BSc und MSc Arbeiten

Im Viererfeld betreiben wir einen LI-COR Carbon Node, ein Messgerät, das den Austausch von Wasserdampf und Kohlendioxid zwischen der Bodenoberfläche und der Atmosphäre misst. Ein früherer Direktvergleich mit einem Referenzgerät zeigte, dass der Carbon Node etwa doppelt so hohe Wasserdampf-Flüsse angibt; welches der beiden Geräte fehlerhaft ist, bleibt ungeklärt. Am aktuellen Standort stehen uns nun Strahlungsmessungen, Bodentemperaturen in drei Tiefen sowie Bodenfeuchtemessungen zur Verfügung, wodurch die Oberflächenenergiebilanz unabhängig vom Flussmessgerät bestimmt und als Referenzwert herangezogen werden kann. Diese Bilanz lautet: Nettostrahlung minus Bodenwärmefluss ist gleich sensibler Wärmefluss plus latenter Wärmefluss. Der latente Wärmefluss ist das Energieäquivalent des Wasserdampfflusses, also genau die Grösse, die im Verdacht steht, und die von ihr beanspruchte Energie darf nicht grösser sein als die, die durch Strahlung und Bodenwärmefluss zur Verfügung steht. Die Dissertation befasst sich mit der Aufbereitung und Qualitätskontrolle der Fluss-, Strahlungs- und Bodendaten, der Berechnung des Bodenwärmeflusses aus dem Bodentemperaturprofil und der Bodenfeuchte sowie der Analyse des Energiebilanzschlusses mit halbstündlicher und täglicher Auflösung. Was wir bieten, ist die Arbeit mit echten Felddaten aus einer laufenden Messkampagne, Einblicke in die Mikrometeorologie und die Wasserbilanzforschung sowie ein klar definiertes Ergebnis mit direkten Auswirkungen auf unsere Messaktivitäten.

Level: BSc / MSc

Methode: Statistische Analyse

Voraussetzungen: Interesse an Messtechnik und Datenanalyse sowie Grundkenntnisse in R oder Python; Kenntnisse der Wirbelkovarianzmethode sind nicht erforderlich und werden im Rahmen der Diplomarbeit vermittelt.

Supervisor: Dr. Jörg Franke (joerg.franke@unibe.ch)

Advisor: Patrick Kallabis (patrick.kallabis@unibe.ch)

Wirbelkovarianzstationen messen die Oberflächenenergiebilanz präzise, sind jedoch teuer, an einen Standort gebunden und decken nur einen einzigen Bereich ab. Teuling et al. (2024) zeigten, dass ein Smartphone mit einem Wärmesensor, seinem Lichtsensor und einigen externen Wettersensoren die Evapotranspiration überraschend gut abschätzen kann, mit mittleren RMSE-Werten von 0.10 mm h⁻¹ im Vergleich zu einem Lysimeter und 0.05 mm h⁻¹ im Vergleich zur Eddy-Kovarianz.

Unser neues, kostengünstiges System «PocketFlux» führt diese Idee weiter: Anstelle der reinen Evapotranspiration ist das Ziel die vollständige Oberflächenenergiebilanz, d. h. Kurz- und Langwellenstrahlung sowie sensibler und latenter Wärmefluss, gemessen mit einem robusten Smartphone mit integrierter Wärmebildkamera und einem Bluetooth-Wettersensor.

Eine funktionierende Android-App existiert bereits, und erste Felddaten wurden im September 2026 erhoben. Die App führt zwei Verarbeitungsmodi parallel aus: Der eine reproduziert die Methode von Teuling et al. (2024), der andere unsere eigene PocketFlux-Implementierung, sodass allfällige Verbesserungen direkt quantifiziert werden können. In der Dissertation werden die Regressionskoeffizienten anhand einer SwissFluxNet-Station kalibriert. Das Gerät wird anschliessend am Viererfeld in Bern neben unserem LI-COR CarbonNode betrieben, der turbulente Flüsse, alle vier Strahlungskomponenten sowie die Bodenfeuchte in 10, 20 und 50 cm Tiefe als unabhängige Referenz liefert. So lässt sich zeigen, wie gut sich der Ansatz auf einen neuen Standort übertragen lässt und welche Grössen eine standortspezifische Kalibrierung erfordern.

Level: BSc / MSc

Methode: Kostengünstige Systeme, Kalibrierung, Feldarbeit

Voraussetzungen: Basiswissen in R oder Python

Supervisor: Dr. Jörg Franke (joerg.franke@unibe.ch)

Advisor: Patrick Kallabis (patrick.kallabis@unibe.ch)

Das Vierer- und Mittelfeld am nordöstlichen Rand der Länggasse soll in den nächsten 5 bis 10 Jahren in eine Wohnsiedlung für rund 3'000 Menschen umgewandelt werden. Als Vorzeigeprojekt für städtische Verdichtung und sozioökologische Nachhaltigkeit bietet es einzigartige Potenziale für transdisziplinäre Forschung zur nachhaltigen Stadtentwicklung. Diese Gelegenheit nutzend haben verschiedene Forschungsgruppen des GIUB und des OCCR gemeinsam mit verschiedenen Akteuren (z. B. Stadtgrün, Tiefbauamt, Quartierverein, Gymnasium Neufeld, PHBern, BFH) kürzlich das «UrbanLab Viererfeld» ins Leben gerufen, das auch durch die Initiative «Engaged UniBE» gefördert wurde. In diesem Zusammenhang ergeben sich vielfältige Möglichkeiten für Themen von Bachelor- und Masterarbeiten – unter Einsatz verschiedener Methodiken und oft in Zusammenarbeit mit anderen Forschungseinheiten und Akteuren:

• Erhebung und Analyse von Umweltdaten als Grundlage für Monitoring und Modellierung (z. B. Messung von Luftverschmutzung, Lärm, Luft-/Oberflächen-/Bodentemperaturen, unterirdischen Wasserströmen …)
• Analysen der sozialen Wahrnehmungen, Framings und Bewertungen des Viererfelds und seiner Umgebung in verschiedenen Segmenten der Berner Bevölkerung; einschliesslich Analysen von Betreuungsinfrastrukturen und städtebaulichen Prozessen (z. B. Diskursanalyse, Umfragen, Interviews, partizipative Ansätze)
• Bewertung der Potenziale und Herausforderungen von Citizen Science in der klimasensiblen Stadtentwicklung (z. B. mit benachbarten Quartieren, Klassen der Oberstufe des Gymnasiums Neufeld, …)

Level: BSc / MSc

Methode: Messungen, Statistische Analysen, GIS-basiertes Kartieren, Interviews, Umfragen etc.

Voraussetzungen: Basis in Statistik, Basis ind GIS, Interesse in inter- und transdisziplinären Ansätzen

Supervisors: Dr. Moritz Gubler (moritz.gubler@unibe.ch); Prof. Dr. Stefan Brönnimann (stefan.broennimann@unibe.ch); PD Dr. Jeannine Wintzer (jeannine.wintzer@unibe.ch); Dr. Jörg Franke (joerg.franke@unibe.ch); Dr. Deniz Ay (deniz.ay@unibe.ch)

Advisors: Prof. Dr. Edouard Davin (Wyss Academy for Nature), (edouard.davin@unibe.ch); Dr. Apolline Saucy (ISPM), (apolline.saucy@unibe.ch); Dr. Sophie Meyer (ISPM), (apolline.saucy@unibe.ch); Patrick Kallabis, (patrick.kallabis@unibe.ch)

Many Swiss towns want to know where heat builds up, but a dense measurement network is costly to install and maintain. Within the myurbanclimate project we develop a planning tool that uses Swiss-wide geodata to place sensors where they add the most information. The aim is to capture the urban temperature field with as few sensors as possible while losing as little information as possible. So far, the tool has mainly been developed with data from Bern. Olten is therefore a real test case: can the tool plan a good network in a city it has never seen?

Together with the city of Olten, the student set up a real network, checks the mounting sites on public ground (typically street lamps), installs the low-cost sensors and runs the network over the summer. The measured temperatures are then compared with the temperature field and the uncertainty the tool predicted before any sensor was installed. In a second step, the data are used to describe Olten’s urban climate: UHI in space and time, heat days and tropical nights, and the neighbourhoods with the highest heat exposure. The results go back to the city as a basis for heat adaptation

Level: MSc

Methode: Aufbau eines Netzwerks, Feldarbeit, Evaluation und Urbane Klimaanalyse

Voraussetzungen: Basiswissen in R oder Python

Supervisor: Prof. Dr. Stefan Brönnimann, (stefan.broennimann@unibe.ch); Dr. Moritz Gubler, (moritz.gubler@unibe.ch)

Advisor: Patrick Kallabis, (patrick.kallabis@unibe.ch)

Die „O-Meter“ (Bernometer, Thunometer, Bielometer) zeigen die aktuelle und die prognostizierte Lufttemperatur in einem 50-Meter-Raster für drei Schweizer Städte an. Ein Random-Forest-Modell kombiniert Wettervorhersagen (MeteoSchweiz für Bern, Open-Meteo für Thun und Biel) mit Geodaten wie Gelände, Landnutzung und Infrastruktur. Alle 15 Minuten wird das modellierte Feld mit Live-Daten aus den kostengünstigen Stadtnetzwerken korrigiert, indem die Residuen zwischen gemessener und modellierter Temperatur interpoliert werden. Dieser Ansatz funktioniert, lässt jedoch mehrere offene Fragen offen, die jeweils Gegenstand einer Abschlussarbeit sein könnten:

(1) Modellvergleich: Sind Gradient Boosting, neuronale Netze oder Gauß-Prozesse dem aktuellen Random-Forest-Modell überlegen, wenn sie mit denselben Prädiktoren trainiert und an Stationen getestet werden, die beim Training nicht berücksichtigt wurden?

(2) Luftfeuchtigkeit und Hitzeindex: Die Netzwerke messen auch die relative Luftfeuchtigkeit, die bisher noch nicht genutzt wird. Karten zur Luftfeuchtigkeit und zum Hitzeindex würden Hitzestress besser beschreiben als die Temperatur allein.

(3) Residualfeld: Bei der aktuellen Korrektur werden die Residuen ausschließlich anhand der Entfernung interpoliert. Eine explizite Modellierung dieser Residuen unter Einbeziehung von Geodaten zeigt, wo und warum das Modell versagt.

(4) Systematische Fehler: Der Vergleich von Vorhersagen aus verschiedenen Quellen und mit unterschiedlichen Vorlaufzeiten mit den späteren Messwerten deckt systematische Verzerrungen auf, z. B. je nach Tageszeit, Wettersituation oder Standort, und liefert die Unsicherheit einer lokalen Vorhersage.

(5) Optional kann jede Abschlussarbeit Arbeiten an unserer neuen O-Meter-App beinhalten.

Level: BSc / MSc

Methode: Statistische Modellierung, maschinelles Lernen, Unsicherheitsanalyse

Voraussetzungen: Kenntnisse in R/Python oder die Bereitschaft, sich damit auseinanderzusetzen. Bereitschaft, sich mit Modellierung und maschinellem Lernen zu beschäftigen

Supervisor: Prof. Dr. Stefan Brönnimann (stefan.broennimann@unibe.ch)

Advisor: Patrick Kallabis (patrick.kallabis@unibe.ch)

Die kürzeste Route zu Fuss ist nicht unbedingt diejenige mit dem meisten Schatten. An heissen Tagen kann dies insbesondere für schutzbedürftige Menschen zu einem Problem werden. Unsere neue Funktion «Cool-Path» ermittelt Routen, die zur voraussichtlichen Durchgangszeit der Sonne ausweichen. Ein funktionierender Prototyp läuft bereits in der O-Meter-App für Bern (noch nicht veröffentlicht): Der Schatten wird anhand von swissSURFACE3D und swissALTI3D mit einer Auflösung von 2 m alle 30 Minuten berechnet, Arkaden werden als vollständig beschattet behandelt, und jedes Fusswegsegment erhält eine wahrgenommene Länge, bei der sonnige Meter stärker gewichtet werden als beschattete. Der Ansatz baut auf CoolWalks (Wolf, Vierø & Szell, 2025) auf. Ein erstes Beispiel aus Bern: Anfang September zur Mittagszeit weist die Route vom GIUB zur Schauplatzgasse 29 % weniger sonnige Meter bei nur 2 % Umweg oder sogar 66 % weniger sonnige Meter bei 5 % Umweg auf.

Die Arbeit entwickelt den Prototyp zu einem wissenschaftlich fundierten Werkzeug weiter. Erstens wird das Schattenfeld mit dem o-meter-Temperaturfeld oder dem Hitzeindex kombiniert, sodass Routen nicht nur direkte Sonneneinstrahlung, sondern auch warme Bereiche meiden. Zweitens wird die Gewichtung des Schattens bislang manuell festgelegt und entspricht keiner spezifischen Literatur. Drittens wird der Arbeitsablauf auf Thun und Biel übertragen, wo die App derzeit auf die Standard-Routenführung zurückgreift.

