TY - BOOK ED - Kulke, Elmar ED - Rauh, Jürgen T1 - Das Shopping Center Phänomen - Aktuelle Entwicklungen und Wirkungen N2 - Das „Phänomen“ Shopping Center beschäftigt geographische Handelsforscher und Praktiker seit Jahren gleichermaßen. Dies liegt nicht zuletzt an vielfältigen Prozessen der raum-zeitlichen Ausbreitung, welche auf globaler Ebene zunehmende Internationalisierung, auf der regionalen Ebene rücken vermehrt mittelgroße und kleinere Städte in den Fokus der Projektentwickler und auf lokaler Ebene ist eine Verlagerung des Ansiedlungsgeschehens von Stadtrandlagen zu innerstädtischen Zentren zu beobachten. Auf Akteursseite spielen Projektentwickler und Management eine wichtige Rolle, um Shopping Center zu erfolgreichen Investmentprodukten zu machen, während die räumliche Planung bei der Bewertung von Projektanträgen und bei der Einordnung in städtische Ansiedlungsstrategien und Leitbilder zu berücksichtigen hat, dass Shopping Center eine besondere Raumkonfiguration in den Stadtlandschaften darstellen - mit Auswirkungen auf verschiedene Aspekte der wirtschaftlichen Entwicklungen und des sozialen Lebens. Ihre Verträglichkeit mit bestehenden Einzelhandelsstrukturen, ihre Wirkungen auf die Stadtentwicklung sowie auf Kaufkraftströme mit geeigneten Methoden und unter Berücksichtigung aktueller Prozesse zu untersuchen, ist Anliegen der Forschung und Praxis. Diesem Anliegen widmet sich der vorliegende Sammelband, wobei der Großteil der Beiträge auf den Vorträgen einer Fachsitzung im Rahmen des Deutschen Geographentages 2013 in Passau basiert. N2 - Enthält: Elmar Kulke und Jürgen Rauh: Das Shopping Center Phänomen: Aktuelle Entwicklungen und Wirkungen Barbara Hahn: Globalisierung der Shopping Center-Industrie Lena Stähler und Christian Krajewski: Innerstädtische Shopping Center in deutschen Mittelstädten: Einsatz und Erfolg kommunaler Steuerungsinstrumente im Ansiedlungsprozess Silke Weidner und Tanja Karzer: Auswirkungen innerstädtischer Shopping Center auf tradierte innerstädtische Einzelhandelsstrukturen - Langzeitstudie „Höfe am Brühl" in Leipzig Norbert Lingen: Einfluss innerstädtischer Shopping Center auf die Zentralität von Mittel-und Großstädten Sven Buchsteiner und Maike Dzoimba: „Fachmarktzentrum 2.0": Investment-Alternative zum klassischen Shopping Center T3 - Geographische Handelsforschung - 22 KW - Deutschland KW - Einkaufszentrum KW - Aufsatzsammlung KW - Deutschland KW - Einzelhandelsstrukturen KW - Innenstadt KW - Shopping-Center KW - Einzelhandel Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-180744 SN - 978-3-936438-70-3 N1 - Die gedruckte Version dieses Bandes ist im Buchhandel lieferbar. Nähere Informationen unter: http://www.metagis.de/MetaGIS-Fachbuch/Schriftenreihen/Reihe-GHF/reihe-ghf.html PB - MetaGIS Infosysteme CY - Mannheim ER - TY - THES A1 - Walz, Yvonne T1 - Remote sensing for disease risk profiling: a spatial analysis of schistosomiasis in West Africa T1 - Fernerkundung für die Risikoabschätzung von Krankheiten: Eine räumliche Analyse der Krankheit Schistosomiasis in West Afrika N2 - 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 Côte 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. N2 - Globale Umweltveränderungen rufen neue Gesundheitsrisiken hervor. Eine Konsequenz sind veränderte Bedingungen für die Übertragung von umweltbezogenen Krankheiten und ansteigende Infektionen mit neu auftauchenden Erregern. Die Motivation für diese Arbeit basiert auf der steigenden Nachfrage, dynamische Veränderungen der Umwelt und deren Beziehung zu Veränderungen von umweltbedingten Krankheiten zu überwachen. Fernerkundungsdaten gehören zu den wichtigsten Datenquellen für die Umweltmodellierung, da diese es ermöglichen, die Landbedeckung flächendeckend, reproduzierbar und in einer adäquaten räumlichen Auflösung zu kartieren. Ein Forschungsbedarf, der in dieser Studie identifiziert wird, ist die fehlende Berücksichtigung einer räumlichen Diskrepanz innerhalb der bisherigen Vorgehensweise der Modellierung von Krankheitsrisiken mit Fernerkundungsdaten. Typischerweise werden epidemiologische Daten als Prävalenz einer Krankheit aggregiert erhoben, beispielsweise auf Schul- oder Dorfebene. Jedoch repräsentieren diese Punktmessungen weder die räumliche Verteilung von Habitaten, in welchen krankheitsrelevante Arten ihre geeigneten Umweltbedingungen vorfinden, noch den Ort, an dem sich die Menschen infiziert haben. Die Konsequenz ist, dass Messpunkte der Krankheitprävalenz und fernerkundungsbasierte Umweltvariablen, welche das Habitat von krankheitsrelevanten Arten charakterisieren sollen, räumlich nicht übereinstimmen. Das Hauptziel dieser Studie ist, ein Verfahren für die Anwendung von Fernerkundungsdaten bei der Modellierung von Krankheitsrisiken zu entwickeln, welches sowohl den ökologischen als auch den räumlichen Kontext der Krankheitsübertragung widerspiegelt. Am Beispiel der Krankheit Schistosomiasis werden weitere mögliche Einflussgrößen auf die Modellgüte quantitativ bewertet. Dies sind unter anderem die verschiedenen Skalenniveaus und die Heterogenität von Ökozonen. In dieser Arbeit werden die Bedingungen, die auf die Übertragung von Schistosomiasis einen Einfluss haben, aus der bestehenden Literatur im Detail ermittelt. Es wird eine konzeptionelle Grundlage entwickelt, die bestehende Zusammenhänge zwischen satellitengestützten Messungen, der Ökologie der Krankheitsübertragung sowie zu den Ergebnissen der epidemiologischen Studien ermittelt. Während eines Aufenthaltes im Untersuchungsgebiet wurde die Eignung der Umwelt für die Übertragung der Schistosomiasis analysiert. Diese Umwelteignung wird durch die Entwicklung eines Habitat-Eignungs-Index (habitat suitability index, HSI) quantifiziert und mit relevanten Fernerkundungsvariablen verknüpft. Im nächsten Schritt werden Inhalte dieses konzeptionellen Modells gezielt für die Entwicklung eines hierarchischen Modellansatzes verwendet, welcher die gemessene Prävalenz in einen statistischen Zusammenhang mit ökologisch relevanten Messungen von Fernerkundungsdaten bringt. Die statistischen Modelle des Risikos, sich mit Schistosomiasis zu infizieren, basieren auf zwei verschiedenen Modellalgorithmen, dem sogenannten Zufalls-Wald Algorithmus (Random Forest) und der Regression der partiellen, kleinsten Quadrate (Partial Least Squares Regression, PLSR). Der Einfluss von räumlichen Skalen auf die Risikomodellierung wird anhand verschiedener räumlicher Auflösungen der Fernerkundungsdaten ermittelt. Darüber hinaus werden unterschiedlich große Einzugsgebiete mit Hilfe eines Pufferverfahrens (Buffer) anhand der Schulen mit Prävalenzmessungen analysiert. Risikomodelle der Schistosomiasis werden für drei ausgewählte Untersuchungsgebiete in Burkina Faso und der Elfenbeinküste erstellt, welche einen ökologischen Gradienten von der Trockensavanne zum tropischen Regenwald sowie von flachen und bergigen Regionen darstellt. Diese Studie zeigt, dass Fernerkundungsdaten für die räumliche Abgrenzung und eine