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

The irrigated agriculture in the Lower Chenab Canal (LCC) of Pakistan is characterized by huge water utilization both from surface and groundwater resources. Need of utilization of water from five rivers in Punjab province along with accelerated population growth has forced the construction of world’s largest irrigation network. Nevertheless, huge irrigation infrastructure, together with inappropriate drainage infrastructure, led to a build-up of shal-low groundwater levels, followed by waterlogging and secondary salinization in the soil profile. Following this era, decreased efficiency of irrigation supply system along with higher food demands had increased burdens on groundwater use, which led to a drop in groundwater levels in major parts of LCC. Previous studies in the study region revealed lacking management and maintenance of irrigation system, inflexible irrigation strategies, poor linkages between field level water supply and demands. No future strategy is present or under consideration to deal with this long time emerged groundwater situation particularly under unchanged irrigation water supply and climate change. Therefore, there is an utmost importance to assess the current profile of water use in the irrigation scheme and to device some workable strategies under future situations of land use and climate change. This study aims to investigate the spatio-temporal status of water utilization and performance of irrigation system using remote sensing data and techniques (SEBAL) in combination with other point data. Different irrigation performance indicators including equity, adequacy and reliability using evaporation fraction as main input parameter are utilized. Current profiles of land use/land cover (LULC) areas are assessed and their change detections are worked out to establish realistic future scenarios. Spatially distributed seasonal net recharge, a very important input parameter for groundwater modeling, is estimated by employing water balance approaches using spatial data from remote sensing and local norms. Such recharge results are also compared with a water table fluctuation approach. Following recharge estimation, a regional 3-D groundwater flow model using FEFLOW was set up. This model was calibrated by different approaches ranging from manual to automated pilot point (PP) approach. Sensitivity analysis was performed to see the model response against different model input parameters and to identify model regions which demand further improvements. Future climate parameters were downscaled to establish scenarios by using statistical downscaling under IPCC future emission scenarios. Modified recharge raster maps were prepared under both LULC and climate change scenarios and were fed to the groundwater model to investigate groundwater dynamics. Seasonal consumptive water use analysis revealed almost double use for kharif as compared to rabi cropping seasons with decrease from upper LCC to lower regions. Intra irrigation subdivision analysis of equity, an important irrigation performance indicator, shows less differences in water consumption in LCC. However, the other indicators (adequacy and reliability) indicate that the irrigation system is neither adequate nor reliable. Adequacy is found more pronounced during kharif as compared to rabi seasons with aver-age evaporation fraction of 0.60 and 0.67, respectively. Similarly, reliability is relatively higher in upper LCC regions as compared to lower regions. LULC classification shows that wheat and rice are major crops with least volatility in cultivation from season to season. The results of change detection show that cotton exhibited maximum positive change while kharif fodder showed maximum negative change during 2005-2012. Transformation of cotton area to rice cultivation is less conspicuous. The water consumption in upper LCC regions with similar crops is relatively higher as compared to lower regions. Groundwater recharge results revealed that, during the kharif cropping seasons, rainfall is the main source of recharge followed by field percolation losses, while for rabi cropping seasons, canal seepage remains the major source. Seasonal net groundwater recharge is mainly positive during all kharif seasons with a gradual increase in groundwater level in major parts of LCC. Model optimization indicates that PP is more flexible and robust as compared to manual and zone based approaches. Different statistical indicators show that this method yields reliable calibration and validation as values of Nash Sutcliffe Efficiency are 0.976 and 0.969, % BIAS are 0.026 and -0.205 and root mean square errors are 1.23 m and 1.31 m, respectively. Results of model output sensitivity suggest that hydraulic conductivity is a more influential parameter in the study area than drain/fillable porosity. Model simulation results under different scenarios show that rice cultivation has the highest impact on groundwater levels in upper LCC regions whereas major negative changes are observed for lower parts under decreased kharif fodder area in place of rice, cotton and sugarcane. Fluctuations in groundwater level among different proposed LULC scenarios are within ±1 m, thus showing a limited potential for groundwater management. For future climate scenarios, a rise in groundwater level is observed for 2011 to 2025 under H3A2 emission regime. Nevertheless, a drop in groundwater level is expected due to increased crop consumptive water use and decreased precipitations under H3A2 scenario for the periods 2026-2035 and 2036-2045. Although no imminent threat of groundwater shortage is anticipated, there is an opportunity for developing groundwater resources in the lower model regions through water re-allocation that would be helpful in dealing water shortages. The groundwater situation under H3B2 emission regime is relatively complex due to very low expectation of rise in groundwater level through precipitation during 2011-2025. Any positive change in groundwater under such scenarios is mainly associated with changes in crop consumptive water uses. Consequently, water management under such situation requires revisiting of current cropping patterns as well as augmenting water supply through additional surface water resources.

The aim of this thesis is to determine to what extent aircraft-borne radar remote sensing can be used as the sole method for making recordings of the surface of the earth as a basis for compiling topographical and relief maps of mountainous areas. This is done using three test areas: the Edelsberg area in the Allgäu Alps and the Silvretta and Verwall Groups in the Central Alps. The basis for discussion is provided by examination of the interaction between the objects to be imaged and the radar signal, the sensor-specific characteristics thereby being taken into account. Following this some data processing and conditioning methods used for extracting information on the relief and surface coverage for preparation of cartographical products are presented. Analysis of the quality of the results shows that, measured against the requirements of mountain cartography, radar remote sensing is a practical and useful tool for making maps in Alpine regions. As the sole source of information, however, aircraft-borne radar remote sensing p roves to date to be inadequate for cartographical applications in high-mountain regions. / Ziel der vorliegenden Arbeit ist, festzustellen, inwieweit die flugzeuggetragene Radarfernerkundung als alleinige Erfassungsmethode der Erdoberfläche zur Erstellung von topographischen und reliefbeschreibenden Karten in Gebirgslandschaften dienen kann. Dies wird anhand von drei Testgebieten, dem Edelsberggebiet in den Allgäuer Alpen sowie der Silvretta- und Verwallgrupe in den Zentralalpen, untersucht. Die Betrachtung der Interaktion zwischen den abzubildenden Objekten und dem Radar-Signal unter Berücksichtigung der sensorspezifischen Charakteristika bildet dabei die Diskussionsgrundlage. Im weiteren werden Methoden zur Datenprozessierung und -aufbereitung vorgestellt, die eine Informa-tionsextraktion bezüglich des Reliefs und der Oberflächenbedeckung für die Erstellung kartographischer Produkte ermöglichen. Die Qualitätsanalyse der Ergebnisse zeigt, dass die Radarfernerkundung, gemessen an den Anforderungen der Gebirgskartographie, ein sinnvolles und nutzbringendes Werkzeug für die Kartenerstellung in alpinen Regionen ist. Für kartographische Anwendungen in Hochgebirgsregionen erweist sich die flugzeuggetragene Radarfernerkundung als einzige Informationsquelle bislang allerdings als nicht ausreichend.

Bezüglich des Waldes hat sich in den letzten Jahren seitens der Politik und Wirtschaft ein steigender Informationsbedarf entwickelt. Zur Bereitstellung dieses Bedarfes stellt die Fernerkundung ein wichtiges Hilfsmittel dar, mit dem sich flächendeckende Datengrundlagen erstellen lassen. Die k-nächsten-Nachbarn-Methode (kNN-Methode), die terrestrische Aufnahmen mit Fernerkundungsdaten kombiniert, stellt eine Möglichkeit dar, diese Datengrundlage mit Hilfe der Fernerkundung zu verwirklichen. Deshalb beschäftigt sich die vorliegende Dissertation eingehend mit der kNN-Methode. An Hand der zwei Merkmale Grundfläche (metrische Daten) und Totholz (kategoriale Daten) wurden umfangreiche Berechnungen durchgeführt, wobei verschiedenste Variationen der kNN-Methode berücksichtigt wurden. Diese Variationen umfassen verschiedenste Einstellungen der Distanzfunktion, der Wichtungsfunktion und der Anzahl k-nächsten Nachbarn. Als Fernerkundungsdatenquellen kamen Landsat- und Hyperspektraldaten zum Einsatz, die sich sowohl von ihrer spektralen wie auch ihrer räumlichen Auflösung unterscheiden. Mit Hilfe von Landsat-Szenen eines Gebietes von verschiedenen Zeitpunkten wurde außerdem der multitemporale Ansatz berücksichtigt. Die terrestrische Datengrundlage setzt sich aus Feldaufnahmen mit verschiedenen Aufnahmedesigns zusammen, wobei ein wichtiges Kriterium die gleichmäßige Verteilung von Merkmalswerten (z.B. Grundflächenwerten) über den Merkmalsraum darstellt. Für die Durchführung der Berechnungen wurde ein Programm mit Visual Basic programmiert, welches mit der Integrierung aller Funktionen auf der Programmoberfläche eine benutzerfreundliche Bedienung ermöglicht. Die pixelweise Ausgabe der Ergebnisse mündete in detaillierte Karten und die Verifizierung der Ergebnisse wurde mit Hilfe des prozentualen Root Mean Square Error und der Bootstrap-Methode durchgeführt. Die erzielten Genauigkeiten für das Merkmal Grundfläche liegen zwischen 35 % und 67 % (Landsat) bzw. zwischen 65 % und 67 % (HyMapTM). Für das Merkmal Totholz liegen die Übereinstimmungen zwischen den kNN-Schätzern und den Referenzwerten zwischen 60,0 % und 73,3 % (Landsat) und zwischen 60,0 % und 63,3 % (HyMapTM). Mit den erreichten Genauigkeiten bietet sich die kNN-Methode für die Klassifizierung von Beständen bzw. für die Integrierung in Klassifizierungsverfahren an. / Mapping forest variables and associated characteristics is fundamental for forest planning and management. The following work describes the k-nearest neighbors (kNN) method for improving estimations and to produce maps for the attributes basal area (metric data) and deadwood (categorical data). Several variations within the kNN-method were tested, including: distance metric, weighting function and number of neighbors. As sources of remote sensing Landsat TM satellite images and hyper spectral data were used, which differ both from their spectral as well as their spatial resolutions. Two Landsat scenes from the same area acquired September 1999 and 2000 regard multiple approaches. The field data for the kNN- method comprise tree field measurements which were collected from the test site Tharandter Wald (Germany). The three field data collections are characterized by three different designs. For the kNN calculation a program with integration all kNN functions were developed. The relative root mean square errors (RMSE) and the Bootstrap method were evaluated in order to find optimal parameters. The estimation accuracy for the attribute basal area is between 35 % and 67 % (Landsat) and 65 % and 67 % (HyMapTM). For the attribute deadwood is the accuracy between 60 % and 73 % (Landsat) and 60 % and 63 % (HyMapTM). Recommendations for applying the kNN method for mapping and regional estimation are provided.

Sundarban Reserved Forest in Bangladesh is playing a significant role in local and national economy and is providing protection to the coastline as well as to the indigenous people. During the past decades and also in recent time this forest was heavily disturbed by human intervention in many aspects. As a consequence the resources of the forest are fragmenting, shrinking and declining, which in turn leads to an increasing failure of satisfying increasing demands both at local and national levels. Therefore accurate and continuously updated spatial information is needed for optimising forest management and environmental planning on both levels to support the fulfilment of urgent needs of sustainability of the forest. Considering the specific topography and the poor accessibility of the forest versus the task of collecting information, remote sensing is an attractive, if not the only means of obtaining sound full-coverage spatial information on forest cover of Sundarban. This research used medium resolution Landsat ETM data of November 2000 and Landsat TM data of January 1989 to assess and monitor the forest for 1. Identification of the operational tools for mapping and monitoring the forest as well as on the examination of the reliability of the application of multitemporal satellite remote sensing data for building spatial databases on forest cover in Sundarban. 2. Based on the existing management plan of the forest as well as the spectral properties of Landsat ETM imagery a level III classification system was developed. 3. This classification strategy was tested by applying several methods to achieve the classification result with the highest accuracy and thus to build the most reliable methodology for mapping forest cover in Sundarban. 4. Forest cover change was assessed for the period of eleven years. Significant changes have been observed due to illegal removal of trees from the forest although a governmental moratorium on banning timber extraction exists since 1989. 5. Development of an operational monitoring scheme by means of multitemporal satellite imagery analysis, which will allow concerned authorities to set up sustainable and appropriate monitoring of the Sundarban Reserved Forest. / Das Schutzgebiet des Sundarban Mangrovenwaldes in Bangladesh spielt eine entscheidende Rolle in Hinsicht auf nationale und lokale sozio-ökonomische und sozio-ökologische Aspekte. Das Waldgebiet stabilisiert nicht nur die Küstenlinie, sondern schützt auch die Bevölkerung vor den Einflüssen von Flutkatastrophen. Durch menschlichen Einfluss wurde die Region während der letzten Jahrzehnte mehr und mehr unmittelbar gestört. Der Rückgang des Ertrags an Ressourcen aus dem Wald führte zu wachsender Unzufriedenheit in der von diesen Nutzungs-möglichkeiten abhängigen Bevölkerung. Um eine Optimierung des Waldmanagements durchführen zu können, werden kontinuierliche und genaue raumbezogene Daten benötigt. Betrachtet man die spezifische Topographie und die schlechte Zugänglichkeit der Waldgebiete, so bietet die Fernerkundung eine attraktive Möglichkeit, raumbezogene Informationen für die großen Flächen des Sundurban Mangrovenwaldes zu erfassen. Zur Analyse und Überwachung der Waldgebiete wurden zwei Satellitenbild-Datensätze mit mittlerer Auflösung verwendet, und zwar Landsat ETM Daten aus dem Jahre 2000 (November) sowie Landsat TM Daten aus dem Jahre 1989 (Januar). Die zentralen Aktivitäten im Rahmen der Bearbeitung der Dissertation beziehen sich auf 1. die Identifikation der notwendigen Werkzeuge für eine erfolgreiche Kartierung und Überwachung der Waldgebiete sowie Untersuchung der Zuverlässigkeit multi-temporaler Fernerkundungsdaten für den Aufbau einer Datenbasis für die Kartierung von Waldbedeckungsarten im Untersuchungsgebiet des Sunderban Mangroven-waldes, 2. die Entwicklung eines Klassifikationssystems nach dem USGS-Schlüssel (Auflösungsebene III) auf Grundlage des existierenden Managementplanes und der spektralen Qualität der Landsat ETM Satellitenbilddaten, 3. den Test der Klassifikationsstrategie durch Adaption unterschiedlicher Methoden und Optimierung in bezug auf Erzielung eines Ergebnisses in maximal erreichbarer Genauigkeit als Ausgangspunkt für den Aufbau einer Methodologie zum Monitoring des Sunderban Mangrovenwaldes, 4. die Extraktion der Veränderungen der Waldbedeckung über ein Zeitintervall von 11 Jahren mit weitreichenden Erkenntnissen zur Dynamik der Degradations-effekte, die hauptsächlich durch illegales Fällen trotz Verbot durch ein Regierungs-memorandum seit 1989 beschleunigt wird, 5. die Entwicklung einer operationellen Monitoring-Struktur mit Hilfe von multi-temporaler Satellitenbildanalyse für ein nachhaltiges und angepasstes raumbezo-genes Management des Sunderban-Mangrovenwaldes.

