正文如下：

一、长势分级的终点是农事动作，不是一张图

先立一个判断：长势分级如果止步于"红黄绿的分级图"，它就只是一张装饰画。分级的终点应该是回答三个农事问题——哪块地要追肥、哪块地要灌水、哪块地要化控，以及各要多少。分级结果能不能直接对接到这些作业动作，是衡量监测系统有没有用的唯一标准。

这个定位决定了整个技术路线的选择。第一，分级的参考系不是"理想长势"，而是"本地正常长势"，因为农艺措施要修正的是偏离，不是追求所有地块整齐划一。第二，分级要做成"差值导向"：偏离同期正常水平的方向和幅度，比绝对长势水平更重要，因为追肥决策看的是"这块地比它应该的样子差多少"。第三，分级图必须可落到地块与作业单元，像元级的漂亮图斑如果拼不成整田块的处方，机手没法作业。这三条听起来朴素，但很多监测产品恰恰在这三处失守——图很好看，农民看不懂，农技员用不上。

二、指标选择：要时序曲线，不要单期快照

指标层面，常用的有NDVI、EVI、LAI和生物量类参数。NDVI最普及，但对高覆盖农田容易饱和，后期分辨能力下降；EVI对高生物量区域更稳一些；LAI与产量形成的关系更直接，但反演依赖模型与数据质量；生物量类参数（如干物质、地上生物量估计）最贴近产量，误差也随反演链路累积。

比"用哪个指数"更重要的问题是"用什么形态的指标"。单时相指数是快照，时序特征才是长势。同一天NDVI相同的两块麦田，一块是稳步生长的正常田，一块是前期旺长后期脱肥的田，快照看不出差别，农事含义却完全不同。时序曲线能提取的特征有很多：生长起始时间、生长速率、峰值高度与出现时间、曲线与正常年景曲线的偏离面积、下降段的提前量。这些特征各自对应不同的农事判断——起始晚指向播种质量或苗期胁迫，峰值提前且偏低指向早衰风险，偏离面积大指向持续性问题。把时序特征作为分级的主指标、单期指数作为辅助校核，是长势监测的第一条技术纪律。

三、分级方法：三种主流做法与适用场景

长势分级的方法大体有三类，各有适用场景。

第一类是相对阈值法。计算每个像元或地块的指数值，与同期本地正常水平（多年同期均值或当年优化田块水平）比较，偏差超过设定界线的按幅度划级。做法直接、可解释性强，适合大面积业务化运行，关键是阈值要分作物分区域标定，不能一个界线用全省。第二类是同期均值偏差法，本质上与第一类同源，但参考系取当年同区域的统计均值，适合当年没有可靠多年基线的情况，缺点是区域整体性灾害（比如全域干旱）会把均值整体拉低，所有地块看起来都"正常"，反而掩盖了全域性问题，用它时要配合年际对照。第三类是聚类分区，把时序曲线形态相近的地块聚成一类，每一类内部再分析偏离。它不预设"好中差"，而是先回答"这块地属于哪种长势模式"，再在模式内部定异常，适合种植结构复杂、品种播期差异大的区域。

业务上常见的是三类方法嵌套：聚类定模式、均值偏差定异常、阈值定等级。层级清楚，每个环节的出错都能定位。

四、校准：地面样方与三道干扰

分级要可信，必须有地面校准，这一步没有捷径。

校准的基本做法是布设地面样方：在监测范围内选一批有代表性的地块，按固定周期实地调查苗情——苗数、叶龄、叶色、株高、干物质，条件允许时同步测冠层光谱。样方数据承担两个任务：一是给遥感指标与真实长势之间建立对应关系，把"指数偏差"翻译成"苗情差异"；二是验证分级结果，抽地块回访，看判定的等级与实地是否吻合。样方数量不必铺满，但梯度要拉开——好、中、差都要有，只有正常田块的校准样本标定不出受灾等级。

校准要特别处理三道干扰。一是品种与播期差异，同一区域里晚播田的指数天然低于早播田，不区分播期直接套偏差，晚播田会被整体误判为"长势差"，实际只是物候靠后，按播期、品种分组建立各自的参考基线，是校准里最重要的一步。二是土壤背景，裸土比例高的田块，植被指数被土壤拉低，看起来"长势差"其实只是群体偏稀或行距宽，可用土壤调节类指数或混合像元分解缓解。三是饱和问题，生长旺盛期指数逼近上限，好坏田块挤在一个平台上分不开，此时应转向水分指数、红边特征或雷达等补充通道，避开单一指数的平台期。

五、从分级到处方：农事决策的衔接

分级结果要变成农事动作，中间需要一个翻译层，工程上的载体是作业处方图。

以追肥为例，衔接逻辑是这样的：遥感给出各田块的长势等级与偏离方向；农技人员按当地栽培模式确定分级与施肥量的对应关系——偏差达到某一档的追肥多少、高出正常的不追或控旺；再结合地力分区、前茬、灌溉条件做修正；最后生成带田块边界与用量标注的处方图，交给变量施肥机械或人工班组执行。灌水与化控同理，只是对应关系不同——指数偏低可能是缺水也可能是脱肥，要结合水分指标与土壤墒情区分，这正是指标选择要多元的原因。

这个翻译层必须由农艺知识填充，遥感只能给"哪里异常、异常多大"，给不了"该做什么"。监测系统与农艺团队必须坐在一张桌子上定对应规则，规则一旦固化，系统就能批量输出处方，人力投入集中在规则本身的年度修订上。反过来，凡是跳过这一层、直接把分级图发到农户手里的产品，落地效果都不好——农户缺的不是一张图，是图后面那句"这周该干什么"。

六、常见误用：两个高发的坑

长势监测的误用，高发的有两类。

第一类是拿单时相NDVI当长势。某天指数偏低就判"长势差"，可能只是那天有薄云、土壤湿、或者正处于物候转换期；换个晴天下一期数据就"恢复正常"了。单期数据只能做筛查线索，连续三期以上的稳定偏离才能下长势结论，这是最需要反复强调的纪律。第二类是跨区域套阈值。把甲地标定的分级界线直接搬到乙地，作物品种、土壤、气候全变了，界线的含义完全不同，结果是一整片被误判。阈值必须跟着区域和作物走，跨区推广前重新标定，没有本地样方数据支撑就先只做相对比较、不做绝对分级。

除此之外还有几个小坑：忽视影像质量标记，云污染像元混进统计；分级过细，五级以上分级连农技员都记不住对应措施，实际三级到四级最实用；只有分级没有复核，一个生育期下来从不回访验证，判对判错全凭自信。

结语

遥感监测作物长势分级的价值链条是：NDVI时序与多元指标给信号，本地化标定给尺子，分级与农事决策的翻译层给出处方案，地面复核持续纠偏。四个环节里，最容易被跳过的是标定与翻译层，而它们恰恰是"图"变成"事"的关键。作物长势分级做得好不好，不看图斑多精细，看追肥处方有没有被执行、偏差田块有没有被及时干预。把终点定在农事动作上，技术路线自然就对了。

时维遥感——遥感+AI，让农业更智慧