quantitative Bewertung der Umwelteignung für die Übertragung der Schistosomiasis geeignet sind. Besonders relevante Informationen sind zeitlich dynamische Veränderungen der Wasserbedeckung sowie die Erfassung des Grades der Ufervegetationsbedeckung auf Basis von hochaufgelösten RapidEye und Landsat Daten. Hingegen sind topographische Daten und die satellitengestützten Messungen der Temperatur nur eingeschränkt geeignet um Habitate der Parasiten und Frischwasserschnecken als wesentlichen Bestandteil der Krankheitsübertragung zu charakterisieren. Bei zunehmender Größe des Einzugsgebietes der Schulen verbessern sich die statistischen Modelle und können somit das Übertragungsrisiko besser erfassen. Die wichtigsten Fernerkundungsvariablen für die Modellierung des Schistosomiasis Risikos sind die Distanz zum nächstgelegenen Gewässer, topographische Variablen sowie die Landoberflächentemperatur (land surface temperature, LST). Für jede Ökozone muss jedoch eine geeignete Zusammenstellung von Fernerkundungsvariablen getroffen werden. Ein ganz wesentliches Ergebnis der hierarchischen statistischen Modellierung ist eine verbesserte Erklärung des räumlichen Risikos von Schistosomiasis. Insgesamt unterstreicht diese Studie die Bedeutsamkeit des ökologischen und räumlichen Kontexts für die Abschätzung des Krankheitsrisikos und demonstriert das Potential von Fernerkundungsdaten. Der methodische Ansatz dieser Arbeit kann wesentlich dazu beitragen, genaue und relevante Geoinformationen bereitzustellen. Damit wird eine effizientere Planung und Entscheidungsfindung innerhalb des Gesundheitssektors ermöglicht. N2 - Le changement environnemental global conduit à l'émergence de nouveaux risques pour la santé humaine. En conséquence, les voies de transmission des maladies liées à l'environnement, sont modifies de meme que l'infection humaine avec l´accroissement des nouveaux agents pathogènes émergents. La motivation principale de cette étude est la demande considérable pour la surveillance et le suivi des maladie en relation avec la dynamique des facteurs environnementaux. Les données de la télédétection sont les sources principales utilisees pour la modélisation de l'environnement en raison de leurs capacités à fournir une information de maniere spatiale, repetitive et continue pour les grandes surfaces avec une résolution spatiale écologique adéquate. L´importante lacune de la recherche scientifique identifiée par cette étude est la non considération de la disparité spatiale inhérente dans les approches actuelles de modélisation des risques de la maladie en utilisant des données de la télédétection. Généralement, les données épidémiologiques sont regrouper à l'école ou au niveau du village. Toutefois, ces données ne peuvent pas représenter la distribution spatiale des habitats et definir les conditions environnementales favorable a la proliferation des agents pathogenes de la maladie, ni le lieu, où l'infection s´est produite. En conséquence, les données sur la prévalence et les variables environnementales de la télédétection, qui visent à caractériser l'habitat des agents liés à la maladie, sont spatialement disjointes. L'objectif principal de cette étude est d'améliorer en utilisant la télédétection les modèles de risque de maladie en incorporant l´aspect écologique et spatiale de la transmission de la maladie. Illustré par l'étude des personnes infectées de la schistosomiase en Afrique de l'Ouest, cet objectif comprend la quantification du niveau d'impact des régions écologiques sur les performances du modèle. Dans cette étude, les conditions qui modifient la transmission de la schistosomiase sont examinées en détail. Une approche conceptuelle reliant les données mesurées issues de la télédétection, la transmission de la maladie, l'écologie et des données de l'enquête épidémiologique a été développé. A partir d'une étude sur le terrain, les facteurs environnementaux à la transmission de la schistosomiase ont été évalués, ensuite quantifiés par l´indice de qualité de l'habitat (habitat suitability index, HSI) et combiné aux données de la télédétection. Le modèle conceptuel de la pertinence environnemental a été affiné par le développement d'une approche de modèle hiérarchique qui relie statistiquement la prévalence de la maladie en milieu scolaire avec les mesures écologiques pertinentes de données de la télédétection. Les modèles statistiques de risque de schistosomiase proviennent de deux différents algorithmes; la forêt aléatoire (Random Forest) et la régression des moindres carrés partiels (Partial Least Squares Regression, PLSR). Le niveau d'impact a été analysé sur la base de différentes résolutions spatiales de données de la télédétection. En outre, des divers degrés carre des bassin de réception ont été analysés autour de mesures en milieu scolaire. Trois sites distinctifs du Burkina Faso et de la Côte d'Ivoire sont spécifiquement modélisés pour représenter un gradient de écozones de savane sèche a forêt tropicale y compris les régions plates et montagneuses. Les résultats du modèle révèlent l'applicabilité des données de la télédétection pour la délimitation spatiale et l’évaluation quantitative de la pertinence de l'environnement pour la transmission de la schistosomiase. Precisement, la dérivation multi-temporelle des course d'eau et l'évaluation de leur couverture riveraine de végétation a partir des images à haute résolution RapidEye et Landsat jugées adequate. En revanche, les données d'altitude et de température de la surface de l'eau ont montré certaines limites dans leur capacité à caractériser les conditions de l'habitat des parasites et des escargots en tant que composantes essentielles de la transmission de la maladie. Avec l'augmentation des degrés carres des bassins de réception observés autour de l'emplacement de l'école, la performance des modèles statistiques augmente, améliorant ainsi la prédiction du risque de transmission. Les plus importantes variables des données de la télédétection identifiées pour modéliser le risque de schistosomiase sont la mesure de la distance des plans d'eau, les variables topographiques, et la température de surface de la terre (land surface temperature, LST). Cependant, chaque région écologique nécessite une serie différente de variables de données de télédétection afin d´optimiser la modélisation du risque de schistosomiase. Le résultat primordial de l'approche du modèle hiérarchique est sa supérieure performance à expliquer le risque spatiale de la schistosomiase. Dans l'ensemble, cette étude souligne l'importance cruciale de tenir compte du contexte écologique et spatiale pour le profilage du risque de maladie et démontre le potentiel des données de télédétection. L'approche méthodologique de cette étude contribue de manière substantielle à fournir avec plus de précision et de pertinence l'information géographique, prenant en charge une planification efficace et la prise de décision dans le secteur de la santé publique. KW - Westafrika