江蘇省水稻高溫熱害氣象指數保險區劃

任義方， 趙艷霞， 高 蘋， 吳洪顏， 林 磊， 徐 云， 朱海濤

(1.江蘇省氣象服務中心，江蘇南京 210008； 2.中國氣象科學研究院，北京 100081； 3.江蘇省常州市金壇區氣象局，江蘇常州 213200；4.江蘇省南通市氣象局，江蘇南通 226000； 5.江蘇省鎮江市氣象局，江蘇鎮江 212000)

國外早在20世紀90年代已經開始關于農業氣象指數保險的研究[1-2]。我國自2004年開始，在國際農業發展基金(IFAD)和聯合國糧食計劃署(WFP)支持下，政府部門采取了一系列鼓勵實施農業風險轉移措施，在此同時，農業氣象指數保險方法的研發及其相關區劃評估技術也開始得到了廣泛的探索。通過開發和研究精準量化損害程度的指數保險產品，可以為保險費率的厘定及災損賠付過程提供科學保障，從而更好地提高保險覆蓋率。

目前，國內在農業氣象災害風險評估區劃體系的構建、估算技術方法的研制、理論模型的構建及其應用量化領域已經不斷成熟[3-6]。以此為背景和基礎，我國開展的相關農業保險風險區劃的研究主要集中在對農作物生產風險區劃因子選擇和方法應用的探討上，如劉長標從致災因子、災損情況、易損性和抗災能力角度提出了7個風險評估因子，討論了農作物區域產量保險風險區劃中風險因子的選擇問題[7]；梁來存通過建立糧食安全自然風險影響的評價指標體系，利用系統聚類法、K-均值聚類法和模糊聚類法對我國糧食生產進行了省級保險風險區劃[8]；李文芳在綜合考慮氣候、農業災害、地形地貌、水利設施等因素的基礎上建立了一個適當的指標體系，對湖北中稻縣級產量保險風險進行了分區[9]；鄭軍等選取單位面積產量變異系數等5個受災風險指標，利用系統聚類法對安徽省水稻進行了市級范圍的產量保險風險區劃研究[10]；王國軍等運用河南省各市(縣)小麥單位面積產量、面積、農業保險賠付率、水利設施、災情數據在市級風險區劃的基礎上完成了縣域小麥生產風險區劃[11]。此外，還有進一步將區劃結果作為生產風險的整體空間參考對厘定的保險費率進行修正的應用研究，如牛浩等選取8個主要風險指標確立4類主成分來評定玉米的生長狀況，運用AHP權重分析對山東省玉米生產風險進行了區劃，并在此基礎上利用區劃結果對初定的產量保險費率進行最終修正處理[12]；陳新建等通過聚類分析方法得出湖北省水稻區域風險系數并進行區域產量保險純費率厘定[13]；陳平等利用地縣域氣候狀況、災害情況、水利條件、單位面積產量和播種面積相關的12項影響因子，對湖北省中稻生產風險進行區劃，并依據相應風險等級對純費率進行了調整[14]。

前人在農業氣象災害保險風險區劃評估以及指標選擇方面已經做了較多的研究，但是從準確把握災害風險與產量損失之間關系的角度出發，針對某一特定作物氣象災害的保險區劃評估研究報道仍較少。水稻高溫熱害是影響江淮流域水稻生產的主要氣象災害之一，在全球變暖背景下，江蘇省高溫日數和高溫日平均最高氣溫呈上升趨勢，水稻高溫熱害時空分布正在發生改變[15-18]。高溫熱害對水稻的危害程度主要由水稻所處生育期以及熱害的出現時間、持續時間和強度決定，如水稻幼穗分化期[19-20]、抽穗揚花期[21-22]和灌漿期[23-24]出現高溫過程均會導致結實率降低，并最終對產量造成不同程度的影響。20世紀90年代以后，江蘇省進入了高溫熱害較強、覆蓋范圍大的時期，高溫熱害發生頻次和日數較20世紀70～80年代有明顯增加趨勢，且集中在7月上旬至8月中旬，其出現比例達40%以上，8月底后出現比例低于10%[25]。相應地，與水稻高溫敏感時段相關的拔節期、孕穗期、抽穗期和乳熟期分別出現在7月下旬至8月上旬、8月中下旬、8月下旬至9月上旬和9月中下旬。從時段吻合性上看，對高溫最敏感的幼穗分化-抽穗揚花階段出現高溫熱害的概率高，而對高溫次敏感的灌漿初、中期出現高溫熱害的概率低，這種高溫熱害發生規律和特征造成了江蘇水稻大面積減產，尤其是2003年江蘇淮北部分地區水稻高溫敏感期與7月下旬持續高溫天氣相遇，造成20%以上減產[26]。因此，本研究利用歷史氣象數據和水稻觀測資料，以江蘇省為例，構建水稻高溫熱害保險氣象指數，并利用該關聯水稻產量損失的熱害表征量劃分保險風險區域，在空間分布上通過與高溫致災因子區劃結果進行對比，在時間發展上利用高溫熱害典型年份實況進行檢驗的方法，來定量分析和評估水稻高溫熱害的區域發生特征和規律，為設計水稻高溫熱害氣象指數保險(單一作物災害險種保險)產品提供依據，進一步減小“基差”風險，提高費率厘定準確性以及風險轉移能力。

1 研究資料

氣象資料包括江蘇省70個氣象站1980—2015年的逐日最高溫度和平均溫度。作物資料包括江蘇省8個農業氣象站(徐州、淮安、贛榆、興化、鎮江、宜興、昆山、高淳)1980—2015年的水稻生育期資料，以及江蘇各縣(市、區)逐年水稻單位面積產量數據。災害資料包括江蘇省氣象災害歷史災情統計數據以及《中國氣象災害大典(江蘇卷)》記錄的高溫熱害災情資料。

2 水稻高溫熱害保險氣象指數構建及驗證

2.1 水稻高溫熱害保險氣象指數構建

2.1.1 指數構建思路 首先，通過分析水稻敏感生育期受高溫熱害影響的機制及其對產量(或產量結構)的影響程度，可知水稻高溫熱害必須在高溫發生時段與水稻對高溫敏感期相吻合的情況下才能發生。然后，再結合江蘇省高溫的發生規律、各站進入關鍵生育期的具體日期以及典型年份實際高溫熱害發生的時段和減產情況，選取水稻孕穗-抽穗揚花期作為江蘇省整個水稻高溫熱害監測期。同時，考慮高溫對水稻產量的影響是非線性[25，27-28]，高溫熱害對水稻產量損失的影響程度，可采用具有漸增期、快增期和緩增期3個區間形態的Logistic曲線方程定量描述。

2.1.2 指數構建過程 高溫熱害對水稻的危害程度由持續時間和強度共同決定，根據高溫熱害的定義將日平均氣溫≥30 ℃、日最高氣溫≥35 ℃連續3 d以上的高溫天氣作為1個高溫熱害過程。考慮到在同一個高溫過程中，日平均氣溫和日最高氣溫所體現的熱害發生時間和持續程度不同，以及致害程度不同，因此定義水稻高溫熱害監測期中的各高溫過程危害累積量為H：

(1)

式中：Ti、Tmax,i分別為各高溫熱害過程的日平均溫度和日最高溫度，℃；Tc、Tmax,c分別是發生高溫熱害時日平均氣溫和日最高氣溫的臨界值，其數值分別取30、35 ℃(表1)；n為高溫過程總次數，次。

表1 江蘇水稻高溫熱害臨界指標[29]

由于不同地區、不同年份水稻孕穗期的出現時間不同，與高溫配合的時間也不同，因而逐站逐年統計水稻高溫熱害監測期中所有高溫過程的危害累積量。同時，通過分離產量資料，逐站逐年求算相對氣象產量，將其負值的絕對值定義為減產率，計算公式如下：

(2)

式中：Yw為減產率，%；Y為實際產量，kg/hm2；Yt為趨勢產量，kg/hm2。

在求算高溫過程危害累積量與減產率的基礎上，構建基于Logistic曲線方程的減產率評估模型，并將其定義為水稻高溫熱害保險的氣象指數，表達如下：

(3)

式中：α、β為Logistic曲線方程系數。在今后實際水稻災害保險實施過程中，可以結合溫度觀測，通過該模型量化高溫熱害對產量損失的影響，從而實現保險理賠的過程。

參數α、β的具體量化主要在水稻高溫熱害保險氣象指數與產量損失的關系建立過程中得以實現。由于氣象指數保險存在著“基差”的缺陷，本研究重點考慮了熱害減產的樣本選擇問題，以提供更為客觀的氣象保險產品。首先，選出水稻高溫熱害保險氣象指數大于0且減產率大于3%的樣本。由于江蘇省大部分地區是灌溉農業，水稻遭遇高溫熱害時，灌溉條件、生產管理水平較好的地區部分稻田減產可能并不是很嚴重；或者存在其他農業氣象災害(如凍害等)、病蟲害等與輕度高溫熱害并存，反而造成水稻大減產的情況，從而使得水稻高溫熱害保險氣象指數與減產率之間的對應關系不理想。因此，在保證既發生水稻高溫又出現減產的基礎上，利用雙權重質量控制方法[30]，剔除離群點；然后根據《中國氣象災害大典(江蘇卷)》[31]中高溫熱害實況的記載和描述，再進行樣本點的選擇。最終選出了69個由高溫造成水稻減產的年份和相應的站點，將其作為研究樣本，通過相關分析和最優化技術[32]，確定水稻高溫熱害保險氣象指數中的參數α、β。

2.2 水稻高溫熱害保險氣象指數檢驗

通過質量控制后，水稻高溫熱害保險氣象指數與減產率有較好的相關性，相關系數達0.75，通過0.01顯著性檢驗，建立兩者之間的回歸方程：

Y=33.67Z+4.26。

(4)

