CN113487439A - 基于多参数的地块风险评估方法 - Google Patents

基于多参数的地块风险评估方法 Download PDF

Info

Publication number
CN113487439A
CN113487439A CN202110772520.4A CN202110772520A CN113487439A CN 113487439 A CN113487439 A CN 113487439A CN 202110772520 A CN202110772520 A CN 202110772520A CN 113487439 A CN113487439 A CN 113487439A
Authority
CN
China
Prior art keywords
plot
parameter
risk assessment
yield
remote sensing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110772520.4A
Other languages
English (en)
Inventor
赫臣
褚超
沈洋
邵文杰
赵超越
徐延宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Space Star Data System Technology Co ltd
Original Assignee
Harbin Space Star Data System Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Space Star Data System Technology Co ltd filed Critical Harbin Space Star Data System Technology Co ltd
Priority to CN202110772520.4A priority Critical patent/CN113487439A/zh
Publication of CN113487439A publication Critical patent/CN113487439A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Technology Law (AREA)
  • Animal Husbandry (AREA)
  • Development Economics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Remote Sensing (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明属于科学评估领域，更具体的说是基于多参数的地块风险评估方法。具体方法步骤如下：步骤一：针对所选地区进行耕地地块圈画；步骤二：通过遥感卫星获取地区多年地块影像数据；步骤三：用步骤二获得的多年地块影像数据进行地块数据信息，利用遥感影像对地块农作物长势进行生长状况及其变化的宏观监测、地块经济等条件以及对地块周边排水设施的监测；步骤四：基于解析的多年地块遥感影像数据，利用地块产量参数、地块灾情参数、排水条件参数、地块经济等参数进行综合对比统计分析，综合评估地块风险，为地块承保提供数据支持。所述步骤一中需要保证地块划分清晰、准确，并且每个地块进行编号，输入基本信息。

