劉瑞娜，楊太明**，陳金龍，陳金華，孫喜波

安徽河蟹養(yǎng)殖高溫?zé)岷μ鞖庵笖?shù)模型設(shè)計(jì)與實(shí)踐*

劉瑞娜1，楊太明1**，陳金龍2，陳金華1，孫喜波3

（1．安徽省農(nóng)業(yè)氣象中心/安徽省農(nóng)業(yè)生態(tài)大數(shù)據(jù)工程實(shí)驗(yàn)室，合肥 230031；2．馬鞍山市氣象局，馬鞍山 243000；3．國(guó)元農(nóng)業(yè)保險(xiǎn)公司，合肥 230031）

基于安徽省當(dāng)涂縣2012-2016年3個(gè)河蟹養(yǎng)殖池塘的物聯(lián)網(wǎng)水溫觀測(cè)數(shù)據(jù)和河蟹產(chǎn)量數(shù)據(jù)、死亡率數(shù)據(jù)，以及1985-2016年當(dāng)涂縣逐日氣象數(shù)據(jù)，分析不同深度水溫與河蟹產(chǎn)量的相關(guān)性，確定池塘河蟹高溫?zé)岷﹃P(guān)鍵致災(zāi)因子和致災(zāi)臨界值。通過(guò)構(gòu)建關(guān)鍵致災(zāi)因子與氣溫的關(guān)系模型，推算池塘養(yǎng)殖河蟹的高溫?zé)岷χ聻?zāi)臨界氣象條件，定義高溫?zé)岷μ鞖庵笖?shù)。在此基礎(chǔ)上，結(jié)合河蟹高溫?zé)岷λ劳雎蕵颖?，利用K-均值聚類分析方法，建立高溫?zé)岷Φ燃?jí)指標(biāo)，設(shè)計(jì)池塘養(yǎng)殖河蟹高溫?zé)岷μ鞖庵笖?shù)保險(xiǎn)產(chǎn)品，并試點(diǎn)應(yīng)用。結(jié)果表明：池塘養(yǎng)殖河蟹高溫?zé)岷﹃P(guān)鍵致災(zāi)因子為60cm深度日平均水溫，其致災(zāi)臨界值為31℃。60cm深度日平均水溫與前一日平均氣溫相關(guān)性最高，根據(jù)其關(guān)系模型可知，發(fā)生高溫?zé)岷Φ呐R界氣象條件為日平均氣溫≥30.5℃。因此，池塘養(yǎng)殖河蟹高溫?zé)岷χ笖?shù)（S）定義為：6月21日-9月10日，日平均氣溫≥30.5℃的天數(shù)。池塘養(yǎng)殖河蟹高溫?zé)岷Φ燃?jí)指標(biāo)為：輕度死亡率0～1%（0

池養(yǎng)河蟹；高溫?zé)岷?；致?zāi)因子；等級(jí)指標(biāo)；天氣指數(shù)保險(xiǎn)

安徽是中國(guó)淡水水產(chǎn)大省，省內(nèi)淡水面積約120萬(wàn)hm2，居全國(guó)第2位，年水產(chǎn)品總產(chǎn)160多萬(wàn)t。池塘養(yǎng)殖河蟹由于產(chǎn)量較高，經(jīng)濟(jì)效益好，目前是安徽農(nóng)村專業(yè)養(yǎng)蟹的主要方式之一，近年來(lái)養(yǎng)殖規(guī)模和產(chǎn)量持續(xù)增長(zhǎng)。每年夏季，河蟹個(gè)體增長(zhǎng)最快，是影響其品質(zhì)好壞的關(guān)鍵階段，而此期也是高溫天氣的高發(fā)時(shí)期，往往導(dǎo)致池養(yǎng)河蟹出現(xiàn)不同程度的應(yīng)激反應(yīng)，引起蛻殼不遂和死亡，對(duì)養(yǎng)殖產(chǎn)量和效益造成一定影響[1]。

天氣指數(shù)農(nóng)業(yè)保險(xiǎn)是規(guī)避農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)，提高防災(zāi)減災(zāi)及災(zāi)后恢復(fù)能力的有效手段[2]。20世紀(jì)90年代，國(guó)外已開始天氣指數(shù)方面的研究[3-4]。國(guó)內(nèi)主要針對(duì)種植業(yè)開展了天氣指數(shù)保險(xiǎn)研究。劉映寧等[5-6]研究了蘋果花期凍害保險(xiǎn)指數(shù)，婁偉平等[7]探討了浙江茶葉霜凍氣象指數(shù)，毛裕定等[8]設(shè)計(jì)了浙江柑橘天氣指數(shù)，任義方等[9]開展了江蘇水稻高溫?zé)岷庀笾笖?shù)保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃研究。欒慶祖等[10]提出了一種基于動(dòng)量方程的冰雹災(zāi)害損失評(píng)估方法，以期為水果冰雹災(zāi)害氣象指數(shù)保險(xiǎn)產(chǎn)品開發(fā)提供一種新的思路和方法。楊太明等[11-13]針對(duì)安徽省主要糧食作物，先后推出分作物、分災(zāi)種、分時(shí)段系列天氣指數(shù)保險(xiǎn)產(chǎn)品。這些種植業(yè)天氣指數(shù)保險(xiǎn)產(chǎn)品已得到推廣應(yīng)用，并取得了較好的服務(wù)效果。但目前國(guó)內(nèi)關(guān)于水產(chǎn)養(yǎng)殖的天氣指數(shù)保險(xiǎn)研究相對(duì)較少，已有研究主要局限在基于風(fēng)力指數(shù)的水產(chǎn)養(yǎng)殖保險(xiǎn)[14-15]，針對(duì)氣溫指數(shù)的水產(chǎn)養(yǎng)殖天氣指數(shù)保險(xiǎn)較少，針對(duì)高溫?zé)岷Φ乃a(chǎn)養(yǎng)殖天氣指數(shù)產(chǎn)品更是少見。因此，本研究擬在借鑒國(guó)內(nèi)外天氣指數(shù)保險(xiǎn)的理論和方法研究的基礎(chǔ)上，基于2012-2016年安徽省當(dāng)涂縣河蟹養(yǎng)殖池塘水體物聯(lián)網(wǎng)數(shù)據(jù)，通過(guò)分析不同深度水溫與河蟹產(chǎn)量相關(guān)性，建立高溫?zé)岷Φ燃?jí)指標(biāo)，并初步設(shè)計(jì)池塘養(yǎng)殖河蟹高溫?zé)岷μ鞖庵笖?shù)保險(xiǎn)產(chǎn)品，以期為實(shí)現(xiàn)水產(chǎn)養(yǎng)殖高溫?zé)岷︼L(fēng)險(xiǎn)轉(zhuǎn)移提供有效途徑。

1 資料與方法

1.1 池塘條件

安徽省當(dāng)涂縣地處長(zhǎng)江下游的江南水網(wǎng)地帶，漁業(yè)資源豐富，其中河蟹池塘養(yǎng)殖發(fā)展迅速，在安徽省河蟹養(yǎng)殖中占有十分重要的地位。為此，選擇代表安徽省平均養(yǎng)殖水平和環(huán)境條件的3個(gè)河蟹養(yǎng)殖池塘作為研究對(duì)象，3個(gè)池塘分別位于大隴鄉(xiāng)水產(chǎn)養(yǎng)殖場(chǎng)、苦菜圩水產(chǎn)養(yǎng)殖示范區(qū)和綠野生態(tài)農(nóng)業(yè)示范區(qū)。池塘水源為天然水源，進(jìn)排水口分開，進(jìn)水口用密網(wǎng)過(guò)濾，池塘規(guī)格整齊，四周均有高0.6m的防逃圍欄，夏季平均水深均為1.2m。塘口種植水草，品種主要為苦草，占池塘面積60%～70%。

1.2 物聯(lián)網(wǎng)觀測(cè)系統(tǒng)

3個(gè)河蟹養(yǎng)殖池塘自2012年均安裝“農(nóng)企通”物聯(lián)網(wǎng)精確農(nóng)業(yè)信息化系統(tǒng)。該物聯(lián)網(wǎng)監(jiān)測(cè)系統(tǒng)主要包括溶解氧、水溫、pH、電導(dǎo)率和濁度等傳感器，可實(shí)現(xiàn)多指標(biāo)實(shí)時(shí)監(jiān)測(cè)。其中溫度傳感器選用安徽產(chǎn)SSL3900型水溫水位一體化傳感器，感應(yīng)范圍?30～80℃，探測(cè)精度為0.2℃，測(cè)溫點(diǎn)在池塘水面中心，距離岸邊10m，溫度感應(yīng)探頭安裝在水面下10cm、60cm和100cm深處，以實(shí)現(xiàn)不同深處水溫變化的實(shí)時(shí)監(jiān)測(cè)。氣溫?cái)?shù)據(jù)取自池塘岸邊約5m處自動(dòng)氣象觀測(cè)站。系統(tǒng)每小時(shí)進(jìn)行數(shù)據(jù)采集，并自動(dòng)存儲(chǔ)。

1.3 數(shù)據(jù)來(lái)源

2012-2016年3個(gè)池塘不同深度水溫（10cm、60cm、100cm）觀測(cè)數(shù)據(jù)和氣溫觀測(cè)數(shù)據(jù)分別來(lái)源于河蟹養(yǎng)殖池塘物聯(lián)網(wǎng)觀測(cè)系統(tǒng)和池塘自動(dòng)氣象觀測(cè)站。2012-2016年3個(gè)池養(yǎng)河蟹產(chǎn)量數(shù)據(jù)和2017年河蟹死亡率數(shù)據(jù)來(lái)源于當(dāng)?shù)仞B(yǎng)殖戶養(yǎng)殖日志，2001-2016年當(dāng)涂縣河蟹高溫?zé)岷λ劳雎蕯?shù)據(jù)來(lái)源于當(dāng)涂縣水產(chǎn)局災(zāi)情記載。1985-2016年當(dāng)涂縣氣象觀測(cè)站逐日氣象資料來(lái)源于安徽省氣象局。

其中，河蟹高溫?zé)岷λ劳雎剩≒）為

式中，P為河蟹高溫?zé)岷λ劳雎剩?），D0為蟹苗投放量（只），D為高溫?zé)岷?dǎo)致的河蟹死亡量（只）。

1.4 天氣指數(shù)模型構(gòu)建

1.4.1 關(guān)鍵致災(zāi)因子選取

高溫?zé)岷χ饕伤疁剡^(guò)高引起，造成河蟹死亡率上升，產(chǎn)量減少。因此，構(gòu)建災(zāi)害指標(biāo)首先考慮分析不同深度水溫與河蟹產(chǎn)量的相關(guān)性。把2012-2016年3個(gè)池塘不同深度水溫（10cm、60cm、100cm）分別與河蟹歷年產(chǎn)量進(jìn)行相關(guān)分析，按照引入因子對(duì)產(chǎn)量的影響最大，且因子之間相關(guān)性較低的原則[16]，確定某一深度水溫作為高溫?zé)岷﹃P(guān)鍵因子。

