昭通市烤煙強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)研究

摘 要 為提高烤煙強(qiáng)對(duì)流災(zāi)害保險(xiǎn)理賠效率，完善農(nóng)業(yè)天氣指數(shù)保險(xiǎn)體系，降低強(qiáng)對(duì)流天氣對(duì)烤煙造成的損失，研究烤煙強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)理論，為烤煙強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)推廣奠定科學(xué)依據(jù)。對(duì)2022—2023年云南省昭通市C波段雙偏振天氣雷達(dá)體掃數(shù)據(jù)和強(qiáng)對(duì)流天氣對(duì)烤煙造成的減產(chǎn)率進(jìn)行統(tǒng)計(jì)分析，構(gòu)建烤煙減產(chǎn)率與強(qiáng)對(duì)流天氣指數(shù)回歸模型，科學(xué)厘定烤煙強(qiáng)對(duì)流保險(xiǎn)純費(fèi)率并確定保險(xiǎn)觸發(fā)值和退出值。結(jié)果表明：C波段雙偏振天氣雷達(dá)體掃數(shù)據(jù)的最大反射率因子和差分反射率因子兩個(gè)參數(shù)與強(qiáng)對(duì)流天氣對(duì)烤煙造成的減產(chǎn)率相關(guān)性較好，構(gòu)建的烤煙減產(chǎn)率與強(qiáng)對(duì)流天氣指數(shù)回歸模型通過0.05顯著性水平檢驗(yàn)和自變量之間的多重共線性檢驗(yàn)。昭通市烤煙強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)純費(fèi)率為29.12%。

關(guān)鍵詞 強(qiáng)對(duì)流天氣指數(shù)；烤煙減產(chǎn)率；純費(fèi)率厘定；農(nóng)業(yè)經(jīng)濟(jì)；云南省昭通市

中圖分類號(hào)：F840.66 文獻(xiàn)標(biāo)志碼：A DOI：10.19415/j.cnki.1673-890x.2024.11.027

烤煙是我國重要的經(jīng)濟(jì)作物，具有較高的附加值，烤煙一度成為我國云南玉溪、河南許昌等地的支柱產(chǎn)業(yè)之一。云南省昭通市擁有得天獨(dú)厚的自然氣候條件，曾是云南省第二、全國第五大烤煙生產(chǎn)區(qū)[1]，但因昭通市地處低緯高原季風(fēng)氣候帶，受地形復(fù)雜、海拔落差大的影響，具有亞熱帶和暖溫帶共存的典型立體氣候特征，呈現(xiàn)雨熱同季、干濕分明的氣候特點(diǎn)，常年低溫、冰雪、霜凍、干旱、洪澇、大風(fēng)、冰雹、雷暴等氣象災(zāi)害多發(fā)。氣象條件的多變直接影響昭通糧煙等農(nóng)業(yè)的安全生產(chǎn)，特別是在烤煙大田生長(zhǎng)期內(nèi)，容易遭受強(qiáng)對(duì)流天氣威脅，致使烤煙因大風(fēng)、冰雹和短時(shí)強(qiáng)降水而減產(chǎn)[2]。

天氣指數(shù)保險(xiǎn)是將氣象災(zāi)害的致災(zāi)因子指數(shù)化，當(dāng)氣象災(zāi)害發(fā)生且天氣指數(shù)達(dá)到保險(xiǎn)合同約定的觸發(fā)值時(shí)，保險(xiǎn)公司便可啟動(dòng)理賠。天氣指數(shù)保險(xiǎn)可以為保險(xiǎn)公司節(jié)約管理成本和提升運(yùn)營效率，縮短投保人獲得賠償?shù)臅r(shí)間，具有一定的科學(xué)、客觀等性質(zhì)[3-4]。2015年開始，為應(yīng)對(duì)天氣災(zāi)害對(duì)烤煙生產(chǎn)的影響，保護(hù)煙農(nóng)的生產(chǎn)利益，云南省開始推出了相應(yīng)的烤煙種植保險(xiǎn)產(chǎn)品，開展烤煙種植保險(xiǎn)試點(diǎn)工作[5]，為烤煙的生產(chǎn)保駕護(hù)航。傳統(tǒng)烤煙保險(xiǎn)產(chǎn)品存在道德風(fēng)險(xiǎn)、災(zāi)后定損難、賠付滯后、理賠成本高等難題[6]，因此推廣烤煙天氣指數(shù)保險(xiǎn)對(duì)解決傳統(tǒng)烤煙種植保險(xiǎn)的痛點(diǎn)、難點(diǎn)意義重大。

