基于HA网格的森林火灾风险区划与保险定价研究_森林火灾论文

基于公顷网格尺度的森林火灾风险区划与保险定价研究，本文主要内容关键词为：网格论文,区划论文,火灾论文,尺度论文,森林论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      保险损失风险大小决定保险费率高低是保险经营的重要原则。在家财险、车险等险种中，通常采用费率优惠的形式对基础费率进行调整，使出险频率低、赔付少的投保人享受更优惠的价格。在自然灾害保险中，由于自然灾害的发生通常受到自然环境条件的制约，实现差别费率应立足于对自然风险的定量评估，这项工作与区划密切相关。欧美国家的住宅地震保险、种植业保险、森林保险等自然灾害险种均以风险区划作为保险定价与业务开展的基础。美国早在2008年就以白皮书的形式发布了全国火灾规划单元（Fire Planning Units，FPU）体系（Fire Program Analysis，2008），将全国划分为8个一级区、135个二级区，以此帮助政府和非政府组织实现有效的火灾管理，而美国全国范围的森林火灾风险评估也是在这一框架下完成的。美国目前的多灾种农作物保险则是将每个县划分为5～10个风险责任区域（Josephson et al.，2009），采用分区差别保险责任和差别保险费率。因此，开展自然灾害风险评估与区划，并在风险区划的基础之上实行保险区划，即差别化的分区保险费率，是我国自然灾害保险向着专业化与精细化方向发展的重要途径。

      在我国农业保险与森林保险发展的历程中，也先后出现了一些具有代表性的区划研究工作。庹国柱、丁少群等学者自20世纪90年代起就开始关注我国种植业保险区划，并进行了开创性的研究工作（庹国柱、丁少群，1994；丁少群、庹国柱，1994；丁少群，1997）。之后，相继又有学者在全国范围内以省一级统计数据资料为基础，完成了风险区划研究和保险费率区划研究（邓国等，2002；周玉淑等，2003；邢鹂，2004；钟甫宁等，2007）。2010年，保监会启动了“全国种植业保险区划”部级研究课题，选择7种主要粮油作物分别进行综合自然灾害风险评估与保险费率厘定工作，形成了我国到目前为止较为综合和完整的一套种植业保险区划方案。综合来看，上述区划工作基本都是以风险指数的计算结果来表征风险，而以统计产量随机波动特征测算费率，二者在物理意义上相差较大，并未实现真正意义上的基于自然风险定量评估的费率区划。我国有关森林保险区划的工作进展则更为缓慢。于1991年完成的“中国森林火险调查与区划”是我国到目前为止少有的关于森林灾害区划的研究成果，但其本质是灾害区划，而不是风险区划，更缺少与保险定价相关的内容。本文作者曾在省级尺度上开展了基于森林火灾定量风险评估的保险区划工作，实证研究的结果表明我国森林火灾保险费率在省一级区域上有明显差异（冷慧卿、王珺，2011）。

      传统的保险定价与精算模型立足于对历史数据的严密统计分析，但严重依赖大样本历史数据；在数据缺乏的情况下，难以实现高空间分辨率的保险损失风险评估与定价。例如，当前我国森林火灾损失的公开统计数据，有效数据序列不到20年，难以支持有效的森林火灾保险定价；在空间分辨率上也仅到省级尺度，无法充分体现森林火灾的区域差异。对于我国这样一个疆域广阔、气候与地形等自然条件复杂多样的国家而言，即使是在同一个省份内，森林灾害风险及其保险费率也可能存在着显著的空间差异。因此，在更高的空间分辨率下（如公顷网格）开展森林灾害的风险研究、制定区域化差别费率，提供地、市、县乃至乡一级的精算费率，将有利于实现森林保险业务经营的更加科学化和精细化。

      为此，本研究选取浙江省永嘉、丽水莲都、青田、缙云四县（区）为案例研究区，在公顷网格尺度上开展森林火灾风险评估与保险费率厘定研究。将火灾物理模型与森林火灾保险定价有机结合，利用历史数据校正火灾模型，基于火灾模型实现火灾事件随机模拟、生成大量模拟火灾数据以弥补历史观测数据记录年份有限、数据量小的缺点，从而在较高的空间分辨率下得以开展风险评估与费率厘定工作。本文的结构如下。首先介绍研究区域与数据来源。第三部分围绕森林火灾事件仿真与风险评估展开。以浙江省森林火灾案例数据和基础地理信息数据，构建研究区森林火灾起火概率模型与林火动态蔓延模型，利用蒙特卡罗仿真方法生成大量模拟森林火灾事件，计算森林公顷网格上（100m×100m）的火灾年期望损失（受害森林面积）与年期望损失率。第四部分利用仿真得到的森林火灾事件损失结果，对研究区森林火灾风险进行区划，并确定研究区森林火灾分区差别费率。

      二、研究框架

      （一）研究区概况

      本研究选择的研究区位于浙江省东南部地区，在行政区划上包括温州市的永嘉县和丽水市的莲都区、青田县、缙云县等4个县级行政区（图1），总面积8296.7

，其中森林面积约为5703

，约占研究区总面积的68.74%。研究区共有109个乡、镇、林场。研究区地势中部低，南北高，森林主要分布在南北部高地势地区，森林植被类型包括针叶林、阔叶林和灌丛等。

      

      （二）研究技术路线

      研究的技术路线如下页图2所示。首先，依托浙江省森林火灾案例数据和基础地理信息数据，从森林火灾的发生、发展机制出发，构建研究区森林火灾起火概率模型，分析森林火灾的时空分布；然后，利用国内学者已经形成的较为成熟的森林火灾蔓延模型，并基于GIS和元胞自动机实现蔓延模型的动态模拟；而后，基于蒙特卡洛方法思想，大量模拟森林火灾事件，计算森林空间像元上（100m×100m）的火灾年期望损失（受害森林面积）与年期望损失率；最后，在此基础上再开展研究区森林火灾风险区划，从而确定研究区森林火灾分区差别费率。

      （三）数据来源

      本研究基于森林火灾模型的方法所需要的数据主要包括以下三类。

      （1）由浙江省林业厅提供的浙江省森林资源分布数据。提供的原始数据为TIFF格式。为了研究需求，在原格式的基础上进行了配准、校正以及投影转移，使其能够准确地反映森林斑块在空间上的分布位置，以便于与历史火点信息、气象信息、地形地貌信息准确叠加，实现空间分析。

      （2）由浙江省林业厅提供的浙江省部分区县1991～2010年间的历史火灾案例数据。字段包括火灾县、火灾时间（年、月、日、时）、持续天数、持续小时数、起火点位置（经度、纬度）、受害面积、火灾等级、起火原因等。

      （3）与研究相关的基础地理信息数据，包括DEM数据、道路数据、居民地数据、气象数据，各数据详细信息如表1。

      三、森林火灾事件仿真与风险评估

      （一）研究区森林火灾起火点仿真

      1.研究区森林火灾起火概率模型

      起火概率是指在人类活动、地形因素、气象条件和森林类型等因素的影响下发生火灾的可能性。本研究选择了二项Logistic回归方法来分析森林火灾起火概率的影响因素（Kalabokidis，1991）。在该方法中，首先选择历史火点和未燃烧点，分别设为1和0（即历史火点的起火概率为1，未燃烧点的起火概率为0）作为模型的被解释变量。在综合考虑各类要素以及数据可获取性的基础之上，本研究选择距国家/省级道路距离、距居民地距离两项要素刻画人类活动对起火的影响；选择地形因素中的高程、坡地、坡向和气象因素中的日平均气温、日相对湿度和日降水量刻画自然因素对起火的影响。上述8个起火影响要素共同构成了回归模型的解释变量①。利用获取的研究区1991～2010年20年间共1129个起火点位数据，并依据平均最邻近距离（1070m）随机产生相同数量的非火点，完成二项Logistic回归（表2）。

      

      

      

      从表2中可以看出，在起火概率的模型参数中，气象因子中的日相对湿度对森林火灾起火概率有显著的负向影响（即日相对湿度越小，起火概率越大，反之亦然）；日温度的影响其次，也呈现出显著的负影响；日降水量亦显著出负影响；高程和坡度影响次之。而坡向、距国家/省级道路距离、距居民点距离等3个因素对森林火灾起火概率影响不明显。Logistic回归模型预测结果的总体分类精度为75.0%，对森林火点预测的精度为77.9%，对非火点预测的精度为72.1%。ROC（Receiver Operating Characteristics Curve）曲线评估得到的模型预测综合准确度为0.892，并达到P＜0.01的显著性水平，说明模型预测火点的起火概率的结果较好。

