TY  - THES
A1  - Conrad, Christopher
T1  - Fernerkundungsbasierte Modellierung und hydrologische Messungen zur Analyse und Bewertung der landwirtschaftlichen Wassernutzung in der Region Khorezm (Usbekistan)
T1  - Remote sensing based modeling and hydrological measurements for the assessment of agricultural water use in the Khorezm region (Uzbekistan)
N2  - Die Bewässerungslandwirtschaft in Mittelasien ist geprägt von schwerwiegenden ökologischen und ökonomischen Problemen. Zur Verbesserung der Situation auf dem hydrologischen Sektor wird daher seitens der mittelasiatischen Interstate Commission for Water Coordination (ICWC) die Einführung des Integrated Water Resource Management (IWRM) gefordert. Wichtige Herausforderungen zur Optimierung der Wassernutzung im Aralsee-Becken sind dabei die Schaffung von Transparenz sowie von Möglichkeiten zur Überwachung der Landnutzung und der Wasserentnahme in den Bewässerungssystemen. Im Detail fokussierte diese Arbeit auf das Bewässerungssystem der Region Khorezm im Unterlauf des Amu Darya südlich des Aralsees. Die Arbeit zielte darauf ab, (1) objektive und konsistente Datengrundlagen zum Monitoring der Landnutzung und des Wasserverbrauchs innerhalb des Bewässerungslandes zu schaffen und (2) auf Basis dieser Ergebnisse die Funktionsweise des Bewässerungssystems zu verstehen sowie die Land- und Wassernutzung der Region zu bewerten. Um diese Ziele zu erreichen, wurden Methoden der Fernerkundung und der Hydrologie miteinander kombiniert. Fernerkundliche Schlüsselgrößen der Arbeit waren die Kartierung der agrarischen Landnutzung und die Modellierung der saisonalen tatsächlichen Evapotranspiration. Es wurde eine Methode vorgestellt, die eine Unterscheidung verschiedener Landnutzungen und Fruchtfolgen der Region durch die temporale Segmentierung von Zeitserien aus 8-tägigen Kompositen von 250 m-Daten des MODIS-Sensors ermöglicht. Durch die mehrfache Anwendung von Recursive Partitioning And Regression Trees auf deskriptive Statistiken von Zeitseriensegmenten konnte eine hohe Stabilität erzielt werden (overall accuracy: 91 %, Kappa-Koeffizient: 0,9). Täglich von MODIS aufgezeichnete Landoberflächentemperaturen (LST) bildeten die Basis zur fernerkundungsbasierten Modellierung der saisonalen tatsächlichen Evapotranspiration (ETact) für die sommerliche Vegetationsperiode. Aufgrund der hohen zeitlichen und groben räumlichen Auflösung der verwendeten MODIS-Daten von 1 km waren leichte Modifikationen des zur Modellierung eingesetzten Surface Energy Balance Algortihm for Land (SEBAL) erforderlich. Zur Modellierung von ETact wurden MODIS-Produkte (LST, Emissionsgrad, Albedo, NDVI und Blattflächenindex) und meteorologische Stationsdaten aus Khorezm verwendet. Die Modellierung des fühlbaren Wärmeflusses, einer Komponente der Energiebilanzgleichung an der Erdoberfläche, erfolgte mittels METRIC (High Resolution and Internalized Calibration), einer Variante des SEBAL. Die Landnutzungsklassifikation fungierte als zentraler Eingangsparameter, um eine automatisierte Auswahl der Ankerpunkte des Models sicherzustellen. Da innerhalb der MODIS-Auflösung aufgrund der Mischpixelproblematik keine homogen feuchten oder trockenen Bedingungen im Bewässerungsgebiet gefunden werden konnten, wurden die Landnutzungsklassifikation, der NDVI und die ASCE-Referenz-Evapotranspiration zur Abschätzung des tatsächlichen Zustands an den Ankerpunkten herangezogen. Weiterhin wurden umfassende Geländemessungen durchgeführt, um in der Vegetationsperiode 2005 die Zu- und Abflussmengen des Wasser von und nach Khorezm zu bestimmen. Die abschließende Bewertung der Land- und Wassernutzung basierte letztendlich auf der Bildung von Wasserbilanzen und der Berechnung anerkannter Performanceindikatoren wie der Ratio aus Drainage und Wasserentnahme oder der depleted fraction. Für die landwirtschaftliche Nutzung im Rayon Khorezm wurde für die Sommersaison 2005 eine Wasserentnahme von 5,38 km3 ermittelt. Damit übertrafen die Messergebnisse die offiziell verfügbaren Daten der ICWC um durchschnittlich 37 %. Auf die landwirtschaftliche Fläche bezogen ergab sich für Khorezm im Jahr 2005 eine mittlere Wasserentnahme von 22.782 m3/ha. In den Subsystemen schwankten diese Werte zwischen 17.000 m3/ha und 30.000 m3/ha. Allerdings konnte an den Systemgrenzen, an denen die Messungen durchgeführt werden, der aus den fernerkundungsbasierten Modellierungen auf WUA-Level erwartete abnehmende Gradient der Wasserentnahme zwischen Oberlauf und Unterlauf nicht nachvollzogen werden. Als Ursache für diese Diskrepanz sind vor allem die Versickerungsverluste im Kanalsystem zu nennen, die den Grundwasserkörper großräumig auffüllen und auf Feldebene nicht zur oberflächlichen Bewässerung zur Verfügung stehen. Monatliche Bilanzierungen und die Analyse der Performanceindikatoren führten zu denselben Ergebnissen. In dieser Arbeit konnte gezeigt werden, dass sich mit Methoden der Fernerkundung objektive und konsistente Daten der agrarischen Landnutzung und des Wasserverbrauchs für ein regionales Monitoring erstellen lassen. Da in den benachbarten Regionen gleiche atmosphärische Bedingungen und ähnliche Anbausorten anzutreffen sind, ist anzunehmen, dass beide Verfahren auch auf der Planungsebene in einem IWRM für die übrigen Mittel- und Unterläufe von Amu Darya und Syr Darya ein hohes Anwendungspotenzial besitzen.
