论文部分内容阅读
摘 要：农业生产对气候变化反应极为敏感，文章利用华北5省135个村2010-2012年3年实地调查数据，通过计量模型分析了主要粮食作物种植决策的影响因素。结果表明，长期气候变化、极端气候变化、村级水利灌溉设施以及村级社会经济状况等，显著影响华北地区主要粮食作物种植决策。因此，提高华北五省主要产区粮食综合生产能力，需要改进华北地区农业气候变化检测及信息传播渠道，加强农田水利设施建设，以及提高村级干部的管理能力。
关键词：种植决策 种植结构 气候变化
中图分类号：F304 文献标识码：A
文章编号：1004-4914（2015）05-049-04
一、引言
全球气候变化已经成为人类面临的一个重大挑战，它对社会、经济、生态各方面都有着直接或间接的影响（杜文献，2011）。农业作为基础产业、国民经济中最基本的物质生产部门，是人类的衣食之源和生存之本，农业直接关系着人类生存、发展与社会稳定（刘彦随等，2002）。同时，农业作为一个兼具自然性与社会性的产业，对全球气候变化的响应极为敏感（云雅如等，2005）。农业面临着全球气候变暖和极端天气气候频繁出现的现象，气候变化给我国农户的经济收入和农业生产都带来了巨大的损失和危害（蒋燕兵等，2012）。
华北地区不仅是中国政治、经济、交通及文化的中心地带，而且也是我国重要的粮食生产基地。本文中的华北地区包括河南、河北、山东、江苏、安徽，总面积和人口分别占我国的7.87%和30.22%，主要粮食作物有小麦、水稻、玉米等，经济作物主要有棉花、花生、芝麻、大豆和烟草等。在气候变化的大背景下，华北地区的气候变化直接影响到了该地区的作物种植种类、播种面积和种植结构，分析气候变化对华北地区作物种植决策的影响，认清影响华北地区作物种植决策的主要因素和影响程度，找到适应气候变化的相关措施和途径很有必要。
为此，本文运用华北地区村级层面实际调查数据，分析气候变化对华北地区作物种植决策影响，通过建立计量经济模型，找到影响作物种植决策主要气候变化因素，分析其对作物种植决策造成影响，基于华北五省实际情况，探索降低和减少气候变化不利影响对策，为政府相关部门制定政策提供参考依据。为达到上述目的，下一部分对国内外相关研究进行简要回顾，接着介绍本文的研究方法与数据来源，第四部分分析模型估计结果，最后给出研究结论和政策启示。
二、文献综述
国外关于气候变化背景下农业生产方面的研究。Lemos et al.（2002）认为农户利用季节性预报进行决策，可降低干旱对农业的损害；Phillips（2002）也认为天气预报对一个地区农作物总产量有一定影响；Gohari et al.（2013）通过对伊朗扎因达鲁德流域大麦、小麦、水稻、玉米这四种农作的研究，发现气候变暖有可能缩短作物生长期，在这四个研究作物中，水稻和玉米由于其高灌溉用水需求更容易受到气候变化的影响；Li et al.（2013）认为中国在应对气候变化中的作用已得到了很大的关注，而气候变化对中国的影响在很大程度上被忽略；Liu et al.（2001）基于李嘉图模型来衡量气候变化对中国的农业的影响，发现更高的温度和较多的降水将总体上对中国农业产生积极的影响；干旱灾害对农户生产的影响非常严重，因此，Albersen et al.（2000）认为华北地区农业生产受供水限制，应该发展灌溉田；Hatfield et al.（2011）认为气候变化改变了温度和降水，对未来30年作物生产提出了挑战，为了提高种植制度适应气候变化导致的压力，了解温度、二氧化碳、臭氧这些影响农业作物种植制度的因素是至关重要的。
国内学者气候变化背景下农业生产方面的研究。王长燕等人（2006）通过对华北地区1951-2000年的气温和降水的统计资料进行分析，得出华北地区50多年来气候呈现暖干化趋势，对农业产生了不利的影响，并提出了建议和适应性对策；肖风劲等人（2006）的研究中提出，农户可以通过调整种植业结构种植制度以及农产品品种等来适应气候变暖；云雅如等人（2009）从行为经济学角度分析，结果显示农户认知偏差和思维定式等因素使农户生产行为适应气候更缓慢；蒋燕兵等人（2012）通过对国内外关于气候变化背景下农户适应行为的总结评述，分析了气候变化对云南省农林牧生产的影响，提出了气候变化背景下农户应采取的适应措施；杜文献（2011）基于李嘉图模型的分析视角，系统回顾了气候变化对农业影响的研究进展，在归纳总结的基础上，对国内外研究进行了评论，并展望了该领域未来的研究方向；荣艳淑等人（2010）分析了华北地区104个观测站的气象资料，得出华北地区有明显的增温趋势，且存在明显的变干趋势，干旱仍在加剧；孙艳玲等人（2012）通过分析华北地区1982-2006年的相关数据，从年际变化、季节变化和月度变化三个时间尺度分析，得出了华北地区植被覆盖与其气候变化的关系。
国内外学者基于不同的视角研究气候变化对农业生产的相关影响，并已经取得比较丰硕的成果，这对我们全面而深入研究气候变化对华北地区村级作物种植决策的影响，提供了比较丰富的素材，在视角的选择上也富有参考价值。
三、分析方法与数据来源
（一）模型与变量
关于气候变化，农业经济学的主要研究方法一般包括4类，Probit模型和Multinomial Logit（MNL）模型，时间序列模型，Ricardian模型，以及CGE（可计算一般均衡模型）。Probit模型和Multinomial Logit（MNL）模型，实质上都是被解释变量受限模型。运用这两个模型，可以考察对气候变动和波动适应性行为的决定因素。时间序列模型将产量（或单产）与气候变化因素直接回归，所用的气候因子一般为降水量和温度。Ricardian模型是评估在考虑了农业适应情形下，气候变化对产量影响的有效方法。CGE（可计算一般均衡模型）是研究预测未来气候变化对经济影响的主要方法（崔永伟等，2012）。 为了深入分析气候变化对对作物种植决策的影响，基于之前专家学者们（王金霞、候麟科等）的研究成果，对ricadian模型进行改进，本文建立如下计量经济学模型：
yij=α+βxij+γzij+φgig+ηcij+δdj+εij
具体来说，yij表示第j个省第i个村的主要农作物面积占总耕地面积的比例，取值为0～1区间的连续数值，数值越大表示气候变化对该作物的种植决策影响越小。xij表示各类农田水利灌溉设施，主要有：灌溉井、水库、池塘、直接从河流或湖泊引水、依靠河流或湖泊引水的灌区系统。zij表示一组反映村社会经济的控制变量，包括：非农劳力人数比例、人均纯收入、灌溉耕地面积比例、是否在灌区范围、村委会到乡政府所在地距离、水利设施条件。gig代表一组反映村自然特征的控制变量，包括：自然村居住是否连片、村土壤类型、村地形特征、受灾类型。cij表示温度、降水量等气候变量。dj代表以河南省为对比基础的省虚拟变量，用以说明其他变量没有直接说明的社会、经济、自然禀赋，以及气候在时间和区域方面的差异。εij表示其他不可观测的随机扰动项。α、β、γ、φ、δ和η是待估计参数。
（二）数据来源
本文研究所用数据来源于2012年中国科学院农业政策研究中心（CCAP）主持的国家级973气候变化专项“气候变化对社会经济系统的影响与适应策略”项目，从中选取我国华北5省（河南、河北、山东、江苏和安徽）的实地调查数据。在抽样调查过程中采用分层抽样与随机抽样相结合的方式选取样本，具体如下：充分考虑地区的气候特征及经济发展水平，从每个省抽取3个县，要求最近3年内（2010-2012年）至少经历过一次旱灾或涝灾，且有一年为正常年；每个县分别抽取水利设施状况好、中、差3个乡镇；然后从每个乡镇随机抽出3个村。调查样本最终包括5个省15个市（县）的135个村。调查采用当面访谈并填写问卷的方式进行，调查对象是村领导，如村书记、村长、村主任和村会计等。
四、估计结果与分析
本文分析作物种植决策的影响因素，表2给出模型估计结果。从模型的检验情况来看，三个模型的R2分别为0.86、0.69和0.73，调整的R2分别为0.84、0.66和0.70，对短面板数据模型而言，其拟合优度较高，说明自变量对因变量变化有很高解释力；三个模型的F值伴随概率均小于0.01，表明该模型在1%水平上显著，通过统计检验。同时可以看出，大多数变量与预期影响方向一致。
（一）小麦播种面积变化影响因素分析
第一，使用灌溉井和水库灌溉两个变量达到1%显著性水平，但是符号不同，对小麦种植面积的影响相反。这一结果说明：使用水库灌溉方式显著限制小麦种植面积比例；相反，使用灌溉井灌溉方式增加小麦种植面积比例。事实上，河北省省11.8%使用水库灌溉方式，小麦种植面积只有31.11%；相反，河南省96.3%使用灌溉井灌溉方式，小麦种植面积高达50.96%。
第二，村级领导受教育年限和人均灌溉面积变量达到1%显著性水平，而且影响方向均为正。说明村领导受教育年限越长、村里人均灌溉面积越大，自然村小麦种植面积越大。事实上，村领导受教育年限越长，他的接受信息能力和传播先进农业生产技术的能力就越强，对该村小麦的种植会产生积极的促进作用，另一方面人均灌溉面积越大，村民可用于种植小麦的土地面积也就越大，所以小麦的种植面积也就越大。
第三，第一季度和第二季度长期气温均值达到1%显著性水平，然而，估计系数符号不同，对小麦种植面积比例影响相反。具体来说，第一季度平均气温越高，小麦种植面积比例越小；相反，第二季度气温越高，小麦种植面积比例越大。可能的原因在于第一季度（3-5月份）气温过高容易形成春旱，对小麦的产量和种植都会产生不利影响，而第二季度（6-8月份）小麦在成熟期较高的温度有利于小麦的生长和成熟，故其影响方向为正。第一季度和第二季度长期降水量均值都达到5%显著性水平，影响方向为正，说明第一季度和第二季度降水量越多对小麦的种植越有利，小麦在第一和第二季度处于拔节孕穗期、抽穗开花期、灌浆乳熟期，在此期间小麦生长的需水量较大，所以降水量大对小麦的种植生产有促进作用，而第四季度长期降水量均值达到1%显著性水平，影响系数为负，说明在第四季度大量的降水对小麦的种植不利，可能的原因在于小麦在播种后到拔节前这段时期需水量相对较小，并且冬季气温低，降水过后田地易结冰形成冻灾，影响小麦的生长。
第四，2012年虚拟变量达到5%显著性水平，符号为负，在一定程度上表明，2012年与2010年相比，小麦的播种面积有所减少。其可能原因在于，本文把2010年作为对照组，即2010年是正常年，2012年是受灾年，受灾年比正常年的小麦播种面积有所减少。
第五，山东省和江苏省虚变量达到1%显著性水平，而且估计系数为负，说明山东省和江苏省小麦播种面积与河南省（对照组）相比比例较小。
（二）玉米播种面积变化影响因素分析
第一，是否使用灌溉井、池塘这两个变量达到5%显著性水平，是否使用水库这一变量达到10%显著性水平，且影响方向为正，说明使用灌溉井、水库、池塘灌溉的地方玉米种植面积比例较大，而依靠河流或湖泊引水的灌区系统变量达到1%显著性水平且影响方向为负，说明依靠河流或湖泊引水的灌区系统灌溉的地方玉米的种植面积比例减少，原因可能在于依靠河流或湖泊引水的灌区系统灌溉的地方受气候条件的限制比较明显，并且周围地区都从河流获湖泊引水，会导致供水不足，从而影响玉米的种植，而依靠灌溉井、水库和池塘灌溉的地方供水的可靠性会比较高，玉米种植面积比例会较大。
第二，村领导受教育年限、村领导年龄、人均灌溉面积变量分别达到1%、10%和1%显著性水平，且影响方向均为负，说明村领导受教育年限越长、村领导年龄越高、村里人均灌溉面积越大的自然村玉米的种植面积比例越小，可能的原因是村领导受教育年限越长、年龄越高，他的接受信息能力和传播先进农业生产技术的能力就越强，由于玉米已经不是农民生活的必须口粮，所以就会倾向于种植经济效益更高的其它作物，从而导致玉米的种植面积比例下降，并且由于技术条件的限制，种植和收获玉米需要大量的劳动力投入，所以说人均灌溉面积越大也会导致玉米种植面积比例减小，是否有倒茬习惯这一变量达到5%显著性水平，影响方向为正，说明在有倒茬习惯的村玉米的种植面积比例较大，可能的原因在于，由于倒茬习惯会导致减少如豆类等其它经济作物的种植，从而提高玉米的种植面积比例。 第三，壤土和平原变量分别达到1%和10%显著性水平，影响方向为负，说明若自然村壤土地，较黏土地的自然村来说，其玉米种植面积比例较小，若自然村是平原地形，较山地（对照组）自然村来说，其玉米种植面积比例较小。可能的原因在于，在平原地形的自然村和壤土地的自然村由于土地平整土壤肥力较好，农民会更倾向于种植经济利益更高的作物，如大豆等，从而会使玉米的种植面积减小。水利设施条件良好这一变量达到了1%的显著性水平，影响方向为负，这说明，其他因素保持不变的情况下，相较对照组（水利设施条件较差的村），水利设施条件越好的村，玉米的种植面积越小，这与我们的预期不符合，仍需要大样本的检验。
第四，四个季度的长期气温均值都达到1%显著性水平，第一、三季度长期气温均值影响方向为正，第二、四季度长期气温均值影响方向为负，第二季度长期降水均值达到1%显著性水平，影响方向为负，说明第二季度降水越多玉米的种植面积比例就会减小，可能的原因在于大量的降水会导致玉米不能顺利的播种，并且在播种后会形成烂种芽涝的现象，对玉米的种植产生不利影响，从而导致玉米播种面积比例减小。
第五，山东省和江苏省虚拟变量达到1%显著性水平，而且估计系数为正，说明山东省和江苏省玉米播种面积与河南省相比比例较大。
（三）水稻播种面积变化影响因素分析
第一，是否使用灌溉井、直接从河流或湖泊引水、依靠河流或湖泊引水的灌区系统达到1%显著性水平，使用灌溉井的影响方向为负，说明使用灌溉井灌溉的地方水稻的种植比例面积较小，直接从河流或湖泊引水、依靠河流或湖泊引水的灌区系统的地方水稻种植面积比例较大，原因在于种植水稻的需水量较大，而灌溉井的供水量和灌溉覆盖范围有限，所以说使用灌溉井灌溉的地方水稻种植面积比例较小，直接从河流或湖泊引水、依靠河流或湖泊引水的灌区系统的地方水稻种植面积比例较大。
第二，村级人均耕地面积、村领导年龄、村里人均灌溉面积变量分别达到10%、5%和1%显著性水平，影响方向均为正，说明在村领导年龄越大、村里人均耕地多、人均灌溉面积大，水稻种植面积比例较大，原因是村领导年龄大且依靠传统生产经验进行决策，更倾向于种植适合本地区习惯水稻，而且，人均灌溉面积越大，越有利于种植水稻。是否有倒茬习惯和是否在灌区变量达5%显著性水平，影响系数为负，说明在有倒茬习惯、在灌区村水稻种植面积比例较小，可能因为在这种情况下，需要选择种植其它作物，从而减少水稻种植；而在灌区村水稻种植面积比例较小，与预期不符，仍需要大样本检验。
第三，水利设施条件良好和水利设施条件中等这两个变量分别达到了1%和5%的显著性水平，影响方向均为正。说明，其它因素保持不变情况下，与水利设施条件较差的村对比，水利设施条件越好村，水稻种植面积越大，这符合实际情况。
第四，只有第二季度长期降水量均值达到10%显著性水平，影响方向为负，其余变量均不显著。说明第二季度降水量越大水稻的种植面积比例相对较小，可能的原因在于虽然水稻的需水量相对小麦、玉米要大得多，但是第二季度大量的降雨容易形成涝灾，稻田的排水能力又不强，尽管水稻的耐涝力强，短期淹水对产量影响不大，但若长期淹水没顶则会影响生育及产量，所以第二季度降水量太大会对影响到水稻的种植。
第五，山东省虚拟变量达到5%显著性水平，而且估计系数为负，说明山东省水稻播种面积与河南省（对照组）相比比例较小；相反，江苏省虚拟变量达到1%显著性水平，而且估计系数为正，说明江苏省水稻播种面积与河南省（对照组）相比比例较大。
五、研究结论与政策启示
本文调查了华北5省135个自然村极端气候对作物种植的影响，结合长期气候变化趋势，通过建立经济计量模型，得到如下研究结论：
第一，气候变化粮食作物种植决策有显著影响。特别是极端气候发生，对粮食种植面积有显著负面影响；第二，农田水利灌溉设施以及农业用水条件对粮食作物种植决策有显著影响，而且地区差异明显；第三，长期气温和降水的季节变化，对不同粮食作物种植影响不同；第四，村级自然条件、村级领导管理水平以及社会经济条件，对粮食种植有显著影响。根据研究结论进一步发现：不仅长期气候变化影响粮食种植面积，而且长期气温和长期降水季节变化，严重影响粮食种植程度；极端气候变化并未显著改变作物种植结构，但减少当年作物种植计划，迫使农民放弃粮食生产外出打工；干旱年作物种植面积明显减少，说明华北农区靠天吃饭形势没有根本解决。
根据以上研究结论，本文如下政策启示：
第一，加强农区气候变化预报服务。为此，加大村级气候气象站投资力度，为农业生产提供日常气象变化信息，提高村级经济应对极端气候灾害能力，减少极端气候对农业生产负面影响。第二，加强农田水利设施维护及投资管理。具体要加大农业灌溉设施投资力度，保证粮食生产不受影响；加强现有农田水利设施维护和管理，确保农田水利设施正常运行。第三，因地制宜科学决策。制定适合不同农区的粮食种植计划，及时调整地区粮食种植制度，提高粮食生产适应气候变化能力，保证粮食生产稳定增长。
