江苏水稻高温热害气象指数保险风险综合区划*

任义方，赵艳霞，张旭晖，王 平，何 浪



江苏水稻高温热害气象指数保险风险综合区划*

任义方1，赵艳霞2，张旭晖1，王 平3，何 浪3

（1. 江苏省气象服务中心，南京 210008；2. 中国气象科学研究院，北京 100081；3. 江苏省气象局，南京 210008）

以江苏省为例，利用1980−2015年气象资料和水稻观测数据，基于Logistic曲线方程构建高温热害保险气象指数，并分别采用正态分布、正态对数分布和Weibull分布三种参数模型，以及基于信息扩散方法的非参数模型对水稻高温热害发生概率进行拟合。通过拟合优度检验发现，非参数模型可以较好地估算江苏各县水稻孕穗−抽穗扬花阶段高温热害发生概率，进而结合最优拟合模型，考虑农业保险的经营需求，从致灾因子危险性、孕灾环境敏感性、承灾体易损性、防灾减灾能力四个方面出发，确定相应评估指数并构建综合指数，采用聚类分析的方法进行县级水平的水稻高温热害保险风险综合区划。评估分析表明，江苏水稻高温热害保险风险呈现“西南高东北低”的特征，中高风险区是需要依靠农业保险转移风险的重点关注区域。

水稻；高温热害；指数保险；模型；风险区划评估

随着全球气候变暖，江苏高温热害呈现覆盖范围扩大、强度增强、频次增多的特征[1]，且夏季高温发生时段常与水稻孕穗扬花期相遇，造成水稻产量降低，不稳定性增加[2-4]。运用农业保险工具开展作物保险来分散风险，是农业生产管理和风险规避的重要手段，更是当前水稻高温热害常发背景下的发展方向。农业指数保险主要包括天气指数保险、区域产量指数保险和价格指数保险等具体类型[5]。其中，“天气指数保险”（也称作“气象指数保险”）作为农业保险的新兴技术，使用气象要素（例如降雨量、温差等）来指数化农作物损害程度，并与赔付金额挂钩，设定触发条件展开理赔。这种依托于客观定量实时监测气象要素的指数保险在提高勘察定损效率、克服逆选择和道德风险等方面都优于传统保险[6]。农业保险风险区划作为天气指数保险产品设计过程中的重要环节之一，是费率厘定、保费核定以及相关农险条款制定的重要基础，更是区域间气候特点、风险程度、作物生长环境、生产水平差异性的客观综合体现[7-9]。农业保险风险区划中存在两个关键性问题，一是选择何种统计模型来体现保险风险的发生概率；二是选择何种指数（或指数组合）来体现作物保险风险区划特征。

关于保险风险发生概率分布模型的选择问题，在农作物区域产量保险领域，Sherrick等[10-12]学者主要从标的物本身出发，基于标的物产量数据，提出多种统计模型（参数模型、半参数模型、非参数模型和贝叶斯方法等）来描述产量损失的发生概率。随着不同统计模型的广泛应用，如何选择合理的分布模型来客观评定损失发生概率也是研究者关注和探讨的问题[13]。研究表明，同一组数据，利用不同分布模型拟合，统计得到的减损概率不同，从而导致厘定的纯费率存在显著差异[14-15]。同样地，在农作物天气指数保险领域，相关研究主要从灾害发生规律出发，基于气象要素构建保险气象指数，采用相应的模型来测算灾害发生概率。刘凯文等[16-17]针对水稻生产过程中高温热害的发生情况，采用Weibull分布模型测算了高温热害发生概率，进而厘定保险费率。保险风险发生概率不仅涉及保险费率的测算，也涉及灾害风险区划过程中风险度（也即危险性）的确定。方洁等[18-19]将特定作物灾害划分为不同等级，并通过求算不同等级相应发生频次来计算致灾危险，进而实现作物灾害风险区划。

作物保险风险区划是基于一般风险区划理论，综合考虑灾害发生规律、标的物损失程度、社会生产水平、防灾减灾能力以及保险经营需求等要素，给出具有相似保险理赔风险区域划分的一种方法。在常规风险区划研究领域，针对区划指数的选择问题，不同学者[20-21]结合不同的研究角度和目的，给出不同指数选择依据，构建灾害风险评估模型。在区划指数的选择研究过程中，除了考虑气象因子、产量水平、生产经营规模和效益外，还逐步拓展到了作物生长环境评价领域。丁少群等[7]认为在作物风险指数选择上需要考虑气候和土壤两大类要素，包括作物产量水平、产量变异系数、灾害发生频率和强度指标、气候综合评判值、地理指标、土壤指标、水利设施指标等方面。然而，研究和实证发现，在进行保险风险区划过程中，区划结果能够在体现平均生产水平的基础上，测度灾害风险对粮食安全的影响以及生产中可抵御灾害的能力是关键，并不是指标越多越复杂，测度结果越准确[22-25]。

目前，灾害风险区划研究中，多采用发生频次的方法来计算致灾因子的发生概率。实际上，由于灾害样本量不足，这种离散型分布模型的计算方法，往往会对风险度的测算造成误差。能否借鉴农作物区域产量保险领域中统计模型的方法来测算天气指数保险领域中的风险发生概率；在区划指数选择过程中，以往研究对环境因子的考虑较少，能否结合保险区域特有的水系分布特征来分析孕灾环境的敏感性尚未见相关报道。因此，本研究以江苏为例，从灾害发生角度出发，准确把握灾害风险与产量损失之间的关系，构建水稻高温热害保险气象指数，利用参数法和非参数法来统计分析高温热害的发生概率，从而确定水稻高温热害风险度；然后分别从致灾因子危险性、孕灾环境敏感性、承灾体易损性、防灾减灾能力四个方面，进行县级水平的水稻高温热害保险风险综合区划评估，以期为设计水稻高温热害气象指数保险（单一作物灾害险种保险）产品提供依据，从而有效提高风险转移能力。

1 资料与方法

1.1 数据来源

气象资料包括江苏省70个气象站1980−2015年的逐日最高温度和平均温度，作物资料包括江苏省8个农业气象站（徐州、淮安、赣榆、兴化、镇江、宜兴、昆山、高淳）1980−2015年的水稻生育期资料，以及同期江苏省75个县的逐年水稻产量和播种面积数据。气象资料和水稻生育期资料来自江苏省气象信息中心，水稻产量和播种面积数据来自江苏省统计局，江苏基础地理信息河网水系数据资料来自江苏省测绘地理信息局。

1.2 构建高温热害保险气象指数

1.2.1 高温热害气象指数的构建

将水稻孕穗−抽穗扬花期作为热害监测期，将日平均气温≥30℃、日最高气温≥35℃连续3d以上的高温天气作为1个高温热害过程。定义水稻高温热害监测期各高温过程热害累积量H为

式中，n为监测期间（水稻孕穗−抽穗扬花期）发生高温过程的总次数。Ti、Tmax,i分别为各高温热害过程的日平均温度和日最高温度；Tc、Tmax,c分别是相应临界值，其数值分别取30℃和35℃。由于各地各年水稻受高温影响的敏感时段不同，因而逐站逐年统计水稻高温热害监测期中所有高温过程的危害累积量。

基于高温热害对水稻产量影响的规律[26-27]，利用Logistic曲线方程定量描述高温热害对水稻产量损失的影响程度，构建并计算高温热害保险气象指数Z，即

1.2.2 各县水稻减产率的测算

实际产量Y可分离成三部分，随着社会生产力水平提高的趋势产量Yt、随历史气象条件波动的气象产量Yw和随机“噪声”（可忽略）。估算农作物单产趋势的方法有很多种，大体分为三类，即回归方程模拟法、滑动平均模拟法和直线滑动平均法。本研究在各县产量序列逐步滑动分段的基础上，采用灰色系统GM（1，1）模型逐段滑动平均的方法[29]模拟趋势产量，通过分离产量资料，逐县逐年求算相对气象产量，并将其负值的绝对值定义为减产率，计算式为

式中，Yw为减产率（%）；Y为实际产量（kg·hm−2）；Yt为趋势产量（kg·hm−2）。

1.2.3 保险气象指数与减产率关系的建立

基于1980−2015年（共36a）70个气象站历年热害监测期间的高温发生过程和75个县历年水稻产量资料，将由式（2）求算的各气象站水稻高温热害保险气象指数与由式（3）求算的各县减产率值生成数据对，若县域内无气象站，其减产率使用邻近气象站求算的气象指数来配对；从匹配的2700个样本中，选取由高温热害造成对应水稻减产的69个样本（样本选择方法参见文献[28]），建立江苏全省水稻高温热害保险气象指数与减产率回归方程，即

式中，Yw为水稻减产率（%），Z为水稻高温热害保险气象指数。

1.3 分布函数模型介绍

不同参数分布模型具有不同的偏态分布特点：正态分布具有无偏性，Weibull分布具有负偏性，对数正态分布具有正态性。同时，基于信息扩散的非参数分布模型适用于小样本问题，且具有良好的抗差性。分别选择3种参数模型（正态分布模型、正态对数分布模型和Weibull分布模型）以及基于信息扩散的非参数模型来拟合江苏水稻孕穗−抽穗扬花阶段高温热害发生分布形态。

（1）正态分布（Normal distribution）

正态分布，又称高斯分布（Gaussian distribution），最早由棣莫佛在1734年提出。其概率密度函数（PDF）为：

（2）威布尔分布（Weibull distribution）

Weibull分布由瑞典物理学家Wallodi Weibull于1939年引进，是可靠性分析及寿命检验的理论基础。二参数Weibull分布的概率密度函数（PDF）为

（3）对数正态分布（Logarithmic normal distribution）

在概率论与统计学中，对数正态分布是对数为正态分布的任意随机变量的概率分布。其概率密度函数（PDF）为

（4）信息扩散法（Information diffusion method）

信息扩散法是一种模糊数学的思想，设样本集为X={x1, x2, …, xm}，灾害论域为Z={z1, z2, …, zn}。一个单值观测样本点xi按式（8）将其所携带的信息扩散给Z中的所有点。

式中，h称为扩散系数，可根据样本最大值和最小值及样本点个数m来确定。

相应模糊子集隶属函数为

若灾害观测值只能取灾害论域中一个，再将xi看作样本点代表时，则观测值为zj样本点个数q（zj）。

Q即为各zj点上样本点数的总和，从理论上讲，必有Q=m，但由于数值计算四舍五入的误差，Q与m之间略有差别。易知

样本点落在zj处的频率值，可作为概率的估计值。则超越zj的概率值可表达为

式中，P（zj）即为超越概率风险估计值。

2 结果与分析

2.1 保险气象指数分级及其概率密度

2.1.1 水稻高温热害保险气象指数分级

用减产率的数值大小来判定由不同高温热害强度造成的水稻受灾等级，定义减产率5.0%≤Yw＜10.0%、10.0%≤Yw＜20.0%、20.0%≤Yw＜30.0%、30.0%≤Yw＜40.0%、Yw＞40.0%分别为轻、中、重、严重、极端损失5个水稻受灾等级，并对应于高温热害强度的1−5个等级。根据减产率划分的受灾等级，以及Yw与Z之间的线性关系和Z与H的Logistic曲线关系，可以得到对应不同受灾等级的高温热害累积量和保险气象指数值，从而实现水稻高温热害保险气象指数的等级划分，详见表1。

2.1.2 水稻高温热害发生概率分布函数

（1）分布函数拟合

以江苏省所有气象站36a的水稻高温热害保险指数作为样本集合，分别利用不同的分布函数模型拟合水稻高温热害发生概率。式（15）−式（17）给出了三种参数拟合模型的累积分布函数的具体表达形式，相应的分布形态见图1a−图1c；式（14）为基于信息扩散方法模型求算的累积概率风险估计值，相应分布形态见图1d。

正态分布的累积分布函数为

表1 江苏水稻高温热害保险气象指数等级划分

图1 江苏水稻高温热害发生频数直方图以及正态分布模型（a）、正态对数分布模型（b）、威布分布模型（c）和信息扩散方法模型（d）拟合结果

（2）分布函数选择

结合水稻高温热害风险发生的累积频数直方图，对比分析不同参数和非参数分布模型对水稻高温热害风险拟合结果（图1）发现：三种参数拟合模型（正态分布模型、正态对数分布模型和Weibull分布模型）的分布形态各不相同，与原水稻高温热害风险发生的累积频数直方图分布形态差异较大，且拟合优度均未通过A−D检验；而信息扩散方法模型拟合结果与其累积频数直方图匹配度最高，且通过A−D检验。

在求算各县水稻高温热害发生概率值时，以各县配对的36a水稻高温热害保险指数作为样本集合，同样用上述方法进行热害保险指数分布模型拟合，并判定最佳分布模型。分析表明，信息扩散法模型在各县水稻高温热害发生概率的求算中，均表现出较好的拟合能力。因此，在后续水稻高温热害风险区划过程中，将该方法应用于致灾因子危险性指数的求算，以确定不同热害等级强度的发生概率。

2.2 水稻高温热害风险区划单项指数

（1）致灾因子危险性指数

结合高温热害发生强度和频率，定义水稻高温热害风险度来客观反映致灾因子风险性大小及其对农业生产影响程度，即

式中，ZIj为第j个县发生水稻高温热害的风险度。Zjk为各县以水稻高温热害保险气象指数表征的不同热害等级强度k，k=1、2、3、4、5（见表1），Pjk为相应基于信息扩散方法模型求算的发生概率。

图2a为水稻高温热害致灾因子危险性指数在整个江苏地区的分布。由图可见，高值区分布于苏南各县，区域内高温热害强度大，发生频次高；中值区分布于沿淮和江淮之间西部各县，区域内高温热害强度和发生频次均为中等级别；低值区主要分布在淮北和江淮之间东部各县，区域内高温热害强度小，发生频次低。

（2）孕灾环境敏感性指数

结合水稻生理特性及历史高温热害灾情调查结果，考虑到一般河网分布密集地区水源便利，可减轻高温热害的不利影响；此外，在水稻生殖生长关键期若能维持田间较深水层，可防止脱水干田，提高对高温危害的抵御能力，显著降低空壳率。因此，选择水系因子中河网密度的倒数作为高温热害孕灾环境敏感性的分析衡量指标，其计算方法为

图2b为孕灾环境敏感性指数在整个江苏地区的分布。由图可见，高值区分布于淮北和沿海部分县，区域内河网密度和农户的潜在防御能力低等级别，水稻生产对高温热害敏感性强；中值区分布于江淮之间和苏南大部分县，区域内河网密度、农户的潜在防御能力以及水稻生产对高温热害敏感性均为中等级别；低值区主要分布在骆马湖、沿淮和沿江周边各县，区域内河网密度和农户的潜在防御能力高，水稻生产对高温热害敏感性低。

图2 研究区水稻高温热害风险度指数（a）、敏感性指数（b）、易损性指数（c）和抗灾能力指数（d）的空间分布

（3）承灾体易损性指数

对于各县作物可种植面积来说，水稻种植面积越大，意味着该县暴露于气象危险因子的水稻越多，可能遭受的潜在损失就越大，气象灾害风险越大。因此，将各县水稻种植面积与该县土地面积的比值定义为水稻种植暴露度，来表征承灾体易损性，其表达式为

式中，EIj为第j县的水稻种植暴露度，WSj和CSj分别为各县的水稻播种面积和土地面积。

图2c为承灾体易损性指数在整个江苏地区的分布。由图可见，高值区分布于江淮中部各县，水稻种植暴露度高；中值区分布于沿江苏南部大部分县，水稻种植暴露度中等；低值区主要分布在淮北和沿海各县，水稻种植暴露度低。

（4）抗灾能力指数

一个地区产量的波动能够很好地体现其生产力水平，由于全省区域处于相对一致的天气尺度波动下，因此，各县产量波动差异可视为当地防灾减灾能力的体现。定义产量变异系数的倒数来表征抗灾性能，其表达式为

图2d为抗灾能力指数在整个江苏地区的分布。由图可见，高值区分布于盐城各县，产量波动小，抗灾能力强；中值区分布于中西部各县，产量波动中等，抗灾能力中等；低值区零星分布在沛县、睢宁、盱眙、金湖、建湖、宜兴、靖江、张家港和无锡，其产量波动大，抗灾能力弱。

2.3 水稻高温热害风险区划及评估

2.3.1 综合指数计算及分级

考虑到农业保险，尤其是政策性农险一般具有非盈利性、政府提供补贴与免税以及立法保护等特征。因此，要从综合的角度进行考虑，尤其要考虑当地环境条件和抗灾能力，政府部门才能相应地给予更合理的补贴。因此，在保险区划中不仅要考虑致灾因子和灾损情况，还要考虑孕灾环境敏感性、承载体的易损性以及防灾减灾能力。

因此，首先将致灾因子风险度指数（ZI）、孕灾环境敏感性指数（SI）、承灾体易损性指数（EI）、防灾减灾能力指数（RI）4个水稻高温热害保险风险评价指数进行标准化处理，构建保险风险区划的综合指数（II），即

利用SPSS数据统计分析和GIS空间分析以及属性数据库操作功能，选取江苏省75个县级层面的综合指数作为聚类样本变量，采用欧式距离（Euclidean Distance）作为研究样品疏密程度（差别大小）指标，选择系统聚类法（Hierarchical Clustering Method）中的离差平均和法（Ward Method）[30]，进行江苏水稻高温热害气象指数保险风险综合区划，将江苏各县聚为3类，按照综合风险指数的大小，分为3个风险等级，分别对应水稻高温热害保险低风险区、中风险区和高风险区。

2.3.2 区划结果及评述

由江苏水稻高温热害气象指数保险风险综合区划结果可见（图3），低风险区主要包括淮北和江淮之间东北部地区；中风险区主要包括江淮之间西部和沿江苏南东部地区；高风险区主要包括苏南中西部地区，保险风险总体呈现“西南高东北低”的特征。

结合不同风险区中4个保险风险评估因子的分布和统计情况（表2）可以看出，在江苏水稻高温热害气象指数保险高风险等级区，尽管河网密度大，孕灾环境敏感性低，潜在减损能力高，但各县平均高温热害风险度极高，水稻种植暴露度最大，承灾体易损性强，减灾抗灾能力弱，即该区水稻高温热害出现频繁，对产量影响较大，其保险综合风险最高，是需要依靠农业保险转移风险的重点关注区域。在中风险等级区，河网密度小，孕灾环境敏感性高，减灾抗灾能力较强，平均高温热害风险度次高，且各县的高温热害风险度差异较大，水稻种植暴露度中等，承灾体易损性一般，即该区水稻高温热害发生较频繁，作物易损性较小，但一旦有高温热害发生，凡是暴露于灾害中的水稻都会遭受很大的产量损失，也是农业保险推广关注区域。在低风险等级区，河网密度中等，孕灾环境敏感性中等，减灾抗灾能力强，各县平均高温热害风险度极低，水稻种植暴露度低，承灾体易损性小，即该区高温热害发生不频繁，且该区减灾抗灾能力最强，即使发生高温热害，产量波动仍然相对较小，其综合风险最低。

图3 江苏水稻高温热害气象指数保险风险综合区划

表2 江苏水稻高温热害保险风险评估指数在不同风险区的统计结果

3 结论与讨论

3.1 结论

（1）通过拟合优度分析和检验，发现基于信息扩散的非参数模型可以较好地估算江苏各县水稻孕穗−抽穗扬花阶段高温热害风险的发生情况，而三类参数模型对高温热害风险的拟合测算存在误差。

（2）综合风险区划和评估结果表明，江苏水稻高温热害保险风险呈现“西南高东北低”的特征，与单一保险指数因子区划结果[28]相比，其风险发生趋势总体一致，但高风险区范围略有缩减，而中风险区范围略有扩大。中高风险区均是需要依靠农业保险转移风险的重点关注区域。

3.2 讨论

本研究从灾害发生规律出发进行风险区划评估，相较于从产量损失出发的风险区划，能更好地分离减产率中包含的各种灾害和种植水平等信息。此外，在江苏水稻高温热害气象指数保险风险综合区划的指数选择过程中，除了考虑水稻高温热害发生规律外，还在一定程度上考虑了水稻种植环境、生产水平和产量损失情况，以及当地抗灾能力的差异，更客观地体现了保险经营原则的要求。尤其是在致灾因子危险性、孕灾环境敏感性这两方面。在致灾因子危险性指数求算中，通过构建与减产率相关联的气象保险指数来表征风险度，可有效降低“基差”风险；而在孕灾环境敏感性指数求算中，结合保险区域特有的水系分布情况，利用河网密度倒数来表征水稻生产环境的敏感性，可在一定程度上体现稻田水层覆盖对高温热害影响的减缓作用、水源供应能力以及农户潜在减损能力。

要将气象指数保险研究成果推广落地，不但要从保险公司经营管理需求出发，例如，灾害发生前如何结合当地高温热害发生规律和造成的水稻产量损失收取合理的保费；灾害发生中如何有效避免农户的道德风险，激励农户提高潜在减损能力；灾害发生后如何及时进行客观的赔付，并提高农户的参保积极性和对气象指数保险产品的理解能力。因此，构建气象保险指数，既需要将作物损失客观定量化，又要适用于“保险”合同，便于保险条款解读。为了有效减小“基差”风险，本研究基于Logistic曲线方程构建的水稻高温热害保险气象指数Z，其计算过程较为复杂，一定程度上会影响保险条款的推广和实施。实际应用中，可采用中间变量热害累积量H作为保险气象指数来实现相应的保险理赔过程。

当前，针对大宗作物保险的险种仍较为单一，覆盖面较小，保障水平偏低的情况[31]，本研究结果可以较好地为保险公司和政府部门选择农业保险试点和推广县提供依据，同时也可为后续水稻高温热害保险产品的设计（如保费的厘定、实际启动赔付阈值的确定等）提供科学保障。

[1]刘梅,高苹,王静苒,等.江苏夏季逐月高温日数与西太平洋海温场相关分析及预测模型建立[J].气象,2011,37(12):1553- 1559.

Liu M,Gao P,Wang J R,et al.Study on remote correlation between summer monthly high temperature days in Jiangsu and West Pacific SST and its long-term prediction models[J]. Meteorology Monthy,2011,37(12):1553-1559.(in Chinese)

[2]包云轩,刘维,高苹,等.气候变暖背景下江苏省水稻热害发生规律及其对产量的影响[J].中国农业气象,2012,33(2): 289-296.

Bao Y X,Liu W,Gao P,et al.Study on characteristics of rice heat damages in Jiangsu Province under the background of climate warming and its influence on the rice yield[J].Chinese Journal of Agrometeorology,2012,33(2):289-296.(in Chinese)

[3]张蕾,侯英雨,杨冰韵,等.长江流域一季稻高温热害分布特征及风险分析[J].自然灾害学报,2018,27(2):107-115.

Zhang L,Hou Y Y,Yang B Y,et al.Spatial-temporal characteristics and risk analysis of heat stress hazard of single-season rice across Yangtze River reaches[J].Journal of Natural Disasters,2018,27(2):107-115.(in Chinese)

[4]杨舒畅,申双和,陶苏林.长江中下游地区一季稻高温热害时空变化及其风险评估[J].自然灾害学报,2016,25(2):78-85.

Yang S C,Shen S H,Tao S L.Spatiotemporal variation and risk assessment of single-harvest rice heat injury along the middle and lower reaches of Yangtze River[J].Journal of Natural Disasters,2016,25(2):78-85.(in Chinese)

[5]吕开宇,张崇尚,邢鹂.农业指数保险的发展现状与未来[J].江西财经大学学报,2014,(2):62-69.

Lv K Y,Zhang C S,Xing L.Current and future development situation of agricultural index insurance[J].Journal of Jiangxi University of Finance and Economics,2014,(2):62-69.(in Chinese)

[6]陈盛伟.农业气象指数保险在发展中个国家的应用及在我国的探索[J].保险研究,2010,3:82-88.

Chen S W.Application of Agro-meteorological index insurance in developing countries and its exploration in China[J].Insurance Research,2010,3:82-88.(in Chinese)

[7]丁少群,庹国柱.论农作物保险区划及其理论依据:农作物保险区划研究之一[J].当代经济科学,1994,(3):64-69.

Ding S Q,Tuo G Z.Discussion on the regionalization of crop insurance and its theoretical basis:study on the regionalization of crop insurance I[J].Contemporary Economic Science,1994,(3): 64-69.(in Chinese)

[8]丁少群,庹国柱.农作物保险的危险单位区划研究:农作物保险区划研究之二[J].中国保险管理干部学院学报,1994,6.

Ding S Q, Tuo G Z. Study on risk unit regionalization of crop insurance:study on the regionalization of crop insurance II[J].Journal of China Insurance Management Cadre College,1994,6.(in Chinese)

[9]庹国柱,丁少群.农作物保险风险分区和费率分区问题的探讨[J].中国农村经济,1994,(8):43-48.

Tuo G Z,Ding S Q.Discussion on risk zoning and rate zoning of crop insurance[J].Rural Economy in China,1994,(8):43-48. (in Chinese)

[10]Sherrick B J.The accuracy of producers’probability beliefs: evidence and implications for insurance valuation[J]. Journal of Agricultural and Resource Economics,2002, 27(1):77-93.

[11]Ozaki V A,Ghosh S K,Goodwin B K,et al.Spatial-Temporal modeling of agricultural yield data with an application to pricing crop insurance contracts[J].American Journal of Agricultural Economics,2008,90:951-961.

[12] 梁来存.我国粮食作物保险风险区划的实证研究[J].山西财经大学学报,2010,32(1):65-72.

Liang L C.Empirical study on risk regionalization of food crop insurance in China[J].Journal of Shanxi Finance and Economics University,2010,32(1):65-72.(in Chinese)

[13] 王克,张峭,Shingo Kimura.我国种植业保险的实施效果:基于5省份574个农户数据的模拟分析[J].保险研究,2014,(11): 42-55.

Wang K,Zhang Q,Shingo K.The implementing effect of planting insurance in China: based on the data of 574 farmers in 5 provinces[J].Insurance Research,2014,(11):42-55. (in Chinese)

[14] 韩婷,穆月英.北京市粮食作物保险费率厘定研究[J].中国农学通报,2015,31(18):247-255.

Han T,Mu Y Y.Study on determining the insurance rate of grain crops in Beijing[J].Chinese Agricultural Science Bulletin,2015,31(18):247-255.(in Chinese)

[15]陈平,陶建平,赵玮.基于风险区划的农作物区域产量保险费率厘定研究:以湖北中稻县级区域产量保险为例[J].自然灾害学报,2013,22(2):51-60.

Chen P,Tao J P,Zhao W.Study on premium rate determination of regional crop yield insurance based on risk regionalization:a case study of regional yield insurance of rice in Hubei Province on county level[J].Journal of Natural Disasters,2013,22(2):51-60.(in Chinese)

[16]刘凯文,刘可群,邓爱娟,等.基于开花期地域差异的中稻高温热害天气指数保险设计[J].中国农业气象,2017,38(10): 679-688.

Liu K W,Liu K Q,Deng A J,et al.Weather index insurance design of middle-season rice heat damage based on regional difference of flowering stage[J].Chinese Journal of Agrometeorology,2017,38(10):679-688.(in Chinese)

[17]孙擎,杨再强,殷剑敏,等.江西早稻高温逼熟气象灾害指数保险费率的厘定[J].中国农业气象,2014,35(5):561-566.

Sun Q,Yang Z Q,Yin J M,et al.Estimation of premium rates of high temperature disaster for early rice in Jiangxi[J]. Chinese Journal of Agrometeorology,2014,35(5):561-566. (in Chinese)

[18]方洁,陈家金.福建省春种马铃薯寒冻害风险区划[J].中国农业气象,2017,38(12):812-821.

Fang J,Chen J J.Risk regionalization of cold and freezing damage to potato in spring planting region of Fujian Province based on geographic information systems[J].Chinese Journal of Agrometeorology, 2017,38(12):812-821.(in Chinese)

[19]王志春,杨军,姜晓芳,等.基于GIS的内蒙古东部地区玉米低温冷害精细化风险区划[J].中国农业气象,2013,34(6): 715-719.

Wang Z C,Yang J,Jiang X F,et al.The refined risk division of maize chilling damage in eastern Inner Mongolia based on GIS[J].Chinese Journal of Agrometeorology,2013,34(6): 715-719.(in Chinese)

[20]邢鹏,高涛,吕开宇,等.北京市蔬菜作物生产风险区划研究[J].中国农业资源与区划,2008,29(6):55-60.

Xing P,Gao T,Lv K Y,et al.Studies on risk regional planning for fruits and vegetables production in Beijing[J]. Agricultural Resources and Regionalization in China,2008, 29(6):55-60.(in Chinese)

[21]张宗军.基于综合风险区划的农作物产量指数保险费率厘定:以大豆为例[J].东北农业大学学报(社会科学版),2016, 14(4):1-6.

Zhang Z J.Determination of the premium rate of crop yield index insurance based on comprehensive risk regionalization:a case study of soybean[J].Journal of Northeast Agricultural University (Social Science Edition),2016,14(4):1-6.(in Chinese)

[22]何青华.基于风险区划的农作物区域产量保险费率厘定研究:以河南省小麦保险为例[D].郑州:郑州大学,2015:1-10.

He Q H.Research on the rate-making of crop area yield insurance based on risk zonation:a case study of wheat insurance in Henan Province[D].Zhengzhou:Zhengzhou University,2015:1-10.(in Chinese)

[23]牛浩,陈盛伟.基于风险区划的玉米区域产量保险费率厘定研究:以山东省17地市为例[J].保险研究,2016,(1):65-75.

Niu H,Chen S W.Insurance rating research based on corn yield of different risk zones-supported by data from 17 cities in Shandong Province[J].Insurance Studies,2016,(1):65-75.(in Chinese)

[24]叶涛,史培军,王静爱.种植业自然灾害风险模型研究进展[J].保险研究,2014,(10):12-23.

Ye T,Shi P J,Wang J A.A review on crop natural disaster risk models[J].Insurance Studies,2014,(10):12-23.(in Chinese)

[25]张峭,等.中国农作物生产风险评估与区划:理论与实践[M].北京:中国农业科学技术出版,2013:40-42.

Zhang Q,et al.Risk assessment and regionalization of agricultural production in China:theory and practice[M]. Beijing:China Agricultural Science and Technology Press,2013: 40-42.(in Chinese)

[26]谢志清,杜银,高苹,等.江淮流域水稻高温热害灾损变化及应对策略[J].气象,2013,39(6):774-781.

Xie Z Q,Tu Y,Gao P,et al.Impact of high-temperature on single cropping rice over Yangtze-Huaihe River Valley and response measures[J].Meteorology Monthy,2013,39(6): 774-781.

[27]谢晓金,申双和,李秉柏,等.抽穗期高温胁迫对水稻开花结实的影响[J].中国农业气象,2009,30(2):252-256.

Xie X J,Shen S H,Li B B,et al.Influences of high temperature stress on blooming and seed setting of rice during heading stage[J].Chinese Journal of Agrometeorology,2009,30(2): 252-256.(in Chinese)

[28]任义方,赵艳霞,高苹,等.江苏省水稻高温热害气象指数保险风险区划[J].江苏农业科学,2018,46(19):273-277.

Ren Y F,Zhao Y X,Gao P,et al.Division of meteorological index insurance for rice high temperature disaster in Jiangsu Province[J].Jiangsu Agricultural Science,2018,46(19):273-277. (in Chinese)

[29]宋静,杨修群,高苹.江苏省棉花丰欠年天气气候型的对比分析[J].气象科学,2006,(1):39-46.

Song J,Yang X Q,Gao P.An investigation of weather and climate patterns associated with variations of cotton production in Jiangsu Province[J].Meteorological Science,2006, (1):39-46.(in Chinese)

[30]杨志恒.基于Ward法的区域空间聚类分析[J].中国人口·资源与环境,2010,20(3):382-386.

Yang Z H.Region spatial cluster algorithm based on ward method[J].China Population,Resources and Environment,2010, 20(3):382-386.(in Chinese)

[31]郑艳红.充分利用农业保险政策降低农业生产经济损失[J].吉林农业,2018,(24):46.

Zheng Y H.Making full use of agricultural insurance policy to reduce economic loss of agricultural production[J].Jilin Agriculture,2018,(24):46.(in Chinese)

Comprehensive Risk Regionalization of Meteorological Index Insurance for High Temperature Heat Damage of Rice in Jiangsu Province

REN Yi-fang1, ZHAO Yan-xia2, ZHANG Xu-hui1, WANG Ping3, HE Lang3

(1. Jiangsu Meteorological Service Center, Nanjing 210008, China; 2. Chinese Academy of Meteorological Sciences, Beijing 100081; 3. Jiangsu Meteorological Bureau, Nanjing 210008)

Taking Jiangsu as an example, based on logistic curve equation, historical meteorological data and rice yield observations from 1980 to 2015 was used to construct the meteorological index of high temperature heat hazard insurance. After that, three parametric models included normal distribution, normal logarithmic distribution and Weibull distribution and non-parametric model based on information diffusion method were used to fit the occurrence probability of high temperature heat damage in rice. Through goodness-of-fit test, it was found that the non-parametric model could better estimate the probability of high temperature heat damage occurred during booting to heading and flowering stages of rice in each county of Jiangsu Province. Furthermore, combined with the optimal fitting model, considering the operational needs of agricultural insurance, the corresponding evaluation index was determined, while the comprehensive index was constructed from four aspects: the risk of disaster-causing factors, the sensitivity of disaster-pregnant environment, the vulnerability of disaster-bearing bodies and the ability of disaster prevention and mitigation. Based on that, cluster analysis was used to carry out the comprehensive risk zoning of high temperature heat injury insurance for rice at county level. Through evaluation and analysis of the zoning result, it was found that the risk of high temperature heat injury insurance of rice in Jiangsu presented the characteristics of ＂high in the southwest and low in the northeast＂. At the same time, it also pointed out that the moderate and high risk areas were the key regions which need to rely on agricultural insurance to transfer the risk.

Rice; High temperature disaster; Index insurance; Model; Risk division and assessment

10.3969/j.issn.1000-6362.2019.06.006

收稿日期：2018−11−13

通讯作者。E-mail：zhaoyanxia@cma.gov.cn

中国气象科学研究院科技发展基金项目“降低天气指数保险基差风险的研究”（2018KJ014）；江苏省气象局青年基金项目“水稻高温热害气象指数保险研究与设计”（Q201607）；“小麦赤霉病气象指数保险研究与设计”（KQ201807）

任义方（1986−），女，硕士，工程师，主要从事农业气象研究和服务工作。E-mail：renyifang2006@126.com

任义方,赵艳霞,张旭晖,等.江苏水稻高温热害气象指数保险风险综合区划[J].中国农业气象,2019,40(6):391-401