在准确评估农业生产风险基础上，结合保单需求信息，设计合理的保险产品并开展效果评价，是农业保险可持续发展的重要保障。基于历史气象资料和水稻生育期、产量资料，在构建江苏水稻高温热害气象指数以及开展保险风险区划的基础上，设定不同免赔额厘定纯费率，设计保险产品；利用指数评价、历史回溯和典型事件分析3种方法，实现水稻高温热害气象指数保险产品应用效果的综合评价。结果表明：不同免赔额下，江苏各县水稻高温热害纯保险费率呈西南高东北低分布特征，综合考虑农户参保积极性和承保水平，最终确定低风险区、中风险区、高风险区的免赔额分别为2.5%、2.5%和7.5%，对应保险纯费率分别为5.09%、5.27%和5.26%。从公司运营效能、损失赔付压力和农户生产风险转移水平、保障覆盖范围等角度来看，该指数保险产品设计较为合理。低风险区、中风险区、高风险区保险公司运营持续性指数分别为14%、37%和76%，农户生产保障维稳性指数分别为6%、9%和21%；高温热害事件平均赔付率分别为111%、122%和303%，典型高温热害年的全省平均赔付金额超过1800元·hm⁻²，且赔付县个数占比超过50%。本研究结果可为气象指数保险产品营运特性测评、保险产品设计方案优化和保险产品推广落地等提供参考。

因保温材料及建筑结构参数的差异导致温室内气象条件差异，作物响应小气候差异，以及灾害风险差异等导致保险产品同费率但基差风险不同，针对以上日光温室作物天气指数保险产品设计的难点问题，本文基于天津日光温室黄瓜低温冷害风险，设计天气指数保险产品。从温室小气候条件与温室外气象条件的关系出发，基于自然灾害风险评估理论，综合考虑温室黄瓜低温冷害强度、灾害损失及温室防灾减灾能力，构建黄瓜低温冷害综合风险评估模型，划分黄瓜低温冷害风险分区；结合不同等级致灾指标及黄瓜减产率计算气象理赔指数，根据低温冷害风险区域系数厘定不同风险区保险纯费率；明确不同理赔指数下单位面积黄瓜低温冷害保费及赔付金额，设计日光温室黄瓜低温冷害天气指数保险产品。结果表明：天津日光温室黄瓜低温冷害高风险区主要位于天津北部地区，包括宝坻大部分区域、蓟州区西南部、武清区及北辰区中部地区、滨海新区汉沽西北部及宁河区东南部。黄瓜低温冷害高、中、低风险区的毛费率分别为8.05%、7.21%和6.27%，结合温室生产实际物化成本，黄瓜低温冷害单位面积赔付金额为45000元·hm⁻²。以2015年11月天津一次典型低温过程为例分析黄瓜低温冷害天气指数保险的理赔情况，该产品可有效解决天津现行设施农业保险仅保棚体及保温材料等设施而不保作物的问题。

根据2003-2017年果洛州年降水量和牧草单产数据，选取降水距平百分率（Precipitation anomaly in percentage，PA）构建干旱指数(DI_q)，采用Hodrick prescott filter（HP滤波）方法测算牧草趋势产量从而计算减产率（YLR_q），利用固定效应模型拟合牧草干旱指数与单产减产率的相关关系，最后构建损失率期望值模型，实现牧草干旱天气指数保险产品的设计，并厘定保险纯费率。结果表明：（1）果洛州牧草干旱致灾危险性呈东南向西北逐渐增加的空间分布特征，其中玛多县为干旱致灾危险性高值区，应重点加强干旱防范；（2）2003−2017年果洛州6个县牧草单产均呈波动上升趋势，其中班玛县牧草单产最高，15a平均单产为11126.67kg·hm⁻²；（3）果洛州牧草干旱指数（DI_q）与减产率（YLR_q）呈显著的线性相关关系，即YLR_q=0.311DI_q+0.035（P<0.050），干旱指数每增加一单位，牧草减产率增加0.311个百分点，当干旱指数为0时，其他因素导致牧草减产3.500%；（4）通过EasyFit软件筛选干旱指数概率分布最优模型，分别给出果洛州6个县牧草干旱指数的4种最优分布函数，即Gen.Pareto模型、Error模型、Johnson SB模型和Gen. Extreme Value模型，且Anderson Darling（A−D）检验统计量均小于0.3。果洛州各县牧草轻旱、中旱、重旱与特旱发生概率分别处于8.750%～30.350%、13.000%～34.530%、0～13.790%和0～0.820%；（5）果洛州牧草干旱天气指数保险产品在100%保障水平下，6个县纯费率在2.259%～3.748%波动，西北部玛多县的纯费率最高，为3.748%，东南部达日县纯费率最低，为2.259%，牧草干旱天气指数保险纯费率呈东南向西北逐渐增大的空间分布格局。根据果洛州牧草空间分布及干旱情况，建议保险纯费率较高的玛多县、玛沁县等地区可作为试点先行县，制定差异化保费财政补贴政策。

以北京房山区酿酒葡萄为研究对象，基于长时序酒庄酿酒葡萄物候期、品质指标、气象站观测数据等，利用层次分析法、逐步回归和多元回归等方法，分别建立酿酒葡萄品质评价指数和酿酒葡萄品质气象指数。应用概率最优统计法计算品质气象指数的分布特征，基于参数法厘定保险纯费率，设计开发房山区酿酒葡萄品质天气指数保险产品。结果表明：（1）北京市房山区酿酒葡萄总糖含量、糖酸比和pH值可较好地表征酿酒葡萄品质，对酿酒葡萄品质贡献权重分别为0.643、0.283和0.074，酿酒葡萄品质评价指数在0.099～0.905。（2）酿酒葡萄采收前20d日平均最高气温、全生育期总降水量、转色期平均空气相对湿度、转色期日平均降水量是影响酿酒葡萄品质的关键气象因子，基于逐步回归建立的酿酒葡萄品质气象指数与品质损失率具有一致性，酿酒葡萄品质气象指数影响品质损失率的系数为100.38（P<0.001）。（3）Johnson SB分布为北京市房山区酿酒葡萄品质气象指数的最优分布模型，酿酒葡萄品质气象指数保险产品纯费率为11.75%。未来可根据保险公司实际需求和风险测算情况，通过设置相对免赔率或费率调整系数解决因气候变化带来的盈亏平衡问题。

中国发展海上风电面临风速偏小导致发电量减少的风险，给运营及投资方带来损失。本研究基于ERA5风场数据，评估中国近海风资源波动风险，设计海上风电发电量指数保险，并检验其效果。结果表明：（1）中国近海风资源以台湾海峡最高，东海及南海开阔海域优于渤海湾及北部湾区，且秋、冬季较春、夏季更为丰富。（2）近海风资源偏小事件的发生率随时间呈上升趋势。东海南部和台湾海峡发生频率最高，并由开阔海域向陆地逐渐减小，南海北部由西向东逐渐增大。波动强度在近海各岛屿的西侧较大。（3）发电量下行波动风险以台湾海峡最高，南海东北部和北部湾次之，黄海及东海北部、东海南部和南海西北部最小。（4）海上风电发电量指数保险以月实际发电量为指数，可有效反映风资源的月尺度差异，根据超越概率设置不同的月赔付触发阈值，提供不同风险保障程度的保险方案。费率厘定中考虑了管理低频高损事件风险所增加的保险成本及不同地域间的风险差异。月赔付触发电量取95、93和90超越概率水平时，其保障程度自低到高，对应的保险费率分别为7.045%、7.384%及8.685%。该保险产品可通过损失补偿及提高收入下限，稳定风电场收益，有效管理风资源波动风险。

利用2008−2019年浙江省杭州市春季（2−4月）逐日探空资料和欧洲中期天气预报中心第五代再分析数据集（ERA5），分析逆温层的时空分布特征、量化垂直空间基差风险，为优化茶叶气象指数保险方案设计、约定测站选择及向茶农宣导逆温层现象提供理论依据。结果表明：（1）现有气象站在垂直方向的分布密度尚不能覆盖参保区域的整体风险性，即使约定测站与参保标的距离相近，也会因海拔差、逆温层等原因导致垂直基差风险。（2）杭州地区2月逆温层厚度和强度高于3月、4月，2月开采的早生茶树品种需谨慎选择约定测站以降低基差风险。（3）气象指数厘定灾损和实际灾损存在差异，处于逆温层的参保户可能面临较大垂直空间基差风险，需建立基于海拔的精细化理赔产品，依海拔进行投保及理赔，从而降低垂直空间基差风险。

广东台风灾情数据未按灾因统计风雨灾损，是影响台风巨灾指数保险基差风险的原因之一。为降低基差风险，本文提出一种分离台风风雨灾损的方法。基于广东沿海9个地市36个县（区）2014−2022年台风灾情数据，选取风、雨指标，采用多元回归方法构建台风风雨灾损分离模型，分离各县（区）台风灾情统计数据中因风、雨的灾损，并以江门台山市和潮州湘桥区的台风观测数据和直接经济损失数据为例进行模型验证。结果表明：建模之初通过线性相关分析可消除或降低多重共线性对回归方程的影响，但可能导致部分有效信息丢失。伽马分布能很好地拟合广东台风风雨及其灾损的分布规律；在显著性水平为0.05时，36个县（区）中有22个县（区）灾损分离通过检验；构建模型能有效分离台风灾情统计数据中的因风、雨灾损，为台风灾情数据的灾因归类分析提供参考。

利用1990−2020年渭北地区23个区县国家气象观测站气象数据、春玉米产量和生育期资料，选择干旱对春玉米产量有明显影响的特定生育期建立干旱指数与减产率关系模型，在此基础上设计渭北地区春玉米干旱天气指数保险产品并开展定价研究，利用干旱危险性评估结果修正保险费率以降低基差风险。结果表明：（1）渭北地区春玉米需水关键期为出苗−乳熟期，该时期干旱指数（I）与减产率（D）呈显著线性关系D=0.383I−3.959（P＜0.05）。（2）渭北地区春玉米出苗−乳熟期降水量由西北向东南递减，干旱危险性由西北向东南递增，东南部干旱危险性高于西北部。（3）基于干旱减产率模型和实际保险条例，以干旱指数40%作为赔付触发值，确定了不同干旱天气指数赔付标准，基于干旱危险性评估结果修正后渭北各区县春玉米干旱天气指数保险费率在6.9%～8.9%，保费为每公顷375～480元。本研究结果可为渭北春玉米天气指数保险产品设计、定价和有效降低基差风险提供科学参考依据。

天气指数保险因其信息透明，赔付便捷，已成为农业气象灾害风险转移的重要手段之一。本研究以湖南辰溪县为例，基于2009-2020年逐日最低气温数据和油茶产量数据，选取油茶开花-幼果形成期（11月-翌年4月）极端最低气温T_c和＜0℃负有效积温TT，确定油茶冻害指数并构建指数-灾损模型。采用Anderson-Darling检验获得油茶冻害风险的最优概率分布模型，确定不同减产率对应的纯费率以及赔付标准，利用2022年2月中国太平洋财产保险股份有限公司湖南分公司实际赔付情况进行验证。结果表明：油茶开花-幼果形成期11月-翌年4月＜0℃负有效积温TT相较于T_c与油茶减产率的相关性更高，用于表征辰溪县油茶冻害气象指数；油茶冻害风险分布符合位置参数为2.537，尺度参数为0.323，阈值参数为−1.805的3参数对数Logistic分布；当赔付触发条件＜0℃负有效积温为2.1～20.8℃·d时，纯费率厘定为0.85%～7.85%，各级减产率对应的赔付标准为3750～48750元·hm⁻²；计算后2022年2月辰溪县各油茶主产乡镇平均赔付额（5000元·hm⁻²）与中国太平洋财产保险股份有限公司湖南分公司实际赔付额（4954元·hm⁻²）基本吻合。在湖南油茶开花-幼果形成期冻害对油茶产量影响基础上设计的油茶冻害天气指数保险，可为湖南建立和完善油茶保险体系提供参考。

为应对气候变化、适应城市发展和降低城市气象灾害风险，基于石家庄市内四区2008-2018年气象灾害保险理赔资料、地面气象观测资料，利用统计学方法，分析城市暴雨致灾理赔数量的变化特征及致灾因子，以致灾因子为自变量、理赔数量为因变量构建暴雨致灾理赔数量模型，利用F检验、方差分析及2019-2021年实际案例检验模型可行性，最后基于关键气象因子划分暴雨致灾理赔的风险等级阈值。结果表明：暴雨是导致2008-2018年石家庄市内四区气象相关保险理赔的主要灾害，暴雨致灾理赔数量呈逐年显著增加趋势；利用一元或多元线性回归分析方法建立5种暴雨致灾理赔数量模拟模型，检验后确定最大小时雨强是影响石家庄市内四区暴雨致灾理赔数量的关键因子；以最大小时雨强作为风险指标，将暴雨致灾理赔风险划分为轻、中、重和特重4个等级。在此基础上，后期通过开发城市保险行业暴雨风险监控系统，可基本满足行业的风险监控预警服务需求，为推动保险行业“防重于赔”的风险减量服务提供技术支撑。

基于历史灾情数据细化修订黄山市茶叶霜冻害气象指标，应用ANUSPLIN插值软件，建立基于地形的黄山市茶叶霜冻害指标模型；基于历史气象观测数据，借助地理信息系统，开展黄山市精细化茶叶霜冻害风险评估；以黄山毛峰茶叶为研究对象，综合考虑霜冻害风险评估结果和茶叶经济产出，确定茶叶霜冻害保险区域和可保时段，计算不同时段不同海拔黄山毛峰茶的霜冻害天气指数保险纯费率。结果表明：黄山市茶叶霜冻害辨识阈值为极端最低气温（T_d）3℃，按间隔1℃划分为2℃<T_d≤3℃、1℃<T_d≤2℃、0<T_d≤1℃、−1℃<T_d≤0、−2℃<T_d≤−1℃、−3℃<T_d≤−2℃和T_d≤−3℃共7个霜冻灾害等级，对应茶芽平均损失率分别为5%、15%、25%、35%、50%、70%和90%。黄山市茶叶霜冻害风险地域特征明显，海拔越高霜冻害风险越高，随时间推移，灾害风险表现为波动降低趋势。黄山毛峰茶叶霜冻害天气指数保险区域为海拔400−1000m，可保时段为3月16日−4月15日，极端最低气温达2℃触发赔付。可保时段海拔400−500m、500−600m、600−700m、700−800m、800−900m和900−1000m保险区域内黄山毛峰茶叶霜冻害天气指数保险纯费率分别为1.4%、1.9%、2.7%、3.7%、4.9%和6.4%。3月16日−3月30日、3月21日−4月4日、3月26日−4月9日和3月31日−4月15日4个保险时段保险纯费率分别为1.2%～5.0%、0.9%～3.8%、0.6%～2.2%和0.3%～1.5%。黄山毛峰茶叶霜冻害天气指数保险纯费率随海拔升高呈增加趋势，随时间推迟呈下降趋势。