Das viel diskutierte Aralsee-Einzugsgebiet, welches hauptsächlich durch die Hochgebirge Zentralasiens gespeist wird, ist durch Wasserknappheit geprägt. Infolge der Klimaerwärmung kann von einem Rückgang der dortigen Gletscher ausgegangen werden. Für das Verständnis und zur Modellierung dieses hydrologischen Systems sind daher verlässliche Daten über die rezente und aktuelle Vergletscherung essenziell. Aufgrund von fehlenden Daten zur Massenbilanz wurde eine satellitenbasierte Untersuchung der flächenhaften und volumetrischen Gletscheränderung für das Einzugsgebiet des Gunts (Tadschikistan) durchgeführt. Zur Erfassung der Flächenänderung wurden multitemporale Satellitenbilder der letzten Jahrzehnte (Corona KH-4B, Landsat MSS/TM, Terra ASTER und RapidEye) klassifiziert. Um Aussagen über die Volumenänderung zu treffen, wurde die Höhendifferenz aus einem Geländemodell basierend auf Corona-Stereodaten und SRTM-Daten gebildet. Um flächendeckende Informationen über das Gletschervolumen zu erhalten, wurde die Verteilung der Gletscherdicke modelliert. Die Ergebnisse zeigen einen deutlichen Rückgang der Gletscherfläche von 189,6 km2 (b=23,7 %) zwischen 1977 und 2011. Die spezifische Massenbilanz von −0,399ma-1 Wasseräquivalent im Zeitraum 1977–1998 ging auf −0,662ma-1 (1998–2011) zurück. Der jährliche Massenverlust von 0,36 Gigatonnen trägt zu rund 12,2% des mittleren jährlichen Abflusses des Gunts bei.
Inhaltsverzeichnis
Abbildungsverzeichnis
Tabellenverzeichnis
Abkürzungsverzeichnis
1 Einführung
1.1 Pamir, Gorno Badakhshan und der Gunt
1.1.1 Geographische, klimatologische und hydrologische Situation
1.1.2 Politische, wirtschaftliche, ökologische und gesellschaftliche Entwicklung
1.1.3 Wassernutzungskonflikt in Zentralasien
1.2 Das Projekt PAMIRWater
1.3 Ziel der Arbeit
1.3.1 Forschungsfragen
1.3.2 Forschungsstand
2 Daten und Grundlagen
2.1 Übersicht der verwendeten Daten
2.2 Topographische Karten
2.3 Gletscherinventar
2.3.1 Katalog Lednikov
2.3.2 WGI
2.3.3 GLIMS
2.3.4 RGI
2.4 Optische Daten
2.4.1 Spionage-Satelliten
2.4.2 Landsat
2.4.3 ASTER
2.4.4 RapidEye
2.4.5 SPOT
2.4.6 Zusammenfassung - optische Satellitendaten
2.5 Radar-Daten
2.5.1 SRTM
2.5.2 Weitere geeignete Radar-Satellitendaten . .
2.6 Laserscan-Daten (ICESat)
2.7 Global Navigation Satellite System
2.7.1 Grundlegendes zur Satellitennavigation
2.7.2 Positionsbestimmung
2.7.3 Fehlereinflüsse
2.7.4 Möglichkeiten zur Verminderung der Messfehler
2.7.5 GPS-Messung im Gelände
2.8 Meteorologische und hydrologische Daten
3 Methoden der Fernerkundung zur Untersuchung von Gletscheränderungen
3.1 Grundlegendes zur Gletscherfernerkundung
3.2 Evaluierung verschiedener Datengrundlagen
3.2.1 Genauigkeit der Generalstabskarte in Hinblick auf Gletschergrenzen und Isohypsen
3.2.2 Genauigkeit der bestehenden Gletscherinventare
3.2.3 Vergleich der vertikalen Genauigkeit verschiedener Geländemodelle
3.2.4 Postprocessing der GPS-Punkte
3.2.5 Analyse über die Verwendbarkeit von Google Earth zur Erfassung von Pass- punkten
3.3 Erfassung der planimetrischen Gletscheränderung
3.3.1 Auswahl der Daten
3.3.2 Preprocessing
3.3.3 Klassifizierungsmethoden zur Erfassung der Gletscherfläche
3.3.4 Postprocessing der Klassifizierung
3.3.5 Abschätzung der Unsicherheiten der Ergebnisse
3.4 Erfassung der volumetrischen Gletscheränderung
3.4.1 Auswahl der Daten
3.4.2 Preprocessing
3.4.3 Erstellung von Geländemodellen (mittels Stereophotogrammetrie)
3.4.4 Differenz zweier Geländemodelle
3.4.5 Eisdicken-Modellierung
3.5 Auswertung der hydrometrischen und meteorologischen Daten
3.5.1 Abfluss
3.5.2 Niederschlag und Temperatur
3.5.3 Seefläche und -spiegel
4 Ergebnisse
4.1 Evaluierung verschiedener Datengrundlagen
4.1.1 Genauigkeit der Generalstabskarte in Hinblick auf Gletschergrenzen und Isohypsen
4.1.2 Genauigkeit der bestehenden Gletscherinventare
4.1.3 Vergleich der vertikalen Genauigkeit verschiedener Geländemodelle
4.1.4 Postprocessing der GPS-Punkte
4.1.5 Geometrische Referenz - Vergleich von Google Earth und RapidEye
4.2 Planimetrische Gletscheränderung
4.2.1 Flächenänderung im EZG Gunt
4.2.2 Flächenänderung im TEZG Pathkurdara
4.2.3 Betrachtung relevanter Gletscherparameter
4.3 Volumetrische Gletscheränderung
4.3.1 Methodische Ergebnisse
4.3.2 Änderung des Gletschervolumens
4.3.3 Volumenänderung basierend auf GlabTop
4.4 Zusammenhang zwischen Umweltparametern und Gletscherrückgang
4.4.1 Niederschlag und Temperatur
4.4.2 Abfluss
4.4.3 Seefläche
5 Diskussion
5.1 Geeignete Daten und Methoden zur Erfassung der Gletscheränderung
5.1.1 Evaluierung der Datengrundlage
5.1.2 Daten und Methoden zur Erfassung der Gletscherfläche
5.1.3 Daten und Methoden zur Erfassung des Gletschervolumens
5.2 Veränderung von Gletscherfläche und -volumen
5.2.1 Veränderung der Gletscherfläche
5.2.2 Veränderung des Gletschervolumens
5.3 Korrelation mit hydrometrischen und meteorologischen Daten
6 Schlussfolgerung
7 Literaturverzeichnis
Anhang
A Kartographische Darstellungen
B Verwendete Software
C Verwendete Satellitendaten
C.1 Corona
C.2 Landsat
C.3 ASTER
C.4 RapidEye
D Projektanträge
D.1 RapidEye
D.2 SPOT
Abbildungsverzeichnis
1.1 Übersichtskarte zur Lage des Untersuchungsgebietes (rot umrandet) in Zentralasi- en mit wichtigen Flüssen in Osttadschikistan (blau), politischen Grenzen (schwarz) und Gebirgen (weiß)
1.2 Übersichtskarte des EZG des Gunts (rot umrandet) mit Klimastationen (weiße Punkte), wichtigen Flüssen (weiß beziffert), dem Teileinzugsgebiet (TEZG) des Pathkurdaras (orange umrandet) und der Grenze zu Afghanistan (schwarz)
1.3 Klimadiagramme für ausgewählte Klimastationen im EZG des Gunts (a, b, c, an- geordnet von West nach Ost) im Vergleich zur Klimastation Fedchenko-Gletscher (Lage der Klimastationen siehe Abbildung 1.2 und Abbildung A.1). Darstellung der Klimadiagramme nach Walter/Lieth mit Jahresdurchschnittstemperatur und Jah- resniederschlag (oben), höchste und niedrigste Monatsdurchschnittstemperatur (links), Kennzeichnung der humiden (blau gestreift) und ariden (rot gepunktet) Mo- nate sowie der Monate mit Durchschnittstemperaturen <0 ◦ C (blaue Balken)
1.4 Temperaturanomalie für Zentralasien von 1906-2005 (Baseline 1901-1950) aus Messdaten (schwarze Kurve) und Simulation (rote Kurve) sowie Projektion von 2001-2100 basierend auf MMD-Modellen für A1B-Szenario (orange Kurve). Die Balken am rechten Rand repräsentieren die Temperaturanomalie des Zeitraumes 2091-2100 für das Szenario 1B (blau), A1B (orange) und A2 (rot). Quelle: IPCC WG1 (2007)
1.5 Jahresverlauf von Temperatur, Niederschlag und Abfluss des Gunts für die Station Khorog, Datengrundlage: Williams u. Konovalov (2008) und Hydromet (2012)
1.6 Prozentualer Anteil von Energieträgern am jährlichen Energieverbrauch in GBAO für das Jahr 1990 (links) und 2000 (rechts), Quelle: Breu u. a. (2003)
1.7 Schematische Übersicht zu den Ursachen und Lösungen des Wasserkonfliktes in Zentralasien
1.8 Schematischer Aufbau der Arbeit
2.1 Chronologische Abfolge der bisherigen und geplanten Landsat-Missionen, Quelle: http://landsat.usgs.gov
2.2 Lage und Bezeichnung der verwendeten Landsat-Szenen, nach Aufnahmejahr farb- lich sortiert
2.3 Vergleich der spektralen Bänder von ASTER und Landsat ETM+. Die rechtecki- gen Boxen, mit Nummer und räumlicher Auflösung, symbolisieren die Kanäle des Sensors. Farbige Kurve im Hintergrund stellt die Durchlässigkeit der Atmosphäre in Abhängigkeit zur Wellenlänge dar, gestrichelte Linie grenzt Bereich des sichtbaren Lichtes ein. Quelle: Kääb u. a. (2002)
2.4 Prinzip der Aufzeichnung von Stereobildern am Beispiel von ASTER, Quelle: Kääb u. a. (2002)
3.1 Prinzip der Orthorektifizierung, Quelle: Geoimage (2013)
3.2 Workflow des Preprocessings von Landsat-Daten
3.3 Workflow des Preprocessings von ASTER-Daten
3.4 Workflow zur Klassifizierung des Landsat MSS Datensatzes nach Svoboda u. Paul (2009) mit anschließendem Postprocessing
3.5 Workflow zur unüberwachten Klassifizierung des Landsat MSS Datensatzes mit anschließendem Postprocessing
3.6 Workflow zur Klassifizierung von Landsat TM mit anschließendem Postprocessing
3.7 Workflow zur Klassifizierung von RapidEye mit anschließendem Postprocessing
3.8 Vergleich der spektralen Eigenschaften von Landsat TM (oben) und RapidEye (unten) in Hinblick auf die Klassifizierung von Gletschern
3.9 Workflow zur Erstellung der Gletscher-Einzugsgebiete, basierend auf Bolch u. a (2010)
3.10 Höhendifferenzen zwischen Geländeoberfläche, Geoid und Ellipsoid, Quelle: ESRI
3.11 Zwei Corona-Bildstreifen und der betrachtete Ausschnitt (rot umrandet)
3.12 Simulation der Bildkoordinaten einer Panoramakamera, basierend auf Corona KH- 4A, Quelle: Shin (2003)
3.13 Übersicht des Workflows zur Prozessierung der Corona-Daten
4.1 Vergleich der Gletschergrenzen der topographischen Karte vom OeAV (Hoher Hin- dukush, Koh-e-Keshnikhan, links) und der Generalstabskarte (rechts). Das Ende der Gletscherzunge ist jeweils mit einem schwarzen Pfeil markiert
4.2 Höhendifferenz zwischen SRTM-Geländemodell und Höhenmodell aus digitalisier- ten Isohypsen der Kartengrundlage basierend auf 200 Vergleichspunkten außer- halb der Gletscher der OeAV-Karte
4.3 Differenz zwischen den Höhenwerten verschiedener Geländemodelle und ICESat- Daten (max. Abweichung ± 50 m). Boxplot mit 50 % Interquartilsabstand (IQR), Whisker bei max. 1,5 x IQR
4.4 Vergleich einer Profillinie von SRTM-Viewfinder und ICESat
4.5 Horizontaler Abstand und Winkel zwischen DGPS-Punkten und Google Earth; links: 9 Punkte basierend auf SPOT-Daten innerhalb des Stadtgebietes von Khorog; rechts: 15 Punkte basierend auf Geoeye-1 im gesamten Einzugsgebiet des Gunts
4.6 Gletscherrückgang am Beispiel einer Gletscherzunge am Nordrand des EZG. Far- bige Linien stellen den Gletscherstand des jeweiligen Jahres dar
4.7 Veränderung der Gletscherfläche von 1968-2012 für das TEZG Pathkurdara (ba- sierend auf Corona 1968, Landsat MSS 1977, Landsat TM 1998 und 2011, ASTER 2002 und 2007 und RapidEye 2012) und das EZG Gunt (basierend auf Landsat MSS 1977 und Landsat TM 1998 und 2011)
4.8 Histogramm zur Verteilung der Gletschergrößen, basierend auf den Ergebnissen von Landsat TM aus dem Jahr 2011
4.9 Veränderung der hypsographischen Verteilung der Gletscherfläche im EZG des Gunts zwischen 1977 (weiß) und 2011 (grau), basierend auf Landsat und SRTM .
4.10 a) Exposition der Gletscher im Untersuchungsgebiet und b) Flächen-Höhenverteilung der Gletscher. Beide sind untergliedert in orographisch rechte Seite/südexponiert (blau) und orographisch linke Seite/nordexponiert (rot)
4.11 Ergebnis des Resampling im Vergleich mit ASTER GDEM, A Hillshade des SRTM mit 90 m Auflösung, B Hillshade des interpolierten SRTM mit 30 m Auflösung, C Hillshade des ASTER GDEM V2 mit 28 m Auflösung
4.12 Ergebnis der Evaluierung der vertikalen Genauigkeit von Corona mittels ICESat- Daten unter Verwendung von ERDAS ATE und ERDAS eATE. Boxplot mit 50 % Interquartilsabstand (IQR), Whisker bei max. 1,5 x IQR
4.13 Volumetrische und planimetrische Gletscheränderung im Teileinzugsgebiet Pathkur zwischen 1977-2012
4.14 Abhängigkeit des Gletschervolumens von der Gletscherfläche. Modellergebnis- se von Farinotti u.a. (2009a) mit und ohne Ground Penetration Radar (GPR)- Messungen zur Kalibrierung (Schweizer Alpen) und eigene Modellergebnisse EZG Gunt. Lineare Regressionsgerade in entsprechender Farbe
4.15 Ergebnisse der planimetrischen und volumetrischen Gletscheränderung von 1977, 1998 und 2011 basierend auf Landsat (rote Vierecke bzw. blaue Kreise). Messwer- te linear interpoliert und Trend linear extrapoliert bis 2100. Konfidenzintervall mit Konfidenzniveau von 95 % (dunkelgrauer Bereich) und 80 % (hellgrauer Bereich).
4.16 3D-Visualisierung von Corona und RapidEye mit der Höhendifferenz zwischen SRTM und Corona-DEM bzw. dem Ergebnis der Eisdickenmodellierung
4.17 Vergleich der Temperaturanomalie von Tadschikistan und dem globalen Mittel (GI- STEMP) mit geglätteten Mittelwerten (blaue Linie) und 95 %-Konfidenzintervall (grauer Bereich)
4.18 Gletschervolumen und Trendkomponente von Temperatur, Niederschlag und Ab- fluss des Gunts (Station Khorog) mit linearer Regressionsgeraden (rote Linie). Rote Punkte stellen Jahre mit Ergebnissen zum Gletschervolumen dar. Datenquellen: Hydromet (2012), NSIDC und NEESPI
5.1 Ergebnis der Klassifizierung von RapidEye: (a) Klassifizierung von Ablationsbe- reich mit leichter Schuttbedeckung, (b) Klassifizierung von proglazialen Seen und Schattenbereichen, (c) Klassifizierung von Akkumulations- und Ablationsbereich ohne Schuttbedeckung, (d) Endergebnis (Kombination aus a-c), schwarze Pfeile markieren fehlerhafte Bereiche
5.2 Vergleich der Klassifizierungsergebnisse (rote Linie) von Corona, Landsat MSS, Landsat TM, ASTER und RapidEye mit dazugehörigem Satellitenbild in geeigneter Bandkombination zur Erkennung von Gletschern
5.3 Höhenunterschied zwischen Corona und SRTM (links) und Gletscherstand basie- rend auf Corona-KH4B von 1968 (rechts). Kontrastarme Gebiete/Fehlerbereich sind durch schwarze Pfeile markiert
Tabellenverzeichnis
2.1 Übersicht zu allen verwendeten Datengrundlagen
2.2 Übersicht ausgewählter Spionagesatelliten der USA
2.3 Technischen Daten der bisherigen Landsat-Missionen
2.4 Übersicht des Sensors MSS (Landsat 1-3)
2.5 Übersicht des Sensors TM (Landsat 4-5)
2.6 Übersicht des Sensors ETM+ (Landsat 7)
2.7 Übersicht des Sensors ASTER
2.8 Übersicht des Sensors RapidEye
2.9 Übersicht über die temporale und räumliche Abdeckung der RapidEye-Daten im Untersuchungsgebiet
2.10 Übersicht über die SPOT-Missionen 1-5
2.11 Übersicht über die Auflösung der verwendeten multispektralen Daten
2.12 Übersicht über die horizontale und vertikale Genauigkeit der verwendeten Gelände- modelle. Konfidenzintervall 90 % für SRTM und 95 % für ASTER GDEM, basierend auf ASTER GDEM Validation Team (2011b) für ASTER GDEM und Hoffmann u Walter (2006) für SRTM-C und SRTM-X
2.13 Ursache von Fehlern bei GPS-Messungen, Quelle: Zogg (2009)
3.1 Koeffizienten zur radiometrischen Kalibrierung für Landsat TM 5, Quelle: Chander u. a. (2009)
3.2 Übersicht über die temporale und räumliche Abdeckung der ASTER-Daten im Un- tersuchungsgebiet
3.3 Übersicht zur Anwendung verschiedener Wellenlängenbereiche am Beispiel Land- sat TM in Hinblick auf Gletscherkartierung, Quelle: nach Pellikka u. Rees (2010) .
3.4 Übersicht über ausgewählte Gletschervolumen basierend auf GPR-Messungen und kalibrierten Modellergebnissen sowie eigene Ergebnisse
4.1 Übersicht über Ergebnisse der Differenzialkorrektur mittels Pathfinder Office für die verwendeten GPS-Geräte GeoXT und GeoXH
4.2 RMS-Fehler der geometrischen Korrektur von RapidEye mittels Rational Polynomial Coefficients (RPC)-Modell mit und ohne Passpunkten unter Verwendung von fünf Szenen und 13 GCPs
4.3 Mittelwert des Betrages der horizontalen und vertikalen Differenz zwischen DGPS- Referenzpunkten und Google Earth (SPOT und Geoeye-1) bzw. RapidEye
4.4 Gletscherfläche im EZG des Gunts nach jedem Prozessierungsschritt mit Angaben zum Aufnahmejahr und Sensor
4.5 Gesamter und jährlicher Rückgang der Gletscherfläche im EZG des Gunts
4.6 Ergebnisse der photogrammetrischen Auswertung von Corona im Vergleich mit anderen Studien, alle Angaben zum RMSE in Meter
4.7 Vergleich der Ergebnisse von der Volumenberechnung basierend auf Geländemo- dellen (1968-1999) und GlabTop (Zeitraum T1: 1977-1998, T2: 1988-2011)
4.8 Gesamtes Gletschervolumen und Gletschermasse zu drei Zeitpunkten. Volumen- bzw. Massenänderung (pro Jahr) für Zeitraum T1 (1977-1998) und T2 (1988-2011) für das EZG des Gunts
4.9 Änderung von Fläche und Anzahl der proglazialen Seen im EZG des Gunts zwi- schen 1998-2011 basierend auf Landsat TM
C.1 Verwendete Szenen von CORONA KH-4B
C.2 Datensatz Landsat MSS 1977
C.3 Datensatz Landsat TM 1998
C.4 Datensatz Landsat TM 2011
C.5 Datensätze ASTER
C.6 Übersicht RapidEye über die verfügbaren Datensätze mit Metadaten zum Aufnah- mezeitpunkt und Wolkenbedeckung
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
Abstract
The often discussed Aral Sea basin, which receives its substantial amount of water from the high mountains of Central Asia, is affected by water scarcity. Glaciers in the upstream area are expected to retreat due to global warming. Therefore, reliable information about past and current glaciation is essential for understanding and modelling the hydrological system. Based on a lack of mass balance data, a space based assessment of the planimetric and volumetric glacier change was performed for the catchment area of the river Gunt, Tajikistan. Multitemporal satellite imagery from the last decades (Corona KH-4B, Landsat MSS/TM, Terra ASTER and RapidEye) was classified to measure the area under change. To derive information about volumetric changes, the elevation difference between a digital terrain model based on Corona-KH4B stereo data and SRTM data was calculated. Furthermore, the ice-thickness distribution was modelled to obtain area-wide volumetric information. The results show that the glacier lost an area of 189,6km2 ( =23,7 %) between 1977 and 2011. The specific mass balance between 1977 and 1998 changed from −0,399 m a−1 water equivalent to −0,662 m a−1 in 1998-2011. The annual mass loss of 0,36 gigatonnes contributed about 12,2 % to the annual average discharge of the Gunt.
Zusammenfassung
Das viel diskutierte Aralsee-Einzugsgebiet, welches hauptsächlich durch die Hochgebirge Zen- tralasiens gespeist wird, ist durch Wasserknappheit geprägt. Infolge der Klimaerwärmung kann von einem Rückgang der dortigen Gletscher ausgegangen werden. Für das Verständnis und zur Modellierung dieses hydrologischen Systems sind daher verlässliche Daten über die rezente und aktuelle Vergletscherung essenziell. Aufgrund von fehlenden Daten zur Massenbilanz wurde eine satellitenbasierte Untersuchung der flächenhaften und volumetrischen Gletscheränderung für das Einzugsgebiet des Gunts (Tadschikistan) durchgeführt. Zur Erfassung der Flächenän- derung wurden multitemporale Satellitenbilder der letzten Jahrzehnte (Corona KH-4B, Landsat MSS/TM, Terra ASTER und RapidEye) klassifiziert. Um Aussagen über die Volumenänderung zu treffen, wurde die Höhendifferenz aus einem Geländemodell basierend auf Corona-Stereodaten und SRTM-Daten gebildet. Um flächendeckende Informationen über das Gletschervolumen zu erhalten, wurde die Verteilung der Gletscherdicke modelliert. Die Ergebnisse zeigen einen deutlichen Rückgang der Gletscherfläche von 189,6km2 (=23,7 %) zwischen 1977 und 2011. Die spezifische Massenbilanz von −0,399ma−1 Wasseräquivalent im Zeitraum 1977-1998 ging auf −0,662 m a−1 (1998-2011) zurück. Der jährliche Massenverlust von 0,36 Gigatonnen trägt zu rund 12,2 % des mittleren jährlichen Abflusses des Gunts bei.
