@techreport{MuellerSchererLorenzenAmmeretal.2022,
  author    = {M{\"u}ller, J{\"o}rg and Scherer-Lorenzen, Michael and Ammer, Christian and Eisenhauer, Nico and Seidel, Dominik and Schuldt, Bernhard and Biedermann, Peter and Schmitt, Thomas and K{\"u}nzer, Claudia and Wegmann, Martin and Cesarz, Simone and Peters, Marcell and Feldhaar, Heike and Steffan-Dewenter, Ingolf and Claßen, Alice and B{\"a}ssler, Claus and von Oheimb, Goddert and Fichtner, Andreas and Thorn, Simon and Weisser, Wolfgang},
  title     = {BETA-FOR: Erh{\"o}hung der strukturellen Diversit{\"a}t zwischen Waldbest{\"a}nden zur Erh{\"o}hung der Multidiversit{\"a}t und Multifunktionalit{\"a}t in Produktionsw{\"a}ldern. Antragstext f{\"u}r die DFG Forschungsgruppe FOR 5375},
  doi       = {10.25972/OPUS-29084},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-290849},
  pages     = {210},
  year      = {2022},
  abstract  = {Der in j{\"u}ngster Zeit beobachtete kontinuierliche Verlust der β-Diversit{\"a}t in {\"O}kosystemen deutet auf homogene Gemeinschaften auf Landschaftsebene hin, was haupts{\"a}chlich auf die steigende Landnutzungsintensit{\"a}t zur{\"u}ckgef{\"u}hrt wird. Biologische Vielfalt ist mit zahlreichen Funktionen und der Stabilit{\"a}t von {\"O}kosystemen verkn{\"u}pft. Es ist daher zu erwarten, dass eine abnehmende β-Diversit{\"a}t auch die Multifunktionalit{\"a}t verringert. Wir kombinieren hier Fachwissen aus der Forstwissenschaft, der {\"O}kologie, der Fernerkundung, der chemischen {\"O}kologie und der Statistik in einem gemeinschaftlichen und experimentellen β-Diversit{\"a}tsdesign, um einerseits die Auswirkungen der Homogenisierung zu bewerten und andererseits Konzepte zu entwickeln, um negative Auswirkungen durch Homogenisierung in W{\"a}ldern r{\"u}ckg{\"a}ngig zu machen. Konkret werden wir uns mit der Frage besch{\"a}ftigen, ob die Verbesserung der strukturellen β-Komplexit{\"a}t (ESBC) in W{\"a}ldern durch Waldbau oder nat{\"u}rliche St{\"o}rungen die Biodiversit{\"a}t und Multifunktionalit{\"a}t in ehemals homogenen Produktionsw{\"a}ldern erh{\"o}hen kann. Unser Ansatz wird m{\"o}gliche Mechanismen hinter den beobachteten Homogenisierungs-Diversit{\"a}ts-Beziehungen identifizieren und zeigen, wie sich diese auf die Multifunktionalit{\"a}t auswirken. An elf Standorten in ganz Deutschland haben wir dazu zwei Waldbest{\"a}nde als zwei kleine "Waldlandschaften" ausgew{\"a}hlt. In einem dieser beiden Best{\"a}nde haben wir ESBC (Enhancement of Structural Beta Complexity)-Behandlungen durchgef{\"u}hrt. Im zweiten, dem Kontrollbestand, werden wir die gleich Anzahl 50x50m Parzellen ohne ESBC einrichten. Auf allen Parzellen werden wir 18 taxonomische Artengruppen aller trophischer Ebenen und 21 {\"O}kosystemfunktionen, einschließlich der wichtigsten Funktionen in W{\"a}ldern der gem{\"a}ßigten Zonen, messen. Der statistische Rahmen wird eine umfassende Analyse der Biodiversit{\"a}t erm{\"o}glichen, indem verschiedenen Aspekte (taxonomische, funktionelle und phylogenetische Vielfalt) auf verschiedenen Skalenebenen (α-, β-, γ-Diversit{\"a}t) quantifiziert werden. Um die Gesamtdiversit{\"a}t zu kombinieren, werden wir das Konzept der Multidiversit{\"a}t auf die 18 Taxa anwenden. Wir werden neue Ans{\"a}tze zur Quantifizierung und Aufteilung der Multifunktionalit{\"a}t auf α- und β-Skalen verwenden und entwickeln. Durch die experimentelle Beschreibung des Zusammenhangs zwischen β-Diversit{\"a}t und Multifunktionalit{\"a}t in einer Reallandschaft wird unsere Forschung einen neuen Weg einschlagen. Dar{\"u}ber hinaus werden wir dazu beitragen, verbesserte Leitlinien f{\"u}r waldbauliche Konzepte und f{\"u}r das Management nat{\"u}rlicher St{\"o}rungen zu entwickeln, um Homogenisierungseffekte der Vergangenheit umzukehren.},
  subject      = {Wald{\"o}kosystem},
  language  = {en}
}
@article{FisserKhorsandiWegmannetal.2022,
  author    = {Fisser, Henrik and Khorsandi, Ehsan and Wegmann, Martin and Baier, Frank},
