【正文】 漬害是指長期陰雨或地勢低洼，排水不暢，雖然地表無可見積水，但土壤水分長 期處于飽和狀態(tài)，使作物根系通氣不良，缺氧引起作物功能器官衰退和植株生長發(fā)育 不正常而最終影響產(chǎn)量或品質(zhì)的一種氣象災害。冬小麥品種包括冬性、半冬性、春性，安徽省冬小麥品種以半冬性、春 性為主。 （２）以小麥作為研究對象，研究其生長發(fā)育過程中所遭受的主要氣象災害， 設計小麥氣象災害數(shù)量化指標模型，可以為政府的防災減災提供客觀依據(jù)。加拿 大各省在開展農(nóng)作物保險時，都根據(jù)本省各地區(qū)的土壤、氣候、地理條件和農(nóng)作物生 產(chǎn)歷史進行風險區(qū)域劃分，不同風險區(qū)內(nèi)有不同的費率范圍。 王石立和婁秀榮針對華北地區(qū)冬小麥干旱的特點，建立了干旱的概率、產(chǎn)量損失、抗 災性能和承災體密度等四個模型，用以進行綜合分析和定量評估（５２）０王曉紅，喬云 峰，沈榮開等建立了包括農(nóng)業(yè)干旱發(fā)生概率、抗旱能力、受災體種植面積比等多因子 的灌區(qū)農(nóng)業(yè)干旱風險評估模型佰∞。農(nóng)業(yè)生產(chǎn)具有自然再生產(chǎn)和經(jīng)濟 再生產(chǎn)交織的特點，經(jīng)常處于自然風險和社會經(jīng)濟風險的威脅之中，其風險性遠遠高 于其它產(chǎn)業(yè)。Ｐｅｔａｋ曾依據(jù)美國各類自然災害的統(tǒng)計分 析，得到以概率形式表現(xiàn)的災害風險（１２）０Ｍ．Ａ一．Ｓａｎｔｏｓ等就曾對干旱現(xiàn)象模擬為隨 機過程，Ｃｏｒｒｅｉａ將Ｓａｎｔｏｓ的概念用于工程風險的定量分析研究伯’。不同類型的氣象災害由于孕災環(huán)境的差 別，其風險因素不完全相同。３１ ４．１．５安徽省各代表站小麥主要氣象災害風險特征………………．３３ ４．１．６安徽省小麥綜合氣象災害風險分析…………………………．３７ ４．１．７安徽省小麥氣象災害暴露性分析……………………………４２ ４．１．８安徽省小麥氣象災害脆弱性分析………………………………４２ ４．１．９小麥氣象災害孕災環(huán)境穩(wěn)定性分析……………………………４３ ４．１．１０小麥氣象災害抗災能力分析………………………………．．４４ ４．２安徽省小麥氣象災害風險評估……………………………………４５ ＶＩＩ １９世紀末，風險（ＲＩＳＫ）一詞被西方學者在經(jīng)濟學領域中提出，指從事某項活動結 果的不確定性，即投機風險‘１’。 其次，進行了安徽省小麥氣象災害風險分析。為 了便于比較，本文采用兩種方法進行了安徽省小麥氣象災害進行風險評估。｛’；Ｍａｓｋｒｅｙ將自然災害風險定義成“某一自然災害發(fā) 生后所造成的總損失”‘６’；ＵＮＤＨＡ認為自然災害風險為特定區(qū)域和時間段中特定災害的 期望損失、人員傷亡，財產(chǎn)損失和對經(jīng)濟活動的干擾盯’。 承災體遭受致災因子作用后，造成的損失情況稱為災情。如楊國華 等就應用信息擴散方法對廣東省的水旱災害進行了風險評估，勾畫出廣東省水旱災受 災率概率分布曲線圖四’。對于風險估算模型的選擇，不同學者爭議較大，一般做法是先假定單 產(chǎn)波動序列符合特定的函數(shù)，然后計算出參數(shù)，確定模型具體形式。陳懷亮，鄧偉等根 據(jù)農(nóng)業(yè)氣象災害風險分析理論，以河南省小麥生產(chǎn)為例，在辨識對小麥產(chǎn)量影響較大 的農(nóng)業(yè)氣象災害風險要素和風險源的基礎上，通過構造災度函數(shù)，運用ＥＯＦ矛Ｄ概率等 分析方法，分析了河南省小麥生產(chǎn)中的主要農(nóng)業(yè)氣象災害，運用多因子綜合風險指數(shù) 模型，計算了小麥氣象災害風險臨∞，但是其中并沒有考慮到災害社會屬性要素。雖 然，農(nóng)業(yè)氣象災害風險研究已經(jīng)取得了～些成果，但在具體實施農(nóng)業(yè)保險時卻很少考 慮自然災害風險狀況，依據(jù)特定地區(qū)風險狀況來設計農(nóng)業(yè)保險產(chǎn)品，也缺乏相應的研 究。其次，考慮到造成作物傷害或者損失的往往是多種災害共同作 用的結果，本研究將灰色理論引入到設計中來建立了小麥綜合氣象災害指數(shù)，克服 以往單災種評價的弊端。 干旱是安徽省常見的主要氣象災害之一。播種期 澇漬還導致小麥播期推遲，播量加大，播種質(zhì)量差，越冬時麥苗瘦弱。一般認為，只有當土壤持水量達到７０％以上時，小 ８ 麥種子才可能安全萌發(fā)，一旦出現(xiàn)水分脅迫，則麥種萌發(fā)困難，直接影響出苗。 （３）基于風險評估的安徽省小麥農(nóng)業(yè)保險區(qū)劃及區(qū)域費率設計。對安徽省氣象災害風險進行研究，可以為農(nóng)業(yè)保險分區(qū)以及區(qū)域差 異經(jīng)營提供科學依據(jù)，為因地制宜地在各區(qū)域?qū)嵤┡c當?shù)剞r(nóng)業(yè)保險發(fā)展環(huán)境相適應 的、具有區(qū)域特色的農(nóng)業(yè)保險發(fā)展方式提供技術基礎。石興，黃崇福在討論自然災害保險與自然災害風險關系時認為， 只有在認識自然災害風險概念和特征的情況下，才能找到自然災害可保性的特征∞”。而且，更重要的是，如果將風險僅僅理解成歷史損失的經(jīng)驗， 那么很難反映區(qū)域災害風險特征。劉蘭芳等借助于ＧＩＳ技術，對湘南農(nóng)業(yè)洪澇易損性進行定 量評估四’。 １．２氣象災害風險評價的方法 風險評價模型和方法改進、發(fā)展，是建立在對風險的認識和數(shù)學理論發(fā)展的基礎 上的。 氣象災害的致災因子是指能夠引發(fā)災害的氣象事件。 最后，針對當前農(nóng)業(yè)保險所面臨的主要問題。小麥氣象災害風險評估及其在農(nóng)業(yè)保險中的應用研究本研究采用風險分析的方法，結合ＧＩＳ技術，對安徽省小麥生產(chǎn)主要氣象災害 的風險進行了分析和評估，并且將風險評估的結果應用到農(nóng)業(yè)保險決策中，主要的 研究內(nèi)容及取得的成果如下： 首先，對安徽省小麥主要氣象災害進行了辨識。但是二者相關系數(shù)低，原因是單一損失指標對 體現(xiàn)潛在災害風險不完備，也從側(cè)面體現(xiàn)利用氣象災害風險模型對潛在風險評價優(yōu) 越性。張俊香，黃崇福等認為，風險等于致災因子加易損性，致災因子是 導致自然災害風險的要素，易損性和社會經(jīng)濟條件決定是否成災ｎ∞。 綜上所述，災害風險是風險源及其危險性、風險載體及其脆弱性和人類社會防減 災措施及其防減災有效度等要素等相互作用形成，這些要素首先決定了災害風險是否 存在，然后影響著災害風險的類型、特點和大小，因此風險具有自然屬性和社會屬性 的雙重特征。朱琳等利用ＧＩＳ系統(tǒng)，以災損率、易災性、抗災能力為依據(jù)，進 行了小麥災害風險區(qū)劃‘３孫。吳利紅等采用平均減產(chǎn)率、變異系數(shù)以及綜合風險指數(shù)，劃 分了浙江省晚稻產(chǎn)量的農(nóng)業(yè)氣象災害風險區(qū)域（４７）０李文亮，張冬有等利用典型氣象 災害年作物受災面積為指標，計算不同地區(qū)不同級別受災面積發(fā)生的概率，以此來體 現(xiàn)農(nóng)業(yè)氣象災害風險（４８）０這些方法雖然能夠在一定程度上反映出風險狀況，但是這 是一種對災害的側(cè)面反映，并且受人主觀影響比較大；首先，在我國，由于受到歷史 因素的影響，損失資料的質(zhì)量很難把握，其次，在進行產(chǎn)量資料分解時，不同的模型 分解出的結果不同，很難統(tǒng)一；再次，資料序列長度往往有限，在進行風險模型擬合 時，會出現(xiàn)不穩(wěn)定現(xiàn)象。早期的災害風險研究主要是在保險風險分析和評價的基 礎上發(fā)展起來的九’。因此。為了對模型進行對比檢驗，本文依據(jù)傳統(tǒng)的方法，對產(chǎn)量資料 進行分解，運用正態(tài)分布和偏態(tài)正態(tài)化的方法建立了小麥產(chǎn)量損失風險模型，繪制 了安徽省小麥損失風險分布圖，并且安徽省小麥歷年損失風險與氣象災害風險進行 了比較，探討了兩種評估模型的優(yōu)、缺點。播種期間干旱往往造成小麥播期或出苗期推 遲、播種質(zhì)量差、缺苗斷壟多。生育期前期受 漬，還會導致小麥次生根發(fā)生減少，根系伸展受抑；中后期受漬，不僅次生根發(fā)生少， 且活力衰退，漬害越重，單株次生根越少，下層根系黃根和黑根比例越大，上層根系 黃根增多四。安徽曾先后出現(xiàn)了１９５８”－－１９５９、 １９６６～１９６７、１９７８－－一１９７９、１９９４”－”１９９５、１９９９～２０００等特別干旱年份。再次，本研究還參照標準風險分析的方法，設計、計算了 孕災環(huán)境穩(wěn)定性指標、承災體脆弱性指標以及抗災能力指標，建立了小麥氣象災害 風險評估指標體系。 ２引言 ２．１本研究的實用價值及理論意義 全面認識和恰當評價自然災害給人類社會造成的風險，既是防災減災工作 環(huán)節(jié)，也是進行風險管理的迫切需要。 根據(jù)風險理論，風險是至災因子、承災體以及孕災環(huán)境因素綜合作用的結果，它 是災害自然屬性與社會屬性所組成的有機系統(tǒng)?；糁螄J為，糧 食產(chǎn)量波動符合正態(tài)分布模型，對于不符合正態(tài)模型的可采用偏態(tài)正態(tài)化轉(zhuǎn)化為正態(tài) 分布模型。