農業氣象災害的空間集聚與政策性農業保險的風險分散
—— 以江、浙、滬、皖71個氣象站點降水量的空間分析為例(1980—2014)

葉明華

(華東師范大學 金融與統計學院， 上海 200241)

?

農業氣象災害的空間集聚與政策性農業保險的風險分散
—— 以江、浙、滬、皖71個氣象站點降水量的空間分析為例(1980—2014)

葉明華

(華東師范大學 金融與統計學院， 上海 200241)

搜集1980—2014年江、浙、滬、皖71個氣象站點的降水量數據，計算其全域Moran指數，并通過Kriging空間插值和降水量距平百分率法，繪制四省(市)農業旱澇災害的空間分布圖，將農業旱澇災害的空間分布與政策性農業保險賠付率等級的空間分布進行比對，結果發現：江、浙、滬、皖降水量具有顯著的空間正相關性，且表現出波動中增強的態勢，受此影響，四省(市)農業旱澇災害也表現出顯著的災害核心區和輻射區相連的區域集聚特征，而災害的空間集聚性易導致糧食主產區的政策性農業保險面臨較高的賠付風險。據此，須注重提升農業災害的氣象預警與排洪灌溉工程建設的區域協同效應，著力從傳統再保險和風險互換角度做好政策性農業保險的風險分散，關注融合國家再保險、保險交易平臺和保險與資本市場對接等多重渠道的農業保險巨災風險管理體系建設。

氣象災害；政策性農業保險；風險分散

政策性農業保險是確保國家糧食安全戰略和穩定農村經濟發展的重要金融工具，但是農業災害的空間相關性嚴重影響了政策性農業保險的穩健經營，為深入探究農業災害的空間特性，須從引致農業災害的氣象要素入手。

一、文獻綜述與理論假設

近年來，國內外關于農業氣象災害與農業保險的相關研究進展較快。依據需要，本文將既往相關研究按變量間相互影響的邏輯關系分解為兩個層面：一是氣象災害鏈層面，即農業氣象災害風險及由此導致的種植業損失研究；二是災害風險管理層面，即農業氣象災害的風險管理與政策性農業保險的賠付風險研究。

(一)農業氣象災害損失與減災舉措研究

1．農業氣象災害的危險性、空間性與災害損失評估

關于農業氣象災害的相關研究，可以歸納為時間視角上對災害危險性的研究和空間視角上對災害地理分布的探討。第一，氣象災害危險性研究。據全球災害數據庫統計，洪澇、臺風、干旱和與降水相關的滑坡、泥石流等次生災害是影響農業生產的主要氣象災害，其中，旱災與澇災的風險性最高。旱災造成全球年均經濟損失高達60億～80億美元。新中國成立以來，農業各類氣象災害中尤以澇災和干旱分布最廣、危害最大。Zhang et al.(2014)評估發現，大多數糧食主產區均面臨旱災威脅，尤其是黃河流域的農業生產區。在對氣象要素深入研究后發現，降水量的異常變動是導致旱澇災害的共同致災因素。第二，氣象災害的空間特性研究。主要利用遙感和地理信息技術進行災害空間分布測算，研究發現：中國的旱災空間分布表現為東部省份高于西部省份，北方省份高于南方省份；而長江中下游地區和東北地區遭受洪澇風險較高；災害的空間性導致中國省域氣象災害脆弱性表現為西高東低格局，呈梯度分布。

當前關于自然災害對農業生產的影響研究已在兩個層面進行了拓展：一是從短期影響分析轉向長期影響分析，尤其是對糧食綜合生產能力的沖擊研究。史培軍等(1997)認為，農業生態系統對氣候的依賴性較高，氣象災害是造成糧食減產甚至絕收的首要原因。聯合國糧農組織研究發現，長期來看，氣候變化將對國際糧食安全目標造成巨大沖擊。二是從自然災害的直接影響分析轉向間接影響研究。陳衛洪等(2013)認為，農業自然災害除了直接影響農作物受災面積，進而影響農業產量外，還將間接引起農產品市場價格波動和農戶生產行為。Stein et al.(2004)研究發現，農業災害會通過影響農作物產量和價格兩個方面削弱農戶福利。

