3. 植保作业对象信息采集

变量施药处方图的本质，是把“哪里需要多少药”这一判断落到地块坐标上。因此，处方图制作的第一步不是画图，而是采集能够支撑差异化决策的作业对象信息。信息采集的质量直接决定处方图的可用性：如果病虫害分布数据只到田块级别，处方图就只能退化为整块统一施药；只有把病虫害的空间分布、发生程度和作物长势落到可定位的网格或管理单元上，变量施药才有意义。本节围绕三类互补的信息来源展开：病虫害分布调查、遥感与无人机多光谱影像、地面传感与人工取样，并说明它们如何协同形成处方图的输入数据。

一、病虫害分布调查：从“有没有”到“在哪里、有多重”

病虫害分布调查是处方图最直接的信息来源。调查的核心不是简单记录“田里有病”，而是获取三个维度的信息：空间位置、发生程度和发生范围。常用做法是依据田块形状和面积布设调查样点，例如采用五点取样、对角线取样或棋盘式取样，每个样点记录病虫害种类、病株率、虫口密度、病情指数等指标，并用GPS或RTK记录样点坐标。

以小麦条锈病调查为例，可按每50～100亩布设5～10个样点，每样点随机取20株，记录病叶数和严重度分级（如0、1%、5%、10%、25%、50%等），计算病情指数。调查结果通常以点状数据形式存在，需要进一步插值或按管理网格聚合，才能形成面状分布图。这里要注意：插值方法会显著影响处方图形态，反距离权重插值适合样点较密且分布均匀的情形，克里金插值则能利用空间自相关性，但需要足够的样点支撑变异函数拟合。若样点过稀，插值结果更多是“推测”而非“实测”，处方图应保留不确定性提示。

二、遥感与无人机多光谱影像：把长势和胁迫铺到面上

地面调查样点有限，遥感影像则提供了面状覆盖能力。无人机多光谱影像通常包含蓝、绿、红、红边、近红外等波段，可计算归一化植被指数NDVI、归一化红边指数NDRE、叶绿素指数等。NDVI对植被覆盖度和生物量敏感，但在高覆盖度下容易饱和；NDRE利用红边波段，对氮素胁迫和早期病害响应更灵敏，适合中后期作物长势监测。

实际操作中，影像采集需要注意几个关键参数：飞行高度决定地面分辨率，例如在120米航高、配备1/2.3英寸传感器的多光谱相机条件下，地面分辨率约为5～8厘米，足以识别单株尺度异常；航向重叠率建议不低于75%，旁向重叠率不低于65%，以保证拼接质量；飞行时间宜选择晴天上午10点至下午2点之间，避免阴影和露水干扰。影像拼接后需进行辐射定标和反射率转换，再计算植被指数，并按管理网格（如10米×10米或20米×20米）统计均值、标准差和异常像元比例。

需要强调的是，遥感影像反映的是作物长势和光谱异常，不能直接等同于病虫害。NDVI偏低可能由病害、虫害、缺水、缺氮、土壤差异或喷灌不均引起。因此，遥感结果必须与地面调查样点进行交叉验证，建立“光谱异常—地面症状”的对应关系，才能用于处方图决策。

三、地面传感与人工取样：补上遥感看不到的细节

遥感影像擅长面状覆盖，但对冠层内部、茎基部、叶背等位置的病虫害响应有限。地面传感和人工取样正好补上这一层。常见的地面传感包括土壤水分与温度传感器、田间小气候站、虫情测报灯和孢子捕捉仪。例如，稻飞虱监测可在田块内布设3～5个虫情测报灯，按每晚诱虫量统计百丛虫量；小麦赤霉病预警可结合抽穗期降雨天数、日均温和孢子捕捉量建立风险等级。

人工取样则要解决“取什么、取多少、怎么记”的问题。以棉田棉铃虫调查为例，可采用Z字形取样，每块田取10个样点，每点调查20株，记录百株卵量、百株幼虫数和被害蕾铃数。取样时应注意避开田边、沟边等边际效应明显的位置，样点应覆盖不同长势区域。所有记录应统一单位、统一分级标准，并标注调查日期和生育期，否则不同批次数据无法合并使用。

四、多源数据如何汇成处方图输入

三类数据采集完成后，需要统一到同一空间参考下。通常以田块边界为底图，建立管理网格（如10米×10米或20米×20米），将人工调查点插值结果、无人机植被指数统计值、地面传感器读数和历史发生记录按网格聚合。每个网格形成一组特征：病虫害等级、植被指数均值、植被指数异常比例、土壤水分、生育期等。处方图分级规则可基于这些特征设定，例如“NDRE低于0.35且地面调查病情指数大于5”的网格划为高施药区，“NDRE正常且无调查病点”的网格划为低施药区或不施药区。

需要提醒的是，信息采集不是越密越好，而是要与处方图的网格尺度匹配。若处方图按20米网格输出，却只布设了3个调查样点，数据密度不足以支撑网格间差异判断，此时应降低分级精细度或增加样点。反过来，若遥感分辨率达到5厘米，而处方图仍按50米网格输出，则大量细节被平滑掉，采集成本没有转化为决策收益。采集精度、网格尺度和施药机具控制精度三者应相互匹配，这是变量施药处方图能够真正落地的前提。