TY - THES A1 - Üreyen, Soner T1 - Multivariate Time Series for the Analysis of Land Surface Dynamics - Evaluating Trends and Drivers of Land Surface Variables for the Indo-Gangetic River Basins T1 - Multivariate Zeitreihen zur Analyse von Landoberflächendynamiken - Auswertung von Trends und Treibern von Landoberflächenvariablen für Flusseinzugsgebiete der Indus-Ganges Ebene N2 - 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. N2 - Die Untersuchung von Erdsystemkomponenten und deren Wechselwirkungen ist von großer Relevanz, um das Prozessverständnis sowie die Auswirkungen des globalen Klimawandels auf die Landoberfläche zu verbessern. In diesem Zusammenhang liefert die Erdbeobachtung (EO) wertvolle Langzeitaufnahmen zu einer Vielzahl an Landoberflächenvariablen. Diese können als Indikator für die Erdsystemkomponenten genutzt werden und sind essenziell für großflächige Analysen. Flusseinzugsgebiete sind besonders geeignet um Landoberflächendynamiken mit multivariaten Zeitreihen zu analysieren, da diese verschiedene Sphären des Erdsystems umfassen. Zur Charakterisierung der Landoberfläche stehen zahlreiche EO-Missionen mit unterschiedlichen Eigenschaften zur Verfügung. Nur einige wenige Missionen gewährleisten jedoch die Erstellung von räumlich und zeitlich konsistenten Zeitreihen mit äquidistanten Beobachtungen über großräumige Untersuchungsgebiete, wie z.B. die MODIS Sensoren. Um bisherige EO-Analysen zu Landoberflächendynamiken in großen Flusseinzugsgebieten zu untersuchen, wurde eine Literaturrecherche durchgeführt, wobei mehrere Forschungslücken identifiziert wurden. Studien untersuchten nur selten ein ganzes Einzugsgebiet, sondern konzentrierten sich lediglich auf Teilgebietsgebiete oder regionale Untersuchungsgebiete. Darüber hinaus wurden transnationale Einzugsgebiete nur unzureichend analysiert, wobei sich die Studien größtenteils auf ausgewählte Anrainerstaaten beschränkten. Auch wurde die Analyse von Umweltveränderungen meistens anhand einer einzigen EO-Landoberflächenvariable durchgeführt, während eine synergetische Untersuchung von sphärenübergreifenden Landoberflächenvariablen kaum unternommen wurde. Um diese Forschungslücken zu adressieren, ist ein methodischer Ansatz notwendig, der (1) die Vorverarbeitung und Harmonisierung von Zeitreihen aus mehreren Quellen und (2) die statistische Analyse eines multivariaten Merkmalsraums ermöglicht. Für die Entwicklung und Anwendung eines methodischen Frameworks, das raum-zeitlich übertragbar ist, wurden die transnationalen Einzugsgebiete Indus, Ganges, Brahmaputra und Meghna (IGBM) in Südasien, deren Größe etwa der achtfachen Fläche von Deutschland entspricht, ausgewählt. Diese Einzugsgebiete hängen weitgehend von den Wasserressourcen des Monsunregens und des Hochgebirges Asiens ab. Insgesamt leben über 1,1 Milliarden Menschen in dieser Region und sind zum Teil in hohem Maße von diesen Wasserressourcen abhängig, die auch für die größten zusammenhängenden bewässerten Anbauflächen der Welt und auch für weitere inländische Bedarfe unerlässlich sind. Aufgrund ihrer sehr heterogenen geographischen Gegebenheiten ermöglichen diese Einzugsgebiete eine detaillierte sphärenübergreifende Analyse der Wechselwirkungen, einschließlich der Anthroposphäre, Biosphäre, Kryosphäre, Hydrosphäre, Lithosphäre und Atmosphäre. In dieser Dissertation wurden Landoberflächendynamiken der letzten zwei Jahrzehnte anhand von EO-Zeitreihen zum Vegetationszustand, zu Oberflächengewässern und zur Schneebedeckung analysiert. Diese basieren auf MODIS-Aufnahmen, dem DLR Global WaterPack und dem JRC Global Surface Water Layer sowie dem DLR Global SnowPack. Diese Zeitreihen wurden in Kombination mit weiteren klimatischen, hydrologischen und anthropogenen Variablen ausgewertet. Die Harmonisierung des multivariaten Merkmalsraumes ermöglichte die Analyse von Landoberflächendynamiken unter Nutzung von statistischen Methoden. Diese Methoden umfassen (1) die Berechnung von Trends mittels des Mann-Kendall und des Theil-Sen Tests, (2) die Berechnung von phänologischen Metriken anhand des Timesat-Tools, (3) die Bewertung von treibenden Variablen unter Nutzung des PCMCI Algorithmus und (4) zusätzliche Korrelationstests zur Analyse des menschlichen Einflusses auf den Vegetationszustand und die Wasseroberfläche. Diese Analysen wurden auf jährlichen und saisonalen Zeitskalen und für verschiedene räumliche Einheiten durchgeführt. Für den Vegetationszustand wurden weitgehend signifikant positive Trends ermittelt. Analysen haben gezeigt, dass landwirtschaftliche Nutzflächen am meisten zu diesen Trends beitragen haben. Besonders hoch waren die Trends in ariden Regionen. Bei Oberflächengewässern wurden auf jährlicher Ebene signifikant positive Trends festgestellt. Auf Pixelebene wurden jedoch sowohl regional als auch saisonal Cluster mit signifikant negativen Trends identifiziert. Die Trends für die Schneebedeckung blieben auf jährlicher Ebene weitgehend stabil, jedoch wurden in Teilen der Einzugsgebiete zu bestimmten Jahreszeiten signifikant negative Trends beobachtet. Die negativen Trends wurden auch für höhenabhängige Zonen festgestellt, insbesondere in hohen Lagen. Außerdem wurden in Teilen der Einzugsgebiete Rückgänge bei der saisonalen Dauer der Schneebedeckung ermittelt. Darüber hinaus ergab die Untersuchung des multivariaten Merkmalsraums auf kausale Zusammenhänge auf saisonaler Ebene erstmals Aufschluss über direkte und indirekte Relationen zwischen EO-Landoberflächenvariablen und den entsprechenden Einflussfaktoren. Zusammengefasst wurde die Vegetation durch die Wasserverfügbarkeit, die Oberflächengewässer durch den Abfluss und indirekt durch den Niederschlag sowie die Schneebedeckung durch Niederschlag und Temperatur mit räumlichen und saisonalen Unterschieden kontrolliert. Zusätzliche Analysen wiesen auf einen positiven Zusammenhang zwischen dem menschlichen Einfluss und den zunehmenden Trends in der Vegetationsfläche hin. Diese sphärenübergreifenden Untersuchungen zu Trends und Wechselwirkungen liefern neue und wertvolle Einblicke in den vergangenen Zustand von Landoberflächendynamiken sowie in die relevanten klimatischen und hydrologischen Einflussfaktoren. Neben den untersuchten Einzugsgebieten in Südasien sind diese Erkenntnisse auch für weitere Einzugsgebiete und geographische Regionen von großer Bedeutung. KW - Multivariate Analyse KW - Zeitreihe KW - Fernerkundung KW - Geographie KW - Multivariate Time Series KW - River Basins KW - Earth Observation KW - Remote Sensing Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-291941 ER - TY - THES A1 - Sieber, Maximilian T1 - Evaluation of 1H-NMR and GC/MS-based metabonomics for the assessment of liver and kidney toxicity T1 - Bewertung von 1H-NMR und GC/MS-Metabonomics zur Erkennung von Leber- und Nierentoxizität N2 - For the assessment of metabonomics techniques for the early, non-invasive detection of toxicity, the nephrotoxins gentamicin (s.c. administration of 0, 60 and 120 mg/kg bw 2x daily for 8 days), ochratoxin A (p.o. administration of 0, 21, 70 and 210 µg/kg bw 5 days/week for 90 days) and aristolochic acid (p.o. administration of 0, 0.1, 1.0 and 10 mg/kg bw for 12 days) were administered to rats and urine samples were analyzed with 1H-NMR and GC/MS. Urine samples from the InnoMed PredTox project were analyzed as well, thereby focusing on 1H-NMR analysis and bile duct necrosis as histopathological endpoint. 1H-NMR analysis used water supression with the following protocol: 1 M phosphate buffer, D2O as shift lock reagent, D4-trimethylsilyl­propionic acid as chemical shift reference, noesygppr1d pulse sequence (Bruker). For multivariate data analysis, spectral intensity was binned into 0.04 ppm wide bins. GC/MS analysis of urine was carried out after protein precipitation with methanol, drying, derivatization with methoxyamine hydrochloride in pyridine and with methyl(trimethylsilyl)­trifluoroacetamide on a DB5-MS column using EI ionization. The chromatograms were prepared for multivariate data analysis using the R-program based peak picking and alignment software XCMS version 2.4.0. Principal component analysis (PCA) to detect and visualize time-point and dose-dependent differences between treated animals and controls and orthogonal projection to latent structures discriminant analysis (OPLS-DA) for identification of potential molecular markers of toxicity was carried out using SIMCA P+ 11.5 1H-NMR-based markers were identified and quantified with the Chenomx