鄧梅 吳夢瓊 趙輝 王雪琦 陳鐵軍 肖詩堯 肖妙妮

摘要：選用湘中地區(qū)的水稻種植示范縣雙峰縣作為試點，采用雙峰縣1989—2018年的逐日氣象觀測資料、水稻產(chǎn)量和農(nóng)業(yè)氣象觀測站的水稻觀測數(shù)據(jù)，結(jié)合水稻生育期內(nèi)主要的農(nóng)業(yè)氣象災(zāi)害類型，確定對產(chǎn)量影響較大的氣象災(zāi)害為保險致災(zāi)因子，以此設(shè)計氣象保險指數(shù)。研究表明，高溫?zé)岷κ菍?dǎo)致湘中地區(qū)一季稻減產(chǎn)的主要氣象災(zāi)害，綜合危害熱積溫和持續(xù)日數(shù)建立了高溫?zé)岷庀蟊ｋU指數(shù);通過計算歷年由于氣象災(zāi)害造成水稻的減產(chǎn)和貨幣損失，確定了高溫?zé)岷庀蟊ｋU指數(shù)的賠付觸發(fā)系數(shù)和賠付標(biāo)準(zhǔn)。

關(guān)鍵詞：高溫?zé)岷?一季稻;農(nóng)業(yè)保險;氣象指數(shù)

中圖分類號：F842.6;S51? ? ? ? ?文獻(xiàn)標(biāo)識碼：A

文章編號：0439-8114（2020）18-0029-04

DOI：10.14088/j.cnki.issn0439-8114.2020.18.007 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Study on the meteorological insurance index of high temperature

and heat damage of rice in central of Hunan province

DENG Mei1，2， WU Meng-qiong1， ZHAO hui3， WANG Xue-qi1， CHEN Tie-jun1， XIAO Shi-yao4， XIAO Miao-ni1

（1.Loudi Municipal Meteorological Bureau， Loudi? 417000，Hunan，China;2.Hunan Provincial Key Laboratory of Meteorological Disaster Prevention and Mitigation， Changsha? 410000，China;3.Shuangfeng Meteorological Bureau， Shuangfeng? 417700，Hunan，China;4.Lengshuijiang Meteorological Bureau， Lengshuijiang? 417500，Hunan，China）

Abstract： A rice planting demonstration county in central of Hunan-Shuangfeng county was selected as a pilot， using daily weather observation data， rice yield and rice observation data of agricultural meteorological observatories from Shuangfeng county from 1989 to 2018， combined with the main types of agrometeorological disasters during the growth period of rice， the meteorological disasters with large impact on production were identified as insurance hazard factors to design the meteorological insurance index.The research showed that the high temperature heat damage was the main meteorological disaster that caused single cropping rice yield reduction in central of Hunan. High temperature heat damage meteorological insurance index was established based on the comprehensive hazard heat accumulation temperature and the number of continuous days; By calculating the rice production reduction and currency loss caused by meteorological disasters over the years， the compensation trigger coefficient and compensation standard of the high temperature heat damage meteorological insurance index were determined.

Key words： high temperature heat damage; single cropping rice; agricultural insurance; meteorological index

湘中地區(qū)水熱資源豐富，水稻為湘中地區(qū)的主要糧食作物，據(jù)分析統(tǒng)計，湘中地區(qū)一季稻的種植面積約99.06萬hm2，產(chǎn)量約663.6萬t，約占糧食作物總產(chǎn)量的50%[1，2]。但水稻作為露天農(nóng)業(yè)，受天氣條件的制約性強，氣象災(zāi)害是導(dǎo)致水稻減產(chǎn)的主要因素。目前，政策性農(nóng)業(yè)保險是各級政府保護(hù)和促進(jìn)農(nóng)業(yè)發(fā)展的有效途徑之一，20世紀(jì)80年代以來，國際金融保險界開發(fā)了兩個農(nóng)業(yè)保險產(chǎn)品，即區(qū)域產(chǎn)量指數(shù)保險和氣象指數(shù)保險[3，4]。氣象指數(shù)保險指以特定的農(nóng)業(yè)氣象指標(biāo)作為觸發(fā)機制，一旦超過了預(yù)定標(biāo)準(zhǔn)，保險人就要按照農(nóng)業(yè)保險模式進(jìn)行賠償，具有客觀、快速理賠和無需現(xiàn)場勘查等特點，是一種新型的農(nóng)業(yè)保險。如墨西哥、印度、秘魯、肯尼亞、越南、美國等國采用降水指數(shù)保險降低旱澇災(zāi)害對農(nóng)業(yè)造成的風(fēng)險;加拿大采用氣象指數(shù)保險分散降低降雨造成的奶制品產(chǎn)出下降的風(fēng)險，補償高溫帶來的玉米和飼草種植利益損失的風(fēng)險等;南非的蘋果合作社應(yīng)用氣象指數(shù)保險分散霜凍帶來的蘋果種植風(fēng)險[5-7]。以上研究都應(yīng)用了氣象指數(shù)保險，并取得了良好的社會效益。

高溫?zé)岷λ镜奈：Τ潭扔善涑掷m(xù)時間和強度共同決定。近年來，中國有部分學(xué)者開展了高溫?zé)岷λ居绊懙难芯浚瑢W(xué)者們往往將二者作為獨立影響因子評估其對水稻的影響[8-12]，將其設(shè)計成氣象指數(shù)保險的研究較少[13]，本研究選擇湘中地區(qū)水稻種植示范縣雙峰縣作為試點，依據(jù)綜合危害熱積溫和持續(xù)日數(shù)，開展一季稻高溫?zé)岷庀笾笖?shù)保險設(shè)計和試驗，構(gòu)建高溫?zé)岷庀蟊ｋU指數(shù)，并通過計算歷年由于氣象災(zāi)害造成水稻的減產(chǎn)和貨幣損失，確定高溫?zé)岷庀蟊ｋU指數(shù)的賠付觸發(fā)值和賠付標(biāo)準(zhǔn)。

1 資料與方法

1.1 資料

氣象資料：雙峰縣1989—2018年的逐日平均氣溫和最高氣溫等資料。

農(nóng)業(yè)統(tǒng)計資料：1989—2018年雙峰縣逐年的一季稻播種面積和產(chǎn)量來自婁底市歷年的統(tǒng)計年鑒，氣象災(zāi)情數(shù)據(jù)來自民政局上報的歷史災(zāi)情統(tǒng)計和雙峰縣農(nóng)業(yè)氣象觀測站的資料等。

1.2 方法

1.2.1 水稻減產(chǎn)率計算 采用5年滑動平均法將實際產(chǎn)量分離成氣象產(chǎn)量和趨勢產(chǎn)量。氣象產(chǎn)量主要由水稻生育期間氣象條件決定，趨勢產(chǎn)量是在各地的土壤條件、生產(chǎn)條件平均的情況下，因農(nóng)業(yè)生產(chǎn)逐步增加而得到的結(jié)果。三者之間的關(guān)系式如下：

Y=Yt+Yw? （1）

式中，Y為實際產(chǎn)量，Yt為趨勢產(chǎn)量，Yw為氣象產(chǎn)量，Yw>0時，說明氣象條件利于水稻生長發(fā)育，為豐年，反之則減產(chǎn)。

相對氣象產(chǎn)量Ki= （Y- Yt）/ Yt×100% （2）

當(dāng)Ki<0時，其絕對值定義為減產(chǎn)率（x）。

1.2.2 氣象指數(shù)選定原則 根據(jù)前人研究涉及氣象指數(shù)保險選取的經(jīng)驗[14]，選擇氣象指數(shù)時要優(yōu)先選取受人為因素影響較小的氣象災(zāi)害，同時，選取的指數(shù)要先與歷史實際損失吻合，且要相對簡單，便于理解及推廣運用。

水稻抽穗開花期的適宜溫度為25～32 ℃，最高溫度超過35 ℃時，會影響正常開花授粉，造成結(jié)實率下降，水稻抽穗前后各10 d，即孕穗-抽穗揚花期對高溫最敏感[15]。據(jù)歷年氣象災(zāi)害發(fā)生的情況，湘中地區(qū)水稻主要受高溫?zé)岷?、低溫冷害、洪澇、寒露風(fēng)等氣象災(zāi)害的影響，考慮致災(zāi)范圍和發(fā)生頻率，洪澇和高溫?zé)岷楦哳l次發(fā)生的氣象災(zāi)害，而洪澇一般受地勢、水流量和持續(xù)時間等因素的影響，難以用簡單的指標(biāo)衡量;高溫?zé)岷χ饕绊懰鹃_花和結(jié)實，主要受溫度的影響，人為影響因素小，適合作為農(nóng)業(yè)保險的天氣指數(shù)。

2 結(jié)果與分析

2.1 天氣指數(shù)設(shè)定

因湘中地區(qū)高溫主要出現(xiàn)在7—8月，而一季稻抽穗開花期在7月下旬至8月上中旬[16]。將7月21日至8月20日期間日最高氣溫大于等于35 ℃，連續(xù)3 d或以上，統(tǒng)計日最高氣溫與35 ℃的差額，定義為危害熱積溫。研究高溫?zé)岷λ井a(chǎn)量的影響可用Logistic曲線方程定量描述[17]，故綜合危害熱積溫和高溫持續(xù)日數(shù)是兩個影響水稻產(chǎn)量的最重要因子，構(gòu)建Logistic曲線方程的水稻高溫?zé)岷庀蟊ｋU指數(shù)（Index）計算公式如下：

[Index=i=1n11+αe-βHi×11+γe-δdi]? ? （3）

式中，Hi為第i次高溫過程的危害熱積溫，di為第i次高溫過程持續(xù)日數(shù)，n為高溫過程總次數(shù)，? ? α | β | γ | δ為方程系數(shù)。根據(jù)《水稻熱害評價方法（征求意見稿）》[18]、高素華等[8]的研究成果，分析得到水稻高溫?zé)岷姸鹊燃墸ū?）。

根據(jù)建立的高溫?zé)岷庀笾笖?shù)，統(tǒng)計分析1989—2018年雙峰縣一季稻孕穗至灌漿期高溫?zé)岷Πl(fā)生情況和高溫?zé)岷庀笾笖?shù)（表2），由表2可以看出，1989—2018年除1993年、1996年和2002年未發(fā)生高溫?zé)岷ν?，其他年份基本每年都有高溫?zé)岷Τ霈F(xiàn)，以此得出雙峰縣高溫?zé)岷μ鞖獬霈F(xiàn)的概率為90%。

2.2 水稻產(chǎn)量損失計算

根據(jù)歷年雙峰縣水稻產(chǎn)量得到一季稻單產(chǎn)中位數(shù)（Yt）為6 825 kg/hm2，由式（1）得Y=Yw+6 825，當(dāng)Yw>0時，表明水稻并未因氣象災(zāi)害發(fā)生損失;當(dāng)Yw<0，則認(rèn)為是因氣象災(zāi)害引發(fā)的實際損失，每公頃水稻的損失金額（S）計算公式為：

S=-Yw×p? ? （4）

式中，p為當(dāng)年一季稻單價（元/kg），設(shè)定一季稻為2.1元/kg。挑選7月21日至8月20日期間有高溫?zé)岷Τ霈F(xiàn)，且單產(chǎn)的減產(chǎn)率大于等于3%的年份，作為一季稻高溫?zé)岷Φ臑?zāi)損年，避免因洪澇、陰雨天氣和日照不足等其他氣象災(zāi)害造成損失的年份。根據(jù)式（4）計算出雙峰縣1989—2018年水稻氣象災(zāi)害損失金額（表3）。

2.3 水稻高溫?zé)岷庀笾笖?shù)保險模型設(shè)計

保險產(chǎn)品設(shè)計中的3個關(guān)鍵要素為賠付觸發(fā)值、賠付額與保費，水稻高溫?zé)岷庀笾笖?shù)保險模型設(shè)計主要需確定這3個要素。

統(tǒng)計分析1989—2018年雙峰縣高溫?zé)岷庀蟊ｋU指數(shù)和一季稻的損失金額得出兩者的相關(guān)性達(dá)94%。根據(jù)歷年高溫?zé)岷Πl(fā)生、致災(zāi)和損失賠付等情況，結(jié)合實地調(diào)研和試點反饋，分析得出高溫?zé)岷ο禂?shù)的發(fā)生賠率和觸發(fā)系數(shù)等（表4），選定高溫?zé)岷庀蟊ｋU指數(shù)（Index）為0.7作為賠付觸發(fā)系數(shù)。通過表4可計算雙峰縣一季稻高溫?zé)岷χ笖?shù)保險的賠付金額（P）（元/hm2），計算公式如下：

P=60×（I-C）×A+B? ? （5）

式中，C為觸發(fā)系數(shù)，A為啟動賠付系數(shù)，B為賠付基數(shù)（表4）。發(fā)生高溫?zé)岷r，保險人可按照式（5）計算賠償金額。

3 小結(jié)與討論

本研究綜合危害熱積溫和持續(xù)日數(shù)建立了高溫?zé)岷庀蟊ｋU指數(shù)，并通過計算歷年由于氣象災(zāi)害造成水稻的減產(chǎn)和貨幣損失，確定了高溫?zé)岷庀蟊ｋU指數(shù)的賠付觸發(fā)值和賠付標(biāo)準(zhǔn)，并在湖南省雙峰縣進(jìn)行試點，統(tǒng)計分析高溫?zé)岷庀笾笖?shù)與水稻損失金額的相關(guān)性達(dá)94%，由此可見高溫?zé)岷庀笾笖?shù)保險的設(shè)計和賠付均較合理。

1）據(jù)歷年氣象災(zāi)害發(fā)生的情況，高溫?zé)岷χ饕绊懰鹃_花和結(jié)實，主要受溫度的影響，人為影響因素小，適合作為農(nóng)業(yè)保險的天氣指數(shù)，是一種自然災(zāi)害險[19]產(chǎn)品，在實際應(yīng)用中可避免參保人和賠付對象的異議。

2）綜合危害熱積溫和高溫持續(xù)日數(shù)2個影響水稻產(chǎn)量的最重要因子，構(gòu)建了Logistic曲線方程的水稻高溫?zé)岷庀蟊ｋU指數(shù)，具體以客觀的氣象資料為依據(jù)，與實際產(chǎn)量無關(guān)，無需實地勘測，理賠程序操作簡單、方便;同時，可推動風(fēng)險區(qū)農(nóng)民參保的積極性。

3）根據(jù)高溫?zé)岷σ患镜井a(chǎn)量的減損風(fēng)險，設(shè)計了雙峰縣高溫?zé)岷庀蟊ｋU指數(shù)的賠付觸發(fā)系數(shù)和賠付標(biāo)準(zhǔn)，選定高溫?zé)岷χ笖?shù)為0.7作為賠付觸發(fā)系數(shù)，均是根據(jù)長序列的歷史氣象資料分析計算獲得，客觀可信度較高。

影響一季稻產(chǎn)量的因素是多方面的，本研究僅從溫度方面探索了氣象指數(shù)保險的設(shè)計，并未考慮其他氣象災(zāi)害的疊加效應(yīng)，如何剔除其他氣象災(zāi)害的影響是下一步研究的關(guān)鍵;由于文中用于計算的氣象數(shù)據(jù)為雙峰縣國家氣象站的數(shù)據(jù)，但實際參保人員分布在各鄉(xiāng)各村，需要精準(zhǔn)到鄉(xiāng)鎮(zhèn)，因此，會存在一些基差風(fēng)險，后期研究將根據(jù)區(qū)域站的數(shù)據(jù)來推算高溫?zé)岷庀蟊ｋU指數(shù)，檢驗基差的大小。

參考文獻(xiàn)：

[1] 湖南省統(tǒng)計局，國家統(tǒng)計局湖南調(diào)查總隊.湖南統(tǒng)計年鑒2018[M].北京：中國統(tǒng)計出版社，2018.

