全兴文 (副教授)

副教授 硕士生导师

主要任职：Dr.

性别：男

学历：博士研究生毕业

学位：工学博士学位

入职时间：2017-07-14

学科：测绘科学与技术

联系方式：

电子邮箱：

    同专业硕导
  • 其他栏目

个人简介

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），长期从事森林火险遥感预警研究，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：森林火险遥感预警

  • 可燃物关键参数（可燃物含水率、可燃物载量）多模态遥感反演

  • 可燃物与森林火灾互馈机制研究

  • 多模态数据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

  • 参与建设国家级一流课程2门，四川省一流课程4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，2026-2029，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 - 2026，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，2022-2025，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 -2023，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，2021-2024，参与（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，2020-2021，参与（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，2019-2021，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，2018-2020，参与（排名2）

  • 西昌输电线路区域山火风险遥感评估，横向项目，2018-2019，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，2018-2019，参与（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.

研究方向（森林火险遥感预警）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）多模态遥感反演

  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：可燃物与森林火灾互馈机制研究

  1. Xingwen Quan*, Matthias M. Boer, Rachael H. Nolan, Binbin He*, Eil Bendall, Rebecca Gibson, Angus J. Carnegie, Brendan Choat. Quantifying the 2023 sudden forest canopy dieback event in southeastern Australia using ground-based surveys and Sentinel-2-derived live fuel moisture content[J]. Agricultural and Forest Meteorology, 2026, 387: 111290.

  2. 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.

  3. 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. 

  4. 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.  

  5. 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.

方向三：多模态数据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

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。

教育经历

  2015.9-2016.9

澳大利亚国立大学

工作经历

  2024.7-2025.3

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

其他联系方式

  • [1]  邮编：

  • [2]  传真：

  • [3]  通讯/办公地址：

  • [4]  办公室电话：

  • [5]  移动电话：

  • [6]  邮箱：

    • 团队成员

    电子科技大学定量遥感团队