農(nóng)作物生產(chǎn)風(fēng)險評估方式探索范文
本站小編為你精心準(zhǔn)備了農(nóng)作物生產(chǎn)風(fēng)險評估方式探索參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。
研究方法與數(shù)據(jù)來源
1研究方法
農(nóng)作物生產(chǎn)風(fēng)險是指由于不確定性和人的有限理性致使農(nóng)作物實(shí)際產(chǎn)量偏離預(yù)期產(chǎn)量的可能性程度。由于農(nóng)作物單產(chǎn)是影響作物生長的各種因素綜合作用的結(jié)果，因此作物單產(chǎn)的波動水平被視為是衡量和反映農(nóng)作物生產(chǎn)風(fēng)險程度的一個主要指標(biāo)，在評估作物生產(chǎn)風(fēng)險和農(nóng)業(yè)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(chǎn)數(shù)據(jù)的作物風(fēng)險評估存在數(shù)據(jù)加總偏差和風(fēng)險低估的缺陷，根源在于農(nóng)戶層次作物單產(chǎn)時序數(shù)據(jù)很少且難以獲得，而這一現(xiàn)象在世界各國普遍存在，因此基于單產(chǎn)數(shù)據(jù)評估方法存在的不足和缺陷很難依靠作物單產(chǎn)數(shù)據(jù)得到解決。有學(xué)者提出了基于農(nóng)作物災(zāi)情數(shù)據(jù)的作物風(fēng)險評估方法，該方法能夠克服風(fēng)險低估的問題，但由于沒有分作物種類的農(nóng)業(yè)災(zāi)情統(tǒng)計(jì)，該方法無法對具體作物的生產(chǎn)風(fēng)險進(jìn)行評估。
TRIZ創(chuàng)新理論的“九屏幕法”認(rèn)為，當(dāng)某系統(tǒng)存在的問題無法依靠該系統(tǒng)內(nèi)的資源得到解決時，需要將思路發(fā)散，可充分利用當(dāng)前系統(tǒng)的超系統(tǒng)、子系統(tǒng)、未來超系統(tǒng)、未來子系統(tǒng)、過去超系統(tǒng)和過去子系統(tǒng)的可用資源。農(nóng)作物風(fēng)險損失的估計(jì)及其概率分布的模擬是農(nóng)作物生產(chǎn)風(fēng)險評估的兩個主要任務(wù),因此，借鑒TRIZ“九屏幕法”的問題分析模型，筆者認(rèn)為農(nóng)作物生產(chǎn)風(fēng)險評估方法存在的問題可通過利用其子系統(tǒng)的數(shù)據(jù)資源加以解決，以基于災(zāi)情數(shù)據(jù)的農(nóng)作物生產(chǎn)風(fēng)險評估為主，利用作物單產(chǎn)數(shù)據(jù)尋找某種方法將農(nóng)作物因?yàn)?zāi)損失在各個作物間進(jìn)行分?jǐn)偅S后利用現(xiàn)有成熟方法對農(nóng)作物生產(chǎn)風(fēng)險進(jìn)行評估。
在已有研究中，學(xué)者們在利用農(nóng)作物災(zāi)情數(shù)據(jù)評估生產(chǎn)風(fēng)險的方法推導(dǎo)中也對農(nóng)作物因?yàn)?zāi)損失在具體作物間進(jìn)行了分配。但其分配的依據(jù)是作物播種面積占農(nóng)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?yàn)?zāi)損失率；SZ為農(nóng)作物因?yàn)?zāi)受災(zāi)面積；CZ為作物因?yàn)?zāi)成災(zāi)面積；JS為作物因?yàn)?zāi)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(chǎn)量；A為農(nóng)作物總播種面積；0.2、0.55、0.9為作物在各損失區(qū)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(dǎo)致無法計(jì)算出具體作物的因?yàn)?zāi)損失率。該分配方法雖然簡單，但不盡合理，事實(shí)上即使在同一個地區(qū)同一時間，相同自然災(zāi)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(yīng)該是不同的。因此，某種具體作物受自然災(zāi)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(fēng)險承受能力。本研究對公式（1）進(jìn)行修正，假定農(nóng)作物受災(zāi)、成災(zāi)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(fēng)險承受能力或相對脆弱性進(jìn)行分配的，如式（2）所示。
2數(shù)據(jù)來源
以東北三省為例，運(yùn)用基于數(shù)據(jù)融合的風(fēng)險評估方法對東北三省主要農(nóng)作物（稻谷、玉米、小麥、大豆、花生）的生產(chǎn)風(fēng)險進(jìn)行評估，并與傳統(tǒng)方法得到的結(jié)果進(jìn)行比較，以驗(yàn)證本文提出的作物風(fēng)險評估新方法的功效。本文中用到了兩種數(shù)據(jù)資源：作物單產(chǎn)時序數(shù)據(jù)及農(nóng)作物災(zāi)情時序數(shù)據(jù)，數(shù)據(jù)尺度均為省級數(shù)據(jù)，時間跨度統(tǒng)一為1978年至2010年。其中，災(zāi)情數(shù)據(jù)來自于《中國統(tǒng)計(jì)年鑒》及《中國農(nóng)業(yè)統(tǒng)計(jì)年鑒》，具體指標(biāo)包括農(nóng)作物因?yàn)?zāi)受災(zāi)面積、農(nóng)作物因?yàn)?zāi)成災(zāi)面積、農(nóng)作物因?yàn)?zāi)絕收面積、農(nóng)作物因干旱受災(zāi)面積、農(nóng)作物因干旱成災(zāi)面積、農(nóng)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(chǎn)數(shù)據(jù)來自于《中國統(tǒng)計(jì)年鑒》。
結(jié)果
15種作物的相對脆弱性
由于農(nóng)業(yè)災(zāi)情統(tǒng)計(jì)中，作物正常產(chǎn)量的計(jì)算標(biāo)準(zhǔn)是前幾年產(chǎn)量的平均，故在本文基于單產(chǎn)數(shù)據(jù)的作風(fēng)險評估中，作物單產(chǎn)趨勢是按照前3年單產(chǎn)平均值來計(jì)算的。利用基于單產(chǎn)數(shù)據(jù)的作物生產(chǎn)風(fēng)險評估方法，筆者首先計(jì)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(qū)間10%—30%、30%—80%及80%—100%的發(fā)生概率，隨后按照公式（3）計(jì)算出東北三省5種作物在各個損失區(qū)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(qū)間的發(fā)生概率最大，30%—80%區(qū)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(qū)間的發(fā)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(chǎn)風(fēng)險似乎要高于另外2個省份；（3）在作物損失率10%—30%區(qū)間內(nèi)，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(dá)75%左右；（4）在作物損失率30%—80%區(qū)間內(nèi)，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(zāi)區(qū)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(chǎn)風(fēng)險評估
在計(jì)算出5種作物在各個損失區(qū)間的相對脆弱性以后，筆者利用基于數(shù)據(jù)融合的風(fēng)險評估方法評估出了5種作物生產(chǎn)風(fēng)險水平（表2）。表2中同時顯示了基于單產(chǎn)數(shù)據(jù)及基于災(zāi)情數(shù)據(jù)的作物生產(chǎn)風(fēng)險評估結(jié)果，可以看出：（1）較之傳統(tǒng)方法，本文提出的基于數(shù)據(jù)融合的農(nóng)作物生產(chǎn)風(fēng)險評估新方法具有明顯的優(yōu)勢，它既可以評估出具體作物的生產(chǎn)風(fēng)險水平，又可以評估出作物因具體災(zāi)害引致的風(fēng)險水平；（2）基于單產(chǎn)數(shù)據(jù)的作物風(fēng)險評估結(jié)果（列3）顯著低于其余兩種方法的評估結(jié)果（列5及列7），這也證實(shí)了基于大空間尺度單產(chǎn)數(shù)據(jù)的風(fēng)險評估會產(chǎn)生空間加總偏差、低估作物生產(chǎn)風(fēng)險的理論推論；（3）從5種作物生產(chǎn)風(fēng)險水平的排序來看，基于單產(chǎn)數(shù)據(jù)的風(fēng)險評估結(jié)果與基于數(shù)據(jù)融合的風(fēng)險評估結(jié)果有所不同，如按照單產(chǎn)數(shù)據(jù)的評估結(jié)果，玉米和花生是遼寧省生產(chǎn)風(fēng)險最大的兩種作物，但按照基于數(shù)據(jù)融合的評估結(jié)果，玉米和花生成為遼寧省生產(chǎn)風(fēng)險較小的兩種作物、小麥成為生產(chǎn)風(fēng)險最大的作物，這說明基于單產(chǎn)數(shù)據(jù)的風(fēng)險低估程度因作物不同而不同，這可能與作物種植生產(chǎn)的空間布局有關(guān)。
由于農(nóng)業(yè)生產(chǎn)具有地域性，因此不同地區(qū)不同作物的空間加總偏差應(yīng)該有所不同，下圖進(jìn)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(chǎn)風(fēng)險水平。可以很明顯地看出：（1）基于省級單產(chǎn)數(shù)據(jù)的作物風(fēng)險評估明顯低估了作物真實(shí)風(fēng)險水平，三省份5種作物的實(shí)際生產(chǎn)風(fēng)險水平均在基于單產(chǎn)數(shù)據(jù)評估結(jié)果的2倍以上，吉林省小麥和黑龍江省玉米的實(shí)際生產(chǎn)風(fēng)險水平更高達(dá)單產(chǎn)評估結(jié)果的6—7倍；（2）不同作物、不同省份的風(fēng)險低估程度不同，東北三省中，遼寧省的作物風(fēng)險低估程度最小，吉林省最高，黑龍江居中，而在同一省份內(nèi)，基于花生單產(chǎn)數(shù)據(jù)的生產(chǎn)風(fēng)險評估結(jié)果低估程度最小。
討論
農(nóng)作物生產(chǎn)風(fēng)險評估是制定風(fēng)險管理決策及農(nóng)業(yè)保險費(fèi)率厘定的基礎(chǔ)。正因作物生產(chǎn)風(fēng)險評估工作的重要性，國內(nèi)外學(xué)者尤其是國外學(xué)者對如何科學(xué)準(zhǔn)確評估農(nóng)作物生產(chǎn)風(fēng)險進(jìn)行了大量研究。從國內(nèi)外研究文獻(xiàn)看，利用作物單產(chǎn)時序數(shù)據(jù)進(jìn)行評估是目前農(nóng)作物生產(chǎn)風(fēng)險評估的主流方法，但由于小空間尺度如農(nóng)戶尺度單產(chǎn)數(shù)據(jù)很少且獲取困難，該方法存在數(shù)據(jù)空間加總和風(fēng)險低估的缺陷，有學(xué)者提出了基于作物災(zāi)情數(shù)據(jù)的評估，但該方法也存在無法對具體作物風(fēng)險進(jìn)行評估的不足，筆者認(rèn)為這兩種方法存在不足的根本原因在于沒有準(zhǔn)確估算出農(nóng)戶種植的各種作物因自然災(zāi)害等風(fēng)險事件而導(dǎo)致的風(fēng)險損失程度，即上述兩種方法在準(zhǔn)確估計(jì)作物風(fēng)險損失方面存在不足。借鑒TRIZ創(chuàng)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(chǎn)和災(zāi)情數(shù)據(jù)信息進(jìn)行農(nóng)作物生產(chǎn)風(fēng)險評估的方法，預(yù)期實(shí)現(xiàn)克服傳統(tǒng)評估方法不足、準(zhǔn)確評估中國農(nóng)作物生產(chǎn)風(fēng)險的目的。
