文／逢甲大學國際經營與貿易學系教授 楊明憲
我國氣象參數型農業保險，目前共有24張保單，從我國投保情形可以合理推測，每年的投保率都與前一年的理賠率呈正向相關，隱含投保心態是有些農漁民將保險視為投資或賺錢的方式，而不是為了降低損失而投保。
檢討
有關氣象參數型農業保險之特性與投保情形，可檢討如下：
（一）基差風險
氣象參數型農業保險最為人詬病之處在於基差風險，即每位農漁民的生產方式及所處的位置不能一概而論，因此農漁民的實際災害無法完全由溫度、降水量或風速所反映。但如果氣象站越接近農漁民所處的位置，則越能掌握當地的氣象變化。
實際上，保險公司因考量氣象站是否能提供長期資料以測試保險與農業災損關係並計算保費，故可能並不以附近任一氣象站為起賠，例如：
- 「臺產降水量參數養殖水產保險」所承保區域包括屏東縣東港鎮、林邊鄉、佳冬鄉、枋寮鄉、枋山鄉，卻僅以屏東縣枋寮氣象站為約定氣象站；或是「華南產物荔枝氣象參數保險」承保地區包括南投縣南投市、草屯鎮、中寮鄉，也僅以草屯氣象站為約定氣象站；
- 「國泰產物番石榴氣象參數型保險」承保地區涵蓋彰化縣溪州、二水、田中、社頭、永靖、員林等六鄉鎮，也僅以溪州及社頭氣象站為約定氣象站分別代表溪州、二水、田中，與社頭、永靖、員林二個區域。
這些保單僅以一個地方代表性氣象站涵蓋其他地方氣象，並據以推估各地方災損，顯然會與實際災情有出入，此即基差風險。基差風險越大，農漁民可能越有不平之鳴，因為受損嚴重與受損輕微者的理賠都一樣，恐將影響投保意願。
（圖片來源／123RF）
相對的，「富邦產物溫度參數養殖水產保險」及「富邦產物降水量參數養殖水產保險」，均以被保險人陸上養殖漁塭所在地最近之氣象觀測站為約定氣象站，就比較接近當地的實際氣象。不過，即使可以縮小基差風險，但「富邦產物降水量參數養殖水產保險」的投保率卻始終未超過1％，這與歷年來理賠率偏低有關。
理賠率偏低的原因有可能是起賠門檻太高、近年來風調雨順，或是降水量並非養殖漁業的主要風險。相較下，「富邦產物溫度參數養殖水產保險」的投保率明顯較高，與前一年的理賠率大幅攀升有關，反映農漁民投保心態是基於以前一期理賠作為未來預期之適應性預期（adaptiveexpectation）。
此外，保單沒有根據每個養殖場所在位置和天氣狀況做特別考慮，如臺南、高雄、屏東三地的溫度及雨量有明顯差異，但理賠標準幾乎相同，也容易造成逆選擇的問題。
（二）保險與災損之科學證據
如前所述，氣象參數型農業保險的設計邏輯，是基於農漁業生產受氣象條件影響，即氣象變化會衝擊農漁業生產。然而溫度、降水量或風速變化，究竟對於不同農漁業品項、不同生長週期會造成什麼災損，還有待實驗或科學驗證之支持。
例如：梨樹是抗逆性較強、適應性廣的果樹，但在生長發育過程中，對於氣候條件有一定要求。梨樹花期與花粉萌芽溫度須在10℃以上，自授粉到完成受精，溫度要在16℃，並且達到44小時；但若在溫度較高的地方，約9～22小時即可完成受精。花芽分化與果實發育以20℃以上最好，且陽光必須充足、濕度小（朱鈞、林嘉興，1997；陳婉君，2008）。
因此，「富邦產物颱風風速、降水量及溫度參數梨農作物保險」即訂定高接梨穗之起賠條件為溫度連續低於（含）攝氏9度且達24小時。不過，對於持續24小時以上的不同災損程度與理賠金額如何決定，則缺乏相關科學證據支持。
又例如，虱目魚養殖的最大風險主要是低溫寒害。由於虱目魚不耐嚴寒，且魚塭為1公尺以下的淺水魚塭，極易因低溫寒害造成突發性死亡。臺灣歷年來虱目魚在越冬期間，因遭受凍死或病害侵襲，其死亡率為0.6～87％間變動，遇強大寒流即大大增加死亡率。
因此，「富邦產物溫度參數虱目魚保險」即設定氣溫低於10度持續10小時以上為起賠條件，並以連續低於攝氏10度時數–9小時）／（32小時–9小時）為賠付比例，應是較接近低溫災損情形，但漁民仍可採取一些方式減少損失，包括：補充地下水、使用鍋爐或電器加熱管直接提高池水溫度、利用PE塑膠布覆蓋越冬溝，以及水面上蓋上氣泡布等，意即在理賠金額中已排除自負額的部分。
（三）氣象參數之適宜性
臺灣產物對於屏東沿海與內陸地區分別開發降水量參數保險，但是沿海地區與內陸地區的養殖條件並不相同，例如：降水對內陸養殖業的災害性影響，主要是酸雨引起池水的PH值大幅下降，相較於沿海漁民的養殖條件在海水裡，陸地魚塭水流為內循環，一旦出現池水酸性的影響，物種就會大量死亡，因此，降雨的PH值相較降雨量的影響更大。
（圖片來源／123RF）
此外，相較於沿海的5個區域，14個內陸區域分布在屏東縣內陸的丘陵與平原，颱風很難進入並形成極端降雨，因此要求內陸地區48小時降雨量比沿海地區還高並不合理，這些均反映保單設定保險參數與漁民在當地所面對風險可能並不一致，故難以提升投保率。
類似狀況，養殖漁民最擔心的風險之一是淹水，特別是暴雨或山谷大雨漫流至下游而使魚塭水位高過堤岸，造成魚群流失。但淹水高度難以作為起賠標準，不易有客觀衡量，也與每個魚塭是否有淡水池可預為滯洪有關。
精進
（一）縮小基差風險
氣象參數型保險高度依賴氣象站所觀測的氣象資料，若氣象站能普設於各地，則有助於縮小基差風險。例如：交通部中央氣象局已在2020年建置完成全臺鄉鎮自動氣象站網，共計954座自動觀測站，含396座雨量站及558座氣象站，使得全臺觀測站平均設置密度由原來的10公里加密至8公里，將更有效發揮監測與蒐集鄉鎮尺度的天氣觀測資料之綜效，也可以更精確掌控受地形影響地區的天氣變化，適時對颱風及地形性豪雨等災害性天氣發出警特報。
同時，為貼近實務應用所需的鄉鎮尺度空間解析氣象資訊，中央氣象局近年積極發展高解析網格化技術，藉以充分利用全臺高密度自動測站量測數值來產製水平解析尺度可達2.5公里的細網格氣象資料。為避免資料樣本的不一致性，陳雲蘭等（2014）建議在網格化程序之前，須完整補遺資料或其他均一化的概念，即提出結合簡易插補法與利用鄰近站空間統計關係插補法的優點，分別處理非連續性缺值與連續性多筆缺遺值的問題，同時亦將引入數值預報模式資訊，利用模式輸出統計法（Model Output Statistics，MOS）降尺度工具推估缺遺值，以協助討論補遺方法的不確定性。
（圖片來源／123RF）
臺南市漁青聯誼會會長施宏宜及國基漁場主黃國基，均有投保虱目魚及吳郭魚溫度參數型保險，他們認為保單設計的基差風險太大，有待檢討改進。例如：暴雨對於半鹹水養殖的風險不如陸地淹水，氣溫嚴寒風險不如水溫實際，以及氣象站設置地點在市區消防局樓上與魚塭環境空曠野外，氣象數據自然有明顯差異。
此外，亦可鼓勵農漁民自設簡易型氣象站及雲端氣象站，經中央氣象局認證，觀測集成多項氣象要素，包含溫度、濕度、雨量、風速及風向，並隨時上傳觀測數據至雲端，類似區塊鏈（blockchain）去中心化及不可篡改的概念，以完全符合農漁民所在位置的氣象條件。近年來各地積極發展智慧農漁業，也應同時架設簡易氣象站，結合氣象數據[1]，更有助於農漁業經營的即時調整與因應。
因此，不論是官方或民間的氣象資料應該越來越多，匯至雲端形成大數據，藉由平台共享資料，這將有助於氣象參數型保險之推動與農漁業經營效率之提升。
（二），加強科學基礎研究
農民投保時很在意是否能獲得理賠，此與起賠條件設定和理賠金額計算有關。但保單究竟應如何設計，皆與背後的災損程度有關，而災損程度勘查又植基於經驗及科學研究的基礎。然而相關文獻對於不同農漁業品項在不同生長週期，面對各種溫度、降水量及風速變化所可能造成的損害程度卻極為缺乏。因此，政府、財團法人農業保險基金或保險人均應大力支持農試所、各地農改場及農業學術研究機構進行此方面研究，以強化基礎資料，有助於氣象參數型保險的規劃設計。
例如：降水量參數保險起賠點為連續48小時累積降水量達500毫米，理賠金額為保險金額乘上賠付比例，依累積降水量而遞增賠付比例由1％至100％。若有明確的研究科學證據支持，則起賠點及賠付比例均可改變，即圖1理賠曲線的位置及斜率均將移動，而且也應依曲線下方垂直距離計算理賠金額，以及依累積降水量積分所圍成的面積計算總理賠金額，以不超過總生產成本為上限，如此所構成的起賠條件與理賠金額將更具有說服力。
（三）檢視參數適宜性
基本上，氣象參數應直接對應農漁民所關心的生產風險，例如：養殖虱目魚最怕低溫寒流，故有溫度參數型保險，只不過溫度又可分為氣溫與水溫（水面、水下），若要更精準，則可考量以水溫而定，但又因涉及資料來源困難，因此以間接的氣溫為代表，這又是形成基差風險的另一來源。
又例如許多魚塭處於低窪地，因是集水區而淹水，影響鹽水養殖，雖有降水參數保險，但暴雨過後整體降水卻未達520毫米起賠標準，因此漁民更在意的是淹水問題。同樣的，許多果樹生長不耐淹水，設計降水量參數型保險當可涵蓋此風險，但因降水是否導致淹水也與地勢及排水有關，若要更為精準，也宜以淹水而定，但又涉及資料來源與道德風險考量而作罷。
（四）發展氣象參數組合
