【个人描述】

主要研究兴趣-碳中和与环境大数据：应用地理信息系统(GIS)、卫星遥感和数理模型(包括机器学习等)，研究污染物在大气、土壤、水体等环境多介质中的归趋、温室气体源汇分析、以及污染暴露与气候变化对人体健康的影响。已在Environmental Science & Technology、Applied Energy、中国环境科学等期刊发表论文多篇。对碳中和、GIS、遥感、机器学习、环境健康感兴趣的同学，欢迎联系。

【学习及工作经历】

四川大学，碳中和未来技术学院，副教授/教授

四川大学，建筑与环境学院，特聘副研究员/副教授

浙江大学，环境与资源学院，博士后(国际交流计划引进项目)

加州大学戴维斯分校(UC Davis)，生态学，博士

浙江大学，生命科学学院，生物科学，学士

【主要研究领域】

1.地理信息系统与遥感技术应用

2.大数据分析与机器学习建模

3.污染物环境归趋模拟与系统分析

4.大气复合污染对人体健康影响

5.温室气体源汇分析及气候变化

【承担的主要课程】

1.《碳中和技术与工程前沿》（博士）

2.《碳中和信息技术与应用》（硕士）

【主持的科研项目】

1.基于物理内嵌生成学习的四川盆地云下NO₂可信重构与反事实推演方法研究，国家自然科学基金面上项目，2027-2030，主持

2.机器学习重构PM_2.5时空分布中的特征空间优化机制研究，国家自然科学基金面上项目，2021-2024，主持

3.城市尺度的邻苯二甲酸酯环境过程模拟，国家自然科学基金青年项目，2017-2019，主持

4.新型电力系统电碳协同运行决策关键技术及示范工程项目，智能电网国家科技重大专项，2026-2030，子课题负责人

5.四川盆地多介质跨圈层大气污染与气候变化协同控制技术与应用示范，国家重点研发项目，2024-2027，子课题负责人

6.重大自然灾害评估、救助与恢复重建技术研究与示范，国家重点研发计划，2018-2021，子课题负责人

7.基于多源城市大数据的空气质量全面域时空计算推断技术应用示范，四川省科技厅重点研发项目，2020-2021，主持

8.多维数据驱动的城市级碳排放反演与能源协同发展情景推演方法研究，国网总部项目，2024-2026，课题负责人

9.网格化空气质量管理研究，四川省青年人才项目，2018-2020，主持

10.多尺度空气质量预报预警技术研究及应用示范(项目)，成都市重大科技应用示范项目，2020-2022，课题负责人

11.基于大数据的宜宾市空气质量精细化管理，四川大学-宜宾市人民政府市校战略合作项目，2020，主持

12.基于数值模型预测结果的AI再训练优化提升预报结果准确性方法研究，院士工作站开放课题，2025-2026，主持

13.基于卫星遥感及机器学习融合算法的区域清单空间分配优化，院士工作站开放课题，2023，主持

14.多源数据驱动的大气污染智能溯源技术研发项目，四川省生态环境科学研究院，2026，主持

15.温室气体和大气污染物时空分布及协同分析，四川省生态环境科学研究院，2024，主持

16.高新区重点区域“一区一策”精细化管控对策研究服务项目，成都高新技术产业开发区环境保护与城市综合管理执法局，2019，主持

17.成都市大气环境卫星遥感数据治理与融合项目，企业委托技术开发，2024-2025，主持

18.碳卫星监测分析与展示-技术服务项目，企业委托技术开发，2022，主持

19.空气污染物高分辨率时空分布模型与网格化监测数据特征识别研究，企业委托技术开发，2020，主持

20.生态环境大数据及遥感数据分析，企业委托技术开发，2020，主持

【代表性论著】

1.Li, T.^#; Zheng, X.^#; Liu, X.; Zhang, H.; Grieneisen, M. L.; He, C.; Ji, M.;Zhan, Y.^*; Yang, F. Enhancing space-based tracking of fossil fuel CO₂emissions via synergistic integration of OCO-2, OCO-3, and TROPOMI measurements.Environmental Science & Technology. 2025.

2.Zhan, Y.; Luo, Y.; Deng, X.; Zhang, K.; Zhang, M.; Grieneisen, M. L.; Di, B.^*Satellite-based estimates of daily NO₂exposure in China using hybrid random forest and spatiotemporal kriging model.Environmental Science & Technology. 2018.

3.Zhan, Y.; Sun, J.; Luo, Y.; Pan, L.; Deng, X.; Wei, Z.; Zhu, L.^*Estimating emissions and environmental fate of di-(2-ethylhexyl) phthalate in Yangtze River Delta, China: Application of inverse modeling.Environmental Science & Technology. 2016.

4.Nie, G.; Zhang, H.; Liu, X.; Teng, Y.; Zheng, X.; Grieneisen, M.L.; Mi, T.;Zhan, Y.*; Yang, F. Enhancing near-real-time gridded carbon emissions estimation with fine-granular electricity data and meteorologically normalized NO₂fields.Applied Energy. 2026.

