气候变化对四川省粮食产量的影响研究

薛文璐　张皓楠　杨云涛　顾义云天　曾路垚

摘要：文章整理了四川省145个县（区）近年气候变化、粮食生产的相关面板数据，将气候因素引入C-D生产函数，建立经济-气候模型（简称C-D-C生产模型）进行分析，旨在探寻气候因素变化对于粮食产量的影响，并为保障我国粮食安全提供对策建议。结果表明：年均气温、年均降水均对粮食产量有显著正向影响，技术进步也在一定程度上有利于粮食增产。基于结果，本文从气象预警、返乡就业、科技投入等方面提出了相应建议。

关键词：气候变化 粮食产量 C-D-C模型

引 言

《中国气候变化蓝皮书（2023）》显示，我国是全球气候变化的敏感区和影响显著区。同时，平均年降水量呈增加趋势，降水变化区域间差异明显，高温、强降水等极端天气气候事件趋多、趋强。农业对气候变化最为敏感，气温、降水等气候要素的变化会加剧农作物产量波动（尹朝静等，2016；陈源源，2021）。研究表明，至21世纪末，我国主要粮食作物产量可能最多因为气候变化减少37%（吕亚荣等，2010）。稳定粮食产量是维护国家粮食安全的重要要求，“五谷者，万民之命，国之重宝”，粮食安全是事关人类生存的根本性问题。

四川省是全国13个粮食主产省区之一，截至2023年，粮食产量已连续4年稳定在3500万吨以上。四川省作为“天府粮仓”，对维护我国粮食安全具有重要的作用。《2023年四川省气候变化监测公报》指出，自1961年以来，四川气温变化呈显著上升趋势，极端气候事件增多增强趋势明显，全年降水量偏少，给其粮食生产带来了巨大挑战。

当前关于气候变化对粮食产量影响的研究较多，大多是从计量模型分析和预测模型分析两方面分别展开。在计量模型分析上，主要运用经济-气候模型，关注不同气候因子的变动、生产要素投入等对不同地区的粮食作物产量的影响。整体来看，气候变化对中国南方水稻产量的不利影响较为显著（周曙东和朱红根，2010）。高江波等（2022）研究了东北黑土区受气候变化的影响，发现气温改变了东北黑土区作物物候，进而影响作物生产。高雪等（2021）认为气温、降水总量对农户适应性行为分别具有正向和负向的影响。杨宇（2017）利用1980-2010年黄淮海平原的省级数据分析发现，气温对小麦单产的影响呈显著的“倒U型”关系。尹朝静等（2016）在对1984-2013年间我国28个省粮食生产的研究中发现，降水量每增加100 mm，粮食产量增加0.67%-0.85%。

第二类是预测模型分析。周文魁（2012）指出，我国粮食总产量将会在干旱、水资源短缺情景下减少0.5%，在升温情景下减少10.1%。王丹（2009）预测得出到2050年，在中高和中低排放的情景下，气候变化对我国三大粮食的增产都呈现负影响。杜建斌（2020）系统分析1951-2015年间我国13个粮食主产省受灾面积和粮食产量的变化趋势，得出RCP4.5情景下我国大部分地区干旱发生频率均大于15%，旱灾显著降低粮食单产和总产。

梳理现有研究可以发现，大部分学者都认为气候变化对农作物产量具有显著影响，但已有的研究还存在以下不足：第一，当前研究多关注气候变化对具体粮食作物产量的影响，却较少有从粮食总产量层面探究气候变化影响；第二，当前学者普遍利用各省份或者市州的面板数据进行分析，也存在部分学者采用全国或某一省市的时间序列数据进行分析，然而利用县级数据的研究较少。

基于此，本文利用2001-2021年四川省各粮食种植县（区）的生产投入产出数据及各气象站点的气候变化数据实证分析气候变化对四川省粮食总产量的影响，以期为建设新时代更高水平“天府粮仓”提出针对性建议，具有重要的现实意义。

一、数据来源与研究区概况

（一）数据来源

本文选取2001-2021年四川省183个粮食种植县（区）的粮食生产投入产出数据及气候变化数据展开研究。由于在此期间四川省进行了多次区划调整，本文为实证研究的合理性，将广安市前锋区合并到广安区，将巴中市恩阳区合并到巴州区。由于成都市五个主城区（锦江区、青羊区、金牛区、武侯区、成华区）耕地分散且其面积较小，故未将其纳入研究范围。此外阿坝藏族羌族自治州和甘孜藏族自治州在地理条件、经济水平、人口密度以及社会人文状况等方面与四川省其他市（州）存在显著差异，故未纳入研究范围，本研究最终的分析对象为145个粮食种植县（区）。

本研究的气象数据来源于国家气象科学数据中心2001-2021年发布的《中国地面气候资料年值数据集》，包括每年平均气温，平均降水，涵盖了四川145个气象站点；粮食生产数据和投入要素数据均来源于四川统计年鉴。

（二）研究区概况

图1反映了过去21年（2001-2021年）四川省各县（区）的年平均气温变化趋势。从图中可以看出，过去21年四川省各县（区）的年平均气温呈现缓慢的上升趋势，且波动明显，最低温为13.78℃（2012年），最高温为14.67℃（2013年），二者相差0.89℃，且连续三年（2015年、2016年、2017年）平均气温高于趋势线。图2为2001-2021年四川省各县（区）年平均每月降水量的变化趋势，过去21年四川省各县（区）的年平均降水量总体呈上升趋势，波动相较于年平均气温的变化较小，除2006年、2009年、2011年外，其他年份降水量平稳增加。

近21年来，四川省年粮食总产量呈上升趋势，2001年的粮食总产量为175398.4吨，而2021年的粮食总产量为197562.8吨，年均增长率为0.9％，同时，四川省年粮食总产量在过去21年有小范围波动，农村耕地面积逐年减少、气候变化对农业生产的不利影响加剧等因素使得粮食总产量增长速度放缓，个别年份甚至出现下滑趋势。

三、模型构建与变量说明

（一）模型构建

经济气候模型的基础为柯布—道格拉斯生产模型（C-D生产函数模型），该模型描述了投入与产出之间的关系，其基本形式为：

Q=AKαLβ

本文研究的对象为粮食产量。粮食产量受降水、温度等气候因素，化肥、机械动力、劳动等物质要素投入及技术水平进步的影响。因此，本文分析中基于C-D生产函数模型，引入气候要素，构建经济-气候模型（C-D-C生产函数模型）研究粮食产量影响因素，其具体形式为：

Y=f（L，K，C，T）

其中，L和K分别代表劳动与资本投入，C代表天气变量，T代表技术进步。将本文相关变量带入模型中，等式两边取自然对数，展开式如下：

Ln（Yit）=β0+β1ln（RFit）+β2 ln（TPit）+β3 ln（ACit）+β4ln（LABit）+β5ln（FERit）+β6ln（MACHit）+β7Tit+μit

式中：Y为粮食总产量；RF为年均降水量；TP为年均温度；AC为粮食播种面积；LAB为农业劳动力；FER为化肥施用量；MACH为农业机械总动力；T表示技术进步，用各县（区）各年份机收面积分别除以基期（2001年）机收面积衡量。β为待估参数；i表示县（区）；t表示年份；μit为随机扰动项。

（二）研究假说

根据前文的分析及四川省粮食生产的实际情况，本文提出两条待检验假设：

H1：气温变化对四川省粮食总产量有显著正影响。

H2：降水变化对四川省粮食总产量有显著正影响。

（三）变量描述性统计

相关变量的描述统计结果见表1，其中各县（区）粮食总产量在17.54-20.32万吨之间，均值为19.36万吨，其标准差达到0.66万吨；各县（区）年均温度在13.78-14，67℃之间，均值为14.24℃，其标准差达到0.28℃；各县（区）年降雨量在8392.6-11440.48mm之间，均值为9910.89mm，其标准差达到689.62mm，可以看出随着全球变暖的加剧，各县（区）降雨量波动愈发剧烈，并呈现区域间降雨量差异扩大化的趋势；各县（区）农作物总播种面积在51.97-60.09千公顷之间，均值为57.71千公顷，其标准差达到2.88千公顷；各县（区）的农业劳动力在21.37-22.60万人之间，均值为22.07万人，其标准差达到0.39万人；各县（区）的化肥施用量在1.19-1.45万吨之间，均值为1.33万吨，其标准差达到0.098万吨；各县（区）的农业机械总动力在9.83-27.94万千瓦之间，均值为18.67万千瓦，其标准差达到6.26万千瓦；各县（区）的技术进步程度在0.16-479.45之间，均值为2.38，其标准差达到12.35，各县（区）技术进步区域差距明显。

四、实证模型结果分析

（一）模型设定检验

本研究运用Stata17.0软件，对模型进行相关检验，结果如表2所示。pedroni检验结果表明模型中各变量间存在协整关系，没有伪回归情况。Hausman检验结果表明，应选择固定效应模型研究。Wooldridge检验、Modified Wald检验、截面相关检验结果表明，模型存在面板数据具有自相关性、异方差、截面相关的问题。

