TY  - THES
A1  - Dietz, Andreas
T1  - Central Asian Snow Cover Characteristics between 1986 and 2012 derived from Time Series of Medium Resolution Remote Sensing Data
T1  - Charakteristik der Schneebedeckung in Zentralasien zwischen 1986 und 2012 abgeleitet von Zeitreihen mittelaufgelöster Fernerkundungsdaten
N2  - The eminent importance of snow cover for climatic, hydrologic, anthropogenic, and economic reasons has been widely discussed in scientific literature. Up to 50% of the Northern Hemisphere is covered by snow at least temporarily, turning snow to the most prevalent land cover types at all. Depending on regular precipitation and temperatures below freezing point it is obvious that a changing climate effects snow cover characteristics fundamentally. Such changes can have severe impacts on local, national, and even global scale. The region of Central Asia is not an exception from this general rule, but are the consequences accompanying past, present, and possible future changes in snow cover parameters of particular importance. Being characterized by continental climate with hot and dry summers most precipitation accumulates during winter and spring months in the form of snow. The population in this 4,000,000 km² vast area is strongly depending on irrigation to facilitate agriculture. Additionally, electricity is often generated by hydroelectric power stations. A large proportion of the employed water originates from snow melt during spring months, implying that changes in snow cover characteristics will automatically affect both the total amount of obtainable water and the time when this water becomes available. The presented thesis explores the question how the spatial extent of snow covered surface has evolved since the year 1986. This investigation is based on the processing of medium resolution remote sensing data originating from daily MODIS and AVHRR sensors, thus forming a unique approach of snow cover analysis in terms of temporal and spatial resolution. Not only duration but also onset and melt of snow coverage are tracked over time, analyzing for systematic changes within this 26 years lasting time span. AVHRR data are processed from raw Level 1B orbit data to Level 3 thematic snow cover products. Both, AVHRR and MODIS snow maps undergo a further post-processing, producing daily full-area mosaics while completely eliminating inherent cloud cover. Snow cover parameters are derived based on these daily and cloud-free time series, allowing for a detailed analysis of current status and changes. The results confirm the predictions made by coarse resolution predictions from climate models: Central Asian snow cover is changing, posing new challenges for the ecosystem and future water supply. The changes, however, are not aimed at only one direction. Regions with decreasing snow cover exist as well as those where the duration of snow cover increases. A shift towards earlier snow cover start and melt can be observed, posing a serious challenge to water management authorities due to a changed runoff regime.
N2  - Die Bedeutung von Schneebedeckung hinsichtlich klimatischer, hydrologischer, anthropogener und ökonomischer Gesichtspunkte wurde in der wissenschaftlichen Literatur bereits umfassend diskutiert. Bis zu 50% der Nördlichen Hemisphäre sind zeitweise schneebedeckt. Abhängig von Niederschlag und Temperaturen unter dem Gefrierpunkt beeinflussen Veränderungen des Klimas zwangsläufig die Charakteristik der Schneeverteilung. Solche Veränderungen können weitreichende Folgen auf lokalem, nationalem und sogar globalem Maßstab haben. Zentralasien stellt in diesem Zusammenhang keine Ausnahme dar, denn die Konsequenzen vergangener, aktueller und möglicher zukünftiger Schneebedeckungsveränderungen sind hier besonders gravierend: Wegen des kontinentalen Klimas und den damit verbundenen trocken-heißen Sommern fällt der Hauptteil des verfügbaren Niederschlages in den Winter- und Frühlingsmonaten in Form von Schnee. Die Bevölkerung in der etwa 4.000.000 km² großen Region ist in besonderem Maße von Bewässerungslandwirtschaft abhängig. Darüber hinaus wird ein Großteil der Elektrizität durch Wasserkraftwerke erzeugt. Das für diese Zwecke verwendete Wasser generiert sich hauptsächlich durch Schneeschmelze im Frühling. Veränderungen im Schneehaushalt haben unmittelbare Auswirkungen auf die Menge des zur Verfügung stehenden Wassers sowie den Zeitpunkt, zu dem dieses frei wird. Die vorgestellte Arbeit wird der Frage nachgehen, wie sich die räumliche Ausdehnung schneebedeckter Flächen seit dem Jahr 1986 entwickelt hat. Diese Untersuchung basiert auf der Analyse mittelaufgelöster Fernerkundungsdaten der Sensoren MODIS und AVHRR, die mit der verbundenen zeitlichen und räumlichen Auflösung einen einmaligen Ansatz darstellen. Nicht nur die Schneebedeckungsdauer, sondern auch Beginn und Ende der Schneesaison werden über die Zeit hinweg verfolgt, um systematische Veränderungen innerhalb der 26 Jahre andauernden Zeitreihe analysieren zu können. Rohe AVHRR Daten werden in thematische Produkte überführt, die dann zusammen mit den MODIS Schneeprodukten prozessiert werden um tägliche, wolkenfreie Mosaike der kompletten Region zu erzeugen. Die Ergebnisse bestätigen Vorhersagen grob aufgelöster Klimamodelle: Die Schneebedeckung in Zentralasien verändert sich und stellt damit die Ökosysteme und Wasserplanungsbehörden vor neue Herausforderungen. Die Änderungen sind jedoch nicht ausschließlich negativ: Regionen mit reduzierte verringerter Schneebedeckung existieren neben solchen, in denen die Bedeckung zunimmt. Eine generelle Verschiebung der Schneebedeckung hin zu früherem Beginn und früherem Ende der Saison kann ebenfalls beobachtet werden. Gerade diese Verschiebung stellt die Behörden und Wasserplaner vor deutliche Herausforderungen, da mit diesen Verschiebungen auch eine Änderung des zugrundeliegenden Abflussregimes einhergeht.
N2  - Значение снежного покрова с климатической, гидрологической, антропогенной и экономической точки зрения в научной литературе широко обсуждалось. До 50% северное полушарие временами покрытa снегом. Поэтому снег являетса, по крайней мере временно самым распространенным покрытием земли. В замисимости от осадков и температур ниже градуса звмерзения, изменения климата воздействуют на характеристику распределения снега. Такие изменения могут иметь далеко идущие последствия местного, регионального и дaже глобального масштаба. Центральная Азия в данном моменте не являетса исключенная, потому что последствия прошлых, настояших, и возможных будушщих изменений покрова снега значительны серьезные: из-за континентального климата и связанного с этим сухого жаркого лета, основная часть осадков падает на зимние и весенние месяцы в виде снега. Жители этого примерно 4.000.000 км² региона, в большой степени зависят от оросительной системы. Кроме того, большая часть электричества производится с помощью электростанций. Использумая для этого вода образуется от тайния снега весной. Изменение количества  снега оказывает непосредственное влияние на каличество готовой для использования воды и на время её образования. 
Представленная работа рассматривает вопрос как развивалось пространственное расширение снежного покрова площадей с 1986 года. Эти иследования базироваться на процессиворании данных сеисоров MODIS и AVHRR которые представляют связанные временем и пространством показыват беспримерную методику. Не только время снежного покрова, но и начало и конец снежного сезана наблюдались в течение продолжительного времене, чтобы анализировать систематические изменения произошедшие  в течение 26 лет. Результаты подтверждают предсказание модель климата с низким разрешением: снежный покров Центральной Азии изменяетса и ставит экологическую систему и управление водных планирования перед новыми задачами. Однако изменения направленн не только в одну сторону: регионы с уменьшением снежного покрова существовать рядом с такими, в которых величена снежного покрова увеличивается. Всеобщим сдвиг снежного покрова в сторону раннего начала и раннего окончания сезона так же наблюдается. Как раз эти сдвиги ставят а власти и хозяйства вода планирования перед сложные задачи, так как с этими сдвигами связаны и изменения в системе сточных вод.
