The Wadi Dhuliel catchment/ North east Jordan, as any other arid area has distinctive hydrological features with limited water resources. The hydrological regime is characterized by high variability of temporal and spatial rainfall distributions, flash floods, absence of base flow, and high rates of evapotranspiration. The aim of this Ph.D. thesis was to apply lumped and distributed models to simulate stream flow in the Wadi Dhuliel arid catchment. Intensive research was done to estimate the spatial and temporal rainfall distributions using remote sensing. Because most rainfall-runoff models were undertaken for other climatic zones, an attempt was made to study limitations and challenges and improve rainfall-runoff modeling in arid areas in general and for the Wadi Dhuliel in particular. The thesis is divided into three hierarchically ordered research topics. In the first part and research paper, the metric conceptual IHACRES model was applied to daily and storm events time scales, including data from 19 runoff events during the period 1986-1992. The IHACRES model was extended for snowfall in order to cope with such extreme events. The performance of the IHACRES model on daily data was rather poor while the performance on the storm events scale shows a good agreement between observed and simulated streamflow. The modeled outputs were expected to be sensitive when the observed flood was relatively small. The optimum parameter values were influenced by the length of a time series used for calibration and event specific changes. In the second research paper, the Global Satellite Mapping of Precipitation (GSMaP_MVK+) dataset was used to evaluate the precipitation rates over the Wadi Dhuliel arid catchment for the period from January 2003 to March 2008. Due to the scarcity of the ground rain gauge network, the detailed structure of the rainfall distribution was inadequate, so an independent from interpolation techniques was used. Three meteorological stations and six rain gauges were used to adjust and compare with GSMaP_MVK+ estimates. Comparisons between GSMaP_MVK+ measurements and ground rain gauge records show distinct regions of correlation, as well as areas where GSMaP_MVK+ systematically over- and underestimated ground rain gauge records. A multiple linear regression (MLR) model was used to derive the relationship between rainfall and GSMaP_MVK+ in conjunction with temperature, relative humidity, and wind speed. The MLR equations were defined for the three meteorological stations. The ‘best’ fit of the MLR model for each station was chosen and used to interpolate a multiscale temporal and spatial distribution. Results show that the rainfall distribution over the Wadi Dhuliel is characterized by clear west-east and north-south gradients. Estimates from the monthly MLR model were more reliable than estimates obtained using daily data. The adjusted GSMaP_MVK+ dataset performed well in capturing the spatial patterns of the rainfall at monthly and annual time scales, while daily estimation showed some weakness for light and moderate storms. In the third research paper, the HEC-HMS and IHACRES rainfall runoff models were applied to simulate a single streamflow event in the Wadi Dhuliel catchment that occurred in 30-31.01.2008. Both models are considered suitable for arid conditions. The HEC-HMS model application was done in conjunction with the HEC-GeoHMS extension in ArcView 3.3. Streamflow estimation was performed on hourly data. The aim of this study was to develop a new framework of rainfall-runoff model applications in arid catchment by integrating a re-adjusted satellite derived rainfall dataset (GSMaP_MVK+) to determine the location of the rainfall storm. Each model has its own input data sets. HEC-HMS input data include soil type, land use/land cover map, and slope map. IHACRES input data sets include hourly rainfall and temperature. The model was calibrated and validated using observed stream flow data collected from Al-Za’atari discharge station. IHACRES shows some weaknesses, while the flow comparison between the calibrated streamflow results agrees well with the observed streamflow data of the HEC-HMS model. The Nash-Sutcliffe efficiency (Ef) for both models was 0.51, and 0.88 respectively. The application of HEC-HMS model in this study is considered to be satisfactory.

Technical complexities and the high cost of satellite images have hindered the adoption of remote sensing technology and tools for nature conservation works in Ethiopia as in many developing countries. The terrestrial and aquatic ecosystems in Abijjata Shala Lakes National Park (ASLNP) and the Important Bird Areas (IBAs) around the park are considered to be one of the most important home ranges for birds. However, little is known about the effect of land use/land cover (LULC) dynamics, due to lack of technical know how and logistical problems. However, it has been shown in this study that sophisticated image management works are not always relevant. Instead a simple method of utilizing the thermal band has been demonstrated. A new approach of long-term dynamics analysis method has also been suggested. A successful classification of images was achieved after such simple enhancement tests. It has been discovered that, there were more active LULC change processes in the area in the first study period (1973 to 1986) than during the second study period (1986-2000). In the first period nearly half of the landscape underwent land cover change processes with more than 26% of the entire landscape experiencing forest or land degradation. In the second period the extent of the change process was limited to only 1/3 of the total area with a smaller amount of degradation processes than before. During the entire study period, agriculture was responsible for the loss of more than 4/5 of the total terrestrial productive ecosystem. More than 37.6% of the total park area has been experiencing this loss for the past 3 decades. Only 1/5 of this area has a chance to revive, the remaining has undergone a permanent degradation. Lake Abijjata lost half of its size during the past 30 years. In the Zeway-Awassa basin 750 km², 2428km² and 3575km² of terrestrial lands and water bodies are within a distance of 10km, 20km and 30km from IBAs respectively. There are ecologically important areas where two or more IBAs overlap. In areas where more than two to five IBAs overlap, up to 85km² of areas have been recently degraded. High livestock density is one of the reasons for degradation. Using a monthly MODIS data from 2000-2005 and a series of interpolation techniques, the productivity of the area as well as the standing biomass were estimated. Moreover, a new method of spatially accurate livestock density assessment was developed in this study. Only 0.3% of the park area is found to be suitable for productive livestock development but nearly all inhabitants think the area is suitable. Feed availability in ASLNP is scarce even during rainy seasons. Especially the open woodlands are subject to overgrazing. Such shortage forces the inhabitants to cut trees for charcoal making to buy animal feed and non-food consumables. While more than 95% of the inhabitants in the park expanded their agriculture lands, only 13.3% of the farmers managed to produce cereals for market. The application of low cost remote sensing and GIS methods provided ample information that enables to conclude that low productivity and household food insecurity are the main driving forces behind land cover changes that are negatively affecting the natural and semi-natural ecosystems in the central and southern Rift Valley of Ethiopia. The restoration of natural ecosystems or conservation of biodiversity can be achieved only if those driving forces are tackled sustainably.

