????全球草原面积约31.58亿hm2，大约占全球陆地总面积的1／3，是地球上分布最广的植被类型，在全球范围内提供重要的生态系统服务。一直以来，草原农业生产系统受天气因素等影响很大，具有高度不确定性，导致生产者常常蒙受损失。而目前牧民常用的风险管理策略不仅会加大支出，且往往并不能很好地抵御风险。此时，引入保险这种基于市场的风险管理工具可以更低廉、更广泛地降低风险，也可以涵盖极端事件。因此，草原指数保险被定义为牧业生产者从事牧业生产活动时，对自然灾害和意外事故造成的经济损失提供保障，承担赔偿金责任的一种分散风险的创新型保险管理工具，目前已在各大洲多个国家处于研究、计划或运行之中。
1?草原指数保险的源起
????最早的草原指数保险产品于21世纪初出现在加拿大（2000年）和西班牙（2001年），针对牧场的饲草和农产品，此后，逐渐出现在欧美亚非的许多国家。草原指数保险从诞生起就自然属于农业指数保险这一大类，没有被刻意分划过。但草原农业生产和种植农业生产的区别使得草原指数保险有被单独讨论和研究的必要。2019年，Willemijn等发表的综述概览讨论了欧美市场在运行的全部12种草原指数保险产品，意在总结归纳并促进国际交流，这是此类产品第一次以整体的形式被分立出来单独讨论。可以说，与传统农业保险相比，这一保险类别还十分新颖和稚嫩，拥有巨大的发展空间。
1.1?追溯草原指数保险的源起离不开对农业保险和指数保险的探讨。
????农业保险是专为农业生产者在从事种植业、林业、畜牧业和渔业生产过程中，对遭受自然灾害、意外事故疫病、疾病等保险事故所造成的经济损失提供保障的一种保险。20世纪20年代以来，世界各国相继发展农业保险。经历了近100年的发展，如今农业保险已经在世界范围得到了推广和运行，在发达国家和部分发展中国家形成了稳定的产业，并在不同的国家和地区发展出了不同的模式。
????农业指数保险之所以受到广泛的重视，是因为它本身具有超越传统保险的巨大优势。首先，选取的指数极大降低了受到人为干扰的可能，减少了逆向选择和道德风险；其次，保险需要用到的数据是公开、透明的，达成了保险方和被保险方的信息对称；再次，优化了步骤，降低了交易成本，比如灾害发生后依靠气象部门实际测得的气象数据来计算赔付金额，而不用挨家挨户勘查定损；最后，它还有利于保险产品的标准化、证券化，保险产品设计的余地充分，可塑性强。各地的实践证明，农业指数保险较好地保护了投保人的利益，有利于农业生产的可持续发展，是值得推广的风险转移产品。
????在农业指数保险的推广过程中，除了各地政府以外，世界银行是最不可忽略的助推者之一。在世界银行的协助下，许多发展中国家从本国状况出发，研发出具有各自地域特色的指数保险产品。蒙古、印度、肯尼亚、墨西哥等许多国家的农业指数保险产品都得以顺利运营。此外，国际农业发展基金、联合国世界粮食计划署等国际组织也为农业指数保险的应用推广做出了不懈努力。
2?草原指数保险的分类与原则
????以下汇总了搜集到的世界范围内运营中的草原指数保险，发现现有的草原指数保险可以根据选取的指数变量分为三大类，即区域产量指数保险、天气指数保险和卫星遥感指数保险。除了指数保险皆有的优缺点，它们在具体的优势和基差风险上也有所不同。
2.1?区域产量指数保险
????区域产量指数保险是农业指数保险中最早出现的险种之一。这是因为传统视角下，产量是衡量农业成果最重要的指标之一。区域产量指数保险是以一个事先确定的区域的平均产量为基础，当该区域的实际平均产量低于指定水平时，所有投保人都可获得相同差额的补偿。标准值的设定往往需要以被投保地区几十年的数据作为参考依据，从中计算总结出一个适合的值。与传统赔偿保险相比，区域产量指数保险有着明显的优点。首先，以地区为单位，意味着更全面、更高质量的数据，有利于更好地进行风险评估。其次，道德风险降低，因为单个生产者的行为对一个地区总量的影响小于其个人的产量。最后，管理成本降低，因为它往往是面向农场而非个人的。但由于这种保险只考虑相应地区的“平均损失”，单个农场和农户很有可能无法获得与自身实际损失相符的赔偿，这实际上是空间基差风险的表现。
