农业气象灾害的空间集聚与政策性农业保险的风险分散—— 以江、浙、沪、皖71个气象站点降水量的空间分析为例(1980—2014)

叶明华

(华东师范大学 金融与统计学院， 上海 200241)



农业气象灾害的空间集聚与政策性农业保险的风险分散
—— 以江、浙、沪、皖71个气象站点降水量的空间分析为例(1980—2014)

叶明华

(华东师范大学 金融与统计学院， 上海 200241)

搜集1980—2014年江、浙、沪、皖71个气象站点的降水量数据，计算其全域Moran指数，并通过Kriging空间插值和降水量距平百分率法，绘制四省(市)农业旱涝灾害的空间分布图，将农业旱涝灾害的空间分布与政策性农业保险赔付率等级的空间分布进行比对，结果发现：江、浙、沪、皖降水量具有显著的空间正相关性，且表现出波动中增强的态势，受此影响，四省(市)农业旱涝灾害也表现出显著的灾害核心区和辐射区相连的区域集聚特征，而灾害的空间集聚性易导致粮食主产区的政策性农业保险面临较高的赔付风险。据此，须注重提升农业灾害的气象预警与排洪灌溉工程建设的区域协同效应，着力从传统再保险和风险互换角度做好政策性农业保险的风险分散，关注融合国家再保险、保险交易平台和保险与资本市场对接等多重渠道的农业保险巨灾风险管理体系建设。

气象灾害；政策性农业保险；风险分散

政策性农业保险是确保国家粮食安全战略和稳定农村经济发展的重要金融工具，但是农业灾害的空间相关性严重影响了政策性农业保险的稳健经营，为深入探究农业灾害的空间特性，须从引致农业灾害的气象要素入手。

一、文献综述与理论假设

近年来，国内外关于农业气象灾害与农业保险的相关研究进展较快。依据需要，本文将既往相关研究按变量间相互影响的逻辑关系分解为两个层面：一是气象灾害链层面，即农业气象灾害风险及由此导致的种植业损失研究；二是灾害风险管理层面，即农业气象灾害的风险管理与政策性农业保险的赔付风险研究。

(一)农业气象灾害损失与减灾举措研究

1．农业气象灾害的危险性、空间性与灾害损失评估

关于农业气象灾害的相关研究，可以归纳为时间视角上对灾害危险性的研究和空间视角上对灾害地理分布的探讨。第一，气象灾害危险性研究。据全球灾害数据库统计，洪涝、台风、干旱和与降水相关的滑坡、泥石流等次生灾害是影响农业生产的主要气象灾害，其中，旱灾与涝灾的风险性最高。旱灾造成全球年均经济损失高达60亿～80亿美元。新中国成立以来，农业各类气象灾害中尤以涝灾和干旱分布最广、危害最大。Zhang et al.(2014)评估发现，大多数粮食主产区均面临旱灾威胁，尤其是黄河流域的农业生产区。在对气象要素深入研究后发现，降水量的异常变动是导致旱涝灾害的共同致灾因素。第二，气象灾害的空间特性研究。主要利用遥感和地理信息技术进行灾害空间分布测算，研究发现：中国的旱灾空间分布表现为东部省份高于西部省份，北方省份高于南方省份；而长江中下游地区和东北地区遭受洪涝风险较高；灾害的空间性导致中国省域气象灾害脆弱性表现为西高东低格局，呈梯度分布。

当前关于自然灾害对农业生产的影响研究已在两个层面进行了拓展：一是从短期影响分析转向长期影响分析，尤其是对粮食综合生产能力的冲击研究。史培军等(1997)认为，农业生态系统对气候的依赖性较高，气象灾害是造成粮食减产甚至绝收的首要原因。联合国粮农组织研究发现，长期来看，气候变化将对国际粮食安全目标造成巨大冲击。二是从自然灾害的直接影响分析转向间接影响研究。陈卫洪等(2013)认为，农业自然灾害除了直接影响农作物受灾面积，进而影响农业产量外，还将间接引起农产品市场价格波动和农户生产行为。Stein et al.(2004)研究发现，农业灾害会通过影响农作物产量和价格两个方面削弱农户福利。

