福建省25個糧食主產(chǎn)縣水稻單產(chǎn)波動風險區(qū)劃研究

徐學榮++周磊++傅美蘭

摘 要 基于福建省 25個糧食主產(chǎn)縣（市、區(qū)）1989 -2013年水稻單產(chǎn)數(shù)據(jù)，選取歷年平均減產(chǎn)率、歉年平均減產(chǎn)率、災年平均減產(chǎn)率、歷年平均減產(chǎn)率變異系數(shù)、歉年平均減產(chǎn)率變異系數(shù)、災年平均減產(chǎn)率變異系數(shù)、減產(chǎn)率大于3%的概率和減產(chǎn)率大于4%的概率等8個指標作為風險指標，運用聚類分析法將這25個縣（市、區(qū)）進行風險區(qū)劃。區(qū)劃結(jié)果為3個風險區(qū)——高風險區(qū)、中風險區(qū)、低風險區(qū)，并分析了各個風險區(qū)的特征，結(jié)果對科學布局水稻種植和發(fā)展區(qū)域保險具有一定的實用價值。

關(guān)鍵詞 水稻；單產(chǎn)；風險指標；風險區(qū)劃；福建省

中圖分類號：F326.11 文獻標志碼：A 文章編號：1673-890X（2014）12-0-5

農(nóng)業(yè)是自然再生產(chǎn)和經(jīng)濟再生產(chǎn)相結(jié)合的產(chǎn)物，水稻作為福建省的主要糧食作物，其生產(chǎn)過程面臨很多風險，如自然風險、技術(shù)風險等，這些風險都會造成水稻減產(chǎn)。福建省雖位于我國東南沿海，但是山地與丘陵面積占全省總面積的80%以上，各地域氣候的差異較大。事實上，福建省歷來就是缺糧省份，現(xiàn)在糧食自給率僅50%左右。福建省水稻播種面積約86.67萬hm2，旱澇保收面積僅占一半，洪水、干旱、低溫、病蟲害等自然災害，是造成水稻嚴重減產(chǎn)的主要因素[1]。因此，本文以福建省25個糧食主產(chǎn)縣為單位，選取一定的風險指標對他們進行風險分區(qū)，以服務于水稻產(chǎn)量保險和生產(chǎn)布局。

1 相關(guān)文獻回顧

關(guān)于農(nóng)作物產(chǎn)量風險區(qū)劃的研究受國內(nèi)外學者的廣泛重視，取得了豐富的成果。例如，鄧國等利用各省歷年糧食單產(chǎn)資料，歷年平均減產(chǎn)率、歷年減產(chǎn)變異系數(shù)和風險概率3個風險指標，采用聚類分析方法進行風險區(qū)劃[2]。王志春等和劉偉等對赤峰市和寧城縣農(nóng)作物產(chǎn)量風險指標的選擇更加細致，定義歷年、歉年、災年和大災年的減產(chǎn)率、變異系數(shù)等指標，在產(chǎn)量風險區(qū)劃上選擇總體變異系數(shù)作為風險區(qū)劃的主要因子，參考歷年平均減產(chǎn)率和歉年平均減產(chǎn)率指標，用聚類方法進行分區(qū)[3，4]。王勤等對廣元市7個縣（區(qū)）水稻風險評估及風險區(qū)劃的研究也類似，結(jié)果劃分為低風險區(qū)、中風險區(qū)和大風險區(qū)[5]。水稻是我國南方主要種植的農(nóng)作物，水稻種植保險倍受政府重視和農(nóng)戶關(guān)注，關(guān)于水稻風險區(qū)劃的研究也較為深入。例如，吳利紅等利用浙江省52個縣市1971-2004年的晚稻單產(chǎn)數(shù)據(jù)，進行晚稻產(chǎn)量的農(nóng)業(yè)氣象災害風險區(qū)域研究，選擇平均減產(chǎn)率、變異系數(shù)、風險指數(shù)為風險評價指標，將這三種指標歸一化處理為綜合風險指數(shù)，根據(jù)綜合風險指數(shù)將浙江省晚稻產(chǎn)量劃分為3個氣象災害區(qū)：綜合風險指數(shù)≥0.3的區(qū)域，綜合風險指數(shù)在0.2～0.3的區(qū)域，綜合風險指數(shù)<0.2的區(qū)域[6]；鐘甫寧等則探討水稻的生產(chǎn)風險區(qū)劃問題，選取單產(chǎn)變異系數(shù)、受災率>30%、專業(yè)化指數(shù)和效率指數(shù)，運用聚類分析法，將我國稻谷生產(chǎn)風險區(qū)域分為風險低、風險中、風險大三個區(qū)域[7]；陳新建和陶建平研究湖北省17個地級市的水稻生產(chǎn)風險區(qū)劃，選取單產(chǎn)變異系數(shù)、減產(chǎn)率>10%的概率、減產(chǎn)率>20%的概率、專業(yè)化指數(shù)和生產(chǎn)效率指數(shù)五個指標，運用聚類分析法將風險等級分為四類[8]；李文芳在研究湖北省中稻縣級產(chǎn)量的保險風險區(qū)劃時，在指標選取上綜合考慮了氣候、農(nóng)業(yè)災害、地形地貌、水利設施等因素，建立了海拔大度、年降水量、年日照時數(shù)、≥10 ℃積溫、年平均氣溫、旱災等級、澇災等級、有效灌溉面積比率、旱澇保收比率、單產(chǎn)變異系數(shù)、災害損失率超過4%的概率、災害損失率超過8%的概率的指標體系[9]。已有研究為本文提供了指導和借鑒，但對福建省水稻風險區(qū)劃的研究有待完善和深入。因此，本文以福建省25個糧食主產(chǎn)縣為研究對象，選取相應風險指標，對水稻產(chǎn)量進行風險區(qū)劃，結(jié)果對科學布局水稻種植和發(fā)展區(qū)域保險具有一定的實用價值。

