This work was written as a cumulative doctoral thesis based on reviewed publications. Climate projections are mainly based on the results of numeric simulations from global or regional climate models. Up to now processes between atmosphere and land surface are only rudimentarily known. This causes one of the major uncertainties in existing models. In order to reduce parameterisation uncertainties and to find a reasonable description of sub grid heterogeneities, the determination and evaluation of parameterisation schemes for modelling require as many datasets from different spatial scales as possible. This work contributes to this topic by implying different datasets from different platforms. Its objective was to analyse the spatial heterogeneity of land surface parameters and energy flux densities obtained from both satellite observations with different spatial and temporal resolutions and in-situ measurements. The investigations were carried out for two target areas in Germany. First, satellite data for the years 2002 and 2003 were analysed and validated from the LITFASS-area (Lindenberg Inhomogeneous Terrain - Fluxes between Atmosphere and Surface: a longterm Study). Second, the data from the experimental field sites of the FLUXNET cluster around Tharandt from the years 2006 and 2007 were used to determine the NDVI (Normalised Difference Vegetation Index for identifying vegetated areas and their "condition"). The core of the study was the determination of land surface characteristics and hence radiant and energy flux densities (net radiation, soil heat flux, sensible and latent heat flux) using the three optical satellite sensors ETM+ (Enhanced Thematic Mapper), MODIS (Moderate Resolution Imaging Spektroradiometer) and AVHRR 3 (Advanced Very High Resolution Radiometer) with different spatial (30 m – 1 km) and temporal (1 day – 16 days) resolution. Different sensor characteristics and different data sets for land use classifications can both lead to deviations of the resultant energy fluxes between the sensors. Thus, sensor differences were quantified, sensor adaptation methods were implemented and a quality analysis for land use classifications was performed. The result is then a single parameterisation scheme that allows for the determination of the energy fluxes from all three different sensors. The main focus was the derivation of the latent heat flux (L.E) using the Penman-Monteith (P-M) approach. Satellite data provide measurements of spectral reflectance and surface temperatures. The P-M approach requires further surface parameters not offered by satellite data. These parameters include the NDVI, Leaf Area Index (LAI), wind speed, relative humidity, vegetation height and roughness length, for example. They were derived indirectly from the given satellite- or in-situ measurements. If no data were available so called default values from literature were taken. The quality of these parameters strongly influenced the exactness of the radiant- and energy fluxes. Sensitivity studies showed that NDVI is one of the most important parameters for determination of evaporation. In contrast it could be shown, that the parameters as vegetation height and measurement height have only minor influence on L.E, which justifies the use of default values for these parameters. Due to the key role of NDVI a field study was carried out investigating the spatial variability and sensitivity of NDVI above five different land use types (winter wheat, corn, grass, beech and spruce). Methods to determine this parameter not only from space (spectral), but also from in-situ tower measurements (broadband) and spectrometer data (spectral) were compared. The best agreement between the methods was found for winter wheat and grass measurements in 2006. For these land use types the results differed by less than 10 % and 15 %, respectively. Larger differences were obtained for the forest measurements. The correlation between the daily MODIS-NDVI data and the in-situ NDVI inferred from the spectrometer and the broadband measurements were r=0.67 and r=0.51, respectively. Subsequently, spatial variability of land surface parameters and fluxes were analysed. The several spatial resolutions of the satellite sensors can be used to describe subscale heterogeneity from one scale to the other and to study the effects of spatial averaging. Therefore land use dependent parameters and fluxes were investigated to find typical distribution patterns of land surface properties and energy fluxes. Implying the distribution patterns found here for albedo and NDVI from ETM+ data in models has high potential to calculate representative energy flux distributions on a coarser scale. The distribution patterns were expressed as probability density functions (PDFs). First results of applying PDFs of albedo, NDVI, relative humidity, and wind speed to the L.E computation are encouraging, and they show the