N2  - The recently founded states of Middle Asia face serious economical and ecological problems in irrigated agriculture. Thus, the introduction of the Integrated Water Resource Management (IWRM) is one of the major aims of the Interstate Commission for Water Coordination (ICWC) of Middle Asia. This study focuses on the irrigation and drainage systems of Khorezm, located in the lower Amu Darya Basin. The scientific gaols were (1) to generate objective and consistent data to measure agricultural land use and water consumption in irrigated areas of the Khorezm region and (2) to analyze the functioning of the irrigation system to assess the use of land and water. Remote sensing in combination with hydrological measurements and irrigation performance indicators were found suitable to achieve these aims. A method was developed to classify agricultural land use for the entire Khorezm region by temporal segmentation of 8-day 250 m MODIS time series. The application of Recursive Partitioning And Regression Tree (RPART) on temporal segments of the time series enabled stable results and portability with 91% overall accuracy and a Kappa coefficient of 0.9. Daily MODIS 1 km Land Surface Temperature (LST) data were used for modeling seasonal actual evapotranspiration (ETact) of the summer vegetation period. The Surface Energy Balance Algorithm for Land (SEBAL) was slightly modified to account for the coarse spatial resolution of MODIS data and for semi-operational purposes. MODIS 1 km land products (LST, emissivity, albedo, NDVI, and leaf area index), and meteorological data were combined for modeling ETact. The sensible heat flux was calculated according to the METRIC (Mapping EvapoTranspiration at High Resolution and Internalized Calibration) variant of SEBAL. Aggregated to MODIS 1 km scale, the land use classification was the determining parameter to select hot and cold anchor points needed to model sensible heat fluxes automatically. The probability to find completely dry or wet conditions within a 1 km grid is very low. Thus, classification results, NDVI, and ASCE-EWRI reference evapotranspiration (ETref) were used to adjust the estimations of the vertical temperature gradient at the best fitting anchor points (similar to METRIC). Furthermore, flow measurements were recorded for 2005 to generate a hydrological data set for balancing. The water balance was achieved by integrating the remotely sensed evapotranspiration. Additionally, widely accepted irrigation performance indicators such as relative evapotranspiration, drainage over inflow ratio, and depleted fraction were calculated on a monthly base to investigate the functioning of the canal network in Khorezm on regional scale. For agricultural use, withdrawals of 5.38 km3 were measured in the vegetation period 2005. The values were on average 37% higher than the official data of the ICWC. Within the system boundaries water amounts of 22,782 m3/ha were available for irrigation. Comparisons between subsystems showed regional disparities of withdrawals ranging from 17,000 m3/ha to 30,000 m3/ha. The upstream-downstream gradient of irrigation water supply expected from the remote sensing modeling results could not be found at the regional water distribution level. In comparison with the remote sensing results it can be summarized that water consumption at the field level (MODIS pixel) or WUA level does not reflect the water intake at the upstream distribution nodes. Monthly water balances and performance indicators highlighted similar results. During the leaching and the main irrigation period in 2005, an increase of soil moisture and groundwater was recorded. The discharge of groundwater followed the irrigation phase in September. However, even in the main irrigation season (July and August), the average drainage over intake ratio is 45% and in the upper part of the irrigation system almost reaches 60%. This concludes a high potential for water saving. Although high discharges in the regional drainage system were found poor drainage systems are reported at the field level. Evidently the main drainage canals of the region work as large scale groundwater collectors rather than fulfill their designated use to collect saline water from the field level. The study proofed the importance to collect reliable and consistent data for hydrological analyses in Middle Asia. For the Khorezm region the presented remote sensing methods indicated their ability to supply data for hydrological monitoring on a regional scale. Remotely sensed crop rotation patterns and water consumption offered the view on field and WUA levels inside the irrigation water distribution administrations. Both methods are portable to regions with similar crops and good climatic conditions, for instance the middle and lower course of the Amu Darya and Syr Darya River.
KW  - Charism
KW  - Fernerkundung
KW  - Wassernutzung
KW  - Landwirtschaft
KW  - Fernerkundung
KW  - Hydrologische Modellierung
KW  - Geographische Informationssysteme
KW  - Landnutzungsklassifikation
KW  - Usbekistan
KW  - remote sensing
KW  - hydrological modelling
KW  - geographical information systems
KW  - land use classification
KW  - Uzbekistan
Y1  - 2006
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-20790
ER  - 
TY  - THES
A1  - Awoye, Oyémonbadé Hervé Rodrigue
T1  - Implications of future climate change on agricultural production in tropical West Africa: evidence from the Republic of Benin
T1  - Auswirkungen des zukünftigen Klimawandels auf die landwirtschaftliche Produktion im tropischen West Afrika: eine Fallstudie für die Republik Benin
N2  - Environmental interlinked problems such as human-induced land cover change, water scarcity, loss in soil fertility, and anthropogenic climate change are expected to affect the viability of agriculture and increase food insecurity in many developing countries. Climate change is certainly the most serious of these challenges for the twenty-first century. The poorest regions of the world – tropical West Africa included – are the most vulnerable due to their high dependence on climate and weather sensitive activities such as agriculture, and the widespread poverty that limits the institutional and economic capacities to adapt to the new stresses brought about by climate change. Climate change is already acting negatively on the poor smallholders of tropical West Africa whose livelihoods dependent mainly on rain-fed agriculture that remains the cornerstone of the economy in the region. Adaptation of the agricultural systems to climate change effects is, therefore, crucial to secure the livelihoods of these rural communities. Since information is a key for decision-making, it is important to provide well-founded information on the magnitude of the impacts in order to design appropriate and sustainable adaptation strategies.
Considering the case of agricultural production in the Republic of Benin, this study aims at using large-scale climatic predictors to assess the potential impacts of past and future climate change on agricultural productivity at a country scale in West Africa. Climate signals from large-scale circulation were used because state-of-the art regional climate models (RCM) still do not perfectly resolve synoptic and mesoscale convective processes. It was hypothesised that in rain-fed systems with low investments in agricultural inputs, yield variations are widely governed by climatic factors. Starting with pineapple, a perennial fruit crops, the study further considered some annual crops such as cotton in the group of fibre crops, maize, sorghum and rice in the group of cereals, cowpeas and groundnuts belonging to the legume crops, and cassava and yams which are root and tuber crops. Thus the selected crops represented the three known groups of photosynthetic pathways (i.e. CAM, C3, and C4 plants). 
In the study, use was made of the historical agricultural yield statistics for the Republic of Benin, observed precipitation and mean near-surface air temperature data from the Climatic Research Unit (CRU TS 3.1) and the corresponding variables simulated by the regional climate model (RCM) REMO. REMO RCM was driven at its boundaries by the global climate model ECHAM 5. Simulations with different greenhouse gas concentrations (SRES-A1B and B1 emission scenarios) and transient land cover change scenarios for present-day and future conditions were considered. The CRU data were submitted to empirical orthogonal functions analysis over the north hemispheric part of Africa to obtain large-scale observed climate predictors and associated consistent variability modes. REMO RCM data for the same region were projected on the derived climate patterns to get simulated climate predictors. By means of cross-validated Model Output Statistics (MOS) approach combined with Bayesian model averaging (BMA) techniques, the observed climate predictors and the crop predictand were further on used to derive robust statistical relationships. The robust statistical crop models perform well with high goodness-of-fit coefficients (e.g. for all combined crop models: 0.49 ≤ R2 ≤ 0.99; 0.28 ≤ Brier-Skill-Score ≤ 0.90). 
