水稻是我国三大主粮之一, 产量接近粮食总产量的一半。但近年来, 由于受全球气候变化的影响, 我国水稻生产不稳定性显著增加^[1-2], 主要表现在以下5个方面:一是农业种植制度的变化^[3-4], 气候变暖有利于多熟制作物种植面积扩大和复种指数提高; 二是农业品种布局的变化^[5-6], 气候变化有利于中晚熟和喜温作物的种植; 三是对作物生长发育的影响^[7-8], 气候变化使作物生长发育速度加快, 生育期缩短; 四是对农业投入的影响^[9-10], 使农业生产投入费用显著增加; 五是粮食产量波动增大^[11-12], 农业生产不稳定性大幅度增加。

气候变化对农业生产影响的现有研究多从自然科学角度出发, 利用实验观测作物动态生长过程或通过气象模型模拟未来气候变化情景的方法探究气候对作物产量及生产潜力的影响^[13-16], 而往往忽略了生产主体对气候变化的适应, 这可能会高估气候变化对农业的负面影响^[17]。粮食生产过程是“自然再生产与经济再生产的统一”^[18], 受自然条件和社会经济因素的双重制约。因此, 为了使气候变化与粮食生产之间的关系得到更加科学客观的反映, 不能仅停留在自然因素层面, 还应该综合考虑社会、经济和人为因素。此外, 由于气候条件表现出明显区域差异性, 对粮食生产的影响程度不一, 因此, 考量气候变化对粮食生产的区域效应与群组差异很有必要。基于以上分析, 将气候变化引进生产函数模型, 在考虑农户对气候变化的适应性行为基础上, 通过构建“经济-气候”模型, 甄别气候变化对我国水稻单产及其区域差异性的影响, 以期为政府采取相应适应性措施提供参考。

1 材料与方法 1.1 数据来源与处理 1.1.1 数据来源

1978—2015年逐月温度、日照时长和降水量数据来源于中国气象科学数据共享服务网《中国地面气候资料月值数据集》(http://data.cma.cn/)。1978—2015年水稻产量、播种面积、有效灌溉面积、化肥、农业机械数据来源于中华人民共和国国家统计局网站(http://www.stats.gov.cn/)、《中国统计年鉴》和《中国农村统计年鉴》。参照《全国农业可持续发展规划(2015—2030年)》, 结合水稻种植区域分布, 将全国水稻产区划分为东北、黄淮海、长江中下游、华南、西南、西北及长城沿线(简称西北)和青藏7个区域(表 1)。考虑数据完整性和可得性因素, 划分区域不包括青海、上海、台湾、香港和澳门。

1.1.2 数据处理

为避免数据和模型带来的偏差, 回归分析前需检验模型个体效应。F检验和豪斯曼(Hausman)检验结果表明, 采用固定效应模型效果最佳。由于扰动项有可能存在异方差或自相关, 模型分析采用普通最小二乘法(ordinary least squares, OLS)并结合面板校正标准误(panel-corrected standard error, PCSE)方法。

1.2 模型设定

农业生产过程是社会经济因素和自然因素相互作用的结果^[19]。社会经济因素包括化肥、机械动力、劳动力3种物质投入要素, 而自然因素中尤以气候要素最为重要。农业气候要素主要包括光照、热量和水分。这些要素不仅为农业生产提供必要的物质和能量, 而且直接影响农业生产过程^[8]。传统的C-D生产函数模型, 仅将部分可控并且数量有限的要素考虑在内, 对气候要素这类不可控因素关注不足^[20]。气候变化背景下, 降水、日照、气温等气候要素的变化对农业生产的影响更加明显, 将气候要素纳入生产函数模型能够更加精准地表征农业生产投入与产出之间的关系。

基于以上分析, 参照丑洁明等^[21]做法, 根据生产要素和生产函数理论, 以C-D生产函数模型为基础, 将气候要素作为重要生产要素加入模型, 构建“经济-气候”模型(简称“C-D-C”模型), 并分析气候要素对作物产量的影响。同时, 为了更加全面、科学地反映影响粮食产量的要素, 模型中还引入科技进步、制度变迁和区域特征等变量。“C-D-C”模型计算公式为

$ Y = F(X, C, {T_{\rm{E}}}, T, {D_{\rm{m}}})。$

(1)

式(1)中, Y为作物产量; X为物质投入; C为气候因素; T_E为技术进步; T为政策虚拟变量; D_m为一组区域虚拟变量。

为了验证气候变化与作物产量是否存在非线性关系, 对“C-D-C”模型进行拓展, 引入气候因素的二次项, 并进行对数化处理, 模型Ⅰ计算公式为

$ \begin{array}{l} {\rm{ln}}{y_{it}} = {\alpha _0} + {\alpha _1}{\rm{ln}}{T_{{\rm{E}}, it}} + {\beta _1}{\rm{ln}}{A_{{\rm{C}}, it}} + {\beta _2}{\rm{ln}}{L_{{\rm{B}}, it}} + {\beta _3}{\rm{ln}}\\ {F_{{\rm{T}}, it}} + {\beta _4}{\rm{ln}}{A_{{\rm{M}}, it}} + {\beta _5}{\rm{ln}}{I_{{\rm{R}}, it}} + {\gamma _1}{R_{{\rm{F}}, it}} + {\gamma _2}{T_{{\rm{P}}, it}} + \\ {\gamma _3}{S_{{\rm{U}}, it}} + {\gamma _4}{({R_{{\rm{F}}, it}})^2} + {\gamma _5}{({T_{{\rm{P}}, it}})^2} + {\gamma _6}{({S_{{\rm{U}}, it}})^2} + \\ {T_r} + {v_{it}} + {\mu _{it}}。\end{array} $

(2)

由于不同区域社会、经济与自然条件存在差异, 气候因素对其水稻产量的影响也会不同。因此引入区域虚拟变量与气候变化的交叉项, 更加深入地考量气候变化对粮食生产的区域效应与群组差异。模型Ⅱ计算公式为

$ \begin{array}{l} {\rm{ln}}{y_{it}} = {\alpha _0} + {\alpha _1}{\rm{ln}}{T_{{\rm{E}}, it}} + {\beta _1}{\rm{ln}}{A_{{\rm{C}}, it}} + {\beta _2}{\rm{ln}}{L_{{\rm{B}}, it}} + {\beta _3}{\rm{ln}}{F_{{\rm{T}}, it}} + \\ {\beta _4}{\rm{ln}}{A_{{\rm{M}}, it}} + {\beta _5}{\rm{ln}}{I_{{\rm{R}}, it}} + {\gamma _1}{R_{{\rm{F}}, it}} + {\gamma _2}{T_{{\rm{P}}, it}} + {\gamma _3}{S_{{\rm{U}}, it}} + \\ {\gamma _4}{({R_{{\rm{F}}, it}})^2} + {\gamma _5}{({T_{{\rm{P}}, it}})^2} + {\gamma _6}{({S_{{\rm{U}}, it}})^2} + \sum\limits_{m = 1}^6 {} {\rho _m}{D_m} \times \\ {R_{{\rm{F}}, it}} + \sum\limits_{m = 1}^6 {} {\phi _m}{D_m} \times {T_{{\rm{P}}, it}} + \sum\limits_{m = 1}^6 {} {\omega _m}{D_m} \times {S_{{\rm{U}}, it}} + \\ {T_r} + {v_{it}} + {\mu _{it}}。\end{array} $

(3)

式(2)~(3)中, i和t分别为第i省份和第t年份; y为水稻总产量(包括早稻、中稻和一季晚稻、双季晚稻), 10⁴ t; A_C为各省(直辖市、自治区)水稻实际播种面积, 10³ hm²。L_B、F_T、A_M、I_R分别为水稻生产过程中投入的劳动力(10⁴人)、化肥(10⁴ t)、农业机械(10⁴ kW)和有效灌溉面积(10³ hm²), 参考朱红根^[20]方法, 由水稻播种面积占农作物播种面积的比例进行加权得到。R_F、T_P和S_U分别为水稻生长季降水量(0.1 mm)、生长季平均温度(0.1 ℃)和生长季日照时长(0.1 h), 由全国756个气象站月平均降水量、月平均温度和月平均日照时长数据分省份计算得到^[22]。T_E反映技术进步的影响, 一般以时间趋势代替。由于技术进步主要体现在提高水稻单产, 并非扩大水稻种植面积, 参考周曙东等^[1]方法, 以各省1978年水稻单产为基期, 由各地区各年份实际水稻单产分别除以基期所得的系数表示。T_r反映政策对农业产量的影响, 选取1998年实施的粮食收购保护价政策(T₁)和2004年出台的粮食直接补贴政策(T₂)。1998年后T₁=1, 1998年前T₁=0;2004年后T₂=1, 2004年前T₂=0。m为区域, 1、2、3、4、5和6分别为东北、黄淮海、长江中下游、华南、西北和青藏区。D_m为区域虚拟变量, 反映其他变量没有直接说明的社会、经济和自然因素在时间和区域方面的差异。以西南区为参照, 设置6个区域虚拟变量。东北区D₁=1, 其他区域D₁=0;黄淮海区D₂=1, 其他区域D₂=0;长江中下游区D₃=1, 其他区域D₃=0;华南区D₄=1, 其他区域D₄=0;西北区D₅=1, 其他区域D₅=0;青藏区D₆=1, 其他区域D₆=0。α、β、γ、ρ、φ、ω均为待估参数; v_it为误差项; μ_it为随机扰动项。表 2为水稻生产要素投入和产出统计结果。

2 结果与分析 2.1 气候变化对水稻产量的影响

表 3为气候变化对水稻产量影响的模型回归结果。由表 3可知, 两个模型整体拟合程度较好, 各因素对水稻产量的影响也相对显著。

2.1.1 生长季降水量对水稻产量的影响

由表 3可知, 模型Ⅰ生长季降水量的半弹性系数为负, 表明在其他因素不变的情况下, 生长季总降水量每增加1%, 水稻总产量将减少0.07%。模型Ⅱ生长季降水量的一次项和二次项系数分别为正数(3.22)和负数(-0.19)，均达1%显著水平, 表明降水量与水稻产量存在倒U型非线性关系。当降水量较少时, 适当增加降水会使水稻总产量提高, 一旦超过某个点, 降水增加会对水稻产量产生负向影响。经计算, 年总降水量的适宜值为847 mm(一次项系数的绝对值与2倍的二次项系数的绝对值之比), 即当其他因素既定的情况下, 如果生长季降水总量超过847 mm, 继续增加降水将会对水稻总产量增加造成负面影响。我国北方稻区近40 a生长季平均降水量维持在500 mm左右, 其中西北区年平均降水量仅为356 mm, 属于严重缺水区域, 适当增加降水量, 有利于水稻总产量的提高。与此相反, 我国南方各区域近年来降水量普遍增加, 尤其是华南区域, 生长季年平均降水量高达1 676 mm, 短时间的强降水将会对水稻生产造成极大威胁。这是因为一方面降水过多, 造成稻田含氧量少, 水稻分蘖数减少, 从而抑制水稻生长发育^{[1, 20]};另一方面水稻处于生长关键期, 特别是抽穗-扬花期, 一旦降水量过大, 潜在的洪涝、暴雨灾害不利于水稻开花授粉, 并最终影响水稻总产量^[23-24]。

2.1.2 生长季日照时长对水稻产量的影响

由表 3可知, 模型Ⅰ生长季日照时长的半弹性系数为负, 表明在其他因素既定的情况下, 生长季总日照时长每增加1%, 水稻总产量将减少0.48%。模型Ⅱ生长季日照时长一次项和二次项系数分别为正(3.22)和负(-0.20)，均达1%显著水平, 即日照时长与水稻总产量呈现显著倒U型关系。这表明日照时长变化使水稻产量存在最大值, 即日照时长过分增加会引起水稻产量显著降低。这是因为水稻对水分的需求十分敏感, 尤其在拔节-抽穗期, 日照增加会加剧水稻叶面蒸发, 引起水稻供水不足, 从而影响水稻籽粒的形成。

2.1.3 生长季温度对水稻产量的影响

由表 3可知, 模型Ⅰ生长季平均温度的半弹性系数为负, 表明在其他因素不变的条件下, 生长季平均温度每增加1%, 水稻总产量将减少0.32%。模型Ⅱ生长季平均温度的一次项系数为正(0.96), 二次项系数为负(-0.15), 均达1%显著水平，表明温度对水稻产量的影响也是倒U型。这意味着气温较低时, 温度增加会使水稻产量水平提高, 一旦超过一定范围, 气温升高，产量则会减少。经测算, 适宜水稻生长的最佳温度是32 ℃(一次项系数的绝对值与2倍的二次项系数的绝对值之比), 这一结论与水稻现实生长环境大体一致。有研究表明, 幼苗发芽最适宜温度在28~32 ℃之间; 而分蘖期日均温在20 ℃以上, 穗分化适温在30 ℃左右; 抽穗适温为25~35 ℃; 开花最适温为30 ℃左右, 低于20 ℃或高于40 ℃^[25]条件下受精将会受到严重影响。即适当的升温对水稻增产有利, 原因是气温升高, 水稻生长季缩短, 复种指数提高, 种植范围相应扩大, 水稻产量有所增加。而温度过高对水稻产量有显著负影响, 原因一是温度升高, 会使水稻生长发育加快, 不利于水稻分蘖数增加, 导致总干重和穗重减少^[26];二是温度升高容易引起高温热害, 降低水稻的结实率, 造成水稻减产; 另外高温也易滋生杂草和病虫害。我国南方各省区, 夏季尤其是七八月气温普遍较高, 且近年来有愈演愈烈的趋势, 以2016年8月为例, 长江中下游出现大范围持续高温天气, 多地气温逼近40 ℃, 严重影响当年双季稻产量。

2.1.4 其他要素对水稻产量的影响

由表 3可知, 有效灌溉面积、化肥、农业机械、播种面积、劳动力和技术进步等要素对水稻产量均有显著正向影响。其中, 有效灌溉面积每扩大1%, 水稻将增产0.59%。应加强基本农田水利建设, 解决工程性、季节性及区域降水不均等导致的缺水问题, 增强农业气候变化适应能力。技术进步率每增加1个百分点, 水稻产量增加0.16%, 由此可见水稻产量增加很大程度上依赖技术进步。我国水稻生产在改革开放以来取得了长足进步, 这得益于水稻高产栽培技术、育苗技术、施肥技术等新技术的应用和推广。另外, 提高农业机械化率、合理使用化肥、增加劳动力投入、扩大水稻种植面积等都是应对气候变化对水稻不利影响的有效措施。但值得注意的是, 粮食收购保护价政策和粮食直接补贴政策均对水稻产量增长呈现负向作用, 说明这两项政策在实施过程中与预期效果相去甚远, 其中的原因可能一方面来自于补贴发放不到位, 由于补贴总是被层层克扣, 实际到达农民手里的补贴有限, 再加上申请补贴手续繁多, 降低了农民积极性, 所以农业补贴大部分没有起到应有的作用; 另一方面由于最低收购价格高出目前市场价格, 扭曲了市场价格的形成机制, 由此使水稻产业受到影响, 一定程度上造成了稻谷加工困难和稻米销售受阻^[27]。

2.2 气候变化对水稻产量区域差异性的影响

表 4为气候变化对水稻产量区域差异性的影响。由表 4可知, 模型整体估计结果良好, 大部分变量对水稻产量区域差异性具有显著影响。

2.2.1 降水量对水稻产量区域差异性的影响

由表 4可知, 生长季平均降水量与D₁~D₆的交互项均通过显著性检验。生长季平均降水量对水稻产量总影响系数为0.74-0.85×D₁-0.35×D₂-0.96×D₃-0.90×D₄-0.61×D₅-0.66×D₆, 降水量增加对西南区水稻产量影响系数为0.74, 对黄淮海、西北和青藏区水稻产量影响系数分别为0.39、0.13和0.08, 而对东北、长江中下游和华南区水稻产量影响系数分别为-0.11、-0.22和-0.16。这表明生长季平均降水量增加对西南、黄淮海、西北和青藏区水稻产量有显著正向影响, 对东北、长江中下游和华南区水稻产量具有显著负影响。其中, 生长季平均降水量对西南区水稻产量正向影响更大一些, 原因是西南大部分地区近年来增暖趋势明显, 降水量减少且区域分布不均, 导致干旱灾害增多，程度加重, 降水量增加有利于缓解旱情, 加快水稻生长发育, 从而提高产量。同理可证黄淮海区域。而生长季平均降水量增加对于长江中下游和华南区则有显著负面影响, 这是因为降水量增加意味着强降水、台风、洪涝等极端事件增多。7、8月正值水稻成熟期, 一次超强台风足以让沿海地区1 a的收成毁于一旦。我国华南区域水稻产量减少趋势明显^[28], 与近年来东南沿海地区强降水、热带气旋等极端气候事件频发、强度增强不无关系。

2.2.2 日照时长对水稻产量区域差异性的影响

表 4显示, 生长季日照时长与D₂~D₆的交互项均通过显著性检验, 而与D₁的交互项未通过显著性检验。日照时长对水稻产量总的影响系数为0.07-0.05×D₁-0.45×D₂-0.17×D₃-0.21×D₄-0.46×D₅-0.50×D₆, 日照时长增加对西南区水稻产量影响系数为0.07, 而对黄淮海、长江中下游、华南、西北和青藏区水稻产量影响系数分别为-0.38、-0.10、-0.14、-0.39和-0.43, 表明生长季日照时长增加对这些区域水稻产量均有显著负向影响。而1978—2015年我国各区域日照时长均呈现不同程度的减少趋势^[29], 表明我国目前太阳辐射时间减少的趋势除对西南区水稻产量有负向影响外, 对其他区域水稻产量基本上不会造成负向影响。

2.2.3 温度对水稻产量区域差异性的影响

由表 4可知, 生长季平均温度与D₁~D₆的交互项均通过显著性检验。平均温度对水稻产量总影响系数为-1.80+1.60×D₁+1.46×D₂+2.02×D₃+1.94×D₄+2.05×D₅+2.19×D₆, 即平均温度升高对西南区水稻产量影响系数为-1.80, 对东北和黄淮海区水稻产量影响系数分别为-0.20和-0.34, 而对长江中下游、华南、西北和青藏区水稻产量影响系数分别为0.22、0.14、0.25和0.39。这表明相对于西南区, 温度升高对东北和黄淮海区水稻产量有负向影响, 对长江中下游、华南、西北和青藏区水稻产量则有显著正向影响。对于西南区域, 气温升高意味着作物生育期缩短, 不同品种的水稻产量也会有不同程度的减少, 早稻、中稻和晚稻平均减产幅度分别为3.7%、10.5%和10.4%^[26]。与西南区域相比, 温度升高对东北区域的负向影响要小很多, 这是因为气温升高增加了东北区域的农业热量资源, 从而使作物多熟制种植界限北扩西移, 复种指数提高, 显著增加了水稻产量, 从而有力缓解了气温升高的负向影响; 另外温度升高对青藏区域的益处最大, 热量条件的改善使青藏区域这种高海拔地区的作物种植品种、范围有所增加, 早熟品种演变成中、晚熟品种, 水稻生长期延长, 增产能力大大提高^[19]。

3 结论与建议 3.1 结论

利用1978—2015年中国29个省(自治区、直辖市)的水稻投入产出数据和气候资料, 构建“经济-气候”模型, 探究了气候变化对我国水稻总产量及其区域差异性的影响。笔者研究发现, 降水量、日照时长、气温对中国水稻总产量均呈现倒U型关系且区域差异性明显。降水量增加有利于西南、黄淮海、西北和青藏区域水稻产量的增加, 而不利于东北、长江中下游和华南区域水稻产量的提高; 日照时长增加对西南和东北区域水稻产量具有促进作用, 而对黄淮海、长江中下游、华南、西北和青藏区域水稻产量增加不利; 温度升高对长江中下游、华南、西北和青藏区域水稻产量有正向影响, 而对西南、东北和黄淮海区域水稻产量有显著负向影响。

3.2 建议

为应对气候变化对我国水稻生产带来的不利影响, 提高各地区水稻综合生产能力, 可以因地制宜, 从微观维度制定区域差异化的“适应气候变化”措施, 具体措施包括:

(1) 完善粮食安全政策法规, 加强农业生产顶层设计。十九大报告提出了“乡村振兴”这一战略目标, 在推进农业供给侧结构性改革的过程中, 政府应建立以市场定价为主体的粮食价格形成机制, 同时积极促进农业调结构、减库存, 配套建立农业生产者补贴机制, 提高粮食生产能力, 确保粮食安全。

(2) 发挥农户主观能动性, 因地制宜, 提高各地区水稻投入产出比。对气候变化的受益地区, 如近年来水热条件明显改善的西北和东北区域, 可以适当扩大水稻种植面积, 增加多熟制水稻品种种植面积, 提高复种指数和气候资源利用率。对洪涝、热带气旋、强降水等气象灾害频发的长江中下游和华南区域, 应加强防汛抗旱体系和基础设施建设力度, 加大防灾减灾投入力度。对干旱缺水的西南和黄淮海区域, 一方面可以适当调整水稻播期; 另一方面提高水资源利用效率, 加强基本农田水利建设和节水灌溉技术推广, 改良作物品种, 采用抗旱、耐高温的水稻品种, 必要时还可利用人工增雨等方式改善局部环境。