»姓名：高晗 | »系属：测绘系 |
|
»学位：博士 | »职称：讲师 | |
»专业：摄影测量与遥感 | »导师类别：硕士生导师 | |
»电子邮箱：gaohangeo@upc.edu.cn »学术主页： | ||
»通讯地址：中国石油大学（华东）唐岛湾校区 工科E 1319 | ||
»概况： | ||
◎研究方向 （时序）SAR/极化SAR图像智能处理——地物分类、边缘检测、对象分割； 农业雷达遥感应用——耕地精细分类与要素提取、作物散射机理解译、作物生物物理参数（含水量）反演； 农田洪涝灾害遥感监测与分析。
“欢迎雷达遥感相关本科专业（测绘、遥感、计算机、电子信息）同学报考研究生，希望和积极向上、志同道合的你一起成长。”
◎教育经历（倒序） 2018.09-2022.06 中南大学博士（测绘科学与技术—摄影测量与遥感）
◎学术兼职 IEEE Member、IEEE GRSS Member Remote Sensing of Environment、IEEE TGRS、IEEE GRSL、Remote Sensing、Sensors、Forests等学术期刊审稿人
◎工作经历（倒序） 2022.07—至今中国石油大学（华东）海洋与空间信息学院（测绘系）
◎主讲课程 微波遥感 大地测量学（地球物理学专业）
◎承担项目 1. 国家自然科学基金青年项目：基于时序极化SAR的多云雨地区粮食作物精准散射解译与分类研究，在研，主持 2. 山东省自然科学基金青年项目：黄河三角洲盐碱地粮食作物生长期时序散射机理建模与智能分类研究，在研，主持 3. 中央高校基本科研业务费专项资金：物候规律驱动的极化SAR农作物时序散射特性解译与泛化分类研究，在研，主持 4. 湖南省研究生教育创新工程和专业能力提升工程项目：多时相极化SAR农作物特征学习与智能分类方法研究，已结题，主持 5. 国家自然科学基金重点项目，顾及生物物理参数的极化干涉SAR几何和物理观测量联合反演植被高度及DTM，已结题，参与 6. 国家自然科学基金国际（地区）合作与交流项目，低矮植被覆盖下的双站极化干涉SAR高精度地形测绘研究，在研，参与 7. 国家自然科学基金面上项目，顾及散射机理的极化SAR滑坡形变监测方法研究，已结题，参与 8. 湖南省自然科学基金面上项目，基于时序极化SAR散射特征的农作物分类方法研究，在研，参与 9. 欧洲航天局农业遥感数据研究计划，Deep Learning Classification for Agricultural Crop Based on the Multi-temporal Dual- and Quad-pol SAR (ESA EO Campaigns 36793)，PI. 10. 欧洲航天局农业遥感数据研究计划，Crop Classification Based on the Machine Learning Method with Time-series Alignment Kerel for the Quad- and Dual-Polarization Data (ESA EO Campaigns 67672)，PI. 11. 德国宇航局TerraSAR-X数据研究计划，Accurate Crop Classification with multi-temporal high space resolution TerraSAR-X data, PI. 12. 日本宇宙航空研究开发机构ALOS系列数据研究计划，Crop Classification with Time-Varying Polarimetric Feature Curves based on the Time-Series ALOS PALSAR Datasets，CI. 13. 德国宇航局-西班牙国家航宇技术研究所TerraSAR/TanDEM-PAZ联合数据研究计划，Crop Classification with Time-series Multi-polarization SAR Data with TerraSAR-X/TanDEM-X-PAZ Constellation（ID: LAN3823），PI.
