Bereichsbild

 

Dummy

 

Fakultät für Chemie und Geowissenschaften


Geographisches Institut

Ruprecht-Karls-Universität Heidelberg
 

Kontakt:


 

Prof. Dr. Alexander Zipf

Fellow-Klasse 2021-22

 

Forschungsgebiete:

Geoinformatik, GIScience, Geographie, User Generated Geoinformation, Spatial Data Science, Geographic Analysis, Disaster Management, Mobilität

 

Lebenslauf

  • 1991 – 1996 Studying Mathematics and Geography, Heidelberg University

  • Thesis: „Zur Anwendbarkeit von Fuzzy Logik und neuronalen Netzen bei geographischen Fragestellungen“; Inst. of Geography

  • 1997 – 2000 Scientific Employee, European Media Laboratory GmbH (EML), HD

  • 2000 PhD: „Deep Map - ein verteiltes, historisches Touristen-Informationssystem“. Heidelberg University, Institute of Geography.

  • 2000 – 2003 Postdoc, European Media Laboratory GmbH (EML), Heidelberg

  • 2003 – 2007 Professor for Applied Computer Science at the University of Applied Sciences Mainz Dep.: Geoinformatics and Surveying

  • 2007 – 2009 University Professor (Chair) for Cartography, W3, Department of Geography, Divison 7: Geomatics. Bonn University

  • from 2010 University Professor for GIScience, Institute of Geography,Heidelberg University

  • from 2010 Member extended Board, Interdisciplinary Center for ScientificComputing (IWR), Heidelberg University

  • 2010 – 2020 Initiator and Management Board of GeoNet.MRN e.V.

  • from 2011 Founding member “Heidelberg Center for the Environment” (HCE).

  • 2012 Member, DFG Graduate School of Mathematical and Computational Methods for the Sciences (HGS MathComp)

  • 2012 – 2016 Speaker: Graduate School „CrowdAnalyser - Spatio-temporal Analysis of User-generated Content“ (Landesgraduiertenkolleg)

  • from 2019 Managing Director & Scientific Head of HeiGIT gGmbH „Heidelberg Institute for Geoinformation Technology“

  • 7 PhD thesis currently under supervision, so far 16 PhD thesis successfully supervised at Heidelberg University.



Arbeitsvorhaben

Klimawandel & Gesundheit: Verbesserung der Gesundheitsvorsorge vulnerabler Bevölkerung in Afrika durch räumlich hochaufgelöstes Monitoring der natürlichen und anthropogenen Umwelt


Der Klimawandel ist aktuell die größte Herausforderung für die Menschheit. Die damit einhergehenden Veränderungen der Umwelt haben auch große Auswirkungen auf das Wohlbefinden und die Gesundheit von Menschen. Dies hat auch Implikationen auf die Gestaltung des Gesundheitswesens, und insbesondere für Maßnahmen zu diesen Auswirkungen in den am meisten betroffenen und vulnerablen Bevölkerungsgruppen zu
mindern. Die gesundheitlichen Auswirkungen des Klimawandels, der in den reichen Ländern der Welt verursacht wird, sind besonders stark in den Ländern Afrikas südlich der Sahara. Umfangreiche und räumlich besonders hoch aufgelöste Daten zu natürlichen, bebauten und sozialen Umwelt und des Wandels derselben in diesen Regionen sind notwendig, um wissenschaftlich verlässliche Schlussfolgerungen zu ziehen und Maßnahmen zu entwickeln und zu realisieren, die gegensteuern können. Leider ist die Datenlage gerade in diesen Gebieten oft sehr dürftig und es Bedarf neuer Konzepte zu Generierung entsprechend qualitativ hochwertiger, räumlich hoch aufgelöster aber gleichzeitig potentiell sehr große Gebiete Afrikas abdeckender Daten als Grundlage für Analysen und Modellierungen im Bereich Global Health. In diesem Marsilius-Projekt wollen wir am Beispiel der Modellierung (HeiGIT) und Messung (HIGH) von Hitze und Hitzestress und damit zusammenhängender Faktoren verschiedene Erhebungs- und Simulationsmethoden für die hierfür relevanten Geodaten evaluieren und validieren. Insbesondere wollen wir untersuchen wie hierfür Daten aus verschiedenen Quellen kombiniert können: (i) Fernerkundung, (ii) Crowdsourcing, (iii) nutzergenerierte Daten, und (iv) systematische Messungen und Befragungen. Zusätzlich zu diesen Datenquellen wollen wir an drei Orten Afrikas südlich der Sahara kleine Validierungsstudien durchführen, um zu messen, inwieweit große und großflächig gemessene Daten in kleine Gemeinschaften relevante Aussagen zulassen – oder ob diese Datenquellen, hyperlokal angepasst werden müssen.

