赵刚，博士，西北农林科技大学教授、博士生导师，国家级海外引进领军人才。中国科学院大学与澳大利亚联邦科学与工业研究组织（CSIRO）联合培养博士，曾在德国波恩大学从事作物模型与农业气候变化研究，具有拜耳和巴斯夫德国总部8年数字农业研发经验。
主要从事智慧农业、作物模型、农业气象、遥感与人工智能交叉研究，融合机理模型、深度学习和田间观测，开展作物生长与产量模拟、病虫草害识别与预警、农业水资源管理及气候变化影响评估。面向农业生产需求，推进模型算法、智能感知与软件系统的集成应用。
发表SCI论文40余篇，转化智慧农业相关国际发明专利10余项，获软件著作权4项。主持国家级人才引进项目、陕西省重点研发计划及中联、隆平开鸿、中化现代农业等企业合作项目，研发教稼、实验通、葡萄通、作物医生等软件，服务农业生产管理、田间试验和植保决策。
教育与工作经历
2024.06—至今 西北农林科技大学，教授。
2021.03—2024.06 巴斯夫数字农业，大田作物解决方案团队负责人。
2018.08—2021.02 巴斯夫数字农业，高级作物模型专家。
2016.02—2018.07 拜耳集团，数据科学家；2013.06—2016.01 德国波恩大学，博士后。
2009—2013 中国科学院大学生态学博士，CSIRO联合培养。
2006—2009 太原理工大学地图制图学与地理信息工程硕士；2002—2006 测绘工程学士。
作物模型与农业气象：作物生长、物候和产量模拟，机理模型与机器学习融合。
智能感知与精准植保：作物表型监测，病虫草害识别、预测与施药决策。
农业人工智能与数字化管理：农业大数据、田间试验管理和生产决策支持系统。
气候变化与资源高效利用：气候变化影响评估、节水灌溉及农田水碳过程。
主持项目
1. 人才引进启动项目：面向智慧农业新一代作物模型研发（2024—2029年，600万元）。
2. 全国重点实验室：智慧水保平台（2025—2027年，60万元）。
3. 隆平开鸿：共建农业开源鸿蒙智能系统研究院（2025—2035年，1000万元）。
4. 隆平开鸿：主粮作物数据采集与种植全过程智能管理软件（2025—2028年，20.3万元）。
5. 中化现代农业：青稞生育期及适播期模型开发（2024—2026年，50万元）。
6. 陕西省重点研发计划：农作物病虫害智能诊断预警与示范（2023—2025年，65万元）。
7. 招贤镇人民政府：鲜切花产业发展技术服务（2025—2027年，60万元）。
参与项目
参与广西重点研发计划“葡萄霜霉病绿色综合防控技术研发与应用示范”、欧盟FP7 LIAISE、FACCE-JPI MACSUR及德国BMBF Limpopo Living Landscapes等项目。
智慧农业、作物监测与植物健康
1.Tian Q., Qu J., Yin L., Wei S., Yan C., Liang Z., …, Zhao G. (2026). SporaScan: cost-effective, high-precision leaf-disc disease severity assessment for grapevine downy mildew. Pest Management Science. 在线发表. doi:10.1002/ps.71193
2.Chen B., Yao L., Liu Y., Benaly M.A., Yan C., Wu G., …, Zhao G. (2026). Water-saving and economic benefits of a soil moisture threshold-based irrigation strategy for cotton in Xinjiang under climate change. European Journal of Agronomy, 178, 128152. doi:10.1016/j.eja.2026.128152
3.Zhao G., Akhter M.J., Kromminga H.H., Hoffmann H. (2026). Simulation of weed emergence and leaf development in rice fields: An integrated machine learning and phyllochron approach. European Journal of Agronomy, 172, 127846. doi:10.1016/j.eja.2025.127846
4.Xie J., Zhang D., Jin N., Cheng T., Zhao G., Han D., Niu Z., Li W. (2025). Coupling crop growth models and machine learning for scalable winter wheat yield estimation across major wheat regions in China. Agricultural and Forest Meteorology, 372, 110687. doi:10.1016/j.agrformet.2025.110687
5.Yan C., Yang G., Liang Z., Cheng H., Wu G., Srivastava A.K., Yu Q., Zhao G. (2025). CO-ResNetRS50-SSL: Enhanced convolution and semi-supervised learning for accurate rice growth stage recognition in complex field conditions. European Journal of Agronomy, 168, 127631. doi:10.1016/j.eja.2025.127631
6.Yan C., Liang Z., Cheng H., Li S., Yang G., Li Z., …, Zhao G. (2025). CDIP-ChatGLM3: A dual-model approach integrating computer vision and language modeling for crop disease identification and prescription. Computers and Electronics in Agriculture, 236, 110442. doi:10.1016/j.compag.2025.110442
