@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{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{Kraff2023,
  author    = {Kraff, Nicolas Johannes},
  title     = {Analyse raumzeitlicher Ver{\"a}nderungen und ontologische Kategorisierung morphologischer Armutserscheinungen - Eine globale Betrachtung mithilfe von Satellitenbildern und manueller Bildinterpretation},
  doi       = {10.25972/OPUS-32026},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-320264},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2023},
  abstract  = {Die st{\"a}dtische Umwelt ist in steter Ver{\"a}nderung, vor allem durch den Bau, aber auch durch die Zerst{\"o}rung von st{\"a}dtischen Elementen. Die formelle Entwicklung ist ein Prozess mit langen Planungszeitr{\"a}umen und die bebaute Landschaft wirkt daher statisch. Dagegen unterliegen informelle oder spontane Siedlungen aufgrund ihrer stets unvollendeten st{\"a}dtischen Form einer hohen Dynamik - so wird in der Literatur berichtet. Allerdings sind Dynamik und die morphologischen Merkmale der physischen Transformation in solchen Siedlungen, die st{\"a}dtische Armut morphologisch repr{\"a}sentieren, auf globaler Ebene bisher kaum mit einer konsistenten Datengrundlage empirisch untersucht worden. Hier setzt die vorliegende Arbeit an. Unter der Annahme, dass die erforschte zeitliche Dynamik in Europa geringer ausf{\"a}llt, stellt sich die generelle Frage nach einer katalogisierten Erfassung physischer Wohnformen von Armut speziell in Europa. Denn Wohnformen der Armut werden oft ausschließlich mit dem ‚Globalen S{\"u}den' assoziiert, insbesondere durch die Darstellung von Slums. Tats{\"a}chlich ist Europa sogar die Wiege der Begriffe ‚Slum' und ‚Ghetto', die vor Jahrhunderten zur Beschreibung von Missst{\"a}nden und Unterdr{\"u}ckung auftauchten. Bis heute weist dieser facettenreiche Kontinent eine enorme Vielfalt an physischen Wohnformen der Armut auf, die ihre Wurzeln in unterschiedlichen Politiken, Kulturen, Geschichten und Lebensstilen haben. Um {\"u}ber diese genannten Aspekte Aufschluss zu erlangen, bedarf es u.a. der Bildanalyse durch Satellitenbilder. Diese Arbeit wird daher mittels Fernerkundung bzw. Erdbeobachtung (EO) sowie zus{\"a}tzlicher Literaturrecherchen und einer empirischen Erhebung erstellt. Um Unsicherheiten konzeptionell und in der Erfassung offenzulegen, ist die Methode der manuellen Bildinterpretation von Armutsgebieten kritisch zu hinterfragen. Das {\"u}bergeordnete Ziel dieser Arbeit ist eine bessere Wissensbasis {\"u}ber Armut zu schaffen, um Maßnahmen zur Reduzierung von Armut entwickeln zu k{\"o}nnen. Die Arbeit dient dabei als eine Antwort auf die Nachhaltigkeitsziele der Vereinten Nationen. Es wird Grundlagenforschung betrieben, indem Wissensl{\"u}cken in der Erdbeobachtung zu physisch-baulichen bzw. morphologischen Erscheinungen von Armut auf Geb{\"a}ude-Ebene explorativ analysiert werden. Die Arbeit wird in drei Forschungsthemen bzw. Studienteile untergliedert: Ziel des ersten Studienteils ist die globale raumzeitliche Erfassung von Dynamiken durch Ankn{\"u}pfung an bisherige Kategorisierungen von Armutsgebieten. Die bisherige Wissensl{\"u}cke soll gef{\"u}llt werden, indem {\"u}ber einen Zeitraum von etwa sieben Jahren in 16 dokumentierten Manifestationen st{\"a}dtischer Armut anhand von Erdbeobachtungsdaten eine zeitliche Analyse der bebauten Umwelt durchgef{\"u}hrt wird. Neben einer global verteilten Gebietsauswahl wird die visuelle Bildinterpretation (MVII) unter Verwendung von hochaufl{\"o}senden optischen Satellitendaten genutzt. Dies geschieht in Kombination mit in-situ- und Google Street View-Bildern zur Ableitung von 3D-Stadtmodellen. Es werden physische Raumstrukturen anhand von sechs r{\"a}umlichen morphologischen Variablen gemessen: Anzahl, Gr{\"o}ße, H{\"o}he, Ausrichtung und Dichte der Geb{\"a}ude sowie Heterogenit{\"a}t der Bebauung. Diese ‚temporale Analyse' zeigt zun{\"a}chst sowohl inter- als auch intra-urbane Unterschiede. Es lassen sich unterschiedliche, aber generell hohe morphologische Dynamiken zwischen den Untersuchungsgebieten finden. Dies dr{\"u}ckt sich in vielf{\"a}ltiger Weise aus: von abgerissenen und rekonstruierten Gebieten bis hin zu solchen, wo Ver{\"a}nderungen innerhalb der gegebenen Strukturen auftreten. Geographisch gesehen resultiert in der Stichprobe eine fortgeschrittene Dynamik, insbesondere in Gebieten des Globalen S{\"u}dens. Gleichzeitig l{\"a}sst sich eine hohe r{\"a}umliche Variabilit{\"a}t der morphologischen Transformationen innerhalb der untersuchten Gebiete beobachten. Trotz dieser teilweise hohen morphologischen Dynamik sind die r{\"a}umlichen Muster von Geb{\"a}udefluchten, Straßen und Freifl{\"a}chen {\"u}berwiegend konstant. Diese ersten Ergebnisse deuten auf einen geringen Wandel in Europa hin, weshalb diese europ{\"a}ischen Armutsgebiete im folgenden Studienteil von Grund auf erhoben und kategorisiert werden. Ziel des zweiten Studienteils ist die Erschaffung einer neuen Kategorisierung, speziell f{\"u}r das in der Wissenschaft unterrepr{\"a}sentierte Europa. Die verschiedenen Formen nicht indizierter Wohnungsmorphologien werden erforscht und kategorisiert, um das bisherige globale wissenschaftliche ontologische Portfolio f{\"u}r Europa zu erweitern. Hinsichtlich dieses zweiten Studienteils bietet eine Literaturrecherche mit mehr als 1.000 gesichteten Artikeln die weitere Grundlage f{\"u}r den folgenden Fokus auf Europa. Auf der Recherche basierend werden mittels der manuellen visuellen Bildinterpretation (engl.: MVII) erneut Satellitendaten zur Erfassung der physischen Morphologien von Wohnformen genutzt. Weiterhin kommen selbst definierte geographische Indikatoren zu Lage, Struktur und formellem Status zum Einsatz. Dar{\"u}ber hinaus werden gesellschaftliche Hintergr{\"u}nde, die durch Begriffe wie ‚Ghetto', ‚Wohnwagenpark', ‚ethnische Enklave' oder ‚Fl{\"u}chtlingslager' beschrieben werden, recherchiert und implementiert. Sie sollen als Erkl{\"a}rungsansatz f{\"u}r Armutsviertel in Europa dienen. Die Stichprobe der europ{\"a}ischen, insgesamt aber unbekannten Grundgesamtheit verdeutlicht eine große Vielfalt an physischen Formen: Es wird f{\"u}r Europa eine neue Kategorisierung von sechs Hauptklassen entwickelt, die von ‚einfachsten Wohnst{\"a}tten' (z. B. Zelten) {\"u}ber ‚behelfsm{\"a}ßige Unterk{\"u}nfte ' (z. B. Baracken, Container) bis hin zu ‚mehrst{\"o}ckigen Bauten' - als allgemeine Taxonomie der Wohnungsnot in Europa - reicht. Die Untersuchung zeigt verschiedene Wohnformen wie z. B. unterirdische oder mobile Typen, verfallene Wohnungen oder große Wohnsiedlungen, die die Armut im Europa des 21. Jahrhunderts widerspiegeln. {\"U}ber die Wohnungsmorphologie hinaus werden diese Klassen durch die Struktur und ihren rechtlichen Status beschrieben - entweder als geplante oder als organisch-gewachsene bzw. weiterhin als formelle, informelle oder hybride (halblegale) Formen. Geographisch lassen sich diese {\"a}rmlichen Wohnformen sowohl in st{\"a}dtischen als auch in l{\"a}ndlichen Gebieten finden, mit einer Konzentration in S{\"u}deuropa. Der Hintergrund bei der Mehrheit der Morphologien betrifft Fl{\"u}chtlinge, ethnische Minderheiten und sozio{\"o}konomisch benachteiligte Menschen - die ‚Unterprivilegierten'. Ziel des dritten Studienteils ist eine kritische Analyse der Methode. Zur Erfassung all dieser Siedlungen werden heutzutage Satellitenbilder aufgrund der Fortschritte bei den Bildklassifizierungsmethoden meist automatisch ausgewertet. Dennoch spielt die MVII noch immer eine wichtige Rolle, z.B. um Trainingsdaten f{\"u}r Machine-Learning-Algorithmen zu generieren oder f{\"u}r Validierungszwecke. In bestimmten st{\"a}dtischen Umgebungen jedoch, z.B. solchen mit h{\"o}chster Dichte und struktureller Komplexit{\"a}t, fordern spektrale und textur-basierte Verflechtungen von {\"u}berlappenden Dachstrukturen den menschlichen Interpreten immer noch heraus, wenn es darum geht einzelne Geb{\"a}udestrukturen zu erfassen. Die kognitive Wahrnehmung und die Erfahrung aus der realen Welt sind nach wie vor unumg{\"a}nglich. Vor diesem Hintergrund zielt die Arbeit methodisch darauf ab, Unsicherheiten speziell bei der Kartierung zu quantifizieren und zu interpretieren. Kartiert werden Dachfl{\"a}chen als ‚Fußabdr{\"u}cke' solcher Gebiete. Der Fokus liegt dabei auf der {\"U}bereinstimmung zwischen mehreren Bildinterpreten und welche Aspekte der Wahrnehmung und Elemente der Bildinterpretation die Kartierung beeinflussen. Um letztlich die Methode der MVII als drittes Ziel selbstkritisch zu reflektieren, werden Experimente als sogenannte ‚Unsicherheitsanalyse' geschaffen. Dabei digitalisieren zehn Testpersonen bzw. Probanden/Interpreten sechs komplexe Gebiete. Hierdurch werden quantitative Informationen {\"u}ber r{\"a}umliche Variablen von Geb{\"a}uden erzielt, um systematisch die Konsistenz und Kongruenz der Ergebnisse zu {\"u}berpr{\"u}fen. Ein zus{\"a}tzlicher Fragebogen liefert subjektive qualitative Informationen {\"u}ber weitere Schwierigkeiten. Da die Grundlage der hierf{\"u}r bisher genutzten Kategorisierungen auf der subjektiven Bildinterpretation durch den Menschen beruht, m{\"u}ssen etwaige Unsicherheiten und damit Fehleranf{\"a}lligkeiten offengelegt werden. Die Experimente zu dieser Unsicherheitsanalyse erfolgen quantifiziert und qualifiziert. Es lassen sich generell große Unterschiede zwischen den Kartierungsergebnissen der Probanden, aber eine hohe Konsistenz der Ergebnisse bei ein und demselben Probanden feststellen. Steigende Abweichungen korrelieren mit einer steigenden baustrukturellen (morphologischen) Komplexit{\"a}t. Ein hoher Grad an Individualit{\"a}t bei den Probanden {\"a}ußert sich in Aspekten wie z.B. Zeitaufwand beim Kartieren, in-situ Vorkenntnissen oder Vorkenntnissen beim Umgang mit Geographischen Informationssystemen (GIS). Nennenswert ist hierbei, dass die jeweilige Datenquelle das Kartierungsverfahren meist beeinflusst. Mit dieser Studie soll also auch an der Stelle der angewandten Methodik eine weitere Wissensl{\"u}cke gef{\"u}llt werden. Die bisherige Forschung komplexer urbaner Areale unter Nutzung der manuellen Bildinterpretation implementiert oftmals keine Unsicherheitsanalyse oder Quantifizierung von Kartierungsfehlern. Fernerkundungsstudien sollten k{\"u}nftig zur Validierung nicht nur zweifelsfrei auf MVII zur{\"u}ckgreifen k{\"o}nnen, sondern vielmehr sind Daten und Methoden notwendig, um Unsicherheiten auszuschließen. Zusammenfassend tr{\"a}gt diese Arbeit zur bisher wenig erforschten morphologischen Dynamik von Armutsgebieten bei. Es werden inter- wie auch intra-urbane Unterschiede auf globaler Ebene pr{\"a}sentiert. Dabei sind allgemein hohe morphologische Transformationen zwischen den selektierten Gebieten festzustellen. Die Ergebnisse deuten auf einen grundlegenden Kenntnismangel in Europa hin, weshalb an dieser Stelle angekn{\"u}pft wird. Eine {\"u}ber Europa verteilte Stichprobe erlaubt eine neue morphologische Kategorisierung der großen Vielfalt an gefundenen physischen Formen. Die Menge an Gebieten erschließt sich in einer unbekannten Grundgesamtheit. Zur Datenaufbereitung bisheriger Analysen m{\"u}ssen Satellitenbilder manuell interpretiert werden. Das Verfahren birgt Unsicherheiten. Als kritische Selbstreflexion zeigt eine Reihe von Experimenten signifikante Unterschiede zwischen den Ergebnissen der Probanden auf, verdeutlicht jedoch bei ein und derselben Person Best{\"a}ndigkeit.},
