郭迪洲 讲师

• 学院： 地质工程与测绘学院
• 性别： 男
• 出生年月： 1996-08-29
• 职称： 讲师
• 学位： 博士
• 学历：
• 毕业院校： 中国矿业大学
• 联系电话：
• 电子邮箱： DizhouGuo@163.com
• 通讯地址：
• 邮编：
• 传真：
• 办公地址：
• 教育经历：

  2015-2019 中国矿业大学 本科 测绘工程

  2019-2024 中国矿业大学 硕博连读 大地测量学与测量工程

  2023.4-2023.8 香港理工大学 研究助理

  
  

郭迪洲，男，汉族，籍贯江西信丰，1996年8月出生，中共党员，本硕博均就读于中国矿业大学，2023年4月至8月在香港理工大学担任研究助理，2024年6月获得大地测量学与测量工程博士学位，现为长安大学地质工程与测绘学院讲师，研究方向为多源遥感影像时空融合与质量重建，以第一作者及通讯作者身份发表7篇SCI论文，包括《Remote Sensing of Environment》、《IEEE Transactions on Geoscience and Remote Sensing》等高水平期刊，获得已授权发明专利4项。担任Geoscience and Remote Sensing Letters，Journal of Remote Sensing，International Journal of Digital Earth等期刊审稿人。曾获得2021年日内瓦国际发明展金奖，全球智慧城市峰会暨第三届国际城市信息学大会（GSCS & ICUI 2023）获最佳汇报奖，中国矿业大学优秀博士学位论文。

面向秦岭地区全天候遥感精细监测的光学-SAR多模态影像时空融合方法研究，陕西省青年项目，2025-2026，主持

基于多源遥感影像时空谱信息融合的薄云-厚云-云阴影协同去除方法研究，陕西省博士后项目，2025-2026，主持

基于深度学习的时空无缝高空间分辨率遥感影像重建方法研究，中央高校基本科研业务费，2025-2026，主持

[1] Guo, D., Li, Z*., Gao, X., Gao, M., Yu, C., Zhang, C., & Shi, W.,RealFusion: A reliable deep learning-based spatiotemporal fusion framework for generating seamless fine-resolution imagery. Remote Sensing of Environment, 321, 114689.（中科院1区TOP）

[2] Guo, D., Shi, W*., Hao, M., & Zhu, X. (2020). FSDAF 2.0: Improving the performance of retrieving land cover changes and preserving spatial details. Remote Sensing of Environment, 248, 111973.（中科院1区TOP）

[3] Shi, W., Guo, D*., & Zhang, H. (2022). A reliable and adaptive spatiotemporal data fusion method for blending multi-spatiotemporal-resolution satellite images. Remote Sensing of Environment, 268, 112770.（中科院1区TOP）

[4] Guo, D., Shi, W*., Zhang, H., & Hao, M. (2022). A flexible object-level processing strategy to enhance the weight function-based spatiotemporal fusion method. IEEE Transactions on Geoscience and Remote Sensing, 60, 1-11.（中科院1区TOP）

[5] Guo, D., Shi, W*., Qian, F., Wang, S., & Cai, C. (2022). Monitoring the spatiotemporal change of Dongting Lake wetland by integrating Landsat and MODIS images, from 2001 to 2020. Ecological Informatics, 72, 101848.（中科院2区TOP）

[6] Guo, D., & Shi, W*. (2023). Object-Level Hybrid Spatiotemporal Fusion: Reaching a Better Trade-Off Among Spectral Accuracy, Spatial Accuracy and Efficiency. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,16:8007-8021.（中科院2区）

[7] Guo, D., & Shi, W*. (2023). A task decoupled framework for enhancing the deep learning-based spatiotemporal fusion method. International Journal of Remote Sensing, 44(13), 4163-4189.（中科院3区）