Techn. University, Diss., 2004--Dresden.

University, Diss., 2003--Bayreuth.

Freie Universiẗat, Diplomarbeit u.d.T.: Piechowski, Daniel: Vegetationsstrukturanalyse unterschiedlich beeinflusster submontaner Regenwälder in Ecuador--Berlin, 2003.

Zugl.: Berlin, Humboldt-Univ., Diss., 2007

University, Diss., 2004--Bonn.

The work presented in this thesis mainly focuses on two subjects related to the application of remote sensing data: (1) for land cover classification combining optical sensor, texture features generated from spectral information and synthetic aperture radar (SAR) features, and (2) to develop a non-destructive approach for above ground biomass (AGB) and forest attributes estimation employing multi-source remote sensing data (i.e. optical data, SAR backscatter) combined with in-situ data. Information provided by reliable land cover map is useful for management of forest resources to support sustainable forest management, whereas the generation of the non-destructive approach to model forest biophysical properties (e.g. AGB and stem volume) is required to assess the forest resources more efficiently and cost-effective, and coupled with remote sensing data the model can be applied over large forest areas. This work considers study sites over tropical rain forest landscape in Indonesia characterized by different successional stages and complex vegetation structure including tropical peatland forests. The thesis begins with a brief introduction and the state of the art explaining recent trends on monitoring and modeling of forest resources using remote sensing data and approach. The research works on the integration of spectral information and texture features for forest cover mapping is presented subsequently, followed by development of a non-destructive approach for AGB and forest parameters predictions and modeling. Ultimately, this work evaluates the potential of mosaic SAR data for AGB modeling and the fusion of optical and SAR data for peatlands discrimination. The results show that the inclusion of geostatistics texture features improved the classification accuracy of optical Landsat ETM data. Moreover, the fusion of SAR and optical data enhanced the peatlands discrimination over tropical peat swamp forest. For forest stand parameters modeling, neural networks method resulted in lower error estimate than standard multi-linear regression technique, and the combination of non-destructive measurement (i.e. stem number) and remote sensing data improved the model accuracy. The up scaling of stem volume and biomass estimates using Kriging method and bi-temporal ETM image also provide favorable estimate results upon comparison with the land cover map. / Die in dieser Dissertation präsentierten Ergebnisse konzentrieren sich hauptsächlich auf zwei Themen mit Bezug zur angewandten Fernerkundung: 1) Der Klassifizierung von Oberflächenbedeckung basierend auf der Verknüpfung von optischen Sensoren, Textureigenschaften erzeugt durch Spektraldaten und Synthetic-Aperture-Radar (SAR) features und 2) die Entwicklung eines nichtdestruktiven Verfahrens zur Bestimmung oberirdischer Biomasse (AGB) und weiterer Waldeigenschaften mittels multi-source Fernerkundungsdaten (optische Daten, SAR Rückstreuung) sowie in-situ Daten. Eine zuverlässige Karte der Landbedeckung dient der Unterstützung von nachhaltigem Waldmanagement, während eine nichtdestruktive Herangehensweise zur Modellierung von biophysikalischen Waldeigenschaften (z.B. AGB und Stammvolumen) für eine effiziente und kostengünstige Beurteilung der Waldressourcen notwendig ist. Durch die Kopplung mit Fernerkundungsdaten kann das Modell auf große Waldflächen übertragen werden. Die vorliegende Arbeit berücksichtigt Untersuchungsgebiete im tropischen Regenwald Indonesiens, welche durch verschiedene Regenerations- und Sukzessionsstadien sowie komplexe Vegetationsstrukturen, inklusive tropischer Torfwälder, gekennzeichnet sind. Am Anfang der Arbeit werden in einer kurzen Einleitung der Stand der Forschung und die neuesten Forschungstrends in der Überwachung und Modellierung von Waldressourcen mithilfe von Fernerkundungsdaten dargestellt. Anschließend werden die Forschungsergebnisse der Kombination von Spektraleigenschaften und Textureigenschaften zur Waldbedeckungskartierung erläutert. Desweiteren folgen Ergebnisse zur Entwicklung eines nichtdestruktiven Ansatzes zur Vorhersage und Modellierung von AGB und Waldeigenschaften, zur Auswertung von Mosaik- SAR Daten für die Modellierung von AGB, sowie zur Fusion optischer mit SAR Daten für die Identifizierung von Torfwäldern. Die Ergebnisse zeigen, dass die Einbeziehung von geostatistischen Textureigenschaften die Genauigkeit der Klassifikation von optischen Landsat ETM Daten gesteigert hat. Desweiteren führte die Fusion von SAR und optischen Daten zu einer Verbesserung der Unterscheidung zwischen Torfwäldern und tropischen Sumpfwäldern. Bei der Modellierung der Waldparameter führte die Neural-Network-Methode zu niedrigeren Fehlerschätzungen als die multiple Regressions. Die Kombination von nichtdestruktiven Messungen (z.B. Stammzahl) und Fernerkundungsdaten führte zu einer Steigerung der Modellgenauigkeit. Die Hochskalierung des Stammvolumens und Schätzungen der Biomasse mithilfe von Kriging und bi-temporalen ETM Daten lieferten positive Schätzergebnisse im Vergleich zur Landbedeckungskarte.

No description available.

Univ., Diss.--Göttingen, 2003. / Zsfassung in dt. Sprache.

The work presented in this thesis mainly focuses on two subjects related to the application of remote sensing data: (1) for land cover classification combining optical sensor, texture features generated from spectral information and synthetic aperture radar (SAR) features, and (2) to develop a non-destructive approach for above ground biomass (AGB) and forest attributes estimation employing multi-source remote sensing data (i.e. optical data, SAR backscatter) combined with in-situ data. Information provided by reliable land cover map is useful for management of forest resources to support sustainable forest management, whereas the generation of the non-destructive approach to model forest biophysical properties (e.g. AGB and stem volume) is required to assess the forest resources more efficiently and cost-effective, and coupled with remote sensing data the model can be applied over large forest areas. This work considers study sites over tropical rain forest landscape in Indonesia characterized by different successional stages and complex vegetation structure including tropical peatland forests. The thesis begins with a brief introduction and the state of the art explaining recent trends on monitoring and modeling of forest resources using remote sensing data and approach. The research works on the integration of spectral information and texture features for forest cover mapping is presented subsequently, followed by development of a non-destructive approach for AGB and forest parameters predictions and modeling. Ultimately, this work evaluates the potential of mosaic SAR data for AGB modeling and the fusion of optical and SAR data for peatlands discrimination. The results show that the inclusion of geostatistics texture features improved the classification accuracy of optical Landsat ETM data. Moreover, the fusion of SAR and optical data enhanced the peatlands discrimination over tropical peat swamp forest. For forest stand parameters modeling, neural networks method resulted in lower error estimate than standard multi-linear regression technique, and the combination of non-destructive measurement (i.e. stem number) and remote sensing data improved the model accuracy. The up scaling of stem volume and biomass estimates using Kriging method and bi-temporal ETM image also provide favorable estimate results upon comparison with the land cover map. / Die in dieser Dissertation präsentierten Ergebnisse konzentrieren sich hauptsächlich auf zwei Themen mit Bezug zur angewandten Fernerkundung: 1) Der Klassifizierung von Oberflächenbedeckung basierend auf der Verknüpfung von optischen Sensoren, Textureigenschaften erzeugt durch Spektraldaten und Synthetic-Aperture-Radar (SAR) features und 2) die Entwicklung eines nichtdestruktiven Verfahrens zur Bestimmung oberirdischer Biomasse (AGB) und weiterer Waldeigenschaften mittels multi-source Fernerkundungsdaten (optische Daten, SAR Rückstreuung) sowie in-situ Daten. Eine zuverlässige Karte der Landbedeckung dient der Unterstützung von nachhaltigem Waldmanagement, während eine nichtdestruktive Herangehensweise zur Modellierung von biophysikalischen Waldeigenschaften (z.B. AGB und Stammvolumen) für eine effiziente und kostengünstige Beurteilung der Waldressourcen notwendig ist. Durch die Kopplung mit Fernerkundungsdaten kann das Modell auf große Waldflächen übertragen werden. Die vorliegende Arbeit berücksichtigt Untersuchungsgebiete im tropischen Regenwald Indonesiens, welche durch verschiedene Regenerations- und Sukzessionsstadien sowie komplexe Vegetationsstrukturen, inklusive tropischer Torfwälder, gekennzeichnet sind. Am Anfang der Arbeit werden in einer kurzen Einleitung der Stand der Forschung und die neuesten Forschungstrends in der Überwachung und Modellierung von Waldressourcen mithilfe von Fernerkundungsdaten dargestellt. Anschließend werden die Forschungsergebnisse der Kombination von Spektraleigenschaften und Textureigenschaften zur Waldbedeckungskartierung erläutert. Desweiteren folgen Ergebnisse zur Entwicklung eines nichtdestruktiven Ansatzes zur Vorhersage und Modellierung von AGB und Waldeigenschaften, zur Auswertung von Mosaik- SAR Daten für die Modellierung von AGB, sowie zur Fusion optischer mit SAR Daten für die Identifizierung von Torfwäldern. Die Ergebnisse zeigen, dass die Einbeziehung von geostatistischen Textureigenschaften die Genauigkeit der Klassifikation von optischen Landsat ETM Daten gesteigert hat. Desweiteren führte die Fusion von SAR und optischen Daten zu einer Verbesserung der Unterscheidung zwischen Torfwäldern und tropischen Sumpfwäldern. Bei der Modellierung der Waldparameter führte die Neural-Network-Methode zu niedrigeren Fehlerschätzungen als die multiple Regressions. Die Kombination von nichtdestruktiven Messungen (z.B. Stammzahl) und Fernerkundungsdaten führte zu einer Steigerung der Modellgenauigkeit. Die Hochskalierung des Stammvolumens und Schätzungen der Biomasse mithilfe von Kriging und bi-temporalen ETM Daten lieferten positive Schätzergebnisse im Vergleich zur Landbedeckungskarte.

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.