参考文献：
[1] Albersen， P .G.， Fischer， M. Estimation of Agricultural Production Relation in the LUC model for China International Institute for Applied Systems Analysis.2000（8）
[2] Gohari， A. Eslamian， S. Abedi-Koupaei， J. et al. Climate change impacts on crop production in Iran's Zayandeh-Rud River Basin. Science of the Total Environment， 2013 [3] Hatfield， J.L. et al. .Climate impacts on agriculture： implications for crop production. Agronomy Journal， 2011（2）
[4] Lemos， Maria， Carmen， Timothy J. Finan， Roger W. Fox， Donald R. Nelson， and Joanna Tucker. Tthe use of seasonal climate forecasting in policymaking： lessons from northeast Brazil. Climatic Change， 2002 （4）
[5] LI Rui-li， Shu Geng. Impacts of Climate Change on Agriculture and Adaptive Strategies in China.2013（8）
[6] Li， Yue， Declan Conway， Xiong Wei.et al. Effects of climate variability and change on Chinese agriculture： a review. Climate Research， 2011 （1）
[7] Liu， Hui， Li Xiu-bin， Guenther Fischer.et al. Modeling the impacts of climate change on China's agriculture. 2001 （2）
[8] Smith， P. Olesen， J.E. Synergies between the mitigation of and adaptation to， climate change in agriculture.. The Journal of Agricultural Science， 2010 （5）
[9] Vano， Julie A. Scott， Michael J， Voisin， Nathalie.et al. Climate change impacts on water management and irrigated agriculture in the Yakima. 2010 （1/2）
[10] Wang， J. X.， R. Mendelsohn， A. Dinar， J. K. Huang， S. Rozelle， L. X. Zhang. The impact of climate change on China's agriculture. Agricultural Economics， 2009 （3）
[11] 代姝玮，杨晓光，赵孟，李勇，王文峰，刘志娟.气候变化背景下中国农业气候资源变化Ⅱ.西南地区农业气候资源时空变化特征[J].应用生态学报，2011（2）
[12] 杜文献.气候变化对农业影响的研究进展——基于李嘉图模型的视角[J].经济问题探索， 2011（1）
[13] 韩国军，王玉兰，房世波.近50年青藏高原气候变化及其对农牧业的影响[J].资源科学，2011（10）
[14] 郝志新，郑景云，陶向新.气候增暖背景下的冬小麦种植北界研究-以辽宁省为例[J].地理科学进展，2001（3）
[15] 李万希，陈雷，王润元等.石羊河流域1970—2009年气候变化对农业生产结构的影响[J].农学学报，2012（3）
[16] 刘德祥，董安祥，梁东升，宁惠芳.气候变暖对西北干旱区农作物种植结构的影响[J].中国沙漠，2007（5）
[17] 刘颖杰，林而达.气候变暖对中国不同地区农业的影响[J].气候变化研究进展，2007，（4）
[18] 陆魁东，黄晚华，王勃.湖南气候变化对农业生产影响的评估研究[J].安徽农学通报，2007（3）
[19] 潘根兴，高民，胡国华等.应对气候变化对未来中国农业生产影响的问题和挑战[J].农业环境科学学报，2011（9）
[20] 潘华盛，徐南平，张桂华.气候变暖对黑龙江省农作物结构调整影响及未来50年农业情景对策[J].黑龙江气象，2004（1）
[21] 潘铁夫.吉林省气候变暖与农业生产[J].吉林农业科学，1998（1）
[22] 普宗朝，张山清，宾建华，窦新英.气候变暖对新疆乌昌地区棉花种植区划的影响[J].气候变化研究进展，2012（4）
[23] 孙芳.农业适应气候变化能力研究——种植结构与技术方向. [D]中国农业科学院.2008.
