徐學(xué)榮++周磊++傅美蘭

摘 要 基于福建省 25個(gè)糧食主產(chǎn)縣（市、區(qū)）1989 -2013年水稻單產(chǎn)數(shù)據(jù)，選取歷年平均減產(chǎn)率、歉年平均減產(chǎn)率、災(zāi)年平均減產(chǎn)率、歷年平均減產(chǎn)率變異系數(shù)、歉年平均減產(chǎn)率變異系數(shù)、災(zāi)年平均減產(chǎn)率變異系數(shù)、減產(chǎn)率大于3%的概率和減產(chǎn)率大于4%的概率等8個(gè)指標(biāo)作為風(fēng)險(xiǎn)指標(biāo)，運(yùn)用聚類分析法將這25個(gè)縣（市、區(qū)）進(jìn)行風(fēng)險(xiǎn)區(qū)劃。區(qū)劃結(jié)果為3個(gè)風(fēng)險(xiǎn)區(qū)——高風(fēng)險(xiǎn)區(qū)、中風(fēng)險(xiǎn)區(qū)、低風(fēng)險(xiǎn)區(qū)，并分析了各個(gè)風(fēng)險(xiǎn)區(qū)的特征，結(jié)果對(duì)科學(xué)布局水稻種植和發(fā)展區(qū)域保險(xiǎn)具有一定的實(shí)用價(jià)值。

關(guān)鍵詞 水稻；單產(chǎn)；風(fēng)險(xiǎn)指標(biāo)；風(fēng)險(xiǎn)區(qū)劃；福建省

中圖分類號(hào)：F326.11 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-890X（2014）12-0-5

農(nóng)業(yè)是自然再生產(chǎn)和經(jīng)濟(jì)再生產(chǎn)相結(jié)合的產(chǎn)物，水稻作為福建省的主要糧食作物，其生產(chǎn)過程面臨很多風(fēng)險(xiǎn)，如自然風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)等，這些風(fēng)險(xiǎn)都會(huì)造成水稻減產(chǎn)。福建省雖位于我國(guó)東南沿海，但是山地與丘陵面積占全省總面積的80%以上，各地域氣候的差異較大。事實(shí)上，福建省歷來就是缺糧省份，現(xiàn)在糧食自給率僅50%左右。福建省水稻播種面積約86.67萬hm2，旱澇保收面積僅占一半，洪水、干旱、低溫、病蟲害等自然災(zāi)害，是造成水稻嚴(yán)重減產(chǎn)的主要因素[1]。因此，本文以福建省25個(gè)糧食主產(chǎn)縣為單位，選取一定的風(fēng)險(xiǎn)指標(biāo)對(duì)他們進(jìn)行風(fēng)險(xiǎn)分區(qū)，以服務(wù)于水稻產(chǎn)量保險(xiǎn)和生產(chǎn)布局。

