Hledáme nové kolegy na doktorandské studium

Zajímá vás GIS a DPZ ve spojení s ekologií, ochranou přírody, hodnocením dopadů opatření v krajině nebo s geohazardy? Zajímá vás věda? Přihlaste se!

Profilový výzkumný tým FŽP Spatial Science in Ecology and Environment (SSEE) hledá motivované kandidáty na pozice doktorandských studentů. Nabízíme vysoce aktuální témata mezioborového výzkumu řešená v mezinárodní spolupráci. V neposlední řadě nabízíme zajímavé stipendium a další možnosti financování vašeho výzkumu formou studentských vnitřních grantů a/nebo grantů řešených akademickými pracovníky týmu.

Obecné požadavky na uchazeče:

  • Absolvovaný magisterský stupeň, nejlépe v oblasti ekologie, ochrany přírody, krajinného plánování, geografie, geoinformatiky nebo podobné.
  • Jasný zájem o vědeckou práci a osobnostní předpoklady pro ni. Ochota a schopnost se věnovat studiu a vědecké práci na plný úvazek.
  • Znalosti a dovednosti definované u jednotlivých témat disertačních prací (vizte níže)..
  • Schopnost a zájem se (v rámci povinného počtu hodin stanovených pro doktorandy ČZU) podílet na výuce cvičení základů GIS (předmět GIS I) dle existujících studijních materiálů, popř. na výuce dalších předmětů (DPZ, Kartografie …).
  • Schopnost a zájem se organizačně a odborně podílet na aktivitách výzkumného týmu a katedry (např. popularizace vědy, organizace konferencí a letních škol apod.).
  • Obstojná znalost angličtiny. 
  • Předpoklady a ochota pro budoucí obhájení disertační práce v mezinárodním měřítku (obhajoba v angličtině, minimálně jeden ze tří oponentů bude zahraniční).

Stipendium:

  • Nástupní stipendium 15 – 18 tis./měs. Kč netto s možností navýšení v průběhu studia na 20 – 25 tis. (benefity za průběžné plnění studijních povinností, získání vnitřního grantu, spolupráce na externích grantech, odměny za publikace).
  • Konkrétní výše stipendia závisí na schopnostech a aktivitách studenta.Horní hranice není omezena.

Témata výzkumu (disertační práce):

(Bližší popis témat a vstupních požadavků naleznete níže. Názvy i popis jsou v angličtině. Oficiálním jazykem studia může být čeština nebo angličtina.)

  1. Indices based on Earth observation data as indicators of avian/plant diversity and distribution at multiple scales. Školitel: Petra Šímová. Konzultant: Duccio Rocchini (University of Trento).
  2. Sentinel and UAS-borne data for improving NATURA 2000 habitat mapping. Školitel: Petra Šímová.
  3. Development of methods for monitoring of cryosphere using microwave and optical satellite systems. Školitel: Jan Kropáček.
  4. Analysis of mass wasting and erosion dynamics in semi-arid areas from historical and modern satellite data. Školitel: Jan Kropáček.
  5. Remote Sensing for monitoring of measures supporting water retention. Školitel: Jan Kropáček.

Jak se přihlásit:

1) Předkolo se školitelem zvoleného tématu. Termín: zaslání podkladů do 22. 4.

Kontakty na školitele: Petra Šímová simova@fzp.czu.cz, Jan Kropáček jkropacek@fzp.czu.cz

Kontaktujte školitele mailem tak, aby byl zřejmý váš zájem o zvolené téma, vaše předpoklady k němu a vaše schopnost splnit formální požadavky:

  • Předmět mailu: PhD studium: téma
  • Text mailu: Krátce uveďte, kdo jste a o které téma se ucházíte. Podrobnosti o sobě a své motivaci k doktorskému studiu popište v příloze
  • Příloha (název souboru PhD_číslo tématu_PrimeniJmeno; formát PDF), v této struktuře:
    • Oborný životopis, max 1 strana (stačí půl, uveďte dosavadní studium, témata absolventských prací a případně relevantní odbornou praxi; neuvádějte neodborné brigády)
    • Motivační dopis, max 1 strana. Proč chcete být doktorandem? Proč jste si vybrali dané téma a jak k němu splňujete předpoklady?
    • Seznam vědeckých článků publikovaných na Web of Science, které jste četli a které považujete za inspirativní ke zvolenému tématu (10 – 20 referencí).
    • Nepovinné v této fázi, ale výhodou: Krátká rešerše z uvedených článků (cca 2 strany). Co bylo cílem výzkumů a jakým postupem jich bylo dosaženo? Co autoři zjistili? Tip: Pokuste se vytvořit zajímavé pojednání ze své četby. Nepište stylem, že článek 1 zkoumal to a to, článek 2 to a to atd.

Školitel se vám co nejdříve ozve a sdělí další postup. Tím může být pozvání k osobnímu (popř. Skype) pohovoru, vyzvání k vytvoření rešerše k tématu (pokud jste se nerozhodli ji dodat předem) apod.

2) Podání oficiální přihlášky (do 31. 5.)

3) Přijímací zkouška před zástupci oborové rady (26. 6.).

Samozřejmě neváhejte kontaktovat školitele kdykoliv s dotazy na věci, které nejsou v tomto textu uvedeny nebo jsou vám nesrozumitelné.

Těšíme se na vás a naši budoucí spolupráci!

                                                                                                                             Za výzkumný tým SSEE

                                                                                                                                     Petra Šímová

 

 

 TÉMATA

  1. Indices based on Earth observation data as indicators of avian/plant diversity and distribution at multiple scales

Requirements: The candidate should have a good background in animal or plant ecology, remote sensing, GIS and statistics, be experienced in R scripting and be fluent in English.  

About: Earth Observation (EO) data represent a valuable source of information about biodiversity and species distribution. Unclassified multispectral satellite data are readily available for large areas and many time points. As several recent studies indicate, such data could serve as indicators/predictors of both plant and animal diversity and distribution at multiple scales without a time consuming, expensive and often inaccurate classification of raw EO data into discrete vegetation/habitat classes. In connection with a SSEE project, you should contribute to this present-day research topic exploring both the potential and bottle-necks of EO data for modelling species distribution and diversity, using various spatial and spectral resolutions. Preferred focal taxa include birds or trees but we are open to working with other terrestrial vertebrates or vascular plants as well.

  1. Sentinel and UAS-borne data for improving NATURA 2000 habitat mapping

Requirements: The candidate should have a strong background in remote sensing, be experienced in R and Python scripting, have a background in ecology or nature conservation and be fluent in English.

About: Protecting the diversity of natural and semi-natural habitats in Europe is one of the aims set out by the Habitats Directive (Council Directive 92/43/EEC on the conservation of natural habitats and of wild fauna and flora). Earth observation is undoubtedly a powerful tool to acquire synoptic data on the habitat types; however, its use for Natura 2000 habitat mapping is still very limited.  In a joint SSEE and Nature Conservation Agency project, you will explore ways to increase efficiency of the Natura 2000 habitat mapping process in Czechia using data of Sentinel satellites and UAS equipped with RGB, multispectral and thermal sensors. The main question is which Natura 2000 habitat types can be recognized using individual data and classification methods. A special focus should be dedicated to the classification accuracy. Preferred focal environment are various types of wetlands.

  1. Development of methods for monitoring of cryosphere using microwave and optical satellite systems

Requirements: The candidate should have a strong background in remote sensing, be experienced in Python scripting and fluent in English.

About: Snow cover distribution, glacier volume changes and further processes in the cryosphere are sensitive indicators of climate changes. Satellite data provide a synoptic overview of these processes in a regular manner. The changes of cryosphere increase the exposure to geohazards such as outbursts of pro- and supra-glacial lakes. The main goal of the work will be to assess the potential of optical and microwave data for the monitoring of snow cover distribution, annual growth of glacial lakes, changes in lake water temperature and icing cycle. Data acquired by European satellites of the Copernicus Program will be predominantly used.

 

  1. Analysis of mass wasting and erosion dynamics in semi-arid areas from historical and modern satellite data

Requirements: The candidate should have a strong background in remote sensing, be experienced in Python scripting and fluent in English.

About: Mass wasting and soil erosion are serious concerns especially in developing countries with high population rates. Understanding of the dynamics of these processes is essential for selection of suitable mitigation measures. Remote sensing data analysis allows an accurate quantification of landslides and gully erosion. The proposed research is focused on the potential of a combination of historical and modern remote sensing data for a better understanding of these processes. Historical data from Corona, Hexagon a Gambit reconnaissance satellites will be used in combination with modern high-resolution data. Methods of ortho-rectification, terrain reconstruction from stereo-data, multispectral analysis and feature detection will be utilized.

  1. Remote Sensing for monitoring of measures supporting water retention

Requirements: The candidate should have a strong background in remote sensing, be experienced in Python scripting and fluent in English.

About: Retention is one of the main priorities in the frame of combating drought. Remote sensing has a high potential for monitoring the effectiveness of mitigation measures leading to an increase in retention. Such measures include for instance removal of underground drainage, change in land management or application of biochar. Thermal data, especially the difference between day and night takes, indicate moisture content. Similarly, optical data are sensitive to the amount of vegetation and thus indicate available soil moisture. The proposed topic is focused on an assessment of the potential of UAV and satellite data for monitoring of the effect of the mitigation measures. Data acquisitions and processing will be partially carried out within the frame of the SWAMP project. Some study sites will be identical to the SWAMP study sites.