德国马普所全奖博士招生
2023/12/22 10:05:25 阅读:104 发布者:
灌溉是土地和水资源管理的关键组成部分,导致水循环和能源平衡的人为变化,在多个尺度上影响地球系统[1]。由于缺乏灌溉参数的高分辨率时空数据集,对灌溉影响的理解主要通过使用基于过程的模型来实现。然而,灌溉对气候的反馈仍然没有得到充分的了解,而且对其影响经常存在分歧。不确定性的一个主要来源在于地球系统模型中静态或过于简化的灌溉参数化,这些模型往往没有考虑到人类在灌溉实践中决策的复杂性和适应性[2]。另一方面,机器学习能够捕捉作物反应及其与环境条件之间的复杂相互作用。例如,它的分支,强化学习,越来越多地被用于提供针对不同场景的动态、优化灌溉策略。
在这个项目中,我们的目标是弥合现实的人类灌溉实践与其在地球系统模型中的表现之间的差距。通过利用机器学习的力量,我们的目标是在地球系统模型中开发一个更现实的灌溉参数化。机器学习模型将作为传统灌溉表示的动态替代或扩充,以纳入可能影响灌溉实践的多种环境因素。关键的方法学挑战包括克服灌溉实践详细数据的局限性,以及在人类决策中反映有限理性。来自领域专业知识的规则或约束可以被编码到机器学习模型中,以指导稀疏数据中的学习过程。如果这种新的参数化策略能够更好地模拟和复制人类在特定环境中可能使用的现实做法,那么由此产生的改进的地球系统模型将用于研究不同灌溉做法的水文气候影响。鼓励未来的博士生在混合建模框架[3]中探索自己的想法,以了解可持续灌溉和气候反馈之间的相互作用。
工作组
成功的博士候选人将在马克斯·普朗克生物地球化学研究所的生物地球化学集成系工作。该工作组在与该项目相关的各个领域提供了长期的专业知识和经验:机器学习(Shijie Jiang,Nuno Carvalhais,Markus Reichstein。博士生将受益于欧洲学习与智能系统实验室(ELLIS),并将与欧洲学习与智慧系统实验室Jena部门密切合作。欲了解更多信息,请联系蒋世杰[sjiang@bgc-jena.mpg.de]。
要求
我们欢迎来自任何国家的有积极性和好奇心的学生提出申请
具有水文、农业、气候、生态学或环境科学经验的计算机科学或相关领域的硕士学位,或具有计算机科学经验的上述地球科学相关领域的博士学位;
具有现代计算语言编程经验(例如Python、R、Julia);
具有较强的数值建模或机器学习背景;
深度学习模式的经验是有益的,但不是强制性的;
对生态水文、水文气候和农业生态过程的广泛兴趣
对在跨学科地球科学家团队工作的兴趣
优秀的英语口语和书面交流能力
马克斯·普朗克学会致力于性别平等和多样性。MPS旨在提高妇女在代表性不足地区的比例。因此,明确鼓励妇女申请。我们欢迎来自各个领域的申请。马克斯·普朗克学会为自己设定了雇用更多重度残疾人的目标。明确鼓励重度残疾人提出申请。
转自:“科研doge”微信公众号
如有侵权,请联系本站删除!