氣候變化視角下我國糧食生產率增長及其影響因素分析

劉戰偉

摘要：【目的】通過深入了解氣候變化對糧食生產率增長的影響，為科學制定糧食生產政策提供理論依據。【方法】利用2000—2017年我國省際面板數據，使用HP濾波法分離糧食生產氣候產量，并運用序列DEA方法測算是否考慮氣候因素兩種條件下的我國糧食全要素生產率，并實證檢驗氣候變化、科技投入等因素對糧食生產率的影響。【結果】氣候變化對糧食全要素生產率的測算結果具有較大影響，考慮氣候變化因素后糧食全要素生產率更低。兩種條件下我國糧食全要素生產率的增長均呈明顯波動性變化，主要由技術進步推動，而技術效率起到阻礙作用。氣候變化對糧食全要素生產率有顯著影響，且具有明顯的區域差異性，其中年平均氣溫具有正向影響，而年降水總量則表現出負向影響;科技投入對糧食全要素生產率增長的促進作用顯著。【建議】政府應調整農業結構和種植制度，推動農業供給側結構性改革;加大農業科技投入，培育新品種;完善農田基本設施建設，提高水資源利用率;建立和完善農業氣象災害監測預警服務體系，提高農業災害性天氣的預測能力。

關鍵詞： 糧食全要素生產率;氣候變化;科技投入;序列DEA方法

中圖分類號： S117;F329.9? ? ? ? ? ? ? ? ? ? 文獻標志碼： A 文章編號：2095-1191（2019）02-0424-08

Abstract：【Objective】The impact of climate change on grain productivity growth was studied in order to provide a theoretical basis for the formulation of scientific grain production policies. 【Method】Using the China inter-provincial panel data from 2000 to 2017， sequence DEA method was used to calculate whether to consider the climatic factors of the grain total factor productivity based on using HP filtering separation grain yield climate production， and the influence mechanism of climate change， technology investment and other factors on grain productivity was empirically tested. 【Result】Climate change had great impact on the measurement of grain total factor productivity. After considering the factors of climate change， the grain total factor productivity was lower. Under the two conditions， the growth of total grain productivity showed obvious volatility， which was mainly driven by technological progress， while technical efficiency was hindering the effect. The climate changes had significant effects on the grain total factor productivity， and had clear regional differences. The annual average temperature had positive impact， while the annual total precipitation showed? negative effect. The contribution of technology investment to the growth of grain total factor productivity was very significant. 【Suggestion】The government should adjust the agricultural structure and planting system， promote the reform of agricultural supply side; increase the investment of agricultural science and technology， cultivate new varieties; improve the construction of farmland infrastructure， improve the utilization rate of water resources; establish and improve the early warning service system of agro meteorological disaster monitoring， and improve the prediction ability of agricultural disastrous weather.

Key words： grain total factor productivity; climate change; technology investment; sequence DEA method

0 引言

【研究意義】自改革開放以來，我國糧食生產取得了舉世矚目的成就，2017年全國糧食總產量達61791萬t。在全球氣候變暖的背景下，極端氣候變化對我國糧食生產帶來了不利影響，近5年來每年因自然災害造成的糧食損失高達5000萬t左右，占糧食總產量的10%左右，如果不采取適當措施，預計到2030年我國糧食綜合生產能力因氣候變化將會下降5%～10%。農業科技能優化資源配置效率，降低氣候變化對糧食生產的沖擊作用（葉明華和庹國柱，2015）。因此，深入研究氣候變化對糧食生產的影響，挖掘農業科技潛力，是提高我國糧食產量、增強糧食生產抵御風險能力及實現農業現代化發展的首要因素。2017年中央經濟工作會議指出要積極推進農業供給側結構性改革，農業供給側結構性改革的核心標志和關鍵環節則在于提高全要素生產率。【前人研究進展】目前，已有許多學者從不同的角度對糧食全要素生產率展開了研究，但多數研究對糧食全要素生產率的分析框架主要集中于制度變遷、人力資本等經濟因子，很少考慮氣候變化對糧食全要素生產率的影響。近年來，學者們開始關注氣候變化對糧食生產的影響。吳麗麗等（2015）基于1985—2011年中國省域面板數據，分析我國12個省的油菜生產及氣候變化對油菜單產的影響;葉明華和庹國柱（2015）采用雙函數模型分析得出，氣候變化對糧食生產的短期波動有重要影響;尹朝靜等（2016b）利用1984—2013年28個省份糧食生產的投入產出數據實證分析得出，降水量和氣溫對糧食產量的影響具有顯著的非線性關系。上述研究主要集中在研究氣候變化對糧食產量的影響，關于氣候變化對糧食全要素生產率影響的研究有：姜巖等（2015）基于隨機前沿生產函數模型分析了氣候變化視角下江蘇省8個地區水稻生產效率的時空分布;尹朝靜等（2016c）采用DEA方法測度了是否考慮氣候變化因素條件下的中國糧食全要素生產率。隨著氣候變化對糧食生產影響的加劇，許多學者提出了通過科技進步降低氣候因素帶來的影響。目前，我國糧食生產中科技進步貢獻率在35%左右，與發達國家60%～80%的貢獻率相比有較大差距。高鳴和宋洪遠（2015）依據1978—2013年省級面板數據，分析得出技術進步正在替代人力資本對糧食經濟增長做主要貢獻。【本研究切入點】綜上所述，現有文獻對豐富我國糧食全要素生產率的研究具有重要借鑒價值，但仍存在不足。在研究方法上，多采用傳統的當期DEA方法，而該方法會帶來技術退步問題，可能對糧食全要素生產率的測算存在估計偏差。序列DEA方法優于當期DEA方法，在測算糧食全要素生產率時，將氣候因素納入隨機擾動項，忽略糧食生產受氣候因素影響存在明顯的特質性。在研究內容上，盡管部分學者研究了氣候變化、農業科技投入對糧食全要素生產率的影響，但極少同時考慮二者的作用。【擬解決的關鍵問題】將氣候變化、科技投入和糧食全要素生產率納入同一分析框架，實證檢驗氣候變化和科技投入等因素對糧食全要素生產率的影響，為促進糧食生產、推動農業供給側結構性改革提供理論參考。

1 數據來源與研究方法

1. 1 氣候變化對糧食全要素生產率增長的影響機理

氣候變化的主要特征是氣候變暖帶來積溫上升，對糧食生產既有利也有弊，二者相互作用，在時間和空間上呈現錯綜復雜的現象和結果。氣候變化對糧食全要素生產率增長的影響主要表現為：

（1）氣候變化導致農業病蟲害、氣象災害頻發。氣候變化為病蟲害發生提供了條件，尤其是暖冬季節，十分有利于北方地區各種農作物病蟲源安全過冬，使得病蟲越冬死亡率降低，直接導致來年病蟲害危害加劇。同時，氣候變化引起農業旱澇等氣象災害趨于嚴重，影響農業產出效率，造成農業大幅度減產，糧食產量急劇下降。

（2）氣候變化影響種植制度和生產布局。聯合國政府氣候變化專門委員會第四次評估報告認為氣溫每上升1 ℃，水稻和冬小麥的生育期將分別縮短7～8和17 d，一年兩熟和一年三熟的種植地區將會北移。各種植區域為適應氣候變化，必然會改變其種植制度、生產結構和布局，從而引起糧食生產過程中要素投入及產出的變化，進而對糧食全要素生產率的增長帶來影響。

（3）氣候變化影響糧食生產需要的自然資源要素。氣候變化會帶來光照、溫度、水等資源發生改變，影響土壤有機碳、礦物質、有機質等含量，進而影響土壤本身的生產能力，最終影響糧食生產率的增長。

1. 2 糧食全要素生產率測算方法

序列DEA方法通過引入以前各期的技術，解決技術水平退步的問題，與當期DEA方法相比，其區別在于參考技術的定義。在序列DEA方法中，參考技術被定義為：

L'（x）={y∶yt≤zY t，zX t≤ x t，z≥0} （1）

式中，X t =（X t1，X t2[…]X t），yt =（yt1，yt2[…]yt）。計算每個地區投入導向的距離函數：

D[t0]（xt，yt）=sup{θ∶（xt，θyt）∈Lt} （2）

根據Caves等（1982）的方法構造序列Malmquist指數，即：

式中，Malmquist（M）生產率指數反映全要素生產率的變化率; TEC為技術效率變動指數，反映決策單位追趕最優技術前沿的努力;TC表示技術進步指數，反映決策單位面臨的最優技術前沿隨時間變化的軌跡。

本研究測算我國糧食全要素生產率時采用的投入產出指標如下：（1）產出指標。采用HP濾波法從各省糧食總產量中分離出歷年的糧食趨勢產量，反映社會經濟科技變化因素導致的糧食產量變動。各省份的歷年糧食總產量與趨勢產量間的差額即為氣候產量，反映氣候因子導致糧食產量變動的狀況，將糧食趨勢產量作為產出指標。（2）投入指標。包括糧食生產勞動投入、農作物播種面積、農業機械總動力、化肥施用量（折純量）和有效灌溉面積5個指標。為了將廣義的農業中用于糧食生產的投入要素分離出來，借鑒馬文杰（2010）使用的權重系數法，其中，糧食勞動力投入=各省農林牧漁業從業人員人數×（農業產值/農林牧漁總產值）×（糧食播種面積/農作物播種總面積），其余4個指標分別乘以（糧食播種面積/農作物播種總面積），從而使以上指標從大農業中剝離。研究使用的所有數據來源于歷年的《中國統計年鑒》、《中國農村統計年鑒》及《中國農業年鑒》。

1. 3 糧食全要素生產率增長的影響因素模型

根據C-D生產函數構建產出函數，檢驗氣候變化對糧食全要素生產率增長的影響，糧食全要素生產率為產出變量：

TFPi，t=CLC[βri，t]×[n=1pXβnit，n] （4）

式中，TFP（Total factor productivity）表示省份 i 在第t時期的糧食全要素生產率，CLC表示氣候變化，X表示影響糧食全要素生產率的其他因素，n =1，2…p，表示除了氣候變化的其他p種因素。對式（4）取自然對數可得：

lnTFPi，t=βr lnCLCi，t+[n=1pβn lnXit] （5）

根據新經濟增長理論，農業科技投入會降低氣候變化對糧食全要素生產率的影響，從而推動農業經濟增長。因此，本研究將氣候變化和科技投入同時納入生產函數模型中，可得到：

lnTFPi，t=βr lnCLCi，t+βh lnARDit+[n=1p-1βn lnXit] （6）

式中，ARD表示省份i在第t 時期的科技投入，衡量農業科技投入對糧食全要素生產率的影響。

由于糧食全要素生產率受到諸多因素的綜合影響，包括勞動力、農業機械化水平、產業結構、農業基礎設施水平及制度因素等。根據數據的可獲取性及已有的相關研究，選取勞動力、農業機械化水平、化肥使用量和農業結構調整4個變量作為影響糧食全要素生產率的控制變量，最終構建如下計量模型：

lnTFPi，t=β0+β1 lnCLCi，t+β2 lnARDit+β3 lnALBit+

β4 lnAMEit+β5 lnFERit+β6 lnASTit+f+ε （7）

式中，ALB表示勞動力，AME表示農業機械化水平，FER表示化肥使用量，AST表示農業結構調整，f 表示非觀測的個體固定效應，ε表示隨機誤差項。

1. 4 變量選取及數據來源

1. 4. 1 核心變量 （1）氣候變量。已有研究表明，氣溫和降水兩個因素對糧食生產影響最顯著（尹朝靜等，2016b）。因此，氣候變量選取氣溫和降水兩個指標代替，氣溫（TEM）指標以年平均氣溫表示，降水（RFA）指標以年降水總量表示。（2）農業科技投入變量，使用農業科研機構經常費用支出表示，主要包括科研活動支出、生產經營活動支出和其他支出。

