郑艺，海南大学生态学院，副研究员，硕士/博士生导师
E-mail: zhengyi@hainanu.edu.cn
研究兴趣：森林与气候变化；生态系统碳循环模型；作物识别和产量估算
个人简介
长期从事遥感、植被和全球变化生态学等相关研究。近年来，在Science Advances、ESSD、AFM等期刊发表论文20多篇，论文被引3000多次，H指数17，2篇论文入选ESI高被引论文。主要研究内容如下：（1）发展毁林及其地表类型转换识别方法，提高毁林及其转化类型的制图精度，明晰毁林位置及毁林后多年地表类型的持续变化，综合评估毁林带来的生物物理和生物化学增温效应对全球气候变化的影响。（2）发展大区域、长时间甘蔗识别和产量估算方法，完成巴西、中国、印度高分辨率遥感甘蔗种植信息制图，实现大区域甘蔗产量估算。（3）采用自主研发和改进的植被生产力算法（改进的EC-LUE模型）生产了全球长时间序列植被生产力产品（GLASS GPP/NPP），该产品得到了国内外同行的认可，累积下载量超过5万次，不仅支撑了科技部国家遥感中心的全球生态环境监测年报，也支撑了多篇Science、Nature子刊等文章的研究。
热烈欢迎对遥感、森林、农业、全球变化生态学等感兴趣的朋友加入！
教育背景
2018.08-2022.06 中山大学，气候变化与环境生态学，博士，导师：袁文平
2014.09-2017.06 中国科学院遥感与数字地球研究所，测绘工程，硕士，导师：张丽
2009.09-2013.06 中国地质大学（北京），地理信息系统，学士
工作经历
2025.09-至今 海南大学生态学院，副研究员
2022.09-2025.09 中山大学大气科学学院，博士后，合作导师：覃章才、袁文平
2023.10-2024.10 法国国家农业食品与环境研究院（INRAE），博士后，合作导师：Jean-Pierre Wigneron
2017.07-2018.07 中国科学院遥感与数字地球研究所，科研助理
主持项目
1. 2025.01-2027.12，国家自然科学基金青年项目（C类），巴西亚马孙地区毁林导致的综合增温效应研究，在研，主持。
2. 2025.12-2031.12，海南大学科研启动经费，森林变化的气候效应，在研，主持。
3. 2024.07-2025.09，博士后科学基金特别资助项目，基于多源遥感数据的中国甘蔗产量估算与预测研究，结题，主持。
4. 2023.12-2025.09，博士后科学基面上项目，基于高分辨率卫星数据的全球甘蔗制图和早期识别，结题，主持。
5. 2023.10-2024.10，广东省青年优秀科研人才国际培养计划博士后项目。
学术论文
1. Zheng Y, dos Santos Luciano AC, Dong J, and Yuan WP*. 2022. High-resolution map of sugarcane cultivation in Brazil using a phenology-based method, Earth System Science Data, 14 (4), 2065–2080.
2. Zheng Y, Li ZT, Pan BH, Lin SR, Dong J, Li XQ, Yuan WP*. 2022. Development of a Phenology-Based Method for Identifying Sugarcane Plantation Areas in China Using High-Resolution Satellite Datasets. Remote Sensing, 14, 1274.
3. Zheng Y, Shen RQ, Wang YW, Li XQ, Liu SG, Chen JM, Ju WM, Zhang L, Yuan WP*. 2020. Improved estimate of global gross primary production for reproducing its long-term variation, 1982–2017. Earth System Science Data, 12 (4), 2725-2746.
4. Zheng Y, Zhang L*, Xiao JF, Yuan WP, Yan M, Li T, Zhang ZQ. 2018. Sources of uncertainty in gross primary productivity simulated by light use efficiency models: Model structure, parameters, input data, and spatial resolution. Agricultural and Forest Meteorology, 263, 242–257.
5. Yuan WP*, Zheng Y, Piao SL, Ciais P, Lombardozzi D, Wang YP, Ryu Y, Chen GX, Dong WJ, Hu ZM, Jain AK, Jiang CY, Kato E, Li SH, Lienert S, Liu SG, Nabel J, Qin ZC, Quine T, Sitch S, Smith WK, Wang F, Wu CY, Xiao ZQ, Yang S. 2019. Increased atmospheric vapor pressure deficit reduces global vegetation growth. Science Advances, 5(8), eaax1396.