1.4.2 關(guān)鍵致災(zāi)因子臨界值的確定

對(duì)已經(jīng)確定的高溫?zé)岷﹃P(guān)鍵因子給予不同的連續(xù)界限值，分別統(tǒng)計(jì)2012-2016年3個(gè)河蟹養(yǎng)殖池塘關(guān)鍵因子大于等于該設(shè)定界限值天數(shù)的樣本序列，并與2012-2016年河蟹產(chǎn)量進(jìn)行相關(guān)普查，選擇相關(guān)系數(shù)最大值所對(duì)應(yīng)的關(guān)鍵因子界限值作為判定河蟹養(yǎng)殖高溫?zé)岷Φ乃疁嘏R界值[16]。

1.4.3 天氣指數(shù)選取

作為隨機(jī)變量，一個(gè)合適的天氣指數(shù)應(yīng)滿足以下標(biāo)準(zhǔn)：可觀測(cè)或可測(cè)量、客觀性、清晰明確、獨(dú)立可驗(yàn)證性、及時(shí)性以及時(shí)間上的穩(wěn)定性和可持續(xù)性[2]?？紤]到水溫?cái)?shù)據(jù)的可獲取性和天氣指數(shù)農(nóng)業(yè)保險(xiǎn)產(chǎn)品的簡(jiǎn)便、易懂和可操作性，基于水溫和氣溫關(guān)系模型，選擇目前使用較多的氣溫變量作為高溫?zé)岷μ鞖庵笖?shù)。

1.4.4災(zāi)害等級(jí)劃分標(biāo)準(zhǔn)

利用SPSS軟件中K-均值聚類分析方法，通過(guò)給定需要的聚類數(shù)目，用有限次逼近法，按照聚類最優(yōu)原則確定高溫?zé)岷χ笖?shù)和高溫?zé)岷λ劳雎实木垲愔行?，以相鄰聚類中心的平均值為界限，確定池塘養(yǎng)殖河蟹高溫?zé)岷Φ燃?jí)指標(biāo)。

2 結(jié)果與分析

2.1 河蟹高溫?zé)岷χ聻?zāi)臨界值分析

2.1.1 關(guān)鍵致災(zāi)因子選取

分析2012-2016年河蟹生長(zhǎng)關(guān)鍵期（6-9月）當(dāng)涂縣3個(gè)河蟹養(yǎng)殖池塘10cm、60cm、100cm深度日平均水溫與河蟹產(chǎn)量（Y）的相關(guān)系數(shù)，由表1可見，60cm深度日平均水溫與河蟹產(chǎn)量呈極顯著相關(guān)關(guān)系（P<0.01），10cm深度日平均水溫與河蟹產(chǎn)量呈顯著相關(guān)關(guān)系（P<0.05），100cm深度日平均水溫未通過(guò)顯著性檢驗(yàn)。進(jìn)一步分析不同深度日平均水溫之間的相關(guān)系數(shù)可見，不同深度日平均水溫之間均呈極顯著相關(guān)（P<0.01）。按照引入因子對(duì)產(chǎn)量的影響最大且因子之間相關(guān)性較低的原則，選取60cm深度日平均水溫作為高溫?zé)岷χ聻?zāi)關(guān)鍵因子。

表1 2012-2016年3個(gè)池塘不同深處水溫（T10、T60、T100）間及其與河蟹產(chǎn)量（Y）的相關(guān)分析(n=45)

注：T10、T60、T100分別為10cm、60cm和100cm深度日平均水溫（℃），Y為河蟹產(chǎn)量（kg·hm?2）。*、**分別表示相關(guān)系數(shù)通過(guò)0.05、0.01水平的顯著性檢驗(yàn)。下同。

Note: T10, T60, T100is the daily average water temperature at 10cm, 60cm, and 100cm depth(℃), Y is yield of Chinese hairy crab(kg·ha?1).*is P<0.05,**is P<0.01. The same as below.

2.1.2 關(guān)鍵致災(zāi)因子與氣溫的關(guān)系

選取日平均氣溫、日最高氣溫、前1日平均氣溫和前1日最高氣溫序列，與60cm深度日平均水溫進(jìn)行相關(guān)分析。由表2可見，池塘內(nèi)60cm深處日平均水溫與各氣溫因子間均呈極顯著正相關(guān)關(guān)系（P<0.01），其中，與前一日平均氣溫的相關(guān)性最高，相關(guān)系數(shù)達(dá)0.944。因此，選擇前一日平均氣溫作為60cm深度日平均水溫的決定因子，并將前一日平均氣溫與60cm深度日平均水溫進(jìn)行回歸分析，得到二者關(guān)系模型，即

T60=0.8612T?1d+4.8014 （2）

式中，T60為池塘內(nèi)60cm深度日平均水溫（℃），T?1d為前一日平均氣溫（℃）。

表2 2012-2016年3個(gè)河蟹養(yǎng)殖池塘60cm深處逐日日平均水溫與氣溫的相關(guān)系數(shù)

2.1.3 致災(zāi)臨界值確定

根據(jù)關(guān)鍵因子臨界值的定義，對(duì)已經(jīng)確定的關(guān)鍵致災(zāi)因子（T60）給予不同的連續(xù)界限值，分別統(tǒng)計(jì)2012-2016年3個(gè)河蟹養(yǎng)殖池塘60cm深處日平均水溫大于等于該界限值天數(shù)的樣本序列，并與2012-2016年河蟹產(chǎn)量進(jìn)行相關(guān)普查，普查結(jié)果可用圖1的皮爾遜相關(guān)系數(shù)變化曲線表示。選擇相關(guān)系數(shù)最大值所對(duì)應(yīng)的關(guān)鍵因子界限值作為判定河蟹養(yǎng)殖高溫?zé)岷Φ乃疁嘏R界值。已有研究[17]表明，河蟹生長(zhǎng)適宜水溫的上限為28℃，因此，60cm深度日平均水溫界限值以28℃為起始，以0.5℃為間隔，最高為34℃。

由圖1可知，當(dāng)界限值為31℃時(shí)，60cm深處日平均水溫大于等于該界限值的天數(shù)與當(dāng)年河蟹產(chǎn)量相關(guān)性最大，在該界限值兩側(cè)，相關(guān)系數(shù)下降較快。說(shuō)明60cm深處日平均水溫臨界值等于31℃，即60cm日平均水溫超過(guò)31℃，會(huì)對(duì)當(dāng)年河蟹生長(zhǎng)和產(chǎn)量產(chǎn)生不利影響。根據(jù)式（2），60cm深處日平均水溫為31℃時(shí)，其對(duì)應(yīng)的前一日平均氣溫為30.5℃。據(jù)此確定池塘養(yǎng)殖河蟹發(fā)生高溫?zé)岷Φ呐R界氣象條件為日平均氣溫≥30.5℃。

圖1 關(guān)鍵因子（T60）大于等于界限值的天數(shù)與河蟹產(chǎn)量的相關(guān)系數(shù)

2.2 河蟹高溫?zé)岷υu(píng)估模型建立

2.2.1 高溫?zé)岷χ笖?shù)設(shè)計(jì)

對(duì)2001-2016年當(dāng)涂縣氣象觀測(cè)站逐日氣溫?cái)?shù)據(jù)匯總排序表明，在90%保證率下，日平均氣溫≥30.5℃高溫天氣主要出現(xiàn)在6月21日-9月10日，此時(shí)也是河蟹生長(zhǎng)的關(guān)鍵時(shí)期，因此，選定6月21日-9月10日作為池塘河蟹高溫?zé)岷χ笖?shù)的計(jì)算時(shí)段。根據(jù)天氣指數(shù)設(shè)計(jì)原則，結(jié)合上述確定的池塘養(yǎng)殖河蟹高溫?zé)岷鉁嘏R界值，將池塘河蟹養(yǎng)殖高溫?zé)岷χ笖?shù)(S)定義為：6月21日-9月10日，日平均氣溫≥30.5℃的天數(shù)。日平均氣溫以參保蟹塘附近的自動(dòng)氣象站觀測(cè)數(shù)據(jù)為準(zhǔn)。

2.2.2 高溫?zé)岷Φ燃?jí)指標(biāo)建立

根據(jù)高溫?zé)岷μ鞖庵笖?shù)的定義，統(tǒng)計(jì)得到2001-2016年當(dāng)涂縣歷年高溫?zé)岷χ笖?shù)時(shí)間序列。應(yīng)用SPSS軟件對(duì)歷年高溫?zé)岷χ笖?shù)和對(duì)應(yīng)年份的河蟹高溫?zé)岷λ劳雎蔬M(jìn)行K-均值聚類分析，設(shè)定聚類數(shù)為4類，按照聚類最優(yōu)原則，得到高溫?zé)岷χ笖?shù)和高溫?zé)岷λ劳雎实?個(gè)聚類中心，以高溫?zé)岷χ笖?shù)和高溫?zé)岷λ劳雎氏噜従垲愔行钠骄禐榻缦蓿殉靥琉B(yǎng)殖河蟹高溫?zé)岷χ笜?biāo)等級(jí)劃分為輕度、中度、重度和特重共4個(gè)等級(jí)如表3。

表3 安徽省當(dāng)涂縣池養(yǎng)河蟹高溫?zé)岷χ笜?biāo)等級(jí)劃分標(biāo)準(zhǔn)

注：高溫?zé)岷χ笖?shù)(S)為6月21日-9月10日日平均氣溫≥30.5℃的天數(shù)。下同。

Note: The value of cumulative days when daily average temperature ≥30.5℃ from June 21 to September 10 were defined as the high temperature disaster index of Chinese hairy crab(S). The same as below.

2.2.3 高溫?zé)岷Φ燃?jí)指標(biāo)檢驗(yàn)

2017年7月安徽省出現(xiàn)持續(xù)高溫天氣，此時(shí)正值池塘河蟹生長(zhǎng)關(guān)鍵時(shí)期，由于極端最高氣溫高，高溫日數(shù)多，造成當(dāng)涂縣河蟹出現(xiàn)死亡現(xiàn)象。實(shí)地調(diào)查發(fā)現(xiàn)，高溫導(dǎo)致大隴鄉(xiāng)水產(chǎn)養(yǎng)殖場(chǎng)和綠野生態(tài)農(nóng)業(yè)示范區(qū)河蟹死亡率分別為4.2%和4.1%。利用高溫?zé)岷Φ燃?jí)指標(biāo)對(duì)該年高溫?zé)岷Τ潭冗M(jìn)行評(píng)估，其結(jié)果與實(shí)際災(zāi)損等級(jí)見表4。由表可知，2個(gè)池塘高溫?zé)岷υu(píng)估等級(jí)和實(shí)際災(zāi)損等級(jí)均為重度，準(zhǔn)確率為100%。由于樣本數(shù)量有限，輕度、中度和特重災(zāi)害等級(jí)未得到檢驗(yàn)。

