Von 1992 an wurden für die Landeshauptstadt Potsdam auf Basis von Fernerkundungsdaten alle sechs Jahre Daten zu Realnutzung (Biotopen), Versiegelung und Grünvolumen erfasst. Dabei wurden höchstauflösende Fernerkundungsdaten in Verbindung mit visueller Interpretation und automatisierten Regressionsbaummodellen verwendet, die die Ableitung dieser Parameter mit hoher Genauigkeit sicherstellen. Im Jahr 2016 wurden erstmals multitemporale Sentinel-2- und stereoskopische WorldView 3-Daten einbezogen. Das Verfahren bietet die Möglichkeit, die städtebauliche Entwicklung detailliert nachzuvollziehen und funktionale Zusammenhänge städtebaulicher Prozesse zu verstehen. Ansprüche an eine wirkungsvolle Klimaanpassung im Sinne der Reduktion von Hitzestress können so besser definiert werden. Die Kontinuität und der hohe Detaillierungsgrad des städtischen Umweltmonitorings sind zudem geeignet, weitere räumliche Analysen zu verifizieren.

Die Wechselwirkung von Aerosol und Strahlung in der Atmosphäre beeinflusst stark die Energiebilanz der Erde. Durch die großräumige Erfassung der horizontalen und vertikalen Verteilung von Aerosoleigenschaften in der Atmosphäre liefern Fernerkundungstechniken einen wichtigen Beitrag zu unserem Verständnis des Klimasystems. Genaue Beobachtungen durch langfristige operationelle Satellitenmissionen und zuverlässige Referenzmessungen vom Boden aus sind auch für die Ableitung und Verbesserung satelliten- und modellgestützter Aerosoldatensätze unerlässlich. Dies gilt insbesondere über dem Ozean. Mittels Fernerkundungsmethoden werden in dieser Dissertation bestimmte optische Eigenschaften von Aerosol und dessen Strahlungseffekt untersucht. Ein Teil der Datengrundlage hierfür wurde auf fünf Fahrten mit dem Forschungsschiff Polarstern mittels eines multispektralen Schattenbandradiometers erhoben. Anhand dieser Daten werden die aus theoretischen Betrachtungen abgeleitete Unsicherheit der Irradianzmessung von etwa 2 % anhand eines Vergleichs mit Sonnenphotometerbeobachtungen an Land und auf dem Schiff bestätigt. Unter Verwendung Schiffs-gestützter Referenzdaten werden im Rahmen dieser Dissertation mehrere weitere Aerosoldatensätze evaluiert. Für zwei satellitengestützte Datensätze können die erwarteten Fehlergrenzen bestätigt und die vom Aerosoltyp abhängigen Einschränkungen aufgrund von Modellannahmen diskutiert werden. Darüber hinaus werden die optischen Eigenschaften von Aerosol in der CAMS-Reanalyse betrachtet. Dabei findet sich die größte Diskrepanz in der Aerosolabsorption, die von der CAMS-Reanalyse um etwa 30 % überschätzt wird. Schließlich wird der Strahlungseffekt von Aerosol für die Region Deutschland und das Jahr 2015 unter unbewölkten Bedingungen mit zwei komplementären Ansätzen untersucht. Hierbei werden Messungen der solaren Einstrahlung an 25 Stationen des Beobachtungsnetzes des Deutschen Wetterdienstes als Datengrundlage verwendet. Einerseits wird ein Ensemble von empirischen Modellen verwendet, um die direkte Strahlungswirkung von Aerosol am Boden mithilfe einer Fehlerminimierung zu bestimmen. Die zugrundeliegenden Annahmen über Aerosol- und atmosphärische Eigenschaften in diesen Modellen werden kritisch analysiert und diskutiert. Im zweiten Ansatz werden explizite Strahlungstransfersimulationen des Strahlungseffekts unter Verwendung der CAMS-Reanalyse genutzt. Weiterhin wird die Sensitivität der Simulationen auf Unsicherheiten in den Eingangsgrößen untersucht, und damit die resultierende Unsicherheit im Strahlungseffekt abgeschätzt. Nach Korrektur von systematischen Abweichungen in der CAMS-Reanalyse hat Aerosol im Jahre 2015 einen mittleren abkühlenden Strahlungseffekt von -10.6 Wm-2 am Boden in Deutschland. / The interaction of aerosol and radiation in the atmosphere exerts a strong influence on the Earth's energy balance. Remote sensing techniques provide an important contribution to our understanding of the climate system, by observing the horizontal and vertical distribution of aerosol properties in the atmosphere on a large scale. Accurate observations from long-term operational satellite missions and reliable ground-based reference measurements are essential for deriving and improving satellite- and model-based aerosol data sets. This is especially true over the ocean. In this dissertation, certain optical properties of aerosol particles and their radiation effect are investigated using remote sensing methods. Parts of the considered data basis were collected on five cruises with the research vessel Polarstern using a multispectral shadow-band radiometer. This unique data set contributes to the global available reference observations over the ocean by partially filling known gaps. On this database, an algorithm to evaluate shadow-band radiometer observations for the determination of spectral irradiance and optical properties of aerosol has been advanced. The basis algorithm was developed by the author as part of his master's thesis. The uncertainty of the irradiance measurement of about 2 % derived from theoretical considerations is validated by comparison with sun photometer observations on land and on ship. Using ship-borne reference data, several aerosol products are evaluated as part of this dissertation. For two satellite-based datasets, the expected error bounds has been confirmed and the aerosol-type dependent limitations due to model assumptions in the satellite retrievals are discussed. Furthermore, the optical properties of aerosol considered in the CAMS reanalysis are evaluated. The largest discrepancy is found in the aerosol absorption, which is overestimated by the CAMS reanalysis by about 30 %. Finally, the radiative effect of aerosol is investigated for the region of Germany and the year 2015 under cloud-free conditions using two complementary approaches. Here, measurements of solar irradiance at 25 stations of the observation network of the German Weather Service are used as a data basis. In the first approach, an ensemble of empirical models is used to determine the direct radiative effect of aerosols on the ground using error minimization. The underlying assumptions about aerosol and atmospheric properties in these models are critically analysed and discussed. The second approach quantifies the radiative effect by applying explicit radiative transfer simulations using CAMS reanalysis. The uncertainty in the radiative effect is estimated by studying the sensitivity of the simulations to uncertainties in the input variables. After correcting for systematic deviations in the CAMS reanalysis, aerosol has a cooling radiative effect of -10.6 Wm-2 on the ground in Germany in the annual mean of 2015.

Empirical studies on severely fragmented regions suggest that decades after fragmentation, forest edges located near human-modified areas exhibit the structure of early successional states, with lower biomass per area and higher mortality compared to non-edge areas. These habitat changes (edge effects) can also have a considerable impact on ecosystem processes such as carbon and water balance, which in turn have a major impact on human activities. Also, the disruption of ecological interactions caused by the loss of animals (defaunation) has the potential of impacting human influenced fragmented landscapes much deeper than only through the microclimate-induced increased tree mortality caused by edge effects. Since large animals are most vulnerable in these landscapes, large tree seeds which are dispersed by them become more vulnerable to pre-dispersal seed predation, reducing tree recruitment in latter stages. Also, the loss large animals which predate on smaller animals can cause relaxation of top-down controls of this small seed-eating animal group, further impacting tree recruitment. Even though detailed and long term studies were developed on the topic of edge effects at local scale, understanding edge effect characteristics in fragmented forests on larger scales and finding indicators for its impact is crucial for predicting habitat loss and developing management options. Using field data from a long-term fragmented landscape in the Brazilian Northeastern Atlantic Forest, and the Forest Model FORMIND, we were able to visualize the time scale in which edge effects influence tropical forests by performing 500-year simulations. We observed changes in community composition, aboveground biomass, total evapotranspiration and total runoff, and evaluate the consequences of defaunation on biomass retention of a Brazilian Northeastern Atlantic Forest tree community by varying pre- and post-dispersal seed predation pressures in fragmented and intact scenarios. Finally, we evaluate the spatial and temporal dimensions of edge effects in large areas using remote sensing by using tree cover as an indicator of habitat quality and in relation to edge distance. FORMIND simulations show forest biomass degradation lasting around 100 years. If edge effects cease, recovery of biomass lasts around 150 years. Carbon loss is especially intense during the first five years after fragmentation, resulting in a decline of over 5 Mg C ha−1 y−1. Finally, edges of large fragments face an evapotranspiration loss of 43% and total runoff gains of 57% in relation to core areas of large fragments. The effects of large seed loss are only notable after 80% seed reduction or 10 times higher predation rates, but can cause the extirpation of this species group and up to 29% less biomass retention for the area. Our remote sensing results show that for all 11 LANDSAT scenes pixel neighborhood variation of tree cover is much higher in the vicinity of forest edges in relation to forest interior. Our studies suggest that fragmented landscapes can be of significantly lower value in terms of ecosystem services, and that defaunation has the potential to reduce biomass retention and species richness through dispersal collapse. Satellite based estimations of tree cover at edges suggest a maximum distance for edge effects and can indicate the location of unaffected core areas. However, tree cover patterns in relation to fragment edge distance vary according to the analyzed region, and maximum edge distance may differ according to local conditions.

Liegen für ein Untersuchungsgebiet spektral und geometrisch hoch aufgelöste Daten unterschiedlicher Sensoren vor, liegt eine kombinierte Nutzung der Datenquellen zur Optimierung der Klassifikationsergebnisse nahe. In einem entscheidungsbasierten Fusionsansatz wird die Klassifikationsgenauigkeit von Bildsegmenten geometrisch hoch aufgelöster Bilddaten durch die Einbindung zusätzlicher Materialinformationen gesteigert. Diese werden aus den Ergebnissen eines Klassifikationsverfahrens zur Materialdetektion, dem Spectral Angle Mapper, abgeleitet. Die zur Auswertung der hyperspektralen Bilddaten notwendigen Referenzspektren wurden in den Untersuchungen bislang manuell definiert. Nachteil dieser manuellen Referenzspektrenselektion ist die subjektive Auswahl der hyperspektralen Bildpixel, deren Spektren als Referenz in die Analyse eingehen. In dieser Arbeit wird ein Verfahren zur automatischen segmentbasierten Referenzspektrenselektion vorgestellt, dessen Konzept auf der Berechnung der spektralen Ähnlichkeit so genannter Referenzkandidaten und die anschließende Gruppierung ähnlicher Bildpixel basiert. Ein Maß für die spektrale Ähnlichkeit der Referenzkandidaten wird durch die Berechnung der Korrelationskoeffizienten ihrer Reflektanzspektren ermittelt. Die Gruppierung spektral ähnlicher Kandidaten erfolgt durch ein dichte-basiertes Clustering. Die Referenzspektren werden abschließend durch die Mittelung der Einzelspektren eines Clusters erzeugt.Die Leistungsfähigkeit des vorgestellten Gesamtkonzeptes zur automatisierten segmentbasierten Referenzspektrenselektion wird in einer Konzeptstudie mit ausgewählten Referenzflächen für elf unterschiedliche Materialien demonstriert. In einer abschließenden Auswertung eines Testgebietes wird die Anwendbarkeit des Konzeptes nachgewiesen

