PhD Position - SAR Remote Sensing - Forest Biomass and Structure Estimation

Arbeitgeber: Karlsruhe Institute of Technology (KIT)

Über KIT: In enger Partnerschaft mit der Gesellschaft entwickelt das KIT Lösungen für dringende Herausforderungen – von Klimawandel, Energiewende und nachhaltiger Nutzung natürlicher Ressourcen bis hin zu künstlicher Intelligenz, Souveränität und einer alternden Bevölkerung. Als Universität in der Helmholtz-Gemeinschaft vereint das KIT wissenschaftliche Exzellenz von der Einsicht bis zur anwendungsorientierten Forschung unter einem Dach – und ist somit in einer einzigartigen Position, diesen Wandel voranzutreiben. Als Exzellenzuniversität bietet das KIT seinen mehr als 10.000 Mitarbeitenden und 22.800 Studierenden herausragende Möglichkeiten, eine nachhaltige und resiliente Zukunft zu gestalten.

Abteilungen: Biogeowissenschaften (BG), Erd- und Raumwissenschaftsinformatik (ESSI), Energie, Ressourcen und Umwelt (ERE)

Typ: Einstiegsniveau

Gehalt und Leistungen: Das Gehalt und die Leistungen basieren auf dem Tarifvertrag für den öffentlichen Dienst (TV-L, 75%). Die Finanzierung ist für 3,5 Jahre verfügbar.

Erforderliche Ausbildung: Master

Termine: 17. Mai 2026, veröffentlicht am: 6. Mai 2026

Diese Joint-PhD-Position am KIT (Deutschland) und der University of Melbourne (Australien) ist Teil der International Research Training Group C4LaND. Sie konzentriert sich auf die Entwicklung von Transfer-Lernansätzen, die Schätzungen der oberirdischen Biomasse und Struktur von Wäldern aus nächsten Generationen von biomasseorientierten SAR-Missionen mit langfristigen SAR-Archiven verknüpfen, um eine räumlich explizite Rekonstruktion der Wald dynamik mindestens bis zum Beginn der Sentinel-1-Ära zu ermöglichen.

Forschungsrichtungen umfassen:

• Entwicklung von Transfer-Lernrahmen über Sensoren hinweg basierend auf multi-level SAR-Beobachtungen zur Schätzung der oberirdischen Biomasse durch Ausnutzung polarimetrischer SAR-Merkmale über Sensor-Generationen hinweg und deren Anreicherung mit höherwertigen strukturellen Informationen aus Polarimetric InSAR und Tomographic SAR, wo verfügbar.
• Erforschung von multimodalen und multimodellen Unterstützungen unter Verwendung optischer und hyperspektraler Daten zur Verbesserung der Robustheit und Generalisierbarkeit des Transferlernens zwischen SAR-Sensoren.
• Sensorbewusste Unsicherheitscharakterisierung und Fehlerübertragung, mit Schwerpunkt auf der Zerlegung des Fehlerbudgets und der Schätzung des Präzisionsverlusts bei Produkten, die aus etablierten Missionen im Vergleich zu neuen Biomasse-Missionen abgeleitet werden.
• Validierung über langfristige Waldobservatorien in mehreren Regionen, einschließlich Europa (TERENO), Australien (CSIRO Permanent Rainforest Plots) und potenziell Brasilien, um die Übertragbarkeit über Waldtypen, Klimazonen und landwirtschaftliche Kontexte, die für C4LAND relevant sind, sicherzustellen.

Anforderungen:

• Ein überdurchschnittlicher M.Sc.-Abschluss (oder gleichwertig) in Fernerkundung, Umweltwissenschaften, Informatik, Forstwirtschaft oder einem verwandten Bereich.
• Starker Hintergrund und Interesse an Erdbeobachtung, Fernerkundung von Wäldern und SAR-Datenverarbeitung.
• Erfahrung mit maschinellem Lernen, Domänenanpassung oder Transfer-Lernmethoden ist sehr wünschenswert.
• Ausgezeichnete Kommunikationsfähigkeiten und Begeisterung für die Arbeit in einem internationalen und multidisziplinären Forschungsumfeld.
• Fließende Englischkenntnisse, schriftlich und mündlich.
• Bereitschaft, einen einjährigen Forschungsaufenthalt an der University of Melbourne, Australien, zu absolvieren und die Formalitäten an beiden Institutionen einzuhalten.