遥感智能体如何绘制农业数据 “一张图”

传统农业数据分散在卫星影像、无人机航拍、物联网传感器、土地确权、种植台账、保险业务等不同系统，存在数据碎片化、更新慢、多源数据难以对齐、人工处理链条长的痛点。遥感空间智能体，把数据获取、预处理、AI 解译、空间配准、图层融合、统计制图、动态更新全部实现自主调度，自动构建以地块为核心的农业数据一张图，实现 “一图统览耕地、作物长势、墒情、灾害、种植结构”，完成从原始遥感数据到可业务使用的空间专题成果的全自动化闭环。

农业一张图本质：以统一地理坐标系为底座，把卫星‑无人机‑地面多源信息，全部挂载到每一块农田地块实体上，形成带时间序列的动态数字农田档案，做到一块地，一套全维度数据。

一、遥感智能体核心能力

遥感智能体不是单一 AI 大模型，是一套可自主调用工具的空间智能系统，具备五大能力：

1.工具调度：自动按需调取卫星影像、调度无人机任务、读取物联网实时数据；

2.遥感处理：自动完成辐射校正、大气校正、云检测、SAR 预处理；

3.AI 解译推理：作物分类、地块分割、长势反演、灾害识别、胁迫提取；

4.GIS 空间运算：坐标统一、矢量栅格融合、地块属性挂接、空间统计；

5.迭代更新：识别数据歧义，主动触发复核，动态更新图层，输出专题地图与报表。

二、遥感智能体绘制农业一张图完整流程

步骤 1：需求解析与多源数据自主汇聚（感知层）

用户下达自然语言任务，例如 “构建本县农业一张图，包含耕地边界、作物类型、旱涝灾害、土壤墒情”。

智能体自动拆解任务，自主拉取多源异构数据：

• 天基：高分、Sentinel‑2、SAR 雷达时序遥感影像；
• 空基：按需触发无人机航拍，针对疑点地块做精细化补拍；
• 地基：田间墒情、气象、虫情传感器实时数据流；
• 业务矢量底数据：土地确权地块、永久基本农田、高标准农田边界、种植补贴台账、农业保险地块、行政区划。

智能体自动完成数据筛选：过滤云量过高影像，匹配作物物候期，剔除无效传感器异常值。

步骤 2：统一时空基准，数据清洗与标准化

这是一张图能否 “拼到一起” 的关键。

1.智能体自动完成全部数据坐标统一到 CGCS2000 国家大地坐标系；

2.遥感影像自动几何精校正、大气校正、云掩膜；

3.非空间表格数据（种植记录、补贴数据），通过地块编码、地理位置，完成表格与空间矢量的挂接；

4.时间对齐，把不同时间采集的卫星、无人机、传感器数据，匹配到对应作物生育期，消除时间错位带来的矛盾。

传统模式：人工分别处理影像、整理表格、投影转换，耗时数周；智能体自动批量完成，解决多源数据 “对不上” 的老大难。

步骤 3：AI 遥感解译，提取农业专题信息

智能体调用分割、目标检测、时序反演模型，从影像中自动生成各类农业专题栅格、矢量图层：

1.地块提取：SAM2 语义分割，自动勾绘耕地地块边界；

2.作物识别：区分玉米、小麦、水稻、棉花等种植类型；

3.长势反演：逐像素计算 NDVI、TVDI 等指数，输出长势分级、土壤墒情图层；

4.灾害要素提取：洪涝淹没、作物倒伏、干旱胁迫、病虫害风险图斑；

5.产量预估：结合时序遥感 + 气象数据生成估产网格数据。

遇到识别模糊区域（多云遮挡、地块破碎），智能体可自主判断，调度无人机前往疑点区域采集更高分辨率影像做二次核验，降低误判。

步骤 4：GIS 多图层融合，构建地块数字档案（核心环节）

智能体以耕地地块矢量实体作为唯一载体，把上面解译出来的全部遥感专题信息，“落图到地块”，而不是停留在独立的影像栅格。

• 将作物类型、长势等级、墒情、灾害等级、预估产量，全部作为属性写入每一块地块；
• 叠加高标准农田、确权信息、经营主体、补贴、保险信息；
• 构建时序快照，保存不同生育期的地块状态，实现历史回溯。

最终形成分层专题图层集合：耕地资源图层、种植结构图层、作物长势图层、农业灾害图层、墒情监测图层、农业经营主体图层，全部叠加在统一底图之上，也就是农业数据一张图的数字底座。

步骤 5：智能制图与成果输出

智能体根据业务场景自动渲染专题图：

• 生成旱情热力图、灾害分布图、种植结构分布图；
• 按乡镇、村做自动空间统计，输出面积报表；
• 支持 WebGIS 前端可视化，实现点击地块查看该地块全部遥感监测记录；
• 同时输出矢量服务 WFS、瓦片地图 WMTS，可对接政务平台、农业保险系统、大屏展示。

步骤 6：持续动态迭代更新

一张图不是静态成果，而是活的动态地图。

智能体周期性接收新的卫星过境数据、无人机巡检成果，自动比对时序影像，识别地块变化（耕地撂荒、灾害发生、作物收割），自动更新图层；发现 AI 识别不确定性较高的地块，输出疑点清单，推送给农技人员实地校验，地面反馈结果回灌模型，持续提升精度，形成闭环更新机制农业农村部...。

三、一张图包含哪些图层

1.基础底图层：卫星影像、行政区划、水系道路；

2.耕地资源层：永久基本农田、高标准农田、确权地块边界；

3.种植专题层：作物种类、种植面积、复种情况；

4.农情监测层：作物长势分级、土壤墒情、苗情；

5.灾害风险层：干旱、洪涝、倒伏、病虫害风险等级图斑；

6.业务关联层：经营主体、涉农补贴、农业保险承保理赔地块；

7.时序档案层：历年遥感监测快照，支持回溯对比。

四、现实落地案例（新疆昌吉州耕地一张图）

遥感智能体驱动的 “耕地一张图”，覆盖 786.4 万亩耕地，自动融合卫星‑无人机‑地面核验数据。每一块耕地绑定作物类型、长势、灾害、补贴信息，实现以图管地。

• 涉农补贴核查空间准确率达 98%；
• 核查周期缩短 50%，人力成本下降 80%；
• 支撑种植监管、灾害预警、保险定损，实现县域农业全域数字化管理。

五、现存局限

1.智能体依赖高质量多源数据，多云雨区域需要 SAR 与无人机协同补全；

2.细碎小地块、混种农田场景，AI 识别仍会产生歧义，需要地面校验；

3.智能体输出的是空间数据，农学损失、产量评估仍需要结合农学模型与地面真值校准，不能完全替代人工业务审核。

六、价值总结

过去构建农业一张图，是 “人找数据，人工拼图”；

遥感智能体模式下，是任务驱动，智能体自动找数据、处理、解译、融合、出图，把原本几周的工作压缩到数天甚至小时级。

最终实现：管理者在一张地图上，全域直观掌握耕地资源、种了什么、长的怎么样、哪里发生灾害，真正实现以图管农、以图决策。