基于大數據應用的我國“三農”問題研究進展

余吳浩淼，劉 倫，曾繁如，高雪松，田兆楠，陳 卓

(1.四川農業大學資源學院，成都 611130; 2.北京大學政府管理學院，北京 100871; 3. 四川水利職業技術學院,成都 611800)

【研究意義】通信基建與電子設備的普及使得運用大數據研究“三農”問題成為可能。大數據作為新的數據來源，為“三農”問題研究提供了新的研究方式。因此，總結分析基于大數據應用的“三農”問題研究現狀，對于了解該領域研究重點與未來方向具有重要意義?！厩叭搜芯窟M展】隨著信息技術和物聯網技術的發展與普及，人類社會產生的數據量呈現出爆炸性增長的趨勢。這種大容量、多樣性、綜合性的數據流改變了人們的生活方式，也成為了科學研究的關注熱點[1]。相比于傳統數據，大數據在內容上呈現出樣本量大、動態實時、詳細微觀等特點，為解決現實問題提供了新的方向[2]。由于其特征與區域問題的解決有緊密的關聯，大數據在近十年來被大量引入城市區域研究領域，國內外學者已經在居民時空行為[3]、城市功能分區[4]、城市空間聯系[5]及智慧城市建設[6]等方面取得了進展。然而，針對于與城市相對應的農村區域，受限于數據覆蓋率與數據質量，研究相對較少。但近年來，電子設備的日益普及與政府的基礎設施投資使得在農村區域運用大數據進行研究成為可能。特別是我國政府相當重視新時期農村建設，發布了《數字農村發展戰略綱要》，提出要建設數字鄉村，加快農村信息發展，縮小城鄉數字鴻溝。目前，我國已累計支持13萬個行政村光纖網絡建設，農村及偏遠地區3.7萬個4G基站建設，全國行政村通光纖、通4G比例均超過98%。截至2020年3月，我國農村地區互聯網普及率達到了46.2%[7]。這樣領先的農村網絡覆蓋為我國農村區域進行大數據研究提供了可靠的基礎條件。學者們應用大數據對我國農村區域存在的農業、農村、農民的“三農”問題展開研究，并取得了一些進展[8-10]，為傳統“三農”問題研究注入了新的研究視角與研究范式?！颈狙芯壳腥朦c】基于大數據應用的我國“三農”問題研究尚處于起步階段，且對該領域研究的綜述總結還比較有限。【擬解決的關鍵問題】本研究分析了“三農”問題研究中常用大數據數據類型與數據質量，從農業問題研究、農村問題研究、農民問題研究三個方面等對大數據在“三農”問題研究中的應用進行了綜述，并討論了該研究領域未來可能的方向與挑戰，旨在為相關研究提供參考。

1 “三農”大數據類型與數據質量

雖然近年來大數據才逐漸成為研究熱點，但早在20世紀80年代，大數據一詞就已經出現在美國社會學家阿爾文·托夫勒的著作中[11]。大數據，顧名思義，是指規模較大的數據。目前學界對大數據的概念暫無統一定義，許多機構與學者從不同角度進行了定義，如加特納(Gartner)咨詢公司將大數據定義為“高容量、高速度、多樣性的信息資產，需要高效、創新的信息處理方式，以實現認知與決策的提升以及流程的自動化”，其中高容量(Volume)、多樣性(Variety)、高速度(Velocity)也被廣泛認為是大數據的“3‘V’特征”[12]，在此基礎上也延展出如變化性(Variability)、真實性(Veracity)、有效性(Validity)等更多的‘V’字特征。隨著應用范圍的不斷擴展，大數據的內涵也變得更加豐富。外國學者研究指出“大數據并不在于其數據規模之大，更重要的是其搜索、匯集、交互數據的能力”[13]，并將量級較小的公共部門管理數據納入大數據范疇[14]?；谶@些研究，本文認為大數據是指“既包括公共部門主動采集的、高度結構化的管理數據，也包括由機構與個人的互聯網活動被動產生的、持續、自動出現的結構化與非結構化數據的大量數據”。

