农业定量遥感理论与方法9787030681997

前言

第1章 农信社信贷风险管理回顾

 1.1 农信社信贷风险管理

 1.2 信贷风险管理借鉴

 1.2.1 德国银行

 1.2.2 美国银行

 1.2.3 澳大利亚银行

 1.2.4 法国银行

 1.2.5 新加坡银行

 1.2.6 中国农信社

 1.3 信贷风险管理内容

 1.3.1 信贷风险管理手段

 1.3.2 信贷风险管理模式

 1.3.3 信贷风险评估模型

 1.3.4 信贷风险信息系统

 1.4 本书框架

 1.5 本章小结

第2章 农信社信贷风险识别管控

 2.1 信用风险识别、量化与信用评级和贷款分类

 2.1.1 信用风险管理与信用风险识别

 2.1.2 信用风险识别与PD和LGD

 2.1.3 PD和LGD与信用评级和贷款分类

 2.1.4 PD和LGD与信用风险度量

 2.2 信贷风险控制与信用评级和贷款分类

 2.2.1 信用风险管理与信贷风险控制

 2.2.2 信用风险控制与内部信用评级

 2.2.3 信用风险控制与贷款分类

 2.3 本章小结

第3章 农信社信贷风险管理流程

 3.1 贷款基本流程

 3.1.1 制定贷款政策

 3.1.2 贷款申请

 3.1.3 信用等级评估

 3.1.4 贷款调查

 3.1.5 贷款评估和审批

 3.1.6 签订借款合同

 3.1.7 贷款发放

 3.1.8 贷款分类

 3.1.9 贷款归还

 3.1.10 年度综合评价

 3.1.11 关键流程分析

 3.2 行业分析流程

 3.2.1 行业分析要素特征

 3.2.2 行业分析指标选择

 3.2.3 行业风险管理策略

 3.2.4 行业分析主要流程

 3.3 信用评级流程

 3.3.1 制定评级政策

 3.3.2 选择指标方法

 3.3.3 实施信用评级

 3.3.4 结果检验修正

 3.3.5 业务流程图示

 3.4 信贷评估流程

 3.4.1 制定授信政策

 3.4.2 信用评级运用

 3.4.3 风险评估审核

 3.4.4 贷后发放分类

 3.4.5 业务流程图示

 3.5 贷款分类流程

 3.5.1 制定分类政策

 3.5.2 选择指标方法

 3.5.3 实行贷款分类

 3.5.4 分类结果修正

 3.5.5 贷款执行管理

 3.5.6 业务流程图示

 3.6 贷款五级分类

 3.6.1 正常贷款

 3.6.2 关注贷款

 3.6.3 次级贷款

 3.6.4 可疑贷款

 3.6.5 损失贷款

 3.7 流程相互关系

 3.8 本章小结

第4章 信用评级和贷款分类模型

 4.1 信用评级概述

 4.1.1 信用评级观点概览

 4.1.2 信用评级的层次性

 4.1.3 信用评级方法简述

 4.2 比率综合评分

 4.2.1 评分分析要素

 4.2.2 AHP 计算权重

 4.2.3 熵权法计算权重

 4.2.4 模糊综合评价

 4.3 Z 评分与ZETA 评分模型

 4.3.1 模型概述

 4.3.2 模型分析

 4.4 距离判别模型

 4.4.1 模型概述

 4.4.2 模型算法

 4.4.3 流程代码

 4.4.4 应用实例

 4.5 Fisher判别模型

 4.5.1 模型概述

 4.5.2 模型算法

 4.5.3 流程代码

 4.5.4 应用实例

 4.6 Logistic判别模型

 4.6.1 模型概述

 4.6.2 模型算法

 4.6.3 流程代码

 4.6.4 应用实例

 4.7 BP 神经网络模型

 4.7.1 模型概述

 4.7.2 模型算法

 4.7.3 流程代码

 4.7.4 应用实例

 4.8 遗传神经网络模型

 4.8.1 模型概述

 4.8.2 模型算法

 4.8.3 流程代码

 4.8.4 应用实例

 4.9 案例推理方法

 4.9.1 模型概述

 4.9.2 工作流程

 4.9.3 应用实例

 4.10 本章小结

第5章 农信社个人信贷管理研究

 5.1 农信社个人贷款类别特点

 5.1.1 农信社个人贷款类别

 5.1.2 农信社个人贷款特点

 5.1.3 农信社个人贷款风险

 5.1.4 农信社个人信贷管理流程

 5.2 农信社个人贷款信用评级

 5.2.1 农户个人信用评级指标

 5.2.2 农户个人信用评级流程

 5.3 农信社个人贷款风险评估

 5.3.1 农户贷款评估指标

 5.3.2 农户贷款风险度模型

 5.3.3 农户贷款风险综合评价

 5.3.4 农户贷款评估等级

 5.3.5 农户贷款评估流程

 5.4 农信社个人贷款分类

 5.4.1 个人贷款分类指标

 5.4.2 个人贷款分类流程

 5.5 本章小结

第6章 农户贷款五级分类模型研究

 6.1 农户贷款分类指标体系构建

 6.1.1 农户贷款分类指标选取原则

 6.1.2 农户贷款分类指标构建

 6.1.3 农户贷款五级分类设置

 6.2 基于AHP-Fuzzy 分类模型

 6.2.1 农户贷款五级分类标准

 6.2.2 农户贷款五级分类算例

 6.3 本章小结

第7章 农信社企业信贷管理研究

 7.1 中小企业信贷风险特点

 7.1.1 中小企业信贷风险概述

 7.1.2 中小企业信贷管理现状

 7.1.3 中小企业信贷风险因素

 7.2 企业信贷风险管理流程

 7.2.1 制定信贷政策

 7.2.2 选定目标市场

 7.2.3 走访企业客户

 7.2.4 企业贷款评估

 7.2.5 企

第1章 农业定量遥感基础　　遥感技术作为获取地球表面时空多变要素信息的先进方法，是地球系统科学研究的重要组成部分。近年来，遥感技术在基础理论、方法及应用等方面逐步成熟，已进入定量阶段。　　1.1 农业定量遥感电磁物理基础　　物质在电磁波作用下，会在某些特定波段形成反映物质成分和结构信息的光谱吸收与反射特征，物质的这种对不同波段光谱的响应特性通常被称为光谱特征（王纪华等，2008），光谱特征是用遥感方法探测各种物质性质和形状的重要依据。　　1.1.1 植被遥感基本原理　　遥感是利用传感器主动或被动地接收地面目标物反射的电磁波，通过电磁波传递的信息来识别目标，从而达到探测目标物的目的（梅安新等，2001）。地物对电磁光谱的反射能力用地物反射率.表示，地面物体的反射能量 P.占入射能量P0的百分比称为地物反射率，即　　（1-1）　　式中，地物反射率的大小与入射电磁波的波长、地物表面颜色和粗糙度、地物本身的性质、入射角都有关系。　　遥感图像是地物反射特性在图像上的反映，地物的反射光谱是地物固有的反射特性，根据地物的反射光谱特征，可以有效地识别区分各种不同的地物（彭望琭等，2002）。地物反射光谱曲线图是表达地物反射光谱特征的统计图，它不仅能够反映地物反射率随波长的变化规律，而且能较为直观地反映出某一特定波长不同地物反射率差异，通常用二维几何空间内的曲线表示，横坐标表示波长，纵坐标表示地物反射率，可以做出地物反射光谱曲线（梅安新等，2001）。　　植物是环境的重要组成因子，也是反映区域生态环境的重要标志之一，同时也是土壤、水文等要素的解译标志（林文鹏等，2010）。植物解译的目的是在遥感影像上有效地确定其分布、类型、长势等信息，以及对生物量做出估算。植物的光谱特征可使其在遥感影像上有效地与其他地物相区别。同时，不同的植物各有其自身的光谱特征，从而成为区分植被类型、长势及估算生物量的依据（董高等，2015）。　　健康植物的光谱曲线有明显的特点：在可见光的0.55μm附近有一个地物反射率为10%～20%的小反射峰；在0.45μm和0.65μm附近有两个明显的吸收谷；在0.7～0.8μm有一个陡坡，地物反射率急剧增高；在近红外波段0.8～1.3μm形成一个地物反射率高达40%或更大的反射峰；而在1.45μm、1.95μm和2.6～2.7μm处有三个吸收谷（王纪华等，2008）。　　影响植物光谱的因素有植物本身的结构特征，也有外界的影响，但外界的影响总是通过植物本身生长发育特点在有机体的结构特征中反映出来。从植物的典型光谱曲线来看，控制植物反射率的主要因素有植物叶子的颜色、组织构造和含水量（王纪华等，2008）。首先是叶子的颜色，植物叶子中含有多种色素，如叶青素、叶红素、叶黄素、叶绿素等，在可见光范围内，其反射峰值落在相应的波长范围内。其次是叶子的组织构造，绿色植物的叶子是由上表皮、叶绿素颗粒组成的栅栏组织和多孔薄壁细胞组织（海绵组织）构成。叶绿素对紫外线和紫色光的吸收率极高，对蓝色光和红色光也强烈吸收，以进行