2.2?天气指数保险及其运行机制
2.3?卫星、遥感技术的引入产生了新的指数保险
2.4?指数选取原则
3?运营中的草原指数保险典型案例及其运行机制
3.1?区域产量指数保险
????美国从2007年开始以“集团风险计划”的名义为牧草提供区域产量保险。这项保险始于1993年，最初是专门针对大豆（Glycinemax）生产者的，扩展到牧草和其他作物后，合同数量也显著增加。最近，集团风险计划已被一项名为“区域风险保护保险(areariskprotectionmsurance，ARPI)”的保险取代，但这仍然是原始保险。它与其前身的不同之处在于，包括收入产品在内的所有集团产品都使用相同的名称。只要国家农业统计局(NationalAgriculturalStatisticsService，NASS)估算的一个县的总产量低于该县的NASS产量预测值，就会产生回报。该预测在收获日期前约6个月公布。NASS根据产量的历史记录，应用植物生长模拟模型、特定用途的卫星图像以及技术人员的抽样统计模型来确定风险区各种农作物的正常平均产量，以该平均产量的一定百分比作为保险额。保险的空间分辨率设定为县级，这是因为在美国，县是具有历史区域产量数据的最小空间单位。由于农场的平均产量可能高于县平均产量，因此可以购买高达150%的保护。
????蒙古政府在世界银行的协助下，从2005年开始研发“基于指数的牲畜保险”(index-basedlivestockinsurance，IBLI)。这是由于1999-2002年，蒙古连续3年遭遇严冬，极端寒冷的天气之灾促使蒙古当局决定设计一份针对本国牧民、有效且持久的保险产品。这款产品旨在保护牧户免受极端天气事件造成的经济损失，并且更快地恢复生产。在IBLI中，指数变量为县级牲畜死亡率，这一方面是因为除了金额之外，牲畜死亡率能够最直观地反映灾害的严重程度和牧民的损失，另一方面则是因为蒙古当局对历年数据的记录比较完整，便于参考。当该地区某一类牲畜死亡率超过6%时，便会触发赔偿。
3.2?天气指数保险
????德国从2014年开始起用的“天气计划”保险产品实现了高度定制化，保险公司为每个客户单独进行天气损害评估，并根据评估量身定制指数保险产品，指数变量、空间分辨率和触发条件均依据客户的具体条件和要求。德国根据49个气象站的历史日降水数据，构建了多站点降水模型，然后又用此模型预测未来的降水。这个模型是德国目前认可的总体最优模型，它使基差风险降低了20%～40%。
????内蒙古苏尼特左旗2017年开始引进天气指数保险，该地区的两大主要气象灾害——雪灾和旱灾都被覆盖在内。雪灾方面，指数变量为10个测量点的降雪量平均值。降雪的数据采集于每年11月1日至次年4月30日。当一次降雪量达到中雪，即≥2.5mm时，需实地测量积雪深度；监测不到降雪量的地区，也需要气象信息员和助理员进行实地测量。降雪结束后，制作卫星遥感积雪覆盖图。旱灾方面，指数变量为相对蒸降差，当牧草的相对蒸降差达到旱灾等级标准时，触发赔偿。相对蒸降差是指牧草在生长期某一阶段的蒸降差与历年蒸降差的比值。苏尼特左旗的牧草生长期分为5个阶段，全生育期是4月18日-10月20日。在牧草的全生育期记录降水量和蒸发量等气象数据，然后在每个阶段结束后以行政村为单位，按照不同牧草类型和牧草生长期计算相对蒸降差是否达到旱灾等级标准。