high potential of this method. Summing up, the method of satellite based surface parameter- and energy flux determination has been shown to work reliably on different temporal and spatial scales. The data are useful for detailed analyses of spatial variability of a landscape and for the description of sub grid heterogeneity, as it is needed in model applications. Their usability as input parameters for modelling on different scales is the second important result of this work. The derived vegetation parameters, e.g. LAI and plant cover, possess realistic values and were used as model input for the Lokalmodell of the German Weather Service. This significantly improved the model results for L.E. Additionally, thermal parameter fields, e.g. surface temperature from ETM+ with 30 m spatial resolution, were used as input for SVAT-modelling (Soil-Vegetation-Atmosphere-Transfer scheme). Thus, more realistic L.E results were obtained, providing highly resolved areal information. / Die vorliegende Arbeit wurde auf der Grundlage begutachteter Publikationen als kumulative Dissertation verfasst. Klimaprognosen basieren im Allgemeinen auf den Ergebnissen numerischer Simulationen mit globalen oder regionalen Klimamodellen. Eine der entscheidenden Unsicherheiten bestehender Modelle liegt in dem noch unzureichenden Verständnis von Wechselwirkungsprozessen zwischen der Atmosphäre und Landoberflächen und dem daraus folgenden Fehlen entsprechender Parametrisierungen. Um das Problem einer unsicheren Modell-Parametrisierung aufzugreifen und zum Beispiel subskalige Heterogenität in einer Art und Weise zu beschreiben, dass sie für Modelle nutzbar wird, werden für die Bestimmung und Evaluierung von Modell-Parametrisierungsansätzen so viele Datensätze wie möglich benötigt. Die Arbeit trägt zu diesem Thema durch die Verwendung verschiedener Datensätze unterschiedlicher Plattformen bei. Ziel der Studie war es, aus Satellitendaten verschiedener räumlicher und zeitlicher Auflösung sowie aus in-situ Daten die räumliche Heterogenität von Landoberflächenparametern und Energieflussdichten zu bestimmen. Die Untersuchungen wurden für zwei Zielgebiete in Deutschland durchgeführt. Für das LITFASS-Gebiet (Lindenberg Inhomogeneous Terrain - Fluxes between Atmosphere and Surface: a longterm Study) wurden Satellitendaten der Jahre 2002 und 2003 untersucht und validiert. Zusätzlich wurde im Rahmen dieser Arbeit eine NDVI-Studie (Normalisierter Differenzen Vegetations Index: Maß zur Detektierung von Vegetationflächen, deren Vitalität und Dichte) auf den Testflächen des FLUXNET Clusters um Tharandt in den Jahren 2006 und 2007 realisiert. Die Grundlage der Arbeit bildete die Bestimmung von Landoberflächeneigenschaften und daraus resultierenden Energieflüssen, auf Basis dreier optischer Sensoren (ETM+ (Enhanced Thematic Mapper), MODIS (Moderate Resolution Imaging Spectroradiometer) und AVHRR 3 (Advanced Very High Resolution Radiometer)) mit unterschiedlichen räumlichen (30 m – 1 km) und zeitlichen (1 – 16 Tage) Auflösungen. Unterschiedliche Sensorcharakteristiken, sowie die Verwendung verschiedener, zum Teil ungenauer Datensätze zur Landnutzungsklassifikation führen zu Abweichungen in den Ergebnissen der einzelnen Sensoren. Durch die Quantifizierung der Sensorunterschiede, die Anpassung der Ergebnisse der Sensoren aneinander und eine Qualitätsanalyse von verschiedenen Landnutzungsklassifikationen, wurde eine Basis für eine vergleichbare Parametrisierung der Oberflächenparameter und damit auch für die daraus berechneten Energieflüsse geschaffen. Der Schwerpunkt lag dabei auf der Bestimmung des latenten Wärmestromes (L.E) mit Hilfe des Penman-Monteith Ansatzes (P-M). Satellitendaten liefern Messwerte der spektralen Reflexion und der Oberflächentemperatur. Die P-M Gleichung erfordert weitere Oberflächenparameter wie zum Beispiel den NDVI, den Blattflächenindex (LAI), die Windgeschwindigkeit, die relative Luftfeuchte, die Vegetationshöhe oder die Rauhigkeitslänge, die jedoch aus den Satellitendaten nicht bestimmt werden können. Sie müssen indirekt aus den oben genannten Messgrößen der Satelliten oder aus in-situ Messungen abgeleitet werden. Stehen auch aus diesen Quellen keine Daten zur Verfügung, können sogenannte Standard- (Default-) Werte aus der Literatur verwendet werden. Die Qualität dieser Parameter hat einen großen Einfluss auf die Bestimmung der Strahlungs- und Energieflüsse. Sensitivitätsstudien im Rahmen der Arbeit zeigen die Bedeutung des NDVI als einen der wichtigsten Parameter in der Verdunstungsbestimmung nach P-M. Im Gegensatz dazu wurde deutlich, dass z. B. die Vegetationshöhe und die Messhöhe einen relativ kleinen Einfluss auf L.E haben, so dass für diese Parameter die Verwendung von Standardwerten gerechtfertigt ist. Aufgrund der Schlüsselrolle, welche der NDVI in der Bestimmung der Verdunstung einnimmt, wurden im Rahmen einer Feldstudie Untersuchungen des NDVI über fünf verschiedenen Landnutzungstypen (Winterweizen, Mais, Gras, Buche und Fichte) hinsichtlich seiner räumlichen Variabilität und Sensitivität, unternommen. Dabei wurden verschiedene Bestimmungsmethoden getestet, in welchen der NDVI nicht nur aus Satellitendaten (spektral), sondern auch aus in-situ Turmmessungen (breitbandig) und Spekrometermessungen (spektral) ermittelt wird. Die besten Übereinstimmungen der Ergebnisse wurden dabei für Winterweizen und Gras für das Jahr 2006 gefunden. Für diese Landnutzungstypen betrugen die Maximaldifferenzen aus den drei Methoden jeweils 10 beziehungsweise 15 %. Deutlichere Differenzen ließen sich für die Forstflächen verzeichnen. Die Korrelation zwischen Satelliten- und Spektrometermessung betrug r=0.67. Für Satelliten- und Turmmessungen ergab sich ein Wert von r=0.5. Basierend auf den beschriebenen Vorarbeiten wurde die räumliche Variabilität von Landoberflächenparametern und Flüssen untersucht. Die unterschiedlichen räumlichen Auflösungen der Satelliten können genutzt werden, um zum einen die subskalige Heterogenität zu beschreiben, aber auch, um den Effekt räumlicher Mittelungsverfahren zu testen. Dafür wurden Parameter und Energieflüsse in Abhängigkeit der Landnutzungsklasse untersucht, um typische Verteilungsmuster dieser Größen zu finden. Die Verwendung der Verteilungsmuster (in Form von Wahrscheinlichkeitsdichteverteilungen – PDFs), die für die Albedo und den NDVI aus ETM+ Daten gefunden wurden, bietet ein hohes Potential als Modellinput, um repräsentative PDFs der Energieflüsse auf gröberen Skalen zu erhalten. Die ersten Ergebnisse in der Verwendung der PDFs von Albedo, NDVI, relativer Luftfeuchtigkeit und Windgeschwindigkeit für die Bestimmung von L.E waren sehr ermutigend und zeigten das hohe Potential der Methode. Zusammenfassend lässt sich feststellen, dass die Methode der Ableitung von Oberflächenparametern und Energieflüssen aus Satellitendaten zuverlässige Daten auf verschiedenen zeitlichen und räumlichen Skalen liefert. Die Daten sind für eine detaillierte Analyse der räumlichen Variabilität der Landschaft und für die Beschreibung der subskaligen Heterogenität, wie sie oft in Modellanwendungen benötigt wird, geeignet. Ihre Nutzbarkeit als Inputparameter in Modellen auf verschiedenen Skalen ist das zweite wichtige Ergebnis der Arbeit. Aus Satellitendaten abgeleitete Vegetationsparameter wie der LAI oder die Pflanzenbedeckung liefern realistische Ergebnisse, die zum Beispiel als Modellinput in das Lokalmodell des Deutschen Wetterdienstes implementiert werden konnten und die Modellergebnisse von L.E signifikant verbessert haben. Aber auch thermale Parameter, wie beispielsweise die Oberflächentemperatur aus ETM+ Daten in 30 m Auflösung, wurden als Eingabeparameter eines Soil-Vegetation-Atmosphere-Transfer-Modells (SVAT) verwendet. Dadurch erhält man realistischere Ergebnisse für L.E, die hochaufgelöste Flächeninformationen bieten.

The value of remote sensing data is particularly evident where an areal monitoring is needed to provide information on the earth's surface development. The use of temporal high resolution time series data allows for detecting short-term changes. In Kogi State in Nigeria different vegetation types can be found. As the major population in this region is living in rural communities with crop farming the existing vegetation is slowly being altered. The expansion of agricultural land causes loss of natural vegetation, especially in the regions close to the rivers which are suitable for crop production. With regard to these facts, two questions can be dealt with covering different aspects of the development of vegetation in the Kogi state, the determination and evaluation of the general development of the vegetation in the study area (trend estimation) and analyses on a short-term behavior of vegetation conditions, which can provide information about seasonal effects in vegetation development. For this purpose, the GIMMS-NDVI data set, provided by the NOAA, provides information on the normalized difference vegetation index (NDVI) in a geometric resolution of approx. 8 km. The temporal resolution of 15 days allows the already described analyses. For the presented analysis data for the period 1981-2012 (31 years) were used. The implemented work flow mainly applies methods of time series analysis. The results show that in addition to the classical seasonal development, artefacts of different vegetation periods (several NDVI maxima) can be found in the data. The trend component of the time series shows a consistently positive development in the entire study area considering the full investigation period of 31 years. However, the results also show that this development has not been continuous and a simple linear modeling of the NDVI increase is only possible to a limited extent. For this reason, the trend modeling was extended by procedures for detecting structural breaks in the time series.

Egypt witnesses an increasing population growth concomitant with limited water and agricultural land resources. The objectives of this study were to utilize remotely sensed data for the inventory of agricultural lands in the Nile Delta, monitoring spatial and temporal variations in agricultural lands and quantifying agricultural land losses due to urbanization. Inventory of agricultural lands was designed using two approaches: thresholding and linear mixture analysis. We utilized 12 images from the Landsat satellite: 4 from Multi-Spectral Scanner (1972), 4 from Thematic Mapper (1984) and 4 from Thematic Mapper (2003) covering the entire Nile Delta. In addition, a set of 480 NDVI images were obtained from the Advanced Very High Resolution Radiometer (AVHRR) sensor that cover the period 1984-2003. Landsat images were subjected to atmospheric, radiometric and geometric corrections as well as image mosaicking. Normalized Difference Vegetation Index (NDVI) was applied and thresholding for agricultural land cover revealed that the areal extent of agricultural lands was 3.68, 4.32 and 4.95 million acres (one acre = 0.96 Egyptian Feddan) in 1972, 1984 and 2003, respectively. Linear mixture analysis of the AVHRR-NDVI with the TM-NDVI images showed that agricultural lands approached 4.11 and 5.24 million acres in 1984 and 2003, respectively. Using multitemporal Principal Component Analysis (PCA) for the TM and AVHRR images proved that reclamation activities were mostly along the western margins of the Nile Delta. Spatio-temporal analysis showed that middle delta has the highest agricultural vigor compared with the margins. Agricultural land loss was estimated in some cities within the delta as well as in Greater Cairo area. We studied the land cover classification and change in Greater Cairo area based on 5 Landsat images acquired in 1972, 1984, 1990, 1998 and 2003. Agricultural lands lost 28.43% (32,236 acres) between 1972 and 2003 with an annual loss of 1040 acres. Agricultural lands on the peripheries of Cairo and its satellite towns were the most vulnerable areas. Soil salinization was another limiting factor for land reclamation. The main conclusion confirms that remote sensing is an accurate, efficient and less expensive tool for the inventory and monitoring agricultural land change in Egypt.

Approved for public release, distribution is unlimited / This thesis assesses the performance of the Naval Postgraduate School Aerosol Optical Depth (NPS AOD) model utilizing very high spatial resolution QuickBird (QB) satellite data. QuickBird derived AOD results are compared to other satellite and ground based AOD results, specifically, AErosol RObotic NETwork (AERONET), MODerate resolution Imaging Spectroradiometer (MODIS), Multi-angle Imaging SpectroRadiometer (MISR), and Advanced Very High Resolution Radiometer (AVHRR). Data is collected around Sir Bu Nuair Island, United Arab Emirates in September 2004 as part of the UAE2 Campaign. Satellite measured radiances are calibrated and due to spatial resolution differences between sensors, modal radiances are calculated for areas matching the highest resolution sensor. The AOD model is based on AVHRR wavelengths; hence, the modal satellite measured radiances are linearly extrapolated to the effective wavelengths of AVHRR. Results show application of the NPS AOD model to QuickBird data yields findings that are consistent with other satellite and ground based retrievals. In general, the NPS AOD model works well for nadir and near-nadir view angles, but not for high zenith angles. / Lieutenant Commander, United States Navy

Land and vegetation changes are part of the continuous and dynamic cycle of earth system variation. This research examines vegetation changes in the 21-county eco-region along coastal Georgia. The Advanced Very High Resolution Radiometer (AVHRR) with Normalized Difference Vegetation Index (NDVI) data is used in tandem with a Principal Component Analysis (PCA) and climatic variables to determine where, and to what extent vegetation and land cover change is occurring. This research is designed around a 16 year time-series from 1990-2005. Findings were that mean NDVI values were either steady or slightly improved, and that PC1 (Healthiness) and PC2 (Time-Change) explained nearly 99 percent of the total mean variance. Healthiness declines are primarily the result of expanding urban districts and decreased soil moisture while increases are the results of restoration, and increased soil moisture. This research aims to use this analysis for the assessment of land changes as the conduit for future environmental research.

Orientador: Hilton Silveira Pinto / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-06T03:42:16Z (GMT). No. of bitstreams: 1 Almeida_CarlosAlbertoSoaresde_D.pdf: 685356 bytes, checksum: 3eb22116a96bd0f7b5643e5620f19c26 (MD5) Previous issue date: 2001 / Resumo: Foram utilizadas séries de imagens diurnas e noturnas captadas pelos sensores AVHRR a bordo do satélite NOAA-14 para a obtenção dos valores finais de temperatura de superfície do dossel vegetativo. O processamento das imagens incluiu o geo-referenciamento e as correções quanto aos efeitos atmosféricos e de emissividade, para as quais se utilizou o método de correção split window. A equação de split window usada considerou o parâmetro de emissividade da superfície cultivada estimada diretamente no campo pelo método da caixa. Este método foi comparado a um método alternativo de estimativa de emissividade no campo baseado na proporção de cobertura vegetal e solo descoberto. Os dois métodos apresentaram resultados equivalentes quanto à estimativa de emissividade da superfície. A alta correlação entre a temperatura de superfície medida no campo e a obtida a partir das imagens indicou que as equações de split window usadas corrigiram satisfatoriamente as imagens quanto aos efeitos atmosféricos e de emissividade / Abstract: Diurnal and nocturnal image series have been used in this work. These images were processed on suitable software to the treatment of NOAA-AVHRR products, for Surface temperature final value obtaining. The processing work includes both the images geo-referencing and their atmospheric correction applying the "split window method". The split window equation used takes into account the crop surface emissivity parameter, estimated directly on the field by the "box method". This one was compared to an alternative emissivity estimate on the field method, which is based on the crop covering/bared soil relation. Both methods when compared presented similar results. A terrestrial radiometer was used to the surface temperature measurements carried out in situ, during the satellite passes. The correct surface temperature satellite data were submitted to a regression analysis against the terrestrial data about the same parameter. High association level between surface temperature measured at the field and the near air temperature was observed. The high correlation between surface temperature measured at the field and that one from the images shown that the split window equation corrected satisfactorily the atmosphere effects over the images / Doutorado / Agua e Solo / Doutor em Engenharia Agrícola

La productivité primaire nette PPN des grands écosystèmes est la variable-clé pour comprendre et quantifier les intéractions biosphère / atmosphère. Le modèle d'efficience photosynthétique de Monteith mettant en relation la PPN avec la quantité de rayonnement solaire photosynthétiquement actif absorbé (ou intercepté) APAR par le couvert végétal, mesurable à partir des indices de végétation, se prête parfaitement à une approche par télédétection. Le coefficient qui lie ces deux paramètres est appelé rendement photosynthétique ou encore efficience de conversion aérienne nette notée En. L'incertitude sur la valeur de En et l'absence de valeur pour nombre de biomes montrent l'importance de l'étalonnage du modèle. On dispose de mesures de biomasse permettant de calculer la PPN pour 60 des régions écologiques du Québec (qui en compte 69), d'une longue série temporelle d'images satellitaires de Global Vegetation Index NOAA-AVHRR de 1985 à 1992 et des normales climatiques au Québec. La mise en évidence de corrélation entre les propriétés optiques de la végétation (liées à l'APAR) et sa croissance montre la faisabilité d'un suivi de cette PPN par satellite. La biomasse aérienne anhydre est de 7 kg/m2 pour l'ensemble du territoire du Québec. La PPN varie de 100 à 400 g de matière sèche aérienne/m2/an pour le domaine de la pessière du Nord, à 670 g/m2/an pour les domaines feuillus du Sud. Les paramètres qui régissent la productivité forestière ne sont pas constants sur tout le Québec. Le modèle original est donc validé par région écologique appartenant à un même sous-domaine et pour des conditions climatiques données. L'étude de la sensibilité de En à ces variables climatiques a permis d'élaborer un tableau de correspondance entre les valeurs d'APAR, variant entre 664 et 1342 MJ/m2, des variables climatiques d'une région et sa productivité. Ainsi, En varie de 0,1 g/Mégajoules pour le domaine de la pessière noire à 0,57 g/MJ pour les feuillus du sud de la forêt boréale. Pour affiner ces estimations, l'accent devra être mis sur la connaissance des phénomènes physiques qui régissent les propriétés optiques de la végétation et surtout sur une harmonisation des méthodes de calcul et de mesure.

Soil organic carbon represents the largest constituent of the global C pool and carbon budgets are studied by researchers and modelers in C cycling, global climate change, and soil quality studies. Pedon and soil interpretation record databases are used with soil and ecological maps to estimate regional SOC even though these databases are rarely complete for surface litter and mineral subsurface horizons. The first main objective of the project is to improve the ability to produce soil organic carbon estimates from existing spatial soils datasets, such as STATSGO. All records in the STATSGO Layer table that were incomplete or appeared to be incorrectly filled with a null or zero value were considered invalid. Data sorting procedures and texture lookup tables were used to identify exiting correct (valid) data entries that were used to substitute invalid records. STATSGO soil property data were grouped by soil order, MLRA, layer number, and texture to produce replacement values for all invalid data used to calculate mass SOC. Grouping criteria was specific to each variable and was based on texture designations. The resulting filled and unfilled tables were used with procedures assuming Normal and Lognormal distribution of parameters in order to analyze variation of mass SOC estimates caused by using different computation techniques. We estimated mass SOC to 2 m in Maine and Minnesota using filled and unfilled STATSGO data tables. Up to 54% of the records in Maine and up to 80% of the records in Minnesota contained null or zero values (mostly in fields related to rock fragments) that were replaced. After