云南咖啡低温寒害气象指数保险风险分析

戴敏 吴利红 　向曦 　张智 　彭艳秋

摘 要 目的：设计咖啡低温寒害气象指数保险，为开展咖啡政策性农业保险提供技术支撑。方法：调研咖啡种植区的采收记录，确定咖啡进入采摘期后遭受低温寒害的产量损失率与低温寒害过程的关系，利用两种低温寒害风险分析模型，设计了两个方案，通过气象资料分别计算两种方案中不同等级低温寒害出现的风险以及对应的咖啡产量损失风险，并分析了两种方案中各咖啡种植区域的低温寒害分布。结果：方案1较为切合实际，考虑了不同采摘期不同程度低温寒害对咖啡产量损失的影响，但对海拔1 000 m以下的低温寒害指标需要进行深入的调查研究后进行修正。结论：方案1设计的农业保险产品在不计免赔条件下，保险费率的设定与各咖啡种植县实际风险相符，可及时赔付，易为保险公司和农民双方共同接受。

关键词 咖啡；政策性农业保险；低温寒害；气象指数保险

中图分类号：S571.2 文献标志码：B DOI：10.19415/j.cnki.1673-890x.2018.27.047

农业气象灾害是危害农业生产最主要的自然灾害，它与农业经济效益紧密相连。实施政策性农业保险是政府实现农业发展目标和有效保护农民利益的政策措施。需要一种合适的金融手段，将损失控制在最小范围内，让广大咖农和咖啡产业从业人员的利益得到最大化的保障[1]。气象指数保险从气象数据出发建立农业保险模型，解决了信息不对称问题，是目前世界各国政策性农业保险采用的主要先进模式。国内多个省市在全国实行政策性农业保险试点，气象指数保险以特定的农业气象指标作为触发机制，如果超出了预定的标准，保险人就要负责赔偿的农业保险模式，它与大灾后实际的农作物受损状况无关，无需逐户勘查定损，不需要农场产量的历史数据，仅需要历史气象数据和准确的气象观测数据[2-3]。

1 数据与方法

1.1 数据

搜集整理云南省1989—2015年的统计年鉴，对1988—2014年的云南咖啡作物面积和产量进行了整理和分析，并利用咖啡种植所在地1987年9月至2016年8月共30年的逐日气象资料对低温寒害过程进行分析。

1.2 咖啡低温寒害气象指数保险合同设计

将咖啡低温寒害气象指数保险定义在一个事先指定的区域，以咖啡采收时期的低温寒害发生为基础，根据低温寒害造成咖啡的产量损失率和出现风险，确立保险费率和损失理赔支付的合同。咖啡低温寒害气象指数是事先规定的低温寒害气象事件对应的气象指标，每个指数值对应一定的咖啡产量损失率和赔付率。根据所在地气象站观测到的气象数据确定的咖啡低温寒害气象指数进行赔付。

纯保险费率等于保险损失的期望值[4]，即：

Pr=E[Loss]/λμ（1）

式（1）中，Pr为纯保险费率，λ为保障比例，μ为预期单产，Loss为作物损失。按照政策性农业保险试点方案，λ和μ取100%，不考虑免赔额，保险人按照受损土地的保险金额与实际损失率的乘积确定赔偿金额。纯保险费率可写为：

Pr=E[Loss]/λμ=E[Loss]=∑（p）（2）

式（2）中，P为不考虑免赔额的出现概率。

1.3 单位面积咖啡产量

单位面积上的咖啡产量（当年产量与3年前的年末实有面积之比）如图1所示，图中对该数据进行了线性拟合。2000年和2014年咖啡产量由高于趋势線的状态变为明显的低于趋势线的状态，数据表明咖啡产量的显著减少，减少的原因可能与调查分析的低温寒害气象灾

害有关。

2 结果与分析

2.1 咖啡低温寒害的指标

全国各地对低温寒害有不同的划分标准。根据普洱市50余年气象资料，结合咖啡的生物学指标及受害的轻重程度，普洱市咖啡产业发展办公室公开发布的咖啡低温寒害指标见表1。

2015年，云南省气象局根据长期的气候统计资料以及长期的咖啡种植经验，进行了严密的计算论证过程编制了《小粒种咖啡寒害等级》（云南省地方标准DB53/T 679—2015）标准。该标准依据寒害指数的大小，将寒害分为轻度、中度、重度三个等级，对应的指数导致的受害率见表2。

2.2 咖啡低温寒害气象保险指数的设计

调查咖啡种植园历年采摘记录情况，总结海拔高于

1 000 m的种植区咖啡采收量与采收时间的对应关系，结果如图2所示。可以看出，对于海拔高于1 000 m的种植区，咖啡采收一般从11月中旬开始12月底可以完成采收任务的50%左右，次年3月咖啡采收结束。海拔低于1 000 m

的种植区，咖啡采收时段提前20～30 d。

根据两个咖啡寒害指标，提出了两个不同的咖啡低温寒害气象保险指数方案。

1）方案1。根据咖啡庄园咖啡采摘记录统计特征结合咖啡的生物学指标及受害的轻重程度，确定咖啡进入采摘期后，不同海拔高度咖啡种植遭受低温寒害的产量损失与所在地低温寒害强度的关系，见表3。

