direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Inhalt des Dokuments

Dr. Michael Förster

Lupe

Wissenschaftlicher Mitarbeiter (Senior Scientist)

Tel.: +49 (0)30 / 314 - 72 79 8

E-Mail:

Raum: EB 236b
Sprechstunde: nach Vereinbarung

Lebenslauf
1975
in Burgstädt, Sachsen geboren
1996-2003
Studium der Geoökologie in Potsdam
1998/99
Studium an der University of Southampton
2003
GIS - Koordinator beim Planungsbüro Froelich & Sporbeck
2003-2008
Wissenschaftlicher Mitarbeiter am Fachgebiet für Geoinformationsverarbeitung in der Landschafts- und Umweltplanung im Institut für Landschaftsarchitektur und Umweltplanung an der Technischen Universität Berlin
seit Jan. 2009
Wissenschaftlicher Mitarbeiter (PostDoc) am Fachgebiet für Geoinformationsverarbeitung in der Landschafts- und Umweltplanung im Institut für Landschaftsarchitektur und Umweltplanung an der Technischen Universität Berlin
2010
Gastwissenschaftler an der European Academy Bolzano (EURAC), Italien (Institute for Applied Remote Sensing)
2012
Gastwissenschaftler and der Universität Utrecht, Niederlande (Department of Physical Geography)
2018
Gastwissenschaftler am Joint Research Center (JRC) in Ispra, Italien (Bioeconomy Unit)

Forschungsschwerpunkte

  • Entwicklung von Methoden zur Analyse der Dynamik von Ökosystemen aus Zeitreihen (optisch und SAR), speziell bei Degradationsprozessen oder abrupten Schäden (z.B. durch Feuer oder Stürme)
  • Relation von temporalen und spektralen Signalen zu Pflanzeneigenschaften und biophysikalischen Variablen (Xantophyll, Stickstoff, Chlorophyll und Fluoreszenz)
  • Ableitung von operationalisierbaren und flächendeckenden Umweltindikatoren, die zur effektiven Umsetzung von Managementmaßnahmen (z.B. im Rahmen der europäischen Vorgaben zu NATURA 2000) oder zum besseren Verständnis von Ökosystemen benötigt werden
  • Interaktion von Vegetationsstruktur, welche mit LiDAR oder SAR erhoben werden kann, mit spektralen Eigenschaften, welche speziell bei der Auswertung von bewaldeten Gebieten eine große Rolle spielen
  • Gemeinsame Nutzung von räumlich sehr hoch aufgelösten Daten (Drohnen) mit Satellitendaten, entweder zum Verständnis von ökohydrologischen Prozessen und speziell zum Ableiten von hydrologischen Variablen, wie Bodenfeuchtegehalt oder Interzeption

    Zeitschriftenbeiträge

    2019

    Kattenborn, T., Lopatina, J., Förster, M., Braun, A. C. and Fassnacht, F. E. (2019). UAV data as alternative to field sampling to map woody invasive species based on combined Sentinel-1 and Sentinel-2 data. Remote Sensing of Environment, 61-73.


    2018

    Holtgrave, A.-K., Förster, M., Greifeneder, F., Notarnicola, C. and Kleinschmit, B. (2018). Estimation of Soil Moisture in Vegetation-Covered Floodplains with Sentinel-1 SAR Data Using Support Vector Regression. PFG – Journal of Photogrammetry, Remote Sensing and Geoinformation Science, 85–101.


    Klinke, R., Kuechly, H., Frick, A., Förster, M., Schmidt, T., Holtgrave, A.-K. a. K. B., Spengler, D. and Neumann, C. (2018). Indicator-Based Soil Moisture Monitoring ofWetlands by Utilizing Sentinel and Landsat Remote Sensing Data. PFG – Journal of Photogrammetry, Remote Sensing and Geoinformation Science, 71–84.


    2017


    Schmidt, J., Fassnacht, F. E., Neff, C., Lausch, A., Kleinschmit, B., Förster, M. and Schmidtlein, S. (2017). Adapting a Natura 2000 field guideline for a remote sensing-based assessment of heathland conservation status. International Journal of Applied Earth Observation and Geoinformation, 61-71.


    2016

    Gärtner, P., Förster, M. and Kleinschmit, B. (2016). The benefit of synthetically generated RapidEye and Landsat 8 data fusion time series for riparian forest disturbance monitoring. Remote Sensing of Environment. Elsevier, 237-247.


    Neumann, C., Förster, M., Kleinschmit, B. and Itzerott, S. (2016). Utilizing a PLSR-Based Band-Selection Procedure for Spectral Feature Characterization of Floristic Gradients. EEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 1-15.


    2015

    Clasen, A., Somers, B., Pipkins, K., Tits, L., Segl, K., Brell, M., Kleinschmit, B., Spengler, D., Lausch, A. and Förster, M. (2015). Spectral Unmixing of Forest Crown Components at Close Range, Airborne and Simulated Sentinel-2 and EnMAP Spectral Imaging Scale. remote sensing, 26.


    Baur, A. H., Lauf, S., Förster, M. and Kleinschmit, B. (2015). Estimating greenhouse gas emissions of European cities — Modeling emissions with only one spatial and one socioeconomic variable. Science of the Total Environment. Elsevier B.V., 49-58.


    Rocchini, D., Andreo, V., Förster, M., Gutierrez, A., Gillespie, W., Hauffe, H., He, K., Kleinschmit, B., Mairota, P., Marcantonio, M., Metz, M., Nagendra, H., Pareeth, S., Ponti, L., Ricotta, C., Rizzoli, A., Schaab, G., Zebisch, M., Zorer, R. and Neteler, M. (2015). Potential of remote sensing to predict species invasions: A modelling perspective. Progress in Physical Geography, 283-309.


    Weitere Veröffentlichungen

    An ontological system for interoperable spatial generalisation in biodiversity monitoring
    Zitatschlüssel Nieland2015a
    Autor Nieland, S. and Moran, N. and Kleinschmit, B. and Förster, M.
    Seiten 86-95
    Jahr 2015
    ISSN 00983004
    DOI 10.1016/j.cageo.2015.08.006
    Journal Computers & Geosciences
    Jahrgang 84
    Zusammenfassung Semantic heterogeneity remains a barrier to data comparability and standardisation of results in different fields of spatial research. Because of its thematic complexity, differing acquisition methods and national nomenclatures, interoperability of biodiversity monitoring information is especially difficult. Since data collection methods and interpretation manuals broadly vary there is a need for automatised, objective methodologies for the generation of comparable data-sets. Ontology-based applications offer vast opportunities in data management and standardisation. This study examines two data-sets of protected heathlands in Germany and Belgium which are based on remote sensing image classification and semantically formalised in an OWL2 ontology. The proposed methodology uses semantic relations of the two data-sets, which are (semi-)automatically derived from remote sensing imagery, to generate objective and comparable information about the status of protected areas by utilising kernel-based spatial reclassification. This automatised method suggests a generalisation approach, which is able to generate delineation of Special Areas of Conservation (SAC) of the European biodiversity Natura 2000 network. Furthermore, it is able to transfer generalisation rules between areas surveyed with varying acquisition methods in different countries by taking into account automated inference of the underlying semantics. The generalisation results were compared with the manual delineation of terrestrial monitoring. For the different habitats in the two sites an accuracy of above 70% was detected. However, it has to be highlighted that the delineation of the ground-truth data inherits a high degree of uncertainty, which is discussed in this study.
    Link zur Originalpublikation Download Bibtex Eintrag

    Zusatzinformationen / Extras

    Direktzugang

    Schnellnavigation zur Seite über Nummerneingabe

    Diese Seite verwendet Matomo für anonymisierte Webanalysen. Mehr Informationen und Opt-Out-Möglichkeiten unter Datenschutz.

    Fachgebiet Geoinformation in der Umweltplanung
    Sekretariat EB5
    Raum EB 236a
    Straße des 17. Juni 145
    D - 10623 Berlin
    Tel.: +49 (0)30 314 - 73 29 0
    Fax: +49 (0)30 314 - 23 50 7