Universiẗat, Diss., 2003--Jena.

Depressive disorders represent one of the main sources for the loss of healthy years of life. One of the reasons for this circumstance is the recurrent course of these disorders, which can be interrupted by current therapeutic approaches, especially in the shortterm, but seem to be maintained at least in part in the long-term. Subsequently, on one hand, this thesis deals with methodological measurement issues in the longitudinal prediction of depressive courses. On the other hand, it addresses two currently discussed neuroscience-based treatment approaches, which are investigated experimentally in a basic-psychological manner and reviewed in the light of their potential to translate results to the application in patient care. These two approaches each address potential mechanisms that may negatively impact long-term disease trajectories: First, stable endophenotypes for vulnerability factors that could regain control over the organism and reactivate maladaptive experiences, or behaviors with increasing temporal distance from therapeutic methods are focused on. In the studies presented, these were influenced by a recently rediscovered method of neuromodulation (transcranial low-intensity focused ultrasound) which is discussed in light of its unique capability to address even deepest, subcortical regions at a high spatial resolution. Lastly, as a second approach, an experimental design for the use of reconsolidation interference is presented, which could provide a first insight into the applicability of corresponding protocols in the field of depressive disorders and thus contribute to the modification, instead of inhibition, of already mentioned endophenotypes. In sum, methodological considerations for monitoring and predicting long-term courses of depression are deducted before two approaches are discussed that could potentially exert positive influences on the recurrent nature of depressive symptoms on their own, in combination with each other, or as augmentation for existing therapeutic procedures. / Depressive Erkrankungen stellen eine der Hauptquellen für das Einbußen gesunder Lebensjahre dar. Einer der Gründe für diesen Umstand liegt im rezidivierenden Verlauf dieser Erkrankungen, der auch durch bisherige Therapieansätze vor allem kurzfristig unterbrochen werden kann, jedoch langfristig zumindest in Teilen erhalten zu bleiben scheint. Daran anschließend befasst sich die hier vorgelegte Thesis zum einen mit der Messproblematik longitudinaler Vorhersagen depressiver Verläufe und zum anderen mit zwei aktuell diskutierten neurowissenschaftlich begründeten Behandlungsansätzen, die experimentellgrundlagenpsychologisch aufgearbeitet und im Lichte eines translationalen Ansatz hin zur Anwendung in realen Patientensituationen erörtert werden. Die beiden genannten Ansätze adressieren dabei jeweils Mechanismen, die sich negativ auf langfristige Krankheitsverläufe auswirken können: Zunächst werden hier stabile Endophänotypen für Vulnerabilitätsfaktoren, die mit zunehmendem zeitlichem Abstand zu Therapiemethoden erneut Kontrolle über den Organismus gewinnen und maladaptives Erleben und Verhalten reaktivieren könnten, in den Fokus gestellt. Diese wurden in den hier vorgestellten Studien mit einer vor wenigen Jahren wiederentdeckten Methode der Neuromodulation (transkranieller, niedrigintensiver, fokussierter Ultraschall) beeinflusst und vor dem Hintergrund der einzigartigen Möglichkeit dieser Technik, auch tiefste, subkortikale Regionen bei hoher räumlicher Auflösungsfähigkeit adressieren zu können, diskutiert. Zuletzt wird ergänzend, als zweiter Ansatz, ein experimentelles Design zur Nutzung der Rekonsolidierungsbeeinflussung vorgestellt, das erste Informationen über die Anwendbarkeit entsprechender Protokolle im Bereich der depressiven Erkrankungen liefern und somit zur Veränderung, Anstelle von Inhibition bereits genannter Endophänotypen beitragen könnte. Zusammengenommen ergeben sich hieraus zunächst allgemeine methodische Überlegungen für das Überwachen und Vorhersagen langfristiger Verläufe der Depressionen, aber auch zwei Ansätze, die für sich genommen, in Kombination miteinander oder auch als Augmentation für bestehende Therapieverfahren, potentiell positive Einflüsse auf die rezidivierende Natur dieser Diagnosegruppe haben könnten.

