陈斌，兰州大学大气科学学院，教授，博士生导师。2012年获得理学博士学位，2010年赴美国加州大学San Diego分校Scripps海洋研究所交流学习两年，是黄建平院士团队骨干。
兰州大学气象人工智能研究院院长，“大数据应用-数字与智慧地球”微专业负责人。主要研究方向：气象人工智能。近五年围绕气象人工智能方向发表第一/通讯作者论文20篇（包括在npj Climate and Atmospheric Science等SCI期刊收录18篇）；第一完成人授权软著和专利12项（发明专利6项）；唯一著者出版《大气科学中的人工智能技术》教材1部（74.2万字，气象出版社；该教材获“十四五”本科省级规划教材建设项目）。
曾主持国家自然科学面上项目、青年基金。受邀担任npj CAS、RSE和ACP等20余种学术期刊审稿人。在科研方面：曾获首届教育部博士研究生学术新人奖、首届甘肃省优秀博士学位论文、甘肃省科技进步二等奖（9/9）、甘肃省自然科学一等奖（4/5）、教育部自然科学二等奖（3/6）和国家自然科学二等奖（5/5）；参与新冠疫情预测的工作获国务院应对新型冠状病毒肺炎疫情联防联控机制综合组感谢。在教学方面：是首批全国高校黄大年式教师团队骨干成员、首届高等教育（研究生）国家级教学成果二等奖完成人、2022年甘肃省高等学校青年教师成才奖和首届“十四五”普通高等教育本科省级规划教材建设项目。
研究生招收：招收大气、环境、遥感、计算机、数学等专业背景的硕士和博士研究生，欢迎研究生报考（报考方向：气象学、气象人工智能、大气物理学与大气环境、健康气象等），具体了解请联系：chenbin@lzu.edu.cn。
课程教学：
1.研究生课程《大气科学前沿进展》（2024-至今）
2.研究生课程《气象大数据分析与人工智能应用》
3.研究生课程《大尺度动力学》（2022-至今）
4.研究生课程《气候与气候系统》（2021-至今）
5.研究生课程《气候系统与全球变化》（2018-2019）
6.本科生课程《大气科学人工智能技术及实践》（2024-至今）
7.微专业课程《地球科学人工智能技术》（2024-至今）
8.微专业课程《数字地球无人机监测技术》（2024-至今）
9.本科生课程《动力气象学》（2013-至今）
10.本科生课程《卫星气象学》（2014-2021）
11.本科生课程《Fortran语言及应用》（2013）
主要研究方向：
1.“一带一路”极端天气预报预警人工智能大模型
2.大气气溶胶和大气污染物的卫星遥感及环境气候效应
3.人工智能技术在大气环境、健康气象及社会经济中的应用
主要承担项目：
1.国家重点研发计划“全球变化及应对”重点专项，2019YFA0606800，地球系统模式中的气溶胶模式研发及气溶胶气候效应评估，2019-11至2024-10，骨干
2.国家自然科学基金面上项目，41175134，城市人为沙尘气溶胶的识别及其对我国灰霾天气的影响，2018-01至2021-12，主持
3.国家自然科学基金青年基金项目，41305026，沙尘、黑碳和有机碳气溶胶吸收光学厚度的分离算法研究，2014-01至2016-12，主持
荣誉奖励：
1.《大气科学中的人工智能技术》（1/1），首届“十四五”普通高等教育本科省级规划教材建设项目
2.《“培根铸魂，创建一流”在西北荒漠锤炼领军人才的研究生培养模式》（13/15），首届高等教育（研究生）国家级教学成果奖二等奖
3.甘肃省青年教师成才奖（1/1），2022年
4.《大气科学学院2021-2022年度“课程思政”示范课程讲课比赛》一等奖（1/1），2022年
5.《西北沙尘遥感监测及辐射效应的研究》（3/6），2018年教育部自然科学二等奖
6.首届甘肃省优秀博士学位论文（1/1），2014年
7.《沙尘对我国西北干旱气候影响机理的研究》，2013年国家自然科学二等奖.（排名5/5）
8.《沙尘与云和降水相互作用及对西北干旱气候影响的研究》（4/5），2012年甘肃省自然科学一等奖
9.美国气象学会年会《学生优秀论文奖》（1/1），2012年
10.首届教育部博士研究生学术新人奖（1/1），2010年
出版著作列表：
1.陈斌. 大气科学中的人工智能技术[M]. ISBN:978-7-5029-8258-4,北京: 气象出版社,2024.（470余页，74.2万字，首届“十四五”普通高等教育本科省级规划教材建设项目）
近5年以第一作者或通讯作者发表的论文（2024年更新）：
1.Chen, B.*, Hu, J. & Wang, Y., Synergistic observation of FY-4A&4B to estimate CO concentration in China: combining interpretable machine learning to reveal the influencing mechanisms of CO variations. npj Climate and Atmospheric Science, 7:9 (2024). https://doi.org/10.1038/s41612-023-00559-0.
