Satellitenaltimetrie ist ein Verfahren zur flächendeckenden Beobachtung von Oberflächenhöhen. In den Polarregionen spielen die daraus ableitbaren Höhenänderungsraten eine zentrale Rolle bei der Abschätzung von Massenbilanzen kontinentaler Eisschilde. Aktuell befindet sich eine Vielzahl solcher Altimetriesatelliten im Orbit. In Abhängigkeit vom Messverfahren und verbauten Instruments unterscheiden sich gemessene Höhen sowie der Einfluss systematischer Fehler. In dieser Masterarbeit werden für die Region Nordostgrönland Beobachtungen verschiedener Sensoren prozessiert, vergleichend interpretiert und teilweise validiert. Auswertungen erfolgen anhand digitaler Geländemodelle (DGM), wobei neben bereits etablierten Datensätzen ein Workflow zur automatisierten DGM-Generierung anhand von sehr hochaufgelösten optischen Satellitenaufnahmen vorgestellt sowie angewandt wird. Darauf aufbauend findet eine umfassende Validierung der Eisoberflächenhöhen ATL06 des im September 2018 gestarteten ICESat-2 statt. Es wurde gezeigt, dass keine signifikanten systematischen Abweichungen unter den einzelnen Laserstrahlen sowie zwischen aufsteigenden und absteigenden Satellitenspuren bestehen. Auf dem Eisschild wurden Abweichungen bis zu 10 cm und in den Küstengletscherregionen bis zu 70 cm errechnet, wobei das Genauigkeitsniveau von ICESat-2 über dem der Referenzen liegt. Anhand eines ersten Anwendungsbeispieles konnte die sehr gute Eignung von ICESat-2 zur Co-Registrierung von DGMs gezeigt werden. Durch Hinzunahme von Beobachtungen aktueller Radaraltimeter wurden sämtliche über Eisschilden eingesetzte Altimetriesensoren und Messverfahren vergleichend analysiert. Der zeitlich variable Einfluss der Firnstruktur ist von der Wellenlänge des Messsignals abhängig und kann durch Nutzung eines entsprechenden Retracking-Verfahrens minimiert werden. Korrektionen auf Grundlage verschiedener Parameter des Rückkehrsignals sind für den grönländischen Eisschild ungeeignet. Untersuchungen des Topografieeinflusses auf die Beobachtung zeigen ein enormes Fehlerpotential pulslimitierter Radarsysteme ab Geländeneigungen von 0,3°, wohingegen das Laseraltimeter ICESat-2 eine präzise Vermessung rauer Gebirgs- und Gletscherregionen ermöglicht.

Die Verfügbarkeit von Fernerkundungsdaten ist in den letzten Jahren stark gestiegen. Spätestens seit der Entwicklung von Google Earth wächst auch das Interesse der Allgemeinheit an Fernerkundungsdaten. Aktuell ist eine Vielzahl von Satelliten- und flugzeuggestützten Fernerkundungssystemen operationell verfügbar. Neue Techniken in der Fernerkundung erbringen immer höhere räumliche und zeitliche Auflösungen. Daten, die von den verschiedenen Sensoren aufgenommen werden, unterscheiden sich daher in spektraler, räumlicher sowie temporaler Auflösung. Eines haben die meisten dieser Sensoren aber gemeinsam, nämlich, dass die höchste räumliche Auflösung nur im panchromatischen Modus erzeugt werden kann. Das Verhältnis zwischen der hoch aufgelösten panchromatischen und der niedrig auflösenden multispektralen Aufnahme eines Sensors liegt dabei zwischen 1:2 (SPOT 4) und 1:8 (DMC - Beijing-1). Diese werden in der Regel auf Bilddaten angewandt, die vom gleichen Sensor zur gleichen Zeit aufgenommen wurden (unisensorale, unitemporale Fusion). Einige Sensoren erzeugen allerdings nur panchromatische Bilder, andere, wie das neue deutsche System RapidEye, nur multispektrale Daten. Zur Erzeugung von hoch bzw. höchst aufgelösten multispektralen Bildern müssen hier sensorübergreifend Bilddaten fusioniert werden, die zu verschiedenen Zeitpunkten aufgenommen wurden (multisensorale, multitemporale Fusion). Benutzt man Daten von unterschiedlichen Sensoren, so kann das Verhältnis zwischen der hoch aufgelösten panchromatischen und der niedrig auflösenden multispektralen Aufnahme sogar 1:30 (Ikonos-Panchromatisch : Landsat-Multispektral) oder höher betragen. Neben dem Verhältnis der panchromatischen Komponente zu der multispektralen Komponente ist die Veränderung der spektralen Werte bei der Fusion aber noch entscheidender. Die Mehrzahl der entwickelten Fusionsverfahren weist dabei Farbveränderungen auf. Zudem beeinflussen diese Farbveränderungen auch anschließende Analysen. Das allgemeine Ziel der Daten- bzw. auch der Bildfusion ist: verschiedene Daten zusammenzuführen und mehr Informationen aus diesen Daten zu erhalten als aus jedem der einzelnen Sensoren allein (1+1=3). Die Fragestellung, die auch dieser Arbeit zugrunde liegt, lautet: Kann man mehr Informationen aus den fusionierten Datensätzen extrahieren als aus den einzelnen Datensätzen allein? Und wenn ja, wie viel mehr Informationen können extrahiert werden? Das erste Ziel dieser Arbeit ist ein Verfahren zu finden, welches die zu untersuchenden Merkmale so verbessert, dass der Informationsgehalt maximiert wird und damit höher ist als in den einzelnen originalen Datensätzen. In Bezug auf die Fusion von hochaufgelösten panchromatischen mit niedriger aufgelösten multispektralen Daten bedeutet dies, dass die fusionierten Daten die gleich hohe Auflösung der panchromatischen Daten besitzen, ohne dass Farbveränderungen auftreten. Diese fusionierten Daten sollten sich nicht von einem Bild unterscheiden, das mit einem multispektralen Sensor in der räumlichen Auflösung der panchromatischen Eingangsdaten aufgenommen wurde. Um dieses Ziel zu erreichen, wurde die Fusion auf der Pixelebene ausgewählt, da diese für die Fernerkundung von höchster Relevanz ist, weil die ikonischen Bildfusionsverfahren am weitesten entwickelt sind und die Eingangsdaten am wenigsten vor der Anwendung der Fusionsmethode verändert werden. Da es eine große Anzahl an Verfahren im Bereich der Bildfusion gibt, wurde zunächst auf Basis einer Literaturrecherche eine Auswahl von Verfahren getroffen. Zur Beurteilung dieser Verfahren ist es notwendig, quantitativ-statistische Verfahren auszuwählen, da eine rein visuelle Auswertung, zu subjektiv ist. Um das zweite Ziel dieser Arbeit zu erreichen wurde eine Literaturrecherche durchgeführt. Die ausgewählten Evaluierungsverfahren sollten soweit wie möglich automatisch ablaufen und nur wenig manuellen Input benötigen. Das sichert eine erhöhte Objektivität. Das Endergebnis sollte ein Wert für jeden Kanal oder das Bild sein, so dass eindeutige Rückschlüsse auf die Qualität des Bildes möglich sind. Bei der Auswahl dieser Verfahren ist darauf zu achten, dass sowohl Evaluierungsverfahren ausgewählt werden, welche die spektrale Veränderung messen, aber auch solche, welche die räumliche Verbesserung messen. Die Evaluierungsverfahren wurden für 7 Kategorien ausgewählt. Für die Kategorie 1 wird der ERGAS eingesetzt. In der zweiten Kategorie sollen die Bilddifferenzen berechnet werden. Da die einfache Differenz zweier Bilder große Datenmengen produziert und nicht ein einzelner Wert verfügbar ist, wird die Grauwertabweichung pro Pixel als Kriterium ausgewählt. Mit der dritten Kategorie sollen Ähnlichkeiten im Bildaufbau gemessen werden. Dazu eignet sich am besten der Korrelationskoeffizient. In der vierten Kategorie werden die Ähnlichkeiten der räumlichen Details gemessen. Da es hier wieder um Ähnlichkeiten geht, bietet es sich erneut an, den Korrelationskoeffizienten auch hier einzusetzen. Diesmal allerdings die Korrelation nach Hochpassfilterung zwischen den panchromatischen Eingangsdaten und den fusionierten Bildern. Kategorie 5 betrifft die Qualität der lokalen räumlichen Verbesserungen. Dazu wird die Kantendetektion mit dem Canny Kantenoperator für diese Arbeit ausgewählt. Bei der sechsten Kategorie geht es um die Messung von Unstimmigkeiten in den Spektren. Der SAM wurde daher ausgewählt. Die siebte Kategorie beschreibt die globalen Unterschiede in den Bildern. Dazu wird der SSIM verwendet. Nachdem die Evaluierungsverfahren in den sieben Kategorien ausgewählt wurden, zeigte die Anwendung dieser Evaluierungsmethoden, dass die Ehlers Fusion das beste Fusionsverfahren ist. Die uantitativstatistischen Untersuchungen präsentierten die besten Ergebnisse für die Ehlers Fusion. Die Werte zur spektralen Untersuchung unterschieden sich nur im geringem Maße von den orginalen Werten. Aus diesem Grund wurde die Ehlers Fusion für weitere Untersuchungen in dieser Arbeit ausgewählt und optimiert. Um den Mehrwert von fusionierten Daten zu ermitteln, wurde die Interpretation der fusionierten Fernerkundungsdaten durchgeführt. Bei der unisensoralen Bildfusion hat sich gezeigt, dass die Mehrzahl der Verfahren eine Verbesserung bei der Interpretation der Daten erreicht. Objekte können genauer erkannt werden und auch die Farben bleiben erhalten. Bei den multitemporalen Datensätzen und insbesondere bei der Fusion von Radardaten erreicht dieses Ziel nur ein einziges Verfahren: die Ehlers Fusion. Die Interpretation der Daten wird auch bei den multitemporalen Daten