[24] 王媛，方修琦，徐锬戴.气候变暖与东北地区水稻种植的适应行为[J].资源科学，2005（1）
[25] 肖风劲，张海东等.气候变化对我国农业的可能影响及适应性对策[J].自然灾害学报，2006（12）
[26] 谢立勇，郭明顺，曹敏建等.东北地区农业应对气候变化的策略与措施分析[J].气候变化研究进展，2009（3）
[27] 云雅如，方修琦，王媛.黑龙江过去20年粮食作物种植格局变化及其气候背景[J].自然资源学报，2005（5）
[28] 张强，邓振铺，赵映冬.全球气候变化对我国西北地区农业的影响[J].生态学报，2008（3）
[29] 赵秀兰.近50年中国东北地区气候变化对农业的影响[J].东北农业大学学报，2010（9）
[30] 崔永伟，杜聪慧，侯麟科等.气候变化下农业适应行为的现状及研究进展[J].世界农业，2012（11）
[31] 刘彦随，刘玉，郭丽英等.气候变化对中国农业生产的影响及应对策略[J].中国生态农业学报，2010（4）
（作者单位：河南农业大学经济与管理学院 河南郑州 450002）
（作者简介：郭璐明，硕士研究生，主要研究方向为农业经济和气候变化；通讯作者：马恒运，教授，博士生导师，主要研究方向为能源经济和农业经济。）
（责编：贾伟）
关键词：种植决策 种植结构 气候变化
中图分类号：F304 文献标识码：A
文章编号：1004-4914（2015）05-049-04
一、引言
全球气候变化已经成为人类面临的一个重大挑战，它对社会、经济、生态各方面都有着直接或间接的影响（杜文献，2011）。农业作为基础产业、国民经济中最基本的物质生产部门，是人类的衣食之源和生存之本，农业直接关系着人类生存、发展与社会稳定（刘彦随等，2002）。同时，农业作为一个兼具自然性与社会性的产业，对全球气候变化的响应极为敏感（云雅如等，2005）。农业面临着全球气候变暖和极端天气气候频繁出现的现象，气候变化给我国农户的经济收入和农业生产都带来了巨大的损失和危害（蒋燕兵等，2012）。
华北地区不仅是中国政治、经济、交通及文化的中心地带，而且也是我国重要的粮食生产基地。本文中的华北地区包括河南、河北、山东、江苏、安徽，总面积和人口分别占我国的7.87%和30.22%，主要粮食作物有小麦、水稻、玉米等，经济作物主要有棉花、花生、芝麻、大豆和烟草等。在气候变化的大背景下，华北地区的气候变化直接影响到了该地区的作物种植种类、播种面积和种植结构，分析气候变化对华北地区作物种植决策的影响，认清影响华北地区作物种植决策的主要因素和影响程度，找到适应气候变化的相关措施和途径很有必要。
为此，本文运用华北地区村级层面实际调查数据，分析气候变化对华北地区作物种植决策影响，通过建立计量经济模型，找到影响作物种植决策主要气候变化因素，分析其对作物种植决策造成影响，基于华北五省实际情况，探索降低和减少气候变化不利影响对策，为政府相关部门制定政策提供参考依据。为达到上述目的，下一部分对国内外相关研究进行简要回顾，接着介绍本文的研究方法与数据来源，第四部分分析模型估计结果，最后给出研究结论和政策启示。
二、文献综述
国外关于气候变化背景下农业生产方面的研究。Lemos et al.（2002）认为农户利用季节性预报进行决策，可降低干旱对农业的损害；Phillips（2002）也认为天气预报对一个地区农作物总产量有一定影响；Gohari et al.（2013）通过对伊朗扎因达鲁德流域大麦、小麦、水稻、玉米这四种农作的研究，发现气候变暖有可能缩短作物生长期，在这四个研究作物中，水稻和玉米由于其高灌溉用水需求更容易受到气候变化的影响；Li et al.（2013）认为中国在应对气候变化中的作用已得到了很大的关注，而气候变化对中国的影响在很大程度上被忽略；Liu et al.（2001）基于李嘉图模型来衡量气候变化对中国的农业的影响，发现更高的温度和较多的降水将总体上对中国农业产生积极的影响；干旱灾害对农户生产的影响非常严重，因此，Albersen et al.（2000）认为华北地区农业生产受供水限制，应该发展灌溉田；Hatfield et al.（2011）认为气候变化改变了温度和降水，对未来30年作物生产提出了挑战，为了提高种植制度适应气候变化导致的压力，了解温度、二氧化碳、臭氧这些影响农业作物种植制度的因素是至关重要的。
国内学者气候变化背景下农业生产方面的研究。王长燕等人（2006）通过对华北地区1951-2000年的气温和降水的统计资料进行分析，得出华北地区50多年来气候呈现暖干化趋势，对农业产生了不利的影响，并提出了建议和适应性对策；肖风劲等人（2006）的研究中提出，农户可以通过调整种植业结构种植制度以及农产品品种等来适应气候变暖；云雅如等人（2009）从行为经济学角度分析，结果显示农户认知偏差和思维定式等因素使农户生产行为适应气候更缓慢；蒋燕兵等人（2012）通过对国内外关于气候变化背景下农户适应行为的总结评述，分析了气候变化对云南省农林牧生产的影响，提出了气候变化背景下农户应采取的适应措施；杜文献（2011）基于李嘉图模型的分析视角，系统回顾了气候变化对农业影响的研究进展，在归纳总结的基础上，对国内外研究进行了评论，并展望了该领域未来的研究方向；荣艳淑等人（2010）分析了华北地区104个观测站的气象资料，得出华北地区有明显的增温趋势，且存在明显的变干趋势，干旱仍在加剧；孙艳玲等人（2012）通过分析华北地区1982-2006年的相关数据，从年际变化、季节变化和月度变化三个时间尺度分析，得出了华北地区植被覆盖与其气候变化的关系。
国内外学者基于不同的视角研究气候变化对农业生产的相关影响，并已经取得比较丰硕的成果，这对我们全面而深入研究气候变化对华北地区村级作物种植决策的影响，提供了比较丰富的素材，在视角的选择上也富有参考价值。
三、分析方法与数据来源
（一）模型与变量
