In dieser Arbeit wird der auf maschinellem Lernen basierende Algorithmus zur Erkennung von unterkühlten Flüssigwasserschichten in Mischphasenwolken (MPCs) jenseits der Lidarattenuation VOODOO (reVealing supercOOled liquiD beyOnd lidar attenuatiOn) vorgestellt. Beobachtungen von zwei Langzeitmesskampagnen bilden die Datengrundlage. Für die nördliche Hemisphäre wurden die Daten mittels der mobilen bodengebundenen Fernerkundungsanlage des Leipziger Instituts für Meteorologie (LIM) in Leipzig (Deutschland, 51.3°N, 12. 4°E) erhoben. Für die südliche Hemisphäre wurde ein 9-monatiger Teil der dreijährigen Feldkampagne DACAPO-PESO (Dynamics Aerosol Clouds And Precipitation Observation in the Pristine Environment of the Southern Ocean; Beobachtung von Dynamik, Aerosol, Wolken und Niederschlag in der unverschmutzten Umgebung des Südozeans) aus Punta Arenas (Chile, 53.1°S, 70.9°W) verwendet. Dieser Datensatz wurde mittels des 94GHz Wolkenradars des LIM in Kombination mit LACROS (Leipzig Aerosol and Cloud Remote Observations System; Leipziger Aerosol- und Wolken-Fernerkundungssystem)- Instrumenten erhoben. Datensätze von vertikal ausgerichteten Doppler-Wolkenradaren und Lidarsystemen liefern Erkenntnisse über Wolkeneigenschaften mit hoher zeitlicher und räumlicher Auflösung. Die Identifizierung von flüssigen Wolkentröpfchen ist jedoch aufgrund der Abschwächung des Lidarsignals oft eingeschränkt. Wolkenradare sind andererseits in der Lage, mehrere Flüssigwassersschichten zu durchdringen, und können potenziell eingesetzt werden, um die Identifizierung der thermodynamischen Wolkenphase auf die gesamte vertikale Säule jenseits der Lidar-Signalabschwächungshöhe auszudehnen. Dazu werden morphologische Merkmale in Wolkenradar-Doppler-Spektren extrahiert, um auf das Vorhandensein von Flüssigwasser zu schließen. Das wichtigste Ergebnis dieser Arbeit ist die Implementierung des Open-Source-Retrievals VOODOO. Für beide Langzeitdatensätze zeigt die Wolken- und Flüssigwasseridentifikation von VOODOO hervorragende zeitliche und räumliche Übereinstimmungen mit der weit verbreitenten Cloudnet-Klassifizierung. Vergleiche des vom Mikrowellenradiometers (MWR) gemessenen Flüssigwasserpfads (LWP) mit modelliertem adiabatischen LWP zeigen jedoch die Überlegenheit von VOODOO in der Detektion hochreichender und mehrschichtiger MPCs im Vergleich zu Cloudnet. Der Einfluss von Turbulenzen auf die Vorhersageleistung von VOODOO wurde analysiert und als gering eingestuft. Darüber hinaus bestätigen weltraumgestützte Lidar-Beobachtungen die VOODOO-basierten Vorhersagen von Oberkanten von Flüssigwasserschichten für ausgewählte Satellitenüberflüge über Punta Arenas. Das Endresultat zeigt für ein Fallbeispiel die resultierende Reduktion der Fehler zwischen kurzwelliger solarer Strahlung am Erdboden, sowie des Strahlungseffekts von Wolken zwischen Beobachtungen und Strahlungstransfersimulationen um den Faktor 2, bei der Verwendung der VOODOO-Flüssigwasseridentifikationen.:i Mixed-Phase Clouds 1 Introduction 3 2 Remote-sensing of mixed-phase clouds 7 2.1 Definition, occurrence, and impact . . . . . . . . . . . . . . . . . . . . . . . 7 2.2 Instrumentation and operating principles . . . . . . . . . . . . . . . . . . . 9 2.2.1 Doppler cloud radar . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.2.2 Lidar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.2.3 Microwave radiometer . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.2.4 Numerical weather forecast model . . . . . . . . . . . . . . . . . . . 18 2.2.5 Additional data sources . . . . . . . . . . . . . . . . . . . . . . . . . 18 3 Datasets 19 3.1 Punta Arenas, Chile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 3.2 Leipzig, Germany . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 ii Methodology 4 Identifying the thermodynamic phase of hydrometeors 25 4.1 Multisensor-based approaches . . . . . . . . . . . . . . . . . . . . . . . . . . 25 4.1.1 Cloudnet: Illingworth et al., 2007 . . . . . . . . . . . . . . . . . . . . 25 4.1.2 Shupe, 2007 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 4.2 Radar-moment-based approaches . . . . . . . . . . . . . . . . . . . . . . . . 27 4.2.1 Silber et al., 2020 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 4.2.2 Kalogeras et al., 2021 . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 4.3 Doppler-Spectrum-based approaches . . . . . . . . . . . . . . . . . . . . . . 28 4.3.1 Yu et al., 2014 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 4.3.2 PEAKO + peakTree: Kalesse et al., 2019; Radenz et al., 2019 . . . . 28 4.3.3 Luke et al., 2010 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 4.4 Challenges in cloud-phase classification . . . . . . . . . . . . . . . . . . . . 30 5 Machine learning model 33 5.1 Mathematical basics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 5.2 Pre-processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 5.3 Training and validation dataset . . . . . . . . . . . . . . . . . . . . . . . . . 36 5.4 Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 5.4.1 Convolution layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 5.4.2 Perceptron layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 5.4.3 Output layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 5.5 Training process . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 5.6 Post-processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 5.7 Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 5.7.1 Confusion matrix and binary classification metrics . . . . . . . . . 43 5.7.2 Correlation with independent measurements . . . . . . . . . . . . . 45 5.7.3 Influence of LWP and turbulence on the performance . . . . . . . . 45 5.7.4 Probability density functions . . . . . . . . . . . . . . . . . . . . . . 46 5.7.5 Validation via space-borne lidar satellite CALIPSO . . . . . . . . . 46 5.7.6 Radiative closure study . . . . . . . . . . . . . . . . . . . . . . . . . 46 iii Results 6 Results 51 6.1 Training results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 6.2 Case study: 1. August 2019, Punta Arenas, Chile . . . . . . . . . . . . . . . 53 6.3 Case study: 30 December 2020, Leipzig, Germany . . . . . . . . . . . . . . 57 6.4 Performance analysis for larger data sets . . . . . . . . . . . . . . . . . . . . 60 6.5 Probability density functions . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 6.6 Case study for satellite-based cloud phase validation . . . . . . . . . . . . . 66 6.7 Radiative closure study . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 iv Outcome 7 Summary and Conclusion 77 8 Outlook 79 Publication record 83 List of Figures 85 List of Tables 88 List of Symbols 93 Bibliography 99 / This work presents a data driven retrieval algorithm for reVealing supercOOled liquiD beyOnd lidar attenuatiOn (VOODOO) in mixed-phase clouds (MPCs), which is based on deep convolutional neural networks (CNNs). Observations of two long-term field campaigns of mobile ground-based remote-sensing instrument deployments from both hemispheres are utilized. For the northern hemisphere, the data set was obtained by the mobile ground-based remote-sensing suite of the Leipzig Institute for Meteorology (LIM) in Leipzig (Germany, 51.3°N, 12.4°E) and for the southern hemisphere, 9-months of the three-year-long data set of the Dynamics Aerosol Clouds And Precipitation Observation in the Pristine Environment of the Southern Ocean (DACAPO-PESO) field campaign in Punta Arenas (Chile, 53.1°S, 70.9°W), collected by the supersite LACROS (Leipzig Aerosol and Cloud Remote Observations System). Data sets of vertically pointing Doppler cloud radars and lidars provide insights into cloud properties at high temporal and spatial resolution. However, the identification of liquid cloud droplets is often limited due to the attenuation of the lidar signal. On the contrary, cloud radars are able to penetrate multiple liquid layers and can potentially be used to expand the identification of cloud phase to the entire vertical column beyond the lidar signal attenuation height, by exploiting morphological features in cloud radar Doppler spectra that relate to the existence of supercooled liquid. The most important result of this work is the the open-source implementation of the VOODOO retrieval, predicting excellent temporal and spatial agreement in cloud-droplet bearing pixels detected by the widely-used Cloudnet atmospheric target classification. Comparisons of the liquid water path (LWP) measured by the microwave radiometer (MWR), with modeled adiabatic LWP show the superiority of VOODOO in detecting liquid in deep and multilayer MPCs compared to Cloudnet. The influence of turbulence on VOODOO’s predictive performance was analyzed and found to be minor. Additionally, space-borne lidar observations confirm liquid cloud top predictions of MPCs tops for selected satellite overpasses over Punta Arenas, Chile. The final results of this work is the demonstration of the ability to reduce the shortwave downward radiation bias and the bias in cloud radiative effect between ground-based pyranometer observations and radiative transfer simulations by a factor of 2 for a case study. This highlights the fact that from a measurement perspective, advanced cloud thermodynamic phase retrievals based on sophisticated remote-sensing observations can be a way to reduce the Southern Ocean radiation bias.:i Mixed-Phase Clouds 1 Introduction 3 2 Remote-sensing of mixed-phase clouds 7 2.1 Definition, occurrence, and impact . . . . . . . . . . . . . . . . . . . . . . . 7 2.2 Instrumentation and operating principles . . . . . . . . . . . . . . . . . . . 9 2.2.1 Doppler cloud radar . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.2.2 Lidar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.2.3 Microwave radiometer . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.2.4 Numerical weather forecast model . . . . . . . . . . . . . . . . . . . 18 2.2.5 Additional data sources . . . . . . . . . . . . . . . . . . . . . . . . . 18 3 Datasets 19 3.1 Punta Arenas, Chile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 3.2 Leipzig, Germany . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 ii Methodology 4 Identifying the thermodynamic phase of hydrometeors 25 4.1 Multisensor-based approaches . . . . . . . . . . . . . . . . . . . . . . . . . . 25 4.1.1 Cloudnet: Illingworth et al., 2007 . . . . . . . . . . . . . . . . . . . . 25 4.1.2 Shupe, 2007 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 4.2 Radar-moment-based approaches . . . . . . . . . . . . . . . . . . . . . . . . 27 4.2.1 Silber et al., 2020 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 4.2.2 Kalogeras et al., 2021 . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 4.3 Doppler-Spectrum-based approaches . . . . . . . . . . . . . . . . . . . . . . 28 4.3.1 Yu et al., 2014 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 4.3.2 PEAKO + peakTree: Kalesse et al., 2019; Radenz et al., 2019 . . . . 28 4.3.3 Luke et al., 2010 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 4.4 Challenges in cloud-phase classification . . . . . . . . . . . . . . . . . . . . 30 5 Machine learning model 33 5.1 Mathematical basics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 5.2 Pre-processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 5.3 Training and validation dataset . . . . . . . . . . . . . . . . . . . . . . . . . 36 5.4 Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 5.4.1 Convolution layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 5.4.2 Perceptron layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 5.4.3 Output layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 5.5 Training process . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 5.6 Post-processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 5.7 Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 5.7.1 Confusion matrix and binary classification metrics . . . . . . . . . 43 5.7.2 Correlation with independent measurements . . . . . . . . . . . . . 45 5.7.3 Influence of LWP and turbulence on the performance . . . . . . . . 45 5.7.4 Probability density functions . . . . . . . . . . . . . . . . . . . . . . 46 5.7.5 Validation via space-borne lidar satellite CALIPSO . . . . . . . . . 46 5.7.6 Radiative closure study . . . . . . . . . . . . . . . . . . . . . . . . . 46 iii Results 6 Results 51 6.1 Training results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 6.2 Case study: 1. August 2019, Punta Arenas, Chile . . . . . . . . . . . . . . . 53 6.3 Case study: 30 December 2020, Leipzig, Germany . . . . . . . . . . . . . . 57 6.4 Performance analysis for larger data sets . . . . . . . . . . . . . . . . . . . . 60 6.5 Probability density functions . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 6.6 Case study for satellite-based cloud phase validation . . . . . . . . . . . . . 66 6.7 Radiative closure study . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 iv Outcome 7 Summary and Conclusion 77 8 Outlook 79 Publication record 83 List of Figures 85 List of Tables 88 List of Symbols 93 Bibliography 99

Grasländer sind wichtige Elemente der zentraleuropäischen Landschaft und stellen essenzielle Ökosystemdienstleistungen bereit. Dürren, welche durch den globalen Klimawandel zunehmen, haben negative Auswirkungen auf die Vitalität und Produktivität von Grasland. Satellitenmissionen wie Sentinel-2 und Landsat liefern große, bisher ungenutzte Möglichkeiten für das Grasland Monitoring. Ansätze auf Basis quantitativer Parameter, z.B. Prozentanteile von photosynthetisch aktiver Vegetation (PV), nicht photosynthetisch aktiver Vegetation (NPV) und Boden sind bisher für die Anwendung in zentraleuropäischen Grasländern nicht erforscht. Das Ziel der Arbeit war es, das Verständnis von Dürreeinflüssen auf zentraleuropäische Grasländer durch die Entwicklung eines fernerkundungsbasierten Monitoring Frameworks zu verbessern. Der erste Teil dieses Frameworks umfasste die Ableitung konsistenter Zeitreihen von PV-, NPV-, und Bodenanteilen. Der zweite Teil umfasste die Quantifizierung von Dürreeffekten anhand dieser Zeitreihen. Die Ergebnisse zeigten einen großflächigen, massiven und langanhaltenden Rückgang von Graslandvitalität in extremen Dürrejahren (z.B. 2003, 2018-2020). Robuste statistische Zusammenhänge bestätigten die starke Kopplung von Graslandvitalität und Dürre, insbesondere bei gleichzeitigen Hitzewellen. Zudem beeinflussten Bodeneigenschaften sowie klimatische und hydrologische Bedingungen die Dürresensitivität. Die Ergebnisse unterstreichen den Wert von generalisierten Entmischungsansätzen basierend auf Sentinel-2/Landsat Zeitreihen für großflächiges, quantitatives Monitoring von Grasland. Die Ergebnisse deuten darauf hin, dass durch den Klimawandel verstärkte Dürreereignisse in Zukunft erheblichen Einfluss auf die Vitalität von Grasländern in Zentraleuropa haben werden. Die hier gewonnenen Informationen liefern wichtige Beiträge zur Verbesserung von Dürremonitoring und können die Maßnahmenentwicklung zur Verringerung von Dürreschäden im Grasland unterstützen. / Grasslands are vital landscape elements in Central Europe providing essential ecosystem services. Drought events, which are increasing with global climate change, negatively affect grassland vitality and productivity. Satellite remote sensing missions such as Sentinel-2/Landsat offer untapped potential for monitoring grassland vitality. However, workflows for grassland monitoring based on fractional cover of photosynthetic vegetation (PV), non-photosynthetic vegetation (NPV), and soil, remain largely unexplored. The goal of this thesis was to advance the understanding of drought impacts on Central European grasslands by developing a framework for monitoring grassland vitality. The framework included the retrieval of consistent PV, NPV, and soil fractional cover time series from Landsat/Sentinel-2, which was achieved by implementing and generalizing an unmixing workflow. Second, drought impacts were quantified and evaluated based on fractional cover time series. Results showed large-scale, severe, and long-lasting negative impacts on grassland vitality in extreme drought years (e.g., in 2003, and 2018-2020). Robust statistical links confirmed the overall consistent coupling of grassland vitality to drought, specifically to compounding droughts and heatwaves. Spatiotemporal patterns of grassland drought sensitivity revealed that underlying factors such as soil features, and climatic and hydrological conditions modulate drought impacts on local to regional scales. Findings of this thesis emphasize the value of generalized unmixing workflows based on Sentinel-2/Landsat time series for quantitative grassland monitoring across large areas. Furthermore, results suggest that droughts amplified by climate change will pose substantial challenges for grassland vitality across Central European grasslands in the future. The findings provide a steppingstone towards improved drought monitoring and can thus inform adaptation efforts to alleviate drought impacts on grasslands.

In einer Zeit, in der menschliche Aktivitäten mit geologischen Kräften konkurrieren und sich das Klima ständig verändert, ist das Verständnis hydrologischer Prozesse essenziell. Die Quantifizierung hydrologischer Prozesse ist jedoch aufgrund der räumlichen Heterogenität der Umweltfaktoren, die die zugrunde liegenden Prozesse beeinflussen, eine Herausforderung. Daher wurden in dieser Arbeit eine Reihe gemeinsamer, miteinander verbundener Ansätze oder Technologien entwickelt und in einem Einzugsgebiet mit gemischter Landnutzung, dem Demnitz Millcreek (DMC, 66 km2), getestet. Durch die Anwendung von Datenanalyse, Modelling, Machine-learning und Unmanned-vehicle technologies haben wir nicht nur die hydrologischen Prozesse in diesem repräsentativen Einzugsgebiet entschlüsselt, sondern auch - aus einer breiteren Perspektive - den optimalen Methode zur gemeinsamen Nutzung vorhandener Technologien ermittelt, um Unsicherheiten bei Modellierung dieser Prozesse auf der Ebene des Einzugsgebiets zu verringern. / Understanding hydrological processes is essential in an era when human activities rival geologic-scale forces and the climate consistently changes. However, hydrological quantifications are challenging due to the spatial heterogeneity in environmental drivers of the underlying processes. Therefore in this thesis, a series of common linked approaches or technologies were developed and tested in a mixed-landuse catchment, the Demnitzer Millcreek (DMC, 66 km2). By applying data analysis, distributed modelling, machine-learning, and unmanned-vehicle technologies, we not only unraveled the hydrological processes in this representative catchment, but also from a wider perspective - identified the optimal way to jointly use the existing technologies to reduce the uncertainty in monitoring and modelling these processes at the catchment-scale.

Die Arktis erwärmt sich mehr als 3x so schnell wie der globale Durchschnitt, was zu Permafrostdegradation führt. Permafrostdegradation führt zu einer Absenkung des Bodens mit erheblichen Veränderungen der Landoberfläche (VdL), die tiefgreifende ökologische Folgen haben und Infrastruktur-Stabilität bedrohen. Fernerkundungsdaten ermöglichen die Erkundung von VdL und Störungen in weiten Regionen. Erste Anzeichen von Permafrostdegradation zu detektieren, bleibt jedoch eine Herausforderung auf Grund ihrer kleinen räumlichen Skalen und hohen zeitlichen Variabilität. Die zunehmende Verfügbarkeit hochauflösender Bilddaten erfordert zudem nachhaltige Ansätze für deren effiziente Verarbeitung. Auch ist es wichtig, die Anfälligkeit von Infrastruktur im Kontext dieser VdL und die potenziellen ökologischen Folgen im Falle eines Infrastruktur-Versagens zu verstehen. Meine Dissertation widmete sich diesen Herausforderungen am Beispiel Alaskas (U.S.A.). Die drei Studien hatten folgende Ziele: (i) Erkennung und Quantifizierung von VdL, im Kontext von Permafrostdegradation, unter Nutzung hochauflösender Fernerkundungsdaten und Bewertung ihrer Bedrohung für Infrastruktur und (ii) Identifizierung von Infrastrukturelementen mit entscheidender Bedeutung für die Bevölkerung Alaskas, um deren Anfälligkeit für Permafrostdegradation einschätzen zu können. Das Ergebnis sind (i) zwei skalierbare, weitgehend automatisierte, leicht zugängliche methodische Rahmen, die erfolgreich VdL und Erosionsprozesse an Seeufern erkennen und quantifizieren. Außerdem erstellte ich (ii) ein umfassendes Inventar kritischer Infrastruktur und vom Menschen beeinflusster Gebiete, das über industrielle und wirtschaftliche Bedeutung hinausgeht. Dieses Inventar beruht auf der Integration verschiedener Quellen, wodurch eine eingehende Analyse der Anfälligkeit der Infrastruktur für Permafrostdegradation und ökologischen Folgen möglich wird, die im Falle eines Versagens der Infrastruktur entstehen können. / The Arctic is warming more than 3x faster than the global average, leading to permafrost degradation. When permafrost thaws, it results in ground subsidence and causes substantial land surface changes, which have profound ecological consequences and pose a threat to infrastructure stability. Remote sensing data allows us to explore land surface changes and disturbances across regions, yet early detection of permafrost degradation remains challenging due to its small-scale occurrence and high temporal variability. Further, the increasing availability of high-resolution imagery requires a sustainable framework to efficiently process these data. Also, it is essential to understand the vulnerability of infrastructure in context of these land surface changes and the potential ecological consequences that may arise in the event of infrastructure failure. In my thesis, I addressed these challenges focusing on the U.S. state of Alaska. I conducted three studies with the objectives to (i) detecting and quantifying the trajectories of land surface changes attributed to permafrost degradation using very high-resolution remote sensing data and assessing their threat to infrastructure, and (ii) identifying infrastructure elements critical to the Alaskan population to allow an estimation of their vulnerability to permafrost degradation. As a result of my research, I developed (i) two scalable, widely automated and easily accessible frameworks that successfully detect and quantify land surface displacements and shoreline erosion processes attributed to permafrost degradation. Additionally, (ii) I have compiled a comprehensive inventory of critical infrastructure and human-impacted areas, extending beyond economic and industrial importance. I created this inventory by integrating different data sources, allowing for an in-depth analysis of infrastructure vulnerability to permafrost degradation and the ecological consequences that may arise in the event of infrastructure failure.

