職稱：教授，博士生、碩士生導(dǎo)師

郵箱：guoqiang.tang@whu.edu.cn

個人網(wǎng)站：https://www.researchgate.net/profile/Guoqiang-Tang

招收博士和碩士研究生，歡迎博士后合作。

研究領(lǐng)域及招生方向：

長期從事水文氣象、衛(wèi)星降水、水文和陸面模型、人工智能、集合氣象數(shù)據(jù)等領(lǐng)域的研究，在國際權(quán)威期刊發(fā)表SCI論文70余篇，獲5000余次引用，擔(dān)任中國科學(xué)院1區(qū)TOP期刊Journal of Hydrology副主編，入選國家級高層次青年人才。

招收水文水資源、人工智能、遙感和地球科學(xué)等領(lǐng)域的博士和碩士研究生，招聘博士后，歡迎有志者咨詢和加盟。

教育背景：

2010.09-2014.07 清華大學(xué) 水利水電工程系，本科

2014.09-2019.07 清華大學(xué) 水利水電工程系，博士

工作經(jīng)歷：

2019.09-2022.10 加拿大薩斯喀徹溫大學(xué) 全球水安全研究所，博士后

2022.10-2023.02 美國國家大氣研究中心 陸面科學(xué)部，博士后

2023.02-2025.01 美國國家大氣研究中心 陸面科學(xué)部，項目科學(xué)家

2025.02-至今 武漢大學(xué) 水利水電學(xué)院，教授

代表性科研項目：

（1） 國家自然科學(xué)基金優(yōu)秀青年科學(xué)基金（海外），2025-2028，主持

（2） 湖北省拔尖創(chuàng)新人才項目，2025，主持

（3） 美國國家海洋和大氣管理局（NOAA），美國新一代多概率格點降水?dāng)?shù)據(jù)集及綜合降水事件數(shù)據(jù)庫，2023.05-2026.12，374萬，Co-I

（4） 美國陸軍工程兵團（USACE），氣候預(yù)測中的水文不確定性約束，2022.05-2025.04，391萬，參與

（5） 加拿大第一研究卓越基金（CFREF），全球水未來項目，2015.01-2018.12，4.1億，參與

（6） 國家自然科學(xué)基金重點項目，青藏高原地-空多源降水和總儲水量反演同化及其在區(qū)域水循環(huán)研究中的應(yīng)用，2015.01-2018.12，400萬，參與

（7） 國家自然科學(xué)基金國際合作項目，極端氣候下中國水資源對糧食安全影響的風(fēng)險評估和彈性對策研究，2015.01-2019.12，220萬，參與

學(xué)術(shù)兼職：

Journal of Hydrology（中國科學(xué)院1區(qū)TOP）副主編

Frontiers in Water副主編

Water Resources Research、Journal of Geophysical Research: Atmospheres、Earth and Space Science等期刊客座編輯

美國大氣和海洋管理局（NOAA）COM降水工作組共同負責(zé)人

美國地球物理聯(lián)合會（AGU）分會召集人（2020-2024）

Nature Water等期刊審稿人（100余次）

美國國家科學(xué)基金會（NSF）評審人

獎勵與榮譽：

全球前2%頂尖科學(xué)家（生涯影響力榜單），2025-至今

全球前2%頂尖科學(xué)家（年度影響力榜單），2022-至今

《遙感技術(shù)與應(yīng)用》創(chuàng)刊40周年40篇最佳論文，2025

國家級高層次青年人才，2024

Water Resources Research Editor’s Highlight，2023

北京市優(yōu)秀畢業(yè)生，2019

清華大學(xué)優(yōu)秀博士畢業(yè)生、清華大學(xué)優(yōu)秀博士論文，2019

清華大學(xué)一二·九獎學(xué)金，2018

研究生國家獎學(xué)金，2015、2016、2017、2018

代表性學(xué)術(shù)成果：

已發(fā)表約80篇SCI論文（36篇一作/通訊）、7篇中文論文、5部專著章節(jié)，被引5000余次。

1. Tang, G.*, Clark, M. P., Knoben, W. J., Liu, H., Gharari, S., Arnal, L., ... & Papalexiou, S. M. (2025). Uncertainty hotspots in global hydrologic modeling: the impact of precipitation and temperature forcings. Bulletin of the American Meteorological Society, 106(1), E146-E166.

2. Tang, G.*, Wood, A. W., Newman, A. J., Clark, M. P., and Papalexiou, S. M. (2024). GPEP v1.0: a Geospatial Probabilistic Estimation Package to support Earth Science applications, Geoscientific Model Development, 17(3), 1153-1173.

3. Tang, G.*, Clark, M. P., Knoben, W. J., Liu, H., Gharari, S., Arnal, L., ... & Papalexiou, S. M. (2023). The impact of meteorological forcing uncertainty on hydrological modeling: A global analysis of cryosphere basins. Water Resources Research, e2022WR033767.

4. Tang, G.*, Clark, M. P., & Papalexiou, S. M. (2022). EM-Earth: The Ensemble Meteorological Dataset for Planet Earth. Bulletin of the American Meteorological Society, 103(4), E996-E1018.

