Augustine Maada Gbondo

Datenerfassung und hydro(geo)logische Analyse von Grundwasserständen, Abflüssen und hydrologischen Daten. - -Erstellung konzeptioneller Modelle und Analyse von Grundwasseroberflächen, Fließrichtungen und Strömungswegen. Entwicklung, Parametrisierung und Kalibrierung numerischer Grundwasserströmungs- und Schadstofftransportmodelle mit MODFLOW, MODFLOW-USG und MT3DMS. Bewertung von Schadstoffmigration, Schutzgebieten und Modellszenarien. GIS-Visualisierung, Qualitätskontrolle, technische Dokumentation sowie

— Leitung der Produktstrategie und Entwicklung des NRCRI Weather Digitalization and Analytics Dashboard. - Koordinierte funktionsübergreifende Teams, definierte Produktanforderungen und überwachte die Digitalisierung historischer Wetterdaten, um klimaintelligente Landwirtschaft, Forschung und Entscheidungsfindung zu unterstützen. — Entwickelte Modelle für maschinelles Lernen zur Vorhersage ausgewählter Klimaparameter. — Gelegentliche Aktualisierungen des Projektmanagers

Project: 3D-Modellierung zum Forschungsthema Urbane Geologie bzw. Untergrundspeicher wasserstoff (Projekttrager_in:HLNUG) • Entwicklung der Datenbank für unterirdische Wasserstoffspeicher. • Workflows für die 3D-Modellierung von Untergrund und Grundwasser mit Python. • Erstellen Sie benutzerdefinierte Apps und automatisieren Sie Berichte und Karten mithilfe der Python-Programmierung.

Arbeitet bei HLNUG im Rahmen des Green Hydrogen-Speicher projekts • Analyse von 5TB Gutachten, Artikeln und Geodatenbanken, um geeignete Standorte für die Speicherung von Wasserstoff in Hessen zu finden. • Konzept zum Entwerfen der Geodatenbank "Underground Hydrogen Storage".

Arbeitete an mehreren Projekten mit KI-Lösungen für reale Probleme. • Vorhersage von industriellem CO2 mit maschinellem Lernen. [Link zum Projekt] • Erweiterte Wettervorhersage mit maschinellem Lernen und Python. [Link zum Projekt] • Erkennung von Mikroorganismen im Wasser mit Deep Learning. [Link zum Projekt] • Flood Guard: Integration von Niederschlagszeitreihen und GIS-Daten für die Hochwasservorhersage in Bangladesch. [Link zum Projekt]

Derzeit arbeite ich an einem Forschungsthema: Kartierung des geogenen Radonpotenzials durch Techniken des maschinellen Lernens. (Zur Veröffentlichung vorgesehen) - Verwendung von Radon als Zielvariable und 32 Prädiktorvariablen - Verarbeitung von Umgebungsvariablen in ArcGis Pro - Überprüfung auf räumliche Autokorrelation und Merkmalsauswahl - Erstellen Sie Random Forest-, MARS- und SVM-Modelle für die Vorhersage (fortlaufend).

Teammitglied für Erkundungsuntersuchungen für Quell- und Gewichtsstaumauern. • Beteiligt an der Bewertung geplanter Bauwerke und Untersuchungen für Regenwassernutzungssysteme. • Durchführung einer Umweltverträglichkeitsprüfung für vorgeschlagene Standorte sowie einer sozioökonomischen Bewertung der begünstigten Gemeinden • Gelegentliche Treffen mit Auftragnehmern und anderen am Projekt beteiligten Interessengruppen.