诸云强
诸云强，男（1977-），博士、博士生导师，中国科学院地理科学与资源研究所研究员（三级）、所技术委员会委员，中国科学院现有关键技术人才、中国科学院特聘研究岗位人员。
兼任地理大数据工作委员会副主任、中国测绘学会智能化测绘工作委员会副主任、全国地理信息标准化技术委员会委员、中国地理学会团体标准工作组组长、中国地理信息产业协会地理信息安全技术工作委员会委员、中国环境科学学会环境信息化分会常委委员，自然资源部地质信息工程技术创新中心技术委员会委员、中国地质调查局地质知识智慧服务技术创新中心技术委员会委员、重庆市地理信息系统应用研究重点实验室学术委员会委员，中国科协联合国咨商信息与通信技术专委会（CAST-CCIT）委员、国际科学技术数据委员会优质地理产品生境保护与可持续发展任务组（CODATA Task Group on GIES）成员，全球变化科学数据出版系统副主编等。
长期从事地球系统科学数据共享、地理空间数据本体、时空知识图谱与知识服务等研究。主持国家重点研发计划项目、科技基础性工作专项项目、国家高新技术研究计划（863）课题，国家自然科学基金面上项目、国家自然科学基金重点/原创探索项目课题，中国科学院对外合作重点项目、中国科学院大数据+人工智能应用示范项目、中国科学院战略性先导专项课题等多项国家、省部级科研项目，项目总经费5000多万元。
出版专著8部、发表论文180多篇，取得国家发明专利9项，参与编制并发布国家标准5项，主持编制行业标准4项，3份咨询建议报告被采纳。获得国家科技进步二等奖1项（2014，排名第2）、河南省科技进步一等奖1项（2013，排名第2）、地理信息科技进步奖特等奖1项（2022，排名第3）和一等奖2项（2015，2023，分别排名，排名第10、6）、联合国信息社会世界峰会奖2项（2018，2022）、中国自然资源学会青年科技奖（2013）等，荣获高校GIS创新人物（2023）、最美地理科技工作者（2023）、国家精准扶贫工作成效第三方评估优秀个人等称号。
近五年，主持的主要科研项目：
1. 国家重点研发计划项目（2022YFB3904200）：群智协同时空知识图谱与知识服务，2022年12月-2025年11月
2. 中国科学院战略性先导专项（A类）课题（XDA23100100）：生态文明建设原真地理特征调查与区划，2019年1月-2023年12月
3. 中国科学院大数据+人工智能应用示范项目（CAS-WX2021SF-0106）：基于大数据和人工智能的青藏高原东缘地形急变带山地灾害风险预警平台建设与应用示范，2022年1月-2023年12月
4. 国家自然科学基金原创探索计划课题（42050101）：全域地学知识图谱表达模型及计算方法研究， 2021年1月至2023年12月
5. 国家自然科学基金重点项目课题（41631177）：基于语义关联模型的异构语义网对齐方法研究，2017年1月-2021年12月
6. 国家自然科学基金面上项目（41771430）：基于本体的地理空间模型自动数据匹配方法研究， 2018年1月-2021年12月
近五年，发表主要论文：
[1] ZHU Yunqiang, WANG Qiang, WANG Shu et al. Methodology, progress and challenges of geoscience knowledge graph in International Big Science Program of Deep-Time Digital Earth. J. Geogr. Sci. 2025, 35(5): 1132-1156
[2] 诸云强, 孙凯, 王曙等. 顾及复杂时空特征及关系的地球科学知识图谱自适应表达模型. 中国科学: 地球科学. 2023, 53(11): 2609–2622
[3] Yanmin Qi，Yunqiang Zhu（通讯）, Shu Wang et al. Linking geo-models for geomorphological classification using knowledge graphs. Computers & Geosciences.196 (2025) 105873
[4] Shu Wang, Peiyuan Qiu, Yunqiang Zhu(通讯) et al. Review, framework, and future perspectives of Geographic Knowledge Graph (GeoKG) quality assessment. Geo-spatial Information Science.2024.DOI: 10.1080/10095020.2024.2403785
[5] Lei Hu, Wenwen Li, Jun Xu & Yunqiang Zhu. GeoEntity type constrained knowledge graph embedding for predicting natural-language spatial relations. International Journal of Geographical Information Science. 2024. DOI: 10.1080/13658816.2024.2412731
[6] Jiaqi Yang, Jun Xu, Yunqiang Zhu et al. GeomorPM: a geomorphic pretrained model integrating convolution and Transformer architectures based on DEM data. International Journal of Geographical Information Science. 2024. DOI: 10.1080/13658816.2024.2414409
[7] Weirong Li, Kai Sun, Yunqiang Zhu（通讯） et al. GeoTPE: A neural network model for geographical topic phrases extraction from literature based on BERT enhanced with relative position embedding. Expert Systems With Applications. 235 (2024) 121077
[8] Weirong Li, Kai Sun, Shu Wang, Yunqiang Zhu et al. DePNR: A DeBERTa- based deep learning model with complete position embedding for place name recognition from geographical literature. Transactions in GIS. 2024,28:993–1020.
[9] Kai Sun, Yingjie Hu, Yue Ma, Ryan Zhenqi Zhou, Yunqiang Zhu(通讯). Conflating point of interest (POI) data: A systematic review of matching methods. Computers, Environment and Urban Systems.103 (2023) 101977
[10] Dai, X.; Zhu, Y.; Sun, K. et al. Examining the Spatially Varying Relationships between Landslide Susceptibility and Conditioning Factors Using a Geographical Random Forest Approach: A Case Study in Liangshan, China. Remote Sens. 2023, 5, 1513
[11] Jiaqi Yang, Jun Xu, Yunshuo Lv, Chenghu Zhou, Yunqiang Zhu, Weiming Cheng. Deep learning-based automated terrain classification using high-resolution DEM data. International Journal of Applied Earth Observation and Geoinformation.118 (2023) 103249
[12] Qinjun Qiu, Zhong Xie, Shu Wang, Yunqiang Zhu, Hairong Lv, Kai Sun. ChineseTR: A weakly supervised toponym recognition architecture based on automatic training data generator and deep neural network. Transactions in GIS. 2022，26:1256–1279
[13] Wang, X.; Zhu, Y.（通讯）; Zeng, H. et al. Spatialized Analysis of Air Pollution Complaints in Beijing Using the BERT+CRFModel. Atmosphere. 2022, 13, 1023
[14] Wang, S.; Yan, X.; Zhu, Y.（通讯）et al. New Era for Geo-Parsing to Obtain Actual Locations: A Novel Toponym Correction Method Based on Remote Sensing Images. Remote Sens. 2022, 14, 4725.
[15] ShuWang,YunqiangZhu（通讯）, Lang Qian et al. Anovel rapid web investigation method for ecological agriculture patterns in China. Science of the Total Environment. 842 (2022) 156653
[16] Cheng, Q.; Zhu, Y.(通讯); Song, J. et al. Bert-Based Latent Semantic Analysis (Bert-LSA): A Case Study on Geospatial Data Technology and Application Trend Analysis. Appl. Sci. 2021, 11, 11897
[17] Cheng, Q.; Zhu, Y.(通讯); Zeng, H. et al. A Method for Identifying Geospatial Data Sharing Websites by Combining Multi-Source Semantic Information and Machine Learning. Appl. Sci. 2021, 11, 8705.
[18] Shu Wang, Lang Qian, Yunqiang Zhu et al. A web text mining approach for the evaluation of regional characteristics at the town level. Transactions in GIS. 2021;00:1–30
[19] Kai Sun , Yingjie Hu , Jia Song & Yunqiang Zhu (通讯). Aligning geographic entities from historical maps for building knowledge graphs. International Journal of Geographical Information Science. DOI: 10.1080/13658816.2020.1845702
[20] Jinqu Zhang , Yu Ling , A-Xing Zhu , Hongyun Zeng , Jia Song , Yunqiang Zhu(通讯) & Lang Qian. Incorporation of spatial anisotropy in urban expansion modelling with cellular automata, International Journal of Geographical Information Science. DOI: 10.1080/13658816.2020.1852475