Provided that REMO RCM captures the main features of the real African climate system and thus is able to reproduce its inter-annual variability, the time-independent statistical transfer functions were then used to translate future climate change signal from the simulated climate predictors into attainable crop yields/crop yield changes. The results confirm that precipitation and air temperature governed agricultural production in Benin in general, and particularly, pineapple yield variations are mainly influenced by temperature. Furthermore, the projected yield changes under future anthropogenic climate change during the first-half of the 21st century amount up to -12.5% for both maize and groundnuts, and -11%, -29%, -33% for pineapple, cassava, and cowpeas respectively. Meanwhile yield gain of up to +10% for sorghum and yams, +24% for cotton, and +39% for rice are expected. Over the time period 2001 – 2050, on average the future yield changes range between -3% and -13% under REMO SRES–B1 (GHG)+LCC, -2% and -11% under REMO SRES–A1B (GHG only),and -3% and -14% under REMO SRES–A1B (GHG)+LCC for pineapple, maize, sorghum, groundnuts, cowpeas and cassava. In the meantime for yams, cotton and rice, the average yield gains lie in interval of about +2% to +7% under REMO SRES–B1 (GHG)+LCC, +0.1% and +12% under REMO SRES–A1B (GHG only), and +3% and +10% under REMO SRES–A1B (GHG)+LCC. For sorghum, although the long-term average future yield depicts a reduction there are tendencies towards increasing yields in the future. The results also reveal that the increases in mean air temperature more than the changes in precipitation patterns are responsible for the projected yield changes. As well the results suggest that the reductions in pineapple yields cannot be attributed to the land cover/land use changes across sub-Saharan Africa. The production of groundnuts and in particular yams and cotton will profit from the on-going land use/land cover changes while the other crops will face detrimental effects. 
Henceforth, policymakers should take effective measures to limit the on-going land degradation processes and all other anthropogenic actions responsible for temperature increase. Biotechnological improvement of the cultivated crop varieties towards development of set of seed varieties adapted to hotter and dry conditions should be included in the breeding pipeline programs. Amongst other solutions, application of appropriate climate-smart agricultural practices and conservation agriculture are also required to offset the negative impacts of climate change in agriculture.
N2  - In vielen Entwicklungsländern gefährden Umweltprobleme wie die tiefgreifende Veränderung der Landoberfläche, Wasserknappheit, Bodendegradation und der anthropogene Klimawandel die Leistung¬sfähigkeit der Landwirtschaft und erhöhen so das Risiko von Nahrungs-mittelknappheit. Von diesen miteinander verwobenen Bedrohungen ist der Klimawandel im 21. Jahrhundert sicherlich die bedeutendste. Die höchste Vulnerabilität weisen die ärmsten Regionen der Welt – unter anderen Westafrika – auf, sowohl wegen der großen Bedeutung von klima- und wettersensitiven Wirtschaftsektoren wie der Landwirtschaft als auch wegen der verbreiteten Armut. Diese schränkt die staatlichen und wirtschaftlichen Anpassungs¬kapazitäten an die neuen Herausforderungen durch den Klimawandel ein. Westafrikanische Kleinbauern, deren Lebensunterhalt wesentlich vom traditionellen Regenfeldbau – dem Eckpfeiler der regionalen Wirtschaft – abhängt, bekommen die negativen Auswirkungen bereits zu spüren. Die Adaption der agroökonomischen Systeme an den Klimawandel ist eine unbedingte Notwendigkeit für die Sicherung der Lebensgrundlage dieser ländlichen Gebiete. Da Wissen die Basis für Entscheidungen darstellt, sind belastbare Informationen über das Ausmaß der Auswirkungen wichtig, um angemessene und nachhaltige Anpassungsstrategien zu entwickeln.
Am Beispiel der Republik Benin untersucht diese Studie das Potenzial von makroskaligen klimatischen Prädiktoren zur Erfassung und Quantifizierung des potentiellen Einflusses von beobachteten und künftigen Klimaänderungen auf die landwirtschaftliche Produktion eines westafrikanischen Landes. Die Auswirkungen der großskaligen Zirkulation wurden herangezogen, da auch moderne Regionale Klimamodelle (RCMs) Schwierigkeiten haben, klein- oder mesoskalige synoptische und insbesondere konvektive Prozesse überzeugend zu simulieren. Zugrunde liegt die Annahme, dass Schwankungen des landwirtschaftlichen Ertrags in auf Regenfeldbau basierenden landwirtschaftlichen Systemen mit geringen Kapitaleinsatz zu weiten Teilen auf klimatische Faktoren zurückzuführen sind. Untersucht werden die Ananas als perennierende Pflanze sowie einige einjährige Feldfrüchte wie Baumwolle aus der Gruppe der Faserpflanzen, die Getreidearten Mais, Sorghumhirse und Reis, die Hülsenfrüchte Augenbohne und Erdnuss sowie die Knollen- und Wurzelfrüchte Maniok und Yams. Somit repräsentieren die ausgewählten Feldfrüchte die drei bekannten Photosynthese-Wege, nämlich CAM, C3 und C4. 
Die vorliegende Studie verwendet historische Ertragsstatistiken der Republik Benin, Beobachtungsdaten der Climate Research Unit für den monatlichen Niederschlag sowie die bodennahe Mitteltemperatur (CRU TS 3.1) und die entsprechenden Variablen simuliert durch das REMO RCM. Dieses Regionalmodell wird an seinen Rändern durch das globale Klimamodell ECHAM 5 angetrieben. Es werden Modellsimulationen mit unterschiedlichen Randbedingungen im Hinblick auf Treibhausgaskonzentrationen (die Szenarien SRES-B1 und SRES-A1B) und Veränderungen der Landbedeckung (LCC) berücksichtigt. Mittels Hauptkomponentenanalyse werden aus den CRU-Daten für den nordhemisphärischen Teil Afrikas Zeitreihen und räumliche Muster für großskalige Prädiktoren gewonnen. Um mit diesen konsistente Prädiktoren für die Simulationen zu erhalten, werden die Datenfelder des REMO RCMs auf die so gewonnenen Raummuster projiziert. Für die beobachteten Zeitreihen der Prädiktoren und die zeitliche Entwicklung der unterschiedlichen Feldfrüchte als Prädiktant werden mittels eines kombinierten Ansatzes aus kreuzvalidierten Model Output Statistics (MOS) und Bayesian Model Averaging (BMA) Techniken robuste statistische Zusammenhänge erfasst. Die resultierenden statistischen Modelle zeigen gute Performance, beispielsweise gilt für alle erzeugten Modelle 0,49 ≤ R² ≤ 0,99 und 0,28 ≤ Brier-Skill-Score ≤ 0,90. 
Da das REMO RCM die Hauptcharakteristika des beobachteten Klimas in Afrika erzeugt und daher die interannuelle Variabilität realistisch reproduziert, können mithilfe der zeitunabhängigen statistischen Transferfunktionen Klimaänderungssignale, gewonnen aus den simulierten Prädiktoren, in zu erwartende Veränderungen der Ernteerträge übersetzt werden. Die Ergebnisse bestätigen, dass Niederschlag und bodennahe Temperatur allgemein die landwirtschaftliche Produktion bestimmen und insbesondere die Schwankungen in den Ananas¬-erträgen primär thermisch bedingt scheinen. Weiterhin finden sich unter den simulierten künftigen Klimabedingungen projizierte Ertragsänderungen von bis zu -12,5% für Mais und Erdnuss und -11% , -29% und -33% für Ananas, Maniok und Augenbohne. Zugleich werden Ertragssteigerungen von +10% für Sorghumhirse und Yams, +24% für Baumwolle und +39% für Reis projiziert. Diese Änderungen sind abhängig von den Randbedingungen. Im Mittel betragen die simulierten Änderungen der Erträge während der Periode von 2001 bis 2050 zwischen -13% und -3% für SRES-B1 + LCC, -11% und -2% für SRES-A1B sowie -14% bis -3% für SRES-A1B + LCC für Ananas, Mais, Sorghumhirse, Erdnuss, Augenbohne und Maniok. Daneben finden sich für Yams, Baumwolle und Reis Zuwächse im Ernteertrag, die in Intervallen zwischen +2% bis +7% für SRES-B1 + LCC, +0.1% bis +12% für SRES-A1B und +3% bis +10% für SRES-A1B + LCC liegen. Obwohl die durchschnittliche Veränderung im Ertrag der Sorghumhirse negativ ist, lassen sich auch Tendenzen hin zu positiven Veränderungen feststellen. Die Ergebnisse zeigen zudem, dass die projizierte Zunahme der mittleren Lufttemperatur die simulierten Ernteerträge stärker beeinflusst als Veränderungen in den Niederschlagsmustern. Weiterhin scheint im Fall der Ananas der simulierte Rückgang im Ertrag nicht auf Veränderungen bei Landnutzung oder Landoberflächenbedeckung im subsaharischen Afrika zurückführbar. Die Erdnuss- und insbesondere Yams- und Baumwollerzeugung werden von den Veränderungen in der Landoberflächenbedeckung, die für die übrigen Feldfrüchte nachteilige Effekte bedeuten, profitieren. 