1 Einführung
Eine der zentralen Herausforderungen des 21. Jahrhunderts ist der Globale Wandel. Die Fol- gen des Klimawandels und der Globalisierung geben Anlass für zahlreiche Spannungen und Interessenskonflikte, bieten gleichzeitig aber auch Chancen und Möglichkeiten. Einem erhöhten Risiko sind dabei Gebirgsräume ausgesetzt. Zum einen reagieren sie besonders sensitiv auf den Klimawandel und zum anderen ist die Vulnerabilität der lokalen Bevölkerung besonders hoch bzw. die Resilienz oft gering. Doch Gebirge sind nicht nur Lebensraum von 12 % der gesamten Bevölkerung, sondern auch Wasserversorger der halben Welt (Kohler u. Maselli, 2009). Deshalb wurde der nachhaltigen Entwicklung von Gebirgsregionen schon 1992 in der Agenda 21 ein eige- nes Kapitel gewidmet. Zehn Jahre später rief die UN-Generalversammlung das „Jahr der Berge“ aus. Die regelmäßige Verabschiedung einer Resolution über die „Nachhaltige Entwicklung der Berggebiete“ durch die UN-Generalversammlung untermauerte noch einmal die wichtige Rolle von Gebirgsregionen.
Wasser und Gebirge sind und bleiben zentrale Themen in diesem Jahrhundert. Ein Zuwachs der Weltbevölkerung und ein steigender Lebensstandard lassen den Wasserverbrauch rapide wachsen. Die Klimaerwärmung und das Abschmelzen von Gletschern führen langfristig zu einer Umverteilung des Wasserangebots, wobei davon ausgegangen werden kann, dass sich das An- gebot in semiariden Gebieten der mittleren Breiten verringert (IPCC WG1, 2007). In Zentralasien wird in Zukunft eine steigende Nachfrage einem sinkenden Angebot gegenüberstehen (Granit u. a., 2010). Wie groß der Einfluss der Gletscher auf den Abfluss ist, wird stark von der jahreszeit- lichen Niederschlagsverteilung gesteuert. Da in den meisten Einzugsgebieten Südasiens oder Mitteleuropas hohe Niederschlagsmengen im Sommer fallen, ist die Bedeutung der Gletscher als Wasserressource vergleichsweise gering (Kaser u. a., 2010; Immerzeel u. a., 2010). Nur wenige Regionen wie Zentralasien sind aufgrund sehr trockener Sommer stark von der Schnee- und Glet- scherschmelze abhängig und weisen gleichzeitig eine hohe Bevölkerungszahl auf (Kaser u.a., 2010).
Daher ist die Ressource Wasser in Zentralasien eine Ursache vieler Konflikte. Der durch die Sowjetunion eingeführte Baumwollanbau ist für die zentralasiatischen Staaten ein bedeutender Wirtschaftszweig, allerdings ist er mit einem enormen Wasserverbrauch verbunden. Die ressour- cenarmen Gebirgsländer Kirgistan und Tadschikistan streben einen Ausbau der Wasserkraft an, während die Unteranlieger Kasachstan, Turkmenistan und Usbekistan die Bewässerung ihrer Agrarflächen sicherstellen wollen. Eine zusätzliche Nachfrage ist mit der politischen Stabilisierung und damit dem wirtschaftlichen Wachstum Afghanistans zu erwarten. Um die soziale, ökologische, ökonomische aber auch politische Situation nachhaltig zu verbessern, ist ein transnationales Was- sermanagement notwendig.
Die Wissenschaft kann hierbei wichtige Impulse und Voraussetzungen schaffen. Einerseits ist ein hydrologisches Messnetz Grundlage für ein erfolgreiches Monitoring, andererseits stellen Model- lierungen und Szenarien die Basis für langfristige Entscheidungen dar. Genau dies ist das Ziel des Verbundprojektes PAMIRWater, in welches die vorliegende Arbeit eingebunden ist. Mit einem breiten methodischen Spektrum soll das Einzugsgebiet (EZG) des Gunts im Osten Tadschikist- ans erfasst und die Auswirkungen des Klimawandels auf die Großregion modellierend extrapoliert werden. Neben der Durchführung detaillierter Grundwasserstudien und Abflussmessungen ist die möglichst genaue Erfassung der historischen Gletscheränderung entscheidend für die Ergebnisse der Modellierung.
Der Teilaspekt des Gletscherrückganges stellt den Schwerpunkt dieser Arbeit dar. Mithilfe ferner- kundlicher Methoden soll die Änderung von Gletscherfläche und -volumen während der letzten rund 50 Jahre erfasst werden.
1.1 Pamir, Gorno Badakhshan und der Gunt
Der Pamir war schon früh Anziehungspunkt unzähliger Forschungsreisen. Angefangen von Marco Polo über Sven Hedin und Richard Finsterwalder bis hin zum Innsbrucker Geographieprofessor Gernot Patzelt zog es unzählige Wissenschaftler auf das Dach der Welt. Umgeben vom Tien Shan im Norden, Karakorum im Süden, Hindukusch im Südwesten und dem Hochland von Tibet im Osten, verbindet der Pamir die großen Gebirgszüge Asiens. Zentral im Pamir gelegen ist die zu Tadschikistan gehörige Provinz Gorno-Badakhshan Autonomous Oblast (GBAO). Zwar umfasst diese 45 % der Landesfläche, aber nur 3 % der Gesamtbevölkerung. Die Hauptstadt von GBAO ist Khorog, gleichzeitig Mündungspunkt des Gunts in den Panj, welcher wiederum in den Amu Darja fließt. Das EZG des Gunts stellt das Untersuchungsgebiet der vorliegenden Arbeit dar. Abbildung 1.1 bietet eine Übersicht zur räumlichen Lage, Abbildung 1.2 eine detaillierte Darstellung des EZG.
1.1.1 Geographische, klimatologische und hydrologische Situation
1.1.1.1 Geographie
Tadschikistan ist ein Binnenstaat im südöstlichen Zentralasien. Mit einer Fläche von 143 100 km2 ist es fast doppelt so groß wie Österreich. Fast die Hälfte der Landesfläche liegt über 3000 m, wovon rund 6 % vergletschert sind (Kayumov, 2011). Der Fedchenko-Gletscher gilt mit 77 km als der längste Gletscher außerhalb der Polargebiete (Aizen u.a., 2009). Der höchste Berg mit 7495 m ist der Pik Ismoil Somoni, ehemals Pik Kommunismus genannt.
Das EZG des Gunts umfasst eine Fläche von fast 14000km2, etwa 1/10 der Landesfläche. Das Gebiet erstreckt sich vertikal von der Mündung (Khorog) auf einer Höhe von 2080 m bis zu den höchsten Bergen Pik Karl Marx (6726 m) und Pik Engels (6510 m), wobei es eine durchschnittliche Höhe von 4300 m aufweist. Das EZG kann in ein Hochplateau (∼ 4000 m ü.d.M) im östlichen Teil und in eine tief eingeschnittene Gebirgslandschaft im westlichen Teil untergliedert werden.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1.1: Übersichtskarte zur Lage des Untersuchungsgebietes (rot umrandet) in Zentralasien mit wichtigen Flüssen in Osttadschikistan (blau), politischen Grenzen (schwarz) und Gebirgen
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1.2: Übersichtskarte des EZG des Gunts (rot umrandet) mit Klimastationen (weiße Punk- te), wichtigen Flüssen (weiß beziffert), dem Teileinzugsgebiet (TEZG) des Pathkurdaras (orange umrandet) und der Grenze zu Afghanistan (schwarz).
1.1.1.2 Klimatologie
Sowohl Niederschlag als auch Temperatur weisen im östlichen Teil Tadschikistans neben der jahreszeitlichen Schwankung einen ausgeprägten vertikalen und horizontalen Gradienten auf. So reicht das Klima in GBAO von semiarid in den Tallagen über arid in den Hochflächen bis hin zum polaren Klima in den Gipfelbereichen. Die Jahresniederschlagsmenge variiert ebenfalls von 50-100 mm auf den Hochplateaus, über 100-400 mm im Tiefland und bis zu 1180 mm am Fed- chenko Gletscher (siehe Abbildung 1.3). Laut den Ausführungen von Kotlyakov (1980) erreichen die Niederschlagsmengen am westlichen Rand des Pamirs bis zu 3500 mm.
Neben diesem sehr starken orographischen Effekt steht der Pamir unter dem Einfluss von großräumigen Zirkulationen. Im Unterschied zum Himalaya, wo der Niederschlag infolge des Indischen Monsuns hauptsächlich im Sommer fällt, ist der Pamir primär durch die Westwinddrift beeinflusst. Dies führt einerseits zu einem West-Ost-Gefälle in der Niederschlagssumme und andererseits zu einem Niederschlagsmaximum im Winter. Lediglich im östlichsten Teil von GBAO nimmt der Einfluss des Indischen Monsuns zu und das Niederschlagsmaximum verschiebt sich in den Sommer (siehe Abbildung A.1). Außerdem ist das Gebiet durch eine sehr hohe potenzielle Evaporation von 600-1000 mm a−1 geprägt (Gorbunov, 1990).
Analog dazu gestaltet sich die Situation im Untersuchungsgebiet (siehe Abbildung 1.3 und Abbildung A.1). In Khorog, dem tiefsten und zugleich westlichsten Punkt des EZG, fallen ca. 200 mm Jahresniederschlag. Mit zunehmender Höhe steigt dieser in Novobod auf fast 400 mm an. Im östlichen Teil des EZG verliert der orographische Effekt an Bedeutung und es überwiegt der kontinentale Einfluss des Hochplateaus. Der Jahresniederschlag bei Bulunkul liegt trotz einer Höhe von 3700 m bei nur 100 mm. Die meteorologische Station am Fedchenko-Gletscher, welche auf einer ähnlichen Höhenlage und weniger als 150 km nordwestlich von Bulunkul liegt, weist hingegen Jahresniederschläge über 1100 mm auf. Die sehr hohe räumliche Variabilität des Niederschlages ist damit ausschlaggebend für die Verteilung der Gletscher, stellt aber auch besondere Herausforderungen an die hydrologische Modellierung. Hohe Sommertemperaturen und ein geringer Winterniederschlag führen im EZG zu einer mittleren Gleichgewichtslinie auf 4840 m (basierend auf Werten im World Glacier Inventory (WGI)). Regionale Klimaprojektionen im 4. IPCC-Bericht gehen von einer sehr starken Erwärmung Zentralasiens aus (IPCC WG1, 2007). Temperaturprojektionen basierend auf dem MMD-A1B (Multi-Model Data bei dem wirtschaftsorientierten Szenario A1B) ergeben einen Temperatur- anstieg von 3,7 ◦ C für das 21.Jahrhundert (globales Mittel 2,5 ◦ C) (siehe Abbildung 1.4). Im Bericht wird die geringe Performance von Klimamodellen in Zentralasien betont, welche durch die komplexe Topographie und mesoskalige Prozesse hervorgerufen wird.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1.3: Klimadiagramme für ausgewählte Klimastationen im EZG des Gunts (a, b, c, ange- ordnet von West nach Ost) im Vergleich zur Klimastation Fedchenko-Gletscher (Lage der Klimasta- tionen siehe Abbildung 1.2 und Abbildung A.1). Darstellung der Klimadiagramme nach Walter/Lieth mit Jahresdurchschnittstemperatur und Jahresniederschlag (oben), höchste und niedrigste Mo- natsdurchschnittstemperatur (links), Kennzeichnung der humiden (blau gestreift) und ariden (rot gepunktet) Monate sowie der Monate mit Durchschnittstemperaturen <0 ◦ C (blaue Balken).
1.1.1.3 Hydrologie
Hydrographisch gehört Tadschikistan und damit auch der Gunt zum abflusslosen Aralseebecken, dessen Fläche rund zwei Millionen Quadratkilometer einnimmt. Der wasserreichste Zufluss des Aralsees ist bzw. war der Amu Darja1, dessen Quellflüsse in Tadschikistan entspringen. Diese
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1.4: Temperaturanomalie für Zentralasien von 1906-2005 (Baseline 1901-1950) aus Messdaten (schwarze Kurve) und Simulation (rote Kurve) sowie Projektion von 2001-2100 basie- rend auf MMD-Modellen für A1B-Szenario (orange Kurve). Die Balken am rechten Rand repräsen- tieren die Temperaturanomalie des Zeitraumes 2091-2100 für das Szenario 1B (blau), A1B (orange) und A2 (rot). Quelle: IPCC WG1 (2007) sind einerseits der Vaksh und anderseits der Panj, dessen größter Zufluss im Oberlauf der Gunt ist (siehe Abbildung 1.1). Fast 50 % der Wasserressourcen des Aralseebeckens kommen aus Tadschikistan (Eschment, 2011). Der Anteil der Gletscherschmelze am Gesamtabfluss Tadschi- kistans wird auf 10-20 % geschätzt (Granit u. a., 2010).
Das Abflussverhalten des Gunts ist primär durch Schnee- und Gletscherschmelze bestimmt (sie- he Abbildung 1.5). Das Abflussmaximum korreliert mit dem Temperaturmaximum im Juli.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1.5: Jahresverlauf von Temperatur, Niederschlag und Abfluss des Gunts für die Station Khorog, Datengrundlage: Williams u. Konovalov (2008) und Hydromet (2012)
1.1.2 Politische, wirtschaftliche, ökologische und gesellschaftliche Entwicklung
1.1.2.1 Politische Entwicklung
Tadschikistan ist, nach der Einteilung der UN2, eines der fünf zentralasiatischen Staaten. Nach dem Zusammenbruch der Sowjetunion im Jahr 1991 erlangten diese ihre Unabhängigkeit zurück.
Doch schon ein Jahr später begann in Tadschikistan ein fünfjähriger Bürgerkrieg zwischen regio- nalen Kräften, bei dem 50000 bis 100000 Menschen starben (Bertelsmann Stiftung, 2012). Im Jahr 1994 hat Emomalii Rahmon das Amt des Präsidenten eingenommen, welches er bis heute begleitet. Durch die NATO-Intervention in Afghanistan fand Tadschikistan größere Aufmerksam- keit internationaler Politik und Hilfsorganisationen, was zu einer Verbesserung der Wirtschafts- und Sicherheitslage führte. Dennoch kam es in der jüngeren Vergangenheit mehrfach zu militäri- schen Ausschreitungen, zuletzt im Sommer 2012 in Khorog.
1.1.2.2 Wirtschaftliche Entwicklung
Tadschikistan ist mit einem Human Development Index (HDI) von 0,622 auf Platz 125 von 187 Ländern und damit auch das ärmste Land der ehemaligen Sowjetunion (UNDP, 2013). Nach Schätzungen der CIA (2013) betrug das Bruttoinlandsprodukt (BIP) pro Kopf im Jahr 2012 ca. 2200 $, jedoch steuern die Rücküberweisungen der Gastarbeiter mindestens 50 % zum BIP bei (ILO, 2010).
Aufgrund diverser naturräumlicher Faktoren sind sowohl die Produktion im primären Sektor als auch der Handel deutlich erschwert. Die Transport- und Logistikkosten zählen zu den höchsten der Welt (Bertelsmann Stiftung, 2012). Die nutzbare Ackerfläche beträgt weniger als 6 % der Gesamtfläche, wovon wiederum 86 % bewässert werden müssen (CIA, 2013). Für GBAO beträgt die Ackerfläche lediglich 0,4 % (Hergarten, 2004). Damit kann weniger als die Hälfte des Nah- rungsmittelbedarfs gedeckt werden, weshalb Tadschikistan von dem Ernährungsprogramm der UN abhängig ist. Dennoch sind ca. 70 % der Bevölkerung in der Landwirtschaft tätig. Dominantes Anbau- und Exportprodukt ist die Baumwolle (15 % der Exporterlöse). Eine weitere wichtige Nutzung von Wasser ist die Energiegewinnung. Die Stromversorgung Ta- dschikistans beruht zu 98 % auf Wasserkraft (Bertelsmann Stiftung, 2012). Mit geschätzten 527 Terawatt besitzt das Land eines der größten Wasserkraftpotenziale weltweit, wovon derzeit weni- ger als 5 % genutzt werden (UNDP, 2010). Der Ausbau der Wasserkraft wird angestrebt, jedoch fehlen Mittel zur Finanzierung. Trotz des großen Strompotenzials dominieren fossile Energieträ- ger, vor allem zum Heizen und Kochen. Dieses Problem wird verstärkt, wenn die Entwicklung der verwendeten Energieträger während der letzten Jahrzehnte betrachtet wird (siehe Abbildung 1.6). So verschwand die während der Sowjetunion importierte Kohle als primärer Energieträger und wurde durch Feuerholz und getrockneten Kuhdung substituiert. Auf die daraus folgenden Umweltprobleme wird im nächsten Abschnitt eingegangen.
Aus der preiswerten Wasserkraft resultiert die Aluminiumproduktion als weiterer dominanter Wirt- schaftszweig (75 % der Exporterlöse). Steigende Preise bei Baumwolle und Aluminium wirkten sich in den letzten Jahren positiv auf die Wirtschaft aus. Im informellen Sektor spielt aufgrund der Grenze zu Afghanistan der Drogentransport eine wichti- ge Rolle. Die Beteiligung am Drogengeschäft unter korrupten Beamten und Militärs war ein Grund für den bewaffneten Konflikt in Khorog 2012.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1.6: Prozentualer Anteil von Energieträgern am jährlichen Energieverbrauch in GBAO für das Jahr 1990 (links) und 2000 (rechts), Quelle: Breu u. a. (2003)
1.1.2.3 Ökologische Entwicklung
Laut dem Environmental Performance Index steht das Land auf Platz 121 von 132, vergleichbar mit Haiti und Indien (Yale University, 2013). Hauptprobleme sind Wasserverschmutzung, Bo- denverschlechterung (Versalzung, Erosion), abnehmende Biodiversität und Entwaldung. Primär verantwortlich für eine Vielzahl von Umweltproblemen ist einerseits der intensive Baumwollanbau, welcher neben der enormen Wassermenge den massiven Einsatz von Dünger, Herbiziden und Pestiziden erfordert. Andererseits spielt die Abholzung eine wichtige Rolle, da Brennholz oft als Alternative zu fossilen Energieträgern verwendet wird. Als Folge ist der Baumbestand allein in den letzten 20 Jahren um ca. 70 % bis 80 % zurückgegangen (Hoeck u. a., 2007). Dies wiederum erhöht die Anfälligkeit gegenüber Hochwasser, Muren, Erosion und Sandstürmen. Ein weiteres Problem stellt die Abfallentsorgung dar. In ländlichen Gebieten gibt es keinerlei staatliche Unter- stützung, in Städten wird der Müll nur teilweise entsorgt, jedoch weder getrennt noch recycelt (UN, 2004). Vonseiten der Regierung werden die Probleme in ihrem Ausmaß zwar wahrgenommen, aber kaum Maßnahmen ergriffen.
1.1.2.4 Soziale Entwicklung
Die Einwohnerzahl Tadschikistans wird von der CIA (2013) für 2013 auf 7 910 000 geschätzt, bei einem Bevölkerungswachstum von 1,79 %. Nur 26 % der Bevölkerung leben im urbanen Raum (vgl. Deutschland 74 %). Die Alphabetisierungsrate ist im ärmsten Teil Tadschikistans (GBAO) am höchsten (Breu u. a., 2003).
Der Großteil der Bevölkerung sind Sunniten (85 %), nur in Gorno-Badachschan leben überwie- gend Ismailiten. Dies erklärt auch den hohen Bildungsgrad in GBAO, da das geistige Oberhaupt der Ismailiten, Aga Khan, Multimilliardär und Gründer der größten privaten Entwicklungsorganisa- tion weltweit - der Aga Khan Foundation - ist. Nur so konnten zahlreiche Schulen und Bildungs- programme in dieser Region finanziert werden.
1.1.3 Wassernutzungskonflikt in Zentralasien
1.1.3.1 Das Problem
Die Austrocknung des Aralsees ist eine der größten vom Menschen verursachte Umweltkata- strophe. Zwar ist der Rückgang des Aralsees eine Tragödie für die Bevölkerung vor Ort, doch stellt er vielmehr nur einen sichtbaren Teil eines sehr vielschichtigen Konfliktes dar. Mit dem Zu- sammenbruch der Sowjetunion wurde dieses nationale Problem der Wassernutzung Gegenstand internationaler Beziehungen. Die ehemals von der Sowjetunion geregelte Verteilung von Wasser und Energie ist nun Aufgabe der fünf zentralasiatischen Staaten. Der ungleiche ökonomische Wert von Wasser und Energie kommt dabei erschwerend hinzu.
1.1.3.2 Die Ursache
Die Ursache des Wasserkonfliktes in Zentralasien kann in drei Faktoren untergliedert werden:
1. Wasserknappheit: aufgrund des kontinentalen und trockenen Klimas ist das Wasserangebot begrenzt. Obwohl das Niederschlagsmaximum im Winter liegt, wird der Großteil des Abflus- ses durch die Schnee-und Gletscherschmelze im Sommer bereitgestellt und kann daher für die landwirtschaftliche Nutzung verwendet werden. Die Wasserknappheit stellt damit ein nachrangiges Problem dar. Eine Abnahme der Niederschläge, steigende Temperaturen und der Rückgang der Gletscher kann die Situation jedoch langfristig verschärfen (Granit u.a., 2010).
2. Wasserverteilung: 87 % des Wassers kommen von den Oberliegern Kirgistan und Tadschi- kistan, 83 % verbrauchen die Unterlieger (Eschment, 2011). Für das Monitoring wurde während der Sowjetzeiten ein umfassendes Messnetz mit über 800 Pegelstationen in Zen- tralasien errichtet, welches jedoch nach der Unabhängigkeit teilweise verfiel (Granit u. a., 2010). Ein weiteres Problem stellt der Zugang zu diesen Daten dar.
3. Wassernutzung: ein Großteil des Wassers wird für die Bewässerung landwirtschaftlicher Flächen verwendet, wobei 80 % durch Verdunstung und Versickerung aufgrund veralteter Anlagen verloren gehen. Hauptanbauprodukt ist trotz des enormen Wasserbedarfs Baum- wolle. Grund hierfür ist zum einen der steigende Weltmarktpreis, zum anderen die Nähe der politischen Verantwortlichen zu diesem Wirtschaftszweig. Baumwollanbau besitzt da- her nicht nur eine große wirtschaftliche Bedeutung in Zentralasien, sondern ist auch mit politischer Macht und Einflussnahme verbunden. Eine weitere Nutzung, speziell der Ober- lieger, ist die Energiegewinnung. Mit dem Zusammenbruch der Sowjetunion endeten die Kohle- und Gaslieferungen nach Tadschikistan, was zu einem Bedeutungszuwachs der Wasserkraft führte. Ein enormer Ausbau von Wasserkraftwerken ist geplant (Granit u. a., 2010). Ein weiterer Konflikt resultiert aus der vielfältigen Wassernutzung. Zwar findet der höchste Energieverbrauch im Winter statt, doch ist die Wasserführung zu gering, weshalb die Stauseen im Sommer aufgefüllt werden müssen. Dies kollidiert mit dem erhöhten Was- serbedarf durch die landwirtschaftliche Nutzung. Damit ist das Wasserproblem vielmehr eine generelle Frage der Energieverteilung, doch ist die monetäre Bewertung von Wasser ungleich schwerer als die von Öl.