关于气候变化，农业经济学的主要研究方法一般包括4类，Probit模型和Multinomial Logit（MNL）模型，时间序列模型，Ricardian模型，以及CGE（可计算一般均衡模型）。Probit模型和Multinomial Logit（MNL）模型，实质上都是被解释变量受限模型。运用这两个模型，可以考察对气候变动和波动适应性行为的决定因素。时间序列模型将产量（或单产）与气候变化因素直接回归，所用的气候因子一般为降水量和温度。Ricardian模型是评估在考虑了农业适应情形下，气候变化对产量影响的有效方法。CGE（可计算一般均衡模型）是研究预测未来气候变化对经济影响的主要方法（崔永伟等，2012）。 为了深入分析气候变化对对作物种植决策的影响，基于之前专家学者们（王金霞、候麟科等）的研究成果，对ricadian模型进行改进，本文建立如下计量经济学模型：
yij=α+βxij+γzij+φgig+ηcij+δdj+εij
具体来说，yij表示第j个省第i个村的主要农作物面积占总耕地面积的比例，取值为0～1区间的连续数值，数值越大表示气候变化对该作物的种植决策影响越小。xij表示各类农田水利灌溉设施，主要有：灌溉井、水库、池塘、直接从河流或湖泊引水、依靠河流或湖泊引水的灌区系统。zij表示一组反映村社会经济的控制变量，包括：非农劳力人数比例、人均纯收入、灌溉耕地面积比例、是否在灌区范围、村委会到乡政府所在地距离、水利设施条件。gig代表一组反映村自然特征的控制变量，包括：自然村居住是否连片、村土壤类型、村地形特征、受灾类型。cij表示温度、降水量等气候变量。dj代表以河南省为对比基础的省虚拟变量，用以说明其他变量没有直接说明的社会、经济、自然禀赋，以及气候在时间和区域方面的差异。εij表示其他不可观测的随机扰动项。α、β、γ、φ、δ和η是待估计参数。
（二）数据来源
本文研究所用数据来源于2012年中国科学院农业政策研究中心（CCAP）主持的国家级973气候变化专项“气候变化对社会经济系统的影响与适应策略”项目，从中选取我国华北5省（河南、河北、山东、江苏和安徽）的实地调查数据。在抽样调查过程中采用分层抽样与随机抽样相结合的方式选取样本，具体如下：充分考虑地区的气候特征及经济发展水平，从每个省抽取3个县，要求最近3年内（2010-2012年）至少经历过一次旱灾或涝灾，且有一年为正常年；每个县分别抽取水利设施状况好、中、差3个乡镇；然后从每个乡镇随机抽出3个村。调查样本最终包括5个省15个市（县）的135个村。调查采用当面访谈并填写问卷的方式进行，调查对象是村领导，如村书记、村长、村主任和村会计等。
四、估计结果与分析
本文分析作物种植决策的影响因素，表2给出模型估计结果。从模型的检验情况来看，三个模型的R2分别为0.86、0.69和0.73，调整的R2分别为0.84、0.66和0.70，对短面板数据模型而言，其拟合优度较高，说明自变量对因变量变化有很高解释力；三个模型的F值伴随概率均小于0.01，表明该模型在1%水平上显著，通过统计检验。同时可以看出，大多数变量与预期影响方向一致。
（一）小麦播种面积变化影响因素分析
第一，使用灌溉井和水库灌溉两个变量达到1%显著性水平，但是符号不同，对小麦种植面积的影响相反。这一结果说明：使用水库灌溉方式显著限制小麦种植面积比例；相反，使用灌溉井灌溉方式增加小麦种植面积比例。事实上，河北省省11.8%使用水库灌溉方式，小麦种植面积只有31.11%；相反，河南省96.3%使用灌溉井灌溉方式，小麦种植面积高达50.96%。
第二，村级领导受教育年限和人均灌溉面积变量达到1%显著性水平，而且影响方向均为正。说明村领导受教育年限越长、村里人均灌溉面积越大，自然村小麦种植面积越大。事实上，村领导受教育年限越长，他的接受信息能力和传播先进农业生产技术的能力就越强，对该村小麦的种植会产生积极的促进作用，另一方面人均灌溉面积越大，村民可用于种植小麦的土地面积也就越大，所以小麦的种植面积也就越大。
第三，第一季度和第二季度长期气温均值达到1%显著性水平，然而，估计系数符号不同，对小麦种植面积比例影响相反。具体来说，第一季度平均气温越高，小麦种植面积比例越小；相反，第二季度气温越高，小麦种植面积比例越大。可能的原因在于第一季度（3-5月份）气温过高容易形成春旱，对小麦的产量和种植都会产生不利影响，而第二季度（6-8月份）小麦在成熟期较高的温度有利于小麦的生长和成熟，故其影响方向为正。第一季度和第二季度长期降水量均值都达到5%显著性水平，影响方向为正，说明第一季度和第二季度降水量越多对小麦的种植越有利，小麦在第一和第二季度处于拔节孕穗期、抽穗开花期、灌浆乳熟期，在此期间小麦生长的需水量较大，所以降水量大对小麦的种植生产有促进作用，而第四季度长期降水量均值达到1%显著性水平，影响系数为负，说明在第四季度大量的降水对小麦的种植不利，可能的原因在于小麦在播种后到拔节前这段时期需水量相对较小，并且冬季气温低，降水过后田地易结冰形成冻灾，影响小麦的生长。
第四，2012年虚拟变量达到5%显著性水平，符号为负，在一定程度上表明，2012年与2010年相比，小麦的播种面积有所减少。其可能原因在于，本文把2010年作为对照组，即2010年是正常年，2012年是受灾年，受灾年比正常年的小麦播种面积有所减少。
第五，山东省和江苏省虚变量达到1%显著性水平，而且估计系数为负，说明山东省和江苏省小麦播种面积与河南省（对照组）相比比例较小。
（二）玉米播种面积变化影响因素分析
第一，是否使用灌溉井、池塘这两个变量达到5%显著性水平，是否使用水库这一变量达到10%显著性水平，且影响方向为正，说明使用灌溉井、水库、池塘灌溉的地方玉米种植面积比例较大，而依靠河流或湖泊引水的灌区系统变量达到1%显著性水平且影响方向为负，说明依靠河流或湖泊引水的灌区系统灌溉的地方玉米的种植面积比例减少，原因可能在于依靠河流或湖泊引水的灌区系统灌溉的地方受气候条件的限制比较明显，并且周围地区都从河流获湖泊引水，会导致供水不足，从而影响玉米的种植，而依靠灌溉井、水库和池塘灌溉的地方供水的可靠性会比较高，玉米种植面积比例会较大。
