No description available.

Submitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2016-06-09T17:37:52Z No. of bitstreams: 2 Tese - Marcos Vinícius Lopes - 2016.pdf: 7361549 bytes, checksum: 7691bd988a17fa6c9a4600fe56f7e06a (MD5) license_rdf: 19874 bytes, checksum: 38cb62ef53e6f513db2fb7e337df6485 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-06-10T11:36:37Z (GMT) No. of bitstreams: 2 Tese - Marcos Vinícius Lopes - 2016.pdf: 7361549 bytes, checksum: 7691bd988a17fa6c9a4600fe56f7e06a (MD5) license_rdf: 19874 bytes, checksum: 38cb62ef53e6f513db2fb7e337df6485 (MD5) / Made available in DSpace on 2016-06-10T11:36:37Z (GMT). No. of bitstreams: 2 Tese - Marcos Vinícius Lopes - 2016.pdf: 7361549 bytes, checksum: 7691bd988a17fa6c9a4600fe56f7e06a (MD5) license_rdf: 19874 bytes, checksum: 38cb62ef53e6f513db2fb7e337df6485 (MD5) Previous issue date: 2016-03-29 / The world population recently surpassed the amount of 7 billion people. The Food and Agriculture Organization, FAO, reported that there is more than 1 billion people on the map of global hunger. Increase food production, reduce poverty and hunger, combined with local, regional and global environmental problems, it has been the major challenges for global managers. It is in this context that the present tropical savannas as potential producers and providers, specially of food to meet these demands for proteins, grains, fiber and energy for the entire globe. The Cerrado, second Brazilian biome in area, is the Brazilian savannah, which holds a large and rich biodiversity. Over the last fifty years, the process of land use and cover changes brought about profound changes in the Cerrado, especially in the vast, flat areas of the State of Goiás. Group study and research of the phenomenon of land-use land cover change and they are developing research in various regions and continents of the world with the use of mathematical / statistical modeling and logistic regressions in urban and rural areas. Model such phenomena helps to outline scenarios for the optimization of food production, safeguarding the natural areas remaining. This paper presents the development of research and creation of the possibility of conversion to the Agriculture Index (IPCA). This index, based on logistic regression, seeks to establish patterns in the occurrence of the expansion of the agricultural frontier in the Cerrado Goiano. The results of this research demonstrate that allowed the construction of models to assess use change processes and land cover is fully feasible. Although it was not possible the ranking of variables, drivers in degree of importance, it was possible to establish the top 25 attributes in the agricultural expansion process in the cut of the study. The IPCA has measured that maintaining the current agricultural expansion characteristics in the last 12 years, there are more than 58,790 km2 (~ 17.3% of the territory of Goiás) able to be converted to the practice of agriculture. This increase would represent more than double the area devoted to agricultural use in the State of Goias under the criteria of IPCA. This construction requires the knowledge in several areas, since it requires a transdisciplinary approach to the problem to understand its complexity, in order to identify the variables, drivers who run and provide the alteration processes of land use, to enable the instrument to assist and support managers,public and private, in decision-making with regard to this important Brazilian biome. / A população mundial ultrapassou recentemente a quantia de 7 bilhões de habitantes. A Organização das Nações Unidas para Alimentação e Agricultura, FAO, divulgou que há mais de 1 bilhão de pessoas no mapa da fome global. Aumentar a produção de alimentos, diminuir a miséria e a fome, aliados aos problemas ambientais locais, regionais e globais, tem sido os grandes desafios para os gestores mundiais. É nesse contexto que se apresentam as savanas tropicais como potenciais produtoras e provedoras de alimentos para satisfazer essas demandas por proteínas, grãos, fibras e energia para todo o globo terrestre. O Cerrado, segundo Bioma brasileiro em área, é a savana brasileira, detentora de uma grande e rica biodiversidade. Nos últimos cinquenta anos, o processo de mudanças do uso e cobertura da terra provocou profundas mudanças no Bioma Cerrado, em especial nas vastas e planas regiões do Estado de Goiás. Grupos de estudo e pesquisa do fenômeno das mudanças de uso e cobertura da terra vêm desenvolvendo pesquisas em várias regiões e continentes do mundo com o uso da modelagem matemático/estatística e de regressões logísticas em áreas urbanas e rurais. Modelar tais fenômenos ajuda a traçar cenários para a otimização da produção de alimentos, salvaguardando as áreas de remanescentes naturais. O presente trabalho apresenta a pesquisa de desenvolvimento e criação do Índice de Possibilidade de Conversão à Agricultura (IPCA). Esse índice, baseado na regressão logística, procura estabelecer os padrões na ocorrência da expansão da fronteira agrícola no Cerrado goiano. Os resultados obtidos com esta pesquisa permitiram demonstrar que a construção de modelos para aferir processos de mudanças de uso e cobertura da terra é plenamente factível. Apesar de não ter sido possível o ranqueamento das variáveis, drivers, em grau de importância, foi possível estabelecer os 25 principais atributos no processo de expansão agrícola no recorte do estudo. O IPCA aferiu que, mantendo-se as atuais características de expansão da agricultura, existem mais de 58.790 km2 (~ 17,3% do território goiano) possíveis de serem convertidos para a prática da agricultura. Este acréscimo representaria mais do que dobrar a área dedicada ao uso agrícola no Estado de Goiás sob os critérios do IPCA. A construção de modelos demanda o conhecimento em várias áreas, uma vez que exige uma visão transdisciplinar do problema para entender sua complexidade. O índice demonstrou ser um instrumento prático na tarefa de auxiliar e subsidiar os gestores, públicos e privados, nas tomadas de decisão no que se refere a este importante Bioma brasileiro.

<p>Examinator Professor Peter Jansson, Institutionen för naturgeografi</p> / Research school for teachers on climate and environment grant 2017-06037

La texture est un élément clé pour l’interprétation des images de télédétection à fine résolution spatiale. L’intégration de l’information texturale dans un processus de classification automatisée des images se fait habituellement via des images de texture, souvent créées par le calcul de matrices de co-occurrences (MCO) des niveaux de gris. Une MCO est un histogramme des fréquences d’occurrence des paires de valeurs de pixels présentes dans les fenêtres locales, associées à tous les pixels de l’image utilisée; une paire de pixels étant définie selon un pas et une orientation donnés. Les MCO permettent le calcul de plus d’une dizaine de paramètres décrivant, de diverses manières, la distribution des fréquences, créant ainsi autant d’images texturales distinctes. L’approche de mesure des textures par MCO a été appliquée principalement sur des images de télédétection monochromes (ex. images panchromatiques, images radar monofréquence et monopolarisation). En imagerie multispectrale, une unique bande spectrale, parmi celles disponibles, est habituellement choisie pour générer des images de texture. La question que nous avons posée dans cette recherche concerne justement cette utilisation restreinte de l’information texturale dans le cas des images multispectrales. En fait, l’effet visuel d’une texture est créé, non seulement par l’agencement particulier d’objets/pixels de brillance différente, mais aussi de couleur différente. Plusieurs façons sont proposées dans la littérature pour introduire cette idée de la texture à plusieurs dimensions. Parmi celles-ci, deux en particulier nous ont intéressés dans cette recherche. La première façon fait appel aux MCO calculées bande par bande spectrale et la seconde utilise les MCO généralisées impliquant deux bandes spectrales à la fois. Dans ce dernier cas, le procédé consiste en le calcul des fréquences d’occurrence des paires de valeurs dans deux bandes spectrales différentes. Cela permet, en un seul traitement, la prise en compte dans une large mesure de la « couleur » des éléments de texture. Ces deux approches font partie des techniques dites intégratives. Pour les distinguer, nous les avons appelées dans cet ouvrage respectivement « textures grises » et « textures couleurs ». Notre recherche se présente donc comme une analyse comparative des possibilités offertes par l’application de ces deux types de signatures texturales dans le cas spécifique d’une cartographie automatisée des occupations de sol à partir d’une image multispectrale. Une signature texturale d’un objet ou d’une classe d’objets, par analogie aux signatures spectrales, est constituée d’une série de paramètres de texture mesurés sur une bande spectrale à la fois (textures grises) ou une paire de bandes spectrales à la fois (textures couleurs). Cette recherche visait non seulement à comparer les deux approches intégratives, mais aussi à identifier la composition des signatures texturales des classes d’occupation du sol favorisant leur différentiation : type de paramètres de texture / taille de la fenêtre de calcul / bandes spectrales ou combinaisons de bandes spectrales. Pour ce faire, nous avons choisi un site à l’intérieur du territoire de la Communauté Métropolitaine de Montréal (Longueuil) composé d’une mosaïque d’occupations du sol, caractéristique d’une zone semi urbaine (résidentiel, industriel/commercial, boisés, agriculture, plans d’eau…). Une image du satellite SPOT-5 (4 bandes spectrales) de 10 m de résolution spatiale a été utilisée dans cette recherche. Puisqu’une infinité d’images de texture peuvent être créées en faisant varier les paramètres de calcul des MCO et afin de mieux circonscrire notre problème nous avons décidé, en tenant compte des études publiées dans ce domaine : a) de faire varier la fenêtre de calcul de 3*3 pixels à 21*21 pixels tout en fixant le pas et l’orientation pour former les paires de pixels à (1,1), c'est-à-dire à un pas d’un pixel et une orientation de 135°; b) de limiter les analyses des MCO à huit paramètres de texture (contraste, corrélation, écart-type, énergie, entropie, homogénéité, moyenne, probabilité maximale), qui sont tous calculables par la méthode rapide de Unser, une approximation des matrices de co-occurrences, c) de former les deux signatures texturales par le même nombre d’éléments choisis d’après une analyse de la séparabilité (distance de Bhattacharya) des classes d’occupation du sol; et d) d’analyser les résultats de classification (matrices de confusion, exactitudes, coefficients Kappa) par maximum de vraisemblance pour conclure sur le potentiel des deux approches intégratives; les classes d’occupation du sol à reconnaître étaient : résidentielle basse et haute densité, commerciale/industrielle, agricole, boisés, surfaces gazonnées (incluant les golfs) et plans d’eau. Nos principales conclusions sont les suivantes a) à l’exception de la probabilité maximale, tous les autres paramètres de texture sont utiles dans la formation des signatures texturales; moyenne et écart type sont les plus utiles dans la formation des textures grises tandis que contraste et corrélation, dans le cas des textures couleurs, b) l’exactitude globale de la classification atteint un score acceptable (85%) seulement dans le cas des signatures texturales couleurs; c’est une amélioration importante par rapport aux classifications basées uniquement sur les signatures spectrales des classes d’occupation du sol dont le score est souvent situé aux alentours de 75%; ce score est atteint avec des fenêtres de calcul aux alentours de11*11 à 15*15 pixels; c) Les signatures texturales couleurs offrant des scores supérieurs à ceux obtenus avec les signatures grises de 5% à 10%; et ce avec des petites fenêtres de calcul (5*5, 7*7 et occasionnellement 9*9) d) Pour plusieurs classes d’occupation du sol prises individuellement, l’exactitude dépasse les 90% pour les deux types de signatures texturales; e) une seule classe est mieux séparable du reste par les textures grises, celle de l’agricole; f) les classes créant beaucoup de confusions, ce qui explique en grande partie le score global de la classification de 85%, sont les deux classes du résidentiel (haute et basse densité). En conclusion, nous pouvons dire que l’approche intégrative par textures couleurs d’une image multispectrale de 10 m de résolution spatiale offre un plus grand potentiel pour la cartographie des occupations du sol que l’approche intégrative par textures grises. Pour plusieurs classes d’occupations du sol un gain appréciable en temps de calcul des paramètres de texture peut être obtenu par l’utilisation des petites fenêtres de traitement. Des améliorations importantes sont escomptées pour atteindre des exactitudes de classification de 90% et plus par l’utilisation des fenêtres de calcul de taille variable adaptées à chaque type d’occupation du sol. Une méthode de classification hiérarchique pourrait être alors utilisée afin de séparer les classes recherchées une à la fois par rapport au reste au lieu d’une classification globale où l’intégration des paramètres calculés avec des fenêtres de taille variable conduirait inévitablement à des confusions entre classes. / Texture is a key element in interpreting remotely sensed images of fine spatial resolution. The integration of textural information in an automatic image-classification process is usually done via textural images, which are often created by calculating gray levels co-occurrences matrices (COM). A COM is a histogram of frequencies of pairs of pixel values present in local windows associated with all pixels in the used image; each pixel pair being formed using a given orientation and spacing. COM allows calculation for more than a dozen of parameters describing in various ways the frequency distribution, creating thus as many different textural images. Texture measurements approach based on COMs had been mainly applied on monochrome images (e.g. panchromatic, single polarisation and frequency radar images). In the case of multispectral images, a single spectral band, among those available, is usually chosen to generate texture images. The question we asked in this research concerns precisely this limited use of textural information in the case of multispectral images. In fact, the visual effect of a texture is created, not only by the spatial arrangement of variable objects/pixels brightness, but also of different colors. Several ways are suggested in the literature to introduce this concept of multi-dimensional texture. In this research, two of them were of particularly interested us. In the first way COMs are calculated spectral band by band and in the second one, generalized COMs are applied involving the joint use of two spectral bands. In the latter case, the pairs of pixel values are defined in two different spectral bands. This allows, in a single treatment, for a broad accounting of the "color" element composing a texture. These two approaches are called integrative techniques. To distinguish them, we call them respectively “gray textures” and “color textures”. Our research concerns the comparative analysis of the opportunities offered by applying these two types of textural signatures in the specific case of an automated land cover mapping using multispectral images. A textural signature of an object or class of objects, by analogy to spectral signatures, consists in a set of texture parameters measured; band by band (grey textures), or by pairs of bands (color textures).This research was designed not only to compare the two integrative approaches, but also to identify the components of textural signatures favouring the differentiation of land cover classes: texture parameters, window sizes and bands selection. To do this, a site within the territory of the Montreal Metropolitan Community (Longueuil) was chosen with a diversity of land covers representative of a semi-urban area. (residential, industrial / commercial, woodlots , agriculture, water bodies…). A SPOT-5 (4 spectral bands) image of 10m spatial resolution was used in this research. Since an infinite number of texture images can be created by varying the design parameters of COM, and to better define our problem, we have decided, taking into account studies published in this field: a) to vary the computation window from 3*3 to 21*21 pixels while setting the pixel spacing and direction to (1,1); that is to say, an spacing of 1 and an orientation of 135 ° between pairs of pixels. b) limit the COM analysis to eight texture parameters (contrast, correlation, standard deviation, energy, entropy, homogeneity, average, maximum probability), all of which are computable by the Unser’s fast-COM-approximation method, c) form the two textural signatures by the same number of elements chosen from a separability analysis (Bhattacharya distance) between land cover classes, and d) analyse the results (confusion matrices, accuracies, kappa) obtained using a maximum likelihood classification algorithm to conclude on the potential of both integrative approaches; classes to be recognized included: low and high density residential, commercial / industrial, agricultural, woodlots, turf (including golf) water bodies, clouds and their shadows. Our main conclusions are as follows a) except maximum probability, all other textural parameters are useful in the formation of textural signatures; mean and standard deviation are most useful in the formation of gray textures while contrast and correlation, are the best in the case of color textures b) the overall classification accuracy achieved an acceptable score (85%), only in the case of color textural signatures. This is a significant improvement compared to classifications based solely on spectral signatures, whose accuracies are often situated around 75%. This score is reached with windows size from about 11*11 to 15 * 15 pixels, c) Textural colors signatures offer higher scores, ranging from 5% to 10%, than those obtained by gray signatures. This is true while using the smaller process windows (5*5, 7*7, and occasionally 9*9) d) For several land cover classes examined individually, the accuracy is above 90% regardless of the used textural signatures e) Only one class is better separated from the rest by gray textures, the agricultural one; f) Classes creating a lot of confusion, which largely explains the overall classification score of 85 %, are the two residential classes (high and low density). As a final conclusion, we can say that the integrative approach by color textures provides a greater potential for mapping land covers using multispectral images than the integrative approach by gray textures. For several land cover classes an appreciable gain computing time of textural parameters may be obtained using smaller size windows. Significant improvements of the classification results (even better than 90%) are expected using calculation windows with sizes better adapted to each classes particular texture characteristics, A hierarchical classification method could then be used to separate each class at a time from all others, instead of a broad classification where the integration of parameters calculated with varying size windows, would inevitably lead to confusion between classes.

