一、我国农业保险发展历程及现状

农业保险是针对农民在农业生产中遇到的自然灾害和意外事故所产生的损失而设置的一种保险。完善的农业保险不仅可以加快农业现代化前进的步伐，而且促进了农村金融的发展。

1.1 我国农业保险发展经历的五个阶段

新中国成立以来，我国农业保险发展几经起落，大概经过五个阶段。

第一阶段：新中国成立后，我国开始大力恢复经济，并进行了开办农业保险的初次尝试。1949年中国人民保险公司成立，开始在一些地区试办了牲畜保险和棉花保险，虽然取得了宝贵的经验，但是并没有取得成功，中国人民保险公司赔了近400亿的钱款。因此，中国人民保险公司在1953年进行农业保险整顿又在1955年重新开办农业保险，与此同时，国家也在尝试提供政策上的支持。

第二阶段：1958年，我国在经济上出现了左倾方针错误，开始提倡跑步进入共产主义，因此大力发展人民公社，即集体劳动、劳动成果由集体分配，国家认为集体的力量大，可以对抗任何自然灾害，所以在这一年，国家宣布停止开办农业保险，在这之后，又出现了三年自然灾害和文化大革命，直到1982年才重新开办农业保险，这期间停办了24年。

第三阶段：1978年家庭联产承包责任制开始在全国实施，没有了集体劳作，而是包产到户，农民生产积极性在提高的同时，也要自己面对自然灾害等农业问题。因此，1982年国家恢复了农业保险，并且国家也采取许多的鼓励措施，因此，不仅办理农业保险业务的机构与保险税种有所增加，而且保险收入也大幅度提高，1982年至1992年这十年间，保险收入从23万升至8.62亿元。这期间，大多数农业保险机构都赔了钱，尽管如此，我国农业保险发展在这一阶段也吸取了不少经验和教训。

第四阶段：1992年中共十四大的召开，提出建立社会主义市场经济体制，农业保险也开始向商业化经营转变，而此时的商业保险公司也刚刚起步，规模小、业务单一，不能很好的应对风险，再加上这一期间国家不重视商业保险，鼓励措施少，支持力度不强，因此1993年后，农业保险开始萎缩，2004年，农业保险保费收入仅为3.77亿元，比上年减少了0.88亿元。

第五阶段：2003年起，国家加大了对农业保险的支持力度，在中央一号文件中也多次提及要加快建设政策性农业保险，同时为了增强农民购买农业保险的积极性，国家开始给予农民财政补贴。特别是从2007年中央财政和地方财政联动补贴农业保险开始，我国农业保险发展进入了快车道，成为农业风险分散补偿的重要机制。

银保监会披露的最新数据显示，2018年农业保险原保险保费收入为572.65亿元，同比增长19.54%；农险保额3.46万亿元，同比增长24.23%。

1.2 我国农业保险发展的现状

虽然近年来我国农业保险发展迅速，但在推广过程中也存在一些难题，主要表现在以下几个方面。

第一、农民投保意识淡薄，收入较低，不愿支付保费。农村地区发展落后，高昂的宣传成本使得保险公司很少进入农村进行宣传，保险宣传力度小，以致大多数农民缺乏相关的保险知识，对保险公司、保险条款、险种等不了解，使得农民不明白农业保险的好处，阻碍了农业保险在农村市场的进入与扩张。

第二、较高的赔付率加深了保险公司进入农业保险市场的顾虑。我国农业种植具有较高风险性，一场暴雪、一场大雨都会给农业带来巨大的损失，农业受自然因素制约大，发生赔付的可能性大并且农业保险赔付率高。根据数据显示，我国农业保险的平均综合赔付率超过120%，居高不下的赔付率，与一般的商业保险的经营目标背道而驰，从而导致一些商业保险公司不愿意进入农村市场开展保险业务。

第三、缺乏从事农业保险的人才以及法律支持。由于进入农村市场成本较高，截至目前，我国主要有四家专业性农险公司和一家相互制农险公司，分别为安信农业保险股份有限公司、国元农业保险股份有限公司、中原农业保险股份有限公司、安华农业保险股份有限公司和阳光农业相互保险公司。其他保险公司很少涉及农业保险，农业保险的人才很少，造成保险公司缺少对气象和自然病虫害的中期预警，导致了农业风险不可控。此外，我国现行的《保险法》对农业保险尚未涉及，也没有出台其他有关农业险的条例法规或者配套的扶持政策，只有政府出台新的扶持政策，让众多的财产保险公司看到利益他们才会进入农业保险市场。

第四、补贴金额相对规模较小，补贴种类单一。虽然我国农业保险补贴总额逐年增长，但从农业保险补贴深度（即政府提供的各类农业保险补贴占农业GDP的比重）来看，仍处于世界较低的水平，2018年只达到了农业GDP的0.4%左右，显然低于全球平均水平，与美国等发达国家更是相差甚远。从全球来看，政府对农业保险的补贴主要包括对农民的保费补贴、对保险公司的经营费用补贴和通过再保险方式对超赔损失进行分担的超赔补贴三大类，美国和印度都是三项补贴俱全，而我国只有保费补贴，没有费用补贴和超额补贴。

1.3 我国农业保险发展亟待解决的两大难题

随着农业保险的迅猛发展，农业保险业务中的道德风险和信息不对称问题越来越突出，主要体现在承保和理赔两个环节，给政府主管部门以及保险公司的监管带来了很大的困难。

1.3.1 承保监管

1.3.1.1 缺乏有效技术手段保证承保数据的有效性和真实性

由于各家保险公司业务数据互不相通，在农业保险实施中，容易造成“一地多保”等违规操作骗取保费补贴的监管漏洞，即针对同一地区多家保险公司开展农业保险业务。

针对这一现象，需要从各保险公司获取各自承保地块的地理信息数据，解决数据互不相通的问题。通过地理空间信息运算，可发现有相互交叠的投保地块，甄别“一地多保”等违规操作。对违规操作进行统计，对违规较多的地区和保险公司进行特殊标记。

1.3.1.2 承保数据真实性监管需求

以往由于缺乏监管，承保时容易出现夸大种植面积，虚报农作物种类等情况。

一方面要求结合地理国情普查数据库、农村土地经营权数据库，检查承保土地是否在耕地范围内，承保土地属性是否与作物性质一致（例如水稻只能种在水田，小麦只能种在旱地）；另一方面通过遥感评估每个投保地块内的作物种类和种植面积，并与保险公司提交的承保数据进行对比，判断承保数据与遥感评估结果是否一致。

目前农业保险的承保数据多数都是由协保员上报，保险公司对于散户的现场勘查验标的比例不足5%。即便现场勘验，技术手段也非常有限，多数都是简单的采用带GPS功能的手机或者相机拍照取景，基本没有技术手段保证勘验面积的正确性以及勘验土地和投保农户的关联性，在实际工作中曾多次发现基层勘查员在一、两亩的小地块中反复取景，用做上百亩的土地验标材料。

1.3.1.3 存在大量虚增承保面积的违规现象

由于传统技术手段在农业保险承保数据的核实和勘验上存在很大的不足和漏洞，导致投保农户、协保员、保险公司、政府之间存在严重的信息不对称，给很多违法违规现象留下了空间，出现了大量虚增承保面积的情况，导致各级财政给农户的巨额保险补贴落入了保险公司、协保员等人的手里。

1.3.2 定损监管

我国现行种植业保险是由政府提供补贴，商业性保险公司提供保险产品和服务。农户缴费投保后，一旦受灾，保险公司进行定损理赔。目前，国家对农业保险的保费补贴比例达到75%—80%。

传统的农业保险理赔主要依赖保险公司人工实地勘察，受灾面积和损失程度依赖于保险业务员的主观判断。财政监管部门难以对受灾面积、损失程度等有客观评判依据，容易发生虚报受灾面积、虚报损失程度等违规操作。具体表现在以下两个方面：

1.3.2.1定损理赔数据以主观判断为主，缺乏客观性

由于农业保险灾害的种类多，各种灾害评估的标准不统一、评估方法复杂。目前对于理赔的核查主要还是依赖人工抽查，一方面人工抽查效率低，另一方面农作物损失程度、受损面积的核查都依赖人工主观判断，缺乏有效的技术手段保证核查的客观性、准确性和有效性，经常出现对同一灾害不同保险公司评估结果大相径庭。

1.3.2.2 存在较多假赔、惜赔等违法违规现象

在以往的监管中发现理赔阶段容易出现夸大损失程度、虚报损失面积等违规操作，夸大损失、虚假理赔、惜赔等问题是定损理赔中存在的主要问题。一些保险公司为了扩大业务，承诺“保费返还”，答应给投保农户1倍甚至2倍的保费返还。一旦有灾害发生，“返还”能以通融赔付甚至虚假赔付的方式来“兑现”，如果没有灾害发生，就编造假赔案来给投保农户返还。

近年来，由于我国卫星和无人机遥感技术的快速发展，已有多家保险公司与遥感研究机构开展基于遥感信息、地理信息辅助农业保险业务的实践。基于遥感信息，结合灾前、灾后遥感数据数据、历史同期遥感数据、临近区域非受灾作物遥感数据，通过遥感定损算法，计算每个报灾地块的受损程度和受损面积。同时，基于遥感处理评估的受灾面积和受损程度，对保险公司上报的定损结果进行核对，分区域、保险公司、作物种类等进行符合性统计，对于承保数据和遥感分析结果差异较大的结果进行特殊标记。

例如，中国人保财险联合北京师范大学等单位申报了国家发改委卫星及应用产业发展专项项目——基于遥感技术的农业保险精确承保和快速理赔综合服务平台与应用示范，这是中国保险业第一次成功申报国家发改委卫星及应用产业发展专项项目。项目将围绕“精确承保”和“快速理赔”两个核心环节，整合灾害风险和保险领域的核心技术，设计农业保险精确承保和快速理赔专题产品，构建基于多源遥感的农业保险专题产品生产平台、基于北斗系统的农业保险现场查勘平台和农业保险综合管理与信息服务平台，建设农业保险遥感基础产品生产基地和农业保险专题产品生产基地。中华联合财产保险股份有限公司与国家农业信息化工程技术研究中心合作成立“农业保险地理信息技术联合实验室”，旨在将遥感地理信息技术引入到农业保险行业，构建与农业保险全流程管理紧密衔接的农业遥感信息的采集平台、分析平台和展示平台，破解农业保险发展技术难题。  

总体来看，目前国内将遥感技术和地理信息技术引入农业保险还属于起步阶段，未来有较大的发展空间。

二、卫星遥感技术助力农业保险发展

2.1 什么是卫星遥感

卫星遥感技术是指的从远处采用微波、可见光、红外、紫外等一系列电磁波谱段对地面进行感知的技术手段，不同的地物在不同的电磁波谱段有不同的特征，通过这些特征可以区分地物的种类、形态、分布范围，可以分析作物的生长态势，土壤湿度等等，在军事、农业、环保、林业、海洋等诸多领域都有大量成功的应用。