 

Ausgewählte Publikationen:

  • Tost, H., Reichert, M., Braun, U., Reinhard, I., Peters, R. , Lautenbach, S., Andreas, H., Schwarz, E., Ebner-Priemer, U., Zipf, A., Meyer-Lindenberg, A. (2019): Neural correlates of individual differences in affective benefit of real-life urban green space exposure. Nature Neuroscience. https://doi.org/10.1038/s41593-019-0451-y

  • Herfort, B., Lautenbach, S., Porto de Albuquerque, J., Anderson, J., Zipf, A. (2021): The evolution of humanitarian mapping within the OpenStreetMap community. Scientific Reports 11, 3037 (2021). DOI: 10.1038/s41598-021-82404-z

  • Reichert, M.; Braun, U.; Gan, G.; Reinhard, I.; Giurgiu, M.; Ma, R.; Zang, Z.; Hennig, O.; Koch, E. D.; Wieland, L.; Schweiger, J.; Inta, D.; Hoell, A.; Akdeniz, C.; Zipf, A.; Ebner-Priemer, U.W.; Tost, H.; Meyer-Lindenberg, A.(2020): A neural mechanism for affective well-being: Subgenual cingulate cortex mediates real-life effects of nonexercise activity on energy. Science Advances. https://doi.org/10.1126/sciadv.aaz8934

  • Neis, P., Zielstra, D., Zipf, A. (2012): The Street Network Evolution of Crowdsourced Maps - Open-StreetMap in Germany 2007-2011. In: Future Internet. 2012, 4, pp 1-21. DOI 10.3390/fi4010001.

  • De Albuquerque, JP, B Herfort, A Brenning, A Zipf (2015): A geographic approach for combining social media and authoritative data towards identifying useful information for disaster management. Int. Journal of Geographical Information Science 29 (4), 667-689. https://doi.org/10.1080/13658816.2014.996567

  • Jokar Arsanjani, J., Helbich, M., Bakillah, M., Hagenauer, J. & Zipf, A. (2013): Toward mapping landuse patterns from volunteered geographic information. International Journal of Geographical Information Science (IJGIS). Taylor & Francis. DOI: 10.1080/13658816.2013.800871.

  • Barron, C., Neis, P. & Zipf, A. (2013): A Comprehensive Framework for Intrinsic OpenStreetMap Quality Analysis. Transactions in GIS, DOI: 10.1111/tgis.12073.

  • Herfort, B., Li, H., Fendrich, S., Lautenbach, S., Zipf, A. (2019): Mapping Human Settlements with Higher Accuracy and Less Volunteer Efforts by Combining Crowdsourcing and Deep Learning. Remote Sensing 11(15), 1799. https://doi.org/10.3390/rs11151799

  • Bakillah, M., Liang, S. H. L., Mobasheri, A., Jokar Arsanjani, J. & Zipf, A. (2014): Fine resolution population mapping using OpenStreetMap points-of-interest. International Journal of Geographical Information Science (IJGIS), 28(9): 1940-1963. Taylor & Francis. DOI: 10.1080/13658816.2014.909045

  • Schultz, M., Voss, J., Auer, M., Carter, S., and Zipf, A. (2017): Open land cover from OpenStreetMap and remote sensing. International Journal of Applied Earth Observation and Geoinformation, 63, pp. 206-213. DOI: 10.1016/j.jag.2017.07.014.

     

Seitenbearbeiter: Geschäftsstelle
Letzte Änderung: 30.09.2021
zum Seitenanfang/up