江蘇水稻高溫熱害氣象指數(shù)保險風險綜合區(qū)劃*

任義方，趙艷霞，張旭暉，王 平，何 浪

?

江蘇水稻高溫熱害氣象指數(shù)保險風險綜合區(qū)劃*

任義方1，趙艷霞2，張旭暉1，王 平3，何 浪3

（1. 江蘇省氣象服務中心，南京 210008；2. 中國氣象科學研究院，北京 100081；3. 江蘇省氣象局，南京 210008）

以江蘇省為例，利用1980?2015年氣象資料和水稻觀測數(shù)據(jù)，基于Logistic曲線方程構建高溫熱害保險氣象指數(shù)，并分別采用正態(tài)分布、正態(tài)對數(shù)分布和Weibull分布三種參數(shù)模型，以及基于信息擴散方法的非參數(shù)模型對水稻高溫熱害發(fā)生概率進行擬合。通過擬合優(yōu)度檢驗發(fā)現(xiàn)，非參數(shù)模型可以較好地估算江蘇各縣水稻孕穗?抽穗揚花階段高溫熱害發(fā)生概率，進而結合最優(yōu)擬合模型，考慮農(nóng)業(yè)保險的經(jīng)營需求，從致災因子危險性、孕災環(huán)境敏感性、承災體易損性、防災減災能力四個方面出發(fā)，確定相應評估指數(shù)并構建綜合指數(shù)，采用聚類分析的方法進行縣級水平的水稻高溫熱害保險風險綜合區(qū)劃。評估分析表明，江蘇水稻高溫熱害保險風險呈現(xiàn)“西南高東北低”的特征，中高風險區(qū)是需要依靠農(nóng)業(yè)保險轉移風險的重點關注區(qū)域。

水稻；高溫熱害；指數(shù)保險；模型；風險區(qū)劃評估

隨著全球氣候變暖，江蘇高溫熱害呈現(xiàn)覆蓋范圍擴大、強度增強、頻次增多的特征[1]，且夏季高溫發(fā)生時段常與水稻孕穗揚花期相遇，造成水稻產(chǎn)量降低，不穩(wěn)定性增加[2-4]。運用農(nóng)業(yè)保險工具開展作物保險來分散風險，是農(nóng)業(yè)生產(chǎn)管理和風險規(guī)避的重要手段，更是當前水稻高溫熱害常發(fā)背景下的發(fā)展方向。農(nóng)業(yè)指數(shù)保險主要包括天氣指數(shù)保險、區(qū)域產(chǎn)量指數(shù)保險和價格指數(shù)保險等具體類型[5]。其中，“天氣指數(shù)保險”（也稱作“氣象指數(shù)保險”）作為農(nóng)業(yè)保險的新興技術，使用氣象要素（例如降雨量、溫差等）來指數(shù)化農(nóng)作物損害程度，并與賠付金額掛鉤，設定觸發(fā)條件展開理賠。這種依托于客觀定量實時監(jiān)測氣象要素的指數(shù)保險在提高勘察定損效率、克服逆選擇和道德風險等方面都優(yōu)于傳統(tǒng)保險[6]。農(nóng)業(yè)保險風險區(qū)劃作為天氣指數(shù)保險產(chǎn)品設計過程中的重要環(huán)節(jié)之一，是費率厘定、保費核定以及相關農(nóng)險條款制定的重要基礎，更是區(qū)域間氣候特點、風險程度、作物生長環(huán)境、生產(chǎn)水平差異性的客觀綜合體現(xiàn)[7-9]。農(nóng)業(yè)保險風險區(qū)劃中存在兩個關鍵性問題，一是選擇何種統(tǒng)計模型來體現(xiàn)保險風險的發(fā)生概率；二是選擇何種指數(shù)（或指數(shù)組合）來體現(xiàn)作物保險風險區(qū)劃特征。

關于保險風險發(fā)生概率分布模型的選擇問題，在農(nóng)作物區(qū)域產(chǎn)量保險領域，Sherrick等[10-12]學者主要從標的物本身出發(fā)，基于標的物產(chǎn)量數(shù)據(jù)，提出多種統(tǒng)計模型（參數(shù)模型、半?yún)?shù)模型、非參數(shù)模型和貝葉斯方法等）來描述產(chǎn)量損失的發(fā)生概率。隨著不同統(tǒng)計模型的廣泛應用，如何選擇合理的分布模型來客觀評定損失發(fā)生概率也是研究者關注和探討的問題[13]。研究表明，同一組數(shù)據(jù)，利用不同分布模型擬合，統(tǒng)計得到的減損概率不同，從而導致厘定的純費率存在顯著差異[14-15]。同樣地，在農(nóng)作物天氣指數(shù)保險領域，相關研究主要從災害發(fā)生規(guī)律出發(fā)，基于氣象要素構建保險氣象指數(shù)，采用相應的模型來測算災害發(fā)生概率。劉凱文等[16-17]針對水稻生產(chǎn)過程中高溫熱害的發(fā)生情況，采用Weibull分布模型測算了高溫熱害發(fā)生概率，進而厘定保險費率。保險風險發(fā)生概率不僅涉及保險費率的測算，也涉及災害風險區(qū)劃過程中風險度（也即危險性）的確定。方潔等[18-19]將特定作物災害劃分為不同等級，并通過求算不同等級相應發(fā)生頻次來計算致災危險，進而實現(xiàn)作物災害風險區(qū)劃。