erleichtert. Es werden nicht nur die Kanten von Objekten geschärft, wie beim Brovey Verfahren, sondern auch die spektralen Werte bleiben erhalten. Die Werterhaltung ist besonders wichtig, da durch Veränderung der Farbwerte die genaue Feldfrucht nicht mehr bestimmt werden kann und eine Interpretation dadurch erschwert bzw. unmöglich wird. Bei der CAPI (Computer Assisted Photo Interpretation) konnten durch die Ehlers Fusion vor allem zwei Faktoren der Interpretation deutlich verbessert werden: Zum einen gab es eine schärfere Abgrenzung der Flächengrenzen von unterschiedlich genutzten landwirtschaftlichen Flächen im Vergleich mit den originalen spektralen Daten und zum anderen können Pflanzen, z.B. Weinberge, die nur einen Teil des Bodens bedecken, besser erkannt werden. Bei der unitemporalen Klassifikation stellte sich heraus, dass die fusionierten Daten eine höhere Genauigkeit haben, wenn für die Klassifikation nur die multispektralen Daten verwendet werden. Werden zusätzlich noch die panchromatischen Daten als weiterer Kanal für die Klassifikation herangezogen, so ist die Genauigkeit gleich. Bei der multitemporalen Klassifikation zeigte sich dagegen, dass fusionierte Daten genauer klassifiziert werden können als die Daten mit einem zusätzlichen panchromatischen Kanal. Da bei der Klassifikation mit einem panchromatischen Kanal, der Aufnahmetermin nicht mit den multispektralen Daten übereinstimmt. Bei der Klassifikation mit fusionierten Radardaten zeigte sich, dass die fusionierten Daten eine detailliertere und damit verbesserte Klassifikation erzeugen. Fusionierte Daten können also dabei helfen, mehr Informationen aus den Eingangsdaten zu extrahieren als aus jeden der einzelnen Datensätze. Diese Arbeit hat gezeigt, dass die Genauigkeiten der Klassifikation sich erhöhen kann, wenn die Daten vorher fusioniert werden. Auch die Interpretation kann deutlich dadurch erleichtert werden, dass nicht der panchromatische Kanal und die multispektralen Kanäle getrennt voneinander betrachtet werden müssen. Man kann sich auf ein fusioniertes Bild konzentrieren und seine Interpretation durchführen.

Soil visible and near-infrared spectroscopy provides a non-destructive, rapid and low-cost approach to quantify various soil physical and chemical properties based on their reflectance in the spectral range of 400–2500 nm. With an increasing number of large-scale soil spectral libraries established across the world and new space-borne hyperspectral sensors, there is a need to explore methods to extract informative features from reflectance spectra and produce accurate soil spectroscopic models using machine learning. Features generated from regional or large-scale soil spectral data play a key role in the quantitative spectroscopic model for soil properties. The Land Use/Land Cover Area Frame Survey (LUCAS) soil library was used to explore PLS-derived components and fractal features generated from soil spectra in this study. The gradient-boosting method performed well when coupled with extracted features on the estimation of several soil properties. Transfer learning based on convolutional neural networks (CNNs) was proposed to make the model developed from laboratory data transferable for airborne hyperspectral data. The soil clay map was successfully derived using HyMap imagery and the fine-tuned CNN model developed from LUCAS mineral soils, as deep learning has the potential to learn transferable features that generalise from the source domain to target domain. The external environmental factors like the presence of vegetation restrain the application of imaging spectroscopy. The reflectance data can be transformed into a vegetation suppressed domain with a force invariance approach, the performance of which was evaluated in an agricultural area using CASI airborne hyperspectral data. However, the relationship between vegetation and acquired spectra is complicated, and more efforts should put on removing the effects of external factors to make the model transferable from one sensor to another.:Abstract I Kurzfassung III Table of Contents V List of Figures IX List of Tables XIII List of Abbreviations XV 1 Introduction 1 1.1 Motivation 1 1.2 Soil spectra from different platforms 2 1.3 Soil property quantification using spectral data 4 1.4 Feature representation of soil spectra 5 1.5 Objectives 6 1.6 Thesis structure 7 2 Combining Partial Least Squares and the