Aufgrund der fortschreitenden Prozesse des Bevölkerungswachstums, der Urbanisierung und des Klimawandels sind weltweit erheblich mehr Menschen und Sachwerte Naturgefahren ausgesetzt. Essenziell für eine wirksame Risikoreduktion und ein effektives Katastrophenmanagement sind aktuelle Expositionsmodelle mit detaillierten, räumlich verorteten Informationen über die gebaute Umwelt und deren Vulnerabilität. Diese Daten sind jedoch oft nur unzureichend verfügbar. Gleichzeitig sind die Anforderungen an das Expositionsmodell hinsichtlich des thematischen Informationsgehalts und der räumlichen Auflösung für eine konsistente Vulnerabilitätsbewertung im Kontext multipler Naturgefahren hoch, da i) unterschiedliche Gebäudeattribute die Vulnerabilität gegenüber unterschiedlichen Naturgefahren bedingen, ii) unterschiedliche Naturgefahren auf unterschiedlichen räumlichen Skalen und mit unterschiedlicher räumlicher Variabilität auftreten. Georeferenzierte bildgebende Sensordaten sind heute eine essenzielle Quelle für die automatisierte Gewinnung räumlicher Informationen. Die zunehmende Verfügbarkeit von Datenerfassungsinitiativen (Remote- und In-situ-Sensing) sowie Social Media und die Fortschritte in der künstlichen Intelligenz haben diese Entwicklung stark vorangetrieben. Das übergeordnete Ziel dieser Dissertation ist es, auf der Grundlage heterogener Geobilddaten und aktueller Techniken des Deep Learning (DL) Methoden aufzuzeigen, die eine effiziente, räumlich hoch aufgelöste sowie großflächige multikriterielle Charakterisierung der gebauten Umwelt für die Multirisikoanalyse ermöglichen. Dieses Ziel wird anhand von drei Teilstudien adressiert. Testgebiet ist die erdbebengefährdete Millionenmetropole Santiago de Chile. Die erste Studie untersucht das Potenzial von Convolutional Neural Networks (CNN) und Street-Level-Bilddaten (SLI) für die automatisierte Erfassung vulnerabilitätsrelevanter Gebäudecharakteristika. Der verfolgte Ansatz beinhaltet einen hierarchischen Workflow, um die heterogenen SLI anwendungsorientiert zu akquirieren und strukturieren. Es werden dem Stand der Forschung entsprechende CNN eingesetzt, um i) den Seismischen Gebäudestrukturtyp (SBST), ii) das laterale Last abtragende System (LLRS; Lateral Load Resisting System) und iii) die Gebäudehöhe abzuleiten. Diese Attribute reflektieren die tragende Struktur eines Gebäudes und damit seine Widerstandsfähigkeit gegenüber den durch Naturgefahrenereignisse einwirkenden Kräften. Die experimentellen Ergebnisse zeigen für alle Klassifikationsaufgaben Genauigkeiten jenseits von 𝜅 = 0,81. Dies unterstreicht das Potenzial von SLI und DL für die In-situ-Gebäudedatenerfassung zur großräumigen Bewertung von Naturgefahrenrisiken. Die zweite Studie zielt auf eine synergistische und effiziente multikriterielle Charakterisierung von Gebäuden für die Multihazard-Risikobewertung ab. Deep Multitask Learning (MTL) wird eingesetzt, um diese Anforderung zu erfüllen. Der entwickelte Ansatz verbessert die Prädiktionsgenauigkeit bei multiplen Bildklassifikationsproblemen durch die Berücksichtigung Task-übergreifender Interdependenzen. Ein intermediär überwachtes Hard Parameter Sharing CNN gibt Task-weise prädizierte Interimsklassenwahrscheinlichkeiten aus. Interdependenzen werden dann auf zwei Arten erfasst: i) durch das direkte Anhängen der Klassenwahrscheinlichkeiten an den Bildmerkmalsvektor (Multitask Stacking) und ii) durch deren Weiterleitung an rekurrente neuronale Netze (Gated Recurrent Units), um explizit Interdependenzrepräsentationen zu lernen (Interdependency Representation Learning). Die MTL-Architektur wird für die Klassifikation von Gebäuden nach fünf Zielvariablen angewandt: Höhe, LLRS-Material, SBST, Dachform und Blockposition. Die Klassifikationsgenauigkeiten der neuen MTL-Ansätze übertreffen sowohl Single Task Learning als auch klassisches Hard Parameter Sharing MTL. Bereits hohe initial geschätzte Generalisierungsfähigkeiten, konnten mit akkumulierten Task-spezifischen Residuen von mehr als +6 % 𝜅 deutlich gesteigert werden und erreichten mittlere Task-Genauigkeiten von bis zu 88,43 % Overall accuracy und 84,49 % 𝜅. Hinsichtlich des Trainingszeitaufwands erweisen sich die vorgeschlagenen MTL-Methoden als sehr effizient. Die dritte Studie fokussiert auf das Potenzial der Integration heterogener multimodaler Geobilddaten – SLI, sehr hoch aufgelöste optische Fernerkundungsdaten sowie ein normalisiertes digitales Oberflächenmodell – für die flächenhafte Charakterisierung naturgefahrenexponierter Gebäude. Es wird eine objektbasierte Multi-Input-/Multi-Output-DL-Methodik vorgestellt, die eine multikriterielle Gebäudeklassifikation durch die synergistische Fusion der multisensoralen Daten ermöglicht. Um das Problem partiell fehlender SLI zu adressieren, wird der transformerbasierte SLI Spatial Context Encoder verwendet. Dieser nutzt die räumlichen Korrelationen zwischen physisch-strukturellen Gebäudeattributen, um die semantischen Informationen der vorhandenen SLI flächendeckend zugänglich zu machen. Für die Integration der multimodalen Informationen wird die Task-wise Modality Attention (TMA) Fusion vorgeschlagen. Diese optimiert die Merkmalsrepräsentationen für die einzelnen Inferenz-Tasks separat, nach deren spezifischen Anforderungen. Auf dieser Grundlage wird unter Berücksichtigung der beiden Datensituationen SLI verfügbar und SLI fehlend ein umfassender experimenteller Kreuzvergleich der Generalisierungsfähigkeiten durchgeführt und der Mehrwert der unterschiedlichen Modalitäten, ihrer Kombinationen sowie der TMA-Datenfusionsmethode evaluiert. Die Ergebnisse verdeutlichen den hohen semantischen Mehrwert von SLI sowie der abgeleiteten räumlich-kontextuellen Information für die Erfassung physisch-struktureller Gebäudecharakteristika. Zudem zeigen sie, dass alle Modalitätskombinationen positive Synergien bieten. Dabei erzielt die TMA-Fusion durchweg höhere mittlere Task-Genauigkeiten als die Benchmark-Methoden. Die genauesten Modelle werden für die Ableitung eines räumlich kontinuierlichen Expositionsmodells angewandt. Die vorgestellte Methodik ermöglicht die automatisierte, großräumige Erfassung vulnerabilitätsbedingender Gebäudeattribute mit einzigartiger räumlicher und thematischer Auflösung. Diese Detailtiefe ist entscheidend für eine konsistente Bewertung der Multihazard-Vulnerabilität und damit für ein erfolgreiches Risiko- und Katastrophenmanagement. Die Ergebnisse dieser Dissertation liefern fundierte Einblicke in das Potenzial von multimodalen Geobilddaten und DL zur effizienten Bereitstellung von Expositionsinformationen. / The ongoing processes of population growth, urbanization, and climate change have led to a drastic increase in the number of people and assets exposed to natural hazards worldwide. For effective risk reduction and disaster management, up-to-date exposure models with detailed, spatially localized information on the built environment and its vulnerability are essential. However, such data are often insufficiently available. At the same time, holistic vulnerability assessments across multiple natural hazards place high demands on exposure models in terms of thematic information and spatial resolution, as i) different building attributes may affect vulnerability to different hazards, and ii) natural hazards may differ in spatial scale and exhibit distinct spatial variabilities. Today, geo-referenced imaging sensor data are an essential source for the automated extraction of spatial information. This has been largely driven by the ever-increasing availability of data collection initiatives – both remote and in-situ sensing – along with social media and advancements in data analysis methods, particularly in the field of artificial intelligence. The overarching goal of this dissertation is to demonstrate methods based on heterogeneous geospatial image data and current deep learning (DL) techniques that enable efficient, high spatial resolution, large-scale multicriteria characterization of the built environment for multi-risk analysis. This objective is addressed through three sub-studies, with the test area being the earthquake-prone metropolis of Santiago, Chile. The first study investigates the potential of Convolutional Neural Networks (CNN) and Street-Level Imagery (SLI) for the automated collection of vulnerability-related building characteristics. The approach involves a hierarchical workflow to acquire and structure heterogeneous SLI in an application-oriented manner. State-of-the-art CNN are used to derive: i) the Seismic Building Structural Type (SBST), ii) the Lateral Load Resisting System (LLRS) material, and iii) building height. These attributes reflect a building’s load-bearing structure and, consequently, its resistance to forces exerted by natural hazard events. The experimental results show classification accuracies above 𝜅 = 0.81 for all tasks, underlining the high potential of SLI and DL for in situ building data collection for natural hazard risk assessment at large spatial scales. The second study aims at a synergistic and efficient multi-criteria characterization of buildings for multi-hazard risk assessment. Deep Multitask Learning (MTL) is used to address this challenge. The proposed deep MTL architecture enhances prediction accuracy in multiple image classification tasks by accounting for cross-task interdependencies. These interdependencies are inferred based on task-wise interim class label probability predictions from an intermediately supervised hard parameter sharing CNN: i) by directly stacking label probability sequences to the image feature vector (i.e., multitask stacking), and ii) by passing probability sequences to recurrent neural networks (Gated Reccurent Units) to explicitly learn cross-task interdependency representations (i.e., interdependency representation learning). The MTL architecture is applied to classify buildings according to five target variables: height, LLRS material, SBST, roof shape, and block position. The classification accuracies of the new MTL approaches outperform both single-task learning and classical hard-parameter sharing MTL. Already high