Durch die rasch wachsende Weltbevölkerung steigt die Nachfrage nach Lebensmitteln, weshalb die Deckung des Bedarfs an Nahrungsmitteln Fortschritte in der Landwirtschaft erfordert. Länder mit niedrigem und mittlerem Einkommen, insbesondere im globalen Süden, stehen bei der Steigerung der Nahrungsmittelproduktion vor zahlreichen Herausforderungen, die durch den vorherrschenden Regenfeldbau und die drohende Gefahr des Klimawandels noch verstärkt werden. In dieser Dissertation werden die Dynamik der Landnutzung und die Bedingungen für den Maisanbau in Kenia sowie die Auswirkung auf Erträge in verschiedenen agrarökologischen Zonen untersucht. Die Arbeit bewertet das Potenzial verschiedener landwirtschaftlicher Bewirtschaftungsstrategien zur Optimierung der Maisproduktivität durch Anpassung der Strategien an die spezifischen Standortbedingungen. Die Studie verwendet Fernerkundungsdaten, um verschiedene Bewirtschaftungs- und Anbaubedingungen als Input-Daten für das DSSAT-CERES-Maismodell zu erfassen. Die Studie ergab, dass die Integration von Fernerkundungsdaten für die Ertragsvorhersage und die Überwachung der Maisbedingungen in datenarmen Regionen wie Kenia entscheidend ist. Zeitliche Informationen aus der Fernerkundung können als Input-Daten für Modellierungen verwendet werden, um Ertragssimulationen bis zur nationalen Ebene zu verbessern. Außerdem konnte festgestellt werden, dass Sorte, Stickstoffdüngung und Aussaattermin den Ertrag in den verschiedenen agroökologischen Zonen erheblich beeinflussen. Noch wichtiger ist, dass die Region durch die Anpassung der Praktiken an die spezifischen Bedingungen der jeweiligen agrarökologischen Zone die Produktion in der gesamten Studienregion potenziell um +5,7 % steigern könnte. Diese Dissertation unterstreicht die Bedeutung der Integration von Anbaumodellierung und Fernerkundung für die Bewertung des Produktionspotenzials von Mais unter verschiedenen Umweltbedingungen. / A rapidly growing global population is escalating the demand for food, necessitating advancements in agricultural practices to meet dietary and nutritional needs. Low and middle-income countries, particularly in the Global South, are facing numerous challenges in boosting food production, compounded by the prevalence of rainfed agriculture and the looming threat of climate change. This dissertation explores the dynamics of land use and maize conditions in Kenya and yield responses across various agroecological zones. The work evaluates the potential of different agricultural management strategies in a bid to optimize maize productivity by tailoring strategies to specific site conditions. The study incorporates remote sensing data to acquire various management and crop conditions as input data for the DSSAT-CERES-Maize model. The study found that remote sensing data integration is crucial for yield prediction and maize conditions monitoring in data-scarce regions, such as Kenya. Temporal information from remote sensing can be used as input data for crop modelling frameworks to enhance yield simulations from field to national scales. The study also found that cultivar type, nitrogen fertilization and sowing dates significantly influence yield across the different agroecological zones. More importantly, by tailoring practices to the specific conditions of the agroecological zone, the region could potentially increase production by +5.7% in the entire study region. This dissertation underscores the importance of crop modelling and remote sensing integration for evaluating maize production potential across diverse environmental settings.

Vorliegende Arbeit zeigt die jüngsten Möglichkeiten hochauflösender Fernerkundung am Beispiel von Stadtbäumen in Berlin, Deutschland. Es wurden neuste methodische Ansätze eingesetzt, wie beispielsweise maschinelles Lernens und individuelle Baumdetektion. Sie erwiesen sich von großem Vorteil für die detaillierte Analyse urbaner Ökosystemdienstleistungen in einer heterogenen Umwelt. Neueste Fernerkundung von hoher zeitlicher Auflösung hat Möglichkeiten gezeigt, Veränderungen des Stadtwaldes präziser zu untersuchen. Diesbezüglich konnten Baumspezies klassifiziert werden auf Grundlage saisonaler Veränderungen, die mittels Fernerkundungsdaten aufgenommen wurden. Dies ist für den urbanen Bereich einmalig und über große Flächen noch nicht durchgeführt worden. Darüber hinaus haben diese Baumarten einzelnen Bäumen zugeordnet werden können, deren Abmessung fernerkundlich erfasst worden ist. Diese neu erzeugten Umweltinformationen einzelner Bäume können damit verbundene urbane Ökosystemdienstleistungen präzise aktualisieren. Zum Beispiel haben so Unsicherheiten in der Schätzung zur Kohlenstoffspeicherung städtischer Wälder reduziert werden können. Es ist zudem von Vorteil gewesen, den gegenwärtigen Mangel an räumlich expliziten dreidimensionalen Informationen über Stadtwälder anzusprechen. Allerdings ist die Rolle städtischen Wälder, das Treibhausgas CO2 langfristig auszugleichen, immer noch wenig untersucht. Gerade der Mangel an präzisen, konsistenten und aktuellen Details führt zu großen Unsicherheiten im Rahmen von Lebenszyklus-Analysen. Auf Grund des aktuellen Fortschritts in hochauflösender Fernerkundung könnten diese Unsicherheiten reduziert werden. Dazu werden Möglichkeiten ausgiebig kritisch bewertet und anhand einer Lebenszyklus-Analyse am Beispiel Berlin andiskutiert, inwieweit sie präzisere langfristige Prognosen zum Stadtwald als Kohlenstoffspeicher liefern. / This work shows recent options for implementing high resolution remote sensing in assessing urban trees in Berlin, Germany. State-of-the-art methodological approaches like machine learning and individual tree detection proved to be highly advantageous for analyzing details of urban ecosystem services within a heterogeneous urban environment. Recent remote sensing of high temporal resolution offers new options for more precisely addressing urban forest dynamics. This successfully shows that tree species could be identified from seasonal changes of remotely sensed imagery, though this has not yet been applied across cities. Furthermore, these tree species results could be combined with remotely sensed individual tree dimensions. This newly generated data can be suggested to update spatially explicit information on related urban ecosystem services. For example, this could reduce the uncertainties of such estimates as urban forest carbon storage, and also address the present lack of spatially explicit three-dimensional information on urban forests. However, few studies have considered the local scale of urban forests to effectively evaluate their potential long-term carbon offset. The lack of precise, consistent and up-to-date forest details is challenging within the scope of life cycle assessments. This can cause high uncertainties in urban forest carbon offset. Although, recent progress in high resolution remote sensing is promising to reduce these uncertainties. For this purpose, remote sensing options are extensively reviewed and briefly discussed using an example of life cycle assessment for Berlin, which allow more precise long-term prognoses of urban forest carbon offset.