Gradient-Boosting Method for Soil Property Retrieval Using Visible Near-Infrared Shortwave Infrared Spectra 9 2.1 Abstract 10 2.2 Introduction 10 2.3 Materials and methods 13 2.3.1 The LUCAS soil spectral library 13 2.3.2 Partial least squares algorithm 15 2.3.3 Gradient-Boosted Decision Trees 15 2.3.4 Calculation of relative variable importance 16 2.3.5 Assessment 17 2.4 Results 17 2.4.1 Overview of the spectral measurement 17 2.4.2 Results of PLS regression for the estimation of soil properties 19 2.4.3 Results of PLS-GBDT for the estimation of soil properties 21 2.4.4 Relative important variables derived from PLS regression and the gradient-boosting method 24 2.5 Discussion 28 2.5.1 Dimension reduction for high-dimensional soil spectra 28 2.5.2 GBDT for quantitative soil spectroscopic modelling 29 2.6 Conclusions 30 3 Quantitative Retrieval of Organic Soil Properties from Visible Near-Infrared Shortwave Infrared Spectroscopy Using Fractal-Based Feature Extraction 31 3.1 Abstract 32 3.2 Introduction 32 3.3 Materials and Methods 35 3.3.1 The LUCAS topsoil dataset 35 3.3.2 Fractal feature extraction method 37 3.3.3 Gradient-boosting regression model 37 3.3.4 Evaluation 41 3.4 Results 42 3.4.1 Fractal features for soil spectroscopy 42 3.4.2 Effects of different step and window size on extracted fractal features 45 3.4.3 Modelling soil properties with fractal features 47 3.4.3 Comparison with PLS regression 49 3.5 Discussion 51 3.5.1 The importance of fractal dimension for soil spectra 51 3.5.2 Modelling soil properties with fractal features 52 3.6 Conclusions 53 4 Transfer Learning for Soil Spectroscopy Based on Convolutional Neural Networks and Its Application in Soil Clay Content Mapping Using Hyperspectral Imagery 55 4.1 Abstract 55 4.2 Introduction 56 4.3 Materials and Methods 59 4.3.1 Datasets 59 4.3.2 Methods 62 4.3.3 Assessment 67 4.4 Results and Discussion 67 4.4.1 Interpretation of mineral and organic soils from LUCAS dataset 67 4.4.2 1D-CNN and spectral index for LUCAS soil clay content estimation 69 4.4.3 Application of transfer learning for soil clay content mapping using the pre-trained 1D-CNN model 72 4.4.4 Comparison between spectral index and transfer learning 74 4.4.5 Large-scale soil spectral library for digital soil mapping at the local scale using hyperspectral imagery 75 4.5 Conclusions 75 5 A Case Study of Forced Invariance Approach for Soil Salinity Estimation in Vegetation-Covered Terrain Using Airborne Hyperspectral Imagery 77 5.1 Abstract 78 5.2 Introduction 78 5.3 Materials and Methods 81 5.3.1 Study area of Zhangye Oasis 81 5.3.2 Data description 82 5.3.3 Methods 83 5.3.3 Model performance assessment 85 5.4 Results and Discussion 86 5.4.1 The correlation between NDVI and soil salinity 86 5.4.2 Vegetation suppression performance using the Forced Invariance Approach 86 5.4.3 Estimation of soil properties using airborne hyperspectral data 88 5.5 Conclusions 90 6 Conclusions and Outlook 93 Bibliography 97 Acknowledgements 117

Unter urbanem Grün werden durch Vegetation bedeckte Flächen in Städten, wie beispielsweise Parkanlagen, Friedhöfe, Kleingärten, Straßengrün und -bäume, Wald, oft Naturschutzflächen zusammengefasst. Durch den zunehmenden Siedlungsdruck und die damit einhergehenden Stadterweiterungen und Nachverdichtungen werden vielerorts grüne Freiräume beschnitten, versiegelt oder bebaut. Gleichzeitig haben Städte in Zukunft durch den Klimawandel mit einer Zunahme an heißen Tagen zu rechnen. Im Rahmen des Projekts „Wie grün sind bundesdeutsche Städte? – Fernerkundliche Erfassung und stadträumlich-funktionale Differenzierung der Grünausstattung von Städten in Deutschland“ werden unter anderem die räumlichen Defizite der Grünausstattung in Fallstudienstädten untersucht: Wo fehlt Grün und wie lässt sich dies über Indikatoren abbilden? Das Grünvolumen wird aus digitalen Oberflächenmodellen bestimmt. In Verbindung mit dem Versiegelungsanteil und der aus Thermal-Satellitendaten erfassten Oberflächentemperatur wird ein empirischer linearer Zusammenhang ermittelt. Mithilfe des linearen Modells kann dann eine Aussage getroffen werden, wie viel Grünvolumen benötigt wird, um die vorherrschende Oberflächentemperatur um einen gewünschten Betrag zu senken. Flächen mit besonderem Handlungsbedarf werden somit aufgezeigt und können anschließend Eingang in kommunale Planungen und eine nachhaltige Stadtentwicklung finden.

