董京銘 張銀意 陳江文 郝玲 史達偉

摘要：以江蘇省連云港市近30年水稻單產(chǎn)以及近30年來的氣象要素，利用5年直線滑動均值法，分離出氣象產(chǎn)量，并將氣象產(chǎn)量與各種氣象要素進行相關(guān)性檢驗，根據(jù)相關(guān)性結(jié)果選取日照時數(shù)作為農(nóng)業(yè)氣象保險指數(shù)因子，投保時間選取水稻對日照最敏感的抽穗開花期與灌漿成熟期，同時建立水稻減產(chǎn)率與寡照時數(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)生寡照氣象災害的概率，結(jié)合減產(chǎn)率模型確定不同災害觸發(fā)等級下保險純費率。結(jié)果表明，連云港市各區(qū)縣水稻減產(chǎn)率與寡照時數(shù)呈三次函數(shù)關(guān)系;其中灌云灌南發(fā)生寡照災害概率較高，而贛榆最低;連云港市各區(qū)縣寡照氣象災害指數(shù)保險純費率呈南高北低的趨勢，灌南地區(qū)的純費率最高，在輕度災害賠付觸發(fā)等級下，純費率高達8.32%，而贛榆地區(qū)的純費率最低，僅為2.98%。研究認為在中度或中重度災害觸發(fā)等級下純費率較適宜，研究結(jié)果可為連云港市各區(qū)縣水稻開展政策性氣象指數(shù)保險提供科學依據(jù)。

關(guān)鍵詞：寡照氣象災害;氣象指數(shù)保險;純費率;Weibull 分布;連云港市

中圖分類號：S511;F842.6?文獻標識碼：A

文章編號：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，部分省份積極推廣政策性農(nóng)業(yè)保險[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，因此將氣象災害造成的水稻減產(chǎn)損失通過保險的方式為農(nóng)民提供補償，以轉(zhuǎn)移災害風險，彌補農(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)保險以實際災害損失為賠付依據(jù)，要經(jīng)過復雜的環(huán)節(jié)后，才能獲得賠付，包括查險、定損、理賠、估價等。賠付過程存在明顯缺陷，包括滯后性與道德風險[3，4]等問題。而天氣指數(shù)保險基于氣象觀測實況資料，客觀評價氣象災害的強度，預估災害損失，具有客觀公正、快速理賠等優(yōu)點，適用于針對單一農(nóng)業(yè)氣象災害的保險產(chǎn)品設計[5，6]。國外自20 世紀90 年代開始研究天氣指數(shù)，目前其產(chǎn)品已得到廣泛應用。加拿大、印度、美國和墨西哥等分別將天氣指數(shù)保險應用于玉米、花生、煙草種植和制冷取暖等行業(yè)。同時，美國、墨西哥、南非和阿根廷采用氣象指數(shù)保險來規(guī)避高溫熱害、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)等造成的風險[7-9]。婁偉平等[10]設計了水稻暴雨災害指數(shù)保險和柑橘凍害氣象指數(shù)保險，楊太明等[11]設計了安徽冬小麥種植保險天氣指數(shù)，劉映寧等[12]設計了陜西蘋果凍害農(nóng)業(yè)保險風險指數(shù)，孫鵬[13]設計了山東省冬小麥的干旱指數(shù)保險和降雨量賠付指數(shù)模型，于寧寧[14]介紹了長豐縣水稻種植天氣指數(shù)保險，任義方[15]對河南省冬小麥進行了風險區(qū)劃以及純費率計算。目前，關(guān)于連云港市水稻保險氣象指數(shù)報道較少見。本研究首先對連云港市近30年來水稻產(chǎn)量與氣象因子相關(guān)性進行分析，再依據(jù)相關(guān)性研究結(jié)果，選出合適的氣象因子，作為考慮氣象保險指數(shù)的主要指標，最后利用Weibull 分布模型模擬災害發(fā)生概率，并計算不同災害等級下水稻氣象指數(shù)保險的純費率，以期為制定水稻氣象指數(shù)保險產(chǎn)品、拓展農(nóng)業(yè)保險領域、降低水稻種植風險、確保農(nóng)戶利益、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、日照時數(shù)。

1.2?農(nóng)業(yè)資料

水稻單產(chǎn)數(shù)據(jù)來源于連云港市統(tǒng)計局，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產(chǎn)量變化問題。

1.3?數(shù)據(jù)處理

1.3.1?氣象數(shù)據(jù)處理?通過統(tǒng)計原始氣象數(shù)據(jù)，并根據(jù)水稻生育期（水稻生育期見表1，分為6個生育階段），利用Matlap分別統(tǒng)計1975—2017年各生育期內(nèi)平均最高氣溫、平均最低氣溫、降水量、日照時數(shù)以及溫差。

1.3.2?農(nóng)業(yè)資料處理?研究長時間序列的作物產(chǎn)量與氣候因子關(guān)系時，一般把作物的產(chǎn)量分解為趨勢產(chǎn)量、氣候產(chǎn)量和隨機誤差3部分，但實際研究中一般將隨機誤差忽略，趨勢產(chǎn)量是反映歷史時期生產(chǎn)力發(fā)展水平的長周期產(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，社會生產(chǎn)力的提高是主要因素，因此趨勢產(chǎn)量一般呈上升趨勢。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]。

實際產(chǎn)量=氣象產(chǎn)量+趨勢產(chǎn)量 （1）

一般利用相對氣象產(chǎn)量來判斷氣象條件對產(chǎn)量是否有利。

[相對氣象產(chǎn)量=實際產(chǎn)量-趨勢產(chǎn)量實際產(chǎn)量] （2）

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

當相對氣象產(chǎn)量為負值時，表示當時的氣象條件不利于作物的生長，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，此波動可能是由于其他人為等因素造成。根據(jù)前人研究結(jié)果，當減產(chǎn)率絕對值小于5% 時，氣象災害對產(chǎn)量并無明顯影響，當減產(chǎn)率絕對值大于5%時，才定義該年作物出現(xiàn)減產(chǎn)。

1.3.3?災害發(fā)生概率模擬?對于災害性天氣事件，重點研究不在于整體分布，而是超過某一閾值的尾部分布，采用極值理論分析導致極端天氣結(jié)果的氣象風險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害的分布。

式中，F(xiàn)（x）為氣象災害發(fā)生概率，x為災害發(fā)生強度，[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)計算采用極大似然估計法（MLE）[17]。

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

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

2?結(jié)果與分析

2.1?水稻氣象災害損失模型構(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)性檢驗后發(fā)現(xiàn)，水稻產(chǎn)量的變化與日照時數(shù)關(guān)系最為密切。由表2可以看出，水稻抽穗開花期、灌漿成熟期的日照時數(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），其中在個別地區(qū)達到極顯著相關(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，因此選取日照時數(shù)作為天氣指數(shù)保險因子較為合適，根據(jù)研究結(jié)果保險適宜投保時段選擇抽穗開花期以及灌漿成熟期。

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

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

為簡化純費率計算，以及便于保險公司進行保險產(chǎn)品的設計及理賠的進行，按照寡照時數(shù)以及減產(chǎn)率的梯度劃分寡照氣象災害等級（Weak light level，WLL），將水稻寡照氣象災害分為輕度、中度、中重度、重度災害4個等級（表3），其中不同寡照等級的平均減產(chǎn)率根據(jù)該等級對應的日照時數(shù)，按式（5） 計算得到不同日照時數(shù)下減產(chǎn)率，再求得該等級下不同日照時數(shù)的減產(chǎn)率，計算其算數(shù)平均值，得到該等級下的平均減產(chǎn)率。根據(jù)當?shù)貧庀笳緮?shù)據(jù)寡照災害等級指標，當寡照氣象條件達到某一級指數(shù)時，即寡照時數(shù)低于某一等級時，啟動賠付[19]。

2.2?連云港市各區(qū)縣寡照等級的概率分布

根據(jù)連云港市不同地區(qū)歷年各生育期日照時數(shù)對水稻產(chǎn)量影響的統(tǒng)計研究，確定選取各站1975—2017 年每年8月下旬至10月上旬的日照時數(shù)資料，統(tǒng)計寡照氣象災害不同等級（HTL） 發(fā)生的次數(shù)及頻率，利用極大似然估計法計算最符合實際情況的形狀參數(shù)和尺度參數(shù)，并根據(jù)公式（3）進行Weibull 分布的擬合，最終得到每個區(qū)縣寡照時數(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。