近60年山西省气候变化趋势及其对粮食作物产量的影响

杨 军,李高磊,丛建辉,赵永斌,裴彦婧

(1.山西大学 经济与管理学院,山西 太原 030006;2.山西绿色发展研究中心,山西 太原 030006)

1 前言

当前全球气候正发生着以变暖为主要特征的显著变化,这种变化逐渐影响到人类生产生活的各个领域。作为“靠天吃饭”的生产活动,粮食作物生产受气候变化影响最为直接,在面对气候变化时极其

脆弱[1-3]。因此,在准确把握未来气候变化趋势基础上,厘清气候变化对粮食作物产量的影响,对粮食作物生产更好地适应气候变化、保障粮食安全等具有重要意义。

20世纪90年代以来,关于气候变化趋势及其对粮食作物产量影响的文献大量增加[4-6]。该领域属于典型的交叉学科方向,以农学研究人员为主的自然科学界和以经济学研究人员为主的社会科学界从各自学科角度出发进行了相关研究[7,8]。按照区域范围划分差异,现有文献对国内气候变化和粮食作物关系的研究已经覆盖了我国整体、次国家级区域和特定省市三个层次。关于气候变化对我国粮食作物产量的研究,由于研究方法、时间尺度、变量选取等方面的不同,不论是在不同学科之间还是在同一学科内部,学者们的研究结论都存在着显著差异,有的学者认为气候变化抑制了我国粮食作物产量增长[9-11],有的学者则持相反的观点[12,13]。但多数研究证实气候变化的影响在次国家级区域间甚至同一区域不同省市之间具有明显差异,这与我国地域广阔、气候条件复杂的现状相一致[4，14，15]。我国特定省域和城市研究方面,受制于数据获取的难度增加和相关测度模型在小区域尺度上适用性变弱等因素,现有研究较为薄弱。代表性文献主要有:宋佃星等利用滑动平均和线性回归分析了宝鸡市近54年的气候变化趋势,通过相关分析方法分析了气温上升对小麦产量的影响[16];朱珠等采用气候倾向率方法分析了江苏省1981—2009年的气候变化趋势,通过产量趋势系数测算分析了气温、降水等气象因素对水稻产量的影响[17];赵国良等利用天水市1968—2009年的气象资料,结合冬油菜的生育期各阶段的生长条件,分析了气候变化对天水市冬油菜生长的影响[18];张荣荣运用气候统计方法分析了河南省1980—2015年的气候变化特征,运用面板非线性回归模型探讨了气候变化对小麦、玉米等粮食作物产量的影响[19]。

综合现有文献来看,当前对气候变化与粮食作物产量研究取得了丰硕成果,为不同区域粮食作物适应气候变化提供了良好的理论指导。但现有研究仍存在着两个明显不足:一是多数研究集中探讨气温、降水等气候要素变化对粮食作物产量的影响,或讨论非气候变化要素对作物产量的影响,鲜有研究注意到气候要素与非气候要素之间交互作用对作物产量的影响;二是对特定区域的研究仍较薄弱且呈现不平衡性,特别是对山西省这类由平原向高原过渡区域的研究较为匮乏。

山西省位于我国黄土高原和太行山地区，地理座标为34°34′—40°44′N、110°14′—114°33′E,总体呈现“两山夹一川”的地势,地形条件多样;南北跨越了温带季风气候与温带大陆性气候两个气候带,气候条件复杂;以玉米和小麦为主的粮食作物产值占山西农业总产值的60%以上,是山西省不少地区(特别是深度贫困地区)农民的主要产业和收入来源。分析山西省的气候变化趋势,观察对粮食作物产量的影响,不仅有利于山西省实现种植业发展和农民增产增收、脱贫致富,也有助于研判我国由平原到高原过渡地带和黄土高原典型地形区气候变化的脆弱性及其对粮食作物产量的响应。

本文利用山西省1957—2015年近60年的气象数据和1978—2015年的粮食作物产量数据,使用重标极差分析法(Rescaled Range Analysis,R/S分析)对山西省气候变化趋势进行预测,建立种植业生产函数[20]开展实证分析,研究气候要素与非气候要素如何影响粮食作物生产,并讨论两者的交互影响对不同作物单产的效应,为未来种植业更好地适应气候变化提供参考。

