福建漳州平和柚天氣指數保險產品設計與定價

摘 要：柚產業是福建省漳州市平和縣的支柱產業，為分散當地柚生產的經營風險，基于福建省漳州市平和縣1985?2022年柚產量及對應年份3月中旬至8月上旬的天氣數據，將柚單產數據分解成趨勢單產和氣象單產，并調整單產數據使其轉化到2024年的生產力水平下的單產，選用核密度估計法擬合該序列的概率密度函數并用于純費率厘定；而后利用調整后單產數據和天氣數據進行相關性分析，篩選顯著的天氣指數。結果顯示：4月中下旬降雨量指數與調整后單產的線性關系最為顯著。對于2024年約定的保障產量51000 kg·hm?2和保險價格2.8元·kg?1，即每667 m2保險金額為9520元，厘定純費率為4.0191%、保險費率為4.6220%；對于降雨量指數 RI 的保險賠付觸發值160 mm 以及 RI 的8個分級賠付區間，分別計算得到了對應的賠付事件發生概率，并給出了對應的賠付金額計算公式。

關鍵詞：天氣指數保險；柚單產；降雨量指數；費率厘定；保險賠付

中圖分類號：F842.4" 文獻標志碼：A" 文章編號：0253?2301（2024）03?0062?08

DOI：10.13651/j.cnki.fjnykj.2024.03.012

Product Design and Pricing of Weather Index Insurance for Pinghe Pomeloin Zhangzhou City of Fujian Province

XU Xue-rong1 ， LI Li-rong2 ， WANG Dan1 ， LIN Ling-ling1

（1. School of Economics and Management， Fujian Agriculture and Forestry University， Fuzhou， Fujian 350002， China;2. Fujian Institute of Meteorological Sciences， Fuzhou， Fujian 350002， China）

Abstract： The pomelo industry is a pillar industry in Pinghe County， Zhangzhou City， Fujian Province. In order to disperse the operational risks of local pomelo production， based on the pomelo production in Pinghe County of Zhangzhou City from 1985 to 2022 and the weather data from the middle ten days March to the first ten days of August of the corresponding year， the original data of pomelo yield per unit area was decomposed into trend yield per unit area and meteorological yield per unit area. The original data of yield per unit area was adjusted to convert it to the yield per unit area under the productivity level of 2024. The kernel density estimation method was used to fit the probability density function of the sequence and used for the determination of pure rate. Then， the correlation analysis was carried out by using the adjusted yield per unit area and weather data to screen the significant weather index. The results showed that the linear relationship between the rainfall index and the adjusted yield per unit area was the most significant in the middle and last ten days of April. For the agreed insurance output of 51000 kg·hm?2 and the insurance price of 2.8 yuan·kg?1 in 2024， that was， the insurance amount per 666.7 m2 was 9520 yuan， the determinedpure premium rate was 4.0191%， and the insurance rate was 4.6220%. For the insurance compensation trigger value of the rainfall index RI of 160mm， and the eight graded compensation intervals of RI， the corresponding probability of occurrence for the compensation events was calculated respectively， and the corresponding calculation formula of compensation amount was given.

Key words： Weather index insurance ； Pomelo yield per unit area； Rainfall index ； Rate determination ； Insurance compensation

農業天氣指數保險2007年首次引入中國，2014年8月國務院頒布了《關于加快發展現代保險服務業的若干意見》，第一次明文要求探索實施天氣指數保險。當前，我國特色農產品農業保險研究已取得了長足進展，截至2021年6月，全國代表性農業天氣指數保險試點已達100余處[1]，保險標的物從糧食作物不斷擴大至地方特色農產品。柚產業是福建省漳州市平和縣的支柱產業，平和是中國柚產業第一大縣，平和琯溪蜜柚被認定為“中國馳名商標”和“中國名牌農產品”[2]。40年來平和縣柚產量及經濟效益發展迅猛，截至2022年底 ，其總產量已發展到220.37×104 t [3]，柚種植面積、產量、產值、市場份額、品牌價值以及出口量均位列全國第一[4]。然而，受產地氣候條件影響，柚產業在生產中面臨著暴雨、高溫及臺風等極端天氣的不利影響，降雨量、溫度和光照等大幅波動均會影響柚的各生育階段，進而影響產量和經濟產值。通過設施栽培及農業保險能有效規避或分散農業氣象災害風險，以確保柚農增產增收。

對于農業天氣指數保險在農作物上的應用，學者們已開展了豐富的研究。如任義方等[5]研究了江蘇水稻高溫熱害氣象指數保險風險綜合區劃問題。劉凱文等[6]設計了基于開花期地域差異的中稻高溫熱害天氣指數保險，厘定了不同免賠率下，以縣（市）為單位的、多個投保時期的中稻高溫熱害天氣指數保險的純費率。梁來存等[7]以長沙縣早稻保險為例，以單產作為保險標的，比較研究了糧食作物區域產量保險和天氣指數保險的定價問題。楊曉娟等[8]以陜西長武為例，設計了玉米水分關鍵期干旱指數天氣保險。吉星[9]進行了基于氣象指數的小麥保險費率厘定研究。此外，還有關于大豆氣象指數保險研究與設計[10]。蔬菜、瓜果、花卉、茶葉等經濟作物，因經濟價值高、區域特色明顯，其氣象指數保險研究也受到重視。欒慶祖等[11]以北京平谷大桃為例，提出了一種基于動量方程的水果冰雹災害災損評估方法。黃川容等[12]構建了福建省茶葉寒凍害保險時段和觸發氣象指標，計算了茶葉不同等級寒凍害產量減產率和出現概率，進而得出保險純費率。于飛等[13]研究了貴州省辣椒漬澇氣象指數保險及應用。現有研究，不僅在種植業內進行，還延伸到漁業、蜂業等養殖行業，但未見針對柚天氣指數保險的研究報道。基于此，鑒于天氣指數保險能有效規避道德風險、逆向選擇以及減少交易成本等優點，本文借鑒區域產量保險純費率厘定方法，根據產量與天氣指數的關系，把賠付指標從產量轉到天氣指數，以平和柚為保險標的，開展天氣指數保險研究，為有效分散平和柚產業風險促進其健康發展提供理論和實踐參考。

1 資料與方法

1.1 資料來源

根據歷年《漳州市統計年鑒》，選取漳州市平和縣1985—2022年柚統計產量、采摘面積進行柚單產的計算。其中因1986、1995和2017年的年鑒無采摘面積數據記載，本文選擇缺失數據的前一年和后一年采摘面積進行平均取值插補。構建天氣指數時，用到的逐日降雨量及最高溫天氣數據來自福建省漳州市平和縣氣象站（站點編號：95125），由漳州市氣象局提供。

1.2 趨勢單產及單產調整方法

柚單產由當年柚總產和采摘面積計算，方法如下：

式（1）中，yt（kg·hm?2）、 Yt（kg）、St（hm2）分別是第 t 年平和柚的單產、總產量、采摘面積。

柚生長過程和最終產量形成受農業技術水平、氣象環境和隨機誤差等三大類因素影響。即：

yt = y（?）t + yw+ε"""""nbsp;"""""" （2）

式（2）中，y（?）t 為趨勢單產，反映了第 t 年的生產技術水平；yw為氣象單產，受以天氣因素為主的環境因子影響，yw的大小體現了風險；ε這個單產分量是隨機因素干擾的結果，通常忽略不計，于是可簡化為：

yt = y（?）t + yw""" """"""""""""""""（3）

關于趨勢單產的估計模型，采用“中心化5點滑動平均法”[14]，該方法將連續5年的單產平均值作為中間年份的單產，計算公式為：

y（?）t = 1yt+i一3（t =3;4;···; T 一2）"""" （4）

式（4）中y（?）t 就是趨勢單產，是技術以外的其他風險（包括天氣風險）中等預期下的單產，使用該方法得到的趨勢單產對樣本點偏離較小。利用公式（3）可以求得氣象單產yw ，進而求得相對氣象單產RSV =（yt 一y（?）t ）/y（?）t 。單產趨勢調整的方法很多，目的是將各年份不同技術水平下的單產轉化成同一技術水平下的單產。設 T 年以來農作物單產序列為{ytj t =1;2;···; T}，這里的第 T 年為單產樣本序列的最新一年編序。本文中，原始產量數據最近一年是2022年，故 T=38。用公式（4）得到的趨勢單產y（?）t 的最近一年是2020年。為了獲得2021年及其后的趨勢單產，可用二次指數平滑模型對y（?）t 進行預測。記目標年份2024年的趨勢單產預測值為 C，則可根據式（5）將 t 年單產化為2024年技術水平下的單產 Xt 。Xt的實際含義可以這樣理解：若以2024年的技術水平在 t 年自然環境中進行生產，則 t 年的單產會是Xt ，t =3;4;···; T 一2。

Xt = xC （t =3;4;···; T 一2）"""""" （5）

1.3 概率密度擬合

估算作物單產概率密度分布的方法主要有參數和非參數分布估計法兩種，參數估計法需事先假定分布形態，而非參數估計法則不需事先假定。應用最為廣泛的非參數方法是核密度估計法，該方法的基本思想是對隨機變量的概率密度函數進行核估計，具體公式如下：

f （x）=∑ 1 K （ x h（一）xi ）"""" ""（6）

式（6）中，x 為隨機變量，K（·）是核函數，n為樣本容量，h是窗寬。

核函數 K（·）有高斯核、對稱 Beta 族核、 Epanechnikov 核等可選[15]，最常用的是高斯核，具有對稱性優點。以高斯核作為核函數，則概率密度函數為：

f （x）=∑ 1 exp [一 x h（一）xi ）2]"" （7）

窗寬 h 選擇的基本依據是使得估計密度與真實密度之間的均方差最小，因此本文采用 Silverman 拇指法的“經驗法則”[15]，計算方法如下：

h =1：06sn一1/5

式（8）中，s 是樣本標準差，用于概率密度函數呈正態分布的假定。一般實際數據分布往往是偏態的，因此參考 Goodwin 等[16]的做法將公式（8）中的系數1.06調整至0.9，用σ= min （s;替代 s，這樣效果較好，即 h =0：9 min （s; n一1/5，其中 Q 是四分位距（Q3?Q1）。

1.4 純費率厘定公式

純費率厘定可以通過農作物的產量分布來計算。設作物調整后單產概率密度函數為f （x）、保障產量為Xc ，λ保障水平參數（0lt;λlt;100%），對應平均損失為[17?18]：

EL = l0（λ）Xc （λXc 一x）f （x）dx"""""" （9）

純費率為：

Rate = x 100%"""""""nbsp;"" （10）

式（10）中，EL表示平均損失，Rate 表示純費率。

1.5 天氣指數設計

農作物天氣指數保險設計，不僅需要單產數據還需要天氣指數，現從柚生長歷程來分析柚單產與天氣因素的關系。柚的生長有花芽分化期（上年11?1月）、花期（2?3月）、著果期（4?5月）、果實膨大期（6?8月）、采收期（9?11月）等5 個階段[19]。柚的生長喜光照充足、降水豐富、冬暖夏涼的自然條件，生長發育最適溫度為23～29℃ ， 最低溫度≥?5.0℃ ， 不低于10℃的年積溫＞5500℃ ， 年均降水量1000～2000 mm[20]。但不同階段，高溫、干旱、陰雨、臺風都可能對其產量和品質造成負面影響。4—6月多陰雨天氣時，正值膨大期的柚幼果未能吸收到應有養分，果實未能正常膨大[21]。一定的溫度、降水、日照與柚產量有較好的正相關性，但異常降水又是柚單產降低的主要影響因子[22]。要找出影響平和柚單產的天氣指數，就要進行各個天氣指數與調整后單產、氣象單產、相對氣象單產的相關性分析，找出相關性高的指數，這里用簡單相關系數來衡量。

1.5.1 高溫指數 所關注的高溫指數的涵義及統計時長等如表1所示。

1.5.2 降雨量指數 整理3月下旬至5月下旬平和縣氣象站記錄的日降雨量數據，匯總日降雨量成旬降雨量。然后以旬降雨量為基礎，求旬降雨量與柚氣象單產 yw 、相對氣象單產 RSV 及調整后單產 Xt的相關系數，以期找到具有顯著相關性的降雨量指數。以 Rij 表示 i 月j 旬的降雨量，Rijkl表示 i 月 j 旬至 k 月 l 旬的降雨量（ i=3，4，5；j=1，2，3；k=4，5； l=1，2，3），R4、R5、R4+5分別表示4月、5月的降雨量以及4—5月這2個月的降雨量。

