| 课程号 |
E1273915 |
学分 |
1 |
| 英文名称 |
International Exchange and Practice in Environmental Studies |
| 先修课程 |
环境问题，环境系统基础 |
| 中文简介 |
本课程依托北京大学与曼彻斯特大学环境科学交流访问项目，旨在为学生提供深入了解国际环境科学与地球科学前沿的机会。课程内容涵盖大气成分与空气质量、气候变化与数值模拟、环境数据科学与人工智能应用、以及环境地球化学与健康等多个交叉学科领域。通过在曼彻斯特大学地球与环境科学系的实地全英文讲座、互动研讨及实验室实地考察，学生将直接接触到国际顶尖学者的最新研究成果，如气溶胶-云相互作用、大城市空气污染干预、贝叶斯空间统计建模以及地下水污染等关键议题。 |
| 英文简介 |
This course relies on the Peking University-University of Manchester Environmental Science Exchange Program to provide students with comprehensive insights into international frontiers in environmental and earth sciences. The curriculum covers interdisciplinary fields including atmospheric composition and air quality, climate change and numerical modeling, environmental data science and AI applications, as well as environmental geochemistry and health. Through on-site English lectures, interactive seminars, and laboratory tours at the Department of Earth and Environmental Sciences at UoM, students will be directly exposed to the latest research from top international scholars, exploring key topics such as aerosol-cloud interactions, air pollution interventions, Bayesian spatial statistical modeling, and groundwater arsenic contamination. |
| 开课院系 |
环境科学与工程学院 |
| 成绩记载方式 |
等级制 |
| 通识课所属系列 |
|
| 授课语言 |
英文 |
| 教材 |
|
| 参考书 |
|
| 教学大纲 |
课程定位：本课程主要面向环境科学与工程专业的学生，是一门将理论学习、前沿探讨与国际实地交流深度结合的实践类任选课。
课程特色：理论讲授与国际实践高度融合，实地沉浸式学习。邀请曼彻斯特大学多位知名教授与学者（如David Schultz教授、Hugh Coe教授、David Topping教授等）组成强大的授课团队进行全英文授课。课程不仅包含丰富的多学科理论讲座，还涵盖大气科学中心实验室实地考察，以及学术论文写作与科技沟通技巧的专门培训。
希望达到的水平：拓宽学生的国际科学视野，使其熟悉并掌握大气环境、数值模拟与环境数据科学等领域的最新研究进展与核心分析思路。全面提升学生在全英文环境下的跨文化学术交流能力、独立批判思考能力，以及参与高水平国际科学研究的基本素质。
第一部分：讲座课（前沿理论探讨与科研技能，共12学时）
1. 气候气象模型基础（2学时）
（1） 宏观尺度：气候系统与天气预测
气候模拟演示：简述气候模型（如FOAM）的基本输入与输出参数。通过“Build Your Own Earth”交互演示，直观展现行星参数对宏观气候（如“雪球地球”机制）的调控作用。
天气预报原理：概述数值天气预测的基本思想，通过挪威气旋模型或副热带高压等典型案例，帮助学生快速建立对天气系统演变的物理认知。
（2） 微观尺度：云微物理与气溶胶建模
云的形成机制：结合箱式模型（Box Model）与气块模型（Parcel Model）基础，简要解析成云的核心物理条件（重点介绍开尔文效应）。
分档建模（Bin Approach）简介：了解分档方法在大气科学中的基本概念，初步认识气溶胶物理化学性质演变及其对气候模型的影响。
2. 环境数据科学与人工智能应用（6学时）
（1） AI与环境健康：认识技术发展曲线（Hype Curve）及大语言模型（LLM）等生成式AI在环境大数据检索与分析中的应用与发展规律。剖析传统线性回归在处理离散、有界数据时的局限性。通过“捕鱼网试验”案例，学习如何运用广义线性模型（GLM），替换误差分布与链接函数（如Logit函数），以精准拟合复杂的环境与流行病学数据。
（2） AI与环境智能感知：探讨物联网（IoT）与智能传感器网络在环境监测中的前沿应用。学习如何结合计算机视觉（CV）与卫星遥感影像技术，进行土地利用动态分类、污染源智能识别与高分辨率空气质量动态成图。了解边缘计算（Edge Computing）在提升实时环境数据感知、传输与极端天气/污染预警效率中的核心作用。
（3） 机器学习在环境数据分析中的应用：以典型环境问题（如地下水污染或城市空气质量预测）为案例，系统学习随机森林（Random Forest）、支持向量机（SVM）等主流机器学习算法。探讨如何整合多源异构数据（如暴露数据、气象数据、健康队列数据），量化环境暴露（如地下水砷污染、PM2.5）对特定疾病（如心血管疾病）的健康风险，并运用算法模型进行复杂的污染溯源分析。
3. 能源脱碳（4学时）
（1） 碳循环与能源脱碳：辨析快速与慢速碳循环过程，探讨低碳能源系统及碳捕获、碳封存（CCS）技术的挑战。对比2D、3D及4D岩层结构表征方法的尺度与分辨率差异。
（2） 绿碳与蓝碳：深入探讨陆地森林植被（绿碳）与海洋/海岸带生态系统（蓝碳）在碳汇增强中的机制与经济价值。
第二部分：实践课（实验室实地考察与文化参访，共24学时）
1. 前沿实验室实地参观与仪器操作（12学时）
（1） 机载观测网络与气溶胶-云相互作用
立体大气观测与辐射效应：探讨气溶胶的直接（吸收与散射）、间接（改变降水）与半间接效应对辐射平衡的影响。讲解车走航（街道/工业区秒级高精度）、飞机航测与船走航（海洋边界层与海气交换）在多维空间观测网络中的关键作用。
机载与实时大气观测系统（FAAM）：深入了解英国大气空气测量设施。结合先导理论，实地认识机载平台如何获取大气垂直廓线、实现跨区域长距离传输监测，并在高分辨率追踪污染物实时移动中发挥绝对优势。
（2） 大气转化机制与烟雾箱模拟
多相化学与在线测量技术：讲解一次排放物（VOCs、NOx）向二次气溶胶转化的多相化学与光化学机制。学习高分辨率气溶胶质谱（HR-ToF-AMS）在解析复杂组分中的应用，以及利用全息照相、多光电粒子光谱仪对生物气溶胶（花粉、细菌）的实时识别。在线质谱基础实验操作，获得测量数据并进行数据处理和分析。
大气气溶胶模拟实验室（烟雾箱）：观摩可塌缩式烟雾箱。实证理论课中的转化机制：观察其如何通过调整体积保持恒压，并利用多波段光源模拟真实大气光照，重现二次颗粒物的生成过程。分组进行烟雾箱模拟基础操作，掌握烟雾箱简单模拟实验的操作方法。
（3） 云微物理机制与极端环境模拟
成云机制溯源：回顾气块与箱式模型，深化对过饱和水蒸气、凝结核与成云所需苛刻物理条件的认知。
云物理实验室（冰云室）：参观高达10米、横跨3层楼的冰云室。观察密封、抽真空及绝热降压产生过饱和水蒸气的过程，实景体验-55℃上对流层条件下的云演化，探究液态、混合相或全结冰云的生成，将微物理理论彻底具象化。分组进行云室模拟成云操作。
2. 科学历史与跨文化社会考察（12学时）
（1） 工业革命寻迹与污染干预演变
参访科学与工业博物馆（建于1830年的旧火车站），探寻早期纺纱机等代表性展品，理解曼彻斯特作为“雾都”前身在工业化进程中的历史地位。
结合工业发展史与现代环保对比，分析如何结合气象剥离技术与机器学习，利用“自然实验”（如新冠疫情封锁、火山喷发）精准量化现代环保干预政策的真实效力。
（2） 知识传承与学术氛围体验
参观曼彻斯特中央图书馆（特别是Henry Watson音乐书籍馆）与新哥特式风格的约翰·瑞兰兹图书馆。通过阅览工业革命时期的学术档案与笔记，体会早期科学观测数据的历史价值，感受知识与城市发展的共生关系。
（3） 多元文化与社会思辨
实地探索媒体城、帝国战争博物馆、老特拉福德球场及美术馆等文化地标。
系统性探讨：从高污染的传统工业城到现代环保与文化名城的转型过程中，环境科学、社会发展、城市产业演变与文化历史是如何交互影响的？
本课程为短期集中授课与实地考察相结合的实践课程。主要教学方式为：
（1）专家讲座与研讨：由曼大各领域顶尖教授团队讲授前沿理论，学生需在听讲后进行Q&A互动与分组讨论。
（2）实验室观摩：在指导下实地参观大气成分监测与气溶胶分析的前沿仪器设备，了解仪器的实际运行与数据采集过程。
（3）科研技能实训：结合理论学习和参访，分组开展仪器测量实验、数据处理与分析、烟雾箱模拟操作、云室模拟成云实验操作等。
（1）课堂出勤与互动讨论（60%）：考核学生在交流访问期间的出勤率，以及在全英文讲座中提问、参与学术讨论的积极性与深度。
（2）分组汇报（40%）：针对理论学习和实践内容，选取某一感兴趣方向，分组进行汇报。
|
| 教学评估 |
|
|