正文如下：
一、多光谱不是“彩色照片加滤镜”
很多人第一次看多光谱影像，会觉得它灰蒙蒙的、不如航拍照片好看。这是正常的：多光谱相机记录的不是给人眼看的颜色，而是几个窄波段上的反射率。人眼只有红、绿、蓝三个宽波段，多光谱相机把光谱切成五段、七段甚至十段，其中包含人眼看不见的近红外与红边，而作物的长势差异，恰恰主要藏在这两段里。
原因在叶片的光学特性。健康叶片在可见光区吸收强，因为叶绿素要拿光能去做光合；到了近红外区，叶肉细胞的多重散射让它强烈反射。叶片越密、叶绿素越多，红吸收越深、近红外反射越强，这个反差就是长势可以被“算”出来的物理基础。
所以要建立的第一个认识是：多光谱相机是测量仪器，不是照相机。它的输出应当是一张反射率图，而不是一张好看的图。任何直接拿原始亮度值比较长势的做法，都会把光照差异当成作物差异。
二、波段怎么分工：蓝、绿、红、红边、近红外
蓝波段主要被叶绿素与类胡萝卜素吸收，穿透水体能力强，常用于水体与土壤背景的区分。绿波段在可见光里反射相对高，是植物“看起来绿”的原因，对叶绿素总量不敏感，但对冠层覆盖度有响应。红波段是叶绿素吸收谷，长势越好吸收越深，是各类植被指数的核心输入之一。
红边波段位于红光与近红外之间的陡坡上，波长大约在七百纳米上下。它的价值在于高叶面积指数时仍然不饱和：当冠层已经很密，红波段的吸收早就到顶了，红边还能继续分辨差异。这也是为什么在高产田块里，含红边的指数比传统指数更管用。
近红外波段反映冠层的细胞结构与生物量，是生物量估算的主力。短波红外对水分敏感，可用于旱情与含水量的辅助判断，但机载低成本相机往往没有这一段。
波段数量不是越多越好。关键是波段的中心波长与带宽是否对准了你要反演的那个生理参数，以及相机是否提供同步的辐射定标信息。八个波段但都挤在可见光里，价值不如五个波段却包含红边与近红外。
三、飞之前要定的四件事：高度、重叠、时相、标定
第一是相对航高。地面分辨率由像元尺寸、焦距、航高共同决定，粗略地说，航高翻倍、分辨率减半。判断倒伏与缺苗需要厘米级，判断长势分级十几厘米就够。飞太低，覆盖率下降、拼接困难；飞太高，单株信息丢失。
第二是重叠率。多光谱要拼接成正射影像，航向重叠通常要七成以上，旁向重叠六成左右，地形起伏大的地块还要加。重叠不够，拼接会出现错位与拉花，指数图上一片一片的假异常。
第三是时相与时段。作物长势在生育期内变化快，监测要卡在关键期：分蘖、拔节、抽穗、灌浆各有各的判读重点。一天之内，最好选在上午十点到下午两点之间，太阳高度角稳定、云影少。清晨与傍晚的斜射光会放大阴影，让长势看起来忽高忽低。
第四是辐射标定。起飞前在田边铺一块已知反射率的定标板，同步拍一张；有条件的再配一台照度计记录下行辐射。没有定标板的数据，只能做同一架次内的相对比较，跨架次、跨日期就不可比。这一条最容易被省掉，也最容易让整个生长季的数据白费。
四、从反射率到指数：NDVI 好用，但有两个坑
NDVI 是最广为人知的植被指数，用近红外与红波的差值除以它们的和。设计它的初衷很聪明：用比值抵消掉一部分光照与地形的影响，让不同时间的影像可以比较。它的取值范围在负一到一之间，健康植被通常落在较高的区间，裸地与水体接近零或为负。
第一个坑是饱和。当叶面积指数超过一定水平，红波段吸收已经到顶，NDVI 随之进入平台区，长势再好的田块也只能给出差不多的数值。高产田里用它做分级，往往分不出高低。这时候应改用含红边的指数，或者用近红外与短波红外的组合。
第二个坑是土壤背景干扰。苗期冠层没封行，像元里一大半是土，土壤颜色深浅直接左右指数。用带土壤调节系数的指数，或者在苗期只做覆盖度评估、不做长势分级，是更稳妥的做法。
还有一个常被忽略的问题是阴影与云。云影会让整片区域指数偏低，看起来像出了问题；薄云会让指数虚高。处理办法是看原始影像、看阴影方向、必要时重飞，而不是硬着头皮解释指数图。
五、指数怎么变成农事决策：分级、处方图、作业
指数图本身不是结论，把连续的指数值切成可执行的几档，才是长势监测的落点。切分方法有讲究：按固定阈值切，简单但跨区域不可比；按分位数切，能保证每块地都分出“相对好、相对差”，但差的那一片可能只是正常波动。工程上常用的是两者结合：先按分位数定档，再用固定阈值卡掉不显著的差异。
分级之后要落到变量施肥。做法是把长势分级图转成管理分区，再按分区给施肥量：长势弱的分区多施，长势旺的分区少施，避免全田一个用量。处方针图的关键不是“多施多少”，而是“差异有多大才值得单独作业”。差异太小，机手调来调去反而增加成本；差异足够大，分区作业才有意义。
作业环节还有两个现实约束。其一是农机是否支持变量作业，没有变量控制器，处方图只能当参考。其二是肥料品种与追肥窗口，图出来得晚，错过了追肥期，再准的处方也只是存档。
六、地面校验：没有采样点，指数只是颜色
遥感反演的是光谱，不是产量。要把光谱翻译成长势，必须有地面数据锚定。采样点的布设要覆盖不同长势等级，不能只挑长得好的地；采样内容通常包括叶面积指数、叶绿素相对含量、株高、密度，收获期再加测产。
采样时间要与飞行时间尽量接近，最好当天完成。间隔超过几天的地面数据，解释力会明显下降，因为作物在这几天里可能已经变了。
校验的结果要用起来：拿采样点去检验分级是否站得住，检查有没有系统性偏高或偏低，必要时对指数做线性修正。一个生长季做两三次这样的校验，下一季的判读就有底了。长期不做校验的监测，本质上是在积累漂亮的图，而不是在积累知识。
采样还有一个作用是发现系统性偏差。如果连续几次校验都显示指数图在某类土壤上整体偏高，那大概率是土壤背景没处理好，而不是作物真的长得好。这种偏差靠看图看不出来，只能靠地面数据反推。
七、成本与边界：什么时候值得飞
无人机多光谱的成本由三块构成：设备折旧、飞行作业、数据处理与判读。设备一次性投入不小，若一年只飞两三次，摊到每亩上的成本会很难看；反过来，一个生长季飞五六次、覆盖数千亩，单亩成本就下来了。
与卫星相比，无人机的优势是时相可控、分辨率高、云层影响小，劣势是覆盖效率低、受空域与天气约束、单架次范围有限。所以合适的用法是：卫星做区域普查，圈出长势异常片区；无人机做重点地块详查，出分级图与处方图。用卫星找问题，用无人机定方案，这个分工比单靠一种手段更经济。
不适合上多光谱的情形也要说清楚：地块零碎、面积过小，飞行与拼接的成本摊不薄；种植结构单一、管理粗放，分级的差异不足以改变农事操作；缺乏基本的农机与管理配套，图出来了也落不了地。技术能不能用，取决于后面有没有接得住的作业能力。
结语
无人机多光谱在农情监测中的应用，说到底是一条从物理到决策的链条：波段对准生理参数，飞行参数保证数据可用，辐射标定保证跨期可比，植被指数把光谱变成差异，分级与处方图把差异变成动作。
NDVI 是好用的起点，但不是终点，红边与土壤调节能补上它的短板；长势监测要配地面采样才有解释力；精准施肥要配变量农机才算闭环。把这条链条走通，多光谱相机才从一件昂贵的挂载，变成田间管理的常规工具。
时维遥感——遥感+AI，让农业更智慧