????2017年，上海安信保险和太平洋保险青海分公司在青海省果洛藏族自治州玛沁县开始试点“藏系羊牦牛降雪量气象指数保险项目”，它是国内第一个在高寒地区实施的指数保险产品。由于雪灾是该地区的主要自然灾害，因此降雪量被选作指数。此次试点采用玛沁县气象局认可的下大武乡和优云乡气象站测得的实际累计降雪量的平均值作为本保险项目的理赔依据。在保险期间内，当两个乡气象站实测累计降雪量平均值到达设定的保险降雪量(35mm)时，便会触发赔偿。赔偿按照降雪量差分为4等，当降雪量差在0～20mm（含）时，赔付比例为降雪量差×0.08%；当降雪量差在20～40mm（含）时，赔付比例为1.6%+（降雪量差-20）×0.10%；当降雪量差在40～60mm（含）时，赔付比例为3.6%+（降雪量差-40）×0.11%；当降雪量差在60mm以上时，赔付比例为5.8%+（降雪量差-60）×0.12%。
3.3?卫星遥感指数保险
????法国、西班牙、加拿大、肯尼亚和埃塞俄比亚都利用卫星遥感技术研发了新的指数保险产品，其中除了法国使用自主构建的牧草生产指数(forageproductionindex，FPI)作为指数变量以外，其他国家都选择了NDVI。
????法国常用模型来预测草地产量。2015年起，由空中客车防务和航天公司开发的“草原保险”选取FPI这一能够最直接反映牧草生长情况的指标作为指数变量，以300m×300m作为空间分辨率，每天测量草覆盖的地面部分(fCover)，每10d汇总一次像素值到市政级别，还会补充农场个人提升水平和土壤类型。
????西班牙和加拿大阿尔伯塔省都使用NDVI作为指数来评估宏观干旱。NDVI数据常被用来比较植被的现状和长期平均状况，从而侦测异常和预计干旱。在这基础上，许多研究都应用遥感数据来进行干旱管理。在西班牙，250m×250m的像素聚集到355个同质牧场区域，只要该区域内的10d复合物低于参考NDVI的触发水平，就会产生回报。为了减少基差风险，触发水平每5年会调整一次。在加拿大阿尔伯塔省，基于1km×1km的空间分辨率，每天的测量值集合成每周，当每周值的年平均值低于单季的85%或整季的90%时，产生赔偿。
4?中国方案设计亟待开展
4.1?我国草原指数保险发展的阻碍
4.2?以草原综合顺序分类法为框架自主设计草原指数保险
????为解决我国草原区幅员辽阔、气候复杂的问题，引入草原综合顺序分类法，试图通过分类系统来对复杂的草原区整体问题进行地带性的简化。
????草原综合顺序分类系统(comprehensivesequentialclassificationsystemofgrassland，CSCS)是20世纪50年代起由任继周等创立的一种草地分类体系，它面向世界不同生境，且拥有完全的自主知识产权。如今，经过不断地修订、完善，草原综合顺序分类系统已经达到比较成熟的程度。在这个分类体系中，类是基本单位。它根据7个热量级和6个湿润度级，将草原分为42类。这样一来，每个草原地区都能找到与之对应的类。每一特定类不仅包括了对应的水热、土地和植被等生境条件，也包括草地、野生动物、家畜等生产条件和生产特点，即具有同一地带性农业气候特征。在类之下进一步根据土地特征（包括地形和土壤）划分为亚类，亚类之下根据植被特征划分为型，划分越深入，对区域特征的归纳就越精确。
????CSCS也是第一个面向全球的草地分类系统。大多数已有的分类系统只适合特定区域或国家，并且只是描述已知的草地类型，没有考虑分类系统的全球周延性。而CSCS具有生物分类系统林奈双名法和门捷列夫化学元素周期表类似的优点，既可容纳已知的类型，也可容纳未知的类型。在全球及大陆尺度上的验证研究表明，CSCS不仅可以成功模拟冻原、荒漠、森林等潜在自然植被类型，而且可以更详细准确地划分草地类型。因此，CSCS与草原指数保险的结合作为一种全新的、具有突破性的提议，将不仅为草原指数保险在中国的发展提出一份可行方案，也能为其他国家的研究提供参考。
????进入21世纪，随着RS、GIS、GPS等技术及地统计学中气象要素空间插值方法的不断改进和完善，与这些技术结合使用的CSCS在划分草原类的方面越来越准确。RS技术的飞速发展，为研究CSCS各类草地遥感监测特征指标的时空分布格局及特征，以及亚类与型划分指标的定量化奠定了良好的基础。利用GIS和RS等技术，研发的CSCS类的电子地图可直接导入GPS，实现外业调查的空间定位，为亚类与型的准确划分提供基础底图。Liang等建立了基于GIS的草原综合顺序分类空间数据库及信息管理系统；马红彬等引利用CSCS将黄土高原草地划分为13类，并认为各草地类型分布情况符合黄土高原草地植被的分布规律；马轩龙等使用基于改进的空间要素插值方法探究甘肃省草地类型划分，发现得到的结果基本上反映了甘肃天然草地发生规律和分布规律；Lin等在CSCS的框架下成功预测了我国高寒草甸的多种属性对于气候变化的响应。
????这些对于我国发展草原指数保险的意义是，可以每类草地为基础，设计不同的保险产品。由于农业指数保险产品的研发必须要围绕特定区域的自然系统特征，有针对性地进行设计，而同一类草地拥有相似的生态条件和生产特点，加上插值法的不断发展，所以可以弥补气象站不足和气象资料缺失。此外，在迅猛发展的“3S”技术等的辅助下，对类的划分愈发精准、特点把握愈加明确，设计出的指数保险产品也就更加符合被投保地区的实际情况，从而更好地保障投保人的利益。
4.3?以三大数据源为内核自主设计草原指数保险
????为解决我国气象站分布密度小、数据缺失严重的问题，提出利用遥感技术、无人机技术和农牧户入户数据，从宏观、中观、微观3个层次补充数据源，构建起发展草原指数保险所需的数据库。然后通过系统分析该类型草地中多年气象、产量和经济数据之间的关系，明确该类型草原的触发机制。
4.3.1?遥感数据源提供宏观数据
????目前，气象站点不足导致的数据不足是我国草原指数保险在设计阶段面临的最大阻碍。但随着大数据、区块链、保险科技和智慧气象等的高速发展，现代科学技术和算法已经能在很大程度上补足这一缺陷，为天气指数保险的开展赋予了很强的可行性。其中，遥感技术是重心和关键。
4.3.2?3.2中提到的内蒙古自治区的几种保险产品都参考了此设计的思路。
4.3.3?无人机技术补充中观数据
????无人机是现代草地研究和发展中应用最广、潜力最大的技术工具之一。在草原指数保险的设计中，无人机遥感和航拍能够提供强大的技术支撑。无人机遥感是卫星遥感的重要补充，具有时效性强、拍摄影像清晰、精度高的优点，更适合中小尺度范围和高频次的调查研究。无人机遥感影像的分辨率可达厘米级，拍摄范围可达数百米，可以作为地面数据与遥感数据之间的中间纽带。通过无人机遥感搜集到的数据往往时空分辨率更高，与卫星遥感数据集结合使用，能够实现数据源的精细化；如果遥感数据集出现了缺失，搭载传感器的无人机也能及时搜集最新的数据补上。在保险中后期的指数监测与定损中，无人机也能发挥极大的作用。如在内蒙古苏尼特左旗的天气指数保险中，对于不便监测的地方，完全可以用无人机来替代人工勘察。
????此外，无人机遥感还可以与CSCS结合。由于物种间的相似性越高，识别率越低，因此分辨率远远高于卫星遥感影像的无人机遥感能够帮助CSCS实现更精确的物种识别和植被类型划分。无人机遥感技术结合机器学习算法是一种高效准确的植被监测方法，能够实现景观尺度上植被类型的自动划分，并且可以用于其他生态系统植被类型的划分和监测。
4.3.4农牧户入户调查得到微观数据
4.4?中国方案构想
摘自《草业学报》2021年8期
扫一扫在手机打开当前页
主办单位：河北省自然资源厅技术支持：河北省自然资源信息中心网站标识码：1300000044
建议使用IE9.0以上浏览器或兼容浏览器，分辨率1280*720以上;访问量: