戴敏 吳利紅 　向曦 　張智 　彭艷秋

摘 要 目的：設(shè)計(jì)咖啡低溫寒害氣象指數(shù)保險(xiǎn)，為開展咖啡政策性農(nóng)業(yè)保險(xiǎn)提供技術(shù)支撐。方法：調(diào)研咖啡種植區(qū)的采收記錄，確定咖啡進(jìn)入采摘期后遭受低溫寒害的產(chǎn)量損失率與低溫寒害過程的關(guān)系，利用兩種低溫寒害風(fēng)險(xiǎn)分析模型，設(shè)計(jì)了兩個(gè)方案，通過氣象資料分別計(jì)算兩種方案中不同等級(jí)低溫寒害出現(xiàn)的風(fēng)險(xiǎn)以及對應(yīng)的咖啡產(chǎn)量損失風(fēng)險(xiǎn)，并分析了兩種方案中各咖啡種植區(qū)域的低溫寒害分布。結(jié)果：方案1較為切合實(shí)際，考慮了不同采摘期不同程度低溫寒害對咖啡產(chǎn)量損失的影響，但對海拔1 000 m以下的低溫寒害指標(biāo)需要進(jìn)行深入的調(diào)查研究后進(jìn)行修正。結(jié)論：方案1設(shè)計(jì)的農(nóng)業(yè)保險(xiǎn)產(chǎn)品在不計(jì)免賠條件下，保險(xiǎn)費(fèi)率的設(shè)定與各咖啡種植縣實(shí)際風(fēng)險(xiǎn)相符，可及時(shí)賠付，易為保險(xiǎn)公司和農(nóng)民雙方共同接受。

關(guān)鍵詞 咖啡；政策性農(nóng)業(yè)保險(xiǎn)；低溫寒害；氣象指數(shù)保險(xiǎn)

中圖分類號(hào)：S571.2 文獻(xiàn)標(biāo)志碼：B DOI：10.19415/j.cnki.1673-890x.2018.27.047

農(nóng)業(yè)氣象災(zāi)害是危害農(nóng)業(yè)生產(chǎn)最主要的自然災(zāi)害，它與農(nóng)業(yè)經(jīng)濟(jì)效益緊密相連。實(shí)施政策性農(nóng)業(yè)保險(xiǎn)是政府實(shí)現(xiàn)農(nóng)業(yè)發(fā)展目標(biāo)和有效保護(hù)農(nóng)民利益的政策措施。需要一種合適的金融手段，將損失控制在最小范圍內(nèi)，讓廣大咖農(nóng)和咖啡產(chǎn)業(yè)從業(yè)人員的利益得到最大化的保障[1]。氣象指數(shù)保險(xiǎn)從氣象數(shù)據(jù)出發(fā)建立農(nóng)業(yè)保險(xiǎn)模型，解決了信息不對稱問題，是目前世界各國政策性農(nóng)業(yè)保險(xiǎn)采用的主要先進(jìn)模式。國內(nèi)多個(gè)省市在全國實(shí)行政策性農(nóng)業(yè)保險(xiǎn)試點(diǎn)，氣象指數(shù)保險(xiǎn)以特定的農(nóng)業(yè)氣象指標(biāo)作為觸發(fā)機(jī)制，如果超出了預(yù)定的標(biāo)準(zhǔn)，保險(xiǎn)人就要負(fù)責(zé)賠償?shù)霓r(nóng)業(yè)保險(xiǎn)模式，它與大災(zāi)后實(shí)際的農(nóng)作物受損狀況無關(guān)，無需逐戶勘查定損，不需要農(nóng)場產(chǎn)量的歷史數(shù)據(jù)，僅需要?dú)v史氣象數(shù)據(jù)和準(zhǔn)確的氣象觀測數(shù)據(jù)[2-3]。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

搜集整理云南省1989—2015年的統(tǒng)計(jì)年鑒，對1988—2014年的云南咖啡作物面積和產(chǎn)量進(jìn)行了整理和分析，并利用咖啡種植所在地1987年9月至2016年8月共30年的逐日氣象資料對低溫寒害過程進(jìn)行分析。

1.2 咖啡低溫寒害氣象指數(shù)保險(xiǎn)合同設(shè)計(jì)

將咖啡低溫寒害氣象指數(shù)保險(xiǎn)定義在一個(gè)事先指定的區(qū)域，以咖啡采收時(shí)期的低溫寒害發(fā)生為基礎(chǔ)，根據(jù)低溫寒害造成咖啡的產(chǎn)量損失率和出現(xiàn)風(fēng)險(xiǎn)，確立保險(xiǎn)費(fèi)率和損失理賠支付的合同。咖啡低溫寒害氣象指數(shù)是事先規(guī)定的低溫寒害氣象事件對應(yīng)的氣象指標(biāo)，每個(gè)指數(shù)值對應(yīng)一定的咖啡產(chǎn)量損失率和賠付率。根據(jù)所在地氣象站觀測到的氣象數(shù)據(jù)確定的咖啡低溫寒害氣象指數(shù)進(jìn)行賠付。

純保險(xiǎn)費(fèi)率等于保險(xiǎn)損失的期望值[4]，即：

Pr=E[Loss]/λμ（1）

式（1）中，Pr為純保險(xiǎn)費(fèi)率，λ為保障比例，μ為預(yù)期單產(chǎn)，Loss為作物損失。按照政策性農(nóng)業(yè)保險(xiǎn)試點(diǎn)方案，λ和μ取100%，不考慮免賠額，保險(xiǎn)人按照受損土地的保險(xiǎn)金額與實(shí)際損失率的乘積確定賠償金額。純保險(xiǎn)費(fèi)率可寫為：

Pr=E[Loss]/λμ=E[Loss]=∑（p）（2）

式（2）中，P為不考慮免賠額的出現(xiàn)概率。

1.3 單位面積咖啡產(chǎn)量

單位面積上的咖啡產(chǎn)量（當(dāng)年產(chǎn)量與3年前的年末實(shí)有面積之比）如圖1所示，圖中對該數(shù)據(jù)進(jìn)行了線性擬合。2000年和2014年咖啡產(chǎn)量由高于趨勢線的狀態(tài)變?yōu)槊黠@的低于趨勢線的狀態(tài)，數(shù)據(jù)表明咖啡產(chǎn)量的顯著減少，減少的原因可能與調(diào)查分析的低溫寒害氣象災(zāi)

害有關(guān)。

2 結(jié)果與分析

2.1 咖啡低溫寒害的指標(biāo)

全國各地對低溫寒害有不同的劃分標(biāo)準(zhǔn)。根據(jù)普洱市50余年氣象資料，結(jié)合咖啡的生物學(xué)指標(biāo)及受害的輕重程度，普洱市咖啡產(chǎn)業(yè)發(fā)展辦公室公開發(fā)布的咖啡低溫寒害指標(biāo)見表1。

2015年，云南省氣象局根據(jù)長期的氣候統(tǒng)計(jì)資料以及長期的咖啡種植經(jīng)驗(yàn)，進(jìn)行了嚴(yán)密的計(jì)算論證過程編制了《小粒種咖啡寒害等級(jí)》（云南省地方標(biāo)準(zhǔn)DB53/T 679—2015）標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)依據(jù)寒害指數(shù)的大小，將寒害分為輕度、中度、重度三個(gè)等級(jí)，對應(yīng)的指數(shù)導(dǎo)致的受害率見表2。

2.2 咖啡低溫寒害氣象保險(xiǎn)指數(shù)的設(shè)計(jì)

調(diào)查咖啡種植園歷年采摘記錄情況，總結(jié)海拔高于

1 000 m的種植區(qū)咖啡采收量與采收時(shí)間的對應(yīng)關(guān)系，結(jié)果如圖2所示?？梢钥闯觯瑢τ诤０胃哂? 000 m的種植區(qū)，咖啡采收一般從11月中旬開始12月底可以完成采收任務(wù)的50%左右，次年3月咖啡采收結(jié)束。海拔低于1 000 m

的種植區(qū)，咖啡采收時(shí)段提前20～30 d。

根據(jù)兩個(gè)咖啡寒害指標(biāo)，提出了兩個(gè)不同的咖啡低溫寒害氣象保險(xiǎn)指數(shù)方案。

1）方案1。根據(jù)咖啡莊園咖啡采摘記錄統(tǒng)計(jì)特征結(jié)合咖啡的生物學(xué)指標(biāo)及受害的輕重程度，確定咖啡進(jìn)入采摘期后，不同海拔高度咖啡種植遭受低溫寒害的產(chǎn)量損失與所在地低溫寒害強(qiáng)度的關(guān)系，見表3。

