从操作问题开始
说明水生产力的定义和单位,并确定水量是否代表蒸散量、灌溉量或其他数量。保持作物产量参考一致。
将观察与解释分开
将比率与不同的水分母或生产单位进行比较可能会产生误导。模拟蒸散量和测量的抽水量描述了水系统的不同部分。
将天篷信号连接到供水系统
画出水系统的简单图:降雨、灌溉输送、储存、径流、排水、土壤条件和作物利用。确定哪些部分是测量的,哪些部分是建模或推断的。对积水的观察、土壤湿度读数和冠层湿度相关指数描述了该系统的不同部分,并且应保留各自的单位和日期。
围绕对比计划进行现场检查,以测试所提出的解释。检查上游和下游位置、灌溉头和尾、不同的土壤或地形位置以及作物相似但症状不同的区域。记录最近的降雨量和操作情况。如果使用传感器,记录放置、深度、维护、校准信息以及是否代表周围区域。
使用图像组织调查并监控合适日期的模式。地图本身不应成为通用的灌溉量或排水指示。当地农艺、系统容量、安全和环境要求决定了应对措施。干预后,记录所做的事情并比较后来的观察结果,同时确认天气和管理变化也可以解释结果。
阅读文章: 农业土壤碳:地图可以和不能确定什么
从可以现场检查的决定开始
智能农业工作流程始于一个具体问题:哪个区域需要检查,哪个操作到期,或者哪个观察可以解决不确定性?在收集数据之前定义管理单位和使用结果的人员。田间边界、采样位置和交货批次是不同的对象;将他们的标识符分开并记录他们的关系。这可以防止信息在空间上显得比基础记录允许的更精确。
列出该问题所需的证据。作物阶段、管理历史、土壤观察、水测量和图像可能各自有所贡献,但它们不能互换。使用一致的单位并记录测量、估计或不可用的值。缺失的测量结果应该仍然明显缺失。用看似合理的数字填充空单元格可以使仪表板看起来完整,同时削弱它应该支持的决策。
在开展新活动之前,请另一位团队成员在没有帮助的情况下解释样本记录。在积累数百条记录之前,模糊的标签、无记录的单位或不明确的观察日期更容易纠正。

使用地图来组织观察和比较
粮农组织的作物监测工作显示了地理空间信息在了解农业系统方面的作用。实用的农场工作流程将空间概览与决策规模的观察结合起来。绘制潜在差异图,检查代表性位置并保留实际发现的内容。记录预期和意外的观察结果。如果仅保留确认初始解释的位置,则所得数据集将为未来的监测或模型开发提供误导性基础。
尽可能比较相似的作物、阶段和管理条件。两个田地之间的巨大差异可能反映了它们的播种日期,而不是处理的效果。对于小型试验,在审查结果之前写下比较计划并记录其他管理差异。仅凭前后照片并不能确定因果关系。天气、作物生长和同步作业都会导致观察到的变化。
通过后续工作的质量来判断工作流程
有用的输出描述了其来源日期、覆盖范围、方法和未解决的问题。对于基于图像的结果,保留质量信息并解释云或阴影阻碍解释的地方。对于现场观察,保留采样方法和观察者的记录。组合数据集时,显示哪些时间段和位置实际上重叠。视觉上令人信服的叠加仍然可以结合描述不同事件的证据,因此检查这些关系是分析的一部分。
根据已完成和审查的决策来衡量进度:解决了检查、验证了灌溉问题或改进了抽样计划。如果团队想要评估运营价值,请记录成本和工作量,并将测量到的节省与预期区分开来。没有任何一个传感器、指数或软件平台能够普遍提高产量或利润。实际目标是一个可追踪的循环,其中证据为决策提供依据,行动被记录,随后的观察帮助团队改进下一个决策。
设计代表该领域的参考观测
说明样本应代表的总体及其必须回答的问题。根据相关作物阶段、地形、管理和图像条件选择位置。包括普通区域和困难情况,而不仅仅是明显的异常或方便的路边停车点。记录选择规则,以便以后的用户了解参考文献的代表性。
