博士研究生奖学金项目：数据驱动的同震滑坡运动建模与灾害预测

【项目介绍】 本项目旨在开发新一代模型，用于预测地震触发滑坡的发生位置及其运动距离——这是保护生命、基础设施和应急响应人员的关键信息。通过整合全球滑坡数据、创新机器学习方法以及新型运动表征方式，本研究将为大地震发生后的即时响应提供更快、更可靠的预测。与四川省地震局的合作确保了研究工具能够解决实际操作中的挑战。研究成果将增强全球灾害应对能力，并支持面临严重地震灾害地区的长期韧性规划。

【研究问题】

1. 如何在适合快速震后预测的计算高效、数据驱动框架中表示滑坡运动过程？
2. 相对于四川省地震局和美国地质调查局（USGS）等机构目前使用的仅考虑启动机理的模型，整合运动过程能在多大程度上提高预测能力？
3. 哪些全球和本地预测因子（如地形、岩性、震动指标）的组合最能提升模型性能，这些改进在不同地震事件和地貌环境中的可迁移性如何？
4. 模型能力在震前和震后情景之间有何差异，特别是在震前评估中震动情景不确定的情况下？
5. 在操作化灾害响应背景下，何种程度的模型复杂度能够在物理真实性、普适性和计算速度之间实现最佳平衡？

【研究方法】 研究将首先汇编并扩展同震滑坡清单的全球数据库，包括使用ALDI自动检测算法生成并经人工验证的新数据集。预测变量将从全球数据集（如USGS震动指标、全球数字高程模型、岩性图）以及四川省地震局等区域机构持有的高分辨率本地数据源中获取。模型开发将结合经验机器学习方法与源自非局部山坡输运理论的物理约束。现有轻量化运动公式将被扩展，并在受控测试案例中与RAMMS和MassWastingRunout等详细物理模型进行基准对比。随后将训练一系列启动-运动耦合模型，并使用多样化地貌进行交叉验证以最小化过拟合。模型性能将通过事件内和跨事件数据集的留出测试进行评估，并与当前操作化使用的最先进系统进行比较。特别强调运行时间、可解释性以及集成到实时地震信息平台的适用性。

【预期成果与效益】 项目将交付两个具有操作价值的模型：适用于应急响应的快速震后预测模型，以及用于灾害规划的更高精度震前模型。对于包括四川省地震局在内的资助机构，研究将提供可操作、可快速部署的灾害信息，使其能够在重大地震发生后更好地确定救援路线优先级、评估基础设施状况并分配资源。对于USGS、人道主义机构和国家灾害管理当局等其他国际利益相关方，项目将提供可迁移的工具和关于启动与运动耦合如何增强灾害预测的定量见解。

【资助信息】 开始日期：2026年9月21日 资助期限：3.5年 资助机构：NERC（英国自然环境研究理事会）

【申请要求】 学历要求：相关学科（包括地理学、地球科学、工程学、计算机科学和数学）的二等一级荣誉学位或国际同等学历。 技能要求：项目不要求学生入学时具备专业技术专长。所需的大部分技能（如地理空间分析、数据处理、编程和滑坡灾害概念）可在博士期间在导师团队的支持下以及通过i-Risk和纽卡斯尔大学的培训获得。愿意参与定量和计算方法是关键要求。对地理空间数据或基础编程有一定了解会有帮助，但非必需。 语言要求：母语非英语的申请者需提供雅思总分6.5、各单项不低于5.5的成绩。 签证要求：国际申请者可能需要在获得签证前获得ATAS（学术技术批准计划）许可证书方可入读本课程。

【申请材料】

1. 通过纽卡斯尔大学申请门户进行申请
2. 注册后选择“创建研究生申请”
3. 使用项目代码8040F搜索课程，选择“PhD Civil Engineering – Civil Engineering (Water Resources) (full time)”作为学习项目
4. 在“详细信息”部分提供：个人陈述（必填项）、在“学生奖学金/合作伙伴参考”栏填写学生奖学金代码IRISK03、当被问及如何提交研究计划时选择“撰写计划”并输入本广告中的研究项目标题（无需上传研究计划）