dc.contributor.advisor | Kappas, Martin Prof. Dr. | de |
dc.contributor.author | Bachmann, Beatrice Yvonne | de |
dc.date.accessioned | 2012-02-03T15:24:05Z | de |
dc.date.accessioned | 2013-01-18T11:28:47Z | de |
dc.date.available | 2013-01-30T23:50:15Z | de |
dc.date.issued | 2012-02-03 | de |
dc.identifier.uri | http://hdl.handle.net/11858/00-1735-0000-0006-B306-4 | de |
dc.identifier.uri | http://dx.doi.org/10.53846/goediss-2405 | |
dc.description.abstract | Tropische Bergregenwälder sind Biodiversitätshotspots und generieren wichtige ökosystemare Dienstleistungen. Angesichts des menschlichen Nutzungsdrucks werden effektiv gemanagte Schutzgebiete als wirkungsvoll angesehen, um diese Ökosysteme zu erhalten. Eine fundamentale Voraussetzung dafür, dass Schutzgebiete effektiv gemanagt werden können, ist die Einbeziehung von wissenschaftlichen Basisdaten in Managemententscheidungen. Gerade in den Tropen fehlen solche Basisdaten oft. Dies ist auch der Fall in unserem Untersuchungsgebiet, dem Bergwaldnationalpark Armando Bermúdez in der Dominikanischen Republik. Ziel dieser Studie war es, ökologische und umweltrelevante Daten über den Nationalpark zu erheben und zu analysieren, um damit eine Basis für ein verbessertes Schutzgebietsmanagement zu schaffen. Die behandelten Themen waren im Einzelnen: 1) Erstellung einer Landbedeckungs- und nutzungskarte basierend auf digitalen Luftbildern, 2) Analyse der Hauptvegetationstypen und Modellierung der räumlichen Verbreitung und 3) Analyse der Gehölzartenvielfalt und der endemischen Gehölze sowie Modellierung der räumlichen Verbreitung. Für die Erstellung der Landbedeckungs- und â nutzungskarte wurden 295 digitale Luftbilder orthorektifiziert und mosaickiert. Die Orthorektifizierung war aufgrund der begrenzten Möglichkeiten gleichmäßig verteilte Passpunkte zu identifizieren sowie aufgrund schwacher Texturunterschiede zwischen den Bildern erschwert. Durch die manuelle Suche von Passpunkten, den sogenannten tie points, und die Einbeziehung eines digitalen Höhenmodells aus 100 m Höhenlinien konnte dennoch ein sehr genaues Orthorektifizierungsergebnis erzielt werden. Die visuelle Interpretation des Luftbildmosaicks basierte auf Felddaten und den Methoden der Luftbildinterpretation. Insgesamt wurden 13 Landbedeckungs- und â nutzungsklassen unterschieden (darunter drei Waldtypenklassen). Landwirtschaftliche Aktivitäten finden im Norden des Schutzgebietes statt. Um die Verbreitung der Waldtypen und der Arten besser verstehen zu können, wurde die floristische Zusammensetzung der Waldtypen und die Beziehung Umwelt-Vegetation untersucht. Mittels Ordinationstechniken wurden die floristischen Daten analysiert und vier Waldtypen unterschieden. Höhe über NN, Jahresmitteltemperatur, mittlerer Jahresniederschlag und der Boden pH-Wert waren die wichtigsten Umweltfaktoren, die deren Verbreitung determinierten. Diese Parameter gingen in ein ökologisches Nischenmodell ein, welches auf dem Maximum Entropieansatz (Maxent) basiert. Ergebnis des Nischenmodells ist die potentielle räumliche Verbreitung der Waldtypen. Nadelwälder kommen auf den höchsten Erhebungen vor während die Feuchtwälder die potentiell günstigsten Umweltbedingungen in den niedrigsten Lagen des Schutzgebietes vorfinden. Nebelwälder reichen bis 2,300 m ü. NN. Die Gehölzartenvielfalt wurde auf Basis von 63 binären aufsummierten Nischenmodellen berechnet. Die Gehölzartenvielfalt korrelierte stark negativ mit der Höhe. Die größte Anzahl endemischer Gehölze wurden zwischen 1,500-1,700ma.s.l. vorhergesagt. Zu beiden Seiten dieser Höhenstufe fiel die Kurve ab (hump-shaped curve) Die Ergebnisse dieser Studie dienen als Basisdaten für ein verbessertes Nationalparkmanagement. Sie können beispielsweise zur Etablierung eines Vegetationsmonitorings oder Erstellung eines Naturschutzplans herangezogen werden. Außerdem ermöglichen sie die Untersuchung der Auswirkungen des Klimawandels auf die natürliche Vegetation des Nationalparks. | de |
dc.format.mimetype | application/pdf | de |
dc.language.iso | eng | de |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/ | de |
dc.title | Extraction and Analysis of Baseline Data for Protected Area Management Using Geographic Information Systems, Remote Sensing and Ecological Niche Modeling Case Study: Armando Bermúdez National Park in the Cordillera Central of the Dominican Republic | de |
dc.type | doctoralThesis | de |
