@phdthesis{Gessner2010,
  author    = {Geßner, Ursula},
  title     = {R{\"a}umliche und zeitliche Muster der Vegetationsstruktur in Savannen des s{\"u}dlichen Afrika},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-55128},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2010},
  abstract  = {Die Ver{\"a}nderung der terrestrischen {\"O}kosysteme, ist ein grundlegendes Element des Globalen Wandels. In diesem Kontext unterliegt auch eines der gr{\"o}ßten Biome der Erde, die tropische und subtropische Savanne, immer st{\"a}rkeren Ver{\"a}nderungen. Dieses Biom in sozio{\"o}konomischer und {\"o}kologischer Hinsicht von besonderer Bedeutung. F{\"u}r einen rasch wachsenden Teil der Weltbev{\"o}lkerung bildet es die Grundlage f{\"u}r das Betreiben von Weidewirtschaft, Ackerbau und Tourismus. In nationalen und internationalen Forschungsprogrammen zum Globalen Wandel hat die Analyse von Landnutzungs- und Landbedeckungs{\"a}nderungen in den vergangenen Jahrzehnten zunehmend an Bedeutung gewonnen. Die Landbedeckungsdynamik von Savannen{\"o}kosystemen ist jedoch noch nicht hinreichend verstanden, so dass diese {\"O}kosysteme in globalen Studien nur ansatzweise ber{\"u}cksichtigt werden k{\"o}nnen. Besondere Herausforderungen bei der Erfassung der Landbedeckung und ihrer Dynamik liegen im Falle der Savannen in der heterogenen r{\"a}umlichen Verteilung der Wuchsformen, in den graduellen {\"U}berg{\"a}ngen zwischen Landbedeckungsklassen und in der hohen inner- und interannuellen Variabilit{\"a}t der Vegetationsdecke. Vor diesem Hintergrund besch{\"a}ftigt sich diese Dissertation mit der fernerkundungsbasierten Erfassung und Interpretation der Vegetationsstruktur und der Vegetationsdynamik von Savannen am Beispiel ausgew{\"a}hlter afrikanischer Untersuchungsregionen. Die Vegetationsstruktur wird in dieser Dissertation in Form von Bedeckungsgraden holziger Vegetation, krautiger Vegetation und vegetationsloser Fl{\"a}che erfasst. Es kommt ein mehrskaliges Verfahren zum Einsatz, in dem h{\"o}chstaufgel{\"o}ste IKONOS- und QuickBird-Daten, Landsat-Daten und annuelle MODIS-Zeitreihen ausgewertet werden. Der Ansatz basiert auf der Methodik der Ensemble-Regeressionb{\"a}ume und stellt eine Erweiterung und Optimierung der Herangehensweise des MODIS-Standardproduktes Vegetation Continuous Fields (VCF) nach Hansen et al. (2002) dar. Beim Vergleich mit unabh{\"a}ngigen Validierungsdaten der n{\"a}chst h{\"o}heren Aufl{\"o}sungsebene zeigt sich das Potenzial der vorgestellten Methodik. Die r{\"a}umliche {\"U}bertragbarkeit der Regressionsb{\"a}ume wird am Beispiel von zwei Vegetationstypen innerhalb der Zentralnamibischen Savanne dargestellt. In diesem Zusammenhang zeigt sich der hohe Stellenwert einer optimalen Auswahl an Trainingsdaten mit einer repr{\"a}sentativen Abdeckung der Wertespanne aller existierenden Bedeckungsgrade. Die erarbeiteten Resultate unterstreichen, die optimale Eignung der Subpixel-Bedeckungsgrade, gerade zur Beschreibung von Savannenlandschaften. In der Kombination von herk{\"o}mmlichen, diskreten Landbedeckungs- oder Vegetationskarten mit Informationen zu Bedeckungsgraden wird ein besonderer Mehrwert f{\"u}r weiterf{\"u}hrende Analysen gesehen. Die Dynamik der Savannenvegetation wird in dieser Arbeit sowohl auf biannueller als auch auf mehrj{\"a}hriger Skala charakterisiert. Bei der biannuellen Analyse werden die Ver{\"a}nderungen der holzigen Vegetationsbedeckung zwischen den Jahren 2003/04 und 2006/07 erfasst. Hierf{\"u}r findet eine zeitliche {\"U}bertragung des zuvor vorgestellten Verfahrens zur Ableitung von Bedeckungsanteilen statt. Im Rahmen der biannuellen Untersuchungen k{\"o}nnen Ver{\"a}nderungsfl{\"a}chen identifiziert werden, ohne Einschr{\"a}nkung auf {\"U}berg{\"a}nge zwischen fest definierten Klassengrenzen. In Erg{\"a}nzung der biannuellen Analysen werden aus MODIS-EVI- und Niederschlagszeitreihen Maßzahlen abgeleitet, die den Zusammenhang zwischen Niederschlag und Vegetationsentwicklung, die Variabilit{\"a}t und die Trends der Vegetation {\"u}ber einen Zeitraum von acht Jahren beschreiben. Hierbei