-
瞿瑛
（東北師範大學教授）
鎖定
瞿瑛，男，吉林磐石人，博士，東北師範大學教授，博士生/碩士生導師。2004年起就讀於北京師範大學，分別於2008年和2013年獲得理學學士和博士學位，2013-2015年在北京師範大學進行博士後研究工作，2015-2022年任東北師範大學地理科學學院副教授，2022年起任東北師範大學地理科學學院教授。主要研究興趣為全球氣候變化與地表輻射能量平衡遙感監測與分析，研究內容涉及地表反照率對全球氣候變化的響應與反饋機制、北極海冰關鍵參量的遙感估算方法、定量遙感反演理論與遙感數據集生成關鍵技術等。近年來，主持國家自然科學基金面上項目/青年項目、吉林省科技發展計劃優秀青年人才基金和中國博士後科學基金面上項目等科研課題8項，參與國家重點研發計劃和國家自然科學基金等科研項目10餘項，在Remote Sensing of Environment, IEEE Transactions on Geoscience and Remote Sensing, Remote Sensing和Chinese Geographical Science等國內外知名期刊上發表研究論文30餘篇，撰寫中英文專著章節6篇，授權發明專利3項，申請軟件著作權7項，獲得吉林省自然科學學術成果獎二等獎1項。
[1]
- 中文名
- 瞿瑛
- 國 籍
- 中國
- 民 族
- 漢
- 出生地
- 吉林省磐石市
- 出生日期
- 1985年12月
- 畢業院校
- 北京師範大學
- 學位/學歷
- 理學博士
- 職 業
- 高校教師
- 專業方向
- 地圖學與地理信息系統
- 職 務
- 高校教師
瞿瑛教育經歷
2004/08-2008/06，北京師範大學，地理學與遙感科學學院，學士
2008/09-2013/06，北京師範大學，地理學與遙感科學學院，博士
瞿瑛工作經歷
：2013/07-2015/06，北京師範大學，環境學院，博士後
2015/06-2022/06，東北師範大學，地理科學學院，副教授
2022/06-，東北師範大學，地理科學學院，教授
瞿瑛科研項目
國家自然科學基金面上項目，41971287，北極海冰反照率建模與遙感估算方法研究，2020/01-2023/12，61萬元，在研，主持
國家自然科學基金青年項目，41601349，中國東北地區地表反照率對氣候變化的響應與反饋遙感監測分析，2017/01-2019/12，20萬元，已結題，主持
吉林省科技發展計劃優秀青年人才基金，20180520220JH，基於FY3C-MERSI數據的地表反照率遙感估算方法研究，2018/01-2019/12，8萬元，已結題，主持
中央高校基本科研業務費項目青年教師發展基金，2412019FZ003, 地表反照率輻射強迫時空變化重建與模擬研究，2019/04-2021/11, 30萬元，已結題，主持
中央高校基本科研業務費項目青年探索培育基金，2412016KJ028，北半球地表反照率時空變化規律研究，2016/04-2017/11，10萬元, 已結題，主持
863計劃測試加工項目(橫向)，106-401116009，GLASS反照率產品分析與驗證，2016/01-2016/12，10萬元, 已結題，主持
遙感科學國家重點實驗室開放基金，OFSLRSS201624，冰雪覆蓋地表反照率遙感估算方法研究，2016/01-2017/12，5萬元, 已結題，主持
中國博士後科學基金面上項目(一等資助)，2014M550025，長時間序列北極海冰反照率時空變化遙感監測與分析，2014/05-2015/06，8萬元, 已結題，主持
國家重點研發計劃，2019YFA0607301，重大生態工程的温室氣體效應，2019/11-2024/10，270萬元，在研，參加
國家重點研發計劃，2016YFA0602301，中高緯度濕地景觀格局演變機制，2016/07-2021/06，600萬元, 已結題，參加
國家自然科學基金面上項目，41971290，基於多角度偏振遙感信息估算植被生物物理化學參數研究，2020/01-2023/12，61萬元，在研，參加
國家自然科學基金青年項目，41301353，基於機器學習和融合算法的全球陸表植被覆蓋度遙感估算方法研究，2014/01-2016/12，25萬元, 已結題，參加
國家自然科學基金面上項目，41171262，典型植被羣落結構和光譜參數季節變化的多尺度實驗研究，2012/01-2015/12，60萬元，已結題，參加
瞿瑛代表性論著
Qu Y., Liu Q.*, Liang S., Wang L., Liu N., Liu S. (2014). Direct-estimation algorithm for mapping daily land-surface broadband albedo from MODIS data. IEEE Transactions on Geoscience and Remote Sensing, 52, 907-919.
Qu Y.*, Liang S., Liu Q., He T., Liu S., Li X. (2015). Mapping surface broadband albedo from satellite observations: A review of literatures on algorithms and products. Remote Sensing, 7, 990-1020.
Qu Y., Liang S.*, Liu Q., Li X., Feng Y., Liu S. (2016). Estimating Arctic sea-ice shortwave albedo from MODIS data. Remote Sensing of Environment, 186, 32-46.
Qu Y.* (2017). Sea surface albedo. In S. Liang (Ed.), Comprehensive Remote Sensing (pp. 163-185). Cambridge, MA, USA: Elsevier.
Li X., Qu Y.*(2018). Evaluation of vegetation responses to climatic factors and global vegetation trends using GLASS LAI from 1982 to 2010. Canadian Journal of Remote Sensing, 44, 357-372.
Fan X., Qu Y.* (2019). Retrieval of high spatial resolution aerosol optical depth from HJ-1 A/B CCD data. Remote Sensing, 11, 832.
Li X., Zhang H., Qu Y.*(2020). Land surface albedo variations in Sanjiang Plain from 1982 to 2015: Assessing with GLASS data. Chinese Geographical Science, 30(5), 876-888.
Wang M., Fan X., Li X., Liu Q., Qu Y.*(2020). Estimation of land surface albedo from MODIS and VIIRS data: A multi-sensor strategy based on the direct estimation algorithm and statistical-based temporal filter. Remote Sensing, 12, 4131.
Song Y., Lv M., Wang M., Li X., Qu Y.*(2021). Reconstruction of historical land surface albedo changes in China from 850 to 2015 using land use harmonization data and albedo look-up maps. Earth and Space Science, 8(9), e2021EA001799.
Lv M., Song Y., Li X., Wang M., Qu Y.*(2022). Spatiotemporal characteristics and driving factors of global planetary albedo: an analysis using the Geodetector method. Theoretical and Applied Climatology, 147, 737–752
Peng Z., Ding Y., Qu Y.*, Wang M., Li X.(2022). Generating a long-term spatiotemporally continuous melt pond fraction dataset for Arctic sea ice using an artificial neural network and a statistical-based temporal filter. Remote Sensing, 14(18), 4538
Ding Y., Qu Y.*, Peng Z., Wang M., Li X.(2022). Estimating surface albedo of Arctic sea ice using an ensemble back-propagation neural network: Toward a better consideration of reflectance anisotropy and melt ponds. IEEE Transactions on Geoscience and Remote Sensing, 60, 4306017, doi: 10.1109/TGRS.2022.3202046
- 參考資料
-
- 1. 東北師範大學瞿瑛教授 ．東北師範大學教師信息網[引用日期2022-11-12]
