This work is motivated by the question: how much complexity is appropriate for a cloud parameterization used in general circulation models (GCM). To approach this question, cloud parameterizations across the complexity range are explored using general circulation models and theoretical Monte-Carlo simulations. Their results are compared with high-resolution satellite observations and simulations that resolve the GCM subgrid-scale variability explicitly. A process-orientated evaluation is facilitated by GCM forecast simulations which reproduce the synoptic state. For this purpose novel methods were develop to a) conceptually relate the underlying saturation deficit probability density function (PDF) with its saturated cloudy part, b) analytically compute the vertical integrated liquid water path (LWP) variability, c) diagnose the relevant PDF-moments from cloud parameterizations, d) derive high-resolution LWP from satellite observations and e) deduce the LWP statistics by aggregating the LWP onto boxes equivalent to the GCM grid size. On this basis, this work shows that it is possible to evaluate the sub-grid scale variability of cloud parameterizations in terms of cloud variables. Differences among the PDF types increase with complexity, in particular the more advanced cloud parameterizations can make use of their double Gaussian PDF in conditions, where cumulus convection forms a separate mode with respect to the remainder of the grid-box. Therefore, it is concluded that the difference between unimodal and bimodal PDFs is more important, than the shape within each mode. However, the simulations and their evaluation reveals that the advanced parameterizations do not take full advantage of their abilities and their statistical relationships are broadly similar to less complex PDF shapes, while the results from observations and cloud resolving simulations indicate even more complex distributions. Therefore, this work suggests that the use of less complex PDF shapes might yield a better trade-off. With increasing model resolution initial weaknesses of simpler, e.g. unimodal PDFs, will be diminished. While cloud schemes for coarse-resolved models need to parameterize multiple cloud regimes per grid-box, higher spatial resolution of future GCMs will separate them better, so that the unimodal approximation improves.

Inner Mongolian grasslands are part of the vast Eurasian steppe belt and were used for nomadic pastoralism for thousands of years. As a result of political and economic changes in China in the last century, this mobile grazing management has been replaced by a sedentary and intensified livestock production. Stocking rates have increased substantially, overshooting the carrying capacity of the grasslands. These land use changes have induced severe grassland degradation. The impact and causes of grassland degradation have been investigated by the Sino-German joint research group MAGIM (Matter fluxes in grasslands of Inner Mongolia as influenced by stocking rate) in the Xilin River catchment of Inner Mongolia since 2004. This work is part of subproject P6, which amongst others pursues the goal of quantifying water balance exchange by micrometeorology and remote sensing. The dominating process of water balance losses in Inner Mongolian grasslands is evapotranspiration (ET), whereby water vapour is released into the lower atmosphere. ET is highly variable in both time and space in this semi-arid environment, as it is coupled with the typically fluctuating amount of precipitation (P). However, despite ET being the key output process of the hydrological cycle of Inner Mongolian grasslands and despite its important role as an indicator for ecosystem functioning, little is known about its spatiotemporal distribution and variability in this remote area. Recent studies on ET have demonstrated variations due to phenology, soil moisture and land use, but these studies have been limited to short periods and have been conducted on a few field sites in close proximity with debatable representativeness for the 2600 km² of grasslands in the Xilin River catchment. The development of a number of remote sensing methods in the last decades has introduced various approaches to determining spatial ET from space, but the application of remotely sensed ET in regional long-term studies is still problematic. Nevertheless, a variety of surface parameters are provided by the sensor MODIS (moderate resolution imaging spectroradiometer) at a resolution of approx. 1km. The aim of this work was (1) to close the gap between the limitations of available local ET measurements and the need for long-term studies on spatial ET in Inner Mongolian grasslands and (2) to analyse the spatiotemporal variability of ET and its implications on livestock management in this area. Therefore, micrometeorological data, remote sensing products and hydrological modelling with BROOK90 were integrated to model spatial ET for the grasslands of the Xilin River catchment over 10 years. The hydrological model BROOK90 calculates ET based on a modified Penman-Monteith approach including the separation of energy into transpiration and soil evaporation. The spatial application of the model was based on a land use classification restricted to the land use unit typical steppe. BROOK90 was parameterised from eddy covariance measurements, soil characteristics and MODIS leaf area index (LAI). Location and canopy parameters were provided individually, as well as the essential daily model input, including P and air temperatures for each pixel. Minimum and maximum air temperatures were calculated based on a relationship between measured air temperatures and MODIS surface temperatures (R²=0.92 and R²=0.87, n=81). Spatial P was estimated from a relationship found between the measured cumulative P of six rain gauges within the grasslands and the increase of MODIS LAI around these measurements (R²=0.80, n=270). Modelled ET is plausible and fits in the range of published results. ET was demonstrated to be highly variable in both time and space: the high spatiotemporal variability of eight-day ET is reflected by the coefficients of variation, which varied between 25% and 40% for the whole study area and were up to 75% for individual pixels. Soil evaporation reacts considerably more sensitively to precipitation pulses than transpiration. Modelled annual ET sums approached or exceeded precipitation sums in general; however, P exceeded ET in 2003, when exceptionally high precipitation occurred. The strong dynamics and the high spatiotemporal variability of ET clearly demonstrate that the current static livestock management is not adapted to the conditions of Inner Mongolian grasslands. New concepts for a sustainable livestock management could be developed in consideration of the intrinsic long-term patterns of spatial ET distribution and spatiotemporal variability identified in this work. Moreover, as this method for modelling spatial ET is not restricted to the grasslands of the Xilin River catchment, livestock management in other semi-arid grasslands could benefit from it as well. / Die Grasländer der Inneren Mongolei sind Teil des riesigen eurasischen Steppengürtels und wurden seit Tausenden von Jahren für die nomadische Weidewirtschaft genutzt. Als Folge der politischen und wirtschaftlichen Veränderungen in China im letzten Jahrhundert ist diese mobile Weidewirtschaft durch eine ortsgebundene und intensivierte Tierhaltung ersetzt worden. Besatzdichten wurden erheblich erhöht und die Tragfähigkeit der Grasländer wurde deutlich überschritten. Diese Landnutzungsänderungen haben schwerwiegende Degradationserscheinungen der Grasländer induziert. Die Ursachen und Auswirkungen der Degradation sind von der Deutsch-Chinesischen-Forschungsgruppe MAGIM (Matter fluxes in grasslands of Inner Mongolia as influenced by stocking rate) im Einzugsgebiet des Xilin-Flusses in der Inneren Mongolei seit 2004 untersucht worden. Diese Arbeit wurde im Rahmen des Teilprojektes P6 erstellt, welches unter anderem das Ziel verfolgt, Wasserhaushaltsprozesse mit Mikrometeorologie und Fernerkundung zu quantifizieren. Der dominierende Prozess der Wasserbilanz-Verluste in den Grasländern der Inneren Mongolei ist die Verdunstung (ET), wobei Wasserdampf in die untere Atmosphäre freigesetzt wird. ET ist in diesem semi-ariden Ökosystem in Zeit und Raum sehr variabel, da an die in der Regel schwankenden Niederschläge (P) gekoppelt. Trotz der Schlüsselrolle, die ET im Wasserkreislauf der Inneren Mongolei einnimmt, und der wichtigen Rolle als Indikator für die Funktionsweise des Ökosystems, ist wenig über die raum-zeitliche Verteilung und Variabilität von ET in dieser abgelegenen Region bekannt. Neuere Studien haben ET-Schwankungen aufgrund von Phänologie, Bodenfeuchte und Bodennutzung dargestellt, aber diese Studien sind auf kurze Zeiträume beschränkt und wurden auf nur wenigen Standorten, die sich in unmittelbarer Nähe befinden, durchgeführt. Dies stellt ihre Repräsentativität für die 2600 km² an Grasland im Xilin-Einzugsgebiet in Frage. Die Entwicklung von Fernerkundungsmethoden in den letzten Jahrzehnten hat verschiedene Ansätze zur Bestimmung der räumlichen ET hervorgebracht, jedoch ist die Anwendung von ET aus Fernerkundungsdaten in regionalen Langzeitstudien immer noch problematisch. Dennoch werden eine Vielzahl von Oberflächenparametern durch den Sensor MODIS (Moderate Resolution Imaging Spectroradiometer) bei einer Auflösung von ca. 1km zur Verfügung gestellt. Das Ziel dieser Arbeit war (1) die Lücke zwischen den verfügbaren lokalen ET-Messungen und dem Bedarf an langfristigen Untersuchungen zu räumlicher ET im Grasland der Inneren Mongolei zu schließen und (2) die räumlich-zeitliche Variabilität von ET vor dem Hintergrund des Beweidungsmanagements zu analysieren. Daher wurden mikrometeorologische Daten, Fernerkundungsprodukte und hydrologische Modellierungen mit BROOK90 integriert, um die räumliche ET für die Grasländer des Xilin-Einzugsgebietes über 10 Jahre zu modellieren. Das hydrologische Modell BROOK90 berechnet ET auf Basis eines modifizierten Penman-Monteith-Ansatzes einschließlich der Aufteilung in Transpiration und Bodenverdunstung. Die räumliche Anwendung des Standortmodells basiert auf einer Landnutzungsklassifikation und wurde für die Landnutzungsklasse typical steppe durchgeführt. Eddy-Kovarianz-Messungen, Bodeneigenschaften und MODIS-Blattflächenindex (LAI) wurden zur Parametrisierung von BROOK90 verwendet. Sowohl Lage- und Pflanzenparameter, als auch die notwendigen Modelleingangsdaten (Tageswerte von P und Lufttemperaturen), wurden für jeden Pixel individuell zur Verfügung gestellt. Minimum- und Maximum-Lufttemperaturen wurden mittels einer Beziehung zwischen gemessenen Lufttemperaturen und MODIS-Oberflächentemperaturen berechnet (R²=0.92 und R²=0.87, n=81). Räumliche P wurden aus einem Zusammenhang zwischen gemessenen kumulierten P von sechs Niederschlagsmessern im Untersuchungsgebiet und der Erhöhung des MODIS-LAI im Bereich dieser Messungen abgeleitet (R²=0.80, n=270). Die modellierte räumliche ET ist plausibel und liegt im Wertebereich der publizierten Ergebnisse. Es wurde gezeigt, das ET sehr variabel in Raum und Zeit ist: die raum-zeitlichen Schwankungen der achttägigen ET wurden durch den Variationskoeffizienten dargestellt, welcher zwischen 25% und 40% für das gesamte Untersuchungsgebiet variiert und für einzelne Pixel bis auf 75% ansteigt. Die Bodenverdunstung reagiert wesentlich empfindlicher auf Niederschlagsereignisse als die Transpiration. Modellierte Jahres-ET-Summen erreichen oder überschritten die Niederschlagssummen in der Regel, jedoch übertraf P die ET im Jahre 2003, als außergewöhnlich hohe Niederschläge aufgetreten sind. Die starke Dynamik und die hohe raum-zeitliche Variabilität der ET zeigen deutlich, dass die aktuelle statische Tierhaltung nicht an die Bedingungen in den Innermongolischen Grasländern angepasst ist. Neue Konzepte für eine nachhaltige Viehwirtschaft könnten unter Berücksichtigung der inhärenten langfristigen Muster der räumlichen Verteilung von ET und ihrer raum-zeitlichen Variabilität, die in dieser Arbeit identifiziert wurden, entwickelt werden. Außerdem ist die Anwendung der entwickelten Methode für die Modellierung räumlicher ET nicht auf die Grasländer des Xilin-Einzugsgebietes beschränkt; die Weidewirtschaft in anderen semi-ariden Grasländern könnte ebenfalls davon profitieren.

Technical complexities and the high cost of satellite images have hindered the adoption of remote sensing technology and tools for nature conservation works in Ethiopia as in many developing countries. The terrestrial and aquatic ecosystems in Abijjata Shala Lakes National Park (ASLNP) and the Important Bird Areas (IBAs) around the park are considered to be one of the most important home ranges for birds. However, little is known about the effect of land use/land cover (LULC) dynamics, due to lack of technical know how and logistical problems. However, it has been shown in this study that sophisticated image management works are not always relevant. Instead a simple method of utilizing the thermal band has been demonstrated. A new approach of long-term dynamics analysis method has also been suggested. A successful classification of images was achieved after such simple enhancement tests. It has been discovered that, there were more active LULC change processes in the area in the first study period (1973 to 1986) than during the second study period (1986-2000). In the first period nearly half of the landscape underwent land cover change processes with more than 26% of the entire landscape experiencing forest or land degradation. In the second period the extent of the change process was limited to only 1/3 of the total area with a smaller amount of degradation processes than before. During the entire study period, agriculture was responsible for the loss of more than 4/5 of the total terrestrial productive ecosystem. More than 37.6% of the total park area has been experiencing this loss for the past 3 decades. Only 1/5 of this area has a chance to revive, the remaining has undergone a permanent degradation. Lake Abijjata lost half of its size during the past 30 years. In the Zeway-Awassa basin 750 km², 2428km² and 3575km² of terrestrial lands and water bodies are within a distance of 10km, 20km and 30km from IBAs respectively. There are ecologically important areas where two or more IBAs overlap. In areas where more than two to five IBAs overlap, up to 85km² of areas have been recently degraded. High livestock density is one of the reasons for degradation. Using a monthly MODIS data from 2000-2005 and a series of interpolation techniques, the productivity of the area as well as the standing biomass were estimated. Moreover, a new method of spatially accurate livestock density assessment was developed in this study. Only 0.3% of the park area is found to be suitable for productive livestock development but nearly all inhabitants think the area is suitable. Feed availability in ASLNP is scarce even during rainy seasons. Especially the open woodlands are subject to overgrazing. Such shortage forces the inhabitants to cut trees for charcoal making to buy animal feed and non-food consumables. While more than 95% of the inhabitants in the park expanded their agriculture lands, only 13.3% of the farmers managed to produce cereals for market. The application of low cost remote sensing and GIS methods provided ample information that enables to conclude that low productivity and household food insecurity are the main driving forces behind land cover changes that are negatively affecting the natural and semi-natural ecosystems in the central and southern Rift Valley of Ethiopia. The restoration of natural ecosystems or conservation of biodiversity can be achieved only if those driving forces are tackled sustainably.

This work was written as a cumulative doctoral thesis based on reviewed publications. Climate projections are mainly based on the results of numeric simulations from global or regional climate models. Up to now processes between atmosphere and land surface are only rudimentarily known. This causes one of the major uncertainties in existing models. In order to reduce parameterisation uncertainties and to find a reasonable description of sub grid heterogeneities, the determination and evaluation of parameterisation schemes for modelling require as many datasets from different spatial scales as possible. This work contributes to this topic by implying different datasets from different platforms. Its objective was to analyse the spatial heterogeneity of land surface parameters and energy flux densities obtained from both satellite observations with different spatial and temporal resolutions and in-situ measurements. The investigations were carried out for two target areas in Germany. First, satellite data for the years 2002 and 2003 were analysed and validated from the LITFASS-area (Lindenberg Inhomogeneous Terrain - Fluxes between Atmosphere and Surface: a longterm Study). Second, the data from the experimental field sites of the FLUXNET cluster around Tharandt from the years 2006 and 2007 were used to determine the NDVI (Normalised Difference Vegetation Index for identifying vegetated areas and their "condition"). The core of the study was the determination of land surface characteristics and hence radiant and energy flux densities (net radiation, soil heat flux, sensible and latent heat flux) using the three optical satellite sensors ETM+ (Enhanced Thematic Mapper), MODIS (Moderate Resolution Imaging Spektroradiometer) and AVHRR 3 (Advanced Very High Resolution Radiometer) with different spatial (30 m – 1 km) and temporal (1 day – 16 days) resolution. Different sensor characteristics and different data sets for land use classifications can both lead to deviations of the resultant energy fluxes between the sensors. Thus, sensor differences were quantified, sensor adaptation methods were implemented and a quality analysis for land use classifications was performed. The result is then a single parameterisation scheme that allows for the determination of the energy fluxes from all three different sensors. The main focus was the derivation of the latent heat flux (L.E) using the Penman-Monteith (P-M) approach. Satellite data provide measurements of spectral reflectance and surface temperatures. The P-M approach requires further surface parameters not offered by satellite data. These parameters include the NDVI, Leaf Area Index (LAI), wind speed, relative humidity, vegetation height and roughness length, for example. They were derived indirectly from the given satellite- or in-situ measurements. If no data were available so called default values from literature were taken. The quality of these parameters strongly influenced the exactness of the radiant- and energy fluxes. Sensitivity studies showed that NDVI is one of the most important parameters for determination of evaporation. In contrast it could be shown, that the parameters as vegetation height and measurement height have only minor influence on L.E, which justifies the use of default values for these parameters. Due to the key role of NDVI a field study was carried out investigating the spatial variability and sensitivity of NDVI above five different land use types (winter wheat, corn, grass, beech and spruce). Methods to determine this parameter not only from space (spectral), but also from in-situ tower measurements (broadband) and spectrometer data (spectral) were compared. The best agreement between the methods was found for winter wheat and grass measurements in 2006. For these land use types the results differed by less than 10 % and 15 %, respectively. Larger differences were obtained for the forest measurements. The correlation between the daily MODIS-NDVI data and the in-situ NDVI inferred from the spectrometer and the broadband measurements were r=0.67 and r=0.51, respectively. Subsequently, spatial variability of land surface parameters and fluxes were analysed. The several spatial resolutions of the satellite sensors can be used to describe subscale heterogeneity from one scale to the other and to study the effects of spatial averaging. Therefore land use dependent parameters and fluxes were investigated to find typical distribution patterns of land surface properties and energy fluxes. Implying the distribution patterns found here for albedo and NDVI from ETM+ data in models has high potential to calculate representative energy flux distributions on a coarser scale. The distribution patterns were expressed as probability density functions (PDFs). First results of applying PDFs of albedo, NDVI, relative humidity, and wind speed to the L.E computation are encouraging, and they show the high potential of this method. Summing up, the method of satellite based surface parameter- and energy flux determination has been shown to work reliably on different temporal and spatial scales. The data are useful for detailed analyses of spatial variability of a landscape and for the description of sub grid heterogeneity, as it is needed in model applications. Their usability as input parameters for modelling on different scales is the second important result of this work. The derived vegetation parameters, e.g. LAI and plant cover, possess realistic values and were used as model input for the Lokalmodell of the German Weather Service. This significantly improved the model results for L.E. Additionally, thermal parameter fields, e.g. surface temperature from ETM+ with 30 m spatial resolution, were used as input for SVAT-modelling (Soil-Vegetation-Atmosphere-Transfer scheme). Thus, more realistic L.E results were obtained, providing highly resolved areal information. / Die vorliegende Arbeit wurde auf der Grundlage begutachteter Publikationen als kumulative Dissertation verfasst. Klimaprognosen basieren im Allgemeinen auf den Ergebnissen numerischer Simulationen mit globalen oder regionalen Klimamodellen. Eine der entscheidenden Unsicherheiten bestehender Modelle liegt in dem noch unzureichenden Verständnis von Wechselwirkungsprozessen zwischen der Atmosphäre und Landoberflächen und dem daraus folgenden Fehlen entsprechender Parametrisierungen. Um das Problem einer unsicheren Modell-Parametrisierung aufzugreifen und zum Beispiel subskalige Heterogenität in einer Art und Weise zu beschreiben, dass sie für Modelle nutzbar wird, werden für die Bestimmung und Evaluierung von Modell-Parametrisierungsansätzen so viele Datensätze wie möglich benötigt. Die Arbeit trägt zu diesem Thema durch die Verwendung verschiedener Datensätze unterschiedlicher Plattformen bei. Ziel der Studie war es, aus Satellitendaten verschiedener räumlicher und zeitlicher Auflösung sowie aus in-situ Daten die räumliche Heterogenität von Landoberflächenparametern und Energieflussdichten zu bestimmen. Die Untersuchungen wurden für zwei Zielgebiete in Deutschland durchgeführt. Für das LITFASS-Gebiet (Lindenberg Inhomogeneous Terrain - Fluxes between Atmosphere and Surface: a longterm Study) wurden Satellitendaten der Jahre 2002 und 2003 untersucht und validiert. Zusätzlich wurde im Rahmen dieser Arbeit eine NDVI-Studie (Normalisierter Differenzen Vegetations Index: Maß zur Detektierung von Vegetationflächen, deren Vitalität und Dichte) auf den Testflächen des FLUXNET Clusters um Tharandt in den Jahren 2006 und 2007 realisiert. Die Grundlage der Arbeit bildete die Bestimmung von Landoberflächeneigenschaften und daraus resultierenden Energieflüssen, auf Basis dreier optischer Sensoren (ETM+ (Enhanced Thematic Mapper), MODIS (Moderate Resolution Imaging Spectroradiometer) und AVHRR 3 (Advanced Very High Resolution Radiometer)) mit unterschiedlichen räumlichen (30 m – 1 km) und zeitlichen (1 – 16 Tage) Auflösungen. Unterschiedliche Sensorcharakteristiken, sowie die Verwendung verschiedener, zum Teil ungenauer Datensätze zur Landnutzungsklassifikation führen zu Abweichungen in den Ergebnissen der einzelnen Sensoren. Durch die Quantifizierung der Sensorunterschiede, die Anpassung der Ergebnisse der Sensoren aneinander und eine Qualitätsanalyse von verschiedenen Landnutzungsklassifikationen, wurde eine Basis für eine vergleichbare Parametrisierung der Oberflächenparameter und damit auch für die daraus berechneten Energieflüsse geschaffen. Der Schwerpunkt lag dabei auf der Bestimmung des latenten Wärmestromes (L.E) mit Hilfe des Penman-Monteith Ansatzes (P-M). Satellitendaten liefern Messwerte der spektralen Reflexion und der Oberflächentemperatur. Die P-M Gleichung erfordert weitere Oberflächenparameter wie zum Beispiel den NDVI, den Blattflächenindex (LAI), die Windgeschwindigkeit, die relative Luftfeuchte, die Vegetationshöhe oder die Rauhigkeitslänge, die jedoch aus den Satellitendaten nicht bestimmt werden können. Sie müssen indirekt aus den oben genannten Messgrößen der Satelliten oder aus in-situ Messungen abgeleitet werden. Stehen auch aus diesen Quellen keine Daten zur Verfügung, können sogenannte Standard- (Default-) Werte aus der Literatur verwendet werden. Die Qualität dieser Parameter hat einen großen Einfluss auf die Bestimmung der Strahlungs- und Energieflüsse. Sensitivitätsstudien im Rahmen der Arbeit zeigen die Bedeutung des NDVI als einen der wichtigsten Parameter in der Verdunstungsbestimmung nach P-M. Im Gegensatz dazu wurde deutlich, dass z. B. die Vegetationshöhe und die Messhöhe einen relativ kleinen Einfluss auf L.E haben, so dass für diese Parameter die Verwendung von Standardwerten gerechtfertigt ist. Aufgrund der Schlüsselrolle, welche der NDVI in der Bestimmung der Verdunstung einnimmt, wurden im Rahmen einer Feldstudie Untersuchungen des NDVI über fünf verschiedenen Landnutzungstypen (Winterweizen, Mais, Gras, Buche und Fichte) hinsichtlich seiner räumlichen Variabilität und Sensitivität, unternommen. Dabei wurden verschiedene Bestimmungsmethoden getestet, in welchen der NDVI nicht nur aus Satellitendaten (spektral), sondern auch aus in-situ Turmmessungen (breitbandig) und Spekrometermessungen (spektral) ermittelt wird. Die besten Übereinstimmungen der Ergebnisse wurden dabei für Winterweizen und Gras für das Jahr 2006 gefunden. Für diese Landnutzungstypen betrugen die Maximaldifferenzen aus den drei Methoden jeweils 10 beziehungsweise 15 %. Deutlichere Differenzen ließen sich für die Forstflächen verzeichnen. Die Korrelation zwischen Satelliten- und Spektrometermessung betrug r=0.67. Für Satelliten- und Turmmessungen ergab sich ein Wert von r=0.5. Basierend auf den beschriebenen Vorarbeiten wurde die räumliche Variabilität von Landoberflächenparametern und Flüssen untersucht. Die unterschiedlichen räumlichen Auflösungen der Satelliten können genutzt werden, um zum einen die subskalige Heterogenität zu beschreiben, aber auch, um den Effekt räumlicher Mittelungsverfahren zu testen. Dafür wurden Parameter und Energieflüsse in Abhängigkeit der Landnutzungsklasse untersucht, um typische Verteilungsmuster dieser Größen zu finden. Die Verwendung der Verteilungsmuster (in Form von Wahrscheinlichkeitsdichteverteilungen – PDFs), die für die Albedo und den NDVI aus ETM+ Daten gefunden wurden, bietet ein hohes Potential als Modellinput, um repräsentative PDFs der Energieflüsse auf gröberen Skalen zu erhalten. Die ersten Ergebnisse in der Verwendung der PDFs von Albedo, NDVI, relativer Luftfeuchtigkeit und Windgeschwindigkeit für die Bestimmung von L.E waren sehr ermutigend und zeigten das hohe Potential der Methode. Zusammenfassend lässt sich feststellen, dass die Methode der Ableitung von Oberflächenparametern und Energieflüssen aus Satellitendaten zuverlässige Daten auf verschiedenen zeitlichen und räumlichen Skalen liefert. Die Daten sind für eine detaillierte Analyse der räumlichen Variabilität der Landschaft und für die Beschreibung der subskaligen Heterogenität, wie sie oft in Modellanwendungen benötigt wird, geeignet. Ihre Nutzbarkeit als Inputparameter in Modellen auf verschiedenen Skalen ist das zweite wichtige Ergebnis der Arbeit. Aus Satellitendaten abgeleitete Vegetationsparameter wie der LAI oder die Pflanzenbedeckung liefern realistische Ergebnisse, die zum Beispiel als Modellinput in das Lokalmodell des Deutschen Wetterdienstes implementiert werden konnten und die Modellergebnisse von L.E signifikant verbessert haben. Aber auch thermale Parameter, wie beispielsweise die Oberflächentemperatur aus ETM+ Daten in 30 m Auflösung, wurden als Eingabeparameter eines Soil-Vegetation-Atmosphere-Transfer-Modells (SVAT) verwendet. Dadurch erhält man realistischere Ergebnisse für L.E, die hochaufgelöste Flächeninformationen bieten.

This work was written as a cumulative doctoral thesis based on reviewed publications. Climate projections are mainly based on the results of numeric simulations from global or regional climate models. Up to now processes between atmosphere and land surface are only rudimentarily known. This causes one of the major uncertainties in existing models. In order to reduce parameterisation uncertainties and to find a reasonable description of sub grid heterogeneities, the determination and evaluation of parameterisation schemes for modelling require as many datasets from different spatial scales as possible. This work contributes to this topic by implying different datasets from different platforms. Its objective was to analyse the spatial heterogeneity of land surface parameters and energy flux densities obtained from both satellite observations with different spatial and temporal resolutions and in-situ measurements. The investigations were carried out for two target areas in Germany. First, satellite data for the years 2002 and 2003 were analysed and validated from the LITFASS-area (Lindenberg Inhomogeneous Terrain - Fluxes between Atmosphere and Surface: a longterm Study). Second, the data from the experimental field sites of the FLUXNET cluster around Tharandt from the years 2006 and 2007 were used to determine the NDVI (Normalised Difference Vegetation Index for identifying vegetated areas and their "condition"). The core of the study was the determination of land surface characteristics and hence radiant and energy flux densities (net radiation, soil heat flux, sensible and latent heat flux) using the three optical satellite sensors ETM+ (Enhanced Thematic Mapper), MODIS (Moderate Resolution Imaging Spektroradiometer) and AVHRR 3 (Advanced Very High Resolution Radiometer) with different spatial (30 m – 1 km) and temporal (1 day – 16 days) resolution. Different sensor characteristics and different data sets for land use classifications can both lead to deviations of the resultant energy fluxes between the sensors. Thus, sensor differences were quantified, sensor adaptation methods were implemented and a quality analysis for land use classifications was performed. The result is then a single parameterisation scheme that allows for the determination of the energy fluxes from all three different sensors. The main focus was the derivation of the latent heat flux (L.E) using the Penman-Monteith (P-M) approach. Satellite data provide measurements of spectral reflectance and surface temperatures. The P-M approach requires further surface parameters not offered by satellite data. These parameters include the NDVI, Leaf Area Index (LAI), wind speed, relative humidity, vegetation height and roughness length, for example. They were derived indirectly from the given satellite- or in-situ measurements. If no data were available so called default values from literature were taken. The quality of these parameters strongly influenced the exactness of the radiant- and energy fluxes. Sensitivity studies showed that NDVI is one of the most important parameters for determination of evaporation. In contrast it could be shown, that the parameters as vegetation height and measurement height have only minor influence on L.E, which justifies the use of default values for these parameters. Due to the key role of NDVI a field study was carried out investigating the spatial variability and sensitivity of NDVI above five different land use types (winter wheat, corn, grass, beech and spruce). Methods to determine this parameter not only from space (spectral), but also from in-situ tower measurements (broadband) and spectrometer data (spectral) were compared. The best agreement between the methods was found for winter wheat and grass measurements in 2006. For these land use types the results differed by less than 10 % and 15 %, respectively. Larger differences were obtained for the forest measurements. The correlation between the daily MODIS-NDVI data and the in-situ NDVI inferred from the spectrometer and the broadband measurements were r=0.67 and r=0.51, respectively. Subsequently, spatial variability of land surface parameters and fluxes were analysed. The several spatial resolutions of the satellite sensors can be used to describe subscale heterogeneity from one scale to the other and to study the effects of spatial averaging. Therefore land use dependent parameters and fluxes were investigated to find typical distribution patterns of land surface properties and energy fluxes. Implying the distribution patterns found here for albedo and NDVI from ETM+ data in models has high potential to calculate representative energy flux distributions on a coarser scale. The distribution patterns were expressed as probability density functions (PDFs). First results of applying PDFs of albedo, NDVI, relative humidity, and wind speed to the L.E computation are encouraging, and they show the high potential of this method. Summing up, the method of satellite based surface parameter- and energy flux determination has been shown to work reliably on different temporal and spatial scales. The data are useful for detailed analyses of spatial variability of a landscape and for the description of sub grid heterogeneity, as it is needed in model applications. Their usability as input parameters for modelling on different scales is the second important result of this work. The derived vegetation parameters, e.g. LAI and plant cover, possess realistic values and were used as model input for the Lokalmodell of the German Weather Service. This significantly improved the model results for L.E. Additionally, thermal parameter fields, e.g. surface temperature from ETM+ with 30 m spatial resolution, were used as input for SVAT-modelling (Soil-Vegetation-Atmosphere-Transfer scheme). Thus, more realistic L.E results were obtained, providing highly resolved areal information. / Die vorliegende Arbeit wurde auf der Grundlage begutachteter Publikationen als kumulative Dissertation verfasst. Klimaprognosen basieren im Allgemeinen auf den Ergebnissen numerischer Simulationen mit globalen oder regionalen Klimamodellen. Eine der entscheidenden Unsicherheiten bestehender Modelle liegt in dem noch unzureichenden Verständnis von Wechselwirkungsprozessen zwischen der Atmosphäre und Landoberflächen und dem daraus folgenden Fehlen entsprechender Parametrisierungen. Um das Problem einer unsicheren Modell-Parametrisierung aufzugreifen und zum Beispiel subskalige Heterogenität in einer Art und Weise zu beschreiben, dass sie für Modelle nutzbar wird, werden für die Bestimmung und Evaluierung von Modell-Parametrisierungsansätzen so viele Datensätze wie möglich benötigt. Die Arbeit trägt zu diesem Thema durch die Verwendung verschiedener Datensätze unterschiedlicher Plattformen bei. Ziel der Studie war es, aus Satellitendaten verschiedener räumlicher und zeitlicher Auflösung sowie aus in-situ Daten die räumliche Heterogenität von Landoberflächenparametern und Energieflussdichten zu bestimmen. Die Untersuchungen wurden für zwei Zielgebiete in Deutschland durchgeführt. Für das LITFASS-Gebiet (Lindenberg Inhomogeneous Terrain - Fluxes between Atmosphere and Surface: a longterm Study) wurden Satellitendaten der Jahre 2002 und 2003 untersucht und validiert. Zusätzlich wurde im Rahmen dieser Arbeit eine NDVI-Studie (Normalisierter Differenzen Vegetations Index: Maß zur Detektierung von Vegetationflächen, deren Vitalität und Dichte) auf den Testflächen des FLUXNET Clusters um Tharandt in den Jahren 2006 und 2007 realisiert. Die Grundlage der Arbeit bildete die Bestimmung von Landoberflächeneigenschaften und daraus resultierenden Energieflüssen, auf Basis dreier optischer Sensoren (ETM+ (Enhanced Thematic Mapper), MODIS (Moderate Resolution Imaging Spectroradiometer) und AVHRR 3 (Advanced Very High Resolution Radiometer)) mit unterschiedlichen räumlichen (30 m – 1 km) und zeitlichen (1 – 16 Tage) Auflösungen. Unterschiedliche Sensorcharakteristiken, sowie die Verwendung verschiedener, zum Teil ungenauer Datensätze zur Landnutzungsklassifikation führen zu Abweichungen in den Ergebnissen der einzelnen Sensoren. Durch die Quantifizierung der Sensorunterschiede, die Anpassung der Ergebnisse der Sensoren aneinander und eine Qualitätsanalyse von verschiedenen Landnutzungsklassifikationen, wurde eine Basis für eine vergleichbare Parametrisierung der Oberflächenparameter und damit auch für die daraus berechneten Energieflüsse geschaffen. Der Schwerpunkt lag dabei auf der Bestimmung des latenten Wärmestromes (L.E) mit Hilfe des Penman-Monteith Ansatzes (P-M). Satellitendaten liefern Messwerte der spektralen Reflexion und der Oberflächentemperatur. Die P-M Gleichung erfordert weitere Oberflächenparameter wie zum Beispiel den NDVI, den Blattflächenindex (LAI), die Windgeschwindigkeit, die relative Luftfeuchte, die Vegetationshöhe oder die Rauhigkeitslänge, die jedoch aus den Satellitendaten nicht bestimmt werden können. Sie müssen indirekt aus den oben genannten Messgrößen der Satelliten oder aus in-situ Messungen abgeleitet werden. Stehen auch aus diesen Quellen keine Daten zur Verfügung, können sogenannte Standard- (Default-) Werte aus der Literatur verwendet werden. Die Qualität dieser Parameter hat einen großen Einfluss auf die Bestimmung der Strahlungs- und Energieflüsse. Sensitivitätsstudien im Rahmen der Arbeit zeigen die Bedeutung des NDVI als einen der wichtigsten Parameter in der Verdunstungsbestimmung nach P-M. Im Gegensatz dazu wurde deutlich, dass z. B. die Vegetationshöhe und die Messhöhe einen relativ kleinen Einfluss auf L.E haben, so dass für diese Parameter die Verwendung von Standardwerten gerechtfertigt ist. Aufgrund der Schlüsselrolle, welche der NDVI in der Bestimmung der Verdunstung einnimmt, wurden im Rahmen einer Feldstudie Untersuchungen des NDVI über fünf verschiedenen Landnutzungstypen (Winterweizen, Mais, Gras, Buche und Fichte) hinsichtlich seiner räumlichen Variabilität und Sensitivität, unternommen. Dabei wurden verschiedene Bestimmungsmethoden getestet, in welchen der NDVI nicht nur aus Satellitendaten (spektral), sondern auch aus in-situ Turmmessungen (breitbandig) und Spekrometermessungen (spektral) ermittelt wird. Die besten Übereinstimmungen der Ergebnisse wurden dabei für Winterweizen und Gras für das Jahr 2006 gefunden. Für diese Landnutzungstypen betrugen die Maximaldifferenzen aus den drei Methoden jeweils 10 beziehungsweise 15 %. Deutlichere Differenzen ließen sich für die Forstflächen verzeichnen. Die Korrelation zwischen Satelliten- und Spektrometermessung betrug r=0.67. Für Satelliten- und Turmmessungen ergab sich ein Wert von r=0.5. Basierend auf den beschriebenen Vorarbeiten wurde die räumliche Variabilität von Landoberflächenparametern und Flüssen untersucht. Die unterschiedlichen räumlichen Auflösungen der Satelliten können genutzt werden, um zum einen die subskalige Heterogenität zu beschreiben, aber auch, um den Effekt räumlicher Mittelungsverfahren zu testen. Dafür wurden Parameter und Energieflüsse in Abhängigkeit der Landnutzungsklasse untersucht, um typische Verteilungsmuster dieser Größen zu finden. Die Verwendung der Verteilungsmuster (in Form von Wahrscheinlichkeitsdichteverteilungen – PDFs), die für die Albedo und den NDVI aus ETM+ Daten gefunden wurden, bietet ein hohes Potential als Modellinput, um repräsentative PDFs der Energieflüsse auf gröberen Skalen zu erhalten. Die ersten Ergebnisse in der Verwendung der PDFs von Albedo, NDVI, relativer Luftfeuchtigkeit und Windgeschwindigkeit für die Bestimmung von L.E waren sehr ermutigend und zeigten das hohe Potential der Methode. Zusammenfassend lässt sich feststellen, dass die Methode der Ableitung von Oberflächenparametern und Energieflüssen aus Satellitendaten zuverlässige Daten auf verschiedenen zeitlichen und räumlichen Skalen liefert. Die Daten sind für eine detaillierte Analyse der räumlichen Variabilität der Landschaft und für die Beschreibung der subskaligen Heterogenität, wie sie oft in Modellanwendungen benötigt wird, geeignet. Ihre Nutzbarkeit als Inputparameter in Modellen auf verschiedenen Skalen ist das zweite wichtige Ergebnis der Arbeit. Aus Satellitendaten abgeleitete Vegetationsparameter wie der LAI oder die Pflanzenbedeckung liefern realistische Ergebnisse, die zum Beispiel als Modellinput in das Lokalmodell des Deutschen Wetterdienstes implementiert werden konnten und die Modellergebnisse von L.E signifikant verbessert haben. Aber auch thermale Parameter, wie beispielsweise die Oberflächentemperatur aus ETM+ Daten in 30 m Auflösung, wurden als Eingabeparameter eines Soil-Vegetation-Atmosphere-Transfer-Modells (SVAT) verwendet. Dadurch erhält man realistischere Ergebnisse für L.E, die hochaufgelöste Flächeninformationen bieten.

