Tina Trautmann

Doktorandin
Globale Diagnose Modelle
Intern. Max Planck Research School for Global Biogeochemical Cycles (IMPRS-gBGC)
+49 3641 57-6229
C1.014

Aufgabengebiet

Mein Fokus liegt auf der Verbesserung unseres Verständnisses des großräumigen Wasserkreislaufs durch die Kombination einfacher konzeptioneller hydrologischer Modellierungsansätze und verschiedenen auf Erdbeobachtung basierenden Datenprodukten.

FORSCHUNGSINTERESSEN
  • groß-skalige hydrologische Modellierung
  • Schwankungen des terrestrischen Wasserspeichers
  • die Wechselwirkung zwischen der Vegetation und dem hydrologischen Kreislauf
  • Erdbeobachtungsdaten
  • Techniken der Modell-Daten Fusion und multi-kriteriellen Modellkalibrierung


Vita

  • seit Feb 2017: Doktorand, Max Planck Institut für Biogeochemie Jena, Abteilung für Biogeochemische Integration, und Universität Potsdam, Institut für Umweltwissenschaften & Geographie

    • Thema: Understanding global Water Storage Variations using Model-Data Integration
    • Betreuung: Dr. Martin Jung (MPI-BGC Jena) und Prof. Dr. Andreas Güntner (GFZ Potsdam)
    • assoziiertes Mitglied der International Max Planck Research School for Biogeochemical Cycles (IMPRS-gBGC)
  • Sep 2019 - Dez 2019: Gastwissenschaftler bei Prof. Dr. Hyungjun Kim, Institute of Industrial Science, University of Tokyo, Japan
  • Aug 2016 - Dez 2016: Wissenschaftlicher Mitarbeiter, Max-Planck Institut für Biogeochemie Jena, Abteilung für Biogeochemische Integration

    AUSBILDUNG
    • Okt 2013 - Jul 2016: Master of Science in GeoinformatikFriedrich-Schiller Universität Jena
      • Fokus: (hydrologische) Modellierung, räumliche Analysen mit Geoinformationssystemen, Prozessierung und Analyse optischer Fernerkundungsdaten
      • Abschlussarbeit: Macroscopic diagnostic modeling of the hydrological cycle: Understanding the dynamics of water pools in snow affected regions
    • Okt 2010 - Sep 2013: Bachelor of Science in GeographieFriedrich Schiller Universität Jena
      • Fokus: Geoinformatik, Fernerkundung, Bodenkunde, Geoökologie
      • Abschlussarbeit: Monatliche Modellierung und Prozessanalyse des Cuito Flusses (Pegel Cuito Cuanavale) in Angola mit dem Modell JAMS/J2000g


      AUSZEICHNUNGEN
      • Examenspreis 2017 der Chemisch-Geowissenschaftlichen Fakultät für die Master Arbeit, Friedrich Schiller Universität Jena

      VERÖFFENTLICHUNGEN
      • Trautmann, T., Koirala, S., Güntner, A., Kim, H., Jung, M., Implications of river storage for integrating GRACE TWS observations into a global hydrological model, submitted to Geophysical Research Letters.
      • Trautmann, T., Koirala, S., Carvalhais, N., Güntner, A., Jung, M., The importance of vegetation in understanding terrestrial water storage variations, Hydrology and Earth System Sciences, 26, 4, 1089-1109, 2022, doi:10.5194/hess-26-1089-2022
      • Trautmann, T., Koirala, S., Carvalhais, N., Eicker, A., Fink, M., Niemann, C., Jung, M., Understanding terrestrial water storage variations in northern latitudes across scales, Hydrology and Earth System Sciences, 22, 7, 4061-4082, 07, 2018, doi:10.5194/hess-22-4061-2018
      TAGUNGSBEITRÄGE
      • AGU Fall Meeting 2021, New Orleans, USA; Vortrag: Implications of river storage on assimilating GRACE TWS variations into a simple hydrological modeling framework
      • EGU General Assembly 2020, online conference; PICO/Display: Using Earth Observation Data of Vegetation to improve global hydrological Simulations, doi.org/10.5194/egusphere-egu2020-9951
      • AGU Fall Meeting 2019, San Francisco, USA; Vortrag: Improving the Representation of Vegetation in Global Hydrological Models using Earth Observation Data
      • ESA CCI Soil Moisture User Workshop 2018, TU Wien, Vienna, Austria; Vortrag: Improving a hydrological model with global (soil moisture) data
      • 8th GEWEX Open Science Conference: Extremes and Water on the Edge, Canmore, Canada; Poster & Lightning Talk: Understanding spatio-temporal variations of the Terrestrial Water Storage
      • EGU General Assembly 2017, Vienna, Austria; PICO: Understanding the spatio-temporal composition of Terrestrial Water Storage variations using a model-data fusion approach




      Zur Redakteursansicht