initial estimated generalization capabilities can be significantly increased with accumulated task-specific residuals of more than +6 % 𝜅, achieving mean cross-task accuracy values of up to 88.43 % overall accuracy and 84.49 % 𝜅. In terms of training time, the proposed MTL methods also prove very efficient. The third study explores the potential of integrating heterogeneous multimodal geospatial image data – SLI, very high-resolution optical remote sensing data, and a normalized digital surface model – for large-scale characterization of buildings exposed to natural hazards. An object-based multi-Input-/multi-Output DL methodology is presented, enabling the synergistic fusion of multi-sensor data for multi-criteria building classification. To address the issue of partially missing SLI data, the transformer-based SLI Spatial Context Encoder is proposed. This model leverages spatial correlations between physical-structural building attributes to make the semantic information of available SLI widely accessible. Task-wise Modality Attention (TMA) fusion is proposed to integrate the multimodal information. TMA optimizes feature representations for individual inference tasks separately, according to their specific requirements. Considering the two data scenarios – SLI available and SLI missing – a comprehensive experimental cross-comparison of generalization capabilities is conducted to evaluate the added value of the different modalities, their combinations, and TMA fusion. The results emphasize the high semantic value of SLI and the derived spatio-contextual representations for capturing physical-structural building characteristics. Additionally, they demonstrate that all modality combinations offer positive synergies. TMA fusion consistently outperforms benchmark methods. The most accurate models are subsequently applied to derive a spatially continuous exposure model. The presented methodology enables the automated, large-scale collection of vulnerability-related building attributes with an unprecedented combination of spatial and thematic resolution. This level of detail is essential for a consistent assessment of multi-hazard vulnerability and, consequently, for effective risk and disaster management. The results of this dissertation offer indepth insights into the potential of multimodal geoimage data and DL for the efficient provision of exposure information.

This dissertation presents the results of an investigation of rural households’ ability to adapt to changing environmental and climatic conditions. It presents soil degradation arising from worsening soil erosion, leaching, depletion of nutrients due to years of uninterrupted cultivation and low levels of use of fertilizers; uncontrolled deforestation leading to loss of biodiversity; and climate variability seen through longer dry seasons as well as delayed and falling levels of precipitation as key issues leading to the vulnerability of households in Kakemega District in Western Province of Kenya. An enquiry has been made into the adaptation strategies of the rural households and a composite household adaptive capacity index (HACI) developed which is then used in hypothesis testing. Despite a situation laden with serious soil degradation and fears that credit taken by rural households often end up in low-return necessity-based enterprises or in consumption expenditure, the dissertation shows that the use of credit positively contributes to the HACI as does regular and optimal use of farm inputs. Diversification into non-agricultural activities, on-farm planting of trees and migration with remittances were some of the adaptation strategies observed among households with relatively high adaptive capacity indices while a secondary school level of education alongside the possession of non-land and non-livestock assets were key factors clearly associated with high adaptive capacity indices. Regarding adaptation decision making, the household head was observed to be the single most important actor in a process which was often characterized by authoritarianism. The household head’s level of information or awareness of environmental changes and open options proved to be important for adaptation. It was revealed that membership to groups and networks as well as government and NGO-activities were the most important factors in informing the household heads. Given small land sizes and a high incidence of other negative shocks, household heads tended to adopt and implement only tried and tested adaptation actions. During the study behind this dissertation, pioneers in the implementation of new strategies were observed to be better informed household heads or beneficiaries of incentives from the promoters of such strategies. Newer efforts aimed at the promotion of adaptability would therefore gain wider acceptance and adoption if preceded by a pilot phase carefully designed to include committed opinion shapers who would provide a demonstration effect. / In dieser Dissertation wurden ländliche Haushalte bezüglich ihrer Anpassungsfähigkeit an den