Das Ziel dieser Arbeit war neue Eingangsdaten für die Landoberflächenbeschreibung des regionalen Klimamodells REMO zu finden und ins Modell zu integrieren, um die Vorhersagequalität des Modells zu verbessern. Die neuen Daten wurden so in das Modell eingebaut, dass die bisherigen Daten weiterhin als Option verfügbar sind. Dadurch kann überprüft werden, ob und in welchem Umfang sich die von jedem Klimamodell benötigten Rahmendaten auf Modellergebnisse auswirken. Im Zuge der Arbeit wurden viele unterschiedliche Daten und Methoden zur Generierung neuer Parameter miteinander verglichen, denn neben dem Ersetzen der konstanten Eingangswerte für verschiedene Oberflächenparameter und den damit verbundenen Änderungen wurden als zusätzliche Verbesserung auch Veränderungen an der Parametrisierung des Bodens speziell in Hinblick auf die Bodentemperaturen in REMO vorgenommen. Im Rahmen dieser Arbeit wurden die durch die verschiedenen Änderungen ausgelösten Auswirkungen für das CORDEX-Gebiet EUR-44 mit einer Auflösung von ca. 50km und für das in dem darin eingebetteten neu definierten Deutschlandgebiet GER-11 mit einer Auflösung von ca. 12km getestet sowie alle Änderungen anhand von verschiedenen Beobachtungsdatensätzen validiert. Die vorgenommenen Arbeiten gliederten sich in drei Hauptteile. Der erste Teil bestand in dem vom eigentlichen Klimamodell unabhängigen Vergleich der verschiedenen Eingangsdaten auf unterschiedlichen Auflösungen und deren Performanz in allen Teilen der Erde, wobei ein besonderer Fokus auf der Qualität in den späteren Modellgebieten lag. Unter Berücksichtigung der Faktoren, wie einer globalen Verfügbarkeit der Daten, einer verbesserten räumlichen Auflösung und einer kostenlosen Nutzung der Daten sowie verschiedener Validationsergebnissen von anderen Studien, wurden in dieser Arbeit vier neue Topographiedatensätze (SRTM, ALOS, TANDEM und ASTER) und drei neue Bodendatensätze (FAOn, Soilgrid und HWSD) für die Verwendung im Präprozess von REMO aufbereitet und miteinander sowie mit den bisher in REMO verwendeten Daten verglichen. Auf Grundlage dieser Vergleichsstudien schieden bei den Topographiedaten die verwendeten Datensatz-Versionen von SRTM, ALOS und TANDEM für die in dieser Arbeit durchgeführten REMO-Läufe aus. Bei den neuen Bodendatensätzen wurde ausgenutzt, dass diese verschiedenen Bodeneigenschaften für unterschiedliche Tiefen als Karten zur Verfügung stellen. In REMO wurden bisher alle benötigten Bodenparameter abhängig von fünf verschiedenen Bodentexturklassen und einer zusätzlichen Torfklasse ausgewiesen und als konstant über die gesamte Modellbodensäule (bis ca. 10m) angenommen. Im zweiten Teil wurden auf Basis der im ersten Teil ausgewählten neuen Datensätze und den neu verfügbaren Bodenvariablen verschiedene Sensitivitätsstudien über das Beispieljahr 2000 durchgeführt. Dabei wurden verschiedene neue Parametrisierungen für die bisher aus der Textur abgeleiteten Bodenvariablen und die Parametrisierung von weiteren hydrologischen und thermalen Bodeneigenschaften verglichen. Ferner wurde aufgrund der neuen nicht über die Tiefe konstanten Bodeneigenschaften eine neue numerische Methode zur Berechnung der Bodentemperaturen der fünf Schichten in REMO getestet, welche wiederum andere Anpassungen erforderte. Der Test und die Auswahl der verschiedenen Datensatz- und Parametrisierungsversionen auf die Modellperformanz wurde in drei Experimentpläne unterteilt. Im ersten Plan wurden die Auswirkungen der ausgewählten Topographie- und Bodendatensätze überprüft. Der zweite Plan behandelte die Unterschiede der verschiedenen Parametrisierungsarten der Bodenvariablen hinsichtlich der verwendeten Variablen zur Berechnung der Bodeneigenschaften, der über die Tiefe variablen oder konstanten Eigenschaften und der verwendeten Berechnungsmethode der Bodentemperaturänderungen. Durch die Erkenntnisse aus diesen beiden Experimentplänen, die für beide Untersuchungsgebiete durchgeführt wurden, ergaben sich im dritten Plan weitere Parametrisierungsänderungen. Alle Änderungen dieses dritten Experimentplans wurden sukzessiv getestet, sodass der paarweise Vergleich von zwei aufeinanderfolgenden Modellläufen die Auswirkungen der Neuerung im jeweils zweiten Lauf widerspiegelt. Der letzte Teil der Arbeit bestand aus der Analyse von fünf längeren Modellläufen (2000-2018), die zur Überprüfung der Ergebnisse aus den Sensitivitätsstudien sowie zur Einschätzung der Performanz in weiteren teilweise extremen atmosphärischen Bedingungen durchgeführt wurden. Hierfür wurden die bisherige Modellversion von REMO (id01) für die beiden Untersuchungsgebiete EUR-44 und GER-11 als Referenzläufe, zwei aufgrund der Vergleichsergebnisse von Experimentplan 3 selektierte Modellversionen (id06 und id15a für GER-11) sowie die finale Version (id18a für GER-11), die alle vorgenommenen Änderungen dieser Arbeit enthält, ausgewählt. Es stellte sich heraus, dass sowohl die neuen Topographiedaten als auch die neuen Bodendaten große Differenzen zu den bisherigen Daten in REMO haben. Zudem änderten sich die von diesen konstanten Eingangsdaten abgeleiteten Hilfsvariablen je nach verwendeter Parametrisierung sehr deutlich. Dies war besonders gut anhand der Bodenparameter zu erkennen. Sowohl die räumliche Verteilung als auch der Wertebereich der verschiedenen Modellversionen unterschieden sich stark. Eine Einschätzung der Qualität der resultierenden Parameter wurde jedoch dadurch erschwert, dass auch die verschiedenen zur Validierung herangezogenen Bodendatensätze für diese Parameter deutlich voneinander abweichen. Die finale Modellversion id18a ähnelte trotz der umfassenden Änderungen in den meisten Variablen den Ergebnissen der bisherigen REMO-Version. Je nach zeitlicher und räumlicher Aggregation sowie unterschiedlichen Regionen und Jahreszeiten wurden leichte Verbesserungen, aber auch leichte Verschlechterungen im Vergleich zu den klimatologischen Validationsdaten festgestellt. Größere Veränderungen im Vergleich zur bisherigen Modellversion konnten in den tieferen Bodenschichten aufgezeigt werden, welche allerdings aufgrund von fehlenden Validationsdaten nicht beurteilt werden konnten. Für alle 2m-Temperaturen konnte eine tendenzielle leichte Erwärmung im Vergleich zum bisherigen Modelllauf beobachtet werden, was sich einerseits negativ auf die ohnehin durchschnittlich zu hohe Minimumtemperatur, aber andererseits positiv auf die bisher zu niedrige Maximumtemperatur des Modells in den betrachteten Gebieten auswirkte. Im Niederschlagssignal und in den 10m-Windvariablen konnten keine signifikanten Änderungen nachgewiesen werden, obwohl die neue Topographie an manchen Stellen im Modellgebiet deutlich von der bisherigen abweicht. Des Weiteren variierte das Ranking der verschiedenen Modellversionen jeweils nach dem angewendeten Qualitätsindex. Um diese Ergebnisse besser einordnen zu können, muss berücksichtigt werden, dass die neuen Daten für Modellgebiete mit 50 bzw. 12km räumlicher Auflösung und der damit verbundenen hydrostatischen Modellversion getestet wurden. Zudem sind vor allem in Fall der Topographie die bisher enthaltenen GTOPO-Daten (1km Auflösung) für die Aggregation auf diese gröbere Modellauflösung geeignet. Die bisherigen Bodendaten stoßen jedoch mit 50km Auflösung bereits an ihre Grenzen. Zusätzlich ist zu beachten, dass nicht nur die Mittelwerte dieser Daten, sondern auch deren Subgrid-Variabilität als Variablen im Modell für verschiedene Parametrisierungen verwendet werden. Daher ist es essentiell, dass die Eingangsdaten eine deutlich höhere Auflösung bereitstellen als die zur Modellierung definierte Auflösung. Für lokale Klimasimulationen mit Auflösungen im niedrigen Kilometerbereich spielen auch die Vertikalbewegungen (nicht-hydrostatische Modellversion) eine wichtige Rolle, die stark von der Topographie sowie deren horizontaler und vertikaler Änderungsrate beeinflusst werden, was die in dieser Arbeit eingebauten wesentlich höher aufgelösten Daten für die zukünftige Weiterentwicklung von REMO wertvoll machen kann. / The main aim of this work was to find new input data sets for the land surface description of the regional climate model REMO and to integrate them into the model in order to improve the predictive quality of the model. The new data sets have been incorporated into the model in such a way that the previous data are still available as an option for the model run. This allows to check whether and to what extent the boundary data required by each climate model have an impact on the model results. In this study comparisons of many different data sets and methods for generating new parameters are included. In addition to replacing the constant input values for different surface parameters and the associated changes, changes were also made for the parameterization of the soil, especially with regard to the soil temperatures in REMO. The effects of different changes which were made in this study were analysed for the CORDEX region EUR-44 with a resolution of 50km and for a newly defined German area GER-11 with a resolution of 12km. All changes were validated with different observational data sets. The work process was divided into three main parts. The first part was independent of the actual climate model and included the comparison of different input data sets at different resolutions and their performance in all parts of the world. Taking into account factors such as global availability of the data, improved spatial resolution and free use of the data, as well as various validation results from other studies, four new topography data sets (SRTM, ALOS, TANDEM and ASTER) and three new soil data sets (FAOn, Soilgrid and HWSD) were processed for the usage by REMO and compared with each other and with the data sets previously used in REMO. Based on these comparative studies of the topographical data sets the SRTM, ALOS and TANDEM data set versions were excluded from the further usage in REMO in this study. For the new soil data sets the fact that they provide different soil properties for different depths as maps has been taken advantage of. In the previous REMO versions, all required soil parameters so far have been determined depending on five different soil texture classes with an additional peat class and assumed to be constant over the entire model soil column (up to approximately 10m). In the second part, several sensitivity studies were tested for the year 2000 based on the new data sets selected in the first part of the analysis and on the new available soil variables. Different new parameterizations for soil variables previously derived from the soil texture now based on the sand, clay and organic content of the soil as well as new parameterizations of further hydrological and thermal properties of soil were compared. In addition, due to the new non-constant soil properties, a new numerical method for calculating the soil temperatures of the five layers in the model was tested, which in turn necessitated further adjustments. The testing and selection of the different data sets and parameterization versions for the model according to performance was divided into three experimental plans. In the first plan, the effects of the selected topography and soil data sets were examined. The second plan dealt with the differences between the different types of parameterization of the soil variables in terms of the variables used to calculate the properties, the properties variable or constant over depth, and the method used to calculate the changes in soil temperature. The findings of these two experimental plans, which were carried out for both study areas, led to further parameterization changes in the third plan. All changes in this third experimental plan were tested successively, so the pairwise comparison of two consecutive model runs reflects the impact of the innovation in the second run. The final part of the analysis consists of five longer model runs (2000-2018), which were carried out to review the results of the sensitivity studies and to assess the performance under other, sometimes extreme, atmospheric conditions. For this purpose, the previous model version of REMO (id01) for the two study areas (EUR-44 and GER-11) served as reference runs. Two new model versions (GER-11 of id06 and id15a) were selected on the basis of the comparison results of the third experimental plan and the final version (GER-11 of id18a) which contains all changes made in this work was also chosen for a detailed analysis. Taken together the results show that both the new topography data and the new soil data differ crucially from the previous data sets in REMO. In addition, the auxiliary variables derived from these constant input data change significantly depending on the parameterization used, especially for the soil parameters. Both the spatial distribution and the range of values of the different model versions differ greatly. However, a quality assessment of the parameterization is difficult because different soil data sets used for the validation of the parameters also differ significantly. The final model version (id18a) is similar to the results of the previous REMO version in most variables, despite the extensive changes of the input data and parametrizations. Depending on temporal and spatial aggregation as well as different regions and seasons, slight improvements have been observed, but also slight deterioration compared to the climatological validation data. In the deeper soil layers larger changes could be identified compared to the previous model version, which could not be assessed due to a lack of validation data. Overall, there was also a slight warming of all 2m temperatures compared to the previous model run, which on the one hand has a negative effect on the already too high minimum temperature, but on the other hand has a positive effect on the previously too low maximum temperature of the model in the study areas. No significant changes could be detected in the precipitation signal and in the 10m wind variables, although the new topography differs significantly from the previous topography at some points in the test area. Furthermore, the ranking of the different model versions varied according to the quality index applied. To evaluate the results it has to be considered that the new data were tested for model regions with 50 and 12km spatial resolution and the associated hydrostatic model version. The so far already included data are suitable for aggregation to this coarser model resolution, especially in the case of topography (GTOPO with 1km resolution). However, the previous soil data already reach their limits with 50km resolution. In addition, it should be noted that not only the mean values of these data, but also their subgrid variability are used as variables in the model for different parameterizations. Therefore, it is essential that the input data provide a significantly higher resolution than the resolution defined for modeling. Vertical fluxes (non-hydrostatic model version) play an important role in local climate simulations with resolutions in the low kilometre range, which are strongly influenced by the topography and its horizontal and vertical change rate, which may make the much higher resolution data incorporated in this work valuable for the future development of REMO.

In Mexico, numerous landslides occur each year and Veracruz represents the state with the third highest number of events. Especially the Chiconquiaco Mountain Range, located in the central part of Veracruz, is highly affected by landslides and no detailed information on the spatial distribution of existing landslides or future occurrences is available. This leaves the local population exposed to an unknown threat and unable to react appropriately to this hazard or to consider the potential landslide occurrence in future planning processes. Thus, the overall objective of the present study is to provide a comprehensive assessment of the landslide situation in the Chiconquiaco Mountain Range area. Here, the combination of a site-specific and a regional approach enables to investigate the causes, triggers, and process types as well as to model the landslide susceptibility for the entire study area. For the site-specific approach, the focus lies on characterizing the Capulín landslide, which represents one of the largest mass movements in the area. In this context, the task is to develop a multi-methodological concept, which concentrates on cost-effective, flexible and non-invasive methods. This approach shows that the applied methods complement each other very well and their combination allows for a detailed characterization of the landslide. The analyses revealed that the Capulín landslide is a complex mass movement type. It comprises rotational movement in the upper parts and translational movement in the lower areas, as well as flow processes at the flank and foot area and therefore, is classified as a compound slide-flow according to Cruden and Varnes (1996). Furthermore, the investigations show that the Capulín landslide represents a reactivation of a former process. This is an important new information, especially with regard to the other landslides identified in the study area. Both the road reconstructed after the landslide, which runs through the landslide mass, and the stream causing erosion processes at the foot of the landslide severely affect the stability of the landslide, making it highly susceptible to future reactivation processes. This is particularly important as the landslide is located only few hundred meters from the village El Capulín and an extension of the landslide area could cause severe damage. The next step in the landslide assessment consists of integrating the data obtained in the site-specific approach into the regional analysis. Here, the focus lies on transferring the generated data to the entire study area. The developed methodological concept yields applicable results, which is supported by different validation approaches. The susceptibility modeling as well as the landslide inventory reveal that the highest probability of landslides occurrence is related to the areas with moderate slopes covered by slope deposits. These slope deposits comprise material from old mass movements and erosion processes and are highly susceptible to landslides. The results give new insights into the landslide situation in the Chiconquiaco Mountain Range area, since previously landslide occurrence was related to steep slopes of basalt and andesite. The susceptibility map is a contribution to a better assessment of the landslide situation in the study area and simultaneously proves that it is crucial to include specific characteristics of the respective area into the modeling process, otherwise it is possible that the local conditions will not be represented correctly. / In Mexico ereignen sich jedes Jahr zahlreiche Rutschungen und Veracruz ist der Bundesstaat mit der dritthöchsten Anzahl von solchen Ereignissen. Besonders das Chiconquiaco Gebirge, welches im zentralen Bereich von Veracruz liegt, ist stark von Rutschungen betroffen und trotzdem sind keine detaillierten Informationen zur räumlichen Verbreitung existierender Rutschungen oder zu deren erwarteten, zukünftigen Auftreten verfügbar. Dadurch ist die lokale Bevölkerung mit einer nicht einschätzbaren Bedrohungslage konfrontiert und kann weder auf diese angemessen reagieren noch das potentielle Auftreten von Rutschungen in künftigen Planungsprozessen berücksichtigen. Das übergeordnete Ziel der vorliegenden Arbeit besteht daher darin, eine umfassende Beurteilung der Rutschungssituation im Chiconquiaco Gebirge zu erstellen. Hierbei ermöglicht die Kombination eines standortspezifischen und eines regionalen Ansatzes sowohl die Untersuchung der Ursachen, Auslöser und Prozesstypen, als auch die Modellierung der Rutschanfälligkeit für das gesamte Untersuchungsgebiet. Bei dem standortspezifischen Ansatz liegt der Schwerpunkt auf der Charakterisierung der Capulín Rutschung, bei der es sich um eine der größten Massenbewegungen in dieser Region handelt. In diesem Rahmen besteht die Aufgabe darin, ein multi-methodologisches Konzept zu entwickeln, welches sich hauptsächlich auf kostengünstige, flexible und nicht-invasive Methoden konzentriert. Dieser Ansatz zeigt, dass sich die verwendeten Methoden sehr gut ergänzen und ihre Kombination eine detaillierte Charakterisierung der Rutschung ermöglicht. Die Ergebnisse legen dar, dass die Capulín Rutschung eine komplexe Massenbewegung ist. So umfasst sie Rotationsbewegungen im oberen und Translationsbewegungen im unteren Bereich, sowie Fließprozesse an der Flanke und im Fußbereich und kann daher nach Cruden und Varnes (1996) als Kombination aus Gleit- und Fließprozessen (compound slide-flow) klassifiziert werden. Des Weiteren zeigen die Ergebnisse, dass es sich bei der Capulín Rutschung um eine Reaktivierung einer älteren Rutschung handelt. Das ist eine wichtige neue Erkenntnis besonders im Hinblick auf die anderen Rutschungen, die im Untersuchungsgebiet festgestellt wurden. Sowohl die nach der Rutschung wieder aufgebaute Straße, die durch die Rutschmasse verläuft, als auch der Fluss, der Erosionsprozesse am Fuß der Rutschung verursacht, beeinträchtigen die Stabilität der Capulín Rutschung maßgeblich, was sie sehr anfällig für zukünftige Reaktivierungsprozesse macht. Dies ist besonders wichtig, da die Rutschung nur wenige hundert Meter von dem Ort El Capulín entfernt ist und eine Erweiterung des Rutschgebietes erhebliche Schäden verursachen könnte. Im Anschluss werden die durch den lokalen Ansatz erhaltenen Daten in die regionale Analyse integriert. Der Fokus bei diesem Vorgehen liegt dabei auf der Übertragung der generierten Daten auf das gesamte Untersuchungsgebiet. Das hier entwickelte methodische Konzept erzielt verwertbare Ergebnisse, was durch verschiedene Validierungsansätze bekräftigt werden kann. Sowohl die Suszeptibilitätsmodellierung als auch das Rutschungsinventar zeigen, dass die höchste Wahrscheinlichkeit für das Auftreten von Rutschungen vor allem in den Gebieten mit moderater Hangneigung liegt, welche mit Hangschutt bedeckt sind. Diese Hangablagerungen bestehen aus Material von alten Massenbewegungen und Erosionsprozessen und zeigen eine hohe Anfälligkeit für Rutschungen. Die Ergebnisse liefern neue Erkenntnisse über die Rutschungssituation im Chiconquiaco Gebirge, da vorher das Auftreten von Rutschungen mit den steilen Hängen aus Basalt und Andesit in Verbindung gebracht wurde. Auf Grundlage der generierten Suszeptibilitätskarte ist eine bessere Bewertung der Rutschungssituation im Untersuchungsgebiet möglich. Weiterhin zeigt sie, dass es von entscheidender Bedeutung ist, spezifische Eigenschaften der jeweiligen Untersuchungsgebiete in die Modellierung miteinzubeziehen, da sonst die Gefahr besteht, dass die örtlichen Gegebenheiten fehlerhaft eingeschätzt werden.

With accelerating global climate change, the Antarctic Ice Sheet is exposed to increasing ice dynamic change. During 1992 and 2017, Antarctica contributed ~7.6 mm to global sea-level-rise mainly due to ocean thermal forcing along West Antarctica and atmospheric warming along the Antarctic Peninsula (API). Together, these processes caused the progressive retreat of glaciers and ice shelves and weakened their efficient buttressing force causing widespread ice flow accelerations. Holding ~91% of the global ice mass and 57.3 m of sea-level-equivalent, the Antarctic Ice Sheet is by far the largest potential contributor to future sea-level-rise. Despite the improved understanding of Antarctic ice dynamics, the future of Antarctica remains difficult to predict with its contribution to global sea-level-rise representing the largest uncertainty in current projections. Given that recent studies point towards atmospheric warming and melt intensification to become a dominant driver for future Antarctic ice mass loss, the monitoring of supraglacial lakes and their impacts on ice dynamics is of utmost importance. In this regard, recent progress in Earth Observation provides an abundance of high-resolution optical and Synthetic Aperture Radar (SAR) satellite data at unprecedented spatial and temporal coverage and greatly supports the monitoring of the Antarctic continent where ground-based mapping efforts are difficult to perform. As an automated mapping technique for supraglacial lake extent delineation in optical and SAR satellite imagery as well as a pan-Antarctic inventory of Antarctic supraglacial lakes at high spatial and temporal resolution is entirely missing, this thesis aims to advance the understanding of Antarctic surface hydrology through exploitation of spaceborne remote sensing. In particular, a detailed literature review on spaceborne remote sensing of Antarctic supraglacial lakes identified several research gaps including the lack of (1) an automated mapping technique for optical or SAR satellite data that is transferable in space and time, (2) high-resolution supraglacial lake extent mappings at intra-annual and inter-annual temporal resolution and (3) large-scale mapping efforts across the entire Antarctic continent. In addition, past method developments were found to be restricted to purely visual, manual or semi-automated mapping techniques hindering their application to multi-temporal satellite imagery at large-scale. In this context, the development of automated mapping techniques was mainly limited by sensor-specific characteristics including the similar appearance of supraglacial lakes and other ice sheet surface features in optical or SAR data, the varying temporal signature of supraglacial lakes throughout the year as well as effects such as speckle noise and wind roughening in SAR data or cloud coverage in optical data. To overcome these limitations, this thesis exploits methods from artificial intelligence and big data processing for development of an automated processing chain for supraglacial lake extent delineation in Sentinel-1 SAR and optical Sentinel-2 satellite imagery. The combination of both sensor types enabled to capture both surface and subsurface lakes as well as to acquire data during cloud cover or wind roughening of lakes. For Sentinel-1, a deep convolutional neural network based on residual U-Net was trained on the basis of 21,200 labeled Sentinel-1 SAR image patches covering 13 Antarctic regions. Similarly, optical Sentinel-2 data were collected over 14 Antarctic regions and used for training of a Random Forest classifier. Optical and SAR classification products were combined through decision-level fusion at bi-weekly temporal scale and unprecedented 10 m spatial resolution. Finally, the method was implemented as part of DLR’s High-Performance Computing infrastructure allowing for an automated processing of large amounts of data including all required pre- and postprocessing steps. The results of an accuracy assessment over independent test scenes highlighted the functionality of the classifiers returning accuracies of 93% and 95% for supraglacial lakes in Sentinel-1 and Sentinel-2 satellite imagery, respectively. Exploiting the full archive of Sentinel-1 and Sentinel-2, the developed framework for the first time enabled the monitoring of seasonal characteristics of Antarctic supraglacial lakes over six major ice shelves in 2015-2021. In particular, the results for API ice shelves revealed low lake coverage during 2015-2018 and particularly high lake coverage during the 2019-2020 and 2020-2021 melting seasons. On the contrary, East Antarctic ice shelves were characterized by high lake coverage during 2016-2019 and extremely low lake coverage during the 2020-2021 melting season. Over all six investigated ice shelves, the development of drainage systems was revealed highlighting an increased risk for ice shelf instability. Through statistical correlation analysis with climate data at varying time lags as well as annual data on Southern Hemisphere atmospheric modes, environmental drivers for meltwater ponding were revealed. In addition, the influence of the local glaciological setting was investigated through computation of annual recurrence times of lakes. Over both ice sheet regions, the complex interplay between local, regional and large-scale environmental drivers was found to control supraglacial lake formation despite local to regional discrepancies, as revealed through pixel-based correlation analysis. Local control factors included the ice surface topography, the ice shelf geometry, the presence of low-albedo features as well as a reduced firn air content and were found to exert strong control on lake distribution. On the other hand, regional controls on lake evolution were revealed to be the amount of incoming solar radiation, air temperature and wind occurrence. While foehn winds were found to dictate lake evolution over the API, katabatic winds influenced lake ponding in East Antarctica. Furthermore, the regional near-surface climate was shown to be driven by large-scale atmospheric modes and teleconnections with the tropics. Overall, the results highlight that similar driving factors control supraglacial lake formation on the API and EAIS pointing towards their transferability to other Antarctic regions. / Der antarktische Eisschild erfährt angesichts der globalen Erderwärmung zunehmende eisdynamische Veränderungen. Zwischen 1992 und 2017 trug die Antarktis mit ~7.6 mm zum globalen Meeresspiegelanstieg bei, was vor allem auf die Erwärmung des Ozeans entlang der Westantarktis und die Erwärmung der Atmosphäre entlang der Antarktischen Halbinsel zurückzuführen ist. Zusammen verursachten diese Prozesse den fortschreitenden Rückgang von Gletschern und Schelfeis und schwächten ihren Rückhalteeffekt. Mit einem Anteil von ~91% an der globalen Eismasse und einem Meeresspiegeläquivalent von 57.3 m ist der antarktische Eisschild der größte potentielle Verursacher eines zukünftigen Meeresspiegelanstiegs. Trotz des verbesserten Verständnisses der antarktischen Eisdynamik kann die Zukunft der Antarktis nur schwer vorhergesagt werden. In Anbetracht der Tatsache, dass die Erwärmung der Atmosphäre und die damit einhergehende Oberflächenschmelze eine der Hauptursachen für künftige Massenverluste der Antarktis sein werden, ist die Kartierung von supraglazialen Seen von größter Bedeutung und Wichtigkeit. In dieser Hinsicht liefert die Erdbeobachtung eine Vielzahl von räumlich und zeitlich hochaufgelösten Satellitendaten für das Monitoring der Antarktis. Da eine automatisierte Methode zur Kartierung von supraglazialen Seen in Satellitendaten sowie ein großräumiges Inventar gänzlich fehlen, ist das Ziel dieser Arbeit zu einem besseren Verständnis der antarktischen Oberflächenhydrologie beizutragen. Zu diesem Zweck wurde ein neuartiges Prozessierungsverfahren für die automatisierte Kartierung von supraglazialen Seen in Sentinel-1 und Sentinel-2 Satellitenbilddaten entwickelt. Basierend auf einer umfassenden Literaturrecherche in Bezug auf die satellitengestützte Fernerkundung von antarktischen supraglazialen Seen wurden mehrere Forschungslücken identifiziert, darunter das Fehlen von (1) einem automatisierten Klassifikationsalgorithmus für optische und Radar Satellitendaten, der in Raum und Zeit übertragbar ist, (2) hochaufgelösten Kartierungen von supraglazialen Seen mit jährlicher sowie saisonaler zeitlicher Auflösung und (3) großräumigen Kartierungen über der gesamten Antarktis. Darüber hinaus wurde festgestellt, dass sich vergangene Methodenentwicklungen auf eine rein visuelle, manuelle oder halbautomatisierte Kartierungstechnik stützten, was ihre Anwendung auf multitemporale Satellitenbilder über dem gesamten Kontinent verhinderte. Die Entwicklung einer automatisierten Kartierungsmethode wurde hierbei vor allem durch sensorspezifische Merkmale eingeschränkt, darunter das ähnliche Erscheinungsbild von supraglazialen Seen und anderen Landbedeckungsklassen in optischen oder Radar Daten, die variierende zeitliche Signatur von supraglazialen Seen sowie Effekte wie SpeckleRauschen oder die Windaufrauhung von Seen in Radar Daten. Um diese Limitierungen zu überwinden, basiert der entwickelte Algorithmus zur automatisierten Kartierung von supraglazialen Seen in optischen and Radar Satellitendaten auf Methoden der künstlichen Intelligenz und der Big-Data-Analytik. Die Kombination von beiden Sensortypen ermöglicht es, sowohl supraglaziale als auch mit Schnee bedeckte Seen zu erfassen. Für Sentinel-1 wurde ein neuronales Netzwerk basierend auf „residual U-Net“ mittels 21,200 Radaraufnahmen über 13 antarktischen Regionen trainiert. In ähnlicher Weise wurden optische Sentinel-2 Daten über 14 antarktischen Regionen gesammelt und zum Trainieren eines „Random Forest“ Klassifikators verwendet. Die beiden Methoden wurden durch die Fusion von optischen und Radar Klassifikationsergebnissen kombiniert und als Teil der DLR-internen Prozessierungs-Infrastruktur auf Hochleistungsrechnern implementiert, die eine vollautomatische Verarbeitung großer Datenmengen einschließlich aller erforderlichen Vor- und Nachverarbeitungsschritte ermöglichen. Eine Fehleranalyse über unabhängigen Testszenen zeigte die Funktionalität der Algorithmen, die Genauigkeiten von 93% bzw. 95% für supraglaziale Seen in Sentinel-1 und Sentinel-2 Daten erreichten. Unter Nutzung des gesamten Archivs an Sentinel-1 und Sentinel-2 Daten im Zeitraum 2015-2021 ermöglichte die entwickelte Prozessierungs-Kette erstmals die Erfassung von saisonalen Merkmalen supraglazialer Seen über sechs großen SchelfeisRegionen. Die Ergebnisse für die Antarktische Halbinsel zeigten ein geringes Auftreten von supraglazialen Seen im Zeitraum 2015-2018 und ein stark erhöhtes Auftreten von supraglazialen Seen während der Schmelzsaison 2019-2020 und 2020-2021. Im Gegensatz dazu war die Ostantarktis durch ein stark erhöhtes Auftreten von supraglazialen Seen in den Jahren 2016-2019 sowie ein stark reduziertes Auftreten von supraglazialen Seen während der Schmelzsaison 2020-2021 gekennzeichnet. Über beiden Regionen entwickelten sich ausgeprägte Seen-Netzwerke, die ein erhöhtes Risiko für die Stabilität von Schelfeis darstellen. Durch statistische Korrelationsanalysen mit saisonalen Klimadaten sowie jährlichen Daten zu atmosphärischen Modi wurden Umwelteinflüsse auf die Entstehung von Seen analysiert. In beiden antarktischen Regionen wurde festgestellt, dass das komplexe Zusammenspiel von lokalen, regionalen und großräumigen Umweltfaktoren die Entstehung von supraglazialen Seen begünstigt. Zu den lokalen Einflussfaktoren gehören die Topographie, die Schelfeisgeometrie, das Vorhandensein von Oberflächen mit geringer Albedo sowie ein reduzierter Luftgehalt im Firn. Andererseits wurde festgestellt, dass die Sonneneinstrahlung, die Lufttemperatur und Wind die Entstehung von Seen regional beeinflussen. Während Föhnwinde über der Antarktischen Halbinsel auftreten, dominieren katabatische Winde in der Ostantarktis. Darüber hinaus wurde verdeutlicht, dass das regionale Klima von atmosphärischen Modi beeinflusst wird. Insgesamt deuten die Ergebnisse darauf hin, dass ähnliche Umweltfaktoren die Entstehung von supraglazialen Seen über beiden Regionen steuern, was Rückschlüsse auf ihre Übertragbarkeit in andere antarktische Regionen zulässt.

The investigation of the Earth system and interplays between its components is of utmost importance to enhance the understanding of the impacts of global climate change on the Earth's land surface. In this context, Earth observation (EO) provides valuable long-term records covering an abundance of land surface variables and, thus, allowing for large-scale analyses to quantify and analyze land surface dynamics across various Earth system components. In view of this, the geographical entity of river basins was identified as particularly suitable for multivariate time series analyses of the land surface, as they naturally cover diverse spheres of the Earth. Many remote sensing missions with different characteristics are available to monitor and characterize the land surface. Yet, only a few spaceborne remote sensing missions enable the generation of spatio-temporally consistent time series with equidistant observations over large areas, such as the MODIS instrument. In order to summarize available remote sensing-based analyses of land surface dynamics in large river basins, a detailed literature review of 287 studies was performed and several research gaps were identified. In this regard, it was found that studies rarely analyzed an entire river basin, but rather focused on study areas at subbasin or regional scale. In addition, it was found that transboundary river basins remained understudied and that studies largely focused on selected riparian countries. Moreover, the analysis of environmental change was generally conducted using a single EO-based land surface variable, whereas a joint exploration of multivariate land surface variables across spheres was found to be rarely performed. To address these research gaps, a methodological framework enabling (1) the preprocessing and harmonization of multi-source time series as well as (2) the statistical analysis of a multivariate feature space was required. For development and testing of a methodological framework that is transferable in space and time, the transboundary river basins Indus, Ganges, Brahmaputra, and Meghna (IGBM) in South Asia were selected as study area, having a size equivalent to around eight times the size of Germany. These basins largely depend on water resources from monsoon rainfall and High Mountain Asia which holds the largest ice mass outside the polar regions. In total, over 1.1 billion people live in this region and in parts largely depend on these water resources which are indispensable for the world's largest connected irrigated croplands and further domestic needs as well. With highly heterogeneous geographical settings, these river basins allow for a detailed analysis of the interplays between multiple spheres, including the anthroposphere, biosphere, cryosphere, hydrosphere, lithosphere, and atmosphere. In this thesis, land surface dynamics over the last two decades (December 2002 - November 2020) were analyzed using EO time series on vegetation condition, surface water area, and snow cover area being based on MODIS imagery, the DLR Global WaterPack and JRC Global Surface Water Layer, as well as the DLR Global SnowPack, respectively. These data were evaluated in combination with further climatic, hydrological, and anthropogenic variables to estimate their influence on the three EO land surface variables. The preprocessing and harmonization of the time series was conducted using the implemented framework. The resulting harmonized feature space was used to quantify and analyze land surface dynamics by means of several statistical time series analysis techniques which were integrated into the framework. In detail, these methods involved (1) the calculation of trends using the Mann-Kendall test in association with the Theil-Sen slope estimator, (2) the estimation of changes in phenological metrics using the Timesat tool, (3) the evaluation of driving variables using the causal discovery approach Peter and Clark Momentary Conditional Independence (PCMCI), and (4) additional correlation tests to analyze the human influence on vegetation condition and surface water area. These analyses were performed at annual and seasonal temporal scale and for diverse spatial units, including grids, river basins and subbasins, land cover and land use classes, as well as elevation-dependent zones. The trend analyses of vegetation condition mostly revealed significant positive trends. Irrigated and rainfed croplands were found to contribute most to these trends. The trend magnitudes were particularly high in arid and semi-arid regions. Considering surface water area, significant positive trends were obtained at annual scale. At grid scale, regional and seasonal clusters with significant negative trends were found as well. Trends for snow cover area mostly remained stable at annual scale, but significant negative trends were observed in parts of the river basins during distinct seasons. Negative trends were also found for the elevation-dependent zones, particularly at high altitudes. Also, retreats in the seasonal duration of snow cover area were found in parts of the river basins. Furthermore, for the first time, the application of the causal discovery algorithm on a multivariate feature space at seasonal temporal scale revealed direct and indirect links between EO land surface variables and respective drivers. In general, vegetation was constrained by water availability, surface water area was largely influenced by river discharge and indirectly by precipitation, and snow cover area was largely controlled by precipitation and temperature with spatial and temporal variations. Additional analyses pointed towards positive human influences on increasing trends in vegetation greenness. The investigation of trends and interplays across spheres provided new and valuable insights into the past state and the evolution of the land surface as well as on relevant climatic and hydrological driving variables. Besides the investigated river basins in South Asia, these findings are of great value also for other river basins and geographical regions. / Die Untersuchung von Erdsystemkomponenten und deren Wechselwirkungen ist von großer Relevanz, um das Prozessverständnis sowie die Auswirkungen des globalen Klimawandels auf die Landoberfläche zu verbessern. In diesem Zusammenhang liefert die Erdbeobachtung (EO) wertvolle Langzeitaufnahmen zu einer Vielzahl an Landoberflächenvariablen. Diese können als Indikator für die Erdsystemkomponenten genutzt werden und sind essenziell für großflächige Analysen. Flusseinzugsgebiete sind besonders geeignet um Landoberflächendynamiken mit multivariaten Zeitreihen zu analysieren, da diese verschiedene Sphären des Erdsystems umfassen. Zur Charakterisierung der Landoberfläche stehen zahlreiche EO-Missionen mit unterschiedlichen Eigenschaften zur Verfügung. Nur einige wenige Missionen gewährleisten jedoch die Erstellung von räumlich und zeitlich konsistenten Zeitreihen mit äquidistanten Beobachtungen über großräumige Untersuchungsgebiete, wie z.B. die MODIS Sensoren. Um bisherige EO-Analysen zu Landoberflächendynamiken in großen Flusseinzugsgebieten zu untersuchen, wurde eine Literaturrecherche durchgeführt, wobei mehrere Forschungslücken identifiziert wurden. Studien untersuchten nur selten ein ganzes Einzugsgebiet, sondern konzentrierten sich lediglich auf Teilgebietsgebiete oder regionale Untersuchungsgebiete. Darüber hinaus wurden transnationale Einzugsgebiete nur unzureichend analysiert, wobei sich die Studien größtenteils auf ausgewählte Anrainerstaaten beschränkten. Auch wurde die Analyse von Umweltveränderungen meistens anhand einer einzigen EO-Landoberflächenvariable durchgeführt, während eine synergetische Untersuchung von sphärenübergreifenden Landoberflächenvariablen kaum unternommen wurde. Um diese Forschungslücken zu adressieren, ist ein methodischer Ansatz notwendig, der (1) die Vorverarbeitung und Harmonisierung von Zeitreihen aus mehreren Quellen und (2) die statistische Analyse eines multivariaten Merkmalsraums ermöglicht. Für die Entwicklung und Anwendung eines methodischen Frameworks, das raum-zeitlich übertragbar ist, wurden die transnationalen Einzugsgebiete Indus, Ganges, Brahmaputra und Meghna (IGBM) in Südasien, deren Größe etwa der