TY  - JOUR
A1  - Banks, Sarah
A1  - Millard, Koreen
A1  - Behnamian, Amir
A1  - White, Lori
A1  - Ullmann, Tobias
A1  - Charbonneau, Francois
A1  - Chen, Zhaohua
A1  - Wang, Huili
A1  - Pasher, Jon
A1  - Duffe, Jason
T1  - Contributions of actual and simulated satellite SAR data for substrate type differentiation and shoreline mapping in the Canadian Arctic
JF  - Remote Sensing
N2  - Detailed information on the land cover types present and the horizontal position of the land–water interface is needed for sensitive coastal ecosystems throughout the Arctic, both to establish baselines against which the impacts of climate change can be assessed and to inform response operations in the event of environmental emergencies such as oil spills. Previous work has demonstrated potential for accurate classification via fusion of optical and SAR data, though what contribution either makes to model accuracy is not well established, nor is it clear what shorelines can be classified using optical or SAR data alone. In this research, we evaluate the relative value of quad pol RADARSAT-2 and Landsat 5 data for shoreline mapping by individually excluding both datasets from Random Forest models used to classify images acquired over Nunavut, Canada. In anticipation of the RADARSAT Constellation Mission (RCM), we also simulate and evaluate dual and compact polarimetric imagery for shoreline mapping. Results show that SAR data is needed for accurate discrimination of substrates as user’s and producer’s accuracies were 5–24% higher for models constructed with quad pol RADARSAT-2 and DEM data than models constructed with Landsat 5 and DEM data. Models based on simulated RCM and DEM data achieved significantly lower overall accuracies (71–77%) than models based on quad pol RADARSAT-2 and DEM data (80%), with Wetland and Tundra being most adversely affected. When classified together with Landsat 5 and DEM data, however, model accuracy was less affected by the SAR data type, with multiple polarizations and modes achieving independent overall accuracies within a range acceptable for operational mapping, at 89–91%. RCM is expected to contribute positively to ongoing efforts to monitor change and improve emergency preparedness throughout the Arctic.
KW  - geography
KW  - RADARSAT-2
KW  - RADARSAT Constellation Mission
KW  - Random Forests
KW  - Arctic
KW  - shorelines
Y1  - 2017
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-172630
VL  - 9
IS  - 12
ER  - 
TY  - THES
A1  - Philipp, Marius Balthasar
T1  - Quantifying the Effects of Permafrost Degradation in Arctic Coastal Environments via Satellite Earth Observation
T1  - Quantifizierung der Effekte von Permafrost Degradation in Arktischen Küstenregionen mittels Satelliten-gestützter Erdbeobachtung
N2  - Permafrost degradation is observed all over the world as a consequence of climate change and the associated Arctic amplification, which has severe implications for the environment. Landslides, increased rates of surface deformation, rising likelihood of infrastructure damage, amplified coastal erosion rates, and the potential turnover of permafrost from a carbon sink to a carbon source are thereby exemplary implications linked to the thawing of frozen ground material. In this context, satellite earth observation is a potent tool for the identification and continuous monitoring of relevant processes and features on a cheap, long-term, spatially explicit, and operational basis as well as up to a circumpolar scale. 
A total of 325 articles published in 30 different international journals during the past two decades were investigated on the basis of studied environmental foci, remote sensing platforms, sensor combinations, applied spatio-temporal resolutions, and study locations in an extensive review on past achievements, current trends, as well as future potentials and challenges of satellite earth observation for permafrost related analyses. The development of analysed environmental subjects, utilized sensors and platforms, and the number of annually published articles over time are addressed in detail. Studies linked to atmospheric features and processes, such as the release of greenhouse gas emissions, appear to be strongly under-represented. Investigations on the spatial distribution of study locations revealed distinct study clusters across the Arctic. At the same time, large sections of the continuous permafrost domain are only poorly covered and remain to be investigated in detail. A general trend towards increasing attention in satellite earth observation of permafrost and related processes and features was observed. The overall amount of published articles hereby more than doubled since the year 2015. New sources of satellite data, such as the Sentinel satellites and the Methane Remote Sensing LiDAR Mission (Merlin), as well as novel methodological approaches, such as data fusion and deep learning, will thereby likely improve our understanding of the thermal state and distribution of permafrost, and the effects of its degradation. Furthermore, cloud-based big data processing platforms (e.g. Google Earth Engine (GEE)) will further enable sophisticated and long-term analyses on increasingly larger scales and at high spatial resolutions. 
