TY  - THES
A1  - Knauer, Kim
T1  - Monitoring ecosystem health of Fynbos remnant vegetation in the City of Cape Town using remote sensing
T1  - Erfassung der Ökosystemgesundheit von Fynbos-Vegetation im Großraum Kapstadt mit Hilfe der Fernerkundung
N2  - 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.
N2  - Zunehmende Urbanisierung stellt eine der größten Bedrohungen für die Vegetation im Großraum Kapstadt dar. Durch das schnelle Wachstum der Stadt bleibt immer weniger der ursprünglichen Vegetation in isolierten Fragmenten zurück.  Diese sind in ihrer Funktion als Lebensraum für Flora und Fauna unter Anderem durch Luftverschmutzung, untypische Feuerzyklen und das Eindringen fremder Arten gefährdet. Besonders die Weidenblatt-Akazie (Acacia Saligna) verdrängt die einheimische Fynbos-Vegetation großflächig durch ihr schnelles Wachstum.
Hauptziel dieser Arbeit war es, mit Hilfe der Fernerkundung Indikatoren zu finden, um eine schnelle und frühzeitige Aussage über die Gesundheit der verbliebenen natürlichen Vegetationsfragmente im Großraum Kapstadt zu ermöglichen. 
Zunächst wurde die Produktivität der Vegetation und deren Reaktion auf Niederschlag analysiert. Zu diesem Zweck wurden der Enhanced Vegetation Index (EVI) aus Terra-MODIS-Daten mit einer räumlichen Auflösung von 250m und Niederschlagsdaten von 19 Wetterstationen aus dem Zeitraum 2000 bis 2008 verwendet. Im Rahmen einer flexiblen Regression zwischen EVI und Niederschlagsdaten wurden verschiedene Verzögerungen der Reaktion der Vegetation auf den Niederschlag getestet. Des Weiteren wurden residuale Trends (RESTREND) berechnet, die sich aus der Differenz zwischen beobachtetem EVI und dem aus dem Niederschlag vorhergesagten EVI ergeben. Zusätzlich wurde die sogenannte Rain-use Efficiency (RUE) getestet.  Diese ist definiert durch das Verhältnis zwischen Nettoprimärproduktion, repräsentiert durch die Jahressumme des EVI, und der Jahressumme des Niederschlags. Die angewandten Indikatoren wurden darauf untersucht, ob sie eine Aussage über die Gesundheit der einheimischen Fynbos-Vegetation ermöglichen.
Des Weiteren wurde der Verbreitungsgrad invasiver Arten, besonders der der Weidenblatt-Akazie bestimmt. Auf Basis der spezifischen Charakteristika der getesteten Indikatoren und der spektralen Signatur von Acacia saligna, also ihrer besonderen Reflexion über den Jahresverlauf,  wurde die Verbreitung ermittelt. Da das ungehinderte Wachstum invasiver Arten die Biodiversität der Fragmente stark verringert, ist ihre Anwesenheit ein wichtiger Faktor für die Gesundheit von Ökosystemen. 
Diese Arbeit konzentrierte sich auf 11 Testflächen mit einer durchschnittlichen Größe von 200ha, die über die gesamte Fläche des Großraums Kapstadt verteilt sind. Fünf dieser Fragmente stehen bereits unter Schutz, während die anderen in absehbarer Zeit folgen sollen; dies macht sie von besonderem Interesse. Im Januar 2010 wurden Geländearbeiten durchgeführt um den Zustand und die Zusammensetzung der Vegetation vor Ort festzustellen. 
Die Ergebnisse weisen aussichtsreiche Indikatoren zur Abschätzung der Ökosystemgesundheit auf. Die Werte des Bestimmtheitsmaßes der EVI-Niederschlags-Regression sind niedrig für Fynbos, da die Reaktion dieses Vegetationstyps auf Niederschlag wesentlich geringer ist als die der invasiven Arten. Daher ist auf Basis dieser Regression eine gute Unterscheidung zwischen einheimischer und invasiver Vegetation möglich. Auf der anderen Seite ist die RESTREND-Methode, für die diese Regression die Grundlage bildet, nur begrenzt von Nutzen, da die Signifikanzen dieser Trends für Fynbos-Vegetation nicht gegeben sind. Des Weiteren weist die RUE Potential für die Abschätzung von Ökosystemgesundheit im Testgebiet auf. Die Weidenblatt-Akazie hat einen wesentlichen höheren EVI als die Fynbos-Vegetation und daher ist deren RUE bei vergleichbarer Niederschlagsmenge effizienter.  Dennoch muss diese mit Vorsicht angewandt werden, da die hohe lokale und temporale Variabilität der RUE im Testgebiet über die relativ kurze MODIS-Zeitserie nicht eliminiert werden kann. 