1.1.3.3 Die Lösung
Da die Ursache des Wasserkonfliktes weniger eine Folge des grundsätzlichen Wassermangels sondern vielmehr ein Verteilungsproblem ist, liegen Ursache und Lösung primär auf einer politi- schen Ebene (Eschment, 2011). Eine gerechte Vergabe von Wasser durch die Oberlieger und fossiler Energieträger durch die Unterlieger wäre eine einfache Win-win-Situation. Doch eine Kompromissfindung bei diesem „Upstream-Downstream-Konflikt“ ist in der Praxis schwer zu rea- lisieren, da für die zentralasiatischen Länder nach ihrer Unabhängigkeit das nationale Interesse und die Autarkiebestrebung im Vordergrund stehen. Machtdemonstration, gegenseitiges Miss- trauen sowie mangelnde Transparenz und fehlende Kontroll- und Sanktionsmechanismen sind weitere Hindernisse auf dem Weg zu einer Konfliktlösung. Eine Vielzahl von Faktoren ist daher notwendig, um zu einer dauerhaften Lösung zu gelangen.
1. Demokratisierung: die wahrscheinlich wichtigste Voraussetzung ist die der zwischenstaatli- chen Vertrauensbildung und Demokratisierung.
2. Monitoring: die Erhebung von hydrologischen Messdaten ist essenziell für spätere Kontroll- und damit auch Sanktionsmechanismen. Nur so kann eine gerechte Verteilung gewährleis- tet werden.
3. Modernisierung: die Verbesserung der Infrastruktur, insbesondere der Bewässerungssyste- me, bringt zwar einen großen Fortschritt auf lokaler Ebene und werden infolge schrumpfen- der Wasserressourcen unabdingbar sein, bewirken aber keine Lösung des Gesamtproble- mes.
Der Stringenz von Ursache und Lösung zum Trotze (siehe Abbildung 1.7), steht der Sprung in die Realität noch aus. Vielmehr wird ein Wassermanagement nach sowjetischem Vorbild, wie die Umleitung der sibirischen Flüsse Ob und Jenissej nach Zentralasien, als Lösung diskutiert
(Eschment, 2011).
1.2 Das Projekt PAMIRWater
- Wassernutzungskonflikt in Zentralasien
Das Problem
- ungleiche Verteilung von Wasser- und Energieressourcen
- Sowjeterbe
Die Ursache - Demokratiedefizit
- Demokratisierung
- Vertrauensbildung
Der
Lösungsweg - Monitoring
- vertraglich geregelte Verteilung von Wasser und Energie
- technische Lösungen: Mikrobewässerung, dezentrale
Die Lösung Wasserkraft
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1.7: Schematische Übersicht zu den Ursachen und Lösungen des Wasserkonfliktes in Zentralasien
1.2 Das Projekt PAMIRWater
Ziel des Verbundprojektes PAMIRWater ist die interdisziplinäre Untersuchung der hydrologischen Schlüsselprozesse im EZG des Gunts im Pamir, als exemplarische Modellregion des Aralsee-EZG. Das Projekt ist in das Forschungsprogramm „Central Asian monsoon dynamics and ecossystems“ (CAME) eingebettet und wird durch das Bundesministerium für Bildung und Forschung (BMBF) bis 2014 finanziert. In Kooperation mit dem Staatsamt für Hydrometeorologie in Tadschikistan wird das Projekt durch das UFZ Halle (Department Catchment Hydrology) und der TU Freiberg (Institut für Geologie, Remote Sensing Group) durchgeführt. Das vergletscherte, kalt-semiaride EZG des Gunts erhält fast ausschließlich Winterniederschläge und ist damit repräsentativ für die Hochgebirge Zentralasiens und das EZG des Aralsees. Die schnelle Schneeschmelze und nahezu niederschlagsfreie Sommer sowie Permafrost, gepaart mit typischen Bodeneigenschaften arider Gebiete, stellen einen Spezialfall in der Hydrologie dar. Dieser kann durch bestehende hydrologische Modellkonzepte kaum repräsentiert werden. Die Zielstellung des Projektes liegt daher in der Entwicklung:
1. eines effektiven Monitoring-Netzes unter Nutzung stabiler und radioaktiver Isotope zum Zweck der Abflussseparation als Ergänzung klassischer Kalibriertechniken. Nur wenn Glet- scherschmelze, Schneeschmelze und Basisabfluss einzeln modelliert, kalibriert und vali- diert werden, können später wissenschaftlich verwertbare Szenarien berechnet werden.
2. eines hydrologischen Modellkonzeptes für zentralasiatische Hochgebirge unter Nutzung von einer multikriteriellen Kalibrierung (und Validierung).
1 Einführung
In Zentralasien verfügen zahlreiche Wassereinzugsgebiete über langjährige hydrometrische Mess- reihen. Qualität und Anzahl dieser Daten nehmen nach 1990 allerdings stark ab (Granit u.a., 2010). Dennoch stellen die post-sowjetischen Aralsee-Länder einen Spezialfall in der hydrolo- gischen Infrastruktur dar. Viele Länder des Südens, aber z.B. auch das tibetische Hochplateau verfügen nur über sehr wenige hydrometrische Messreihen. Dieser Tatsache widmete sich die International Association of Hydrological Sciences (IAHS) intensiv unter dem Überbegriff „Predic- tions in Ungauged Basins“ (PUB). Demgegenüber kann bei der Modellierung der Wasserressour- cen Zentralasiens der Begriff „Predictions in poorly gauged Basins“ (PPB) angewendet werden. Während die hydrologischen Abflussdaten von mäßiger Qualität und Abdeckung sind, stellt die Verfügbarkeit von Niederschlagsdaten ein weiteres Problem dar. Zentralasiatische Hochgebirgsre- gionen werden meteorologisch wenig erfasst. Satellitenbasierte Niederschlagsdaten kommen als Alternative kaum in Frage, da Schnee nur unzureichend von deren Sensoren erfasst wird (Prigent, 2010). Es ist daher äußerst schwierig, geschlossene Wasserbilanzen zu modellieren, selbst wenn gemessene Abflüsse vorhanden sind. Immerzeel u. a. (2012) legten einen möglichen Ansatz dar, wie aus einem Gletschermonitoring der vertikale Niederschlagsgradient abgeleitet werden kann.
Das Modellkonzept sieht daher vor, neben Durchflussdaten weitere Informationen zur Kalibrierung und Validierung eines hydrologischen Modells zu verwenden. Dies sind einerseits isotopenhydro- logische Abschätzungen der Verweilzeiten und andererseits die fernerkundungsbasierte Schnee- und Gletschererfassung. Der besondere Vorteil der Nutzung von Fernerkundungsdaten in der Kalibrierung eines hydrologischen Modells liegt in der räumlichen Erfassung eines Parameters (hier: Schneedecke, Schmelztemperatur, Gletscheränderung). Klassische Kalibrierverfahren grei- fen hingegen auf punktuelle Informationen zurück und Parameter werden daher grundsätzlich als homogen für ein (Teil-) Einzugsgebiet angesehen. Die raum-zeitliche Erfassung der Gletscher ist das Ziel der vorliegenden Arbeit und wird im Folgenden näher beschrieben.
1.3 Ziel der Arbeit
Als Beitrag zum Projekt PAMIRWater wird der Versuch unternommen, eine umfassende Analyse der Gletscheränderung innerhalb des EZG des Gunts durchzuführen. Da die Gletscherschmelze ein entscheidender Bestandteil im Abflussregime hochalpiner EZG ist, stellen Gletscher einen wichtigen Parameter bei der hydrologischen Modellierung dar. Jedoch sind quantitative Aussa- gen sehr schwer zu erheben, vor allem in entlegenen Gebieten wie dem Pamir. Eine individuelle Kalibrierung der simulierten Gletscherschmelze erfolgt in vielen hydrologischen Modellen da- her nicht. Daraus resultiert eine hohe Unsicherheit in der Abschätzung von Wasserressourcen vergletscherter Gebiete. Eine Alternative zu langjährigen in-situ Messreihen, wie sie für viele Al- pengletscher vorhanden sind (z. B. Aletschgletscher seit 18703 ), stellen Fernerkundungsdaten dar. In der vorliegenden Arbeit wird daher versucht, eine Zeitreihe der Flächen- und Volumenänderung für zwei Betrachtungsebenen durchzuführen. Einerseits soll das gesamte Untersuchungsgebiet berücksichtigt werden, andererseits das Teileinzugsgebiet (TEZG) Pathkurdara. Ziel der zweiten Betrachtung ist die Erstellung einer dichteren Zeitreihe mit intensiverer manuellen Kontrolle und Korrektur. Somit kann die temporäre Veränderung besser erfasst und eine Validierungsmethode der großräumigen Ergebnisse erreicht werden.
1.3.1 Forschungsfragen
Aus dem Ziel der Arbeit ergeben sich folgende Forschungsfragen:
1. Welche Daten und Methoden sind zur Untersuchung von Gletscherfläche und -volumen geeignet?
2. Wie haben sich Gletscherfläche und -volumen in den letzten Jahrzehnten verändert?
3. Inwieweit stehen die Ergebnisse in Zusammenhang mit anderen Studien?
4. Gibt es eine Korrelation mit hydrometrischen und meteorologischen Daten?
1.3.2 Forschungsstand
Die glaziologische Forschung in Zentralasien hat eine lange Geschichte. Bereits 1928 wurde der Fedchenko-Gletscher während der Alai-Pamir-Expedition von Richard Finsterwalder im Maßstab 1:50000kartiert (Finsterwalder, 1932). Ab den 60er Jahren wurde im Rahmen der Internatio- nal Hydrological Decade (IHD) für die gesamte UdSSR ein Gletscherinventar erstellt (Katalog Lednikov, 1967). Allerdings sind die Informationen zur Genauigkeit, wie auch zum exakten Zeit- punkt der Kartierung, sehr gering. Folglich ist die Verwendung dieser Daten nur beschränkt möglich. Diese Gletscherkartierung stellt die erste dem Autor bekannte publizierte Arbeit über das Untersuchungsgebiet dar. Der Gletscherkatalog ist Bestandteil des digitalen WGI (WGMS u. NSIDC, 1989). Zudem wurden während der 60er und 70er Jahre detaillierte Studien zum Fedchenko-Gletscher durchgeführt (Kotlyakov, 1980).
Mit Zunahme der Satellitenmissionen, dem Start von Landsat TM und Terra ASTER, gewann die Gletscherfernerkundung an Bedeutung. Große Flächen konnten schnell und einfach prozessiert und klassifiziert werden. Im Rahmen des Global Land Ice Measurements from Space (GLIMS)- Projektes wurde für zahlreiche Gebiete der Erde ein Gletscherinventar erstellt. Das Randolph Glacier Inventory (RGI), welches im Rahmen des kommenden fünften IPCC-Reportes entwickelt wurde, stellt das umfassendste Inventar der Gletschergrenzen dar (Arendt u.a., 2012). Sowohl GLIMS als auch RGI decken das Untersuchungsgebiet vollständig ab, jedoch ist die Qualität aufgrund der automatischen Prozessierung sehr heterogen.
Neben diesen großskaligen Untersuchungen wurden im Pamir einige Studien auf mesoskali- ger Ebene durchgeführt. So analysierten Khromova u.a. (2006) den flächenhaften Rückgang mehrerer Gletscher im nördlichen GBAO. Haritashya u.a. (2009) untersuchten 30 Gletscher im afghanischen Wakhan (südl. des Gunts) hinsichtlich ihrer Längenänderung, mittels Landsat MSS und ASTER zwischen 1976 und 2003. Mergili u.a. (2012) untersuchten für drei ausgewählte Gebiete in GBAO die Flächenänderung auf Grundlage von Corona und ASTER. Weiterhin führten Kotlyakov u. a. (2008) eine detaillierte Studie zum Surging-Verhalten ausgewählter Gletscher in Tadschikistan durch, basierend auf diversen Satellitendaten.
Die Modellierung des Gletschervolumens wurde hingegen nur in wenigen Gebieten Zentralasiens umgesetzt. So führten beispielsweise Hagg u.a. (2012) im Tien Shan Volume-Area-Scaling basierend auf GPR-Messungen durch bzw. Bolch u. a. (2012) für den gesamten Himalaya.
Ebenso fand die satellitenbasierte geodätische Methode zur Bestimmung der Massenbilanz bis- her kaum im Pamir statt. Vielmehr wurde sie in umliegenden Gebirgen wie dem Himalaya (Berthier u. a., 2007; Bolch u. a., 2008, 2011; Lamsal u. a., 2011; Kääb u. a., 2012a; Pieczonka u. a., 2011), dem Tien Shan (Aizen u. a., 2007b,a; Surazakov u. Aizen, 2006) oder dem Karakorum (Gardelle u.a., 2012; Kääb u.a., 2012a) verwendet. Eine Ausnahme stellt der Fedchenko-Gletscher dar, dessen Volumen, basierend auf zahlreichen in-situ Messungen und Fernerkundungsdaten, inten- siv erforscht ist (Lambrecht, 2012; Kayumov, 2011).
Eine detaillierte Studie, welche die planimetrische oder volumetrische Gletscheränderung des Untersuchungsgebietes abdeckt, ist dem Autor nicht bekannt.
1.3.2.1 Aufbau der Arbeit
Aus der Zielsetzung „Erfassung der quantitativen Gletscheränderung“ ergaben sich folgende
Aufgaben:
1. Akquisition der Datengrundlage (Auswahl der Sensoren, Sichtung verwendbaren Szenen, Antragstellungen)
2. Aufbereitung der Daten
3. Klassifizierung der Gletscher
4. Berechnung des Gletschervolumens
5. Auswertung der Ergebnisse
Darauf aufbauend gliedert sich die Arbeit in folgende Teile:
Im Anschluss an die Einführung wird in Kapitel 2 auf die Datengrundlage eingegangen. Dabei werden sowohl Fernerkundungsdaten als auch andere Datenquellen wie analoge Karten und Klimadaten beleuchtet. Die Satellitenmissionen und Sensoren der verwendeten Daten werden dabei genauer beschrieben, grundlegende Prinzipien und Funktionsweisen erklärt. In Kapitel 3
werden die verwendeten Methoden vorgestellt, wie a) Informationen zur flächenhaften Gletscher-
änderung und b) Daten zum Gletschervolumen berechnet werden können. Verschiedene Ansätze
werden aufgezeigt und verglichen. Die Ergebnisse sollen anschließend in Kapitel 4 dargelegt und in Kapitel 5 diskutiert werden. Zum Abschluss erfolgen in Kapitel 6 eine Zusammenfassung und ein kurzer Ausblick. Abbildung 1.8 bietet eine schematische Darstellung zum Aufbau der Arbeit, angefangen bei dem zentralen Problem des Wassernutzungskonfliktes bis hin zu den Ergebnissen der vorliegenden Arbeit.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1.8: Schematischer Aufbau der Arbeit
2 Daten und Grundlagen
2.1 Übersicht der verwendeten Daten
Die in der vorliegenden Arbeit verwendeten Daten sind in Tabelle 2.1 zusammenfassend dar- gestellt. Jede einzelne Datengrundlage wird im Folgenden näher beschrieben. Eine detaillierte Auflistung der verwendeten Satellitenbilder befindet sich im Anhang C.
Tabelle 2.1: Übersicht zu allen verwendeten Datengrundlagen
Abbildung in dieser Leseprobe nicht enthalten
2.2 Topographische Karten
Die einzige geeignete historische Kartengrundlage für das Untersuchungsgebiet ist die sowjeti- sche Generalstabskarte. Diese ist ein weltweites Kartenwerk, welches für die militärische Verwen- dung produziert wurde. Nach dem Zweiten Weltkrieg wurden topographische Karten im Maßstab 1:25000-1:1000000 von der gesamten Welt erstellt. Für das EZG des Gunts sind Karten im Maßstab 1 : 100 000 im Internet frei erhältlich.12 Das Jahr der Veröffentlichung liegt für die verwen- deten Karten zwischen 1976 und 1978. Ab 1962 dienten Satellitenbilder als Grundlage für die Erstellung, davor wurden meist Luftbilder verwendet (Watt, 2005). Bei der Projektion handelt es sich um Gauß-Krüger mit dem Krassowski-Ellipsoid (Datum Pulkovo 1942) (Travaglia u. Dainelli, 2003).
2.3 Gletscherinventar
2.3.1 Katalog Lednikov
Im Zuge der IHD wurde im Jahr 1962 die Erstellung eines Gletscherinventars für die UdSSR festgelegt. Der Gletscherkatalog für das EZG des Gunts wurde 1979 veröffentlicht (Katalog Led- nikov, 1967). Die Arbeit basiert hauptsächlich auf Luftbildern und großskaligen Karten. Von 1968 bis 1973 fanden Expeditionen des Geographischen Institutes der Sowjetischen Akademie der Wissenschaften statt. Weiterhin wurden Helikopterbefliegungen für alle Gletscher durchgeführt und für ca. zehn Gletscher genauere Geländebegehungen (Katalog Lednikov, 1967). Für jeden Gletscher ist das Jahr der Datengrundlage genannt, wobei überwiegend die Gletschersituation von 1947 beschrieben wird. Es wurden alle Gletscher größer als 0,1 km2 berücksichtigt. Teilweise fanden Bohrungen im Eis für volumetrische Messungen statt, jedoch nicht im EZG des Gunts (Katalog Lednikov, 1967). Um Messfehler zu verringern, wurden Längenmessungen für jeden Gletscher anhand von großskaligen Karten von zwei unterschiedlichen Personen durchgeführt.
Die Höhenpunkte wurden mit einer Genauigkeit von 10 m angegeben, die Höhe der Firnlinie mit 50 m.
2.3.2 WGI
Das WGI (WGMS u. NSIDC, 1989) umfasst mehr als 130 000 Gletscher der geschätzten Gesamt- zahl von 160000und ist damit das umfassendste Inventar. Es enthält Informationen über die geographische Lage, Fläche, Länge, Exposition, Höhe und Gletschertyp. Basierend auf Luftbil- dern, Karten und Satellitendaten beschreibt das Inventar die Situation der zweiten Hälfte des 20.
Jahrhunderts (primär 1960er bis 1970er) (Racoviteanu u. a., 2009). Der World Glacier Monito- ring Service (WGMS), welcher 1986 gegründet wurde, ist für die Organisation und Aktualisierung verantwortlich. Das Inventar enthält die Daten des Eurasian Glacier Inventory und damit mehr als 34 000 Gletscher der ehemaligen Sowjetunion und China (Bedford u. Haggerty, 1996). Diese Informationen basieren auf dem Katalog Lednikov (1967)beinhalten Angaben zur Fläche, Län- ge, Höhe, Exposition, Form und weiteren Merkmalen. Die Daten liegen als Punktinformation vor, wobei die Koordinaten in Dezimalgrad auf zwei Nachkommastellen gerundet sind, was einer Unge- nauigkeit von ca. 1 km entspricht. Daher muss die Position der Punkte manuell korrigiert werden.
Anhand der Information über Fläche und Exposition des Akkumulations- und Ablationsgebietes lassen sich die Gletscher mit hoher Sicherheit zuweisen. Ein weiterer Nachteil stellt die zeitliche Inkonsistenz des Inventars dar, welche die Verwendung einschränkt (Mergili u. a., 2012). Darüber hinaus ist nicht für alle Gletscher das Datum der Datengrundlage angegeben.
2.4 Optische Daten
2.3.3 GLIMS
Das GLIMS-Projekt wurde gestartet, um multispektrale Satellitendaten für Gletschergebiete zu erzeugen, zu sammeln, zu organisieren, sie auszuwerten und zu verstehen (Armstrong u.a., 2005). Ziel ist die Fortführung, Aktualisierung und Erweiterung des WGI. Dies bedeutet eine vollständige Erfassung aller Gletscher inklusive relevanter Parameter wie Größe, Länge und Hyp- sographie. Im Gegensatz zum WGI, welches lediglich Punktdaten enthält, werden bei GLIMS die Gletscher als Polygone dargestellt. Das Projekt ging aus der Terra-ASTER-Mission hervor und wurde vom United States Geological Survey (USGS) initiiert und koordiniert. Primäre Grundlage sind ASTER-Daten, welche durch Landsat und anderen Missionen ergänzt werden. Da GLIMS teil des ASTER Science Teams ist, wird für alle Gletscher und Eisschilde eine jährliche Überfliegung mit optimierten Einstellungen des Instruments und zu geeigneter Jahreszeit gewährleistet.
2.3.4 RGI
Das RGI ist ein vollständiges globales Inventar der Gletschergrenzen. Es ist als Ergänzung zu GLIMS im Rahmen des kommenden Fünften Sachstandsberichtes des Intergovernmental Panel on Climate Change (IPCC) erstellt worden (Arendt u.a., 2012). Seit April 2013 ist bereits die verbesserte Version 3.0 erhältlich.3 Das Projekt soll eine verbesserte Abschätzung von Gletscher- änderungen auf globaler Ebene ermöglichen. Die Daten stammen einerseits aus bestehenden Datensätzen wie GLIMS und WGI, anderseits wurden neue Gletschergrenzen aus Satellitenbil- dern gewonnen.
2.4 Optische Daten
Als optische Daten werden die Bilder bezeichnet, welche durch die Aufzeichnung der reflektierten Strahlung der Sonne gewonnen werden. Die Sensoren, welche die elektromagnetische Strahlung messen, werden daher als passive Sensoren bezeichnet. Die spektralen Bänder können in drei Klassen unterteilt werden:
- Visible/Near Infrared Reflectance (VNIR) besteht aus dem sichtbaren Licht mit den Bändern blau, grün und rot (0,4 μm bis 0,7 μm) und dem nahen Infrarot (0,7 μm bis 1,4 μm)
- Short Wave Infrared (SWIR) besteht aus dem kurzwelligen Infrarot (1,4 μm bis 3,0 μm)
- Thermal Infrared (TIR) besteht aus dem thermalen Infrarot (8,0 μm bis 15,0 μm)
2.4.1 Spionage-Satelliten
Militärische Satellitensysteme der USA begannen ab dem Jahr 1960 detaillierte Bilder der Erdoberfläche aufzunehmen. Mehrere Missionen unter den Namen CORONA, ARGON und LANYARD erfassten hauptsächliche Gebiete der ehemaligen Sowjetunion. Koordiniert wurden die Programme von der Central Intelligence Agency (CIA) und der US Air Force. Die zahlreichen Missionen (105 Corona-Missionen, davon 95 erfolgreich) verfügten über verschiedene Kame- rasysteme mit unterschiedlicher Brennweite und Auflösung (siehe Tabelle 2.2). Ab 1962 sind Stereobilder verfügbar, was eine photogrammetrische Auswertung und damit die Erstellung eines Geländemodelles ermöglicht. Die ersten Bilder wurden 1995 öffentlich zugänglich gemacht, 2002 folgte eine weitere Freigabe (Dashora u. a., 2007). Bereits digitalisierte Bilder sind über den USGS4 frei verfügbar, die restlichen Daten können für 30 $ vom USGS gescannt werden. Daneben gibt es zahlreiche andere Spionage-Satelliten, wie die sowjetische Resurs-F KFA 1000 mit einer Auflösung von 5 m, welche jedoch komplizierter in der Beschaffung sind (Khromo- va u. a., 2006).