Die Veränderungen des Klimas sind heutzutage weitgehend unbestritten. Der urbane Raum ist davon besonders betroffen. Zum einen werden die Klimaänderungen durch die Siedlungsstruktur noch verstärkt und zum anderen sind hier, bedingt durch die Zunahme der Stadtbevölkerung, besonders viele Menschen von den negativen Folgen des Klimawandels betroffen. Ziel aktueller Forschungsarbeit muss es also sein, die Zusammenhänge und Auswirkungen des Klimawandels zu verstehen und dabei die natürlichen Ursachen von den anthropogen induzierten Einflüssen zu trennen. Erst das Verständnis des Zusammenwirkens der verschiedenen Faktoren ermöglicht es, Handlungsempfehlungen abzuleiten, um auf die Folgen der Klimaänderung zu reagieren oder diese zu vermeiden. Die Fernerkundung ermöglicht die flächendeckende Beobachtung klimatischer Veränderungen auf verschiedenen maßstäblichen Ebenen. Die rasante Entwicklung der Satellitentechnologie ermöglicht dabei einen immer detaillierteren Blick auf unsere Erdoberfläche. Diese geometrisch hochaufgelösten Daten bieten die Chance, bestehende Modelle zum Klimawandel, zum Wasserhaushalt oder zur Siedlungsentwicklung zu verdichten und die Konsequenzen des menschlichen Handels auf der Erdoberfläche zu analysieren. Die Aufgabe dieser Arbeit bestand darin, die Einsatzmöglichkeiten geometrisch hochauflösender Fernerkundungsdaten, am Beispiel von IKONOS-Daten, zur Informationsgewinnung für hydrologische Modelle, die im urbanen Raum anwendbar sind, zu prüfen. Dazu wurden zunächst die besonderen klimatischen Bedingungen des urbanen Raumes untersucht. Des Weiteren wurde der Einsatz von Fernerkundungsdaten zur Beobachtung von Klimaparametern untersucht und verschiedene Fernerkundungsmethoden zur Bestimmung der einzelnen hydrologischen Variablen vorgestellt. Für die Modellierung des Energie- und Wasserhaushalts urbaner Räume sind nicht nur geeignete klimatisch-hydrologische Modelle, sondern auch entsprechend verdichtete Inputdaten notwendig. Dies bezieht sich nicht nur auf Parameter wie Niederschlag und Bodenfeuchte, sondern auch auf die Landnutzung. Gerade in urbanen Räumen, deren Flächennutzung häufig sehr heterogen ist und innerhalb kleiner Flächen einem häufigen Wechsel unterliegt, sind besonders detaillierte Informationen zur Landnutzung und zur Oberflächenbedeckung notwendig, um auch für kleinere Gebiete, wie Stadtteile oder Quartiere, valide Aussagen über die klimatischen und hydrologischen Bedingungen treffen zu können. Ausgehend von bereits existierenden hydrologischen Modellen wurde zunächst ein für den urbanen Raum angepasstes Modell vorgestellt und die entsprechenden Anforderungen an den Parameter Landnutzung definiert. Am Beispiel des Untersuchungsgebietes Heidenau konnte gezeigt werden, dass geometrisch hochauflösende Daten, in diesem Fall IKONOS, differenzierte Flächennutzungsinformationen zur Anwendung hydrologischer Modelle im Bezugsraum Stadt bereitstellen können.

Remote sensing and Geographic Information System (GIS) - an effective tool for managing naturalresources, is quite common application in establishing thematic maps. However, the application of this modern technology in natural resource management has not yet been popular in Vietnam, particularly mapping the land use/cover. Currently, land use/cover map is constructed as traditional methods and gets limitations of management counting due to time-consuming for mapping andsynthesis the status of land use/cover. Hence, information on the map is often outdated and inaccurate.The main objective of this study is to upgrade the accuracies in mapping current perennialcrops in Chu Se District, Gia Lai Province in Vietnam by interpreted NDVI index (Normalized Difference Vegetation Index) from Landsat 8-OLI (Operational Land Imager). The results of studyis satisfied the urgent of practical requirement and scientific research. There are 3 types of perennial industrial plants in the study area including rubber, coffee, and pepper, in which most coffee isgrown, with an area of over 10,000 hectares. The results also show that integration of remote sensing and GIS technology enables to map current management and distribution of perennial industrialplants timely and accurately. This application is fully consistent with the trend of the world, and in accordance with regulations of established land use/cover map, and the process could be appliedat other districts /towns or in higher administrative units. / Viễn thám và hệ thông tin địa lý (GIS) là công cụ hữu hiệu để quản lý tài nguyên thiên nhiên, được ứng dụng khá phổ biến để thành lập các loại bản đồ. Tuy nhiên, việc áp dụng công nghệ hiện đại này trong lĩnh vực quản lý tài nguyên thiên nhiên ở Việt Nam chưa phổ biến, nhất là công tác xây dựng bản đồ hiện trạng sử dụng/độ phủ đất. Việc xây dựng bản đồ hiện trạng hiện nay vẫn theo phương pháp truyền thống, thường gặp nhiều hạn chế do thời gian tổng hợp và xây dựng bản đồ hiện trạng kéo dài, dẫn đến thông tin trên bản đồ bị lạc hậu và không chính xác. Mục tiêu chính của nghiên cứu này là nâng cao độ chính xác kết quả giải đoán ảnh viễn thám Landsat 8 bằng chỉ số NDVI (chỉ số khác biệt thực vật) để thành lập bản đồ hiện trạng sử dụng đất cây công nghiệp lâu năm ở huyện Chư Sê, tỉnh Gia Lai, Việt Nam. Từ đó quản lý hiện trạng sử dụng loại đất này phù hợp yêu cầu cấp bách thực tiễn sản xuất và nghiên cứu khoa học. Kết quả của nghiên cứu cho thấy có 3 loại hình cây công nghiệp trên địa bàn nghiên cứu gồm cây cao su, cà phê và hồ tiêu, trong đó cây cà phê được trồng nhiều nhất, với diện tích hơn 10.000 ha. Nghiên cứu cũng cho thấy, tích hợp công nghệ viễn thám và GIS cho phép quản lý hiện trạng và phân bố cây công nghiệp trong không gian một cách hiệu quả và nhanh chóng. Ứng dụng này hoàn toàn phù hợp với xu hướng của thế giới, đồng thời theo đúng quy định thành lập bản đồ hiện trạng sử dụng đất, và quy trình này có thể thực hiện được ở cấp huyện/thị xã hoặc đơn vị hành chính cấp cao hơn.

Insekten spielen eine bedeutende Rolle im Erhalt von Waldökosystemen, haben aber auch eine nicht zu vernachlässigende ökonomische Bedeutung. Obwohl die ökologische sowie ökonomische Bedeutung von Insekten bekannt ist, gibt es bisher wenig Forschung zu den Dynamiken von herbivoren Insekten in der westamerikanischen Nadelholzzone, insbesondere durch die Art Choristoneura occidentalis. Der Mangel an Studien kann durch ein Fehlen von geeigneten Methoden zur Quantifizierung von Insektenausbrüchen auf der Landschafts- und Regionalskala erklärt werden. Die Nutzung von Fernerkundung vermag diese Wissenslücke zu schließen. Das übergeordnete Ziel dieser Dissertation ist daher, anhand von Fernerkundung ein besseres Verständnis der raumzeitlichen Muster von Insektenausbrüchen in der nord-west amerikanischen Nadelholzzone zu erlangen. Die spezifischen Forschungsfragen der Dissertation sind: (1) Inwieweit kann Fernerkundung die Kartierung und Quantifizierung von Insektenausbrüchen, insbesondere durch Herbivoren, unterstützen? (2) Was sind die raumzeitlichen Muster und Prozesse von Ausbrüchen des Choristoneura occidentalis in der west-nord-amerikanischen Nadelholzzone? Anhand des rezenten Ausbruches in Britisch Kolumbien, Kanada, wurde gezeigt, dass Fernerkundung ein geeigneter Weg ist um die raumzeitlichen Muster von Choristoneura occidentalis zu rekonstruieren. Mit dieser Erkenntnis konnten die hauptsächlichen Triebkräfte hinter diesen raumzeitlichen Mustern erklärt werden. So zeigte sich, dass sich die Dynamiken durch Ausbreitung adulter Motten, eine hohe Abundanz von Wirtsbäumen, Wetter, sowie deren Interaktion erklärt werden konnte. Aus den Ergebnissen kann geschlossen werden, dass Ausbrüche herbivorer Insekten in der westamerikanischen Nadelholzzone durch Prozesse welche über ein Management auf Standesebene hinausgehen bestimmt werden. Ein nachhaltiges Waldmanagement sollte daher neben Standfaktoren auch Faktoren auf Landschafts- und Regionalebene berücksichtigen. / Insect disturbances play a key role for maintaining healthy forest ecosystems, though they are also important for the timber industry, reducing yields and wood quality during major outbreaks. Despite the ecological and economic importance of insect disturbances, the outbreak dynamics of defoliating insects of the coniferous forests of western North America -- in particular the western spruce budworm Choristoneura occidentalis - are yet poorly understood. This is partly caused by a lack of suitable methods for quantifying landscape to regional scale outbreak patterns. Remote sensing time series analysis can help overcoming this challenge. Consequently, the overall goal of this dissertation was to increase the understanding of landscape to regional scale patterns and processes of insect defoliator disturbances in the coniferous forests of western North America with the help of Landsat remote sensing. Precisely, the research questions of the dissertation were: (1) How can Landsat remote sensing be used to map and quantify insect defoliator outbreaks? (2) What are the spatiotemporal patterns and processes of outbreaks of western spruce budworm in the coniferous forests of western North America? Using the current outbreak in British Columbia as example, it could be demonstrated that Landsat time series can be used to map and quantify the spatial and temporal dynamics of budworm outbreaks at the landscape and regional scale. The outbreak dynamics were mainly driven by direct effects and interactions of moth dispersal, host abundance, and weather patterns. Concluding from my results, it is suggested that outbreaks of forest defoliators in the coniferous forests of western North America are governed by factors that go beyond stand level management. Forest management thus should consider those factors in their operational planning, as well as in their models of future forest change.

