印度农作物保险损失理赔模式及其启示
1 引言
2 中国农作物保险理赔现状及问题
农业保险分为农作物保险（种植业保险）、养殖业保险和森林保险，其中农作物保险涉及面广，与广大农民联系密切，业务经营管理复杂，是本文的研究对象。中国农业保险3种业务的统计数据没有单独列出，2016—2022年的农业保险保费和理赔数据如表1所示，从中可以看出农业保险增速较快。农业保险的赔付率除2019年高达79%外，其余年份总体稳定在70%左右。中国农业保险高速发展，形成一个体量巨大的保险业务，产生了大量的保险赔案，要求保险公司准确、合理定损。
3 基于CCE的农作物产量测算和保险理赔
3.1 农作物产量测算
农作物面积、产量等方面的信息对农业的发展起着至关重要的作用，很多国家非常重视农作物统计技术的研究。20世纪30年代，印度通过在耕地内小块取样测算农作物产量，该方法称为CCE技术。由于CCE技术可靠性高、劳动密集程度低，具有良好的成本效益，被认为是最广泛使用的测算农作物产量的方法。20世纪50年代CCE技术被FAO采用，作为农作物产量测算的标准方法。印度很多统计学者专注于这一研究领域，取得了一些国际认可的成果，比如Sud等利用CCE技术开发了一种估算混合农作物产量的方法，该方法已被FAO采纳。
抽样调查是一门非常专业的统计方法，不同的抽样调查方法会产生不同的结果。例如，Sukhatme研究表明，抽样调查面积能够影响农作物产量的测算质量，当抽样调查面积小于3米2时，会严重高估产量，而随着抽样调查面积增加，高估倾向减弱。不同地区或不同农作物，用于抽样调查的大小和形状并不相同。对大多数地区的农作物来说，抽样调查面积是5米×5米和10米×10米的正方形，或大小为10米×5米的矩形。CCE技术不仅需要考虑取样面积和形状，还需要考虑其他因素。例如，根据农作物的播种方式选择不同的抽样调查方式，对于撒播方式播种的农作物，通过实际距离选取抽样调查面积。如果农作物是按行播种，需要选取一定行数进行抽样，同时基于行播种模式选取每行的长度，如果不需要考虑植株之间的距离，可以根据实际距离选取；如果植株之间保持一定的距离，即农作物沿两个方向直线播种，如烟草等农作物则需要从两个方向上同时选取一定的行数进行取样。鉴于CCE的专业性，印度农业统计研究所（IASRI）的抽样调查部专门负责相关的培训工作，定期举办培训班，并且进行实地CCE技术示范。
为了准确测算农作物损失，印度农作物保险计划（PMFBY）指定CCE技术测算农作物损失。为了满足农作物保险发展的需要，特别是保险理赔具有及时性和准确性的要求，印度政府对测算农作物产量的抽样调查技术研究进行资助，促进了遥感、地理信息系统等先进技术应用于农作物的产量测算。
3.2 农作物保险理赔
农作物保险理赔的基础是产量测算， CCE技术作为一种客观的农作物产量测算方法，为了确保其权威性和可信性，印度政府主导进行CCE相关工作。印度政府在各县成立指导委员会（DLMC），执行CCE计划，并向国家有关部门提供产量数据报告。DLMC由负责CCE的县级机构负责人领导，成员包括县农业官员、国家抽样调查组织（NSSO）和保险公司代表。DLMC负责向NCIP上传信息，如CCE日程表、CCE报告等，并对CCE的现场工作人员进行培训。
为提高农作物产量的测算效率，印度采用创新技术，已经开发了CCE移动应用程序（CCEAgri App），现场工作人员按照标准流程，从实地获取CCE数据并上传到NCIP。该应用程序也可以安装在智能手机上，并且能够在线或离线应用。通过应用程序测算的产量数据需要经过当地政府有关管理部门的验证和批准。对于需要抽样调查的农作物，根据承保区域层次不同，抽样调查次数如表2所示。
4 对CCE技术的改进
农作物收获具有很强的时效性，所有CCE要在很短的收获期内完成，如对于一种主要农作物在每个村至少要进行4次CCE。在短时间内，同时进行大量的CCE是一项非常烦琐的任务,这会影响CCE的准确性，不利于及时处理农作物保险理赔。为此，印度政府采用智能抽样、两步产量测算等方法来克服这些困难。
4.1 智能抽样方法损失
4.2 两步产量测算方法
在两步产量测算方法中，需要针对不同地区的气候灾害、病虫害等因素，利用降水量、干旱期、温度、农作物地图、田间数据等指标制定决策规则，并将其编成偏差矩阵(DM)。根据某种作物特定风险的偏差矩阵，将该区域农作物受灾情况划分为严重、中等、轻微和正常4种情况。
两步产量测算方法根据季末产量数据来解决索赔问题，干旱、洪水、龙卷风、病虫害、冰雹(大面积)、非季节性降水和霜冻这些风险造成的农作物损失可以应用两步产量测算方法。但是，由局部雹灾、山体滑坡、野生动物破坏而造成的农作物损失，需要及时定损，不能应用两步产量测算方法。
及时确定受灾的农作物区域非常重要，一般要在农作物收获前至少20~30天确定遭受损失区域，这意味着，从播种到收获前30天发生的农作物风险，可以应用两步产量测算方法。在收获前几天或几周发生的灾害，如龙卷风、洪水或非季节性降雨，则将通过一般的CCE技术处理。
4.3 智能技术的应用
常规CCE方法在可靠性、准确性和及时性方面存在缺陷，影响农作物保险理赔，不能满足保险公司的需要。为了更好地保护农民的利益，需要实时、高质量和可靠的实际产量数据，利用卫星和无人机的远程遥感技术（RST）、气象数据、模型等提高CCE产量估计的质量和速度。政府强制要求使用基于智能手机或手持设备的CCE应用程序来获取图像、确定CCE的位置，并及时向NCIP传输数据。印度中央政府和各邦政府以1∶1的比例分担CCE中的技术成本，如购买智能手机、手持设备和使用技术(卫星和无人机等)的成本。
为了解决CCE在准确性、代表性和及时性等方面的问题，卫星遥感、无人机、建模、自动气象站、自动量雨器、人工智能与机器学习、数据实时传输等创新技术被应用于农作物产量测算，确保准确评估产量损失并及时向农民支付赔款。印度国家农业预测中心（MNCFC）、国际水稻研究所(IRRI)、国际粮食政策研究所(IFPRI)、世界银行等组织开展的各种研究表明，使用卫星、天气、土壤和农作物等数据，可以提高产量数据的质量和及时性，有利于及时处理保险索赔。
CCE生成的产量数据具有一定的延迟性，如果各地政府没有在规定的时间内提供CCE产量数据，则将使用基于技术手段获得的综合产量数据来解决农作物保险产量数据缺失问题。综合产量数据的目的是及时解决索赔，其由印度的国家农业预测中心（MNCFC）具体负责。为了进行产量数据评估，综合产量数据将与相应的历史产量数据(来自CCE)进行比较。计算综合产量数据涉及对卫星、气象等数据的分析，由此所产生的全部费用，由当地政府承担。
印度PMFBY方案主要依靠以技术为基础的产品和服务来实现其效率、透明度和客观性。因此，为了技术的有效采用，所有的参与者应具备必要的基础设施、数据收集系统和工作人员。印度农业部定期向各邦和保险公司的工作人员提供培训，以便更好地执行新的农作物保险理赔规则。
5 印度农作物保险理赔程序
鉴于农作物损失测算的专业性和复杂性，为了结果的准确性和可信性，印度政府主导损失测算工作，即各县的DLMC负责相关的组织工作，具体由农业部选定的专业机构进行损失测算。保险公司核实损失测算结果，最终向农民支付赔款，每年政府相关机构对农作物保险数据进行审计，印度农业保险理赔流程如图1所示。
5.1 测算机构的选取标准
印度农作物保险损失的查勘工作需要专业的测算机构负责，由印度农业合作与农民部（DAC&FW）认定这些损失测算机构。这些机构必须具有经验丰富的工作人员、配备相应的技术装备，能够在全国范围内进行农作物损失测算，可以提供无人机、远程遥感和移动网络等应用技术服务。一旦损失测算机构被印度农业部指定，将参与政府或保险公司组织的损失测算工作，保险公司将负责监督这些机构的服务质量。
由于测算损失是农作物保险理赔的基础，事关农民的切身利益，因此任何舞弊均会被严肃处理，会对有关机构及个人采取法律及行政措施。为了保证损失测算机构选定程序的规范性和标准化，专门成立了由农业、统计、保险和政府等相关部门人员组成的委员会，负责制定损失测算机构的选定标准。在每个农作物季度，农业部将按照服务质量标准，对选定的机构进行评估，不良机构将被取消资格。
5.2 农作物损失报案
5.3 农作物损失的理赔处理
如果在承保区域每公顷农作物的实际产量(基于CCE计算)低于目标产量，则认为该农作物遭受产量损失。目标产量由过去7年产量数据中最高的5年产量数据的平均值得出。所有农作物在每个承保区域上的目标产量需要公开发布，但是为了避免被操纵或滥用，在该季度索赔付款之前，目标产量不应公布。政府有关部门需要发布承保农作物的历史平均产量、赔偿水平和目标产量，同时将这些信息上传到NCIP，并由有关保险公司在给定的时间内进行核实。
农作物收获完成后的2个月内，政府需要提交产量数据。县级DLMC按照规定的时间将产量及农作物损失的估计资料上传至NCIP，损失报告和实际产量数据应得到保险公司的认可。根据NCIP上的损失报告和实际产量数据，计算相应的赔款金额，由保险公司支付赔款，按时汇入受益人账户。从NCIP上，农民能够看到赔款金额和理赔进展情况。如果保险公司发现损失数据存在问题，损失需要重新测算。如发生理赔争议，可提交国家协调委员会(SLCC)和技术咨询委员会(TAC)审议和解决，政府和保险公司应在尽可能短的时间内解决争议。
政府、保险公司等农作物保险参与者应确保目标产量、实际产量、投保地区、投保金额和赔偿水平等数据的准确性。任何错误、遗漏和误报的责任应由有关政府部门和保险公司承担。在1年内，政府部门需要对农作物保险数据进行强制性审计，确保相关数据的准确性。
6 主要经验与启示
印度在抽样调查领域的多年研究积累，提升了农作物保险理赔数据的准确性；卫星遥感、无人机等先进技术的应用，降低了农作物保险的理赔成本，并且促进了理赔效率；政府主导的农作物损失测算体系，保障了理赔数据的可信度，减少了理赔纠纷的产生。印度作为新兴市场国家，建立了以政府为主导的农作物保险理赔制度，为印度农作物保险持续稳定发展奠定了坚实的基础，切实维护了农民的经济利益。中印两国具有相似国情，印度农作物保险的发展经验对中国具有借鉴价值。
第一，充分发挥政府部门的组织协调功能。各国农业保险的发展离不开政府的大力支持，中国农业保险在政府财政的支持下取得了快速发展，2020年农业保险保费位居世界第一。由于农作物损失理赔查勘的技术性和复杂性，需要政府农业部门、气象部门、统计部门等机构的协作。因为涉及政府部门比较多，单靠保险公司难以组织协调，所以政府部门有必要成立农作物保险的指导机构，统一组织协调农作物保险理赔查勘工作。
基于农民对政府的信任，由政府相关部门统一组织农作物保险理赔查勘工作，有助于提高理赔数据质量，降低理赔纠纷的发生，有利于促进赔案的顺利解决，保护农民的利益。政府协调组织相关工作可以使保险公司避免繁杂的理赔查勘工作，专注于农作物风险管理，厘定合理的产品费率。
第二，加强农作物产量测算研究。农作物产量测算是保险理赔的基础，目前，中国农作物产量抽样调查测算研究较少，很多统计学者对这方面的研究缺乏兴趣。但是近年来在农作物保险快速发展的背景下，发生了大量的农作物理赔，需要准确测算损失金额，这有助于推动这一领域的研究。探索高效、科学的农作物产量测算方法，可以促进农作物保险的高质量发展。基于卫星、无人机等先进技术的应用研究，能够促进农作物损失的准确测算，有利于理赔的及时处理。另外，准确测算农作物产量对政府制定合理的农业政策具有重要意义。
第三，建立全国统一的农作物保险理赔查勘制度。中国现行的农作物理赔查勘制度只是一般性的规范要求，仅规定使用抽样调查方法测算农作物产量，但是缺乏详细的操作流程。不同保险公司或者同一公司不同的分支机构的理赔方法缺乏统一标准。为了准确测算农作物损失，有必要建立全国统一的理赔查勘制度，提升理赔数据质量，维护农民利益。
第四，整合全国农作物保险承保和理赔数据。农作物风险具有系统性特征，相邻区域的农作物具有风险相关性，如干旱、洪水、暴风等灾害影响范围比较广。一个地区的农作物可能在不同保险公司投保，但是他们可能面临着相似的风险。所以，基于农作物风险特征，整合保险公司相关数据，有利于统一理赔标准。
为了积累农作物保险数据及确保数据的质量，有必要建立全国统一的农作物保险门户网站，要求各家保险公司的理赔数据都要上传，同时数据的质量要得到当地政府有关部门的确认。准确的理赔数据资源是农作物保险发展的重要保障，政府建立统一网络技术平台，整合全国农作物保险的理赔数据，保证数据的准确性和统一性，有助于保险公司准确测算损失，为农作物保险的高质量发展提供有力的支持。
