農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估方法評(píng)述與比較*

趙思健，張 峭，王 克

(中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所，農(nóng)業(yè)部智能化農(nóng)業(yè)預(yù)警技術(shù)重點(diǎn)開(kāi)放實(shí)驗(yàn)室，北京 100081)

?

農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估方法評(píng)述與比較*

趙思健，張 峭，王 克

(中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所，農(nóng)業(yè)部智能化農(nóng)業(yè)預(yù)警技術(shù)重點(diǎn)開(kāi)放實(shí)驗(yàn)室，北京 100081)

農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估是農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)管理和農(nóng)業(yè)保險(xiǎn)費(fèi)率厘定的前提和基礎(chǔ)。從方法論的角度出發(fā)，對(duì)當(dāng)前的農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估方法和量度方法進(jìn)行分類、評(píng)述與比較，旨在形成一套完整的農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估方法體系。首先，從風(fēng)險(xiǎn)的構(gòu)成要素入手將風(fēng)險(xiǎn)評(píng)估方法分成基于風(fēng)險(xiǎn)因子、基于風(fēng)險(xiǎn)機(jī)理和基于風(fēng)險(xiǎn)損失三類；再者，對(duì)三類評(píng)估方法的一般范式、方法原理、模型技術(shù)及相關(guān)研究進(jìn)行評(píng)述，并對(duì)常用的風(fēng)險(xiǎn)量度指標(biāo)進(jìn)行討論；最后，對(duì)三類評(píng)估方法進(jìn)行橫向比較，評(píng)述它們各自的優(yōu)缺點(diǎn)及適用范圍。

農(nóng)業(yè)；生產(chǎn)風(fēng)險(xiǎn)；風(fēng)險(xiǎn)評(píng)估；風(fēng)險(xiǎn)因子；風(fēng)險(xiǎn)機(jī)理；風(fēng)險(xiǎn)損失；風(fēng)險(xiǎn)量度

我國(guó)是一個(gè)農(nóng)業(yè)大國(guó)，農(nóng)業(yè)是第一產(chǎn)業(yè)，農(nóng)業(yè)生產(chǎn)的發(fā)展關(guān)系到整個(gè)國(guó)民經(jīng)濟(jì)的發(fā)展。但同時(shí)，農(nóng)業(yè)又是一個(gè)高風(fēng)險(xiǎn)產(chǎn)業(yè)，農(nóng)業(yè)生產(chǎn)以其自然再生產(chǎn)和經(jīng)濟(jì)再生產(chǎn)相互交織的特點(diǎn)，受到了自然條件、土壤環(huán)境、病蟲(chóng)害、市場(chǎng)價(jià)格、農(nóng)業(yè)技術(shù)、國(guó)家政策法規(guī)等多方因素的影響。在諸多因素中，農(nóng)業(yè)生產(chǎn)受自然災(zāi)害的影響尤為突出。據(jù)統(tǒng)計(jì)①，自20世紀(jì)90年代以來(lái)，我國(guó)幾乎每年都會(huì)暴發(fā)自然災(zāi)害，農(nóng)作物平均年受災(zāi)面積約為46 966 khm2，占總播種面積的30.57%，平均年成災(zāi)面積約為24 774 khm2，占播種面積的16.13%。此外，這20多年間農(nóng)作物受災(zāi)率超過(guò)30%的年份有14年，成災(zāi)率超過(guò)15%的年份有13年。由此可見(jiàn)，隨著自然災(zāi)害的日益頻發(fā)，農(nóng)業(yè)生產(chǎn)面臨的風(fēng)險(xiǎn)日益凸顯。

農(nóng)業(yè)保險(xiǎn)作為一種風(fēng)險(xiǎn)轉(zhuǎn)移和損失分?jǐn)偣ぞ?，在分散農(nóng)業(yè)風(fēng)險(xiǎn)、補(bǔ)償風(fēng)險(xiǎn)損失、穩(wěn)定農(nóng)業(yè)生產(chǎn)和保障國(guó)家糧食安全等方面發(fā)揮著重要作用。自2004年以來(lái)，連續(xù)14年的中央“一號(hào)文件”強(qiáng)調(diào)發(fā)展政策性農(nóng)業(yè)保險(xiǎn)的重要性，各地紛紛開(kāi)展農(nóng)業(yè)保險(xiǎn)試點(diǎn)工作，呈現(xiàn)出蓬勃發(fā)展的態(tài)勢(shì)。但在農(nóng)業(yè)保險(xiǎn)快速發(fā)展過(guò)程中也暴露出了許多問(wèn)題，尤其是農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估工作的嚴(yán)重滯后?，F(xiàn)行農(nóng)業(yè)保險(xiǎn)的風(fēng)險(xiǎn)評(píng)估工作相當(dāng)粗放，一省一費(fèi)率，引發(fā)了“道德風(fēng)險(xiǎn)”、“逆選擇”等一系列問(wèn)題，嚴(yán)重影響到農(nóng)業(yè)保險(xiǎn)的持續(xù)健康發(fā)展。為了提升農(nóng)業(yè)保險(xiǎn)水平，亟需大力開(kāi)展農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估工作。農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估工作具有重要現(xiàn)實(shí)意義，它是農(nóng)業(yè)保險(xiǎn)準(zhǔn)確厘定費(fèi)率和實(shí)現(xiàn)“一致性”及“公平性”原則的重要基礎(chǔ)，是構(gòu)建農(nóng)業(yè)巨災(zāi)風(fēng)險(xiǎn)分散機(jī)制和保障農(nóng)業(yè)保險(xiǎn)穩(wěn)定發(fā)展的科學(xué)依據(jù)，是創(chuàng)新農(nóng)業(yè)保險(xiǎn)產(chǎn)品和降低農(nóng)業(yè)保險(xiǎn)運(yùn)營(yíng)成本的技術(shù)支撐，是開(kāi)展農(nóng)業(yè)保險(xiǎn)績(jī)效評(píng)價(jià)和提高政府保費(fèi)補(bǔ)貼效果的前提條件[1]。

本文從方法論的角度出發(fā)，對(duì)當(dāng)前農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)的評(píng)估方法進(jìn)行分類，對(duì)各類方法的一般范式、基本原理、技術(shù)模型及量度指標(biāo)等進(jìn)行總結(jié)，并從多個(gè)角度對(duì)三類方法進(jìn)行對(duì)比評(píng)述，旨在形成一套完整的農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估方法體系，為推動(dòng)農(nóng)業(yè)保險(xiǎn)的精細(xì)化和科學(xué)厘定保險(xiǎn)費(fèi)率提供重要的技術(shù)支撐。

1 方法體系

1.1 風(fēng)險(xiǎn)定義與構(gòu)成

不同學(xué)者對(duì)風(fēng)險(xiǎn)認(rèn)識(shí)的角度不同，對(duì)風(fēng)險(xiǎn)的定義也有所不同。本文將風(fēng)險(xiǎn)統(tǒng)一定義為：在一定時(shí)期和一定客觀環(huán)境下，由于不確定事件的發(fā)生而導(dǎo)致經(jīng)濟(jì)損失、人身危害等不利后果發(fā)生的程度。

從構(gòu)成要素上看，任何一種風(fēng)險(xiǎn)都將由風(fēng)險(xiǎn)因子、風(fēng)險(xiǎn)事故和風(fēng)險(xiǎn)損失三個(gè)基本要素構(gòu)成(圖1)。①風(fēng)險(xiǎn)因子：是風(fēng)險(xiǎn)事故發(fā)生的根本原因，是造成損失的內(nèi)在或間接原因。②風(fēng)險(xiǎn)事故：是造成損失的直接的或外在的原因，是損失的媒介物，即風(fēng)險(xiǎn)只有通過(guò)風(fēng)險(xiǎn)事故的發(fā)生才能導(dǎo)致?lián)p失。③風(fēng)險(xiǎn)損失：是風(fēng)險(xiǎn)事故導(dǎo)致的最終后果，它是非預(yù)期、非計(jì)劃和非利的，通常分為兩種形態(tài)：直接損失和間接損失。風(fēng)險(xiǎn)的一大特性是不確定性，其中包括風(fēng)險(xiǎn)因子出現(xiàn)的不確定性和風(fēng)險(xiǎn)損失的不確定性。

圖1 風(fēng)險(xiǎn)的組成要素

1.2 農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估方法體系

農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估是指量化和測(cè)評(píng)自然災(zāi)害等風(fēng)險(xiǎn)事件對(duì)農(nóng)業(yè)生產(chǎn)可能造成的損失程度。根據(jù)風(fēng)險(xiǎn)的構(gòu)成要素，農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)的評(píng)估方法可歸納為基于風(fēng)險(xiǎn)因子的評(píng)估法，基于風(fēng)險(xiǎn)機(jī)理的評(píng)估法和基于風(fēng)險(xiǎn)損失的評(píng)估法三類(圖2)。①基于風(fēng)險(xiǎn)因子的評(píng)估法：是從造成農(nóng)作物生產(chǎn)風(fēng)險(xiǎn)的各種風(fēng)險(xiǎn)因子入手開(kāi)展風(fēng)險(xiǎn)評(píng)估。②基于風(fēng)險(xiǎn)機(jī)理的評(píng)估法：是從風(fēng)險(xiǎn)事故機(jī)理的視角出發(fā)開(kāi)展風(fēng)險(xiǎn)評(píng)估，這里所說(shuō)的機(jī)理包括農(nóng)作物遭受的災(zāi)害機(jī)理和農(nóng)作物自身的災(zāi)害脆弱性機(jī)理。③基于風(fēng)險(xiǎn)損失的評(píng)估法：是從農(nóng)作物生產(chǎn)損失結(jié)果的角度入手開(kāi)展風(fēng)險(xiǎn)評(píng)估建模。

圖2 農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估方法體系

2 評(píng)估方法

2.1 基于風(fēng)險(xiǎn)因子的評(píng)估法

根據(jù)自然災(zāi)害系統(tǒng)論原理，自然災(zāi)害是社會(huì)與自然綜合作用的產(chǎn)物，區(qū)域自然災(zāi)害系統(tǒng)是由孕災(zāi)環(huán)境、致災(zāi)因子、承災(zāi)體和減災(zāi)能力共同組成的地球表層變異系統(tǒng)，災(zāi)情是這個(gè)系統(tǒng)中各子系統(tǒng)相互作用的結(jié)果[2-4]。農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)在很大程度上來(lái)源于自然災(zāi)害，因此可以利用自然災(zāi)害構(gòu)成要素出發(fā)來(lái)開(kāi)展風(fēng)險(xiǎn)評(píng)估。圖3所示為基于風(fēng)險(xiǎn)因子的農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估法的一般范式。

圖3 基于風(fēng)險(xiǎn)因子評(píng)估法的一般范式

從圖3中可以看出，農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)主要是從孕災(zāi)環(huán)境的穩(wěn)定性、致災(zāi)因子(干旱、洪澇、臺(tái)風(fēng)等)的危險(xiǎn)性、承災(zāi)體(農(nóng)作物)的脆弱性和區(qū)域防災(zāi)減災(zāi)能力四個(gè)方面展開(kāi)評(píng)估。具體地說(shuō)：①孕災(zāi)環(huán)境的穩(wěn)定性是標(biāo)定區(qū)域孕災(zāi)環(huán)境的指標(biāo)，地球表層孕災(zāi)環(huán)境對(duì)災(zāi)害系統(tǒng)的復(fù)雜程度、強(qiáng)度、災(zāi)情程度以及災(zāi)害系統(tǒng)的群聚與群發(fā)特征起著決定性的作用。針對(duì)農(nóng)業(yè)，孕災(zāi)環(huán)境主要是指大氣圈和巖石圈，通常可以從氣象和地形兩個(gè)因子進(jìn)行衡量，即氣象長(zhǎng)期的穩(wěn)定性和和區(qū)域地形的復(fù)雜性。②致災(zāi)因子的危險(xiǎn)性則可以從致災(zāi)強(qiáng)度、致災(zāi)頻度和致災(zāi)比重三個(gè)因子進(jìn)行評(píng)估。其中，致災(zāi)強(qiáng)度是指致災(zāi)因子變異(即自然因素變異)的程度，例如暴雨的雨量大小、臺(tái)風(fēng)的風(fēng)級(jí)大小等；致災(zāi)頻度是指在一定時(shí)間范圍內(nèi)致災(zāi)因子出現(xiàn)的頻度，次數(shù)越多說(shuō)明危險(xiǎn)性越高；致災(zāi)比重是指區(qū)域內(nèi)不同致災(zāi)因子出現(xiàn)的比重，是綜合災(zāi)害風(fēng)險(xiǎn)的重要衡量指標(biāo)。③農(nóng)作物(即承災(zāi)體)的脆弱性可從農(nóng)作物的暴露度和易損性兩個(gè)因子進(jìn)行評(píng)估。其中，農(nóng)作物的暴露度是指農(nóng)作物暴露在災(zāi)害危險(xiǎn)區(qū)內(nèi)的數(shù)量或價(jià)值量，通?？捎脜^(qū)域內(nèi)農(nóng)作物總播種面積來(lái)表征；農(nóng)作物的易損性則是指農(nóng)作物本身對(duì)不同種類災(zāi)害及其強(qiáng)度的響應(yīng)能力，例如耐旱能力、耐澇能力、抗倒伏能力等，它又與作物類型、作物品種及作物所處生育期密切相關(guān)。④減災(zāi)能力是指人類社會(huì)為防災(zāi)所配備的綜合措施力度以及針對(duì)特定災(zāi)害的專項(xiàng)措施力度等，通?？蓮脑摰貐^(qū)針對(duì)災(zāi)害的政策法規(guī)情況、減災(zāi)的投入水平、災(zāi)害的應(yīng)急水平和防災(zāi)減災(zāi)的教育水平等因子進(jìn)行評(píng)估。在提取出各個(gè)因子之后，需要對(duì)各因子進(jìn)行量化和組合，分別計(jì)算出穩(wěn)定性指數(shù)、危險(xiǎn)性指數(shù)、脆弱性指數(shù)和減災(zāi)能力指數(shù)，再集成這些指數(shù)綜合計(jì)算出農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)指數(shù)。

在一般范式的框架下，基于風(fēng)險(xiǎn)因子的評(píng)估法常用的模型和方法包括層次分析法、模糊綜合評(píng)判法、灰色關(guān)聯(lián)度分析法、主成分分析法和因子分析法等。其中，層次分析法是最常見(jiàn)的方法，它按照因子之間的相互關(guān)聯(lián)影響以及隸屬關(guān)系將因子按不同層次聚集組合形成一個(gè)多層次的分析結(jié)構(gòu)模型，從而最終使評(píng)估問(wèn)題歸結(jié)成最低層因子相對(duì)于最高層評(píng)估目標(biāo)的相對(duì)權(quán)值確定或相對(duì)優(yōu)劣次序排定；模糊綜合評(píng)判法是由于對(duì)因子的評(píng)判難免帶來(lái)模糊性和主觀性，因此采用模糊數(shù)學(xué)的方法進(jìn)行綜合評(píng)判，從而使評(píng)估結(jié)果盡可能客觀；灰色關(guān)聯(lián)度分析法是根據(jù)因子之間的相似或相異程度，作為衡量因子之間關(guān)聯(lián)程度的一種方法；主成份分析法是一種降維的方法，它是將多個(gè)因子化為少數(shù)幾個(gè)綜合因子的一種統(tǒng)計(jì)方法；因子分析法是主成分分析法的一種延伸和推廣，可以將風(fēng)險(xiǎn)評(píng)估中為數(shù)眾多的風(fēng)險(xiǎn)因子減少為幾個(gè)新的風(fēng)險(xiǎn)因子，同時(shí)根據(jù)因子的得分值進(jìn)行分類處理。

國(guó)內(nèi)外運(yùn)用基于風(fēng)險(xiǎn)因子評(píng)估法的研究為數(shù)較多，諸如王素艷等利用北方冬麥區(qū)長(zhǎng)年小麥產(chǎn)量資料和氣象資料，建立了適用于北方冬小麥干旱災(zāi)害損失的風(fēng)險(xiǎn)評(píng)估指標(biāo)體系[5]；張繼權(quán)等利用模糊、灰色等多種方法提出了松遼平原玉米產(chǎn)區(qū)旱災(zāi)風(fēng)險(xiǎn)評(píng)估的方法和模型[6-7]；鄒朝望等收集了湖南省1971-2006年各站點(diǎn)逐日降水?dāng)?shù)據(jù)和災(zāi)損數(shù)據(jù)，選取歷年各縣市受災(zāi)率、成災(zāi)率、降水變率、脆弱度、災(zāi)害損失率等指標(biāo)，綜合評(píng)估出

各縣市農(nóng)作物洪澇災(zāi)害風(fēng)險(xiǎn)度[8]；張翠英等邀請(qǐng)了15位專家，運(yùn)用德?tīng)柗品êY選出浙江省農(nóng)業(yè)洪水風(fēng)險(xiǎn)的5類共23個(gè)指標(biāo)構(gòu)建了洪澇指標(biāo)評(píng)估體系，運(yùn)用了層次分析法開(kāi)展了農(nóng)業(yè)洪水風(fēng)險(xiǎn)評(píng)估[9]。諸如此類的研究還有許多，在此不一一列舉。

2.2 基于風(fēng)險(xiǎn)機(jī)理的評(píng)估法

基于風(fēng)險(xiǎn)機(jī)理的風(fēng)險(xiǎn)評(píng)估法是從風(fēng)險(xiǎn)形成的機(jī)理出發(fā)(具體說(shuō)，就是災(zāi)害機(jī)理與作物脆弱性機(jī)理耦合作用)展開(kāi)風(fēng)險(xiǎn)評(píng)估，該方法的一般范式如圖4所示。從致災(zāi)因子入手，通過(guò)對(duì)致災(zāi)因子的致災(zāi)機(jī)理研究獲得致災(zāi)因子危險(xiǎn)性概率分布曲線，曲線體現(xiàn)出致災(zāi)因子出現(xiàn)及強(qiáng)度的概率特征；對(duì)承災(zāi)體(即作物)的脆弱性機(jī)理進(jìn)行研究，獲得作物在致災(zāi)因子作用下的減產(chǎn)率或?yàn)?zāi)損率，獲得作物脆弱性曲線。如若考慮區(qū)域防災(zāi)水平(例如灌溉水平)的不同，可構(gòu)建不同防災(zāi)水平下的脆弱性曲線；對(duì)不同致災(zāi)因子下的作物的暴露量(如產(chǎn)量或面積)進(jìn)行測(cè)量，獲得作物暴露量曲線(為了簡(jiǎn)化，暴露量曲線通常用單個(gè)暴露量值替代)；通過(guò)致災(zāi)因子危險(xiǎn)性概率分布曲線、作物脆弱性曲線和作物暴露量曲線三者相耦合算出風(fēng)險(xiǎn)曲線，即作物減產(chǎn)量(率)或?yàn)?zāi)損面積(率)的概率分布曲線。在基于風(fēng)險(xiǎn)機(jī)理的評(píng)估法中，致災(zāi)機(jī)理和作物脆弱性機(jī)理的研究是核心。

2.2.1 致災(zāi)機(jī)理研究

致災(zāi)機(jī)理研究是對(duì)致災(zāi)因子發(fā)生機(jī)制及災(zāi)害致災(zāi)過(guò)程的研究。致災(zāi)因子作為災(zāi)害發(fā)生的源頭，通常從“時(shí)”、“空”、“強(qiáng)”三個(gè)參數(shù)進(jìn)行描述?！皶r(shí)”是致災(zāi)因子的發(fā)生時(shí)間和持續(xù)時(shí)間；“空”是致災(zāi)因子出現(xiàn)的位置和作用范圍；“強(qiáng)”是致災(zāi)因子出現(xiàn)的強(qiáng)度。災(zāi)害的致災(zāi)過(guò)程是指致災(zāi)因子出現(xiàn)后與地理環(huán)境要素相互作用而進(jìn)行災(zāi)害過(guò)程演進(jìn)，最終產(chǎn)生具有破壞力的致災(zāi)度，例如水淹、大風(fēng)等。目前，致災(zāi)機(jī)理的研究方法主要有樣本統(tǒng)計(jì)法、過(guò)程模擬法和遙感反演法。

圖4 基于風(fēng)險(xiǎn)機(jī)理評(píng)估法的一般范式

樣本統(tǒng)計(jì)法是在長(zhǎng)時(shí)間序列的致災(zāi)因子數(shù)據(jù)樣本基礎(chǔ)上，采用數(shù)理統(tǒng)計(jì)的方法對(duì)其“時(shí)”、“空”和“強(qiáng)”參數(shù)進(jìn)行統(tǒng)計(jì)分析，獲得其統(tǒng)計(jì)規(guī)律。農(nóng)業(yè)災(zāi)害主要是氣象災(zāi)害，其致災(zāi)因子通常是氣象因子，如洪澇的致災(zāi)因子是短時(shí)間內(nèi)強(qiáng)降雨，干旱的致災(zāi)因子是長(zhǎng)時(shí)間無(wú)降水，冷害的致災(zāi)因子是短時(shí)間低溫，臺(tái)風(fēng)的致災(zāi)因子是短時(shí)間強(qiáng)風(fēng)和強(qiáng)降雨，等等。針對(duì)這些氣象因子，許多學(xué)者利用長(zhǎng)時(shí)間序列氣象站點(diǎn)數(shù)據(jù)對(duì)其統(tǒng)計(jì)規(guī)律進(jìn)行了研究。以干旱為例，黃晚華等利用中國(guó)南方15個(gè)省(市、區(qū))的氣象臺(tái)站降水資料，采用準(zhǔn)化降水指數(shù)(SPI)為干旱指數(shù)，計(jì)算了南方地區(qū)近58年的干旱指數(shù)，分析了干旱強(qiáng)度的年際變化[10]；王明田等利用西南地區(qū)97個(gè)氣象站50年氣象資料，以相對(duì)濕潤(rùn)度指數(shù)(M)作為干旱指數(shù)，分析了西南地區(qū)干旱頻率和強(qiáng)度的空間分布特征[11]，等等。利用樣本統(tǒng)計(jì)法可直觀、快速地獲得災(zāi)害致災(zāi)因子的統(tǒng)計(jì)分布規(guī)律，具有普遍適用性。但統(tǒng)計(jì)模型法需要獲得災(zāi)害致災(zāi)因子的長(zhǎng)時(shí)間序列樣本，同時(shí)對(duì)于致災(zāi)因子多變量(如“時(shí)”和“空”)的聯(lián)合統(tǒng)計(jì)模型構(gòu)建難度較大。此外，樣本統(tǒng)計(jì)法常常是用于構(gòu)建致災(zāi)因子的統(tǒng)計(jì)特征，致災(zāi)度的統(tǒng)計(jì)特征還是需要借助過(guò)程模擬法和遙感反演法。

過(guò)程模擬法是利用致災(zāi)過(guò)程的微觀機(jī)理模型，借助計(jì)算機(jī)數(shù)值模擬技術(shù)，依托GIS等展示平臺(tái)，再現(xiàn)歷史災(zāi)害過(guò)程或模擬未來(lái)災(zāi)害情景，進(jìn)而獲得災(zāi)后的致災(zāi)強(qiáng)度分布。在農(nóng)業(yè)災(zāi)害中，常用過(guò)程模擬法的主要是洪澇和臺(tái)風(fēng)兩種災(zāi)害。例如，用于洪澇模擬的經(jīng)典模型有LISFLOOD-FP模型[12-14]，用于臺(tái)風(fēng)模擬的模型有基于臺(tái)風(fēng)梯度平衡方程的Battes模型[15]、基于Shapiro數(shù)值風(fēng)場(chǎng)的Georgiou模型[16-17]、基于Chow數(shù)值模型的CE模型[18-19]和Vickery風(fēng)場(chǎng)模型[20-21]等等。利用過(guò)程模擬法能夠微觀再現(xiàn)災(zāi)害發(fā)生、發(fā)展和致災(zāi)的全過(guò)程，獲得災(zāi)度結(jié)果較為精細(xì)可靠，是目前國(guó)際上農(nóng)業(yè)巨災(zāi)風(fēng)險(xiǎn)評(píng)估中常用的方法。但該方法涉及到災(zāi)害機(jī)理模型過(guò)于復(fù)雜不易掌握，且計(jì)算量較大，需要輔于高性能的計(jì)算設(shè)備。同時(shí)，自主開(kāi)發(fā)災(zāi)害過(guò)程模擬系統(tǒng)難度很大，目前絕大部分研究只能借助國(guó)外較成熟的模型系統(tǒng)，導(dǎo)致該方法的使用存在很大的局限性。

遙感反演法是利用歷史的衛(wèi)星遙感影像，借助遙感多時(shí)相、多光譜、多分辨率的特點(diǎn)，采用各種提取或反演算法，提取或反演歷史發(fā)生過(guò)的災(zāi)情，進(jìn)而獲取相應(yīng)的災(zāi)度信息。目前，用于提取或反演農(nóng)業(yè)災(zāi)害的遙感模型很多。例如，洪澇災(zāi)害的淹沒(méi)范圍遙感提取模型包括閾值分類法[22-24]、歸一化差異水體指數(shù)[25-26]、譜間關(guān)系法[27-28]等，干旱災(zāi)害的土壤濕度反演模型包括植被指數(shù)(NDVI、VCI等)法[29-33]、熱慣量法[34-36]、微波法[37-38]等。利用遙感反演法能夠大范圍地、高效地提取歷史災(zāi)害的災(zāi)度信息。但遙感反演法也存在著局限性，例如對(duì)于氣象條件較為復(fù)雜(多云、多雨)的地區(qū)，遙感影像的質(zhì)量較差而無(wú)法實(shí)現(xiàn)較為精確的災(zāi)度提?。坏途鹊挠跋耠m可免費(fèi)獲取，但災(zāi)度提取的精度常常無(wú)法滿足需求，而高精度的影像雖可實(shí)現(xiàn)精度較高的災(zāi)度提取，但卻需要支付較為昂貴的購(gòu)買(mǎi)費(fèi)用；遙感提取僅針對(duì)歷史災(zāi)情，無(wú)法對(duì)未來(lái)的災(zāi)害情景進(jìn)行分析，缺乏預(yù)估能力。

2.2.2 作物脆弱性機(jī)理研究

在災(zāi)害學(xué)中，脆弱性用于衡量自然災(zāi)害發(fā)生時(shí)承災(zāi)體的損失程度。因此，脆弱性機(jī)理研究的核心思想就是刻畫(huà)致災(zāi)因子強(qiáng)度和承災(zāi)體脆弱性之間的定量關(guān)系，通常用曲線(曲面)來(lái)表征，又稱為脆弱性曲線(曲面)。在農(nóng)業(yè)上，農(nóng)作物作為自然災(zāi)害的承災(zāi)體，其脆弱性就是指作物在遭受不同的災(zāi)害強(qiáng)度時(shí)呈現(xiàn)出來(lái)的破壞程度，通常用災(zāi)損率或減產(chǎn)率來(lái)表示。目前，作物脆弱性機(jī)理研究的方法主要有樣本統(tǒng)計(jì)法、田間實(shí)驗(yàn)法和作物模型法。

樣本統(tǒng)計(jì)法是利用收集或調(diào)查得到的實(shí)際歷史災(zāi)情數(shù)據(jù)樣本中的致災(zāi)與成災(zāi)一一對(duì)應(yīng)關(guān)系，采用曲線擬合、神經(jīng)網(wǎng)絡(luò)等數(shù)學(xué)方法發(fā)掘之間的脆弱性規(guī)律。其中，實(shí)際歷史災(zāi)情數(shù)據(jù)主要來(lái)自歷史文獻(xiàn)、災(zāi)害數(shù)據(jù)庫(kù)、實(shí)地調(diào)查數(shù)據(jù)、保險(xiǎn)理賠數(shù)據(jù)等。相關(guān)的研究諸如，尹圓圓等利用安徽省冰雹災(zāi)害案例庫(kù)(1949年以來(lái))、棉花承災(zāi)體數(shù)據(jù)庫(kù)、中國(guó)棉花雹災(zāi)歷史案例庫(kù)(1949年以來(lái))和棉花雹災(zāi)野外試驗(yàn)數(shù)據(jù)庫(kù)，構(gòu)建了安徽省棉花不同生育期(苗期、蕾期、鈴期和吐絮期)雹災(zāi)脆弱性曲線，定量地反映了雹災(zāi)致災(zāi)指數(shù)(冰雹大小、降雹密度、持續(xù)時(shí)間以及風(fēng)力)與棉花損失率之間關(guān)系[39]；趙思健等利用歷史洪澇災(zāi)情數(shù)據(jù)(1984年以來(lái))構(gòu)建了東北三省農(nóng)作物洪澇脆弱性函數(shù)，定量地反映了過(guò)程降雨量與作物洪澇受災(zāi)率之間關(guān)系[40]，等等。利用統(tǒng)計(jì)模型法構(gòu)建作物脆弱性曲線可以較好地反映實(shí)際災(zāi)害情景中的作物脆弱性水平，但在現(xiàn)實(shí)中作物脆弱性還會(huì)受孕災(zāi)環(huán)境、防災(zāi)措施等多因素影響，因此災(zāi)情數(shù)據(jù)很難全面刻畫(huà)出作物復(fù)雜的脆弱性水平，并且常常可獲取的災(zāi)情數(shù)據(jù)十分有限，使得脆弱性曲線的構(gòu)建具有一定難度和不確定性。

田間實(shí)驗(yàn)法是在田間真實(shí)的土壤、自然環(huán)境下，通過(guò)模擬作物受到各種災(zāi)害脅迫下作物真實(shí)的產(chǎn)量變化，從而構(gòu)建作物的脆弱性曲線(或函數(shù)關(guān)系)。以水稻洪澇脆弱性為例，相關(guān)的研究有：劉吉元，馬元錄對(duì)廣西省德?？h早稻進(jìn)行抽樣研究得到洪澇災(zāi)害對(duì)早稻的損失影響[41]；雷清華對(duì)江漢平原的中稻進(jìn)行了試驗(yàn)研究，得到了中稻的受淹反應(yīng)[42]；羅中元等對(duì)浙江省的淹水晚稻進(jìn)行了試驗(yàn)，研究其恢復(fù)性能，給出淹沒(méi)時(shí)間和減產(chǎn)之間的關(guān)系[43]；朱耀良等通過(guò)對(duì)水稻受淹試驗(yàn)研究成果，建立不同品種水稻在不同生育期，遭受不同洪澇淹沒(méi)深度和淹沒(méi)歷時(shí)的減產(chǎn)率數(shù)學(xué)關(guān)系[44]。利用田間實(shí)驗(yàn)法構(gòu)建作物脆弱性曲線(或函數(shù))的優(yōu)點(diǎn)在于：真實(shí)、客觀地測(cè)定出作物在災(zāi)害脅迫下產(chǎn)量的損失情況，并可以以作物品種和生育期為條件開(kāi)展實(shí)驗(yàn)，更加全面地認(rèn)識(shí)作物的脆弱性。但是，田間實(shí)驗(yàn)法是在特定的實(shí)驗(yàn)田、特定的自然環(huán)境下獲得的實(shí)驗(yàn)結(jié)果，結(jié)果的普適性受到一定限制。

作物模型法是利用成熟的作物模型模擬和計(jì)算作物不同生育期中致災(zāi)因子對(duì)最終產(chǎn)量的定量影響來(lái)擬合脆弱性曲線。其中，常用的作物模型主要有CERES Maize模型和EPIC模型。以作物旱災(zāi)脆弱性為例，相關(guān)的研究有：Velde M等利用EPIC模型分析了法國(guó)2007 年多雨條件下小麥和玉米的產(chǎn)量脆弱性曲線[45]；董姝娜等利用CERES

Maize模型模擬計(jì)算了吉林西部地區(qū)玉米在“出苗”到“拔節(jié)”期、“拔節(jié)”到“抽雄”期、“抽雄”到“乳熟”期、“乳熟”到“成熟”期的旱災(zāi)脆弱性曲線[46]；賈慧聰?shù)壤肊PIC模型模擬黃淮海夏播玉米品種“丹玉十三“旱災(zāi)脆弱性曲線[47]，等等。作物模型法構(gòu)建脆弱性曲線的優(yōu)點(diǎn)在于：可以模擬任意致災(zāi)強(qiáng)度中的農(nóng)作物脆弱性水平，并且可以從災(zāi)害自身機(jī)理和農(nóng)作物生長(zhǎng)機(jī)理出發(fā)詳細(xì)描述農(nóng)作物的脆弱性，但是存在著模型的運(yùn)算量較大，技術(shù)要求高，在模型構(gòu)建和模擬的過(guò)程中，還需要根據(jù)當(dāng)?shù)刈魑镉^測(cè)數(shù)據(jù)進(jìn)行檢驗(yàn)和修正等缺點(diǎn)，存在著較大的不確定性。

2.3 基于風(fēng)險(xiǎn)損失的評(píng)估法

基于風(fēng)險(xiǎn)損失的風(fēng)險(xiǎn)評(píng)估法是直接從農(nóng)業(yè)生產(chǎn)損失結(jié)果入手，通過(guò)構(gòu)建損失的概率分布模型進(jìn)而評(píng)估風(fēng)險(xiǎn)，該方法的一般范式如圖4所示。基于風(fēng)險(xiǎn)損失的風(fēng)險(xiǎn)評(píng)估方法通常包括損失估計(jì)、模型選擇和模型優(yōu)選三個(gè)步驟，最終獲得風(fēng)險(xiǎn)曲線(即最優(yōu)的損失概率分布)。

2.3.1 損失估計(jì)

可用于反映農(nóng)作物生產(chǎn)損失的數(shù)據(jù)主要有兩類，一類是農(nóng)作物產(chǎn)量數(shù)據(jù)(單產(chǎn)數(shù)據(jù))，另一類是農(nóng)作物災(zāi)情數(shù)據(jù)。根據(jù)所用數(shù)據(jù)的不同，農(nóng)業(yè)生產(chǎn)損失估計(jì)的方法包括基于單產(chǎn)數(shù)據(jù)的損失估計(jì)、基于災(zāi)情數(shù)據(jù)的損失估計(jì)和基于混合數(shù)據(jù)的損失估計(jì)。

圖5 基于風(fēng)險(xiǎn)損失評(píng)估法的一般范式

(1)基于單產(chǎn)數(shù)據(jù)的損失估計(jì)

用單產(chǎn)數(shù)據(jù)進(jìn)行損失估計(jì)時(shí)，首先要對(duì)單產(chǎn)數(shù)據(jù)進(jìn)行去趨勢(shì)化處理，進(jìn)而估算出減產(chǎn)波動(dòng)。模擬農(nóng)作物單產(chǎn)趨勢(shì)的方法有很多種，但大體分為三類：回歸方程法(Aggressive model)、滑動(dòng)平均法(Moving Average Model)和直線滑動(dòng)平均法(Linear Moving Average Model)[48-49]?；貧w方程法是一種最常見(jiàn)、最簡(jiǎn)單的趨勢(shì)模擬方法，但它的前提是其趨勢(shì)必須具有確定性的函數(shù)形式，不適用于隨機(jī)性時(shí)間趨勢(shì)序列，且在趨勢(shì)方程選擇上帶有較大的主觀性；滑動(dòng)平均法適用于長(zhǎng)期趨勢(shì)較為復(fù)雜，且不規(guī)則變動(dòng)很大的時(shí)間序列，但缺點(diǎn)是移動(dòng)平均后的序列會(huì)損失樣本，使樣本量減??；直線滑動(dòng)平均法是這當(dāng)中最優(yōu)異的趨勢(shì)模擬方法，它既不用主觀假定(或判定)產(chǎn)量歷史演變的曲線類型，又不損失樣本序列的數(shù)量。確定單產(chǎn)趨勢(shì)后，可對(duì)單產(chǎn)序列進(jìn)行去趨勢(shì)化處理，計(jì)算出作物的“隨機(jī)波動(dòng)”序列。將當(dāng)年的單產(chǎn)波動(dòng)除上當(dāng)年的趨勢(shì)單產(chǎn)，即可獲得當(dāng)年的單產(chǎn)波動(dòng)率。

(2)基于災(zāi)情數(shù)據(jù)的損失估計(jì)

在我國(guó)，各級(jí)民政部門(mén)負(fù)責(zé)全國(guó)的災(zāi)情統(tǒng)計(jì)任務(wù)，每年都有較為詳細(xì)的災(zāi)情統(tǒng)計(jì)，與農(nóng)作物災(zāi)情相關(guān)的指標(biāo)包括受災(zāi)面積、成災(zāi)面積和絕收面積，且受災(zāi)、成災(zāi)和絕收的標(biāo)準(zhǔn)均與作物產(chǎn)量有關(guān)。按民政統(tǒng)計(jì)規(guī)定，凡因?yàn)?zāi)減產(chǎn)10%以上的面積均計(jì)為受災(zāi)面積，因?yàn)?zāi)減產(chǎn)30%以上的面積為成災(zāi)面積，因?yàn)?zāi)減產(chǎn)80%以上的面積計(jì)為絕收面積。在計(jì)算農(nóng)作物歷年因?yàn)?zāi)損失時(shí)，可利用取中位數(shù)的方法計(jì)算受災(zāi)、成災(zāi)和絕收面積的折算平均值[48,50]。最后，將折算平均的因?yàn)?zāi)損失面積除上當(dāng)年的播種面積，即可獲得當(dāng)年作物的因?yàn)?zāi)損失率。

(3)基于混合數(shù)據(jù)的損失估計(jì)

單產(chǎn)數(shù)據(jù)區(qū)分品種，基于單產(chǎn)數(shù)據(jù)的損失估計(jì)法計(jì)算出的是不同品種作物綜合災(zāi)害下的損失，無(wú)法有效區(qū)分災(zāi)種；災(zāi)情數(shù)據(jù)中沒(méi)有受災(zāi)作物品種信息，基于災(zāi)情數(shù)據(jù)的評(píng)估方法僅能計(jì)算出某一災(zāi)害下所有作物的損失情況，無(wú)法有效區(qū)分作物品種?；趩萎a(chǎn)與災(zāi)情混合數(shù)據(jù)的估計(jì)法能解決上述兩種方法的缺陷。該方法的基本思路是在同一個(gè)地域內(nèi)，某災(zāi)害事件的發(fā)生對(duì)各種作物造成的影響與該作物的“脆弱性”有關(guān)，通過(guò)基于單產(chǎn)數(shù)據(jù)可計(jì)算出各種作物的災(zāi)害“脆弱性”，再將災(zāi)情數(shù)據(jù)結(jié)合“脆弱性”，便可實(shí)現(xiàn)不同災(zāi)害、不同作物品種的損失估計(jì)[51]。

2.3.2 模型選擇

一般風(fēng)險(xiǎn)模型是在作物損失時(shí)序數(shù)據(jù)的基礎(chǔ)上直接進(jìn)行損失概率分布的建模，建模的方法主要有：參數(shù)法(Parametric Method)和非參數(shù)法(Non-parametric Method)。其中，參數(shù)法首先假定損失數(shù)據(jù)服從某種分布，然后用損失數(shù)據(jù)估算分布函數(shù)的參數(shù)，常用的概率分布模型包括Beta分布[52-54]、Gamma分布[55]、反雙曲正弦變換[56]、 Lognormal分布[52-53]、Weibull分布[57-58]和 Logistic分布[57]等等；非參數(shù)法則不需要事先假定作物單產(chǎn)分布模型，具有分布形式自由、對(duì)函數(shù)形式假設(shè)要求寬松、受樣本觀測(cè)錯(cuò)誤影響小的特點(diǎn)，常用的非參數(shù)模型有核密度估計(jì)(Kernel Estimation)模型[59-62]。但非參數(shù)模型需要較大的樣本量，通常樣本量大于30時(shí)可采用非參數(shù)模型，反之建議采用參數(shù)模型[61]。

巨災(zāi)風(fēng)險(xiǎn)模型從是作物損失序列數(shù)據(jù)中判斷為巨災(zāi)損失的序列數(shù)據(jù)進(jìn)行損失概率分布的建模。從巨災(zāi)損失數(shù)據(jù)的角度上看，巨災(zāi)損失數(shù)據(jù)具有厚尾性，雖然損失發(fā)生概率很小，但一旦發(fā)生損失程度極大。極值理論作為概率統(tǒng)計(jì)理論的一個(gè)重要分支，其主要用于極端事件的研究，在研究厚尾數(shù)據(jù)的統(tǒng)計(jì)規(guī)律上具有優(yōu)勢(shì)。極值理論在農(nóng)業(yè)巨災(zāi)風(fēng)險(xiǎn)評(píng)估中的應(yīng)用主要有：組內(nèi)極大值(Block Maxima Method，BMM)模型和超閾值極值(Peaks Over a Threshold，POT)模型[63]。

2.3.3 模型優(yōu)選

損失概率分布模型的優(yōu)選目前還沒(méi)有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)，一般的優(yōu)選步驟可以是：①計(jì)算出損失數(shù)據(jù)的偏度和峰度值。②將偏度和峰度值與Bruce. J. Sherrick等人[64]提出的距比例圖(如圖6所示)進(jìn)行比對(duì)，初步挑選中較好的模型。③利用Anderson-Darling(AD)、Kolmogorov-Smirnov(KS),Chi-square等計(jì)量經(jīng)濟(jì)學(xué)方法進(jìn)行檢驗(yàn)，確定最優(yōu)的模型。

圖6 Beta、Weibull、正態(tài)、標(biāo)準(zhǔn)正態(tài)和Logistic模型的距比例圖

3 風(fēng)險(xiǎn)量度方法

除了基于風(fēng)險(xiǎn)因子的評(píng)估方法直接獲得反映風(fēng)險(xiǎn)級(jí)別的風(fēng)險(xiǎn)指數(shù)(非量化)外，基于風(fēng)險(xiǎn)機(jī)理及基于風(fēng)險(xiǎn)損失的評(píng)估方法均可獲得風(fēng)險(xiǎn)曲線，即損失的概率分布。為了能比較風(fēng)險(xiǎn)，通常需要獲取概率分布上某些統(tǒng)計(jì)指標(biāo)來(lái)量度風(fēng)險(xiǎn)。其中，最常用的風(fēng)險(xiǎn)量度指標(biāo)包括：E值、P值和C值，它們具體的含義如表1所示。

表1 風(fēng)險(xiǎn)量度指標(biāo)的對(duì)比

表2 三種風(fēng)險(xiǎn)評(píng)估方法的對(duì)比

4 評(píng)估方法對(duì)比

不同的評(píng)估方法擁有不同特征與適用范圍，表2所示為三種風(fēng)險(xiǎn)評(píng)估方法在理論依據(jù)、特征、結(jié)果形式、優(yōu)缺點(diǎn)和適用范圍方面的對(duì)比分析結(jié)果。

5 總結(jié)

農(nóng)業(yè)保險(xiǎn)的精細(xì)化、保費(fèi)厘定的科學(xué)化是減少“逆選擇”和“道德風(fēng)險(xiǎn)”問(wèn)題、促進(jìn)農(nóng)業(yè)保險(xiǎn)可持續(xù)發(fā)展的必要條件和前提，而農(nóng)業(yè)保險(xiǎn)的精細(xì)化和科學(xué)厘定保險(xiǎn)費(fèi)率必須建立在科學(xué)合理的農(nóng)業(yè)風(fēng)險(xiǎn)評(píng)估的基礎(chǔ)之上，農(nóng)業(yè)風(fēng)險(xiǎn)評(píng)估研究具有極其重要的現(xiàn)實(shí)意義。本文從風(fēng)險(xiǎn)構(gòu)成要素入手，在系統(tǒng)總結(jié)現(xiàn)有評(píng)估方法的基礎(chǔ)上，歸納提出了三類農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估方法，即基于風(fēng)險(xiǎn)因子、基于風(fēng)險(xiǎn)機(jī)理和基于風(fēng)險(xiǎn)損失的評(píng)估法，對(duì)三類評(píng)估方法的執(zhí)行流程、相關(guān)模型等作了較為詳細(xì)的評(píng)述，并從理論依據(jù)、特征、結(jié)果形式、優(yōu)缺點(diǎn)和適用范圍等方面對(duì)三類評(píng)估方法進(jìn)行對(duì)比。雖然三類評(píng)估方法互有優(yōu)劣，卻適用于不同的應(yīng)用環(huán)境，都能在農(nóng)業(yè)保險(xiǎn)應(yīng)用領(lǐng)域發(fā)揮重要的作用。

[1] 張峭. 中國(guó)農(nóng)作物生產(chǎn)風(fēng)險(xiǎn)評(píng)估及區(qū)劃理論與實(shí)踐[M]. 北京：中國(guó)農(nóng)業(yè)科學(xué)技術(shù)出版社, 2003.

[2] 史培軍. 災(zāi)害研究的理論與實(shí)踐[J]. 南京大學(xué)學(xué)報(bào)：自然科學(xué)版, 1991(自然災(zāi)害研究專輯):37-42.

[3] 史培軍. 四論災(zāi)害系統(tǒng)研究的理論與實(shí)踐[J].自然災(zāi)害學(xué)報(bào),2005,14(6):1-6.

[4] 史培軍. 五論災(zāi)害系統(tǒng)研究的理論與實(shí)踐[J].自然災(zāi)害學(xué)報(bào),2009,18(5):1-6.

[5] 王素艷, 霍治國(guó), 李式奎．干旱對(duì)北方冬小麥產(chǎn)量影響的風(fēng)險(xiǎn)評(píng)估[J]．自然災(zāi)害學(xué)報(bào), 2003, 12(3): 118-125.

[6] 張繼權(quán), 李寧. 主要?dú)庀鬄?zāi)害風(fēng)險(xiǎn)評(píng)價(jià)與管理的數(shù)量化方法及其應(yīng)用[M]. 北京: 北京師范大學(xué)出版社, 2007.

[7] 張琪, 張繼權(quán), 佟志軍, 等. 干旱對(duì)遼寧省玉米產(chǎn)量影響及風(fēng)險(xiǎn)區(qū)劃[J]. 災(zāi)害學(xué), 2010, 25(2):87-91.

[8] 鄒朝望, 孫媛媛, 謝伯承. 湖南省洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估研究[J]. 人民長(zhǎng)江, 2010,41(11): 63-65.

[9] 張翠英, 張英, 汪國(guó)平. 浙江農(nóng)業(yè)洪水災(zāi)害風(fēng)險(xiǎn)分析[J]．江蘇農(nóng)業(yè)學(xué)報(bào), 2011, 27(6): 1222-1227.

[10]黃晚華, 楊曉光, 李茂松, 等. 基于標(biāo)準(zhǔn)化降水指數(shù)的中國(guó)南方季節(jié)性干旱近58a演變特征[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2010,26(7):50-59.

[11]王明田, 王翔, 黃晚華, 等. 基于相對(duì)濕潤(rùn)度指數(shù)的西南地區(qū)季節(jié)性干旱時(shí)空分布特征[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2012,28(19):85-95.

[12]BatesPD,DeRooAPJ.Asimpleraster-basedmodelforfloodinundationsimulation[J].JournalofHydrology, 2000, 236(1/2):54-77.

[13]HorrittM,BatesP.Predictingfloodplaininundation:Raster-basedmodelingversusthefiniteelementapproach[J].HydrologicalProcesses, 2001, 15(5): 825-842.

[14]HorrittM,BatesP.Evaluationof1Dand2Dnumericalmodelsforpredictingriverfloodinundation[J].JournalofHydrology,2002, 268: 87-99.

[15]BattsME,SimiuE,RussellLR.HurricanewindspeedsintheUnitedStates[J].JournaloftheStructuralDivision, 1980, 106(10): 2001-2016.

[16]ShapiroLJ.Theasymmetricboundarylayerflowunderatranslatinghurricane[J].JournaloftheAtmosphericSciences, 1983, 40(8): 1984-1998.

[17]GeorgiouPN.Designwindspeedsintropicalcyclone-proneregions[M].London:TheUniversityofWesternOntario, 1985.

[18]ChowS.Astudyofthewindfieldintheplanetaryboundarylayerofamovingtropicalcyclone[M].NewYork:NewYorkUniversity, 1971.

[19]ThompsonEF,CardoneVJ.Practicalmodelingofhurricanesurfacewindfields[J].JournalofWaterway,Port,CoastalandOceanEngineering, 1996, 122(4): 195-205.

[20]VickeryPJ,TwisdaleLA.Wind-fieldandfillingmodelsforhurricanewind-speedpredictions[J].JournalofStructuralEngineering, 1995, 121(11): 1700-1709.

[21]VickeryPJ,SkerljPF,SteckleyAC,etal.Hurricanewindfieldmodelforuseinhurricanesimulations[J].JournalofStructuralEngineering, 2000, 126(10): 1203-1221.

[22]周成虎, 駱劍承, 楊曉梅, 等. 遙感影像地學(xué)理解與分析[M]. 北京:科學(xué)出版社, 1999.

[23]汪金花, 張永彬, 孔改紅. 譜間關(guān)系法在水體特征提取中的應(yīng)用[J]. 礦山測(cè)量, 2004, (4):30-32.

[24]李科, 王毅勇. 改進(jìn)TM圖像水體自動(dòng)提取模型的研究[J]. 水資源與水工程學(xué)報(bào), 2007, 18(6):20-22.

[25]McFEETERSSK.TheuseoftheNormalizedDifferenceWaterIndex(NDWI)inthedelineationofopenwaterfeatures[J].InternationalJournalOfRemoteSensing, 1996, 17 (7): 1425-1432.

[26]XuH.Modicationofnormaliseddifferencewaterindex(NDWI)toenhanceopenwaterfeaturesinremotelysensedimagery[J].InternationalJournalOfRemoteSensing, 2006, 27 (14): 3025-3033.

[27]鄧勁松, 王珂, 李君, 等. 決策樹(shù)方法從SPOT-5衛(wèi)星影像中自動(dòng)提取水體信息研究[J]. 浙江大學(xué)學(xué)報(bào):農(nóng)業(yè)與生命科學(xué)版, 2005, 31 (2): 171-174.

[28]毛先成, 熊靚輝, 高島勛. 基于MOS-1b/MESSR的洪災(zāi)遙感監(jiān)測(cè)[J]. 遙感技術(shù)與應(yīng)用, 2007, 22 (6): 685-689.

[29]Gonzalez-alonseF,CuevasJ,CalleA,etal.Spanishvegetationmonitoringduringtheperiod1987-2001usingNOAA-AVHRRimages[J].InternationalJournalofRemoteSensing, 2004, 25(1):3-6.

[30]陳乾. 用植被指數(shù)監(jiān)測(cè)干旱并估算冬麥產(chǎn)量[J]. 遙感技術(shù)與應(yīng)用, 1994, 9(3):12-18.

[31]張軍濤, 李哲, 鄭度．東北農(nóng)牧交錯(cuò)區(qū)水分條件及其對(duì)植被分布的影響[J]. 地理科學(xué), 2001, 21(4):297-300.

[32]郭鈮, 管曉丹．植被狀況指數(shù)的改進(jìn)及在西北干旱監(jiān)測(cè)中的應(yīng)用[J]. 地球科學(xué)進(jìn)展, 2007, 22(11):1160-1168.

[33]管曉丹, 郭鈮, 黃建平, 等. 植被狀態(tài)指數(shù)監(jiān)測(cè)西北干旱的適用性分析[J]. 高原氣象, 2008, 27(5):1046-1053.

[34]姬菊枝, 安曉存, 魏松林. 利用衛(wèi)星遙感技術(shù)進(jìn)行干旱監(jiān)測(cè)[J]. 自然災(zāi)害學(xué)報(bào), 2005, 14(3):6l-65.

[35]李星敏, 劉安麟, 張樹(shù)譽(yù), 等. 熱慣量法在干旱遙感監(jiān)測(cè)中的應(yīng)用研究[J]. 干旱地區(qū)農(nóng)業(yè)研究, 2005, 23(1):54-59.

[36]紀(jì)瑞鵬, 班顯秀, 馮銳, 等. 應(yīng)用NOAA/AVHRR資料監(jiān)測(cè)土壤水分和干旱面積[J]. 防災(zāi)減災(zāi)工程學(xué)報(bào), 2005, 25(2):157-161.

[37]高峰, 王介民, 孫成權(quán), 等．微波遙感土壤濕度研究進(jìn)展[J]. 遙感技術(shù)與應(yīng)用, 2001, 16(2):97-102.

[38]李震, 郭華東, 施建成．綜合主動(dòng)和被動(dòng)微波遙感數(shù)據(jù)監(jiān)測(cè)土壤水分變化[J]. 遙感學(xué)報(bào), 2002, 6(6):481-483.

[39]尹圓圓, 王靜愛(ài), 趙金濤, 等. 棉花冰雹災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)——以安徽省為例[J]. 安徽農(nóng)業(yè)科學(xué), 2012, 40(25):12506-12509.

[40]趙思健, 張峭. 東北三省農(nóng)作物洪澇時(shí)空風(fēng)險(xiǎn)評(píng)估[J]. 災(zāi)害學(xué), 2013,28(3):54-60.

[41]劉吉元, 馬元錄. 洪澇災(zāi)害對(duì)早稻的影響及災(zāi)后管理[J]. 廣西農(nóng)業(yè)科學(xué), 1996(3): 107-109.

[42]雷清華. 江漢平原中稻受淹試驗(yàn)研究[J]. 灌溉排水, 1991, 10(2): 21-27.

[43]羅中元, 張志友, 唐厚傳, 等. 晚稻澇災(zāi)損失及對(duì)策研究[J]. 耕作與栽培, 1995, (4): 21-25.

[44]朱耀良. 水稻水淹程度對(duì)產(chǎn)量影響的試驗(yàn)研究[C]//劉昌明, 等主編.低洼地漬害與治理實(shí)驗(yàn)研究. 大連: 大連理工出版社, 1990.

[45]VeldeM,TubielloF,VrielingA,etal.ImpactsofextremeweatheronwheatandmaizeinFrance:evaluatingregionalcropsimulationsagainstobserveddata[J].ClimaticChange, 2012,113(3/4):751-765.

[46]董姝娜, 龐澤源, 張繼權(quán), 等. 基于CERESMaize模型的吉林西部玉米干旱脆弱性曲線研究[J]. 災(zāi)害學(xué), 2014,29(3):115-119.

[47]賈慧聰, 王靜愛(ài), 潘東華, 等. 基于EPIC模型的黃淮海夏玉米旱災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)[J]. 地理學(xué)報(bào), 2011,66(5):643-651.

[48]張峭, 王克, 張希. 農(nóng)作物災(zāi)損風(fēng)險(xiǎn)的評(píng)估方法研究[J]. 上海農(nóng)業(yè)學(xué)報(bào), 2010, 26(Supp.1):22-26.

[49]張峭, 王克. 農(nóng)作物生產(chǎn)風(fēng)險(xiǎn)分析的方法和模型[J]. 農(nóng)業(yè)展望, 2007, (8):7-10.

[50]張峭, 王克. 我國(guó)農(nóng)業(yè)自然災(zāi)害風(fēng)險(xiǎn)評(píng)估與區(qū)劃[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃, 2011, 32(3):26-30.

[51]王克, 張峭. 基于數(shù)據(jù)融合的農(nóng)作物生產(chǎn)風(fēng)險(xiǎn)評(píng)估新方法[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2013, 46(5): 1054-1060.

[52]NelsonCH,PreckelPV.Theconditionalbetadistributionasastochasticproductionfunction[J].AmericanJournalofAgriculturalEconomics, 1989, 71: 370-378.

[53]TirupatturV,HauserRJ,ChaherliNM.CropYieldandPriceDistributionalEffectsonRevenueHedging[J].OfficeofFuturesandOptionsResearch, 1996: 1-17.

[54]吳利紅, 婁偉平, 姚益平, 等. 水稻農(nóng)業(yè)氣象指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)—以浙江省為例[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2010, 43(23): 4942-4950.

[55]GallagherP.U.S.soybeanyields:estimationandforecastingwithnonsymmetricdisturbances[J].AmericanJournalofAgriculturalEconomics, 1987, 69: 796-803.

[56]MossCB,ShonkwilerJS.Estimatingyielddistributionswithastochastictrendandnonnormalerrors[J].AmericanJournalofAgriculturalEconomics, 1993, 75: 1056-1072.

[57]SherrickBJ,ZaniniFC,SchnitkeyGD,etal.Cropinsurancevaluationunderalternativeyielddistributions[J].AmericanJournalofAgriculturalEconomics, 2004, 86: 406-419.

[58]婁偉平, 吳利紅, 陳華江, 等. 柑橘氣象指數(shù)保險(xiǎn)合同費(fèi)率厘定分析及設(shè)計(jì)[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2010, 43(9): 1904-1911.

[59]TurveyC,ZhaoJH.Parametricandnonparametriccropyielddistributionsandtheireffectsonall-riskcropinsurancepremiums[D].Ontario:UniversityofGuelph:1999.

[60]KerAP,GoodwinBK.Nonparametricestimationofcropinsuranceratesrevisited[J].AmericanJournalofAgriculturalEconomics, 2000, 83: 463-478.

[61]GoodwinBK,KerAP.Nonparametricestimationofcrop-yielddistributions:implicationsforratinggroup-riskcropinsurancecontracts[J].AmericanJournalofAgriculturalEconomics, 1998, 80: 139-153.

[62]OzakiVA,GoodwinBK,ShirotaR.Parametricandnonparametricstatisticalmodelingofcropyield:implicationsforpricingcropinsurancecontracts[J].AppliedEconomics, 2008, 40: 1151-1164.

[63]徐磊, 張峭. 中國(guó)農(nóng)業(yè)巨災(zāi)風(fēng)險(xiǎn)評(píng)估方法研究[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2011, 44(9):1945-1952.

[64]BruceJSherrick,FabioCZanini,GaryDSchnitkey,etal.CropInsuranceValuationUnderAlternativeYieldDistributions[J].Amer.J.Agr.Econ., 2004, 86(2): 406-419.

CommentaryandComparisononRiskAssessmentMethodsofAgriculturalProduction

Zhao Sijian, Zhang Qiao and Wang Ke

(AgriculturalInformationInstituteofChineseAcademyofAgriculturalSciences,KeyLaboratoryofDigitalAgriculturalEarly-warningTechnology,MOA,Beijing100081,China)

Riskassessmentofagriculturalproductionisthepremiseandfoundationofagriculturalriskmanagementandinsurancepremiumrating.Inthisarticle,fromtheperspectiveofmethodologytheriskassessmentmethodsandmeasurementmethodsareclassified,discussedandcomparedinordertoformalizeacompletesystemofagriculturalriskassessmentmethodology.Firstly,theriskassessmentmethodsareclassifiedinto3types,i.e.risk-factorbased,risk-mechanismbasedandrisk-lossbasedmethodsfromtheviewofcomponentsofrisk.Then,thegeneralparadigms,theories,technologies,modelsandresearchesaboutthese3methodsarediscussedandcommented,andthewidely-usedquantitativemetricsofriskarepresented.Finally,these3methodsarecomparedtopointouttheirownadvantages,disadvantagesandapplicablescopes.

agriculture;productionrisk;riskassessment;riskfactor;riskmechanism;riskloss;riskmeasurement

2015-02-09

2015-03-23

2014年北京市科技計(jì)劃課題(Z141100002314007)；國(guó)家自然科學(xué)基金面上項(xiàng)目(41471426)

趙思健(1977-)，福建龍巖人，博士，副研究員，研究方向?yàn)檗r(nóng)業(yè)風(fēng)險(xiǎn)管理及保險(xiǎn). E-mail: zhaosijian@caas.cn

張峭(1951-)，山西運(yùn)城人，博士，研究員，研究方向?yàn)檗r(nóng)業(yè)保險(xiǎn)及農(nóng)村金融. E-mail: zhangqiao@caas.cn

X43；f320.3

A

1000-811X(2015)03-0131-09

10.3969/j.issn.1000-811X.2015.03.025

趙思健，張峭，王克. 農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)評(píng)估方法評(píng)述與比較[J].災(zāi)害學(xué), 2015,30(3):131-139. [Zhao Sijian, Zhang Qiao, Wang Ke. Commentary and Comparison on Risk Assessment Methods of Agricultural Production [J].Journal of Catastrophology, 2015,30(3)：131-139.]

注：①利用中國(guó)種植業(yè)信息網(wǎng)(http://zzys.agri.gov.cn/)的統(tǒng)計(jì)數(shù)據(jù)整理計(jì)算