PhD position (f/m/d) Cross-Sensor Transfer Learning for Long-Term Forest Biomass and Structure [...]

Einführung

Haben Sie ein starkes Interesse an Fernerkundung, Wäldern und Erdbeobachtung? Sind Sie begeistert davon, nächste Generation Satellitenmissionen mit maschinellem Lernen zu kombinieren, um langfristige Wald dynamiken zu rekonstruieren? Wenn ja, laden wir Sie ein, sich für eine PhD-Position in der Internationalen Forschungsgruppe C4LaND am Karlsruher Institut für Technologie (KIT), Institut für Photogrammetrie und Fernerkundung (IPF), zu bewerben.

Ihre Aufgaben

Wälder sind zentral für den Landnutzungsnexus, bieten Kohlenstoffspeicherung, Biodiversität und erneuerbare Ressourcen, während sie zunehmend von Landnutzungsänderungen und Klimaextremen betroffen sind. Robuste, räumlich explizite und zeitlich konsistente Informationen über Wald biomasse und -struktur sind entscheidend für die Bewertung langfristiger Landnutzungs trade-offs und zur Information integrierter Modellierungs- und Governance-Rahmen. Neu gestartete Synthetic Aperture Radar (SAR) Satellitenmissionen wurden speziell entwickelt, um dreidimensionale Waldstruktur und oberirdische Biomasse mit hoher Sensitivität abzurufen, aber ihre Beobachtungsdaten sind kurz. Etablierte SAR-Missionen wie Sentinel-1 bieten dichte und konsistente Zeitreihen, die mehr als ein Jahrzehnt zurückreichen, jedoch mit begrenzter Biomassesensitivität. Diese PhD-Position konzentriert sich auf die Entwicklung von Transfer-Lernansätzen, die Schätzungen der oberirdischen Biomasse und Struktur von nächsten Generationen, biomasse-orientierten SAR-Missionen mit langfristigen SAR-Archiven verknüpfen, um eine räumlich explizite Rekonstruktion der Wald dynamiken mindestens bis zum Beginn der Sentinel-1-Ära zu ermöglichen. Das Projekt wird am KIT gehostet.

Forschungsrichtungen

• Entwicklung von Cross-Sensor-Transfer-Lernrahmen basierend auf Multi-Level-SAR-Beobachtungen zur Schätzung der oberirdischen Biomasse durch Ausnutzung polarimetrischer SAR-Merkmale über Sensor-Generationen hinweg und 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 Transfer-Lernens zwischen SAR-Sensoren.
• Charakterisierung sensorbewusster Unsicherheit und Fehlerübertragung, mit Schwerpunkt auf der Zerlegung des Fehlerbudgets und der Schätzung des Verlusts an Präzision, der mit Produkten abgeleitet von etablierten Missionen im Vergleich zu neuen Biomasse-Missionen verbunden ist.
• 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 landnutzungsrelevante Kontexte für C4LaND sicherzustellen.

Ihr Profil

• 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.

Wir bieten

• Wissenschaft für Impact: Beschäftigung mit gesellschaftlich relevanten Themen in einem hervorragenden wissenschaftlichen Umfeld, das Veränderungen ermöglicht.
• Flexible Arbeitszeiten und Remote-Arbeitsoptionen, Teilzeitmodelle und ein Anspruch auf 30 Tage Jahresurlaub, um ein optimales Gleichgewicht zwischen Berufs- und Privatleben zu erreichen.
• Karrierefördernde und Entwicklungsmöglichkeiten: strukturiertes Onboarding, Weiterbildungsmöglichkeiten und individuelle Unterstützung zur Förderung des persönlichen Wachstums.
• Familienfreundlichkeit: Das Programm „KIT-Family+“ unterstützt mit Kinderbetreuungsdiensten, Ferienaktivitäten, einem Eltern-Kind-Büro und Unterstützung bei der Pflege von Angehörigen.
• Gesundheit und Wohlbefinden: Fitnesskurse, Programme zur psychischen Gesundheit und regelmäßige präventive Gesundheitsuntersuchungen.
• Individuelle Zusatzleistungen: betriebliche Altersvorsorge (VBL), ein monatlicher Beitrag von 25 € zu einem JobTicketBW und eine breite Auswahl an kulturellen und Freizeitprogrammen.

Stelleninformationen

• Standort: Karlsruhe (und Eggenstein-Leopoldshafen).
• Gehalt: Kategorie 13 TV-L; die Einstufung basiert auf persönlichen und beruflichen Qualifikationen.
• Vertragsdauer: befristet auf bis zu 3,5 Jahre.

Chancengleichheitserklärung

Am KIT schätzen wir die Vielfalt unserer Mitarbeiter; unterschiedliche Perspektiven und Hintergründe bereichern unsere Arbeit. Wir begrüßen daher Bewerbungen von allen Kandidaten. Frauen werden besonders ermutigt, sich zu bewerben. Bewerbungen von anerkannten schwerbehinderten Personen werden bei gleicher Qualifikation bevorzugt berücksichtigt.

Bewerbungsfrist

Bewerbungen werden bis zum 1. Juni 2026 angenommen.