卫星遥感按波谱段可以分为微波遥感（包括雷达、辐射计、散射计等）、可见光遥感、多光谱遥感、高光谱遥感，一般来说工作在微波波段的遥感手段不受云雨影响，而工作在可见光以及红外紫外波段的遥感手段容易受云雨影响；按分辨率可以分为高分辨率遥感（目前商业卫星最高分辨率可达0.3米）、中等分辨率遥感（10米-30米分辨率）、低分辨率遥感（30米以上），一般来说高分辨率卫星观测范围窄，低分辨率卫星观测范围宽。

2.2 卫星遥感技术可解决农业保险中的主要问题

应用卫星遥感技术，同时结合地理信息技术、数据库技术等其他技术，可设计出专门应用于农业保险的遥感平台，从而实现对农业保险投保、定损等环节的高效率核实、监管和审核。

一方面通过地理信息技术、数据库技术将土地地理信息与农户和承保人信息关联起来；另一方面对遥感数据进行分析处理，并按地理信息数据库进行遥感图像的分割和信息处理，自动或半自动评估土地中的农作物种类、长势、灾害损失等信息，为投保、定损等保险环节提供客观依据，为政府职能部门对农业保险业务监督和农业资源审计提供平台。

利用遥感技术、地理信息技术，结合遥感影像识别分析等手段，可以实现基于“一张图”进行“按图投保”、“按图理赔”和审核的业务能力，全面实现对农业保险承保和定损等环节的高效率核实、监管和审核；全面解决当前农业保险遇到的承保和定损方面的问题。

2.3 卫星遥感助力农业保险发展的主要方面

具体来讲，卫星遥感技术通过“承保地块识别”、“农作物分类”、“灾害损失评估”等多方面为农业保险提供助力。

2.3.1 承保地块识别

遥感卫星能够快速准确地获取地面信息，结合地理信息系统(GIS）和全球定位系统（GPS）等其他现代高新技术，可以实现承保地块信息收集、分析和识别。该技术的定时、定量、定位，客观性强，不受人为干扰。

2.3.2 农作物分类

不同作物在遥感影像中表现的光谱结构不尽相同，但由于土壤、气候等的差异，同一种作物在不同区域表现也不一样，存在“异物同谱”、“同谱异物”的问题。另外不同作物生长周期也不相同，但由于土壤、气候、田间管理的不同，同一种作物自身的生长周期也存在一定差异。这些因素使得基于遥感影像作物自动分类变得更为复杂。

基于对目标作物的本质特征及其遥感影像表征深刻认识的基础上，提出综合采用多时相、多光谱遥感影像，采用支撑向量机监督分类方法，在多时相、多光谱联合高维空间中寻找目标作物、其他作物以及地物之间的本质差异。该方法可以有效实现农作物的自动分类。

采用上述技术途径对典型主粮（水稻、玉米、小麦）作物的识别正确率在95%左右。

图1：L 波段雷达影像农作物精细分类

2.3.3 灾害损失评估

农业灾害种类较多，不同的灾害评估表现不尽相同。针对典型的灾害，结合遥感技术，提供有效的灾害评估方法。根据旱灾、涝灾、风灾、雹灾、火灾、泥石流、地震等自然灾害损失要素差异，构建不同农作物的灾情综合指数，根据灾情评估指标体系，开展农作物受灾范围评估。

另外一方面，典型主粮作物的产量基本上都与作物的植被指数有线性关系。主粮作物的损失程度可以从当年遥感影像反演的植被指数与往年均值的对比来计算，研究表明，收获期前一个月左右的遥感影像反演的植被指数与最终产量相关性最高，因此，可以采用收获期前一个月左右的遥感影像反演植被指数，并与历史同期植被指数进行对比，估算损失程度。经测算，利用卫星遥感技术，对主要主粮作物损失评估精度在90%左右。通过对作物受灾范围评估、主粮作物损失评估为农业保险的理赔提供数据。

三、卫星遥感应用于农业保险的技术分析

3.1 农业保险遥感应用平台

实现遥感技术在农业保险领域的有效应用，专业的、有针对性的平台建设十分重要。“农业保险遥感应用平台”主要实现对农业保险投保、定损等环节的高效率审核，是卫星遥感技术助力农业保险发展的有效工具。

3.1.1 平台组成

当前较为先进的“农业保险遥感应用平台”主要由遥感影像预处理模块、遥感信息农情信息处理模块、地理信息处理模块、数据库模块以及农业保险业务监管平台人机交互界面模块这五大模块组成。

（1）遥感影像预处理模块

该模块主要完成遥感影像的预处理，主要功能包括遥感影像的几何矫正、大气传输矫正、滤波降噪、图像拼接、图像融合、图像分割等预处理。

（2）遥感信息农情信息处理模块

该模块主要完成基于遥感影像的农情信息反演，主要包括作物分类、灾害评估、损失评估。

（3）地理信息处理模块

该模块主要完成投保地块地理信息与遥感影像套合等空间地理信息处理，主要包括地块查重、地块校验、地块与影像套合等处理。

（4）数据库模块

该模块主要完成数据的组织、存储、查询、统计等操作。

（5）农业保险业务监管平台人机交互界面模块

该模块主要提供友好人机界面，完成监管信息的展示、统计、分类，主要展示的内容包括：承保违规地块搜索和检索；按照公司、区域、作物、违规类型，统计承保违规地块面积；理赔违规地块搜索和检索；按照公司、区域、作物、违规类型，统计理赔违规地块面积；作物种植面积区域分布态势，地理空间展示；灾害定损面积区域分布态势，地理空间展示；违规地块分布范围，地理空间展示。

图2：平台组成框图

3.1.2 平台工作流程

平台工作流程包括承保数据校验、理赔数据校验和人机交互及数据展示三部分，工作步骤如下：

（1）承保数据校验流程

系统一方面导入保险公司承保数据，进行同季作物地块查重，并根据农经权数据库和地理国情普查数据库进行地块土地属性与作物属性校验。另一方面，通过遥感影像进行遥感作物种植范围评估，绘制作物分布遥感评估图。随后对以上两方面数据汇集分析，进行地块与遥感影像套合处理，计算每个地块遥感评估作物种植面积，分析核对地块投保面积与遥感评估是否一致，最终将承保数据存入数据库。

图3：理赔数据校验流程图

（3）承保、理赔监管人机交互和信息展示流程

从人机交互上来看，用户在进行登录之后，可进行承保监管和理赔监管。承保监管功能，可设置行政区域、保险公司、作物种类、年份、违规类型等搜索条件，搜索承保违规地块，可在地图上显示承保违规地块分布，可分区域、作物、保险公司、违规类型等统计违规面积、违规地块、违规比例等，并导出Excel表；同时，可设置作物种类和年份，在地图上显示遥感评估作物种植分布图。

理赔监管功能，同样也可设置行政区域、保险公司、作物种类、年份、违规类型等搜索条件，搜索理赔违规地块，在地图上显示理赔违规地块分布，分区域、作物、保险公司、年份等统计违规面积、违规地块、违规比例等，并导出Excel表；同时，可设置作物种类和定损时间，在地图上显示遥感评估定损分布图；也可设置灾害类型和灾害时间，在地图上显示遥感灾害评估分布图。

图4：承保、理赔监管人机交互和信息展示流程图

3.1.3 遥感影像数据

遥感影像主要是针对大范围内的态势分析和统计，采用的中低分辨率、宽覆盖遥感数据源，如下表所示：

卫星	国家	分辨率(m)	重复周期
MODIS	美国	250	每天
LANDSAT8	美国	30	16天
GF-1	中国	16（宽视场模式）	5天

在中低分辨率数据不能满足要求的情况下，采用的高分辨率卫星数据源如下表所示：

卫星	国家	分辨率(m)	重复周期
GF-1	中国	8（高分辨率多光谱）	41天
GF-2	中国	4（高分辨率多光谱）	65天
ZY-1	中国	16（宽视场模式）	59天
SPOT-6	法国	6（高分辨率多光谱）	26天
RADARSAT-2	加拿大	8（SAR）	24
TerraSAR	德国	6（SAR）	11

在紧急应急灾害评估时，亦可采用无人机进行应急遥感影像采集。

3.2 卫星遥感的关键技术

3.2.1 遥感影像作物自动分类技术

遥感影像作物自动分类技术需要对目标作物的本质特征及其遥感影像表征有深刻的认识，找出目标作物与其他作物在遥感影像数据空间中的差异。

不同作物在遥感影像中表现的光谱结构不尽相同，但由于土壤、气候等的差异，同一种作物在不同区域表现也不一样，存在“异物同谱”、“同谱异物”的问题。另外不同作物生长周期也不相同，但由于土壤、气候、田间管理的不同，同一种作物自身的生长周期也存在一定差异。这些因素使得基于遥感影像作物自动分类变得更为复杂。

可综合采用多时相、多光谱遥感影像，采用支撑向量机监督分类方法，在多时相、多光谱联合高维空间中寻找目标作物、其他作物以及地物之间的本质差异。支撑向量机是近十几年发展起来的新型机器自适应学习算法，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，与传统的神经网络方法相比对样本容量要求更少、分类效果更好，不容易出现过度拟合的问题。 

遥感影像一般分辨率越低波谱越丰富，例如modis卫星250分辨率但有36个波段，LANDSAT8卫星30米分辨率有7个波段，但常规的高分辨率（优于10米）卫星通常只有4个波段，因此遥感影像的选择上也综合采用高分辨率和中低分辨率相结合的方式，兼顾波段信息和几何分辨信息。

采用上述技术途径对典型主粮（水稻、玉米、小麦）作物的识别正确率在95%左右。

3.2.2 遥感影像灾害评估技术

灾害种类较多，不同的灾害评估表现不尽相同。

（1）旱灾评估方法

 对于旱灾的评估一般有两类方法：植被供水指数法（VSWI）和温度植被干旱指数法（TVDI），都涉及到从遥感影像中反演地表温度和植被指数。前者适用于同区域往年遥感影像较多的情形，精度较高；后者适合单幅遥感影像的旱灾评估，但精度较低。植被供水指数法，采用MODIS卫星提供的温度和植被指数反演产品，得到VSWI指数；再经过长期数据的标定，得到VSWI与干旱程度的标定曲线，得到干旱受灾分布图。

（2）涝灾评估方法

由于水的微波散射强度要远低于地物散射强度，而且微波遥感不受云雨和光照的影像，这一点对于通常伴有严重云雨干扰的洪涝灾害来说尤其重要，因此基于微波遥感原理的高分辨率SAR卫星影像是判断洪涝灾害最佳的遥感数据源。对比洪涝灾害前后植被区域SAR图像散射散射强度，如果散射强度显著减小，并且灾害散射强度达到水体散射系数的区域就可以判断是洪涝受灾区域。在多光谱影像中，水体的近红外波段反射率要远低于植被，因此对比受灾前后近红外波段反射率的变化也可以判断洪涝受灾区域。

（3）风灾评估方法

风灾会导致作物倒伏，倒伏后作物的光谱反射率都会发生变化，导致在遥感影像上的纹理异常区域，对比受灾前后遥感影像的纹理变化，可以判断风灾受灾区域。通过数据积累，标定光谱反射率变化与倒伏的程度的对应关系曲线，可以实现对风灾程度的判定。

（4）雹灾评估方法

雹灾会导致作物落叶、倒伏，从而导致地上生物量的减少，反映到遥感影像的近红外波段显著降低，用遥感影像反演的植被指数也会显著降低。因此通过对比受灾前后或者未受灾和受灾区域的遥感影像植被指数降低程度，可以判定雹灾的范围和程度。

（5）火灾评估方法

作物遭受火灾后颜色会变成炭黑色，其光谱结构与正常作物差异显著，因此火灾范围的评估可以依据受灾前后遥感影像的光谱分析进行评估。正在燃烧的明火，会导致热红外波段反射率显著升高，因此对于正在燃烧的明火，可以根据遥感影像的热红外波段异常热点进行判断。

（6）泥石流、地震评估方法

泥石流、地震等地质灾害导致作物植被覆盖区变成裸土，而裸土的近红外波段反射率远低于植被，裸土反演的指标指数也远低于植被，因此对比灾前灾后植被指数显著降低，且植被指数接近裸土的区域可以判定为地质灾害受灾区域。

3.2.3 主粮作物灾害损失评估技术

典型主粮作物的产量基本上都与作物的植被指数有线性关系。主粮作物的损失程度可以从当年遥感影像反演的植被指数与往年均值的对比来计算，研究表明，收获期前一个月左右的遥感影像反演的植被指数与最终产量相关性最高，因此可采用收获期前一个月左右的遥感影像反演植被指数，并与历史同期植被指数进行对比，估算损失程度。

典型主粮作物植被指数与产量的映射模型，对主要主粮作物估产精度可达90%。

3.3 主要性能指标

经实际测算，采用卫星遥感技术进行农业保险监管的地区，其主要性能指标如下：

1、承保数据同地理国情普查数据库或农村土地承保经营权数据库进行一致性校验，判断投保地块是否是耕地，种植作物类型是否与地块属性相符。一致性校验正确率：>=90%；

2、承保数据与遥感作物种植评估结果进行一致性校验，判断投保作物种类、投保面积是否与遥感影像信息相符。一致性校验正确率：>=90%；

3、重复投保检测正确率：>=90%；

4、虚假投保检测正确率：>=90%；

5、承保监管提供的可疑线索正确率：>=80%；

6、理赔数据需要与遥感灾害评估结果进行一致性校验，判断理赔灾害类型、理赔等级、理赔面积是否与遥感影像信息相符。一致性校验正确率：>=80%；

7、虚赔检测正确率：>=80%；

8、惜赔检测正确率：>=80%；

9、理赔监管提供线索的正确率:>=60%；

3.4 卫星遥感的优势

第一、卫星遥感探测范围广，观测的精度高（遥感图像的分辨率的已经达到亚米），可以提高监测工作的广度和质量，节省人力、财力，提高效率。

第二、卫星遥感图像包含了丰富的地物纹理、形状、结构、邻域关系等信息，应用于地物分类、目标提取与识别、变化检测等方面，为生产建设提供丰富、准确的信息。

第三、卫星遥感图像能够从三个空间：地理空间（经、纬、高程）、光谱空间、时间空间提供五维信息，能够更加全面深入的观察分析问题，为区域环境研究从定性到定量、从静态到动态、从过程到模式的转化和发展，提供条件。

作为遥感科学的重要分支，农业遥感伴随着遥感技术的发展而发展。农业遥感指利用装载在航天、航空及地面等不同遥感平台上的传感器，获取农业对象目标的电磁波波谱信号，利用计算机、地理学、农学等多学科的理论和技术方法，揭示农业地物、生态环境和生产过程的数量、属性及其时空变化特征。

近10年，随着各类高空间、时间、光谱分辨率民用卫星的出现，定量遥感技术的进一步发展，农业遥感与地理信息系统、全球导航技术及物联网等技术不断融合，遥感在农业领域的应用广度和深度不断扩展，在农业资源调查、生物产量估计、农业灾害监测等方面发挥了重要作用。农业遥感发展特点从获取传统的总产、面积、单产三要素向更多监测要素深入，如土壤湿度、作物健康、作物品质、物候、病虫害等。在农业遥感应用的学科领域，也从传统的资源、环境向植保、农学等方向扩展，农业遥感正逐步成为农业科学的基础关键技术。

四、卫星遥感技术在农业保险中的应用案例分析

4.1 某省农业保险绩效监管案例

4.1.1 案例概要

随着农业保险的迅猛发展，农业保险业务中的道德风险和信息不对称问题越来越突出，给政府主管部门以及保险公司的监管带来了很大的困难。某省为解决农业保险绩效评价监管问题，邀请农业、气象、保险、遥感等相关领域专家，研制了一套“农业保险绩效监控系统”。该系统主要包含遥感数据信息获取模块、遥感农情信息处理模块、农情数据库和地理信息数据库模块以及农业保险财政监管平台。三个模块采用后台运行的方式，通过对遥感数据的整合、农情信息的挖掘、地理信息和数据库的融合，为农业保险财政监管平台提供数据支持。农业保险财政监管平台直接面向用户，通过图、表等多种形式向用户展示数据信息，并控制业务流程。

