The primary objective of this research was to evaluate the potential for monitoring forest change using Landsat ETM and Aster data. This was accomplished by performing eight change detection algorithms: pixel post-classification comparison (PCC), image differencing Normalized Difference Vegetation Index (NDVI), Soil-Adjusted Vegetation Index (SAVI), Transformed Difference Vegetation Index (TDVI), principal component analysis (PCA), multivariate alteration detection (MAD), change vector analysis (CVA) and tasseled cap analysis (TCA). Methods, Post-Classification Comparison and vegetation indices are straightforward techniques and easy to apply. In this study the simplified classification with only 4 forest classes namely close forest, open forest, bare land and grass land was used The overall classification accuracy obtained were 88.4%, 91.9% and 92.1% for the years 2000, 2003 and 2006 respectively. The Tasseled Cap green layer (GTC) composite of the three images was proposed to detect the change in vegetation of the study area. We found that the RBG-TCG worked better than RGBNDVI. For instance, the RBG-TCG detected some areas of changes that RGB-NDVI failed to detect them, moreover RBG-TCG displayed different changed areas with more strong colours. Change vector analysis (CVA) based on Tasseled Cap transformation (TCT) was also applied for detecting and characterizing land cover change. The results support the CVA approach to change detection. The calculated date to date change vectors contained useful information, both in their magnitude and their direction. A powerful tool for time series analysis is the principal components analysis (PCA). This method was tested for change detection in the study area by two ways: Multitemporal PCA and Selective PCA. Both methods found to offer the potential for monitoring forest change detection. A recently proposed approach, the multivariate alteration detection (MAD), in combination with a posterior maximum autocorrelation factor transformation (MAF) was used to demonstrate visualization of vegetation changes in the study area. The MAD transformation provides a way of combining different data types that found to be useful in change detection. Accuracy assessment is an important final step addressed in the study to evaluate the different change detection techniques. A quantitative accuracy assessment at level of change/no change pixels was performed to determine the threshold value with the highest accuracy. Among the various accuracy assessment methods presented the highest accuracy was obtained using the post-classification comparison based on supervised classification of each two time periods (2000 -2003 and 2003-2006), which were 90.6% and 87% consequently.

This work makes an attempt to explain the origin, features and potential applications of the elevation bias of the synthetic aperture radar interferometry (InSAR) datasets over areas covered by vegetation. The rapid development of radar-based remote sensing methods, such as synthetic aperture radar (SAR) and InSAR, has provided an alternative to the photogrammetry and LiDAR for determining the third dimension of topographic surfaces. The InSAR method has proved to be so effective and productive that it allowed, within eleven days of the space shuttle mission, for acquisition of data to develop a three-dimensional model of almost the entire land surface of our planet. This mission is known as the Shuttle Radar Topography Mission (SRTM). Scientists across the geosciences were able to access the great benefits of uniformity, high resolution and the most precise digital elevation model (DEM) of the Earth like never before for their a wide variety of scientific and practical inquiries. Unfortunately, InSAR elevations misrepresent the surface of the Earth in places where there is substantial vegetation cover. This is a systematic error of unknown, yet limited (by the vertical extension of vegetation) magnitude. Up to now, only a limited number of attempts to model this error source have been made. However, none offer a robust remedy, but rather partial or case-based solutions. More work in this area of research is needed as the number of airborne and space-based InSAR elevation models has been steadily increasing over the last few years, despite strong competition from LiDAR and optical methods. From another perspective, however, this elevation bias, termed here as the “biomass impenetrability”, creates a great opportunity to learn about the biomass. This may be achieved due to the fact that the impenetrability can be considered a collective response to a few factors originating in 3D space that encompass the outermost boundaries of vegetation. The biomass, presence in InSAR datasets or simply the biomass impenetrability, is the focus of this research. The report, presented in a sequence of sections, gradually introduces terminology, physical and mathematical fundamentals commonly used in describing the propagation of electromagnetic waves, including the Maxwell equations. The synthetic aperture radar (SAR) and InSAR as active remote sensing methods are summarised. In subsequent steps, the major InSAR data sources and data acquisition systems, past and present, are outlined. Various examples of the InSAR datasets, including the SRTM C- and X-band elevation products and INTERMAP Inc. IFSAR digital terrain/surface models (DTM/DSM), representing diverse test sites in the world are used to demonstrate the presence and/or magnitude of the biomass impenetrability in the context of different types of vegetation – usually forest. Also, results of investigations carried out by selected researchers on the elevation bias in InSAR datasets and their attempts at mathematical modelling are reviewed. In recent years, a few researchers have suggested that the magnitude of the biomass impenetrability is linked to gaps in the vegetation cover. Based on these hints, a mathematical model of the tree and the forest has been developed. Three types of gaps were identified; gaps in the landscape-scale forest areas (Type 1), e.g. forest fire scares and logging areas; a gap between three trees forming a triangle (Type 2), e.g. depending on the shape of tree crowns; and gaps within a tree itself (Type 3). Experiments have demonstrated that Type 1 gaps follow the power-law density distribution function. One of the most useful features of the power-law distributed phenomena is their scale-independent property. This property was also used to model Type 3 gaps (within the tree crown) by assuming that these gaps follow the same distribution as the Type 1 gaps. A hypothesis was formulated regarding the penetration depth of the radar waves within the canopy. It claims that the depth of penetration is simply related to the quantisation level of the radar backscattered signal. A higher level of bits per pixels allows for capturing weaker signals arriving from the lower levels of the tree crown. Assuming certain generic and simplified shapes of tree crowns including cone, paraboloid, sphere and spherical cap, it was possible to model analytically Type 2 gaps. The Monte Carlo simulation method was used to investigate relationships between the impenetrability and various configurations of a modelled forest. One of the most important findings is that impenetrability is largely explainable by the gaps between trees. A much less important role is played by the penetrability into the crown cover. Another important finding is that the impenetrability strongly correlates with the vegetation density. Using this feature, a method for vegetation density mapping called the mean maximum impenetrability (MMI) method is proposed. Unlike the traditional methods of forest inventories, the MMI method allows for a much more realistic inventory of vegetation cover, because it is able to capture an in situ or current situation on the ground, but not for areas that are nominally classified as a “forest-to-be”. The MMI method also allows for the mapping of landscape variation in the forest or vegetation density, which is a novel and exciting feature of the new 3D remote sensing (3DRS) technique. Besides the inventory-type applications, the MMI method can be used as a forest change detection method. For maximum effectiveness of the MMI method, an object-based change detection approach is preferred. A minimum requirement for the MMI method is a time-lapsed reference dataset in the form, for example, of an existing forest map of the area of interest, or a vegetation density map prepared using InSAR datasets. Preliminary tests aimed at finding a degree of correlation between the impenetrability and other types of passive and active remote sensing data sources, including TerraSAR-X, NDVI and PALSAR, proved that the method most sensitive to vegetation density was the Japanese PALSAR - L-band SAR system. Unfortunately, PALSAR backscattered signals become very noisy for impenetrability below 15 m. This means that PALSAR has severe limitations for low loadings of the biomass per unit area. The proposed applications of the InSAR data will remain indispensable wherever cloud cover obscures the sky in a persistent manner, which makes suitable optical data acquisition extremely time-consuming or nearly impossible. A limitation of the MMI method is due to the fact that the impenetrability is calculated using a reference DTM, which must be available beforehand. In many countries around the world, appropriate quality DTMs are still unavailable. A possible solution to this obstacle is to use a DEM that was derived using P-band InSAR elevations or LiDAR. It must be noted, however, that in many cases, two InSAR datasets separated by time of the same area are sufficient for forest change detection or similar applications.

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

Einen großräumigen Überblick über ein Gebiet von Interesse können Satellitenbilddaten ermöglichen. Dabei werden räumliche Beziehungen erkennbar und lassen sich untersuchen. Die Bestimmung der räumlichen Verteilung und des zeitlichen Ausmaßes eines großräumigen Ereignisses, wie einer Überflutung, ist oftmals nur mit Unterstützung von fernerkundlichen Daten möglich. Es besteht der Bedarf an kontinuierlichen Informationen über den Zustand eines Systems über einen längeren Zeitraum, wenn Zusammenhänge zwischen den natürlichen Schwankungen und unterschiedlichen anthropogenen sowie natürlichen Einflüssen untersucht werden sollen. Das Nigerbinnendelta in der Republik Mali nimmt in der semi-ariden Region eine besondere Stellung ein, da es sich um einen Gunststandort handelt, der wesentlich zur wirtschaftlichen Entwicklung der Region beiträgt. Die im Rahmen dieser Arbeit zu erstellende Datenbasis beruht auf SAR-Daten, deren größter Vorteil in der Wetter- und Tageszeitunabhängigkeit liegt. Eine Herausforderung bei der Nutzung von Radaraufnahmen sind die spezielle Bildgeometrie, der auftretende Speckle-Effekt sowie das komplexe Rückstreuverhalten der Strahlung. Die Datenbasis bilden ERS- und Envisat-Aufnahmen, deren Auswertung zunächst die Datenaufbereitung bzw. die Vorverarbeitung, u. a. in Form einer radiometrischen Kalibrierung und einer Speckle-Filterung, vorangestellt ist. Die Anwendung von pixelbasierten Auswertemethoden ist aufgrund der radiometrischen Eigenschaften der Daten weniger geeignet, weshalb die in der Fernerkundung neuere objektorientierte und wissensbasierte Klassifikation zur Anwendung kam. Das Fehlen von zeitnah erhobenen Geländebeobachtungen sowie das komplexe Rückstreuverhalten der Mikrowellen erfordern eine ausführliche Auseinandersetzung mit dem Untersuchungsgebiet sowie mit dem Verhalten der C-Band SAR-Daten in Feuchtgebieten. Innerhalb der SAR-Daten treten vermehrt Überschneidungen in der Rückstreuung unterschiedlicher Landbedeckungen auf. Deren Trennung erfordert Vorkenntnisse über die Ausbreitung der Landbedeckungen zu unterschiedlichen hydrologischen Stadien. Die zum Aufbau der wissensbasierten Auswertung erfolgte Auseinandersetzung mit dem Untersuchungsgebiet beinhaltete neben der geographischen Aufbereitung die Erstellung einer Vergleichsbasis, basierend auf multispektralen Aufnahmen. Auf Grundlage je einer Aufnahme während sowie nach der Überschwemmung wurden für die objektorientierte Klassifikation zwei Regelwerke, in die neben der auszuwertenden SAR-Aufnahme zusätzliche Informationen wie z. B. der Texturparameter Entropie eingingen, erstellt. Das Ergebnis ist eine Datenbasis der Überschwemmungsflächen zu verschiedenen Aufnahmezeitpunkten. Die Evaluierung von zwei Klassifikationsergebnissen ergab eine sehr gute Trennung der überschwemmten und nicht überschwemmten Bereiche. Die aufbereiteten SAR-Daten geben einen Überblick über die Ressource Wasser für bereits vergangene Zeitschnitte. Zusammen mit aktuellen Informationen können diese einen Beitrag für ein nachhaltiges Management dieser Lebensgrundlage im Nigerbinnendelta leisten.

Roads are important infrastructure and are primary means of transportation. Control and maintenance of roads are substantial as the pavement surface deforms and deteriorates due to heavy load and influences of weather. Acquiring detailed information about the pavement condition is a prerequisite for proper planning of road pavement maintenance and rehabilitation. Many companies detect and localize the road pavement distresses manually, either by on-site inspection or by digitizing laser data and imagery captured by mobile mapping. The automation of road condition mapping using laser data and colour images is a challenge. Beyond that, the mapping of material properties of the road pavement surface with spectrometers has not yet been investigated. This study aims at automatic mapping of road surface condition including distress and material properties by integrating laser scanning, RGB imaging and spectrometry. All recorded data are geo-referenced by means of GNSS/ INS. Methods are developed for pavement distress detection that cope with a variety of different weather and asphalt conditions. Further objective is to analyse and map the material properties of the pavement surface using spectrometry data. No standard test data sets are available for benchmarking developments on road condition mapping. Therefore, all data have been recorded with a mobile mapping van which is set up for the purpose of this research. The concept for detecting and localizing the four main pavement distresses, i.e. ruts, potholes, cracks and patches is the following: ruts and potholes are detected using laser scanning data, cracks and patches using RGB images. For each of these pavement distresses, two or more methods are developed, implemented, compared to each other and evaluated to identify the most successful method. With respect to the material characteristics, spectrometer data of road sections are classified to indicate pavement quality. As a spectrometer registers almost a reflectivity curve in VIS, NIR and SWIR wavelength, indication of aging can be derived. After detection and localization of the pavement distresses and pavement quality classes, the road condition map is generated by overlaying all distresses and quality classes. As a preparatory step for rut and pothole detection, the road surface is extracted from mobile laser scanning data based on a height jump criterion. For the investigation on rut detection, all scanlines are processed. With an approach based on iterative 1D polynomial fitting, ruts are successfully detected. For streets with the width of 6 m to 10 m, a 6th order polynomial is found to be most suitable. By 1D cross-correlation, the centre of the rut is localized. An alternative method using local curvature shows a high sensitivity to the shape and width of a rut and is less successful. For pothole detection, the approach based on polynomial fitting generalized to two dimensions. As an alternative, a procedure using geodesic morphological reconstruction is investigated. Bivariate polynomial fitting encounters problems with overshoot at the boundary of the regions. The detection is very successful using geodesic morphology. For the detection of