2. 农业食品数据来源与特征解析

农业食品AI分析报告的质量，首先取决于输入数据的“底子”。同一份报告里，可能同时出现大棚传感器的分钟级温湿度、卫星遥感的田块级植被指数、合作社手写的施肥记录、实验室出具的农残检测报告，以及批发市场的日度价格。这些数据在结构、质量与语义上差异极大，如果直接拼接喂给模型，往往得到的是看似完整、实则互相矛盾的结论。因此，本节的核心任务是：把五类常见数据源当作五个“性格不同”的对象来认识，弄清它们各自长什么样、容易出什么问题、在报告中应承担什么角色。

五类数据源的结构与语义画像

传感器数据是典型的高频时序数据，通常以“设备编号—时间戳—指标—数值—单位”的窄表或时序库形式存在，采样间隔从1分钟到1小时不等。它的语义优势在于连续性和因果邻近性，适合刻画环境变化过程；但结构上容易出现时钟漂移、重复上报、断点缺失和量纲不统一（如温度混用℃与℉）。

遥感数据是栅格型空间数据，以像元为最小单元，常见产品包括多光谱影像及其派生的NDVI、NDWI等指数。它的语义特点是“面状覆盖、周期重访”，适合评估区域长势与空间差异；但受云量、重访周期和像元混合影响，单像元值不能直接等同于地块真实状态，且坐标系与投影必须统一后才能与地块边界叠加。

生产记录多为人工填报的业务表，字段包括地块、作物、农事类型、投入品、用量、日期、操作人。它承载了“为什么这样管理”的因果信息，是解释产量与品质差异的关键；但结构松散、口径不一，同一农事可能被写成“追肥”“施尿素”“补氮”三种表述，日期也可能只精确到旬。

检测报告是低频、高价值的合规性数据，通常包含样品编号、检测项目、检出值、限量标准、判定结论和检测机构。它的语义权威性强，适合作为质量结论的依据；但结构上常以PDF或扫描件存在，需要抽取为结构化字段，且要注意“未检出”与“零”的区别、检出限与限量标准的区别。

市场数据是价格与交易类数据，常见结构为“品种—等级—市场—日期—价格—成交量”。它的语义特点是波动性强、受季节与区域影响明显，适合做趋势与比价分析；但品种命名不统一、等级划分各地不同，直接跨市场求平均会产生误导。

质量特征：不是“干净/脏”的二分，而是可分级

实际工作中，更实用的做法是给每类数据打三个维度的质量标签：完整性（缺失比例与缺失是否成段）、一致性（单位、口径、编码是否统一）、时效性（数据时间与报告时间窗的匹配程度）。例如某大棚温度传感器一天应有1440条分钟记录，实际只有1100条且集中在午后断档，则完整性标记为“中”，并注明断档时段；若温度单位在部分设备为℉，则一致性标记为“低”，必须先换算再入分析层。检测报告若只有季度批次数据，而报告要描述当月质量，则时效性标记为“低”，只能作为背景合规说明而非当月结论。

语义特点：决定数据在报告中的“话语权”

五类数据的语义角色并不对等。传感器与遥感回答“发生了什么、在哪里发生”，属于过程与空间证据；生产记录回答“为什么这样”，属于归因证据；检测报告回答“是否合规”，属于结论锚点；市场数据回答“值不值、趋势如何”，属于参照系。写报告时若把市场均价当作质量结论，或把单像元NDVI当作地块实测长势，就是典型的语义越位。合理的做法是：结论句必须能指回一个语义匹配的数据源，例如“本批次农残检测全部低于限量（检测报告），同期棚内温湿度处于适宜区间（传感器），区域NDVI较上旬提升约0.08（遥感）”，三类证据各司其职。

落地做法：先建一张数据源登记表

在动手分析前，建议为每个数据源填写一行登记信息，作为后续对齐与质量判断的依据。示例（参数为教学假设）：

概括来说，农业食品数据不是“越多越好”，而是“越清楚越好”。清楚每类数据的结构形态、质量短板与语义角色，才能在自动生成报告时让每条结论都有合适的证据支撑，也让读者知道该相信什么、该保留什么。