第44卷 第3期氣象與環(huán)境科學(xué)Vol 44 No 3 2021年5月Meteorological and Environmental Sciences May 2021 收稿日期 2019 09 17 修訂日期 2020 03 26 基金項目 中國氣象局氣候變化專項 CCSF201521 中國氣象局創(chuàng)新發(fā)展專項 CXFZ2021J075 作者簡介 柳芳 1977 女 河南南陽人 高級工程師 碩士 主要從事農(nóng)業(yè)氣候資源評價及設(shè)施農(nóng)業(yè)氣象災(zāi)害評估 E mail liuf197733 163 com 柳芳 陳思寧 黎貞發(fā) 低溫對天津日光溫室黃瓜產(chǎn)量的影響 J 氣象與環(huán)境科學(xué) 2021 44 3 69 75 Liu Fang Chen Sining Li Zhenfa Effect of Low Temperature on Solar Greenhouse Cucumber Yield in Tianjin J Meteorological and Environmental Sci ences 2021 44 3 69 75 doi 10 16765 j cnki 1673 7148 2021 03 010 低溫對天津日光溫室黃瓜產(chǎn)量的影響 柳 芳 陳思寧 黎貞發(fā) 天津市氣候中心 天津 300074 摘 要 天氣指數(shù)保險不僅能有效地保障災(zāi)害損失 同時操作簡單 理賠成本低 規(guī)避了逆向選擇和道德風(fēng)險 是一種農(nóng)業(yè)保險的創(chuàng)新方式 為減輕設(shè)施蔬菜災(zāi)害損失 促進(jìn)生產(chǎn)穩(wěn)定發(fā)展 以低溫為例 以黃瓜為代表 基于 2005 2014年天津13個氣象站的氣象資料和2013 2015年蔬菜產(chǎn)量資料 根據(jù)低溫致災(zāi)指標(biāo)與蔬菜減產(chǎn)率的對應(yīng)關(guān) 系及其低溫天氣的歷史發(fā)生概率 設(shè)計包含致災(zāi)氣象指標(biāo) 災(zāi)害持續(xù)天數(shù) 減產(chǎn)率的日光溫室黃瓜果期低溫農(nóng)業(yè)保 險天氣產(chǎn)品 結(jié)果表明 日平均氣溫在 6 3 且持續(xù)10天以上 可能導(dǎo)致溫室內(nèi)蔬菜產(chǎn)量降低25 或者日平 均氣溫低于 6 且持續(xù)8天以上 可能導(dǎo)致溫室內(nèi)蔬菜產(chǎn)量降低34 上述兩種天氣發(fā)生時保險公司可開始進(jìn) 行賠付 發(fā)生概率為十年三遇 研究成果為以后設(shè)施蔬菜災(zāi)害天氣指數(shù)保險產(chǎn)品的上市提供數(shù)據(jù)支撐 關(guān)鍵詞 日光溫室 黃瓜 低溫 天氣指數(shù)保險 中圖分類號 S162 4 3 文獻(xiàn)標(biāo)志碼 A 文章編號 1673 7148 2021 03 0069 07 引 言 根據(jù)天津自然資源和地理位置 天津以沿海都 市型現(xiàn)代農(nóng)業(yè)為發(fā)展方向 設(shè)施農(nóng)業(yè)是其中重要的 組成部分 至2016年 全市設(shè)施面積35 3千公頃 年增加經(jīng)濟(jì)效益超過60億元 占蔬菜總產(chǎn)值的85 以上 設(shè)施農(nóng)業(yè)已成為當(dāng)前天津農(nóng)業(yè)最大的經(jīng)濟(jì)增 長點 由于天津大陸性季風(fēng)氣候的特點 冬季寒冷 最 冷月平均氣溫為 5 4 3 0 因此冬季低溫成為 制約設(shè)施農(nóng)業(yè)的主要氣象災(zāi)害 1 為補償災(zāi)害損 失 提高災(zāi)后恢復(fù)能力 保證生產(chǎn)的穩(wěn)定發(fā)展 農(nóng)業(yè) 保險成為行之有效的手段之一 傳統(tǒng)的農(nóng)業(yè)保險以 實際災(zāi)害損失作為賠付依據(jù) 操作復(fù)雜 保險公司與 投保戶雙方常在查險 定損 理賠 估價等方面存在 較大分歧 2 4 為了解決這一問題 許多國家相繼 推出了天氣指數(shù)保險產(chǎn)品以改進(jìn)傳統(tǒng)經(jīng)營模式 