pavement cracks, three methods using rotation invariant kernels are investigated. Line Filter, High-pass Filter and Modified Local Binary Pattern kernels are implemented. A conceptual aspect of the procedure is to achieve a high degree of completeness. The most successful variant is the Line Filter for which the highest degree of completeness of 81.2 % is achieved. Two texture measures, the gradient magnitude and the local standard deviation are employed to detect pavement patches. As patches may differ with respect to homogeneity and may not always have a dark border with the intact pavement surface, the method using the local standard deviation is more suitable for detecting the patches. Linear discriminant analysis is utilized for asphalt pavement quality analysis and classification. Road pavement sections of ca. 4 m length are classified into two classes, namely: “Good” and “Bad” with the overall accuracy of 77.6 %. The experimental investigations show that the developed methods for automatic distress detection are very successful. By 1D polynomial fitting on laser scanlines, ruts are detected. In addition to ruts also pavement depressions like shoving can be revealed. The extraction of potholes is less demanding. As potholes appear relatively rare in the road networks of a city, the road segments which are affected by potholes are selected interactively. While crack detection by Line Filter works very well, the patch detection is more challenging as patches sometimes look very similar to the intact surface. The spectral classification of pavement sections contributes to road condition mapping as it gives hints on aging of the road pavement. / Straßen bilden die primären Transportwege für Personen und Güter und sind damit ein wichtiger Bestandteil der Infrastruktur. Der Aufwand für Instandhaltung und Wartung der Straßen ist erheblich, da sich die Fahrbahnoberfläche verformt und durch starke Belastung und Wettereinflüsse verschlechtert. Die Erfassung detaillierter Informationen über den Fahrbahnzustand ist Voraussetzung für eine sachgemäße Planung der Fahrbahnsanierung und -rehabilitation. Viele Unternehmen detektieren und lokalisieren die Fahrbahnschäden manuell entweder durch Vor-Ort-Inspektion oder durch Digitalisierung von Laserdaten und Bildern aus mobiler Datenerfassung. Eine Automatisierung der Straßenkartierung mit Laserdaten und Farbbildern steht noch in den Anfängen. Zudem werden bisher noch nicht die Alterungszustände der Asphaltdecke mit Hilfe der Spektrometrie bewertet. Diese Studie zielt auf den automatischen Prozess der Straßenzustandskartierung einschließlich der Straßenschäden und der Materialeigenschaften durch Integration von Laserscanning, RGB-Bilderfassung und Spektrometrie ab. Alle aufgezeichneten Daten werden mit GNSS / INS georeferenziert. Es werden Methoden für die Erkennung von Straßenschäden entwickelt, die sich an unterschiedliche Datenquellen bei unterschiedlichem Wetter- und Asphaltzustand anpassen können. Ein weiteres Ziel ist es, die Materialeigenschaften der Fahrbahnoberfläche mittels Spektrometrie-Daten zu analysieren und abzubilden. Derzeit gibt es keine standardisierten Testdatensätze für die Evaluierung von Verfahren zur Straßenzustandsbeschreibung. Deswegen wurden alle Daten, die in dieser Studie Verwendung finden, mit einem eigens für diesen Forschungszweck konfigurierten Messfahrzeug aufgezeichnet. Das Konzept für die Detektion und Lokalisierung der wichtigsten vier Arten von Straßenschäden, nämlich Spurrillen, Schlaglöcher, Risse und Flickstellen ist das folgende: Spurrillen und Schlaglöcher werden aus Laserdaten extrahiert, Risse und Flickstellen aus RGB- Bildern. Für jede dieser Straßenschäden werden mindestens zwei Methoden entwickelt, implementiert, miteinander verglichen und evaluiert um festzustellen, welche Methode die erfolgreichste ist. Im Hinblick auf die Materialeigenschaften werden Spektrometriedaten der Straßenabschnitte klassifiziert, um die Qualität des Straßenbelages zu bewerten. Da ein Spektrometer nahezu eine kontinuierliche Reflektivitätskurve im VIS-, NIR- und SWIR-Wellenlängenbereich aufzeichnet, können Merkmale der Asphaltalterung abgeleitet werden. Nach der Detektion und Lokalisierung der Straßenschäden und der Qualitätsklasse des Straßenbelages wird der übergreifende Straßenzustand mit Hilfe von Durchschlagsregeln als Kombination aller Zustandswerte und Qualitätsklassen ermittelt. In einem vorbereitenden Schritt für die Spurrillen- und Schlaglocherkennung wird die Straßenoberfläche aus mobilen Laserscanning-Daten basierend auf einem Höhensprung-Kriterium extrahiert. Für die Untersuchung zur Spurrillen-Erkennung werden alle Scanlinien verarbeitet. Mit einem Ansatz, der auf iterativer 1D-Polynomanpassung basiert, werden Spurrillen erfolgreich erkannt. Für eine Straßenbreite von 8-10m erweist sich ein Polynom sechsten Grades als am besten geeignet. Durch 1D-Kreuzkorrelation wird die Mitte der Spurrille erkannt. Eine alternative Methode, die die lokale Krümmung des Querprofils benutzt, erweist sich als empfindlich gegenüber Form und Breite einer Spurrille und ist weniger erfolgreich. Zur Schlaglocherkennung wird der Ansatz, der auf Polynomanpassung basiert, auf zwei Dimensionen verallgemeinert. Als Alternative wird eine Methode untersucht, die auf der Geodätischen Morphologischen Rekonstruktion beruht. Bivariate Polynomanpassung führt zu