kommen beispielsweise Korrelationsanalysen zwischen Vegetationsindex- und Niederschlagszeitreihen zum Einsatz. Zudem werden Trendanalysen der Vegetationsindex-Zeitreihen durchgef{\"u}hrt. Die Trends werden einerseits allein aus den Zeitreihen der Vegetationsindizes ermittelt, andererseits wird bei der Berechnung von Restrends (Residual Trends) der Einfluss des Niederschlags ber{\"u}cksichtigt. Neben den Korrelations- und Trendanalysen werden unterschiedliche Variabilit{\"a}tsmaße der Vegetationsindex-Zeitreihen genutzt, um die mehrj{\"a}hrige Vegetationsdynamik zu beschreiben. Durch die Kombination von Fernerkundungsdaten unterschiedlicher r{\"a}umlicher und zeitlicher Aufl{\"o}sungen wird in dieser Dissertation die heterogene Vegetationsstruktur und die komplexe Vegetationsdynamik ausgew{\"a}hlter afrikanischer Savannen{\"o}kosysteme beschreiben.},
  subject      = {Savanne},
  language  = {de}
}
@phdthesis{Dirscherl2022,
  author    = {Dirscherl, Mariel Christina},
  title     = {Remote Sensing of Supraglacial Lake Dynamics in Antarctica - Exploiting Methods from Artificial Intelligence for Derivation of Antarctic Supraglacial Lake Extents in Multi-Sensor Remote Sensing Data},
  doi       = {10.25972/OPUS-27950},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-279505},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2022},
  abstract  = {With accelerating global climate change, the Antarctic Ice Sheet is exposed to increasing ice dynamic change. During 1992 and 2017, Antarctica contributed ~7.6 mm to global sea-level-rise mainly due to ocean thermal forcing along West Antarctica and atmospheric warming along the Antarctic Peninsula (API). Together, these processes caused the progressive retreat of glaciers and ice shelves and weakened their efficient buttressing force causing widespread ice flow accelerations. Holding ~91\% of the global ice mass and 57.3 m of sea-level-equivalent, the Antarctic Ice Sheet is by far the largest potential contributor to future sea-level-rise. Despite the improved understanding of Antarctic ice dynamics, the future of Antarctica remains difficult to predict with its contribution to global sea-level-rise representing the largest uncertainty in current projections. Given that recent studies point towards atmospheric warming and melt intensification to become a dominant driver for future Antarctic ice mass loss, the monitoring of supraglacial lakes and their impacts on ice dynamics is of utmost importance. In this regard, recent progress in Earth Observation provides an abundance of high-resolution optical and Synthetic Aperture Radar (SAR) satellite data at unprecedented spatial and temporal coverage and greatly supports the monitoring of the Antarctic continent where ground-based mapping efforts are difficult to perform. As an automated mapping technique for supraglacial lake extent delineation in optical and SAR satellite imagery as well as a pan-Antarctic inventory of Antarctic supraglacial lakes at high spatial and temporal resolution is entirely missing, this thesis aims to advance the understanding of Antarctic surface hydrology through exploitation of spaceborne remote sensing. In particular, a detailed literature review on spaceborne remote sensing of Antarctic supraglacial lakes identified several research gaps including the lack of (1) an automated mapping technique for optical or SAR satellite data that is transferable in space and time, (2) high-resolution supraglacial lake extent mappings at intra-annual and inter-annual temporal resolution and (3) large-scale mapping efforts across the entire Antarctic continent. In addition, past method developments were found to be restricted to purely visual, manual or semi-automated mapping techniques hindering their application to multi-temporal satellite imagery at large-scale. In this context, the development of automated mapping techniques was mainly limited by sensor-specific characteristics including the similar appearance of supraglacial lakes and other ice sheet surface features in optical or SAR data, the varying temporal