6. Pan BH, Zheng Y, Shen RQ, Ye T, Zhao WZ, Dong J, Ma HQ, Yuan WP*. 2021. High resolution distribution dataset of double-season paddy rice in China. Remote Sensing, 13, 4609.
7. Huang XJ, Zheng Y, Zhang H, Lin SR, Liang SL, Li XQ, Ma MG, Yuan WP*. 2020. High spatial resolution vegetation gross primary production product: Algorithm and validation. Science of Remote Sensing, 5, 100049.
8. Li XQ, Peng QY, Zheng Y, Lin SR, He B, Qiu Y, Chen J, Chen Y, and Yuan WP*. 2024. Incorporating environmental variables into spatiotemporal fusion model to reconstruct high-quality vegetation index data, IEEE Transactions on Geoscience and Remote Sensing, 4401812.
9. Huang LX, Yuan WP, Zheng Y, Zhou YL, He MZ, Jin JX, Huang XJ, Chen SY, Liu M, Guan XB, Jiang SZ, Lin XF, Li ZL, Tang RL*. 2024. A dynamic-leaf light use efficiency model for improving gross primary production estimation. Environmental Research Letters, 19, 014066.
10. Lin SR*, Hao DL, Zheng Y, Zhang H, Wang C, Yuan WP. 2022. Multi-site assessment of the potential of fine resolution red-edge vegetation indices for estimating gross primary production. International Journal of Applied Earth Observation and Geoinformation, 113, 102978.
11. Lin SR, Huang XJ, Zheng Y, Zhang X, Yuan WP*. 2022. An Open Data Approach for Estimating Vegetation Gross Primary Production at Fine Spatial Resolution. Remote Sensing, 14, 2651.
12. Zhang L*, Xiao JF, Zheng Y, Li SN, Zhou Y. 2020. Increased carbon uptake and water use efficiency in global semi-arid ecosystems. Environmental Research Letters, 15, 034022.
13. Zhang L*, Xiao JF, Zhou Y, Zheng Y, Li J, Xiao H. 2016. Drought events and their effects on vegetation productivity in China. Ecosphere, 7(12): e01591. 10.1002/ecs2.1591.
专著章节和报告
1. Yuan WP, Zheng Y, Advanced Remote Sensing (2nd Edition), Ch 15: Estimate of vegetation production of terrestrial ecosystem, Elsevier, 2019: 582-620.
2. 袁文平，郑艺，定量遥感（第二版），第15章：陆地生态系统植被生产力的估算，科学出版社，2019：587-623页。
3. 遥感监测2019年度报告《全球森林覆盖状况及变化》专题中（英）文版：编写成员排名5。
4. 遥感监测2019年度报告《全球土地退化态势》专题中（英）文版：编写成员排名6。
数据集
1. Zheng Y, Yuan WP*. 2026. Long-term dynamics of sugarcane plantations in China (2001-2024) at 30 m spatial resolution. Figshare. Dataset, https://doi.org/10.6084/m9.figshare.31696996.v1.
2. Zheng Y, Shen RQ, Wang YW, Li XQ, Liu SG, Chen JM, Ju WM, Zhang L, Yuan WP*. 2019. Improved estimate of global gross primary production for reproducing its long-term variation, 1982-2017. Figshare, Dataset, https://doi.org/10.6084/m9.figshare.8942336.v3.
3. Zheng Y, dos Santos Luciano AC, Dong J, and Yuan WP*. 2021. 30-m sugarcane harvest maps in Brazil. Figshare, Dataset, https://doi.org/10.6084/m9.figshare.14213909.v2.
4. 袁文平，郑艺，全球陆表特征参量产品-年均植被总初级生产力GPP_avhrr (0.05°)，国家地球系统科学数据中心, http://www.geodata.cn/data/datadetails.html?dataguid=6442193&docid=922.
5. 袁文平，郑艺，全球陆表特征参量产品-年均植被生产力 GPP_MODIS (500m)，国家地球系统科学数据中心, http://www.geodata.cn/data/datadetails.html?dataguid=8469617&docid=1112.
