水稻保險(xiǎn)氣象保險(xiǎn)指數(shù)研究

董京銘 張銀意 陳江文 郝玲 史達(dá)偉

摘要：以江蘇省連云港市近30年水稻單產(chǎn)以及近30年來(lái)的氣象要素，利用5年直線(xiàn)滑動(dòng)均值法，分離出氣象產(chǎn)量，并將氣象產(chǎn)量與各種氣象要素進(jìn)行相關(guān)性檢驗(yàn)，根據(jù)相關(guān)性結(jié)果選取日照時(shí)數(shù)作為農(nóng)業(yè)氣象保險(xiǎn)指數(shù)因子，投保時(shí)間選取水稻對(duì)日照最敏感的抽穗開(kāi)花期與灌漿成熟期，同時(shí)建立水稻減產(chǎn)率與寡照時(shí)數(shù)的關(guān)系模型。再依據(jù)連云港市各區(qū)縣日照氣象數(shù)據(jù)，采用Weibull 分布模型模擬不同地區(qū)發(fā)生寡照氣象災(zāi)害的概率，結(jié)合減產(chǎn)率模型確定不同災(zāi)害觸發(fā)等級(jí)下保險(xiǎn)純費(fèi)率。結(jié)果表明，連云港市各區(qū)縣水稻減產(chǎn)率與寡照時(shí)數(shù)呈三次函數(shù)關(guān)系;其中灌云灌南發(fā)生寡照災(zāi)害概率較高，而贛榆最低;連云港市各區(qū)縣寡照氣象災(zāi)害指數(shù)保險(xiǎn)純費(fèi)率呈南高北低的趨勢(shì)，灌南地區(qū)的純費(fèi)率最高，在輕度災(zāi)害賠付觸發(fā)等級(jí)下，純費(fèi)率高達(dá)8.32%，而贛榆地區(qū)的純費(fèi)率最低，僅為2.98%。研究認(rèn)為在中度或中重度災(zāi)害觸發(fā)等級(jí)下純費(fèi)率較適宜，研究結(jié)果可為連云港市各區(qū)縣水稻開(kāi)展政策性氣象指數(shù)保險(xiǎn)提供科學(xué)依據(jù)。

關(guān)鍵詞：寡照氣象災(zāi)害;氣象指數(shù)保險(xiǎn);純費(fèi)率;Weibull 分布;連云港市

中圖分類(lèi)號(hào)：S511;F842.6?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2020）07-0126-05

DOI：10.14088/j.cnki.issn0439-8114.2020.07.026

Abstract： Based on the rice yield per unit area in Lianyungang in the past 30 years and the meteorological elements in the past 30 years，using the 5-year linear sliding average，the meteorological yield was separated，the correlation between meteorological yield and various meteorological factors was tested. According to the correlation results，sunshine was selected as the agrometeorological insurance index factor，and the most sensitive period of heading，flowering and grain-filling maturity of rice were selected，at the same time，the relationship model between the yield reduction rate and the duration of low illumination was established. Then，based on the sunshine meteorological data of each district and county in Lianyungang，the Weibull distribution model was used to simulate the probability of the occurrence of the under-illumination meteorological disaster in different areas，and the yield reduction model was used to determine the pure premium rate under different disaster triggering levels. The results showed that the yield reduction rate of rice in Lianyungang was a function of three times with the number of days of low illumination，among which the probability of occurrence of low illumination disaster was higher in irrigated Guanyun，Guannan and lowest in Ganyu district，and the pure premium rate of meteorological disaster index insurance in Lianyungang was higher in south than in north，guannan County has the highest net rate，at 8.32 per cent on the light disaster payment trigger scale，while Ganyu district has the lowest，at 2.98%. The results of this study can provide scientific basis for the development of policy-based meteorological index insurance for rice in Lianyungang.

Key words： oligotropic meteorological disaster; meteorological index insurance; pure premium rate; Weibull distribution; Lianyungang city

水稻是重要的糧食作物之一，生長(zhǎng)發(fā)育與產(chǎn)量構(gòu)成受到氣象因子變化的影響。影響水稻的氣象因子主要有降水、溫度、光照等。近年來(lái)，部分省份積極推廣政策性農(nóng)業(yè)保險(xiǎn)[1，2]，而隨著蘇南、蘇中地區(qū)耕地面積減少速度增快，連云港市乃至整個(gè)蘇北地區(qū)在全省糧食生產(chǎn)中的戰(zhàn)略性地位日益突出，因此將氣象災(zāi)害造成的水稻減產(chǎn)損失通過(guò)保險(xiǎn)的方式為農(nóng)民提供補(bǔ)償，以轉(zhuǎn)移災(zāi)害風(fēng)險(xiǎn)，彌補(bǔ)農(nóng)民的損失，提高種植積極性將變得尤為重要。但政策性農(nóng)業(yè)保險(xiǎn)以實(shí)際災(zāi)害損失為賠付依據(jù)，要經(jīng)過(guò)復(fù)雜的環(huán)節(jié)后，才能獲得賠付，包括查險(xiǎn)、定損、理賠、估價(jià)等。賠付過(guò)程存在明顯缺陷，包括滯后性與道德風(fēng)險(xiǎn)[3，4]等問(wèn)題。而天氣指數(shù)保險(xiǎn)基于氣象觀(guān)測(cè)實(shí)況資料，客觀(guān)評(píng)價(jià)氣象災(zāi)害的強(qiáng)度，預(yù)估災(zāi)害損失，具有客觀(guān)公正、快速理賠等優(yōu)點(diǎn)，適用于針對(duì)單一農(nóng)業(yè)氣象災(zāi)害的保險(xiǎn)產(chǎn)品設(shè)計(jì)[5，6]。國(guó)外自20 世紀(jì)90 年代開(kāi)始研究天氣指數(shù)，目前其產(chǎn)品已得到廣泛應(yīng)用。加拿大、印度、美國(guó)和墨西哥等分別將天氣指數(shù)保險(xiǎn)應(yīng)用于玉米、花生、煙草種植和制冷取暖等行業(yè)。同時(shí)，美國(guó)、墨西哥、南非和阿根廷采用氣象指數(shù)保險(xiǎn)來(lái)規(guī)避高溫?zé)岷?、低溫凍害、暴雨等極端天氣事件給農(nóng)業(yè)、畜牧業(yè)、種植業(yè)、金融業(yè)等造成的風(fēng)險(xiǎn)[7-9]。婁偉平等[10]設(shè)計(jì)了水稻暴雨災(zāi)害指數(shù)保險(xiǎn)和柑橘凍害氣象指數(shù)保險(xiǎn)，楊太明等[11]設(shè)計(jì)了安徽冬小麥種植保險(xiǎn)天氣指數(shù)，劉映寧等[12]設(shè)計(jì)了陜西蘋(píng)果凍害農(nóng)業(yè)保險(xiǎn)風(fēng)險(xiǎn)指數(shù)，孫鵬[13]設(shè)計(jì)了山東省冬小麥的干旱指數(shù)保險(xiǎn)和降雨量賠付指數(shù)模型，于寧寧[14]介紹了長(zhǎng)豐縣水稻種植天氣指數(shù)保險(xiǎn)，任義方[15]對(duì)河南省冬小麥進(jìn)行了風(fēng)險(xiǎn)區(qū)劃以及純費(fèi)率計(jì)算。目前，關(guān)于連云港市水稻保險(xiǎn)氣象指數(shù)報(bào)道較少見(jiàn)。本研究首先對(duì)連云港市近30年來(lái)水稻產(chǎn)量與氣象因子相關(guān)性進(jìn)行分析，再依據(jù)相關(guān)性研究結(jié)果，選出合適的氣象因子，作為考慮氣象保險(xiǎn)指數(shù)的主要指標(biāo)，最后利用Weibull 分布模型模擬災(zāi)害發(fā)生概率，并計(jì)算不同災(zāi)害等級(jí)下水稻氣象指數(shù)保險(xiǎn)的純費(fèi)率，以期為制定水稻氣象指數(shù)保險(xiǎn)產(chǎn)品、拓展農(nóng)業(yè)保險(xiǎn)領(lǐng)域、降低水稻種植風(fēng)險(xiǎn)、確保農(nóng)戶(hù)利益、保障糧食生產(chǎn)安全提供理論支持。

1?材料與方法

1.1?氣象資料

氣象數(shù)據(jù)來(lái)自連云港市氣象局，分別為1975—2017年的逐日最高氣溫、日最低氣溫、日平均氣溫、降水量、日照時(shí)數(shù)。

1.2?農(nóng)業(yè)資料

水稻單產(chǎn)數(shù)據(jù)來(lái)源于連云港市統(tǒng)計(jì)局，分別為1975—2017 年水稻總產(chǎn)量和種植面積，根據(jù)水稻產(chǎn)量與種植面積計(jì)算水稻的單位面積產(chǎn)量，選擇單產(chǎn)可以消除種植面積變化帶來(lái)產(chǎn)量變化問(wèn)題。