Sundarban Reserved Forest in Bangladesh is playing a significant role in local and national economy and is providing protection to the coastline as well as to the indigenous people. During the past decades and also in recent time this forest was heavily disturbed by human intervention in many aspects. As a consequence the resources of the forest are fragmenting, shrinking and declining, which in turn leads to an increasing failure of satisfying increasing demands both at local and national levels. Therefore accurate and continuously updated spatial information is needed for optimising forest management and environmental planning on both levels to support the fulfilment of urgent needs of sustainability of the forest. Considering the specific topography and the poor accessibility of the forest versus the task of collecting information, remote sensing is an attractive, if not the only means of obtaining sound full-coverage spatial information on forest cover of Sundarban. This research used medium resolution Landsat ETM data of November 2000 and Landsat TM data of January 1989 to assess and monitor the forest for 1. Identification of the operational tools for mapping and monitoring the forest as well as on the examination of the reliability of the application of multitemporal satellite remote sensing data for building spatial databases on forest cover in Sundarban. 2. Based on the existing management plan of the forest as well as the spectral properties of Landsat ETM imagery a level III classification system was developed. 3. This classification strategy was tested by applying several methods to achieve the classification result with the highest accuracy and thus to build the most reliable methodology for mapping forest cover in Sundarban. 4. Forest cover change was assessed for the period of eleven years. Significant changes have been observed due to illegal removal of trees from the forest although a governmental moratorium on banning timber extraction exists since 1989. 5. Development of an operational monitoring scheme by means of multitemporal satellite imagery analysis, which will allow concerned authorities to set up sustainable and appropriate monitoring of the Sundarban Reserved Forest. / Das Schutzgebiet des Sundarban Mangrovenwaldes in Bangladesh spielt eine entscheidende Rolle in Hinsicht auf nationale und lokale sozio-ökonomische und sozio-ökologische Aspekte. Das Waldgebiet stabilisiert nicht nur die Küstenlinie, sondern schützt auch die Bevölkerung vor den Einflüssen von Flutkatastrophen. Durch menschlichen Einfluss wurde die Region während der letzten Jahrzehnte mehr und mehr unmittelbar gestört. Der Rückgang des Ertrags an Ressourcen aus dem Wald führte zu wachsender Unzufriedenheit in der von diesen Nutzungs-möglichkeiten abhängigen Bevölkerung. Um eine Optimierung des Waldmanagements durchführen zu können, werden kontinuierliche und genaue raumbezogene Daten benötigt. Betrachtet man die spezifische Topographie und die schlechte Zugänglichkeit der Waldgebiete, so bietet die Fernerkundung eine attraktive Möglichkeit, raumbezogene Informationen für die großen Flächen des Sundurban Mangrovenwaldes zu erfassen. Zur Analyse und Überwachung der Waldgebiete wurden zwei Satellitenbild-Datensätze mit mittlerer Auflösung verwendet, und zwar Landsat ETM Daten aus dem Jahre 2000 (November) sowie Landsat TM Daten aus dem Jahre 1989 (Januar). Die zentralen Aktivitäten im Rahmen der Bearbeitung der Dissertation beziehen sich auf 1. die Identifikation der notwendigen Werkzeuge für eine erfolgreiche Kartierung und Überwachung der Waldgebiete sowie Untersuchung der Zuverlässigkeit multi-temporaler Fernerkundungsdaten für den Aufbau einer Datenbasis für die Kartierung von Waldbedeckungsarten im Untersuchungsgebiet des Sunderban Mangroven-waldes, 2. die Entwicklung eines Klassifikationssystems nach dem USGS-Schlüssel (Auflösungsebene III) auf Grundlage des existierenden Managementplanes und der spektralen Qualität der Landsat ETM Satellitenbilddaten, 3. den Test der Klassifikationsstrategie durch Adaption unterschiedlicher Methoden und Optimierung in bezug auf Erzielung eines Ergebnisses in maximal erreichbarer Genauigkeit als Ausgangspunkt für den Aufbau einer Methodologie zum Monitoring des Sunderban Mangrovenwaldes, 4. die Extraktion der Veränderungen der Waldbedeckung über ein Zeitintervall von 11 Jahren mit weitreichenden Erkenntnissen zur Dynamik der Degradations-effekte, die hauptsächlich durch illegales Fällen trotz Verbot durch ein Regierungs-memorandum seit 1989 beschleunigt wird, 5. die Entwicklung einer operationellen Monitoring-Struktur mit Hilfe von multi-temporaler Satellitenbildanalyse für ein nachhaltiges und angepasstes raumbezo-genes Management des Sunderban-Mangrovenwaldes.

The work describes the processing and analysis of remote sensing time series data for a comparative assessment of changes in different tropical rainforest areas in East Africa. In order to assess the effects of the derived changes in land cover and forest fragmentation, the study made use of spatially explicit modelling approaches within a geographical information system (GIS) to extrapolate sets of biological field findings in space and time. The analysis and modelling results were visualised aiming to consider the requirements of three different user groups. In order to evaluate measures of forest conservation and to derive recommendations for an effective forest management, quantitative landscape-scale assessments of land cover changes and their influence on forest biodiversity patterns are needed. However, few remote sensing studies have accounted for all of the following aspects at the same time: (i) a dense temporal sequence of land cover change/forest fragmentation information, (ii) the coverage of several decades, (iii) the distinction between multiple forest formations and (iv) direct comparisons of different case studies. In regards to linkages of remote sensing with biological field data, no attempts are known that use time series data for quantitative statements of long-term landscape-scale biodiversity changes. The work studies three officially protected forest areas in Eastern Africa: the Kakamega-Nandi forests in western Kenya (focus area) and Mabira Forest in south-eastern Uganda as well as Budongo Forest in western Uganda (for comparison purposes). Landsat imagery of in total eight or seven dates in regular intervals from 1972/73 to 2003 was used. Making use of supervised multispectral image classification procedures, in total, 12 land cover classes (six forest formations) were distinguished for the Kakamega-Nandi forests and for Budongo Forest while for Mabira Forest ten classes could be realised. An accuracy assessment via error matrices revealed overall classification accuracies between 81% and 85%. The Kakamega-Nandi forests show a continuous decrease between 1972/73 and 2001 of 31%, Mabira Forest experienced an abrupt loss of 24% in the late 1970s/early 1980s, while Budongo Forest shows a relatively stable forest cover extent. An assessment of the spatial patterns of forest losses revealed congruence with areas of high population density while a spatially explicit forest fragmentation index indicates a strong correlation of forest fragmentation with forest management regime and forest accessibility by roads. For the Kenyan focus area, three sets of biological field abundance data on keystone species/groups were used for a quantitative assessment of the influence of long-term changes in tropical forests on landscape-scale biodiversity patterns. For this purpose, the time series was extended with another three land cover data sets derived from aerial photography (1965/67, 1948/(52)) and old topographic maps (1912/13). To predict the spatio-temporal distribution of the army ant Dorylus wilverthi and of ant-following birds, GIS operators (i.e. focal and local functions) and statistical tests (i.e. OLS or SAR regression models) were combined into a spatial modelling procedure. Abundance data on three guilds of birds differing in forest dependency were directly extrapolated to five forest cover classes as distinguished in the time series. The results predict declines in species abundances of 56% for D. wilverthi, of 58% for ant-following birds and an overall loss of 47% for the bird habitat guilds, which in all three cases greatly exceed the rate of forest loss (31%). Additional extrapolations on scenarios of deforestation and reforestation confirmed the negative ecological consequences of splitting-up contiguous forest areas but also showed the potential of mixed indigenous forest plantings. The visualisation of the analysis and modelling results produced a mixture of different outcomes. Map series and a matrix of maps both showing species distributions aim to address scientists and decision makers. The results of the land cover change analysis were synthesised in a map of land cover development types for each study area, respectively. These maps are designed mainly for scientists. Additional maps of change, limited to a single class of forest cover and to three dates were generated to ensure an easy-to-grasp communication of the major forest changes to decision makers. Additionally, an easy-to-handle visualisation tool to be used by scientists, decision makers and local people was developed. For the future, an extension of this study towards a more complete assessment including more species/groups and also ecosystem functions and services would be desirable. Combining a framework for land cover simulation with a framework for running empirical extrapolation models in an automated manner could ideally result in a GIS-based, integrated forest ecosystem assessment tool to be used as regional spatial decision support system. / Die Arbeit beschreibt die Prozessierung und Analyse von Fernerkundungs-Zeitreihendaten für eine vergleichende Abschätzung von Veränderungen verschiedener tropischer Waldökosysteme Ostafrikas. Um Effekte der Veränderungen bzgl. Landbedeckung und Waldfragmentierung auf Biodiversitätsmuster abzuschätzen, wurden verschiedene räumlich explizite Modellierungssätze innerhalb eines geographischen Informationssystems (GIS) zur räumlichen und zeitlichen Extrapolation biologischer Felderhebungsdaten benutzt. Die Visualisierung der Analyse- und Modellierungsergebnisse erfolgte unter Berücksichtigung der Bedürfnisse von drei verschiedenen Nutzergruppen. Um Waldschutzmaßnahmen zu evaluieren und Empfehlungen für ein effektives Waldmanagement abzuleiten, sind quantitative Abschätzungen von Landbedeckungsveränderungen sowie von deren Einfluss auf tropische Waldbiodiversitätsmuster nötig. Wenige fernerkundungsbasierte Studien haben jedoch bislang alle der folgenden Faktoren berücksichtigt: (i) Informationen zu Veränderungen von Landbedeckung und Waldfragmentierung in dichter zeitlicher Sequenz, (ii) die Abdeckung mehrerer Jahrzehnte, (iii) die Unterscheidung zwischen mehreren Waldformationen, und (iv) direkte Vergleiche von unterschiedlichen Fallstudien. Hinsichtlich Verknüpfungen von Fernerkundung mit biologischen Felddaten sind bisher keine Studien bekannt, die Zeitreihendaten für quantitative Aussagen zu Langzeitveränderungen von Biodiversität auf Landschaftsebene verwenden. Die Arbeit untersucht drei offiziell geschützte Gebiete: die Kakamega-Nandi forests in Westkenia (Hauptuntersuchungsgebiet) sowie Mabira Forest in Südost-Uganda und Budongo Forest in West-Uganda (zu Vergleichszwecken). Es wurden Landsat-Daten für insgesamt acht bzw. sieben Zeitpunkte zwischen 1972/73 und 2003 in ungefähr gleichen Abständen erworben. Mit Hilfe von überwachten, multispektralen Klassifizierungsverfahren wurden für die Kakamega-Nandi forests und Budongo Forest jeweils 12 Landbedeckungsklassen (sechs Waldformationen) und für Mabira Forest zehn Klassen unterschieden. Eine Genauigkeitsprüfung mit Hilfe von Fehlermatrizen ergab Gesamtklassifizierungsgenauigkeiten zwischen 81% und 85%. Die Kakamega-Nandi forests sind durch eine kontinuierliche Waldabnahme von 31% zwischen 1972/73 und 2001 gekennzeichnet, Mabira Forest zeigt einen abrupten Waldverlust von 24% in den späten 1970ern/frühen 1980ern, während die Ergebnisse für Budongo Forest eine relativ stabile Waldbedeckung ausweisen. Während eine Abschätzung der räumlichen Muster von Waldverlusten eine hohe Deckungsgleichheit mit Gebieten hoher Bevölkerungsdichte ergab, deutet die Anwendung eines räumlich expliziten Waldfragmentierungsindexes auf eine starke Korrelation von Waldfragmentierung mit der Art von Waldmanagement sowie mit der Erreichbarkeit von Wald über Straßen hin. Um den Einfluss von Langzeit-Landbedeckungsveränderungen auf Biodiversitätsmuster auf Landschaftsebene für das kenianische Hauptuntersuchungsgebiet quantitativ abzuschätzen wurden drei Datensätze mit biologischen Felderhebungen zur Abundanz von Schlüsselarten/-gruppen verwendet. Zu diesem Zweck wurde die Zeitreihe zunächst um drei weitere Landbedeckungs-Datensätze ergänzt, die aus Luftbildern (1965/67, 1948/(52)) bzw. alten topographischen Karten (1912/13) gewonnen wurden. Zur Vorhersage der raum-zeitlichen Verteilung der Treiberameise Dorylus wilverthi wurden GIS-Operatoren und statistische Tests (OLS bzw. SAR Regressionsmodelle) in einem räumlichen Modellierungsablauf kombiniert. Abundanzdaten von drei sich hinsichtlich ihrer Abhängigkeit von Wald unterscheidenden Vogelgilden wurden direkt auf fünf Waldbedeckungsklassen hochgerechnet, die in der Zeitreihe unterschieden werden konnten. Die Ergebnisse prognostizieren Abundanzabnahmen von 56% für D. wilverthi, von 58% für Ameisen-folgende Vögel und einen Gesamtverlust von 47% für die Vogelgilden, was in allen drei Fällen eine deutliche Überschreitung der Waldverlustrate von 31% darstellt. Zusätzliche Extrapolationen basierend auf Szenarien bestätigten die negativen ökologischen Konsequenzen der Zerteilung zusammenhängender Waldflächen bzw. zeigten andererseits das Potential von Aufforstungen mit einheimischen Arten auf. Die Visualisierung der Analyse- bzw. Modellierungsergebnisse führte zu unterschiedlichen Darstellungen: mit einer Reihe von nebeneinander positionierten Einzelkarten sowie einer Matrix von Einzelkarten, die jeweils Artenverteilungen zeigen, sollen Wissenschaftler und Entscheidungsträger angesprochen werden. Aus den Ergebnissen der Landbedeckungsanalyse für die drei Untersuchungsgebiete wurden Landbedeckungsveränderungstypen generiert und jeweils in einer synthetischen Karte dargestellt, die hauptsächlich für Wissenschaftler gedacht sind. Um die wesentlichen Waldveränderungen auch auf einfache Weise zu den Entscheidungsträgern zu kommunizieren, wurden zusätzliche Karten erstellt, die nur eine aggregierte Klasse „Waldbedeckung“ zeigen und jeweils auf drei Zeitschritte der Zeitreihen begrenzt sind. Zusätzlich wurde ein leicht zu bedienendes Visualisierungstool entwickelt, das für Wissenschaftler, Entscheidungsträger und die lokale Bevölkerung gedacht ist. Für die Zukunft wäre eine umfassendere Abschätzung unter Berücksichtigung zusätzlicher Arten/-gruppen sowie auch Ökosystemfunktionen und –dienstleistungen wünschenswert. Die Verknüpfung einer Applikation zur Landbedeckungsmodellierung mit einer Applikation zur Ausführung von empirischen Extrapolationsmodellen (in stärkerem Maße automatisiert als in dieser Arbeit) könnte im Idealfall in ein GIS-basiertes Tool zur integrativen Bewertung von Waldökosystemen münden, das dann als räumliches Entscheidungsunterstützungssystem verwendet werden könnte.

Die vorliegende Arbeit beschäftigt sich mit der flächendeckenden Ableitung spezifischer Gewässerinhaltsstoffe verockerter Fließgewässer aus Daten eines airborne Hyperspektralsensors. In diesem Zusammenhang wird ein innovatives Verfahren vorgestellt, welches die spezifische Entwicklung und Validierung von Ableitungsmodellen mit Fokus auf den Gewässerinhaltsstoffen Gesamteisen, Eisen(II), Eisen(III) und Sulfat beinhaltet. Im Rahmen der Arbeit wurden zwei Messkampagnen zur Erhebung der erforderlichen Gewässerproben und der Hyperspektraldaten am Fluss Spree südlich von Cottbus, Brandenburg, durchgeführt. Diese Daten bilden die Grundlage der Arbeit. Die entwickelte Methode führt eine automatisierte Verknüpfung der In situ- und der Hyperspektraldaten durch. Dies ermöglicht die Extrahierung der Spektralinformation aus den Hyperspektraldaten an der Probenentnahmestelle. Anschließend werden diese auf spezifische Indizes reduziert, welche ein Kernstück der Vorgehensweise darstellen. Diesbezüglich ist es notwendig, dass die Indizes die charakteristischen Spektraleigenschaften der Gewässerinhaltsstoffe berücksichtigen. Mittels der Regressionsanalyse werden für jeden Gewässerinhaltsstoff die zehn geeignetsten Indizes anhand des Bestimmtheitsmaßes zur Ableitung herangezogen und im Anschluss mittels der In situ-Daten validiert. Dies ermöglicht die Identifizierung des Regressionsmodells mit der höchsten Ableitungsgenauigkeit, welches zur Erstellung der Verteilungskarten der Gewässerinhaltsstoffe verwendet wird. Anhand der Verteilungskarten wird aufgezeigt, dass sich die aus airborne Hyperspektraldaten abgeleiteten Konzentrationen der Gewässerinhaltsstoffe zur Identifizierung von Stoffeinträgen durch Zuflüsse und resultierenden Strömungsänderungen eignen. Weiterhin ist die Konzentrationsbestimmung auch an Orten mit einem unwegsamen Gelände durchführbar, wodurch die aufgezeigte Vorgehensweise darüber hinaus für ein Monitoring verwendet werden kann.:Erklärung der Übereinstimmung mit dem Original 2 Danksagung 3 Kurzfassung 4 Abstract 5 Inhaltsverzeichnis 6 Abbildungsverzeichnis 8 Tabellenverzeichnis 11 Abkürzungsverzeichnis 14 Symbolverzeichnis 16 1. Einleitung 17 1.1. Hintergrund und Motivation 17 1.2. Zielsetzung 21 1.3. Struktureller Aufbau und methodisches Vorgehen 23 2. Verfahrensüberblick 26 2.1. Datenverknüpfung 26 2.2. Spektralindizes 27 2.3. Datenfilterung 27 2.4. Entwicklung der Regressionsmodelle 27 2.5. Ableitung und Validierung 28 3. Passive optische Gewässerfernerkundung 29 3.1. Erfassung der zurückgestreuten Strahldichten 30 3.1.1. Strahlungsprozesse in der Atmosphäre 33 3.1.2. Strahlungsprozesse an der Gewässeroberfläche 35 3.1.3. Strahlungsprozesse im Gewässerkörper 37 3.2. Eigenschaften der Gewässerfärbung 41 3.2.1. Inhärente optische Gewässereigenschaften (IOP) 41 3.2.2. Scheinbare optische Gewässereigenschaften (AOP) 43 3.3. Methoden der Gewässerfernerkundung 43 3.3.1. Analytische Methode 43 3.3.2. Empirische Methode 44 3.3.3. Schlussfolgerung 45 4. Datenerfassung 46 4.1. Untersuchungsgebiet 46 4.2. In situ–Daten 48 4.2.1. Messkampagne 2018 50 4.2.2. Messkampagne 2019 52 4.3. Fernerkundungsdaten 53 4.3.1. Gyrokopter als Trägerplattform 53 4.3.2. Sensorik 54 5. Erstellung der Spektralindizes 57 5.1. Spektralindizes der Literatur 57 5.2. Analyse spektraler In situ Messungen 62 5.3. Analyse extrahierter Spektralinformationen 64 6. Ergebnisse und Diskussion 69 6.1. Validierung 69 6.2. Evaluierung 74 6.3. Horizontalverteilung der Gewässerinhaltsstoffe in dem Fluss Spree 83 7. Zusammenfassung und Ausblick 90 Literatur 95 I. Anlage 105 I.I. Zum Kapitel 4: Datenerfassung 105 I.II. Zum Kapitel 5: Spektralindizes 122 I.III. Zum Kapitel 6: Ergebnisse und Diskussion 128 II. Prozessierung der hyperspektralen Fernerkundungsdaten 170 III. Anlage: Daten zur Charakterisierung des Untersuchungsgebietes 175 III.I. pH-Wert 177 III.II. Bestimmung Sichttiefe 177 III.III. Spektrale In situ-Messungen 179 III.IV. Bathymetrische Vermessung 182 III.V. Vertikaler Eisengradient 183 IV. Anlage: Einfluss des Bergbaus auf die limnischen Lebensräume 186 IV.I. Prozesse während und nach dem Bergbau 186 IV.II. Limnische Lebensräume 188 IV.II.i. Grundwässer 188 IV.II.ii. Fließgewässer 189 IV.II.iii. Standgewässer 190 / The present work deals with the area-wide derivation of the water constituents of ochred watercourses from data of an airborne hyperspectral sensor. In this context an innovative method is presented, which includes the specific development and validation of derivation models with focus on the water constituents total iron, ferrous iron, ferric iron and sulphate. Within the scope of the work, two measurement campaigns were carried out to collect the required water samples and hyperspectral data at the river Spree south of Cottbus, Brandenburg. These data are the basis of the thesis. The developed method performs an automated combination of the in situ- and hyperspectral data. This enables the extraction of spectral information from the hyperspectral data at the sampling point. Subsequently, these information is reduced to specific indices, which are a core part of the procedure. In this respect, it is necessary that the indices consider the characteristic spectral properties of the water constituents. By means of regression analysis, the ten most suitable indices for each water constituent are derived based on the coefficient of determination and subsequently validated using the in situ-data. This enables the identification of the regression model with the highest accuracy of derivation, which is used to create the distribution maps of the water constituents. The distribution maps show that the concentrations of water constituents derived from airborne hyperspectral data are suitable for identifying substance inputs from inflows and resulting flow changes. Furthermore, the determination of concentrations can also be carried out in places with impassable terrain, which means that the procedure shown can also be used for monitoring.:Erklärung der Übereinstimmung mit dem Original 2 Danksagung 3 Kurzfassung 4 Abstract 5 Inhaltsverzeichnis 6 Abbildungsverzeichnis 8 Tabellenverzeichnis 11 Abkürzungsverzeichnis 14 Symbolverzeichnis 16 1. Einleitung 17 1.1. Hintergrund und Motivation 17 1.2. Zielsetzung 21 1.3. Struktureller Aufbau und methodisches Vorgehen 23 2. Verfahrensüberblick 26 2.1. Datenverknüpfung 26 2.2. Spektralindizes 27 2.3. Datenfilterung 27 2.4. Entwicklung der Regressionsmodelle 27 2.5. Ableitung und Validierung 28 3. Passive optische Gewässerfernerkundung 29 3.1. Erfassung der zurückgestreuten Strahldichten 30 3.1.1. Strahlungsprozesse in der Atmosphäre 33 3.1.2. Strahlungsprozesse an der Gewässeroberfläche 35 3.1.3. Strahlungsprozesse im Gewässerkörper 37 3.2. Eigenschaften der Gewässerfärbung 41 3.2.1. Inhärente optische Gewässereigenschaften (IOP) 41 3.2.2. Scheinbare optische Gewässereigenschaften (AOP) 43 3.3. Methoden der Gewässerfernerkundung 43 3.3.1. Analytische Methode 43 3.3.2. Empirische Methode 44 3.3.3. Schlussfolgerung 45 4. Datenerfassung 46 4.1. Untersuchungsgebiet 46 4.2. In situ–Daten 48 4.2.1. Messkampagne 2018 50 4.2.2. Messkampagne 2019 52 4.3. Fernerkundungsdaten 53 4.3.1. Gyrokopter als Trägerplattform 53 4.3.2. Sensorik 54 5. Erstellung der Spektralindizes 57 5.1. Spektralindizes der Literatur 57 5.2. Analyse spektraler In situ Messungen 62 5.3. Analyse extrahierter Spektralinformationen 64 6. Ergebnisse und Diskussion 69 6.1. Validierung 69 6.2. Evaluierung 74 6.3. Horizontalverteilung der Gewässerinhaltsstoffe in dem Fluss Spree 83 7. Zusammenfassung und Ausblick 90 Literatur 95 I. Anlage 105 I.I. Zum Kapitel 4: Datenerfassung 105 I.II. Zum Kapitel 5: Spektralindizes 122 I.III. Zum Kapitel 6: Ergebnisse und Diskussion 128 II. Prozessierung der hyperspektralen Fernerkundungsdaten 170 III. Anlage: Daten zur Charakterisierung des Untersuchungsgebietes 175 III.I. pH-Wert 177 III.II. Bestimmung Sichttiefe 177 III.III. Spektrale In situ-Messungen 179 III.IV. Bathymetrische Vermessung 182 III.V. Vertikaler Eisengradient 183 IV. Anlage: Einfluss des Bergbaus auf die limnischen Lebensräume 186 IV.I. Prozesse während und nach dem Bergbau 186 IV.II. Limnische Lebensräume 188 IV.II.i. Grundwässer 188 IV.II.ii. Fließgewässer 189 IV.II.iii. Standgewässer 190

Soziale, politische und geografische Prozesse der Stadtentwicklung in Konflikt- und Grenzregionen werden in dieser Dissertation durch eine Kombination von Satellitenbildern und Feldforschung analysiert. Das Untersuchungsgebiet ist die Grenzregion zwischen der Demokratischen Republik Kongo (DRK) und Ruanda, die seit Anfang der 1990er Jahre von zwischen- und innerstaatlichen bewaffneten Konflikten betroffen ist. Im Fokus der Analyse liegt Goma, die Provinzhauptstadt von Nord-Kivu im Osten der DRK. Zusätzlich wird ein Vergleich mit Gomas Zwillingsstadt Gisenyi in Ruandas Westprovinz gezogen. Die Literatur zu urbanen Räumen im Kongo und in gesamt Subsahara-Afrika bezieht sich häufig auf Primärstädte. Über die Entwicklung von Sekundärstädten in Konfliktzonen, für die es kaum räumlich explizite Studien gibt, ist wenig bekannt. Diese Arbeit bietet zwei sich ergänzende Perspektiven durch die Kombination von Satellitenbildanalyse mit semi-strukturierten Interviews und Beobachtungen aus mehreren Forschungsaufenthalten. Das zweite Kapitel verwendet eine Zeitreihe hochaufgelöster Landsat-Szenen, um die Expansion von Goma zwischen 1986 und 2015 zu analysieren. Dieser Zeitrahmen umfasst internen Konflikt in Ruanda (1990-1994), die Kongo-Kriege (1996-2003) und deren von Gewalt geprägte Folgezeit. Das dritte Kapitel basiert auf der Analyse sehr hochauflösender Satellitenbilder. Eine feinskalige Kartierung von Urbanisierungsmustern zwischen 2005 und 2014 wird mit verantwortlichen Akteursgruppen verbunden. Das vierte Kapitel erweitert die Analyse auf Gomas ruandische Nachbarstadt Gisenyi. Es untersucht und vergleicht, wie sich zwischen- und innerstaatliche Konflikte und die jüngste Phase von Stabilität in Ruanda auf die räumliche Stadtentwicklung über die nationale Grenze hinweg auswirken. Die Arbeit schließt mit einer kritischen Reflexion über Nutzen und Grenzen des angewendeten Methodenmix und zeigt mögliche Bereiche für weitere Forschung auf. / This dissertation combines satellite imagery analysis and field research to investigate the influence of armed conflict on urban spatial development in the eastern periphery of the Democratic Republic of Congo (DRC) and western Rwanda. This border region continues to be affected by inter- and intra-state conflict since the early 1990s. The primary study area is the city of Goma in Congo's North Kivu province. Additionally, a comparison is drawn to the adjacent city of Gisenyi in Rwanda's Western Province. The literature on urban areas in Congo and throughout Sub-Saharan Africa often refers to large primary cities. Little is known about urban development of secondary cities in conflict zones, and spatially explicit studies are rare. By combining satellite imagery analysis with semi-structured interviews and observations from field visits, this dissertation provides two complementary perspectives. The second chapter uses a time series of high-resolution Landsat images to analyze Goma's expansion between 1986 and 2015, a timeframe that includes conflict in Rwanda (1990-1994), the Congo Wars (1996-2003), and their violent aftermath. It shows how stages of urban growth relate to waves of forced displacement. The third chapter relies on very high-resolution (VHR) images for a fine-scale mapping of urbanization patterns between 2005 and 2014, and attributes them to groups of key actors. The fourth chapter extends the analysis to Goma’s Rwandan twin-city Gisenyi. It compares how inter- and intra-state conflict, and recent stability in Rwanda affect urban development across a national border. The dissertation concludes by reflecting on the utility and limitations of this methodological combination for conflict regions, highlighting areas for further research.