4.1.2 效果分析

该农业保险财政监管平台主要解决了三大问题。

（1）“一地多保”的承保监管问题

该省内有多家保险公司开展农业保险业务，由于各家保险公司业务数据互不相通，容易造成“一地多保”等违规操作骗取保费补贴的监管漏洞。

以往由于缺乏监管，承保时容易出现夸大种植面积，虚报作物种类等情况，该系统可以解决承保数据真实性监管问题。

（2）定损监管问题

系统基于遥感信息，结合灾前、灾后遥感数据数据、历史同期遥感数据、临近区域非受灾作物遥感数据，通过遥感定损算法，计算每个报灾地块的受损程度和受损面积。

（3）保单纠纷问题

系统提供详细、客观的数据解决人工勘察定损造成的不客观、虚假定损等造成的甲乙方纠纷问题。

平台实现了足不出户就能知道省内每个市县，每个乡镇、每村每户的田间农作物生长情况，农作物受灾情况，与农作物保险服务情况。从2016年项目正式启动，在17个试点县运营，经过持续研发与论证从原来的农业保险绩效监管精确到乡镇发展，再到现在的精确到村庄，后期配合相关政策指导，大大提升了农业保险监管水平。在2016年项目成果的基础上，2017年试点县扩大到34个，2018年进行更大范围的推广。

该项目当前在国内属于首次创新使用遥感技术融合其它多种先进技术对农业保险进行多方位的绩效监管与支持，打破了时间与空间限制，更准确、更高效、低成本的为农业保险和农业保险绩效监管提供服务。

4.2 黑龙江省五常市农业保险案例

4.2.1 案例概要

为提升政府对农业保险各流程的监管，实现流程控制数据化、电子化、高效化，黑龙江省五常市邀请遥感技术专业公司设计研制了基于“3S技术”的农业保险投保与理赔平台。

“3S技术”是遥感技术(Remote sensing，RS)、地理信息系统(GIS)和全球定位系统(GPS)的统称，能够提供对受灾信息空间数据和承保数据的叠加功能，对受灾并且投保的地块进行精准定位，并提供采集信息的可视化实时查询。

该平台是专为农业保险业务研发的业务系统，其逻辑架构如下：

“3S技术农业保险投保与理赔平台”的设计主要满足精准定位和信息采集、精确承保以及精确理赔等需求。

4.2.2 效果分析

（1）精确承保到户

通过对原始遥感影像数据，经过辐射标定、大气校正、正射校正、图形融合等处理后合成高分辨率遥感影像，后经镶嵌、裁切、分幅处理，生成高分辨率遥感影像底图数据，将高分遥感影像底图数据与黑龙江省五常市行政区划数据进行空间叠加分析。

精确的地块数据采集是由两种方式获取，其一是根据基于1m分辨率影像，依据清晰可辨地块边界轮廓，支持手动与半自动提取，并辅助以矢量信息录入与编辑，其二是支持目标区域的土地确权数据的接入与解析，可获取精确的地块数据。随后将耕地空间分布数据与行政区划、高分影像底图数据叠加，更加准确的判别耕地的具体区位，精确地提供目标区域的投保区域底图，便于农业灾害的监测和地块投保信息的管理。

通过“农业保险3S应用服务平台”实现对2017年年度承保信息的统一管理，提供给用户查询。同时开放数据提取、推送接口，实现数据与安华保险公司系统及数据库的对接及数据传输功能。

图5：地块提取图

（2）分类分布及出苗率

依托高分等影像数据和中标区域的确权数据，对监测区农田种植面积、农作物种类进行提取，针对作物产量构建模型进行统计估算，形成农业保险农作物分布分类图层及分析报告、出苗率图层及分析报告、灾害损失图层及报告、产量评估图层及报告等。

依托农作物种植面积遥感监测、作物长势遥感监测和农业灾害监测预警、作物产量估算以及无人机精准监测等技术优势，精确区分和验证已投保到户地块的面积、作物和出苗信息，为监测种植区域出苗率、种植业承保与受灾理赔方面的工作提供空间数据和分析管理支持。

同时，针对低出苗率地区，结合土壤含水量、土壤质量、气象灾害信息等，对出苗率低的可能原因生成分析报告，辅助公司决策。

另外，结合多年监测、承保数据信息积累，对易受灾害地区、灾害类型等进行统计分析， 形成灾害分布、灾害发生可能性、灾害承受力等分析成果报告，为受理理赔业务提供技术信息支撑，及时掌握理赔风险。

（3）保前风险评估

农业保前风险评估通过异常信息提取、风险分析和产品制作完成保前风险评估。

通过对农作物灾情监测进行时空序列分析和变化检测分析，建立农业灾害时空分布特征模型；通过对相关农作物灾害的特征指数等状态空间的异常信息分析，提取灾害异常信息；在此基础上结合农作物监测结果和其它数据，建立灾害机理模型，对区域灾害风险进行分析；并对风险分析结果进行等级划分，最终形成带有乡镇边界的“灾害风险区划地图”。

（4）保后灾后预警风险报告

在保险期限开始后，每半个月定期提供当年降水和气温的气象监测数据。

能够根据用户的要求将相关的信息统计及各类报表的生成。统计内容包括，实际卫星图像中的云量信息与历史气象条件（预报结果）进行比较分析，分析气象数据的准确性，按照指定格式生成统计报表，并形成分析报告。

