Shifting cultivation and forest resources in Nagaland, N.-E. India

Die vorliegende Studie befasst sich mit der Ressourcennachhaltigkeit der traditionellen, auf Wanderfeldbau beruhenden Subsistenzwirtschaft in zwei Dörfern (Hongphoy und Minyakshu) in Nagaland im Nordosten Indiens. Hierbei werden die Cerealien Produktion, der Feuerholz Konsum und auch die Folgen der intensivierten Bewirtschaftung (Forstdegradation und Bodenverarmung) im Hinblick auf das Bevölkerungswachstum diskutiert. Während das traditionelle System des Wanderfeldbaus (Jhum) seit Jahrzehnten die Bedürfnisse der ehemals kopfjagenden Stämme Nagalands erfüllte, ergab unsere Studie durch Interviews und Feldaufnahmen in 2004 und 2005, dass die steigende Nachfrage einer wachsenden Bevölkerung nach Cerealien und Feuerholz als wichtigste Ressourcen der Subsistenzwirtschaft zu einer verkürzten Brachezeit und letztlich der Degradation von Naturressourcen geführt hat: Pro Hektar Ernten sind reduziert und der Zuwachs der Holzvorräte auf den Feldern kann durch die verkürzten Bracheperioden nicht mehr die Feuerholz Nachfrage decken. Eine Nahrungsmittelknappheit wurde durch die Gegenüberstellung des Energiebedarfs einer Person und die jährlichen pro-Kopf Erntemengen und unter Berücksichtigung des Zukaufs von Reis reflektiert: In Hongphoy ergab dies ein Defizit auf Dorfebene von 130 Tonnen Reis, in Minyakshu von 480 Tonnen, die nicht durch Ernten gedeckt werden konnten. Diese Nahrungsmittelknappheit erweist sich vor allem vor dem Hintergrund eines Bevölkerungswachstums von 6.7% und marginalen Einkünften als problematisch. Für fünf verschiedene Waldformationen (zwei Brachewälder, zwei Dorfwälder und ein Naturwald) wurden die unterschiedliche Artenzusammensetzung (Diversität) und Bestandesvolumina durch Forstinventuren beschrieben. Der dem Bestandesvolumen der Brachewälder gegenübergestellte pro-Kopf Feuerholz Bedarf ergab ein jährliches Defizit von 1,81m³ in Hongphoy und 0.05m³ in Minyakshu. Der Unterschied dieses Defizits zwischen beiden Dörfern wurde in einer abweichenden Bestandesstruktur (Dominanz der N2 fixierenden Baumart Alnus nepalensis in den Brachewäldern Minyakshus) begründet. Über den erhobenen Feuerholzbedarf wurde ein theoretischer pro-Kopf Flächenbedarf an Brachewald errechnet, der nötig wäre um den gesamten Feuerholz Bedarf innerhalb des Wanderfeldbau Systems zu decken. Das daraus resultierende Defizit wurde mit den Feuerholzvolumina der Dorfwälder und des verbliebenen Naturwalds gegenüber gestellt. Hieraus ergibt sich die Bedeutung der Feuerholzernte und des Wanderfeldbau als Ursache für die fortschreitende Entwaldung und Forstdegradation in Nagaland. Mit Hilfe dieser Informationen und aktuellen Angaben zum Bevölkerungswachstum werden die Ergebnisse anhand einschlägiger Literatur diskutiert und letztendlich die Nachhaltigkeit und Tragfähigkeit des Wanderfeldbau Systems in dieser Region bestimmt. Mögliche Verbesserungsstrategien um der zunehmenden Ressourcendegradation zu begegnen, werden andiskutiert.

Multi-Robot Task Allocation for Inspection Problems with Cooperative Tasks Using Hybrid Genetic Algorithms

In dieser Dissertation werden Methoden zur optimalen Aufgabenverteilung in Multirobotersystemen (engl. Multi-Robot Task Allocation – MRTA) zur Inspektion von Industrieanlagen untersucht. MRTA umfasst die Verteilung und Ablaufplanung von Aufgaben für eine Gruppe von Robotern unter Berücksichtigung von operativen Randbedingungen mit dem Ziel, die Gesamteinsatzkosten zu minimieren. Dank zunehmendem technischen Fortschritt und sinkenden Technologiekosten ist das Interesse an mobilen Robotern für den Industrieeinsatz in den letzten Jahren stark gestiegen. Viele Arbeiten konzentrieren sich auf Probleme der Mobilität wie Selbstlokalisierung und Kartierung, aber nur wenige Arbeiten untersuchen die optimale Aufgabenverteilung. Da sich mit einer guten Aufgabenverteilung eine effizientere Planung erreichen lässt (z. B. niedrigere Kosten, kürzere Ausführungszeit), ist das Ziel dieser Arbeit die Entwicklung von Lösungsmethoden für das aus Inspektionsaufgaben mit Einzel- und Zweiroboteraufgaben folgende Such-/Optimierungsproblem. Ein neuartiger hybrider Genetischer Algorithmus wird vorgestellt, der einen teilbevölkerungbasierten Genetischen Algorithmus zur globalen Optimierung mit lokalen Suchheuristiken kombiniert. Zur Beschleunigung dieses Algorithmus werden auf die fittesten Individuen einer Generation lokale Suchoperatoren angewendet. Der vorgestellte Algorithmus verteilt die Aufgaben nicht nur einfach und legt den Ablauf fest, sondern er bildet auch temporäre Roboterverbünde für Zweiroboteraufgaben, wodurch räumliche und zeitliche Randbedingungen entstehen. Vier alternative Kodierungsstrategien werden für den vorgestellten Algorithmus entworfen: Teilaufgabenbasierte Kodierung: Hierdurch werden alle möglichen Lösungen abgedeckt, allerdings ist der Suchraum sehr groß. Aufgabenbasierte Kodierung: Zwei Möglichkeiten zur Zuweisung von Zweiroboteraufgaben wurden implementiert, um die Effizienz des Algorithmus zu steigern. Gruppierungsbasierte Kodierung: Zeitliche Randbedingungen zur Gruppierung von Aufgaben werden vorgestellt, um gute Lösungen innerhalb einer kleinen Anzahl von Generationen zu erhalten. Zwei Umsetzungsvarianten werden vorgestellt. Dekompositionsbasierte Kodierung: Drei geometrische Zerlegungen wurden entworfen, die Informationen über die räumliche Anordnung ausnutzen, um Probleme zu lösen, die Inspektionsgebiete mit rechteckigen Geometrien aufweisen. In Simulationsstudien wird die Leistungsfähigkeit der verschiedenen hybriden Genetischen Algorithmen untersucht. Dazu wurde die Inspektion von Tanklagern einer Erdölraffinerie mit einer Gruppe homogener Inspektionsroboter als Anwendungsfall gewählt. Die Simulationen zeigen, dass Kodierungsstrategien, die auf der geometrischen Zerlegung basieren, bei einer kleinen Anzahl an Generationen eine bessere Lösung finden können als die anderen untersuchten Strategien. Diese Arbeit beschäftigt sich mit Einzel- und Zweiroboteraufgaben, die entweder von einem einzelnen mobilen Roboter erledigt werden können oder die Zusammenarbeit von zwei Robotern erfordern. Eine Erweiterung des entwickelten Algorithmus zur Behandlung von Aufgaben, die mehr als zwei Roboter erfordern, ist möglich, würde aber die Komplexität der Optimierungsaufgabe deutlich vergrößern.