In der vorliegenden Arbeit wird ein zweistufiger Algorithmus, das sogenannte Retrieval, zur Ableitung von Wasserdampfprofilen aus einer Kombination von Ramanlidar und Mikrowellenradiometer zur operationellen Anwendung vorgestellt. Beide Instrumente kamen während einer groß angelegten Kampagne nahe Jülich im Frühjahr 2013 zum Einsatz (HOPE). Ziel der Arbeit ist es, kontinuierliche Zeitreihen der vertikalen Wasserdampfverteilung abzuleiten. Dies erfordert eine Kalibrierung des Ramanlidars. Im Rahmen dieser Arbeit wurde ein automatisches Kalibrierschema entwickelt, welches auf dem integrierten Wasserdampfgehalt abgeleitet aus Mikrowellenradiometermessungen basiert. Die Methode zeigt eine gute Übereinstimmung mit herkömmlichen Ansätzen, welche auf Radiosondenaufstiegen beruhen. Der Kalibrierfaktor ist sehr stabil mit einer relativen Abweichung von 5 %. Diese Stabilität bietet den Vorteil, das Lidar auch unter bewölkten Bedingungen zu kalibrieren. Hierfür wird der Kalibrierfaktor des letzten wolkenfreien Zeitraums herangezogen. Dies ermöglicht die kontinuierliche Messung von Wasserdampfprofilen bis zu einer möglichen Wolkenbasis. Um verlässliche Wasserdampfinformationen innerhalb und oberhalb einer Wolke zu erhalten, wird ein zweistufiger Algorithmus angewandt. Der erste Schritt ist ein Kalman Filter, der die an der Wolkenbasis abgeschnittenen Wasserdampfprofile vom Ramanlidar mittels eines vorherigen Profils zu einem kompletten Profil (bis zu 10 km) kombiniert. Das komplette Wasserdampfprofil dient dann als Input für die eindimensionale variationelle (1D- VAR) Methode, auch als optimale Schätzung bekannt. Für dieses Profil werden die Helligkeitstemperaturen simuliert, die das Mikrowellenradiometer in der gegebenen Atmosphäre messen würde und anschließend mit den tatsächlich gemessenen verglichen. Das Profil wird dann iterativ entsprechend seiner Fehlerbalken so lange modifiziert, bis die modellierten mit den gemessenen Helligkeitstemperaturen hinreichend übereinstimmen. Die Funktionsweise des Retrievals wird mit Hilfe von Fallstudien unter verschiedenen Bedingungen detailliert beleuchtet. Eine statistische Analyse zeigt, dass die Verfügbarkeit von Ramanlidardaten (nachts) die Genauigkeit der abgeleiteten Profile verbessert. Tagsüber resultiert das Fehlen der Lidarinformationen in größeren Unterschieden zu Referenzradiosonden. Die Datenabdeckung der kompletten Lidarprofile von 17 % während der zweimonatigen Kampagne wird durch Anwendung des Retrievals auf 60 % signifikant erhöht. Da die relative Feuchte oft mals ein nützliches Maß für die Beschreibung von Wolkenbildung und Aerosolwachstum ist, wird die Bestimmung der relativen Feuchte aus den abgeleiteten Profilen unter verschiedenen Temperaturannahmen behandelt. Die Annahme eines Temperaturprofils vom Mikrowellenradiometer resultiert in einem absoluten Bias von 4.7 g/kg . Weiterhin wird in der Arbeit die flexible und vielfältige Anwendung des Retrievals an verschiedenen Messstationen in Jülich, Lindenberg und auf dem Forschungsschiff Polarstern sowie unterschiedlichen Ramanlidargeräten und Mikrowellenradiometern präsentiert. Ein besonders hervorzuhebender positiver Aspekt der Arbeit ist die Implementierung des Retrievals in die Cloudnet-Prozessierung, welche die Untersuchung von Wolken und Niederschlag bereichert. Die gewonnenen Profile werden außerdem für eine Evaluierung des Klima- und Vorhersagemodells ICON verwendet.

Die hohe raumzeitliche Variabilität von konvektiven Wolken hat erhebliche Auswirkungen auf die Quantifizierung des Wolkenstrahlungseffektes. Da konvektive Wolken in atmosphärischen Modellen üblicherweise parametrisiert werden müssen, sind Beobachtungsdaten notwendig, um deren Variabilität sowie Modellunsicherheiten zu quantifizieren. Das Ziel der vorliegenden Dissertation ist die Charakterisierung der raumzeitlichen Variabilität von warmen konvektiven Wolkenfeldern mithilfe von Meteosat Beobachtungen sowie deren Anwendbarkeit für die Modellevaluierung. Verschiedene Metriken wurden untersucht, um Unsicherheiten in Modell- und Satellitendaten sowie ihre Limitierungen zu quantifizieren. Mithilfe des hochaufgelösten sichtbaren (HRV) Kanals von Meteosat wurde eine Wolkenmaske entwickelt, welche mit 1×2 km² die Auflösung der operationellen Wolkenmaske von 3×6 km² deutlich übertrifft. Diese ermöglicht eine verbesserte Charakterisierung von kleinskaligen Wolken und bietet eine wichtige Grundlage für die Weiterentwicklung von satellitengestützten Wolkenalgorithmen. Für die Untersuchung der Lebenszyklen konvektiver Wolkenfelder wurde ein Tracking-Algorithmus entwickelt. Die raumzeitliche Entwicklung des Flüssigwasserpfads (LWP) wurde sowohl in einer Eulerschen Betrachtungsweise als auch entlang Lagrange’scher Trajektorien analysiert. Für die Wolkenfelder ergab sich eine charakteristische Längenskala von 7 km. Als Maß für die Wolkenlebenszeit ergab sich eine Lagrange’sche Dekorrelationszeit von 31 min. Unter Berücksichtigung des HRV Kanals verringern sich die Dekorrelationsskalen signifikant, was auf eine Sensitivität gegenüber der räumlichen Auflösung hindeutet. Für eine Quantifizierung dieser Sensitivität wurden Simulationen des ICON-LEM Modells mit einer Auflösung von bis zu 156 m berücksichtigt. Verbunden mit einem zwei- bis vierfach geringeren konvektiven Bedeckungsgrad besitzen die simulierten Wolken bei dieser hohen Auflösung deutlich größere LWP Werte. Diese Unterschiede verschwinden im Wesentlichen, wenn die simulierten Wolkenfelder auf die optische Auflösung von Meteosat gemittelt werden. Die Verteilungen der Wolkengrößen zeigen einen deutlichen Abfall für Größen unterhalb der 8- bis 10-fachen Modellauflösung, was der effektive Auflösung des Modells entspricht. Dies impliziert, dass eine noch höhere Auflösung wünschenswert wäre, damit mit ICON-LEM Wolkenprozesse unterhalb der 1 km-Skala realistisch simuliert werden können. Diese Skala wird zukünftig erfreulicherweise vom Meteosat der dritten Generation abgedeckt. Dies wird ein entscheidender Schritt für ein verbessertes Verständnis von kleinskaligen Wolkeneffekten sowie für die Parametrisierung von Konvektion in NWP und Klimamodellen sein.

Die Kryosphäre mit ihren großen Eisschilden und Gletschergebieten unterliegt seit einigen Jahrzehnten rasanten Veränderungen, deren Bestimmung überhaupt erst durch satellitengestützte Fernerkundungsmethoden ermöglicht wurde. Insbesondere die dynamischen Ausflussgletscher im Randbereich des Grönländischen Eisschildes verlieren an Eisdicke, ziehen sich zurück und zeigen eine beschleunigte Eisbewegung. Diese Arbeit widmet sich der Erstellung eines modular aufgebauten Monitoring-Systems zur überwiegend automatischen Bestimmung der Fließgeschwindigkeit und der Frontlage von Ausflussgletschern mit Hilfe von Landsat-Aufnahmen. Die frei verfügbaren Satellitendaten der Landsat-Mission sind dafür besonders geeignet, da sie nicht nur einen Beobachtungszeitraum von mehr als 40 Jahren umfassen, sondern nahezu im gesamten Bereich des Grönländischen Eisschildes mit einer hohen zeitlichen Auflösung vorliegen. Durch die Kombination unterschiedlicher Bildzuordnungsverfahren wurden flächendeckende Fließgeschwindigkeitsfelder der Ausflussgletscher bestimmt. Neben einem verbesserten Verfahren zur Ausreißerfilterung in den bestimmten Fließgeschwindigkeitsfeldern wurde ein automatisches Verfahren zur Steigerung der Koregistrierungsgenauigkeit entwickelt. Dies beinhaltet u. a. die Verbesserung der Orthorektifizierung mit Hilfe eines aus ASTER-Daten (Advanced Spaceborne Thermal Emission and Reflection Radiometer) erstellten, hochauflösenden Geländemodells. Die Geschwindigkeitsfelder wurden weiterhin um das den Geschwindigkeitsfeldern überlagerte Streifenmuster korrigiert, das durch die leicht zueinander verschobenen Scanzeilen in den Landsat-7-Aufnahmen ohne Scanzeilenkorrektur verursacht wurde. Neben der Bestimmung von Fließgeschwindigkeitsfeldern wurden zwei Verfahren zur Ableitung von Gletscherfrontlagen entwickelt. Der Fokus lag dabei auf der Bestimmung von Frontlagen in Eisfjorden, in denen Standardverfahren zur Gletscherflächenkartierung nur eingeschränkt nutzbar sind. Das erste Verfahren ermittelt die Gletscherfront anhand der Grauwertverteilung entlang mehrerer paralleler Profile, die im Übergangsbereich zwischen Eisfjord und Gletscherbereich liegen. Aus diesen Frontpositionen kann anschließend das Polygon der Gletscherfront vektorisiert werden. Das zweite Verfahren verfolgt einen Ansatz