2）方案2。不考虑采收情况，不区分种植区域海拔，以每年遭受的寒害程度来确定损失，其中寒害指标参考表2。

2.3 风险分布

2.3.1 方案1

统计各咖啡种植县历年不同时段不同等级低温寒害出险的频次，在表4所列各期间内，发生低温寒害触发赔付，每次赔付比例为未赔付金额比例与不同时期不同程度低温寒害与咖啡产量损失率的乘积即[3]：

PayOffd=∑d∈保险险期（1-Pd）×（Ci，j）（3）

式（3）中，PayOffd为每次赔付的比例；Pd为已赔付的比例，Ci，j为表4中不同程度不同时期的损失率。

收集云南现有咖啡种区域的气象资料，结合表3中海拔大于1 000 m和小于1 000 m的指标通过（3）式分别计算两套咖啡种植县历年损失率，得出30年平均损失率，并得到咖啡低温寒害气象指数的纯保险费率见表4。

由表4可见，对于海拔大于1 000 m的标准咖啡种植区，云南各咖啡种植县在不计免赔下纯保险费率差异较大，大部分地区30年纯风险费率在1.63%～11.54%，方案是比较适用的。但其中保山、麻栗坡和宾川并不适宜方案1设计的气象保险指数，以此指标指针的这三个地区受低温寒害的影响较为严重，而实际中却大量栽种生产咖啡，所以实际中对这三县的咖啡气象指数设计时需要实地调查，设计出符合当地实际的气象保险指数。

对于1 000 m以下咖啡种植区，依据现在的低温寒害指标，孟连和镇康都能够达到17.56%和53.14%的纯风险费率，与实际生产情况不符，低于1 000 m以下的低温寒害气象指数过于保守和严格，需要调整。通过调查目前试点地区90%以上海拔高于1 000 m，故方案1适用于绝大部分的试点地区。

2.3.2 方案2

方案2并不考虑采收时段，分别计算咖啡低温寒害气象指数的风险出现频率及其纯风险费率得到表5，由表可见，其分析结果与方案1相同，保山、麻栗坡和宾川出现低温寒害的概率较高，主要是轻度寒害出现的频率较高，可以考虑实地调查，对现有方案依据实际进行调整或者重新设计适宜当地的咖啡低温寒害气象指数。

2.4 两个方案的对比分析

图3给出了依据方案1和方案2，计算的云南各咖啡种植县的历年损失率，可以看出由低温寒害引发的损失率，损失较大的年份为2000年、2014年和2016年，对应1.4中对云南咖啡产量历年变化的分析可以看出，2000年、2014年低温寒害确实导致了云南咖啡的减产，说明咖啡低温寒害气象指数的设计是较为合理的，方案2计算的损失率平均较方案1高出6.43%。

对比两个方案，方案1从实际生产出发，且对种植区域的海拔进行了划分，较为贴近生产实际，对每一次寒害过程进行判别，可及时按照实际受寒害的情况根据气象观测资料做到及时赔付。

方案2每年一个指标寒害指标，实际操作简洁，每年11月至3月进行计算统计寒害指数，而后每一年可进行理赔操作一次，其30年风险测算结果简单明了，由于没有区分采收期中已经收获的产量，大部分咖啡种植区域方案2计算的损失率要高于方案1，并且在计算低温寒害指标时需要主观调整计算参数，对不同海拔种植区域的情况没有区分，没有考虑不同采收时段发生低温寒害对采收的不同影响。

综合考虑，认为采用方案1较为切合实际，但需要对海拔低于的1 000 m以下的低温寒害指标在进行调查研究后进行修正。而对于保山、麻栗坡和宾川县的咖啡气象指数设计时需要实地调查，进行调整或者依据实际情况设计出符合当地实际的气象保险指数。

2.5 保费及保额建议

實际调查中发现咖啡单亩的收益并不高，种植企业和农户压力较大，对咖啡低温寒害气象指数保险有需求，建议各地依据本地不同低温寒害风险，采用低保费的方式推广咖啡低温寒害政策性农业保险。

3 结论

仅采用县气象站资料，进行各县咖啡低温寒害气象指数保险的设计，还有其改进和完善的空间，但云南省中尺度区域气象站的建设较全国要落后，站点少、资料时间短、资料不完整，使得使用数学方法延长气候资料序列存在困难，同时不能解决气象站点空间密度不大代表性不佳的问题。随着气象事业的发展，区域气站布设的越来越多，质量越来越好，可以较好地解决上述问题，使得气象指数保险将有更好的科学支撑。此外，云南地形复杂，云南省山地、高原、丘陵占总面积的94%，同一次气象灾害过程，气象要素空间变异大，造成灾害后果不同。政策性农业保险的可持续发展来看，保险公司收取的保费应大于或者等于其保险赔付，同时农户缴纳的保费要与其所在地区的风险水平相匹配。故在云南设计气象指数保险时，应以县为单位，尽可能地使用中尺度气象站资料，使气象资料能够最大限度地代表当地的气象气候特征，以降低基差风险。

参考文献：

[1] 宗义湘，李先德，乔立娟.中国农业政策对农业支持水平演变实证研究[J].中国农业科学，2007，40（3）：622-627.

[2] Turvey C G. Weather derivatives for specific event risks in agriculture[J].Review of Agricultural Economics，2001，23（2）：333-351.

[3] 欧阳再根，魏荣源.农业巨灾风险管理中对气象指数保险的应用[J].中国农业信息，2013（11）：172.

[4] 吴利红，娄伟平，姚益平，等.水稻农业气象指数保险产品设计——以浙江省为例[J].中国农业科学，2010，43（23）：4942-4950.

（责任编辑：赵中正）