摘要
种植业保险是农业保险的核心险种，定损理赔是保险服务的关键环节。传统人工定损方式效率低、争议多、成本高，难以满足规模化农业发展的需求。遥感技术以其覆盖范围广、客观真实、可追溯的独特优势，正在成为种植业保险定损的核心技术手段。本文系统研究了种植业保险定损遥感技术应用方案，详细阐述了遥感技术在灾害范围提取、损失程度评估、定损结果生成等环节的技术方法，深入分析了小麦、水稻、玉米等主要粮食作物以及蔬菜、水果等经济作物的定损遥感技术要点，并结合时维遥感在多家保险公司定损服务中的实践经验，提出了覆盖主要作物类型和灾害类型的遥感定损技术方案与应用指南。
引言
种植业保险是保障粮食安全和农民收益的重要险种，覆盖水稻、小麦、玉米等主粮作物以及蔬菜、水果等经济作物。 据国家金融监督管理总局统计，2023年种植业保险保费规模超过700亿元，占农业保险总保费的50%以上，是农业保险最重要的组成部分。
定损理赔是种植业保险服务的核心环节，直接关系到农户的获得感和保险公司的经营效益。 传统定损方式主要依靠农险协保员田间查勘，存在以下突出问题：
| 问题类型 | 具体表现 | 行业影响 |
|----------|----------|----------|
| 效率低下 | 人工查勘速度慢，大灾期间难以覆盖 | 理赔周期长 |
| 主观性强 | 不同人员判定标准不一 | 核损争议多 |
| 成本高昂 | 查勘人员差旅费用高 | 经营成本大 |
| 覆盖有限 | 偏远地块难以到达 | 服务不均衡 |
| 证据薄弱 | 缺乏客观影像资料 | 难以追溯 |
遥感技术的成熟和应用为解决上述问题提供了有效途径。 通过卫星遥感和无人机遥感的综合应用，可以快速、准确、客观地获取灾害信息，支撑种植业保险定损理赔工作。
时维遥感长期从事种植业保险遥感定损服务，在小麦涝灾、水稻干旱、玉米台风、果树冻害等多种灾害类型定损中积累了丰富经验。本文将系统介绍种植业保险定损遥感技术应用方案。
---
一、遥感定损技术体系
1.1 技术体系框架
种植业保险遥感定损技术体系包括数据层、处理层和应用层三个层级：
# 1.1.1 数据层
| 数据类型 | 主要内容 | 数据来源 |
|----------|----------|----------|
| 遥感影像 | 灾前影像、灾后影像 | 卫星、无人机 |
| 承保数据 | 地块边界、作物类型、投保面积 | 保险公司 |
| 气象数据 | 降雨、温度、风速等 | 气象部门 |
| 产量数据 | 历史产量、统计数据 | 统计部门 |
# 1.1.2 处理层
| 处理模块 | 主要功能 | 技术方法 |
|----------|----------|----------|
| 预处理模块 | 辐射校正、几何纠正、云检测 | 6S模型、正射纠正 |
| 变化检测模块 | 灾害范围提取、变化类型识别 | 差值法、深度学习 |
| 损失评估模块 | 损失程度评估、减产系数估算 | NDVI分析、模型估算 |
| 精度验证模块 | 结果质量控制、实地验证 | 抽样检查 |
# 1.1.3 应用层
| 应用场景 | 主要功能 | 输出产品 |
|----------|----------|----------|
| 快速定损 | 灾害发生后快速评估 | 定损简报 |
| 精确定损 | 地块级损失评估 | 定损清单 |
| 争议定损 | 第三方独立评估 | 评估报告 |
| 统计分析 | 区域损失统计 | 统计报表 |
1.2 技术流程
种植业保险遥感定损的技术流程：
```
灾害发生 → 数据获取 → 预处理 → 变化检测 → 损失评估 → 结果验证 → 报告生成
```
# 1.2.1 灾害发生阶段
- 接收保险公司灾害报案信息
- 确定灾害类型、发生时间、影响范围
- 制定遥感监测方案
# 1.2.2 数据获取阶段
| 数据类型 | 获取方式 | 时效要求 |
|----------|----------|----------|
| 卫星影像 | 订购/存档 | 72小时内 |
| 无人机影像 | 应急航拍 | 按需 |
| 历史影像 | 存档数据 | 已获取 |
| 承保数据 | 保险公司对接 | 同步 |
# 1.2.3 数据处理阶段
- 完成影像预处理
- 计算植被指数
- 提取灾害范围
# 1.2.4 损失评估阶段
- 与承保地块叠加
- 评估各地块损失程度
- 汇总统计损失情况
# 1.2.5 结果验证阶段
- 抽样实地核查
- 精度评估
- 结果修正
---
二、主要作物定损技术
2.1 水稻保险定损
# 2.1.1 水稻生长周期
| 生育期 | 时间（长江流域） | 主要灾害 | 敏感程度 |
|--------|------------------|----------|----------|
| 苗期 | 5月 | 低温、洪水 | 中 |
| 分蘖期 | 6月 | 干旱、暴雨 | 高 |
| 孕穗期 | 7月 | 高温、台风 | 最高 |
| 灌浆期 | 8月 | 干旱、台风 | 高 |
| 成熟期 | 9-10月 | 阴雨 | 中 |
# 2.1.2 灾害类型与光谱特征
| 灾害类型 | 光谱响应特征 | 遥感识别要点 |
|----------|--------------|--------------|
| 洪涝淹没 | NDVI急剧下降、水体特征 | 水体边界提取 |
| 干旱胁迫 | NDVI缓慢下降、温度升高 | VTCI分析 |
| 台风倒伏 | NDVI下降、纹理方向变化 | 高分辨纹理分析 |
| 病虫危害 | NDVI区域性下降 | NDVI异常检测 |
# 2.1.3 定损评估模型
水稻灾害损失评估模型：
```
损失率 = f(NDVI变化, 生育期, 灾害类型, 持续时间)
```
分生育期减产系数：
| 生育期 | 轻度NDVI下降 | 中度NDVI下降 | 重度NDVI下降 |
|--------|---------------|---------------|---------------|
| 苗期 | 5% | 15% | 30% |
| 分蘖期 | 10% | 25% | 45% |
| 孕穗期 | 20% | 40% | 65% |
| 灌浆期 | 15% | 35% | 55% |
| 成熟期 | 8% | 20% | 40% |
2.2 小麦保险定损
# 2.2.1 小麦生长周期
| 生育期 | 时间（黄淮海） | 主要灾害 | 敏感程度 |
|--------|----------------|----------|----------|
| 返青期 | 2-3月 | 冻害、干旱 | 高 |
| 拔节期 | 4月 | 倒春寒、干旱 | 高 |
| 抽穗期 | 4-5月 | 干热风、赤霉病 | 最高 |
| 灌浆期 | 5-6月 | 干热风、阴雨 | 中高 |
# 2.2.2 主要灾害定损要点
冻害定损：
| 冻害等级 | 遥感特征 | NDVI下降 | 减产系数 |
|----------|----------|----------|----------|
| 轻度 | 叶尖发黄 | 5-10% | 10-15% |
| 中度 | 叶身发黄 | 15-25% | 25-40% |
| 重度 | 全株枯黄 | >30% | >50% |
赤霉病定损：
| 发病程度 | 遥感特征 | NDVI下降 | 减产系数 |
|----------|----------|----------|----------|
| 轻度 | 局部黄化 | 10-15% | 15-20% |
| 中度 | 大面积黄化 | 20-30% | 30-45% |
| 重度 | 枯死腐烂 | >35% | >50% |
2.3 玉米保险定损
# 2.3.1 玉米生长周期
| 生育期 | 时间（东北） | 主要灾害 | 敏感程度 |
|--------|--------------|----------|----------|
| 苗期 | 5-6月 | 低温、干旱 | 中 |
| 大喇叭口期 | 7月 | 干旱、涝害 | 高 |
| 抽雄期 | 7-8月 | 台风、伏旱 | 最高 |
| 灌浆期 | 8-9月 | 早霜 | 高 |
# 2.3.2 台风倒伏定损
玉米倒伏是台风灾害的主要表现：
| 倒伏程度 | 影像识别特征 | NDVI下降 | 减产系数 |
|----------|--------------|----------|----------|
| 轻微倒伏 | 倾斜<30° | 5-10% | 10-15% |
| 中度倒伏 | 倾斜30-60° | 15-25% | 25-40% |
| 严重倒伏 | 倾斜>60° | 30-50% | 50-70% |
| 平铺倒伏 | 贴近地面 | >50% | >75% |
倒伏识别技术流程：
1. 获取高分辨率灾后影像
2. 计算纹理方向特征
3. 识别异常方向区域
4. 结合NDVI变化确定倒伏范围
2.4 经济作物定损
# 2.4.1 蔬菜保险定损
| 蔬菜类型 | 生长期 | 主要灾害 | 定损要点 |
|----------|--------|----------|----------|
| 叶菜类 | 30-60天 | 暴雨、霜冻 | 全损/面积法 |
| 果菜类 | 90-120天 | 台风、病虫害 | 分期减产 |
| 根茎类 | 100-150天 | 涝害、冻害 | 根茎损伤 |
蔬菜定损特殊考虑：
- 生长周期短，需精准确定受灾时间
- 价值密度高，需精确评估损失
- 复种可能性，需评估补种价值
# 2.4.2 水果保险定损
| 水果类型 | 主要生育期 | 主要灾害 | 定损要点 |
|----------|------------|----------|----------|
