TY  - THES
A1  - Wohlfart, Christian
T1  - The Yellow River Basin in Transition - Multi-faceted Land Cover Change Analysis in the Yellow River Basin in the Context of Global Change Using Multi-sensor Remote Sensing Imagery
T1  - Der Gelbe Fluss im Wandel - Multisensorale und multitemporale Analyse des Einzugsgebietes des Gelben Flusses in China mittels Fernerkundungsdaten vor dem Hintergrund des Globalen Wandels
N2  - As a cradle of ancient Chinese civilization, the Yellow River Basin has a very long human-environment interrelationship, where early anthropogenic activities re- sulted in large scale landscape modifications. Today, the impact of this relationship
has intensified further as the basin plays a vital role for China’s continued economic
development. It is one of the most densely-populated, fastest growing, and most dynamic
regions of China with abundant natural and environmental resources providing a livelihood for almost 190 million people. Triggered by fundamental economic reforms, the
basin has witnessed a spectacular economic boom during the last decades and can be
considered as an exemplary blueprint region for contemporary dynamic Global Change
processes occurring throughout the country, which is currently transitioning from an
agrarian-dominated economy into a modern urbanized society. However, this resourcesdemanding growth has led to profound land use changes with adverse effects on the Yellow
River social-ecological systems, where complex challenges arise threatening a long-term
sustainable development.
Consistent and continuous remote sensing-based monitoring of recent and past land
cover and land use change is a fundamental requirement to mitigate the adverse impacts
of Global Change processes. Nowadays, technical advancement and the multitude of
available satellite sensors, in combination with the opening of data archives, allow the
creation of new research perspectives in regional land cover applications over heterogeneous landscapes at large spatial scales. Despite the urgent need to better understand the
prevailing dynamics and underlying factors influencing the current processes, detailed
regional specific land cover data and change information are surprisingly absent for this
region.
In view of the noted research gaps and contemporary developments, three major objectives are defined in this thesis. First (i), the current and most pressing social-ecological
challenges are elaborated and policy and management instruments towards more sustainability are discussed. Second (ii), this thesis provides new and improved insights on
the current land cover state and dynamics of the entire Yellow River Basin. Finally (iii),
the most dominant processes related to mining, agriculture, forest, and urban dynamics
are determined on finer spatial and temporal scales.
The complex and manifold problems and challenges that result from long-term abuse
of the water and land resources in the basin have been underpinned by policy choices,
cultural attitude, and institutions that have evolved over centuries in China. The tremendous economic growth that has been mainly achieved by extracting water and exploiting
land resources in a rigorous, but unsustainable manner, might not only offset the economic benefits, but could also foster social unrest. Since the early emergence of the first Chinese dynasties, flooding was considered historically as a primary issue in river management and major achievements have been made to tame the wild nature of the Yellow
River. Whereas flooding is therefore largely now under control, new environmental and
social problems have evolved, including soil and water pollution, ecological degradation,
biodiversity decline, and food security, all being further aggravated by anthropogenic
climate change. To resolve the contemporary and complex challenges, many individual
environmental laws and regulations have been enacted by various Chinese ministries.
However, these policies often pursue different, often contradictory goals, are too general
to tackle specific problems and are usually implemented by a strong top-down approach.
Recently, more flexible economic and market-based incentives (pricing, tradable permits,
investments) have been successfully adopted, which are specifically tailored to the respective needs, shifting now away from the pure command and regulating instruments.
One way towards a more holistic and integrated river basin management could be the
establishment of a common platform (e.g. a Geographical Information System) for data
handling and sharing, possibly operated by the Yellow River Basin Conservancy Commission (YRCC), where available spatial data, statistical information and in-situ measures
are coalesced, on which sustainable decision-making could be based. So far, the collected
data is hardly accessible, fragmented, inconsistent, or outdated.
The first step to address the absence and lack of consistent and spatially up-to-date
information for the entire basin capturing the heterogeneous landscape conditions was
taken up in this thesis. Land cover characteristics and dynamics were derived from
the last decade for the years 2003 and 2013, based on optical medium-resolution hightemporal MODIS Normalized Differenced Vegetation Index (NDVI) time series at 250 m.
To minimize the inherent influence of atmospheric and geometric interferences found in
raw high temporal data, the applied adaptive Savitzky-Golay filter successfully smoothed
the time series and substantially reduced noise. Based on the smoothed time series
data, a large variety of intra-annual phenology metrics as well as spectral and multispectral annual statistics were derived, which served as input variables for random
forest (RF) classifiers. High quality reference data sets were derived from very high
resolution imagery for each year independently of which 70 % trained the RF models. The
accuracy assessments for all regionally specific defined thematic classes were based on the
remaining 30 % reference data split and yielded overall accuracies of 87 % and 84 % for
2003 and 2013, respectively. The first regional adapted Yellow River Land Cover Products
(YRB LC) depict the detail spatial extent and distribution of the current land cover status
and dynamics. The novel products overall differentiate overall 18 land cover and use
classes, including classes of natural vegetation (terrestrial and aquatic), cultivated classes,
mosaic classes, non-vegetated, and artificial classes, which are not presented in previous
land cover studies so far.
Building on this, an extended multi-faceted land cover analysis on the most prominent
land cover change types at finer spatial and temporal scales provides a better and more
detailed picture of the Yellow River Basin dynamics. Precise spatio-temporal products
about mining, agriculture, forest, and urban areas were examined from long-trem Landsat
satellite time series monitored at annual scales to capture the rapid rate of change in four
selected focus regions. All archived Landsat images between 2000 and 2015 were used to
derive spatially continuous spectral-temporal, multi-spectral, and textural metrics. For
each thematic region and year RF models were built, trained and tested based on a stablepixels reference data set. The automated adaptive signature (AASG) algorithm identifies those pixels that did not change between the investigated time periods to generate a
mono-temporal reference stable-pixels data set to keep manual sampling requirements
to a minimum level. Derived results gained high accuracies ranging from 88 % to 98 %.
Throughout the basin, afforestation on the Central Loess Plateau and urban sprawl are
identified as most prominent drivers of land cover change, whereas agricultural land
remained stable, only showing local small-scale dynamics. Mining operations started in
2004 on the Qinghai-Tibet Plateau, which resulted in a substantial loss of pristine alpine
meadows and wetlands.
In this thesis, a novel and unique regional specific view of current and past land cover
characteristics in a complex and heterogeneous landscape was presented by using a
multi-source remote sensing approach. The delineated products hold great potential for
various model and management applications. They could serve as valuable components
for effective and sustainable land and water management to adapt and mitigate the
predicted consequences of Global Change processes.
N2  - Der Gelbe Fluss - in der Landessprache Huange He genannt - ist für die Ausprägung und Entwicklung der chinesischen Kultur von großer Bedeutung. Aufgrund der frühen Einflussnahme auf die natürlichen Ökosysteme in dieser Region durch
den Menschen, entwickelte sich dort eine ausgeprägte Interaktion zwischen Mensch und
Umwelt. Diese Wechselbeziehung hat sich infolge der gegenwärtigen rapiden sozioökonomischen Veränderungen in den letzten Jahrzehnten weiter intensiviert.
Das Einzugsgebiet des Gelben Flusses bildet die Lebensgrundlage für fast 190 Millionen
Menschen, die zum Großteil von natürlichen Ressourcen abhängig sind. Zudem gehört es
zu den wirtschaftlich bedeutendsten und am schnellsten wachsenden Regionen in ganz
China. Durch weitreichende Reformen wurde ein wirtschaftlicher Aufstieg forciert, um
den Agrarstaat China zu einem modernen Industrie- und Dienstleistungsstaat weiterzuentwickeln. Ein derartiges rasantes wie auch ressourcenintensives Wirtschaftswachstum
führte schließlich zu einem enormen Wandel in den Bereichen der Landbedeckung und
Landnutzung. Hinzu kamen neue und komplexere wirtschafts-, sozial- und umweltpolitische Herausforderungen, die bis heute eine langfristige und nachhaltige Entwicklung
der Region gefährden. Aus diesem Blickwinkel kann das Becken des Gelben Flusses
als regionales Spiegelbild der durch den Globalen Wandel bedingten, gegenwärtigen
Veränderungsprozesse in ganz China gelten.
Eine wichtige Voraussetzung für den adäquaten Umgang mit den Herausforderungen
des Globalen Wandels sind kontinuierliche Informationen über aktuelle sowie historische
Veränderungen von Landbedeckung und Landnutzung. Infolge der technologischen Entwicklung steht heute eine Vielfalt an Satellitenbildsystemen mit immer höherer zeitlicher
und räumlicher Auflösung zur Verfügung. In Verbindung mit kostenfreien und offenen
Datenzugriffen ist es möglich, daraus neue Forschungsperspektiven im Bereich der Landoberflächenkartierung - insbesondere für heterogene Landschaften - zu entwickeln. Zur
Generierung thematischer Karten werden häufig Klassifikationen entlang verschiedener
räumlicher und zeitlicher Skalen vollzogen. Daraus können zusätzlich die nötigen Informationen für lokale wie auch regionale Entscheidungsträger abgeleitet werden. Trotz
dieser neuen Möglichkeiten sind regionalspezifische Informationen, die einem besseren
Verständnis der Dynamiken von Landoberflächen im Bereich des Gelben-Fluss-Beckens
dienen, noch rar.
Dieses Forschungsdesiderat wurde im Rahmen dieser Arbeit aufgegriffen, wobei folgende
Schwerpunkte gesetzt werden: (i) Zunächst werden die vorherrschenden sozioökologischen Herausforderungen für das gesamte Einzugsgebiet des Gelben Flusses dargestellt
sowie verschiedene Management- sowie Politikmodelle für eine nachhaltigere Ressourcennutzung diskutiert. (ii) Darauf aufbauend wird die fernerkundliche Ableitung von Landbedeckungs- und Landnutzungsveränderungen der letzten Dekade im Gebiet des
gesamten Gelben Flusses flächendeckend durchgeführt und anschließend interpretiert.
(iii) Im letzten Schritt werden basierend auf den zuvor abgeleiteten Informationsprodukten die dominierenden Landoberflächendynamiken in höherer zeitlicher und räumlicher
Auflösung detailliert untersucht. Insbesondere die dynamischen Prozesse der Minenausbreitung, Landwirtschaft, Waldgebiete und der urbanen Räume rücken in den Fokus.
Aufgrund jahrzehntelanger Übernutzung der natürlichen Ressourcen im Gebiet des
Gelben Flusses in Verbindung mit politischen Entscheidungen, der vorherrschenden
kulturellen Prägung wie auch der Entwicklung der dort ansässigen Institutionen ist eine
vielschichtige Problematik entstanden, die für die gesamte Region eine große Herausforderung darstellt. Durch frühzeitige Maßnahmen der Flutbekämpfung und Flussregulierung
konnte den zahlreichen Überflutungen der Vergangenheit entgegengewirkt und das Risiko großflächiger Überschwemmungen minimiert werden. Trotz dieser Erfolge ergeben
sich laufend neue, komplexere Herausforderungen mit verheerenden Auswirkungen auf
Ökologie und Gesellschaft, wie zum Beispiel Boden- und Wasserdegradation, Entwaldung,
Rückgang der Artenvielfalt, Ernährungsunsicherheiten und ein steigendes soziales Ungleichgewicht. Durch den anthropogenen Klimawandel werden diese negativen Probleme
noch weiter verstärkt. Zwar wurden sie von der chinesischen Regierung als solche erkannt, dennoch scheiterten die Versuche, mit zahlreichen Gesetzen und Verordnungen
die genannten Folgen einzudämmen, an unkonkreten Formulierungen, so dass diese der
Komplexität der Herausforderungen nicht gerecht wurden. Die in jüngster Zeit verfolgten
modernen und deutlich flexibleren, marktorientierten Ansätze (z.B. Subventionen, Wasserzertifikate), die speziell an die lokalen Gegebenheiten angepasst wurden, zeigen bereits
Erfolge. Mit Hilfe einer gemeinsamen Daten- und Informationsplattform, beispielsweise
in Form eines Geographischen Informationssystems (GIS), wäre eine integrierte und
holistische Flussmanagementstrategie für den Gelben Fluss leichter realisierbar. Auf
diese Weise könnten alle verfügbaren statistischen-, räumlichen- und Feldaufnahmen
gespeichert, harmonisiert und geteilt und so die bisher noch unvollständigen und veralteten Daten laufend aktualisiert werden. Die Flussbehörde des Gelben Flusses (Yellow
River Conservancy Commission) böte sich an, ein solches System zu verwalten.
In dieser Arbeit wird die heterogene Landbedeckungsstruktur für das gesamte Einzugsgebiet des Gelben Flusses für die Jahre 2003 und 2013 erfasst und interpretiert. Die
fernerkundlichen Eingangsdaten für die einzelnen Klassifikationen bestehen aus optischen MODIS NDVI-Zeitserien, aus denen jährlich phänologische Parameter berechnet
werden. Da die Qualität optischer Satellitenbilder häufig durch Wolken und Schatten
beeinträchtigt ist, müssen die betroffenen Flächen maskiert und entfernt werden. Die so
entstandenen Lücken in der Zeitserie werden durch einen Filteralgorithmus (SavitskyGolay) aufgefüllt und geglättet. Die verwendeten RandomForest-Klassifikationsverfahren
ermöglichen die Ableitung von Landbedeckungen und -dynamiken. Diese neuen und räumlich detaillierten Produkte unterscheiden insgesamt 18 verschiedene Landbedeckungsund Landnutzungsklassen. Erstmals liefern diese eine regional spezifische Charakterisierung der vorherrschenden Landbedeckung im Gebiet des Gelben Flusses.
Darauf aufbauend erfolgt eine sowohl zeitlich als auch räumlich detailliertere Untersuchung der wichtigsten Veränderungen im Bereich der Landbedeckung, die auf dichten
Landsat-Zeitserien basiert. Jährliche Informationen über Dynamiken von Minenabbaugebieten, Landwirtschaft, Waldgebieten und urbanen Räumen zeigen präzise lokale Veränderungen im Einzugsgebiet des Gelben Flusses. Die daraus abgeleiteten Ergebnisse
lassen insbesondere auf dem Lössplateau die Auswirkungen ökologischer Restorationsmaßnahmen erkennen, bei denen degradierte Flächen in Waldsysteme umgewandelt
wurden. Auf dem Qinghai-Tibet-Plateau zeigt sich eine dramatische Ausbreitung von
Kohletagebau zu Lasten der besonders anfälligen alpinen Matten und Feuchtgebiete.
Auch der anhaltende Trend zur Urbanisierung spiegelt sich in den hier gewonnenen
Ergebnissen deutlich wider.
Durch die Kombination von Fernerkundungsdaten unterschiedlicher räumlicher und
zeitlicher Auflösungen liefert diese Arbeit neue und bisher einzigartige Einblicke in
historische und aktuelle Landbedeckungsdynamiken einer heterogenen Landschaft. Die
regionalen Analysen wie auch die thematischen Informationsprodukte besitzen somit
großes Potential zur Verbesserung der Informationsgrundlage. Die Ergebnisse dienen
außerdem als aussagekräftige Entscheidungsgrundlage mit dem Ziel eines angemessenen
und nachhaltigen Land- und Wassermanagements für die natürlichen Ökosysteme im
Becken des Gelben Flusses.
