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 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 - 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 -