signature of supraglacial lakes throughout the year as well as effects such as speckle noise and wind roughening in SAR data or cloud coverage in optical data. To overcome these limitations, this thesis exploits methods from artificial intelligence and big data processing for development of an automated processing chain for supraglacial lake extent delineation in Sentinel-1 SAR and optical Sentinel-2 satellite imagery. The combination of both sensor types enabled to capture both surface and subsurface lakes as well as to acquire data during cloud cover or wind roughening of lakes. For Sentinel-1, a deep convolutional neural network based on residual U-Net was trained on the basis of 21,200 labeled Sentinel-1 SAR image patches covering 13 Antarctic regions. Similarly, optical Sentinel-2 data were collected over 14 Antarctic regions and used for training of a Random Forest classifier. Optical and SAR classification products were combined through decision-level fusion at bi-weekly temporal scale and unprecedented 10 m spatial resolution. Finally, the method was implemented as part of DLR's High-Performance Computing infrastructure allowing for an automated processing of large amounts of data including all required pre- and postprocessing steps. The results of an accuracy assessment over independent test scenes highlighted the functionality of the classifiers returning accuracies of 93\% and 95\% for supraglacial lakes in Sentinel-1 and Sentinel-2 satellite imagery, respectively. Exploiting the full archive of Sentinel-1 and Sentinel-2, the developed framework for the first time enabled the monitoring of seasonal characteristics of Antarctic supraglacial lakes over six major ice shelves in 2015-2021. In particular, the results for API ice shelves revealed low lake coverage during 2015-2018 and particularly high lake coverage during the 2019-2020 and 2020-2021 melting seasons. On the contrary, East Antarctic ice shelves were characterized by high lake coverage during 2016-2019 and extremely low lake coverage during the 2020-2021 melting season. Over all six investigated ice shelves, the development of drainage systems was revealed highlighting an increased risk for ice shelf instability. Through statistical correlation analysis with climate data at varying time lags as well as annual data on Southern Hemisphere atmospheric modes, environmental drivers for meltwater ponding were revealed. In addition, the influence of the local glaciological setting was investigated through computation of annual recurrence times of lakes. Over both ice sheet regions, the complex interplay between local, regional and large-scale environmental drivers was found to control supraglacial lake formation despite local to regional discrepancies, as revealed through pixel-based correlation analysis. Local control factors included the ice surface topography, the ice shelf geometry, the presence of low-albedo features as well as a reduced firn air content and were found to exert strong control on lake distribution. On the other hand, regional controls on lake evolution were revealed to be the amount of incoming solar radiation, air temperature and wind occurrence. While foehn winds were found to dictate lake evolution over the API, katabatic winds influenced lake ponding in East Antarctica. Furthermore, the regional near-surface climate was shown to be driven by large-scale atmospheric modes and teleconnections with the tropics. Overall, the results highlight that similar driving factors control supraglacial lake formation on the API and EAIS pointing towards their transferability to other Antarctic regions.},
  subject      = {Optische Fernerkundung},
  language  = {en}
}
@phdthesis{Asam2014,
  author    = {Asam, Sarah},
  title     = {Potential of high resolution remote sensing data for leaf area index derivation using statistical and physical models},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-108399},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2014},
