@phdthesis{Babu2021,
  author    = {Babu, Dinesh Kumar},
  title     = {Efficient Data Fusion Approaches for Remote Sensing Time Series Generation},
  doi       = {10.25972/OPUS-25180},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-251808},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2021},
  abstract  = {Fernerkundungszeitreihen beschreiben die Erfassung von zeitlich gleichm{\"a}ßig verteilten Fernerkundungsdaten in einem festgelegten Zeitraum entweder global oder f{\"u}r ein vordefiniertes Gebiet. F{\"u}r die {\"U}berwachung der Landwirtschaft, die Erkennung von Ver{\"a}nderungen der Ph{\"a}nologie oder f{\"u}r das Umwelt-Monitoring werden nahezu t{\"a}gliche Daten mit hoher r{\"a}umlicher Aufl{\"o}sung ben{\"o}tigt. Bei vielen verschiedenen fernerkundlichen Anwendungen h{\"a}ngt die Genauigkeit von der dichte und der Verl{\"a}sslichkeit der fernerkundlichen Datenreihe ab. Die verschiedenen Fernerkundungssatellitenkonstellationen sind immer noch nicht in der Lage, fast t{\"a}glich oder t{\"a}glich Bilder mit hoher r{\"a}umlicher Aufl{\"o}sung zu liefern, um die Bed{\"u}rfnisse der oben erw{\"a}hnten Fernerkundungsanwendungen zu erf{\"u}llen. Einschr{\"a}nkungen bei den Sensoren, hohe Entwicklungskosten, hohe Betriebskosten der Satelliten und das Vorhandensein von Wolken, die die Sicht auf das Beobachtungsgebiet blockieren, sind einige der Gr{\"u}nde, die es sehr schwierig machen, fast t{\"a}gliche oder t{\"a}gliche optische Fernerkundungsdaten mit hoher r{\"a}umlicher Aufl{\"o}sung zu erhalten. Mit Entwicklungen bei den optischen Sensorsystemen und gut geplanten Fernerkundungssatellitenkonstellationen kann dieser Zustand verbessert werden, doch ist dies mit Kosten verbunden. Selbst dann wird das Problem nicht vollst{\"a}ndig gel{\"o}st sein, so dass der wachsende Bedarf an zeitlich und r{\"a}umlich hochaufl{\"o}senden Daten nicht vollst{\"a}ndig gedeckt werden kann. Da der Datenerfassungsprozess sich auf Satelliten st{\"u}tzt, die physische Systeme sind, k{\"o}nnen diese aus verschiedenen Gr{\"u}nden unvorhersehbar ausfallen und einen vollst{\"a}ndigen Verlust der Beobachtung f{\"u}r einen bestimmten Zeitraum verursachen, wodurch eine L{\"u}cke in der Zeitreihe entsteht. Um den langfristigen Trend der ph{\"a}nologischen Ver{\"a}nderungen aufgrund der sich schnell {\"a}ndernden Umweltbedingungen zu beobachten, sind die Fernerkundungsdaten aus der gegenw{\"a}rtig nicht ausreichend. Hierzu werden auch Daten aus der Vergangenheit ben{\"o}tigt. Eine bessere Alternativl{\"o}sung f{\"u}r dieses Problem kann die Erstellung von Fernerkundungszeitreihen durch die Fusion von Daten mehrerer Fernerkundungssatelliten mit unterschiedlichen r{\"a}umlichen und zeitlichen Aufl{\"o}sungen sein. Dieser Ansatz soll effektiv und effizient sein. Bei dieser Methode kann ein zeitlich und r{\"a}umlich hoch aufgel{\"o}stes Bild von einem Satelliten, wie Sentinel-2 mit einem zeitlich und r{\"a}umlich niedrig aufgel{\"o}sten Bild von einem Satelliten, wie Sentinel-3 fusioniert werden, um synthetische Daten mit hoher zeitlicher und r{\"a}umlicher Aufl{\"o}sung zu erzeugen. Die Erzeugung von Fernerkundungszeitreihen durch Datenfusionsmethoden kann sowohl auf die gegenw{\"a}rtig erfassten Satellitenbilder als auch auf die in der Vergangenheit von den Satelliten aufgenommenen Bilder angewandt werden. Dies wird die dringend ben{\"o}tigten zeitlich und r{\"a}umlich hochaufl{\"o}senden Bilder f{\"u}r Fernerkundungsanwendungen liefern. Dieser vereinfachte Ansatz ist kosteneffektiv und bietet den Forschern die M{\"o}glichkeit, aus der begrenzten Datenquelle, die ihnen zur Verf{\"u}gung steht, die f{\"u}r ihre Anwendung ben{\"o}tigten Daten selbst zu generieren. Ein effizienter Datenfusionsansatz in Kombination mit einer gut geplanten Satellitenkonstellation kann ein L{\"o}sungsansatz sein, um eine nahezu t{\"a}gliche Zeitreihen von Fernerkundungsdaten l{\"u}ckenlos gew{\"a}hrleistet. Ziel dieser Forschungsarbeit ist die Entwicklung eines effizienten Datenfusionsansatzes, um dichte Fernerkundungszeitreihen zu erhalten.},
  language  = {en}
}
@phdthesis{Colditz2007,
  author    = {Colditz, Rene Roland},
  title     = {Time Series Generation and Classification of MODIS Data for Land Cover Mapping},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-25908},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2007},
  abstract  = {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.},
  subject      = {Zeitreihe},
  language  = {en}
}