一种玉米干旱气象灾害多年平均损失率的计算方法
【技术领域】
[0001] 本发明涉及农业气象灾害监测及风险评估技术领域，尤其涉及一种基于降雨量进 行玉米干旱气象灾害多年平均损失率的计算方法。
【背景技术】
[0002] 玉米干旱灾害是一种从播种前一段时间开始到成熟期间内，由于阶段性供水不 足，导致苗情和生长发育受到影响，并且所受影响不能得到弥补、或不能全部得到弥补，最 终造成产量降低及品质变化的农业气象灾害。
[0003] 国内外众多学者对玉米干旱损失进行了大量试验和理论研究。国外早期的研究多 采用环境控制试验，因为这种方法重复性好，能为研究者提供稳定的环境。缺点是光照通常 减少，温度升高；昼夜温差减少，光温不能同步；温度升高，风速相对静止。最大的缺陷是大 部分植物种在花盆中，植物根系生长的空间受限。因此，近年来这种方法的应用逐渐减少， 而转向于数值模拟和统计分析相结合的模式计算评估方法。如我国学者董加瑞等基于立了 大气、土壤、河流流域、植被为一体的耦合模式，综合考虑动力学和土壤水分平衡原理，提出 了 DDI指标结合具体天气和土壤水分状况进行综合农作物损失评估；姚晓红等以天水市春 玉米为例，采用各生育阶段的主要农业气象灾害强度与农作物气候产量进行回归分析，得 到了玉米气候产量数学模型，进行了主要农业气象灾害对作物产量的影响分析和评估。
[0004] 气象指数保险（Weather-index-based insurance)是区别于传统的基于损害赔付 的保险（Indemnity-based insurance)的一种创新型农业保险产品，其赔付触发的条件与 具体赔付的额度均以保险合同中约定的气象指数为准，而不以具体保险标的所遭受的实际 损失为准。但保险费率的计算仍需以保险标的（如玉米干旱灾害）多年平均损失率（数学 期望）作为核心目标。目前，国内外在气象指数产品费率计算方面已经开展了卓有成效的 研究。我国学者娄卫平等以温度为气象指数，利用统计分析方法建立指数与灾损之间的关 系模型，基于多年平均损失率和Weibull分布估计法分别厘定了柑橘冻害和热害的指数保 险费率，基于非参数估计法厘定了柑桔冷害和热害指数保险费率；以气象因子与减产的关 系为核心，以减产率为指数，基于Beta分布估计法厘定了浙江省水稻暴雨保险产品费率。 王倩等以降雨量和需水量定义干旱保险指数，利用面板回归统计分析建立指数与灾损之间 的关系模型。孙擎等以高温持续天数为气象指数，利用人工气候室模拟建立指数与灾损之 间的关系模型，基于Weibull分布估计法厘定了高温灾害指数保险费率。史继清等以自然 水分亏缺率指数、降水距平百分率指数和抗旱指数以及三者权重系数构建的干旱综合风险 指标为保险指数，利用统计分析方法建立了指数与灾损之间的关系模型，基于非参数法厘 定了冬小麦干旱指数保险费率。
[0005] 但是，当前国内大部分方法是基于统计分析方法建立玉米干旱灾害气象指数（降 雨量）与灾损之间的定量关系，该方法存在的明显不足是很难准确地分离出单一气象灾害 造成的作物灾损，并且建立的回归方程存在统计意义上的不确定性问题。
[0006] 本发明中的计算方法主要解决两个关键问题。（1)当前国内大部分方法是基于统 计分析方法建立保险气象指数与灾损之间的定量关系，该方法存在的明显不足是很难准确 地分离出单一气象灾害造成的作物灾损，并且建立的回归方程存在统计意义上的不确定性 问题。（2)指数保险产品费率厘定的可靠性，即气象指数所表征的灾害风险在空间和时间 上被分散的准确性计算方法问题。目前国内要么采用非参数方法进行风险概率估计厘定费 率，要么采用参数方法进行风险概率估计厘定费率，但综合这两种方法在国内尚未见报道。
【发明内容】
[0007] 针对上述两个问题，本发明采用作物生长模拟方法构建气象指数与玉米灾损之间 的关系模型，采用参数估计方法和非参数方法对玉米多年灾损进行评估，以期为设计合理 的玉米干旱受损模型提供严密的科学计算方法，进一步为确定气象灾害风险的有效转移和 确保保险等产品的长期稳定推行提供依据。
[0008] 为了达到上述目的，本发明所采用的技术方案为：