  abstract  = {Information on the state of the terrestrial vegetation cover is important for several ecological, economical, and planning issues. In this regard, vegetation properties such as the type, vitality, or density can be described by means of continuous biophysical parameters. One of these parameters is the leaf area index (LAI), which is defined as half the total leaf area per unit ground surface area. As leaves constitute the interface between the biosphere and the atmosphere, the LAI is used to model exchange processes between plants and their environment. However, to account for the variability of ecosystems, spatially and temporally explicit information on LAI is needed both for monitoring and modeling applications. Remote sensing aims at providing such information. LAI is commonly derived from remote sensing data by empirical-statistical or physical models. In the first approach, an empirical relationship between LAI measured in situ and the corresponding canopy spectral signature is established. Although this method achieves accurate LAI estimates, these relationships are only valid for the place and time at which the field data were sampled, which hampers automated LAI derivation. The physical approach uses a radiation transfer model to simulate canopy reflectance as a function of the scene's geometry and of leaf and canopy parameters, from which LAI is derived through model inversion based on remote sensing data. However, this model inversion is not stable, as it is an under-determined and ill-posed problem. Until now, LAI research focused either on the use of coarse resolution remote sensing data for global applications, or on LAI modeling over a confined area, mostly in forest and crop ecosystems, using medium to high spatial resolution data. This is why to date no study is available in which high spatial resolution data are used for LAI mapping in a heterogeneous, natural landscape such as alpine grasslands, although a growing amount of high spatial and temporal resolution remote sensing data would allow for an improved environmental monitoring. Therefore, issues related to model parameterization and inversion regularization techniques improving its stability have not yet been investigated for this ecosystem. This research gap was taken up by this thesis, in which the potential of high spatial resolution remote sensing data for grassland LAI estimation based on statistical and radiation transfer modeling is analyzed, and the achieved accuracy and robustness of the two approaches is compared. The objectives were an ecosystem-adapted radiation transfer model set-up and an optimized LAI derivation in mountainous grassland areas. Multi-temporal LAI in situ measurements as well as time series of RapidEye data from 2011 and 2012 over the catchment of the River Ammer in the Bavarian alpine upland were used. In order to obtain accurate in situ data, a comparison of the LAI derivation algorithms implemented in the LAI-2000 PCA instrument with destructively measured LAI was performed first. For optimizing the empirical-statistical approach, it was then analyzed how the selection of vegetation indices and regression models impacts LAI modeling, and how well these models can be transferred to other dates. It was shown that LAI can be derived with a mean accuracy of 80 \% using contemporaneous field data, but that the accuracy decreases to on average 51 \% when using these models on remote sensing data from other dates. The combined use of several data sets to create a regression which is used for LAI derivation at different points in time increased the LAI estimation accuracy to on average 65 \%. Thus, reduced field measurement labor comes at the cost of LAI error rates being increased by 10 - 30 \% as long as at least two campaigns are conducted. Further, it was shown that the use of RapidEye's red edge channel improves the LAI derivation by on average 5.4 \%. With regard to physical LAI modeling, special interest lay in assessing the accuracy improvements that can be achieved through model set-up and inversion regularization techniques. First, a global sensitivity analysis was applied to the radiation transfer model in order to identify the most important model parameters and most sensitive spectral features. After model parameterization, several inversion regularizations, namely the use of a multiple sample solution, the additional use of vegetation indices, and the addition of noise, were analyzed. Further, an approach to include the local scene's geometry in the retrieval process was introduced to account for the mountainous topography. LAI modeling accuracies of in average 70 \% were achieved using the best combination of regularization techniques, which is in the upper range of accuracies that were achieved in the few existing other grassland studies based on in situ or air-borne measured hyperspectral data. Finally, further physically derived vegetation parameters and inversion uncertainty measures were evaluated in detail to identify challenging modeling conditions, which was mostly neglected in other studies. An increased modeling uncertainty for extremely high and low LAI values was observed. This indicates an insufficiently wide model parameterization and a canopy deviation from model assumptions on some fields. Further, the LAI modeling accuracies varied strongly between the different scenes. From this observation it can be deduced that the radiometric quality of the remote sensing data, which might be reduced by atmospheric effects or unexpected surface reflectances, exerts a high influence on the LAI modeling accuracy. The major findings of the comparison between the empirical-statistical and physical LAI modeling approaches are the higher accuracies achieved by the empirical-statistical approach as long as contemporaneous field data are available, and the computationally efficiency of the statistical approach. However, when no or temporally unfitting in situ measurements are available, the physical approach achieves comparable or even higher accuracies. Furthermore, radiation transfer modeling enables the derivation of other leaf and canopy variables useful for ecological monitoring and modeling applications, as well as of pixel-wise uncertainty measures indicating the robustness and reliability of the model inversion and LAI derivation procedure. The established look-up tables can be used for further LAI derivation in Central European grassland also in other years. The use of high spatial resolution remote sensing data for LAI derivation enables a reliable land cover classification and thus a reduced LAI mapping error due to misclassifications. Furthermore, the RapidEye pixels being smaller than individual fields allow for a radiation transfer model inversion over homogeneous canopies in most cases, as canopy gaps or field parcels can be clearly distinguished. However, in case of unexpected local surface conditions such as blooming, litter, or canopy gaps, high spatial resolution data show corresponding strong deviations in reflectance values and hence LAI estimation, which would be reduced using coarser resolution data through the balancing effect of the surrounding surface reflectances. An optimal pixel size with regard to modeling accuracy hence depends on the canopy and landscape structure. Furthermore, a reduced spatial resolution would enable a considerable acceleration of the LAI map derivation. This illustration of the potential of RapidEye data and of the challenges associated to LAI derivation in heterogeneous grassland areas contributes to the development of robust LAI estimation procedures based on new and upcoming, spatially and temporally high resolution remote sensing imagery such as Landsat 8 and Sentinel-2.},
  subject      = {Optische Fernerkundung},
  language  = {en}
}
@phdthesis{Wehrmann2007,
  author    = {Wehrmann, Thilo},
  title     = {Automatisierte Klassifikation von Landnutzung durch Objekterkennung am Beispiel von CORINE Land Cover},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-25260},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2007},
  abstract  = {Informationen {\"u}ber die Landbedeckung und die mit der anthropogenen Komponente verbundenen Landnutzung sind elementare Bestandteile f{\"u}r viele Bereiche der Politik, Wirtschaft und Wissenschaft. Darunter fallen beispielsweise die Strukurentwicklungsprogramme der EU, die Schadensregulierung im Versicherungswesen und die Modellierung von Stoffkreisl{\"a}ufen. CORINE Land Cover (CLC) wurde infolge eines erweiterten Bedarfs an einem europaweit harmonisierten Datensatz der Landoberfl{\"a}che erstellt. Das CORINE Projekt weist f{\"u}r diese Arbeit eine hohe Relevanz durch die regelm{\"a}ßigen Aktualisierungen von 10 Jahren, dem Einsatz der Daten in vielen europ{\"a}ischen und nationalen Institutionen und der guten Dokumentation der CORINE Nomenklatur auf. Die Erstellung der Daten basiert auf der computergest{\"u}tzten manuellen Interpretation, da automatische Verfahren durch die Komplexit{\"a}t der Aufgabenstellung und Thematik nicht in der Lage waren, den menschlichen Interpreten zu ersetzen. Diese Arbeit stellt eine Methodik vor, um CORINE Land Cover aus optischen Fernerkundungsdaten f{\"u}r eine kommende Aktualisierung abzuleiten. Hierzu dienen die Daten von CLC 1990 und der Fernerkundungsdatensatz Image 2000 als Grundlage, sowie die CLC 2000 Klassifikation als Referenz. Die entwickelte und in dem Softwarepaket gnosis implementierte Methodik wendet die objektorientierte Klassifikation in Kombination mit Theorien aus der menschlichen Bildwahrnehmung an. In diesen Theorien wird die Bildwahrnehmung als informationstechnischer Prozess gesehen, der den Klassifikationsprozess in die drei folgenden Subprozesse unterteilt: Bildsegmentierung, Merkmalsgenerierung und Klassenzuweisung. Die Bildsegmentierung generiert aus den untersten Bildprimitiven (Pixeln) bedeutungsvolle Bildsegmente. Diesen Bildsegmenten wird eine Anzahl von bildinvarianten Merkmalen aus den Fernerkundungsdaten f{\"u}r die Bestimmung der CLC Klasse zugewiesen. Dabei liegt die wichtigste Information in der Ableitung der Landbedeckung durch den {\"u}berwachten St{\"u}tzvektor-Klassifikator. Die Landoberfl{\"a}che wird hierzu in zehn Basisklassen untergliedert, um weiteren Merkmalen einen semantischen Unterbau zu geben. Zur Bestimmung der anthropogenen Komponente von ausgew{\"a}hlten Landnutzungsklassen, wie beispielsweise Ackerland und Gr{\"u}nland, wird der ph{\"a}nologische Verlauf der Vegetation durch die Parameter temporale Variabilit{\"a}t und temporale Intensit{\"a}t beschrieben. Neben dem jahreszeitlichen Verlauf der Vegetation k{\"o}nnen Nachbarschaftsbeziehungen untersucht werden, um weitere anthropogene Klassen und heterogen aufgebaute Sammelklassen beschreiben zu k{\"o}nnen. Der Versiegelungsgrad als Beispiel f{\"u}r eine Reihe von unscharfen Merkmalen dient der weiteren Differenzierung der verschiedenen Siedlungsklassen aus CORINE LC. Mit Hilfe dieser Merkmale werden die CLC Klassen in abstrakter Form im Klassenkatalog (a-priori Wissensbasis) als Protoklassen beschrieben. Die eigentliche Objekterkennung basiert auf der Repr{\"a}sentation der CORINE Objekte durch ihre einzelnen Bestandteile und vergleicht die gefundenen Strukturen mit der Wissensbasis. Semantisch homogen aufgebaute Klassen, wie W{\"a}lder und Siedlungen oder Protoklassen mit eindeutigen Merkmalen, beispielsweise zur Bestimmung von Gr{\"u}nland durch die Ph{\"a}nologie, k{\"o}nnen durch den bottom-up Ansatz identifiziert werden. Das {\"u}bergeordnete CLC Objekt kann direkt aus den Bestandteilen zusammengebaut und einer Klasse zugewiesen werden. Semantisch heterogene Klassen, wie zum Beispiel bestimmte Sammelklassen (Komplexe Parzellenstrukur), k{\"o}nnen durch ihre Bestandteile validiert werden, indem die Bestandteile eines existierenden CLC Objektes mit der Wissensbasis auf Konsistenz untersucht werden (top-down Ansatz). Eine a-priori Datengrundlage ist f{\"u}r die Erkennung dieser Klassen essentiell. Die Untersuchung der drei Testgebiete (Frankfurt, Berlin, Oldenburg) zeigte, dass von der CORINE LC Nomenklatur 13 Klassen identifiziert und weiteren 14 Klassen validiert werden k{\"o}nnen. Zehn Klassen k{\"o}nnen durch diese Methodik aufgrund fehlender Merkmale oder Zusatzdaten