NMR Suite, GC/MS based markers were identified using the NIST Mass Spectral Database and by co-elution with authentic reference standards. PCA of urinary metabolite profiles was able to differentiate treated animals from controls at the same time as histopathology. An advantage over classical clinical chemistry parameters regarding sensitivity could be observed in some cases. Metabonomic analysis with GC/MS and 1H-NMR revealed alterations in the urinary profile of treated animals 1 day after start of treatment with gentamicin, correlating with changes in clinical chemistry parameters and histopathology. Decreased urinary excretion of citrate, 2-oxoglutarate, hippurate, trigonelline and 3-indoxylsulfate increased excretion of 5-oxoproline, lactate, alanine and glucose were observed. Ochratoxin A treatment caused decreased excretion of citrate, 2-oxoglutarate and hippurate and and increased excretion of glucose, myo-inositol, N,N-dimethylglycine, glycine, alanine and lactate as early as 2 weeks after start of treatment with 210µg OTA/kg bw, correlating with changes in clinical chemistry parameters and histopathology. Integration of histopathology scores increased confidence in the molecular markers discovered. Aristolochic acid treatment resulted in decreased urinary excretion of citrate, 2-oxoglutarate, hippurate and creatinine as well as increased excretion of 5-oxoproline, N,N-dimethylglycine, pseudouridine and uric acid. No alterations in clinical chemistry parameters or histopathology were noted.Decreased excretion of hippurate indicates alterations in the gut microflora, an effect that is expected as pharmacological action of the aminoglycoside antibiotic gentamicin and that can also be explained by the p.o. administration of xenobiotica. Decreased Krebs cycle intermediates (citrate and 2-oxoglutarate) and increased lactate is associated with altered energy metabolism. Increased pseudouridine excretion is associated with cell proliferation and was observed with aristolochic acid and ochratoxin A, for which proliferative processes were observed with histopathology. 5-oxoproline and N,N-dimethylglycine can be associated with oxidative stress. Glucose, a marker of renal damage in clinical chemistry, was observed for all three nephrotoxins studied. Single study analysis with PCA of GC/MS chromatograms and 1H-NMR spectra of urine from 3 studies conducted within the InnoMed PredTox project showing bile duct necrosis revealed alterations in urinary profiles with the onset of changes in clinical chemistry and histopathology. Alterations were mainly decreased Krebs cycle intermediates and changes in the aromatic gut flora metabolites, an effect that may result as a secondary effect from altered bile flow. In conclusion, metabonomics techniques are able to detect toxic lesions at the same time as histopathology and clinical chemistry. The metabolites found to be altered are common to most toxicities and are not organ-specific. A mechanistic link to the observed toxicity has to be established in order to avoid confounders such as body weight loss, pharmacological effects etc. For pattern recognition purposes, large databases are necessary. N2 - Zur Bewertung von Metabonomics-Techniken zur frühen, nicht-invasiven Erkennung von Toxizität wurde Rattenurin nach wiederholter Gabe von Nephrotoxinen mit 1H-NMR und GC/MS analysiert. Untersucht wurden Gentamicin (s.c.-Gabe von 0, 60 und 120 mg/kg Körpergewicht (KG) 2x tägl. über 8 Tage), Ochratoxin A (p.o.-Gabe von 0, 21, 70 und 210 µg/kg KG 5xl wöchentlich für 90 Tage) und Aristolochiasäure (p.o.-Gabe von 0, 0.1, 1.0 und 10 mg/kg KG über 12 Tage). Proben von 16 Studien des InnoMed PredTox Projekts wurden mit 1H-NMR auf den histopathologischen Endpunkt Gallengangnekrose (BDN) untersucht. Folgende Parameter wurden zur 1H-NMR-Analyse mit Wasserunterdrückung verwendet: 1 M Phosphatpuffer, shift lock Reagenz D2O und Referenzierung der chemischen Verschiebung auf D4-Trimethylsilyl­propionsäure, noesygppr1d-Pulssequenz (Bruker). Zur multivariaten Datenanalyse wurden die Spektren in 0.04 ppm große „bins“ unterteilt. Zur GC/MS-Analyse wurden nach Proteinfällung mit Methanol die Urinproben getrocknet und mit Methoxyaminhydrochlorid in Pyridin und Methyl(trimethylsilyl)trifluoracetamid derivatisiert und auf einer DB5-MS -Säule getrennt. Die GC/MS-Chromatogramme wurden mit dem R-Programm-basierten XCMS-Softwarepaket Version 2.4.0 zur multivariaten Datenanalyse vorbereitet. Hauptkomponentenanalyse (PCA) zur Visualisierung von zeit- und dosisabhängigen Unterschieden zwischen Kontrollen und behandelten Tieren und „orthogonal projection to latent structures“-Diskriminantenanalyse (OPLS-DA) zur Identifizierung von Toxizitätsmarkern erfolgte mit SIMCA P+11.5 Die Chenomx-NMR-Suite wurde zur Identifizierung und Quantifizierung von 1H NMR-basierten Markern verwendet; GC/MS-basierte Marker wurden mit der „NIST Mass Spectral Database“ und durch Koelution mit Referenzstandards identifiziert. PCA unterschied Kontroll- von behandelten Tieren zum gleichen Zeitpunkt wie Histopathologie. Gegenüber klinisch-chemischen Parametern war Metabonomics in einigen Fällen empfindlicher. Gentamicin induzierte nach Tag 1 erniedrigte Ausscheidung von Citrat, 2-Oxoglutarat, Hippurat, Trigonellin und 3-Indoxylsulfat Urin, sowie erhöhte Ausscheidung von Lactat, Alanin, 5-Oxoprolin und Glucose, begleitet von geringfügigen Änderungen in klinisch-chemischen Parametern. Ochratoxin A verursachte nach zwei Wochen in einzelnen Tieren eine erniedrigte Ausscheidung von Citrat, 2-Oxoglutarat und Hippurat sowie eine erhöhte Ausscheidung von Glucose, myo-Inositol, N,N-Dimethylglycin, 5-Oxoprolin, Glycin, Alanin und Lactat, korrelierend mit Veränderungen in klinisch-chemischen Parametern und in der Histopathologie. Verwendung von Histopathologiedaten in multivariaten Modellen zur Markeridentifizierung erhöhte die Konfidenz der Marker. Aristolochiasäure induzierte eine erniedrigte Ausscheidung von Citrat, 2-Oxoglutarat, Hippurat und Creatinin und eine erhöhte Ausscheidung von 5-Oxoprolin, N,N-Dimethylglycin und Pseudouridin, ohne Veränderung der klinisch-chemischen Parameter oder der Histopathologie. Erniedrigte Ausscheidung von Hippurat weist auf eine veränderte Darmmikroflora hin; für das Aminoglykosid-Antibiotikum Gentamicin ist dies ein pharmakologischer Effekt, der für die perorale Gabe von Xenobiotica zu erwarten ist. Erniedrigte Ausscheidung von Citrat und 2-Oxoglutarat und erhöhte Ausscheidung von Lactat zeigt einen veränderten Energiestoffwechsel. Erhöhte Ausscheidung von Pseudouridin ist mit Zell­proliferation assoziiert und wurde nach Gabe der Kanzerogene Ochratoxin A und Aristolochiasäure beobachtet, bei denen proliferative Prozesse in der Histopathologie gefunden wurden. 5-Oxoprolin und N,N-Dimethyl­glycin deuten auf erhöhten oxidativen Stress hin. Erhöhte Glucose im Urin, ein Parameter zur Diagnose von Nierenschäden in der klinischen Chemie, wurde in allen drei Studien mit Nephrotoxinen beobachtet. GC/MS- und 1H-NMR-Daten von InnoMed-Studien mit Gallengang­nekrosen als histopathologischen Endpunkt zeigten Veränderung im Urin zeitgleich mit klinisch-chemischen Parametern und Histopathologie; hauptsächlich erniedrigte Ausscheidung von Citratzyklusintermediaten und Veränderungen bei Darmflora-assoziierten Metaboliten, – ein Effekt, der wahrscheinlich veränderten Gallenfluss zurückzuführen ist. Metabonomics ist prinzipiell zum gleichen Zeitpunkt wie klinisch-chemische Parameter und Histopathologie zur Erkennung von toxischen Veränderungen geeignet. Die veränderten Metaboliten sind jedoch zumeist nicht organspezifisch und können mit allgemeinen Toxizitätsmechanismen, wie oxidativem Stress oder Zellproliferation, in Verbindung gebracht werden. Für die Bewertung der Ergebnisse von Metabonomics-Studien ist ein mechanistisches Verständnis der Veränderungen im Urinprofil notwendig, um eine Trennung von toxischen Effekten und solchen, die auf pharmakologische Wirkung, Körpergewichtsverlust etc. zurückzuführen sind, zu erreichen. Für eine Vorhersage von toxischen Mechanismen aufgrund der Urinprofile ist eine größere Datengrundlage notwendig. KW - Toxikologie KW - Protonen-NMR-Spektroskopie KW - GC-MS KW - Multivariate Analyse KW - Niere KW - Leber KW - Metabonomics KW - Toxicology KW - Metabonomics KW - GC/MS KW - 1H-NMR-Spectroscopy KW - multivariate analysis KW - kidney KW - liver Y1 - 2009 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-43052 ER -