KW  - Fernerkundung
KW  - Remote Sensing
KW  - Geografie
KW  - Globaler Wandel
KW  - Global Change
KW  - River Basins
KW  - China
KW  - Time Series Analyses
KW  - Sustainability
Y1  - 2018
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-163724
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  - 
TY  - JOUR
A1  - Qamar, Muhammad Uzair
A1  - Azmat, Muhammad
A1  - Abbas, Azhar
A1  - Usman, Muhammad
A1  - Shahid, Muhammad Adnan
A1  - Khan, Zahid Mahmood
T1  - Water Pricing and Implementation Strategies for the Sustainability of an Irrigation System: A Case Study within the Command Area of the Rakh Branch Canal
JF  - Water
N2  - The command area of the Rakh branch canal grows wheat, sugarcane, and rice crops in abundance. The canal water, which is trivial for irrigating these crops, is conveyed to the farms through the network of canals and distributaries. For the maintenance of this vast infrastructure; the end users are charged on a seasonal basis. The present water charges are severely criticized for not being adequate to properly manage the entire infrastructure. We use the residual value to determine the value of the irrigation water and then based on the quantity of irrigation water supplied to farm land coupled with the infrastructure maintenance cost, full cost recovery figures are executed for the study area, and policy recommendations are made for the implementation of the full cost recovery system. The approach is unique in the sense that the pricings are based on the actual quantity of water conveyed to the field for irrigating crops. The results of our analysis showed that the canal water is severely under charged in the culturable command area of selected distributaries, thus negating the plan of having a self-sustainable irrigation system.
KW  - irrigation pricing
KW  - value of water
KW  - distributary
KW  - culturable command area
KW  - sustainable irrigation system
Y1  - 2018
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-224711
VL  - 10
IS  - 4, 509
ER  - 
TY  - JOUR
A1  - Hagg, Wilfried
A1  - Mayr, Elisabeth
A1  - Mannig, Birgit
A1  - Reyers, Mark
A1  - Schubert, David
A1  - Pinto, Joaquim G.
A1  - Peters, Juliane
A1  - Pieczonka, Tino
A1  - Juen, Martin
A1  - Bolch, Tobias
A1  - Paeth, Heiko
A1  - Mayer, Christoph
T1  - Future climate change and its impact on runoff generation from the debris-covered Inylchek glaciers, Central Tian Shan, Kyrgyzstan
JF  - Water
N2  - The heavily debris-covered Inylchek glaciers in the central Tian Shan are the largest glacier system in the Tarim catchment. It is assumed that almost 50% of the discharge of Tarim River are provided by glaciers. For this reason, climatic changes, and thus changes in glacier mass balance and glacier discharge are of high impact for the whole region. In this study, a conceptual hydrological model able to incorporate discharge from debris-covered glacier areas is presented. To simulate glacier melt and subsequent runoff in the past (1970/1971–1999/2000) and future (2070/2071–2099/2100), meteorological input data were generated based on ECHAM5/MPI-OM1 global climate model projections. The hydrological model HBV-LMU was calibrated by an automatic calibration algorithm using runoff and snow cover information as objective functions. Manual fine-tuning was performed to avoid unrealistic results for glacier mass balance. The simulations show that annual runoff sums will increase significantly under future climate conditions. A sensitivity analysis revealed that total runoff does not decrease until the glacier area is reduced by 43%. Ice melt is the major runoff source in the recent past, and its contribution will even increase in the coming decades. Seasonal changes reveal a trend towards enhanced melt in spring, but a change from a glacial-nival to a nival-pluvial runoff regime will not be reached until the end of this century.