Überschwingen an den Rändern der Regionen. Die Detektion mit Hilfe der Geodätischen Morphologischen Rekonstruktion ist dagegen sehr erfolgreich. Zur Risserkennung werden drei Methoden untersucht, die rotationsinvariante Kerne verwenden. Linienfilter, Hochpassfilter und Lokale Binäre Muster werden implementiert. Ein Ziel des Konzeptes zur Risserkennung ist es, eine hohe Vollständigkeit zu erreichen. Die erfolgreichste Variante ist das Linienfilter, für das mit 81,2 % der höchste Grad an Vollständigkeit erzielt werden konnte. Zwei Texturmaße, nämlich der Betrag des Grauwert-Gradienten und die lokale Standardabweichung werden verwendet, um Flickstellen zu entdecken. Da Flickstellen hinsichtlich der Homogenität variieren können und nicht immer eine dunkle Grenze mit dem intakten Straßenbelag aufweisen, ist diejenige Methode, welche die lokale Standardabweichung benutzt, besser zur Erkennung von Flickstellen geeignet. Lineare Diskriminanzanalyse wird zur Analyse der Asphaltqualität und zur Klassifikation benutzt. Straßenabschnitte von ca. 4m Länge werden zwei Klassen („Gut“ und „Schlecht“) mit einer gesamten Accuracy von 77,6 % zugeordnet. Die experimentellen Untersuchungen zeigen, dass die entwickelten Methoden für die automatische Entdeckung von Straßenschäden sehr erfolgreich sind. Durch 1D Polynomanpassung an Laser-Scanlinien werden Spurrillen entdeckt. Zusätzlich zu Spurrillen werden auch Unebenheiten des Straßenbelages wie Aufschiebungen detektiert. Die Extraktion von Schlaglöchern ist weniger anspruchsvoll. Da Schlaglöcher relativ selten in den Straßennetzen von Städten auftreten, werden die Straßenabschnitte mit Schlaglöchern interaktiv ausgewählt. Während die Rissdetektion mit Linienfiltern sehr gut funktioniert, ist die Erkennung von Flickstellen eine größere Herausforderung, da Flickstellen manchmal der intakten Straßenoberfläche sehr ähnlich sehen. Die spektrale Klassifizierung der Straßenabschnitte trägt zur Straßenzustandsbewertung bei, indem sie Hinweise auf den Alterungszustand des Straßenbelages liefert.

Die vorliegende Arbeit beschäftigt sich mit der Bestimmung von räumlich und zeitlich hochaufgelösten Bewegungsvektorfeldern von Gletschern aus monokularen Bildsequenzen. Diese stellen eine wertvolle Grundlage für glaziologische Analysen des Bewegungsverhaltens von Gletschern dar. Im Rahmen der Arbeit wurden Bildsequenzmessungen an fünf schnellfließenden Gletschern im Bereich der Diskobucht in Westgrönland durchgeführt. Insbesondere erfolgte die Aufnahme von Bildsequenzen und multi-temporalen Laserscannerdaten am Jakobshavn Isbræ, einem der schnellsten und produktivsten Gletscher Grönlands. Diese Messungen bilden die Datengrundlage der Arbeit. Es werden Messkonzepte zur Aufnahme der entsprechenden Bildsequenzen und multi-temporalen Laserscans bereitgestellt sowie Methoden entwickelt, um die Auswertung dieser Daten nach dem Prinzip der monoskopischen Bildsequenzanalyse zu ermöglichen. Die Bildsequenzen und multi-temporalen Laserscans werden von einem festen Standpunkt aus aufgenommen. Die Ableitung von Bewegungsvektorfeldern erfolgt dann durch eine automatische Zuordnung von Grauwertmustern in den Bildsequenzen bzw. durch die Zuordnung von 3D-Punktmustern in den multi-temporalen Laserscannerdaten. Bestehende Punktzuordnungsmethoden werden einerseits an die besonderen Eigenschaften der Gletscherdaten angepasst, andererseits werden geeignete Methoden zur Lösung von Detailproblemen neu entwickelt. Die Methodik der Bildsequenzanalyse wird dabei vor allem hinsichtlich ihrer Robustheit – beispielsweise gegenüber durch Schattenwurf verursachten Störungen im Bild – optimiert und es werden Bewegungseffekte in den Bildsequenzen korrigiert, die durch die Eigenbewegung der Kamera verursacht werden. Bei der Entwicklung der Methodik zur Analyse multitemporaler Laserscannerdaten werden vor allem Effekte berücksichtigt, die durch das sequenzielle Aufnahmeprinzip eines Scanners auftreten. Auf Basis der entwickelten und implementierten Methodik erfolgt die Auswertung der aufgenommenen Bildsequenzen und multi-temporalen Laserscans. Das Ergebnis der monoskopischen Bildsequenzauswertung ist ein dichtes Raster an Bewegungskurven für jede Bildsequenz. Die einzelnen Translationen der Bewegungskurven können mit einer Genauigkeit von einigen Zentimetern bis zu einem Dezimeter bestimmt werden. Die Auswertung der Laserscannerdaten liefert räumlich hochaufgelöste digitale Geländemodelle der Gletscheroberfläche sowie ein dichtes Raster von 3D-Bewegungsvektoren, deren Genauigkeit im Dezimeterbereich liegt. Anhand von Beispielen wird gezeigt, dass sich die aus monokularen Bildsequenzen abgeleiteten Bewegungsvektorfelder zur Bestimmung frontnaher Geschwindigkeitsfelder mit hoher räumlicher Auflösung, zur Ableitung der Lage und der Migration der Aufsetzlinie aus gezeiteninduzierten Vertikalbewegungen sowie zur Untersuchung des Geschwindigkeitsverhalten von Gletschern bei Kalbungsereignissen eignen. Aus den Laserscannerdaten können hochaufgelöste digitale Geländemodelle zur Dokumentation von Fronthöhen und Gletscherstrukturen abgeleitet werden, zudem eignen sie sich zur Bestimmung von Geschwindigkeitsfeldern, die eine sehr hohe räumliche Auflösung besitzen. / This research aims to determine the motion vector fields of glaciers with high spatial and temporal resolution. These vector fields can be derived from monocular image sequences and are a valuable data source for glaciological analysis of the motion behaviour of glaciers. Image sequence measurements have been conducted at five fast-flowing glaciers in the Disko Bay region in western Greenland. Especially at the Jakobshavn Isbræ – one of the fastest and most productive glaciers in Greenland – numerous image sequences have been recorded, as well as multi-temporal laser scanner data sets. These measurements provide the basic data sets for this thesis. The measurement concepts for the acquisition of image sequences and multi-temporal laser scans are presented, and procedures for the processing of the recorded data are developed, based on the principle of monoscopic image sequence analysis. Both the image sequences and multi-temporal laser scans are acquired statically. Motion vector fields can be derived by applying automatic co-registration methods on grey value patterns in the image sequences and on 3D point patterns in the laser scanner datasets respectively. Thus, standard matching techniques have been adapted to the special characteristics of the glacier data, and suitable methods that solve detail problems have been developed in addition. The method of the image sequence analysis has been optimised with respect to its robustness against errors caused by moving shadows. Furthermore, motion effects caused by small instabilities in the camera setup have been corrected. Regarding the analysis of multi-temporal laser scanner data, effects that occur because of the sequential acquisition principle of a laser scanner must also be considered. Based on the developed method, the image sequences and multi temporal laser scans have been processed. The result of the monoscopic image sequence analysis is a dense raster of trajectories for each image sequence. Each translation component from these trajectories can be determined with an accuracy of some centimeters up to one decimetre. The processing of the laser scanner data provides digital surface models of the glacier with high spatial resolution, and a dense raster of 3D motion vectors with accuracy in the range of decimetres. Specific examples show that motion vector fields derived from monocular image sequences can be used for the determination of high resolution velocity fields of glaciers, for the determination of the position and migration of the grounding line and for the investigation of a glacier’s motion behaviour during calving events. From the multi-temporal laser scanner data, velocity fields with high spatial resolution can be derived as well as digital surface models from single scans that document glacier front heights and glacier structures.

The study was conducted at the vicinity of the rural town of Doka in an area of about 55 x 40 km2. The aim of the study was to map and model the influences of the introduction of mechanized rain-fed agriculture and its rapid expansion on the natural vegetation in the southern Gadarif Region. To achieve these objectives the study utilized a series of techniques. Beside the intensive use of remote sensing imagery, interviews with key informants and farmers as well as detailed field surveys were carried out. Multi-temporal analyses of remote sensing imagery showed that during the seventies the average natural vegetation clearing rate increased most rapidly and then began to slow down. Farmers are aware that land degradation, in various forms, is taking place on their cultivated agricultural land. This is based on their perception and the interpretation of indicators such as weed infestation, reduced soil fertility and soil compaction. Continuous cropping, mono-cropping, rainfall shortage and the use of inferior seeds were the main reasons of land degradation indicated by the farmers. Abandonment of agricultural land to restore soil fertility is a common practice among farmers in the Gadarif Region. The study proved that the subsequent natural regeneration of plant species and the vegetation development on abandoned agricultural land are subject to the previous cultivation period and the duration of the fallow. The current regeneration capacity of the abandoned land may not be sufficient to reach full restoration of the previous vegetation climax except for some pockets which received more regenerative resources. Field surveys in conjunction with remotely sensed and topographic data have the potential to explain the restoration and rehabilitation patterns of degraded/abandoned agricultural land to a good extent. The findings of the study seem to be representative not only for the whole Gadarif Region or other areas in Sudan, but also for other regions in the Sahel Zone with similar problems and environmental and social conditions. One of the most practical conservation approaches is to let farmers play an active role in managing their abandoned land. Such management aims to allow for a certain level of use and benefits while maintaining the natural vegetation development on theses area in order to achieve maximal restoration. Although the study investigated the vegetation development in abandoned mechanized rainfed agricultural land, a full understanding of the path-way needs surveys that include more types of abandoned land and investigation of the effects of other local environmental factors (e.g. fire, grazing, distance from forests etc.) for more than one season.

