选择皮肤

徐新刚，男，博士，研究员。2004年获中国科学院测量与地球物理研究所理学硕士学位，2007年获得中国科学院山地灾害与环境研究所(中国科学院遥感应用研究所联合培养)的理学博士学位，同年到国家农业信息化工程技术研究中心（北京农业信息技术研究中心）工作，主要从事农业定量遥感应用基础研究。先后主持承担国家省部级项目30余项，获科技成果奖7项，发表学术论文50余篇，获发明专利8项，参编专著4部，取得软件著作权6项，制定农业遥感应用地方标准3项。

主要从事农业定量遥感应用基础研究，研究方向包括农作物长势营养关键理化参数的定量遥感反演、主要病害识别与灾情监测评估、作物产量与品质遥感监测预报等领域。研究成果主要在北京现代都市农业建设、黑龙江农垦、内蒙古海拉尔农垦、新疆生产建设兵团、陕西、河北和河南等主要农作物种植区开展应用示范。

（1）先后主持承担包括国家重点研发计划、国家863计划、国家科技支撑计划、国家自然科学基金、北京市自然科学基金等国家省部级项目30余项。发表学术论文50余篇，其中SCI论文16篇，EI论文20余篇，取得6项软件著作权。

（2）获得“一种用于检测作物冠层叶片碳氮比的光谱指数构造方法”、“作物冠层叶片的全氮含量估算方法”等8项国家发明专利授权；

（3）作为主要完成人制订实施“小麦玉米产量遥感估测规程”等3项地方标准；

（4）参编《农业定量遥感基础与应用》、《作物病害遥感监测机理与应用》等4部专著。

（5）获得科技成果奖7项，包括“遥感与机理模型融合的主要粮食作物农情预测技术及应用”中华农业科技一等奖、“主要农作物调优栽培信息化技术”北京市科学技术三等奖，以及北京市农业技术推广二、三等奖和北京市农林科学院科技创新三等奖等。

（一）提出了将光能利用率模型和氮素运转规律相耦合的大面积遥感监测预报小麦籽粒蛋白品质的新型方法。以光能利用率（LUE）模型中关键参数的时间序列遥感反演为切入点，利用融合遥感信息的LUE模型来估算小麦作物籽粒产量，结合小麦籽粒氮素运转规律，以光能利用率模型估算的光合产物变化特征，间接响应作物籽粒氮素的花后贮存氮转运和花后植株氮吸收的积累过程，进而通过氮素积累量与产量的比值实现区域籽粒蛋白质的计算，最终形成有明晰解释机理、区域尺度可用的冬小麦籽粒蛋白品质遥感监测新方法。

（二）基于提出的一类新型高光谱特征量-“斜率与夹角”，创新性引入分支界定和权重最优组合原理，显著改进了作物冠层氮素含量、C/N的高光谱遥感定量反演的精度；提出的新型高光谱特征量，是对高光谱曲线分段范围内所有波长反射率信息的一类综合表达变量，也是对高光谱数据中大量波段信息挖掘应用的一种尝试,该型特征量的提出可为作物其他理化参数的高光谱反演提供新思路。

（三）构建了基于立体概念的作物群体地表干物质量遥感监测的新颖方法模型，这一概念模型将当前二维的遥感影像像元平面虚拟成三维立体，把像元内作物群体看作高度近似均一的几何立体,从“底面积乘以高”的体积公式概念出发，利用遥感数据进行区域尺度的作物干物质量的定量遥感监测，实现了"作物群体立体形象表达、作物群体重要参数变换组合和遥感反演模型耦合改进"三者的有机融合，为农作物长势定量遥感诊断和遥感估产提供了新思路。

（1）onitoringratio of carbon to nitrogen (C/N) in wheat and barley leaves by using spectralslope features with branch-and-bound algorithm. Scientific Reports. 2018,8:10034.

（2）Globalsensitivity analysis of the AquaCrop model for winter wheat under differentwater treatments based on the Extended Fourier Amplitude Sensitivity Test,Journal of Integrative Agriculture,2017,16(11):2444-2458.

（3）Usingoptimal combination method and in situ hyperspectral measurements to estimateleaf nitrogen concentration in barley. Precision Agriculture, 2014, 15(2):227-240.

（4）Associatingnew spectral features from visible and near infrared regions with optimalcombination principle to monitor leaf nitrogen concentration in barley. Journalof Infrared and Millimeter Waves, 2013, 32(4):351~358.

（5）Studyon relationship between new characteristic parameters of spectral curve andchlorophyll content for rice. Spectroscopy and Spectral Analysis, 2011,31(1):188-191.

（6）Estimatinggrain protein content in winter wheat with multi-temporal hyperspectralmeasurements. Sensor Letters. 2014,12(5): 855-859.

（7）Estimatingleaf nitrogen concentration in barley by coupling hyperspectral measurementswith optimal combination principle. Intelligent Automation and Soft Computing,2014, 20(4): 611-623.

（8）Amethod of estimating soil moisture based on linear decomposition of mixturepixel. Mathematical and Computer Modelling, 2013, 58(3-4): 606-613.

（9）Assessmentof the AquaCrop model for use in simulation of irrigated winter wheat canopycover, biomass, and grain yield in the North China Plain. PLoS ONE, 2014, 9(1):e86938.

（10）Newly Combined Spectral Indices toImprove Estimation of Total Leaf Chlorophyll Content in Cotton. IEEE Journal ofSelected Topics in Applied Earth Observations and Remote Sensing, 2014, 7(11):4589-4600.