Satellitenaltimetrie ist ein Verfahren zur flächendeckenden Beobachtung von Oberflächenhöhen. In den Polarregionen spielen die daraus ableitbaren Höhenänderungsraten eine zentrale Rolle bei der Abschätzung von Massenbilanzen kontinentaler Eisschilde. Aktuell befindet sich eine Vielzahl solcher Altimetriesatelliten im Orbit. In Abhängigkeit vom Messverfahren und verbauten Instruments unterscheiden sich gemessene Höhen sowie der Einfluss systematischer Fehler. In dieser Masterarbeit werden für die Region Nordostgrönland Beobachtungen verschiedener Sensoren prozessiert, vergleichend interpretiert und teilweise validiert. Auswertungen erfolgen anhand digitaler Geländemodelle (DGM), wobei neben bereits etablierten Datensätzen ein Workflow zur automatisierten DGM-Generierung anhand von sehr hochaufgelösten optischen Satellitenaufnahmen vorgestellt sowie angewandt wird. Darauf aufbauend findet eine umfassende Validierung der Eisoberflächenhöhen ATL06 des im September 2018 gestarteten ICESat-2 statt. Es wurde gezeigt, dass keine signifikanten systematischen Abweichungen unter den einzelnen Laserstrahlen sowie zwischen aufsteigenden und absteigenden Satellitenspuren bestehen. Auf dem Eisschild wurden Abweichungen bis zu 10 cm und in den Küstengletscherregionen bis zu 70 cm errechnet, wobei das Genauigkeitsniveau von ICESat-2 über dem der Referenzen liegt. Anhand eines ersten Anwendungsbeispieles konnte die sehr gute Eignung von ICESat-2 zur Co-Registrierung von DGMs gezeigt werden. Durch Hinzunahme von Beobachtungen aktueller Radaraltimeter wurden sämtliche über Eisschilden eingesetzte Altimetriesensoren und Messverfahren vergleichend analysiert. Der zeitlich variable Einfluss der Firnstruktur ist von der Wellenlänge des Messsignals abhängig und kann durch Nutzung eines entsprechenden Retracking-Verfahrens minimiert werden. Korrektionen auf Grundlage verschiedener Parameter des Rückkehrsignals sind für den grönländischen Eisschild ungeeignet. Untersuchungen des Topografieeinflusses auf die Beobachtung zeigen ein enormes Fehlerpotential pulslimitierter Radarsysteme ab Geländeneigungen von 0,3°, wohingegen das Laseraltimeter ICESat-2 eine präzise Vermessung rauer Gebirgs- und Gletscherregionen ermöglicht.

Die Verfügbarkeit von Fernerkundungsdaten ist in den letzten Jahren stark gestiegen. Spätestens seit der Entwicklung von Google Earth wächst auch das Interesse der Allgemeinheit an Fernerkundungsdaten. Aktuell ist eine Vielzahl von Satelliten- und flugzeuggestützten Fernerkundungssystemen operationell verfügbar. Neue Techniken in der Fernerkundung erbringen immer höhere räumliche und zeitliche Auflösungen. Daten, die von den verschiedenen Sensoren aufgenommen werden, unterscheiden sich daher in spektraler, räumlicher sowie temporaler Auflösung. Eines haben die meisten dieser Sensoren aber gemeinsam, nämlich, dass die höchste räumliche Auflösung nur im panchromatischen Modus erzeugt werden kann. Das Verhältnis zwischen der hoch aufgelösten panchromatischen und der niedrig auflösenden multispektralen Aufnahme eines Sensors liegt dabei zwischen 1:2 (SPOT 4) und 1:8 (DMC - Beijing-1). Diese werden in der Regel auf Bilddaten angewandt, die vom gleichen Sensor zur gleichen Zeit aufgenommen wurden (unisensorale, unitemporale Fusion). Einige Sensoren erzeugen allerdings nur panchromatische Bilder, andere, wie das neue deutsche System RapidEye, nur multispektrale Daten. Zur Erzeugung von hoch bzw. höchst aufgelösten multispektralen Bildern müssen hier sensorübergreifend Bilddaten fusioniert werden, die zu verschiedenen Zeitpunkten aufgenommen wurden (multisensorale, multitemporale Fusion). Benutzt man Daten von unterschiedlichen Sensoren, so kann das Verhältnis zwischen der hoch aufgelösten panchromatischen und der niedrig auflösenden multispektralen Aufnahme sogar 1:30 (Ikonos-Panchromatisch : Landsat-Multispektral) oder höher betragen. Neben dem Verhältnis der panchromatischen Komponente zu der multispektralen Komponente ist die Veränderung der spektralen Werte bei der Fusion aber noch entscheidender. Die Mehrzahl der entwickelten Fusionsverfahren weist dabei Farbveränderungen auf. Zudem beeinflussen diese Farbveränderungen auch anschließende Analysen. Das allgemeine Ziel der Daten- bzw. auch der Bildfusion ist: verschiedene Daten zusammenzuführen und mehr Informationen aus diesen Daten zu erhalten als aus jedem der einzelnen Sensoren allein (1+1=3). Die Fragestellung, die auch dieser Arbeit zugrunde liegt, lautet: Kann man mehr Informationen aus den fusionierten Datensätzen extrahieren als aus den einzelnen Datensätzen allein? Und wenn ja, wie viel mehr Informationen können extrahiert werden? Das erste Ziel dieser Arbeit ist ein Verfahren zu finden, welches die zu untersuchenden Merkmale so verbessert, dass der Informationsgehalt maximiert wird und damit höher ist als in den einzelnen originalen Datensätzen. In Bezug auf die Fusion von hochaufgelösten panchromatischen mit niedriger aufgelösten multispektralen Daten bedeutet dies, dass die fusionierten Daten die gleich hohe Auflösung der panchromatischen Daten besitzen, ohne dass Farbveränderungen auftreten. Diese fusionierten Daten sollten sich nicht von einem Bild unterscheiden, das mit einem multispektralen Sensor in der räumlichen Auflösung der panchromatischen Eingangsdaten aufgenommen wurde. Um dieses Ziel zu erreichen, wurde die Fusion auf der Pixelebene ausgewählt, da diese für die Fernerkundung von höchster Relevanz ist, weil die ikonischen Bildfusionsverfahren am weitesten entwickelt sind und die Eingangsdaten am wenigsten vor der Anwendung der Fusionsmethode verändert werden. Da es eine große Anzahl an Verfahren im Bereich der Bildfusion gibt, wurde zunächst auf Basis einer Literaturrecherche eine Auswahl von Verfahren getroffen. Zur Beurteilung dieser Verfahren ist es notwendig, quantitativ-statistische Verfahren auszuwählen, da eine rein visuelle Auswertung, zu subjektiv ist. Um das zweite Ziel dieser Arbeit zu erreichen wurde eine Literaturrecherche durchgeführt. Die ausgewählten Evaluierungsverfahren sollten soweit wie möglich automatisch ablaufen und nur wenig manuellen Input benötigen. Das sichert eine erhöhte Objektivität. Das Endergebnis sollte ein Wert für jeden Kanal oder das Bild sein, so dass eindeutige Rückschlüsse auf die Qualität des Bildes möglich sind. Bei der Auswahl dieser Verfahren ist darauf zu achten, dass sowohl Evaluierungsverfahren ausgewählt werden, welche die spektrale Veränderung messen, aber auch solche, welche die räumliche Verbesserung messen. Die Evaluierungsverfahren wurden für 7 Kategorien ausgewählt. Für die Kategorie 1 wird der ERGAS eingesetzt. In der zweiten Kategorie sollen die Bilddifferenzen berechnet werden. Da die einfache Differenz zweier Bilder große Datenmengen produziert und nicht ein einzelner Wert verfügbar ist, wird die Grauwertabweichung pro Pixel als Kriterium ausgewählt. Mit der dritten Kategorie sollen Ähnlichkeiten im Bildaufbau gemessen werden. Dazu eignet sich am besten der Korrelationskoeffizient. In der vierten Kategorie werden die Ähnlichkeiten der räumlichen Details gemessen. Da es hier wieder um Ähnlichkeiten geht, bietet es sich erneut an, den Korrelationskoeffizienten auch hier einzusetzen. Diesmal allerdings die Korrelation nach Hochpassfilterung zwischen den panchromatischen Eingangsdaten und den fusionierten Bildern. Kategorie 5 betrifft die Qualität der lokalen räumlichen Verbesserungen. Dazu wird die Kantendetektion mit dem Canny Kantenoperator für diese Arbeit ausgewählt. Bei der sechsten Kategorie geht es um die Messung von Unstimmigkeiten in den Spektren. Der SAM wurde daher ausgewählt. Die siebte Kategorie beschreibt die globalen Unterschiede in den Bildern. Dazu wird der SSIM verwendet. Nachdem die Evaluierungsverfahren in den sieben Kategorien ausgewählt wurden, zeigte die Anwendung dieser Evaluierungsmethoden, dass die Ehlers Fusion das beste Fusionsverfahren ist. Die uantitativstatistischen Untersuchungen präsentierten die besten Ergebnisse für die Ehlers Fusion. Die Werte zur spektralen Untersuchung unterschieden sich nur im geringem Maße von den orginalen Werten. Aus diesem Grund wurde die Ehlers Fusion für weitere Untersuchungen in dieser Arbeit ausgewählt und optimiert. Um den Mehrwert von fusionierten Daten zu ermitteln, wurde die Interpretation der fusionierten Fernerkundungsdaten durchgeführt. Bei der unisensoralen Bildfusion hat sich gezeigt, dass die Mehrzahl der Verfahren eine Verbesserung bei der Interpretation der Daten erreicht. Objekte können genauer erkannt werden und auch die Farben bleiben erhalten. Bei den multitemporalen Datensätzen und insbesondere bei der Fusion von Radardaten erreicht dieses Ziel nur ein einziges Verfahren: die Ehlers Fusion. Die Interpretation der Daten wird auch bei den multitemporalen Daten erleichtert. Es werden nicht nur die Kanten von Objekten geschärft, wie beim Brovey Verfahren, sondern auch die spektralen Werte bleiben erhalten. Die Werterhaltung ist besonders wichtig, da durch Veränderung der Farbwerte die genaue Feldfrucht nicht mehr bestimmt werden kann und eine Interpretation dadurch erschwert bzw. unmöglich wird. Bei der CAPI (Computer Assisted Photo Interpretation) konnten durch die Ehlers Fusion vor allem zwei Faktoren der Interpretation deutlich verbessert werden: Zum einen gab es eine schärfere Abgrenzung der Flächengrenzen von unterschiedlich genutzten landwirtschaftlichen Flächen im Vergleich mit den originalen spektralen Daten und zum anderen können Pflanzen, z.B. Weinberge, die nur einen Teil des Bodens bedecken, besser erkannt werden. Bei der unitemporalen Klassifikation stellte sich heraus, dass die fusionierten Daten eine höhere Genauigkeit haben, wenn für die Klassifikation nur die multispektralen Daten verwendet werden. Werden zusätzlich noch die panchromatischen Daten als weiterer Kanal für die Klassifikation herangezogen, so ist die Genauigkeit gleich. Bei der multitemporalen Klassifikation zeigte sich dagegen, dass fusionierte Daten genauer klassifiziert werden können als die Daten mit einem zusätzlichen panchromatischen Kanal. Da bei der Klassifikation mit einem panchromatischen Kanal, der Aufnahmetermin nicht mit den multispektralen Daten übereinstimmt. Bei der Klassifikation mit fusionierten Radardaten zeigte sich, dass die fusionierten Daten eine detailliertere und damit verbesserte Klassifikation erzeugen. Fusionierte Daten können also dabei helfen, mehr Informationen aus den Eingangsdaten zu extrahieren als aus jeden der einzelnen Datensätze. Diese Arbeit hat gezeigt, dass die Genauigkeiten der Klassifikation sich erhöhen kann, wenn die Daten vorher fusioniert werden. Auch die Interpretation kann deutlich dadurch erleichtert werden, dass nicht der panchromatische Kanal und die multispektralen Kanäle getrennt voneinander betrachtet werden müssen. Man kann sich auf ein fusioniertes Bild konzentrieren und seine Interpretation durchführen.

Soil visible and near-infrared spectroscopy provides a non-destructive, rapid and low-cost approach to quantify various soil physical and chemical properties based on their reflectance in the spectral range of 400–2500 nm. With an increasing number of large-scale soil spectral libraries established across the world and new space-borne hyperspectral sensors, there is a need to explore methods to extract informative features from reflectance spectra and produce accurate soil spectroscopic models using machine learning. Features generated from regional or large-scale soil spectral data play a key role in the quantitative spectroscopic model for soil properties. The Land Use/Land Cover Area Frame Survey (LUCAS) soil library was used to explore PLS-derived components and fractal features generated from soil spectra in this study. The gradient-boosting method performed well when coupled with extracted features on the estimation of several soil properties. Transfer learning based on convolutional neural networks (CNNs) was proposed to make the model developed from laboratory data transferable for airborne hyperspectral data. The soil clay map was successfully derived using HyMap imagery and the fine-tuned CNN model developed from LUCAS mineral soils, as deep learning has the potential to learn transferable features that generalise from the source domain to target domain. The external environmental factors like the presence of vegetation restrain the application of imaging spectroscopy. The reflectance data can be transformed into a vegetation suppressed domain with a force invariance approach, the performance of which was evaluated in an agricultural area using CASI airborne hyperspectral data. However, the relationship between vegetation and acquired spectra is complicated, and more efforts should put on removing the effects of external factors to make the model transferable from one sensor to another.:Abstract I Kurzfassung III Table of Contents V List of Figures IX List of Tables XIII List of Abbreviations XV 1 Introduction 1 1.1 Motivation 1 1.2 Soil spectra from different platforms 2 1.3 Soil property quantification using spectral data 4 1.4 Feature representation of soil spectra 5 1.5 Objectives 6 1.6 Thesis structure 7 2 Combining Partial Least Squares and the Gradient-Boosting Method for Soil Property Retrieval Using Visible Near-Infrared Shortwave Infrared Spectra 9 2.1 Abstract 10 2.2 Introduction 10 2.3 Materials and methods 13 2.3.1 The LUCAS soil spectral library 13 2.3.2 Partial least squares algorithm 15 2.3.3 Gradient-Boosted Decision Trees 15 2.3.4 Calculation of relative variable importance 16 2.3.5 Assessment 17 2.4 Results 17 2.4.1 Overview of the spectral measurement 17 2.4.2 Results of PLS regression for the estimation of soil properties 19 2.4.3 Results of PLS-GBDT for the estimation of soil properties 21 2.4.4 Relative important variables derived from PLS regression and the gradient-boosting method 24 2.5 Discussion 28 2.5.1 Dimension reduction for high-dimensional soil spectra 28 2.5.2 GBDT for quantitative soil spectroscopic modelling 29 2.6 Conclusions 30 3 Quantitative Retrieval of Organic Soil Properties from Visible Near-Infrared Shortwave Infrared Spectroscopy Using Fractal-Based Feature Extraction 31 3.1 Abstract 32 3.2 Introduction 32 3.3 Materials and Methods 35 3.3.1 The LUCAS topsoil dataset 35 3.3.2 Fractal feature extraction method 37 3.3.3 Gradient-boosting regression model 37 3.3.4 Evaluation 41 3.4 Results 42 3.4.1 Fractal features for soil spectroscopy 42 3.4.2 Effects of different step and window size on extracted fractal features 45 3.4.3 Modelling soil properties with fractal features 47 3.4.3 Comparison with PLS regression 49 3.5 Discussion 51 3.5.1 The importance of fractal dimension for soil spectra 51 3.5.2 Modelling soil properties with fractal features 52 3.6 Conclusions 53 4 Transfer Learning for Soil Spectroscopy Based on Convolutional Neural Networks and Its Application in Soil Clay Content Mapping Using Hyperspectral Imagery 55 4.1 Abstract 55 4.2 Introduction 56 4.3 Materials and Methods 59 4.3.1 Datasets 59 4.3.2 Methods 62 4.3.3 Assessment 67 4.4 Results and Discussion 67 4.4.1 Interpretation of mineral and organic soils from LUCAS dataset 67 4.4.2 1D-CNN and spectral index for LUCAS soil clay content estimation 69 4.4.3 Application of transfer learning for soil clay content mapping using the pre-trained 1D-CNN model 72 4.4.4 Comparison between spectral index and transfer learning 74 4.4.5 Large-scale soil spectral library for digital soil mapping at the local scale using hyperspectral imagery 75 4.5 Conclusions 75 5 A Case Study of Forced Invariance Approach for Soil Salinity Estimation in Vegetation-Covered Terrain Using Airborne Hyperspectral Imagery 77 5.1 Abstract 78 5.2 Introduction 78 5.3 Materials and Methods 81 5.3.1 Study area of Zhangye Oasis 81 5.3.2 Data description 82 5.3.3 Methods 83 5.3.3 Model performance assessment 85 5.4 Results and Discussion 86 5.4.1 The correlation between NDVI and soil salinity 86 5.4.2 Vegetation suppression performance using the Forced Invariance Approach 86 5.4.3 Estimation of soil properties using airborne hyperspectral data 88 5.5 Conclusions 90 6 Conclusions and Outlook 93 Bibliography 97 Acknowledgements 117

Unter urbanem Grün werden durch Vegetation bedeckte Flächen in Städten, wie beispielsweise Parkanlagen, Friedhöfe, Kleingärten, Straßengrün und -bäume, Wald, oft Naturschutzflächen zusammengefasst. Durch den zunehmenden Siedlungsdruck und die damit einhergehenden Stadterweiterungen und Nachverdichtungen werden vielerorts grüne Freiräume beschnitten, versiegelt oder bebaut. Gleichzeitig haben Städte in Zukunft durch den Klimawandel mit einer Zunahme an heißen Tagen zu rechnen. Im Rahmen des Projekts „Wie grün sind bundesdeutsche Städte? – Fernerkundliche Erfassung und stadträumlich-funktionale Differenzierung der Grünausstattung von Städten in Deutschland“ werden unter anderem die räumlichen Defizite der Grünausstattung in Fallstudienstädten untersucht: Wo fehlt Grün und wie lässt sich dies über Indikatoren abbilden? Das Grünvolumen wird aus digitalen Oberflächenmodellen bestimmt. In Verbindung mit dem Versiegelungsanteil und der aus Thermal-Satellitendaten erfassten Oberflächentemperatur wird ein empirischer linearer Zusammenhang ermittelt. Mithilfe des linearen Modells kann dann eine Aussage getroffen werden, wie viel Grünvolumen benötigt wird, um die vorherrschende Oberflächentemperatur um einen gewünschten Betrag zu senken. Flächen mit besonderem Handlungsbedarf werden somit aufgezeigt und können anschließend Eingang in kommunale Planungen und eine nachhaltige Stadtentwicklung finden.

Die Veränderungen des Klimas sind heutzutage weitgehend unbestritten. Der urbane Raum ist davon besonders betroffen. Zum einen werden die Klimaänderungen durch die Siedlungsstruktur noch verstärkt und zum anderen sind hier, bedingt durch die Zunahme der Stadtbevölkerung, besonders viele Menschen von den negativen Folgen des Klimawandels betroffen. Ziel aktueller Forschungsarbeit muss es also sein, die Zusammenhänge und Auswirkungen des Klimawandels zu verstehen und dabei die natürlichen Ursachen von den anthropogen induzierten Einflüssen zu trennen. Erst das Verständnis des Zusammenwirkens der verschiedenen Faktoren ermöglicht es, Handlungsempfehlungen abzuleiten, um auf die Folgen der Klimaänderung zu reagieren oder diese zu vermeiden. Die Fernerkundung ermöglicht die flächendeckende Beobachtung klimatischer Veränderungen auf verschiedenen maßstäblichen Ebenen. Die rasante Entwicklung der Satellitentechnologie ermöglicht dabei einen immer detaillierteren Blick auf unsere Erdoberfläche. Diese geometrisch hochaufgelösten Daten bieten die Chance, bestehende Modelle zum Klimawandel, zum Wasserhaushalt oder zur Siedlungsentwicklung zu verdichten und die Konsequenzen des menschlichen Handels auf der Erdoberfläche zu analysieren. Die Aufgabe dieser Arbeit bestand darin, die Einsatzmöglichkeiten geometrisch hochauflösender Fernerkundungsdaten, am Beispiel von IKONOS-Daten, zur Informationsgewinnung für hydrologische Modelle, die im urbanen Raum anwendbar sind, zu prüfen. Dazu wurden zunächst die besonderen klimatischen Bedingungen des urbanen Raumes untersucht. Des Weiteren wurde der Einsatz von Fernerkundungsdaten zur Beobachtung von Klimaparametern untersucht und verschiedene Fernerkundungsmethoden zur Bestimmung der einzelnen hydrologischen Variablen vorgestellt. Für die Modellierung des Energie- und Wasserhaushalts urbaner Räume sind nicht nur geeignete klimatisch-hydrologische Modelle, sondern auch entsprechend verdichtete Inputdaten notwendig. Dies bezieht sich nicht nur auf Parameter wie Niederschlag und Bodenfeuchte, sondern auch auf die Landnutzung. Gerade in urbanen Räumen, deren Flächennutzung häufig sehr heterogen ist und innerhalb kleiner Flächen einem häufigen Wechsel unterliegt, sind besonders detaillierte Informationen zur Landnutzung und zur Oberflächenbedeckung notwendig, um auch für kleinere Gebiete, wie Stadtteile oder Quartiere, valide Aussagen über die klimatischen und hydrologischen Bedingungen treffen zu können. Ausgehend von bereits existierenden hydrologischen Modellen wurde zunächst ein für den urbanen Raum angepasstes Modell vorgestellt und die entsprechenden Anforderungen an den Parameter Landnutzung definiert. Am Beispiel des Untersuchungsgebietes Heidenau konnte gezeigt werden, dass geometrisch hochauflösende Daten, in diesem Fall IKONOS, differenzierte Flächennutzungsinformationen zur Anwendung hydrologischer Modelle im Bezugsraum Stadt bereitstellen können.

Slums bilden einen wesentlichen Bestandteil vieler Stadtregionen des globalen Südens, wobei Indien die höchste Zahl an Slumbewohnern beherbergt. Die internationalen Unterschiede in der Definition des Begriffs "Slum" sowie Mängel bei der Datenerfassung haben eine hohe Fehlerwahrscheinlichkeit bei der Aufnahme von Slumbevölkerungszahlen und -standorten in globalem, nationalem und städtischem Massstab zur Folge. Das Hauptziel dieser Dissertation besteht darin, eine Vorgehensweise zur automatischen Erkennung von Slums mit Hilfe von hochauflösenden Satellitenbildern zu entwickeln, und diese Methode in der indischen Metropole Hyderabad anzuwenden. Diese Arbeit entwickelt ein mehrstufiges Satellitenbildbearbeitungsverfahren, welches in der Lage ist, eine schnelle Slumerkennung in Hyderabad durchzuführen. Das Verfahren beruht auf dem Verhältnis zwischen einem bestimmten Bereich räumlicher Heterogenität, ausgedrückt durch Lakunarität, und der Wahrscheinlichkeit, dass die Struktur eines Gebietes der Oberflächenstruktur eines Slums entspricht. Die Anwendung der hier vorgeschlagenen Methode produzierte zum ersten Mal einen plausiblen, räumlich kohärenten und politisch unverzerrten Datensatz über Slumstandorte und Slumbevölkerung für das gesamte Stadtgebiet von Hyderabad. Die Ergebnisse verdeutlichen die Unstimmigkeiten bei der bisherigen Erfassung der Slumbevölkerungszahlen sowie bei der offiziellen Anerkennung von Slums. Die multitemporale Satellitenbildauswertung zeigt ein Wachstum der Slumbevölkerungszahlen im Grossraum Hyderabad an und bietet Einblick in den zeitlich-räumlichen Slumwachstumprozess zwischen den Jahren 2003 und 2010. Diese Dissertation stellt einen wissenschaftlichen Beitrag zu den Themen Fernerkundung der Siedlungen und fortgeschrittene Bildbearbeitungsmethoden dar und bietet den unterschiedlichsten Parteien, für welche Slumdaten von Bedeutung sind, ein wichtiges Instrument. / Slums are a pervasive feature of many urban regions in the global South, with India hosting the largest number of the global slum dwellers. Differences in slum definitions across countries and deficiencies of data collection are the cause of a large error margin in establishing slum population numbers and slum locations at a global, national and city scale. The main goal of this thesis is to develop an approach to automated identification of slums using sub-metre resolution satellite imagery, and to apply the new method to the slum-plagued South Indian megacity of Hyderabad. This dissertation establishes a multi-step satellite imagery analysis framework, which is capable of performing rapid identification of slums in Hyderabad without extensive ground surveys or manual image analysis. It is based on the relation of a specific range of spatial heterogeneity expressed through lacunarity to the probability of an area to be morphologically similar to the surface texture of a slum. The application of the proposed method has for the first time produced plausible, spatially coherent and politically unbiased slum coverage and slum population datasets for the whole of Hyderabad. The results expose inconsistencies in slum population data reporting and the slum recognition process currently in place in the city. The analysis of multitemporal remote sensing data indicates a considerable slum population increase in the metropolitan area of Hyderabad and provides an insight into spatiotemporal slum development patterns between the years 2003 and 2010. This dissertation contributes to the body of knowledge on remote sensing of human settlements and advanced image processing techniques and presents an essential instrument to be used by a the United Nations bodies, national and city governments as well as non-governmental organisations engaged in slum-related work.

Städtische Gebiete unterscheiden sich von Flächen mit ruraler Prägung, im Ergebnis sind sie stark modifiziert bezüglich ihrer Strahlungs- und Energiebilanz. In der vorliegenden Arbeit werden die Oberflächentemperaturen der Metropole Berlin im Mesomaßstab, unter Verwendung von Satellitenaufnahmen der ASTER- und Landsat-5- und 7-Sensoren untersucht sowie durch zusätzliche Messungen mit einer Thermalbildkamera über einen Zeitraum von 17 Monaten im Mikromaßstab erweitert. Diese Daten kombiniert mit GIS-basierten Informationen über die Landnutzungs- und Strukturtypen werden für die Analyse der räumlichen und zeitlichen Verteilung der Oberflächentemperaturen genutzt ebenso wie zur Ermittlung funktioneller Beziehungen zwischen dem thermischen Verhalten der Oberflächen und der zugehörigen Stadtstruktur. Bei der Auswertung geht es vorrangig um physikalische Prozesse und Eigenschaften, die einen Einfluss auf energetische Flüsse und ihre Interaktion mit städtischen Oberflächen haben. Eine thermische Charakteristik einzelner Bezirke über verschiedene Nutzungsklassen bis hin zu einzelnen Materialien wird erstellt. Dabei sind Temperaturdifferenzen von mehreren zehntel Kelvin zwischen den typischen städtischen Oberflächen Dächern und Rasenflächen zu beobachten. Die Resultate zeigen, dass die Verteilung der LST sehr verschieden ist und stark korreliert mit den Landbedeckungen. Es wird dargestellt, welche Stadtstrukturen besonders thermisch belastet sind, welche individuelle thermische Bedeutung einzelne Materialien haben. Besonderes Augenmerk wird auf Möglichkeiten der Beeinflussung durch Abschattung gelegt. Durch Verschattung können Differenzen der Oberflächentemperaturen von mehr als 10 Kelvin erreicht werden. Abschließend werden Modellierungen zur Verifizierung der Kameramessungen sowie zum Aufzeigen des Einflusses minimaler Änderungen in kleinräumigen Klimaten genutzt. / Urban areas differ from surfaces of rural character. They are very modified in their radiation- and energy balance. In this study land-surface temperatures of the city of Berlin are analyzed with the help of satellite pictures of the ASTER- and Landsat-5 and -7 sensors in mesoscale and then extended by extra measurements of an infrared camera in microscale over the course of 17 months. This data combined with GIS based information on different land use and -structures are used for the analysis of spatial and time distribution, as well as for the determination of functional relations between thermal behaviour of surfaces and the related urban structures. The evaluation mainly deals with physical processes and properties that have an influence on energetic flows and their interactions with urban surfaces. A thermal characteristic of individual districts, from different land use classes to specific materials is being created. In this there are differences in temperature of several tenths Kelvin between the typical urban surfaces of roofs and grass areas visible. The results show that the distribution of the LST varies immensely and correlates with the land coverage. It is shown, what urban structures are most thermic burdened, what individual significance specific materials have. Special attention is paid to the different possibilities of the influence through shadow. It is possible to reach a difference of surface temperatures of more than 10 Kelvin by shadow. At the end models with the 3-dimensional ENVImet are used to verify the camera measurements as well as to show the influence of minimal changes in microscale climate.

Remote sensing and Geographic Information System (GIS) - an effective tool for managing naturalresources, is quite common application in establishing thematic maps. However, the application of this modern technology in natural resource management has not yet been popular in Vietnam, particularly mapping the land use/cover. Currently, land use/cover map is constructed as traditional methods and gets limitations of management counting due to time-consuming for mapping andsynthesis the status of land use/cover. Hence, information on the map is often outdated and inaccurate.The main objective of this study is to upgrade the accuracies in mapping current perennialcrops in Chu Se District, Gia Lai Province in Vietnam by interpreted NDVI index (Normalized Difference Vegetation Index) from Landsat 8-OLI (Operational Land Imager). The results of studyis satisfied the urgent of practical requirement and scientific research. There are 3 types of perennial industrial plants in the study area including rubber, coffee, and pepper, in which most coffee isgrown, with an area of over 10,000 hectares. The results also show that integration of remote sensing and GIS technology enables to map current management and distribution of perennial industrialplants timely and accurately. This application is fully consistent with the trend of the world, and in accordance with regulations of established land use/cover map, and the process could be appliedat other districts /towns or in higher administrative units. / Viễn thám và hệ thông tin địa lý (GIS) là công cụ hữu hiệu để quản lý tài nguyên thiên nhiên, được ứng dụng khá phổ biến để thành lập các loại bản đồ. Tuy nhiên, việc áp dụng công nghệ hiện đại này trong lĩnh vực quản lý tài nguyên thiên nhiên ở Việt Nam chưa phổ biến, nhất là công tác xây dựng bản đồ hiện trạng sử dụng/độ phủ đất. Việc xây dựng bản đồ hiện trạng hiện nay vẫn theo phương pháp truyền thống, thường gặp nhiều hạn chế do thời gian tổng hợp và xây dựng bản đồ hiện trạng kéo dài, dẫn đến thông tin trên bản đồ bị lạc hậu và không chính xác. Mục tiêu chính của nghiên cứu này là nâng cao độ chính xác kết quả giải đoán ảnh viễn thám Landsat 8 bằng chỉ số NDVI (chỉ số khác biệt thực vật) để thành lập bản đồ hiện trạng sử dụng đất cây công nghiệp lâu năm ở huyện Chư Sê, tỉnh Gia Lai, Việt Nam. Từ đó quản lý hiện trạng sử dụng loại đất này phù hợp yêu cầu cấp bách thực tiễn sản xuất và nghiên cứu khoa học. Kết quả của nghiên cứu cho thấy có 3 loại hình cây công nghiệp trên địa bàn nghiên cứu gồm cây cao su, cà phê và hồ tiêu, trong đó cây cà phê được trồng nhiều nhất, với diện tích hơn 10.000 ha. Nghiên cứu cũng cho thấy, tích hợp công nghệ viễn thám và GIS cho phép quản lý hiện trạng và phân bố cây công nghiệp trong không gian một cách hiệu quả và nhanh chóng. Ứng dụng này hoàn toàn phù hợp với xu hướng của thế giới, đồng thời theo đúng quy định thành lập bản đồ hiện trạng sử dụng đất, và quy trình này có thể thực hiện được ở cấp huyện/thị xã hoặc đơn vị hành chính cấp cao hơn.

One of the most difficult issues when dealing with optical water remote-sensing is its acceptance as a useful application for environmental research. This problem is, on the one hand, concerned with the optical complexity and variability of the investigated natural media, and therefore the question arises as to the plausibility of the parameters derived from remote-sensing techniques. Detailed knowledge about the regional bio- and chemico-optical properties is required for such studies, however such information is seldom available for the sites of interest. On the other hand, the primary advantage of remote-sensing information, which is the provision of a spatial overview, may not be exploited fully by the disciplines that would benefit most from such information. It is often seen in a variety of disciplines that scientists have been primarily trained to look at discrete data sets, and therefore have no experience of incorporating information dealing with spatial heterogeneity. <br><br> In this thesis, the opportunity was made available to assess the potential of Ocean Colour data to provide spatial and seasonal information about the surface waters of Lake Baikal (Siberia). While discrete limnological field data is available, the spatial extension of Lake Baikal is enormous (ca. 600 km), while the field data are limited to selected sites and expedition time windows. Therefore, this remote-sensing investigation aimed to support a multi-disciplinary limnological investigation within the framework of the paleoclimate EU-project ‘High Resolution CONTINENTal Paleoclimate Record in Lake Baikal, Siberia (CONTINENT)’ using spatial and seasonal information from the SeaWiFS satellite (NASA). From this, the SeaWiFS study evolved to become the first efficient bio-optical satellite study of Lake Baikal. <br><br> During the course of three years, field work including spectral field measurements and water sampling, was carried out at Lake Baikal in Southern Siberia, and at the Mecklenburg and Brandenburg lake districts in Germany. The first step in processing the SeaWiFS satellite data involved adapting the SeaDAS (NASA) atmospheric-correction processing to match as close as possible the specific conditions of Lake Baikal. Next, various Chl-<i>a</i> algorithms were tested on the atmospherically-corrected optimized SeaWiFS data set (years 2001 to 2002), comparing the CONTINENT pigment ground-truth data with the Chl-<i>a</i> concentrations derived from the satellite data. This showed the high performance of the global Chl-<i>a</i> products OC2 and OC4 for the oligotrophic, transparent waters (bio-optical Case 1) of Lake Baikal. However, considerable Chl-<i>a</i> overestimation prevailed in bio-optical Case 2 areas for the case of discharge events. High-organic terrigenous input into Lake Baikal could be traced and information extracted using the SeaWiFS spectral data. Suspended Particulate Matter (SPM) was quantified by the regression of the SeaDAS attenuation coefficient as the optical parameter with SPM field data. <br><br> Finally, the Chl-<i>a</i> and terrigenous input maps derived from the remote sensing data were used to assist with analyzing the relationships between the various discrete data obtained during the CONTINENT field work. Hence, plausible spatial and seasonal information describing autochthonous and allochthonous material in Lake Baikal could be provided by satellite data.<br>Lake Baikal, with its bio-optical complexity and its different areas of Case 1 and Case 2 waters, is a very interesting case study for Ocean Colour analyses. Proposals for future Ocean Colour studies of Lake Baikal are discussed, including which bio-optical parameters for analytical models still need to be clarified by field investigations. / Die Gewässerfernerkundung entwickelte sich seit den 70ern vor allem aus der Ozeanographie und der Atmosphärenforschung, und wird inzwischen als anerkannte Methode genutzt, um global die Phytoplanktonverteilung in den Weltmeeren erfassen zu können, u.a. für CO₂-Haushaltsmodellierungen. Atmosphärenkorrigierte Multi- und Hyperspektralscannerdaten ermöglichen die Qualifizierung bio-optischer Gewässertypen und die Quantifizierung optisch sichtbarer Wasserinhaltsstoffe und bieten gerade auch für dynamische und heterogene Küsten- und Binnengewässer das große Potential des räumlichen Informationsgewinnes.<br>Im Rahmen des Paläoklimaprojektes CONTINENT wurde in dieser Arbeit das Oberflächenwasser des Baikalsees mit Gewässerfernerkungsmethoden analysiert. Wichtig für die Interpretation von Klima-Proxies sind v.a. auch Hinweise auf die Verteilung des autochthonen Materials im Baikalsee (Fernerkundungsparameter: Chlorophyll-<i>a</i>), ebenso wie Hinweise auf allochthone Einträge an den Bohrungsstellen (Fernerkundungsparameter ‚Terrigener Eintrag’). Auf den Geländekampagnen in den Sommern 2001, 2002, 2003 in Sibirien und in Deutschland wurden Feldspektrometermessungen mit gleichzeitiger Wasserprobenahme auf die optisch sichtbaren Wasserinhaltsstoffe Phytoplankton, Schwebstoff, und DOC durchgeführt. Dabei konnten Messtechniken für Geländespektrometer evaluiert, und grundlegende Aussagen über die spektrale Verteilung des In-Wasser Lichtfeldes im Baikalsee gemacht werden. <br><br> Die Ocean Colour Satellitendaten des NASA-Instrumentes SeaWiFS und die Möglichkeiten der komplexen NASA Software SeaDAS wurden genutzt. Für die Ableitung des am Baikalsee anzutreffenden organikreichen terrigenen Eintrages, wurde ein vorläufiger Algorithmus aus den Geländedaten generiert. Verschiedene Algorithmen für den Parameter ‚Chlorophyll-<i>a</i>’ wurden mit dem Geländedatensatz der Projektpartnerin S. Fietz (Institut für Gewässerökologie und Binnenfischerei, IGB) evaluiert. Als geeignetester etablierte sich der auf oligotrophe Gewässer optimierte NASA Chlorophyll Algorithmus ‚Ocean Colour (OC) 2’. Die Quantifizierungen und Ergebnisse werden diskutiert. <br><br> Als Endergebnis wird der Überblick über Sedimenteintrag und Phytoplanktondynamik im Baikalsee für den Zeitraum 2001-2002 zur Verfügung gestellt und die autochthonen versus allochthonen Einflüsse an den Projektlokationen werden beschrieben. Der Baikalsee erwies sich als bio-optisch ein sehr komplexes und interessantes Studienobjekt. Ein wichtiger Punkt, der in dieser Arbeit angesprochen wird, ist die Atmosphärenkorrektur, die wesentliche Einflüsse auf die Qualifizierungen und Quantifizierungen hat, aber als Standardprogramm nur für den pelagialen Wasserkörper in Meeresspiegelhöhe mit marinen, bzw. Küstenatmosphären konditioniert ist. Ein weiterer bedeutender Punkt, der in dieser Arbeit diskutiert wird, ist der relevante spektrale Einfluss des organikreichen terrigenen Eintrages auf die Gewässerfarbe und dadurch auf die Qualität der Chlorophyll-Ableitung. Somit boten sich die Möglichkeiten, das räumliche Ausmaß und die Dynamik rezenter terrigener Einträge zu erfassen. Auch die Entwicklung des Phytoplankton von Frühsommer bis Spätsommer im Baikalsee konnte mit den SeaWiFS Daten nachvollzogen werden. Die hier vorgestellte Studie stellte sich als die erste grundlegende optische Gewässerfernerkundungsstudie mit Satellitendaten am Baikalsee heraus, und konnte erfolgreich abgeschlossen werden.

Within a research project about future sustainable water management options in the Elbe River basin, quasi-natural discharge scenarios had to be provided. The semi-distributed eco-hydrological model SWIM was utilised for this task. According to scenario simulations driven by the stochastical climate model STAR, the region would get distinctly drier. However, this thesis focuses on the challenge of meeting the requirement of high model fidelity even for smaller sub-basins. Usually, the quality of the simulations is lower at inner points than at the outlet. Four research paper chapters and the discussion chapter deal with the reasons for local model deviations and the problem of optimal spatial calibration. Besides other assessments, the Markov Chain Monte Carlo method is applied to show whether evapotranspiration or precipitation should be corrected to minimise runoff deviations, principal component analysis is used in an unusual way to evaluate local precipitation alterations by land cover changes, and remotely sensed surface temperatures allow for an independent view on the evapotranspiration landscape. The overall insight is that spatially explicit hydrological modelling of such a large river basin requires a lot of local knowledge. It probably needs more time to obtain such knowledge as is usually provided for hydrological modelling studies. / Innerhalb eines Forschungsprojekts zu zukünftigen nachhaltigen Optionen der Wasserwirtschaft im Elbe-Einzugsgebiet mußten quasi-natürliche Abflußszenarien bereitgestellt werden. Zu diesem Zweck wurde das räumlich diskretisierte ökohydrologische Modell SWIM eingesetzt. Nach den von dem stochastischen Klimamodell STAR angetriebenen Szenariosimulationen würde die Region deutlich trockener werden. Allerdings ist das Hauptthema dieser Dissertation die Herausforderung, die Ansprüche an hohe Modelltreue auch für kleinere Teileinzugsgebiete zu erfüllen. Normalerweise ist die Qualität der Simulationen für innere Punkte geringer als am Gebietsauslaß. Vier Fachartikel-Kapitel und das Diskussionskapitel beschäftigen sich mit den Gründen für lokale Modellabweichungen und dem Problem optimaler räumlicher Kalibrierung. Unter anderem wird die Markovketten-Monte-Carlo-Methode angewendet, um zu zeigen, ob Verdunstung oder Niederschlag korrigiert werden sollte, um Abweichungen des Abflusses zu minimieren, die Hauptkomponentenanalyse wird auf eine unübliche Weise benutzt, um lokale Niederschlagsänderungen aufgrund von Landnutzungsänderungen zu untersuchen, und fernerkundete Oberflächentemperaturen erlauben eine unabhängige Sicht auf die Verdunstungslandschaft. Die grundlegende Erkenntnis ist, daß die räumlich explizite hydrologische Modellierung eines so großen Flußeinzugsgebiets eine Menge Vor-Ort-Wissen erfordert. Wahrscheinlich wird mehr Zeit benötigt, solches Wissen zu erwerben, als üblicherweise für hydrologische Modellstudien zur Verfügung steht.