@phdthesis{Loew2013,
  author    = {L{\"o}w, Fabian},
  title     = {Agricultural crop mapping from multi-scale remote sensing data - Concepts and applications in heterogeneous Middle Asian agricultural landscapes},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-102093},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2013},
  abstract  = {Agriculture is mankind's primary source of food production and plays the key role for cereal supply to humanity. One of the future challenges will be to feed a constantly growing population, which is expected to reach more than nine billion by 2050. The potential to expand cropland is limited, and enhancing agricultural production efficiency is one important means to meet the future food demand. Hence, there is an increasing demand for dependable, accurate and comprehensive agricultural intelligence on crop production. The value of satellite earth observation (EO) data for agricultural monitoring is well recognized. One fundamental requirement for agricultural monitoring is routinely updated information on crop acreage and the spatial distribution of crops. With the technical advancement of satellite sensor systems, imagery with higher temporal and finer spatial resolution became available. The classification of such multi-temporal data sets is an effective and accurate means to produce crop maps, but methods must be developed that can handle such large and complex data sets. Furthermore, to properly use satellite EO for agricultural production monitoring a high temporal revisit frequency over vast geographic areas is often necessary. However, this often limits the spatial resolution that can be used. The challenge of discriminating pixels that correspond to a particular crop type, a prerequisite for crop specific agricultural monitoring, remains daunting when the signal encoded in pixels stems from several land uses (mixed pixels), e.g. over heterogeneous landscapes where individual fields are often smaller than individual pixels. The main purposes of the presented study were (i) to assess the influence of input dimensionality and feature selection on classification accuracy and uncertainty in object-based crop classification, (ii) to evaluate if combining classifier algorithms can improve the quality of crop maps (e.g. classification accuracy), (iii) to assess the spatial resolution requirements for crop identification via image classification. Reporting on the map quality is traditionally done with measures that stem from the confusion matrix based on the hard classification result. Yet, these measures do not consider the spatial variation of errors in maps. Measures of classification uncertainty can be used for this purpose, but they have attained only little attention in remote sensing studies. Classifier algorithms like the support vector machine (SVM) can estimate class memberships (the so called soft output) for each classified pixel or object. Based on these estimations, measures of classification uncertainty can be calculated, but it has not been analysed in detail, yet, if these are reliable in predicting the spatial distribution of errors in maps. In this study, SVM was applied for the classification of agricultural crops in irrigated landscapes in Middle Asia at the object-level. Five different categories of features were calculated from RapidEye time series data as classification input. The reliability of classification uncertainty measures like entropy, derived from the soft output of SVM, with regard to predicting the spatial distribution of error was evaluated. Further, the impact of the type and dimensionality of the input data on classification uncertainty was analysed. The results revealed that SMVs applied to the five feature categories separately performed different in classifying different types of crops. Incorporating all five categories of features by concatenating them into one stacked vector did not lead to an increase in accuracy, and partly reduced the model performance most obviously because of the Hughes phenomena. Yet, applying the random forest (RF) algorithm to select a subset of features led to an increase of classification accuracy of the SVM. The feature group with red edge-based indices was the most important for general crop classification, and the red edge NDVI had an outstanding importance for classifying crops. Two measures of uncertainty were calculated based on the soft output from SVM: maximum a-posteriori probability and alpha quadratic entropy. Irrespective of the measure used, the results indicate a decline in classification uncertainty when a dimensionality reduction was performed. The two uncertainty measures were found to be reliable indicators to predict errors in maps. Correctly classified test cases were associated with low uncertainty, whilst incorrectly test cases tended to be associated with higher uncertainty. The issue of combining the results of different classifier algorithms in order to increase classification accuracy was addressed. First, the SVM was compared with two other non-parametric classifier algorithms: multilayer perceptron neural network (MLP) and RF. Despite their comparatively high classification performance, each of the tested classifier algorithms tended to make errors in different parts of the input space, e.g. performed different in classifying crops. Hence, a combination of the complementary outputs was envisaged. To this end, a classifier combination scheme was proposed, which is based on existing algebraic operators. It combines the outputs of different classifier algorithms at the per-case (e.g. pixel or object) basis. The per-case class membership estimations of each classifier algorithm were compared, and the reliability of each classifier algorithm with respect to classifying a specific crop class was assessed based on the confusion matrix. In doing so, less reliable classifier algorithms were excluded at the per-class basis before the final combination. Emphasis was put on evaluating the selected classification algorithms under limiting conditions by applying them to small input datasets and to reduced training sample sets, respectively. Further, the applicability to datasets from another year was demonstrated to assess temporal transferability. Although the single classifier algorithms performed well in all test sites, the classifier combination scheme provided consistently higher classification accuracies over all test sites and in different years, respectively. This makes this approach distinct from the single classifier algorithms, which performed different and showed a higher variability in class-wise accuracies. Further, the proposed classifier combination scheme performed better when using small training set sizes or when applied to small input datasets, respectively. A framework was proposed to quantitatively define pixel size requirements for crop identification via image classification. That framework is based on simulating how agricultural landscapes, and more specifically the fields covered by one crop of interest, are seen by instruments with increasingly coarser resolving power. The concept of crop specific pixel purity, defined as the degree of homogeneity of the signal encoded in a pixel with respect to the target crop type, is used to analyse how mixed the pixels can be (as they become coarser) without undermining their capacity to describe the desired surface properties (e.g. to distinguish crop classes via supervised or unsupervised image classification). This tool can be modulated using different parameterizations to explore trade-offs between pixel size and pixel purity when addressing the question of crop identification. Inputs to the experiments were eight multi-temporal images from the RapidEye sensor. Simulated pixel sizes ranged from 13 m to 747.5 m, in increments of 6.5 m. Constraining parameters for crop identification were defined by setting thresholds for classification accuracy and uncertainty. Results over irrigated agricultural landscapes in Middle Asia demonstrate that the task of finding the optimum pixel size did not have a "one-size-fits-all" solution. The resulting values for pixel size and purity that were suitable for crop identification proved to be specific to a given landscape, and for each crop they differed across different landscapes. Over the same time series, different crops were not identifiable simultaneously in the season and these requirements further changed over the years, reflecting the different agro-ecological conditions the investigated crops were growing in. Results further indicate that map quality (e.g. classification accuracy) was not homogeneously distributed in a landscape, but that it depended on the spatial structures and the pixel size, respectively. The proposed framework is generic and can be applied to any agricultural landscape, thereby