基本介紹
- 中文名:巨觀農業研究院
- 外文名:Macro Agricculture Research Institute
- 簡稱:MARI
- 辦學性質:中外合辦
- 學校類別:農業類
- 地址:湖北省武漢市洪山區獅子山街1號
- 隸屬於:華中農業大學
研究領域,研究手段,數據,模型,科研團隊,空間分析研究團隊,農業土地覆蓋分類與變化研究團隊,農業系統建模研究團隊,作物低空遙感研究團隊,
研究領域
巨觀農業研究院以問題為導向,融合不同學科的研究範式和研究方法,圍繞六個領域展開研究:
- 農業大數據與智慧農業
- 糧食安全與農業系統穩定性
- 土地利用與土地覆蓋變遷
- 農業生態產品與服務供給
- 農村經濟社會發展與鄉村振興
- “一帶一路”倡議與農業國際合作
研究手段
數據
衛星遙感、無人機、以及智慧型手機等通訊技術的進步,極大地拓展了農業活動在空間維度的探索領域,同時顯著地提升了人類在獲取、管理及共享地理數據方面的能力。網際網路、物聯網和遙感網三網融合的農作物智慧型感知和信息採集技術難題,實現地塊尺度農田環境、農作物和農戶生產管理等空間大數據獲取。研發基於深度學習等人工智慧的遙感大數據挖掘技術,實現我國主要農作物長時間序列、高精度“農作物一張圖”研製,形成支撐我國智慧農業和數字農業發展的基礎數據產品。通過空間位置信息,實現對空間大數據與包括經濟社會統計數據與農戶調研數據的經濟社會大數據的整合,將有力支撐農業系統的經濟社會維度和生態環境維度的統籌分析。
模型
信息和通訊技術在農業生產經營行為的廣泛運用以及信息和數據對農戶決策前所未有的作用呼籲能夠反映這些特徵的模型,與此同時,研究者對農業模型的可重複使用性和與現有模型的兼容性提出更大要求。“模型”主題支持和推動具有以下特徵的模型和建模行為。
- 在模型中體現利益相關者(一般主要為小農戶和農業企業)的信息需求;
- 將農業系統視為一個多投入(multi-input)與多產出(multi-output)的系統,即同時考慮其運行的生物-物理和社會-經濟背景和包含經濟和環境產出;
- 實施模組化設計,即使得各個功能組成部分可以重複使用且容易擴展到更大尺度。
科研團隊
空間分析研究團隊
空間分析研究中心下設空間經濟實驗室,致力於運用空間數據和空間分析工具來解決農業和農村可持續發展問題。本中心關注的研究問題主要為:深入理解基於農業經濟成長模式的空間特性如何幫助我們設計、制定更有效消除飢餓和減少貧困的農業干預措施和政策以及如何評價其影響程度。研究主題:
- 農業生產及其生產率的空間分布格局,以及生產率變化的驅動力研究。
- 農業生產、生產率及其與農業生態系統之間的聯繫。
- 農業生產效率與市場發展和參與之間的聯繫。
- 人類福利和脆弱性研究
農業土地覆蓋分類與變化研究團隊
農業土地覆蓋分類與變化研究團隊致力於採用遙感技術、地理信息系統、空間數據挖掘等多種信息技術手段研究農業土地覆蓋分類方法與變化機理問題。本中心重點研究目標為:研究農業土地遙感製圖算法、解析農業土地時空變化機理及其對糧食安全與生態安全影響機制。研究主題:
- 地理大數據挖掘與分析方法;
- 農業土地(耕地、農作物、地塊大小)遙感製圖方法;
- 農業種植模式(複種、輪作、間作)遙感監測方法;
- 農作物種植結構時空變化;
- 農業土地變化對糧食安全與生態安全影響機制;
農業系統建模研究團隊
農業系統是一個人類-自然耦合的複雜系統,本團隊整合計算機仿真模型、一般均衡模型、作物生長模型等方法,對農業系統中經濟社會子系統和生態環境子系統各自內部及其相互之間各層次之間的關聯與互動進行建模,並將計量經濟學模型的估計結果和遙感技術獲取的數據用於校準(calibrate)和檢驗(validate)模型。這項工作將有助於提升對農業系統的系統性、整體性的認識,幫助人們理解農業生產經營行為對生態環境的影響,從而為制定兼顧經濟效應和環境效應的政策提供支持。研究主題:
- 基於主體建模(Agent-based Modeling);
- 農村經濟社會網路分析;
- 農戶網路的空間計量分析;
- 農戶行為模型與農業局部均衡模型融;
- 作物生產模型與農業生產函式對比研究。
作物低空遙感研究團隊
作物低空遙感研究團隊致力於大田作物農藝性狀高通量高精度快速獲取與分析方法研究,涉及相關感測器、軟硬體平台設計與實現、作物海量多源表型數據分析方法研究。團隊主要與栽培、育種和農工科研團隊合作,在大田環境下提供高通量作物表型數據獲取方案,提高相關領域獲取數據的效率和準確性,此外也為相關農業服務單位提供輕簡化的大田作物長勢無人機觀測平台和套用方案。科研主題:
- 無人機成像平台研發:輕簡化作物長勢無人機遙感觀測平台、大田作物高通量表型多源遙感觀測平台、低空葉綠素螢光感測器、基於消費級相機的高精度作物長勢觀測感測器等硬體平台研究;
- 大田作物高通量表型多源遙感觀測:基於超高清相機、多/高光譜相機、熱紅外相機、多角度傾斜相機等,在大田環境下獲取多源遙感數據,並藉助遙感圖譜分析方法、深度學習方法、立體視覺方法提取和挖掘海量大田作物表型數據。