为什么"AI 提取的地块"不能直接交差
为什么"AI 提取的地块"不能直接交差
一篇写给农险遥感从业者的精度评价入门 编号 A-001 ｜ 2026-09
一、先说一件事：这个行业的精度数字，基本不可核
如果你接触过提供农业遥感服务的公司，你会看到很多漂亮数字。
随便翻几家的官网或宣传材料，大概率能看到这几句：
- "地块边界精准提取，精度 0.5–2 米"
- "作物类型识别准确率 95%+"
- "累计定损 X 亿亩"
- "理赔效率提升 85%"
我第一次看到"边界提取精度 0.5–2 米"的时候，愣了一下——这句话把两样完全不同的东西说成了同一样东西。
0.5–2 米，是影像的分辨率（GSD），指的是"一个像素代表地面上多大一块"。它是影像的属性，跟算法做得好不好没有关系。你把一张 2 米的影像交给任何人、任何算法，它的分辨率都是 2 米。
边界提取的精度，是一个比例，不是长度。 它衡量的是"你画出来的边界，跟真实田埂差多少"，标准做法是 IoU（交并比）、Boundary F1、或者边界偏移的 RMSE。
说"边界精度 2 米"，就像说"我的身高是 75 公斤"。 数字可能没错，但两个量纲根本没法放一起。
同一份材料里还有更典型的一句：把"作物类型识别准确率 95%+"和"赔付准确率 95%"并排放在一张列表里。这两个 95% 用的分母都不是一回事，并排放的暗示是"我们每一项都是 95%"。
所以第一个结论很朴素：看得见的精度数字，先问它是什么量纲。
二、行业标准 2025 年才落地，而它明确要求你做精度评价
这不是我个人的高标准。中国保险行业协会 2025 年 7 月发布的团体标准《农业保险遥感技术应用规范》（中保协发〔2025〕25 号），把精度评价写成了明文必做项。
以玉米部分（T/IAC CARMS 55.3—2025，2025-10-30 实施）为例，它规定的指标和阈值是：
作物种植分布解译（条款 8.1.4）——用剩余 30% 验证样本构建混淆矩阵，采用总体精度、F1 Score、Kappa 系数三项指标，其中：
总体精度达到 90% 以上时判定为合格，Kappa 系数与 F1 Score 作为参考指标。
灾害受灾分布解译（条款 9.1.4）——从灾害解译样本中预留 30% 作为验证样本：
总体精度达到 85% 以上时判定为合格。
样本量要求（条款 8.1.2）——这一条最容易被忽略：
若监测区域范围超过 100 km²，作物解译样本数量每 100 km² 应不少于 100 个……其中实地采样样本占比（含从承保验标照片中提取的作物解译样本）不少于 30%。
把这三个数字放进一个真实的县算一遍：一个 1500 km² 的县，需要约 1500 个样本，其中至少 450 个必须来自实地。如果做 5 期长势监测，就是 7500 个样本。
这就是行业真实的工作量。 你现在能理解，为什么那么多公司的宣传材料里，精度数字都是"宣称"而不是"报告"了——因为要做出来，成本是明摆着的。
顺便说一句，标准附录 C 里的 F1 计算公式是 1/r × Σ（r 个类别求和），这是 Macro F1，不是 Micro F1。这两者在你类别不平衡的时候能差出十几个点。如果你的报告里只写"F1 = 0.92"，没说清是 Macro 还是 Micro，这个数在专业评审面前是没有意义的。
三、三种看起来像精度、其实不是精度的东西
这一节是这篇文章的核心。下面三种做法，都会产出一个"看着很像精度"的数字，但它们携带的准确率信息分别是：零、负、零。
第一种：拿承保数据当标准答案
这是行业里最普遍的做法，也是最危险的一种。
逻辑看起来很顺：保险公司给了我承保清单，上面写着"某村某户投保玉米 X 亩"，我遥感提取出来"某村玉米 Y 亩"，Y/X = 96%，于是写进报告——"提取精度 96%"。
这个推理有一个致命的隐含假设：承保数据是准确的。
它不是。
保险公司的承保量是投保登记量，它的来源是农户申报。这里面至少有三层偏差：