2 研究方法及数据来源

2.1 研究方法

气候变化基本趋势估计模型:气候倾向率、重标极差分析是目前预测某一地区气候变化趋势使用较多的两种统计方法[21-23]。其中，气候倾向率虽然能很好地预测气候变化趋势,但是无法预测未来气候的冷暖转换,而重标极差分析方法可以很好地解决这个问题。重标极差分析法使用过去连续的气候要素数据对某一地区的气候变化趋势做出科学合理的分析,是分形理论在气候变化领域的应用。该方法通过测算分形维数D,利用小时间尺度范围的变化规律来预测大时间尺度范围的变化。在此基础上,英国水文专家赫斯特又提出了Hurst指数,用以度量变化趋势的强度。计算H指数与分形维数D值的步骤为:

设长度为T的时间序列,首先将时间序列{Xi}等分成长度为n个(n长度是W(T/n的整数部分)连续的子序列Fd(d=1,2,…,W),每个子序列中的元素记作Qr,d。

计算各子序列Fd的平均值Gd:

(1)

计算Fd偏离子序列平均值Gd的累积离差Xt,d:

(2)

计算各子序列Fd的极差Rd:

Rd=max1≤t≤n(Xt,d)-min1≤t≤n(Xt,d)

(3)

计算每个子序列Fa的标准差Sa:

(4)

用标准差Sa除极差Ra对不同类型的时间序列进行比较:

(R/S)d=Rd/Sd

(5)

对以上步骤进行重复操作,可得到一个重标极差序列,计算其均值:

(6)

将子序列的时间长度加1,并不断重复上述步骤,当n=M/2时结束。

(R/S)n=ρhH

(7)

引入被解释变量ln(R/S)n与解释变量lnn,利用最小二乘法计算计算解释变量的系数H,得出的解释变量的系数即所求的Hurst指数H值:

ln(R/S)n=Hlnn+lnρ

(8)

Hurst指数与分维数的关系为:

D=2-H

(9)

H指数与分维数D主要分为以下的四种情况:H=0.5、D=1.5,表明过去的变化趋势与未来不相关;0.5

气候变化对山西省粮食作物产量影响的模型:影响粮食作物产量的因素主要分为气候要素和非气候要素，光、热、水是影响作物产量较明显的气候要素，影响作物产量的非气候要素有农村劳动人口、灌溉、土地等[20,24]。本文将作物单产作为被解释变量,日照时数、气温、降水作为主要的解释变量,非自然因素作为主要的控制变量引入到模型中。首先构建气候变化对粮食作物产量影响的基础模型:

lnYi=a+a1lnS+a2lnTem+a3lnR+a4lnMA+a5lnFE+a6lnLA+a7lnIR+a8lnPA

业内人士分析指出，这一政策将直接惠及海外中小品牌，尤其是日韩品牌。相较于欧美成熟大牌，这些化妆品品牌上新快、频次高，对市场的反应也更敏捷。

(10)

式中,Yi表示不同作物的单产(i=1,2,3);S、TEM、R分别表示年平均日照时数、年平均气温、年平均降水量;MA表示机械投入;FE表示化肥投入;LA表示种植业劳动力投入;IR表示灌溉比;PA表示粮食作物播种面积。

本文首先分析单个气候要素及非气候要素对粮食作物单产的影响,进而探讨气候要素与非气候要素的交互影响会对粮食作物单产产生怎样的效应。气候要素是作物生长的必要因素,它不但会直接对作物产生影响,而且会改变化肥、灌溉等非气候要素的功效,间接影响种植业单产[25-27]。考虑气候要素与非气候要素的关联效应对作物产量造成的影响,本文提出以下三个假说,并对基础模型进行拓展:假说1——气温和农田水利灌溉的关联作用会对作物单产产生影响。水是旱作农业中关键的因素之一,水对农作物的生产潜力影响较大,水源充足,作物的生产潜力较高。由于降水减少,作物生长期不能满足作物的水分要求,因此必须利用灌溉水源弥补降水减少造成的不利影响。水、热条件配合是作物增产的关键因素,气温与灌溉的关联作用有利于作物增产,但对不同作物其效果有所区别。假说2——气温与化肥的关联作用会对作物单产产生影响。气温上升会加快化肥的分解,释放氮气而损伤作物,降低肥效,不利于作物生长，但化肥总体上会提供作物生长所需要的养分,提高单产。不同作物对化肥的响应不同。假说3——降水与化肥的关联作用会对作物单产产生影响。化肥的作用主要是通过调节土壤的肥力,配合一定的水、热条件,达到增产的作用。即化肥会间接与气温、降水发生交互作用影响作物的单产。气温、降水与化肥的关联作用对作物单产的影响有所不同。

引入气候要素与非气候要素的交互项讨论对玉米和小麦这两种作物单产的影响。引入气温和灌溉比的交互项,考察两者的关联效应对作物单产的影响,验证假说1。

lnYi=a+a1lnS+a2lnTem+a3lnR+a4lnMA+a5lnFE+a6lnLA+a7lnIR+a8lnPA+a9lnTem×IR

(11)

引入气温和化肥施用量的交互项分析两者的关联效应对作物单产的影响,以验证假说2。

lnYi=a+a1lnS+a2lnTem+a3lnR+a4lnMA+a5lnFE+a6lnLA+a7lnIR+a8lnPA+a10lnTem×FE

(12)

引入降水和化肥的交互项分析两者的关联作用对作物单产的影响,以验证假说3。

lnYi=a+a1lnS+a2lnTem+a3lnR+a4lnMA+a5lnFE+a6lnLA+a7lnIR+a8lnPA+a10lnR×FE

(13)

2.2 数据来源

本文所采用的气象数据均来源于国家气象数据共享中心,鉴于数据的完整性,主要使用了分布在山西省11个地市29个台站的气象数据,从中提取了1957—2015年的日照时数、气温和降水相关气象要素的月度数据资料,并根据需要整理成季度数据和年度数据,对山西省气候变化进行分析和预测。本文使用1978—2015年的气象数据与玉米、小麦等粮食作物相关数据进行相关性分析。其中,玉米、小麦等粮食作物相关数据主要来源于国家统计局和相关年份的《山西统计年鉴》。

2.3 变量选取及数据说明

资本、劳动力和科学技术是经济发展的关键影响因素。农村人口劳动力、机械等科技水平是影响作物单产的重要因素,土地、化肥、农田灌溉等是影响作物生长的非气候要素资本,光、热、水是影响气候要素的资本。主要影响因素有:①作物单产(Y)。作物单产是最能代表粮食作物生产水平的标志之一,不同的作物受各种生产要素的影响不同。首先选取粮食单产作为被解释变量,分析气候要素对山西省整体粮食单产的影响;小麦、玉米是山西省产量占比较高的两种作物,使用这两种农作物的单产来分析气候要素对不同作物的影响。②气候要素。对农业影响较大的因素主要是光、热、水,使用山西省年平均日照时数(S)、气温(Tem)、降水(R)作为解释变量。③非气候要素。除了气候要素以外,机械(MA)、化肥(FE)、农业生产劳动力(LA)、农业灌溉(IR)、粮食作物播种面积(PA)都对农业生产有很大的影响。本文用农业有效灌溉面积占播种面积的比重来反映灌溉对作物单产的影响。机械反映农业现代化水平,是提高作物单产的重要手段,化肥、农田灌溉投入量会直接影响作物在生长期的发育,农业生产劳动力是作物生长必要的人力资本,粮食作物播种面积可反映种植业的规模化水平,规模化水平的高低也会对作物单产产生一定的影响。各变量的描述性统计见表1。

表1 变量的描述性统计

表1可见,玉米单产高于其他农作物,但近30年变化不大,粮食和小麦单产的最值之间相差较大,近年来变化较明显。去除气候异常年份,日照时数、气温和降水的最值相差较大。随着农业现代化水平提高,农业机械用电量有明显增加,化肥施用量变化突出,工业化发展使农村从业人口有明显变化,灌溉与粮食作物播种面积显著变化。

3 实证结果

3.1 气候变化基本趋势估计结果

分析山西省四季和年平均日照时数的Hurst指数H与分维数D(表2):当0.5

表2 山西省日照时数序列的Hurst指数与分维数D

山西省过去各季节和年平均日照时数变化幅度不尽相同(图1、图2):春季日照时数下降幅度为5.8h/10a,夏季日照时数下降幅度为11.6h/10a,秋季日照时数下降幅度为6.2h/10a,冬季日照时数下降幅度为12.6h/10a,降幅最大,年平均日照时数下降幅度为8.5h/10a。由表2可知,秋季的Hurst指数最大,表明秋季日照时数下降趋势的持续性最强,分维数D值最小,说明秋季日照时数在该时间尺度上的变化趋势最明显也最简单。

图1 山西省近60年四季平均日照时数变化

图2 山西省近60年平均日照时数变化

当0.5

表3 山西省气温序列的Hurst指数与分维数D

山西省春季气温平均上升幅度为0.3℃/10a,夏季气温上升幅度为0.1℃/10a,秋季气温上升幅度为0.2℃/10a,冬季气温上升幅度为0.4℃/10a,年平均气温上升幅度为0.3℃/10a,冬季气温增幅最大(图3、图4)。由表3可知,夏季、冬季的Hurst指数大于春、秋季,表明前者气温上升趋势的持久性高于后者。夏季分维数D值最小,说明夏季气温在该时间尺度上的变化趋势最明显和最简单。年平均气温的Hurst指数仅次于夏季,表明年平均气温升温趋势的持续性相对较强,未来升温的趋势仍将继续。

图3 山西省近60年四季平均气温变化

图4 山西省近60年年平均气温变化

由表4可知,四季和年平均降水过去的增量与未来的增量呈正相关,未来的趋势和过去的趋势正好相同,降水变化的整体方向将继承过去的趋势。从四季和年平均降水的变化趋势来看,都呈下降趋势,该过程变化具有持续性特征。

表4 山西省降水序列的Hurst指数与分维数D

山西省春季降水减少幅度为0.18mm/10a,夏季降水减少幅度为3.95mm/10a,秋季降水减少幅度为0.22mm/10a,冬季降水减少幅度为0.04mm/10a,年平均降水减少幅度为1.08mm/10a(图5、图6)。夏季降水减少幅度最大,冬季降水减少幅度最小。表4可知,冬季的Hurst指数最大,表明冬季的降水下降趋势的持久性高于其他季节;夏季分维数D值最小说明夏季气温在该时间尺度上的变化趋势最明显和最简单。年平均降水的Hurst指数最小,表明年平均降水减少趋势的持续性较弱,降水变化趋势在该时间尺度上较复杂。近60年来,山西省平均气温上升了2.05℃,增温速率高于全国平均水平;降水减少了112mm,下降速率快于全国平均水平[5]。山西省种植业受灾面积占种植面积的比例平均为43%,远远高于全国的26%,反映了处于特殊地理位置下的山西省种植业适应气候变化能力较弱这一事实。

图5 山西省近60年四季平均降水量变化

图6 山西省近60年平均降水量变化

3.2 气候变化对山西省粮食作物产量的影响

主要是:①气候变化对山西省小麦种植的影响。山西省的小麦种植集中在运城临汾盆地,中部晋城、晋中有少量小麦种植,晋北地区几乎没有小麦种植。气温上升,使冬小麦播期整体呈现向后推迟的趋势。冬季生长期延长,若按照原播种期,麦苗在秋季生长过旺,不利于安全越冬,即使不被冻死,也会由于叶片大部分冻枯养分消耗过多而不利于返青后的生长。山西省中部地区的冬小麦播期向后推迟大概一周左右,但南部盆地的冬小麦播期并没有明显变化。中部冬小麦的越冬期向后推迟,返青和播节日期有所提前。②气候变化对山西省玉米种植的影响。玉米在山西省分布较均匀,但晋南地区种植最多。玉米生长对降水较敏感,受气候影响较大。近几年山西省频发的极端天气对玉米生产造成了严重影响,如2016年晋南地区的大旱使运城、临汾盆地许多地区颗粒无收,损失较大。晋城市的玉米种植所需水资源完全来自降水,没有任何河流灌溉水源,受气候影响更为明显。山西中部和北部地区降水呈减少趋势,未来玉米种植面积会逐渐减少。③气候变化对山西省作物病虫害的影响。影响山西省玉米生长的昆虫主要是玉米螟,该昆虫喜湿,并且年气温越高,发生代数越多。晋南地区的气温高,降水相对较多,很容易导致玉米螟繁衍,不利于玉米生长;干旱少雨地区并不适合玉米螟生存,因此中部地区玉米受玉米螟影响较小;晋北地区降水较少,气温较低,不适合玉米螟生存。小麦蚜虫是影响山西省小麦生长的主要病虫害之一,山西省的小麦蚜虫主要是麦二叉蚜。小麦蚜虫喜干怕湿,主要发生在中部地区，随着中部地区降水减少,小麦种植容易受到麦二叉蚜的影响。本文利用近30年的气象数据和粮食作物相关数据进行相关性分析,讨论单个气候要素对粮食作物单产的影响,见表5。

