• search hit 1 of 22
Back to Result List

Towards sustainable landscape development

  • "Sustainable development: enough for everyone, forever" is the definition of sustainability. Sustainable landscape development is the main goal of decision makers worldwide. Achieving this goal in the long term leads to achieving social, economic and environmental sustainability. Remote sensing has been playing an essential role in monitoring remote areas. This study has employed part of the role of remote sensing in supporting the direction of decision makers towards sustainable landscape development. The study has focused on some of the main elements affecting sustainable environment as stated in Agenda 21. These elements are land uses, specifically agricultural land uses, water quality, forests, and water hazards such as floods. Three research programs were undertaken to investigate the role of Terrasar-x imagery, as a source of remote sensing data, in monitoring the environment and achieving the previous stated elements. The investigation was intended to investigate the effectiveness of TSX imagery in identifying the cropping pattern of selected study areas by employing a pixel-based supervised maximum likelihood classifier, as published in Paper I, assessment of the efficiency of using TSX imagery in determining land use and the flood risk maps by applying an object-based decision tree classifier as published in Paper II, and determination of the potential of inferential statistics tests such as the two samples Z-test and multivariate analysis, for example Factor Analysis, for identifying the kind of forest canopy, based on the backscattering coefficient of TSX imagery of forest plots, as presented in Paper III. Papers I and II covered two pilot areas in the Lower Saxonian Elbe Valley Biosphere Reserve “das Biosphärenreservat „Niedersächsische Elbtalaue„ around Walmsburger Werder between Elbe-Kilometer 533 - 543 and Wehninger Werder between Elbe-Kilometer 505 - 520. Paper III focused on the Fuhrberger Feld water protection area near Hanover in Germany. The inputs for this research were mainly SAR Imagery and the ground truth data collected from field surveys, in addition to databases, geo-databases and maps. The study presented in Paper I used two filters to decrease speckle noise namely De-Grandi as multi-temporal speckle filter, and Lee as an adaptive filter. A multi-temporal classification method was used to identify the different crops using a pixel-based maximum likelihood classifier. The classification accuracy was assessed based on the external user accuracy for each crop, the external producer accuracy for each crop, the Kappa index and the external total accuracy for the entire classification. Three cropping pattern maps were produced namely the cropping pattern map of Wehninger Werder in 2011 and the cropping pattern maps of Walmsburger Werder in 2010 and in 2011. The study showed that image filtering was essential for enhancing the accuracy of crop classification. The multi-temporal filter De-Grandi enhanced the producer accuracy by about 10% compared to the Lee filter. Furthermore, gathering and utilizing large ground truth data greatly enhanced the accuracy of the classification. The research verified that using sequence images covering the growing season usually improved the classification results. The results exposed the effect of the polarization, where using VV-polarized data enabled on average 5% higher classification accuracy than the HH-polarized data, however using dual polarized data enhanced the classification accuracy by 3%. The study demonstrated that the majority of the classifications produced according to the crop calendar had higher total producer accuracy than using all acquisitions. The study demonstrated undertaken in Paper II applied the decision tree object-based classifier in determining the major land uses and the inundation extent areas in 2011 and 2013 using the Lee-filtered imagery. Based on the maps produced for the land uses and inundation areas, the hazard areas due to the floods in 2011 and 2013 were identified. The study illustrated that 95% of the inundated area was classified correctly, that 90% of vegetated lands were accurately determined, and around 80% of the forest and the residential areas were correctly recognized. The study demonstrated that the residential areas did not experience any hazards in both pilot areas, however some cultivated lands were fully or partially submerged in 2011. These fields are in the high flood zone and therefore are expected to be entirely submerged during future high floods. Although, these fields were flooded in January 2011, they were cultivated with maize and potatoes in summer 2011 and in subsequent years and consequently were inundated in June 2013 with high economic losses to the owners of these fields. The research undertaken in Paper III statistically analyzed the backscattering coefficient of the Lee-filtered TSX in some forest plots by the Factor Analysis and two sample Z-test. The study showed that Factor analysis tools succeeded in differentiating between the coniferous forest and the deciduous forest and mixed forest, but failed to discriminate between the deciduous and the mixed forest. On one hand, only one factor was extracted for each sample plot of the coniferous forest with approximately equal loadings during the whole acquisition period from March 2008 to January 2009. On the other hand, two factors were extracted for each deciduous or mixed forest sample plot, where one factor had high loadings during the leaf-on period from May to October, and the other one had high loadings during the leaf-off period from November to April. Furthermore, the research revealed that the two sample Z-test enabled not only differentiation between the deciduous and the mixed forest against the coniferous forest, but also discrimination between deciduous forest and the mixed forest. Statistically significant differences were observed between the mean backscatter values of the HH-polarized acquisitions for the deciduous forest and the mixed forest during the leaf-off period, but no statistically significant difference was found during the leaf-on period. Moreover, plot samples for the deciduous forest had slightly higher mean backscattering coefficients than those for the mixed forest during the leaf-off period.