| 柑橘 | 3-11月 | 冻害、台风 | 果实损伤 |
| 苹果 | 4-10月 | 冰雹、霜冻 | 果面损伤 |
| 葡萄 | 4-9月 | 冰雹、暴雨 | 果穗损失 |
水果定损遥感技术要点：
- 利用高分辨率影像识别果实损伤
- 结合叶片状况评估树势恢复
- 评估次年产量影响
---
三、灾害类型定损技术
3.1 洪涝灾害定损
# 3.1.1 定损流程
洪涝灾害遥感定损流程：
```
灾后影像获取 → 水体提取 → 受灾区域识别 → 地块叠加 → 损失评估
```
# 3.1.2 水体提取方法
采用MNDWI提取洪涝淹没区域：
```
MNDWI = (Green - SWIR1) / (Green + SWIR1)
```
| 地物类型 | MNDWI特征 | 处理方式 |
|----------|-----------|----------|
| 清水水体 | >0 | 计入淹没 |
| 浊水水体 | >-0.1 | 计入淹没 |
| 湿润土壤 | -0.1~0 | 可选计入 |
| 农田 | <-0.1 | 不计入 |
# 3.1.3 损失评估
洪涝灾害损失评估模型：
| 淹没程度 | 判定条件 | 减产系数 |
|----------|----------|----------|
| 轻度 | 水深<20cm或时长<2天 | 10-20% |
| 中度 | 水深20-50cm或时长2-5天 | 30-50% |
| 重度 | 水深>50cm或时长>5天 | 60-90% |
| 绝收 | 全淹或浸泡>7天 | 100% |
3.2 干旱灾害定损
# 3.2.1 监测指标
干旱灾害遥感监测指标：
| 指标 | 计算方法 | 干旱阈值 |
|------|----------|----------|
| VTCI | 基于LST和NDVI | <0.3 |
| NDVI距平 | (NDVI-均值)/均值 | <-20% |
| 土壤水分 | 微波遥感反演 | <30% |
# 3.2.2 定损方法
基于VTCI的干旱损失评估：
| VTCI等级 | 干旱程度 | NDVI下降 | 减产系数 |
|----------|----------|----------|----------|
| 正常 | >0.4 | <5% | <5% |
| 轻度 | 0.2-0.4 | 5-15% | 10-20% |
| 中度 | 0.1-0.2 | 15-30% | 25-40% |
| 重度 | <0.1 | >30% | >50% |
3.3 台风灾害定损
# 3.3.1 定损流程
台风灾害遥感定损流程：
```
台风路径分析 → 影像获取 → 倒伏/淹没识别 → 地块叠加 → 损失评估
```
# 3.3.2 倒伏识别
基于高分辨率影像的作物倒伏识别：
| 识别方法 | 技术要点 | 识别精度 |
|----------|----------|----------|
| 纹理方向分析 | 计算主方向方差 | 80-85% |
| 形态学处理 | 方向滤波增强 | 85-90% |
| 深度学习 | CNN语义分割 | >92% |
3.4 病虫害灾害定损
# 3.4.1 主要病虫害监测
| 病虫害 | 监测指标 | 预警阈值 |
|--------|----------|----------|
| 条锈病 | NDVI下降+红边蓝移 | NDVI下降>10% |
| 稻瘟病 | NDRE下降 | NDRE下降>15% |
| 草地贪夜蛾 | NDVI局部下降 | NDVI下降>20% |
| 粘虫 | 叶片缺刻NDVI↓ | NDVI下降>25% |
# 3.4.2 定损评估
病虫害灾害损失评估需考虑：
1. 发生面积：遥感监测发病区域
2. 危害程度：NDVI下降幅度
3. 生育期影响：敏感期加重影响
4. 防治效果：是否及时防治
---
四、定损结果生成与验证
4.1 定损清单生成
# 4.1.1 地块级定损
| 定损要素 | 内容说明 |
|----------|----------|
| 地块编号 | 承保地块唯一标识 |
| 投保面积 | 承保面积（亩） |
| 受灾面积 | 遥感评估受灾面积 |
| 损失程度 | 遥感评估损失率 |
| 损失面积 | 受灾面积×损失程度 |
| 赔付金额 | 损失面积×单位保额 |
# 4.1.2 汇总统计
| 统计维度 | 统计内容 |
|----------|----------|
| 行政区域 | 省-市-县-乡各级汇总 |
| 作物类型 | 分作物统计 |
| 灾害类型 | 分灾害类型统计 |
| 时间维度 | 按报案时间统计 |
4.2 精度验证
# 4.2.1 验证方法
| 验证方法 | 验证比例 | 适用场景 |
|----------|----------|----------|
| 随机抽样 | ≥3% | 大范围灾害 |
| 分层抽样 | 每层≥5% | 分层明显 |
| 重点核查 | 争议区域100% | 争议案件 |
# 4.2.2 精度指标
| 精度指标 | 合格标准 | 优秀标准 |
|----------|----------|----------|
| 面积准确率 | >90% | >95% |
| 损失准确率 | >85% | >92% |
| 等级吻合率 | >90% | >95% |
4.3 报告输出
# 4.3.1 报告内容
| 报告章节 | 内容说明 |
|----------|----------|
| 基本信息 | 项目名称、时间、范围 |
| 数据说明 | 数据来源、处理方法 |
| 定损结果 | 分户/分地块定损清单 |
| 分布图件 | 灾害分布图、损失分布图 |
| 精度评估 | 验证方法、精度指标 |
| 结论建议 | 综合结论、工作建议 |
# 4.3.2 输出格式
| 输出类型 | 格式要求 |
|----------|----------|
| 定损清单 | Excel表格 |
| 专题图件 | GeoTIFF、 JPG |
| 核查报告 | PDF文档 |
| GIS数据 | Shapefile |
---
五、实施案例
5.1 某省小麦冻害保险定损项目
# 5.1.1 项目背景
2023年3月，某省遭遇"倒春寒"天气，造成大面积小麦冻害受灾。某保险公司承保小麦面积约150万亩，涉及理赔金额预估超过2亿元。
# 5.1.2 技术方案
时维遥感为该项目设计的技术方案：
| 阶段 | 工作内容 | 技术方法 |
|------|----------|----------|
| 数据获取 | Sentinel-2+无人机 | 72小时完成 |
| 冻害识别 | NDVI差值分析 | 自动提取 |
| 地块叠加 | GIS空间分析 | 地块级统计 |
| 损失评估 | 分级模型估算 | 精度>90% |
# 5.1.3 定损结果
| 统计指标 | 定损结果 |
|----------|----------|
| 受灾总面积 | 89.6万亩 |
| 涉及农户 | 5.8万户 |
| 平均损失程度 | 38% |
| 理赔金额 | 1.72亿元 |
# 5.1.4 精度验证
随机抽取300个地块进行实地验证：
| 精度指标 | 验证结果 |
|----------|----------|
| 面积准确率 | 94.8% |
| 损失准确率 | 91.2% |
| 定损等级吻合率 | 93.5% |
5.2 某县水稻干旱保险定损项目
# 5.2.1 项目背景
2022年7-9月，某县遭遇严重伏旱，水稻生产受到严重影响。保险公司委托时维遥感开展定损服务。
# 5.2.2 技术方案
1. VTCI监测：基于Sentinel-2计算干旱指数
2. 生育期分析：确定孕穗-灌浆期干旱影响
3. 地块叠加：与承保地块叠加分析
4. 损失评估：VTCI与减产系数模型
# 5.2.3 定损结果
| 干旱等级 | 面积(万亩) | 平均减产系数 | 损失产量(万吨) |
|----------|------------|--------------|----------------|
| 轻度 | 3.8 | 15% | 0.7 |
| 中度 | 5.2 | 32% | 2.2 |
| 重度 | 1.6 | 55% | 1.2 |
| 合计 | 10.6 | - | 4.1 |
---
六、质量保障措施
6.1 数据质量控制
| 质量环节 | 控制内容 | 控制标准 |
|----------|----------|----------|
| 数据获取 | 时效性、完整性 | 72小时完成 |
| 预处理 | 几何精度、辐射质量 | 优于1像素 |
| 解译 | 识别精度、边界精度 | >90% |
| 评估 | 计算准确性、逻辑性 | 验证通过 |
6.2 过程质量控制
| 控制节点 | 控制要点 | 责任人 |
|----------|----------|--------|
| 数据接收 | 完整性检查 | 数据工程师 |
| 预处理 | 质量检查 | 处理工程师 |
| 解译分析 | 抽样核对 | 分析工程师 |
| 报告审核 | 内容审核 | 项目负责人 |
| 交付确认 | 客户验收 | 客服人员 |
---
总结
种植业保险定损遥感技术是提升农业保险服务质量的关键技术手段。 本文系统阐述了遥感技术在小麦、水稻、玉米等主粮作物以及经济作物定损中的应用方法，详细介绍了洪涝、干旱、台风、病虫害等主要灾害类型的定损技术要点。
时维遥感的实践经验表明，遥感定损技术可以显著提升定损效率、精度和公正性，减少理赔争议，降低运营成本。
随着遥感技术和人工智能的持续进步，种植业保险定损将更加智能化、自动化，为农业保险高质量发展提供更加有力的技术支撑。
