沈高云，1993年生，浙江嘉兴人，博士，讲师，长期从事多源数据融合、时空大数据与智慧流域的研究应用。

毕业院校：2015年毕业于浙江农林大学，获地理信息系统理学学士学位；2021年毕业于武汉大学测绘遥感信息工程国家重点实验室，获地图制图学与地理信息工程工学博士学位，师从王伟教授和陈能成教授。

研究方向：时空大数据与智慧流域。

近年来，在国家重大应用需求的牵引下，参与了4项相关领域内项目的研究，包括国家自然科学青年基金项目“卫星耦合传感网的长江中游洪涝灾害实时动态监测方法研究”、面上项目“基于时空大数据和机器学习的长江中游洪涝灾害高精度模拟与预测”、国家重点研发计划“城市多尺度综合感知技术与体系”和国家自然科学基金重大项目“长江经济带水循环变化与中下游典型城市群绿色发展互馈影响机理及对策研究”。相关研究成果共发表3篇SCI期刊，其中一篇发表在权威期刊《Earth System Scienc Data》上，发表当年影响因子为9.197。

招生专业：资源与环境

/

一、代表性论文(*通讯作者)：

[1] Shen G.Y., Chen N.C*., Chen Z.Q*., Wang W. WHU-SGCC: a novel approach for blending daily satellite (CHIRP) and precipitation observations over the Jinsha River basin. Earth System Science Data. 2019, 11(4), 1711-1744.

[2] Shen G.Y, Zhang M.Z*. Multi-scale regional forest carbon density estimation based on regression and sequential Gaussian co-simulation. Acta Ecologica Sinica, 2016, 36(2): 62-71.

[3] 沈高云, 张茂震*. 基于序列高斯协同模拟的多尺度区域森林碳密度空间分布估计. 西南林业大学学报, 2015, 35(02): 55-62.

[4] Chen Z.Q., Zeng Y., Shen G.Y., Xiao C.J., Xu L., Chen N.C*. Spatiotemporal characteristics and estimates of extreme precipitation in the Yangtze River Basin using GLDAS data. International Journal of Climatology, 2020，1-19.

[5] Chen Z.Q., Luo J., Chen N.C*., Xu R., Shen G.Y. RFim: A Real-Time Inundation Extent Model for Large Floodplains Based on Remote Sensing Big Data and Water Level Observations, Remote Sensing, 2019, 11, 1585.

二、发表专利：

陈能成，沈高云，王伟，陈泽强，一种基于星地融合的流域降雨产品订正方法及系统，中华人民共和国国家知识产权局，申请号：ZL201910308244.9。

[1] 2018.12—至今：“长江经济带水循环变化与中下游典型城市群绿色发展互馈影响机理及对策研究”项目参与（国家自然科学基金重大项目：41890822，2018.12-2023.12）

工作描述：负责多源数据融合下的降雨偏差订正，开发一种基于星地融合的流域降雨产品订正方法及系统，实现卫星遥感影像与地面观测数据的星地融合，并在金沙江流域和汉江流域开展应用示范。

主要成果：（1）提出了基于特征空间重构规则的星地融合日降雨偏差校正方法，顾及空间属性、非空间属性趋势变化和非空间属性值相似性三重特征，分别采用泰森多边形、趋势变化检验和降雨统计相关空间路径建立方法，重构不同降雨强度下的降雨特征空间，实现了基于三重降雨特征空间的星地融合日降雨偏差校正，有效降低了少量地面观测站点和大量影像像元星地融合过程中存在的系统误差和随机误差，提高了不同降雨强度下的日降雨估计精度；（2）基于Matlab和Python，开发了基于星地融合的流域降雨产品订正系统，实现了遥感影像降雨产品的星地融合自动校正，并申请相关发明专利。

[2] 2020.01—至今：“基于时空大数据和机器学习的长江中游洪涝灾害高精度模拟与预测”项目参与（国家自然科学基金委员会面上项目：41971351，2020.01-2023.12）

工作描述：负责基于机器学习算法的长江中游降雨-径流短时预测，并在金沙江流域和汉江流域开展应用示范。

主要成果：（1）对比了时序卷积网络模型（TCN），长短期记忆网络（LSTM）以及门控循环单元神经网络模型（GRU）在金沙江流域和汉江流域的降雨-径流预测准确度，结果表明，TCN模型优于LSTM与GRU模型；（2）提出了基于变分模态分解法和时序卷积网络的降雨-径流预测方法（VMD-TCN），顾及日降雨非线性、波动性、随机性等特点，采用变分模态分解算法（VMD）分解日降雨时间序列数据集，得到K个模态分量；之后，对K个模态分量分别进行降雨-径流时序卷积网络（TCN）建模；最后，将K个VMD-TCN结果数据相加得到降雨-径流的高精度模拟与预测，实现了基于机器学习算法的降雨-径流短时高精度预测。

[3] 2018.01—2021.12：“卫星耦合传感网的长江中游洪涝灾害实时动态监测方法研究”项目参与（国家自然科学基金委员会项目：41771422，2018.01-2021.12）

工作描述：负责顾及时空变化过程的深度学习径流量模拟，并在金沙江流域和汉江流域开展应用示范。

主要成果：提出了一种降雨-径流时空深度学习模型（Tree-LSTM），构建基于多层LSTM单元的降雨径流时空模型，以水文站点空间分布拓扑关系表征汇流过程的空间关联性，建立LSTM单元间的信号传输连接，并在金沙江流域和汉江流域验证Tree-LSTM降雨-径流模拟的可行性和有效性。结果表明，在日尺度下Tree-LSTM降雨-径流模拟的相关性超过0.98，纳什效率系数分别为0.96和0.99，实现了顾及汇流过程物理机制和深度学习算法的降雨-径流高精度模拟。

研究领域：

多源数据融合、时空大数据与智慧流域。

科研团队：

遥感时空大数据理论方法与应用团队

/