  subject      = {Slum},
  language  = {de}
}
@phdthesis{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{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{Hu2020,
  author    = {Hu, Zhongyang},
  title     = {Earth Observation for the Assessment of Long-Term Snow Dynamics in European Mountains - Analysing 35-Year Snowline Dynamics in Europe Based on High Resolution Earth Observation Data between 1984 and 2018},
  doi       = {10.25972/OPUS-20044},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-200441},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2020},
  abstract  = {Worldwide, cold regions are undergoing significant alterations due to climate change. Snow, the most widely distributed cold region component, is highly sensitive to climate change. At the same time, snow itself profoundly impacts the Earth's energy budget, biodiversity, and natural hazards, as well as hydropower management, freshwater management, and winter tourism/sports. Large parts of the cold regions in Europe are mountain areas, which are densely populated because of the various ecosystem services and socioeconomic well-being in mountains. At present, severe consequences caused by climate change have been observed in European mountains and their surrounding areas. Yet, large knowledge gaps hinder the development of effective regional and local adaptation strategies. Long-term and evidence-based regional studies are urgently needed to enhance the comprehension of regional responses to climate change. Earth Observation (EO) provides long-term consistent records of the Earth's surface. It is a great alternative and/or supplement to conventional in-situ measurements which are usually time-consuming, cost-intensive and logistically demanding, particularly for the poor accessibility of cold regions. With the assistance of EO, land surface dynamics in cold regions can be observed in an objective, repeated, synoptic and consistent way. Thanks to free and open data policies, long-term archives such as Landsat Archive and Sentinel Archive can be accessed free-of-charge. The high- to medium-resolution remote sensing imagery from these freely accessible archives gives EO-based time series datasets the capability to depict snow dynamics in European mountains from the 1980s to the present. In order to compile such a dataset, it is necessary to investigate the spatiotemporal availability of EO data, and develop a spatiotemporally transferable framework from which one can investigate snow dynamics. Among the available EO image archives, the Landsat Archive has the longest uninterrupted records of the Earth's land surface. Furthermore, its 30 m spatial resolution fulfils the requirements for snow monitoring in complex terrains. Landsat data can yield a time series of snow dynamics in mountainous areas from 1984 to the present. However, severe Landsat data gaps have occurred across certain regions of Europe. Moreover, the Landsat Level 1 Precision and Terrain (L1TP) data is scarcer (up to 50\% less) in high-latitude mountainous areas than in low-latitude mountainous areas. Given the abovementioned facts, the Regional Snowline Elevation (RSE) is selected to characterize the snow dynamics in mountainous areas, as it can handle cloud obstructions in the optical images. In this thesis, I present a five-step framework to derive and densify RSE time series in European mountains, i.e. (1) pre-processing, (2) snow detection, (3) RSE retrieval, (4) time series densification, and (5) Regional Snowline Retreat Curve (RSRC) production. The results of the intra-annual RSE variations show a uniquely high variation in the beginning of the ablation seasons in the Alpine catchment Tagliamento, mainly toward higher elevation. As for inter-annual variations of RSE, median RSE increases in all selected catchments, with an average speed of around 4.66 m ∙ a-1 (median) and 5.87 m ∙ a-1 (at the beginning of the ablation season). The fastest significant retreat is observed in the catchment Drac (10.66 m ∙ a-1, at the beginning of the ablation season), and the slowest significant retreat is observed in the catchment Uzh (1.74 m ∙ a-1, at the beginning of the ablation season). The increase of RSEs at the beginning of the ablation season is faster than the median RSEs, whose average difference is nearly 1.21 m ∙ a-1, particularly in the catchment Drac (3.72 m ∙ a-1). The results of the RSRCs show a significant rise in RSEs at the beginning of the ablation season, except for the Alpine catchment Alpenrhein and Var, and the Pyrenean catchment Ariege. It indicates that 11.8 and 3.97 degrees Celsius less per year are needed for the regional snowlines to reach the middle point of the RSRC in the Tagliamento and Tysa, respectively. The variation of air temperature is regarded as an example of a potential climate driver in this thesis. The retrieved monthly mean RSEs are highly correlated (mean correlation coefficient "R" ̅ = 0.7) with the monthly temperature anomalies, which are more significant in months with extremely low/high temperature. Another case study that investigates the correlation between river discharges and RSEs is carried out to demonstrate the potential consequences of the derived snowline dynamics. The correlation analysis shows a good correlation between river discharges and RSEs (correlation coefficient, R=0.52). In this thesis, the developed framework signifies a better understanding of the snow dynamics in mountain areas, as well as their potential triggers and consequences. Nonetheless, an urgent need persists for: (1) validation data to assess long-term snow-related observations based on high-resolution EO data; (2) further studies to reveal interactions between snow and its ambient environment; and (3) regional and local adaptation-strategies coping with climate change. Further studies exploring the above-mentioned research gaps are urgently needed in the future.},
  subject      = {Fernerkundung},
  language  = {en}
}
@phdthesis{Knauer2018,
  author    = {Knauer, Kim},
  title     = {Vegetation Dynamics in West Africa - Spatio-temporal Data Fusion for the Monitoring of Agricultural Expansion},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-164776},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2018},
  abstract  = {West Africa is one of the fastest growing regions in the world with annual population growth rates of more than three percent for several countries. Since the 1950s, West Africa experienced a fivefold increase of inhabitants, from 71 to 353 million people in 2015 and it is expected that the region's population will continue to grow to almost 800 million people by the year 2050. This strong trend has and will have serious consequences for food security since agricultural productivity is still on a comparatively low level in most countries of West Africa. In order to compensate for this low productivity, an expansion of agricultural areas is rapidly progressing. The mapping and monitoring of agricultural areas in West Africa is a difficult task even on the basis of remote sensing. The small scale extensive farming practices with a low level of agricultural inputs and mechanization make the delineation of cultivated land from other land cover and land use (LULC) types highly challenging. In addition, the frequent cloud coverage in the region considerably decreases the availability of earth observation datasets. For the accurate mapping of agricultural area in West Africa, high temporal as well as spatial resolution is necessary to delineate the small-sized fields and to obtain data from periods where different LULC types are distinguishable. However, such consistent time series are currently not available for West Africa. Thus, a spatio-temporal data fusion framework was developed in this thesis for the generation of high spatial and temporal resolution time series. Data fusion algorithms such as the Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model (ESTARFM) enjoyed increasing popularity during recent years but they have hardly been used for the application on larger scales. In order to make it applicable for this purpose and to increase the input data availability, especially in cloud-prone areas such as West Africa, the ESTARFM framework was developed in this thesis introducing several enhancements. An automatic filling of cloud gaps was included in the framework in order to use even partly cloud-covered Landsat images for the fusion without producing gaps on the output images. In addition, the ESTARFM algorithm was improved to automatically account for regional differences in the heterogeneity of the study region. Further improvements comprise the automation of the time series generation as well as the significant acceleration of the processing speed through parallelization. The performance of the developed ESTARFM framework was tested by fusing an 8-day NDVI time series from Landsat and MODIS data for a focus area of 98,000 km² in the border region between Burkina Faso and Ghana. The results of this test show the capability of the ESTARFM framework to accurately produce high temporal resolution time series while maintaining the spatial detail, even in such a heterogeneous and cloud-prone region. The successfully tested framework was subsequently applied to generate consistent time series as the basis for the mapping of agricultural area in Burkina Faso for the years 2001, 2007, and 2014. In a first step, high temporal (8-day) and high spatial (30 m) resolution NDVI time series for the entire country and the three years were derived with the ESTARFM framework. More than 500 Landsat scenes and 3000 MODIS scenes were automatically processed for this purpose. From the fused ESTARFM NDVI time series, phenological metrics were extracted and together with the single time steps of NDVI served as input for the delineation of rainfed agricultural areas, irrigated agricultural areas and plantations. The classification was conducted with the random forest algorithm at a 30 m spatial resolution for entire Burkina Faso and the three years 2001, 2007, and 2014. For the training and validation of the classifier, a randomly sampled reference dataset was generated from Google Earth images based on expert knowledge of the region. The overall classification accuracies of 92\% (2001), 91\% (2007), and 91\% (2014) indicate the well-functioning of the developed methodology. The resulting maps show an expansion of agricultural area of 91\% from about 61,000 km² in 2001 to 116,900 km² in 2014. While rainfed agricultural areas account for the major part of this increase, irrigated areas and plantations also spread considerably. Especially the expansion of irrigation systems and plantation area can be explained by the promotion through various national and international development projects. The increase of agricultural areas goes in line with the rapid population growth in most of Burkina Faso's provinces which still had available land resources for an expansion of agricultural area. An analysis of the development of agricultural areas in the vicinity of protected areas highlighted the increased human pressure on these reserves. The protection of the remnant habitats for flora and fauna while at the same time improving food security for a rapidly growing population, are the major challenges for the region in the future. The developed ESTARFM framework showed great potential beyond its utilization for the mapping of agricultural area. Other large-scale research that requires a sufficiently high temporal and spatial resolution such as the monitoring of land degradation or the investigation of land surface phenology could greatly benefit from the application of this framework.},