      2.研究区森林火灾起火点仿真

      依据起火概率模型结果（表2），输入一年之中任意一天的气象要素读数（日平均气温、日相对湿度、日降水量），加上坡度与高程，即可生成当天研究区域的起火概率图。

      通过对历史起火点的时间信息进行统计分析，可知研究区的森林火灾年发生次数服从均值为49.42，标准差为5.23的正态分布，且森林火灾主要发生在每年的1～4月份。在此基础之上，利用正态分布随机数生成年火灾总次数，利用森林火灾月频率将总次数分配到各月，即可获得1～12月份的森林火灾次数。假定森林火灾在某月的特定日期发生的概率服从均匀分布，即可确定该月实际发生森林火灾的日期。在此基础之上，利用森林火灾起火概率图便可在空间上随机生成森林火灾起火点。

      （二）研究区森林火灾野火蔓延仿真

      本研究使用在国内应用较为广泛的王正非—毛贤敏火灾蔓延模型（毛贤敏，1993）开展森林野火蔓延的动态模拟。在实际模拟过程中，考虑了气象因子中日温度、日风速和地形因子中坡度的影响，但未考虑风向与坡度之间的影响。得到森林火灾蔓延模型如下：

      

      式中，R为火蔓延速率；

为日最高气温（℃）；a，c为常数，依据经验分别取0.053和0.275；V为风速（m/s）；φ为坡度。上式中的

、V以及风向（决定野火蔓延方向）在随机模拟的过程中均作为随机变量进入模型。通过对研究区逐日最高温度、平均风速、与平均风向的历史数据进行分别统计，获取三类变量日值的概率密度分布。当森林野火的起火时间在仿真过程中确定下来之后，即可利用对应时间三类变量的分布函数生成随机数，并进入模型实现野火蔓延的动态仿真。仿真过程的实现主要使用了元胞自动机（周成虎，1999；刘月文等，2009）。

      （三）研究区森林火灾事件仿真结果

      根据上述技术流程，最终实现了对研究区1000个火灾事件年的森林火灾随机模拟，包括火灾发生的时间（年、月、日）、位置（经纬度）、过火面积以及火灾发生时的日温度、日风速和日风向等数据指标，共生成50426个火点。在获得起火点的时间（年、月、日）与空间位置的基础之上，利用基于元胞自动机方法实现王正非—毛贤敏火灾蔓延模型对1000年森林火灾事件进行动态模拟。对模拟得到的火灾事件与蔓延结果进行统计，以验证随机模拟是否准确地刻画了该区域森林火灾起火和蔓延规律。主要验证参数包括：（1）年起火频率的分布；（2）月起火频率的分布；（3）单次火灾过火面积。对上述3个验证参数的历史样本与模拟生成的样本分别进行了双样本K-S检验，p值均大于0.15，说明分布之间不存在明显的差异，模拟结果符合区域的基本特征。

      在确认模拟结果准确性的基础之上，绘制了研究区1000年的火灾蔓延频次（见下页图3）。

      四、研究区森林火灾保险费率厘定与分区

      （一）研究区森林火灾风险区划

      在模拟得到的1000年火灾蔓延频次图上，单次火灾覆盖的面积较小，因此在空间上表达并不连续，空间分布规律并不明显。因此，根据起火和蔓延频次图，分别统计了研究区域每个乡镇的历年过火面积（包括起火面积与蔓延面积）与年均过火面积，并相应除以各乡镇的森林面积②，从而得到各乡镇历年的森林过火率与年均过火率。选取年均过火率为指标，绘制了研究区乡镇一级年均过火率分布图（图4）。

      

      

      

      从图4中可以看出，研究区域内森林火灾年均过火率的分布表现出较明显的区域差异。年均过火率的高值区域主要分布在东、西两侧，包括丽水市（莲都区）境内的大部分地区、缙云县西部地区，以及永嘉县东部地区。在4个县（区）中，丽水莲都、缙云、永嘉3个县（区）内部的区域差异较为明显，而位于南部的青田县境内则斑块镶嵌感较明显，过渡性较差。丽水市（莲都区）境内大部分地区为高风险区，年过火率较低的区域主要位于东部两个街道，以及南部的大港头镇和峰源乡和木寮林区。缙云县境内表现出十分明显的东西差异，且高值区与低值区之间界线明显。西侧年均过火率最高，北侧其次，东侧和南侧为最低。永嘉县也呈现出较明显的东西差异，以西南部的年均过火率最高；但高值区与低值区之间界线不明显。针对图4展现的乡镇一级的年均过火率的空间差异特征，对研究区森林火灾风险进行了区划，将研究区域共划分为15个森林火灾风险区，包括4个高风险区、6个中等风险区和5个低风险区（图5，表3）。

      

      （二）研究区森林火灾保险费率厘定

      在确定区划方案后，按照风险区划分区统计1000年火灾事件年中历年过火面积（单位：公顷）与过火率（过火面积/总森林面积），从而生成了15个风险区1000年的（模拟）失统计数据。在当前我国保再植成本的前提下，保险赔付可依据过火面积进行近似。与此同时，当假定区域进行统保时，分区森林火灾年过火率即为近似的年保额损失率（Loss-Cost Ratio），因此可依据曲线形成保险分区费率表（表4），并绘制最终的保险区划图（图5）。

      

      对比分区纯费率图与乡镇一级的年均过火率图不难看出，纯费率的空间分布与风险的空间分布是一致的，这在一定程度上说明了区划的准确性。另一方面，充足费率的空间分布与纯费率的空间分布出现了明显的差异。其原因是每个风险区年过火率方差的大小不同。方差较大、超越概率曲线尾部较“厚”的风险区，在相同的充足性水平下费率高于其他区域是合理的。此外，图中相对面积较小的风险区，充足费率较纯费率都有显著的提高，在整个区域中的相对排名前移；而相对面积较大的风险区，则充足费率与纯费率的差较小，且排名也会相对往后移动。这在一定程度上说明了保险合营风险的效果。在较大的区域上，风险事件造成的损失在区域内会形成一种互补，从而使区域总损失的年际变化减小。而在小的区域上，尽管平均意义上也许风险（均值）较低，但由于其相对较大的年际波动导致“厚尾”问题，使其充足费率反而更高。

      开展基于定量风险评估的保险区划工作是森林保险业务实现精细化与专业化经营的重要途径。本研究选取浙江省东南部的永嘉、丽水莲都、青田、缙云四县（区）为案例研究区，基于历史森林火灾案例数据，结合火灾物理模型与随机事件模拟技术，生成了1000个事件年的森林火灾事件，从而生成了大量符合研究区域特征的火灾样本。在此基础之上，依据仿真森林火灾事件的过火迹地，采用直接统计的方法估计了公顷网格尺度上的森林火灾风险，并在保持乡镇边界完整的情况下进行了森林火灾风险区划。区划结果为保险纯费率与附加费率的厘定工作可以提供重要的指导。

      本研究充分证明了我国森林火灾风险在公顷网格、乡域、县域等尺度上表现出的空间差异。这种差异性对森林火灾保险费率厘定的空间分辨率提出了更高的要求。与此同时，实证分析的结果也证明了在研究中引入火灾物理模型与随机事件模拟技术是成功的。本研究通过技术方法上的创新在高空间分辨率条件下实现了森林火灾的定量风险评估与保险费率厘定，并提供了较为可靠的测算结果，具有较强的推广和应用前景。

      ①由于本研究中获取的研究区植被类型图为TIFF栅格数据，出于保密原因未能获得坐标及投影信息，因此在较高空间分辨率下无法实现起火点与可燃物的信息匹配，故而未能在起火概率模型中考虑植被类型等信息。

      ②此面积由ARCGIS软件根据森林分布的栅格数据直接统计生成，可能会与官方持有的统计数据存在差别。

标签：森林火灾论文;  保险费率论文;  森林面积论文;  概率计算论文;  风险模型论文;  风险评估论文;  林业论文;