Budapesti Műszaki és Gazdaságtudományi EgyetemÉpítőmérnöki Kar - építőmérnök képzés 1782 óta

Folyóink világszerte egyre inkább ki vannak téve a műanyagszennyezésnek – szállítószalagként funkcionálnak a műanyagok forrásoktól az óceánokig történő transzportjában. A makroműanyagok folyókban történő utazása során jelentős mennyiség ideiglenesen vagy véglegesen csapdázódik a mederben vagy az hullámtéren, elsősorban a növényzetben. A makroműanyag-szennyezés mennyiségének és transzportjának dinamikáját nagyban befolyásolják a hidrológiai változók, illetve a folyó mederalakja is. Szerephez jut továbbá a hullámtér növényzet (annak évszakos jellegével), a szél, folyószabályozási műtárgyak, gátak és minden más akadály, melyek együttes, számszerűsíthető fizikai hatása a műanyagtranszportra jelenleg alig ismert.
Ahhoz, hogy ezeket a hatásokat megérthessük, első lépésként a makroműanyag transzport kvantitatív értékelésére alkalmas mérési-, és monitoring módszertan kidolgozás szükséges. A doktori kutatás ezért két pillérre épül. Az első pillér célja egy videó-alapú monitoring rendszer megalapozása, mellyel nem pusztán a felszínen úszó műanyaghulladék mennyiségének számszerűsítése lehetséges, de több monitoring állomás esetén alkalmas a hossz-menti változékonyság kiértékelésére, és így, kvantitatív hulladékmérlegek felállítására is. Egy ilyen eszköz korábban nem látott információt nyújthatna a makroműanyagok hullámtéri csapdázódási folyamataiba, illetve annak időbeliségébe pl. egy árhullám során. A monitoring rendszer alapját korszerű képfeldolgozáson és elsősorban konvolúciós neurális hálókon alapuló algoritmusok adják.
A második pillér célja a terepi mérésekre és az első pillérben kidolgozott monitoring rendszerre épülő, prediktív, numerikus modellezési módszertan kidolgozása. A cél egy Euler-i szemléletű hidrodinamikai modellezésre építő részecske-alapú (Lagrange-i) modellezési keretrendszer kidolgozása amely alkalmas a műanyaghulladék transzportjának számítására, figyelembe véve a legfontosabb ható tényezőket, pl. a turbulenciához köthető kaotikus bolyongást, a növényzet csapdázó hatását vagy a szél hatását.
Egy így kidolgozott módszertan alkalmas lenne a folyókban lévő makroműanyag szennyezés mértékének és hosszmenti változékonyságának számszerű értékelésére. A modellezési eszköztárra támaszkodva előrejelzések adhatók a makroműanyagok várható transzportját illetően: kijelölhetővé válnak a csapdázódás szempontjából releváns hot-spotok, ahol akár célirányos hulladékgyűjtéssel mérsékelhető a természeti kár. A modellezési módszertan továbbá a különböző aktív/passzív vízi hulladékgyűjtő rendszerek telepítését is támogatná, optimalizálva azok elhelyezési hatékonyságát, figyelembe véve az infrastrukturális adottságokat és az uralkodó hidrodinamikai viszonyokat egyaránt.
A jelölttől elvárt, hogy releváns ismeretekkel rendelkezzen a kurrens képfeldolgozó algoritmusokban, illetve azokat implementálni tudja egy operatív mérésre alkalmas szoftverbe. A kutatás nagy mennyiségű (szoftver)fejlesztési feladattal jár, így a jelölttől elvárt a releváns programozási nyelvek (pl. Python, Matlab) készség szintű ismerete. A jelöltnek ismernie kell a folyami hidrodinamikai modellezés alapvető koncepciót. Felvételt nyerve, a kutatáson túl az oktatómunkában és terepgyakorlatokban is kívánatos a részvétel.

***
Our rivers worldwide are increasingly exposed to plastic pollution, functioning as conveyors transporting plastics from their sources to the oceans. During their journey through rivers, significant quantities of macroplastics are temporarily or permanently trapped in the riverbed or floodplain, primarily within vegetation. The dynamics of the quantity and transport of macroplastic pollution are greatly influenced by hydrological variables and the shape of the riverbed. Additionally, the floodplain vegetation (with its seasonal characteristics), wind, river regulation structures, dams, and all other obstacles play a role, whose combined and quantifiable physical impact on plastic transport is currently little known.
To understand these impacts, the first step is to develop measurement and monitoring methodologies capable of quantitatively assessing macroplastic transport. Therefore, the doctoral research is based on two pillars. The first pillar aims to establish a video-based monitoring system, which not only allows quantification of the amount of floating plastic waste on the surface but, with multiple monitoring stations, is also suitable for evaluating longitudinal variability and thus establishing quantitative waste balances. Such a tool could provide unprecedented information on the processes of macroplastic trapping in the floodplain and its timing, e.g., during a flood wave. The monitoring system is based on modern image processing and primarily convolutional neural networks-based algorithms.
The second pillar aims to develop a predictive, numerical modeling methodology based on field measurements and the monitoring system developed in the first pillar. The goal is to develop a particle-based (Lagrangian) modeling framework relying on Eulerian hydrodynamic modeling, suitable for calculating the transport of plastic waste, considering the most important influencing factors, e.g., chaotic movement related to turbulence, the trapping effect of vegetation, or the influence of wind.
Such a developed methodology would be suitable for the quantitative assessment of the extent and longitudinal variability of macroplastic pollution in rivers. Relying on the modeling toolkit, predictions could be made regarding the expected transport of macroplastics: relevant hotspots for trapping could be identified where targeted waste collection could mitigate environmental damage. The modeling methodology would also support the deployment of various active/passive water waste collection systems, optimizing their placement efficiency, considering infrastructural conditions and prevailing hydrodynamic conditions.
The candidate is expected to have relevant knowledge of current image processing algorithms and be able to implement them into software suitable for operational measurements. The research involves a significant amount of (software) development tasks, so the candidate is expected to have a proficient knowledge of relevant programming languages (e.g., Python, Matlab). The candidate should be familiar with the basic concepts of river hydrodynamic modeling. Upon admission, involvement in teaching and fieldwork is also desirable.