農(nóng)業(yè)氣象災(zāi)害的空間集聚與政策性農(nóng)業(yè)保險的風險分散
—— 以江、浙、滬、皖71個氣象站點降水量的空間分析為例(1980—2014)

葉明華

(華東師范大學 金融與統(tǒng)計學院， 上海 200241)

?

農(nóng)業(yè)氣象災(zāi)害的空間集聚與政策性農(nóng)業(yè)保險的風險分散
—— 以江、浙、滬、皖71個氣象站點降水量的空間分析為例(1980—2014)

葉明華

(華東師范大學 金融與統(tǒng)計學院， 上海 200241)

搜集1980—2014年江、浙、滬、皖71個氣象站點的降水量數(shù)據(jù)，計算其全域Moran指數(shù)，并通過Kriging空間插值和降水量距平百分率法，繪制四省(市)農(nóng)業(yè)旱澇災(zāi)害的空間分布圖，將農(nóng)業(yè)旱澇災(zāi)害的空間分布與政策性農(nóng)業(yè)保險賠付率等級的空間分布進行比對，結(jié)果發(fā)現(xiàn)：江、浙、滬、皖降水量具有顯著的空間正相關(guān)性，且表現(xiàn)出波動中增強的態(tài)勢，受此影響，四省(市)農(nóng)業(yè)旱澇災(zāi)害也表現(xiàn)出顯著的災(zāi)害核心區(qū)和輻射區(qū)相連的區(qū)域集聚特征，而災(zāi)害的空間集聚性易導(dǎo)致糧食主產(chǎn)區(qū)的政策性農(nóng)業(yè)保險面臨較高的賠付風險。據(jù)此，須注重提升農(nóng)業(yè)災(zāi)害的氣象預(yù)警與排洪灌溉工程建設(shè)的區(qū)域協(xié)同效應(yīng)，著力從傳統(tǒng)再保險和風險互換角度做好政策性農(nóng)業(yè)保險的風險分散，關(guān)注融合國家再保險、保險交易平臺和保險與資本市場對接等多重渠道的農(nóng)業(yè)保險巨災(zāi)風險管理體系建設(shè)。

氣象災(zāi)害；政策性農(nóng)業(yè)保險；風險分散

政策性農(nóng)業(yè)保險是確保國家糧食安全戰(zhàn)略和穩(wěn)定農(nóng)村經(jīng)濟發(fā)展的重要金融工具，但是農(nóng)業(yè)災(zāi)害的空間相關(guān)性嚴重影響了政策性農(nóng)業(yè)保險的穩(wěn)健經(jīng)營，為深入探究農(nóng)業(yè)災(zāi)害的空間特性，須從引致農(nóng)業(yè)災(zāi)害的氣象要素入手。

一、文獻綜述與理論假設(shè)

近年來，國內(nèi)外關(guān)于農(nóng)業(yè)氣象災(zāi)害與農(nóng)業(yè)保險的相關(guān)研究進展較快。依據(jù)需要，本文將既往相關(guān)研究按變量間相互影響的邏輯關(guān)系分解為兩個層面：一是氣象災(zāi)害鏈層面，即農(nóng)業(yè)氣象災(zāi)害風險及由此導(dǎo)致的種植業(yè)損失研究；二是災(zāi)害風險管理層面，即農(nóng)業(yè)氣象災(zāi)害的風險管理與政策性農(nóng)業(yè)保險的賠付風險研究。

(一)農(nóng)業(yè)氣象災(zāi)害損失與減災(zāi)舉措研究

1．農(nóng)業(yè)氣象災(zāi)害的危險性、空間性與災(zāi)害損失評估

關(guān)于農(nóng)業(yè)氣象災(zāi)害的相關(guān)研究，可以歸納為時間視角上對災(zāi)害危險性的研究和空間視角上對災(zāi)害地理分布的探討。第一，氣象災(zāi)害危險性研究。據(jù)全球災(zāi)害數(shù)據(jù)庫統(tǒng)計，洪澇、臺風、干旱和與降水相關(guān)的滑坡、泥石流等次生災(zāi)害是影響農(nóng)業(yè)生產(chǎn)的主要氣象災(zāi)害，其中，旱災(zāi)與澇災(zāi)的風險性最高。旱災(zāi)造成全球年均經(jīng)濟損失高達60億～80億美元。新中國成立以來，農(nóng)業(yè)各類氣象災(zāi)害中尤以澇災(zāi)和干旱分布最廣、危害最大。Zhang et al.(2014)評估發(fā)現(xiàn)，大多數(shù)糧食主產(chǎn)區(qū)均面臨旱災(zāi)威脅，尤其是黃河流域的農(nóng)業(yè)生產(chǎn)區(qū)。在對氣象要素深入研究后發(fā)現(xiàn)，降水量的異常變動是導(dǎo)致旱澇災(zāi)害的共同致災(zāi)因素。第二，氣象災(zāi)害的空間特性研究。主要利用遙感和地理信息技術(shù)進行災(zāi)害空間分布測算，研究發(fā)現(xiàn)：中國的旱災(zāi)空間分布表現(xiàn)為東部省份高于西部省份，北方省份高于南方省份；而長江中下游地區(qū)和東北地區(qū)遭受洪澇風險較高；災(zāi)害的空間性導(dǎo)致中國省域氣象災(zāi)害脆弱性表現(xiàn)為西高東低格局，呈梯度分布。

當前關(guān)于自然災(zāi)害對農(nóng)業(yè)生產(chǎn)的影響研究已在兩個層面進行了拓展：一是從短期影響分析轉(zhuǎn)向長期影響分析，尤其是對糧食綜合生產(chǎn)能力的沖擊研究。史培軍等(1997)認為，農(nóng)業(yè)生態(tài)系統(tǒng)對氣候的依賴性較高，氣象災(zāi)害是造成糧食減產(chǎn)甚至絕收的首要原因。聯(lián)合國糧農(nóng)組織研究發(fā)現(xiàn)，長期來看，氣候變化將對國際糧食安全目標造成巨大沖擊。二是從自然災(zāi)害的直接影響分析轉(zhuǎn)向間接影響研究。陳衛(wèi)洪等(2013)認為，農(nóng)業(yè)自然災(zāi)害除了直接影響農(nóng)作物受災(zāi)面積，進而影響農(nóng)業(yè)產(chǎn)量外，還將間接引起農(nóng)產(chǎn)品市場價格波動和農(nóng)戶生產(chǎn)行為。Stein et al.(2004)研究發(fā)現(xiàn)，農(nóng)業(yè)災(zāi)害會通過影響農(nóng)作物產(chǎn)量和價格兩個方面削弱農(nóng)戶福利。

