極端天氣、糧食產(chǎn)量波動與農(nóng)業(yè)天氣風(fēng)險管理

曾小艷 郭興旭

摘要：在所有自然災(zāi)害中，氣象災(zāi)害占80%以上，其中最主要的是農(nóng)業(yè)氣象災(zāi)害。闡述了氣候變化與極端天氣事件的關(guān)系，以及二者帶來的中國農(nóng)業(yè)生產(chǎn)中的主要氣候風(fēng)險。采用面板數(shù)據(jù)模型，選取湖北省78個縣市1990—2009年與糧食有關(guān)的生產(chǎn)數(shù)據(jù)和氣候數(shù)據(jù)，實證分析氣候因子對糧食產(chǎn)量的影響。結(jié)果表明，平均氣溫、降水、日照變化均存在對糧食產(chǎn)量影響的最大值，影響呈倒“U”形結(jié)構(gòu)，說明糧食生長需要穩(wěn)定的氣候條件，氣候風(fēng)險會對糧食生產(chǎn)產(chǎn)生負面影響。管理天氣風(fēng)險的傳統(tǒng)農(nóng)業(yè)保險存在信息不對稱等問題，天氣指數(shù)保險和天氣衍生品作為農(nóng)業(yè)天氣風(fēng)險管理的重要創(chuàng)新工具，能夠化解農(nóng)業(yè)保險所面臨的道德風(fēng)險問題，成為轉(zhuǎn)移農(nóng)業(yè)天氣風(fēng)險的有效路徑。

關(guān)鍵詞：氣候變化；氣候風(fēng)險；糧食產(chǎn)量；面板數(shù)據(jù)模型；風(fēng)險管理

中圖分類號： F840.66文獻標(biāo)志碼： A

文章編號：1002-1302（2017）11-0306-04[HS）][HT9.SS]

1氣候變化與極端天氣事件

氣候變化是全球可持續(xù)發(fā)展面臨的挑戰(zhàn)性問題。經(jīng)濟發(fā)展對資源的依賴性較強，因此更容易受到氣候波動的影響[1]。溫室效應(yīng)是由人類活動與自然共同導(dǎo)致的，溫室效應(yīng)影響天氣。大多數(shù)溫室效應(yīng)是由于溫室氣體的自然增長，少部分溫室效應(yīng)是因人類焚燒化石燃料、砍伐森林、破壞植被等導(dǎo)致的[2]。IPCC（聯(lián)合國政府間氣候變化小組）研究表明：全球年平均氣溫在100年內(nèi)（1906—2005年）上升0.74 ℃。我國北方地區(qū)年平均氣溫升高明顯，尤其是東北地區(qū)與華北地區(qū)的增溫幅度較大[3]。中國地表年平均氣溫升高0.5～08 ℃。

中國的降水量因氣候變暖呈不均衡態(tài)勢。長江中下游地區(qū)與東南地區(qū)近50年的年均降水量增加了60～130 mm，東北南部、華北、西北東部的年降水量呈下降趨勢[4]。農(nóng)業(yè)生產(chǎn)中應(yīng)特別注意極端天氣和水分條件的變化，氣候異常變動會導(dǎo)致農(nóng)業(yè)生產(chǎn)不穩(wěn)定，高溫使得半干旱和干旱地區(qū)荒漠化更加嚴(yán)重，強降水會引起洪澇等災(zāi)害頻繁發(fā)生。

因溫室氣體增溫不均，熱帶和極地之間的溫差將變小，這將顯著改變天氣系統(tǒng)的熱動力機制，引起大氣環(huán)流與洋流的格局變動，導(dǎo)致極端天氣事件發(fā)生的強度和頻率均增加[5-6]。極端天氣是超出正常天氣狀況的現(xiàn)象。近年來，全球極端天氣事件的發(fā)生越來越頻繁（表1），極端天氣帶來的經(jīng)濟損失也在逐漸增加。

極端天氣事件在中國表現(xiàn)為高溫干旱天氣頻率增加，北方地區(qū)尤其是西北地區(qū)近20年來高溫天數(shù)顯著增加，東北、華北平原和西北旱區(qū)的旱災(zāi)發(fā)生頻率顯著增大[4]。氣候變暖將加劇我國北方地區(qū)的干旱狀況， 使得南方地區(qū)高溫?zé)岷FL）]

及伏旱更加嚴(yán)重。中國南方地區(qū)雖然降水量較充足，但由于時空分布不均勻，伏旱、季節(jié)性干旱與秋旱時常發(fā)生，嚴(yán)重影響糧食生產(chǎn)。近年來，福建省、江西省、湖南省、浙江省等地區(qū)陸續(xù)發(fā)生了嚴(yán)重的伏旱、秋旱，給糧食生產(chǎn)帶來了巨大損失[7]。

中國長江及以南區(qū)域的極端降水事件發(fā)生更為頻繁，江淮流域的暴雨、洪澇災(zāi)害明顯增加。長江流域自動觀測站資料表明，長江流域大部分地區(qū)年平均降水量逐漸增加，暴雨天數(shù)增多。長江上游夏季暴雨期逐年提前，在暴雨期間，長江中下游處于梅雨時節(jié)，同時發(fā)生的2種情況使上游來水成為負擔(dān)，發(fā)生洪災(zāi)的概率因此增大。暴雨頻率增加會導(dǎo)致土壤侵蝕、水土流失，使得泥石流和滑坡等地質(zhì)災(zāi)害的頻率和強度增大，這些都將對農(nóng)業(yè)生產(chǎn)產(chǎn)生嚴(yán)重的影響[8]。

2中國農(nóng)業(yè)生產(chǎn)中的主要天氣風(fēng)險

氣象災(zāi)害對中國農(nóng)業(yè)生產(chǎn)影響嚴(yán)重。如春季的低溫連陰雨影響江南早稻的育秧期，寒露風(fēng)影響晚稻的抽穗揚花，干熱風(fēng)影響北方冬麥區(qū)小麥生長，夏季低溫影響東北水稻、高粱、大豆生長，高溫干旱、洪澇、霜凍等災(zāi)害性天氣影響華南及江淮地區(qū)農(nóng)作物的收獲。中國農(nóng)業(yè)生產(chǎn)面臨的主要天氣風(fēng)險是干旱、洪澇、寒災(zāi)、冷災(zāi)等[9]。

旱災(zāi)是影響中國農(nóng)業(yè)生產(chǎn)的首要天氣災(zāi)害。中國季風(fēng)氣候明顯，季風(fēng)的不穩(wěn)定性導(dǎo)致干旱頻繁發(fā)生。旱災(zāi)主要發(fā)生在北方黃淮海平原與河套平原、南方的江南丘陵與云貴高原。2000年是自1949年以來我國干旱最為嚴(yán)重的一年，冬小麥主產(chǎn)區(qū)嚴(yán)重干旱，東北三省、長江下游與四川地區(qū)的秋糧損失嚴(yán)重，全國因旱災(zāi)減產(chǎn)糧食25%；河北省、河南省、山東省、江蘇省等15個糧食主產(chǎn)區(qū)2009年初出現(xiàn)大面積干旱，0.09億hm2 左右作物受旱嚴(yán)重；2010年，云南、貴州、廣西、四川、重慶西南5省（市、區(qū)）遭遇特大旱災(zāi)，受旱作物面積604.53萬hm2，重旱面積達到190.07萬hm2，干枯約 101萬hm2，造成經(jīng)濟損失超過350億元；2012年2月，云南省大旱，90個監(jiān)測站點發(fā)生了氣象干旱，旱災(zāi)造成直接經(jīng)濟損失達23.42億元，農(nóng)業(yè)損失達22.19億元。

中國大部分地區(qū)年降水量不同年份間變化較大，都集中在夏季，洪澇災(zāi)害發(fā)生頻繁。1998年，全國共有29個省（市、區(qū)）受災(zāi)，洪災(zāi)導(dǎo)致糧食減產(chǎn)6 033萬t，減產(chǎn)幅度達12%；江南、華南、江淮、西南、東北等地區(qū)于2010年前后多次發(fā)生大范圍強降雨，洪災(zāi)使0.13億hm2農(nóng)作物受災(zāi)，減產(chǎn)糧食3 421萬t，減產(chǎn)幅度達到6%；2012年6月下旬，浙江省、江西省、福建省等省發(fā)生暴雨洪災(zāi)，總經(jīng)濟損失達172.54億元。

雪災(zāi)和低溫凍害會導(dǎo)致農(nóng)作物的凍傷與減產(chǎn)。2002年4月，山東省43個縣發(fā)生嚴(yán)重霜凍災(zāi)害，作物受災(zāi)面積達 51萬hm2，直接經(jīng)濟損失約64億元；2008年初，我國南方發(fā)生大范圍雨雪冰凍天氣，農(nóng)業(yè)遭受嚴(yán)重損失，成災(zāi)面積達 0.174億hm2，絕收面積達197.1萬hm2。僅江蘇省農(nóng)業(yè)損失就達 10.9億元，占全部經(jīng)濟損失的50%。

3氣候風(fēng)險對湖北省糧食產(chǎn)量的影響

湖北省是糧食大省，享有“湖廣熟、天下足”的美譽。中國的糧食安全主要依靠糧食核心生產(chǎn)區(qū)，2004年湖北省被中央確定為13個糧食主產(chǎn)省份之一。氣候變化使我國干旱、高溫等氣象災(zāi)害發(fā)生更加頻繁，氣候災(zāi)害帶來的巨大損失嚴(yán)重影響中國糧食安全。

3.1模型設(shè)定與指標(biāo)選取

農(nóng)作物生長受光、水、溫等因素共同作用，氣候因素影響生產(chǎn)要素的使用效率。傳統(tǒng)C-D生產(chǎn)函數(shù)在描述產(chǎn)量與生產(chǎn)要素的關(guān)系時起到了重要作用[3]。分析氣候因素對糧食產(chǎn)量的影響時，同樣采用經(jīng)濟-氣候模型，即將氣候因子也作為外生變量引入C-D生產(chǎn)函數(shù)模型[10-11]：

[HS2][JZ（]lnyit=α0+∑[DD（]Kk=1[DD）]klnxkit。[JZ）][JY]（1）

式中：yit表示i區(qū)域在時間t的糧食產(chǎn)量，xkit表示因素k在i區(qū)域時間t的投入量，αj（j=0，1，…，K）為待估計參數(shù)。設(shè)定農(nóng)作物產(chǎn)量是各投入要素、技術(shù)、管理、土地、氣候因子的函數(shù)，雖然氣候因素不是生產(chǎn)因素，它卻影響生產(chǎn)要素投入的數(shù)量。

糧食產(chǎn)量作為解釋變量，選擇的解釋變量包括農(nóng)業(yè)勞動力、播種面積、有效灌溉面積、機械總動力、化肥施用量等。氣候因子也作為解釋變量，具體表現(xiàn)為以1年為單位的年平均氣溫、年平均降水總量與年平均日照總時數(shù)，同時，在解釋變量中加入氣候因子的二次項，以更貼近實際情況。除了各主要投入要素外，引入時間趨勢項t，體現(xiàn)技術(shù)進步對糧食產(chǎn)量的影響。各主要變量的描述性統(tǒng)計見表2。

由表2可知，糧食產(chǎn)量和各主要投入因素最大值、最小值間的差距很大，波動幅度也大，這反映了生產(chǎn)投入與獲得收益之間的不確定性。主要原因是糧食種植的分布區(qū)域較廣，相應(yīng)的水平差異也較大。氣候因素中，氣溫的波動相對較小，降水、日照的波動較大，3個氣候因子的變化都會對糧食產(chǎn)量造成不同程度的影響。

各投入要素中除了播種面積之外，其他要素并不僅用于糧食作物。為了單獨計算對糧食的要素投入量， 衡量糧食生[FL）]

產(chǎn)中各縣市的農(nóng)業(yè)勞動力、化肥施用量以及機械總動力、有效灌溉面積的大小，對一些主要變量進行了處理：將每種投入量都乘以糧食種植面積與總農(nóng)作物種植面積的比值。其中：灌溉投入=有效灌溉面積×（糧食播種面積/農(nóng)作物播種面積）；化肥投入量=化肥施用量×（糧食播種面積/農(nóng)作物播種面積）[11-12]。

機械總動力和農(nóng)業(yè)勞動力這2種投入要素也應(yīng)用在整個農(nóng)業(yè)部門，不僅是糧食種植上，相應(yīng)地也對它們進行調(diào)整：農(nóng)業(yè)機械投入量=農(nóng)業(yè)機械總動力×（農(nóng)業(yè)總產(chǎn)值/農(nóng)林牧漁總產(chǎn)值）×（糧食播種面積/農(nóng)作物播種面積）；農(nóng)業(yè)勞動力投入量=農(nóng)林牧漁業(yè)從業(yè)人員數(shù)×（農(nóng)業(yè)總產(chǎn)值/農(nóng)林牧漁總產(chǎn)值）×（糧食播種面積/農(nóng)作物播種面積）。

3.2模型估計

采用的數(shù)據(jù)是湖北省78個縣市的面板數(shù)據(jù)。面板數(shù)據(jù)因為同時具有橫截面、時間2個維度，能夠解決單獨的截面或時間序列數(shù)據(jù)所不能解決的問題，它也能顯著增加樣本空間，提高自由度，可以提供更多的個體信息，進而使估計結(jié)果更為準(zhǔn)確[13]。現(xiàn)有研究常常對混合OLS方法、固定效應(yīng)模型（FE，fixed effects model）和隨機效應(yīng)模型（RE，random effects model）進行比較，選取其中一種估計方法。但是如果面板數(shù)據(jù)存在組內(nèi)自相關(guān)、組間異方差或組間截面相關(guān)等問題時，上述方法的估計效果并不理想。這種情況下，可以考慮用可行廣義最小二乘法進行估計（feasible GlS，F(xiàn)GLS）[11-13]。

采用Stata10.0軟件，分別使用混合回歸、固定效應(yīng)模型（FE）、隨機效應(yīng)模型（RE）、FGLS對模型進行估計，結(jié)果見表3。其中混合回歸、FE、RE都采用了聚類穩(wěn)健標(biāo)準(zhǔn)差。根據(jù)估計結(jié)果可以看到，F(xiàn)E、RE和混合回歸的估計效果均不理想，F(xiàn)GLS的估計結(jié)果最為穩(wěn)健。采用Stata10.0軟件對面板數(shù)據(jù)進行統(tǒng)計檢驗，結(jié)果見表4。[FL）]

根據(jù)檢驗結(jié)果，沃爾德檢驗強烈拒絕“組間同方差”的原假設(shè)，認為存在“組間異方差”；同時，也強烈拒絕“不存在一階組內(nèi)自相關(guān)”的原假設(shè)。表4僅列出了Pesarans檢驗，事實上，F(xiàn)riedman與Frees檢驗的P值均小于0.01，因此強烈拒絕“無截面相關(guān)”的原假設(shè)，認為存在組間截面相關(guān)。綜合考慮上述結(jié)果和模型的最終估計結(jié)果，本研究最終選取FGLS估計方法，該方法能較好地解決上述問題，使模型估計結(jié)果更為穩(wěn)健[13]。

3.3估計結(jié)果分析

根據(jù)上述分析以及FGLS估計結(jié)果，可以得到包含氣候因子在內(nèi)的各因素對糧食產(chǎn)量的影響程度。

3.3.1除氣候因子外其他投入要素的影響根據(jù)各投入要素對糧食產(chǎn)量的邊際影響，可以發(fā)現(xiàn)估計結(jié)果中播種面積系數(shù)為0.541，在1%水平上顯著。相對土地因素來說，其他投入要素的估計系數(shù)都較小。這是因為可耕地面積，尤其是較肥沃土地面積因為城鎮(zhèn)化而遞減，環(huán)境問題也造成土地的降級和荒廢[5]。土地可增加面積的減少使土地要素成為糧食種植面積擴大的嚴(yán)重約束。化肥施用量與機械總動力對糧食產(chǎn)量的影響也為正。化肥施用量的估計系數(shù)為0.141，在1%水平上顯著，表明在糧食生產(chǎn)中化肥施用非常密集，邊際影響為正。機械總動力的系數(shù)為0.054 3，在1%水平上顯著，但相對土地要素的影響來說較小。這是因為，與中國其他地區(qū)一樣，湖北省也是以單個家庭經(jīng)營為主，沒有使用較大規(guī)模機械，小規(guī)模機械的使用更為普遍。農(nóng)業(yè)勞動力與有效灌溉面積的系數(shù)分別是0.172、0.151，說明對糧食產(chǎn)量的增長作用均為正向。

3.3.2氣候變化的影響根據(jù)模型估計結(jié)果，各氣候因素對糧食產(chǎn)量影響中，氣溫的影響在1%水平上顯著。依據(jù)氣溫項以及氣溫的二次項系數(shù)，可以看出氣溫變化對糧食產(chǎn)量的影響為拋物線形式（-2.555 lntem2+26.44 lntem），呈現(xiàn)倒“U”形曲線，表明氣溫變化對糧食作物產(chǎn)量影響存在最大值。降水變化的影響在5%上顯著，同氣溫變化一樣，降水變化對糧食產(chǎn)量影響的表現(xiàn)形式也是拋物線（-0.073 5 lnrain2+0.505 lnrain）。類似地，日照也具有對糧食產(chǎn)量影響的最大值，在10%水平上顯著。

糧食作物生長需要較穩(wěn)定的氣溫、降水、日照。氣溫過高、降水過少、日照強度過高均會引起干旱，氣溫過低會發(fā)生凍害，降水過多則會導(dǎo)致洪澇災(zāi)害的發(fā)生[14-16]。這些都會對糧食生產(chǎn)產(chǎn)生負面影響。

4農(nóng)業(yè)天氣風(fēng)險管理實現(xiàn)路徑

在全球氣候變暖和變化異常的大背景下，常有低溫、干旱、洪澇、龍卷風(fēng)等災(zāi)害性天氣出現(xiàn)，嚴(yán)重威脅糧食生產(chǎn)。從世界各國的經(jīng)驗來看，農(nóng)業(yè)保險是轉(zhuǎn)嫁農(nóng)業(yè)天氣風(fēng)險的重要途徑。但在實踐上，各國農(nóng)業(yè)保險都面臨著信息不對稱而導(dǎo)致的逆向選擇、道德風(fēng)險及災(zāi)后理賠效率低、成本高、誤差大等問題，造成需求有限、供給不足的窘境。市場需求是金融創(chuàng)新的重要動力之一，天氣指數(shù)保險和天氣衍生品是一種新興的金融衍生工具，它們的交易標(biāo)的是與天氣相關(guān)的指數(shù)，如溫度指數(shù)、風(fēng)速指數(shù)、降水量指數(shù)、降雪量指數(shù)等，這有利于農(nóng)業(yè)生產(chǎn)者對天氣風(fēng)險進行套期保值。天氣指數(shù)產(chǎn)品所依據(jù)的都是由氣象部門提供的氣溫、降水量、風(fēng)速等數(shù)據(jù)，因此客觀性強，得到的信息不會受合約持有者影響，很大程度降低了道德風(fēng)險。農(nóng)業(yè)生產(chǎn)者可以直接參與購買天氣衍生品或天氣指數(shù)保險；農(nóng)業(yè)生產(chǎn)者也可以先購買農(nóng)業(yè)保險，由保險公司或再保險公司用所得保費收入來購買天氣衍生品，用以對沖農(nóng)業(yè)天氣風(fēng)險。這些方式擴大了風(fēng)險承保范圍，能夠?qū)⑥r(nóng)業(yè)天氣風(fēng)險轉(zhuǎn)移給更有能力或更愿意承擔(dān)風(fēng)險方，因此有利于借助資本市場分散與轉(zhuǎn)移農(nóng)業(yè)天氣風(fēng)險。也有助于化解農(nóng)業(yè)保險所面臨的道德風(fēng)險，保障國家糧食安全，增加農(nóng)民收入以及促進農(nóng)業(yè)和農(nóng)村經(jīng)濟發(fā)展。

[HS2*5][HT8.5H]參考文獻：

[1]Matsumoto K，Andriosopoulos K. Energy security in East Asia under climate mitigation scenarios in the 21st century[J]. Omega，2016，59：60-71.

[2]埃里克·班克斯. 天氣風(fēng)險管理：市場、產(chǎn)品和應(yīng)用[M]. 北京：經(jīng)濟管理出版社，2010.

[3]崔靜，王秀清，辛賢，等. 生長期氣候變化對中國主要糧食作物單產(chǎn)的影響[J]. 中國農(nóng)村經(jīng)濟，2011（9）：13-22.

[4]肖風(fēng)勁，張海東，王春乙，等. 氣候變化對我國農(nóng)業(yè)的可能影響及適應(yīng)性對策[J]. 自然災(zāi)害學(xué)報，2006，15（6）：327-331.

[5]蔡運龍. 全球氣候變化下中國農(nóng)業(yè)的脆弱性與適應(yīng)對策[J]. 地理學(xué)報，1996，51（3）：202-212.

[6]丁一匯. 中國氣候變化——科學(xué)、影響、適應(yīng)及對策研究[M]. 北京：中國環(huán)境科學(xué)出版社，2012.

[7]周曙東，周文魁，林光華，等. 未來氣候變化對我國糧食安全的影響[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2013，13（1）：56-65.

[8]王向輝，雷玲. 氣候變化對農(nóng)業(yè)可持續(xù)發(fā)展的影響及適應(yīng)對策[J]. 云南師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2011，43（4）：18-24.

[9]霍治國，李世奎，王素艷，等. 主要農(nóng)業(yè)氣象災(zāi)害風(fēng)險評估技術(shù)及其應(yīng)用研究[J]. 自然資源學(xué)報，2003，18（6）：692-703.[ZK）]

[10]曾小艷. 農(nóng)業(yè)天氣風(fēng)險管理的金融創(chuàng)新路徑研究[D]. 武漢：華中農(nóng)業(yè)大學(xué)，2013.

[11]Holst R Y，Grün C. Climate change，risk and grain yields in China[J]. Journal of Integrative Agriculture，2013，12（7）：1279-1291.

[12][JP2]周曙東，朱紅根. 氣候變化對中國南方水稻產(chǎn)量的經(jīng)濟影響及其適應(yīng)策略[J]. 中國人口·資源與環(huán)境，2010，20（10）：152-157.[JP]

[13]陳強. 高級計量經(jīng)濟學(xué)及Stata應(yīng)用[M]. 北京：高等教育出版社，2010.

[14]馬銳，江敏，石春林. 氣候變化對農(nóng)業(yè)影響評價研究進展[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（10）：16-19.

[15]張怡，史本林. 氣候變化對豫東冬小麥產(chǎn)區(qū)的綜合影響[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（2）：336-339.

[16]陳波，方偉華，何飛，等. 湘江流域洪澇災(zāi)害與降水的關(guān)系[J]. 自然災(zāi)害學(xué)報，2008，17（1）：92-96.[ZK）][HT][HJ][FL）]