研究员
- 姓名： 张问一
- 性别： 男
- 职称： 研究员
- 职务： 副主任
- 学历： 博士研究生
- 电话：
- 传真：
- 电子邮件： zhangwy002296@aircas.ac.cn
- 通讯地址：
张问一，中国科学院空天信息创新研究院，研究员，网络电磁空间信息研究部副主任。研究方向为民用遥感卫星高时效和高精度处理与应用，重点开展先进体制光学/sar图像质量优化提升、遥感图像分割与提取、遥感信号与图像目标检测与应用和遥感大数据智能信息挖掘等方面研究。先后主持承担抢占科技制高点专项、中国科学院战略性先导科技专项、科技部国家重点研发课题、国家自然科学基金委员会重点基金课题、国家科技重大专项等10余项，在国内外学术期刊发表学术论文20余篇，授权发明专利10余项，申请软件著作权2项。担任iso/iec（国际标准化组织/国际电工委员会）注册专家。担任j-stars特邀客座编辑，remote sensing of environments期刊和遥感学报审稿人。
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
2016.07—2024.12 中国科学院空天信息创新研究院 副研究员
2013.03—2016.07 中国科学院电子学研究所 助理研究员
简 历：
社会任职：
民用遥感卫星高时效和高精度处理与应用
研究方向：
（1）天基云示范系统集成 负责人 国家任务 2024.01—2028.12
（2）天基网络智能信息在轨验证系统设计与集成 负责人 国家任务 2023.10—2026.12
（3）空基“十三五”陆地观测卫星数据记录快视与产品生产系统（境内部分） 负责人 国家任务 2019.07—2025.12
（4）空基“十二五”陆地观测卫星数据记录快视与产品生产系统 负责人 国家任务 2017.09—2024.12（5）空基“十三五”陆地观测卫星数据记录快视与产品生产系统（斯里兰卡站） 国家任务 2019.12-2028.12
（6）极化sar盐湖资源信息获取与处理项目盐湖试验区实验验证课题 国家自然科学基金重点项目 2024.01-2028.12
（7）基于流式处理架构的多源北极卫星数据实时快速处理技术 国家任务 2019.01-2022.3
（8）高分三期数据记录与快视系统 负责人 国家任务 2019.08-2022.12
（9）高分三期产品生产系统 负责人 国家任务 2019.08-2022.12
（10）高分二期记录与快视系统 负责人 国家任务 2016.12-2021.12
（11）高分一期记录与快视系统补充建设，负责人 国家任务 2017.08-2022.12
（12）资源一号02c卫星数据记录与快视系统 负责人 国家任务 2016.09-2021.12
（13）空间先导专项一期数据记录系统 负责人 国家任务 2013.8-2022.12
承担科研项目情况：
[1] zhang w*, dai x, chu q, et al. ffssnet: fast fine semantic segmentation network for gf-3 sar images in building areas[j]. ieee journal of selected topics in applied earth observations and remote sensing, 2024， 17， 11260-11273. （sci）
[2] liao z, zhang w*, chu q, et al. multispectral remote sensing image deblurring using auxiliary band gradient information[j]. ieee transactions on geoscience and remote sensing, 2023, 61: 1-18. （sci）
[3] zhang j, zhang w*, zhou x, et al. cnn and transformer fusion network for sea ice classification using gaofen-3 polarimetric sar images[j]. ieee journal of selected topics in applied earth observations and remote sensing, 2024. （sci）
[4] zhang, jiande, zhang, wenyi*, hu, yuxin, chu, qingwei, liu, lei. an improved sea ice classification algorithm with gaofen-3 dual-polarization sar data based on deep convolutional neural networks[j]. remote sensing, 2022, 14(4).（sci）
[5] peng b, zhang w*, hu y, et al. lrffnet: large receptive field feature fusion network for semantic segmentation of sar images in building areas[j]. remote sensing, 2022, 14(24): 6291.（sci）
代表论著：
（1）中国科学院杰出科技成就奖，2016年
研究队伍