1.3?數(shù)據(jù)處理

1.3.1?氣象數(shù)據(jù)處理?通過(guò)統(tǒng)計(jì)原始?xì)庀髷?shù)據(jù)，并根據(jù)水稻生育期（水稻生育期見(jiàn)表1，分為6個(gè)生育階段），利用Matlap分別統(tǒng)計(jì)1975—2017年各生育期內(nèi)平均最高氣溫、平均最低氣溫、降水量、日照時(shí)數(shù)以及溫差。

1.3.2?農(nóng)業(yè)資料處理?研究長(zhǎng)時(shí)間序列的作物產(chǎn)量與氣候因子關(guān)系時(shí)，一般把作物的產(chǎn)量分解為趨勢(shì)產(chǎn)量、氣候產(chǎn)量和隨機(jī)誤差3部分，但實(shí)際研究中一般將隨機(jī)誤差忽略，趨勢(shì)產(chǎn)量是反映歷史時(shí)期生產(chǎn)力發(fā)展水平的長(zhǎng)周期產(chǎn)量分量，主要受地理環(huán)境、水肥、品種和生產(chǎn)力水平等影響，一般情況下，社會(huì)生產(chǎn)力的提高是主要因素，因此趨勢(shì)產(chǎn)量一般呈上升趨勢(shì)。氣象產(chǎn)量是受氣象因子變化而影響的產(chǎn)量分量部分 [16]。

實(shí)際產(chǎn)量=氣象產(chǎn)量+趨勢(shì)產(chǎn)量 （1）

一般利用相對(duì)氣象產(chǎn)量來(lái)判斷氣象條件對(duì)產(chǎn)量是否有利。

[相對(duì)氣象產(chǎn)量=實(shí)際產(chǎn)量-趨勢(shì)產(chǎn)量實(shí)際產(chǎn)量] （2）

趨勢(shì)產(chǎn)量的計(jì)算用5年直線(xiàn)滑動(dòng)均值法模擬。這種方法是線(xiàn)性回歸與滑動(dòng)平均相結(jié)合的模擬，它將作物產(chǎn)量的時(shí)間序列在某個(gè)階段內(nèi)的變化看作線(xiàn)性函數(shù)，隨著階段的連續(xù)滑動(dòng)，直線(xiàn)不斷變換位置，后延滑動(dòng)，從而反映產(chǎn)量歷史演變趨勢(shì)。依次建立各階段內(nèi)的直線(xiàn)回歸模型，各時(shí)間點(diǎn)上的各直線(xiàn)滑動(dòng)回歸模擬值的平均即為趨勢(shì)產(chǎn)量。

當(dāng)相對(duì)氣象產(chǎn)量為負(fù)值時(shí)，表示當(dāng)時(shí)的氣象條件不利于作物的生長(zhǎng)，造成作物減產(chǎn)，則可用其值表示該年減產(chǎn)率。水稻產(chǎn)量自身存在一定的波動(dòng)，此波動(dòng)可能是由于其他人為等因素造成。根據(jù)前人研究結(jié)果，當(dāng)減產(chǎn)率絕對(duì)值小于5% 時(shí)，氣象災(zāi)害對(duì)產(chǎn)量并無(wú)明顯影響，當(dāng)減產(chǎn)率絕對(duì)值大于5%時(shí)，才定義該年作物出現(xiàn)減產(chǎn)。

1.3.3?災(zāi)害發(fā)生概率模擬?對(duì)于災(zāi)害性天氣事件，重點(diǎn)研究不在于整體分布，而是超過(guò)某一閾值的尾部分布，采用極值理論分析導(dǎo)致極端天氣結(jié)果的氣象風(fēng)險(xiǎn)的尾部分布較為合適。因此利用Weibull 分布模型可以較好地模擬出氣象災(zāi)害的分布。

式中，F(xiàn)（x）為氣象災(zāi)害發(fā)生概率，x為災(zāi)害發(fā)生強(qiáng)度，[α]為Weibull 分布的形狀參數(shù)，[β]為尺度參數(shù)。Weibull 分布的參數(shù)計(jì)算采用極大似然估計(jì)法（MLE）[17]。

1.3.4?保險(xiǎn)純費(fèi)率?通過(guò)統(tǒng)計(jì)各縣歷年水稻災(zāi)害氣象指數(shù)和災(zāi)害產(chǎn)量損失模型，可獲得歷年氣象災(zāi)害減產(chǎn)率序列和氣象災(zāi)害概率分布序列，分別計(jì)算連云港市各區(qū)縣的保險(xiǎn)純費(fèi)率R（%），即純保費(fèi)占保險(xiǎn)金額的比例[18]。