從實(shí)證分析結(jié)果來看，本文提出的方法達(dá)到了預(yù)期目標(biāo)，它既評估出了東北三省5種作物的生產(chǎn)風(fēng)險水平，同時又對具體災(zāi)害（本文為干旱）引致的作物生產(chǎn)風(fēng)險進(jìn)行了評估（如表2所示）。然而，基于數(shù)據(jù)融合的評估結(jié)果與傳統(tǒng)基于單產(chǎn)數(shù)據(jù)的評估結(jié)果有一定差異，除具體數(shù)值大小的差異外，各種作物的風(fēng)險等級排序也發(fā)生了一些變化，如基于傳統(tǒng)單產(chǎn)數(shù)據(jù)的評估結(jié)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(chǎn)風(fēng)險最高的3種作物，而基于數(shù)據(jù)融合的評估結(jié)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(chǎn)風(fēng)險最高的3種作物。筆者認(rèn)為造成這一現(xiàn)象的原因可能和作物生產(chǎn)的區(qū)域和生產(chǎn)布局有關(guān)，作物生產(chǎn)越集中，所處的風(fēng)險環(huán)境越相似，則基于大空間尺度作物單產(chǎn)數(shù)據(jù)的風(fēng)險評估低估程度越小，后續(xù)研究可以對此問題進(jìn)行實(shí)證研究，并掌握單產(chǎn)數(shù)據(jù)空間加總偏差及風(fēng)險低估的規(guī)律。同時，本文提出的作物生產(chǎn)風(fēng)險評估方法仍存在不足之處，需要繼續(xù)完善和發(fā)展。
如：（1）農(nóng)作物災(zāi)情信息（作物成災(zāi)面積、受災(zāi)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(nóng)作物災(zāi)情數(shù)據(jù)的質(zhì)量本身就可能存在不足，如由于災(zāi)害發(fā)生的突然性，災(zāi)情統(tǒng)計(jì)可能不夠準(zhǔn)確，另外災(zāi)情數(shù)據(jù)可能受到人為影響而出現(xiàn)偏誤；（2）本文提出的新方法核心思想是將農(nóng)業(yè)因?yàn)?zāi)損失在不同作物間進(jìn)行合理分配，但應(yīng)該在幾種作物間進(jìn)行分配較為合適？筆者認(rèn)為當(dāng)?shù)夭シN面積前5位的主產(chǎn)作物應(yīng)該包括在內(nèi)，但這一推斷缺乏實(shí)證研究的支持和檢驗(yàn)，需要后續(xù)研究中加以解決。
結(jié)論
首先，在農(nóng)作物生產(chǎn)風(fēng)險評估中，農(nóng)作物災(zāi)情數(shù)據(jù)和作物單產(chǎn)時序數(shù)據(jù)都蘊(yùn)含著農(nóng)業(yè)生產(chǎn)風(fēng)險方面的重要信息，但基于單一數(shù)據(jù)的作物生產(chǎn)風(fēng)險評估都存在著一些缺陷或問題，而基于兩種數(shù)據(jù)信息的農(nóng)作物生產(chǎn)風(fēng)險評估不僅切實(shí)可行，且與傳統(tǒng)評估方法相比具有明顯優(yōu)勢：既可以克服風(fēng)險低估問題、準(zhǔn)確評估作物生產(chǎn)風(fēng)險，同時又可以對具體災(zāi)害引致的作物生產(chǎn)風(fēng)險進(jìn)行評估。其次，本文實(shí)證研究結(jié)果表明，基于大空間尺度（本文為省級）作物單產(chǎn)數(shù)據(jù)的風(fēng)險評估會顯著低估農(nóng)民面臨的真實(shí)風(fēng)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(fēng)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(chǎn)數(shù)據(jù)作物風(fēng)險評估的風(fēng)險低估程度和作物生產(chǎn)的區(qū)域和生產(chǎn)布局有關(guān)，作物生產(chǎn)越集中，則所處的風(fēng)險環(huán)境越相似，基于大空間尺度作物單產(chǎn)數(shù)據(jù)的風(fēng)險評估低估程度越小。
作者：王克張峭單位：中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所農(nóng)業(yè)部農(nóng)業(yè)信息服務(wù)技術(shù)重點(diǎn)實(shí)驗(yàn)室