關于大數據的類型劃分有多種方式，如按數據結構可劃分為結構化數據、半結構化數據和非結構化數據。本文選擇采用與研究應用關聯更為直接的數據來源進行劃分，將“三農”問題研究中常用的大數據分為互聯網使用數據、通訊傳感設備數據、地圖空間數據以及機構管理運行數據四類。下文將對四類數據的具體來源以及在農村地區的可獲得性與數據質量進行分析(表1)。

表1 常用大數據類型在鄉村地區的質量評價

1.1 互聯網使用數據

隨著互聯網的普及，互聯網使用數據量激增。據統計，百度日均搜索量已達50億次，微博日均內容發布量超2.5億，這些都屬于互聯網使用數據的范疇?；ヂ摼W使用數據主要包括社交媒體數據、網頁閱覽數據、搜索數據、用戶上傳的圖片、音頻、視頻數據等內容。互聯網使用數據在情報學[15]、經濟學[16]、規劃學[17]等多領域內均有廣泛運用。一些互聯網使用數據也包含了定位數據，這有助于研究用戶的活動軌跡[18]。我國農村地區互聯網覆蓋率較高，信號穩定，全國行政村通光纖、通4G比例均超過98%；互聯網用戶較多，我國農村網民規模為2.55億，農村互聯網普及率達46.2%；年齡結構方面我國網民主要集中在10～49歲，占網民群體的79.2%，10歲以下與50歲及以上的網民較少，占20.8%；我國農村居民的互聯網使用率雖然不及城市地區，但也具備了較高的數據覆蓋程度。由于互聯網數據主要來自于API下載與網頁抓取，因此可獲取性與城市居民的互聯網使用數據差異不大。事實上，現有的基于互聯網數據的研究往往并不專門區分城市與農村用戶，但尚未見到采用互聯網數據對農村問題進行的針對性研究。需要注意的是，農村居民的互聯網使用習慣可能與城市居民有所差異，包括所訪問的網站、所使用的網站功能等。

1.2 通訊傳感設備數據

通訊傳感設備數據類型眾多，常見數據包括手機通訊、定位數據、道路交通傳感數據、車載GPS定位數據、空氣質量監測數據等。通訊設備數據主要來自手機使用，可提供手機用戶的活動軌跡與通訊聯系，對于精細化捕捉人類活動規律、識別人類活動模式發揮了巨大作用；傳感設備數據來源于各類傳感器，如用于感知道路車輛數量的壓力傳感器、用于感知空氣質量的化學物質傳感等。農村區域的傳感器數據主要掌握在農業企業、科研機構及政府部門等機構內，目前主要應用于農業生產監測與環境監測方面。

手機使用數據因其高覆蓋率、高精度、高時效性的特點成為了大數據研究的重要數據來源，是人口、交通、城鄉規劃等領域的關注熱點[19]，一般獲取自通訊運營商或采集手機GPS信息的APP運營管理方，與城市范圍內的數據獲取方式無本質差異，因此影響農村研究中手機通訊數據應用性的因素主要為手機用戶的覆蓋率以及手機定位精度。據2019年中國統計年鑒顯示我國農村居民每百戶擁有257部手機[20]，農村地區手機擁有量高。全國行政村通4G比例超過98%，手機信號覆蓋率高。定位精度方面，由于農村地區人口與手機基站布局相對稀疏，手機定位精度相較于城市區域較低，精度大約在1～2 km[21]。

1.3 地理空間數據

地理空間大數據包括開放地圖數據、興趣點數據、街景圖片數據、夜間燈光數據等數據。這些數據已被大量應用于城市研究，在城市熱點區域識別、建成區邊界識別、城市空間結構分析等方面產生了大量研究成果[22-23]。目前尚未見到此類數據應用于農村研究的文獻，很大程度上在于這類數據的采集往往涉及現場作業，如開放地圖(Open Street Map)的貢獻者手持GPS進行現場記錄，街景采集車在相關道路進行實際行駛，因此這類數據在農村地區的覆蓋率仍明顯低于城市地區。以四川省人口最多的5個地級市為例，根據百度地圖提供的街景圖片服務可以看出，農村區域街景圖片覆蓋率顯著低于城市，覆蓋率約為10%，各市之間農村覆蓋率差異不大。我國其他區域農村街景圖片覆蓋情況還有待進一步研究。夜間燈光數據主要通過遙感衛星進行收集，在覆蓋率與數據質量方面好于其他地圖空間數據。但目前常用的夜間燈光數據的分辨率為1 km×1 km，運用在空間尺度相對較小的農村區域效果較差。綜合來講，除夜間燈光數據以外，此類數據在農村區域的覆蓋率還較低，有待未來在數據可獲得性方面的進一步發展。

1.4 機構管理運行數據

機構管理運行數據指政府、企業等各類機構運行中產生的數據，包含稅收數據、行政處罰數據、銀行轉賬數據等。雖然就數據規模而言這類數據并非嚴格意義上的大數據，但考慮到這類數據經過長期積累也提供了可觀的信息量，因此在社會科學研究經常也將其納入大數據范疇[24]。這類數據一方面反映了農村中各類組織機構的運行管理狀況，另一方面也提供了關于個體活動與社會經濟系統運行的豐富信息。隨著我國數據開放進程的不斷推進，我國已有82個地方政府建立了政府數據開放平臺，但關于農業農村的數據集數量較少，僅占所有數據集的5.2%[25]，也有待未來進一步整理與公開。

2 大數據在我國“三農”問題研究中的應用

“三農”問題是指我國經濟社會發展過程中出現的農業、農村、農民這三個問題[26]。自1996年溫鐵軍教授最早提出“三農”問題以來，“三農”問題一直備受關注，數次登上政府工作報告與中央一號文件，其重要性也逐漸上升至“全黨工作的重中之重”。我國學術界針對“三農”問題開展了大量研究，取得了一些成果。隨著農村基礎設施的不斷完善，“三農”大數據成為“三農”問題研究新的數據來源，為“三農”問題研究提供了新的研究范式與研究視角。

2.1 大數據在農業問題研究的應用

隨著信息化與農業現代化的不斷推進，大數據與農業的深度融合在促進農業生產、解決我國農業問題方面顯示出了明顯潛力。我國政府先后出臺了《關于促進大數據發展行動綱要》《農業部關于推進農業農村大數據發展的實施意見》《農業農村大數據試點方案》等文件和政策，積極推動大數據在農業領域的應用。類似的，英國政府也出臺了《英國農業技術戰略》，特別提到了大數據在推動農業領域創新中的重要作用[27]，美國政府將包括農業生產、糧食安全、農村發展、自然資源等在內的農業數據公開，鼓勵企業與科研機構進行相關研究。

大數據可用于農業生產的全過程中，國內外學者圍繞氣象預報、水肥管理、作物育種、病蟲害預報、高效養殖等方面已經開展了大量的研究，如Tesfaye等[28]利用地理大數據對非洲南部的干旱情況進行分析，并對耐旱玉米品種在此環境下的表現進行評估，結果表明，耐旱品種玉米在干旱環境下的產量優勢可能比一般品種高5%～40%；Bendre等[29]提出通過信息和通信技術服務來收集大量數據，利用程序模型和分布式算法對天氣數據處理和預報應用進行了討論，以預警氣象災害與病蟲害，提高農作物產量，降低農戶生產風險；Mabalay等[30]基于遙感圖像與作物生長狀況等數據開發了國家水稻系統，以預估糧食產量，保障糧食安全，研究在菲律賓萊特地區進行了系統模擬 ；Wolfert等[31]綜合過往研究，分析了大數據在智慧農業中的驅動力，將農業生產中產生的大數據分為過程中介數據(PM)、機器生成數據(MG)和人為源數據(HS)三類，并討論了大數據的應用過程。相關研究也在業界獲得了實際應用，形成了一些大數據現代化農業成果，如美國孟山都公司通過土壤傳感器收集田間數據，結合種子數據庫、土壤數據庫和基因數據庫等多源數據，建設了一體化農田耕作系統，通過手機農業大數據軟件為農戶提供農業服務[32]；美國Trimble公司開發了網絡農場系統，對精準農業數據進行計算分析，可以進行農業自動作業管理，為農戶提供了全面的農業解決方案[33]。