表5 日照时数、气温、降水对山西省主要粮食作物产量的影响

注:括号内数值表示t值;***、**、*分别表示在1%、5%、10%的显著性水平上显著。

回归结果表明,不同的粮食作物对各气候要素变化的响应有所不同。整体看,对粮食单产影响较大的有日照时数、播种面积、降水和灌溉比。对小麦影响较大的要素有气温、机械、化肥施用量和播种面积;玉米受日照时数、气温、降水、化肥施用量和播种面积影响比较大。日照时数对粮食单产表现为正相关关系;气温对小麦单产表现为正相关,对玉米单产表现为负相关;降水与粮食单产与小麦单产表现为正相关关系,与玉米单产表现为负相关关系。山西省日照时数呈下降趋势,对作物的光合生产潜力会产生一定的负效应,不利于未来的粮食生产;气温上升有利于小麦增产,但对玉米的生长不利;降水减少与农业需水量增加之间的矛盾不断加强,水资源日益紧张,不利于粮食作物作物生长;山西省水资源缺乏主要影响了小麦的种植面积与产量,但对玉米生长影响不大。非气候要素投入会改变气候要素对粮食作物单产的影响,所以本文引入气候要素与非气候要素的交互项观测两者对粮食作物产量的交互影响(表6)。

根据交互项结果分析可知,气温与灌溉的交互项对山西省粮食单产存在正效应,对小麦单产不显著,对玉米单产则表现为负效应。这是因为玉米的叶片较大,气温上升会使其体内水分快速蒸发,同时将养分带到作物体外,造成养分大量流失,不利于作物生长;小麦的叶片较小,水分蒸发较少,可将养分留存在体内,因此灌溉水会满足小麦的需水量,提高其产量。气温与化肥的交互项对粮食和玉米单产效应为负,对小麦单产呈正向效应。由于玉米的水分蒸发较快,对化肥的肥力吸收慢,会因为气温上升使化肥分解过快产生氮气,损伤作物;小麦保留水分的能力较强,化肥可很好地配合水热条件促进小麦增长。降水与化肥的交互作用对粮食和玉米单产的作用为负,对小麦单产的影响为正;玉米的水分流失相对较快,降水减少使玉米的水热条件不均衡,无法很好地吸收肥力,反而对需水量较小、水热条件较好的小麦生长有利。以上结果证明气候要素与非气候要素的交互作用会影响作物单产,三个假说成立。因此,农业适应气候变化亟需调整非气候要素的投入力度,以此强化(降低)气候与非气候要素的交互正(负)作用。

表6 生产要素的交互作用对山西省农业的影响

(续表6)