在承保地区发生重大灾害时，利用已有的数据资源，综合利用灾害监测结果、气象水文等部门提供的降水、温度、土壤水分等预报预警及地面站网数据，结合基础地理信息数据、社会经济人口数据、行业部门统计等其他数据信息以及灾害机理模型，进行植被指数、水体指数、雪被指数和干旱指数等灾害指数计算，开展农业灾害信息提取。

利用变化监测的方法开展暴雨、洪水、台风、寒潮、干旱、病虫灾等影响范围、强度和历时分析等，而后开展农作物损失评估，在风险分析业务生成的农业灾害风险产品基础上，在案例库和知识库的支持下，采用农业灾害模拟仿真，对农作物受灾范围、程度、历时、损失程度等可能损失等进行综合评估，并生成灾害地区（乡镇级）的灾情分析报告和遥感影像。

（5）精确到户的评估报告

利用高分2号数据制作目标区域全范围的覆盖底图，在承保区域出灾后，及时提供高分辨率出险区域底图。综合利用灾情分析评估的结果、历史气象数据、农情监测阶段性数据、无人机应急监测数据、社会经济数据、灾害损失定级标准等各方面数据信息进行指标归一化和数据标准化，在此基础上进行灾情综合指数构建、灾损曲线构建和评估指标与数据定制。按照灾情评估指标体系，对灾情评估所用各项指标数据进行归一化和标准化处理。根据旱灾、霜冻、低温冷害等自然灾害损失要素差异，提取主要农作物和灾害（玉米旱灾和霜冻、水稻霜冻和低温冷害风险、大豆霜冻灾害风险）的带有乡镇边界区划分类识别，以投保地块为单元，针对不同种类农作物的受灾范围及受损程度等级等开展农作物灾情综合评估，实现精确到户的理赔服务结果。

五、美国农业保险监管介绍

从上世纪90年代开始，随着遥感技术的进步，遥感开始从科研领域进入到农业、林业、海洋、军事等多种领域。为了规避农业保险中存在的道德风险、逆向选择和高成本的问题，美国等农业发达国家陆续推出了基于遥感技术的产量指数农业保险产品，对约定区域内采用遥感技术进行产量评估，如果区域平均产量降低到一个预设的长周期平均产品（保险产量）以下时，生产者将会得到保险赔付。

1993年美国开始使用产量指数农业保险产品，相对于传统产量和损失评估手段，基于遥感评估的损失和产量估计客观、透明、效率高，逐步得到了保户和保险公司的认可，此后加拿大、瑞士、印度、巴西等国家都开始使用基于遥感评估的产量指数农业保险产品。

以美国为例，美国农业部和农业联邦保险公司利用Landsat卫星遥感数据对农业保险中投保人索赔进行监测，每年利用600景Landsat卫星数据对涉及的7600万英亩的索赔保单中，遥感调查出50%左右索赔存在骗保可能性。为此美国农业联邦保险公司专门成立了遥感与GIS中心，负责农业保险中业务化的空间数据处理和分析工作，以检查投保人的索赔是否属实。对于国家或政府来说，投入用于遥感和GIS相关研究和处理分析的费用，与花费大量精力和财力用于骗保调查的费用相比简直微乎其微，保守估计，每年至少减少约10亿美元损失。

5.1 美国作物保险中的承保问题

“联邦作物保险计划”是美国农场安全网最重要的构成部分。它为干旱、洪水、冰雹以及其他自然灾害所引发的农业生产者的灾害损失提供了保障。

该保险计划于1938年在美国开始运行。由于农业所固有的风险，最初由美国农业部负责作物的承保工作。二十世纪九十年代中期，美国国会对作物保险计划私有化，目前私人保险公司负责作物保险的出售与服务 ，联邦政府负责作物保险的监管和财政补贴。

由于联邦作物保险规模的扩大和政府补贴力度的持续增强，虽然大多数的投保人是诚实的，但是农险的欺诈、浪费与滥用等仍与 “联邦作物保险计划如影随形。

作物保险的欺诈，包括增加或夸大索赔、隐瞒产量、制造虚假索赔等，在美国的农险案件中，比较典型的欺诈涉及到农户、保险代理人和保险损失理赔员的合谋；作物保险的浪费，是指非故意的错误导致了不必要的费用支出，例如，提出保险赔付所依照的数据的错误而引发的不适当的赔款；作物保险的滥用，通常被认为是“联邦作物保险计划”的弱点，具有主观性，虽然参与者的行为没有违反法律、规则或合同条款，但结果却使农业保险计划的目的归于无效，例如，保 险人利用农业保险单的特殊环境、错误与漏洞以获利。

联邦调查员(2013)发现在美国北卡罗来纳州的保险代理人 、理赔员 、经纪人和农民已经从政府支持的作物保险计划中偷走了至少1亿美元。相关案例说明，在大力发展作物保险计划的同时，防止和根除作物保险中的欺诈、浪费与滥用是极其艰巨的任务。

5.2 遥感技术在美国作物保险的监管作用

为了进一步提升作物保险计划的诚信，美国《2000年农业风险保护法案》要求美国农业部风险管理局 (USDA—RMA.以下称风险管局)与 “农场服务机构”采用新技术监管作物保险，要求美国农业部开发和制定一个协调计划，目的是：一，使农场服务机构协助风险管理局进行作物保险监管；二，使两大机构都可以采用信息技术，如利用数据存储与挖掘技术、遥感与成像技术等进行数据分析，达到监管的目的。

