基于聚類分析的廣東省水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)區(qū)劃

李亞琦,韓興勇?,李志強(qiáng)

(1上海海洋大學(xué)經(jīng)濟(jì)管理學(xué)院,上海201306;2蘭州大學(xué)經(jīng)濟(jì)學(xué)院,蘭州730000)

廣東省是我國的水產(chǎn)養(yǎng)殖大省,據(jù)統(tǒng)計(jì),2013年廣東省水產(chǎn)養(yǎng)殖總面積為57.01萬hm2,總產(chǎn)量647.74萬t,水產(chǎn)品總產(chǎn)值高達(dá)833.88億元(人民幣,下同),占農(nóng)業(yè)總產(chǎn)值的17.87%,水產(chǎn)品出口創(chuàng)匯額在各類農(nóng)產(chǎn)品中排名第一,南美白對蝦、羅非魚等是廣東省水產(chǎn)養(yǎng)殖的主導(dǎo)產(chǎn)品,也是主要的出口產(chǎn)品,產(chǎn)量多年穩(wěn)居全國前列。水產(chǎn)養(yǎng)殖是廣東省農(nóng)村經(jīng)濟(jì)的支柱產(chǎn)業(yè)[1],對優(yōu)化農(nóng)村產(chǎn)業(yè)結(jié)構(gòu),促進(jìn)農(nóng)民增收有著積極的作用。然而廣東地處我國南部沿海,是我國自然災(zāi)害頻發(fā)的省份之一,再加上水產(chǎn)養(yǎng)殖行業(yè)本身具有暴露性和脆弱性,臺風(fēng)、暴雨、風(fēng)暴潮、赤潮等災(zāi)害嚴(yán)重威脅著該行業(yè)的穩(wěn)定發(fā)展,給漁民造成了巨大的損失。近十年廣東省水產(chǎn)養(yǎng)殖平均受災(zāi)面積比率高達(dá)13.75%,水產(chǎn)品平均經(jīng)濟(jì)損失率5.05%,在一些重災(zāi)區(qū),個(gè)別年份的損失甚至超過當(dāng)年總產(chǎn)值。因此,重視并積極采取措施應(yīng)對水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)十分重要。

自然災(zāi)害風(fēng)險(xiǎn)具有區(qū)域性特征[2],運(yùn)用風(fēng)險(xiǎn)評價(jià)理論建立相關(guān)的風(fēng)險(xiǎn)測度指標(biāo)體系對水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)進(jìn)行風(fēng)險(xiǎn)區(qū)劃,不僅有利于廣東省水產(chǎn)養(yǎng)殖風(fēng)險(xiǎn)的有效管理,也可為保險(xiǎn)公司經(jīng)營水產(chǎn)養(yǎng)殖保險(xiǎn)提供重要參考。

1 研究概況

風(fēng)險(xiǎn)區(qū)劃是指根據(jù)風(fēng)險(xiǎn)的地域分布規(guī)律,在對風(fēng)險(xiǎn)標(biāo)的進(jìn)行調(diào)查的基礎(chǔ)上,從各地不同的風(fēng)險(xiǎn)狀況和標(biāo)的損失的情況出發(fā),按照區(qū)內(nèi)相似性與區(qū)間差異性、保持行政區(qū)界相對完整性的原則,將一定地域內(nèi)的風(fēng)險(xiǎn)標(biāo)的所面臨的風(fēng)險(xiǎn)劃分為若干個(gè)等級[3]。目前,國內(nèi)外對單一標(biāo)的風(fēng)險(xiǎn)區(qū)劃的研究主要集中在農(nóng)業(yè)上,在國外農(nóng)業(yè)保險(xiǎn)經(jīng)營比較成功的美國、加拿大、日本等國家,都對農(nóng)作物的生產(chǎn)風(fēng)險(xiǎn)進(jìn)行了區(qū)劃,美國以雹災(zāi)發(fā)生的頻率、雹災(zāi)的強(qiáng)度和雹災(zāi)次數(shù)最多的季節(jié)為主導(dǎo)指標(biāo),把整個(gè)美國大陸劃分為14個(gè)雹災(zāi)風(fēng)險(xiǎn)等級;加拿大各省在開展農(nóng)作物保險(xiǎn)時(shí),都根據(jù)本省各地區(qū)的土壤、氣候、地理?xiàng)l件和農(nóng)作物生產(chǎn)歷史進(jìn)行了風(fēng)險(xiǎn)區(qū)域劃分;日本在農(nóng)作物風(fēng)險(xiǎn)等級劃分時(shí),甚至精細(xì)到每個(gè)村,并將排水道、水庫等基礎(chǔ)設(shè)施建設(shè)指標(biāo)也考慮進(jìn)去[4]。在我國,農(nóng)業(yè)災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究的方法主要有兩類,一類是根據(jù)農(nóng)作物單產(chǎn)水平、生產(chǎn)專業(yè)化水平、生產(chǎn)規(guī)模等作為主導(dǎo)指標(biāo)對農(nóng)業(yè)綜合自然災(zāi)害風(fēng)險(xiǎn)進(jìn)行評價(jià)并區(qū)劃,如陳新建等[5]選取單產(chǎn)變異系數(shù)、生產(chǎn)效率指數(shù)等5個(gè)主導(dǎo)指標(biāo),運(yùn)用系統(tǒng)聚類對湖北水稻生產(chǎn)縣市進(jìn)行了風(fēng)險(xiǎn)等級劃分,梁來存[6]用單產(chǎn)和種植面積兩個(gè)子系統(tǒng)共9個(gè)指標(biāo)對我國糧食作物風(fēng)險(xiǎn)進(jìn)行了區(qū)劃,并運(yùn)用Probit模型驗(yàn)證了區(qū)劃結(jié)果;另一類則是結(jié)合氣象學(xué)知識,運(yùn)用自然災(zāi)害風(fēng)險(xiǎn)理論,選取致災(zāi)因子的危險(xiǎn)性、孕育環(huán)境的敏感性、承災(zāi)體的脆弱性等對農(nóng)業(yè)面臨的某種自然風(fēng)險(xiǎn)進(jìn)行研究,如張繼全等[7]、李曉等[8]運(yùn)用該方法分別對遼西北地區(qū)和川南地區(qū)農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)進(jìn)行了區(qū)劃,莫建飛等[9]以自然災(zāi)害風(fēng)險(xiǎn)評估理論和方法為指導(dǎo),并借助GIS技術(shù),對廣西農(nóng)業(yè)暴雨洪澇災(zāi)害進(jìn)行了風(fēng)險(xiǎn)區(qū)劃,楊忠恩等[10]則研究了浙江省農(nóng)業(yè)的熱帶氣旋風(fēng)險(xiǎn)。但是,我國對作為大農(nóng)業(yè)重要組成部分的水產(chǎn)養(yǎng)殖的自然災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究極少,且缺少相應(yīng)的實(shí)證分析。因此,本文以廣東省的水產(chǎn)養(yǎng)殖為研究對象,結(jié)合已有的風(fēng)險(xiǎn)評價(jià)方法,運(yùn)用聚類分析對廣東省21個(gè)市的水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)進(jìn)行區(qū)劃,旨在為水產(chǎn)養(yǎng)殖災(zāi)害補(bǔ)償制度及水產(chǎn)養(yǎng)殖保險(xiǎn)經(jīng)營提供相關(guān)參考。

2 研究思路和數(shù)據(jù)來源

2.1 研究思路

2.1.1 選取指標(biāo)并確定權(quán)重

結(jié)合自然災(zāi)害風(fēng)險(xiǎn)評價(jià)理論及水產(chǎn)養(yǎng)殖行業(yè)的自身特點(diǎn),并考慮指標(biāo)數(shù)據(jù)的可獲得性和風(fēng)險(xiǎn)測度指標(biāo)體系的適用性,選取單產(chǎn)波動水平、歷史災(zāi)損度、脆弱性和抗災(zāi)減災(zāi)能力4個(gè)主導(dǎo)指標(biāo)和10個(gè)二級指標(biāo)。在指標(biāo)選取之后,指標(biāo)權(quán)重的大小直接影響風(fēng)險(xiǎn)區(qū)劃的結(jié)果。層次分析法(簡稱AHP)[11]是一種對指標(biāo)進(jìn)行定性定量分析的決策方法,在確定水產(chǎn)養(yǎng)殖災(zāi)害風(fēng)險(xiǎn)測度指標(biāo)體系中的各二級指標(biāo)權(quán)重時(shí),首先向?qū)＜野l(fā)放問卷進(jìn)行調(diào)查,收集各二級指標(biāo)的相對重要性評判數(shù)據(jù),然后構(gòu)造兩兩要素相對重要性的比較判斷矩陣,并通過一致性檢驗(yàn)之后,得出各二級指標(biāo)的權(quán)重。

2.1.2 聚類分析確定風(fēng)險(xiǎn)區(qū)劃結(jié)果

聚類分析[12]也稱群分析、點(diǎn)群分析,是基于觀測樣本在多變量上的相異性,將樣本劃分為不同的組或類的方法,主要通過個(gè)體或?qū)ο蠓诸?使類間對象的同質(zhì)性最大化和類與類間對象的相異性更強(qiáng),是一種根據(jù)研究對象特征對研究問題進(jìn)行分類的多元分析方法。聚類分析的方法主要有系統(tǒng)聚類法、K均值聚類法和模糊聚類法。為了使聚類結(jié)果更具有可信性,對廣東省21個(gè)市的水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)分別用以上3種方法進(jìn)行聚類,綜合評判其風(fēng)險(xiǎn)等級。

2.2 數(shù)據(jù)來源

本研究所用到的數(shù)據(jù)主要來源于《廣東農(nóng)村統(tǒng)計(jì)年鑒》,大致可分為兩類,第一類是廣東省各市水產(chǎn)養(yǎng)殖的時(shí)間序列數(shù)據(jù),包括各市的單位養(yǎng)殖面積產(chǎn)量(以下簡稱單產(chǎn))和歷史災(zāi)損度,各市單產(chǎn)選取1997—2013共17年的數(shù)據(jù);廣東省從1999年開始統(tǒng)計(jì)各市水產(chǎn)養(yǎng)殖的災(zāi)害情況,但前3年的統(tǒng)計(jì)數(shù)據(jù)不夠完整,故歷史災(zāi)損度選取2003—2013年共11年的數(shù)據(jù)?？紤]到風(fēng)險(xiǎn)評價(jià)的是未來發(fā)生損失的可能性的大小,對于第二類——脆弱性和抗災(zāi)減災(zāi)能力指標(biāo)數(shù)據(jù)則采用就近原則,除財(cái)政資金救災(zāi)力度選取2009—2013年5年的平均值,其余指標(biāo)均選取距今最近的2013年的數(shù)據(jù)。

3 水產(chǎn)養(yǎng)殖災(zāi)害風(fēng)險(xiǎn)測度指標(biāo)體系的建立

3.1 指標(biāo)的含義與計(jì)算方法

3.1.1 單產(chǎn)波動水平

自然災(zāi)害風(fēng)險(xiǎn)對水產(chǎn)養(yǎng)殖最直接的影響就是產(chǎn)量的波動,單產(chǎn)變異系數(shù)和單產(chǎn)降低的年份比重可以表征這一波動的大小。

(1)單產(chǎn)變異系數(shù)(CV):假定在統(tǒng)計(jì)區(qū)間內(nèi)各市的養(yǎng)殖品種沒有發(fā)生大規(guī)模變化,影響單產(chǎn)水平的因素主要有兩類,第一是生產(chǎn)力因素:育種的改良、養(yǎng)殖技術(shù)的進(jìn)步以及基礎(chǔ)設(shè)施的建設(shè)等,生產(chǎn)力的不斷提高會形成水產(chǎn)養(yǎng)殖的時(shí)間趨勢單產(chǎn);第二,自然災(zāi)害風(fēng)險(xiǎn)也是影響實(shí)際單產(chǎn)的重要因素。那么,從實(shí)際單產(chǎn)中剔除因生產(chǎn)力因素而形成的時(shí)間趨勢單產(chǎn),就可以科學(xué)地衡量因自然災(zāi)害而產(chǎn)生的單產(chǎn)波動情況[13]。單產(chǎn)變異系數(shù)的具體計(jì)算方法如下。

首先對廣東省21個(gè)市1997—2013年的水產(chǎn)養(yǎng)殖單產(chǎn)做剔除時(shí)間趨勢處理:

式①中Yit為i市水產(chǎn)養(yǎng)殖的實(shí)際單產(chǎn)水平,it為時(shí)間趨勢單產(chǎn),則Yrt為剔除時(shí)間趨勢后水產(chǎn)養(yǎng)殖單產(chǎn)超過正常波動范圍的異常波動產(chǎn)量,即因自然災(zāi)害因素而產(chǎn)生的異常波動。對各市歷年水產(chǎn)養(yǎng)殖的實(shí)際單產(chǎn)進(jìn)行擬合可得到趨勢單產(chǎn)方程,擬合值近似等于水產(chǎn)養(yǎng)殖的時(shí)間趨勢單產(chǎn),根據(jù)擬合優(yōu)度的大小并考慮各系數(shù)的顯著性檢驗(yàn)結(jié)果,最終的擬合結(jié)果如表1所示,其中深圳和河源兩市的平均絕對百分誤差MAPE＞10,但其擬合優(yōu)度分別是0.7973和0.5845,在可接受的范圍之內(nèi),而韶關(guān)的擬合優(yōu)度較低主要是因?yàn)闃颖玖啃〉木壒蔥6,14]。根據(jù)趨勢方程即可計(jì)算出各市每年的趨勢單產(chǎn)it,即可計(jì)算出各市水產(chǎn)養(yǎng)殖單產(chǎn)變異系數(shù)。

表1 各市水產(chǎn)養(yǎng)殖單產(chǎn)趨勢方程Table 1 The per unit yield tendency equation of aquaculture of each city

(2)單產(chǎn)降低的年份比重(D):一般來說,單產(chǎn)如果相對于上一年有所下降,往往是因?yàn)榻衲陣?yán)重的自然災(zāi)害,根據(jù)過去17年各市的單產(chǎn)數(shù)據(jù),單產(chǎn)下降的年份比重越大,該市水產(chǎn)養(yǎng)殖發(fā)生自然災(zāi)害的風(fēng)險(xiǎn)越大。

3.1.2 歷史災(zāi)損度

一般認(rèn)為,過去受災(zāi)情況能夠客觀反映該地區(qū)自然災(zāi)害的風(fēng)險(xiǎn)狀況,過去受災(zāi)越嚴(yán)重,表示該地區(qū)自然災(zāi)害風(fēng)險(xiǎn)越大,通過統(tǒng)計(jì)2003—2013年共11年各市水產(chǎn)養(yǎng)殖平均受災(zāi)面積比率、平均產(chǎn)量損失率和平均百萬元產(chǎn)值經(jīng)濟(jì)損失率來表征歷史災(zāi)損度。

(1)平均受災(zāi)面積比率(V):水產(chǎn)養(yǎng)殖受災(zāi)面積是指一年內(nèi)自然災(zāi)害破壞的養(yǎng)殖池、摧毀的網(wǎng)箱以及圍欄等面積,用Vtl表示,除以當(dāng)年末的水產(chǎn)養(yǎng)殖總面積Vtt,即可得到一個(gè)地區(qū)當(dāng)年的受災(zāi)面積比率,平均受災(zāi)面積的計(jì)算方法可以用式③來表示。

(2)平均產(chǎn)量損失率(W):產(chǎn)量損失率是指各市水產(chǎn)養(yǎng)殖因自然災(zāi)害而造成的產(chǎn)量損失與災(zāi)前值或正常值之比,那么平均產(chǎn)量損失率的計(jì)算方法如式④。

其中,Wtl表示第t年因自然災(zāi)害而損失的產(chǎn)量,Wtt表示第t年的水產(chǎn)養(yǎng)殖產(chǎn)量。

(3)平均百萬元產(chǎn)值經(jīng)濟(jì)損失率(RV):百萬元產(chǎn)值經(jīng)濟(jì)損失率是指平均每創(chuàng)造100萬元產(chǎn)值中因自然災(zāi)害而損失掉的多少,直接反映自然災(zāi)害經(jīng)濟(jì)損失給水產(chǎn)養(yǎng)殖的經(jīng)濟(jì)效益帶來的影響。具體計(jì)算方法如式⑤。

其中,Ytl表示第t年因自然災(zāi)害而造成的水產(chǎn)品經(jīng)濟(jì)損失,Ytt表示第t年水產(chǎn)養(yǎng)殖的水產(chǎn)品總產(chǎn)值。

3.1.3 脆弱性

脆弱性又稱為易損性,表示承災(zāi)體能否經(jīng)得起災(zāi)害的威脅[15],主要強(qiáng)調(diào)的是各市水產(chǎn)養(yǎng)殖行業(yè)本身的屬性,如果一個(gè)地區(qū)的水產(chǎn)養(yǎng)殖十分脆弱,即使是很小的自然災(zāi)害也會造成很大的損失,所以脆弱性是測度自然災(zāi)害風(fēng)險(xiǎn)必須考慮的因素。脆弱性可以用以下指標(biāo)來反映。

(1)海水養(yǎng)殖面積比重(S):是指海水養(yǎng)殖面積占該市水產(chǎn)養(yǎng)殖總面積的比重,海水養(yǎng)殖相對于內(nèi)陸?zhàn)B殖更容易遭受到自然災(zāi)害的威脅,海水養(yǎng)殖面積比重越大,則該市水產(chǎn)養(yǎng)殖的自然災(zāi)害風(fēng)險(xiǎn)也就越大。

(2)單位養(yǎng)殖面積用電量(Q):用電量在一定程度上代表著先進(jìn)的養(yǎng)殖方式以及固定資產(chǎn)的投入,無論是淡水養(yǎng)殖還是海水養(yǎng)殖,工廠化養(yǎng)殖方式用電量最大,其次是池塘養(yǎng)殖,再次是河流湖泊或海上養(yǎng)殖,其自然災(zāi)害風(fēng)險(xiǎn)水平卻依次遞增,因此單位養(yǎng)殖面積用電量越多,在災(zāi)害發(fā)生時(shí)的防御和應(yīng)急處理能力越強(qiáng),能夠有效地防止損失。統(tǒng)計(jì)年鑒中對該指標(biāo)并沒有直接統(tǒng)計(jì),可以通過以下方法估算。

其中,Yf和Ya分別代表水產(chǎn)養(yǎng)殖總產(chǎn)值和農(nóng)業(yè)總產(chǎn)值,Qa代表農(nóng)村用電量,V代表水產(chǎn)養(yǎng)殖總面積。

(3)水產(chǎn)養(yǎng)殖效率指數(shù)(E):表示水產(chǎn)養(yǎng)殖單產(chǎn)水平與全省平均單產(chǎn)水平的比值,代表著養(yǎng)殖的技術(shù)性和專業(yè)化水平的高低,效率指數(shù)越高,說明無論是管理還是設(shè)備方面都比較優(yōu)良,當(dāng)受到自然災(zāi)害時(shí)能夠進(jìn)行很好地預(yù)防和控制,發(fā)生損失的可能性就越小。

3.1.4 抗災(zāi)減災(zāi)能力

抗災(zāi)減災(zāi)能力表示受災(zāi)后防止損失進(jìn)一步擴(kuò)大的能力,以及能夠從災(zāi)害中恢復(fù)的速度和程度。從漁民個(gè)人角度來講,漁民人均純收入是進(jìn)行減災(zāi)和恢復(fù)生產(chǎn)的直接經(jīng)濟(jì)來源;另外,在災(zāi)害發(fā)生后,政府機(jī)構(gòu)能夠組織和調(diào)集公共資源幫助漁民減少損失并恢復(fù)生產(chǎn),采用的最直接辦法就是用財(cái)政資金給予災(zāi)害補(bǔ)償,財(cái)政資金救災(zāi)力度就是指各級政府財(cái)政救災(zāi)款總支出除以當(dāng)?shù)刈匀粸?zāi)害直接經(jīng)濟(jì)損失,對該值取近5年的平均值①原則上應(yīng)當(dāng)取距今最近的2013年的值,但是考慮到某些地區(qū)2013年并沒有受災(zāi),在不違背就近原則的基礎(chǔ)上,取近5年的均值,以此來反映政府對該地區(qū)的救災(zāi)力度和能力。

3.2 指標(biāo)體系的建立

選取的上述指標(biāo)有3個(gè)特點(diǎn):一是指標(biāo)包括兩大類,一類表征過去自然災(zāi)害對水產(chǎn)養(yǎng)殖的影響程度,另一類表征現(xiàn)在的一些會對未來損失產(chǎn)生影響的因素;二是指標(biāo)都具有適用性、可操作性和可比性,能夠?qū)Ω髦笜?biāo)進(jìn)行量化,同時(shí)指標(biāo)在各市之間可比;三是指標(biāo)的計(jì)算均能以完整的行政區(qū)為單位,便于政府對自然災(zāi)害風(fēng)險(xiǎn)進(jìn)行管理。建立指標(biāo)體系的目的在于:評價(jià)廣東省各市的水產(chǎn)養(yǎng)殖災(zāi)害風(fēng)險(xiǎn),并根據(jù)風(fēng)險(xiǎn)的不同將各市進(jìn)行分類,以揭示水產(chǎn)養(yǎng)殖災(zāi)害風(fēng)險(xiǎn)在廣東省的分布規(guī)律。