der überwachten Klassifikation, bei dem mit Hilfe von statistischen Texturmerkmalen die Segmentierung von Gletscherflächen erfolgt. Eine nahezu vollständige Auswertung aller verfügbaren Satellitendaten des Landsat-Archivs wurde für den Randbereich des Grönländischen Eisschildes durchgeführt. Auf einer Fläche von etwa 500000 km² wurden für 302 Gletscher Fließgeschwindigkeitsfelder bestimmt. Die überwiegend im Zeitraum 1999 bis 2012 vorliegenden Geschwindigkeitsfelder besitzen eine räumliche Auflösung von 300m x300m. Für etwa ein Drittel dieser Gletscher wurden über den gesamten Landsat-Missionszeitraum von 1972 bis 2012 zusätzlich auch die zeitlichen Änderungen der Frontlage ermittelt. Aus diesen Ergebnissen lassen sich sowohl der Langzeittrend als auch die saisonalen Variationen der Fließgeschwindigkeit und die Lage der Gletscherfront ableiten. Generell zeigen die Gletscher in Zentralwest-, Nordwest- und Südost-Grönland nicht nur höhere Fließgeschwindigkeiten im Vergleich mit den Gletschern in anderen Regionen Grönlands, sondern weisen oft auch ein deutlich beschleunigtes Fließverhalten auf. Die seit 1999 größten Veränderungen wurden am Jakobshavn Isbræ und am Upernavik Isstrøm im Westen sowie an einem Ausflussgletscher in der Køge Bugt im Südosten Grönlands beobachtet. Diese Gletscher zeigen einen jährlichen Geschwindigkeitsanstieg von mehr als 0,9 m/Tag. Neben den beobachteten Geschwindigkeitsänderungen ist häufig auch eine Variation der Frontlage zu beobachten. Gewöhnlich ist eine Beschleunigung des Gletschers mit einem Frontrückzug verbunden. Darüber hinaus weist ein Großteil der Gletscher eine ausgeprägte saisonale Variabilität ihrer Fließgeschwindigkeit und ihrer Frontlage auf. Die über mehrere Jahrzehnte vorliegende Zeitreihe der bestimmten Fließgeschwindigkeiten ermöglicht im Besonderen die Detektion und die Untersuchung des zeitlichen Verlaufs von Surge-Ereignissen.

Following the hierarchical nature of forest resource management, the present work focuses on the natural forest cover at various abstraction levels of details, i.e. categorical land use/land cover (LU/LC) level and a continuous empirical estimation of local operational level. As no single sensor presently covers absolutely all the requirements of the entire levels of forest resource assessment, multisource imagery (i.e. RapidEye, TERRA ASTER and LANDSAT TM), in addition to other data and knowledge have been examined. To deal with this structure, an object-based image analysis (OBIA) approach has been assessed in the destabilized Blue Nile region of Sudan as a potential solution to gather the required information for future forest planning and decision making. Moreover, the spatial heterogeneity as well as the rapid changes observed in the region motivates the inspection for more efficient, flexible and accurate methods to update the desired information. An OBIA approach has been proposed as an alternative analysis framework that can mitigate the deficiency associated with the pixel-based approach. In this sense, the study examines the most popular pixel-based maximum likelihood classifier, as an example of the behavior of spectral classifier toward respective data and regional specifics. In contrast, the OBIA approach analyzes remotely sensed data by incorporating expert analyst knowledge and complimentary ancillary data in a way that somehow simulates human intelligence for image interpretation based on the real-world representation of the features. As the segment is the basic processing unit, various combinations of segmentation criteria were tested to separate similar spectral values into groups of relatively homogeneous pixels. At the categorical subtraction level, rules were developed and optimum features were extracted for each particular class. Two methods were allocated (i.e. Rule Based (RB) and Nearest Neighbour (NN) Classifier) to assign segmented objects to their corresponding classes. Moreover, the study attempts to answer the questions whether OBIA is inherently more precise at fine spatial resolution than at coarser resolution, and how both pixel-based and OBIA approaches can be compared regarding relative accuracy in function of spatial resolution. As anticipated, this work emphasizes that the OBIA approach is can be proposed as an advanced solution particulary for high resolution imagery, since the accuracies were improved at the different scales applied compare with those of pixel-based approach. Meanwhile, the results achieved by the two approaches are consistently high at a finer RapidEye spatial resolution, and much significantly enhanced with OBIA. Since the change in LU/LC is rapid and the region is heterogeneous as well as the data vary regarding the date of acquisition and data source, this motivated the implementation of post-classification change detection rather than radiometric transformation methods. Based on thematic LU/LC maps, series of optimized algorithms have been developed to depict the dynamics in LU/LC entities. Therefore, detailed change “from-to” information classes as well as changes statistics were produced. Furthermore, the produced change maps were assessed, which reveals that the accuracy of the change maps is consistently high. Aggregated to the community-level, social survey of household data provides a comprehensive perspective additionally to EO data. The predetermined hot spots of degraded and successfully recovered areas were investigated. Thus, the study utilized a well-designed questionnaire to address the factors affecting land-cover dynamics and the possible solutions based on local community's perception. At the operational structural forest stand level, the rationale for incorporating these analyses are to offer a semi-automatic OBIA metrics estimates from which forest attribute is acquired through automated segmentation algorithms at the level of delineated tree crowns or clusters of crowns. Correlation and regression analyses were applied to identify the relations between a wide range of spectral and textural metrics and the field derived forest attributes. The acquired results from the OBIA framework reveal strong relationships and precise estimates. Furthermore, the best fitted models were cross-validated with an independent set of field samples, which revealed a high degree of precision. An important question is how the spatial resolution and spectral range used affect the quality of the developed model this was also discussed based on the different sensors examined. To conclude, the study reveals that the OBIA has proven capability as an efficient and accurate approach for gaining knowledge about the land features, whether at the operational forest structural attributes or categorical LU/LC level. Moreover, the methodological framework exhibits a potential solution to attain precise facts and figures about the change dynamics and its driving forces. / Da das Waldressourcenmanagement hierarchisch strukturiert ist, beschäftigt sich die vorliegende Arbeit mit der natürlichen Waldbedeckung auf verschiedenen Abstraktionsebenen, das heißt insbesondere mit der Ebene der kategorischen Landnutzung / Landbedeckung (LU/LC) sowie mit der kontinuierlichen empirischen Abschätzung auf lokaler operativer Ebene. Da zurzeit kein Sensor die Anforderungen aller Ebenen der Bewertung von Waldressourcen und von Multisource-Bildmaterialien (d.h. RapidEye, TERRA ASTER und LANDSAT TM) erfüllen kann, wurden zusätzlich andere Formen von Daten und Wissen untersucht und in die Arbeit mit eingebracht. Es wurde eine objekt-basierte Bildanalyse (OBIA) in einer destabilisierten Region des Blauen Nils im Sudan eingesetzt, um nach möglichen Lösungen zu suchen, erforderliche Informationen für die zukünftigen Waldplanung und die Entscheidungsfindung zu sammeln. Außerdem wurden die räumliche Heterogenität, sowie die sehr schnellen Änderungen in der Region untersucht. Dies motiviert nach effizienteren, flexibleren und genaueren Methoden zu suchen, um die gewünschten aktuellen Informationen zu erhalten. Das Konzept von OBIA wurde als Substitution-Analyse-Rahmen vorgeschlagen, um die Mängel vom früheren pixel-basierten Konzept abzumildern. In diesem Sinne untersucht die Studie die beliebtesten Maximum-Likelihood-Klassifikatoren des pixel-basierten Konzeptes als Beispiel für das Verhalten der spektralen Klassifikatoren in dem jeweiligen Datenbereich und der Region. Im Gegensatz dazu analysiert OBIA Fernerkundungsdaten durch den Einbau von Wissen des Analytikers sowie kostenlose Zusatzdaten in einer Art und Weise, die menschliche Intelligenz für die Bildinterpretation als eine reale Darstellung der Funktion simuliert. Als ein Segment einer Basisverarbeitungseinheit wurden verschiedene Kombinationen von Segmentierungskriterien getestet um ähnliche spektrale Werte in Gruppen von relativ homogenen Pixeln zu trennen. An der kategorische Subtraktionsebene wurden Regeln entwickelt und optimale Eigenschaften für jede besondere Klasse extrahiert. Zwei Verfahren (Rule Based (RB) und Nearest Neighbour (NN) Classifier) wurden zugeteilt um die segmentierten Objekte der entsprechenden Klasse zuzuweisen. Außerdem versucht die Studie die Fragen zu beantworten, ob OBIA in feiner räumlicher Auflösung grundsätzlich genauer ist als eine gröbere Auflösung, und wie beide, das pixel-basierte und das OBIA Konzept sich in einer relativen Genauigkeit als eine Funktion der räumlichen Auflösung vergleichen lassen. Diese Arbeit zeigt insbesondere, dass das OBIA Konzept eine fortschrittliche Lösung für die Bildanalyse ist, da die Genauigkeiten - an den verschiedenen Skalen angewandt - im Vergleich mit denen der Pixel-basierten Konzept verbessert wurden. Unterdessen waren die berichteten Ergebnisse der feineren räumlichen Auflösung nicht nur für die beiden Ansätze konsequent hoch, sondern durch das OBIA Konzept deutlich verbessert. Die schnellen Veränderungen und die Heterogenität der Region sowie die unterschiedliche Datenherkunft haben dazu geführt, dass die Umsetzung von Post-Klassifizierungs- Änderungserkennung besser geeignet ist als