2.Chen, B.*, R. Chen, L. Zhao, Y. Ren, L. Zhang, Y. Zhao, X. Lian, W. Yan, S. Gao, High-resolution short-term prediction of the COVID-19 epidemic based on spatial-temporal model modified by historical meteorological data, Fundamental Research, 2024, https://doi.org/10.1016/j.fmre.2024.02.006.
3.Chen, B.*, Q. Ye, X. Zhou, Z. Song, Y. Ren, Aerosol classification under non-clear sky conditions based on geostationary satellite FY-4A and machine learning models. Atmospheric Environment, 2024, https://doi.org/10.1016/j.atmosenv.2024.120891.
4.Song, Z., L. Zhao, Q. Ye, Y. Ren, R. Chen, B.* Chen, The Reconstruction of FY-4A and FY-4B Cloudless Top-of-Atmosphere Radiation and Full-Coverage Particulate Matter Products Reveals the Influence of Meteorological Factors in Pollution Events. Remote Sensing, 16(18):3363, 2024, https://doi.org/10.3390/rs16183363.
5.Zhou X., B.* Chen, Q. Ye, L. Zhao, Z. Song, Y. Wang, J. Hu, R. Chen, Cloud–Aerosol Classification Based on the U-Net Model and Automatic Denoising CALIOP Data. Remote Sens. 2024, 16(5), 904. https://doi.org/10.3390/rs16050904.
6.Chen, B.*, L. Dong, J. Huang, Y. Wang, Z. Jing, W. Yan, X. Wang, Z. Song, Z. Huang, X. Guan, X. Dong and Y. Huang, Analysis of long-term trends in the vertical distribution and transport paths of atmospheric aerosols in typical regions of China using 15 years of CALIOP data. Journal of Geophysical Research: Atmospheres, 128, e2022JD038066, 2023, https://doi.org/10.1029/2022JD038066.
7.Chen, B.*, Y. Wang, J. Huang, L. Zhao, R. Chen, Z. Song, and J. Hu, Estimation of near-surface ozone concentration and analysis of main weather situation in China based on machine learning model and Himawari-8 TOAR data. Science of the Total Environment, 864, 160928, 2023, https://doi.org/10.1016/j.scitotenv.2022.160928.
8.Chen, B.*, J. Hu, Z. Song, X. Zhou, L. Zhao, Y. Wang, R. Chen, Y. Ren, Exploring high-resolution near-surface CO concentrations based on Himawari-8 top-of-atmosphere radiation data: Assessing the distribution of city-level CO hotspots in China. Atmospheric Environment, 2023, https://doi.org/10.1016/j.atmosenv.2023.120021.
9.Chen, R., J. Hu, Z. Song, Y. Wang, X. Zhou, L. Zhao, B. Chen*, The Spatiotemporal Distribution of NO2 in China Based on Refined 2DCNN-LSTM Model Retrieval and Factor Interpretability Analysis. Remote Sensing, 2023, 15, 4261. https://doi.org/10.3390/rs15174261.
