一、农情监测的定义

农情监测，是指对农作物生长状态、土壤环境、气象条件与农事进度进行持续观测、汇集与研判的工作。它的目的不是记录数据本身，而是回答三个问题：作物现在长得怎么样、接下来会怎么样、需不需要干预。

与传统农业统计不同，农情监测强调过程化与高频次。传统统计多在关键节点上报面积与产量，属于事后结果；农情监测则贯穿播种、出苗、分蘖、拔节、抽穗、灌浆、成熟全过程，能在问题发生时就发现，而不是收获后才知道减产。

从服务对象看，农情监测既服务于生产端（农场、合作社决定什么时候浇水施肥打药），也服务于管理端（主管部门掌握辖区生产形势、组织抗灾救灾），还服务于金融端（保险机构评估风险、核验灾情）。不同主体关注的指标不同，但底层数据来源高度重合。

二、农情监测到底监测什么

按对象划分，监测内容主要包括四类。

• 作物本身：种植面积与分布、作物类型、出苗与群体密度、株高与叶面积、长势等级、营养状况、病虫害发生、倒伏与受灾范围、成熟进度；
• 土壤环境：土壤墒情与含水量、地温、肥力与养分状况、盐碱化程度；
• 气象与灾害：降水、温度、光照、积温，以及干旱、洪涝、低温冷害、高温热害、冰雹、大风等灾害过程；
• 农事活动：播种、施肥、灌溉、打药、收获的进度与作业质量。

其中最核心、应用最广的是作物长势监测。基于红光与近红外波段构造的 NDVI 等植被指数，可以量化植被覆盖与光合作用强度，再用多期对比判断长势是变好还是变差，进而定位需要重点关注的田块。

三、用什么手段监测

成熟的农情监测通常采用天—空—地一体化的组合。

天基依靠卫星遥感，覆盖广、成本低、可回溯历史，适合大范围周期性普查与趋势判断，主力数据包括多光谱影像与雷达影像。空基依靠无人机，机动灵活、分辨率高，适合重点区域详查与灾情取证，可搭载可见光、多光谱与激光雷达。地基依靠物联网传感器与人工调查，包括气象站、土壤墒情仪、虫情灯、摄像头，以及农技人员的田间取样，主要用于提供真值样本与校验遥感结论。

三者的关系是：卫星发现线索、无人机核实细节、地面提供真值。只用卫星，结论缺乏验证；只有地面，覆盖范围又太小。把三者打通，才能既看得全又说得准。

四、从数据到决策的转化

监测数据要变成决策，需要四步加工。

第一步是清洗与标准化：不同来源的数据坐标、时相、分辨率不同，必须统一到同一空间基准与时间口径。第二步是指标计算：生成长势指数、墒情指数、灾害指数等可对比的量化指标。第三步是对比研判：与历史同期、与周边区域、与多年均值做对比，识别异常区域。第四步是分级推送：把异常区域按严重程度分级，推送给对应的责任人，提示具体的处置建议。

真正好用的监测系统，输出的不是一堆图表，而是"哪块地、什么问题、建议怎么做"这样的可执行清单。这也是评价一套农情监测系统是否实用的关键标准。

五、农情监测的实际价值

在生产端，它把"凭经验看苗"变成"按数据管理"，避免大水大肥的粗放投入，把肥料与农药用在真正需要的地块上。在管理端，它让主管部门在灾害发生的第一时间掌握范围与程度，组织救灾更有针对性，也减少了层层上报带来的时滞与误差。在保险端，多期监测数据构成完整的过程记录，承保时能核验标的，灾后能界定损失时点与程度，显著降低定损争议。在统计端，遥感与地面抽样结合，提高了面积与产量数据的客观性与一致性。

六、落地时要注意什么

一是时相要贴合农时，错过关键生育期的影像价值大打折扣；二是要有地面样本支撑，纯模型输出在争议场景中缺乏说服力；三是历史数据要能回溯，灾害定损往往要调取数月前的影像作为对比基准；四是口径要前后一致，同一项目不同批次的统计方法一旦变化，数据就无法纵向比较。

七、怎么搭建一套可用的农情监测

搭建农情监测体系，建议按五个动作推进：建底图，先把地块边界、权属与作物信息上图，形成统一的地块单元；定指标，明确要看哪些指标、多久更新一次、达到什么阈值需要预警；接数据，打通卫星影像、无人机、气象站与墒情设备，统一坐标与时间口径；做校验，在典型地块布设样本点，定期实地核对，把模型误差控制在可接受范围；建机制，明确谁看数据、谁处置、多久反馈，让监测结果真正进入工作流程。

五件事里最容易被跳过的是第五件。没有配套的处置机制，再准的监测也只是"看个热闹"。

除了五个动作，还有两个容易被忽略的前提：一是起步不必求全，先选一个作物、一个区域把链条跑通，再横向推广，比一次性覆盖全域更容易见效；二是预留迭代空间，指标阈值与模型参数要能随积累的数据持续调整。监测体系不是一次性工程，而是越用越准的长期资产。

结语

农情监测的本质，是用持续、客观、可回溯的数据，把农业生产的不确定性变成可管理的风险。看得见，才管得住。

时维遥感——遥感+AI，让农业更智慧