基于聚類分析的廣東省水產養殖自然災害風險區劃

李亞琦,韓興勇?,李志強

(1上海海洋大學經濟管理學院,上海201306;2蘭州大學經濟學院,蘭州730000)

廣東省是我國的水產養殖大省,據統計,2013年廣東省水產養殖總面積為57.01萬hm2,總產量647.74萬t,水產品總產值高達833.88億元(人民幣,下同),占農業總產值的17.87%,水產品出口創匯額在各類農產品中排名第一,南美白對蝦、羅非魚等是廣東省水產養殖的主導產品,也是主要的出口產品,產量多年穩居全國前列。水產養殖是廣東省農村經濟的支柱產業[1],對優化農村產業結構,促進農民增收有著積極的作用。然而廣東地處我國南部沿海,是我國自然災害頻發的省份之一,再加上水產養殖行業本身具有暴露性和脆弱性,臺風、暴雨、風暴潮、赤潮等災害嚴重威脅著該行業的穩定發展,給漁民造成了巨大的損失。近十年廣東省水產養殖平均受災面積比率高達13.75%,水產品平均經濟損失率5.05%,在一些重災區,個別年份的損失甚至超過當年總產值。因此,重視并積極采取措施應對水產養殖自然災害風險十分重要。

自然災害風險具有區域性特征[2],運用風險評價理論建立相關的風險測度指標體系對水產養殖自然災害風險進行風險區劃,不僅有利于廣東省水產養殖風險的有效管理,也可為保險公司經營水產養殖保險提供重要參考。

1 研究概況

風險區劃是指根據風險的地域分布規律,在對風險標的進行調查的基礎上,從各地不同的風險狀況和標的損失的情況出發,按照區內相似性與區間差異性、保持行政區界相對完整性的原則,將一定地域內的風險標的所面臨的風險劃分為若干個等級[3]。目前,國內外對單一標的風險區劃的研究主要集中在農業上,在國外農業保險經營比較成功的美國、加拿大、日本等國家,都對農作物的生產風險進行了區劃,美國以雹災發生的頻率、雹災的強度和雹災次數最多的季節為主導指標,把整個美國大陸劃分為14個雹災風險等級;加拿大各省在開展農作物保險時,都根據本省各地區的土壤、氣候、地理條件和農作物生產歷史進行了風險區域劃分;日本在農作物風險等級劃分時,甚至精細到每個村,并將排水道、水庫等基礎設施建設指標也考慮進去[4]。在我國,農業災害風險區劃研究的方法主要有兩類,一類是根據農作物單產水平、生產專業化水平、生產規模等作為主導指標對農業綜合自然災害風險進行評價并區劃,如陳新建等[5]選取單產變異系數、生產效率指數等5個主導指標,運用系統聚類對湖北水稻生產縣市進行了風險等級劃分,梁來存[6]用單產和種植面積兩個子系統共9個指標對我國糧食作物風險進行了區劃,并運用Probit模型驗證了區劃結果;另一類則是結合氣象學知識,運用自然災害風險理論,選取致災因子的危險性、孕育環境的敏感性、承災體的脆弱性等對農業面臨的某種自然風險進行研究,如張繼全等[7]、李曉等[8]運用該方法分別對遼西北地區和川南地區農業干旱災害風險進行了區劃,莫建飛等[9]以自然災害風險評估理論和方法為指導,并借助GIS技術,對廣西農業暴雨洪澇災害進行了風險區劃,楊忠恩等[10]則研究了浙江省農業的熱帶氣旋風險。但是,我國對作為大農業重要組成部分的水產養殖的自然災害風險區劃研究極少,且缺少相應的實證分析。因此,本文以廣東省的水產養殖為研究對象,結合已有的風險評價方法,運用聚類分析對廣東省21個市的水產養殖自然災害風險進行區劃,旨在為水產養殖災害補償制度及水產養殖保險經營提供相關參考。

2 研究思路和數據來源

2.1 研究思路

2.1.1 選取指標并確定權重

結合自然災害風險評價理論及水產養殖行業的自身特點,并考慮指標數據的可獲得性和風險測度指標體系的適用性,選取單產波動水平、歷史災損度、脆弱性和抗災減災能力4個主導指標和10個二級指標。在指標選取之后,指標權重的大小直接影響風險區劃的結果。層次分析法(簡稱AHP)[11]是一種對指標進行定性定量分析的決策方法,在確定水產養殖災害風險測度指標體系中的各二級指標權重時,首先向專家發放問卷進行調查,收集各二級指標的相對重要性評判數據,然后構造兩兩要素相對重要性的比較判斷矩陣,并通過一致性檢驗之后,得出各二級指標的權重。

2.1.2 聚類分析確定風險區劃結果

聚類分析[12]也稱群分析、點群分析,是基于觀測樣本在多變量上的相異性,將樣本劃分為不同的組或類的方法,主要通過個體或對象分類,使類間對象的同質性最大化和類與類間對象的相異性更強,是一種根據研究對象特征對研究問題進行分類的多元分析方法。聚類分析的方法主要有系統聚類法、K均值聚類法和模糊聚類法。為了使聚類結果更具有可信性,對廣東省21個市的水產養殖自然災害風險分別用以上3種方法進行聚類,綜合評判其風險等級。

2.2 數據來源

本研究所用到的數據主要來源于《廣東農村統計年鑒》,大致可分為兩類,第一類是廣東省各市水產養殖的時間序列數據,包括各市的單位養殖面積產量(以下簡稱單產)和歷史災損度,各市單產選取1997—2013共17年的數據;廣東省從1999年開始統計各市水產養殖的災害情況,但前3年的統計數據不夠完整,故歷史災損度選取2003—2013年共11年的數據。考慮到風險評價的是未來發生損失的可能性的大小,對于第二類——脆弱性和抗災減災能力指標數據則采用就近原則,除財政資金救災力度選取2009—2013年5年的平均值,其余指標均選取距今最近的2013年的數據。

3 水產養殖災害風險測度指標體系的建立

3.1 指標的含義與計算方法

3.1.1 單產波動水平

自然災害風險對水產養殖最直接的影響就是產量的波動,單產變異系數和單產降低的年份比重可以表征這一波動的大小。

(1)單產變異系數(CV):假定在統計區間內各市的養殖品種沒有發生大規模變化,影響單產水平的因素主要有兩類,第一是生產力因素:育種的改良、養殖技術的進步以及基礎設施的建設等,生產力的不斷提高會形成水產養殖的時間趨勢單產;第二,自然災害風險也是影響實際單產的重要因素。那么,從實際單產中剔除因生產力因素而形成的時間趨勢單產,就可以科學地衡量因自然災害而產生的單產波動情況[13]。單產變異系數的具體計算方法如下。

首先對廣東省21個市1997—2013年的水產養殖單產做剔除時間趨勢處理:

式①中Yit為i市水產養殖的實際單產水平,it為時間趨勢單產,則Yrt為剔除時間趨勢后水產養殖單產超過正常波動范圍的異常波動產量,即因自然災害因素而產生的異常波動。對各市歷年水產養殖的實際單產進行擬合可得到趨勢單產方程,擬合值近似等于水產養殖的時間趨勢單產,根據擬合優度的大小并考慮各系數的顯著性檢驗結果,最終的擬合結果如表1所示,其中深圳和河源兩市的平均絕對百分誤差MAPE＞10,但其擬合優度分別是0.7973和0.5845,在可接受的范圍之內,而韶關的擬合優度較低主要是因為樣本量小的緣故[6,14]。根據趨勢方程即可計算出各市每年的趨勢單產it,即可計算出各市水產養殖單產變異系數。

表1 各市水產養殖單產趨勢方程Table 1 The per unit yield tendency equation of aquaculture of each city

(2)單產降低的年份比重(D):一般來說,單產如果相對于上一年有所下降,往往是因為今年嚴重的自然災害,根據過去17年各市的單產數據,單產下降的年份比重越大,該市水產養殖發生自然災害的風險越大。

3.1.2 歷史災損度

一般認為,過去受災情況能夠客觀反映該地區自然災害的風險狀況,過去受災越嚴重,表示該地區自然災害風險越大,通過統計2003—2013年共11年各市水產養殖平均受災面積比率、平均產量損失率和平均百萬元產值經濟損失率來表征歷史災損度。

(1)平均受災面積比率(V):水產養殖受災面積是指一年內自然災害破壞的養殖池、摧毀的網箱以及圍欄等面積,用Vtl表示,除以當年末的水產養殖總面積Vtt,即可得到一個地區當年的受災面積比率,平均受災面積的計算方法可以用式③來表示。

(2)平均產量損失率(W):產量損失率是指各市水產養殖因自然災害而造成的產量損失與災前值或正常值之比,那么平均產量損失率的計算方法如式④。

其中,Wtl表示第t年因自然災害而損失的產量,Wtt表示第t年的水產養殖產量。

(3)平均百萬元產值經濟損失率(RV):百萬元產值經濟損失率是指平均每創造100萬元產值中因自然災害而損失掉的多少,直接反映自然災害經濟損失給水產養殖的經濟效益帶來的影響。具體計算方法如式⑤。

其中,Ytl表示第t年因自然災害而造成的水產品經濟損失,Ytt表示第t年水產養殖的水產品總產值。

3.1.3 脆弱性

脆弱性又稱為易損性,表示承災體能否經得起災害的威脅[15],主要強調的是各市水產養殖行業本身的屬性,如果一個地區的水產養殖十分脆弱,即使是很小的自然災害也會造成很大的損失,所以脆弱性是測度自然災害風險必須考慮的因素。脆弱性可以用以下指標來反映。

(1)海水養殖面積比重(S):是指海水養殖面積占該市水產養殖總面積的比重,海水養殖相對于內陸養殖更容易遭受到自然災害的威脅,海水養殖面積比重越大,則該市水產養殖的自然災害風險也就越大。

(2)單位養殖面積用電量(Q):用電量在一定程度上代表著先進的養殖方式以及固定資產的投入,無論是淡水養殖還是海水養殖,工廠化養殖方式用電量最大,其次是池塘養殖,再次是河流湖泊或海上養殖,其自然災害風險水平卻依次遞增,因此單位養殖面積用電量越多,在災害發生時的防御和應急處理能力越強,能夠有效地防止損失。統計年鑒中對該指標并沒有直接統計,可以通過以下方法估算。

其中,Yf和Ya分別代表水產養殖總產值和農業總產值,Qa代表農村用電量,V代表水產養殖總面積。

(3)水產養殖效率指數(E):表示水產養殖單產水平與全省平均單產水平的比值,代表著養殖的技術性和專業化水平的高低,效率指數越高,說明無論是管理還是設備方面都比較優良,當受到自然災害時能夠進行很好地預防和控制,發生損失的可能性就越小。

3.1.4 抗災減災能力

抗災減災能力表示受災后防止損失進一步擴大的能力,以及能夠從災害中恢復的速度和程度。從漁民個人角度來講,漁民人均純收入是進行減災和恢復生產的直接經濟來源;另外,在災害發生后,政府機構能夠組織和調集公共資源幫助漁民減少損失并恢復生產,采用的最直接辦法就是用財政資金給予災害補償,財政資金救災力度就是指各級政府財政救災款總支出除以當地自然災害直接經濟損失,對該值取近5年的平均值①原則上應當取距今最近的2013年的值,但是考慮到某些地區2013年并沒有受災,在不違背就近原則的基礎上,取近5年的均值,以此來反映政府對該地區的救災力度和能力。

3.2 指標體系的建立

選取的上述指標有3個特點:一是指標包括兩大類,一類表征過去自然災害對水產養殖的影響程度,另一類表征現在的一些會對未來損失產生影響的因素;二是指標都具有適用性、可操作性和可比性,能夠對各指標進行量化,同時指標在各市之間可比;三是指標的計算均能以完整的行政區為單位,便于政府對自然災害風險進行管理。建立指標體系的目的在于:評價廣東省各市的水產養殖災害風險,并根據風險的不同將各市進行分類,以揭示水產養殖災害風險在廣東省的分布規律。