5.He, C.^#; Ji, M.^#; Li, T.; Liu, X.; Tang, D.; Zhang, S.; Luo, Y.; Grieneisen, M.L.; Zhou, Z.;Zhan, Y.^*Deriving full-coverage and fine-scale XCO₂across China based on OCO-2 satellite retrievals and CarbonTracker output.Geophysical Research Letters. 2022.

6.Meng, X.; Pang, K.;Zhan, Y.^*; Wang, M.^*; Li, W.; Wang, Y.; Zhang, J.; Xu, Y. Light-duty gasoline vehicle emission deterioration insights from large-scale inspection/maintenance data: The synergistic impact of usage characteristics.Environment International. 2024.

7.Wu, Y.; Di, B.; Luo, Y.; Grieneisen, M.L.; Zeng, W.; Zhang, S.; Deng, X.; Tang, Y.; Shi, G.; Yang, F.;Zhan, Y.^*A robust approach to deriving long-term daily surface NO₂levels across China: Correction to substantial estimation bias in back-extrapolation.Environment International. 2021.

8.Liu, D.; Di, B.; Luo, Y.; Deng, X.; Zhang, H.; Yang, F.; Grieneisen, M. L.;Zhan, Y.^*Estimating ground-level CO concentrations across China based on national monitoring network and MOPITT: Potentially overlooked CO hotspots in the Tibetan Plateau.Atmospheric Chemistry and Physics. 2019.

9.Mi, T.; Tang, D.; Fu, J.; Zeng, W.; Grieneisen, M. L.; Zhou, Z.; Jia, F.; Yang, F.;Zhan, Y.^*Data augmentation for bias correction in mapping PM_2.5based on satellite retrievals and ground observations.Geoscience Frontiers. 2024.

10.Zheng, X.^#; Meng, H.^#; Zhao, Z.; Liu, X.; Zhou, L.; Grieneisen, M. L.; Zhang, H.;Zhan, Y.^*; Yang, F. Deep transfer learning for spatiotemporal mapping of PM_2.5nitrate across China: Addressing small data challenges in environmental machine learning.Journal of Hazardous Materials. 2025.

11.Tang, D.; Mi, T.; Zheng, X.; Yang, M.; Grieneisen, M. L.;Zhan, Y.^*; Yang, F. Harmonizing low-cost and regulatory air quality monitoring networks with interpretable semi-supervised learning: Reducing exposure misclassification in underrepresented communities.Journal of Hazardous Materials. 2025.

12.Li, W.^#; Li, Y.^#; Xu, W.; Chen, Z.; Gao, Y.; Liu, Z.; Li, Q.; Jiang, M.; Liu, H.; Luo, B.^*;Zhan, Y.^*; Dai, L.^*Maternal PM_2.5exposure and hypospadias risk in Chinese offspring: Insights from a nationwide surveillance-based study.Journal of Hazardous Materials. 2024.

13.Liu, X.; Pu, X.; Lu, C.; Zhang, H.; Li, T.; Grieneisen, M. L.; Li, J.; Ma, N.; Yan, C.;Zhan, Y.^*; Yang, F. Interpretable regional meteorological feature extraction enhances deep learning for extended 120-h PM_2.5forecasting.Journal of Cleaner Production. 2024.

14.Zhao, Z.; Lu, Y.;Zhan, Y.^*; Cheng, Y.; Yang, F.; Brook, J. R.; He, K. Long-term spatiotemporal variations in surface NO₂for Beijing reconstructed from surface data and satellite retrievals.Science of the Total Environment. 2023.

15.Tang, D.;Zhan, Y.^*; Yang, F. A review of machine learning for modeling air quality: Overlooked but important issues.Atmospheric Research. 2024.

16.Zeng, W.^#; Zhao, H.^#; Liu, R.; Yan, W.; Qiu, Y.; Yang, F.; Shu, C.^*;Zhan, Y.^*Association between NO₂cumulative exposure and influenza prevalence in mountainous regions: A case study from southwest China.Environmental Research. 2020.

17.Fu, J.; Tang, D.; Grieneisen, M. L.; Yang, F.; Yang, J.; Wu, G.; Wang, C.;Zhan, Y.^*A machine learning-based approach for fusing measurements from standard sites, low-cost sensors, and satellite retrievals: Application to NO₂pollution hotspot identification.Atmospheric Environment. 2023.

18.Zhan, Y.; Luo, Y.; Deng, X.; Chen, H.; Grieneisen, M. L.; Shen, X.; Zhu, L.^*; Zhang, M.^*Spatiotemporal prediction of continuous daily PM_2.5concentrations across China using a spatially explicit machine learning algorithm.Atmospheric Environment. 2017.

19.陈玉敏; 魏阳; 常政威; 张凌浩; 刘洪利; 刘雪原; 曾文; 赵子翔; 李春圆; 米潭;詹宇.^*基于遥感数据和XGBoost算法的31个城市NO₂、CO₂浓度比率变化特征.地球科学与环境学报. 2023.

20.汤宇磊; 杨复沫;詹宇.^*四川盆地PM_2.5与PM₁₀高分辨率时空分布与关联分析.中国环境科学. 2019.