生长期气候变化对中国主要粮食作物单产的影响，本文主要内容关键词为：单产论文,粮食作物论文,生长期论文,中国论文,气候变化论文，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。
一、问题的提出
全球气候变化已成为不争的事实，联合国政府间气候变化小组(IPCC)的最新研究表明，过去100年间(1906-2005年)全球变暖趋势为0.74℃，这比该组织第三次评估报告(Houghton et al.，2001)中指出的自1861年以来全球表面年平均温度上升0.6℃还要高。过去50年全球变暖趋势是每10年升高0.13℃，几乎是过去100年来的两倍。仅将2001-2005年与1850-1899年相比，温度就升高了0.76℃。近100年来，中国地表年平均温度显著升高，升温幅度约为0.5℃～0.8℃，比同期全球地表年平均温度升高的平均幅度(0.6℃±0.2℃)稍高。升温较明显的两个阶段分别是20世纪50年代和20世纪末，且增温情况主要发生在冬季和春季。近半个世纪以来中国平均地表温度上升1.1℃，升温幅度为0.22℃/10年，明显高于北半球同期增温速度。本文研究利用气候变化线性趋势分析的相关公式①对中国近34年(1975-2008年)的气候变化线性趋势做了详细分析，并利用地理信息系统(GIS)输出中国各省(区、市)的气温、光照和降水因子的变化趋势图②。从该趋势图可以看出，34年来中国北方地区普遍升温，西南地区和长江中下游部分地区则出现降温现象，丁一汇(2006)研究认为，中国青藏高原在过去近100年内升温显著。气温升高带来了作物生长期的普遍延长，尤其是中国北方地区作物生长期延长更加明显。
近百年来，中国年均降水量波动幅度增加。从20世纪60年代开始，全国降水逐渐呈增加趋势，自1990年以来，多数年份降水量的变化幅度高于往年。从全国年均降水趋势图可以看出，34年来全国降水量存在着明显的区域性变化特征，新疆、吉林、四川和广西是降水增加最显著的地区，而华北地区和长江中下游部分地区降水则存在明显减少的趋势。日照时数变化趋势与降水变化趋势大致相同，但变化幅度稍大，全国年均日照时数减少5%左右，但各地区变化情况不同：减少最明显的地区是华东地区和西南地区，例如山东、江苏、江西、四川、云南、贵州和重庆，此外，青海平均日照时数也有明显减少的趋势。
农业是国家的基础性产业，在国家经济发展中起着不可替代的作用，然而，农业生产过程对自然资源的依赖性使得农业尤其是粮食生产不可避免地要受到气候变化的重要影响，气候变化正通过影响土壤中含水量和养分的变化，影响着作物生长期内的生态变化，最终影响其产量。全球气候变化对粮食作物的影响究竟是利大还是弊大一直是研究的热点问题。在自然科学领域，一些学者使用GCM(general circulation model)研究了气候变化对中国粮食作物产量的影响程度，得出气候变化对粮食作物产量具有负面影响的主要结论(例如金之庆，1991；林而达等，1997)；而高素华等(1991)则得出全球气候变暖对中国粮食产量的影响以正面为主的结论；有些学者利用CERES(crop environment resource synthesis)模型模拟气候变化对中国粮食作物产量的影响，得出气候变化对于粮食作物产量同时具有上升和下降两种影响的结论：熊伟(2009)在不考虑CO[，2]肥效的作用下发现，温度升高将导致中国三大粮食作物单产水平持续下降；而许吟隆(1999)在考虑CO[，2]肥效的作用下发现，温度升高将可能使中国主要粮食作物产量不同程度地增加。
目前，从社会科学尤其是经济学资源配置的角度研究气候变化对农业生产影响的主要方法之一是使用生产函数模型，采用历史数据对已经发生的现象进行经济学分析。You et al.(2005)使用面板数据研究了1979-2000年间中国小麦产量与气候变化之间的线性关系，得出气温每升高1℃，中国小麦总产量将减少1.5%～5.4%的结论。Lin et al.(2011)使用了农户数据，运用非线性生产函数模型分别研究了气候变化对中国主要粮食作物产量的影响，他们的研究表明：温度、降水和平均日照时数变化对小麦产量变化的弹性分别为-0.76、0.66和-0.38，对水稻产量变化的弹性分别为-2.61、-1.72和0.59，对玉米产量变化的弹性分别为3.14、1.64和-0.60。
上述自然科学领域和社会科学领域的研究充分运用了其学科知识特点对气候变化问题进行了深入探讨，但仍然存在继续拓展的空间。一方面，从自然科学的角度研究气候变化问题始终无法脱离实验研究控制了许多农业生产过程中必然生产条件(例如气候变化中农户的适应性行为)的影响这一特点，从而往往高估气候变化对农业生产的影响；另一方面，从社会科学的角度研究气候变化的影响虽然将实验室搬到现实生产过程中克服了实验方法脱离现实的问题，但是，在实证研究过程中笔者发现：作物生长期内的气候变化情况较年均和四季的气候变化情况对作物单产的影响更为明显，而且气候变化对作物单产的影响也并非是线性的。因此，区分不同作物品种生长期内的气候变化，以及使用非线性形式的生产函数模型研究气候变化与作物产量的关系，将对得到相对准确的结果起到重要作用。
为探究作物生长期内气候变化对中国主要粮食作物产量影响的具体情况，本文试图结合自然科学领域的已有研究结果，从经济学的角度考察作物生长期气候变化对粮食单产的影响方式。本文对研究做如下假定：在市场条件充分的情况下，长期内③气候变化改变了作物生长的条件，使得农民生产成本发生变化，农民将对各种生产要素进行有效配置，通过改变劳动、土地和资本的投入来实现利润最大化。本文将作物生长期内气候变化引入超越对数生产函数模型，在考虑到农民应对气候变化的适应性行为的基础上，客观评价作物生长期内气候变化对中国不同地区主要粮食作物单产的影响程度。
二、超越对数生产函数模型与数据
(一)超越对数生产函数模型
Cobb-Douglas生产函数模型自20世纪30年代问世以来，对于描述生产要素和产量之间的关系起到重要作用。作物生长过程是光、温、水、气等因素相互作用的结果。气候因素与劳动、资本、土地不同，这些因素不是生产要素，却会影响生产要素的使用效率。本文将气候因素作为外生变量引入超越对数生产函数模型，用以估计各种气候因素对粮食作物产量的影响程度。模型形式如(1)式所示：
首先，本文假定作物单产是各种物质投入要素、技术、管理、土地质量和气候因素的函数，其中，气候因素不是生产要素，但是，它影响生产要素投入的数量。这个单产方程最初的解释变量包括土地、劳动④、种子、化肥、农药、机械、灌溉等物质投入要素⑤；其次，模型包括时间趋势变量，这一变量用来测量技术进步的程度；最后，本文研究的重点——气候因素则包括作物生长期内的月平均气温、降水和日照时数。对于众多物质投入要素，为简化模型形式，本文认为，气候因素会影响物质投入要素的数量和质量，因此，本文将物质投入要素以单位土地面积上的金额形式年消除通货膨胀因素后代入模型。由于资料限制，本文将种子、机械、灌溉、农膜等金额合并后记为“其他物质投入要素”代入模型。
此外，本文认为，地区的地理特征和气候因素对作物单产具有交互影响。一般而言，一个地区的土壤条件、灌溉条件和气候条件好，对当地作物单产具有正向影响；同时，如果土壤条件和灌溉条件好，那么，气候因素对单产的影响就更大。因此，本文以地区虚拟变量作为土壤和灌溉条件等的替代变量，并用气候因素与其逐个相乘形成交叉变量，将它们作为一组解释变量代入模型。
本文根据自然科学领域关于气候因素对粮食作物单产的已有研究结果⑥建立气候—单产模型，如(5)式所示：
(6)式中，下标i代表气候因素。
(二)数据来源
本文选取1975-2008年间中国29个省(区、市)⑧不同农作物生长期内的月平均气温、降水和日照时数作为影响作物产量的气候因素，这些数据来源于中国国家气象局地面国际交换站的气候标准值⑨。温度、降水和光照气候因素的标准值计量单位分别为℃/月，毫米/月，小时/月。其中，水稻主要指包括中稻和粳稻在内的一季稻，生长期在4月到10月之间。小麦分为冬小麦和春小麦，其中，冬小麦的生长期为前一年9月到当年6月，春小麦的生长期为当年3月到8月。玉米分为南玉米和北玉米，其中，南玉米的生长期为2月到8月，北玉米的生长期为4月到10月。同时，为尽量减少由于统计口径不一致对结果造成的偏差，本文选取的数据以1975-2008年《全国主要农产品成本收益资料汇编》中主要粮食作物的相关数据为主，分别选取分省份的一季稻(包括中稻和粳稻)、小麦和玉米的每亩产量、每亩用工量，每亩化肥用量、每亩种子用量和每亩灌溉用水量并折算成金额作为投入要素，以上数据均已消除通货膨胀因素。本文使用的气候因素数据来源于国家气象局206个气象站点的逐月数据，并利用GIS软件对数据进行分省份处理。同时，为了减少气象因素与种子、化肥和降水等投入之间的相关性，并符合气象学对气候变化程度的测度方法⑩，本文按照(7)式对数据进行标准化处理：
