
<html>

<head>

<meta http-equiv="Content-Type" content="text/html; charset=us-ascii">

</head>

<body style="word-wrap: break-word; -webkit-nbsp-mode: space; -webkit-line-break: after-white-space;" class="">

Job positing:  <a href="https://www.bnl.gov/envsci/testgroup/jobs.php" class="">https://www.bnl.gov/envsci/testgroup/jobs.php</a>

<div class=""><br class="">

</div>

<div class="">The Terrestrial Ecosystem Science and Technology (TEST) group is seeking a<br class="">

post-doc interested in reducing uncertainty in the modeling of the<br class="">

terrestrial carbon cycle through remote sensing and data assimilation<br class="">

approaches. This position is part of a larger project to develop a<br class="">

terrestrial carbon cycle data assimilation framework, focused initially on<br class="">

North America, using the PEcAn model informatics system (PEcAn,<br class="">

<a href="http://pecanproject.org/" class="">http://pecanproject.org/</a>). This system will employ formal Bayesian<br class="">

model-data fusion between bottom-up process-based ecosystem models and<br class="">

multiple data sources, including remote sensing data, to estimate key carbon<br class="">

pools and fluxes. <br class="">

<br class="">

Essential duties and required skills<br class="">

<br class="">

The candidate will work at BNL in collaboration with researchers at Boston<br class="">

University (BU) to iteratively extend the PEcAn data assimilation system to<br class="">

ingest a wide range of remotely sensed and ground data with the goal of<br class="">

fusing and reconciling multiple data streams into a continental-extent<br class="">

carbon cycle (pools and fluxes) data product.<br class="">

<br class="">

* Work with multiple land surface models to explore the impact of the<br class="">

inclusion of different products on carbon cycle uncertainties with the aim<br class="">

of improving carbon monitoring, reporting, and verification<br class="">

<br class="">

* Responsible for the inclusion of NASA and other remote sensing data<br class="">

products into the data assimilation framework<br class="">

<br class="">

* Work with collaborators to extend and enhance the assimilation approach<br class="">

<br class="">

* Responsible for leading and participating in the development of project<br class="">

reports and peer-reviewed manuscripts<br class="">

<br class="">

<br class="">

Prospective candidates should be willing to work in a collaborative team<br class="">

environment, have good written and oral communication skills, and a record<br class="">

of publication in high quality internationally recognized journals.<br class="">

<br class="">

* PhD in Environmental Science (ecology, geography, remote sensing,<br class="">

environmental monitoring, atmospheric science, earth science, or related field)<br class="">

<br class="">

* Experience with the R programming environment and at least one of the<br class="">

following topics is required (along with interest in learning the others):<br class="">

--- Remote sensing<br class="">

--- Ecosystem or land surface modeling<br class="">

--- Bayesian statistics, or<br class="">

--- Ensemble filtering approaches (e.g. EnKF)<br class="">

<br class="">

<br class="">

To apply please enter the position number 1142 into the Keyword field at the<br class="">

BNL careers page (<a href="https://jobs.bnl.gov/" class="">https://jobs.bnl.gov/</a>) or follow this link directly:<br class="">

<a href="https://jobs.bnl.gov/job/upton/post-doc-remote-sensing-and-data-assimilation-environmental-sciences/3437/6060889" class="">https://jobs.bnl.gov/job/upton/post-doc-remote-sensing-and-data-assimilation-environmental-sciences/3437/6060889</a></div>

<div class=""><br class="">

</div>

<div class=""><br class="">

</div>

</body>

</html>