基于地球观测数据的地理感知图学习跨区域洪水制图研究 (GRAFT)

【项目介绍】 从地球观测数据进行的洪水制图是灾害风险管理和气候韧性规划的关键输入。然而，用于洪水检测和洪水易发性制图的机器学习模型在应用于新地理区域时往往难以泛化。水文、土地覆盖、地形和气候的差异引入了强烈的空间异质性，导致在地理迁移条件下性能严重下降。这一限制对可扩展、全球可部署的洪水监测系统构成了主要障碍。

【研究目标与方法】 本博士项目的目标是开发地理感知图学习模型，明确将地理背景作为归纳偏置纳入模型，以提高从地球观测数据进行洪水制图时的跨区域泛化能力。该项目将研究如何在基于图的机器学习框架内对空间关系和地理属性进行建模，以区分可迁移的洪水相关模式和特定区域的环境特征。

在方法论上，该项目将空间实体（如网格单元或空间单元）表示为图中的节点，边编码地理邻近性或水文连通性。多源地球观测数据（如光学、热红外、土地覆盖和植被指数）将作为节点特征整合。学生将设计和评估地理感知图神经网络，其中地理信息调节消息传递或表示学习，而不是被视为简单的输入特征。模型将在明确的地理迁移设置下进行评估，其中训练和测试区域在环境属性上存在显著差异。

【预期成果】 • 一个概念验证的地理感知图学习模型，用于跨区域洪水制图，明确将表示学习与地理背景相关联 • 使用标准化跨区域训练和测试协议，对模型在地理分布偏移下的泛化能力进行定量评估 • 在遥感或机器学习领域发表至少三篇会议或期刊论文 • 可复现的地理迁移数据集和建模流程，包括精选的多区域地球观测数据、标准化的地理训练-测试划分，以及用于图构建、训练和稳健性评估的端到端工作流程

【关键词】 洪水制图；地球观测；图神经网络；地理迁移；空间机器学习；气候韧性

【项目联系人】 Oktay Karakuş博士 – karakuso@cardiff.ac.uk

【申请要求】 学术标准： • 计算或相关学科的二等一荣誉本科学位或硕士学位。具有适当专业经验的申请人也会被考虑。某些项目领域的研究需要学位水平的数学（或同等学历）。 • 申请人必须证明英语语言能力。英语非第一语言的学生必须通过雅思考试证明，总分至少6.5，各技能部分最低6.0。

申请材料： • 个人研究计划（不超过2000字，包括参考文献和书目） • 个人陈述 • 简历 • 资格证书和成绩单（原件和英文翻译，如适用） • 学术推荐信2封 • 英语能力证明（如适用）

面试：如果申请满足上述所有入学要求，您将被邀请参加面试。

【资助信息】 本项目仅提供给自费学生，或拥有自己资助或奖学金的学生。如适用，候选人将被要求承担学生签证费用、医疗保健附加费以及前往英国学习的任何其他费用。这些费用不会由计算机科学与信息学学院承担。

【学习模式】 全日制或非全日制