使用适当学科的协议定义观察单位、区域或深度、时间、仪器或实验室方法以及所需的重复。点观测和卫星像素具有不同的空间支持。记录足够的上下文来评估这种不匹配。将无法访问的站点保留在采样日志中,并解释任何替换,而不是默默地删除它们。
如果可行,将参考集合与正在评估的结果分开。在计算一致性或误差之前检查观察者的一致性和缺失数据。保留原始观察结果、更正和排除及其原因。更多的样本可以提高精度,但大的有偏差样本仍然无法代表排除的条件。使用抽样设计支持的总体和时期内的结果。
阅读文章: 具有地理空间证据的气候适应型农场规划
将时间序列视为过时的证据
保留实际采集日期和可用的观察计数。在系列旁边绘制管理事件并检查间隙,而不是让平滑的线意味着连续测量。复合值或插值值应标有其方法和时间支持。它可能会总结几个日期而不是描述某一时刻。
比较相似的作物阶段和管理历史。当日历日期混合不同阶段时,通过种植、切割、修剪或其他相关事件进行调整。检查场边界、传感器处理、比例因子和质量规则是否一致。加工或几何形状的变化可能会造成非生物学原因的断裂。
检查异常点周围的原始图像,并从其他可用的观察或现场记录中寻求证实。区分持续变化和单一日期异常值。报告实际可以观察到的时期,并避免比数据支持更精确地估计事件日期。在没有合适地面参考的情况下,保留多云间隔或时段的不确定性。
定义可交付成果和批准
提供水生产力解释说明,其中包含数据源、时间窗口、单位、模型限制以及当地评估所需的地面观测结果。
分享结果之前进行实际审查
根据其来源检查观察结果并确保字段标识符正确。查看日期、单位、缺失值、质量排除和几何版本。请一位同事从记录的输入中重现一个有代表性的结果。这种小型独立检查通常会在影响整个报告之前暴露出被误解的字段代码或处理假设。
写下所映射模式的替代解释,并确定哪些证据可以区分它们。将测量的观察结果与解释以及任何治疗或管理指令分开。决定应指定其负责的审查员并说明当地的操作程序。如果证据不充分,适当的输出是有针对性的检查,而不是自信的主张。
保留原始结果、任何审阅的版本和简短的更改日志。说明输出可以合理描述哪些地点和时期。共享地图时,请提供清晰的图例、来源日期以及对不确定性的易于理解的解释。接收者应该知道某个特征是已确认的观察结果、等待检查的候选特征还是基于模型的估计。
阅读文章: 将农业 GeoAI 从试点扩展到日常运营
将调查转变为可重复的现场循环
使用可在预定地点使用的地图和简明的问题列表来准备访问。确认熟悉该领域的人员的访问、权限、设备和可用性。选择有代表性的站点以及不寻常的区域。记录无法遵循计划路线的位置,因为缺少观察结果可能会改变结果的解释方式。
访问结束后,在团队仍然可以澄清观察结果的同时回顾观察结果。将照片、测量结果和评论连接到同一字段并访问标识符。分配后续状态并保留未解决的案例。更正应解释发生了什么变化以及原因;它不应抹去原始证据或使早期的解释显得确定。
在下一个合适的观察日期,使用相同的定义比较条件,并审查两次访问之间发生的任何管理或天气事件。记录实际完成的操作及其操作结果。这创建了从最初的模式到现场确认和后来的审查的证据线索,使得绘图过程更容易在连续的季节中得到改进。
将这项工作与 AgroSensing 连接起来
使用连接的空间工作流程来组织图像、商品记录和地理定位的现场观测。与团队讨论适当的数据、验证和操作范围。
来源和进一步阅读
链接的主要参考文献解释了基本的农艺和地理空间概念。本指南中的现场工作流程是编辑建议,旨在适应负责的当地专家。




