气候变化对中国水稻产业的经济影响外文翻译资料

英语原文共 28 页，剩余内容已隐藏，支付完成后下载完整资料

外文翻译

气候变化对中国水稻产业的经济影响

陈帅 陈晓光 徐锦涛

摘要

本文通过收集灌溉单季稻以及每日天气数据的独特面板数据，首次从县级层面对气候变化对中国水稻产业的经济影响展开分析。通过研究我们发现，温度以及太阳辐射在水稻的生长期和成熟期有着统计上的显著影响。与之前几乎所有关注热带，亚热带地区水稻生产的研究截然相反的是，我们发现中国水稻生长期每日最低温的提升会提高水稻的产量。与其他研究一致的是，中国水稻生长期和成熟期每日最高气温的升高则会降低水稻产量，而太阳辐射对产量的影响在作物生长的不同阶段有所差异。水稻生产过程对高温的适应调整有效地减少了气候变化对水稻产量的不利影响，我们的结论表明，基于模型规格和计量经济学的评估，气候变化在过去的十年里对中国水稻产业造成了2.52至6.07千万美元的经济净损失

关键词：农业，水稻，气候变化，中国，温度

介绍

大多数分析升温对农业的影响的文章都聚焦在发达国家。只有少数例外，仅有为数不多的研究使用高质量的数据来分析研究发展中国家的相似问题，而这些发展中国家，是世界70%的贫困人口的家园，与此同时，这些国家也对农业有很强的依赖性。这篇文章的目的在于，通过使用独特的水稻产量和气候的县级层面的面板数据，为气候变化对中国水稻产业的经济影响提供经验性的证据。

水稻是中国农业经济中最为重要的粮食谷物，占总粮食播种面积的30%，总粮食产出的50%以及该国接近40%的卡路里摄入。中国同时也是世界上最大的稻米生产国，2012年中国的水稻产量占世界总量的28%。因此，气候变化如何影响中国的水稻产业对中国14亿人口的福利而言具有重大意义，并且也会对稻米的供给和世界价格产生深远影响。

许多研究都已经评估过温度和太阳辐射对水稻产量的影响。主要的方法是基于农田跟踪和温室实验的农学研究。水稻的生长过程可以分为三个主要阶段，也就是从发芽到抽穗的生长期，从抽穗到开花的繁殖期以及从开花到成熟的收获期。这些基于农学的研究发现，更高的日均气温以及减少的太阳辐射（全球变暗）会导致水稻减产，且该影响在作物的三个生长阶段有所变化。最近的研究发现水稻产量对每日最高温以及最低温会表现出差异性的反应，并且温度和太阳辐射的影响有可能会被混淆。举例来说，通过使用国际水稻研究协会的数据，Peng发现水稻产量与每日最低气温的抬升有负向关系，然而每日最高温对产量的影响不显著。相反的是，Welch分析了来自农场的数据来研究热带，亚热带温度和太阳辐射对水稻产量的影响后发现，与Peng的研究相似，水稻产量与每日最低气温的抬升有负向关系，但与更高的每日最高温呈现正向关系，太阳辐射的影响在不同阶段有所差异。除了这些发现，在一份研究气候变化对水稻产量的影响的文献中，Wassmann总结到“针对夜间高温影响的研究还未被充分理解，且亟待优化”

只有少部分研究评估了气候变化对中国水稻产量的影响。Zhang通过使用来历20个试验站的数据研究发现水稻产量与温度正相关。基于省级层面的数据，陈帅发现日均气温升高会提升单季稻产量，却会减少双季稻产量。作物仿真模型也被用来分析气候变化对中国水稻产量的影响，但是，这些模型的基本概念备受质疑，因为它们忽略了在气候变化的同时农民的反应。

本文通过使用一个最近可获得的县级面板数据来评估气候变量与水稻产量之间的关系。资料组包括了特定县市的水稻产量以及大多数中国县市自2000年至2009年的天气结果。在这里，我们将重点放在单季稻上，鉴于该品种水稻在中国广泛地生产且其产量占据中国水稻总产量的50%。天气数据则包含了每日最高温，最低温，降水以及太阳辐射。这些细节保证我们可以为所有水稻生产县市构建水稻生长的三个阶段特定的县级天气变量。同时，我们也使用样本时期气候变量的估计系数来量化气候变量对中国水稻部门的净经济影响。

为了进行这项分析，我们构建了一个固定效应空间误差模型来评估水稻产量与气候变量之间的联系。该模型控制了县市的固定效应来消除每个县独特的且不随时间变化而变化的被忽略的因素（例如土壤质量和农作物生产/管理实践），同时还控制了年固定效应来消除所有县市某一固定年份相同的因素（例如种子的多样性）。与此同时，我们还控制了误差项的潜在空间相关性。除了气候变量，我们在一些特定模型中还包含了社会经济学变量。这些评估策略有望增加针对气候变量系数展开的估计的准确性。

与几乎所有先前关注热带和亚热带水稻生产的研究相反的是，我们发现生长期最低气温的抬升增加了中国水稻的产量。与其他研究一致的是，作物生长期和成熟期日最高温的升高将会导致减产。虽然农民会积极地准备，使水稻生产适应高温，我们的评估结果表明气候状况的变化导致中国水稻产业在过去十年里遭受了接近2.52至6.07千万美元的经济净损失。因为第一次县级层面的分析评估了中国水稻产量和天气的关系，我们为夜间高温对水稻产量的影响提供了新的证据。同时，我们的结论也有可能会对中国未来国家以及全球的气候战略产生重要的公共政治影响。

经验主义的模型

用来分析气候变量和水稻产量关系的空间误差模型在公式1和公式2中得以展现：

Yr,t Zr,tAr,tr t r,t （1）

r,t Wr,rr,t r,t (2)

在这里，Yr,t代表县r在t年的县级平均水稻产量。Zr,t代表天气变量，包括了最高温和最低温的均值以及太阳辐射的总和，水稻生长三个阶段的降水（十二个气候变量的总数）。其他控制变量由Ar,t表示，包括了经济变量（例如产出投入价格比，用来控制投入品的使用对水稻产量的影响，如肥料和劳动力）和农民同时期适应气候变化的行为。我们也控制了县级层面固定效应（由r表示）和年固定效应（由t表示）来消除在某一固定年对每个县来说都是独特的或者对所有县来说都是共同的遗漏变量。r,t 则是随机误差项，代表除气候，经济和适应性行为以外的会对水稻产量有影响的要素。为系数矢量，用来表现水稻产量对气候变化的响应。

为了捕捉除气候变量之外水稻价格的变动以及水稻生产过程中投入要素价格对水稻产量的影响，我们在某些特定模型中加入投入产出价格比作为额外的解释变量。我们使用滞后年份t-1年的水稻价格作为第t年价格的委托期望价格。由于其他投入要素价格数据有限，我们把肥料价格和薪水作为投入价格要素，并且构建了水稻-肥料以及水稻-劳动力价格比。因为其他投入要素价格（例如化学制剂和机械）不太可能与气候高度相关，被排除在外的变量并不会对系数的估计结果产生显著影响。在这里，使用省级层面的价格数据是合理的，因为中国农民通常以小农形式运作，所以他们也是水稻，劳动力，化肥市场的价格接受者。

但是，这两个价格指数可能是内生的，正如Roberts 和Schlenker 在他们的研究中争论的一样，我们使用前一年的气候变量作为处理这种潜在内生性问题的工具。正如结论部分的展示一样，如果这两个价格指数被认定为是内生的，回归结果仅仅出现边际上的差异性。

大多数中国的水稻生产是灌溉生产。但是，农民依然可以采取适应性措施，例如调整农作物生产活动，投资新型技术来节约灌溉用水以及在温热季节增加灌溉用水量，以此来缓和气候变化对产量造成的负面效应。这些适应性行为将会影响水稻产量，对这些行为的需求也取决于当地气候的变化。因此，在回归模型中忽略那些适应性行为可能会导致真正气候影响回归结果的偏误。由于缺少其他有关信息，我们使用每个县灌溉英亩数与总种植英亩数之比来作为控制农民同期适应性行为可能性的委托变量。此变量也存在潜在内生性，因为它反映了农民应对气候变化的反应。为了解决这个问题，我们将前一年的灌溉比例作为目前年份农民灌溉行为的工具变量。过去的灌溉行为是很有效的工具变量，因为它们影响了由于灌溉设施大量投入之后农民随后的灌溉行为，譬如直井，灌溉渠。但是它现阶段与未观测到的影响水稻产量的要素存在零协方差。未观测到的要素可能源于遗漏了投入要素，意料之外的虫害问题以及地区特定的生产惯例。随着工具变量投入使用，我们丢失了2000年的观测值。为了使结果在不同模型规格间具有可比性，我们在所有模型中使用了从2001年至2009年一致的数据。

正如公式2所示，我们允许误差项εr,t 在各县之间空间相关，r ,t 则代表独立正态分布，期望值为0，方差为2 的误差项，rho; 是空间相关性的系数，Wr,r是描述某县与其邻县的空间相关性的预先指定的权重矩阵。我们使用了三个不同的空间权重矩阵来检测我们对气候变量系数评估的稳定性。我们首先使用一个空间邻近矩阵，鉴于一个县水稻产量更有可能被那些有着相同边界的邻近县影响。空间邻近矩阵中，如果县r和县rrsquo;有相同的边界，那么空间矩阵的要素r，rrsquo;是一致的，其他情况为0。接下来空间矩阵被标准化，以便于每行的和都是一致的。然而，空间邻近矩阵认可那些仅共有单个边界点的可能性（例如县之间的栅栏有一个共同的拐点）。因此，我们考虑了两个可供选择的且根据物理距离，单独衡量四至六个离县r最近的县的距离权重矩阵，并对其余县赋值为0。这两个距离权重矩阵的相对权重基于它们与县r的中心距离来决定。所有空间面板模型都控制了空间固定效应，且使用最大似然估计来分析。

数据

2000年至2009年特定县水稻生产总数以及种植英亩的数据均从中国国家统计局获得，从该网站我们还获得了中国所有水稻生产县的总值面积和灌溉面积数据。水稻产量的计算方法为：某省总水稻产量除以该县总水稻种植面积。中国实施若干种水稻种植业体系，包括单季稻和双季稻（一种早稻和晚稻组合的生产技术），还有多季稻。数据组仅仅报告了水稻总产量和水稻生产县的总种植面积，并未包含生产双季稻和多季稻地区早稻和晚稻产量的细节。因此，为了精确地将产量数据和气候数据匹配，我们只选取了生产单季稻的县。这样我们获得了771个县的6939个样本。这些样本代表了中国大约50%的水稻总产量。如表1所示，样本中的水稻产量在大幅变化，范围为1842-14240千克/公顷，均值为7138千克/公顷。不同地区水稻生长期的信息从中国农业部获得。

气候数据从中国气象数据共享服务系统获得（CMDSSS），这些数据记录了中国820个气象站点每日最高温，最低温，平均气温，降水以及太阳辐射。中国气象数据共享服务系统通过每天之中每平方厘米所受辐射超过200兆瓦的小时数来测量太阳辐射。数据组还包括了每个气象站的精准坐标，确保这些站点可以和县级层面产量数据合并。对于那些有数个气象站点的县市，我们通过将那些气象站点的气候变量取简单均值来构造气候变量。此外，我们从邻近县获取那些没有气象站点的县的气候信息。

水稻生长三个阶段最高温，最低温以及太阳辐射的趋势在图1中得以展示。平均来说，在1950年到2010年间，每十年可观测的最低温，最高温分别上升了0.217℃和0.094摄氏度。在相同的时间区间里，平均每日太阳辐射减少了0.161小时，这种现象被称为全球暗化。

我们从中国农业价格调查年鉴那里获得了水稻价格和肥料价格目录的省级层面经济数据。特定乡村的劳动力成本则不可获得。劳动力成本通过农场劳动力的平均工资来衡量，并也从中国农业价格调查年鉴中获得。

经验性的结果

数据相关性

在展示我们的回归结果之前，我们首先对三个空间权重矩阵执行Moranrsquo;I检验来检测回归模型中误差项的空间相关性。我们还用三个可供选择的检验来补充Moranrsquo;I检验，它们被称为拉格朗日乘数检验，似然比检验和怀特检验。在实行这些检验时，我们使用了和产量公式中一样的解释变量，包括了气候，经济还有适应变量。正如表2所示，这些检测结果表明回归模型中误差项的空间相关性相当显著。在邻近矩阵和度量六个最近县的距离矩阵中，空间相关性的系数为0.69，在度量四个最近县的距离矩阵中则变得更小(0.62)。这些监测数据表明，忽略空间相关性会导致对t值真实值的显著高估。在下文的基线分析中，我们把邻近矩阵作为空间权重矩阵。我们使用了其他空间权重矩阵来检测我们回归结果的稳健性。

表3展示了气候变量的相关性。我们发现：1最低温和太阳辐射在生长期和繁殖前呈现适度且正向相关的关系，但这二者在成熟期的相关性则不显著。2最低温，太阳辐射与最高温在三个阶段中均为正相关，3最低温，最高温以及太阳辐射与降水的关系为负相关。

回归结果

我们使用五个不同的特定模型来展开对空间误差项的分析。在模型1中，我们囊括了三个最低温作为检测样本期水稻产量变化的唯一解释变量。在模型2中，我们加入三个太阳辐射变量作为额外的解释变量。在模型3中，我们将最高温包括在内，以此来检测日均最高温是否对县级平均水稻产量造成影响。在模型4中，我们将降水纳入了模型。最后，在模型五中我们加入了两个价格指数和灌溉比，以此来检测考虑了这些变量之后是否会影响我们对气候变化系数的检验。所有的模型都包含了不随时间变化的县市固定效应，借此控制每个县可能被忽略的特性，并使用年固定效应来消除某一特定年所有县共有的被忽略的要素。

表4展示了不同模型气候变量的系数检验。我们发现水稻产量对气温和太阳辐射变量的反应在生长阶段中有所变化。最低温，最高温和太阳辐射在作物生长期对水稻产量有显著影响。太阳辐射最高温和太阳辐射在成熟期对水稻产量也存在显著影响，除了只把最低温和太阳辐射作为解释变量的模型2中的辐射是特例。在任何一个我们考虑的模型中，生殖期水稻产量并未显著地受到温度和辐射变量的影响。

与之前几乎所有关注热带和亚热带水稻生产的研究相反的是，我们发现中国水稻生长期最低温的提高对水稻产量有正向影响。比如说，在包括了气候，经济和适应性行为的模型5中，生长期最低温提高1℃会使得水稻产量提高133.3千克每公顷。现有文献强调最低温上升会损害水稻产量因为它可以增加生长期的呼吸作用，导致花粉活力降低，加速水稻成熟。农学研究也提议，如果最低温在生长期高于25℃，这将会以减少作物株高，分蘖数和总干重的形式损害水稻生长。但是，在我们的样本中只有不到1％样本生长期温度高于25℃

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[23335]，资料为PDF文档或Word文档，PDF文档可免费转换为Word