2．农业生产体系的承灾能力与减灾措施

农业气象灾害的发生具有较强的客观性，但是最终造成的实际损失还取决于农业生产体系的承灾能力与减灾措施的成效。

由于中国粮食作物种植属于雨养农业，风险暴露程度较高，自然灾害极易造成农业生产损失。此外，农业生产系统存在自身对气象灾害的适应性。因此，均态变化的气象灾害对农业生产的影响幅度较小，而极端气象灾害，因其低频、高损、数据稀少等特点，往往造成巨大的农业生产损失。农业生产的减灾举措可分为适应性措施和预防性措施。适应性举措是未来应对气候变化机制的核心，主要措施有品种改良或调整，抑或是巨灾之后农业劳动力的大量转移。预防性举措主要集中于农业抗灾工程建设。程静等(2010)认为，农田水利设施建设的完善使得气象灾害造成的农业生产损失大大降低。有调查发现，受农户个体最优决策影响，当前农业防灾措施主要以非工程类措施为主，水利工程类措施比例较低。

综上，损失程度高、波及范围大的农业气象灾害严重冲击农业生产，造成中国农村出现“十年致富奔小康，一场灾难全泡汤”因灾致贫现象，因此，须加强农业生产体系的灾害适应性建设，包括农田基础设施改造，调整农作物种植结构等，以期全面提升农业生产系统应对气候变化的能力，最终降低灾害损失。

(二)农业灾害风险管理与政策性农业保险的赔付风险研究

1．农业气象灾害风险管理体系建设

农业灾害风险管理体系建设中首先要解决风险管理主体问题。政府主体论认为，农业减灾举措属于公共物品，应由政府提供。有调查显示，92.31%的农户认为，政府应当是农业减灾公共品的供给主体，农户“等”、“靠”、“要”的观念较为普遍。微观主体论认为，农田水利发挥效益离不开农户个体，必须把农业风险管理纳入到农户自身应对气候变化的决策中。对此，陈利等(2013)认为，外部自然灾害风险环境和政府减灾作为影响了农户的风险管理决策。只有以有效的风险管理手段应对气候变化方可保障中国的粮食安全。政府的角色主要在于制度供给及农田水利设施资金投入，这是应对气候变化的基本保障。于农户而言，应结合农业生产具体环境，将农业风险管理纳入生产决策，采用农田节水或排洪灌溉措施，以有效提高农业总产出。

2．政策性农业保险的赔付风险

政策性农业保险已成为中国为农户提供风险管理的重要金融工具。近年来，政策性农业保险的承保面急剧扩大，但受农业靠天吃饭的影响，农业保险始终面临较高的赔付风险。陈利等(2013)认为，农业灾害风险的高相关性和强扩散性直接影响政策性农业保险的经营。田玲等(2013)测算发现，损失规模达到千亿以上的“超大巨灾”，将使保险基金迅速告罄。因此，政策性农业保险的优化问题不容忽视(姜莉，2014)。

针对农业保险的高风险性，庹国柱等(2014)认为，应当允许不同农业保险经营主体进行分散决策，以使得不同区域的政策性农业保险制度结构与该地区的风险环境和气象特征之间具有高度相容性。针对大灾与巨灾可能影响农业保险经营积极性问题，吕晓英等(2014)提出，应增加对农业保险公司的激励机制，适度提高其可分配利润，同时建立全面的农业保险大灾风险分散制度。

(三)本文研究假设

综上，众多气象灾害中，旱涝灾害是影响中国农业生产最重要的自然灾害。虽然旱涝灾害的表象特征相反，但其气象本质与降水量变化息息相关：当降水量超过正常年景时，易发生涝灾；当降水量低于正常年景时，易发生旱灾。故此，降水量成为旱涝灾害的共同气象要素，本文将以降水量作为研究的主要气象变量。

基于既往相关研究，本文假设：

第一，气象要素降水量的变化与旱涝灾害的变化之间可以建立较强的相依关系，也即降水量的空间变化影响农业旱涝灾害的空间特性；

第二，旱涝灾害所致农业损失与政策性农业保险赔付变动之间具有较强的因果关系；

第三，气象要素除了在时间上表现出强弱变化外，还会因空间分布特征而影响农业灾害实际损失，并进而影响政策性农业保险的赔付风险。

二、气象要素的空间集聚与农业旱涝灾害的空间相关性

(一)预研究与农业气象要素代表性变量的选取

气象要素是导致气象灾害发生的基础性变量，不同气象要素引致的气象灾害略有不同，例如风速变化主要影响风灾和霾的变化。影响农业生产最重要的气象灾害是干旱和洪涝，导致干旱和洪涝灾害发生的最为重要的气象要素是降水量的变化。《气象干旱等级》国家标准规定，降水量的变化率可作为判定旱涝灾害的重要气象要素指标。同时，本文在降水量数据的预处理中，通过对降水量与旱涝灾害的受灾面积之间的岭回归分析发现，降水量变化与涝灾受灾面积有较强的正相关关系，而与旱灾的受灾面积变化有较强的负相关关系。鉴于此，本文选择降水量作为研究农业旱涝灾害的重要气象要素代表性变量。

(二)数据来源

本文研究所使用的数据来自浙江、江苏、上海和安徽四省(市)统计年鉴、地理信息科学教育部重点实验室和中国气象局公共气象信息服务中心。具体为四省(市)的71个气象站点的数据样本，包括：浙江省的23个气象站，11个地级市；江苏省的23个气象站，13个地级市；上海市1个气象站，1个直辖市；安徽省的24个气象站，16个地级市。时间区间为1980年1月至2014年12月，以月度数据为主。选取江、浙、沪、皖四省(市)为样本是基于：一方面，四省(市)地理位置空间相邻，这对于解析农业气象要素的空间相关性至关重要；另一方面，四省(市)中的安徽省和江苏省是中国重要的粮食主产区，其农业气象灾害特征可作为江淮流域粮食主产区*据新华网报道，中国目前仅有5个粮食调出省，分别是：黑龙江、吉林、内蒙古、安徽和江西。江淮地区的江苏与安徽依然是产粮大省，而上海和浙江则是粮食调入大省(市)，且调入的粮食主要来自邻近的安徽和江苏。因此，江、浙、沪、皖之间已形成相对平衡的粮食供需格局。但四省(市)农业气象灾害的空间相关性极易对这种粮食弱平衡体系造成冲击。参见http://news.xinhuanet.com/fortune/2014-03/09/。的典型代表。

(三)江、浙、沪、皖降水量的空间集聚性

农业气象要素的空间集聚易导致农业灾害的空间相关，因此，对江、浙、沪、皖降水量的空间集聚效应进行测算。在空间分析中，以Moran指数来检验变量的空间相关性。这里将采用全域Moran指数对江、浙、沪、皖降水量的空间相关性进行测算。全域Moran指数可分析江、浙、沪、皖四省(市)空间临近区域单元降水量的相似程度，也即可反映四省(市)降水量的空间聚集效应。

四省(市)降水量的全域Moran指数计算公式如下：

全域Moran指数的取值范围为[-1,1]，数值越高，说明江、浙、沪、皖四省(市)降水量之间的空间关联程度越高。当Moran指数为正时，表示降水量呈现空间正相关关系；当Moran指数为负时，表示降水量呈现为空间负相关关系。

由于本文搜集的是四省(市)各气象站点的数据，而非地级市数据，因此，在计算Moran指数前需对数据进行空间转换：将71个气象站点的降水量数据转换为41个城市的降水量数据。此处采用地理学上普遍使用的泰森多边形法则进行转换。泰森多边形法则也被称为垂直平分法或加权平均法，即可通过使用最近的单个气象站点的降水量进行区域插值，须将采样点两两相连并作连线的中垂线，其中垂线相交可形成若干个多边形，从而将四省(市)的各个地级市分割成若干个子区域，每个子区域中包含一个气象样本数据点，以每个子区域的面积大小为权重估算出各地级市的降水量的平均值及四省市的整体估计值。设每个观测点的样本数据为xi，其对应的泰森多边形的面积为fi，则区域平均值可按下式求得：

其中，xi为观测点的样本数据，fi为泰森多边形的面积，n为区域内观测点或泰森多边形的个数，F为区域的总面积，Ai为权重系数。通过使用泰森多边形将各个气象站点的降水量数据转化为各个地级市的降水量数据，进而计算Moran指数。

四省(市)降水量的Moran指数计算结果如图1所示。从极值角度看，江、浙、沪、皖降水量全域Moran指数的最低值为0.107(1983年)，最高值为0.746(2003年)，波动性较大。从均值角度看，1980—2014年，四省(市)降水量Moran指数的平均值为0.512，系数值较大，说明江、浙、沪、皖各区域的降水量受邻近区域的影响较为明显，也即四省(市)的降水量具有显著的正向空间自相关特征，降水量虽然在某个具体区域表现出随机分布特征，但是在空间维度上则表现为较为明显的集聚现象。

图1　江、浙、沪、皖降水量的全域Moran指数(1980—2014)

整体上来看，江、浙、沪、皖降水量的空间相关性表现出增强趋势，其中：1980—1989年，Moran指数均值为0.360；1990—1999年，Moran指数均值为0.564；2000—2014年，Moran指数均值为0.509。这表明，1980—2014年，江、浙、沪、皖降水量的空间相关性呈现出波动中逐步增强的态势，尤其是1990年之后，仅有5年的Moran指数值低于0.4，四省(市)的降水量在大多数年份都表现出较强的正相关关系。

(四)江、浙、沪、皖农业旱涝灾害的空间相关性及变动趋势

1980—2014年，江、浙、沪、皖降水量之间的空间集聚更多地反映气象学意义上的农业气象要素的空间相关性。而对农业生产造成实际冲击的，往往是气象要素所引发的农业气象灾害，尤其是旱涝灾害。依据《气象干旱等级》国家标准，降水量的变化是导致农业旱涝灾害的罪魁祸首，因此，可采用降水量的距平百分率法，通过四省(市)降水量数据的处理将其转化为对江、浙、沪、皖旱涝灾害的风险评估。

《气象干旱等级》国家标准规定了中国气象干旱指数的具体算法及干旱等级划分标准，共涉及五种监测干旱的单项指标和气象干旱综合指数*《气象干旱等级》国家标准中列出的干旱指数计算方法有：降水量距平百分率、相对湿润度指数、标准化降水指数、土壤相对湿度干旱指数和Palmer干旱指数。。其中，相对湿润度指数要求蒸发量数据按一定方法获取；而土壤相对湿度干旱指数主要关注土壤墒情；Palmer干旱指数只能用于表达干旱。本文选取便于计算和普遍使用的降水量距平百分率法，对江、浙、沪、皖的旱涝灾害指数进行计算，公式如下：

由于江、浙、沪、皖四省(市)的71个气象站点分布不均匀，在计算旱涝灾害空间分布时，为使最终的灾害分布图展示得更为细致和均匀，需要将各气象站点的降水量进行空间插值。此处采用Kriging空间插值法。其原理是利用区域化变量的原始数据和变异函数的结构特点，对无气象站点的区域化变量的值进行线性无偏、最优估计，也即根据各气象站点空间位置与相关程度，赋予每个样本点不同权重，从而获得无气象站点的降水量数值的插值估计。

四省(市)71个已知气象站点的降水量形成数据集合，已知点xi∈A(i=1,2,…,n)，该点在区域集合A上的降水量即为区域化变量Z(xi)，待插值点x0的降水量估计值Z*(x0)是已知气象站点降水量Z(xi)的加权值之和：

其中，λi( i = 1，2，…，n)为权重系数，权重为距离的函数。根据Kriging插值法的二阶平稳假设，要求四省(市)空间区域内任意两点xi和xj( j = 1，2，…，n； i ≠j)的降水量满足E[Z(xi)-Z(xj)]=0，方差Var[Z(xi)-Z(xj)]存在并且只与两点的空间距离有关，即：

通过运算上式，即可获得四省(市)所需估测降水量站点的权重系数λi，进而求得四省(市)空间区域内所需插值点x0的降水量估计值Z*(x0)。

通过上述Kriging插值细化和扩展江、浙、沪、皖各空间区域上的降水量数值，再根据气象干旱等级划分标准*《气象干旱等级》国家标准中的干旱有五个级别，不同级别的干旱对农业生产的影响依次为：一级为正常或湿涝，表现为降水正常，无旱象；最高为五级，特旱，表现为耕地出现长时间缺水，植物干枯、死亡，将对农作物和生态环境造成严重影响。，融合涝灾划分标准，将降水量对应的旱涝等级划分为从特涝到特旱的十个等级，即：特涝(Pa≥45%)、重涝(35%≤Pa≤45%)、中涝(25%≤Pa≤35%)、轻涝(10%≤Pa≤25%)、无涝(0%≤Pa≤10%)、无旱(-10%≤Pa≤0%)、轻旱(-25%≤Pa≤-10%)、中旱(-35%≤Pa≤-25%)、重旱(-45%≤Pa≤-35%)和特旱(Pa≤-45%)。在上述测算基础上，采用ArcGIS软件绘制江、浙、沪、皖1980—2014年共计35年的旱涝灾害空间分布图，因篇幅所限，以下仅选取不同时段中代表性年份的旱涝灾害分布图，如图2和图3所示。

图2　江、浙、沪、皖旱涝灾害的空间相关性(左图：1988年；右图：1991年)

据图2和图3可知：(1)长期来看，四省(市)中的上海与浙江主要面临旱灾风险，江苏和安徽主要面临水灾风险。具体来说，江苏与安徽北部区域还面临严重旱灾风险，而苏中、苏南与皖中、皖南主要面临水灾风险。(2)整体来看，四省(市)的农业旱涝灾害之间呈现较强的空间相关性，表现为相邻区域范围内，旱涝灾害具有相似性与扩散性。(3)分级来看，江苏与安徽的涝灾表现为强烈空间相关性，其中，1991年、2003年，两省超过30个气象站点同时显示严重涝灾，并且涝灾呈现出水平空间上的相关性，即相同或相近纬度上涝灾的空间相关性。由于江苏与安徽是江淮流域重要的粮食生产基地，因此，涝灾的空间相关将对四省(市)的粮食供求弱平衡造成巨大冲击。

综上，四省(市)旱涝灾害的空间分布图可明显分割出灾害中心区、灾害辐射区和灾害过渡区三个梯度层次。例如：1988年，四省(市)同时并发旱灾，且旱灾以苏北和皖北为灾害中心区，向苏南和皖南扩散，到上海和浙江后衰减为轻旱直至无旱。1991年的情况略有不同。涝灾的中心区位于苏中与皖中，从中心区向南北两个方向同时扩散，形成由中心区向辐射区扩散，最终形成多地市同时并发的大范围涝灾；通过浙北的过渡区后，至浙南则转化为旱灾区。2003年，四省市的旱涝灾害空间分布情况与1991年类似，从四省(市)北部的严重涝灾通过灾害中心区扩散至辐射区，再经过渡区转化为浙南与上海的严重干旱，表现为降水量从北到南逐次衰减。

三、农业气象灾害的空间相关性对政策性农业保险赔付的影响

政策性农业保险主要承保种植业灾害损失，尤其是粮食作物灾害损失。粮食作物面临的主要气象灾害为旱涝灾害，其所致损失合计占粮食作物总损失的80%以上*参见庹国柱：“中国农业保险发展报告”，中国农业出版社，2014年版，第4-17页。。以下将分析农业气象灾害的空间集聚性对政策性农业保险赔付率的空间分布所产生的影响。

(一)政策性农业保险赔付状况的空间分布

搜集2006—2013年江、浙、沪、皖41个城市的政策性农业保险保费收入和赔款支出数据，计算简单赔付率。数据来自41个城市中各家农业保险公司每年的信息披露报告和各年的中国保险年鉴。简单赔付率(保费收入/赔款支出)可较好地反映政策性农业保险的赔付风险。经初步计算发现，2007—2010年，部分地市的政策性农业保险承保面积较小，保费收入较低，不足以反映实际灾害损失状况。保险精算要求承保标的符合大数法则，以使实际损失分布趋向预期经验分布，经检验，2011年以来的政策性农业保险经营符合此条件。依赔付率高低将政策性农业保险赔付风险划分为5个等级，通过ArcGIS软件将各城市赔付率等级绘制图形，结果如图4和图5所示。

从2011—2013年政策性农业保险赔付率的等级空间分布图可以看到，政策性农业保险的赔付风险具有较强的空间集聚性。苏南和皖南部分城市政策性农业保险赔付率较低，可能由两方面因素所致：一是2011—2013年该区域是旱涝灾害的过渡区，不属于江淮旱涝灾害的核心区和辐射区，因此，灾害损失较小；二是该区域主要为工业生产区，耕地面积覆盖较低，因此，农业气象灾害损失较小。

图4　四省(市)政策性农业保险赔付率等级的空间分布(左图：2011年；右图：2012年)

苏中和皖中是政策性农业保险赔付的重灾区，赔付率水平整体较高，并且其赔付率的高低分布与旱涝灾害的高低分布一致，均呈现出水平视角上，也即相同或相近纬度方向上的赔付率空间相关性。尤其是安徽省粮食种植重点地区滁州市、六安市、阜阳市、淮南市和江苏省粮食生产基地淮安市和盐城市，农业保险赔付具有较强的空间集聚性。根据四省(市)旱涝灾害空间分布图可知，长期来看，浙江省农业旱涝灾害的整体水平低于江苏省和安徽省，农业耕地面积也远少于江苏和安徽，因此，浙江省政策性农业保险赔付水平整体较低。上海市不属于旱涝灾害的中心区，其农业生产所遭受的旱涝灾害损失并不明显。实地调研发现，上海市政策性农业保险的赔付率较高。这是因为上海的政策性农业保险与其他省份不同，除了承保灾害所致损失，还要承保农产品价格风险损失，产量与价格双重风险的叠加使得其赔付水平整体较高。

图5　2013年四省(市)旱涝灾害分布(左图)与政策性农业保险赔付率等级(右图)空间分布的比较

(二)农业旱涝灾害空间分布与政策性农业保险赔付空间特性的比对分析

为解析农业旱涝灾害的空间相关性是否对政策性农业保险赔付产生影响，将江、浙、沪、皖各城市2013年旱涝灾害空间分布图与农业保险赔付等级分布图进行比对。

据图5可知，2013年，江、浙、沪、皖各区域降水量普遍较少，较大范围区域同时面临旱灾风险，尤其是苏北、苏中和皖北、皖中的大部分区域。但是对应右图的政策性农业保险赔付可以发现，安徽省域内的政策性农业保险赔付与其旱灾风险程度相匹配，但是江苏省旱灾严重地区的政策性农业保险赔付并不高。据本文课题组于2014年对江苏、安徽两省农户进行的入户问卷调查发现，安徽省“纯农型”农户占比较高，农业种植面积较大，因此，其旱涝灾害风险度与农业保险赔付风险度基本上相一致；而江苏省“兼农型”农户较多，户均耕地面积较少，且粮食商品化率较低，农业生产和投保的积极性较低，因此，江苏省域内政策性农业保险赔付的空间分布与其灾害的空间分布之间的匹配度低于安徽省，尤其是苏南工业城市。

四、结论及政策启示

本文采用1980—2014年江、浙、沪、皖四省(市)71个气象站点的降水量数据，基于气象灾害的空间统计分析，得到关于农业气象灾害与政策性农业保险空间分布特征的相关研究结论：第一，江、浙、沪、皖的农业气象要素呈现较为明显的空间相关性，且相关程度表现为波动中增强的趋势。第二，农业气象要素的空间相关性引致农业气象灾害的空间集聚效应。四省(市)农业旱涝灾害表现出明显的南北向水平空间的相关性，并且农业旱涝灾害的空间相关性在水平层面上表现出灾害核心区、灾害辐射区和灾害过渡区的区域集聚特征。第三，旱涝灾害的空间集聚性对政策性农业保险赔付率的空间分布产生显著影响。整体上来看，四省(市)政策性农业保险赔付率表现出较为明显的空间集聚特征，其中：苏南和皖南农业保险赔付率较低，苏中和皖中赔付率较高；安徽省政策性农业保险的赔付率与农业旱涝灾害的空间分布相一致，而江苏省旱涝灾害高发区并非农业耕地集聚区。

农业气象灾害的空间相关性极易使粮食主产区的政策性农业保险面临赔付的系统性风险。对此，可从以下方面对政策性农业保险的风险分散进行优化：

在防灾层面，需着力提升农业灾害核心区与辐射区之间的防灾机制协同效应。第一，注重农业气象灾害预警的区域协同。对于灾害预警，当前各气象站点主要关注本地区灾害信息，信息的区域性和分割性不利于防灾工作的协同开展，农业气象预警需注重农业旱涝灾害中心区和辐射区的协同预警。第二，进行农业排洪和灌溉工程的区域联动建设。旱时灌溉和涝时排洪是最重要的农业减灾举措，由于排洪灌溉工程建设涉及到资金投入、劳动投入、土地占用等，而在地方财政预算收入制约条件下，水利工程建设往往成为各级政府追求自身政绩最大化目标下的区域性最优决策。与农业旱涝灾害的空间相关性相对应，农业排洪灌溉工程需构建基于农业灾害核心区和辐射区为一体的多省域联合防灾工程，以实现农业灾害风险管理的全局最优化。

在保险层面，应注重政策性农业保险的风险分散。当前，部分区域的政策性农业保险处于过度竞争格局，各家保险公司为了扩大业务，忽视新的业务区域与原承保区域之间气象要素的空间集聚，导致承保业务之间风险高度相关；同时，轻视旱、涝巨灾的可能性，为争取业务擅自减低保费。这些不当竞争举措放大了政策性农业保险的赔付风险。保险精算要求各业务单位符合风险独立同分布原则，但是农业旱涝灾害的空间相关性违背了保险承保原则，因此，保险公司扩大承保区域时应重点选取风险弱相关或不相关区域。如果确实因政策需要不得不进入风险高度相关区域时，保险公司应做好再保险安排，或进行旱涝灾害的风险互换，以此降低和分散农业保险的赔付风险。

在巨灾风险管理层面，需构建农业旱涝灾害巨灾风险的分散体系。第一，建立商业与国家联合的再保险。考虑到农业的基础性地位以及农业巨灾对整个经济体系的冲击，建议在传统商业再保险之外，建立国家农业再保险。第二，创立保险交易平台。这使得各家保险公司的农业保险业务可进行风险互换，从而通过风险聚合和风险交互实现政策性农业保险的风险分散目的。第三，实现保险市场与资本市场的有效对接。通过巨灾风险证券化，政策性农业保险可以将承保风险转移到国内外资本市场，从而保障农业风险管理与农业保险市场的持续、稳定发展。

陈利，谢家智. 2013. 农户对农业灾害赔偿满意度的测量与减灾行为研究[J]. 农业经济问题(3)：56-64.

陈卫洪，谢晓英. 2013. 气候灾害对粮食安全的影响机制研究[J]. 农业经济问题(1)：12-20.

程静，陶建平. 2010. 全球气候变暖背景下农业干旱灾害与粮食安全：基于西南五省面板数据的实证研究[J]. 经济地理(9)：1524-1528.

韩兰英，张强，马鹏里，等. 2015. 中国西南地区农业干旱灾害风险空间特征[J]. 中国沙漠(7)：1-9.

贺帅，杨赛霓，汪伟平，等. 2015. 中国自然灾害社会脆弱性时空格局演化研究[J]. 北京师范大学学报(自然科学版)(6)：299-306.

胡亚男，郑金伟，潘根兴，等. 2015. 1978—2008年中国十省主要农业气象灾害动态及其影响分析[J]. 气候变化研究进展(3)：123-130.

姜莉. 2014. 我国农业保险政策优化问题研究:基于道德风险视角[J]. 哈尔滨商业大学学报(社会科学版)(3):13-20.

潘根兴，高民，胡国华. 2013. 气候变化对中国农业生产的影响[J]. 农业环境科学学报(9)：1698-1706.

齐晔. 2013. 中国低碳发展报告(2013) [M]． 北京：社会科学文献出版社.

邵腾伟，冉光和. 2011. 基于POT-GPD损失分布的农业自然灾害VAR估算[J]. 统计研究(7)：79-84.

史培军，王静，谢爱云. 1997. 最近15年来中国气候变化、农业自然灾害与粮食生产的初步研究[J]. 自然资源学报(3)：197-203.

谭灵芝，董照辉. 2014. 气候变化适应性资金投入对农业总产值影响研究[J]. 农业技术经济(12)：39-50.

陶生才，许吟隆，刘珂，等. 2011. 农业对气候变化的脆弱性[J]. 气候变化研究进展(2)：143-148.

田玲，姚鹏. 2013. 我国巨灾保险基金规模研究：以地震风险为例[J]. 保险研究(4)：13-22.

庹国柱. 2014. 农业保险文集[G]. 北京：中国农业出版社：65.

庹国柱，朱俊生. 2014. 完善我国农业保险制度需要解决的几个重要问题[J]. 保险研究(2)：44-54.

王加华. 2003. 清季至民国华北的水旱灾害与作物选择[J]. 中国历史地理论丛(1):84-91.

王锡曚，李传哲，王树谦，等. 2015. 近50年来京津唐地区降水时空演变特征分析[J]. 水电能源科学(7)：7-11.

谢立勇，李悦，钱凤魁，等. 2014. 粮食生产系统对气候变化的响应:敏感性与脆弱性[J]. 中国人口.资源与环境(5)：25-31.

严奉宪，武洲洋，黄玲玲. 2014. 农业减灾公共品：农户自主供给意愿及其影响因素分析：基于湖北省农户调查数据[J]. 中国农村经济(11)：52-64.

叶明华. 2015. 中国农业保险的赔付风险：风险测度与应对策略[J]. 经济问题(4)：92-98．

叶明华，汪荣明． 2014. 风险认知、保险意识与农户的风险承担能力：基于苏、皖、川三省1554户农户的问卷调查[J]. 中国农村观察(6)：37-48．

俞云，李芳. 2010. 基于面板数据的农业气象灾害对中国粮食产量影响分析[J]. 经济与管理(11)：5-8.

张锐. 2009. 谁在威胁全球粮食安全[N]. 中国经济时报,-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．

(责任编辑刘志炜)

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

叶明华(1978--)，女，福建泉州人，博士，华东师范大学金融与统计学院副教授。

国家自然科学基金项目“农业气象灾害、政策性农业保险与粮农生产行为：基于苏、皖农户调查的微观实证”(71403088)；国家社会科学基金重大项目“农业灾害风险评估与粮食安全对策研究”(13&ZD161)；高等学校学科创新引智计划(B14019)。

F840

A

1001-6260(2016)04-0032-10

财贸研究2016.4