1 相關(guān)文獻(xiàn)回顧

關(guān)于農(nóng)作物產(chǎn)量風(fēng)險(xiǎn)區(qū)劃的研究受國(guó)內(nèi)外學(xué)者的廣泛重視，取得了豐富的成果。例如，鄧國(guó)等利用各省歷年糧食單產(chǎn)資料，歷年平均減產(chǎn)率、歷年減產(chǎn)變異系數(shù)和風(fēng)險(xiǎn)概率3個(gè)風(fēng)險(xiǎn)指標(biāo)，采用聚類分析方法進(jìn)行風(fēng)險(xiǎn)區(qū)劃[2]。王志春等和劉偉等對(duì)赤峰市和寧城縣農(nóng)作物產(chǎn)量風(fēng)險(xiǎn)指標(biāo)的選擇更加細(xì)致，定義歷年、歉年、災(zāi)年和大災(zāi)年的減產(chǎn)率、變異系數(shù)等指標(biāo)，在產(chǎn)量風(fēng)險(xiǎn)區(qū)劃上選擇總體變異系數(shù)作為風(fēng)險(xiǎn)區(qū)劃的主要因子，參考?xì)v年平均減產(chǎn)率和歉年平均減產(chǎn)率指標(biāo)，用聚類方法進(jìn)行分區(qū)[3，4]。王勤等對(duì)廣元市7個(gè)縣（區(qū)）水稻風(fēng)險(xiǎn)評(píng)估及風(fēng)險(xiǎn)區(qū)劃的研究也類似，結(jié)果劃分為低風(fēng)險(xiǎn)區(qū)、中風(fēng)險(xiǎn)區(qū)和大風(fēng)險(xiǎn)區(qū)[5]。水稻是我國(guó)南方主要種植的農(nóng)作物，水稻種植保險(xiǎn)倍受政府重視和農(nóng)戶關(guān)注，關(guān)于水稻風(fēng)險(xiǎn)區(qū)劃的研究也較為深入。例如，吳利紅等利用浙江省52個(gè)縣市1971-2004年的晚稻單產(chǎn)數(shù)據(jù)，進(jìn)行晚稻產(chǎn)量的農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)域研究，選擇平均減產(chǎn)率、變異系數(shù)、風(fēng)險(xiǎn)指數(shù)為風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)，將這三種指標(biāo)歸一化處理為綜合風(fēng)險(xiǎn)指數(shù)，根據(jù)綜合風(fēng)險(xiǎn)指數(shù)將浙江省晚稻產(chǎn)量劃分為3個(gè)氣象災(zāi)害區(qū)：綜合風(fēng)險(xiǎn)指數(shù)≥0.3的區(qū)域，綜合風(fēng)險(xiǎn)指數(shù)在0.2～0.3的區(qū)域，綜合風(fēng)險(xiǎn)指數(shù)<0.2的區(qū)域[6]；鐘甫寧等則探討水稻的生產(chǎn)風(fēng)險(xiǎn)區(qū)劃問題，選取單產(chǎn)變異系數(shù)、受災(zāi)率>30%、專業(yè)化指數(shù)和效率指數(shù)，運(yùn)用聚類分析法，將我國(guó)稻谷生產(chǎn)風(fēng)險(xiǎn)區(qū)域分為風(fēng)險(xiǎn)低、風(fēng)險(xiǎn)中、風(fēng)險(xiǎn)大三個(gè)區(qū)域[7]；陳新建和陶建平研究湖北省17個(gè)地級(jí)市的水稻生產(chǎn)風(fēng)險(xiǎn)區(qū)劃，選取單產(chǎn)變異系數(shù)、減產(chǎn)率>10%的概率、減產(chǎn)率>20%的概率、專業(yè)化指數(shù)和生產(chǎn)效率指數(shù)五個(gè)指標(biāo)，運(yùn)用聚類分析法將風(fēng)險(xiǎn)等級(jí)分為四類[8]；李文芳在研究湖北省中稻縣級(jí)產(chǎn)量的保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃時(shí)，在指標(biāo)選取上綜合考慮了氣候、農(nóng)業(yè)災(zāi)害、地形地貌、水利設(shè)施等因素，建立了海拔大度、年降水量、年日照時(shí)數(shù)、≥10 ℃積溫、年平均氣溫、旱災(zāi)等級(jí)、澇災(zāi)等級(jí)、有效灌溉面積比率、旱澇保收比率、單產(chǎn)變異系數(shù)、災(zāi)害損失率超過4%的概率、災(zāi)害損失率超過8%的概率的指標(biāo)體系[9]。已有研究為本文提供了指導(dǎo)和借鑒，但對(duì)福建省水稻風(fēng)險(xiǎn)區(qū)劃的研究有待完善和深入。因此，本文以福建省25個(gè)糧食主產(chǎn)縣為研究對(duì)象，選取相應(yīng)風(fēng)險(xiǎn)指標(biāo)，對(duì)水稻產(chǎn)量進(jìn)行風(fēng)險(xiǎn)區(qū)劃，結(jié)果對(duì)科學(xué)布局水稻種植和發(fā)展區(qū)域保險(xiǎn)具有一定的實(shí)用價(jià)值。

2 數(shù)據(jù)來源及處理

2.1 數(shù)據(jù)來源

福建省25個(gè)糧食主產(chǎn)縣（市、區(qū)）分別為：三明市下轄的永安市、明溪縣、清流縣、寧化縣、大田縣、尤溪縣、將樂縣、泰寧縣、建寧縣；南平市下轄的邵武市、武夷山市、建甌市、建陽縣、順昌縣、光澤縣、浦城縣；龍巖市下轄的新羅區(qū)、長(zhǎng)汀縣、永定縣、上杭縣、武平縣、連城縣；寧德市下轄的古田縣、屏南縣；漳州市下轄的長(zhǎng)泰縣，可見這25個(gè)糧食主產(chǎn)區(qū)主要集中在福建省的閩西、閩北地區(qū)。這25個(gè)糧食主產(chǎn)縣（市、區(qū)）1989-2013年的水稻667 m2產(chǎn)量數(shù)據(jù)來源于歷年的《福建農(nóng)村經(jīng)濟(jì)年鑒》《福建經(jīng)濟(jì)與社會(huì)統(tǒng)計(jì)年鑒（農(nóng)村篇）》《福建農(nóng)村經(jīng)濟(jì)年鑒》。

2.2 數(shù)據(jù)處理

影響作物最終產(chǎn)量形成的各種自然和非自然因素可以按影響的性質(zhì)和時(shí)間尺度劃分為農(nóng)業(yè)技術(shù)措施、氣象條件和隨機(jī)“噪聲”三大類，即， 其中，是作物單產(chǎn)，是反映歷史時(shí)期生產(chǎn)力發(fā)展水平的長(zhǎng)周期產(chǎn)量分量，稱為趨勢(shì)產(chǎn)量，主要受農(nóng)業(yè)生產(chǎn)技術(shù)水平因素影響，是受以氣象要素和社會(huì)經(jīng)濟(jì)因素為主的短周期變化因子影響的產(chǎn)量分量，是隨機(jī)因素影響的產(chǎn)量分量，由于所占比例很小，實(shí)際計(jì)算中不作考慮[10]。本文用二次函數(shù)擬合水稻實(shí)際單產(chǎn)，從而得到趨勢(shì)產(chǎn)量，它反映的是生產(chǎn)力發(fā)展水平的長(zhǎng)期趨勢(shì)，估計(jì)參數(shù)時(shí)所用的軟件是EViews6.0。當(dāng)?shù)谀陮?shí)際單產(chǎn)小于其趨勢(shì)單產(chǎn)時(shí)，界定該年為歉年，意味著該年水稻減產(chǎn)，損失程度用單產(chǎn)減產(chǎn)率表示，計(jì)算公式為：。該公式說明，當(dāng)實(shí)際值大于等于擬合值時(shí)，單產(chǎn)減產(chǎn)率為0，當(dāng)實(shí)際值小于擬合值時(shí)，單產(chǎn)減產(chǎn)率為。這樣就定義了一個(gè)相對(duì)值序列，反映的是減產(chǎn)程度的波動(dòng)狀況，不受時(shí)間和各地區(qū)之間生產(chǎn)力水平差異的影響，在各縣（市、區(qū)）之間具有可比性。

3 風(fēng)險(xiǎn)指標(biāo)及其計(jì)算

風(fēng)險(xiǎn)區(qū)劃就是根據(jù)風(fēng)險(xiǎn)損失的不同程度將一個(gè)地區(qū)劃分為差異明顯的不同風(fēng)險(xiǎn)區(qū)域[11]，也就是根據(jù)農(nóng)作物生產(chǎn)的結(jié)構(gòu)性風(fēng)險(xiǎn)因子將農(nóng)作物生產(chǎn)區(qū)域劃分成不同風(fēng)險(xiǎn)的小區(qū)域[9，12]。這些結(jié)構(gòu)性風(fēng)險(xiǎn)因子包括地形地貌、土壤條件、氣候綜合條件等自然和生態(tài)環(huán)境因子，以及農(nóng)作物生產(chǎn)的技術(shù)裝備狀況、農(nóng)作物減災(zāi)防災(zāi)服務(wù)體系和農(nóng)作物種植結(jié)構(gòu)等。但保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃有別于種植區(qū)劃，它更側(cè)重于產(chǎn)出的穩(wěn)定性，因此本文選擇了以下三類風(fēng)險(xiǎn)區(qū)劃指標(biāo)。endprint

3.1 減產(chǎn)率指標(biāo)及其計(jì)算

定義的年份為歉年，<-3%的年份為災(zāi)年，表示歷年平均減產(chǎn)率，歉年平均減產(chǎn)率，表示災(zāi)年平均減產(chǎn)率，計(jì)算公式分別為：

其中，n為全部樣本數(shù)，m為歉年樣本數(shù)，k為歉年樣本數(shù)。歷年平均減產(chǎn)率為每年水稻平均減產(chǎn)率，歉年平均減產(chǎn)率為水稻相對(duì)波動(dòng)產(chǎn)量小于0的平均減產(chǎn)率，災(zāi)年平均減產(chǎn)率為水稻相對(duì)波動(dòng)產(chǎn)量小于-3%的平均減產(chǎn)率。數(shù)值見表1的第2～4列。

3.2 變異系數(shù)指標(biāo)及其計(jì)算

變異系數(shù)（cv）是標(biāo)準(zhǔn)差與平均值之比，表明樣本的波動(dòng)程度，又稱穩(wěn)定系數(shù)。計(jì)算公式如下：cv ，

當(dāng)、n為總樣本數(shù)時(shí)，得到歷年減產(chǎn)變異系數(shù)cv，當(dāng)x=dq、n=m時(shí)，得到歉年減產(chǎn)變異系數(shù)cvq；當(dāng)x=dz、n=k時(shí)，得到災(zāi)年減產(chǎn)變異系數(shù)cvz。數(shù)值見表1的第5-7列。

3.3 減產(chǎn)率概率指標(biāo)及其計(jì)算

事實(shí)上，損失率是個(gè)隨機(jī)變量，有概率密度函數(shù)。非參數(shù)核密度估計(jì)法是估計(jì)密度函數(shù)的一種有效方法，被廣泛使用。例如，Goodwin，B.K和A.P.Ker采用非參數(shù)核密度估計(jì)農(nóng)作物產(chǎn)量密度[13]，楊汭華等用非參數(shù)核密度估計(jì)，對(duì)農(nóng)作物產(chǎn)量損失風(fēng)險(xiǎn)進(jìn)行實(shí)證研究[14]。

非參數(shù)核密度估計(jì)法就是對(duì)隨機(jī)變量x的密度函數(shù)f（x）進(jìn)行核估計(jì)的一種方法。f（x）的表達(dá)式為：

其中n為樣本容量，h是窗寬，是核函數(shù)。本文以高斯核作為核密度函數(shù)，則

于是核密度估計(jì)的形式為：

從核密度估計(jì)的公式可以看出，窗寬h和核函數(shù)的選擇會(huì)影響到密度函數(shù)估計(jì)的效果。選擇窗寬h常用方法有總量確定法、Sliverman法則和各種插入法[15]。本文選擇采用 Silverman 的“經(jīng)驗(yàn)法則”，根據(jù)Alan，P.K. and Barry，K.G.的研究，窗寬，其中 ，s為樣本標(biāo)準(zhǔn)差，Q是四分位距（=Q3-Q1），實(shí)際工作中的數(shù)據(jù)往往偏離正態(tài)分布，將1. 06降到0. 9效果較好[16]，亦即。根據(jù)福建水稻單產(chǎn)損失率的實(shí)際，本文以減產(chǎn)率大于3%和大于4%的風(fēng)險(xiǎn)概率作為風(fēng)險(xiǎn)指標(biāo)。使用Mathematica9.0計(jì)算積分：

，c分別取值0.03和0.04，得到減產(chǎn)率大于3%和大于4%的概率，數(shù)值見表1的第8-9列。

4 風(fēng)險(xiǎn)區(qū)劃結(jié)果及分析

4.1 聚類分析法劃分風(fēng)險(xiǎn)區(qū)域

聚類分析是研究樣品或指標(biāo)進(jìn)行分類的一種多元統(tǒng)計(jì)方法，一般包含以下幾個(gè)步驟：選擇聚類變量、進(jìn)行數(shù)據(jù)變換處理、選擇樣品間距離的計(jì)算方法、計(jì)算類間的距離、選擇聚類方法、確定分類結(jié)果并進(jìn)行分析。這里為把變量變成均值為0、方差為1的標(biāo)準(zhǔn)化變量，即采用Z-score變換方法，樣品間距離的計(jì)算方法采用歐氏距離（Euclidean 距離），類間距離的計(jì)算使用離差平方和法（Ward距離），應(yīng)用社會(huì)科學(xué)統(tǒng)計(jì)軟件包SPSS16.0 for Windows軟件進(jìn)行聚類運(yùn)算，結(jié)果分成3類，各類的縣市構(gòu)成見表2。

4.2 風(fēng)險(xiǎn)等級(jí)判別

為了便于分析各類風(fēng)險(xiǎn)區(qū)的類別特征， 不僅考慮風(fēng)險(xiǎn)區(qū)劃指標(biāo)，還應(yīng)考慮其他指標(biāo)，如氣象指標(biāo)、地理指標(biāo)、社會(huì)經(jīng)濟(jì)指標(biāo)等，這些指標(biāo)或有助于分析類別特征或能說明類別形成原因。本文選用“歷年單產(chǎn)極差”反映歷年單產(chǎn)中，最高單產(chǎn)與最低單產(chǎn)之差，極差大小說明單產(chǎn)波動(dòng)幅度大?。弧皻v年平均單產(chǎn)”在一定意義上能反映該縣單產(chǎn)高低水平，是產(chǎn)出收獲指標(biāo)。設(shè)指標(biāo)的平均值為和標(biāo)準(zhǔn)差是，以指標(biāo)值大于時(shí)為“高”、指標(biāo)值屬于時(shí)為“中”、指標(biāo)值小于時(shí)為“低”，設(shè)定各指標(biāo)等級(jí)的判別基準(zhǔn)，見表3。

根據(jù)表2所列的分類結(jié)果，計(jì)算各類地區(qū)指標(biāo)的平均值，并判斷其風(fēng)險(xiǎn)高低，結(jié)果見表4。在類別號(hào)為1的類中，衡量風(fēng)險(xiǎn)大小的指標(biāo)（歷年平均減產(chǎn)率、歉年平均減產(chǎn)率、減產(chǎn)率>3%的概率、減產(chǎn)率>4%的概率）都達(dá)到了“高”的級(jí)別、災(zāi)年平均減產(chǎn)率達(dá)到“中”并接近“高”，因此，稱該類地區(qū)為“高風(fēng)險(xiǎn)區(qū)”。在類別號(hào)為2的類中，衡量風(fēng)險(xiǎn)大小的指標(biāo)幾乎都處于“中”的級(jí)別，因此稱該類地區(qū)為“中風(fēng)險(xiǎn)區(qū)”。在類別號(hào)為3的類中，衡量風(fēng)險(xiǎn)大小的指標(biāo)都是“低”的級(jí)別，因此，稱該類地區(qū)為“低風(fēng)險(xiǎn)區(qū)”。

4.3 各風(fēng)險(xiǎn)區(qū)特征

高風(fēng)險(xiǎn)區(qū)：該區(qū)包括尤溪縣、建陽縣、光澤縣、屏南縣、長(zhǎng)泰縣。除衡量風(fēng)險(xiǎn)大小的指標(biāo)處于風(fēng)險(xiǎn)高水平外，衡量風(fēng)險(xiǎn)穩(wěn)定性的指標(biāo)（歷年減產(chǎn)變異系數(shù)、歉年減產(chǎn)變異系數(shù)、災(zāi)年減產(chǎn)變異系數(shù)）處于“中低”水平，這與該區(qū)為高風(fēng)險(xiǎn)區(qū)不矛盾，說明“減產(chǎn)年、歉收年、災(zāi)年”其風(fēng)險(xiǎn)指標(biāo)“一致地、穩(wěn)定地”高，從另一個(gè)側(cè)面佐證了該地區(qū)高風(fēng)險(xiǎn)。從地理位置看，除長(zhǎng)泰縣外，建陽縣和光澤縣屬南平市，尤溪縣雖屬三明市，但北與南平市接壤，屏南縣雖屬寧德市但西與南平市下轄的建甌相連，因此該區(qū)可以認(rèn)為屬于閩北的南平市。該類地區(qū)的歷年單產(chǎn)極差也是三類地區(qū)中最大的，說明該類地區(qū)單產(chǎn)波動(dòng)大，此外，該類地區(qū)其減產(chǎn)率>3%的概率和減產(chǎn)率<4%的概率都是三類地區(qū)中最高的，這些都同樣說明該區(qū)風(fēng)險(xiǎn)高。有意思的是該類縣的歷年平均單產(chǎn)卻顯著高于其他兩類地區(qū)，體現(xiàn)出“高風(fēng)險(xiǎn)高收益”的特征。該區(qū)的農(nóng)戶應(yīng)該積極購(gòu)買水稻保險(xiǎn)以彌補(bǔ)高風(fēng)險(xiǎn)可能帶來的損失。

中風(fēng)險(xiǎn)區(qū)：該區(qū)包括永安市、清流縣、寧化縣、大田縣、將樂縣、邵武市、武夷山市、建甌市、順昌縣、浦城縣、長(zhǎng)汀縣、永定縣。該區(qū)包含22個(gè)縣市區(qū)中的12個(gè)，占55%。從地理位置看，永安市、清流縣、寧化縣、大田縣、將樂縣屬三明市，邵武市、武夷山市、建甌市、順昌縣、浦城縣屬南平市，因此，中風(fēng)險(xiǎn)區(qū)中的縣市以“南平三明為主”，在福建的西北方向。該風(fēng)險(xiǎn)區(qū)中，風(fēng)險(xiǎn)大小在中等、風(fēng)險(xiǎn)大小的波動(dòng)在中高水平，單產(chǎn)和單產(chǎn)的波動(dòng)幅度在三個(gè)類中處中等水平。政府和保險(xiǎn)公司應(yīng)加強(qiáng)在該區(qū)的水稻保險(xiǎn)宣傳和服務(wù)，以增強(qiáng)農(nóng)戶的購(gòu)買意愿。

低風(fēng)險(xiǎn)區(qū)：該區(qū)包括明溪縣、泰寧縣、 建寧縣、新羅區(qū)、上杭縣、武平縣、連城縣、古田縣。該區(qū)具有“低風(fēng)險(xiǎn)中等收益”的特征。歷年單產(chǎn)極差低于中風(fēng)險(xiǎn)區(qū)，歷年平均單產(chǎn)與中風(fēng)險(xiǎn)區(qū)幾乎相同。從地理位置看，新羅區(qū)、上杭縣、武平縣、連城縣隸屬龍巖市，明溪縣、泰寧縣、建寧縣是三明市下轄，該區(qū)的縣市沒有屬于南平市的，幾乎由龍巖市和三明市管轄，具有“閩西”特征。在該區(qū)應(yīng)強(qiáng)化政策性保險(xiǎn)作用，加大保費(fèi)的補(bǔ)貼力度，降低農(nóng)戶逆向選擇給保險(xiǎn)公司帶來的風(fēng)險(xiǎn)。endprint

參考文獻(xiàn)

[1]李征.福建水稻保險(xiǎn)的探索與實(shí)踐[J].中國(guó)保險(xiǎn)，2011（3）：58-60.

