“你們看，衛星圖像上畫線的這個框就是我們流轉的1000多畝土地，這個顏色就是提示該收玉米了。有了這個衛星數據，恒豐銀行給我發放了75萬元貸款，今年種小麥的地租和農資款就不愁了。”借助恒豐銀行的“黑科技”，山東省聊城市高唐縣康橋農作物種植專業合作社負責人王建忠的煩惱迎刃而解。

事實上，在銀行開展涉農金融的過程中，衛星遙感技術的神秘面紗早已被揭開。越來越多的銀行運用這一科技手段，破解涉農金融的信用評估及風險管理難題。在實踐中，該技術還有哪些潛力有待挖掘?會與哪些技術產生“化學反應”進而提升銀行涉農金融服務質效?在進一步推廣使用時，銀行業需要注意哪些方面的問題?

遙感技術化身“新農具”

“1畝地租金至少也要800元，一季作物農資農服款需要500元，1000畝地就要100多萬元，雖說這兩年有了一些積蓄，但還是有幾十萬元的資金缺口。”針對王建忠的煩惱，恒豐銀行聊城分行和中化現代農業(山東)有限公司的工作人員拿著“衛星遙感數據+農業托管+普惠金融”的鄉村振興金融服務方案找到了他，從采集信息、整理資料、上報授信到貸款發放用時不到一周，以快速高效的服務保障了款項及時到賬。

在相距千里之遙的云南省紅河州開遠市小龍潭鎮老勒村，52歲的白大伯今年承包了20畝耕地準備種植玉米，卻受困于承包租金及種子化肥價格上漲，手頭資金不足。

建行“裕農快貸”衛星遙感應用項目在開遠市的成功試運營，不僅為當地農業發展實施精細化管理提供了科技支持，也為白大伯解了燃眉之急。“以前到銀行辦貸款跑好幾趟，最后還沒辦成。現在通過手機就能貸款，真是太方便了，這下化肥錢有著落了。”在建行紅河州分行客戶經理小張的幫助下，他很快就在手機端收到了貸款到賬信息。

是什么樣的特性，使遙感技術搖身變為支持各地農戶進行農業生產的“新農具”?

王建忠和白大伯所種植的玉米以及土地等生產資料，并非銀行認可的傳統抵押物，銀行也難以實時跟進，對其價值進行評估。傳統的人為評估方式，存著在周期長、成本高、數據精度不足的問題，這無疑增加了銀行制定貸款額度與還款周期的難度，也提高了涉農貸款的風險。

作為一種較為成熟的空間信息技術，遙感技術為破解上述瓶頸提供了一條捷徑。該技術通過搭載在衛星或無人機上的遙感器，對目標物體反射或輻射出的電磁波、可見光、紅外線等光譜特征進行收集與分析，并形成可視化的遙感圖像，從而實現對物體的監測。

在農業領域，銀行通過觀測衛星動態，獲取不同光譜波段下農作物衛星遙感影像等信息，為農戶和涉農企業貸前評估及貸后管理提供數據支撐。“我們利用衛星遙感數據，不僅能夠準確識別農戶土地位置、面積，準確測算貸款需求，還能通過衛星光譜影像，跟蹤了解糧食作物生長情況、土壤墑情和病蟲害等信息，提高貸后管理水平。”恒豐銀行有關負責人表示。

多家銀行積極探索運用

豐收之際正是用錢壓力最大的時候，陜西省洛川果農陳小莉在手機支付寶上圈出了6塊田地，有10畝是蘋果園，幾分鐘后，用于墊付采摘工人工資的錢就到賬了。“以前貸款手續多，還得抵押，現在手機上點一點，天上的衛星都能幫忙貸款。作為一個洛川果農，我很驕傲。”陳小莉說。

隨著銀行業探索的進一步深入，遙感技術的支持范圍也日益擴大。讓陳小莉獲益的，是網商銀行在9月升級的“大山雀”技術。據介紹，目前，網商銀行自主研發的這一衛星遙感信貸技術，已可成功識別蘋果、柑橘、獼猴桃等經濟作物，這為果農貸款難的問題提供了新的解決方案。在去年同一時期，網商銀行推出該項目時，還只能識別水稻、玉米、小麥、花生、煙草等作物。

“果蔬等經濟作物種植一般較稀疏，相比水稻等主糧作物，種植密度低很多，同等分辨率下，識別難度更大。” 網商銀行農村金融首席算法專家王劍說，“而且果園等衛星識別圖像與自然林木很接近，很難區分。”

據了解，網商銀行開始使用高分辨率的衛星影像，并通過融合高分辨率與中低分辨率影像形成新的算法模型，提升對經濟作物的識別精度。同時，升級的算法，還結合了農業經驗，根據各類信息源建立農業知識圖譜，利用地形、降水、積溫、歷史產量等識別作物，讓天上的衛星成智能版“信貸員”。

目前，多家銀行利用衛星遙感技術，通過各自的經營模式對服務細節進行改動，并加入其他技術與衛星遙感技術相結合，使服務更加多元化：

截至8月，工行已在黑龍江、內蒙古等地區運用衛星遙感等技術，助力開展農村金融服務，試點場景覆蓋種植面積6457畝，涉及貸款額超過300萬元，預計后續將推廣至16.5萬畝，貸款總額將超3000萬元;截至9月，農行已利用衛星遙感技術在四川、安徽、云南等地區的部分支行展開試點，場景覆蓋農田3700余畝，涉及授信2600萬元; 9月，建行河北分行和建信金科申報的《基于大數據和衛星遙感技術的涉農融資服務》獲河北省金融科技創新監管工具創新應用公示。

未來有望取得更大突破

要想進一步提升涉農金融信用評估與風控能力，還需要將遙感技術與其他技術充分融合。事實上，該技術與大數據技術、深度學習等技術之間都存在著神奇的“化學反應”，它們之間的融合，有助于銀行業多維度收集并分析農戶農企的具體情況。

例如，銀行運用大數據等技術，對農戶和涉農企業貸款申請數據、歷史交易數據、農作物產銷信息等行內數據以及土地承包經營權數據、農業保險數據、衛星遙感影像等從企業、政府等獲得的行外數據進行分析挖掘與處理，構建涉農融資風險評估模型，評估農戶和涉農企業融資風險，提升銀行涉農貸款融資風控能力。

與此同時，銀行運用深度學習技術對農作物衛星遙感影像、農作物產銷情況等信息進行特征分析和樣本訓練，構建農作物價值評估模型，可以助力銀行動態評估農作物價值，提升銀行貸后管理水平。值得一提的是，深度學習技術會基于客戶的大量行為判斷下一步行動，這不僅為銀行節省了大量人力成本，也能使農戶農企對各事項的處理更加方便、快捷。

不過，想要在未來取得突破，還有一些瓶頸有待突破。業內人士認為，一方面，盡管我國遙感技術近年來有較大發展，但由于遙感衛星的研發具有周期長、難度大等特點，要想在技術層面追趕上國際先進水平，仍需加大對遙感技術的投入力度。

另一方面，使用遙感技術的難易程度和遙感結果的精確度等，都與農業數據的完整度有直接關系。因此，應進一步加強農業數據庫的建設，完善農業數據共享機制，可借鑒國際經驗，建立由政府主導、商業大數據公司參與的數據庫建設機制。