TU Berlin

Geoinformation in der UmweltplanungKleinschmit, Birgit

Inhalt des Dokuments

zur Navigation

Prof. Dr. Birgit Kleinschmit

Lupe

Fachgebietsleiterin

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

E-Mail:

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

 

 

Zeitschriftenbeiträge

A dense network of cosmic-ray neutron sensors for soil moisture observation in a highly instrumented pre-Alpine headwater catchment in Germany
Zitatschlüssel Fersch2020
Autor Fersch, B. and Francke, T. and Heistermann, M. and Schrön, M. and Döpper, V. and Jakobi, J. and Baroni, G. and Blume, T. and Bogena, H. and Budach, C. and Gränzig, T. and Förster, M. and Güntner, A. and Hendricks Franssen, H.J. and Kasner, M. and Köhli, M. and Kleinschmit, B. and Kunstmann, H. and Patil, A. and Rasche, D. and Scheiffele, L. and Schmidt, U. and Szulc-Seyfried, S. and Weimar, J. and Zacharias, S. and Zreda, M. and Heber, B. and Kiese, R. and Mares, V. and Mollenhauer, H. and Völksch, I. and Oswald, S.
Seiten 2289-2309
Jahr 2020
ISSN 1866-3508
DOI https://doi.org/10.5194/essd-12-2289-2020
Journal Earth System Science Data
Jahrgang 12
Zusammenfassung Monitoring soil moisture is still a challenge: it varies strongly in space and time and at various scales while conventional sensors typically suffer from small spatial support. With a sensor footprint up to several hectares, cosmic-ray neutron sensing (CRNS) is a modern technology to address that challenge. So far, the CRNS method has typically been applied with single sensors or in sparse national-scale networks. This study presents, for the first time, a dense network of 24 CRNS stations that covered, from May to July 2019, an area of just 1 km2: the pre-Alpine Rott headwater catchment in Southern Germany, which is characterized by strong soil moisture gradients in a heterogeneous landscape with forests and grasslands. With substantially overlapping sensor footprints, this network was designed to study root-zone soil moisture dynamics at the catchment scale. The observations of the dense CRNS network were complemented by extensive measurements that allow users to study soil moisture variability at various spatial scales: roving (mobile) CRNS units, remotely sensed thermal images from unmanned areal systems (UASs), permanent and temporary wireless sensor networks, profile probes, and comprehensive manual soil sampling. Since neutron counts are also affected by hydrogen pools other than soil moisture, vegetation biomass was monitored in forest and grassland patches, as well as meteorological variables; discharge and groundwater tables were recorded to support hydrological modeling experiments. As a result, we provide a unique and comprehensive data set to several research communities: to those who investigate the retrieval of soil moisture from cosmic-ray neutron sensing, to those who study the variability of soil moisture at different spatiotemporal scales, and to those who intend to better understand the role of root-zone soil moisture dynamics in the context of catchment and groundwater hydrology, as well as land–atmosphere exchange processes. The data set is available through the EUDAT Collaborative Data Infrastructure and is split into two subsets: https://doi.org/10.23728/b2share.282675586fb94f44ab2fd09da0856883 [Titel anhand dieser DOI in Citavi-Projekt übernehmen] (Fersch et al., 2020a) and https://doi.org/10.23728/b2share.bd89f066c26a4507ad654e994153358b [Titel anhand dieser DOI in Citavi-Projekt übernehmen] (Fersch et al., 2020b).
Typ der Publikation Kleinschmit
Download Bibtex Eintrag

Weitere Publikationen

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. 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. 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. 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.. 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. Precision Agriculture. Springer, 1-29.


Schulz, C. and Kleinschmit, B. (2019). Zentralasiatische Tugai-Auwälder – Ein gefährdetes Ökosystem. 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. 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.


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


Luan, X., Buyantuev, A., Baur, A. H., Kleinschmit, B., Wang, H., Wei, S., Liu, M. and Xu, C. (2018). Linking greenhouse gas emissions to urban landscape structure: the relevance of spatial and thematic resolutions of land use/cover data. Landscape Ecology, 1211–1224.


Navigation

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe