博士研究生：用于整合物联网田间传感器数据与遥感数据，以寻求自然融入型解决方案应对林木病害的空间统计研究

本研究项目旨在开发空间统计方法，以整合地面物联网传感器数据、遥感数据及现场数据，从而监测影响可可作物的疾病。研究重点将放在克服数据整合挑战上，并通过在加纳的实地调查评估农业实践的影响。

任职要求： 与地理信息科学与地球观测、空间与时空建模、空间统计学及/或机器学习相关的理学硕士专业。您希望运用这些建模技能来分析和解释环境与生态系统中的相互作用。 能够处理并整合来自多种来源的多时相、多空间数据，包括地球观测数据、基于物联网的传感器数据以及现场数据 能够熟练使用 Python 或 R 进行编程与脚本编写以进行数据分析，并能将所构建的模型应用于实际数据处理中 良好的沟通技巧以及出色的英语能力 与项目及社会合作伙伴共同开展团队研究 愿意前往现场收集数据；由于需要与当地管理者互动，熟悉加纳可可种植情况则是一种优势。 致力于为社会合作伙伴的知识传播与应用活动做出贡献，同时践行开放科学与 FAIR 数据原则 对在国际课堂中开展教学工作的热情。 对开发教学材料以及教授空间建模与环境系统相互作用相关主题感兴趣。 为理学硕士学生提供专业且贴心的指导。 与地理信息科学与地球观测、空间与时空建模、空间统计学及/或机器学习相关的理学硕士专业。 您擅长运用这些建模技能来分析和解释环境与生态系统中的相互作用。能够处理并整合来自多种来源的多时相、多空间数据，包括地球观测数据、基于物联网的传感器数据以及现场数据。熟悉使用 Python 或 R 进行编程或脚本编写，以便对数据进行分析并实现模型应用。具备良好的沟通技巧和出色的英语能力。乐于与项目及社会合作伙伴开展团队研究。愿意前往野外收集数据；若熟悉加纳可可种植业，则更具优势，因为需要与当地管理者进行互动。 致力于为社会合作伙伴的知识传播与应用活动做出贡献，同时践行开放科学与 FAIR 数据原则。对在国际课堂上的教育工作充满热情。希望开发教育材料，并教授与空间建模及环境系统中相互作用理解相关的课题。是一位专注且体贴的硕士学生导师。

薪资说明：全日制人员每月税前总薪资为 3,204 欧元至 4,051 欧元。 截止日期：2026年10月30日 特文特大学ITC系希望增加女性教师的数量，以形成更为均衡的师资结构。因此，在选拔过程的各个阶段，我们将优先选择符合该人员标准的女性人才。 您的挑战 荷兰政府通过教育、文化与科学部，在关键科学领域设立了行业计划项目，以应对当前的全球环境挑战。在环境资源系，我们的一项工作是通过开发和应用地统计模型来应对这些挑战，以填补知识空白、数据匮乏及不确定性缺口，以及与人类赖以生存的环境监测相关的治理缺口。 其中一部分内容涉及用于实现生态友好型解决方案的传感器数据整合空间统计学，旨在监测林木的胁迫与疾病状况。像可可这样的林木，除了对小农具有直接的经济价值外，还承担着多种有益的生态功能（包括碳封存和文化认同）。然而，这些功能受到环境压力因素以及诸如可可枝枯病毒（CSSV）病之类的疾病威胁，而这些因素又依赖于地上与地下生物及非生物因素之间复杂的相互作用网络。 在树木疾病的空间与时空模式方面，持续存在的数据与方法学不足导致了知识空白，同时农场治理层面的差距也日益扩大，这些因素共同推动了本课题的研究。 你将开发空间统计方法，以整合地面物联网传感器数据、遥感数据及现场数据，从而绘制可可疾病的空间分布趋势。你还将参与在加纳的可可种植园中建立物联网传感器网络。 期望您能够解决数据整合方面的挑战，包括：（1）网络的空间错位；（2）观测的时间错位；（2）概率或似然值的错位；以及（3）数据质量问题，如测量不确定性、网络覆盖稀疏导致样本量较小、传感器故障导致的数据缺失以及异常值。 为了评估模型的可迁移性，您将与荷兰食物林中其他具有经济意义的树类作物进行对比研究。您将为可可树设计测量装置，并探讨物联网传感器的广泛应用情况、其不确定性因素，以及地上与地下对预测树类疾病与胁迫至关重要的可观测变量。此外，您还将探索模拟场景，以评估本土化及正规农业管理实践对植物疾病的影响。