2．農(nóng)業(yè)生產(chǎn)體系的承災(zāi)能力與減災(zāi)措施

農(nóng)業(yè)氣象災(zāi)害的發(fā)生具有較強的客觀性，但是最終造成的實際損失還取決于農(nóng)業(yè)生產(chǎn)體系的承災(zāi)能力與減災(zāi)措施的成效。

由于中國糧食作物種植屬于雨養(yǎng)農(nóng)業(yè)，風險暴露程度較高，自然災(zāi)害極易造成農(nóng)業(yè)生產(chǎn)損失。此外，農(nóng)業(yè)生產(chǎn)系統(tǒng)存在自身對氣象災(zāi)害的適應(yīng)性。因此，均態(tài)變化的氣象災(zāi)害對農(nóng)業(yè)生產(chǎn)的影響幅度較小，而極端氣象災(zāi)害，因其低頻、高損、數(shù)據(jù)稀少等特點，往往造成巨大的農(nóng)業(yè)生產(chǎn)損失。農(nóng)業(yè)生產(chǎn)的減災(zāi)舉措可分為適應(yīng)性措施和預(yù)防性措施。適應(yīng)性舉措是未來應(yīng)對氣候變化機制的核心，主要措施有品種改良或調(diào)整，抑或是巨災(zāi)之后農(nóng)業(yè)勞動力的大量轉(zhuǎn)移。預(yù)防性舉措主要集中于農(nóng)業(yè)抗災(zāi)工程建設(shè)。程靜等(2010)認為，農(nóng)田水利設(shè)施建設(shè)的完善使得氣象災(zāi)害造成的農(nóng)業(yè)生產(chǎn)損失大大降低。有調(diào)查發(fā)現(xiàn)，受農(nóng)戶個體最優(yōu)決策影響，當前農(nóng)業(yè)防災(zāi)措施主要以非工程類措施為主，水利工程類措施比例較低。

綜上，損失程度高、波及范圍大的農(nóng)業(yè)氣象災(zāi)害嚴重沖擊農(nóng)業(yè)生產(chǎn)，造成中國農(nóng)村出現(xiàn)“十年致富奔小康，一場災(zāi)難全泡湯”因災(zāi)致貧現(xiàn)象，因此，須加強農(nóng)業(yè)生產(chǎn)體系的災(zāi)害適應(yīng)性建設(shè)，包括農(nóng)田基礎(chǔ)設(shè)施改造，調(diào)整農(nóng)作物種植結(jié)構(gòu)等，以期全面提升農(nóng)業(yè)生產(chǎn)系統(tǒng)應(yīng)對氣候變化的能力，最終降低災(zāi)害損失。

(二)農(nóng)業(yè)災(zāi)害風險管理與政策性農(nóng)業(yè)保險的賠付風險研究

1．農(nóng)業(yè)氣象災(zāi)害風險管理體系建設(shè)

農(nóng)業(yè)災(zāi)害風險管理體系建設(shè)中首先要解決風險管理主體問題。政府主體論認為，農(nóng)業(yè)減災(zāi)舉措屬于公共物品，應(yīng)由政府提供。有調(diào)查顯示，92.31%的農(nóng)戶認為，政府應(yīng)當是農(nóng)業(yè)減災(zāi)公共品的供給主體，農(nóng)戶“等”、“靠”、“要”的觀念較為普遍。微觀主體論認為，農(nóng)田水利發(fā)揮效益離不開農(nóng)戶個體，必須把農(nóng)業(yè)風險管理納入到農(nóng)戶自身應(yīng)對氣候變化的決策中。對此，陳利等(2013)認為，外部自然災(zāi)害風險環(huán)境和政府減災(zāi)作為影響了農(nóng)戶的風險管理決策。只有以有效的風險管理手段應(yīng)對氣候變化方可保障中國的糧食安全。政府的角色主要在于制度供給及農(nóng)田水利設(shè)施資金投入，這是應(yīng)對氣候變化的基本保障。于農(nóng)戶而言，應(yīng)結(jié)合農(nóng)業(yè)生產(chǎn)具體環(huán)境，將農(nóng)業(yè)風險管理納入生產(chǎn)決策，采用農(nóng)田節(jié)水或排洪灌溉措施，以有效提高農(nóng)業(yè)總產(chǎn)出。

2．政策性農(nóng)業(yè)保險的賠付風險

政策性農(nóng)業(yè)保險已成為中國為農(nóng)戶提供風險管理的重要金融工具。近年來，政策性農(nóng)業(yè)保險的承保面急劇擴大，但受農(nóng)業(yè)靠天吃飯的影響，農(nóng)業(yè)保險始終面臨較高的賠付風險。陳利等(2013)認為，農(nóng)業(yè)災(zāi)害風險的高相關(guān)性和強擴散性直接影響政策性農(nóng)業(yè)保險的經(jīng)營。田玲等(2013)測算發(fā)現(xiàn)，損失規(guī)模達到千億以上的“超大巨災(zāi)”，將使保險基金迅速告罄。因此，政策性農(nóng)業(yè)保險的優(yōu)化問題不容忽視(姜莉，2014)。

針對農(nóng)業(yè)保險的高風險性，庹國柱等(2014)認為，應(yīng)當允許不同農(nóng)業(yè)保險經(jīng)營主體進行分散決策，以使得不同區(qū)域的政策性農(nóng)業(yè)保險制度結(jié)構(gòu)與該地區(qū)的風險環(huán)境和氣象特征之間具有高度相容性。針對大災(zāi)與巨災(zāi)可能影響農(nóng)業(yè)保險經(jīng)營積極性問題，呂曉英等(2014)提出，應(yīng)增加對農(nóng)業(yè)保險公司的激勵機制，適度提高其可分配利潤，同時建立全面的農(nóng)業(yè)保險大災(zāi)風險分散制度。

(三)本文研究假設(shè)

綜上，眾多氣象災(zāi)害中，旱澇災(zāi)害是影響中國農(nóng)業(yè)生產(chǎn)最重要的自然災(zāi)害。雖然旱澇災(zāi)害的表象特征相反，但其氣象本質(zhì)與降水量變化息息相關(guān)：當降水量超過正常年景時，易發(fā)生澇災(zāi)；當降水量低于正常年景時，易發(fā)生旱災(zāi)。故此，降水量成為旱澇災(zāi)害的共同氣象要素，本文將以降水量作為研究的主要氣象變量。

基于既往相關(guān)研究，本文假設(shè)：

第一，氣象要素降水量的變化與旱澇災(zāi)害的變化之間可以建立較強的相依關(guān)系，也即降水量的空間變化影響農(nóng)業(yè)旱澇災(zāi)害的空間特性；

第二，旱澇災(zāi)害所致農(nóng)業(yè)損失與政策性農(nóng)業(yè)保險賠付變動之間具有較強的因果關(guān)系；

第三，氣象要素除了在時間上表現(xiàn)出強弱變化外，還會因空間分布特征而影響農(nóng)業(yè)災(zāi)害實際損失，并進而影響政策性農(nóng)業(yè)保險的賠付風險。

二、氣象要素的空間集聚與農(nóng)業(yè)旱澇災(zāi)害的空間相關(guān)性

(一)預(yù)研究與農(nóng)業(yè)氣象要素代表性變量的選取

氣象要素是導(dǎo)致氣象災(zāi)害發(fā)生的基礎(chǔ)性變量，不同氣象要素引致的氣象災(zāi)害略有不同，例如風速變化主要影響風災(zāi)和霾的變化。影響農(nóng)業(yè)生產(chǎn)最重要的氣象災(zāi)害是干旱和洪澇，導(dǎo)致干旱和洪澇災(zāi)害發(fā)生的最為重要的氣象要素是降水量的變化?！稓庀蟾珊档燃墶穱覙藴室?guī)定，降水量的變化率可作為判定旱澇災(zāi)害的重要氣象要素指標。同時，本文在降水量數(shù)據(jù)的預(yù)處理中，通過對降水量與旱澇災(zāi)害的受災(zāi)面積之間的嶺回歸分析發(fā)現(xiàn)，降水量變化與澇災(zāi)受災(zāi)面積有較強的正相關(guān)關(guān)系，而與旱災(zāi)的受災(zāi)面積變化有較強的負相關(guān)關(guān)系。鑒于此，本文選擇降水量作為研究農(nóng)業(yè)旱澇災(zāi)害的重要氣象要素代表性變量。

(二)數(shù)據(jù)來源

本文研究所使用的數(shù)據(jù)來自浙江、江蘇、上海和安徽四省(市)統(tǒng)計年鑒、地理信息科學教育部重點實驗室和中國氣象局公共氣象信息服務(wù)中心。具體為四省(市)的71個氣象站點的數(shù)據(jù)樣本，包括：浙江省的23個氣象站，11個地級市；江蘇省的23個氣象站，13個地級市；上海市1個氣象站，1個直轄市；安徽省的24個氣象站，16個地級市。時間區(qū)間為1980年1月至2014年12月，以月度數(shù)據(jù)為主。選取江、浙、滬、皖四省(市)為樣本是基于：一方面，四省(市)地理位置空間相鄰，這對于解析農(nóng)業(yè)氣象要素的空間相關(guān)性至關(guān)重要；另一方面，四省(市)中的安徽省和江蘇省是中國重要的糧食主產(chǎn)區(qū)，其農(nóng)業(yè)氣象災(zāi)害特征可作為江淮流域糧食主產(chǎn)區(qū)*據(jù)新華網(wǎng)報道，中國目前僅有5個糧食調(diào)出省，分別是：黑龍江、吉林、內(nèi)蒙古、安徽和江西。江淮地區(qū)的江蘇與安徽依然是產(chǎn)糧大省，而上海和浙江則是糧食調(diào)入大省(市)，且調(diào)入的糧食主要來自鄰近的安徽和江蘇。因此，江、浙、滬、皖之間已形成相對平衡的糧食供需格局。但四省(市)農(nóng)業(yè)氣象災(zāi)害的空間相關(guān)性極易對這種糧食弱平衡體系造成沖擊。參見http://news.xinhuanet.com/fortune/2014-03/09/。的典型代表。

(三)江、浙、滬、皖降水量的空間集聚性

農(nóng)業(yè)氣象要素的空間集聚易導(dǎo)致農(nóng)業(yè)災(zāi)害的空間相關(guān)，因此，對江、浙、滬、皖降水量的空間集聚效應(yīng)進行測算。在空間分析中，以Moran指數(shù)來檢驗變量的空間相關(guān)性。這里將采用全域Moran指數(shù)對江、浙、滬、皖降水量的空間相關(guān)性進行測算。全域Moran指數(shù)可分析江、浙、滬、皖四省(市)空間臨近區(qū)域單元降水量的相似程度，也即可反映四省(市)降水量的空間聚集效應(yīng)。

四省(市)降水量的全域Moran指數(shù)計算公式如下：

全域Moran指數(shù)的取值范圍為[-1,1]，數(shù)值越高，說明江、浙、滬、皖四省(市)降水量之間的空間關(guān)聯(lián)程度越高。當Moran指數(shù)為正時，表示降水量呈現(xiàn)空間正相關(guān)關(guān)系；當Moran指數(shù)為負時，表示降水量呈現(xiàn)為空間負相關(guān)關(guān)系。