7.Chen B., Zhao G., Tian Q., Yao L., Wu G., Wang J., Yu Q. (2025). Climate-driven shifts in suitable areas of Alternaria leaf blotch (Alternaria mali Roberts) on apples: Projections and uncertainty analysis in China. Agricultural and Forest Meteorology, 364, 110464. doi:10.1016/j.agrformet.2025.110464
8.Tian Q., Zhao G., Yan C., Yao L., Qu J., Yin L., Feng H., Yao N., Yu Q. (2024). Enhancing practicality of deep learning for crop disease identification under field conditions: insights from model evaluation and crop‐specific approaches. Pest Management Science, 80(11), 5864–5875. doi:10.1002/ps.8317
9.Zhao G., Zhao Q., Webber H., Johnen A., Rossi V., Nogueira Junior A.F. (2024). Integrating machine learning and change detection for enhanced crop disease forecasting in rice farming: A multi-regional study. European Journal of Agronomy, 160, 127317. doi:10.1016/j.eja.2024.127317
10.Tan J., Zhao G., Tian Q., et al. (2024). Overcoming mechanistic limitations of process-based phenological models: A data clustering method for large-scale applications. Agricultural and Forest Meteorology, 356, 110167. doi:10.1016/j.agrformet.2024.110167
作物模型、农业气象与环境模拟
11.Teixeira E.I., Zhao G., de Ruiter J., Brown H., Ausseil A.G., Meenken E., Ewert F. (2017). The interactions between genotype, management and environment in regional crop modelling. European Journal of Agronomy, 88, 106–115. doi:10.1016/j.eja.2016.05.005
12.Siebert S., Webber H., Zhao G., Ewert F. (2017). Heat stress is overestimated in climate impact studies for irrigated agriculture. Environmental Research Letters, 12(5), 054023. doi:10.1088/1748-9326/aa702f
13.Webber H., Gaiser T., Oomen R., Teixeira E., Zhao G., Wallach D., Zimmermann A., Ewert F. (2016). Uncertainty in future irrigation water demand and risk of crop failure for maize in Europe. Environmental Research Letters, 11(7), 074007. doi:10.1088/1748-9326/11/7/074007
14.Zhao G., Hoffmann H., Yeluripati J., et al. (2016). Evaluating the precision of eight spatial sampling schemes in estimating regional means of simulated yield for two crops. Environmental Modelling & Software, 80, 100–112. doi:10.1016/j.envsoft.2016.02.022
15.Gao L., Bryan B.A., Nolan M., Connor J.D., Song X., Zhao G. (2016). Robust global sensitivity analysis under deep uncertainty via scenario analysis. Environmental Modelling & Software, 76, 154–166. doi:10.1016/j.envsoft.2015.11.001
16.Zhao G., Webber H., Hoffmann H., Wolf J., Siebert S., Ewert F. (2015). The implication of irrigation in climate change impact assessment: a European‐wide study. Global Change Biology, 21(11), 4031–4048. doi:10.1111/gcb.13008
17.Zhao G., Siebert S., Enders A., Rezaei E.E., Yan C., Ewert F. (2015). Demand for multi-scale weather data for regional crop modeling. Agricultural and Forest Meteorology, 200, 156–171. doi:10.1016/j.agrformet.2014.09.026