Description

基于多参数的地块风险评估方法
技术领域
本发明属于科学评估领域，更具体的说是基于多参数的地块风险评估方法。
背景技术
在人类历史发展进程中，农业占据着举足轻重的地位，而随着农业的不断发展，围绕传统农业衍生了许多新型应用领域，其中地块风险评估就是代表之一，人们通过利用不同的调查手段进行不同地块实际状态普查，包括地块产量、灾害等严重影响地块质量的数据，实现对地块风险精准评估，为地块投保风险评估提供数据支撑。本次研究主要通过基于遥感影像精确解析地块产量、地块灾害、排水条件、地块经济等评估参数对地块进行精准评估，提高对地块评估的准确度。地块风险评估是综合利用影响地块整体质量的不同因素，根据多因素影响指标对地块进行综合评判，从而掌握地块实际状况，为开展地块承保提供数据支持和技术保证。
目前主要的地块风险评估方式是通过人工调查地块所有的信息，而由于地块量大，导致地块调查时间长、误差率大，总体评估精度不高。
本发明所要解决的技术问题在于，传统的地块风险评估精度不高、数据误差大的问题。本次研究基于多参数的地块风险评估方法是在通过利用影响地块质量主要因素进行综合判定地块风险等级，最终实现提高地块评估精度。
发明内容
为了解决传统的地块风险评估精度不高的问题，本发明提出一种基于多参数的地块风险评估方法，具体方法步骤如下：
步骤一：针对所选地区进行耕地地块圈画；
步骤二：通过遥感卫星获取地区多年地块影像数据；
步骤三：用步骤二获得的多年地块影像数据进行地块数据信息，利用遥感影像对地块农作物长势进行生长状况及其变化的宏观监测、地块经济等条件以及对地块周边排水设施的监测；
步骤四：基于解析的多年地块遥感影像数据，利用地块产量参数、地块灾情参数、排水条件参数、地块经济等参数进行综合对比统计分析，综合评估地块风险，为地块承保提供数据支持。
所述步骤一中需要保证地块划分清晰、准确，并且每个地块进行编号，输入基本信息；主要基本信息包括：地块名称、流转信息、上一年作物、上一年产量。
所述步骤二中采用分辨率为0.8米的亚米级高分辨率卫星影像，即高分二号影像。
所述步骤二中对获取到的卫星影像使用ENVI软件进行预处理，预处理过程包括辐射定标、大气校正、正射校正、图像配准和图像增强；
根据卫星影像提取地块矢量包括农户地块边界的提取、绘制、修改、整合和套合操作，最后得出地块的空间位置信息。
所述步骤三中还利用影像的光谱信息可以反演作物的生长信息，便可获得作物产量和灾害信息。
所述步骤四中需要通过发放调查问卷的方式，对区域保险承保评估人员进行调查，问卷共计包括4个承保风险因素，为地块平均产量、地块灾害情况、地块经济等、排水条件。
在步骤一和步骤二中，首先对地区耕地进行地块划分，通过遥感卫星获取特定区域地块影像，保证影像完整性与时效性，连续获取地块多年作物遥感影像；
在步骤二和步骤三中，需要进行地块影像处理分析和地块作物影像数据处理分析，精准解析地块产量、地块灾情、排水条件、地块经济等评估参数数据。
在步骤四中，将解析的遥感影像数据参数进行汇总，求出多年各参数平均值，以地块产量、地块灾情参数值为主要评估指标，以地块排水条件、地块经济等参数为辅助评估指标，基于地块产量参数、地块灾情参数、排水条件参数、地块经济等参数进行综合评判，实现对地块精准评估的目的。
本发明的有益效果体现在：
基于多参数的地块风险评估方法是在利用遥感影像的基础上开展研究的，因此具备成熟的技术优势，同时结合多参数的评估方法极大提高了对地块风险评估的精度；
通过历年真实的遥感影像数据，可以大大提高风险评估基础数据的真实性与准确性，从而提高风险评估精度；
通过利用多参数的地块风险评估方法可以有效减少评估人员的投入，提高地块风险评估效率，减少成本的投入。
附图说明
图1为基于多参数的地块风险评估方法流程图；
图2为地块产量分布示意图；
图3为地块灾情分布示意图一；
图4为地块灾情分布示意图二；
图5为地块灾情分布示意图三；
图6为地块灾情分布示意图四；
图7为地块经济等示意图；
图8为排水条件示意图。
具体实施方式
基于多参数的地块风险评估方法，具体方法步骤如下：
步骤一：针对所选地区进行耕地地块圈画；
步骤二：通过遥感卫星获取地区多年地块影像数据；
步骤三：用步骤二获得的多年地块影像数据进行地块数据信息，利用遥感影像对地块农作物长势进行生长状况及其变化的宏观监测、地块经济等条件即土壤养分，以及对地块周边排水设施的监测；
步骤四：基于解析的多年地块遥感影像数据，利用地块产量参数、地块灾情参数、排水条件参数、地块经济等参数进行综合对比统计分析，综合评估地块风险，为地块承保提供数据支持。根据地块评估参数综合分析，地块3、4、15、22较其他地块自然禀赋条件较差，同等自然条件下自然灾害受损概率相对较高，地块风险较高。
所述步骤一中需要保证地块划分清晰、准确，并且每个地块进行编号，输入基本信息；主要基本信息包括：地块名称、流转信息、上一年作物、上一年产量。
所述步骤二中采用分辨率为0.8米的亚米级高分辨率卫星影像，即高分二号影像。
所述步骤二中对获取到的卫星影像使用ENVI软件进行预处理，预处理过程包括辐射定标、大气校正、正射校正、图像配准和图像增强。
根据卫星影像提取地块矢量包括农户地块边界的提取、绘制、修改、整合和套合操作，最后得出地块的空间位置信息。
所述步骤三中还利用影像的光谱信息可以反演作物的生长信息，如LAI、生物量，通过建立生长信息与产量和灾害间的关联模型，可结合一些农学模型和气象模型，便可获得作物产量和灾害信息。
所述步骤四中需要通过发放调查问卷的方式，对区域保险承保评估人员进行调查，问卷共计包括4个承保风险因素，为地块平均产量、地块灾害情况、地块经济等、排水条件。同时抽取某县农业保险公司的保险承保评估人员，发放了100份调查问卷，最终收集到有效问卷90份，根据对调查问卷的综合分析，其中80份调查问卷得出地块平均产量、地块灾害情况影像因素最高，占据所有风险因素的88.9％，说明地块平均产量、地块灾害是影像地块承保风险的因素，地块平均产量越高承保风险越低、地块灾害情况越严重，承保风险越高。
在步骤一和步骤二中，首先对地区耕地进行地块划分，通过遥感卫星获取特定区域地块影像，保证影像完整性与时效性，连续获取地块多年作物遥感影像。
在步骤二和步骤三中，需要进行地块影像处理分析和地块作物影像数据处理分析，精准解析地块产量、地块灾情、排水条件、地块经济等评估参数数据。
在步骤四中，将解析的遥感影像数据参数进行汇总，求出多年各参数平均值，以地块产量、地块灾情参数值为主要评估指标，以地块排水条件、地块参数为辅助评估指标，基于地块产量参数、地块灾情参数、排水条件参数、地块经济等参数进行综合评判，实现对地块精准评估的目的。
采用半定量评价方法，它用与系统风险率有关的4种因素指标之积来评价风险大小，为了简化评价过程，采取半定量“分级赋值法”，给4种因素的不同等级分别确定不同的分值，再以4个分值的乘积R来评价风险性的大小。
以沃土丰达地区地块为例，通过对地块承保风险评估进行深度分析，基于分级赋值法的核心思想，优化参数取值，提出适用于地块承保风险评估的风险R0计算公式如式(1)所示：
R0＝A0×B0×C0×D0 (1)
式中：A0——地块产量等级；
B0——地块灾情等级；
C0——排水条件等级；
D0——地块经济等等级。
Figure BDA0003154314990000051
Figure BDA0003154314990000061
根据地块评估参数综合分析，地块3、4、15、22较其他地块自然禀赋条件较差，同等自然条件下自然灾害受损概率相对较高，地块风险较高。

Claims (9)

1.基于多参数的地块风险评估方法，其特征在于：具体方法步骤如下：
步骤一：针对所选地区进行耕地地块圈画；
步骤二：通过遥感卫星获取地区多年地块影像数据；
步骤三：用步骤二获得的多年地块影像数据进行地块数据信息，利用遥感影像对地块农作物长势进行生长状况及其变化的宏观监测、地块经济等条件以及对地块周边排水设施的监测；
步骤四：基于解析的多年地块遥感影像数据，利用地块产量参数、地块灾情参数、排水条件参数、地块经济等参数进行综合对比统计分析，综合评估地块风险，为地块承保提供数据支持。
2.根据权利要求1所述的基于多参数的地块风险评估方法，其特征在于：所述步骤一中需要保证地块划分清晰、准确，并且每个地块进行编号，输入基本信息；主要基本信息包括：地块名称、流转信息、上一年作物、上一年产量。
3.根据权利要求1所述的基于多参数的地块风险评估方法，其特征在于：所述步骤二中采用分辨率为0.8米的亚米级高分辨率卫星影像，即高分二号影像。
4.根据权利要求1所述的基于多参数的地块风险评估方法，其特征在于：所述步骤二中对获取到的卫星影像使用ENVI软件进行预处理，预处理过程包括辐射定标、大气校正、正射校正、图像配准和图像增强。
根据卫星影像提取地块矢量包括农户地块边界的提取、绘制、修改、整合和套合操作，最后得出地块的空间位置信息。
5.根据权利要求1所述的基于多参数的地块风险评估方法，其特征在于：所述步骤三中还利用影像的光谱信息可以反演作物的生长信息，通过建立生长信息与产量和灾害间的关联模型，便可获得作物产量和灾害信息。
6.根据权利要求1所述的基于多参数的地块风险评估方法，其特征在于：所述步骤四中需要通过发放调查问卷的方式，对区域保险承保评估人员进行调查，问卷共计包括4个承保风险因素，为地块平均产量、地块灾害情况、地块经济等、排水条件。
7.根据权利要求1所述的基于多参数的地块风险评估方法，其特征在于：在步骤一和步骤二中，首先对地区耕地进行地块划分，通过遥感卫星获取特定区域地块影像，保证影像完整性与时效性，连续获取地块多年作物遥感影像。
8.根据权利要求1所述的基于多参数的地块风险评估方法，其特征在于：在步骤二和步骤三中，需要进行地块影像处理分析和地块作物影像数据处理分析，精准解析地块产量、地块灾情、排水条件、地块经济等评估参数数据。
9.根据权利要求1所述的基于多参数的地块风险评估方法，其特征在于：在步骤四中，将解析的遥感影像数据参数进行汇总，求出多年各参数平均值，以地块产量、地块灾情参数值为主要评估指标，以地块排水条件、地块经济等参数为辅助评估指标，基于地块产量参数、地块灾情参数、排水条件参数、地块经济等参数进行综合评判，实现对地块精准评估的目的。
CN202110772520.4A 2021-07-08 2021-07-08 基于多参数的地块风险评估方法 Pending CN113487439A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110772520.4A CN113487439A (zh) 2021-07-08 2021-07-08 基于多参数的地块风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110772520.4A CN113487439A (zh) 2021-07-08 2021-07-08 基于多参数的地块风险评估方法

Publications (1)

Publication Number Publication Date
CN113487439A true CN113487439A (zh) 2021-10-08

Family

ID=77938014

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110772520.4A Pending CN113487439A (zh) 2021-07-08 2021-07-08 基于多参数的地块风险评估方法

Country Status (1)

Country Link
CN (1) CN113487439A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110110595A (zh) * 2019-03-28 2019-08-09 国智恒北斗好年景农业科技有限公司 一种基于卫星遥感影像的农田画像及药肥大数据分析方法
CN110930260A (zh) * 2019-10-30 2020-03-27 中国银行保险信息技术管理有限公司 种植业保险标的地块级全核全验方法及装置
CN111667183A (zh) * 2020-06-08 2020-09-15 重庆市国土整治中心 一种耕地质量监测方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110110595A (zh) * 2019-03-28 2019-08-09 国智恒北斗好年景农业科技有限公司 一种基于卫星遥感影像的农田画像及药肥大数据分析方法
CN110930260A (zh) * 2019-10-30 2020-03-27 中国银行保险信息技术管理有限公司 种植业保险标的地块级全核全验方法及装置
CN111667183A (zh) * 2020-06-08 2020-09-15 重庆市国土整治中心 一种耕地质量监测方法及系统

Similar Documents

Publication Publication Date Title
CN111598019B (zh) 基于多源遥感数据的作物类型与种植模式识别方法
US11734925B2 (en) Large-scale crop phenology extraction method based on shape model fitting method
CN105740759B (zh) 基于多时相数据中特征提取的中稻信息决策树分类方法
CN106918816B (zh) 农作物长势监测系统及其数据处理方法和模块
CN106600434B (zh) 基于作物模型与同化技术的作物长势遥感监测方法
CN108984803B (zh) 一种农作物产量空间化的方法及系统
CN100416590C (zh) 利用位置和纹理特征自动识别作物苗期田间杂草的方法
CN109711102B (zh) 一种作物灾害损失快速评估方法
CN111898503B (zh) 基于云覆盖遥感影像和深度学习的作物识别方法和系统
CN112712038B (zh) 基于多光谱卫星影像监测小麦倒伏状况的方法及系统
CN112183428A (zh) 一种小麦种植区域分割与产量预测方法
CN106126920A (zh) 农作物雹灾受灾面积遥感评估方法
CN112579807A (zh) 一种基于云计算和大数据分析的智慧农业全周期种植数据云共享平台
CN104951754A (zh) 基于面向对象技术与ndvi时间序列相结合的农作物精细分类方法
CN102156886A (zh) 基于统计数据和遥感影像数据的区域化肥投入空间化方法
CN107437262B (zh) 作物种植面积预警方法和系统
CN113269716A (zh) 一种基于多源遥感数据的香梨成熟期遥感预测方法
Tu et al. A 30 m annual cropland dataset of China from 1986 to 2021
CN108280410A (zh) 一种基于二进制编码的农作物识别方法及系统
Vanino et al. Earth observation for improving irrigation water management: A case-study from Apulia Region in Italy
CN117455939A (zh) 遥感卫星图像的耕地边界提取方法
CN113487439A (zh) 基于多参数的地块风险评估方法
CN116307729A (zh) 基于多源卫星遥感数据的干热风灾害评估方法
CN112541933B (zh) 一种农田边界及种植结构的提取方法
Liu et al. A method for estimating yield of maize inbred lines by assimilating WOFOST model with Sentinel-2 satellite data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211008