基于遙感技術(shù)創(chuàng)新的智慧農(nóng)業(yè)保險

胡書愷 郭鵬

摘要 農(nóng)業(yè)保險作為防范自然風(fēng)險的管理手段，面臨著現(xiàn)代農(nóng)業(yè)發(fā)展對農(nóng)業(yè)保險高漲的需求和保險公司理賠產(chǎn)品稀少之間的巨大矛盾。將遙感技術(shù)與農(nóng)業(yè)災(zāi)害預(yù)報、精準農(nóng)業(yè)相結(jié)合，立足于目前農(nóng)業(yè)保險理賠環(huán)節(jié)成本高、效率低、精確度不夠等問題，結(jié)合新疆規(guī)?；N植、機械化程度高、農(nóng)業(yè)災(zāi)害頻發(fā)等特點，提出了新的智能理賠模式，并按照勘察、理賠等環(huán)節(jié)的工作需求設(shè)計出新的系統(tǒng)模式，包括數(shù)據(jù)庫管理，災(zāi)害遙感提取，災(zāi)害等級評價，監(jiān)測結(jié)果顯示與輸出系統(tǒng)，旨在提高作物監(jiān)測精度、降低理賠成本、縮短理賠周期等。最后以新疆兵團第七師墾區(qū)為示范，在發(fā)生冰雹災(zāi)害后利用遙感、GIS等手段高效精確地完成了災(zāi)后分析，驗證了模式的可行性，為改善新疆農(nóng)業(yè)遙感監(jiān)測技術(shù)和構(gòu)建智慧農(nóng)業(yè)保險提供了新的視角。

關(guān)鍵詞 農(nóng)業(yè)遙感;農(nóng)業(yè)保險;勘察理賠;智慧農(nóng)業(yè)

中圖分類號：S127 文獻標識碼：A 文章編號：2095–3305（2021）05–0176–04

農(nóng)業(yè)一直以來是我國國民經(jīng)濟的重要組成部分，為了實現(xiàn)我國經(jīng)濟騰飛并提高綜合實力，我國一直在探索農(nóng)業(yè)發(fā)展道路，并在農(nóng)業(yè)科技、經(jīng)濟和社會各個方面都取得了巨大成就。但隨著我國農(nóng)業(yè)適度規(guī)模經(jīng)營的快速發(fā)展，農(nóng)業(yè)自然風(fēng)險、市場風(fēng)險和質(zhì)量安全風(fēng)險也在不斷累加。近年來，農(nóng)業(yè)保險作為中央強農(nóng)惠農(nóng)政策的重要組成部分和作為支持和促進農(nóng)村經(jīng)濟發(fā)展的重要手段，實現(xiàn)了快速發(fā)展。但由于起點低、底子薄，我國農(nóng)業(yè)保險還不能很好地適應(yīng)現(xiàn)代農(nóng)業(yè)發(fā)展的需要。調(diào)查發(fā)現(xiàn)，現(xiàn)行的農(nóng)業(yè)保險還存在諸多問題，農(nóng)業(yè)保險政策亟待完善[1]。

遙感技術(shù)具有宏觀性、綜合性、獲取信息速度快、實時準確性等特點，在農(nóng)業(yè)災(zāi)害領(lǐng)域中被廣泛使用。特別是在農(nóng)業(yè)遙感方面，已經(jīng)將傳統(tǒng)農(nóng)業(yè)耕作方式向生產(chǎn)模式定量化、精準化和機理化轉(zhuǎn)變。同時摒棄了傳統(tǒng)農(nóng)業(yè)災(zāi)害監(jiān)測的劣勢，革新了災(zāi)害監(jiān)測的手段，充分利用地表信息，結(jié)合時空特征，及時更新和預(yù)警農(nóng)業(yè)災(zāi)害信息，既準確高效地確定受災(zāi)狀況和定損理賠，又保證了農(nóng)業(yè)災(zāi)害的時效性和精確性[2]。

