作物科学所-金秀良导师介绍
金秀良
研究员
硕，博士生导师
男
作物科学所
管理科学与工程
作物表型组学与智慧农业
jinxiuliang@caas.cn
博士招生专业
1
管理科学与工程
2024
1
学术型博士
信息管理与信息系统
金秀良，担任中国农业科学院作物表型组学研究创新团队首席，主要从事作物表型组学技术及生物育种应用研究，主持十四五重点研发计划青年科学家项目、国家自然科学基金青年/面上项目等22项，担任中国遗传学会作物表型组学分会等委员，New Phytologist、Precision Agriculture、The Crop Journal等杂志副主编/编委/咨询编委，瑞士和奥地利科学基金评审专家。获河南省科学科技进步一等奖（3/15）、中国测绘学会测绘科学科技二等奖（4/10）和神农中华农业科技二等奖（11/15）等，以第一或通讯作者发表SCI论文56篇，合作发表SCI论文60余篇，GoogleScholar总被引用5587次，H指数43。
展开更多
科研项目
1. 主持人：半干旱区玉米估产的AquaCrop模型与遥感数据双变量同化方法研究 （国家自然科学基金-青年科学基金项目，41601369，19.00万）2016.01-2019.12.
2. 主持人：联合植株密度和整齐度的玉米苗情无人机影像评估方法研究（国家自然科学基金-面上项目，42071426，55.00万）2021.01-2024.12.
3. 主持人： 玉米表型与基因型鉴定新技术开发及耐旱全基因组选择应用（国家重点研发计划青年科学家项目任务书，2023YFD1202500， 200.00 万） ， 2023.12-2027.11.
展开更多
研究成果
1. Jin X.L.*, Zarco-Tejada, P.J., Schmidhaltere, U., Reynolds, M.P., Hawkesford, M.J., Varshney, R.K., Yang, T., Nie, C.W., Li, Z.H., Ming, B., Xiao, Y.G., Xie, Y.D., Li, SK.* High-throughput estimation of crop traits: A review of ground and aerial phenotyping platforms, IEEE Geoscience and Remote Sensing Magazine, 2021, 9(1): 200-231.
2. Cheng, M., Jiao, X.*, Li, B., Yu, X., Shao, M. and Jin, X.L.* Long time series of daily evapotranspiration in China based on the SEBAL model and multisource images and validation. Earth System Science Data, 2021b, 13(8): 3995-4017.
3. Li, D.L., Bai, D., Tian, Y., Li, Y.H. *, Zhao, C.S., Wang, Q., Guo, S.Y., Gu, Y.Z., Luan, X.Y., Wang, R.Z., Yang, J.L., Hawkesford, M.J., Schnable, J.C. *, Jin, X.L.*, Qiu, L.J.* Time series canopy phenotyping enables the identification of genetic variants controlling dynamic phenotypes in soybean, Journal of Integrative Plant Biology, 2023, 65: 117-132.
4. Shao, M.C., Nie, C.W., Zhang, A.J., Shi, L.S., Zha, Y.Y., Xu, H.G., Yang, H.Y., Yu, X., Bai, Y., Liu, S.B., Cheng, M.H., Lin, T., Cui, N.B., Wu, W.B., Jin X.L.*. Quantifying effect of maize tassels on LAI estimation based on multispectral imagery and machine learning methods, Computers and Electronics in Agriculture, 211: 108029.
5. Yu, X.#, Yin, D.#, Nie, C., Ming, B., Xu, H., Liu, Y., Bai, Y., Shao, M., Cheng, M., Liu, Y. and Liu, S., Wang, Z., Wang, S., Shi, L.*, Jin, X.* Maize tassel area dynamic monitoring based on near-ground and UAV RGB images by U-Net model. Computers and Electronics in Agriculture, 2022, 203: 107477.
6. Liu, S., Jin, X.L.*, Nie, C., Wang, S., Yu, X., Cheng, M., Shao, M., Wang, Z., Tuohuti, N., Bai, Y. Estimating leaf area index using unmanned aerial vehicle data: Shallow vs. deep machine learning algorithms. Plant Physiology, 2021, 187(3): 1551-1576.
7. Jin, X.L.*, Liu, S.Y., Baret, F., Hemerlé, M., Comar, A. Estimates of plant density of wheat crops at emergence from very low altitude UAV imagery. Remote Sensing of Environment, 2017, 198: 105-114.
8. Jin, X.L.*, Li, Z.H., Yang, G.J., Yang, H., Feng, H.K., Xu, X.G., Wang, J.H. Winter wheat yield estimation based on multi-source high-resolution optical and radar imagery and AquaCrop model using particle swarm optimization algorithm. ISPRS Journal of Photogrammetry and Remote Sensing, 2017, 126:24-37.
9. Jin, X.L., Song, K.S.*, Du, J., Liu, H.J., Wen, Z.D. Comparison of different satellite bands and vegetation indices for estimation of soil organic matter based on simulated spectral configuration. Agricultural and Forest Meteorology, 2017, 244-245:57-71.
10. Jin, X.L., Du, J., Liu, H.J., Wang, Z.M., Song, K.S.* Remote estimation of soil organic matter content in the Sanjiang Plain, Northest China: the optimal band algorithm versus the GRA-ANN model. Agricultural and Forest Meteorology, 2016, 218-219: 250-260.
11. Liu, T., Li, R., Zhong, X.C.*, Jiang, M., Jin, X.L.*, Zhou, P., Liu, S.P., Sun, C.M.*, Guo, W.S*. Estimates of rice lodging using indices derived from UAV visible and thermal infrared images. Agricultural and Forest Meteorology, 2018, 252:144-154.
12. Cheng M.H., Penuelas, J., McCabe, F.M., Atzberger, C., Jiao, X.Y. *, Wu, W.B. *, Jin, X.L.* Combining multi-indicators with machine-learning algorithms for maize yield early prediction at the county-level in China. Agricultural and Forest Meteorology, 2022, 323: 109057.
展开更多
学校介绍
中国农业科学院研究生院成立于1979年，1981年经国务院批准开始实施硕士、博士学历学位教育，是我国国家级科研机构举办研究生教育的先行院所之一。作为支撑我院研究生教育的中国农业科学院成立于1957年，是农业农村部直属的综合性国家农业科研机构，是全国综合性农业科学研究的最高学术机构，是农业及农业科学技术战略咨询机构，是三农领域国家战略科技力量，担负着全国农业重大基础与应用基础研究、应用研究和高新技术技术研究的任务，致力于解决我国农业及农村经济发展中公益性、基础性、全局性、战略性、前瞻性的重大科学与技术问题。在推动农业科技创新、服务经济社会发展、培养高层次人才、促进国际交流与合作等方面发挥着重要作用。“十三五”期间，共获得国家科学技术奖36项，占全国农业领域获奖总数的26%。其中科技进步一等奖1项，自然科学二等奖2项，技术发明二等奖6项，科技进步二等奖27项；获得省部级奖励229项；发表论文近30000篇，其中SCI论文近15000篇、《NATURE》《SCIENCE》《CELL》等国际顶级学术期刊论文29篇；出版专著近1500部，通过国审品种等近1200个，获得植物新品种权397项，新兽药证书55个等。科研成果与科研实力处于行业领先地位。
中国农科院研究生教育依托中国农业科学院的国家级科研平台基地、先进科研设施设备、重大科研攻关项目、稳定的科研经费保障、前沿交叉学科集群、一流的导师队伍、广泛的国际合作机制、丰富的图书文献等各种重要资源，形成了38个研究所共同参与、“院所结合、两段式培养”这一特色鲜明的科研机构举办研究生教育的创新模式，将中国农业科学院的科研资源优势转化为学科建设、人才培养、特色办学优势，为研究生完成课程教学、开展学术研究、参与课题实践、培养创新能力提供了农业科研国家队特有的广阔舞台。
中国农业科学院深圳农业基因组研究所（以下简称“基因组所”），创建于2014年，是农业农村部，中国农科院和深圳市在科技体制改革的背景下，整合农业基因组学研究力量在深圳成立的新型研究所。
成立以来，基因组所深入贯彻落实习近平总书记“四个面向、两个一流”指示精神，开展科研自主权改革试点工作，被列为中国农科院现代院所改革的“试验田”，建设了由中国农科院与深圳市主管领导任共同理事长的理事会；组建了近800人的研究队伍；形成了以组学技术为核心、辐射农业、食品和生态方向的学科体系，获批“岭南现代农业科学与技术广东省实验室深圳分中心”“农业农村部农业基因数据分析重点实验室”等创新载体；在包括 Science、Nature、Cell 等顶级期刊在内的杂志上发表SCI论文400多篇，以基因组设计育种育成国审、省审新品种30余个，农业基因组学等研究领域占据世界前沿。 2019年、2020年连续两年自然指数排名全国农业类科研院所第一名，多项成果入选“‘十三五’农业科技十大标志性成果”“中国生命科学十大进展”“中国农业科学十大进展”。先后获得“何梁何利基金”奖、“周光召基础科学奖”“深圳经济特区建立40周年创新创业和先进模范人物”“深圳市市长奖”等奖励。基因组所联合深圳市相关部门提出了“深圳国际食品谷”，规划已得到市政府印发，将构建农业食品产学研协作生态，做出科技推动农业食品产业转型升级的先行示范。
展开更多
按照国家相关规定，我院全日制与非全日制硕士研究生学费标准均为：8000元/人/年。凡我院各研究所录取的推免生均免收第一年学费，优秀推免生免收基本学制内全部学费。
我院全日制非定向硕士研究生奖助学金体系由奖学金和助学金两部分组成。奖学金包括国家奖学金、学业奖学金（100%覆盖）、研究生院单项奖学金和企业奖学金。助学金包括国家助学金、研究生院助学金、导师助研津贴、“三助”津贴和特困生补助，具体奖助学金政策可登陆中国农业科学院研究生院网站查询。
展开更多