水稻保险气象保险指数研究

董京铭 张银意 陈江文 郝玲 史达伟

摘要：以江苏省连云港市近30年水稻单产以及近30年来的气象要素，利用5年直线滑动均值法，分离出气象产量，并将气象产量与各种气象要素进行相关性检验，根据相关性结果选取日照时数作为农业气象保险指数因子，投保时间选取水稻对日照最敏感的抽穗开花期与灌浆成熟期，同时建立水稻减产率与寡照时数的关系模型。再依据连云港市各区县日照气象数据，采用Weibull 分布模型模拟不同地区发生寡照气象灾害的概率，结合减产率模型确定不同灾害触发等级下保险纯费率。结果表明，连云港市各区县水稻减产率与寡照时数呈三次函数关系;其中灌云灌南发生寡照灾害概率较高，而赣榆最低;连云港市各区县寡照气象灾害指数保险纯费率呈南高北低的趋势，灌南地区的纯费率最高，在轻度灾害赔付触发等级下，纯费率高达8.32%，而赣榆地区的纯费率最低，仅为2.98%。研究认为在中度或中重度灾害触发等级下纯费率较适宜，研究结果可为连云港市各区县水稻开展政策性气象指数保险提供科学依据。

关键词：寡照气象灾害;气象指数保险;纯费率;Weibull 分布;连云港市

中图分类号：S511;F842.6 文献标识码：A

文章编号：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，生长发育与产量构成受到气象因子变化的影响。影响水稻的气象因子主要有降水、温度、光照等。近年来，部分省份积极推广政策性农业保险[1，2]，而随着苏南、苏中地区耕地面积减少速度增快，连云港市乃至整个苏北地区在全省粮食生产中的战略性地位日益突出，因此将气象灾害造成的水稻减产损失通过保险的方式为农民提供补偿，以转移灾害风险，弥补农民的损失，提高种植积极性将变得尤为重要。但政策性农业保险以实际灾害损失为赔付依据，要经过复杂的环节后，才能获得赔付，包括查险、定损、理赔、估价等。赔付过程存在明显缺陷，包括滞后性与道德风险[3，4]等问题。而天气指数保险基于气象观测实况资料，客观评价气象灾害的强度，预估灾害损失，具有客观公正、快速理赔等优点，适用于针对单一农业气象灾害的保险产品设计[5，6]。国外自20 世纪90 年代开始研究天气指数，目前其产品已得到广泛应用。加拿大、印度、美国和墨西哥等分别将天气指数保险应用于玉米、花生、烟草种植和制冷取暖等行业。同时，美国、墨西哥、南非和阿根廷采用气象指数保险来规避高温热害、低温冻害、暴雨等极端天气事件给农业、畜牧业、种植业、金融业等造成的风险[7-9]。娄伟平等[10]设计了水稻暴雨灾害指数保险和柑橘冻害气象指数保险，杨太明等[11]设计了安徽冬小麦种植保险天气指数，刘映宁等[12]设计了陕西苹果冻害农业保险风险指数，孙鹏[13]设计了山东省冬小麦的干旱指数保险和降雨量赔付指数模型，于宁宁[14]介绍了长丰县水稻种植天气指数保险，任义方[15]对河南省冬小麦进行了风险区划以及纯费率计算。目前，关于连云港市水稻保险气象指数报道较少见。本研究首先对连云港市近30年来水稻产量与气象因子相关性进行分析，再依据相关性研究结果，选出合适的气象因子，作为考虑气象保险指数的主要指标，最后利用Weibull 分布模型模拟灾害发生概率，并计算不同灾害等级下水稻气象指数保险的纯费率，以期为制定水稻气象指数保险产品、拓展农业保险领域、降低水稻种植风险、确保农户利益、保障粮食生产安全提供理论支持。

1 材料与方法

1.1 气象资料

气象数据来自连云港市气象局，分别为1975—2017年的逐日最高气温、日最低气温、日平均气温、降水量、日照时数。

1.2 农业资料

水稻单产数据来源于连云港市统计局，分别为1975—2017 年水稻总产量和种植面积，根据水稻产量与种植面积计算水稻的单位面积产量，选择单产可以消除种植面积变化带来产量变化问题。

1.3 数据处理

1.3.1 气象数据处理 通过统计原始气象数据，并根据水稻生育期（水稻生育期见表1，分为6个生育阶段），利用Matlap分别统计1975—2017年各生育期内平均最高气温、平均最低气温、降水量、日照时数以及温差。

1.3.2 农业资料处理 研究长时间序列的作物产量与气候因子关系时，一般把作物的产量分解为趋势产量、气候产量和随机误差3部分，但实际研究中一般将随机误差忽略，趋势产量是反映历史时期生产力发展水平的长周期产量分量，主要受地理环境、水肥、品种和生产力水平等影响，一般情况下，社会生产力的提高是主要因素，因此趋势产量一般呈上升趋势。气象产量是受气象因子变化而影响的产量分量部分 [16]。

实际产量=气象产量+趋势产量 （1）

一般利用相对气象产量来判断气象条件对产量是否有利。

[相对气象产量=实际产量-趋势产量实际产量] （2）

趋势产量的计算用5年直线滑动均值法模拟。这种方法是线性回归与滑动平均相结合的模拟，它将作物产量的时间序列在某个阶段内的变化看作线性函数，随着阶段的连续滑动，直线不断变换位置，后延滑动，从而反映产量历史演变趋势。依次建立各阶段内的直线回归模型，各时间点上的各直线滑动回归模拟值的平均即为趋势产量。

当相对气象产量为负值时，表示当时的气象条件不利于作物的生长，造成作物减产，则可用其值表示该年减产率。水稻产量自身存在一定的波动，此波动可能是由于其他人为等因素造成。根据前人研究结果，当减产率绝对值小于5% 时，气象灾害对产量并无明显影响，当减产率绝对值大于5%时，才定义该年作物出现减产。

1.3.3 灾害发生概率模拟 对于灾害性天气事件，重点研究不在于整体分布，而是超过某一阈值的尾部分布，采用极值理论分析导致极端天气结果的气象风险的尾部分布较为合适。因此利用Weibull 分布模型可以较好地模拟出气象灾害的分布。

式中，F（x）为气象灾害发生概率，x为灾害发生强度，[α]为Weibull 分布的形状参数，[β]为尺度参数。Weibull 分布的参数计算采用极大似然估计法（MLE）[17]。

1.3.4 保险纯费率 通过统计各县历年水稻灾害气象指数和灾害产量损失模型，可获得历年气象灾害减产率序列和气象灾害概率分布序列，分别计算连云港市各区县的保险纯费率R（%），即纯保费占保险金额的比例[18]。

1.3.5 數据拟合与制图 利用SPSS19. 0进行减产率拟合模型建立以及Weibull分布图的模拟制作，Excel 2010 进行数据处理以及制图，ArcGIS10.1制作连云港市保险纯费率分布图。

2 结果与分析

2.1 水稻气象灾害损失模型构建

2.1.1 天气指数气象因子选取 将水稻历年的产量与气象因子做相关性检验后发现，水稻产量的变化与日照时数关系最为密切。由表2可以看出，水稻抽穗开花期、灌浆成熟期的日照时数与水稻产量关系最为密切，在连云港市区与4县均显著相关（P<0.05），其中在个别地区达到极显著相关（P<0.01），降水量、温度等因子与产量也有一定的相关性，但相关性比日照时数弱，且降水及温度等气象因素可由人工控制，因此选取日照时数作为天气指数保险因子较为合适，根据研究结果保险适宜投保时段选择抽穗开花期以及灌浆成熟期。

2.1.2 减产率的计算 利用连云港市统计局水稻产量数据，根据式（1）和式（2）可得不同日照时数下水稻减产率，然后绘制减产率（X）与日照时数（x）散点图（图1）。由图1可知，水稻减产率与日照时数的拟合方程为

2.1.3 寡照时数的灾害等级划分 根据研究结果，抽穗开花期以及灌浆成熟期即每年的8月下旬至10月上旬为日照时数对产量影响的重要时刻，若该日期内日照总时数低于135 h，即形成寡照日照条件。

为简化纯费率计算，以及便于保险公司进行保险产品的设计及理赔的进行，按照寡照时数以及减产率的梯度划分寡照气象灾害等级（Weak light level，WLL），将水稻寡照气象灾害分为轻度、中度、中重度、重度灾害4个等级（表3），其中不同寡照等级的平均减产率根据该等级对应的日照时数，按式（5） 计算得到不同日照时数下减产率，再求得该等级下不同日照时数的减产率，计算其算数平均值，得到该等级下的平均减产率。根据当地气象站数据寡照灾害等级指标，当寡照气象条件达到某一级指数时，即寡照时数低于某一等级时，启动赔付[19]。

2.2 连云港市各区县寡照等级的概率分布

根据连云港市不同地区历年各生育期日照时数对水稻产量影响的统计研究，确定选取各站1975—2017 年每年8月下旬至10月上旬的日照时数资料，统计寡照气象灾害不同等级（HTL） 发生的次数及频率，利用极大似然估计法计算最符合实际情况的形状参数和尺度参数，并根据公式（3）进行Weibull 分布的拟合，最终得到每个区县寡照时数的Weibull 分布及其形状参数α和尺度参数β，如图2 所示。