面向农业适应与韧性的AI增强型气候情景叙事研究

【项目介绍】

农业系统正日益受到干旱、洪水和热浪等极端气候事件的威胁，这些事件在气候变化背景下不断加剧，威胁着粮食生产、土地利用和农村生计。然而，针对此类极端事件的规划仍面临挑战，因为传统气候预测往往缺乏有效决策所需的空间分辨率、行业相关性和叙事框架。因此，气候情景叙事作为一种有力的工具应运而生，用于传达气候风险和不确定性，提供极端事件或气候路径的物理一致性叙事。然而，为农业生成有意义的气候情景叙事具有挑战性。传统气候模型难以在与农业决策相关的空间和时间尺度上捕捉极端事件，使得构建既具有科学稳健性又对农业规划具有实际应用价值的情景叙事变得困难。

项目详情

本项目将开发一个创新框架，用于生成专门针对气候变化背景下农业适应的AI增强型气候情景叙事。优秀且积极进取的博士候选人将有机会利用人工智能的最新进展，推动农业气候未来情景叙事的发展。该方法将结合基于机器学习的最先进全球气候模型输出降尺度技术的最新发展，以及其他AI应用，以识别过去和预测极端事件的模式。这些数据驱动的情景叙事将通过与农业利益相关者的参与式协同生产进一步完善，确保其反映当地实际情况、脆弱性和决策背景。该框架还将探索智能体AI在促进高分辨率气候数据集自主探索方面的潜力，以识别与特定农业区域或利益相关者关注相关的各类事件类型的合理预测。

本项目将解决以下关键问题：

• 如何利用AI工具生成高分辨率、与利益相关者相关的农业气候情景叙事？

• 哪些气候驱动因素和影响的组合对农业规划最为重要？

• 如何将地方知识和农业阈值整合到气候情景叙事开发中？

• 智能体AI在支持气候叙事的协同创建和解读方面可以发挥什么作用？

项目指导由Associate Prof. Jonathan Eden（Coventry University）和Associate Prof. Robert Faggian（Deakin University）领衔，并由Prof. Matthew England（Coventry University）和Dr. Bahareh Nakisa（Deakin University）提供支持。

【申请要求】

附加要求：

• 在以下一个或多个领域具有扎实的定量技能和经验：统计建模、机器学习、气候数据分析或环境建模。

• 具有使用Python或R等科学编程语言的经验（或愿意发展这些技能）。

• 对气候变化、农业系统和气候风险传播感兴趣。

• 能够跨学科工作，并在协同生产活动中与利益相关者（如农民、规划者、政策制定者）互动。

• 在处理大型复杂数据集时具有良好的分析能力和注重细节的能力。

入学要求：

相关学科/专业领域本科学位至少达到2:1等级，项目部分成绩不低于60%，或同等学历且整体模块平均成绩不低于60%。此外，具备开展创新研究的潜力，并能在3.5年内完成博士学位。英语语言能力最低要求：雅思学术类总分不低于7.0，各单项不低于6.5。

【申请材料】

所有申请需提交完整的支持材料、求职信，以及一份2000字的陈述，说明申请人的专业知识和兴趣如何与本项目相关。如需了解更多项目信息，请联系Associate Professor Jonathan Eden。