Umwelt- und Klimawandel untersucht. Desweiteren geht die Dissertation unter anderen der Frage über Strategien nach, die von ländlichen Haushalten angesichts der Auswirkungen von Umweltproblemen eingesetzt werden. Die Feldforschung wurde unter den Haushalten im Kakamega Distrikt in Kenia getätigt. Eine Abnahme der Bodenproduktivität ist durch Erosion, einem Auslaugen und einer ununterbrochenen Kultivierung in Kakamega entstanden. Desweiteren führt eine unkontrollierte Abholzung mit resultierendem Verlust von heimischer Flora und Fauna sowie längeren Trockenperioden mit verspätetem Einsatz von Regenfällen und einer damit verbundenen Niederschlagsminimierung zu einer schwierigen Lebenssituation für die ländlichen Haushalte, die hauptsächlich durch Landwirtschaft ihre Existenz sichern. Diese Situation (gekennzeichnet durch Abholzung, Verlust der Artenvielfalt, Verminderung der Bodenqualität und unregelmäßige und wechselhafte Niederschlag) wird in dieser Arbeit als Umweltwandel (Environmental Change oder Environmental Stress) bezeichnet. Es konnte unter anderem als eines der Ergebnisse der Arbeit festgestellt werden, dass die ländlichen Haushalte aufgrund schlechten Bodens, unkontrollierten Abholzungen, längeren Trockenzeiten und sinkenden Niederschlagsmengen sehr anfällig sind. Durch den Einsatz des zusammengesetzten Haushalt-Anpassungsfähigkeitsindex (Household Adaptive Capacity Index = HACI), der im Rahmen dieser Dissertation entwickelt wurde, konnten die Bedenken gemindert werden, dass Kredite, die an ärmeren ländlichen Haushalten vergeben werden, oft für Notgründungen und Konsumausgaben eingesetzt werden. Es hat sich herauskristallisiert, dass die optimale und regelmäßige Nutzung von Düngemitteln sowie der Einsatz von Krediten, die HACI positiv beeinflusst. Als weitere Ergebnisse konnte beobachtet werden, dass Haushalte mit höheren Anpassungsfähigkeitsindexen Anpassungstrategien wie Diversifizierung in nicht-agra Aktivitäten, Aufforstung und Migration verwenden, und, dass ein Sekundarschulabschluss und der Besitz von Wirtschaftsgütern mit hohen Haushalt-Anpassungsfähigkeitsindexen assoziiert sind. Zum Anpassungsentscheidungspozess konnte festgestellt werden, dass Haushaltoberhäupter, die wichtigste Akteure sind. Entscheidungsweisen dieser Haushaltoberhäupten lassen oftmals autoritäre Züge erkennen. So entscheiden die Haushaltoberhäupter häufig auch, in welcher Art und Weise Haushalte sich anpassen dürfen. Von daher ist das Wissen des Haushaltoberhauptes über die herrschenden Umweltbedingungen und die offenen Strategien oder Handlungspielräume von Bedeutung. Die Feldforschung zeigte, dass die Zugehörigkeit zu einzelnen Gruppen sowie die Bemühungen von der Regierung und den Nichtregierungsorganisationen wichtig für die Erhöhung des Wissens von Haushaltoberhäupten sind. Da der durchschnittliche Haushaltgrundstückbesitz sinkt und andere negative Ereignisse wie Krankheit und Tod zunehmend Angst verbreiten, setzen Haushaltsoberhäupter häufig nur dann empfohlene Strategien zur Anpassung ein, wenn sie beispielsweise einen Erfolg bei einem Nachbar verzeichnen können. Oftmals werden Anpassungsstrategien auch bei finanziellen Anreizen, zum Beispiel von Förderern, umgesetzt. Es würden mit hoher Wahrscheinlichkeit mehr Anpassungstrategien von ländlichen Haushalten umgesetzt werden, wenn diese Strategien Pilotprojekte beinhalten würden, die Haushalten das Zusammenspiel von Anpassung und Ernteertrag präsentieren.

The agricultural sector of Andean countries like Peru and Bolivia perceives the consequences of climate change in increasing water stress due to melting glaciers and changing precipitation patterns. Therefore mainly subsistence agricultural systems are increasingly vulnerable. Traditional inhabitants of the tropical Andean region are aware of the recurrent diversity of climate related impacts and its consequences, thus livelihood strategies are based on principles of risk management. Andean farmers are nowadays applying traditional strategies in a combination of homegrown experimentation and scientific know-how to cope with and adapt to a changing climate. Understanding these adaptations has become one of the most important aspects of research into climate change impacts and vulnerability. It provides essential knowledge for developing and transferring strategies towards a sustainable management in agriculture and agroforestry systems. But there still is a lack of a comparative assessment, especially in regions with high impact of extreme climate conditions. The endogenously determined strategies, which are based on the experience of the farmers, are to be complemented by knowledge and experiences coming from outside farm-household systems and communities. In a collaborative way, this exogenous knowledge is to be placed at the disposal of local actors. The necessary network approach leads to a comprehensive involvement of local stakeholders. Therefore a participative network on climate change may work as a tool to bridge the gap between the global discourse on climate change and local action.