Die Ergebnisse verdeutlichen zudem, dass die Interpretation der Indikatoren anders als in der Literatur durchgeführt werden muss, da das Element der invasiven Vegetation in den meisten der vorangegangenen Arbeiten nicht berücksichtigt wurde. Ein Anstieg der Produktivität ist hier nicht gleichzusetzen mit einer Verbesserung der Gesundheit eines Fragments, sondern deutet viel mehr auf eine Verbreitung der Weidenblatt-Akazie hin. Dies verdeutlicht das generelle Problem des Begriffs ‚Degradation‘, welche in den meisten Veröffentlichungen nur über die Produktivität der Vegetation bestimmt wird während andere Faktoren wie zum Beispiel invasive Arten unberücksichtigt bleiben.
Auf Basis der EVI-Niederschlags-Regression und der statistischen Messgrößen des EVI konnte die Verbreitung der invasiven Arten abgegrenzt werden. Generell wurde ein starker Befall der Testflächen durch die Weidenblatt-Akazie festgestellt. Die Ergebnisse machen deutlich, dass ein durchdachtes und nachhaltiges Management der Fragmente notwendig ist um die Verdrängung der einheimischen Fynbos-Vegetation durch Acacia saligna zu verhindern. Die Fernerkundung kann zu diesem Zweck Hinweise liefern, welche Flächen sich verändert haben um anschließend gezielte Begehungen vorzunehmen und Maßnahmen einzuleiten.
KW  - remote sensing
KW  - Fynbos
KW  - ecosystem health
KW  - degradation
KW  - greening
KW  - Remote Sensing
KW  - Fynbos
KW  - ecosystem health
KW  - degradation
KW  - greening
KW  - Fernerkundung
KW  - Ökosystemgesundheit
KW  - Degradation
Y1  - 2011
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-92495
ER  - 
TY  - JOUR
A1  - Knauer, Kim
A1  - Gessner, Ursula
A1  - Fensholt, Rasmus
A1  - Kuenzer, Claudia
T1  - An ESTARFM Fusion Framework for the Generation of Large-Scale Time Series in Cloud-Prone and Heterogeneous Landscapes
JF  - Remote Sensing
N2  - Monitoring the spatio-temporal development of vegetation is a challenging task in heterogeneous and cloud-prone landscapes. No single satellite sensor has thus far been able to provide consistent time series of high temporal and spatial resolution for such areas. In order to overcome this problem, data fusion algorithms such as the Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model (ESTARFM) have been established and frequently used in recent years to generate high-resolution time series. In order to make it applicable to larger scales and to increase the input data availability especially in cloud-prone areas, an ESTARFM framework was developed in this study introducing several enhancements. An automatic filling of cloud gaps was included in the framework to make best use of available, even partly cloud-covered Landsat images. Furthermore, the ESTARFM algorithm was enhanced to automatically account for regional differences in the heterogeneity of the study area. The generation of time series was automated and the processing speed was accelerated significantly by parallelization. To test the performance of the developed ESTARFM framework, MODIS and Landsat-8 data were fused for generating an 8-day NDVI time series for a study area of approximately 98,000 km\(^{2}\) in West Africa. The results show that the ESTARFM framework can accurately produce high temporal resolution time series (average MAE (mean absolute error) of 0.02 for the dry season and 0.05 for the vegetative season) while keeping the spatial detail in such a heterogeneous, cloud-prone region. The developments introduced within the ESTARFM framework establish the basis for large-scale research on various geoscientific questions related to land degradation, changes in land surface phenology or agriculture
KW  - vegetation dynamics
KW  - ESTARFM
KW  - MODIS
KW  - Landsat
KW  - phenology
KW  - West Africa
KW  - cloud gap filling
KW  - time series analysis
Y1  - 2016
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-180712
VL  - 8
IS  - 5
ER  - 
TY  - JOUR
A1  - Knauer, Kim
A1  - Gessner, Ursula
A1  - Fensholt, Rasmus
A1  - Forkuor, Gerald
A1  - Kuenzer, Claudia
T1  - Monitoring agricultural expansion in Burkina Faso over 14 years with 30 m resolution time series: the role of population growth and implications for the environment
JF  - Remote Sensing