在確定指標(biāo)權(quán)重時(shí),將3.1中各指標(biāo)的含義及計(jì)算方法介紹給11位專家,專家對每個(gè)主導(dǎo)指標(biāo)下各二級指標(biāo)的相對重要性進(jìn)行評判,整理專家評判數(shù)據(jù),發(fā)現(xiàn)專家評判結(jié)果的相似度較高,故對各二級指標(biāo)的專家評判結(jié)果取眾數(shù),一致性檢驗(yàn)通過,由此得到各二級指標(biāo)權(quán)重。各主導(dǎo)指標(biāo)代表著水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)測度的4個(gè)主要方面,認(rèn)為其同等重要,因此對各主導(dǎo)指標(biāo)取同等權(quán)重。最終得到的水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)測度指標(biāo)體系如表2所示。

表2 水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)測度指標(biāo)體系Table 2 Measurement index system for aquaculture natural disaster risk

4 水產(chǎn)養(yǎng)殖自然災(zāi)害災(zāi)害風(fēng)險(xiǎn)區(qū)劃

4.1 風(fēng)險(xiǎn)測度指標(biāo)的量化

將統(tǒng)計(jì)年鑒中的各個(gè)數(shù)據(jù)代入即可計(jì)算出各二級指標(biāo)的值,但各二級指標(biāo)的量綱并不一致,為了消除量綱影響,對各二級指標(biāo)進(jìn)行[0,1]標(biāo)準(zhǔn)化處理,具體處理方法如下。

正向指標(biāo):指標(biāo)值越大,水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)越大。

負(fù)向指標(biāo):指標(biāo)值越小,水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)越大。

在負(fù)向指標(biāo)的處理過程中,Xij標(biāo)準(zhǔn)化為X′ij,Xij越小,X′ij越大,風(fēng)險(xiǎn)越大,實(shí)際上是對于負(fù)向指標(biāo)的正向化轉(zhuǎn)換。在表1中的指標(biāo)體系中,單產(chǎn)波動水平中的各指標(biāo)均為正向指標(biāo);歷史災(zāi)損度指標(biāo)均為正向指標(biāo);脆弱性指標(biāo)中海水養(yǎng)殖面積比重為正向指標(biāo),另外兩項(xiàng)為負(fù)向指標(biāo);抗災(zāi)減災(zāi)能力指標(biāo)全部為負(fù)向指標(biāo)。但是按照上述方法進(jìn)行標(biāo)準(zhǔn)化處理之后,標(biāo)準(zhǔn)化之后的所有二級指標(biāo)均與風(fēng)險(xiǎn)水平正相關(guān)。根據(jù)標(biāo)準(zhǔn)化之后的二級指標(biāo)的值和指標(biāo)權(quán)重,采用加權(quán)相加的方法,計(jì)算各主導(dǎo)指標(biāo),最終計(jì)算的各市主導(dǎo)指標(biāo)值如表3所示。

4.2 水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)聚類分析及結(jié)果

為了客觀評價(jià)廣東省各市的水產(chǎn)養(yǎng)殖自然災(zāi)害的風(fēng)險(xiǎn)水平,根據(jù)表3中各主導(dǎo)指標(biāo)的值,分別運(yùn)用系統(tǒng)聚類、K均值聚類和模糊C均值聚類對廣東省各市水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)進(jìn)行聚類分析?？紤]到各主導(dǎo)指標(biāo)之間具有一定的相關(guān)性,個(gè)體間距離計(jì)算方法采用Correlation測度方法,系統(tǒng)聚類法運(yùn)用的軟件為Stata 12.0,類間距離測度方法采用離差平方和法,K均值聚類法運(yùn)用的軟件也是Stata 12.0,默認(rèn)采用10 000次最大迭代次數(shù),模糊C均值聚類法利用軟件Matlab 7.0。3種聚類方法都預(yù)先假定把廣東省21個(gè)市分為3類,3種聚類方法得出的結(jié)果中,有些市的歸類3種方法是一致的,有些市是不一致的。得出最終聚類結(jié)果的原則是:3種方法中,如果有兩種或以上方法的結(jié)論相同,則認(rèn)為基本反映了該市水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)的真實(shí)程度,將這一結(jié)論作為該市的風(fēng)險(xiǎn)等級。最終,可以得到廣東省各市水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)區(qū)劃結(jié)果(表4)。

表3 各市水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)測度主導(dǎo)指標(biāo)量化結(jié)果Table 3 Quantitative values of measurement dominant index of aquaculture natural disaster risks of each city

表4 廣東省水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)區(qū)劃結(jié)果Table 4 Natural disaster risk division results of aquaculture in Guangdong Province

根據(jù)表4的風(fēng)險(xiǎn)區(qū)劃結(jié)果,運(yùn)用GIS技術(shù)繪制廣東省水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)區(qū)劃圖(圖1)。總體來講,廣東省水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)區(qū)域范圍比較集中,且處于高風(fēng)險(xiǎn)區(qū)和低風(fēng)險(xiǎn)區(qū)的市較多,中風(fēng)險(xiǎn)區(qū)只有深圳、江門和肇慶三市。其中高風(fēng)險(xiǎn)區(qū)主要在粵東地區(qū)以及粵西的陽江和湛江,這些地區(qū)都是廣東省熱帶氣旋災(zāi)害的重災(zāi)區(qū)[16],并且,粵東和粵西地區(qū)的經(jīng)濟(jì)不夠發(fā)達(dá),漁民收入較低且生產(chǎn)設(shè)備比較落后,再加上海水養(yǎng)殖的比重很大,導(dǎo)致其水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)較高;而低風(fēng)險(xiǎn)區(qū)主要集中在粵中地區(qū)和粵北地區(qū),粵北地區(qū)地處內(nèi)陸,發(fā)生自然災(zāi)害的概率本身就比較小,而粵中地區(qū)位于珠江三角洲平原,且水系密度較大,有著天然良好的防洪除澇能力。另外,該地區(qū)系廣東省的經(jīng)濟(jì)中心,生產(chǎn)設(shè)備先進(jìn)且漁民人均收入較高,即使發(fā)生災(zāi)害,政府對該地區(qū)的財(cái)政補(bǔ)償力度也比較大。

圖1 廣東省水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)區(qū)劃圖Fig.1 Natural disaster risk division map of aquaculture in Guangdong Province

5 對策建議

首先,應(yīng)加大水產(chǎn)養(yǎng)殖基礎(chǔ)設(shè)施投資力度。根據(jù)各市的水產(chǎn)養(yǎng)殖風(fēng)險(xiǎn)聚類結(jié)果可以發(fā)現(xiàn),風(fēng)險(xiǎn)水平不僅受自然災(zāi)害的影響,還與各市的水產(chǎn)養(yǎng)殖行業(yè)脆弱性和抗災(zāi)減災(zāi)能力密切相關(guān),尤其在高風(fēng)險(xiǎn)區(qū),脆弱性和抗災(zāi)減災(zāi)能力較差是其風(fēng)險(xiǎn)較高的重要原因,因此各級政府、漁民都應(yīng)建立基礎(chǔ)設(shè)施建設(shè)先行的意識,大幅度增加固定資產(chǎn)投入,不僅可以提高水產(chǎn)養(yǎng)殖專業(yè)化水平,促進(jìn)漁民增收,抵御和承受自然災(zāi)害損失的能力也會大大增強(qiáng)。

其次,差異化實(shí)行水產(chǎn)養(yǎng)殖保險(xiǎn)費(fèi)率及財(cái)政補(bǔ)貼。目前廣東省水產(chǎn)養(yǎng)殖保險(xiǎn)試點(diǎn)已經(jīng)在珠海破冰,將很快在廣東全省推廣開來,但是由于各市水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)大相徑庭,保險(xiǎn)費(fèi)率也應(yīng)當(dāng)不同。另外,水產(chǎn)養(yǎng)殖保險(xiǎn)保費(fèi)也納入了財(cái)政補(bǔ)貼的范圍,但在推廣過程中對補(bǔ)貼力度應(yīng)當(dāng)差異化,對于高風(fēng)險(xiǎn)區(qū),由于保險(xiǎn)費(fèi)率很高,漁民的保費(fèi)負(fù)擔(dān)也比較重,對保費(fèi)補(bǔ)貼的需求較為強(qiáng)烈,應(yīng)當(dāng)給予更多的財(cái)政資金支持,而對于低風(fēng)險(xiǎn)區(qū)則少補(bǔ)貼,這樣既有利于擴(kuò)大水產(chǎn)養(yǎng)殖保險(xiǎn)的投保范圍,又能確保財(cái)政資金使用的效率。

最后,應(yīng)高度重視高風(fēng)險(xiǎn)區(qū)的水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)。高風(fēng)險(xiǎn)區(qū)的大部分市都是廣東省水產(chǎn)品的主產(chǎn)區(qū),2013年養(yǎng)殖水產(chǎn)品產(chǎn)值占全省的42.32%,但近些年來呈不斷降低的趨勢,很多漁民由于風(fēng)險(xiǎn)承受能力較差,不得不退出該行業(yè),這不但不利于廣東省漁業(yè)經(jīng)濟(jì)的長期穩(wěn)定,而且容易引發(fā)社會問題。因此,政府對于高風(fēng)險(xiǎn)區(qū)應(yīng)當(dāng)特殊對待,可以利用產(chǎn)業(yè)集群的優(yōu)勢,積極推進(jìn)養(yǎng)殖技術(shù)的進(jìn)步,提高生產(chǎn)效率;也可以引導(dǎo)養(yǎng)殖漁民建立互保機(jī)制,或者建立以財(cái)政資金為主,漁民自籌為輔的巨災(zāi)風(fēng)險(xiǎn)基金,應(yīng)對水產(chǎn)養(yǎng)殖自然災(zāi)害風(fēng)險(xiǎn)。

[1]袁建華.我國水產(chǎn)養(yǎng)殖保險(xiǎn)研究:以廣東省為例[J].農(nóng)業(yè)經(jīng)濟(jì)問題,2012(8):79-83.

[2]DU X Y,LIN X F Conceptual Model on Regional Natural Disaster Risk Assessment[J].Procedia Engineering,2012(45):96-100.

[3]邢鸝,鐘甫寧.糧食生產(chǎn)與風(fēng)險(xiǎn)區(qū)劃研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2006(1):19-23.

[4]陳麗.國外農(nóng)業(yè)保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃的經(jīng)驗(yàn)啟示[J].中國集體經(jīng)濟(jì),2010(6):198-199.

[5]陳新建,陶建平.湖北省水稻生產(chǎn)風(fēng)險(xiǎn)區(qū)劃的實(shí)證研究[J].統(tǒng)計(jì)與決策,2008(19):86-88.

[6]梁來存.我國糧食作物的保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃及其Probit排序選擇模型驗(yàn)證[J].經(jīng)濟(jì)經(jīng)緯,2009(6):68-72.

[7]張繼權(quán),嚴(yán)登華,王春乙,等.遼西北地區(qū)農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)評價(jià)與風(fēng)險(xiǎn)區(qū)劃研究[J].防災(zāi)減災(zāi)工程學(xué)報(bào),2012,32(3):300-306.

[8]李曉,何鵬,林正雨,等.農(nóng)業(yè)干旱災(zāi)害風(fēng)險(xiǎn)評價(jià)與風(fēng)險(xiǎn)區(qū)劃研究:以川南地區(qū)為例[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2014(9):116-121.

[9]莫建飛,陸甲,李艷蘭,等.基于GIS的廣西農(nóng)業(yè)暴雨洪澇災(zāi)害風(fēng)險(xiǎn)評估[J].災(zāi)害學(xué),2012,27(1):38-43.

[10]楊忠恩,金志鳳,胡波,等.熱帶氣旋對浙江省農(nóng)業(yè)影響的風(fēng)險(xiǎn)區(qū)劃[J].生態(tài)學(xué)雜志,2011,30(12):2821-2826.

[11]郭金玉,張忠彬,孫慶云.層次分析法的研究與應(yīng)用[J].中國安全科學(xué)學(xué)報(bào),2008,18(5):148-153.

[12]賈俊平.統(tǒng)計(jì)學(xué)[M].4版.北京:中國人民大學(xué)出版社,2011.

[13]DAVIS S B,PRICE T J,WETZSTEIN M E,et al.Reducing yield variation in peach orchards by geographic scattering[J].American Journal of Agricultural Economics,1997,79(4):1-4.

[14]高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模eviews應(yīng)用及實(shí)例[M].北京:清華大學(xué)出版社,2010.

[15]B?R R,ROUHOLAHNEDJAD E,RAHMAN K,et al.Climate change and agricultural water resources:A vulnerability assessment of the Black Sea catchment[J].Environmental Science and Policy,2014(12):36-39.

[16]王桂娟.廣東省熱帶氣旋災(zāi)害分析與風(fēng)險(xiǎn)區(qū)劃[D].南京:南京信息工程大學(xué),2013.