Article révisé par les pairs
| Résumé : | Lake Chad, situated in the semi-arid region of African Sahel, plays a vital role in hydrogeological balance of regional ecosystems. It presents an essential water source and provides a habitat for rare wildlife species including migrating waterbirds. However, the lake has shrunk significantly since the 1960s and has continued to reduce in size and extent during recent decades. Trends in drying and shrinking of Lake Chad are caused by environmental factors and changed climate. The desiccation of the lake is threatening environmental sustainability. This study focused on identification of changes in the Chad Lake area, wetland extent, and associated land cover types. The methods include the Geographic Resources Analysis Support System (GRASS) Geographic Information System (GIS) for remote sensing data classification. The maximum likelihood discriminant analysis classifier was applied for analysis of multispectral Landsat 8–9 OLI/TIRS images in 2013, 2017, and 2022. Detected changes in land cover types reflect variations in water balance and wetland area and extent around Lake Chad over recent decades. Cartographic scripting tools of GRASS GIS provide an efficient method of digital image processing for monitoring endorheic lakes of Central Africa. GRASS GIS methods provide an opportunity to automatically classify Earth observation data with cartographic scripts for environmental monitoring. |
| Der Tschadsee liegt in der halbtrockenen Region der afrikanischen Sahelzone und spielt eine entscheidende Rolle für das hydrogeolo- gische Gleichgewicht regionaler Ökosysteme. Es stellt eine wichtige Wasserquelle dar und bietet Lebensraum für seltene Wildtierarten, darunter auch wandernde Wasservögel. Allerdings ist der See seit den 1960er-Jahren erheblich geschrumpft und hat in den letzten Jahr- zehnten immer weiter an Größe und Ausdehnung abgenommen. Tendenzen zur Austrocknung und Schrumpfung des Tschadsees werden durch Umweltfaktoren und verändertes Klima verursacht. Die Austrocknung des Sees gefährdet die ökologische Nachhaltigkeit. Diese Studie konzentrierte sich auf die Identifizierung von Veränderungen im Gebiet des Tschadsees, der Feuchtgebietsausdehnung und den damit verbundenen Landbedeckungstypen. Zu den Methoden gehört das GRASS GIS zur Klassifizierung von Fernerkundungsdaten. Der Maximum-Likelihood-Diskriminanzanalyse-Klassifikator wurde für die Analyse multispektraler Landsat 8-9 OLI/TIRS-Bilder in den Jahren 2013, 2017 und 2022 angewendet. Die festgestellten Veränderungen in den Landbedeckungstypen spiegeln Schwankungen im Wasserhaushalt, in der Feuchtgebietsfläche und in der Ausdehnung rund um den Tschadsee in den letzten Jahrzehnten wider. Kartogra- fische Skriptwerkzeuge des GRASS GIS bieten eine effiziente Methode der digitalen Bildverarbeitung zur Überwachung endorheischer Seen in Zentralafrika. Die GRASS GIS-Methoden bieten die Möglichkeit, die Erdbeobachtungsdaten automatisch nutzend kartografi- schen Skripten für die Umweltüberwachung zu klassifizieren. |