18.Luo Z., Wang E., Bryan B.A., King D., Zhao G., Pan X., Bende-Michl U. (2013). Meta‐modeling soil organic carbon sequestration potential and its application at regional scale. Ecological Applications, 23(2), 408–420. doi:10.1890/12-0672.1
19.Zhao G., Bryan B.A., King D., Luo Z., Wang E., Song X., Yu Q. (2013). Impact of agricultural management practices on soil organic carbon: simulation of Australian wheat systems. Global Change Biology, 19(5), 1585–1597. doi:10.1111/gcb.12145
20.Zhao G., Bryan B.A., King D., Luo Z., Wang E., Bende-Michl U., Song X., Yu Q. (2013). Large-scale, high-resolution agricultural systems modeling using a hybrid approach combining grid computing and parallel processing. Environmental Modelling & Software, 41, 231–238. doi:10.1016/j.envsoft.2012.08.007
代表性专利与公开申请
已授权专利
1. 基于无人机多光谱影像的小麦出苗密度测算方法、系统
CN 121746940 B（2026.05.01）
第一发明人；西北农林科技大学、隆平开鸿（北京）农业科技有限公司。
2. 基于图像分析的葡萄霜霉病孢子检测方法、系统和装置
CN 119380337 B（2025.03.14）
第一发明人；西北农林科技大学、山东科技大学、广西壮族自治区农业科学院。
3. 一种田间水稻生育期的识别方法、系统、装置、介质
CN 119295951 B（2025.03.07）
第一发明人；西北农林科技大学、山东科技大学。
4. 植物保护剂需求量的确定
US 11,825,835 B2（2023.11.28）；US 10,893,669 B2（2021.01.19）
共同发明人；BASF Agro Trademarks GmbH。
5. 农业措施的规划与实施
US 11,818,975 B2（2023.11.21）；EP 3,528,608 B2（2024.01.10）
共同发明人；BASF Agro Trademarks GmbH。
已公开专利申请
6. 优化杀菌剂施用计划的混合模型
US 2025/0232388 A1（2025.07.17）；WO 2023/180176 A1（2023.09.28）
第一发明人；BASF Agro Trademarks GmbH。
7. 基于绿色面积指数（GAI）测量的农用投入品田块分区变量施用数据生成方法
WO 2025/003405 A1（2025.01.02）
共同发明人；BASF Agro Trademarks GmbH。
8. 植物保护措施施用有利／不利时间窗口的确定
US 2021/0185887 A1（2021.06.24）
共同发明人；BASF Agro Trademarks GmbH。
9. 利用植保田间试验数据校准与优化预测模型
US 2020/0250360 A1（2020.08.06）
共同发明人；BASF Agro Trademarks GmbH。
10. 作物栽培产量估算（优先权日：2017年8月22日）
US 2020/0245525 A1（2020.08.06）
共同发明人；BASF Agro Trademarks GmbH。
11. 作物栽培产量估算（优先权日：2017年10月26日）
US 2020/0250593 A1（2020.08.06）
共同发明人；Bayer AG、BASF Agro Trademarks GmbH。
软件成果与应用
1. 教稼系统1.0｜农业生产管理
面向农业生产的智慧管理工具，服务种植管理与生产决策。
软件著作权登记号：2025SR1855152（2025年）。
https://www.united-smartag.com/software/jiaojia
2. 实验通系统V1.0｜田间试验管理
面向田间试验的精准管理工具，支持试验数据管理。
软件著作权登记号：2025SR1331330（2025年）。
https://www.united-smartag.com/software/shiyantong
3. 葡萄通系统V1.0｜葡萄种植决策支持
面向葡萄种植全过程的智慧解决方案。
软件著作权登记号：2025SR0495568（2025年）。
http://118.89.50.72/putaotong/putaotong.html
4. 作物医生系统1.0｜作物病害诊断
面向作物病害识别与辅助诊断的软件系统。
软件著作权登记号：2025SR0282247（2025年）。
在线分析工具
孢子检测工具：基于图像识别的病原孢子检测与计数，服务病原诊断与田间试验。
葡萄霜霉病分割工具：基于深度学习的叶片病斑分割与病害严重程度评估，服务病情诊断与科学防治。
教学与研究生培养
开设课程：大数据科学与技术、生态模拟。
在读博士研究生：姚林佳、陈彬、宋正华、王猛帅、宋明轩、何万龙。
在读硕士研究生：庞博、夏志明、周亚彪、丁文豪。
智慧农业联合创新团队
围绕作物模型、智慧农业、农业气象与人工智能开展交叉研究，推进模型算法、智能感知、田间试验和软件系统的协同研发与应用。
团队官网：https://www.united-smartag.com/
合作联系：gang.zhao@nwafu.edu.cn
中国科学院院长优秀奖、中国科学院地奥二等奖（2013年）；CSIRO联合培养博士奖学金（2010—2012年）、NIL奖学金（2012—2013年）。
巴斯夫关键技术人才留任奖励（2022年）；拜耳人工智能辅助安全施用除草剂绩效奖（2018年）、生育期建模绩效奖（2017年）。