5. Tang, G.*, Clark, M. P., Papalexiou, S. M., Newman, A. J., Wood, A. W., Brunet, D., & Whitfield, P. H. (2021). EMDNA: an Ensemble Meteorological Dataset for North America. Earth System Science Data, 13(7), 3337-3362.

6. Tang, G.*, Clark, M. P., & Papalexiou, S. M. (2021). SC-Earth: A Station-Based Serially Complete Earth Dataset from 1950 to 2019. Journal of Climate, 34(16), 6493-6511.

7. Tang, G.*, Clark, M. P., Newman, A. J., Wood, A. W., Papalexiou, S. M., Vionnet, V., & Whitfield, P. H. (2020). SCDNA: a serially complete precipitation and temperature dataset for North America from 1979 to 2018. Earth System Science Data. 12(4), 2381-2409.

8. Tang, G.*, Clark, M. P., Papalexiou, S. M., Ma, Z., & Hong, Y. (2020). Have satellite precipitation products improved over last two decades? A comprehensive comparison of GPM IMERG with nine satellite and reanalysis datasets. Remote Sensing of Environment, 240, 111697.

9. Tang, G.* (2020). Characterization of the Systematic and Random Errors in Satellite Precipitation Using the Multiplicative Error Model. IEEE Transactions on Geoscience and Remote Sensing, 59(7), 5407-5416.

10. Tang, G., Long, D., Hong, Y., Gao, J., and Wan, W. (2018), Documentation of multifactorial relationships between precipitation and topography of the Tibetan Plateau using spaceborne precipitation radars, Remote Sensing of Environment, 208, 82-96.

11. Tang, G., Behrangi, A., Long, D., Li, C., Hong, Y. (2018), Exploring deep neural networks to retrieve rain and snow in high latitudes using multi-sensor and reanalysis data. Water Resources Research, 2018, 54(10): 8253-8278.

12. Tang, G., Behrangi, A., Long, D., Li, C., and Hong, Y. (2018), Accounting for spatiotemporal errors of gauges: A critical step to evaluate gridded precipitation products, Journal of Hydrology, 559, 294-306.

13. Tang, G., Wen, Y., Gao, J., Long, D., Ma, Y., Wan, W., and Hong, Y. (2017), Similarities and differences between three coexisting spaceborne radars in global rainfall and snowfall estimation, Water Resources Research, 53(5), 3835-3853.

14. Tang, G., Ma, Y., Long, D., Zhong, L., and Hong, Y. (2016), Evaluation of GPM Day-1 IMERG and TMPA Version-7 legacy products over Mainland China at multiple spatiotemporal scales, Journal of Hydrology, 533, 152-167.

15. Xu, Y., Tang, G.*, Li, L., & Wan, W. (2024). Multi-source precipitation estimation using machine learning: Clarification and benchmarking. Journal of Hydrology, 635, 131195.

16. Wang, T., Li, Z., Ma, Z., Gao, Z. and Tang, G.*, 2023. Diverging identifications of extreme precipitation events from satellite observations and reanalysis products: A global perspective based on an object-tracking method. Remote Sensing of Environment, 288, p.113490.

17. Wang, C., Tang, G.*, Xiong, W., Ma, Z., Zhu, S. Infrared Precipitation Estimation using Convolutional neural network for FengYun satellites. (2021) Journal of Hydrology. 603, 127113.

18. Wang, C., Tang, G.*, & Gentine, P. PrecipGAN: Merging Microwave and Infrared Data for Satellite Precipitation Estimation using Generative Adversarial Network. Geophysical Research Letters, 2021, e2020GL092032.

19. Lu, X., Tang, G.*, Liu, X., Wang, X., Liu, Y., & Wei, M. (2021). The potential and uncertainty of triple collocation in assessing satellite precipitation products in Central Asia. Atmospheric Research, 252, 105452.

20. Wang, T., & Tang, G.* (2020). Spatial Variability and Linkage Between Extreme Convections and Extreme Precipitation Revealed by 22‐Year Space‐Borne Precipitation Radar Data. Geophysical Research Letters, 47(12), e2020GL088437.

21. Lyu, F., Tang, G.*, Behrangi, A., Wang, T., Tan, X., Ma, Z., & Xiong, W. (2020). Precipitation Merging Based on the Triple Collocation Method Across Mainland China. IEEE Transactions on Geoscience and Remote Sensing. 59(4), 3161-3176.

22. Wang, C., Xu, J., Tang, G.*, Yang, Y., & Hong, Y. (2020). Infrared Precipitation Estimation Using Convolutional Neural Network. IEEE Transactions on Geoscience and Remote Sensing. 58(12), 8612-8625.

23. Lu, X., Tang, G.*, Wang, X., Liu, Y., Wei, M., & Zhang, Y. (2020). The Development of a Two-Step Merging and Downscaling Method for Satellite Precipitation Products. Remote Sensing, 12(3), 398.

24. Lu, X., Tang, G.*, Wang, X., Liu, Y., Jia, L., Xie, G., ... & Zhang, Y. (2019). Correcting GPM IMERG precipitation data over the Tianshan Mountains in China. Journal of Hydrology, 575, 1239-1252.

25. Li, C., Tang, G.^*, and Hong, Y.^* (2018), Cross-evaluation of ground-based, multi-satellite and reanalysis precipitation products: Applicability of the Triple Collocation method across Mainland China, Journal of Hydrology, 562, 71-83.