个人简况: 
　　刘杨晓月，博士，现任广州地理研究所遥感与GIS研究部博士后。2019年于中国科学院地理科学与资源研究所获地图学与地理信息系统博士学位。近年来主要从事卫星遥感数据时空序列综合分析、卫星土壤水分产品真实性验证与时空重建方法、土地覆被遥感解译与验证、灯光数据去饱和方法、地球系统科学数据共享等研究。主持和参与多项国家级、部委级和省级项目，发表中英文论文18篇，授权国家发明专利6项，获得软件著作权2项，参与编写专著/图集4部。
　　研究领域与研究方向:
　　卫星土壤水分产品真实性验证与时空重建方法、土地覆被遥感解译与验证、灯光数据去饱和方法、地球系统科学数据共享
　　近年参与的科研项目:
　　[1]2020.06至今，主持全国博士后创新人才支持计划：FY-3C 土壤水分时空序列多尺度融合方法研究(BX20200100)。
　　[2]2020.09 至今，主持国家对地观测科学数据中心开放基金：多尺度水文与地表辐射数据汇聚(NODAOP2020002)。
　　[3]2019.07至今，主持广东省科学院建设国内一流研究机构行动专项资金项目：基于SMAP的混合气候带高分辨率土壤水分数据融合方法研究(2020GDASYL-20200103006)。
　　[4]2020.07至今，主持广州市基础与应用基础项目：基于深度学习的FY-3C土壤水分数据降尺度融合算法研究。
　　[5]2019.07至今，参与南方海洋科学与工程广东省实验室（广州）人才团队引进重大专项：海洋环境与全球变化（GML2019ZD0300)。
　　[6]2019.07至今，参与国家自然科学基金面上项目：基于机器学习的南海岛礁浅海水深遥感反演研究(41976190)。
　　[7]2019.07至今，参与国家自然科学基金青年项目：基于机器学习和数据融合的FY-3B土壤湿度数据高分辨率重建方法研究(41801362)。
　　[8]2020.02 至2020.06，参与广东省科技厅应急项目：广东省2019-nCov疫情爆发期返粤人群时空分布和风险分折与预测(2019Z010KY)。
　　[9]2019.07至今，参与广东省科学院建设国内一流研究机构行动专项资金项目：遥感大数据智能分析关键技术研究与应用(2019GDASYL-0502001)。
　　[10]2016.09-2019.06，参与国家科技基础条件平台专项项目：国家地球系统科学数据共享服务平台(2005DKA32300)。
　　[11]2016.09-2017.10，参与国家地球系统科学数据共享服务平台-2015年全国1:10万土地覆盖遥感解译。
　　[12]2017.09-2019.06，参与中国工程院中国工程科技知识中心建设项目：地理资源与生态专业知识服务系统。
　　[13]2017.10-2019.06，参与中国科学院先导A类专项：地球科学大数据工程--基础地理-陆地表层-社会经济（XDA19020304）。
　　[14]2017.11-2019.06，参与国家科技基础资源调查专项：中蒙俄国际经济走廊多学科联合考察。
　　[15]2018.01-2019.06，参与《中华人民共和国行政区划变迁地图集（1980-2017年）》研制及质量控制。该本图集的上册《中华人民共和国行政区划变迁地图集（1949-1979年）》获得2017年中国新闻出版领域的最高奖第四届中国出版政府奖、2016年优秀地图作品裴秀奖银奖。
　　[16]2018.04-2018.08，参与贵州省遵义院士工作中心项目：遵义市乡村振兴战略规划。
　　[17]2014.03-2016.06，参与国家海洋局海洋公益性行业科研专项经费项目：海洋溢油污染风险评估及应急响应关键技术集成及应用示范（201205012）。
　　主要成果:
　　（1）论文
　　[1]Liu, Y.; Zhou, Y.; Lv, N.; Tang, R.; Jing, W.; Zhou, C. Comprehensive assessment of Fengyun-3 satellites derived soil moisture with in-situ measurements across the globe[J]. Journal of Hydrology. 2021, 1694, 125949. (SCI, 中科院一区, TOP期刊)
　　[2]Liu, Y.; Yao, L.; Jing, W.; Di, L.; Yang, J.; Li, Y. Comparison of two satellite-based soil moisture reconstruction algorithms: a case study in the state of Oklahoma, USA[J]. Journal of Hydrology. 2020, 1016, 125406. (SCI, 中科院一区, TOP期刊)
　　[3]Liu, Y., Jing, W., Wang, Q., Xia, X. Generating high-resolution daily soil moisture by using spatial downscaling techniques: a comparison of six machine learning algorithms[J]. Advances in Water Resources. 2020, 141, 103601. (SCI, 中科院一区, TOP期刊)
　　[4]Liu, Y., Yang Y., Jing, W. Potential Applicability of SMAP in ECV Soil Moisture Merging: A Case Study in Europe[J]. IEEE Access. 2020, 8, 133114-133127. (SCI)
　　[5]Liu, Y.; Yang, Y.; Jing, W.; Yao, L.; Yue, X.; Zhao, X. A New Urban Index for Expressing Inner-City Patterns Based on MODIS LST and EVI Regulated DMSP/OLS NTL[J]. Remote Sens. 2017, 9, 777. (SCI)
　　[6]Liu, Y.; Yang, Y.; Jing, W.; Yue, X. Comparison of Different Machine Learning Approaches for Monthly Satellite-Based Soil Moisture Downscaling over Northeast China[J]. Remote Sens. 2018, 10, 31. (SCI)
　　[7]Liu, Y.; Yang, Y.; Yue, X. Evaluation of Satellite-Based Soil Moisture Products over Four Different Continental In-Situ Measurements[J]. Remote Sens. 2018, 10, 1161. (SCI)
　　[8]Liu, Y.; Xia, X.; Yao, L.; Jing, W.; Zhou, C.; Huang, W.; Li, Y.; Yang, J. Downscaling Satellite Retrieved Soil Moisture Using Regression Tree-based Machine Learning Algorithms Over Southwest France[J]. Earth and Space Science, 2020, 7, 001267. (SCI)
　　[9]Ji, T.; Li, G.; Liu, Y.; Liu, R.; Zhu, Y. Spatio‐temporal features of storm surge activity and its response to climate change in the southeastern coastal area of China in the past 60 years[J]. Journal of Geophysical Research: Atmospheres, e2020JD033234.
　　[10]Jing, W.; Yao, L.; Zhao, X.; Zhang, P.; Liu, Y.; Xia, X.et al. Understanding terrestrial water storage declining trends in the Yellow River Basin[J]. Journal of Geophysical Research: Atmospheres, 2019, 124(23): 12963-12984. (SCI, 中科院二区, TOP期刊)
　　[11]Jing, W., Di, L., Zhao, X., Yao, L., Xia, X., Liu, Y., Yang, J., Li, Y., Zhou, C. A data-driven approach to generate past GRACE-like terrestrial water storage solution by calibrating the land surface model simulations[J]. Advances in Water Resources. 2020, 143, 103683. (SCI, 中科院一区, TOP期刊)
　　[12]Sun, M., Deng, Y., Li, M., Jiang, H., Huang, H., Liao, W., Liu, Y., Yang, Ji., & Li, Y. Extraction and analysis of blue steel roof information based on CNN using Gaofen-2 imageries[J]. Sensor. 2020, 11(8), 1211. (SCI)
　　[13]Yao, L.; Lu, J.; Xia, X.; Jing, W.; Liu, Y. Evaluation of the ERA5 Sea Surface Temperature Around the Pacific and the Atlantic[J]. IEEE Access. 2021, 9: 12067-12073. (SCI)
　　[14]刘杨晓月,季民. 海洋溢油应急响应决策支持系统设计与实现[J].地理信息世界, 2015, 22(03):68-72.
　　[15]刘杨晓月,季民. 基于NetCDF数据的流线生成算法简析[J].北京测绘, 2015(03):38-42.
　　[16]刘杨晓月,季民,邱兆勇. 矿山沉陷监测克里金插值分析研究[J].山东煤炭科技, 2015(04) :154-156+159.
　　[17]刘杨晓月,季民,马俊瑞. 基于PW图的溢油鉴别分析方法研究[J].海岸工程, 2015, 34(01):69-76.
　　[18]王重洋,周成虎,陈水森,谢一春,李丹,杨骥,周霞,李勇,王丹妮,刘杨晓月. 河口最大浑浊带研究的回顾与展望[J].科学通报,2020, 38(09): 1-34.
　　专利
　　[1]一种基于随机森林算法的陆地水储量预测方法及设备（专利号：ZL 2019 1 0904058.1）
　　[2]基于极端梯度提升的岛礁浅海水深预测方法（专利号：ZL 2019 1 0945145.1）
　　[3]一种土壤水分数据获取方法、系统、存储介质及设备（专利号：ZL2019 1 0905363.2）
　　[4]基于极端梯度提升算法的植被指数预测方法、系统及设备（专利号：ZL 2019 1 0905212.7）
　　[5]基于随机森林的岛礁浅海水深预测方法（专利号：ZL 2019 1 0943217.9）
　　[6]一种基于极端梯度算法的陆地水储量预测方法及设备（，专利号：ZL 2019 1 0904059.6）
　　软著
　　[1]海洋溢油应急处置支持管理系统V1.0
　　[2]海洋溢油风险评估系统V1.0
　　（2）专著/图集
　　[1]海洋溢油应急响应决策支持系统研究与设计实现[M], 海洋出版社,2016.
　　[2]中华人民共和国行政区划变迁地图集（1980-2017年）[M], 中国地图出版社, 2019.
　　[3]国家科技基础性工作专项资源与环境领域项目成果编研（上册）[M], 科学出版社, 2019.
　　[4]国家科技基础性工作专项资源与环境领域项目成果编研（下册）[M], 科学出版社, 2019.
　　联系方式:
　　地址：广州市先烈中路100号大院广州地理研究所
　　邮编：510070
　　邮箱：lyxy@gdas.ac.cn