作物保險風險區(qū)劃是基于一般風險區(qū)劃理論，綜合考慮災害發(fā)生規(guī)律、標的物損失程度、社會生產(chǎn)水平、防災減災能力以及保險經(jīng)營需求等要素，給出具有相似保險理賠風險區(qū)域劃分的一種方法。在常規(guī)風險區(qū)劃研究領域，針對區(qū)劃指數(shù)的選擇問題，不同學者[20-21]結合不同的研究角度和目的，給出不同指數(shù)選擇依據(jù)，構建災害風險評估模型。在區(qū)劃指數(shù)的選擇研究過程中，除了考慮氣象因子、產(chǎn)量水平、生產(chǎn)經(jīng)營規(guī)模和效益外，還逐步拓展到了作物生長環(huán)境評價領域。丁少群等[7]認為在作物風險指數(shù)選擇上需要考慮氣候和土壤兩大類要素，包括作物產(chǎn)量水平、產(chǎn)量變異系數(shù)、災害發(fā)生頻率和強度指標、氣候綜合評判值、地理指標、土壤指標、水利設施指標等方面。然而，研究和實證發(fā)現(xiàn)，在進行保險風險區(qū)劃過程中，區(qū)劃結果能夠在體現(xiàn)平均生產(chǎn)水平的基礎上，測度災害風險對糧食安全的影響以及生產(chǎn)中可抵御災害的能力是關鍵，并不是指標越多越復雜，測度結果越準確[22-25]。

目前，災害風險區(qū)劃研究中，多采用發(fā)生頻次的方法來計算致災因子的發(fā)生概率。實際上，由于災害樣本量不足，這種離散型分布模型的計算方法，往往會對風險度的測算造成誤差。能否借鑒農(nóng)作物區(qū)域產(chǎn)量保險領域中統(tǒng)計模型的方法來測算天氣指數(shù)保險領域中的風險發(fā)生概率；在區(qū)劃指數(shù)選擇過程中，以往研究對環(huán)境因子的考慮較少，能否結合保險區(qū)域特有的水系分布特征來分析孕災環(huán)境的敏感性尚未見相關報道。因此，本研究以江蘇為例，從災害發(fā)生角度出發(fā)，準確把握災害風險與產(chǎn)量損失之間的關系，構建水稻高溫熱害保險氣象指數(shù)，利用參數(shù)法和非參數(shù)法來統(tǒng)計分析高溫熱害的發(fā)生概率，從而確定水稻高溫熱害風險度；然后分別從致災因子危險性、孕災環(huán)境敏感性、承災體易損性、防災減災能力四個方面，進行縣級水平的水稻高溫熱害保險風險綜合區(qū)劃評估，以期為設計水稻高溫熱害氣象指數(shù)保險（單一作物災害險種保險）產(chǎn)品提供依據(jù)，從而有效提高風險轉移能力。

1 資料與方法

1.1 數(shù)據(jù)來源

氣象資料包括江蘇省70個氣象站1980?2015年的逐日最高溫度和平均溫度，作物資料包括江蘇省8個農(nóng)業(yè)氣象站（徐州、淮安、贛榆、興化、鎮(zhèn)江、宜興、昆山、高淳）1980?2015年的水稻生育期資料，以及同期江蘇省75個縣的逐年水稻產(chǎn)量和播種面積數(shù)據(jù)。氣象資料和水稻生育期資料來自江蘇省氣象信息中心，水稻產(chǎn)量和播種面積數(shù)據(jù)來自江蘇省統(tǒng)計局，江蘇基礎地理信息河網(wǎng)水系數(shù)據(jù)資料來自江蘇省測繪地理信息局。

1.2 構建高溫熱害保險氣象指數(shù)

1.2.1 高溫熱害氣象指數(shù)的構建

將水稻孕穗?抽穗揚花期作為熱害監(jiān)測期，將日平均氣溫≥30℃、日最高氣溫≥35℃連續(xù)3d以上的高溫天氣作為1個高溫熱害過程。定義水稻高溫熱害監(jiān)測期各高溫過程熱害累積量H為

式中，n為監(jiān)測期間（水稻孕穗?抽穗揚花期）發(fā)生高溫過程的總次數(shù)。Ti、Tmax,i分別為各高溫熱害過程的日平均溫度和日最高溫度；Tc、Tmax,c分別是相應臨界值，其數(shù)值分別取30℃和35℃。由于各地各年水稻受高溫影響的敏感時段不同，因而逐站逐年統(tǒng)計水稻高溫熱害監(jiān)測期中所有高溫過程的危害累積量。

基于高溫熱害對水稻產(chǎn)量影響的規(guī)律[26-27]，利用Logistic曲線方程定量描述高溫熱害對水稻產(chǎn)量損失的影響程度，構建并計算高溫熱害保險氣象指數(shù)Z，即

1.2.2 各縣水稻減產(chǎn)率的測算

實際產(chǎn)量Y可分離成三部分，隨著社會生產(chǎn)力水平提高的趨勢產(chǎn)量Yt、隨歷史氣象條件波動的氣象產(chǎn)量Yw和隨機“噪聲”（可忽略）。估算農(nóng)作物單產(chǎn)趨勢的方法有很多種，大體分為三類，即回歸方程模擬法、滑動平均模擬法和直線滑動平均法。本研究在各縣產(chǎn)量序列逐步滑動分段的基礎上，采用灰色系統(tǒng)GM（1，1）模型逐段滑動平均的方法[29]模擬趨勢產(chǎn)量，通過分離產(chǎn)量資料，逐縣逐年求算相對氣象產(chǎn)量，并將其負值的絕對值定義為減產(chǎn)率，計算式為

式中，Yw為減產(chǎn)率（%）；Y為實際產(chǎn)量（kg·hm?2）；Yt為趨勢產(chǎn)量（kg·hm?2）。

1.2.3 保險氣象指數(shù)與減產(chǎn)率關系的建立

基于1980?2015年（共36a）70個氣象站歷年熱害監(jiān)測期間的高溫發(fā)生過程和75個縣歷年水稻產(chǎn)量資料，將由式（2）求算的各氣象站水稻高溫熱害保險氣象指數(shù)與由式（3）求算的各縣減產(chǎn)率值生成數(shù)據(jù)對，若縣域內(nèi)無氣象站，其減產(chǎn)率使用鄰近氣象站求算的氣象指數(shù)來配對；從匹配的2700個樣本中，選取由高溫熱害造成對應水稻減產(chǎn)的69個樣本（樣本選擇方法參見文獻[28]），建立江蘇全省水稻高溫熱害保險氣象指數(shù)與減產(chǎn)率回歸方程，即

式中，Yw為水稻減產(chǎn)率（%），Z為水稻高溫熱害保險氣象指數(shù)。

1.3 分布函數(shù)模型介紹

不同參數(shù)分布模型具有不同的偏態(tài)分布特點：正態(tài)分布具有無偏性，Weibull分布具有負偏性，對數(shù)正態(tài)分布具有正態(tài)性。同時，基于信息擴散的非參數(shù)分布模型適用于小樣本問題，且具有良好的抗差性。分別選擇3種參數(shù)模型（正態(tài)分布模型、正態(tài)對數(shù)分布模型和Weibull分布模型）以及基于信息擴散的非參數(shù)模型來擬合江蘇水稻孕穗?抽穗揚花階段高溫熱害發(fā)生分布形態(tài)。

（1）正態(tài)分布（Normal distribution）

正態(tài)分布，又稱高斯分布（Gaussian distribution），最早由棣莫佛在1734年提出。其概率密度函數(shù)（PDF）為：

（2）威布爾分布（Weibull distribution）

Weibull分布由瑞典物理學家Wallodi Weibull于1939年引進，是可靠性分析及壽命檢驗的理論基礎。二參數(shù)Weibull分布的概率密度函數(shù)（PDF）為

（3）對數(shù)正態(tài)分布（Logarithmic normal distribution）

在概率論與統(tǒng)計學中，對數(shù)正態(tài)分布是對數(shù)為正態(tài)分布的任意隨機變量的概率分布。其概率密度函數(shù)（PDF）為

（4）信息擴散法（Information diffusion method）

信息擴散法是一種模糊數(shù)學的思想，設樣本集為X={x1, x2, …, xm}，災害論域為Z={z1, z2, …, zn}。一個單值觀測樣本點xi按式（8）將其所攜帶的信息擴散給Z中的所有點。

式中，h稱為擴散系數(shù)，可根據(jù)樣本最大值和最小值及樣本點個數(shù)m來確定。

相應模糊子集隸屬函數(shù)為

若災害觀測值只能取災害論域中一個，再將xi看作樣本點代表時，則觀測值為zj樣本點個數(shù)q（zj）。

Q即為各zj點上樣本點數(shù)的總和，從理論上講，必有Q=m，但由于數(shù)值計算四舍五入的誤差，Q與m之間略有差別。易知

樣本點落在zj處的頻率值，可作為概率的估計值。則超越zj的概率值可表達為

式中，P（zj）即為超越概率風險估計值。

2 結果與分析

2.1 保險氣象指數(shù)分級及其概率密度

2.1.1 水稻高溫熱害保險氣象指數(shù)分級

用減產(chǎn)率的數(shù)值大小來判定由不同高溫熱害強度造成的水稻受災等級，定義減產(chǎn)率5.0%≤Yw＜10.0%、10.0%≤Yw＜20.0%、20.0%≤Yw＜30.0%、30.0%≤Yw＜40.0%、Yw＞40.0%分別為輕、中、重、嚴重、極端損失5個水稻受災等級，并對應于高溫熱害強度的1?5個等級。根據(jù)減產(chǎn)率劃分的受災等級，以及Yw與Z之間的線性關系和Z與H的Logistic曲線關系，可以得到對應不同受災等級的高溫熱害累積量和保險氣象指數(shù)值，從而實現(xiàn)水稻高溫熱害保險氣象指數(shù)的等級劃分，詳見表1。

2.1.2 水稻高溫熱害發(fā)生概率分布函數(shù)

（1）分布函數(shù)擬合

以江蘇省所有氣象站36a的水稻高溫熱害保險指數(shù)作為樣本集合，分別利用不同的分布函數(shù)模型擬合水稻高溫熱害發(fā)生概率。式（15）?式（17）給出了三種參數(shù)擬合模型的累積分布函數(shù)的具體表達形式，相應的分布形態(tài)見圖1a?圖1c；式（14）為基于信息擴散方法模型求算的累積概率風險估計值，相應分布形態(tài)見圖1d。

正態(tài)分布的累積分布函數(shù)為

表1 江蘇水稻高溫熱害保險氣象指數(shù)等級劃分

圖1 江蘇水稻高溫熱害發(fā)生頻數(shù)直方圖以及正態(tài)分布模型（a）、正態(tài)對數(shù)分布模型（b）、威布分布模型（c）和信息擴散方法模型（d）擬合結果

（2）分布函數(shù)選擇

結合水稻高溫熱害風險發(fā)生的累積頻數(shù)直方圖，對比分析不同參數(shù)和非參數(shù)分布模型對水稻高溫熱害風險擬合結果（圖1）發(fā)現(xiàn)：三種參數(shù)擬合模型（正態(tài)分布模型、正態(tài)對數(shù)分布模型和Weibull分布模型）的分布形態(tài)各不相同，與原水稻高溫熱害風險發(fā)生的累積頻數(shù)直方圖分布形態(tài)差異較大，且擬合優(yōu)度均未通過A?D檢驗；而信息擴散方法模型擬合結果與其累積頻數(shù)直方圖匹配度最高，且通過A?D檢驗。