  subject      = {Fernerkundung},
  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{Knoefel2018,
  author    = {Kn{\"o}fel, Patrick},
  title     = {Energiebilanzmodellierung zur Ableitung der Evapotranspiration - Beispielregion Khorezm},
  edition   = {1. Auflage},
  publisher = {W{\"u}rzburg University Press},
  address   = {W{\"u}rzburg},
  isbn      = {978-3-95826-042-9 (Print)},
  issn      = {0510-9833},
  doi       = {10.25972/WUP-978-3-95826-043-6},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-135669},
  school      = {W{\"u}rzburg University Press},
  pages     = {276},
  year      = {2018},
  abstract  = {Zum Verst{\"a}ndnis der komplexen Wechselwirkungen innerhalb des Klimasystems der Erde sind Kenntnisse {\"u}ber den hydrologischen Zyklus und den Energiekreislauf essentiell. Eine besondere Rolle obliegt hierbei der Evapotranspiration (ET), da sie eine wesentliche Teilkomponente beider oben erw{\"a}hnter Kreisl{\"a}ufe ist. Die exakte Quantifizierung der regionalen, tats{\"a}chlichen Evapotranspiration innerhalb der Wasser- und Energiekreisl{\"a}ufe der Erdoberfl{\"a}che auf unterschiedlichen zeitlichen und r{\"a}umlichen Skalen ist f{\"u}r hydrologische, klimatologische und agronomische Fragestellungen von großer Bedeutung. Dabei ist eine realistische Absch{\"a}tzung der regionalen tats{\"a}chlichen Evapotranspiration die wichtigste Herausforderung der hydrologischen Modellierung. Besonders die unterschiedlichen r{\"a}umlichen und zeitlichen Aufl{\"o}sungen von Satelliteninformationen machen die Fernerkundung sowohl f{\"u}r globale als auch regionale hydrologischen Fragestellungen interessant. Zus{\"a}tzlich zur Notwendigkeit des Prozessverst{\"a}ndnisses des Wasserkreislaufs auf globaler Ebene kommt dessen regionale Bedeutung f{\"u}r die Landwirtschaft, insbesondere in Bew{\"a}sserungssystemen arider Regionen. In ariden Klimazonen {\"u}bersteigt die Menge der Verdunstung oft bei weitem die Niederschlagsmengen. Aufgrund der geringen Niederschlagsmenge muss in ariden agrarischen Regionen das zum Pflanzenwachstum ben{\"o}tigte Wasser mit Hilfe k{\"u}nstlicher Bew{\"a}sserung aufgebracht werden. Der jeweilige lokale Bew{\"a}sserungsbedarf h{\"a}ngt von der Feldfrucht und deren Wachstumsphase, den Klimabedingungen, den Bodeneigenschaften und der Ausdehnung der Wurzelzone ab. Die Evapotranspiration ist als Komponente der regionalen Wasserbilanz eine wichtige Steuerungsgr{\"o}ße und Effizienzindikator f{\"u}r das lokale Bew{\"a}sserungsmanagement. Die Bew{\"a}sse-rungslandwirtschaft verbraucht weltweit etwa 70 \% der verf{\"u}gbaren S{\"u}ßwasservorkom-men. Dies wird als einer der Hauptgr{\"u}nde f{\"u}r die weltweit steigende Wasserknappheit identifiziert. Dabei liegt die Wasserentnahme des landwirtschaftlichen Sektors in den OECD Staaten im Mittel bei etwa 44 \%, in den Staaten Mittelasiens bei {\"u}ber 90 \%. Bei der Erstellung der vorliegenden Arbeit kam die Methode der residualen Bestimmung der Energiebilanz zum Einsatz. Eines der weltweit am h{\"a}ufigsten eingesetzten und vali-dierten fernerkundlichen Residualmodelle zur ET Ableitung ist das SEBAL-Modell (Surface Energy Balance Algorithm for Land, mit {\"u}ber 40 ver{\"o}ffentlichten Studien. SEBAL eignet sich zur Quantifizierung der Verdunstung großfl{\"a}chiger Gebiete und wurde bisher {\"u}ber-wiegend in der Bew{\"a}sserungslandwirtschaft eingesetzt. Aus diesen Gr{\"u}nden wurde es f{\"u}r die Bearbeitung der Fragestellungen in dieser Arbeit ausgew{\"a}hlt. SEBAL verwendet physikalische und empirische Beziehungen zur Berechnung der Energiebilanzkomponenten basierend auf Fernerkundungsdaten, bei gleichzeitig minimalem Einsatz bodengest{\"u}tzter Daten. Als Eingangsdaten werden u.a. Informationen {\"u}ber Strahlung, Bodenoberfl{\"a}chentemperatur, NDVI, LAI und Albedo verwendet. Zus{\"a}tzlich zu SEBAL wurden einige Komponenten der SEBAL Weiterentwicklung METRIC (Mapping Evapotranspiration with Internalized Calibration) verwendet, um die Modellierung der ET vorzunehmen. METRIC {\"u}berwindet einige Limitierungen des SEBAL Verfahrens und kann beispielsweise auch in st{\"a}rker reliefierten Regionen angewendet werden. Außerdem erm{\"o}glicht die Integration einer gebietsspezifischen Referenz-ET sowie einer Landnutzungsklassifikation eine bessere regionale Anpassung des Residualverfahrens. Unter der Annahme der Bedingungen zum Zeitpunkt der Fernerkundungsaufnahme ergibt sich die Energiebilanz an der Erdoberfl{\"a}che RN = LvE + H + G. Demnach teilt sich die verf{\"u}gbare Strahlungsenergie RN in die Komponenten latenter W{\"a}rme (LVE), f{\"u}hlbarer W{\"a}rme (H) und Bodenw{\"a}rme (G) auf. Durch Umstellen der Gleichung kann auf die latente W{\"a}rme geschlossen werden. Das wesentliche Ziel der vorliegenden Arbeit ist die Optimierung, Erweiterung und Validierung des ausgew{\"a}hlten SEBAL Verfahrens zur regionalen Modellierung der Energiebilanzkomponenten und der daraus abgeleiteten tats{\"a}chlichen Evapotranspiration. Die validierten Modellergebnisse der Gebietsverdunstung der Jahre 2009-2011 sollen anschließend als Grundlage dienen, das Gesamtverst{\"a}ndnis der regionalen Prozesse des Wasserkreislaufs zu verbessern. Die Arbeit basiert auf der Datengrundlage von MODIS Daten mit 1 km r{\"a}umlicher Aufl{\"o}sung. W{\"a}hrend die Komponenten verf{\"u}gbare Strahlungsenergie und f{\"u}hlbarer W{\"a}rmestrom physikalisch basiert ermittelt werden, beruht die Berechnung des Bodenw{\"a}rmestroms ausschließlich auf empirischen Absch{\"a}tzungen. Ein großer Nachteil des empirischen Ansatzes ist die Vernachl{\"a}ssigung des zeitlichen Versatzes zwischen Strahlungsbilanz und Bodenw{\"a}rmestrom in Abh{\"a}ngigkeit der aktuellen Bodenfeuchtesituation. Ein besonderer Schwerpunkt der vorliegenden Arbeit liegt auf der Bewertung und Verbesserung der Modellg{\"u}te des Bodenw{\"a}rmestroms durch Verwendung eines neuen Ansatzes zur Integration von Bodenfeuchteinformationen. Daher wird in der Arbeit ein physikalischer Ansatz entwickelt der auf dem Ansatz der periodischen Temperaturver{\"a}nderung basiert. Hierbei wurde neben dem ENVISAT ASAR SSM Produkt der TU Wien das operationelle Oberfl{\"a}chenbodenfeuchteprodukt ASCAT SSM als Fernerkundungseingangsdaten ausgew{\"a}hlt. Die mit SEBAL modellierten Energiebilanzkomponenten werden durch eine intensive Validierung mit bodengest{\"u}tzten Messungen bewertet, die Messungen stammen von Bodensensoren und Daten einer Eddy-Kovarianz-Station aus den Jahren 2009 bis 2011. Die Region Khorezm gilt als charakteristisch f{\"u}r die wasserbezogene Problematik der Bew{\"a}sserungslandwirtschaft Mittelasiens und wurde als Untersuchungsgebiet f{\"u}r diese Arbeit ausgew{\"a}hlt. Die wesentlichen Probleme dieser Region entstehen durch die nach wie vor nicht nachhaltige Land- und Wassernutzung, das marode Bew{\"a}sserungsnetz mit einer Verlustrate von bis zu 40 \% und der Bodenversalzung aufgrund hoher Grundwasserspiegel. Im Untersuchungsgebiet wurden in den Jahren 2010 und 2011 umfangreiche Feldarbeiten zur Erhebung lokaler bodengest{\"u}tzter Informationen durchgef{\"u}hrt. Bei der Evaluierung der modellierten Einzelkomponenten ergab sich f{\"u}r die Strahlungsbi-lanz eine hohe Modellg{\"u}te (R² > 0,9; rRMSE < 0,2 und NSE > 0,5). Diese Komponente bildet die Grundlage bei der Bezifferung der f{\"u}r die Prozesse an der Erdoberfl{\"a}che zur Verf{\"u}gung stehenden Energie. F{\"u}r die f{\"u}hlbaren W{\"a}rmestr{\"o}me wurden ebenfalls gute Ergebnisse erzielt, mit NSE von 0,31 und rRMSE von ca. 0,21. F{\"u}r die residual bestimmte Gr{\"o}ße der latenten W{\"a}rmestr{\"o}mung konnte eine insgesamt gute Modellg{\"u}te festgestellt werden (R² > 0,6; rRMSE < 0,2 und NSE > 0,5). Dementsprechend gut wurde die t{\"a}gliche Evapotranspiration modelliert. Hier ergab sich, nach der Interpolation t{\"a}glicher Werte, eine insgesamt ausreichend gute Modellg{\"u}te (R² > 0,5; rRMSE < 0,2 und NSE > 0,4). Dies best{\"a}tigt die Ergebnisse vieler Energiebilanzstudien, die lediglich den f{\"u}r die Ableitung der Evapotranspiration maßgebenden W{\"a}rmestrom untersuchten. Die Modellergebnisse f{\"u}r den Bodenw{\"a}rmestrom konnten durch die Entwicklung und Verwendung des neu entwickelten physikalischen Ansatzes von NSE < 0 und rRMSE von ca. 0,57 auf NSE von 0,19 und rRMSE von 0,35 verbessert werden. Dies f{\"u}hrt zu einer insgesamt positiven Einsch{\"a}tzung des Verbesserungspotenzials des neu entwickelten Bodenw{\"a}rmestromansatzes bei der Berechnung der Energiebilanz mit Hilfe von Fernerkundung.},
  subject      = {Evapotranspiration},
  language  = {de}
}
@article{EmmertKneisel2017,
  author    = {Emmert, Adrian and Kneisel, Christof},
  title     = {Internal structure of two alpine rock glaciers investigated by quasi-3-D electrical resistivity imaging},
  series = {The Cryosphere},
  volume    = {11},
  journal   = {The Cryosphere},
  doi       = {10.5194/tc-11-841-2017},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-157569},
  pages     = {841-855},
  year      = {2017},