La texture est un élément clé pour l’interprétation des images de télédétection à fine résolution spatiale. L’intégration de l’information texturale dans un processus de classification automatisée des images se fait habituellement via des images de texture, souvent créées par le calcul de matrices de co-occurrences (MCO) des niveaux de gris. Une MCO est un histogramme des fréquences d’occurrence des paires de valeurs de pixels présentes dans les fenêtres locales, associées à tous les pixels de l’image utilisée; une paire de pixels étant définie selon un pas et une orientation donnés. Les MCO permettent le calcul de plus d’une dizaine de paramètres décrivant, de diverses manières, la distribution des fréquences, créant ainsi autant d’images texturales distinctes. L’approche de mesure des textures par MCO a été appliquée principalement sur des images de télédétection monochromes (ex. images panchromatiques, images radar monofréquence et monopolarisation). En imagerie multispectrale, une unique bande spectrale, parmi celles disponibles, est habituellement choisie pour générer des images de texture. La question que nous avons posée dans cette recherche concerne justement cette utilisation restreinte de l’information texturale dans le cas des images multispectrales. En fait, l’effet visuel d’une texture est créé, non seulement par l’agencement particulier d’objets/pixels de brillance différente, mais aussi de couleur différente. Plusieurs façons sont proposées dans la littérature pour introduire cette idée de la texture à plusieurs dimensions. Parmi celles-ci, deux en particulier nous ont intéressés dans cette recherche. La première façon fait appel aux MCO calculées bande par bande spectrale et la seconde utilise les MCO généralisées impliquant deux bandes spectrales à la fois. Dans ce dernier cas, le procédé consiste en le calcul des fréquences d’occurrence des paires de valeurs dans deux bandes spectrales différentes. Cela permet, en un seul traitement, la prise en compte dans une large mesure de la « couleur » des éléments de texture. Ces deux approches font partie des techniques dites intégratives. Pour les distinguer, nous les avons appelées dans cet ouvrage respectivement « textures grises » et « textures couleurs ». Notre recherche se présente donc comme une analyse comparative des possibilités offertes par l’application de ces deux types de signatures texturales dans le cas spécifique d’une cartographie automatisée des occupations de sol à partir d’une image multispectrale. Une signature texturale d’un objet ou d’une classe d’objets, par analogie aux signatures spectrales, est constituée d’une série de paramètres de texture mesurés sur une bande spectrale à la fois (textures grises) ou une paire de bandes spectrales à la fois (textures couleurs). Cette recherche visait non seulement à comparer les deux approches intégratives, mais aussi à identifier la composition des signatures texturales des classes d’occupation du sol favorisant leur différentiation : type de paramètres de texture / taille de la fenêtre de calcul / bandes spectrales ou combinaisons de bandes spectrales. Pour ce faire, nous avons choisi un site à l’intérieur du territoire de la Communauté Métropolitaine de Montréal (Longueuil) composé d’une mosaïque d’occupations du sol, caractéristique d’une zone semi urbaine (résidentiel, industriel/commercial, boisés, agriculture, plans d’eau…). Une image du satellite SPOT-5 (4 bandes spectrales) de 10 m de résolution spatiale a été utilisée dans cette recherche. Puisqu’une infinité d’images de texture peuvent être créées en faisant varier les paramètres de calcul des MCO et afin de mieux circonscrire notre problème nous avons décidé, en tenant compte des études publiées dans ce domaine : a) de faire varier la fenêtre de calcul de 3*3 pixels à 21*21 pixels tout en fixant le pas et l’orientation pour former les paires de pixels à (1,1), c'est-à-dire à un pas d’un pixel et une orientation de 135°; b) de limiter les analyses des MCO à huit paramètres de texture (contraste, corrélation, écart-type, énergie, entropie, homogénéité, moyenne, probabilité maximale), qui sont tous calculables par la méthode rapide de Unser, une approximation des matrices de co-occurrences, c) de former les deux signatures texturales par le même nombre d’éléments choisis d’après une analyse de la séparabilité (distance de Bhattacharya) des classes d’occupation du sol; et d) d’analyser les résultats de classification (matrices de confusion, exactitudes, coefficients Kappa) par maximum de vraisemblance pour conclure sur le potentiel des deux approches intégratives; les classes d’occupation du sol à reconnaître étaient : résidentielle basse et haute densité, commerciale/industrielle, agricole, boisés, surfaces gazonnées (incluant les golfs) et plans d’eau. Nos principales conclusions sont les suivantes a) à l’exception de la probabilité maximale, tous les autres paramètres de texture sont utiles dans la formation des signatures texturales; moyenne et écart type sont les plus utiles dans la formation des textures grises tandis que contraste et corrélation, dans le cas des textures couleurs, b) l’exactitude globale de la classification atteint un score acceptable (85%) seulement dans le cas des signatures texturales couleurs; c’est une amélioration importante par rapport aux classifications basées uniquement sur les signatures spectrales des classes d’occupation du sol dont le score est souvent situé aux alentours de 75%; ce score est atteint avec des fenêtres de calcul aux alentours de11*11 à 15*15 pixels; c) Les signatures texturales couleurs offrant des scores supérieurs à ceux obtenus avec les signatures grises de 5% à 10%; et ce avec des petites fenêtres de calcul (5*5, 7*7 et occasionnellement 9*9) d) Pour plusieurs classes d’occupation du sol prises individuellement, l’exactitude dépasse les 90% pour les deux types de signatures texturales; e) une seule classe est mieux séparable du reste par les textures grises, celle de l’agricole; f) les classes créant beaucoup de confusions, ce qui explique en grande partie le score global de la classification de 85%, sont les deux classes du résidentiel (haute et basse densité). En conclusion, nous pouvons dire que l’approche intégrative par textures couleurs d’une image multispectrale de 10 m de résolution spatiale offre un plus grand potentiel pour la cartographie des occupations du sol que l’approche intégrative par textures grises. Pour plusieurs classes d’occupations du sol un gain appréciable en temps de calcul des paramètres de texture peut être obtenu par l’utilisation des petites fenêtres de traitement. Des améliorations importantes sont escomptées pour atteindre des exactitudes de classification de 90% et plus par l’utilisation des fenêtres de calcul de taille variable adaptées à chaque type d’occupation du sol. Une méthode de classification hiérarchique pourrait être alors utilisée afin de séparer les classes recherchées une à la fois par rapport au reste au lieu d’une classification globale où l’intégration des paramètres calculés avec des fenêtres de taille variable conduirait inévitablement à des confusions entre classes. / Texture is a key element in interpreting remotely sensed images of fine spatial resolution. The integration of textural information in an automatic image-classification process is usually done via textural images, which are often created by calculating gray levels co-occurrences matrices (COM). A COM is a histogram of frequencies of pairs of pixel values present in local windows associated with all pixels in the used image; each pixel pair being formed using a given orientation and spacing. COM allows calculation for more than a dozen of parameters describing in various ways the frequency distribution, creating thus as many different textural images. Texture measurements approach based on COMs had been mainly applied on monochrome images (e.g. panchromatic, single polarisation and frequency radar images). In the case of multispectral images, a single spectral band, among those available, is usually chosen to generate texture images. The question we asked in this research concerns precisely this limited use of textural information in the case of multispectral images. In fact, the visual effect of a texture is created, not only by the spatial arrangement of variable objects/pixels brightness, but also of different colors. Several ways are suggested in the literature to introduce this concept of multi-dimensional texture. In this research, two of them were of particularly interested us. In the first way COMs are calculated spectral band by band and in the second one, generalized COMs are applied involving the joint use of two spectral bands. In the latter case, the pairs of pixel values are defined in two different spectral bands. This allows, in a single treatment, for a broad accounting of the "color" element composing a texture. These two approaches are called integrative techniques. To distinguish them, we call them respectively “gray textures” and “color textures”. Our research concerns the comparative analysis of the opportunities offered by applying these two types of textural signatures in the specific case of an automated land cover mapping using multispectral images. A textural signature of an object or class of objects, by analogy to spectral signatures, consists in a set of texture parameters measured; band by band (grey textures), or by pairs of bands (color textures).This research was designed not only to compare the two integrative approaches, but also to identify the components of textural signatures favouring the differentiation of land cover classes: texture parameters, window sizes and bands selection. To do this, a site within the territory of the Montreal Metropolitan Community (Longueuil) was chosen with a diversity of land covers representative of a semi-urban area. (residential, industrial / commercial, woodlots , agriculture, water bodies…). A SPOT-5 (4 spectral bands) image of 10m spatial resolution was used in this research. Since an infinite number of texture images can be created by varying the design parameters of COM, and to better define our problem, we have decided, taking into account studies published in this field: a) to vary the computation window from 3*3 to 21*21 pixels while setting the pixel spacing and direction to (1,1); that is to say, an spacing of 1 and an orientation of 135 ° between pairs of pixels. b) limit the COM analysis to eight texture parameters (contrast, correlation, standard deviation, energy, entropy, homogeneity, average, maximum probability), all of which are computable by the Unser’s fast-COM-approximation method, c) form the two textural signatures by the same number of elements chosen from a separability analysis (Bhattacharya distance) between land cover classes, and d) analyse the results (confusion matrices, accuracies, kappa) obtained using a maximum likelihood classification algorithm to conclude on the potential of both integrative approaches; classes to be recognized included: low and high density residential, commercial / industrial, agricultural, woodlots, turf (including golf) water bodies, clouds and their shadows. Our main conclusions are as follows a) except maximum probability, all other textural parameters are useful in the formation of textural signatures; mean and standard deviation are most useful in the formation of gray textures while contrast and correlation, are the best in the case of color textures b) the overall classification accuracy achieved an acceptable score (85%), only in the case of color textural signatures. This is a significant improvement compared to classifications based solely on spectral signatures, whose accuracies are often situated around 75%. This score is reached with windows size from about 11*11 to 15 * 15 pixels, c) Textural colors signatures offer higher scores, ranging from 5% to 10%, than those obtained by gray signatures. This is true while using the smaller process windows (5*5, 7*7, and occasionally 9*9) d) For several land cover classes examined individually, the accuracy is above 90% regardless of the used textural signatures e) Only one class is better separated from the rest by gray textures, the agricultural one; f) Classes creating a lot of confusion, which largely explains the overall classification score of 85 %, are the two residential classes (high and low density). As a final conclusion, we can say that the integrative approach by color textures provides a greater potential for mapping land covers using multispectral images than the integrative approach by gray textures. For several land cover classes an appreciable gain computing time of textural parameters may be obtained using smaller size windows. Significant improvements of the classification results (even better than 90%) are expected using calculation windows with sizes better adapted to each classes particular texture characteristics, A hierarchical classification method could then be used to separate each class at a time from all others, instead of a broad classification where the integration of parameters calculated with varying size windows, would inevitably lead to confusion between classes.

No description available.

