首页 > 科研队伍 > 研究员/教授

研究员/教授

  • 姓名：宫阿都
  • 性别：男
  • 专家类别：
  • 所属部门：北京师范大学地理科学学部/遥感科学国家重点实验室
  • 职务：
  • 职称：教授
  • 社会任职：北京地理学会副秘书长，应急管理部灾情评估与核查专家，北京市应急管理标准化技术委员会委员，联合国亚太经社会可持续发展计划咨询专家，生态环境部国家重点生态功能区县域生态考核专家，中国灾害防御协会文化遗产防灾减灾专委会委员，中国环境科学学会生态遥感监测与评估专委会委员等
  • 电话：58806178
  • 传真：58806178
  • 电子邮件：gad@bnu.edu.cn
  • 个人网页： 
  • 百人入选时间：
  • 杰青入选时间：
  • 通讯地址：北京市海淀区新外大街19号，北京师范大学地理科学学部
  • 邮政编码：100875

    简历

  • 2016.9- 至今 北京师范大学地理科学学部地理学院，副教授/教授
    2014.10-2015.10 美国北卡罗来纳大学教堂山分校访学一年，访问学者
    2011.8- 2016.8 北京师范大学减灾与应急管理研究院，副教授
    2005.8-2011.7 北京师范大学资源学院、减灾与应急管理研究院，讲师

    研究方向

  • 城市遥感，灾害遥感

    承担科研项目情况

  • 主持国家自然科学基金“基于改进SVM模型的城市表面温度空间降尺度模型研究”；国家重点研发计划课题“重特大灾害应急评估与动态决策支持关键技术”专题负责人

    获奖及荣誉

  • 1. 2019年地理信息科技进步奖特等奖“重大自然灾害评估模型与方法体系研究及应用”（排名第3）；2. 2019年中国大坝工程学会科技进步奖“黄河流域生态水文遥感监测关键技术”（排名第2）；3. 2018年地理信息科技进步奖一等奖“农村集体建设用地数字化监管技术研究”（排名第2）

    代表性成果

  •  [1]. Development of an Index for Forest Fire Risk Assessment Considering Hazard Factors and the Hazard-Formative Environment. Remote sensing. 2023, 15(21), 5077-5102.（第一作者）

    [2]. An Earth Observation Framework in Service of the Sendai Framework for Disaster Risk Reduction 2015–2030. ISPRS International Journal of Geo-Information. 2023, 12(6), 232-252.（通讯作者）

    [3]. An Object-Oriented Method for Extracting Single-Object Aquaculture Ponds from 10 m Resolution Sentinel-2 Images on Google Earth Engine. Remote sensing. 2023, Vol.15 (3), p.856-880（通讯作者）

    [4]. Mapping Population Distribution with High Spatiotemporal Resolution in Beijing Using Baidu Heat Map Data. Remote Sensing. 2023, 15, 458-481.（通讯作者）

    [5]. Vulnerability Assessment Method for Immovable Cultural Relics Based on Artificial Neural Networks--An Example of a Heavy Rainfall Event in Henan Province. International Journal of Disaster Risk Science.       2023, 14(1): 41-51. （通讯作者）

    [6]. High-Precision Population Spatialization in Metropolises Based on Ensemble Learning: A Case Study of Beijing, China. Remote Sensing. 2022,14(15), P3654-3680.（通讯作者）

    [7]. A Zoning Earthquake Casualty Prediction Model Based on Machine Learning. Remote Sensing. 2022, Vol.14 (1), p.30-57.（通讯作者）

    [8]. A Spatio-Temporal Brightness Temperature Prediction Method for Forest Fire Detection with MODIS Data: A Case Study in San Diego. Remote Sensing. 2021, 13, (15)2900-2916.（第一作者）