Level: BSc / MSc

Methode: Geodatenverarbeitung, schattenbewusste Routenplanung, Analyse tatsächlicher Routenwahlen

Voraussetzungen: Interesse an Stadtklima, Hitzebelastung und Geodaten. Grundkenntnisse in Python oder die Bereitschaft, sich darin einzuarbeiten. Kotlin ist optional (einfaches Programmieren ist in Ordnung, solange Sie verstehen, was Sie tun). Bereitschaft zu Feldarbeit in Städten

Supervisor: Prof. Dr. Stefan Brönnimann (stefan.broennimann@unibe.ch)

Advisor: Patrick Kallabis (patrick.kallabis@unibe.ch)

Das Viererfeld ist eine grosse Freifläche in Bern am Rande der Stadt und der geplante Standort eines neuen Stadtquartiers. Im Rahmen einer 24-stündigen Messkampagne wurden zu verschiedenen Tages- und Nachtzeiten Wärmebilder des Geländes mit einer Drohne aufgenommen, während Messmasten die atmosphärischen Bedingungen am Boden erfassten. Zusammen zeigen diese Daten, wie sich Wiesen, Wege, Bäume und benachbarte Gebäude tagsüber aufheizen und nachts abkühlen.

In der Arbeit werden zunächst die Wärmebilder zu vergleichbaren Oberflächentemperaturkarten über den gesamten Tag hinweg verarbeitet und die Zeitreihen der Messmasten ausgewertet. Anschliessend werden die Oberflächen- und Lufttemperaturen mit einem 3D-Modell des Viererfelds verknüpft, das für jeden Punkt Neigung, Ausrichtung, Verschattung und Himmelsaussicht angibt. So lassen sich die beobachteten Muster erklären, beispielsweise warum manche Oberflächen nachts schneller abkühlen oder wo sich kalte Luft ansammelt

Level: BSc / MSc

Methode: Wärmebildanalyse, Auswertung von Turmmessungen, Kombination mit einem 3D-Modell

Voraussetzungen: Interesse am Stadtklima und an der Datenanalyse. Grundkenntnisse in R oder Python

Supervisor: Dr. Moritz Gubler (moritz.gubler@unibe.ch)

Advisor: Patrick Kallabis (patrick.kallabis@unibe.ch)

In dieser Arbeit werden die möglichen Mechanismen untersucht, die die umstrittene Erwärmung nach einem vulkanischen Winter in hohen Breitengraden antreiben. Dazu wird ein grosses Ensemble von Klimamodellsimulationen analysiert, das mehrere grosse Vulkanausbrüche abdeckt. Mithilfe von Ensemble-Modellierungsansätzen wollen wir die relativen Beiträge verschiedener physikalischer Prozesse – darunter die Strahlungswirkung stratosphärischer Aerosole, die Modulation der Arktischen Oszillation, die Dynamik des Polarwirbels und Telekonnektionen zwischen Ozean und Atmosphäre – zur Entstehung eines Erwärmungssignals quantifizieren. Der Rahmen des grossen Ensembles ermöglicht eine robuste statistische Analyse der Wahrscheinlichkeit einer Erwärmung, ihres Ausmasses und ihrer Dauer unter Berücksichtigung der internen Klimavariabilität, wodurch wir das vulkanische Signal von natürlichen Schwankungen isolieren können. Durch eine systematische Analyse verschiedener Eruptionsstärken und saisonaler Zeitpunkte wird diese Forschung unser Verständnis der Wechselwirkungen zwischen Vulkanen und Klima vertiefen und die Vorhersagefähigkeiten für Klimaanomalien nach Eruptionen in den Polarregionen verbessern.

Level: MSc

Methode: Statistische Analyse eines Ensembles von Modellsimulationen

Voraussetzungen: Grundkenntnisse und Interesse an Paläoklimatologie und atmosphärischer Dynamik. Grundkenntnisse in der Datenanalyse mit R oder Python. Bereitschaft, mit grossen Datensätzen zu arbeiten

Supervisor: Dr. Jörg Franke (joerg.franke@unibe.ch)

Advisor: Dr. Ralf Hand (Ralf.Hand@dwd.de)

HIST-DAILY is a dataset of daily and sub-daily European weather observations from before 1900. The first version brings together station series in a standardized exchange format and is described in a forthcoming data descriptor paper. This thesis will contribute to a second version of the dataset by preprocessing and formatting additional station series into the standard format and applying quality control procedures. To assess the added value of the new data, the series will be validated against existing records and reanalysis products to check how much they improve spatial and temporal coverage. Depending on progress, there is the possibility of contributing to a scientific publication describing the extended dataset.

Level: BSc / MSc

Methode: Data preprocessing, formatting into a standardized station data format, and quality control of historical meteorological series

Voraussetzungen: Basic Python or R skills. Interest in historical climatology and data rescue. Attention to detail

Supervisor: Prof. Stefan Brönnimann (stefan.broennimann@unibe.ch)

Advisor: Carlota Corbella (carlota.corbellaalcantara@unibe.ch)