KW - Fernerkundung KW - schistosomiasis KW - risk profiling KW - Umweltveränderung KW - Gesundheitsgefährdung KW - Bilharziose KW - remote sensing KW - diseases Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-108845 ER - TY - JOUR A1 - Wohlfart, Christian A1 - Wegmann, Martin A1 - Leimgruber, Peter T1 - Mapping threatened dry deciduous dipterocarp forest in South-east Asia for conservation management JF - Tropical Conservation Science N2 - Habitat loss is the primary reason for species extinction, making habitat conservation a critical strategy for maintaining global biodiversity. Major habitat types, such as lowland tropical evergreen forests or mangrove forests, are already well represented in many conservation priorities, while others are underrepresented. This is particularly true for dry deciduous dipterocarp forests (DDF), a key forest type in Asia that extends from the tropical to the subtropical regions in South-east Asia (SE Asia), where high temperatures and pronounced seasonal precipitation patterns are predominant. DDF are a unique forest ecosystem type harboring a wide range of important and endemic species and need to be adequately represented in global biodiversity conservation strategies. One of the greatest challenges in DDF conservation is the lack of detailed and accurate maps of their distribution due to inaccurate open-canopy seasonal forest mapping methods. Conventional land cover maps therefore tend to perform inadequately with DDF. Our study accurately delineates DDF on a continental scale based on remote sensing approaches by integrating the strong, characteristic seasonality of DDF. We also determine the current conservation status of DDF throughout SE Asia. We chose SE Asia for our research because its remaining DDF are extensive in some areas but are currently degrading and under increasing pressure from significant socio-economic changes throughout the region. Phenological indices, derived from MODIS vegetation index time series, served as input variables for a Random Forest classifier and were used to predict the spatial distribution of DDF. The resulting continuous fields maps of DDF had accuracies ranging from R-2 = 0.56 to 0.78. We identified three hotspots in SE Asia with a total area of 156,000 km(2), and found Myanmar to have more remaining DDF than the countries in SE Asia. Our approach proved to be a reliable method for mapping DDF and other seasonally influenced ecosystems on continental and regional scales, and is very valuable for conservation management in this region. KW - remote sensing KW - vegetation phenology KW - modis NDVI KW - time series analysis KW - Costa Rica KW - time series KW - Burma KW - Myanmar KW - continous fields KW - research priorities KW - deer cervus-eldi KW - land-cover KW - tropical forest KW - biodiversity conservation KW - habitat preferences KW - tropical dry forest conservation Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-117782 SN - 1940-0829 VL - 7 IS - 4 ER - TY - JOUR A1 - Dietz, Andreas J. A1 - Conrad, Christopher A1 - Kuenzer, Claudia A1 - Gesell, Gerhard A1 - Dech, Stefan T1 - Identifying Changing Snow Cover Characteristics in Central Asia between 1986 and 2014 from Remote Sensing Data JF - Remote Sensing N2 - Central Asia consists of the five former Soviet States Kazakhstan, Kyrgyzstan, Tajikistan, Turkmenistan, and Uzbekistan, therefore comprising an area of similar to 4 Mio km(2). The continental climate is characterized by hot and dry summer months and cold winter seasons with most precipitation occurring as snowfall. Accordingly, freshwater supply is strongly depending on the amount of accumulated snow as well as the moment of its release after snowmelt. The aim of the presented study is to identify possible changes in snow cover characteristics, consisting of snow cover duration, onset and offset of snow cover season within the last 28 years. Relying on remotely sensed data originating from medium resolution imagers, these snow cover characteristics are extracted on a daily basis. The resolution of 500-1000 m allows for a subsequent analysis of changes on the scale of hydrological sub-catchments. Long-term changes are identified from this unique dataset, revealing an ongoing shift towards earlier snowmelt within the Central Asian Mountains. This shift can be observed in most upstream hydro catchments within Pamir and Tian Shan Mountains and it leads to a potential change of freshwater availability in the downstream regions, exerting additional pressure on the already tensed situation. KW - AVHRR data KW - satellite KW - Northern Xinjiang KW - cloud KW - products KW - Central Asia KW - climate change KW - Amu Darya KW - Syr Darya KW - Tian Shan KW - snow KW - snow cover KW - snow cover duration KW - Pamir KW - AVHRR KW - MODIS KW - algorithm KW - validation Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-114470 SN - 2072-4292 VL - 6 IS - 12 ER - TY - JOUR A1 - Löw, Fabian A1 - Duveiller, Grégory T1 - Defining the Spatial Resolution Requirements for Crop Identification Using Optical Remote Sensing N2 - The past decades have seen an increasing demand for operational monitoring of crop conditions and food production at local to global scales. To properly use satellite Earth observation for such agricultural monitoring, high temporal revisit frequency over vast geographic areas is 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 question of determining the optimal pixel sizes for an application such as crop identification is therefore naturally inclined towards finding the coarsest acceptable pixel sizes, so as to potentially benefit from what instruments with coarser pixels can offer. To answer this question, this study builds upon and extends a conceptual framework to quantitatively define pixel size requirements for crop identification via 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. Results over contrasting landscapes in Central Asia demonstrate that the task of finding the optimum pixel size does not have a “one-size-fits-all” solution. The resulting values for pixel size and purity that are 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 crops are growing in. Results indicate that sensors like MODIS (250 m) could be suitable for identifying major crop classes in the study sites, whilst sensors like Landsat (30 m) should be considered for object-based classification. 