◎获奖情况 2022年，中国有色金属学会（NFSOC）优秀博士学位论文 2018年，第一届“麦田守望者”杯智慧农业遥感应用大赛三等奖 2018年，全国博士生学术论坛（测绘科学与技术）优秀报告奖
◎学术交流 1. Gao H. A Novel Crop Classification Method Based on ppfSVM Classifier with Time-series Alignment Kernel from Dual-polarization SAR Datasets, PolInSAR & Biomass Workshops 2023, 图卢兹. (线上口头报告) 2. 高晗. 一种联合高分三号极化SAR和Sentinel-2A光学数据的农作物分类方法. 2018全国博士生学术论坛（测绘科学与技术), 青岛. （口头报告，优秀报告奖）. 3. 高晗. 基于时序匹配核的ppfSVM时序极化SAR农作物分类方法. 第二届雷达学报博士论坛，北京. (线上口头报告) 4. Gao H, Wang C. Forest Biomass Classification with L and P band PolInSAR Data by using SVM method. 第五届微波遥感技术研讨会, 普洱. （口头报告）. 5. Gao H, Wang C, et al. Forest Biomass Classification with SVM Method Based on L & P band PolInSAR Data. The ISPRS Geospatial Week, 武汉.（海报）. ◎论文 1. Gao H., Wang C.*, et al. A Novel Crop Classification Method Based on ppfSVM Classifier With Time-series Alignment Kernel From Dual-polarization SAR Datasets[J]. Remote Sensing of Environment, 264: 112628. 2. Gao H., Wang C.*, Xiang D., et al. TSPol-ASLIC: Adaptive Superpixel Generation with Local Iterative Clustering for Time-series Quad- and Dual-Polarization SAR Data[J]. IEEE Transactions on Geoscience and Remote Sensing. 2021, 60: 5217015. 3. Gao H., Wang C.*, et al. A New Crop Classification Method Based on the Time-Varying Feature Curves of Time Series Dual-Polarization Sentinel-1 Data Sets[J].IEEE Geoscience and Remote Sensing Letters, 2019, 17(7): 1183-1187. 4. Gao H., Wang C.*, et al. A Crop Classification Method Integrating GF-3 PolSAR and Sentinel-2A Optical Data in the Dongting Lake Basin[J]. Sensors, 2018, 18(9): 3139. 5. Wang, C., Ding L., Gao, H.*, Lu L. Phenology Alignment-based PolSAR Crop Classification Considering Polarimetric Statistical and Time-Varying Curve Characteristics. IEEE Geoscience and Remote Sensing Letters, 2023, 20: 2501905. 6. Ye, J., Wang, C.*, Gao, H.*, et al. A Novel Unsupervised Object-level Crop Rotation Detection with Time-series Polarimetric SAR Data. IEEE Geoscience and Remote Sensing Letters, 2022, 19: 4511905. 7. 高晗, 汪长城*, 杨敏华,等. 基于高分三号极化SAR数据的农作物散射特性分析及分类[J]. 测绘工程, 2019, 28(03) :53-59. 其他论文 1. Song D., Yang C., Wang B., Zhang J., Gao H., and Tang Y., SSRNet: A Lightweight Successive Spatial Rectified Network With Noncentral Positional Sampling Strategy for Hyperspectral Images Classification, IEEE Transactions on Geoscience and Remote Sensing, 2023, 61: 5519115. 2. Wu C., Wang C., Shen P., Zhu J., Fu H., Gao H., et al. Forest Height Estimation Using PolInSAR Optimal Normal Matrix Constraint and Cross-Iteration Method[J].IEEE Geoscience and Remote Sensing Letters, 2019, 16(8): 1245-1249. 3. Yan H., Dai W., Liu, H.; Gao, H., et.al. Fusion of Spatially Heterogeneous GNSS and InSAR Deformation Data Using a Multiresolution Segmentation Algorithm and Its Application in the Inversion of Slip Distribution. Remote Sensing, 2022, 14: 3293. 4. 叶家伟，汪长城*，高晗,等. 顾及时变特性的时序极化SAR图像自适应超像素生成方法.遥感学报，2022, 1-11. 5. 范志旋, 汪长城*, 卢丽君, 高晗. 结合广义Gamma与卷积深度置信网络的PolSAR影像分类，测绘科学，2022，47(10).
◎专利 1. 一种基于多时相双极化SAR特征曲线的农作物分类方法, ZL 201910202371.0, 2023. 2. 一种多基线极化干涉SAR建筑物高度提取方法, ZL 201711417716.1, 2021. 3. 顾及极化统计特性的非监督域自适应网络极化SAR地物分类方法及设备, ZL 202110348030.1, 2022. 4. 基于多特征联合时序匹配的极化SAR农作物分类方法、系统、设备及介质, CN 202210549214.9, 2022. （实质审查） | ||
