Inhalt des Dokuments
zur Navigation
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 | 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. |