2．農業生產體系的承災能力與減災措施

農業氣象災害的發生具有較強的客觀性，但是最終造成的實際損失還取決于農業生產體系的承災能力與減災措施的成效。

由于中國糧食作物種植屬于雨養農業，風險暴露程度較高，自然災害極易造成農業生產損失。此外，農業生產系統存在自身對氣象災害的適應性。因此，均態變化的氣象災害對農業生產的影響幅度較小，而極端氣象災害，因其低頻、高損、數據稀少等特點，往往造成巨大的農業生產損失。農業生產的減災舉措可分為適應性措施和預防性措施。適應性舉措是未來應對氣候變化機制的核心，主要措施有品種改良或調整，抑或是巨災之后農業勞動力的大量轉移。預防性舉措主要集中于農業抗災工程建設。程靜等(2010)認為，農田水利設施建設的完善使得氣象災害造成的農業生產損失大大降低。有調查發現，受農戶個體最優決策影響，當前農業防災措施主要以非工程類措施為主，水利工程類措施比例較低。

綜上，損失程度高、波及范圍大的農業氣象災害嚴重沖擊農業生產，造成中國農村出現“十年致富奔小康，一場災難全泡湯”因災致貧現象，因此，須加強農業生產體系的災害適應性建設，包括農田基礎設施改造，調整農作物種植結構等，以期全面提升農業生產系統應對氣候變化的能力，最終降低災害損失。

(二)農業災害風險管理與政策性農業保險的賠付風險研究

1．農業氣象災害風險管理體系建設

農業災害風險管理體系建設中首先要解決風險管理主體問題。政府主體論認為，農業減災舉措屬于公共物品，應由政府提供。有調查顯示，92.31%的農戶認為，政府應當是農業減災公共品的供給主體，農戶“等”、“靠”、“要”的觀念較為普遍。微觀主體論認為，農田水利發揮效益離不開農戶個體，必須把農業風險管理納入到農戶自身應對氣候變化的決策中。對此，陳利等(2013)認為，外部自然災害風險環境和政府減災作為影響了農戶的風險管理決策。只有以有效的風險管理手段應對氣候變化方可保障中國的糧食安全。政府的角色主要在于制度供給及農田水利設施資金投入，這是應對氣候變化的基本保障。于農戶而言，應結合農業生產具體環境，將農業風險管理納入生產決策，采用農田節水或排洪灌溉措施，以有效提高農業總產出。

2．政策性農業保險的賠付風險

政策性農業保險已成為中國為農戶提供風險管理的重要金融工具。近年來，政策性農業保險的承保面急劇擴大，但受農業靠天吃飯的影響，農業保險始終面臨較高的賠付風險。陳利等(2013)認為，農業災害風險的高相關性和強擴散性直接影響政策性農業保險的經營。田玲等(2013)測算發現，損失規模達到千億以上的“超大巨災”，將使保險基金迅速告罄。因此，政策性農業保險的優化問題不容忽視(姜莉，2014)。

針對農業保險的高風險性，庹國柱等(2014)認為，應當允許不同農業保險經營主體進行分散決策，以使得不同區域的政策性農業保險制度結構與該地區的風險環境和氣象特征之間具有高度相容性。針對大災與巨災可能影響農業保險經營積極性問題，呂曉英等(2014)提出，應增加對農業保險公司的激勵機制，適度提高其可分配利潤，同時建立全面的農業保險大災風險分散制度。

(三)本文研究假設

綜上，眾多氣象災害中，旱澇災害是影響中國農業生產最重要的自然災害。雖然旱澇災害的表象特征相反，但其氣象本質與降水量變化息息相關：當降水量超過正常年景時，易發生澇災；當降水量低于正常年景時，易發生旱災。故此，降水量成為旱澇災害的共同氣象要素，本文將以降水量作為研究的主要氣象變量。