[0009] -种玉米干旱气象灾害多年平均损失率的计算方法，其特征在于：利用彭曼公式 计算玉米生育期内需水量ETc ;利用WOFOST玉米生长模型模拟玉米在不同条件下的产量， 并利用模拟产量构建干旱指数（降雨量）与减产率的定量关系函数G(X);基于需水量 ETc、定量关系函数G( X )，利用参数方法计算风险概率，利用非参数保险费率厘定方法计算 损失率Rl ;基于W0F0ST模拟产量损失率，利用非参数方法计算风险概率，利用非参数保险 费率厘定方法计算损失率R2 ;以Rl和R2的平均值R作为最终多年平均损失率。
[0010] 本发明利用作物生长模型构建玉米产量与干旱气象指数（降雨量）的定量关系模 型，有效地解决统计分析方法中回归分析统计意义不显著、无法分离其他灾害对产量的影 响等缺点；同时，作物生长模型所建立的定量损失关系模型可以具有比较明确的物理意义， 有利于降低保险产品经营风险。采用综合风险评估方法可以更加准确和全面的评估干旱灾 害风险的发生概率，进而降低产品的基差风险。
【具体实施方式】
[0011] 下面将结合本发明实施例，对本发明的原理和特征进行清楚、完整地描述，显然， 所描述的实施例只用于解释本发明，并非用于限定本发明的范围。
[0012] 本发明的玉米干旱气象灾害损失评估的方法包括以下步骤：
[0013] 一、数据收集整理
[0014] 收集某一地区的长时间序列（大于30年）降雨量、气温、湿度、风速、气压、辐射等 气象要素历史数据和历年玉米产量数据。
[0015] 二、玉米生育期内需水量计算
[0016] 玉米生育期内需水量的计算采用双作物系数法，计算公式如下：
[0017] ETc = KcXETO 式（1)
[0018] 其中，ETc为潜在农田蒸散，也称作物需水量，未考虑水分胁迫、盐度胁迫等因素。 Kc为参考作物系数，ETO为参考作物蒸散。
[0019] (1)参考作物蒸散ETO的计算
[0020] 采用Priestley-Taylor模式来计算预测的参考作物蒸散ΕΤ0,计算公式如下： CN 105184445 A 说明书 3/8 页
[0022] 其中Λ为饱和水汽压-温度曲线斜率（hPa ·Κ_ \ γ为干湿表常数（kPa ·η， RRn为净辐射（MJ · m_ 2 · cT 4，G为土壤热通量（MJ · m_ 2 · d_ ^，λ为汽化潜热（MJ · kg_ 3，a 为常数（a = I. 26)。
[0023] (2)净辐射RRn的计算
[0024] 净辐射RRn的计算采用FA0-56中推荐的方法：
[0025] RRn = RRn_S-RRn_L 式（3)
[0026] RRn_S = (l-α ) XRs 式⑷
[00
[0028] 其中，RRn为净辐射（MJ · πΓ 2 · cT 4，RRn_S为净短波辐射，RRn_L为净长波辐 射，α为农田反射率，Rs为接受的太阳辐射（MJ · πΓ 2 · d_ )，η为斯蒂芬-波尔兹曼常数 (4. 903 X 10 9MJ · πΓ 2 · cT 4，ea为实际水汽压（kPa)，RsO 为晴空太阳辐射（MJ · m _ 2 · cT 4 ;T_为最高气温（K)，T_为最低气温（K)，通过步骤一中的观测数据收集获得。
[0029] ①农田反射率α的计算
[0030] 农田反射率α与作物叶面积指数密切相关，利用下面农学模型可以近似估算反 射率：
[0032] 其中a s为裸地反射率，一般定为0. 15, LAI为叶面积指数，由各作物发育期经验 确定。
[0033] ②接收的太阳辐射Rs和晴空太阳辐射RsO的计算
[0035] 其中a，b为常数（FA0推荐分别为0. 25和0. 50)，n，N分别为日照时数和可照时数 (h)，通过步骤一中观测数据收集获得，n/N为日照百分率，Ra为大气外辐射（MJ · πΓ 2 · d_ 4。
[0036] RsO = (Ai+Bi) XRa 式（8)
[0037] 其中，Ai和Bi针对每年的12个月分别取值，依照下列序列取值：
[0038] Ai = [0. 1862, 0. 18