The agricultural sector of Andean countries like Peru and Bolivia perceives the consequences of climate change in increasing water stress due to melting glaciers and changing precipitation patterns. Therefore mainly subsistence agricultural systems are increasingly vulnerable. Traditional inhabitants of the tropical Andean region are aware of the recurrent diversity of climate related impacts and its consequences, thus livelihood strategies are based on principles of risk management. Andean farmers are nowadays applying traditional strategies in a combination of homegrown experimentation and scientific know-how to cope with and adapt to a changing climate. Understanding these adaptations has become one of the most important aspects of research into climate change impacts and vulnerability. It provides essential knowledge for developing and transferring strategies towards a sustainable management in agriculture and agroforestry systems. But there still is a lack of a comparative assessment, especially in regions with high impact of extreme climate conditions. The endogenously determined strategies, which are based on the experience of the farmers, are to be complemented by knowledge and experiences coming from outside farm-household systems and communities. In a collaborative way, this exogenous knowledge is to be placed at the disposal of local actors. The necessary network approach leads to a comprehensive involvement of local stakeholders. Therefore a participative network on climate change may work as a tool to bridge the gap between the global discourse on climate change and local action.

This dissertation presents the results of an investigation of rural households’ ability to adapt to changing environmental and climatic conditions. It presents soil degradation arising from worsening soil erosion, leaching, depletion of nutrients due to years of uninterrupted cultivation and low levels of use of fertilizers; uncontrolled deforestation leading to loss of biodiversity; and climate variability seen through longer dry seasons as well as delayed and falling levels of precipitation as key issues leading to the vulnerability of households in Kakemega District in Western Province of Kenya. An enquiry has been made into the adaptation strategies of the rural households and a composite household adaptive capacity index (HACI) developed which is then used in hypothesis testing. Despite a situation laden with serious soil degradation and fears that credit taken by rural households often end up in low-return necessity-based enterprises or in consumption expenditure, the dissertation shows that the use of credit positively contributes to the HACI as does regular and optimal use of farm inputs. Diversification into non-agricultural activities, on-farm planting of trees and migration with remittances were some of the adaptation strategies observed among households with relatively high adaptive capacity indices while a secondary school level of education alongside the possession of non-land and non-livestock assets were key factors clearly associated with high adaptive capacity indices. Regarding adaptation decision making, the household head was observed to be the single most important actor in a process which was often characterized by authoritarianism. The household head’s level of information or awareness of environmental changes and open options proved to be important for adaptation. It was revealed that membership to groups and networks as well as government and NGO-activities were the most important factors in informing the household heads. Given small land sizes and a high incidence of other negative shocks, household heads tended to adopt and implement only tried and tested adaptation actions. During the study behind this dissertation, pioneers in the implementation of new strategies were observed to be better informed household heads or beneficiaries of incentives from the promoters of such strategies. Newer efforts aimed at the promotion of adaptability would therefore gain wider acceptance and adoption if preceded by a pilot phase carefully designed to include committed opinion shapers who would provide a demonstration effect.:Acknowledgment......................................................................................i Dedication................................................................................................ii Summary.................................................................................................iii Zusammenfassung (summary in the German language).........................iv List of Tables....................................................................................................vii List of Figures.........................................................................................ix List of Abbreviations...............................................................................xi 1.0 Introduction: Structure and Objectives.............................................1 1.1 Background.................................................................................5 1.2 Problem Statement.....................................................................7 1.3 Theoretical and Methodological Contribution..............................8 1.4 Objectives...................................................................................9 1.5 Research Questions..................................................................10 1.6 Hypothesis................................................................................10 1.7 Scope and Limitations of the Study...........................................11 1.8 Structure of the Dissertation.....................................................12 2.0 Environmental and Climate Change................................................13 2.1 Climate Change.........................................................................13 2.2 Environmental Changes............................................................15 2.3 Vulnerability..............................................................................22 