基于既往相關研究，本文假設：

第一，氣象要素降水量的變化與旱澇災害的變化之間可以建立較強的相依關系，也即降水量的空間變化影響農業旱澇災害的空間特性；

第二，旱澇災害所致農業損失與政策性農業保險賠付變動之間具有較強的因果關系；

第三，氣象要素除了在時間上表現出強弱變化外，還會因空間分布特征而影響農業災害實際損失，并進而影響政策性農業保險的賠付風險。

二、氣象要素的空間集聚與農業旱澇災害的空間相關性

(一)預研究與農業氣象要素代表性變量的選取

氣象要素是導致氣象災害發生的基礎性變量，不同氣象要素引致的氣象災害略有不同，例如風速變化主要影響風災和霾的變化。影響農業生產最重要的氣象災害是干旱和洪澇，導致干旱和洪澇災害發生的最為重要的氣象要素是降水量的變化。《氣象干旱等級》國家標準規定，降水量的變化率可作為判定旱澇災害的重要氣象要素指標。同時，本文在降水量數據的預處理中，通過對降水量與旱澇災害的受災面積之間的嶺回歸分析發現，降水量變化與澇災受災面積有較強的正相關關系，而與旱災的受災面積變化有較強的負相關關系。鑒于此，本文選擇降水量作為研究農業旱澇災害的重要氣象要素代表性變量。

(二)數據來源

本文研究所使用的數據來自浙江、江蘇、上海和安徽四省(市)統計年鑒、地理信息科學教育部重點實驗室和中國氣象局公共氣象信息服務中心。具體為四省(市)的71個氣象站點的數據樣本，包括：浙江省的23個氣象站，11個地級市；江蘇省的23個氣象站，13個地級市；上海市1個氣象站，1個直轄市；安徽省的24個氣象站，16個地級市。時間區間為1980年1月至2014年12月，以月度數據為主。選取江、浙、滬、皖四省(市)為樣本是基于：一方面，四省(市)地理位置空間相鄰，這對于解析農業氣象要素的空間相關性至關重要；另一方面，四省(市)中的安徽省和江蘇省是中國重要的糧食主產區，其農業氣象災害特征可作為江淮流域糧食主產區*據新華網報道，中國目前僅有5個糧食調出省，分別是：黑龍江、吉林、內蒙古、安徽和江西。江淮地區的江蘇與安徽依然是產糧大省，而上海和浙江則是糧食調入大省(市)，且調入的糧食主要來自鄰近的安徽和江蘇。因此，江、浙、滬、皖之間已形成相對平衡的糧食供需格局。但四省(市)農業氣象災害的空間相關性極易對這種糧食弱平衡體系造成沖擊。參見http://news.xinhuanet.com/fortune/2014-03/09/。的典型代表。

(三)江、浙、滬、皖降水量的空間集聚性

農業氣象要素的空間集聚易導致農業災害的空間相關，因此，對江、浙、滬、皖降水量的空間集聚效應進行測算。在空間分析中，以Moran指數來檢驗變量的空間相關性。這里將采用全域Moran指數對江、浙、滬、皖降水量的空間相關性進行測算。全域Moran指數可分析江、浙、滬、皖四省(市)空間臨近區域單元降水量的相似程度，也即可反映四省(市)降水量的空間聚集效應。

四省(市)降水量的全域Moran指數計算公式如下：

全域Moran指數的取值范圍為[-1,1]，數值越高，說明江、浙、滬、皖四省(市)降水量之間的空間關聯程度越高。當Moran指數為正時，表示降水量呈現空間正相關關系；當Moran指數為負時，表示降水量呈現為空間負相關關系。

由于本文搜集的是四省(市)各氣象站點的數據，而非地級市數據，因此，在計算Moran指數前需對數據進行空間轉換：將71個氣象站點的降水量數據轉換為41個城市的降水量數據。此處采用地理學上普遍使用的泰森多邊形法則進行轉換。泰森多邊形法則也被稱為垂直平分法或加權平均法，即可通過使用最近的單個氣象站點的降水量進行區域插值，須將采樣點兩兩相連并作連線的中垂線，其中垂線相交可形成若干個多邊形，從而將四省(市)的各個地級市分割成若干個子區域，每個子區域中包含一個氣象樣本數據點，以每個子區域的面積大小為權重估算出各地級市的降水量的平均值及四省市的整體估計值。設每個觀測點的樣本數據為xi，其對應的泰森多邊形的面積為fi，則區域平均值可按下式求得：

其中，xi為觀測點的樣本數據，fi為泰森多邊形的面積，n為區域內觀測點或泰森多邊形的個數，F為區域的總面積，Ai為權重系數。通過使用泰森多邊形將各個氣象站點的降水量數據轉化為各個地級市的降水量數據，進而計算Moran指數。

四省(市)降水量的Moran指數計算結果如圖1所示。從極值角度看，江、浙、滬、皖降水量全域Moran指數的最低值為0.107(1983年)，最高值為0.746(2003年)，波動性較大。從均值角度看，1980—2014年，四省(市)降水量Moran指數的平均值為0.512，系數值較大，說明江、浙、滬、皖各區域的降水量受鄰近區域的影響較為明顯，也即四省(市)的降水量具有顯著的正向空間自相關特征，降水量雖然在某個具體區域表現出隨機分布特征，但是在空間維度上則表現為較為明顯的集聚現象。

圖1　江、浙、滬、皖降水量的全域Moran指數(1980—2014)

整體上來看，江、浙、滬、皖降水量的空間相關性表現出增強趨勢，其中：1980—1989年，Moran指數均值為0.360；1990—1999年，Moran指數均值為0.564；2000—2014年，Moran指數均值為0.509。這表明，1980—2014年，江、浙、滬、皖降水量的空間相關性呈現出波動中逐步增強的態勢，尤其是1990年之后，僅有5年的Moran指數值低于0.4，四省(市)的降水量在大多數年份都表現出較強的正相關關系。

(四)江、浙、滬、皖農業旱澇災害的空間相關性及變動趨勢

1980—2014年，江、浙、滬、皖降水量之間的空間集聚更多地反映氣象學意義上的農業氣象要素的空間相關性。而對農業生產造成實際沖擊的，往往是氣象要素所引發的農業氣象災害，尤其是旱澇災害。依據《氣象干旱等級》國家標準，降水量的變化是導致農業旱澇災害的罪魁禍首，因此，可采用降水量的距平百分率法，通過四省(市)降水量數據的處理將其轉化為對江、浙、滬、皖旱澇災害的風險評估。

《氣象干旱等級》國家標準規定了中國氣象干旱指數的具體算法及干旱等級劃分標準，共涉及五種監測干旱的單項指標和氣象干旱綜合指數*《氣象干旱等級》國家標準中列出的干旱指數計算方法有：降水量距平百分率、相對濕潤度指數、標準化降水指數、土壤相對濕度干旱指數和Palmer干旱指數。。其中，相對濕潤度指數要求蒸發量數據按一定方法獲取；而土壤相對濕度干旱指數主要關注土壤墑情；Palmer干旱指數只能用于表達干旱。本文選取便于計算和普遍使用的降水量距平百分率法，對江、浙、滬、皖的旱澇災害指數進行計算，公式如下：

由于江、浙、滬、皖四省(市)的71個氣象站點分布不均勻，在計算旱澇災害空間分布時，為使最終的災害分布圖展示得更為細致和均勻，需要將各氣象站點的降水量進行空間插值。此處采用Kriging空間插值法。其原理是利用區域化變量的原始數據和變異函數的結構特點，對無氣象站點的區域化變量的值進行線性無偏、最優估計，也即根據各氣象站點空間位置與相關程度，賦予每個樣本點不同權重，從而獲得無氣象站點的降水量數值的插值估計。

四省(市)71個已知氣象站點的降水量形成數據集合，已知點xi∈A(i=1,2,…,n)，該點在區域集合A上的降水量即為區域化變量Z(xi)，待插值點x0的降水量估計值Z*(x0)是已知氣象站點降水量Z(xi)的加權值之和：

其中，λi( i = 1，2，…，n)為權重系數，權重為距離的函數。根據Kriging插值法的二階平穩假設，要求四省(市)空間區域內任意兩點xi和xj( j = 1，2，…，n； i ≠j)的降水量滿足E[Z(xi)-Z(xj)]=0，方差Var[Z(xi)-Z(xj)]存在并且只與兩點的空間距離有關，即：