Die Fernerkundung war in den vergangenen Jahren von einschneidenden Umbrüchen gekennzeichnet, die sich besonders in der stark gestiegenen geometrischen Bodenauflösung der Sensoren und den damit einhergehenden Veränderungen der Verarbeitungs- und Auswertungsverfahren widerspiegeln. Sehr hoch auflösende Satellitenbilddaten - definiert durch eine Auflösung zwischen einem halben und einem Meter - existieren seit dem Start von IKONOS Ende 1999. Etwa im selben Zeitraum wurden extrem hoch auflösende digitale Flugzeugkameras (0,1 bis 0,5 m) entwickelt. Dieser Arbeit liegen IKONOS-Daten mit einer Auflösung von einem (panchromatischer Kanal) bzw. vier Metern (Multispektraldaten) zugrunde. Bedingt durch die Eigenschaften sehr hoch aufgelöster Bilddaten (z. B. Detailgehalt, starke spektrale Variabilität, Datenmenge) lassen sich bisher verfügbare Standardverfahren der Bildverarbeitung nur eingeschränkt anwenden. Die Ergebnisse der in dieser Arbeit getesteten Verfahren verdeutlichen, dass die Methoden- bzw. Softwareentwicklung mit den technischen Neuerungen nicht Schritt halten konnte. Einige Verfahren werden erst allmählich für sehr hoch auflösende Daten nutzbar (z. B. atmosphärisch-topographische Korrektur). Die vorliegende Arbeit zeigt, dass Daten dieses Auflösungsbereiches mit bisher verwendeten pixelbasierten, statistischen Klassifikationsverfahren nur unzulänglich ausgewertet werden können. Die hier untersuchte Anwendung von Bildsegmentierungsmethoden hilft, die Nachteile pixelbasierter Verfahren zu überwinden. Dies wurde durch einen Vergleich pixel- und segmentbasierter Klassifikationsverfahren belegt. Im Rahmen einer Segmentierung werden homogene Bildbereiche zu Regionen verschmolzen, welche die Grundlage für die anschließende Klassifikation bilden. Hierzu stehen über die spektralen Eigenschaften hinaus Form-, Textur- und Kontextmerkmale zur Verfügung. In der verwendeten Software eCognition lassen sich diese Klassifikationsmerkmale zudem auf Grundlage des fuzzy-logic-Konzeptes in einer Wissensbasis (Entscheidungsbaum) umsetzen. Ein Vergleich verschiedener, derzeit verfügbarer Segmentierungsverfahren zeigt darüber hinaus, dass sich mit der genutzten Software eine hohe Segmentierungsqualität erzielen lässt. Der wachsende Bedarf an aktuellen Geobasisdaten stellt für sehr hoch auflösende Fernerkundungsdaten eine wichtige Einsatzmöglichkeit dar. Durch eine gezielte Klassifikation der Bilddaten lassen sich Arbeitsgrundlagen für die hier betrachteten Anwendungsfelder Landschaftsplanung und Landschaftsökologie schaffen. Die dargestellten Beispiele von Landschaftsanalysen durch die segmentbasierte Auswertung von IKONOS-Daten zeigen, dass sich eine Klassifikationsgüte von 90 % und höher erreichen lässt. Zudem können die infolge der Segmentierung abgegrenzten Landschaftseinheiten eine Grundlage für die Berechnung von Landschaftsstrukturmaßen bilden. Nationale Naturschutzziele sowie internationale Vereinbarungen zwingen darüber hinaus zur kontinuierlichen Erfassung des Landschaftsinventars und dessen Veränderungen. Fernerkundungsdaten können in diesem Bereich zur Etablierung automatisierter und operationell einsatzfähiger Verfahren beitragen. Das Beispiel Biotop- und Landnutzungskartierung zeigt, dass eine Erfassung von Landnutzungseinheiten mit hoher Qualität möglich ist. Bedingt durch das Auswertungsverfahren sowie die Dateneigenschaften entspricht die Güte der Ergebnisse noch nicht vollständig den Ansprüchen der Anwender, insbesondere hinsichtlich der erreichbaren Klassifikationstiefe. Die Qualität der Ergebnisse lässt sich durch die Nutzung von Zusatzdaten (z. B. GIS-Daten, Objekthöhenmodelle) künftig weiter steigern. Insgesamt verdeutlicht die Arbeit den Trend zur sehr hoch auflösenden digitalen Erderkundung. Für eine breite Nutzung dieser Datenquellen ist die weitere Entwicklung automatisierter und operationell anwendbarer Verarbeitungs- und Analysemethoden unerlässlich. / In recent years remote sensing has been characterised by dramatic changes. This is reflected especially by the highly increased geometrical resolution of imaging sensors and as a consequence thereof by the developments in processing and analysis methods. Very high resolution satellite imagery (VHR) - defined by a resolution between 0.5 and 1 m - exists since the start of IKONOS at the end of 1999. At about the same time extreme high resolution digital airborne sensors (0.1 till 0.5 m) have been developed. The basis of investigation for this dissertation is IKONOS imagery with a resolution of one meter (panchromatic) respectively four meters (multispectral). Due to the characteristics of such high resolution data (e.g. level of detail, high spectral variability, amount of data) the use of previously available standard methods of image processing is limited. The results of the procedures tested within this work demonstrate that the development of methods and software was not able to keep up with the technical innovations. Some procedures are only gradually becoming suitable for VHR data (e.g. atmospheric-topographic correction). Additionally, this work shows that VHR imagery can be analysed only inadequately using traditional pixel-based statistical classifiers. The herein researched application of image segmentation methods helps to overcome drawbacks of pixel-wise procedures. This is demonstrated by a comparison of pixel and segment-based classification. Within a segmentaion, homogeneous image areas are merged into regions which are the basis for the subsequent classification. For this purpose, in addition to spectral features also formal, textural and contextual properties are available. Furthermore, the applied software eCognition allows the definition of the features for classification based on fuzzy logic in a knowledge base (decision tree). An evaluation of different, currently available segmentation approaches illustrates that a high segmentation quality is achievable with the used software. The increasing demand for geospatial base data offers an important field of application for VHR remote sensing data. With a targeted classification of the imagery the creation of working bases for the herein considered usage for landscape planning and landscape ecology is possible. The given examples of landscape analyses using a segment-based processsing of IKONOS data show an achievable classification accuracy of 90 % and more. The landscape units delineated by image segmentation could be used for the calculation of landscape metrics. National aims of nature conservation as well as international agreements constrain a continuous survey of the landscape inventory and the monitoring of its changes. Remote sensing imagery can support the establishment of automated and operational methods in this field. The example of biotope and land use type mapping illustrates the possibility to detect land use units with a high precision. Depending on the analysis method and the data characteristics the quality of the results is not fully equivalent to the user?s demands at the moment, especially concerning the achievable depth of classification. The quality of the results can be enhanced by using additional thematic data (e.g. GIS data, object elevation models). To summarize this dissertation underlines the trend towards very high resolution digital earth observation. Thus, for a wide use of this kind of data it is essentially to further develop automated and operationally useable processing and analysis methods.

No description available.

This thesis analyses the highly structured and densely populated farmland surrounding Kakamega Forest (western Kenya) in a spatially-explicit manner. The interdisciplinary approach combines methodologies and technologies from different scientific disciplines: remote sensing with OBIA, GIS and spatially explicit modelling (geomatics and geographic science) with socio-economic as well as agro-economic considerations (human and social sciences) as well as cartographic science. Furthermore, the research is related to conservation biology (biological sciences). Based on an in-situ ground truthing and visual image interpretation, very high spatial resolution QuickBird satellite imagery covering 466 km² of farmland was analysed using the concept of object-based image analysis (OBIA). In an integrative workflow, statistical analysis and expert knowledge were combined to develop a sophisticated rule set. The classification result distinguishing 15 LULC classes was used alongside with temporally extrapolated and spatially re-distributed population data as well as socio-/agro-economic factors in order to create a spatially-explicit typology of the farmland and to model scenarios of rural livelihoods. The farmland typology distinguishes ten types of farmland: 3 sugarcane types (covering 48% of the area), 3 tea types (30%), 2 transitional types (15%), 1 steep terrain type (2%), and 1 central type (5%). The scenarios consider different developments of possible future yields and prices for the main agricultural products sugarcane, tea, and maize. Out of all farmland types, the ‘marginal sugarcane type’ is best prepared to cope with future problems. Besides a comparably low population density, a high share of land under cultivation of food crops coupled with a moderate cultivation of cash crops is characteristic for this type. As part of the research conducted, several novel methodologies were introduced. These include a new conceptual framework for categorizing parameter optimization studies, the area fitness rate (AFR) as a novel discrepancy measure, the technique of ‘classification-based nearest neighbour classification’ for classes which are difficult to separate from others, and a novel approach for accessing the accuracy of OBIA classifications. Finally, this thesis makes a number of recommendations and elaborates promising starting points for further scientific research. / Die vorliegende Arbeit untersucht räumlich-expliziten das stark strukturierte und dicht besiedelte Agrarland um den Kakamega Wald (Westkenia). Dabei kombiniert der interdisziplinäre Ansatz Methoden und Technologien verschiedener Wissenschaftsbereiche: die Fernerkundung mit der objekt-basierten Bildanalyse (OBIA), GIS und die räumlich-explizite Modellierung (Geoinformatik und Geographie) mit sozio- und agro-ökonomische Aspekten (Human- und Sozialwissenschaft) sowie der Kartographie. Zudem steht die Arbeit in Bezug zum Schutz der biologischen Vielfalt (Biologie). Ausgehend von einer Referenzdatenerfassung vor Ort und einer visuellen Bildinterpretation wurden räumlich sehr hochauflösende QuickBird-Satellitenbilddaten, die 466 km² des Agrarlandes abdecken, mit Hilfe von OBIA ausgewertet. In einem integrativen Ansatz wurden dabei statistische Verfahren und Expertenwissen kombiniert, um einen ausgefeilten Regelsatz zur Klassifizierung zu erzeugen. Das Klassifizierungsergebnis unterscheidet 15 Klassen der Landnutzung bzw. -bedeckung; zusammen mit zeitlich extrapolierten und räumlich neu verteilten Bevölkerungsdaten sowie sozio- und agro-ökonomischen Faktoren ermöglichte es, eine räumlich-explizite Typologie des Agrarlandes zu erstellen und Szenarien zum ländlichen Auskommen zu modellieren. Die Agrarlandtypologie unterscheidet zehn Landtypen: 3 Zuckerrohr-dominierte Typen (48% des Gebietes), 3 Tee-dominierte Typen (30%), 2 Übergangstypen (15%), 1 Typ steilen Geländes (2%) und 1 zentralen Typ (5%). Die Szenarien betrachten mögliche zukünftige Entwicklungen der Erträge und Preise der Hauptanbauarten Zuckerrohr, Tee und Mais. Von allen Agrarlandtypen ist der „marginal Zuckerrohr-dominierte Typ“ am besten gerüstet, um zukünftigen Problemen zu begegnen. Bezeichnend für diesen Typ sind – neben einer vergleichsweise geringen Bevölkerungsdichte – ein hoher Anteil an Nahrungsmittelanbau zusammen mit einem gemäßigten Anbau von exportorientierten Agrarprodukten. Als Teil der Forschungsarbeit werden verschiedene neuartige Methoden vorgestellt, u.a. ein neuer konzeptioneller Rahmen für das Kategorisieren von Studien zur Parameteroptimierung, die „area fitness rate“ (AFR) als neue Messgröße für Flächendiskrepanzen, die klassifikations-basierte Nächster-Nachbar Klassifizierung sowie ein Ansatz zum Bestimmen der Güte von OBIA-Klassifizierungen. Schließlich gibt die Arbeit eine Reihe von Empfehlungen und bietet vielversprechende Ausgangspunkte für weiterführende wissenschaftliche Forschungen.

