheinland-Pfalz-Marketing.