Climate change is one of the greatest threats recently, of which the developing countries are facing most of the brunt. In the fight against climate change, forests can play an important role, since they hold a substantial amount of terrestrial carbon and can therefore affect the global carbon cycle. Forests are also an essential source of livelihood for a remarkably high proportion of people worldwide and a harbor for rich global biodiversity. Forests are however facing high deforestation rates. Deforestation is regarded as the most widespread process of land cover change (LCC), which is the conversion of one land cover type to the other land cover type. Most of this deforestation occurs in developing countries. Agricultural expansion has been reported as the most significant widespread driver of deforestation in Asia, Africa, and Latin America. This deforestation is altering the balance of forest carbon stocks and threatening biodiversity. Pakistan is also a low forest cover country and faces high deforestation rates at the same time, due to the high reliance of local communities on forests. Moreover, it is also the most adversely affected by climate change. Agricultural expansion and population growth have been regarded as the most common drivers of deforestation in Pakistan. Financial incentives such as ‘Reducing Emissions from Deforestation and Forest Degradation, and the Role of Conservation of Forest Carbon, Sustainable Management of Forests and Enhancement of Forest Carbon Stocks’ (REDD+) offer hope for developing countries for not only halting deforestation but also alleviating poverty. However, such initiatives require the estimation of biomass and carbon stocks of the forest ecosystems. Therefore, it becomes necessary that the biomass and carbon potentials of the forests are explored, as well as the LCCs are investigated for identifying the deforestation and forest degradation hit areas. Based on the aforementioned, the following research objectives/sub-objectives were investigated in the MHNP, which is adjoined with the capital city of Pakistan, Islamabad; A) Forest Biomass and Carbon Stock Assessment of Margalla Hills National Park (MHNP) A.1) Aboveground Biomass (AGB) and Aboveground Carbon (AGC) assessment of the Subtropical Chir Pine Forest (SCPF) and Subtropical Broadleaved Evergreen Forest (SBEF) using Field Inventorying Techniques A.2) Exploring linear regression relationship between Sentinel-1 (S1) and Sentinel-2 (S2) satellite data with the AGB of SCPF and SBEF A.3) AGB estimation combining remote sensing and machine learning approach B) LC Classification and Land Cover Change Detection (LCCD) of MHNP for the time-period between 1999 and 2019 B.1) LC Classification for the years 1999, 2009 and 2019 using Machine Learning Algorithm B.2) LCCD of MHNP between 1999 to 2019.

Die städtische Umwelt ist in steter Veränderung, vor allem durch den Bau, aber auch durch die Zerstörung von städtischen Elementen. Die formelle Entwicklung ist ein Prozess mit langen Planungszeiträumen und die bebaute Landschaft wirkt daher statisch. Dagegen unterliegen informelle oder spontane Siedlungen aufgrund ihrer stets unvollendeten städtischen Form einer hohen Dynamik – so wird in der Literatur berichtet. Allerdings sind Dynamik und die morphologischen Merkmale der physischen Transformation in solchen Siedlungen, die städtische Armut morphologisch repräsentieren, auf globaler Ebene bisher kaum mit einer konsistenten Datengrundlage empirisch untersucht worden. Hier setzt die vorliegende Arbeit an. Unter der Annahme, dass die erforschte zeitliche Dynamik in Europa geringer ausfällt, stellt sich die generelle Frage nach einer katalogisierten Erfassung physischer Wohnformen von Armut speziell in Europa. Denn Wohnformen der Armut werden oft ausschließlich mit dem ‚Globalen Süden‘ assoziiert, insbesondere durch die Darstellung von Slums. Tatsächlich ist Europa sogar die Wiege der Begriffe ‚Slum‘ und ‚Ghetto‘, die vor Jahrhunderten zur Beschreibung von Missständen und Unterdrückung auftauchten. Bis heute weist dieser facettenreiche Kontinent eine enorme Vielfalt an physischen Wohnformen der Armut auf, die ihre Wurzeln in unterschiedlichen Politiken, Kulturen, Geschichten und Lebensstilen haben. Um über diese genannten Aspekte Aufschluss zu erlangen, bedarf es u.a. der Bildanalyse durch Satellitenbilder. Diese Arbeit wird daher mittels Fernerkundung bzw. Erdbeobachtung (EO) sowie zusätzlicher Literaturrecherchen und einer empirischen Erhebung erstellt. Um Unsicherheiten konzeptionell und in der Erfassung offenzulegen, ist die Methode der manuellen Bildinterpretation von Armutsgebieten kritisch zu hinterfragen. Das übergeordnete Ziel dieser Arbeit ist eine bessere Wissensbasis über Armut zu schaffen, um Maßnahmen zur Reduzierung von Armut entwickeln zu können. Die Arbeit dient dabei als eine Antwort auf die Nachhaltigkeitsziele der Vereinten Nationen. Es wird Grundlagenforschung betrieben, indem Wissenslücken in der Erdbeobachtung zu physisch-baulichen bzw. morphologischen Erscheinungen von Armut auf Gebäude-Ebene explorativ analysiert werden. Die Arbeit wird in drei Forschungsthemen bzw. Studienteile untergliedert: Ziel des ersten Studienteils ist die globale raumzeitliche Erfassung von Dynamiken durch Anknüpfung an bisherige Kategorisierungen von Armutsgebieten. Die bisherige Wissenslücke soll gefüllt werden, indem über einen Zeitraum von etwa sieben Jahren in 16 dokumentierten Manifestationen städtischer Armut anhand von Erdbeobachtungsdaten eine zeitliche Analyse der bebauten Umwelt durchgeführt wird. Neben einer global verteilten Gebietsauswahl wird die visuelle Bildinterpretation (MVII) unter Verwendung von hochauflösenden optischen Satellitendaten genutzt. Dies geschieht in Kombination mit in-situ- und Google Street View-Bildern zur Ableitung von 3D-Stadtmodellen. Es werden physische Raumstrukturen anhand von sechs räumlichen morphologischen Variablen gemessen: Anzahl, Größe, Höhe, Ausrichtung