Several decades of intensive dryland-farming in the Gadarif Region, located in the Eastern part of Sudan, has led to rapid landuse/landcover (LULC) changes mainly due to agricultural expansion, government policies and environmental calamities such as drought. The study area represents part of the African Sahel. The fundamental goal of the thesis was to assess land degradation and the impact of agriculture expansion on land cover, soil and crops production. To analyse and to monitor the LULC changes, multi-temporal Landsat data of the years 1979, 1989 and 1999 and ASTER data of the year 2009 covering an area of approximately 1200 km² were used. For this a post-classification comparison technique was applied to detect LULC changes from satellite images. Six LULC classes were identified during the classification scheme, namely cultivated land, fallow land, woodland, bare land, settlement and water. For the four dates of satellite images the overall classification accuracy ranged from 86 % to 92 %. During the three decades of the study period an extensive change of LULC patterns occurred. The cultivated areas increased significantly, covering 81 % of the previous woodland in the period 1979 – 2009. Fallow land only increased during the period 1989 – 1999. Over the three decades, urban expansion continuously increased covering an area of 23, 21 and 27 km² for the periods 1979 – 1989, 1989 – 1999 and 1999 – 2009 respectively. The detailed LULC map of the study area was obtained by using a dual polarisation (HH and HV) TerraSAR-X data of the year 2009. The different LULCs of the study area were analysed by employing an object-oriented classification approach. For that purpose, multi-resolution segmentation of the Definiens Software was used for creating the image objects. Using the feature-space optimisation tool the attributes of the TerraSAR-X images were optimised in order to obtain the best separability among classes for the LULC mapping. In addition to the classes that have been obtained by the optical data, the following LULCs resulted from SAR data: harvested land, rock, settlement 1 (local-roof buildings) and settlement 2 (concrete roof buildings). The backscattering coefficients for some classes were different along HH and HV polarisation. The best separation distance of the tested spectral, shape and textural features showed different variations among the discriminated LULC classes. An overall accuracy of 84 % with a kappa value of 0.82 was resulted from the classification scheme. Accuracy differences among the classes were kept minimal. For more than six decades in the Gadarif Region mechanised dryland farming is practised. As a result, due to continuous conventional tillage, extensive woodcutting and over-grazing, serious soil degradation occurred. To discuss the impact of LULC changes on the selected soil properties, three main LULC types were chosen to be investigated, namely: cultivated land, fallow land and woodland. In addition to the reference soil profiles, soil samples were also collected at two depths from ten sample plots for each of the LULC type. For these soil samples, various soil properties such as texture, bulk density (BD), organic matter (OM), soil pH, electrical conductivity (EC), sodium adsorption ratio (SoAR), phosphorous (P) and potassium (K) were analysed. Laboratory tests proved that soil properties were significantly affected by LULC changes. Within the different LULC types, clay content in the surface layers (0 – 5 and 5 – 15 cm) varied from 59 % to 65 %, whereas silt fractions ranged from 27 % to 37 %. Soil BD, OM and P were significantly different (p < 0·05) across the three LULC types. Soil pH was significantly different between cultivated land and woodland on one side and between fallow land and woodland on the other side. EC and SoAR values of fallow land were found to be significantly different (p < 0·05) from woodland. The dryland vertisol of the Gadarif Region in Sudan produced more than one-third of the national production of sorghum – the main food stuff in the country. Soil compaction has been recognised as one of the major problems in crop production worldwide. Soil strength and infiltration rate are important variables for understanding and predicting the soil processes. The effects of three different landuse systems (cultivated land, fallow land and woodland) on soil compaction and infiltration rate were investigated at two sites of the study area. Site 1 represents the older one of the two. The soil penetration resistance (SPR) was measured in three depths using a manually operated cone penetrometer. Infiltration rate was measured in the field using a double-ring infiltrometer. Following the cone-penetrometer sampling, soil samples were collected to determine the variables that affect SPR and infiltration rate vs. particle size, dry BD, volumetric moisture content (VMC) and organic carbon (OC) content. Field measurements and soil samples were collected for each landuse type. The measured infiltration rate data were inserted into the Kostiakov Model in order to predict the cumulative soil water infiltration. Soil compaction for the cultivated land was 65 % larger in comparison to woodland. Woodland areas showed an increase in the infiltration rate by 87 % and 74 % compared to cultivated and fallow land respectively. Both study sites showed an increase in the dry BD when SPR is increasing, while VMC decreases with increasing SPR. Also, low OC contents were observed to be associated with high SPR values. For Site 1 the average coefficient of determination (R²) for the infiltration data fit to the Kostiakov Model were 0.65, 0.73 and 0.84 for cultivated land, fallow land and woodland respectively. However, for Site 2 they were 0.63, 0.76 and 0.78. In the Gadarif Region agriculture is the main activity and practised in many forms with a variety of environmental effects and consequences. Continuous ploughing of the cultivated land coupled with inproper soil management has contributed to soil deterioration when the landuse changed from woodland to cultivated and fallow land. Therefore, the development of sustainable landuse practises in the dryland-farming of the study area need to be improved in order to reduce the amount of soil degradation in the future. / Mehrere Jahrzehnte intensiven Trockenfeldbaus in der Region von Gadarif, welche sich im östlichen Teil des Sudans befindet, führten hauptsächlich aufgrund von landwirtschaftlicher Expansion, politischen Beschlüssen der Regierung und Naturkatastrophen wie Trockenheit zu einer raschen Veränderung der Landnutzung und Landbedeckung. Das wesentliche Ziel dieser Dissertation war es, die Degradation des Landes, sowie die Auswirkungen von landwirtschaftlicher Expansion auf die Landbedeckung, den Boden und den Pflanzenbau im Untersuchungsgebiet, welches Teile der afrikanischen Sahelzone beinhaltet, abzuschätzen. Zur Analyse und Beobachtung der Veränderungen der Landnutzung und Landbedeckung wurden multi-temporale Landsat-Daten der Jahre 1979, 1989 und 1999 sowie ASTER-Daten aus dem Jahr 2009 genutzt, welche eine Fläche von schätzungsweise 1200 km² abdecken. Um Veränderungen von Landnutzung und Landbedeckung aus Satellitenbilddaten zu bestimmen, wurde ein auf Post-Klassifikation basierendes Vergleichsverfahren angewandt. Sechs