目前農作物氣象參數型保險，保單已同時涵蓋溫度、風速及降水量，具有多重險（multiple peril）的特性，但尚未有乾旱參數，而養殖漁業氣象參數型保險則僅針對溫度或降水量分別開發個別保單，是為單一險（single peril）或稱為指定險（named peril），也尚未有風速參數型保險。
氣象參數組合保險能更涵蓋農漁民生產風險，符合需求，有利於投保，但保費是否將提高，值得後續保費釐定精算。
（五）避免系統性風險
目前養殖漁業溫度型參數保險，不分魚種（虱目魚、吳郭魚、石斑魚、鱸魚），均以氣溫低於10度、持續10小時以上起賠，但顯然不同魚種及魚塭場址方位或養殖密度、魚塭深度對於低溫的耐受性不同，如果都設定為齊一起賠標準，極可能發生全賠的巨災風險。為避免此系統性風險，保險人宜將起賠條件差異化，針對不同魚種及魚塭環境，對應不同的保費與起賠，也較符合實際魚種與經營特性。
相對的，農作物降水型參數保險的起賠標準則已考慮不同作物特性，例如梨為一日累積雨量達200毫米或3日內累積雨量達360毫米，番石榴為連續5日累計降雨量301毫米達起賠點，甜柿為連續5日之累積降水量達400毫米以上，或強降雨參數為單日0時至24時累積達200毫米等，較無系統性風險問題。相較下，養殖漁業降水型參數保險，多以連續48小時累積降水量達520毫米（含）以上起賠，仍有差異化調整的空間。
結語
我國在2 0 1 7年開始積極推動農業保險，迄今已有40張保單，涵蓋26種品項，其中以氣象參數型保險所涵蓋品項為最多達16種，占全部品項62％，保單數則共24張保單，包括養蜂1張、果樹（棗、木瓜、文旦柚、番石榴、蓮霧；柑橘、甜柿、西瓜、荔枝、梨）12張、養殖漁業（屏東、高雄水產、石斑魚、虱目魚、鱸魚、吳郭魚）11張。目前均依溫度、降水量或風速為承保範圍，並作為起賠依據。不過，氣象參數型保險的投保率一直都不高，且與前一年的理賠率高低有顯著關係。
（圖片來源／123RF）
由於氣象參數型保險以溫度、風速或降水量為起賠條件，然而在相同氣象條件下，仍可能發生各地不同的實際災損，但災損嚴重與災損輕微者均獲得相同理賠的基差風險問題，以及區域內投保者均獲得相同理賠的系統性風險問題。這些基本問題有待改善，未來氣象參數型農業保險才可能持續發展。
Gineetal.（2008）及Coleetal.（2013）在10年前的研究已指出印度創新的氣象參數型保險投保率偏低的事實，並且討論如何提升投保需求，即使Cai（2016）、Hilletal.（2019）、Carteretal.（2018）指出保險可為開發中國家農漁業增進度利，但投保率依然偏低，主要原因是基差風險，Kodamaetal.（2022）也證實基差風險對保險需求具有顯著的不利影響。
此外，由於氣象參數型保險是基於氣象變化對於農漁業生產的損害，損害程度涉及保費與理賠，但在基礎研究上關於不同氣象對不同農作物或養殖水產會造成如何的損害，卻始終缺乏明確的實驗研究結果可供引用。因此，基於保險與農漁業的長期發展，實有必要加強上述基礎研究，同時參考國內外經驗，為研究成果建立資料庫，在面對氣候變遷下持續進行觀測與基礎研究，有助於氣象參數型保險的設計與精進。
最後，本文提出五點精進建議，包括縮小基差風險、加強科學基礎研究、檢視參數適宜性、發展氣象參數組合、避免系統性風險，希望能提高保單對農漁民的說服力，有助於我國氣象參數型農業保險持續發展。
前文請見：
[1] 近年來漁業署已鼓勵並補助漁民運用智能設施監控水質，包括PH、氧化還原電位ORP、電導度EC、總溶解固體量TDS、比電阻、溶氧度Do、鹽度、海水係數、大氣壓、水溫等均可自動記錄，並將監測資訊上傳雲端管理，即是大數據與漁業保險可以結合發展的趨勢。
參考文獻
- 朱鈞、林嘉興（1997），果樹天然災害預防及復育手冊，台中區農改良場。
- 陳婉君（2008），天氣保險費率釐訂之研究－以溫度對農作物影響為例，逢甲大學風險管理與保險學系碩士論文。
- 陳雲蘭、陳品妤、詹智雄、沈里音、馮智勇、劉家豪、林佑蓉（2014），台灣自動氣象站氣溫資料補遺方法探討及網格化分析，103年天氣分析與預報研討會。
- Cai, J. (2016). The impact of insurance provision onhousehold production and financial decisions.American Economic Journal: Economic Policy,8(2):44–88.