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. KW - crop identification KW - crop monitoring KW - pixel purity KW - pixel size KW - time series KW - RapidEye Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-113607 ER - TY - JOUR A1 - Ullmann, Tobias A1 - Schmitt, Andreas A1 - Roth, Achim A1 - Duffe, Jason A1 - Dech, Stefan A1 - Hubberten, Hans-Wolfgang A1 - Baumhauer, Roland T1 - Land Cover Characterization and Classification of Arctic Tundra Environments by Means of Polarized Synthetic Aperture X- and C-Band Radar (PolSAR) and Landsat 8 Multispectral Imagery — Richards Island, Canada N2 - In this work the potential of polarimetric Synthetic Aperture Radar (PolSAR) data of dual-polarized TerraSAR-X (HH/VV) and quad-polarized Radarsat-2 was examined in combination with multispectral Landsat 8 data for unsupervised and supervised classification of tundra land cover types of Richards Island, Canada. The classification accuracies as well as the backscatter and reflectance characteristics were analyzed using reference data collected during three field work campaigns and include in situ data and high resolution airborne photography. The optical data offered an acceptable initial accuracy for the land cover classification. The overall accuracy was increased by the combination of PolSAR and optical data and was up to 71% for unsupervised (Landsat 8 and TerraSAR-X) and up to 87% for supervised classification (Landsat 8 and Radarsat-2) for five tundra land cover types. The decomposition features of the dual and quad-polarized data showed a high sensitivity for the non-vegetated substrate (dominant surface scattering) and wetland vegetation (dominant double bounce and volume scattering). These classes had high potential to be automatically detected with unsupervised classification techniques. KW - radar KW - arctic KW - tundra KW - land cover KW - classification KW - polarimetry KW - PolSAR KW - SAR KW - TerraSAR-X KW - Radarsat-2 Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-113303 ER - TY - JOUR A1 - Forkuor, Gerald A1 - Conrad, Christopher A1 - Thiel, Michael A1 - Ullmann, Tobias A1 - Zoungrana, Evence T1 - Integration of Optical and Synthetic Aperture Radar Imagery for Improving Crop Mapping in Northwestern Benin, West Africa N2 - Crop mapping in West Africa is challenging, due to the unavailability of adequate satellite images (as a result of excessive cloud cover), small agricultural fields and a heterogeneous landscape. To address this challenge, we integrated high spatial resolution multi-temporal optical (RapidEye) and dual polarized (VV/VH) SAR (TerraSAR-X) data to map crops and crop groups in northwestern Benin using the random forest classification algorithm. The overall goal was to ascertain the contribution of the SAR data to crop mapping in the region. A per-pixel classification result was overlaid with vector field boundaries derived from image segmentation, and a crop type was determined for each field based on the modal class within the field. A per-field accuracy assessment was conducted by comparing the final classification result with reference data derived from a field campaign. Results indicate that the integration of RapidEye and TerraSAR-X data improved classification accuracy by 10%–15% over the use of RapidEye only. The VV polarization was found to better discriminate crop types than the VH polarization. The research has shown that if optical and SAR data are available for the whole cropping season, classification accuracies of up to 75% are achievable. KW - random forest KW - crop mapping KW - agriculture KW - West Africa KW - RapidEye KW - TerraSAR-X Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-113070 ER - TY - THES A1 - Forkuor, Gerald T1 - Agricultural Land Use Mapping in West Africa Using Multi-sensor Satellite Imagery T1 - Kartierung landwirtschaftlicher Landnutzung unter Verwendung multi-sensoraler Satellitendaten N2 - 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. N2 - Das schnelle Bevölkerungswachstum im Westen Afrikas hat, durch das erhöhte Bedürfnis nach Lebensmittel der expandierenden Bevölkerung, zu einer steigenden Lebensmittelnachfrage und damit zur Ausweitung von Ackerland geführt. Diese Expansionen haben negative Einflüsse auf das Ökosystem der Subregion, die Konsequenzen für Wasser- und Bodenqualität, sowie für Biodiversität und das Klima nach sich ziehen. Um die Veränderungen der Ackerflächen überwachen und die Folgen für das Ökosystem und anderer Umweltprozesse richtig abschätzen zu können, werden genaue und aktuelle Informationen über die landwirtschaftliche Nutzung benötigt. Das kartographieren landwirtschaftlicher Flächennutzung (z.B. das Abbilden der räumlichen Verteilung von Feldfrüchten und Ackerflächen) in Westafrika wurde durch die mangelhafte Verfügbarkeit geeigneter Satellitendaten (durch das Auftreten massiver Wolkenbedeckung), der geringen Größe der landwirtschaftlichen Flächen, sowie der heterogenen Landschaft, erschwert. Aus diesen Gründen untersucht diese Studie das Potential landwirtschaftlich genutzte Flächen, durch die Nutzung von optischen Satellitensystemen mit höherer geometrischer und temporaler Auflösung und Aufnahmen des Synthetic Aperture Radar (SAR) als ein nahezu wetterunabhängiges System, aufzunehmen. Diese Studie wurde sowohl auf der Skala von Wassereinzugsgebieten als auch von Regionen erstellt (Agrarökologische Zone in der sudanesischen Savanne). Auf der Skala der Wassereinzugsgebiete wurden Klassifikationen verschiedener Feldfrüchte in drei Einzugsgebieten in Ghana, Burkina Faso und Benin, mithilfe multitemporaler Abbildungen, bestehend aus entweder (1) nur optischer Abbildungen (Rapideye) oder (2) optischer und dual polarimetric (VV/VH) SAR Aufnahmen (TerraSAR-X), durchgeführt. Zusätzlich wurden interannuelle oder kurzzeitige (2-3 Jahre) Veränderungen in der Ausdehnung von Ackerflächen über die vergangenen zehn Jahre hinweg mittels historischer Landsataufnahmen untersucht. Die Ergebnisse zeigen, dass das Kartographieren verschiedener Feldfrüchte in Westafrika durch nur optische Abbildungen eine moderate Klassifikationsgenauigkeit von 57% bis 71% widergibt. Überlappungen zwischen dem Anbauplan der meisten Feldfrüchte und dem Zwischenfruchtanbau stellen eine Herausforderung für optische Abbildungen dar, um eine angemessene Unterscheidung der Feldfrüchte zu erreichen. Die Hinzunahme von SAR Aufnahmen kann die Klassifikationsgenauigkeit, abhängig von der Anzahl verfügbarer Szenen und deren Aufnahmedatum, jedoch um 8% bis 15% erhöhen. Die Empfindlichkeit der SAR Systeme gegenüber unterschiedlichem Aufbau der Fläche von Feldfrüchten und der Charakteristika der Landoberfläche verbesserten die Trennbarkeit unterschiedlicher Feldfrüchte. Wie sich herausstellte hat die VV Polarisation von TerraSAR-X eine bessere Trennung der Feldfrüchte bewirkt als die VH Polarisation. Außerdem zeigt sich, dass Aufnahmen zwischen August und Oktober sehr nützlich zur Abbildung von Feldfrüchten in der Subregion sind, da in dieser Zeit strukturelle Unterschiede einiger Feldfrüchte beobachtet werden können. Auf regionalem Maßstab wurden interanuelle oder kurzzeitige Veränderungen der Ackerflächen in der agrarökologischen Zone der sudanesischen Savanne in Westafrika durch das hochskalieren historischer Informationen zu den Ackerflächen auf der Skala der Wassereinzugsgebiete (aus Landsat Aufnahmen) auf eine gröbere Auflösung, aber geographisch weite Satellitenszene (MODIS), unter Zuhilfenahme eines auf Regression basierenden Modells, berechnet. Die Möglichkeit regionalskalierte