全兴文，博士，副教授，电子科技大学资源与环境学院定量遥感团队（导师：何彬彬 教授）。长期从事可燃物关键参数遥感反演及森林火险智能感知与预警；相关研究成果列入科技部国家遥感中心《全球生态环境遥感监测2019年度报告》课题，并服务于四川省森林草原防灭火专项治理工作。

研究方向

• 可燃物关键参数（可燃物含水率、可燃物载量）遥感全波段反演

• 森林火灾驱动机制分析

• 多模态融合的森林火灾风险智能预警

奖励/兼职

• 《Big Earth Data》Topic Editor

• 《森林防火》编委

• 《GIScience & Remote Sensing》编委

• 《Remote Sensing》编委

• 国际野火协会Membership Committee委员

• 第五届全国“互联网+”大学生创新创业大赛四川金奖、国家银奖指导教师

• 参讲国家级一流课程2门，四川省一流课程2门

• “李小文遥感科学青年奖”

• 2014-2016年电子科技大学优秀共产党员

• 担任NG, NC, RSE, IJWF等期刊野火预警防控方向审稿人

主要项目

• 全天候全天时植被冠层可燃物含水率反演方法研究，国家自然科学基金面上项目，2016.01-2029.12，主持（排名1）

• 川西干热河谷冠层可燃物含水率遥感反演方法研究，四川省自然科学基金面上项目，2025-01 至 2026-12，主持（排名1）

• 高强度森林火灾大尺度蔓延预测技术与系统，国家重点研发项目，2022.11-2025.10，子课题负责人（排名1）

• 川西森林冠层可燃物含水率遥感反演中的不确定性研究，四川省自然科学基金面上项目，2022-01 至 2023-12，主持（排名1）

• 川西地区森林野火风险预警遥感理论与方法，国家自然科学基金区域创新发展联合基金重点，2021.01-2024.12，参与（排名2）

• 森林火灾预警监测关键技术及应用示范，四川省重点研发计划，2020.01-2021.12，参与（排名2）

• 基于新一代静止气象卫星数据的植被冠层可燃物含水率反演方法，国家自然科学基金青年项目，2019.01-2021.12，主持（排名1）

• 药肥精准施用跨境跨区域大数据平台，国家重点研发计划课题，2018.06-2020.12，参与（排名2）

• 西昌输电线路区域山火风险遥感评估，横向项目，2018.01-2019.12，主持（排名1）

• 全球生态环境遥感监测2019年度报告第一标段“全球森林覆盖状况及变化”专题报告，国家遥感中心，2018.12-2019.12，参与（排名2）

数据共享

全球冠层可燃物含水率产品（CFMC/LFMC）：CFMC/LFMC是野火风险预警防控中的关键参数。该数据集是全球首套冠层含水率遥感产品，时间分辨率8天，空间分辨率500米，时间跨度2001-2018.

• 下载地址（需VPN）: https://zenodo.org/records/7690340#.ZAAt0T1Bybg

• 参考文献：Xingwen, Quan, Marta Yebra*, David Riaño, Binbin He*, Gengke Lai, Xiangzhuo Liu. Global fuel moisture content mapping from MODIS[J], International Journal of Applied Earth Observation and Geoinformation,2021,101:102354.
  

研究方向5篇代表性论文

方向一：可燃物关键参数（可燃物含水率、可燃物载量）遥感全波段反演

1. Qinglong Jia, Xingwen Quan*, Víctor Resco de Dios, Marta Yebra, Binbin He, Xing Li, Zhanmang Liao, Rodrigo Balaguer-Romano, Miquel De Cáceres. Enhancing two-week live fuel moisture content forecasts through biophysical modelling and remote sensing data assimilation. Remote Sensing of Environment, 2026,335.

2. Xingwen Quan*, Rui Chen, Marta Yebra, David Riaño, Víctor Resco de Dios, Xing Li, Binbin He. Sub-Daily Live Fuel Moisture Content Estimation from Himawari-8 Data[J]. Remote Sensing of Environment, 2024, 308.

3. Xingwen Quan, Marta Yebra*, David Riaño, Binbin He*, Gengke Lai, Xiangzhuo Liu. Global fuel moisture content mapping from MODIS[J], International Journal of Applied Earth Observation and Geoinformation, 2021, 101:102354.

4. Xingwen Quan, Binbin He*, Marta Yebra, Changming Yin, Zhanmang Liao, Xueting Zhang, Xing Li. A radiative transfer model-based method for the estimation of grassland aboveground biomass[J]. International Journal of Applied Earth Observation and Geoinformation, 2017, 54: 159-168.

5. Xingwen Quan, Binbin He*, Xing Li. A Bayesian Network-Based Method to Alleviate the Ill-Posed Inverse Problem: A Case Study on Leaf Area Index and Canopy Water Content Retrieval[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(12): 6507-6517.

方向二：森林火灾驱动机制分析

1. 焦淼, 全兴文*, 何彬彬, 姚劲松 (2024). 2001年—2021年四川省森林草原火灾时空特征遥感分析. 遥感学报, 28, 2984-3001.