三、生长期气候变化对主要粮食作物单产影响的估计结果
(一)生长期气候变化对粮食单产影响模型估计结果
首先，本文通过引入时间趋势变量来检验技术进步对粮食单产的影响；其次，通过对每种粮食作物单产引入地区虚拟变量以及地区虚拟变量与气候因素的交叉项来检验不同地区之间气候因子对粮食作物单产影响的差异，通过Hausman检验确定选择随机效应模型还是固定效应模型，本文最终得出固定效应模型优于随机效应模型的结论。是否遗漏重要解释变量是本文考察的另一个问题，即影响作物单产的因素中一些与气候相关的变量(例如病虫害、土壤侵蚀程度等)可能被遗漏在模型之外。本文采用Ramsey(1969)的RESET检验方法对回归模型设定形式进行误差检验，检验结果表明：误差项和异常值的正态分布假设以及线性假设通过了检验(p＞0.20)，因此，本文可以认为在该模型中没有遗漏重要解释变量。当然，本文使用超越对数生产函数模型并非能够圆满地解释气候变化对粮食作物单产的影响，不得不承认该模型的回归结果还存在许多有待改进的地方，比如，从结果看，气候因素并非对南玉米的单产有显著影响，这可能与样本数量和数据质量有很大关系。固定效应模型的回归结果如表2所示，根据回归结果得出生长期内各种气候变化距平对不同粮食作物单产的影响，如表2所示，春小麦生长期气候—单产模型中解释变量对其单产变化的解释力度最高，达到74.8%，其他模型中解释变量对粮食单产变化的解释力度也均在55.1%以上。
(二)生长期气候变化对粮食作物单产的影响
从表2的估计结果可以得出以下结论：
从气温变化来看，首先，作物生长期气温升高对所有粮食作物单产均具有负向影响，且对北玉米单产影响的显著性水平达到1%。其次，气温变化二次项对春小麦、北玉米和一季稻单产均具有显著负向影响，这说明，气温变化对这几种粮食作物单产影响具有最大值，影响形式为“倒U型”曲线，这与人们通常认识的情况相符。此外，在地区层面可以看出，气温变化对华中地区、西北地区和东北地区春小麦单产具有显著的正向影响，同时，气温变化对华中地区北玉米单产和西北地区的一季稻单产具有显著的正向影响。
从降水变化来看，首先，作物生长期降水量增加对冬小麦、北玉米单产具有显著的正向影响，其中，对北玉米单产影响最大；相反，降水增加对春小麦单产则具有显著的负向影响。其次，考察降水变化二次项对各种粮食作物单产的影响程度，本文发现，降水变化二次项对北玉米单产具有显著的负向影响。此外，从地区层面看，降水增加对西北地区春小麦单产具有显著的正向影响，而对华南地区冬小麦单产具有显著的负向影响。
从日照变化来看，作物生长期内平均日照时数变化的二次项对粮食作物产量具有负向影响，且对北玉米和一季稻单产影响显著。此外，从平均日照时数变化与各地区的交叉项可见，平均日照时数增加对东北地区春小麦单产具有显著的负向影响，而对华南地区冬小麦单产具有显著的正向影响。
(三)生长期气候变化对粮食作物单产的边际影响
本文使用1975-2008年面板数据和作物生长期气候因素标准差计算出气候变化对各地区不同作物单产的边际影响(如表3所示)。
过去34年中，在其他因素不变的情况下，生长期气候变化对粮食作物单产的影响主要有以下三个方面：
第一，一季稻生长期内气温升高导致其单产在全国各地区普遍减少。从地区层面上看，月平均气温每升高1℃，华中地区、西北地区、东北地区和华南地区一季稻单产分别减少0.14%～0.26%不等。春小麦生长期内气温升高导致其单产略微增加。从地区层面上看，月平均气温每升高1℃，华中地区、西北地区、东北地区和华南地区春小麦单产分别增加大约0.04%。而冬小麦生长期内气温升高导致其单产下降。从地区层面上看，月平均气温每升高1℃，华中地区、西北地区和华南地区冬小麦单产下降0.2%。北玉米生长期内气温升高导致其单产下降。从地区层面上看，月平均气温每升高1℃，华中地区、西北地区北玉米单产下降0.2%左右，东北地区北玉米单产下降0.1%左右。
第二，春小麦生长期内降水量增加导致其单产微弱减少。从地区层面上看，月平均降水量每增加10毫米，华中地区、西北地区、东北地区和华南地区春小麦单产普遍减少0.01%～0.02%。冬小麦生长期内降水量增加导致其单产增加。从地区层面上看，月平均降水量每增加10毫米，华中地区、西北地区、东北地区和华南地区冬小麦单产普遍增加0.05%左右。北玉米生长期内降水量增加导致其单产减少。从地区层面上看，月平均降水量每增加10毫米，华中地区、东北地区和西北地区玉米单产普遍减少0.04%左右。
第三，一季稻生长期内日照增加对其单产的影响在不同地区有所不同。具体而言，月平均日照时数每增加10小时，华中地区一季稻单产下降0.003%，而西北地区、东北地区和华南地区单产分别上升0.0030%～0.0047%不等。冬小麦生长期内日照增加对其单产的影响在不同地区也有所不同。具体而言，月平均日照时数每增加10小时，华南地区冬小麦单产上升0.03%，而华中地区和西北地区冬小麦单产则分别下降0.09%和0.03%左右。玉米生长期内日照增加对其单产的影响在不同地区同样有所不同。具体而言，月平均日照时数每增加10小时，华中地区、西北地区和东北地区北玉米单产普遍上升0.03%左右，而华南地区南玉米单产则下降0.01%。
四、主要结论及政策启示
本文运用日照、气温、降水等方面的气候变化数据研究了作物生长期内气候变化因素对中国主要粮食作物水稻、小麦和玉米单产的影响情况，并在此基础之上，从地区层面更加细致地分析了各个地区气候变化对粮食作物单产的影响程度。本文得出的主要结论有以下三点：
第一，总体来看，作物生长期内气温升高对粮食作物单产的影响呈现“倒U型”曲线形式。气温升高使北玉米单产下降，同时，也使华中地区、西北地区、东北地区春小麦和华中地区北玉米单产上升。此外，气温升高对不同品种粮食单产的边际影响不同。气温升高对春小麦单产的边际影响为正，对一季稻、冬小麦和北玉米单产的边际影响却为负。
第二，总体来看，作物生长期内降水量对不同地区、不同作物而言并非越多越好。降水量增加对冬小麦和北玉米单产的影响为正向，同时，对西北地区春小麦单产的影响也为正向，但对华南地区冬小麦单产的影响为负向。此外，作物生长期内降水量增加对各地区冬小麦单产的边际影响为正，而对各地区北玉米单产的边际影响为负。
第三，作物生长期内日照增加通过地区因素对粮食单产产生影响，而且，这种影响在不同品种粮食作物上表现出差异性。日照增加对华南地区冬小麦单产具有正向影响，但对东北地区春小麦单产具有负向影响。此外，平均日照时数增加对华中地区一季稻单产的边际影响为负，对西北地区、东北地区和华南地区一季稻单产的边际影响却为正；平均日照时数增加对华中地区和西北地区冬小麦单产的边际影响为负，而对华南地区冬小麦单产的边际影响为正。
由于中国主要粮食生产基地北移至水资源较缺乏的地区，因此，气候变化将通过水资源短缺对中国农业生产产生一定影响，据估计，未来气候变化将使3500万农民可能损失50%以上的收入(11)。根据本文研究结论，虽然中国全年平均日照时数总量、春夏季节平均温度和降水总量均对粮食作物增产有利，但是，气候因素具有时间和空间分布不均匀的特征，因而不能使粮食单产在全国范围内普遍增加，进而影响农民增加粮食作物播种面积的意愿，最终将对中国粮食总产量产生影响。因此，根据全国光热资源空间分布格局充分利用各地区的光热资源，完善农业基础设施，尤其是农田水利设施，实行科学的田间管理方式，调节物质投入要素的数量和质量，将在一定程度上减少气候变化对粮食作物产量的负面影响。
注释：
①气候变化线性趋势分析方法是指以随时间变化的一系列气候数据构成一个气候时间序列，这个序列具有随时间变化，并在整体上有某种上升或下降的趋势。
②由于这几幅图为彩色图，限于印刷条件未在本文中给出——编者注。
③根据Mendelsohn et al.(1994)的研究，这里所指的长期超过30年。
④劳动投入的概念包括数量和质量两个方面，这里所指的劳动投入质量是投入在农业生产中的有效劳动，这一因素影响劳动生产效率。
⑤物质要素投入包括种子、化肥、机械、灌溉等，和劳动投入一样也包括数量和质量两个方面，因而用金额表示，并消除通胀因素。
⑥参见刘昌明等(2005)对于小麦水分生产函数及其效益的相关研究结论。
⑦本文根据USDA(1996)对粮食作物产地的划分来确定本研究中粮食作物的分布。
⑧本文所指的29个省(区、市)包括除海南省、西藏自治区、香港特别行政区、澳门特别行政区和台湾省以外的其他地区。
⑨中国国家气象局地面国际交换站气候标准值来自中国国家气象局网站(http://www.cma.gov.cn)。
⑩本文判断气候变化状态的统计方法是计算气候变量偏离正常情况的距平，并用距平除以气候变量的标准差来衡量本本研究中气候的“变化”程度。参见魏凤英(2007)。
(11)数据来源：根据陈锡文在2010年9月25日在“第一届全国农林高校哲学社会科学发展论坛”上所做的特邀报告讲话整理。