天氣指數(shù)農(nóng)業(yè)保險的概念最早出現(xiàn)在20世紀(jì) 90年代后期 是在事先指定的區(qū)域內(nèi) 以一種事先 規(guī)定的氣象事件或變量如天氣事件 降水量 氣溫 風(fēng)速等的發(fā)生為基礎(chǔ) 確立損失補償支付合同的保 險方式 5 2009年11月24日 我國首款農(nóng)作物旱 災(zāi)指數(shù)保險產(chǎn)品經(jīng)過中國保險監(jiān)督管理委員會批 準(zhǔn) 在安徽省長豐縣部分鄉(xiāng)鎮(zhèn)開展了試點工作 此 后相繼有許多學(xué)者開展了這方面的研究工作 目前 關(guān)于天氣指數(shù)農(nóng)業(yè)保險方面的研究主要包括三方面 內(nèi)容 一是建立致災(zāi)指標(biāo) 進(jìn)行保險風(fēng)險區(qū)劃 根據(jù) 風(fēng)險值的高低建立參保指標(biāo)和等級 例如劉映 寧 6 楊小利 7 等以日最低氣溫為災(zāi)害指標(biāo)建立陜 西 甘肅蘋果花期低溫凍害風(fēng)險指數(shù) 根據(jù)風(fēng)險指數(shù) 的大小確定農(nóng)業(yè)保險的參保指標(biāo)和等級 王華 等 8 選用日平均氣溫 23 積寒指數(shù) 晚稻生產(chǎn)力 水平構(gòu)建廣東晚稻寒露風(fēng)保險風(fēng)險區(qū)劃指標(biāo) 制作 保險風(fēng)險區(qū)劃圖 二是災(zāi)害指標(biāo) 減產(chǎn)率 產(chǎn)量風(fēng)險 分布模型或災(zāi)害風(fēng)險分布模型相結(jié)合 厘定不同免 賠額下的純保險費率 例如孫擎 9 劉凱文 10 等以 氣象與環(huán)境科學(xué)第44卷 日最高氣溫 35 的持續(xù)天數(shù)為致災(zāi)指標(biāo) 結(jié)合減 產(chǎn)率和災(zāi)害的概率分布函數(shù) 厘定了早稻和中稻高 溫?zé)岷Σ煌赓r額下的純保險費率 楊帆等 11 參 考作物蒸散量 結(jié)合逐日降水量資料構(gòu)建東北玉米 干旱指數(shù) 依據(jù)干旱指數(shù)概率分布函數(shù)和減產(chǎn)率 計 算不同時段的純保險費率 王春乙 12 蔡大鑫 13 等選取最大降溫幅度 極端最低氣溫 日最低氣溫 10 持續(xù)日數(shù)和 10 積寒為致災(zāi)因子 建立海 南省芒果 香蕉寒害指數(shù) 結(jié)合減產(chǎn)率和產(chǎn)量風(fēng)險分 布模型 厘定不同免賠額下的純保險費率 設(shè)計了芒 果寒害氣象指數(shù)保險合同 李睿濤 14 曹雯 15 等 分別以標(biāo)準(zhǔn)化降水蒸散指數(shù)月值 降水距平百分率 的負(fù)值作為冬小麥干旱氣象指數(shù) 結(jié)合減產(chǎn)率及其 風(fēng)險概率 計算不同免賠額下的純保險費率 丁燁 毅等 16 以連續(xù)降水影響日數(shù)作為楊梅降水氣象指 數(shù) 結(jié)合減產(chǎn)率和降水指數(shù)風(fēng)險概率 設(shè)計不同賠 付觸發(fā)條件下的保險純費率和保險產(chǎn)品 三是根據(jù) 災(zāi)害指數(shù)與減產(chǎn)率的關(guān)系 建立保險產(chǎn)品 婁偉平 等 17 根據(jù)低溫強度 低溫持續(xù)時間及品種抗凍能力 構(gòu)建柑橘低溫凍害指數(shù) 結(jié)合相對氣象產(chǎn)量 設(shè)計柑 橘嚴(yán)重凍害保險氣象理賠指數(shù) 目前災(zāi)害天氣指數(shù)保險產(chǎn)品多涉及糧食 經(jīng)濟(jì) 林果 煙葉等領(lǐng)域 關(guān)于設(shè)施蔬菜方面的保險產(chǎn)品研 究尚比較少見 郭小芹等 18 根據(jù)日光溫棚的大風(fēng) 低溫 寡照三種氣象災(zāi)害指標(biāo) 用熵權(quán)法評判不同災(zāi) 害等級的風(fēng)險度 設(shè)計棚內(nèi)外賠付指數(shù)并約定不同 生育期兌付標(biāo)準(zhǔn) 杜子璇等 19 20 以日最低氣溫 逐 日日照時數(shù) 3 h為致災(zāi)指標(biāo) 對河南日光溫室黃 瓜寡照 