5 ^$ I' I! h u$ Z) t# y
% N. |0 M2 ~; c3 o) G: H 一、海水养殖面临的问题 & K: ?" A& N6 J+ J
$ o0 T O7 [( S" o" m4 a
0 B3 Z4 _4 _1 B 水产养殖对水质综合环境十分敏感,而海水养殖尤为突出。水温、盐度、含氧量等对养殖都有明显影响。一旦水中相关指标超过了适合养殖品种生长的范围,将可能造成养殖品种生病或死亡,从而给养殖户造成损失。 6 c" o0 q/ T! v4 p8 n* Y
9 L4 p( I i! C( E. a9 f; W% H: m
' D9 L6 Y0 s$ W. |
海水养殖巨灾风险突出,风险管理困难,仍处于“靠天吃饭”状态。台风对南方地区而言可能是最大担忧。例如,2017年台风天鸽经过珠海海域,桂山岛附近中心风力达17级,达到了该区域有台风记录以来的最大值,给珠海海域的海水养殖造成了巨大损失;养殖户尚未从天鸽的损失中恢复过来,2018年台风天竹再次掠过珠海海域,而且持续时间更长、范围更广,再次给养殖户造成重大损失。 & w) ?6 o8 W: J5 M$ ^& O6 L. {
; g# X: t" k2 {9 T2 H3 Q- s
2 E* {/ a1 L9 a& M% H
, @6 a! c0 g9 e, r
6 J1 W' r* n* @: ~1 H0 g3 O/ @: C ; U8 G n5 F0 i$ H. W
除了台风,赤潮、水温、含氧量等都可能导致巨额损失。相比陆地养殖而言,海水养殖风险管理更加困难,淡水养殖一定程度上可以通过人为努力改变水温、盐度、含氧量等,避免或减少损失,而这在海水养殖则几乎不可能。 * h$ A6 p' l5 U* ^- X
) m, {9 z# i" [! D1 Q
+ V3 R& X2 M1 v; u
- \" `3 J) m9 q( x. {- R 勘察定损困难,保险公司承保意愿低,养殖户投保率低。水产养殖定损困难一直以来就是一个巨大的问题,相比淡水养殖,海水养殖的勘察定损更是难上加难。也正因为这个原因,目前水产养殖农业保险是农林牧渔四个种类中投保率最低的。
7 Y, n C" u6 x, C: m
7 L+ o0 O/ ~+ w) j" c3 ` 6 e7 p; e) [( i) M* Z; m1 u* `
二、遥感数据在海水养殖中的应用
$ z& O# Z- I& H( q, d0 v. W 5 F0 X8 M2 q5 a! @
k' a& C) ^$ @' R; `6 n 1、台风、风灾、浪高指数 5 F, e+ d& r# ^0 r+ C0 j% K
, u& W( u: f5 I7 H' @ * p, N# C% F9 B* v# o E- l" e
过去十年,国内保险公司做了一些海水养殖风灾指数保险的尝试。风灾指数保险又分为基于气象站数据的风灾指数保险和基于台风路径的台风指数保险。一般而言,海水养殖我们推荐台风指数保险,因为台风是造成海水养殖损失的主要因素,而由于气象站点距离海上养殖场所通常距离较远,气象战点的风速观测数据于养殖场的损失参照性可能不强。
7 N* ~: h) X$ J/ A0 B
* o& _- K; D' {. t* r% \ - V T5 j6 m3 r" A3 ]' I# c
除了台风路径数据,基于遥感/再分析技术的浪高、洋流速度等数据也可用于评估台风灾害的强度及其导致的损失程度。浪高数据不仅包括了风速引起的海浪,也包括了洋流导致的海浪,用于评估海浪造成的养殖品种价值损失、以及养殖设施的财产损失理论上比参照风速数据更加有效。
, ~( q6 D) |2 Y0 | ' z% w& {; R" F; [! E* \) L7 e# u
8 p. j H% b* _% M3 E 2、海温指数 8 M$ p- O3 C5 @! k$ s: t5 V
7 W% u4 H0 a' {! ?# |# ] 5 s: i' B+ e6 N
2018年,辽宁省破纪录的持续高温天气造成大面积海参死亡,损失金额据媒体报道达数十亿元。2014年、2018年上市公司獐子岛两次公告自然灾害原因导致巨额损失,扇贝生长受到气温的影响确是事实。海水温度对多数海产养殖都有显著影响。正因如此,各地陆续推出了一些海温指数保险等产品。这些产品大都使用气象站数据作为参照。使用气象站点的气温数据来设计海水养殖气温指数产品,具有一定局限性。一是气象站点和养殖区域之间的距离导致的气温差异,如果距离很远,这个差异可能非常大,二是气温与海水温度之间的差异,这两个因素都会增加指数保险的基差风险。
5 V6 J7 z! v5 e$ K , l" \1 T8 J2 G( l# M$ i- J
) }9 k- k" G% K; O
5 x7 r, S# k) K; Z8 @ . @; D k! |; J7 O