由于本文搜集的是四省(市)各氣象站點的數(shù)據(jù)，而非地級市數(shù)據(jù)，因此，在計算Moran指數(shù)前需對數(shù)據(jù)進行空間轉(zhuǎn)換：將71個氣象站點的降水量數(shù)據(jù)轉(zhuǎn)換為41個城市的降水量數(shù)據(jù)。此處采用地理學上普遍使用的泰森多邊形法則進行轉(zhuǎn)換。泰森多邊形法則也被稱為垂直平分法或加權(quán)平均法，即可通過使用最近的單個氣象站點的降水量進行區(qū)域插值，須將采樣點兩兩相連并作連線的中垂線，其中垂線相交可形成若干個多邊形，從而將四省(市)的各個地級市分割成若干個子區(qū)域，每個子區(qū)域中包含一個氣象樣本數(shù)據(jù)點，以每個子區(qū)域的面積大小為權(quán)重估算出各地級市的降水量的平均值及四省市的整體估計值。設(shè)每個觀測點的樣本數(shù)據(jù)為xi，其對應(yīng)的泰森多邊形的面積為fi，則區(qū)域平均值可按下式求得：

其中，xi為觀測點的樣本數(shù)據(jù)，fi為泰森多邊形的面積，n為區(qū)域內(nèi)觀測點或泰森多邊形的個數(shù)，F(xiàn)為區(qū)域的總面積，Ai為權(quán)重系數(shù)。通過使用泰森多邊形將各個氣象站點的降水量數(shù)據(jù)轉(zhuǎn)化為各個地級市的降水量數(shù)據(jù)，進而計算Moran指數(shù)。

四省(市)降水量的Moran指數(shù)計算結(jié)果如圖1所示。從極值角度看，江、浙、滬、皖降水量全域Moran指數(shù)的最低值為0.107(1983年)，最高值為0.746(2003年)，波動性較大。從均值角度看，1980—2014年，四省(市)降水量Moran指數(shù)的平均值為0.512，系數(shù)值較大，說明江、浙、滬、皖各區(qū)域的降水量受鄰近區(qū)域的影響較為明顯，也即四省(市)的降水量具有顯著的正向空間自相關(guān)特征，降水量雖然在某個具體區(qū)域表現(xiàn)出隨機分布特征，但是在空間維度上則表現(xiàn)為較為明顯的集聚現(xiàn)象。

圖1　江、浙、滬、皖降水量的全域Moran指數(shù)(1980—2014)

整體上來看，江、浙、滬、皖降水量的空間相關(guān)性表現(xiàn)出增強趨勢，其中：1980—1989年，Moran指數(shù)均值為0.360；1990—1999年，Moran指數(shù)均值為0.564；2000—2014年，Moran指數(shù)均值為0.509。這表明，1980—2014年，江、浙、滬、皖降水量的空間相關(guān)性呈現(xiàn)出波動中逐步增強的態(tài)勢，尤其是1990年之后，僅有5年的Moran指數(shù)值低于0.4，四省(市)的降水量在大多數(shù)年份都表現(xiàn)出較強的正相關(guān)關(guān)系。

(四)江、浙、滬、皖農(nóng)業(yè)旱澇災(zāi)害的空間相關(guān)性及變動趨勢

1980—2014年，江、浙、滬、皖降水量之間的空間集聚更多地反映氣象學意義上的農(nóng)業(yè)氣象要素的空間相關(guān)性。而對農(nóng)業(yè)生產(chǎn)造成實際沖擊的，往往是氣象要素所引發(fā)的農(nóng)業(yè)氣象災(zāi)害，尤其是旱澇災(zāi)害。依據(jù)《氣象干旱等級》國家標準，降水量的變化是導(dǎo)致農(nóng)業(yè)旱澇災(zāi)害的罪魁禍首，因此，可采用降水量的距平百分率法，通過四省(市)降水量數(shù)據(jù)的處理將其轉(zhuǎn)化為對江、浙、滬、皖旱澇災(zāi)害的風險評估。

《氣象干旱等級》國家標準規(guī)定了中國氣象干旱指數(shù)的具體算法及干旱等級劃分標準，共涉及五種監(jiān)測干旱的單項指標和氣象干旱綜合指數(shù)*《氣象干旱等級》國家標準中列出的干旱指數(shù)計算方法有：降水量距平百分率、相對濕潤度指數(shù)、標準化降水指數(shù)、土壤相對濕度干旱指數(shù)和Palmer干旱指數(shù)。。其中，相對濕潤度指數(shù)要求蒸發(fā)量數(shù)據(jù)按一定方法獲??；而土壤相對濕度干旱指數(shù)主要關(guān)注土壤墑情；Palmer干旱指數(shù)只能用于表達干旱。本文選取便于計算和普遍使用的降水量距平百分率法，對江、浙、滬、皖的旱澇災(zāi)害指數(shù)進行計算，公式如下：

由于江、浙、滬、皖四省(市)的71個氣象站點分布不均勻，在計算旱澇災(zāi)害空間分布時，為使最終的災(zāi)害分布圖展示得更為細致和均勻，需要將各氣象站點的降水量進行空間插值。此處采用Kriging空間插值法。其原理是利用區(qū)域化變量的原始數(shù)據(jù)和變異函數(shù)的結(jié)構(gòu)特點，對無氣象站點的區(qū)域化變量的值進行線性無偏、最優(yōu)估計，也即根據(jù)各氣象站點空間位置與相關(guān)程度，賦予每個樣本點不同權(quán)重，從而獲得無氣象站點的降水量數(shù)值的插值估計。

四省(市)71個已知氣象站點的降水量形成數(shù)據(jù)集合，已知點xi∈A(i=1,2,…,n)，該點在區(qū)域集合A上的降水量即為區(qū)域化變量Z(xi)，待插值點x0的降水量估計值Z*(x0)是已知氣象站點降水量Z(xi)的加權(quán)值之和：

其中，λi( i = 1，2，…，n)為權(quán)重系數(shù)，權(quán)重為距離的函數(shù)。根據(jù)Kriging插值法的二階平穩(wěn)假設(shè)，要求四省(市)空間區(qū)域內(nèi)任意兩點xi和xj( j = 1，2，…，n； i ≠j)的降水量滿足E[Z(xi)-Z(xj)]=0，方差Var[Z(xi)-Z(xj)]存在并且只與兩點的空間距離有關(guān)，即：

通過運算上式，即可獲得四省(市)所需估測降水量站點的權(quán)重系數(shù)λi，進而求得四省(市)空間區(qū)域內(nèi)所需插值點x0的降水量估計值Z*(x0)。

通過上述Kriging插值細化和擴展江、浙、滬、皖各空間區(qū)域上的降水量數(shù)值，再根據(jù)氣象干旱等級劃分標準*《氣象干旱等級》國家標準中的干旱有五個級別，不同級別的干旱對農(nóng)業(yè)生產(chǎn)的影響依次為：一級為正?；驖駶?，表現(xiàn)為降水正常，無旱象；最高為五級，特旱，表現(xiàn)為耕地出現(xiàn)長時間缺水，植物干枯、死亡，將對農(nóng)作物和生態(tài)環(huán)境造成嚴重影響。，融合澇災(zāi)劃分標準，將降水量對應(yīng)的旱澇等級劃分為從特澇到特旱的十個等級，即：特澇(Pa≥45%)、重澇(35%≤Pa≤45%)、中澇(25%≤Pa≤35%)、輕澇(10%≤Pa≤25%)、無澇(0%≤Pa≤10%)、無旱(-10%≤Pa≤0%)、輕旱(-25%≤Pa≤-10%)、中旱(-35%≤Pa≤-25%)、重旱(-45%≤Pa≤-35%)和特旱(Pa≤-45%)。在上述測算基礎(chǔ)上，采用ArcGIS軟件繪制江、浙、滬、皖1980—2014年共計35年的旱澇災(zāi)害空間分布圖，因篇幅所限，以下僅選取不同時段中代表性年份的旱澇災(zāi)害分布圖，如圖2和圖3所示。

圖2　江、浙、滬、皖旱澇災(zāi)害的空間相關(guān)性(左圖：1988年；右圖：1991年)

據(jù)圖2和圖3可知：(1)長期來看，四省(市)中的上海與浙江主要面臨旱災(zāi)風險，江蘇和安徽主要面臨水災(zāi)風險。具體來說，江蘇與安徽北部區(qū)域還面臨嚴重旱災(zāi)風險，而蘇中、蘇南與皖中、皖南主要面臨水災(zāi)風險。(2)整體來看，四省(市)的農(nóng)業(yè)旱澇災(zāi)害之間呈現(xiàn)較強的空間相關(guān)性，表現(xiàn)為相鄰區(qū)域范圍內(nèi)，旱澇災(zāi)害具有相似性與擴散性。(3)分級來看，江蘇與安徽的澇災(zāi)表現(xiàn)為強烈空間相關(guān)性，其中，1991年、2003年，兩省超過30個氣象站點同時顯示嚴重澇災(zāi)，并且澇災(zāi)呈現(xiàn)出水平空間上的相關(guān)性，即相同或相近緯度上澇災(zāi)的空間相關(guān)性。由于江蘇與安徽是江淮流域重要的糧食生產(chǎn)基地，因此，澇災(zāi)的空間相關(guān)將對四省(市)的糧食供求弱平衡造成巨大沖擊。

綜上，四省(市)旱澇災(zāi)害的空間分布圖可明顯分割出災(zāi)害中心區(qū)、災(zāi)害輻射區(qū)和災(zāi)害過渡區(qū)三個梯度層次。例如：1988年，四省(市)同時并發(fā)旱災(zāi)，且旱災(zāi)以蘇北和皖北為災(zāi)害中心區(qū)，向蘇南和皖南擴散，到上海和浙江后衰減為輕旱直至無旱。1991年的情況略有不同。澇災(zāi)的中心區(qū)位于蘇中與皖中，從中心區(qū)向南北兩個方向同時擴散，形成由中心區(qū)向輻射區(qū)擴散，最終形成多地市同時并發(fā)的大范圍澇災(zāi)；通過浙北的過渡區(qū)后，至浙南則轉(zhuǎn)化為旱災(zāi)區(qū)。2003年，四省市的旱澇災(zāi)害空間分布情況與1991年類似，從四省(市)北部的嚴重澇災(zāi)通過災(zāi)害中心區(qū)擴散至輻射區(qū)，再經(jīng)過渡區(qū)轉(zhuǎn)化為浙南與上海的嚴重干旱，表現(xiàn)為降水量從北到南逐次衰減。

三、農(nóng)業(yè)氣象災(zāi)害的空間相關(guān)性對政策性農(nóng)業(yè)保險賠付的影響

政策性農(nóng)業(yè)保險主要承保種植業(yè)災(zāi)害損失，尤其是糧食作物災(zāi)害損失。糧食作物面臨的主要氣象災(zāi)害為旱澇災(zāi)害，其所致?lián)p失合計占糧食作物總損失的80%以上*參見庹國柱：“中國農(nóng)業(yè)保險發(fā)展報告”，中國農(nóng)業(yè)出版社，2014年版，第4-17頁。。以下將分析農(nóng)業(yè)氣象災(zāi)害的空間集聚性對政策性農(nóng)業(yè)保險賠付率的空間分布所產(chǎn)生的影響。

(一)政策性農(nóng)業(yè)保險賠付狀況的空間分布

搜集2006—2013年江、浙、滬、皖41個城市的政策性農(nóng)業(yè)保險保費收入和賠款支出數(shù)據(jù)，計算簡單賠付率。數(shù)據(jù)來自41個城市中各家農(nóng)業(yè)保險公司每年的信息披露報告和各年的中國保險年鑒。簡單賠付率(保費收入/賠款支出)可較好地反映政策性農(nóng)業(yè)保險的賠付風險。經(jīng)初步計算發(fā)現(xiàn)，2007—2010年，部分地市的政策性農(nóng)業(yè)保險承保面積較小，保費收入較低，不足以反映實際災(zāi)害損失狀況。保險精算要求承保標的符合大數(shù)法則，以使實際損失分布趨向預(yù)期經(jīng)驗分布，經(jīng)檢驗，2011年以來的政策性農(nóng)業(yè)保險經(jīng)營符合此條件。依賠付率高低將政策性農(nóng)業(yè)保險賠付風險劃分為5個等級，通過ArcGIS軟件將各城市賠付率等級繪制圖形，結(jié)果如圖4和圖5所示。

從2011—2013年政策性農(nóng)業(yè)保險賠付率的等級空間分布圖可以看到，政策性農(nóng)業(yè)保險的賠付風險具有較強的空間集聚性。蘇南和皖南部分城市政策性農(nóng)業(yè)保險賠付率較低，可能由兩方面因素所致：一是2011—2013年該區(qū)域是旱澇災(zāi)害的過渡區(qū)，不屬于江淮旱澇災(zāi)害的核心區(qū)和輻射區(qū)，因此，災(zāi)害損失較小；二是該區(qū)域主要為工業(yè)生產(chǎn)區(qū)，耕地面積覆蓋較低，因此，農(nóng)業(yè)氣象災(zāi)害損失較小。

圖4　四省(市)政策性農(nóng)業(yè)保險賠付率等級的空間分布(左圖：2011年；右圖：2012年)

蘇中和皖中是政策性農(nóng)業(yè)保險賠付的重災(zāi)區(qū)，賠付率水平整體較高，并且其賠付率的高低分布與旱澇災(zāi)害的高低分布一致，均呈現(xiàn)出水平視角上，也即相同或相近緯度方向上的賠付率空間相關(guān)性。尤其是安徽省糧食種植重點地區(qū)滁州市、六安市、阜陽市、淮南市和江蘇省糧食生產(chǎn)基地淮安市和鹽城市，農(nóng)業(yè)保險賠付具有較強的空間集聚性。根據(jù)四省(市)旱澇災(zāi)害空間分布圖可知，長期來看，浙江省農(nóng)業(yè)旱澇災(zāi)害的整體水平低于江蘇省和安徽省，農(nóng)業(yè)耕地面積也遠少于江蘇和安徽，因此，浙江省政策性農(nóng)業(yè)保險賠付水平整體較低。上海市不屬于旱澇災(zāi)害的中心區(qū)，其農(nóng)業(yè)生產(chǎn)所遭受的旱澇災(zāi)害損失并不明顯。實地調(diào)研發(fā)現(xiàn)，上海市政策性農(nóng)業(yè)保險的賠付率較高。這是因為上海的政策性農(nóng)業(yè)保險與其他省份不同，除了承保災(zāi)害所致?lián)p失，還要承保農(nóng)產(chǎn)品價格風險損失，產(chǎn)量與價格雙重風險的疊加使得其賠付水平整體較高。

圖5　2013年四省(市)旱澇災(zāi)害分布(左圖)與政策性農(nóng)業(yè)保險賠付率等級(右圖)空間分布的比較

(二)農(nóng)業(yè)旱澇災(zāi)害空間分布與政策性農(nóng)業(yè)保險賠付空間特性的比對分析

為解析農(nóng)業(yè)旱澇災(zāi)害的空間相關(guān)性是否對政策性農(nóng)業(yè)保險賠付產(chǎn)生影響，將江、浙、滬、皖各城市2013年旱澇災(zāi)害空間分布圖與農(nóng)業(yè)保險賠付等級分布圖進行比對。

據(jù)圖5可知，2013年，江、浙、滬、皖各區(qū)域降水量普遍較少，較大范圍區(qū)域同時面臨旱災(zāi)風險，尤其是蘇北、蘇中和皖北、皖中的大部分區(qū)域。但是對應(yīng)右圖的政策性農(nóng)業(yè)保險賠付可以發(fā)現(xiàn)，安徽省域內(nèi)的政策性農(nóng)業(yè)保險賠付與其旱災(zāi)風險程度相匹配，但是江蘇省旱災(zāi)嚴重地區(qū)的政策性農(nóng)業(yè)保險賠付并不高。據(jù)本文課題組于2014年對江蘇、安徽兩省農(nóng)戶進行的入戶問卷調(diào)查發(fā)現(xiàn)，安徽省“純農(nóng)型”農(nóng)戶占比較高，農(nóng)業(yè)種植面積較大，因此，其旱澇災(zāi)害風險度與農(nóng)業(yè)保險賠付風險度基本上相一致；而江蘇省“兼農(nóng)型”農(nóng)戶較多，戶均耕地面積較少，且糧食商品化率較低，農(nóng)業(yè)生產(chǎn)和投保的積極性較低，因此，江蘇省域內(nèi)政策性農(nóng)業(yè)保險賠付的空間分布與其災(zāi)害的空間分布之間的匹配度低于安徽省，尤其是蘇南工業(yè)城市。

四、結(jié)論及政策啟示

本文采用1980—2014年江、浙、滬、皖四省(市)71個氣象站點的降水量數(shù)據(jù)，基于氣象災(zāi)害的空間統(tǒng)計分析，得到關(guān)于農(nóng)業(yè)氣象災(zāi)害與政策性農(nóng)業(yè)保險空間分布特征的相關(guān)研究結(jié)論：第一，江、浙、滬、皖的農(nóng)業(yè)氣象要素呈現(xiàn)較為明顯的空間相關(guān)性，且相關(guān)程度表現(xiàn)為波動中增強的趨勢。第二，農(nóng)業(yè)氣象要素的空間相關(guān)性引致農(nóng)業(yè)氣象災(zāi)害的空間集聚效應(yīng)。四省(市)農(nóng)業(yè)旱澇災(zāi)害表現(xiàn)出明顯的南北向水平空間的相關(guān)性，并且農(nóng)業(yè)旱澇災(zāi)害的空間相關(guān)性在水平層面上表現(xiàn)出災(zāi)害核心區(qū)、災(zāi)害輻射區(qū)和災(zāi)害過渡區(qū)的區(qū)域集聚特征。第三，旱澇災(zāi)害的空間集聚性對政策性農(nóng)業(yè)保險賠付率的空間分布產(chǎn)生顯著影響。整體上來看，四省(市)政策性農(nóng)業(yè)保險賠付率表現(xiàn)出較為明顯的空間集聚特征，其中：蘇南和皖南農(nóng)業(yè)保險賠付率較低，蘇中和皖中賠付率較高；安徽省政策性農(nóng)業(yè)保險的賠付率與農(nóng)業(yè)旱澇災(zāi)害的空間分布相一致，而江蘇省旱澇災(zāi)害高發(fā)區(qū)并非農(nóng)業(yè)耕地集聚區(qū)。

