@phdthesis{Uereyen2022,
  author    = {{\"U}reyen, Soner},
  title     = {Multivariate Time Series for the Analysis of Land Surface Dynamics - Evaluating Trends and Drivers of Land Surface Variables for the Indo-Gangetic River Basins},
  doi       = {10.25972/OPUS-29194},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-291941},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2022},
  abstract  = {The investigation of the Earth system and interplays between its components is of utmost importance to enhance the understanding of the impacts of global climate change on the Earth's land surface. In this context, Earth observation (EO) provides valuable long-term records covering an abundance of land surface variables and, thus, allowing for large-scale analyses to quantify and analyze land surface dynamics across various Earth system components. In view of this, the geographical entity of river basins was identified as particularly suitable for multivariate time series analyses of the land surface, as they naturally cover diverse spheres of the Earth. Many remote sensing missions with different characteristics are available to monitor and characterize the land surface. Yet, only a few spaceborne remote sensing missions enable the generation of spatio-temporally consistent time series with equidistant observations over large areas, such as the MODIS instrument. In order to summarize available remote sensing-based analyses of land surface dynamics in large river basins, a detailed literature review of 287 studies was performed and several research gaps were identified. In this regard, it was found that studies rarely analyzed an entire river basin, but rather focused on study areas at subbasin or regional scale. In addition, it was found that transboundary river basins remained understudied and that studies largely focused on selected riparian countries. Moreover, the analysis of environmental change was generally conducted using a single EO-based land surface variable, whereas a joint exploration of multivariate land surface variables across spheres was found to be rarely performed. To address these research gaps, a methodological framework enabling (1) the preprocessing and harmonization of multi-source time series as well as (2) the statistical analysis of a multivariate feature space was required. For development and testing of a methodological framework that is transferable in space and time, the transboundary river basins Indus, Ganges, Brahmaputra, and Meghna (IGBM) in South Asia were selected as study area, having a size equivalent to around eight times the size of Germany. These basins largely depend on water resources from monsoon rainfall and High Mountain Asia which holds the largest ice mass outside the polar regions. In total, over 1.1 billion people live in this region and in parts largely depend on these water resources which are indispensable for the world's largest connected irrigated croplands and further domestic needs as well. With highly heterogeneous geographical settings, these river basins allow for a detailed analysis of the interplays between multiple spheres, including the anthroposphere, biosphere, cryosphere, hydrosphere, lithosphere, and atmosphere. In this thesis, land surface dynamics over the last two decades (December 2002 - November 2020) were analyzed using EO time series on vegetation condition, surface water area, and snow cover area being based on MODIS imagery, the DLR Global WaterPack and JRC Global Surface Water Layer, as well as the DLR Global SnowPack, respectively. These data were evaluated in combination with further climatic, hydrological, and anthropogenic variables to estimate their influence on the three EO land surface variables. The preprocessing and harmonization of the time series was conducted using the implemented framework. The resulting harmonized feature space was used to quantify and analyze land surface dynamics by means of several statistical time series analysis techniques which were integrated into the framework. In detail, these methods involved (1) the calculation of trends using the Mann-Kendall test in association with the Theil-Sen slope estimator, (2) the estimation of changes in phenological metrics using the Timesat tool, (3) the evaluation of driving variables using the causal discovery approach Peter and Clark Momentary Conditional Independence (PCMCI), and (4) additional correlation tests to analyze the human influence on vegetation condition and surface water area. These analyses were performed at annual and seasonal temporal scale and for diverse spatial units, including grids, river basins and subbasins, land cover and land use classes, as well as elevation-dependent zones. The trend analyses of vegetation condition mostly revealed significant positive trends. Irrigated and rainfed croplands were found to contribute most to these trends. The trend magnitudes were particularly high in arid and semi-arid regions. Considering