filling, the database resulted in 1.5 times higher area-weighted SOC. SOC calculated using the Normal distribution assumption were 1.2 to 1.5 times higher than those using the Lognormal transformation. SOC maps using the filled tables had more logical geographic SOC distribution than those using unfilled tables. The USDA Forest Service collects and maintains detailed inventory data for the condition and trends of all forested lands in the United States. A wide range of researchers and landowners use the resulting Forest Inventory and Analysis (FIA) database for analytical and decision making tasks. FIA data is available to the public in transformed or aggregate format in order to ensure confidentiality of data suppliers. The second main objective of this project was to compute SOC (kg m-2) results by FIA forest type and forest type group for three depth categories (25 cm, 1 m, and 2 m) at a regional scale for the 48 contiguous United States. There were four sets of results derived from the filled STATSGO and FIA datasets for each depth class by region: (1) SOC computed by the Lognormal distribution approach for (1a) all soil orders, (1b) without Histosols; and (2) SOC computed by the Normal distribution approach for (2a) all soil orders, (2b) without Histosols. Two spatial forest cover datasets were relevant to this project, FIA and AVHRR. We investigated the effects of FIA inventory data masking for Maine and Minnesota, such as plot coordinates rounding to the nearest 100 arc-second, and the use of 1 km resolution satellite-derived forest cover classes from AVHRR data, on SOC estimates to 2 m by forest type group. SOC estimates by soil mapping unit were derived from fixed STATSGO database tables and were computed by the Lognormal distribution approach including all soil orders. The methods in this study can be used for a variety of ecological and resource inventory assessments and the automated procedures can be easily updated and improved for future uses. The procedures in this study point out areas that could benefit the most during future revisions of STATSGO. The resulting SOC maps are dynamic and can be rapidly redrawn using GIS whenever STATSGO spatial or tabular data undergo updating. Use of pedon data to define representative values for all properties in all STATSGO layers and correlation of STATSGO layers to soil horizons will lead to vast improvement of the STATSGO Layer table and promote its use for mass SOC estimation over large regions. / Master of Science

Time series data are of great importance for monitoring vegetation phenology in the dry sub-humid regions where change in land cover has influence on biomass productivity. However few studies have inquired into examining the impact of rainfall and land cover change on vegetation phenology. This study explores Seasonal Trend Analysis (STA) approach in order to investigate overall greenness, peak of annual greenness and timing of annual greenness in the seasonal NDVI cycle. Phenological pattern for the start of season (SOS) and end of season (EOS) was also examined across different land cover types in four selected locations. A significant increase in overall greenness (amplitude 0) and a significant decrease in other greenness trend maps (amplitude 1 and phase 1) was observed over the study period. Moreover significant positive trends in overall annual rainfall (amplitude 0) was found which follows similar pattern with vegetation trend. Variation in the timing of peak of greenness (phase 1) was seen in the four selected locations, this indicate a change in phenological trend. Additionally, strong relationship was revealed by the result of the pixel-wise regression between NDVI and rainfall. Change in vegetation phenology in the study area is attributed to climatic variability than anthropogenic activities.

This work was written as a cumulative doctoral thesis based on reviewed publications. Climate projections are mainly based on the results of numeric simulations from global or regional climate models. Up to now processes between atmosphere and land surface are only rudimentarily known. This causes one of the major uncertainties in existing models. In order to reduce parameterisation uncertainties and to find a reasonable description of sub grid heterogeneities, the determination and evaluation of parameterisation schemes for modelling require as many datasets from different spatial scales as possible. This work contributes to this topic by implying different datasets from different platforms. Its objective was to analyse the spatial heterogeneity of land surface parameters and energy flux densities obtained from both satellite observations with different spatial and temporal resolutions and in-situ measurements. The investigations were carried out for two target areas in Germany. First, satellite data for the years 2002 and 2003 were analysed and validated from the LITFASS-area (Lindenberg Inhomogeneous Terrain - Fluxes between Atmosphere and Surface: a longterm Study). Second, the data from the experimental field sites of the FLUXNET cluster around Tharandt from the years 2006 and 2007 were used to determine the NDVI (Normalised Difference Vegetation Index for identifying vegetated areas and their "condition"). The core of the study was the determination of land surface characteristics and hence radiant and energy flux densities (net radiation, soil heat flux, sensible and latent heat flux) using the three optical satellite sensors ETM+ (Enhanced Thematic Mapper), MODIS (Moderate Resolution Imaging Spektroradiometer) and AVHRR 3 (Advanced Very High Resolution Radiometer) with different spatial (30 m – 1 km) and temporal (1 day – 16 days) resolution. Different sensor characteristics and different data sets for land use classifications can both lead to deviations of the resultant energy fluxes between the sensors. Thus, sensor differences were quantified, sensor adaptation methods were implemented and a quality analysis for land use classifications was performed. The result is then a single parameterisation scheme that allows for the determination of the energy fluxes from all three different sensors. The main focus was the derivation of the latent heat flux (L.E) using the Penman-Monteith (P-M) approach. Satellite data provide measurements of spectral reflectance and surface temperatures. The P-M approach requires further surface parameters not offered by satellite data. These parameters include the NDVI, Leaf Area Index (LAI), wind speed, relative humidity, vegetation height and roughness length, for example. They were derived indirectly from the given satellite- or in-situ measurements. If no data were available so called default values from literature were taken. The quality of these parameters strongly influenced the exactness of the radiant- and energy fluxes. Sensitivity studies showed that NDVI is one of the most important parameters for determination of evaporation. In contrast it could be shown, that the parameters as vegetation height and measurement height have only minor influence on L.E, which justifies the use of default values for these parameters. Due to the key role of NDVI a field study was carried out investigating the spatial variability and sensitivity of NDVI above five different land use types (winter wheat, corn, grass, beech and spruce). Methods to determine this parameter not only from space (spectral), but also from in-situ tower measurements (broadband) and spectrometer data (spectral) were compared. The best agreement between the methods was found for winter wheat and grass measurements in 2006. For these land use types the results differed by less than 10 % and 15 %, respectively. Larger differences were obtained for the forest measurements. The correlation between the daily MODIS-NDVI data and the in-situ NDVI inferred from the spectrometer and the broadband measurements were r=0.67 and r=0.51, respectively. Subsequently, spatial variability of land surface parameters and fluxes were analysed. The several spatial resolutions of the satellite sensors can be used to describe subscale heterogeneity from one scale to the other and to study the effects of spatial averaging. Therefore land use dependent parameters and fluxes were investigated to find typical distribution patterns of land surface properties and energy fluxes. Implying the distribution patterns found here for albedo and NDVI from ETM+ data in models has high potential to calculate representative energy flux distributions on a coarser scale. The distribution patterns were expressed as probability density functions (PDFs). First results of applying PDFs of albedo, NDVI, relative humidity, and wind speed to the L.E computation are encouraging, and they show the high potential of this method. Summing up, the method of satellite based surface parameter- and energy flux determination has been shown to work reliably on different temporal and spatial scales. The data are useful for detailed analyses of spatial variability of a landscape and for the description of sub grid heterogeneity, as it is needed in model applications. Their usability as input parameters for modelling on different scales is the second important result of this work. The derived vegetation parameters, e.g. LAI and plant cover, possess realistic values and were used as model input for the Lokalmodell of the German Weather Service. This significantly improved the model results for L.E. Additionally, thermal parameter fields, e.g. surface temperature from ETM+ with 30 m spatial resolution, were used as input for SVAT-modelling (Soil-Vegetation-Atmosphere-Transfer scheme). Thus, more realistic L.E results were obtained, providing highly resolved areal information. / Die vorliegende Arbeit wurde auf der Grundlage begutachteter Publikationen als kumulative Dissertation verfasst. Klimaprognosen basieren im Allgemeinen auf den Ergebnissen numerischer Simulationen mit globalen oder regionalen Klimamodellen. Eine der entscheidenden Unsicherheiten bestehender Modelle liegt in dem noch unzureichenden Verständnis von Wechselwirkungsprozessen zwischen der Atmosphäre und Landoberflächen und dem daraus folgenden Fehlen entsprechender Parametrisierungen. Um das Problem einer unsicheren Modell-Parametrisierung aufzugreifen und zum Beispiel subskalige Heterogenität in einer Art und Weise zu beschreiben, dass sie für Modelle nutzbar wird, werden für die Bestimmung und Evaluierung von Modell-Parametrisierungsansätzen so viele Datensätze wie möglich benötigt. Die Arbeit trägt zu diesem Thema durch die Verwendung verschiedener Datensätze unterschiedlicher Plattformen bei. Ziel der Studie war es, aus Satellitendaten verschiedener räumlicher und zeitlicher Auflösung sowie aus in-situ Daten die räumliche Heterogenität von Landoberflächenparametern und Energieflussdichten zu bestimmen. Die Untersuchungen wurden für zwei Zielgebiete in Deutschland durchgeführt. Für das LITFASS-Gebiet (Lindenberg Inhomogeneous Terrain - Fluxes between Atmosphere and Surface: a longterm Study) wurden