tud Assessment of Impacts of Changes in Land Use Patterns on Land Degradation/Desertification in the Semi- arid Zone of White Nile State, Sudan, by Means of Remote Sensing and GIS 2014-12-16 [Electronic ed.] 4519974-7 Saechsische Landesbibliothek- Staats- und Universitaetsbibliothek Dresden prv Saechsische Landesbibliothek- Staats- und Universitaetsbibliothek Dresden, Dresden Fakultät Umweltwissenschaften male Elginina In Sudan, land degradation/desertification (LDD) has devastated large areas and consequently, it includes social, economic, and environmental aspects. LDD results from various factors, including climatic variation and human activities. Probably the LU practices and their changes have contributed to an increase of LDD in that area. Remote sensing technology has become unique and developed tool for providing temporal and spatial information for the LDD research and other environmental aspects. Determination of LDD and its relationship to land use pattern change (LUC) at spatiotemporal scale is rare, critical issue, and is one of the recommended research in semi-arid regions of Sudan. The study was carried out to derive accurate and improved spatiotemporal information: to assess the status of land LDD of vegetation and soil, to assess and model influences of the LUC on LDD, and moreover to analyse the synergistic factors that have caused the land use change and/or LDD in semi- arid zone of Elgeteina Locality in While Nile State, Sudan during the last 36 years, using appropriate remote sensing (RS) and GIS technology. The study used four-cloud free images of different sensors (MSS 1973, TM 1986, ASTER 2009 and TM 2010). The imageries were Geo-referenced and radiometrically corrected by using ENVI-FLAASH software. Then subsets of the study area were taken, ranging from 1600-2000 Km2. The study applied the new approach of integration between vegetation and soil indices and in situ data to assess the LDD. Comparison between pixel based image analysis (PBIA) and latterly approach of object based image analysis (OBIA) was done by selecting the best one for mapping LUC and LDD accurately. The change detection - matrix was applied to estimate the spatiotemporal of changes in land use and land degradation. Moreover, correlation and model approach was employed for fusing the climatic, socioeconomic and remote sensing data to determine the relationships between the different factors and to analyse the reasons for the LUC and LDD as well as for modelling LU effects on LDD. The study revealed that: The changes in land use patterns (RA, FWL and FML) took place in 1973 – 86 – 2009, and affecting thoroughly different patterns of the vegetation cover. Likewise the LUC affected soil degradation which led to the movement of sand dunes in 1973 – 2009. The agricultural activity is the dominant and has more effect on LDD particularly on the vegetation cover degradation. The population growth and the socioeconomic status of local people are the main indirect human inducing factors responsible for LUC and/or LDD. SARVI is slightly more efficient than NDVI, SAVI, ND4-25 and ND42-57, for detecting the vegetation status in semi-arid area, therefore the study selected it for the assessment. GSI proved highly efficient in determining the different types of soil degradation, and in producing the map of top soil grain size, which assisted in the assessment of land degradation and desertification. OBIA-fuzzy logic classification performed better than the PBIA- hybrid classification for assessing LU patterns impact on LDD. The study recommends to: replication of this study by using different imagery with high resolutions and sophisticated software, such as eCognition and Feature Analyst (FA) for increasing the validity and accuracy of the assessment and modelling of LU patterns and LDD status in dry land is important in the Sudan. Im Sudan hat Land Degradation/ Desertifikation (LDD) weite Gegenden verwüstet, wobei hierbei soziale, wirtschaftliche und Umweltaspekte eine Rolle spielen. LDD wird von verschiedenen Faktoren ausgelöst, darunter Klimavariationen und menschliche Aktivitäten. Wahrscheinlich haben Landnutzungspraktiken und ihre Änderungen zu erhöhter LDD in der untersuchten Gegend beigetragen. Fernerkundungstechnologien sind sehr gute und weit entwickelte Werkzeuge um zeitliche und räumliche Informationen zur Erforschung von LDD und anderen Umweltaspekten zu ermitteln. Die Bestimmung von LDD und ihre Beziehung zur Änderung von Landnutzungsmustern (LUC) im raum-zeitlichen Maßstab ist bislang noch selten erforscht und ist ein Forschungsbereich, der für die semi-ariden Regionen des Sudan empfohlen wird. Die Studie wurde durchgeführt, um genaue und verbesserte raum-zeitliche Informationen zu gewinnen: um den Status der LDD von Vegetation und Boden zu bewerten, um den Einfluss des Landnutzungswandels auf LDD zu beurteilen und zu analysieren, und außerdem um die synergetischen Faktoren die den Landnutzungswandel und/oder LDD verursacht haben zu analysieren. Dabei wurde die semi-ariden Zone des Elgeteina Gebietes im Staat Weisser Nil (Sudan) während der vergangenen 36 Jahren unter Verwendung von geeigneter Fernerkundungs- und GIS-Technologie untersucht. Für die Studie wurden vier wolkenfreie Bilder von verschiedenen Sensoren (MSS 1973, TM 1986, ASTER 2009 and TM 2010) verwendet. Die Bilder wurden georeferenziert und radiometrische korrigiert, wobei die ENVI-FLAASH Software verwendet wurde. Anschließend wurden Teilgebiete des Untersuchungsgebietes mit einer Größe zwischen 1.600 und 2.000 Km2 ausgewählt. In der Studie fand der neue Ansatz der Integration von Vegetation und Boden Indizes und in-situ Daten Verwendung, um LDD zu bewerten. Ein Vergleich von pixel-basierter Bildanalyse (PBIA) und einem Ansatz von objekt-basierter Bildanalyse (OBIA) wurde durchgeführt, um die beste Methode der Kartierung von LUC und LDD ermitteln. Veränderungsmatrizen wurden eingesetzt, um räumlich-zeitlichen Änderungen der Landnutzung und Land Degradation abzuschätzen. Außerdem wurde ein Korrelation- und Modellierungs-Ansatz eingesetzt, um die klimatischen, sozioökonomischen und Fernerkundungsdaten zu verschmelzen und das Verhältnis zwischen den unterschiedlichen Faktoren zu bestimmen und um die Gründe für LUC und LDD zu analysieren aber auch um die Auswirkungen der Landnutzung auf LDD zu modellieren. Die Studie hat folgendes gezeigt: Die Änderungen der Landnutzungsmuster (RA, FWL and FML) fand in 1973 – 86 – 2009 statt und betraf sehr unterschiedliche Vegetationsmuster. Ebenso hatte die LUC Auswirkungen auf die Bodendegradation, was zu einer Verschiebung von Sanddünen im Zeitraum 1973-2009 führte. Landwirtschaft dominiert und hat starke Auswirkungen auf LDD, insbesondere auf die Degradation der Vegetationsbedeckung. Die Bevölkerungszunahme und der sozioökonomische Status der lokalen Bevölkerung sind die wesentlichen indirekten menschlichen Faktoren die verantwortlich für LUC und/oder LDD sind. SARVI ist etwas effizienter als NDVI, SAVI, ND4-25 und ND42-57, um den Zustand der Vegetation in semi-ariden Gebieten zu bestimmen, deshalb wurde dieser für die Studie ausgewählt. Es stellte sich heraus, dass der GSI hoch-effizient war, sowohl bei der Bestimmung der unterschiedlichen Typen von Bodendegradation als auch bei der Erstellung von Karten der obersten Bodenkorngröße, die bei der Bewertung der Landdegradation und Desertifikation half. OBIA-Fuzzy Logic Classification arbeitete dabei etwas genauer und effizienter als die PBIA-Hybrid Classification, um die Auswirkungen der Landnutzungsmuster auf LDD zu beurteilen. Als Fortsetzung der durchgeführten Arbeiten empfiehlt sich eine nochmalige Durchführung der Studie wobei anderes, hochaufgelöstes Bildmaterial und anspruchsvolle Software, wie eCognition und Feature Analyst (FA) verwendet werden sollten, um die Gültigkeit und Genauigkeit der Bewertungen und Modellierung des LU und LDD Status von Trockenland im Sudan zu beurteilen. 550 ZI 9560, RS 37313 Land Degradation, Desertifikation, Fernerkundungstechnologien, Sudan land degradation, desertification, Remote sensing, Sudan urn:nbn:de:bsz:14-qucosa-157627 426445554 Technische Universität Dresden dgg Technische Universität Dresden, Dresden Abdelnasir Ibrahim Ali Hano 1971-01-10 aut Elmar Csaplovics Prof. Dr. rev Mubark Abdelrahman Prof. Dr. rev Hannelore Kusserow PD Dr. rev eng 2013-11-10 2013-12-18 born digital Mustafa El-Abbas mmelabbas@hotmail.com doctoral_thesis