surface water area, significant positive trends were obtained at annual scale. At grid scale, regional and seasonal clusters with significant negative trends were found as well. Trends for snow cover area mostly remained stable at annual scale, but significant negative trends were observed in parts of the river basins during distinct seasons. Negative trends were also found for the elevation-dependent zones, particularly at high altitudes. Also, retreats in the seasonal duration of snow cover area were found in parts of the river basins. Furthermore, for the first time, the application of the causal discovery algorithm on a multivariate feature space at seasonal temporal scale revealed direct and indirect links between EO land surface variables and respective drivers. In general, vegetation was constrained by water availability, surface water area was largely influenced by river discharge and indirectly by precipitation, and snow cover area was largely controlled by precipitation and temperature with spatial and temporal variations. Additional analyses pointed towards positive human influences on increasing trends in vegetation greenness. The investigation of trends and interplays across spheres provided new and valuable insights into the past state and the evolution of the land surface as well as on relevant climatic and hydrological driving variables. Besides the investigated river basins in South Asia, these findings are of great value also for other river basins and geographical regions.},
  subject      = {Multivariate Analyse},
  language  = {en}
}
@phdthesis{Wohlfart2018,
  author    = {Wohlfart, Christian},
  title     = {The Yellow River Basin in Transition - Multi-faceted Land Cover Change Analysis in the Yellow River Basin in the Context of Global Change Using Multi-sensor Remote Sensing Imagery},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-163724},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2018},
  abstract  = {As a cradle of ancient Chinese civilization, the Yellow River Basin has a very long human-environment interrelationship, where early anthropogenic activities re- sulted in large scale landscape modifications. Today, the impact of this relationship has intensified further as the basin plays a vital role for China's continued economic development. It is one of the most densely-populated, fastest growing, and most dynamic regions of China with abundant natural and environmental resources providing a livelihood for almost 190 million people. Triggered by fundamental economic reforms, the basin has witnessed a spectacular economic boom during the last decades and can be considered as an exemplary blueprint region for contemporary dynamic Global Change processes occurring throughout the country, which is currently transitioning from an agrarian-dominated economy into a modern urbanized society. However, this resourcesdemanding growth has led to profound land use changes with adverse effects on the Yellow River social-ecological systems, where complex challenges arise threatening a long-term sustainable development. Consistent and continuous remote sensing-based monitoring of recent and past land cover and land use change is a fundamental requirement to mitigate the adverse impacts of Global Change processes. Nowadays, technical advancement and the multitude of available satellite sensors, in combination with the opening of data archives, allow the creation of new research perspectives in regional land cover applications over heterogeneous landscapes at large spatial scales. Despite the urgent need to better understand the prevailing dynamics and underlying factors influencing the current processes, detailed regional specific land cover data and change information are surprisingly absent for this region. In view of the noted research gaps and contemporary developments, three major objectives are defined in this thesis. First (i), the current and most pressing social-ecological challenges are elaborated and policy and management instruments towards more sustainability are discussed. Second (ii), this thesis provides new and improved insights on the current land cover state and dynamics of the entire Yellow River Basin. Finally (iii), the most dominant processes related to mining, agriculture, forest, and urban dynamics are determined on finer spatial and temporal scales. The complex and manifold problems and challenges that result from long-term abuse of the water and land resources in the basin have been underpinned by policy choices, cultural attitude, and institutions that have evolved over centuries in China. The tremendous economic growth that has been mainly achieved by extracting water and exploiting land resources in a rigorous, but unsustainable manner, might not only offset the economic benefits, but could also foster social unrest. Since the early emergence of the first Chinese dynasties, flooding was considered historically as a primary issue in river management and major achievements have been made to tame the wild nature of the Yellow River. Whereas flooding is therefore largely now under control, new environmental and social problems have evolved, including soil and water pollution, ecological degradation, biodiversity decline, and food security, all being further aggravated by anthropogenic climate change. To resolve the contemporary and complex challenges, many individual environmental laws and regulations have been enacted by various Chinese ministries. However, these policies often pursue different, often contradictory goals, are too general to tackle specific problems and are usually implemented by a strong top-down approach. Recently, more flexible economic and market-based incentives (pricing, tradable permits, investments) have been successfully adopted, which are specifically tailored to the respective needs, shifting now away from the pure command and regulating instruments. One way towards a more holistic and integrated river basin management could be the establishment of a common platform (e.g. a Geographical Information System) for data handling and sharing, possibly operated by the Yellow River Basin Conservancy Commission (YRCC), where available spatial data, statistical information and in-situ measures are coalesced, on which sustainable decision-making could be based. So far, the collected data is hardly accessible, fragmented, inconsistent, or outdated. The first step to address the absence and lack of consistent and spatially up-to-date information for the entire basin capturing the heterogeneous landscape conditions was taken up in this thesis. Land cover characteristics and dynamics were derived from the last decade for the years 2003 and 2013, based on optical medium-resolution hightemporal MODIS Normalized Differenced Vegetation Index (NDVI) time series at 250 m. To minimize the inherent influence of atmospheric and geometric interferences found in raw high temporal data, the applied adaptive Savitzky-Golay filter successfully smoothed the time series and substantially reduced noise. Based on the smoothed time series data, a large variety of intra-annual phenology metrics as well as spectral and multispectral annual statistics were derived, which served as input variables for random forest (RF) classifiers. High quality reference data sets were derived from very high resolution imagery for each year independently of which 70 \% trained the RF models. The accuracy assessments for all regionally specific defined thematic classes were based on the remaining 30 \% reference data split and yielded overall accuracies of 87 \% and 84 \% for 2003 and 2013, respectively. The first regional adapted Yellow River Land Cover Products (YRB LC) depict the detail spatial extent and distribution of the current land cover status and dynamics. The novel products overall differentiate overall 18 land cover and use classes, including classes of natural vegetation (terrestrial and aquatic), cultivated classes, mosaic classes, non-vegetated, and artificial classes, which are not presented in previous land cover studies so far. Building on this, an extended multi-faceted land cover analysis on the most prominent land cover change types at finer spatial and temporal scales provides a better and more detailed picture of the Yellow River Basin dynamics. Precise spatio-temporal products about mining, agriculture, forest, and urban areas were examined from long-trem Landsat satellite time series monitored at annual scales to capture the rapid rate of change in four selected focus regions. All archived Landsat images between 2000 and 2015 were used to derive spatially continuous spectral-temporal, multi-spectral, and textural metrics. For each thematic region and year RF models were built, trained and tested based on a stablepixels reference data set. The automated adaptive signature (AASG) algorithm identifies those pixels that did not change between the investigated time periods to generate a mono-temporal reference stable-pixels data set to keep manual sampling requirements to a minimum level. Derived results gained high accuracies ranging from 88 \% to 98 \%. Throughout the basin, afforestation on the Central Loess Plateau and urban sprawl are identified as most prominent drivers of land cover change, whereas agricultural land remained stable, only showing local small-scale dynamics. Mining operations started in 2004 on the Qinghai-Tibet Plateau, which resulted in a substantial loss of pristine alpine meadows and wetlands. In this thesis, a novel and unique regional specific view of current and past land cover characteristics in a complex and heterogeneous landscape was presented by using a multi-source remote sensing approach. The delineated products hold great potential for various model and management applications. They could serve as valuable components for effective and sustainable land and water management to adapt and mitigate the predicted consequences of Global Change processes.},
  subject      = {Fernerkundung},
  language  = {en}
}
@phdthesis{Weigand2024,
  author    = {Weigand, Matthias Johann},
  title     = {Fernerkundung und maschinelles Lernen zur Erfassung von urbanem Gr{\"u}n - Eine Analyse am Beispiel der Verteilungsgerechtigkeit in Deutschland},
  doi       = {10.25972/OPUS-34961},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-349610},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2024},
  abstract  = {Gr{\"u}nfl{\"a}chen stellen einen der wichtigsten Umwelteinfl{\"u}sse in der Wohnumwelt der Menschen dar. Einerseits wirken sie sich positiv auf die physische und mentale Gesundheit der Menschen aus, andererseits k{\"o}nnen Gr{\"u}nfl{\"a}chen auch negative Wirkungen anderer Faktoren abmildern, wie beispielsweise die im Laufe des Klimawandels zunehmenden Hitzeereignisse. Dennoch sind Gr{\"u}nfl{\"a}chen nicht f{\"u}r die gesamte Bev{\"o}lkerung gleichermaßen zug{\"a}nglich. Bestehende Forschung im Kontext der Umweltgerechtigkeit (UG) konnte bereits aufzeigen, dass unterschiedliche sozio-{\"o}konomische und demographische Gruppen der deutschen Bev{\"o}lkerung unterschiedlichen Zugriff auf Gr{\"u}nfl{\"a}chen haben. An bestehenden Analysen von Umwelteinfl{\"u}ssen im Kontext der UG wird kritisiert, dass die Auswertung geographischer Daten h{\"a}ufig auf zu stark aggregiertem Level geschieht, wodurch lokal spezifische Expositionen nicht mehr genau abgebildet werden. Dies trifft insbesondere f{\"u}r großfl{\"a}chig angelegte Studien zu. So werden wichtige r{\"a}umliche Informationen verloren. Doch moderne Erdbeobachtungs- und Geodaten sind so detailliert wie nie und Methoden des maschinellen Lernens erm{\"o}glichen die effiziente Verarbeitung zur Ableitung h{\"o}herwertiger Informationen. Das {\"u}bergeordnete Ziel dieser Arbeit besteht darin, am Beispiel von Gr{\"u}nfl{\"a}chen in Deutschland methodische Schritte der systematischen Umwandlung umfassender Geodaten in relevante Geoinformationen f{\"u}r die großfl{\"a}chige und hochaufgel{\"o}ste Analyse von Umwelteigenschaften aufzuzeigen und durchzuf{\"u}hren. An der Schnittstelle der Disziplinen Fernerkundung, Geoinformatik, Sozialgeographie und Umweltgerechtigkeitsforschung sollen Potenziale moderner Methoden f{\"u}r die Verbesserung der r{\"a}umlichen und semantischen Aufl{\"o}sung von Geoinformationen erforscht werden. Hierf{\"u}r werden Methoden des maschinellen Lernens eingesetzt, um Landbedeckung und -nutzung auf nationaler Ebene zu erfassen. Diese Entwicklungen sollen dazu beitragen bestehende Datenl{\"u}cken zu schließen und Aufschluss {\"u}ber die Verteilungsgerechtigkeit von Gr{\"u}nfl{\"a}chen zu bieten. Diese Dissertation gliedert sich in drei konzeptionelle Teilschritte. Im ersten Studienteil werden Erdbeobachtungsdaten der Sentinel-2 Satelliten zur deutschlandweiten Klassifikation von Landbedeckungsinformationen verwendet. In Kombination mit punktuellen Referenzdaten der europaweiten Erfassung f{\"u}r Landbedeckungs- und Landnutzungsinformationen des Land Use and Coverage Area Frame Survey (LUCAS) wird ein maschinelles Lernverfahren trainiert. In diesem Kontext werden verschiedene Vorverarbeitungsschritte der LUCAS-Daten und deren Einfluss auf die Klassifikationsgenauigkeit beleuchtet. Das Klassifikationsverfahren ist in der Lage Landbedeckungsinformationen auch in komplexen urbanen Gebieten mit hoher Genauigkeit abzuleiten. Ein Ergebnis des Studienteils ist eine deutschlandweite Landbedeckungsklassifikation mit einer Gesamtgenauigkeit von 93,07 \%, welche im weiteren Verlauf der Arbeit genutzt wird, um gr{\"u}ne Landbedeckung (GLC) r{\"a}umlich zu quantifizieren. Im zweiten konzeptionellen Teil der Arbeit steht die differenzierte Betrachtung von Gr{\"u}nfl{\"a}chen anhand des Beispiels {\"o}ffentlicher Gr{\"u}nfl{\"a}chen (PGS), die h{\"a}ufig Gegenstand der UG-Forschung ist, im Vordergrund. Doch eine h{\"a}ufig verwendete Quelle f{\"u}r r{\"a}umliche Daten zu {\"o}ffentlichen Gr{\"u}nfl{\"a}chen, der European Urban Atlas (EUA), wird bisher nicht fl{\"a}chendeckend f{\"u}r Deutschland erhoben. Dieser Studienteil verfolgt einen datengetriebenen Ansatz, die Verf{\"u}gbarkeit von {\"o}ffentlichem Gr{\"u}n auf der r{\"a}umlichen Ebene von Nachbarschaften f{\"u}r ganz Deutschland zu ermitteln. Hierf{\"u}r dienen bereits vom EUA erfasste Gebiete als Referenz. Mithilfe einer Kombination von Erdbeobachtungsdaten und Informationen aus dem OpenStreetMap-Projekt wird ein Deep Learning -basiertes Fusionsnetzwerk erstellt, welche die verf{\"u}gbare Fl{\"a}che von {\"o}ffentlichem Gr{\"u}n quantifiziert. Das Ergebnis dieses Schrittes ist ein Modell, welches genutzt wird, um die Menge {\"o}ffentlicher Gr{\"u}nfl{\"a}chen in der Nachbarschaft zu sch{\"a}tzen (𝑅 2 = 0.952). Der dritte Studienteil greift die Ergebnisse der ersten beiden Studienteile auf und betrachtet die Verteilung von Gr{\"u}nfl{\"a}chen in Deutschland unter Hinzunahme von georeferenzierten Bev{\"o}lkerungsdaten. Diese