PhD on Hydrological model-data interaction and machine learning for headwater catchment analyses

PhD on Hydrological model-data interaction and machine learning for headwater catchment analyses

Basel Vollzeit 45000 - 65000 € / Jahr (geschätzt) Kein Homeoffice möglich
The Biozentrum, University of Basel

Auf einen Blick

  • Aufgaben: Entwickle innovative Modelle zur Analyse von Wasserhaushalten und nutze maschinelles Lernen.
  • Unternehmen: Führende Forschungseinrichtung im Bereich Hydrologie mit Fokus auf Umweltwissenschaften.
  • Vorteile: Wettbewerbsfähiges Gehalt, flexible Arbeitszeiten und Zugang zu modernster Technologie.
  • Weitere Informationen: Dynamisches Umfeld mit hervorragenden Entwicklungsmöglichkeiten in der Wissenschaft.
  • Warum dieser Job: Trage zur Bekämpfung des Klimawandels bei und gewinne wertvolle Forschungserfahrung.
  • Qualifikationen: MSc in Hydrologie oder verwandten Bereichen und Kenntnisse in Python.

Das prognostizierte Gehalt liegt zwischen 45000 - 65000 € pro Jahr.

Dieses Projekt wird multi-fidelity Modellierungsansätze für Headwater-Systeme vorantreiben und neue Erkenntnisse über die Wechselwirkungen zwischen Grundwasser und Oberflächenwasser liefern. Eine zentrale Herausforderung bei hydrologischen Analysen von Headwater-Einzugsgebieten besteht darin, deren hydrologische Funktionsweise zu charakterisieren und vorherzusagen, was grundlegend mit der Tatsache zusammenhängt, dass die Mehrheit von ihnen unüberwacht ist und ihre hydraulischen Parameter unbekannt sind. Das Ziel dieses PhD-Projekts ist es, diese Lücke zu schließen und datengestützte, maschinelles Lernen-basierte Ansätze zu entwickeln, um die maßgeblichen hydraulischen Parameter von Headwater-Einzugsgebieten zu identifizieren, deren Strömungs- und Grundwasserabflüsse vorherzusagen und ihre Anfälligkeit für extreme hydrometeorologische Bedingungen anhand von Storyline-Ansätzen zu verstehen.

Sie werden spezifisch:

  • Zur Entwicklung der multi-fidelity Modellierungsplattform HydroModPy beitragen
  • Maschinenlern-basierte Ansätze implementieren, um hydraulische Eigenschaften in den Headwater-Einzugsgebieten Europas zu schätzen
  • Hydrologische Validierungsansätze zur Identifizierung von Eigenschaften der Headwater-Einzugsgebiete evaluieren
  • Hybrid-Modellierungsansätze implementieren, um das hydrologische Verhalten ungemessener Headwater-Einzugsgebiete unter Verwendung von Klimastorylines vorherzusagen

Die Ergebnisse dieses Projekts werden sowohl der wissenschaftlichen Gemeinschaft als auch Praktikern zugutekommen, indem sie die Bewertung und Vorhersage der hydrologischen Reaktionen auf den Klimawandel verbessern.

Ihr Profil:

  • MSc in Hydrologie, Hydrogeologie, Daten-/Informatik oder einem verwandten Bereich
  • Starkes Interesse an der Analyse von Umweltdaten und/oder numerischer Modellierung
  • Kenntnisse in Python-Programmierung
  • Fließende und ausgezeichnete Schreibfähigkeiten in Englisch, mit starkem Interesse an wissenschaftlicher und öffentlicher Kommunikation

PhD on Hydrological model-data interaction and machine learning for headwater catchment analyses Arbeitgeber: The Biozentrum, University of Basel

Unser Unternehmen bietet eine inspirierende Arbeitsumgebung, die sich auf innovative Forschung im Bereich der Hydrologie konzentriert. Wir fördern eine offene und kollaborative Kultur, in der Mitarbeiter die Möglichkeit haben, ihre Fähigkeiten weiterzuentwickeln und an bedeutenden Projekten zu arbeiten, die einen direkten Einfluss auf den Umgang mit den Herausforderungen des Klimawandels haben. Zudem profitieren unsere Mitarbeiter von flexiblen Arbeitszeiten und einem starken Netzwerk innerhalb der wissenschaftlichen Gemeinschaft, was die persönliche und berufliche Entwicklung unterstützt.

The Biozentrum, University of Basel

Kontaktdaten:

The Biozentrum, University of Basel Recruiting-Team

Wir glauben, dass du diese Fähigkeiten brauchst, um PhD on Hydrological model-data interaction and machine learning for headwater catchment analyses mit Bravour zu bestehen

Hydrologische Modellierung
Datenanalyse
Maschinelles Lernen
Python-Programmierung
Numerische Modellierung
Umweltwissenschaftliche Analyse
Hydrogeologie