In Sudan, land degradation/desertification (LDD) has devastated large areas and consequently, it includes social, economic, and environmental aspects. LDD results from various factors, including climatic variation and human activities. Probably the LU practices and their changes have contributed to an increase of LDD in that area. Remote sensing technology has become unique and developed tool for providing temporal and spatial information for the LDD research and other environmental aspects. Determination of LDD and its relationship to land use pattern change (LUC) at spatiotemporal scale is rare, critical issue, and is one of the recommended research in semi-arid regions of Sudan. The study was carried out to derive accurate and improved spatiotemporal information: to assess the status of land LDD of vegetation and soil, to assess and model influences of the LUC on LDD, and moreover to analyse the synergistic factors that have caused the land use change and/or LDD in semi- arid zone of Elgeteina Locality in While Nile State, Sudan during the last 36 years, using appropriate remote sensing (RS) and GIS technology. The study used four-cloud free images of different sensors (MSS 1973, TM 1986, ASTER 2009 and TM 2010). The imageries were Geo-referenced and radiometrically corrected by using ENVI-FLAASH software. Then subsets of the study area were taken, ranging from 1600-2000 Km2. The study applied the new approach of integration between vegetation and soil indices and in situ data to assess the LDD. Comparison between pixel based image analysis (PBIA) and latterly approach of object based image analysis (OBIA) was done by selecting the best one for mapping LUC and LDD accurately. The change detection - matrix was applied to estimate the spatiotemporal of changes in land use and land degradation. Moreover, correlation and model approach was employed for fusing the climatic, socioeconomic and remote sensing data to determine the relationships between the different factors and to analyse the reasons for the LUC and LDD as well as for modelling LU effects on LDD. The study revealed that: The changes in land use patterns (RA, FWL and FML) took place in 1973 – 86 – 2009, and affecting thoroughly different patterns of the vegetation cover. Likewise the LUC affected soil degradation which led to the movement of sand dunes in 1973 – 2009. The agricultural activity is the dominant and has more effect on LDD particularly on the vegetation cover degradation. The population growth and the socioeconomic status of local people are the main indirect human inducing factors responsible for LUC and/or LDD. SARVI is slightly more efficient than NDVI, SAVI, ND4-25 and ND42-57, for detecting the vegetation status in semi-arid area, therefore the study selected it for the assessment. GSI proved highly efficient in determining the different types of soil degradation, and in producing the map of top soil grain size, which assisted in the assessment of land degradation and desertification. OBIA-fuzzy logic classification performed better than the PBIA- hybrid classification for assessing LU patterns impact on LDD. The study recommends to: replication of this study by using different imagery with high resolutions and sophisticated software, such as eCognition and Feature Analyst (FA) for increasing the validity and accuracy of the assessment and modelling of LU patterns and LDD status in dry land is important in the Sudan. / Im Sudan hat Land Degradation/ Desertifikation (LDD) weite Gegenden verwüstet, wobei hierbei soziale, wirtschaftliche und Umweltaspekte eine Rolle spielen. LDD wird von verschiedenen Faktoren ausgelöst, darunter Klimavariationen und menschliche Aktivitäten. Wahrscheinlich haben Landnutzungspraktiken und ihre Änderungen zu erhöhter LDD in der untersuchten Gegend beigetragen. Fernerkundungstechnologien sind sehr gute und weit entwickelte Werkzeuge um zeitliche und räumliche Informationen zur Erforschung von LDD und anderen Umweltaspekten zu ermitteln. Die Bestimmung von LDD und ihre Beziehung zur Änderung von Landnutzungsmustern (LUC) im raum-zeitlichen Maßstab ist bislang noch selten erforscht und ist ein Forschungsbereich, der für die semi-ariden Regionen des Sudan empfohlen wird. Die Studie wurde durchgeführt, um genaue und verbesserte raum-zeitliche Informationen zu gewinnen: um den Status der LDD von Vegetation und Boden zu bewerten, um den Einfluss des Landnutzungswandels auf LDD zu beurteilen und zu analysieren, und außerdem um die synergetischen Faktoren die den Landnutzungswandel und/oder LDD verursacht haben zu analysieren. Dabei wurde die semi-ariden Zone des Elgeteina Gebietes im Staat Weisser Nil (Sudan) während der vergangenen 36 Jahren unter Verwendung von geeigneter Fernerkundungs- und GIS-Technologie untersucht. Für die Studie wurden vier wolkenfreie Bilder von verschiedenen Sensoren (MSS 1973, TM 1986, ASTER 2009 and TM 2010) verwendet. Die Bilder wurden georeferenziert und radiometrische korrigiert, wobei die ENVI-FLAASH Software verwendet wurde. Anschließend wurden Teilgebiete des Untersuchungsgebietes mit einer Größe zwischen 1.600 und 2.000 Km2 ausgewählt. In der Studie fand der neue Ansatz der Integration