Lern- und Innovationsprozesse erfordern den Zugang zu externem Wissen und die Zusammenführung von Wissensbasen verschiedener Akteure und Akteursgruppen (u.a. Wirtschaft, Wissenschaft, öfffentliche Verwaltung, sowie weitere Innovationsträger). Wissenschafts- und Technologieparks (WTP) sind in diesem Zusammenhang ein wichtiges Instrument der wissensbasierten Regionalentwicklung, um konkrete Orte des Lernens und von Innovationen zu schaffen. Jedoch die relativ schwache Interaktion zwischen Unternehmen und Wissenschaft in diesen Innovationsräumen sowie die gleichzeitig zunehmend empirisch belegte Relevanz von globalen Wissensflüssen und Innovationsnetzwerken erfordern die Spezifizierung der maßgebenden Einflußfaktoren von Wissensbeziehungen. Mehrdimensionale Nähe- und Distanzbeziehungen kennzeichnen interorganisatorische Beziehungen des Wissensaustauschs und der Wissensgenerierung. Diese Arbeit analysiert die spezifischen Nähekonstellationen zwischen Unternehmen und wissenschaftlichen Einrichtungen in direkten sowie - durch Wissensnetzwerk-Management systematisch organisiert - in indirekten Wissensbeziehungen. Die konzeptionellen Ansätze der Proximity-Forschung sowie des Wissensmanagements bieten die Grundlage für die empirische Untersuchung der Wissensnetzwerke von Technologiefirmen in den WTP Berlin-Adlershof und Sevilla-Cartuja. Unterschiedliche Typen von Technologieunternehmen in Hinblick auf die Struktur und räumliche Dimension der Wissensbeziehungen zu Wissenschaft und Forschung stellen ein wesentliches Ergebnis der Arbeit dar. Die Arbeit belegt zudem die Funktion mehrdimensionaler Nähe in den Wissensbeziehungen. Des Weiteren wird die Organisation notwendiger und wichtiger Nähedimensionen durch Instrumente des Wissensnetzwerk-Managements aufgezeigt, um Wissensbeziehungen zu erschließen, zu aktivieren und nutzbar zu machen. Aufbauend auf den Ergebnissen werden Handlungsempfehlungen für das Management von WTP und weiteren räumlichen Innovationssystemen abgeleitet. / In the knowledge-based ecomomy, innovation is characterized by a dynamic and interactive learning process involving diverse actors; industry, science, public administration, as well as other entities and sub-systems. In this regard, science and technology parks (STP) have become a prominent instrument of regional governments to create specific localities of learning and innovation. However, empirical evidence increasingly points to rather weak local industry-academia interaction in STPs in specifically and the equivalent importance of local and non-local connections as roots of knowledge diffusion and innovation more generally. Multi-faceted proximity determines the multi-scalar process of knowledge sourcing and knowledge interaction. This dissertation thesis analyses the specific proximity configurations given in direct ties and organized through knowledge network management (KNM) in STP resident firms’ indirect linkages to scientific knowledge sources. The theoretical approaches of the proximity framework and knowledge management provide the analytical framework for the empirical analysis of egocentric knowledge networks to academia of high-technology firms located in the Berlin-Adlershof and Seville-Cartuja science parks. Based on this theoretical and methodological framework, I identify distinct types of knowledge-seeking STP resident companies in regard to the quality, form and geography of interactive ties to science. Furthermore, the thesis sheds light on the specific proximity configurations relevant in successful industry-academia knowledge relations. Furthermore, it reveals the underlying mechanisms of specific KNM instruments organizing necessary and critical proximities in order to forge, activate and harness knowledge networks on distinct geographical scales. Based on the analysis’ findings, specific policy recommendations for the management of STPs and other kinds of territorial innovation systems are developed.

