一、微专业简介
智慧环境微专业是昆明理工大学面向国家 “人工智能+”行动、生态文明建设与数字中国战略需求，依托环境科学与工程一级学科博士点（云南省唯一）、环境工程国家级一流本科专业建设点、环境工程国家级实验教学示范中心以及多个省部级科研平台，自主设置的交叉型微专业项目。
本微专业以 “环境+AI ”为核心特色，深度融合环境科学、环境工程、人工智能、遥感技术、控制工程、 大数据分析等学科，聚焦 “空天地一体化环境监测与预警、智慧水处理技术与装备、大气环境智能模拟与污染防治、环境大数据与智能决策 ”四个特色方向，构建 “感知—认知—决策—管控 ”一体化的知识体系。学生将系统学习环境智能感知、数据挖掘、机器学习、 智慧控制、数字孪生等前沿技术，并通过真实工程项目和企业实训，具备解决复杂环境问题的跨学科思维与实践能力。
本微专业依托学校在智慧水务（全球首创机理驱动 AI 控制系统）、无人机环境巡检（三域（云南）环境科技研究院有限公司）、环境风洞仿真（国内高校规模最大风洞群）、卫星遥感应用等领域的领先平台和工程实践基础，采取 “理论授课+项目实训+企业实践 ”相结合的教学模式，致力于培养适应环保产业智能化转型升级的高素质复合型人才。完成本微专业学习的学生，在环境智能感知、数据分析与智慧控制等方面具备扎实的基础，可选择进入环保高新技术企业、生态环境管理部门等单位从事技术研发与管理工作。
二、培养目标
本微专业面向全校理工科本科生，培养具有家国情怀、国际视野和跨学科素养的智慧环境领域复合型人才。具体目标如下：
知识目标
（1）掌握环境科学与工程的基本概念、环境监测与评价的基本方法。
（2）系统学习人工智能、机器学习、遥感技术、数字孪生等前沿技术在环境领域的应用原理与方法。
（3）了解智慧水务、空天地监测、大气智能模拟、环境决策支持系统的典型架构与工程案例。
能力目标
（1）具备使用 Python 等编程语言进行环境数据采集、清洗、分析与可视化的能力。
（2）能够运用经典机器学习算法（回归、分类、聚类） 解决环境预测、污染溯源等实际问题。
（3）能够操作无人机进行环境巡检，并利用 AI 视觉识别技术进行异常检测。
（4）能够理解并参与智慧水处理控制系统的设计与仿真。
（5）能够在多学科团队中有效沟通与协作，参与解决真实环境问题。
素养目标
（1）树立生态文明理念，增强科技报国意识，具备服务国家 “双碳” 目标和 “人工智能+”行动的使命感。
（2）具备跨学科协作精神、工程伦理意识、数据安全意识与持续学习能力。
（3）初步形成系统思维、模型思维和智能化思维， 能够从 “感知—认知—决策 ”角度分析环境问题。
三、培养要求
修读本微专业的学生应具备一定的数理基础和编程兴趣，通过系统的课程学习和项目实践，应达到以下毕业要求：
（1）数据分析能力： 能够运用 Python 及常用数据分析库（Pandas、NumPy、 Matplotlib）完成环境数据的清洗、统计分析和可视化展示。
（2）机器学习基础： 能够理解并应用线性回归、决策树、随机森林、 K-means等经典机器学习算法，解决环境监测数据预测、分类等问题。
（3）遥感与 GIS 基础：能够理解卫星遥感、无人机影像的基本原理，使用 GIS软件进行简单的空间分析与制图。
（4）智慧水务认知： 能够描述污水处理典型工艺流程，理解传感器、执行器与SCADA 系统的作用，初步掌握 AI 控制逻辑在污水处理中的应用。
（5）无人机操作与视觉识别：能够安全操作无人机完成规划航线飞行，掌握无人机搭载环境传感器的基本方法，能够使用 AI 视觉模型识别典型环境异常（如排污口、跑冒滴漏等）。
（6）数字孪生与仿真思维：能够理解数字孪生的概念框架，使用简单的仿真工具（如 CFD 或系统动力学软件）建立环境系统的基本模型。
（7）项目实践与团队协作： 能够在 “AI+环境 ”小项目中，与团队成员协作完成问题定义、数据获取、模型训练与结果汇报。
四、招生对象与条件
（一）招生对象
面向昆明理工大学全日制理工类本科二、三年级学生，优先招收环境工程、环境科学、计算机科学与技术、自动化、遥感科学与技术、地理信息科学、数学与应用数学、数据科学与大数据技术等专业学生。要求学生已修读过高等数学、大学计算机基础（或程序设计基础），对编程有一定的了解。
（二）招生计划
每学年招生计划为 30 人，根据报名情况和教学资源可适当调整，最低开班人数20 人。
（三） 选拔方式
学生自愿报名，由环境科学与工程学院组织面试，主要考察学生的数理基础、编程兴趣以及对环境问题的关注度。同等条件下， 有Python 编程基础或参加过数学建模、机器人、卫星、无人机等竞赛的学生优先录取。
五、课程设置
围绕智慧环境核心知识体系与发展前沿，充分考虑理论知识学习与创新实践能力拓展，共设置 6 门课程（14 学分），所有课程均为方向特色课或选修课，包括环境大数据与机器学习基础，卫星遥感监测基础， 智慧水处理技术与应用，无人机环境巡检与AI 视觉，环境数字孪生与仿真入门，环境人工智能导论。具体学时分配如下表所示。
| 序号 |
课程代码 |
课程名称（英文名称） |
学分 |
课内学时 |
考核方式 |
开课学期 |
| 合计 |
理论 |
实验 |
实践 |
| 1 |
09142v |
环境大数据与机器学习基础
Environmental Big Data and Machine Learning Fundamentals |
2 |
32 |
20 |
6 |
6 |
考查 |
第一学期 |
| 2 |
09242v |
卫星遥感监测基础
Fundamentals of Satellite Remote Sensing Monitoring |
2 |
32 |
20 |
6 |
6 |
考查 |
第一学期 |
| 3 |
09322v |
智慧水处理技术与应用
Smart Water Treatment Technology and Application |
2 |
32 |
24 |
4 |
4 |
考查 |
第一学期 |
| 4 |
09422v |
无人机环境巡检与 AI 视觉
UAV Environmental Inspection and AI Vision |
3 |
48 |
24 |
12 |
12 |
考查 |
第二学期 |
| 5 |
09522v |
环境数字孪生与仿真入门
Introduction to Environmental Digital Twin and Simulation |
3 |
48 |
24 |
12 |
12 |
考查 |
第二学期 |
| 6 |
09622v |
环境人工智能导论
Introduction to Environmental Artificial Intelligence |
2 |
32 |
20 |
6 |
6 |
考查 |
第二学期 |
六、课程介绍
| 课程代码 |
课程名称 |
课程简介 |
| 09142v |
环境大数据与机器学习基础
Environmental Big Data and Machine Learning Fundamentals |
本课程是智慧环境微专业的数据基础模块。课程介绍环境大数据的基本概念、来源（自动监测站、卫星、无人机、传感器网络等）、特点（多源、异构、高维、时空相关）及预处理方法。重点讲解Python编程环境（Jupyter Notebook）、NumPy/Pandas数据清洗与操作、Matplotlib/Seaborn可视化，以及经典机器学习算法（线性回归、逻辑回归、决策树、随机森林、K-means聚类）的基本原理与环境领域应用案例。通过城市空气质量数据清洗与可视化分析、基于随机森林的河流高锰酸盐指数预测、污水处理厂进水负荷时序聚类等实践项目，使学生能够独立使用Python分析环境数据，并运用机器学习模型解决污染预测、模式识别等实际问题。 |
| 09242v |
卫星遥感监测基础
Fundamentals of Satellite Remote Sensing Monitoring |
本课程讲授“卫星—无人机—地面传感器”协同的环境监测技术体系。内容包括： 遥感物理基础、常见环境卫星（Landsat 、Sentinel、MODIS 等）数据获取与预处理、植被指数（NDVI）、水体指数（NDWI）计算；无人机飞行原理与挂载传感器；地面传感器网络（水质、大气微型站）；多源数据融合的基本方法。课程结合云南高原湖泊、露天矿山、工业园区等典型场景开展案例教学，设置基于Sentinel-2 影像的滇池水体叶绿素 a 浓度反演、无人机可见光影像的植被覆盖度计算、地面监测站点数据与遥感数据的对比验证等实践项目，使学生能够下载并处理公开遥感数据，使用QGIS/ArcGIS进行简单的遥感指数计算与制图，理解空天地一体化监测系统的架构与数据流。 |
| 09322v |
智慧水处理技术与应用
Smart Water Treatment Technology and Application |
本课程围绕水处理过程的智能化转型，讲解典型污水处理工艺（A2O 、MBR 等）的基本原理，水质在线监测传感器（DO 、COD、氨氮、总磷等）、执行器（变频器、阀门）与 PLC/SCADA 控制系统。重点介绍基于机器学习的水处理过程建模与智能控制策略，包括进水负荷预测、曝气智能控制、药剂投加优化等。以昆明市第三水质净化厂（全球首个过程机理驱动 AI 控制系统）和深圳布吉水质净化厂为工程案例，剖析智慧水务系统的设计与运行。通过污水处理厂 SCADA 系统仿真软件操作、基于历史数据的曝气量预测模型构建（Python实现）、参观昆明市第三水质净化厂智慧控制中心等实践项目，使学生能够描述污水处理典型流程及关键控制参数，理解传感器、执行器与自动控制系统的协同关系，并能运用简单的 AI 模型进行出水水质预测或曝气量优化。 |
| 09422v |
无人机环境巡检与AI视觉
UAV Environmental Inspection and AI Vision |
本课程为“理论+实操”深度融合课程。理论部分包括：无人机飞行原理（多旋翼、垂直起降固定翼）、飞控系统、航线规划、环境传感器（气体、热成像、多光谱）挂载、AI 视觉基础（卷积神经网络、目标检测算法 YOLO）。实践部分在昆明理工大学无人机培训基地进行，学生将实际操作无人机（大疆经纬系列、Mavic系列），完成起飞、巡航、拍照、降落等基本动作；训练使用无人机搭载的可见光/热成像相机采集环境图像，并利用预训练的 AI模型识别排污口、设备跑冒滴漏、固废堆存等异常目标。通过模拟工业园区巡检、磷石膏堆场“ 空天地”协同预警演练、无人机正射影像拼接与污染源分布制图等实践项目，使学生能够安全操作无人机完成规划航线飞行，了解 CAAC 无人机驾驶执照考核要求，能够使用无人机搭载的环境传感器采集数据并运行目标检测模型识别常见环境异常。 |
| 09522v |
环境数字孪生与仿真入门
Introduction to Environmental Digital Twin and Simulation |
本课程介绍数字孪生的基本概念、建模方法与仿真工具。重点讲解环境系统（水体、大气、土壤） 的数字建模思路：物理模型（机理模型）与数据驱动模型的区别与联系。学生将学习使用简单的仿真软件（如Python+Simpy 、CFD 开放工具 OpenFOAM入门、系统动力学软件 Vensim）构建环境过程仿真模型。依托学校环境风洞群实验平台， 学生可参观或参与风洞实验，理解物理模拟与数值仿真的互馈验证。通过基于 Python 的河流水质一维对流扩散模拟、使用 Vensim 构建城市水环境系统动力学模型、参观环境风洞群等实践项目，使学生能够定义数字孪生的关键要素（物理实体、虚拟模型、数据连接、服务系统），能够使用某种仿真工具构建简单的环境过程模型（如河流一维水质模型、大气扩散高斯烟羽模型），并理解物理模型与数据驱动动模型的融合价值。 |
| 09622v |
环境人工智能导论
Introduction to Environmental Artificial Intelligence |
本课程是微专业的前沿拓展模块。讲授人工智能基本理论及其在环境领域的典型应用，包括：知识图谱构建（环境污染物知识库）、深度学习（CNN用于遥感图像分类、LSTM用于污染物时序预测）、强化学习（智能控制）、大语言模型（环境法规问答、报告生成）等。课程采用项目式学习方式，学生以小组形式完成一个“AI+环境”小项目，如：基于 LSTM 的 PM2.5 浓度预测、基于 CNN 的垃圾图像分类、基于强化学习的污水处理加药优化等。通过空气质量监测站时序数据LSTM 预测、无人机图像中垃圾堆的 CNN 识别、基于规则和知识图谱的环境准入问答系统演示等实践项目，使学生能够区分机器学习、深度学习、强化学习的基本概念和适用场景，能够使用简单的深度学习框架（如TensorFlow 或 PyTorch）构建环境预测或分类模型，环境准入问答系统演示等实践项目，使学生能够区分机器学习、深度学习、强化学习的基本概念和适用场景，能够使用简单的深度学习框架（如Keras/TensorFlow）搭建基本模型，并能够与团队成员协作完成一个 AI 赋能环境的小型项目。 |