von Vegetation und Boden Indizes und in-situ Daten Verwendung, um LDD zu bewerten. Ein Vergleich von pixel-basierter Bildanalyse (PBIA) und einem Ansatz von objekt-basierter Bildanalyse (OBIA) wurde durchgeführt, um die beste Methode der Kartierung von LUC und LDD ermitteln. Veränderungsmatrizen wurden eingesetzt, um räumlich-zeitlichen Änderungen der Landnutzung und Land Degradation abzuschätzen. Außerdem wurde ein Korrelation- und Modellierungs-Ansatz eingesetzt, um die klimatischen, sozioökonomischen und Fernerkundungsdaten zu verschmelzen und das Verhältnis zwischen den unterschiedlichen Faktoren zu bestimmen und um die Gründe für LUC und LDD zu analysieren aber auch um die Auswirkungen der Landnutzung auf LDD zu modellieren. Die Studie hat folgendes gezeigt: Die Änderungen der Landnutzungsmuster (RA, FWL and FML) fand in 1973 – 86 – 2009 statt und betraf sehr unterschiedliche Vegetationsmuster. Ebenso hatte die LUC Auswirkungen auf die Bodendegradation, was zu einer Verschiebung von Sanddünen im Zeitraum 1973-2009 führte. Landwirtschaft dominiert und hat starke Auswirkungen auf LDD, insbesondere auf die Degradation der Vegetationsbedeckung. Die Bevölkerungszunahme und der sozioökonomische Status der lokalen Bevölkerung sind die wesentlichen indirekten menschlichen Faktoren die verantwortlich für LUC und/oder LDD sind. SARVI ist etwas effizienter als NDVI, SAVI, ND4-25 und ND42-57, um den Zustand der Vegetation in semi-ariden Gebieten zu bestimmen, deshalb wurde dieser für die Studie ausgewählt. Es stellte sich heraus, dass der GSI hoch-effizient war, sowohl bei der Bestimmung der unterschiedlichen Typen von Bodendegradation als auch bei der Erstellung von Karten der obersten Bodenkorngröße, die bei der Bewertung der Landdegradation und Desertifikation half. OBIA-Fuzzy Logic Classification arbeitete dabei etwas genauer und effizienter als die PBIA-Hybrid Classification, um die Auswirkungen der Landnutzungsmuster auf LDD zu beurteilen. Als Fortsetzung der durchgeführten Arbeiten empfiehlt sich eine nochmalige Durchführung der Studie wobei anderes, hochaufgelöstes Bildmaterial und anspruchsvolle Software, wie eCognition und Feature Analyst (FA) verwendet werden sollten, um die Gültigkeit und Genauigkeit der Bewertungen und Modellierung des LU und LDD Status von Trockenland im Sudan zu beurteilen.

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

Due to a high population growth (approx. 2.5 % p.a) the food-sector in Syria is facing in-creasing problems. An enormous increase in population results in increased demand for food. This has adversely affected the socio-economic and ecological development in the country. Intensive use of various natural resources has led to significant changes in land use pattern, especially due to use of inappropriate methods in the agricultural sector. The increasing anthropogenic pressure on the sensitive ecological structure of the respective area causes environmental damages, in particular degradation of soil characteristics. In the semi-arid and arid eco-climatic zones vast areas are facing desertification. Soil erosion through water represents the main form of land degradation in the north-west of Syria. Particularly vulnerable are the soils with a shallow or no vegetation cover, such as the soils found in the Mediterranean hills, where olives are cultivated. For this research the Afrin region, located in the northwest of Syria, was selected as study area, in order to analyse and assess the extent of degradation. For estimation of erosion the relevant parameters of the “Universal Soil Loss Equation USLE” were used. These para-meters were adapted and integrated through remote sensing and GIS. LANDSAT TM and ASTER satellite imagery of the investigated area were used for this purpose. Data were acquired at the end of the dry season. In order to achieve an accurate evaluation and high-quality comparison of multi-temporal satellite data, imagery was firstly geometrically and atmospherically corrected and then analysed. The vegetation coverage and its current de-gradation level were investigated by spectral mixture analysis (SMA). The digital elevation model (DEM) derived from ASTER data was utilized to generate the slope gradient (S) and the slope length (L). In addition to the laboratory analysis, grain size index (GSI) and SMA were used for the characterization and mapping of soil erodibility. Land-use/land-cover classification and change detection were determined by using pixel-based classification procedures (maximum likelihood classification) and post classification methods respectively. Required samples for land cover classification of the remotely sensed data were collected during the field work, in addition to the soil samples for soil analysis. The results of this study show that advanced methods of remote sensing and GIS provide powerful tools not only for a better understanding of the land use changes, but also for an accurate assessment of land degradation and desertification. This knowledge, in turn, con-tributes highly towards developing effective and appropriate management strategies for sustainable use and conservation of natural resources in the north-west of Syria