In this thesis, a specific focus was put on Arctic permafrost coasts, which feature increasing vulnerability to environmental parameters, such as the thawing of frozen ground, and are therefore associated with amplified erosion rates. In particular, a novel monitoring framework for quantifying Arctic coastal erosion rates within the permafrost domain at high spatial resolution and on a circum-Arctic scale is presented within this thesis. Challenging illumination conditions and frequent cloud cover restrict the applicability of optical satellite imagery in Arctic regions. In order to overcome these limitations, Synthetic Aperture RADAR (SAR) data derived from Sentinel-1 (S1), which is largely independent from sun illumination and weather conditions, was utilized. Annual SAR composites covering the months June–September were combined with a Deep Learning (DL) framework and a Change Vector Analysis (CVA) approach to generate both a high-quality and circum-Arctic coastline product as well as a coastal change product that highlights areas of erosion and build-up. Annual composites in the form of standard deviation (sd) and median backscatter were computed and used as inputs for both the DL framework and the CVA coastal change quantification. The final DL-based coastline product covered a total of 161,600 km of Arctic coastline and featured a median accuracy of ±6.3 m to the manually digitized reference data. Annual coastal change quantification between 2017–2021 indicated erosion rates of up to 67 m per year for some areas based on 400 m coastal segments. In total, 12.24% of the investigated coastline featured an average erosion rate of 3.8 m per year, which corresponds to 17.83 km2 of annually eroded land area. Multiple quality layers associated to both products, the generated DL-coastline and the coastal change rates, are provided on a pixel basis to further assess the accuracy and applicability of the proposed data, methods, and products. 
Lastly, the extracted circum-Arctic erosion rates were utilized as a basis in an experimental framework for estimating the amount of permafrost and carbon loss as a result of eroding permafrost coastlines. Information on permafrost fraction, Active Layer Thickness (ALT), soil carbon content, and surface elevation were thereby combined with the aforementioned erosion rates. While the proposed experimental framework provides a valuable outline for quantifying the volume loss of frozen ground and carbon release, extensive validation of the utilized environmental products and resulting volume loss numbers based on 200 m segments are necessary. Furthermore, data of higher spatial resolution and information of carbon content for deeper soil depths are required for more accurate estimates.
N2  - Als Folge des Klimawandels und der damit verbundenen „Arctic Amplification“ wird weltweit eine Degradation des Dauerfrostbodens (Permafrost) beobachtet, welche schwerwiegende Auswirkungen auf die Umwelt hat. Erdrutsche, erhöhte Oberflächen- verformungsraten, eine zunehmende Wahrscheinlichkeit von Infrastrukturschäden, verstärkte Küstenerosionsraten und die potenzielle Umwandlung von Permafrost von einer Kohlenstoffsenke in eine Kohlenstoffquelle sind dabei beispielhafte Auswirkun- gen im Zusammenhang mit dem Auftauen von gefrorenem Bodenmaterial. In diesem Kontext ist die Satelliten-gestützte Erdbeobachtung ein wirkmächtiges Werkzeug zur Identifizierung und kontinuierlichen Überwachung relevanter Prozesse und Merkmale auf einer kostengünstigen, langfristigen, räumlich expliziten und operativen Basis und auf einem zirkumpolaren Maßstab. 