Informationen zu Ackerflächen zu nutzen um staatlich erstellte landwirtschaftliche Statistiken zu verbessern wurde untersucht, indem die extrahierte Fläche der Äcker aus fraktionierten Karten zur Landbedeckung mit landwirtschaftlichen Statistiken auf Distrikt-Level miteinander verglichen werden. Die Genauigkeit der fraktionierten Landbedeckungskarten (Mean Absolute Error zwischen 14,2% und 19,1%) weist darauf hin, dass die heterogene Agrarlandschaft Westafrikas auf einem regionalen oder kontinentalen Maßstab, durch die Abschätzung fraktionierter Ackerflächen aus gering aufgelösten Satellitendaten, angemessen repräsentiert werden kann. Die Analyse der Ergebnisse zeigt, dass die Ackerflächen der Agrarökologischen Zone der sudanesischen Savanne interannuelle oder kurzzeitige Schwankungen in den vergangenen zehn Jahren unterlegen waren. Diese Schwankungen ergeben sich durch bestimmte Faktoren wie: klimatische Faktoren (z.B. Überschwemmungen oder Dürren), sinkende Bodenfruchtbarkeit, Bevölkerungswachstum und landwirtschaftliche Politik wie der Subvention von Düngemitteln. Der Vergleich von fraktionierter Landbedeckungskarten mit staatlich erstellten landwirtschaftlichen Statistiken (MoFA) in 17 Distrikten in Ghana ergaben große Unregelmäßigkeiten in den staatlichen Statistiken und zeigten das Potential von aus Satellitendaten abgeleiteten Informationen zu Ackerflächen auf regionalem Maßstab um nationale oder subnationale landwirtschaftliche Statistiken in Westafrika zu verbessern. Angesichts der baldigen Starts der optischen (Landsat 8) und SAR (Sentinel-1) Sensoren, die frei zugängliche Daten für die Kartierung von Feldfrüchten in der Subregion liefern werden, sind die Ergebnisse, die in dieser Studie gewonnen wurden, vielversprechend für Westafrika. Dadurch steigen die Chancen, dass adäquate Satellitenszenen für das Abbilden landwirtschaftlicher Landnutzung während der Anbauzeitraums bezogen und operationalisiert werden können. Dies hat zur Folge, dass ein breites Spektrum biophysikalischer und ökonomischer Modelle davon profitieren und die Entscheidungsfindung durch die Ergebnisse optimiert wird. KW - Westafrika KW - Fernerkundung KW - Bodennutzung KW - Kartierung KW - Agricultural land use KW - Remote sensing KW - West Africa Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-108687 ER - TY - THES A1 - Asam, Sarah T1 - Potential of high resolution remote sensing data for leaf area index derivation using statistical and physical models T1 - Potenzial hochaufgelöster Fernerkundungsdaten für die Ableitung des Blattflächenindex aus statistischen und physikalischen Modellen N2 - Information on the state of the terrestrial vegetation cover is important for several ecological, economical, and planning issues. In this regard, vegetation properties such as the type, vitality, or density can be described by means of continuous biophysical parameters. One of these parameters is the leaf area index (LAI), which is defined as half the total leaf area per unit ground surface area. As leaves constitute the interface between the biosphere and the atmosphere, the LAI is used to model exchange processes between plants and their environment. However, to account for the variability of ecosystems, spatially and temporally explicit information on LAI is needed both for monitoring and modeling applications. Remote sensing aims at providing such information. LAI is commonly derived from remote sensing data by empirical-statistical or physical models. In the first approach, an empirical relationship between LAI measured in situ and the corresponding canopy spectral signature is established. Although this method achieves accurate LAI estimates, these relationships are only valid for the place and time at which the field data were sampled, which hampers automated LAI derivation. The physical approach uses a radiation transfer model to simulate canopy reflectance as a function of the scene’s geometry and of leaf and canopy parameters, from which LAI is derived through model inversion based on remote sensing data. However, this model inversion is not stable, as it is an under-determined and ill-posed problem. Until now, LAI research focused either on the use of coarse resolution remote sensing data for global applications, or on LAI modeling over a confined area, mostly in forest and crop ecosystems, using medium to high spatial resolution data. This is why to date no study is available in which high spatial resolution data are used for LAI mapping in a heterogeneous, natural landscape such as alpine grasslands, although a growing amount of high spatial and temporal resolution remote sensing data would allow for an improved environmental monitoring. Therefore, issues related to model parameterization and inversion regularization techniques improving its stability have not yet been investigated for this ecosystem. This research gap was taken up by this thesis, in which the potential of high spatial resolution remote sensing data for grassland LAI estimation based on statistical and radiation transfer modeling is analyzed, and the achieved accuracy and robustness of the two approaches is compared. The objectives were an ecosystem-adapted radiation transfer model set-up and an optimized LAI derivation in mountainous grassland areas. Multi-temporal LAI in situ measurements as well as time series of RapidEye data from 2011 and 2012 over the catchment of the River Ammer in the Bavarian alpine upland were used. In order to obtain accurate in situ data, a comparison of the LAI derivation algorithms implemented in the LAI-2000 PCA instrument with destructively measured LAI was performed first. For optimizing the empirical-statistical approach, it was then analyzed how the selection of vegetation indices and regression models impacts LAI modeling, and how well these models can be transferred to other dates. It was shown that LAI can be derived with a mean accuracy of 80 % using contemporaneous field data, but that the accuracy decreases to on average 51 % when using these models on remote sensing data from other dates. The combined use of several data sets to create a regression which is used for LAI derivation at different points in time increased the LAI estimation accuracy to on average 65 %. Thus, reduced field measurement labor comes at the cost of LAI error rates being increased by 10 - 30 % as long as at least two campaigns are conducted. Further, it was shown that the use of RapidEye’s red edge channel improves the LAI derivation by on average 5.4 %. With regard to physical LAI modeling, special interest lay in assessing the accuracy improvements that can be achieved through model set-up and inversion regularization techniques. First, a global sensitivity analysis was applied to the radiation transfer model in order to identify the most important model parameters and most sensitive spectral features. After model parameterization, several inversion regularizations, namely the use of a multiple sample solution, the additional use of vegetation indices, and the addition of noise, were analyzed. Further, an approach to include the local scene’s geometry in the retrieval process was introduced to account for the mountainous topography. LAI modeling accuracies of in average 70 % were achieved using the best combination of regularization techniques, which is in the upper range of accuracies that were achieved in the few existing other grassland studies based on in situ or air-borne measured hyperspectral data. Finally, further physically derived vegetation parameters and inversion uncertainty measures were evaluated in detail to identify challenging modeling conditions, which was mostly neglected in other studies. An increased modeling uncertainty for extremely high and low LAI values was observed. This indicates an insufficiently wide model parameterization and a canopy deviation from model assumptions on some fields. Further, the LAI modeling accuracies varied strongly between the different scenes. From this observation it can be deduced that the radiometric quality of the remote sensing data, which might be reduced by atmospheric effects or unexpected surface reflectances, exerts a high influence on the LAI modeling accuracy. The major findings of the comparison between the empirical-statistical and physical LAI modeling approaches are the higher accuracies achieved by the empirical-statistical approach as long as contemporaneous field data are available, and the computationally efficiency of the statistical approach. However, when no or temporally unfitting in situ measurements are available, the physical approach achieves comparable or even higher accuracies. Furthermore, radiation transfer modeling enables the derivation of other leaf and canopy variables useful for ecological monitoring and modeling applications, as well as of pixel-wise uncertainty measures indicating the robustness and reliability of the model inversion and LAI derivation procedure. The established look-up tables can be used for further LAI derivation in Central European grassland also in other years. The use of high spatial resolution remote sensing data for LAI derivation enables a reliable land cover classification and thus a reduced LAI mapping error due to misclassifications. Furthermore, the RapidEye pixels being smaller than individual fields allow for a radiation transfer model inversion over homogeneous canopies in most cases, as canopy gaps or field parcels can be clearly distinguished. However, in case of unexpected local surface conditions such as blooming, litter, or canopy gaps, high spatial resolution data show corresponding strong deviations in reflectance values and hence LAI estimation, which would be reduced using coarser resolution data through the balancing effect of the surrounding surface reflectances. An optimal pixel size with regard to modeling accuracy hence depends on the canopy and landscape structure. Furthermore, a reduced spatial resolution would enable a considerable acceleration of the LAI map derivation. This illustration of the potential of RapidEye data and of the challenges associated to LAI derivation in heterogeneous grassland areas contributes to the development of robust LAI estimation procedures based on new and upcoming, spatially and temporally high resolution remote sensing imagery such as Landsat 8 and Sentinel-2. N2 - Informationen zum Zustand der Vegetation sind relevant für einige ökologische, ökonomische, und planerische Fragestellungen. Vegetationseigenschaften wie der Typ, die Vitalität oder die Dichte einer Pflanzendecke können dabei anhand von kontinuierlichen biophysikalischen Parametern beschrieben werden. Einer dieser Parameter ist der Blattflächenindex (engl. leaf area index, LAI), der als die halbe gesamte Blattoberfläche pro Bodenoberfläche definiert ist. Da die Blattfläche eine wichtige Schnittstelle zwischen der Biosphäre und der Atmosphäre darstellt, wird der LAI dazu verwendet, Austauschprozesse zwischen Pflanzen und ihrer Umwelt zu modellieren. Um die natürliche Variabilität von Ökosystemen berücksichtigen zu können, benötigt man für solche Monitoring- und Modellierungsanwendungen jedoch räumlich und zeitlich explizite LAI Informationen. Die Fernerkundung stellt solche Informationen zur Verfügung. Fernerkundungsbasierte LAI-Kartierung basiert auf empirisch-statistischen und physikalischen Modellen. Im ersten Ansatz wird ein empirisches Verhältnis zwischen dem aufgezeichneten Reflexionssignal der Vegetationsdecke und in situ gemessenem LAI erstellt. Obwohl dieses Verfahren meist hohe Genauigkeiten erzielt, gilt das erstellte Verhältnis nur für den Ort und Zeitpunkt der Feldmessungen, was ein automatisiertes Verfahren behindert. Der physikalische Ansatz verwendet ein Strahlungstransfermodell um die spektrale Signatur einer Pflanzendecke in Abhängigkeit von der Szenengeometrie und verschiedenen Blatt- und Pflanzenparametern zu simulieren, von der LAI durch die Inversion des Modells basierend auf Fernerkundungsdaten abgeleitet wird. Die Modellinversion ist jedoch nicht stabil, da sie ein unterdeterminiertes und inkorrekt gestelltes Problem ist. Bisher fokussierten LAI-Studien entweder auf die Verwendung räumlich grob ausgelöster Fernerkundungsdaten für globale Anwendungen, oder auf LAI-Modellierung für Wälder und Anbaufrüchte innerhalb eines räumlich eingeschränkten Gebiets basierend auf mittel und hoch aufgelösten Daten. Obwohl die Menge an räumlich und zeitlich hoch aufgelösten Fernerkundungsdaten für ein verbessertes Umweltmonitoring kontinuierlich zunimmt, führte dies dazu, dass es keine Studie gibt die sich mit der Ableitung des LAI in heterogenen Landschaften wie beispielsweise alpinem Grünland, basierend auf räumlich hoch aufgelösten Daten, beschäftigen. Dementsprechend wurden damit verbundene Aspekte wie die Modellparametrisierung und Regularisierungsmöglichkeiten der Inversion für dieses Ökosystem noch nicht untersucht. Diesem Forschungsbedarf wird mit dieser Arbeit, in der das Potenzial räumlich hoch aufgelöster Fernerkundungsdaten für die Ableitung von Grünland-LAI basierend auf statistischen Modellen und Strahlungstransfermodellierung analysiert wird, und in der die Genauigkeiten und Stabilität beider Verfahren verglichen werden, begegnet. Die Ziele der Arbeit sind eine an das Grünlandökosystem angepasste Einrichtung des Strahlungstransfermodells und die Ableitung des LAI für Grünland im Gebirgsraum. Multitemporale in situ LAI-Messungen sowie RapidEye-Zeitreihen aus den Jahren 2011 und 2012 aus dem Ammereinzugsgebiet im bayrischen Voralpenland wurden dazu verwendet. Um verlässliche in situ Messwerte zu erhalten, wurde zunächst ein Vergleich der im LAI-2000 PCA Messinstrument implementierten Algorithmen mit destruktiv erhobenen LAI Werten durchgeführt. Zur Optimierung des empirisch-statistischen Ansatzes wurde dann untersucht, in welchem Maße die Verwendung verschiedener Vegetationsindizes und Regressionsmodelle die