农作物生产风险评估方式探索.docVIP

农作物生产风险评估方式探索 研究方法与数据来源 1研究方法 农作物生产风险是指由于不确定性和人的有限理性致使农作物实际产量偏离预期产量的可能性程度。由于农作物单产是影响作物生长的各种因素综合作用的结果，因此作物单产的波动水平被视为是衡量和反映农作物生产风险程度的一个主要指标，在评估作物生产风险和农业保险定价中得到了广泛采用。但如前所述，基于较大空间尺度单产数据的作物风险评估存在数据加总偏差和风险低估的缺陷，根源在于农户层次作物单产时序数据很少且难以获得，而这一现象在世界各国普遍存在，因此基于单产数据评估方法存在的不足和缺陷很难依靠作物单产数据得到解决。有学者提出了基于农作物灾情数据的作物风险评估方法，该方法能够克服风险低估的问题，但由于没有分作物种类的农业灾情统计，该方法无法对具体作物的生产风险进行评估。 TRIZ创新理论的“九屏幕法”认为，当某系统存在的问题无法依靠该系统内的资源得到解决时，需要将思路发散，可充分利用当前系统的超系统、子系统、未来超系统、未来子系统、过去超系统和过去子系统的可用资源。农作物风险损失的估计及其概率分布的模拟是农作物生产风险评估的两个主要任务,因此，借鉴TRIZ“九屏幕法”的问题分析模型，笔者认为农作物生产风险评估方法存在的问题可通过利用其子系统的数据资源加以解决，以基于灾情数据的农作物生产风险评估为主，利用作物单产数据寻找某种方法将农作物因灾损失在各个作物间进行分摊，随后利用现有成熟方法对农作物生产风险进行评估。 在已有研究中，学者们在利用农作物灾情数据评估生产风险的方法推导中也对农作物因灾损失在具体作物间进行了分配。但其分配的依据是作物播种面积占农作物总播种面积的比例，如式（1）所示。其中，Li为作物i的历年因灾损失率；SZ为农作物因灾受灾面积；CZ为作物因灾成灾面积；JS为作物因灾绝收面积；Ai为作物i的播种面积；Yi为作物i的单位面积产量；A为农作物总播种面积；0.2、0.55、0.9为作物在各损失区间的损失率均值。 从式（1）可以看出，这样简单的分配方法使分子、分母中具体作物的信息互相抵消，导致无法计算出具体作物的因灾损失率。该分配方法虽然简单，但不尽合理，事实上即使在同一个地区同一时间，相同自然灾害事件也会对不同作物造成不同的影响，例如，水稻和小麦的抗旱能力和对水资源的需求不同，所以干旱对这两种作物造成的损失也应该是不同的。因此，某种具体作物受自然灾害的影响程度不仅取决于其播种面积、更取决于其自身的脆弱性或风险承受能力。本研究对公式（1）进行修正，假定农作物受灾、成灾和绝收面积在各个作物间不是按照播种面积比重，而是按照各作物的风险承受能力或相对脆弱性进行分配的，如式（2）所示。 2数据来源 以东北三省为例，运用基于数据融合的风险评估方法对东北三省主要农作物（稻谷、玉米、小麦、大豆、花生）的生产风险进行评估，并与传统方法得到的结果进行比较，以验证本文提出的作物风险评估新方法的功效。本文中用到了两种数据资源：作物单产时序数据及农作物灾情时序数据，数据尺度均为省级数据，时间跨度统一为1978年至2010年。其中，灾情数据来自于《中国统计年鉴》及《中国农业统计年鉴》，具体指标包括农作物因灾受灾面积、农作物因灾成灾面积、农作物因灾绝收面积、农作物因干旱受灾面积、农作物因干旱成灾面积、农作物因干旱绝收面积；稻谷、玉米、小麦、大豆、花生5种作物单产数据来自于《中国统计年鉴》。 结果 15种作物的相对脆弱性 由于农业灾情统计中，作物正常产量的计算标准是前几年产量的平均，故在本文基于单产数据的作风险评估中，作物单产趋势是按照前3年单产平均值来计算的。利用基于单产数据的作物生产风险评估方法，笔者首先计算出东北三省稻谷、玉米、小麦、大豆、花生5种作物在损失率区间10%—30%、30%—80%及80%—100%的发生概率，随后按照公式（3）计算出东北三省5种作物在各个损失区间上的相对脆弱性，如表1所示。可以看出：（1）5种作物在10%—30%损失率区间的发生概率最大，30%—80%区间次之，损失率超过80%的可能性最小；（2）黑龙江省玉米、花生、大豆在损失率30%以上区间的发生概率大于吉林、辽宁两省，说明黑龙江省这3种作物的生产风险似乎要高于另外2个省份；（3）在作物损失率10%—30%区间内，玉米损失面积最大，东北三省中玉米损失面积占作物总损失面积的比例均在50%以上，吉林省这一比例最高，达75%左右；（4）在作物损失率30%—80%区间内，辽宁省大豆和小麦的损失面积比例最高，均在30%以上，而在吉林和黑龙江两省，主要仍为玉米损失；（5）在作物损失率80%以上的巨灾区间，小麦、大豆和花生分别是辽宁、吉林、黑龙江三省中最为