農情遙感技術在三農金融服務中的應用研究

劉遷遷　張景

摘要：農業面臨的主要風險是自然風險與市場風險，這些都受氣候條件的影響。近年來，我國逐步建立完善了全球農情遙感速報系統（Crop Watch），可在不同的精度上對全球及我國典型作物產量監測和農業生產趨勢進行分析。充分利用有關方面的監測數據，實時掌握農牧業生產狀況，有利于提升“三農”金融服務的前瞻性和針對性。

關鍵詞：農情遙感；“三農”金融；農產品價格

影響農業生產和農民收入的主要因素是農產品單產、種植面積和價格。對涉農金融機構而言，構建氣候信息的收集和應用體系，能夠有效預測產量及價格走勢，對深化三農金融服務具有重要意義。和傳統農情信息收集渠道相比，日益成熟的農情遙感技術具有成本低、覆蓋面高等優點，在農業生產、涉農金融服務等方面具有廣闊的應用前景。本文擬分析農情遙感技術在“三農”金融服務中的應用，并提出若干對策建議。

一、 氣候信息是搞好農業相關金融服務的重點

農作物生長的氣候條件（主要是溫度、降雨、光合作用等）、種植面積等決定了農產品的產量，進而影響農產品價格走勢。前瞻性地監測糧食主產區的氣候信息，能夠有效把握市場動向。在這方面，全球主要涉農企業（包括糧商、大型農場等）以及金融機構（農產品期貨交易商、涉農金融機構等）都進行了積極探索，并建立了系統的農業氣象及種植情報收集、農產品產量和價格分析預測體系。

美歐主要糧商建立了遍布世界的農業信息網絡。通過系統地收集和分析世界各地氣候、農作物生長情況、消費和經濟形勢等信息，先于市場掌握主要農產品生產、收成和消費全貌，并通過全產業鏈經營、糧食衍生品交易等策略，將自身經營風險控制到最低。例如美國嘉吉公司（Cargill）通過實時收集各地溫度、降雨量、極端天氣、降雪量、日照等檢測指標，借助評估模型來預估天氣因素對產量、收入和利潤的綜合影響，并開展相關風險管理（陳佳，2015）。

除糧商外，主要涉農金融機構也重視氣候信息在金融服務中的應用。國際金融機構先于市場掌握農產品市場信息，推動農產品相關的投資、交易和避險等業務運作，并以此獲取超額收益。2012年，高盛在糧食投資中賺取了4億多美元。為數眾多的農產品對沖基金通過聘請氣象專家，或通過商業氣象咨詢機構獲取氣象信息，作為預判市場走勢的重要依據。據統計，美國已有數百家商業氣象資訊提供商；AccuWeather作為其中的佼佼者，已成為多家涉農金融機構的氣象信息提供商。美國芝加哥商品交易所等機構積極培育氣候衍生產品市場，推出標的涵蓋降雨量、降雪量、溫度、濕度等氣候相關期貨、期權和互換等產品，為氣候風險敏感企業和居民提供避險選擇。

二、 農情遙感監測技術在農情信息收集方面具有顯著優勢

20世紀70年代以來，主要國家和國際組織利用遙感技術具有監測面積大、探測周期短、獲取信息豐富、費用低廉以及可以實現宏觀、動態、快速、實時、準確的作物長勢監測和估產等特點，積極推進農情遙感技術，目前已形成了科學完備的體系。我國逐步建立完善了全球農情遙感速報系統（Crop Watch），該系統以遙感數據為主要數據源，以遙感農情指標監測為技術核心，僅結合有限的地面觀測數據，構建了全新的不同時空尺度農情遙感監測多層次技術體系，具備全球典型作物產量監測和農業生產趨勢分析功能，并定期公布《全球農情遙感速報》、《全球生態環境遙感監測年度報告（大宗糧油作物生產形勢）》，為眾多依賴糧食進口、沒有能力開發與運行先進的農情監測系統的貧困國家提供了農情監測服務，為國際社會提供了另一個獨立的信息獲取途徑，對提高透明度，維護國家糧食安全，加強我國在全球范圍內的糧食安全合作具有重要意義。