2.3 高溫?zé)岷μ鞖庵笖?shù)保險(xiǎn)產(chǎn)品

2.3.1 產(chǎn)品設(shè)計(jì)

當(dāng)涂縣池塘河蟹高溫?zé)岷μ鞖庵笖?shù)保險(xiǎn)賠付可表示為[18]

式中，I是單位面積保險(xiǎn)賠償金額（元·667m?2）；Ms為天氣指數(shù)S對(duì)應(yīng)的河蟹死亡率（%），Q是正常年份河蟹養(yǎng)殖平均產(chǎn)值（元·667m?2），S0為賠付觸發(fā)值。當(dāng)天氣指數(shù)S超過(guò)S0時(shí)，開始賠付，最高天氣指數(shù)等級(jí)對(duì)應(yīng)的賠付金額為保險(xiǎn)金額（I0）。

據(jù)調(diào)研，在不發(fā)生災(zāi)害情況下，安徽省當(dāng)涂縣正常年份河蟹養(yǎng)殖平均產(chǎn)值在20000元·667m?2。由表3可知，高溫?zé)岷ψ罡呖蓪?dǎo)致的河蟹死亡率為10%，根據(jù)式（3），則高溫?zé)岷ΡｋU(xiǎn)金額為2000元·667m?2。

根據(jù)當(dāng)涂縣池塘養(yǎng)殖河蟹高溫?zé)岷χ笜?biāo)等級(jí)和天氣指數(shù)賠款水平逐漸遞增原則，根據(jù)式（3）計(jì)算保險(xiǎn)賠付金額，不同天氣指數(shù)值對(duì)應(yīng)的賠付比例和單位面積賠付金額見表5。由表可以看出，當(dāng)高溫?zé)岷μ鞖庵笖?shù)≥21d時(shí)，啟動(dòng)賠付，賠付金額為100～2000元·667m?2。

基于當(dāng)涂縣1985-2016年氣象資料，統(tǒng)計(jì)當(dāng)涂縣池塘河蟹養(yǎng)殖高溫?zé)岷χ笖?shù)（圖2），根據(jù)表5中賠付標(biāo)準(zhǔn)測(cè)算每年的應(yīng)賠付金額?？梢钥闯?，1985-2016年有1990、1994、1995、1998、2001、2003、2006、2013和2016年共9個(gè)年份觸發(fā)了起賠點(diǎn)，平均賠付金額為109元·667m?2。根據(jù)式（4）計(jì)算獲得當(dāng)涂縣池塘養(yǎng)殖河蟹高溫?zé)岷μ鞖庵笖?shù)純保險(xiǎn)費(fèi)率為5%，保費(fèi)為100元·667m?2。

式中，Pv為保險(xiǎn)費(fèi)率（%），P0為平均賠付金額（元·667m?2），I0為保險(xiǎn)金額（元·667m?2）。

2.3.2 應(yīng)用案例

根據(jù)池塘河蟹養(yǎng)殖高溫?zé)岷μ鞖庵笖?shù)產(chǎn)品，2017年7月安徽國(guó)元農(nóng)業(yè)保險(xiǎn)公司當(dāng)涂支公司與當(dāng)涂縣苦菜圩水產(chǎn)養(yǎng)殖有限公司簽訂了第一筆池塘河蟹養(yǎng)殖高溫?zé)岷μ鞖庵笖?shù)保單，參保蟹塘共7個(gè)，面積共計(jì)16.67hm2。2017年當(dāng)涂縣苦菜圩水產(chǎn)養(yǎng)殖廠出現(xiàn)持續(xù)高溫天氣，導(dǎo)致河蟹死亡率達(dá)2.7%，經(jīng)濟(jì)損失約540元·667m?2。根據(jù)自動(dòng)氣象站觀測(cè)的氣溫?cái)?shù)據(jù)，2017年當(dāng)涂縣苦菜圩水產(chǎn)養(yǎng)殖有限公司高溫?zé)岷χ笖?shù)為29d，按照賠付標(biāo)準(zhǔn)（表5），理論上，保險(xiǎn)應(yīng)賠付460元·667m?2。高溫?zé)岷p失金額與保險(xiǎn)賠付金額較接近，表明設(shè)計(jì)的天氣指數(shù)賠償標(biāo)準(zhǔn)基本合理。

表4 2017年2個(gè)河蟹養(yǎng)殖池塘高溫?zé)岷?zāi)害樣本檢驗(yàn)結(jié)果

表5 安徽省當(dāng)涂縣池塘養(yǎng)殖河蟹高溫?zé)岷μ鞖庵笖?shù)賠付標(biāo)準(zhǔn)

Note: Premiums multiply by compensation ratio equals amount of compensation (Yuan·667m?2). Premiums equals 2000 yuan·667m?2.The same as below.

圖2 1985-2016年當(dāng)涂縣河蟹高溫?zé)岷χ笖?shù)值和應(yīng)賠付金額測(cè)算

3 結(jié)論與討論

3.1 結(jié)論

（1）水溫是影響水生動(dòng)物生存最重要的環(huán)境因子。將不同深度水溫分別與河蟹產(chǎn)量進(jìn)行相關(guān)分析，篩選出池塘河蟹高溫?zé)岷﹃P(guān)鍵致災(zāi)因子為60cm深度日平均水溫，其致災(zāi)臨界值為31℃。通過(guò)建立60cm深度日平均水溫與氣溫的關(guān)系模型，確定池塘河蟹養(yǎng)殖發(fā)生高溫?zé)岷Φ呐R界氣象條件為日平均氣溫≥30.5℃。

（2）當(dāng)涂縣池養(yǎng)河蟹高溫?zé)岷μ鞖庵笖?shù)為6月21日-9月10日期間日平均氣溫≥30.5℃的天數(shù)。當(dāng)涂縣池養(yǎng)河蟹輕度、中度、重度、特重高溫?zé)岷Φ燃?jí)對(duì)應(yīng)的高溫?zé)岷χ笖?shù)（S）分別為0

（3）當(dāng)涂縣池養(yǎng)河蟹高溫?zé)岷μ鞖庵笖?shù)21為賠付觸發(fā)值，不同指數(shù)值賠付金額在100～2000元·667m?2?；诋?dāng)涂縣歷史災(zāi)害平均損失率厘定的河蟹高溫?zé)岷μ鞖庵笖?shù)純保險(xiǎn)費(fèi)率為5.0%，保費(fèi)為100元·667m?2。試點(diǎn)應(yīng)用表明設(shè)計(jì)的天氣指數(shù)賠償標(biāo)準(zhǔn)基本合理。

3.2 討論

水體環(huán)境是水產(chǎn)動(dòng)物養(yǎng)殖中常見的脅迫因子，其中水溫是最重要的因子之一，直接影響河蟹的代謝、生長(zhǎng)、蛻殼和存活等[19]。已有研究表明，在一定溫度范圍內(nèi)，河蟹生長(zhǎng)速度和存活率隨著溫度升高而升高，但當(dāng)環(huán)境溫度過(guò)高，超出河蟹自身的調(diào)節(jié)能力時(shí)，會(huì)導(dǎo)致其生長(zhǎng)速率減慢，死亡率上升[20]。本研究通過(guò)分析當(dāng)涂縣6-9月物聯(lián)網(wǎng)觀測(cè)數(shù)據(jù)與河蟹產(chǎn)量的關(guān)系，確定了具有科學(xué)性、本地化的高溫?zé)岷λ疁刂聻?zāi)臨界值。在此基礎(chǔ)上，結(jié)合水溫與氣溫的關(guān)系模型，定義了池塘養(yǎng)殖河蟹高溫?zé)岷μ鞖庵笖?shù)，為天氣指數(shù)保險(xiǎn)產(chǎn)品開發(fā)提供了精準(zhǔn)可靠的理賠指數(shù)。此外，本研究以當(dāng)涂縣2001-2016年長(zhǎng)序列氣象資料和河蟹死亡率資料為基礎(chǔ)，建立高溫?zé)岷Φ燃?jí)指標(biāo)，克服了物聯(lián)網(wǎng)水溫觀測(cè)數(shù)據(jù)年代短，數(shù)據(jù)支撐不足的問(wèn)題。

當(dāng)然，本研究構(gòu)建的天氣指數(shù)產(chǎn)品也存在一定的局限性和不足。首先，構(gòu)建的天氣指數(shù)產(chǎn)品是以高溫?zé)岷μ鞖庵笖?shù)等級(jí)和其對(duì)應(yīng)的河蟹死亡率為基礎(chǔ)。但河蟹死亡率受多因素復(fù)合影響[20]，嚴(yán)重的高溫?zé)岷ν鶗?huì)對(duì)鹽度、溶氧量等其它環(huán)境因子產(chǎn)生影響，進(jìn)而導(dǎo)致河蟹對(duì)病原生物的易感染性[21-22]。這是本產(chǎn)品試點(diǎn)應(yīng)用時(shí)基差風(fēng)險(xiǎn)的主要來(lái)源。其次，本研究?jī)H基于安徽省池塘養(yǎng)殖河蟹主產(chǎn)區(qū)代表站當(dāng)涂縣的歷史資料建立天氣指數(shù)模型，后期在應(yīng)用推廣過(guò)程中還需根據(jù)各地的河蟹養(yǎng)殖管理水平和高溫實(shí)際狀況等對(duì)天氣指數(shù)產(chǎn)品的相關(guān)參數(shù)進(jìn)行本地化。

[1] 陳軍偉,馬旭洲,王武,等.中華絨螯蟹幼蟹生長(zhǎng)和蛻殼與積溫關(guān)系的研究[J].上海海洋大學(xué)學(xué)報(bào),2016,(5):675-683.

Chen J W,Ma X Z,Wang W,et al.The study of relationships between growth, molt and accumulated temperature of the Chinese mitten crab(Eriocheir sinensis)[J].Journal of Shanghai Ocean University,2016,(5):675-683.(in Chinese)

[2] 劉布春,梅旭榮.農(nóng)業(yè)保險(xiǎn)的理論與實(shí)踐[M]北京:科學(xué)出版社,2010:230-262.

Liu B C,Mei X R.Theory and practice of agricultural insurance[M].Beijing:Sciences Press,2010:230-260.(in Chinese)

[3] Makki S S.Crop insurance:inherent problems and innovation solutions[A].Agriculture Policy for the 21 Century[C].Ames: Iowa State Press,2002.

[4] Wenner M,Arias D.Agriculture insurance in Latin American:where are we[R].Paving the Way Forward for Rural Finance an International Conference on Best Practices, 2003.

[5] 劉映寧,賀文麗,李艷麗,等.陜西果區(qū)蘋果花期凍害農(nóng)業(yè)保險(xiǎn)風(fēng)險(xiǎn)指數(shù)的設(shè)計(jì)[J].中國(guó)農(nóng)業(yè)氣象,2010,31(1):125-129.

Liu Y N,He W L,Li Y L,et al.A study on the risk index design of agricultural insurance on apple florescence freezing injury in Shaanxi fruit zone[J].Chinese Journal of Agrometeorology, 2010,31(1):125-129.(in Chinese)

[6] 楊小利.甘肅平?jīng)鍪刑O果花期凍害農(nóng)業(yè)保險(xiǎn)風(fēng)險(xiǎn)等級(jí)評(píng)估[J].干旱氣象,2014,32(2):281-285.

Yang X L.Risk assessment of agricultural insurance on apple freezing injury at blooming stage in Pingliang of Gansu province[J].Journal of Arid Meteorology,2014,32(2):281-285. (in Chinese)

[7] 婁偉平,吉宗偉,邱新法,等.茶葉霜凍氣象指數(shù)保險(xiǎn)設(shè)計(jì)[J].自然資源學(xué)報(bào), 2011,26(12):2050-2060.

Lou W P,Ji Z W,Qiu X F,et al.Design of weather index insurance contact for tea frost[J].Journal of Natural Resources, 2011,26(12):2050-2060.(in Chinese)

[8] 毛裕定,吳利紅,苗長(zhǎng)明,等.浙江省柑桔凍害氣象指數(shù)保險(xiǎn)參考設(shè)計(jì)[J].中國(guó)農(nóng)業(yè)氣象,2007,28(2):226-230.

Mao Y D,Wu L H,Miao C M,et al.A reference design for citrus freeze damage insurance by using meteorological index in Zhejiang province[J].ChineseJournal of Agrometeorology, 2007,28(2):226-230.(in Chinese)

[9] 任義方,趙艷霞,張旭輝,等.江蘇水稻高溫?zé)岷庀笾笖?shù)保險(xiǎn)風(fēng)險(xiǎn)綜合區(qū)劃[J].中國(guó)農(nóng)業(yè)氣象,2019,40 (6):391-401.

Ren Y F,Zhao Y X,Zhang X H,et al.Comprehensive risk regionalization of meteorological index insurance for high temperature heat damage of rice in Jiangsu province[J]. Chinese Journal of Agrometeorology,2019,40(6): 391-401.(in Chinese)

[10] 欒慶祖,董鵬捷,葉彩華.面向氣象指數(shù)保險(xiǎn)的水果冰雹災(zāi)害災(zāi)損評(píng)估方法[J].中國(guó)農(nóng)業(yè)氣象,2019,40(6):402-410.

Luan Q Z,Dong P J,Ye C H.A Weather-index-based insurance-oriented method for hail disaster assessment on fruits loss[J].Chinese Journal of Agrometeorology,2019, 40(6):402-410.(in Chinese)

[11] 楊太明,許瑩,孫喜波,等.安徽省夏玉米干旱天氣指數(shù)保險(xiǎn)產(chǎn)品設(shè)計(jì)及應(yīng)用[J].氣象,2016,42(4):450-455.

Yang T M,Xu Y,Sun X B,et al.Design and application of the drought weather index insurance of summer corn in Anhui province[J].Meteorological Monthly,2016,42(4):450-455. (in Chinese)

[12] 楊太明,孫喜波,劉布春.安徽省水稻高溫?zé)岷ΡｋU(xiǎn)天氣指數(shù)模型設(shè)計(jì)[J].中國(guó)農(nóng)業(yè)氣象,2015,36(2):220-226.

Yang T M,Sun X B,Liu B C.Design on weather indices model for insurance of rice heat damage in Anhui province[J].Chinese Journal of Agrometeorology,2015, 36(2):220-226.(in Chinese)

[13] 楊太明,劉布春,孫喜波,等.安徽省冬小麥種植保險(xiǎn)天氣指數(shù)設(shè)計(jì)與應(yīng)用[J].中國(guó)農(nóng)業(yè)氣象,2013,34(2):229-235.

Yang T M,Liu B C,Sun X B,et al.Design and application of the weather indices of winter wheat planting insurance in Anhui province[J].Chinese Journal of Agrometeorology, 2013, 34(2):229-235.(in Chinese)

[14] 王建國(guó).氣象指數(shù)型水產(chǎn)養(yǎng)殖保險(xiǎn)研究[J].保險(xiǎn)研究,2014,3:62-68.

Wang J G.A study on the weather index-based aquaculture insurance[J].Insurance Studies,2014,3:62-68.(in Chinese)

[15] 李亞琦,韓興勇,岳宗勝. 海水養(yǎng)殖風(fēng)力指數(shù)保險(xiǎn)設(shè)計(jì)及費(fèi)率厘定研究:以廣東省為例[J].海洋經(jīng)濟(jì),2016,6(3):3-9.

Li Y Q,Han X Y,Yue Z S.On the design of a wind speed index-based mariculture insurance and related premium rating:a case study of Guangdong province[J].Marine Economy,2016,6(3):3-9.(in Chinese)

[16] 劉靜,馬力文,張曉煜,等.春小麥干熱風(fēng)災(zāi)害監(jiān)測(cè)指標(biāo)與損失評(píng)估模型方法探討:以寧夏引黃灌區(qū)為例[J].應(yīng)用氣象學(xué)報(bào),2004,15(2):217-224.

Liu J,Ma L W,Zhang X Y,et al.A method for monitoring dry-hot wind of spring wheat and estimating its yield losses:an example in irrigated areas of Ningxia[J].Quarterly Journal of Applied Meteorology,2004,15(2):217-224.(in Chinese)

[17] 辜曉青,江國(guó)振.河蟹養(yǎng)殖生態(tài)、氣象影響因子觀測(cè)研究[J].江西農(nóng)業(yè)學(xué)報(bào),2015,(4):88-93.