Die Kartierung der städtische Oberflächenmaterialien ist aufgrund der komplexen räumlichen Muster eine Herausforderung. Daten von bildgebenden Spektrometern können hierbei durch die feine und kontinuierliche Abtastung des elektromagnetischen Spektrums detaillierte spektrale Merkmale von Oberflächenmaterialien erkennen, was mit multispektralen oder RGB-Bildern nicht mit der gleichen Genauigkeit erreicht werden kann. Bislang wurden in zahlreichen Studien zur Kartierung von städtischen Oberflächenmaterialien Daten von flugzeuggestützten abbildenden Spektrometern mit hoher räumlicher Auflösung verwendet, die ihr Potenzial unter Beweis stellen und gute Ergebnisse liefern. Im Vergleich zu diesen Sensoren haben weltraumgestützte abbildende Spektrometer eine regionale oder globale Abdeckung, eine hohe Wiederholbarkeit und vermeiden teure, zeit- und arbeitsaufwändige Flugkampagnen. Allerdings liegt die räumliche Auflösung der aktuellen weltraumgestützten abbildenden Spektroskopiedaten bei etwa 30 m, was zu einem Mischpixelproblem führt, welches mit herkömmlichen Kartierungsansätzen nur schwer zu bewältigen ist. Das Hauptziel dieser Studie ist die Kartierung städtischer Materialien mit bildgebenden Spektroskopiedaten in verschiedenen Maßstäben und die gleichzeitige Nutzung des Informationsgehalts dieser Daten, um die chemischen und physikalischen Eigenschaften von Oberflächenmaterialien zu erfassen sowie das Mischpixelproblem zu berücksichtigen. Konkret zielt diese Arbeit darauf ab, (1) photovoltaische Solarmodule mit Hilfe von luftgestützten bildgebenden Spektroskopiedaten auf der Grundlage ihrer spektralen Merkmale zu kartieren; (2) die Robustheit der Stichprobe von städtischen Materialgradienten zu untersuchen; (3) die Übertragbarkeit von städtischen Materialgradienten auf andere Gebiete zu analysieren. / Mapping urban surface materials is challenging due to the complex spatial patterns. Data from imaging spectrometers can identify detailed spectral features of surface materials through the fine and continuous sampling of the electromagnetic spectrum, which cannot be achieved with the same accuracy using multispectral or RGB images. To date, numerous studies in urban surface material mapping have been using data from airborne imaging spectrometers with high spatial resolution, demonstrating the potential and providing good results. Compared to these sensors, spaceborne imaging spectrometers have regional or global coverage, high repeatability, and avoid expensive, time-consuming, and labor-intensive flight campaigns. However, the spatial resolution of current spaceborne imaging spectroscopy data (also known as hyperspectral data) is about 30 m, resulting in a mixed pixel problem that is challenging to handle with conventional mapping approaches. The main objective of this study is to perform urban surface material mapping with imaging spectroscopy data at different spatial scales, simultaneously explore the information content of these data to detect the chemical and physical properties of surface materials, and take the mixed-pixel problem into account. Specifically, this thesis aims to (1) map solar photovoltaic modules using airborne imaging spectroscopy data based on their spectral features; (2) investigate the sampling robustness of urban material gradients; (3) analyze the area transferability of urban material gradients.

Biomass is an important ecological variable for understanding the responses of vegetation to the currently observed global change. The impact of changes in vegetation biomass on the global ecosystem is also of high relevance. The vegetation in the arid and semi-arid environments of Kazakhstan is expected to be affected particularly strongly by future climate change. Therefore, it is of great interest to observe large-scale vegetation dynamics and biomass distribution in Kazakhstan. At the beginning of this dissertation, previous research activities and remote-sensing-based methods for biomass estimation in semi-arid regions have been comprehensively reviewed for the first time. The review revealed that the biggest challenge is the transferability of methods in time and space. Empirical approaches, which are predominantly applied, proved to be hardly transferable. Remote-sensing-based Net Primary Productivity (NPP) models, on the other hand, allow for regional to continental modelling of NPP time-series and are potentially transferable to new regions. This thesis thus deals with modelling and analysis of NPP time-series for Kazakhstan and presents a methodological concept for derivation of above-ground biomass estimates based on NPP data. For validation of the results, biomass field data were collected in three study areas in Kazakhstan. For the selection of an appropriate model, two remote-sensing-based NPP models were applied to a study area in Central Kazakhstan. The first is the Regional Biomass Model (RBM). The second is the Biosphere Energy Transfer Hydrology Model (BETHY/DLR). Both models were applied to Kazakhstan for the first time in this dissertation. Differences in the modelling approaches, intermediate products, and calculated NPP, as well as their temporal characteristics were analysed and discussed. The model BETHY/DLR was then used to calculate NPP for Kazakhstan for 2003–2011. The results were analysed regarding spatial, intra-annual, and inter-annual variations. In addition, the correlation between NPP and meteorological parameters was analysed. In the last part of this dissertation, a methodological concept for derivation of above-ground biomass estimates of natural vegetation from NPP time-series has been developed. The concept is based on the NPP time-series, information about fractional cover of herbaceous and woody vegetation, and plants’ relative growth rates (RGRs). It has been the first time that these parameters are combined for biomass estimation in semi-arid regions. The developed approach was finally applied to estimate biomass for the three study areas in Kazakhstan and validated with field data. The results of this dissertation provide information about the vegetation dynamics in Kazakhstan for 2003–2011. This is valuable information for a sustainable land management and the identification of regions that are potentially affected by a changing climate. Furthermore, a methodological concept for the estimation of biomass based on NPP time-series is presented. The developed method is potentially transferable. Providing that the required information regarding vegetation distribution and fractional cover is available, the method will allow for repeated and large-area biomass estimation for natural vegetation in Kazakhstan and other semi-arid environments.