KW  - Zentralasien
KW  - Satellitenfernerkundung
KW  - Schnee
KW  - Snow cover
KW  - MODIS
KW  - AVHRR
KW  - snow cover duration
KW  - Remote sensing of snow
KW  - Gletscherschwankung
KW  - Geschichte 1986 - 2012
Y1  - 2013
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-101221
ER  - 
TY  - THES
A1  - Cord, Anna
T1  - Potential of multi-temporal remote sensing data for modeling tree species distributions and species richness in Mexico
T1  - Eignung multi-temporaler Fernerkundungsdaten für die Modellierung von Artverbreitungsgebieten und Diversität von Baumarten in Mexiko
N2  - Current changes of biodiversity result almost exclusively from human activities. This anthropogenic conversion of natural ecosystems during the last decades has led to the so-called ‘biodiversity crisis’, which comprises the loss of species as well as changes in the global distribution patterns of organisms. Species richness is unevenly distributed worldwide. Altogether, 17 so-called ‘megadiverse’ nations cover less than 10% of the earth’s land surface but support nearly 70% of global species richness. Mexico, the study area of this thesis, is one of those countries. However, due to Mexico’s large extent and geographical complexity, it is impossible to conduct reliable and spatially explicit assessments of species distribution ranges based on these collection data and field work alone. In the last two decades, Species distribution models (SDMs) have been established as important tools for extrapolating such in situ observations. SDMs analyze empirical correlations between geo-referenced species occurrence data and environmental variables to obtain spatially explicit surfaces indicating the probability of species occurrence. Remote sensing can provide such variables which describe biophysical land surface characteristics with high effective spatial resolutions. Especially during the last three to five years, the number of studies making use of remote sensing data for modeling species distributions has therefore multiplied. Due to the novelty of this field of research, the published literature consists mostly of selective case studies. A systematic framework for modeling species distributions by means of remote sensing is still missing. This research gap was taken up by this thesis and specific studies were designed which addressed the combination of climate and remote sensing data in SDMs, the suitability of continuous remote sensing variables in comparison with categorical land cover classification data, the criteria for selecting appropriate remote sensing data depending on species characteristics, and the effects of inter-annual variability in remotely sensed time series on the performance of species distribution models. The corresponding novel analyses were conducted with the Maximum Entropy algorithm developed by Phillips et al. (2004). In this thesis, a more comprehensive set of remote sensing predictors than in the existing literature was utilized for species distribution modeling. The products were selected based on their ecological relevance for characterizing species distributions. Two 1 km Terra-MODIS Land 16-day composite standard products including the Enhanced Vegetation Index (EVI), Reflectance Data, and Land Surface Temperature (LST) were assembled into enhanced time series for the time period of 2001 to 2009. These high-dimensional time series data were then transformed into 18 phenological and 35 statistical metrics that were selected based on an extensive literature review. Spatial distributions of twelve tree species were modeled in a hierarchical framework which integrated climate (WorldClim) and MODIS remote sensing data. The species are representative of the major Mexican forest types and cover a variety of ecological traits, such as range size and biotope specificity. Trees were selected because they have a high probability of detection in the field and since mapping vegetation has a long tradition in remote sensing. The result of this thesis showed that the integration of remote sensing data into species distribution models has a significant potential for improving and both spatial detail and accuracy of the model predictions.
N2  - Sämtliche aktuell zu beobachtenden Veränderungen in der Biodiversität lassen sich fast ausschließlich auf menschliche Aktivitäten zurückführen. In den letzten Jahrzehnten hat insbesondere die anthropogene Umwandlung bisher unberührter, natürlicher Ökosysteme zur sogenannten ‚Biodiversitätskrise‘ geführt. Diese umfasst nicht nur das Aussterben von Arten, sondern auch räumliche Verschiebungen in deren Verbreitungsgebieten. Global gesehen ist der Artenreichtum ungleich verteilt. Nur insgesamt 17 sogenannte ‚megadiverse‘ Länder, welche 10% der globalen Landoberfläche umfassen, beherbergen fast 70% der weltweiten Artenvielfalt. Mexiko, das Studiengebiet dieser Arbeit, ist eine dieser außerordentlich artenreichen Nationen. Aufgrund seiner großen Ausdehnung und geographischen Komplexität kann eine verlässliche und detaillierte räumliche Erfassung von Artverbreitungsgebieten in Mexiko jedoch nicht nur auf Basis dieser Datenbanken sowie von Feldarbeiten erfolgen. In den letzten beiden Jahrzehnten haben sich Artverbreitungsmodelle (Species distribution models, SDMs) als wichtige Werkzeuge für die räumliche Interpolation solcher in situ Beobachtungen in der Ökologie etabliert. Artverbreitungsmodelle umfassen die Analyse empirischer Zusammenhänge zwischen georeferenzierten Fundpunkten einer Art und Umweltvariablen mit dem Ziel, räumlich kontinuierliche Vorhersagen zur Wahrscheinlichkeit des Vorkommens der jeweiligen Art zu treffen. Mittels Fernerkundung können Umweltvariablen mit Bezug zu den biophysikalischen Eigenschaften der Landoberfläche in hohen effektiven räumlichen Auflösungen bereitgestellt werden. Insbesondere in den letzten drei bis fünf Jahren ist daher die Verwendung von Fernerkundungsdaten in der Artverbreitungsmodellierung sprunghaft angestiegen. Da es sich hierbei jedoch immer noch um ein sehr neues Forschungsfeld handelt, stellen diese meist nur Einzelstudien mit Beispielcharakter dar. Eine systematische Untersuchung zur Modellierung von Artverbreitungsgebieten mit Hilfe von Fernerkundungsdaten fehlt bisher. Diese Forschungslücke wurde in der vorliegenden Arbeit aufgegriffen. Hierzu wurden spezifische Untersuchungen durchgeführt, welche insbesondere folgende Aspekte betrachteten: die sinnvolle Verknüpfung von Klima- und Fernerkundungsdaten im Rahmen von Artverbreitungsmodellen, den quantitativen Vergleich von kontinuierlichen Fernerkundungsdaten und einer bestehenden kategorialen Landbedeckungsklassifikation, die Identifizierung von Kriterien zur Auswahl geeigneter Fernerkundungsprodukte, welche die Eigenschaften der Studienarten berücksichtigen, sowie der Einfluss inter-annueller Variabilität in fernerkundlichen Zeitreihen auf die Ergebnisse und Leistungsfähigkeit von Artverbreitungsmodellen. Die entsprechenden neuen Analysen wurden mit Hilfe des von Phillips et al. (2004) entwickelten Maximum Entropy Algorithmus zur Artverbreitungsmodellierung durchgeführt. Im Rahmen dieser Arbeit wurde ein umfangreicherer Datensatz an Fernerkundungsvariablen als in der bisherigen Literatur verwendet. Die entsprechenden Fernerkundungsprodukte wurden spezifisch aufgrund ihrer Eignung für die Beschreibung ökologisch relevanter Parameter, die sich auf die Verbreitungsgebiete von Arten auswirken, ausgewählt. Für den Zeitraum von 2001 bis 2009 wurden zwei Terra-MODIS Standardprodukte mit 1 km räumlicher und 16-tägiger zeitlicher Auflösung zu geglätteten, kontinuierlichen Zeitreihen zusammengefügt. Diese Produkte beinhalten den verbesserten Vegetationsindex (Enhanced Vegetation Index, EVI), Reflexionsgrade und die Landoberflächentemperatur (Land Surface Temperature, LST). Diese hochdimensionalen Zeitreihendaten wurden in insgesamt 18 phänologische sowie 35 statistische Maßzahlen überführt, welche auf der Basis einer umfassenden Sichtung der vorhandenen Literatur zusammengestellt wurden. Die Verbreitungsgebiete von zwölf Baumarten wurden mit Hilfe eines hierarchisch aufgebauten Ansatzes, welcher sowohl Klimadaten (WorldClim) als auch Fernerkundungsdaten des MODIS-Sensors berücksichtigt, modelliert. Die Studienarten sind repräsentativ für die in Mexiko vorkommenden Waldtypen und decken eine breite Spannweite ökologischer Eigenschaften wie Größe des Verbreitungsgebietes und Breite der ökologischen Nische ab. Als Studienobjekte wurden Bäume ausgewählt, weil sie im Feld mit hoher Wahrscheinlichkeit richtig erfasst werden und außerdem die fernerkundungsbasierte Kartierung von Vegetation bereits auf eine Vielzahl an Studien zurückgreifen kann. Durch die im Rahmen dieser Dissertation durchgeführten Untersuchungen konnte gezeigt werden, dass die Integration von Fernerkundungsdaten in Artverbreitungsmodelle ein signifikantes Potential zur Verbesserung der räumlichen Detailgenauigkeit und der Güte der Modellvorhersagen bietet.
KW  - Fernerkundung
KW  - Biodiversität
KW  - Landnutzung
KW  - Zeitreihenanalyse
KW  - Mexiko
KW  - Artverbreitungsmodellierung
KW  - Maximum Entropy Algorithmus
KW  - MODIS
KW  - Modellierung
KW  - Remote sensing
KW  - Species distribution modeling
KW  - Maximum Entropy algorithm
KW  - MODIS
KW  - Mexico
Y1  - 2012
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-71021
ER  - 
TY  - THES
A1  - Noellie Ahou RUETH, geb. YAO
T1  - Mapping Bushfire Distribution and Burn Severity in West Africa Using Remote Sensing Observations
T1  - Satellitengestützte Kartierung der Verteilung von Buschfeuern und ihrer Auswirkung auf die Vegetation in Westafrika
N2  - Fire has long been considered to be the main ecological factor explaining the origin and maintenance of West African savannas. It has a very high occurrence in these savannas due to high human pressure caused by strong demographic growth and, concomitantly, is used to transform natural savannas into farmland and is also used as a provider of energy. This study was carried out with the support of the BIOTA project funded by the German ministry for Research and Education. The objective of this study is to establish the spatial and temporal distribution of bushfires during a long observation period from 2000 to 2009 as well as to assess fire impact on vegetation through mapping of the burn severity; based on remote sensing and field data collections. Remote sensing was used for this study because of the advantages that it offers in collecting data for long time periods and on different scales. In this case, the Moderate Resolution Imaging Spectroradiometer (MODIS) satellite instrument at 1km resolution is used to assess active fires, and understand the seasonality of fire, its occurrence and its frequency within the vegetation types on a regional scale. Landsat ETM+ imagery at 30 m and field data collections were used to define the characteristics of burn severity related to the biomass loss on a local scale. At a regional scale, the occurrence of fires and rainfall per month correlated very well (R2 = 0.951, r = -0.878, P < 0.01), which shows that the lower the amount of rainfall, the higher the fire occurrence and vice versa. In the dry season, four fire seasons were determined on a regional scale, namely very early fires, which announce the beginning of the fires, early and late fires making up the peak of fire in December/January and very late fires showing the end of the fire season and the beginning of the rainy season. Considerable fire activity was shown to take place in the vegetation zones between the Forest and the Sahel areas. Within these zones, parts of the Sudano-Guinean and the Guinean zones showed a high pixel frequency, i.e. fires occurred in the same place in many years. This high pixel frequency was also found in most protected areas in these zones. As to the kinds of land cover affected by fire, the highest fire occurrence is observed within the Deciduous woodlands and Deciduous shrublands. Concerning the burn severity, which was observed at a local scale, field data correlated closely with the ΔNBR derived from Landsat scenes of Pendjari National Park (R2 = 0.76). The correlation coefficient according to Pearson is r = 0.84 and according to Spearman-Rho, the correlation coefficient is r = 0.86. Very low and low burn severity (with ΔNBR value from 0 to 0.40) affected the vegetation weakly (0-35 percent of biomass loss) whereas moderate and high burn severity greatly affected the vegetation, leading to up to 100 percent of biomass loss, with the ΔNBR value ranging from 0.41 to 0.99. It can be seen from these results that remotely sensed images offer a tool to determine the fire distribution over large regions in savannas and that the Normalised Burn Ratio index can be applied to West Africa savannas. The outcomes of this thesis will hopefully contribute to understanding and, eventually, improving fire regimes in West Africa and their response to climate change and changes in vegetation diversity.
N2  - Feuer ist ein wichtiger ökologischer Faktor für die Biokomplexität und den Fortbestand der westafrikanischen Savannen. Feuer kommt in westafrikanischen Savannen - insbesondere wegen des hohen Bevölkerungsdrucks infolge des starken Bevölkerungswachstums – immer häufiger vor. Es wird sowohl zur Umwandlung natürlicher Savannen in landwirtschaftliche Flächen als auch als Energielieferant verwendet. Diese Studie wurde mit der Unterstützung des BIOTA-Projekts durchgeführt, das vom Bundesministerium für Bildung und Forschung, BMBF, gefördert wird. Ziel dieser Dissertation ist die Bestimmung der räumlichen und zeitlichen Verteilung von Buschfeuern während eines langen Beobachtungszeitraumes (2000-2009) sowie die Kartierung von Brandschäden zum Verständnis der Auswirkung von Feuer auf die lokale Vegetationsstruktur. Fernerkundungs- sowie Felddaten werden in dieser Arbeit verwertet. Fernerkundungsdaten wurden für diese Studie verwendet, da sie größere Flächen abdecken und die Daten über längere Zeiträume in verschiedenen Maßstäben zur Verfügung stehen. Daten des Moderate Resolution Imaging Spectroradiometer (MODIS)-Satelliten mit einer Auflösung von 1 km wurden verwendet, um in regelmäßigen Abständen aktive Feuer zu kartieren und die saisonale Verteilung von Feuern, ihr Vorkommen und ihre Häufigkeit nach Vegetationstyp zu bestimmen. Mit Landsat ETM+ Satellitendaten (Auflösung von 30 Metern) und Felddaten wurden auf einem lokalen Maßstab Brandschadensklassen definiert. Mittels der Biomasse-Felddaten wurde dann der Biomasse-Verlust abgeschätzt. Die Feuerhäufigkeit, mittels Satellitendaten ermittelt, und der Niederschlag pro Monat zeigen eine sehr gute Korrelation (R2 = 0.951, r = -0.878, P < 0.01). Daraus lässt sich schließen, dass Feuer bevorzugt in den Monaten vorkommen, in denen es wenig Niederschlag gibt und umgekehrt. Auf regionaler Ebene wurden innerhalb der Trockenzeit vier Feuer-Perioden identifiziert; ‚sehr frühe Feuer’, die am Anfang der Feuersaison entstehen, ‚frühe bis späte Feuer’, die den Höhepunkt der Feueraktivität im Dezember/Januar bilden, und ‚sehr späte Feuer’ am Ende der Feuersaison bis zum Beginn der Regenzeit. Es zeigte sich, dass eine beträchtliche Feueraktivität in den Vegetationszonen zwischen dem Regenwald und der Sahelzone vorherrscht. Besonders wiesen Teile der ‚Sudan-Guinea’- und der ‚Guinea’-Savanne eine hohe Feuerpixel-Frequenz auf, d.h. hier traten Feuer in vielen Jahren am selben Ort auf. Diese hohe Pixelfrequenz wurde auch in den meisten Schutzgebieten in diesen Savannen-Gebieten gefunden. Was die Landbedeckung betrifft, so ergaben die Ergebnisse, dass das höchste Feueraufkommen in den laubabwerfenden Waldgebieten und im laubabwerfenden Buschland vorkam. Die Brandschäden, bzw. der Einwirkungsgrad, wurden im lokalen Maßstab untersucht. Hier korrelierten die Felddaten zur Brandeinwirkung signifikant mit den sogenannten ΔNBR-Index-Werten, die von Landsat-Aufnahmen des Pendjari-Nationalparks hergeleitet wurden (R2 = 0,76). Der Korrelationskoeffizient nach Pearson ist r = 0,84, und nach Spearman-Rho ist der Koeffizient r = 0,86. Bei sehr niedrigen Brandschäden (mit ΔNBR-Werten zwischen 0 und 0,40) war die Vegetation schwach beeinträchtigt (0-35 % Biomasseverlust), während die Vegetation bei mäßigen und hohen Brandschäden sehr beeinträchtigt war und bis zu 100 % der Biomasse verbrannt war; hier lag der ΔNBR zwischen 0,41 und 0,99. Diese Ergebnisse zeigen, dass durch Satellitenbilder die Verteilung von Feuern über größere Flächen in der afrikanischen Savanne effektiv bestimmt werden kann, und dass der Normalized Burn Ratio-Index auf Westafrika zur Berechnung von Brandschadens-Klassen anwendbar ist. Die Ergebnisse liefern einen entscheidenden Beitrag zum Verständnis von Feuer-Ausprägungen in Westafrika, um letztlich den Einsatz von Feuer, auch im Hinblick auf den Klimawandel und die Veränderungen in der Vegetationsdiversität, verbessern zu können.
KW  - Westafrika
KW  - Fernerkundung
KW  - Feuerökologie
KW  - Vegetation
KW  - Kartierung
KW  - Nationalparks
KW  - Landsat ETM+
KW  - burn severity
KW  - MODIS
KW  - remote sensing
KW  - fire ecology
KW  - fire mapping
KW  - national parks
KW  - vegetation
Y1  - 2010
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-54244
ER  - 
TY  - THES
A1  - Colditz, Rene Roland
T1  - Time Series Generation and Classification of MODIS Data for Land Cover Mapping
T1  - Zeitreihengenerierung und Klassifikation von MODIS Daten zur Landbedeckungsklassifikation
N2  - Processes of the Earth’s surface occur at different scales of time and intensity. Climate in particular determines the activity and seasonal development of vegetation. These dynamics are predominantly driven by temperature in the humid mid-latitudes and by the availability of water in semi-arid regions. Human activities are a modifying parameter for many ecosystems and can become the prime force in well-developed regions with an intensively managed environment. Accounting for these dynamics, i.e. seasonal dynamics of ecosystems and short- to long-term changes in land-cover composition, requires multiple measurements in time. With respect to the characterization of the Earth surface and its transformation due to global warming and human-induced global change, there is a need for appropriate data and methods to determine the activity of vegetation and the change of land cover. Space-borne remote sensing is capable of monitoring the activity and development of vegetation as well as changes of the land surface. In many instances, satellite images are the only means to comprehensively assess the surface characteristics of large areas. A high temporal frequency of image acquisition, forming a time series of satellite data, can be employed for mapping the development of vegetation in space and time. Time series allow for detecting and assessing changes and multi-year transformation processes of high and low intensity, or even abrupt events such as fire and flooding. The operational processing of satellite data and automated information-extraction techniques are the basis for consistent and continuous long-term product generation. This provides the potential for directly using remote-sensing data and products for analyzing the land surface in relation to global warming and global change, including deforestation and land transformation. This study aims at the development of an advanced approach to time-series generation using data-quality indicators. A second goal focuses on the application of time series for automated land-cover classification and update, using fractional cover estimates to accommodate for the comparatively coarse spatial resolution. Requirements of this study are the robustness and high accuracy of the approaches as well as the full transferability to other regions and datasets. In this respect, the developments of this study form a methodological framework, which can be filled with appropriate modules for a specific sensor and application. In order to attain the first goal, time-series compilation, a stand-alone software application called TiSeG (Time Series Generator) has been developed. TiSeG evaluates the pixel-level quality indicators provided with each MODIS land product. It computes two important data-availability indicators, the number of invalid pixels and the maximum gap length. Both indices are visualized in time and space, indicating the feasibility of temporal interpolation. The level of desired data quality can be modified spatially and temporally to account for distinct environments in a larger study area and for seasonal differences. Pixels regarded as invalid are either masked or interpolated with spatial or temporal techniques.
N2  - Prozesse an der Erdoberfläche finden auf verschiedenen Intensitätsskalen und in unterschiedlichen Zeiträumen statt. Dabei steuert das Klima die saisonale Aktivität der Vegetation, welche in den humiden Mittelbreiten hauptsächlich durch die Temperatur bestimmt wird. In semi-ariden Gebieten hingegen ist die Verfügbarkeit von Wasser als Haupteinflussfaktor für das Pflanzenwachstum zu betrachten. Andererseits greift auch der Mensch modifizierend in das Ökosystem ein. Dies gilt insbesondere für die stark besiedelten und intensiver genutzten Räume der Erde, in denen die Umwelt nahezu ausschließlich durch den Menschen gesteuert wird. Zur Beurteilung dieser Dynamiken, sowohl der natürlichen saisonalen Muster als auch der kurz- bis langfristigen Änderungen der Landschaft, ist die Aufnahme einer Vielzahl von Messungen über eine längere Periode erforderlich. Insbesondere im Zusammenhang mit der Charakterisierung der Landoberfläche und deren Veränderung im Rahmen der Erderwärmung aber auch des wachsenden Einflusses des Menschen auf die Umwelt besteht somit ein Bedarf an geeigneten Daten und Methoden zur Bestimmung der jährlichen Aktivität von Vegetationseinheiten und der wiederholbaren Kartierung der Landoberfläche. Die Satellitenfernerkundung ist in der Lage, durch Messung von Strahlung die Aktivität der Vegetation zu bestimmen sowie die Klassifikation der Landoberfläche abzuleiten. In vielen Fällen sind Satellitenaufnahmen die einzige Möglichkeit, große Flächen der Erde umfassend und einheitlich zu beurteilen. Dabei kann durch eine Vielzahl aufeinander folgender Aufnahmen, d.h. eine Zeitreihe aus Satellitendaten, die Entwicklung der Vegetation in Raum und Zeit beobachtet werden. Zeitreihen bieten das Potential, Veränderungen der Landoberfläche über mehrere Jahre zu dokumentieren und somit Prozesse sowohl hoher als auch niedriger Intensität abzuleiten. Neben diesen gerichteten Veränderungen können auch plötzliche Ereignisse, wie z.B. Hochwasser oder Brände, mit Zeitreihen erfasst und in Bezug auf normale Bedingungen ausgewertet werden. Insbesondere die operationelle Prozessierung der Satellitendaten und die automatisierte Ableitung von Informationen bilden die Basis für konsistente und kontinuierliche Produkte über längere Zeiträume. Somit besteht das Potential, die Ergebnisse direkt in die Erforschung der Landoberfläche und deren Veränderung, z.B. durch die Erderwärmung, Walddegradation, oder die Nutzung vormals natürlicher Flächen, einzubinden. Diese Dissertation befasst sich mit der Entwicklung von Methoden zur Zeitreihengenerierung unter Verwendung der Qualitätsindikatoren einzelner Aufnahmen. Ein zweites Ziel der Arbeit ist die Anwendung der optimierten Zeitreihen zur automatisierten und reproduzierbaren Kartierung der Landoberfläche, wobei unscharfe Klassifikationsverfahren zur genaueren Charakterisierung der räumlich nur grob aufgelösten Daten eingesetzt werden. Damit erfordert diese Arbeit sowohl Robustheit der eingesetzten Methoden als auch eine hohe Genauigkeit der Ergebnisse. Ebenso maßgeblich ist die Übertragbarkeit der Verfahren, einerseits auf verschiedene Regionen als auch auf verschiedene Datensätze. Daher sind die hier vorgenommenen Entwicklungen als ein Rahmen zu verstehen, der je nach Sensor oder Anwendung mit verschiedenen Modulen besetzt werden kann. Zum Erreichen des ersten Zieles, der Zeitreihengenerierung, wurde das eigenständige Softwareprodukt TiSeG (Time Series Generator) entwickelt. TiSeG dient der Auswertung der Qualitätsindikatoren die mit jedem MODIS-Produkt für terrestrische Applikationen zur Verfügung gestellt werden. Dabei werden in Bezug auf die Generierung von Zeitreihen zwei Indizes der Datenverfügbarkeit ermittelt: erstens die Anzahl der ungültigen Pixel und zweitens die längste zeitliche Datenlücke. Beide Indizes werden räumlich und zeitlich dargestellt und geben so dem Bearbeiter die Information, ob mit den aktuellen Qualitätsangaben die Generierung einer sinnvollen Zeitreihe durch zeitliche Dateninterpolation möglich ist. Die Qualitätseinstellungen können sowohl zeitlich als auch räumlich angepasst werden. Eine zeitliche Änderung kann beispielsweise für bestimmte Jahreszeiten sinnvoll sein. Räumlich unterschiedliche Qualitätseinstellungen eignen sich für größere Untersuchungsgebiete mit differenzierten physisch-geographischen Charakteristika. Als ungültig betrachtete Pixel können durch einen Fehlwert maskiert oder durch zeitliche und räumliche Interpolation neu errechnet werden. Das zweite Ziel dieser Arbeit ist die automatische Klassifikation von Zeitreihen. Hierzu wurde ein modulares Verfahren der überwachten Klassifikation entwickelt. Aufgrund der groben räumlichen Auflösung von MODIS-Daten erschien es besonders wichtig, ein unscharfes Verfahren aufzubauen, das die Heterogenität der Klassen in vielen Räumen besser abbilden kann. Dabei wurde der Klassenanteil eines jeden Pixel ermittelt. Die Schlüsselmodule zur erfolgreichen Durchführung der Klassifikation waren eine Multiskalenanalyse und die geeignete Auswahl von Merkmalen und Stichproben zum Trainieren des Klassifikators. Der eigentliche Klassifikationsschritt wurde durch eine Erweiterung des Entscheidungsbaumklassifikators durchgeführt. Diese Erweiterung kann in den bestehenden Rahmen von „random forest“ und „bagging“ (ein Akronym für „bootstrap aggregation“) eingeordnet werden. Jedoch wurden die dort angewendeten Verfahren in dieser Arbeit zu einem deutlich strategischen Vorgehen modifiziert, d.h. es wurde auf das Prinzip der Zufallsauswahl und der Wiederverwendung von Stichproben (Ziehen mit Zurücklegen) verzichtet. In Bezug auf die anfangs geschilderten Anforderungen, Robustheit, Genauigkeit und Übertragbarkeit, kann an dieser Stelle festgestellt werden, dass sich die in dieser Arbeit entwickelten Methodiken als geeignet erwiesen haben. Insbesondere die Übertragbarkeit auf andere Regionen und Daten war eine große Herausforderung, da hierdurch kein zusätzliches a priori Wissen außer den Trainingsdaten zum überwachten Klassifizieren benutzt werden konnte. Die regionale Übertragbarkeit ist für mehrere Untersuchungsräume mit sehr unterschiedlichen physisch-geographischen Eigenschaften demonstriert worden. Obwohl TiSeG derzeit nicht direkt auf andere Datensätze außer MODIS angewendet wird, bildet die zugrunde liegende Idee der Auswertung von Qualitätsdaten zur Zeitreihengenerierung sowie der entwickelte Rahmen der Software die Möglichkeit der Erweiterung, z.B. auf Daten von MERIS und auf das zukünftige VIIRS-Instrument. Des Weiteren ist das grundlegende Konzept der Qualitätsauswertung in einem separaten Prozessor für AVHRR NDVI Daten zu einem vollautomatischen, schrittweise interpolierenden Verfahren erweitert worden. Das in dieser Arbeit vorgestellte modulare Klassifikationsverfahren erfordert keine besonderen Eingangsdaten, wie z.B. bestimmte MODIS Zeitreihen. Dies wurde durch den Gebrauch unterschiedlicher Eingangsdaten zur Generierung der Maßzahlen bei der Sensitivitätsanalyse bestätigt. Damit ist der Prozess weder auf MODIS-Zeitserien noch auf Zeitreihen generell beschränkt. Der gesamte automatische Klassifikationsprozess ist datengesteuert, sowohl was die zu klassifizierenden Daten als auch die Trainingsdaten angeht. Die Unschärfe in den Ergebnissen ermöglicht die detaillierte Auswertung der Klassenzusammensetzung, was ein besonders wichtiger Aspekt bei grob aufgelösten Datenprodukten und deren Anpassungsfähigkeit auf andere Anwendungen ist.
KW  - Zeitreihe
KW  - Automatische Klassifikation
KW  - Klassifikations- und Regressionsbaum
KW  - Fernerkundung
KW  - Time Series
KW  - Automated Classification
KW  - Land Cover Mapping
KW  - MODIS
Y1  - 2007
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-25908
ER  -