Über uns

Die Arbeitsgruppe Fernerkundung und räumliche Modellierung gehört zum Institut für Landschaftsökologie der Universität Münster. In Forschung und Lehre befassen wir uns mit der Erfassung und Analyse raum-zeitlicher Umweltdynamiken in einem breiten Spektrum landschaftsökologischer Themenfelder. Wir kombinieren verschiedenskalige Fernerkundungsdaten mit räumlichen Modellierungsmethoden, um aus limitierten landschaftsökologischen Felddaten raum-zeitlich kontinuierliche Informationen zu gewinnen. Die Komplexität von Umweltsystemen erfordert dabei die Verwendung von Modellierungsstrategien, die es erlauben, komplexe Zusammenhänge zu berücksichtigen. Aus diesem Grund liegt unser Schwerpunkt auf dem Einsatz von maschinellen Lernverfahren. Neben der Anwendung für landschaftsökologische Fragestellungen arbeiten wir auch an methodischen Weiterentwicklung für räumliche Daten. Damit befindet sich die Arbeitsgruppe an der Schnittstelle zwischen der Geoinformatik [en] und der Landschaftsökologie [de] und hat insgesamt das Ziel über Drohnendatenerfassungen, Satellitendatenverarbeitung, Modellierung und Simulationen zu einem Erkenntnisgewinn in der Ökosystemforschung beizutragen.

Open position: Doctoral Research Associate; Wissenschaftliche*r Mitarbeiter*in

We are seeking to fill the position of a Doctoral Research Associate commencing on 1 October 2024 until June 2028.

Your tasks:
You will work with us on the project 'Deep Learning in Space and Time,' which focuses on researching both the potential and the challenges of applying deep learning algorithms to spatio-temporal data. Our emphasis will be on graph neural networks applied to Earth observation data, particularly time series of satellite data. You will develop innovative methods to assess the performance of spatio-temporal deep learning models, enhance their transferability across various spatio-temporal contexts, and apply these models to Earth observation data to analyze key parameters related to energy and transport.

The project is part of the CRC/TRR 391: Spatio-temporal Statistics for the Transition of Energy and Transport (TU Dortmund, Ruhr University Bochum). The CRC/TRR 391 is highly interdisciplinary, integrating data-driven and knowledge-driven modelling approaches from statistics, data science, mathematics, computer science, electrical engineering, economics, and transportation/logistics, to create comprehensive solutions for tackling urgent problems arising in the transition to a low-carbon economy and renewable economies.


Our expectations:

• Educational Background: You possess an MSc in Geoinformatics, Data Science, Remote Sensing, Statistics, or a closely related field.
• Experience: You have a background in spatial data analysis and predictive modelling using machine learning techniques. Experience with remote sensing is highly advantageous.
• Technical Skills: You possess strong computing skills, preferably with proficiency in R or Python.
• Innovative Thinking: You have demonstrated scientific creativity and problem-solving abilities.

Advantages for you:

• An excellent research environment and a vibrant interdisciplinary community
• Research that pushes the boundaries of what can be achieved with spatio-temporal data through statistical modelling techniques and artificial intelligence
• Structured supervision and courses that will prepare you for excelling within the respective disciplines, but also for crossing borders between them, including transferable skills and career development. All doctoral researchers will become members of our integrated research training group STAIRS for fostering interdisciplinary exchange and establishing a shared language between disciplines.
• You will be part of the working group for remote sensing & spatial modelling at the University of Münster, a young and dynamic team working at intersection between landscape ecology and geoinformatics.

If you have any questions, please contact Hanna Meyer (hanna.meyer@uni-muenster.de).
Are you interested? Please apply for our project A05 via the collective call of the TRR: http://www.fg-stochastik.de/stellenausschreibungen/30-doctoral-researcher-and-3-postdoc-positions-in-crc-trr-391.html

Fotos

• 

• 

• 

• 

• 

• 

• 

• 

Gewinner Posterpreise im Bachelorkurs "Einführung in die Fernerkundung"

Im Rahmen der Veranstaltung "Einführung in die Fernerkundung" für LandschaftsökologInnen und GeoinformatikerInnen fand vor Kurzem die Präsentation der Kursprojekte statt.
Wir waren beeindruckt über die Vielfalt und Qualität der Projekte!

Gewinner des Posterpreises dieses Jahr sind:

Platz 1: Rieke Boelsen & Anna Böttger: Gletscherrückgang in den Ötztaler Alpen

Platz 2: Franziska Wolf & Maya Aschenbach: Dynamik im Wattenmeer - Entwicklung des Außensandes "Norderoogsand"

Platz 3: Ferdinand Schicke & Andreas Struffert-Froböse: New Administrative Capital - Eine Analyse des rasanten Wachstums einer neuen Hauptstadt für Ägypten inmitten der Wüste.

Platz 4: Konstantin Helder & Vincent Flemming: Pine Gulch Fire (Colorado, USA – 2020)

Platz 5: Nikolas Lefering: Der Ausbruch des Tajogaite auf La Palma (2021)

Platz 6: Denise Betha und Nicolas Nierling: Einfluss der Borkenkäfer auf die Nadelholzbestände des Mittelharzes

Weitere Nachrichten

Ältere Meldungen finden Sie im Archiv [de] der AG Fernerkundung und Räumliche Modellierung.