極端氣候對中國糧食產量影響的定量分析*

賀大興

(北京大學馬克思主義學院， 北京 100871)

·糧食安全·

極端氣候對中國糧食產量影響的定量分析*

賀大興

(北京大學馬克思主義學院， 北京 100871)

[目的]利用糧食生產與天氣數據估算極端天氣對中國糧食生產的影響，以期對我國的糧食安全有所貢獻。[方法]選取中國31個省市2002～2012年面板數據，采用固定效應自相關異方差模型(FE+AR(1)+Hetero)計算高溫干旱、洪澇、低溫嚴寒等極端天氣對中國糧食生產的影響。[結果](1)糧食播種面積、農村用電量、化肥施用量是農業增產的主要因素。糧食播種面積、農村用電量、化肥施用量增加1個百分點，糧食產量分別增加0.97、0.06和0.18個百分點， 2002～2012年三者對糧食增產的貢獻分別為23.55%、31.21%和21.45%； (2)農作物成災面積增加1%，糧食產出減少0.04%， 2002～2012年農作物成災面積減少57.75%，對糧食產出增加的貢獻為7.97%； (3)在控制農業機械總動力、化肥、農藥、農村用電量、農作物成災面積后，極端高溫干旱天氣對糧食生產有顯著的負面影響，糧食損失比例為1.98%，洪澇、低溫嚴寒影響不顯著。[結論]2002～2012年間全國各省市極端高溫干旱事件共計93起，頻率約為0.27，造成糧食生產額外平均損失比例約為0.53%。

極端天氣 罕見災難 糧食生產 固定效應模型

0 引言

極端天氣是困擾我國糧食生產和社會發展的重要問題。歷史上，崇禎大旱(1637～1643年)、康雍奇災(1719～1723年)、丁戊奇荒(1875～1878年)、民國18年大饑饉(1927～1930年)，饑殍遍野、社會動蕩[1]。建國特別是1980年代以后，受到全球氣候變暖的影響，我國更是災難頻仍。1998年，長江和松花江等流域爆發1954年以來最大洪水， 29個省市近2 000萬hm2土地被淹、500萬房屋倒塌，受災人數過億，經濟損失約1600億①。2016年6月，長江中下游及太湖流域等地持續強降雨，湖北、江蘇、安徽等28省1192縣市遭受洪澇災害，房屋倒塌14.72萬間，受災人口6074萬，直接經濟損失1469億②。

對于極端天氣，學術界已有比較深入的研究。中國氣象局《中國極端天氣氣候事件和災害風險管理與適應國家評估報告》(以下簡稱《極端天氣評估報告》)對1961～2013年間的高溫、大旱、強降水等區域性極端天氣事件進行了系統性的描述，認為中國已經進入“極端天氣氣候事件種類多，頻次高，…，影響范圍廣”的階段[1]。覃志豪等學者也認為全球變暖使得我國自然災害加劇[2， 3]。陳洪斌等學者對中國2003～2011年間的中國和世界范圍內高溫、干旱、洪澇、臺風等極端事件做出了詳細的記錄，特別是標示出超過歷史同期水平的極端事件[4-13]。這些學者的工作對于了解中國極端天氣歷史變化提供了研究基礎。

國內定量評估極端天氣對農業生產影響的研究相對較少。劉杰等利用1994～2006年83個地級市逐年極端高溫事件、逐年極端低溫事件、逐年極端降水和逐年干旱天數事件，研究極端天氣對農業生產總值(GDP)的影響，發現極端天氣對不同地區的影響不盡一致：高溫和降水對華北地區有正向影響，但對其他地區影響為負[14]。郁珍艷等利用浙江省11個市1994～2013年逐年高溫日數、強降水日數等數據，發現極端天氣對浙江省GDP有接近0.04%～0.07%的影響[15]。

在當前糧食需求不斷增加、糧食生產條件逐漸惡化的形勢下，探討極端天氣對我國糧食生產的影響，是了解我國糧食生產的抗風險能力，及時應對未來可能的糧食缺口和糧食危機的重要決策基礎。有鑒于此，文章利用2002～2012年間中國各省市極端天氣數據和糧食生產數據，采用固定效應自相關異方差模型，估計極端天氣對我國糧食生產的影響程度，以期對我國的糧食安全有所貢獻。

1 研究數據與研究方法

1.1 數據獲取

1.1.1 農業產出和要素數據獲取

糧食產量對數、鄉村從業人員對數、糧食播種面積對數、農業機械總動力對數、農村用電量對數、有效灌溉面積對數、化肥施用量對數、農藥施用量對數、農作物成災面積對數等數據來自于《新中國60年農業統計資料》和國家統計局官方網站。

1.1.2 極端天氣數據獲取

高溫干旱、洪澇和嚴寒等數據來自于陳洪斌等的一系列研究和國家氣象局的《中國氣象公報》。

1.2 數據處理

1.2.1 農業產出和要素數據

學術界一般會對農業產出和要素數據進行對數化處理。對數化處理的好處是：(1)降低數據的波動程度，減小異常值對結果的影響； (2)減少數據初始值誤差對后續數據的影響； (3)方便計算要素的產出彈性，衡量要素增加對產出的貢獻。

表1報告了主要變量的基本統計特征。需要補充說明3點：(1)數據時間跨度是2002～2012年，是因為極端天氣數據的起始時間是2002年，鄉村從業人員對數的最新數據是2012年； (2)總體上講， 1992～2012年，除了糧食播種面積、有效灌溉面積在2002、2003年有所下降外，農業主要生產條件呈現階段性上漲的局面。農村用電量、農業機械總動力增長較快，分別4.17%和2.45，說明我國糧食生產在機械化、現代化方面有持續的進步； 化肥和農藥使用量增長穩定，分別為1.25%和1.38%； (3)雖然災患不斷，但農作物受災面積和成災面積在不斷下降。2002年，兩者分別為4 694.6萬hm2和2 716.0萬hm2， 2012年，分別為2 496.2萬hm2和1 147.5萬hm2，平均每年下降2.91%和4.02%，這表明我國農業抵抗一般自然災害能力在不斷增加。

表1 主要變量的基本統計特征

變量名觀測值均值標準差最小值最大值省份341168.96131年份34120073.1720022012糧食產量對數3416.901.204.068.66鄉村從業人員對數3406.991.064.648.50糧食播種面積對數3417.651.204.959.35農業機械總動力對數3417.361.074.309.43農村用電量對數3414.171.57-0.927.44化肥施用量對數3414.621.191.116.53農藥施用量對數34110.221.406.3814.37有效灌溉面積對數3417.121.025.048.56農作物成災面積對數3365.911.460.188.33 數據來源:陳洪斌等系列研究和國家氣象局的《中國氣象公報》

1.2.2 自然災害數據處理

國家標準《自然災害災情統計》(GB/T 24438.1-2009)指出，干旱、洪澇災害、沙塵暴等氣象災害，火山、地震、泥石流等地質災害，風暴潮、海嘯等海洋災害，森林草原火災和重大生物災害等都屬于自然災害。自然災害種類繁多，分門別類統計難度較大。類似與周京平和王衛丹[16]、高云等[17]等學者的做法，該文用農作物成災面積對數來衡量各種類型自然災害的綜合影響。

1.2.3 極端天氣數據處理

極端天氣的處理存在2個方面的困難。首先，定義的困難。極端天氣指的是異常天氣事件。中國氣象局《極端天氣評估報告》認為，當天氣某一變量超過(或低于)閾值，發生概率低于10%，一般就稱為極端事件。常見的極端天氣事件包括干旱、高溫、洪澇、低溫等[1]。《報告》的定義具有一定的操作性，但問題是，受到全球變暖的影響，各地區滿足上述定義的異常天氣事件已經進入“種類多、頻次高、范圍廣”的階段[1]。這意味著，報告中將超過(或低于)閾值作為極端天氣的入選門檻，可能過于寬泛。滿足上述條件的天氣事件太過頻繁，以至于無法從統計上將其加以識別。為了刻畫極端天氣事件“極端”或“稀少”的特點，該文所指的極端事件主要有3個特征：(1)種類集中。該文主要研究高溫干旱、嚴寒、洪澇3種事件； (2)非常少見。該文關注的極端事件類似于Barro所指的罕見災難事件(rare disaster)[18]。只有天氣狀況超過1954年或1960年歷史同期水平，該文才認為是極端天氣。僅僅是高于過去一年同期水平或近10年同期水平的天氣事件，該文不予考慮； (3)影響大。只有天氣災害持續一定時間、影響一定范圍，該文才認定為極端天氣。以高溫天氣為例。如果高溫天氣持續時間超過歷史同期，則為極端天氣； 如果僅僅是當日氣溫超過歷史同期，則不是極端天氣。其次，數據采集的困難。由于缺乏全省范圍內的溫度、降水、干旱面積的數據，該文只能用0～1事件來描述極端天氣。

圖1描述了2002～2012年間中國各省市洪澇、高溫干旱和嚴寒等極端天氣的發生情況。(1)受全球變暖的影響，高溫干旱天氣在各省市出現的頻率相對較高，占所有樣本比例為27.27%，其中湖南省發生嚴重干旱的次數高達6次，占研究年份的55.56%； 2009年，全國20個省市發生嚴重高溫或干旱，占全國比例為64.52%； (2)洪澇和嚴寒災害頻率相對較低，占所有樣本比例分別為7.33%和7.92%。洪澇災害發生次數最多的省份是福建省和山東省，嚴寒發生次數最多的是黑龍江省、吉林省和遼寧省。

圖1 2002～2012年各省市極端天氣事件統計 數據來源：陳洪斌等系列研究和國家氣象局的《中國氣候公報》

1.3 研究方法

(1)

回歸方程(1)的估計方法，依賴于對全要素生產率的假設。

(1)假設1：全要素生產率只與地區異質性特征有關，與其他因素無關。即為：

lnAj，t=gj+uj，t

(2)

(3)

(2)假設2：全要素生產率與自身一階滯后項、地區異質性特征有關，與其他因素無關。即：

lnAj，t=ρlnAj，t-1+gj+uj，t

(4)

假設2是宏觀經濟學中的標準設定，一般采用帶AR(1)過程的面板數據模型進行估計(FE+AR(1))。基本原理是，首先利用(4)式，估計lnAjt的協方差矩陣Σ，然后利用極大似然估計(MLE)估算(1)式的各項系數。

(3)假設3：全要素生產率與自身一階滯后項、地區異質性特征、極端天氣有關，與其他因素無關。即：

lnAj，t=ρlnAj，t-1+gj+φvj，t+uj，t

(5)

相比之下，第三種方式更符合經濟學的基本直覺。(1)式本質上是對產出進行要素分解，如果直接將極端天氣放在(1)式中估計，就相當于認為極端天氣是生產的要素。但實際上，極端天氣是外生沖擊，應該進入沖擊方程。

(6)

更多關于研究方法的細節，參見Greene[19]和Baltagi[20]。

2 研究結果與分析

表2報告了主要的回歸結果。方法1～3對應的是假設1～3。被解釋變量是“糧食產量對數”。主要控制變量：(1)鄉村從業人員對數、糧食播種面積對數，用于控制勞動和播種面積的影響； (2)農業機械總動力對數，農村用電量對數、有效灌溉面積對數，控制農機、電力、灌溉等生產條件； (3)化肥施用量對數、農藥施用量對數，控制農藥、化肥的影響； (4)農作物成災面積對數，控制一般性天氣沖擊的影響。主要解釋變量是高溫干旱、洪澇和嚴寒，用于研究極端天氣對糧食生產的影響。

2.1 糧食生產要素的影響

糧食播種面積、農村用電量、化肥施用量是糧食增產的主要因素。以方法3的結果為例。糧食播種面積、農村用電量、化肥施用量增加1個百分點，糧食產量分別增加0.97、0.06和0.18個百分點。2002～2012年，全國糧食播種面積增加7.04%，農村用電量增加150.83%，化肥施用量增加34.55%，糧食產出增加28.99%。因此，三者對糧食產量增加貢獻分別為23.55%、31.21%和21.45%。這個結果與現有文獻接近[21]。

2.2 一般自然災害的影響

一般自然災害的影響相對穩定。農作物成災面積增加1個百分點，糧食產出減少0.04個百分點。2002～2012年，農作物成災面積減少57.75%，對糧食產出增加的貢獻為7.97%。這個發現也和文獻[21]接近。

表2 回歸結果

方法1(FE)方法2(FE+AR(1))方法(FGLS+AR(1))鄉村從業人員對數 0.14***-0.010.14(3.12)(-0.21)(1.63)糧食播種面積對數0.97***0.85***0.97***(22.36)(15.90)(14.47)農業機械總動力對數-0.00-0.02-0.01(-0.18)(-0.49)(-0.16)農村用電量對數0.06***0.08**0.06**(2.88)(2.77)(2.05)化肥施用量對數0.18***0.21***0.18***(4.31)(3.30)(2.93)農藥施用量對數0.00-0.020.01(0.26)(-1.29)(0.24)有效灌溉面積對數0.020.030.02(0.57)(0.69)(0.21)農作物成災面積對數-0.04***-0.04***-0.04***(-7.66)(-7.09)(-4.32)高溫干旱-0.02***-0.02***-0.02***(-2.29)(-2.58)(-3.06)洪水-0.00-0.01-0.00(-0.01)(-0.79)(-0.32)嚴寒0.000.000.00(0.11)(0.12)(0.07)ρ0.33***0.38***(t值或LBI)1.14(6.38)樣本量335304335樣本組數313131F值122.48164.5267.94 注釋:括號內為t值;***表示p<1%;**表示1%

2.3 極端天氣的影響

高溫干旱對糧食產出有顯著的負向影響，但洪水和嚴寒對糧食產量沒有顯著的影響。2002～2012年，全國各省市極端高溫干旱事件共計93起，占同期比例為0.27。根據公式(6)極端干旱天氣造成的單次損失比例為1.98%，平均損失比例約為0.53%。

該文的方法和發現與現有文獻存在一定的區別。首先，該文區分了一般自然災害和極端天氣的影響。周京平和王衛丹[16]用農作物成災或受災面積表示極端氣候，高云等[17]用其表示自然災害。上述做法的問題在于，農作物成災或受災面積是一般自然災害、極端天氣和農業抗災能力共同作用的結果。簡單將其視為自然災害或極端天氣的代理變量，會混淆不同程度天氣因素對糧食產出的影響。其次，對極端天氣的定義不同。劉杰等[14]、郁珍艷等[15]用逐年最高溫度、逐年最大降水量刻畫的極端天氣，只是一般意義上的天氣極值(extreme value)。該文采用超過1954或1960年以來歷史水平作為極端天氣的入選門檻，更符合秦大河等[1]定義的極端天氣的概念。最后，數據的代表性不同。劉杰等[14]、郁珍艷等[15]用少數地級市的天氣數據、糧食產出數據研究極端天氣的影響，數據的代表性較弱。該文采用的是全國各省市的面板數據，得出的結論更具有一般性。

為什么高溫干旱對糧食生產有顯著的負面影響，而洪澇災害和低溫天氣卻效果不明顯呢？該文認為，可能有4個方面的原因：(1)頻率不同。受全球變暖的影響，各地極端高溫干旱事件頻頻發生，嚴寒和洪澇相對較少。2002～2012年，全國高溫干旱天氣占樣本比例為27.27%，而洪澇和嚴寒天氣占比僅為0.07%和0.08%。(2)時間不同。高溫干旱一般發生在2月份、6～8月份，正是農作物播種、成長的關鍵時間，影響較大； 而嚴寒一般發生在12月份左右，對農作物影響較小。 (3)范圍不同。高溫干旱遍布全國各地，而低溫主要集中在東三省、新疆、西藏局部地區，洪澇主要集中在長江中下游城市地區，對河流周邊城市經濟有一定影響，對糧食生產影響相對較小。(4)數據采集。由于資料限制，該文只能整理2002～2012年的極端天氣數據，恰好避開了1998年特大洪水的影響。如果能夠將數據進一步延長，可能洪澇災害的影響會有所不同。

圖2描述了極端高溫干旱天氣對全國糧食生產的影響。其中，產量損失(實際)線指的是根據2002～2012年實際發生的頻率估算的產量損失，產量損失(均值)線指的是根據2002～2012年平均發生頻次外推到其他年份估算的產量損失。結果顯示，在糧食產出增加的同時，極端天氣造成糧食損失也在不斷增加。2014年，糧食損失大約為321萬t，占糧食進口量4.43%左右*2014年中國糧食進口約7250萬t。見新華網： 2014年糧食進口量創新高，浪費約占進口量一半， 2014年11月24日。。

圖2 高溫干旱產生的糧食產量損失 數據來源：作者自己估算

3 結論

利用2002～2012年糧食生產數據和天氣數據，估算極端天氣對中國糧食生產的影響。研究發現：高溫干旱對糧食生產有顯著的負向影響，洪澇和嚴寒影響不顯著； 極端干旱天氣造成的損失比例約為0.53%。

該文政策建議如下：(1)重視天氣預報工作，及時應對極端天氣。隨著全球變暖的加劇，極端天氣特別是極端高溫干旱天氣發生頻率會逐漸上升。這就要求地方政府部門及時向糧食生產單位提供高精度的天氣信息，并在選種、抗旱等方面提供信息和資金支持。(2)加大農業基礎設施投資，提高農業抗風險能力。近些年來，在政府和社會的投入下，農村的基礎設施得到較大改善，有效灌溉面積、除澇面積都在不斷增加。但在城市化進程加速的背景下，大量農村人口轉移到城市，未來糧食生產條件并不樂觀，不足以自動實現糧食自給。因此，這就需要政府和社會持續不斷加大農業投入，提高糧食生產效率，確保糧食安全。

[1] 秦大河. 中國極端天氣氣候事件和災害風險管理與適應國家評估報告.北京：科學出版社， 2015

[2] 覃志豪， 唐華俊，李文娟，等.氣候變化對農業和糧食生產影響的研究進展與發展方向.中國農業資源與區劃，2013, 34(5): 1～7

[3] 覃志豪， 唐華俊，李文娟.氣候變化對我國糧食生產系統影響的研究前沿.中國農業資源與區劃，2015, 36(1): 1～8

[4] 陳洪斌， 刁麗軍.2003年的極端天氣和氣候事件及其他相關事件.氣候與環境研究，2004, 9(1): 218～233

[5] 陳峪，王凌，祝昌漢，等.2003年我國十大極端天氣氣候事件.災害學，2004, 19(3): 76～80

[6] 陳洪斌， 刁麗軍.2004年極端天氣和氣候事件及其他相關事件的概要回顧.氣候與環境研究，2005, 10(1): 140～144

[7] 陳洪斌， 范學花，董文杰.2005年極端天氣和氣候事件及其他相關事件的概要回顧.氣候與環境研究，2006, 11(2): 236～244

[8] 陳洪斌， 范學花.2006年極端天氣和氣候事件及其他相關事件的概要回顧.氣候與環境研究，2007, 12(1): 100～112

[9] 陳洪斌， 范學花.2007年極端天氣和氣候事件及其他相關事件的概要回顧.氣候與環境研究，2008, 13(1): 102～112

[10]陳洪斌， 范學花.2008年極端天氣和氣候事件及其他相關事件的概要回顧.氣候與環境研究，2009, 14(3): 329～340

[11]陳洪斌， 范學花.2009年極端天氣和氣候事件及其他相關事件的概要回顧.氣候與環境研究，2010, 15(3): 322～336

[12]陳洪斌， 范學花.2010年極端天氣和氣候事件及其他相關事件的概要回顧.氣候與環境研究，2011, 16(6): 789～804

[13]陳洪斌， 范學花.2011年極端天氣和氣候事件及其他相關事件的概要回顧.氣候與環境研究，2012, 17(3): 365～380

[14]劉杰， 許小鋒.羅慧.極端天氣氣候事件影響我國農業經濟產出的實證研究.中國科學,2012, 42(7): 1076～1082

[15]郁珍艷， 李正泉，高大偉，等.定量評估極端天氣影響農業總產值的方法.氣候變化研究進展,2016, 12(2): 147～153

[16]周京平， 王衛丹.極端氣候因素對中國農業經濟影響初探.現代經濟,2009， 8(7)：142～145

[17]高云， 詹慧龍，陳偉忠，等.自然災害對我國農業生產的影響研究.災害學， 2013, 28(3): 79～84

[18]Barro R.Rare Disasters and Asset Markets in the Twentieth Century.Quarterly Journal of Economics,2006, 121(3): 823～866

[19]Greene W. Econometric Analysis.US:Printice Hall,2011

[20]Baltagi B. Econometric Analysis of Panel Data.UK:Wiley,2013

[21]賀大興. 農業生產率與中國糧食安全.南京農業大學學報,2015， 15(6)： 68～77

QUANTITATIVE ANALYSIS ON THE EFFECTS OF EXTREME CLIMATEON GAIN PRODUCTION IN CHINA*

He Daxing

(School of Marxism，Peking University, Beijing100871, China)

The extreme climate is an important issue in china′s grain production and social development. As global warming, many parts of China encountered the extreme climate such as high temperature, draught and flood. The extreme climate may also shape remarkable effect on agricultural farming and consequently food safety.As a result, it is necessary to investigate the effects of extreme climate on the grain production. This paper used the fixed effect with serial correlation model to estimate the effect of extreme climate on the agricultural production with province panel data in 2002～2012. The empirical results showed that: (1) the grain acreage, rural electricity and fertilizer application rate were the main factors for the gain production. If they increased by 1 percent, the gain production would increase by 0.97,0.06 and 0.18 percent, respectively. In 2002～2012, the contributions of the three factors to grain production growth were 3.55,31.2, and 21.45 percent, respectively;(2) If the crop disaster area increasedby 1 percent, the gain production woulddecrease by 0.04 percent. In 2002～2012, the crop disaster area decreases by 57.75 percent and its contribution on gain production growth was 7.97 percent;(3) After the control of the total influence of agricultural machinery, fertilizers, pesticides and rural electricity, the high temperature and drought events reduced1.98 percent gain production, while the influence of flood or low temperature weather was not significant. In 2002～2012, the number of the high temperature and drought events was 93, and the frequency was 27 percent. As a result, the loss of the production was 0.53 percent. To ensure the food security in future, this paper suggested that the government should increase the infrastructure investment, hold the red line of arable land, and improve the anti-risk ability of agriculture.

extreme climate; rare disaster; gain production; fixed effect model

10.7621/cjarrp.1005-9121.20170405

2016-11-24

賀大興(1981—)，男，湖北宜昌人，博士、副教授。研究方向：發展經濟學。Email：hedaxing@gmail.com

*資助項目：國家社科基金青年項目“馬克思不平等、消費不足和經濟危機理論的現代化研究”(16CJL001)

S162.8; F326.11

A

1005-9121[2017]04028-07

①新華網： 1998年中國長江洪水， 2007年4月19日。

②新華網：國家防總：今年以來28個省份遭受洪災損失約1469億， 2016年7月15日。