exemplarische Analyse unterscheidet dabei Gr{\"u}nfl{\"a}chen nach zwei Typen: GLC und PGS. Zun{\"a}chst wird mithilfe deskriptiver Statistiken die generelle Gr{\"u}nfl{\"a}chenverteilung in der Bev{\"o}lkerung Deutschlands beleuchtet. Daraufhin wird die Verteilungsgerechtigkeit anhand g{\"a}ngiger Gerechtigkeitsmetriken bestimmt. Abschließend werden die Zusammenh{\"a}nge zwischen der demographischen Komposition der Nachbarschaft und der verf{\"u}gbaren Menge von Gr{\"u}nfl{\"a}chen anhand dreier exemplarischer soziodemographischer Gesellschaftsgruppen untersucht. Die Analyse zeigt starke Unterschiede der Verf{\"u}gbarkeit von PGS zwischen st{\"a}dtischen und l{\"a}ndlichen Gebieten. Ein h{\"o}herer Prozentsatz der Stadtbev{\"o}lkerung hat Zugriff das Mindestmaß von PGS gemessen an der Vorgabe der Weltgesundheitsorganisation. Die Ergebnisse zeigen auch einen deutlichen Unterschied bez{\"u}glich der Verteilungsgerechtigkeit zwischen GLC und PGS und verdeutlichen die Relevanz der Unterscheidung von Gr{\"u}nfl{\"a}chentypen f{\"u}r derartige Untersuchungen. Die abschließende Betrachtung verschiedener Bev{\"o}lkerungsgruppen arbeitet Unterschiede auf soziodemographischer Ebene auf. In der Zusammenschau demonstriert diese Arbeit wie moderne Geodaten und Methoden des maschinellen Lernens genutzt werden k{\"o}nnen bisherige Limitierungen r{\"a}umlicher Datens{\"a}tze zu {\"u}berwinden. Am Beispiel von Gr{\"u}nfl{\"a}chen in der Wohnumgebung der Bev{\"o}lkerung Deutschlands wird gezeigt, dass landesweite Analysen zur Umweltgerechtigkeit durch hochaufgel{\"o}ste und lokal feingliedrige geographische Informationen bereichert werden k{\"o}nnen. Diese Arbeit verdeutlicht, wie die Methoden der Erdbeobachtung und Geoinformatik einen wichtigen Beitrag leisten k{\"o}nnen, die Ungleichheit der Wohnumwelt der Menschen zu identifizieren und schlussendlich den nachhaltigen Siedlungsbau in Form von objektiven Informationen zu unterst{\"u}tzen und {\"u}berwachen.},
  subject      = {Geografie},
  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{Walz2014,
  author    = {Walz, Yvonne},
  title     = {Remote sensing for disease risk profiling: a spatial analysis of schistosomiasis in West Africa},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-108845},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2014},
  abstract  = {Global environmental change leads to the emergence of new human health risks. As a consequence, transmission opportunities of environment-related diseases are transformed and human infection with new emerging pathogens increase. The main motivation for this study is the considerable demand for disease surveillance and monitoring in relation to dynamic environmental drivers. Remote sensing (RS) data belong to the key data sources for environmental modelling due to their capabilities to deliver spatially continuous information repeatedly for large areas with an ecologically adequate spatial resolution. A major research gap as identified by this study is the disregard of the spatial mismatch inherent in current modelling approaches of profiling disease risk using remote sensing data. Typically, epidemiological data are aggregated at school or village level. However, these point data do neither represent the spatial distribution of habitats, where disease-related species find their suitable environmental conditions, nor the place, where infection has occurred. As a consequence, the prevalence data and remotely sensed environmental variables, which aim to characterise the habitat of disease-related species, are spatially disjunct. The main objective of this study is to improve RS-based disease risk models by incorporating the ecological and spatial context of disease transmission. Exemplified by the analysis of the human schistosomiasis disease in West Africa, this objective includes the quantification of the impact of scales and ecological regions on model performance. In this study, the conditions that modify the transmission of schistosomiasis are reviewed in detail. A conceptual underpinning of the linkages between geographical RS measures, disease transmission ecology, and epidemiological survey data is developed. During a field-based analysis, environmental suitability for schistosomiasis transmission was assessed on the ground, which is then quantified by a habitat suitability index (HSI) and applied to RS data. This conceptual model of environmental suitability is refined by the development of a hierarchical model approach that statistically links school-based disease prevalence with the ecologically relevant measurements of RS data. The statistical models of schistosomiasis risk are derived from two different algorithms; the Random Forest and the partial least squares regression (PLSR). Scale impact is analysed based on different spatial resolutions of RS data. Furthermore, varying buffer extents are analysed around school-based measurements. Three distinctive sites of Burkina Faso and C{\^o}te d'Ivoire are specifically modelled to represent a gradient of ecozones from dry savannah to tropical rainforest including flat and mountainous regions. The model results reveal the applicability of RS data to spatially delineate and quantitatively evaluate environmental suitability for the transmission of schistosomiasis. In specific, the multi-temporal derivation of water bodies and the assessment of their riparian vegetation coverage based on high-resolution RapidEye and Landsat data proofed relevant. In contrast, elevation data and water surface temperature are constraint in their ability to characterise habitat conditions for disease-related parasites and freshwater snail species. With increasing buffer extent observed around the school location, the performance of statistical models increases, improving the prediction of transmission risk. The most important RS variables identified to model schistosomiasis risk are the measure of distance to water bodies, topographic variables, and land surface temperature (LST). However, each ecological region requires a different set of RS variables to optimise the modelling of schistosomiasis risk. A key result of the hierarchical model approach is its superior performance to explain the spatial risk of schistosomiasis. Overall, this study stresses the key importance of considering the ecological and spatial context for disease risk profiling and demonstrates the potential of RS data. The methodological approach of this study contributes substantially to provide more accurate and relevant geoinformation, which supports an efficient planning and decision-making within the public health sector.},
  subject      = {Westafrika},
  language  = {en}
}
@misc{Walz2004,
  type      = {Master Thesis},
  author    = {Walz, Yvonne},
  title     = {Measuring burn severity in forests of South-West Western Australia using MODIS},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-14745},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2004},
  abstract  = {Burn severity was measured within the Mediterranean sclerophyll forests of south-west Western Australia (WA) using remote sensing data from the Moderate Resolution Imaging Spectroradiometer (MODIS). The region of south-west WA is considered as a high fire prone landscape and is managed by the state government's Department of Conservation and Land Management (CALM). Prescribed fuel reduction burning is used as a management tool in this region. The measurement of burn severity with remote sensing data focused on monitoring the success and impact of prescribed burning and wildfire in this environment. The high temporal resolution of MODIS with twice daily overpasses in this area was considered highly favourable, as opportunities for prescribed burning are temporally limited by climatic conditions. The Normalised Burn Ratio (NBR) was investigated to measure burn severity in the forested area of south-west WA. This index has its heritage based on data from the Landsat TM/ETM+ sensors (Key and Benson, 1999 [1],[2]) and was transferred from Landsat to MODIS data. The measurement principally addresses the biomass consumption due to fire, whereas the change detected between the pre-fire image and the post-fire image is quantified by the {\"A}NBR. The NBR and the Normalised Difference Vegetation Index (NDVI) have been applied to MODIS and Landsat TM/ETM+ data. The spectral properties and the index values of the remote sensing data have been analysed within different burnt areas. The influence of atmospheric and BRDF effects on MODIS data has been investigated by comparing uncorrected top of atmosphere reflectance and atmospheric and BRDF corrected reflectance. The definition of burn severity classes has been established in a field trip to the study area. However, heterogeneous fire behaviour and patchy distribution of different vegetation structure made field classification difficult. Ground truth data has been collected in two different types of vegetation structure present in the burnt area. The burn severity measurement of high resolution Landsat data was assessed based on ground truth data. However, field data was not sufficient for rigorous validation of remote sensing data. The NBR index images of both sensors have been calibrated based on training areas in the high resolution Landsat image. The burn severity classifications of both sensors are comparable, which demonstrates the feasibility of a burn severity measurement using moderate spatial resolution 250m MODIS data. The normalisation through index calculation reduced atmospheric and BRDF effects, and thus MODIS top of at-mosphere data has been considered suitable for the burn severity measurement. The NBR could not be uniformly applied, as different structures of vegetation influenced the range of index values. Furthermore, the index was sensitive to variability in moisture content. However, the study concluded that the NBR on MODIS data is a useful measure of burn severity in the forested area of south-west WA.},
  subject      = {Westaustralien},
  language  = {en}
}
@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}
}
@phdthesis{Taubenboeck2008,
  author    = {Taubenb{\"o}ck, Hannes},
  title     = {Vulnerabilit{\"a}tsabsch{\"a}tzung der erdbebengef{\"a}hrdeten Megacity Istanbul mit Methoden der Fernerkundung},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-28045},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2008},
  abstract  = {Urbane R{\"a}ume z{\"a}hlen zu den dynamischsten Regionen dieser Erde. Besonders Megacities zeigen bereits heute Trends und Dimensionen der Urbanisierung, deren regionale und globale Folgen noch kaum vorhersehbar, und erst ansatzweise erforscht sind. Die enorme r{\"a}umliche Konzentration von Menschen, Werten und Infrastruktur auf engem Raum ist f{\"u}r diese urbanen R{\"a}ume die Grundlage einer hohen Verwundbarkeit (Vulnerabilit{\"a}t). Gerade im Kontext von Naturgefahren potenzieren sich die Risiken, die durch den schnellen strukturellen, sozio{\"o}konomischen und {\"o}kologischen Wandel entstehen. Das {\"u}bergeordnete Ziel dieser Dissertation ist daher die Analyse von Potentialen der Fernerkundung zur Absch{\"a}tzung von Risiko und Vulnerabilit{\"a}t am Beispiel der erdbebengef{\"a}hrdeten Megacity Istanbul. Um die Zielstellung systematisch zu verfolgen, wird ein konzeptioneller, thematischer Leitfaden entwickelt. Dieser besteht aus einer Systematisierung der abstrakten {\"U}berbegriffe ‚Risiko', ‚Vulnerabilit{\"a}t' und ‚Gef{\"a}hrdung' in einem Indikatorensystem. Konkrete, messbare Indikatoren f{\"u}r das System ‚urbaner Raum' erlauben eine quantitative Absch{\"a}tzung von Einzelaspekten, addieren sich aber auch zu einer ganzheitlichen Perspektive des Risikos. Basierend auf dieser holistischen Idee, erlaubt das Indikatorensystem Potentiale, aber auch Limitierungen der Fernerkundungsdaten und Bildverarbeitungsmethoden f{\"u}r die Absch{\"a}tzung von Risiko und Vulnerabilit{\"a}t zu identifizieren. Anhand des Leitfadens werden zielgerichtet Methoden zur automatisierten Extraktion r{\"a}umlicher Informationen aus Fernerkundungsdaten entwickelt. Ein objektorientierter, modularer Klassifikationsansatz erm{\"o}glicht eine Landbedeckungsklassifikation h{\"o}chst aufgel{\"o}ster Daten im urbanen Raum. Dieses modulare Rahmenwerk zielt auf eine einfache und schnelle {\"U}bertragbarkeit auf andere h{\"o}chst aufl{\"o}sende Sensoren bzw. andere urbane Strukturen. Zur Anpassung der Methoden werden neben IKONOS Daten der Megacity Istanbul und der erdbeben- und tsunamigef{\"a}hrdeten K{\"u}stenstadt Padang in Indonesien, Quickbird Daten f{\"u}r die zuk{\"u}nftige Megacity Hyderabad in Indien getestet. Die Resultate zeigen die detaillierte und hochgenaue Erfassung kleinr{\"a}umiger, heterogener urbaner Objekte mit Genauigkeiten von {\"u}ber 80 \%. Auch mittel aufgel{\"o}ste Landsat Daten werden mit einem objektorientierten modularen Rahmenwerk mit hohen Genauigkeiten klassifiziert, um komplement{\"a}re temporale und gesamtst{\"a}dtische Analysen hinzuzuf{\"u}gen. Damit wird eine aktuelle, fl{\"a}chendeckende und multiskalige Informationsbasis generiert, die als Ausgangsprodukt zur Analyse urbaner Vulnerabilit{\"a}t dient. Basierend auf diesen Informationsebenen werden dem konzeptionellen Leitfaden folgend Indikatoren zur Absch{\"a}tzung von Vulnerabilit{\"a}t und Risiko extrahiert. Der Fokus ist dabei die Entwicklung von Methoden zur automatisierten, interpreterunabh{\"a}ngigen Ableitung vulnerabilit{\"a}ts- und gef{\"a}hrdungsrelevanter Indikatoren. Die physische Analyse des kleinr{\"a}umigen urbanen Raums konzentriert sich dabei auf die Typisierung des Geb{\"a}udebestandes mit Parametern wie Dichte, H{\"o}he, Alter, Gr{\"o}ße, Form sowie Dachtyp. Indirekt wird zudem mittels dieser Parameter die Bev{\"o}lkerungsdichteverteilung abgeleitet. Weitere Standortfaktoren ergeben sich aus Lageparametern wie Distanzen zu Hauptverkehrsachsen, Freifl{\"a}chenanalysen oder der Gel{\"a}ndeoberfl{\"a}che. Schließlich f{\"u}hrt die Vulnerabilit{\"a}tsabsch{\"a}tzung den modellhaften, thematischen Leitfaden mit den abgeleiteten Indikatoren zusammen. Dazu erfolgt eine Normierung der unterschiedlichen abgeleiteten Indikatoren auf einen einheitlichen Vulnerabilit{\"a}tsindex. Dieser zielt auf eine r{\"a}umliche und zeitliche Vergleichbarkeit und die M{\"o}glichkeit, die vielf{\"a}ltigen Informationsebenen zu kombinieren. Damit wird das Zusammenspiel verschiedenster Indikatoren simuliert und erlaubt daraus Identifizierung und Lokalisierung von Brennpunkten im Desasterfall. {\"U}ber das fernerkundliche Potential hinaus, werden die Resultate in einer interdisziplin{\"a}ren Methode zu einem synergetischen Mehrwert erhoben. Statt einer quantitativen Absch{\"a}tzung der physischen Geb{\"a}udeparameter, erm{\"o}glicht eine Methode des Bauingenieurwesens in Kombination mit der fernerkundlichen Geb{\"a}udetypisierung eine Absch{\"a}tzung