- A9 I; [0 V' p. Z 使用遥感海水温度数据能够较好地解决这些问题:根据需要,可以使用海面以下1米至5000米之间任何深度的水温数据;格点化的遥感数据覆盖了所有海域,可以用于任何养殖场所。
0 W D+ D8 y9 _6 h
8 v% _4 O# v8 a" u
/ w9 T7 k- r k# ]; I+ N 3、海水盐度指数
# Y, w; ?& j" S$ O 5 V. O- A% Z! p' e7 G
5 H2 g/ ~: b4 O) u, t' j* z8 S 海水盐度是影响海水养殖产量的另一个重要因素。尤其是近岸海域。近岸海域的盐度收到河口带来的淡水和海水盐度的双重影响,沿海地区暴雨、洪水都会稀释海水盐度。
+ y: Z8 ]! o1 [9 q. a7 G- p& q
5 ^$ J/ j5 }$ U3 g1 Z6 r6 I2 f5 U
' }% v# p, U ^, G* N$ N2 r: r 7 S" r3 V- ]2 ~; j
$ d; S' |- N: p1 p, Z
% l: j3 C8 H! L. x% ?" H
遥感盐度数据正好可以满足需要,设计盐度指数产品,与海水温度一样,海水盐度也可以根据需要选取海面以下1米至5000米之间任何深度的数据,格点化的遥感数据覆盖了所有海域,可以用于近海养殖场所。 ; y h: N% V' b0 t2 |
; ]7 n* i) E, W8 K, h5 ^( I; c+ L6 C
- f3 [) {, b8 s 4、赤潮指数 ; Q8 u" {9 _! ^/ w
# C: h# l) l/ x9 c$ Z
* e: v" O5 N3 r" I9 i) [
赤潮是海水中的各类物质,其中包括大量矿物质和有机物不断增加,导致海水流动较缓、海水较浅、风力较小、水温较高的沿岸、港湾等海域富营养化,为某些海洋浮游生物的快速大量繁殖创造了有利条件,甚至可使某些浮游生物独霸一方。又因其大量快速繁殖使海水中的氧气急剧下降,致使其他浮游生物死亡殆尽、腐败,产生硫化氢等有害物质,反过来进一步加剧其他浮游生物及鱼虾的死亡,造成恶性循环。 * K* k* Q" z0 V6 Y- t, v' o5 {- B
9 l( e" e) A o0 Q @6 ?( @* L0 g 1 b% E7 r' ]. F6 T
通过分析遥感叶绿素a数据,可以观测赤潮发生的范围和强度,从而衡量赤潮给海水养殖造成的损失。 2 F$ \7 ]% K/ O/ C7 S w
+ ?9 x* J7 [8 Q
8 C# O# `: R6 ?' L( r
三、操作中需要注意的问题
+ D, x1 [; ]6 S3 Z7 \6 ~3 d 7 n" L4 F# ~# ~# V7 A! G
1 E( q# K2 J# m$ g) _: o, d 基差风险:与所有的指数保险产品一样,海水养殖指数保险也存在基差风险。因此需要在投保前向客户解释清楚指数保险的理赔方式。如果将指数保险产品适用到大量农户尤其需要注意。一般而言,养殖规模越大,基差风险越小,反之则基差风险越高。如果针对大量农户,少数农户对赔款的不满可能给保险公司带来很大的麻烦。
! r+ ^" F% Z$ R % c2 A1 j; V% [9 ~
5 e/ L( C9 ^0 c2 ^ B, U 数据分辨率与数据成本:不同的遥感数据购买成本差异较大,分辨率越高,数据购买成本越高。
; M. Y) a/ c, v1 p! w7 f2 }4 F * k0 d! ~( N: X; ]9 I
* r: `+ s6 H* O1 K% o
极端事件在精算定价中的考虑:鉴于海水养殖巨灾风险突出的特点,保险公司在精算定价时需要充分考虑巨灾损失的可能性,并提前做好风险管理。
) ^# ~4 q6 L& z. W+ G, s % L* X2 J& y6 p% a+ m1 ?* R
! ~3 ?) |- z* t& G$ L, E" n 四、我们的价值
6 |, M! f0 Y0 t6 s0 a: p( T ; [! s4 D& T* _ Q l( i
' y6 k7 {- e) o0 r0 P0 T
天韧科技能够提供至少近20年的相关遥感数据用于精算分析,在此基础上,结合我们拥有的70年左右的天气、台风等历史数据,以及天韧农险提供的精算模拟分析工具等,可以让我们的精算部门心中有“数”。在设计方案的基础上,我们也可为我们的客户建议再保分出方案,让保险公司在展业的同时,做到风险可控。 ! X! U5 V9 e2 f3 z) k
4 P' E5 U b3 n7 X. O$ H$ k
/ y& ~, R: ~" c4 ] 举报/反馈 1 p# A6 ]- J; n$ \4 j
8 G( u W+ s( J6 N* R7 B' n( i# w$ x% k- F
3 Z* T! n5 H( N
( o# O: A% y3 {5 \# u1 k( [
: y1 V1 d- [2 G! ]. E% p/ @ |