团队研究方向：人工智能与遥感数据处理，包括开放场景目标识别、神经网络记忆与推理、多模态数据耦合在农业、灾害、图像处理等领域应用。围绕人工智能与遥感数据处理，主持国家自然科学基金面上/青年项目、北京市自然科学基金商业航天联合/青年项目、中国博士后科学基金面上/特别资助项目。相关研究成果获得自然资源科学技术奖一等奖、地理信息科技进步奖一等奖、中国地理信息科学理论与方法学术年会青年教师论文竞赛一等奖等奖励。本人现任 IEEE GRSL 副主编，长期服务于国际遥感学术共同体，承担《时空大数据分析》《深度学习与遥感信息智能提取》《城市遥感》等课程教学，持续推动人工智能、遥感科学与地理信息科学的交叉融合。
【方向一：开放场景目标识别与推理】
面向真实遥感应用中“未知目标不断出现、复杂场景难以穷尽标注”的核心挑战，团队开展开放场景目标识别、零样本推理与开放集遥感解译研究，探索遥感影像从“封闭类别识别”向“开放世界认知”的方法转变。研究重点包括未知灾害场景识别、开放集高光谱分类、未知作物类型制图，以及遥感影像与大语言模型生成语义知识的对齐推理。相关成果发表在 ISPRS Journal of Photogrammetry and Remote Sensing、IEEE Transactions on Geoscience and Remote Sensing、Computers and Electronics in Agriculture 等期刊，包括未知作物类型制图、基于知识图谱的未知灾害场景零样本识别、开放集高光谱影像分类等工作。
【方向二：神经网络记忆与持续学习】
围绕遥感数据跨区域、跨时间、跨传感器持续变化所带来的模型遗忘与泛化不足问题，团队系统开展神经网络记忆机制、持续学习与跨数据集迁移研究，致力于构建能够不断吸收新知识、保持旧知识稳定的遥感智能模型。相关研究已在高光谱影像分类、遥感场景分类和跨数据集识别中形成系列成果，代表性工作包括 Life-long learning with continual spectral-spatial feature distillation for hyperspectral image classification 和 Continual Contrastive Learning for Cross-Dataset Scene Classification 等。该方向支撑了国家自然科学基金面上/青年项目、北京市自然科学基金商业航天联合/青年项目等科研任务。
【方向三：多源数据耦合与农业监测】
面向国家粮食安全、农业结构优化和作物动态监测需求，团队长期开展光学、SAR、高光谱与时空大数据协同分析研究，构建多源时序遥感深度耦合模型，用于作物类型制图、作物物候跟踪、作物生长模式预测和农业动态监测。相关成果发表于 Remote Sensing of Environment、Computers and Electronics in Agriculture、Remote Sensing、ISPRS Journal of Photogrammetry and Remote Sensing 等期刊，形成了光学-SAR时间序列深度协同、空间感知SAR-光学时间序列融合、作物早期制图、多分支自学习Vision Transformer等系列方法。其中，多源时序遥感耕地与作物监测相关成果已形成发明专利，包括“基于多源时序遥感深度协同下的耕地动态监测方法及系统”和“顾及物候特征的遥感耕地变化检测方法及系统”。
【方向四：卫星地表制图与变化检测】
围绕高分辨率卫星影像地表制图、土地覆盖分类、变化检测与灾害扰动识别，团队开展了从传统深度学习到图神经网络、对抗学习和多尺度表征学习的系统研究。研究内容包括高光谱影像深度分类、多时相森林扰动识别、季节不变变化检测、土地覆盖制图、城市遥感场景识别及高分影像语义分割等。相关成果发表在 IEEE TGRS、IEEE GRSL、ISPRS Journal of Photogrammetry and Remote Sensing、Remote Sensing 等期刊，多篇论文入选 ESI 高被引或热点论文。该方向成果支撑了国家自然科学基金重大项目子课题“地表异常遥感探测与即时诊断方法”等任务，并在遥感图像地理智能计算和国产卫星影像智能解译处理方面形成了重要应用积累。