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

    2020

    Fersch, B., Francke, T., Heistermann, M., Schrön, M., Döpper, V., Jakobi, J., Baroni, G., Blume, T., Bogena, H., Budach, C., Gränzig, T., Förster, M., Güntner, A., Hendricks Franssen, H., Kasner, M., Köhli, M., Kleinschmit, B., Kunstmann, H., Patil, A., Rasche, D., Scheiffele, L., Schmidt, U., Szulc-Seyfried, S., Weimar, J., Zacharias, S., Zreda, M., Heber, B., Kiese, R., Mares, V., Mollenhauer, H., Völksch, I. and Oswald, S. (2020). A dense network of cosmic-ray neutron sensors for soil moisture observation in a highly instrumented pre-Alpine headwater catchment in Germany. Earth System Science Data, 2289-2309.


    Fenske, K., Feilhauer, H., Förster, M., Stellmes, M. and Waske, B. (2020). Hierarchical classification with subsequent aggregation of heathland habitats using an intra-annual RapidEye time-series. International Journal of Applied Earth Observation and Geoinformation, 1-13.


    Döpper, V., Gränzig, T., Kleinschmit, B. and Förster, M. (2020). Challenges in UAS-Based TIR Imagery Processing: Image Alignment and Uncertainty Quantification.. remote sensing


    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.


    Weitere Veröffentlichungen

    Challenges in UAS-Based TIR Imagery Processing: Image Alignment and Uncertainty Quantification.
    Zitatschlüssel Doepper2020
    Autor Döpper, V. and Gränzig, T. and Kleinschmit, B. and Förster, M.
    Jahr 2020
    DOI https://doi.org/10.3390/rs12101552
    Journal remote sensing
    Jahrgang 12
    Nummer 10
    Zusammenfassung Thermal infrared measurements acquired with unmanned aerial systems (UAS) allow for high spatial resolution and flexibility in the time of image acquisition to assess ground surface temperature. Nevertheless, thermal infrared cameras mounted on UAS suffer from low radiometric accuracy as well as low image resolution and contrast hampering image alignment. Our analysis aims to determine the impact of the sun elevation angle (SEA), weather conditions, land cover, image contrast enhancement, geometric camera calibration, and inclusion of yaw angle information and generic and reference pre-selection methods on the point cloud and number of aligned images generated by Agisoft Metashape. We, therefore, use a total amount of 56 single data sets acquired on different days, times of day, weather conditions, and land cover types. Furthermore, we assess camera noise and the effect of temperature correction based on air temperature using features extracted by structure from motion. The study shows for the first time generalizable implications on thermal infrared image acquisitions and presents an approach to perform the analysis with a quality measure of inter-image sensor noise. Better image alignment is reached for conditions of high contrast such as clear weather conditions and high SEA. Alignment can be improved by applying a contrast enhancement and choosing both, reference and generic pre-selection. Grassland areas are best alignable, followed by cropland and forests. Geometric camera calibration hampers feature detection and matching. Temperature correction shows no effect on radiometric camera uncertainty.
    Typ der Publikation Kleinschmit
    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