農(nóng)業(yè)氣象災(zāi)害的空間相關(guān)性極易使糧食主產(chǎn)區(qū)的政策性農(nóng)業(yè)保險面臨賠付的系統(tǒng)性風險。對此，可從以下方面對政策性農(nóng)業(yè)保險的風險分散進行優(yōu)化：

在防災(zāi)層面，需著力提升農(nóng)業(yè)災(zāi)害核心區(qū)與輻射區(qū)之間的防災(zāi)機制協(xié)同效應(yīng)。第一，注重農(nóng)業(yè)氣象災(zāi)害預(yù)警的區(qū)域協(xié)同。對于災(zāi)害預(yù)警，當前各氣象站點主要關(guān)注本地區(qū)災(zāi)害信息，信息的區(qū)域性和分割性不利于防災(zāi)工作的協(xié)同開展，農(nóng)業(yè)氣象預(yù)警需注重農(nóng)業(yè)旱澇災(zāi)害中心區(qū)和輻射區(qū)的協(xié)同預(yù)警。第二，進行農(nóng)業(yè)排洪和灌溉工程的區(qū)域聯(lián)動建設(shè)。旱時灌溉和澇時排洪是最重要的農(nóng)業(yè)減災(zāi)舉措，由于排洪灌溉工程建設(shè)涉及到資金投入、勞動投入、土地占用等，而在地方財政預(yù)算收入制約條件下，水利工程建設(shè)往往成為各級政府追求自身政績最大化目標下的區(qū)域性最優(yōu)決策。與農(nóng)業(yè)旱澇災(zāi)害的空間相關(guān)性相對應(yīng)，農(nóng)業(yè)排洪灌溉工程需構(gòu)建基于農(nóng)業(yè)災(zāi)害核心區(qū)和輻射區(qū)為一體的多省域聯(lián)合防災(zāi)工程，以實現(xiàn)農(nóng)業(yè)災(zāi)害風險管理的全局最優(yōu)化。

在保險層面，應(yīng)注重政策性農(nóng)業(yè)保險的風險分散。當前，部分區(qū)域的政策性農(nóng)業(yè)保險處于過度競爭格局，各家保險公司為了擴大業(yè)務(wù)，忽視新的業(yè)務(wù)區(qū)域與原承保區(qū)域之間氣象要素的空間集聚，導(dǎo)致承保業(yè)務(wù)之間風險高度相關(guān)；同時，輕視旱、澇巨災(zāi)的可能性，為爭取業(yè)務(wù)擅自減低保費。這些不當競爭舉措放大了政策性農(nóng)業(yè)保險的賠付風險。保險精算要求各業(yè)務(wù)單位符合風險獨立同分布原則，但是農(nóng)業(yè)旱澇災(zāi)害的空間相關(guān)性違背了保險承保原則，因此，保險公司擴大承保區(qū)域時應(yīng)重點選取風險弱相關(guān)或不相關(guān)區(qū)域。如果確實因政策需要不得不進入風險高度相關(guān)區(qū)域時，保險公司應(yīng)做好再保險安排，或進行旱澇災(zāi)害的風險互換，以此降低和分散農(nóng)業(yè)保險的賠付風險。

在巨災(zāi)風險管理層面，需構(gòu)建農(nóng)業(yè)旱澇災(zāi)害巨災(zāi)風險的分散體系。第一，建立商業(yè)與國家聯(lián)合的再保險。考慮到農(nóng)業(yè)的基礎(chǔ)性地位以及農(nóng)業(yè)巨災(zāi)對整個經(jīng)濟體系的沖擊，建議在傳統(tǒng)商業(yè)再保險之外，建立國家農(nóng)業(yè)再保險。第二，創(chuàng)立保險交易平臺。這使得各家保險公司的農(nóng)業(yè)保險業(yè)務(wù)可進行風險互換，從而通過風險聚合和風險交互實現(xiàn)政策性農(nóng)業(yè)保險的風險分散目的。第三，實現(xiàn)保險市場與資本市場的有效對接。通過巨災(zāi)風險證券化，政策性農(nóng)業(yè)保險可以將承保風險轉(zhuǎn)移到國內(nèi)外資本市場，從而保障農(nóng)業(yè)風險管理與農(nóng)業(yè)保險市場的持續(xù)、穩(wěn)定發(fā)展。

陳利，謝家智. 2013. 農(nóng)戶對農(nóng)業(yè)災(zāi)害賠償滿意度的測量與減災(zāi)行為研究[J]. 農(nóng)業(yè)經(jīng)濟問題(3)：56-64.

陳衛(wèi)洪，謝曉英. 2013. 氣候災(zāi)害對糧食安全的影響機制研究[J]. 農(nóng)業(yè)經(jīng)濟問題(1)：12-20.

程靜，陶建平. 2010. 全球氣候變暖背景下農(nóng)業(yè)干旱災(zāi)害與糧食安全：基于西南五省面板數(shù)據(jù)的實證研究[J]. 經(jīng)濟地理(9)：1524-1528.

韓蘭英，張強，馬鵬里，等. 2015. 中國西南地區(qū)農(nóng)業(yè)干旱災(zāi)害風險空間特征[J]. 中國沙漠(7)：1-9.

賀帥，楊賽霓，汪偉平，等. 2015. 中國自然災(zāi)害社會脆弱性時空格局演化研究[J]. 北京師范大學學報(自然科學版)(6)：299-306.

胡亞男，鄭金偉，潘根興，等. 2015. 1978—2008年中國十省主要農(nóng)業(yè)氣象災(zāi)害動態(tài)及其影響分析[J]. 氣候變化研究進展(3)：123-130.

姜莉. 2014. 我國農(nóng)業(yè)保險政策優(yōu)化問題研究:基于道德風險視角[J]. 哈爾濱商業(yè)大學學報(社會科學版)(3):13-20.

