1. 课程导入与处方图认知
精准植保变量施药处方图，是精准农业体系中连接“田间诊断”与“变量执行”的关键数据产品。简单说，它是一张带有空间坐标的施药决策地图：把田块划分为若干管理单元，为每个单元指定一个具体的施药量（或施药等级），再由装有北斗/GNSS 接收机、变量控制器的植保无人机或地面喷雾机按图作业，实现“哪里需要多喷、哪里需要少喷、哪里不需要喷”。
理解处方图，先要把它和几个容易混淆的概念区分开。植保无人机航线图只回答“怎么飞”，处方图回答“每一处喷多少”；作业记录图是事后生成的“喷了什么”，处方图是事前生成的“应该喷什么”；而 NDVI 等植被指数图只是诊断依据之一，本身不是处方。处方图的本质是一份带地理坐标的施药量指令集，通常以 Shapefile、GeoJSON 或农机 ISOBUS 标准格式（如 ISO-XML）交付，栅格分辨率常见 5～10 米，也可按作业机具幅宽细化到 1～3 米。
处方图的价值体现在三个层面。经济层面，它把全田均一施药改为按需施药，减少无效农药投入；生态层面，它降低农药总量与飘移风险，缓解抗药性压力；管理层面，它让每一次施药都有可追溯的空间依据，便于复盘与合规记录。以一块 100 亩水稻田为例：常规均一施药每亩用药 100 毫升，若处方图将其中约 30% 面积判为轻发区、施药量降至 60 毫升，其余按 100 毫升执行，则总用药量约下降 12%，在药效不降低的前提下直接节省成本，这正是变量施药最直观的收益。
要制作一张可用的处方图，完整流程可以概括为五个环节：数据采集 → 诊断分析 → 分区决策 → 处方生成 → 机具执行与验证。数据采集包括多光谱影像、田间调查病斑/虫口/杂草分布、历史发生记录；诊断分析把影像指数与地面调查对应起来，建立“指数—发生程度”的判读关系；分区决策确定分区数量、阈值和每区施药量；处方生成把决策结果落到地理网格并导出机具可读格式；机具执行与验证则检查实际喷幅、流量与处方是否吻合，形成闭环。下图展示了这一数据流与各环节的关键输入输出。
从图中可以看出，处方图制作不是一次性的绘图动作，而是一条带反馈的数据链。其中最容易出问题的往往不是软件操作，而是诊断分析与分区决策这两个“判断型”环节：影像指数高不一定代表病虫严重，也可能是缺氮、渍水或品种差异；分区阈值定得过细，机具响应跟不上，反而造成流量波动。因此，处方图制作的核心能力是“把农艺判断翻译成机具能执行的数值”。
下面给出一份可直接参考的分区决策示例表，用于说明从调查数据到处方值的转换方式。表中数值为教学假设，实际应用需结合当地植保站推荐用量与药剂标签调整。
| 管理分区 | 判读依据（示例） | 发生程度 | 施药量（毫升/亩） | 占田块比例 |
|---|---|---|---|---|
| 1 区 | NDVI 低于阈值且调查见病斑 | 重 | 120 | 约 20% |
| 2 区 | NDVI 中等，零星病斑 | 中 | 90 | 约 35% |
| 3 区 | NDVI 正常，未见明显症状 | 轻 | 60 | 约 35% |
| 4 区 | 田头、道路、水沟等非作业区 | 不施药 | 0 | 约 10% |
按上表计算，若全田均一施药为 100 毫升/亩，则处方图加权平均用量约为 0.2×120 + 0.35×90 + 0.35×60 + 0.1×0 = 76.5 毫升/亩，较均一施药下降约 23.5%。这个数字说明：处方图的节药效果取决于分区结构与比例，而不是简单地“把用量调低”。