基于危險(xiǎn)性評估的福建省茶葉寒凍害保險(xiǎn)費(fèi)率厘定*

陶紅超, 陳家金, 陳志彪, 黃川容, 孫朝鋒, 吳 立

基于危險(xiǎn)性評估的福建省茶葉寒凍害保險(xiǎn)費(fèi)率厘定*

陶紅超1, 陳家金2,3**, 陳志彪1, 黃川容2, 孫朝鋒2, 吳 立2

(1. 福建師范大學(xué)濕潤亞熱帶生態(tài)地理過程教育部重點(diǎn)實(shí)驗(yàn)室/福建師范大學(xué)地理科學(xué)學(xué)院 福州 350007; 2. 福建省氣象服務(wù)中心 福州 350001; 3. 福建省災(zāi)害天氣重點(diǎn)實(shí)驗(yàn)室 福州 350001)

為了提高福建省復(fù)雜地形下不同風(fēng)險(xiǎn)區(qū)的茶葉寒凍害保險(xiǎn)費(fèi)率設(shè)計(jì)的合理性, 首先利用福建省歷年氣象數(shù)據(jù)、茶葉產(chǎn)量和災(zāi)情資料, 計(jì)算茶葉不同寒凍害等級的減產(chǎn)率和出現(xiàn)概率, 以此確定不同縣域的茶葉寒凍害保險(xiǎn)純費(fèi)率及基準(zhǔn)費(fèi)率, 再結(jié)合寒凍害危險(xiǎn)性區(qū)劃, 確定不同風(fēng)險(xiǎn)區(qū)域不同觸發(fā)條件下的區(qū)域保險(xiǎn)費(fèi)率。結(jié)果表明: 福建省茶葉在極端低溫4 ℃以下的保險(xiǎn)觸發(fā)條件下, 西北部區(qū)域海拔200 m以下、200~600 m、600~900 m和900 m以上地域保險(xiǎn)費(fèi)率分別為1.4%、4.5%、7.2%和10.2%; 東北部區(qū)域海拔200 m以下、200~600 m、600~900 m和900 m以上的地域保險(xiǎn)費(fèi)率分別為0.9%、2.6%、4.8%和6.4%; 西南部區(qū)域海拔300 m以下、300~700 m、700~1 100 m和1 100 m以上的地域保險(xiǎn)費(fèi)率分別為0.5%、2.3%、4.0%和5.5%; 東南部區(qū)域海拔300 m以下、300~700 m、700~1 100 m和1 100 m以上的地域保險(xiǎn)費(fèi)率分別為0.5%、1.9%、3.9%和5.4%?？傮w上看, 區(qū)域保險(xiǎn)費(fèi)率隨著地理位置北移和海拔高度的增加而增加, 研究成果可為福建省茶葉寒凍害指數(shù)保險(xiǎn)產(chǎn)品的設(shè)計(jì)提供費(fèi)率精算的技術(shù)支持。

茶葉保險(xiǎn); 寒凍害; 危險(xiǎn)性區(qū)劃; 差異費(fèi)率

茶葉()是福建省的主要經(jīng)濟(jì)作物, 除沿海的兩個(gè)縣外, 其余各縣均有茶葉種植, 2018年茶葉種植面積21.09萬hm2, 產(chǎn)量41.83萬t, 居全國第一位, 茶產(chǎn)業(yè)已成為福建千億元產(chǎn)業(yè)鏈, 是農(nóng)民收入和地方經(jīng)濟(jì)的主要來源之一[1-2]。但是, 寒凍害常造成茶葉生產(chǎn)的巨大損失, 如2010年3月受強(qiáng)冷空氣影響, 福建省約6萬hm2的茶園遭受不同程度的寒凍害, 尤其是高海拔茶區(qū)新長出的芽、葉嚴(yán)重受凍, 幾乎無春茶可采, 導(dǎo)致許多茶農(nóng)遭受巨大損失; 同時(shí)由于缺乏茶葉保險(xiǎn), 茶農(nóng)無法得到損失補(bǔ)償[3-5]。因此開展茶葉寒凍害保險(xiǎn)勢在必行, 但傳統(tǒng)農(nóng)業(yè)保險(xiǎn)存在逆向選擇、道德風(fēng)險(xiǎn)、理賠效率低、災(zāi)損評估誤差大等問題[6-8], 而農(nóng)業(yè)氣象指數(shù)保險(xiǎn)是農(nóng)業(yè)保險(xiǎn)的一種創(chuàng)新性產(chǎn)品, 它以客觀的氣象觀測資料為依據(jù), 以特定的農(nóng)業(yè)氣象指標(biāo)作為觸發(fā)機(jī)制, 把天氣氣候條件對農(nóng)作物損害程度指數(shù)化, 克服了信息不對稱問題, 有利于減少逆選擇, 防范道德風(fēng)險(xiǎn)。目前亟需開展茶葉寒凍害保險(xiǎn)費(fèi)率等關(guān)鍵技術(shù)研究, 這將為指數(shù)保險(xiǎn)創(chuàng)新產(chǎn)品設(shè)計(jì)奠定基礎(chǔ)。

在農(nóng)業(yè)氣象指數(shù)保險(xiǎn)研究與應(yīng)用方面, 目前國外主要集中在氣象指數(shù)保險(xiǎn)理論方法、天氣指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)、應(yīng)用與評估等方面, 一些國家開展了氣象指數(shù)保險(xiǎn)研究, 如墨西哥、美國等國開展了農(nóng)業(yè)旱澇災(zāi)害的降水指數(shù)保險(xiǎn)研究與應(yīng)用, 南非開展了蘋果()霜凍的氣象指數(shù)保險(xiǎn), 印度農(nóng)業(yè)保險(xiǎn)公司開展了咖啡()、芒果()等經(jīng)濟(jì)作物干旱的降水指數(shù)保險(xiǎn)等[9-10]。在農(nóng)作物保險(xiǎn)費(fèi)率厘定方法方面, 主要采用經(jīng)驗(yàn)費(fèi)率法和單產(chǎn)分布模型法[11-12]: Ozaki等[13]以縣級數(shù)據(jù)為單位, 使用參數(shù)法和非參數(shù)法計(jì)算巴拉那州農(nóng)作物的保險(xiǎn)費(fèi)率; Turvey等[14]運(yùn)用蒙特卡羅模型估計(jì)對葡萄()產(chǎn)量有主要影響的天氣指數(shù)保險(xiǎn)費(fèi)率, 不考慮海拔、地理位置等因素; Marletto等[15]利用Wofost模型對意大利小麥()產(chǎn)量進(jìn)行實(shí)證研究; Lu等[16]通過檢驗(yàn)Johnson分布的靈活性精算保險(xiǎn)費(fèi)率。國內(nèi)農(nóng)業(yè)氣象指數(shù)保險(xiǎn)研究開始較晚, 一些學(xué)者采用統(tǒng)計(jì)歷年作物產(chǎn)量資料, 選取擬合程度較好的分布模型(如信息擴(kuò)散模型、非參數(shù)核密度估計(jì)等)[17-21], 分析作物歉年減產(chǎn)率與氣象災(zāi)害之間的關(guān)系, 最終確定出合理的指數(shù)保險(xiǎn)費(fèi)率; 楊太明等[22]、王春乙等[23]、婁偉平等[24-25]、陳盛偉等[26]、孫擎等[27]、楊平等[28]分別開展了安徽冬小麥氣象災(zāi)害、海南芒果寒害、浙江茶葉霜凍、山東蘋果低溫凍害、江西水稻()熱害、黃淮海玉米()干旱的研究, 但厘定的保險(xiǎn)費(fèi)率大多是以縣域?yàn)閱卧慕y(tǒng)一費(fèi)率, 未能體現(xiàn)縣域內(nèi)不同地形下的區(qū)域費(fèi)率差異。

因此, 本文以福建茶葉寒凍害指數(shù)保險(xiǎn)為研究對象, 通過分析各種植縣茶葉主要品種的生長發(fā)育期和寒凍害主要致災(zāi)時(shí)段, 將極端最低氣溫作為寒凍害氣象保險(xiǎn)指數(shù), 確定茶葉寒凍害氣象條件與減產(chǎn)率之間的量化關(guān)系, 計(jì)算茶葉不同等級寒凍害減產(chǎn)率和出現(xiàn)概率, 厘定不同區(qū)域不同觸發(fā)條件下的寒凍害指數(shù)保險(xiǎn)純費(fèi)率和基準(zhǔn)保險(xiǎn)費(fèi)率, 并引入寒凍害風(fēng)險(xiǎn)評估指數(shù), 確定出區(qū)域風(fēng)險(xiǎn)系數(shù), 修訂保險(xiǎn)費(fèi)率, 得到差別費(fèi)率, 使保險(xiǎn)費(fèi)率更準(zhǔn)確地反映具體區(qū)域的茶葉寒凍害受災(zāi)情況, 改變省內(nèi)不同等級風(fēng)險(xiǎn)區(qū)使用相同費(fèi)率的現(xiàn)狀, 實(shí)現(xiàn)不同海拔、不同地理位置、不同地形條件下福建省茶葉種植區(qū)保險(xiǎn)費(fèi)率的科學(xué)厘定, 以期為福建復(fù)雜地形下的茶葉寒凍害指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)提供關(guān)鍵技術(shù)支撐。

1 資料與方法

1.1 研究區(qū)概況

福建省地處我國東南沿海, 跨中、南亞熱帶, 屬亞熱帶海洋性季風(fēng)氣候, 境內(nèi)地形復(fù)雜, 多山、丘陵起伏, 地形氣候多樣[29]。同時(shí)福建是我國茶葉主產(chǎn)區(qū), 有著適宜茶樹生長的自然條件, 但受氣候、地理位置和地形等綜合影響, 在春茶萌芽至采摘期間, 常遭受強(qiáng)冷空氣影響, 導(dǎo)致茶樹芽、葉等組織器官遭受寒凍害, 造成茶葉生產(chǎn)遭受巨大損失, 而茶葉寒凍害保險(xiǎn)的缺失, 也使茶農(nóng)開展茶葉災(zāi)后恢復(fù)生產(chǎn)及政府扶持茶葉救災(zāi)受到不同程度影響。

1.2 資料來源

氣象資料來源于福建省氣象局提供的地面觀測數(shù)據(jù), 極端最低氣溫?cái)?shù)據(jù)采用全省63個(gè)縣(區(qū))1971—2018年春茶萌芽至采摘期(3月1日至5月10日)的歷年觀測數(shù)據(jù); 氣象災(zāi)害資料來源于福建省氣候公報(bào)及歷年災(zāi)情調(diào)查數(shù)據(jù); 茶葉種植面積和產(chǎn)量數(shù)據(jù)來源于歷年《福建省農(nóng)村統(tǒng)計(jì)年鑒》, 單產(chǎn)量數(shù)據(jù)采用63個(gè)縣(區(qū))1991—2018年統(tǒng)計(jì)數(shù)據(jù); DEM、行政邊界等地理信息資料來源于“數(shù)字福建”提供的1∶250 000基礎(chǔ)地理背景資料。

1.3 研究方法

1.3.1 寒凍害減產(chǎn)率和出現(xiàn)概率

由于茶樹樹體本身較為耐寒, 福建除極少數(shù)冬季嚴(yán)寒年份造成茶樹受災(zāi)外, 大部分年份的冬季寒凍害對樹體影響有限, 而寒凍害對福建茶葉危害最大的是春季晚霜凍, 主要危害春茶萌芽至采摘期間的幼芽、嫩葉等組織器官, 會(huì)造成茶青受害, 甚至絕收。因此, 根據(jù)福建茶葉主栽品種, 即中晚熟品種的物候期, 將茶葉寒凍害保險(xiǎn)時(shí)段界定在3月1日至5月10日, 并根據(jù)指數(shù)保險(xiǎn)指標(biāo)簡單且易為保戶理解接受的原則, 以保險(xiǎn)時(shí)段的極端最低氣溫作為寒凍害保險(xiǎn)觸發(fā)指標(biāo), 同時(shí)考慮茶樹不同品種的幼芽、嫩葉等組織器官寒凍害氣象指標(biāo)差異性不大的情況, 設(shè)計(jì)4 ℃以下每隔1 ℃區(qū)間的寒凍害保險(xiǎn)氣象等級。

采用氣象產(chǎn)量序列分離法模擬計(jì)算歷年茶葉趨勢產(chǎn)量和相對氣象產(chǎn)量(w)[30], 利用正交多項(xiàng)式方法計(jì)算趨勢產(chǎn)量, 再根據(jù)式(1)計(jì)算出相對氣象產(chǎn)量, 篩選出歉年(w≤0)年份, 并剔除其他氣象災(zāi)害(如干旱、連陰雨等)影響的年份, 將寒凍害影響年的相對氣象產(chǎn)量作為茶葉減產(chǎn)率, 建立各縣茶葉減產(chǎn)率與極端最低氣溫之間的回歸模型, 進(jìn)而應(yīng)用該模型計(jì)算各等級指標(biāo)的區(qū)間減產(chǎn)率和平均減產(chǎn)率。

式中:為茶葉實(shí)際單產(chǎn)量,t為趨勢產(chǎn)量,w為相對氣象產(chǎn)量。

根據(jù)茶葉寒凍害保險(xiǎn)氣象等級, 統(tǒng)計(jì)各縣歷年茶葉萌芽至采摘期出現(xiàn)的頻次, 按照式(2)計(jì)算福建省各縣茶葉不同等級寒凍害出現(xiàn)的概率, 確定不同茶葉種植縣不同等級茶葉寒凍害的出現(xiàn)概率。

π=n/100% (2)

式中:π為不同寒凍害等級的出現(xiàn)概率,為不同等級低溫出現(xiàn)年數(shù),為統(tǒng)計(jì)樣本的總年數(shù)。

1.3.2 致災(zāi)危險(xiǎn)性指數(shù)

首先, 根據(jù)茶區(qū)歷年氣象資料, 計(jì)算春茶萌芽至采摘期間(3月1日至5月10日)不同等級的寒凍害發(fā)生頻次, 并基于不同縣域單元不同等級寒凍害發(fā)生頻次, 構(gòu)建茶葉寒凍害危險(xiǎn)性評估的特征矩陣, 采用熵權(quán)法和層次分析法融合計(jì)算權(quán)重的方法, 確定出不同寒凍害等級指標(biāo)的綜合權(quán)重[31-33]。

式中:a為熵權(quán)重,ω為層次分析權(quán)重,σ為綜合權(quán)重。

其次, 采用加權(quán)系數(shù)法計(jì)算不同評估單元的寒凍害危險(xiǎn)性指數(shù)。

式中:λ為寒凍害危險(xiǎn)性指數(shù),是評價(jià)指標(biāo)個(gè)數(shù),是評估單元數(shù),σ為第個(gè)等級指標(biāo)的綜合權(quán)重,P為寒凍害輕度、中度、重度和嚴(yán)重4個(gè)等級評價(jià)指標(biāo)在第個(gè)評估單元出現(xiàn)的特征值。

1.3.3 保險(xiǎn)費(fèi)率的厘定方法

首先, 根據(jù)確定的茶葉寒凍害不同等級指標(biāo)區(qū)間, 將不同等級的平均減產(chǎn)率及出現(xiàn)概率相乘, 再將各等級的純費(fèi)率進(jìn)行累加, 得出各縣域的茶葉寒凍害保險(xiǎn)純費(fèi)率。

純費(fèi)率計(jì)算公式:

式中:為純費(fèi)率,(Loss)為產(chǎn)量損失的數(shù)學(xué)期望(預(yù)期損失),為寒凍害等級數(shù)量,x為某等級平均減產(chǎn)率,π為某等級指標(biāo)出現(xiàn)概率。

其次, 結(jié)合考慮保險(xiǎn)公司在開展保險(xiǎn)業(yè)務(wù)時(shí)需要的費(fèi)用、利潤及風(fēng)險(xiǎn)附加, 按照式(6)計(jì)算得出各縣域不同觸發(fā)條件下的基準(zhǔn)保險(xiǎn)費(fèi)率。

式中:為基準(zhǔn)保險(xiǎn)費(fèi)率,為不同觸發(fā)條件下純費(fèi)率,為費(fèi)用附加,為風(fēng)險(xiǎn)及利潤附加,d為極端最低氣溫,m為保險(xiǎn)不同觸發(fā)條件下的極端低溫指標(biāo)閾值。

最后, 根據(jù)計(jì)算得出不同觸發(fā)條件下的基礎(chǔ)保險(xiǎn)費(fèi)率, 按照茶葉寒凍害致災(zāi)危險(xiǎn)性區(qū)劃結(jié)果, 統(tǒng)計(jì)區(qū)域不同海拔區(qū)間的危險(xiǎn)性指數(shù), 并以區(qū)域氣象觀測站點(diǎn)所處海拔區(qū)間為基準(zhǔn), 計(jì)算不同海拔高度區(qū)間的“區(qū)域風(fēng)險(xiǎn)系數(shù)”, 訂正出不同縣域不同觸發(fā)條件不同海拔高度茶園的區(qū)域保險(xiǎn)費(fèi)率。

g=×(h/b) (7)

式中:g為區(qū)域保險(xiǎn)費(fèi)率,h為區(qū)域某海拔區(qū)間的寒凍害危險(xiǎn)性指數(shù),b為區(qū)域氣象基準(zhǔn)站點(diǎn)海拔區(qū)間的寒凍害危險(xiǎn)性指數(shù)。

2 結(jié)果與分析

2.1 茶葉不同等級寒凍害減產(chǎn)率和出現(xiàn)概率

按照農(nóng)業(yè)氣候相似原則, 將福建茶葉種植區(qū)分為西北部、東北部、西南部和東南部4個(gè)區(qū)域, 并建立區(qū)域各縣茶葉寒凍害歉年減產(chǎn)率和極端低溫值之間的線性回歸模型, 同時(shí)結(jié)合茶葉萌芽展葉期寒凍害氣象指標(biāo)[5], 將極端最低氣溫4 ℃作為茶葉寒凍害指數(shù)保險(xiǎn)起始觸發(fā)指標(biāo), 并按照間隔1 ℃劃分7個(gè)等級, 統(tǒng)計(jì)出各縣不同等級寒凍害的平均減產(chǎn)率和出現(xiàn)概率(表1)。

從表1各縣茶葉平均減產(chǎn)率分析可知, 全省茶葉種植區(qū)不同等級寒凍害平均減產(chǎn)率介于2.6%~6.6%, 4 ℃以下每隔1 ℃區(qū)間的平均減產(chǎn)率分別為2.6%、3.3%、4.1%、4.8%、5.5%、6.2%、6.6%?？傮w上看, 隨著極端最低氣溫的降低, 平均減產(chǎn)率呈現(xiàn)逐漸增加的趨勢, 各寒凍害等級的減產(chǎn)率總體呈現(xiàn)為西北部>東北部>東南部>西南部。

利用1971—2018年的極端氣溫資料, 統(tǒng)計(jì)福建省各縣不同等級茶葉寒凍害出現(xiàn)概率。由表1分析可知, 全省不同等級寒凍害的平均發(fā)生概率介于3.3%~10.7%, 寒害(0 ℃東北部>西南部>東南部。

表1 茶葉不同等級寒凍害的平均減產(chǎn)率及出現(xiàn)概率

續(xù)表1

2.2 茶葉寒凍害指數(shù)保險(xiǎn)純費(fèi)率和基準(zhǔn)保險(xiǎn)費(fèi)率

根據(jù)式(5)計(jì)算各縣極端最低氣溫低于4 ℃觸發(fā)條件下的茶葉寒凍害指數(shù)保險(xiǎn)純費(fèi)率, 并將保險(xiǎn)費(fèi)用附加設(shè)定20%, 風(fēng)險(xiǎn)及利潤附加設(shè)定10%, 依據(jù)式(6)計(jì)算得出各縣基準(zhǔn)保險(xiǎn)費(fèi)率。限于文章篇幅, 表2只列出4 ℃觸發(fā)條件下福建全省及4個(gè)區(qū)域的保險(xiǎn)平均純費(fèi)率和基準(zhǔn)保險(xiǎn)費(fèi)率。

由表2可見, 福建省各縣平均純費(fèi)率為1.83%, 其中西北部最高, 東南部最低; 全省各縣平均基準(zhǔn)保險(xiǎn)費(fèi)率為2.62%, 整體上呈現(xiàn)從西北部內(nèi)陸向東南部沿海、高海拔地區(qū)向低海拔地區(qū)減少的趨勢。基準(zhǔn)保險(xiǎn)費(fèi)率最高的是泰寧縣, 達(dá)9%, 最低的是廈門市, 只有0.1%。究其原因, 西北部和東北部區(qū)域無論減產(chǎn)率和發(fā)生概率都較高, 因此, 純費(fèi)率和基準(zhǔn)保險(xiǎn)費(fèi)率也高; 而西南部和東南部區(qū)域雖然寒凍害年的減產(chǎn)率也高, 但其發(fā)生頻率較低, 尤其是東南部區(qū)域茶葉寒凍害發(fā)生幾率更低, 沿海低平地區(qū)更是少有凍害出現(xiàn), 其保險(xiǎn)費(fèi)率也相對較低。依此類推, 可計(jì)算不同極端低溫觸發(fā)條件下的福建省各縣及區(qū)域保險(xiǎn)純費(fèi)率和基準(zhǔn)保險(xiǎn)費(fèi)率。

表2 福建省各區(qū)域茶葉寒凍害保險(xiǎn)平均純費(fèi)率及基準(zhǔn)保險(xiǎn)費(fèi)率

2.3 茶葉寒凍害危險(xiǎn)性區(qū)劃與評估

由于福建地形復(fù)雜, 每個(gè)縣域內(nèi)茶園的海拔高度差異大, 茶葉寒凍害保險(xiǎn)產(chǎn)品的設(shè)計(jì)必須因地制宜, 需根據(jù)區(qū)域內(nèi)不同風(fēng)險(xiǎn)區(qū)設(shè)計(jì)出對應(yīng)的指數(shù)保險(xiǎn)產(chǎn)品, 因此, 開展茶葉寒凍害危險(xiǎn)性區(qū)劃與評估, 確定不同風(fēng)險(xiǎn)區(qū)的寒凍害危險(xiǎn)性指數(shù), 修訂區(qū)域保險(xiǎn)費(fèi)率顯得至關(guān)重要。利用福建省茶葉種植區(qū)各縣1971—2018年低溫資料, 以極端最低氣溫作為寒凍害危險(xiǎn)性區(qū)劃指標(biāo), 采用AHP-EWM方法計(jì)算寒凍害不同風(fēng)險(xiǎn)等級的指標(biāo)權(quán)重(表3), 然后根據(jù)式(4)計(jì)算出各縣國家氣象觀測臺站的致災(zāi)危險(xiǎn)性指數(shù), 再基于GIS技術(shù)建立危險(xiǎn)性指數(shù)與經(jīng)度、緯度和海拔高度地理因子之間的地理推算模型, 制作精細(xì)化的茶葉寒凍害危險(xiǎn)性區(qū)劃圖, 得到區(qū)域任意位置的危險(xiǎn)性指數(shù)及風(fēng)險(xiǎn)精細(xì)分布情況[5,33]。

從福建省茶葉寒凍害危險(xiǎn)性區(qū)劃圖可以看出(圖1), 寒凍害危險(xiǎn)性呈現(xiàn)出從東南沿海向西北內(nèi)陸遞增的趨勢, 海拔越高的茶葉種植區(qū)危險(xiǎn)性越高。輕度寒凍害危險(xiǎn)區(qū)分布在長樂以南沿海海拔200 m以下地區(qū), 茶葉寒凍害危險(xiǎn)性小, 危險(xiǎn)性歸一化指數(shù)小于0.02; 中度寒凍害危險(xiǎn)區(qū)主要集中在北部和南部內(nèi)陸海拔300~600 m的地區(qū), 危險(xiǎn)性指數(shù)范圍為0.02~0.20; 重度寒凍害危險(xiǎn)性區(qū)域主要集中在海拔600~1 000 m的中高海拔山區(qū), 危險(xiǎn)性指數(shù)為0.20~0.55; 嚴(yán)重寒凍害危險(xiǎn)性區(qū)域主要分布在武夷山脈、鷲峰山區(qū)、戴云山脈、博平嶺和玳瑁山海拔1 000 m以上的地區(qū), 危險(xiǎn)性指數(shù)大都在0.55以上, 其中東北部鷲峰山區(qū)的屏南、周寧、柘榮、壽寧4個(gè)縣的危險(xiǎn)性指數(shù)分別達(dá)0.95、0.79、0.76、0.97, 屬于寒凍害高危險(xiǎn)性區(qū)域。

表3 福建省茶葉寒凍害風(fēng)險(xiǎn)等級指標(biāo)及權(quán)重

2.4 不同區(qū)域不同觸發(fā)條件下的茶葉寒凍害區(qū)域保險(xiǎn)費(fèi)率

根據(jù)福建省茶葉寒凍害危險(xiǎn)性區(qū)劃結(jié)果及指數(shù)保險(xiǎn)產(chǎn)品精細(xì)化設(shè)計(jì)要求, 按照4個(gè)不同區(qū)域的輕度、中度、重度和嚴(yán)重寒凍害危險(xiǎn)性區(qū)域的指數(shù)分布情況, 在精細(xì)區(qū)劃圖中找出4個(gè)不同區(qū)域輕度、中度、重度和嚴(yán)重危險(xiǎn)性區(qū)域之間的海拔高度臨界閾值,作為不同海拔風(fēng)險(xiǎn)區(qū)保險(xiǎn)的分類依據(jù), 將西北部和東北部各縣按照不同風(fēng)險(xiǎn)區(qū)所處的海拔高度范圍, 劃分為<200 m、200~600 m、600~900 m、>900 m 4個(gè)寒凍害風(fēng)險(xiǎn)區(qū), 將西南部和東南部各縣劃分為<300 m、300~700 m、700~1 100 m、>1 100 m 4個(gè)寒凍害風(fēng)險(xiǎn)區(qū), 來分別厘定不同區(qū)域不同海拔風(fēng)險(xiǎn)區(qū)的保險(xiǎn)費(fèi)率。

圖1 福建省茶葉寒凍害危險(xiǎn)性區(qū)劃

在寒凍害風(fēng)險(xiǎn)區(qū)劃圖中, 統(tǒng)計(jì)出4個(gè)區(qū)域不同海拔高度地域的致災(zāi)危險(xiǎn)性平均指數(shù)值, 并以區(qū)域氣象觀測站點(diǎn)所處海拔區(qū)間為基準(zhǔn)位置, 修訂其他海拔高度區(qū)域的費(fèi)率。西北部以海拔200~600 m區(qū)域危險(xiǎn)性平均指數(shù)為基準(zhǔn), 東北部中低海拔縣以200~600 m、高海拔縣以600~900 m區(qū)域指數(shù)為基準(zhǔn), 西南部以300~700 m區(qū)域指數(shù)為基準(zhǔn), 東南部以<300 m區(qū)域指數(shù)為基準(zhǔn), 通過計(jì)算其他不同海拔地域指數(shù)與基準(zhǔn)海拔區(qū)域指數(shù)比值, 確定出4個(gè)區(qū)域不同海拔高度的寒凍害風(fēng)險(xiǎn)訂正系數(shù)(表4), 并根據(jù)式(7)訂正各縣域不同海拔風(fēng)險(xiǎn)區(qū)的保險(xiǎn)費(fèi)率。限于篇幅, 本文只列出福建省不同海拔不同觸發(fā)條件下的區(qū)域保險(xiǎn)費(fèi)率(表5)。

從表5福建省不同區(qū)域保險(xiǎn)費(fèi)率可以看出, 隨著海拔高度的增加, 4個(gè)區(qū)域茶葉寒凍害致災(zāi)危險(xiǎn)性越大, 保險(xiǎn)費(fèi)率就越高, 同時(shí)保險(xiǎn)觸發(fā)的氣溫越低, 保險(xiǎn)費(fèi)率也相應(yīng)降低; 在同一保險(xiǎn)觸發(fā)條件下, 保險(xiǎn)費(fèi)率呈現(xiàn)出西北部>東北部>西南部>東南部的規(guī)律。以極端低溫4 ℃以下保險(xiǎn)觸發(fā)條件為例, 西北部不同海拔區(qū)域保險(xiǎn)費(fèi)率介于1.37%~10.24%, 東北部區(qū)域在0.87%~6.39%, 西南部區(qū)域在0.54%~5.52%,東南部區(qū)域?yàn)?.49%~5.43%?？梢姴煌瑓^(qū)域不同海拔高度區(qū)域的寒凍害危險(xiǎn)性不同, 其厘定的區(qū)域保險(xiǎn)費(fèi)率存在較大差異。不同區(qū)域不同觸發(fā)條件不同風(fēng)險(xiǎn)區(qū)的費(fèi)率精算結(jié)果, 可為科學(xué)設(shè)計(jì)茶葉寒凍害保險(xiǎn)產(chǎn)品提供支撐。

目前, 基于厘定的區(qū)域保險(xiǎn)費(fèi)率的茶葉寒凍害氣象指數(shù)保險(xiǎn)產(chǎn)品已在福建省壽寧縣、清流縣、漳平市和武夷山市等多地落地應(yīng)用, 2019—2020年投保的茶葉面積達(dá)2 800 hm2, 為茶葉提供了4 200萬元的風(fēng)險(xiǎn)保障。2020年4月13日, 地處西北部的清流縣蘇福茶業(yè)有限公司投保茶園(海拔400~500 m)附近自動(dòng)氣象站(海拔494 m)觀測的最低氣溫為1.8 ℃, 觸發(fā)設(shè)定的4 ℃保險(xiǎn)理賠指標(biāo); 同日地處西南部的漳平市永福鎮(zhèn)投保茶園(海拔700~800 m)附近區(qū)域自動(dòng)氣象站(海拔822 m)觀測的最低氣溫為1.6 ℃; 從兩地的茶園寒害受災(zāi)調(diào)查來看, 蘇福茶業(yè)公司的茶園寒害總體損失程度略大于永福鎮(zhèn)茶園, 同時(shí)由表5可見, 這兩個(gè)投保茶園相應(yīng)海拔區(qū)域觸發(fā)的保險(xiǎn)費(fèi)率分別為4.47%和3.98%, 與實(shí)際減產(chǎn)率的趨勢吻合, 符合高風(fēng)險(xiǎn)、高減產(chǎn)率與高費(fèi)率之間的因果關(guān)系, 一定程度說明了研究設(shè)置的區(qū)域保險(xiǎn)費(fèi)率具有合理性。

表4 福建省茶葉寒凍害不同風(fēng)險(xiǎn)區(qū)危險(xiǎn)性指數(shù)均值及區(qū)域風(fēng)險(xiǎn)訂正系數(shù)

表5 福建省茶葉寒凍害不同區(qū)域不同觸發(fā)條件下的區(qū)域保險(xiǎn)費(fèi)率

3 結(jié)論與討論

以福建茶葉寒凍害指數(shù)保險(xiǎn)為研究對象, 通過確定茶葉寒凍害主要致災(zāi)時(shí)段, 將極端最低氣溫作為寒凍害氣象保險(xiǎn)指數(shù), 量化茶葉減產(chǎn)率與極端低溫之間的關(guān)系, 分析茶葉不同等級寒凍害減產(chǎn)率和出現(xiàn)概率, 厘定出不同觸發(fā)條件下的寒凍害指數(shù)保險(xiǎn)純費(fèi)率和基準(zhǔn)保險(xiǎn)費(fèi)率, 并基于GIS技術(shù)開展寒凍害危險(xiǎn)性區(qū)劃, 確定出區(qū)域風(fēng)險(xiǎn)系數(shù)來修訂保險(xiǎn)費(fèi)率, 最終得到差別費(fèi)率。研究采用的區(qū)域差別費(fèi)率綜合考慮了區(qū)域內(nèi)災(zāi)害不同風(fēng)險(xiǎn)區(qū)的損失情況及發(fā)生概率等要素, 能夠更客觀準(zhǔn)確地反映具體地域的茶葉寒凍害實(shí)際受災(zāi)情況。傳統(tǒng)農(nóng)業(yè)保險(xiǎn)及以往一些農(nóng)業(yè)氣象指數(shù)保險(xiǎn)中采用一市或一縣行政區(qū)為基本單元的單一費(fèi)率, 沒有考慮市、縣行政區(qū)內(nèi)不同地域小氣候、地形導(dǎo)致災(zāi)害風(fēng)險(xiǎn)差異和損失差異情況[34-36]。本研究解決了縣域內(nèi)不同風(fēng)險(xiǎn)區(qū)使用單一費(fèi)率的問題, 減少了基差風(fēng)險(xiǎn), 實(shí)現(xiàn)不同海拔、不同地理位置、不同地形條件下福建省茶葉種植區(qū)保險(xiǎn)費(fèi)率的科學(xué)厘定, 顯著提高了費(fèi)率厘定的精細(xì)化程度, 科學(xué)性和客觀性大為增強(qiáng), 也容易得到茶企等投保對象及保險(xiǎn)公司的認(rèn)可, 可為福建不同風(fēng)險(xiǎn)區(qū)因地制宜地設(shè)計(jì)茶葉寒凍害指數(shù)保險(xiǎn)產(chǎn)品提供技術(shù)支撐。

在同一保險(xiǎn)觸發(fā)條件下, 福建茶葉寒凍害保險(xiǎn)費(fèi)率呈現(xiàn)出西北部>東北部>西南部>東南部的規(guī)律, 每個(gè)區(qū)域隨著海拔高度的增加, 茶葉寒凍害致災(zāi)危險(xiǎn)性越大, 厘定的保險(xiǎn)費(fèi)率就越高, 這與福建各區(qū)域歷年茶葉寒凍害的平均損失率趨勢相吻合; 制定的寒凍害保險(xiǎn)觸發(fā)低溫指標(biāo)越低, 保險(xiǎn)費(fèi)率也相應(yīng)降低, 與婁偉平等[37]、張京紅等[38]的研究結(jié)果一致。福建地形復(fù)雜, 縣域內(nèi)海拔高度差異大, 小氣候差異較大, 茶葉寒凍害危險(xiǎn)性存在差異, 尤其需要針對不同災(zāi)害風(fēng)險(xiǎn)區(qū)制定相應(yīng)的保險(xiǎn)費(fèi)率。因此, 精算的不同區(qū)域不同觸發(fā)條件下的不同風(fēng)險(xiǎn)區(qū)費(fèi)率結(jié)果, 可為科學(xué)設(shè)計(jì)保險(xiǎn)產(chǎn)品奠定費(fèi)率基礎(chǔ), 以權(quán)衡保險(xiǎn)公司和保戶的權(quán)益。

在茶葉寒凍害保險(xiǎn)純費(fèi)率計(jì)算過程中, 涉及不同等級寒凍害的減產(chǎn)率計(jì)算, 存在部分站點(diǎn)春茶寒凍害年樣本較少的情況, 同時(shí)由于茶園等區(qū)域自動(dòng)氣象監(jiān)測站觀測資料年代較短, 分析寒凍害發(fā)生概率的代表性不夠的原因, 研究只采用縣氣象監(jiān)測站點(diǎn)歷年數(shù)據(jù), 未能全面反映復(fù)雜地形下的全縣茶區(qū)極端低溫情況, 會(huì)導(dǎo)致建立的極端低溫與茶葉減產(chǎn)率之間的量化關(guān)系存在一定偏差, 不同程度影響部分縣域平均減產(chǎn)率和純費(fèi)率的精算。為了降低這些影響, 本研究采用了分區(qū)各縣計(jì)算保險(xiǎn)費(fèi)率, 以供區(qū)域保險(xiǎn)產(chǎn)品設(shè)計(jì)應(yīng)用, 今后可隨著區(qū)域自動(dòng)監(jiān)測站數(shù)據(jù)的不斷累積, 充分利用區(qū)域鄉(xiāng)鎮(zhèn)或茶園基地平行觀測的氣象和產(chǎn)量數(shù)據(jù)來計(jì)算純費(fèi)率, 以提高費(fèi)率厘定精度。

福建省茶葉品種眾多, 熟性不同, 在界定寒凍害保險(xiǎn)時(shí)段時(shí), 主要考慮了春茶主栽品種, 即中晚熟茶樹品種萌芽至采摘期的時(shí)間段, 能基本覆蓋福建春茶的寒凍害影響時(shí)期, 但由于福建地形復(fù)雜, 氣候差異較大, 不同區(qū)域不同茶葉品種的生長發(fā)育期有所不同, 采用統(tǒng)一的致災(zāi)因子影響時(shí)段會(huì)導(dǎo)致寒凍害危險(xiǎn)性指數(shù)評估結(jié)果出現(xiàn)一定偏差, 進(jìn)而導(dǎo)致不同區(qū)域厘定的保險(xiǎn)費(fèi)率也會(huì)存在一定誤差; 此外, 在保險(xiǎn)指標(biāo)設(shè)定時(shí)考慮市場化應(yīng)用需求, 采用簡易性設(shè)計(jì)原則, 將極端最低氣溫值作為寒凍害保險(xiǎn)觸發(fā)指標(biāo), 能基本反映茶葉受災(zāi)減產(chǎn)情況, 但低溫持續(xù)時(shí)間也不同程度影響茶葉寒凍害的受災(zāi)程度, 只是目前尚缺乏持續(xù)時(shí)間對災(zāi)害的影響程度試驗(yàn)數(shù)據(jù), 故未考慮, 今后可進(jìn)一步深化茶葉寒凍害氣象指數(shù)保險(xiǎn)指標(biāo)試驗(yàn)研究, 針對不同區(qū)域不同茶樹品種開展保險(xiǎn)費(fèi)率研究, 為設(shè)計(jì)細(xì)分茶葉種類保險(xiǎn)產(chǎn)品提供費(fèi)率精算。

[1] 趙慧. 福建茶產(chǎn)業(yè)發(fā)展現(xiàn)狀與對策建議[J]. 發(fā)展研究, 2018, (6): 71–76 ZHAO H. Development status and countermeasures of Fujian tea industry[J]. Development Research, 2018, (6): 71–76

[2] 福建省統(tǒng)計(jì)局. 福建統(tǒng)計(jì)年鑒[M]. 北京: 中國統(tǒng)計(jì)出版社, 2019 Fujian Bureau of Statistics. Fujian Statistical Yearbook[M]. Beijing: China Statistics Press, 2019

[3] 尤志明, 楊如興, 張文錦, 等. 不同農(nóng)藝措施對茶樹凍害后產(chǎn)量恢復(fù)的影響初報(bào)[J]. 茶葉科學(xué)技術(shù), 2010, (2): 1–2 YOU Z M, YANG R X, ZHANG W J, et al. Preliminary report on the effects of different agronomic measures on the yield recovery of tea trees after freezing damage[J]. Tea Science and Technology, 2010, (2): 1–2

[4] 王春乙, 張繼權(quán), 霍治國, 等. 農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評估研究進(jìn)展與展望[J]. 氣象學(xué)報(bào), 2015, 73(1): 1–19 WANG C Y, ZHANG J Q, HUO Z G, et al. Prospects and progresses in the research of risk assessment of agro-meteorological disasters[J]. Acta Meteorologica Sinica, 2015, 73(1): 1–19

[5] 陳家金, 黃川容, 孫朝鋒, 等. 福建省茶葉氣象災(zāi)害致災(zāi)危險(xiǎn)性區(qū)劃與評估[J]. 自然災(zāi)害學(xué)報(bào), 2018, 27(1): 198–207 CHEN J J, HUANG C R, SUN C F, et al. Disaster-causing hazard division and evaluation of meteorological disasters for tea in Fujian Province[J]. Journal of Natural Disasters, 2018, 27(1): 198–207

[6] 宋博, 穆月英, 侯玲玲, 等. 基于CVW的我國農(nóng)業(yè)氣象指數(shù)保險(xiǎn)支付意愿分析——以浙江柑橘種植戶為例[J]. 保險(xiǎn)研究, 2014, (2): 54–63 SONG B, MU Y Y, HOU L L, et al. Analysis on willingness to pay for agricultural weather index insurance in China based on CVM: A case study on citrus growers in Zhejiang Province[J]. Insurance Studies, 2014, (2): 54–63

[7] 匡昕, 陳嶸徐. 油桃凍害氣象指數(shù)保險(xiǎn)設(shè)計(jì)[J]. 浙江農(nóng)業(yè)學(xué)報(bào), 2014, 26(6): 1660–1666 KUANG X, CHEN R X. Design of weather-based index insurance contract for nectarine freezing[J]. Acta Agriculturae Zhejiangensis, 2014, 26(6): 1660–1666

[8] 周軍偉, 董放, 陳盛偉. 低溫凍害氣象指數(shù)保險(xiǎn)研究綜述[J].山東農(nóng)業(yè)大學(xué)學(xué)報(bào): 社會(huì)科學(xué)版, 2014, 16(1): 73–78 ZHOU J W, DONG F, CHEN S W. Review of research on cryogenic injury meteorological index insurance[J]. Journal of Shandong Agricultural University: Social Science Edition, 2014, 16(1): 73–78

[9] 朱俊生. 中國天氣指數(shù)保險(xiǎn)試點(diǎn)的運(yùn)行及其評估——以安徽省水稻干旱和高溫?zé)岷χ笖?shù)保險(xiǎn)為例[J]. 保險(xiǎn)研究, 2011, (3): 19–25 ZHU J S. The pilot operation of the weather index insurance and its appraisal — Using Anhui rice drought and high temperature disaster index insurance as an example[J]. Insurance Studies, 2011, (3): 19–25

[10] TEIXEIRA E I, FISCHER G, VAN VELTHUIZEN H, et al. Global hot-spots of heat stress on agricultural crops due to climate change[J]. Agricultural and Forest Meteorology, 2013, 170: 206–215

[11] CHEN S L, MIRANDA M J. Modeling Texas dryland cotton yields, with application to crop insurance actuarial rating[J]. Journal of Agricultural and Applied Economics, 2008, 40(1): 239–252

[12] 姜會(huì)飛. 農(nóng)業(yè)保險(xiǎn)費(fèi)率和保費(fèi)的計(jì)算方法研究[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報(bào), 2009, 14(6): 109–117 JIANG H F. A new method for calculating fair crop yield premium rate and premium[J]. Journal of China Agricultural University, 2009, 14(6): 109–117

[13] OZAKI V A, GOODWIN B K, SHIROTA R. Parametric and nonparametric statistical modelling of crop yield: Implications for pricing crop insurance contracts[J]. Applied Economics, 2008, 40(9): 1151–1164

[14] TURVEY C G, WEERSINK A, CELIA CHIANG S H. Pricing weather insurance with a random strike price: The Ontario ice-wine harvest[J]. American Journal of Agricultural Economics, 2006, 88(3): 696–709

[15] MARLETTO V, VENTURA F, FONTANA G, et al. Wheat growth simulation and yield prediction with seasonal forecasts and a numerical model[J]. Agricultural and Forest Meteorology, 2007, 147(1/2): 71–79

[16] LU Y, RAMIREZ O A, REJESUS R M, et al. Empirically evaluating the flexibility of the Johnson family of distributions: A crop insurance application[J]. Agricultural and Resource Economics Review, 2008, 37(1): 79–91

[17] 曲思邈, 王冬妮, 郭春明, 等. 玉米干旱天氣指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)——以吉林省為例[J]. 氣象與環(huán)境學(xué)報(bào), 2018, 34(2): 92–99 QU S M, WANG D N, GUO C M, et al. Insurance product design based on maize drought weather index: A case study in Jilin Province[J]. Journal of Meteorology and Environment, 2018, 34(2): 92–99

[18] 屈振江, 周廣勝. 中國產(chǎn)區(qū)蘋果越冬凍害的風(fēng)險(xiǎn)評估[J]. 自然資源學(xué)報(bào), 2017, 32(5): 829–840 QU Z J, ZHOU G S. The risk assessment of winter injury in main apple-producing regions of China[J]. Journal of Natural Resources, 2017, 32(5): 829–840

[19] 王麗紅, 楊汭華, 田志宏, 等. 非參數(shù)核密度法厘定玉米區(qū)域產(chǎn)量保險(xiǎn)費(fèi)率研究——以河北安國市為例[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報(bào), 2007, 12(1): 90–94 WANG L H, YANG R H, TIAN Z H, et al. Maize GRP rate of premium deciding by nonprarametric kernel density: A case study on Anguo City, Hebei Province[J]. Journal of China Agricultural University, 2007, 12(1): 90–94

[20] 金志鳳, 胡波, 嚴(yán)甲真, 等. 浙江省茶葉農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評價(jià)[J]. 生態(tài)學(xué)雜志, 2014, 33(3): 771–777 JIN Z F, HU B, YAN J Z, et al. Agro-meteorological disaster risk evaluation of tea planting in Zhejiang Province[J]. Chinese Journal of Ecology, 2014, 33(3): 771–777

[21] 陳超, 龐艷梅, 劉佳. 四川省水稻高溫?zé)岷︼L(fēng)險(xiǎn)及災(zāi)損評估[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文), 2019, 27(4): 554?562 CHEN C, PANG Y M, LIU J. Assessment of risk and yield loss of rice in Sichuan Province due to heat stress[J]. Chinese Journal of Eco-Agriculture, 2019, 27(4): 554?562

[22] 楊太明, 孫喜波, 劉布春, 等. 安徽省水稻高溫?zé)岷ΡｋU(xiǎn)天氣指數(shù)模型設(shè)計(jì)[J]. 中國農(nóng)業(yè)氣象, 2015, 36(2): 220–226 YANG T M, SUN X B, LIU B C, et al. Design on weather indices model for insurance of rice heat damage in Anhui Province[J]. Chinese Journal of Agrometeorology, 2015, 36(2): 220–226

[23] 王春乙, 張亞杰, 張京紅, 等. 海南省芒果寒害氣象指數(shù)保險(xiǎn)費(fèi)率厘定及保險(xiǎn)合同設(shè)計(jì)研究[J]. 氣象與環(huán)境科學(xué), 2016, 39(1): 108–113 WANG C Y, ZHANG Y J, ZHANG J H, et al. Determination of the premium rate based on the weather indices of chilling injury in mangoes and contract design in Hainan Province[J]. Meteorological and Environmental Sciences, 2016, 39(1): 108–113

[24] LOU W P, QIU X F, WU L H, et al. Scheme of weather-based indemnity indices for insuring against freeze damage to citrus orchards in Zhejiang, China[J]. Agricultural Sciences in China, 2009, 8(11): 1321–1331

[25] 婁偉平, 吳利紅, 陳華江, 等. 柑橘氣象指數(shù)保險(xiǎn)合同費(fèi)率厘定分析及設(shè)計(jì)[J]. 中國農(nóng)業(yè)科學(xué), 2010, 43(9): 1904–1911 LOU W P, WU L H, CHEN H J, et al. Analysis and design of premium rates determined for weather-based index insurance contract of citrus[J]. Scientia Agricultura Sinica, 2010, 43(9): 1904–1911

[26] 陳盛偉, 李彥. 區(qū)域性蘋果低溫凍害氣象指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)——以山東省棲霞市為例[J]. 保險(xiǎn)研究, 2015, (12): 78–87 CHEN S W, LI Y. Meteorological index insurance design for regional apple low temperature freezing disaster: With a case study of Qixia City in Shandong Province[J]. Insurance Studies, 2015, (12): 78–87

[27] 孫擎, 楊再強(qiáng), 殷劍敏, 等. 江西早稻高溫逼熟氣象災(zāi)害指數(shù)保險(xiǎn)費(fèi)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

[28] 楊平, 張麗娟, 趙艷霞, 等. 黃淮海地區(qū)夏玉米干旱風(fēng)險(xiǎn)評估與區(qū)劃[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào), 2015, 25(1): 110–118 YANG P, ZHANG L J, ZHAO Y X, et al. Risk assessment and zoning of drought for summer maize in the Huang-Huai-Hai Region[J]. Chinese Journal of Eco-Agriculture, 2015, 25(1): 110–118

[29] 陳家金, 王加義, 黃川容, 等. 福建省引種臺灣青棗的寒凍害風(fēng)險(xiǎn)分析與區(qū)劃[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào), 2013, 21(12): 1537–1544 CHEN J J, WANG J Y, HUANG C R, et al. Risk analysis and regionalization of cold and freezing damage to Taiwan-based Zizyphus mauritiana in Fujian Province[J]. Chinese Journal of Eco-Agriculture, 2013, 21(12): 1537–1544