Das weltweite Ausmaß der Urbanisierung zählt zu den großen ökologischen Herausforderungen des 21. Jahrhunderts. Die Fernerkundung bietet die Möglichkeit das Verständnis dieses Prozesses und seiner Auswirkungen zu erweitern. Der Fokus dieser Arbeit lag in der Quantifizierung der städtischen Landbedeckung mittels Maschinellen Lernens und räumlich unterschiedlich aufgelöster Hyperspektraldaten. Untersuchungen berücksichtigten innovative methodische Entwicklungen und neue Möglichkeiten, die durch die bevorstehende Satellitenmission EnMAP geschaffen werden. Auf Basis von Bilder des flugzeugestützten HyMap Sensors mit Auflösungen von 3,6 m und 9 m sowie simulierten EnMAP-Daten mit einer Auflösung von 30 m wurde eine Kartierung entlang des Stadt-Umland-Gradienten Berlins durchgeführt. Im ersten Teil der Arbeit wurde die Kombination von Support Vektor Regression mit synthetischen Trainingsdaten für die Subpixelkartierung eingeführt. Ergebnisse zeigen, dass sich der Ansatz gut zur Quantifizierung thematisch relevanter und spektral komplexer Oberflächenarten eignet, dass er verbesserte Ergebnisse gegenüber weiteren Subpixelverfahren erzielt, und sich als universell einsetzbar hinsichtlich der räumlichen Auflösung erweist. Im zweiten Teil der Arbeit wurde der Wert zukünftiger EnMAP-Daten für die städtische Fernerkundung abgeschätzt. Detaillierte Untersuchungen unterstreichen deren Eignung für eine verbesserte und erweiterte Beschreibung der Stadt nach dem bewährten Vegetation-Impervious-Soil-Schema. Analysen der Möglichkeiten und Grenzen zeigen sowohl Nachteile durch die höhere Anzahl von Mischpixel im Vergleich zu hyperspektralen Flugzeugdaten als auch Vorteile aufgrund der verbesserten Differenzierung städtischer Materialien im Vergleich zu multispektralen Daten. Insgesamt veranschaulicht diese Arbeit, dass die Kombination von hyperspektraler Satellitenbildfernerkundung mit Methoden des Maschinellen Lernens eine neue Qualität in die städtische Fernerkundung bringen kann. / The global dimension of urbanization constitutes a great environmental challenge for the 21st century. Remote sensing is a valuable Earth observation tool, which helps to better understand this process and its ecological implications. The focus of this work was to quantify urban land cover by means of machine learning and imaging spectrometer data at multiple spatial scales. Experiments considered innovative methodological developments and novel opportunities in urban research that will be created by the upcoming hyperspectral satellite mission EnMAP. Airborne HyMap data at 3.6 m and 9 m resolution and simulated EnMAP data at 30 m resolution were used to map land cover along an urban-rural gradient of Berlin. In the first part of this work, the combination of support vector regression with synthetically mixed training data was introduced as sub-pixel mapping technique. Results demonstrate that the approach performs well in quantifying thematically meaningful yet spectrally challenging surface types. The method proves to be both superior to other sub-pixel mapping approaches and universally applicable with respect to changes in spatial scales. In the second part of this work, the value of future EnMAP data for urban remote sensing was evaluated. Detailed explorations on simulated data demonstrate their suitability for improving and extending the approved vegetation-impervious-soil mapping scheme. Comprehensive analyses of benefits and limitations of EnMAP data reveal both challenges caused by the high numbers of mixed pixels, when compared to hyperspectral airborne imagery, and improvements due to the greater material discrimination capability when compared to multispectral spaceborne imagery. In summary, findings demonstrate how combining spaceborne imaging spectrometry and machine learning techniques could introduce a new quality to the field of urban remote sensing.

In dieser Dissertation werden vier Studien durchgeführt, um die acht Arten von Räumen in Mensch-Natur-Systemen für die Widerstandsfähigkeit von Städten vorzuschlagen, die Verbesserung von städtischen Grünflächen unter qualitativen und quantitativen Gesichtspunkten zu analysieren, die Beziehung zwischen UGSLandschaftsmerkmalen und menschlichen Emotionen zu bestimmen und das Konzept der selbstlernenden Stadt für die städtische Raumplanung zu veranschaulichen. (1). Unterschiedliche Strategien in den Acht-Typen-Räumen in Mensch-Natur-Systemen. (2). Verbesserung der städtischen Grünflächen mit natürlichem Angebot und menschlicher Nachfrage. (3). Das Konzept der selbstlernenden Stadt für urbane Nachhaltigkeit. (4) Für die städtische Nachhaltigkeit erfordert die Planung eine Neubewertung der Verbindungen zwischen den verschiedenen menschlichen und natürlichen Systemen mit den Wechselwirkungen zwischen Bedarf und Versorgung Städtische Räume sind komplex, weisen aber in verschiedenen Methoden und Konzepten Regelmäßigkeiten auf. Für eine nachhaltige Entwicklung in Städten sind kreative Denkansätze für die Umsetzung und Integration von sich überschneidenden Räumen, Elementen und Kulturen in städtischen Mensch-Natur-Systemen erforderlich. Um eine nachhaltige Stadt zu schaffen, sind urbane Räume unerlässlich. / This dissertation conducts four studies to propose the eight-type spaces in human-natural systems for city resilience, to analyze the improvement of urban green spaces from quality and quantity perspectives, to determine the relationship between UGS landscape characteristics and human emotions and to illustrate the concept of city self-learning for urban space planning. (1). Different strategies in the eight-type spaces across human-natural systems. (2). Improving urban green spaces with natural supply and human demand. (3). The concept of city self-learning for urban sustainability. (4) For urban sustainability, planning requires reevaluating the connections between different human-natural systems with the interactions of demands and supplies. Dissertation title: Exploring Urban Spaces across Human-Natural systems And the Potential to Enhance City Resilience Urban spaces are complex but have regularity in several methods and concepts. For sustainable development in cities, creative ways to think about implementations and integrations utilize crossing spaces, elements, and cultures in urban human-natural systems. To make a sustainable city, urban spaces are essential.