基于濮陽市夏玉米干旱天氣指數模型的農業保險設計

董建設

（濮陽市氣象局，河南 濮陽 457000）

玉米（Zea maysL.）是濮陽市的主要糧食作物，2020 年該市玉米播種面積為15.2 萬hm2，約占全市秋糧作物面積的77%，占全市糧食作物總面積的36%，是濮陽市重要的農業經濟來源。玉米分春、夏兩季種植，濮陽市種植夏玉米，一般6 月初開始播種，9 月下旬成熟收獲，種植期間階段性干旱頻繁發生，嚴重影響了夏玉米的產量，給農戶帶來嚴重的經濟損失。因此，需要開展干旱災害風險評估和風險轉移研究，最大限度地減輕干旱災害對夏玉米產量造成的影響。農業保險是規避自然風險、保障農業生產、穩定農民收入的重要手段。天氣指數保險是指將氣象致災因子和其所造成的損失開展相關性分析并進行天氣指數設計，將氣象災害引發的作物損害程度評估指數化，當某種氣象災害指數達到某個預定值，投保戶就可以申請得到一定的經濟補償［1］。天氣指數保險與傳統農業保險相比，具有產品設計形式簡單，基礎數據客觀權威、道德風險低、逆向選擇低、合同標準化程度高等優勢。天氣指數保險最早出現在20 世紀90 年代的美國、加拿大等發達國家，其成果已投入保險業中使用。國內學者在天氣指數保險方面也進行了一定的探索。如楊太明等［2，3］設計了安徽省冬小麥的5 種天氣指數保險產品，主要有干旱指數、倒春寒指數、干熱風指數、陰雨日數指數等；牛浩［4］研究出基于風險區劃的玉米產量保險產品；李琴英等［5］對河南省玉米區域產量保險展開了實證研究。

本研究在借鑒以上研究成果的基礎上，立足本地農業保險市場需求，以濮陽市夏玉米為研究對象，應用天氣指數保險理念［6，7］，分析夏玉米生育期內相關氣象要素和產量損失的關系，構建夏玉米干旱天氣指數模型［8-11］，根據模型厘定保險費率和保險觸發指標，設計夏玉米干旱氣象指數保險產品［12，13］，旨在為濮陽市農業保險提供科學、合理的理賠依據，推動農業生產的高質量發展。

1 資料與方法

1.1 資料來源

本研究氣象數據來源于濮陽市5 個縣級國家氣象觀測站，選取1991—2020 年降水量、日照時數、平均氣溫、最高氣溫、最低氣溫、相對濕度、平均風速、水汽壓的逐日數據；玉米產量數據來源于濮陽市地方史志辦公室、濮陽市統計年鑒和河南省統計年鑒；干旱災情數據來源濮陽市氣象局災情數據庫、地方志和《中國氣象局災害大典：河南卷》［14］。

采用Excel、Eviews、R 語言等軟件，運用常規統計方法，對玉米產量數據、生長觀測數據和天氣指數模型進行統計分析。

1.2 干旱天氣指數

夏玉米的生長發育和產量與全生育期的日照時數、氣溫、降水量等氣候變量有很強的相關性［15-17］。因此，根據天氣指數設計原則，需選用受人為因素影響小且與玉米產量損失密切相關的氣象指標構建對應的災害指數模型。本研究選取標準化降水蒸散指數SPEI作為衡量濮陽市夏玉米干旱程度的指標，其融合了降水量和氣溫對區域干旱的影響，又具有多時間和空間尺度的特性，能有效反映不同區域的旱澇狀況。

1.2.1 參考作物蒸散量 參考作物蒸散量（Reference crop evapotrans-piration）是指供水充分條件下滿足參考作物的潛在蒸散量。逐日參考作物蒸散量采用聯合國糧農組織（FAO）1998 年修正的標準Penman-Monteith 公式，算式如下。

式中，ET0為參考作物蒸散量，mm∕d；Rn為地表凈輻射，MJ∕（m2·d）；G為土壤熱通量，G=0.32 MJ∕（m2·d）；Tmean為日平均氣溫，℃；u2為2.0 m 高處風速，m∕s；es為飽和水汽壓，kPa；ea為實際水汽壓，kPa；Δ為飽和水汽壓曲線斜率，kPa∕℃；γ 為干濕表常數，kPa∕℃。地表凈輻射、日平均氣溫和水汽壓等參數均可通過日照時數、最高氣溫和最低氣溫等氣象要素求出。

1.2.2 標準化降水蒸散指數 標準化降水蒸散指數（SPEI）通過對年均降雨量和潛在蒸散量二者之間差值的正態標準化處理計算得到。潛在蒸散量與逐月降雨量的差值（Di）采用PM 法，計算式如下。

式中，Pi為第i月的累計降水量，mm；ETi為第i月的潛在蒸散量，mm；Di為反映第i月的水分盈虧狀況的參數，mm。構建水分盈虧累積序列，采用Loglogistic 概率分布函數，并對概率密度進行標準化處理，計算出對應的SPEI如下。

式中，I為SPEI值；ω為概率加權矩；P為累積概率；C0、C1、C2、d1、d2、d3均為常數項，C0=2.515 517，C1=0.802 853，C2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 300。根據GB∕T 20481—2006《氣象干旱等級》，SPEI的干旱等級劃分標準化為：I≤-2.0 為特旱，-2.0＜I≤-1.5 為重旱，-1.5＜I≤-1.0 為中旱，-1.0＜I≤-0.5 為輕旱，I＞-0.5 為無旱。

1.3 氣象產量與減產率

選取濮陽市5 個縣1991—2020 年夏玉米單產資料，運用H-P 濾波法將有一定趨勢的平滑數列從產量（Y）的時間序列中分離出來，將該部分視為趨勢產量（Yt），進而分離出氣象產量（Yω）和相對氣象產量（Y′ω），減產率（X）為相對氣象產量（Y′ω）為負值的序列。利用式（4）計算得到1991—2020 年濮陽市玉米氣象產量序列和玉米減產率數據。通常將Y′ω＜-5%視為減產年［5］。

1.4 干旱風險評估

玉米干旱風險不僅受天氣的影響，還與種植區的經濟發展水平、抗災能力、農田基礎設施等因素有關，不同地區的干旱災害風險不同。干旱致災因子危險性可以用來衡量發生干旱災害的可能性，因子越大，表明發生旱災的可能性也越大，對玉米產量的影響程度越大；反之發生災害的可能性越小，對玉米產量的影響就越小。一般用干旱頻率（F）和干旱強度（Q）的乘積來表示玉米全生育期干旱致災因子危險性（E），暫不考慮其他影響因素，算式如下。

1.5 保險費率

利用干旱災害風險評估結果，設計修訂保險費率。保險費率（R）等于投保作物單位面積災害損失率的數學期望E（loss），可以利用災害損失率和其發生的概率統計求出。

式中，Li為第i等級的災害損失率，本研究為夏玉米減產率；Pi為第i等級災害損失率的發生概率或頻率；i為氣象災害（天氣指數）等級，q為天氣指數的賠付觸發值對應的災害等級。

2 結果與分析

2.1 SPEI指數特征變化

根據SPEI干旱指數定義，由圖1 可知，1991—2020 年濮陽市夏玉米生長季共出現了12 次不同程度的干旱，干旱發生率為40%，其中1997 年、2001 年出現了特旱，1999 年、2002 年、2011 年、2014 年、2020年出現了中旱，1995 年、2012 年、2015 年、2016 年、2019 年出現了輕旱。夏玉米生長季月度輕旱21 次、月度中旱11 次、月度重旱5 次、月度特旱2 次。

圖1 1991—2020 年濮陽市夏玉米SPEI干旱指數變化特征

2.2 干旱天氣指數模型的建立

夏玉米產量受諸多因素的影響，干旱災害是其中一個因素。對夏玉米的減產數據進行篩選，篩選需滿足條件：一是夏玉米全生育期發生了明顯的干旱災害；二是當年夏玉米產量減產在5%以上，最終選出12 組樣本數據。對12 組樣本數據與干旱天氣指數和減產率進行回歸分析，確定濮陽市夏玉米干旱天氣指數和減產率之間的關系，得到濮陽市夏玉米干旱天氣指數模型如下。

式中，y為減產率，%，x為夏玉米干旱天氣指數，回歸方程通過了0.05 的顯著性水平檢驗，表明擬合程度較高。根據回歸方程求出不同干旱天氣指數對應的減產率（表1）。

表1 濮陽市夏玉米干旱天氣指數與減產率的關系

2.3 干旱風險評估

致災因子危險性一般由強度和頻次來決定，強度越大、頻次越高，致災因子所造成的損失越嚴重，那么相應的災害風險也就越大［18］。本研究選取干旱發生概率作為夏玉米干旱危險性致災因子。干旱危險性指標及權重參照馬玉妍［19］的黃淮海地區夏玉米干旱災害危險性評估與區劃，輕、中、重、特別干旱概率的權重分別為0.096、0.161、0.277、0.466。

2.4 濮陽市夏玉米干旱天氣指數保險的賠付標準

2022 年濮陽市夏玉米的市場價格為2.8 元∕kg，該市正常年份玉米產量可達6 750 kg∕hm2以上，即每公頃玉米產值可達18 900 元以上。由表1 可知，干旱導致玉米減產率最高達36.9%，按照正常產值計算，則干旱最高導致夏玉米每公頃損失6 974 元，即保險金額為6 974 元∕hm2，在設定干旱天氣指數等于-0.5 為賠付觸發值時，計算出相應的保險賠付標準，結果見表2。

表2 濮陽市夏玉米干旱指數保險的賠付標準

2.5 夏玉米干旱天氣指數保險費率的厘定和修訂

根據已經確定的夏玉米干旱天氣指數等于-0.5為起賠點，基于濮陽市5 個氣象站點1991—2020 年的氣象資料，利用式（4）和式（6），計算得到濮陽市夏玉米干旱天氣指數保險費率為7.2%，每公頃保費=保險金額×保險費率=502 元。

為保障設計的產品相對公平、承保公司財務安全并有適當的利潤，參考史培軍等［20］給出的方案，將風險附加費率的最高值定為2%，即風險評估高的地區，可附加2%的風險費率。修訂后的夏玉米干旱天氣指數保險費率為7.2%～9.2%，每公頃夏玉米保費為502～642 元。

3 小結

本研究利用1991—2020 年濮陽市5 個氣象臺站的地面氣象逐日觀測資料和夏玉米產量資料，分析了濮陽市夏玉米干旱的基本規律，開展了基于致災因子危險性的夏玉米干旱風險評估，建立了干旱天氣指數模型；在此基礎上，制定了濮陽市夏玉米干旱天氣指數保險的賠付標準，厘定了保險費率，并基于風險評估結果進行了修訂。

本研究主要是基于氣象產量和氣象因子回歸分析建立的干旱天氣指數模型，模型中對于氣象因子的選取與回歸模型的算法等因素還需要進一步完善，后期也需要通過試點應用對相關參數進行修訂。