项目 粮食 小麦 玉米 变量 1 2 3 1 2 3 1 2 3lnTem-0.54*** [-2.91]-0.06* [-1.79]-0.06 [-1.47] 0.13* [1.92] 0.83*** [9.02] 0.88*** [10.55] 0.91** [2.02]-0.08 [-0.96]-0.24*** [-3.65]lnR-0.20*** [-3.40]-0.13** [-1.97]-0.08* [-1.87] 0.10 [0.90] 0.12 [1.03] 0.11 [0.73]-0.16 [-1.21]-0.07 [-0.61] 0.21* [1.77]lnMA 0.11* [1.75] 0.03 [0.46] 0.07 [0.99] 0.57*** [4.39] 0.41*** [3.54] 0.36** [2.56]-0.44*** [-2.82]-0.17 [-0.51] 0.18 [1.64]lnFE 0.103* [1.75] 0.06** [2.41] 0.06** [2.35]-0.22** [-2.13]-0.43*** [-3.28]-0.34*** [-3.23] 0.31** [2.38] 0.82*** [6.43] 0.59*** [7.11]lnLA-0.39 [-1.43] 0.03 [0.15] 0.01 [0.05]-1.07** [-2.02]-0.52 [-1.14]-0.41 [-0.88] 0.81 [1.26] 0.15 [0.34]-0.29 [-0.81]lnIR-1.95*** [-2.94]-0.23** [-2.46]-0.21** [-2.01]-2.99** [-2.29]-0.29 [-1.65]-0.32* [1.71] 3.91** [2.48]-0.21 [-1.22] 0.03 [0.26]lnPA-1.67*** [-8.89]-1.44*** [-7.15]-1.34*** [-6.21]-1.52*** [-4.11]-1.35*** [-3.65]-1.38*** [-3.37]-0.96** [-2.17]-0.92** [-2.52]-0.36 [-1.13]lnTem*IR 1.72** [2.60] 2.75 [0.86] -4.27*** [-2.71]lnTem*FE -0.01** [-2.23] 0.21* [1.74] -0.01*** [-4.61]lnR*FE -0.003* [-1.86] 0.001** [2.15]-0.03*** [-6.84]

注:括号内数值表示t值;***、**、*分别表示在1%、5%、10%的显著性水平上显著;1、2、3分别代表三个假设。

4 结论与政策建议

4.1 结论

从上文对山西气候变化预测的实证结果来看,日照时数、气温、降水的Hurst指数均位于0.5—1的范围,即未来山西省的气候变化会保持与过去一致的趋势。其中,降水的D值最大,表明降水的变化趋势较为复杂,整体保持继续下降的趋势,波动性较强;气温的D值最小,表明气温变化简单,继续维持上升的趋势。

气候变化对山西粮食作物产量影响的实证结果表明,山西省日照时数减少不利于粮食作物增产;气温上升不利于整体粮食作物和玉米增产,但有利于小麦生长;降水减少不利于整体粮食作物和小麦增产,但有利于玉米增产。气候要素与非气候要素的交互影响分析显示,非气候要素投入会改变气候要素对粮食作物单产的影响,这种影响会因为作物的不同而异。灌溉比的引入会改变气温对粮食单产的负效应,与气温的交互作用对小麦单产影响为正,对玉米单产会产生不利影响。气温与化肥的交互作用对粮食和玉米单产会产生不利影响,但却有利于小麦增产。降水与化肥的交互作用对玉米单产影响为负,但对小麦增产有利。

4.2 政策建议

本文提出以下建议:①调整作物品种。山西中部偏北地区一直使用强冬性冬小麦品种,随着冬季气温的上升,可引入弱冬性品种,将晋南地区的强冬性品种调整为弱冬性品种。但不能过度削弱品种的冬性,尽管冬季气温有所上升,但总体气温仍较低,冬性较弱会使作物无法平安过冬。对玉米等短日照作物选择生育期较长的品种进行栽培,充分利用当地的光热资源,发挥生育期较长的优势;小麦应选择对日照时数反应较迟钝的弱冬性品种。推广半精量播种技术,避免大面积播种栽培方式,增加田间的透光性,调整农作物大棚的位置和塑膜的透光性,重视人工光照等技术的推广与应用。谷子和豆类等作物是山西省的优势作物,因此应提高平原、盆地地区以小麦、玉米为主的粮食作物产量。同时,利用谷子耐旱耐热的优点,在干旱缺水的山区保持一定的种植面积,推广杂交谷子。②加强农田水利设施建设,调整灌溉、化肥等投入。针对降水不均匀的气候现状,建立蓄水设施以保证作物不同时期的需水量,减少玉米的化肥和灌溉投入,增加对小麦的化肥投入,选育耐热的作物品种和种类。随着气温升高,适当减少对玉米的化肥、灌溉投入,充分利用气温上升带来的正向效应促进玉米增产,向北扩种,进一步压缩晋北的春小麦种植面积。增加小麦的化肥投入,配合小麦较好的水热条件提高其单产。③加强生态环境综合治理等农业生态工程建设,增强农业种植业适应气候变化的物质基础和能力。促进土地流转和适度规模经营,推进农村合作经济组织的发展,推进地方农业的统一化管理,及时对气候变化造成的影响做出反应,调整农业种植规模和种植布局等,减少协调交易成本。