Der Klimawandel hat weitreichende Folgen auf die Gesundheit der Menschen. Insbesondere Übertragungskrankheiten wie Dengue bekommen global gesehen eine zunehmende Bedeutung. Über die raumzeitliche Verteilung und das Umwelt-Dengue Risiko ist bisher wenig bekannt. Das Hauptziel dieser Dissertation war es daher, die Ätiologie von Dengue in einem hoch endemischen Gebiet besser zu verstehen. Es wurden räumliche Muster des Krankheitsauftretens untersucht, die anschließend in einer Umwelt-Risiko Analyse mit örtlichen Wetterdaten und Landnutzungsinformationen in Zusammenhang gebracht wurden. Zunächst wurde ein raumzeitlicher Ansatz durchgeführt, um herauszufinden, in wie weit Analysen, die verschiedene Aggregationsebenen miteinander kombinieren, zu neuen Erkenntnissen von raumzeitlichen Mustern von Dengue beitragen können. Anschließend wurde ein auf nicht-lineare zeitliche Einflüsse kontrolliertes, Poisson-generalisiertes additives Regressionsmodell genutzt, um herauszufinden, welchen Einfluss Wetterparameter auf die Verbreitung von Dengue haben. Schließlich wurden Boosted regression trees verwendet, um auf nicht-lineare Zusammenhänge und Interaktionen zwischen einzelnen Landnutzungsfaktoren und Dengue zu kontrollieren und um eine Risikokarte zu erstellen. Die Ergebnisse deuten darauf hin, dass mehr als eine geographische Ebene notwendig ist, um Krankheitscluster zu bestätigen. Minimaltemperatur, Regenmenge, und Windgeschwindigkeit waren mit der Verbreitung von Dengue im Untersuchungsgebiet assoziiert. Räumliche Dengue-Muster konnten durch Siedlungen, Wasser, gemischte Landwirtschaftsflächen, offene Flächen und stillgelegte Grünflächen erklärt werden. Dengue-Risiko ist auf der Ergebniskarte des Studiengebietes ersichtlich. Diese Dissertation liefert sowohl wertvolle Informationen für die Gesundheitspolitik in Malaysia als auch wichtige Herangehensweisen für die Entwicklung von Dengue-Kontrollmechanismen in und über die Untersuchungsregion hinaus. / Global changes to our earth system have impacts on human health; specifically vector-borne diseases such as dengue are of epidemiological importance. Dengue is a global disease burden. Little is known about the spatio-temporal distribution and environmental risk association of dengue disease. The main goal of this dissertation was to improve understanding of the etiology of dengue disease in a highly endemic region by focusing on, initially, vulnerability mapping of the disease occurrences and, next, environmental risk assessment between disease clusters and both weather and land use. First, a Spatio-temporal scan statistics approach was used to assess to what extent analyses that combine sub-district and address level data contribute to new insights into spatio-temporal dengue disease patterns to better inform health interventions. Second, a Poisson generalized additive model was used to assess the weather effects on dengue disease accounting for non-linear temporal effects. Third, a Boosted regression trees approach was used to account for nonlinearities and interactions between the land use factors and dengue disease and to generate a risk map. Results suggested that more than one geographical level was needed to confirm the disease clusters. Minimum temperature, rainfall and wind speed, were associated with the dengue cases in the study area. Spatial patterns of dengue cases could be explained by land use types, including human settlements, water bodies, mixed horticulture land, open land and neglected grassland. The predicted risk map depicted dengue risk in the study area. This dissertation provided compelling approaches that are highly valuable for dengue vector control policy advice; applicability is not confined to Malaysia but is transferable to other studies in similar settings.