Naturschutzgebiete sind ein essentieller Bestandteil zur Wahrung natürlicher Lebensräume. Oft verfehlt die Einrichtung solcher Schutzzonen jedoch den erwarteten Effekt. Die größte Gefahr liegt hierbei neben dem Klimawandel im direkten Einfluss des Menschen. Besonders in Phasen sozioökonomischen Umschwungs und damit verbundenen Landnutzungsveränderungen oder auch illegaler Nutzung natürlicher Ressourcen, sind Naturschutzgebiete in ihrer Funktion gefährdet. Ziel dieser Arbeit ist somit, Ursachen des Landnutzungswandels sowie dessen Auswirkungen und Ausmaß am Beispiel des rumänischen Teils der Karpaten-Ökoregion abzuleiten. Das Untersuchungsgebiet ist ein wichtiges Zentrum für Biodiversität und in ihm befindet sich Osteuropas größte gemäßigte Waldregion sowie einige der letzten europäischen Urwälder. Rumänien umschließt mehr als die Hälfte der Karpaten und es ist hiernach von besonderem Interesse, Gründe und Auswirkungen des rezenten post-sozialistischen Landschaftswandels zu untersuchen. Mit Hilfe von Landsat Aufnahmen sowie einer ad hoc entwickelten Methode zur Klassifizierung großräumiger Gebiete, wurden Veränderungen in der Waldbedeckung für die post-sozialistische Zeit abgeleitet. Die Ergebnisse offenbaren großflächige Forstveränderungen, auch innerhalb von Naturschutzgebieten und Urwäldern. Institutionelle Umbrüche und eine rapide Umgestaltung in den Eigentumsverhältnissen, wurden als Hauptursachen herausgestellt. Rumänische Naturschutzgebiete erreichen nicht die gewünschte Effektivität und Urwäldern werden weiterhin dezimiert. Die Arbeit verdeutlicht den Einfluss sozioökonomischer Veränderungen auf die Entstehung von Raubbau und legt Defizite in der Effektivität von Schutzbemühungen zum Erhalt der Biodiversität und verbundener Ökosystemleistungen offen. / Protected areas are one cornerstone of conservation efforts to safeguard natural habitats from destruction and overexploitation. Still, many of these areas remain less effective than initially envisioned. Besides climate change, main threats originate from enduring human activities. Protected areas are particularly at risk during periods of rapid socio-economic changes, which can trigger widespread land-use change and illegal resource use. The main goal of this thesis is to assess the extend and underlying causes of land-use change in protected areas and forest habitats within the Carpathian Ecoregion. The Romanian Carpathians were selected as a focus area in this study, because they comprise Eastern Europe’s largest continuous temperate forest region as well as some of the last and largest tracts of European old-growth forests, and they are a major hotspot of biodiversity. Romania comprises more than half of the Carpathian Ecoregion and it is of particular interest to study the causes and effects of land-use changes, which have emerged after the collapse of socialism in 1989. Post socialist forest cover change was quantified for the last 25 years using Landsat images and an ad hoc developed large area classification technique. Results show widespread forest disturbances, even inside protected areas and old-growth forests. Drivers of these disturbances can be related to institutional change and changes in ownership. The effectiveness of Romania’s protected area network in terms of its ability to safeguard biodiversity is most likely decreasing, and intact old-growth forests continue to disappear. This thesis reveals how rapid socio-economic changes may lead to overexploitation, and highlights substantial shortcomings in the effectiveness of protection efforts to safeguard biodiversity and related ecosystem services.

Globale Urbanisierungsprozesse und eine Zunahme der räumlichen Konzentration von exponierten Elementen wie Menschen, Gebäude, Infrastruktur und ökonomische Werte induzieren ein ungekanntes Risiko in erdbebengefährdeten Regionen. Wenn keine Abschwächung des Risikos erfolgt werden dramatische Folgen in der Zukunft erwartet. Diese umfassen eine beispiellose Anzahl an Todesopfer, enorme ökonomische und ökologische Verluste und Ausfälle bezüglich kritischer Infrastruktur und Versorgung etc. Um derartige Gefährdungen abzuschwächen sind detaillierte Informationen über seismisches Risiko notwendig. Die seismische Verwundbarkeit von Siedlungsarealen ist dabei als zentrale, konstituierende Komponente von seismischem Risiko zu berücksichtigen. In diesem Zusammenhang ist es von besonderem Interesse das Verhalten von Gebäudeinventaren unter einem bestimmten Erdbebeneinfluss abschätzen zu können. Das Hauptziel der Arbeit war es maßgeschneiderte Methoden zu entwickeln, die eine Bewertung der seismischen Vulnerabilität von Siedlungsräumen, basierend auf Fernerkundungsdaten, durchführbar machen. Es wurden Methoden aus dem Bereich des maschinellen Lernens adaptiert, um Verwundbarkeitsstufen von Gebäuden und homogenen Siedlungsstrukturen zu bestimmen. Hierfür wurden Merkmale aus Fernerkundungsdaten abgeleitet und mit in situ Informationen verknüpft. Wir verwenden verschiedene Ensembles von Fernerkundungssensoren, um die urbane Morphologie umfassend zu charakterisieren. Empirische Ergebnisse, die für die erdbebengefährdeten Städte Padang (Indonesien) und Istanbul (Türkei) generiert werden konnten, bestätigen die Durchführbarkeit der entwickelten Verfahren. Zukünftige Arbeiten können daran anknüpfen und beispielsweise empirische Erkenntnisse in weiteren Fallstudien anzweifeln, eine Verbesserung der Methodik vornehmen, Konzepte und Ansätze auf andere Sensorsysteme oder Datenquellen übertragen oder Daten und Methoden im Rahmen von holistischen Risikobewertungsstrategien anwenden. / Global urbanization processes and increasing spatial concentration of exposed elements such as people, buildings, infrastructure, and economic values in earthquake prone regions induce seismic risk at a uniquely high level. This situation, when left unmitigated, is expected to cause unprecedented death tolls, enormous economic and ecological losses, and critical infrastructure and service failures, etc., in the future. To mitigate those perils requires detailed knowledge about seismic risks. As an important constituent element of seismic risk, the seismic vulnerability of the built environment has to be assessed. In particular, it is crucial to know about the behavior of the building inventory under a certain level of ground shaking. The main goal of the thesis was to develop and evaluate tailored methods and procedures that allow for a viable seismic vulnerability assessment of the built environment with remote sensing data. In particular, methods from the machine learning domain were adapted to estimate vulnerability levels of buildings and homogeneous urban structures based on features derived from remote sensing and by incorporation of in situ knowledge. To this purpose we deploy ensembles of earth observation sensors to exhaustively characterize the urban morphology. Empirical results, obtained for the earthquake prone cities Padang (Indonesia) and Istanbul (Turkey), confirm the viability of the approaches. Overall, this thesis provides some promising results, which show that remote sensing has a high capability to contribute to a rapid screening assessment of the seismic vulnerability of buildings and urban structures. Further work can build upon these results and may challenge empirical findings in further case studies, enhance developed and applied methods, transfer concepts and approaches to other sensor systems and data sources, or apply data and methodologies within integrative and holistic risk assessment strategies.

