2026年7月15日上午10:00，偷拍外流 青禾论坛有幸邀请到西安科技大学马绪瀛副教授为全院同学带来城市空气污染时空建模与人群暴露评估专题讲座。本次专题讲座围绕城市空气污染时空建模与人群暴露评估，介绍基于国控站、微型空气质量监测站和移动监测等多源地面观测数据的融合方法，结合机器学习等数据驱动高级统计模型，构建城市空气污染物浓度高时空分辨率建模。

在此基础上，融合道路网络、人口活动轨迹及地理环境等多源数据，开展大规模人群空气污染暴露评估，重点以学生家校主动式通勤（步行、骑行）场景为例，模拟通勤过程中的动态空气污染暴露剂量，分析不同出行方式、出行路线和出行时段对污染暴露水平的影响。为居民绿色健康出行、学校周边交通组织优化以及城市空气污染精准防控提供科学依据和决策支持。

一、嘉宾介绍

马绪瀛，男，博士，副教授，硕士生导师，毕业于新西兰奥克兰大学，西安科技大学第四层次人才，陕西高校青年创新团队核心成员；澳大利亚昆士兰科技大学（Queensland University of Technology）客座副教授，兼职博士生导师。近年来，在Environmental Science & Technology、Environment International等国内外高质量期刊发表学术论文30余篇，主持、参与国内外各类科研项目10余项。担任国际大气环境遥感学会Air Quality & Health工作组秘书长、International Journal of Environmental Research and Public Health、Buildings期刊客座编辑，担任ES&T、IJGIS、LUP、SCS、AG等多个国内外知名SCI期刊特邀审稿人。

二、讲座回顾

在讲座中，马老师重点展示了不同模型对NO₂浓度预测效果的外部验证对比结果。通过多组模型（包括多尺度LUR、常规LUR、IDW插值、OK插值以及UK模型（Kriging））的验证数据，老师详细分析了各模型在预测精度和稳定性方面的表现。

从展示的验证结果来看，多尺度LUR模型和UK模型（Kriging）在预测效果上表现较为突出，显示出较高的拟合优度和较低的误差水平，而常规LUR和插值方法（如IDW、OK）虽然在部分指标上具有一定优势，但整体预测能力相对有限。

老师还指出，外部验证是评估模型泛化能力的重要环节，通过对比不同模型在独立样本上的表现，可以为后续空气质量预测和空间插值方法的选择提供科学依据。这一研究对于提升NO₂浓度空间分布的预测精度、优化环境监测布点方案具有重要的实际意义。

此外，老师分析了不同区域作为研究区域时的优势劣势，如何选择恰当的研究路线等内容，并进行结论展示。老师回顾了自己的学业与职业生涯，将自己的写作、投稿经验技巧毫无保留地传授给大家，也呼吁大家注意参考文献引用、写作格式等问题。同学们基于自身科研学习情况向老师提问，老师进行了耐心全面的解答。

结语

随着论坛渐近尾声，全场同学以热烈而持久的掌声，向马老师的精彩讲授致以诚挚谢意。本次讲座不仅令同学们对城市空气污染时空建模及人群暴露领域的研究有了更为系统而深入的认识，更以鲜活的案例与实用的方法，为今后的科研探索提供了宝贵借鉴。

未来，青禾论坛将持续构筑高水准的学术交流平台，助力公管偷拍外流 学子们在科研征途上行稳致远。让我们共同期待下一期论坛的如约而至！