节导读
本节归入《甘蔗农业未来技术》之遥感与产量监测章节，旨在整理无人机（UAV）平台在甘蔗田间用于：高分辨率地块表型记录、时序生长监测与地面真值（ground truth）采集的典型应用场景与方法学要点，为后续算法训练与模型验证提供可审计的方法学基础。[S1]
一、总体角色与方法学框架要点
- 无人机与近地观测在田块尺度可提供高时空分辨率的表型与冠层信息，用以补足卫星遥感在分辨率或时效上的限制，并能为生物量／产量估算、病虫害早期识别与田间管理活动定位提供空间化数据源；但把影像指示量直接转为生物量、碳通量或产量值需基于地面标定样地与误差模型验证，不能直接外推为核算结论。[S2]
- 为实现可审计的算法训练与模型验证，应建立从数据采集到产品输出的可追溯数据链：包括采样设计、地面测量规范、传感器校准记录、飞行日志、数据处理流水线与不确定度估算记录。[S2]
二、主要应用场景（方法学描述）
- 高分辨率地块表型记录：采用UAV获取的多时相影像可构建地块内的空间异质性图谱（例如植被指数、冠层覆盖与冠层结构表征），用于描绘田块内不同管理单元、株行差异与病征空间分布的基础地图；此类表型图谱须以代表性地面样点做标定与误差评估。[S2][S4]
- 时序生长监测：在生长季内定期（按分层监测策略）获取时序影像，可追踪生长动态、峰值生物量时点与成熟期差异，为产量时空估算、收割时机优化与生长模型输入提供数据流；时序产品的可靠性取决于地面生物量或产量样点的频次与质量控制。[S2]
- 地面真值采集的作用：地面样本（包括生物量切割、产量称重、植株参数、土壤剖面与管理记录）是把遥感指示量转为可解释物理量（如吨/公顷生物量或产量）的基础；应按分层代表性原则布点并记录样点坐标、时间与测量方法以便训练与验证算法。[S2][S5]
三、试验设计与采样策略（方法学建议）
- 分层监测与代表性布点：建议先按管理类型、土壤类型、栽培制度（例如宿根/新植）与历年产量表现对蔗区分层，再为每一层设计地面样点与UAV观测频次，以提高标定效率与降低总体不确定度；甘蔗传统栽培差异会影响分层维度的选择，应以田间管理记录为分层依据之一。[S2][S4][S5]
- 多源融合与误差传播：将UAV多光谱/高光谱与地面样本、作业轨迹、气象站数据融合，建立误差传播链以识别信息优先级与主要不确定来源，便于后续优化采样频次与标定工作。[S2]
- 传感器选型与标定方法学要点（原则性说明）：传感器类型应基于监测目标（植被指数、结构信息或光谱指纹）；现场标定（如反射率板/标尺）与定期辐射校正记录是确保时序可比性的必要步骤；但具体传感器选型、机型参数和校正程序须在引用权威实验报告或厂商/校准机构文件后再定稿并纳入验证清单。[待考证、需引用专门方法文献与试验报告][S2]
四、数据治理、合规性与可审计性
- 可审计的产品需保存原始影像、传感器元数据、飞行日志、地面样本原始记录、处理脚本与不确定度估算文档，以支持后续复核与审计。[S2]
- 跨区或跨国试验的部署需评估所在国家/地区的无人机管理与空域法规（包括飞行许可、运营限制与数据隐私要求），并在试验计划中明确合规流程；当前稿件中未包含权威法规清单，应在后续工作中收集并核验相关法规文件后再行发布可操作合规指南。[研究与核验需求][S2]
五、局限性与资料缺口（摘要）
本节基于现有编稿草案提出方法学框架，但在公开可审计的甘蔗UAV应用案例、标准化飞行与采样规范、以及传感器校准与性能验证的权威实验报告方面尚缺直接可引证的公开资料；因此具体操作性细节和参数化规范须在收集并核验专门文献、试点数据与法规文件后补充并经专家复核。[S2][S3]
六、结语（编写与审校要求）
任何涉及温室气体核算参数、农药/病害诊断判定或田间机械与作业安全的技术细节，均不得在未经过对口领域（GHG会计、土壤学、作物/植保、农业工程、职业安全及法律合规）专家审核前作为可执行规范发布。[S2]