Inhalt des Dokuments
Prof. Dr. Birgit Kleinschmit
- © B. Kleinschmit
Fachgebietsleiterin
Tel.: +49 (0)30 / 314 - 72 84 7
E-Mail: birgit.kleinschmit(at)tu-berlin.de
Raum: EB 235a
Sprechstunde: nach Vereinbarung
| 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
Zeitschriftenbeiträge
| Zitatschlüssel | Holtgrave2020 |
|---|---|
| Autor | Holtgrave, A. and Röder, N. and Ackermann, A. and Erasmi, S. and Kleinschmit, B. |
| Seiten | 1-27 |
| Jahr | 2020 |
| ISSN | 2072-4292 |
| DOI | 10.3390/rs12182919 |
| Journal | remote sensing |
| Nummer | 12 |
| Zusammenfassung | Agricultural vegetation development and harvest date monitoring over large areas requires frequent remote sensing observations. In regions with persistent cloud coverage during the vegetation season this is only feasible with active systems, such as SAR, and is limited for optical data. To date, optical remote sensing vegetation indices are more frequently used to monitor agricultural vegetation status because they are easily processed, and the characteristics are widely known. This study evaluated the correlations of three Sentinel-2 optical indices with Sentinel-1 SAR indices over agricultural areas to gain knowledge about their relationship. We compared Sentinel-2 Normalized Difference Vegetation Index, Normalized Difference Water Index, and Plant Senescence Radiation Index with Sentinel-1 SAR VV and VH backscatter, VH/VV ratio, and Sentinel-1 Radar Vegetation Index. The study was conducted on 22 test sites covering approximately 35,000 ha of four different main European agricultural land use types, namely grassland, maize, spring barley, and winter wheat, in Lower Saxony, Germany, in 2018. We investigated the relationship between Sentinel-1 and Sentinel-2 indices for each land use type considering three phenophases (growing, green, enescence). The strength of the correlations of optical and SAR indices differed among land use type and phenophase. There was no generic correlation between optical and SAR indices in our study. However, when the data were split by land use types and phenophases, the correlations increased remarkably. Overall, the highest correlations were found for the Radar Vegetation Index and VH backscatter. Correlations for grassland were lower than for the other land use types. Adding auxiliary data to a multiple linear regression analysis revealed that, in addition to land use type and phenophase information, the lower quartile and median SAR values per field, and a spatial variable, improved the models. Other auxiliary data retrieved from a digital elevation model, Sentinel-1 orbit direction, soil type information, and other SAR values had minor impacts on the model performance. In conclusion, despite the different nature of the signal generation, there were distinct relationships between optical and SAR indices which were independent of environmental variables but could be stratified by land use type and phenophase. These relationships showed similar patterns across different test sites. However, a regional clustering of landscapes would significantly improve the relationships. |
| Typ der Publikation | Kleinschmit |
Zusatzinformationen / Extras
Direktzugang
Schnellnavigation zur Seite über Nummerneingabe
Hilfsfunktionen
- Schriftgröße:
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
E-Mail-Anfrage
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