沈高云
个人简介
沈高云，1993年生，浙江嘉兴人，博士，讲师，硕导，长期从事地理时空大数据融合、高精度面降水产品偏差校正的理论研究与实践科研工作。
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。
工作经历：
2022.03-至今，在西南石油大学土木工程与测绘学院，任职测绘工程专业讲师。
研究方向：
地理时空大数据融合与分析。
入职以来，主持纵向科研4项，参与纵向科研2项。主要针对复杂地形下面降水的高精度偏差订正及中长期预测研究、旱涝急转事件时空变化研究等西南地区气象灾害风险监测预警的科学技术难题展开研究。
招生专业：测绘工程（专硕）、测绘科学与技术（学硕）
教学及教学研究
/
代表性论文、著作和技术规程
一、代表性论文：
[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] Chen Z, Lin H, Shen G*.. TreeLSTM: A spatiotemporal machine learning model for rainfall-runoff estimation[J]. Journal of Hydrology: Regional Studies, 2023, 48: 101474.
[3] 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.
[4] 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.
[5] 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.
[6] 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.
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。
科研项目
[1] 2023.01—至今：“面降水的高精度偏差订正及中长期预测研究：以长江上游为例”项目主持（国家自然科学基金青年项目，42201511，30万元，2023.01-2025.12）
l项目介绍：高精度面降水数据及其预测已成为应对气候变化和极端天气事件的关键基础数据。当前研究重点分析了多源数据融合和模型集成机制，但准确掌握变化情境下降水时空变化特征和时空关联关系仍然是亟待突破的难题。为此，本项目将从地理时空数据分析视角，分别从时空变化特征分析、时空数据关联融合和时空数据关联预测三个角度，揭示长江上游降水及其影响因素的时空变化规律和时空关联关系。主要包括：（1）挖掘降水及其影响因素时空变化的空间属性、非空间属性趋势变化和非空间属性值特征，划分融合多维属性特征的面降水特征空间一致性区域；（2）研究基于时空关联的降水特征空间一致区域内面降水偏差高精度订正方法；（3）研究基于时空关联和深度学习的面降水中长期预测方法。通过上述研究，突破传统方法在面降水时空特征聚类、星地融合订正和时空关联预测的瓶颈，为长江上游水文气象灾害防灾减灾决策提供高精度的历史和未来面降水数据支持。
[2] 2025.01—至今：“复杂地形下旱涝急转事件时空变化研究”项目主持（皇家永利自然科学基金青年科学基金项目，25QNJJ2351，10万元，2025.01-2026.12）
项目介绍：本项目围绕复杂地形下旱涝急转（DFAA）事件的时空变化特征展开研究，旨在提升DFAA事件的识别和风险评估能力。首先，项目通过分段分位数映射方法和深度学习算法对CMIP6气候模式数据进行高精度偏差校正。其次，提出基于复合指数的DFAA事件识别方法，综合考虑气象因素与土壤湿度，识别四类DFAA事件。最后，项目采用多种Copula函数量化干旱和洪涝事件的依赖性及联合发生概率，全面评估DFAA事件的时空动态，为制定有效的防灾减灾策略提供科学依据。
[3] 2024.01—至今：“时空深度学习模型的面降水中长期预测研究”项目主持（武汉大学测绘遥感信息工程国家重点实验室开放基金，23I01，5万元，2024.01-2025.12）
[4] 2023.01—2024.12：“高精度CMIP6气候模式极端降水事件时空感知研究：以西南地区为例”项目主持（国家地理信息系统工程技术研究中心开放课题，（2022KFJJ04，3万元，2023.01-2024.12）
[5] 2018.12—2023.12：“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）
[6] 2020.01—2023.12：“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：4197135）
[7] 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）
研究领域及团队
科研团队：
遥感时空大数据理论方法与应用团队
【欢迎关注团队公众号】
荣誉奖励
/