福建省25个粮食主产县水稻单产波动风险区划研究

徐学荣++周磊++傅美兰

摘 要 基于福建省 25个粮食主产县（市、区）1989 -2013年水稻单产数据，选取历年平均减产率、歉年平均减产率、灾年平均减产率、历年平均减产率变异系数、歉年平均减产率变异系数、灾年平均减产率变异系数、减产率大于3%的概率和减产率大于4%的概率等8个指标作为风险指标，运用聚类分析法将这25个县（市、区）进行风险区划。区划结果为3个风险区——高风险区、中风险区、低风险区，并分析了各个风险区的特征，结果对科学布局水稻种植和发展区域保险具有一定的实用价值。

关键词 水稻；单产；风险指标；风险区划；福建省

中图分类号：F326.11 文献标志码：A 文章编号：1673-890X（2014）12-0-5

农业是自然再生产和经济再生产相结合的产物，水稻作为福建省的主要粮食作物，其生产过程面临很多风险，如自然风险、技术风险等，这些风险都会造成水稻减产。福建省虽位于我国东南沿海，但是山地与丘陵面积占全省总面积的80%以上，各地域气候的差异较大。事实上，福建省历来就是缺粮省份，现在粮食自给率仅50%左右。福建省水稻播种面积约86.67万hm2，旱涝保收面积仅占一半，洪水、干旱、低温、病虫害等自然灾害，是造成水稻严重减产的主要因素[1]。因此，本文以福建省25个粮食主产县为单位，选取一定的风险指标对他们进行风险分区，以服务于水稻产量保险和生产布局。

1 相关文献回顾

关于农作物产量风险区划的研究受国内外学者的广泛重视，取得了丰富的成果。例如，邓国等利用各省历年粮食单产资料，历年平均减产率、历年减产变异系数和风险概率3个风险指标，采用聚类分析方法进行风险区划[2]。王志春等和刘伟等对赤峰市和宁城县农作物产量风险指标的选择更加细致，定义历年、歉年、灾年和大灾年的减产率、变异系数等指标，在产量风险区划上选择总体变异系数作为风险区划的主要因子，参考历年平均减产率和歉年平均减产率指标，用聚类方法进行分区[3，4]。王勤等对广元市7个县（区）水稻风险评估及风险区划的研究也类似，结果划分为低风险区、中风险区和大风险区[5]。水稻是我国南方主要种植的农作物，水稻种植保险倍受政府重视和农户关注，关于水稻风险区划的研究也较为深入。例如，吴利红等利用浙江省52个县市1971-2004年的晚稻单产数据，进行晚稻产量的农业气象灾害风险区域研究，选择平均减产率、变异系数、风险指数为风险评价指标，将这三种指标归一化处理为综合风险指数，根据综合风险指数将浙江省晚稻产量划分为3个气象灾害区：综合风险指数≥0.3的区域，综合风险指数在0.2～0.3的区域，综合风险指数<0.2的区域[6]；钟甫宁等则探讨水稻的生产风险区划问题，选取单产变异系数、受灾率>30%、专业化指数和效率指数，运用聚类分析法，将我国稻谷生产风险区域分为风险低、风险中、风险大三个区域[7]；陈新建和陶建平研究湖北省17个地级市的水稻生产风险区划，选取单产变异系数、减产率>10%的概率、减产率>20%的概率、专业化指数和生产效率指数五个指标，运用聚类分析法将风险等级分为四类[8]；李文芳在研究湖北省中稻县级产量的保险风险区划时，在指标选取上综合考虑了气候、农业灾害、地形地貌、水利设施等因素，建立了海拔大度、年降水量、年日照时数、≥10 ℃积温、年平均气温、旱灾等级、涝灾等级、有效灌溉面积比率、旱涝保收比率、单产变异系数、灾害损失率超过4%的概率、灾害损失率超过8%的概率的指标体系[9]。已有研究为本文提供了指导和借鉴，但对福建省水稻风险区划的研究有待完善和深入。因此，本文以福建省25个粮食主产县为研究对象，选取相应风险指标，对水稻产量进行风险区划，结果对科学布局水稻种植和发展区域保险具有一定的实用价值。