通過運算上式，即可獲得四省(市)所需估測降水量站點的權重系數λi，進而求得四省(市)空間區域內所需插值點x0的降水量估計值Z*(x0)。

通過上述Kriging插值細化和擴展江、浙、滬、皖各空間區域上的降水量數值，再根據氣象干旱等級劃分標準*《氣象干旱等級》國家標準中的干旱有五個級別，不同級別的干旱對農業生產的影響依次為：一級為正常或濕澇，表現為降水正常，無旱象；最高為五級，特旱，表現為耕地出現長時間缺水，植物干枯、死亡，將對農作物和生態環境造成嚴重影響。，融合澇災劃分標準，將降水量對應的旱澇等級劃分為從特澇到特旱的十個等級，即：特澇(Pa≥45%)、重澇(35%≤Pa≤45%)、中澇(25%≤Pa≤35%)、輕澇(10%≤Pa≤25%)、無澇(0%≤Pa≤10%)、無旱(-10%≤Pa≤0%)、輕旱(-25%≤Pa≤-10%)、中旱(-35%≤Pa≤-25%)、重旱(-45%≤Pa≤-35%)和特旱(Pa≤-45%)。在上述測算基礎上，采用ArcGIS軟件繪制江、浙、滬、皖1980—2014年共計35年的旱澇災害空間分布圖，因篇幅所限，以下僅選取不同時段中代表性年份的旱澇災害分布圖，如圖2和圖3所示。

圖2　江、浙、滬、皖旱澇災害的空間相關性(左圖：1988年；右圖：1991年)

據圖2和圖3可知：(1)長期來看，四省(市)中的上海與浙江主要面臨旱災風險，江蘇和安徽主要面臨水災風險。具體來說，江蘇與安徽北部區域還面臨嚴重旱災風險，而蘇中、蘇南與皖中、皖南主要面臨水災風險。(2)整體來看，四省(市)的農業旱澇災害之間呈現較強的空間相關性，表現為相鄰區域范圍內，旱澇災害具有相似性與擴散性。(3)分級來看，江蘇與安徽的澇災表現為強烈空間相關性，其中，1991年、2003年，兩省超過30個氣象站點同時顯示嚴重澇災，并且澇災呈現出水平空間上的相關性，即相同或相近緯度上澇災的空間相關性。由于江蘇與安徽是江淮流域重要的糧食生產基地，因此，澇災的空間相關將對四省(市)的糧食供求弱平衡造成巨大沖擊。

綜上，四省(市)旱澇災害的空間分布圖可明顯分割出災害中心區、災害輻射區和災害過渡區三個梯度層次。例如：1988年，四省(市)同時并發旱災，且旱災以蘇北和皖北為災害中心區，向蘇南和皖南擴散，到上海和浙江后衰減為輕旱直至無旱。1991年的情況略有不同。澇災的中心區位于蘇中與皖中，從中心區向南北兩個方向同時擴散，形成由中心區向輻射區擴散，最終形成多地市同時并發的大范圍澇災；通過浙北的過渡區后，至浙南則轉化為旱災區。2003年，四省市的旱澇災害空間分布情況與1991年類似，從四省(市)北部的嚴重澇災通過災害中心區擴散至輻射區，再經過渡區轉化為浙南與上海的嚴重干旱，表現為降水量從北到南逐次衰減。

三、農業氣象災害的空間相關性對政策性農業保險賠付的影響

政策性農業保險主要承保種植業災害損失，尤其是糧食作物災害損失。糧食作物面臨的主要氣象災害為旱澇災害，其所致損失合計占糧食作物總損失的80%以上*參見庹國柱：“中國農業保險發展報告”，中國農業出版社，2014年版，第4-17頁。。以下將分析農業氣象災害的空間集聚性對政策性農業保險賠付率的空間分布所產生的影響。

(一)政策性農業保險賠付狀況的空間分布

搜集2006—2013年江、浙、滬、皖41個城市的政策性農業保險保費收入和賠款支出數據，計算簡單賠付率。數據來自41個城市中各家農業保險公司每年的信息披露報告和各年的中國保險年鑒。簡單賠付率(保費收入/賠款支出)可較好地反映政策性農業保險的賠付風險。經初步計算發現，2007—2010年，部分地市的政策性農業保險承保面積較小，保費收入較低，不足以反映實際災害損失狀況。保險精算要求承保標的符合大數法則，以使實際損失分布趨向預期經驗分布，經檢驗，2011年以來的政策性農業保險經營符合此條件。依賠付率高低將政策性農業保險賠付風險劃分為5個等級，通過ArcGIS軟件將各城市賠付率等級繪制圖形，結果如圖4和圖5所示。

從2011—2013年政策性農業保險賠付率的等級空間分布圖可以看到，政策性農業保險的賠付風險具有較強的空間集聚性。蘇南和皖南部分城市政策性農業保險賠付率較低，可能由兩方面因素所致：一是2011—2013年該區域是旱澇災害的過渡區，不屬于江淮旱澇災害的核心區和輻射區，因此，災害損失較小；二是該區域主要為工業生產區，耕地面積覆蓋較低，因此，農業氣象災害損失較小。