radiometrische Transformationsmethoden. Basierend auf thematische LU/LC Karten wurden Serien von optimierten Algorithmen entwickelt, um die Dynamik in LU/LC Einheiten darzustellen. Deshalb wurden für Detailänderung "von-bis"-Informationsklassen sowie Veränderungsstatistiken erstellt. Ferner wurden die erzeugten Änderungskarten bewertet, was zeigte, dass die Genauigkeit der Änderungskarten konstant hoch ist. Aggregiert auf die Gemeinde-Ebene bieten Sozialerhebungen der Haushaltsdaten eine umfassende zusätzliche Sichtweise auf die Fernerkundungsdaten. Die vorher festgelegten degradierten und erfolgreich wiederhergestellten Hot Spots wurden untersucht. Die Studie verwendet einen gut gestalteten Fragebogen um Faktoren die die Dynamik der Änderung der Landbedeckung und mögliche Lösungen, die auf der Wahrnehmung der Gemeinden basieren, anzusprechen. Auf der Ebene des operativen strukturellen Waldbestandes wird die Begründung für die Einbeziehung dieser Analysen angegeben um semi-automatische OBIA Metriken zu schätzen, die aus dem Wald-Attribut durch automatisierte Segmentierungsalgorithmen in den Baumkronen abgegrenzt oder Cluster von Kronen Ebenen erworben wird. Korrelations- und Regressionsanalysen wurden angewandt, um die Beziehungen zwischen einer Vielzahl von spektralen und strukturellen Metriken und den aus den Untersuchungsgebieten abgeleiteten Waldattributen zu identifizieren. Die Ergebnisse des OBIA Rahmens zeigen starke Beziehungen und präzise Schätzungen. Die besten Modelle waren mit einem unabhängigen Satz von kreuz-validierten Feldproben ausgestattet, welche hohe Genauigkeiten ergaben. Eine wichtige Frage ist, wie die räumliche Auflösung und die verwendete Bandbreite die Qualität der entwickelten Modelle auch auf der Grundlage der verschiedenen untersuchten Sensoren beeinflussen. Schließlich zeigt die Studie, dass OBIA in der Lage ist, als ein effizienter und genauer Ansatz Kenntnisse über die Landfunktionen zu erlangen, sei es bei operativen Attributen der Waldstruktur oder auch auf der kategorischen LU/LC Ebene. Außerdem zeigt der methodischen Rahmen eine mögliche Lösung um präzise Fakten und Zahlen über die Veränderungsdynamik und ihre Antriebskräfte zu ermitteln.

Risks and uncertainties are unavoidable in agriculture in Sudan, due to its dependence on climatic factors and to the imperfect nature of the agricultural decisions and policies attributed to land cover and land use changes that occur. The current study was conducted in the Gash Agricultural Scheme (GAS) - Kassala State, as a semi-arid land in eastern Sudan. The scheme has been established to contribute to the rural development, to help stability of the nomadic population in eastern Sudan, particularly the local population around the Gash river areas, and to facilitate utilizing the river flood in growing cotton and other cash crops. In the last decade, the scheme production has declined, because of drought periods, which hit the region, sand invasion and the spread of invasive mesquite trees, in addition to administrative negligence. These have resulted also in poor agricultural productivity and the displacement of farmers away from the scheme area. Recently, the scheme is heavily disturbed by human intervention in many aspects. Consequently, resources of cultivated land have shrunk and declined during the period of the study, which in turn have led to dissatisfaction and increasing failure of satisfying increasing farmer’s income and demand for local consumption. Remote sensing applications and geospatial techniques have played a key role in studying different types of hazards whether they are natural or manmade. Multi-temporal satellite data combined with ancillary data were used to monitor, analyze and to assess land use and land cover (LULC) changes and the impact of land degradation on the scheme production, which provides the managers and decision makers with current and improved data for the purposes of proper administration of natural resources in the GAS. Information about patterns of LULC changes through time in the GAS is not only important for the management and planning, but also for a better understanding of human dimensions of environmental changes at regional scale. This study attempts to map and assess the impacts of LULC change and land degradation in GAS during a period of 38 years from 1972-2010. Dry season multi-temporal satellite imagery collected by different sensor systems was selected such as three cloud-free Landsat (MSS 1972, TM 1987 and ETM+ 1999) and ASTER (2010) satellite imagery. This imagery was geo-referenced and radiometrically and atmospherically calibrated using dark object subtraction (DOS). Two approaches of classification (object-oriented and pixel-based) were applied for classification and comparison of LULC. In addition, the study compares between the two approaches to determine which one is more compatible for classification of LULC of the GAS. The pixel-based approach performed slightly better than the object-oriented approach in the classification