招生要求
Zhi Ning 教授任职于 Hong Kong University of Science and Technology（HKUST）环境与可持续发展学部（Division of Environment and Sustainability），同时兼任跨学科研究院（研究与研究生教育）副院长、环境中心设施主任及大气研究中心副主任。2009 年，他在 University of Southern California 获得环境工程博士学位，长期深耕空气污染领域研究，累计发表 158 篇学术论文，主持或参与 13 个科研项目，研究资金来自香港研究资助局（RGC）、环境及自然保育基金、国家自然科学基金等权威机构。目前，其团队开放全奖博士职位，欢迎对空气污染监测、建模及健康影响研究感兴趣的学生申请。
Zhi Ning 教授团队的博士招生需符合 HKUST 统一标准，同时注重申请者与研究方向的契合度，具体条件如下：
1. 学术背景要求
·需持有认可大学的硕士学位（如 Environmental Engineering、Atmospheric Science 等相关专业），或具备一等荣誉学士学位（可申请直博项目，需证明学术潜力）；
·本科及硕士阶段官方成绩单需体现良好学术表现，环境化学、大气物理、传感器技术、机器学习等核心课程成绩优异者优先；
·有空气污染监测、环境建模或传感器开发相关科研经历，或在 Environmental Pollution、Atmospheric Environment 等期刊发表过论文者，竞争力将显著提升。
2. 语言能力要求
·非英语授课背景申请者，需提供托福（网考最低 80 分）或雅思（学术类最低 6.5 分，单项不低于 5.5 分）成绩；
·若曾在英语授课大学完成本科或硕士学位，可申请豁免语言成绩，但需提供学校官方证明。
3. 申请材料清单
·在线申请表（通过 HKUST 研究生招生系统提交）；
·官方成绩单（本科及硕士阶段，需密封或通过官方渠道发送至 HKUST 研究生院）；
·2-3 封学术推荐信（推荐人在线提交，以学术推荐为主）；
·个人陈述（说明研究兴趣、申请动机及与 Zhi Ning 教授研究方向的契合度）；
·研究计划（围绕教授研究方向设计，概述拟研究课题、方法及可行性，建议提前沟通课题方向）；
·个人简历（包含学术经历、科研成果、Python/R 编程等技能）；
·语言成绩证明（需官方送分）；
·发表论文、获奖证明等补充材料（如有可提交）。
4. 全奖政策
·成功申请者可获 HKUST 全额奖学金，主要包括 Hong Kong PhD Fellowship Scheme（HKPFS）或学部奖学金（Departmental Scholarship）；
·奖学金覆盖全额学费，每月提供 HK$18,000-20,000 生活津贴，部分还包含科研差旅费（如参与粤港澳大湾区实地监测或国际会议）；
·资助期限通常为 3-4 年，需维持 GPA 不低于 3.0/4.0 的学术标准，并按计划完成科研任务。
研究方向
Zhi Ning 教授的研究围绕空气污染 “监测 - 建模 - 健康影响” 全链条展开，结合传感器技术、机器学习与实地观测，具体分为四类：
1. 空气污染监测技术与仪器开发
以 “提升监测精度与便携性” 为核心，开发多场景适用的监测设备，代表项目包括：
·参与 “从中国空间站监测温室气体排放点源” 项目（2025 年起），联合 Starwiz Technology 等机构，通过卫星与地面监测结合，实现甲烷等温室气体排放点源精准定位；
·领导 “开发超便携甲烷监测系统及其移动应用” 项目（环境及自然保育基金资助，2025 年起），针对香港移动排放源（如车辆），设计小巧低成本的甲烷监测设备，搭配移动端实现 “实时监测 - 热点识别”；
·参与 “超紧凑型无人机 VOC 采样系统” 项目（2023 年起），将无人机与 VOCs（Volatile Organic Compounds）采样结合，解决传统地面监测无法获取垂直污染分布的问题；
·相关成果发表于《Performance validation and calibration conditions for novel dynamic baseline tracking air sensors in long-term field monitoring》（Atmospheric Measurement Techniques, 2025），验证了新型传感器在长期野外监测的性能，为设备标准化提供依据。
2. 空气污染建模与机器学习应用
