设计真正能够检验无人机作物图的田间样本
让验证样本覆盖普通与困难条件，独立于调参数据，并保留时间、位置及观察尺度，以检验地图的实际结论。
明确本次要检验的结论
抽样计划取决于拟作出的解释。检验地图能否定位稀疏覆盖，与评价指数和植物营养状态的关系，是不同问题。到田间之前，应写清结论及哪些观察可以对它提出检验。MicaSense 建议让农艺人员参与指数解读，大学抽样指导则说明样本质量为何重要，但这些资料都不会把每个着色分区自动变成诊断。项目需要确定自己的可检验问题和负责专家，再据此安排观察。
将方法开发与独立验证分开
用于选择阈值或训练分类器的位置，不能不加说明地再次作为其表现的独立证明。应记录每份样本用于什么目的。如果现有田间数据量不足以支持拟定评价，应如实说明，不能声称实际上并不存在的独立性。工作可以从探索性试验开始，但结果名称与解释范围必须符合当前证据，清楚标明哪些问题仍待验证。这样接收方才能区分初步发现、调参表现和独立检验，而不是把三者混为一个成功率。
同时覆盖普通和困难条件
观察应涵盖相关的覆盖程度、作物阶段、土壤背景、阴影和管理分区，不能只到图上异常最醒目的地方。普通区域可能暴露漏识别问题，复杂边界可能揭示分类错误。记录每个位置为何被选中。如果任务需要统计抽样设计，应请相应专业人员参与，不能把一次顺路巡田，在缺乏依据时称作整个地块的代表性估计。便利样本可以提供线索，但其选择方式和适用边界应保留在项目记录中。
让地面观察与影像分析尺度对应
叶片测量、一段作物行、一个栽植位置和地块平均值，代表不同的空间范围。应定义每条田间观察怎样对应影像分析单元，记录位置不确定性，不能未经检查就将小范围样本配给边界上的混合像素。现场照片与备注可帮助重建对应关系。比较必须针对同一个相关对象，而不是仅仅因为地图上坐标相近，就将两个数值视作可直接验证的配对。尺度关系清楚，结果才有可解释的物理含义。
保留时间和采样程序的身份
记录地面观察日期、影像日期、作物阶段、近期灌溉或处理，以及现场方法。实体采样应遵循适当的专业程序；如果进入实验室或后续分析，样本编号应持续保留。回访间的生长变化可能解释不一致，快速发育的作物尤其如此。不能把采用不同方法取得的观察不加说明地合并为一张验证表，否则表面关系可能来自程序差异，而不是真正反映地图是否有用。
用相矛盾的结果改进判断
汇总支持与不支持原解释的观察、不确定性及其能够支持的决定，不能为增强预期相关性而删除不便解释的样本。说明是否需要新观察、修改地图单元或缩小解释范围。样本台账应与原始图层和分析版本一起交付。将这些验证要求带入 NiVO 传感器咨询，让载荷服务具体信息需求。成功意味着对作物图进行了有依据的检验，而不是预先规定每种选定技术都必须证明有效。