作為傳統(tǒng)烤煙種植保險(xiǎn)的補(bǔ)充，烤煙天氣指數(shù)保險(xiǎn)理賠是以客觀的數(shù)據(jù)是否達(dá)到合同約定的觸發(fā)值為準(zhǔn)，具有降低保險(xiǎn)運(yùn)營成本、避免道德風(fēng)險(xiǎn)等優(yōu)勢(shì)[7-8]。自20世紀(jì)20年代指數(shù)保險(xiǎn)概念被提出開始，國內(nèi)外學(xué)者從指數(shù)保險(xiǎn)的概念、優(yōu)勢(shì)、可行性、合同設(shè)計(jì)、市場(chǎng)前景等方面不斷進(jìn)行研究[9-12]。近年來，在國家政策支持下，上海西甜瓜梅雨強(qiáng)度指數(shù)保險(xiǎn)、安徽省長(zhǎng)豐縣水稻干旱天氣指數(shù)保險(xiǎn)、浙江省柑橘凍害氣象指數(shù)保險(xiǎn)等試點(diǎn)案例取得一定成效，為我國天氣指數(shù)保險(xiǎn)發(fā)展積累了寶貴經(jīng)驗(yàn)[13]。在眾多農(nóng)業(yè)保險(xiǎn)的研究中，天氣指數(shù)保險(xiǎn)多以氣溫、降水等氣象要素進(jìn)行設(shè)計(jì)[14-16]，但因?yàn)闅鉁?、降水、風(fēng)速等氣象要素對(duì)監(jiān)測(cè)強(qiáng)對(duì)流天氣具有局限性，因此，本文選擇利用雙偏振天氣雷達(dá)體掃資料進(jìn)行強(qiáng)對(duì)流天氣指數(shù)設(shè)計(jì)。

云南省昭通市氣象局于2022年開始業(yè)務(wù)化運(yùn)行C波段雙偏振天氣雷達(dá)，選擇雷達(dá)數(shù)據(jù)設(shè)計(jì)強(qiáng)對(duì)流天氣指數(shù)能有效利用天氣雷達(dá)對(duì)強(qiáng)對(duì)流天氣過程的監(jiān)測(cè)優(yōu)勢(shì)，彌補(bǔ)地面氣象站數(shù)量少、密度低、不能監(jiān)測(cè)冰雹等的缺點(diǎn)[17]。文章將強(qiáng)對(duì)流天氣發(fā)生時(shí)的雷達(dá)體掃資料參數(shù)指數(shù)化，計(jì)算出每一次強(qiáng)對(duì)流天氣對(duì)烤煙造成的減產(chǎn)率，構(gòu)建強(qiáng)對(duì)流指數(shù)與烤煙減產(chǎn)率的回歸關(guān)系，厘定保險(xiǎn)純費(fèi)率，從而完成烤煙強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)的理論研究，為烤煙強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)提供科學(xué)依據(jù)。

1" 資料與方法

1.1" 資料來源

研究區(qū)域?yàn)樵颇鲜≌淹ㄊ蟹N植烤煙的8個(gè)縣（區(qū)），研究時(shí)間為昭通市烤煙的大田生長(zhǎng)期，即4月中旬烤煙移栽至9月中旬完成采收。文章利用昭通市2022年14例和2023年5例記錄較為完整且造成烤煙減產(chǎn)的強(qiáng)對(duì)流天氣事件作為研究的有效樣本，烤煙生產(chǎn)種植資料來源于昭通市煙草公司，強(qiáng)對(duì)流天氣對(duì)烤煙造成的損失數(shù)據(jù)來源于農(nóng)戶、煙站和保險(xiǎn)公司，雷達(dá)數(shù)據(jù)來源于昭通市氣象局雷達(dá)站。

1.2" 指數(shù)保險(xiǎn)設(shè)計(jì)原理與思路

1.2.1 設(shè)計(jì)原理

天氣指數(shù)保險(xiǎn)的基差風(fēng)險(xiǎn)較大，在天氣指數(shù)保險(xiǎn)的設(shè)計(jì)中如何有效控制基差風(fēng)險(xiǎn)，是實(shí)現(xiàn)保險(xiǎn)公平公正的關(guān)鍵[18]。實(shí)際生產(chǎn)中農(nóng)作物的產(chǎn)量主要受生產(chǎn)力水平、社會(huì)背景及氣候條件等因素的綜合影響[19]。在花生天氣指數(shù)保險(xiǎn)、云南核桃干旱天氣指數(shù)保險(xiǎn)等眾多農(nóng)業(yè)天氣指數(shù)保險(xiǎn)研究中，農(nóng)作物受氣候條件限制造成的減產(chǎn)，往往是通過對(duì)趨勢(shì)產(chǎn)量、氣候產(chǎn)量和隨機(jī)產(chǎn)量等進(jìn)行分離計(jì)算而得[20-21]，但強(qiáng)對(duì)流天氣對(duì)烤煙造成的損失是相對(duì)獨(dú)立的，每一次災(zāi)害過程都可能會(huì)造成烤煙絕收，因此，文章在計(jì)算烤煙減產(chǎn)率的同時(shí)，還充分進(jìn)行了實(shí)地走訪調(diào)查。天氣指數(shù)的設(shè)計(jì)有單一指標(biāo)和多層指標(biāo)兩種，文章綜合考慮強(qiáng)對(duì)流天氣發(fā)生時(shí)的雷達(dá)回波最大反射率因子和差分反射率因子等參數(shù)，根據(jù)各個(gè)雷達(dá)產(chǎn)品參數(shù)與烤煙減產(chǎn)率的關(guān)聯(lián)性大小，選擇相關(guān)性較強(qiáng)的參數(shù)設(shè)計(jì)強(qiáng)對(duì)流天氣指數(shù)。

1.2.2" 基本思路

強(qiáng)對(duì)流天氣表現(xiàn)為大風(fēng)、冰雹、短時(shí)強(qiáng)降水。在烤煙大田生長(zhǎng)期內(nèi)遭受強(qiáng)對(duì)流天氣時(shí)，會(huì)出現(xiàn)烤煙植株因大風(fēng)倒伏、煙葉被冰雹打破擊落等受災(zāi)狀況，從而造成烤煙減產(chǎn)。

烤煙強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)的設(shè)計(jì)步驟為：1）收集有效樣本中烤煙種植、強(qiáng)對(duì)流災(zāi)害、雷達(dá)回波數(shù)據(jù)；2）利用各次強(qiáng)對(duì)流事件災(zāi)情數(shù)據(jù)計(jì)算烤煙減產(chǎn)率；3）綜合考慮回波最大反射率因子和差分反射率因子，構(gòu)建強(qiáng)對(duì)流天氣指數(shù)；4）利用統(tǒng)計(jì)學(xué)原理構(gòu)建強(qiáng)對(duì)流天氣指數(shù)與烤煙減產(chǎn)率的回歸關(guān)系式，并檢驗(yàn)優(yōu)化關(guān)系式；5）厘定保險(xiǎn)純費(fèi)率和確定保險(xiǎn)理賠閾值。

2" 結(jié)果與分析

2.1" 構(gòu)建強(qiáng)對(duì)流天氣指數(shù)與烤煙減產(chǎn)率的關(guān)系式

2.1.1" 烤煙減產(chǎn)率計(jì)算

在本研究中，由于強(qiáng)對(duì)流災(zāi)害對(duì)烤煙造成的損失是非持續(xù)性的，所造成的減產(chǎn)并不能累加，因此，在計(jì)算烤煙減產(chǎn)率時(shí)，采用單次強(qiáng)對(duì)流災(zāi)害獨(dú)立計(jì)算減產(chǎn)率，即每一次強(qiáng)對(duì)流災(zāi)害都對(duì)應(yīng)一個(gè)減產(chǎn)率。在查閱過去災(zāi)情數(shù)據(jù)和各鄉(xiāng)鎮(zhèn)的災(zāi)情上報(bào)資料時(shí)，發(fā)現(xiàn)單次強(qiáng)對(duì)流災(zāi)害對(duì)烤煙造成減產(chǎn)的資料十分缺乏，因此，選取2022年4月中旬至9月中旬的雷達(dá)資料，篩選出可能出現(xiàn)災(zāi)害的情況后，走訪煙草公司、保險(xiǎn)公司、煙站等倒查強(qiáng)對(duì)流災(zāi)害，還原發(fā)生強(qiáng)對(duì)流過程時(shí)烤煙的損失情況。發(fā)現(xiàn)各方對(duì)單個(gè)強(qiáng)對(duì)流過程中的烤煙災(zāi)損程度口徑不一，在一次災(zāi)害中通常災(zāi)損程度由高到低依次為煙農(nóng)、煙葉站、保險(xiǎn)公司。為保證減產(chǎn)率的可靠性，計(jì)算烤煙減產(chǎn)率時(shí)選取煙葉站所給數(shù)據(jù)進(jìn)行參考，并綜合農(nóng)戶和保險(xiǎn)公司所提供資料的平均值進(jìn)行減產(chǎn)率的確定，當(dāng)煙農(nóng)和保險(xiǎn)公式所給資料的平均值與煙葉站的數(shù)據(jù)差異在10%（含）以內(nèi)，則以煙葉站數(shù)據(jù)作為減產(chǎn)率；當(dāng)差異超過10%時(shí)，則以煙農(nóng)、保險(xiǎn)公司和煙葉站3方數(shù)據(jù)的算術(shù)平均數(shù)作為減產(chǎn)率（YLS）。計(jì)算公式為

2.1.2" 強(qiáng)對(duì)流天氣指數(shù)選取

文章提取強(qiáng)對(duì)流天氣發(fā)生時(shí)，雷達(dá)回波最大反射率因子、差分反射率因子、相關(guān)系數(shù)和速度等參數(shù)，分析各參數(shù)對(duì)烤煙減產(chǎn)率的影響。相關(guān)性分析結(jié)果顯示：烤煙減產(chǎn)率與回波最大反射率因子和差分反射率因子的關(guān)聯(lián)性較高。在雙偏振天氣雷達(dá)體掃產(chǎn)品的參數(shù)中，雷達(dá)回波反射率因子（Z）和差分反射率因子（ZDR）均可以用來判斷降水粒子的相態(tài)和密度[22]，因此，可以認(rèn)為最大反射率因子和差分反射率因子可以直觀反映強(qiáng)對(duì)流天氣的輕重程度，以此構(gòu)建強(qiáng)對(duì)流天氣指數(shù)（D）。在指數(shù)構(gòu)建過程中，為消除最大反射率因子的單位對(duì)公式整體的影響，將最大反射率因子進(jìn)行無量綱化處理，得到強(qiáng)對(duì)流天氣指數(shù)（D）為

2.1.3" 建立烤煙減產(chǎn)率與強(qiáng)對(duì)流天氣指數(shù)回歸模型

2.1.4" 檢驗(yàn)優(yōu)化烤煙減產(chǎn)率與強(qiáng)對(duì)流天氣指數(shù)回歸模型

由于建立烤煙減產(chǎn)率與強(qiáng)對(duì)流天氣指數(shù)回歸模型所使用的減產(chǎn)率為后期走訪調(diào)查所得，為檢驗(yàn)回歸模型的預(yù)測(cè)效果，課題組密切關(guān)注2023年昭通市烤煙強(qiáng)對(duì)流災(zāi)害，共收集到烤煙強(qiáng)對(duì)流災(zāi)害5例，在發(fā)生烤煙強(qiáng)對(duì)流災(zāi)害后第一時(shí)間進(jìn)行現(xiàn)場(chǎng)調(diào)查定損，將現(xiàn)場(chǎng)勘查的烤煙減產(chǎn)率與模型計(jì)算的減產(chǎn)率進(jìn)行檢驗(yàn)分析，見表１。

從統(tǒng)計(jì)學(xué)的角度看，調(diào)查所得減產(chǎn)率與模型計(jì)算所得減產(chǎn)率的均方根誤差為0.28，說明烤煙減產(chǎn)率與強(qiáng)對(duì)流天氣指數(shù)回歸模型預(yù)測(cè)值偏差較小，可以用烤煙減產(chǎn)率與強(qiáng)對(duì)流天氣指數(shù)回歸模型計(jì)算值代替實(shí)際減產(chǎn)率。

在指數(shù)保險(xiǎn)實(shí)際市場(chǎng)中，需要有效控制指數(shù)保險(xiǎn)的基差風(fēng)險(xiǎn)。分析調(diào)查所得減產(chǎn)率與模型預(yù)測(cè)所得減產(chǎn)率的差異為-0.08～0.42，即實(shí)際減產(chǎn)率與預(yù)測(cè)減產(chǎn)率之間存在-8%～42%的差距，表現(xiàn)出的基差風(fēng)險(xiǎn)較大，因此烤煙減產(chǎn)率與強(qiáng)對(duì)流天氣指數(shù)回歸模型仍然具有較大的優(yōu)化空間，進(jìn)一步優(yōu)化模型為

2.2" 純費(fèi)率厘定及觸發(fā)值的確定

2.2.1" 保險(xiǎn)純費(fèi)率厘定

保險(xiǎn)費(fèi)率包含保險(xiǎn)純費(fèi)率和附加費(fèi)率，保險(xiǎn)純費(fèi)率是指損失的期望，它的厘定是保險(xiǎn)產(chǎn)品定價(jià)的重要組成部分，通常指數(shù)保險(xiǎn)純費(fèi)率的厘定方法有無差異厘定法、金融衍生品厘定法、統(tǒng)一費(fèi)率法及均衡保險(xiǎn)費(fèi)法等[23]。文章選用均衡保險(xiǎn)費(fèi)率法，該方法是通過假設(shè)未來期望損失率與歷史損失分布相同，通過歷史數(shù)據(jù)來估算期望值的一種方法[24]，計(jì)算公式為

災(zāi)害風(fēng)險(xiǎn)概率評(píng)估通常采用參數(shù)估算法，但該方法對(duì)小樣本的估算結(jié)果不穩(wěn)定[25-27]。文章采用泊松方程計(jì)算強(qiáng)對(duì)流災(zāi)害的概率，將烤煙在強(qiáng)對(duì)流中的減產(chǎn)率分為3個(gè)等級(jí)：＜30%，[30%～70%），≥70%，統(tǒng)計(jì)昭通市過去5年平均每年出現(xiàn)3個(gè)災(zāi)損等級(jí)的次數(shù)，分別為7次、5次和3次，利用泊松方程計(jì)算出3個(gè)災(zāi)損等級(jí)的概率，其減產(chǎn)率分別取的15%、50%和85%代入公式（5），計(jì)算出昭通市強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)純費(fèi)率R=29.12%。

2.2.2" 確定保險(xiǎn)觸發(fā)值和退出值

確定指數(shù)保險(xiǎn)的觸發(fā)條件和賠償標(biāo)準(zhǔn)是保險(xiǎn)產(chǎn)品的核心內(nèi)容，觸發(fā)條件即為強(qiáng)對(duì)流災(zāi)害發(fā)生后的理賠條件。在公式（4）中，當(dāng)沒有強(qiáng)對(duì)流天氣時(shí)，即Z和|ZDR|為0時(shí)，仍有（34.5+e）%的減產(chǎn)率存在；當(dāng)不考慮隨機(jī)誤差時(shí)，選定1.478Z-0.102|ZDR|≥（0.1-0.345）時(shí)作為啟動(dòng)賠付的標(biāo)準(zhǔn)，即減產(chǎn)率YLS≥10%時(shí)啟動(dòng)賠付；當(dāng)烤煙絕收時(shí)，減產(chǎn)率為100%，即1.478Z-0.102|ZDR|=（1-0.345）作為退出值，進(jìn)行全額賠付。

3" 討論與結(jié)論

3.1" 討論

當(dāng)前國內(nèi)天氣指數(shù)保險(xiǎn)體系尚未成熟，文章初步設(shè)計(jì)的強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)，計(jì)算出昭通市純保險(xiǎn)費(fèi)率為29.12%，為烤煙強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)提供了科學(xué)的理論依據(jù)，為保險(xiǎn)公司進(jìn)一步設(shè)計(jì)烤煙天氣指數(shù)保險(xiǎn)產(chǎn)品提供了一種新的思路和方法，但文章所設(shè)計(jì)的烤煙強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)屬于理論，與實(shí)際市場(chǎng)化推廣仍存在差距：

