联合培养研修计划：气候变化下地下水灌溉与作物生产的可持续性研究

拟留学专业(研究课题)在国内外研究情况及水平

不断增长的粮食需求给全球水资源带来了前所未有的压力，而40%的灌溉用水来自于地下水。为灌溉而过度抽取地下水，导致全球主要粮食产区的含水层迅速枯竭。因此，迫切需要解决全球水的可持续性问题，这也是与联合国可持续发展目标（SDGs）一起实现粮食安全的关键。地下水灌溉是印度、孟加拉国、中国、巴基斯坦和尼泊尔的主要收入来源，约占全球地下水使用量的50%。许多农业地区的地下水严重枯竭，已威胁到水资源可持续利用。同时，由于人口增加和气候变化，未来缺水问题将严重加剧。在美国高平原的中部和南部地区，较低的地下水补给导致了330 km3的地下水集中枯竭。2002年8月至2008年10月，印度拉贾斯坦邦、旁遮普邦和哈里亚纳邦的地下水损失了109 km3。如果不考虑采取措施，该地区的1.14亿居民将面临农业减产、缺水等压力。在华北平原，研究发现92.8 km3的地下水资源被耗尽（1980-2011）。地下水枯竭在山腹地区最高，在中部较低，在沿海最低。上述地下水严重下降的地区是全国，甚至是世界上主要的粮食灌溉生产地区。同时，这些地区有不同的经济发展水平和不同的作物类型。了解全球典型地区地下水用于灌溉和作物生产的程度比较，是可持续地下水利用和可持续发展目标的前提。

地下水的过度开发，特别是在干旱地区，已经远远超过了可持续的限度，威胁到现有的粮食和能源生产。同时，缺水问题面临着地下水枯竭的挑战，需要应对日益严重的气候变化。基于过程的机制模型将物理、化学和生物知识整合到复杂的气候-农业管理互动模型中。然而，作物模型是复杂系统的抽象化。模型结构和参数化的差异会导致模型预测的巨大不确定性。为了部分解决这种不确定性，通常需要进行多模型综合模拟。然而，这种综合模拟只能关注一些特定的情景，很少能反映自然界和潜在的可能性。即使我们处在一个数据丰富的时代，但大多数数据不是专门为建模而收集的，很少能被基于过程的生物物理模型直接使用。当以可接受的分辨率跨大尺度应用作物模型时，有限的数据可用性会导致驱动模型的巨大不确定性。基于高分辨率时空过程的模型会带来巨大的计算挑战。为了克服这些限制，机器学习技术被越来越多地用于预测作物产量及其对气候和管理的干预。机器学习算法能够在综合学习方法的基础上研究响应变量和预测变量之间的层次和非线性关系。与基于过程的模型相比，机器学习解释作物、气候、土壤和管理方法之间的互动过程的能力有限。然而，将基于过程的模型与机器学习耦合，可以理解过程，并在更精细的分辨率下提高大规模模拟的效率。特别是在气候变化下，它可以提供更好的理解和洞察力。

在联合培养期间，我将使用ML和基于过程的作物系统模型（APSIM）的组合，对全球典型地区的大量管理方案进行模拟，为实现可持续利用和发展的政策建议提供理论依据。

拟选择的留学国别、留学单位及选择原因

本人将前往澳大利亚的塔斯马尼亚农业学院进行联合培养。塔斯马尼亚大学成立于1890年，位于澳大利亚联邦塔斯马尼亚州。多年来，塔斯马尼亚大学都被澳洲高等教育委员会评选为最有研究成就的澳洲大学前十强，特别在农业、林业、食品科学、等研究方面成绩显著。

导师Matthew Harrison为塔斯马尼亚农业学院系统建模团队负责人，他的研究分析了气候、水资源和农业管理之间的相互作用，以促进全球粮食安全和更具可持续性的农业前景。此外，Matthew Harrison的实验室使用系统思维来旨在提高粮食生产可持续性实验室的研究重点是农业可持续性、气候影响和适应。最近，Matthew Harrison以第一作者及通讯作者在'Nature Food'，'Nature Communications'，'Global Change Biology'等全球顶尖学术前沿期刊上发表多篇论文。

达到本次出国学习预期目标的可行性

本人于2019年9月经推免进入中国农业大学农学院，并加入作物栽培与生理研究中心进行的学习，本人已经完成了博士培养方案中的所有学习课程，取得应修学分。自入学以来，一直从事作物科学领域的相关科研工作，掌握APSIM模型模拟机理，有了一定的知识储备和实际操作经验。在硕博阶段先后以第一作者在国内外知名期刊上投稿四篇论文，2篇已正式发表，2篇正在评审。本人的博士研究课题主要探究气候变化背景下作物产量和水分可持续利用。本人已经阅读了大量相关文献，并学掌握编程语言（如Python，R），以保证我能够更好地构建统计模型和进行机器学习。综上，本人有信心在联合培养期间取得新的学术成果和重要突破，并为今后继续从事该领域研究工作奠定扎实的基础。

出国学习目的、预期目标、计划、实施方法及所需时间

学习目的：利用国外先进的科研平台和科学技术，通过深造提升自己的研究水平，发表高水平论文。

预期目标：（1）评估我国及世界其他国家主要灌溉地区的用水和作物产量现状。（2）利用多种方法模拟气候变化背景下水资源优化可持续利用的综合经济效益和生态效益。（3）为实现全球水资源可持续利用及粮食安全的双重目标提供理论依据

实施方法及时间安排： 2023.12–2024.02：学习APSIM 源代码及数据挖掘方法，并对已搜集的数据进行分析。 2024.02–2024.06：根据已有的数据对模型进行调参与验证。 2024.04–2024.06：不同作物模型及机器学习结果的比较，产量水分消耗模拟。 2024.06–2024.12：整理研究数据，撰写论文。

学成回国后的工作/学习计划

回国以后，我将继续与我的国内导师共同研究、讨论，解决剩余的科学问题，根据我在国外的所有研究完成我的博士学位论文。同时，我将会总结我出国期间所学的知识，向学科及学院的老师同学们分享，与大家共同探究最新的数据分析及模型模拟的研究方法。内容：在回国后，我将继续从事作物科学领域的相关研究工作，致力于推进中国农业可持续发展。具体计划如下：（1）利用我在国外学习期间掌握的研究技能和经验，继续深入研究气候变化背景下作物产量和水分可持续利用等问题，并发表更多高水平的学术论文。（2）与国内外的学者和农业企业合作，将研究成果转化为实际的农业生产应用，提高我国农业可持续发展水平。（3）积极参与学术交流和科学研究，为推动我国农业科技发展做出贡献。（4）在学科建设和人才培养方面，积极参与教学工作，为培养更多的优秀人才做出贡献。