Mittels umweltpolitischer Programme von weltweit einzigartigem Ausmaß versucht China sowohl den menschlichen Druck auf die Landbedeckung zu mindern als auch eine nachhaltige Landnutzung zu fördern. Als Hotspot globaler Umweltveränderungen wurden insbesondere für die Innere Mongolei erhebliche Investitionen zur Renaturierung von Landoberflächen von der chinesischen Zentralregierung getätigt. Die Fernerkundung ist ein effektiver Ansatz für ein flächendeckendes Monitoring des Landnutzungswandels. Jedoch erschweren die limitierte Datenverfügbarkeit und das Fehlen verfügbarer Veränderungsanalysemethoden die Anwendung fernerkundlicher Techniken zum Monitoring von Landnutzung und ihrer Veränderungen. Um den Landnutzungswandel in der Inneren Mongolei verlässlich zu kartieren, wurden daher in einem ersten Schritt Möglichkeiten und Grenzen von Zeitreihen räumlich grob aufgelöster Fernerkundungsdaten für das Monitoring von Langzeitveränderungen der Landbedeckung untersucht. Im zweiten Schritt wurde ein Ansatz zur Erfassung von jährlichen Veränderungen zwischen mehreren Landnutzungsklassen entwickelt und angewandt. Die Ergebnisse zeigen, dass die chinesische Landnutzungspolitik seit dem Jahr 2000 wirksam zum Erhalt und zur Regenerierung von Waldökosystemen in der Inneren Mongolei beiträgt. Abnehmende Entwaldung und ein Zuwachs von Waldflächen sind insbesondere in jenen Regionen zu finden, in welchen die landnutzungspolitischen Maßnahmen umgesetzt wurden. Die Konvertierung von Ackerland zu Grasland wurde zumeist innerhalb anfälliger, klimatisch und topographisch ungeeigneter Gebiete beobachtet. Die vorliegende Dissertation veranschaulicht sowohl den Einfluss politischer Maßnahmen und zugrunde liegender sozio-ökonomischer Treiber auf die Landoberfläche als auch die Bedeutung von grob aufgelösten Fernerkundungsdaten und Zeitreihenanalysen für das Monitoring des Landnutzungswandels in großräumigen Gebieten. / Monitoring land use and land cover change (LULCC) support better interpretation about how land surfaces are impacted by human decisions. The overall aim of this thesis is to gain a better understanding about LULCC in Inner Mongolia using remote sensing under consideration of China’s land use policies. With the largest scale land restoration programs in the world, China aims to reduce human pressure on lands and promote sustainable land use. As a hot-spot of environmental change, Inner Mongolia received the heaviest investment from the central government for land restoration. Yet the effectiveness and consequences of China’s land use policies in Inner Mongolia remain unclear. Remote sensing is an effective tool for monitoring land use and land cover change across broad scales, yet data limitations and a lack of available change detection methods hampers the capacity of researchers to apply remote sensing techniques for LULCC monitoring. To reliably map LULCC in Inner Mongolia, the opportunities and limitations of using coarse resolution imagery time series for monitoring long-term land changes was first examined. Second, an approach detecting annual changes between multiple land categories was developed and applied in Inner Mongolia. Results indicate that China’s land use policies effectively preserved and recovered forest ecosystems in Inner Mongolia after the year 2000. The decreasing trends of deforestation and forest gain are obvious in the regions that implement China’s land use policies, which reflect the positive influence of the policy. Cropland retirement was mostly found in ecologically fragile areas where climate and topographic conditions are unsuitable for cultivation. This thesis reveals how political factors and other underlying social-economic drivers impact a country''s land surface, and highlights the values of using coarse resolution imagery and time series analysis for LULCC monitoring across large areas.

Der Bezirk Xilingol wurde als geeignetes Beispiel ausgewählt, weil es zu einem großen Flächenanteil von Grassteppe bedeckt ist und fast alle Phasen der Umweltpolitik Chinas durchlaufen hat. Es wurden zwei deutlich voneinander abgrenzbare Phasen identifiziert, von 1975 bis 2000 und von 2000 bis 2015. Während der ersten Phase, bis 2000, war Landdegradation der dominante Landnutzungswandelprozess, der 11.4 % der Gesamtfläche betraf. In dieser Phase war die menschliche Einflussnahme der Hauptfaktor in acht Landkreisen, die sich ändernden Wasserverhältnisse war es in sechs Landkreisen. Während der zweiten Phase, ab 2000, setzte ein spürbare Erholung des Zustandes auf 12 % des Gesamtgebietes ein, während die Degradation jedoch weiter voranschritt und zusätzliche 9,5 % des Landes veränderte. Während dieser Phase wurde die Städtebildung zum dominanten Treiber für die Landdegradierung in sieben Landkreisen, während der Einfluss menschlicher Störungen und der Wasserverfügbarkeit wieder zurückging. Nach der Identifizierung der Haupttreiber für die Landdegradation, wurde die komplexe Beziehung zwischen verschiedenen Treibern und der Grassteppen-Degradation untersucht. Die Ergebnisse zeigten, dass die Beziehung zwischen dicht bedeckter, moderat bedeckter, und spärlich bedeckter Grassteppe und die Dichte des Schafbesatzes für die Degradationsdynamik in der Grassteppe verantwortlich waren. In dieser Arbeit wurden die Methoden der Clusteranalyse, der Partial-Order-Theorie, und der Hasse Diagramme eingesetzt, um die Haupttreiber der Landdegradation auf Landkreisebene zu identifizieren. Dann wurde ein Ansatz aus dem maschinellen Lernen, XGBoost (eXtreme Gradient Boosting) verwendet, um die Dynamik der Grassteppen-Degradation vorauszusagen. Darüber hinaus wurde SHAP (SHapley Additive exPlanations) eingesetzt, um das von XGBoost erstellte Black-Box-Modell zu in seine Bestanteile zu zerlegen und für jedes Degradations-Pixel in der Karte den Haupttreiber zu extrahieren. / The aims of this thesis are to gain an integrated and systematic understanding of the processes and determinants of land degradation on the Mongolian Plateau. Xilingol was chosen as a suitable example, mainly since it is covered by vast grassland, and has experienced almost all ecological policies that have been implemented in China. Two distinct phases were identified in this region: 1975-2000 and 2000-2015. During the first phase (up to 2000), land degradation was the dominant land use change process, accounting for 11.4% of the total area. During this phase, human disturbance was the major driver in eight counties, whereas the water condition was the dominant driver in six counties. During the second phase (post-2000), land restoration increased (12.0% of the total area), whereas degradation continued, resulting in a further 9.5% of degraded land. During this phase, urbanisation became the dominant driver of land degradation in seven counties, while effects resulting from human disturbance and water availability decreased after 2000. After identifying the major drivers of degradation, the complex relationships between drivers and grassland degradation were captured. The results indicated that the distance to dense, moderately dense grass and sparse grass and sheep density were responsible for the grassland degradation dynamics. In this thesis, a clustering method, partial order theory and Hasse diagram techniques were first used to identify the major drivers of land degradation at the county level. Subsequently, an approach from machine learning, XGBoost (eXtreme Gradient Boosting), was used to predict the dynamics of grassland degradation. Moreover, SHAP (SHapley Additive exPlanations) values were used to open up the black box model, and the primary driver was extracted for each pixel showing degradation.