und Dichte der Gebäude sowie Heterogenität der Bebauung. Diese ‚temporale Analyse‘ zeigt zunächst sowohl inter- als auch intra-urbane Unterschiede. Es lassen sich unterschiedliche, aber generell hohe morphologische Dynamiken zwischen den Untersuchungsgebieten finden. Dies drückt sich in vielfältiger Weise aus: von abgerissenen und rekonstruierten Gebieten bis hin zu solchen, wo Veränderungen innerhalb der gegebenen Strukturen auftreten. Geographisch gesehen resultiert in der Stichprobe eine fortgeschrittene Dynamik, insbesondere in Gebieten des Globalen Südens. Gleichzeitig lässt sich eine hohe räumliche Variabilität der morphologischen Transformationen innerhalb der untersuchten Gebiete beobachten. Trotz dieser teilweise hohen morphologischen Dynamik sind die räumlichen Muster von Gebäudefluchten, Straßen und Freiflächen überwiegend konstant. Diese ersten Ergebnisse deuten auf einen geringen Wandel in Europa hin, weshalb diese europäischen Armutsgebiete im folgenden Studienteil von Grund auf erhoben und kategorisiert werden. Ziel des zweiten Studienteils ist die Erschaffung einer neuen Kategorisierung, speziell für das in der Wissenschaft unterrepräsentierte Europa. Die verschiedenen Formen nicht indizierter Wohnungsmorphologien werden erforscht und kategorisiert, um das bisherige globale wissenschaftliche ontologische Portfolio für Europa zu erweitern. Hinsichtlich dieses zweiten Studienteils bietet eine Literaturrecherche mit mehr als 1.000 gesichteten Artikeln die weitere Grundlage für den folgenden Fokus auf Europa. Auf der Recherche basierend werden mittels der manuellen visuellen Bildinterpretation (engl.: MVII) erneut Satellitendaten zur Erfassung der physischen Morphologien von Wohnformen genutzt. Weiterhin kommen selbst definierte geographische Indikatoren zu Lage, Struktur und formellem Status zum Einsatz. Darüber hinaus werden gesellschaftliche Hintergründe, die durch Begriffe wie ‚Ghetto‘, ‚Wohnwagenpark‘, ‚ethnische Enklave‘ oder ‚Flüchtlingslager‘ beschrieben werden, recherchiert und implementiert. Sie sollen als Erklärungsansatz für Armutsviertel in Europa dienen. Die Stichprobe der europäischen, insgesamt aber unbekannten Grundgesamtheit verdeutlicht eine große Vielfalt an physischen Formen: Es wird für Europa eine neue Kategorisierung von sechs Hauptklassen entwickelt, die von ‚einfachsten Wohnstätten‘ (z. B. Zelten) über ‚behelfsmäßige Unterkünfte ‘ (z. B. Baracken, Container) bis hin zu ‚mehrstöckigen Bauten‘ - als allgemeine Taxonomie der Wohnungsnot in Europa - reicht. Die Untersuchung zeigt verschiedene Wohnformen wie z. B. unterirdische oder mobile Typen, verfallene Wohnungen oder große Wohnsiedlungen, die die Armut im Europa des 21. Jahrhunderts widerspiegeln. Über die Wohnungsmorphologie hinaus werden diese Klassen durch die Struktur und ihren rechtlichen Status beschrieben - entweder als geplante oder als organisch-gewachsene bzw. weiterhin als formelle, informelle oder hybride (halblegale) Formen. Geographisch lassen sich diese ärmlichen Wohnformen sowohl in städtischen als auch in ländlichen Gebieten finden, mit einer Konzentration in Südeuropa. Der Hintergrund bei der Mehrheit der Morphologien betrifft Flüchtlinge, ethnische Minderheiten und sozioökonomisch benachteiligte Menschen - die ‚Unterprivilegierten‘. Ziel des dritten Studienteils ist eine kritische Analyse der Methode. Zur Erfassung all dieser Siedlungen werden heutzutage Satellitenbilder aufgrund der Fortschritte bei den Bildklassifizierungsmethoden meist automatisch ausgewertet. Dennoch spielt die MVII noch immer eine wichtige Rolle, z.B. um Trainingsdaten für Machine-Learning-Algorithmen zu generieren oder für Validierungszwecke. In bestimmten städtischen Umgebungen jedoch, z.B. solchen mit höchster Dichte und struktureller Komplexität, fordern spektrale und textur-basierte Verflechtungen von überlappenden Dachstrukturen den menschlichen Interpreten immer noch heraus, wenn es darum geht einzelne Gebäudestrukturen zu erfassen. Die kognitive Wahrnehmung und die Erfahrung aus der realen Welt sind nach wie vor unumgänglich. Vor diesem Hintergrund zielt die Arbeit methodisch darauf ab, Unsicherheiten speziell bei der Kartierung zu quantifizieren und zu interpretieren. Kartiert werden Dachflächen als ‚Fußabdrücke‘ solcher Gebiete. Der Fokus liegt dabei auf der Übereinstimmung zwischen mehreren Bildinterpreten und welche Aspekte der Wahrnehmung und Elemente der Bildinterpretation die Kartierung beeinflussen. Um letztlich die Methode der MVII als drittes Ziel selbstkritisch zu reflektieren, werden Experimente als sogenannte ‚Unsicherheitsanalyse‘ geschaffen. Dabei digitalisieren zehn Testpersonen bzw. Probanden/Interpreten sechs komplexe Gebiete. Hierdurch werden quantitative Informationen über räumliche Variablen von Gebäuden erzielt, um systematisch die Konsistenz und Kongruenz der Ergebnisse zu überprüfen. Ein zusätzlicher Fragebogen liefert subjektive qualitative Informationen über weitere Schwierigkeiten. Da die Grundlage der hierfür bisher genutzten Kategorisierungen auf der subjektiven Bildinterpretation durch den Menschen beruht, müssen etwaige Unsicherheiten und damit Fehleranfälligkeiten offengelegt werden. Die Experimente zu dieser Unsicherheitsanalyse erfolgen quantifiziert und qualifiziert. Es lassen sich generell große Unterschiede zwischen den Kartierungsergebnissen der Probanden, aber eine hohe Konsistenz der Ergebnisse bei ein und demselben Probanden feststellen. Steigende Abweichungen korrelieren mit einer steigenden baustrukturellen (morphologischen) Komplexität. Ein hoher Grad an Individualität bei den Probanden äußert sich in Aspekten wie z.B. Zeitaufwand beim