The work describes the processing and analysis of remote sensing time series data for a comparative assessment of changes in different tropical rainforest areas in East Africa. In order to assess the effects of the derived changes in land cover and forest fragmentation, the study made use of spatially explicit modelling approaches within a geographical information system (GIS) to extrapolate sets of biological field findings in space and time. The analysis and modelling results were visualised aiming to consider the requirements of three different user groups. In order to evaluate measures of forest conservation and to derive recommendations for an effective forest management, quantitative landscape-scale assessments of land cover changes and their influence on forest biodiversity patterns are needed. However, few remote sensing studies have accounted for all of the following aspects at the same time: (i) a dense temporal sequence of land cover change/forest fragmentation information, (ii) the coverage of several decades, (iii) the distinction between multiple forest formations and (iv) direct comparisons of different case studies. In regards to linkages of remote sensing with biological field data, no attempts are known that use time series data for quantitative statements of long-term landscape-scale biodiversity changes. The work studies three officially protected forest areas in Eastern Africa: the Kakamega-Nandi forests in western Kenya (focus area) and Mabira Forest in south-eastern Uganda as well as Budongo Forest in western Uganda (for comparison purposes). Landsat imagery of in total eight or seven dates in regular intervals from 1972/73 to 2003 was used. Making use of supervised multispectral image classification procedures, in total, 12 land cover classes (six forest formations) were distinguished for the Kakamega-Nandi forests and for Budongo Forest while for Mabira Forest ten classes could be realised. An accuracy assessment via error matrices revealed overall classification accuracies between 81% and 85%. The Kakamega-Nandi forests show a continuous decrease between 1972/73 and 2001 of 31%, Mabira Forest experienced an abrupt loss of 24% in the late 1970s/early 1980s, while Budongo Forest shows a relatively stable forest cover extent. An assessment of the spatial patterns of forest losses revealed congruence with areas of high population density while a spatially explicit forest fragmentation index indicates a strong correlation of forest fragmentation with forest management regime and forest accessibility by roads. For the Kenyan focus area, three sets of biological field abundance data on keystone species/groups were used for a quantitative assessment of the influence of long-term changes in tropical forests on landscape-scale biodiversity patterns. For this purpose, the time series was extended with another three land cover data sets derived from aerial photography (1965/67, 1948/(52)) and old topographic maps (1912/13). To predict the spatio-temporal distribution of the army ant Dorylus wilverthi and of ant-following birds, GIS operators (i.e. focal and local functions) and statistical tests (i.e. OLS or SAR regression models) were combined into a spatial modelling procedure. Abundance data on three guilds of birds differing in forest dependency were directly extrapolated to five forest cover classes as distinguished in the time series. The results predict declines in species abundances of 56% for D. wilverthi, of 58% for ant-following birds and an overall loss of 47% for the bird habitat guilds, which in all three cases greatly exceed the rate of forest loss (31%). Additional extrapolations on scenarios of deforestation and reforestation confirmed the negative ecological consequences of splitting-up contiguous forest areas but also showed the potential of mixed indigenous forest plantings. The visualisation of the analysis and modelling results produced a mixture of different outcomes. Map series and a matrix of maps both showing species distributions aim to address scientists and decision makers. The results of the land cover change analysis were synthesised in a map of land cover development types for each study area, respectively. These maps are designed mainly for scientists. Additional maps of change, limited to a single class of forest cover and to three dates were generated to ensure an easy-to-grasp communication of the major forest changes to decision makers. Additionally, an easy-to-handle visualisation tool to be used by scientists, decision makers and local people was developed. For the future, an extension of this study towards a more complete assessment including more species/groups and also ecosystem functions and services would be desirable. Combining a framework for land cover simulation with a framework for running empirical extrapolation models in an automated manner could ideally result in a GIS-based, integrated forest ecosystem assessment tool to be used as regional spatial decision support system. / Die Arbeit beschreibt die Prozessierung und Analyse von Fernerkundungs-Zeitreihendaten für eine vergleichende Abschätzung von Veränderungen verschiedener tropischer Waldökosysteme Ostafrikas. Um Effekte der Veränderungen bzgl. Landbedeckung und Waldfragmentierung auf Biodiversitätsmuster abzuschätzen, wurden verschiedene räumlich explizite Modellierungssätze innerhalb eines geographischen Informationssystems (GIS) zur räumlichen und zeitlichen Extrapolation biologischer Felderhebungsdaten benutzt. Die Visualisierung der Analyse- und Modellierungsergebnisse erfolgte unter Berücksichtigung der Bedürfnisse von drei verschiedenen Nutzergruppen. Um Waldschutzmaßnahmen zu evaluieren und Empfehlungen für ein effektives Waldmanagement abzuleiten, sind quantitative Abschätzungen von Landbedeckungsveränderungen sowie von deren Einfluss auf tropische Waldbiodiversitätsmuster nötig. Wenige fernerkundungsbasierte Studien haben jedoch bislang alle der folgenden Faktoren berücksichtigt: (i) Informationen zu Veränderungen von Landbedeckung und Waldfragmentierung in dichter zeitlicher Sequenz, (ii) die Abdeckung mehrerer Jahrzehnte, (iii) die Unterscheidung zwischen mehreren Waldformationen, und (iv) direkte Vergleiche von unterschiedlichen Fallstudien. Hinsichtlich Verknüpfungen von Fernerkundung mit biologischen Felddaten sind bisher keine Studien bekannt, die Zeitreihendaten für quantitative Aussagen zu Langzeitveränderungen von Biodiversität auf Landschaftsebene verwenden. Die Arbeit untersucht drei offiziell geschützte Gebiete: die Kakamega-Nandi forests in Westkenia (Hauptuntersuchungsgebiet) sowie Mabira Forest in Südost-Uganda und Budongo Forest in West-Uganda (zu Vergleichszwecken). Es wurden Landsat-Daten für insgesamt acht bzw. sieben Zeitpunkte zwischen 1972/73 und 2003 in ungefähr gleichen Abständen erworben. Mit Hilfe von überwachten, multispektralen Klassifizierungsverfahren wurden für die Kakamega-Nandi forests und Budongo Forest jeweils 12 Landbedeckungsklassen (sechs Waldformationen) und für Mabira Forest zehn Klassen unterschieden. Eine Genauigkeitsprüfung mit Hilfe von Fehlermatrizen ergab Gesamtklassifizierungsgenauigkeiten zwischen 81% und 85%. Die Kakamega-Nandi forests sind durch eine kontinuierliche Waldabnahme von 31% zwischen 1972/73 und 2001 gekennzeichnet, Mabira Forest zeigt einen abrupten Waldverlust von 24% in den späten 1970ern/frühen 1980ern, während die Ergebnisse für Budongo Forest eine relativ stabile Waldbedeckung ausweisen. Während eine Abschätzung der räumlichen Muster von Waldverlusten eine hohe Deckungsgleichheit mit Gebieten hoher Bevölkerungsdichte ergab, deutet die Anwendung eines räumlich expliziten Waldfragmentierungsindexes auf eine starke Korrelation von Waldfragmentierung mit der Art von Waldmanagement sowie mit der Erreichbarkeit von Wald über Straßen hin. Um den Einfluss von Langzeit-Landbedeckungsveränderungen auf Biodiversitätsmuster auf Landschaftsebene für das kenianische Hauptuntersuchungsgebiet quantitativ abzuschätzen wurden drei Datensätze mit biologischen Felderhebungen zur Abundanz von Schlüsselarten/-gruppen verwendet. Zu diesem Zweck wurde die Zeitreihe zunächst um drei weitere Landbedeckungs-Datensätze ergänzt, die aus Luftbildern (1965/67, 1948/(52)) bzw. alten topographischen Karten (1912/13) gewonnen wurden. Zur Vorhersage der raum-zeitlichen Verteilung der Treiberameise Dorylus wilverthi wurden GIS-Operatoren und statistische Tests (OLS bzw. SAR Regressionsmodelle) in einem räumlichen Modellierungsablauf kombiniert. Abundanzdaten von drei sich hinsichtlich ihrer Abhängigkeit von Wald unterscheidenden Vogelgilden wurden direkt auf fünf Waldbedeckungsklassen hochgerechnet, die in der Zeitreihe unterschieden werden konnten. Die Ergebnisse prognostizieren Abundanzabnahmen von 56% für D. wilverthi, von 58% für Ameisen-folgende Vögel und einen Gesamtverlust von 47% für die Vogelgilden, was in allen drei Fällen eine deutliche Überschreitung der Waldverlustrate von 31% darstellt. Zusätzliche Extrapolationen basierend auf Szenarien bestätigten die negativen ökologischen Konsequenzen der Zerteilung zusammenhängender Waldflächen bzw. zeigten andererseits das Potential von Aufforstungen mit einheimischen Arten auf. Die Visualisierung der Analyse- bzw. Modellierungsergebnisse führte zu unterschiedlichen Darstellungen: mit einer Reihe von nebeneinander positionierten Einzelkarten sowie einer Matrix von Einzelkarten, die jeweils Artenverteilungen zeigen, sollen Wissenschaftler und Entscheidungsträger angesprochen werden. Aus den Ergebnissen der Landbedeckungsanalyse für die drei Untersuchungsgebiete wurden Landbedeckungsveränderungstypen generiert und jeweils in einer synthetischen Karte dargestellt, die hauptsächlich für Wissenschaftler gedacht sind. Um die wesentlichen Waldveränderungen auch auf einfache Weise zu den Entscheidungsträgern zu kommunizieren, wurden zusätzliche Karten erstellt, die nur eine aggregierte Klasse „Waldbedeckung“ zeigen und jeweils auf drei Zeitschritte der Zeitreihen begrenzt sind. Zusätzlich wurde ein leicht zu bedienendes Visualisierungstool entwickelt, das für Wissenschaftler, Entscheidungsträger und die lokale Bevölkerung gedacht ist. Für die Zukunft wäre eine umfassendere Abschätzung unter Berücksichtigung zusätzlicher Arten/-gruppen sowie auch Ökosystemfunktionen und –dienstleistungen wünschenswert. Die Verknüpfung einer Applikation zur Landbedeckungsmodellierung mit einer Applikation zur Ausführung von empirischen Extrapolationsmodellen (in stärkerem Maße automatisiert als in dieser Arbeit) könnte im Idealfall in ein GIS-basiertes Tool zur integrativen Bewertung von Waldökosystemen münden, das dann als räumliches Entscheidungsunterstützungssystem verwendet werden könnte.

Land use changes have become a major contributor to the anthropogenic global change. The ongoing dispersion and concentration of the human species, being at their orders unprecedented, have indisputably altered Earth’s surface and atmosphere. The effects are so salient and irreversible that a new geological epoch, following the interglacial Holocene, has been announced: the Anthropocene. While its onset is by some scholars dated back to the Neolithic revolution, it is commonly referred to the late 18th century. The rapid development since the industrial revolution and its implications gave rise to an increasing awareness of the extensive anthropogenic land change and led to an urgent need for sustainable strategies for land use and land management. By preserving of landscape and settlement patterns at discrete points in time, archival geospatial data sources such as remote sensing imagery and historical geotopographic maps, in particular, could give evidence of the dynamic land use change during this crucial period. In this context, this thesis set out to explore the potentials of retrospective geoinformation for monitoring, communicating, modeling and eventually understanding the complex and gradually evolving processes of land cover and land use change. Currently, large amounts of geospatial data sources such as archival maps are being worldwide made online accessible by libraries and national mapping agencies. Despite their abundance and relevance, the usage of historical land use and land cover information in research is still often hindered by the laborious visual interpretation, limiting the temporal and spatial coverage of studies. Thus, the core of the thesis is dedicated to the computational acquisition of geoinformation from archival map sources by means of digital image analysis. Based on a comprehensive review of literature as well as the data and proposed algorithms, two major challenges for long-term retrospective information acquisition and change detection were identified: first, the diversity of geographical entity representations over space and time, and second, the uncertainty inherent to both the data source itself and its utilization for land change detection. To address the former challenge, image segmentation is considered a global non-linear optimization problem. The segmentation methods and parameters are adjusted using a metaheuristic, evolutionary approach. For preserving adaptability in high level image analysis, a hybrid model- and data-driven strategy, combining a knowledge-based and a neural net classifier, is recommended. To address the second challenge, a probabilistic object- and field-based change detection approach for modeling the positional, thematic, and temporal uncertainty adherent to both data and processing, is developed. Experimental results indicate the suitability of the methodology in support of land change monitoring. In conclusion, potentials of application and directions for further research are given.

Die Fernerkundung war in den vergangenen Jahren von einschneidenden Umbrüchen gekennzeichnet, die sich besonders in der stark gestiegenen geometrischen Bodenauflösung der Sensoren und den damit einhergehenden Veränderungen der Verarbeitungs- und Auswertungsverfahren widerspiegeln. Sehr hoch auflösende Satellitenbilddaten - definiert durch eine Auflösung zwischen einem halben und einem Meter - existieren seit dem Start von IKONOS Ende 1999. Etwa im selben Zeitraum wurden extrem hoch auflösende digitale Flugzeugkameras (0,1 bis 0,5 m) entwickelt. Dieser Arbeit liegen IKONOS-Daten mit einer Auflösung von einem (panchromatischer Kanal) bzw. vier Metern (Multispektraldaten) zugrunde. Bedingt durch die Eigenschaften sehr hoch aufgelöster Bilddaten (z. B. Detailgehalt, starke spektrale Variabilität, Datenmenge) lassen sich bisher verfügbare Standardverfahren der Bildverarbeitung nur eingeschränkt anwenden. Die Ergebnisse der in dieser Arbeit getesteten Verfahren verdeutlichen, dass die Methoden- bzw. Softwareentwicklung mit den technischen Neuerungen nicht Schritt halten konnte. Einige Verfahren werden erst allmählich für sehr hoch auflösende Daten nutzbar (z. B. atmosphärisch-topographische Korrektur). Die vorliegende Arbeit zeigt, dass Daten dieses Auflösungsbereiches mit bisher verwendeten pixelbasierten, statistischen Klassifikationsverfahren nur unzulänglich ausgewertet werden können. Die hier untersuchte Anwendung von Bildsegmentierungsmethoden hilft, die Nachteile pixelbasierter Verfahren zu überwinden. Dies wurde durch einen Vergleich pixel- und segmentbasierter Klassifikationsverfahren belegt. Im Rahmen einer Segmentierung werden homogene Bildbereiche zu Regionen verschmolzen, welche die Grundlage für die anschließende Klassifikation bilden. Hierzu stehen über die spektralen Eigenschaften hinaus Form-, Textur- und Kontextmerkmale zur Verfügung. In der verwendeten Software eCognition lassen sich diese Klassifikationsmerkmale zudem auf Grundlage des fuzzy-logic-Konzeptes in einer Wissensbasis (Entscheidungsbaum) umsetzen. Ein Vergleich verschiedener, derzeit verfügbarer Segmentierungsverfahren zeigt darüber hinaus, dass sich mit der genutzten Software eine hohe Segmentierungsqualität erzielen lässt. Der wachsende Bedarf an aktuellen Geobasisdaten stellt für sehr hoch auflösende Fernerkundungsdaten eine wichtige Einsatzmöglichkeit dar. Durch eine gezielte Klassifikation der Bilddaten lassen sich Arbeitsgrundlagen für die hier betrachteten Anwendungsfelder Landschaftsplanung und Landschaftsökologie schaffen. Die dargestellten Beispiele von Landschaftsanalysen durch die segmentbasierte Auswertung von IKONOS-Daten zeigen, dass sich eine Klassifikationsgüte von 90 % und höher erreichen lässt. Zudem können die infolge der Segmentierung abgegrenzten Landschaftseinheiten eine Grundlage für die Berechnung von Landschaftsstrukturmaßen bilden. Nationale Naturschutzziele sowie internationale Vereinbarungen zwingen darüber hinaus zur kontinuierlichen Erfassung des Landschaftsinventars und dessen Veränderungen. Fernerkundungsdaten können in diesem Bereich zur Etablierung automatisierter und operationell einsatzfähiger Verfahren beitragen. Das Beispiel Biotop- und Landnutzungskartierung zeigt, dass eine Erfassung von Landnutzungseinheiten mit hoher Qualität möglich ist. Bedingt durch das Auswertungsverfahren sowie die Dateneigenschaften entspricht die Güte der Ergebnisse noch nicht vollständig den Ansprüchen der Anwender, insbesondere hinsichtlich der erreichbaren Klassifikationstiefe. Die Qualität der Ergebnisse lässt sich durch die Nutzung von Zusatzdaten (z. B. GIS-Daten, Objekthöhenmodelle) künftig weiter steigern. Insgesamt verdeutlicht die Arbeit den Trend zur sehr hoch auflösenden digitalen Erderkundung. Für eine breite Nutzung dieser Datenquellen ist die weitere Entwicklung automatisierter und operationell anwendbarer Verarbeitungs- und Analysemethoden unerlässlich. / In recent years remote sensing has been characterised by dramatic changes. This is reflected especially by the highly increased geometrical resolution of imaging sensors and as a consequence thereof by the developments in processing and analysis methods. Very high resolution satellite imagery (VHR) - defined by a resolution between 0.5 and 1 m - exists since the start of IKONOS at the end of 1999. At about the same time extreme high resolution digital airborne sensors (0.1 till 0.5 m) have been developed. The basis of investigation for this dissertation is IKONOS imagery with a resolution of one meter (panchromatic) respectively four meters (multispectral). Due to the characteristics of such high resolution data (e.g. level of detail, high spectral variability, amount of data) the use of previously available standard methods of image processing is limited. The results of the procedures tested within this work demonstrate that the development of methods and software was not able to keep up with the technical innovations. Some procedures are only gradually becoming suitable for VHR data (e.g. atmospheric-topographic correction). Additionally, this work shows that VHR imagery can be analysed only inadequately using traditional pixel-based statistical classifiers. The herein researched application of image segmentation methods helps to overcome drawbacks of pixel-wise procedures. This is demonstrated by a comparison of pixel and segment-based classification. Within a segmentaion, homogeneous image areas are merged into regions which are the basis for the subsequent classification. For this purpose, in addition to spectral features also formal, textural and contextual properties are available. Furthermore, the applied software eCognition allows the definition of the features for classification based on fuzzy logic in a knowledge base (decision tree). An evaluation of different, currently available segmentation approaches illustrates that a high segmentation quality is achievable with the used software. The increasing demand for geospatial base data offers an important field of application for VHR remote sensing data. With a targeted classification of the imagery the creation of working bases for the herein considered usage for landscape planning and landscape ecology is possible. The given examples of landscape analyses using a segment-based processsing of IKONOS data show an achievable classification accuracy of 90 % and more. The landscape units delineated by image segmentation could be used for the calculation of landscape metrics. National aims of nature conservation as well as international agreements constrain a continuous survey of the landscape inventory and the monitoring of its changes. Remote sensing imagery can support the establishment of automated and operational methods in this field. The example of biotope and land use type mapping illustrates the possibility to detect land use units with a high precision. Depending on the analysis method and the data characteristics the quality of the results is not fully equivalent to the user?s demands at the moment, especially concerning the achievable depth of classification. The quality of the results can be enhanced by using additional thematic data (e.g. GIS data, object elevation models). To summarize this dissertation underlines the trend towards very high resolution digital earth observation. Thus, for a wide use of this kind of data it is essentially to further develop automated and operationally useable processing and analysis methods.