Insgesamt 325 Artikel, die in den letzten zwei Jahrzehnten in 30 verschiedenen internationalen Zeitschriften veröffentlicht wurden, wurden auf Basis der adressierten Umweltschwerpunkte, Fernerkundungsplattformen, Sensorkombinationen, angewand- ten raum-zeitlichen Auflösungen und den Studienorten in einem umfassenden Überblick über vergangene Errungenschaften und aktuelle Trends untersucht. Zusätzlich wur- den zukünftige Potenziale und Herausforderungen der Satelliten-Erdbeobachtung für Permafrost-bezogene Analysen diskutiert. Auf die zeitliche Entwicklung der un- tersuchten Umweltthemen, eingesetzten Sensoren und Satelliten-Plattformen sowie die Zahl der jährlich erscheinenden Artikel wurde detailliert eingegangen. Studien zu atmosphärischen Eigenschaften und Prozessen, wie etwa der Freisetzung von Treibhaus- gasemissionen, waren stark unterrepräsentiert. Deutliche geografische Schlüssel-Gebiete, auf welche sich der Großteil der Studien konzentrierte, konnten in Untersuchungen zur räumlichen Verteilung der Studienorte identifiziert werden. Gleichzeitig sind große Teile des kontinuierlichen Permafrost-Gebiets nur spärlich abgedeckt und müssen noch im Detail untersucht werden. Es wurde ein allgemeiner Trend zu einer zunehmenden Aufmerksamkeit bezüglich der Satelliten-gestützten Erdbeobachtung von Permafrost und verwandten Prozessen und Merkmalen beobachtet. Die Gesamtzahl der veröf- fentlichten Artikel hat sich dabei seit dem Jahr 2015 mehr als verdoppelt. Neue Quellen für Satellitendaten, wie beispielweise die Sentinel-Satelliten und die Methane Remote Sensing LiDAR Mission (Merlin), sowie neuartige methodische Ansätze, wie Datenfusion und Deep Learning, werden dabei voraussichtlich unser Verständnis bzgl. des thermischen Zustands und der Verteilung von Permafrost-Vorkommen sowie die Auswirkungen seines Auftauens verbessern. Darüber hinaus werden Cloud-basierte Big-Data-Verarbeitungsplattformen (z.B. Google Earth Engine (GEE)) anspruchsvolle und langfristige Analysen in immer größeren Maßstäben und mit hoher räumlicher Auflösung erleichtern. 
In dieser Arbeit wurde ein besonderer Fokus auf arktische Permafrost-Küsten gelegt, die eine zunehmende Vulnerabilität gegenüber Umweltparametern wie dem Auftauen von gefrorenem Boden aufweisen und daher von verstärkten Erosionsraten betroffen sind. Ein neuartiger Ansatz zur Quantifizierung der arktischen Küstene- rosion innerhalb des Permafrost-Gebiets mit hoher räumlicher Auflösung und auf zirkum-arktischem Maßstab wird in dieser Dissertation präsentiert. Schwierige Be- leuchtungsbedingungen und häufige Bewölkung schränken die Anwendbarkeit optischer Satellitenbilder in arktischen Regionen ein. Um diese Einschränkungen zu überwinden, wurden Synthetic Aperture RADAR (SAR) Daten von Sentinel-1 (S1) verwendet, die weitgehend unabhängig von Sonneneinstrahlung und Wetterbedingungen sind. Jährli- che SAR-Komposite, welche die Monate Juni bis September abdecken, wurden mit einem Deep Learning (DL)-Ansatz und einer Change Vector Analysis (CVA)-Methode kombiniert, um sowohl ein qualitativ hochwertiges und zirkum-arktisches Küstenli- nienprodukt als auch ein Produkt für die Änderungsraten (Erosion und küstennahe Aggregation von Sedimenten) der Küste zu generieren. Jährliche Satelliten-Komposite in Form von der Standardabweichung (sd) und des Medians der SAR Rückstreuung wurden hierbei berechnet und als Eingabedaten sowohl für den DL-Ansatz als auch für die Quantifizierung der CVA-basierten Küstenänderung verwendet. Das endgül- tige DL-basierte Küstenlinienprodukt deckt insgesamt 161.600 km der arktischen Küstenlinie ab und wies eine Median-Abweichung von ±6,3 m gegenüber den ma- nuell digitalisierten Referenzdaten auf. Im Zuge der Quantifizierung von jährlichen Küstenveränderungen zwischen 2017 und 2021 konnten Erosionsraten von bis zu 67 m pro Jahr und basierend auf 400 m Küstenabschnitten identifiziert werden. Insgesamt wiesen 12,24% der untersuchten Küstenlinie eine durchschnittliche Erosionsrate von 3,8 m pro Jahr auf, was einer jährlichen erodierten Landfläche von 17,83 km2 entspricht. Mehrere Qualitäts-Datensätze, die beiden Produkten zugeordnet sind, wurden auf Pixelbasis bereitgestellt, um die Genauigkeit und Anwendbarkeit der präsentierten Daten, Methoden und Produkte weiter einordnen zu können. 