Gu X Q,Jiang Q Z.Researches on ecological and meteorological factors affecting crab breeding[J].Acta Agriculturae Jiangxi,2015,(4):88-93.(in Chinese)

[18] 曹雯,武萬(wàn)里,楊太明,等.寧夏枸杞炭疽病害天氣指數(shù)保險(xiǎn)研究[J].干旱氣象,2019,37(5):857-865,

Cao W,Wu W L,Yang T M,et al.Study on weather index insurance of colletotrichum gloeosporioides penz of China wolfberry in Ningxi[J].Journal of Arid Meteorology,2019, 37(5):857-865.(in Chinese)

[19] 時(shí)冬頭,許祥,陳賢明.中華絨螯蟹成蟹生長(zhǎng)與主要?dú)庀笠蛩氐年P(guān)系[J].江蘇農(nóng)業(yè)科學(xué),2013,41(4):226-228.

Shi D T,Xu X,Chen X M.Research progress of effects of temperature on growth and development of shrimp and crab[J].Jiangsu Agricultural Sciences,2013,41(4):226-228. (in Chinese)

[20] 王曉麗.高溫指數(shù)型海水養(yǎng)殖保險(xiǎn)產(chǎn)品研究:以山東省萊州市海參養(yǎng)殖為例[D].泰州:山東農(nóng)業(yè)大學(xué),2019:50-55.

Wang X L.Research on high temperature index mariculture insurance products:taking the cultivation of sea cucumber in Laizhou city[D].Taizhou:Shandong Agriculture University, 2019:50-55.(in Chinese)

[21] 李青,陳永祥.溫度對(duì)蝦蟹生長(zhǎng)發(fā)育影響的研究進(jìn)展[J].江蘇農(nóng)業(yè)科學(xué),2019,47(10):26-31.

Li Q,Chen Y X.Research progress of effects of temperature on growth and development of shrimp and crab[J].Jiangsu Agricultural Sciences,2019,47(10),26-31.(in Chinese)

[22] 黃永平,劉可群,蘇榮瑞,等.淡水養(yǎng)殖水體溶解氧含量診斷分析及浮頭泛塘氣象預(yù)報(bào)[J].長(zhǎng)江流域資源與環(huán)境,2014, 23(5):638-643.

Huang Y P,Liu K Q,Su R R,et al.Meteorological influencing elements of dissolved oxygen concentration in fish ponds and new models to forecast fish floating head[J].Resources and Environment in the Yangtze Basin,2014,23(5): 638-643. (in Chinese)

Design and Application on Weather Indices Model for High Temperature Disaster of Chinese Hairy Crab in Anhui

LIU Rui-na1, YANG Tai-ming1, CHEN Jin-long2, CHEN Jin-hua1, SUN Xi-bo3

(1.Anhui Agricultural Meteorological Center/Anhui Engineering Laboratory of Agro-Ecological Big Data, Hefei 230031, China; 2.Ma Anshan Meteorological Bureau, Ma′anshan 243000；3.Guoyuan Agricultural Insurance Company, Hefei 230031)

Weather index agricultural insurance is an important way of avoiding agricultural production risk and improving recovery capabilities. Based on the water temperature observation data from internet of things and Chinese hairy crab yield data in three intensive culture ponds from 2012 to 2016, mortality data from 2001 to 2016 and daily surface meteorological observation data from 1985 to 2016 in Dangtu of Anhui province,the correlations between water temperatures at different depths and the yield of Chinese hairy crab (Eriocheir Sinensis) were analyzed, the key disaster-inducing factor of high temperature disaster and its critical value were determined. Then, the correlations between key disaster-inducing factor and air temperatures were analyzed and their relationship model was built. Based on the relationship model, the critical value of air temperature was calculated and the heat damage weather index of China hairy crab was defined. Based on this, combined with the Chinese hairy crab mortality data caused by high temperature disaster, the grade indices of high temperature disaster were established by K-means clustering analysis method. The insurance claim schemes based on the grade indices were designed preliminarily and was applied in Dangtu. The results showed that the key disaster-inducing factor of high temperature disaster was daily average water temperature at 60cm depth and its critical value was 31℃.The key disaster-inducing factor had the most correlation with daily average air temperature of the previous day. Based on their relationship model, the critical value of daily average temperature was calculated to be 30.5℃, the value of cumulative days when daily average temperature equal or greater than 30.5℃ from June 21 to September 10 were defined as the high temperature disaster weather index of Chinese hairy crab（S）.The damage could be defined as slight when the mortality was between 0-1%(0

Chinese hairy crab; High temperature disaster; Key disaster-inducing factor；Grade indices; Weather index insurance

10.3969/j.issn.1000-6362.2020.05.006

劉瑞娜,楊太明,陳金龍,等.安徽河蟹養(yǎng)殖高溫?zé)岷μ鞖庵笖?shù)模型設(shè)計(jì)與實(shí)踐[J].中國(guó)農(nóng)業(yè)氣象,2020,41(5):320-327

2019?12?04

楊太明，E-mail：ytm0305@126.com

國(guó)家自然基金項(xiàng)目（71473127）；安徽省重點(diǎn)研究和開發(fā)計(jì)劃面上攻關(guān)項(xiàng)目（1804a07020124）

劉瑞娜，E-mail：naxybz@sina.com