農作物生產風險評估方式探索范文
本站小編為你精心準備了農作物生產風險評估方式探索參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。
研究方法與數據來源
1研究方法
農作物生產風險是指由于不確定性和人的有限理性致使農作物實際產量偏離預期產量的可能性程度。由于農作物單產是影響作物生長的各種因素綜合作用的結果，因此作物單產的波動水平被視為是衡量和反映農作物生產風險程度的一個主要指標，在評估作物生產風險和農業保險定價中得到了廣泛采用。但如前所述，基于較大空間尺度單產數據的作物風險評估存在數據加總偏差和風險低估的缺陷，根源在于農戶層次作物單產時序數據很少且難以獲得，而這一現象在世界各國普遍存在，因此基于單產數據評估方法存在的不足和缺陷很難依靠作物單產數據得到解決。有學者提出了基于農作物災情數據的作物風險評估方法，該方法能夠克服風險低估的問題，但由于沒有分作物種類的農業災情統計，該方法無法對具體作物的生產風險進行評估。
TRIZ創新理論的“九屏幕法”認為，當某系統存在的問題無法依靠該系統內的資源得到解決時，需要將思路發散，可充分利用當前系統的超系統、子系統、未來超系統、未來子系統、過去超系統和過去子系統的可用資源。農作物風險損失的估計及其概率分布的模擬是農作物生產風險評估的兩個主要任務,因此，借鑒TRIZ“九屏幕法”的問題分析模型，筆者認為農作物生產風險評估方法存在的問題可通過利用其子系統的數據資源加以解決，以基于災情數據的農作物生產風險評估為主，利用作物單產數據尋找某種方法將農作物因災損失在各個作物間進行分攤，隨后利用現有成熟方法對農作物生產風險進行評估。
在已有研究中，學者們在利用農作物災情數據評估生產風險的方法推導中也對農作物因災損失在具體作物間進行了分配。但其分配的依據是作物播種面積占農作物總播種面積的比例，如式（1）所示。其中，Li為作物i的歷年因災損失率；SZ為農作物因災受災面積；CZ為作物因災成災面積；JS為作物因災絕收面積；Ai為作物i的播種面積；Yi為作物i的單位面積產量；A為農作物總播種面積；0.2、0.55、0.9為作物在各損失區間的損失率均值。
從式（1）可以看出，這樣簡單的分配方法使分子、分母中具體作物的信息互相抵消，導致無法計算出具體作物的因災損失率。該分配方法雖然簡單，但不盡合理，事實上即使在同一個地區同一時間，相同自然災害事件也會對不同作物造成不同的影響，例如，水稻和小麥的抗旱能力和對水資源的需求不同，所以干旱對這兩種作物造成的損失也應該是不同的。因此，某種具體作物受自然災害的影響程度不僅取決于其播種面積、更取決于其自身的脆弱性或風險承受能力。本研究對公式（1）進行修正，假定農作物受災、成災和絕收面積在各個作物間不是按照播種面積比重，而是按照各作物的風險承受能力或相對脆弱性進行分配的，如式（2）所示。
2數據來源
以東北三省為例，運用基于數據融合的風險評估方法對東北三省主要農作物（稻谷、玉米、小麥、大豆、花生）的生產風險進行評估，并與傳統方法得到的結果進行比較，以驗證本文提出的作物風險評估新方法的功效。本文中用到了兩種數據資源：作物單產時序數據及農作物災情時序數據，數據尺度均為省級數據，時間跨度統一為1978年至2010年。其中，災情數據來自于《中國統計年鑒》及《中國農業統計年鑒》，具體指標包括農作物因災受災面積、農作物因災成災面積、農作物因災絕收面積、農作物因干旱受災面積、農作物因干旱成災面積、農作物因干旱絕收面積；稻谷、玉米、小麥、大豆、花生5種作物單產數據來自于《中國統計年鑒》。
結果
15種作物的相對脆弱性
由于農業災情統計中，作物正常產量的計算標準是前幾年產量的平均，故在本文基于單產數據的作風險評估中，作物單產趨勢是按照前3年單產平均值來計算的。利用基于單產數據的作物生產風險評估方法，筆者首先計算出東北三省稻谷、玉米、小麥、大豆、花生5種作物在損失率區間10%—30%、30%—80%及80%—100%的發生概率，隨后按照公式（3）計算出東北三省5種作物在各個損失區間上的相對脆弱性，如表1所示。可以看出：（1）5種作物在10%—30%損失率區間的發生概率最大，30%—80%區間次之，損失率超過80%的可能性最小；（2）黑龍江省玉米、花生、大豆在損失率30%以上區間的發生概率大于吉林、遼寧兩省，說明黑龍江省這3種作物的生產風險似乎要高于另外2個省份；（3）在作物損失率10%—30%區間內，玉米損失面積最大，東北三省中玉米損失面積占作物總損失面積的比例均在50%以上，吉林省這一比例最高，達75%左右；（4）在作物損失率30%—80%區間內，遼寧省大豆和小麥的損失面積比例最高，均在30%以上，而在吉林和黑龍江兩省，主要仍為玉米損失；（5）在作物損失率80%以上的巨災區間，小麥、大豆和花生分別是遼寧、吉林、黑龍江三省中最為脆弱的作物。
25種作物的生產風險評估
