安徽河蟹養(yǎng)殖高溫熱害天氣指數模型設計與實踐*

劉瑞娜，楊太明**，陳金龍，陳金華，孫喜波

安徽河蟹養(yǎng)殖高溫熱害天氣指數模型設計與實踐*

劉瑞娜1，楊太明1**，陳金龍2，陳金華1，孫喜波3

（1．安徽省農業(yè)氣象中心/安徽省農業(yè)生態(tài)大數據工程實驗室，合肥 230031；2．馬鞍山市氣象局，馬鞍山 243000；3．國元農業(yè)保險公司，合肥 230031）

基于安徽省當涂縣2012-2016年3個河蟹養(yǎng)殖池塘的物聯網水溫觀測數據和河蟹產量數據、死亡率數據，以及1985-2016年當涂縣逐日氣象數據，分析不同深度水溫與河蟹產量的相關性，確定池塘河蟹高溫熱害關鍵致災因子和致災臨界值。通過構建關鍵致災因子與氣溫的關系模型，推算池塘養(yǎng)殖河蟹的高溫熱害致災臨界氣象條件，定義高溫熱害天氣指數。在此基礎上，結合河蟹高溫熱害死亡率樣本，利用K-均值聚類分析方法，建立高溫熱害等級指標，設計池塘養(yǎng)殖河蟹高溫熱害天氣指數保險產品，并試點應用。結果表明：池塘養(yǎng)殖河蟹高溫熱害關鍵致災因子為60cm深度日平均水溫，其致災臨界值為31℃。60cm深度日平均水溫與前一日平均氣溫相關性最高，根據其關系模型可知，發(fā)生高溫熱害的臨界氣象條件為日平均氣溫≥30.5℃。因此，池塘養(yǎng)殖河蟹高溫熱害指數（S）定義為：6月21日-9月10日，日平均氣溫≥30.5℃的天數。池塘養(yǎng)殖河蟹高溫熱害等級指標為：輕度死亡率0～1%（0

池養(yǎng)河蟹；高溫熱害；致災因子；等級指標；天氣指數保險

安徽是中國淡水水產大省，省內淡水面積約120萬hm2，居全國第2位，年水產品總產160多萬t。池塘養(yǎng)殖河蟹由于產量較高，經濟效益好，目前是安徽農村專業(yè)養(yǎng)蟹的主要方式之一，近年來養(yǎng)殖規(guī)模和產量持續(xù)增長。每年夏季，河蟹個體增長最快，是影響其品質好壞的關鍵階段，而此期也是高溫天氣的高發(fā)時期，往往導致池養(yǎng)河蟹出現不同程度的應激反應，引起蛻殼不遂和死亡，對養(yǎng)殖產量和效益造成一定影響[1]。

天氣指數農業(yè)保險是規(guī)避農業(yè)生產風險，提高防災減災及災后恢復能力的有效手段[2]。20世紀90年代，國外已開始天氣指數方面的研究[3-4]。國內主要針對種植業(yè)開展了天氣指數保險研究。劉映寧等[5-6]研究了蘋果花期凍害保險指數，婁偉平等[7]探討了浙江茶葉霜凍氣象指數，毛裕定等[8]設計了浙江柑橘天氣指數，任義方等[9]開展了江蘇水稻高溫熱害氣象指數保險風險區(qū)劃研究。欒慶祖等[10]提出了一種基于動量方程的冰雹災害損失評估方法，以期為水果冰雹災害氣象指數保險產品開發(fā)提供一種新的思路和方法。楊太明等[11-13]針對安徽省主要糧食作物，先后推出分作物、分災種、分時段系列天氣指數保險產品。這些種植業(yè)天氣指數保險產品已得到推廣應用，并取得了較好的服務效果。但目前國內關于水產養(yǎng)殖的天氣指數保險研究相對較少，已有研究主要局限在基于風力指數的水產養(yǎng)殖保險[14-15]，針對氣溫指數的水產養(yǎng)殖天氣指數保險較少，針對高溫熱害的水產養(yǎng)殖天氣指數產品更是少見。因此，本研究擬在借鑒國內外天氣指數保險的理論和方法研究的基礎上，基于2012-2016年安徽省當涂縣河蟹養(yǎng)殖池塘水體物聯網數據，通過分析不同深度水溫與河蟹產量相關性，建立高溫熱害等級指標，并初步設計池塘養(yǎng)殖河蟹高溫熱害天氣指數保險產品，以期為實現水產養(yǎng)殖高溫熱害風險轉移提供有效途徑。

1 資料與方法

1.1 池塘條件

安徽省當涂縣地處長江下游的江南水網地帶，漁業(yè)資源豐富，其中河蟹池塘養(yǎng)殖發(fā)展迅速，在安徽省河蟹養(yǎng)殖中占有十分重要的地位。為此，選擇代表安徽省平均養(yǎng)殖水平和環(huán)境條件的3個河蟹養(yǎng)殖池塘作為研究對象，3個池塘分別位于大隴鄉(xiāng)水產養(yǎng)殖場、苦菜圩水產養(yǎng)殖示范區(qū)和綠野生態(tài)農業(yè)示范區(qū)。池塘水源為天然水源，進排水口分開，進水口用密網過濾，池塘規(guī)格整齊，四周均有高0.6m的防逃圍欄，夏季平均水深均為1.2m。塘口種植水草，品種主要為苦草，占池塘面積60%～70%。

1.2 物聯網觀測系統(tǒng)

3個河蟹養(yǎng)殖池塘自2012年均安裝“農企通”物聯網精確農業(yè)信息化系統(tǒng)。該物聯網監(jiān)測系統(tǒng)主要包括溶解氧、水溫、pH、電導率和濁度等傳感器，可實現多指標實時監(jiān)測。其中溫度傳感器選用安徽產SSL3900型水溫水位一體化傳感器，感應范圍?30～80℃，探測精度為0.2℃，測溫點在池塘水面中心，距離岸邊10m，溫度感應探頭安裝在水面下10cm、60cm和100cm深處，以實現不同深處水溫變化的實時監(jiān)測。氣溫數據取自池塘岸邊約5m處自動氣象觀測站。系統(tǒng)每小時進行數據采集，并自動存儲。

1.3 數據來源

2012-2016年3個池塘不同深度水溫（10cm、60cm、100cm）觀測數據和氣溫觀測數據分別來源于河蟹養(yǎng)殖池塘物聯網觀測系統(tǒng)和池塘自動氣象觀測站。2012-2016年3個池養(yǎng)河蟹產量數據和2017年河蟹死亡率數據來源于當地養(yǎng)殖戶養(yǎng)殖日志，2001-2016年當涂縣河蟹高溫熱害死亡率數據來源于當涂縣水產局災情記載。1985-2016年當涂縣氣象觀測站逐日氣象資料來源于安徽省氣象局。

其中，河蟹高溫熱害死亡率（P）為

式中，P為河蟹高溫熱害死亡率（%），D0為蟹苗投放量（只），D為高溫熱害導致的河蟹死亡量（只）。

1.4 天氣指數模型構建

1.4.1 關鍵致災因子選取

高溫熱害主要由水溫過高引起，造成河蟹死亡率上升，產量減少。因此，構建災害指標首先考慮分析不同深度水溫與河蟹產量的相關性。把2012-2016年3個池塘不同深度水溫（10cm、60cm、100cm）分別與河蟹歷年產量進行相關分析，按照引入因子對產量的影響最大，且因子之間相關性較低的原則[16]，確定某一深度水溫作為高溫熱害關鍵因子。

1.4.2 關鍵致災因子臨界值的確定

對已經確定的高溫熱害關鍵因子給予不同的連續(xù)界限值，分別統(tǒng)計2012-2016年3個河蟹養(yǎng)殖池塘關鍵因子大于等于該設定界限值天數的樣本序列，并與2012-2016年河蟹產量進行相關普查，選擇相關系數最大值所對應的關鍵因子界限值作為判定河蟹養(yǎng)殖高溫熱害的水溫臨界值[16]。

1.4.3 天氣指數選取

作為隨機變量，一個合適的天氣指數應滿足以下標準：可觀測或可測量、客觀性、清晰明確、獨立可驗證性、及時性以及時間上的穩(wěn)定性和可持續(xù)性[2]?？紤]到水溫數據的可獲取性和天氣指數農業(yè)保險產品的簡便、易懂和可操作性，基于水溫和氣溫關系模型，選擇目前使用較多的氣溫變量作為高溫熱害天氣指數。

1.4.4災害等級劃分標準

利用SPSS軟件中K-均值聚類分析方法，通過給定需要的聚類數目，用有限次逼近法，按照聚類最優(yōu)原則確定高溫熱害指數和高溫熱害死亡率的聚類中心，以相鄰聚類中心的平均值為界限，確定池塘養(yǎng)殖河蟹高溫熱害等級指標。

2 結果與分析

2.1 河蟹高溫熱害致災臨界值分析

2.1.1 關鍵致災因子選取

分析2012-2016年河蟹生長關鍵期（6-9月）當涂縣3個河蟹養(yǎng)殖池塘10cm、60cm、100cm深度日平均水溫與河蟹產量（Y）的相關系數，由表1可見，60cm深度日平均水溫與河蟹產量呈極顯著相關關系（P<0.01），10cm深度日平均水溫與河蟹產量呈顯著相關關系（P<0.05），100cm深度日平均水溫未通過顯著性檢驗。進一步分析不同深度日平均水溫之間的相關系數可見，不同深度日平均水溫之間均呈極顯著相關（P<0.01）。按照引入因子對產量的影響最大且因子之間相關性較低的原則，選取60cm深度日平均水溫作為高溫熱害致災關鍵因子。

表1 2012-2016年3個池塘不同深處水溫（T10、T60、T100）間及其與河蟹產量（Y）的相關分析(n=45)

注：T10、T60、T100分別為10cm、60cm和100cm深度日平均水溫（℃），Y為河蟹產量（kg·hm?2）。*、**分別表示相關系數通過0.05、0.01水平的顯著性檢驗。下同。

Note: T10, T60, T100is the daily average water temperature at 10cm, 60cm, and 100cm depth(℃), Y is yield of Chinese hairy crab(kg·ha?1).*is P<0.05,**is P<0.01. The same as below.

2.1.2 關鍵致災因子與氣溫的關系

選取日平均氣溫、日最高氣溫、前1日平均氣溫和前1日最高氣溫序列，與60cm深度日平均水溫進行相關分析。由表2可見，池塘內60cm深處日平均水溫與各氣溫因子間均呈極顯著正相關關系（P<0.01），其中，與前一日平均氣溫的相關性最高，相關系數達0.944。因此，選擇前一日平均氣溫作為60cm深度日平均水溫的決定因子，并將前一日平均氣溫與60cm深度日平均水溫進行回歸分析，得到二者關系模型，即

T60=0.8612T?1d+4.8014 （2）

式中，T60為池塘內60cm深度日平均水溫（℃），T?1d為前一日平均氣溫（℃）。

表2 2012-2016年3個河蟹養(yǎng)殖池塘60cm深處逐日日平均水溫與氣溫的相關系數

2.1.3 致災臨界值確定

根據關鍵因子臨界值的定義，對已經確定的關鍵致災因子（T60）給予不同的連續(xù)界限值，分別統(tǒng)計2012-2016年3個河蟹養(yǎng)殖池塘60cm深處日平均水溫大于等于該界限值天數的樣本序列，并與2012-2016年河蟹產量進行相關普查，普查結果可用圖1的皮爾遜相關系數變化曲線表示。選擇相關系數最大值所對應的關鍵因子界限值作為判定河蟹養(yǎng)殖高溫熱害的水溫臨界值。已有研究[17]表明，河蟹生長適宜水溫的上限為28℃，因此，60cm深度日平均水溫界限值以28℃為起始，以0.5℃為間隔，最高為34℃。

由圖1可知，當界限值為31℃時，60cm深處日平均水溫大于等于該界限值的天數與當年河蟹產量相關性最大，在該界限值兩側，相關系數下降較快。說明60cm深處日平均水溫臨界值等于31℃，即60cm日平均水溫超過31℃，會對當年河蟹生長和產量產生不利影響。根據式（2），60cm深處日平均水溫為31℃時，其對應的前一日平均氣溫為30.5℃。據此確定池塘養(yǎng)殖河蟹發(fā)生高溫熱害的臨界氣象條件為日平均氣溫≥30.5℃。

圖1 關鍵因子（T60）大于等于界限值的天數與河蟹產量的相關系數

2.2 河蟹高溫熱害評估模型建立

2.2.1 高溫熱害指數設計

對2001-2016年當涂縣氣象觀測站逐日氣溫數據匯總排序表明，在90%保證率下，日平均氣溫≥30.5℃高溫天氣主要出現在6月21日-9月10日，此時也是河蟹生長的關鍵時期，因此，選定6月21日-9月10日作為池塘河蟹高溫熱害指數的計算時段。根據天氣指數設計原則，結合上述確定的池塘養(yǎng)殖河蟹高溫熱害氣溫臨界值，將池塘河蟹養(yǎng)殖高溫熱害指數(S)定義為：6月21日-9月10日，日平均氣溫≥30.5℃的天數。日平均氣溫以參保蟹塘附近的自動氣象站觀測數據為準。

2.2.2 高溫熱害等級指標建立

根據高溫熱害天氣指數的定義，統(tǒng)計得到2001-2016年當涂縣歷年高溫熱害指數時間序列。應用SPSS軟件對歷年高溫熱害指數和對應年份的河蟹高溫熱害死亡率進行K-均值聚類分析，設定聚類數為4類，按照聚類最優(yōu)原則，得到高溫熱害指數和高溫熱害死亡率的4個聚類中心，以高溫熱害指數和高溫熱害死亡率相鄰聚類中心平均值為界限，把池塘養(yǎng)殖河蟹高溫熱害指標等級劃分為輕度、中度、重度和特重共4個等級如表3。

表3 安徽省當涂縣池養(yǎng)河蟹高溫熱害指標等級劃分標準

注：高溫熱害指數(S)為6月21日-9月10日日平均氣溫≥30.5℃的天數。下同。

Note: The value of cumulative days when daily average temperature ≥30.5℃ from June 21 to September 10 were defined as the high temperature disaster index of Chinese hairy crab(S). The same as below.

2.2.3 高溫熱害等級指標檢驗

2017年7月安徽省出現持續(xù)高溫天氣，此時正值池塘河蟹生長關鍵時期，由于極端最高氣溫高，高溫日數多，造成當涂縣河蟹出現死亡現象。實地調查發(fā)現，高溫導致大隴鄉(xiāng)水產養(yǎng)殖場和綠野生態(tài)農業(yè)示范區(qū)河蟹死亡率分別為4.2%和4.1%。利用高溫熱害等級指標對該年高溫熱害程度進行評估，其結果與實際災損等級見表4。由表可知，2個池塘高溫熱害評估等級和實際災損等級均為重度，準確率為100%。由于樣本數量有限，輕度、中度和特重災害等級未得到檢驗。

2.3 高溫熱害天氣指數保險產品

2.3.1 產品設計

當涂縣池塘河蟹高溫熱害天氣指數保險賠付可表示為[18]

式中，I是單位面積保險賠償金額（元·667m?2）；Ms為天氣指數S對應的河蟹死亡率（%），Q是正常年份河蟹養(yǎng)殖平均產值（元·667m?2），S0為賠付觸發(fā)值。當天氣指數S超過S0時，開始賠付，最高天氣指數等級對應的賠付金額為保險金額（I0）。

據調研，在不發(fā)生災害情況下，安徽省當涂縣正常年份河蟹養(yǎng)殖平均產值在20000元·667m?2。由表3可知，高溫熱害最高可導致的河蟹死亡率為10%，根據式（3），則高溫熱害保險金額為2000元·667m?2。

根據當涂縣池塘養(yǎng)殖河蟹高溫熱害指標等級和天氣指數賠款水平逐漸遞增原則，根據式（3）計算保險賠付金額，不同天氣指數值對應的賠付比例和單位面積賠付金額見表5。由表可以看出，當高溫熱害天氣指數≥21d時，啟動賠付，賠付金額為100～2000元·667m?2。

基于當涂縣1985-2016年氣象資料，統(tǒng)計當涂縣池塘河蟹養(yǎng)殖高溫熱害指數（圖2），根據表5中賠付標準測算每年的應賠付金額?？梢钥闯觯?985-2016年有1990、1994、1995、1998、2001、2003、2006、2013和2016年共9個年份觸發(fā)了起賠點，平均賠付金額為109元·667m?2。根據式（4）計算獲得當涂縣池塘養(yǎng)殖河蟹高溫熱害天氣指數純保險費率為5%，保費為100元·667m?2。

式中，Pv為保險費率（%），P0為平均賠付金額（元·667m?2），I0為保險金額（元·667m?2）。

2.3.2 應用案例

根據池塘河蟹養(yǎng)殖高溫熱害天氣指數產品，2017年7月安徽國元農業(yè)保險公司當涂支公司與當涂縣苦菜圩水產養(yǎng)殖有限公司簽訂了第一筆池塘河蟹養(yǎng)殖高溫熱害天氣指數保單，參保蟹塘共7個，面積共計16.67hm2。2017年當涂縣苦菜圩水產養(yǎng)殖廠出現持續(xù)高溫天氣，導致河蟹死亡率達2.7%，經濟損失約540元·667m?2。根據自動氣象站觀測的氣溫數據，2017年當涂縣苦菜圩水產養(yǎng)殖有限公司高溫熱害指數為29d，按照賠付標準（表5），理論上，保險應賠付460元·667m?2。高溫熱害損失金額與保險賠付金額較接近，表明設計的天氣指數賠償標準基本合理。

表4 2017年2個河蟹養(yǎng)殖池塘高溫熱害災害樣本檢驗結果

表5 安徽省當涂縣池塘養(yǎng)殖河蟹高溫熱害天氣指數賠付標準

Note: Premiums multiply by compensation ratio equals amount of compensation (Yuan·667m?2). Premiums equals 2000 yuan·667m?2.The same as below.

圖2 1985-2016年當涂縣河蟹高溫熱害指數值和應賠付金額測算

3 結論與討論

3.1 結論

（1）水溫是影響水生動物生存最重要的環(huán)境因子。將不同深度水溫分別與河蟹產量進行相關分析，篩選出池塘河蟹高溫熱害關鍵致災因子為60cm深度日平均水溫，其致災臨界值為31℃。通過建立60cm深度日平均水溫與氣溫的關系模型，確定池塘河蟹養(yǎng)殖發(fā)生高溫熱害的臨界氣象條件為日平均氣溫≥30.5℃。

（2）當涂縣池養(yǎng)河蟹高溫熱害天氣指數為6月21日-9月10日期間日平均氣溫≥30.5℃的天數。當涂縣池養(yǎng)河蟹輕度、中度、重度、特重高溫熱害等級對應的高溫熱害指數（S）分別為0

（3）當涂縣池養(yǎng)河蟹高溫熱害天氣指數21為賠付觸發(fā)值，不同指數值賠付金額在100～2000元·667m?2。基于當涂縣歷史災害平均損失率厘定的河蟹高溫熱害天氣指數純保險費率為5.0%，保費為100元·667m?2。試點應用表明設計的天氣指數賠償標準基本合理。

3.2 討論

水體環(huán)境是水產動物養(yǎng)殖中常見的脅迫因子，其中水溫是最重要的因子之一，直接影響河蟹的代謝、生長、蛻殼和存活等[19]。已有研究表明，在一定溫度范圍內，河蟹生長速度和存活率隨著溫度升高而升高，但當環(huán)境溫度過高，超出河蟹自身的調節(jié)能力時，會導致其生長速率減慢，死亡率上升[20]。本研究通過分析當涂縣6-9月物聯網觀測數據與河蟹產量的關系，確定了具有科學性、本地化的高溫熱害水溫致災臨界值。在此基礎上，結合水溫與氣溫的關系模型，定義了池塘養(yǎng)殖河蟹高溫熱害天氣指數，為天氣指數保險產品開發(fā)提供了精準可靠的理賠指數。此外，本研究以當涂縣2001-2016年長序列氣象資料和河蟹死亡率資料為基礎，建立高溫熱害等級指標，克服了物聯網水溫觀測數據年代短，數據支撐不足的問題。

當然，本研究構建的天氣指數產品也存在一定的局限性和不足。首先，構建的天氣指數產品是以高溫熱害天氣指數等級和其對應的河蟹死亡率為基礎。但河蟹死亡率受多因素復合影響[20]，嚴重的高溫熱害往往會對鹽度、溶氧量等其它環(huán)境因子產生影響，進而導致河蟹對病原生物的易感染性[21-22]。這是本產品試點應用時基差風險的主要來源。其次，本研究僅基于安徽省池塘養(yǎng)殖河蟹主產區(qū)代表站當涂縣的歷史資料建立天氣指數模型，后期在應用推廣過程中還需根據各地的河蟹養(yǎng)殖管理水平和高溫實際狀況等對天氣指數產品的相關參數進行本地化。

[1] 陳軍偉,馬旭洲,王武,等.中華絨螯蟹幼蟹生長和蛻殼與積溫關系的研究[J].上海海洋大學學報,2016,(5):675-683.

Chen J W,Ma X Z,Wang W,et al.The study of relationships between growth, molt and accumulated temperature of the Chinese mitten crab(Eriocheir sinensis)[J].Journal of Shanghai Ocean University,2016,(5):675-683.(in Chinese)

[2] 劉布春,梅旭榮.農業(yè)保險的理論與實踐[M]北京:科學出版社,2010:230-262.

Liu B C,Mei X R.Theory and practice of agricultural insurance[M].Beijing:Sciences Press,2010:230-260.(in Chinese)

[3] Makki S S.Crop insurance:inherent problems and innovation solutions[A].Agriculture Policy for the 21 Century[C].Ames: Iowa State Press,2002.

[4] Wenner M,Arias D.Agriculture insurance in Latin American:where are we[R].Paving the Way Forward for Rural Finance an International Conference on Best Practices, 2003.

[5] 劉映寧,賀文麗,李艷麗,等.陜西果區(qū)蘋果花期凍害農業(yè)保險風險指數的設計[J].中國農業(yè)氣象,2010,31(1):125-129.

Liu Y N,He W L,Li Y L,et al.A study on the risk index design of agricultural insurance on apple florescence freezing injury in Shaanxi fruit zone[J].Chinese Journal of Agrometeorology, 2010,31(1):125-129.(in Chinese)

[6] 楊小利.甘肅平涼市蘋果花期凍害農業(yè)保險風險等級評估[J].干旱氣象,2014,32(2):281-285.

Yang X L.Risk assessment of agricultural insurance on apple freezing injury at blooming stage in Pingliang of Gansu province[J].Journal of Arid Meteorology,2014,32(2):281-285. (in Chinese)

[7] 婁偉平,吉宗偉,邱新法,等.茶葉霜凍氣象指數保險設計[J].自然資源學報, 2011,26(12):2050-2060.

Lou W P,Ji Z W,Qiu X F,et al.Design of weather index insurance contact for tea frost[J].Journal of Natural Resources, 2011,26(12):2050-2060.(in Chinese)

[8] 毛裕定,吳利紅,苗長明,等.浙江省柑桔凍害氣象指數保險參考設計[J].中國農業(yè)氣象,2007,28(2):226-230.

Mao Y D,Wu L H,Miao C M,et al.A reference design for citrus freeze damage insurance by using meteorological index in Zhejiang province[J].ChineseJournal of Agrometeorology, 2007,28(2):226-230.(in Chinese)

[9] 任義方,趙艷霞,張旭輝,等.江蘇水稻高溫熱害氣象指數保險風險綜合區(qū)劃[J].中國農業(yè)氣象,2019,40 (6):391-401.

Ren Y F,Zhao Y X,Zhang X H,et al.Comprehensive risk regionalization of meteorological index insurance for high temperature heat damage of rice in Jiangsu province[J]. Chinese Journal of Agrometeorology,2019,40(6): 391-401.(in Chinese)

[10] 欒慶祖,董鵬捷,葉彩華.面向氣象指數保險的水果冰雹災害災損評估方法[J].中國農業(yè)氣象,2019,40(6):402-410.

Luan Q Z,Dong P J,Ye C H.A Weather-index-based insurance-oriented method for hail disaster assessment on fruits loss[J].Chinese Journal of Agrometeorology,2019, 40(6):402-410.(in Chinese)

[11] 楊太明,許瑩,孫喜波,等.安徽省夏玉米干旱天氣指數保險產品設計及應用[J].氣象,2016,42(4):450-455.

Yang T M,Xu Y,Sun X B,et al.Design and application of the drought weather index insurance of summer corn in Anhui province[J].Meteorological Monthly,2016,42(4):450-455. (in Chinese)

[12] 楊太明,孫喜波,劉布春.安徽省水稻高溫熱害保險天氣指數模型設計[J].中國農業(yè)氣象,2015,36(2):220-226.

Yang T M,Sun X B,Liu B C.Design on weather indices model for insurance of rice heat damage in Anhui province[J].Chinese Journal of Agrometeorology,2015, 36(2):220-226.(in Chinese)

[13] 楊太明,劉布春,孫喜波,等.安徽省冬小麥種植保險天氣指數設計與應用[J].中國農業(yè)氣象,2013,34(2):229-235.

Yang T M,Liu B C,Sun X B,et al.Design and application of the weather indices of winter wheat planting insurance in Anhui province[J].Chinese Journal of Agrometeorology, 2013, 34(2):229-235.(in Chinese)

[14] 王建國.氣象指數型水產養(yǎng)殖保險研究[J].保險研究,2014,3:62-68.

Wang J G.A study on the weather index-based aquaculture insurance[J].Insurance Studies,2014,3:62-68.(in Chinese)

[15] 李亞琦,韓興勇,岳宗勝. 海水養(yǎng)殖風力指數保險設計及費率厘定研究:以廣東省為例[J].海洋經濟,2016,6(3):3-9.

Li Y Q,Han X Y,Yue Z S.On the design of a wind speed index-based mariculture insurance and related premium rating:a case study of Guangdong province[J].Marine Economy,2016,6(3):3-9.(in Chinese)

[16] 劉靜,馬力文,張曉煜,等.春小麥干熱風災害監(jiān)測指標與損失評估模型方法探討:以寧夏引黃灌區(qū)為例[J].應用氣象學報,2004,15(2):217-224.

Liu J,Ma L W,Zhang X Y,et al.A method for monitoring dry-hot wind of spring wheat and estimating its yield losses:an example in irrigated areas of Ningxia[J].Quarterly Journal of Applied Meteorology,2004,15(2):217-224.(in Chinese)

[17] 辜曉青,江國振.河蟹養(yǎng)殖生態(tài)、氣象影響因子觀測研究[J].江西農業(yè)學報,2015,(4):88-93.

Gu X Q,Jiang Q Z.Researches on ecological and meteorological factors affecting crab breeding[J].Acta Agriculturae Jiangxi,2015,(4):88-93.(in Chinese)

[18] 曹雯,武萬里,楊太明,等.寧夏枸杞炭疽病害天氣指數保險研究[J].干旱氣象,2019,37(5):857-865,

Cao W,Wu W L,Yang T M,et al.Study on weather index insurance of colletotrichum gloeosporioides penz of China wolfberry in Ningxi[J].Journal of Arid Meteorology,2019, 37(5):857-865.(in Chinese)

[19] 時冬頭,許祥,陳賢明.中華絨螯蟹成蟹生長與主要氣象因素的關系[J].江蘇農業(yè)科學,2013,41(4):226-228.

Shi D T,Xu X,Chen X M.Research progress of effects of temperature on growth and development of shrimp and crab[J].Jiangsu Agricultural Sciences,2013,41(4):226-228. (in Chinese)

[20] 王曉麗.高溫指數型海水養(yǎng)殖保險產品研究:以山東省萊州市海參養(yǎng)殖為例[D].泰州:山東農業(yè)大學,2019:50-55.

Wang X L.Research on high temperature index mariculture insurance products:taking the cultivation of sea cucumber in Laizhou city[D].Taizhou:Shandong Agriculture University, 2019:50-55.(in Chinese)

[21] 李青,陳永祥.溫度對蝦蟹生長發(fā)育影響的研究進展[J].江蘇農業(yè)科學,2019,47(10):26-31.

Li Q,Chen Y X.Research progress of effects of temperature on growth and development of shrimp and crab[J].Jiangsu Agricultural Sciences,2019,47(10),26-31.(in Chinese)

[22] 黃永平,劉可群,蘇榮瑞,等.淡水養(yǎng)殖水體溶解氧含量診斷分析及浮頭泛塘氣象預報[J].長江流域資源與環(huán)境,2014, 23(5):638-643.

Huang Y P,Liu K Q,Su R R,et al.Meteorological influencing elements of dissolved oxygen concentration in fish ponds and new models to forecast fish floating head[J].Resources and Environment in the Yangtze Basin,2014,23(5): 638-643. (in Chinese)

Design and Application on Weather Indices Model for High Temperature Disaster of Chinese Hairy Crab in Anhui

LIU Rui-na1, YANG Tai-ming1, CHEN Jin-long2, CHEN Jin-hua1, SUN Xi-bo3

(1.Anhui Agricultural Meteorological Center/Anhui Engineering Laboratory of Agro-Ecological Big Data, Hefei 230031, China; 2.Ma Anshan Meteorological Bureau, Ma′anshan 243000；3.Guoyuan Agricultural Insurance Company, Hefei 230031)

Weather index agricultural insurance is an important way of avoiding agricultural production risk and improving recovery capabilities. Based on the water temperature observation data from internet of things and Chinese hairy crab yield data in three intensive culture ponds from 2012 to 2016, mortality data from 2001 to 2016 and daily surface meteorological observation data from 1985 to 2016 in Dangtu of Anhui province,the correlations between water temperatures at different depths and the yield of Chinese hairy crab (Eriocheir Sinensis) were analyzed, the key disaster-inducing factor of high temperature disaster and its critical value were determined. Then, the correlations between key disaster-inducing factor and air temperatures were analyzed and their relationship model was built. Based on the relationship model, the critical value of air temperature was calculated and the heat damage weather index of China hairy crab was defined. Based on this, combined with the Chinese hairy crab mortality data caused by high temperature disaster, the grade indices of high temperature disaster were established by K-means clustering analysis method. The insurance claim schemes based on the grade indices were designed preliminarily and was applied in Dangtu. The results showed that the key disaster-inducing factor of high temperature disaster was daily average water temperature at 60cm depth and its critical value was 31℃.The key disaster-inducing factor had the most correlation with daily average air temperature of the previous day. Based on their relationship model, the critical value of daily average temperature was calculated to be 30.5℃, the value of cumulative days when daily average temperature equal or greater than 30.5℃ from June 21 to September 10 were defined as the high temperature disaster weather index of Chinese hairy crab（S）.The damage could be defined as slight when the mortality was between 0-1%(0

Chinese hairy crab; High temperature disaster; Key disaster-inducing factor；Grade indices; Weather index insurance

10.3969/j.issn.1000-6362.2020.05.006

劉瑞娜,楊太明,陳金龍,等.安徽河蟹養(yǎng)殖高溫熱害天氣指數模型設計與實踐[J].中國農業(yè)氣象,2020,41(5):320-327

2019?12?04

楊太明，E-mail：ytm0305@126.com

國家自然基金項目（71473127）；安徽省重點研究和開發(fā)計劃面上攻關項目（1804a07020124）

劉瑞娜，E-mail：naxybz@sina.com