Knowledge about land use and land cover represents an important information basis for various planning applications. In particular, urban and suburban regions are subject to a high dynamic development. The detection and identification of changes is therefore an important instrument to follow and accompany the developments by planning. Here, aerial photography and, increasingly, satellite images serve as an important basis for information. The recognition and mapping of changes is still a time-consuming and cost-intensive matter which is mostly realized by visual interpretation of aerial photography and to an increasing degree of high- and ultra-high-resolution satellite images. Within the scope of the present work a new, robust and largely automated process based on a statistical change analysis is developed and presented. Basis for the data are multitemporal high-resolution satellite image data. The generated suspect areas, respectively areas of change, are supposed to function as clues in order to facilitate the process of the visual interpretation of multitemporal image datasets with regard to change mapping, since only marked areas of change have to undergo further examination. Consequently, this process can be used as a tool to ease and accelerate the updating of planning bases in general and maps in particular so far realised by visual interpretation. However, the automation of the process is not only supposed to serve the purpose of saving time and cost but also to bring the interpretation process to a higher level of objectivity. In order to improve the quality of the whole process, for the preprocessing of the image data selected methods of image processing have been integrated. Through the use of additional geo-information reference data for the automated calculation of the areas of change, a further refinement of the results can be reached. The obtained results in the first time-cut (1997-1998) can be proved and verified by a different data-take (1997-2000). To reach a convenient use and a good distribution of the developed method, the process has been implemented by means of the widespread image processing software ERDAS IMAGINE. This allows to make the developed method available for other users, since it can easily be integrated into the working environment of ERDAS IMAGINE. / Das Wissen um die Landnutzung und Landbedeckung ist für planerische Anwendungsgebiete eine wichtige Informationsgrundlage. Gerade urbane und suburbane Regionen unterliegen einer hohen Entwicklungsdynamik. Das Erkennen und Aufzeigen von Veränderungen ist somit ein wichtiges Instrument um Entwicklungen zu verfolgen und planerisch zu begleiten. Luft- und zunehmend Satellitenbilder dienen hierfür als wichtige Informationsgrundlage. Das Erkennen und Kartieren von Veränderungen ist nach wie vor eine zeitaufwändige und kostenintensive Angelegenheit, die überwiegend durch visuelle Interpretation von Luft- und zunehmend auch mit hoch- und höchstauflösenden Satellitenbildern realisiert wird. In dieser Arbeit wird ein neues, robustes, weitgehend automatisiertes, auf einem statistischen Ansatz beruhendes Verfahren der Veränderungsanalyse entwickelt und vorgestellt. Die Datengrundlage bilden multitemporale, hoch auflösende Satellitenbilddaten. Die generierten Verdachts- bzw. Veränderungsflächen sollen als Anhaltspunkte fungieren, um den Prozess der visuellen Interpretation von multitemporalen Bilddatensätzen in Hinsicht auf eine Veränderungskartierung zu erleichtern, da nur als Veränderungsflächen markierte Areale einer weiteren Untersuchung unterzogen werden müssen. Das Verfahren kann somit als Werkzeug dienen, die durch visuelle Interpretation realisierte Aktualisierung von Planungsgrundlagen bzw. Kartenwerken zu erleichtern und zu beschleunigen. Die Automatisierung des Verfahrens soll jedoch nicht allein dem Zweck der Zeit- und Kostenersparnis dienen, sondern auch den Interpretationsprozess objektiver gestalten. Um die Qualität des Verfahrens zu erhöhen, werden ausgewählte Methoden der Bildverarbeitung für die Vorverarbeitung der Bilder in das Verfahren integriert. Durch das Einbinden zusätzlicher Geobasisdaten in die automatisierte Berechnung der Veränderungsflächen kann eine weitere Verbesserung der Ergebnisse erzielt werden. Die Ergebnisse, der im ersten Zeitschnitt (1997-1998) untersuchten Datensätze, werden mit Hilfe eines weiteren Zeitschnitts (1997-2000) überprüft und verifiziert. Um eine unkomplizierte Anwendung und Verbreitung der Methode zu erreichen, wurde das Verfahren mit Hilfe der weit verbreiteten Bildverarbeitungssoftware ERDAS IMAGINE realisiert. Dies ermöglicht, das Verfahren auch anderen Nutzern zur Verfügung zu stellen, da es problemlos in die Arbeitsumgebung des Bildverarbeitungssystems ERDAS IMAGINE integriert werden kann

Die in den letzten Jahrzehnten aufgenommenen Satellitenbilder zur Erdbeobachtung bieten eine ideale Grundlage für eine genaue Langzeitüberwachung und Kartierung der Erdoberfläche und Atmosphäre. Unterschiedliche Sensoreigenschaften verhindern jedoch oft eine synergetische Nutzung. Daher besteht ein dringender Bedarf heterogene Multisensordaten zu kombinieren und als geometrisch und spektral harmonisierte Zeitreihen nutzbar zu machen. Diese Dissertation liefert einen vorwiegend methodischen Beitrag und stellt zwei neu entwickelte Open-Source-Algorithmen zur Sensorfusion vor, die gründlich evaluiert, getestet und validiert werden. AROSICS, ein neuer Algorithmus zur Co-Registrierung und geometrischen Harmonisierung von Multisensor-Daten, ermöglicht eine robuste und automatische Erkennung und Korrektur von Lageverschiebungen und richtet die Daten an einem gemeinsamen Koordinatengitter aus. Der zweite Algorithmus, SpecHomo, wurde entwickelt, um unterschiedliche spektrale Sensorcharakteristika zu vereinheitlichen. Auf Basis von materialspezifischen Regressoren für verschiedene Landbedeckungsklassen ermöglicht er nicht nur höhere Transformationsgenauigkeiten, sondern auch die Abschätzung einseitig fehlender Spektralbänder. Darauf aufbauend wurde in einer dritten Studie untersucht, inwieweit sich die Abschätzung von Brandschäden aus Landsat mittels synthetischer Red-Edge-Bänder und der Verwendung dichter Zeitreihen, ermöglicht durch Sensorfusion, verbessern lässt. Die Ergebnisse zeigen die Effektivität der entwickelten Algorithmen zur Verringerung von Inkonsistenzen bei Multisensor- und Multitemporaldaten sowie den Mehrwert einer geometrischen und spektralen Harmonisierung für nachfolgende Produkte. Synthetische Red-Edge-Bänder erwiesen sich als wertvoll bei der Abschätzung vegetationsbezogener Parameter wie z. B. Brandschweregraden. Zudem zeigt die Arbeit das große Potenzial zur genaueren Überwachung und Kartierung von sich schnell entwickelnden Umweltprozessen, das sich aus einer Sensorfusion ergibt. / Earth observation satellite data acquired in recent years and decades provide an ideal data basis for accurate long-term monitoring and mapping of the Earth's surface and atmosphere. However, the vast diversity of different sensor characteristics often prevents synergetic use. Hence, there is an urgent need to combine heterogeneous multi-sensor data to generate geometrically and spectrally harmonized time series of analysis-ready satellite data. This dissertation provides a mainly methodical contribution by presenting two newly developed, open-source algorithms for sensor fusion, which are both thoroughly evaluated as well as tested and validated in practical applications. AROSICS, a novel algorithm for multi-sensor image co-registration and geometric harmonization, provides a robust and automated detection and correction of positional shifts and aligns the data to a common coordinate grid. The second algorithm, SpecHomo, was developed to unify differing spectral sensor characteristics. It relies on separate material-specific regressors for different land cover classes enabling higher transformation accuracies and the estimation of unilaterally missing spectral bands. Based on these algorithms, a third study investigated the added value of synthesized red edge bands and the use of dense time series, enabled by sensor fusion, for the estimation of burn severity and mapping of fire damage from Landsat. The results illustrate the effectiveness of the developed algorithms to reduce multi-sensor, multi-temporal data inconsistencies and demonstrate the added value of geometric and spectral harmonization for subsequent products. Synthesized red edge information has proven valuable when retrieving vegetation-related parameters such as burn severity. Moreover, using sensor fusion for combining multi-sensor time series was shown to offer great potential for more accurate monitoring and mapping of quickly evolving environmental processes.