保險業(yè)屬于數(shù)據(jù)信息密集程度較高的行業(yè)之一，遙感數(shù)據(jù)的大范圍性、客觀真實性、長期連續(xù)性等特征都對保險公司具有高度的吸引力。特別是在農(nóng)業(yè)保險市場領(lǐng)域，遙感具有重要的應(yīng)用潛力。然而，盡管保險市場的規(guī)模巨大，遙感技術(shù)也快速發(fā)展，但到目前為止，遙感應(yīng)用在保險業(yè)中的市場化程度不高。保險業(yè)對遙感期望的潛力與實際應(yīng)用之間存在一定的差異，在借鑒國外研究的基礎(chǔ)上，聚焦基于遙感技術(shù)的農(nóng)田承保與理賠，對量化和評估的概念模型與系統(tǒng)設(shè)計展開研究，并通過實證模擬分析探索出一套量化評估農(nóng)田災(zāi)害理賠的方法，為今后農(nóng)田災(zāi)害判定與理賠管理提供有針對性的依據(jù)。

1 數(shù)據(jù)來源與數(shù)據(jù)處理

1.1 研究區(qū)概況

研究區(qū)域位于新疆生產(chǎn)建設(shè)兵團第七師墾區(qū)，東經(jīng)83°51'～85°51'，北緯44°20'～47°04'。第七師位于準噶爾盆地西南部的奎屯河流域，南面天山，北接庫爾班通古特沙漠，西與烏蘇市精河縣毗鄰。該地區(qū)地勢平坦，平均海拔高度450.8 m，自東南向西北傾斜，屬典型的溫帶大陸性氣候，冬季長而嚴寒，夏季短而炎熱。該地區(qū)年平均氣溫在6.5℃～7.2℃之間，北部地區(qū)氣溫低，南部高，年降水量在125.0～207.7 mm之間，無霜期為168～171 d，日照充沛，年日照時數(shù)為2 721～2 818 h。新疆地域遼闊，生態(tài)氣候條件獨特，耕地平整連片，條田建設(shè)規(guī)范，每年因農(nóng)業(yè)災(zāi)害造成的經(jīng)濟損失不可估量，棉花種植的機械化和規(guī)?；捷^高，是中國最適宜實施農(nóng)業(yè)遙感和精準理賠的地區(qū)[3]。

1.2 數(shù)據(jù)獲取

數(shù)據(jù)主要包括兩個部分，遙感影像數(shù)據(jù)和非遙感數(shù)據(jù)。遙感影像數(shù)據(jù)分別采用了無人機可見光和多光譜傳感器開展相關(guān)研究工作，包括空間分辨率10 m的受災(zāi)前后對比圖、Parrot無人機搭載Sequoia四通道多光譜相機拍攝的遙感影像，非遙感影像數(shù)據(jù)來自對遙感影像進行對比后分析出的受災(zāi)區(qū)面積和受災(zāi)程度分布。實驗選用法國造Parrot無人機，可見光數(shù)據(jù)采用佳能EF-M18-55相機，鏡頭焦距18～55 mm，全景對焦，多光譜數(shù)據(jù)采集使用Parrot Sequoia四通道傳感器，包含綠光、紅光、紅邊和近紅外四個波段。數(shù)據(jù)采集時天氣情況良好，無風(fēng)，無人機飛行航高150 m，航向重疊度為80%，旁向重疊度為60%。

2 模型分析與構(gòu)建

2.1 問題分析

2.1.1 道德風(fēng)險 我國傳統(tǒng)農(nóng)業(yè)保險理賠方式大多是以人工為主，理賠員在受災(zāi)耕地區(qū)目視作物受災(zāi)狀況，然后利用量尺、GPS等工具測繪出受災(zāi)作物面積，最后再根據(jù)測出的結(jié)果結(jié)合理賠政策及條款計算出理賠金額。雖然這種模式已經(jīng)運行時間較久，并且各個環(huán)節(jié)也比較成熟，但在其間因為主要是以人作為依據(jù)，所以就會存在人為的“灰色空間”，面臨較多的道德風(fēng)險，比如人工測算面積時產(chǎn)生誤差導(dǎo)致補償水平低，不能劃分不同區(qū)域的受災(zāi)程度從而導(dǎo)致賠償糾紛、夸大虛假投保承保不規(guī)范等問題。

2.1.2 查勘過程 在自然災(zāi)害發(fā)生后，現(xiàn)實生活中的農(nóng)業(yè)墾區(qū)有分散性，生產(chǎn)條件復(fù)雜多變，而農(nóng)業(yè)保險對農(nóng)情信息又有較高的精確性。所以傳統(tǒng)的農(nóng)業(yè)保險理賠就會呈現(xiàn)出一系列問題。尤其是在新疆這種大規(guī)模墾區(qū)環(huán)境下，使用人工勘察的辦法，會面臨勘察周期長、農(nóng)情信息滯后、并且耗費大量的人力、物力、財力。

2.1.3 理賠定損 按照前期傳統(tǒng)的查勘方式，在復(fù)雜的墾區(qū)環(huán)境中由于人的調(diào)查能力有限，最終的勘查結(jié)果精度并不一定準確，實際受災(zāi)面積、權(quán)屬、受災(zāi)程度輕、中、重的劃分。由于事前對各類信息收集過少，后期理賠方案不合理，導(dǎo)致保額產(chǎn)生誤差，會對投保人或承保公司造成損失。

3 農(nóng)業(yè)保險線上系統(tǒng)的設(shè)計

3.1 “基于遙感技術(shù)的農(nóng)田承保與理賠”設(shè)計理念

因為傳統(tǒng)理賠體系和查勘手段的滯后性、人為干預(yù)性以及信息不對稱等，造成了越來越多的農(nóng)業(yè)保險理賠問題。利用遙感、大數(shù)據(jù)分析、深度學(xué)習(xí)等智能化手段，在理賠時，根據(jù)前期數(shù)據(jù)庫中不斷疊加的農(nóng)作物不同時期圖像以及受災(zāi)后的地塊圖像特征進行深度對比，并與相應(yīng)算法相結(jié)合，針對不同農(nóng)作物災(zāi)害形成專一的受災(zāi)評估機制，將被投保地塊的受災(zāi)前后最近一期遙感圖像作為依據(jù)，通過遙感衛(wèi)星或無人機等設(shè)備對受災(zāi)作物圖像的不同光譜特性，對圖像進行評估，可以精確地監(jiān)測出受災(zāi)面積、不同區(qū)域的受災(zāi)程度等系統(tǒng)的、立體的受災(zāi)指標，得到一份準確的評估結(jié)果。并以此作為根據(jù)，在理賠時與理賠標準費用進行“點對點”式的賠付，做到信息對等，精準理賠。除了在在災(zāi)害發(fā)生后，在正常耕作期間，投保人同樣可以利用遙感監(jiān)測農(nóng)作物的生長態(tài)勢，一旦發(fā)現(xiàn)問題能做到早發(fā)現(xiàn)、早解決，大大減少不確定因素帶來的經(jīng)濟損失。

保險科技手段的介入拓寬了農(nóng)業(yè)保險的邊界，實現(xiàn)了農(nóng)險產(chǎn)品的合理定價，提升了風(fēng)險可保性，解決了運營管理成本高、農(nóng)業(yè)保險市場不規(guī)范等一系列問題。

3.2 系統(tǒng)功能介紹

在研發(fā)系統(tǒng)時，關(guān)鍵在于如何將從投保到理賠的一系列流程結(jié)合在一起。最終歸納了所有涉及的環(huán)節(jié)，根據(jù)職能分為數(shù)據(jù)庫管理、災(zāi)害遙感提取、災(zāi)害等級評價、監(jiān)測結(jié)果顯示與輸出四個子系統(tǒng)。

投保人的個人信息、所擁有土地面積、權(quán)屬、作物分布等數(shù)據(jù)，系統(tǒng)管理端的氣象災(zāi)害歷史記錄、地理信息、每日更新的遙感影像等，用戶端和個人端的綜合數(shù)據(jù)皆可存儲在數(shù)據(jù)庫管理子系統(tǒng)中。當(dāng)出現(xiàn)理賠情景時，系統(tǒng)將從個人信息庫、圖像庫、地理信息庫中調(diào)取所有信息并將其進行初步處理，例如采樣、圖像壓縮與分割等，為下一步理賠工作做好鋪墊。

