Posting link: ejobs.umd.edu/postings/116918

The GEDI mission focuses on biomass estimation, biodiversity, habitat characterization, forest complexity, and prognostic ecosystem models, and is slated to resume operations in late 2024 for a minimum of three years. An important aspect of our current initiatives focuses on the integration of GEDI data with other Earth Observation (EO) data such as from passive optical/stereo and Synthetic Aperture Radar (SAR) technologies. The latter includes data from TanDEM-X, ALOS-2 and Sentinel-1 as well as the forthcoming NISAR and BIOMASS missions. Successful candidates will participate in diverse aspects of GEDI-related science analyses and projects. This participation includes refining and validating science algorithms, post-flight calibration and validation, developing field observation databases, science data product development and the fusion of multi-sensor data. There is also the opportunity to utilize these remote sensing data in science investigations within the candidate’s areas of interest.

Our NASA CMS projects are focused on combining GEDI and interferometric SAR (InSAR) data to map high-resolution biomass and its changes, in collaboration with partner institutions including the German Aerospace Center (DLR), alongside activities utilizing these data to drive ecosystem and diversity models. Our mature and old-growth forest work is in partnership with the U.S. Forest Service, NASA Goddard Space Flight Center (GSFC), and Harvard Forest. This research is developing methodologies for the assessment and monitoring of mature and old-growth forests using a comprehensive range of EO data, modeling, and in situ national forest inventory data. These projects have significant engagement with stakeholders at the local, national, and international levels.

Ideal candidates will have a background in fields related to Earth observation and terrestrial ecology, with demonstrated interests in remote sensing science, machine learning, ecosystem structure and biomass, ecosystem modeling, and studies on habitat/diversity, among others. Technical expertise in lidar (terrestrial, airborne, or spaceborne) and/or SAR remote sensing is highly desirable. Nonetheless, applicants with strong backgrounds in other remote sensing domains or those skilled in applying machine learning or statistical analyses to remote sensing data are also welcome to apply.