圖4　四省(市)政策性農業保險賠付率等級的空間分布(左圖：2011年；右圖：2012年)

蘇中和皖中是政策性農業保險賠付的重災區，賠付率水平整體較高，并且其賠付率的高低分布與旱澇災害的高低分布一致，均呈現出水平視角上，也即相同或相近緯度方向上的賠付率空間相關性。尤其是安徽省糧食種植重點地區滁州市、六安市、阜陽市、淮南市和江蘇省糧食生產基地淮安市和鹽城市，農業保險賠付具有較強的空間集聚性。根據四省(市)旱澇災害空間分布圖可知，長期來看，浙江省農業旱澇災害的整體水平低于江蘇省和安徽省，農業耕地面積也遠少于江蘇和安徽，因此，浙江省政策性農業保險賠付水平整體較低。上海市不屬于旱澇災害的中心區，其農業生產所遭受的旱澇災害損失并不明顯。實地調研發現，上海市政策性農業保險的賠付率較高。這是因為上海的政策性農業保險與其他省份不同，除了承保災害所致損失，還要承保農產品價格風險損失，產量與價格雙重風險的疊加使得其賠付水平整體較高。

圖5　2013年四省(市)旱澇災害分布(左圖)與政策性農業保險賠付率等級(右圖)空間分布的比較

(二)農業旱澇災害空間分布與政策性農業保險賠付空間特性的比對分析

為解析農業旱澇災害的空間相關性是否對政策性農業保險賠付產生影響，將江、浙、滬、皖各城市2013年旱澇災害空間分布圖與農業保險賠付等級分布圖進行比對。

據圖5可知，2013年，江、浙、滬、皖各區域降水量普遍較少，較大范圍區域同時面臨旱災風險，尤其是蘇北、蘇中和皖北、皖中的大部分區域。但是對應右圖的政策性農業保險賠付可以發現，安徽省域內的政策性農業保險賠付與其旱災風險程度相匹配，但是江蘇省旱災嚴重地區的政策性農業保險賠付并不高。據本文課題組于2014年對江蘇、安徽兩省農戶進行的入戶問卷調查發現，安徽省“純農型”農戶占比較高，農業種植面積較大，因此，其旱澇災害風險度與農業保險賠付風險度基本上相一致；而江蘇省“兼農型”農戶較多，戶均耕地面積較少，且糧食商品化率較低，農業生產和投保的積極性較低，因此，江蘇省域內政策性農業保險賠付的空間分布與其災害的空間分布之間的匹配度低于安徽省，尤其是蘇南工業城市。

四、結論及政策啟示

本文采用1980—2014年江、浙、滬、皖四省(市)71個氣象站點的降水量數據，基于氣象災害的空間統計分析，得到關于農業氣象災害與政策性農業保險空間分布特征的相關研究結論：第一，江、浙、滬、皖的農業氣象要素呈現較為明顯的空間相關性，且相關程度表現為波動中增強的趨勢。第二，農業氣象要素的空間相關性引致農業氣象災害的空間集聚效應。四省(市)農業旱澇災害表現出明顯的南北向水平空間的相關性，并且農業旱澇災害的空間相關性在水平層面上表現出災害核心區、災害輻射區和災害過渡區的區域集聚特征。第三，旱澇災害的空間集聚性對政策性農業保險賠付率的空間分布產生顯著影響。整體上來看，四省(市)政策性農業保險賠付率表現出較為明顯的空間集聚特征，其中：蘇南和皖南農業保險賠付率較低，蘇中和皖中賠付率較高；安徽省政策性農業保險的賠付率與農業旱澇災害的空間分布相一致，而江蘇省旱澇災害高發區并非農業耕地集聚區。

農業氣象災害的空間相關性極易使糧食主產區的政策性農業保險面臨賠付的系統性風險。對此，可從以下方面對政策性農業保險的風險分散進行優化：

在防災層面，需著力提升農業災害核心區與輻射區之間的防災機制協同效應。第一，注重農業氣象災害預警的區域協同。對于災害預警，當前各氣象站點主要關注本地區災害信息，信息的區域性和分割性不利于防災工作的協同開展，農業氣象預警需注重農業旱澇災害中心區和輻射區的協同預警。第二，進行農業排洪和灌溉工程的區域聯動建設。旱時灌溉和澇時排洪是最重要的農業減災舉措，由于排洪灌溉工程建設涉及到資金投入、勞動投入、土地占用等，而在地方財政預算收入制約條件下，水利工程建設往往成為各級政府追求自身政績最大化目標下的區域性最優決策。與農業旱澇災害的空間相關性相對應，農業排洪灌溉工程需構建基于農業災害核心區和輻射區為一體的多省域聯合防災工程，以實現農業災害風險管理的全局最優化。

在保險層面，應注重政策性農業保險的風險分散。當前，部分區域的政策性農業保險處于過度競爭格局，各家保險公司為了擴大業務，忽視新的業務區域與原承保區域之間氣象要素的空間集聚，導致承保業務之間風險高度相關；同時，輕視旱、澇巨災的可能性，為爭取業務擅自減低保費。這些不當競爭舉措放大了政策性農業保險的賠付風險。保險精算要求各業務單位符合風險獨立同分布原則，但是農業旱澇災害的空間相關性違背了保險承保原則，因此，保險公司擴大承保區域時應重點選取風險弱相關或不相關區域。如果確實因政策需要不得不進入風險高度相關區域時，保險公司應做好再保險安排，或進行旱澇災害的風險互換，以此降低和分散農業保險的賠付風險。

在巨災風險管理層面，需構建農業旱澇災害巨災風險的分散體系。第一，建立商業與國家聯合的再保險。考慮到農業的基礎性地位以及農業巨災對整個經濟體系的沖擊，建議在傳統商業再保險之外，建立國家農業再保險。第二，創立保險交易平臺。這使得各家保險公司的農業保險業務可進行風險互換，從而通過風險聚合和風險交互實現政策性農業保險的風險分散目的。第三，實現保險市場與資本市場的有效對接。通過巨災風險證券化，政策性農業保險可以將承保風險轉移到國內外資本市場，從而保障農業風險管理與農業保險市場的持續、穩定發展。

陳利，謝家智. 2013. 農戶對農業災害賠償滿意度的測量與減災行為研究[J]. 農業經濟問題(3)：56-64.

陳衛洪，謝曉英. 2013. 氣候災害對糧食安全的影響機制研究[J]. 農業經濟問題(1)：12-20.

程靜，陶建平. 2010. 全球氣候變暖背景下農業干旱災害與糧食安全：基于西南五省面板數據的實證研究[J]. 經濟地理(9)：1524-1528.

韓蘭英，張強，馬鵬里，等. 2015. 中國西南地區農業干旱災害風險空間特征[J]. 中國沙漠(7)：1-9.

賀帥，楊賽霓，汪偉平，等. 2015. 中國自然災害社會脆弱性時空格局演化研究[J]. 北京師范大學學報(自然科學版)(6)：299-306.

胡亞男，鄭金偉，潘根興，等. 2015. 1978—2008年中國十省主要農業氣象災害動態及其影響分析[J]. 氣候變化研究進展(3)：123-130.

姜莉. 2014. 我國農業保險政策優化問題研究:基于道德風險視角[J]. 哈爾濱商業大學學報(社會科學版)(3):13-20.

潘根興，高民，胡國華. 2013. 氣候變化對中國農業生產的影響[J]. 農業環境科學學報(9)：1698-1706.

齊曄. 2013. 中國低碳發展報告(2013) [M]． 北京：社會科學文獻出版社.

邵騰偉，冉光和. 2011. 基于POT-GPD損失分布的農業自然災害VAR估算[J]. 統計研究(7)：79-84.

史培軍，王靜，謝愛云. 1997. 最近15年來中國氣候變化、農業自然災害與糧食生產的初步研究[J]. 自然資源學報(3)：197-203.

譚靈芝，董照輝. 2014. 氣候變化適應性資金投入對農業總產值影響研究[J]. 農業技術經濟(12)：39-50.

陶生才，許吟隆，劉珂，等. 2011. 農業對氣候變化的脆弱性[J]. 氣候變化研究進展(2)：143-148.

田玲，姚鵬. 2013. 我國巨災保險基金規模研究：以地震風險為例[J]. 保險研究(4)：13-22.