在求算各縣水稻高溫熱害發(fā)生概率值時，以各縣配對的36a水稻高溫熱害保險指數(shù)作為樣本集合，同樣用上述方法進行熱害保險指數(shù)分布模型擬合，并判定最佳分布模型。分析表明，信息擴散法模型在各縣水稻高溫熱害發(fā)生概率的求算中，均表現(xiàn)出較好的擬合能力。因此，在后續(xù)水稻高溫熱害風險區(qū)劃過程中，將該方法應用于致災因子危險性指數(shù)的求算，以確定不同熱害等級強度的發(fā)生概率。

2.2 水稻高溫熱害風險區(qū)劃單項指數(shù)

（1）致災因子危險性指數(shù)

結合高溫熱害發(fā)生強度和頻率，定義水稻高溫熱害風險度來客觀反映致災因子風險性大小及其對農(nóng)業(yè)生產(chǎn)影響程度，即

式中，ZIj為第j個縣發(fā)生水稻高溫熱害的風險度。Zjk為各縣以水稻高溫熱害保險氣象指數(shù)表征的不同熱害等級強度k，k=1、2、3、4、5（見表1），Pjk為相應基于信息擴散方法模型求算的發(fā)生概率。

圖2a為水稻高溫熱害致災因子危險性指數(shù)在整個江蘇地區(qū)的分布。由圖可見，高值區(qū)分布于蘇南各縣，區(qū)域內(nèi)高溫熱害強度大，發(fā)生頻次高；中值區(qū)分布于沿淮和江淮之間西部各縣，區(qū)域內(nèi)高溫熱害強度和發(fā)生頻次均為中等級別；低值區(qū)主要分布在淮北和江淮之間東部各縣，區(qū)域內(nèi)高溫熱害強度小，發(fā)生頻次低。

（2）孕災環(huán)境敏感性指數(shù)

結合水稻生理特性及歷史高溫熱害災情調查結果，考慮到一般河網(wǎng)分布密集地區(qū)水源便利，可減輕高溫熱害的不利影響；此外，在水稻生殖生長關鍵期若能維持田間較深水層，可防止脫水干田，提高對高溫危害的抵御能力，顯著降低空殼率。因此，選擇水系因子中河網(wǎng)密度的倒數(shù)作為高溫熱害孕災環(huán)境敏感性的分析衡量指標，其計算方法為

圖2b為孕災環(huán)境敏感性指數(shù)在整個江蘇地區(qū)的分布。由圖可見，高值區(qū)分布于淮北和沿海部分縣，區(qū)域內(nèi)河網(wǎng)密度和農(nóng)戶的潛在防御能力低等級別，水稻生產(chǎn)對高溫熱害敏感性強；中值區(qū)分布于江淮之間和蘇南大部分縣，區(qū)域內(nèi)河網(wǎng)密度、農(nóng)戶的潛在防御能力以及水稻生產(chǎn)對高溫熱害敏感性均為中等級別；低值區(qū)主要分布在駱馬湖、沿淮和沿江周邊各縣，區(qū)域內(nèi)河網(wǎng)密度和農(nóng)戶的潛在防御能力高，水稻生產(chǎn)對高溫熱害敏感性低。

圖2 研究區(qū)水稻高溫熱害風險度指數(shù)（a）、敏感性指數(shù)（b）、易損性指數(shù)（c）和抗災能力指數(shù)（d）的空間分布

（3）承災體易損性指數(shù)

對于各縣作物可種植面積來說，水稻種植面積越大，意味著該縣暴露于氣象危險因子的水稻越多，可能遭受的潛在損失就越大，氣象災害風險越大。因此，將各縣水稻種植面積與該縣土地面積的比值定義為水稻種植暴露度，來表征承災體易損性，其表達式為

式中，EIj為第j縣的水稻種植暴露度，WSj和CSj分別為各縣的水稻播種面積和土地面積。

圖2c為承災體易損性指數(shù)在整個江蘇地區(qū)的分布。由圖可見，高值區(qū)分布于江淮中部各縣，水稻種植暴露度高；中值區(qū)分布于沿江蘇南部大部分縣，水稻種植暴露度中等；低值區(qū)主要分布在淮北和沿海各縣，水稻種植暴露度低。

（4）抗災能力指數(shù)

一個地區(qū)產(chǎn)量的波動能夠很好地體現(xiàn)其生產(chǎn)力水平，由于全省區(qū)域處于相對一致的天氣尺度波動下，因此，各縣產(chǎn)量波動差異可視為當?shù)胤罏臏p災能力的體現(xiàn)。定義產(chǎn)量變異系數(shù)的倒數(shù)來表征抗災性能，其表達式為

圖2d為抗災能力指數(shù)在整個江蘇地區(qū)的分布。由圖可見，高值區(qū)分布于鹽城各縣，產(chǎn)量波動小，抗災能力強；中值區(qū)分布于中西部各縣，產(chǎn)量波動中等，抗災能力中等；低值區(qū)零星分布在沛縣、睢寧、盱眙、金湖、建湖、宜興、靖江、張家港和無錫，其產(chǎn)量波動大，抗災能力弱。