[2]鄧國(guó)，王昂生，周玉淑，等.中國(guó)省級(jí)糧食產(chǎn)量的風(fēng)險(xiǎn)區(qū)劃研究[J].南京氣象學(xué)院學(xué)報(bào)，2002，25（3）：373-379.

[3]王志春，胡桂杰，楊軍.赤峰市主要農(nóng)作物產(chǎn)量風(fēng)險(xiǎn)評(píng)估及區(qū)劃[J].內(nèi)蒙古氣象，2002（4）：24-26.

[4]劉偉，李向梅，李俊有.寧城縣主要農(nóng)作物產(chǎn)量風(fēng)險(xiǎn)評(píng)估及區(qū)劃[J].內(nèi)蒙古科技與經(jīng)濟(jì)，2009（8）：7-8.

[5]王勤，姚志國(guó)，劉會(huì)斌，等.廣元市主要農(nóng)作物單產(chǎn)風(fēng)險(xiǎn)評(píng)估及區(qū)劃[J].安徽農(nóng)業(yè)科學(xué)，2011，39（13）：7674-7675，7802.

[6]吳利紅，毛裕定，苗長(zhǎng)明，等.浙江省晚稻生產(chǎn)的農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)分布[J].中國(guó)農(nóng)業(yè)氣象，2007，28（2）：217-220.

[7]鐘甫寧，寧滿秀，邢鸝.我國(guó)政策性種植業(yè)保險(xiǎn)制度的可行性研究[M].經(jīng)濟(jì)管理出版社，2007：73-74.

[8]陳新建，陶建平.湖北省水稻生產(chǎn)風(fēng)險(xiǎn)區(qū)劃的實(shí)證研究[J].統(tǒng)計(jì)與決策，2008（19）：86-88.

[9]李文芳.農(nóng)作物區(qū)域產(chǎn)量保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃指標(biāo)體系研究[J].生態(tài)經(jīng)濟(jì)，2012（8）：76-78.

[10]張建敏.農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)估算方法初探[A].李世奎.中國(guó)農(nóng)業(yè)災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)與對(duì)策[C].北京：氣象出版社，1999，183-189.

[11]庹國(guó)柱，李軍.農(nóng)業(yè)保險(xiǎn)[M].北京：中國(guó)人民大學(xué)出版社，2005：16.

[12]邢鸝，鐘甫寧.糧食生產(chǎn)與風(fēng)險(xiǎn)區(qū)劃研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2006（1）：19-23.

[13]Goodwin， BK， Ker A，P. Nonparametric estimation of crop yield distributions： implications for rating group-risk （GRP） crop insurance contracts. Journal of Agricultural and Resource Economics， 1998， 80： 139-153.

[14]楊汭華，王麗紅，鮮祖德.農(nóng)作物產(chǎn)量損失風(fēng)險(xiǎn)水平實(shí)證及影響因素分析——基于第二次全國(guó)農(nóng)業(yè)普查數(shù)據(jù)的探討[J].保險(xiǎn)研究，2009（10）：102-108.

[15]Barry K G， Alan P K. Nonparametric estimation of crop yield distributions： implications for rating group-risk crop insurance contracts[J].Amer J Agr Econ，1998，80：139-153.

[16]Alan P K， Barry K G. Nonparametric estimation of crop insurance rates revisited[J]. Amer J Agr Econ， 2000（83）： 463-478.

（責(zé)任編輯：劉昀）endprint