英语原文共 8 页,剩余内容已隐藏,支付完成后下载完整资料
气候变化对作物产量的影响:
来自中国的实验
魏涛媛a,*,托德L.彻里a,b,索尔维格·格洛莫a,张天一c
(a挪威奥斯陆国际气候和环境研究中心,b美国北卡布恩州阿巴拉契亚州立大学经济学系,c中国科学院大气物理研究所大气边界层物理与大气化学国家重点实验室,北京100029)
文章信息
文章历史:
2014年5月28日收稿
2014年8月9日收到修订形式
2014年8月10日接受
2014年8月30日在线阅览
编辑:E. Capri
重点
bull;我们发现在中国气候变化对作物产量的影响呈非线性变化。
bull;将气候变化影响与之前的研究进行比较。
bull;分析了气候变化对作物产量,收获和粮食安全的影响。
bull;与总产量增长相比,气候变化影响不大。
摘要:当评估气候变化对作物产量影响时,一个基本假设是产量对气候因子的响应是固定不变的。在实际中,这种响应往往是动态变化的。根据1980-2008年间中国各省级气象站数据,在分析了温度和降水造成的动态变化,我们的结果表明,在此期间,温度变化对小麦和水稻的总产量的增长贡献率分别为1.3%和0.4%,但玉米减产12%,降水变化的影响是微不足道的。我们将这个对产量、收获指数和粮食安全不稳定的影响结果与其他的研究进行了比较,得出结论,如果未来其他社会经济因素的积极影响继续下去,气候变化对作物产量的影响将不会成为中国的一个问题。
关键词:农业作物产量 气候变化影响 中国 非线性响应 粮食安全
- 引言
全球粮食安全可能受到气候变化对作物生产的影响的威胁(Wheeler和von Braun,2013年)。 鉴于中国人口众多,学者们对中国处理与气候变化影响相关风险的能力相当有兴趣。在中国,农业生产潜在地受到气候变化和相关极端气候事件的威胁(Piao et al。,2010; Wang,2009)。虽然国家的整体数据可能会掩盖地方数据对作物生产的影响(Carter and Zhang,1998; Zhang andHuang,2012),但中国的农业生产在过去30年间有所增加,尽管平均气温上升,陆地面积下降。假设较高的温度对作物产量有负面影响,这一历史观察结果表明,气候变化以外的因素具有积极的影响。因此,为了评估气候变化对中国农业生产和粮食安全的影响,区分气候变化和其他关键决定因素对作物生产的的影响是很重要的。广泛应用的估算气候变化对作物产量影响的方法是作物模拟模型(e.g., Lin et al., 2005; Liu et al., 2010; Tao et al., 2009; Xiong et al., 2007, 2012;Zhang et al., 2014), 除了作物生产中的气候变量以外的主要社会经济因素一般都不在考虑之列(Challinor et al., 2009)。为了克服这个缺点,我们已经在这些模型中考虑了这两个变量(Challinor et al., 2010; Ye et al., 2013)。用这些模型估计的影响因素取决于气候预测以外的具体模型结构和参数值(Asseng et al., 2013; Liu and Tao, 2012; Osborne et al., 2013)。另一方面,许多研究人员采用统计方法来估算气候变化对作物产量的影响(e.g., Lobell and Asner,2003; Lobell et al., 2011; Nicholls, 1997; Zhang et al., 2008)。几项研究通过统计方法,分析了中国气候变化对作物产量的影响(e.g., Carter and Zhang, 1998;Peng et al., 2004; You et al., 2009; Zhou and Turvey, 2014)。根据现场或区域性数据的这些区域间研究,不将气候变量视为纯粹的随机项,因为当地农民知道这些变量的区域差异是在合理范围的(Demir and Mahmud, 2002)。
这些研究中的一个典型假设是作物产量与气候变量的响应是固定的,这意味着气候变量的一个百分比变化导致了气候变量的所有合理值中作物产量的相同百分比变化(例如You et al., 2009)。然后使用这个固定的响应来估计气候变化对作物产量的影响。在诸如中国这样的大地区,相反,随着气候变量(如温度)的变化,响应可能会有所不同(Aaheim et al., 2012; Li et al., 2011;Schlenker and Roberts, 2009)。例如,1980年至2008年的小麦生长季,平均气温在山西低至6℃,广东高达18℃,全国平均气温在12℃左右。对小麦来说,山西可能太冷了,广东却太热了。我们不能指望温度的相同变化率在两个地区都有相同的效果(i.e., constant elasticity)。在作物科学中,提出了非线性响应曲线(正常热时间方法)来研究作物对热源的影响。(例如, Mariani et al., 2012; Wang and Engel, 1998; Yan and Hunt,1999). 因此,在中国的情况下,有必要放松固定响应的假设,这表明在美国显示非线性温度对作物产量的影响的研究(Schlen kerand Roberts, 2009)。
最近,除气候变量的固定响应外,Zhou和Turvey(2014)研究了气候变量与社会经济变量之间的相互作用。然而,他们没有单独检查气候变量的响应是否恒定。此外,其因变量是包含价格影响的每个面积的总价值产品。Xin(2013年)等根据三年家庭调查数据(2003年,2005年和2008年),研究气候变量的变量响应以及气候变量与区域假设之间的相互作用。他们研究中的气候变量是季节性平均值,其响应在中国各地差异很大。而可变响应的假设已由家庭调查数据证明。本文中,我们将研究该假设能否用综合省级数据证明。将我们的结果与其他研究进行比较,分析其对作物收成和粮食安全的影响。
本文的其余部分组织如下。下一节将介绍数据和方法。第3节报告了估计结果,并就结果对作物收成和粮食安全的影响进行了讨论,最后一节总结了本文。
- 数据和方法
作物产量是农业投入的一个函数,如气候,土地,资本和劳动力。为了实证调查气候变化对作物产量的影响,我们构建了一个气象站数据,其中包括1980年至2008年三种作物(小麦,稻米和玉米)的产量和相关投入。数据包括省级产量和稻米(包括早,晚,单稻),小麦(包括春,冬小麦)和玉米的耕地面积,和灌溉面积,农机功率,化肥使用量和农业部门的就业情况。相关作物生长日历源自中国农业地图集并且可从 Zhang and Huang (2012)附录S2在线辅助信息中找到,气候资料来自中国气象局。表1提供了本研究中使用的数据的定义和相关的注释。
表1
变量定义和描述性统计
*数据摘要:29期(1980-2008年); 27个单位(省); 缺少海南省,青海省和西藏所有数据,缺少天津,福建,浙江1980-84年,甘肃1980-82年的数据。
为了检验气候变化与作物产量的关系,我们估计了小麦,水稻和玉米作物产量的以下面板模型:
Y it= beta;1Climateit beta;2Landit beta;3Capitalit beta;4Laborit omega;i ϕt εit,(1)
其中Yit是t时期i省的农业产量;Climateit是t时期i省气候产物的矢量并且包括作物生长季节的平均作物特定温度和作物特定的降雨量; Landit是t时期i省播种的作物专用总面积(1000公顷);Capitalit是t时期i省资金度量的向量并且包括农机总功率(10,000千瓦),总灌溉面积(1000公顷),化肥总用量 (10,000吨); Laborit是t时期i省农业总劳动力(10,000人); omega;i是省特征效应,捕获不可观察的时不变省特征;phi;t是捕获潜在非线性时间趋势的时间特异性效应;而εit是同时加法误差项。表1提供了所有变量以及定义和来源的描述性统计信息。方程式(1)的几个方面值得进一步讨论。 首先,我们估计小麦,水稻和玉米的作物特异性模型。 在分别解释作物产量时,这些模型包括作物特定的温度,降水和耕地面积以及剩余的资金和劳动力的总的度量。第二,所有模型都采用双对数规格,因此估计的系数是测量一个变量对另一个变量的变化的比例响应性的响应。第三,由于投入倾向于具有内部最优(例如,产量将随着太多或太少的降雨而下降),我们估计通过包括投入的平方项来考虑非线性的第二组模型。根据该规范,必须对特定的输入值计算出非线性响应,其被定义为线性系数加上乘以2的乘方的乘积系数和特定输入值的对数。第四,所有模型通过控制不可观察的省异质性和时间特异性波动来利用数据的面板特征。我们进行Hausman(1978)测试,考虑是否将具体的具体时间和效应视为固定或随机的。 对于所有回归,测试拒绝了有利于固定效应模型的随机效应公式。
表2
估算作物产量的双面板模型
- 结果与讨论
表2报告了六种模型的结果 - 三种作物中的每一种的两个双对数模型规格。模型1和2提供了补充结果,与模型2捕获的估计数存在潜在的重大非线性关系。 在所有模型中,测试显示模型在解释农业产量方面具有重要意义。调整后的R平方数表明,说明变量解释了农业收益的大部分变化—小麦约为90%,大米为70%,玉米为86%。 模型1的系数的个人估计可以解释为响应,但是对于模型2需要额外的计算。因此,我们总结了表3中所有模型的估计响应。模型1提供线性响应,而模型2则报告以相应输入的平均值计算的非线性响应。
表3显示了线性和非线性估计响应之间的一些直观比较。首先,如预期的那样,允许非线性极大地影响气候和非气候投入的估计响应。特别是,小麦和水稻的线性和非线性模型的附加输入面积播种面积不同。 其次,气候变量的估计响应在非线性模型2中都具有统计学意义,而在线性模型1中仅有一半的响应在5%水平上是显着的。第三,当以变量主题进行评估时,气候输入在模型2中的响应一直较小,除了小麦的温度,估计响应在模型1的5%水平上没有统计学意义。第四,当以可变方式进行评估时,水稻和玉米两种模式的温度比降水强度大。
表3
响应
我们首先审查有关气候投入的结果,重点关注非线性模型 - 再次注意到在平均输入值(而不是对数)下计算响应。温度估计表明玉米产量对温度变化有明显的反应,表明温度平均值增加1%会导致玉米产量下降1.2%。温度变化对小麦和水稻产量的影响较小,估计温度升高1%,小麦产量增加0.07%,水稻产量提高0.025%。对于降水,结果表明,降水量的变化对三种作物的产量都有显著的影响。估计显示,降水量下降百分之一,水稻和玉米的产量分别下降了0.017和0.05%。有一点令人惊讶的是,降水量下降百分之一,小麦产量将提高0.15%。
关于非气候投入,估计发现农业机械功率对小麦和玉米产量有预期的积极影响,估计响应小麦产量为0.15,玉米产量为0.04。结果发现农机功率与水稻产量之间存在意想不到的负相关关系。这可能表明农业机械功率不是水稻生产资本投入的合适工具,因为农业机械功率取小于模型2(表2)线性参数值的较小值时效果应该是正的。与农机功率一样,播种面积对小麦和玉米产量有预期的积极影响。具体来说,估计表明,播种面积增长百分之一将会使小麦和玉米的产量增加约0.02%。 结果再次发现土地播种面积与水稻产量之间出现意想不到的负相关关系。 然而,响应非常接近于零,表明当土地面积播种需要稍小的数值时,这是正相关的。结果发现,化肥对小麦和水稻的产量具有预期的积极影响,对玉米产量的负面影响可以忽略不计。化肥的估计响应相对较小 – 对小麦和水稻产量都在0.05左右。结果提供了关于农业就业对所有作物产量的负面影响的结果,除了水稻的模式2。这可能归因于以前研究出的中国农村的劳动力供应过剩(例如Stavis,1991; You et al。,2009)。 此外,估计表明了灌溉面积和小麦和水稻产量之间预期的积极关系,即使灌溉面积和玉米产量之间是意想不到的负面关系。 意想不到的负面关系可能表明,所有作物的灌溉面积并不是玉米生产灌溉面积的可靠指标。
3.1与其他研究比较
表4列出了我们的模型和其他研究中气候变量的响应。模型1中小麦的温度迹象与You等人(2009)的结果相反。这可能是由于以下几个原因。 我们(1980-2008)使用比You等人(1978-2000)更长的时间序列。 另外,我们分析了中国气象局提供的历史气候数据,而You等人(2009)使用了东英吉利大学气候研究小组(Climate ResearchUnit)数据
剩余内容已隐藏,支付完成后下载完整资料
资料编号:[27094],资料为PDF文档或Word文档,PDF文档可免费转换为Word
课题毕业论文、文献综述、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。