  abstract  = {Interactions between different formative processes are reflected in the internal structure of rock glaciers. Therefore, the detection of subsurface conditions can help to enhance our understanding of landform development. For an assessment of subsurface conditions, we present an analysis of the spatial variability of active layer thickness, ground ice content and frost table topography for two different rock glaciers in the Eastern Swiss Alps by means of quasi-3-D electrical resistivity imaging (ERI). This approach enables an extensive mapping of subsurface structures and a spatial overlay between site-specific surface and subsurface characteristics. At Nair rock glacier, we discovered a gradual descent of the frost table in a downslope direction and a constant decrease of ice content which follows the observed surface topography. This is attributed to ice formation by refreezing meltwater from an embedded snow bank or from a subsurface ice patch which reshapes the permafrost layer. The heterogeneous ground ice distribution at Uertsch rock glacier indicates that multiple processes on different time domains were involved in the development. Resistivity values which represent frozen conditions vary within a wide range and indicate a successive formation which includes several advances, past glacial overrides and creep processes on the rock glacier surface. In combination with the observed topography, quasi-3-D ERI enables us to delimit areas of extensive and compressive flow in close proximity. Excellent data quality was provided by a good coupling of electrodes to the ground in the pebbly material of the investigated rock glaciers. Results show the value of the quasi-3-D ERI approach but advise the application of complementary geophysical methods for interpreting the results.},
  language  = {en}
}
@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}
}
@phdthesis{Loew2013,
  author    = {L{\"o}w, Fabian},
  title     = {Agricultural crop mapping from multi-scale remote sensing data - Concepts and applications in heterogeneous Middle Asian agricultural landscapes},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-102093},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2013},
  abstract  = {Agriculture is mankind's primary source of food production and plays the key role for cereal supply to humanity. One of the future challenges will be to feed a constantly growing population, which is expected to reach more than nine billion by 2050. The potential to expand cropland is limited, and enhancing agricultural production efficiency is one important means to meet the future food demand. Hence, there is an increasing demand for dependable, accurate and comprehensive agricultural intelligence on crop production. The value of satellite earth observation (EO) data for agricultural monitoring is well recognized. One fundamental requirement for agricultural monitoring is routinely updated information on crop acreage and the spatial distribution of crops. With the technical advancement of satellite sensor systems, imagery with higher temporal and finer spatial resolution became available. The classification of such multi-temporal data sets is an effective and accurate means to produce crop maps, but methods must be developed that can handle such large and complex data sets. Furthermore, to properly use satellite EO for agricultural production monitoring a high temporal revisit frequency over vast geographic areas is often necessary. However, this often limits the spatial resolution that can be used. The challenge of discriminating pixels that correspond to a particular crop type, a prerequisite for crop specific agricultural monitoring, remains daunting when the signal encoded in pixels stems from several land uses (mixed pixels), e.g. over heterogeneous landscapes where individual fields are often smaller than individual pixels. The main purposes of the presented study were (i) to assess the influence of input dimensionality and feature selection on classification accuracy and uncertainty in object-based crop classification, (ii) to evaluate if combining classifier algorithms can improve the quality of crop maps (e.g. classification accuracy), (iii) to assess the spatial resolution requirements for crop identification via image classification. Reporting on the map quality is traditionally done with measures that stem from the confusion matrix based on the hard classification result. Yet, these measures do not consider the spatial variation of errors in maps. Measures of classification uncertainty can be used for this purpose, but they have attained only little attention in remote sensing studies. Classifier algorithms like the support vector machine (SVM) can estimate class memberships (the so called soft output) for each classified pixel or object. Based on these estimations, measures of classification uncertainty can be calculated, but it has not been analysed in detail, yet, if these are reliable in predicting the spatial distribution of errors in maps. In this study, SVM was applied for the classification of agricultural crops in irrigated landscapes in Middle Asia at the object-level. Five different categories of features were calculated from RapidEye time series data as classification input. The reliability of classification uncertainty measures like entropy, derived from the soft output of SVM, with regard to predicting the spatial distribution of error was evaluated. Further, the impact of the type and dimensionality of the input data on classification uncertainty was analysed. The results revealed that SMVs applied to the five feature categories separately performed different in classifying different types of crops. Incorporating all five categories of features by concatenating them into one stacked vector did not lead to an increase in accuracy, and partly reduced the model performance most obviously because of the Hughes phenomena. Yet, applying the random forest (RF) algorithm to select a subset of features led to an increase of classification accuracy of the SVM. The feature group with red edge-based indices was the most important for general crop classification, and the red edge NDVI had an outstanding importance for classifying crops. Two measures of uncertainty were calculated based on the soft output from SVM: maximum a-posteriori probability and alpha quadratic entropy. Irrespective of the measure used, the results indicate a decline in classification uncertainty when a dimensionality reduction was performed. The two uncertainty measures were found to be reliable indicators to predict errors in maps. Correctly classified test cases were associated with low uncertainty, whilst incorrectly test cases tended to be associated with higher uncertainty. The issue of combining the results of different classifier algorithms in order to increase classification accuracy was addressed. First, the SVM was compared with two other non-parametric classifier algorithms: multilayer perceptron neural network (MLP) and RF. Despite their comparatively high classification performance, each of the tested classifier algorithms tended to make errors in different parts of the input space, e.g. performed different in classifying crops. Hence, a combination of the complementary outputs was envisaged. To this end, a classifier combination scheme was proposed, which is based on existing algebraic operators. It combines the outputs of different classifier algorithms at the per-case (e.g. pixel or object) basis. The per-case class membership estimations of each classifier algorithm were compared, and the reliability of each classifier algorithm with respect to classifying a specific crop class was assessed based on the confusion matrix. In doing so, less reliable classifier algorithms were excluded at the per-class basis before the final combination. Emphasis was put on evaluating the selected classification algorithms under limiting conditions by applying them to small input datasets and to reduced training sample sets, respectively. Further, the applicability to datasets from another year was demonstrated to assess temporal transferability. Although the single classifier algorithms performed well in all test sites, the classifier combination scheme provided consistently higher classification accuracies over all test sites and in different years, respectively. This makes this approach distinct from the single classifier algorithms, which performed different and showed a higher variability in class-wise accuracies. Further, the proposed classifier combination scheme performed better when using small training set sizes or when applied to small input datasets, respectively. A framework was proposed to quantitatively define pixel size requirements for crop identification via image classification. That framework is based on simulating how agricultural landscapes, and more specifically the fields covered by one crop of interest, are seen by instruments with increasingly coarser resolving power. The concept of crop specific pixel purity, defined as the degree of homogeneity of the signal encoded in a pixel with respect to the target crop type, is used to analyse how mixed the pixels can be (as they become coarser) without undermining their capacity to describe the desired surface properties (e.g. to distinguish crop classes via supervised or unsupervised image classification). This tool can be modulated using different parameterizations to explore trade-offs between pixel size and pixel purity when addressing the question of crop identification. Inputs to the experiments were eight multi-temporal images from the RapidEye sensor. Simulated pixel sizes ranged from 13 m to 747.5 m, in increments of 6.5 m. Constraining parameters for crop identification were defined by setting thresholds for classification accuracy and uncertainty. Results over irrigated agricultural landscapes in Middle Asia demonstrate that the task of finding the optimum pixel size did not have a "one-size-fits-all" solution. The resulting values for pixel size and purity that were suitable for crop identification proved to be specific to a given landscape, and for each crop they differed across different landscapes. Over the same time series, different crops were not identifiable simultaneously in the season and these requirements further changed over the years, reflecting the different agro-ecological conditions the investigated crops were growing in. Results further indicate that map quality (e.g. classification accuracy) was not homogeneously distributed in a landscape, but that it depended on the spatial structures and the pixel size, respectively. The proposed framework is generic and can be applied to any agricultural landscape, thereby potentially serving to guide recommendations for designing dedicated EO missions that can satisfy the requirements in terms of pixel size to identify and discriminate crop types. Regarding the operationalization of EO-based techniques for agricultural monitoring and its application to a broader range of agricultural landscapes, it can be noted that, despite the high performance of existing methods (e.g. classifier algorithms), transferability and stability of such methods remain one important research issue. This means that methods developed and tested in one place might not necessarily be portable to another place or over several years, respectively. Specifically in Middle Asia, which was selected as study region in this thesis, classifier combination makes sense due to its easy implementation and because it enhanced classification accuracy for classes with insufficient training samples. This observation makes it interesting for operational contexts and when field reference data availability is limited. Similar to the transferability of methods, the application of only one certain kind of EO data (e.g. with one specific pixel size) over different landscapes needs to be revisited and the synergistic use of multi-scale data, e.g. combining remote sensing imagery of both fine and coarse spatial resolution, should be fostered. The necessity to predict and control the effects of spatial and temporal scale on crop classification is recognized here as a major goal to achieve in EO-based agricultural monitoring.},
  subject      = {Fernerkundung},
  language  = {en}
}
@phdthesis{Fritsch2013,
  author    = {Fritsch, Sebastian},
  title     = {Spatial and temporal patterns of crop yield and marginal land in the Aral Sea Basin: derivation by combining multi-scale and multi-temporal remote sensing data with alight use efficiency model},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-87939},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2013},
  abstract  = {Irrigated agriculture in the Khorezm region in the arid inner Aral Sea Basin faces enormous challenges due to a legacy of cotton monoculture and non-sustainable water use. Regional crop growth monitoring and yield estimation continuously gain in importance, especially with regard to climate change and food security issues. Remote sensing is the ideal tool for regional-scale analysis, especially in regions where ground-truth data collection is difficult and data availability is scarce. New satellite systems promise higher spatial and temporal resolutions. So-called light use efficiency (LUE) models are based on the fraction of photosynthetic active radiation absorbed by vegetation (FPAR), a biophysical parameter that can be derived from satellite measurements. The general objective of this thesis was to use satellite data, in conjunction with an adapted LUE model, for inferring crop yield of cotton and rice at field (6.5 m) and regional (250 m) scale for multiple years (2003-2009), in order to assess crop yield variations in the study area. Intensive field measurements of FPAR were conducted in the Khorezm region during the growing season 2009. RapidEye imagery was acquired approximately bi-weekly during this time. The normalized difference vegetation index (NDVI) was calculated for all images. Linear regression between image-based NDVI and field-based FPAR was conducted. The analyses resulted in high correlations, and the resulting regression equations were used to generate time series of FPAR at the RapidEye level. RapidEye-based FPAR was subsequently aggregated to the MODIS scale and used to validate the existing MODIS FPAR product. This step was carried out to evaluate the applicability of MODIS FPAR for regional vegetation monitoring. The validation revealed that the MODIS product generally overestimates RapidEye FPAR by about 6 to 15 \%. Mixture of crop types was found to be a problem at the 1 km scale, but less severe at the 250 m scale. Consequently, high resolution FPAR was used to calibrate 8-day, 250 m MODIS NDVI data, this time by linear regression of RapidEye-based FPAR against MODIS-based NDVI. The established FPAR datasets, for both RapidEye and MODIS, were subsequently assimilated into a LUE model as the driving variable. This model operated at both satellite scales, and both required an estimation of further parameters like the photosynthetic active radiation (PAR) or the actual light use efficiency (LUEact). The latter is influenced by crop stress factors like temperature or water stress, which were taken account of in the model. Water stress was especially important, and calculated via the ratio of the actual (ETact) to the potential, crop-specific evapotranspiration (ETc). Results showed that water stress typically occurred between the beginning of May and mid-September and beginning of May and end of July for cotton and rice crops, respectively. The mean water stress showed only minor differences between years. Exceptions occurred in 2008 and 2009, where the mean water stress was higher and lower, respectively. In 2008, this was likely caused by generally reduced water availability in the whole region. Model estimations were evaluated using field-based harvest information (RapidEye) and statistical information at district level (MODIS). The results showed that the model at both the RapidEye and the MODIS scale can estimate regional crop yield with acceptable accuracy. The RMSE for the RapidEye scale amounted to 29.1 \% for cotton and 30.4 \% for rice, respectively. At the MODIS scale, depending on the year and evaluated at Oblast level, the RMSE ranged from 10.5 \% to 23.8 \% for cotton and from -0.4 \% to -19.4 \% for rice. Altogether, the RapidEye scale model slightly underestimated cotton (bias = 0.22) and rice yield (bias = 0.11). The MODIS-scale model, on the other hand, also underestimated official rice yield (bias from 0.01 to 0.87), but overestimated official cotton yield (bias from -0.28 to -0.6). Evaluation of the MODIS scale revealed that predictions were very accurate for some districts, but less for others. The produced crop yield maps indicated that crop yield generally decreases with distance to the river. The lowest yields can be found in the southern districts, close to the desert. From a temporal point of view, there were areas characterized by low crop yields over the span of the seven years investigated. The study at hand showed that light use efficiency-based modeling, based on remote sensing data, is a viable way for regional crop yield prediction. The found accuracies were good within the boundaries of related research. From a methodological viewpoint, the work carried out made several improvements to the existing LUE models reported in the literature, e.g. the calibration of FPAR for the study region using in situ and high resolution RapidEye imagery and the incorporation of crop-specific water stress in the calculation.},
  subject      = {Fernerkundung},
  language  = {en}
}
@phdthesis{Forkuor2014,
  author    = {Forkuor, Gerald},
  title     = {Agricultural Land Use Mapping in West Africa Using Multi-sensor Satellite Imagery},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-108687},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2014},
  abstract  = {Rapid population growth in West Africa has led to expansion in croplands due to the need to grow more food to meet the rising food demand of the burgeoning population. These expansions negatively impact the sub-region's ecosystem, with implications for water and soil quality, biodiversity and climate. In order to appropriately monitor the changes in croplands and assess its impact on the ecosystem and other environmental processes, accurate and up-to-date information on agricultural land use is required. But agricultural land use mapping (i.e. mapping the spatial distribution of crops and croplands) in West Africa has been challenging due to the unavailability of adequate satellite images (as a result of excessive cloud cover), small agricultural fields and a heterogeneous landscape. This study, therefore, investigated the possibilities of improving agricultural land use mapping by utilizing optical satellite images with higher spatial and temporal resolution as well as images from Synthetic Aperture Radar (SAR) systems which are near-independent of weather conditions. The study was conducted at both watershed and regional scales. At watershed scale, classification of different crop types in three watersheds in Ghana, Burkina Faso and Benin was conducted using multi-temporal: (1) only optical images (RapidEye) and (2) optical plus dual polarimetric (VV/VH) SAR images (TerraSAR-X). In addition, inter-annual or short term (2-3 years) changes in cropland area in the past ten years were investigated using historical Landsat images. Results obtained indicate that the use of only optical images to map different crop types in West Africa can achieve moderate classification accuracies (57\% to 71\%). Overlaps between the cropping calendars of most crops types and certain inter-croppings pose a challenge to optical images in achieving an adequate separation between those crop classes. Integration of SAR images, however, can improve classification accuracies by between 8 and 15\%, depending on the number of available images and their acquisition dates. The sensitivity of SAR systems to different crop canopy architectures and land surface characteristics improved the separation between certain crop types. The VV polarization of TerraSAR-X was found to better discrimination between crop types than the VH. Images acquired between August and October were found to be very useful for crop mapping in the sub-region due to structural differences in some crop types during this period. At the regional scale, inter-annual or short term changes in cropland area in the Sudanian Savanna agro-ecological zone in West Africa were assessed by upscaling historical cropland information derived at the watershed scale (using Landsat imagery) unto a coarse spatial resolution, but geographically large, satellite imagery (MODIS) using regression based modeling. The possibility of using such regional scale cropland information to improve government-derived agricultural statistics was investigated by comparing extracted cropland area from the fractional cover maps with district-level agricultural statistics from Ghana The accuracy of the fractional cover maps (MAE between 14.2\% and 19.1\%) indicate that the heterogeneous agricultural landscape of West Africa can be suitably represented at the regional or continental scales by estimating fractional cropland cover on low resolution Analysis of the results revealed that cropland area in the Sudanian Savanna zone has experienced inter-annual or short term fluctuations in the past ten years due to a variety of factors including climate factors (e.g. floods and droughts), declining soil fertility, population increases and agricultural policies such as fertilizer subsidies. Comparison of extracted cropland area from the fractional cover maps with government's agricultural statistics (MoFA) for seventeen districts (second administrative units) in Ghana revealed high inconsistencies in the government statistics, and highlighted the potential of satellite derived cropland information at regional scales to improve national/sub-national agricultural statistics in West Africa. The results obtained in this study is promising for West Africa, considering the recent launch of optical (Landsat 8) and SAR sensors (Sentinel-1) that will provide free data for crop mapping in the sub-region. This will improve chances of obtaining adequate satellite images acquired during the cropping season for agricultural land use mapping and bolster opportunities of operationalizing agricultural land use mapping in West Africa. This can benefit a wide range of biophysical and economic models and improve decision making based on their results.},
  subject      = {Westafrika},
  language  = {en}
}
@misc{Knauer2011,
  type      = {Master Thesis},
  author    = {Knauer, Kim},
  title     = {Monitoring ecosystem health of Fynbos remnant vegetation in the City of Cape Town using remote sensing},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-92495},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2011},
  abstract  = {Increasing urbanisation is one of the biggest pressures to vegetation in the City of Cape Town. The growth of the city dramatically reduced the area under indigenous Fynbos vegetation, which remains in isolated fragments. These are subject to a number of threats including atmospheric deposition, atypical fire cycles and invasion by exotic plant and animal species. Especially the Port Jackson willow (Acacia saligna) extensively suppresses the indigenous Fynbos vegetation with its rapid growth. The main objective of this study was to investigate indicators for a quick and early prediction of the health of the remaining Fynbos fragments in the City of Cape Town with help of remote sensing. First, the productivity of the vegetation in response to rainfall was determined. For this purpose, the Enhanced Vegetation Index (EVI), derived from Terra MODIS data with a spatial resolution of 250m, and precipitation data of 19 rainfall stations for the period from 2000 till 2008 were used. Within the scope of a flexible regression between the EVI data and the precipitation data, different lags of the vegetation response to rainfall were analysed. Furthermore, residual trends (RESTREND) were calculated, which result from the difference between observed EVI and the one predicted by precipitation. Negative trends may suggest a degradation of the habitats. In addition, the so-called Rain-use Efficiency (RUE) was tested in this context. It is defined as the ratio between net primary production (NPP) - represented by the annual sum of EVI - and the annual rainfall sum. These indicators were analysed for their suitability to determine the health of the indigenous Fynbos vegetation. Furthermore, the degree of dispersal of invasive species especially the Acacia saligna was investigated. With the specific characteristics of the tested indicators and the spectral signature of Acacia saligna, i.e. its unique reflectance over the course of the year, the dispersal was estimated. Since the growth of invasive species dramatically reduces the biodiversity of the fragments, their presence is an important factor for the condition of ecosystem health. This work focused on 11 test sites with an average size of 200ha, distributed over the whole area of the City of Cape Town. Five of these fragments are under conservation and the others shall be protected in the near future, too, which makes them of special interest. In January 2010, fieldwork was undertaken in order to investigate the state and composition of the local vegetation. The results show promising indicators for the assessment of ecosystem health. The coefficients of determination of the EVI-rainfall regression for Fynbos are minor, because the reaction of this vegetation type to rainfall is considerably lower than the one of the invasive species. Thus, a good distinction between indigenous and alien vegetation is possible on the basis of this regression. On the other hand, the RESTREND method, for which the regression forms the basis, is only of limited use, since the significance of these trends is not given for Fynbos vegetation. Furthermore, the RUE has considerable potential for the assessment of ecosystem health in the study area. The Port Jackson willow has an explicitly higher EVI than the Fynbos vegetation and thus its RUE is more efficient for a similar amount of rainfall. However, it has to be used with caution, because local and temporal variability cannot be extinguished in the study area over the rather short MODIS time series. These results display that the interpretation of the indicators has to be conducted differently from the literature, because the element of invasive species was not considered in most of the previous papers. An increase in productivity is not necessarily equivalent with an improvement in health of the fragment, but can indicate a dispersal of Acacia saligna. This shows the general problem of the term 'degradation' which in most publications so far is only measured by productivity and other factors like invasive species are disregarded. On the basis of the EVI-rainfall regression and statistical measures of the EVI, the distribution of invasive species could be delineated. Generally, a strong invasion of the Port Jackson willow was discovered on the test sites. The results display that a reasoned and sustainable management of the fragments is essential in order to prevent the suppression of the indigenous Fynbos vegetation by Acacia saligna. For this purpose, remote sensing can give an indication which areas changed so that specific field surveys can be undertaken and subsequent management measures can be determined.},
  subject      = {remote sensing},
  language  = {en}
}
@phdthesis{Cord2012,
  author    = {Cord, Anna},
  title     = {Potential of multi-temporal remote sensing data for modeling tree species distributions and species richness in Mexico},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-71021},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2012},
  abstract  = {Current changes of biodiversity result almost exclusively from human activities. This anthropogenic conversion of natural ecosystems during the last decades has led to the so-called 'biodiversity crisis', which comprises the loss of species as well as changes in the global distribution patterns of organisms. Species richness is unevenly distributed worldwide. Altogether, 17 so-called 'megadiverse' nations cover less than 10\% of the earth's land surface but support nearly 70\% of global species richness. Mexico, the study area of this thesis, is one of those countries. However, due to Mexico's large extent and geographical complexity, it is impossible to conduct reliable and spatially explicit assessments of species distribution ranges based on these collection data and field work alone. In the last two decades, Species distribution models (SDMs) have been established as important tools for extrapolating such in situ observations. SDMs analyze empirical correlations between geo-referenced species occurrence data and environmental variables to obtain spatially explicit surfaces indicating the probability of species occurrence. Remote sensing can provide such variables which describe biophysical land surface characteristics with high effective spatial resolutions. Especially during the last three to five years, the number of studies making use of remote sensing data for modeling species distributions has therefore multiplied. Due to the novelty of this field of research, the published literature consists mostly of selective case studies. A systematic framework for modeling species distributions by means of remote sensing is still missing. This research gap was taken up by this thesis and specific studies were designed which addressed the combination of climate and remote sensing data in SDMs, the suitability of continuous remote sensing variables in comparison with categorical land cover classification data, the criteria for selecting appropriate remote sensing data depending on species characteristics, and the effects of inter-annual variability in remotely sensed time series on the performance of species distribution models. The corresponding novel analyses were conducted with the Maximum Entropy algorithm developed by Phillips et al. (2004). In this thesis, a more comprehensive set of remote sensing predictors than in the existing literature was utilized for species distribution modeling. The products were selected based on their ecological relevance for characterizing species distributions. Two 1 km Terra-MODIS Land 16-day composite standard products including the Enhanced Vegetation Index (EVI), Reflectance Data, and Land Surface Temperature (LST) were assembled into enhanced time series for the time period of 2001 to 2009. These high-dimensional time series data were then transformed into 18 phenological and 35 statistical metrics that were selected based on an extensive literature review. Spatial distributions of twelve tree species were modeled in a hierarchical framework which integrated climate (WorldClim) and MODIS remote sensing data. The species are representative of the major Mexican forest types and cover a variety of ecological traits, such as range size and biotope specificity. Trees were selected because they have a high probability of detection in the field and since mapping vegetation has a long tradition in remote sensing. The result of this thesis showed that the integration of remote sensing data into species distribution models has a significant potential for improving and both spatial detail and accuracy of the model predictions.},
  subject      = {Fernerkundung},
  language  = {en}
}
@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{Machwitz2010,
  author    = {Machwitz, Miriam},
  title     = {Eine raum-zeitliche Modellierung der Kohlenstoffbilanz mit Fernerkundungsdaten auf regionaler Ebene in Westafrika},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-55136},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2010},
  abstract  = {Der Klimawandel und insbesondere die globale Erw{\"a}rmung geh{\"o}ren aktuell zu den gr{\"o}ßten Herausforderungen an Politik und Wissenschaft. Steigende CO2-Emissionen sind hierbei maßgeblich f{\"u}r die Klimaerw{\"a}rmung verantwortlich. Ein regulierender Faktor beim CO2-Austausch mit der Atmosph{\"a}re ist die Vegetation, welche als CO2-Senke aber auch als CO2-Quelle fungieren kann. Diese Funktionen k{\"o}nnen durch Analysen der Landbedeckungs{\"a}nderung in Kombination mit Modellierungen der Kohlenstoffbilanz quantifiziert werden, was insbesondere von aktuellen und zuk{\"u}nftigen politischen Instrumenten wie CDM (Clean Development Mechanism) oder REDD (Reducing Emissions from Deforestation and Degradation) gefordert wird. Vor allem in Regionen mit starker Landbedeckungs{\"a}nderung und hoher Bev{\"o}lkerungsdichte sowie bei geringem Wissen {\"u}ber die Produktivit{\"a}t und CO2-Speicherpotentiale der Vegetation, bedarf es einer Erforschung und Quantifizierung der terrestrischen Kohlenstoffspeicher. Eine Region, f{\"u}r die dies in besonderem Maße zutrifft, ist Westafrika. J{\"u}ngste Studien haben gezeigt, dass sich einerseits die Folgen des Klimawandels und Umweltver{\"a}nderungen sehr stark in Westafrika auswirken werden und andererseits Bev{\"o}lkerungswachstum eine starke {\"A}nderung der Landbedeckung f{\"u}r die Nutzung als agrarische Fl{\"a}che bewirkt hat. Folglich sind in dieser Region die terrestrischen Kohlenstoffspeicher durch Ausdehnung der Landwirtschaft und Waldrodung besonders gef{\"a}hrdet. Große Fl{\"a}chen agieren anstelle ihrer urspr{\"u}nglichen Funktion als CO2-Senke bereits als CO2-Quelle. [...]},
  subject      = {Carbon dioxide capture and storage},
  language  = {de}
}
@phdthesis{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}
}
@phdthesis{Heldens2010,
  author    = {Heldens, Wieke},
  title     = {Use of airborne hyperspectral data and height information to support urban micro climate characterisation},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-48935},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2010},
  abstract  = {The urban micro climate has been increasingly recognised as an important aspect for urban planning. Therefore, urban planners need reliable information on the micro climatic characteristics of the urban environment. A suitable spatial scale and large spatial coverage are important requirements for such information. This thesis presents a conceptual framework for the use of airborne hyperspectral data to support urban micro climate characterisation, taking into account the information needs of urban planning. The potential of hyperspectral remote sensing in characterising the micro climate is demonstrated and evaluated by applying HyMap airborne hyperspectral and height data to a case study of the German city of Munich. The developed conceptual framework consists of three parts. The first is concerned with the capabilities of airborne hyperspectral remote sensing to map physical urban characteristics. The high spatial resolution of the sensor allows to separate the relatively small urban objects. The high spectral resolution enables the identification of the large range of surface materials that are used in an urban area at up to sub-pixel level. The surface materials are representative for the urban objects of which the urban landscape is composed. These spatial urban characteristics strongly influence the urban micro climate. The second part of the conceptual framework provides an approach to use the hyperspectral surface information for the characterisation of the urban micro climate. This can be achieved by integrating the remote sensing material map into a micro climate model. Also spatial indicators were found to provide useful information on the micro climate for urban planners. They are commonly used in urban planning to describe building blocks and are related to several micro climatic parameters such as temperature and humidity. The third part of the conceptual framework addresses the combination and presentation of the derived indicators and simulation results under consideration of the planning requirements. Building blocks and urban structural types were found to be an adequate means to group and present the derived information for micro climate related questions to urban planners. The conceptual framework was successfully applied to a case study in Munich. Airborne hyperspectral HyMap data has been used to derive a material map at sub-pixel level by multiple endmember linear spectral unmixing. This technique was developed by the German Research Centre for Geosciences (GFZ) for applications in Dresden and Potsdam. A priori information on building locations was used to support the separation between spectrally similar materials used both on building roofs and non-built surfaces. In addition, surface albedo and leaf area index are derived from the HyMap data. The sub-pixel material map supported by object height data is then used to derive spatial indicators, such as imperviousness or building density. To provide a more detailed micro climate characterisation at building block level, the surface materials, albedo, leaf area index (LAI) and object height are used as input for simulations with the micro climate model ENVI-met. Concluding, this thesis demonstrated the potential of hyperspectral remote sensing to support urban micro climate characterisation. A detailed mapping of surface materials at sub-pixel level could be performed. This provides valuable, detailed information on a large range of spatial characteristics relevant to the assessment of the urban micro climate. The developed conceptual framework has been proven to be applicable to the case study, providing a means to characterise the urban micro climate. The remote sensing products and subsequent micro climatic information are presented at a suitable spatial scale and in understandable maps and graphics. The use of well-known spatial indicators and the framework of urban structural types can simplify the communication with urban planners on the findings on the micro climate. Further research is needed primarily on the sensitivity of the micro climate model towards the remote sensing based input parameters and on the general relation between climate parameters and spatial indicators by comparison with other cities.},
  subject      = {Mikroklima},
  language  = {en}
}
@phdthesis{Baumann2009,
  author    = {Baumann, Sabine Christine},
  title     = {Mapping, analysis, and interpretation of the glacier inventory data from Jotunheimen, South Norway, since the maximum of the 'Little Ice Age'},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-46320},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2009},
  abstract  = {Glacier outlines during the 'Little Ice Age' maximum in Jotunheimen were mapped by using remote sensing techniques (vertical aerial photos and satellite imagery), glacier outlines from the 1980s and 2003, a digital terrain model (DTM), geomorphological maps of individual glaciers, and field-GPS measurements. The related inventory data (surface area, minimum and maximum altitude) and several other variables (e.g. slope, range) were calculated automatically by using a geographical information system. The length of the glacier flowline was mapped manually based on the glacier outlines at the maximum of the 'Little Ice Age' and the DTM. The glacier data during the maximum of the 'Little Ice Age' were compared with the Norwegian glacier inventory of 2003. Based on the glacier inventories during the maximum of the 'Little Ice Age', the 1980s and 2003, a simple parameterization after HAEBERLI \& HOELZLE (1995) was performed to estimate unmeasured glacier variables, as e.g. surface velocity or mean net mass balance. Input data were composed of surface glacier area, minimum and maximum elevation, and glacier length. The results of the parameterization were compared with the results of previous parameterizations in the European Alps and the Southern Alps of New Zealand (HAEBERLI \& HOELZLE 1995; HOELZLE et al. 2007). A relationship between these results of the inventories and of the parameterization and climate and climate changes was made.},
  subject      = {Gletscher},
  language  = {en}
}
@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{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{Colditz2007,
  author    = {Colditz, Rene Roland},
  title     = {Time Series Generation and Classification of MODIS Data for Land Cover Mapping},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-25908},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2007},
  abstract  = {Processes of the Earth's surface occur at different scales of time and intensity. Climate in particular determines the activity and seasonal development of vegetation. These dynamics are predominantly driven by temperature in the humid mid-latitudes and by the availability of water in semi-arid regions. Human activities are a modifying parameter for many ecosystems and can become the prime force in well-developed regions with an intensively managed environment. Accounting for these dynamics, i.e. seasonal dynamics of ecosystems and short- to long-term changes in land-cover composition, requires multiple measurements in time. With respect to the characterization of the Earth surface and its transformation due to global warming and human-induced global change, there is a need for appropriate data and methods to determine the activity of vegetation and the change of land cover. Space-borne remote sensing is capable of monitoring the activity and development of vegetation as well as changes of the land surface. In many instances, satellite images are the only means to comprehensively assess the surface characteristics of large areas. A high temporal frequency of image acquisition, forming a time series of satellite data, can be employed for mapping the development of vegetation in space and time. Time series allow for detecting and assessing changes and multi-year transformation processes of high and low intensity, or even abrupt events such as fire and flooding. The operational processing of satellite data and automated information-extraction techniques are the basis for consistent and continuous long-term product generation. This provides the potential for directly using remote-sensing data and products for analyzing the land surface in relation to global warming and global change, including deforestation and land transformation. This study aims at the development of an advanced approach to time-series generation using data-quality indicators. A second goal focuses on the application of time series for automated land-cover classification and update, using fractional cover estimates to accommodate for the comparatively coarse spatial resolution. Requirements of this study are the robustness and high accuracy of the approaches as well as the full transferability to other regions and datasets. In this respect, the developments of this study form a methodological framework, which can be filled with appropriate modules for a specific sensor and application. In order to attain the first goal, time-series compilation, a stand-alone software application called TiSeG (Time Series Generator) has been developed. TiSeG evaluates the pixel-level quality indicators provided with each MODIS land product. It computes two important data-availability indicators, the number of invalid pixels and the maximum gap length. Both indices are visualized in time and space, indicating the feasibility of temporal interpolation. The level of desired data quality can be modified spatially and temporally to account for distinct environments in a larger study area and for seasonal differences. Pixels regarded as invalid are either masked or interpolated with spatial or temporal techniques.},
  subject      = {Zeitreihe},
  language  = {en}
}
@phdthesis{Conrad2006,
  author    = {Conrad, Christopher},
  title     = {Fernerkundungsbasierte Modellierung und hydrologische Messungen zur Analyse und Bewertung der landwirtschaftlichen Wassernutzung in der Region Khorezm (Usbekistan)},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-20790},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2006},
  abstract  = {Die Bew{\"a}sserungslandwirtschaft in Mittelasien ist gepr{\"a}gt von schwerwiegenden {\"o}kologischen und {\"o}konomischen Problemen. Zur Verbesserung der Situation auf dem hydrologischen Sektor wird daher seitens der mittelasiatischen Interstate Commission for Water Coordination (ICWC) die Einf{\"u}hrung des Integrated Water Resource Management (IWRM) gefordert. Wichtige Herausforderungen zur Optimierung der Wassernutzung im Aralsee-Becken sind dabei die Schaffung von Transparenz sowie von M{\"o}glichkeiten zur {\"U}berwachung der Landnutzung und der Wasserentnahme in den Bew{\"a}sserungssystemen. Im Detail fokussierte diese Arbeit auf das Bew{\"a}sserungssystem der Region Khorezm im Unterlauf des Amu Darya s{\"u}dlich des Aralsees. Die Arbeit zielte darauf ab, (1) objektive und konsistente Datengrundlagen zum Monitoring der Landnutzung und des Wasserverbrauchs innerhalb des Bew{\"a}sserungslandes zu schaffen und (2) auf Basis dieser Ergebnisse die Funktionsweise des Bew{\"a}sserungssystems zu verstehen sowie die Land- und Wassernutzung der Region zu bewerten. Um diese Ziele zu erreichen, wurden Methoden der Fernerkundung und der Hydrologie miteinander kombiniert. Fernerkundliche Schl{\"u}sselgr{\"o}ßen der Arbeit waren die Kartierung der agrarischen Landnutzung und die Modellierung der saisonalen tats{\"a}chlichen Evapotranspiration. Es wurde eine Methode vorgestellt, die eine Unterscheidung verschiedener Landnutzungen und Fruchtfolgen der Region durch die temporale Segmentierung von Zeitserien aus 8-t{\"a}gigen Kompositen von 250 m-Daten des MODIS-Sensors erm{\"o}glicht. Durch die mehrfache Anwendung von Recursive Partitioning And Regression Trees auf deskriptive Statistiken von Zeitseriensegmenten konnte eine hohe Stabilit{\"a}t erzielt werden (overall accuracy: 91 \%, Kappa-Koeffizient: 0,9). T{\"a}glich von MODIS aufgezeichnete Landoberfl{\"a}chentemperaturen (LST) bildeten die Basis zur fernerkundungsbasierten Modellierung der saisonalen tats{\"a}chlichen Evapotranspiration (ETact) f{\"u}r die sommerliche Vegetationsperiode. Aufgrund der hohen zeitlichen und groben r{\"a}umlichen Aufl{\"o}sung der verwendeten MODIS-Daten von 1 km waren leichte Modifikationen des zur Modellierung eingesetzten Surface Energy Balance Algortihm for Land (SEBAL) erforderlich. Zur Modellierung von ETact wurden MODIS-Produkte (LST, Emissionsgrad, Albedo, NDVI und Blattfl{\"a}chenindex) und meteorologische Stationsdaten aus Khorezm verwendet. Die Modellierung des f{\"u}hlbaren W{\"a}rmeflusses, einer Komponente der Energiebilanzgleichung an der Erdoberfl{\"a}che, erfolgte mittels METRIC (High Resolution and Internalized Calibration), einer Variante des SEBAL. Die Landnutzungsklassifikation fungierte als zentraler Eingangsparameter, um eine automatisierte Auswahl der Ankerpunkte des Models sicherzustellen. Da innerhalb der MODIS-Aufl{\"o}sung aufgrund der Mischpixelproblematik keine homogen feuchten oder trockenen Bedingungen im Bew{\"a}sserungsgebiet gefunden werden konnten, wurden die Landnutzungsklassifikation, der NDVI und die ASCE-Referenz-Evapotranspiration zur Absch{\"a}tzung des tats{\"a}chlichen Zustands an den Ankerpunkten herangezogen. Weiterhin wurden umfassende Gel{\"a}ndemessungen durchgef{\"u}hrt, um in der Vegetationsperiode 2005 die Zu- und Abflussmengen des Wasser von und nach Khorezm zu bestimmen. Die abschließende Bewertung der Land- und Wassernutzung basierte letztendlich auf der Bildung von Wasserbilanzen und der Berechnung anerkannter Performanceindikatoren wie der Ratio aus Drainage und Wasserentnahme oder der depleted fraction. F{\"u}r die landwirtschaftliche Nutzung im Rayon Khorezm wurde f{\"u}r die Sommersaison 2005 eine Wasserentnahme von 5,38 km3 ermittelt. Damit {\"u}bertrafen die Messergebnisse die offiziell verf{\"u}gbaren Daten der ICWC um durchschnittlich 37 \%. Auf die landwirtschaftliche Fl{\"a}che bezogen ergab sich f{\"u}r Khorezm im Jahr 2005 eine mittlere Wasserentnahme von 22.782 m3/ha. In den Subsystemen schwankten diese Werte zwischen 17.000 m3/ha und 30.000 m3/ha. Allerdings konnte an den Systemgrenzen, an denen die Messungen durchgef{\"u}hrt werden, der aus den fernerkundungsbasierten Modellierungen auf WUA-Level erwartete abnehmende Gradient der Wasserentnahme zwischen Oberlauf und Unterlauf nicht nachvollzogen werden. Als Ursache f{\"u}r diese Diskrepanz sind vor allem die Versickerungsverluste im Kanalsystem zu nennen, die den Grundwasserk{\"o}rper großr{\"a}umig auff{\"u}llen und auf Feldebene nicht zur oberfl{\"a}chlichen Bew{\"a}sserung zur Verf{\"u}gung stehen. Monatliche Bilanzierungen und die Analyse der Performanceindikatoren f{\"u}hrten zu denselben Ergebnissen. In dieser Arbeit konnte gezeigt werden, dass sich mit Methoden der Fernerkundung objektive und konsistente Daten der agrarischen Landnutzung und des Wasserverbrauchs f{\"u}r ein regionales Monitoring erstellen lassen. Da in den benachbarten Regionen gleiche atmosph{\"a}rische Bedingungen und {\"a}hnliche Anbausorten anzutreffen sind, ist anzunehmen, dass beide Verfahren auch auf der Planungsebene in einem IWRM f{\"u}r die {\"u}brigen Mittel- und Unterl{\"a}ufe von Amu Darya und Syr Darya ein hohes Anwendungspotenzial besitzen.},
  subject      = {Charism},
  language  = {de}
}
@phdthesis{Esch2006,
  author    = {Esch, Thomas},
  title     = {Automatisierte Analyse von Siedlungsfl{\"a}chen auf der Basis h{\"o}chstaufl{\"o}sender Radardaten},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-18863},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2006},
  abstract  = {St{\"a}dtische Agglomerationen zeichnen sich durch eine zunehmende Dynamik {\"o}kologischer, {\"o}konomischer und sozialer Ver{\"a}nderungen aus. Um eine nachhaltige Entwicklung urbaner R{\"a}ume zu gew{\"a}hrleisten, bedarf es verst{\"a}rkt innovativer Methoden zur Erfassung der raumwirksamen Ver{\"a}nderungen. Diesbez{\"u}glich hat sich die satellitengest{\"u}tzte Erdbeobachtung als kosteng{\"u}nstiges Instrumentarium zur Erhebung planungsrelevanter Informationen erwiesen. Dabei wird in naher Zukunft eine neue Generation von Radarsatelliten zur Verf{\"u}gung stehen, deren Leistungsverm{\"o}gen erstmals die operationelle Analyse von Siedlungsfl{\"a}chen auf Grundlage von Radardaten erm{\"o}glicht. Vor diesem Hintergrund ist es das Ziel der Dissertation, auf der Basis einer nutzerorientierten Methodik das Potential hochaufl{\"o}sender SAR-Daten zur automatisierten Erfassung und Analyse von Siedlungsfl{\"a}chen zu untersuchen. Die Methodik setzt auf dem objektorientierten Bildanalysekonzept der Software eCognition auf. Dabei haben sich der SAR-Speckle sowie Schw{\"a}chen hinsichtlich der G{\"u}te der Bildsegmentierung bzw. der Bestimmung geeigneter Segmentierungseinstellungen als Limitierungen erwiesen. Folglich liegt ein erster Schwerpunkt auf der Optimierung und Stabilisierung einer segmentbasierten Auswertung von Radardaten. Hier hat sich gezeigt, dass mit Blick auf Siedlungsareale weiterhin Optimierungsbedarf hinsichtlich einer strukturerhaltenden Bildgl{\"a}ttung besteht. Daher wird zun{\"a}chst ein neuer Filteransatz entwickelt, der gegen{\"u}ber den etablierten Techniken eine konsequentere Reduzierung des Speckle in homogenen Bildarealen gew{\"a}hrleistet und dabei gleichsam die hochfrequente Information in stark strukturierten Aufnahmebereichen bewahrt. Die Schwierigkeiten im Zusammenhang mit der G{\"u}te und {\"U}bertragbarkeit der Bildsegmentierung werden ebenso wie die Schw{\"a}chen im Hinblick auf die zielgerichtete Definition der optimalen Segmentierungsparameter durch die Entwicklung eines klassenbasierten Ansatzes zur Segmentoptimierung in der Software-Umgebung von eCognition reduziert. Der zweite Schwerpunkt dieser Dissertation widmet sich der Entwicklung von Konzepten zur automatisierten Analyse der regionalen und lokalen Siedlungsstruktur. Im regionalen Kontext liegen die Identifizierung von Siedlungsfl{\"a}chen und die Erfassung einfacher Landnutzungsklassen im Fokus der Arbeiten. Dazu wird ein Regelwerk zur Auswertung einfach-polarisierter SAR-Aufnahmen erstellt, das sich maßgeblich auf r{\"a}umlich und zeitlich robuste textur-, kontext- und hierarchiebezogene Merkmale st{\"u}tzt. Diese Wissensbasis wird anschließend so erweitert, dass sie die Analyse dual-polarisierter, bifrequenter oder kombinierter optischer und SAR-basierter Bilddaten erm{\"o}glicht. Wie die Ergebnisse zeigen, k{\"o}nnen Siedlungsfl{\"a}chen und Landnutzungsklassen bereits {\"u}ber einfach-polarisierte SAR-Aufnahmen mit Genauigkeiten von rund 90 Prozent erfasst werden. Durch die Einbindung einer weiteren Polarisation, Frequenz oder optischer Daten l{\"a}sst sich diese G{\"u}te auf Werte von bis zu 95 Prozent steigern. Die lokalen Analysen zielen auf die thematisch und r{\"a}umlich differenzierte Erfassung der Landnutzung innerhalb bebauter Areale ab. Die Untersuchung basiert auf der synergetischen Auswertung einer hochaufl{\"o}senden Radaraufnahme und eines bedeutend geringer aufgel{\"o}sten optischen Datensatzes. Die isolierte Analyse von SAR-Aufnahmen reichte hingegen selbst bei der Kombination verschiedener Frequenzen oder Polarisationen nicht zur Charakterisierung der kleinteiligen, heterogenen Stadtlandschaft aus. Im Kontext der synergetischen Auswertung dient die SAR-Aufnahme vornehmlich zur Extraktion der urbanen Topografie, w{\"a}hrend der optische Datensatz wichtige Merkmale zur Differenzierung der erfassten Struktureinheiten in die Kategorien Geb{\"a}ude, versiegelte Freifl{\"a}che, unversiegelte Freifl{\"a}che und Baumbestand beisteuert. Das Resultat zeigt, dass sich trotz des synergetischen Ansatzes lediglich eine Genauigkeit von 65 Prozent erzielen l{\"a}sst. Dennoch k{\"o}nnen Geb{\"a}ude dabei mit einer G{\"u}te von 72 Prozent vergleichsweise akkurat erfasst werden. Im Hinblick auf die Demonstration des siedlungsbezogenen Anwendungspotentials h{\"o}chstaufl{\"o}sender SAR-Daten l{\"a}sst sich res{\"u}mieren, dass eine automatische Ableitung siedlungsstruktureller Merkmale im komplexen st{\"a}dtischen Umfeld aufgrund der eingeschr{\"a}nkten spektralen Aussagekraft und der starken Geometrieabh{\"a}ngigkeit des Signals mit signifikanten Schwierigkeiten verbunden ist. Dennoch hat sich gezeigt, dass diese Limitierungen in gewissem Umfang {\"u}ber den Ansatz der multiskaligen, objektorientierten Klassifizierung kompensiert werden k{\"o}nnen. Dabei lassen sich die regionalen Siedlungs- und Landnutzungsmuster mit {\"u}berzeugenden Genauigkeiten erfassen, w{\"a}hrend die Betrachtung der lokalen Siedlungsstruktur eindeutig die Grenzen der Radartechnik im Hinblick auf die Analyse komplex strukturierter Stadtlandschaften aufzeigt.},
  subject      = {Fernerkundung},
  language  = {de}
}
@phdthesis{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}
}
@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}
}