  title     = {Detecting moving trucks on roads using Sentinel-2 data},
  series = {Remote Sensing},
  volume    = {14},
  journal   = {Remote Sensing},
  number    = {7},
  issn      = {2072-4292},
  doi       = {10.3390/rs14071595},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-267174},
  year      = {2022},
  abstract  = {In most countries, freight is predominantly transported by road cargo trucks. We present a new satellite remote sensing method for detecting moving trucks on roads using Sentinel-2 data. The method exploits a temporal sensing offset of the Sentinel-2 multispectral instrument, causing spatially and spectrally distorted signatures of moving objects. A random forest classifier was trained (overall accuracy: 84\%) on visual-near-infrared-spectra of 2500 globally labelled targets. Based on the classification, the target objects were extracted using a developed recursive neighbourhood search. The speed and the heading of the objects were approximated. Detections were validated by employing 350 globally labelled target boxes (mean F\(_1\) score: 0.74). The lowest F\(_1\) score was achieved in Kenya (0.36), the highest in Poland (0.88). Furthermore, validated at 26 traffic count stations in Germany on in sum 390 dates, the truck detections correlate spatio-temporally with station figures (Pearson r-value: 0.82, RMSE: 43.7). Absolute counts were underestimated on 81\% of the dates. The detection performance may differ by season and road condition. Hence, the method is only suitable for approximating the relative truck traffic abundance rather than providing accurate absolute counts. However, existing road cargo monitoring methods that rely on traffic count stations or very high resolution remote sensing data have limited global availability. The proposed moving truck detection method could fill this gap, particularly where other information on road cargo traffic are sparse by employing globally and freely available Sentinel-2 data. It is inferior to the accuracy and the temporal detail of station counts, but superior in terms of spatial coverage.},
  language  = {en}
}
@article{HalbgewachsWegmanndaPonte2022,
  author    = {Halbgewachs, Magdalena and Wegmann, Martin and da Ponte, Emmanuel},
  title     = {A spectral mixture analysis and landscape metrics based framework for monitoring spatiotemporal forest cover changes: a case study in Mato Grosso, Brazil},
  series = {Remote Sensing},
  volume    = {14},
  journal   = {Remote Sensing},
  number    = {8},
  issn      = {2072-4292},
  doi       = {10.3390/rs14081907},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-270644},
  year      = {2022},
  abstract  = {An increasing amount of Brazilian rainforest is being lost or degraded for various reasons, both anthropogenic and natural, leading to a loss of biodiversity and further global consequences. Especially in the Brazilian state of Mato Grosso, soy production and large-scale cattle farms led to extensive losses of rainforest in recent years. We used a spectral mixture approach followed by a decision tree classification based on more than 30 years of Landsat data to quantify these losses. Research has shown that current methods for assessing forest degradation are lacking accuracy. Therefore, we generated classifications to determine land cover changes for each year, focusing on both cleared and degraded forest land. The analyses showed a decrease in forest area in Mato Grosso by 28.8\% between 1986 and 2020. In order to measure changed forest structures for the selected period, fragmentation analyses based on diverse landscape metrics were carried out for the municipality of Colniza in Mato Grosso. It was found that forest areas experienced also a high degree of fragmentation over the study period, with an increase of 83.3\% of the number of patches and a decrease of the mean patch area of 86.1\% for the selected time period, resulting in altered habitats for flora and fauna.},
  language  = {en}
}