總體看，農情遙感監測有以下突出優勢：

1. 科學性較高。決定農產品產量關鍵數據如作物種植面積、單產、長勢等，吳炳方等（2010）通過氣象及遙感數據，結合多組方法集得到，形成了獨立的農情遙感信息源。一是作物種植面積。一種方法是通過計算作物種植成數（總播種面積/耕地面積）和作物種植結構（某種作物播種面積/總播種面積），利用耕地面積乘以作物種植成數和作物種植結構就可以得到不同作物的播種面積。另一種方法采用高、低分辨率數據結合的作物面積提取方法，基于時間序列歸一化植被指數（Normalized Difference Vegetation Index，NDVI）數據提取不同作物的特征曲線進行面積估算。二是單產。有的基于遙感信息同化生長模型的作物單產模型估算；有的采用農業環境指標、農情遙感指標和地面農業氣象因子觀測數據，通過農業氣象模型、遙感模型和作物生長模型，采用多種單產預測結果融合計算。三是長勢。Crop Watch主要使用了兩種指標對不同空間單元的作物長勢進行分析，一個是農業環境指標，通過潛在生物量（溫度、光照、濕度等天氣因素對作物生長的潛在影響）來反映；另一個是農情遙感指標，通過植被健康指數，耕地種植比率和最佳植被狀態指數等評估作物長勢。作物長勢監測技術日益成熟，使農情遙感具備了短期預測功能，提前預測糧食生產形勢，這也是農情遙感的最大優勢。此外，利用農情遙感監測長勢的另一個優勢是其基于衛星遙感數據監測結果，可以與往年的作物播種情況和生長形勢進行對比，人為干擾因素較小，可實現全球全覆蓋、多時相的觀測，具有全局性，有效克服地面調查以點帶面、以偏概全等問題，相比統計抽查更全面。

2. 能夠實現不同的廣度和精度要求。以Crop Watch為例，郭華東等（2014）利用不同的環境因子及農業監測指標能夠實現四個范圍尺度的作物長勢、產量和農業變化趨勢，兼顧了預測廣度與預測精度。一是在全球尺度上，利用三個農業環境指標（降水、光合有效輻射和氣溫）以及潛在生物量對全球農業環境進行評估，重點評估全球農業生產形勢和預警風險區域。二是在區域尺度上，綜合利用農業氣象條件指標和農情遙感指標（主要是植被健康指數、復種指數、最佳植被狀況指數和耕地種植比例等），主要實現全球七個洲際主產區的農作物長勢及農田利用強度監測分析。三是在國家尺度上，對總產量占全球80%以上的30個主產國，通過NDV1、作物種植面積、時間序列聚類指標等信息，對玉米、小麥、水稻和大豆四種大宗糧油作物進行生產分析和供應形勢預測。四是在省/州尺度上，加入種植結構和耕地比例指標。我國的作物種植結構主要通過GVG系統由田間采樣獲取，美國和加拿大等國的作物種植結構由主產區線采樣抽樣統計獲取。由此可精確到省級玉米、水稻、小麥和大豆等作物相關信息，具有較高的預測精度。

3. 預測結果較好。主要體現在兩個方面：一是預測指標實行全球驗證。Crop Watch利用全球28個研究區的地面觀測點及中國2000多個樣方的作物單產調查數據，對各農情遙感指標及產量預測進行驗證，及時糾偏。二是產量預測結論清晰、準確性較高。從近幾年的監測報告提供的預測與事后的真實產量驗證看，Crop Watch的預測結果具有較高的可信度。根據Crop Watch2015年5月的預測，全球玉米、大豆全年產量同比分別下降1.3%與1.1%，水稻與小麥產量同比增加1.0%與0.9%（吳炳方等，2015）。

4. 邊際成本較低。傳統農情信息獲取是以農業生產經營戶和農業生產經營單位為對象，采用統計抽樣方法，依賴龐大的調查隊伍、選取觀測點以及購置監測設備等支出，信息獲取成本高、時效性差、覆蓋范圍小。普通企業很難有足夠的人力、物力和財力構建農情信息網絡。借助現有的氣象觀測網、遙感監測體系，只要長期監測和統計預測，農情遙感監測系統可以與往年的作物播種情況和生長形勢的監測結果進行對比，準確反映糧食生產形勢，能夠以較低的邊際成本為包括金融機構在內的企業提供農情信息服務。

5. 災情監測方面優勢明顯。在全球氣候變化背景下，全球極端氣象災害仍可能延續多發、頻發、重發等趨勢，農業生產可能出現大幅波動。20世紀90年代全球極端氣象災害比20世紀50年代高出5倍以上。遙感技術是目前多尺度旱澇監測最有效的手段，能夠及時獲取旱澇災害的強度、影響區域等信息，并結合作物生長不同階段評估災情對產量的影響。比如厄爾尼諾（El Ni？觡o）和拉尼娜（La Ni？觡a）現象，目前主要通過監測相關觀測區域海溫和南方濤動指數（Southern Oscillation Index，SOI）進行預警，但無法實時跟蹤其影響范圍、持續時間、作用強度等。相對來講，農情遙感能夠密切跟蹤監測其發展態勢，并及時修正對農業產出的預期。