式中：Z為水稻高溫熱害保險氣象指數(Z∈[0，1])；Y為減產率，%。判定系數R2為0.56。

根據水稻減產率可劃分損失等級，一般減產率5.0%～<10.0%、10.0%～<20.0%、20.0%～<30.0%、30.0%～<40.0%、≥40%分別劃分為輕、中、重、嚴重、極端損失。根據減產率對應的損失等級，以及水稻高溫熱害保險氣象指數與減產率的回歸方程，可以得到對應不同損失等級的高溫熱害指標值，從而實現水稻高溫熱害保險氣象指標的等級劃分，詳見表2。

表2 江蘇水稻高溫熱害保險氣象指標等級劃分

通過樣本點回代檢驗，對比利用水稻高溫熱害氣象指數模擬的減產率與實際減產率的情況，可以看出兩者隨時間變化有很好的對應分布關系(圖1)。樣本減產峰值區出現在2003年，該年為江蘇水稻高溫熱害的典型發生年份，出現大范圍減產。

3 水稻高溫熱害保險風險區劃及評估

3.1 區劃方法

利用GIS空間分析以及屬性數據庫操作功能，對水稻高溫熱害保險氣象指數進行標準化處理，采用歐式距離作為研究樣品疏密程度(差別大小)的數量指標，選擇系統聚類法(hierarchical clustering method)中的離差平均和法(ward method)進行水稻高溫熱害保險風險區劃，將整個江蘇劃分成1～3個區域，分別對應水稻高溫熱害保險風險的低風險區、中風險區、高風險區。

此外，利用相同的方法，根據水稻熱害等級劃分的標準(表1)，將近36年監測期內各等級熱害出現的總天數作為指標，進行江蘇水稻高溫熱害氣象風險區劃。

3.2 區劃評估

由水稻高溫熱害保險風險區劃結果(圖2-a)可見，低風險區主要包括淮北和江淮之間東北部地區；中風險區主要包括江淮之間西南部和蘇南東部地區；高風險區主要包括蘇南中西部地區。將江蘇省水稻高溫熱害保險風險區劃結果與其氣象風險區劃結果比較可以發現，高溫熱害氣象指數保險區劃的3個風險區域分布范圍和趨勢與氣象致災因子區劃結果(圖2-b)近似，災害呈現“西南重、東北輕”的特征，能夠很好地體現災害發生程度的空間分布形態。低風險區、中風險區、高風險區的平均水稻高溫熱害保險氣象指數分別為0.025、0.095、0.165，由于高溫熱害造成的平均減產分別為6.84%、9.28%、11.66%。

從1980—2015年江蘇省各區域水稻高溫熱害保險氣象指數年變化可以看出，水稻高溫熱害發生程度呈顯著上升趨勢(圖3)。近20年來，由水稻高溫熱害保險氣象指數判定的主要水稻高溫熱害發生年份有1998、2003、2005、2006、2007、2010、2013年。相應地，從全省水稻實際平均減產率和災情記錄發現，水稻高溫熱害保險氣象指數可以較好地識別水稻熱害的典型年份，但其數值大小并未與水稻實際減產率一一對應，尤其是2015年之后，出現很強的高溫天氣，但并未造成全省大規模減產(表3)。其原因主要是在水稻熱害典型發生年份中，影響水稻最終實際產量的因素除了高溫熱害外，還可能受到栽培技術提高、水稻品種改良、播種時期變更或者其他災害等因素的影響，從而造成兩者的不一致。

4 結論與討論

采用Logistic曲線方程定量描述高溫熱害對水稻產量損失的影響程度，通過災害分離和去偏離值的方法選取樣本， 利用最優化技術確定參數，構建的水稻高溫熱害保險氣象指數具有較好的適用性。該指數準確地把握了災害風險與產量損失之間關系，在此基礎上開展保險賠付工作，有利于減小“基差”風險。

表3 近20年江蘇省水稻高溫熱害典型年份實況信息

通過與高溫致災因子區劃結果進行空間對比，以及水稻熱害典型年份災損表征度的定量分析發現，江蘇水稻高溫熱害呈現“西南重、東北輕”的特征，水稻高溫熱害氣象指數保險風險區劃結果在表征災害發生規律的同時也體現了相應災損的情況，可以更好地為單一災害保險區域選擇和費率厘定提供依據和修正參考。

由于樣本的局限性，構建水稻高溫熱害保險氣象指數時，沒有區分水稻不同高溫敏感階段受高溫熱害影響的差異，也沒有區分不同高溫熱害持續時間對產量影響的差異。今后可以開展相關研究進一步量化高溫熱害對水稻生長及其產量的影響。在實施保險工作中，一旦水稻高溫熱害保險氣象指數達到賠付閾值時，不需要考慮各地田間管理措施以及后期有利氣象條件補償作用的差異性，或者其他災害的影響，各區域一致采用事前約定好的理賠標準，從而減小定損成本。

本研究僅從高溫熱害實際發生情況和對應災損的角度進行水稻高溫熱害保險區劃評估，未考慮各地區常年平均產量水平、經濟水平以及費率水平等其他因素的影響，未能綜合體現水稻生產所面臨的災害風險因子的影響。因此，在后續水稻高溫熱害保險產品設計時(如修正保險區劃結果、厘定保費、確定實際啟動賠付閾值等)，還需要考慮各個地區平均生產狀態等因素的影響。