2.3 水稻高溫熱害風險區(qū)劃及評估

2.3.1 綜合指數(shù)計算及分級

考慮到農(nóng)業(yè)保險，尤其是政策性農(nóng)險一般具有非盈利性、政府提供補貼與免稅以及立法保護等特征。因此，要從綜合的角度進行考慮，尤其要考慮當?shù)丨h(huán)境條件和抗災能力，政府部門才能相應地給予更合理的補貼。因此，在保險區(qū)劃中不僅要考慮致災因子和災損情況，還要考慮孕災環(huán)境敏感性、承載體的易損性以及防災減災能力。

因此，首先將致災因子風險度指數(shù)（ZI）、孕災環(huán)境敏感性指數(shù)（SI）、承災體易損性指數(shù)（EI）、防災減災能力指數(shù)（RI）4個水稻高溫熱害保險風險評價指數(shù)進行標準化處理，構建保險風險區(qū)劃的綜合指數(shù)（II），即

利用SPSS數(shù)據(jù)統(tǒng)計分析和GIS空間分析以及屬性數(shù)據(jù)庫操作功能，選取江蘇省75個縣級層面的綜合指數(shù)作為聚類樣本變量，采用歐式距離（Euclidean Distance）作為研究樣品疏密程度（差別大?。┲笜?，選擇系統(tǒng)聚類法（Hierarchical Clustering Method）中的離差平均和法（Ward Method）[30]，進行江蘇水稻高溫熱害氣象指數(shù)保險風險綜合區(qū)劃，將江蘇各縣聚為3類，按照綜合風險指數(shù)的大小，分為3個風險等級，分別對應水稻高溫熱害保險低風險區(qū)、中風險區(qū)和高風險區(qū)。

2.3.2 區(qū)劃結果及評述

由江蘇水稻高溫熱害氣象指數(shù)保險風險綜合區(qū)劃結果可見（圖3），低風險區(qū)主要包括淮北和江淮之間東北部地區(qū)；中風險區(qū)主要包括江淮之間西部和沿江蘇南東部地區(qū)；高風險區(qū)主要包括蘇南中西部地區(qū)，保險風險總體呈現(xiàn)“西南高東北低”的特征。

結合不同風險區(qū)中4個保險風險評估因子的分布和統(tǒng)計情況（表2）可以看出，在江蘇水稻高溫熱害氣象指數(shù)保險高風險等級區(qū)，盡管河網(wǎng)密度大，孕災環(huán)境敏感性低，潛在減損能力高，但各縣平均高溫熱害風險度極高，水稻種植暴露度最大，承災體易損性強，減災抗災能力弱，即該區(qū)水稻高溫熱害出現(xiàn)頻繁，對產(chǎn)量影響較大，其保險綜合風險最高，是需要依靠農(nóng)業(yè)保險轉移風險的重點關注區(qū)域。在中風險等級區(qū)，河網(wǎng)密度小，孕災環(huán)境敏感性高，減災抗災能力較強，平均高溫熱害風險度次高，且各縣的高溫熱害風險度差異較大，水稻種植暴露度中等，承災體易損性一般，即該區(qū)水稻高溫熱害發(fā)生較頻繁，作物易損性較小，但一旦有高溫熱害發(fā)生，凡是暴露于災害中的水稻都會遭受很大的產(chǎn)量損失，也是農(nóng)業(yè)保險推廣關注區(qū)域。在低風險等級區(qū)，河網(wǎng)密度中等，孕災環(huán)境敏感性中等，減災抗災能力強，各縣平均高溫熱害風險度極低，水稻種植暴露度低，承災體易損性小，即該區(qū)高溫熱害發(fā)生不頻繁，且該區(qū)減災抗災能力最強，即使發(fā)生高溫熱害，產(chǎn)量波動仍然相對較小，其綜合風險最低。

圖3 江蘇水稻高溫熱害氣象指數(shù)保險風險綜合區(qū)劃

表2 江蘇水稻高溫熱害保險風險評估指數(shù)在不同風險區(qū)的統(tǒng)計結果

3 結論與討論

3.1 結論

（1）通過擬合優(yōu)度分析和檢驗，發(fā)現(xiàn)基于信息擴散的非參數(shù)模型可以較好地估算江蘇各縣水稻孕穗?抽穗揚花階段高溫熱害風險的發(fā)生情況，而三類參數(shù)模型對高溫熱害風險的擬合測算存在誤差。

（2）綜合風險區(qū)劃和評估結果表明，江蘇水稻高溫熱害保險風險呈現(xiàn)“西南高東北低”的特征，與單一保險指數(shù)因子區(qū)劃結果[28]相比，其風險發(fā)生趨勢總體一致，但高風險區(qū)范圍略有縮減，而中風險區(qū)范圍略有擴大。中高風險區(qū)均是需要依靠農(nóng)業(yè)保險轉移風險的重點關注區(qū)域。

3.2 討論

本研究從災害發(fā)生規(guī)律出發(fā)進行風險區(qū)劃評估，相較于從產(chǎn)量損失出發(fā)的風險區(qū)劃，能更好地分離減產(chǎn)率中包含的各種災害和種植水平等信息。此外，在江蘇水稻高溫熱害氣象指數(shù)保險風險綜合區(qū)劃的指數(shù)選擇過程中，除了考慮水稻高溫熱害發(fā)生規(guī)律外，還在一定程度上考慮了水稻種植環(huán)境、生產(chǎn)水平和產(chǎn)量損失情況，以及當?shù)乜篂哪芰Φ牟町悾陀^地體現(xiàn)了保險經(jīng)營原則的要求。尤其是在致災因子危險性、孕災環(huán)境敏感性這兩方面。在致災因子危險性指數(shù)求算中，通過構建與減產(chǎn)率相關聯(lián)的氣象保險指數(shù)來表征風險度，可有效降低“基差”風險；而在孕災環(huán)境敏感性指數(shù)求算中，結合保險區(qū)域特有的水系分布情況，利用河網(wǎng)密度倒數(shù)來表征水稻生產(chǎn)環(huán)境的敏感性，可在一定程度上體現(xiàn)稻田水層覆蓋對高溫熱害影響的減緩作用、水源供應能力以及農(nóng)戶潛在減損能力。

要將氣象指數(shù)保險研究成果推廣落地，不但要從保險公司經(jīng)營管理需求出發(fā)，例如，災害發(fā)生前如何結合當?shù)馗邷責岷Πl(fā)生規(guī)律和造成的水稻產(chǎn)量損失收取合理的保費；災害發(fā)生中如何有效避免農(nóng)戶的道德風險，激勵農(nóng)戶提高潛在減損能力；災害發(fā)生后如何及時進行客觀的賠付，并提高農(nóng)戶的參保積極性和對氣象指數(shù)保險產(chǎn)品的理解能力。因此，構建氣象保險指數(shù)，既需要將作物損失客觀定量化，又要適用于“保險”合同，便于保險條款解讀。為了有效減小“基差”風險，本研究基于Logistic曲線方程構建的水稻高溫熱害保險氣象指數(shù)Z，其計算過程較為復雜，一定程度上會影響保險條款的推廣和實施。實際應用中，可采用中間變量熱害累積量H作為保險氣象指數(shù)來實現(xiàn)相應的保險理賠過程。

當前，針對大宗作物保險的險種仍較為單一，覆蓋面較小，保障水平偏低的情況[31]，本研究結果可以較好地為保險公司和政府部門選擇農(nóng)業(yè)保險試點和推廣縣提供依據(jù)，同時也可為后續(xù)水稻高溫熱害保險產(chǎn)品的設計（如保費的厘定、實際啟動賠付閾值的確定等）提供科學保障。

[1]劉梅,高蘋,王靜苒,等.江蘇夏季逐月高溫日數(shù)與西太平洋海溫場相關分析及預測模型建立[J].氣象,2011,37(12):1553- 1559.

Liu M,Gao P,Wang J R,et al.Study on remote correlation between summer monthly high temperature days in Jiangsu and West Pacific SST and its long-term prediction models[J]. Meteorology Monthy,2011,37(12):1553-1559.(in Chinese)

[2]包云軒,劉維,高蘋,等.氣候變暖背景下江蘇省水稻熱害發(fā)生規(guī)律及其對產(chǎn)量的影響[J].中國農(nóng)業(yè)氣象,2012,33(2): 289-296.

Bao Y X,Liu W,Gao P,et al.Study on characteristics of rice heat damages in Jiangsu Province under the background of climate warming and its influence on the rice yield[J].Chinese Journal of Agrometeorology,2012,33(2):289-296.(in Chinese)

[3]張蕾,侯英雨,楊冰韻,等.長江流域一季稻高溫熱害分布特征及風險分析[J].自然災害學報,2018,27(2):107-115.

Zhang L,Hou Y Y,Yang B Y,et al.Spatial-temporal characteristics and risk analysis of heat stress hazard of single-season rice across Yangtze River reaches[J].Journal of Natural Disasters,2018,27(2):107-115.(in Chinese)

[4]楊舒暢,申雙和,陶蘇林.長江中下游地區(qū)一季稻高溫熱害時空變化及其風險評估[J].自然災害學報,2016,25(2):78-85.

Yang S C,Shen S H,Tao S L.Spatiotemporal variation and risk assessment of single-harvest rice heat injury along the middle and lower reaches of Yangtze River[J].Journal of Natural Disasters,2016,25(2):78-85.(in Chinese)

[5]呂開宇,張崇尚,邢鸝.農(nóng)業(yè)指數(shù)保險的發(fā)展現(xiàn)狀與未來[J].江西財經(jīng)大學學報,2014,(2):62-69.

Lv K Y,Zhang C S,Xing L.Current and future development situation of agricultural index insurance[J].Journal of Jiangxi University of Finance and Economics,2014,(2):62-69.(in Chinese)

[6]陳盛偉.農(nóng)業(yè)氣象指數(shù)保險在發(fā)展中個國家的應用及在我國的探索[J].保險研究,2010,3:82-88.

Chen S W.Application of Agro-meteorological index insurance in developing countries and its exploration in China[J].Insurance Research,2010,3:82-88.(in Chinese)

[7]丁少群,庹國柱.論農(nóng)作物保險區(qū)劃及其理論依據(jù):農(nóng)作物保險區(qū)劃研究之一[J].當代經(jīng)濟科學,1994,(3):64-69.

Ding S Q,Tuo G Z.Discussion on the regionalization of crop insurance and its theoretical basis:study on the regionalization of crop insurance I[J].Contemporary Economic Science,1994,(3): 64-69.(in Chinese)

[8]丁少群,庹國柱.農(nóng)作物保險的危險單位區(qū)劃研究:農(nóng)作物保險區(qū)劃研究之二[J].中國保險管理干部學院學報,1994,6.

Ding S Q, Tuo G Z. Study on risk unit regionalization of crop insurance:study on the regionalization of crop insurance II[J].Journal of China Insurance Management Cadre College,1994,6.(in Chinese)

[9]庹國柱,丁少群.農(nóng)作物保險風險分區(qū)和費率分區(qū)問題的探討[J].中國農(nóng)村經(jīng)濟,1994,(8):43-48.

Tuo G Z,Ding S Q.Discussion on risk zoning and rate zoning of crop insurance[J].Rural Economy in China,1994,(8):43-48. (in Chinese)

[10]Sherrick B J.The accuracy of producers’probability beliefs: evidence and implications for insurance valuation[J]. Journal of Agricultural and Resource Economics,2002, 27(1):77-93.

[11]Ozaki V A,Ghosh S K,Goodwin B K,et al.Spatial-Temporal modeling of agricultural yield data with an application to pricing crop insurance contracts[J].American Journal of Agricultural Economics,2008,90:951-961.

[12] 梁來存.我國糧食作物保險風險區(qū)劃的實證研究[J].山西財經(jīng)大學學報,2010,32(1):65-72.

Liang L C.Empirical study on risk regionalization of food crop insurance in China[J].Journal of Shanxi Finance and Economics University,2010,32(1):65-72.(in Chinese)

[13] 王克,張峭,Shingo Kimura.我國種植業(yè)保險的實施效果:基于5省份574個農(nóng)戶數(shù)據(jù)的模擬分析[J].保險研究,2014,(11): 42-55.

Wang K,Zhang Q,Shingo K.The implementing effect of planting insurance in China: based on the data of 574 farmers in 5 provinces[J].Insurance Research,2014,(11):42-55. (in Chinese)

[14] 韓婷,穆月英.北京市糧食作物保險費率厘定研究[J].中國農(nóng)學通報,2015,31(18):247-255.

Han T,Mu Y Y.Study on determining the insurance rate of grain crops in Beijing[J].Chinese Agricultural Science Bulletin,2015,31(18):247-255.(in Chinese)

[15]陳平,陶建平,趙瑋.基于風險區(qū)劃的農(nóng)作物區(qū)域產(chǎn)量保險費率厘定研究:以湖北中稻縣級區(qū)域產(chǎn)量保險為例[J].自然災害學報,2013,22(2):51-60.

Chen P,Tao J P,Zhao W.Study on premium rate determination of regional crop yield insurance based on risk regionalization:a case study of regional yield insurance of rice in Hubei Province on county level[J].Journal of Natural Disasters,2013,22(2):51-60.(in Chinese)

[16]劉凱文,劉可群,鄧愛娟,等.基于開花期地域差異的中稻高溫熱害天氣指數(shù)保險設計[J].中國農(nóng)業(yè)氣象,2017,38(10): 679-688.

Liu K W,Liu K Q,Deng A J,et al.Weather index insurance design of middle-season rice heat damage based on regional difference of flowering stage[J].Chinese Journal of Agrometeorology,2017,38(10):679-688.(in Chinese)

[17]孫擎,楊再強,殷劍敏,等.江西早稻高溫逼熟氣象災害指數(shù)保險費率的厘定[J].中國農(nóng)業(yè)氣象,2014,35(5):561-566.

Sun Q,Yang Z Q,Yin J M,et al.Estimation of premium rates of high temperature disaster for early rice in Jiangxi[J]. Chinese Journal of Agrometeorology,2014,35(5):561-566. (in Chinese)

[18]方潔,陳家金.福建省春種馬鈴薯寒凍害風險區(qū)劃[J].中國農(nóng)業(yè)氣象,2017,38(12):812-821.

Fang J,Chen J J.Risk regionalization of cold and freezing damage to potato in spring planting region of Fujian Province based on geographic information systems[J].Chinese Journal of Agrometeorology, 2017,38(12):812-821.(in Chinese)

[19]王志春,楊軍,姜曉芳,等.基于GIS的內(nèi)蒙古東部地區(qū)玉米低溫冷害精細化風險區(qū)劃[J].中國農(nóng)業(yè)氣象,2013,34(6): 715-719.

Wang Z C,Yang J,Jiang X F,et al.The refined risk division of maize chilling damage in eastern Inner Mongolia based on GIS[J].Chinese Journal of Agrometeorology,2013,34(6): 715-719.(in Chinese)

[20]邢鵬,高濤,呂開宇,等.北京市蔬菜作物生產(chǎn)風險區(qū)劃研究[J].中國農(nóng)業(yè)資源與區(qū)劃,2008,29(6):55-60.

Xing P,Gao T,Lv K Y,et al.Studies on risk regional planning for fruits and vegetables production in Beijing[J]. Agricultural Resources and Regionalization in China,2008, 29(6):55-60.(in Chinese)

[21]張宗軍.基于綜合風險區(qū)劃的農(nóng)作物產(chǎn)量指數(shù)保險費率厘定:以大豆為例[J].東北農(nóng)業(yè)大學學報(社會科學版),2016, 14(4):1-6.

Zhang Z J.Determination of the premium rate of crop yield index insurance based on comprehensive risk regionalization:a case study of soybean[J].Journal of Northeast Agricultural University (Social Science Edition),2016,14(4):1-6.(in Chinese)

[22]何青華.基于風險區(qū)劃的農(nóng)作物區(qū)域產(chǎn)量保險費率厘定研究:以河南省小麥保險為例[D].鄭州:鄭州大學,2015:1-10.

He Q H.Research on the rate-making of crop area yield insurance based on risk zonation:a case study of wheat insurance in Henan Province[D].Zhengzhou:Zhengzhou University,2015:1-10.(in Chinese)

[23]牛浩,陳盛偉.基于風險區(qū)劃的玉米區(qū)域產(chǎn)量保險費率厘定研究:以山東省17地市為例[J].保險研究,2016,(1):65-75.

Niu H,Chen S W.Insurance rating research based on corn yield of different risk zones-supported by data from 17 cities in Shandong Province[J].Insurance Studies,2016,(1):65-75.(in Chinese)

[24]葉濤,史培軍,王靜愛.種植業(yè)自然災害風險模型研究進展[J].保險研究,2014,(10):12-23.

