服务于快速理赔的农作物灾害损失遥感评估方法研究

Crop loss assessment is not only one of important topic in agricultural natural disaster study, but also one of key stages of decision-making process on crop insurance. Estimation of crop losses using remote sensing technology could provide objectively data support for government making disaster mitigation strategy, reduce insurance company’s claim cost, and increase the accuracy of site investigation and loss determination. In real operation, remote sensing data acquisition capacity often is insufficient due to bad weather conditions when disaster occurs. In this study, we will use two different methods to identify the area affected by disaster: 1) one-class classification method (support vector data description ,SVDD) when just getting one single remote sensing image after disaster and 2) change detection based on neighborhood correlation images and k-means clustering when getting two remote sensing images before and after disaster. .After that, we design a stratified systematic sampling method. The actual acreage and yield loss of area affected by disaster in chosen samples will be collected. The actual acreage of area affected by disaster in samples will be further used to estimate the acreage of area affected by disaster in whole study area by using regression estimator method. The actual yield loss of area affected by disaster combined with Normalized the difference vegetation index (NDVI) difference before and after disaster in samples will be used to build a model for crop yield loss assessment, which will be further used to assess the crop yield loss in whole study area.

作物灾损评估是农业自然灾害研究的一个重要课题,也是农业保险理赔的主要依据。利用遥感技术科学客观地对农作物灾害损失进行估计， 不仅可以为地方政府抗灾减灾投入提供数据支持、也可以为保险公司节约理赔成本，提高查勘定损精度。实际调查中遥感数据获取常常受到限制，本研究综合考虑数据获取的能力，发展基于多时相数据和NCI（邻域相关影像）变化监测，以及基于单时相数据和SVDD(支持向量数据描述)单目标分类的受灾范围提取方法。在此基础上针对传统以像元统计方法为基础的作物受灾面积测量受分类误差的影响难以保证业务化运行精度要求的问题，研究和设计一套分层系统抽样的方法，在野外数据支持下利用基于抽样设计的面积估算方法实现对受灾面积的精确估计，同时建立起遥感反演的参数的变化与作物实际产量变化间的关系表达式，实现受灾等级图的制作，增强不同地区、不同灾种、不同作物间受灾程度的可比性。

作物灾损评估是农业自然灾害研究的一个重要课题，也是农业保险理赔的主要依据。利用遥感技术科学客观地对农作物灾害损失进行估计，不仅可以为地方政府抗灾减灾投入提供数据支持、也可以为保险公司节约理赔成本，提高查勘定损精度。本项目综合考虑数据获取的能力，发展了基于多时相数据和NCI（邻域相关影像）变化监测，以及基于单时相数据和SVDD(支持向量数据描述)单目标分类的受灾范围提取方法；基于遥感辅助抽样调查的方法设计了一套灾情评估流程，实现对受灾面积与等级的快速评估；以Landsat-8影像为实验数据，高分一号影像为模拟真值数据，对济南市长清区2013年夏玉米内涝进行了模拟实验研究；在江苏、河南和安徽分别开展了水稻洪涝灾害和玉米干旱灾害损失评估实证研究。研究结果显示：1）本研究所提出的受灾范围识别方法精度在90%以上，具有一定的应用推广价值；2）模拟实验和实证实验均显示采用回归估计与比率估计两类常用估计量进行外推，总受灾面积反推精度均在90%以上，各等级受灾面积的反推精度均在80%以上。遥感数据辅助抽样设计的方法应用于作物的灾害评估具有可行性；而且通过一次抽样调查可同时完成受灾面积和受灾等级评估，所以该套方法可以提高评估效率，降低评估成本。此外，相对于以遥感反演参数直接人为进行等级划分的受灾等级评估方法，这种以真实减产比率为基础的方法可以为不同灾种、不同地区间的灾情程度的比较提供依据。