  • "Nachhaltige Entwicklung: genug für alle, für immer" ist die Definition von Nachhaltigkeit. Nachhaltige Landschaftsentwicklung ist das Hauptziel von Entscheidungsträgern weltweit. Das Erreichen dieses Ziels führt langfristig zum Erreichen sozialer, wirtschaftlicher und ökologischer Nachhaltigkeit. Die Fernerkundung spielt eine wesentliche Rolle bei der Überwachung abgelegener Gebiete. Diese Studie hat einen Teil der Rolle der Fernerkundung bei der Unterstützung von Entscheidungsträgern in Richtung einer nachhaltigen Landschaftsentwicklung eingesetzt. Die Studie hat sich auf einige der Hauptelemente konzentriert, die eine nachhaltige Umwelt beeinflussen, wie in der Agenda 21 festgelegt. Diese Elemente sind Landnutzung, insbesondere landwirtschaftliche Landnutzung, Wasserqualität, Wälder und Wassergefahren wie Überschwemmungen. Drei Forschungsprogramme wurden durchgeführt, um die Rolle von Terrasar-x-Bildern als Quelle von Fernerkundungsdaten bei der Überwachung der Umwelt und der Erreichung der zuvor genannten Elemente zu untersuchen. Die Untersuchung sollte die Effektivität von TSX-Bildern bei der Identifizierung des Anbaumusters ausgewählter Untersuchungsgebiete durch die Anwendung eines pixelbasierten überwachten Maximum-Likelihood-Klassifikators untersuchen, wie in Paper I veröffentlicht, die Bewertung der Effizienz der Verwendung von TSX-Bildern bei der Bestimmung der Landnutzung und der Hochwasserrisikokarten durch die Anwendung eines objektbasierten Entscheidungsbaum-Klassifikators, wie in Paper II veröffentlicht, und die Bestimmung des Potentials von inferenzstatistischen Tests wie dem Zwei-Stichproben-Z-Test und der multivariaten Analyse, z.B. der Faktorenanalyse, zur Identifizierung der Art des Walddaches, basierend auf dem Rückstreukoeffizienten von TSX-Bildern von Waldparzellen, wie in Paper III vorgestellt. Die Papiere I und II behandelten zwei Pilotgebiete im Biosphärenreservat "Niedersächsische Elbtalaue" um den Walmsburger Werder zwischen Elbe-Kilometer 533 - 543 und den Wehninger Werder zwischen Elbe-Kilometer 505 - 520. Beitrag III befasste sich mit dem Wasserschutzgebiet Fuhrberger Feld bei Hannover in Deutschland. Der Input für diese Untersuchung waren hauptsächlich SAR-Bilder und die durch Feldbegehungen gesammelten Ground-Truth-Daten, zusätzlich zu Datenbanken, Geodatenbanken und Karten. Die in Paper I vorgestellte Studie verwendete zwei Filter zur Verringerung des Speckle-Rauschens, nämlich De-Grandi als multitemporalen Speckle-Filter und Lee als adaptiven Filter. Eine multitemporale Klassifizierungsmethode wurde verwendet, um die verschiedenen Pflanzen mithilfe eines pixelbasierten Maximum-Likelihood-Klassifikators zu identifizieren. Die Klassifizierungsgenauigkeit wurde anhand der externen Anwendergenauigkeit für jede Kultur, der externen Erzeugergenauigkeit für jede Kultur, dem Kappa-Index und der externen Gesamtgenauigkeit für die gesamte Klassifizierung bewertet. Es wurden drei Anbaumusterkarten erstellt, nämlich die Anbaumusterkarte des Wehninger Werders im Jahr 2011 und die Anbaumusterkarten des Walmsburger Werders im Jahr 2010 und im Jahr 2011. Die Studie hat gezeigt, dass die Bildfilterung für die Verbesserung der Genauigkeit der Ernteklassifikation von entscheidender Bedeutung ist. Der multitemporale Filter De-Grandi verbesserte die Genauigkeit der Erzeuger im Vergleich zum Lee-Filter um etwa 10 %. Darüber hinaus wurde die Genauigkeit der Klassifizierung durch das Sammeln und die Verwendung großer Bodenwahrheitsdaten erheblich verbessert. Die Untersuchung bestätigte, dass die Verwendung von Sequenzbildern, die die Wachstumssaison abdecken, in der Regel die Klassifizierungsergebnisse verbessert. Die Ergebnisse zeigten den Effekt der Polarisation, wobei die Verwendung von VV-polarisierten Daten im Durchschnitt eine um 5 % höhere Klassifikationsgenauigkeit ermöglichte als die HH-polarisierten Daten, während die Verwendung von dual polarisierten Daten die Klassifikationsgenauigkeit um 3 % verbesserte. Die Studie zeigte, dass die Mehrheit der Klassifizierungen, die nach dem Erntekalender erstellt wurden, eine höhere Gesamtproduktionsgenauigkeit hatten als die Verwendung aller Erfassungen. Die in Paper II durchgeführte Studie wendete den objektbasierten Entscheidungsbaum-Klassifikator bei der Bestimmung der wichtigsten Landnutzungen und der Überschwemmungsgebiete in den Jahren 2011 und 2013 unter Verwendung des Lee-gefilterten Bildmaterials an. Basierend auf den Karten, die für die Landnutzungen und Überschwemmungsgebiete erstellt wurden, wurden die Gefahrenbereiche aufgrund der Überschwemmungen in den Jahren 2011 und 2013 identifiziert. Die Studie zeigte, dass 95 % der überschwemmten Flächen korrekt klassifiziert wurden, dass 90 % der bewachsenen Flächen genau bestimmt wurden und dass etwa 80 % der Wald- und Wohngebiete korrekt erkannt wurden. Die Studie zeigte, dass die Wohngebiete in beiden Pilotgebieten nicht gefährdet waren, jedoch wurden einige bewirtschaftete Felder 2011 ganz oder teilweise überflutet. Diese Felder befinden sich in der Hochwasserzone und es ist daher zu erwarten, dass sie bei zukünftigen Hochwassern vollständig überflutet werden. Obwohl diese Felder im Januar 2011 überflutet wurden, wurden sie im Sommer 2011 und in den Folgejahren mit Mais und Kartoffeln bebaut und folglich im Juni 2013 mit hohen wirtschaftlichen Verlusten für die Besitzer dieser Felder überflutet. Die in Paper III durchgeführte Untersuchung analysierte den Rückstreukoeffizienten des Lee-gefilterten TSX in einigen Waldparzellen statistisch mit Hilfe der Faktorenanalyse und des Zwei-Stichproben-Z-Tests. Die Studie zeigte, dass es mit den Instrumenten der Faktorenanalyse gelang, zwischen dem Nadelwald und dem Laub- und Mischwald zu unterscheiden, aber nicht zwischen dem Laub- und dem Mischwald zu unterscheiden. Einerseits wurde nur ein Faktor für jede Probeparzelle des Nadelwaldes mit ungefähr gleichen Ladungen während des gesamten Erfassungszeitraums von März 2008 bis Januar 2009 extrahiert. Andererseits wurden für jede Probeparzelle des Laub- bzw. Mischwaldes zwei Faktoren extrahiert, wobei ein Faktor hohe Ladungen während der Belaubungsperiode von Mai bis Oktober und der andere Faktor hohe Ladungen während der Entlaubungsperiode von November bis April aufwies. Darüber hinaus ergab die Untersuchung, dass der Zwei-Stichproben-Z-Test nicht nur eine Differenzierung zwischen Laub- und Mischwald gegenüber dem Nadelwald ermöglichte, sondern auch eine Unterscheidung zwischen Laub- und Mischwald. Es wurden statistisch signifikante Unterschiede zwischen den mittleren Rückstreuwerten der HH-polarisierten Erfassungen für den Laubwald und den Mischwald während der Entlaubungsperiode beobachtet, aber kein statistisch signifikanter Unterschied wurde während der Belaubungsperiode gefunden. Außerdem hatten die Parzellenproben für den Laubwald während der Entlaubungsperiode etwas höhere mittlere Rückstreukoeffizienten als die für den Mischwald.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Dalia Mostafa Amer Farghaly (M. Sc. Eng)GND
URN:urn:nbn:de:gbv:luen4-opus4-11350
URL: https://pub-data.leuphana.de/frontdoor/index/index/docId/1135
Subtitle (English):Case study of using remote sensing as an unconventional tool for environmental observation
Subtitle (German):Fallstudie zum Einsatz der Fernerkundung als unkonventionelles Werkzeug zur Umweltbeobachtung
Title Additional (German):Auf dem Weg zu einer nachhaltigen Landschaftsentwicklung
Advisor:Brigitte Urban (Prof. Dr.)
Referee:Brigitte Urban (Prof. Dr.)GND, Uwe Sörgel (Prof. Dr.)GND, Henrik von Wehrden (Prof. Dr.)ORCiDGND
Document Type:Doctoral Thesis
Language:English
Year of Completion:2020
Date of Publication (online):2021/04/16
Date of first Publication:2021/04/16
Publishing Institution:Leuphana Universität Lüneburg, Universitätsbibliothek der Leuphana Universität Lüneburg
Granting Institution:Leuphana Universität Lüneburg
Date of final exam:2020/07/20
Release Date:2021/04/16
Note:
Das Rahmenpapier der kumulativen Dissertation enthält drei Beiträge
Institutes:Fakultät Nachhaltigkeit / Institut für Ökologie (IE)
Dewey Decimal Classification:5 Naturwissenschaften und Mathematik / 55 Geowissenschaften, Geologie / 554 Geowissenschaften Europas
Licence (German):License LogoDeutsches Urheberrecht