Zusammenfassung Kenntnisse über den Zustand und die Entwicklung von Böden sind entscheidend für die Charakterisierung von Ökosystemen und deren Veränderungen. Die weltweite Verbreitung von Eisenoxiden und ihre von der Bodenentwicklung abhängige Konzentration und mineralogische Zusammensetzung machen sie zu geeigneten Indikatoren. Methoden der optische Fernerkundung wurden angewandt, um am Beispiel des Cabo de Gata- Níjar Naturparks, einem semi-ariden Ökosystem in Südostspanien, die Konzentrationen von Eisenoxiden im Boden zu bestimmen und zu kartieren. In der zuerst durchgeführten laborspektroskopischen Studie wurde eine Methode entwickelt, welche den Eisenoxidgehalt (Fed, Citrat-Dithionit extrahierbares Eisenoxid) mit den Eisenabsorptionsbanden verknüpft. Korngrößenabhängige Fed Vorhersagemodelle wurden sowohl für sand- als auch ton-schluff-haltige Proben erstellt. Beide liefern hochgenaue Schätzungen mit weniger als 15% Vorhersagefehler. Ähnliche Werte wurden für korngrößenunabhängige Modelle erreicht. Korngrößenunabhängige Modelle wurden zur Analyse der HyMap-Bilddaten verwendet, da eine pixelbezogene Bestimmung der vorherrschenden Bodentextur nicht möglich war. Die räumliche Verteilung der Fed Konzentration im Untersuchungsgebiet wurde mit einer den Laborergebnissen vergleichbaren Genauigkeit bestimmt. Laboruntersuchungen zum Vegetationseinfluss in Bezug auf Vitalität und Bedeckungsgrad auf die Bodenreflektionsspektren und die Fed Vorhersagegenauigkeit zeigten, dass zuverlässige Abschätzungen bis zu einer Vegetationsbedeckung von ca. 20 % möglich sind. Dementsprechend wurden drei Vorhersagegenauigkeitsklassen definiert, basierend auf der gemeinsamen Detektierbarkeit von Vegetation und Eisenabsorptionsbanden im Bildpixel. Die abgeleitete Fed Verteilungskarte dient der Einschätzung des vorliegenden Bodenzustands und dem Ausweisen von erodierten Oberflächen. Die entwickelte Methode hat aufgrund ihrer Einfachheit ein großes Potential für ein globales Monitoring von sensitiven Gebieten unter der Verwendung von gegenwärtig verfügbaren als auch zukünftigen satellitengestützten Sensoren. / Abstract The knowledge of the soil condition and development is decisive when characterizing and monitoring the change of ecosystems. The global presence of iron oxides and their highly variable concentration and mineralogy reflecting different soil conditions make them a suitable indicator. Optical remote sensing methods are employed to determine and map the soil iron oxide concentrations on the example of the Cabo de Gata-Níjar Natural Park, a semi-arid ecosystem in SE Spain. In an initial laboratory spectroscopy study, a methodology is developed that links iron oxide content (Fed, citrate-dithionite extractable iron oxides) with iron spectral absorption bands. Texture-dependent Fed prediction models are developed for sand- and clay-silt-dominated samples. They yield highly accurate estimations with less than 15 % prediction error. Similar accuracies are achieved from texture-independent models. Texture-independent models are applied to the HyMap image data because a pixel-wise determination of the predominating soil texture is not possible. However, the spatial distribution of Fed concentration in the study area is determined with comparable accuracy as in the laboratory. Laboratory analysis of vegetation vitality and density impact on the soil reflectance spectra and Fed prediction accuracy has shown that reliable estimations are possible until about 20 % leaf cover. Accordingly, three Fed prediction accuracy levels are defined based on the joint detectability of vegetation and iron absorption features. The final Fed prediction map is used to evaluate the current soil conditions and identify potentially eroded soils surfaces. The present method has due to low complexity a high potential for the global monitoring of such sensitive areas from current and future spaceborne sensors.