Die Arbeitsgruppe Fernerkundung und räumliche Modellierung gehört zum Institut für Landschaftsökologie der Universität Münster. In Forschung und Lehre befassen wir uns mit der Erfassung und Analyse raum-zeitlicher Umweltdynamiken in einem breiten Spektrum landschaftsökologischer Themenfelder. Wir kombinieren verschiedenskalige Fernerkundungsdaten mit räumlichen Modellierungsmethoden, um aus limitierten landschaftsökologischen Felddaten raum-zeitlich kontinuierliche Informationen zu gewinnen. Die Komplexität von Umweltsystemen erfordert dabei die Verwendung von Modellierungsstrategien, die es erlauben, komplexe Zusammenhänge zu berücksichtigen. Aus diesem Grund liegt unser Schwerpunkt auf dem Einsatz von maschinellen Lernverfahren. Neben der Anwendung für landschaftsökologische Fragestellungen arbeiten wir auch an methodischen Weiterentwicklung für räumliche Daten. Damit befindet sich die Arbeitsgruppe an der Schnittstelle zwischen der Geoinformatik [en] und der Landschaftsökologie [de] und hat insgesamt das Ziel über Drohnendatenerfassungen, Satellitendatenverarbeitung, Modellierung und Simulationen zu einem Erkenntnisgewinn in der Ökosystemforschung beizutragen.
Seit Februar verstärkt Fyeqa Akram unser Forschungsteam als wissenschaftliche Mitarbeiterin und Doktorandin. Sie wird an unserem Twente-Münster Collaboration Projekt „Quantifying and modelling peat breathing with satellite radar data)“ arbeiten, welches wir gemeinsam mit Ling Chang von der Uni Twente betreuen. Wir freuen uns auf die Zusammenarbeit!
| Unsere Gruppe beteiligt sich am neuen Buch: R Coding for Ecology
Wir freuen uns, dass R Coding for Ecology (Springer, 2025) nun mit Beiträgen unserer Gruppe veröffentlicht wurde! In dem Buch wird unser CAST-Paket vorgestellt, das zentrale Methoden für räumliche Vorhersagemodellierung implementiert die wir entwickelt haben. Diese Methoden werden anschaulich und reproduzierbar am Beispiel der Kartierung der Artenvielfalt von Pflanzen erläutert. Außerdem hat Jakub mehrere weitere Kapitel mitverfasst, darunter zu landscapemetrics, cblindplotR und cartogram.
Maiken Baumberger hat am 31.10.2025 erfolgreich ihre Dissertation verteidigt und wurde zum Doktor der Naturwissenschaften promoviert. Der Titel ihrer Doktorarbeit lautet: „Landscape-scale modelling of soil properties in space, depth and time: an interpretable machine learning approach”. Herzlichen Glückwunsch von deiner Arbeitsgruppe!
Mit 14 Studierenden der Landschaftsökologie Münster und der Physischen Geographie Frankfurt waren wir 17 Tage unterwegs – von Helsinki bis nach Hamningberg in Varanger und zurück durch Westfinnland. Unterwegs setzten wir uns mit verschiedenen Themen der physischen Geographie auseinander. Wir haben uns die allgegenwärtigen Spuren der Eiszeit angeschaut, beschäftigten uns mit der Land- und Forstwirtschaft Finnlands, lernten Aapa- und Palsamoore kennen und besuchten Projekte zur Moorrentaurierung. In Lappland standen zudem kulturelle und ökologische Aspekte der Rentierbeweidung sowie die Traditionen der Samen im Fokus. Die Auswirkungen des Klimawandels auf diese Ökosysteme waren dabei ein durchgehendes zentrales Thema. Den Großteil der Reise verbrachten wir in Zelten und konnten so neben dem wissenschaftlichen Programm die Landschaft mit ihren zahlreichen Seen besonders intensiv erleben und genießen.
Am 3. Juli fand unser Arbeitsgruppentag im Wersehaus statt. Wir haben gemeinsam die Strategien und Inhalte der Arbeitsgruppe diskutiert und entwickelt und anschließend gepaddelt, gegrillt und einen tollen Tag in geselliger Runde verbracht.
Vom 24. bis 25. März haben wir an unserem Institut einen internationalen Workshop zu aktuellen Themen im Bereich des räumlichen maschinellen Lernens veranstaltet (siehe https://jakubnowosad.com/advsml_2025/). Mit Siebzehn Kolleginnen und Kollegen aus verschiedenen Institutionen haben wir zentrale Themen wie Modellvalidierung, Unsicherheitsbewertung und Interpretierbarkeit diskutiert. Es war eine produktive Veranstaltung, und wir freuen uns darauf, die Diskussionen mit Folgeaktivitäten fortzusetzen.
Zum April startet Jan Steen in unserem Team als wissenschaftlicher Mitarbeiter und Doktorand in unserem neuen Projekt "Ready for Take-Off?!". Gefördert durch die DBU und gemeinsam mit Partnern aus der Praxis werden wir im Projekt die Möglichkeiten der Drohnenfernerkundung für ein verbessertes Flora-Fauna-Habitat Monitoring nutzen und erweitern.
Im Projekt Sensorlök wollen wir am Institut für Landschaftsökologie automatisierte Messtechnik in die Lehre integrieren um den wissenschaftlichen Nachwuchs auszubilden innovative Methoden der Umweltbeobachtung in der Praxis umzusetzen. Gefördert durch Qualitätsverbesserungsmittel der Universität und geleitet von Marvin Ludwig wird im Sommersemester '25 in unserem Lehr- und Forschungsgebiet "Lüntener Wald" ein Sensornetzwerk von Studierenden aufgebaut das Grundwasserstände, Mikroklima und Bodenparameter misst, automatisch versendet und auswertet.
| Neues Projekt prüft praxistauglichkeit von Drohnen im FFH-Monitoring
Im April startet unser neues Projekt "Ready for Take-Off!?". Gemeinsam mit der Biologischen Station Zwillbrock, dem LWL und dem Nationalpark Vorpommersche Boddenlandschaft, entwickeln und evaluieren wir Methoden der Drohnenfernerkundung zur Unterstützung des Flora-Fauna-Habiat Monitoring von Offenland Lebensraumtypen. Im Fokus steht dabei die zuverlässige Aufnahme von Qualitätskriterien der Habitate sowie die Anwendbarkeit der Methoden für Nutzer*innen in der Praxis.
In einer gemeinsamen Veröffentlichung der Arbeitsgruppe Tierökologie und uns, unter der Leitung unserer ehemaligen Masterstudentin Alina Krämer, haben wir die Lebensraumeignung der Zauneidechse an ihrer nordwestlichen Verbreitungsgrenze modelliert. Die Ergebnisse sind jetzt im Journal of Biogeography veröffentlicht: https://doi.org/10.1111/jbi.15099
Ab Januar wird Darius Görgen unser Forschungsteam als wissenschaftlicher Mitarbeiter und Doktorand verstärken. Er wird an unserem neuen Projekt „Deep Learning in Space and Time“ arbeiten, das Teil des Transregio 391 – Spatio-temporal Statistics for the Transition of Energy and Transport (https://trr391.tu-dortmund.de/) ist. In unserem Teilprojekt werden wir neue Methoden erforschen, um Deep Learning im Kontext spatio-temporaler Erdbeobachtungsdaten anzuwenden.
Weitere Nachrichten
Ältere Meldungen finden Sie im Archiv [de] der AG Fernerkundung und Räumliche Modellierung.