of LULC in the study area. Application of multi-temporal remote sensing data proved to be successful for the identification and mapping of LULC into five main classes as follows: woodland dominated by dense mesquite trees, grass and shrubs dominated by less dense mesquite trees, bare and cultivated land, stabilized fine sand and mobile sand. After image enhancement successful classification of imagery was achieved using pixel and object based approaches as well as subsequent change detection (image differencing and change matrix), supported by classification accuracy assessments and post-classification. Comparison of LULC changes shows that the land cover of GAS has changed dramatically during the investigated period. It has been discovered that more significant of LULC change processes occurred during the second studied period (1987 to 1999) than during the first period (1972-1987). In the second period nearly half of bare and cultivated lands was changed from 41372.74 ha (20.22 %) in 1987 to 28020.80 ha (13.60 %) in 1999, which was mainly due to the drought that hit the region during the mentioned period. However, the results revealed a drastic loss of bare and cultivated land, equivalent to more than 40% during the entire period (1972-2010). Throughout the whole period of study, drought and invasion of both mesquite trees and sand were responsible for the loss of more than 40% of the total productive lands. Change vector analysis (CVA) as a useful approach was applied for estimating change detection in both magnitude and direction of change. The promising approach of multivariate alteration detection (MAD) and subsequent maximum autocorrelation factor (MAD/MAF) transformation was used to support change detection via assessment of maximum correlation between the transformed variates and the specific original image bands related to specific land cover classes. However, both CVA and MAD/MAD strongly prove the fact that bare and cultivated land have dramatically changed and decreased continuously during the studied period. Both CVA and MAD/MAD demonstrate adequate potentials for monitoring, detecting, identifying and mapping the changes. Moreover, this research demonstrated that CVA and MAD/MAF are superior in providing qualitative details about the nature of all kinds of change. Vegetation indices (VI) such as normalized difference vegetation index (NDVI), soil-adjusted vegetation index (SAVI), modified adjusted vegetation index (MSAVI) and grain soil index (GSI) were applied to measure the quantitative characterization of temporal and spatial vegetation cover patterns and change. All indices remain very sensitive to structure variation of LULC. The results reveal that the NDVI is more effective for detecting the amount and status of the vegetation cover in the study area than SAVI, MSAVI and GSI. Therefore, it can be stated that NDVI can be used as a response variable to identify drought disturbance and land degradation in semi-arid land such as the GAS area. Results of detecting vegetation cover observed by using SAVI were found to be more reasonable than using MSAVI, although MSAVI reduces the background of bare soil better than SAVI. GSI proves high efficiency in determining the different types of surface soils, and producing a change map of top soil grain size, which is useful in assessment of land degradation in the study area. The linkage between socio-economic data and remotely sensed data was applied to determine the relationships between the different factors derived and to analyze the reasons for change in LULC and land degradation and its effects in the study area. The results indicate a strong relationship between LULC derived from remotely sensed data and the influencing socioeconomic variables. The results obtained from analyzing socioeconomic data confirm the findings of remote sensing data analysis, which assure that the decline and degradation of agricultural land is a result of further spread of mesquite trees and of increased invasion of sand during the study period. High livestock density and overgrazing, drought, invasion of sand, spread of invasive mesquite trees, overexploitation of land, improper management, and population growth were considered as the main direct factors responsible for degradation in the study area.

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

Multi-temporal remotely sensed data (MSS, TM and ETM+)were used for monitoring and mapping the desertification processes in North Kordofan State, Sudan.A liear mixture model (LMM) was adopted to analyse and the desertification proccesses by using the image endmembers. interpretation of ancillary data and field observation was adopted to verfiy the role of human impacts in the temporal changes in the study area. The findings of the study proved the powerfull of remotely sensed data in monitoring and mapping the desertification processes and come out with valuable recommendations which could contribute positively in reducing desert encroachment in the area.