potentially serving to guide recommendations for designing dedicated EO missions that can satisfy the requirements in terms of pixel size to identify and discriminate crop types. Regarding the operationalization of EO-based techniques for agricultural monitoring and its application to a broader range of agricultural landscapes, it can be noted that, despite the high performance of existing methods (e.g. classifier algorithms), transferability and stability of such methods remain one important research issue. This means that methods developed and tested in one place might not necessarily be portable to another place or over several years, respectively. Specifically in Middle Asia, which was selected as study region in this thesis, classifier combination makes sense due to its easy implementation and because it enhanced classification accuracy for classes with insufficient training samples. This observation makes it interesting for operational contexts and when field reference data availability is limited. Similar to the transferability of methods, the application of only one certain kind of EO data (e.g. with one specific pixel size) over different landscapes needs to be revisited and the synergistic use of multi-scale data, e.g. combining remote sensing imagery of both fine and coarse spatial resolution, should be fostered. The necessity to predict and control the effects of spatial and temporal scale on crop classification is recognized here as a major goal to achieve in EO-based agricultural monitoring.},
  subject      = {Fernerkundung},
  language  = {en}
}
@phdthesis{Forkuor2014,
  author    = {Forkuor, Gerald},
  title     = {Agricultural Land Use Mapping in West Africa Using Multi-sensor Satellite Imagery},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-108687},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2014},
  abstract  = {Rapid population growth in West Africa has led to expansion in croplands due to the need to grow more food to meet the rising food demand of the burgeoning population. These expansions negatively impact the sub-region's ecosystem, with implications for water and soil quality, biodiversity and climate. In order to appropriately monitor the changes in croplands and assess its impact on the ecosystem and other environmental processes, accurate and up-to-date information on agricultural land use is required. But agricultural land use mapping (i.e. mapping the spatial distribution of crops and croplands) in West Africa has been challenging due to the unavailability of adequate satellite images (as a result of excessive cloud cover), small agricultural fields and a heterogeneous landscape. This study, therefore, investigated the possibilities of improving agricultural land use mapping by utilizing optical satellite images with higher spatial and temporal resolution as well as images from Synthetic Aperture Radar (SAR) systems which are near-independent of weather conditions. The study was conducted at both watershed and regional scales. At watershed scale, classification of different crop types in three watersheds in Ghana, Burkina Faso and Benin was conducted using multi-temporal: (1) only optical images (RapidEye) and (2) optical plus dual polarimetric (VV/VH) SAR images (TerraSAR-X). In addition, inter-annual or short term (2-3 years) changes in cropland area in the past ten years were investigated using historical Landsat images. Results obtained indicate that the use of only optical images to map different crop types in West Africa can achieve moderate classification accuracies (57\% to 71\%). Overlaps between the cropping calendars of most crops types and certain inter-croppings pose a challenge to optical images in achieving an adequate separation between those crop classes. Integration of SAR images, however, can improve classification accuracies by between 8 and 15\%, depending on the number of available images and their acquisition dates. The sensitivity of SAR systems to different crop canopy architectures and land surface characteristics improved the separation between certain crop types. The VV polarization of TerraSAR-X was found to better discrimination between crop types than the VH. Images acquired between August and October were found to be very useful for crop mapping in the sub-region due to structural differences in some crop types during this period. At the regional scale, inter-annual or short term changes in cropland area in the Sudanian Savanna agro-ecological zone in West Africa were assessed by upscaling historical cropland information derived at the watershed scale (using Landsat imagery) unto a coarse spatial resolution, but geographically large, satellite imagery (MODIS) using regression based modeling. The possibility of using such regional scale cropland information to improve government-derived agricultural statistics was investigated by comparing extracted cropland area from the fractional cover maps with district-level agricultural statistics from Ghana The accuracy of the fractional cover maps (MAE between 14.2\% and 19.1\%) indicate that the heterogeneous agricultural landscape of West Africa can be suitably represented at the regional or continental scales by estimating fractional cropland cover on low resolution Analysis of the results revealed that cropland area in the Sudanian Savanna zone has experienced inter-annual or short term fluctuations in the past ten years due to a variety of factors including climate factors (e.g. floods and droughts), declining soil fertility, population increases and agricultural policies such as fertilizer subsidies. Comparison of extracted cropland area from the fractional cover maps with government's agricultural statistics (MoFA) for seventeen districts (second administrative units) in Ghana revealed high inconsistencies in the government statistics, and highlighted the potential of satellite derived cropland information at regional scales to improve national/sub-national agricultural statistics in West Africa. The results obtained in this study is promising for West Africa, considering the recent launch of optical (Landsat 8) and SAR sensors (Sentinel-1) that will provide free data for crop mapping in the sub-region. This will improve chances of obtaining adequate satellite images acquired during the cropping season for agricultural land use mapping and bolster opportunities of operationalizing agricultural land use mapping in West Africa. This can benefit a wide range of biophysical and economic models and improve decision making based on their results.},
  subject      = {Westafrika},
  language  = {en}
}
@phdthesis{Kraff2023,
  author    = {Kraff, Nicolas Johannes},
  title     = {Analyse raumzeitlicher Ver{\"a}nderungen und ontologische Kategorisierung morphologischer Armutserscheinungen - Eine globale Betrachtung mithilfe von Satellitenbildern und manueller Bildinterpretation},
  doi       = {10.25972/OPUS-32026},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-320264},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2023},
  abstract  = {Die st{\"a}dtische Umwelt ist in steter Ver{\"a}nderung, vor allem durch den Bau, aber auch durch die Zerst{\"o}rung von st{\"a}dtischen Elementen. Die formelle Entwicklung ist ein Prozess mit langen Planungszeitr{\"a}umen und die bebaute Landschaft wirkt daher statisch. Dagegen unterliegen informelle oder spontane Siedlungen aufgrund ihrer stets unvollendeten st{\"a}dtischen Form einer hohen Dynamik - so wird in der Literatur berichtet. Allerdings sind Dynamik und die morphologischen Merkmale der physischen Transformation in solchen Siedlungen, die st{\"a}dtische Armut morphologisch repr{\"a}sentieren, auf globaler Ebene bisher kaum mit einer konsistenten Datengrundlage empirisch untersucht worden. Hier setzt die vorliegende Arbeit an. Unter der Annahme, dass die erforschte zeitliche Dynamik in Europa geringer ausf{\"a}llt, stellt sich die generelle Frage nach einer katalogisierten Erfassung physischer Wohnformen von Armut speziell in Europa. Denn Wohnformen der Armut werden oft ausschließlich mit dem ‚Globalen S{\"u}den' assoziiert, insbesondere durch die Darstellung von Slums. Tats{\"a}chlich ist Europa sogar die Wiege der Begriffe ‚Slum' und ‚Ghetto', die vor Jahrhunderten zur Beschreibung von Missst{\"a}nden und Unterdr{\"u}ckung auftauchten. Bis heute weist dieser facettenreiche Kontinent eine enorme Vielfalt an physischen Wohnformen der Armut auf, die ihre Wurzeln in unterschiedlichen Politiken, Kulturen, Geschichten und Lebensstilen haben. Um {\"u}ber diese genannten Aspekte Aufschluss zu erlangen, bedarf es u.a. der Bildanalyse durch Satellitenbilder. Diese Arbeit wird daher mittels Fernerkundung bzw. Erdbeobachtung (EO) sowie zus{\"a}tzlicher Literaturrecherchen und einer empirischen Erhebung erstellt. Um Unsicherheiten konzeptionell und in der Erfassung