Ferdinand Briegel
Ferdinand Briegel, M.Sc.
Doktorand
Werthmannstrasse 10
79085 Freiburg
Raum 00.002
ferdinand.briegel@meteo.uni-freiburg.de | |
Tel | +49 761 203 3590 |
ORCiD | 0000-0003-1293-9747 |
Biographie
Ferdinand Briegel studierte von 2012 bis 2016 Umweltnaturwissenschaften (Hauptfach) und Umwelthydrologie (Nebenfach) an der Albert-Ludwigs-Universität in Freiburg (Bachelor of Science). Von 2016 bis 2019 studierte er Umweltwissenschaften mit der Profillinie Umweltmodellierung und Geoinformationssysteme (Master of Science). Von Juni 2020 bis Dezember 2020 arbeitete er als wissenschaftlicher Mitarbeiter im Urbisphere Projekt (Datenbank Management) an der Professur für Umweltmeteorologie der Universität Freiburg. Im Januar 2021 startete seine Doktorarbeit im I4C Projekt, ebenfalls an der Professur für Umweltmeteorologie der Universität Freiburg.
Forschungsschwerpunkt
In seiner Masterarbeit entwickelte er einen neuen Ansatz zur Partitionierung von Netto CO2-Flüssen in Respiration und Photosynthese, basierend auf deep learning.
Im Rahmen seiner Doktorarbeit soll ein multi-skaliertes deep learning Modell zur Vorhersage von thermischem Stress im urbanen Raum entwickelt werden. Dazu sollen in einem ersten Schritt physikalische Meso- und Mikroskalenmodelle gekoppelt und anschließend durch deep learning approximiert werden. Des Weiteren soll die entscheidenden Faktoren zur Verminderung von thermischem Stress auf den verschiedenen Skalenebenen bestimmt werden.
Laufende und abgeschlossene Forschungsprojekte
- I4C - Intelligence for Cities (KI-Leuchttürme, BMU)
- urbisphere (ERC Synergy Grant)
Publikationen
Originalarbeiten in wissenschaftlichen Fachzeitschriften
- Briegel F, Wehrle J, Schindler D, Christen A, 2024: High-resolution multi-scaling of outdoor human thermal comfort and its intra-urban variability based on machine learning. Geoscientific Model Development, 17, 1667–1688.
- Briegel F, Makansi O, Brox T, Matzarakis A, Christen A, 2023: Modelling long-term thermal comfort conditions in urban environments using a deep convolutional encoder-decoder as a computational shortcut. Urban Climate, 47, 101359.
- Lee S-C, Christen A, Black TA, Jassal RS, Briegel F, Nesic Z, 2021: Combining flux variance similarity partitioning with artificial neural networks to gap-fill measurements of net ecosystem production of a Pacific Northwest Douglas-fir stand. Agricultural and Forest Meteorology, 303, 108382.
- Briegel F, Lee S-C, Black TA, Jassal RS, Christen A, 2020: Factors controlling long-term carbon dioxide exchange between a Douglas- fir stand and the atmosphere identified using an artificial neural network approach. Ecological Modelling, 435, 109266.
Konferenzbeiträge
- Briegel F, Schrodi S, Wehrle J, Sulzer M, Brox T, Schindler D, Christen A, 2023: Downscaling of climate change scenario ensembles to city-wide and high-resolution thermal comfort maps using deep learning. 41. Jahrestagung des AK Klima 2023, Tübingen, Germany, 12–14 Oct 2023.
- Plein M, Feigel G, Zeeman M, Briegel F, Dormann C, Christen A, 2023: A sensor network for real-time monitoring and modelling of street-level heat exposure in Freiburg, Germany. EGU General Assembly 2023, Vienna, Austria, 24–28 Apr 2023.
- Zeeman M, Benjamins K, Briegel F, Drouin M-A, Feigel G, Fenner D, Kotthaus S, Hilland R, Meier F, Morrison W, Plein M, Metzger S, Reddy K, Chrysoulakis N, Grimmond S, Christen A, 2023: A modular data management approach for environmental observation campaigns in multiple cities. EGU General Assembly 2023, Vienna, Austria, 24–28 Apr 2023.
- Feigel G, Plein M, Zeeman M, Briegel F, Christen A, 2023: A compact and customisable street-level sensor system for real-time weather monitoring and outreach in Freiburg, Germany. EGU General Assembly 2023, Vienna, Austria, 24–28 Apr 2023.
- Briegel F, Makansi O, Brox T, Christen A, 2022: Modelling mean radiant temperature in complex urban areas using a convolutional network approach. Poster. Beating the Heat 2022, Bern, Switzerland, 16 Sep. 2022.
- Briegel F, Makansi O, Brox T, Christen A, 2022: Modelling Tmrt in a complex urban environment using a convolutional encoder-decoder network. Poster. IAUC Virtual Poster Conference, 30. Aug - 1 Sep. 2022.
-
Briegel F, Makansi O, Brox T, Matzarakis A, Christen A, 2022: Modelling mean radiant temperature in complex urban areas using a convolutional network approach. Presentation. EGU General Assembly 2022, Vienna, Austria, 23–27 May 2022.
- Schlögl S, Briegel F, Gutbrod KG, 2020: High resolution meteorological station network in Swiss Cities: City Weather Monitoring and operational forecasts. Symposium on Challenges in Applied Human Biometeorology, Freiburg, Germany, 02–03 Mar. 2020.