ETREducational Theory and Research2995-34482995-3456Art and Technology10.61369/ETR.2026290038Article人工智能赋能环境治理课程教学的设计与实践探索https://artdesignp.com/journal/ETR/4/29/10.61369/ETR.2026290038何欣,张可,金伟20264292026-08-14人工智能的发展为环境科学研究和环境治理教学提供了新的技术手段。针对传统课程中对真实环境数据使用不足，数据分析方法结合专业知识不充分的实际教学情况，在课程教学中加入了生成式人工智能、Python、遥感和 GIS，并结合机器学习、深度学习等方法来应用实践。同时教学内容围绕环境数据处理、污染识别、环境预测和风险评估等任务展开，教学案例结合实际环境问题，通过获取、整理和分析真实的环境数据并解读结果来引导学生进行数据分析。学生在了解环境治理相关理论知识的前提下，学习常用的数据分析技术并了解实际环境的治理思路和主要方法。课程改革的目的是探求人工智能融入环境治理专业教学的可行路径，对有关环境类课程教学内容的更新和学生数据分析和科研实践能力的提升提供借鉴。人工智能,环境科学,课程教学,课程改革

[1] 刘利 , 高升 . 人工智能在环境监测与保护中的应用 [J]. 三峡生态环境监测 ,2025,10(04):1-12.DOI:10.19478/j.cnki.2096-2347.2025.04.01. [2] 孙巧梅 , 卫恒臣 , 郑建忠 , 等 . 融合人工智能探索 " 环境与可持续发展 " 课程改革 [J]. 当代教育实践与教学研究（电子刊）,2024(20):57-60. [3] 王红晨 , 马俊 , 陈博行 . 基于进化算法优化的 CNN-EA-ConvLSTM 水质预测模型 [J]. 水电能源科学 ,2023,41(08):73-76.DOI:10.20040/j.cnki.1000-7709.2023.20222020. [4] 郭华雨 , 马海丽 , 陈一平 , 等 . 机器学习在土壤重金属污染研究中的应用 [J]. 三峡生态环境监测 ,2023,8(04):1-12.DOI:10.19478/j.cnki.2096-2347.2023.04.01. [5] 王彬浩 , 张杭君 . 生成式人工智能对生态环境类学科教育的影响及对策 [J]. 科教文汇 ,2025(1):64-68. DOI:10.16871/j.cnki.kjwh.2025.01.016. [6] 庞吉玉 , 张安兵 , 王贺封 , 等 . 基于无人机多光谱影像和 XGBoost 模型的城市河流水质参数反演 [J]. 中国农村水利水电 ,2023(3):111-119. DOI:10.12396/znsd.221004.. [7] 傅绘锦 . 一种新的基于深度学习的遥感影像变化检测算法——H-BIT 方法的提出与应用 [J]. 地理空间信息 ,2023,21(01):53-57. [8] 徐田田 , 甘晖 . 基于 CNN-LSTM 模型的福建省 PM_(2.5) 浓度预测 [J]. 亚热带资源与环境学报 ,2026,21(02):183-190.DOI:10.19687/j.cnki.1673-7105.2026.02.018. [9] 刘明 , 郭烁 , 吴忠明 , 等 . 生成式人工智能重塑高等教育形态 : 内容、案例与路径 [J]. 电化教育研究 ,2024,45(6):57-65. DOI:10.13811/j.cnki.eer.2024.06.007. [10] 李洪修 , 郭振鹏 . 教师使用人工智能技术悖论的社会性生成及其消解 [J]. 中国电化教育 ,2026,No.474(07):8-13.