賀大興

(北京大學(xué)馬克思主義學(xué)院， 北京 100871)

·糧食安全·

極端氣候?qū)χ袊Z食產(chǎn)量影響的定量分析*

賀大興

(北京大學(xué)馬克思主義學(xué)院， 北京 100871)

[目的]利用糧食生產(chǎn)與天氣數(shù)據(jù)估算極端天氣對中國糧食生產(chǎn)的影響，以期對我國的糧食安全有所貢獻(xiàn)。[方法]選取中國31個省市2002～2012年面板數(shù)據(jù)，采用固定效應(yīng)自相關(guān)異方差模型(FE+AR(1)+Hetero)計算高溫干旱、洪澇、低溫嚴(yán)寒等極端天氣對中國糧食生產(chǎn)的影響。[結(jié)果](1)糧食播種面積、農(nóng)村用電量、化肥施用量是農(nóng)業(yè)增產(chǎn)的主要因素。糧食播種面積、農(nóng)村用電量、化肥施用量增加1個百分點，糧食產(chǎn)量分別增加0.97、0.06和0.18個百分點， 2002～2012年三者對糧食增產(chǎn)的貢獻(xiàn)分別為23.55%、31.21%和21.45%； (2)農(nóng)作物成災(zāi)面積增加1%，糧食產(chǎn)出減少0.04%， 2002～2012年農(nóng)作物成災(zāi)面積減少57.75%，對糧食產(chǎn)出增加的貢獻(xiàn)為7.97%； (3)在控制農(nóng)業(yè)機(jī)械總動力、化肥、農(nóng)藥、農(nóng)村用電量、農(nóng)作物成災(zāi)面積后，極端高溫干旱天氣對糧食生產(chǎn)有顯著的負(fù)面影響，糧食損失比例為1.98%，洪澇、低溫嚴(yán)寒影響不顯著。[結(jié)論]2002～2012年間全國各省市極端高溫干旱事件共計93起，頻率約為0.27，造成糧食生產(chǎn)額外平均損失比例約為0.53%。

極端天氣 罕見災(zāi)難 糧食生產(chǎn) 固定效應(yīng)模型

0 引言

極端天氣是困擾我國糧食生產(chǎn)和社會發(fā)展的重要問題。歷史上，崇禎大旱(1637～1643年)、康雍奇災(zāi)(1719～1723年)、丁戊奇荒(1875～1878年)、民國18年大饑饉(1927～1930年)，饑殍遍野、社會動蕩[1]。建國特別是1980年代以后，受到全球氣候變暖的影響，我國更是災(zāi)難頻仍。1998年，長江和松花江等流域爆發(fā)1954年以來最大洪水， 29個省市近2 000萬hm2土地被淹、500萬房屋倒塌，受災(zāi)人數(shù)過億，經(jīng)濟(jì)損失約1600億①。2016年6月，長江中下游及太湖流域等地持續(xù)強(qiáng)降雨，湖北、江蘇、安徽等28省1192縣市遭受洪澇災(zāi)害，房屋倒塌14.72萬間，受災(zāi)人口6074萬，直接經(jīng)濟(jì)損失1469億②。

對于極端天氣，學(xué)術(shù)界已有比較深入的研究。中國氣象局《中國極端天氣氣候事件和災(zāi)害風(fēng)險管理與適應(yīng)國家評估報告》(以下簡稱《極端天氣評估報告》)對1961～2013年間的高溫、大旱、強(qiáng)降水等區(qū)域性極端天氣事件進(jìn)行了系統(tǒng)性的描述，認(rèn)為中國已經(jīng)進(jìn)入“極端天氣氣候事件種類多，頻次高，…，影響范圍廣”的階段[1]。覃志豪等學(xué)者也認(rèn)為全球變暖使得我國自然災(zāi)害加劇[2， 3]。陳洪斌等學(xué)者對中國2003～2011年間的中國和世界范圍內(nèi)高溫、干旱、洪澇、臺風(fēng)等極端事件做出了詳細(xì)的記錄，特別是標(biāo)示出超過歷史同期水平的極端事件[4-13]。這些學(xué)者的工作對于了解中國極端天氣歷史變化提供了研究基礎(chǔ)。

國內(nèi)定量評估極端天氣對農(nóng)業(yè)生產(chǎn)影響的研究相對較少。劉杰等利用1994～2006年83個地級市逐年極端高溫事件、逐年極端低溫事件、逐年極端降水和逐年干旱天數(shù)事件，研究極端天氣對農(nóng)業(yè)生產(chǎn)總值(GDP)的影響，發(fā)現(xiàn)極端天氣對不同地區(qū)的影響不盡一致：高溫和降水對華北地區(qū)有正向影響，但對其他地區(qū)影響為負(fù)[14]。郁珍艷等利用浙江省11個市1994～2013年逐年高溫日數(shù)、強(qiáng)降水日數(shù)等數(shù)據(jù)，發(fā)現(xiàn)極端天氣對浙江省GDP有接近0.04%～0.07%的影響[15]。

在當(dāng)前糧食需求不斷增加、糧食生產(chǎn)條件逐漸惡化的形勢下，探討極端天氣對我國糧食生產(chǎn)的影響，是了解我國糧食生產(chǎn)的抗風(fēng)險能力，及時應(yīng)對未來可能的糧食缺口和糧食危機(jī)的重要決策基礎(chǔ)。有鑒于此，文章利用2002～2012年間中國各省市極端天氣數(shù)據(jù)和糧食生產(chǎn)數(shù)據(jù)，采用固定效應(yīng)自相關(guān)異方差模型，估計極端天氣對我國糧食生產(chǎn)的影響程度，以期對我國的糧食安全有所貢獻(xiàn)。

1 研究數(shù)據(jù)與研究方法

1.1 數(shù)據(jù)獲取

1.1.1 農(nóng)業(yè)產(chǎn)出和要素數(shù)據(jù)獲取

糧食產(chǎn)量對數(shù)、鄉(xiāng)村從業(yè)人員對數(shù)、糧食播種面積對數(shù)、農(nóng)業(yè)機(jī)械總動力對數(shù)、農(nóng)村用電量對數(shù)、有效灌溉面積對數(shù)、化肥施用量對數(shù)、農(nóng)藥施用量對數(shù)、農(nóng)作物成災(zāi)面積對數(shù)等數(shù)據(jù)來自于《新中國60年農(nóng)業(yè)統(tǒng)計資料》和國家統(tǒng)計局官方網(wǎng)站。

1.1.2 極端天氣數(shù)據(jù)獲取

高溫干旱、洪澇和嚴(yán)寒等數(shù)據(jù)來自于陳洪斌等的一系列研究和國家氣象局的《中國氣象公報》。

1.2 數(shù)據(jù)處理

1.2.1 農(nóng)業(yè)產(chǎn)出和要素數(shù)據(jù)

學(xué)術(shù)界一般會對農(nóng)業(yè)產(chǎn)出和要素數(shù)據(jù)進(jìn)行對數(shù)化處理。對數(shù)化處理的好處是：(1)降低數(shù)據(jù)的波動程度，減小異常值對結(jié)果的影響； (2)減少數(shù)據(jù)初始值誤差對后續(xù)數(shù)據(jù)的影響； (3)方便計算要素的產(chǎn)出彈性，衡量要素增加對產(chǎn)出的貢獻(xiàn)。

表1報告了主要變量的基本統(tǒng)計特征。需要補(bǔ)充說明3點：(1)數(shù)據(jù)時間跨度是2002～2012年，是因為極端天氣數(shù)據(jù)的起始時間是2002年，鄉(xiāng)村從業(yè)人員對數(shù)的最新數(shù)據(jù)是2012年； (2)總體上講， 1992～2012年，除了糧食播種面積、有效灌溉面積在2002、2003年有所下降外，農(nóng)業(yè)主要生產(chǎn)條件呈現(xiàn)階段性上漲的局面。農(nóng)村用電量、農(nóng)業(yè)機(jī)械總動力增長較快，分別4.17%和2.45，說明我國糧食生產(chǎn)在機(jī)械化、現(xiàn)代化方面有持續(xù)的進(jìn)步； 化肥和農(nóng)藥使用量增長穩(wěn)定，分別為1.25%和1.38%； (3)雖然災(zāi)患不斷，但農(nóng)作物受災(zāi)面積和成災(zāi)面積在不斷下降。2002年，兩者分別為4 694.6萬hm2和2 716.0萬hm2， 2012年，分別為2 496.2萬hm2和1 147.5萬hm2，平均每年下降2.91%和4.02%，這表明我國農(nóng)業(yè)抵抗一般自然災(zāi)害能力在不斷增加。

表1 主要變量的基本統(tǒng)計特征

變量名觀測值均值標(biāo)準(zhǔn)差最小值最大值省份341168.96131年份34120073.1720022012糧食產(chǎn)量對數(shù)3416.901.204.068.66鄉(xiāng)村從業(yè)人員對數(shù)3406.991.064.648.50糧食播種面積對數(shù)3417.651.204.959.35農(nóng)業(yè)機(jī)械總動力對數(shù)3417.361.074.309.43農(nóng)村用電量對數(shù)3414.171.57-0.927.44化肥施用量對數(shù)3414.621.191.116.53農(nóng)藥施用量對數(shù)34110.221.406.3814.37有效灌溉面積對數(shù)3417.121.025.048.56農(nóng)作物成災(zāi)面積對數(shù)3365.911.460.188.33 數(shù)據(jù)來源:陳洪斌等系列研究和國家氣象局的《中國氣象公報》

1.2.2 自然災(zāi)害數(shù)據(jù)處理

國家標(biāo)準(zhǔn)《自然災(zāi)害災(zāi)情統(tǒng)計》(GB/T 24438.1-2009)指出，干旱、洪澇災(zāi)害、沙塵暴等氣象災(zāi)害，火山、地震、泥石流等地質(zhì)災(zāi)害，風(fēng)暴潮、海嘯等海洋災(zāi)害，森林草原火災(zāi)和重大生物災(zāi)害等都屬于自然災(zāi)害。自然災(zāi)害種類繁多，分門別類統(tǒng)計難度較大。類似與周京平和王衛(wèi)丹[16]、高云等[17]等學(xué)者的做法，該文用農(nóng)作物成災(zāi)面積對數(shù)來衡量各種類型自然災(zāi)害的綜合影響。

1.2.3 極端天氣數(shù)據(jù)處理

極端天氣的處理存在2個方面的困難。首先，定義的困難。極端天氣指的是異常天氣事件。中國氣象局《極端天氣評估報告》認(rèn)為，當(dāng)天氣某一變量超過(或低于)閾值，發(fā)生概率低于10%，一般就稱為極端事件。常見的極端天氣事件包括干旱、高溫、洪澇、低溫等[1]?！秷蟾妗返亩x具有一定的操作性，但問題是，受到全球變暖的影響，各地區(qū)滿足上述定義的異常天氣事件已經(jīng)進(jìn)入“種類多、頻次高、范圍廣”的階段[1]。這意味著，報告中將超過(或低于)閾值作為極端天氣的入選門檻，可能過于寬泛。滿足上述條件的天氣事件太過頻繁，以至于無法從統(tǒng)計上將其加以識別。為了刻畫極端天氣事件“極端”或“稀少”的特點，該文所指的極端事件主要有3個特征：(1)種類集中。該文主要研究高溫干旱、嚴(yán)寒、洪澇3種事件； (2)非常少見。該文關(guān)注的極端事件類似于Barro所指的罕見災(zāi)難事件(rare disaster)[18]。只有天氣狀況超過1954年或1960年歷史同期水平，該文才認(rèn)為是極端天氣。僅僅是高于過去一年同期水平或近10年同期水平的天氣事件，該文不予考慮； (3)影響大。只有天氣災(zāi)害持續(xù)一定時間、影響一定范圍，該文才認(rèn)定為極端天氣。以高溫天氣為例。如果高溫天氣持續(xù)時間超過歷史同期，則為極端天氣； 如果僅僅是當(dāng)日氣溫超過歷史同期，則不是極端天氣。其次，數(shù)據(jù)采集的困難。由于缺乏全省范圍內(nèi)的溫度、降水、干旱面積的數(shù)據(jù)，該文只能用0～1事件來描述極端天氣。

圖1描述了2002～2012年間中國各省市洪澇、高溫干旱和嚴(yán)寒等極端天氣的發(fā)生情況。(1)受全球變暖的影響，高溫干旱天氣在各省市出現(xiàn)的頻率相對較高，占所有樣本比例為27.27%，其中湖南省發(fā)生嚴(yán)重干旱的次數(shù)高達(dá)6次，占研究年份的55.56%； 2009年，全國20個省市發(fā)生嚴(yán)重高溫或干旱，占全國比例為64.52%； (2)洪澇和嚴(yán)寒災(zāi)害頻率相對較低，占所有樣本比例分別為7.33%和7.92%。洪澇災(zāi)害發(fā)生次數(shù)最多的省份是福建省和山東省，嚴(yán)寒發(fā)生次數(shù)最多的是黑龍江省、吉林省和遼寧省。

圖1 2002～2012年各省市極端天氣事件統(tǒng)計 數(shù)據(jù)來源：陳洪斌等系列研究和國家氣象局的《中國氣候公報》

1.3 研究方法

(1)

回歸方程(1)的估計方法，依賴于對全要素生產(chǎn)率的假設(shè)。

(1)假設(shè)1：全要素生產(chǎn)率只與地區(qū)異質(zhì)性特征有關(guān)，與其他因素?zé)o關(guān)。即為：

lnAj，t=gj+uj，t

(2)

(3)

(2)假設(shè)2：全要素生產(chǎn)率與自身一階滯后項、地區(qū)異質(zhì)性特征有關(guān)，與其他因素?zé)o關(guān)。即：

lnAj，t=ρlnAj，t-1+gj+uj，t

(4)

假設(shè)2是宏觀經(jīng)濟(jì)學(xué)中的標(biāo)準(zhǔn)設(shè)定，一般采用帶AR(1)過程的面板數(shù)據(jù)模型進(jìn)行估計(FE+AR(1))?；驹硎?，首先利用(4)式，估計lnAjt的協(xié)方差矩陣Σ，然后利用極大似然估計(MLE)估算(1)式的各項系數(shù)。

(3)假設(shè)3：全要素生產(chǎn)率與自身一階滯后項、地區(qū)異質(zhì)性特征、極端天氣有關(guān)，與其他因素?zé)o關(guān)。即：

lnAj，t=ρlnAj，t-1+gj+φvj，t+uj，t

(5)

相比之下，第三種方式更符合經(jīng)濟(jì)學(xué)的基本直覺。(1)式本質(zhì)上是對產(chǎn)出進(jìn)行要素分解，如果直接將極端天氣放在(1)式中估計，就相當(dāng)于認(rèn)為極端天氣是生產(chǎn)的要素。但實際上，極端天氣是外生沖擊，應(yīng)該進(jìn)入沖擊方程。

(6)

更多關(guān)于研究方法的細(xì)節(jié)，參見Greene[19]和Baltagi[20]。

2 研究結(jié)果與分析

表2報告了主要的回歸結(jié)果。方法1～3對應(yīng)的是假設(shè)1～3。被解釋變量是“糧食產(chǎn)量對數(shù)”。主要控制變量：(1)鄉(xiāng)村從業(yè)人員對數(shù)、糧食播種面積對數(shù)，用于控制勞動和播種面積的影響； (2)農(nóng)業(yè)機(jī)械總動力對數(shù)，農(nóng)村用電量對數(shù)、有效灌溉面積對數(shù)，控制農(nóng)機(jī)、電力、灌溉等生產(chǎn)條件； (3)化肥施用量對數(shù)、農(nóng)藥施用量對數(shù)，控制農(nóng)藥、化肥的影響； (4)農(nóng)作物成災(zāi)面積對數(shù)，控制一般性天氣沖擊的影響。主要解釋變量是高溫干旱、洪澇和嚴(yán)寒，用于研究極端天氣對糧食生產(chǎn)的影響。

2.1 糧食生產(chǎn)要素的影響

糧食播種面積、農(nóng)村用電量、化肥施用量是糧食增產(chǎn)的主要因素。以方法3的結(jié)果為例。糧食播種面積、農(nóng)村用電量、化肥施用量增加1個百分點，糧食產(chǎn)量分別增加0.97、0.06和0.18個百分點。2002～2012年，全國糧食播種面積增加7.04%，農(nóng)村用電量增加150.83%，化肥施用量增加34.55%，糧食產(chǎn)出增加28.99%。因此，三者對糧食產(chǎn)量增加貢獻(xiàn)分別為23.55%、31.21%和21.45%。這個結(jié)果與現(xiàn)有文獻(xiàn)接近[21]。

2.2 一般自然災(zāi)害的影響

一般自然災(zāi)害的影響相對穩(wěn)定。農(nóng)作物成災(zāi)面積增加1個百分點，糧食產(chǎn)出減少0.04個百分點。2002～2012年，農(nóng)作物成災(zāi)面積減少57.75%，對糧食產(chǎn)出增加的貢獻(xiàn)為7.97%。這個發(fā)現(xiàn)也和文獻(xiàn)[21]接近。

表2 回歸結(jié)果

方法1(FE)方法2(FE+AR(1))方法(FGLS+AR(1))鄉(xiāng)村從業(yè)人員對數(shù) 0.14***-0.010.14(3.12)(-0.21)(1.63)糧食播種面積對數(shù)0.97***0.85***0.97***(22.36)(15.90)(14.47)農(nóng)業(yè)機(jī)械總動力對數(shù)-0.00-0.02-0.01(-0.18)(-0.49)(-0.16)農(nóng)村用電量對數(shù)0.06***0.08**0.06**(2.88)(2.77)(2.05)化肥施用量對數(shù)0.18***0.21***0.18***(4.31)(3.30)(2.93)農(nóng)藥施用量對數(shù)0.00-0.020.01(0.26)(-1.29)(0.24)有效灌溉面積對數(shù)0.020.030.02(0.57)(0.69)(0.21)農(nóng)作物成災(zāi)面積對數(shù)-0.04***-0.04***-0.04***(-7.66)(-7.09)(-4.32)高溫干旱-0.02***-0.02***-0.02***(-2.29)(-2.58)(-3.06)洪水-0.00-0.01-0.00(-0.01)(-0.79)(-0.32)嚴(yán)寒0.000.000.00(0.11)(0.12)(0.07)ρ0.33***0.38***(t值或LBI)1.14(6.38)樣本量335304335樣本組數(shù)313131F值122.48164.5267.94 注釋:括號內(nèi)為t值;***表示p<1%;**表示1%

2.3 極端天氣的影響

高溫干旱對糧食產(chǎn)出有顯著的負(fù)向影響，但洪水和嚴(yán)寒對糧食產(chǎn)量沒有顯著的影響。2002～2012年，全國各省市極端高溫干旱事件共計93起，占同期比例為0.27。根據(jù)公式(6)極端干旱天氣造成的單次損失比例為1.98%，平均損失比例約為0.53%。

該文的方法和發(fā)現(xiàn)與現(xiàn)有文獻(xiàn)存在一定的區(qū)別。首先，該文區(qū)分了一般自然災(zāi)害和極端天氣的影響。周京平和王衛(wèi)丹[16]用農(nóng)作物成災(zāi)或受災(zāi)面積表示極端氣候，高云等[17]用其表示自然災(zāi)害。上述做法的問題在于，農(nóng)作物成災(zāi)或受災(zāi)面積是一般自然災(zāi)害、極端天氣和農(nóng)業(yè)抗災(zāi)能力共同作用的結(jié)果。簡單將其視為自然災(zāi)害或極端天氣的代理變量，會混淆不同程度天氣因素對糧食產(chǎn)出的影響。其次，對極端天氣的定義不同。劉杰等[14]、郁珍艷等[15]用逐年最高溫度、逐年最大降水量刻畫的極端天氣，只是一般意義上的天氣極值(extreme value)。該文采用超過1954或1960年以來歷史水平作為極端天氣的入選門檻，更符合秦大河等[1]定義的極端天氣的概念。最后，數(shù)據(jù)的代表性不同。劉杰等[14]、郁珍艷等[15]用少數(shù)地級市的天氣數(shù)據(jù)、糧食產(chǎn)出數(shù)據(jù)研究極端天氣的影響，數(shù)據(jù)的代表性較弱。該文采用的是全國各省市的面板數(shù)據(jù)，得出的結(jié)論更具有一般性。

為什么高溫干旱對糧食生產(chǎn)有顯著的負(fù)面影響，而洪澇災(zāi)害和低溫天氣卻效果不明顯呢？該文認(rèn)為，可能有4個方面的原因：(1)頻率不同。受全球變暖的影響，各地極端高溫干旱事件頻頻發(fā)生，嚴(yán)寒和洪澇相對較少。2002～2012年，全國高溫干旱天氣占樣本比例為27.27%，而洪澇和嚴(yán)寒天氣占比僅為0.07%和0.08%。(2)時間不同。高溫干旱一般發(fā)生在2月份、6～8月份，正是農(nóng)作物播種、成長的關(guān)鍵時間，影響較大； 而嚴(yán)寒一般發(fā)生在12月份左右，對農(nóng)作物影響較小。 (3)范圍不同。高溫干旱遍布全國各地，而低溫主要集中在東三省、新疆、西藏局部地區(qū)，洪澇主要集中在長江中下游城市地區(qū)，對河流周邊城市經(jīng)濟(jì)有一定影響，對糧食生產(chǎn)影響相對較小。(4)數(shù)據(jù)采集。由于資料限制，該文只能整理2002～2012年的極端天氣數(shù)據(jù)，恰好避開了1998年特大洪水的影響。如果能夠?qū)?shù)據(jù)進(jìn)一步延長，可能洪澇災(zāi)害的影響會有所不同。

圖2描述了極端高溫干旱天氣對全國糧食生產(chǎn)的影響。其中，產(chǎn)量損失(實際)線指的是根據(jù)2002～2012年實際發(fā)生的頻率估算的產(chǎn)量損失，產(chǎn)量損失(均值)線指的是根據(jù)2002～2012年平均發(fā)生頻次外推到其他年份估算的產(chǎn)量損失。結(jié)果顯示，在糧食產(chǎn)出增加的同時，極端天氣造成糧食損失也在不斷增加。2014年，糧食損失大約為321萬t，占糧食進(jìn)口量4.43%左右*2014年中國糧食進(jìn)口約7250萬t。見新華網(wǎng)： 2014年糧食進(jìn)口量創(chuàng)新高，浪費約占進(jìn)口量一半， 2014年11月24日。。

圖2 高溫干旱產(chǎn)生的糧食產(chǎn)量損失 數(shù)據(jù)來源：作者自己估算

3 結(jié)論

利用2002～2012年糧食生產(chǎn)數(shù)據(jù)和天氣數(shù)據(jù)，估算極端天氣對中國糧食生產(chǎn)的影響。研究發(fā)現(xiàn)：高溫干旱對糧食生產(chǎn)有顯著的負(fù)向影響，洪澇和嚴(yán)寒影響不顯著； 極端干旱天氣造成的損失比例約為0.53%。

該文政策建議如下：(1)重視天氣預(yù)報工作，及時應(yīng)對極端天氣。隨著全球變暖的加劇，極端天氣特別是極端高溫干旱天氣發(fā)生頻率會逐漸上升。這就要求地方政府部門及時向糧食生產(chǎn)單位提供高精度的天氣信息，并在選種、抗旱等方面提供信息和資金支持。(2)加大農(nóng)業(yè)基礎(chǔ)設(shè)施投資，提高農(nóng)業(yè)抗風(fēng)險能力。近些年來，在政府和社會的投入下，農(nóng)村的基礎(chǔ)設(shè)施得到較大改善，有效灌溉面積、除澇面積都在不斷增加。但在城市化進(jìn)程加速的背景下，大量農(nóng)村人口轉(zhuǎn)移到城市，未來糧食生產(chǎn)條件并不樂觀，不足以自動實現(xiàn)糧食自給。因此，這就需要政府和社會持續(xù)不斷加大農(nóng)業(yè)投入，提高糧食生產(chǎn)效率，確保糧食安全。

[1] 秦大河. 中國極端天氣氣候事件和災(zāi)害風(fēng)險管理與適應(yīng)國家評估報告.北京：科學(xué)出版社， 2015

[2] 覃志豪， 唐華俊，李文娟，等.氣候變化對農(nóng)業(yè)和糧食生產(chǎn)影響的研究進(jìn)展與發(fā)展方向.中國農(nóng)業(yè)資源與區(qū)劃，2013, 34(5): 1～7

[3] 覃志豪， 唐華俊，李文娟.氣候變化對我國糧食生產(chǎn)系統(tǒng)影響的研究前沿.中國農(nóng)業(yè)資源與區(qū)劃，2015, 36(1): 1～8

[4] 陳洪斌， 刁麗軍.2003年的極端天氣和氣候事件及其他相關(guān)事件.氣候與環(huán)境研究，2004, 9(1): 218～233

[5] 陳峪，王凌，祝昌漢，等.2003年我國十大極端天氣氣候事件.災(zāi)害學(xué)，2004, 19(3): 76～80

[6] 陳洪斌， 刁麗軍.2004年極端天氣和氣候事件及其他相關(guān)事件的概要回顧.氣候與環(huán)境研究，2005, 10(1): 140～144

[7] 陳洪斌， 范學(xué)花，董文杰.2005年極端天氣和氣候事件及其他相關(guān)事件的概要回顧.氣候與環(huán)境研究，2006, 11(2): 236～244

[8] 陳洪斌， 范學(xué)花.2006年極端天氣和氣候事件及其他相關(guān)事件的概要回顧.氣候與環(huán)境研究，2007, 12(1): 100～112

[9] 陳洪斌， 范學(xué)花.2007年極端天氣和氣候事件及其他相關(guān)事件的概要回顧.氣候與環(huán)境研究，2008, 13(1): 102～112

[10]陳洪斌， 范學(xué)花.2008年極端天氣和氣候事件及其他相關(guān)事件的概要回顧.氣候與環(huán)境研究，2009, 14(3): 329～340

[11]陳洪斌， 范學(xué)花.2009年極端天氣和氣候事件及其他相關(guān)事件的概要回顧.氣候與環(huán)境研究，2010, 15(3): 322～336

[12]陳洪斌， 范學(xué)花.2010年極端天氣和氣候事件及其他相關(guān)事件的概要回顧.氣候與環(huán)境研究，2011, 16(6): 789～804

[13]陳洪斌， 范學(xué)花.2011年極端天氣和氣候事件及其他相關(guān)事件的概要回顧.氣候與環(huán)境研究，2012, 17(3): 365～380

[14]劉杰， 許小鋒.羅慧.極端天氣氣候事件影響我國農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)出的實證研究.中國科學(xué),2012, 42(7): 1076～1082

[15]郁珍艷， 李正泉，高大偉，等.定量評估極端天氣影響農(nóng)業(yè)總產(chǎn)值的方法.氣候變化研究進(jìn)展,2016, 12(2): 147～153

[16]周京平， 王衛(wèi)丹.極端氣候因素對中國農(nóng)業(yè)經(jīng)濟(jì)影響初探.現(xiàn)代經(jīng)濟(jì),2009， 8(7)：142～145

[17]高云， 詹慧龍，陳偉忠，等.自然災(zāi)害對我國農(nóng)業(yè)生產(chǎn)的影響研究.災(zāi)害學(xué)， 2013, 28(3): 79～84

[18]Barro R.Rare Disasters and Asset Markets in the Twentieth Century.Quarterly Journal of Economics,2006, 121(3): 823～866

[19]Greene W. Econometric Analysis.US:Printice Hall,2011

[20]Baltagi B. Econometric Analysis of Panel Data.UK:Wiley,2013

[21]賀大興. 農(nóng)業(yè)生產(chǎn)率與中國糧食安全.南京農(nóng)業(yè)大學(xué)學(xué)報,2015， 15(6)： 68～77

QUANTITATIVE ANALYSIS ON THE EFFECTS OF EXTREME CLIMATEON GAIN PRODUCTION IN CHINA*

He Daxing

(School of Marxism，Peking University, Beijing100871, China)

The extreme climate is an important issue in china′s grain production and social development. As global warming, many parts of China encountered the extreme climate such as high temperature, draught and flood. The extreme climate may also shape remarkable effect on agricultural farming and consequently food safety.As a result, it is necessary to investigate the effects of extreme climate on the grain production. This paper used the fixed effect with serial correlation model to estimate the effect of extreme climate on the agricultural production with province panel data in 2002～2012. The empirical results showed that: (1) the grain acreage, rural electricity and fertilizer application rate were the main factors for the gain production. If they increased by 1 percent, the gain production would increase by 0.97,0.06 and 0.18 percent, respectively. In 2002～2012, the contributions of the three factors to grain production growth were 3.55,31.2, and 21.45 percent, respectively;(2) If the crop disaster area increasedby 1 percent, the gain production woulddecrease by 0.04 percent. In 2002～2012, the crop disaster area decreases by 57.75 percent and its contribution on gain production growth was 7.97 percent;(3) After the control of the total influence of agricultural machinery, fertilizers, pesticides and rural electricity, the high temperature and drought events reduced1.98 percent gain production, while the influence of flood or low temperature weather was not significant. In 2002～2012, the number of the high temperature and drought events was 93, and the frequency was 27 percent. As a result, the loss of the production was 0.53 percent. To ensure the food security in future, this paper suggested that the government should increase the infrastructure investment, hold the red line of arable land, and improve the anti-risk ability of agriculture.

extreme climate; rare disaster; gain production; fixed effect model

10.7621/cjarrp.1005-9121.20170405

2016-11-24

賀大興(1981—)，男，湖北宜昌人，博士、副教授。研究方向：發(fā)展經(jīng)濟(jì)學(xué)。Email：hedaxing@gmail.com

*資助項目：國家社科基金青年項目“馬克思不平等、消費不足和經(jīng)濟(jì)危機(jī)理論的現(xiàn)代化研究”(16CJL001)

S162.8; F326.11

A

1005-9121[2017]04028-07

①新華網(wǎng)： 1998年中國長江洪水， 2007年4月19日。

②新華網(wǎng)：國家防總：今年以來28個省份遭受洪災(zāi)損失約1469億， 2016年7月15日。