This thesis analyses the highly structured and densely populated farmland surrounding Kakamega Forest (western Kenya) in a spatially-explicit manner. The interdisciplinary approach combines methodologies and technologies from different scientific disciplines: remote sensing with OBIA, GIS and spatially explicit modelling (geomatics and geographic science) with socio-economic as well as agro-economic considerations (human and social sciences) as well as cartographic science. Furthermore, the research is related to conservation biology (biological sciences). Based on an in-situ ground truthing and visual image interpretation, very high spatial resolution QuickBird satellite imagery covering 466 km² of farmland was analysed using the concept of object-based image analysis (OBIA). In an integrative workflow, statistical analysis and expert knowledge were combined to develop a sophisticated rule set. The classification result distinguishing 15 LULC classes was used alongside with temporally extrapolated and spatially re-distributed population data as well as socio-/agro-economic factors in order to create a spatially-explicit typology of the farmland and to model scenarios of rural livelihoods. The farmland typology distinguishes ten types of farmland: 3 sugarcane types (covering 48% of the area), 3 tea types (30%), 2 transitional types (15%), 1 steep terrain type (2%), and 1 central type (5%). The scenarios consider different developments of possible future yields and prices for the main agricultural products sugarcane, tea, and maize. Out of all farmland types, the ‘marginal sugarcane type’ is best prepared to cope with future problems. Besides a comparably low population density, a high share of land under cultivation of food crops coupled with a moderate cultivation of cash crops is characteristic for this type. As part of the research conducted, several novel methodologies were introduced. These include a new conceptual framework for categorizing parameter optimization studies, the area fitness rate (AFR) as a novel discrepancy measure, the technique of ‘classification-based nearest neighbour classification’ for classes which are difficult to separate from others, and a novel approach for accessing the accuracy of OBIA classifications. Finally, this thesis makes a number of recommendations and elaborates promising starting points for further scientific research. / Die vorliegende Arbeit untersucht räumlich-expliziten das stark strukturierte und dicht besiedelte Agrarland um den Kakamega Wald (Westkenia). Dabei kombiniert der interdisziplinäre Ansatz Methoden und Technologien verschiedener Wissenschaftsbereiche: die Fernerkundung mit der objekt-basierten Bildanalyse (OBIA), GIS und die räumlich-explizite Modellierung (Geoinformatik und Geographie) mit sozio- und agro-ökonomische Aspekten (Human- und Sozialwissenschaft) sowie der Kartographie. Zudem steht die Arbeit in Bezug zum Schutz der biologischen Vielfalt (Biologie). Ausgehend von einer Referenzdatenerfassung vor Ort und einer visuellen Bildinterpretation wurden räumlich sehr hochauflösende QuickBird-Satellitenbilddaten, die 466 km² des Agrarlandes abdecken, mit Hilfe von OBIA ausgewertet. In einem integrativen Ansatz wurden dabei statistische Verfahren und Expertenwissen kombiniert, um einen ausgefeilten Regelsatz zur Klassifizierung zu erzeugen. Das Klassifizierungsergebnis unterscheidet 15 Klassen der Landnutzung bzw. -bedeckung; zusammen mit zeitlich extrapolierten und räumlich neu verteilten Bevölkerungsdaten sowie sozio- und agro-ökonomischen Faktoren ermöglichte es, eine räumlich-explizite Typologie des Agrarlandes zu erstellen und Szenarien zum ländlichen Auskommen zu modellieren. Die Agrarlandtypologie unterscheidet zehn Landtypen: 3 Zuckerrohr-dominierte Typen (48% des Gebietes), 3 Tee-dominierte Typen (30%), 2 Übergangstypen (15%), 1 Typ steilen Geländes (2%) und 1 zentralen Typ (5%). Die Szenarien betrachten mögliche zukünftige Entwicklungen der Erträge und Preise der Hauptanbauarten Zuckerrohr, Tee und Mais. Von allen Agrarlandtypen ist der „marginal Zuckerrohr-dominierte Typ“ am besten gerüstet, um zukünftigen Problemen zu begegnen. Bezeichnend für diesen Typ sind – neben einer vergleichsweise geringen Bevölkerungsdichte – ein hoher Anteil an Nahrungsmittelanbau zusammen mit einem gemäßigten Anbau von exportorientierten Agrarprodukten. Als Teil der Forschungsarbeit werden verschiedene neuartige Methoden vorgestellt, u.a. ein neuer konzeptioneller Rahmen für das Kategorisieren von Studien zur Parameteroptimierung, die „area fitness rate“ (AFR) als neue Messgröße für Flächendiskrepanzen, die klassifikations-basierte Nächster-Nachbar Klassifizierung sowie ein Ansatz zum Bestimmen der Güte von OBIA-Klassifizierungen. Schließlich gibt die Arbeit eine Reihe von Empfehlungen und bietet vielversprechende Ausgangspunkte für weiterführende wissenschaftliche Forschungen.

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