achtfachen Fläche von Deutschland entspricht, ausgewählt. Diese Einzugsgebiete hängen weitgehend von den Wasserressourcen des Monsunregens und des Hochgebirges Asiens ab. Insgesamt leben über 1,1 Milliarden Menschen in dieser Region und sind zum Teil in hohem Maße von diesen Wasserressourcen abhängig, die auch für die größten zusammenhängenden bewässerten Anbauflächen der Welt und auch für weitere inländische Bedarfe unerlässlich sind. Aufgrund ihrer sehr heterogenen geographischen Gegebenheiten ermöglichen diese Einzugsgebiete eine detaillierte sphärenübergreifende Analyse der Wechselwirkungen, einschließlich der Anthroposphäre, Biosphäre, Kryosphäre, Hydrosphäre, Lithosphäre und Atmosphäre. In dieser Dissertation wurden Landoberflächendynamiken der letzten zwei Jahrzehnte anhand von EO-Zeitreihen zum Vegetationszustand, zu Oberflächengewässern und zur Schneebedeckung analysiert. Diese basieren auf MODIS-Aufnahmen, dem DLR Global WaterPack und dem JRC Global Surface Water Layer sowie dem DLR Global SnowPack. Diese Zeitreihen wurden in Kombination mit weiteren klimatischen, hydrologischen und anthropogenen Variablen ausgewertet. Die Harmonisierung des multivariaten Merkmalsraumes ermöglichte die Analyse von Landoberflächendynamiken unter Nutzung von statistischen Methoden. Diese Methoden umfassen (1) die Berechnung von Trends mittels des Mann-Kendall und des Theil-Sen Tests, (2) die Berechnung von phänologischen Metriken anhand des Timesat-Tools, (3) die Bewertung von treibenden Variablen unter Nutzung des PCMCI Algorithmus und (4) zusätzliche Korrelationstests zur Analyse des menschlichen Einflusses auf den Vegetationszustand und die Wasseroberfläche. Diese Analysen wurden auf jährlichen und saisonalen Zeitskalen und für verschiedene räumliche Einheiten durchgeführt. Für den Vegetationszustand wurden weitgehend signifikant positive Trends ermittelt. Analysen haben gezeigt, dass landwirtschaftliche Nutzflächen am meisten zu diesen Trends beitragen haben. Besonders hoch waren die Trends in ariden Regionen. Bei Oberflächengewässern wurden auf jährlicher Ebene signifikant positive Trends festgestellt. Auf Pixelebene wurden jedoch sowohl regional als auch saisonal Cluster mit signifikant negativen Trends identifiziert. Die Trends für die Schneebedeckung blieben auf jährlicher Ebene weitgehend stabil, jedoch wurden in Teilen der Einzugsgebiete zu bestimmten Jahreszeiten signifikant negative Trends beobachtet. Die negativen Trends wurden auch für höhenabhängige Zonen festgestellt, insbesondere in hohen Lagen. Außerdem wurden in Teilen der Einzugsgebiete Rückgänge bei der saisonalen Dauer der Schneebedeckung ermittelt. Darüber hinaus ergab die Untersuchung des multivariaten Merkmalsraums auf kausale Zusammenhänge auf saisonaler Ebene erstmals Aufschluss über direkte und indirekte Relationen zwischen EO-Landoberflächenvariablen und den entsprechenden Einflussfaktoren. Zusammengefasst wurde die Vegetation durch die Wasserverfügbarkeit, die Oberflächengewässer durch den Abfluss und indirekt durch den Niederschlag sowie die Schneebedeckung durch Niederschlag und Temperatur mit räumlichen und saisonalen Unterschieden kontrolliert. Zusätzliche Analysen wiesen auf einen positiven Zusammenhang zwischen dem menschlichen Einfluss und den zunehmenden Trends in der Vegetationsfläche hin. Diese sphärenübergreifenden Untersuchungen zu Trends und Wechselwirkungen liefern neue und wertvolle Einblicke in den vergangenen Zustand von Landoberflächendynamiken sowie in die relevanten klimatischen und hydrologischen Einflussfaktoren. Neben den untersuchten Einzugsgebieten in Südasien sind diese Erkenntnisse auch für weitere Einzugsgebiete und geographische Regionen von großer Bedeutung.

Accurate crop monitoring in response to climate change at a regional or field scale plays a significant role in developing agricultural policies, improving food security, forecasting, and analysing global trade trends. Climate change is expected to significantly impact agriculture, with shifts in temperature, precipitation patterns, and extreme weather events negatively affecting crop yields, soil fertility, water availability, biodiversity, and crop growing conditions. Remote sensing (RS) can provide valuable information combined with crop growth models (CGMs) for yield assessment by monitoring crop development, detecting crop changes, and assessing the impact of climate change on crop yields. This dissertation aims to investigate the potential of RS data on modelling long-term crop yields of winter wheat (WW) and oil seed rape (OSR) for the Free State of Bavaria (70,550 km2 ), Germany. The first chapter of the dissertation describes the reasons favouring the importance of accurate crop yield predictions for achieving sustainability in agriculture. Chapter second explores the accuracy assessment of the synthetic RS data by fusing NDVIs of two high spatial resolution data (high pair) (Landsat (30 m, 16-days; L) and Sentinel-2 (10 m, 5–6 days; S), with four low spatial resolution data (low pair) (MOD13Q1 (250 m, 16-days), MCD43A4 (500 m, one day), MOD09GQ (250 m, one-day), and MOD09Q1 (250 m, 8-days)) using the spatial and temporal adaptive reflectance fusion model (STARFM), which fills regions' cloud or shadow gaps without losing spatial information. The chapter finds that both L-MOD13Q1 (R2 = 0.62, RMSE = 0.11) and S-MOD13Q1 (R2 = 0.68, RMSE = 0.13) are more suitable for agricultural monitoring than the other synthetic products fused. Chapter third explores the ability of the synthetic spatiotemporal datasets (obtained in chapter 2) to accurately map and monitor crop yields of WW and OSR at a regional scale. The chapter investigates and discusses the optimal spatial (10 m, 30 m, or 250 m), temporal (8 or 16-day) and CGMs (World Food Studies (WOFOST), and the semi-empiric light use efficiency approach (LUE)) for accurate crop yield estimations of both crop types. Chapter third observes that the observations of high temporal resolution (8-day) products of both S-MOD13Q1 and L-MOD13Q1 play a significant role in accurately measuring the yield of WW and OSR. The chapter investigates that the simple light use efficiency (LUE) model (R2 = 0.77 and relative RMSE (RRMSE) = 8.17%) that required fewer input parameters to simulate crop yield is highly accurate, reliable, and more precise than the complex WOFOST model (R2 = 0.66 and RRMSE = 11.35%) with higher input parameters. Chapter four researches the relationship of spatiotemporal fusion modelling using STRAFM on crop yield prediction for WW and OSR using the LUE model for Bavaria from 2001 to 2019. The chapter states the high positive correlation coefficient (R) = 0.81 and R = 0.77 between the yearly R2 of synthetic accuracy and modelled yield accuracy for WW and OSR from 2001 to 2019, respectively. The chapter analyses the impact of climate variables on crop yield predictions by observing an increase in R2 (0.79 (WW)/0.86 (OSR)) and a decrease in RMSE (4.51/2.57 dt/ha) when the climate effect is included in the model. The fifth chapter suggests that the coupling of the LUE model to the random forest (RF) model can further reduce the relative root mean square error (RRMSE) from -8% (WW) and -1.6% (OSR) and increase the R2 by 14.3% (for both WW and OSR), compared to results just relying on LUE. The same chapter concludes that satellite-based crop biomass, solar radiation, and temperature are the most influential variables in the yield prediction of both crop types. Chapter six attempts to discuss both pros and cons of RS technology while analysing the impact of land use diversity on crop-modelled biomass of WW and OSR. The chapter finds that the modelled biomass of both crops is positively impacted by land use diversity to the radius of 450 (Shannon Diversity Index ~0.75) and 1050 m (~0.75), respectively. The chapter also discusses the future implications by stating that including some dependent factors (such as the management practices used, soil health, pest management, and pollinators) could improve the relationship of RS-modelled crop yields with biodiversity. Lastly, chapter seven discusses testing the scope of new sensors such as unmanned aerial vehicles, hyperspectral sensors, or Sentinel-1 SAR in RS for achieving accurate crop yield predictions for precision farming. In addition, the chapter highlights the significance of artificial intelligence (AI) or deep learning (DL) in obtaining higher crop yield accuracies. / Die genaue Überwachung von Nutzpflanzen als Reaktion auf den Klimawandel auf regionaler oder feldbezogener Ebene spielt eine wichtige Rolle bei der Entwicklung von Agrarpolitiken, der Verbesserung der Ernährungssicherheit, der Erstellung von Prognosen und der Analyse von Trends im Welthandel. Es wird erwartet, dass sich der Klimawandel erheblich auf die Landwirtschaft auswirken wird, da sich Verschiebungen bei den Temperaturen, Niederschlagsmustern und extremen Wetterereignissen negativ auf die Ernteerträge, die Bodenfruchtbarkeit, die Wasserverfügbarkeit, die Artenvielfalt und die Anbaubedingungen auswirken werden. Die Fernerkundung (RS) kann in Kombination mit Wachstumsmodellen (CGM) wertvolle Informationen für die Ertragsbewertung liefern, indem sie die Entwicklung von Pflanzen überwacht, Veränderungen bei den Pflanzen erkennt und die Auswirkungen des Klimawandels auf die Ernteerträge bewertet. Ziel dieser Dissertation ist es, das Potenzial von RS-Daten für die Modellierung langfristiger Ernteerträge von Winterweizen (WW) und Ölraps (OSR) für den Freistaat Bayern (70.550 km2 ), Deutschland, zu untersuchen. Das erste Kapitel der Dissertation beschreibt die Gründe, die für die Bedeutung genauer Ernteertragsvorhersagen für die Nachhaltigkeit in der Landwirtschaft sprechen. Das zweite Kapitel befasst sich mit der Bewertung der Genauigkeit der synthetischen RS Daten durch die Fusion der NDVIs von zwei Daten mit hoher räumlicher Auflösung (hohes Paar) (Landsat (30 m, 16 Tage; L) und Sentinel-2 (10 m, 5-6 Tage; S) mit vier Daten mit geringer räumlicher Auflösung (niedriges Paar) (MOD13Q1 (250 m, 16 Tage), MCD43A4 (500 m, ein Tag), MOD09GQ (250 m, ein Tag) und MOD09Q1 (250 m, 8 Tage)) unter Verwendung des räumlich und zeitlich adaptiven Reflexionsfusionsmodells (STARFM), das Wolken- oder Schattenlücken in Regionen füllt, ohne räumliche Informationen zu verlieren. In diesem Kapitel wird festgestellt, dass sowohl L-MOD13Q1 (R2 = 0,62, RMSE = 0,11) als auch S-MOD13Q1 (R2 = 0,68, RMSE = 0,13) für die Überwachung der Landwirtschaft besser geeignet sind als die anderen fusionierten synthetischen Produkte. Im dritten Kapitel wird untersucht, inwieweit die (in Kapitel 2 gewonnenen) synthetischen raum-zeitlichen Datensätze geeignet sind, die Ernteerträge von WW und OSR auf regionaler Ebene genau zu kartieren und zu überwachen. Das Kapitel untersucht und diskutiert die optimalen räumlichen (10 m, 30 m oder 250 m),zeitlichen (8 oder 16 Tage) und CGMs (World Food Studies (WOFOST) und den semi-empirischen Ansatz der Lichtnutzungseffizienz (LUE)) für genaue Ertragsschätzungen beider Kulturarten. Im dritten Kapitel wird festgestellt, dass die Beobachtung von Produkten mit hoher zeitlicher Auflösung (8 Tage) sowohl des S-MOD13Q1 als auch des L-MOD13Q1 eine wichtige Rolle bei der genauen Messung des Ertrags von WW und OSR spielt. In diesem Kapitel wird untersucht, dass das einfache Modell der Lichtnutzungseffizienz (LUE) (R2 = 0,77 und relativer RMSE (RRMSE) = 8,17 %), das weniger Eingabeparameter zur Simulation des Ernteertrags benötigt, sehr genau, zuverlässig und präziser ist als das komplexe WOFOST-Modell (R2 = 0,66 und RRMSE = 11,35 %) mit höheren Eingabeparametern. In Kapitel vier wird der Zusammenhang zwischen der raum-zeitlichen Fusionsmodellierung mit STRAFM und der Ertragsvorhersage für WW und OSR mit dem LUE-Modell für Bayern von 2001 bis 2019 untersucht. Das Kapitel stellt den hohen positiven Korrelationskoeffizienten (R) = 0,81 und R = 0,77 zwischen dem jährlichen R2 der synthetischen Genauigkeit und der modellierten Ertragsgenauigkeit für WW bzw. OSR von 2001 bis 2019 fest. In diesem Kapitel werden die Auswirkungen der Klimavariablen auf die Ertragsvorhersagen analysiert, wobei ein Anstieg des R2 (0,79 (WW)/0,86 (OSR)) und eine Verringerung des RMSE (4,51/2,57 dt/ha) festgestellt werden, wenn der Klimaeffekt in das Modell einbezogen wird. Das fünfte Kapitel deutet darauf hin, dass die Kopplung des LUE-Modells mit dem Random-Forest-Modell (RF) den relativen mittleren quadratischen Fehler (RRMSE) von -8 % (WW) und -1,6 % (OSR) weiter reduzieren und das R2 um 14,3 % (sowohl für WW als auch für OSR) erhöhen kann, verglichen mit Ergebnissen, die nur auf LUE beruhen. Das gleiche Kapitel kommt zu dem Schluss, dass die satellitengestützte Pflanzenbiomasse, die Sonneneinstrahlung und die Temperatur die einflussreichsten Variablen bei der Ertragsvorhersage für beide Kulturarten sind. In Kapitel sechs wird versucht, sowohl die Vor- als auch die Nachteile der RS-Technologie zu erörtern, indem die Auswirkungen der unterschiedlichen Landnutzung auf die modellierte Biomasse von WW und OSR analysiert werden. In diesem Kapitel wird festgestellt, dass die modellierte Biomasse beider Kulturen durch die Landnutzungsvielfalt bis zu einem Radius von 450 (Shannon Diversity Index ~0,75) bzw. 1050 m (~0,75) positiv beeinflusst wird. In diesem Kapitel werden auch künftige Auswirkungen erörtert, indem festgestellt wird, dass die Einbeziehung einiger abhängiger Faktoren (wie die angewandten Bewirtschaftungsmethoden, die Bodengesundheit, die Schädlingsbekämpfung und die Bestäuber) die Beziehung zwischen den mit RS modellierten Ernteerträgen und der biologischen Vielfalt verbessern könnte. Im siebten Kapitel schließlich wird die Erprobung neuer Sensoren wie unbemannte Luftfahrzeuge, hyperspektrale Sensoren oder Sentinel-1 SAR in der RS erörtert, um genaue Ertragsvorhersagen für die Präzisionslandwirtschaft zu erreichen. Darüber hinaus wird in diesem Kapitel die Bedeutung der künstlichen Intelligenz (KI) oder des Deep Learning (DL) für die Erzielung einer höheren Genauigkeit der Ernteerträge hervorgehoben.

Accurate crop monitoring in response to climate change at a regional or field scale plays a significant role in developing agricultural policies, improving food security, forecasting, and analysing global trade trends. Climate change is expected to significantly impact agriculture, with shifts in temperature, precipitation patterns, and extreme weather events negatively affecting crop yields, soil fertility, water availability, biodiversity, and crop growing conditions. Remote sensing (RS) can provide valuable information combined with crop growth models (CGMs) for yield assessment by monitoring crop development, detecting crop changes, and assessing the impact of climate change on crop yields. This dissertation aims to investigate the potential of RS data on modelling long-term crop yields of winter wheat (WW) and oil seed rape (OSR) for the Free State of Bavaria (70,550 km2), Germany. The first chapter of the dissertation describes the reasons favouring the importance of accurate crop yield predictions for achieving sustainability in agriculture. Chapter second explores the accuracy assessment of the synthetic RS data by fusing NDVIs of two high spatial resolution data (high pair) (Landsat (30 m, 16-days; L) and Sentinel-2 (10 m, 5–6 days; S), with four low spatial resolution data (low pair) (MOD13Q1 (250 m, 16-days), MCD43A4 (500 m, one day), MOD09GQ (250 m, one-day), and MOD09Q1 (250 m, 8-days)) using the spatial and temporal adaptive reflectance fusion model (STARFM), which fills regions' cloud or shadow gaps without losing spatial information. The chapter finds that both L-MOD13Q1 (R2 = 0.62, RMSE = 0.11) and S-MOD13Q1 (R2 = 0.68, RMSE = 0.13) are more suitable for agricultural monitoring than the other synthetic products fused. Chapter third explores the ability of the synthetic spatiotemporal datasets (obtained in chapter 2) to accurately map and monitor crop yields of WW and OSR at a regional scale. The chapter investigates and discusses the optimal spatial (10 m, 30 m, or 250 m), temporal (8 or 16-day) and CGMs (World Food Studies (WOFOST), and the semi-empiric light use efficiency approach (LUE)) for accurate crop yield estimations of both crop types. Chapter third observes that the observations of high temporal resolution (8-day) products of both S-MOD13Q1 and L-MOD13Q1 play a significant role in accurately measuring the yield of WW and OSR. The chapter investigates that the simple light use efficiency (LUE) model (R2 = 0.77 and relative RMSE (RRMSE) = 8.17%) that required fewer input parameters to simulate crop yield is highly accurate, reliable, and more precise than the complex WOFOST model (R2 = 0.66 and RRMSE = 11.35%) with higher input parameters. Chapter four researches the relationship of spatiotemporal fusion modelling using STRAFM on crop yield prediction for WW and OSR using the LUE model for Bavaria from 2001 to 2019. The chapter states the high positive correlation coefficient (R) = 0.81 and R = 0.77 between the yearly R2 of synthetic accuracy and modelled yield accuracy for WW and OSR from 2001 to 2019, respectively. The chapter analyses the impact of climate variables on crop yield predictions by observing an increase in R2 (0.79 (WW)/0.86 (OSR)) and a decrease in RMSE (4.51/2.57 dt/ha) when the climate effect is included in the model. The fifth chapter suggests that the coupling of the LUE model to the random forest (RF) model can further reduce the relative root mean square error (RRMSE) from -8% (WW) and -1.6% (OSR) and increase the R2 by 14.3% (for both WW and OSR), compared to results just relying on LUE. The same chapter concludes that satellite-based crop biomass, solar radiation, and temperature are the most influential variables in the yield prediction of both crop types. Chapter six attempts to discuss both pros and cons of RS technology while analysing the impact of land use diversity on crop-modelled biomass of WW and OSR. The chapter finds that the modelled biomass of both crops is positively impacted by land use diversity to the radius of 450 (Shannon Diversity Index ~0.75) and 1050 m (~0.75), respectively. The chapter also discusses the future implications by stating that including some dependent factors (such as the management practices used, soil health, pest management, and pollinators) could improve the relationship of RS-modelled crop yields with biodiversity. Lastly, chapter seven discusses testing the scope of new sensors such as unmanned aerial vehicles, hyperspectral sensors, or Sentinel-1 SAR in RS for achieving accurate crop yield predictions for precision farming. In addition, the chapter highlights the significance of artificial intelligence (AI) or deep learning (DL) in obtaining higher crop yield accuracies. / Die genaue Überwachung von Nutzpflanzen als Reaktion auf den Klimawandel auf regionaler oder feldbezogener Ebene spielt eine wichtige Rolle bei der Entwicklung von Agrarpolitiken, der Verbesserung der Ernährungssicherheit, der Erstellung von Prognosen und der Analyse von Trends im Welthandel. Es wird erwartet, dass sich der Klimawandel erheblich auf die Landwirtschaft auswirken wird, da sich Verschiebungen bei den Temperaturen, Niederschlagsmustern und extremen Wetterereignissen negativ auf die Ernteerträge, die Bodenfruchtbarkeit, die Wasserverfügbarkeit, die Artenvielfalt und die Anbaubedingungen auswirken werden. Die Fernerkundung (RS) kann in Kombination mit Wachstumsmodellen (CGM) wertvolle Informationen für die Ertragsbewertung liefern, indem sie die Entwicklung von Pflanzen überwacht, Veränderungen bei den Pflanzen erkennt und die Auswirkungen des Klimawandels auf die Ernteerträge bewertet. Ziel dieser Dissertation ist es, das Potenzial von RS-Daten für die Modellierung langfristiger Ernteerträge von Winterweizen (WW) und Ölraps (OSR) für den Freistaat Bayern (70.550 km2 ), Deutschland, zu untersuchen. Das erste Kapitel der Dissertation beschreibt die Gründe, die für die Bedeutung genauer Ernteertragsvorhersagen für die Nachhaltigkeit in der Landwirtschaft sprechen. Das zweite Kapitel befasst sich mit der Bewertung der Genauigkeit der synthetischen RS Daten durch die Fusion der NDVIs von zwei Daten mit hoher räumlicher Auflösung (hohes Paar) (Landsat (30 m, 16 Tage; L) und Sentinel-2 (10 m, 5-6 Tage; S) mit vier Daten mit geringer räumlicher Auflösung (niedriges Paar) (MOD13Q1 (250 m, 16 Tage), MCD43A4 (500 m, ein Tag), MOD09GQ (250 m, ein Tag) und MOD09Q1 (250 m, 8 Tage)) unter Verwendung des räumlich und zeitlich adaptiven Reflexionsfusionsmodells (STARFM), das Wolken- oder Schattenlücken in Regionen füllt, ohne räumliche Informationen zu verlieren. In diesem Kapitel wird festgestellt, dass sowohl L-MOD13Q1 (R2 = 0,62, RMSE = 0,11) als auch S-MOD13Q1 (R2 = 0,68, RMSE = 0,13) für die Überwachung der Landwirtschaft besser geeignet sind als die anderen fusionierten synthetischen Produkte. Im dritten Kapitel wird untersucht, inwieweit die (in Kapitel 2 gewonnenen) synthetischen raum-zeitlichen Datensätze geeignet sind, die Ernteerträge von WW und OSR auf regionaler Ebene genau zu kartieren und zu überwachen. Das Kapitel untersucht und diskutiert die optimalen räumlichen (10 m, 30 m oder 250 m),zeitlichen (8 oder 16 Tage) und CGMs (World Food Studies (WOFOST) und den semi-empirischen Ansatz der Lichtnutzungseffizienz (LUE)) für genaue Ertragsschätzungen beider Kulturarten. Im dritten Kapitel wird festgestellt, dass die Beobachtung von Produkten mit hoher zeitlicher Auflösung (8 Tage) sowohl des S-MOD13Q1 als auch des L-MOD13Q1 eine wichtige Rolle bei der genauen Messung des Ertrags von WW und OSR spielt. In diesem Kapitel wird untersucht, dass das einfache Modell der Lichtnutzungseffizienz (LUE) (R2 = 0,77 und relativer RMSE (RRMSE) = 8,17 %), das weniger Eingabeparameter zur Simulation des Ernteertrags benötigt, sehr genau, zuverlässig und präziser ist als das komplexe WOFOST-Modell (R2 = 0,66 und RRMSE = 11,35 %) mit höheren Eingabeparametern. In Kapitel vier wird der Zusammenhang zwischen der raum-zeitlichen Fusionsmodellierung mit STRAFM und der Ertragsvorhersage für WW und OSR mit dem LUE-Modell für Bayern von 2001 bis 2019 untersucht. Das Kapitel stellt den hohen positiven Korrelationskoeffizienten (R) = 0,81 und R = 0,77 zwischen dem jährlichen R2 der synthetischen Genauigkeit und der modellierten Ertragsgenauigkeit für WW bzw. OSR von 2001 bis 2019 fest. In diesem Kapitel werden die Auswirkungen der Klimavariablen auf die Ertragsvorhersagen analysiert, wobei ein Anstieg des R2 (0,79 (WW)/0,86 (OSR)) und eine Verringerung des RMSE (4,51/2,57 dt/ha) festgestellt werden, wenn der Klimaeffekt in das Modell einbezogen wird. Das fünfte Kapitel deutet darauf hin, dass die Kopplung des LUE-Modells mit dem Random-Forest-Modell (RF) den relativen mittleren quadratischen Fehler (RRMSE) von -8 % (WW) und -1,6 % (OSR) weiter reduzieren und das R2 um 14,3 % (sowohl für WW als auch für OSR) erhöhen kann, verglichen mit Ergebnissen, die nur auf LUE beruhen. Das gleiche Kapitel kommt zu dem Schluss, dass die satellitengestützte Pflanzenbiomasse, die Sonneneinstrahlung und die Temperatur die einflussreichsten Variablen bei der Ertragsvorhersage für beide Kulturarten sind. In Kapitel sechs wird versucht, sowohl die Vor- als auch die Nachteile der RS-Technologie zu erörtern, indem die Auswirkungen der unterschiedlichen Landnutzung auf die modellierte Biomasse von WW und OSR analysiert werden. In diesem Kapitel wird festgestellt, dass die modellierte Biomasse beider Kulturen durch die Landnutzungsvielfalt bis zu einem Radius von 450 (Shannon Diversity Index ~0,75) bzw. 1050 m (~0,75) positiv beeinflusst wird. In diesem Kapitel werden auch künftige Auswirkungen erörtert, indem festgestellt wird, dass die Einbeziehung einiger abhängiger Faktoren (wie die angewandten Bewirtschaftungsmethoden, die Bodengesundheit, die Schädlingsbekämpfung und die Bestäuber) die Beziehung zwischen den mit RS modellierten Ernteerträgen und der biologischen Vielfalt verbessern könnte. Im siebten Kapitel schließlich wird die Erprobung neuer Sensoren wie unbemannte Luftfahrzeuge, hyperspektrale Sensoren oder Sentinel-1 SAR in der RS erörtert, um genaue Ertragsvorhersagen für die Präzisionslandwirtschaft zu erreichen. Darüber hinaus wird in diesem Kapitel die Bedeutung der künstlichen Intelligenz (KI) oder des Deep Learning (DL) für die Erzielung einer höheren Genauigkeit der Ernteerträge hervorgehoben.