Tabelle 2.2: Übersicht ausgewählter Spionagesatelliten der USA
Abbildung in dieser Leseprobe nicht enthalten
2.4.1.1 Corona KH-4B
Mit dem Beginn der Corona KH-4 Mission wurden zwei Panoramakameras verwendet, eine vor- und eine zurückblickende Kamera mit einem Abstand von 30 °(offiziell mit F und A bzw. FOR und AFT bezeichnet). Die Abdeckung eines Bildstreifens beträgt 14 km x188 km bei einer Auflösung von 1,83 m (Galiatsatos, 2004). Vergleichbare räumliche Auflösungen bieten derzeit nur wenige Satelliten wie IKONOS, jedoch zu prohibitiven Preisen. Infolge der Panoramakamera entstehen zum Rand hin starke geometrische Verzerrungen. Eine weitere Verzerrung wurde durch die Be- lichtungszeit von einer halben Sekunde verursacht, in welcher sich der Satellit ca. 4 km vorwärts bewegte (Sohn u. a., 2004). Diese Fehler können am besten mit einem rigorosen Model korrigiert werden. Da dieses jedoch nicht in verfügbaren Softwarelösungen implementiert ist, kann auf ein photogrammetrisches Frame Model zurückgegriffen werden. Indem einzelne kleinere Ausschnitte verwendet werden, können diese als Bilder einer Rahmenkamera betrachtet werden. Eine weitere Herausforderung ist die abnehmende Helligkeit zum Rand hin, welche infolge der Panoramaauf- nahme durch den Betrachtungswinkel hervorgerufen wird.
Da für das Gebiet Pathkur ein Geländemodell aus Stereodaten berechnet werden sollte, mussten zwei Aufnahmen über den USGS erworben werden. Zwei weitere waren bereits zum Download verfügbar. Alle Aufnahmen wurden mit einer Auflösung von 3600 dpi (7 μm) eingescannt.
2.4.1.2 KH-9
Nach der ersten Veröffentlichung von Spionage-Satellitenbildern wurden 2002 und 2011 weite- re Bilder der Mission KH-7 und KH-9 deklassifiziert. Es können weiterhin Stereobilder aus der Überlappung mehrerer Bilder berechnet werden. Ein Vorteil gegenüber früheren Systemen ist die geringere Verzerrung aufgrund der Verwendung einer Rahmenkamera bei einer ähnlichen Auflösung wie KH-4B. Die räumliche Ausdehnung ist mit Landsat vergleichbar, wobei Corona KH-9 eine vielfach bessere räumliche Auflösung aufweist.
Für das EZG sind Aufnahmen der Mission KH-9 vorhanden, doch ist der Aufnahmezeitpunkt aller Szenen im Juli. Daraus resultiert eine sehr hohe Schneebedeckung, was sowohl die Abgrenzung der Gletscher als auch eine photogrammetrische Auswertung stark erschwert. Lediglich große Talgletscher, deren Zungen weit hinab reichen, können eindeutig erkannt werden. Der Daten- satz böte sich daher lediglich für eine Validierung der Klassifizierungsergebnisse basierend auf Landsat MSS an.
2.4.2 Landsat
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.1: Chronologische Abfolge der bisherigen und geplanten Landsat-Missionen, Quelle: http://landsat.usgs.gov
Wesentliche Vorteile von Landsat sind die einzigartig lange Datenreihe von 1972 bis heute, die freie Verfügbarkeit aller Daten und die relativ hohe räumliche und radiometrische Auflösung (siehe Tabelle 2.3). Mit dem Start von Landsat 8 im Februar 2013 wurde die Landsat-Mission erfolgreich weitergeführt (siehe Abbildung 2.1). Alle Szenen werden als Level 1 Produkte prozessiert. Dies beinhaltet folgende Parameter:
- Kartenprojektion: Universal Transverse Mercator (UTM)
- Datum: World Geodetic System 1984 (WGS84)
- Resampling Methode: Cubic Convolution
- Datenformat: GeoTIFF
Die meisten Bilder werden als Level 1T angeboten. Dies beinhaltet eine systematische, radiome- trische und geometrische Korrektur, wobei für die Passpunkte der GLS2000-Datensatz verwendet wird und das DGM überwiegend auf SRTM-Daten beruht. Die räumliche Lage aller verwendeten Landsat-Szenen ist am Ende Kapitels in Abbildung 2.2 dargestellt.
Tabelle 2.3: Technischen Daten der bisherigen Landsat-Missionen
Abbildung in dieser Leseprobe nicht enthalten
2.4.2.1 Multi Spectral Scanner (MSS)
Der erste Landsat-Satellit wurde 1972 unter dem Namen Earth Resources Technology Satellite (ERTS) gestartet. An Bord befand sich der MSS-Sensor, welcher eine spektrale Auflösung von vier Kanälen besaß (siehe Tabelle 2.4). Der Satellit erfasste bis 1978 Daten, welche an Qualität und Bedeutung alle Erwartungen übertrafen. Landsat 2 wurde 1975 mit der gleichen Konfiguration gestartet und besaßt eine Betriebszeit von sieben Jahren. Mit dem Start von Landsat 3 im Jahr 1978 sollte die Mission kommerzialisiert werden. Der Satellit wurde um einen thermalen Kanal erweitert, welcher jedoch kurz nach dem Start ausfiel. 1983 wurde der Betrieb beendet. Die Bildgröße beträgt 185 km x 185 km, die temporale Auflösung 18 Tage, die räumliche Auflösung wird meist auf 57 m oder 60 m resampelt. Die Nachfolger Landsat 4 und 5 waren ebenfalls mit dem MSS-Sensor ausgestattet.
Tabelle 2.4: Übersicht des Sensors MSS (Landsat 1-3)
Abbildung in dieser Leseprobe nicht enthalten
2.4.2.2 Thematic Mapper (TM)
Der Nachfolger von Landsat 3 unterschied sich deutlich von seinen Vorgängern. Der neue Sensor TM wurde sowohl in räumlicher als auch spektraler Auflösung verbessert. Er verfügt über sechs Spektralkanäle mit einer Auflösung von 30 m und einem Thermalkanal mit 120 m Auflösung (siehe Tabelle 2.5). Jedoch wurde die Datenübertragung bereits ein Jahr nach dem Start durch einen technischen Defekt eingeschränkt. 2001 wurde der Landsat 4 stillgelegt. Landsat 5 wurde 1984 von der NASA gestartet und besaß die gleichen Instrumente (MSS und TM) wie sein Vorgänger. Drei Jahre später kam es zu einer Einschränkung der Datenübertragung, 1995 wurde das MSS- Instrument ausgeschalten. Die Umlaufbahn des Satelliten wurde 2013 geplant abgesenkt und damit die Mission beendet.
Tabelle 2.5: Übersicht des Sensors TM (Landsat 4-5)
Abbildung in dieser Leseprobe nicht enthalten
Nach dem Absturz des Landsat 6, welcher mit dem Enhanced Thematic Mapper (ETM) Instrument ausgestattet war, wurde dieses weiterentwickelt und bei Landsat 7 als ETM+ eingesetzt, welcher 1999 erfolgreich gestartet wurde. Der Sensor enthält zusätzlich einen panchromatischen Kanal mit 15 m Auflösung (siehe Tabelle 2.6). Die Auflösung des thermalen Kanals wurde auf 60 m er- höht und die radiometrische Kalibrierung stark verbessert. Die Bildgröße beträgt 183 km x 170 km, die temporale Auflösung 16 Tage. Im Mai 2003 fiel der Scan Line Corrector (SLC), ein mecha- nisches Gerät zur Kompensation der Vorwärtsbewegung, aus. Infolge dessen beinhalten alle Szenen Fehlbereiche, welche zum Rand hin zunehmen. Ungefähr 22 % jedes Bildes sind damit unbrauchbar (Chen u. a., 2011).
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.2: Lage und Bezeichnung der verwendeten Landsat-Szenen, nach Aufnahmejahr farb- lich sortiert
Tabelle 2.6: Übersicht des Sensors ETM+ (Landsat 7)
Abbildung in dieser Leseprobe nicht enthalten
2.4.3 ASTER
Der Sensor Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) wurde im Dezember 1999 an Bord des Terra-Satelliten in den Orbit gebracht. Die Mission ist Bestand- teil des Earth Observing System (EOS) der National Aeronautics and Space Administration (NASA). Insgesamt werden 14 Kanäle vom sichtbaren Bereich bis zum thermalen Infrarot von drei verschiedenen Teleskopen aufgezeichnet (siehe Tabelle 2.7). Außerdem ermöglicht ein zurückblickendes NIR-Band mit einem Winkel von 27,6°Stereobilder (siehe Abbildung 2.4) (Kääb u.a., 2002). Die räumliche Auflösung beträgt 15 m im VNIR (3 Bänder + 1 Backward), 30 m im SWIR (6 Bänder) und 90 m im TIR (5 Bänder). In Abbildung 2.3 wird der Vergleich der räumlichen und spektralen Auflösung zwischen ASTER und Landsat ETM+ visualisiert. Die Schwadbreite liegt bei 60 km (vgl. Landsat TM 185 km). Seit April 2008 schränkt ein Fehler des SWIR-Detektors die Datenqualität der Bänder 4-9 ein.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.3: Vergleich der spektralen Bänder von ASTER und Landsat ETM+. Die rechteckigen Boxen, mit Nummer und räumlicher Auflösung, symbolisieren die Kanäle des Sensors. Farbige Kurve im Hintergrund stellt die Durchlässigkeit der Atmosphäre in Abhängigkeit zur Wellenlänge dar, gestrichelte Linie grenzt Bereich des sichtbaren Lichtes ein. Quelle: Kääb u. a. (2002)
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.4: Prinzip der Aufzeichnung von Stereobildern am Beispiel von ASTER, Quelle: Kääb u. a. (2002)
ASTER produziert mehrere Datenprodukte, wobei die verwendeten im Folgenden dargestellt werden:
- L1A: beinhaltet nichtskalierte Digital Numbers, radiometrische Koeffizienten und geometrische Koeffizienten
- L1B: beinhaltet radiometrisch kalibrierte und geometrisch koregistrierte Daten in UTMProjektion, jedoch ohne Geländekorrektur
- 14DMO: beinhaltet sowohl ein DGM als auch orthorektifizierte und radiometrisch kalibrierte Daten
ASTER-Daten sind die Grundlage für die Erstellung eines weltweiten Gletscherinventars durch das Projekt GLIMS. Die Daten können für 80 $ pro Szene gekauft oder für wissenschaftliche Zwecke kostenlos beantragt werden.5
2.4.3.1 ASTER GDEM
Das ASTER Global Digital Elevation Model (ASTER GDEM) ist ein globales Höhenmodell, wel- ches aus den Stereobildern berechnet wurde. Die räumliche Auflösung beträgt 30 m. Da ca. 1,5 Millionen Bildpaare seit dem Jahr 2000 für die Berechnung verwendet wurden, kann einem be- stimmten Pixel/Höhenwert daher kein genauer Zeitpunkt zugeordnet werden (Mukherjee u.a., 2013).
Im Oktober 2011 wurde der verbesserte Datensatz ASTER GDEM Version 2 veröffentlicht, wel- cher für diese Arbeit Verwendung findet. Die vertikale Genauigkeit liegt bei 8,86 m (ASTER GDEM Validation Team, 2011a). Der Root Mean Square Error (RMSE) wird in der Literatur mit 15-60 m für die Vertikale angegeben (in starker Abhängigkeit vom Gelände) und mit 15-50 m für die Hori- zontale (Nuth u. Kääb, 2011). Aufgrund der Ausrichtung des Sensors treten vermehrt Fehler im
Tabelle 2.7: Übersicht des Sensors ASTER
Abbildung in dieser Leseprobe nicht enthalten
Bereich von nordexponierten Hängen auf. Da bei einer photogrammetrischen Auswertung ein aus- reichend hoher Kontrast notwendig ist, treten weiterhin starke Ungenauigkeiten in Bereichen von Schnee und Schatten auf (Pellikka u. Rees, 2010). Diese Fehler/Lücken können mit SRTM-Daten geschlossen werden (Kääb, 2005).
2.4.4 RapidEye
RapidEye ist eine Satellitenmission, welche im Rahmen eines Public Private Partnership (PPP) zwischen dem Deutschen Zentrum für Luft- und Raumfahrt (DLR) und der RapidEye AG im Au- gust 2008 gestartet wurde. Die Mission hat eine geplante Laufzeit von 7 Jahren. Das System besteht aus fünf baugleichen Satelliten. Damit können hochauflösende Bilder mit einer geome- trischen Genauigkeit von 6,5 m jeden Punkt der Erdoberfläche täglich erfassen. Die spektrale Auflösung liegt bei 5 Kanälen im Bereich des sichtbaren Lichtes und des nahen Infrarotes (siehe
Tabelle 2.8). Die Kamera arbeitet nach dem Prinzip eines multispektralen Pushbroom-Scanners.
Abbildung in dieser Leseprobe nicht enthalten
Die temporale Auflösung beträgt je nach Modus 1 Tag (off-nadir) bzw. 5,5 Tage (nadir). Die Daten können kommerziell bei der RapidEye AG erworben werden. Das DLR kann jedoch über das RapidEye Science Archive (RESA) Daten für wissenschaftliche Zwecke kostenfrei zur Verfügung stellen. Details zur Mission und zum Projektantrag sind auf der Homepage der RESA6 näher beschrieben. Das eingereichte Proposal wird im Anhang D.1 beigefügt.
Die temporale sowie die räumliche Abdeckung der RapidEye-Daten sind in Tabelle 2.9 zusam- mengefasst. Lediglich im Jahr 2011 und 2012 konnte unter Verwendung geeigneter Szenen eine 100 %-ige Abdeckung des Untersuchungsgebietes erreicht werden.
Tabelle 2.8: Übersicht des Sensors RapidEye
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2.9: Übersicht über die temporale und räumliche Abdeckung der RapidEye-Daten im Unter-
Aufnahmejahr Anzahl der Datensätze Fläche in km2 Flächenanteil in %
Abbildung in dieser Leseprobe nicht enthalten
2.4.5 SPOT
SPOT 1-3 Der erste SPOT-Satellit wurde 1986 gestartet, mit einer bis dahin unerreichten Auflö- sung im zivilen Bereich. Es folgte 1990 SPOT 2, der zusätzlich mit dem präzisen Positionierungs- system Doppler Orbitography and Radiopositioning Integrated by Satellite (DORIS) ausgestattet war. SPOT 3 wurde 1993 gestartet, besaß jedoch nur eine Lebensdauer von drei Jahren. SPOT 1-3 verfügten über jeweils 2 High Resolution Visible (HRV) Sensoren, welche in zwei Modi arbei- ten konnten, panchromatisch und multispektral. Im Gegensatz zu Landsat handelte es sich um Pushbroom-Scanner. Die räumliche Auflösung beträgt 10 m im panchromatischen (P) und 20 m im multispektralen (XS) Modus, welcher über drei Bänder (grün, rot, NIR) verfügt. Die temporale Auflösung beträgt 26 Tage. Die Größe einer Kachel beträgt 3600 km2, etwa 1/10 von Landsat. Die beiden permanent arbeitenden Kameras konnten außerdem gekippt werden, was einerseits die Wiederholraten von Aufnahmen eines Gebietes steigern konnte, andererseits Stereobilder und damit die Berechnung von Geländemodellen ermöglichte. Huggel u. a. (2002) nutzen panchroma- tische SPOT-Bilder zur Verbesserung der räumlichen Auflösung von Landsat-TM-Daten.
SPOT 4 SPOT 4 wurde 1998 mit dem verbesserten Sensor High Resolution Visible and Infrared (HRVIR) gestartet. Dieser kann zusätzlich im mittleren Infrarot aufzeichnen. Der Satellit besitzt im Gegensatz zu seinen Vorgängern zwei Sensoren an Bord, einen multispektralen und einen panchromatischen. Sie verfügen jedoch über die gleiche räumliche Auflösung wie SPOT 1-3.
SPOT 5 Der fünfte SPOT-Satellit wurde 2002 gestartet. Dessen zwei HRVIR-Sensoren verfügen über eine verbesserte Auflösung (2,5-5 m panchromatisch, 10 m multispektral (VNIR) und 20 m im mittleren Infrarot). Eine weitere Entwicklung ist der High Resolution Stereoscopic (HRS) Sensor, welcher mit einem zeitlichen Abstand von 90 Sekunden Stereobildpaare für eine Fläche von 120 km Breite und 600 km Länge mit einer Auflösung von 10 m bzw. 5 m aufzeichnet (Across track).
Der Winkel beträgt jeweils 20 Grad. Außerdem bietet SPOT-5 eine verbesserte Lagegenauigkeit von <50 m RMS ohne GPCs. Jedoch sind nur Daten des HRVIR-Sensors über die European Space Agency (ESA) verfügbar.
Aufgrund der großen Anzahl an Daten, einer geeigneten Schwadbreite in Hinblick auf die Größe des Untersuchungsgebietes und dem Beginn der Aufzeichnung ab 1986 wurden die SPOT-Daten als sehr geeignet betrachtet. Da die Bilder mittels Proposal über die ESA erhältlich sind, wurde ein Antrag eingereicht (siehe Anhang Kapitel D.2). Trotz Genehmigung konnten die beantragten Szenen nicht bereitgestellt werden, da die ESA zurzeit keine weiteren Daten von SPOTImage erwerben kann (ESA EO, 2012, schriftliche Mitteilung). Daher musste auf eine Verwendung dieser Datengrundlage verzichtet werden.
Tabelle 2.10: Übersicht über die SPOT-Missionen
Mission Betrieb temporale räumliche spektrale Schwadbreite Auflösung Auflösung in m Auflösung in km
Abbildung in dieser Leseprobe nicht enthalten
2.4.6 Zusammenfassung - optische Satellitendaten
In Tabelle 2.11 sind die verwendeten multispektralen Daten in einer Übersicht dargestellt. Neben diesen aufgeführten Daten wird eine Vielzahl an weiteren Satelliten für die Erfassung von Glet- schern verwendet. Aufgrund diverser Gründe wie Verfügbarkeit (Preis), ungenügende Bilddaten in ausreichender Qualität (v.a. Wolken-/Schneebedeckung), Aufwand und Nutzen wurden folgende Datengrundlagen jedoch nicht verwendet.
- Ikonos-2: über ESA verfügbar, zu geringe Abdeckung/zu hohe Auflösung
- Quickbird-2: bisher nur kommerziell vermarktet
- EO-1: nur sehr wenige Bilder vorhanden, da Tasking-Satellit
- Cartosat-1: bisher nur kommerziell vermarktet
- Geoeye: bisher nur kommerziell vermarktet
- ALOS PRISM: über ESA verfügbar, jedoch keine Bilddaten in ausreichender Qualität
- SPOT 6/7: bisher nur kommerziell vermarktet
Tabelle 2.11: Übersicht über die Auflösung der verwendeten multispektralen Daten
Abbildung in dieser Leseprobe nicht enthalten
2.5 Radar-Daten
Radio Detection and Ranging (RADAR) ist ein aktives System, welches die Entfernung zwischen dem Sensor und dem Reflektor misst (Ranging). Da die Eindringtiefe von der Wellenlänge abhän- gig ist, kann die Bezugsfläche, gerade bei Eis und Schnee, auch unterhalb der Geländeoberfläche liegen.
2.5.1 SRTM
Die Shuttle Radar Topography Mission (SRTM) war ein transnationales Raumfahrtprojekt zwi- schen USA, Deutschland und Italien zur Erstellung eines nahezu weltweiten Geländemodelles.
Am 11.Februar 2000 startete das Space Shuttle Endeavour zu der 11-tägigen Mission. An Bord waren zwei Instrumente, das SIR-C (NASA) und das X-SAR (Deutsches Zentrum für Luft- und Raumfahrt (DLR) mit Beteiligung der Agenzia Spaziale Italiana (ASI)). Mit der Mission wurde die Erdoberfläche zwischen dem 60. nördlichen und 57. südlichen Breitengrad abgedeckt.
2.5.1.1 SRTM-C
Die Daten des amerikanischen C-Bandes liegen in einer räumlichen Auflösung von einer Bogen- sekunde vor, was 30 m am Äquator entspricht. Diese SRTM1-Modelle können jedoch nur für das Gebiet der USA kostenfrei bezogen werden. Für den Rest der Welt wurde die Auflösung auf 3 Bo- gensekunden heruntergerechnet. Die absolute vertikale Genauigkeit für 90 % der Daten beträgt 16 m (Rodriguez u.a., 2005). Diese Abweichung ist primär auf Schwingungen des 60 m langen Mastes zurückzuführen. Systematische Fehler können durch das Eindringen der Strahlung in die Oberfläche entstehen. Für Schnee kann die Eindringtiefe je nach Beschaffenheit bei 1-10 m liegen (Rignot u. a., 2001). Die absolute horizontale Genauigkeit für 90 % der Daten beträgt 20 m (Rodriguez u. a., 2005).
Infolge der Radar-Interferometrie können gerade im Hochgebirge Datenlöcher im Radar-Schatten und durch Überlagerungseffekte entstehen. Der lückenhafte Datensatz, im Folgenden SRTM- Gaps bezeichnet, ist über den USGS EarthExplorer erhältlich.
[...]
1 Der Amu Darja versiegt teilweise vor der Mündung in den Aralsee (Eschment, 2011).
2 http://unstats.un.org/unsd/methods/m49/m49regin.htm
3 http://glaciology.ethz.ch/swiss-glaciers/download/aletsch_de.pdf
1 www.maps.vlasenko.net
2 www.mapj42.narod.ru
3 http://www.glims.org/RGI/
4 www.earthexplorer.usgs.gov
5 https://lpdaacaster.cr.usgs.gov/afd/index.php
6 www.resaweb.dlr.de
- Arbeit zitieren
- Martin Lindner (Autor:in), 2013, Rezente Gletscheränderung im Einzugsgebiet des Gunts, Tadschikistan, München, GRIN Verlag, https://www.grin.com/document/283627
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.