Darüber hinaus wurden die extrahierten zirkum-arktischen Erosionsraten als Grund- lage in einem experimentellen Ansatz verwendet, um die Menge an Permafrost-Verlust und Kohlenstofffreistzung als Konsequenz der erodierten Permafrost-Küsten abzu- schätzen. Dabei wurden Informationen zu Permafrost-Anteil, Active Layer Thickness (ALT), Höhenmodellen und der Menge an im Boden gespeichertem Kohlenstoff mit den oben genannten Erosionsraten kombiniert. Während der präsentierte experimentelle Ansatz einen wertvollen Ausgangspunkt für die Quantifizierung des Volumenverlusts von gefrorenem Boden und der Kohlenstofffreisetzung darstellt, ist eine umfassende Validierung der verwendeten Umweltprodukte und der resultierenden Volumenzah- len erforderlich. Zusätzlich werden für genauere Abschätzungen Daten mit höherer räumlicher Auflösung und Informationen zum Kohlenstoffgehalt für tiefere Bodentiefen benötigt.
KW  - Dauerfrostboden
KW  - Synthetische Apertur
KW  - Deep learning
KW  - Erosion
KW  - Satellit
KW  - Synthetic Aperture RADAR
KW  - Circumpolar
KW  - Arctic
KW  - Permafrost
KW  - Satellite Earth Observation
KW  - Change Vector Analysis
Y1  - 2023
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-345634
ER  - 
TY  - THES
A1  - Ullmann, Tobias
T1  - Characterization of Arctic Environment by Means of Polarimetric Synthetic Aperture Radar (PolSAR) Data and Digital Elevation Models (DEM)
T1  - Charakterisierung der arktischen Landoberfläche mittels polarimetrischer Radardaten (PolSAR) und digitalen Höhenmodellen (DEM)
N2  - The ecosystem of the high northern latitudes is affected by the recently changing environmental conditions. The Arctic has undergone a significant climatic change over the last decades. The land coverage is changing and a phenological response to the warming is apparent. Remotely sensed data can assist the monitoring and quantification of these changes. The remote sensing of the Arctic was predominantly carried out by the usage of optical sensors but these encounter problems in the Arctic environment, e.g. the frequent cloud cover or the solar geometry. In contrast, the imaging of Synthetic Aperture Radar is not affected by the cloud cover and the acquisition of radar imagery is independent of the solar illumination. The objective of this work was to explore how polarimetric Synthetic Aperture Radar (PolSAR) data of TerraSAR-X, TanDEM-X, Radarsat-2 and ALOS PALSAR and interferometric-derived digital elevation model data of the TanDEM-X Mission can contribute to collect meaningful information on the actual state of the Arctic Environment. The study was conducted for Canadian sites of the Mackenzie Delta Region and Banks Island and in situ reference data were available for the assessment. The up-to-date analysis of the PolSAR data made the application of the Non-Local Means filtering and of the decomposition of co-polarized data necessary. 

