Patrick Kacic, M.Sc.
+49 (0)931 31-86669
+49 (0)931 31-866690
patrick.kacic@uni-wuerzburg.de
nach Vereinbarung
Doktorand am Lehrstuhl für Fernerkundung der Julius-Maximilians Universität Würzburg zur Erfassung der Biodiversität in deutschen Wäldern mit verschiedenen Fernerkundungssensoren. Das Doktoratsstudium gehört zum BETA-FOR Projekt mit dem Ziel der „Erhöhung der strukturellen Diversität zwischen Waldflächen zur Verbesserung von Multi-Diversität und -Funktionalität in deutschen Wäldern“ (https://www.dlr.de/eoc/desktopdefault.aspx/tabid-11882/20871_read-77544/).
Seit 09/2022:
Doktorand am Lehrstuhl für Fernerkundung der Julius-Maximilians Universität Würzburg zur Erfassung der Biodiversität in deutschen Wäldern mit verschiedenen Fernerkundungssensoren mit dem Ziel der „Erhöhung der strukturellen Diversität zwischen Waldflächen zur Verbesserung von Multi-Diversität und -Funktionalität in deutschen Wäldern“ (BETA-FOR Projekt)
03/2022 – 08/2022:
Wissenschaftlicher Mitarbeiter am DLR-DFD, Abteilung „Dynamik der Landoberfläche“
06/2021 – 12/2021:
Masterarbeit am DLR-DFD, Abteilung „Dynamik der Landoberfläche“
03/2021 – 05/2021:
Praktikum am DLR-DFD, Abteilung „Dynamik der Landoberfläche“
10/2020 – 02/2021:
Auslandssemester and der Universität Innsbruck, Österreich
01/2020 – 09/2020:
Wissenschaftliche Hilfskraft im Labor für Dendrochronologie an der Universität Freiburg
2019-2022:
Master of Science: Umweltwissenschaften (Universität Freiburg)
03 – 06/2019:
Bachelorarbeit bei EURAC in Bozen, Italien
08/2018 – 02/2019:
Auslandssemester an der Universität Innsbruck, Österreich
11/2017 – 07/2018:
Wissenschaftliche Hilfskraft im Labor für Geomorphologie und Geoökologie der Universität Heidelberg
2016-2019:
Bachelor of Science: Geographie (Universität Heidelberg)
-
Forest Structure Characterization in Germany: Novel Products and Analysis Based on GEDI, Sentinel-1 and Sentinel-2 Data. . In Remote Sensing, 15(8), p. 1969. MDPI AG, 2023.
-
LiDAR GEDI derived tree canopy height heterogeneity reveals patterns of biodiversity in forest ecosystems. . In Ecological Informatics, p. 102082. 2023.
-
Forest Biodiversity Monitoring Based on Remotely Sensed Spectral DiversitytextemdashA Review. . In Remote Sensing, 14(21), p. 5363. MDPI AG, 2022.
-
Deep Learning on Synthetic Data Enables the Automatic Identification of Deficient Forested Windbreaks in the Paraguayan Chaco. . In Remote Sensing, 14(17), p. 4327. MDPI AG, 2022.
-
Fusing Sentinel-1 and -2 to Model GEDI-Derived Vegetation Structure Characteristics in GEE for the Paraguayan Chaco. . In Remote Sensing, 13(24), p. 5105. MDPI AG, 2021.