N2  - Burkina Faso ranges amongst the fastest growing countries in the world with an annual population growth rate of more than three percent. This trend has consequences for food security since agricultural productivity is still on a comparatively low level in Burkina Faso. In order to compensate for the low productivity, the agricultural areas are expanding quickly. The mapping and monitoring of this expansion is difficult, even on the basis of remote sensing imagery, since the extensive farming practices and frequent cloud coverage in the area make the delineation of cultivated land from other land cover and land use types a challenging task. However, as the rapidly increasing population could have considerable effects on the natural resources and on the regional development of the country, methods for improved mapping of LULCC (land use and land cover change) are needed. For this study, we applied the newly developed ESTARFM (Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model) framework to generate high temporal (8-day) and high spatial (30 m) resolution NDVI time series for all of Burkina Faso for the years 2001, 2007, and 2014. For this purpose, more than 500 Landsat scenes and 3000 MODIS scenes were processed with this automated framework. The generated ESTARFM NDVI time series enabled extraction of per-pixel phenological features that all together served as input for the delineation of agricultural areas via random forest classification at 30 m spatial resolution for entire Burkina Faso and the three years. For training and validation, a randomly sampled reference dataset was generated from Google Earth images and based on expert knowledge. The overall accuracies of 92% (2001), 91% (2007), and 91% (2014) indicate the well-functioning of the applied methodology. The results show an expansion of agricultural area of 91% between 2001 and 2014 to a total of 116,900 km\(^2\). While rainfed agricultural areas account for the major part of this trend, irrigated areas and plantations also increased considerably, primarily promoted by specific development projects. This expansion goes in line with the rapid population growth in most provinces of Burkina Faso where land was still available for an expansion of agricultural area. The analysis of agricultural encroachment into protected areas and their surroundings highlights the increased human pressure on these areas and the challenges of environmental protection for the future.
KW  - remote sensing
KW  - Africa
KW  - agriculture
KW  - Burkina Faso
KW  - data fusion
KW  - ESTARFM framework
KW  - irrigation
KW  - land surface phenology
KW  - Landsat
KW  - MODIS
KW  - plantation
KW  - protected areas
KW  - TIMESAT
Y1  - 2017
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-171905
VL  - 9
IS  - 2
ER  - 
TY  - THES
A1  - Knauer, Kim
T1  - Vegetation Dynamics in West Africa - Spatio-temporal Data Fusion for the Monitoring of Agricultural Expansion
T1  - Vegetationsdynamik in Westafrika - Raumzeitliche Datenfusion zur Kartierung landwirtschaftlicher Expansion
N2  - 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.
N2  - Westafrika ist eine der am schnellsten wachsenden Regionen der Welt. Das jährliche Bevölkerungswachstum liegt in mehreren Ländern der Region über drei Prozent. Seit den 1950er Jahren erlebte Westafrika eine fünffache Zunahme der Einwohner, von 71 auf 353 Millionen Menschen im Jahr 2015 und es wird erwartet, dass die Bevölkerung der Region bis zum Jahr 2050 auf fast 800 Millionen Menschen steigen wird. Dieser Trend hat ernsthafte Konsequenzen für die Nahrungsmittelsicherheit, da die landwirtschaftliche Produktivität in den meisten Ländern Westafrikas immer noch auf einem vergleichsweise niedrigen Niveau liegt. Um diese geringe Produktivität zu kompensieren, schreitet die Ausweitung der landwirtschaftlichen Flächen rasch voran. Die Kartierung und Überwachung der landwirtschaftlichen Gebiete in Westafrika ist eine schwierige Aufgabe, auch auf der Basis der Fernerkundung. Die kleinräumigen, extensiven Anbaumethoden mit geringem landwirtschaftlichen Input und mangelnder Mechanisierung stellen für die Abgrenzung der Anbauflächen von anderen Landbedeckungs- und Landnutzungstypen (LULC) eine große Herausforderung dar. Darüber hinaus wird die Verfügbarkeit von Erdbeobachtungsdaten durch häufige Wolkenbedeckung in der Region erheblich reduziert. Für die genaue Kartierung der landwirtschaftlichen Fläche in Westafrika ist eine hohe zeitliche sowie räumliche Auflösung notwendig, um die meist kleinen Felder abgrenzen zu können und Daten aus Zeiträumen zu erhalten, in denen unterschiedliche LULC-Typen unterscheidbar sind. Allerdings sind solch konsistente Zeitreihen für Westafrika derzeit nicht verfügbar. Daher wurde in dieser Arbeit ein raum-zeitliches Datenfusions-Framework entwickelt, um räumlich und zeitlich hoch aufgelöste Zeitreihen zu erzeugen.
Daten-Fusions-Algorithmen wie das Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model (ESTARFM) erfreuten sich in den letzten Jahren zunehmender Beliebtheit, wurden aber kaum auf größeren Skalen verwendet. Um die Nutzbarkeit für diesen Zweck zu verbessern und die Verfügbarkeit der Eingangsdaten vor allem in wolkenreichen Gebieten wie Westafrika zu erhöhen, wurde das ESTARFM-Framework in dieser Arbeit entwickelt. In diesem Framework wurden mehrere Verbesserungen eingebaut. Ein automatisches Füllen von Wolkenlücken wurde eingefügt, um auch teilweise wolkenbedeckte Landsat-Bilder für die Fusion zu verwenden, ohne Lücken auf den Ausgabebildern zu erzeugen. Darüber hinaus wurde der ESTARFM-Algorithmus verbessert, um regionale Unterschiede in der Heterogenität der Studienregion automatisch zu berücksichtigen. Weitere Verbesserungen umfassen die Automatisierung der Zeitreihenerzeugung sowie die signifikante Beschleunigung der Prozessierungsgeschwindigkeit mittels Parallelisierung. Die Leistungsfähigkeit des entwickelten ESTARFM-Frameworks wurde durch die Fusion einer 8-tägigen NDVI-Zeitreihe aus Landsat- und MODIS-Daten für ein Fokusgebiet von 98.000 km² im Grenzgebiet zwischen Burkina Faso und Ghana getestet. Die Ergebnisse dieses Tests demonstrieren die Fähigkeit des ESTARFM-Frameworks, genaue, zeitlich hoch aufgelöste Zeitreihen zu erzeugen, die die räumlichen Details auch in einer solch heterogenen und wolkenreichen Region bewahren können.
Das erfolgreich getestete Framework wurde anschließend angewendet um konsistente Zeitreihen zu erzeugen, die als Grundlage für die Kartierung der landwirtschaftlichen Fläche in Burkina Faso für die Jahre 2001, 2007 und 2014 dienten. In einem ersten Schritt wurden mittels des ESTARFM-Frameworks zeitlich (8 Tage) und räumlich (30 m) hoch aufgelöste NDVI-Zeitreihen für das ganze Land und die drei Jahre abgeleitet. Mehr als 500 Landsat- und 3000 MODIS-Szenen wurden zu diesem Zweck automatisch verarbeitet. Aus den fusionierten ESTARFM NDVI-Zeitreihen wurden phänologische Metriken extrahiert und zusammen mit den einzelnen NDVI-Zeitschnitten als Basis für die Abgrenzung von Regenfeldbau, bewässerten landwirtschaftlichen Flächen und Plantagen genutzt. Die Klassifikation wurde mit dem Random-Forest-Algorithmus in einer räumlichen Auflösung von 30 m für ganz Burkina Faso und die drei Jahre 2001, 2007 und 2014 durchgeführt. Basierend auf Expertenkenntnissen der Region wurde ein zufällig beprobter Referenzdatensatz aus Google-Earth-Bildern generiert, der für die Kalibrierung und Validierung des Klassifikators diente. Die Klassifikationsgenauigkeiten von 92% (2001), 91% (2007) und 91% (2014) demonstrieren die Leistungsfähigkeit der entwickelten Methodik. Die daraus erzeugten Karten zeigen eine Ausweitung der landwirtschaftlichen Fläche um 91%, von etwa 61.000 km² im Jahr 2001 auf 116.900 km² im Jahr 2014. Während der Regenfeldbau den größten Teil dieser Zunahme ausmacht, haben sich auch bewässerte Flächen und Plantagen erheblich ausgebreitet. Insbesondere die Ausweitung der Bewässerungssysteme und der Plantagenfläche lässt sich mit der Förderung durch verschiedene nationale und internationale Entwicklungsprojekte erklären. Die Zunahme der landwirtschaftlichen Gebiete geht einher mit dem raschen Bevölkerungswachstum in den meisten Provinzen Burkina Fasos, welche noch über ungenutzte Landressourcen verfügen. Eine Analyse der Entwicklung der landwirtschaftlichen Fläche im Umland von Schutzgebieten verdeutlicht den erhöhten anthropogenen Druck auf diese Reservate. Der Schutz der verbliebenen Habitate für Flora und Fauna bei gleichzeitiger Verbesserung der Nahrungsmittelsicherheit für eine schnell wachsende Bevölkerung stellen die großen Herausforderungen für die Zukunft der Region dar.
Das entwickelte ESTARFM-Framework zeigt großes Potenzial für weitere Anwendungen, die über die Kartierung landwirtschaftlicher Fläche hinausgehen. Großflächige Forschung, die eine hinreichend hohe zeitliche und räumliche Auflösung erfordern, wie die Überwachung von Bodendegradation oder die Untersuchung von Phänologie der Landoberfläche, könnten von der Anwendung des ESTARFM-Framework erheblich profitieren.
KW  - Fernerkundung
KW  - Landwirtschaft
KW  - Westafrika
Y1  - 2018
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-164776
ER  -