同一片地，去年是良田今年成了风险区

一、一句话，把农户惹急了

有个做区划的同行讲过一次经历。

成果公示以后，有个农户找上门，情绪挺激动："我这块地种了二十年，年年收成不错，怎么就被你们划成高风险区了？"

同事解释说，划成高风险区不是说地不好，是说这块地在特定灾害下损失可能比较大——同样那场雨，有的地块减产一成，有的地块减产三成。农户听不进去，只记住了"高风险"三个字。

这类误会挺常见，根子在一个认知差：农户看地，看的是"肥不肥、能不能长"；风险区划看地，看的是"怕不怕灾"。这两件事完全不是一回事。

一块黑土地，肥力上乘，如果正好在河道弯道的行洪区里，那它既是良田，也是高风险地块。两个判断都成立。

二、风险区划到底在评什么

一句话概括：评的是"在灾害情境下，这块地可能损失多少"。

它由三个部分叠起来。

第一部分是危险性。也就是灾害发生的可能性和强度。这个地方历史上旱得多还是涝得多？暴雨的频率如何？有没有台风影响？这些是可查的。

第二部分是暴露度。同样的灾害，地里有东西和没东西，损失不一样。种着水稻和刚收割完，暴露度完全不同；地块上有大棚和只有露地，也不同。

第三部分是脆弱性。也就是这块地"抗不抗得住"。地势低不低、排水通不通、坡度陡不陡、土壤保水能力如何、作物结构是不是单一。同样的雨量，落在不同的地上，后果不一样。

三部分乘起来，才是风险。

所以把一块良田划成高风险区，本质原因是它的暴露度和脆弱性高，不是土地质量差。

三、区划靠哪些数据

第一类是地形与水文数据。高程、坡度、坡向、与河流沟渠的距离与关系。实际操作里，与河道距离在一两公里以内、地势又低于周边一米以上的地块，会先被筛出来单独看。这些是判断"水往哪儿走"的基础。低洼地、行洪区、汇水区域，从这个层面能圈出来。

第二类是历史灾情。过去若干年这一带发生过什么灾、在哪儿发生的、损失多大。这类数据往往散在多个部门，收集和整理是最费工夫的一步。

第三类是作物分布。同样一块地，种水稻和种玉米的风险不一样。所以区划要做到有意义的精度，得知道地块上种的是什么。这一步靠遥感识别作物分布来实现，识别精度通常要求在九成以上。

第四类是气象极值。降水、气温、风的极端值统计，以及历史灾害性天气的分布。

第五类是基础设施条件。有没有灌溉、有没有排水沟、有没有机井，这些决定了地块在灾害面前能不能自救。

五类数据里，地形和历史灾情是骨架，作物分布和基础设施是血肉。凑齐这五样，区划才有实际用。

四、分级怎么分，怎么用

区划结果通常是分级的，一般分三到五级。

分级之后，用处挺多。

第一是承保费率的参考。高风险区意味着更高的赔付概率，费率的精算需要这个输入。有些地方的试点已经在按风险等级做差异化的费率设计。

第二是防灾物资的部署。抽水泵、沙袋、发电设备放在哪儿，不是平均撒，而是往高风险区靠。这样灾害来的时候响应更快。

第三是预警的优先级。同样是发预警，高风险区的通知要先发、发得更细，甚至入户提醒。

第四是工程的优先序。高标准农田改造、排灌设施建设，先投在哪里，风险区划是一个依据。

第五是承保验标的关注点。高风险地块在承保环节就要重点核实，避免逆选择——就是风险高的地块投保意愿特别强，而保险公司不知情。

五、一次区划工作的复盘

说一次实际参与的过程，地名不写。

任务是为一个县做气象灾害风险区划，重点是洪涝和干旱两类。

第一步是数据收集。这里花了比预期长得多的时间。地形数据好办，历史灾情数据就费劲了——有的年份只有文字记录，没有坐标；有的记录到了乡镇，没到地块。最后是靠着乡镇干部的记忆和当年的防汛记录，把一部分历史灾情点补到了具体位置。

第二步是作物分布识别。用当年的影像做分类，区分水稻、玉米、大豆和设施农业。这一步发现了一个问题：当地有相当比例的地块是一年两熟的，同一个地块上半年种油菜、下半年种水稻。所以区划必须按时段做，不能只做一张年尺度的图。

第三步是建模分级。把地形、水系、历史灾情、作物分布几层数据叠起来，按不同的灾害类型分别出图。

第四步是复核。这里发现了一处明显的问题：有几个村子被划成了洪涝高风险，实地去看，这些村子其实地势不低，历史上也没怎么淹过。查了原因，是这些村子附近有一条干渠，在水系数据里被当成了河道处理。

这是一个典型的数据源问题：灌溉渠道和天然河道，在"会不会泛滥"这个问题上完全不同，但在这类数据里容易混。修正以后重新出图，这几个村的风险等级降下来了。

整个过程也提醒了一件事：区划成果一定要经过当地人的眼睛。村干部看了图，往往一句话就能指出哪里不对。

六、这笔账怎么算

风险区划的价值，不在图上，在它带来的部署变化。

第一笔是防灾投入的效率。有限的物资和人力，用在最需要的地方，同样的投入能减少更多损失。

第二笔是保险的精细度。有了风险评估，费率和承保策略才有依据。一块地少收两成还是五成，对应的风险档次可能差好几级，费率也就不该一样。对保险公司来说，这是控住赔付率的基础工作。

第三笔是工程投资的排序。钱要花在刀刃上，区划提供了排序依据。

第四笔是沟通成本。这一点常被忽略。灾害发生以后再挨家挨户解释为什么赔得少，很费劲；如果事先有一张图，讲清楚哪片地容易受灾，沟通会容易得多。灾害发生以后再解释"为什么这块地损失大"，很费劲；如果事先有一张图，讲清楚哪片地容易受灾，沟通会容易得多。

七、说清楚区划是什么、不是什么

第一，区划是概率判断，不是预言。划进高风险，不等于明年一定受灾；划进低风险，也不是保险箱。这一点必须跟农户讲清楚，不然很容易引起误解。

第二，区划的精度受数据限制。历史灾情数据不全的地方，风险等级的可信度会打折。

第三，区划要跟着变。作物结构变了、排水条件改善了、气候趋势变了，区划也得更新。一张图用十年，不合理。

第四，讲法很重要。"高风险"这个词对农户的刺激很大，容易理解成"我的地不行"。更有效的说法是"这块地遇到涝的时候更容易受影响，建议重点做排水"。同样一件事，说法不同，接受度差很远。

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。在风险评估这块，我们提供地形与影像数据处理、作物分布识别、历史灾情整理与空间化、分灾种的风险分级成果，以及配套的地块级风险清单。服务对象包括保险公司、农业农村与应急管理部门。

我们不把区划当成一张用来贴标签的图，而是当成一份可以指导部署的作业底稿。

结语

良田和风险区，不矛盾。一块地好不好，和它怕不怕灾，是两个问题。把这个问题讲明白，比图上多分一级更有用。

时维遥感——遥感+AI，让农业更智慧