基于空间模型的全球粮食安全评价，本文主要内容关键词为：粮食论文,模型论文,安全评价论文,全球论文,空间论文，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。
修订日期：2009-12-23
1 引言
粮食是人类生存之根本，粮食安全是每个人应该享有的基本权利。1974年，联合国粮食与农业组织(FAO)首先提出了“粮食安全”的概念，即“保证任何人在任何时候都能得到为了生存和健康所需要的足够的食品”。1983年，FAO通过了总干事萨乌马提出的粮食安全概念，即“确保所有人在任何时候既能买得到又能买得起他们所需要的基本食品”[1]。1996年，在《粮食安全罗马宣言》中，FAO又对粮食安全内涵作了第三次表述：“让所有人在任何时候都能在物质上和经济上获得充足的、安全的和有营养的食物，来满足其积极和健康生活的膳食需要及食物喜好”[2]。从此定义可看出，粮食安全包括粮食供给性、粮食可获取性和粮食利用性等方面的具体指标。粮食供给性指确保生产足够数量的粮食，粮食可获取性是确保所有需要粮食的人都能获得粮食，粮食利用性是确保消费者充分消费和吸收食物的营养成分。近年来，随着气候变化研究的不断深入，粮食稳定性(即最大限度的稳定粮食供应)也被认为是粮食安全的重要内容[3]。
虽然目前人类所处的时代比任何历史时刻都发达，社会文明程度更高，但多种困扰粮食安全的因素依然存在，使得全球仍然有相当数量人口面临着粮食危机。据FAO统计，2002-2004年期间，全世界约有8.6亿人口(约占世界总人口的14％)处于饥饿之中[4]。全球诸多国家，尤其是很多发展中国家正以不同方式抗争着粮食危机。联合国2000年公布的“新千年人类发展目标”中明确提出将消除贫困和饥饿作为其任务目标之一，并计划将饥饿人口总量减少到现有水平的一半[5]。总的来说，实现粮食安全目标需要更多目标明确的资金投入、技术创新和政策响应，着重解决农业科技能力、人力资源、基础设施、水土高效资源利用和管理等方面的问题[6]。但这些都需要建立在一个科学的、合理的粮食安全评价体系之上。粮食安全评价因此成为各国政府和国际社会高度关注的重大问题。
国内外很多学者从作物单产或粮食生产水平变化角度进行了粮食安全评价研究[7-9]，尤其注重分析气候变化[10-13]或土地利用变化[14-16]对粮食供给能力的影响作用。虽然这些已有的粮食安全评价研究取得了一定的成果，但其具有明显局限性。侧重粮食供给能力的粮食安全评价仅对粮食安全进行了部分评价，评价结果实用性不够，因为粮食安全除包括粮食供给性，还包括粮食可获取性、稳定性和利用性等特征。此外，这些已有研究多以一定面积的行政单元为评价对象，小到一个县市[17-18]，大到一个区域[19-20]或一个国家[21-22]，其明显不足是忽略了评价单元内部的异质性和粮食安全状况的差异性，评价结果较粗，空间定位能力低。因此，开展空间显性粮食安全评价研究十分必要。本研究拟构建适宜的粮食安全评价指标，覆盖粮食安全更多范畴，基于地理信息系统(GIS)构建空间模型，以此来空间显性评价全球粮食安全状况。
图1 粮食安全评价总体框架
Fig.1 General framework for assessment of global food security
2 研究方法
2.1 总体框架
本研究中粮食安全评价的总体框架如图1所示。该框架综合考虑了自然、社会和经济等因子对粮食安全的影响作用，选择粮食生产、人口和国内生产总值(GDP)分别描述自然、社会和经济因子。粮食生产作为一个自然因子，是影响粮食供给的最基本因素；人口作为一个社会因子，是推动粮食需求变化的最重要因素；作为一个经济因子，GDP直接决定着粮食需求者或消费者的购买能力。某一国家或地区的人口增长总是会带来粮食需求增长，这种粮食需求既可以通过该国家或地区的粮食生产自给予以满足，也可以通过外部购买或粮食进口得到解决。如果该国家或地区的购买力严重不足，其粮食供给很大程度上依赖于该国或该区域的粮食生产能力。对于无粮食生产优势的国家或地区，由于其内部粮食供给能力往往不能满足其人口的粮食需求，其粮食供给则主要依赖从外部购买或输入来实现。因此，这3个因子交互作用，影响粮食供求关系，综合决定粮食安全状况。
基于上述考虑，本研究选择了人均粮食占有量和人均GDP两个指标来描述粮食安全状况。人均粮食占有量可以描述粮食供给性和稳定性状况，人均GDP则可以反映粮食可获取性状况，两者一起综合决定一个国家或地区的粮食安全状况。如图1所示，人均粮食占有量受粮食生产能力和人口状况影响，其中粮食生产能力主要取决于作物单产水平和作物播种面积；而人均GDP则由总GDP水平和人口状况决定。为获取这两个指标的空间特征，本研究构建了3个模型，即空间EPIC(Environmental Policy Integrated Climate)模型、作物选择模型和IFPSIM(International Food Policy and Agricultural Simulation Model)模型，分别模拟作物单产水平、作物播种面积和作物价格与贸易变化。
2.2 模型构建
2.2.1 空间EPIC模型 EPIC模型原名Erosion Productivity Impact Calculator，系美国农业部农业研究中心最初于1984年开发推出的研究土壤侵蚀与作物单产关系的作物生长模型，近年来被更名为“考虑气候的作物环境决策模型”(Environmental Policy Integrated Climate)。通过输入温度、降水、土壤养分，以及不同作物参数等数据，EPIC模型能准确模拟不同生长环境下的作物单产水平，已经被应用于全球150多个样点10多种作物的单产研究[23]。通过与GIS的集成，空间EPIC模型能被应用于区域甚至全球农作物单产模拟研究[24]。
本研究中空间EPIC模型的主要功能是模拟一定自然生态环境和农业耕作管理条件下作物单产水平。EPIC模型中，每日的太阳辐射变化、土壤和植被体内水分含量、氮磷胁迫、人工田间管理等都通过模型中各种机理或经验公式定量反映在逐日LAI(叶面积指数)变化曲线上，并进一步通过作物吸收光合有效辐射和逐日生物量等参数影响，最终形成作物单产。其中计算公式如下[23]：
式中：LAI为作物叶面积指数，RA为冠层入射太阳总辐射，IPAR为作物吸收光合有效辐射，t为作物生长日数，BE为作物能量物质转换系数，REG为逐日最大胁迫系数，是所有影响作物同化作用因子的集合，包括温度胁迫、水分胁迫、氮素胁迫等，BAG为作物地面生物量比例系数，HI为收获系数，YLD为作物单产。
2.2.2 作物选择模型 作物选择模型由吴文斌等研制[24,25]，其主要功能是模拟作物播种面积时空动态变化。模型假设为：作物播种面积是作物选择行为的直接结果，作物选择行为的时空变化会驱动作物播种面积发生时空变化；选择何种作物进行播种是由作物效用大小决定的，即，在众多可选的作物中，效用最大的作物将最终被选择耕作[26]。根据该模型，在某一模拟年份，根据不同区域的种植栽培制度确定可供选择的作物类型，然后分别计算作物效用的大小并依据其选择播种作物，最后依据选择的作物类型计算该年份各类作物的播种面积和空间分布。
这类决策问题或选择问题通常是决策者依据自身的策略或规则从几个可供选择的方案中做出自己的选择，这些方案用离散的数据来表示。以这样的决策结果作为被解释变量所建立的模型，称为离散选择模型。由于离散选择模型的被解释变量为非线性，因此往往需要将其转化为效用模型进行估计。常用的效用模型为Probit模型和Logit模型。由于Logit模型所假设的随机效用分布形式更适合于效用最大化时的分布选择，所以Logit模型应用最为广泛。本研究采用多元Logit模型来构建作物选择模型，其基本形式为[26,27]：
图2 IFPSIM模型框架
Fig.2 Framework of IFPSIM model
2.2.3 IFPSIM模型
IFPSIM模型是由日本国际农林水产研究中心开发的局部均衡模型，是一个多农产品、多区域和多时段的世界农业粮食政策模拟模型，可以动态模拟全球31个区域的14种农产品的供求、贸易和价格变化[28]。本研究中，IFPSIM模型主要用来分析研究作物贸易和价格变化。
IFPSIM模型框架如图2所示。一个国家或区域的粮食需求由口粮消费需求、饲料用粮需求、工业用粮需求和其他用粮需求等组成，其中口粮消费需求主要由人口、收入水平和消费者价格等因素决定。一个国家或区域的粮食总供给由作物供给和牲畜产品供给组成，其中作物供给由作物面积、作物单产和生产者价格决定。一个国家或区域的粮食总需求和总供给关系，以及历史库存量，决定其粮食净进出口量(或调入与调出量)。在国际农产品市场，世界粮食总需求或供给是每个区域粮食需求或供给的汇总之和，农产品出清价格由该产品全球总供给量等于总需求量时的价格水平决定的，也就是需求曲线和供给曲线相交的价格[28]。
2.3 全球粮食安全评价
基于前述的研究框架和构建的空间模型，以网格大小为6分弧度的地理单元为评价对象，选择2000年为初始年份，对未来2020年的全球粮食安全状况进行评价。根据FAO统计资料，水稻、玉米、小麦和大豆等4类作物是全球主要作物类型，其播种面积之和约占全球作物播种面积的80％。因此，本研究将主要考虑这4类作物。
首先，根据空间EPIC模型模拟的作物单产水平和作物选择模型模拟的作物播种面积，计算得到每个网格单元内每类作物产量，汇总得到网格内4类作物的粮食总产量，进而利用如下公式计算2000-2020年期间粮食总产变化率(CR_p)：
式中：CR_p是粮食总产变化率，Y是作物类型i的单产，A是作物类型i的播种面积。
某一网格的CR_p值大于1表示2020年粮食总产将增加，小于1则表示粮食总产将减少。但是，粮食安全评价仅考虑粮食总产变化而忽略人口变化具有一定局限性。即便部分国家或地区的粮食总产没有减少，但如果考虑到同时期的人口增长状况，其人均粮食占有量可能减少。人均粮食占有量的增减取决于粮食产量变化与人口变化的对比，2000-2020年期间人均粮食占有量变化率(CR_a)计算如下：
式中：CR_a是人均粮食占有量变化率，Y是作物类型i的单产，A是作物类型i的播种面积，POP是总人口。
其次，由于人均GDP水平较大影响一个国家或地区从外部输入或购买粮食的能力，本研究进一步分析了2000-2020年期间每个网格内的人均GDP变化状况。首先计算了2000-2020年期间全球人均GDP变化率的平均值，然后分别计算每个网格人均GDP变化率和全球人均GDP变化率平均值的比值。某一网格比值大于1表示当该网格内未来人均粮食占有量减少时，其人口有更强的从外部购买粮食满足其消费需求的能力，这种购买力的增强可以在很大程度上弥补本地区粮食生产能力的不足。
最后，综合考虑人均粮食占有量变化和人均GDP变化，对2020年全球粮食安全状况进行评价。尤其分析研究两个指标值都减少的区域，其未来可能存在潜在的粮食危机和饥饿问题。
3 数据来源
模型运行需要的数据众多，包括空间数据和属性数据两类。其中，气候数据、土壤数据、人口数据和GDP数据等最为重要。历史和未来月气候数据(包括最高温、最低温和降水等因子)来自日本东京大学的MIROC(Model for Interdisciplinary Research on Climate)模拟数据。该模拟气候数据首先利用英国CRU(Climate Research Unit)观测数据进行了趋势校正；其次，为减少气候变化异常值的影响，分别计算1991-2000年和2011-2020年的10年平均值，作为2000年和2020年的气候数据。土壤理化参数主要包括土壤深度、土壤质地、pH、有机质含量、土壤黏粒含量、土壤砂质含量和土壤容重等，数据来源为FAO的全球土壤数据库。人口和GDP数据来源于奥地利国际应用系统分析研究所(IIASA)[29]。其余模型输入数据还包括全球道路通达度数据、全球灌溉面积分布数据、全球复种制度数据等，模型详细数据列表和模型验证结果详见吴文斌等研究成果[27]。
以上输入数据，尤其是空间数据，由于数据来源不一、数据格式和内容亦不同，必须经过加工处理后才能被模型利用。数据处理主要包括数据内容和数据格式处理。模型在全球尺度运行，输入数据必须覆盖整个全球范围，但考虑到全球南北半球的陆地分布和土地利用现状，以及减小模型计算量，模型剔除了南北两极的海洋和永久冰川覆盖区域，将模拟区域空间范围确定为：180°W～180°E，84°N～56.5°S，所有空间数据依据上述地理坐标进行处理。模型开发语言是C语言，所有计算基于GIS栅格数据进行，空间数据处理转化为栅格数据，存储为二进制格式；栅格数据分辨率为6分弧度，整个模拟区域共包括1405(行)×3600(列)个网格数据。属性数据和统计数据转换为文本格式，可以直接被C语言读取。模型输出文件格式和输入文件格式一样，空间数据为二进制格式，属性数据为文本格式。
4 结果与分析
4.1 作物单产和作物播种面积变化
图3描述了2000-2020年期间水稻、玉米、小麦、大豆等4类作物的单产变化状况。总体上看，在未来20年，除部分区域的作物单产变化不明显外，其余区域的作物单产具有显著变化，同一地区的不同作物单产和不同地区的同一作物单产水平变化趋势都不尽相司。由于空间EPIC模型假定未来农业生产技术以及管理与投入水平变化不大，因此，这种作物单产变化主要反映了未来气候变化对作物生长的影响。从图3可以看出，亚洲是世界水稻主要产区，印度北部、中国北部和日本的水稻单产将增加，东南亚和南亚地区的水稻单产呈减小趋势。玉米作物单产减少趋势十分明显，主要分布在中国西南和中部、欧洲西部、美国北部大平原和巴西南部等地区；但在中国北部、印度北部、美国中东部和阿根廷等国家或地区，玉米单产增加趋势明显。多数地区的小麦作物单产相对稳定，变化趋势不明显，但也有部分地区单产表现出明显的降低趋势，尤其以欧洲和北美为突出。阿根廷和中国北部的大豆单产有所增加，但巴西、中国南部和美国北部大平原的大豆单产将减少。
图3 2000-2020年全球四大作物单产变化空间分布，其中：(a)水稻；(b)玉米；(c)小麦和(d)大豆
(注：图例小于1表示作物单产降低(如图例0.5～0.75表示作物单产降低约25％～50％)，＞1表示作物单产增加。)
Fig.3 Changes in crop yields during 2000-2020 for(a)rice;(b)maize;(c)wheat; and(d)soybean(Note:The legend less than one means that crop yields will decrease between 2000 and 2020,more than one means that crop yields will increase between 2000 and 2020.For instance,the legend 0.5-0.75 means a reduction between 50％-25％)
图4 2000年和2020年4大作物播种面积空间分布
Fig.4 Global distribution of sown areas for major crops in(a)2000 and(b)2020
图4显示了2000年和2002年4大作物播种面积空间分布。总体上看，在未来20年内，水稻、玉米和小麦作物的全球总播种面积将增加，而大豆作物的全球总播种面积略有减少，不同作物面积变化速率不同。水稻、玉米和小麦作物的全球总播种面积分别从2000年的1.51、1.6和2.07亿
增加到2020年的2.04、2.08和2.51亿；大豆全球总播种面积在2020年达到0.86亿，较2000年减少约2％。图5反映了2000-2020年期间全球不同区域的4大作物播种面积变化，不同区域的作物播种面积变化差异明显。可以看出，各个区域的水稻、玉米和小麦作物播种面积都将增加，但增加幅度不一。尤其是，亚洲的水稻面积、非洲和拉丁美洲的玉米面积、亚洲和欧洲的小麦面积呈现显著的上升趋势。在大洋洲，小麦作物播种面积明显增加，其余3大作物播种面积变化基本保持不变。大豆播种面积在非洲、亚洲和北美洲地区将减少，在其他区域略有增长。
4.2 人均粮食占有量和人均GDP变化
图6显示了由式(5)计算的粮食总产变化率空间分布。可以看出，在未来20年，全球很多地区，如中国东南部、东南亚与南亚多数国家、欧洲东部与西部、美国北部大平原、巴西和非洲部分国家，水稻、玉米、小麦和大豆等4类作物的粮食总产将减少。这种总产量的减少主要和未来气候变化带来的作物单产水平的降低有关。相反，中国北部、印度北部、欧洲北部、美国中部、阿根廷、澳大利亚和部分非洲东部国家(如肯尼亚和津巴布韦等)的粮食总产量将呈增加趋势。如果考虑未来人口变化趋势，2000-2020年期间人均粮食占有量变化空间分布见图7。人均粮食占有量增加趋势明显区域主要分布在中国东北与西南、欧洲东部与南部、美国中部和巴西中部等国家或地区。同样，东南亚部分国家、阿根廷部分地区、非洲东南部和澳大利亚的人均粮食占有量也有增加。相反，在2000-2020年期间，中国华北与华南、多数东南亚与南亚国家、欧洲西部、美国大部、巴西南部、阿根廷大部和多数非洲国家等区域的人均粮食占有量将减少。
图5 2000-2020年全球不同区域的作物播种面积变化
Fig.5 Changes in sown areas of major crops in different regions during 2000-2020
图6 2000-2020年粮食总产变化空间分布
(注：图例小于1表示粮食总产降低(如图例0.5～0.75表示粮食总产降低约25％～50％)，大于1表示粮食总产增加。)
Fig.6 Changes in total food production during 2000-2020(Note:the legend less than one means that total food production will decrease between 2000 and 2020,more than one means that total food production will increase between 2000 and 2020.For instance,the legend 0.5-0.75 means a reduction between 50％-25％)
图8描述了人均GDP变化率和全球人均GDP变化率平均值的比值分布。结果显示，人均GDP变化率明显高于全球人均GDP变化率平均值的区域主要分布在发展中国家，如中国、部分东南亚和拉丁美洲国家。此外，部分非洲北部和东南部国家，如博茨瓦纳、莫桑比克、摩洛哥和埃及等，其人均GDP增长也明显快于全球平均增长水平。相对而言，这些区域在未来可以通过国际贸易，从外部购买更多粮食，在一定程度上弥补本地区粮食供应的缺口。尤其值得关注的是，亚洲南部国家如印度、阿富汗，以及多数非洲国家，其人均GDP增长缓慢，低于全球人均GDP增长。在未来2000-2020年期间，这些国家消费者从市场购买粮食的潜力弱，通过国际输入粮食的能力低，其粮食供应将主要依赖于本地或国内的粮食生产。此外，也可以看出，多数发达国家的人均GDP增长幅度也低于全球平均GDP增长幅度，这种GDP的慢增长也会给其粮食供应带来部分负面影响。
图7 2000-2020年人均粮食占有量变化空间分布
(注：图例小于1表示人均粮食占有量降低(如图例0.5～0.75表示人均粮食占有量降低约25％～50％)，大于1表示人均粮食占有量增加。)
Fig.7 Changes in per capita food availability during 2000-2020(Note:the legend less than one means that per capita food availability will decrease between 2000 and 2020,more than one means that per capita food availability will increase between 2000 and 2020.For instance,the legend 0.5-0.75 means a reduction between 50％-25％)
图8 2000-2020年人均GDP变化空间分布
(注：图例大于1表示人均GDP变化率高于全球人均GDP变化率(如1.25～1.5表示人均GDP增长高于全球人均GDP增长约25％～50％)，小于1表示人均GDP变化率低于全球人均GDP变化率。)
Fig.8 Changes in per capita GDP during 2000-2020(Note:the legend less than one means a lower growth rate of GDP than the world average growth rate between 2000 and 2020,and more than one indicates a higher growth rate of GDP than the world average growth rate between 2000 and 2020.For instance,the legend 1.25-1.5 means the growth rate of GDP is 25％～50％ higher than the world average growth rate)
4.3 全球粮食安全状况
基于人均粮食占有量变化(图7)和人均GDP变化状况(图8)，2020年全球粮食安全状况综合评价结果如图9所示。评价结果可划分为3个类别。类别1和类别2所处的区域由于未来人均粮食占有量增长或人均GDP增长，其粮食安全总体上可以得到保障。因此，在未来20年，中国、多数东欧国家、多数中美洲和南美国家应该不会出现粮食安全问题。相反，类别3所处的区域，如南亚国家和多数非洲国家未来可能存在粮食危机和饥饿风险。在这些区域，人均粮食占有量和人均GDP两个指标值都显著降低，粮食供应不足和贫困一起将可能影响其粮食安全。这些区域在未来20年需要更多的对策措施，包括各种援助行动和发展计划等。
从图9也可看出，部分发达国家如西欧国家、美国、日本和澳大利亚等，2020年的人均粮食占有量和人均GDP两个指标值都较2000年降低，这也应该引起足够重视。即便如此，这些发达国家2020年总体上不会出现粮食安全问题。一是因为这些发达国家的农业不再是生计农业，国家人口对农业的依赖程度远较发展中国家低；其二是这些国家人民收入高、购买力强，粮食生产、消费、流通和贸易管理体系完善，粮食安全保障和预警控机制健全。如欧盟共同农业政策(Common Agricultural Policy,CAP)和美国DP(Direct Payment)对策等的实施，大大保障了本国或地区农民利益，促进了粮食生产的稳定性。
图9 2020年全球粮食安全综合评价
Fig.9 Integrated assessment of global food security in 2020
5 结论与讨论
在综合考虑自然、社会和经济等因子对粮食安全的影响基础上，选择了人均粮食占有量和人均GDP两个指标来评价全球粮食安全状况。人均粮食占有量的变化可以表述粮食供给性和稳定性变化状况，人均GDP变化则可以反映粮食可获取性变化状况，两者一起综合决定一个国家或地区的粮食安全状况。为空间显性评价粮食安全状况，本研究构建了3个模型，即空间EPIC模型、作物选择模型和IFPSIM模型，分别用来模拟作物单产、作物播种面积和作物价格。利用该评价框架，以网格大小为6分弧度的地理单元为评价对象，选择水稻、玉米、小麦和大豆等4类全球主要作物类型，以2000年为初始年份，对未来2020年的全球粮食安全状况进行了评价。
研究表明，粮食安全是自然、社会和经济等多因子综合作用的结果，粮食供给短缺与贫困是影响和危及粮食安全的最主要因素。因此，评价一个国家或地区的粮食安全需要综合考虑多方面因素，以往侧重粮食生产能力的粮食安全评价显然具有一定局限性。粮食生产能力固然重要，是影响某一国家或地区粮食供给的最基本因素。但是，日益增长的粮食需求除通过该国家或地区的粮食生产自给予以满足，还可以通过外部购买或粮食进口得到解决。例如新加坡和中国香港，其自身没有粮食生产优势，内部粮食供给能力往往不能满足其人口的粮食需求。但由于这些地区有足够的购买能力，其粮食供给可以从外部购买或国际贸易输入来解决，实现其人口的粮食安全。又如南亚国家印度，虽然其自身具有很好的粮食生产能力，但其国内的粮食供给能力仍然不能满足其快速增长人口的粮食需求。同时，其相对薄弱的购买能力又限制了通过外部市场来调节粮食供给。可见，粮食安全将是印度未来一段时间内所面临的重要问题之一。因此，为保障未来粮食安全，一方面要保护耕地数量和质量、防止土壤退化、增加资本投入、进行技术创新和升级，从而提高粮食综合生产能力，保障粮食的有效供给；另一方面加大农业补贴，切实提高农民收入，保障农民利益，增强农业购买力。同时，大力改善粮食流通和农产品贸易体制，通过外部市场来调节粮食供给；积极应对气候变化，提高农业生产对气候变化的适应能力，保证粮食生产的稳定。
最后，需要指出的是，粮食安全评价是一个相对复杂的问题，本研究也存在一些不确定性。如未来作物单产和播种面积变化模拟是建立在未来特定情景模式基础上，更多反映的是特定条件下的一种可能性，并非与现实世界完全接近的“预测结果”[25]。模型输入数据和模型本身也存在不确定性[30]。此外，本研究只考虑了全球4类主要作物，忽略了一些区域特定的重要作物，可能导致低估了部分区域的总体粮食生产能力。这些都将在以后进一步深入研究。