nicht klassifiziert werden. Die Gesamtgenauigkeit der automatisierten Klassifikation f{\"u}r die Testgebiete betr{\"a}gt zwischen 70\% und 80\% f{\"u}r die umgesetzten Klassen. Betrachtet man davon einzelne Klassen, wie Siedlungs-, Wald- oder Wasserklassen, wird aufgrund der verwendeten Merkmale eine Klassifikationsgenauigkeit von {\"u}ber 90\% erreicht. Ein m{\"o}glicher Einsatz der entwickelten Software gnosis liegt in der Unterst{\"u}tzung einer kommenden CORINE Aktualisierung durch die Prozessierung der identifizierbaren Klassen. Diese CLC Klassen m{\"u}ssen vom Interpreten nicht mehr {\"u}berpr{\"u}ft werden. F{\"u}r bestimmte CLC Klassen aus dem Top-down Ansatz wird der Interpret die letzte Entscheidung aus einer Auswahl von Klassen treffen m{\"u}ssen. Weiterhin k{\"o}nnen die berechneten Merkmale, wie die temporalen Eigenschaften und der Versiegelungsgrad dem Bearbeiter als Entscheidungsgrundlage zur Verf{\"u}gung gestellt werden. Der Einsatz dieser neu entwickelten Methode f{\"u}hrt zu einer Optimierung des bestehenden Aufnahmeverfahrens durch die Integration von semi-automatisierten Prozessen.},
  subject      = {Optische Fernerkundung},
  language  = {de}
}
@phdthesis{Bachmann2007,
  author    = {Bachmann, Martin U. R.},
  title     = {Automatisierte Ableitung von Bodenbedeckungsgraden durch MESMA-Entmischung},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-26337},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2007},
  abstract  = {Weltweit sind Trockengebiete in st{\"a}ndiger Ver{\"a}nderung, verursacht durch nat{\"u}rliche klimatische Schwankungen und oftmals durch Prozesse der Landdegradation. Auch weisen die meisten semi-ariden Naturr{\"a}ume eine große r{\"a}umliche Heterogenit{\"a}t auf, hervorgerufen durch ein kleinr{\"a}umiges Mosaik aus Gr{\"a}sern, kleineren Str{\"a}uchern und Bereichen offenliegenden Bodens. Die Dichte der Vegetation wird prim{\"a}r vom pflanzenverf{\"u}gbaren Wasser bestimmt, aber auch der Entwicklungs- und Degradationszustand der B{\"o}den sowie anthropogen bedingte Faktoren spielen hierbei eine Rolle. Zur Charakterisierung und Kartierung der Vegetation sowie zur Bewertung des Bodenerosionsrisikos und des Degradationszustands hat sich die Erhebung der Bedeckungsgrade von vitaler, photosynthetisch aktiver Vegetation (PV), von abgestorbener oder zeitweise vertrockneter und somit nicht photosynthetisch aktiver Vegetation (NPV) sowie von offenliegendem Boden als zweckm{\"a}ßig herausgestellt. Die Nutzung der Fernerkundung f{\"u}r diese Aufgabe erfolgt zumeist nur f{\"u}r kleinmaßst{\"a}bige Kartierungen und - im Falle von Multispektralsensoren - unter Vernachl{\"a}ssigung nicht-photosynthetisch aktiver Vegetation. Die r{\"a}umliche Variabilit{\"a}t der Vegetation-Boden-Mosaike liegt oftmals in der Gr{\"o}ßenordnung von wenigen Metern und somit unterhalb des r{\"a}umlichen Aufl{\"o}sungsverm{\"o}gens von Fernerkundungssystemen. Um dennoch die verschiedenen Anteile innerhalb eines Pixels identifizieren und quantifizieren zu k{\"o}nnen, sind Methoden der Subpixel-Klassifikation notwendig. In dieser Arbeit wird eine Methodik zur verbesserten und automatisierbaren Ableitung von Bodenbedeckungsgraden in semi-ariden Naturr{\"a}umen vorgestellt. Hierzu wurde ein Verfahren zur linearen spektralen Entmischung in Form einer Multiple Endmember Spectral Mixture Analysis (MESMA) entwickelt und umgesetzt. Durch diese Methodik kann explizit die spektrale Variabilit{\"a}t von Vegetation und Boden in das Mischungsmodellmiteinbezogen werden, und quantitative Anteile f{\"u}r die funktionalen Klassen PV, NPV und Boden innerhalb eines Pixels erfasst werden. Durch die r{\"a}umliche Kartierung der verwendeten EM wird weiterhin eine thematische Klassifikation erreicht. Die hierf{\"u}r ben{\"o}tigten Informationen k{\"o}nnen - wie im Falle der Spektren reiner Materialien (EM-Spektren) - aus den Bilddaten selbst abgeleitet werden, oder k{\"o}nnen - wie ein Gel{\"a}ndemodell und die Information {\"u}ber den Scanwinkel - im Zuge der Vorprozessierung aus weiteren Datenquellen erzeugt werden. Hinsichtlich