The seasonal snow cover in the European Alps plays a crucial role in the region's climate, ecology, and economy. It affects the local climate through its high albedo, protects permafrost, provides habitats, and acts as a water reservoir that feeds European rivers. However, these functions are threatened by climate change. Analyzing snow cover dynamics is essential to predict future developments and assess related ecological and economic impacts. This study explores the potential of long Earth Observation (EO) time series for modeling and predicting the snow line elevation (SLE) in the Alps. Based on approximately 15,000 Landsat satellite images, SLE time series were generated for the years 1985 to 2022. Various univariate forecasting models were evaluated, with the best results achieved by Random Forests, Telescope, and Seasonal ARIMA. A newly developed approach combines the best models into a robust ensemble, achieving an average Nash-Sutcliffe efficiency (NSE) of 0.8 in catchments with strong seasonal signals. Forecasts for 2030 indicate significant upward shifts in the SLE, particularly in the Western and Southern Alps. Given the variability in results, a multivariate modeling approach using climate variables is recommended to improve prediction accuracy. This study lays the groundwork for future models that could potentially project SLE dynamics through the end of the 21st century under various climate scenarios, which is highly relevant for climate policy in the Alpine region. / Die saisonale Schneedecke in den europäischen Alpen spielt eine zentrale Rolle für das Klima, die Ökologie und die Wirtschaft der Region. Sie beeinflusst das lokale Klima durch ihre Albedo, beeinflusst den Permafrost, bildet Lebensräume und fungiert als Wasserspeicher, der große europäische Flüsse speist. Diese Funktionen sind jedoch durch den Klimawandel bedroht. Um zukünftige Entwicklungen der Schneedecke vorherzusagen und die damit verbundenen ökologischen und wirtschaftlichen Auswirkungen abzuschätzen, ist die Analyse vergangener und Prognose zukünftiger Schneedeckendynamiken essenziell. Diese Arbeit untersucht das Potenzial langer Zeitreihen aus der Satellitenfernerkundung (Earth Observation, EO) zur Modellierung und Vorhersage der Schneelinienhöhe (SLE) in den Alpen. Auf Basis von etwa 15.000 Landsat-Satellitenbildern wurden SLE-Zeitreihen für die Jahre 1985 bis 2022 erstellt. Verschiedene univariate Prognosemodelle wurden evaluiert, wobei die besten Ergebnisse mit Random Forests, Telescope und Seasonal ARIMA erzielt wurden. Ein neu entwickelter Ansatz kombiniert die besten Modelle zu einer Ensemble-Prognose und erreicht einen mittleren Nash-Sutcliffe-Effizienz-Wert (NSE) von 0,8 in Einzugsgebieten mit starkem saisonalem Signal. Die Prognosen bis 2030 zeigen signifikante Verschiebungen der SLE in höhere Lagen, besonders in den West- und Südalpen. Angesichts der Varianz in den Ergebnissen wird eine multivariate Modellierung mit Klimavariablen vorgeschlagen, um die Vorhersagegenauigkeit zu verbessern. Diese Ergebnisse legen den Grundstein für zukünftige Ansätze, die SLE-Dynamiken bis zum Ende des 21. Jahrhunderts unter verschiedenen Klimaszenarien auf Basis von EO-Daten projizieren können, was für die Klimapolitik im Alpenraum potenziell von hoher Relevanz ist.

In zwei eng miteinander verbundenen Forschungsvorhaben des Umweltbundesamtes werden Instrumente des Flächensparens untersucht. Dabei wird zum einen ein bundesweiter Aktionsplan Flächensparen erarbeitet, der auf einer qualitativen Analyse bestehender und neuer Instrumente basiert, die für eine Erreichung der flächenpolitischen Ziele besonders geeignet erscheinen. Zum anderen wird in Planspielen bzw. Praxistests eine Vielzahl von Instrumenten für eine zielgerechte Steuerung der Flächeninanspruchnahme getestet. Die Planspiele werden u. a. mit Akteuren Gemeinden bzw. Städten, eines interkommunalen Kooperationsverbunds sowie Akteuren der Raumordnung durchgeführt. Ein weiteres Planspiel fokussiert auf neue fiskalische bzw. ökonomische Anreizinstrumente für das Flächensparen.

Auch wenn die Neuinanspruchnahme von Flächen in den vergangenen Jahren erkennbar zurückgegangen ist, wird deutlich, dass das Erreichen der vom Bund verabschiedeten flächenpolitischen Ziele noch in weiter Ferne liegt. Eine Vielzahl bestehender, nachjustierter oder neuer Instrumente ist geeignet, das Flächensparen zu unterstützen. Neben der bloßen Betrachtung von Instrumenten ist eine Analyse der Rahmenbedingungen und Zielkonflikte der handelnden Akteure (u. a. der Kommunen) erforderlich, die zu einem weiterhin hohen Flächenverbrauch führen und an einer vorrangigen Innenentwicklung hindern. Soll eine wirksame Begrenzung der Flächeninanspruchnahme erreicht werden, müssen Bund und Länder die Rahmenbedingungen dafür schaffen, dass Städte und Gemeinden unterschiedlicher Entwicklungsdynamik hierfür ausreichende Handlungsspielräume und Ressourcen erhalten.

Der Eintrag von Phosphor in die Umwelt führt zur Eutrophierung von Gewässern, sodass ein Großteil dieser innerhalb der Europäischen Union (EU) in keinem guten chemischen Zustand ist. Phosphor gelangt überwiegend auf zwei Wegen in die Umwelt, diffus durch Auswaschung von auf landwirtschaftlichen Flächen ausgebrachten Düngemitteln oder punktuell über das gereinigte Abwasser. Der Eintragspfad über das Abwasser umfasst auch die zahlreichen dezentralen Kleinkläranlagen (KKA), die in letzter Zeit zunehmend in den Fokus rückten. So muss zum Beispiel durch die Verschärfung der gesetzlichen Vorgaben in sensiblen Gebieten in Bayern auch in KKA eine Phosphorentfernung realisiert werden. Ein weiterer Aspekt in diesem Zusammenhang ist, dass die EU-Staaten auf Importe von Phosphor sowie Phosphaterz angewiesen sind, sodass eine gezielte Rückgewinnung des entfernten Phosphors anzustreben ist. Ziel dieser Dissertation war die Entwicklung eines nachhaltigen Verfahrenskonzeptes zur wartungsarmen Phosphorentfernung in KKA unter Gewinnung eines marktfähigen Phosphorproduktes, wobei eine Adsorptionsstufe den Kern des Verfahrens bilden sollte. Die Phosphorentfernung aus der Wasserphase in einem Festbettadsorber ermöglicht neben dem wartungsarmen Betrieb, einen geringen Platzbedarf, eine hohe Effizienz und nach der wirtschaftlich notwendigen Adsorbensregenerierung die vergleichsweise einfache Phosphorrückgewinnung durch Fällung. Viele verschiedene Materialien, von synthetischen Mineralen und Ionenaustauschern über Hybridmaterialien bis hin zu industriellen Nebenprodukten, wurden anhand von Literaturangaben und Laborversuchen bezüglich ihrer Eignung zur Phosphatadsorption betrachtet. Für potenziell geeignete Materialien mit hoher Verfügbarkeit wurde mit Hilfe des Linear Driving Force (LDF-) Modells eine validierte Prognose für einen Festbettadsorber in einer KKA erstellt. Dabei wurde die geforderte Phosphorkonzentration von maximal 2 mg/L im Ablauf des Festbettadsorbers während des sechsmonatigen Wartungsintervalls insbesondere durch die granulierten Eisenoxidhydrate GEH® 104 und Bayoxide® E 33 HC eingehalten. Die weiteren Untersuchungen erfolgten überwiegend am Beispiel des Adsorbens GEH® 104. Die Phosphatadsorption an GEH® 104 in einem biologisch gereinigten Abwasser wird lediglich durch den pH-Wert und die Gesamthärte signifikant beeinflusst. Diese Abhängigkeit lässt sich gut mit Hilfe eines empirisch ermittelten Gleichungssystems beschreiben, welches die Berechnung der Freundlich-Parameter der Gleichgewichtsisotherme und des effektiven Stofftransportkoeffizienten der Korndiffusion aus diesen Wasserparametern ermöglicht. Die Anwendung dieses Gleichungssystems erlaubt den Verzicht auf mehrwöchige Laborversuche. Die Dimensionierung eines Festbettadsorbers in einer KKA mit dem LDF-Modell basierend auf dem pH-Wert (6...8), der Gesamthärte (0,5...4,5 M) und der Phosphatkonzentration (ca. 50 mg/L) ist so innerhalb einiger Minuten möglich. Die Wirtschaftlichkeit der adsorptiven Phosphorentfernung wird durch eine erfolgreiche Regenerierung mitbestimmt. Es konnte nachgewiesen werden, dass vor allem auf der Adsorbensoberfläche abgeschiedene Calciumphosphate zu Verlusten von bis zu 85 % der Adsorptionskapazität der eingesetzten Eisenoxidhydrate führen. Etwa 80 % des Calciums liegen auf der Adsorbensoberfläche physisorbiert vor, während die restlichen 20 % durch lokale Ausfällungen die Oberfläche blockieren. Die neu entwickelte pH-Swing-Regenerierung, die eine saure Konditionierung bei pH 2,5 vor der alkalischen Phosphatdesorption enthält, entfernt diese Ablagerungen. Dabei werden die Eisenoxidhydratadsorbentien vollständig regeneriert und währenddessen nur zu etwa 0,0001 % aufgelöst. Über 13 Regenerierungszyklen wurde keine Verringerung der Adsorptionskapazität weder in Modell- noch gereinigtem Abwasser beobachtet. Die saure Konditionierung bei pH 2,5 lässt sich mit den Mineralsäuren HCl und HNO3 realisieren, wobei sich eine Kreislaufführung als vorteilhaft hinsichtlich des Chemikalieneinsatzes erwies. Zur Desorption von 95 % des adsorbierten Phosphats waren 5 Bettvolumen (BV) der 1 M NaOH bei einer Leeraumkontaktzeit (EBCT) von mindestens 25 min ausreichend. Die abschließende Rekonditionierung im Kreislauf erfolgte mit 2 BV Wasser sowie 0,16 BV HCl (konz.) zur Einstellung von pH 6 auf der Adsorbensoberfläche. Aus der phosphatreichen Desorptionslösung wurde durch Verwendung technischer, feindisperser Kalkmilch ein amorphes Calciumphosphat (aCP) mit einem Phosphorgehalt von mindestens 10 % gefällt, während die Natronlauge zur erneuten Phosphatdesorption zur Verfügung stand. Das aCP enthielt Calciumcarbonat und -hydroxid als Nebenbestandteile, während der TOC unter 1 % lag. Im Gegensatz zu organischen Spurenstoffen adsorbierten Schwermetalle an GEH® 104 und wurden bei der sauren Konditionierung zu großen Teilen wieder entfernt. Das während eines Pilotversuchs an einer KKA gewonnene Fällungsprodukt (Pilot-aCP) hielt die gesetzlichen Anforderungen für Düngemittel in Deutschland und der EU bezüglich des Gehalts an Schwermetallen ein. Es wies zudem eine ausreichende Citrat-, Neutralammoniumcitrat und Wasserlöslichkeit auf und könnte als Düngemittel eingesetzt werden. Insgesamt ist das Verfahren der dezentralen adsorptiven Phosphorentfernung mit zentraler pH-Swing-Regenerierung deutlich wirtschaftlicher als die Einmalnutzung des Adsorbens ohne Regenerierung. Auch wenn das Pilot-aCP lediglich als Nebenprodukt der Adsorbensregenerierung anfällt, kann das Verfahren in mehreren Punkten (Phosphorrückgewinnungsgrad, Produktqualität, Markt und Kompatibilität mit der bestehenden Infrastruktur auf Kläranlagen) mit anderen Technologien zur Phosphorrückgewinnung konkurrieren. Es bietet eine zuverlässige Lösung für das Erreichen niedriger Ablaufwerte für Phosphor in (Klein-)Kläranlagen.:1. Einleitung 1.1. Bedeutung von Phosphor für den menschlichen Organismus 1.2. Phosphoreintrag in die Umwelt 1.3. Zielstellung und Struktur der Dissertation 2. Grundlagen 2.1. Ressourcenverteilung und -entwicklung 2.2. Strategien zum nachhaltigen Phosphormanagement in der Landwirtschaft 2.3. Phosphor in der zentralen Abwasserreinigung 2.3.1. Phosphorentfernung an punktuellen Emissionsquellen 2.3.2. Phosphorrückgewinnung 2.4. Kleinkläranlagen zur Abwasserbehandlung und Phosphorentfernung 2.4.1. Abwasserbehandlung in Kleinkläranlagen 2.4.2. Phosphorentfernung in Kleinkläranlagen 2.5. Technische Adsorption 2.5.1. Adsorptionsgleichgewicht 2.5.2. Adsorptionsmodellierung 3. Potenziell geeignete Materialien zur Phosphatadsorption in Kleinkläranlagen - Adsorbensauswahl 3.1. Stand der Forschung 3.1.1. Ionenaustauscher 3.1.1.1. Klassische Ionenaustauscher 3.1.1.2. Schichthydroxide 3.1.2. Hybridmaterialien 3.1.2.1. Polymere Ligandenaustauscher (PLE) 3.1.2.2. Hybride Anionenaustauscher (HAIX) 3.1.3. Adsorbentien 3.1.3.1. Verbindungen der Hauptelemente der Erdhülle 3.1.3.2. Verbindungen der Nebenelemente der Erdhülle 3.1.3.3. Kohlenstoffbasierte Materialien 3.1.3.4. Industrielle Nebenprodukte 3.1.4. Auswahl geeigneter Adsorbentien 3.1.5. Auslegung eines Festbettadsorbers in KKA 3.2. Material und Methoden 3.2.1. Chemikalien und angewandte Analysenverfahren 3.2.2. Untersuchte Adsorbentien 3.2.2.1. Klassische Adsorbentien 3.2.2.2. Hybride Anionenaustauscher (HAIX) 3.2.3. Modellabwasser 3.2.4. Methoden zur Untersuchung der Phosphatadsorption 3.2.5. Zur Modellierung eingesetzte Programme 3.3. Modellierung einer 4 EW-KKA 3.3.1. Erhobene experimentelle Daten 3.3.1.1. Wasserzusammensetzung einer KKA 3.3.1.2. Bestimmung der Freundlich-Isothermen der Adsorbentien - Adsorptionsgleichgewicht 3.3.1.3. Untersuchung der Kinetik der Korndiffusion 3.3.2. Modellierung der Durchbruchskurve 3.3.2.1. Basisdaten 3.3.2.2. Modellierung der Durchbruchskurven 3.3.3. Experimentelle Validierung der modellierten Durchbruchskurven im Labor 3.3.4. Erstellung der Prognose eines Festbettadsorbers zur Phosphatentfernung in einer 4-EW-KKA 4. Wasserchemische Einflussfaktoren auf die Phosphatadsorption an Eisenoxidhydraten 4.1. Stand der Forschung 4.1.1. Phosphatbindung an Eisenoxidhydraten 4.1.2. Phosphatadsorption in Anwesenheit anderer Anionen 4.1.3. Phosphatadsorption in Anwesenheit organischer Stoffe 4.1.4. Phosphatadsorption in Gegenwart von Kationen 4.2. Material und Methoden 4.2.1. Chemikalien und angewandte Analysenverfahren 4.2.2. Modellwässer 4.2.3. Methoden 4.3. Untersuchung der Einflussfaktoren auf die Phosphatadsorption an GEH® 104 4.3.1. Phosphatadsorption in Anwesenheit anionischer Verbindungen 4.3.2. Phosphatadsorption in Gegenwart von Kationen 4.3.2.1. Einfluss des pH-Wertes 4.3.2.2. Einfluss der Calciumkonzentration 4.3.2.3. Einfluss der Magnesiumkonzentration 4.3.2.4. Einfluss der Gesamthärte des Wassers 4.4. Matrixanpassbare Modellierung der Phosphatadsorption an GEH® 104 5. Regenerierung von Eisenoxidhydraten 5.1. Stand der Forschung 5.2. Material und Methoden 5.2.1. Chemikalien 5.2.2. Angewandte Analysenverfahren 5.2.3. Modellwässer 5.2.4. Methodik der Adsorbensregenerierung 5.2.4.1. Aufnahme von Durchbruchskurven 5.2.4.2. Beladen des Adsorbens zur Untersuchung der Regenerierung 5.2.4.3. Vergleich der Calciumdesorption mit verschiedenen Desorptionslösungen 5.2.4.4. Entfernung von Ablagerungen durch saure Konditionierung 5.2.4.5. Desorption von Phosphat 5.2.4.6. Rekonditionierung des Adsorbens 5.2.5. Zur Modellierung eingesetzte Programme 5.3. Untersuchung der Adsorbensoberfläche 5.4. Entfernung des Oberflächenbelags 5.4.1. Einführung einer sauren Konditionierungsstufe 5.4.1.1. Säurestabilität des Adsorbens und möglicher Oberflächenpräzipitate 5.4.1.2. Wechselwirkungen von Calcium mit der Adsorbensoberfläche 5.4.1.3. Auswahl des Konditionierungsmittels 5.4.1.4. Auswahl des pH-Wertes für die saure Konditionierung 5.4.1.5. Übertragbarkeit der sauren Konditionierung auf weitere eisenoxidhydrathaltige Adsorbentien 5.4.1.6. Auswirkung der sauren Konditionierung auf die Ablagerungen 5.4.1.7. Auswirkung der sauren Konditionierung auf die Adsorbensoberfläche 5.4.2. Validierung der sauren Konditionierung 5.5. Optimierung der pH-Swing-Regenerierung 5.5.1. Optimierung der Betriebsweise der sauren Konditionierung 5.5.1.1. Kreislaufführung 5.5.1.2. Wiederverwendung der Konditionierungslösung 5.5.2. Optimierung der Phosphatdesorption 5.5.2.1. Einfluss der Konzentration der Natronlauge auf die Phosphatdesorption 5.5.2.2. Einfluss der Kontaktzeit auf die Phosphatdesorption 5.5.2.3. Prozessführung zur Phosphatdesorption von GEH® 104 5.5.3. Optimierung der Rekonditionierung des Adsorbens 5.5.4. Zusammenfassung 6. Phosphorrückgewinnung 6.1. Stand der Forschung 6.1.1. Gewinnung von Phosphatrecyclaten 6.1.2. Schadstofftransfer vom Abwasser in Phosphatrecyclate 6.1.2.1. Organische Spurenstoffe 6.1.2.2. Schwermetalle 6.1.3. Pflanzenverfügbarkeit von Phosphatrecyclaten 6.2. Material und Methoden 6.2.1. Chemikalien 6.2.2. Angewandte Analysenverfahren 6.2.3. Verwendete Wässer 6.2.4. Methodik zur Untersuchung der Phosphorrückgewinnung 6.3. Phosphatfällung 6.3.1. Auswahl des Fällmittels 6.3.2. Zusammensetzung des Fällungsproduktes 6.4. Verhalten organischer Spurenstoffe bei der Phosphorrückgewinnung 6.5. Untersuchung der Düngemitteleignung anhand einer Pilotanlage zur Phosphorentfernung aus KKA 6.5.1. Adsorbensbeladung im Pilotmaßstab 6.5.2. Regenerierung von Pilotversuchsmaterial 6.5.2.1. Saure Konditionierung als Schwermetalldesorption 6.5.2.2. Verunreinigungen bei der Phosphatdesorption 6.5.2.3. Phosphorrückgewinnung aus dem Pilotversuch 6.5.3. Pflanzenverfügbarkeit 7. Diskussion 7.1. Verfahrenskonzept für die Phosphorentfernung in Kleinkläranlagen (KKA) 7.2. Verfahrensbewertung 7.2.1. Technologie 7.2.1.1. Rückgewinnungsgrad 7.2.1.2. Inputflexibilität 7.2.2. Produkt 7.2.3. Markt 7.2.4. Umwelt 7.2.4.1. Chemikalieneinsatz 7.2.4.2. Energiebedarf 7.2.4.3. Anfallende Abfälle 7.2.5. Wirtschaftlichkeit 7.2.5.1. Investitionsbedarf 7.2.5.2. Operative Kosten 7.2.5.3. Produktertrag 7.2.5.4. Zusatzerträge und -nutzen 7.2.6. Kompatibilität 7.2.6.1. Einfluss auf die heutige Entsorgungslandschaft 7.2.6.2. Kompatibilität mit dem Betrieb der Kläranlage 7.2.7. Rechtlicher Rahmen 7.2.8. Zusammenfassung der Verfahrensbewertung 7.3. Fazit 8. Publikationsliste Literaturverzeichnis Abkürzungsverzeichnis Symbolverzeichnis Abbildungsverzeichnis Tabellenverzeichnis A. Anhang A.1. Anhang Kapitel 3 A.1.1. Materialien zur Phosphatentfernung in der Literatur A.1.1.1. Ionenaustauscher A.1.1.2. Hybridmaterialien A.1.1.3. Adsorbentien A.1.2. Aufbau eines Differentialkreislaufreaktors A.1.3. Bestimmung des geschwindigkeitsbestimmenden Schrittes der Adsorption A.1.4. Validierung der Modellierung mit LDF-Modell A.2. Anhang Kapitel 4 A.2.1. Phosphatdurchbruchskurve mit variierender Sulfatkonzentration A.2.2. Phosphatisotherme bei variierendem pH-Wert A.2.3. Wasserhärte in Deutschland nach Wasserversorgern A.2.4. Phosphatadsorption in Abhängigkeit von den vorliegenden Kationen A.2.5. Zweifaktorielle Varianzanalyse A.3. Anhang Kapitel 5 A.3.1. Saure Konditionierung im Kreislauf A.3.2. Löslichkeitsmodellierung mit PHREEQC A.3.3. Desorbierbarkeit von Calcium und Magnesium mit Natriumnitratlösung A.3.4. Austrag von Calcium, Phosphat und Eisen bei der sauren Konditionierung von beladenem Bayoxide® E 33 HC A.3.5. Reproduzierbarkeit des Phosphatdurchbruchs bei pH-Swing-Regenerierung mit Salpetersäure A.3.6. Zusammensetzung verschiedener Calciumphosphate A.4. Anhang Kapitel 6 A.4.1. Grenzwerte für Schwermetalle in mineralischen und Recyclingphosphordüngemitteln in Europa A.4.2. Messbedingungen für die Analysen mittels LC-MS/MS A.4.3. Thermische Zersetzung von amorphem Calciumphosphat A.4.4. Phosphorentfernung in der Pilotanlage in Bramsche A.4.5. Regenerierung eines beladenen Adsorbens aus der Pilotanlage A.4.6. Untersuchte organische Spurenstoffe bei der Gewinnung von Pilot-aCP A.5. Anhang Kapitel 7 A.5.1. Kostenabschätzung für das Verfahrenskonzept zur Phosphorentfernung auf KKA A.5.2. Preisentwicklung für Phosphate von 1999 bis 2019 auf dem Weltmarkt A.5.3. Einordnung des entwickelten Verfahrenskonzeptes nach dem BAFU-Leitfaden Danksagung Erklärung / Phosphorus pollution of the environment causes the eutrophication of surface water bodies, so many of them within the European Union (EU) are not in good status. Phosphorus enters the environment mainly via two pathways, diffusely by leaching of fertilizers applied to agricultural areas or as a point source via treated wastewater. The discharge via wastewater also includes the numerous decentralized small sewage treatment plants (SSTPs), that have increasingly come into focus. For example, a tightening of the legal requirements in sensitive areas in Bavaria requires the implementation of phosphorus removal also in SSTPs. Another aspect is the dependency of the EU on imports of phosphorus and phosphate ore, so the removed phosphorus should therefore be recovered. The aim of this dissertation was to develop a sustainable process concept for low-maintenance phosphorus removal in SSTPs while obtaining a marketable phosphorus product, based on an adsorption stage. Using a fixed-bed adsorber for phosphorus removal allows operation with low maintenance, low space requirements and high efficiency. Moreover, after the economically necessary adsorbent regeneration, a comparatively easy phosphorus recovery using precipitation is possible. Many different materials, beginning with synthetic minerals and ion exchange resins to hybrid materials and industrial by-products, were examined for their suitability for phosphate adsorption based on literature references and laboratory tests. For potentially suitable materials with high availability, a validated prognosis of the fixed-bed adsorber performance in a SSTP was carried out using the linear driving force (LDF) model. Only the granular ferric (hydr)oxides GEH® 104 and Bayoxide® E 33 HC met the required phosphorus concentration of a maximum of 2 mg/L in the effluent of the fixed-bed adsorber during the six-month maintenance interval. Further investigations were mainly carried out using the adsorbent GEH® 104 as an example. The phosphate adsorption onto GEH® 104 in biologically treated wastewater is significantly influenced only by pH and total hardness. This dependence can be described well by an empirical system of equations that allows the calculation of the Freundlich parameters of the equilibrium isotherm and the effective intraparticle mass transfer coefficient for the given conditions. The application of this system of equations allows the avoidance of time-consuming laboratory experiments. In contrast to the weeks of lab experiments, the scale-up of a fixed-bed adsorber in a SSTP with the LDF model based on pH value (6...8), total hardness (0.5...4.5 M) and phosphate concentration (approx. 