LAI-Modellierung beeinflussen, und wie gut diese Modelle auf andere Zeitpunkte übertragen werden können. Es wurde gezeigt, dass unter Verwendung von zeitgleich erhobenen Felddaten der LAI mit einer mittleren Genauigkeit von 80 % abgeleitet werden kann, dass sich die Genauigkeit aber auf 51 % verringert, wenn die Modelle auf Fernerkundungsdaten anderer Zeitpunkte angewendet werden. Die gemeinsame Nutzung mehrerer Felddatensätze zur Erstellung einer Regression welche auf andere Zeitpunkte angewendet wird, erhöhte die Genauigkeit der LAI-Ableitung wiederum auf durchschnittlich 65 %. Ein verringerter Arbeitsaufwand für Feldmessungen wird also durch erhöhte Fehlerraten von 10 - 30 % pro Szene ausgewogen, solange mindestens zwei Messkampagnen durchgeführt werden. Außerdem wurde gezeigt, dass die Verwendung des “red edge” Bandes des RapidEye Sensors die LAI-Ableitung um im Mittel 5.4 % verbessert. Im Hinblick auf die physikalische LAI-Modellierung waren vor allem die Verbesserung der Genauigkeit, die anhand von Modelleinstellungen und Regularisierungstechniken erzielt werden konnten, von Interesse. Zunächst wurde eine globale Sensitivitätsanalyse des Strahlungstransfermodells durchgeführt, um die wichtigsten Modellparameter und die sensitivsten spektralen Bereiche zu identifizieren. Nach der darauf basierenden Modellparametrisierung wurden in den nächsten Schritten mehrere Verfahren zu Stabilisierung der Inversion, nämlich die Verwendung multipler Lösungen, von Vegetationsindizes als Inputdaten, und von simuliertem Datenrauschen, analysiert. Außerdem wurde ein Ansatz eingeführt, der die Berücksichtigung der lokalen Szenengeometrien, und damit der Topographie des Untersuchungsgebietes, erlaubt. Genauigkeiten von im Mittel 70 % konnten für die LAI-Modellierung unter Verwendung der besten Modell- und Inversionseinstellungen erreicht werden. Diese sind mit den Ergebnissen anderer Grünland-Studien, die jedoch auf in situ oder flugzeuggetragen gemessenen hyperspektralen Daten beruhen, vergleichbar. Zuletzt wurden weitere physikalisch modellierte Vegetationsparameter sowie Inversionsunsicherheitsmaße evaluiert, um besonders schwierige Modellierungsbedingungen zu identifizieren, was in anderen Studien bisher meist vernachlässigt wurde. Erhöhte Modellierungsunsicherheiten wurden für die Ableitung besonders niedriger und hoher LAI Werte beobachtet, was auf eine ungenügend weit gefasste Modellparametrisierung und stellenweise Abweichungen der Vegetationsdecke von den Modellannahmen hinweist. Außerdem variieren die Genauigkeiten der LAI Modellierung stark zwischen den einzelnen Szenen woraus abgeleitet werden kann dass die radiometrische Qualität der Fernerkundungsdaten, welche beispielsweise durch atmosphärische Effekte oder unerwartete Oberflächenreflexionen beeinfluss werten kann, einen großen Einfluss auf die Modellierungsgenauigkeit hat. Im Vergleich der empirisch-statistischen und physikalischen LAI-Modellierung fiel der empirisch-statistische Ansatz mit höheren Genauigkeiten, solange zeitgleich aufgenommene Felddaten vorliegen, sowie mit einer geringeren Berechnungszeit auf. Wenn jedoch keine zeitlich passenden Felddaten vorhanden sind, erreicht die physikalische Modellierung vergleichbare oder sogar höhere Genauigkeiten. Des Weiteren ermöglicht das Strahlungstransfermodel die Ableitung weiterer Blatt- und Pflanzeneigenschaften, welche für ökologische Monitoring- und Modellierungsanwendungen nützlich sind. Außerdem werden pixelgenaue Unsicherheitsmaße generiert, welche die Stabilität und Verlässlichkeit der Modellinversion und des gewonnenen LAI-Wertes charakterisieren. Die erstellten Datenbanken können darüber hinaus für die LAI-Modellierung in anderen Mitteleuropäischen Grünländern auch in anderen Jahren verwendet werden. Die Verwendung von hochaufgelösten Fernerkundungsdaten ermöglicht eine verlässliche Landbedeckungsklassifikation und verringert damit Fehler in der LAI-Modellierung die durch Fehlklassifikationen verursacht werden. Da die RapidEye-Pixel außerdem kleiner als einzelnen Felder sind, konnte das Strahlungstransfermodell in den meisten Fällen über homogenen Pflanzendecken invertiert werden. Angesichts unerwarteter lokaler Oberflächenreflexionen, hervorgerufen beispielsweise durch Blüten, Streu, oder Lücken, zeigen die hochaufgelösten Daten jedoch auch entsprechend starke Abweichungen, welche in gröber aufgelösten Daten durch die Reflexion der umgebenden Oberflächen verringert sind. Eine optimale Pixelgröße im Hinblick auf die Modellierungsgenauigkeit hängt also von der Struktur der Vegetationsdecke und der Landschaft ab. Eine verringerte Pixelgröße würde darüber hinaus die Ableitung von LAI-Karten deutlich beschleunigen. Diese Darstellung des Potenzials von RapidEye Daten für LAI-Modellierung und der speziellen Herausforderungen an die genutzten Verfahren in heterogenen Grünländern kann zur Entwicklung von robusten LAI-Ableitungsverfahren beitragen, anhand welcher neue, räumlich und zeitlich hoch aufgelöste, Fernerkundungsdaten wie die der Landsat 8 oder Sentinel-2 Sensoren in Wert gesetzt werden können. KW - Optische Fernerkundung KW - Blattflächenindex KW - Strahlungstransport KW - RapidEye KW - grasland KW - inversion techniques Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-108399 ER - TY - THES A1 - Häfner, Karl T1 - Clusterplattformen in Bayern zwischen Theorie und Praxis. Möglichkeiten und Begrenzungen für eine clustertheoretisch orientierte Wirtschaftsförderung N2 - Die Entwicklung von Clustern ist in den vergangenen zwei Dekaden zu einem äußerst beliebten Ziel der regionalen Wirtschaftsförderung geworden. Dieser Trend wird seitens der Wissenschaft recht kritisch betrachtet. Sie befürchtet, dass die Clusterförderung den jeweiligen Kontext zu wenig beachtet und sich zudem auf wenige Instrumente beschränkt, ohne alle Anknüpfungspunkte, die ihr die Clustertheorie bietet, auszuschöpfen. Allerdings muss sich die Wissenschaft eingestehen, dass sie den Anschluss an die Förderung verloren hat und sich daher mit einer fundierten Beratung schwer tut. Die vorliegende Arbeit hat das Ziel diese Wissenslücke zu verkleinern, indem sie Clusterplattformen untersucht, die häufig die zentralen Umsetzungsorganisationen der clusterorientierten Wirtschaftsförderung sind. Im Zentrum stehen dabei die Fragen, wie diese Plattformen arbeiten und welche Möglichkeiten und Begrenzungen sie haben, um eine den Clustertheorien entsprechende Förderung zu betreiben. Untersuchungsgegenstand sind die Clusterplattformen des bayerischen Förderprogramms Cluster-Offensive Bayern. Als theoretische Grundlage zur Analyse der Clusterplattformen wurde der Neo-Institutionalismus gewählt. Dieser soziologischen Theorie zufolge werden die Handlungen von Organisationen durch die Akteure in ihrem Umfeld bestimmt, auf deren Legitimitätszuweisungen sie angewiesen sind. Für den vorliegenden Fall heißt das, dass sich die Clusterplattformen in ihren Handlungen an die Erwartungen der zu fördernden Unternehmen und der