2 數(shù)據(jù)來源及處理

2.1 數(shù)據(jù)來源

福建省25個糧食主產(chǎn)縣（市、區(qū)）分別為：三明市下轄的永安市、明溪縣、清流縣、寧化縣、大田縣、尤溪縣、將樂縣、泰寧縣、建寧縣；南平市下轄的邵武市、武夷山市、建甌市、建陽縣、順昌縣、光澤縣、浦城縣；龍巖市下轄的新羅區(qū)、長汀縣、永定縣、上杭縣、武平縣、連城縣；寧德市下轄的古田縣、屏南縣；漳州市下轄的長泰縣，可見這25個糧食主產(chǎn)區(qū)主要集中在福建省的閩西、閩北地區(qū)。這25個糧食主產(chǎn)縣（市、區(qū)）1989-2013年的水稻667 m2產(chǎn)量數(shù)據(jù)來源于歷年的《福建農(nóng)村經(jīng)濟年鑒》《福建經(jīng)濟與社會統(tǒng)計年鑒（農(nóng)村篇）》《福建農(nóng)村經(jīng)濟年鑒》。

2.2 數(shù)據(jù)處理

影響作物最終產(chǎn)量形成的各種自然和非自然因素可以按影響的性質(zhì)和時間尺度劃分為農(nóng)業(yè)技術(shù)措施、氣象條件和隨機“噪聲”三大類，即， 其中，是作物單產(chǎn)，是反映歷史時期生產(chǎn)力發(fā)展水平的長周期產(chǎn)量分量，稱為趨勢產(chǎn)量，主要受農(nóng)業(yè)生產(chǎn)技術(shù)水平因素影響，是受以氣象要素和社會經(jīng)濟因素為主的短周期變化因子影響的產(chǎn)量分量，是隨機因素影響的產(chǎn)量分量，由于所占比例很小，實際計算中不作考慮[10]。本文用二次函數(shù)擬合水稻實際單產(chǎn)，從而得到趨勢產(chǎn)量，它反映的是生產(chǎn)力發(fā)展水平的長期趨勢，估計參數(shù)時所用的軟件是EViews6.0。當?shù)谀陮嶋H單產(chǎn)小于其趨勢單產(chǎn)時，界定該年為歉年，意味著該年水稻減產(chǎn)，損失程度用單產(chǎn)減產(chǎn)率表示，計算公式為：。該公式說明，當實際值大于等于擬合值時，單產(chǎn)減產(chǎn)率為0，當實際值小于擬合值時，單產(chǎn)減產(chǎn)率為。這樣就定義了一個相對值序列，反映的是減產(chǎn)程度的波動狀況，不受時間和各地區(qū)之間生產(chǎn)力水平差異的影響，在各縣（市、區(qū)）之間具有可比性。

3 風險指標及其計算

風險區(qū)劃就是根據(jù)風險損失的不同程度將一個地區(qū)劃分為差異明顯的不同風險區(qū)域[11]，也就是根據(jù)農(nóng)作物生產(chǎn)的結(jié)構(gòu)性風險因子將農(nóng)作物生產(chǎn)區(qū)域劃分成不同風險的小區(qū)域[9，12]。這些結(jié)構(gòu)性風險因子包括地形地貌、土壤條件、氣候綜合條件等自然和生態(tài)環(huán)境因子，以及農(nóng)作物生產(chǎn)的技術(shù)裝備狀況、農(nóng)作物減災防災服務體系和農(nóng)作物種植結(jié)構(gòu)等。但保險風險區(qū)劃有別于種植區(qū)劃，它更側(cè)重于產(chǎn)出的穩(wěn)定性，因此本文選擇了以下三類風險區(qū)劃指標。endprint

3.1 減產(chǎn)率指標及其計算

定義的年份為歉年，<-3%的年份為災年，表示歷年平均減產(chǎn)率，歉年平均減產(chǎn)率，表示災年平均減產(chǎn)率，計算公式分別為：

其中，n為全部樣本數(shù)，m為歉年樣本數(shù)，k為歉年樣本數(shù)。歷年平均減產(chǎn)率為每年水稻平均減產(chǎn)率，歉年平均減產(chǎn)率為水稻相對波動產(chǎn)量小于0的平均減產(chǎn)率，災年平均減產(chǎn)率為水稻相對波動產(chǎn)量小于-3%的平均減產(chǎn)率。數(shù)值見表1的第2～4列。

3.2 變異系數(shù)指標及其計算

變異系數(shù)（cv）是標準差與平均值之比，表明樣本的波動程度，又稱穩(wěn)定系數(shù)。計算公式如下：cv ，

當、n為總樣本數(shù)時，得到歷年減產(chǎn)變異系數(shù)cv，當x=dq、n=m時，得到歉年減產(chǎn)變異系數(shù)cvq；當x=dz、n=k時，得到災年減產(chǎn)變異系數(shù)cvz。數(shù)值見表1的第5-7列。

3.3 減產(chǎn)率概率指標及其計算

事實上，損失率是個隨機變量，有概率密度函數(shù)。非參數(shù)核密度估計法是估計密度函數(shù)的一種有效方法，被廣泛使用。例如，Goodwin，B.K和A.P.Ker采用非參數(shù)核密度估計農(nóng)作物產(chǎn)量密度[13]，楊汭華等用非參數(shù)核密度估計，對農(nóng)作物產(chǎn)量損失風險進行實證研究[14]。

非參數(shù)核密度估計法就是對隨機變量x的密度函數(shù)f（x）進行核估計的一種方法。f（x）的表達式為：

其中n為樣本容量，h是窗寬，是核函數(shù)。本文以高斯核作為核密度函數(shù)，則

于是核密度估計的形式為：

從核密度估計的公式可以看出，窗寬h和核函數(shù)的選擇會影響到密度函數(shù)估計的效果。選擇窗寬h常用方法有總量確定法、Sliverman法則和各種插入法[15]。本文選擇采用 Silverman 的“經(jīng)驗法則”，根據(jù)Alan，P.K. and Barry，K.G.的研究，窗寬，其中 ，s為樣本標準差，Q是四分位距（=Q3-Q1），實際工作中的數(shù)據(jù)往往偏離正態(tài)分布，將1. 06降到0. 9效果較好[16]，亦即。根據(jù)福建水稻單產(chǎn)損失率的實際，本文以減產(chǎn)率大于3%和大于4%的風險概率作為風險指標。使用Mathematica9.0計算積分：