第二，村领导受教育年限、村领导年龄、人均灌溉面积变量分别达到1%、10%和1%显著性水平，且影响方向均为负，说明村领导受教育年限越长、村领导年龄越高、村里人均灌溉面积越大的自然村玉米的种植面积比例越小，可能的原因是村领导受教育年限越长、年龄越高，他的接受信息能力和传播先进农业生产技术的能力就越强，由于玉米已经不是农民生活的必须口粮，所以就会倾向于种植经济效益更高的其它作物，从而导致玉米的种植面积比例下降，并且由于技术条件的限制，种植和收获玉米需要大量的劳动力投入，所以说人均灌溉面积越大也会导致玉米种植面积比例减小，是否有倒茬习惯这一变量达到5%显著性水平，影响方向为正，说明在有倒茬习惯的村玉米的种植面积比例较大，可能的原因在于，由于倒茬习惯会导致减少如豆类等其它经济作物的种植，从而提高玉米的种植面积比例。 第三，壤土和平原变量分别达到1%和10%显著性水平，影响方向为负，说明若自然村壤土地，较黏土地的自然村来说，其玉米种植面积比例较小，若自然村是平原地形，较山地（对照组）自然村来说，其玉米种植面积比例较小。可能的原因在于，在平原地形的自然村和壤土地的自然村由于土地平整土壤肥力较好，农民会更倾向于种植经济利益更高的作物，如大豆等，从而会使玉米的种植面积减小。水利设施条件良好这一变量达到了1%的显著性水平，影响方向为负，这说明，其他因素保持不变的情况下，相较对照组（水利设施条件较差的村），水利设施条件越好的村，玉米的种植面积越小，这与我们的预期不符合，仍需要大样本的检验。
第四，四个季度的长期气温均值都达到1%显著性水平，第一、三季度长期气温均值影响方向为正，第二、四季度长期气温均值影响方向为负，第二季度长期降水均值达到1%显著性水平，影响方向为负，说明第二季度降水越多玉米的种植面积比例就会减小，可能的原因在于大量的降水会导致玉米不能顺利的播种，并且在播种后会形成烂种芽涝的现象，对玉米的种植产生不利影响，从而导致玉米播种面积比例减小。
第五，山东省和江苏省虚拟变量达到1%显著性水平，而且估计系数为正，说明山东省和江苏省玉米播种面积与河南省相比比例较大。
（三）水稻播种面积变化影响因素分析
第一，是否使用灌溉井、直接从河流或湖泊引水、依靠河流或湖泊引水的灌区系统达到1%显著性水平，使用灌溉井的影响方向为负，说明使用灌溉井灌溉的地方水稻的种植比例面积较小，直接从河流或湖泊引水、依靠河流或湖泊引水的灌区系统的地方水稻种植面积比例较大，原因在于种植水稻的需水量较大，而灌溉井的供水量和灌溉覆盖范围有限，所以说使用灌溉井灌溉的地方水稻种植面积比例较小，直接从河流或湖泊引水、依靠河流或湖泊引水的灌区系统的地方水稻种植面积比例较大。
第二，村级人均耕地面积、村领导年龄、村里人均灌溉面积变量分别达到10%、5%和1%显著性水平，影响方向均为正，说明在村领导年龄越大、村里人均耕地多、人均灌溉面积大，水稻种植面积比例较大，原因是村领导年龄大且依靠传统生产经验进行决策，更倾向于种植适合本地区习惯水稻，而且，人均灌溉面积越大，越有利于种植水稻。是否有倒茬习惯和是否在灌区变量达5%显著性水平，影响系数为负，说明在有倒茬习惯、在灌区村水稻种植面积比例较小，可能因为在这种情况下，需要选择种植其它作物，从而减少水稻种植；而在灌区村水稻种植面积比例较小，与预期不符，仍需要大样本检验。
第三，水利设施条件良好和水利设施条件中等这两个变量分别达到了1%和5%的显著性水平，影响方向均为正。说明，其它因素保持不变情况下，与水利设施条件较差的村对比，水利设施条件越好村，水稻种植面积越大，这符合实际情况。
第四，只有第二季度长期降水量均值达到10%显著性水平，影响方向为负，其余变量均不显著。说明第二季度降水量越大水稻的种植面积比例相对较小，可能的原因在于虽然水稻的需水量相对小麦、玉米要大得多，但是第二季度大量的降雨容易形成涝灾，稻田的排水能力又不强，尽管水稻的耐涝力强，短期淹水对产量影响不大，但若长期淹水没顶则会影响生育及产量，所以第二季度降水量太大会对影响到水稻的种植。
第五，山东省虚拟变量达到5%显著性水平，而且估计系数为负，说明山东省水稻播种面积与河南省（对照组）相比比例较小；相反，江苏省虚拟变量达到1%显著性水平，而且估计系数为正，说明江苏省水稻播种面积与河南省（对照组）相比比例较大。
五、研究结论与政策启示
本文调查了华北5省135个自然村极端气候对作物种植的影响，结合长期气候变化趋势，通过建立经济计量模型，得到如下研究结论：
第一，气候变化粮食作物种植决策有显著影响。特别是极端气候发生，对粮食种植面积有显著负面影响；第二，农田水利灌溉设施以及农业用水条件对粮食作物种植决策有显著影响，而且地区差异明显；第三，长期气温和降水的季节变化，对不同粮食作物种植影响不同；第四，村级自然条件、村级领导管理水平以及社会经济条件，对粮食种植有显著影响。根据研究结论进一步发现：不仅长期气候变化影响粮食种植面积，而且长期气温和长期降水季节变化，严重影响粮食种植程度；极端气候变化并未显著改变作物种植结构，但减少当年作物种植计划，迫使农民放弃粮食生产外出打工；干旱年作物种植面积明显减少，说明华北农区靠天吃饭形势没有根本解决。
根据以上研究结论，本文如下政策启示：
第一，加强农区气候变化预报服务。为此，加大村级气候气象站投资力度，为农业生产提供日常气象变化信息，提高村级经济应对极端气候灾害能力，减少极端气候对农业生产负面影响。第二，加强农田水利设施维护及投资管理。具体要加大农业灌溉设施投资力度，保证粮食生产不受影响；加强现有农田水利设施维护和管理，确保农田水利设施正常运行。第三，因地制宜科学决策。制定适合不同农区的粮食种植计划，及时调整地区粮食种植制度，提高粮食生产适应气候变化能力，保证粮食生产稳定增长。
参考文献：
[1] Albersen， P .G.， Fischer， M. Estimation of Agricultural Production Relation in the LUC model for China International Institute for Applied Systems Analysis.2000（8）