politischen Auftraggeber anpassen müssen. Das wird dazu führen, dass die Plattformen keine theoretisch optimale Förderung betreiben können. Die Frage ist schließlich, welche Elemente der Clustertheorien sie gut und welche sie weniger gut fördern können. Um das zu beantworten, werden die Erwartungen der einzelnen Akteure auf der Basis von qualitativen Experten Interviews identifiziert und ihre Auswirkungen auf ausgewählte Elemente der Clustertheorien untersucht und diskutiert. Die Untersuchung zeigt, dass die Anpassungen der Clusterplattformen an die Erwartungen der Akteure in ihrem Umfeld in der Tat sehr stark sind, was generell zu einer sehr kontextspezifischen Förderung führt. Allerdings wird von Maßnahmen Abstand genommen, die den partikularen Erwartungen widersprechen, obwohl sie für den Gesamtcluster bedeutsam sein können. Andere Aspekte der Clustertheorien, die von den Akteuren allgemein als sehr bedeutsam angesehen werden, sind hingegen im Werkzeugkasten der Plattformen überrepräsentiert. Bei vielen weiteren Elementen beeinflussen jedoch ganz praktische Umstände die Handlungsmöglichkeiten der Clusterplattformen. Grundsätzlich schöpfen die Clusterplattformen ihre Möglichkeiten dennoch weitestgehend aus. Für eine umfassende clustertheoretisch orientierte Wirtschaftsförderung ist daher vor allem für die Einbeziehung von weiteren Akteuren oder Programmen zu plädieren, welche die Handlungsdefizite der Clusterplattformen ausgleichen können. T3 - Würzburger Geographische Arbeiten - 111 KW - Cluster KW - Wirtschaftsförderung KW - Regionalentwicklung KW - Regionale Wirtschaftsentwicklung KW - Bayern KW - Clusterplattform KW - Cluster-Offensive-Bayern KW - Clusterpolitik KW - Clusterorganisation Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-105249 SN - 978-3-95826-006-1 (print) SN - 978-3-95826-007-8 (online) PB - Würzburg University Press ER - TY - THES A1 - Arnegger, Julius T1 - Protected Areas, the Tourist Bubble and Regional Economic Development - Two Case Studies from Mexico and Morocco T1 - Schutzgebiete, die Tourist Bubble und regionale Wirtschaftsentwicklung - Zwei Fallstudien aus Mexiko und Marokko N2 - Nature-based tourism and ecotourism experienced a dynamic development over the past decade. While originally often described as specialized post-Fordist niche markets for ecologically aware and affluent target groups, in many regions they are nowadays characterized by a heterogeneous structure and the presence of a wide product range, from individual travels to package tours. The present dissertation analyzes the structure and economic importance of tourism in two highly frequented protected areas in middle income countries, the Sian Ka’an Biosphere Reserve (SKBR) in Mexico and the Souss-Massa National Park (SMNP) in Morocco. Both areas are situated in close proximity to the most important package tour destinations Cancún (Mexico) and Agadir (Morocco) and are subject to high touristic use and development pressure. So far, the planning of a more sustainable tourism development is hampered by the lack of reliable data. Based on demand-side surveys and income multipliers calculated with the help of regionalized input-output models, the visitor structure and economic impact of tourism in both protected areas are described. With regional income effects of approximately 1 million USD (SKBR) and approximately 1.9 million USD (SMNP), and resulting income equivalents of 1,348 and 5,218 persons, both the SKBR and the SMNP play an important—and often undervalued—role for the regional economies in underdeveloped rural peripheral regions of the countries. Detailed analyses of the visitor structures show marked differences with regard to criteria such as travel organization, nature/protected area affinity and expenditures. With regard to planning and marketing of nature-based tourism, protected area managers and political decision-takers are advised to focus on ecologically and economically attractive visitor groups. Based on the results of the two case studies as well as existing tourism typologies from the literature, a classification scheme is presented that may be used for a more target-oriented development and marketing of nature-based tourism products. N2 - Natur- und Ökotourismus haben in den vergangenen Jahrzehnten eine dynamische Entwicklung durchlaufen. Einstmals häufig als spezialisierte postfordistische Nischenmärkte für ökologisch interessierte und zahlungskräftige Zielgruppen bezeichnet, sind sie heute in vielen Regionen durch eine heterogene Struktur und das Vorhandensein einer breiten Angebotspalette von Individualreisen bis hin zu Pauschalangeboten gekennzeichnet. Die vorliegende Arbeit befasst sich mit der Struktur und wirtschaftlichen Bedeutung des Tourismus in zwei stark touristisch frequentierten Schutzgebieten in Entwicklungs- bzw. Schwellenländern, dem Biosphärenreservat Sian Ka’an (SKBR) in Mexiko sowie des Souss-Massa Nationalpark (SMNP) in Marokko. Beide Gebiete liegen in unmittelbarer Nähe zu den wichtigsten Pauschalreisezielen Cancún (Mexiko) und Agadir (Marokko), und unterliegen einem hohen touristischen Nutzungs- und Entwicklungsdruck. Die Planung einer nachhaltigen Tourismusentwicklung in den Untersuchungsregionen wird bislang durch das Fehlen verlässlicher Daten erschwert. Basierend auf nachfrageseitigen Primärdatenerhebungen und mittels regionalisierter Input-Output-Modelle berechneter Einkommensmultiplikatoren werden die Besucherstruktur und ökonomische Bedeutung des Tourismus in beiden Schutzgebieten dargestellt. Mit regionalen Einkommenswirkungen in Höhe von ca. 1 Million USD (SKBR) bzw. ca. 1,9 Millionen USD (SMNP) und daraus abgeleiteten Einkommensäquivalenten von 1.348 bzw. 5.218 Personen, spielen sowohl das SKBR als auch der SMNP eine wichtige—und oftmals unterschätzte—Rolle für die regionale Wirtschaft in relativ strukturschwachen ländlichen peripheren Regionen der Staaten. Detaillierte Analysen der Besucherstruktur zeigen deutliche Unterschiede im Hinblick auf Kriterien wie Reiseorganisation, Natur- und Schutzgebietsaffinität und Ausgabeverhalten. Schutzgebietsmanagern und politische Entscheidungsträgern wird empfohlen, sich bei der Planung und Vermarktung des Schutzgebietstourismus stärker auf sowohl ökologisch als auch regionalwirtschaftlich attraktive Besuchergruppen zu konzentrieren. Basierend auf den Ergebnissen der beiden Fallstudien sowie existierenden Typisierungen aus der Literatur, wird ein Klassifizierungsschema zur gezielteren Entwicklung und Vermarktung von Naturtourismusprodukten vorgestellt. T3 - Würzburger Geographische Arbeiten - 110 KW - Ökotourismus KW - Nachhaltigkeit KW - Regionalentwicklung KW - Mexiko KW - Marokko KW - Protected areas KW - Tourism KW - Regional development KW - Mexico KW - Morocco KW - Schutzgebiete KW - Tourismus KW - Regionalentwicklung KW - Biosphärenreservat Sian Ka'an Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-100928 SN - 978-3-95826-001-6 PB - Würzburg University Press ER -