[30] 張宗軍. 基于綜合風(fēng)險(xiǎn)區(qū)劃的農(nóng)作物產(chǎn)量指數(shù)保險(xiǎn)費(fèi)率厘定——以大豆為例[J]. 東北農(nóng)業(yè)大學(xué)學(xué)報(bào): 社會(huì)科學(xué)版, 2016, 14(4): 1–6 ZHANG Z J. Determination of insurance premium rate of crop yield index based on comprehensive risk zoning: Taking soybean as an example[J]. Journal of Northeast Agricultural University: Social Science Edition, 2016, 14(4): 1–6

[31] 徐建華. 現(xiàn)代地理學(xué)中的數(shù)學(xué)方法[M]. 北京: 高等教育出版社, 2004: 224–250 XU J H. Mathematic Methods for Modern Geography[M]. Beijing: Higher Education Press, 2004: 224–250

[32] 何超, 李萌, 李婷婷, 等. 多目標(biāo)綜合評價(jià)中四種確定權(quán)重方法的比較與分析[J]. 湖北大學(xué)學(xué)報(bào): 自然科學(xué)版, 2016, 38(2): 172–178 HE C, LI M, LI T T, et al. Comparison and analysis of the four methods of determining weights in multi-objective comprehensive evaluation[J]. Journal of Hubei University: Natural Science, 2016, 38(2): 172–178

[33] 陳家金, 王加義, 黃川容, 等. 基于AHP-EWM方法的福建省農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃[J]. 自然災(zāi)害學(xué)報(bào), 2016, 25(3): 58–66 CHEN J J, WANG J Y, HUANG C R, et al. Risk division of agro-meteorological disasters in Fujian Province based on AHP-EWM method[J]. Journal of Natural Disasters, 2016, 25(3): 58–66

[34] 曹雯, 成林, 楊太明, 等. 河南省冬小麥拔節(jié)-抽穂期干旱天氣指數(shù)保險(xiǎn)研究[J]. 氣象, 2019, 45(2): 274–281 CAO W, CHENG L, YANG T M, et al. Study on weather index insurance of drought damage at jointing-heading stage of winter wheat in Henan Province[J]. Meteorological Monthly, 2019, 45(2): 274–281

[35] 吳榮軍, 史繼清, 關(guān)福來, 等. 基于風(fēng)險(xiǎn)區(qū)劃的農(nóng)業(yè)干旱保險(xiǎn)費(fèi)率厘定——以河北省冬麥區(qū)為例[J]. 氣象, 2013, 39(12): 1649–1655 WU R J, SHI J Q, GUAN F L, et al. Agricultural drought premium ratemaking based on risk zoning for winter wheat region in Hebei Province[J]. Meteorological Monthly, 2013, 39(12): 1649–1655

[36] 劉凱文, 劉可群, 鄧愛娟, 等. 基于開花期地域差異的中稻高溫?zé)岷μ鞖庵笖?shù)保險(xiǎn)設(shè)計(jì)[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

[37] 婁偉平, 吉宗偉, 邱新法, 等. 茶葉霜凍氣象指數(shù)保險(xiǎn)設(shè)計(jì)[J].自然資源學(xué)報(bào), 2011, 26(12): 2050–2060 LOU W P, JI Z W, QIU X F, et al. Design of weather index insurance contact for tea frost[J]. Journal of Natural Resources, 2011, 26(12): 2050–2060

[38] 張京紅, 黃海靜, 王春乙, 等. 基于產(chǎn)量風(fēng)險(xiǎn)的海南荔枝寒害保險(xiǎn)費(fèi)率研究[J]. 熱帶氣象學(xué)報(bào), 2015, 31(6): 862–868 ZHANG J H, HUANG H J, WANG C Y, et al. Study on insurance rates of litchi chilling injury based on production risk in Hainan[J]. Journal of Tropical Meteorology, 2015, 31(6): 862–868

Determination of premium rates for tea cold-frost damage in Fujian Province based on risk assessment*

TAO Hongchao1, CHEN Jiajin2,3**, CHEN Zhibiao1, HUANG Chuanrong2, SUN Chaofeng2, WU Li2

(1. Key Laboratory for Humid Subtropical Eco-geographical Processes of the Ministry of Education, Fujian Normal University / College of Geographical Sciences, Fujian Normal University, Fuzhou 350007, China; 2. Fujian Meteorological Service Center, Fuzhou 350001, China; 3. Fujian Key Laboratory of Severe Weather, Fuzhou 350001, China)

The aim of this study was to improve the rationale of the premium damage insurance rate design for cold-frost damage in tea plants from different risk areas in Fujian Province. In doing so, we first calculated the tea yield decrement rate, both grade and probability of cold-frost damage occurrence by using historical data, so as to determine the pure rate and benchmark rate of cold-frost damage insurance for tea within each county of Fujian Province. Then, we determined the regional premium damage insurance rates for the conditions of each risk area and different triggers, combined with the cold-frost damage risk zoning area. The results showed that under the trigger condition for tea plants damage in Fujian Province, i.e., extremely low temperatures below 4 ℃, the regional premium damage insurance rates were 1.4%, 4.5%, 7.2%, and 10.2%, respectively, in the northwest area for <200 m, 200-600 m, 600-900 m, and >900 m altitudes. At the same time, the regional premium damage insurance rates were 0.9%, 2.6%, 4.8%, and 6.4%, respectively, in the northeast area for <200 m, 200-600 m, 600-900 m, and >900 m altitudes. The regional premium damage insurance rates were 0.5%, 2.3%, 4.0%, and 5.5%, respectively, in the southwest area for <300 m, 300-700 m, 700-1 100 m, and >1 100 m altitudes. Moreover, the regional premium rates were 0.5%, 1.9%, 3.9%, and 5.4%, respectively, in the southeast area for <300 m, 300-700 m, 700-1 100 m, and >1 100 m altitudes. In general, the regional premium damage insurance rate increased with latitude and altitude. These results can provide technical support for the actuarial calculation of the premium damage insurance rate in relation to the design of insurance products for the cold-frost damage index of tea plants in Fujian Province.

Tea insurance; Cold-frost damage; Risk division; Differential rate

, E-mail: cjj8284@163.com

Mar. 15, 2020;

Jul. 2, 2020

F840.66

10.13930/j.cnki.cjea.200190

陶紅超, 陳家金, 陳志彪, 黃川容, 孫朝鋒, 吳立. 基于危險(xiǎn)性評估的福建省茶葉寒凍害保險(xiǎn)費(fèi)率厘定[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文), 2020, 28(11): 1778-1788

TAO H C, CHEN J J, CHEN Z B, HUANG C R, SUN C F, WU L. Determination of premium rates for tea cold-frost damage in Fujian Province based on risk assessment[J]. Chinese Journal of Eco-Agriculture, 2020, 28(11): 1778-1788

* 福建省科技計(jì)劃項(xiàng)目(2018Y0002, 2019Y01010202)資助

陳家金, 主要從事農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)研究。E-mail: cjj8284@163.com

陶紅超, 主要從事自然地理研究。E-mail:463687964@qq.com

2020-03-15

2020-07-02

* This study was supported by the Science and Technology Project of Fujian Province (2018Y0002, 2019Y01010202).