The Non-Local Means filter showed a high capability to preserve the image values, to keep the edges and to reduce the speckle. This supported not only the suitability for the interpretation but also for the classification. The classification accuracies of Non-Local Means filtered data were in average +10% higher compared to unfiltered images. The correlation of the co- and quad-polarized decomposition features was high for classes with distinct surface or double bounce scattering and a usage of the co-polarized data is beneficial for regions of natural land coverage and for low vegetation formations with little volume scattering. The evaluation further revealed that the X- and C-Band were most sensitive to the generalized land cover classes. It was found that the X-Band data were sensitive to low vegetation formations with low shrub density, the C-Band data were sensitive to the shrub density and the shrub dominated tundra. In contrast, the L-Band data were less sensitive to the land cover. Among the different dual-polarized data the HH/VV-polarized data were identified to be most meaningful for the characterization and classification, followed by the HH/HV-polarized and the VV/VH-polarized data. The quad-polarized data showed highest sensitivity to the land cover but differences to the co-polarized data were small. The accuracy assessment showed that spectral information was required for accurate land cover classification. The best results were obtained when spectral and radar information was combined. The benefit of including radar data in the classification was up to +15% accuracy and most significant for the classes wetland and sparse vegetated tundra. The best classifications were realized with quad-polarized C-Band and multispectral data and with co-polarized X-Band and multispectral data. The overall accuracy was up to 80% for unsupervised and up to 90% for supervised classifications. The results indicated that the shortwave co-polarized data show promise for the classification of tundra land cover since the polarimetric information is sensitive to low vegetation and the wetlands. Furthermore, co-polarized data provide a higher spatial resolution than the quad-polarized data. 

The analysis of the intermediate digital elevation model data of the TanDEM-X showed a high potential for the characterization of the surface morphology. The basic and relative topographic features were shown to be of high relevance for the quantification of the surface morphology and an area-wide application is feasible. In addition, these data were of value for the classification and delineation of landforms. Such classifications will assist the delineation of geomorphological units and have potential to identify locations of actual and future morphologic activity.
N2  - Die polaren Regionen der Erde zeigen eine hohe Sensitivität gegenüber dem aktuell stattfindenden klimatischen Wandel. Für den Raum der Arktis wurde eine signifikante Erwärmung der Landoberfläche beobachtet und zukünftige Prognosen zeigen einen positiven Trend der Temperaturentwicklung. Die Folgen für das System sind tiefgehend, zahlreich und zeigen sich bereits heute - beispielsweise in einer Zunahme der photosynthetischen Aktivität und einer Verstärkung der geomorphologischen Dynamik. Durch satellitengestützte Fernerkundungssysteme steht ein Instrumentarium bereit, welches in der Lage ist, solch großflächigen und aktuellen Änderungen der Landoberfläche nachzuzeichnen und zu quantifizieren. Insbesondere optische Systeme haben in den vergangen Jahren ihre hohe Anwendbarkeit für die kontinuierliche Beobachtung und Quantifizierung von Änderungen bewiesen, bzw. durch sie ist ein Erkennen der Änderungen erst ermöglicht worden. Der Nutzen von optischen Systemen für die Beobachtung der arktischen Landoberfläche wird dabei aber durch die häufige Beschattung durch Wolken und die Beleuchtungsgeometrie erschwert, bzw. unmöglich gemacht. Demgegenüber eröffnen bildgebende Radarsystem durch die aktive Sendung von elektromagnetischen Signalen die Möglichkeit kontinuierlich Daten über den Zustand der Oberfläche aufzuzeichnen, ohne von den atmosphärischen oder orbitalen Bedingungen abhängig zu sein. Das Ziel der vorliegenden Arbeit war es den Nutzen und Mehrwert von polarimetrischen Synthetic Aperture Radar (PolSAR) Daten der Satelliten TerraSAR-X, TanDEM-X, Radarsat-2 und ALOS PALSAR für die Charakterisierung und Klassifikation der arktischen Landoberfläche zu identifizieren. Darüber hinaus war es ein Ziel das vorläufige interferometrische digitale Höhenmodel der TanDEM-X Mission für die Charakterisierung der Landoberflächen-Morphologie zu verwenden. Die Arbeiten erfolgten hauptsächlich an ausgewählten Testgebieten im Bereich des kanadischen Mackenzie Deltas und im Norden von Banks Islanld. Für diese Regionen standen in situ erhobene Referenzdaten zur Landbedeckung zur Verfügung. Mit Blick auf den aktuellen Stand der Forschung wurden die Radardaten mit einem entwickelten Non-Local-Means Verfahren gefiltert. Die co-polarisierten Daten wurde zudem mit einer neu entwickelten zwei Komponenten Dekomposition verarbeitet. 