減小影像的傳輸數(shù)據(jù)量和優(yōu)化顯示性能，需建立影像金字塔，通過影像降采樣方法，建立一系列不同分辨率的影像圖層，每個圖層分割存儲，并建立相應(yīng)的空間索引機制[4]。

當(dāng)發(fā)生自然災(zāi)害后，災(zāi)害遙感提取系統(tǒng)可以從數(shù)據(jù)庫中調(diào)取最近一期衛(wèi)星過境時拍攝的受災(zāi)前后的圖像。以冰雹災(zāi)害為例，通過拍攝獲得的災(zāi)前災(zāi)后植被指數(shù)對比，可獲取冰雹災(zāi)害的發(fā)生范圍，根據(jù)冰雹災(zāi)害的監(jiān)測結(jié)果，在受災(zāi)區(qū)選取不同等級的調(diào)查點作為實測點，實測結(jié)果作為驗證冰雹災(zāi)害的理賠依據(jù)，同時也可根據(jù)實測結(jié)論對冰雹災(zāi)害提取的模型進行修正和改進。

通過學(xué)習(xí)不同災(zāi)害的特征，災(zāi)害等級評價系統(tǒng)會結(jié)合此類災(zāi)害的專一算法，對傳輸來的影像分區(qū)域進行“輕、中、重”的等級評估，充分發(fā)揮其大范圍、經(jīng)濟性、時效性、精準性的特點。

投保人購買農(nóng)業(yè)保險是希望在發(fā)生經(jīng)濟損失時能多一份保障，減少自身損失。因此保險公司的本職工作，是做好理賠環(huán)節(jié)。系統(tǒng)后臺可以根據(jù)設(shè)置好的起賠點，根據(jù)農(nóng)作物生長狀態(tài)分別設(shè)置理賠金額和災(zāi)損面積計算賠償。不同保險公司可根據(jù)當(dāng)?shù)丨h(huán)境因地制宜制定好理賠標準，將理賠標準編寫為計算機語言后，系統(tǒng)可以將最后的理賠細則和最終理賠結(jié)果顯示在投保人的個人用戶端，最終只需在線上即可完成賠付工作，在保證公平合理的條件下大大節(jié)省了雙方的時間，既能達到節(jié)約成本、提高效率的目的，又能吸引更多的潛在用戶，擴大市場。

3.3 線上系統(tǒng)的創(chuàng)新性

當(dāng)下，在云計算等強大信息技術(shù)架構(gòu)支撐下，災(zāi)害遙感業(yè)有著極大的創(chuàng)新空間，進入了全新的發(fā)展階段。依托計算機云軟件架構(gòu)，可以合理優(yōu)化軟件運行、數(shù)據(jù)計算、網(wǎng)絡(luò)配置等相關(guān)資源的調(diào)配，從而實現(xiàn)業(yè)務(wù)處理敏捷，高效利用資源，降低運行維護成本，使遙感業(yè)務(wù)系統(tǒng)更加精準、迅速、集約。

4 案例事件與分析

2019年8月23日20：00左右，新疆奎屯延線兵團第七師墾區(qū)遭遇罕見的冰雹災(zāi)害，123團、127團、128團、129團等地農(nóng)作物受災(zāi)嚴重。團隊利用衛(wèi)星影像對此次災(zāi)害進行了監(jiān)測評估。通過8月20日（受災(zāi)前）和8月25日（受災(zāi)后）的衛(wèi)星影像（空間分辨率10 m）進行對比監(jiān)測，對農(nóng)作物的受災(zāi)程度和等級進行了分析。該區(qū)域原始衛(wèi)星影像見圖1、圖2。

團隊在8月31日與當(dāng)?shù)乇ｋU部門聯(lián)合開展了無人機與衛(wèi)星影像對比驗證試驗，分別在受災(zāi)情況比較嚴重的127團15連、10連和128團15連、17連進行了數(shù)據(jù)采集，飛行采用了法國造Parrot無人機，搭載了瑞士造Sequoia四通道多光譜相機，共4個架次，累計飛行面積超過1 000 hm2棉田。無人機多光譜影像監(jiān)測結(jié)果與衛(wèi)星影像圖監(jiān)測結(jié)果對比見圖2～圖6。

