个人信息 Personal information
个人简介 Personal profile
关庆锋，中国地质大学（武汉）地理与信息工程学院教授、博士生导师、副院长；国家地理信息系统工程技术研究中心副主任；入选国家级青年人才计划；获得湖北省自然科学基金“杰出青年”项目、中国高校GIS创新人物奖、地理信息科技进步一等奖（序1）；担任国际华人地理信息科学协会理事、中国地理信息产业协会理论与方法工作委员会委员、中国地理学会地图学与地理信息系统专业委员会委员、中国测绘学会摄影测量与遥感专业委员会委员、中国测绘学会智慧城市工作委员会委员、中国环境科学学会生态环境模型专业委员会委员、ACM SIGSPATIAL中国分会执行委员会委员；担任《武汉大学学报•信息科学版》编委、《测绘工程》编委。研究方向包括时空大数据、空间计算智能、高性能空间计算和城市遥感。科研项目来自国家自然科学基金、科技部重点研发计划、教育部高等学校博士学科点专项基金、国土资源部地质信息技术重点实验室、湖北省自然科学基金、湖北省自然资源厅等。发表学术期刊论文110余篇，其中包括PNAS、RSE、ISPRS P&RS、AAAG、L&UP、IJGIS、CEUS、TGRS、EMS、C&G、TGIS等国际重要SCI/SSCI期刊论文100余篇。
最新成果（*标注通讯作者）：
Liang, Z.; Wang, J.; Ren, S.; Yu, Y. & Guan, Q.* (2023). A novel framework for detecting non-recurrent road traffic anomalies by combining a temporal graph convolutional network and hierarchical time memory detector. Transactions in GIS (SSCI). DOI: 10.1111/tgis.13022
Guan, Q.; Zhou, J.; Wang, R.; Yao, Y.*; Qian, C.; Zhai, Y. & Ren, S. (2022) Understanding China’s urban functional patterns at the county scale by using time-series social media data. Journal of Spatial Science (SCI). DOI: 10.1080/14498596.2022.2125095
Yang, X.; Chen, J.; Guan, Q.*; Gao, H. & Xia, W. (2022) Enhanced Spatial-Temporal Savitzky-Golay Method for Reconstructing High-Quality NDVI Time Series: Reduced Sensitivity to Quality Flags and Improved Computational Efficiency. IEEE Transactions on Geoscience and Remote Sensing (SCI). DOI: 10.1109/TGRS.2022.3190475
Guan, Q.; Ren, S.; Chen, L.; Yao, Y.*; Hu, Y.; Wang, R.; Feng, B.; Gu, L. & Chen, W. (2022) Recognizing Multivariate Geochemical Anomalies Related to Mineralization by Using Deep Unsupervised Graph Learning. Natural Resources Research (SCI). DOI: 10.1007/s11053-022-10088-x
Zhu, Q.*; Lei, Y.; Sun, X.; Guan, Q.*; Zhong, Y.; Zhang, L. & Li, D. (2022) Knowledge-guided land pattern depiction for urban land use mapping: A case study of Chinese cities. Remote Sensing of Environment (SCI), 272 (2022) :112916. DOI: 10.1016/j.rse.2022.112916
Zhu, Q.; Guo, X.; Deng, W.; Guan, Q.*; Zhong Y.; Zhang, L. & Li, D. (2021) Land-Use/Land-Cover change detection based on a Siamese global learning framework for high spatial resolution remote sensing imagery. ISPRS Journal of Photogrammetry and Remote Sensing (SCI), 184 (2022): 63-78. DOI: 10.1016/j.isprsjprs.2021.12.005
Guan, Q.; Yao, Y.*; Ma, T.*; Hong, Y.; Bei, Y. & Lyu, J. (2021) Under the Dome: A 3D Urban Texture Model and Its Relationship with Urban Land Surface Temperature. Annals of the American Association of Geographers (SSCI). DOI: 10.1080/24694452.2021.1972790
Zhu, Q.; Zhang, Y.; Li, Z.; Yan, X.; Guan, Q.*; Zhong, Y.; Zhang, L. & Li, D. (2021) Oil Spill Contextual and Boundary-Supervised Detection Network Based on Marine SAR Images. IEEE Transactions on Geoscience and Remote Sensing (SCI). DOI: 10.1109/TGRS.2021.3115492
Zhu, Q.; Chen, J.; Wang, L. & Guan, Q.* (2021) Proportion Estimation for Urban Mixed Scenes Based on Nonnegative Matrix Factorization for High-Spatial Resolution Remote Sensing Images. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing (SCI). DOI:10.1109/JSTARS.2021.3119988
Pan, Y.; Zeng, W.; Guan, Q.*; Yao, Y.; Liang, X.; Zhai, Y. & Pu, S. (2021) Variability in and mixtures among residential vacancies at granular levels: Evidence from municipal water consumption data. Computers, Environment and Urban Systems (SSCI), 90(2021): 101702. DOI: 10.1016/j.compenvurbsys.2021.101702
