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

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.


Gras, P., Knuth, S., Börner, K., Marescot, L., Benhaiem, S., Aue, A., Wittstatt, U., Kleinschmit, B. and Kramer-Schadt, S. (2018). Landscape Structures Affect Risk of Canine Distemper in Urban Wildlife. Frontiers in Ecology and Evolution, 1-16.


2017

Koch, R., Almeida-Cortezb, J. S. and Kleinschmit, B. (2017). Revealing areas of high nature conservation importance in aseasonally dry tropical forest in Brazil: Combination of modelled plantdiversity hot spots and threat patterns. Journal for Nature Conservation. Elsevier, 24-39.


Neumann, C., Itzerott, S., Weiss, G., Kleinschmit, B. and Schmidtlein, S. (2017). Mapping multiple plant species abundance patterns - A multiobjective optimization procedure for combining reflectance spectroscopy and species ordination. Ecological Informatics. Elsevier, 61-76.


Ayazli, I. E., Kilic, F., Lauf, S., Kleinschmit, B. and Demir, H. (2017). Creating urban growth simulation models driven by the bosphorus bridges. Fresenius Environmental Bulletin, 113-117.


Weitere Publikationen

Delineation of management zones with spatial data fusion and belief theory
Zitatschlüssel Valentin2019
Autor Vallentin, C. and Dobers, E. S. and Itzerott, S. and Kleinschmit, B. and Spengler, D.
Seiten 1-29
Jahr 2019
ISSN 1573-1618
DOI https://doi.org/10.1007/s11119-019-09696-0
Journal Precision Agriculture
Verlag Springer
Zusammenfassung Precision agriculture, as part of modern agriculture, thrives on an enormously growing amount of information and data for processing and application. The spatial data used for yield forecasting or the delimitation of management zones are very diverse, often of different quality and in different units to each other. For various reasons, approaches to combining geodata are complex, but necessary if all relevant information is to be taken into account. Data fusion with belief structures offers the possibility to link geodata with expert knowledge, to include experiences and beliefs in the process and to maintain the comprehensibility of the framework in contrast to other “black box” models. This study shows the possibility of dividing agricultural land into management zones by combining soil information, relief structures and multi-temporal satellite data using the transferable belief model. It is able to bring in the knowledge and experience of farmers with their fields and can thus offer practical assistance in management measures without taking decisions out of hand. At the same time, the method provides a solution to combine all the valuable spatial data that correlate with crop vitality and yield. For the development of the method, eleven data sets in each possible combination and different model parameters were fused. The most relevant results for the practice and the comprehensibility of the model are presented in this study. The aim of the method is a zoned field map with three classes: “low yield”, “medium yield” and “high yield”. It is shown that not all data are equally relevant for the modelling of yield classes and that the phenology of the plant is of particular importance for the selection of satellite images. The results were validated with yield data and show promising potential for use in precision agriculture.
Typ der Publikation Kleinschmit
Link zur Publikation Download Bibtex Eintrag

Navigation

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe