江蘇省單季稻應對高溫熱害和低溫冷害的氣溫保險指數及風險區劃

郭際 施貝貝 徐凱迪

摘要：在江蘇省單季稻生育過程中，高溫熱害以及低溫冷害對單季稻的灌漿結實有顯著影響。建立了夏季高溫熱害指數以及秋季低溫冷害指數，構建了天氣產量以及單季稻減產率的計算公式;將1999—2015年關鍵月份逐日最高、最低以及平均氣溫進行篩選后代入氣溫災害指數中，定量分析單季稻的氣溫指數與減產率之間的關系，確定水稻的天氣保險指數。將氣溫災害指數代入相關模型可得到當年的減產率并判定是否賠付，然后再運用燃燒定價法厘定江蘇省各市在四級免賠額下的保險純費率，根據計算結果將江蘇省進行風險分區。本研究思路可為農產品氣象保險產品的設計提供思路，實證結果可為江蘇省單季稻氣溫指數保險產品的設計提供參考。

關鍵詞：單季稻;高溫熱害;低溫冷害;災害指數;農業氣象指數保險;風險區劃;費率厘定;江蘇省;氣溫指數保險產品

中圖分類號： S42;F840.66 ?文獻標志碼： A ?文章編號：1002-1302（2019）02-0312-05

我國地處北半球中緯度地區，氣象條件復雜多樣，氣象災害頻發。近30年來，我國1/3的農業耕地面積受到“倒春寒”、旱澇災害、寒露風、霜凍低溫等氣象災害的影響，經濟損失不容小覷。如何利用農產品氣象保險規避損失，保障農民收入，成為政府部門、學界和民眾普遍關心的熱點和難點問題。“蘇湖熟，天下足。”江蘇省稻作歷史悠久，是我國南方播種粳稻面積最大的省份，而江蘇省的粳稻以單季稻為主[1]。單季稻在生長期內非常容易受到異常氣溫的影響，開花期間，日最高氣溫大于35 ℃若超過2 d，空癟不實率可達到25%[2]。單季稻在孕穗、抽穗揚花期若遭遇5 ℃以上的高溫，便會導致光合作用急劇減弱、蒸騰作用加劇，導致花兒不實、空殼率增加[3]。單季稻在灌漿和成熟期，若遇秋季的低溫冷害會延遲成熟，花粉無法受精。20世紀90年代以來江蘇省低溫冷害發生的頻次增加，多個城市在8、9月出現平均氣溫連續3 d以上低于20 ℃的低溫冷害，使正處于抽穗灌漿期的水稻空秕率增大。因此，厘清江蘇省高溫熱害以及低溫冷害發生的風險、利用天氣指數保險保障稻農的收益值得深入研究。

天氣指數保險的賠付是依據天氣指數的參數值確定的，賠償金額是基于損失分布的預估，一旦天氣指數的參數達到觸發值（如累積降雨量低于某一閾值），保險公司的所有保單持有人都會收到賠付[4]。農業氣象指數保險可以避免傳統保險中的不對稱信息和高交易成本等問題的困擾，將氣象災害的風險轉移給保險公司，具有很好的推廣價值。但目前還未見到專門針對江蘇省單季稻的氣象保險產品。因此，本研究因地制宜設計單季稻天氣指數，有助于有效轉移農業生產風險，減少農戶損失。

1 國內外研究進展

國外學者重視天氣指數保險設計的理論和方法研究。例如，Skees等設計了保險賠付的計算方法，將觸發指數與氣象指數的差與觸發指數下限相除，就能確定相應的費率[5]。Zanini等運用不同的統計模型，對不同區域26個農場的大豆玉米的去趨勢單產進行擬合，厘定不同區域的純費率[6]。Turvey等剔除了影響農作物產量的海拔、經緯度等因素，只考慮對加拿大葡萄產量有主要影響的天氣指數，使用蒙特卡羅模型估計了葡萄的保險費率[7]。Clarke等利用貝葉斯模型完成了天氣指數保險產品組合的設計和定價，提高了模型的準確性[8]。Norton等發現，區域的時空特征會影響天氣指數的準確性，導致基差風險增大等[9]。Miranda等設計了新型的保險合同，將一份天氣指數保險合同分割成等量多份，每份標準單位保險費率賠付時間都是一致的，農戶可以根據農作物的面積自由選擇購買的份數[10]。

國內學者主要研究連陰雨、干旱、熱害、冷害、強風等單個或綜合氣象災害因子對單產的影響，并因地制宜地設計不同種類的天氣指數保險產品。如王克等利用新疆3個縣（市、區）的棉花單產數據擬合不同分布模型，得到不同的保險費率，認為選擇最優的單產風險分布模型才能厘定相對準確的純費率[11]。吳利紅等綜合考慮眾多氣候因子，建立水稻減產率模型，設計3個風險區域在不同免賠額下的保費[12]。路平通過面板數據建模得到天氣指數與糧食產量的關系，求得災損率的概率分布后設計糧食氣象指數保險合同[13]。周軍偉確定低溫凍害為山東省蘋果主要氣象災害，設計合理的冷害指數，分離出營養產量、趨勢產量，確定山東省棲霞市歷年單產與低溫凍害指數的線性關系，最后進行風險區劃與費率厘定[14]。參考以上研究，本研究也厘定了不同免費額下的純費率，然后劃分不同的氣象災害風險區域。

從天氣指數保險的實踐來看，國外的險種豐富，投保人數多，市場化程度較高。如泰國的咖啡降雨量保險、盧旺達的西紅柿天氣指數保險、埃塞俄比亞的糧食降雨量指數保險、加拿大的牧草指數保險等。上海于2007年推出首個農業天氣指數保險——西瓜梅雨指數保險之后，其他省份紛紛開始推廣天氣指數保險。如2008年安徽省開發了農村脆弱地區的水稻干旱洪澇天氣指數保險;2009年陜西省開展了蘋果氣象指數保險;福建省于2010年試點推出了臺風災害氣象指數保險;2016年保險公司推出了可通過支付寶平臺購買的“農作物風力指數保險”等。但總體來看，由于我國的氣象指數保險模型大多借鑒國外，在實際應用時存在基差風險問題，所以須要因地制宜進行調整。江蘇省作為全國產糧大省，還未推廣應用農業天氣指數保險，更未見到針對水稻的氣溫災害天氣指數保險。因此，本試驗建立了夏季高溫熱害指數以及秋季低溫冷害指數，定量分析單季稻的氣溫指數與減產率之間的關系，構建單季稻的天氣保險指數，既豐富了天氣保險指數的理論研究，也為江蘇省天氣保險指數的實踐應用提供參考。

2 研究數據與方法

2.1 數據來源

氣象資料主要包括江蘇省8個氣象站點1999—2015年的逐日最低氣溫、逐日最高氣溫以及逐日平均氣溫，數據來自國家氣象信息中心以及南京信息工程大學氣象臺。單季稻總產量以及面積資料來源于江蘇省各地級市的統計年鑒。

2.2 確定氣象產量及減產率

3 結果與分析

3.1 回歸分析

將逐年的減產率作為因變量，高溫熱害、低溫冷害2個氣象災害指數作為自變量，建立江蘇省各地市單季稻減產率與氣溫指數的回歸模型。利用SPSS進行逐步回歸，8個城市的回歸模型在整體上顯著（P值<5%）。氣溫指數對江蘇省單季稻產量的影響在10%的置信水平下顯著。各個地市的回歸相關系數以及相關指數的P值如表1所示。在連云港、南京和南通等地，低溫冷害以及高溫熱害顯著影響單季稻產量;8個城市的單季稻產量都受到低溫冷害的影響;連云港、南京、南通和無錫的單季稻減產率還受到高溫熱害的影響。

