农业的处方图是怎么生成的？从原理到落地

AI 参与的处方图，本质是一张带剂量建议的地图：把一块地按长势、土壤、历史产量的差异划成若干小区，再逐区给出该施多少肥、喷多少水。它让农机从「整块地一个量」变成「走到哪、给到哪」，像给地块开了一张分区的配餐单。

名字里的处方是借用的说法，指作业建议，不涉及任何人事。

先给一个判断：地块内部差异越大、投入品单价越高，这张图越值得做。反过来，平整连片、地力均匀的田块，分区带来的额外回报往往抵不过测量和调试的成本。

一块地为什么要分区

同一块田里，地势高低、耕层深浅、有机质含量本来就不同，长势差异可能达到两三成。整块地按平均量施肥，肥力高的地方过量，低的地方不足，既浪费又增加环境负担。

分区的意义就是把有限的投入放到最需要的地方。判断要不要做，先看地块内部差异是否明显：如果历年产量图几乎一片同色，分区带来的回报很有限。

数据从哪来：遥感、轨迹与取样

主要三类来源。卫星或无人机多光谱影像提供长势指标，比如归一化植被指数，能看出哪片绿得弱；农机轨迹和作业记录提供历史投入与产量，能看出哪片地常年低产；人工取样和土壤检测提供养分、酸碱度这些硬指标，点数少但权威。

三类数据精度不同，融在一起要定权重。通常做法是以影像划出小区边界，再用取样点校正数值，避免只靠影像把阴影或云层误判成弱苗。

模型算出什么：一张带等级的栅格

算法把地块切成规则栅格，每个格子算一组特征：植被指数、历史产量、土壤养分、坡度。然后用聚类或回归把格子分成三到五级，每级对应一个建议量。输出就是一张分级图，颜色深浅代表需求高低。

等级不宜太细。分五级以上，农机和操作员都难以按图执行，实际回报也被稀释。三到四级是常见选择。

从栅格到农机能读的文件

分级图还要转成作业文件，格式通常是带坐标的矢量或栅格任务图，附带每区的目标用量。农机上的变量作业控制器读取后，按卫星定位实时调整阀门或排肥轴转速。

这一步最容易出岔子的是坐标系和边界。地块边界偏了十米，肥就可能施到隔壁田里。生成文件后要用农机终端实机走一圈核对，别只在电脑上看图。

误差与复核：别把边界画歪

处方图的误差来自三处：影像分辨率不够、取样点太少、模型把年际波动当成常态。对应的复核办法是保留一块对照区按原方式作业，季末比较产量与投入，验证分区是否真的划算。

还要留人工修改的口子。老农对地块的直觉往往比模型准，尤其是排水沟、树影、老坟头这些影像看不见的因素。让操作员能在终端上直接改某区用量，采纳率会高很多。

处方图落地清单

• 先看差异：历年产量图是否一片同色
• 三类数据融合，取样点负责校正影像
• 分级三到四级，别细到没人执行
• 文件生成后实机走一圈，核对边界
• 留对照区，季末算投入与产量差

这张清单里最容易被跳过的是最后一条，而没有对照就说不清它到底有没有用。

相关的机制文章：漏检与误检的平衡讲判定门槛怎么定；数字孪生的数据接入处理多源数据的对齐；筛查的假阳性处理与分区误判是同类问题；风控模型的特征来源可以对照看特征工程的做法。

关于农业处方图的三个常问问题

• 小地块值得做吗？：几十亩以下、地形又平整的地块，分区回报常常抵不过设备投入，可以先从最不平的一片试。
• 没有无人机能生成吗？：可以。用历史产量数据加人工取样也能分级，只是边界会粗一些。
• 图做好后每年都要重做吗？：建议每年更新一次，作物轮换和地力变化会让旧图失效，但可以沿用上一年的分区骨架。