第四次全国农业普查
（以下简称“四农普”）
首次大范围运用遥感技术
旨在以“天眼”摸清全国农业家底
测量对象：农作物种植地块和设施农业
技术体系：卫星遥感、无人机、人工智能等技术的综合应用（天空地一体化”）
工作目标：准确测量主要农作物播种面积，查清设施农业状况，提升普查工作质效，为建立粮食和大食物遥感统计监测体系奠定基础。
在广袤平原，遥感测量“一目了然”
在连绵山区，情况则截然不同
如何让精准数据，跨越一道道山梁？
如何让普查蓝图，在千沟万壑落地？
“四农普”遥感测量试点工作中
河南卢氏作为国家级试点
积极探索，勇于实践
为破解这一难题提供了
“山区样板”
河南“最山”的县
卢氏的“四农普”遥感试点工作,涵盖69个抽样方、933个地块，80%都是山地，50%样本点需要步行30分钟以上才能到达，是典型的山区作业代表。
山区县耕地多分布在河谷、山间缓坡，被山脊、沟壑切割成零散小块，部分还隐藏在密林之中。传统“按图索骥”行不通，标注的“山间地块”往往需要翻山越岭才能到达，同时种植结构复杂，除了粮食作物外，同一地块还兼具林木和其他作物，进一步增加了遥感测量难度。
山区县大部分乡镇的村落位于深山区，部分村组不通公路，个别样方普查员需徒步一两个小时才能抵达调查点。山区信号不稳定，设备定位易“失灵”，导致地块偏差，不易寻找，同时陡坡、荆棘丛等地形也给普查工作带来安全隐患。
结合山区县特点，特色经济作物种植面积广，分布分散，常与粮食作物交错种植。个别经济作物的光谱反射特性与粮食作物光谱反射特性相似，肉眼难以辨别，容易识别错误。
遥感影像解译过程中，烟叶与玉米的光谱特征存在较高相似度，在实地核查阶段仅依光谱特征难以实现精准区分，容易出现“烟叶误判为玉米”“玉米混算入烟叶”的情况，直接影响特色作物及整体农作物种植结构数据的精准。
破解地块定位难题：
优选本土普查员
针对地块碎片化、定位难度大的问题，构建“三员”调查模式。
破解交通梗阻难题：
调动乡镇村资源
针对交通受限问题，重点发挥乡镇与乡村两级力量。先规划出行方案，再细化交通工具，要准备汽车、摩托车，并做好徒步思想准备。同时联动村组提供临时补给、路况预警等支持，大幅提升普查出行效率与安全性。
该图片疑似AI生成
破解作物识别难题：
配强经验型人员
针对作物光谱相近易混淆的问题，在实地核查阶段强化经验型人员配置。选拔熟悉本地作物特征的调查人员加入核查队伍，不单纯依赖遥感光谱分析，而是结合实地观察作物特征、生长周期等具象特征，同时对照实际图像辅助判断，精准区分经济作物与粮食作物相似问题，提高核查效率。
该图片疑似AI生成
建立 “日常简报 + 阶段报告 + 专题请示” 体系，保障有任何问题可以及时得到反馈。
实行 “早安排+强沟通”“日收集+晚汇总”推进模式，形成 “发现 - 解决 - 追踪” 协作机制。
唱好“核心保障三部曲”
夯实“县-乡-村”三级联动，县队抓指导、乡镇抓联络选聘、村普查员抓落地。
明确阶段目标、制定详实计划；细化普查范围、时点，制定人员分组、路线规划，定期检查调查数据，制定数据质量核查清单。
深入田间地头，通过“眼看+手摸+咨询” ，获取一手数据，确保普查数据从土地里“长”出来，带着泥土的温度与真实。
主动加强沟通对接，及时反馈山区遥感数据处理中的难点问题，配合做好优化数据系统算法工作。融合高分辨率影像、精准地形数据及实地调查资料，通过反复测试校准，持续提升山区复杂地形下作物识别精度，为后续工作筑牢数据基础。
针对山区山高坡陡、地形复杂的实际情况，采用 “实地调查为主，无人机调查辅助” 的差异化模式。优先开展实地踏勘，精准掌握地块实际情况；无人机则针对偏远陡峭、人员难达区域审慎使用，弥补实地调查盲区，确保调查数据真实全面。
建立存疑地块分级处理机制，按疑点轻重缓急分类处置。优化核查路线规划算法，减少重复往返耗时；同步适配便携通讯设备保障信号通畅，配齐应急物资应对山地突发情况，全方位提升山地作业效率。
统计扎根乡土，数据服务民生
遥感赋能农普，数据点亮乡村
卢氏只是一个起点
更多“四农普”的生动故事
仍在续写
期待与你一起见证、发现
我们
下期见！