1）保險(xiǎn)費(fèi)率與純保險(xiǎn)費(fèi)率和附加保險(xiǎn)費(fèi)率有關(guān)，針對(duì)不同地區(qū)需要重新計(jì)算純保險(xiǎn)費(fèi)率，在進(jìn)行天氣指數(shù)保險(xiǎn)推廣試點(diǎn)的過程中，需要基于當(dāng)?shù)厥袌?chǎng)、減產(chǎn)率概率等背景計(jì)算出可靠的保險(xiǎn)費(fèi)率，提高天氣指數(shù)保險(xiǎn)的實(shí)用價(jià)值。

2）目前人工影響天氣作業(yè)所影響區(qū)域能覆蓋烤煙種植的大部分區(qū)域，在人工影響天氣作業(yè)的干預(yù)下，可能導(dǎo)致基差風(fēng)險(xiǎn)增大。

3）國內(nèi)雙偏振天氣雷達(dá)普及率不高，部分地區(qū)無法獲取參數(shù)ZDR，一定程度上阻礙了強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)的推廣應(yīng)用。

3.2" 結(jié)論

1）文章在設(shè)計(jì)強(qiáng)對(duì)流天氣指數(shù)時(shí)，首次采用雷達(dá)資料，并利用多個(gè)參數(shù)設(shè)計(jì)強(qiáng)對(duì)流天氣指數(shù)，為天氣指數(shù)的設(shè)計(jì)提供了新思路和新方法。

2）在雙偏振雷達(dá)的眾多參數(shù)中，最大反射率因子和差分反射率因子與烤煙在強(qiáng)對(duì)流災(zāi)害中的減產(chǎn)率相關(guān)性較大。

3）本研究構(gòu)建的烤煙強(qiáng)對(duì)流災(zāi)損模型，通過了0.05顯著性水平檢驗(yàn)，觀測(cè)值與模型預(yù)測(cè)值均方根誤差為0.28，為烤煙強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)奠定了理論基礎(chǔ)。

4）昭通市強(qiáng)對(duì)流天氣指數(shù)保險(xiǎn)純費(fèi)率為29.12%。

參考文獻(xiàn)：

[1] 楊德祥，施吉嶸. 淺析昭通市烤煙生產(chǎn)發(fā)展趨勢(shì) [J]. 現(xiàn)代經(jīng)濟(jì)（現(xiàn)代物業(yè)中旬刊），2012（12）：41-43.

[2] 李曉燕，黃韋華，倪霞，等. 昭通烤煙生態(tài)氣候適宜性分析 [J]. 中國農(nóng)業(yè)氣象，2008，29（2）：197-201.

[3] 李斌. 農(nóng)業(yè)氣象指數(shù)保險(xiǎn)的優(yōu)劣及在我國的應(yīng)用研究[J].企業(yè)導(dǎo)報(bào)，2016（6）：74-75.

[4] 林雪鑫. 茶葉種植氣象指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)與定價(jià)研究[D]. 泉州：華僑大學(xué)，2020.

[5] 陳帆. 云南省煙葉天氣指數(shù)保險(xiǎn)研究與設(shè)計(jì)[D]. 昆明：云南財(cái)經(jīng)大學(xué)，2021.

[6] 程達(dá)，袁天昂. 農(nóng)業(yè)保險(xiǎn)是云南農(nóng)業(yè)防災(zāi)減災(zāi)體系建設(shè)不可或缺的重要環(huán)節(jié) [J]. 西南金融，2009（2）：55-56.

[7] 陳盛偉. 農(nóng)業(yè)氣象指數(shù)保險(xiǎn)在發(fā)展中國家的應(yīng)用及在我國的探索 [J]. 保險(xiǎn)研究，2010（3）：82-88.

[8] 張惠茹. 指數(shù)保險(xiǎn)合約——農(nóng)業(yè)保險(xiǎn)創(chuàng)新探析 [J]. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2008（11）：49-53.

[9] SKEES J，HAZELL P B R，MIRANDA M. New approaches to crop yield insurance in developing countries[R]. International Food Policy Research Institute（IFPRI），1999.

[10] MIRANDA M J.Area-yield crop insurance reconsidered[J]. American Journal of Agricultural Economics，1991，73（2）：233-242.

[11] 劉素春，劉昕怡，劉娟. 我國農(nóng)業(yè)保險(xiǎn)經(jīng)營效率研究——基于公司視角 [J]. 山東財(cái)經(jīng)大學(xué)學(xué)報(bào)，2020，32（3）：49-57，120.

[12] 張玉環(huán). 國外農(nóng)業(yè)天氣指數(shù)保險(xiǎn)探索 [J]. 中國農(nóng)村經(jīng)濟(jì)，2017（12）：81-92.

[13] TURVEY C G，KONG R.Weather risk and the viability of insurance in China’s Gansu，Shaanxi，and Henan provinces[J].China Agricultural Economic Review，2010，2（1）：5-24.

[14] 毛守原. 河南省小麥氣象指數(shù)保險(xiǎn)產(chǎn)品研究[D].鄭州：鄭州大學(xué)，2015.

[15] 牛選明. 干旱脅迫對(duì)薄皮核桃果實(shí)品質(zhì)的影響 [J]. 山東林業(yè)科技，2018，48（5）：61-63.

[16] 牛浩，陳盛偉. 農(nóng)業(yè)氣象指數(shù)保險(xiǎn)產(chǎn)品研究與試驗(yàn)述評(píng) [J]. 經(jīng)濟(jì)問題，2016（9）：22-27.

[17] 李云婧. 中國農(nóng)業(yè)氣象指數(shù)保險(xiǎn)發(fā)展研究[D]. 沈陽：遼寧大學(xué)，2017.

[18] 吳嘉偉，周紅根，劉愛兵，等. CINRAD/SA雙偏振雷達(dá)差分反射率的標(biāo)定與應(yīng)用 [J]. 氣象水文海洋儀器，2023，40（2）：105-108.

[19] 李謙，沈西林，茶忠汪. 云南省漾濞縣核桃種植的經(jīng)濟(jì)效益分析 [J]. 中國鄉(xiāng)鎮(zhèn)企業(yè)會(huì)計(jì)，2007（5）：72-74.

[20] 信志紅，郭建平，譚凱炎. 典型高溫年分期播種冬小麥生育及產(chǎn)量性狀差異性分析 [J]. 中國農(nóng)業(yè)氣象，2018，39（9）：601-610.

[21] 楊尚. 花生天氣指數(shù)保險(xiǎn)研究與設(shè)計(jì)[D]. 濟(jì)南：山東大學(xué)，2019.

[22] 秦濤，朱彩霞. 云南核桃干旱氣象指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì) [J]. 中國農(nóng)業(yè)氣象，2021，42（12）：1057-1067.

[23] 谷娟，周筠珺，史朝，等. 一次雷暴過程中水凝物相態(tài)演變特征 [J]. 成都信息工程學(xué)院學(xué)報(bào)，2015，30（5）：505-511.

[24] 張康森. 河北省玉米天氣指數(shù)保險(xiǎn)及其費(fèi)率厘定研究[D].成都：西南財(cái)經(jīng)大學(xué)，2021.

[25] 聶榮，宋妍. 農(nóng)業(yè)氣象指數(shù)保險(xiǎn)研究與設(shè)計(jì)——基于遼寧省玉米的面板數(shù)據(jù) [J]. 東北大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2018，20（3）：262-268，298.

[26] 楊曉娟，張仁和，路海東，等. 基于CERES-Maize模型的玉米水分關(guān)鍵期干旱指數(shù)天氣保險(xiǎn)：以陜西長(zhǎng)武為例 [J]. 中國農(nóng)業(yè)氣象，2020，41（10）：655-667.

[27] 賀金娜，劉布春，劉園，等. 鮮食葡萄天氣指數(shù)保險(xiǎn)設(shè)計(jì)：以環(huán)渤海主產(chǎn)區(qū)瓦房店連陰雨災(zāi)害為例 [J]. 中國農(nóng)業(yè)氣象，2022，43（10）：810-820.

（責(zé)任編輯：敬廷桃）