dc.title.translated | Erstellung und Analyse von Basisdaten für das Schutzgebietsmanagement mittels Geographischer Informationssysteme, Fernerkundung und ökologischer Nischenmodellierung Fallstudie: Nationalpark Armando Bermúdez in der Zentralkordillere der Dominikanischen Republik | de |
dc.contributor.referee | Kappas, Martin Prof. Dr. | de |
dc.date.examination | 2011-11-10 | de |
dc.subject.dnb | 550 Geowissenschaften | de |
dc.description.abstracteng | Tropical humid mountain forests are hotspots of biodiversity and providers of important ecosystem services. In the light of increasing human pressure, effectively managed protected areas represent an important means to conserve these ecosystems. A fundamental basis for effective management of protected areas is the integration of scientific baseline data in management decisions. Especially in the tropics such baseline data are largely missing. This is also the case in our study area, Armando Bermúdez National Park in the Dominican Republic. The aim of this research was to collect and analyze ecological and environmental data in this mountain national park and to provide baseline data for an improved management. The objectives of this study were: 1) Generation of a land cover/use map based on digital aerial photographs; 2) Analysis of the main vegetation types and modeling their spatial distribution; 3) Analysis of woody species richness/endemism and modeling their spatial distribution. For the land cover/use map 295 digital aerial photographs were orthorectified and mosaicked. The orthorectification process was hampered by the limited number of evenly distributed Ground Control Points and by the low textured aerial photos. Both the manual search for tie points and the integration of a Digital Elevation Model derived from 100 m contour lines led to a highly accurate orthorectification result. The visual interpretation of the mosaic was based on field samples, taking into account the characteristic elements of aerial photograph interpretation. Altogether, 13 land cover (thereof three forest types) and land use classes were differentiated. Agricultural activities were detected along the northern border of the national park. To understand forest patterns and species distribution, the floristic composition and the environmental-vegetation relationships were investigated. Floristic data were analyzed by ordination techniques. Four forest types were distinguished. Altitude, annual mean temperature, annual mean precipitation and soil pH were the most important environmental factors explaining their occurrence. These factors were used in a maximum entropy approach (Maxent) to model the potential distribution of each forest type. Pine forests occur at the highest elevation and humid broadleaf forests at the lowest. Cloud forests find their best conditions up to 2,300 m a.s.l.. The woody species richness was calculated by summing up 63 binary niche models. Woody species richness correlated highly negatively with increasing altitude. The highest number of endemic woody species was predicted between 1,500-1,700 m a.s.l., decreasing towards higher and lower elevations (hump-shaped curve). The results of this study are significant for an improved management. They can be used to establish a vegetation monitoring program or to elaborate a conservation plan, amongst others. Furthermore they form the basis for researching the effects of climate change on the natural vegetation of the national park | de |
dc.contributor.coReferee | Tackenberg, Oliver Prof. Dr. | de |
dc.subject.topic | Geosciences and Geography | de |
dc.subject.ger | Bergregenwälder | de |
dc.subject.ger | Schutzgebietsmanagement | de |
dc.subject.ger | Geographische Informationssysteme (GIS) | de |
dc.subject.ger | Fernerkundung | de |
dc.subject.ger | Ökologische Nischenmodellierung (ENM) | de |
dc.subject.ger | Vegetationstypen | de |
dc.subject.ger | Artenvielfalt. | de |
dc.subject.eng | Mountain forests | de |
dc.subject.eng | protected area management | de |
dc.subject.eng | Geographic Information Systems (GIS) | de |
dc.subject.eng | Remote Sensing | de |
dc.subject.eng | Ecological Niche Modeling (ENM) | de |
dc.subject.eng | vegetation type | de |
dc.subject.eng | species richness. | de |
dc.subject.bk | 38.03 | de |
dc.subject.bk | 42.07 | de |
dc.identifier.urn | urn:nbn:de:gbv:7-webdoc-3353-0 | de |
dc.identifier.purl | webdoc-3353 | de |
dc.affiliation.institute | Fakultät für Geowissenschaften und Geographie | de |
dc.subject.gokfull | QBD500 | de |
dc.subject.gokfull | QBD700 | de |
dc.subject.gokfull | WS000 | de |
dc.identifier.ppn | 720442621 | de |