正文如下：

一、什么是小麦倒伏识别

小麦倒伏识别，就是借助影像判断麦田里哪些区域发生了茎秆倒伏、倒伏有多严重、大概占多大面积。小麦在灌浆期前后，遇到大风、暴雨或氮肥偏多，茎秆容易成片倒向地面，倒伏后通风透光变差，光合作用下降，籽粒灌浆不足，轻则减产，重则霉变发芽。对农场主来说，最关心的是"哪块地倒了、倒了多少、还能不能救、保险怎么算"；对保险公估人员来说，最关心的是"倒伏面积的客观依据在哪"。传统的倒伏调查靠人走进田里目测估比例，费时费力不说，麦田连片、地形相似，肉眼很难把不同地块的倒伏程度分清楚，各家估出来的数也难对齐。遥感从天上往下看，能在一次成像里同时看到多块麦田的形态与颜色差异，为倒伏识别提供了一个统一、可比、可复核的观察角度。

二、倒伏为什么能在影像上被看见

倒伏之所以能被遥感捕捉到，是因为倒伏改变了麦田在影像上的外观。正常生长的小麦直立、叶片向上，冠层结构规整，在可见光与近红外影像上呈现出较高的植被指数；倒伏后植株贴地、冠层被打乱，叶片重叠、受光面积改变，近红外反射下降，绿度与纹理都发生变化，跟周边直立麦田形成明显的"亮度差"与"纹理差"。尤其在 NDVI 这类植被指数上，倒伏区往往表现为数值偏低的斑块，与长势正常的麦田区分开来。除了光谱差异，倒伏还会带来空间形态上的特征：倒伏区常沿风向呈条带状或斑块状分布，边界比自然长势差异更"规整"，这些特征都能帮助判读人员把倒伏与缺肥、病害、成熟度差异等干扰区分开。理解这些影像特征，是后续方法能不能用对的前提。

三、NDVI 多期对比的基本做法

NDVI对比是小麦倒伏识别里的常用手段，核心思路是"拿正常的时候跟倒伏的时候比"。做法上主要有两种：一种是同期空间对比，把同一时相影像里倒伏区与周边正常区的 NDVI 做比较，倒伏区数值明显偏低就提示可能倒伏；另一种是多期对比，也是更可靠的做法——选取倒伏发生前一段时间（比如拔节到抽穗前后）的多期影像，先建立每块地"正常长势"的基准 NDVI，再获取倒伏发生后的影像，比较前后变化：长势一直稳定、突然在某期出现明显下降的区域，倒伏的可能性就高。多期对比的好处是能排除"本来长势就差"的干扰：如果一块地前期 NDVI 就一直偏低，那多半是土壤或管理问题，而不是倒伏；只有在前期正常、后期骤降的地方，才更可能是倒伏。实际作业中，通常会把多期数据叠加成一条时间曲线，看哪块地出现了"拐点"。

四、影像分类与倒伏图斑提取

有了 NDVI 差异之后，下一步是影像分类，把倒伏区从整幅影像里勾出来，形成连片的倒伏图斑。常见做法是先设定 NDVI 下降的参考区间，把下降明显的像元标出来，再结合纹理、形状等特征进一步筛；对地类复杂、倒伏分散的麦田，也可用监督分类，先圈出"倒伏"与"正常"的样本，让算法自动判读。分类过程中要处理几类干扰：一是成熟度差异，乳熟后期麦田整体发黄，NDVI 本就会下降，要结合物候期判断；二是云影与地形阴影，会造成局部明暗差异；三是品种与管理差异，不同地块长势本就不齐。有效的解决办法是把分类结果与地块边界、物候数据叠加，逐块复核，把明显不合理的图斑剔除或合并。分类质量的关键，不在算法多复杂，而在样本选得准、干扰排得干净。

五、倒伏面积测算与核验

分类完成后，就要做倒伏面积测算：按图斑统计像元数量，换算成实际地表面积，得到倒伏总面积，并可按程度分档统计。测算环节有两点要留意：一是地块归属，倒伏图斑要套到承保或经营地块上，算清每块地倒了多少，而不是只给一个总数字；二是边界处理，倒伏区边界往往不规则，细碎斑块要做合并或人工处理，避免把零星点状误判算成整片。测算完成后必须做核验，常见方式是抽样，按一定比例抽取图斑到实地或高分辨率影像上复核，看判对的、漏判的、误判的各占多少，衡量整体精度。核验不仅是"交差"，更是发现问题的过程：如果某类地块误判集中，就要回头检查样本与阈值设置，迭代优化，让下一轮的识别更准。

六、结合长势监测的综合判断

倒伏识别不是孤立的，把它放进长势监测的框架里，价值更大。同一批多期影像，既能用来识别倒伏，也能用来评价麦田整体长势：哪些地块长势旺、哪些偏弱、什么时候开始分化，都能从 NDVI 时间曲线上看出来。把长势信息与倒伏图斑结合，能做出更全面的判断——比如识别出某地块前期长势过旺、后期倒伏，往往提示氮肥偏多、群体过大，可以指导来年的肥水管理；又比如撇开倒伏，某些地块长势长期偏低，可能是土壤或灌溉问题。对保险公估而言，长势监测还能帮判断受灾前的本底状况，让定损更有依据。一句话，倒伏识别回答"哪倒了"，长势监测回答"为什么"，两者合起来才构成完整的田间诊断。

七、流程协同与应用价值

把小麦倒伏识别做成一项可用的服务，需要流程协同。大范围先靠卫星影像做快速摸底，圈出疑似倒伏的区块；重点地块再用无人机获取高分辨率影像做精细核查，把边界和程度定准；判读、测算与核验环节分工协作，成果按统一口径出图出表。应用上，农场主可用它安排抢收与减损，优先收倒伏严重的地块，减少霉变损失；保险机构可用它作为倒伏定损的客观依据，快速核定受灾面积；农技部门可用它做倒伏成因分析与栽培指导。要让这套方法长期跑得稳，平时就要把地块边界数字化、把影像获取渠道固定下来、把判读规则统一起来，这样灾害一来，识别、测算、出单才能一气呵成。

结语

小麦倒伏遥感识别，走的是"影像特征—NDVI 多期对比—影像分类—面积测算—结合长势监测"这条路线：多期 NDVI 建立正常长势基准，捕捉后期骤降的"拐点"，再圈出倒伏图斑、测算面积、抽样核验，最后把倒伏与长势放在一起解读。时维遥感把卫星遥感、无人机航拍与多期影像分析结合，服务数十家农业经营主体与保险公估机构，覆盖近 5 万亩麦田作业，让倒伏识别在效率与可靠之间取得平衡。

时维遥感——遥感+AI，让农业更智慧