der automatisierten EM-Ableitung wird eine zweistufige Methodik eingesetzt, welche auf einer angepassten Version des Sequential Maximum Angle Convex Cone (SMACC)-Verfahrens sowie der Analyse einer ersten Entmischungsiteration basiert. Die Klassifikation der gefundenen potentiellen EM erfolgt durch ein merkmalsbasiertes Verfahren. Weiterhin weisen nicht-photosynthetisch aktive Vegetation und Boden eine hohe spektrale {\"A}hnlichkeit auf. Zur sicheren Trennung kann die Identifikation schmaler Absorptionsbanden dienen. Zu diesen z{\"a}hlen beispielsweise die Absorptionsbanden von Holozellulose und - je nach Bodentyp - Absorptionsbanden von Bodenmineralen. Auch die spektrale Variabilit{\"a}t der Klassen PV und NPV erfordert zur sicheren Unterscheidung die Verwendung biophysikalisch erkl{\"a}rbarer Merkmale im Spektrum. Hierzu z{\"a}hlen unter anderem die St{\"a}rke der Chlorophyll-Absorption, die Form und Lage der 'RedEdge' und das Auftreten von Holozellulosebanden. Da diese spektrale Information bei herk{\"o}mmlichen Entmischungsans{\"a}tzen nicht ber{\"u}cksichtigt wird, erfolgt {\"u}berwiegend eine Optimierung der Gesamtalbedo, was zu einer schlechten Trennung der Klassen f{\"u}hren kann. Aus diesem Grund wird in der vorliegenden Arbeit der MESMA-Ansatz dahingehend erweitert, dass spektrale Information in Form von identifizierten und parametrisierten Absorptionsbanden in den Entmischungsprozess mit einfließt und hierdurch das Potential hyperspektraler Datens{\"a}tze besser genutzt werden kann. Auch wird in einer zus{\"a}tzlichen Entmischungsiteration die r{\"a}umliche Nachbarschaft betrachtet, um insbesondere die Verwendung des sinnvollsten Boden-EMs zu gew{\"a}hrleisten. Ein zus{\"a}tzliches Problemfeld stellt die numerische L{\"o}sung des {\"u}berbestimmten und oftmals schlecht konditionierten linearen Mischungsmodells dar. Hierzu kann durch die Verwendung des BVLS-Algorithmus und des Ausschlusses kritischer EM-Kombinationen eine numerisch stabile L{\"o}sung gefunden werden. Um die oftmals immense Rechenzeit von MESMA-Verfahren zu verk{\"u}rzen, besteht die M{\"o}glichkeit einer iterativen EM-Auswahl und somit die Vermeidung einer L{\"o}sung des Mischungssystems durch Berechnung aller EM-Kombinationen ('Brute-Force'-Ansatz). Ein weiterer wichtiger Punkt ist die explizite pixelweise Angabe zur Zuverl{\"a}ssigkeit der Entmischungsergebnisse. Dies erfolgt auf Basis des Mischungsmodells selbst, durch den Vergleich zu empirischen Regressionsmodellen, durch die Ber{\"u}cksichtigung des lokalen Einfallswinkels sowie durch die Integration von Qualit{\"a}tsangaben der Ausgangsdaten. Um das Verfahren systematisch und unter kontrollierten Bedingungen zu verifizieren und um den Einfluss verschiedener externer Parameter sowie die typischen Genauigkeiten auf einer breiten Datenbasis zu ermitteln, wird eine Simulationskette zur Erzeugung synthetischer Mischungen erstellt. In diese Simulationen fließen Feldspektren von B{\"o}den und Pflanzen verschiedener semi-arider Gebiete mit ein, um m{\"o}glichst viele F{\"a}lle abdecken zu k{\"o}nnen. Die eigentliche Validierung erfolgt auf HyMap-Datens{\"a}tzen des Naturparks 'Cabo de Gata' in der andalusischen Provinz Almer{\´i}a sowie auf Messungen, die begleitend im Feld durchgef{\"u}hrt wurden. Hiermit konnte die Methodik auf ihre Genauigkeit unter den konkreten Anforderungen des Anwendungsbeispiels {\"u}berpr{\"u}ft werden. Die erzielbare Genauigkeit dieser automatisierten Methodik liegt mit einem mittleren Fehler um rund 10\% Abundanz absolut im selben Wertebereich oder nur geringf{\"u}gig h{\"o}her als die Ergebnisse publizierter manueller MESMA-Ans{\"a}tze. Weiterhin konnten die typischen Genauigkeiten der Verifikation im Zuge der Validierung best{\"a}tigt werden. Den limitierenden Faktor des Ansatzes stellen in der Praxis fehlerhafte oder unvollst{\"a}ndige EM-Modelle dar. Mit der vorgestellten Methodik ist somit die M{\"o}glichkeit gegeben, die Bedeckungsgrade quantitativ und automatisiert im Subpixelbereich zu erfassen.},
  subject      = {Optische Fernerkundung},
  language  = {de}
}