[2] 陸魁東，羅伯良，黃晚華，等.影響湖南早稻生產(chǎn)的五月低溫的風(fēng)險評估[J].中國農(nóng)業(yè)氣象，2011，32（2）：283 -289.

[3] SKEES J R，HAZELL P，MIRANDA M. New approaches to crop yieldinsurance in developing countries. Eptd discussion paper No.55[R].Washington，DC，USA：International food policy research institute，1999.

[4] WENNER M D，ARIAS D. Agricultural insurance in Latin America：Where are we？[J]. Sexually transmitted infections，2003，89（4）：63-68.

[5] BARNETTB J，MAHUL O. Weather index insurance for agriculture and rural areas in lower-income countries[J]. American journal of agricultural economics，2007，89（5）：1241-1247.

[6] MURNANE R J，CROWE M，EUSTIS A，et al. The weather risk management industry's climate forecast and data needs： A workshop report[J]. Bull Amer Meteor Soc，2002，83（8）：1193-1198.

[7] HESS U，SYROKA J. Weather-based insurance in Southern Africa： The case of Malawi. Agriculture and rural development discussion paper 13[R].Washington，DC，USA，The world bank，2005.1-78.

[8] 高素華，王培娟，萬素琴，等.長江中游高溫?zé)岷皩λ镜挠绊慬M].北京：氣象出版社，2009.87-92.

[9] 趙海燕，姚鳳梅，張 勇，等.長江中下游水稻開花灌漿期氣象要素與結(jié)實率和粒重的相關(guān)性分析[J].中國農(nóng)業(yè)科學(xué)，2006，? ? ? 39（9）：1765-1771.

[10] KIM J，SHON J，LEE C K，et al. Relationship between grain filling duration and leaf senescence of temperate rice under high temperature[J]. Field crops research，2011，122（3）：207-213.

[11] 田小海，昊晨陽，袁 立，等.普通氣候年景下江漢平原超級雜交稻結(jié)實率及其與氣候條件的關(guān)系[J].中國水稻科學(xué)，2010，24（5）：539-543.

[12] 曾 凱，周 玉，宋忠華.氣候變暖對江南雙季稻灌漿期的影響及其觀測規(guī)范探討[J].氣象，2011，37（4）：468-473.

[13] 楊太明，孫喜波，劉布春，等.安徽省水稻高溫?zé)岷ΡｋU天氣指數(shù)模型設(shè)計[J].中國農(nóng)業(yè)氣象， 2015，36（2）：220-226.

[14] 楊太明，劉布春，孫喜波，等.安徽省冬小麥種植保險天氣指數(shù)設(shè)計與應(yīng)用[J].中國農(nóng)業(yè)氣象，2013，34（2）：229-235.

[15] 譚中和，藍(lán)泰源，任昌福，等.雜交秈稻開花期高溫危害及其對策的研究[J].作物學(xué)報，1985，11（2）：103-108.

[16] 陸魁東，劉富來，李民華，等.湖南氣候與作物氣象[M].長沙：湖南科學(xué)技術(shù)出版社，2015.136-147.

[17] 柳新偉，孟亞利，周治國，等.水稻穎花與籽粒發(fā)育模擬的初步研究[J].中國水稻科學(xué)，2004，18（3）：249-254.

[18] GB/T 37744—2019，水稻熱害評價方法[S].

[19] 李世奎.中國農(nóng)業(yè)災(zāi)害風(fēng)險評價與對策[M].北京：氣象出版社，1999.129-149.