Mittels umweltpolitischer Programme von weltweit einzigartigem Ausmaß versucht China sowohl den menschlichen Druck auf die Landbedeckung zu mindern als auch eine nachhaltige Landnutzung zu fördern. Als Hotspot globaler Umweltveränderungen wurden insbesondere für die Innere Mongolei erhebliche Investitionen zur Renaturierung von Landoberflächen von der chinesischen Zentralregierung getätigt. Die Fernerkundung ist ein effektiver Ansatz für ein flächendeckendes Monitoring des Landnutzungswandels. Jedoch erschweren die limitierte Datenverfügbarkeit und das Fehlen verfügbarer Veränderungsanalysemethoden die Anwendung fernerkundlicher Techniken zum Monitoring von Landnutzung und ihrer Veränderungen. Um den Landnutzungswandel in der Inneren Mongolei verlässlich zu kartieren, wurden daher in einem ersten Schritt Möglichkeiten und Grenzen von Zeitreihen räumlich grob aufgelöster Fernerkundungsdaten für das Monitoring von Langzeitveränderungen der Landbedeckung untersucht. Im zweiten Schritt wurde ein Ansatz zur Erfassung von jährlichen Veränderungen zwischen mehreren Landnutzungsklassen entwickelt und angewandt. Die Ergebnisse zeigen, dass die chinesische Landnutzungspolitik seit dem Jahr 2000 wirksam zum Erhalt und zur Regenerierung von Waldökosystemen in der Inneren Mongolei beiträgt. Abnehmende Entwaldung und ein Zuwachs von Waldflächen sind insbesondere in jenen Regionen zu finden, in welchen die landnutzungspolitischen Maßnahmen umgesetzt wurden. Die Konvertierung von Ackerland zu Grasland wurde zumeist innerhalb anfälliger, klimatisch und topographisch ungeeigneter Gebiete beobachtet. Die vorliegende Dissertation veranschaulicht sowohl den Einfluss politischer Maßnahmen und zugrunde liegender sozio-ökonomischer Treiber auf die Landoberfläche als auch die Bedeutung von grob aufgelösten Fernerkundungsdaten und Zeitreihenanalysen für das Monitoring des Landnutzungswandels in großräumigen Gebieten. / Monitoring land use and land cover change (LULCC) support better interpretation about how land surfaces are impacted by human decisions. The overall aim of this thesis is to gain a better understanding about LULCC in Inner Mongolia using remote sensing under consideration of China’s land use policies. With the largest scale land restoration programs in the world, China aims to reduce human pressure on lands and promote sustainable land use. As a hot-spot of environmental change, Inner Mongolia received the heaviest investment from the central government for land restoration. Yet the effectiveness and consequences of China’s land use policies in Inner Mongolia remain unclear. Remote sensing is an effective tool for monitoring land use and land cover change across broad scales, yet data limitations and a lack of available change detection methods hampers the capacity of researchers to apply remote sensing techniques for LULCC monitoring. To reliably map LULCC in Inner Mongolia, the opportunities and limitations of using coarse resolution imagery time series for monitoring long-term land changes was first examined. Second, an approach detecting annual changes between multiple land categories was developed and applied in Inner Mongolia. Results indicate that China’s land use policies effectively preserved and recovered forest ecosystems in Inner Mongolia after the year 2000. The decreasing trends of deforestation and forest gain are obvious in the regions that implement China’s land use policies, which reflect the positive influence of the policy. Cropland retirement was mostly found in ecologically fragile areas where climate and topographic conditions are unsuitable for cultivation. This thesis reveals how political factors and other underlying social-economic drivers impact a country''s land surface, and highlights the values of using coarse resolution imagery and time series analysis for LULCC monitoring across large areas.

Die weltweite Bevölkerungszunahme, sich ändernde Ernährungsgewohnheiten, und die Nachfrage nach Bioenergie erfordern eine Erhöhung der landwirtschaftlichen Produktion. Die Intensivierung bestehender landwirtschaftlicher Flächen ist hierbei eine mögliche Option. Allerdings verstehen wir nur wenig von den räumlichen Mustern der landwirtschaftlichen Nutzungsintensität, da adäquate Datensätze fehlen. Europa ist eine beispielhafte Region, in der eine Intensivierung als auch ein Rückgang der Landnutzung stattfindet. Ziel dieser Dissertation war es Methoden zu entwickeln, die MODIS NDVI Zeitreihen und statistische Daten kombinieren und eine europaweite Kartierung der landwirtschaftlichen Nutzungsintensität ermöglichen. Für eine Einschätzung der landwirtschaftlichen Nutzungsintensität wurden eine Reihe von Intensitätsindikatoren entwickelt und kartiert. Die resultierenden Karten zeigen eine hohe Landnutzungsintensität in West- und Zentraleuropa und dem Mittelmeerraum, gekennzeichnet durch Mehrfachernten und langen Anbauzeiten. Gebiete mit niedriger Intensität lagen in Osteuropa, in Gebirgsregionen sowie in der Extremadura in Spanien, wo Brachland und die Aufgabe von Agrarflächen häufig sind. Die Aufgabe von Agrarflächen ist ein aktueller Prozess der Landnutzungsveränderung in Osteuropa, während die gleichzeitige Rekultivierung ehemaliger Agrarflächen ebenfalls umfassend ist. Diese räumlichen Muster lassen sich mit unterschiedlichen Agrarumweltbedingungen begründen aber auch mit sozioökonomischen Veränderungen wie die Restrukturierung des osteuropäischen Agrarsektors nach 1989 oder die Marginalisierung landwirtschaftlicher Flächen insbesondere in Gebirgsregionen. Die entstandenen Karten belegen das Potential von MODIS NDVI Zeitreihen, komplexe Phänomene landwirtschaftlicher Nutzungsintensität zu erfassen. Diese könnten genutzt werden um Umweltfolgen der landwirtschaftlichen Produktion zu bewerten oder Zielregionen für eine nachhaltige Intensivierung zu identifizieren. / Global population growth, changing diets, and the demand of bioenergy require an increase in agricultural production. Intensifying agricultural production is one pathway to meet increasing demands. However, our understanding of spatial patterns of agricultural land use remains weak since adequate data sets are lacking. Europe is as a prime example for a region that is undergoing both, intensification as well as decreasing agricultural land use. The goal of this doctoral thesis was to develop methodologies that combine MODIS NDVI time series and agricultural statistics to map spatial patterns of land-use intensity across Europe. To assess land-use intensity, a wide range of intensity indicators were mapped. The resulting maps revealed high-intensity areas in Western and Central Europe and the Mediterranean region, characterized by multi-harvests and long crop duration. Low-intensity areas are mostly located in Eastern Europe, in mountain regions and the Extremadura in Spain, where fallow and abandonment land are widespread. Agricultural abandonment is an ongoing land-use change process in Eastern Europe. At the same time, recultivation of formerly abandoned land is widespread as well. These spatial patterns are the result of agro-environmental conditions but also of changes in socio-economic conditions such as the restructuring of the agricultural sector in eastern European countries after 1989, or the marginalization of farmland especially in mountain regions. The resulting maps show the potential of MODIS time series to assess the complex phenomenon of land-use intensity. They may form a basis to assess the environmental outcomes of agricultural production and to identify target regions for sustainable intensification.

MODIS est une méthode fiable et précise utilisée couramment pour suivre l'évolution du couvert nival au-dessus de bassins versants alpins. Toutefois, cette méthode de télédétection possède quelques limitations importantes, tel que l'inhabilité à distinguer la neige humide de la neige sèche, qui pourrait être mieux prise en compte par l'utilisation d'une méthode de télédétection complémentaire telle que l'imagerie par radar à synthèse d'ouverture (RSO). Le site d'étude utilisé pour le projet est le bassin versant de la rivière Nechako, situé dans la chaîne Côtière de la Colombie-Britannique, qui est caractérisé par un manteau neigeux pouvant atteindre plusieurs mètres d’épaisseur en montagne. Quinze images RADARSAT-2 en mode ScanSAR Wide ont été obtenues en polarisation VV et VH entre les mois de mars et juillet 2012. Elles ont été traitées à l'aide d'un algorithme basé sur la méthode de Nagler et Rott pour distinguer la neige humide de la neige sèche, mais qui utilise un seuil graduel plutôt que le seuil de -3 dB fréquemment utilisé. Les cartes de neige humide qui découlent de cette technique correspondent mieux aux incertitudes retrouvées sur le bassin en raison de la présence importante de forêts de conifères et de régions montagneuses. Les cartes ont été combinées au produit de neige de MODIS, afin d'utiliser son habileté à détecter le couvert nival avec précision pour corriger les zones de bruit des images RSO, causées entre autres par des sols gorgés en eau. Afin d'aider l'analyse des images RSO, une modélisation fine du manteau neigeux a été effectuée avec le logiciel Crocus afin de procéder à une analyse détaillée de l’évolution des caractéristiques du manteau neigeux, notamment du contenu en eau liquide de la neige, tout au long de l’hiver. La modélisation a été effectuée à l'emplacement de trois coussins à neige sur le bassin versant et est réalisée grâce à l'utilisation de données du North American Regional Reanalysis (NARR). À partir des résultats du modèle Crocus et de l'équivalent en eau observé aux coussins à neige, une relation a été établie entre la détection de neige humide en montagne par RADARSAT-2 et le ruissellement reçu au réservoir de la rivière Nechako. Avec le jeu de données actuel, le ruissellement maximal reçu au réservoir a été prévu avec une précision de 10 jours. Il est prévu que davantage d'années d’images radar pourraient permettre de confirmer et de réduire cet intervalle.

A procedural generation of landscapes often meets a need for real spatial data at finer resolution that data available at the moment. We introduce a method that refines the spatial data at the coarse resolution into the finer resolution utilizing other data sources which are already at the better resolution. We construct weighted local linear statistical models from both the coarse and utility data and use the by- models-learned dependencies between the data sources to predict the needed data at better resolution. To achieve higher computational speed and evade utility data imperfection, we utilize truncated singular value decomposition which reduce a dimensionality of the data space we work with. The~method is highly modifiable and its application shows plausible real-like results. Thanks to this, the method can be of practical use for simulation software development. Powered by TCPDF (www.tcpdf.org)

Lakes are key indicators of environmental change and major repositories of biodiversity and ecosystem services. However, studies of lake response to drivers of change at a pan-European scale are exceptionally rare. The need for such studies has been given renewed impetus by concerns over climate change and because of international policyrelated schemes, such as the EU Water Framework Directive that has made it legal requirement to repeatedly assess and monitor the ecological status of European lakes toward their effective management and sustainable use. This has introduced the need for methods that can be widely applied across large spatial and temporal scales and produce comparable results. Remote sensing is a promising method for providing such information, but the spatial transferability and temporal repeatability of methods and relationships observed remains untested. In this project, an extensive dataset of field measurements was compiled covering temperature, chlorophyll a and Secchi disk depth in 23 European lakes spanning the last 30 years. The characteristics of these lake systems were explored and similarities in their ecological behavior identified, thus providing the basis for their grouping. Then the potential of remote sensing for estimating and monitoring lake water quality at wide spatial and temporal scales was assessed and thus the long remote sensing archive at the NEODAAS DSRS was fundamental for the purposes of this project. Using NOAA AVHRR, Terra/Aqua MODIS and field data from lakes that represented three main lake groups, the spatial and temporal reliability of 26 existing water quality estimation algorithms was assessed. Following this, the best performing algorithms were applied to all study sites and the effect of scale and spatial resolution upon reliable estimation of key water quality parameters was evaluated. It was demonstrated that the NOAA AVHRR and Terra/Aqua MODIS were both capable of producing highly accurate (R2 > 0.9) lake surface temperature estimates in lakes with variable characteristics and a variety of thermal spatial features, and longterm patterns within the study sites could be studied with NOAA AVHRR data despite the relatively coarse spatial resolution of the sensor. Restricting factors to the latter were the size and shape of lakes and the frequency of cloud cover. By contrast, the development of a universal Terra/Aqua MODIS algorithm for the estimation of chlorophyll a and Secchi disk depth in variable lakes was more challenging due to the optical complexity of Case II waters. Terra/Aqua MODIS data showed a potential, but the use of a different technique (e.g. multivariate regression or neural networks) and/or a different sensor (e.g. Envisat MERIS) could potentially improve the predictive accuracy of the algorithms.