西紅柿低溫冷害進(jìn)行風(fēng)險區(qū)劃 對兩種災(zāi)害 的年際發(fā)生次數(shù)和空間分布情況進(jìn)行了探討 上述 關(guān)于設(shè)施蔬菜天氣指數(shù)保險產(chǎn)品的研究大多是從氣 象指標(biāo)方面入手 作物災(zāi)損率方面考慮得較少 這 主要是因為設(shè)施蔬菜較其他作物在產(chǎn)量形成上有很 大的不同 多次采收 有多次產(chǎn)量 造成產(chǎn)量波動的 因素較復(fù)雜 其次 設(shè)施蔬菜發(fā)生氣象災(zāi)害主要是 受設(shè)施內(nèi)小氣候環(huán)境的影響 而后者又受設(shè)施類型 生產(chǎn)管理等多方面的影響 氣象致災(zāi)指標(biāo)缺乏一致 性 此外設(shè)施生產(chǎn)的發(fā)展歷史相對偏短 災(zāi)害數(shù)據(jù) 樣本收集比較困難 針對上述問題 本研究根據(jù)設(shè)施蔬菜多次采收 的特點 將單次采收的產(chǎn)量作為一個獨立樣本 整個 收獲期可形成一個產(chǎn)量序列 對產(chǎn)量樣本采用趨勢 分離方法剔除生產(chǎn)管理的影響 計算減產(chǎn)率 由于 災(zāi)害數(shù)據(jù)樣本缺乏 本研究建立的天氣指數(shù)保險產(chǎn) 品需要進(jìn)一步經(jīng)過實際災(zāi)害數(shù)據(jù)的檢驗 1 數(shù)據(jù)和方法 1 1 數(shù)據(jù)來源 本研究所用溫室數(shù)據(jù)來自天津農(nóng)科院武清區(qū)創(chuàng) 新基地內(nèi)的新型二代溫室 溫室東西長65 m 南北 跨度10 m 脊高5 2 m 后墻高3 7 m 后墻材料為 磚加苯板 產(chǎn)量數(shù)據(jù)時間為2013 2014年和2014 2015年2年溫室蔬菜產(chǎn)量觀測數(shù)據(jù) 蔬菜為多次采摘 作物 每次采摘的重量可作為1個產(chǎn)量樣本 每年18 個產(chǎn)量數(shù)據(jù) 為保證數(shù)據(jù)的穩(wěn)定性 對2年的產(chǎn)量數(shù) 據(jù)進(jìn)行平均 氣象數(shù)據(jù)時間選取對應(yīng)的2013 2014 年 2014 2015年溫室內(nèi)的小氣候觀測資料 環(huán)境氣 象數(shù)據(jù)為天津市13個國家級氣象站2005 2014年氣 象觀測資料 1 2 研究方法 1 2 1 研究對象和研究時段的確定 基于對天津市溫室蔬菜種植種類 種植面積和 經(jīng)濟(jì)效益的調(diào)研 同等面積同樣管理水平的溫室種 植果菜的經(jīng)濟(jì)效益約為葉菜類兩倍 果類蔬菜中種 植面積較大的是黃瓜和西紅柿 兩種果類蔬菜中 黃瓜對環(huán)境氣象條件的敏感性更高 因此本文選擇 黃瓜作為主要研究對象 天津市日光溫室黃瓜種植主要分為三種茬口 秋冬茬 越冬一大茬和冬春茬 三種茬口的黃瓜整 個生長期均會受到外界氣象條件的影響 從不利氣 象條件造成經(jīng)濟(jì)損失的嚴(yán)重程度去比較 收獲期遭 受氣象災(zāi)害時損失最大 此外氣象條件對日光溫室 黃瓜生長的不利影響主要表現(xiàn)在氣溫和日照兩個方 面 天津地區(qū)冬季是一年中氣溫最低和光照最少的 季節(jié) 也是設(shè)施蔬菜氣象災(zāi)害發(fā)生最多最嚴(yán)重的季 節(jié) 因此 本研究以收獲期在冬季 12月至次年2 月 下同 的越冬一大茬黃瓜為研究對象 研究的關(guān) 鍵發(fā)育期為收獲期 1 2 2 減產(chǎn)率的計算 對黃瓜產(chǎn)量數(shù)據(jù)采用直線滑動平均的方法模擬 趨勢產(chǎn)量 其中滑動步長為11天 根據(jù)趨勢產(chǎn)量可 分別計算氣象產(chǎn)量和相對氣象產(chǎn)量 相對氣象產(chǎn)量 的負(fù)值可定義為災(zāi)害天氣造成的減產(chǎn)率 直線滑動 平均是一種線性回歸模擬與滑動平均模擬相結(jié)合的 模擬方法 21 該方法的優(yōu)點在于既不必主觀假定 或判定 產(chǎn)量歷史演變的曲線類型 同時又不損失 07 第3期柳 芳等 低溫對天津日光溫室黃瓜產(chǎn)量的影響 樣本序列的數(shù)量 則趨勢產(chǎn)量 氣象產(chǎn)量 相對氣象 產(chǎn)量可由下式得出 Yw Y Yt 1 X Yw Yt 2 式中 Yw為氣象產(chǎn)量 Y為實際產(chǎn)量 Yt為趨勢產(chǎn) 量 X為相對氣象產(chǎn)量 計算相同時段減產(chǎn)率和低溫天氣的定量對應(yīng)關(guān) 系 確定低溫天氣農(nóng)業(yè)保險理賠閾值 計算近10年 低溫的發(fā)生概率 參考已有農(nóng)業(yè)保險產(chǎn)品災(zāi)害天氣 的發(fā)生概率 初步建立低溫天氣指數(shù)保險產(chǎn)品 2 結(jié)果與分析 2 1 低溫導(dǎo)致的減產(chǎn)率 選取2013 2014年和2014 2015年冬季黃瓜產(chǎn) 量資料為樣本 計算因低溫造成的減產(chǎn)率 由于溫 室黃瓜采收時間間隔不一致 采用數(shù)學(xué)平均 將黃瓜 產(chǎn)量數(shù)據(jù)換算為同時間間隔的產(chǎn)量序列 然后以該 產(chǎn)量序列為樣本 采用直線滑動平均的方法分別計 算趨勢產(chǎn)量 氣象產(chǎn)量和相對氣象產(chǎn)量 滑動步長為 11天 相對氣象產(chǎn)量的負(fù)值 可認(rèn)為是由低溫造成 的減產(chǎn)率 圖1為黃瓜實際產(chǎn)量 趨勢產(chǎn)量和氣象 產(chǎn)量變化圖 由圖1可以看出 趨勢產(chǎn)量 氣象產(chǎn)量與實際產(chǎn) 量的變化趨勢基本一致 趨勢產(chǎn)量能解釋實際產(chǎn)量 的80 以上 在圖上表現(xiàn)為一條光滑的曲線 實際 單產(chǎn)則表現(xiàn)為一條不連續(xù)變化的折線 其波動特征 和氣象產(chǎn)量一致 說明氣象條件是造成產(chǎn)量波動的 主要原因 圖1 黃瓜實際產(chǎn)量 趨勢產(chǎn)量及氣象產(chǎn)量變化圖 根據(jù)公式 1 2 可得出相對氣象產(chǎn)量序列 選取低溫發(fā)生時段 參考陳思寧等 22 研究成果劃分 低溫發(fā)生時段 根據(jù)同時段與其對應(yīng)的減產(chǎn)率 相 對氣象產(chǎn)量為負(fù)值 可得出對應(yīng)不同低溫指標(biāo)的 損失率 表1 表1 不同低溫天氣下黃瓜的減產(chǎn)率 日平均氣溫 0 1 6 3 0 6 3 6 減產(chǎn)率 13 25 19 52 24 69 34 25 2 2 近10年低溫天氣發(fā)生概率 2 2 1 四種低溫指標(biāo)的發(fā)生概率 近10年 2005 2014年 冬季低溫天氣發(fā)生概 率的計算結(jié)果如圖2 由圖2可以看出 4種低溫天 氣發(fā)生概率的空間分布不同 日平均氣溫在 3 以上的低溫天氣 表現(xiàn)為南部發(fā)生概率高 北部發(fā)生 概率低 日平均氣溫在 3 以下的低溫天氣 則與 3 以上的相反 其中日平均氣溫在 6 以下的 低溫天氣發(fā)生概率有兩個高值區(qū) 分別為北部的寶 坻和東部的寧河 由上述數(shù)據(jù)可以看出 冬季接近40 的天數(shù)日 平均氣溫為 3 0 發(fā)生概率在4個等級指標(biāo)中 最高 0 1 6 造成的災(zāi)害程度較輕 故這兩級指 標(biāo)不作為低溫農(nóng)業(yè)保險理賠的天氣指標(biāo) 本研究選 取日平均氣溫為 6 3 及 6 作為低溫 農(nóng)業(yè)保險的理賠天氣指標(biāo) 2 2 2 兩種低溫指標(biāo)不同持續(xù)天數(shù)的概率 近10年 2005 2014年 上述兩級農(nóng)業(yè)保險理 賠天氣不同持續(xù)天數(shù)的發(fā)生概率 持續(xù)天數(shù)設(shè)定為 2天 3天 4天 10天 見圖3和圖4 由于圖片 太多 本文僅顯示持續(xù)5 10天低溫發(fā)生概率空間 分布圖 17 氣象與環(huán)境科學(xué)第44卷 圖2 2005 2014年黃瓜收獲期4種低溫天氣發(fā)生概率圖 a 日平均氣溫0 1 6 b 日平均氣溫 3 0 c 日平均氣溫 6 3 d 日平均氣溫 6 由圖3可以看出 6 3 低溫天氣持續(xù)天數(shù) 為6天時 全市發(fā)生概率在1以下 即一年一遇 持 續(xù)天數(shù)為8天時 全市發(fā)生概率在0 5以下 