驗證結(jié)果表明，無人機數(shù)據(jù)監(jiān)測結(jié)果與衛(wèi)星影像監(jiān)測結(jié)果高度吻合，精度極高。但考慮到無人機數(shù)據(jù)采集的成本和效率，認為對于大范圍災(zāi)害監(jiān)測，利用衛(wèi)星遙感影像開展災(zāi)害監(jiān)測任務(wù)不僅可以滿足大尺度監(jiān)測的精度和時間要求，而且能夠節(jié)省監(jiān)測成本，是災(zāi)害監(jiān)測的首選手段和方法。受災(zāi)區(qū)監(jiān)測結(jié)果見圖7。

根據(jù)受災(zāi)區(qū)域衛(wèi)星影像監(jiān)測結(jié)果，對影像進行了統(tǒng)計分析，分別計算了該區(qū)域不同團場、不同程度的受災(zāi)面積（表1）。

從統(tǒng)計結(jié)果可以看出，本次災(zāi)情重點分布在123團、127團、128團和129團，總計受災(zāi)面積約為14 266.66 hm2，其中128團受災(zāi)面積最大，約7 386.67 hm2，約占總面積的51.78%，其次是129團，受災(zāi)面積約為2 900 hm2，約占總面積的20.33%，123團和127團受災(zāi)面積相對較小。從受災(zāi)嚴重程度上來看，較為嚴重（重度和中度）的區(qū)域面積約為7233 hm2，主要集中在127團10連和15連、128團15連和17連，以及129團西部的部分棉田（圖8、圖9）。

5 結(jié)論

保險學(xué)界對業(yè)內(nèi)遙感應(yīng)用的研究通常是介紹和分析遙感技術(shù)在某一特定險種中的應(yīng)用方法和取得的成效，即利用遙感技術(shù)優(yōu)勢解決承保和理賠的高成本等問題?？偨Y(jié)遙感在保險業(yè)中的利用狀況，聯(lián)系保險產(chǎn)品特征剖析，基于遙感技術(shù)針對新疆特殊的地理環(huán)境有針對地的展開理賠與保險[5]。隨著農(nóng)業(yè)保險的推廣普及，在農(nóng)田受損后，農(nóng)民可以得到相應(yīng)的賠付，減少農(nóng)民的損失，農(nóng)業(yè)保險起到了農(nóng)業(yè)后備軍的作用。未來，應(yīng)大力構(gòu)建新型農(nóng)業(yè)保險系統(tǒng)，打造適合本土的現(xiàn)代化、科技化、智能化的農(nóng)業(yè)完整體系。創(chuàng)新和健全農(nóng)業(yè)保險機制，依托以遙感、編程技術(shù)發(fā)展線上一體化農(nóng)業(yè)保險系統(tǒng)，切實保障投保人的利益及農(nóng)業(yè)生產(chǎn)安全，降低農(nóng)業(yè)保險定損與賠付環(huán)節(jié)的誤差，實現(xiàn)可持續(xù)發(fā)展。

參考文獻

[1] 胡亦琴.論農(nóng)業(yè)保險制度的基本框架與路徑選擇[J].農(nóng)業(yè)經(jīng)濟問題， 2003（10）： 40-43.

[2] 李勇杰，王海萍，陳水森.融合3S技術(shù)的廣東農(nóng)業(yè)保險創(chuàng)新發(fā)展分析[J].社會科學(xué)家， 2013（10）： 68-70， 74.

[3] 趙博文.基于距中植被指數(shù)的黑龍江省農(nóng)業(yè)災(zāi)害遙感監(jiān)測[D].哈爾濱：東北農(nóng)業(yè)大學(xué)， 2019.

[4] 朝魯門.基于衛(wèi)星遙感的冰雹災(zāi)害監(jiān)測研究[J].農(nóng)村經(jīng)濟與科技， 2018， 29（19）： 50-51.

[5] 張小東.遙感技術(shù)與保險應(yīng)用：適用與挑戰(zhàn)[J].金融理論與實踐，2020（2）：104-109.

責(zé)任編輯：黃艷飛