Arbeitsgruppe Fernerkundung und Geoinformationsverarbeitung
Prof. Dr. Sebastian van der Linden
Leiter der Arbeitsgruppe
Raum 206
Sprechzeit: Mi. 13-14 h
Telefon: +49 3834 420 4500
sebastian.lindenuni-greifswaldde
Sebastian van der Linden ist Umweltwissenschaftler und seit 2019 Professor am Institut für Geographie und Geologie. Er leitet die Arbeitsgruppe Fernerkundung und Geoinformationsverarbeitung. In seiner Forschung nutzt er Verfahren der Erdbeobachtung zur Analyse der Landnutzung bzw. -bedeckung und deren Veränderung in Raum und Zeit. Im Mittelpunkt stehen hierbei z.B. Fragen zum Wandel des Landmanagements oder der Vegetationsbedeckung als Folgen des Klimawandels oder im Zusammenhang mit der Wiedervernässung von Mooren. Die Untersuchungen basieren meist auf multi- und hyperspektralen Fernerkundungsdaten und reichen von lokaler bis regionaler Skala.
Sebastian van der Linden ist seit 2021 Mitglied der EnMAP Science Advisory Group (EnSAG) und seit 2022 stellv. Sprecher des Interdisziplinären Forschungszentrums Ostseeraum der Universität Greifswald (IFZO). Er ist Mitglied im Greifswald Moor Centrum (GMC).
Das Lehrangebot von Sebastian van der Linden umfasst Grundlagenmodule der Geoinformationsverarbeitung und der Fernerkundung. In weiterführenden Modulen vermittelt er Kenntnisse zu Verfahren der fortgeschrittenen Fernerkundung entlang angewandter Fragen zum Landnutzungsmonitoring und der Vegetationsfernerkundung.
- IFZO
- EnMAP-Box
- ReWetSpec
seit 10/2019 | Universität Greifswald - Professor für Geographische Informationssysteme und Fernerkundung am Institut für Geographie und Geologie |
01/2007– 09/2019 | Humboldt-Universität zu Berlin - Wissenschaftlicher Mitarbeiter am Lehrstuhl Geomatik des Geographischen Instituts |
10/2012 – 03/2018 Wissenschaftlicher Geschäftsführer (in Teilzeit) des IRI THESys an der Humboldt-Universität zu Berlin | |
10/2006– 12/2006 | Columbia University, New York – Gastwissenschaftler am Lamont-Doherty Earth Observatory |
01/2004– 09/2006 | Humboldt-Universität zu Berlin & Zentrum für Fernerkundung der Landoberfläche der Universität Bonn – Promotionsstudent im Stipendienprogramm der Deutschen Bundesstiftung Umwelt (DBU) |
Promotion zum Dr. rer. nat. durch die Mathematisch-Naturwissenschaftliche Fakultät (01/2008), Arbeitstitel „Investigating the potential of hyperspectral remote sensing data for the analysis of urban imperviousness“ (https://edoc.hu-berlin.de/handle/18452/16409) | |
10/1996– 10/2002 | Universität Trier – Student der Angewandten Umweltwissenschaften, Hauptfächer Fernerkundung, Klimatologie, Nebenfächer Geomathematik, Hydrologie |
09/1999 – 06/2000 University of Edinburgh - Austauschstudent | |
Diplom-Umweltwissenschaftler (10/2002) |
- Schug F, Frantz D, Okujeni A, van der Linden S, Hostert P (2020). Mapping urban-rural gradients of settlements and vegetation at national scale using Sentinel-2 spectral-temporal metrics and regression-based unmixing with synthetic training data. Remote Sensing of Environment, 246, 111810.
- Wellmann T, Schug F, Haase D, Pflugmacher D, van der Linden S (2020). Green growth? On the relation between population density, land use and vegetation cover fractions in a city using a 30-years Landsat time series. Landscape and Urban Planning, 202, 103857.
- Cooper S, Okujeni A, Jänicke C, Clark M, van der Linden S, Hostert P (2020). Disentangling fractional vegetation cover: Regression-based unmixing of simulated spaceborne imaging spectroscopy data. Remote Sensing of Environment, 246, 111856.
- van der Linden S, Okujeni A, Canters F, Degerickx J, Heiden U, Hostert P, Priem F, Somers B, Thiel F (2019). Imaging Spectroscopy of Urban Environments. Surveys in Geophysics, 40, 471-488. 10.1007/s10712-018-9486-y
- Jakimow B, Griffiths P, van der Linden S, Hostert P (2018). Mapping pasture management in the Brazilian Amazon from dense Landsat time series. Remote Sensing of Environment, 205(Supplement C), 453-468. 10.1016/j.rse.2017.10.009
- Suess S, van der Linden S, Okujeni A, Griffiths P, Leitão P, Schwieder M, Hostert P (2018). Characterizing 32 years of shrub cover dynamics in Southern Portugal using annual Landsat composites and machine learning regression modeling. Remote Sensing of Environment, 219, 353-364. 10.1016/j.rse.2018.10.004
- van der Linden S, Rabe A, Held M, Jakimow B, Leitão P, Okujeni A, Schwieder M, Suess S, Hostert P (2015). The EnMAP-Box—A Toolbox and Application Programming Interface for EnMAP Data Processing. Remote Sensing, 7(9), 11249. 10.3390/rs7091124