2 数据来源及处理

2.1 数据来源

福建省25个粮食主产县（市、区）分别为：三明市下辖的永安市、明溪县、清流县、宁化县、大田县、尤溪县、将乐县、泰宁县、建宁县；南平市下辖的邵武市、武夷山市、建瓯市、建阳县、顺昌县、光泽县、浦城县；龙岩市下辖的新罗区、长汀县、永定县、上杭县、武平县、连城县；宁德市下辖的古田县、屏南县；漳州市下辖的长泰县，可见这25个粮食主产区主要集中在福建省的闽西、闽北地区。这25个粮食主产县（市、区）1989-2013年的水稻667 m2产量数据来源于历年的《福建农村经济年鉴》《福建经济与社会统计年鉴（农村篇）》《福建农村经济年鉴》。

2.2 数据处理

影响作物最终产量形成的各种自然和非自然因素可以按影响的性质和时间尺度划分为农业技术措施、气象条件和随机“噪声”三大类，即， 其中，是作物单产，是反映历史时期生产力发展水平的长周期产量分量，称为趋势产量，主要受农业生产技术水平因素影响，是受以气象要素和社会经济因素为主的短周期变化因子影响的产量分量，是随机因素影响的产量分量，由于所占比例很小，实际计算中不作考虑[10]。本文用二次函数拟合水稻实际单产，从而得到趋势产量，它反映的是生产力发展水平的长期趋势，估计参数时所用的软件是EViews6.0。当第年实际单产小于其趋势单产时，界定该年为歉年，意味着该年水稻减产，损失程度用单产减产率表示，计算公式为：。该公式说明，当实际值大于等于拟合值时，单产减产率为0，当实际值小于拟合值时，单产减产率为。这样就定义了一个相对值序列，反映的是减产程度的波动状况，不受时间和各地区之间生产力水平差异的影响，在各县（市、区）之间具有可比性。

3 风险指标及其计算

风险区划就是根据风险损失的不同程度将一个地区划分为差异明显的不同风险区域[11]，也就是根据农作物生产的结构性风险因子将农作物生产区域划分成不同风险的小区域[9，12]。这些结构性风险因子包括地形地貌、土壤条件、气候综合条件等自然和生态环境因子，以及农作物生产的技术装备状况、农作物减灾防灾服务体系和农作物种植结构等。但保险风险区划有别于种植区划，它更侧重于产出的稳定性，因此本文选择了以下三类风险区划指标。endprint

3.1 减产率指标及其计算

定义的年份为歉年，<-3%的年份为灾年，表示历年平均减产率，歉年平均减产率，表示灾年平均减产率，计算公式分别为：

其中，n为全部样本数，m为歉年样本数，k为歉年样本数。历年平均减产率为每年水稻平均减产率，歉年平均减产率为水稻相对波动产量小于0的平均减产率，灾年平均减产率为水稻相对波动产量小于-3%的平均减产率。数值见表1的第2～4列。

3.2 变异系数指标及其计算

变异系数（cv）是标准差与平均值之比，表明样本的波动程度，又称稳定系数。计算公式如下：cv ，

当、n为总样本数时，得到历年减产变异系数cv，当x=dq、n=m时，得到歉年减产变异系数cvq；当x=dz、n=k时，得到灾年减产变异系数cvz。数值见表1的第5-7列。

3.3 减产率概率指标及其计算

事实上，损失率是个随机变量，有概率密度函数。非参数核密度估计法是估计密度函数的一种有效方法，被广泛使用。例如，Goodwin，B.K和A.P.Ker采用非参数核密度估计农作物产量密度[13]，杨汭华等用非参数核密度估计，对农作物产量损失风险进行实证研究[14]。

非参数核密度估计法就是对随机变量x的密度函数f（x）进行核估计的一种方法。f（x）的表达式为：

其中n为样本容量，h是窗宽，是核函数。本文以高斯核作为核密度函数，则

于是核密度估计的形式为：

从核密度估计的公式可以看出，窗宽h和核函数的选择会影响到密度函数估计的效果。选择窗宽h常用方法有总量确定法、Sliverman法则和各种插入法[15]。本文选择采用 Silverman 的“经验法则”，根据Alan，P.K. and Barry，K.G.的研究，窗宽，其中 ，s为样本标准差，Q是四分位距（=Q3-Q1），实际工作中的数据往往偏离正态分布，将1. 06降到0. 9效果较好[16]，亦即。根据福建水稻单产损失率的实际，本文以减产率大于3%和大于4%的风险概率作为风险指标。使用Mathematica9.0计算积分：

，c分别取值0.03和0.04，得到减产率大于3%和大于4%的概率，数值见表1的第8-9列。

4 风险区划结果及分析

4.1 聚类分析法划分风险区域

聚类分析是研究样品或指标进行分类的一种多元统计方法，一般包含以下几个步骤：选择聚类变量、进行数据变换处理、选择样品间距离的计算方法、计算类间的距离、选择聚类方法、确定分类结果并进行分析。这里为把变量变成均值为0、方差为1的标准化变量，即采用Z-score变换方法，样品间距离的计算方法采用欧氏距离（Euclidean 距离），类间距离的计算使用离差平方和法（Ward距离），应用社会科学统计软件包SPSS16.0 for Windows软件进行聚类运算，结果分成3类，各类的县市构成见表2。

4.2 风险等级判别

为了便于分析各类风险区的类别特征， 不仅考虑风险区划指标，还应考虑其他指标，如气象指标、地理指标、社会经济指标等，这些指标或有助于分析类别特征或能说明类别形成原因。本文选用“历年单产极差”反映历年单产中，最高单产与最低单产之差，极差大小说明单产波动幅度大小；“历年平均单产”在一定意义上能反映该县单产高低水平，是产出收获指标。设指标的平均值为和标准差是，以指标值大于时为“高”、指标值属于时为“中”、指标值小于时为“低”，设定各指标等级的判别基准，见表3。

根据表2所列的分类结果，计算各类地区指标的平均值，并判断其风险高低，结果见表4。在类别号为1的类中，衡量风险大小的指标（历年平均减产率、歉年平均减产率、减产率>3%的概率、减产率>4%的概率）都达到了“高”的级别、灾年平均减产率达到“中”并接近“高”，因此，称该类地区为“高风险区”。在类别号为2的类中，衡量风险大小的指标几乎都处于“中”的级别，因此称该类地区为“中风险区”。在类别号为3的类中，衡量风险大小的指标都是“低”的级别，因此，称该类地区为“低风险区”。

4.3 各风险区特征

高风险区：该区包括尤溪县、建阳县、光泽县、屏南县、长泰县。除衡量风险大小的指标处于风险高水平外，衡量风险稳定性的指标（历年减产变异系数、歉年减产变异系数、灾年减产变异系数）处于“中低”水平，这与该区为高风险区不矛盾，说明“减产年、歉收年、灾年”其风险指标“一致地、稳定地”高，从另一个侧面佐证了该地区高风险。从地理位置看，除长泰县外，建阳县和光泽县属南平市，尤溪县虽属三明市，但北与南平市接壤，屏南县虽属宁德市但西与南平市下辖的建瓯相连，因此该区可以认为属于闽北的南平市。该类地区的历年单产极差也是三类地区中最大的，说明该类地区单产波动大，此外，该类地区其减产率>3%的概率和减产率<4%的概率都是三类地区中最高的，这些都同样说明该区风险高。有意思的是该类县的历年平均单产却显著高于其他两类地区，体现出“高风险高收益”的特征。该区的农户应该积极购买水稻保险以弥补高风险可能带来的损失。