50 mg/L) takes only a few minutes. The economic efficiency of adsorptive phosphorus removal depends on a successful regeneration. It was demonstrated that the calcium phosphates precipitated on the adsorbent surface caused losses of up to 85 % of the adsorption capacity of the ferric (hydr)oxide used. About 80 % of the calcium is bound via physisorption on the adsorbent surface, while the remaining 20 % blocks the surface by local precipitation. A newly developed pH-swing-regeneration, which includes an acidic conditioning at pH 2.5 prior to alkaline phosphate desorption, was found to remove these deposits. During this process the ferric (hydr)oxides are completely regenerated and the mass loss by dissolution is only about 0.0001 %. For 13 regeneration cycles no reduction in adsorption capacity was observed, neither for model nor for biologically treated wastewater. Acidic conditioning at pH 2.5 can be carried out using the mineral acids HCl and HNO3. A recirculation of these acids proved to be advantageous regarding the consumption of chemicals. For the desorption of 95 % of the adsorbed phosphate, 5 bed volumes (BV) of 1 M NaOH with an empty bed contact time (EBCT) of at least 25 min were sufficient. The final reconditioning requires 2 BV of water and 0.16 BV of HCl (conc.) to adjust the pH on the adsorbent surface to 6. The phosphate-rich desorption solution was used for the precipitation of an amorphous calcium phosphate (aCP) using technical grade, fine dispersed milk of lime. The phosphorus content of aCP was at least 10 % and the sodium hydroxide solution can be used for renewed phosphate desorption. The aCP contained calcium carbonate and hydroxide as minor constituents, while organic carbon content was below 1 %. In contrast to organic micropollutants, heavy metals adsorbed onto GEH® 104 and were largely removed during acidic conditioning. However, the precipitation product obtained during a pilot test at a SSTP (pilot-aCP) meets the legal requirements for fertilizers in Germany and the EU regarding heavy metal content. In addition, it was sufficiently soluble in citrate, neutral ammonium citrate and water and could therefore be used as a fertilizer. In summary the process of decentralized adsorptive phosphorus removal with centralized pH-swing-regeneration is more economical than the one-time use of the adsorbent without regeneration. Even though the pilot-aCP is only a by-product of adsorbent regeneration, the process can compete with other phosphorus recovery technologies in several aspects (phosphorus recovery efficiency, product quality, market and compatibility with existing infrastructure at sewage treatment plants). It offers a reliable solution for achieving low effluent values for phosphorus in (small) sewage treatment plants.:1. Einleitung 1.1. Bedeutung von Phosphor für den menschlichen Organismus 1.2. Phosphoreintrag in die Umwelt 1.3. Zielstellung und Struktur der Dissertation 2. Grundlagen 2.1. Ressourcenverteilung und -entwicklung 2.2. Strategien zum nachhaltigen Phosphormanagement in der Landwirtschaft 2.3. Phosphor in der zentralen Abwasserreinigung 2.3.1. Phosphorentfernung an punktuellen Emissionsquellen 2.3.2. Phosphorrückgewinnung 2.4. Kleinkläranlagen zur Abwasserbehandlung und Phosphorentfernung 2.4.1. Abwasserbehandlung in Kleinkläranlagen 2.4.2. Phosphorentfernung in Kleinkläranlagen 2.5. Technische Adsorption 2.5.1. Adsorptionsgleichgewicht 2.5.2. Adsorptionsmodellierung 3. Potenziell geeignete Materialien zur Phosphatadsorption in Kleinkläranlagen - Adsorbensauswahl 3.1. Stand der Forschung 3.1.1. Ionenaustauscher 3.1.1.1. Klassische Ionenaustauscher 3.1.1.2. Schichthydroxide 3.1.2. Hybridmaterialien 3.1.2.1. Polymere Ligandenaustauscher (PLE) 3.1.2.2. Hybride Anionenaustauscher (HAIX) 3.1.3. Adsorbentien 3.1.3.1. Verbindungen der Hauptelemente der Erdhülle 3.1.3.2. Verbindungen der Nebenelemente der Erdhülle 3.1.3.3. Kohlenstoffbasierte Materialien 3.1.3.4. Industrielle Nebenprodukte 3.1.4. Auswahl geeigneter Adsorbentien 3.1.5. Auslegung eines Festbettadsorbers in KKA 3.2. Material und Methoden 3.2.1. Chemikalien und angewandte Analysenverfahren 3.2.2. Untersuchte Adsorbentien 3.2.2.1. Klassische Adsorbentien 3.2.2.2. Hybride Anionenaustauscher (HAIX) 3.2.3. Modellabwasser 3.2.4. Methoden zur Untersuchung der Phosphatadsorption 3.2.5. Zur Modellierung eingesetzte Programme 3.3. Modellierung einer 4 EW-KKA 3.3.1. Erhobene experimentelle Daten 3.3.1.1. Wasserzusammensetzung einer KKA 3.3.1.2. Bestimmung der Freundlich-Isothermen der Adsorbentien - Adsorptionsgleichgewicht 3.3.1.3. Untersuchung der Kinetik der Korndiffusion 3.3.2. Modellierung der Durchbruchskurve 3.3.2.1. Basisdaten 3.3.2.2. Modellierung der Durchbruchskurven 3.3.3. Experimentelle Validierung der modellierten Durchbruchskurven im Labor 3.3.4. Erstellung der Prognose eines Festbettadsorbers zur Phosphatentfernung in einer 4-EW-KKA 4. Wasserchemische Einflussfaktoren auf die Phosphatadsorption an Eisenoxidhydraten 4.1. Stand der Forschung 4.1.1. Phosphatbindung an Eisenoxidhydraten 4.1.2. Phosphatadsorption in Anwesenheit anderer Anionen 4.1.3. Phosphatadsorption in Anwesenheit organischer Stoffe 4.1.4. Phosphatadsorption in Gegenwart von Kationen 4.2. Material und Methoden 4.2.1. Chemikalien und angewandte Analysenverfahren 4.2.2. Modellwässer 4.2.3. Methoden 4.3. Untersuchung der Einflussfaktoren auf die Phosphatadsorption an GEH® 104 4.3.1. Phosphatadsorption in Anwesenheit anionischer Verbindungen 4.3.2. Phosphatadsorption in Gegenwart von Kationen 4.3.2.1. Einfluss des pH-Wertes 4.3.2.2. Einfluss der Calciumkonzentration 4.3.2.3. Einfluss der Magnesiumkonzentration 4.3.2.4. Einfluss der Gesamthärte des Wassers 4.4. Matrixanpassbare Modellierung der Phosphatadsorption an GEH® 104 5. Regenerierung von Eisenoxidhydraten 5.1. Stand der Forschung 5.2. Material und Methoden 5.2.1. Chemikalien 5.2.2. Angewandte Analysenverfahren 5.2.3. Modellwässer 5.2.4. Methodik der Adsorbensregenerierung 5.2.4.1. Aufnahme von Durchbruchskurven 5.2.4.2. Beladen des Adsorbens zur Untersuchung der Regenerierung 5.2.4.3. Vergleich der Calciumdesorption mit verschiedenen Desorptionslösungen 5.2.4.4. Entfernung von Ablagerungen durch saure Konditionierung 5.2.4.5. Desorption von Phosphat 5.2.4.6. Rekonditionierung des Adsorbens 5.2.5. Zur Modellierung eingesetzte Programme 5.3. Untersuchung der Adsorbensoberfläche 5.4. Entfernung des Oberflächenbelags 5.4.1. Einführung einer sauren Konditionierungsstufe 5.4.1.1. Säurestabilität des Adsorbens und möglicher Oberflächenpräzipitate 5.4.1.2. Wechselwirkungen von Calcium mit der Adsorbensoberfläche 5.4.1.3. Auswahl des Konditionierungsmittels 5.4.1.4. Auswahl des pH-Wertes für die saure Konditionierung 5.4.1.5. Übertragbarkeit der sauren Konditionierung auf weitere eisenoxidhydrathaltige Adsorbentien 5.4.1.6. Auswirkung der sauren Konditionierung auf die Ablagerungen 5.4.1.7. Auswirkung der sauren Konditionierung auf die Adsorbensoberfläche 5.4.2. Validierung der sauren Konditionierung 5.5. Optimierung der pH-Swing-Regenerierung 5.5.1. Optimierung der Betriebsweise der sauren Konditionierung 5.5.1.1. Kreislaufführung 5.5.1.2. Wiederverwendung der Konditionierungslösung 5.5.2. Optimierung der Phosphatdesorption 5.5.2.1. Einfluss der Konzentration der Natronlauge auf die Phosphatdesorption 5.5.2.2. Einfluss der Kontaktzeit auf die Phosphatdesorption 5.5.2.3. Prozessführung zur Phosphatdesorption von GEH® 104 5.5.3. Optimierung der Rekonditionierung des Adsorbens 5.5.4. Zusammenfassung 6. Phosphorrückgewinnung 6.1. Stand der Forschung 6.1.1. Gewinnung von Phosphatrecyclaten 6.1.2. Schadstofftransfer vom Abwasser in Phosphatrecyclate 6.1.2.1. Organische Spurenstoffe 6.1.2.2. Schwermetalle 6.1.3. Pflanzenverfügbarkeit von Phosphatrecyclaten 6.2. Material und Methoden 6.2.1. Chemikalien 6.2.2. Angewandte Analysenverfahren 6.2.3. Verwendete Wässer 6.2.4. Methodik zur Untersuchung der Phosphorrückgewinnung 6.3. Phosphatfällung 6.3.1. Auswahl des Fällmittels 6.3.2. Zusammensetzung des Fällungsproduktes 6.4. Verhalten organischer Spurenstoffe bei der Phosphorrückgewinnung 6.5. Untersuchung der Düngemitteleignung anhand einer Pilotanlage zur Phosphorentfernung aus KKA 6.5.1. Adsorbensbeladung im Pilotmaßstab 6.5.2. Regenerierung von Pilotversuchsmaterial 6.5.2.1. Saure Konditionierung als Schwermetalldesorption 6.5.2.2. Verunreinigungen bei der Phosphatdesorption 6.5.2.3. Phosphorrückgewinnung aus dem Pilotversuch 6.5.3. Pflanzenverfügbarkeit 7. Diskussion 7.1. Verfahrenskonzept für die Phosphorentfernung in Kleinkläranlagen (KKA) 7.2. Verfahrensbewertung 7.2.1. Technologie 7.2.1.1. Rückgewinnungsgrad 7.2.1.2. Inputflexibilität 7.2.2. Produkt 7.2.3. Markt 7.2.4. Umwelt 7.2.4.1. Chemikalieneinsatz 7.2.4.2. Energiebedarf 7.2.4.3. Anfallende Abfälle 7.2.5. Wirtschaftlichkeit 7.2.5.1. Investitionsbedarf 7.2.5.2. Operative Kosten 7.2.5.3. Produktertrag 7.2.5.4. Zusatzerträge und -nutzen 7.2.6. Kompatibilität 7.2.6.1. Einfluss auf die heutige Entsorgungslandschaft 7.2.6.2. Kompatibilität mit dem Betrieb der Kläranlage 7.2.7. Rechtlicher Rahmen 7.2.8. Zusammenfassung der Verfahrensbewertung 7.3. Fazit 8. Publikationsliste Literaturverzeichnis Abkürzungsverzeichnis Symbolverzeichnis Abbildungsverzeichnis Tabellenverzeichnis A. Anhang A.1. Anhang Kapitel 3 A.1.1. Materialien zur Phosphatentfernung in der Literatur A.1.1.1. Ionenaustauscher A.1.1.2. Hybridmaterialien A.1.1.3. Adsorbentien A.1.2. Aufbau eines Differentialkreislaufreaktors A.1.3. Bestimmung des geschwindigkeitsbestimmenden Schrittes der Adsorption A.1.4. Validierung der Modellierung mit LDF-Modell A.2. Anhang Kapitel 4 A.2.1. Phosphatdurchbruchskurve mit variierender Sulfatkonzentration A.2.2. Phosphatisotherme bei variierendem pH-Wert A.2.3. Wasserhärte in Deutschland nach Wasserversorgern A.2.4. Phosphatadsorption in Abhängigkeit von den vorliegenden Kationen A.2.5. Zweifaktorielle Varianzanalyse A.3. Anhang Kapitel 5 A.3.1. Saure Konditionierung im Kreislauf A.3.2. Löslichkeitsmodellierung mit PHREEQC A.3.3. Desorbierbarkeit von Calcium und Magnesium mit Natriumnitratlösung A.3.4. Austrag von Calcium, Phosphat und Eisen bei der sauren Konditionierung von beladenem Bayoxide® E 33 HC A.3.5. Reproduzierbarkeit des Phosphatdurchbruchs bei pH-Swing-Regenerierung mit Salpetersäure A.3.6. Zusammensetzung verschiedener Calciumphosphate A.4. Anhang Kapitel 6 A.4.1. Grenzwerte für Schwermetalle in mineralischen und Recyclingphosphordüngemitteln in Europa A.4.2. Messbedingungen für die Analysen mittels LC-MS/MS A.4.3. Thermische Zersetzung von amorphem Calciumphosphat A.4.4. Phosphorentfernung in der Pilotanlage in Bramsche A.4.5. Regenerierung eines beladenen Adsorbens aus der Pilotanlage A.4.6. Untersuchte organische Spurenstoffe bei der Gewinnung von Pilot-aCP A.5. Anhang Kapitel 7 A.5.1. Kostenabschätzung für das Verfahrenskonzept zur Phosphorentfernung auf KKA A.5.2. Preisentwicklung für Phosphate von 1999 bis 2019 auf dem Weltmarkt A.5.3. Einordnung des entwickelten Verfahrenskonzeptes nach dem BAFU-Leitfaden Danksagung Erklärung