Wissenschaftliche Laufbahn und Forschungsgebiete

Prof. Zhu (*1984) erforscht die Signalverarbeitung und Datenwissenschaft in der Erdbeobachtung. Global verfügbare Geoinformation, abgeleitet aus Daten von Erdbeobachtungssatelliten, ist unverzichtbar für erdbezogene wissenschaftliche, politische oder planerische Fragen. Die Sentinel-Satelliten der ESA und von New Space-Firmen katapultieren die Erdbeobachtung in die die Big-Data-Liga. Prof. Zhu entwickelt explorative Algorithmen aus Signalverarbeitung und maschinellem Lernen für eine bessere Geoinformationsgewinnung aus Satellitendaten, und um Durchbrüche in Geo- und Umweltwissenschaften zu erzielen. Einen Schritt weiter geht die Fusion von Petabytes komplementärer georelevanter Datenquellen wie Satelliten und sozialen Netzwerken. Dies erst ermöglicht es etwa, globale Herausforderungen wie die weltweite Urbanisierung zu kartieren.

Prof. Zhu studierte Luft- und Raumfahrttechnik in China und absolvierte ihren Master an der TUM, wo sie 2011 promovierte und 2013 habilitierte. Sie leitet eine Helmholtz-Hochschulnachwuchsgruppe von TUM und DLR. Als Gastwissenschaftlerin forschte sie in Italien, China, Japan und den USA. 2015 wurde sie an die TUM berufen und leitet seit 2018 auch die Abteilung „EO Data Science“ am DLR.

Wichtigste Auszeichnungen

  • Heinz Maier-Leibnitz-Medaille, TUM (2018)
  • Leopoldina Early Career Award (2018)
  • PRACE Ada Lovelace Award for HPC (2018)
  • Helmholtz Excellence Professorship (2017)
  • ERC Starting Grant (2016)

Zhu X, Qiu C, Hu J, Shi Y, Wang Y, Schmitt M, Taubenböck H: "The Urban Morphology on Our Planet - Global perspectives from Space". Remote Sensing of Environment. 2022; 269: 112794.

Abstract

Zhu X, Montazeri S, Ali M, Hua Y, Wang Y, Mou L, Shi Y, Xu F, Bamler R: "Deep Learning Meets SAR: Concepts, Models, Pitfalls, and Perspectives". IEEE Geoscience and Remote Sensing Magazine. 2021; 9(4):143-172.

Abstract

Camps-Valls G, Tuia D, Zhu X, Reichstein M: Deep learning for the Earth Sciences: A comprehensive approach to remote sensing, climate science and geosciences. Wiley, 2021.

Abstract

Zhu X, Tuia D, Mou L, Xia G, Zhang L, Xu F, Fraundorfer F: "Deep Learning in Remote Sensing: A Comprehensive Review and List of Resources". IEEE Geoscience and Remote Sensing Magazine. 2017; 5(4):8-36.

Abstract

Zhu X, Bamler R: "Tomographic SAR Inversion by L1 Norm Regularization – The Compressive Sensing Approach". IEEE Transactions on Geoscience and Remote Sensing. 2010; 48(10): 3839-3846. 

Abstract