UP简历小U

+86 138-0013-8000|up.resume.ai@example.com|北京

个人总结

资深遥感工程师，专注于卫星遥感碳监测领域，具备扎实的多源数据融合处理、反演精度校核及行业标准应用经验。精通遥感图像处理、机器学习算法及GIS技术，在地球科学数据分析、模型构建与优化方面拥有卓越能力。主导并参与多个国家级碳汇监测项目，有效提升数据处理效率和监测精度，致力于通过前沿遥感技术助力碳中和目标实现。

工作经历

高级遥感工程师

中国环境科学研究院

2023-07 - 2024-07

主导国家级生态系统碳汇遥感监测项目，负责多源卫星数据（MODIS, Landsat, Sentinel）的融合处理与产品生成，建立统一的数据处理流程，将数据处理效率提升25%。
负责遥感碳反演模型的开发与优化，引入机器学习算法（如随机森林、支持向量机）提升碳通量估算精度，模型预测准确率提高10%。
实施碳监测数据反演精度校核，利用地面观测数据、通量塔数据进行交叉验证，确保反演结果符合国家行业标准要求，偏差率控制在5%以内。
参与编写《国家碳汇遥感监测技术规范》，针对数据预处理、模型参数化、结果验证等环节提供关键技术指导，并被采纳为行业重要参考标准。
开发基于Python的自动化遥感数据处理工具集，减少人工干预，将月度数据处理周期缩短30%，支持快速响应机制。

项目经历

基于多源遥感数据的区域植被碳汇动态监测与评估

国家自然科学基金项目

2020-03 - 2023-06

项目背景：针对传统碳汇监测方法时空分辨率低、成本高的问题，旨在利用多源卫星遥感数据实现区域植被碳汇的精细化动态监测。
个人职责：核心算法工程师，负责MODIS、Landsat、Sentinel等多源遥感数据的预处理、融合与同化，以及植被净初级生产力（NPP）和总初级生产力（GPP）模型的构建与优化。
关键技术：应用时序分析、机器学习（LSTM, Prophet）进行数据融合，结合能量平衡模型与光能利用率模型进行碳通量反演。
项目成果：成功构建了高时空分辨率的区域植被碳汇动态监测平台，实现了碳汇量估算精度提升12%；开发了自动化数据处理管线，将数据处理效率提高35%，为国家碳汇核算提供了重要技术支撑。

城市热岛效应与碳排放协同遥感分析

中国科学院大学创新项目

2019-09 - 2021-12

项目背景：研究城市化进程中热岛效应与碳排放之间的关联性，利用遥感技术提供决策支持。
个人职责：主要研究人员，负责Landsat热红外数据提取地表温度，结合夜间灯光数据（NPP-VIIRS）和OMI二氧化碳柱浓度数据进行城市碳排放反演。
关键技术：使用辐射传输模型校正大气影响，应用GIS空间分析技术进行多要素叠加与关联分析，并通过回归模型量化热岛效应与碳排放的关系。
项目成果：揭示了北京市典型区域热岛强度与碳排放的显著正相关性，研究成果为城市规划与气候变化适应策略提供了数据支持，相关研究被引用超过50次。