（二）实证结果分析

本研究选用四川省的县域面板数据，面板数据的优点在于其能够在研究中提供了更准确、全面、动态的数据基础，揭示经济行为和现象的内在规律，使参数估计结果更加准确。本文综合考虑面板模型各估计方法的检验结果，及一个自相关、异方差、截面相关同时存在的情况，最终采用工具变量法FGLS（广义最小二乘法Feasible Generalized Least Squares）进行估计，Economy-Climate模型（经济-气候模型）具体估计结果见表3。

（三）平均气温对粮食产量的影响

从模型结果可以看出，在显著性检验1%水平上，气温增加会引起粮食产量的增加。这一结果与冯晓龙等（2017）、高雪等（2021）的研究较为一致，也验证了本文的H1。原因可能在于，四川省内粮食作物以稻谷、玉米和小麦为主，稻谷、玉米和小麦全生长期均需要较高的温度，积温越高，越有利于省内粮食生产。需要注意的是，不同作物在生长不同阶段的温度适宜范围可能会有所不同，稻谷适宜的生长温度条件在20-35℃之间，相对来说对温暖湿润的气候要求较高。玉米生长的温度条件在20-30℃之间，喜欢温暖的气候，但对温度变化的适应性较强。小麦生长的温度条件在15-25℃之间，相对较为耐寒，但过高或过低的温度会对其生长产生不利影响。

（四）平均降水量对粮食产量的影响

从模型结果可以看出，在显著性检验1% 水平上，平均降水总量的增加有利于粮食增产。这一结果与何汶松（2022）的研究较为一致，也验证了本文的H2。原因可能在于，稻谷和玉米对水分的需求相对较高，年降水量分别在1000-1500 mm和600-1000mm的区域较为适宜。小麦对水分的需求相对较低，适宜的降水条件为年降水量在400-800 mm左右，但如果种植在旱地或半旱地区，需要进行有效的水分管理和节水措施。

（五）控制变量对粮食产量的影响

从模型结果可知，农作物播种面积、农业劳动力、化肥施用量、农业机械总动力均在1%的显著性水平下显著且为正值，技术进步在10%的显著性水平下显著且为正值，这一结果与Huang J（2015），侯玲玲等（2016），唐利群等（2017），王太祥等（2018）的研究较为一致。具体来看，农作物播种面积每增加1%粮食总产量增加0.65%，说明四川省粮食产量的增加在很大程度上依赖于可供种植粮食作物的土地面积。然而，由于土地的稀缺和其他经济作物种植面积的增长，四川省粮食作物种植面积呈持续减少的态势。农业劳动力投入每增加1%粮食总产量增加0.43%，这表明农业劳动力对于粮食生产的贡献显著。增加农业劳动力投入可以提高农作物的种植、管理和收获效率，进而增加粮食的产量。化肥施用量每增加1%粮食总产量增加0.03%，说明化肥投入对粮食产量有一定促进作用。农业机械总动力每增加1%粮食总产量增加0.07%，这表明农业机械在粮食生产中起到了一定的促进作用。增加农业机械的使用可以提高农作物的种植、管理和收获效率，减轻了劳动力的负担，从而增加了粮食的产量。技术进步每增加1%粮食总产量增加0.01%，表明技术进步在粮食生产中起到了一定的促进作用。随着科学技术的进步，农业生产方式得到改进和创新，种植、管理、收获等环节的效率也得到提升，从而促进了粮食的增产。

结论与政策建议

本文基于四川省各县（区）2001-2021年的面板数据，利用C-D-C模型分析气候变化对粮食产量的影响，研究结论如下：

第一、粮食总产量与年均气温及降水呈显著的正相关。具体而言，由于四川省的粮食作物主要为稻谷、玉米、小麦，较高的温度有利于作物生长；降水方面，稻谷和玉米对水分的需求较大，小麦对水分需求较小。整体来看，气温和降水的增加有利于粮食增产，其中温度对总产量的影响更大。

第二、粮食播种面积及农业劳动力对粮食总产量的影响十分显著。耕地资源的增加、农业劳动力投入的加大，对四川省的粮食增产具有重要意义。

第三、化肥施用量、农业机械总动力和技术进步对粮食产量具有正向影响。根据作物需要施用化肥是一种见效较快的增产方式，但长期来看，其可能破坏土壤和环境，不利于农业的可持续发展。另外，随着农业机械和科技的投入，极大的提高了生产效率，对粮食增产影响显著。

根据以上研究结论，本文提出四川省粮食生产适应气候变化的策略如下：

第一、完善气象预警信息体系，提前预测气温和降水变化，为农户的农业生产提供指导。同时，由相关部门牵头，推动工程类基础设施修建，加大对农业气候变化适应相关知识和技术的宣传，增强农户适应气候变化的能力，保障农业生产，稳定粮食产量。

第二、严守耕地红线，鼓励劳动力返乡就业。有关部门加强监管，保障耕地面积，严惩违规占用耕地行为；同时出台相关政策支持农业生产、提供农业保险补贴吸引劳动力返乡，提高种粮积极性；鼓励农业技术人才下乡，为农业高效生产提供帮助。

第三、加大农业科技投入，支持农机研发。通过作物育种，培养更适宜气候变化的作物；加强农作物病虫害防治技术研发，主动适应气温、降水变化；通过提供农机购买补贴等方式，提高农机覆盖率，进而提升农业生产效率。

第四、减少化肥使用量，开展科学施肥。目前，我国农田平均化肥使用量远高于国际标准，要重视改善化肥投入的质量和效果，真正发挥化肥施用对提高粮食产量的作用。

第五、提高水资源储蓄能力，推广节水农业。政府主导修建大型水利设施的同时，鼓励农民积极维修和管理基础灌溉设施，并加快对小型灌溉设施的投资。推广节水农业技术，如秸秆还田、覆盖种等，减少农业用水量，提高水资源利用效率。

参考文献：

[1]尹朝静，李谷成，高雪.气候变化对中国粮食产量的影响——基于省级面板数据的实证[J].干旱区资源与环境，2016，30（06）：89-94.DOI：10.13448/j.cnki.jalre.2016.187.

[2]陈源源.气候变化对中国粮食生产的影响[J].中国农学通报，2021，37（12）：51-57.

[3]吕亚荣，陈淑芬.农民对气候变化的认知及适应性行为分析[J].中国农村经济，2010（07）：75-86.

[4]朱红根，周曙东.南方水稻对气候变化的脆弱性分析——以江西为例[J].农业现代化研究，2010，31（02）：208-211.

[5]高江波，刘路路，郭灵辉等.气候变化和物候变动对东北黑土区农业生产的协同作用及未来粮食生产风险[J].地理学报，2022，77（07）：1681-1700.

[6]高雪，李谷成，尹朝静.气候变化下的农户适应性行为及其对粮食单产的影响[J].中国农业大学学报，2021，26（03）：240-248.

[7]杨宇.气候变化对黄淮海平原粮食生产力影响的实证研究[J].干旱区资源与环境，2017，31（06）：130-135.DOI：10.13448/j.cnki.jalre.2017.190.

[8]周文魁.气候变化对中国粮食生产的影响及应对策略[D].南京农业大学，2013.

[9]王丹.气候变化对中国粮食安全的影响与对策研究[D].华中农业大学，2010.

[10]杜建斌.旱灾对我国粮食主产省粮食产量的影响及抗旱对策研究[D].中国农业科学院，2021.DOI：10.27630/d.cnki.gznky.2020.000100.

[11]冯晓龙，霍学喜，陈宗兴.气候变化与农户适应性行为决策[J].西北农林科技大学学报（社会科学版），2017，17（05）：73-81.DOI：10.13968/j.cnki.1009-9107.2017.05.10.

[12]何汶松.气候变化背景下农业信贷对水稻产量的影响研究[D].四川农业大学，2022.DOI：10.27345/d.cnki.gsnyu.2022.000069.

[13]Huang J ，Wang Y ，Wang J . Farmers' Adaptation to Extreme Weather Events through Farm Management and Its Impacts on the Mean and Risk of Rice Yield in China[J].American Journal of Agricultural Economics，2015，97（2）.

[14]侯玲玲，王金霞，黄季焜.不同收入水平的农民对极端干旱事件的感知及其对适应措施采用的影响——基于全国9省农户大规模调查的实证分析[J].农业技术经济，2016（11）：24-33.DOI：10.13246/j.cnki.jae.2016.11.003.

[15]唐利群，周洁红，于晓华.采用保护性耕作对减少水稻产量损失的实证分析——基于4省1080个稻农的调研数据[J].自然资源学报，2017，32（06）：1016-1028.

[16]王太祥，董舒婷.气候变化对我国棉花产量的影响——基于C-D-C模型的实证分析[J].江苏农业科学，2018，46（24）：383-386.DOI：10.15889/j.issn.1002-1302.2018.24.098.

项目基金：获得国家级大学生创新创业训练计划项目资助（202210626043）。

作者简介：薛文璐（2002—），女，在读本科生，研究方向为农村金融。