Auf einen Blick
- Aufgaben: Entwickle innovative hydrologische Modelle und nutze maschinelles Lernen für Wasserressourcenanalysen.
- Unternehmen: Forschungsgruppe für Hydrogeologie an der Universität Basel mit internationalem Projekt.
- Vorteile: Vollfinanzierte PhD-Stelle, Zugang zu modernster Forschung und internationale Zusammenarbeit.
- Weitere Informationen: Startdatum im September 2026; Bewerbungen werden fortlaufend geprüft.
- Warum dieser Job: Gestalte die Zukunft der Wasserressourcenforschung und mache einen echten Unterschied im Umweltschutz.
- Qualifikationen: MSc in Hydrologie, Hydrogeologie oder verwandten Bereichen; Python-Kenntnisse erforderlich.
Das prognostizierte Gehalt liegt zwischen 38000 - 55000 € pro Jahr.
Die Hydrogeologie-Forschungsgruppe am Departement für Umweltwissenschaften der Universität Basel bietet eine vollständig finanzierte PhD-Position im Rahmen des internationalen ANR–SNSF-Projekts FutureFlow an. Die Kopfwassergebiete bilden die obersten Teile von Flussnetzwerken und stellen einen erheblichen Teil des europäischen hydrologischen Systems dar. Obwohl sie relativ klein sind, spielen sie eine entscheidende Rolle bei der Kontrolle von Wasserressourcen und der Erhaltung von Ökosystemen stromabwärts. Ihr Funktionieren wird weitgehend durch die Aquiferen bestimmt, die sie beherbergen, welche die Wasserspeicherung und -freisetzung in Bäche regulieren, Strömungen während trockener Perioden aufrechterhalten und klimatische Variabilität abpuffern.
Trotz ihrer Bedeutung sind Kopfwassersysteme schlecht verstanden und schwer vorherzusagen, aufgrund komplexer Wechselwirkungen zwischen Geologie, Topographie und Klima sowie begrenzter Beobachtungsdaten. Im Kontext zunehmender Dürreperioden und Druck auf Wasserressourcen schränkt dieses mangelnde Verständnis unsere Fähigkeit ein, zukünftige Veränderungen vorherzusehen und Managementstrategien zu entwerfen. Die Bewältigung dieser Herausforderungen erfordert neue Modellierungsansätze, die in der Lage sind, Grundwasserprozesse über große und vielfältige Einzugsgebiete darzustellen.
Das FutureFlow-Projekt schlägt vor, Konzepte aus der Softwaretechnik – wie z.B. Multi-Fidelity-Modellierung und adaptive Modellauswahl (Modellwechsel) – auf die Hydrologie zu übertragen. Das Ziel ist es, flexible und skalierbare Modellierungsrahmen zu entwickeln, die in der Lage sind, Modelle unterschiedlicher Komplexität auszuwählen, zu kombinieren und zu kalibrieren, um die Dynamik des Grundwassers besser darzustellen und Vorhersagen auf europäischer Ebene unter dem Klimawandel zu verbessern.
Ihr Projekt wird die Multi-Fidelity-Modellierungsansätze für Kopfwassersysteme vorantreiben und neue Erkenntnisse über die Wechselwirkungen zwischen Grundwasser und Oberflächenwasser liefern. Eine zentrale Herausforderung bei der hydrologischen Analyse von Kopfwassergebieten besteht darin, deren hydrologisches Funktionieren 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 datengetriebene, maschinelles Lernen-basierte Ansätze zu entwickeln, um die maßgeblichen hydraulischen Parameter von Kopfwassergebieten zu identifizieren, deren Strömungs- und Grundwasserabflüsse vorherzusagen und ihre Anfälligkeit für extreme hydrometeorologische Bedingungen anhand von Storyline-Ansätzen zu verstehen.
- Beitrag zur Entwicklung der Multi-Fidelity-Modellierungsplattform HydroModPy.
- Implementierung von maschinellen Lernansätzen zur Schätzung hydraulischer Eigenschaften in den Kopfwassergebieten Europas.
- Bewertung hydrologischer Validierungsansätze zur Identifizierung von Eigenschaften von Kopfwassergebieten.
- Implementierung hybrider Modellierungsansätze zur Rück- und Vorhersage des hydrologischen Verhaltens unüberwachter Kopfwassergebiete unter Verwendung von Klimastorylines.
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 der Programmierung mit Python. Fließende und ausgezeichnete Schreibfähigkeiten in Englisch, mit starkem Interesse an wissenschaftlicher und öffentlicher Kommunikation.
Bewerbung / Kontakt: Wir akzeptieren nur Online-Bewerbungen, die über die Online-Bewerbungsplattform eingereicht werden; verwenden Sie den untenstehenden Link, um auf das Online-Bewerbungsformular zuzugreifen. Ihre Bewerbung sollte ein Motivationsschreiben (max. 1 Seite), einen Lebenslauf, eine Kopie Ihres MSc-Diploms, Kontaktdaten von mindestens zwei Referenzen und, falls zutreffend, eine Beschreibung eines Forschungsprojekts, an dem Sie gearbeitet haben oder zu dem Sie beigetragen haben, enthalten, wobei die Begründung, Ergebnisse und Ihr Beitrag (max. eine halbe Seite) angegeben werden sollten. Für weitere Informationen wenden Sie sich bitte an Prof. Dr. Oliver S. Schilling.
Die Position soll im September 2026 beginnen, oder nach Vereinbarung, jedoch nicht später als Januar 2027. Bewerbungen werden fortlaufend geprüft, die Position bleibt jedoch bis zur Besetzung offen.
PhD on Hydrological model-data interaction and machine learning for headwater catchment analyses Arbeitgeber: Universität Basel
Die Forschungsgruppe Hydrogeologie am Departement für Umweltwissenschaften der Universität Basel bietet eine hervorragende Arbeitsumgebung für Doktoranden, die sich für hydrologische Modellierung und maschinelles Lernen interessieren. Mit einem internationalen Projektteam und einer starken Ausrichtung auf innovative Ansätze zur Bewältigung von Herausforderungen im Bereich Wasserressourcenmanagement fördert die Universität eine offene und kollaborative Kultur, die den Austausch von Ideen und die persönliche Entwicklung unterstützt. Zudem profitieren die Mitarbeiter von einer exzellenten Unterstützung bei der wissenschaftlichen Kommunikation und der Möglichkeit, an bedeutenden Forschungsprojekten teilzunehmen, die einen direkten Einfluss auf die Gesellschaft haben.