Ye T,Shi P J,Wang J A.A review on crop natural disaster risk models[J].Insurance Studies,2014,(10):12-23.(in Chinese)

[25]張峭,等.中國農(nóng)作物生產(chǎn)風險評估與區(qū)劃:理論與實踐[M].北京:中國農(nóng)業(yè)科學技術出版,2013:40-42.

Zhang Q,et al.Risk assessment and regionalization of agricultural production in China:theory and practice[M]. Beijing:China Agricultural Science and Technology Press,2013: 40-42.(in Chinese)

[26]謝志清,杜銀,高蘋,等.江淮流域水稻高溫熱害災損變化及應對策略[J].氣象,2013,39(6):774-781.

Xie Z Q,Tu Y,Gao P,et al.Impact of high-temperature on single cropping rice over Yangtze-Huaihe River Valley and response measures[J].Meteorology Monthy,2013,39(6): 774-781.

[27]謝曉金,申雙和,李秉柏,等.抽穗期高溫脅迫對水稻開花結實的影響[J].中國農(nóng)業(yè)氣象,2009,30(2):252-256.

Xie X J,Shen S H,Li B B,et al.Influences of high temperature stress on blooming and seed setting of rice during heading stage[J].Chinese Journal of Agrometeorology,2009,30(2): 252-256.(in Chinese)

[28]任義方,趙艷霞,高蘋,等.江蘇省水稻高溫熱害氣象指數(shù)保險風險區(qū)劃[J].江蘇農(nóng)業(yè)科學,2018,46(19):273-277.

Ren Y F,Zhao Y X,Gao P,et al.Division of meteorological index insurance for rice high temperature disaster in Jiangsu Province[J].Jiangsu Agricultural Science,2018,46(19):273-277. (in Chinese)

[29]宋靜,楊修群,高蘋.江蘇省棉花豐欠年天氣氣候型的對比分析[J].氣象科學,2006,(1):39-46.

Song J,Yang X Q,Gao P.An investigation of weather and climate patterns associated with variations of cotton production in Jiangsu Province[J].Meteorological Science,2006, (1):39-46.(in Chinese)

[30]楊志恒.基于Ward法的區(qū)域空間聚類分析[J].中國人口·資源與環(huán)境,2010,20(3):382-386.

Yang Z H.Region spatial cluster algorithm based on ward method[J].China Population,Resources and Environment,2010, 20(3):382-386.(in Chinese)

[31]鄭艷紅.充分利用農(nóng)業(yè)保險政策降低農(nóng)業(yè)生產(chǎn)經(jīng)濟損失[J].吉林農(nóng)業(yè),2018,(24):46.

Zheng Y H.Making full use of agricultural insurance policy to reduce economic loss of agricultural production[J].Jilin Agriculture,2018,(24):46.(in Chinese)

Comprehensive Risk Regionalization of Meteorological Index Insurance for High Temperature Heat Damage of Rice in Jiangsu Province

REN Yi-fang1, ZHAO Yan-xia2, ZHANG Xu-hui1, WANG Ping3, HE Lang3

(1. Jiangsu Meteorological Service Center, Nanjing 210008, China; 2. Chinese Academy of Meteorological Sciences, Beijing 100081; 3. Jiangsu Meteorological Bureau, Nanjing 210008)

Taking Jiangsu as an example, based on logistic curve equation, historical meteorological data and rice yield observations from 1980 to 2015 was used to construct the meteorological index of high temperature heat hazard insurance. After that, three parametric models included normal distribution, normal logarithmic distribution and Weibull distribution and non-parametric model based on information diffusion method were used to fit the occurrence probability of high temperature heat damage in rice. Through goodness-of-fit test, it was found that the non-parametric model could better estimate the probability of high temperature heat damage occurred during booting to heading and flowering stages of rice in each county of Jiangsu Province. Furthermore, combined with the optimal fitting model, considering the operational needs of agricultural insurance, the corresponding evaluation index was determined, while the comprehensive index was constructed from four aspects: the risk of disaster-causing factors, the sensitivity of disaster-pregnant environment, the vulnerability of disaster-bearing bodies and the ability of disaster prevention and mitigation. Based on that, cluster analysis was used to carry out the comprehensive risk zoning of high temperature heat injury insurance for rice at county level. Through evaluation and analysis of the zoning result, it was found that the risk of high temperature heat injury insurance of rice in Jiangsu presented the characteristics of ＂high in the southwest and low in the northeast＂. At the same time, it also pointed out that the moderate and high risk areas were the key regions which need to rely on agricultural insurance to transfer the risk.

Rice; High temperature disaster; Index insurance; Model; Risk division and assessment

10.3969/j.issn.1000-6362.2019.06.006

收稿日期：2018?11?13

通訊作者。E-mail：zhaoyanxia@cma.gov.cn

中國氣象科學研究院科技發(fā)展基金項目“降低天氣指數(shù)保險基差風險的研究”（2018KJ014）；江蘇省氣象局青年基金項目“水稻高溫熱害氣象指數(shù)保險研究與設計”（Q201607）；“小麥赤霉病氣象指數(shù)保險研究與設計”（KQ201807）

任義方（1986?），女，碩士，工程師，主要從事農(nóng)業(yè)氣象研究和服務工作。E-mail：renyifang2006@126.com

任義方,趙艷霞,張旭暉,等.江蘇水稻高溫熱害氣象指數(shù)保險風險綜合區(qū)劃[J].中國農(nóng)業(yè)氣象,2019,40(6):391-401