offenzulegen, ist die Methode der manuellen Bildinterpretation von Armutsgebieten kritisch zu hinterfragen. Das {\"u}bergeordnete Ziel dieser Arbeit ist eine bessere Wissensbasis {\"u}ber Armut zu schaffen, um Maßnahmen zur Reduzierung von Armut entwickeln zu k{\"o}nnen. Die Arbeit dient dabei als eine Antwort auf die Nachhaltigkeitsziele der Vereinten Nationen. Es wird Grundlagenforschung betrieben, indem Wissensl{\"u}cken in der Erdbeobachtung zu physisch-baulichen bzw. morphologischen Erscheinungen von Armut auf Geb{\"a}ude-Ebene explorativ analysiert werden. Die Arbeit wird in drei Forschungsthemen bzw. Studienteile untergliedert: Ziel des ersten Studienteils ist die globale raumzeitliche Erfassung von Dynamiken durch Ankn{\"u}pfung an bisherige Kategorisierungen von Armutsgebieten. Die bisherige Wissensl{\"u}cke soll gef{\"u}llt werden, indem {\"u}ber einen Zeitraum von etwa sieben Jahren in 16 dokumentierten Manifestationen st{\"a}dtischer Armut anhand von Erdbeobachtungsdaten eine zeitliche Analyse der bebauten Umwelt durchgef{\"u}hrt wird. Neben einer global verteilten Gebietsauswahl wird die visuelle Bildinterpretation (MVII) unter Verwendung von hochaufl{\"o}senden optischen Satellitendaten genutzt. Dies geschieht in Kombination mit in-situ- und Google Street View-Bildern zur Ableitung von 3D-Stadtmodellen. Es werden physische Raumstrukturen anhand von sechs r{\"a}umlichen morphologischen Variablen gemessen: Anzahl, Gr{\"o}ße, H{\"o}he, Ausrichtung und Dichte der Geb{\"a}ude sowie Heterogenit{\"a}t der Bebauung. Diese ‚temporale Analyse' zeigt zun{\"a}chst sowohl inter- als auch intra-urbane Unterschiede. Es lassen sich unterschiedliche, aber generell hohe morphologische Dynamiken zwischen den Untersuchungsgebieten finden. Dies dr{\"u}ckt sich in vielf{\"a}ltiger Weise aus: von abgerissenen und rekonstruierten Gebieten bis hin zu solchen, wo Ver{\"a}nderungen innerhalb der gegebenen Strukturen auftreten. Geographisch gesehen resultiert in der Stichprobe eine fortgeschrittene Dynamik, insbesondere in Gebieten des Globalen S{\"u}dens. Gleichzeitig l{\"a}sst sich eine hohe r{\"a}umliche Variabilit{\"a}t der morphologischen Transformationen innerhalb der untersuchten Gebiete beobachten. Trotz dieser teilweise hohen morphologischen Dynamik sind die r{\"a}umlichen Muster von Geb{\"a}udefluchten, Straßen und Freifl{\"a}chen {\"u}berwiegend konstant. Diese ersten Ergebnisse deuten auf einen geringen Wandel in Europa hin, weshalb diese europ{\"a}ischen Armutsgebiete im folgenden Studienteil von Grund auf erhoben und kategorisiert werden. Ziel des zweiten Studienteils ist die Erschaffung einer neuen Kategorisierung, speziell f{\"u}r das in der Wissenschaft unterrepr{\"a}sentierte Europa. Die verschiedenen Formen nicht indizierter Wohnungsmorphologien werden erforscht und kategorisiert, um das bisherige globale wissenschaftliche ontologische Portfolio f{\"u}r Europa zu erweitern. Hinsichtlich dieses zweiten Studienteils bietet eine Literaturrecherche mit mehr als 1.000 gesichteten Artikeln die weitere Grundlage f{\"u}r den folgenden Fokus auf Europa. Auf der Recherche basierend werden mittels der manuellen visuellen Bildinterpretation (engl.: MVII) erneut Satellitendaten zur Erfassung der physischen Morphologien von Wohnformen genutzt. Weiterhin kommen selbst definierte geographische Indikatoren zu Lage, Struktur und formellem Status zum Einsatz. Dar{\"u}ber hinaus werden gesellschaftliche Hintergr{\"u}nde, die durch Begriffe wie ‚Ghetto', ‚Wohnwagenpark', ‚ethnische Enklave' oder ‚Fl{\"u}chtlingslager' beschrieben werden, recherchiert und implementiert. Sie sollen als Erkl{\"a}rungsansatz f{\"u}r Armutsviertel in Europa dienen. Die Stichprobe der europ{\"a}ischen, insgesamt aber unbekannten Grundgesamtheit verdeutlicht eine große Vielfalt an physischen Formen: Es wird f{\"u}r Europa eine neue Kategorisierung von sechs Hauptklassen entwickelt, die von ‚einfachsten Wohnst{\"a}tten' (z. B. Zelten) {\"u}ber ‚behelfsm{\"a}ßige Unterk{\"u}nfte ' (z. B. Baracken, Container) bis hin zu ‚mehrst{\"o}ckigen Bauten' - als allgemeine Taxonomie der Wohnungsnot in Europa - reicht. Die Untersuchung zeigt verschiedene Wohnformen wie z. B. unterirdische oder mobile Typen, verfallene Wohnungen oder große Wohnsiedlungen, die die Armut im Europa des 21. Jahrhunderts widerspiegeln. {\"U}ber die Wohnungsmorphologie hinaus werden diese Klassen durch die Struktur und ihren rechtlichen Status beschrieben - entweder als geplante oder als organisch-gewachsene bzw. weiterhin als formelle, informelle oder hybride (halblegale) Formen. Geographisch lassen sich diese {\"a}rmlichen Wohnformen sowohl in st{\"a}dtischen als auch in l{\"a}ndlichen Gebieten finden, mit einer Konzentration in S{\"u}deuropa. Der Hintergrund bei der Mehrheit der Morphologien betrifft Fl{\"u}chtlinge, ethnische Minderheiten und sozio{\"o}konomisch benachteiligte Menschen - die ‚Unterprivilegierten'. Ziel des dritten Studienteils ist eine kritische Analyse der Methode. Zur Erfassung all dieser Siedlungen werden heutzutage Satellitenbilder aufgrund der Fortschritte bei den Bildklassifizierungsmethoden meist automatisch ausgewertet. Dennoch spielt die MVII noch immer eine wichtige Rolle, z.B. um Trainingsdaten f{\"u}r Machine-Learning-Algorithmen zu generieren oder f{\"u}r Validierungszwecke. In bestimmten st{\"a}dtischen Umgebungen jedoch, z.B. solchen mit h{\"o}chster Dichte und struktureller Komplexit{\"a}t, fordern spektrale und textur-basierte Verflechtungen von {\"u}berlappenden Dachstrukturen den menschlichen Interpreten immer noch heraus, wenn es darum geht einzelne Geb{\"a}udestrukturen zu erfassen. Die kognitive Wahrnehmung und die Erfahrung aus der realen Welt sind nach wie vor unumg{\"a}nglich. Vor diesem Hintergrund zielt die Arbeit methodisch darauf ab, Unsicherheiten speziell bei der Kartierung zu quantifizieren und zu interpretieren. Kartiert werden Dachfl{\"a}chen als ‚Fußabdr{\"u}cke' solcher Gebiete. Der Fokus liegt dabei auf der {\"U}bereinstimmung zwischen mehreren Bildinterpreten und welche Aspekte der Wahrnehmung und Elemente der Bildinterpretation die Kartierung beeinflussen. Um letztlich die Methode der MVII als drittes Ziel selbstkritisch zu reflektieren, werden Experimente als sogenannte ‚Unsicherheitsanalyse' geschaffen. Dabei digitalisieren zehn Testpersonen bzw. Probanden/Interpreten sechs komplexe Gebiete. Hierdurch werden quantitative Informationen {\"u}ber r{\"a}umliche Variablen von Geb{\"a}uden erzielt, um systematisch die Konsistenz und Kongruenz der Ergebnisse zu {\"u}berpr{\"u}fen. Ein zus{\"a}tzlicher Fragebogen liefert subjektive qualitative Informationen {\"u}ber weitere Schwierigkeiten. Da die Grundlage der hierf{\"u}r bisher genutzten Kategorisierungen auf der subjektiven Bildinterpretation durch den Menschen beruht, m{\"u}ssen etwaige Unsicherheiten und damit Fehleranf{\"a}lligkeiten offengelegt werden. Die Experimente zu dieser Unsicherheitsanalyse erfolgen quantifiziert und qualifiziert. Es lassen sich generell große Unterschiede zwischen den Kartierungsergebnissen der Probanden, aber eine hohe Konsistenz der Ergebnisse bei ein und demselben Probanden feststellen. Steigende Abweichungen korrelieren mit einer steigenden baustrukturellen (morphologischen) Komplexit{\"a}t. Ein hoher Grad an Individualit{\"a}t bei den Probanden {\"a}ußert sich in Aspekten wie z.B. Zeitaufwand beim Kartieren, in-situ Vorkenntnissen oder Vorkenntnissen beim Umgang mit Geographischen Informationssystemen (GIS). Nennenswert ist hierbei, dass die jeweilige Datenquelle das Kartierungsverfahren meist beeinflusst. Mit dieser Studie soll also auch an der Stelle der angewandten Methodik eine weitere Wissensl{\"u}cke gef{\"u}llt werden. Die bisherige Forschung komplexer urbaner Areale unter Nutzung der manuellen Bildinterpretation implementiert oftmals keine Unsicherheitsanalyse oder Quantifizierung von Kartierungsfehlern. Fernerkundungsstudien sollten k{\"u}nftig zur Validierung nicht nur zweifelsfrei auf MVII zur{\"u}ckgreifen k{\"o}nnen, sondern vielmehr sind Daten und Methoden notwendig, um Unsicherheiten auszuschließen. Zusammenfassend tr{\"a}gt diese Arbeit zur bisher wenig erforschten morphologischen Dynamik von Armutsgebieten bei. Es werden inter- wie auch intra-urbane Unterschiede auf globaler Ebene pr{\"a}sentiert. Dabei sind allgemein hohe morphologische Transformationen zwischen den selektierten Gebieten festzustellen. Die Ergebnisse deuten auf einen grundlegenden Kenntnismangel in Europa hin, weshalb an dieser Stelle angekn{\"u}pft wird. Eine {\"u}ber Europa verteilte Stichprobe erlaubt eine neue morphologische Kategorisierung der großen Vielfalt an gefundenen physischen Formen. Die Menge an Gebieten erschließt sich in einer unbekannten Grundgesamtheit. Zur Datenaufbereitung bisheriger Analysen m{\"u}ssen Satellitenbilder manuell interpretiert werden. Das Verfahren birgt Unsicherheiten. Als kritische Selbstreflexion zeigt eine Reihe von Experimenten signifikante Unterschiede zwischen den Ergebnissen der Probanden auf, verdeutlicht jedoch bei ein und derselben Person Best{\"a}ndigkeit.},
  subject      = {Slum},
  language  = {de}
}
@phdthesis{Wegmann2009,
  author    = {Wegmann, Martin},
  title     = {Analyse von r{\"a}umlichen Landschaftsmustern und deren Determinanten mittels Fernerkundungsdaten : am Beispiel von Regenwaldfragmenten in Westafrika},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-36532},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2009},
  abstract  = {In den letzten Jahrzehnten ist eine verst{\"a}rkte Ver{\"a}nderung der Landoberfl{\"a}che beobachtet worden. Diese Prozesse sind direkten und indirekten anthropogenen Einfl{\"u}ssen zuzuschreiben, wie Deforestation oder Klimawandel. Mit dieser Entwicklung geht der Verlust und die Fragmentation von naturnahen Fl{\"a}chen einher. F{\"u}r das Fortbestehen von Populationen verschiedenster Organismen in einer derartig geformten Landschaft ist entscheidend, inwieweit die Migration zwischen bestehenden Fragmenten gew{\"a}hrleistet ist. Diese wird von der Eignung der umgebenden Landschaft beeinflusst. Im Kontext einer klimatischen Ver{\"a}nderung und verst{\"a}rkter anthropogener Landnutzung ist die Analyse der r{\"a}umlichen Anordnung von Habitatfragmenten und der Qualit{\"a}t der umgebenden Landschaft besonders f{\"u}r die globale Aufrechterhaltung der Biodiversit{\"a}t wichtig. Großr{\"a}umige Muster der Landschaftsver{\"a}nderung k{\"o}nnen mit Hilfe von Satellitendaten analysiert werden, da es nur diese erm{\"o}glichen die Landbedeckung fl{\"a}chendeckend, reproduzierbar und auf einer ad{\"a}quaten r{\"a}umlichen Aufl{\"o}sung zu kartieren. Besonders zeitlich hochaufgel{\"o}ste Daten liefern wertvolle Informationen bez{\"u}glich der Dynamik der Landbedeckung. Diese Arbeit besch{\"a}ftigt sich mit der Analyse der Fragmentation in Westafrika und der potentiellen Bedeutung von singul{\"a}ren Fragmenten und deren potentiellen Auswirkungen auf die Biodiversit{\"a}t. Daf{\"u}r wurden zeitlich hoch- und r{\"a}umlich mittelaufgel{\"o}ste Daten des Aufnahmesystems MODIS verwendet, mit denen f{\"u}r das Untersuchungsgebiet Westafrika die Landbedeckung klassifziert wurde. F{\"u}r die darauf folgenden Analysen der r{\"a}umlichen Konfiguration der Fragmente wurde der Fokus auf Regenwaldgebiete gelegt. Die Analyse von r{\"a}umlichen Mustern der Regenwaldfragmente liefert weiterf{\"u}hrende qualitative Informationen der individuellen Teilbereiche. Die r{\"a}umliche Anordnung wurde sowohl mit etablierten Maßen als auch mittels in dieser Arbeit erstellter robuster und {\"u}bertragbarer Indizes quantifiziert. Es konnte gezeigt werden, dass die Verwendung von aussagekr{\"a}ftigen Indizes, besonders, wenn sie alle benachbarten Fragmente und die Qualit{\"a}t der umgebenden Matrix ber{\"u}cksichtigen, die r{\"a}umliche Differenzierung von Fragmenten verbessert. Jedoch ist die Anwendung dieser Maße abh{\"a}ngig von den Anspr{\"u}chen einer Art. Daher muss die artspezifische Perzeptionen der Landschaft auf der Basis der Indizes implementiert werden, da die {\"U}bertragung der Ergebnisse einzelner Indizes auf andere r{\"a}umliche Aufl{\"o}sungen und andere Regionen nur begrenzt m{\"o}glich war. Des Weiteren wurden potentielle Einflussfaktoren auf die r{\"a}umlichen Muster mittels Neutraler Landschaftsmodelle untersucht. Hierbei ergaben sich je nach Region und Index unterschiedliche Ergebnisse, allerdings konnte der Einfluss anthropogen induzierter Ver{\"a}nderungen auf die Landbedeckung postuliert werden. Die große Bedeutung der r{\"a}umlichen Attribution von Landbedeckungsklassen konnte in dieser Arbeit aufgezeigt werden. Der alleinige Fokus auf die Kartierung von z. B. Waldfragmenten ohne deren r{\"a}umliche Anordnung zu ber{\"u}cksichtigen, kann zu falschen Schl{\"u}ssen bez{\"u}glich deren {\"o}kologischen, hydrologischen und klimatologischen Bedeutung f{\"u}hren.},
  subject      = {Fragmentierung},
  language  = {de}
}
@phdthesis{Esch2006,
  author    = {Esch, Thomas},
  title     = {Automatisierte Analyse von Siedlungsfl{\"a}chen auf der Basis h{\"o}chstaufl{\"o}sender Radardaten},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-18863},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2006},
  abstract  = {St{\"a}dtische Agglomerationen zeichnen sich durch eine zunehmende Dynamik {\"o}kologischer, {\"o}konomischer und sozialer Ver{\"a}nderungen aus. Um eine nachhaltige Entwicklung urbaner R{\"a}ume zu gew{\"a}hrleisten, bedarf es verst{\"a}rkt innovativer Methoden zur Erfassung der raumwirksamen Ver{\"a}nderungen. Diesbez{\"u}glich hat sich die satellitengest{\"u}tzte Erdbeobachtung als kosteng{\"u}nstiges Instrumentarium zur Erhebung planungsrelevanter Informationen erwiesen. Dabei wird in naher Zukunft eine neue Generation von Radarsatelliten zur Verf{\"u}gung stehen, deren Leistungsverm{\"o}gen erstmals die operationelle Analyse von Siedlungsfl{\"a}chen auf Grundlage von Radardaten erm{\"o}glicht. Vor diesem Hintergrund ist es das Ziel der Dissertation, auf der Basis einer nutzerorientierten Methodik das Potential hochaufl{\"o}sender SAR-Daten zur automatisierten Erfassung und Analyse von Siedlungsfl{\"a}chen zu untersuchen. Die Methodik setzt auf dem objektorientierten Bildanalysekonzept der Software eCognition auf. Dabei haben sich der SAR-Speckle sowie Schw{\"a}chen hinsichtlich der G{\"u}te der Bildsegmentierung bzw. der Bestimmung geeigneter Segmentierungseinstellungen als Limitierungen erwiesen. Folglich liegt ein erster Schwerpunkt auf der Optimierung und Stabilisierung einer segmentbasierten Auswertung von Radardaten. Hier hat sich gezeigt, dass mit Blick auf Siedlungsareale weiterhin Optimierungsbedarf hinsichtlich einer strukturerhaltenden Bildgl{\"a}ttung besteht. Daher wird zun{\"a}chst ein neuer Filteransatz entwickelt, der gegen{\"u}ber den etablierten Techniken eine konsequentere Reduzierung des Speckle in homogenen Bildarealen gew{\"a}hrleistet und dabei gleichsam die hochfrequente Information in stark strukturierten Aufnahmebereichen bewahrt. Die Schwierigkeiten im Zusammenhang mit der G{\"u}te und {\"U}bertragbarkeit der Bildsegmentierung werden ebenso wie die Schw{\"a}chen im Hinblick auf die zielgerichtete Definition der optimalen Segmentierungsparameter durch die Entwicklung eines klassenbasierten Ansatzes zur Segmentoptimierung in der Software-Umgebung von eCognition reduziert. Der zweite Schwerpunkt dieser Dissertation widmet sich der Entwicklung von Konzepten zur automatisierten Analyse der regionalen und lokalen Siedlungsstruktur. Im regionalen Kontext liegen die Identifizierung von Siedlungsfl{\"a}chen und die Erfassung einfacher Landnutzungsklassen im Fokus der Arbeiten. Dazu wird ein Regelwerk zur Auswertung einfach-polarisierter SAR-Aufnahmen erstellt, das sich maßgeblich auf r{\"a}umlich und zeitlich robuste textur-, kontext- und hierarchiebezogene Merkmale st{\"u}tzt. Diese Wissensbasis wird anschließend so erweitert, dass sie die Analyse dual-polarisierter, bifrequenter oder kombinierter optischer und SAR-basierter Bilddaten erm{\"o}glicht. Wie die Ergebnisse zeigen, k{\"o}nnen Siedlungsfl{\"a}chen und Landnutzungsklassen bereits {\"u}ber einfach-polarisierte SAR-Aufnahmen mit Genauigkeiten von rund 90 Prozent erfasst werden. Durch die Einbindung einer weiteren Polarisation, Frequenz oder optischer Daten l{\"a}sst sich diese G{\"u}te auf Werte von bis zu 95 Prozent steigern. Die lokalen Analysen zielen auf die thematisch und r{\"a}umlich differenzierte Erfassung der Landnutzung innerhalb bebauter Areale ab. Die Untersuchung basiert auf der synergetischen Auswertung einer hochaufl{\"o}senden Radaraufnahme und eines bedeutend geringer aufgel{\"o}sten optischen Datensatzes. Die isolierte Analyse von SAR-Aufnahmen reichte hingegen selbst bei der Kombination verschiedener Frequenzen oder Polarisationen nicht zur Charakterisierung der kleinteiligen, heterogenen Stadtlandschaft aus. Im Kontext der synergetischen Auswertung dient die SAR-Aufnahme vornehmlich zur Extraktion der urbanen Topografie, w{\"a}hrend der optische Datensatz wichtige Merkmale zur Differenzierung der erfassten Struktureinheiten in die Kategorien Geb{\"a}ude, versiegelte Freifl{\"a}che, unversiegelte Freifl{\"a}che und Baumbestand beisteuert. Das Resultat zeigt, dass sich trotz des synergetischen Ansatzes lediglich eine Genauigkeit von 65 Prozent erzielen l{\"a}sst. Dennoch k{\"o}nnen Geb{\"a}ude dabei mit einer G{\"u}te von 72 Prozent vergleichsweise akkurat erfasst werden. Im Hinblick auf die Demonstration des siedlungsbezogenen Anwendungspotentials h{\"o}chstaufl{\"o}sender SAR-Daten l{\"a}sst sich res{\"u}mieren, dass eine automatische Ableitung siedlungsstruktureller Merkmale im komplexen st{\"a}dtischen Umfeld aufgrund der eingeschr{\"a}nkten spektralen Aussagekraft und der starken Geometrieabh{\"a}ngigkeit des Signals mit signifikanten Schwierigkeiten verbunden ist. Dennoch hat sich gezeigt, dass diese Limitierungen in gewissem Umfang {\"u}ber den Ansatz der multiskaligen, objektorientierten Klassifizierung kompensiert werden k{\"o}nnen. Dabei lassen sich die regionalen Siedlungs- und Landnutzungsmuster mit {\"u}berzeugenden Genauigkeiten erfassen, w{\"a}hrend die Betrachtung der lokalen Siedlungsstruktur eindeutig die Grenzen der Radartechnik im Hinblick auf die Analyse komplex strukturierter Stadtlandschaften aufzeigt.},
