一、先看全貌：七步链条
一个规范的农业遥感项目，通常包含七个环节。
需求定义 → 数据获取 → 预处理 → 信息提取 → 地面核验 → 成果制作 → 交付与复盘。
这七个环节是一个完整的链条，前面的疏漏会在后面放大。比如需求定义含糊，做出来的成果没人用；数据获取没抓准时间窗口，后面再怎么处理都救不回来；地面核验省掉了，精度就没有说服力。
把这七步理解清楚，既能帮助需求方判断服务商是否专业，也能帮助执行方把项目做稳。
二、第一步：需求定义
这一步最重要的产出，不是技术方案，而是把业务问题说清楚。
需要明确的核心要素包括：监测对象是什么作物、关注什么指标（面积、长势、灾害、产量）、空间范围多大、时间节点是什么（哪些生育期必须覆盖）、精度要求多少、成果形态是什么（图件、矢量、统计表、报告还是系统接口）、成果给谁用。
这一步最常见的失败是：客户说"帮我做个遥感监测"，服务商直接开做，交出来一堆漂亮的指数图，但客户真正需要的是"能导进补贴发放系统的地块面积表"。
建议的做法是把成果样例先对齐：找一张类似的成果图或数据表，双方确认"最终交付的就是这个样子"，再往下走。
三、第二步：数据获取
数据获取的核心是在对的时间拿到对的数据。
关键决策包括：选择什么数据源（光学、雷达、多光谱、高光谱）、什么分辨率、哪颗卫星、是否需要编程拍摄、要不要补无人机数据、历史存档数据够不够。
农业遥感对时间极其敏感。作物识别必须在关键生育期——比如某作物在抽穗期的光谱特征最明显，早了晚了都难以区分；灾害评估必须在灾后第一时间，拖上一两周，地面已恢复，损失特征就消失了。
因此成熟的团队会提前排数据获取计划：把全年关键节点列出来，提前锁定卫星过境时间，准备多云时的雷达替代方案，并与数据供应商保持沟通。
四、第三步：预处理
预处理是把原始数据变成可分析数据的过程。
主要工作包括：辐射定标与大气校正，把数字量化值转换为地表反射率，保证多时相数据可比；几何校正与配准，把影像对齐到统一坐标框架；影像融合、镶嵌与裁剪，按研究区范围整理数据；云与云影检测，标记或剔除受云污染的区域。
这一步的质量直接决定后续分析的可靠性。尤其是大气校正——不做校正的多时相数据，植被指数变化里混着大气影响，结论可能完全错误。
五、第四步：信息提取
这是技术含量最高的环节，也是体现差异的地方。
常见任务包括：作物分类与种植结构提取、地块边界提取、植被指数与参数反演、长势评估与分级、变化检测与灾害识别、产量预估建模。
方法上，从传统的监督分类、面向对象分类，到深度学习语义分割、时序模型，选择取决于数据条件与精度要求。工程实践中，纯自动化往往难以达到业务精度，通常需要"自动提取加人工编辑"的组合：模型出初稿，人工修正明显错误。
这一步的质量控制要点是：样本要真实、要有代表性；模型要分区适配，不能一套参数打天下；结果要做空间一致性检查，比如相邻同类地块的指数不应出现突变。
六、第五步：地面核验
地面核验是成果可信度的来源，也是最容易被压缩的环节。
主要工作包括：设计抽样方案，按作物类型、区域、长势等级分层布设样方；开展实地调查，记录作物类型、生长状况、受灾情况，拍摄现场照片；采集 GPS 点位与边界信息；用样方数据构建精度评价的混淆矩阵，计算总体精度、Kappa 系数等指标。
核验的作用有三：一是评估精度，给成果标注可信度；二是校正模型，用实地数据调整阈值与参数；三是支撑争议处理，当成果受到质疑时，样方数据是硬证据。
成熟的团队会把样方数据沉淀成样本库，逐年积累，后续项目的模型冷启动成本会越来越低。
七、第六步：成果制作与交付
成果制作要把分析结果翻译成业务语言。
常见成果形态包括：专题图件（种植结构分布图、长势等级图、受灾程度图）、矢量数据（地块边界、图斑属性表）、统计报表（分区域、分作物、分等级的汇总数据）、分析报告（结论、问题、建议）、系统接口（结构化数据直接对接业务平台）。
好的成果有三个特征：一是结论明确，告诉用户哪里有问题、该做什么，而不是只给一张图；二是可验证，标注了精度指标、数据来源与处理方法；三是可用，格式能被业务系统直接读取，不用二次加工。
交付时应同时提供元数据说明：影像时相、分辨率、处理方法、精度指标、坐标系统。缺少这些信息的成果，用户无法判断能否用于自己的场景。
八、第七步：复盘与迭代
项目交付不是终点。
建议做两件事：一是成果验证回访，在作物收获或灾害定损完成后，把遥感结果与实际结果对比，评估当初的判断准不准，偏差在哪里；二是样本与模型迭代，把本轮积累的样本、问题案例、修正经验纳入数据库，优化下一轮的模型与流程。
很多团队的竞争力差距，就在这第七步。做了就结束的团队，每年都在从头开始；坚持复盘的团队，模型和流程会逐年变强，成本逐年下降，精度逐年提升。
此外，复盘还应包括流程层面的总结：数据获取是否及时、沟通是否顺畅、哪些环节耗时超预期，这些都会让下一轮项目更可控。
结语
农业遥感项目的完整流程是需求定义、数据获取、预处理、信息提取、地面核验、成果制作、交付复盘七步。其中需求定义决定成果有没有用，数据获取决定能不能做，地面核验决定可不可信，复盘决定能否持续进步。把这四步做扎实，中间的技术环节即使遇到波折，项目整体也不会跑偏。
时维遥感——遥感+AI，让农业更智慧