Zukünftig sollten politische Entscheidungsträger wirksame Maßnahmen einleiten, um die fortschreitende Landdegradation sowie alle anderen anthropogenen Prozesse, die zur globalen Erwärmung beitragen, einzuschränken. Biotechnologische Verbesserungen der verwendeten Nutzpflanzen, um an heißere und trockenere Bedingungen angepasste Varianten zu erzeugen, sollten in die bestehenden Aufzuchtprogramme integriert werden. Weiterhin sind unter anderem die Anwendung von geeigneten, klimaintelligenten landwirtschaftlichen Verfahren sowie eine nachhaltige Agrarwirtschaft notwendig, um die Schäden des Klimawandels auf die Landwirtschaft auszugleichen.
KW  - Benin
KW  - Klimaänderung
KW  - climate change impact
KW  - large-scale climate circulation
KW  - West Africa
KW  - food security
KW  - agriculture
KW  - Agrarproduktion
KW  - Klimawandel
KW  - Landwirtschaft
Y1  - 2015
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-122887
ER  - 
TY  - THES
A1  - Knauer, Kim
T1  - Vegetation Dynamics in West Africa - Spatio-temporal Data Fusion for the Monitoring of Agricultural Expansion
T1  - Vegetationsdynamik in Westafrika - Raumzeitliche Datenfusion zur Kartierung landwirtschaftlicher Expansion
N2  - West Africa is one of the fastest growing regions in the world with annual population growth rates of more than three percent for several countries. Since the 1950s, West Africa experienced a fivefold increase of inhabitants, from 71 to 353 million people in 2015 and it is expected that the region’s population will continue to grow to almost 800 million people by the year 2050. This strong trend has and will have serious consequences for food security since agricultural productivity is still on a comparatively low level in most countries of West Africa. In order to compensate for this low productivity, an expansion of agricultural areas is rapidly progressing. The mapping and monitoring of agricultural areas in West Africa is a difficult task even on the basis of remote sensing. The small scale extensive farming practices with a low level of agricultural inputs and mechanization make the delineation of cultivated land from other land cover and land use (LULC) types highly challenging. In addition, the frequent cloud coverage in the region considerably decreases the availability of earth observation datasets. For the accurate mapping of agricultural area in West Africa, high temporal as well as spatial resolution is necessary to delineate the small-sized fields and to obtain data from periods where different LULC types are distinguishable. However, such consistent time series are currently not available for West Africa. Thus, a spatio-temporal data fusion framework was developed in this thesis for the generation of high spatial and temporal resolution time series. 
Data fusion algorithms such as the Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model (ESTARFM) enjoyed increasing popularity during recent years but they have hardly been used for the application on larger scales. In order to make it applicable for this purpose and to increase the input data availability, especially in cloud-prone areas such as West Africa, the ESTARFM framework was developed in this thesis introducing several enhancements. An automatic filling of cloud gaps was included in the framework in order to use even partly cloud-covered Landsat images for the fusion without producing gaps on the output images. In addition, the ESTARFM algorithm was improved to automatically account for regional differences in the heterogeneity of the study region. Further improvements comprise the automation of the time series generation as well as the significant acceleration of the processing speed through parallelization. The performance of the developed ESTARFM framework was tested by fusing an 8-day NDVI time series from Landsat and MODIS data for a focus area of 98,000 km² in the border region between Burkina Faso and Ghana. The results of this test show the capability of the ESTARFM framework to accurately produce high temporal resolution time series while maintaining the spatial detail, even in such a heterogeneous and cloud-prone region. 
The successfully tested framework was subsequently applied to generate consistent time series as the basis for the mapping of agricultural area in Burkina Faso for the years 2001, 2007, and 2014. In a first step, high temporal (8-day) and high spatial (30 m) resolution NDVI time series for the entire country and the three years were derived with the ESTARFM framework. More than 500 Landsat scenes and 3000 MODIS scenes were automatically processed for this purpose. From the fused ESTARFM NDVI time series, phenological metrics were extracted and together with the single time steps of NDVI served as input for the delineation of rainfed agricultural areas, irrigated agricultural areas and plantations. The classification was conducted with the random forest algorithm at a 30 m spatial resolution for entire Burkina Faso and the three years 2001, 2007, and 2014. For the training and validation of the classifier, a randomly sampled reference dataset was generated from Google Earth images based on expert knowledge of the region. The overall classification accuracies of 92% (2001), 91% (2007), and 91% (2014) indicate the well-functioning of the developed methodology. The resulting maps show an expansion of agricultural area of 91% from about 61,000 km² in 2001 to 116,900 km² in 2014. While rainfed agricultural areas account for the major part of this increase, irrigated areas and plantations also spread considerably. Especially the expansion of irrigation systems and plantation area can be explained by the promotion through various national and international development projects. The increase of agricultural areas goes in line with the rapid population growth in most of Burkina Faso’s provinces which still had available land resources for an expansion of agricultural area. An analysis of the development of agricultural areas in the vicinity of protected areas highlighted the increased human pressure on these reserves. The protection of the remnant habitats for flora and fauna while at the same time improving food security for a rapidly growing population, are the major challenges for the region in the future. 
The developed ESTARFM framework showed great potential beyond its utilization for the mapping of agricultural area. Other large-scale research that requires a sufficiently high temporal and spatial resolution such as the monitoring of land degradation or the investigation of land surface phenology could greatly benefit from the application of this framework.
N2  - Westafrika ist eine der am schnellsten wachsenden Regionen der Welt. Das jährliche Bevölkerungswachstum liegt in mehreren Ländern der Region über drei Prozent. Seit den 1950er Jahren erlebte Westafrika eine fünffache Zunahme der Einwohner, von 71 auf 353 Millionen Menschen im Jahr 2015 und es wird erwartet, dass die Bevölkerung der Region bis zum Jahr 2050 auf fast 800 Millionen Menschen steigen wird. Dieser Trend hat ernsthafte Konsequenzen für die Nahrungsmittelsicherheit, da die landwirtschaftliche Produktivität in den meisten Ländern Westafrikas immer noch auf einem vergleichsweise niedrigen Niveau liegt. Um diese geringe Produktivität zu kompensieren, schreitet die Ausweitung der landwirtschaftlichen Flächen rasch voran. Die Kartierung und Überwachung der landwirtschaftlichen Gebiete in Westafrika ist eine schwierige Aufgabe, auch auf der Basis der Fernerkundung. Die kleinräumigen, extensiven Anbaumethoden mit geringem landwirtschaftlichen Input und mangelnder Mechanisierung stellen für die Abgrenzung der Anbauflächen von anderen Landbedeckungs- und Landnutzungstypen (LULC) eine große Herausforderung dar. Darüber hinaus wird die Verfügbarkeit von Erdbeobachtungsdaten durch häufige Wolkenbedeckung in der Region erheblich reduziert. Für die genaue Kartierung der landwirtschaftlichen Fläche in Westafrika ist eine hohe zeitliche sowie räumliche Auflösung notwendig, um die meist kleinen Felder abgrenzen zu können und Daten aus Zeiträumen zu erhalten, in denen unterschiedliche LULC-Typen unterscheidbar sind. Allerdings sind solch konsistente Zeitreihen für Westafrika derzeit nicht verfügbar. Daher wurde in dieser Arbeit ein raum-zeitliches Datenfusions-Framework entwickelt, um räumlich und zeitlich hoch aufgelöste Zeitreihen zu erzeugen.