der wahrscheinlichen Schadensanf{\"a}lligkeit von Geb{\"a}uden im Falle eines Erdbebens. Exemplarisch wird das Potential der Resultate f{\"u}r Entscheidungstr{\"a}ger anhand eines Erdbebensszenarios aufgezeigt. Risiko und Vulnerabilit{\"a}t lassen sich dadurch r{\"a}umlich sowohl nach betroffenen H{\"a}usern und betroffenen Menschen als auch nach r{\"a}umlichen Standortfaktoren wie beispielsweise Zug{\"a}nglichkeit quantifizieren. Dies erm{\"o}glicht gezielt pr{\"a}ventiv zu agieren oder w{\"a}hrend und nach einem Desaster gezieltes Krisenmanagement zu betreiben. Im Hinblick auf die zentrale Fragestellung dieser Dissertation l{\"a}sst sich res{\"u}mieren, dass die Aktualit{\"a}t sowie die geometrische und thematische Qualit{\"a}t der Resultate aus Fernerkundungsdaten, den Anforderungen des komplexen, kleinr{\"a}umigen und dynamischen urbanen Raums gerecht werden. Die Resultate f{\"u}hren zu der Erkenntnis, dass das Potential der Fernerkundung zur Absch{\"a}tzung von Vulnerabilit{\"a}t und Risiko vor allem in der direkten Ableitung physischer Indikatoren sowie der indirekten Ableitung demographischer Parameter liegt.},
  subject      = {Fernerkundung},
  language  = {de}
}
@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{NoellieAhouRUETH2010,
  author    = {Noellie Ahou RUETH, geb. YAO},
  title     = {Mapping Bushfire Distribution and Burn Severity in West Africa Using Remote Sensing Observations},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-54244},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2010},
  abstract  = {Fire has long been considered to be the main ecological factor explaining the origin and maintenance of West African savannas. It has a very high occurrence in these savannas due to high human pressure caused by strong demographic growth and, concomitantly, is used to transform natural savannas into farmland and is also used as a provider of energy. This study was carried out with the support of the BIOTA project funded by the German ministry for Research and Education. The objective of this study is to establish the spatial and temporal distribution of bushfires during a long observation period from 2000 to 2009 as well as to assess fire impact on vegetation through mapping of the burn severity; based on remote sensing and field data collections. Remote sensing was used for this study because of the advantages that it offers in collecting data for long time periods and on different scales. In this case, the Moderate Resolution Imaging Spectroradiometer (MODIS) satellite instrument at 1km resolution is used to assess active fires, and understand the seasonality of fire, its occurrence and its frequency within the vegetation types on a regional scale. Landsat ETM+ imagery at 30 m and field data collections were used to define the characteristics of burn severity related to the biomass loss on a local scale. At a regional scale, the occurrence of fires and rainfall per month correlated very well (R2 = 0.951, r = -0.878, P < 0.01), which shows that the lower the amount of rainfall, the higher the fire occurrence and vice versa. In the dry season, four fire seasons were determined on a regional scale, namely very early fires, which announce the beginning of the fires, early and late fires making up the peak of fire in December/January and very late fires showing the end of the fire season and the beginning of the rainy season. Considerable fire activity was shown to take place in the vegetation zones between the Forest and the Sahel areas. Within these zones, parts of the Sudano-Guinean and the Guinean zones showed a high pixel frequency, i.e. fires occurred in the same place in many years. This high pixel frequency was also found in most protected areas in these zones. As to the kinds of land cover affected by fire, the highest fire occurrence is observed within the Deciduous woodlands and Deciduous shrublands. Concerning the burn severity, which was observed at a local scale, field data correlated closely with the ΔNBR derived from Landsat scenes of Pendjari National Park (R2 = 0.76). The correlation coefficient according to Pearson is r = 0.84 and according to Spearman-Rho, the correlation coefficient is r = 0.86. Very low and low burn severity (with ΔNBR value from 0 to 0.40) affected the vegetation weakly (0-35 percent of biomass loss) whereas moderate and high burn severity greatly affected the vegetation, leading to up to 100 percent of biomass loss, with the ΔNBR value ranging from 0.41 to 0.99. It can be seen from these results that remotely sensed images offer a tool to determine the fire distribution over large regions in savannas and that the Normalised Burn Ratio index can be applied to West Africa savannas. The outcomes of this thesis will hopefully contribute to understanding and, eventually, improving fire regimes in West Africa and their response to climate change and changes in vegetation diversity.},
  subject      = {Westafrika},
  language  = {en}
}