3.2 各級免賠額下江蘇省各地市純保險費率分析

為更完整地計算江蘇省各地市的純保險費率，分別計算免賠額為2.5%、5%、7.5%、10%時的純費率。根據回歸結果以及江蘇省單季稻生產實際，將安全系數定為20%，利潤率為5%，營業費用系數為15%，則毛保險費率=純費率×1.45[25]。運用Kriging插值法，用ArcGis軟件作圖，更直觀地描繪全省各地市在不同免賠額下的純保險費率的分級，進而劃分不同風險區域（這里以江蘇省的南京和蘇州等其他7個地級市的數據為基礎，對泰州、宿遷、淮安、揚州、鎮江5個地市作插值推算）。

在2.5%的免賠額下，全省的單季稻保險純費率在 1.902%～6.180%之間，徐州、鹽城的費率較高，大于4%。免賠額為5%時，全省的純保險費率在1.802%～6.120%之間，比2.5%免賠額下的情況有所降低，江蘇省東南區域的純費率仍然最低，在2.7%以下。在7.5%的免賠額下，全省的純保險費率繼續降低，在1.781%～6.010%之間。西北部費率仍然最高，但從圖1至圖4中可以明顯看出費率較高的范圍有所縮小。在10.0%免賠額下，純費率在1.510%～6.010% 之間波動， 純費率在4%以上的只有徐州1個城市，很多地區甚至降到了2%以下。

通過對以上不同免賠額下的純保險費率的分析可以發現，江蘇省西北區域各級免賠額下的減產風險都相對較高，費率也較高;東南部城市費率都較低。根據各級免賠額下的純費率分布情況，結合江蘇省農業保險的實際狀況，可在不同的風險區域設置不同的免賠額，降低逆向選擇和機會主義行為發生的概率。

單季稻保險費率受氣象災害的影響，災害風險越大，單季稻純保險費率越大。總體來看，江蘇省各地市高溫熱害以及低溫冷害的風險都不是太高，但也不能把江蘇各市設置成相同的免賠額。雖然同一個免賠額有利于保險公司管理，但是各區域的風險發生概率相差較大，容易造成基差風險。建議將江蘇省劃分成2個風險區域，徐州、鹽城為第一風險區，連云港、南京、常州、南通、無錫、蘇州為第二風險區（表2）。徐州在各個免賠額下的費率都是最高的，主要原因是徐州的冷害指數比其他城市高，即在秋季灌漿時期日均溫低于20 ℃的時間最多，導致減產率較高。鹽城的純費率略低于徐州，但卻顯著高于其他城市，可以設置同一免賠額5%來降低管理成本。對于其他城市如連云港、南京、常州和南通，無論純費率還是總費率都非常接近，因此在厘定純費率的過程中可將其余城市的同一免賠額設定為2.5%，以減少保險公司的管理費用。

4 結論與討論

4.1 研究結論

以江蘇省單季稻為研究對象，在總結國內外研究的基礎上，根據江蘇省1999—2015年逐日的氣象資料、8個城市的產量資料以及單季稻生產資料，設計江蘇省單季稻高溫指數以及低溫指數，研究單季稻減產率與氣溫指數的關系，厘定江蘇省單季稻氣溫指數保險純費率，完成江蘇省單季稻氣溫指數保險的設計，劃分江蘇省單季稻的風險區域，且建議將徐州市作為風險一區，其他城市作為風險二區，這些結果都可為江蘇省農業保險的應用推廣提供借鑒。

4.2 研究展望

由于江蘇省缺失部分城市2005年以前的單季稻產量數據，因此選擇8個城市的數據進行實證分析，下一步可進一步收集數據，使得研究更為完整。另外，缺乏縣級市的數據，只能按照地級市厘定純保險費率，仍然存在一定的基差風險。使用滑動平均法分離出氣象產量，損失了較多的產量數據，后期可在比較ARIMA模型和直線滑動平均法等其他模型的基礎上選用更好的模型。影響單季稻生育的因素很多，本研究僅將高溫熱害和低溫冷害指數納入模型，今后還可以進一步豐富和深化。

參考文獻：

[1]左 嬌，王雪君，郭運玲，等. 南繁區轉基因水稻田雜草種類調查[J]. 雜草科學，2014，32（4）：40-44.