1.3.5?數(shù)據(jù)擬合與制圖?利用SPSS19. 0進(jìn)行減產(chǎn)率擬合模型建立以及Weibull分布圖的模擬制作，Excel 2010 進(jìn)行數(shù)據(jù)處理以及制圖，ArcGIS10.1制作連云港市保險(xiǎn)純費(fèi)率分布圖。

2?結(jié)果與分析

2.1?水稻氣象災(zāi)害損失模型構(gòu)建

2.1.1?天氣指數(shù)氣象因子選取?將水稻歷年的產(chǎn)量與氣象因子做相關(guān)性檢驗(yàn)后發(fā)現(xiàn)，水稻產(chǎn)量的變化與日照時(shí)數(shù)關(guān)系最為密切。由表2可以看出，水稻抽穗開(kāi)花期、灌漿成熟期的日照時(shí)數(shù)與水稻產(chǎn)量關(guān)系最為密切，在連云港市區(qū)與4縣均顯著相關(guān)（P<0.05），其中在個(gè)別地區(qū)達(dá)到極顯著相關(guān)（P<0.01），降水量、溫度等因子與產(chǎn)量也有一定的相關(guān)性，但相關(guān)性比日照時(shí)數(shù)弱，且降水及溫度等氣象因素可由人工控制，因此選取日照時(shí)數(shù)作為天氣指數(shù)保險(xiǎn)因子較為合適，根據(jù)研究結(jié)果保險(xiǎn)適宜投保時(shí)段選擇抽穗開(kāi)花期以及灌漿成熟期。

2.1.2?減產(chǎn)率的計(jì)算?利用連云港市統(tǒng)計(jì)局水稻產(chǎn)量數(shù)據(jù)，根據(jù)式（1）和式（2）可得不同日照時(shí)數(shù)下水稻減產(chǎn)率，然后繪制減產(chǎn)率（X）與日照時(shí)數(shù)（x）散點(diǎn)圖（圖1）。由圖1可知，水稻減產(chǎn)率與日照時(shí)數(shù)的擬合方程為

2.1.3?寡照時(shí)數(shù)的災(zāi)害等級(jí)劃分?根據(jù)研究結(jié)果，抽穗開(kāi)花期以及灌漿成熟期即每年的8月下旬至10月上旬為日照時(shí)數(shù)對(duì)產(chǎn)量影響的重要時(shí)刻，若該日期內(nèi)日照總時(shí)數(shù)低于135 h，即形成寡照日照條件。

為簡(jiǎn)化純費(fèi)率計(jì)算，以及便于保險(xiǎn)公司進(jìn)行保險(xiǎn)產(chǎn)品的設(shè)計(jì)及理賠的進(jìn)行，按照寡照時(shí)數(shù)以及減產(chǎn)率的梯度劃分寡照氣象災(zāi)害等級(jí)（Weak light level，WLL），將水稻寡照氣象災(zāi)害分為輕度、中度、中重度、重度災(zāi)害4個(gè)等級(jí)（表3），其中不同寡照等級(jí)的平均減產(chǎn)率根據(jù)該等級(jí)對(duì)應(yīng)的日照時(shí)數(shù)，按式（5） 計(jì)算得到不同日照時(shí)數(shù)下減產(chǎn)率，再求得該等級(jí)下不同日照時(shí)數(shù)的減產(chǎn)率，計(jì)算其算數(shù)平均值，得到該等級(jí)下的平均減產(chǎn)率。根據(jù)當(dāng)?shù)貧庀笳緮?shù)據(jù)寡照災(zāi)害等級(jí)指標(biāo)，當(dāng)寡照氣象條件達(dá)到某一級(jí)指數(shù)時(shí)，即寡照時(shí)數(shù)低于某一等級(jí)時(shí)，啟動(dòng)賠付[19]。

2.2?連云港市各區(qū)縣寡照等級(jí)的概率分布

根據(jù)連云港市不同地區(qū)歷年各生育期日照時(shí)數(shù)對(duì)水稻產(chǎn)量影響的統(tǒng)計(jì)研究，確定選取各站1975—2017 年每年8月下旬至10月上旬的日照時(shí)數(shù)資料，統(tǒng)計(jì)寡照氣象災(zāi)害不同等級(jí)（HTL） 發(fā)生的次數(shù)及頻率，利用極大似然估計(jì)法計(jì)算最符合實(shí)際情況的形狀參數(shù)和尺度參數(shù)，并根據(jù)公式（3）進(jìn)行Weibull 分布的擬合，最終得到每個(gè)區(qū)縣寡照時(shí)數(shù)的Weibull 分布及其形狀參數(shù)α和尺度參數(shù)β，如圖2 所示。