Landwirtschaftliche Produktionssysteme basieren in vielen Weltregionen auf dem Einsatz von Bewässerung. Staudämme stellen einen Großteil der benötigten Wasserressourcen, jedoch wurden Zusammenhänge zwischen Staudämmen und Veränderungen im Landsystem bis heute kaum erforscht. Im Hinblick auf die steigende Nachfrage nach landwirtschaftlichen Erzeugnissen bedarf es eines besseren Verständnisses des Zusammenhangs zwischen Staudämmen, Bewässerung und landwirtschaftlichen Produktionssystemen. Daten und Methoden der Fernerkundung liefern synoptische und räumlich detaillierte Aufnahmen der Erdoberfläche mit großem Potential für die Untersuchung von landwirtschaftlichen Produktionssystemen. Das Hauptziel dieser Arbeit war es, das gegenwärtige Verständnis des Zusammenhangs von Bewässerungsstaudämmen und Landsystemen mit Mitteln der Fernerkundung zu verbessern. In dieser Arbeit wurden großflächige Beschreibungen globaler und regionaler Agrarsysteme generiert, welche nachdrücklich das Potential von Daten und Methoden aus der Fernerkundung hervorheben. Das hohe thematische, räumliche und zeitliche Detail der Ergebnisse erlaubte einzigartige Einblicke in die raumzeitlichen Dynamiken von Bewässerungsfeldwirtschaft. Die im Zuge dieser Arbeit entstandenen Ergebnisse, Methoden, und Datensätze tragen maßgeblich zum heutigen Wissensstand in Bezug auf den Zusammenhang zwischen Bewässerungsstaudämmen und Landnutzungsintensität bei und liefern wichtige Einblicke zur Verbesserung zukünftiger Produktionsstrukturen. / A growing world population, and increasing demands for food, feed, fuel and fiber, substantially add pressure on the global land system. The construction of dams is a common strategy for boosting production outputs through irrigation. Reservoirs represent the most important source of irrigation water globally, but their effects on agricultural land systems are only poorly understood. Remote sensing emerges as a key tool for enabling spatially explicit assessments of dam-induced land system change due to its ability to provide spatially detailed, frequent, and synoptic observations of the land surface. The overall goal of this thesis was to assess the effects of irrigation dams on agricultural land systems on a global and regional scale, by making use of state-of-the art remote sensing data products and methods. A synthesis of the current scientific literature offered primary insights into dam-induced changes in agricultural systems, and raised the hypothesis that irrigation dams caused overall increases in agricultural land use intensity. On a global scale, satellite-based measurements of cropping frequency derived from MODIS-based map products attested to this finding, albeit a strong regional variability was apparent. Landsat-based time series methods were used on a national to regional scale, which further revealed strong spatio-temporal dynamics of irrigated agriculture. The results of this thesis add knowledge and spatially explicit insights on the effects of dams on agricultural land systems. The work further emphasizes the important role of remote sensing technologies in exploring future pathways of agricultural intensification.

Wälder spielen global eine entscheidende Rolle bei der Regulierung des Weltklimas, da sie aktiv Kohlenstoff speichern und binden. Trotz der Bemühungen durch internationale Programme nehmen die Waldschäden weiter zu. Entwaldung und Walddegradierung sind zwei unterschiedliche Prozesse, die sich auf die globalen Wälder auswirken. Entwaldung ist eine klar definierte Umwandlung oder Abholzung der Waldflächen, während Degradierung subtiler, vorübergehend und variabel sein kann und daher schwer zu detektieren ist. Walddegradierung wird im Allgemeinen als eine funktionale Verringerung der Fähigkeit von Wäldern Ökosystemleistungen zu erbringen identifiziert. Sie wird nicht als Veränderung der Landbedeckung oder Entwaldung klassifiziert. Daraus folgt keine deutliche Verringerung der Waldfläche, sondern eher eine Abnahme der Qualität und des Zustands. Diese Veränderung kann, wie die Entwaldung dennoch mit einer signifikanten Verringerung der oberirdischen Biomasse und damit miterheblichen Treibhausgasemissionen verbunden sein. Die Schätzungen der Kohlenstoffemissionen aus Waldstörungen liegen zwischen 12 und 20 % aller weltweit emittierten Emissionen. Durch eine fehlende einheitliche Definition oder Methode zur Quantifizierung der Degradation, der Vielzahl an Einflussfaktoren und der Unsicherheit bei der Schätzung der Biomasse variieren die Werte stark. Die von der Walddegradierung betroffene Fläche könnte in der Tat viel größer sein als die der Entwaldung, die ohnehin jedes Jahr auf eine Fläche von etwa der Größe Islands geschätzt wird. Die REDD+-Mechanismen zur Finanzierung von Emissionsreduktionen zur Minderung des Klimawandels erfordern robuste, transparente und skalierbare Methoden zur Quantifizierung der Walddegradierung, zusammen mit der Erfassung der damit verbundenen Treibern. Da die Degradierung oft der Entwaldung vorausgeht, kann ein schnelles Monitoring mit einer Beurteilung der Waldschäden und ihren Treibern ein wichtiges Frühwarnsystem sein. Nur so können Maßnahmen frühzeitig ergriffen werden, die die Wälder schützen und sowohl der Natur und der Biodiversität als auch dem Lebensunterhalt, der Gesundheit und dem Wohlbefinden von Millionen von Menschen auf der ganzen Welt zugute kommen. In dieser Arbeit werden Methoden für konsistente, reproduzierbare, skalierbare und satellitengestützte Indikatoren zur Identifizierung und Quantifizierung verschiedener Arten von Walddegradation um zukünftige Risiko- und Politikszenarien zu unterstützen. / Global forests play a crucial role in regulating global climate by actively storing and sequestering carbon. Despite efforts to mitigate climate through international efforts, human-caused forest disturbance and forest-related greenhouse gas emissions continue to rise. Deforestation and forest degradation are two different processes affecting global forests. Deforestation is a clearly defined conversion or removal of forest cover, while degradation can be more subtle, temporary, variable, and therefore difficult to detect. Forest degradation is generally identified as a functional reduction in the capacity of forests to provide ecosystem services, that does not qualify as a change in land cover or forest clearing. That means no clear reduction of the forest area, but rather a decrease in quality and condition. This change, like deforestation can still be associated with significant reductions in above-ground biomass and therefore considerable greenhouse gas emissions. Estimates of carbon emissions from forest degradation and disturbance range anywhere from 12-20% of all emissions emitted globally with values varying widely because of a lack of uniform definition or method for quantifying degradation, the broad number of influencing factors, and uncertainty in biomass estimates. The area affected by forest degradation could in fact be much larger than that of deforestation, which is already estimated to be an area about the size of Iceland every year. The REDD+ mechanisms of financing emissions reductions to mitigate climate change require robust, transparent and scalable methods for quantifying degradation, along with a quantification of associated direct drivers. Furthermore, as degradation often precedes deforestation, timely monitoring and assessment of forest degradation and changes in drivers can provide crucial early warning to engage interventions to keep forests intact, benefitting nature and biodiversity as well as the livelihoods, health and well-being of millions of people around the world. This research proposes methods for consistent, repeatable and scalable satellite-derived indicators for identifying and quantifying different types of forest degradation and its causes to inform future risk and policy scenarios.