2）方案2。不考慮采收情況，不區(qū)分種植區(qū)域海拔，以每年遭受的寒害程度來確定損失，其中寒害指標(biāo)參考表2。

2.3 風(fēng)險(xiǎn)分布

2.3.1 方案1

統(tǒng)計(jì)各咖啡種植縣歷年不同時(shí)段不同等級(jí)低溫寒害出險(xiǎn)的頻次，在表4所列各期間內(nèi)，發(fā)生低溫寒害觸發(fā)賠付，每次賠付比例為未賠付金額比例與不同時(shí)期不同程度低溫寒害與咖啡產(chǎn)量損失率的乘積即[3]：

PayOffd=∑d∈保險(xiǎn)險(xiǎn)期（1-Pd）×（Ci，j）（3）

式（3）中，PayOffd為每次賠付的比例；Pd為已賠付的比例，Ci，j為表4中不同程度不同時(shí)期的損失率。

收集云南現(xiàn)有咖啡種區(qū)域的氣象資料，結(jié)合表3中海拔大于1 000 m和小于1 000 m的指標(biāo)通過（3）式分別計(jì)算兩套咖啡種植縣歷年損失率，得出30年平均損失率，并得到咖啡低溫寒害氣象指數(shù)的純保險(xiǎn)費(fèi)率見表4。

由表4可見，對于海拔大于1 000 m的標(biāo)準(zhǔn)咖啡種植區(qū)，云南各咖啡種植縣在不計(jì)免賠下純保險(xiǎn)費(fèi)率差異較大，大部分地區(qū)30年純風(fēng)險(xiǎn)費(fèi)率在1.63%～11.54%，方案是比較適用的。但其中保山、麻栗坡和賓川并不適宜方案1設(shè)計(jì)的氣象保險(xiǎn)指數(shù)，以此指標(biāo)指針的這三個(gè)地區(qū)受低溫寒害的影響較為嚴(yán)重，而實(shí)際中卻大量栽種生產(chǎn)咖啡，所以實(shí)際中對這三縣的咖啡氣象指數(shù)設(shè)計(jì)時(shí)需要實(shí)地調(diào)查，設(shè)計(jì)出符合當(dāng)?shù)貙?shí)際的氣象保險(xiǎn)指數(shù)。

對于1 000 m以下咖啡種植區(qū)，依據(jù)現(xiàn)在的低溫寒害指標(biāo)，孟連和鎮(zhèn)康都能夠達(dá)到17.56%和53.14%的純風(fēng)險(xiǎn)費(fèi)率，與實(shí)際生產(chǎn)情況不符，低于1 000 m以下的低溫寒害氣象指數(shù)過于保守和嚴(yán)格，需要調(diào)整。通過調(diào)查目前試點(diǎn)地區(qū)90%以上海拔高于1 000 m，故方案1適用于絕大部分的試點(diǎn)地區(qū)。

2.3.2 方案2

方案2并不考慮采收時(shí)段，分別計(jì)算咖啡低溫寒害氣象指數(shù)的風(fēng)險(xiǎn)出現(xiàn)頻率及其純風(fēng)險(xiǎn)費(fèi)率得到表5，由表可見，其分析結(jié)果與方案1相同，保山、麻栗坡和賓川出現(xiàn)低溫寒害的概率較高，主要是輕度寒害出現(xiàn)的頻率較高，可以考慮實(shí)地調(diào)查，對現(xiàn)有方案依據(jù)實(shí)際進(jìn)行調(diào)整或者重新設(shè)計(jì)適宜當(dāng)?shù)氐目Х鹊蜏睾庀笾笖?shù)。

2.4 兩個(gè)方案的對比分析

圖3給出了依據(jù)方案1和方案2，計(jì)算的云南各咖啡種植縣的歷年損失率，可以看出由低溫寒害引發(fā)的損失率，損失較大的年份為2000年、2014年和2016年，對應(yīng)1.4中對云南咖啡產(chǎn)量歷年變化的分析可以看出，2000年、2014年低溫寒害確實(shí)導(dǎo)致了云南咖啡的減產(chǎn)，說明咖啡低溫寒害氣象指數(shù)的設(shè)計(jì)是較為合理的，方案2計(jì)算的損失率平均較方案1高出6.43%。

對比兩個(gè)方案，方案1從實(shí)際生產(chǎn)出發(fā)，且對種植區(qū)域的海拔進(jìn)行了劃分，較為貼近生產(chǎn)實(shí)際，對每一次寒害過程進(jìn)行判別，可及時(shí)按照實(shí)際受寒害的情況根據(jù)氣象觀測資料做到及時(shí)賠付。

方案2每年一個(gè)指標(biāo)寒害指標(biāo)，實(shí)際操作簡潔，每年11月至3月進(jìn)行計(jì)算統(tǒng)計(jì)寒害指數(shù)，而后每一年可進(jìn)行理賠操作一次，其30年風(fēng)險(xiǎn)測算結(jié)果簡單明了，由于沒有區(qū)分采收期中已經(jīng)收獲的產(chǎn)量，大部分咖啡種植區(qū)域方案2計(jì)算的損失率要高于方案1，并且在計(jì)算低溫寒害指標(biāo)時(shí)需要主觀調(diào)整計(jì)算參數(shù)，對不同海拔種植區(qū)域的情況沒有區(qū)分，沒有考慮不同采收時(shí)段發(fā)生低溫寒害對采收的不同影響。

綜合考慮，認(rèn)為采用方案1較為切合實(shí)際，但需要對海拔低于的1 000 m以下的低溫寒害指標(biāo)在進(jìn)行調(diào)查研究后進(jìn)行修正。而對于保山、麻栗坡和賓川縣的咖啡氣象指數(shù)設(shè)計(jì)時(shí)需要實(shí)地調(diào)查，進(jìn)行調(diào)整或者依據(jù)實(shí)際情況設(shè)計(jì)出符合當(dāng)?shù)貙?shí)際的氣象保險(xiǎn)指數(shù)。

2.5 保費(fèi)及保額建議

實(shí)際調(diào)查中發(fā)現(xiàn)咖啡單畝的收益并不高，種植企業(yè)和農(nóng)戶壓力較大，對咖啡低溫寒害氣象指數(shù)保險(xiǎn)有需求，建議各地依據(jù)本地不同低溫寒害風(fēng)險(xiǎn)，采用低保費(fèi)的方式推廣咖啡低溫寒害政策性農(nóng)業(yè)保險(xiǎn)。

3 結(jié)論

僅采用縣氣象站資料，進(jìn)行各縣咖啡低溫寒害氣象指數(shù)保險(xiǎn)的設(shè)計(jì)，還有其改進(jìn)和完善的空間，但云南省中尺度區(qū)域氣象站的建設(shè)較全國要落后，站點(diǎn)少、資料時(shí)間短、資料不完整，使得使用數(shù)學(xué)方法延長氣候資料序列存在困難，同時(shí)不能解決氣象站點(diǎn)空間密度不大代表性不佳的問題。隨著氣象事業(yè)的發(fā)展，區(qū)域氣站布設(shè)的越來越多，質(zhì)量越來越好，可以較好地解決上述問題，使得氣象指數(shù)保險(xiǎn)將有更好的科學(xué)支撐。此外，云南地形復(fù)雜，云南省山地、高原、丘陵占總面積的94%，同一次氣象災(zāi)害過程，氣象要素空間變異大，造成災(zāi)害后果不同。政策性農(nóng)業(yè)保險(xiǎn)的可持續(xù)發(fā)展來看，保險(xiǎn)公司收取的保費(fèi)應(yīng)大于或者等于其保險(xiǎn)賠付，同時(shí)農(nóng)戶繳納的保費(fèi)要與其所在地區(qū)的風(fēng)險(xiǎn)水平相匹配。故在云南設(shè)計(jì)氣象指數(shù)保險(xiǎn)時(shí)，應(yīng)以縣為單位，盡可能地使用中尺度氣象站資料，使氣象資料能夠最大限度地代表當(dāng)?shù)氐臍庀髿夂蛱卣?，以降低基差風(fēng)險(xiǎn)。

參考文獻(xiàn)：

[1] 宗義湘，李先德，喬立娟.中國農(nóng)業(yè)政策對農(nóng)業(yè)支持水平演變實(shí)證研究[J].中國農(nóng)業(yè)科學(xué)，2007，40（3）：622-627.

[2] Turvey C G. Weather derivatives for specific event risks in agriculture[J].Review of Agricultural Economics，2001，23（2）：333-351.

[3] 歐陽再根，魏榮源.農(nóng)業(yè)巨災(zāi)風(fēng)險(xiǎn)管理中對氣象指數(shù)保險(xiǎn)的應(yīng)用[J].中國農(nóng)業(yè)信息，2013（11）：172.

[4] 吳利紅，婁偉平，姚益平，等.水稻農(nóng)業(yè)氣象指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)——以浙江省為例[J].中國農(nóng)業(yè)科學(xué)，2010，43（23）：4942-4950.

（責(zé)任編輯：趙中正）