Kartieren, in-situ Vorkenntnissen oder Vorkenntnissen beim Umgang mit Geographischen Informationssystemen (GIS). Nennenswert ist hierbei, dass die jeweilige Datenquelle das Kartierungsverfahren meist beeinflusst. Mit dieser Studie soll also auch an der Stelle der angewandten Methodik eine weitere Wissenslücke gefüllt werden. Die bisherige Forschung komplexer urbaner Areale unter Nutzung der manuellen Bildinterpretation implementiert oftmals keine Unsicherheitsanalyse oder Quantifizierung von Kartierungsfehlern. Fernerkundungsstudien sollten künftig zur Validierung nicht nur zweifelsfrei auf MVII zurückgreifen können, sondern vielmehr sind Daten und Methoden notwendig, um Unsicherheiten auszuschließen. Zusammenfassend trägt diese Arbeit zur bisher wenig erforschten morphologischen Dynamik von Armutsgebieten bei. Es werden inter- wie auch intra-urbane Unterschiede auf globaler Ebene präsentiert. Dabei sind allgemein hohe morphologische Transformationen zwischen den selektierten Gebieten festzustellen. Die Ergebnisse deuten auf einen grundlegenden Kenntnismangel in Europa hin, weshalb an dieser Stelle angeknüpft wird. Eine über Europa verteilte Stichprobe erlaubt eine neue morphologische Kategorisierung der großen Vielfalt an gefundenen physischen Formen. Die Menge an Gebieten erschließt sich in einer unbekannten Grundgesamtheit. Zur Datenaufbereitung bisheriger Analysen müssen Satellitenbilder manuell interpretiert werden. Das Verfahren birgt Unsicherheiten. Als kritische Selbstreflexion zeigt eine Reihe von Experimenten signifikante Unterschiede zwischen den Ergebnissen der Probanden auf, verdeutlicht jedoch bei ein und derselben Person Beständigkeit. / Through construction as well as destruction of urban elements, the morphological manifestation of cities is in constant change. As reported in literature, there is a difference between formal and informal development: Whereas formal planning periods lead to a built landscape that appears static, unfinished informal urban forms reflect high dynamics leading to informal or spontaneous settlements. With respect to data base and scale, these kinds of settlements, which morphologically represent urban poverty, have hardly been subject to empirical studies that analyze their dynamics and morphological characteristics of physical transformation consistently. This is where the present work begins. Assuming that the temporal dynamics explored are less pronounced in Europe, the general question of indexing physical housing forms of poverty arises specifically in Europe. This is because housing forms of poverty are often exclusively associated with the 'Global South', especially through the representation of slums. In fact, Europe is even the cradle of the terms 'slum' and 'ghetto', which emerged centuries ago to describe grievances and oppression. To this day, this multifaceted continent exhibits a tremendous variety of physical housing forms of poverty that have their roots in different histories, cultures, policies and lifestyles. To gain insight into these aforementioned aspects requires, among other things, image analysis through satellite imagery. Therefore, this work is done through remote sensing or Earth Observation (EO) as well as additional literature review and an empirical survey. In order to reveal uncertainties conceptually and in the coverage, the method of manual image interpretation of poverty areas has to be critically questioned. The overall goal of this work is to create a better knowledge base about poverty in order to be able to develop measures to reduce poverty. The work serves as a response to the United Nations Sustainable Development Goals. Basic research is carried out by exploratively analyzing knowledge gaps in Earth observation on physical-structural or morphological manifestations of poverty at the building level. The work is divided into three research themes or study parts: The aim of the first part of the study is to capture global spatiotemporal dynamics by linking to established categorizations of poverty areas. The knowledge gap will be filled by conducting a temporal analysis of the built environment over a period of seven years, in 16 documented manifestations of urban poverty using earth observation data. In addition to a globally distributed area selection, visual image interpretation (MVII) and very high-resolution optical satellite data are used. In order to derive 3D city models, MVII is applied combining in-situ and Google Street View imagery. Six spatial morphological variables are applied: number, size, height, orientation and density of buildings as well as heterogeneity of the built-up pattern. In this way, physical spatial structures are measured. Inter-urban and intra-urban differences are demonstrated in the temporal analysis. Findings show different, yet generally high morphological dynamics across the study areas. The variety comprises demolished and reconstructed areas as well as such, where changes occur within the given structures. Results demonstrate increased dynamics, especially in areas of the Global South. At the intra-urban scale, morphological transformations show a high spatial variability simultaneously. However, in spite of these findings of high dynamics, the spatial patterns are mostly constant, including building alignments, streets and open spaces. These initial results indicate little change in Europe, which is why these European poverty areas are surveyed and categorized from scratch in the following part of the study. The aim of the second part of the study is to create a new categorization, specifically for Europe, which is underrepresented in science. In order to