01、招生要求
依据香港科技大学霍英东研究生院（Fok Ying Tung Graduate School）2026/27学年最新招生政策，申请Fei CHEN教授研究组需满足如下条件：
学历与成绩门槛：须持认可院校颁发的学士学位，并具备杰出学术表现记录（proven record of outstanding performance）；或提供证据表明已完成至少一年全日制（或两年非全日制）研究生学习且成绩达标。
英语能力标准：非英语母语者，且学士学位非全英语授课者，须提交以下任一成绩：TOEFL-iBT 80分（2026年1月21日前考试）或4.5分（新版考试）；IELTS（Academic Module）总分6.5且单项不低于5.5。仅接受单次考试成绩，家考（Test at Home）成绩无效。若第一语言为英语，或从香港八大高校及英语国家院校毕业，可豁免此项。
申请时间节点：香港博士研究生奖学金计划（Hong Kong PhD Fellowship Scheme, HKPFS）申请须于2025年12月1日前提交；2026年秋季入学非本地生常规申请截止于2026年6月1日。
课程与考核要求：博士生须修满12学分（含6学分核心课程），完成专业发展课程PDEV 6770与ENVR 6770，并通过英语语言能力评估（ELPA）口语测试（未达Level 4者须修读LANG 5000）。全日制学生须于第四学期前通过博士资格考试（Qualifying Examination），提交研究计划并接受答辩。
02、研究方向
基于近五年发表于Journal of Geophysical Research: Atmospheres、Journal of Hydrology、Urban Climate及Bulletin of the American Meteorological Society等期刊的成果，Fei CHEN教授的研究可归纳为以下维度：
陆-气相互作用与陆面模式开发：聚焦地表水文过程与大气边界层能量交换，主导Noah-MP陆面模式的参数化改进。近期发表于Journal of Hydrometeorology的雪反照率演化方案及Journal of Advances in Modeling Earth Systems的雪压实过程评估均属此列。
对流解析气候模拟：发展公里尺度（convection-permitting）区域气候模式，解析南美及东亚中尺度对流系统（MCS）在不同ENSO相位下的演变。相关成果见2025年Atmospheric Research关于南美对流解析实验的研究及2024年BAMS发表的南美水气候科学进展综述。
城市化气候效应与智能预测：构建全球1公里分辨率城市冠层参数数据集GloUCP，量化城市热岛与热浪强度。代表性工作包括Sustainable Cities and Society发表的"WRF+AutoML"城市热估算框架，以及Urban Climate关于北京三十年城市化温度响应的评估。
农业管理-气候耦合：在陆面模式中集成灌溉模块，模拟冬小麦光合作用对干旱胁迫的响应机制。发表于Computers and Electronics in Agriculture与BMC Plant Biology的作物水分利用效率研究体现了该方向。
Fei CHEN教授的研究轨迹呈现从基础陆面过程向应用气候科学的拓展。早期工作聚焦Noah-MP等社区模式物理过程开发，近年转向机器学习（AutoML）与物理模式的融合，如Geoscientific Model Development发表的ML-AMPSIT自动化敏感性分析工具。这种"物理-数据混合方法"表明课题组正从纯过程模拟向智能参数优化与不确定性量化转型。具备地球系统模式与数据科学交叉背景的申请者，将更易契合该演进趋势。
03、有想法
针对Fei CHEN教授当前主持的国家自然科学基金/研究资助局联合项目（粤港澳大湾区多平行雨带中尺度对流系统极端降水可预测性研究）及现有技术储备，以下研究构想具备可行性：
城市冠层-对流系统多尺度耦合机制：利用WRF模式嵌套GloUCP高分辨率城市参数，解析粤港澳大湾区城市群（深圳-香港-东莞走廊）对中尺度对流系统（MCS）触发位置的调控作用。重点分析城市粗糙度与热岛效应对平行雨带（parallel rainbands）组织化发展的影响，结合2025年Atmospheric Research发表的物理方案评估结果，优化城市冠层方案（UCM）与云微物理过程的耦合机制。
AI驱动的农业灌溉-区域气候反馈系统：在Noah-MP模式中开发基于强化学习的动态灌溉决策模块，替代传统静态阈值方法。通过耦合WRF与作物生长模型，模拟华北平原不同灌溉策略对边界层湿度及降水再循环的影响（延伸至PNAS发表的玉米带降水再循环研究框架）。利用课题组开发的ML-AMPSIT工具进行参数敏感性实时诊断，构建人机协同的参数校准流水线。
平流层-对流层交换与冬季雾预报：拓展现有对流解析模拟至全对流层，探究南亚冬季雾（fog）过程中边界层稳定度与上层平流层入侵的耦合机制。基于Journal of Geophysical Research: Atmospheres发表的微波辐射计同化研究，开发同化廓线资料的机器学习降尺度方案，提升城市雾预报时效。
积雪-大气相互作用的高纬度扩展：将Journal of Hydrometeorology中发展的雪反照率参数化方案应用于青藏高原复杂地形，结合高分辨率卫星反照率数据，评估季节性积雪变化对东亚季风边缘区能量收支的影响。采用Geoscientific Model Development提出的自动化敏感性分析方法，识别雪水当量（SWE）模拟中的关键不确定源。