  subject      = {Fernerkundung},
  language  = {de}
}
@phdthesis{Hu2020,
  author    = {Hu, Zhongyang},
  title     = {Earth Observation for the Assessment of Long-Term Snow Dynamics in European Mountains - Analysing 35-Year Snowline Dynamics in Europe Based on High Resolution Earth Observation Data between 1984 and 2018},
  doi       = {10.25972/OPUS-20044},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-200441},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2020},
  abstract  = {Worldwide, cold regions are undergoing significant alterations due to climate change. Snow, the most widely distributed cold region component, is highly sensitive to climate change. At the same time, snow itself profoundly impacts the Earth's energy budget, biodiversity, and natural hazards, as well as hydropower management, freshwater management, and winter tourism/sports. Large parts of the cold regions in Europe are mountain areas, which are densely populated because of the various ecosystem services and socioeconomic well-being in mountains. At present, severe consequences caused by climate change have been observed in European mountains and their surrounding areas. Yet, large knowledge gaps hinder the development of effective regional and local adaptation strategies. Long-term and evidence-based regional studies are urgently needed to enhance the comprehension of regional responses to climate change. Earth Observation (EO) provides long-term consistent records of the Earth's surface. It is a great alternative and/or supplement to conventional in-situ measurements which are usually time-consuming, cost-intensive and logistically demanding, particularly for the poor accessibility of cold regions. With the assistance of EO, land surface dynamics in cold regions can be observed in an objective, repeated, synoptic and consistent way. Thanks to free and open data policies, long-term archives such as Landsat Archive and Sentinel Archive can be accessed free-of-charge. The high- to medium-resolution remote sensing imagery from these freely accessible archives gives EO-based time series datasets the capability to depict snow dynamics in European mountains from the 1980s to the present. In order to compile such a dataset, it is necessary to investigate the spatiotemporal availability of EO data, and develop a spatiotemporally transferable framework from which one can investigate snow dynamics. Among the available EO image archives, the Landsat Archive has the longest uninterrupted records of the Earth's land surface. Furthermore, its 30 m spatial resolution fulfils the requirements for snow monitoring in complex terrains. Landsat data can yield a time series of snow dynamics in mountainous areas from 1984 to the present. However, severe Landsat data gaps have occurred across certain regions of Europe. Moreover, the Landsat Level 1 Precision and Terrain (L1TP) data is scarcer (up to 50\% less) in high-latitude mountainous areas than in low-latitude mountainous areas. Given the abovementioned facts, the Regional Snowline Elevation (RSE) is selected to characterize the snow dynamics in mountainous areas, as it can handle cloud obstructions in the optical images. In this thesis, I present a five-step framework to derive and densify RSE time series in European mountains, i.e. (1) pre-processing, (2) snow detection, (3) RSE retrieval, (4) time series densification, and (5) Regional Snowline Retreat Curve (RSRC) production. The results of the intra-annual RSE variations show a uniquely high variation in the beginning of the ablation seasons in the Alpine catchment Tagliamento, mainly toward higher elevation. As for inter-annual variations of RSE, median RSE increases in all selected catchments, with an average speed of around 4.66 m ∙ a-1 (median) and 5.87 m ∙ a-1 (at the beginning of the ablation season). The fastest significant retreat is observed in the catchment Drac (10.66 m ∙ a-1, at the beginning of the ablation season), and the slowest significant retreat is observed in the catchment Uzh (1.74 m ∙ a-1, at the beginning of the ablation season). The increase of RSEs at the beginning of the ablation season is faster than the median RSEs, whose average difference is nearly 1.21 m ∙ a-1, particularly in the catchment Drac (3.72 m ∙ a-1). The results of the RSRCs show a significant rise in RSEs at the beginning of the ablation season, except for the Alpine catchment Alpenrhein and Var, and the Pyrenean catchment Ariege. It indicates that 11.8 and 3.97 degrees Celsius less per year are needed for the regional snowlines to reach the middle point of the RSRC in the Tagliamento and Tysa, respectively. The variation of air temperature is regarded as an example of a potential climate driver in this thesis. The retrieved monthly mean RSEs are highly correlated (mean correlation coefficient "R" ̅ = 0.7) with the monthly temperature anomalies, which are more significant in months with extremely low/high temperature. Another case study that investigates the correlation between river discharges and RSEs is carried out to demonstrate the potential consequences of the derived snowline dynamics. The correlation analysis shows a good correlation between river discharges and RSEs (correlation coefficient, R=0.52). In this thesis, the developed framework signifies a better understanding of the snow dynamics in mountain areas, as well as their potential triggers and consequences. Nonetheless, an urgent need persists for: (1) validation data to assess long-term snow-related observations based on high-resolution EO data; (2) further studies to reveal interactions between snow and its ambient environment; and (3) regional and local adaptation-strategies coping with climate change. Further studies exploring the above-mentioned research gaps are urgently needed in the future.},
  subject      = {Fernerkundung},
  language  = {en}
}
@phdthesis{Reinermann2023,
  author    = {Reinermann, Sophie},
  title     = {Earth Observation Time Series for Grassland Management Analyses - Development and large-scale Application of a Framework to detect Grassland Mowing Events in Germany},
  doi       = {10.25972/OPUS-32273},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-322737},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2023},
  abstract  = {Grasslands shape many landscapes of the earth as they cover about one-third of its surface. They are home and provide livelihood for billions of people and are mainly used as source of forage for animals. However, grasslands fulfill many additional ecosystem functions next to fodder production, such as storage of carbon, water filtration, provision of habitats and cultural values. They play a role in climate change (mitigation) and in preserving biodiversity and ecosystem functions on a global scale. The degree to what these ecosystem functions are present within grassland ecosystems is largely determined by the management. Individual management practices and the use intensity influence the species composition as well as functions, like carbon storage, while higher use intensities (e.g. high mowing frequencies) usually show a negative impact. Especially in Central European countries, like in Germany, the determining influence of grassland management on its physiognomy and ecosystem functions leads to a large variability and small-scale alternations of grassland parcels. Large-scale information on the management and use intensity of grasslands is not available. Consequently, estimations of grassland ecosystem functions are challenging which, however, would be required for large-scale assessments of the status of grassland ecosystems and optimized management plans for the future. The topic of this thesis tackles this gap by investigating the major grassland management practice in Germany, which is mowing, for multiple years, in high spatial resolution and on a national scale. Earth Observation (EO) has the advantage of providing information of the earth's surface on multi-temporal time steps. An extensive literature review on the use of EO for grassland management and production analyses, which was part of this thesis, showed that in particular research on grasslands consisting of small parcels with a large variety of management and use intensity, like common in Central Europe, is underrepresented. Especially the launch of the Sentinel satellites in the recent past now enables the analyses of such grasslands due to their high spatial and temporal resolution. The literature review specifically on the investigation of grassland mowing events revealed that most previous studies focused on small study areas, were exploratory, only used one sensor type and/or lacked a reference data set with a complete range of management options. Within this thesis a novel framework to detect grassland mowing events over large areas is presented which was applied and validated for the entire area of Germany for multiple years (2018-2021). The potential of both sensor types, optical (Sentinel-2) and Synthetic Aperture Radar (SAR) (Sentinel-1) was investigated regarding grassland mowing event detection. Eight EO parameters were investigated, namely the Enhanced Vegetation Index (EVI), the backscatter intensity and the interferometric (InSAR) temporal coherence for both available polarization modes (VV and VH), and the polarimetric (PolSAR) decomposition parameters Entropy, K0 and K1. An extensive reference data set was generated based on daily images of webcams distributed in Germany which resulted in mowing information for grasslands with the entire possible range of mowing frequencies - from one to six in Germany - and in 1475 reference mowing events for the four years of interest. For the first time a observation-driven mowing detection approach including data from Sentinel-2 and Sentinel-1 and combining the two was developed, applied and validated on large scale. Based on a subset of the reference data (13 grassland parcels with 44 mowing events) from 2019 the EO parameters were investigated and the detection algorithm developed and parameterized. This analysis showed that a threshold-based change detection approach based on EVI captured grassland mowing events best, which only failed during periods of clouds. All SAR-based parameters showed a less consistent behavior to mowing events, with PolSAR Entropy and InSAR Coherence VH, however, revealing the highest potential among them. A second, combined approach based on EVI and a SARbased parameter was developed and tested for PolSAR Entropy and InSAR VH. To avoid additional false positive detections during periods in which mowing events are anyhow reliably detected using optical data, the SAR-based mowing detection was only initiated during long gaps within the optical time series (< 25 days). Application and validation of these approaches in a focus region revealed that only using EVI leads to the highest accuracies (F1-Score = 0.65) as combining this approach with SAR-based detection led to a strong increase in falsely detected mowing events resulting in a decrease of accuracies (EVI + PolSAR ENT F1-Score = 0.61; EVI + InSAR COH F1-Score = 0.61). The mowing detection algorithm based on EVI was applied for the entire area of Germany for the years 2018-2021. It was revealed that the largest share of grasslands with high mowing frequencies (at least four mowing events) can be found in southern/south-eastern Germany. Extensively used grassland (mown up to two times) is distributed within the entire country with larger shares in the center and north-eastern parts of Germany. These patterns stay constant in general, but small fluctuations between the years are visible. Early mown grasslands can be found in southern/south-eastern Germany - in line with high mowing frequency areas - but also in central-western parts. The years 2019 and 2020 revealed higher accuracies based on the 1475 mowing events of the multi-annual validation data set (F1-Scores of 0.64 and 0.63), 2018 and 2021 lower ones (F1-Score of 0.52 and 0.50). Based on this new, unprecedented data set, potential influencing factors on the mowing dynamics were investigated. Therefore, climate, topography, soil data and information on conservation schemes were related to mowing dynamics for the year 2020, which showed a high number of valid observations and detection accuracy. It was revealed that there are no strong linear relationships between the mowing frequency or the timing of the first mowing event and the investigated variables. However, it was found that for intensive grassland usage certain climatic and topographic conditions have to be fulfilled, while extensive grasslands appear on the entire spectrum of these variables. Further, higher mowing frequencies occur on soils with influence of ground water and lower mowing frequencies in protected areas. These results show the complex interplay between grassland mowing dynamics and external influences and highlight the challenges of policies aiming to protect grassland ecosystem functions and their need to be adapted to regional circumstances.},
  subject      = {Gr{\"u}nland},
  language  = {en}
}
@phdthesis{Machwitz2010,
  author    = {Machwitz, Miriam},
  title     = {Eine raum-zeitliche Modellierung der Kohlenstoffbilanz mit Fernerkundungsdaten auf regionaler Ebene in Westafrika},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-55136},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2010},
  abstract  = {Der Klimawandel und insbesondere die globale Erw{\"a}rmung geh{\"o}ren aktuell zu den gr{\"o}ßten Herausforderungen an Politik und Wissenschaft. Steigende CO2-Emissionen sind hierbei maßgeblich f{\"u}r die Klimaerw{\"a}rmung verantwortlich. Ein regulierender Faktor beim CO2-Austausch mit der Atmosph{\"a}re ist die Vegetation, welche als CO2-Senke aber auch als CO2-Quelle fungieren kann. Diese Funktionen k{\"o}nnen durch Analysen der Landbedeckungs{\"a}nderung in Kombination mit Modellierungen der Kohlenstoffbilanz quantifiziert werden, was insbesondere von aktuellen und zuk{\"u}nftigen politischen Instrumenten wie CDM (Clean Development Mechanism) oder REDD (Reducing Emissions from Deforestation and Degradation) gefordert wird. Vor allem in Regionen mit starker Landbedeckungs{\"a}nderung und hoher Bev{\"o}lkerungsdichte sowie bei geringem Wissen {\"u}ber die Produktivit{\"a}t und CO2-Speicherpotentiale der Vegetation, bedarf es einer Erforschung und Quantifizierung der terrestrischen Kohlenstoffspeicher. Eine Region, f{\"u}r die dies in besonderem Maße zutrifft, ist Westafrika. J{\"u}ngste Studien haben gezeigt, dass sich einerseits die Folgen des Klimawandels und Umweltver{\"a}nderungen sehr stark in Westafrika auswirken werden und andererseits Bev{\"o}lkerungswachstum eine starke {\"A}nderung der Landbedeckung f{\"u}r die Nutzung als agrarische Fl{\"a}che bewirkt hat. Folglich sind in dieser Region die terrestrischen Kohlenstoffspeicher durch Ausdehnung der Landwirtschaft und Waldrodung besonders gef{\"a}hrdet. Große Fl{\"a}chen agieren anstelle ihrer urspr{\"u}nglichen Funktion als CO2-Senke bereits als CO2-Quelle. [...]},
  subject      = {Carbon dioxide capture and storage},
  language  = {de}
}
@phdthesis{Knoefel2018,
  author    = {Kn{\"o}fel, Patrick},
  title     = {Energiebilanzmodellierung zur Ableitung der Evapotranspiration - Beispielregion Khorezm},
  edition   = {1. Auflage},
  publisher = {W{\"u}rzburg University Press},
  address   = {W{\"u}rzburg},
  isbn      = {978-3-95826-042-9 (Print)},
  issn      = {0510-9833},
  doi       = {10.25972/WUP-978-3-95826-043-6},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-135669},
  school      = {W{\"u}rzburg University Press},
  pages     = {276},
  year      = {2018},
  abstract  = {Zum Verst{\"a}ndnis der komplexen Wechselwirkungen innerhalb des Klimasystems der Erde sind Kenntnisse {\"u}ber den hydrologischen Zyklus und den Energiekreislauf essentiell. Eine besondere Rolle obliegt hierbei der Evapotranspiration (ET), da sie eine wesentliche Teilkomponente beider oben erw{\"a}hnter Kreisl{\"a}ufe ist. Die exakte Quantifizierung der regionalen, tats{\"a}chlichen Evapotranspiration innerhalb der Wasser- und Energiekreisl{\"a}ufe der Erdoberfl{\"a}che auf unterschiedlichen zeitlichen und r{\"a}umlichen Skalen ist f{\"u}r hydrologische, klimatologische und agronomische Fragestellungen von großer Bedeutung. Dabei ist eine realistische Absch{\"a}tzung der regionalen tats{\"a}chlichen Evapotranspiration die wichtigste Herausforderung der hydrologischen Modellierung. Besonders die unterschiedlichen r{\"a}umlichen und zeitlichen Aufl{\"o}sungen von Satelliteninformationen machen die Fernerkundung sowohl f{\"u}r globale als auch regionale hydrologischen Fragestellungen interessant. Zus{\"a}tzlich zur Notwendigkeit des Prozessverst{\"a}ndnisses des Wasserkreislaufs auf globaler Ebene kommt dessen regionale Bedeutung f{\"u}r die Landwirtschaft, insbesondere in Bew{\"a}sserungssystemen arider Regionen. In ariden Klimazonen {\"u}bersteigt die Menge der Verdunstung oft bei weitem die Niederschlagsmengen. Aufgrund der geringen Niederschlagsmenge muss in ariden agrarischen Regionen das zum Pflanzenwachstum ben{\"o}tigte Wasser mit Hilfe k{\"u}nstlicher Bew{\"a}sserung aufgebracht werden. Der jeweilige lokale Bew{\"a}sserungsbedarf h{\"a}ngt von der Feldfrucht und deren Wachstumsphase, den Klimabedingungen, den Bodeneigenschaften und der Ausdehnung der Wurzelzone ab. Die Evapotranspiration ist als Komponente der regionalen Wasserbilanz eine wichtige Steuerungsgr{\"o}ße und Effizienzindikator f{\"u}r das lokale Bew{\"a}sserungsmanagement. Die Bew{\"a}sse-rungslandwirtschaft verbraucht weltweit etwa 70 \% der verf{\"u}gbaren S{\"u}ßwasservorkom-men. Dies wird als einer der Hauptgr{\"u}nde f{\"u}r die weltweit steigende Wasserknappheit identifiziert. Dabei liegt die Wasserentnahme des landwirtschaftlichen Sektors in den OECD Staaten im Mittel bei etwa 44 \%, in den Staaten Mittelasiens bei {\"u}ber 90 \%. Bei der Erstellung der vorliegenden Arbeit kam die Methode der residualen Bestimmung der Energiebilanz zum Einsatz. Eines der weltweit am h{\"a}ufigsten eingesetzten und vali-dierten fernerkundlichen Residualmodelle zur ET Ableitung ist das SEBAL-Modell (Surface Energy Balance Algorithm for Land, mit {\"u}ber 40 ver{\"o}ffentlichten Studien. SEBAL eignet sich zur Quantifizierung der Verdunstung großfl{\"a}chiger Gebiete und wurde bisher {\"u}ber-wiegend in der Bew{\"a}sserungslandwirtschaft eingesetzt. Aus diesen Gr{\"u}nden wurde es f{\"u}r die Bearbeitung der Fragestellungen in dieser Arbeit ausgew{\"a}hlt. SEBAL verwendet physikalische und empirische Beziehungen zur Berechnung der Energiebilanzkomponenten basierend auf Fernerkundungsdaten, bei gleichzeitig minimalem Einsatz bodengest{\"u}tzter Daten. Als Eingangsdaten werden u.a. Informationen {\"u}ber Strahlung, Bodenoberfl{\"a}chentemperatur, NDVI, LAI und Albedo verwendet. Zus{\"a}tzlich zu SEBAL wurden einige Komponenten der SEBAL Weiterentwicklung METRIC (Mapping Evapotranspiration with Internalized Calibration) verwendet, um die Modellierung der ET vorzunehmen. METRIC {\"u}berwindet einige Limitierungen des SEBAL Verfahrens und kann beispielsweise auch in st{\"a}rker reliefierten Regionen angewendet werden. Außerdem erm{\"o}glicht die Integration einer gebietsspezifischen Referenz-ET sowie einer Landnutzungsklassifikation eine bessere regionale Anpassung des Residualverfahrens. Unter der Annahme der Bedingungen zum Zeitpunkt der Fernerkundungsaufnahme ergibt sich die Energiebilanz an der Erdoberfl{\"a}che RN = LvE + H + G. Demnach teilt sich die verf{\"u}gbare Strahlungsenergie RN in die Komponenten latenter W{\"a}rme (LVE), f{\"u}hlbarer W{\"a}rme (H) und Bodenw{\"a}rme (G) auf. Durch Umstellen der Gleichung kann auf die latente W{\"a}rme geschlossen werden. Das wesentliche Ziel der vorliegenden Arbeit ist die Optimierung, Erweiterung und Validierung des ausgew{\"a}hlten SEBAL Verfahrens zur regionalen Modellierung der Energiebilanzkomponenten und der daraus abgeleiteten tats{\"a}chlichen Evapotranspiration. Die validierten Modellergebnisse der Gebietsverdunstung der Jahre 2009-2011 sollen anschließend als Grundlage dienen, das Gesamtverst{\"a}ndnis der regionalen Prozesse des Wasserkreislaufs zu verbessern. Die Arbeit basiert auf der Datengrundlage von MODIS Daten mit 1 km r{\"a}umlicher Aufl{\"o}sung. W{\"a}hrend die Komponenten verf{\"u}gbare Strahlungsenergie und f{\"u}hlbarer W{\"a}rmestrom physikalisch basiert ermittelt werden, beruht die Berechnung des Bodenw{\"a}rmestroms ausschließlich auf empirischen Absch{\"a}tzungen. Ein großer Nachteil des empirischen Ansatzes ist die Vernachl{\"a}ssigung des zeitlichen Versatzes zwischen Strahlungsbilanz und Bodenw{\"a}rmestrom in Abh{\"a}ngigkeit der aktuellen Bodenfeuchtesituation. Ein besonderer Schwerpunkt der vorliegenden Arbeit liegt auf der Bewertung und Verbesserung der Modellg{\"u}te des Bodenw{\"a}rmestroms durch Verwendung eines neuen Ansatzes zur Integration von Bodenfeuchteinformationen. Daher wird in der Arbeit ein physikalischer Ansatz entwickelt der auf dem Ansatz der periodischen Temperaturver{\"a}nderung basiert. Hierbei wurde neben dem ENVISAT ASAR SSM Produkt der TU Wien das operationelle Oberfl{\"a}chenbodenfeuchteprodukt ASCAT SSM als Fernerkundungseingangsdaten ausgew{\"a}hlt. Die mit SEBAL modellierten Energiebilanzkomponenten werden durch eine intensive Validierung mit bodengest{\"u}tzten Messungen bewertet, die Messungen stammen von Bodensensoren und Daten einer Eddy-Kovarianz-Station aus den Jahren 2009 bis 2011. Die Region Khorezm gilt als charakteristisch f{\"u}r die wasserbezogene Problematik der Bew{\"a}sserungslandwirtschaft Mittelasiens und wurde als Untersuchungsgebiet f{\"u}r diese Arbeit ausgew{\"a}hlt. Die wesentlichen Probleme dieser Region entstehen durch die nach wie vor nicht nachhaltige Land- und Wassernutzung, das marode Bew{\"a}sserungsnetz mit einer Verlustrate von bis zu 40 \% und der Bodenversalzung aufgrund hoher Grundwasserspiegel. Im Untersuchungsgebiet wurden in den Jahren 2010 und 2011 umfangreiche Feldarbeiten zur Erhebung lokaler bodengest{\"u}tzter Informationen durchgef{\"u}hrt. Bei der Evaluierung der modellierten Einzelkomponenten ergab sich f{\"u}r die Strahlungsbi-lanz eine hohe Modellg{\"u}te (R² > 0,9; rRMSE < 0,2 und NSE > 0,5). Diese Komponente bildet die Grundlage bei der Bezifferung der f{\"u}r die Prozesse an der Erdoberfl{\"a}che zur Verf{\"u}gung stehenden Energie. F{\"u}r die f{\"u}hlbaren W{\"a}rmestr{\"o}me wurden ebenfalls gute Ergebnisse erzielt, mit NSE von 0,31 und rRMSE von ca. 0,21. F{\"u}r die residual bestimmte Gr{\"o}ße der latenten W{\"a}rmestr{\"o}mung konnte eine insgesamt gute Modellg{\"u}te festgestellt werden (R² > 0,6; rRMSE < 0,2 und NSE > 0,5). Dementsprechend gut wurde die t{\"a}gliche Evapotranspiration modelliert. Hier ergab sich, nach der Interpolation t{\"a}glicher Werte, eine insgesamt ausreichend gute Modellg{\"u}te (R² > 0,5; rRMSE < 0,2 und NSE > 0,4). Dies best{\"a}tigt die Ergebnisse vieler Energiebilanzstudien, die lediglich den f{\"u}r die Ableitung der Evapotranspiration maßgebenden W{\"a}rmestrom untersuchten. Die Modellergebnisse f{\"u}r den Bodenw{\"a}rmestrom konnten durch die Entwicklung und Verwendung des neu entwickelten physikalischen Ansatzes von NSE < 0 und rRMSE von ca. 0,57 auf NSE von 0,19 und rRMSE von 0,35 verbessert werden. Dies f{\"u}hrt zu einer insgesamt positiven Einsch{\"a}tzung des Verbesserungspotenzials des neu entwickelten Bodenw{\"a}rmestromansatzes bei der Berechnung der Energiebilanz mit Hilfe von Fernerkundung.},
  subject      = {Evapotranspiration},
  language  = {de}
}
@phdthesis{Vogel2005,
  author    = {Vogel, Melanie},
  title     = {Erfassung von Vegetationsver{\"a}nderungen in Namibia mit Hilfe von Fernerkundungs-Change-Detection-Verfahren und unter Ber{\"u}cksichtigung rezenter Niederschlagsereignisse},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-17176},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2005},
  abstract  = {Die Dornbusch-Savannen Zentralnamibias unterliegen großen Ver{\"a}nderungen. Teilweise handelt es sich dabei um Degradationsprozesse, die zu einem Verlust an Artenvielfalt und auch {\"o}konomischem Wert dieser {\"u}berwiegend als Rinderweide genutzten Systeme f{\"u}hren. Die Degradation dr{\"u}ckt sich in der Savannenlandschaft zum einen durch Verkahlung aus (Desertifikation), vor allem aber durch die massive Ausbreitung einzelner Dornbuscharten wie Acacia mellifera, die zur Umwandlung gemischter Savannenvegetation in artenarme Dominanzbest{\"a}nde f{\"u}hrt (Verbuschung). Andere Ver{\"a}nderungen erfolgen spontan und stellen eine Reaktion der Vegetation auf aktuelle Niederschlagsereignisse dar. Diese ph{\"a}nologischen {\"A}nderungen sind in der Regel reversibel. Als typische Ver{\"a}nderungsmechanismen konnten nutzungsbedingter und nat{\"u}rlicher reversibler oder irreversibler Vegetationsverlust und die Wiederbesiedelung verkahlter Fl{\"a}chen identifiziert werden. Des Weiteren gibt es moderate Schwankungen der Vegetationsdichte, zu denen die Verbuschungsprozesse und die Buschsterbe geh{\"o}ren. Die Buschsterbe ist eine Pilzerkrankung, die zum fl{\"a}chenhaften Absterben von Akazienb{\"u}schen, vor allem von Ac. mellifera f{\"u}hrt. Auch der Einfluss von Feuer kann eine Ursache f{\"u}r Ver{\"a}nderungen sein. Um insbesondere das Ausmaß der Degradationsprozesse in Zentralnamibia zu erfassen und zu quantifizieren, wurde in dieser Arbeit ein fernerkundliches Change-Detection-Verfahren auf der Basis von Landsat-TM und ETM-Daten entwickelt. Die methodische Basis hierf{\"u}r stellten das Image-Differencing und die modifizierte selektive Hauptkomponentenanalyse (sPCA) dar. Um auch Formparameter der ver{\"a}nderten Fl{\"a}chen zur Unterscheidung von Ver{\"a}nderungstypen heranziehen zu k{\"o}nnen, wurden die Ergebnisse des Differencings segmentiert und das Maß der Kompaktheit(Compactness) der Segmente extrahiert. Die Klassifikation der charakteristischen Ver{\"a}nderungen erfolgte {\"u}ber Ratios und Schwellenwerte von Einzelkan{\"a}len dieser Change-Datendatens{\"a}tze und der Compactness, die aus charakteristischen Ver{\"a}nderungssignaturen abgeleitet wurden. Diese wurden anhand von Referenzfl{\"a}chen ermittelt, die auf Felddaten basierten. Als Referenz zur Ableitung der Signaturen diente dabei der Ver{\"a}nderungsdatensatz aus dem Vergleich der Landsat- Szenen von Mai 2000 und April 2003. Diese bitemporale Change-Detection-Methode wurde f{\"u}r das Hauptuntersuchungsgebiet (A) in Zentralnamibia auf insgesamt 8 Kombinationen aus 7 Landsat-Szenen im Zeitraum von 1984 bis 2003 angewendet. Damit wurde die {\"U}bertragbarkeit der Methode auf verschiedene Zeitschnitte getestet. Zur Absch{\"a}tzung der {\"U}bertragbarkeit auf andere Naturr{\"a}ume wurde die Methode zudem auch auf jeweils ein Szenenpaar in der ariden zwergstrauchdominierten Nama-Karoo in S{\"u}dnamibia und in einem feuchteren Dornsavannen-Trockenwaldgebiet in der Kavango-Region Nordnamibias angewendet. Die Klassifikatoren zur Trennung der einzelnen Ver{\"a}nderungsklassen lieferten unterschiedlich gute Ergebnisse. Die Verkahlungs- und Wiederbesiedelungsprozesse wurden sehr zuverl{\"a}ssig detektiert, wobei allerdings die Unterscheidung von nat{\"u}rlicher und nutzungsbedingter Verkahlung anhand der Compactness-Werte den Anteil an anthropogen ver{\"a}nderten Fl{\"a}chen auff{\"a}llig untersch{\"a}tzte. Die Validierung anhand von Farmerausk{\"u}nften bzw. vergleichenden Fotos zum Aufnahmezeitpunkt lieferte dabei in allen drei Untersuchungsgebieten {\"a}hnliche Ergebnisse. Moderate Ver{\"a}nderungen der Vegetationsdichte wurden in allen drei Untersuchungsgebieten {\"u}berwiegend gut erkannt. Eine eindeutige Zuordnung auf Ver{\"a}nderungen des Busch- oder des Grasstratums war allerdings nicht immer m{\"o}glich. Die Detektion von rezenten Brandfl{\"a}chen in Zentral- und Nordnamibia verlief zufrieden stellend. Mehrere Monate alte Brandfl{\"a}chen ließen sich mit dem dazu entwickelten Klassifikator jedoch nicht von anderen ph{\"a}nologisch und nutzungsbedingten Ver{\"a}nderungen trennen. Zur Analyse der Signifikanz der Change-Detektion-Ergebnisse wurden verschiedene Niederschlagsdaten und NDVI-Zeitreihen f{\"u}r den jeweiligen Beobachtungszeitraum hinzugezogen. Es zeigte sich, dass die Change-Detection-Ergebnisse stark mit den Niederschlagssummen korrelierten, die in der jeweiligen Regenzeit bis zum Aufnahmezeitpunkt der einzelnen Landsat-Szenen gefallen waren. War die Regenzeit zum ersten Vergleichszeitpunkt ergiebiger als zum zweiten, wurde {\"u}berwiegend Vegetationsr{\"u}ckgang detektiert. War die zweite Regenzeit hingegen feuchter als die erste, wurde {\"u}berwiegend Vegetationszunahme detektiert. Die Gr{\"o}ße der Niederschlagsdifferenz zwischen beiden Zeitpunkten spiegelte sich zudem im Fl{\"a}chenanteil der einzelnen Ver{\"a}nderungsklassen wider. Durch diesen starken ph{\"a}nologischen, d.h. niederschlagsbedingten Ver{\"a}nderungsanteil wurden „echte" Ver{\"a}nderungen z.T. verschleiert oder verst{\"a}rkt. Dieses Ergebnis korrespondiert mit den Ergebnissen vieler anderer Change-Detection-Arbeiten im semiariden Raum. Als relevante Ver{\"a}nderungen wurden daher nur solche bewertet, die dem allgemeinen ph{\"a}nologischen Trend im Vergleichszeitraum entgegenstanden. So konnten z.B. Fl{\"a}chen, auf denen Vegetationszuwachs detektiert wurde, obwohl die Regenzeit zum zweiten Aufnahmezeitpunkt schw{\"a}cher war als die erste, als tats{\"a}chlich verbuscht gelten. Unter Ber{\"u}cksichtigung dieser niederschlagsbedingten Einfl{\"u}sse wurden im Untersuchungsgebiet in Zentralnamibia die Fl{\"a}chenanteile bestimmt, f{\"u}r die Degradation detektiert wurde. Demnach hat im Vergleich der Szenen von 1984 und 2003 auf etwa 681 km², entsprechend 2,8 \% der Gesamtfl{\"a}che des Untersuchungsgebietes, eine niederschlagsunabh{\"a}ngige Verdichtung der Vegetation, d.h. eine Verbuschung stattgefunden. Die Lage der betroffenen Gebiete korrespondiert mit der in der Literatur genannten Region (vgl. BESTER 1998/99). Des Weiteren wurde im Untersuchungszeitraum von 1984 bis 2003 auf ca. 0,53 km², entsprechend 0,002 \% der Gesamtfl{\"a}che des Untersuchungsgebietes irreversible Verkahlung, d.h. Desertifikation detektiert. Damit stellt in Zentralnamibia die Ver{\"a}nderung durch Verbuschung die fl{\"a}chenm{\"a}ßig gr{\"o}ßte Bedrohung f{\"u}r Artenvielfalt und landwirtschaftliche Tragkraft der Savannen dar. Aufgrund der starken ph{\"a}nologischen Einfl{\"u}sse konnten von der Buschsterbe betroffene Regionen im Untersuchungsgebiet nicht sicher erkannt und quantifiziert werden. Kleinr{\"a}umig konnten im Untersuchungsgebiet in Zentralnamibia Farmen identifiziert werden, die in einem oder mehreren Ergebnisbildern durch besondere Ver{\"a}nderungsmuster auffielen. Zumeist handelte es sich um Degradationserscheinungen wie Verbuschung und Verkahlung, f{\"u}r die bei der Besichtigung w{\"a}hrend der Feldkampagne im Jahr 2004 oft ein Zusammenhang mit ung{\"u}nstigen Landnutzungspraktiken, d.h. vor allem {\"U}berweidung hergestellt werden konnte. Des Weiteren wurden starke Ver{\"a}nderungen durch Entbuschungsmaßnahmen, kurzzeitige Weideeinfl{\"u}sse und auch einzelne wiederhergestellte Best{\"a}nde detektiert. Nutzungsbedingte Degradationserscheinungen treten im Untersuchungsgebiet in Zentralnamibia insgesamt nur kleinr{\"a}umig auf einzelnen Farmen auf. F{\"u}r das Untersuchungsgebiet in S{\"u}dnamibia lagen zwei Landsat-Szenen f{\"u}r den kurzen Vergleichszeitraum von 2001 zu 2002 vor. Anhand dieser konnten unter Zuhilfenahme von Niederschlagsdaten stark degradierte Fl{\"a}chen identifiziert werden. W{\"a}hrend auf den intakten Fl{\"a}chen aufgrund der besseren Regenzeit zum zweiten Aufnahmezeitpunkt wie erwartet Vegetationszuwachs detektiert wurde, f{\"u}hrten ebendiese reichlichen Niederschl{\"a}ge im degradierten Gebiet zu einer großfl{\"a}chigen Erosion der Vegetationsdecke. Dies ist vermutlich auf die gr{\"o}ßere Geschwindigkeit des oberfl{\"a}chlich abfließenden Regenwassers in der sp{\"a}rlichen Vegetationsdecke der degradierten Fl{\"a}che zur{\"u}ck zu f{\"u}hren. In den {\"u}brigen Gebieten reduzierte hingegen die dichtere Vegetation den Oberfl{\"a}chenabfluss, wodurch mehr Wasser versickerte und verst{\"a}rktem Pflanzenwachstum zur Verf{\"u}gung stand. Im Untersuchungsgebiet in Nordnamibia wurden zwei Landsat-Szenen von April 1991 und April 2000 verglichen. Die gravierendste Ver{\"a}nderung in diesem Zeitraum war nutzungsbedingte Verkahlung, die auf rund 4,4 \% der Gesamtfl{\"a}che, entsprechend 81 km² detektiert wurde. Ursache ist hier die Umwandlung von Dornbuschsavanne in Acker- oder Siedlungsraum. Demgegen{\"u}ber wurde aber nur f{\"u}r 1,17 \% der Gesamtfl{\"a}che, entsprechend 21,76 km², Wiederbesiedelung detektiert. Dies sind zumeist Agrarfl{\"a}chen, die (kurzzeitig) aus der Nutzung genommen wurden. Das Ergebnis dokumentiert den zunehmenden Siedlungsdruck in der Kavango-Region. Die seit den 1970er Jahren verbesserte Infrastruktur erm{\"o}glicht hier immer mehr Menschen die Landnahme, Viehhaltung und Siedlung. Die Ergebnisse dieser Arbeit zeigen, dass mit der hier entwickelten Change-Detection-Methode unter Ber{\"u}cksichtigung der Niederschlagshistorie in den semiariden und ariden Testgebieten signifikante Ver{\"a}nderungen der Vegetation in verschiedenen Landschaftsr{\"a}umen detektiert werden k{\"o}nnen. Weitere Anwendungen der Methodik auf andere Testgebiete im s{\"u}dlichen und westlichen Afrika am Rande dieser Arbeit zeigten ebenfalls gute Ergebnisse, die allerdings bislang aus Mangel an Referenzdaten nicht validiert werden konnten. Zur zuk{\"u}nftigen Operationalisierung der Methodik sollte vor allem eine verbesserte Trennbarkeit von nutzungsbedingten und nat{\"u}rlichen Verkahlungsprozessen angestrebt werden. Des Weiteren wird eine Anpassung der Klassifikatoren auf andere Sensoren wie z.B. ASTER angedacht, um auch nach dem Ausfall von Landsat 7 im Jahr 2003 aktuelle Daten vergleichen zu k{\"o}nnen. Um den ph{\"a}nologischen Einfluss von unterschiedlichen Niederschlagshistorien im Vorfeld der Eingangsdaten zu minimieren, w{\"a}re zudem die Implementierung eines Kalibrierungsfaktors denkbar, der auf Niederschlags- oder auch MODIS-NDVI-Daten der entsprechenden Zeit- und Untersuchungsr{\"a}ume basiert. Das Ergebnis w{\"a}re eine sichere Methode zur Detektion von regionalen Ver{\"a}nderungen im semiariden Raum. Die Identifizierung dieser Ver{\"a}nderungen, speziell von Degradationserscheinungen stellt die Basis dar, dort gezielt nach den Ursachen zu suchen und Handlungsempfehlungen zu entwickeln, um einer fortschreitenden Zerst{\"o}rung von Lebensraum, Artenvielfalt und {\"o}konomischem Potenzial der betroffenen Fl{\"a}chen entgegen zu wirken.},
  subject      = {Namibia},
  language  = {de}
}