The gum arabic belt in Sudan plays a significant role in environmental, social and economical aspects. The belt has suffered from deforestation and degradation due to natural hazards and human activities. This research was conducted in North Kordofan State, which is affected by modifications in conditions and composition of vegetation cover trends in the gum arabic belt as in the rest of the Sahelian Sudan zone. The application of remote sensing, geographical information system and satellites imageries with multi-temporal and spatial analysis of land use land cover provides the land managers with current and improved data for the purposes of effective management of natural resources in the gum arabic belt. This research investigated the possibility of identification, monitoring and mapping of the land use land cover changes and dynamics in the gum arabic belt during the last 35 years. Also a newly approach of object-based classification was applied for image classification. Additionally, the study elaborated the integration of conventional forest inventory with satellite imagery for Acacia senegal stands. The study used imageries from different satellites (Landsat and ASTER) and multi-temporal dates (MSS 1972, TM 1985, ETM+ 1999 and ASTER 2007) acquired in dry season (November). The imageries were geo-referenced and radiometrically corrected by using ENVI-FLAASH software. Image classification (pixel-based and object-based), post-classification change detection, 2x2 and 3x3 pixel windows and accuracy assessment were applied. A total of 47 field samples were inventoried for Acacia senegal tree’s variables in Elhemmaria forest. Three areas were selected and distributed along the gum arabic belt. Regression method analysis was applied to study the relationship between forest attributes and the ASTER imagery. Application of multi-temporal remote sensing data in gum arabic belt demonstrated successfully the identification and mapping of land use land cover into five main classes. Also NDVI categorisation provided a consistent method for land use land cover stratification and mapping. Forest dominated by Acacia senegal class was separated covering an area of 21% and 24% in the year 2007 for areas A and B, respectively. The land use land cover structure in the gum arabic belt has obvious changes and reciprocal conversions between the classes indicating the trends and conditions caused by the human interventions as well as ecological impacts on Acacia senegal trees. The study revealed a drastic loss of Acacia senegal cover by 25% during the period of 1972 to 2007.The results of the study revealed to a significant correlation (p ≤ 0.05) between the ASTER bands (VNIR) and vegetation indices (NDVI, SAVI, RVI) with stand density, volume, crown area and basal area of Acacia senegal trees. The derived 2x2 and 3x3 pixel windows methods successfully extracted the spectral reflectance of Acacia senegal trees from ASTER imagery. Four equations were developed and could be widely used and applied for monitoring the stand density, volume, basal area and crown area of Acacia senegal trees in the gum arabic belt considering the similarity between the selected areas. The pixel-based approach performed slightly better than the object-based approach in land use land cover classification in the gum arabic belt. The study come out with some valuable recommendations and comments which could contribute positively in using remotely sensed imagery and GIS techniques to explore management tools of Acacia senegal stands in order to maintain the tree component in the farming and the land use systems in the gum arabic belt.

Die Steppen Kasachstans haben seit dem Zusammenbruch der Sowjetunion einen tiefgreifenden Wandel erfahren. Insbesondere die Veränderung der Landnutzung, welche traditionell von der Acker- und Weidenutzung geprägt ist, sowie die daraus resultierenden Effekte auf das Feuerregime sind aktuell noch nicht ausreichend verstanden. Das Hauptziel dieser Dissertation besteht daher in der Kartierung und Analyse der Veränderungen im Mensch-Umweltsystem des nördlichen Kasachstans seit den 1980er Jahren. Ein auf jährlichen Landsat-Zeitreihen basierender Ansatz wurde entwickelt, um den Zeitpunkt der Aufgabe und Rekultivierung von landwirtschaftlichen Flächen mit hoher räumlicher und zeitlicher Auflösung zu dokumentieren. Dieser Datensatz ermöglichte z.B. die Schätzung des Anteils organischer Kohlenstoffbindungen im Boden auf Basis der Nutzungsgeschichte der letzten Jahrzehnte. Eine Kartierung der Änderungen im Feuerregime zeigte eine siebenfache Zunahme an verbrannter Fläche und eine Verachtfachung von Bränden innerhalb des Untersuchungszeitraumes. Sowohl landwirtschaftliche Feuer als auch die Landaufgabe waren mit einem erhöhten Brandrisiko assoziiert. Darüber hinaus wurde mithilfe von Spektralindizes und einem Random Forest Modell quantifiziert, wie sich der Beweidungsdruck nach dem Zerfall der Sowjetunion verändert hat. Die Analyse ergab einen Rückgang des Beweidungsdrucks in der kasachischen Steppe nach 1992, meist in der Nähe von aufgegebenen Nutzviehhaltestationen. In dieser Dissertation konnte gezeigt werden, wie Landsat-Zeitreihen genutzt werden können, um den Einfluss von Landnutzungsänderungen auf die Ökologie von Steppen besser zu verstehen. Die entwickelten Datensätze ermöglichen es, die Prozesse, die zur Landaufgabe und den damit zusammenhängenden Auswirkungen auf die kasachische Steppe führten, zu entwirren und können zur Entscheidungsfindung in der Landnutzungs- und Naturschutzplanung verwendet werden. / The steppes of Kazakhstan are one of the world regions that experienced massive changes in land-use intensity and widespread land-use change after the breakdown of the Soviet Union. Cropping and grazing regime changes across the steppes of Kazakhstan are understudied, and related spatio-temporal changes, e.g. in fire regimes, are still poorly understood. The main research goal of this thesis was to develop a methodology to map related change at appropriate scales and to provide novel datasets to enhance our understanding of how the coupled human-environment in Northern Kazakhstan has changed since the 1980s. An approach was developed to identify the timing of post-Soviet cropland abandonment and recultivation in northern Kazakhstan. Knowing the timing of abandonment allowed for deeper insights into what drives these dynamics: for example, recultivation after 2007 happened mainly on land that had been abandoned latest. Knowing the timing of abandonment allowed for substantially more precise estimates of soil organic carbon sequestration. Mapping changes in fire regimes highlighted a sevenfold increase in burnt area and an eightfold increase in number of fires after the breakdown of the Soviet Union. Agricultural burning and abandonment were associated with increased fire risk. Grazing probabilities, derived from Landsat using a random forest, were found to provide the best metrics to capture grazing pressure. The analysis revealed a general decline in grazing pressure in the Kazakh steppe after 1992, especially near abandoned livestock stations. Collectively, the dissertation highlights how dense records of Landsat images can be utilized to better understand land use changes and the ecology of steppes across large areas. The datasets developed within this thesis allow to disentangle the processes leading to and the impacts of agricultural abandonment in the temperate Kazakh steppes, and may be used to support decision-making in land-use and conservation planning.

There has been an increasing need for methods to define priority areas for biodiversity conservation since the effectiveness of biodiversity conservation in protected areas planning depends on available resources (human resources and funds) for the conservation. The identification of priority areas requires the integration of biodiversity data together with social data on human pressures and responses. However, the deficit of comprehensive data and reliable methods are key challenges in zoning where the demand for conservation is most urgent and where the outcomes of conservation strategies can be maximized. In order to fill this gap, the environmental model Pressure–State–Response (PSR) was applied to suggest a set of criteria to identify priority areas for biodiversity conservation. The empirical data have been compiled from 185 respondents, categorizing into three main groups: Governmental Administration, Research Institutions, and Protected Areas in Vietnam, by using a well-designed questionnaire. Then, the Analytic Hierarchy Process (AHP) theory was used to identify the weight of all criteria. These results show that three main factors could identify the priority level for biodiversity conservation: Pressure, State, and Response, with weights of 41%, 26%, and 33%, respectively. Based on the three factors, seven criteria and 17 sub-criteria were developed to determine priority areas for biodiversity conservation. In addition, this study also indicates that the groups of Governmental Administration and Protected Areas put a focus on the “Pressure” factor while the group of Research Institutions emphasized the importance of the “Response” factor in the evaluation process. Then these suggested criteria were applied by integrating with Geographic Information System (GIS) and Remote Sensing (RS) to define priority areas for biodiversity conservation in a particular conservation area (Pu Luong-Cuc Phuong area) in Vietnam. The results also reveal the proportion of very high and high priority areas, accounting for 84.9%, 96%, and 65.9% for Cuc Phuong National Park, Pu Luong Nature Reserve, and Ngoc Son Ngo Luong Nature Reserve, respectively. Based on these results, recommendations were provided to apply the developed criteria for identifying priority areas for biodiversity conservation in Vietnam.:Acknowledgement I Abstract III Table of contents IV List of figures VI List of tables X Acronyms and Abbreviations XII Chapter 1. Introduction 1 1.1. Problem statement and motivation 1 1.2. Research objectives and questions 2 1.3. Study contribution 3 1.4. Thesis structure 6 Chapter 2. Literature review 8 2.1. Background information on Vietnam 8 2.2. Environmental Pressure-State-Response model 11 2.3. Defining criteria for biodiversity conservation 13 2.4. Application of GIS and RS for biodiversity conservation 16 Chapter 3. Research methodology 19 3.1. Study areas 19 3.2. Data collection 23 3.3. Analytic Hierarchy Process 25 3.4. Remote Sensing 27 3.5. Geography Information System 35 3.6. Climate change scenarios 40 Chapter 4. Establishment of criteria 42 4.1. Summary of responses 44 4.2. Statistic of pairwise comparison 46 4.3. Weights of criteria based on all respondents 48 4.4. Weights of criteria based on groups 60 Chapter 5. Application of Criteria 64 5.1. Mapping criteria 64 5.2. Synthesis of multiple criteria 144 Chapter 6. Conclusions and recommendations 158 6.1. Establishment of criteria 158 6.2. Application of criteria 161 6.3. Recommendations 165 References 167 Appendix I. Questionnaire 197 Appendix II. Establishment of criteria 207 Appendix III. Application of criteria 234