在計算出5種作物在各個損失區間的相對脆弱性以后，筆者利用基于數據融合的風險評估方法評估出了5種作物生產風險水平（表2）。表2中同時顯示了基于單產數據及基于災情數據的作物生產風險評估結果，可以看出：（1）較之傳統方法，本文提出的基于數據融合的農作物生產風險評估新方法具有明顯的優勢，它既可以評估出具體作物的生產風險水平，又可以評估出作物因具體災害引致的風險水平；（2）基于單產數據的作物風險評估結果（列3）顯著低于其余兩種方法的評估結果（列5及列7），這也證實了基于大空間尺度單產數據的風險評估會產生空間加總偏差、低估作物生產風險的理論推論；（3）從5種作物生產風險水平的排序來看，基于單產數據的風險評估結果與基于數據融合的風險評估結果有所不同，如按照單產數據的評估結果，玉米和花生是遼寧省生產風險最大的兩種作物，但按照基于數據融合的評估結果，玉米和花生成為遼寧省生產風險較小的兩種作物、小麥成為生產風險最大的作物，這說明基于單產數據的風險低估程度因作物不同而不同，這可能與作物種植生產的空間布局有關。
由于農業生產具有地域性，因此不同地區不同作物的空間加總偏差應該有所不同，下圖進一步比較了利用兩種評估方法評估出的東三省5種作物生產風險水平。可以很明顯地看出：（1）基于省級單產數據的作物風險評估明顯低估了作物真實風險水平，三省份5種作物的實際生產風險水平均在基于單產數據評估結果的2倍以上，吉林省小麥和黑龍江省玉米的實際生產風險水平更高達單產評估結果的6—7倍；（2）不同作物、不同省份的風險低估程度不同，東北三省中，遼寧省的作物風險低估程度最小，吉林省最高，黑龍江居中，而在同一省份內，基于花生單產數據的生產風險評估結果低估程度最小。
討論
農作物生產風險評估是制定風險管理決策及農業保險費率厘定的基礎。正因作物生產風險評估工作的重要性，國內外學者尤其是國外學者對如何科學準確評估農作物生產風險進行了大量研究。從國內外研究文獻看，利用作物單產時序數據進行評估是目前農作物生產風險評估的主流方法，但由于小空間尺度如農戶尺度單產數據很少且獲取困難，該方法存在數據空間加總和風險低估的缺陷，有學者提出了基于作物災情數據的評估，但該方法也存在無法對具體作物風險進行評估的不足，筆者認為這兩種方法存在不足的根本原因在于沒有準確估算出農戶種植的各種作物因自然災害等風險事件而導致的風險損失程度，即上述兩種方法在準確估計作物風險損失方面存在不足。借鑒TRIZ創新理論的“九屏幕法”的問題分析思路，本研究提出綜合利用作物單產和災情數據信息進行農作物生產風險評估的方法，預期實現克服傳統評估方法不足、準確評估中國農作物生產風險的目的。
從實證分析結果來看，本文提出的方法達到了預期目標，它既評估出了東北三省5種作物的生產風險水平，同時又對具體災害（本文為干旱）引致的作物生產風險進行了評估（如表2所示）。然而，基于數據融合的評估結果與傳統基于單產數據的評估結果有一定差異，除具體數值大小的差異外，各種作物的風險等級排序也發生了一些變化，如基于傳統單產數據的評估結果（表2第3列）顯示玉米、花生和花生分別是遼寧、吉林和黑龍江省生產風險最高的3種作物，而基于數據融合的評估結果（表2第7列）卻顯示小麥、小麥和玉米分別是遼寧、吉林和黑龍江三省份生產風險最高的3種作物。筆者認為造成這一現象的原因可能和作物生產的區域和生產布局有關，作物生產越集中，所處的風險環境越相似，則基于大空間尺度作物單產數據的風險評估低估程度越小，后續研究可以對此問題進行實證研究，并掌握單產數據空間加總偏差及風險低估的規律。同時，本文提出的作物生產風險評估方法仍存在不足之處，需要繼續完善和發展。
如：（1）農作物災情信息（作物成災面積、受災面積、絕收面積）在本文提出的方法中起到了十分重要的作用，但農作物災情數據的質量本身就可能存在不足，如由于災害發生的突然性，災情統計可能不夠準確，另外災情數據可能受到人為影響而出現偏誤；（2）本文提出的新方法核心思想是將農業因災損失在不同作物間進行合理分配，但應該在幾種作物間進行分配較為合適？筆者認為當地播種面積前5位的主產作物應該包括在內，但這一推斷缺乏實證研究的支持和檢驗，需要后續研究中加以解決。
結論
首先，在農作物生產風險評估中，農作物災情數據和作物單產時序數據都蘊含著農業生產風險方面的重要信息，但基于單一數據的作物生產風險評估都存在著一些缺陷或問題，而基于兩種數據信息的農作物生產風險評估不僅切實可行，且與傳統評估方法相比具有明顯優勢：既可以克服風險低估問題、準確評估作物生產風險，同時又可以對具體災害引致的作物生產風險進行評估。其次，本文實證研究結果表明，基于大空間尺度（本文為省級）作物單產數據的風險評估會顯著低估農民面臨的真實風險水平，三省份低估程度都在50%以上，但不同省份不同作物的風險低估程度不同，由此可以得到如下理論假說：基于大空間尺度單產數據作物風險評估的風險低估程度和作物生產的區域和生產布局有關，作物生產越集中，則所處的風險環境越相似，基于大空間尺度作物單產數據的風險評估低估程度越小。
作者：王克張峭單位：中國農業科學院農業信息研究所農業部農業信息服務技術重點實驗室