潘根興，高民，胡國華. 2013. 氣候變化對中國農(nóng)業(yè)生產(chǎn)的影響[J]. 農(nóng)業(yè)環(huán)境科學學報(9)：1698-1706.

齊曄. 2013. 中國低碳發(fā)展報告(2013) [M]． 北京：社會科學文獻出版社.

邵騰偉，冉光和. 2011. 基于POT-GPD損失分布的農(nóng)業(yè)自然災(zāi)害VAR估算[J]. 統(tǒng)計研究(7)：79-84.

史培軍，王靜，謝愛云. 1997. 最近15年來中國氣候變化、農(nóng)業(yè)自然災(zāi)害與糧食生產(chǎn)的初步研究[J]. 自然資源學報(3)：197-203.

譚靈芝，董照輝. 2014. 氣候變化適應(yīng)性資金投入對農(nóng)業(yè)總產(chǎn)值影響研究[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟(12)：39-50.

陶生才，許吟隆，劉珂，等. 2011. 農(nóng)業(yè)對氣候變化的脆弱性[J]. 氣候變化研究進展(2)：143-148.

田玲，姚鵬. 2013. 我國巨災(zāi)保險基金規(guī)模研究：以地震風險為例[J]. 保險研究(4)：13-22.

庹國柱. 2014. 農(nóng)業(yè)保險文集[G]. 北京：中國農(nóng)業(yè)出版社：65.

庹國柱，朱俊生. 2014. 完善我國農(nóng)業(yè)保險制度需要解決的幾個重要問題[J]. 保險研究(2)：44-54.

王加華. 2003. 清季至民國華北的水旱災(zāi)害與作物選擇[J]. 中國歷史地理論叢(1):84-91.

王錫曚，李傳哲，王樹謙，等. 2015. 近50年來京津唐地區(qū)降水時空演變特征分析[J]. 水電能源科學(7)：7-11.

謝立勇，李悅，錢鳳魁，等. 2014. 糧食生產(chǎn)系統(tǒng)對氣候變化的響應(yīng):敏感性與脆弱性[J]. 中國人口.資源與環(huán)境(5)：25-31.

嚴奉憲，武洲洋，黃玲玲. 2014. 農(nóng)業(yè)減災(zāi)公共品：農(nóng)戶自主供給意愿及其影響因素分析：基于湖北省農(nóng)戶調(diào)查數(shù)據(jù)[J]. 中國農(nóng)村經(jīng)濟(11)：52-64.

葉明華. 2015. 中國農(nóng)業(yè)保險的賠付風險：風險測度與應(yīng)對策略[J]. 經(jīng)濟問題(4)：92-98．

葉明華，汪榮明． 2014. 風險認知、保險意識與農(nóng)戶的風險承擔能力：基于蘇、皖、川三省1554戶農(nóng)戶的問卷調(diào)查[J]. 中國農(nóng)村觀察(6)：37-48．

俞云，李芳. 2010. 基于面板數(shù)據(jù)的農(nóng)業(yè)氣象災(zāi)害對中國糧食產(chǎn)量影響分析[J]. 經(jīng)濟與管理(11)：5-8.

張銳. 2009. 誰在威脅全球糧食安全[N]. 中國經(jīng)濟時報,-07-21(11).

HOLDEN S, BEKELE S．2004. Land degradation, drought and food security in a less-favored area in the Ethiopian highlands: a bio economic model with market imperfections [J]. Agricultural Economics, 30(1): 31-49.

MACKAY A. 2008. Climate change 2007- impacts, adaptation, and vulnerability: Working Group II contribution to the Fourth Assessment Report of the intergovernmental panel on climate change [M]. Cambridge, UK: Cambridge University Press.

ZHANG Z, WANG P, CHEN Y, et al.2014.Spatial pattern and decadal change of agro-meteorological disasters in the main wheat production area of China during 1991-2009 [J].Journal of Geographical Sciences, 24(3): 387-396．

(責任編輯劉志煒)

Spatial Agglomeration of Agricultural Meteorological Disaster and Risk Diversification of Policy Oriented Crop Insurance:Spatial Analysis of Precipitation in Jiangsu, Zhejiang,Shanghai and Anhui from 1980 to 2014

YE MingHua

(School of Finance and Statistics, East China Normal University, Shanghai 200241)

This paper collects data in provinces of Jiangsu, Zhejiang, Anhui and Shanghai from 1980 to 2014, calculates the global Moran′s indexes to analyze spatial distribution characteristic of agro-meteorological disasters and effects on policy-oriented agricultural insurance, draws figures of four provinces′ spatial distribution of agricultural drought and flood based on the method of precipitation anomalous percentage. Matching the spatial distribution of agricultural drought and flood with the claim ratio of policy-oriented agricultural insurance, the research reveals that: Precipitations in Jiangsu, Zhejiang, Shanghai and Anhui have significant spatial positive correlation; Agricultural drought and flood in Sichuan also have the significant cluster among core areas of disaster and contiguous areas; Policy-oriented agricultural insurance is faced with the high claim risk because of agro-meteorological disasters′ spatial cluster. Therefore, it′s necessary to improve regional synergy effect of agro-meteorological disasters′ early-warning and the engineering construction of flood drainage and irrigation. Risks should be well-diversified in policy-oriented agricultural insurance, and agricultural insurance catastrophe management system should be constructed and the main form of it includes national reinsurance, insurance swap, risk securitization and so on.

meteorological disaster; policy oriented crop insurance; risk diversification

2016-03-03

葉明華(1978--)，女，福建泉州人，博士，華東師范大學金融與統(tǒng)計學院副教授。

國家自然科學基金項目“農(nóng)業(yè)氣象災(zāi)害、政策性農(nóng)業(yè)保險與糧農(nóng)生產(chǎn)行為：基于蘇、皖農(nóng)戶調(diào)查的微觀實證”(71403088)；國家社會科學基金重大項目“農(nóng)業(yè)災(zāi)害風險評估與糧食安全對策研究”(13&ZD161)；高等學校學科創(chuàng)新引智計劃(B14019)。

F840

A

1001-6260(2016)04-0032-10

財貿(mào)研究2016.4