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

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 am Institut für Photogrammetrie und Fernerkundung (KIT-IPF) im Rahmen der Internationalen Graduiertenschule C4LaND zu bewerben.

Ihre Aufgaben

Wälder spielen eine zentrale Rolle im Landnutzungsnexus, indem sie Kohlenstoffspeicherung, Biodiversität und erneuerbare Ressourcen bereitstellen, 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 Landnutzungskompromisse und zur Information integrierter Modellierungs- und Governance-Rahmen. Neu gestartete Synthetic Aperture Radar (SAR) Satellitenmissionen wurden speziell entwickelt, um dreidimensionale Waldstrukturen und oberirdische Biomasse mit hoher Sensitivität abzurufen, aber ihre Beobachtungsdaten sind kurz. Im Gegensatz dazu bieten etablierte SAR-Missionen wie Sentinel-1 dichte und konsistente Zeitreihen, die über ein Jahrzehnt zurückreichen, jedoch mit begrenzter Biomassesensitivität.

Diese PhD-Position ist Teil der Internationalen Graduiertenschule C4LaND und konzentriert sich auf die Entwicklung von Transfer-Lernansätzen, die Schätzungen der oberirdischen Biomasse und Struktur von Wäldern aus 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 (Karlsruher Institut für Technologie), Institut für Photogrammetrie und Fernerkundung (IPF), unter der Aufsicht von Prof. Stefan Hinz durchgeführt. Ihr Co-Berater in Melbourne wird Dr. Jagannath Aryal sein.

Forschungsrichtungen umfassen:

• Entwicklung von Transfer-Lernrahmen basierend auf Multi-Level SAR-Beobachtungen zur Schätzung der oberirdischen Biomasse durch Ausnutzung polarimetrischer SAR-Merkmale über Sensor-Generationen hinweg und deren Anreicherung mit höherordentlichen 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 dem Schwerpunkt auf der Zerlegung des Fehlerbudgets und der Schätzung des Präzisionsverlusts, der mit Produkten, die aus etablierten Missionen abgeleitet sind, 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

• 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.

Wir bieten

• Wissenschaft für den Einfluss: Beschäftigen Sie sich mit gesellschaftlich relevanten Themen – in einem hervorragenden wissenschaftlichen Umfeld, das Veränderungen ermöglicht.
• Flexible Arbeitszeiten: Nutzen Sie flexible Arbeitszeitmodelle, Homeoffice-Optionen, Teilzeitmodelle und einen Anspruch auf 30 Tage Jahresurlaub, um eine optimale Work-Life-Balance zu erreichen.
• Karriereaufbau und Entwicklungsmöglichkeiten: Wir bieten ein strukturiertes Einarbeitungsprogramm, ein breites Spektrum an Weiterbildungsmöglichkeiten und individuelle Unterstützung, um Ihr persönliches Wachstum zu fördern.
• Familienfreundlichkeit: Das Programm „KIT-Familie+“ unterstützt Sie dabei, Beruf und Familie zu vereinbaren, indem es Kinderbetreuungsdienste, Ferienaktivitäten, einen Eltern-Kind-Bürobereich und Unterstützung bei der Pflege von Angehörigen anbietet.
• Gesund bleiben: Unter dem Motto „Fit am KIT – Körper, Geist und Seele“ fördern wir Ihr Wohlbefinden durch Fitnesskurse, Programme zur psychischen Gesundheit und regelmäßige Vorsorgeuntersuchungen.
• Individuelle Zusatzleistungen: Genießen Sie eine betriebliche Altersvorsorge (VBL), einen monatlichen Beitrag von 25 € zu einem JobTicketBW sowie ein breites Angebot an kulturellen und Freizeitprogrammen.

Standort: Karlsruhe (und Eggenstein-Leopoldshafen)

Gehalt: Gehaltsgruppe 13 TV-L; die Einstufung erfolgt nach persönlichen und fachlichen Qualifikationen.

Vertragsdauer: befristet auf 3,5 Jahre

Ansprechpartner in der Linienführung: Stefan Hinz

Allgemeine Fragen zum Bewerbungsprozess: Lea Jung, Personalservice (PSE), +42098

Wir schätzen die Vielfalt unserer Mitarbeiter; unterschiedliche Perspektiven und Hintergründe bereichern unsere Arbeit. Wir bevorzugen eine ausgewogene Anzahl von Mitarbeitern (f/m/d). Daher bitten wir weibliche Bewerberinnen, sich auf diese Stelle zu bewerben. Bewerbungen von anerkannten schwerbehinderten Personen werden bei gleicher Qualifikation bevorzugt berücksichtigt.

Bewerbung bis:

Stellenanzeige Nummer: 1114/2026