Coulibaly, L. K.; Guan, Q.*; Assoma, T. V.; Fan, X. & Coulibaly, N. (2021) Coupling linear spectral unmixing and RUSLE2 to model soil erosion in the Boubo coastal watershed, Coˆte d’Ivoire. Ecological Indicators (SCI). 130(2021): 108092. DOI: 10.1016/j.ecolind.2021.108092
朱祺琪, 李真, 张亚男, 李佳伦, 杜禹强, 关庆锋*, 李德仁. (2021) 全局局部细节保持的深度条件随机场用于高分辨率遥感影像建筑物提取. 遥感学报 (EI). 25(7): 1422-1433. DOI: 10.11834/jrs.20210360
Guan, Q.; Ren, S.; Chen, L.; Feng, B. & Yao, Y.* (2021) A spatial-compositional feature fusion convolutional autoencoder for multivariate geochemical anomaly recognition. Computers & Geosciences (SCI), 156(2021): 104890. DOI: 10.1016/j.cageo.2021.104890
Gao, H.; Zhu, X.; Guan, Q.*; Yang, X.; Yao, Y.; Zeng, W. & Peng, X. (2021) cuFSDAF: An Enhanced Flexible Spatiotemporal Data Fusion Algorithm Parallelized Using Graphics Processing Units. IEEE Transactions on Geoscience and Remote Sensing (SCI). DOI: 10.1109/TGRS.2021.3080384
Yao, Y.; Wang, J.; Hong, Y.; Qian, C.; Guan, Q.*; Liang, X.; Dai, L. & Zhang, J. (2021) Discovering the homogeneous geographic domain of human perceptions from street view images. Landscape and Urban Planning (SCI/SSCI). 212 (2021) 104125. DOI: 10.1016/j.landurbplan.2021.104125
Zhu, Q.; Zhang, Y.; Wang, L.; Zhong, Y.; Guan, Q.*; Lu, X.; Zhang, L. & Li, D. (2021) A Global Context-aware and Batch-independent Network for road extraction from VHR satellite imagery. ISPRS Journal of Photogrammetry and Remote Sensing (SCI), 175(2021): 353-365. DOI: 10.1016/j.isprsjprs.2021.03.016
Yao, Y.; Zhang, J.; Qian, C.; Wang, Y.; Ren, S.; Yuan, Z. & Guan, Q.* (2021) Delineating urban job-housing patterns at a parcel scale with street view imagery. International Journal of Geographical Information Science (SCI&SSCI). DOI: 10.1080/13658816.2021.1895170
Liang, X.; Guan, Q.*; Clarke, K.; Liu, S.; Wang, B. & Yao, Y. (2021). Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: A case study in Wuhan, China. Computers, Environment and Urban Systems (SSCI). DOI: 10.1016/j.compenvurbsys.2020.101569
Yao, Y; Liu, Y.; Guan, Q.*; Hong, Y.*; Wang, R.; Wang R. & Liang, X. (2021). Spatiotemporal distribution of human trafficking in China and predicting the locations of missing persons. Computers, Environment and Urban Systems (SSCI). DOI: 10.1016/j.compenvurbsys.2020.101567
Liang, X.; Guan, Q.*; Clarke, K. C.; Chen, G.; Guo, S. & Yao, Y. (2021). Mixed-cell cellular automata: A new approach for simulating the spatio-temporal dynamics of mixed land use structures. Landscape and Urban Planning (SCI/SSCI). DOI: 10.1016/j.landurbplan.2020.103960
-
其他联系方式 Other Contact information
[1]邮编: [2]传真: [3]通讯/办公地址: [4]办公室电话: [5]移动电话: [6]邮箱: 
研究方向 Research direction
- [1]时空大数据：时空大数据分析、挖掘、模拟与可视化
- [2]空间计算智能：基于机器学习/人工智能的空间分析与时空模拟，解决复杂地理空间问题
- [3]高性能地理空间计算：利用并行计算技术，突破由大数据和复杂算法造成的计算壁垒，解决复杂地理空间问题
- [4]空间感知与计算：利用多源/多元数据，智能感知空间环境，分析和模拟空间环境变化，应用包括城市、土地利用与土地覆盖、地质、环境等
- [5]城市遥感：土地利用/覆盖分类，城市功能区识别
团队成员 Team members
[1]高性能空间计算智能研究中心（微信公众号：HPSCIL）
研究中心以“城市智能感知技术与应用”为主题，开展包括遥感、数据库、计算构架、大数据分析与挖掘、时空模拟、可视化、工程实现、落地应用等方面的研究。在高性能空间计算平台和智能计算框架的支持下，开展以下四个方向的研究：
（1）城市智能感知与计算（包括城市遥感）；
（2）高性能空间计算及空间知识智能挖掘；
（3）时空过程及人地关系模拟；
（4）GIS系统研发以及时空数据可视化。
在大数据的支持下为政府、企业以及居民等各级用户应对社会和环境变化提供技术保障和决策支持。
研究中心的建设目标为：形成城市智能化“感+知+用”的闭环全链条，实现“教学研用”的全方位人才覆盖以及企业+高校的紧密结合， 建设成为国内外具有重要影响的研究团队，在四个主要研究方向取得具有国际影响力的创新性成果，并将成果以系统、平台或政府报告的方式进行落地应用，实现产学研三位一体的结合。
研究中心包括教授4人（博导2人）、副教授8人、讲师1人，学科方向覆盖地理学、测绘科学与技术、软件工程等三个一级学科。现有博士研究生8人、硕士研究生超过50人。