PhD Find博士申请助手 · PhDFind
菜单
English

气候AI博士｜用地理空间基础模型细化城市气候预测

项目2606 · University of Leeds · School of Geography

申请工作台

保存项目，围绕当前机会准备申请。截止日期和资格请以原始公告为准。

阅读调研报告 查看收录来源与申请要求
所在国家或地区
英国
申请截止日期
2027-01-11（具体时刻请核对原始公告）
资助信息
YES-DTN标准奖项为3.5年，涵盖学费、UKRI标准生活津贴，以及研究、培训和会议支持；2026/27最低全日制津贴为£21,805，2027/28金额未公布。约25–26个奖项中可能有7个面向国际申请者，学费按指南不因本土/国际费率而异；签证、医疗附加费及搬迁费用不覆盖。若完成三个月产业实习，奖项期限为3.75年，但CASE/实习状态尚未确认。

项目介绍

项目概览

本项目开发结合多尺度地理空间基础模型（GeoFM）与机器学习生成模型的城市气候降尺度方法，将全球气候预测细化至约300米或更高分辨率。

研究针对城市间迁移能力不足、城市形态难以转化为有物理意义的气候效应，以及缺少精细观测数据等现有方法局限。

模型将融合宏观大气过程、中尺度地表信息和微观城市建筑环境，并在不同城市间测试空间迁移能力。

项目由利兹大学与英国气象局合作。项目介绍称学生将获气象局CASE奖项支持，并与其AI降尺度团队合作及定期访问；YES-DTN项目资料却称CASE可能安排且标注“Collaborative Project: No”。两处信息不一致，正式类别、访问及实习安排须确认。项目资料列出的截止日期为2027年1月11日；YES-DTN官方申请说明的截止时间是2027年1月12日13:00 GMT，应按较早的1月11日安排并尽快核实。

项目详情

地球持续变暖，而气候变化最显著的影响往往在城市中体现：热浪和洪水可能扰乱城市经济并威胁公共健康。可靠的气候预测有助于评估未来影响和制定适应策略，但目前全球气候模型的空间分辨率通常为100至200公里，难以呈现城市尺度的关键差异。

气候降尺度旨在生成更精细的预测，例如约300米分辨率，以支持详细的影响评估。近年来，机器学习方法得到发展，其计算效率较高，有时也能比传统基于过程的区域气候模型生成更贴近实际的模拟。此类方法常把气候降尺度处理成类似计算机视觉的任务，即从低分辨率图像生成高分辨率图像。不过，现有方法仍面临几项局限：难以在不同区域之间迁移；不易将建筑形态、街谷等详细城市特征转化为有物理意义的气候效应；并且依赖往往无法获得的精细地面实测数据。

项目拟将地理空间基础模型（GeoFM）所含的时空背景知识引入机器学习城市气候降尺度。GeoFM基于大规模地理空间数据预训练，可为不同下游分析提供具有迁移能力的地理环境表征。项目将利用其多尺度空间背景信息，提升降尺度结果的真实性和泛化能力。

方法将融合三个空间尺度的信息：宏观尺度使用地球系统基础模型描述大尺度大气动力学和热力过程；中尺度使用卫星地理空间基础模型表达土地覆盖、地形高程和地表性质；微观尺度使用城市地理空间基础模型描述建筑、道路及社会经济特征。核心工作是将这些多尺度GeoFM表征纳入扩散模型等先进生成架构，把GeoFM提供的背景信息作为时空约束，使模型学习气候模式随地理环境变化的规律。目标是在观测有限或此前未见过的环境中，也能生成更可靠的高分辨率气候预测。

训练和评价将使用CMIP6全球气候数据，以及由英国气象局生成的300米城市尺度气候数据。实验将比较气候条件和城市特征不同的城市，以检验模型的空间迁移能力。预期开发兼顾气候科学、机器学习和地理空间人工智能的城市气候降尺度框架，并以开源方式发布方法和模型。项目还将生成城市尺度气候预测，例如气温和降雨量，空间分辨率为300米或更精细；伦敦、巴黎和新加坡是可能覆盖的城市。成果可支持本地气候风险评估、城市适应规划及CORDEX等气候数据资源。

博士生将与利兹大学和英国气象局的专家密切合作。导师团队跨越气候科学、机器学习和城市研究。项目介绍称学生将与英国气象局AI降尺度团队合作并定期访问；另一份项目资料对CASE和合作分类的表述不同，访问安排须确认。主要导师在地理空间基础模型领域具有国际认可的研究经验。项目提供研究所需的计算基础设施，并构建面向学术、产业或政策职业的跨学科网络。

规划训练安排为：第一年学习气候降尺度、区域建模和GeoFM基础知识，并准备、预处理主要数据；第二年开发情境感知降尺度模型，进行原型设计、GeoFM整合、模型训练和验证；第三年开展全球城市间的空间迁移实验，并为选定城市生成不同情景下空间网格间距不超过300米的降尺度气候预测；最后六个月撰写博士论文和完成论文发表稿。

申请要点

  • 学历：YES-DTN一般要求相关专业学士学位达到英国2:1或以上；FAQ称通常需要一等学位成绩才有较强竞争力。硕士学位有帮助，但不是必需条件。相关专业包括计算机科学、地球科学、环境科学和地理学。

  • 资助期限：标准奖项为3.5年；若实际完成三个月产业实习，期限可延至3.75年。项目介绍称有气象局CASE奖项及定期访问，YES-DTN项目资料则称CASE可能安排并标注“Collaborative Project: No”；正式分类、访问和实习是否落实须确认。

  • 资助内容：YES-DTN标准奖项覆盖学费、UKRI标准生活津贴，以及研究、培训和会议支持。2026/27年度最低全日制津贴为£21,805；2027/28最终金额尚未公布。约25–26个奖项中可能有7个面向国际申请者；指南称学费不因Home/International费率而异。搬迁、签证和医疗附加费不在资助范围内。

  • 申请时间与表格：YES-DTN详细申请说明列2026年11月12日10:00 GMT开放，另一YES-DTN页面列11月2日；开放日期待确认。项目资料列2027年1月11日截止，YES-DTN官方申请说明列2027年1月12日13:00 GMT截止；应按较早的1月11日准备，并向项目方确认适用期限。须先提交利兹大学在线申请，再提交YES-DTN综合简历/结构化陈述表；第二份表格需要第一份申请生成的学生编号，建议至少提前两天提交第一份表格。项目代码为YES-27-G-09。

  • 项目团队：首席导师为利兹大学Weiming Huang博士；团队还包括英国气象局的Ben Booth和Lewis Blunn，以及利兹大学的John Marsh。

  • 研究计划：前三年围绕气候降尺度、GeoFM、数据准备、模型开发和跨城市检验；最后六个月完成论文和学术论文。

需要进一步确认

需确认CASE是否获批、产业实习是否落实及是否带来三个月延长期限；2027/28津贴具体金额、项目级数据访问、GPU配置、导师分工、开放代码/模型许可和合作方发表审阅限制也待书面核实。官方截止时间比项目资料日期晚一天，但应按较早的1月11日安排申请。

项目深度调研报告

报告生成记录：。生成日期不代表招聘方确认项目仍开放。

资料更新记录：。申请前请再次核对原始公告。

展开报告目录

气候AI博士｜用地理空间基础模型细化城市气候预测

快速判断

这是一个方向聚焦的 YES-DTN 博士项目，适合能够连接地理空间机器学习与气候科学的申请者。项目把地球系统、卫星和城市表征与生成式降尺度结合起来，再利用 CMIP6 和英国气象局的 300 米数据测试跨城市迁移能力。其优势包括明确的研究问题、利兹大学与英国气象局的合作，以及与当前气候人工智能研究的紧密契合。仍有重要事项不确定，包括 CASE/产业实习安排、国际申请者可获得的资助名额，以及 2027/28 年最终津贴金额。项目资料列出的日期是 2027 年 1 月 11 日；官方招生说明给出的截止时间为 2027 年 1 月 12 日 GMT 13:00，并要求提交两份表格。在项目方确认适用截止日期前，应按较早的 1 月 11 日安排，并在提交前确认资助条款。

评估：研究问题与申请背景契合度较强，但资助和申请条件仍需确认。

研究问题与博士阶段工作

尚未解决的问题及其意义

全球气候网格过于粗略，无法描述建筑、街谷和土地覆盖如何塑造局地气候。机器学习降尺度可以更高效地生成精细结果，但当方法迁移到气候或城市形态不同的城市时，表现可能下降。精细分辨率观测数据也较为稀缺，而且学习到的模式必须经过检验，确保其代表具有物理意义的气候效应。这个研究缺口很重要，因为人们在本地承受高温和降雨风险，而适应决策需要街区尺度的信息。

项目提出以三个尺度的地理空间基础模型（GeoFM）为条件，建立生成模型：地球系统特征提供大尺度大气背景；卫星模型描述土地覆盖、海拔和地表性质；城市模型则提供建筑、道路和社会经济背景。项目拟将这些特征整合进扩散模型等架构，在生成高分辨率气候场时纳入地理环境背景。

工作内容、方法与潜在成果

研究计划将使用全球 CMIP6 数据和英国气象局的 300 米城市气候数据。研究者将准备并预处理数据，构建和训练模型原型，整合 GeoFM 表征，验证性能，并测试模型在气候和城市特征不同的城市间的迁移能力。后期计划在不同情景下，为选定城市生成 300 米或更精细的预测，并在为期 3.5 年的博士周期最后六个月完成论文和学术论文。预期成果包括开放源代码的方法和模型。伦敦、巴黎和新加坡只是示例，并非已确认的城市名单。

核心科学检验是：对于未纳入训练的地点，空间背景信息是否能改善预测。可考虑的检验包括留出城市评估、气候变化条件测试、表征消融、物理一致性、不确定性校准，以及与已有降尺度基线方法的比较。这些是分析层面的建议测试，并非项目另行承诺的交付成果。

英国气象局 AI4Climate 计划正在开发区域模拟器、评估数据集和城市预测流程。现有英国气候预测包括一个 2.2 公里分辨率的地方尺度产品，因此本项目的 300 米尺度要精细得多。英国气象局提醒，分辨率更高会增加细节，但不一定提高可信度。项目的科学价值取决于能否用数据和物理约束验证这些新增细节。

学院、项目与学科背景

利兹大学是授予学位的机构，地理学院是项目所属的学术单位。英国气象局是研究合作方，并非第二个学位授予机构；项目介绍未说明提供联合学位。利兹大学报告称，其地理学在 2026 年 QS 学科排名中位列全球第 26，地理与环境科学在 《完全大学指南》2027 年英国排名中位列第 14。在 REF 2021 评估中，地理学院提交的研究有 93% 被评为世界领先或国际卓越，研究环境也被评为有利于开展此类研究。这些是学院层面的指标，并非项目排名。

学院介绍的全日制博士通常为 3 至 3.5 年，与本项目 3.5 年的计划一致。利兹大学为研究人员提供研究诚信、数据管理、专业技能和职业发展培训；入学后三个月内需制定培训计划。具体注册和进展要求须以录取安排为准。

首席导师 Weiming Huang 博士是城市数据科学讲师，也是利兹大学空间数据科学研究所成员，其研究包括地理空间基础模型。项目团队还列有英国气象局的 Ben Booth 和 Lewis Blunn，以及利兹大学的 John Marsh。团队组合与项目涉及的气候、机器学习和城市地理学方向相符。申请者应确认合作方访问、共同指导、计算资源和数据访问的实际安排。

导师与实验室评估

导师研究方向与近期论文

Huang 博士及合作者的三项近期研究有助于了解相关专长：

  • CityFM（2024）：从 OpenStreetMap 学习自监督多模态表征，用于道路、建筑和区域相关任务。该研究与城市表征相关，但不是气候降尺度研究。
  • GeoFM（2025）：回顾该领域，并指出空间对齐、多模态整合、数据分布不均和负责任使用仍是待解决问题。
  • UrbanMFM（2026）：通过空间图整合不同尺度的城市数据，并在新加坡、纽约和北京测试多项任务。该研究有助于理解多尺度及跨城市表征学习，但并未研究气候迁移。

这些工作说明方法方向契合，但不能证明拟议特征已能改善降雨或气温预测。

实验室、资源与合作环境

一项由利兹大学数据分析研究所开展的项目由 Huang 参与，测试基于图的表征在利兹、伦敦及全国范围出行数据中的表现。结果因任务而异，这提醒我们，预训练特征并不会自动适用于所有目标。项目称计算基础设施能够满足研究需要，但未提供 GPU 配额、数据访问流程或软件支持计划。接受录取前应询问这些细节。

研究方向与领域前景

气候模拟器和地理空间基础模型正在快速发展，但在城市尺度整合两者仍是开放研究问题。ClimaX 将预训练天气与气候模型适配到预测和降尺度任务；Aurora 展示了覆盖多个预测领域的地球系统预训练；AlphaEarth 提供全球卫星嵌入表征；CityFM 和 UrbanMFM 则提供城市表征。这些模型可作为潜在输入或方法先例，但都不是已经验证过的 300 米城市气候预测器。

Rampal 等人和 Kendon 等人的综述将机器学习模拟器视为更快获取局地气候信息的一条路径，同时强调科学可信度和评估方面仍有缺口。对于本项目，关键问题包括：GeoFM 背景信息是否比气候场和传统协变量提供额外信号；这种增益能否在未见过的城市和未来气候中保持；以及极端事件、不确定性和物理关系能否得到保留。

职业相关性是合理的，但不能保证就业结果。报告查阅时，英国气象局有一个数据驱动气候模型科学软件岗位，薪酬为 £35,145–£37,701，要求具备机器学习模型开发、评估、不确定性分析和物理真实性方面的能力。其其他在招岗位包括气候监测和数据工程职位。博士阶段的编程、气候评估和地理空间方法可迁移到气候服务、科学软件、环境分析和适应规划等工作。未找到本项目特定的毕业生去向数据。

资助、申请与生活成本

YES-DTN 表示，标准的 3.5 年资助涵盖学费、按 UKRI 标准发放的津贴，以及研究、培训和会议费用。若进行为期三个月的行业实践，资助期限为 3.75 年。25 至 26 个名额中，约有 7 个可能提供给国际申请者；无论申请者属于本地还是国际学费类别，资助均覆盖学费。搬迁、签证和医疗附加费不在资助范围内。项目介绍称学生将获英国气象局 CASE 奖项支持，与其 AI 降尺度团队合作并定期访问；YES-DTN 项目资料却称 CASE 可能安排并标注“合作项目：否”。两处信息冲突，应确认正式分类、访问安排及与实践挂钩的资助延长期限。

UKRI 当前全日制最低津贴为 2026/27 学年 £21,805；2027/28 学年的最终金额尚未公布。利兹大学 2026/27 生活指南估算，含账单的大学自炊住宿平均每周 £198，另需食品杂货 £36 和个人开销 £59，合计约 每周 £293，或 52 周 £15,236。若按私人租房平均每周 £210，加上食品杂货、不包含在房租内的账单（£17）和个人开销，则约为 每周 £322，或每年 £16,744。按当前津贴基准计算，两种情景分别约余 £6,569 和 £5,061，尚未扣除不定期支出。这些是根据生活指南估算的学生情景，并非个人预算，也不代表未来的资助金额。该津贴是生活补助，不是工资。

YES-DTN 详细申请说明列出的开放时间为 2026 年 11 月 12 日 GMT 10:00，另一 YES-DTN 页面列出 2026 年 11 月 2 日；适用开放日期待确认。项目网络截止时间为 2027 年 1 月 12 日 GMT 13:00。申请者必须提交利兹大学在线申请，以及 YES-DTN 的综合简历/结构化陈述表。第二份表格需要第一份申请提交后生成的学生编号，因此项目建议至少提前两天提交利兹大学申请。请填写项目代码 YES-27-G-09 并仔细核对。项目资料中的日期为 1 月 11 日，与官方说明相差一天。

申请者匹配度与准备

YES-DTN 常见问题将相关专业的学士学位达到 2:1 或以上列为一般基准，并指出通常需要一等荣誉学位成绩才具有较强竞争力；硕士学位有帮助，但不是必需条件。相关背景包括计算机科学、地球科学、环境科学和地理学。公开项目介绍没有规定必须掌握的编程语言，也没有要求既往气候建模经验。

申请者应展示自己连接计算与气候科学的能力。计算机背景申请者可以展示地理空间数据工作、合理的空间训练/测试集划分，以及对物理评估的兴趣。气候或地理背景申请者应展示定量编程和机器学习实验能力。遥感背景申请者应说明特征与气候的关系，但不要假设嵌入表征具有因果性。复现一个小型基线方法并准备跨城市验证示例，是有益的准备工作，并非新增的入学条件。

后续行动与需核实的问题

申请前

  • 确认官方截止时间、项目代码、所需材料，以及两份申请表的提交顺序。
  • 询问项目是否正式属于 CASE/合作项目，三个月实践是已包含还是可选，以及是否会增加有资助的时间。
  • 确认国际申请资格、学费处理方式、签证和医疗附加费不予覆盖的范围，以及搬迁费用。
  • 询问本次申请适用的学历、英语、推荐信和面试要求。

面试时

  • 哪些变量、城市、情景、基线方法和空间留出测试将用于判定研究是否成功？
  • 在高分辨率观测稀缺时，如何检验物理真实性、极端事件和不确定性？
  • 计算资源、英国气象局数据访问、合作方访问，以及开源和发表条款将如何安排？

接受录取前

  • 确认书面列明的津贴、期限、学费覆盖范围，以及 2027/28 学年的起止日期。
  • 确认利兹大学注册、进展、培训要求及合作方共同指导的分工。
  • 澄清数据集权利、代码和模型的发布安排，以及合作方是否有审阅限制。

证据与来源

项目与招生

学院、指导与培训

科学背景与论文

资助、生活成本与职业背景

信息来源

收录来源可能是学校或招聘平台；正式申请入口及最新要求请核对公告与报告中的官方来源。 查看收录来源与申请要求

按研究方向和所在国家或地区整理，优先展示资助类型相近的机会。申请前请核对各项目的最新公告。

University of Leeds · 英国

森林气候博士｜比较坦桑尼亚天然林、再生林和农林系统对局地气候、社区韧性与生计的影响

YES-DTN网络级完整资助通常为3.5年UKRI标准津贴、学费及科研／田野／培训／会议支持；符合条件的三个月产业实习可延至3.75年，最多30%完整奖学金名额面向国际申请者并覆盖学费差额。2026/27最低津贴£21,805，2027/28标准未确认；项目个人津贴和预算未公布。项目记录列2027年1月11日截止，官方申请指南列2027年1月12日13:00 GMT；开放日亦有11月2日与11月12日冲突，需核实。

2027-01-11（具体时刻请核对原始公告）

University of East Anglia · 英国

南极冰川融水去向：海洋环流、冰架融化与气候

ARIES竞争奖助：符合UKRI条件的获选者可获学费、生活津贴及RTSG；国际奖名额有限，国际与本土学费差额由注册大学减免。£21,805为2026/27年津贴参考，2027年金额和个人期限待确认；不含签证、医疗附加费等额外费用。

2026-12-16（具体时刻请核对原始公告）

University of East Anglia · 英国

近实时量化化石燃料二氧化碳排放

竞争资助，英国与国际申请均可；覆盖学费，海外名额有限。生活津贴所列2026／27年度每年21,805英镑，2027金额及个人总期限待核；国际申请者自付签证和医疗附加费。另有研究训练支持经费RTSG，国际学费差额由注册大学豁免。

2026-12-16（具体时刻请核对原始公告）