Refine
Has Fulltext
- yes (15)
Is part of the Bibliography
- yes (15)
Year of publication
Document Type
- Journal article (12)
- Working Paper (2)
- Doctoral Thesis (1)
Keywords
- Central Asia (3)
- MODIS (3)
- Information System (2)
- Remote Sensing (2)
- Uzbekistan (2)
- WebGIS (2)
- West Africa (2)
- climate change (2)
- AVHRR (1)
- AVHRR data (1)
Institute
WUEMoCA — научный инструмент веб-кар¬тографирования для мониторинга эф¬фек¬тивности земле- и водопользования на территориях орошаемого земледелия стран трансграничного бассейна Араль¬ского моря (Казахстана, Кыргызстана, Таджикистана, Туркменистана, Узбеки¬стана и Афганистана). Путём интеграции спутниковых данных по землепользованию, растениеводству и потреблению воды с гидрологическими и экономическими данными создаётся целый набор показателей. Инструмент полезен для выработки масштабных решений в вопросах распределения воды и землепользования, а также может применяться во многих практических сферах, в которых требуются независимые данные о конкретных обширных территориях.
WUEMoCA is an operational scientific webmapping tool for the regional monitoring of land and water use efficiency in the irrigated croplands of the transboundary Aral Sea Basin that is shared by Kazakhstan, Kyrgyzstan, Tajikistan, Turkmenistan, Uzbekistan, and Afghanistan. Satellite data on land use, crop pro-duction and water consumption is integrated with hydrological and economic information to provide of a set indicators. The tool is useful for large-scale decisions on water distribution or land use, and may be seen as demonstrator for numerous applications in practice, that require independent area-wide spatial information.
The overarching goal of this research was to explore accurate methods of mapping irrigated crops, where digital cadastre information is unavailable: (a) Boundary separation by object-oriented image segmentation using very high spatial resolution (2.5–5 m) data was followed by (b) identification of crops and crop rotations by means of phenology, tasselled cap, and rule-based classification using high resolution (15–30 m) bi-temporal data. The extensive irrigated cotton production system of the Khorezm province in Uzbekistan, Central Asia, was selected as a study region. Image segmentation was carried out on pan-sharpened SPOT data. Varying combinations of segmentation parameters (shape, compactness, and color) were tested for optimized boundary separation. The resulting geometry was validated against polygons digitized from the data and cadastre maps, analysing similarity (size, shape) and congruence. The parameters shape and compactness were decisive for segmentation accuracy. Differences between crop phenologies were analyzed at field level using bi-temporal ASTER data. A rule set based on the tasselled cap indices greenness and brightness allowed for classifying crop rotations of cotton, winter-wheat and rice, resulting in an overall accuracy of 80 %. The proposed field-based crop classification method can be an important tool for use in water demand estimations, crop yield simulations, or economic models in agricultural systems similar to Khorezm.
Die Bewässerungslandwirtschaft in Mittelasien ist geprägt von schwerwiegenden ökologischen und ökonomischen Problemen. Zur Verbesserung der Situation auf dem hydrologischen Sektor wird daher seitens der mittelasiatischen Interstate Commission for Water Coordination (ICWC) die Einführung des Integrated Water Resource Management (IWRM) gefordert. Wichtige Herausforderungen zur Optimierung der Wassernutzung im Aralsee-Becken sind dabei die Schaffung von Transparenz sowie von Möglichkeiten zur Überwachung der Landnutzung und der Wasserentnahme in den Bewässerungssystemen. Im Detail fokussierte diese Arbeit auf das Bewässerungssystem der Region Khorezm im Unterlauf des Amu Darya südlich des Aralsees. Die Arbeit zielte darauf ab, (1) objektive und konsistente Datengrundlagen zum Monitoring der Landnutzung und des Wasserverbrauchs innerhalb des Bewässerungslandes zu schaffen und (2) auf Basis dieser Ergebnisse die Funktionsweise des Bewässerungssystems zu verstehen sowie die Land- und Wassernutzung der Region zu bewerten. Um diese Ziele zu erreichen, wurden Methoden der Fernerkundung und der Hydrologie miteinander kombiniert. Fernerkundliche Schlüsselgrößen der Arbeit waren die Kartierung der agrarischen Landnutzung und die Modellierung der saisonalen tatsächlichen Evapotranspiration. Es wurde eine Methode vorgestellt, die eine Unterscheidung verschiedener Landnutzungen und Fruchtfolgen der Region durch die temporale Segmentierung von Zeitserien aus 8-tägigen Kompositen von 250 m-Daten des MODIS-Sensors ermöglicht. Durch die mehrfache Anwendung von Recursive