一场内涝过后，水退到什么程度才算完

一、站在田埂上争的那句话

台风过境后第三天，田里的水开始退了。农户站在地头说，水还没退干净，庄稼泡了这么多天，基本完了。查勘的人看了看，说地表已经没明水了，情况没到那个程度。

两个人说的是同一块地，结论却差得远。

这种情况在内涝灾情里非常普遍。原因不复杂：大家对"水退了"这个说法的理解不一样。农户看的是地里的实际状况——土还是烂的，脚一踩就陷；查勘看的是地表有没有明水。这两个标准，差着好几个层次。

而真正决定作物受不受损的，往往不是退水那一刻，是水淹了多久。

二、"水退了"这句话，要拆成三层

第一层是地表明水。这是最直观的：田里还能不能看到水面。

第二层是土壤饱和状态。明水退了以后，土壤里的孔隙还是充满水的，根系在这种状态下依然缺氧。冬小麦、玉米、大豆这些旱作物，根泡在水里超过一定时间就开始受害。

第三层是作物自身的恢复情况。有的作物耐淹，退了水能缓过来；有的作物在特定生育期极其敏感，泡一天就是致命伤。

三层里，第一层能看见，第二层要测，第三层要判断。日常争执大多发生在第一层和第二层之间——脚下踩的感觉是一样的，眼里的标准却是两套。

三、不同作物、不同生育期，耐淹能力差很多

这一条值得单独说，因为它直接决定"淹多久算灾"。

水稻是水生作物，对淹水有天然适应，但也不是无限的。分蘖期淹上几天影响不大，孕穗到抽穗这段就敏感了，长时间没顶会导致花粉败育、结实率下降。

玉米的耐受度差得多。苗期短时间积水还能缓，拔节以后泡上两三天，根系缺氧、叶片发黄，产量损失明显。有试验结果显示，拔节期连续淹水三天以上，减产可能达到两成到三成。到了灌浆期再遇内涝，基本就是减产已成定局。

大豆、花生这类作物同样怕涝。花荚期遇长时间积水，落花落荚严重。

所以判断涝情的时候，得同时知道两件事：水淹了多久，作物正处在什么阶段。只报"淹了多少亩"，信息是不完整的。

四、涝情怎么量化

实际作业里，内涝监测通常给出几个指标。

第一个是淹没范围。用影像识别水面。光学影像上，水面反射率低、颜色偏暗，识别相对容易，但受云层限制；雷达影像能穿云，水体在雷达上呈现镜面反射，特征也明显。两种数据配合用，能提高覆盖率。

第二个是淹没历时。这是最关键的一个。做法是靠影像序列——假设连续几期影像覆盖了同一区域，就能算出这块地是哪天进水的、哪天退的，中间泡了多少天。影像重访间隔越短，历时算得越准。

第三个是淹没深度。这个难度大。光学影像上，水体的深浅会表现为颜色的细微差异，但不精确。有条件的用无人机做水面高程测量，或者结合地形数据推算。

第四个是土壤水分状态。退水之后的墒情，可以用地面传感器测，也可以用微波遥感做区域估算。这一项决定了作物是否还在受害。

这几个指标里，淹没历时是最好用、也最容易被忽略的一个。同样是受淹，泡一天和泡五天，对旱作物的影响完全不同。我们一般按天数分档：一天以内、一到三天、三到五天、五天以上。这几档对应的损失预期差别很大，定损口径和防灾处置也跟着不同。

五、一次内涝监测的复盘

说一次实际的过程，地名不写。

台风过后，一个区域出现大范围农田内涝，涉及面积不小。任务是在三天内给出涝情分布和淹没历时。

第一天拿数据。先看光学影像，云层很厚，可用的只有局部。于是同步调了雷达影像。这里立刻遇到一个技术问题：雷达影像上，平静水面是暗的，湿土也是暗的，两者容易混。

怎么区分？靠的是形状和周边关系。水面积水一般连片、边界平滑，跟着地势走；湿土分布零散、边界不规则。另外，结合前一期影像看变化——刚退水的地块，浅水痕迹会呈现出条带状的分布，与地形沟壑走向一致。

第二天做历时分析。把几期影像按时间排起来，逐块判断进水时间和退水时间。这一步发现了一个重要情况：受灾最重的不是地势最低的那一片，而是排水沟下游被堵住的一片区域。

那片地地势并不是最低的，但上游的水排下来，因为一处沟渠淤塞，水在那里滞了四五天。从影像上看，它的淹没历时明显长于周边。

这个发现直接改变了排水调度的方案——不是继续在下游抽水，而是先疏通那处沟渠。

第三天出成果。给出分地块的淹没范围和淹没历时清单。这里也承认了一个不足：由于影像重访间隔的限制，部分地块的淹没历时只能给出区间，没法精确到天。

六、这笔账怎么算

涝情监测的账，主要在两头。

一头是排水的效率。知道水从哪儿进、在哪儿滞、往哪儿排最有效，排水调度就不是平均用力。上面那个例子，疏通一处沟渠的作用，可能比多开几台水泵更大。

另一头是定损的依据。淹没历时是理赔和灾情评估里的关键参数。同样面积受淹，泡了一天和泡了五天，损失差好几个档次。有实测的历时数据，定损就有依据，争议就少。

对农户来说，最实际的还是抢时间。一块地多泡两天，可能就是从减产两成变成减产五成。早一天知道哪片地滞水最严重，就能早一天安排排水和后续处置。

七、做不到和要注意的

第一，淹没历时受影像重访限制。想算准，就得有足够密的影像序列。连续阴雨天气下，这个前提往往不成立。

第二，水深不好测。除非用无人机专门飞，否则深度一般只能给个大致范围。

第三，明水识别有干扰项。地膜、大棚、水面反光的道路，在影像上都可能被误判为水体。识别规则要做好区分。

第四，退了水不等于没事了。土壤饱和、根系缺氧的后续影响，往往在退水之后才显现。所以监测不能止于退水那天，往后还要跟一段。

第五，排水的方法也有讲究。地表水排得越快越好，但如果是高温晴热天气，一次性把水排干反而可能让作物缓不过来——根系在缺氧状态下待久了，突然暴露在强光和干燥环境里，叶片容易萎蔫。有经验的做法是分批排水，先排出大部分，留一点让作物过渡一下。这个细节直接影响受灾地块的恢复情况。

八、我们在做什么

时维遥感技术服务（武汉）有限公司，做遥感加 AI 的农业与保险技术服务。在涝情监测这块，我们提供光学与雷达影像处理、水体范围提取与变化跟踪、淹没历时估算、土壤水分状态辅助判读，以及分地块的涝情清单成果。服务对象包括农业农村部门、应急与水利相关单位，也包括保险机构。

我们不做大话：涝情这件事，能说准"淹了几天、泡了哪几块"，就已经帮上大忙。

结语

"水退了没有"，在家里问是个简单问题，在地里问就是一道技术题。把历时说清楚，比争论有没有退干净有用得多。

时维遥感——遥感+AI，让农业更智慧