即兩年 一遇 持續(xù)天數(shù)為10天時 全市發(fā)生概率在0 3以 下 即十年三遇 由圖4可以看出 日平均氣溫低于 6 的低溫 天氣持續(xù)6天時 全市的發(fā)生概率在0 5以下 兩年 一遇 持續(xù)8天時 發(fā)生概率在0 3以下 十年三遇 持續(xù)9天以上時 發(fā)生概率在0 2以下 五年一遇 參考保險公司干旱災(zāi)害農(nóng)業(yè)保險產(chǎn)品 選取投 保的災(zāi)害天氣指標(biāo)發(fā)生概率為0 1 考慮溫室生產(chǎn) 經(jīng)濟(jì)效益 生產(chǎn)成本較同等面積大田生產(chǎn)的高 蔬菜 對環(huán)境氣象條件的敏感程度 脆弱程度都較大田作 物的高 此處選取低溫發(fā)生概率為0 3以下的持續(xù) 天數(shù)為投保的災(zāi)害發(fā)生天數(shù) 因此日光溫室黃瓜果 期低溫的農(nóng)業(yè)保險天氣指標(biāo)可分為 6 3 和 6 兩級 見表2 2007年天津市政府啟動政策性農(nóng)業(yè)保險試點 工作 目前大田作物保險基本實現(xiàn)全覆蓋 溫室大 棚中雪災(zāi) 冰雹 風(fēng)災(zāi)和暴雨4種氣象災(zāi)害已納入農(nóng) 業(yè)保險范圍 投保對象是溫室大棚的設(shè)施 棚膜 鋼 架等 主要賠償氣象災(zāi)害對溫室大棚造成的機(jī)械 性損壞 2017年開始在小范圍內(nèi)試點溫室作物保 險 將溫室大棚中的蔬菜納入?yún)⒈ο?對因溫室設(shè) 施損壞而遭受災(zāi)害的作物進(jìn)行賠償 對于冬季影響 溫室蔬菜生長與產(chǎn)量的主要氣象災(zāi)害 低溫 尚未 27 第3期柳 芳等 低溫對天津日光溫室黃瓜產(chǎn)量的影響 圖3 2005 2014年日平均氣溫在 6 3 的不同持續(xù)天數(shù)的發(fā)生概率 a 持續(xù)5天 b 持續(xù)6天 c 持續(xù)7天 d 持續(xù)8天 e 持續(xù)9天 f 持續(xù)10天 圖4 2005 2014年日平均氣溫 6 的不同持續(xù)天數(shù)的發(fā)生概率 a 持續(xù)5天 b 持續(xù)6天 c 持續(xù)7天 d 持續(xù)8天 e 持續(xù)9天 f 持續(xù)10天 37 氣象與環(huán)境科學(xué)第44卷 有成熟的保險產(chǎn)品 本文建立了日光溫室黃瓜收獲 期低溫溫室外致災(zāi)指標(biāo) 探討了低溫天氣與蔬菜產(chǎn) 量的定量影響關(guān)系 初步構(gòu)建了日光溫室黃瓜低溫 農(nóng)業(yè)保險產(chǎn)品 研究成果為以后設(shè)施蔬菜災(zāi)害天氣 指數(shù)保險產(chǎn)品的上市提供數(shù)據(jù)支撐 表2 日光溫室黃瓜果期低溫農(nóng)業(yè)保險天氣指標(biāo) 日平均 氣溫 持續(xù)天數(shù) d 可能造成的 減產(chǎn)率 6 3 10天及以上 25 6 8天及以上 34 3 結(jié)論與討論 1 與大田農(nóng)業(yè)相比 設(shè)施蔬菜發(fā)展時間相對較 短 產(chǎn)量數(shù)據(jù) 災(zāi)害數(shù)據(jù)積累相對不足 給制定蔬菜災(zāi) 害天氣指數(shù)保險產(chǎn)品帶來一定困難 本文以黃瓜多次 采收數(shù)據(jù)為時間樣本序列 以此彌補產(chǎn)量數(shù)據(jù)的不足 通過計算同時段相對氣象產(chǎn)量和低溫天氣的對應(yīng)關(guān) 系 建立減產(chǎn)率與低溫天氣指標(biāo)的定量關(guān)系 2 本研究在考慮低溫天氣對溫室蔬菜產(chǎn)量影響 的基礎(chǔ)之上 還增加了低溫天氣和不同持續(xù)天數(shù)的歷 史發(fā)生概率的計算 以已有的氣象災(zāi)害農(nóng)業(yè)保險產(chǎn)品 為參考 初步建立包含致災(zāi)指標(biāo) 持續(xù)天數(shù) 減產(chǎn)率的 溫室蔬菜果期低溫天氣指數(shù)農(nóng)業(yè)保險產(chǎn)品 3 由于目前災(zāi)害數(shù)據(jù)樣本缺乏 本研究成果 尚未有實測災(zāi)害減產(chǎn)數(shù)據(jù)檢驗 今后也將在這方面 繼續(xù)補充完善 參考文獻(xiàn) 1 于紅 陳思寧 黎貞發(fā) 等 天津市武清區(qū)日光溫室風(fēng)災(zāi)風(fēng)險時空 特征分析 J 氣象與環(huán)境科學(xué) 2019 42 2 62 67 2 張祖榮 農(nóng)業(yè)保險的價格構(gòu)成與保費補貼比例的確定 J 財政 研究 2012 10 42 46 3 孫香玉 鐘甫寧 福利損失 收入分配與強制保險 不同農(nóng)業(yè)保 險參與方式的實證研究 J 管理世界 2009 5 80 88 4 庹國柱 朱俊生 試論政策性農(nóng)業(yè)保險的財政稅收政策 J 經(jīng)濟(jì) 與管理研究 2007 5 47 50 5 楊太明 孫喜波 劉布春 等 安徽省水稻高溫?zé)岷ΡｋU天氣指數(shù) 模型設(shè)計 J 中國農(nóng)業(yè)氣象 2015 36 2 220 226 6 劉應(yīng)寧 賀文麗 李艷麗 等 陜西果區(qū)蘋果花期凍害農(nóng)業(yè)保險風(fēng) 險指數(shù)的設(shè)計 J 中國農(nóng)業(yè)氣象 2010 31 1 125 129 7 楊小利 甘肅平?jīng)鍪刑O果花期凍害農(nóng)業(yè)保險風(fēng)險等級評估 J 干旱氣象 2014 32 2 281 285 8 王華 杜堯東 張羽 等 廣東晚稻寒露風(fēng)保險風(fēng)險區(qū)劃 J 氣象 與環(huán)境科學(xué) 2018 41 4 98 102 9 孫擎 楊再強 殷劍敏 等 江西早稻高溫逼熟氣象災(zāi)害指數(shù)保險 費率的厘定 J 中國農(nóng)業(yè)氣象 2014 35 5 561 566 10 劉凱文 劉可群 鄧愛娟 等 基于開花期地域差異的中稻高溫?zé)岷?天氣指數(shù)保險設(shè)計 J 中國農(nóng)業(yè)氣象 2017 38 10 679 688 11 楊帆 劉布春 劉園 等 氣候變化對東北玉米干旱指數(shù)保險純 費率厘定的影響 J 中國農(nóng)業(yè)氣象 2015 36 3 346 355 12 王春乙 張亞杰 張京紅 等 海南省芒果寒害氣象指數(shù)保險費 率厘定及保險合同設(shè)計研究 J 氣象與環(huán)境科學(xué) 2016 39 1 108 113 13 蔡大鑫 張京紅 鄒海平 等 海南島香蕉寒害純保險費率研究 J 自然災(zāi)害學(xué)報 2013 22 6 210 216 14 李睿濤 劉京會 周洪奎 等 華北平原冬小麥因旱減產(chǎn)氣象指 數(shù)保險產(chǎn)品研究 J 災(zāi)害學(xué) 2017 32 3 216 221 15 曹雯 成林 楊太明 等 河南省冬小麥拔節(jié) 抽穂期干旱天氣指 數(shù)保險研究 J 氣象 2019 45 2 274 281 16 丁燁毅 楊棟 陳鑫磊 等 楊梅降水氣象指數(shù)保險產(chǎn)品設(shè)計 以慈 溪市為例 J 浙江農(nóng)業(yè)學(xué)報 2017 29 12 2032 2037 17 婁偉平 吳利紅 倪滬平 等 柑橘凍害保險氣象理賠指數(shù)設(shè)計 J 中國農(nóng)業(yè)科學(xué) 2009 42 4 1339 1347 18 郭小芹 羅永忠 河西東部日光溫棚氣象災(zāi)害保險理賠指數(shù)設(shè) 計 J 災(zāi)害學(xué) 2017 32 1 137 141 19 杜子璇 劉忠陽 曹淑超 低溫冷害對河南省設(shè)施農(nóng)業(yè)的影響分 析 J 氣象與環(huán)境科學(xué) 2014 37 1 5 12 20 杜子璇 劉忠陽 劉靜 等 河南設(shè)施農(nóng)業(yè)黃瓜寡照災(zāi)害時空分 布及風(fēng)險評價 J 干旱氣象 2015 33 4 694 701 21 薛昌穎 霍治國 李世奎 等 華北北部冬小麥干旱和產(chǎn)量災(zāi)損 的風(fēng)險評估 J 自然災(zāi)害學(xué)報 2003 12 1 131 139 22 陳思寧 柳芳 黎貞發(fā) 等 基于不同發(fā)育期的日光溫室黃瓜低 溫冷害風(fēng)險評估研究 J 中國農(nóng)業(yè)資源與區(qū)劃 2016 37 2 154 