CN108414455A - 用于农业保险理赔的农作物雹灾遥感监测方法 - Google Patents

Abstract

用于农业保险理赔的农作物雹灾遥感监测方法，它涉及灾害遥感监测技术，具体涉及遥感技术在雹灾监测中的应用与遥感技术在农业保险中的应用。本发明目解决了传统农业保险查勘定损工作过程中存在信息不对称、定损效率低以及理赔纠纷多等问题。遥感监测方法：一、获取反射光谱图；二、抽测农作物损失率，记录采样点GPS信息；三、构建多元线性回归模型；四：反演雹灾地块的损失率；五：对雹灾范围内损失率≥30％的地块进行理赔。本发明的有益效果：本发明将遥感技术与传统的农业保险查勘、定损工作方式相结合，创造了新型遥感技术应用模式和新型的查勘、定损模式。

Description

用于农业保险理赔的农作物雹灾遥感监测方法

技术领域

本发明涉及灾害遥感监测技术，具体涉及遥感技术在雹灾监测中的应用与遥感技术在农业保险中的应用。

背景技术

随着农业保险规模的扩大，农业保险经营面临着效率和风险管理的悖论。突出表现为信息不对称、道德风险和理赔效率低等问题，严重制约了农业保险经济补偿、资金融通和社会管理职能的发挥。目前发生雹灾引起的理赔事件时，传统的农业保险，在农作物生长期间，雹灾发生后工作人员往往采用的是田间随机定点采样来进行查勘和定损，但是由于黑龙江省个别地区雹灾造成的投保标的受灾面积大，造成的受灾面积可以达到上万亩，传统查勘定损模式往往存在信息不对称、理赔效率低以及理赔纠纷多等问题。

发明内容

本发明目的是为了解决传统农业保险查勘定损工作过程中存在信息不对称、定损效率低以及理赔纠纷多等问题，提供了一种用于农业保险理赔的农作物雹灾遥感监测方法。

本发明所述用于农业保险理赔的农作物雹灾遥感监测方法，该方法包括以下步骤：

步骤一、下载雹灾发生时间前后的农作物的多光谱遥感影像，并进行预处理，获取待理赔雹灾范围内农作物的反射光谱图；

步骤二、人工抽测雹灾范围内农作物的损失率，并记录所有采样点的GPS信息；

步骤三、根据步骤一获取的反射光谱图提取步骤二所有采样点的反射率数据，并构建多元线性回归模型，以建立农作物损失率与采样点的反射光谱之间的对应关系；

在影像中提取采样点反射率值并构建多元线性回归模型；

步骤四：根据步骤三所述的多元线性回归模型反演雹灾地块的损失率；

步骤五：对雹灾范围内损失率≥30％的地块进行理赔。

优选地，步骤一的预处理过程为：对下载的多光谱遥感影像进行正射校正、几何校正和大气校正影像处理。

优选地，步骤一所述的反射光谱图包括雹灾范围内所有GPS点的蓝波段对应的反射率栅格数据、绿波段对应的反射率栅格数据、红波段对应的反射率栅格数据、近红外波段对应的反射率栅格数据。

优选地，步骤二中人工抽测雹灾范围内农作物的损失率的过程为：

验标人手持GPS设备到受雹灾的地块选取多个采样点，每个采样点均应距离地块边界至少10米，在验标单上记录各采样点位于承保地块的方位，并测量各采样点农作物损失率，所述损失率按公式

获取；

其中：测产产量＝亩穗数×穗粒数×百粒重×85％；

承保单产＝[(X1+X2+X3+X4+X5)-Xmax-Xmin]/3

式中：X1,X2,X3,X4,X5表示近五年粮食产量，Xmax为近五年粮食最高产量，Xmin为近五年粮食最低产量。

优选地，步骤三中构建多元线性回归模型的过程为：

步骤三一、利用GIS平台将所有采样点的GPS信息生成矢量点图，与预处理后的反射光谱图叠加，提取每个采样点所在GPS位置中反射光谱数据，即每个采样点的蓝波段对应的反射率栅格数据、绿波段对应的反射率栅格数据、红波段对应的反射率栅格数据、近红外波段对应的反射率栅格数据；并去除异常值的蓝、绿、红、近红外波段反射率的采样点；