- Carter, Michael R., Sarah A. Janzen, Quentin Stoeffler(2018), “Can Insurance Help Manage ClimateRisk and Food Insecurity? Evidence from thePastoral Regions of East Africa,” Climate SmartAgriculture: Building Resilience to ClimateChange, Published by Springer Nature SwitzerlandAG.
- Cole, S., Gine, X., Tobacman, J., Topalova, P.,Townsend, R., and Vickery, J. (2013). Barriers´ to household risk management: Evidence fromindia. American Economic Journal: AppliedEconomics, 5(1):104–135.
- Gine, X., Townsend, R., and Vickery, J. (2008).Patterns of rainfall insurance participationin rural ´ india. The World Bank EconomicReview, 22(3):539–566.
- Goodstein, J., Gautam, K. and Boeker, W. (1994),” TheEffects of Board Size and Diversity on StrategicChange,” Strategic Management Journal 15,241-250.
- Hellmuth, M.E., Osgood D.E., Hess U., Moorhead A.and Bhojwani H. (2009), Index Insurance andClimate Risk: Prospects for Development andDisaster Management, Climate and Society No. 2.International Research Institute for Climate andSociety (IRI), Columbia University, New York,USA.
- Hill, R. V., Kumar, N., Magnan, N., Makhija, S., deNicola, F., Spielman, D. J., and Ward, P. S. (2019).Ex ante and ex post effects of hybrid indexinsurance in bangladesh. Journal of DevelopmentEconomics, 136:1–17.
- International Research Institute for Climate andSociety (IRI) (2009), Index insurance and climaterisk: Prospects for development and disastermanagement, Published by International ResearchInstitute for Climate and Society.
- Janzen, S., Magnan, N., Mullally, C., Shin, S., Palmer,I. B., Oduol, J., and Hughes, K. (2020). Canexperiential games and improved risk coverageraise demand for index insurance? evidencefrom kenya. American Journal of AgriculturalEconomics, 103(1):338–361.
- Kodama, Wataru, Ken Miura, Takeshi Sakurai (2022),Basis risk and low demand for weather indexinsurance.
