Vertiefung «Digital Environment»
Wir stehen vor äusserst dringlichen Herausforderungen im Umweltbereich. Big Data liefert uns dabei wichtige Antworten auf diese komplexen Fragestellungen. Lernen Sie, datenbasierte Lösungen zu finden und somit unsere Umwelt zu schützen.
Die Pflichtmodule der Vertiefung «Digital Environment» sind auf Umwelt-, Land- und Forstwirtschaftssysteme fokussiert. Um die Lebensqualität für Menschen, Pflanzen und Tiere zu verbessern, lernen Sie technisches Wissen (z.B. Forschungsmethoden) mit dem Verständnis der Systeme zu verbinden, z.B. wechselseitige Beeinflussung von Mensch und Insekten. So kommen Sie zu datenbasierten Erkenntnissen, die sehr viel mehr Aussagekraft haben als qualitative Überlegungen. Diese Vertiefung wird in enger Zusammenarbeit mit dem Institut für Umwelt und Natürliche Ressourcen IUNR angeboten.
Beispiel einer Forschungsmethode, die Sie kennen lernen werden: Die Analyse raumzeitlicher Daten. Drohnen mit Kameras für verschiedene Wellenlängen können einen Wald systematisch überfliegen, so dass eine Karte (räumliche Daten) des Baumbestandes und/oder von Baumkrankheiten entsteht. Werden die Flüge regelmässig wiederholt, kann man auch die zeitliche Entwicklung erfassen, sozusagen die Entwicklung der Karte als Film sehen. Und dann gibt es auch noch Systeme, in denen die räumliche Komponente dreidimensional ist (z.B. die Beschreibung der Atmosphäre mit ihrer höhenmässigen Schichtung).
Beispiel eines wichtigen Anwendungsbereiches: Diese Vertiefung macht Sie zum Data Expert für Umweltprobleme, die in Zusammenarbeit mit Spezialistinnen und Spezialisten aus dem Bereich Umwelt und natürliche Ressourcen neue Lösungen für die Land- und Forstwirtschaft entwickeln; Stichwort Smart Farming. Optische und Infrarot-Drohnenbeobachtungen, aber auch Daten von Sensoren, die Bodenfeuchtigkeit und Sonneneinstrahlung übermitteln, werden in der Landwirtschaft dazu verwendet, um Ernteroboter und andere Maschinen punktgenau zu timen und zu steuern. (Die Infrarotdaten zeigen z.B. die Wärmeentwicklung durch Pilzbefall.) Dafür braucht es das Internet of Things und künstliche Intelligenz. All dies zur qualitativen und quantitativen Steigerung der landwirtschaftlichen Produktion, zum Schutz der natürlichen Ressourcen, aber auch um die bäuerliche Arbeit zu erleichtern.
Sie lernen ...
- wie man Umweltsysteme beschreibt und überwacht.
- wie man Geodaten erhebt und analysiert.
- die Bildverarbeitung, die für die Interpretation von räumlichen und raumzeitlichen Daten nötig sind.
- den Umgang mit Geographic Information Systems (GIS), z.B. das Verknüpfen spezifischer Daten, wie etwa die Häufigkeit einer Insektenart, mit geografischen Karten. Dazu gehört der Umgang mit Geodatenbanken.
- die Verarbeitung räumlicher Daten mit eigener Computerprogrammierung (Anwendung von Algorithmen).
- wie man im Computer ein Modell baut, mit dem man beispielsweise den Einfluss verschiedener Faktoren auf ein Umweltsystem simulieren kann.
- den statistisch sauberen Umgang mit Daten, die fast immer Ungenauigkeit, Unsicherheiten und Lücken enthalten.
- wie man zeitliche und raumzeitliche Daten zu aussagekräftigen Grafiken verarbeitet.
Beispiele von Projekten, die Sie in Zukunft bearbeiten könnten
- In Zusammenarbeit mit dem Bundesamt für Strassen entwickeln Sie eine Webkarte, auf der für jeden Strassenabschnitt das Risiko für Unfälle mit grossen Wildtieren visualisiert werden kann. Das hinterlegte Risikomodell verbindet dabei Fallwilddaten der Blaulichtorganisationen und der Jagdverbände mit Geodaten der Swisstopo und des Bundesamtes für Umwelt.
- N2O (Lachgas) hat eine 300-mal höhere Treibhauswirkung als CO2. Aus Datenbanken ermitteln Sie die Emissionsquellen von N2O und simulieren die Verbreitung des Gases mit Computerprogrammen, die sonst der Wetterprognose dienen, um den Effekt auf das Klima zu analysieren.
- Photovoltaikanlagen dienen der Stromproduktion. Ihre Stromproduktion sagt aber auch etwas über die lokale Sonneneinstrahlung aus. Man kann gewissermassen daraus ersehen, wie beispielsweise ein Wolkenband von West nach Ost über die Schweiz zieht. Daraus können Sie umgekehrt eine Software entwickeln, die wiederum die Stromproduktion einzelner Anlagen vorhersagt.
- Viele Solaranlagen stehen auf Flachdächern, wo neben und unter den Panels auch Pflanzen gedeihen. Das Mähen von Hand ist äusserst mühsam, trotzdem ist es notwendig, weil sonst manche Pflanzen so hoch wachsen, dass sie die Solarzellen beschatten. Es braucht also einen Rasenmähroboter, der jätet, der aber intelligent ist und nur die schädlichen (auch in Punkto Biodiversität) Pflanzen schneidet. Dafür passen Sie eine Software an, die in Wädenswil bereits für Apps zur Pflanzenbestimmung entwickelt wurde. Ausserdem richten Sie ein sogenanntes differenzielles GPS ein, das den Roboter cm-genau fahren lässt.
Karriere
Unternehmen in der Umwelt- oder Agrobranche, die sich z.B. mit Smart Farming, Umweltschutz oder nachhaltiger Energie beschäftigen, sind typische Arbeitgeber. Sie möchten wissen, wo Sie der Berufsweg nach dem Studium hinführen könnte? Einen Ausblick präsentieren wir auf unserer Karriereseite.
Ausbildung - Modulübersicht
Die Pflichtmodule werden ergänzt durch Wahlpflichtmodule, die Ihnen die Möglichkeit bieten, sich entweder in Spezialthemen innerhalb der Vertiefung oder in ergänzenden Themenkreisen weiterzuentwickeln und ein individuelles Ausbildungsprofil nach Ihren Wünschen zu erstellen.
Es besteht die Möglichkeit, gewisse Wahlpflichtmodule zu einem Minor zu kombinieren. Ein Minor entspricht mindestens 12 ECTS-Punkten, wovon etwa die Hälfte in Form einer Projektarbeit absolviert wird.
Hinweise zur Modulübersicht
Semester | zu erreichende ECTS (insgesamt 180) in Modulen |
---|---|
1. - 3. Semester | je 30 ECTS Pflichtmodule |
4. - 6. Semester | je 30 ECTS, Pflichtmodule und Wahlpflichtmodule inkl. Minor |
Die Modulprüfungen finden jeweils zeitlich abgesetzt nach Ende der Vorlesungszeit statt. Ein Modul gilt als bestanden, wenn ein Notendurchschnitt von mindestens 4.00 erreicht wurde, keine Einzelnote unter 2.5 liegt und alle Prädikate erzielt wurden.
Diese Modultafel ist gültig seit 12. September 2022
Grundlagen
Data Science & Computation
Projekte & Labs
Digital Life Sciences Module
Analysis & Algebra
ECTS: 6
English
ECTS: 2
Gesellschaft, Kultur, Sprache
ECTS: 2
Daten und Information
ECTS: 4
Programmieren
ECTS: 4
Physical Computing in Life Sciences
ECTS: 4
Anorganische Chemie
ECTS: 4
Biologie & Technikgrundlagen
ECTS: 4
Systeme & Modelle der Physik
ECTS: 4
English
ECTS: 2
Gesellschaft, Kultur, Sprache
ECTS: 2
Statistik und Wahrscheinlichkeit
ECTS: 4
Numerische Grundlagen d. Data Science
ECTS: 4
Datenzentriertes Programmieren
ECTS: 2
Versuchsplanung & Auswertung Praktikum
ECTS: 4
Systeme der Biologie
ECTS: 4
Organische Chemie
ECTS: 4
Math. Modelle und Analyse
ECTS: 4
Datenbanken
ECTS: 4
Statistische Modellierung & Simulation
ECTS: 2
Maschinelles Lernen
ECTS: 4
Data Engineering
ECTS: 4
Life Sciences Datalab - Praktikum
ECTS: 8
Life Sciences Datalab - Methoden & Techniken
ECTS: 4
Data & Society
ECTS: 2
Modelling of Complex Systems
ECTS: 2
Neural Networks
ECTS: 4
OS and Infrastructure
ECTS: 4
Signal & Image Processing
ECTS: 4
Projektarbeit - Praktische Anwendung
ECTS: 6
Remote Sensing & Geodata Acquisition
ECTS: 2
Environmental Systems 1
ECTS: 4
Microbiology
ECTS: 2
Ecological and Energy Engineering
ECTS: 2
Genomics
ECTS: 2
Economy & Entrepreneurship
ECTS: 4
Optimisation and High Performance Computing
ECTS: 4
Projectorient. Digital Storytelling & Visualisation
ECTS: 4
Individuelle Projektarbeit LS Applikation
ECTS: 8
GISc and Geodatabases
ECTS: 4
Fluid Dynamics
ECTS: 2
Bioinformatics
ECTS: 2
Machine Learning in Diagnostic Imaging
ECTS: 2
Image Processing for Remote Sensing
ECTS: 2
Applied Environmental Statistics
ECTS: 4
Molecular Imaging
ECTS: 2
Ethics and Law
ECTS: 4
Bachelor Thesis
ECTS: 16
Computational Modelling in Environmental Science
ECTS: 4
Environmental Systems 2
ECTS: 2
Spatiotemporal Data Science
ECTS: 2
Bioinformatics 2
ECTS: 2
Integrated Omics
ECTS: 2
Communicate & Collaborate in Env.Sc.
ECTS: 4