10.Xu, T., B. Chen*, Y. Ren, L. Zhao, J. Hu, Y. Wang, Z. Song, and X. Li, Estimation of the ground-level SO2 concentration in eastern China based on the LightGBM model and Himawari-8 TOAR. Frontiers in Earth Science, 10:1037719, 2023, doi: 10.3389/feart.2022.1037719.
11.Chen, B.*, Z. Song, J. Huang, P. Zhang, X. Hu, X. Zhang, X. Guan, J. Ge, and X. Zhou, Estimation of Atmospheric PM10 concentration in China using an interpretable deep learning model and top-of-the-atmosphere reflectance data from China's new generation geostationary meteorological satellite, FY-4A. Journal of Geophysical Research: Atmospheres, 127, e2021JD036393, 2022, doi:10.1029/2021JD036393.
12.Chen, B.*, Z. Song, F. Pan, Y. Huang, Obtaining vertical distribution of PM2.5 from CALIOP data and machine learning algorithms. Science of the Total Environment, 805, 150338, 2022, https://doi.org/10.1016/j.scitotenv.2021.150338.
13.Chen, B.*, Z. Song, B. Shi, M. Li, An interpretable deep forest model for estimating hourly PM10 concentration in China using Himawari-8 data. Atmospheric Environment, 268, 118827, 2022, https://doi.org/10.1016/j.atmosenv.2021.118827.
14.Song, Z., B. Chen*, P. Zhang, X. Guan, X. Wang, J. Ge, X. Hu, X. Zhang, and Y. Wang, High temporal and spatial resolution PM2.5 dataset acquisition and pollution assessment based on FY-4A TOAR data and deep forest model in China. Atmospheric Research, 274, 106199, 2022, https://doi.org/10.1016/j.atmosres.2022.106199.
15.Song, Z., B. Chen*, and J. Huang, Combining Himawari-8 AOD and deep forest model to obtain city-level distribution of PM2.5 in China. Environmental Pollution, 297, 118826, 2022, https://doi.org/10.1016/j.envpol.2022.118826.
16.Chen, B., Y. Huang, J. Huang, L. Dong, X. Guan, J. Ge, and Z. Hu*, Using Lidar and Historical Similar Meteorological Fields to Evaluate the Impact of Anthropogenic Control on Dust Weather During COVID-19. Front. Environ. Sci., 9:806094, 2021, doi:10.3389/fenvs.2021.806094.
17.Song, Z., B. Chen*, Y. Huang, L. Dong, T. Yang, Estimation of PM2.5 concentration in China using linear hybrid machine learning model. Atmospheric Measurement Techniques, 14, 5333–5347, 2021, https://doi.org/10.5194/amt-14-5333-2021.
18.Dong, L., B. Chen*, Y. Huang, Z. Song, T. Yang, Analysis on the Characteristics of Air Pollution in China during the COVID-19 Outbreak. Atmosphere, 12, 205, 2021, https://doi.org/10.3390/atmos12020205.
19.黄悦, 陈斌*, 董莉, 张芝娟. 利用星载和地基激光雷达分析2019年5月东亚沙尘天气过程[J]. 大气科学, 45(3):524-538, 2021.
20.陈斌*, 董莉, 王怿萱, 杨毅, 王鹏波, 陈怡彤. 大气科学专业课程思政教学实践——以卫星气象学为例[J]. 高教学刊, (26):84-89, 2021.
近5年第一完成人授权的发明专利（2024年更新）：
1.陈斌, 等. 一种同化FY-4A 静止卫星识别非晴空条件下气溶胶的方法. ZL202310691446.2, 中国
2.陈斌, 等. 一种耦合物理机制的人工智能三维氮氧化物估算方法及系统. ZL202410383555.2, 中国
3.陈斌, 等. 一种基于风云4 号双星协同估算大气颗粒物浓度的方法. ZL202310429044.5,中国
4.陈斌, 等. 基于大数据与深度学习的舆情分析方法、装置及介质. ZL 202311496623.8, 中国
5.陈斌, 等. 对生态环境公众满意度的文本分析方法、装置及介质. ZL202311496480.0, 中国
6.陈斌, 等. 基于气象因素的时空模型对疫情发展态势进行预测的方法. ZL202310472614.9, 中国