Die zunehmende Verfügbarkeit von Satellitenfernerkundungs- und Wildtier-Telemetriedaten eröffnet neue Möglichkeiten für eine verbesserte Überwachung von Wildtierhabitaten durch Habitatmodelle, doch fehlt es häufig an geeigneten Ansätzen, um dieses Potenzial voll auszuschöpfen. Das übergeordnete Ziel dieser Arbeit bestand in der Konzipierung und Weiterentwicklung von Ansätzen zur Nutzung des Potenzials großer Satellitenbild- und Telemetriedatensätze in Habitatmodellen. Am Beispiel von drei großen Säugetierarten in Europa (Eurasischer Luchs, Rothirsch und Reh) wurden Ansätze entwickelt, um (1) Habitatmodelle mit dem umfangreichsten global und frei verfügbaren Satellitenbildarchiv der Landsat-Satelliten zu verknüpfen und (2) Wildtier-Telemetriedaten über Wildtierpopulationen hinweg in großflächigen Analysen der Habitateignung und -nutzung zu integrieren. Die Ergebnisse dieser Arbeit belegen das enorme Potenzial von Landsat-basierten Variablen als Prädiktoren in Habitatmodellen, die es ermöglichen von statischen Habitatbeschreibungen zu einem kontinuierlichen Monitoring von Habitatdynamiken über Raum und Zeit überzugehen. Die Ergebnisse meiner Forschung zeigen darüber hinaus, wie wichtig es ist, die Kontextabhängigkeit der Lebensraumnutzung von Wildtieren in Habitatmodellen zu berücksichtigen, insbesondere auch bei der Integration von Telemetriedatensätzen über Wildtierpopulationen hinweg. Die Ergebnisse dieser Dissertation liefern neue ökologische Erkenntnisse, welche zum Management und Schutz großer Säugetiere beitragen können. Darüber hinaus zeigt meine Forschung, dass eine bessere Integration von Satellitenbild- und Telemetriedaten eine neue Generation von Habitatmodellen möglich macht, welche genauere Analysen und ein besseres Verständnis von Lebensraumdynamiken erlaubt und so Bemühungen zum Schutz von Wildtieren unterstützen kann. / The growing availability of satellite remote sensing and animal tracking data opens new opportunities for an improved monitoring of wildlife habitats based on habitat models, yet suitable approaches for making full use of this potential are commonly lacking. The overarching goal of this thesis was to develop and advance approaches for harnessing the potential of big satellite image and animal tracking data in habitat models. Specifically, using three large mammal species in Europe as an example (Eurasian lynx, red deer, and roe deer), I developed approaches for (1) linking habitat models to the largest global and freely available satellite image record, the Landsat image archive, and (2) for integrating animal tracking datasets across wildlife populations in large-area assessments of habitat suitability and use. The results of this thesis demonstrate the enormous potential of Landsat-based variables as predictors in habitat models, allowing to move from static habitat descriptions to a continuous monitoring of habitat dynamics across space and time. In addition, my research underscores the importance of considering context-dependence in species’ habitat use in habitat models, particularly also when integrating tracking datasets across wildlife populations. The findings of this thesis provide novel ecological insights that help to inform the management and conservation of large mammals and more broadly, demonstrate that a better integration of satellite image and animal tracking data will allow for a new generation of habitat models improving our ability to monitor and understand habitat dynamics, thus supporting efforts to restore and protect wildlife across the globe.

No description available.