Freie Universiẗat, Diplomarbeit u.d.T.: Piechowski, Daniel: Vegetationsstrukturanalyse unterschiedlich beeinflusster submontaner Regenwälder in Ecuador--Berlin, 2003.

Zugl.: Berlin, Humboldt-Univ., Diss., 2007

Stuttgart, FH, Diplomarb., 2002.

University, Diss., 2004--Bonn.

Climate change has created potential major threats to global biodiversity. The multiple components of climate change are projected to affect all pillars of biodiversity, from genes over species to biome level. Of particular concerns are "tipping points" where the exceedance of ecosystem thresholds will possibly lead to irreversible shifts of ecosystems and their functioning. As biodiversity underlies all goods and services provided by ecosystems that are crucial for human survival and wellbeing, this paper presents potential effects of climate change on biodiversity, its plausible impacts on human society as well as the setting in addressing a global crisis. Species affected by climate change may respond in three ways: change, move or die. Local species extinctions or a rapidly affected ecosystem as a whole respectively might move toward its particular "tipping point", thereby probably depriving its services to human society and ending up in a global crisis. Urgent and appropriate actions within various scenarios of climate change impacts on biodiversity, especially in tropical regions, are needed to be considered. Foremost a multisectoral approach on biodiversity issues with broader policies, stringent strategies and programs at international, national and local levels is essential to meet the challenges of climate change impacts on biodiversity.

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

No description available.

No description available.

Univ., Diss.--Göttingen, 2003. / Zsfassung in dt. Sprache.

Das Ziel dieser Arbeit ist die systematische Untersuchung der Auswirkungen von Änderungen in der Niederschlagshäufigkeit und -menge im Amazonas sowie eine Prognose der zukünftigen Entwicklung des Regenwaldes unter den sich ändernden Bedingungen im Rahmen des Klimawandels. Die in dieser Arbeit durchgeführten Untersuchungen der Niederschlagskorrelationsmuster des südamerikanischen Monsuns basieren auf der Theorie komplexer Netzwerke und offenbaren beispielsweise den Übergang von einem geordneten zu einem ungeordneten System zu Beginn des Monsuns. Die Erweiterung der verwendeten Methoden hin zu mehrschichtigen Netzwerken wird anschließend zur Untersuchung der Ursache von Dürren im zentralen Amazonasgebiet verwendet. Ein bivariates Netzwerk aus Niederschlagsdaten und atlantischen Meeresoberflächentemperaturen zeigt, dass bestimmte Meeresregionen im tropischen Atlantik den Niederschlag im zentralen Amazonas stark beeinflussen. Die Ergebnisse dieser Arbeit zeigen, dass einer Dürre in der Regel die Entstehung eines klimatischen Dipols der Meeresoberflächentemperaturen zwischen den identifizierten Ozeanregionen vorausgeht. Aufbauend auf diesen Ergebnissen wird in dieser Arbeit erstmalig ein Frühwarnsystem für Dürren im Amazonas vorgestellt. Der Untersuchung des Einflusses von Niederschlagsvariabilität auf die Vegetation wird eine Potentiallandschaft aus Niederschlags- und Baumbedeckungsdaten im Amazonas zugrunde gelegt. Die vorliegende Studie zeigt, dass eine direkte Abhängigkeit zwischen der lokalen, langfristigen Niederschlagsvariabilität und der Resilienz des Waldes besteht. Dies bedeutet, dass stärkere jährliche Niederschlagsvariabilität zu einem Trainingseffekt der tropischen Vegetation führen kann. Bedenkt man außerdem, dass es in Zukunft im zentralen Amazonas mehr Dürren geben soll, kann es entscheidend sein, ob die Vegetation einer Region zuvor Erfahrung mit starker Niederschlagsvariabilität gemacht hat und dementsprechend angepasst ist. Um nicht nur lokale, sondern auch globale Einflüsse zu berücksichtigen, wird zum einen der Effekt einer sich verlangsamenden thermohalinen Zirkulation durch Klimaerwärmung und zum anderen der direkte Einfluss der Klimaerwärmung auf denn zentralen Amazonas Regenwald untersucht. Die Studie zeigt, dass beide Ereignisse gegensätzliche und somit sich ausgleichende Einflüsse auf die Vegetation im Amazonasgebiet haben können. Der Regenwald könnte somit stabil in Bezug auf den Klimawandel sein. Die vorliegende Dissertation Arbeit leistet auf der Basis von neu entwickelten Methoden einen wesentlichen Beitrag, um die Kenntnisse der betrachteten klimatischen und ökologischen Systeme zu vertiefen. / This thesis investigates the impact of changes in frequency and amount of precipitation in the Amazon rainforest and analyzes its development under the changing conditions due to global warming. In this context, complex network theory is utilized to investigate the South American monsoon system. The precipitation correlation structure reveals hidden features of the system, such as the transition from a disordered to an ordered monsoon system. Further developing existing network methods towards multilayer network tools allows for the investigation of the root causes for droughts in the central Amazon basin. By using a bivariate network between monthly precipitation in the central Amazon and Atlantic sea surface temperatures, distinct oceanic regions are identified to have a strong influence on central Amazonian precipitation. The formation of a climatological dipole between the northern and southern tropical Atlantic sea surface temperatures is found to precede droughts. As a result, this study is the first to give an early warning for droughts in the Amazon. To investigate the influence of rainfall variability on vegetation, a potential landscape is constructed from precipitation and Amazonian tree cover data. The resilience of the forest is found to directly depend on the local rainfall variability in the long-term past, thereby reflecting a vegetational training effect under specific environmental conditions. Considering climate change projections, this effect could be decisive for the future survival of the present rainforest vegetation state. In order to cover long-term influences of global warming, this thesis additionally investigates the effects of a slowing down of the Atlantic meridional overturning circulation and the direct influence of global warming on the southern Amazon rainforest.. It is revealed that these effects, although caused by global warming, have competitive impacts on precipitation in the Amazon basin, with a stabilizing effect of an Atlantic meridional overturning circulation slowdown on the Amazon rainforest. This dissertation provides newly developed, as well as adjusted methods to enhance our understanding of the considered climatological and vegetational systems. Together, they provide the basic tools for a further investigation of these complex systems.