簡曆：

尚成，男，漢族，1991年4月生，湖北武漢人，中共黨員，博士，講師，碩士生導師。主要從事基于人工智能和深度學習的遙感影像降尺度分析及在地質學、資源與環境領域的應用研究工作。聚集生成對抗網絡(Generative Adversarial Network, GAN)等深度學習技術，深入探索其在遙感影像精細化處理等基礎性機理及資源勘探、環境監測、油藏描述等領域的應用潛力。現任永利6774app手机版官网地球信息科學與技術系副主任，擔任湖北省自然資源學會會員、SCI期刊Journal of Supercomputing審稿人。發表國際高水平SCI學術論文10餘篇，授權國内發明專利2項，主持湖北省自然科學基金1項。指導研究生5名，協助指導研究生3名，指導大學生創新創業大賽國家級項目資助1項，院級項目3項。

研究方向：

主要從事地球信息科學方面的研究與教學工作，具體方向包括人工智能及深度學習技術在地球科學、遙感科學、地質學、資源與環境等領域的方法及其應用，重點研究方向包括基于GAN的遙感數據時空降尺度研究、基于GAN的江漢平原四湖流域精細化水體和植被制圖應用、基于GAN的數字油田（如産量劈分和地震屬性分析等）研究等。

工作及教育經曆：

2010年09月-2014年06月，本科畢業于中國地質大學(武漢)資源學院，土地資源管理專業，獲工學學士學位；

2014年09月-2015年06月，中國科學院測量與地球物理研究所，助研，導師杜耘(研究員)/淩峰(研究員)

2015年09月-2021年06月，碩博連讀畢業于中國科學院大學/中國科學院精密測量科學與技術創新研究院(原中國科學院測量與地球物理研究所)，自然地理學專業，獲理學博士學位，導師為杜耘(研究員)/淩峰(研究員)。

2021年09月-至今，入職永利6774app手机版官网，講師，曾任永利6774app手机版官网科研助理(2023年3月至2024年12月)，現任地球信息科學與技術系副主任。

學術兼職：

湖北省自然資源學會會員。

主講課程：

《C語言程序設計》、《Python語言程序設計》、《遙感技術與應用》、《遙感數字圖像處理》、《地球空間數據分析》、《遙感地學分析》。

近五年承擔科研項目情況：

湖北省自然科學基金項目：基于亞像元地物豐度和生成對抗網絡的遙感影像時空反射率融合研究, 2023-2024；

湖北省自然科學基金創新群體項目：長江中遊流域生态環境遙感監測與評估，2019-2021；

中國科學院先導A(泛第三極環境變化與綠色絲綢之路建設專題)：關鍵節點區域環境問題本底精細尺度解析，2018-2022。

獲獎情況：

2021年中國科學院優秀博士論文：《基于生成對抗網絡的遙感影像降尺度研究》，導師杜耘(研究員)/淩峰(研究員)。

受邀作SENTECH 2023國際會議(Global Summit on Sensors and Sensing Technology，傳感器和傳感技術全球峰會，意大利，羅馬，2023年11月16-18日)大會特邀報告。

論文：（*為通訊作者）

1. Cheng Shang*, Feng Ling, Xiaodong Li, et al., Spatiotemporal reflectance fusion using generative adversarial network[J], IEEE Transactions on Geoscience and Remote Sensing, 2021, 60(5400915): 1-15；

2. Cheng Shang*, Feng Ling, Xiaodong Li, et al., Superresolution land cover mapping using a generative adversarial network[J], IEEE Geoscience and Remote Sensing Letters, 2022, 19(6000105): 1-5；

3. Cheng Shang*,Shan Jiang,Feng Ling, et al., Spectral–spatial generative adversarial network for super-resolution land cover mapping with multispectral remotely sensed imagery[J], IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2022, 16: 522-537；

4. Feng Ling, Doreen Boyd, Cheng Shang*, et al., Measuring river wetted width from remotely sensed imagery at the subpixel scale with a deep convolutional neural network, Water Resources Research, 2019, 55(7): 5631-5649.

5. Zhixiang Yin, Xiaodong Li, Cheng Shang*, et al., Estimating subpixel turbulent heat flux over lLeads from MODIS thermal infrared imagery with deep learning, Cryosphere, 2021, 15(6): 2835-2856.