我國大數據農業現代化研究起步晚于國外，也取得了一定成果。如杜克明[8]基于物聯網，研究了小麥生產過程中的大數據獲取，為小麥生產管理與災害防控提供了依據；楊波等[34]運用氣象大數據對山東省二代玉米螟的發生程度進行預測，建立了玉米螟動態氣候預測模型；郭峰[35]利用大蒜產業大數據，對大蒜價格波動的主要影響因素進行了分析，研究了大蒜價格變化趨勢的預測辦法，并構建了大蒜價格可視化系統；王東杰[36]利用多源大數據構建了大數據支撐的糧食安全理性預期預警理論，開展了玉米供需預測模擬分析。在實踐領域，目前我國已經形成了國家農業數據中心、國家農業科學數據共享中心、全國農技推廣信息平臺等農業大數據平臺[37]，各省市也開展了相關實踐，如貴陽市整合了農業產業鏈資源，建成了貴陽現代農業大數據交易中心[38]。

總體而言，大數據已被應用于農業生產監測與產量提升、農產品市場趨勢預測等農業生產、經營的各個環節，其中農業大數據的采集涉及農田傳感器等大量新型農業數字基礎設施的部署，隨著我們數字農村戰略的推動，未來農業相關大數據的來源類型與覆蓋率有可能不斷提升，也將為農業大數據分析應用提供更多支撐條件。

2.2 大數據在農村問題研究的應用

因大數據中包含大量的定位數據，現有研究應用大數據對農村空間問題進行研究。農村空間是生產、生態和生活空間的統一體，農村聚落的空間結構、空間演變特征和空間優化等研究內容對于支撐農村社會經濟發展以及美麗鄉村建設有著重要意義。

國外學者借助手機信令數據等大數據，結合復雜網絡理論，從不同角度對村鎮空間聯系進行了分析，為鄉村規劃提供支撐，如Servillo等[39]基于通勤數據對意大利皮埃蒙特區37個微觀區域中心進行研究，分析了不同等級中小村鎮聯系的網絡結構。我國學者鈕心毅等[40]基于杭州桐廬縣和上海奉賢區的撤制鎮2個研究實例，分析了移動定位大數據在鄉村空間研究中的2個使用場合，提出了移動大數據在鄉村空間研究中存在時空分辨率與設備普及率2個技術阻礙。趙渺希等[9]以中山三鄉鎮為例，利用手機信令數據測算了村鎮聚落的多層級網絡聯系，結合自容性、群集性、網絡效率等指標對村鎮聚落的網絡結構特征進行分析，結果表明，三鄉鎮呈現簇群式的空間聯系結構，具有自上而下的垂直聯系和多層級相互交織的復雜網絡特征。圖爾蓀阿依·如孜等[41]基于人口密度數據與夜間燈光數據對新疆鄉村聚落的空間變化與演變特征進行研究，結果表明新疆南部、東部和北部地區鄉村聚落在空間分布、擴張強度和空間演變程度等方面存在差異。周祥勝[42]將對廣東省四會市農村空心化進行了研究，利用居民月度用電數據在內的多源數據建立了自然村空心化的分類判別方法，對自然村空心化進行了綜合評價。

目前基于大數據的農村問題研究主要側重對農村發展的現狀刻畫，特別是對農村空間環境的評估，可以發現大量實際社會經濟活動驅動下的農村空間結構與體系。未來研究可進一步關注問題與政策導向，在現狀描述的基礎上對農村發展政策涉及的關鍵問題展開研究，如農村人居環境質量的監測等，為相關政策制定提供更加直接的支撐。

2.3 大數據在農民問題研究的應用

農民是農業生產與農村生活的主要參與者，“三農”問題的核心是農民問題[43]。以人為本，尊重農民意愿，真正了解農民心中所想、所需，對于解決“三農”問題有重要意義。隨著信息技術與物聯網技術的發展，大數據分析成為精準了解農民需求的重要方式。

一方面，應用大數據有助于精準了解農民時空行為。農民時空活動是農村自然資源系統演變的重要驅動力，也是農村復雜社會經濟問題的體現。傳統農民時空行為研究通常采用傳統調查方法獲取數據，這種方式具有成本高、樣本少、存在主觀回憶或敘述偏差等缺陷。大數據技術的快速發展尤其是手機定位數據為研究農民時空行為提供了新的數據來源。

大數據在市民時空行為領域已獲得了大量應用，包括分析市民出行規律特征、得到其時空行為模式等，但在農村地區的相關研究還方興未艾。Eagle等[44]根據手機定位數據，將農村與城市社會的活動模式進行了比較分析，研究發現農村和城市社區在個人網絡拓撲和行為特征方面存在顯著差異；Sanya和Mubangiz[45]運用手機定位數據研究了人口在城鄉之間的流動動態，并提出了層次人口流動的概念，認為該概念可用于空間人口流動的可視化；Takahiro等[46]將農民時空行為引入自然災害研究，提出了一種基于手機定位數據與地理信息的農村洪澇災害探測的方法，通過檢測個體異常行為來實時推斷洪水位置，并利用日本農村兩次嚴重洪災的實際數據對該方法進行評估，驗證了該方法的可行性與準確性。

國內在市民時空行為領域的相關研究較少，高雪松等[10]利用手機信令數據研究了成都市農村勞動力的職住通勤狀況，實現了成都農村勞動力的職住聯系的可視化。結果表明，有接近7%的農村勞動力每個工作日通勤到市區。該研究首次精細化地展現了我國快速城市化時期農村居民的就業格局與職住聯系。在此基礎上，高雪松等[47]進一步研究了成都市農村宅基地整理政策對農民生活生產方式的影響。結果表明，宅基地整理增加了農民的工作類出行距離，縮短了非工作類出行距離，提高了農村居民的生活品質。

另一方面，應用大數據能精準識別貧困人口助力農村精準扶貧，這是我國學術界一個熱點課題。Blumenstock等[48]基于手機使用數據對盧旺達人口的貧富狀況進行了研究。聯合國與百度也在此領域形成了合作，建立了一個涵蓋互聯網條件、道路基礎設施在內八個衡量標準的大數據分析網絡，用以精準識別貧困[49]。我國地方政府也進行了大數據精準扶貧的實踐，并取得了一定的成果，例如貴州省依據扶貧云平臺信息系統，量化評價貧困戶信息，建立扶貧脫貧指標體系，動態掌握貧困人口狀況，實現了對貧困人口的精準識別與監控[50]。

可以看到，目前手機使用與信令定位數據作為反映個體行為的高覆蓋度數據是農民問題研究的一項主要大數據來源，所應用的問題領域主要包括農民時空行為規律識別及其所反映的農民貧富狀況與生活福祉。與對城市居民的類似研究相比，農民問題研究還較少采用社交媒體網站等互聯網使用數據，而這類大數據可在客觀行為之外提供農民主觀認知信息，豐富農民問題分析維度，但如何從眾多網站用戶中識別農民用戶、農民群體對各類網站的使用存在何種偏好與差異是未來研究可進一步探索的問題。

3 討 論

3.1 農村大數據的來源與質量問題

雖然在大數據時代，與“三農”問題相關的數據在不斷增加，使“三農”問題研究的信息來源大為拓展，但與城市地區相比，農村地區大數據無論在種類還是質量方面都還存在一定差距。首先，在數據來源種類方面，由于城市政府的大量智慧城市建設投入、城市居民的高強度互聯網使用以及商業機構數據采集對城市地區的側重等原因，目前各類大數據的可獲得性在城市與農村之間仍存在明顯差異。例如，城市生活與經濟運行的大量信息都可以通過居民在互聯網上的瀏覽、購物、評論等數據進行探測，而農村居民的類似互聯網使用則相對較少；在人居環境方面，各類商業網站已積累了興趣點、街景等有關城市環境的大量精細數據，而這些數據在農村地區往往較為稀疏。同時，與農業生產經營相關的特色數據通常需要部署大量傳感設備，也導致相關數據目前主要以點狀覆蓋為主，尚難以在大范圍內實現同等獲取。在數據質量方面，農村大數據也可能在數據精度、代表性等方面存在不足，如用途廣泛的手機信令定位數據在城市地區的精度一般能夠達到200～300 m，而在農村地區由于基站分布較為稀疏，定位精度可能下降至1000 m甚至更低，為進一步分析挖掘帶來了挑戰。但隨著“數字鄉村”等戰略的實施，預計上述城鄉之間的大數據資源差異將逐步縮小，各類新型數據將為“三農”問題研究帶來更多創新。

3.2 數據條件限制下的方法設計問題

上述農村大數據的數據條件限制對數據分析的方法設計提出了更多要求，以實現在有限數據條件下對研究對象的準確刻畫。例如，如何通過在數據條件較好的片區采集的局部信息推求整個研究范圍內的總體情況，這類問題可能需要多種數據的聯合分析，如結合局部范圍、高粒度大數據與大范圍、粗粒度的傳統統計數據，通過挖掘數據之間的映射關系實現局部信息到整體的擴充。再如，某些研究問題在城市地區可以通過多種大數據的綜合分析進行識別，如綜合居民個體的信令軌跡、職住地點特征、其他訪問地點特征對居民個體的社會經濟屬性進行識別，但在農村地區可有效利用的大數據類型可能較為單一，這就需要借助更為豐富的研究方法實現分析目的，如Blumenstock等[48]使用特征工程方法從手機使用原始數據中構造出上千個特征變量，在此基礎上構建機器學習模型成功實現了僅依賴手機使用數據的用戶貧富水平識別。

3.3 大數據分析與傳統“三農”問題治理經驗的整合

大數據分析應用并非單純追求方法創新，而是應切實服務于“三農”問題治理與相關政策制定。從更抽象意義上可以認為大數據分析是機器智能的一種形式，通過計算機的強大計算能力從大規模數據中挖掘人類所不能直接觀察到的現象與規律，而在“三農”問題治理方面，相關技術人員與政府管理人員也在長期的實踐工作中形成大量經驗積累，如何將機器智能與人類經驗有效整合是大數據應用于“三農”問題研究所要關注的深層問題，包括算法設計中的經驗嵌入、決策過程中的人機交互等。對這一問題的探索無法局限于技術研究領域，而是需要通過技術研究與“三農”問題治理實踐的循環互動，在應用實踐中探索大數據分析的邊界與局限以及與傳統經驗的整合途徑。

4 展 望

由前文1、2節可以看到，雖然與城市問題研究相比大數據在農村區域問題研究方面的應用還相對較少，但國內外學者也已陸續針對一些相關課題展開探索。在我國農村數字基礎設施水平不斷提高且“三農”問題在國家發展中始終占據重要地位的背景下，利用多樣、精細的新型數據對各類“三農”問題展開深入研究具有豐富前景與重要社會經濟意義，下文將嘗試就其中可能的研究方向進行探討。

4.1 農業發展——大數據應用于農業新型業態研究

由2.1節可以看到，國內外學者已針對大數據應用于農業增產展開了若干新技術探索。與此同時，近年來隨著城市化的發展與互聯網等技術的傳播，在傳統農業之外我國農村也出現了多種新型業態，包括“互聯網+”模式影響下出現的農村電子商務，傳統農業與服務業相結合出現的觀光農業、體驗農業、休閑農業[51]、共享農業等新式農業，以及農村土地流轉后形成的農業合作社等。這些新型業態的出現有利于促進農村發展、提高農民收入，但其發展狀況、發展機制、對農業生產與農村社會經濟的綜合影響等問題還有待深入研究。

由于許多新型業態的運營本身就以互聯網為重要平臺，因此相關互聯網大數據也是對這類業態展開研究的直接信息來源，如電子商務平臺的價格、銷量、評價等數據直觀的反映了農村電子商務的發展情況，新式農業作為一類休閑旅游活動往往也可通過旅游、點評類網站獲得其經營情況及消費者評價相關信息，此外還可利用廣泛反映人群行為的手機軌跡數據對農村新型業態的經營者與消費者行為進行分析。

4.2 空間規劃——農村“三生”空間規劃研究

科學合理的空間規劃是農村社會經濟發展的重要要素，近年來新農村建設、土地整理等空間規劃工作在我國農村大規模開展，急需開展相關研究為農村生產、生活、生態空間規劃提供支撐。而現有研究往往主要以地形地貌、土地利用等數據為分析依據[52-53]，以物質環境評估為主，缺乏對當前農村物質空間與社會經濟活動互動關系的深入解析。針對這一問題，上文提到的各類新型數據應用于農村產業與農民生活的相關研究路徑均可進一步延伸至農村“三生”空間規劃研究，如基于手機軌跡數據對不同空間格局村莊的農民生產、生活行為與便利度等評價指標進行比較研究，從而總結符合當代農民生產、生活需求的農村空間布局模式。

此外，新型數據也可提供較傳統數據更為精細的農村空間環境信息，雖然興趣點、街景圖像等目前已在城市空間環境研究中得到大量運用的數據在我國農村地區的覆蓋率還較低，但仍存在部分可適當利用的數據類型。如航拍、遙感圖片往往覆蓋范圍較廣，通過與計算機視覺技術相結合可提取農村房屋狀況、道路狀況等精細信息，為空心村等農村建設問題研究與改造規劃提供精準依據；各類平臺中的農村環境圖像也可采用計算機視覺技術識別提取地域風貌特征[54]，為制定具有地域特色的農村空間規劃與設計提供支撐。

4.3 農民生活——大數據應用于農民生活狀況研究

在我國快速城市化背景下，農民生活模式也在不斷變遷，對當代農民生活狀況的準確認知是各類農村政策有效制定的重要基礎。有關農民生活狀況的傳統信息來源主要為問卷調查、訪談等，此類方法面臨著成本高、樣本少、樣本代表性有限等方面的挑戰，而前文第2節中提到的手機定位、互聯網使用等大數據為識別、分析當前我國農民日常活動與心理感受提供了有力的信息來源，筆者基于手機軌跡數據對成都農民職住格局與日常活動模式的研究即是對這一研究方向的一項探索。未來研究可進一步探索采用更多類型的新型數據對當前我國農民生活狀況進行更為全面的刻畫與分析，如采用空間精度更高的手機GPS定位數據可以更精準地識別農民活動地點與活動內容，進而對農民生活方式、生活便利度以及更深入的農村貧困、老齡化等社會經濟問題進行解析；采集農民群體的社交媒體數據，包括內容發布、瀏覽、評論等，可以對農民的生活滿意度、幸福感等主觀感受進行評估，從而主客觀相結合對當前我國農民的生活狀況進行分析。