步骤三二、根据步骤三一的数据构建多元线性回归模型：

Y＝b₀+b₁B+b₂G₊b₃R+b₄NIR

其中，b₀为常数项，b₁,b₂,b₃,b₄为回归系数；

式中的输入变量B、G、R和NIR分别为去除异常值的蓝、绿、红、近红外波段反射率，输出量Y为农作物产量损失率。

优选地，步骤四反演雹灾地块的损失率的过程：

步骤四一、根据步骤一的反射光谱图获取雹灾范围内所有地块的反射光谱数据；

步骤四二、将每个地块的反射光谱数据代入步骤三获取的多元线性回归模型，来反演雹灾范围内所有地块的损失率。

优选地，步骤三之后还包括模型模型验证过程：

将所有采样点取1/2样本作为建模样本，用于建立损失率预测模型；

其余1/2样本作为模型验证样本，用于计算损失率预测模型的决定系数R2，所述决定系数R2为预测曲线与实际曲线的拟合优度的统计量；当R2＞0.8时，所建模型可用。

本发明的有益效果：本发明将遥感技术与传统的农业保险查勘、定损工作方式相结合，创造了新型遥感技术应用模式和新型的查勘、定损模式。本发明采用的灾害遥感监测技术，通过遥感影像解译，可以客观、真实、实时的反映地面投保标的受灾情况。在雹灾的遥感监测技术应用中，工作人员利用雹灾遥感监测图快速确定受灾投保标的地理位置、受灾面积并确定其受灾程度，打破了传统随机抽样定点调查的工作方式，同时宏观监控地面作物生长情况，提高了业务监管能力。采用本发明农业灾害遥感监测技术，有效的解决了传统农业保险查勘定损工作过程中面临的信息不对称、定损效率低以及理赔纠纷多等问题。

附图说明

图1是本发明所述用于农业保险理赔的农作物雹灾遥感监测方法的流程图；

图2是农作物在不同雹灾损失程度不同波段的反射率；

图3是一具体实施例显示的雹灾监测图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

本发明将遥感技术与传统的农业保险查勘、定损工作方式相结合。

实施例：

步骤一、下载雹灾发生时间前后的多光谱遥感影像，并进行预处理；

通过传感器获取多光谱影像，并对其进行正射校正、几何校正、大气校正等影像基本处理流程。

步骤二、抽测雹灾范围内田块的损失率，并记录抽测点的GPS；

验标人手持GPS到受雹灾的地块取点，取样点应距离地块边界至少10米，在验标单上记录采集点位于承保地块的方位，并测量该点作物损失率：

主要损失率计算公式如(1)—(3)：

损失率＝1-测产产量/承保单产 (1)

测产产量＝亩穗数×穗粒数×百粒重×85％ (2)

承保单产＝[(X1+X2+X3+X4+X5)-Xmax-Xmin]/3 (3)

公式(3)中，X1,X2,X3,X4,X5表示近五年粮食产量，Xmax为近五年粮食最高产量，Xmin为近五年粮食最低产量。

步骤三、在影像中提取采样点反射率值并构建多元线性回归模型；

利用GIS平台将采样点的经纬度等信息生成成矢量文件(点文件)，与预处理后的影像叠加，并使用数值提取工具，将采样点所在GPS位置中反射光谱数据，蓝波段(460nm-480nm)对应的反射率、绿波段(550nm-570nm)对应的反射率、红波段(620nm-670nm)对应的反射率、近红外波段(840nm-880nm)对应的反射率提取出来。

计算提取的蓝、绿、红、近红外波段反射率数值与损失率之间的相关系数b₀,b₁,b₂,b₃,b₄为。并去除有异常值(采样点GPS有明显错误，在道路或非耕地上等)的采样点。

采用相关分析等方法对影像提取的反射光谱数据进行分析，为避免信息冗余，筛选主要波段。利用多元线性逐步回归建模方法，将蓝、绿、红、近红外波段反射率作为输入量，建立损失率预测模型。将样本点随机抽样1/2作为建模样本，其余1/2作为模型验证样本。计算损失率预测模型的决定系数R2，决定系数R2为预测曲线与实际曲线的拟合优度的统计量，即回归曲线与观测值的拟合程度的统计量；R2高于0.8时，模型可用。经实际验证，模型输入量大多由红、近红外波段组成。

多元线性回归模型：

Y＝b₀+b₁B+b₂G₊b₃R+b₄NIR (4)

其中，b₀为常数项，b₁,b₂,b₃,b₄为回归系数。

公式(4)中的输入变量为去除异常值的蓝、绿、红、近红外波段反射率，输出量Y为作物产量损失率。

步骤四：反演雹灾地块的损失率；

利用构建的回归模型反演地块内各像元的损失率，并计算地块总体的损失程度。在地理信息系统软件中，利用波段运算工具，将各波段反射率栅格数据带入到构建好的多元线性回归模型公式中，输出结果为各像元值损失率的栅格数据。利用栅格统计工具统计研究区内损失率平均值。

步骤五：对研究区内各损失程度的面积进行统计：

利用自然分类法对影像提取的损失率结果进行分类，分类结果为10级，将30％、50％、80％的损失率设置为固定阈值。同时利用ArcGIS的空间分析功能，对各级的面积进行计算和统计。

步骤六：根据损失率定义灾害受灾程度

(1)损失率<30％，受灾程度定义为轻灾；轻灾细化三个等级；

(2)30％≤损失率<50％，受灾程度定义为中灾；中灾细化两个等级；

(3)50％≤损失率<80％，受灾程度定义为重灾；重灾细化三个等级；

(4)80％≤损失率，受灾程度定于为绝产。绝产细化两个等级。

根据农业保险理赔细则，对受灾程度达30％及以上的地块进行赔付。

步骤七：生成雹灾遥感监测报告。

针对各次遥感监测结果，生成书面报告，报告内容包括：

(1)灾害类型、灾害发生时间、受灾地区、受灾作物进行文字描述；

(2)雹灾遥感监测成果图；

(3)受灾程度统计表，表格内容如下：

单位：亩

(4)利用监测结果，根据各地区、各作物的保费、保额、费率情况，对当期灾害进行估损，估算损失金额。

实施例：龙门农场2017年承保地块总面积243079.04亩，图3为2017年黑河龙门农场受灾地区的雹灾监测图，其中总受灾面积为39456.97亩，经实地查勘，定义前5级为绝产，绝产面积为11716.19亩。此次雹灾，对农户进行生育期绝产快速赔付，赔款为265.94万元。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (7)

1.用于农业保险理赔的农作物雹灾遥感监测方法，其特征在于，该方法包括以下步骤：

步骤一、下载雹灾发生时间前后的农作物的多光谱遥感影像，并进行预处理，获取待理赔雹灾范围内农作物的反射光谱图；

步骤二、人工抽测雹灾范围内农作物的损失率，并记录所有采样点的GPS信息；

步骤三、根据步骤一获取的反射光谱图提取步骤二所有采样点的反射率数据，并构建多元线性回归模型，以建立农作物损失率与采样点的反射光谱之间的对应关系；

在影像中提取采样点反射率值并构建多元线性回归模型；

步骤四：根据步骤三所述的多元线性回归模型反演雹灾地块的损失率；

步骤五：对雹灾范围内损失率≥30％的地块进行理赔。

2.根据权利要求1所述用于农业保险理赔的农作物雹灾遥感监测方法，其特征在于，步骤一的预处理过程为：对下载的多光谱遥感影像进行正射校正、几何校正和大气校正影像处理。

3.根据权利要求2所述用于农业保险理赔的农作物雹灾遥感监测方法，其特征在于，步骤一所述的反射光谱图包括雹灾范围内所有GPS点的蓝波段对应的反射率栅格数据、绿波段对应的反射率栅格数据、红波段对应的反射率栅格数据、近红外波段对应的反射率栅格数据。

4.根据权利要求3所述用于农业保险理赔的农作物雹灾遥感监测方法，其特征在于，步骤二中人工抽测雹灾范围内农作物的损失率的过程为：

验标人手持GPS设备到受雹灾的地块选取多个采样点，每个采样点均应距离地块边界至少10米，在验标单上记录各采样点位于承保地块的方位，并测量各采样点农作物损失率，所述损失率按公式

获取；

其中：测产产量＝亩穗数×穗粒数×百粒重×85％；

承保单产＝[(X1+X2+X3+X4+X5)-Xmax-Xmin]/3

式中：X1,X2,X3,X4,X5表示近五年粮食产量，Xmax为近五年粮食最高产量，Xmin为近五年粮食最低产量。

5.根据权利要求4所述用于农业保险理赔的农作物雹灾遥感监测方法，其特征在于，步骤三中构建多元线性回归模型的过程为：

步骤三一、利用GIS平台将所有采样点的GPS信息生成矢量点图，与预处理后的反射光谱图叠加，提取每个采样点所在GPS位置中反射光谱数据，即每个采样点的蓝波段对应的反射率栅格数据、绿波段对应的反射率栅格数据、红波段对应的反射率栅格数据、近红外波段对应的反射率栅格数据；并去除异常值的蓝、绿、红、近红外波段反射率的采样点；

步骤三二、根据步骤三一的数据构建多元线性回归模型：

Y＝b₀+b₁B+b₂G₊b₃R+b₄NIR

其中，b₀为常数项，b₁,b₂,b₃,b₄为回归系数；

式中的输入变量B、G、R和NIR分别为去除异常值的蓝、绿、红、近红外波段反射率，输出量Y为农作物产量损失率。

6.根据权利要求5所述用于农业保险理赔的农作物雹灾遥感监测方法，其特征在于，步骤四反演雹灾地块的损失率的过程：

步骤四一、根据步骤一的反射光谱图获取雹灾范围内所有地块的反射光谱数据；

步骤四二、将每个地块的反射光谱数据代入步骤三获取的多元线性回归模型，来反演雹灾范围内所有地块的损失率。

7.根据权利要求5所述用于农业保险理赔的农作物雹灾遥感监测方法，其特征在于，步骤三之后还包括模型模型验证过程：

将所有采样点取1/2样本作为建模样本，用于建立损失率预测模型；

其余1/2样本作为模型验证样本，用于计算损失率预测模型的决定系数R2，所述决定系数R2为预测曲线与实际曲线的拟合优度的统计量；当R2＞0.8时，所建模型可用。