Das entwickelte Filterverfahren zeigt eine hohe Anwendbarkeit für alle Radardaten. Der Ansatz war in der Lage die Kanten und Grauwerte im Bild zu erhalten, bei einer gleichzeitigen Reduktion der Varianz und des Speckle-Effekts. Dies verbesserte nicht nur die Bildinterpretation, sondern auch die Bildklassifikation und eine Erhöhung der Klassifikationsgüte von ca. +10% konnte durch die Filterung erreicht werden. Die Merkmale der Dekomposition von co-polarisierten Daten zeigten eine hohe Korrelation zu den entsprechenden Merkmalen der Dekomposition von voll-polarisierten Daten. Die Korrelation war besonders hoch für Landbedeckungstypen, welche eine double oder single bounce Rückstreuung hervorrufen. Eine Anwendung von co-polarisierten Daten ist somit besonders sinnvoll und aussagekräftig für Landbedeckungstypen, welche nur einen geringen Teil an Volumenstreuung bedingen. Die vergleichende Auswertung der PolSAR Daten zeigte, dass sowohl X- als auch C-Band Daten besonders sensitiv für die untersuchten Landbedeckungsklassen waren. Die X-Band Daten zeigten die höchste Sensitivität für niedrige Tundrengesellschaften. Die C-Band Daten zeigten eine höhere Sensitivität für mittelhohe Tundrengesellschaften und Gebüsch (shrub). Die L-Band Daten wiesen im Vergleich dazu die geringste Sensitivität für die Oberflächenbedeckung auf. Ein Vergleich von verschiedenen dual-polarisierten Daten zeigte, dass die Kanalkombination HH/VV die beste Differenzierung der Landbedeckungsklassen lieferte. Weniger deutlich war die Differenzierung mit den Kombinationen HH/HV und VV/VH. Insgesamt am besten waren jedoch die voll-polarisierten Daten geeignet, auch wenn die Verbesserung im Vergleich zu den co-polarisierten Daten nur gering war. Die Analyse der Klassifikationsgenauigkeiten bestätigte dieses Bild, machte jedoch deutlich, dass zu einer genauen Landbedeckungsklassifikation die Einbeziehung von multispektraler Information notwendig ist. Eine Nutzung von voll-polarisierten C-Band und multispektralen Daten erbrachte so eine mittlere Güte von ca. 80% für unüberwachte und von ca. 90% für überwachte Klassifikationsverfahren. Ähnlich hohe Werte wurden für die Kombination von co-polarisierten X-Band und multispektralen Daten erreicht. Im Vergleich zu Klassifikation die nur auf Grundlage von multispektralen Daten durchgeführt wurden, erbrachte die Einbeziehung der polarisierten Radardaten eine zusätzliche durchschnittliche Klassifikationsgüte von ca. +15%. Der Zugewinn und die Möglichkeit zur Differenzierung war vor allem für die Bedeckungstypen der Feuchtgebiete (wetlands) und der niedrigen Tundrengesellschaften festzustellen. 

Die Analyse der digitalen Höhenmodelle zeigte ein hohes Potential der TanDEM-X Daten für die Charakterisierung der topographischen Gegebenheiten. Die aus den Daten abgeleiteten absoluten und relativen topographischen Merkmale waren für eine morphometrische Quantifizierung der Landoberflächen-Morphologie geeignet. Zudem konnten diese Merkmale auch für eine initiale Klassifikation der Landformen genutzt werden. Die Daten zeigten somit ein hohes Potential für die Unterstützung der geomorphologischen Kartierung und für die Identifizierung der aktuellen und zukünftigen Dynamik der Landoberfläche.
KW  - Mackenzie-River-Delta
KW  - Banks Islands
KW  - Radarfernerkundung
KW  - Topografie
KW  - Formmessung
KW  - Klassifikation
KW  - Relief <Geografie>
KW  - PolSAR
KW  - Synthetic Aperture Radar
KW  - Land Cover Classification
KW  - Digital Elevation Model
KW  - Arctic
Y1  - 2015
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-115719
ER  -