当前位置:首页 >> 研究队伍
   

研究员

  • 姓名: 王少华
  • 性别: 男
  • 职称: 研究员
  • 职务: 
  • 学历: 博士研究生
  • 电话: 
  • 传真: 
  • 电子邮件: wangshaohua@aircas.ac.cn
  • 通讯地址: 
    简  历:
  • 王少华,中国科学院空天信息创新研究院,研究员,硕士生导师,遥感与数字地球全国重点实验室副主任。研究方向为遥感大数据分析、遥感智能计算、地理空间智能和遥感社会地理计算。先后主持承担科技部国家重点研发项目课题、基金委面上项目、新率先行动择优项目等项目,近年来发表学术论文120余篇,以第一作者或通讯作者在IEEE-TGRS、JAG、IJGIS、IJDE和SCS等国际期刊发表SCI/SSCI文章50余篇。曾获中国地理信息科技进步特等奖、北京市科学技术一等奖、甘肃省科技进步二等奖。回国前曾先后在美国加州大学圣塔芭芭拉分校地理系、亚利桑那州立大学SPARC中心和伊利诺伊厄巴纳香槟分校CyberGIS中心担任博士后研究员。现任中国遥感应用协会社会遥感地理计算副理事长、国际华人地理信息科学协会(简称 CPGIS) BOD、中国自然资源学会资源制图专业委员会委员。


    工作经历:

    2024.12—至今     中国科学院空天信息创新研究院    研究员

    2021.09—2024.12  中国科学院空天信息创新研究院    副研究员(创新研究员)

    2019.08—2021.09  美国伊利诺伊大学厄巴纳香槟分校  博士后研究员

    2018.08—2019.08  美国亚利桑那州立大学            博士后研究员

    2016.04—2018.08  美国加州大学圣塔芭芭拉分校      博士后研究员

    2013.09—2016.04  中国科学院地理科学与资源研究所  博士后研究员


    社会任职:
    研究方向:
  • 1.遥感大数据分析

    2.遥感智能计算

    3.地理空间智能研究

    4.遥感社会地理计算


    承担科研项目情况:
  • (1)基于深度强化学习的城市应急医疗服务设施配置空间优化研究项目  负责人  基金委面上项目  2025.01—2028.12
    (2)重点行业适应气候变化决策支持系统研发与示范应用项目  负责人  国家重点研发计划课题  2023.12—2028.11
    (3)中国科学院高层次人才引进计划项目  负责人  中国科学院  2021.09—2024.12

    (4)中国科学院新率先行动择优支持项目  负责人  中国科学院  2024.01—2027.12

    (5)遥感大数据综合分析与可视化平台开发项目  负责人  中国科学院空天信息创新研究院  2023.09—2024.11


    代表论著:
  • (1)学术论文

    [1] Wang S, Gao S*, Feng X, Murray A, Zeng Y. A context-based geoprocessing framework for optimizing meetup location of multiple moving objects along road networks[J]. International Journal of Geographical Information Science. 2018, 32:7, 1368-1390

    [2] Wang S*, Zhong Y, Wang E. An Integrated GIS Platform Architecture for Spatiotemporal Big Data[J]. Future Generation Computer Systems. 2019, 94, 160-172.

    [3] Liang H, Wang S*, Li H, et al. BiGNN: Bipartite graph neural network with attention mechanism for solving multiple traveling salesman problems in urban logistics[J]. International Journal of Applied Earth Observation and Geoinformation, 2024, 129: 103863.

    [4] Liang H, Wang S*, Li H, et al. Sponet: solve spatial optimization problem using deep reinforcement learning for urban spatial decision analysis[J]. International Journal of Digital Earth, 2024, 17(1): 2299211.

    [5] Liang H, Wang S*, Gao S, et al. Deephullnet: a deep learning approach for solving the convex hull and concave hull problems with transformer[J]. International Journal of Digital Earth, 2024, 17(1): 2358843.

    [6] Zhong Y, Wang S*, Liang H, et al. ReCovNet: Reinforcement learning with covering information for solving maximal coverage billboards location problem[J]. International Journal of Applied Earth Observation and Geoinformation, 2024, 128: 103710.

    [7] Huang H, Yan Q, Yang Y, Hu Y, Wang S*, et al. Spatial classification model of port facilities and energy reserve prediction based on deep learning for port management―A case study of Ningbo[J]. Ocean & Coastal Management, 2024, 258: 107413.

    [8] Zhang Y, Wang S*, Liang H, et al. Dual hybrid frameworks combining graph convolutional network with decoding for covering location problem[J]. iScience, 2024, 27(5).

    [9] Wang Y, Wang S*, Wang X, et al. Dynamic Visual Landscape Assessment of Disused Railway in Complex Terrain: A Study of Jingmen Railway[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2024.

    [10] Ren J, Yang J, Zhang Y, …, Wang S*. Exploring thermal comfort of urban buildings based on local climate zones[J]. Journal of Cleaner Production, 2022, 340: 130744.

    [11] Nie S, Cai G, He J, Wang S*, et al. Economic costs and environmental benefits of deploying CCUS supply chains at scale: insights from the source–sink matching LCA–MILP approach[J]. Fuel, 2023, 344: 128047.

    [12] Yu Q, Wei W, Pan Z, He J, Wang S*, et al. GPF-Net: Graph-polarized fusion network for hyperspectral image classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2023.

    [13] Jin X, Luan W, Yang J, …, Wang S*. From the coast to the interior: global economic evolution patterns and mechanisms[J]. Humanities and Social Sciences Communications, 2023, 10(1): 1-13.

    [14] Richard Church, Wang S. Solving the p-median problem on regular and lattice networks[J]. Computers and Operational Research. https://doi.org/10.1016/j.cor.2020.105057.

    (2)专著(参与编写章节)

    [1] 《中国地理信息产业发展报告(2022)》,测绘出版社,2022

    [2] 《城市信息学》,科学出版社,2024

    (3)申请或授权发明专利:

    [1] 基于消息的分布式空间数据处理系统,授权专利(ZL201610864468.4)

    [2] 一种GIS软件中针对大数据的可视化管理方法,授权专利(ZL201611182291.6)

    获奖及荣誉:
  • (1)面向空间决策的干旱区城镇化生态风险调控关键技术与应用  甘肃省科技进步二等奖  2023

    (2)基于大数据的城市全量建筑动态监测关键技术与应用(排名第10)  测绘科技进步二等奖  2023

    (3)“北京优秀青年工程师创新工作室”C类项目  北京市科学技术协会  2023