🎓 بورسیه فول فاند مقطع دکتری در دانشگاه توئنته هلند 🇳🇱

🌱 عنوان پروژه:
Spatial Statistics for Integrating IoT Field Sensor Data and Remote Sensing Data for Nature-Inclusive Solutions in Tree Crop Diseases

🏛 دانشگاه: University of Twente
🏫 دانشکده: Faculty of Geo-Information Science and Earth Observation (ITC)
📍 محل تحصیل: انسخده، هلند 🇳🇱
⏳ مدت دوره: ۴ سال، تمام‌وقت
🕐 ساعات کاری: ۴۰ ساعت در هفته
💰 حقوق ناخالص ماهانه: €3,204 تا €4,051
📅 تاریخ اتمام اپلای: 31 October 2026

⸻

🌍 درباره پروژه

این موقعیت دکتری در حوزه آمار مکانی، سنجش از دور، اینترنت اشیا و پایش بیماری‌های محصولات درختی ارائه شده و هدف اصلی آن توسعه روش‌های آماری و محاسباتی برای ادغام داده‌های حاصل از حسگرهای میدانی IoT، داده‌های سنجش از دور و داده‌های in-situ است.

در این پژوهش، تمرکز ویژه‌ای بر پایش و مدل‌سازی بیماری‌های درختان کاکائو در غنا وجود دارد.

🌱 درختان محصولی مانند کاکائو علاوه بر اهمیت اقتصادی برای کشاورزان خرده‌مالک، نقش مهمی در عملکردهای اکولوژیکی از جمله ترسیب کربن و حفظ هویت فرهنگی جوامع محلی دارند. با این حال، بیماری‌ها و تنش‌های محیطی می‌توانند این کارکردها را تهدید کنند.

یکی از نمونه‌های مهم، بیماری Cocoa Swollen Shoot Virus (CSSV) است که تحت تأثیر تعامل پیچیده عوامل زیستی و غیرزیستی در محیط‌های بالای سطح زمین و زیر سطح زمین قرار دارد.

🎯 هدف پروژه، توسعه مدل‌های Spatial و Spatiotemporal برای شناسایی الگوهای مکانی و زمانی بیماری‌ها و در نهایت کمک به ارائه راهکارهای طبیعت‌محور و پایدار برای مدیریت این بیماری‌هاست.

⸻

🔬 محورهای اصلی پژوهش

در طول این دوره دکتری، پژوهشگر:

📡 یک شبکه حسگر IoT را در مزارع کاکائو در غنا راه‌اندازی و در توسعه آن مشارکت خواهد کرد.

🛰 داده‌های Remote Sensing را با داده‌های حاصل از حسگرهای زمینی و داده‌های in-situ ادغام خواهد کرد.

📊 روش‌های Spatial Statistics را برای نقشه‌برداری و تحلیل روندهای مکانی بیماری‌های کاکائو توسعه خواهد داد.

🔄 چالش‌های ادغام داده‌ها، از جمله موارد زیر را بررسی خواهد کرد:

• ناهماهنگی مکانی شبکه‌های داده
• ناهماهنگی زمانی مشاهدات
• ناهماهنگی‌های احتمالاتی و Likelihood
• عدم قطعیت در اندازه‌گیری‌ها
• کمبود پوشش شبکه و کوچک بودن حجم نمونه
• داده‌های گمشده ناشی از خرابی حسگرها
• داده‌های پرت (Outliers)

🌳 برای ارزیابی قابلیت انتقال مدل‌ها، نتایج با سایر محصولات مهم درختی در Food Forests هلند مقایسه خواهد شد.

📐 همچنین طراحی یک سیستم اندازه‌گیری برای درختان کاکائو و بررسی کاربردهای مختلف حسگرهای IoT، عدم قطعیت آن‌ها و متغیرهای قابل مشاهده در بخش‌های بالای زمین و زیر زمین انجام خواهد شد.

🧮 علاوه بر این، سناریوهای شبیه‌سازی برای بررسی تأثیر روش‌های سنتی و رسمی مدیریت کشاورزی بر بیماری‌های گیاهی مورد مطالعه قرار خواهند گرفت.

⸻

🎓 مناسب برای چه رشته‌هایی است؟

این فرصت به‌طور ویژه برای فارغ‌التحصیلان رشته‌های زیر مناسب است:

🌍 Geoinformation Science
🛰 Remote Sensing & Earth Observation
📊 Spatial Statistics
📐 Spatial & Spatiotemporal Modelling
🤖 Machine Learning
💻 Data Science
🌱 Environmental Science
🌿 Ecology & Environmental Modelling
📡 Internet of Things (IoT)
🌾 Agricultural Science / Precision Agriculture
🌳 Plant Science & Crop Science
🗺 Geospatial Science / GIS

⸻

👨‍🎓 شرایط موردنیاز

متقاضی باید:

🎓 دارای مدرک کارشناسی ارشد (MSc) در یکی از حوزه‌های زیر یا رشته‌های مرتبط باشد:

• علوم ژئوانفورماتیک و سنجش از دور
• مدل‌سازی مکانی و مکانی-زمانی
• آمار مکانی
• یادگیری ماشین

💻 توانایی کار با داده‌های چندزمانه و چندمقیاسی از منابع مختلف مانند داده‌های سنجش از دور، حسگرهای IoT و داده‌های in-situ را داشته باشد.

🐍 با برنامه‌نویسی یا اسکریپت‌نویسی در Python یا R برای تحلیل داده و پیاده‌سازی مدل‌ها راحت باشد.

🗣 دارای مهارت ارتباطی مناسب و تسلط بسیار خوب به زبان انگلیسی باشد.

🤝 به پژوهش تیمی و همکاری با شرکای علمی و اجتماعی علاقه‌مند باشد.

✈️ آمادگی سفر و انجام فعالیت‌های میدانی و جمع‌آوری داده را داشته باشد.

🌱 آشنایی با کشاورزی کاکائو در غنا یک مزیت محسوب می‌شود.

🔓 به انتشار و انتقال دانش برای شرکای اجتماعی و همچنین اصول Open Science و FAIR Data علاقه‌مند باشد.

👨‍🏫 علاقه‌مند به فعالیت آموزشی در یک کلاس بین‌المللی باشد و در توسعه محتوای آموزشی مرتبط با Spatial Modelling و تحلیل تعاملات در سیستم‌های محیطی مشارکت کند.

🎓 همچنین توانایی و علاقه به راهنمایی دانشجویان MSc یک مزیت مهم محسوب می‌شود.

⸻

💰 حقوق و مزایای موقعیت

💶 حقوق ناخالص ماهانه: