论文部分内容阅读
【摘要】我国森林面积广阔，林业火灾频发，森林火灾以及由此带来的经济损失凸显了林业火灾风险管理的重要性。构建林业火灾保险制度以应对火灾损失所带来的冲击，已经成为不少国家的共同选择。本文首先对森林火灾风险区划方面的文献进行了研究，在此基础上，选取影响森林火灾风险的指标，采用二次熵权法对各省份森林火灾进行风险评估，利用离差平方和进行森林火灾风险区划，并在此基础上，提出相应的政策建议。以期为我国森林火灾风险区划以及保险产品的科学、合理定价提供一定参考。
【关键词】森林火灾 二次熵权 风险评估 风险区划
一、引言
风险区划是森林火灾保费率厘定的前提和基础，目前，我国森林火灾保险按省份进行投保，虽然在一定程度上体现了风险的差异性，但在具体的实施过程中受人为因素的影响比较大，缺乏风险分区的科学理论依据，使得各地区间的投保人互相盲目攀比费率，不仅影响了部分地区林农的投保积极性，也影响了保险公司顺利开展保险业务。
与一般的保险品种有所差异，森林保险产品与森林所处区域的自然和社会条件密切相关。我国森林覆盖广阔，跨越热带、亚热带、温带及高原高寒气候，不同地区的森林由于气候不同，其火灾风险水平也明显不同，即使位于同一气候带，由于不同地区地理环境、植被类型、生产经营方式和灾害防御能力的差异，会直接导致森林灾害发生的频率和造成的损失有所不同，这意味着森林保险的费率确定要考虑到地域差异，在森林火灾保险的实施过程中，需要根据不同地区的具体风险状况厘定科学的保费率，而风险区划是科学厘定保费率的基础，只有在风险区划环节充分考虑不同风险因素，体现风险分区的科学性，才能为科学保费率厘定提供坚实的基础，促进保险市场的发展。
二、研究现状
国外对森林火灾保险风险区划研究较多，也较深入。如Erten等（Erten et al，2002）以土耳其Gallipoli半岛为例，分别选取了植被类型、坡度、坡向、距道路的远近、距居民点远近等5项指标，将各指标分别标准化为（1-5）的等级指数，并采用加权平均的方法计算了最终的火灾风险指数，运用ARC/GIS软件，生成了研究区火灾风险区划图。Eskandari（2012）使用植被、坡度、坡向、海拔、森林与道路、居民点的距离变量对奈卡地区的森林火灾风险进行了评估，发现该地区34%的森林具有高风险。Frouzan（2014）考虑了气候变量（温度、年降雨量），人为因素（与河流和农场的距离），地理因素（坡度、海拔）等变量，并据此建立了风险指数模型，通过ROC系数以及Hosmer-Lemeshow检验发现森林火灾与坡度、海拔、与农场距离负相关。
国内对森林火灾保险的研究虽起步较晚，但成果颇多。如许东，代力民（2005）选取森林与道路、农场、居民的距离等社会因子，森林坡度、坡向、海拔等地理因子，以及森林植被类型等森林本身因子，利用综合遥感以及地理信系统技术以长白山区的白河林业局为例对森林火灾风险区划作了研究，使用ARCGIS软件，得到白河林业局的森林火险区划图；邓欧等（2012）利用黑龙江省2000～2010年MODIS火烧迹地遥感数据集，选取年平均气温、年平均降水量等气候因子，森林距居民点、道路距离等社会因子，地貌类型、海拔高度、坡度、坡向等地理因子，植被类型、植被覆盖度等森林本身因子，在RS和GIS技术支持下构建林火空间分布与林火影响因子间的空间Logistic林火风险模型，在较大时间尺度和省域空间尺度上进行了森林火险区划研究。林志强，路红亚（2013）选取降水、最高气温、相对湿度、平均风速、积雪日数和雷暴日数等气象因子；高程、坡度和坡向等地理因子；植被类型和NDVI等植被因子及交通、人口、居住地等社会因子作为森林火险的4个风险因子，采用指标归一法、层次分析法和加权综合评价法对西藏地区森林火险进行了定量评价，按火险等级将西藏地区分为低、较低、中、较高和高5类风险区，利用2001～2012年西藏地区火情监测公报的96个火点资料，对风险区划进行了评价对比。除采用影响因素对森林火灾风险进行区划外，也有学者直接采用森林火灾损失率进行风险区划，如冷慧卿、王珺（2011）通过对全国历史森林火灾案例数据基于概率损失的统计分析，评估了各省森林火灾受害风险，在此基础上进行风险区划，研究发现不同的省份风险水平有较大的差异。
综上所述，目前国内外关于森林火灾风险区划方面研究已经取得较为丰硕的成果，这为本文创造了良好的研究基础。但是，现有研究在森林火灾最优风险区划方案仍存在不足，具体表现在以下两方面：首先，在分区致灾因子选取上，一般采用的都是自然因子，对经济以及森林过去灾害风险因子考虑较少。而这恰恰是风险区划的基础，事关整个研究的科学性；其次，在对数据的处理方面，将三维数据通过简单的平均法进行降维处理，忽视了年际之间的风险变化，缺乏科学性。
本文通过建立我国森林火灾风险区划指标体系，进行森林火灾保险科学风险分区。
三、森林火灾风险评估与区划
（一）指标选取与数据来源
1.指标选取。森林火灾风险受多种因素的影响，总的包括气象因素、经济因素、森林火灾损失因素、森林本身因素等四个方面。不同的影响因素对森林火灾风险的影响各有差异。具体来看：
气象对森林火灾风险有较大影响，一般情况下，年均降水量越大，则地区湿度越大，湿度越大森林火灾发生的可能性越小，与森林火灾风险呈负相关；年均气温则与森林火灾风险程度正相关，年均气温越高，湿度越低，而且较高的温度会降低木材的含水量，使得木材更加易燃，提高森林火灾发生的概率；风速是决定森林火灾发生和蔓延速度的重要因素，风速越大，则森林火灾蔓延速度越快，森林火灾风险越大。相对湿度与森林火灾发生直接相关，相对湿度越大，森林火灾蔓延速度越慢，其火灾发生概率越小。
经济影响因素方面，以往的研究大多用的各省GDP指标，但考虑到该指标不能充分反映森林火灾造成的风险大小，本文改用能较高反映森林火灾风险水平的各省单位面积平均防火投资额，平均防火投资额越大，则火灾发生的风险越小，呈负相关。 森林本身影响因素方面，森林密度对森林火灾风险影响程度较大，单位面积森林蓄积量越大，风险越大（王华丽，2011），此处用森林资源密度表示；森林覆盖率越高，则风险暴露越大，相应的受自然因素影响越大，单位森林面积林业产值影响森林火灾受损程度，单位森林面积林业产值越大，则发生森林火灾时造成的损失越严重，风险越大。
在综合考虑以上因素的情况下，选取以下指标进行森林火灾风险区划：
2.数据来源。本文所用到的数据主要分三个部分：一是中国气象局统计的部分省份或地区1993～2013的年降水量、平均气温、湿度、风速等气象数据；二是中国林业统计年鉴统计的部分省份或地区森林资源数据，包括各省森林面积、覆盖率及1984年以来的统计数据，如森林火灾次数、火灾面积及受害森林面积；三是中国统计年鉴统计的部分省份或地区1993年以来的历次森林资源普查数据。
四、结论与建议
从以上分析可以看出，我国不同地区森林火灾风险存在明显的不同。火灾风险是火灾费率测算的基础，火灾风险的大小除上述的因素外，在具体的小区域内受诸多因素的影响，如同一地区防火投资额分配是否均衡、交通的便利性、是否是潜在野营地等。这些因素都会在不同程度上影响森林火灾的发生以及风险大小。
（一）森林火灾风险不同费率应有差异
本文是基于全国森林火灾风险的区划，在一定程度上能说明区域间风险的差异性，但在具体的费率测算中，应根据实际情况，如不同的气温、降水，尤其是防火投资额、防火配套措施等因素进行具体分析，由于本文的风险区划尺度较大，不同省份之间由于防火意识、防火投入的不同会显著影响森林火灾风险大小。因此，在实际中，应根据具体情况进行具体分析。
（二）在风险区划基础上保险产品应多样化
目前，我国普遍实行保成本策略，但对于有较高经济价值或生态价值的森林应采用灵活的保险措施，对于高经济价值森林，应适度提高保障额度，迎合需求，而对于生态价值较高的森林，应采用防范火灾为主，保险产品为辅的原则，充分保障其生态价值。
（三）急需提高补贴效率
森林火灾风险越大，灾害损失越严重，林农对保险需求越大，对补贴需求越强烈，自从2009年，我国开始启动中央财政森林保险保费补贴试点工作以来，至今部分省（自治区）中央和地方的森林保险保费补贴比例合计已超过80%，远远超出全球农业保险保费补贴比例平均为44%的水平，但如此巨大的补贴比例，不仅使政府财政负担过大，而且仍存在着农户参保意愿低，保险经营机构参与积极性低等问题。
参考文献
[1]邓欧，李亦秋，冯仲科，张冬有.基于空间Logistic的黑龙江省林火风险模型与火险区划[J].农业工程学报，2012，28（8）：200-205.
