基于Lasso模型的農業天氣敏感性與服務效益研究

姜志堂　李永

摘 要：中國農業面臨更為嚴峻的天氣風險，本文結合改進的C-D生產函數和Lasso模型，選取1997-2017年中國農業主產區江蘇、湖南和廣西為樣本數據，克服了解釋變量選擇的主觀性、自回歸性以及多重共線性問題，提升了農業天氣敏感性測度的合理性，并對農業天氣服務效益進行了評估。結果表明，天氣敏感性程度差異明顯，從高到低依次為江蘇、湖南、廣西，針對效益值較大的天氣因素提供天氣服務和研發產品，能優化提高農業總產值。研究結論為開展農業天氣風險評估、監測預警及應急預案體系建設提供依據。

關鍵詞：Lasso模型;農業總產值;天氣敏感性;天氣服務效益

中圖分類號：TB 文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2020.30.066

0 引言

全球變暖導致異常天氣災害頻發，中國農業正面臨更為嚴峻的天氣風險。據《中國氣象公報》（2019）顯示，僅2018年由于天氣災害造成的直接經濟損失高達2645億元。特別是作為一個農業大國，中國農業人口占全國總人口約70%，近年來每年農作物受災面積高達5000萬公頃，受災人口近4億。2019年底，習近平總書記在主持中央政治局第十九次集體學習時強調，應充分發揮中國應急管理體系特色和優勢，積極推進應急管理體系和能力現代化，加強風險評估和監測預警，提升多災種和災害鏈綜合監測、風險早期識別和預報預警能力。因此，在氣候變化日益加劇的背景下，迫切需要對中國農業總產值受天氣和氣候變化的影響程度進行測度，形成預判思路與方法，為開展農業天氣風險評估、監測預警及應急預案體系建設提供依據。

1 模型、方法與數據

1.1 模型與方法

1.1.1 C-D生產函數

將天氣變量引入C-D生產函數，并對兩端分別取對數，即：

lnQ=lnA+βLlnL+βMPlnMP+βIAlnIA+βFUlnFU+βEClnEC+βTAlnTA+βTSlnTS+βPAlnPA+βPSlnPS（1）

其中，農業勞動人數L代表勞動投入;農業機械總動力MP、有效灌溉面積IA、化肥施用量FU、農村用電量EC代表資本投入;其他要素P代表各類天氣要素。

1.1.2 農業天氣服務效益評估模型

農業總產值、區域特征和天氣條件存在差異，通過Lasso回歸篩選出天氣敏感性因子，構建農業天氣服務效益評估模型：

U=Y∑ni=1βi△WiWi/△YY（2）

其中，U為農業天氣服務效益，Y為農業經濟總產出，△Wi為第i類天氣因子的增加量，△Y為農業經濟總產出Y的增加量，βi為第i類天氣因子的產出彈性系數，βi△WiWi/△YY為第i類天氣敏感性因子對農業天氣服務效益的貢獻率。

1.2 樣本與數據

選取中國農業主產區江蘇、湖南和廣西的農業相關統計樣本數據。第一，農業投入-產出數據，分別選自1997-2017年三省各自《統計年鑒》，包括農業總產值Y、農業勞動人數L、農業機械總動力MP、有效灌溉面積IA、化肥施用量FU、農村用電量EC;第二，天氣數據，選自中國氣象科學數據共享服務網（http：//data.cma.cn/），對天氣數據進行重新組合和變換，天氣數據包括年平均溫度距平絕對值TA和標準差TS，年降水量距平絕對值PA和標準差PS。

2 Lasso回歸結果與分析

2.1 實證結果與檢驗

由圖1，整體解的變動路徑反映了不同變量回歸系數隨調整參數λ的變化過程。選擇最佳調整參數λ，輸出Lasso回歸系數（非零值），江蘇、湖南、廣西的回歸結果分別為：

lnY江蘇=6.3111-0.6029lnL+1.2558lnMP-1.0019lnFU+0.6956lnTS（3）

lnY湖南=-15.3722+0.1089lnL+2.5102lnMP-0.1010lnIA+1.9978lnFU-1.6009lnEC+0.0120lnTA-0.3752lnTS+0.0053lnPA-0.0655lnPS（4）

lnY廣西=-6.4602+0.6313lnMP+1.8469lnFU+0.1718lnEC+0.0248lnTS（5）

2.2 農業天氣敏感性分析

通過計算各天氣變量載荷系數的平均值，得到三省農業天氣敏感性系數值?？紤]到作為收縮估計量的Lasso是一種有偏估計，圖2匯報了使用Lasso進行變量篩選后對篩選出來的變量進行OLS回歸的結果。

由圖2，江蘇與廣西農業的天氣敏感系數對比最為明顯，體現了抵御天氣風險能力的顯著差異。江蘇Lasso回歸天氣敏感系數為0.6956，OLS回歸天氣敏感系數為1.0173，農業對天氣條件敏感程度較高，抗天氣風險能力較弱;湖南Lasso回歸天氣敏感系數為0.4234，OLS回歸天氣敏感系數為0.4660，天氣敏感性程度居中;廣西的Lasso回歸天氣敏感系數僅為0.0248，OLS回歸天氣敏感系數為0.2182，農業應對天氣風險能力較強，天氣依賴程度低。

2.3 農業天氣服務效益評估

根據式（2）測算三省天氣敏感因子對農業天氣服務效益的貢獻率和農業天氣服務效益值（見表1）。

由表1，受天氣變化條件的綜合影響，江蘇、湖南和廣西2017年農業天氣服務效益值分別為165.89、59.99和11.73億元。由此可見，因天氣敏感系數和地區農業總產值的差異，不同類別的天氣服務農業效益值各不相同。通過評估農業天氣服務效益，分析農業天氣服務產品與信息的應用和需求情況，針對農業天氣服務效益值較大的天氣因素（江蘇：年平均氣溫標準差;湖南：年降水量標準差;廣西：年平均氣溫標準差）提供天氣服務和研發產品，能最大化的提高農業總產值。

3 結論與建議

本文基于改進的C-D函數及Lasso模型，測算了江蘇、湖南和廣西農業總產值對天氣敏感系數，并構建農業天氣服務效益評估模型，定量分析天氣服務效益。結果表明，三省天氣敏感性程度差異明顯，農業總產值天氣敏感系數大小從高到低分別為：江蘇、湖南、廣西;通過評估農業天氣服務效益，分析農業天氣服務產品與信息的應用和需求情況，針對農業天氣服務效益值較大的天氣因素提供天氣服務和研發產品，能最大化的提高農業總產值。因此，針對中國農業應急管理體系建設及天氣風險防范給出以下建議：健全農業天氣風險防范化機制，強化應急管理技術支撐，提供精細化和針對性天氣服務。

參考文獻

[1]王冀，江志紅，丁裕國，等.21世紀中國極端氣溫指數變化情況預估 [J ].資源科學，2008，30（7）：1084-1092.

[2 ]李永，崔習剛，劉鵑，等.反距離加權法天氣衍生品空間基差風險對沖效果 [J ].中國人口資源與環境，2013，23（10）：160-168.

[3 ]Tibshirani R.Regression shrinkage and selection via the lasso [J ].Journal of the Royal Statal Society.Series B，1996，58（1）：267-288.

[4 ]孫鑒鋒，王冀，何桂梅，等.北京市行業經濟產出對氣象變化的敏感性分析 [J ].資源科學，2017，39（06）：1212-1223.

[5 ]楊松，鞏在武，李廉水，等.江蘇省典型產業與氣象條件變化關系研究 [J ].閱江學刊，2011，（3）：84-89.