，c分別取值0.03和0.04，得到減產(chǎn)率大于3%和大于4%的概率，數(shù)值見表1的第8-9列。

4 風險區(qū)劃結(jié)果及分析

4.1 聚類分析法劃分風險區(qū)域

聚類分析是研究樣品或指標進行分類的一種多元統(tǒng)計方法，一般包含以下幾個步驟：選擇聚類變量、進行數(shù)據(jù)變換處理、選擇樣品間距離的計算方法、計算類間的距離、選擇聚類方法、確定分類結(jié)果并進行分析。這里為把變量變成均值為0、方差為1的標準化變量，即采用Z-score變換方法，樣品間距離的計算方法采用歐氏距離（Euclidean 距離），類間距離的計算使用離差平方和法（Ward距離），應用社會科學統(tǒng)計軟件包SPSS16.0 for Windows軟件進行聚類運算，結(jié)果分成3類，各類的縣市構(gòu)成見表2。

4.2 風險等級判別

為了便于分析各類風險區(qū)的類別特征， 不僅考慮風險區(qū)劃指標，還應考慮其他指標，如氣象指標、地理指標、社會經(jīng)濟指標等，這些指標或有助于分析類別特征或能說明類別形成原因。本文選用“歷年單產(chǎn)極差”反映歷年單產(chǎn)中，最高單產(chǎn)與最低單產(chǎn)之差，極差大小說明單產(chǎn)波動幅度大?。弧皻v年平均單產(chǎn)”在一定意義上能反映該縣單產(chǎn)高低水平，是產(chǎn)出收獲指標。設指標的平均值為和標準差是，以指標值大于時為“高”、指標值屬于時為“中”、指標值小于時為“低”，設定各指標等級的判別基準，見表3。

根據(jù)表2所列的分類結(jié)果，計算各類地區(qū)指標的平均值，并判斷其風險高低，結(jié)果見表4。在類別號為1的類中，衡量風險大小的指標（歷年平均減產(chǎn)率、歉年平均減產(chǎn)率、減產(chǎn)率>3%的概率、減產(chǎn)率>4%的概率）都達到了“高”的級別、災年平均減產(chǎn)率達到“中”并接近“高”，因此，稱該類地區(qū)為“高風險區(qū)”。在類別號為2的類中，衡量風險大小的指標幾乎都處于“中”的級別，因此稱該類地區(qū)為“中風險區(qū)”。在類別號為3的類中，衡量風險大小的指標都是“低”的級別，因此，稱該類地區(qū)為“低風險區(qū)”。

4.3 各風險區(qū)特征

高風險區(qū)：該區(qū)包括尤溪縣、建陽縣、光澤縣、屏南縣、長泰縣。除衡量風險大小的指標處于風險高水平外，衡量風險穩(wěn)定性的指標（歷年減產(chǎn)變異系數(shù)、歉年減產(chǎn)變異系數(shù)、災年減產(chǎn)變異系數(shù)）處于“中低”水平，這與該區(qū)為高風險區(qū)不矛盾，說明“減產(chǎn)年、歉收年、災年”其風險指標“一致地、穩(wěn)定地”高，從另一個側(cè)面佐證了該地區(qū)高風險。從地理位置看，除長泰縣外，建陽縣和光澤縣屬南平市，尤溪縣雖屬三明市，但北與南平市接壤，屏南縣雖屬寧德市但西與南平市下轄的建甌相連，因此該區(qū)可以認為屬于閩北的南平市。該類地區(qū)的歷年單產(chǎn)極差也是三類地區(qū)中最大的，說明該類地區(qū)單產(chǎn)波動大，此外，該類地區(qū)其減產(chǎn)率>3%的概率和減產(chǎn)率<4%的概率都是三類地區(qū)中最高的，這些都同樣說明該區(qū)風險高。有意思的是該類縣的歷年平均單產(chǎn)卻顯著高于其他兩類地區(qū)，體現(xiàn)出“高風險高收益”的特征。該區(qū)的農(nóng)戶應該積極購買水稻保險以彌補高風險可能帶來的損失。

中風險區(qū)：該區(qū)包括永安市、清流縣、寧化縣、大田縣、將樂縣、邵武市、武夷山市、建甌市、順昌縣、浦城縣、長汀縣、永定縣。該區(qū)包含22個縣市區(qū)中的12個，占55%。從地理位置看，永安市、清流縣、寧化縣、大田縣、將樂縣屬三明市，邵武市、武夷山市、建甌市、順昌縣、浦城縣屬南平市，因此，中風險區(qū)中的縣市以“南平三明為主”，在福建的西北方向。該風險區(qū)中，風險大小在中等、風險大小的波動在中高水平，單產(chǎn)和單產(chǎn)的波動幅度在三個類中處中等水平。政府和保險公司應加強在該區(qū)的水稻保險宣傳和服務，以增強農(nóng)戶的購買意愿。

低風險區(qū)：該區(qū)包括明溪縣、泰寧縣、 建寧縣、新羅區(qū)、上杭縣、武平縣、連城縣、古田縣。該區(qū)具有“低風險中等收益”的特征。歷年單產(chǎn)極差低于中風險區(qū)，歷年平均單產(chǎn)與中風險區(qū)幾乎相同。從地理位置看，新羅區(qū)、上杭縣、武平縣、連城縣隸屬龍巖市，明溪縣、泰寧縣、建寧縣是三明市下轄，該區(qū)的縣市沒有屬于南平市的，幾乎由龍巖市和三明市管轄，具有“閩西”特征。在該區(qū)應強化政策性保險作用，加大保費的補貼力度，降低農(nóng)戶逆向選擇給保險公司帶來的風險。endprint

參考文獻

[1]李征.福建水稻保險的探索與實踐[J].中國保險，2011（3）：58-60.

[2]鄧國，王昂生，周玉淑，等.中國省級糧食產(chǎn)量的風險區(qū)劃研究[J].南京氣象學院學報，2002，25（3）：373-379.

[3]王志春，胡桂杰，楊軍.赤峰市主要農(nóng)作物產(chǎn)量風險評估及區(qū)劃[J].內(nèi)蒙古氣象，2002（4）：24-26.

[4]劉偉，李向梅，李俊有.寧城縣主要農(nóng)作物產(chǎn)量風險評估及區(qū)劃[J].內(nèi)蒙古科技與經(jīng)濟，2009（8）：7-8.

[5]王勤，姚志國，劉會斌，等.廣元市主要農(nóng)作物單產(chǎn)風險評估及區(qū)劃[J].安徽農(nóng)業(yè)科學，2011，39（13）：7674-7675，7802.

[6]吳利紅，毛裕定，苗長明，等.浙江省晚稻生產(chǎn)的農(nóng)業(yè)氣象災害風險分布[J].中國農(nóng)業(yè)氣象，2007，28（2）：217-220.

[7]鐘甫寧，寧滿秀，邢鸝.我國政策性種植業(yè)保險制度的可行性研究[M].經(jīng)濟管理出版社，2007：73-74.

[8]陳新建，陶建平.湖北省水稻生產(chǎn)風險區(qū)劃的實證研究[J].統(tǒng)計與決策，2008（19）：86-88.

[9]李文芳.農(nóng)作物區(qū)域產(chǎn)量保險風險區(qū)劃指標體系研究[J].生態(tài)經(jīng)濟，2012（8）：76-78.

[10]張建敏.農(nóng)業(yè)氣象災害風險估算方法初探[A].李世奎.中國農(nóng)業(yè)災害風險評價與對策[C].北京：氣象出版社，1999，183-189.

[11]庹國柱，李軍.農(nóng)業(yè)保險[M].北京：中國人民大學出版社，2005：16.

[12]邢鸝，鐘甫寧.糧食生產(chǎn)與風險區(qū)劃研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2006（1）：19-23.

[13]Goodwin， BK， Ker A，P. Nonparametric estimation of crop yield distributions： implications for rating group-risk （GRP） crop insurance contracts. Journal of Agricultural and Resource Economics， 1998， 80： 139-153.

[14]楊汭華，王麗紅，鮮祖德.農(nóng)作物產(chǎn)量損失風險水平實證及影響因素分析——基于第二次全國農(nóng)業(yè)普查數(shù)據(jù)的探討[J].保險研究，2009（10）：102-108.

[15]Barry K G， Alan P K. Nonparametric estimation of crop yield distributions： implications for rating group-risk crop insurance contracts[J].Amer J Agr Econ，1998，80：139-153.

[16]Alan P K， Barry K G. Nonparametric estimation of crop insurance rates revisited[J]. Amer J Agr Econ， 2000（83）： 463-478.

（責任編輯：劉昀）endprint