expand the existing global scientific ontological inventory for Europe, different forms of non-indexed residential morphologies are detected and categorized. Regarding this second part of the study, a literature search with more than 1,000 articles reviewed provides the further basis for the following focus on Europe. Based on the research, satellite data are again used by means of manual visual image interpretation (MVII) to obtain the physical morphologies of housing types. Furthermore, self-defined geographical indicators of location, structure and formal status are used. Additionally, social backgrounds described by terms like 'ghetto', 'trailer park', 'ethnic enclave' or 'refugee camp' are researched and implemented. They are intended to serve as an explanatory approach to poverty neighborhoods in Europe. The sample for Europe, however is an overall unknown basic population and illustrates a wide variety of physical forms: A new categorization of six main classes is developed for Europe, ranging from 'simplest dwellings' (e.g., tents) to 'makeshift shelters ' (e.g., shacks, containers) to 'multi-story structures' - as a general taxonomy of housing deprivation in Europe. The study discloses different housing types such as underground or mobile types, dilapidated dwellings or large housing estates that reflect poverty in 21st century Europe. Next to housing morphology, these classes are described by structural settlement patterns and their legal status - either as planned or organic-grown, or further as formal, informal or hybrid (semi-legal) forms. From a geographic point of view, a concentration of these poor housing forms can be found in Southern Europe and all across Europe in urban and rural areas. The societal background of the most morphologies concern the 'underprivileged' who are represented, by refugees, ethnic minorities and socioeconomically disadvantaged people. The aim of the third part of the study is a critical analysis of the method. To capture all these settlements and due to the advances in image classification methods, satellite images are typically analyzed automatically nowadays. Still, MVII is important, e.g., for the purpose of validation or to generate training data for machine learning algorithms. Thus, cognitive perception and real-world experience are still unavoidable. Nevertheless, such urban environments with highest density and structural complexity challenge the human interpreter, when it comes to detecting individual building structures because spectral and texture-based restrictions of overlapping roof structures encounter building delineation. Considering that, the aim of this work is to quantify and interpret uncertainties methodologically specifically in mapping. Roof areas are mapped as 'footprints' of such areas. One focus is the agreement between multiple image interpreters. The other focus explores influences by interpreter perception and different elements of image interpretation. Finally, to reflect self-critically on the method of MVII as a third goal, experiments are created as a so-called 'uncertainty analysis'. In these experiments, ten test persons respectively interpreters map six complex areas and produce quantitative data of spatial variables of buildings. This data allows to assess the consistency and congruence of the results in a systematical way. Additionally, a questionnaire provides subjective qualitative information about further difficulties. Since the basis of the categorizations used for this purpose so far is based on subjective image interpretation by humans, any uncertainties and thus error-proneness have to be revealed. The experiments for this uncertainty analysis are quantified and qualified. On the one hand results show remarkable differences between the mapping results of the interpreters. On the other hand, the results for one and the same interpreter reveal high consistency. Another finding demonstrates a correlation between increasing deviations among interpreters and increasing structural (morphological) complexity of the selected areas. Considering the qualitative responses, aspects such as time spent for mapping, prior in-situ knowledge, or prior knowledge of using Geographic Information Systems (GIS) reveal a high degree of individuality among the interpreters. It is noteworthy that particularly ‘data source’ usually influences the mapping procedure. Thus, this study also aims to fill another knowledge gap at the point of applied methodology. Uncertainty analyses often are neither part of research studies of complex urban areas using MVII, nor quantification of mapping errors. In future, remote sensing studies should not only be able to rely on MVII without doubt for validation, but rather data and methods are needed to rule out uncertainty. In summary, this work contributes to the hitherto little researched morphological dynamics of poverty areas. Inter- as well as intra-urban differences on a global scale are presented. Generally, high morphological transformations between the selected areas can be observed. The results indicate a fundamental lack of knowledge in Europe, which is why this work continues at this point. A sample distributed all across Europe allows a new morphological categorization of the large variety of physical forms found. The number of areas opens up in an unknown basic population. For data preparation of previous analyses, satellite images have to be interpreted manually. The procedure involves uncertainties. As a critical self-reflection, a series of experiments reveal significant differences between interpreters’ results, but illustrates consistency in the same subject.

Bezüglich des Waldes hat sich in den letzten Jahren seitens der Politik und Wirtschaft ein steigender Informationsbedarf entwickelt. Zur Bereitstellung dieses Bedarfes stellt die Fernerkundung ein wichtiges Hilfsmittel dar, mit dem sich flächendeckende Datengrundlagen erstellen lassen. Die k-nächsten-Nachbarn-Methode (kNN-Methode), die terrestrische Aufnahmen mit Fernerkundungsdaten kombiniert, stellt eine Möglichkeit dar, diese Datengrundlage mit Hilfe der Fernerkundung zu verwirklichen. Deshalb beschäftigt sich die vorliegende Dissertation eingehend mit der kNN-Methode. An Hand der zwei Merkmale Grundfläche (metrische Daten) und Totholz (kategoriale Daten) wurden umfangreiche Berechnungen durchgeführt, wobei verschiedenste Variationen der kNN-Methode berücksichtigt wurden. Diese Variationen umfassen verschiedenste Einstellungen der Distanzfunktion, der Wichtungsfunktion und der Anzahl k-nächsten Nachbarn. Als Fernerkundungsdatenquellen kamen Landsat- und Hyperspektraldaten zum Einsatz, die sich sowohl von ihrer spektralen wie auch ihrer räumlichen Auflösung unterscheiden. Mit Hilfe von Landsat-Szenen eines Gebietes von verschiedenen Zeitpunkten wurde außerdem der multitemporale Ansatz berücksichtigt. Die terrestrische Datengrundlage setzt sich aus Feldaufnahmen mit verschiedenen Aufnahmedesigns zusammen, wobei ein wichtiges Kriterium die gleichmäßige Verteilung von Merkmalswerten (z.B. Grundflächenwerten) über den Merkmalsraum darstellt. Für die Durchführung der Berechnungen wurde ein Programm mit Visual Basic programmiert, welches mit der Integrierung aller Funktionen auf der Programmoberfläche eine benutzerfreundliche Bedienung ermöglicht. Die pixelweise Ausgabe der Ergebnisse mündete in detaillierte Karten und die Verifizierung der Ergebnisse wurde mit Hilfe des prozentualen Root Mean Square Error und der Bootstrap-Methode durchgeführt. Die erzielten Genauigkeiten für das Merkmal Grundfläche liegen zwischen 35 % und 67 % (Landsat) bzw. zwischen 65 % und 67 % (HyMapTM). Für das Merkmal Totholz liegen die Übereinstimmungen zwischen den kNN-Schätzern und den Referenzwerten zwischen 60,0 % und 73,3 % (Landsat) und zwischen 60,0 % und 63,3 % (HyMapTM). Mit den erreichten Genauigkeiten bietet sich die kNN-Methode für die Klassifizierung von Beständen bzw. für die Integrierung in Klassifizierungsverfahren an. / Mapping forest variables and associated characteristics is fundamental for forest planning and management. The following work describes the k-nearest neighbors (kNN) method for improving estimations and to produce maps for the attributes basal area (metric data) and deadwood (categorical data). Several variations within the kNN-method were tested, including: distance metric, weighting function and number of neighbors. As sources of remote sensing Landsat TM satellite images and hyper spectral data were used, which differ both from their spectral as well as their spatial resolutions. Two Landsat scenes from the same area acquired September 1999 and 2000 regard multiple approaches. The field data for the kNN- method comprise tree field measurements which were collected from the test site Tharandter Wald (Germany). The three field data collections are characterized by three different designs. For the kNN calculation a program with integration all kNN functions were developed. The relative root mean square errors (RMSE) and the Bootstrap method were evaluated in order to find optimal parameters. The estimation accuracy for the attribute basal area is between 35 % and 67 % (Landsat) and 65 % and 67 % (HyMapTM). For the attribute deadwood is the accuracy between 60 % and 73 % (Landsat) and 60 % and 63 % (HyMapTM). Recommendations for applying the kNN method for mapping and regional estimation are provided.

Sudan as a Sahelian country faced numerous drought periods resulting in famine and mass immigration. Spatial data on dynamics of land use and land cover is scarce and/or almost nonexistent. The study area in the North Kordofan State is located in the centre of Sudan and falls in the Sahelian eco-climatic zone. The region generally yields reasonable harvests of rainfed crops and the grasslands supports plenty of livestock. But any attempts to develop medium- to longterm strategies of sustainable land management have been hampered by the impacts of drought and desertification over a long period of time. This study aims to determine and analyse the dynamics of change of land use/land cover classes. The study attempts also to improve classification accuracy by using different data transformation methods like PCA, TCA and CA. In addition it tries to investigate the most reliable methods of pre-classification and/or post-classification change detection. The research also attempts to assess the desertification process using vegetation cover as an indicator. Preliminary mapping of major soil types is also an objective of this study. Landsat data of MSS 187/51 acquired on 01.01.1973 and ETM+ 174/51 acquired on 16.01.2001 were used. Visual interpretation in addition to digital image processing was applied to process the imagery for determining land use/land cover classes for the recent and reference image. Pre- and post-classification change detection methods were used to detect changes in land use/land cover classes in the study area. Pre-classification methods include image differencing, PC and Change Vector Analysis. Georeferenced soil samples were analysed to measure physical and chemical parameters. The measured values of these soil properties were integrated with the results of land use/ land cover classification. The major LULC classes present in the study area are forest, farm on sand, farm on clay, fallow on sand, fallow on clay, woodyland, mixed woodland, grassland, burnt/wetland and natural water bodies. Farming on sandy and clay soils constitute the major land use in the area, while mixed woodland constitutes the major land cover. Classification accuracy is improved by adopting data transformation by PCA, TCA and CA. Pre-classification change detection methods show indistinct and sketchy patterns of change but post-classification method shows obvious and detailed results. Vegetation cover changes were illustrated by use of NDVI. In addition preliminary soil mapping by using mineral indices was done based on ETM+ imagery. Distinct patterns of clay, gardud and sand areas could be classified. Remote sensing methods used in this study prove a high potential to classify land use/land cover as well as soil classes. Moreover the remote sensing methods used confirm efficiency for detecting changes in LULC classes and vegetation cover during the addressed period.

No description available.

Arid regions, that have a terrestrial share of 30 %, heavily rely on groundwater for do-mestic, industrial and irrigation purposes. The reliance on groundwater has partly turned into a dependency in areas where the increasing population number and the expansion of irrigated agricultural areas demand more groundwater than is naturally replenished. Yet, spatial and temporal information on groundwater are often scarce induced by the facts that groundwater is given a low priority in many national budgets and numerous (semi-) arid regions in the world encompass large and inaccessible areas. Hence, there is an urgent need to provide low-cost alternatives that in parallel cover large spatial and temporal scales to gain information on the groundwater system. Remote sensing holds a tremendous potential to represent this alternative. The main objective of this thesis is the improvement of existing and the development of novel remote sensing applications to infer information on the scarce but indispensable resource groundwater at the example of the Dead Sea. The background of these de-velopments relies mainly on freely available satellite data sets. I investigate 1) the pos-sibility to infer potential groundwater flow-paths from digital elevation models, 2) the applicability of multi-temporal thermal satellite data to identify groundwater discharge locations, 3) the suitability of multi-temporal thermal satellite data to derive information on the long-term groundwater discharge behaviour, and 4) the differences of thermal data in terms of groundwater discharge between coarse-scaled satellite data and fine-scaled airborne data including a discharge quantification approach. 1) I develop a transparent, reproducible and objective semi-automatic approach us-ing a combined linear filtering and object based classification approach that bases on a medium resolution (30 m ground sampling distance) digital elevation model to extract lineaments. I demonstrate that the obtained lineaments have both, a hydrogeological and groundwater significance, that allow the derivation of potential groundwater flow-paths. These flow-paths match results of existing groundwater flow models remarkably well that validate the findings and shows the possibility to infer potential groundwater flow-paths from remote sensing data. 2) Thermal satellite data enable to identify groundwater discharge into open water bodies given a temperature contrast between groundwater and water body. Integrating a series of thermal data from different periods into a multi-temporal analysis accounts for the groundwater discharge intermittency and hence allows obtaining a representa-tive discharge picture. I analyse the constraints that arise with the multi-temporal anal-ysis (2000-2002) and show that ephemeral surface-runoff causes similar thermal anomalies as groundwater. To exclude surface-runoff influenced data I develop an au-tonomously operating method that facilitates the identification. I calculate on the re-maining surface-runoff uninfluenced data series different statistical measures on a per pixel basis to amplify groundwater discharge induced thermal anomalies. The results reveal that the range and standard deviation of the data series perform best in terms of anomaly amplification and spatial correspondence to in-situ determined spring dis-charge locations. I conclude on the reason that both mirror temperature variability that is stabilized and therefore smaller at areas where spatio-temporal constant groundwater discharge occurs. 3) The application of the before developed method on a thermal satellite data set spanning the years 2000 to 2011 enables to localise specific groundwater discharge sites and to semi-quantitatively analyse the temporal variability of the thermal anomalies (termed groundwater affected area - GAA). I identify 37 groundwater discharge sites along the entire Dead Sea coastline that refine the so far coarsely given spring areas to specific locations. All spatially match independent in-situ groundwater discharge observations and additionally indicate 15 so far unreported discharge sites. Comparing the variability of the GAA extents over time to recharge behaviour reveals analogous curve progressions with a time-shift of two years. This observation suggests that the thermally identified GAAs directly display the before only assumed groundwater discharge volume. This finding provides a serious alternative to monitor groundwater discharge over large temporal and spatial scales that is relevant for different scientific communities. From the results I furthermore conclude to observe the before only assumed and modelled groundwater discharge share from flushing of old brines during periods with an above average Dead Sea level drop. This observation implies the need to not only consider discharge from known terrestrial and submarine springs, but also from flushing of old-brines in order to calculate the total Dead Sea water budget. 4) I present a complementary airborne thermal data set recorded in 01/2011 over the north-western part of the Dead Sea coast. The higher spatial resolution allows to refine the satellite-based GAA to 72 specific groundwater discharge sites and even to specify the so far unknown abundance of submarine springs to six sites with a share of <10 % to the total groundwater discharge. A larger contribution stems from newly iden-tified seeping spring type (24 sites) where groundwater emerges diffusively either ter-restrial or submarine close to the land/water interface with a higher share to the total discharge than submarine springs provide. The major groundwater contribution origi-nates from the 42 identified terrestrial springs. For this spring type, I demonstrate that 93 % of the discharge volume can be modelled with a linear ordinary least square re-gression (R2=0.88) based on the thermal plume extents and in-situ measured discharge volumes from the Israel Hydrological Service. This result implies the possibility to determine discharge volumes at unmonitored sites along the Dead Sea coast as well that can provide a complete physically-based picture of groundwater discharge magni-tude to the Dead Sea for the first time.