三、 加強農情遙感技術應用，提高"三農"金融服務質量

氣候不僅是氣象領域的研究內容，也是影響經濟的重要因素。1998年美國前商務部長William Michael Daley在美國國會作證時指出，美國經濟中至少有1萬億美元與天氣密切相關。農業受氣候的影響最為直接，包括涉農金融機構在內的相關部門都應該重視氣候問題。借助最新農情遙感技術，能夠不斷提高對全球主要農產品產量和價格的研究和分析能力。

1. 高度重視農情信息工作。金融機構普遍認為氣象方面的研究預測是氣象部門的事，與金融的關系不大。2014年以來的厄爾尼諾事件，正在對全球農業生產造成巨大影響，但涉農金融機構并未充分考量這一事件沖擊。從某種程度上說，金融領域仍將氣候因素視為外生變量，缺乏對農業氣象災害風險和經濟影響的定量分析和動態評估的意識和能力。

近年來，我國大力推進現代農業發展，種養大戶、新型農業經營主體快速培育，農業逐步成為高投入、高產出、高風險的行業。調查發現，種糧大戶因不掌握氣候信息而導致巨虧的例子比比皆是。客戶對金融服務的需求已不僅局限于信貸、結算等傳統領域，對氣候信息支持、農產品價格預測、農業風險整體解決方案等智力密集型服務的要求日益增長。金融機構應及時挖掘客戶需求，持續加強氣象相關研究并提供相應服務。培養一批既精通農業氣象又懂農村金融的復合型人才，能夠深入研究氣候與收成、產量與價格等變量的關系，以及農業災害的影響程度與涉農貸款不良率的關系，并開發相應的產品和服務，滿足客戶的需求。

2. 推動金融機構與氣象、遙感等相關部門合作。目前國內提供農業氣象服務的機構主要有中國氣象局等。中國氣象局提供的農業氣象產品涵蓋大氣監測與預報、氣候監測與評估、生態與農業氣象等領域。其農情信息來源既有氣象和遙感衛星，也有完備的本土地面觀測網絡，農情數據可靠，但缺乏對全球范圍的作物長勢監測產品和基于遙感的作物產量預測。Crop Watch系統自1998年建立以來，經過不斷改進和提高，并大量融合了大氣科學、農業氣象學等相關成果，監測精度和范圍大幅改善，建成了系統的農情分析體系。目前，我國是國際上少數幾個開展全球農情遙感監測的國家。Crop Watch已與歐盟的MARS、美國的Crop Explorer系統并列為全球三大農情遙感監測系統，成為地球觀測組織/全球農業監測計劃（GeoGLAM）的主要組成部分，并為聯合國糧農組織農業市場信息系統（AMIS）提供糧油生產信息。建議涉農金融機構加強與中國氣象局和國家遙感中心合作，爭取人員和技術支持，在Crop Watch的技術框架和分析方法基礎上構建適合自身的農業產量分析和預測架構。

3. 加強農情信息在風險管理中的應用。長期以來，“三農”金融風險管理主要側重客戶和行業等緯度分析客戶的財務能力和風險狀況，并作為信貸投放和風險管理的主要依據，對氣候信息的分析應用較為薄弱。這種只見樹木不見森林的分析體系，難免影響風險管理效果。有必要加強大氣候、大環境的研究和運用，在客戶分析、信貸決策中適當提高氣候信息的權重。可以考慮根據農情預測有選擇地投放信貸資源，將更多涉農資金投向氣候條件好、收成理想的區域和經營主體。盡快建立基于厄爾您諾和拉尼娜等全球氣候周期及暴雨等重大災害性天氣過程和干旱、洪澇等重大天氣災害的預警體系，實時跟蹤監測受災程度和范圍，并采取應對措施，提高農業抗風險能力，保障銀行涉農貸款安全。

此外，農業保險作為一種風險管理工具和國家農業支持保護體系的組成部分，面臨嚴重的道德風險，災害損失難以評估，保險責任難以確定，理賠工作難度大、成本高等技術性難題，金融機構在涉農保險創新、氣候金融產品開發等方面積極性不高，甚至有畏難情緒。利用農情遙感監測技術“快速、獨立、直觀、客觀”的特點，可以迅速、準確的估算災情面積，確保保險業務管理的科學性和高效性，提升農業風險管理能力，防災減災能力，提高農業保險承保理賠核。