5.2.1 红外遥感技术

进人21世纪风险管理局开始利用遥感数据与相关技术支持作物保险计划的执行。

数码红外航空摄影技术是风险管理局采取的一项遥感影像技术，它可以帮助风险管理局和保险承保人有效地监测作物的生长、实施土壤分析、确定灌溉的有效性、检测病虫害的发生以及估计作物的收成。下面以实例说明此项技术的应用绩效。

对于加利福尼亚的葡萄干生产者，某一年他们具备了作物保险欺诈的潜在条件。一方面用于生产葡萄干的无核葡萄大丰收，另一方面他们库存的葡萄干存在大量盈余，这表明即将来临的丰收换来的将是市场低价。但是，葡萄干生产者知道葡萄干作物损失的保险赔偿费会比售葡萄干的市场价格每吨高几百美元，也就是说，作物损失获得的保险赔偿要比作物丰收更有利。这样的形势将很容易出现生产者人为造成作物损失的可能性，并导致作物保险欺诈。

由于保险单承保的是降雨导致的葡萄损失，但本年度是相对干旱的年份。一些种植者很可能长时间不去收获葡萄而等待下雨损害他们的葡萄从而获取保险赔偿。因此，保险人需监管种植者是否把葡萄留在了葡萄树上等待下雨而超过了规定日期，或者他们把葡萄干放在地上等待下雨而超过了收藏的日期。因为，超过了规定日期保险单无效。然而，对数以千英亩的葡萄同进行监管并非易事。于是风险管理局把数码红外航空摄影技术应用在了监管中。

数码红外所拍摄的图像可以捕获到人眼见不到的光波，这些光波在图像上显示的是不同的红色阴影，通过监测地面发射的光的反应，红外图像可以监测作物的健康状况。作物越健康，照片中的图像的红色越亮。更为珍贵的是，红外线感应还可以探测植被生长的土壤条件。在加利福尼亚的葡萄干案例中，由于放在地上的葡萄干所发出的光与在葡萄树上的葡萄发出的光是不一样的。航空红外图像可以显示葡萄是否已经采摘以及葡萄干是否还在地上。

风险管理局“西部地区执行办公室”和当地遥感公司共同完成数码红外航空摄影，一次飞行4小时，每次摄影覆盖1O万英亩，共进行5次。首次作业在规定的最后葡萄采摘日，最后一次作业在规定的葡萄干收藏日期之后的某一天。此外，风险管理局向当地的“农场服务机构”办公室和报纸等媒体发送拍摄资料，目的是警示种植者不要有保险欺诈行为。而保险人会从风险管理局获取红外图像来判断种植者是否违规。

相关的数据显示，当年该项作物保险的赔偿金额很低，表明数码红外航空摄影技术在作物保险监管中发挥了重要作用。

数码红外航空摄影技术的应用，具有如下好处：

（1）图像拍摄比常规的空中摄影位置高很多，这可以使拍摄人在较短的时间内用较少的镜头拍摄更广的区域，拍摄到的大的综合性图像减少了失真的机会；

（2）图像可以直接上传到计算机，在计算机上用网格系统对图像进行地理对位处理，把图像编人索引和信息添加以便于识别，也可以把图像复制到光盘上或者通过互联网快速传送到任何地方；

（3）遥感影像技术比地面人工作业覆盖的区域更广阔，使地面调查人员可以迅速处理图像显示的潜在问题；

（4）所拍摄的图片也能拍摄到周围其他农场，使工作人员获取他们希望监测地区的其他作物图像。

5.2.2 地球资源卫星技术

美国采取双月地球资源卫星图像采集计划以及强大的地球资源卫星数据存档，其工作人员可在地面的办公室对有质疑的保险索赔进行地球资源卫星图像分析。

图像调查工作既可以由风险管理局完成，也可以由私人遥感专家承办。风险管理局对大量的调查人员进行图像分析的培训，被培训人员经过培训学会了从“美国农业部影像档案馆”获取“地球资源卫星5”和“地球资源卫星7”所拍摄的图像，然后通过图像对作物保险的赔付作出初步的判断，并把图像发送给遥感专家做进一步的调查。

根据专家的保守估计，地球资源卫星每年可以为美国联邦作物保险计划节省1亿美元以上。更为重要的是，潜在的保险犯罪人现在知道了他们被监视，所以作物保险索赔的数目、上诉的数目以及欺诈案件的数目都在降低。

5.2.3 多频谱影像技术

多频谱影像技术也是一种用于发现作物损失的新技术。该技术利用光谱的非视觉可视部分对作物拍照，可以更加精确地估算作物的损失，精确率远远高出损失理陪人员在地面作出的作物损失估算。

在爱荷华州，曾经做过这样一个实验，30名损失理陪人员被带到农场，他们对一块田地的平均损失估算是70%。然而，通过多频谱影像技术分析的结果是损失不到35%。

美国政府一直致力于综合应对联邦作物保险计划与生具有的欺诈、浪费与滥用，为作物保险的发展保驾护航。随着新技术登上了作物保险监管的舞台，遥感与成像技术中的数码红外航空摄影技术、地球资源卫星技术以及多频谱影像技术，极大地提升了政府监管业绩，节省了大量费用支出。

美国的作物保险监管经验告诉我们，农险监管需要信息技术的支持，建立数据仓库、利用数据存储与挖掘技术、向大数据的方向发展是我国农业保险监管必然趋势。