Daten-Fusions-Algorithmen wie das Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model (ESTARFM) erfreuten sich in den letzten Jahren zunehmender Beliebtheit, wurden aber kaum auf größeren Skalen verwendet. Um die Nutzbarkeit für diesen Zweck zu verbessern und die Verfügbarkeit der Eingangsdaten vor allem in wolkenreichen Gebieten wie Westafrika zu erhöhen, wurde das ESTARFM-Framework in dieser Arbeit entwickelt. In diesem Framework wurden mehrere Verbesserungen eingebaut. Ein automatisches Füllen von Wolkenlücken wurde eingefügt, um auch teilweise wolkenbedeckte Landsat-Bilder für die Fusion zu verwenden, ohne Lücken auf den Ausgabebildern zu erzeugen. Darüber hinaus wurde der ESTARFM-Algorithmus verbessert, um regionale Unterschiede in der Heterogenität der Studienregion automatisch zu berücksichtigen. Weitere Verbesserungen umfassen die Automatisierung der Zeitreihenerzeugung sowie die signifikante Beschleunigung der Prozessierungsgeschwindigkeit mittels Parallelisierung. Die Leistungsfähigkeit des entwickelten ESTARFM-Frameworks wurde durch die Fusion einer 8-tägigen NDVI-Zeitreihe aus Landsat- und MODIS-Daten für ein Fokusgebiet von 98.000 km² im Grenzgebiet zwischen Burkina Faso und Ghana getestet. Die Ergebnisse dieses Tests demonstrieren die Fähigkeit des ESTARFM-Frameworks, genaue, zeitlich hoch aufgelöste Zeitreihen zu erzeugen, die die räumlichen Details auch in einer solch heterogenen und wolkenreichen Region bewahren können.
Das erfolgreich getestete Framework wurde anschließend angewendet um konsistente Zeitreihen zu erzeugen, die als Grundlage für die Kartierung der landwirtschaftlichen Fläche in Burkina Faso für die Jahre 2001, 2007 und 2014 dienten. In einem ersten Schritt wurden mittels des ESTARFM-Frameworks zeitlich (8 Tage) und räumlich (30 m) hoch aufgelöste NDVI-Zeitreihen für das ganze Land und die drei Jahre abgeleitet. Mehr als 500 Landsat- und 3000 MODIS-Szenen wurden zu diesem Zweck automatisch verarbeitet. Aus den fusionierten ESTARFM NDVI-Zeitreihen wurden phänologische Metriken extrahiert und zusammen mit den einzelnen NDVI-Zeitschnitten als Basis für die Abgrenzung von Regenfeldbau, bewässerten landwirtschaftlichen Flächen und Plantagen genutzt. Die Klassifikation wurde mit dem Random-Forest-Algorithmus in einer räumlichen Auflösung von 30 m für ganz Burkina Faso und die drei Jahre 2001, 2007 und 2014 durchgeführt. Basierend auf Expertenkenntnissen der Region wurde ein zufällig beprobter Referenzdatensatz aus Google-Earth-Bildern generiert, der für die Kalibrierung und Validierung des Klassifikators diente. Die Klassifikationsgenauigkeiten von 92% (2001), 91% (2007) und 91% (2014) demonstrieren die Leistungsfähigkeit der entwickelten Methodik. Die daraus erzeugten Karten zeigen eine Ausweitung der landwirtschaftlichen Fläche um 91%, von etwa 61.000 km² im Jahr 2001 auf 116.900 km² im Jahr 2014. Während der Regenfeldbau den größten Teil dieser Zunahme ausmacht, haben sich auch bewässerte Flächen und Plantagen erheblich ausgebreitet. Insbesondere die Ausweitung der Bewässerungssysteme und der Plantagenfläche lässt sich mit der Förderung durch verschiedene nationale und internationale Entwicklungsprojekte erklären. Die Zunahme der landwirtschaftlichen Gebiete geht einher mit dem raschen Bevölkerungswachstum in den meisten Provinzen Burkina Fasos, welche noch über ungenutzte Landressourcen verfügen. Eine Analyse der Entwicklung der landwirtschaftlichen Fläche im Umland von Schutzgebieten verdeutlicht den erhöhten anthropogenen Druck auf diese Reservate. Der Schutz der verbliebenen Habitate für Flora und Fauna bei gleichzeitiger Verbesserung der Nahrungsmittelsicherheit für eine schnell wachsende Bevölkerung stellen die großen Herausforderungen für die Zukunft der Region dar.
Das entwickelte ESTARFM-Framework zeigt großes Potenzial für weitere Anwendungen, die über die Kartierung landwirtschaftlicher Fläche hinausgehen. Großflächige Forschung, die eine hinreichend hohe zeitliche und räumliche Auflösung erfordern, wie die Überwachung von Bodendegradation oder die Untersuchung von Phänologie der Landoberfläche, könnten von der Anwendung des ESTARFM-Framework erheblich profitieren.
KW  - Fernerkundung
KW  - Landwirtschaft
KW  - Westafrika
Y1  - 2018
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-164776
ER  -