direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Inhalt des Dokuments

Prof. Dr. Birgit Kleinschmit

Lupe [1]
© B. Kleinschmit

Fachgebietsleiterin

Tel.: +49 (0)30 / 314 - 72 84 7

E-Mail: birgit.kleinschmit(at)tu-berlin.de [2]

Raum: EB 235a
Sprechstunde: nach Vereinbarung

Lebenslauf
2011


Ernennung zur Universitätsprofessorin und Leiterin des Fachgebiets Geoinformation in der Umweltplanung an der Technischen Universität Berlin
2003-2011


Juniorprofessorin am Fachgebiet für Geoinformationsverarbeitung in der Umweltplanung an der Technischen Universität Berlin
2001-2003
Softwareentwicklerin bei der INTEND Geoinformatik GmbH in Kassel
2001
Promotion zum Dr. forest an der Universität Göttingen (magna cum laude)
1998-2001


Wissenschaftliche Mitarbeiterin an der Universität Göttingen am Institut für Forsteinrichtung, Ertragskunde und Fernerkundung
1993-1998
Studium der Forstwissenschaften an der Universität Göttingen
1973
in Münster, Westfalen geboren

Forschungsinteressen

  • Skalenübergreifende Analyse von Landnutzungsänderungen mit Hilfe von Geographischen Informationssystemen (GIS und Fernerkundung) zum besseren Verständnis des Mensch-Umweltsystems
  • Modellierung von raum-zeitlichen Änderungen der Umwelt und Bewertung der Einflüsse auf Menschen und Ökosysteme 
  • Wissensbasierte Kombination von Geoinformationen und Fernerkundungsdaten
  • Evaluierung neuer Sensortechnologien

 

 

Wichtige Funktionen, Auszeichnungen, Ehrungen

Seit 2019         

  • Mitglied im wissenschaftlichen Beirat für Waldpolitik des Bundesministerium für Ernährung und Landwirtschaft
  • Mitglied im Transferbeirat der TU Berlin

 

Seit 2018

  • stellvertretende Geschäftsführende Direktorin des Institutes für Landschaftsarchitektur und Umweltplanung, TU Berlin

Seit 2015        

  • Co-Speakerin der DFG research training group Urban Water Interfaces

Seit 2016

  • Mitglied im Auswahl- und Lenkungsausschusses der Berlin International Graduate School in Model and Simulation based Research (BIMoS), TU Berlin

2012-2018       

  • Leiterin der Special Interest Group „Analysis of remote sensing data” der deutschen Gesellschaft für Photogrammetrie, Remote Sensing und Geoinformation

Seit 2018        

  • Mitglied der Kommission für die Vergabe von Promotionsstipendien der Elsa-Neumann-Stiftung

Seit 2010         

  • Mitglied im Lenkungsausschuss des Geo.X – Forschungsnetzwerks für Geowissenschaften in Berlin und Potsdam

 

 

Publikationen

  • Zeitschriftenbeiträge
  • Weitere Publikationen

Zeitschriftenbeiträge

Evaluation of Remote-Sensing-Based Landslide Inventories for Hazard Assessment in Southern Kyrgyzstan
Zitatschlüssel Golovko2017
Autor Golovko, D. and Roessner, S. and Behling, R. and Wetzel, H.-U. and Kleinschmit, B.
Seiten 1-22
Jahr 2017
ISSN 2072-4292
Journal Remote Sensing
Jahrgang 9
Nummer 943
Zusammenfassung Large areas in southern Kyrgyzstan are subjected to high and ongoing landslide activity; however, an objective and systematic assessment of landslide susceptibility at a regional level has not yet been conducted. In this paper, we investigate the contribution that remote sensing can provide to facilitate a quantitative landslide hazard assessment at a regional scale under the condition of data scarcity. We performed a landslide susceptibility and hazard assessment based on a multi-temporal landslide inventory that was derived from a 30-year time series of satellite remote sensing data using an automated identification approach. To evaluate the effect of the resulting inventory on the landslide susceptibility assessment, we calculated an alternative susceptibility model using a historical inventory that was derived by an expert through combining visual interpretation of remote sensing data with already existing knowledge on landslide activity in this region. For both susceptibility models, the same predisposing factors were used: geology, stream power index, absolute height, aspect and slope. A comparison of the two models revealed that using the multi-temporal landslide inventory covering the 30-year period results in model coefficients and susceptibility values that more strongly reflect the properties of the most recent landslide activity. Overall, both susceptibility maps present the highest susceptibility values for similar regions and are characterized by acceptable to high predictive performances. We conclude that the results of the automated landslide detection provide a suitable landslide inventory for a reliable large-area landslide susceptibility assessment. We also used the temporal information of the automatically detected multi-temporal landslide inventory to assess the temporal component of landslide hazard in the form of exceedance probability. The results show the great potential of satellite remote sensing for deriving detailed and systematic spatio-temporal information on landslide occurrences, which can significantly improve landslide susceptibility andhazard assessment at a regional scale, particularly in data-scarce regions such as Kyrgyzstan.
Typ der Publikation Kleinschmit
Link zur Originalpublikation [3] Download Bibtex Eintrag [4]

Zurück [5]

Weitere Publikationen

Sie sind auf Seite:1 | 2 [6] | 3 [7] | 4 [8] | 5 [9] | 6 [10] | 7 [11] | 8 [12] | 9 [13] | 10 [14] | 11 [15] | 12 [16] | 13 [17] | 14 [18] | 15 [19]

vor >> [20]

2021

Rocchini, D., Salvatori, N., Beierkuhnlein, C., Chiarucci, A., de Boissieu, F., Förster, M., Garzon-Lopez, C., Gillespie, T. W., Hauffe, H., He, K., Kleinschmit, B., Lenoir, J., Malavasi, M., Moudrý, V., Nagendra, H., Payne, D., Šímová, P., Torresani, M., Wegmann, M. and Féret, J.-B. (2021). From local spectral species to global spectral communities: A benchmark for ecosystem diversity estimate by remote sensing. [21]. Ecological Informatics. Elsevier, 1-10.

2020

Vulova, S., Meier, F., Fenner, D., Nouri, H. and Kleinschmit, B. (2020). Summer Nights in Berlin, Germany: Modeling Air Temperature Spatially With Remote Sensing, Crowdsourced Weather Data, and Machine Learning [22]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 1-15.

Holtgrave, A., Röder, N., Ackermann, A., Erasmi, S. and Kleinschmit, B. (2020). Comparing Sentinel-1 and -2 Data and Indices for Agricultural Land Use Monitoring [23]. remote sensing, 1-27.

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 [24]. Earth System Science Data, 2289-2309.

Döpper, V., Gränzig, T., Kleinschmit, B. and Förster, M. (2020). Challenges in UAS-Based TIR Imagery Processing: Image Alignment and Uncertainty Quantification. [25]. remote sensing, 1-22.

2019

Vallentin, C., Dobers, E. S., Itzerott, S., Kleinschmit, B. and Spengler, D. (2019). Delineation of management zones with spatial data fusion and belief theory [26]. Precision Agriculture. Springer, 1-29.

Schulz, C. and Kleinschmit, B. (2019). Zentralasiatische Tugai-Auwälder – Ein gefährdetes Ökosystem [27]. Auenmagazin, 11-17.

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 [28]. 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 [29]. PFG – Journal of Photogrammetry, Remote Sensing and Geoinformation Science, 71–84.

Heuner, M., Schröder, B., Schröder, U. and Kleinschmit, B. (2018). Contrasting elevational responses of regularly flooded 4 marsh plants in navigable estuaries [30]. Ecohydrology & Hydrobiology, 1-17.

Sie sind auf Seite:1 | 2 [31] | 3 [32] | 4 [33] | 5 [34] | 6 [35] | 7 [36] | 8 [37] | 9 [38] | 10 [39] | 11 [40] | 12 [41] | 13 [42] | 14 [43] | 15 [44]

vor >> [45]

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
E-Mail-Anfrage [46]
------ Links: ------

Zusatzinformationen / Extras

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe

Hilfsfunktionen

Schriftgröße:
kleiner
Standardgröße
größer
Diese Seite verwendet Matomo für anonymisierte Webanalysen. Mehr Informationen und Opt-Out-Möglichkeiten unter Datenschutz.
Copyright TU Berlin 2008