在確定指標權重時,將3.1中各指標的含義及計算方法介紹給11位專家,專家對每個主導指標下各二級指標的相對重要性進行評判,整理專家評判數據,發現專家評判結果的相似度較高,故對各二級指標的專家評判結果取眾數,一致性檢驗通過,由此得到各二級指標權重。各主導指標代表著水產養殖自然災害風險測度的4個主要方面,認為其同等重要,因此對各主導指標取同等權重。最終得到的水產養殖自然災害風險測度指標體系如表2所示。

表2 水產養殖自然災害風險測度指標體系Table 2 Measurement index system for aquaculture natural disaster risk

4 水產養殖自然災害災害風險區劃

4.1 風險測度指標的量化

將統計年鑒中的各個數據代入即可計算出各二級指標的值,但各二級指標的量綱并不一致,為了消除量綱影響,對各二級指標進行[0,1]標準化處理,具體處理方法如下。

正向指標:指標值越大,水產養殖自然災害風險越大。

負向指標:指標值越小,水產養殖自然災害風險越大。

在負向指標的處理過程中,Xij標準化為X′ij,Xij越小,X′ij越大,風險越大,實際上是對于負向指標的正向化轉換。在表1中的指標體系中,單產波動水平中的各指標均為正向指標;歷史災損度指標均為正向指標;脆弱性指標中海水養殖面積比重為正向指標,另外兩項為負向指標;抗災減災能力指標全部為負向指標。但是按照上述方法進行標準化處理之后,標準化之后的所有二級指標均與風險水平正相關。根據標準化之后的二級指標的值和指標權重,采用加權相加的方法,計算各主導指標,最終計算的各市主導指標值如表3所示。

4.2 水產養殖自然災害風險聚類分析及結果

為了客觀評價廣東省各市的水產養殖自然災害的風險水平,根據表3中各主導指標的值,分別運用系統聚類、K均值聚類和模糊C均值聚類對廣東省各市水產養殖自然災害風險進行聚類分析。考慮到各主導指標之間具有一定的相關性,個體間距離計算方法采用Correlation測度方法,系統聚類法運用的軟件為Stata 12.0,類間距離測度方法采用離差平方和法,K均值聚類法運用的軟件也是Stata 12.0,默認采用10 000次最大迭代次數,模糊C均值聚類法利用軟件Matlab 7.0。3種聚類方法都預先假定把廣東省21個市分為3類,3種聚類方法得出的結果中,有些市的歸類3種方法是一致的,有些市是不一致的。得出最終聚類結果的原則是:3種方法中,如果有兩種或以上方法的結論相同,則認為基本反映了該市水產養殖自然災害風險的真實程度,將這一結論作為該市的風險等級。最終,可以得到廣東省各市水產養殖自然災害風險區劃結果(表4)。

表3 各市水產養殖自然災害風險測度主導指標量化結果Table 3 Quantitative values of measurement dominant index of aquaculture natural disaster risks of each city

表4 廣東省水產養殖自然災害風險區劃結果Table 4 Natural disaster risk division results of aquaculture in Guangdong Province

根據表4的風險區劃結果,運用GIS技術繪制廣東省水產養殖自然災害風險區劃圖(圖1)。總體來講,廣東省水產養殖自然災害風險區域范圍比較集中,且處于高風險區和低風險區的市較多,中風險區只有深圳、江門和肇慶三市。其中高風險區主要在粵東地區以及粵西的陽江和湛江,這些地區都是廣東省熱帶氣旋災害的重災區[16],并且,粵東和粵西地區的經濟不夠發達,漁民收入較低且生產設備比較落后,再加上海水養殖的比重很大,導致其水產養殖自然災害風險較高;而低風險區主要集中在粵中地區和粵北地區,粵北地區地處內陸,發生自然災害的概率本身就比較小,而粵中地區位于珠江三角洲平原,且水系密度較大,有著天然良好的防洪除澇能力。另外,該地區系廣東省的經濟中心,生產設備先進且漁民人均收入較高,即使發生災害,政府對該地區的財政補償力度也比較大。

圖1 廣東省水產養殖自然災害風險區劃圖Fig.1 Natural disaster risk division map of aquaculture in Guangdong Province

5 對策建議

首先,應加大水產養殖基礎設施投資力度。根據各市的水產養殖風險聚類結果可以發現,風險水平不僅受自然災害的影響,還與各市的水產養殖行業脆弱性和抗災減災能力密切相關,尤其在高風險區,脆弱性和抗災減災能力較差是其風險較高的重要原因,因此各級政府、漁民都應建立基礎設施建設先行的意識,大幅度增加固定資產投入,不僅可以提高水產養殖專業化水平,促進漁民增收,抵御和承受自然災害損失的能力也會大大增強。

其次,差異化實行水產養殖保險費率及財政補貼。目前廣東省水產養殖保險試點已經在珠海破冰,將很快在廣東全省推廣開來,但是由于各市水產養殖自然災害風險大相徑庭,保險費率也應當不同。另外,水產養殖保險保費也納入了財政補貼的范圍,但在推廣過程中對補貼力度應當差異化,對于高風險區,由于保險費率很高,漁民的保費負擔也比較重,對保費補貼的需求較為強烈,應當給予更多的財政資金支持,而對于低風險區則少補貼,這樣既有利于擴大水產養殖保險的投保范圍,又能確保財政資金使用的效率。

最后,應高度重視高風險區的水產養殖自然災害風險。高風險區的大部分市都是廣東省水產品的主產區,2013年養殖水產品產值占全省的42.32%,但近些年來呈不斷降低的趨勢,很多漁民由于風險承受能力較差,不得不退出該行業,這不但不利于廣東省漁業經濟的長期穩定,而且容易引發社會問題。因此,政府對于高風險區應當特殊對待,可以利用產業集群的優勢,積極推進養殖技術的進步,提高生產效率;也可以引導養殖漁民建立互保機制,或者建立以財政資金為主,漁民自籌為輔的巨災風險基金,應對水產養殖自然災害風險。

[1]袁建華.我國水產養殖保險研究:以廣東省為例[J].農業經濟問題,2012(8):79-83.

[2]DU X Y,LIN X F Conceptual Model on Regional Natural Disaster Risk Assessment[J].Procedia Engineering,2012(45):96-100.

[3]邢鸝,鐘甫寧.糧食生產與風險區劃研究[J].農業技術經濟,2006(1):19-23.

[4]陳麗.國外農業保險風險區劃的經驗啟示[J].中國集體經濟,2010(6):198-199.

[5]陳新建,陶建平.湖北省水稻生產風險區劃的實證研究[J].統計與決策,2008(19):86-88.

[6]梁來存.我國糧食作物的保險風險區劃及其Probit排序選擇模型驗證[J].經濟經緯,2009(6):68-72.

[7]張繼權,嚴登華,王春乙,等.遼西北地區農業干旱災害風險評價與風險區劃研究[J].防災減災工程學報,2012,32(3):300-306.

[8]李曉,何鵬,林正雨,等.農業干旱災害風險評價與風險區劃研究:以川南地區為例[J].農業技術經濟,2014(9):116-121.

[9]莫建飛,陸甲,李艷蘭,等.基于GIS的廣西農業暴雨洪澇災害風險評估[J].災害學,2012,27(1):38-43.

[10]楊忠恩,金志鳳,胡波,等.熱帶氣旋對浙江省農業影響的風險區劃[J].生態學雜志,2011,30(12):2821-2826.

[11]郭金玉,張忠彬,孫慶云.層次分析法的研究與應用[J].中國安全科學學報,2008,18(5):148-153.

[12]賈俊平.統計學[M].4版.北京:中國人民大學出版社,2011.

[13]DAVIS S B,PRICE T J,WETZSTEIN M E,et al.Reducing yield variation in peach orchards by geographic scattering[J].American Journal of Agricultural Economics,1997,79(4):1-4.

[14]高鐵梅.計量經濟分析方法與建模eviews應用及實例[M].北京:清華大學出版社,2010.

[15]B?R R,ROUHOLAHNEDJAD E,RAHMAN K,et al.Climate change and agricultural water resources:A vulnerability assessment of the Black Sea catchment[J].Environmental Science and Policy,2014(12):36-39.

[16]王桂娟.廣東省熱帶氣旋災害分析與風險區劃[D].南京:南京信息工程大學,2013.