4. 提高全球農產品市場的話語權。美國前國務卿基辛格博士曾深刻指出，控制了糧食，就控制了世界上所有的人。近年來，農產品金融化的趨勢日益明顯，農產品價格已不簡單受供求規律的影響，相關金融機構已成為國際農產品市場的主要參與者和定價者。華爾街的投資銀行、對沖基金以及其他金融機構大肆投機糧食市場，開發復雜的金融衍生品（如溫度指數期貨、霜凍指數期貨等）并影響價格走勢；四大糧商等控制全球糧食產業鏈的傳統力量在現貨和期貨交易市場兩邊下注，有的糧商直接成立對沖基金，專門從事糧食炒作。影響糧食供求的氣候信息，大到厄爾尼諾、拉尼娜等全球性氣候現象，小到糧食主產區的局部氣候災害，都可能成為糧價漲跌的推手，小事件引發糧價大波動的蝴蝶效應屢見不鮮。我國涉農金融機構，應在及時獲取全球農情信息的基礎上，加強國內主要糧食企業合作，提高在全球糧食市場的影響力。一是積極爭取全球糧食定價權。作為全球重要的農產品凈進口國，中國需求已成為部分農產品價格波動的重要因素。根據農業部的數據，2014年我國糧食進口總量約1億噸，其中大豆進口達到了7 140萬噸。國際糧價波動已成為中國糧食安全的重要影響因素。可考慮推動有關方面密切合作，通過適當的策略、產品和渠道，降低農產品進口的價格風險。在能力和條件具備的前提下，國內金融機構可與國內糧食巨頭（中糧集團、中儲糧等）及氣象服務機構合作成立農產品交易機構，適當參與糧食衍生品交易。二是吃透全球糧食金融化問題。有必要深入研究西方涉糧金融機構的操作手法和運作模式，評估農產品產量預期、能源價格、天氣變化、氣候災害、運輸風險等對價格走勢的影響路徑，并采取適當的應對策略。三是及時發布農產品相關報告。農行等主要涉農金融機構應借鑒全球先進同業的做法，加強氣候和農產品市場研究，定期或不定期面向全球發布水稻、小麥、玉米、大豆、棉花等主要農產品分析報告，提高市場影響力。

參考文獻：

[1] 陳佳.四大糧商之嘉吉：打造“農業一體化+物流+金融風險管理”的縱橫全產業模式.長江證券， 2015-03-18.

[2] 吳炳方，蒙繼華，李強子，等.“全球農情遙感速報系統（Crop Watch）”新進展[J].地球科學進展，2010，（10）：1014-1022.

[3] 郭華東，吳炳方，曾紅偉.全球生態環境遙感監2014K2

年度報告[R].中國科學技術部國家遙感中心，2014.

[4] 吳炳方，常勝，陳波，等.全球農情遙感速報[R].中國科學院遙感與數字地球研究所，2015，（2）.

[5] 齊江濤.玉米果穗產量實時監測方法及其應用研究[D].長春：吉林大學學位論文，2011.

[6] 劉云.基于NOAA衛星的冬小麥冠層表面溫度估算及初步應用的研究[D].北京：中國農業大學學位論文，2003.

[7] 蔣桂英.新疆棉花主要栽培生理指標的高光譜定量提取與應用研究[D].長沙：湖南農業大學學位論文，2004.

[8] 陳水森.基于波譜庫的作物純像元識別與種植面積遙感估算[D].北京：中國科學院研究生院（遙感應用研究所）學位論文，2005.

[9] 蒙繼華.農作物長勢遙感監測指標研究[D].北京：中國科學院研究生院（遙感應用研究所）學位論文，2006.

[10] 張明偉.基于MODIS數據的作物物候期監測及作物類型識別模式研究[D].武漢：華中農業大學學位論文，2006.

基金項目：中國博士后科學基金（項目號：2015T80160；2014M550912）。

作者簡介：劉遷遷（1985-），女，漢族，寧夏回族自治區中衛市人，中國農業銀行博士后科研工作站博士后，北京大學博士后科研流動站博士后，研究方向為金融衍生品定價、風險管理；張景（1985-），女，漢族，寧夏回族自治區銀川市人，中國科學院大學理學碩士，國家遙感中心地球觀測與導航技術領域科技計劃項目主管，研究方向為生態環境遙感與氣候變化。

收稿日期：2015-11-17。