[2]徐海波，王光明，隗 溟，等. 高溫脅迫下水稻花粉粒性狀與結實率的相關分析[J]. 西南農業大學學報，2001，23（3）：205-207.

[3]羅麗華，劉國華，肖應輝，等. 高溫脅迫對水稻花粉和小穗育性及稻谷粒重的影響[J]. 湖南農業大學學報（自然科學版），2005，31（6）：593-596.

[4]World Bank. Weather index insurance for agriculture：Guidance for development practitioners[M]. 3rd Ed. Washington D C：Agriculture and Rural Developmnet Discussion，2013：50-54.

[5]Skees J R，Hazell P B R，Miranda M. New approaches to crop yield insurance in developing countries[J]. EPTD Discussion Papers，1999，55（3）：18-23.

[6]Zanini F C，Sherrick B J，Schnitkey G D，et al. Crop insurance valuation under alternative yield distributions[J]. American Journal of Agricultural Economics，2004，86（2）：406-419.

[7]Turvey C G，Weersink A. Pricing weather insurance with a random strike price：an application to the ontario ice wine harvest[J]. American Journal of Agricultural Economics，2005，88（3）：696-709.

[8]Clarke D J，Clarke D，Mahul O，et al. Index based crop insurance product design and ratemaking：The case of modified nais in India[R]. Policy Research Working Paper，2012.

[9]Norton M T，Turvey C，Osgood D. Quantifying spatial basis risk for weather index insurance[J]. Journal of Risk Finance，2012，14（1）：20-34.

[10]Miranda M，Skees J R，Hazell P. New approaches to public/private crop yield insurance[R]. International Food Policy Research Institute，1999.

[11]王 克，張 峭. 作物單產風險分布對保險費率厘定的影響——以新疆3縣市棉花單產保險為例[J]. 中國農業大學學報，2010，15（2）：114-120.

[12]吳利紅，婁偉平，姚益平，等. 水稻農業氣象指數保險產品設計——以浙江省為例[J]. 中國農業科學，2010，43（23）：4942-4950.

[13]路 平. 東北地區糧食作物氣象指數農業保險合同設計[D]. 北京：清華大學，2010.

[14]周軍偉. 蘋果低溫凍害氣象指數保險產品設計研究——以山東省棲霞市蘋果低溫凍害為例[D]. 泰安：山東農業大學，2014.

[15]Bai L，Duan D X，Wan Z. Evaluating production risk in rice production of Guangdong Province[J]. Southwest China Journal of Agricultural Sciences，2014，27（4）：1762-1767.

[16]張方方. 湖北省水稻高溫熱害發生規律的研究[D]. 武漢：華中農業大學，2012.

[17]尤兆祥. 江蘇省農業保險制度研究[D]. 蘇州：蘇州大學，2008.

[18]強慧婷. 江蘇省高溫熱害及其對水稻生產的影響研究[D]. 南京：南京信息工程大學，2011.

[19]孟昭河，王玉菊，孫中勝，等. 水稻障礙型冷害及灌溉技術研究現狀[J]. 中國農學通報，2005，21（6）：197-201.

[20]尹思慧，徐蔣來，朱利群. 近30年江蘇省水稻抽穗灌漿期低溫冷害時空變化及對水稻產量的影響[J]. 江西農業學報，2016，28（5）：7-13.

[21]Ker A P，Goodwin B K G. Nonparametric estimation of crop insurance rates revisited[J]. American Journal of Agricultural Economics，2000，82（2）：463-478.

[22]婁偉平，吉宗偉，邱新法，等. 茶葉霜凍氣象指數保險設計[J]. 自然資源學報，2011，26（12）：2053-2059.

[23]尤兆祥. 江蘇省農業保險制度研究[D]. 蘇州：蘇州大學，2008.

[24]陳 權. 天氣指數保險費率厘定與修正方法研究[D]. 成都：西南財經大學，2013.

[25]楊太明，劉布春，孫喜波，等. 安徽省水稻高溫熱害保險天氣指數模型設計[J]. 中國農業氣象，2015，36（2）：220-226.