[2]郭怀文，刘晓东，邱美林.福建三明地区森林火险区划[J].东北林业大学学报，2012，40（11）：70-73.
[3]黄宝华，张华，孙治军.基于层次分析（AHP）的山东林火风险区划研究[J].火灾科学，2014，23（4）： 225-232.
[4]黄晓磊.北京市房山区森林火灾格局及火险区划研究[D].北京林业大学硕士学位论文，2013.
[5]冷慧卿，王珺.我国森林保险费率的区域差异化——省级层面的森林火灾实证研究[J].管理世界，2011（11）：49-54.
[6]李德，牛树奎，龙先华，许格希，王叁，陈锋.四川省森林火灾与气象因子的关系[J].西北农林科技大学学报（自然科学版）， 2013，41（6）：67-74.
[7]林志强，路红亚，罗布次仁，王兴.基于GIS的西藏地区森林火险风险区划[J].资源科学，2013，35（11）：2318-2324.
[8]刘祖军.基于3S技术森林火险区划研究[D].福州：福建农林大学，2008：2-8.
[14]潘家坪.森林保险中合理确定保险费率的探讨[J].林业资源管理，1999（05）：5-8.
[9]王华丽.我国森林火灾保险的风险评估与区划[J].保险研究，2011（11）：98-105.
[10]王珺，冷慧卿.基于公顷网格尺度的森林火灾风险区划与保险定价研究[J].管理世界，2014（09）：42-47.
[11]杨丛瑞，赵凯瑞，吕思彤等.基于RS和GIS的香格里拉森林火险等级区划[J].林业资源管理，2013（1）：102-107.
[12]尹海伟，孔繁花，李秀珍.基于GIS的大兴安岭森林火险区划[J].应用生态学报，2005.16（5）：833-837.
基金项目：北京高等学校青年英才计划（编号：YETP0778）、中央高校基本科研业务费专项资金-北京林业大学科技创新计划团队项目（编号：JGTD2014-02）、北京市社会科学基金项目（编号：14JGB047）、国家自然科学基金项目（编号：71403022）、教育部人文社会科学研究青年基金项目（编号：14YJC790022）。
作者简介：邵豹伟（1988-），男，汉族，河北邯郸人，研究生在读，就读于：北京林业大学，研究方向：林业金融与森林保险；秦涛（1982-），男，汉族，黑龙江密山人，就职于北京林业大学，博士、副教授，研究方向：林业金融理论。
【关键词】森林火灾 二次熵权 风险评估 风险区划
一、引言
风险区划是森林火灾保费率厘定的前提和基础，目前，我国森林火灾保险按省份进行投保，虽然在一定程度上体现了风险的差异性，但在具体的实施过程中受人为因素的影响比较大，缺乏风险分区的科学理论依据，使得各地区间的投保人互相盲目攀比费率，不仅影响了部分地区林农的投保积极性，也影响了保险公司顺利开展保险业务。
与一般的保险品种有所差异，森林保险产品与森林所处区域的自然和社会条件密切相关。我国森林覆盖广阔，跨越热带、亚热带、温带及高原高寒气候，不同地区的森林由于气候不同，其火灾风险水平也明显不同，即使位于同一气候带，由于不同地区地理环境、植被类型、生产经营方式和灾害防御能力的差异，会直接导致森林灾害发生的频率和造成的损失有所不同，这意味着森林保险的费率确定要考虑到地域差异，在森林火灾保险的实施过程中，需要根据不同地区的具体风险状况厘定科学的保费率，而风险区划是科学厘定保费率的基础，只有在风险区划环节充分考虑不同风险因素，体现风险分区的科学性，才能为科学保费率厘定提供坚实的基础，促进保险市场的发展。
二、研究现状
国外对森林火灾保险风险区划研究较多，也较深入。如Erten等（Erten et al，2002）以土耳其Gallipoli半岛为例，分别选取了植被类型、坡度、坡向、距道路的远近、距居民点远近等5项指标，将各指标分别标准化为（1-5）的等级指数，并采用加权平均的方法计算了最终的火灾风险指数，运用ARC/GIS软件，生成了研究区火灾风险区划图。Eskandari（2012）使用植被、坡度、坡向、海拔、森林与道路、居民点的距离变量对奈卡地区的森林火灾风险进行了评估，发现该地区34%的森林具有高风险。Frouzan（2014）考虑了气候变量（温度、年降雨量），人为因素（与河流和农场的距离），地理因素（坡度、海拔）等变量，并据此建立了风险指数模型，通过ROC系数以及Hosmer-Lemeshow检验发现森林火灾与坡度、海拔、与农场距离负相关。
国内对森林火灾保险的研究虽起步较晚，但成果颇多。如许东，代力民（2005）选取森林与道路、农场、居民的距离等社会因子，森林坡度、坡向、海拔等地理因子，以及森林植被类型等森林本身因子，利用综合遥感以及地理信系统技术以长白山区的白河林业局为例对森林火灾风险区划作了研究，使用ARCGIS软件，得到白河林业局的森林火险区划图；邓欧等（2012）利用黑龙江省2000～2010年MODIS火烧迹地遥感数据集，选取年平均气温、年平均降水量等气候因子，森林距居民点、道路距离等社会因子，地貌类型、海拔高度、坡度、坡向等地理因子，植被类型、植被覆盖度等森林本身因子，在RS和GIS技术支持下构建林火空间分布与林火影响因子间的空间Logistic林火风险模型，在较大时间尺度和省域空间尺度上进行了森林火险区划研究。林志强，路红亚（2013）选取降水、最高气温、相对湿度、平均风速、积雪日数和雷暴日数等气象因子；高程、坡度和坡向等地理因子；植被类型和NDVI等植被因子及交通、人口、居住地等社会因子作为森林火险的4个风险因子，采用指标归一法、层次分析法和加权综合评价法对西藏地区森林火险进行了定量评价，按火险等级将西藏地区分为低、较低、中、较高和高5类风险区，利用2001～2012年西藏地区火情监测公报的96个火点资料，对风险区划进行了评价对比。除采用影响因素对森林火灾风险进行区划外，也有学者直接采用森林火灾损失率进行风险区划，如冷慧卿、王珺（2011）通过对全国历史森林火灾案例数据基于概率损失的统计分析，评估了各省森林火灾受害风险，在此基础上进行风险区划，研究发现不同的省份风险水平有较大的差异。
综上所述，目前国内外关于森林火灾风险区划方面研究已经取得较为丰硕的成果，这为本文创造了良好的研究基础。但是，现有研究在森林火灾最优风险区划方案仍存在不足，具体表现在以下两方面：首先，在分区致灾因子选取上，一般采用的都是自然因子，对经济以及森林过去灾害风险因子考虑较少。而这恰恰是风险区划的基础，事关整个研究的科学性；其次，在对数据的处理方面，将三维数据通过简单的平均法进行降维处理，忽视了年际之间的风险变化，缺乏科学性。
本文通过建立我国森林火灾风险区划指标体系，进行森林火灾保险科学风险分区。
三、森林火灾风险评估与区划
（一）指标选取与数据来源
1.指标选取。森林火灾风险受多种因素的影响，总的包括气象因素、经济因素、森林火灾损失因素、森林本身因素等四个方面。不同的影响因素对森林火灾风险的影响各有差异。具体来看：
气象对森林火灾风险有较大影响，一般情况下，年均降水量越大，则地区湿度越大，湿度越大森林火灾发生的可能性越小，与森林火灾风险呈负相关；年均气温则与森林火灾风险程度正相关，年均气温越高，湿度越低，而且较高的温度会降低木材的含水量，使得木材更加易燃，提高森林火灾发生的概率；风速是决定森林火灾发生和蔓延速度的重要因素，风速越大，则森林火灾蔓延速度越快，森林火灾风险越大。相对湿度与森林火灾发生直接相关，相对湿度越大，森林火灾蔓延速度越慢，其火灾发生概率越小。
经济影响因素方面，以往的研究大多用的各省GDP指标，但考虑到该指标不能充分反映森林火灾造成的风险大小，本文改用能较高反映森林火灾风险水平的各省单位面积平均防火投资额，平均防火投资额越大，则火灾发生的风险越小，呈负相关。 森林本身影响因素方面，森林密度对森林火灾风险影响程度较大，单位面积森林蓄积量越大，风险越大（王华丽，2011），此处用森林资源密度表示；森林覆盖率越高，则风险暴露越大，相应的受自然因素影响越大，单位森林面积林业产值影响森林火灾受损程度，单位森林面积林业产值越大，则发生森林火灾时造成的损失越严重，风险越大。
在综合考虑以上因素的情况下，选取以下指标进行森林火灾风险区划：
2.数据来源。本文所用到的数据主要分三个部分：一是中国气象局统计的部分省份或地区1993～2013的年降水量、平均气温、湿度、风速等气象数据；二是中国林业统计年鉴统计的部分省份或地区森林资源数据，包括各省森林面积、覆盖率及1984年以来的统计数据，如森林火灾次数、火灾面积及受害森林面积；三是中国统计年鉴统计的部分省份或地区1993年以来的历次森林资源普查数据。
四、结论与建议
从以上分析可以看出，我国不同地区森林火灾风险存在明显的不同。火灾风险是火灾费率测算的基础，火灾风险的大小除上述的因素外，在具体的小区域内受诸多因素的影响，如同一地区防火投资额分配是否均衡、交通的便利性、是否是潜在野营地等。这些因素都会在不同程度上影响森林火灾的发生以及风险大小。
（一）森林火灾风险不同费率应有差异
本文是基于全国森林火灾风险的区划，在一定程度上能说明区域间风险的差异性，但在具体的费率测算中，应根据实际情况，如不同的气温、降水，尤其是防火投资额、防火配套措施等因素进行具体分析，由于本文的风险区划尺度较大，不同省份之间由于防火意识、防火投入的不同会显著影响森林火灾风险大小。因此，在实际中，应根据具体情况进行具体分析。
（二）在风险区划基础上保险产品应多样化
目前，我国普遍实行保成本策略，但对于有较高经济价值或生态价值的森林应采用灵活的保险措施，对于高经济价值森林，应适度提高保障额度，迎合需求，而对于生态价值较高的森林，应采用防范火灾为主，保险产品为辅的原则，充分保障其生态价值。
（三）急需提高补贴效率
森林火灾风险越大，灾害损失越严重，林农对保险需求越大，对补贴需求越强烈，自从2009年，我国开始启动中央财政森林保险保费补贴试点工作以来，至今部分省（自治区）中央和地方的森林保险保费补贴比例合计已超过80%，远远超出全球农业保险保费补贴比例平均为44%的水平，但如此巨大的补贴比例，不仅使政府财政负担过大，而且仍存在着农户参保意愿低，保险经营机构参与积极性低等问题。
参考文献
[1]邓欧，李亦秋，冯仲科，张冬有.基于空间Logistic的黑龙江省林火风险模型与火险区划[J].农业工程学报，2012，28（8）：200-205.
[2]郭怀文，刘晓东，邱美林.福建三明地区森林火险区划[J].东北林业大学学报，2012，40（11）：70-73.
[3]黄宝华，张华，孙治军.基于层次分析（AHP）的山东林火风险区划研究[J].火灾科学，2014，23（4）： 225-232.
[4]黄晓磊.北京市房山区森林火灾格局及火险区划研究[D].北京林业大学硕士学位论文，2013.
[5]冷慧卿，王珺.我国森林保险费率的区域差异化——省级层面的森林火灾实证研究[J].管理世界，2011（11）：49-54.
[6]李德，牛树奎，龙先华，许格希，王叁，陈锋.四川省森林火灾与气象因子的关系[J].西北农林科技大学学报（自然科学版）， 2013，41（6）：67-74.
[7]林志强，路红亚，罗布次仁，王兴.基于GIS的西藏地区森林火险风险区划[J].资源科学，2013，35（11）：2318-2324.
[8]刘祖军.基于3S技术森林火险区划研究[D].福州：福建农林大学，2008：2-8.
[14]潘家坪.森林保险中合理确定保险费率的探讨[J].林业资源管理，1999（05）：5-8.
[9]王华丽.我国森林火灾保险的风险评估与区划[J].保险研究，2011（11）：98-105.
[10]王珺，冷慧卿.基于公顷网格尺度的森林火灾风险区划与保险定价研究[J].管理世界，2014（09）：42-47.
[11]杨丛瑞，赵凯瑞，吕思彤等.基于RS和GIS的香格里拉森林火险等级区划[J].林业资源管理，2013（1）：102-107.
[12]尹海伟，孔繁花，李秀珍.基于GIS的大兴安岭森林火险区划[J].应用生态学报，2005.16（5）：833-837.
基金项目：北京高等学校青年英才计划（编号：YETP0778）、中央高校基本科研业务费专项资金-北京林业大学科技创新计划团队项目（编号：JGTD2014-02）、北京市社会科学基金项目（编号：14JGB047）、国家自然科学基金项目（编号：71403022）、教育部人文社会科学研究青年基金项目（编号：14YJC790022）。
作者简介：邵豹伟（1988-），男，汉族，河北邯郸人，研究生在读，就读于：北京林业大学，研究方向：林业金融与森林保险；秦涛（1982-），男，汉族，黑龙江密山人，就职于北京林业大学，博士、副教授，研究方向：林业金融理论。