Partitioning And Regression Trees auf deskriptive Statistiken von Zeitseriensegmenten konnte eine hohe Stabilität erzielt werden (overall accuracy: 91 %, Kappa-Koeffizient: 0,9). Täglich von MODIS aufgezeichnete Landoberflächentemperaturen (LST) bildeten die Basis zur fernerkundungsbasierten Modellierung der saisonalen tatsächlichen Evapotranspiration (ETact) für die sommerliche Vegetationsperiode. Aufgrund der hohen zeitlichen und groben räumlichen Auflösung der verwendeten MODIS-Daten von 1 km waren leichte Modifikationen des zur Modellierung eingesetzten Surface Energy Balance Algortihm for Land (SEBAL) erforderlich. Zur Modellierung von ETact wurden MODIS-Produkte (LST, Emissionsgrad, Albedo, NDVI und Blattflächenindex) und meteorologische Stationsdaten aus Khorezm verwendet. Die Modellierung des fühlbaren Wärmeflusses, einer Komponente der Energiebilanzgleichung an der Erdoberfläche, erfolgte mittels METRIC (High Resolution and Internalized Calibration), einer Variante des SEBAL. Die Landnutzungsklassifikation fungierte als zentraler Eingangsparameter, um eine automatisierte Auswahl der Ankerpunkte des Models sicherzustellen. Da innerhalb der MODIS-Auflösung aufgrund der Mischpixelproblematik keine homogen feuchten oder trockenen Bedingungen im Bewässerungsgebiet gefunden werden konnten, wurden die Landnutzungsklassifikation, der NDVI und die ASCE-Referenz-Evapotranspiration zur Abschätzung des tatsächlichen Zustands an den Ankerpunkten herangezogen. Weiterhin wurden umfassende Geländemessungen durchgeführt, um in der Vegetationsperiode 2005 die Zu- und Abflussmengen des Wasser von und nach Khorezm zu bestimmen. Die abschließende Bewertung der Land- und Wassernutzung basierte letztendlich auf der Bildung von Wasserbilanzen und der Berechnung anerkannter Performanceindikatoren wie der Ratio aus Drainage und Wasserentnahme oder der depleted fraction. Für die landwirtschaftliche Nutzung im Rayon Khorezm wurde für die Sommersaison 2005 eine Wasserentnahme von 5,38 km3 ermittelt. Damit übertrafen die Messergebnisse die offiziell verfügbaren Daten der ICWC um durchschnittlich 37 %. Auf die landwirtschaftliche Fläche bezogen ergab sich für Khorezm im Jahr 2005 eine mittlere Wasserentnahme von 22.782 m3/ha. In den Subsystemen schwankten diese Werte zwischen 17.000 m3/ha und 30.000 m3/ha. Allerdings konnte an den Systemgrenzen, an denen die Messungen durchgeführt werden, der aus den fernerkundungsbasierten Modellierungen auf WUA-Level erwartete abnehmende Gradient der Wasserentnahme zwischen Oberlauf und Unterlauf nicht nachvollzogen werden. Als Ursache für diese Diskrepanz sind vor allem die Versickerungsverluste im Kanalsystem zu nennen, die den Grundwasserkörper großräumig auffüllen und auf Feldebene nicht zur oberflächlichen Bewässerung zur Verfügung stehen. Monatliche Bilanzierungen und die Analyse der Performanceindikatoren führten zu denselben Ergebnissen. In dieser Arbeit konnte gezeigt werden, dass sich mit Methoden der Fernerkundung objektive und konsistente Daten der agrarischen Landnutzung und des Wasserverbrauchs für ein regionales Monitoring erstellen lassen. Da in den benachbarten Regionen gleiche atmosphärische Bedingungen und ähnliche Anbausorten anzutreffen sind, ist anzunehmen, dass beide Verfahren auch auf der Planungsebene in einem IWRM für die übrigen Mittel- und Unterläufe von Amu Darya und Syr Darya ein hohes Anwendungspotenzial besitzen.
The worldwide demand for food has been increasing due to the rapidly growing global population, and agricultural lands have increased in extent to produce more food crops. The pattern of cropland varies among different regions depending on the traditional knowledge of farmers and availability of uncultivated land. Satellite images can be used to map cropland in open areas but have limitations for detecting undergrowth inside forests. Classification results are often biased and need to be supplemented with field observations. Undercover cropland inside forests in the Bale Mountains of Ethiopia was assessed using field observed percentage cover of land use/land cover classes, and topographic and location parameters. The most influential factors were identified using Boosted Regression Trees and used to map undercover cropland area. Elevation, slope, easterly aspect, distance to settlements, and distance to national park were found to be the most influential factors determining undercover cropland area. When there is very high demand for growing food crops, constrained under restricted rights for clearing forest, cultivation could take place within forests as an undercover. Further research on the impact of undercover cropland on ecosystem services and challenges in sustainable management is thus essential.