中风险区：该区包括永安市、清流县、宁化县、大田县、将乐县、邵武市、武夷山市、建瓯市、顺昌县、浦城县、长汀县、永定县。该区包含22个县市区中的12个，占55%。从地理位置看，永安市、清流县、宁化县、大田县、将乐县属三明市，邵武市、武夷山市、建瓯市、顺昌县、浦城县属南平市，因此，中风险区中的县市以“南平三明为主”，在福建的西北方向。该风险区中，风险大小在中等、风险大小的波动在中高水平，单产和单产的波动幅度在三个类中处中等水平。政府和保险公司应加强在该区的水稻保险宣传和服务，以增强农户的购买意愿。

低风险区：该区包括明溪县、泰宁县、 建宁县、新罗区、上杭县、武平县、连城县、古田县。该区具有“低风险中等收益”的特征。历年单产极差低于中风险区，历年平均单产与中风险区几乎相同。从地理位置看，新罗区、上杭县、武平县、连城县隶属龙岩市，明溪县、泰宁县、建宁县是三明市下辖，该区的县市没有属于南平市的，几乎由龙岩市和三明市管辖，具有“闽西”特征。在该区应强化政策性保险作用，加大保费的补贴力度，降低农户逆向选择给保险公司带来的风险。endprint

参考文献

[1]李征.福建水稻保险的探索与实践[J].中国保险，2011（3）：58-60.

[2]邓国，王昂生，周玉淑，等.中国省级粮食产量的风险区划研究[J].南京气象学院学报，2002，25（3）：373-379.

[3]王志春，胡桂杰，杨军.赤峰市主要农作物产量风险评估及区划[J].内蒙古气象，2002（4）：24-26.

[4]刘伟，李向梅，李俊有.宁城县主要农作物产量风险评估及区划[J].内蒙古科技与经济，2009（8）：7-8.

[5]王勤，姚志国，刘会斌，等.广元市主要农作物单产风险评估及区划[J].安徽农业科学，2011，39（13）：7674-7675，7802.

[6]吴利红，毛裕定，苗长明，等.浙江省晚稻生产的农业气象灾害风险分布[J].中国农业气象，2007，28（2）：217-220.

[7]钟甫宁，宁满秀，邢鹂.我国政策性种植业保险制度的可行性研究[M].经济管理出版社，2007：73-74.

[8]陈新建，陶建平.湖北省水稻生产风险区划的实证研究[J].统计与决策，2008（19）：86-88.

[9]李文芳.农作物区域产量保险风险区划指标体系研究[J].生态经济，2012（8）：76-78.

[10]张建敏.农业气象灾害风险估算方法初探[A].李世奎.中国农业灾害风险评价与对策[C].北京：气象出版社，1999，183-189.

[11]庹国柱，李军.农业保险[M].北京：中国人民大学出版社，2005：16.

[12]邢鹂，钟甫宁.粮食生产与风险区划研究[J].农业技术经济，2006（1）：19-23.

[13]Goodwin， BK， Ker A，P. Nonparametric estimation of crop yield distributions： implications for rating group-risk （GRP） crop insurance contracts. Journal of Agricultural and Resource Economics， 1998， 80： 139-153.

[14]杨汭华，王丽红，鲜祖德.农作物产量损失风险水平实证及影响因素分析——基于第二次全国农业普查数据的探讨[J].保险研究，2009（10）：102-108.

[15]Barry K G， Alan P K. Nonparametric estimation of crop yield distributions： implications for rating group-risk crop insurance contracts[J].Amer J Agr Econ，1998，80：139-153.

[16]Alan P K， Barry K G. Nonparametric estimation of crop insurance rates revisited[J]. Amer J Agr Econ， 2000（83）： 463-478.

（责任编辑：刘昀）endprint