利用机器学习整合多源数据，提升污染预测与溯源准确性，代表研究包括：
·领导 “基于 PM 传感器粒径分布相关性图的动态 k 因子与 PM 质量浓度预测” 项目（RGC - 一般研究基金资助），通过分析 PM（Particulate Matter）传感器数据，构建动态 k 因子模型，实现 PM 质量浓度精准预测；
·主持 “移动与固定监测网络数据融合的 NO2 微尺度分布研究”（2023-2025），融合移动监测车 “plume chasing” 实验与固定站数据，用深度学习绘制香港复杂城区 NO2 微尺度分布图；
·论文《Combining Google traffic map with deep learning model to predict street-level traffic-related air pollutants》（Environment International, 2024），创新性引入谷歌交通地图数据，提升街道尺度 NO2、PM2.5 预测精度。
3. 空气污染暴露与健康影响评估
聚焦不同场景人群污染暴露水平，量化健康风险，成果包括：
·发表《Characterizing sources and health risks of airborne Carbonyl compounds in South China》（Environmental Pollution, 2025），分析华南沿海地区羰基化合物来源及对呼吸系统的健康风险；
·开展 “学校室内空气质量评估”（Toxics, 2024），探讨高污染时段学校室内是否为 “安全区”，分析室内外污染传输及对学生的暴露风险；
·参与 “厨余转化医用纺织品” 项目（2021-2024），虽聚焦传染病防护，但为颗粒物过滤材料开发提供跨学科参考。
4. 特定污染物研究（VOCs、臭氧、甲烷等）
针对区域空气质量关键污染物开展专项研究：
·VOCs 研究：领导 “在线阈值触发 VOC 采样方法” 项目（2023 年起），设计自动采样方法用于臭氧污染期分析，明确 VOCs 对臭氧生成的贡献；发表《Characteristics of oxygenated VOCs in Hong Kong》（Science of The Total Environment, 2024），解析含氧 VOCs 来源及对臭氧形成的影响；
·臭氧研究：主持 “边界层垂直变化对南方臭氧污染的影响” 项目（2020-2023，国家自然科学基金与 RGC 联合资助），分析边界层变化对粤港澳大湾区臭氧污染的影响；
·甲烷研究：参与 “挥发性有机物黄金标准实验室” 项目（2021-2023），为甲烷精准测量提供实验室标准支持。
有想法
基于现有研究基础，团队提出三个适合博士阶段的创新计划，兼具应用价值与学术创新性：
1. 香港街巷尺度 PM2.5 实时溯源系统开发（多源数据融合）
背景：香港 “street canyon” 地貌下，PM2.5 来源复杂（交通、跨境传输等），现有监测难兼顾 “实时” 与 “溯源”；
方法：部署微传感器网络获取 PM2.5 数据，接入交通、气象数据，结合移动监测车 “plume chasing” 实验，用图神经网络（GNN）构建实时预测与溯源模型；
意义：为香港环保署提供实时管控依据（如临时管控高排放车辆），填补街巷尺度 PM2.5 溯源技术空白。
2. 粤港澳大湾区 VOCs - 臭氧协同监测与跨境污染分析
背景：大湾区 VOCs 与臭氧协同生成，污染跨境传输显著，现有固定监测难捕捉移动源及联动规律；
方法：开发背包式 VOCs - 臭氧协同监测设备（实验室级精度），在大湾区 9 市 1 区同步移动监测，结合 AERMOD 模型分析跨境传输通道；
意义：为大湾区联防联控提供技术支持，设备可推广至其他城市群，助力跨境污染治理。
3. 城市微环境颗粒物暴露与健康风险动态评估模型
背景：人群在地铁、商场等微环境活动时间不同，暴露水平差异大，现有评估多为静态（年均），无法反映动态风险；
方法：在微环境部署传感器获取时段性颗粒物数据，结合人群活动模式（问卷 + 手机定位），融合流行病学数据构建动态风险评估模型；
意义：为通勤族等人群提供个性化防护建议，为地铁通风优化、商场净化设计等城市规划提供健康依据。
上述研究依托团队现有科研平台（环境中心设施、大气研究中心）及合作网络（香港环保署、内地机构、企业），博士研究生可参与实地监测、设备开发、论文发表及国际交流，全奖支持可保障无经济压力投入研究。
【竞赛报名/项目咨询+微信：mollywei007】