2.4 Adaptation and Coping Strategies............................................32 2.5 Household Adaptability.............................................................40 3.0 Study Design and Setting................................................................57 3.1 Study Area................................................................................76 3.2 Sampling and Data Collection....................................................85 4.0 Rural Households and their Environment........................................87 4.1 General Descriptive Statistics....................................................87 4.2 Observed Vulnerability Causes and Coping Strategies.............92 4.3 Role of the Government............................................................98 5.0 Rural Household Adaptive Capacity...............................................101 5.1 HACI without External Sub-index................ ............................101 5.2 HACI including External Sub-index..........................................167 5.3 Hypothesis Testing..................................................................171 5.4 Towards Enhanced Adaptability: Factors and Strategies........180 6.0 Conclusion and Recommendations................................................185 7.0 Appendix.......................................................................................197 / In dieser Dissertation wurden ländliche Haushalte bezüglich ihrer Anpassungsfähigkeit an den Umwelt- und Klimawandel untersucht. Desweiteren geht die Dissertation unter anderen der Frage über Strategien nach, die von ländlichen Haushalten angesichts der Auswirkungen von Umweltproblemen eingesetzt werden. Die Feldforschung wurde unter den Haushalten im Kakamega Distrikt in Kenia getätigt. Eine Abnahme der Bodenproduktivität ist durch Erosion, einem Auslaugen und einer ununterbrochenen Kultivierung in Kakamega entstanden. Desweiteren führt eine unkontrollierte Abholzung mit resultierendem Verlust von heimischer Flora und Fauna sowie längeren Trockenperioden mit verspätetem Einsatz von Regenfällen und einer damit verbundenen Niederschlagsminimierung zu einer schwierigen Lebenssituation für die ländlichen Haushalte, die hauptsächlich durch Landwirtschaft ihre Existenz sichern. Diese Situation (gekennzeichnet durch Abholzung, Verlust der Artenvielfalt, Verminderung der Bodenqualität und unregelmäßige und wechselhafte Niederschlag) wird in dieser Arbeit als Umweltwandel (Environmental Change oder Environmental Stress) bezeichnet. Es konnte unter anderem als eines der Ergebnisse der Arbeit festgestellt werden, dass die ländlichen Haushalte aufgrund schlechten Bodens, unkontrollierten Abholzungen, längeren Trockenzeiten und sinkenden Niederschlagsmengen sehr anfällig sind. Durch den Einsatz des zusammengesetzten Haushalt-Anpassungsfähigkeitsindex (Household Adaptive Capacity Index = HACI), der im Rahmen dieser Dissertation entwickelt wurde, konnten die Bedenken gemindert werden, dass Kredite, die an ärmeren ländlichen Haushalten vergeben werden, oft für Notgründungen und Konsumausgaben eingesetzt werden. Es hat sich herauskristallisiert, dass die optimale und regelmäßige Nutzung von Düngemitteln sowie der Einsatz von Krediten, die HACI positiv beeinflusst. Als weitere Ergebnisse konnte beobachtet werden, dass Haushalte mit höheren Anpassungsfähigkeitsindexen Anpassungstrategien wie Diversifizierung in nicht-agra Aktivitäten, Aufforstung und Migration verwenden, und, dass ein Sekundarschulabschluss und der Besitz von Wirtschaftsgütern mit hohen Haushalt-Anpassungsfähigkeitsindexen assoziiert sind. Zum Anpassungsentscheidungspozess konnte festgestellt werden, dass Haushaltoberhäupter, die wichtigste Akteure sind. Entscheidungsweisen dieser Haushaltoberhäupten lassen oftmals autoritäre Züge erkennen. So entscheiden die Haushaltoberhäupter häufig auch, in welcher Art und Weise Haushalte sich anpassen dürfen. Von daher ist das Wissen des Haushaltoberhauptes über die herrschenden Umweltbedingungen und die offenen Strategien oder Handlungspielräume von Bedeutung. Die Feldforschung zeigte, dass die Zugehörigkeit zu einzelnen Gruppen sowie die Bemühungen von der Regierung und den Nichtregierungsorganisationen wichtig für die Erhöhung des Wissens von Haushaltoberhäupten sind. Da der durchschnittliche Haushaltgrundstückbesitz sinkt und andere negative Ereignisse wie Krankheit und Tod zunehmend Angst verbreiten, setzen Haushaltsoberhäupter häufig nur dann empfohlene Strategien zur Anpassung ein, wenn sie beispielsweise einen Erfolg bei einem Nachbar verzeichnen können. Oftmals werden Anpassungsstrategien auch bei finanziellen Anreizen, zum Beispiel von Förderern, umgesetzt. Es würden mit hoher Wahrscheinlichkeit mehr Anpassungstrategien von ländlichen Haushalten umgesetzt werden, wenn diese Strategien Pilotprojekte beinhalten würden, die Haushalten das Zusammenspiel von Anpassung und Ernteertrag präsentieren.:Acknowledgment......................................................................................i Dedication................................................................................................ii Summary.................................................................................................iii Zusammenfassung (summary in the German language).........................iv List of Tables....................................................................................................vii List of Figures.........................................................................................ix List of Abbreviations...............................................................................xi 1.0 Introduction: Structure and Objectives.............................................1 1.1 Background.................................................................................5 1.2 Problem Statement.....................................................................7 1.3 Theoretical and Methodological Contribution..............................8 1.4 Objectives...................................................................................9 1.5 Research Questions..................................................................10 1.6 Hypothesis................................................................................10 1.7 Scope and Limitations of the Study...........................................11 1.8 Structure of the Dissertation.....................................................12 2.0 Environmental and Climate Change................................................13 2.1 Climate Change.........................................................................13 2.2 Environmental Changes............................................................15 2.3 Vulnerability..............................................................................22 2.4 Adaptation and Coping Strategies............................................32 2.5 Household Adaptability.............................................................40 3.0 Study Design and Setting................................................................57 3.1 Study Area................................................................................76 3.2 Sampling and Data Collection....................................................85 4.0 Rural Households and their Environment........................................87 4.1 General Descriptive Statistics....................................................87 4.2 Observed Vulnerability Causes and Coping Strategies.............92 4.3 Role of the Government............................................................98 5.0 Rural Household Adaptive Capacity...............................................101 5.1 HACI without External Sub-index................ ............................101 5.2 HACI including External Sub-index..........................................167 5.3 Hypothesis Testing..................................................................171 5.4 Towards Enhanced Adaptability: Factors and Strategies........180 6.0 Conclusion and Recommendations................................................185 7.0 Appendix.......................................................................................197

Globale Urbanisierungsprozesse und eine Zunahme der räumlichen Konzentration von exponierten Elementen wie Menschen, Gebäude, Infrastruktur und ökonomische Werte induzieren ein ungekanntes Risiko in erdbebengefährdeten Regionen. Wenn keine Abschwächung des Risikos erfolgt werden dramatische Folgen in der Zukunft erwartet. Diese umfassen eine beispiellose Anzahl an Todesopfer, enorme ökonomische und ökologische Verluste und Ausfälle bezüglich kritischer Infrastruktur und Versorgung etc. Um derartige Gefährdungen abzuschwächen sind detaillierte Informationen über seismisches Risiko notwendig. Die seismische Verwundbarkeit von Siedlungsarealen ist dabei als zentrale, konstituierende Komponente von seismischem Risiko zu berücksichtigen. In diesem Zusammenhang ist es von besonderem Interesse das Verhalten von Gebäudeinventaren unter einem bestimmten Erdbebeneinfluss abschätzen zu können. Das Hauptziel der Arbeit war es maßgeschneiderte Methoden zu entwickeln, die eine Bewertung der seismischen Vulnerabilität von Siedlungsräumen, basierend auf Fernerkundungsdaten, durchführbar machen. Es wurden Methoden aus dem Bereich des maschinellen Lernens adaptiert, um Verwundbarkeitsstufen von Gebäuden und homogenen Siedlungsstrukturen zu bestimmen. Hierfür wurden Merkmale aus Fernerkundungsdaten abgeleitet und mit in situ Informationen verknüpft. Wir verwenden verschiedene Ensembles von Fernerkundungssensoren, um die urbane Morphologie umfassend zu charakterisieren. Empirische Ergebnisse, die für die erdbebengefährdeten Städte Padang (Indonesien) und Istanbul (Türkei) generiert werden konnten, bestätigen die Durchführbarkeit der entwickelten Verfahren. Zukünftige Arbeiten können daran anknüpfen und beispielsweise empirische Erkenntnisse in weiteren Fallstudien anzweifeln, eine Verbesserung der Methodik vornehmen, Konzepte und Ansätze auf andere Sensorsysteme oder Datenquellen übertragen oder Daten und Methoden im Rahmen von holistischen Risikobewertungsstrategien anwenden. / Global urbanization processes and increasing spatial concentration of exposed elements such as people, buildings, infrastructure, and economic values in earthquake prone regions induce seismic risk at a uniquely high level. This situation, when left unmitigated, is expected to cause unprecedented death tolls, enormous economic and ecological losses, and critical infrastructure and service failures, etc., in the future. To mitigate those perils requires detailed knowledge about seismic risks. As an important constituent element of seismic risk, the seismic vulnerability of the built environment has to be assessed. In particular, it is crucial to know about the behavior of the building inventory under a certain level of ground shaking. The main goal of the thesis was to develop and evaluate tailored methods and procedures that allow for a viable seismic vulnerability assessment of the built environment with remote sensing data. In particular, methods from the machine learning domain were adapted to estimate vulnerability levels of buildings and homogeneous urban structures based on features derived from remote sensing and by incorporation of in situ knowledge. To this purpose we deploy ensembles of earth observation sensors to exhaustively characterize the urban morphology. Empirical results, obtained for the earthquake prone cities Padang (Indonesia) and Istanbul (Turkey), confirm the viability of the approaches. Overall, this thesis provides some promising results, which show that remote sensing has a high capability to contribute to a rapid screening assessment of the seismic vulnerability of buildings and urban structures. Further work can build upon these results and may challenge empirical findings in further case studies, enhance developed and applied methods, transfer concepts and approaches to other sensor systems and data sources, or apply data and methodologies within integrative and holistic risk assessment strategies.

No description available.