庹國柱. 2014. 農業保險文集[G]. 北京：中國農業出版社：65.

庹國柱，朱俊生. 2014. 完善我國農業保險制度需要解決的幾個重要問題[J]. 保險研究(2)：44-54.

王加華. 2003. 清季至民國華北的水旱災害與作物選擇[J]. 中國歷史地理論叢(1):84-91.

王錫曚，李傳哲，王樹謙，等. 2015. 近50年來京津唐地區降水時空演變特征分析[J]. 水電能源科學(7)：7-11.

謝立勇，李悅，錢鳳魁，等. 2014. 糧食生產系統對氣候變化的響應:敏感性與脆弱性[J]. 中國人口.資源與環境(5)：25-31.

嚴奉憲，武洲洋，黃玲玲. 2014. 農業減災公共品：農戶自主供給意愿及其影響因素分析：基于湖北省農戶調查數據[J]. 中國農村經濟(11)：52-64.

葉明華. 2015. 中國農業保險的賠付風險：風險測度與應對策略[J]. 經濟問題(4)：92-98．

葉明華，汪榮明． 2014. 風險認知、保險意識與農戶的風險承擔能力：基于蘇、皖、川三省1554戶農戶的問卷調查[J]. 中國農村觀察(6)：37-48．

俞云，李芳. 2010. 基于面板數據的農業氣象災害對中國糧食產量影響分析[J]. 經濟與管理(11)：5-8.

張銳. 2009. 誰在威脅全球糧食安全[N]. 中國經濟時報,-07-21(11).

HOLDEN S, BEKELE S．2004. Land degradation, drought and food security in a less-favored area in the Ethiopian highlands: a bio economic model with market imperfections [J]. Agricultural Economics, 30(1): 31-49.

MACKAY A. 2008. Climate change 2007- impacts, adaptation, and vulnerability: Working Group II contribution to the Fourth Assessment Report of the intergovernmental panel on climate change [M]. Cambridge, UK: Cambridge University Press.

ZHANG Z, WANG P, CHEN Y, et al.2014.Spatial pattern and decadal change of agro-meteorological disasters in the main wheat production area of China during 1991-2009 [J].Journal of Geographical Sciences, 24(3): 387-396．

(責任編輯劉志煒)

Spatial Agglomeration of Agricultural Meteorological Disaster and Risk Diversification of Policy Oriented Crop Insurance:Spatial Analysis of Precipitation in Jiangsu, Zhejiang,Shanghai and Anhui from 1980 to 2014

YE MingHua

(School of Finance and Statistics, East China Normal University, Shanghai 200241)

This paper collects data in provinces of Jiangsu, Zhejiang, Anhui and Shanghai from 1980 to 2014, calculates the global Moran′s indexes to analyze spatial distribution characteristic of agro-meteorological disasters and effects on policy-oriented agricultural insurance, draws figures of four provinces′ spatial distribution of agricultural drought and flood based on the method of precipitation anomalous percentage. Matching the spatial distribution of agricultural drought and flood with the claim ratio of policy-oriented agricultural insurance, the research reveals that: Precipitations in Jiangsu, Zhejiang, Shanghai and Anhui have significant spatial positive correlation; Agricultural drought and flood in Sichuan also have the significant cluster among core areas of disaster and contiguous areas; Policy-oriented agricultural insurance is faced with the high claim risk because of agro-meteorological disasters′ spatial cluster. Therefore, it′s necessary to improve regional synergy effect of agro-meteorological disasters′ early-warning and the engineering construction of flood drainage and irrigation. Risks should be well-diversified in policy-oriented agricultural insurance, and agricultural insurance catastrophe management system should be constructed and the main form of it includes national reinsurance, insurance swap, risk securitization and so on.

meteorological disaster; policy oriented crop insurance; risk diversification

2016-03-03

葉明華(1978--)，女，福建泉州人，博士，華東師范大學金融與統計學院副教授。

國家自然科學基金項目“農業氣象災害、政策性農業保險與糧農生產行為：基于蘇、皖農戶調查的微觀實證”(71403088)；國家社會科學基金重大項目“農業災害風險評估與糧食安全對策研究”(13&ZD161)；高等學校學科創新引智計劃(B14019)。

F840

A

1001-6260(2016)04-0032-10

財貿研究2016.4