Logo of Humboldt-Universität zu BerlinLogo of Humboldt-Universität zu Berlin
edoc-Server
Open-Access-Publikationsserver der Humboldt-Universität
de|en
Header image: facade of Humboldt-Universität zu Berlin
View Item 
  • edoc-Server Home
  • Qualifikationsarbeiten
  • Dissertationen
  • View Item
  • edoc-Server Home
  • Qualifikationsarbeiten
  • Dissertationen
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.
All of edoc-ServerCommunity & CollectionTitleAuthorSubjectThis CollectionTitleAuthorSubject
PublishLoginRegisterHelp
StatisticsView Usage Statistics
All of edoc-ServerCommunity & CollectionTitleAuthorSubjectThis CollectionTitleAuthorSubject
PublishLoginRegisterHelp
StatisticsView Usage Statistics
View Item 
  • edoc-Server Home
  • Qualifikationsarbeiten
  • Dissertationen
  • View Item
  • edoc-Server Home
  • Qualifikationsarbeiten
  • Dissertationen
  • View Item
2017-12-04Kumulative Dissertation DOI: 10.18452/18597
Assessing carbon in urban trees: benefits of using high-resolution remote sensing
Tigges, Jan
Mathematisch-Naturwissenschaftliche Fakultät
Vorliegende Arbeit zeigt die jüngsten Möglichkeiten hochauflösender Fernerkundung am Beispiel von Stadtbäumen in Berlin, Deutschland. Es wurden neuste methodische Ansätze eingesetzt, wie beispielsweise maschinelles Lernens und individuelle Baumdetektion. Sie erwiesen sich von großem Vorteil für die detaillierte Analyse urbaner Ökosystemdienstleistungen in einer heterogenen Umwelt. Neueste Fernerkundung von hoher zeitlicher Auflösung hat Möglichkeiten gezeigt, Veränderungen des Stadtwaldes präziser zu untersuchen. Diesbezüglich konnten Baumspezies klassifiziert werden auf Grundlage saisonaler Veränderungen, die mittels Fernerkundungsdaten aufgenommen wurden. Dies ist für den urbanen Bereich einmalig und über große Flächen noch nicht durchgeführt worden. Darüber hinaus haben diese Baumarten einzelnen Bäumen zugeordnet werden können, deren Abmessung fernerkundlich erfasst worden ist. Diese neu erzeugten Umweltinformationen einzelner Bäume können damit verbundene urbane Ökosystemdienstleistungen präzise aktualisieren. Zum Beispiel haben so Unsicherheiten in der Schätzung zur Kohlenstoffspeicherung städtischer Wälder reduziert werden können. Es ist zudem von Vorteil gewesen, den gegenwärtigen Mangel an räumlich expliziten dreidimensionalen Informationen über Stadtwälder anzusprechen. Allerdings ist die Rolle städtischen Wälder, das Treibhausgas CO2 langfristig auszugleichen, immer noch wenig untersucht. Gerade der Mangel an präzisen, konsistenten und aktuellen Details führt zu großen Unsicherheiten im Rahmen von Lebenszyklus-Analysen. Auf Grund des aktuellen Fortschritts in hochauflösender Fernerkundung könnten diese Unsicherheiten reduziert werden. Dazu werden Möglichkeiten ausgiebig kritisch bewertet und anhand einer Lebenszyklus-Analyse am Beispiel Berlin andiskutiert, inwieweit sie präzisere langfristige Prognosen zum Stadtwald als Kohlenstoffspeicher liefern.
 
This work shows recent options for implementing high resolution remote sensing in assessing urban trees in Berlin, Germany. State-of-the-art methodological approaches like machine learning and individual tree detection proved to be highly advantageous for analyzing details of urban ecosystem services within a heterogeneous urban environment. Recent remote sensing of high temporal resolution offers new options for more precisely addressing urban forest dynamics. This successfully shows that tree species could be identified from seasonal changes of remotely sensed imagery, though this has not yet been applied across cities. Furthermore, these tree species results could be combined with remotely sensed individual tree dimensions. This newly generated data can be suggested to update spatially explicit information on related urban ecosystem services. For example, this could reduce the uncertainties of such estimates as urban forest carbon storage, and also address the present lack of spatially explicit three-dimensional information on urban forests. However, few studies have considered the local scale of urban forests to effectively evaluate their potential long-term carbon offset. The lack of precise, consistent and up-to-date forest details is challenging within the scope of life cycle assessments. This can cause high uncertainties in urban forest carbon offset. Although, recent progress in high resolution remote sensing is promising to reduce these uncertainties. For this purpose, remote sensing options are extensively reviewed and briefly discussed using an example of life cycle assessment for Berlin, which allow more precise long-term prognoses of urban forest carbon offset.
 
Files in this item
Thumbnail
dissertation_tigges_jan.pdf — Adobe PDF — 5.102 Mb
Main article
MD5: edd03c7edb7e23d43ba460b5350df161
References
Has Part: https://doi.org/10.1016/j.rse.2013.05.001
Has Part: https://doi.org/10.1007/s11252-016-0585-6
Has Part: https://doi.org/10.1186/s13021-017-0085-x
Cite
BibTeX
EndNote
RIS
InCopyright
Details
DINI-Zertifikat 2019OpenAIRE validatedORCID Consortium
Imprint Policy Contact Data Privacy Statement
A service of University Library and Computer and Media Service
© Humboldt-Universität zu Berlin
 
DOI
10.18452/18597
Permanent URL
https://doi.org/10.18452/18597
HTML
<a href="https://doi.org/10.18452/18597">https://doi.org/10.18452/18597</a>