专题征稿 | 基于AI的空气污染控制与健康风险评估

客座编辑

Dr. Zhonghua Zheng（助理教授、博士生导师、已于2025年获长聘；曼彻斯特环境研究院环境数据科学和AI共同负责人）: 美国气象学会（AMS）人工智能与环境科学委员会副主席、国际期刊《npj Clean Air》Associate Editor、《Atmospheric Chemistry and Physics (ACP)》Editor、《Atmospheric Environment》Associate Editor、亚洲大洋洲地球科学协会（AOGS）大气科学分部秘书。毕业于美国伊利诺伊大学厄巴纳-香槟分校（UIUC），获土木工程与环境工程（计算科学与工程）博士学位、计算机科学硕士学位。曾在美国哥伦比亚大学和美国国家大气研究中心（NCAR）高级研究项目（ASP）担任博士后研究员并开展独立研究，并曾任美国地球物理联合会（AGU）全球环境变化科委员会委员。读博期间曾连续三年在拜耳公司（作物科学事业部）以及美国橡树岭国家实验室担任数据科学实习生（Data Scientist/Research Intern）。自2022年加入曼彻斯特大学后，他作为项目负责人（PI）获得英国研究与创新署（UKRI，如NERC-自然环境研究理事会，EPSRC-工程和自然科学研究理事会，ESRC-经济与社会研究理事会）、英国皇家学会（The Royal Society）、英伟达NVIDIA、亚马逊云计算服务AWS、以及英国气溶胶学会（The Aerosol Society）等超过一百万英镑的科研资助。论文发表于 NeurIPS 等人工智能领域顶级会议，以及《Nature Communications》、《Nature Climate Change》等国际期刊。 详情请见郑中华博士个人主页https://zhonghuazheng.com/。

专题征稿

空气污染仍然是全球范围内影响人类健康与可持续发展的重大挑战，其形成机制涉及排放源、大气化学反应与传输过程、气象变化以及人类活动等多重复杂因素。尽管近年来监测网络、化学传输模型及流行病学研究取得了显著进展，但传统方法在处理非线性关系、高维数据以及多尺度耦合过程方面仍面临诸多挑战。

与此同时，环境感知技术的快速发展（包括地面监测、低成本传感器、移动平台、卫星观测及物联网系统）以及气象、人口、健康等多源数据的不断积累，正在推动环境研究进入数据密集型时代。人工智能（AI）与机器学习（ML）方法正逐步改变空气质量研究范式，通过多源数据融合、高分辨率时空建模与预测分析，实现污染源解析、暴露评估以及健康风险预测的显著提升。

本专刊聚焦于AI驱动与数据驱动的空气污染控制与健康风险评估方法，旨在整合环境观测、传感网络、卫星数据及人口信息，推动高精度污染预测、精细化暴露评估以及智能决策支持的发展。我们特别欢迎在机器学习方法创新、数据融合、多尺度预测建模等方面具有突破性的研究成果，以及能够提升模型可解释性、不确定性分析能力和实际应用落地能力的工作。

本专刊现面向全球学者开放投稿，征稿范围包括但不限于：基于AI的污染源解析与排放估计、多源数据融合与环境建模、高分辨率空气质量与暴露预测、空气污染健康风险评估、实时监测与预警系统、可解释AI方法、以及污染治理与政策评估的决策支持工具等相关研究方向。

点击“阅读原文”，访问征稿页面