160 47 第3期柳 芳等 低溫對天津日光溫室黃瓜產(chǎn)量的影響 Effect of Low Temperature on Solar Greenhouse Cucumber Yield in Tianjin Liu Fang Chen Sining Li Zhenfa Tianjin Climate Center Tianjin 300074 China Abstract Weather index insurance can not only effectively guarantee disaster loss but also have simple claim procedure with low cost It can help avoid adverse selection and moral hazard and is an in novative way for agricultural insurance In order to reduce the disaster loss of facility vegetables and pro mote the stable development of vegetable production according to the corresponding relationship between the disaster index of low temperature injury and the reduction rate of vegetable production and the histori cal probability of occurrence of low temperature injury this paper designs the agricultural insurance weather products including the disaster induced meteorological index and the low temperature chilling in jury in cucumber fruit stage in solar greenhouse with continuous days and reduced yield rate by taking the low temperature injury as an example the cucumber as a representative and using the meteorological da ta from 13 stations in Tianjin during 2005 2014 and the vegetable production data in 2013 2015 The results show that if the daily average temperature 6 3 lasts for more than 10 days the vegetable production in the greenhouse may be reduced by 25 or if the daily average temperature is lower than 6 and lasts for more than 8 days the vegetable production in the greenhouse may be reduced by 34 When the above two kinds of disaster weather occur the insurance company can start to pay com pensation and the probability of occurrence is three times in ten years The research results can provide data support for the listing of weather index insurance products of facility vegetable disaster in the future Key words solar greenhouse cucumber low temperature weather index insurance 57