1. 4. 2 其他控制變量 （1）勞動力。基于數據的可獲得性，從事糧食生產勞動力指標使用從事農林牧漁產業勞動力人數作為其代理變量。（2）農業機械化水平，使用農業機械總動力與農作物總播種面積的比值表示。（3）化肥使用量，使用畝均化肥指標衡量，用某地區化肥使用純量除以該地區糧食播種面積表示。（4）農業結構調整，采用糧食播種面積占農作物總播種面積的比重表示，農業內部結構調整的優劣會對糧食全要素生產率的提高產生重要影響。本研究采用2000—2017年我國30個省份（西藏除外）的面板數據，實證檢驗分析氣候變化、科技投入對我國糧食全要素生產率的影響。其中，氣候變量數據來源于中國氣象數據共享網上的中國地面氣候資料年值數據集，科技投入變量數據來源于《中國科技統計年鑒》和《全國農業科技統計資料匯編》;其余4個控制變量使用的數據主要來源于歷年《中國統計年鑒》、《中國農村統計年鑒》、《中國農業年鑒》、《新中國六十年農業統計資料》及各省的統計年鑒。

1. 5 統計分析

運用MAXDEA 7.0采用序列DEA方法測算我國糧食全要素生產率增長及其分解;使用Stata 14.0，通過建立的計量模型重點分析檢驗氣候變化和科技投入兩個因素對糧食全要素生產率的影響。

2 結果與分析

2. 1 我國糧食全要素生產率的測算及分析

根據表1可知，我國糧食全要素生產率（M）年均增長率在考慮氣候因素條件下為0.6%，比未考慮氣候因素條件下的數值（1.1%）下降0.5%（絕對值，下同）。從增長推動力來看，兩種條件下我國糧食全要素生產率增長均有技術進步（TC）推動，年均增長率分別為1.2%和2.0%，考慮氣候因素條件下技術進步年均增長低于未考慮氣候因素0.8%，而技術效率（TEC）均呈現負增長態勢，分別為-0.6%和-0.9%。從時間變化角度來看，考慮氣候因素條件下的我國糧食全要素生產率并非都低于未考慮氣候因素，在一定程度上說明氣候變化對我國糧食全要素生產率的影響并不一定全為負面，適宜的氣候條件可增長我國糧食生產地區的熱量資源，有利于延長糧食作物生育期，增加單產，從而推動糧食全要素生產率的提高。但總體上，氣候變化對糧食生產帶來的弊大于利，特別是干旱、洪澇等極端氣候事件頻發，對糧食生產帶來極大影響，導致糧食產量下降，綜合生產能力下降，從而阻礙糧食全要素生產率的提高。

表2列出了我國東、中、西部地區及糧食主產區（包括河北、內蒙、遼寧等13個省份）的糧食全要素生產率增長結果。其中，東、中、西部地區在考慮氣候因素條件下糧食全要素生產率增長率分別為0.5%、1.7%和-0.1%，而在不考慮氣候因素條件下糧食全要素生產率增長率分別為1.3%、2.9%和-0.3%，相比之下，東、中、西部地區糧食全要素生產率增長率分別降低0.8%、1.2%和0.2%，說明氣候變化對區域糧食全要素生產率增長產生阻礙作用。從糧食全要素生產率的構成進一步分解可知：（1）技術進步指數。東、中、西部地區在考慮氣候因素條件下技術進步增長分別為1.3%、1.7%和0.7%，在不考慮氣候因素條件下技術進步增長分別為2.4%、2.7%和1.0%，可見，引入氣候因素之后東、中、西部地區技術進步均有不同程度降低，說明氣候因素對技術進步具有一定程度的阻礙作用，需要通過提高糧食生產技術以降低氣候災害對糧食生產產生的負面作用。（2）技術效率變動。東、中、西部地區在考慮氣候因素條件下糧食技術效率增長分別為-0.7%、0.1%和-0.8%，在不考慮氣候因素條件下糧食技術效率增長分別為-1.1%、0.2%和-1.3%，比較發現，除中部地區外，考慮氣候因素后東、西部地區糧食技術效率增長均出現不同程度下降，說明糧食生產者不能很好地采用新技術適應氣候變化，可能由于受教育程度、技術推廣等的制約，其在新產品、新農藥等方面缺乏科學使用的技能，從而導致糧食技術效率低下。同時，糧食主產區在考慮氣候因素條件下其糧食全要素生產率增長率為1.5%，低于不考慮氣候條件下的糧食全要素生產率增長率（2.6%）;此外，兩種條件下的糧食全要素生產率增長均有技術進步驅動，技術進步增長分別為2.7%和1.7%，而技術效率均出現負增長，分別為 -0.1%和-0.2%，因此，糧食主產區應在提高糧食生產技術的前提下，加強糧食生產管理，改善糧食技術效率，提高糧食對氣候變化的適應能力。

2. 2 氣候變化視角下我國糧食生產率增長的影響因素分析

本研究在測算我國糧食全要素生產率的基礎上，利用公式（7），使用Stata 14.0重點分析檢驗氣候變化和科技投入兩個因素對糧食全要素生產率的影響。

2. 2. 1 整體樣本回歸 在檢驗過程中，采用逐步引入變量的方式進行，以保證估計結果的穩健性。檢驗結果如表3所示，表中PE（1）和RE（3）為只包含氣候變化（氣溫和降水兩個指標）和科技投入兩個核心變量，利用公式（6）估計的結果;PE（2）和RE（4）是在PE（1）和RE（3）的基礎上加上一系列控制變量，利用公式（7）估計的結果;RE（3）和RE（4）分別是未加入控制變量和加入控制變量后隨機效應模型估計的結果。PE（1）和PE（2）通過使用固定效應模型回歸，Hausman檢驗結果P均為0.000，即拒絕支持隨機效應的原假設，因此，應該選擇固定效應模型。從回歸結果來看，年平均氣溫與糧食全要素生產率的系數為0.049，且在1%水平下顯著，表明氣溫上升有利于提高糧食全要素生產率，可能是由于氣溫上升導致熱量改變，而更有利于糧食作物的生長。年降水總量與糧食全要素生產率的系數為-0.358，且在1%水平下顯著，表明年降水總量增加抑制了糧食全要素生產率的提高，可能是由于降水量的增加會產生一些自然災害，改變糧食作物的生長環境，從而產生一定負面效果。科技投入與糧食全要素生產率的系數為0.119，在1%水平下顯著，表明隨著科技投入的不斷增加，糧食全要素生產率將得到大幅提高，主要由于科技投入的增加會提高糧食生產的科技水平，通過采用新技術、新品種等促進糧食產量。其他控制變量中，勞動力系數為正值，但未通過顯著性檢驗;農業機械化系數在1%水平下顯著為正值;化肥使用量系數為負值，未通過顯著性檢驗;農業結構調整系數顯著為負值，且通過1%水平顯著性檢驗。

上述結果均為靜態面板數據下的估計結果，但從長期來看，糧食全要素生產率變動是一個動態過程，還需采用動態面板模型進行估計，因此在公式（7）中引入糧食全要素生產率的滯后一期項，采用差分廣義矩估計法（DIF-GMM）和系統廣義矩估計法（SYS-GMM）對動態面板進行估計。DIF-GMM（5）只包含核心變量采用差分廣義矩估計法估計的結果，DIF-GMM（6）和SYS-GMM（7）是引入控制變量后分別采用差分廣義矩估計法和系統廣義矩估計法估計的結果，回歸結果如DIF-GMM（6）和SYS-GMM（7）。如表3所示，差分GMM和系統GMM估計下年平均氣溫系數均為正值，分別為0.128和0.129，且在1%水平下顯著，進一步說明氣溫上升有利于提高糧食全要素生產率;年降水總量的系數在兩種方法下均為負值，其中差分GMM估計的系數為-0.207，在5%水平下顯著，而系統GMM估計的系數為-0.187，通過10%的顯著性檢驗，進一步證明年降水總量增加會對糧食全要素生產率產生阻礙作用;差分GMM估計下科技投入的系數在1%水平下顯著為正值，系數為0.223，與系統GMM估計的系數在1%水平下顯著為正值相符合，進一步證實科技投入對提高糧食全要素生產率的重要性。可見，兩種方法下滯后一期的糧食全要素生產率均通過了1%水平下的顯著性檢驗，表明糧食全要素生產率存在明顯的經濟慣性。上述分析得出，兩種方法估計的結果基本一致，表明估計結果穩健。控制變量中勞動力變量系數均為正值，但均未通過顯著性檢驗;農業機械化在差分GMM估計下不顯著，而在系統GMM估計中在1%水平下顯著為正值;化肥使用量在兩種方法估計下系數為負值，均未通過顯著性檢驗;農業結構調整在差分GMM和系統GMM估計下均表現為1%水平下顯著為正值。另外，表3中AR（2）的結果表明動態面板估計結果均通過參差項二階不相關檢驗;Hansen檢驗的P均大于0.5，表明回歸結果不存在過度識別，即兩種方法下估計的結果均有效和穩健。

2. 2. 2 分樣本回歸 由于我國地域遼闊，不同區域的經濟發展水平也不一樣，造成影響糧食全要素生產率的因素也具有差異性，因此有必要分區域探究氣候變化、科技投入等因素對糧食全要素生產率的影響。根據上述模型和回歸結果，采用系統GMM方法分別對東、中、西部地區進行估計。從表4可知，氣候變化對糧食全要素生產率的影響具有明顯差異性。其中，（1）年平均氣溫對東部地區糧食全要素生產率產生顯著的負面影響，其影響系數為-0.134，通過1%水平下的顯著性檢驗，而中部和西部地區年平均氣溫上升對糧食全要素生產率的提高起到促進作用，系數估計分別為0.051和0.062，在1%水平下顯著。可能是由于氣溫上升會導致東部地區水稻種植產生病蟲等自然災害，而中部和西部地區氣溫上升會促進干旱地區小麥、玉米種植業的發展。（2）年降水總量對東、中和西部地區糧食全要素生產率影響的系數分別為-0.077、0.041和0.109，且均通過顯著性檢驗。究其原因是由于水資源作為糧食生長的重要資源，將直接影響到糧食生產。東部地區大部分省份位于我國南方地區，降水量豐富，屬于豐水區，中部和西部大部分省份位于我國北方地區，降水量相對匱乏，屬于缺水區，研究表明我國南方地區平均年降水量每增加100 mm將會使糧食產量減產0.23%～0.35%，北方地區均年降水量每增加100 mm則會提高糧食產量0.12%～0.18%（尹朝靜等，2016a）。因此，東部地區年降水量對糧食全要素生產率增長具有負向影響，而中部和西部地區具有正向影響。（3）科技投入對東、中和西部地區糧食全要素生產率的提高均起到促進作用，系數估計分別為0.218、0.232和0.178，均通過顯著性檢驗，說明科技投入提升了糧食生產的科技含量，對糧食全要素生產率的提高起到顯著的促進作用。（4）勞動力變量無論是東部還是中部和西部地區系數均為正值，但東部地區通過了5%顯著性檢驗，而中部和西部地區未通過顯著性檢驗。（5）農業機械化對東、中、西部地區糧食全要素生產率的影響均通過顯著性檢驗。（6）化肥使用量在東、中和西部地區估計下系數均為負值，東部地區通過了顯著性檢驗，而中部和西部地區未通過顯著性檢驗。（7）農業結構調整在東部地區表現為5%水平下顯著為負，中部地區則表現為1%水平下顯著為正值，西部地區系數雖為正值，但未通過顯著性檢驗。另外，表4中AR（2）的結果表明東、中、西部地區均通過參差項二階不相關檢驗，Hansen檢驗的P均大于0.5，表明回歸結果不存在過度識別，因此，采用系統GMM方法進行估計的結果有效且穩健。

2. 2. 3 穩健性檢驗 通過更換核心解釋變量的方式進行穩健性檢驗，將氣候變化和科技投入分別用水災、旱災受災面積（葉明華和庹國柱，2015）與農業科技存量（尹朝靜等，2016a）代替，再次利用固定效應（PE）、隨機效應（RE）、差分廣義矩估計法（DIF-GMM）和系統廣義矩估計法（SYS-GMM）進行重新回歸。估計結果表明，核心解釋變量估計系數的正負性和顯著性與文中上述全樣本回歸的結果基本一致，且通過了顯著性檢驗，說明模型的計量分析具有穩健性。

3 討論

本研究結果發現，2000—2017年期間我國糧食全要素生產率呈現增長趨勢，但考慮氣候變化因素測算的結果低于不考慮氣候變化因素，兩種情況下我國糧食全要素生產率的增長均有技術進步推動，而技術效率起阻礙作用;同時考慮氣候變化因素后，東、中、西部地區糧食全要素生產率普遍變低，除東部地區外，中、西部地區技術進步均有不同程度的增長，且呈現出明顯的區域差異性，而糧食技術效率增長均出現不同程度的下降，與尹朝靜等（2016c）提出的考慮氣候因素之后糧食全要素生產率降低、技術效率惡化程度在一定程度上受氣候因素影響的結果一致。氣溫上升和年降水量的增加有利于提高中、西部地區糧食全要素生產率，但對東部地區產生顯著的負面影響，與尹朝靜等（2016b）提出降水增加和氣溫上升對糧食產量變動均具有積極促進作用的結果基本一致。本研究還發現，科技投入顯著提高了糧食全要素生產率，科技投入的增加能夠優化和改善糧食生產要素的配置結構，促進農業經濟增長，與董瑩（2016）提出的農業科技對糧食全要素生產率增長具有正向影響、糧食生產率的提高必須依靠農業技術的結果一致。本研究僅從降水和氣溫兩個方面解釋氣候變化，但氣候變化是一個復雜的因素，因此研究的結果具有一定局限性。

4 建議

4. 1 調整農業結構和種植制度，推動農業供給側結構性改革

在充分分析氣候變化對糧食生產效率影響的基礎上，各地區應根據氣候條件的變化調整農業結構和種植制度，充分利用農業氣候資源，優化種植結構;南方地區可利用氣溫上升帶來積溫增加的優勢，大力推廣雙季稻，西北和東北地區則需要改良小麥品種，提高小麥應對氣候變化造成糧食減產的能力，從而大幅度提高糧食總產量，實現農業供給側結構性改革。

4. 2 加大農業科技投入，培育新品種

農業技術進步可抵消氣候變化對糧食生產帶來的不利影響，提高糧食生產適應氣候變化的能力。因此，各級政府應在保證財政支持的前提下，吸收社會資金進入農業科研領域，鼓勵多種形式進行農業科研創新，加大對農業生產中關鍵技術的科研攻關力度，積極培育耐高溫、抗旱澇、抗病蟲害等新品種，以便充分利用熱量資源，應對氣候變暖和干旱的影響。根據農業部《農業主導品種和主推技術推介發布辦法》，各地區要因地制宜，積極引進和培育相應的水稻、小麥、玉米等新品種，確保糧食生產的高產、優質和高效。

4. 3 完善農田基本設施建設，提高水資源利用率

小型農田水利設施是提高糧食綜合生產能力的有力保障。由于歷史原因，大部分農業水利設施是由原有的溝、水塘等改造而成，且由于財政制約，在運行管理中未得到及時的維修和改造，造成農田水利設施落后，難以發揮其應有的作用。各級水利部門應加強農田水利基礎設施建設，多方籌資，整合財力，確保效益。另外，應合理開發、高效利用、優化配置、全面節約，有效、科學地管理水資源，嚴格控制地下水開采，加大水資源工程建設力度，提高農業供水保證率。

4. 4 建立和完善農業氣象災害監測預警服務體系，提高農業災害性天氣的預測能力

氣候變化導致氣象災害時有發生，對糧食生產帶來極大危害。提高氣象災害監測預報的準確性和時效性已成為當務之急，應努力探索現代農業氣象災害預警技術，健全農業氣象災害預警監測體系、農業氣象災害預警和評估系統、農業氣象災害風險分析及風險管理對策，為增強農業災害性天氣的中長期預測的準確率提供有力支持。

參考文獻：

董瑩. 2016. 全要素生產率視角下的農業技術進步及其溢出效應研究[D]. 北京：中國農業大學. [Dong Y. 2016. Research on China’s agricultural technological progress from the perspective of total factor productivity and its spillover effects[D]. Beijing： China Agricultural University.]

高鳴，宋洪遠. 2015. 生產率視角下的中國糧食經濟增長要素分析[J]. 中國人口科學，（1）： 59-69. [Gao M，Song H Y. 2015. Factor analysis on China’s grain economic growth in productivity perspective[J]. Chinese Journal of Population Science，（1）： 59-69.]

姜巖，朱曉莉，周宏，王筠菲. 2015. 氣候變化對江蘇水稻生產效率變動的影響[J]. 農業技術經濟，（12）： 109-116. [Jiang Y，Zhu X L，Zhou H，Wang J F. 2015. Effects of climate change on rice production efficiency in Jiangsu Province[J]. Journal of Agrotechnical Economics，（12）： 109-116.]

馬文杰. 2010. 中國糧食綜合生產能力研究[M]. 北京： 科學出版社. [Ma W J. 2010. Study on Overall Grain Production Capability in China[M]. Beijing： Science Press.]

吳麗麗，李谷成，尹朝靜. 2015. 生長期氣候變化對我國油菜單產的影響研究——基于1985～2011年中國省域面板數據的實證分析[J]. 干旱區資源與環境，29（12）： 198-203. [Wu L L，Li G C，Yin C J. 2015. Impact of climate change in rapeseed’s growing seasons on rapeseed production in China[J]. Journal of Arid Land Resources and Environment，29（12）： 198-203.]

葉明華，庹國柱. 2015. 要素投入、氣候變化與糧食生產——基于雙函數模型[J]. 農業技術經濟，（11）： 4-13. [Ye M H，Tuo G Z. 2015. Factor input，climate change and grain production—Based on double function model[J]. Journal of Agrotechnical Economics，（11）： 4-13.]

尹朝靜，李谷成，范麗霞，高雪. 2016a. 氣候變化、科技存量與農業生產率增長[J]. 中國農村經濟，（5）： 16-28. [Yin C J，Li G C，Fan L X，Gao X. 2016a. Climate change，technology stocks and agricultural productivity growth[J]. Journal of Chinese Rural Economy，（5）： 16-28.]

尹朝靜，李谷成，高雪. 2016b. 氣候變化對中國糧食產量的影響——基于省級面板數據的實證[J]. 干旱區資源與環境，30（6）： 89-95. [Yin C J，Li G C，Gao X. 2016b. Impacts of climate change on China’s grain production—Empirical analysis based on provincial panel data[J]. Journal of Arid Land Resources and Environment，30（6）： 89-95.]

尹朝靜，李谷成，葛靜芳. 2016c. 糧食安全：氣候變化與糧食生產率增長——基于HP濾波和序列DEA方法的實證分析[J]. 資源科學，38（4）： 665-675. [Yin C J，Li G C，Ge J F. 2016c. Food security，climate change and grain productivity growth based on HP filter and sequential DEA methods[J]. Resources Science，38（4）： 665-675.]

Caves D W，Christensen L R，Diewert W E. 1982. The economic theory of index numbers and the measurement of input，output，and productivity[J]. Econometrica，50（6）： 1393-1414.

（責任編輯 鄧慧靈）