Satellitendaten der Jahre 2002 und 2003 untersucht und validiert. Zusätzlich wurde im Rahmen dieser Arbeit eine NDVI-Studie (Normalisierter Differenzen Vegetations Index: Maß zur Detektierung von Vegetationflächen, deren Vitalität und Dichte) auf den Testflächen des FLUXNET Clusters um Tharandt in den Jahren 2006 und 2007 realisiert. Die Grundlage der Arbeit bildete die Bestimmung von Landoberflächeneigenschaften und daraus resultierenden Energieflüssen, auf Basis dreier optischer Sensoren (ETM+ (Enhanced Thematic Mapper), MODIS (Moderate Resolution Imaging Spectroradiometer) und AVHRR 3 (Advanced Very High Resolution Radiometer)) mit unterschiedlichen räumlichen (30 m – 1 km) und zeitlichen (1 – 16 Tage) Auflösungen. Unterschiedliche Sensorcharakteristiken, sowie die Verwendung verschiedener, zum Teil ungenauer Datensätze zur Landnutzungsklassifikation führen zu Abweichungen in den Ergebnissen der einzelnen Sensoren. Durch die Quantifizierung der Sensorunterschiede, die Anpassung der Ergebnisse der Sensoren aneinander und eine Qualitätsanalyse von verschiedenen Landnutzungsklassifikationen, wurde eine Basis für eine vergleichbare Parametrisierung der Oberflächenparameter und damit auch für die daraus berechneten Energieflüsse geschaffen. Der Schwerpunkt lag dabei auf der Bestimmung des latenten Wärmestromes (L.E) mit Hilfe des Penman-Monteith Ansatzes (P-M). Satellitendaten liefern Messwerte der spektralen Reflexion und der Oberflächentemperatur. Die P-M Gleichung erfordert weitere Oberflächenparameter wie zum Beispiel den NDVI, den Blattflächenindex (LAI), die Windgeschwindigkeit, die relative Luftfeuchte, die Vegetationshöhe oder die Rauhigkeitslänge, die jedoch aus den Satellitendaten nicht bestimmt werden können. Sie müssen indirekt aus den oben genannten Messgrößen der Satelliten oder aus in-situ Messungen abgeleitet werden. Stehen auch aus diesen Quellen keine Daten zur Verfügung, können sogenannte Standard- (Default-) Werte aus der Literatur verwendet werden. Die Qualität dieser Parameter hat einen großen Einfluss auf die Bestimmung der Strahlungs- und Energieflüsse. Sensitivitätsstudien im Rahmen der Arbeit zeigen die Bedeutung des NDVI als einen der wichtigsten Parameter in der Verdunstungsbestimmung nach P-M. Im Gegensatz dazu wurde deutlich, dass z. B. die Vegetationshöhe und die Messhöhe einen relativ kleinen Einfluss auf L.E haben, so dass für diese Parameter die Verwendung von Standardwerten gerechtfertigt ist. Aufgrund der Schlüsselrolle, welche der NDVI in der Bestimmung der Verdunstung einnimmt, wurden im Rahmen einer Feldstudie Untersuchungen des NDVI über fünf verschiedenen Landnutzungstypen (Winterweizen, Mais, Gras, Buche und Fichte) hinsichtlich seiner räumlichen Variabilität und Sensitivität, unternommen. Dabei wurden verschiedene Bestimmungsmethoden getestet, in welchen der NDVI nicht nur aus Satellitendaten (spektral), sondern auch aus in-situ Turmmessungen (breitbandig) und Spekrometermessungen (spektral) ermittelt wird. Die besten Übereinstimmungen der Ergebnisse wurden dabei für Winterweizen und Gras für das Jahr 2006 gefunden. Für diese Landnutzungstypen betrugen die Maximaldifferenzen aus den drei Methoden jeweils 10 beziehungsweise 15 %. Deutlichere Differenzen ließen sich für die Forstflächen verzeichnen. Die Korrelation zwischen Satelliten- und Spektrometermessung betrug r=0.67. Für Satelliten- und Turmmessungen ergab sich ein Wert von r=0.5. Basierend auf den beschriebenen Vorarbeiten wurde die räumliche Variabilität von Landoberflächenparametern und Flüssen untersucht. Die unterschiedlichen räumlichen Auflösungen der Satelliten können genutzt werden, um zum einen die subskalige Heterogenität zu beschreiben, aber auch, um den Effekt räumlicher Mittelungsverfahren zu testen. Dafür wurden Parameter und Energieflüsse in Abhängigkeit der Landnutzungsklasse untersucht, um typische Verteilungsmuster dieser Größen zu finden. Die Verwendung der Verteilungsmuster (in Form von Wahrscheinlichkeitsdichteverteilungen – PDFs), die für die Albedo und den NDVI aus ETM+ Daten gefunden wurden, bietet ein hohes Potential als Modellinput, um repräsentative PDFs der Energieflüsse auf gröberen Skalen zu erhalten. Die ersten Ergebnisse in der Verwendung der PDFs von Albedo, NDVI, relativer Luftfeuchtigkeit und Windgeschwindigkeit für die Bestimmung von L.E waren sehr ermutigend und zeigten das hohe Potential der Methode. Zusammenfassend lässt sich feststellen, dass die Methode der Ableitung von Oberflächenparametern und Energieflüssen aus Satellitendaten zuverlässige Daten auf verschiedenen zeitlichen und räumlichen Skalen liefert. Die Daten sind für eine detaillierte Analyse der räumlichen Variabilität der Landschaft und für die Beschreibung der subskaligen Heterogenität, wie sie oft in Modellanwendungen benötigt wird, geeignet. Ihre Nutzbarkeit als Inputparameter in Modellen auf verschiedenen Skalen ist das zweite wichtige Ergebnis der Arbeit. Aus Satellitendaten abgeleitete Vegetationsparameter wie der LAI oder die Pflanzenbedeckung liefern realistische Ergebnisse, die zum Beispiel als Modellinput in das Lokalmodell des Deutschen Wetterdienstes implementiert werden konnten und die Modellergebnisse von L.E signifikant verbessert haben. Aber auch thermale Parameter, wie beispielsweise die Oberflächentemperatur aus ETM+ Daten in 30 m Auflösung, wurden als Eingabeparameter eines Soil-Vegetation-Atmosphere-Transfer-Modells (SVAT) verwendet. Dadurch erhält man realistischere Ergebnisse für L.E, die hochaufgelöste Flächeninformationen bieten.