KW  - glaciers
KW  - debris-covered glaciers
KW  - hydrological modelling
KW  - climate scenarios
KW  - Tian Shan
Y1  - 2018
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-197592
SN  - 2073-4441
VL  - 10
IS  - 11
ER  - 
TY  - JOUR
A1  - Usman, Muhammad
A1  - Reimann, Thomas
A1  - Liedl, Rudolf
A1  - Abbas, Azhar
A1  - Conrad, Christopher
A1  - Saleem, Shoaib
T1  - Inverse parametrization of a regional groundwater flow model with the aid of modelling and GIS: test and application of different approaches
JF  - ISPRS International Journal of Geo-Information
N2  - The use of inverse methods allow efficient model calibration. This study employs PEST to calibrate a large catchment scale transient flow model. Results are demonstrated by comparing manually calibrated approaches with the automated approach. An advanced Tikhonov regularization algorithm was employed for carrying out the automated pilot point (PP) method. The results indicate that automated PP is more flexible and robust as compared to other approaches. Different statistical indicators show that this method yields reliable calibration as values of coefficient of determination (R-2) range from 0.98 to 0.99, Nash Sutcliffe efficiency (ME) range from 0.964 to 0.976, and root mean square errors (RMSE) range from 1.68 m to 1.23 m, for manual and automated approaches, respectively. Validation results of automated PP show ME as 0.969 and RMSE as 1.31 m. The results of output sensitivity suggest that hydraulic conductivity is a more influential parameter. Considering the limitations of the current study, it is recommended to perform global sensitivity and linear uncertainty analysis for the better estimation of the modelling results.
KW  - pilot-point-approach
KW  - inverse parameterization
KW  - groundwater
KW  - sensitivity analysis
KW  - tikhonov regularization
KW  - PEST
Y1  - 2018
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-175721
VL  - 7
IS  - 1
ER  - 
TY  - JOUR
A1  - Remelgado, Ruben
A1  - Leutner, Benjamin
A1  - Safi, Kamran
A1  - Sonnenschein, Ruth
A1  - Kuebert, Carina
A1  - Wegmann, Martin
T1  - Linking animal movement and remote sensing - mapping resource suitability from a remote sensing perspective
JF  - Remote Sensing in Ecology and Conservation
N2  - Optical remote sensing is an important tool in the study of animal behavior providing ecologists with the means to understand species-environment interactions in combination with animal movement data. However, differences in spatial and temporal resolution between movement and remote sensing data limit their direct assimilation. In this context, we built a data-driven framework to map resource suitability that addresses these differences as well as the limitations of satellite imagery. It combines seasonal composites of multiyear surface reflectances and optimized presence and absence samples acquired with animal movement data within a cross-validation modeling scheme. Moreover, it responds to dynamic, site-specific environmental conditions making it applicable to contrasting landscapes. We tested this framework using five populations of White Storks (Ciconia ciconia) to model resource suitability related to foraging achieving accuracies from 0.40 to 0.94 for presences and 0.66 to 0.93 for absences. These results were influenced by the temporal composition of the seasonal reflectances indicated by the lower accuracies associated with higher day differences in relation to the target dates. Additionally, population differences in resource selection influenced our results marked by the negative relationship between the model accuracies and the variability of the surface reflectances associated with the presence samples. Our modeling approach spatially splits presences between training and validation. As a result, when these represent different and unique resources, we face a negative bias during validation. Despite these inaccuracies, our framework offers an important basis to analyze species-environment interactions. As it standardizes site-dependent behavioral and environmental characteristics, it can be used in the comparison of intra- and interspecies environmental requirements and improves the analysis of resource selection along migratory paths. Moreover, due to its sensitivity to differences in resource selection, our approach can contribute toward a better understanding of species requirements.
KW  - Landsat
KW  - movement ecology
KW  - optical remote sensing
KW  - resource mapping
KW  - resource suitability
KW  - surface reflectances
Y1  - 2018
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-225199
VL  - 4
IS  - 3
ER  -