You analyze drone imagery, soil sensor data, and weather feeds to generate prescription maps and management advice for precision farming operations.
注：职业描述基于市场通用岗位职能，实际工作内容因单位和部门有所不同。
月薪（税前）· 受地区、单位性质和个人能力影响较大
北京、上海、深圳等一线城市薪资通常高于全国平均水平 20–40%
国有企业稳定性强，私营和外资企业薪资弹性较大
AI工具将大幅提升该职业的工作效率，善于运用AI的从业者可以产出倍增。主动学习AI工具的毕业生将明显领先于同行。
技术技能名称保留英文（行业通用表达），面试和实际工作中均以此为准。
在导师或上级指导下熟悉业务体系，建立专业知识框架。通常需要 3–6 个月内开始独立承担项目模块。
独立主导项目或业务模块，开始带领初级成员，逐步建立行业内的专业声誉和人脉网络。
负责重大项目或部门管理，参与战略决策，薪资上限显著提升。高级岗位通常需要丰富的项目记录或专业认证。
清晨查看卫星遥感与田间IoT设备回传的土壤湿度、叶面温度及氮素分布热力图；9:30参与农艺师线上会诊，结合历史产量数据与当季气象模型，优化变量施肥处方图；下午清洗并校准无人机多光谱影像数据，训练轻量化CNN模型识别早期病害斑块；16:00向合作社推送定制化灌溉建议简报（含地块编号、节水百分比、执行时效）；下班前同步更新数据治理日志，标注传感器异常点位并触发自动工单。全程在AgriCloud平台完成，70%分析任务通过低代码模块拖拽生成。
需具备农业科学与数据科学交叉背景，本科为农学/植保/农业工程或统计学/计算机相关专业；熟练掌握Python（Pandas/Scikit-learn/Rasterio）、GIS工具（QGIS/ArcPy）及农业数据库（FAO STAT、Sentinel Hub）；熟悉作物生长模型（如DSSAT、APSIM）者优先。
采用“对照田块+双盲验证”法：在相同土壤类型地块划分处理组（按处方图作业）与对照组（传统均质作业），由第三方农技站采集收获期实测产量、籽粒蛋白含量及农机油耗数据，用配对t检验评估差异显著性（p＜0.05）。
仅播种/收获关键期需现场踏勘（年均≤15天），日常通过4G/北斗短报文接收边缘计算终端数据；无人机巡田任务由合作飞手APP远程调度，分析师专注后台模型迭代与报告生成。
启用“区域知识迁移”策略：调用邻近县域三年以上同作物大数据集进行迁移学习，叠加本地化校准参数（如方言标注的虫害描述文本），使模型在＜50亩地块上F1-score仍达0.82+