Landnutzungs- und Landbedeckungsklassen, welche die Namen bewirtschaftetes Land, brach liegendes Land, Waldgebiet, Ödland, besiedeltes Land und Wasserfläche tragen, wurden während des Klassifikationsprozesses bestimmt. Für die vier Aufnahmezeitpunkte der Satellitendaten lag die allgemeine Klassifikationsgenauigkeit zwischen 86 % und 92 %. Während des dreißigjährigen Untersuchungszeitraums fand eine beträchtliche Veränderung der Landnutzungs- und Landbedeckungsstruktur statt. Bewirtschaftete Flächen nahmen in ihrem Anteil signifikant zu und bedeckten innerhalb des Zeitraums von 1979 bis 2009 81 % der früheren Waldgebiete. Der Anteil von brach liegendem Land nahm lediglich während des Zeitraums von 1989 bis 1999 zu. Besiedelte Gebiete breiteten sich über die drei Jahrzehnte kontinuierlich aus und wuchsen innerhalb des Zeitraums von 1979 bis 1989 um eine Fläche von 23 km², sowie um 21 km² zwischen 1989 und 1999 und um 27 km² in dem Zeitabschnitt 1999 – 2009. Eine detaillierte Karte zur Landnutzung und Landbedeckung des Untersuchungsgebiets wurde mittels der Nutzung dual polarisierter (HH und HV) TerraSAR-X Daten aus dem Jahr 2009 erzeugt. Die verschiedenen Landnutzungen und Landbedeckungen im Beobachtungsgelände wurden durch die Anwendung eines objektorientierten Klassifikationsansatzes analysiert. Um Bildobjekte zu erzeugen, wurde für diesen Zweck die auf einer mehrfachen Auflösung basierende Segmentierung der Software Definiens genutzt. Das Werkzeug Feature Space Optimisation wurde für die Optimierung der Attribute der TerraSAR-X Bilder angewandt, damit eine ideale Unterscheidungsfähigkeit entlang der Klassen für die Kartierung der Landnutzungen und Landbedeckungen erreicht werden kann. Zusätzlich zu jenen Klassen, welche mittels optischer Daten abgeleitet wurden, ergaben sich aus SAR-Daten noch die nachfolgenden Landnutzungen und Landbedeckungen: Abgeerntetes Land, Fels, Besiedlung 1 (Gebäude mit landestypischer Bedachung) und Besiedlung 2 (Gebäude mit Betondach). Die Koeffizienten der Rückstreuung entlang der Polarisationen HH und HV waren für einige Klassen unterschiedlich. Der günstigste Trennungsabstand der getesteten spektralen, formgebenden und texturalen Features ergab verschiedene Abweichungen zwischen den bestimmten Klassen der Landnutzung und Landbedeckung. Die Klassifikationsmaßnahmen ergaben eine Gesamtgenauigkeit von 84 % mit einem Kappa-Wert von 0.82. Genauigkeitsunterschiede entlang der Klassen wurden minimal gehalten. Seit über sechs Jahrzehnten wird in der Region Gadarif maschinenbetriebener Trockenfeldbau ausgeübt. In Folge dessen fand eine beträchtliche Abholzung und Überweidung sowie eine schwerwiegende Bodendegradation aufgrund des stetigen konventionellen Feldbaus statt. Um die Auswirkungen der Veränderung von Landnutzung und Landbedeckung auf die ausgewählten Bodenbeschaffenheiten auszuwerten, wurden drei Haupttypen der Landnutzung und Landbedeckung für die weitere Untersuchung ausgewählt: Bewirtschaftetes Land, brach liegendes Land, und Waldgebiet. Zusätzlich zu den Referenzbodenprofilen wurden außerdem für jeden Landnutzungs- und Landbedeckungstyp auf je zehn Probeflächen Bodenproben in zwei Tiefen entnommen. Bei diesen Bodenproben wurden zahlreiche Bodeneigenschaften analysiert, wie etwa Textur, Bodendichte (BD), organischer Materialgehalt (OM), pH-Wert des Bodens, elektrische Leitfähigkeit (EC), Adsorptionsgeschwindigkeit von Natrium (SoAR), Phosphorgehalt (P) sowie Kaliumgehalt (K). Labortests ergaben, dass die Bodeneigenschaften signifikant durch die Veränderungen der Landnutzung und Landbedeckung beeinflusst werden. Innerhalb der verschiedenen Landnutzungs- und Landbedeckungstypen variierte der Tongehalt in den Deckschichten (0 – 5 cm und 5 – 15 cm) zwischen 59 % und 65 %, wohin gegen sich die Lehmanteile von 27 % bis 37 % bewegten. Bodendichte, organischer Materialgehalt und Phosphorgehalt zeigten signifikant unterschiedliche Werte bei den drei Typen der Landnutzung und Landbedeckung (p < 0.05). Der pH-Wert des Bodens war signifikant verschieden zwischen bewirtschaftetem Land und Waldgebiet zum einen, und zwischen brach liegendem Land und Waldgebiet zum anderen. Die Werte der elektrischen Leitfähigkeit und der Adsorptionsgeschwindigkeit von Natrium bei brach liegendem Land erwiesen sich als maßgeblich verschieden zu jenen von Waldgebieten (p < 0.05). Auf dem Trockenland-Vertisolboden der Region Gadarif im Sudan wurde mehr als ein Drittel der nationalen Hirseproduktion erwirtschaftet – dem Haupternährungserzeugnis des Landes. Bodenverdichtung erwies sich als eines der weltweiten Hauptprobleme für den Pflanzenbau. Bodenfestigkeit und Versickerungsrate sind wichtige Variabeln, um Bodenprozesse verstehen und vorhersagen zu können. Die Auswirkungen der drei verschiedenen Landnutzungssysteme (bewirtschaftetes Land, brach liegendes Land und Waldgebiet) auf die Bodenverdichtung und Versickerungsrate wurden an zwei Standorten im Beobachtungsgebiet untersucht. Standort 1 ist der ältere der beiden. Der Widerstand der Bodenpenetration (SPR) wurde in drei Tiefen durch eine manuell angewandte Rammsonde gemessen. Mittels der Nutzung eines Doppelring-Infiltrometers ist die Versickerungsrate im Feld gemessen worden. Im Anschluss an die Probenentnahme mittels Rammsonden wurden Bodenproben gesammelt, um jene Variabeln bestimmen zu können, welche den Widerstand der Bodenpenetration sowie der Versickerungsrate im Vergleich zur Partikelgröße, zur trockenen Bodendichte, zum volumetrischen Feuchtigkeitsgehalt (VMC) und zum organischen Karbongehalt (OC) beeinflussen. Für jeden Landnutzungstypen wurden Feldmessungen durchgeführt und Bodenproben entnommen. Die gemessenen Daten der Versickerungsrate wurden in das Kostiakov-Modell eingespeist, um die gesamte Bodenwasserversickerung vorhersagen zu können. Die Bodenverdichtung bei bewirtschaftetem Land war 65 % stärker als bei Waldgebiet. Für Waldgebietsflächen wurde eine Zunahme der Versickerungsrate um 87 % verglichen mit bewirtschaftetem Land und um 74 % im Vergleich zu brach liegendem Land aufgezeigt. Beide Untersuchungsstandorte zeigten eine Zunahme in der trockenen Bodendichte für den Fall, dass der Widerstand der Bodenpenetration zunimmt, während der volumetrische Feuchtigkeitsgehalt mit zunehmendem Bodenpenetrationswiderstand abnimmt. Ebenso wurde beobachtet, dass ein geringer organischer Karbongehalt in Verbindung zu hohen Widerstandswerten der Bodenpenetration steht. Bei Standort 1 passte der durchschnittliche Bestimmungskoeffizient (R²) der Versickerungsrate zum Kostiakov-Modell mit den Werten 0.65 für bewirtschaftetes Land, 0.73 für brach liegendes Land und 0.84 für Waldgebiet. Für Standort 2 indessen ergaben die Werte 0.63, 0.76 und 0.78. Landwirtschaft, die in vielen Formen ausgeübt wird, ist die Haupttätigkeit in der Region Gadarif, und geht mit verschiedenartigsten Umweltauswirkungen und Konsequenzen einher. Kontinuierliche Feldbestellung des bewirtschafteten Landes, verbunden mit ungeeigneter Bodenbewirtschaftung, hat sich seit jenem Zeitpunkt, als sich die Landnutzung von Waldgebiet zu bewirtschaftetem und brach liegendem Land änderte, zu Bodenschädigung geführt. Daher muss die Entwicklung nachhaltiger Landnutzungspraktiken beim Trockenfeldbau im Untersuchungsgebiet verbessert werden, damit in Zukunft der Umfang der Bodendegradation verringert werden kann.

Several decades of intensive dryland-farming in the Gadarif Region, located in the Eastern part of Sudan, has led to rapid landuse/landcover (LULC) changes mainly due to agricultural expansion, government policies and environmental calamities such as drought. The study area represents part of the African Sahel. The fundamental goal of the thesis was to assess land degradation and the impact of agriculture expansion on land cover, soil and crops production. To analyse and to monitor the LULC changes, multi-temporal Landsat data of the years 1979, 1989 and 1999 and ASTER data of the year 2009 covering an area of approximately 1200 km² were used. For this a post-classification comparison technique was applied to detect LULC changes from satellite images. Six LULC classes were identified during the classification scheme, namely cultivated land, fallow land, woodland, bare land, settlement and water. For the four dates of satellite images the overall classification accuracy ranged from 86 % to 92 %. During the three decades of the study period an extensive change of LULC patterns occurred. The cultivated areas increased significantly, covering 81 % of the previous woodland in the period 1979 – 2009. Fallow land only increased during the period 1989 – 1999. Over the three decades, urban expansion continuously increased covering an area of 23, 21 and 27 km² for the periods 1979 – 1989, 1989 – 1999 and 1999 – 2009 respectively. The detailed LULC map of the study area was obtained by using a dual polarisation (HH and HV) TerraSAR-X data of the year 2009. The different LULCs of the study area were analysed by employing an object-oriented classification approach. For that purpose, multi-resolution segmentation of the Definiens Software was used for creating the image objects. Using the feature-space optimisation tool the attributes of the TerraSAR-X images were optimised in order to obtain the best separability among classes for the LULC mapping. In addition to the classes that have been obtained by the optical data, the following LULCs resulted from SAR data: harvested land, rock, settlement 1 (local-roof buildings) and settlement 2 (concrete roof buildings). The backscattering coefficients for some classes were different along HH and HV polarisation. The best separation distance of the tested spectral, shape and textural features showed different variations among the discriminated LULC classes. An overall accuracy of 84 % with a kappa value of 0.82 was resulted from the classification scheme. Accuracy differences among the classes were kept minimal. For more than six decades in the Gadarif Region mechanised dryland farming is practised. As a result, due to continuous conventional tillage, extensive woodcutting and over-grazing, serious soil degradation occurred. To discuss the impact of LULC changes on the selected soil properties, three main LULC types were chosen to be investigated, namely: cultivated land, fallow land and woodland. In addition to the reference soil profiles, soil samples were also collected at two depths from ten sample plots for each of the LULC type. For these soil samples, various soil properties such as texture, bulk density (BD), organic matter (OM), soil pH, electrical conductivity (EC), sodium adsorption ratio (SoAR), phosphorous (P) and potassium (K) were analysed. Laboratory tests proved that soil properties were significantly affected by LULC changes. Within the different LULC types, clay content in the surface layers (0 – 5 and 5 – 15 cm) varied from 59 % to 65 %, whereas silt fractions ranged from 27 % to 37 %. Soil BD, OM and P were significantly different (p < 0·05) across the three LULC types. Soil pH was significantly different between cultivated land and woodland on one side and between fallow land and woodland on the other side. EC and SoAR values of fallow land were found to be significantly different (p < 0·05) from woodland. The dryland vertisol of the Gadarif Region in Sudan produced more than one-third of the national production of sorghum – the main food stuff in the country. Soil compaction has been recognised as one of the major problems in crop production worldwide. Soil strength and infiltration rate are important variables for understanding and predicting the soil processes. The effects of three different landuse systems (cultivated land, fallow land and woodland) on soil compaction and infiltration rate were investigated at two sites of the study area. Site 1 represents the older one of the two. The soil penetration resistance (SPR) was measured in three depths using a manually operated cone penetrometer. Infiltration rate was measured in the field using a double-ring infiltrometer. Following the cone-penetrometer sampling, soil samples were collected to determine the variables that affect SPR and infiltration rate vs. particle size, dry BD, volumetric moisture content (VMC) and organic carbon (OC) content. Field measurements and soil samples were collected for each landuse type. The measured infiltration rate data were inserted into the Kostiakov Model in order to predict the cumulative soil water infiltration. Soil compaction for the cultivated land was 65 % larger in comparison to woodland. Woodland areas showed an increase in the infiltration rate by 87 % and 74 % compared to cultivated and fallow land respectively. Both study sites showed an increase in the dry BD when SPR is increasing, while VMC decreases with increasing SPR. Also, low OC contents were observed to be associated with high SPR values. For Site 1 the average coefficient of determination (R²) for the infiltration data fit to the Kostiakov Model were 0.65, 0.73 and 0.84 for cultivated land, fallow land and woodland respectively. However, for Site 2 they were 0.63, 0.76 and 0.78. In the Gadarif Region agriculture is the main activity and practised in many forms with a variety of environmental effects and consequences. Continuous ploughing of the cultivated land coupled with inproper soil management has contributed to soil deterioration when the landuse changed from woodland to cultivated and fallow land. Therefore, the development of sustainable landuse practises in the dryland-farming of the study area need to be improved in order to reduce the amount of soil degradation in the future. / Mehrere Jahrzehnte intensiven Trockenfeldbaus in der Region von Gadarif, welche sich im östlichen Teil des Sudans befindet, führten hauptsächlich aufgrund von landwirtschaftlicher Expansion, politischen Beschlüssen der Regierung und Naturkatastrophen wie Trockenheit zu einer raschen Veränderung der Landnutzung und Landbedeckung. Das wesentliche Ziel dieser Dissertation war es, die Degradation des Landes, sowie die Auswirkungen von landwirtschaftlicher Expansion auf die Landbedeckung, den Boden und den Pflanzenbau im Untersuchungsgebiet, welches Teile der afrikanischen Sahelzone beinhaltet, abzuschätzen. Zur Analyse und Beobachtung der Veränderungen der Landnutzung und Landbedeckung wurden multi-temporale Landsat-Daten der Jahre 1979, 1989 und 1999 sowie ASTER-Daten aus dem Jahr 2009 genutzt, welche eine Fläche von schätzungsweise 1200 km² abdecken. Um Veränderungen von Landnutzung und Landbedeckung aus Satellitenbilddaten zu bestimmen, wurde ein auf Post-Klassifikation basierendes Vergleichsverfahren angewandt. Sechs Landnutzungs- und Landbedeckungsklassen, welche die Namen bewirtschaftetes Land, brach liegendes Land, Waldgebiet, Ödland, besiedeltes Land und Wasserfläche tragen, wurden während des Klassifikationsprozesses bestimmt. Für die vier Aufnahmezeitpunkte der Satellitendaten lag die allgemeine Klassifikationsgenauigkeit zwischen 86 % und 92 %. Während des dreißigjährigen Untersuchungszeitraums fand eine beträchtliche Veränderung der Landnutzungs- und Landbedeckungsstruktur statt. Bewirtschaftete Flächen nahmen in ihrem Anteil signifikant zu und bedeckten innerhalb des Zeitraums von 1979 bis 2009 81 % der früheren Waldgebiete. Der Anteil von brach liegendem Land nahm lediglich während des Zeitraums von 1989 bis 1999 zu. Besiedelte Gebiete breiteten sich über die drei Jahrzehnte kontinuierlich aus und wuchsen innerhalb des Zeitraums von 1979 bis 1989 um eine Fläche von 23 km², sowie um 21 km² zwischen 1989 und 1999 und um 27 km² in dem Zeitabschnitt 1999 – 2009. Eine detaillierte Karte zur Landnutzung und Landbedeckung des Untersuchungsgebiets wurde mittels der Nutzung dual polarisierter (HH und HV) TerraSAR-X Daten aus dem Jahr 2009 erzeugt. Die verschiedenen Landnutzungen und Landbedeckungen im Beobachtungsgelände wurden durch die Anwendung eines objektorientierten Klassifikationsansatzes analysiert. Um Bildobjekte zu erzeugen, wurde für diesen Zweck die auf einer mehrfachen Auflösung basierende Segmentierung der Software Definiens genutzt. Das Werkzeug Feature Space Optimisation wurde für die Optimierung der Attribute der TerraSAR-X Bilder angewandt, damit eine ideale Unterscheidungsfähigkeit entlang der Klassen für die Kartierung der Landnutzungen und Landbedeckungen erreicht werden kann. Zusätzlich zu jenen Klassen, welche mittels optischer Daten abgeleitet wurden, ergaben sich aus SAR-Daten noch die nachfolgenden Landnutzungen und Landbedeckungen: Abgeerntetes Land, Fels, Besiedlung 1 (Gebäude mit landestypischer Bedachung) und Besiedlung 2 (Gebäude mit Betondach). Die Koeffizienten der Rückstreuung entlang der Polarisationen HH und HV waren für einige Klassen unterschiedlich. Der günstigste Trennungsabstand der getesteten spektralen, formgebenden und texturalen Features ergab verschiedene Abweichungen zwischen den bestimmten Klassen der Landnutzung und Landbedeckung. Die Klassifikationsmaßnahmen ergaben eine Gesamtgenauigkeit von 84 % mit einem Kappa-Wert von 0.82. Genauigkeitsunterschiede entlang der Klassen wurden minimal gehalten. Seit über sechs Jahrzehnten wird in der Region Gadarif maschinenbetriebener Trockenfeldbau ausgeübt. In Folge dessen fand eine beträchtliche Abholzung und Überweidung sowie eine schwerwiegende Bodendegradation aufgrund des stetigen konventionellen Feldbaus statt. Um die Auswirkungen der Veränderung von Landnutzung und Landbedeckung auf die ausgewählten Bodenbeschaffenheiten auszuwerten, wurden drei Haupttypen der Landnutzung und Landbedeckung für die weitere Untersuchung ausgewählt: Bewirtschaftetes Land, brach liegendes Land, und Waldgebiet. Zusätzlich zu den Referenzbodenprofilen wurden außerdem für jeden Landnutzungs- und Landbedeckungstyp auf je zehn Probeflächen Bodenproben in zwei Tiefen entnommen. Bei diesen Bodenproben wurden zahlreiche Bodeneigenschaften analysiert, wie etwa Textur, Bodendichte (BD), organischer Materialgehalt (OM), pH-Wert des Bodens, elektrische Leitfähigkeit (EC), Adsorptionsgeschwindigkeit von Natrium (SoAR), Phosphorgehalt (P) sowie Kaliumgehalt (K). Labortests ergaben, dass die Bodeneigenschaften signifikant durch die Veränderungen der Landnutzung und Landbedeckung beeinflusst werden. Innerhalb der verschiedenen Landnutzungs- und Landbedeckungstypen variierte der Tongehalt in den Deckschichten (0 – 5 cm und 5 – 15 cm) zwischen 59 % und 65 %, wohin gegen sich die Lehmanteile von 27 % bis 37 % bewegten. Bodendichte, organischer Materialgehalt und Phosphorgehalt zeigten signifikant unterschiedliche Werte bei den drei Typen der Landnutzung und Landbedeckung (p < 0.05). Der pH-Wert des Bodens war signifikant verschieden zwischen bewirtschaftetem Land und Waldgebiet zum einen, und zwischen brach liegendem Land und Waldgebiet zum anderen. Die Werte der elektrischen Leitfähigkeit und der Adsorptionsgeschwindigkeit von Natrium bei brach liegendem Land erwiesen sich als maßgeblich verschieden zu jenen von Waldgebieten (p < 0.05). Auf dem Trockenland-Vertisolboden der Region Gadarif im Sudan wurde mehr als ein Drittel der nationalen Hirseproduktion erwirtschaftet – dem Haupternährungserzeugnis des Landes. Bodenverdichtung erwies sich als eines der weltweiten Hauptprobleme für den Pflanzenbau. Bodenfestigkeit und Versickerungsrate sind wichtige Variabeln, um Bodenprozesse verstehen und vorhersagen zu können. Die Auswirkungen der drei verschiedenen Landnutzungssysteme (bewirtschaftetes Land, brach liegendes Land und Waldgebiet) auf die Bodenverdichtung und Versickerungsrate wurden an zwei Standorten im Beobachtungsgebiet untersucht. Standort 1 ist der ältere der beiden. Der Widerstand der Bodenpenetration (SPR) wurde in drei Tiefen durch eine manuell angewandte Rammsonde gemessen. Mittels der Nutzung eines Doppelring-Infiltrometers ist die Versickerungsrate im Feld gemessen worden. Im Anschluss an die Probenentnahme mittels Rammsonden wurden Bodenproben gesammelt, um jene Variabeln bestimmen zu können, welche den Widerstand der Bodenpenetration sowie der Versickerungsrate im Vergleich zur Partikelgröße, zur trockenen Bodendichte, zum volumetrischen Feuchtigkeitsgehalt (VMC) und zum organischen Karbongehalt (OC) beeinflussen. Für jeden Landnutzungstypen wurden Feldmessungen durchgeführt und Bodenproben entnommen. Die gemessenen Daten der Versickerungsrate wurden in das Kostiakov-Modell eingespeist, um die gesamte Bodenwasserversickerung vorhersagen zu können. Die Bodenverdichtung bei bewirtschaftetem Land war 65 % stärker als bei Waldgebiet. Für Waldgebietsflächen wurde eine Zunahme der Versickerungsrate um 87 % verglichen mit bewirtschaftetem Land und um 74 % im Vergleich zu brach liegendem Land aufgezeigt. Beide Untersuchungsstandorte zeigten eine Zunahme in der trockenen Bodendichte für den Fall, dass der Widerstand der Bodenpenetration zunimmt, während der volumetrische Feuchtigkeitsgehalt mit zunehmendem Bodenpenetrationswiderstand abnimmt. Ebenso wurde beobachtet, dass ein geringer organischer Karbongehalt in Verbindung zu hohen Widerstandswerten der Bodenpenetration steht. Bei Standort 1 passte der durchschnittliche Bestimmungskoeffizient (R²) der Versickerungsrate zum Kostiakov-Modell mit den Werten 0.65 für bewirtschaftetes Land, 0.73 für brach liegendes Land und 0.84 für Waldgebiet. Für Standort 2 indessen ergaben die Werte 0.63, 0.76 und 0.78. Landwirtschaft, die in vielen Formen ausgeübt wird, ist die Haupttätigkeit in der Region Gadarif, und geht mit verschiedenartigsten Umweltauswirkungen und Konsequenzen einher. Kontinuierliche Feldbestellung des bewirtschafteten Landes, verbunden mit ungeeigneter Bodenbewirtschaftung, hat sich seit jenem Zeitpunkt, als sich die Landnutzung von Waldgebiet zu bewirtschaftetem und brach liegendem Land änderte, zu Bodenschädigung geführt. Daher muss die Entwicklung nachhaltiger Landnutzungspraktiken beim Trockenfeldbau im Untersuchungsgebiet verbessert werden, damit in Zukunft der Umfang der Bodendegradation verringert werden kann.

There has been rapid change in the landcover/landuse in the Mekong delta, Viet Nam. The landcover/landuse has changed very fast due to intense population pressure, agriculture/aquaculture farming and timber collection in the coastal areas of the delta. The changing landuse pattern in the coastal areas of the delta is threatened to be flooded by sea level rise; sea level is expected to rise 33 cm until 2050; 45 cm until 2070 and 1 m until 2100. The coastline along the eastern Mekong delta has never been static, but the loss of mangrove forests along the coast has intensified coastline change. The objective of the present study is to map the changes in landcover/landuse along the eastern coast of the Mekong delta; and to detect the changes in position of the eastern coastline over the time period from 1989 to 2002.To detect changes in landuse, two satellite images of the same season, acquired by the TM sensor of Landsat 5 and the ETM+ sensor of Landsat 7 were used. The TM image was acquired on January 16, 1989 and ETM+ image was acquired on February 13, 2002. The landcover/landuse classes selected for the study are water, forest, open vegetation, soil and shrimp farms. Image differencing and post classification comparison are used to detect the changes between two time periods. Image to image correction technique is used to align satellite images. Maximum likelihood supervised classification technique is used to classify images. The result of the classification consists of five classes for 1989 and 2002, respectively. Overall accuracies of 87.5% and 86.8%, with kappa values of 0.85 and 0.84 are obtained for landuse 1989 and landuse 2002, respectively. The overall accuracy for the change map is 82% with kappa value 0.80. Post classification comparison is carried out in this study based on the supervised classification results. According to the results obtained from the post classification comparison, a significant decrease of 48% in forest and a significant increase of 74% in open vegetation and 21% in shrimp farms area observed over the entire study area. The coastline obtained by the combination of histogram thresholding and band ratio showed an overall advancement towards the South China Sea. The results showed that new land patches emerged along the eastern coast. The amount of new land patches appeared along the coast of the Mekong delta is approximately 2% of the entire study area.