This thesis analyses the highly structured and densely populated farmland surrounding Kakamega Forest (western Kenya) in a spatially-explicit manner. The interdisciplinary approach combines methodologies and technologies from different scientific disciplines: remote sensing with OBIA, GIS and spatially explicit modelling (geomatics and geographic science) with socio-economic as well as agro-economic considerations (human and social sciences) as well as cartographic science. Furthermore, the research is related to conservation biology (biological sciences). Based on an in-situ ground truthing and visual image interpretation, very high spatial resolution QuickBird satellite imagery covering 466 km² of farmland was analysed using the concept of object-based image analysis (OBIA). In an integrative workflow, statistical analysis and expert knowledge were combined to develop a sophisticated rule set. The classification result distinguishing 15 LULC classes was used alongside with temporally extrapolated and spatially re-distributed population data as well as socio-/agro-economic factors in order to create a spatially-explicit typology of the farmland and to model scenarios of rural livelihoods. The farmland typology distinguishes ten types of farmland: 3 sugarcane types (covering 48% of the area), 3 tea types (30%), 2 transitional types (15%), 1 steep terrain type (2%), and 1 central type (5%). The scenarios consider different developments of possible future yields and prices for the main agricultural products sugarcane, tea, and maize. Out of all farmland types, the ‘marginal sugarcane type’ is best prepared to cope with future problems. Besides a comparably low population density, a high share of land under cultivation of food crops coupled with a moderate cultivation of cash crops is characteristic for this type. As part of the research conducted, several novel methodologies were introduced. These include a new conceptual framework for categorizing parameter optimization studies, the area fitness rate (AFR) as a novel discrepancy measure, the technique of ‘classification-based nearest neighbour classification’ for classes which are difficult to separate from others, and a novel approach for accessing the accuracy of OBIA classifications. Finally, this thesis makes a number of recommendations and elaborates promising starting points for further scientific research.:1. Introduction 2. Geodata and reference data 3. Object-based image analysis (OBIA) 4. Optimization of segmentation parameters 5. Feature selection and threshold determination 6. OBIA classification: rule set development and realisation 7. Classification results 8. Spatial farmland typology 9. Spatially explicit planning scenarios of rural livelihoods 10. Discussion / Die vorliegende Arbeit untersucht räumlich-expliziten das stark strukturierte und dicht besiedelte Agrarland um den Kakamega Wald (Westkenia). Dabei kombiniert der interdisziplinäre Ansatz Methoden und Technologien verschiedener Wissenschaftsbereiche: die Fernerkundung mit der objekt-basierten Bildanalyse (OBIA), GIS und die räumlich-explizite Modellierung (Geoinformatik und Geographie) mit sozio- und agro-ökonomische Aspekten (Human- und Sozialwissenschaft) sowie der Kartographie. Zudem steht die Arbeit in Bezug zum Schutz der biologischen Vielfalt (Biologie). Ausgehend von einer Referenzdatenerfassung vor Ort und einer visuellen Bildinterpretation wurden räumlich sehr hochauflösende QuickBird-Satellitenbilddaten, die 466 km² des Agrarlandes abdecken, mit Hilfe von OBIA ausgewertet. In einem integrativen Ansatz wurden dabei statistische Verfahren und Expertenwissen kombiniert, um einen ausgefeilten Regelsatz zur Klassifizierung zu erzeugen. Das Klassifizierungsergebnis unterscheidet 15 Klassen der Landnutzung bzw. -bedeckung; zusammen mit zeitlich extrapolierten und räumlich neu verteilten Bevölkerungsdaten sowie sozio- und agro-ökonomischen Faktoren ermöglichte es, eine räumlich-explizite Typologie des Agrarlandes zu erstellen und Szenarien zum ländlichen Auskommen zu modellieren. Die Agrarlandtypologie unterscheidet zehn Landtypen: 3 Zuckerrohr-dominierte Typen (48% des Gebietes), 3 Tee-dominierte Typen (30%), 2 Übergangstypen (15%), 1 Typ steilen Geländes (2%) und 1 zentralen Typ (5%). Die Szenarien betrachten mögliche zukünftige Entwicklungen der Erträge und Preise der Hauptanbauarten Zuckerrohr, Tee und Mais. Von allen Agrarlandtypen ist der „marginal Zuckerrohr-dominierte Typ“ am besten gerüstet, um zukünftigen Problemen zu begegnen. Bezeichnend für diesen Typ sind – neben einer vergleichsweise geringen Bevölkerungsdichte – ein hoher Anteil an Nahrungsmittelanbau zusammen mit einem gemäßigten Anbau von exportorientierten Agrarprodukten. Als Teil der Forschungsarbeit werden verschiedene neuartige Methoden vorgestellt, u.a. ein neuer konzeptioneller Rahmen für das Kategorisieren von Studien zur Parameteroptimierung, die „area fitness rate“ (AFR) als neue Messgröße für Flächendiskrepanzen, die klassifikations-basierte Nächster-Nachbar Klassifizierung sowie ein Ansatz zum Bestimmen der Güte von OBIA-Klassifizierungen. Schließlich gibt die Arbeit eine Reihe von Empfehlungen und bietet vielversprechende Ausgangspunkte für weiterführende wissenschaftliche Forschungen.:1. Introduction 2. Geodata and reference data 3. Object-based image analysis (OBIA) 4. Optimization of segmentation parameters 5. Feature selection and threshold determination 6. OBIA classification: rule set development and realisation 7. Classification results 8. Spatial farmland typology 9. Spatially explicit planning scenarios of rural livelihoods 10. Discussion