計算各高溫指數和各個旬降雨量組合與yw 、 RSV 、Xt的相關系數，記相關關系顯著且系數最大者為 RI，RI 可作為要找的天氣指數。

1.6 賠付金額的計算方法

風險造成的損失是通過損失比例來反映的，損失比例 LR 、賠付金額 CNY 的計算公式如下：

LR =（Xc -Xt）/Xc""""""""""""""" （ 11）

式（11）中，Xc為保障產量。現用“投影尋蹤統計方法”[7]來計算平和柚降雨量指數保險賠付。對于各個等級的 RI 及對應的損失比例 LR 的區間端點，端點最大者分別用RIMax 、LR Max表示，端點最小者分別用RIMin 、LR Min 表示。賠付金額計算公式為：

2 結果與分析

2.1 趨勢單產和調整后單產

根據1985—2022年柚統計產量、采摘面積數 據，由公式（1）得到單產yt 、用公式（4）、（3）分別得到1987—2017年的趨勢單產y（?）t 、氣象單產yw 。對 y（?）t 進行二次指數平滑預測，得到2021—2024年的趨勢單產預測值分別是：45241.79、47114.21、48988.61、50862.27 kg·hm?2，結果仍記為y（?）t ，于是定公式（5）中的 C=50862 kg·hm?2。

按公式（5）計算調整后單產Xt 。單產、趨勢單產、調整后單產的折線見圖1。可見序列Xt是沒有趨勢的平穩序列，其均值E（Xt ）= C ，Xt的波動是風險作用的結果。

對于調整后的單產序列Xt ，現用公式（7）估計其密度函數。由于 Xt的均方差 s=7280.63， n=33，四分位距 Q=3547.50，故 h=1184.02， nh=39072.50。最終得到平和縣柚單產非參數核密度分布數值模型如下：

用 EViews 6.0軟件繪制得到其圖像（圖2）。

2.2 天氣指數篩選結果

依據資料與方法，首先計算指數 I1、I2、I3與柚氣象單產yw 、相對氣象單產 RSV 及調整后的單產Xt的相關系數，結果見表2，可見 I1、I2、I3與 yw 、RSV 、Xt的線性關系不顯著。

其次，計算單旬降雨量 Rij（ i=3，4，5；j=1，2，3）與yw 、RSV 、Xt的相關系數，見表3，可見也都不具有顯著的線性關系。

最后，計算多旬降雨量序列 Rijkl（3≤i≤4；1≤j≤3；4≤k≤5；1≤l≤3）、 R4、 R5、 R4+5與 yw 、RSV 、Xt的相關系數，由表4可知，4月中下旬降雨量序列 R4243與yw 、RSV 、Xt都具有顯著的相關關系，它就是要找的天氣指數。為表述簡潔，記 R4243為 RI，稱為降雨量指數。

2.3 降雨量指數 RI 與調整后單產的關系

篩選顯著影響柚單產的天氣指數過程中，用了多個天數指數，其中的降雨量指數 RI（ mm ）的頻率直方圖見圖3。RI 的描述統計結果表明：偏度＞0、峰度＞3，呈現右偏、尖峰的分布形態，RI 不服從正態分布。

降雨量指數 RI 在柚單產損失中是原因變量。表4說明 RI 與調整后的單產Xt顯著相關，故可建立線性回歸方程

Xt = 56016-48.87RI "（14）

該回歸方程的顯著性檢驗 F=7.64，RI 的 t檢驗值是?2.73，顯著度 Sig.為8.40×10?2，方程整體顯著性及參數顯著性都通過檢驗。Xt與 RI的散點圖及擬合直線見圖4。回歸方程說明，柚單產隨降雨量指數的增大而降低。RI 每增大1 mm ，柚產量平均每公頃降低48.87 kg 。事實上，雨水過多造成耕作層含水量過高，土壤氧氣缺乏，根系缺氧而生長不良，吸收肥料能力下降；同時陰雨寡照還直接影響柚樹的光合作用，造成柚果膨大延緩，造成柚果普遍偏小，從而使單產降低[22]。

2.4 柚單產降雨量指數保險方案

根據預測結果，2024年平和柚的趨勢單產50862.27 kg·hm?2，故可約定51000 kg·hm?2為保障產量，即Xc=51000。取保障水平參數λ=100%，根據公式（9）、（10），用 Mathematica 9.0軟件，求得平均損失 EL=2049：76 kg·hm?2，純費率 Rate=4.0191%。

保險費率由純費率和附加費率兩部分構成。其中，純費率稱為公平費率，附加費率主要用于保險公司的業務管理和維持公司安全費用。保險費率有2種計算方式[23]：（1）加法公式：保險費率=純費率+附加費率；（2）乘法公式：保險費率=純費率（1+附加費率）。附加費率由穩定系數及營業費用率構成，穩定系數通常根據經驗按純費率的10%～15%附加，營業費用率則應根據業務管理費實際支出情況核算營業費用率較為合理[24]。這里，穩定系數取10%，鑒于氣象指數保險的低成本性，營業費用率取5%。最后，用加法公式計算保險費率為4.6220%。

對于約定的2024年平和柚保障產量51000 kg·hm?2，如果保費和賠付都不用實物而用貨幣，就必須確定一個合理價格，根據平和琯溪蜜柚官網披露的2021年及之前收購價格行情，以及對 2022年平和柚價格市場調研，定2024年平和柚平均收購價格為2.8元·kg?1，即約定保障金額 A=2.8元·kg?1×51000 kg·hm?2=142800元·hm?2，即每667 m2（1畝=667 m2，下同）價格為9520元。按公式：單位面積保險費=保險費率×單位面積保障金額，計算得到每667 m2保險費為440元。

RI 從160 mm起，每隔20 mm 為一等級，進行降雨量等級劃分（表5第2列），由Xt與 RI 的關系式（14），求出對應的單產Xt（表5第3列），由公式（11）求出各等級對應損失比例 LR（表5 第4列），對于 A=9520，根據公式（12）計算得到賠付金額計算公式（表5第5列）。

表5第6列中的概率是指降雨量指數 RI 屬于對應區間的概率，即p（160lt; RIlt;180）=7：85%，······ ， p （280lt; RIlt;300）=1：23%，p （RI gt;300）=1：14%。這樣設計的保險產品，隨著降雨量等級的提高，賠付金額隨之提高。由于 RI 是4月中下旬的日累積降雨量，RI 的值獲取方便快捷，5月1 日后就可啟動保險賠付。

3 結論與建議

獲得了福建省漳州市平和縣1985—2022年柚單產數據，分解得到了趨勢單產和氣象單產。給出了2024年生產力水平下調整后的單產Xt ，擬合了 Xt的核密度概率分布；利用3月11日至8月10日 的高溫天數，構建柚花期、著果期、果實膨大期的高溫指數 I1、I2、I3，并與單產進行相關性檢驗，結果顯示 I1、I2、I3對單產影響都不顯著；應用3月中旬至4月下旬的旬降雨量以及各旬降雨量數據組合，尋找降雨量指數與單產的關系，最后找到了顯著影響平和柚單產的氣象指數——4月中下旬降雨量指數 RI；并構建了 RI 與 Xt的回歸模型： Xt =56016-48：87RI 。

對于2024年約定的保障產量51000 kg·hm?2和保險價格2.8元·kg?1，即每667 m2保險金額為9520元，厘定的純費率為4.0191%。取附加費率為純費率15%，利用公式：保險費率=純費率+附加費率，計算得到保險費率為4.6220%，即每667 m2保險費為440元。

對于降雨量指數 RI 的保險賠付觸發值160 mm ，以及 RI 的8個分級賠付區間[160，180）、[180，200）、[200，220）、[220，240）、[240，260） 、[260，280）、[280，300）、[300，+∞），算出了對應的賠付事件發生概率分別為7.85%、4.19%、1.92%、1.12%、1.19%、1.34%、1.26%、1.14%，并給出了對應的賠付金額（元）計算公式：523.26+9.12（ RI?160）、705.71+9.12（ RI?180）、888.16+9.12（RI?200）、1070.61+9.12（RI?220）、1253.06+9.12（RI?240）、1435.50+9.12（RI?260）、1617.95+9.12（ RI?280）、1800.40+9.12（ RI?300）；隨著降雨 量指數 RI 的增大，賠付金額隨之提高。

氣象指數保險不受單個農戶生產行為的影響，能夠有效克服道德風險和逆向選擇問題。氣象指數保險要求氣象站點疏密合理、分布科學，所得氣象數據能反映區域中不同海拔、不同經緯度地塊的氣象情況，同時還要記錄對應區域農作物產品的產出和價格數據。當這些要求逐步滿足時，氣象指數保險的深入研究及廣泛應用前景廣闊。農業保險為世貿組織所允許的支持農業發展“綠箱”政策，政府應加大氣象指數保險產品的宣傳與推廣，提高其在政策性農業保險中的地位和比重，同時加大扶持和補貼力度以提高農戶的購買力。

參考文獻：

[1]李政，陳盛偉，牛浩.農業天氣指數保險的業務難題、角色定位與發展思路[J].農村經濟，2022（2）：100?107.

[2]張穎濱，張振民，馬克爭.發揮示范區產品質量優勢、促進平和蜜柚出口高端市場的思考[J].中國質量與標準導報，2017，（12）：37?39.

[3]漳州市統計局.漳州統計年鑒[M].北京：中國統計出版社，1985?2022.

[4]王心怡，雷國銓.鄉村振興背景下現代農業產業轉型升級路徑研究——以福建省平和蜜柚產業園區為例[J].云南農業大學學報（社會科學版），2020，14（2）：97?103.

[5]任義方，趙艷霞，張旭暉，等.江蘇水稻高溫熱害氣象指數保險風險綜合區劃[J].中國農業氣象，2019，40（6）：391?401.

[6]劉凱文，劉可群，鄧愛娟，等.基于開花期地域差異的中稻高溫熱害天氣指數保險設計[J].中國農業氣象，2017，38（10）：679?688.

[7]梁來存，陸峰.糧食作物區域產量保險、天氣指數保險定價的比較[J].區域金融研究，2020（1）：78?82.

[8]楊曉娟，張仁和，路海東，等.基于 CERES-Maize 模型的玉米水分關鍵期干旱指數天氣保險：以陜西長武為例[J].中國農業氣象，2020，41（10）：655?667.

[9]吉星.基于氣象指數的小麥保險費率厘定研究[D].楊凌：西北農林科技大學，2022.

[10]付興澤.大豆氣象指數保險研究與設計[D].成都：西南財經大學，2020.

[11]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].中國農業氣象，2019，40（6）：402?410.

[12]黃川容，陳家金，孫朝鋒，等.福建省茶葉寒凍害氣象指數保險分級設計[J].中國生態農業學報（中英文），2021，29（12）：2074?2083.

[13]于飛，胡家敏，袁琦松，等.貴州省辣椒漬澇氣象指數保險研究及應用[J].中國農學通報，2021，37（22）：104?110.

[14]馮文權.經濟預測與決策技術[M].武漢：武漢大學出版社，2007：136?137.

[15]范劍青，姚琦偉.非線性時間序列——建模、預報及應用[M].北京：高等教育出版社，2005：147?163.

[16] GOODWIN B K ，KER A P. Nonparametric estimation of crop yield distributions： Implication for rating group-risk crop insurance contracts[J]. American Journal of Agricultural Economics，1998，80（1）：139?153.

[17]丁少群，姚淑瓊.政策性農業保險在我國的發展研究——基于風險管理視角的制度分析[M].成都：西南財經大學出版社，2012：179.

[18]肖宇谷.農業保險中的精算模型研究[M].北京：清華大學出版社，2018：1?6.

[19]黃華，曹東華，張琳，等.平和縣氣象要素指標對蜜柚膨大期的影響分析[J].福建熱作科技，2017，42（2）：35?38.

[20]洪曉湘，葉順明，陳藝娜.漳州市琯溪蜜柚生長的氣象條件分析[J].福建熱作科技，2015，40（1）：20?22.

[21]鄧曉璐，張金水，施宗強.平和縣2014年5-6月氣象條件對蜜柚膨大的影響分析[J].福建熱作科技，2016，41（3）：47?49.

[22]李孟潔，林輝，許軍輝，等.影響琯溪蜜柚生長發育的氣象條件分析[J].福建熱作科技，2019，44（4）：31?33.

[23]謝家智.中國農業保險發展研究[M].北京：科學出版社，2009：50?51.

[24]唐金成.現代農業保險[M].北京：中國人民大學出版社，2013：112?113.

（責任編輯：陳文靜）