2. Miao Jiao, Xingwen Quan*, Jingsong Yao, Wenli Wang.  How Does the Management Paradigm Contain Wildfire Over Southwest China? Evidence From Remote Sensing Observation[J]. IEEE Geoscience and Remote Sensing Letters, 2023, 20, 1-5. 

3. Zhenyu Kang, Xingwen Quan*, Gengke Lai. Assessing the Effects of Fuel Moisture Content on the 2018 Megafires in California[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2023, 16: 868-877.  

4. Miao Jiao, Xingwen Quan*,  Jingsong Yao. Evaluation of Four Satellite-Derived Fire Products in the Fire-Prone, Cloudy, and Mountainous Area Over Subtropical China[J]. IEEE Geoscience and Remote Sensing Letters, 2022, 19: 1-5.

5. Kaiwei Luo, Xingwen Quan*, Binbin He, Marta Yebra. Effects of Live Fuel Moisture Content on Wildfire Occurrence in Fire-Prone Regions over Southwest China[J]. Forests, 2019, 10(10).

方向三：多模态融合的森林火灾风险智能预警

1. Xingwen Quan*, Wenli Wang, Qian Xie, Binbin He, Víctor Resco de Dios, Marta Yebra, Miao Jiao, and Rui Chen. Improving Wildfire Occurrence Modelling by Integrating Time-Series Features of Weather and Fuel Moisture Content[J]. Environmental Modelling & Software, 2023, 170. 

2. Xingwen Quan*, Miao Jiao, Zhili He, Abolfazl Jaafari, Qian Xie, Xiaoying Lai.  Effects of different sampling strategies for unburned label selection in machine learning modelling of wildfire occurrence probability[J]. International Journal of Wildland Fire, 2023. 

3. Xingwen Quan, Qian Xie, Binbin He*, Kaiwei Luo, Xiangzhuo Liu. Integrating remotely sensed fuel variables into wildfire danger assessment for China[J], International Journal of Wildland Fire,2021, 30: 807-821.

4. Changming, Yin, Binbin He*, Marta Yebra, Xingwen Quan*, Andrew C. Edwards, Xiangzhuo Liu, Zhanmang Liao. Improving burn severity retrieval by integrating tree canopy cover into radiative transfer model simulation[J]. Remote Sensing of Environment,2020,236: 111454.

5. Marta, Yebra*, Xingwen Quan, David Riano, Pablo Rozas Larraondo, Albert I. J. M. van Dijk, Geoffrey J. Cary. A fuel moisture content and flammability monitoring methodology for continental Australia based on optical remote sensing[J]. Remote Sensing of Environment,2018,212: 260-272.

著作

1. Xingwen Quan*, Binbin He, Abolfazl Jaafari, Zhanmang Liao, Xiangzhuo Liu, Chao Yue, and Rui Chen. Chapter: (Chapter) An Overview of Remotely Sensed Fuel Variables for the Prediction of Wildfires[B]. In Remote Sensing of Soil and Land Surface Processes, edited by Assefa M. Melesse, Omid Rahmati, Khabat Khosravi and George P. Petropoulos, 407-17: Elsevier, 2024.

2. 何彬彬,全兴文,王龙,文崇波,骆开苇,刘向茁. 森林草原野火风险预警监测方法及应用[M]. 北京:科学出版社,2022.

3. 何彬彬,全兴文,白晓静. 遥感模型弱敏感参数反演方法[M].北京:科学出版社,2018.
   

4. 何彬彬,行敏锋,全兴文.草原生态环境要素遥感定量反演及应用系统[M].北京:科学出版社, 2016.

全部论著见以下网站

• Researcgate

• Google学术

学生培养去向

• 国内外名校继续深造：电子科技大学、南京大学、加拿大阿尔伯塔大学、法国农业科学研究院等

• 企事业单位就就业：航天科工、中电集团、阿里巴巴、华为、招商银行等

• 欢迎同学们报考。

2015.9 -- 2016.9
澳大利亚国立大学

2024.7 -- 2025.3

西悉尼大学      Hawkesbury Institute for the Environment      访问学者

邮编 : a9412bf69abfc472495a4ed24edc108d58e972fd8f8a2dcd9c2aa3aa7fc48956b67708ca7c3c2570706fc756b53b892af0c70263697111927a5de379973b1534a1c933ffebb519c1c7999cd2d24c387bd80f8078853c39997b76b1dcccdf34a9331d0c97bf2083179f134c9ad7a1eac4bb6626df5494d7ed305b3292b672f55e

邮箱 : 05d3bec433c4343232e21ef1ddcbde07072a37bc252a911658b825f7d0ba7e60f6f490a0a833cec14e678589ac56d62e67e694718d6bfa95562d2ac74f5af96621fe4671bb5bc8b9843a70fec8291cd317007a69c5106de855b5f990b5161d324ae1ed0342c10688affc2f0f70ea0886576ee070b030ce71a4a3803d92799c5a