[2] Gohari， A. Eslamian， S. Abedi-Koupaei， J. et al. Climate change impacts on crop production in Iran's Zayandeh-Rud River Basin. Science of the Total Environment， 2013 [3] Hatfield， J.L. et al. .Climate impacts on agriculture： implications for crop production. Agronomy Journal， 2011（2）
[4] Lemos， Maria， Carmen， Timothy J. Finan， Roger W. Fox， Donald R. Nelson， and Joanna Tucker. Tthe use of seasonal climate forecasting in policymaking： lessons from northeast Brazil. Climatic Change， 2002 （4）
[5] LI Rui-li， Shu Geng. Impacts of Climate Change on Agriculture and Adaptive Strategies in China.2013（8）
[6] Li， Yue， Declan Conway， Xiong Wei.et al. Effects of climate variability and change on Chinese agriculture： a review. Climate Research， 2011 （1）
[7] Liu， Hui， Li Xiu-bin， Guenther Fischer.et al. Modeling the impacts of climate change on China's agriculture. 2001 （2）
[8] Smith， P. Olesen， J.E. Synergies between the mitigation of and adaptation to， climate change in agriculture.. The Journal of Agricultural Science， 2010 （5）
[9] Vano， Julie A. Scott， Michael J， Voisin， Nathalie.et al. Climate change impacts on water management and irrigated agriculture in the Yakima. 2010 （1/2）
[10] Wang， J. X.， R. Mendelsohn， A. Dinar， J. K. Huang， S. Rozelle， L. X. Zhang. The impact of climate change on China's agriculture. Agricultural Economics， 2009 （3）
[11] 代姝玮，杨晓光，赵孟，李勇，王文峰，刘志娟.气候变化背景下中国农业气候资源变化Ⅱ.西南地区农业气候资源时空变化特征[J].应用生态学报，2011（2）
[12] 杜文献.气候变化对农业影响的研究进展——基于李嘉图模型的视角[J].经济问题探索， 2011（1）
[13] 韩国军，王玉兰，房世波.近50年青藏高原气候变化及其对农牧业的影响[J].资源科学，2011（10）
[14] 郝志新，郑景云，陶向新.气候增暖背景下的冬小麦种植北界研究-以辽宁省为例[J].地理科学进展，2001（3）
[15] 李万希，陈雷，王润元等.石羊河流域1970—2009年气候变化对农业生产结构的影响[J].农学学报，2012（3）
[16] 刘德祥，董安祥，梁东升，宁惠芳.气候变暖对西北干旱区农作物种植结构的影响[J].中国沙漠，2007（5）
[17] 刘颖杰，林而达.气候变暖对中国不同地区农业的影响[J].气候变化研究进展，2007，（4）
[18] 陆魁东，黄晚华，王勃.湖南气候变化对农业生产影响的评估研究[J].安徽农学通报，2007（3）
[19] 潘根兴，高民，胡国华等.应对气候变化对未来中国农业生产影响的问题和挑战[J].农业环境科学学报，2011（9）
[20] 潘华盛，徐南平，张桂华.气候变暖对黑龙江省农作物结构调整影响及未来50年农业情景对策[J].黑龙江气象，2004（1）
[21] 潘铁夫.吉林省气候变暖与农业生产[J].吉林农业科学，1998（1）
[22] 普宗朝，张山清，宾建华，窦新英.气候变暖对新疆乌昌地区棉花种植区划的影响[J].气候变化研究进展，2012（4）
[23] 孙芳.农业适应气候变化能力研究——种植结构与技术方向. [D]中国农业科学院.2008.
[24] 王媛，方修琦，徐锬戴.气候变暖与东北地区水稻种植的适应行为[J].资源科学，2005（1）
[25] 肖风劲，张海东等.气候变化对我国农业的可能影响及适应性对策[J].自然灾害学报，2006（12）
[26] 谢立勇，郭明顺，曹敏建等.东北地区农业应对气候变化的策略与措施分析[J].气候变化研究进展，2009（3）
[27] 云雅如，方修琦，王媛.黑龙江过去20年粮食作物种植格局变化及其气候背景[J].自然资源学报，2005（5）
[28] 张强，邓振铺，赵映冬.全球气候变化对我国西北地区农业的影响[J].生态学报，2008（3）
[29] 赵秀兰.近50年中国东北地区气候变化对农业的影响[J].东北农业大学学报，2010（9）
[30] 崔永伟，杜聪慧，侯麟科等.气候变化下农业适应行为的现状及研究进展[J].世界农业，2012（11）
[31] 刘彦随，刘玉，郭丽英等.气候变化对中国农业生产的影响及应对策略[J].中国生态农业学报，2010（4）
（作者单位：河南农业大学经济与管理学院 河南郑州 450002）
（作者简介：郭璐明，硕士研究生，主要研究方向为农业经济和气候变化；通讯作者：马恒运，教授，博士生导师，主要研究方向为能源经济和农业经济。）
（责编：贾伟）