- 申报口径：农户可能按"习惯亩"申报，而习惯亩和标准亩的换算关系在不同地区、甚至不同村都不一样；
- 选择性投保：农户可能只保了自家一部分地块，而不是全部；
- 历史沿用：很多保单的面积是沿用往年的，没有重新测量。
所以承保量是"投保登记量"，不是"实测地面真值"。 它跟真实的作物面积之间，存在一个方向不定、大小不定的偏差。
结论有两个方向，很多人只知道第一个：
方向一：提取/承保 ≈ 1 没有证明力。
你算出 96%，不能写"提取精度 96%"，只能写"与承保量量级相符"。因为两者的偏差来源不同，凑巧一致不能证明你提得准。
方向二（更少人知道）：提取/承保 ≠ 1 也没有否证力。
你算出 130%，不能就断定自己提错了。可能是农户少保了，可能是口径不同。分母本身就不干净，比值的任何结论都立不住。
这个判断不是我发明的，标准自己就是这么写的。看条款 8.1.4 b) 的原文：
b) 承保地块抽样验证。从承保验标地块中选取有效点位（该点位与实际种植作物一致）作为真值数据，与玉米种植分布解译结果进行比对……
注意括号里那半句——"该点位与实际种植作物一致"。
这句话的意思是：先用承保数据，但要先把"承保写了玉米、实际种的不是玉米"的点位剔掉，剩下的才算真值。
换句话说，标准明确不承认承保数据可以直接当作真值。 它承认的只是：承保数据里经过核实的那一部分。
行业里大量的人拿承保数据直接当分母算出一个"95%"并写进报告——这个做法，标准是不认的。
第二种：把结果调成跟承保一致，然后宣布命中
这一种更隐蔽，也更严重。
我见过这样的做法：提取出来比承保量多了，那就按承保配额把多出来的面积按比例削掉；少了，就补一点。调整完之后再看比值——1.00，完美吻合，精度 100%。
问题在于：这个 1.00 是你自己调出来的，不是测出来的。
用同一份数据既当答案、又当考卷，事后吻合是构造出来的结果，它携带的准确率信息是零。而且比"零"更糟——因为它会给决策者一个"已经验证过了"的错觉。
你要区分：为了满足合同约束而做的面积调整（这是交付要求，可以理解，但要标注清楚）和 拿调整后的结果去宣称精度（这是自欺，且会误导甲方）。
前者是工程，后者是造假。
第三种：用 AI 生成的样本来算准确率
现在生成式模型很火。用文生图模型生成"灾后倒伏玉米的遥感影像"，用来扩充训练集——这件事是合理的，我支持做。
但不能用它生成验证样本。
你想想这个链路：生成模型产出样本 → 你用它算自己分类器的准确率。
这是自己给自己出考卷，而且是自己批卷。 生成模型见过什么、偏向什么分布，你不知道；它生成出来的"灾区影像"与真实现场的差距有多大，你也不知道。用这些数据算出来的精度，衡量的是"你的分类器和这个生成模型像不像"，不是"你的结果和地面像不像"。
一句话记牢：
合成样本只能做训练增强，绝对不能当验证样本。
四、那怎样才能做出站得住的精度评价
回到标准。条款 8.1.4 给了两条路径，它是"循序进行"的——先用 a，再用 b：
路径 a · 样本一致性验证（主力）：用剩余 30% 验证样本作为真值，与解译结果构建混淆矩阵，算总体精度 / F1 / Kappa。
关键在"剩余"两个字。这意味着样本集合必须在建模之前就分好——70% 用于训练、30% 留作验证，这 30% 在分类过程中从未参与。如果两类样本混在一起，或者验证样本是从分类结果里挑的，这套评价就作废了。
路径 b · 承保地块抽样验证（补充）：从承保验标地块中选有效点位（即前文那个括号——实际种植与承保一致的点位），比对解译正确的点位比例。
两条路径的差别，本质是真值来源的独立性：a 来自你的实地/目视采样，b 来自承保数据里被核实过的那部分。a 的证明力强于 b。
还有一条底线：样本采集本身要合规。 标准 8.1.2 要求实地采样照片附带经纬度、拍照时间、拍照角度，单个样本不少于 3 个拍摄点位，并填写样本采集记录表（样本编号、位置、经纬度、作物类型、采集时间等）。
为什么要 3 个点位？因为一个点位只能证明"这个地方是什么"，3 个点位才能证明"这个样本区域是什么"。 这是个很小的细节，但它决定你的样本能不能被复核。
五、几个必须记住的工程细节（跟精度同等重要）
精度评价做得再好，下面这几条错了，成果照样被打回。
① 面积必须在正确的投影下计算。
面积 = 几何面积 ÷ 666.6667，但这个"几何面积"必须落在高斯-克吕格 3° 带下量。带号按经度选：122°E 用 EPSG:4529（CM 123°E）、132°E 用 EPSG:4553（CM 132°E）。
为什么不能随便挑？用错带号会差 1.2%。
为什么不能用 EPSG:3857？ 因为 Web Mercator 的面积不守恒，在高纬度按 1/cos²φ 虚高。这不是软件 bug，是投影的数学性质。
在约 41°N，虚高倍数 = 1/cos²(41°) ≈ 1.76。
也就是说，同一块地，用 3857 量出来的面积会比真实面积大 76%。 你自己拿计算器就能验算这个数——不需要相信我举的任何例子。
而 ArcGIS 的"计算几何"、QGIS 的 $area、Python 里裸调 .area，在图层是 3857 的时候全都会给出那个虚高的数。
还有一个更隐蔽的坑：只改元数据不改坐标。 有些工具里的 set_crs() 或 gdf.crs = ... 只改标签、不动坐标数值，结果是一个标着 4529、实际是 3857 坐标的图层，面积依然是虚的。真正做坐标转换的只有 to_crs()。
所以交付前一定要自证：真转一次 → 重算面积字段 → 读回来自检。不要靠"我记得改了"。
② 无效像元值要用 255。
标准 9.1.2 明确：受灾等级用 1、2、3、4、5 表示，像元无效值用 255。如果你惯用 15 或者 -9999，按标准验收时会被读成"第 15 级"或一个异常等级。
③ 报告必须包含精度评价章节和人员资质证明。
标准 10.1 规定报告应包含的内容里，有 d) 精度评价 和 g) 人员资质证明。这两节最常被漏。漏了，总包方拿去送审时直接不达标。
六、写给你的三条
如果你在做这一行，或者要验收这一行的成果，我把上面所有内容压成三句话：
1. 看到精度数字，先问量纲。 "2 米"和"95%"都是可疑信号——边界精度是比例不是长度，识别精度必须说明样本从哪来。
2. 承保比值只能做合理性核对，不能做精度结论。 相等不证明准，不等不证明错。它的正确用法是相对诊断——同一作物在跨乡镇、跨县上比值忽高忽低，指向的是类间混淆（保单口径解释不了局部塌方）。异常值给线索，正常值不给结论。
3. 精度只能来自独立于保单的证据。 多期物候曲线、邻接关系与图斑形态、独立样本混淆矩阵、实地或高分影像目视抽查。四者至少有一个，而且样本必须从影像里重新采，不能取自分类结果本身。
附：本文引用的标准条款
| 条款 | 内容要点 |
|---|---|
| 8.1.2 | 样本量：每 100 km² ≥100 个；实地采样占比 ≥30%；<100 km² 时不少于 50 个 |
| 8.1.4 a) | 剩余 30% 验证样本构建混淆矩阵；总体精度 ≥90% 合格；OA/F1/Kappa 三指标 |
| 8.1.4 b) | 承保地块抽样验证，真值须取"实际种植一致"的有效点位，命中率 ≥90% |
| 9.1.2 | 受灾等级 1–5，无效像元值 255；每 100 km² 各等级样本 ≥10 个 |
| 9.1.4 | 预留 30% 灾害样本；受灾分布总体精度 ≥85% 合格 |
| 10.1 | 报告须含 d) 精度评价、g) 人员资质证明 |
标准全称：《农业保险遥感技术应用规范》（T/IAC CARMS 55），中国保险行业协会，中保协发〔2025〕25 号，2025-07-30 发布施行；第 3 部分（玉米）T/IAC CARMS 55.3—2025，2025-10-30 实施。
*本文讨论的是方法论与判据，不涉及任何具体项目数据。文中的投影、面积口径问题具有普遍性，与地域无关。*