曾小艷 郭興旭

摘要：在所有自然災害中，氣象災害占80%以上，其中最主要的是農(nóng)業(yè)氣象災害。闡述了氣候變化與極端天氣事件的關(guān)系，以及二者帶來的中國農(nóng)業(yè)生產(chǎn)中的主要氣候風險。采用面板數(shù)據(jù)模型，選取湖北省78個縣市1990—2009年與糧食有關(guān)的生產(chǎn)數(shù)據(jù)和氣候數(shù)據(jù)，實證分析氣候因子對糧食產(chǎn)量的影響。結(jié)果表明，平均氣溫、降水、日照變化均存在對糧食產(chǎn)量影響的最大值，影響呈倒“U”形結(jié)構(gòu)，說明糧食生長需要穩(wěn)定的氣候條件，氣候風險會對糧食生產(chǎn)產(chǎn)生負面影響。管理天氣風險的傳統(tǒng)農(nóng)業(yè)保險存在信息不對稱等問題，天氣指數(shù)保險和天氣衍生品作為農(nóng)業(yè)天氣風險管理的重要創(chuàng)新工具，能夠化解農(nóng)業(yè)保險所面臨的道德風險問題，成為轉(zhuǎn)移農(nóng)業(yè)天氣風險的有效路徑。

關(guān)鍵詞：氣候變化；氣候風險；糧食產(chǎn)量；面板數(shù)據(jù)模型；風險管理

中圖分類號： F840.66文獻標志碼： A

文章編號：1002-1302（2017）11-0306-04[HS）][HT9.SS]

1氣候變化與極端天氣事件

氣候變化是全球可持續(xù)發(fā)展面臨的挑戰(zhàn)性問題。經(jīng)濟發(fā)展對資源的依賴性較強，因此更容易受到氣候波動的影響[1]。溫室效應是由人類活動與自然共同導致的，溫室效應影響天氣。大多數(shù)溫室效應是由于溫室氣體的自然增長，少部分溫室效應是因人類焚燒化石燃料、砍伐森林、破壞植被等導致的[2]。IPCC（聯(lián)合國政府間氣候變化小組）研究表明：全球年平均氣溫在100年內(nèi)（1906—2005年）上升0.74 ℃。我國北方地區(qū)年平均氣溫升高明顯，尤其是東北地區(qū)與華北地區(qū)的增溫幅度較大[3]。中國地表年平均氣溫升高0.5～08 ℃。

中國的降水量因氣候變暖呈不均衡態(tài)勢。長江中下游地區(qū)與東南地區(qū)近50年的年均降水量增加了60～130 mm，東北南部、華北、西北東部的年降水量呈下降趨勢[4]。農(nóng)業(yè)生產(chǎn)中應特別注意極端天氣和水分條件的變化，氣候異常變動會導致農(nóng)業(yè)生產(chǎn)不穩(wěn)定，高溫使得半干旱和干旱地區(qū)荒漠化更加嚴重，強降水會引起洪澇等災害頻繁發(fā)生。

因溫室氣體增溫不均，熱帶和極地之間的溫差將變小，這將顯著改變天氣系統(tǒng)的熱動力機制，引起大氣環(huán)流與洋流的格局變動，導致極端天氣事件發(fā)生的強度和頻率均增加[5-6]。極端天氣是超出正常天氣狀況的現(xiàn)象。近年來，全球極端天氣事件的發(fā)生越來越頻繁（表1），極端天氣帶來的經(jīng)濟損失也在逐漸增加。

極端天氣事件在中國表現(xiàn)為高溫干旱天氣頻率增加，北方地區(qū)尤其是西北地區(qū)近20年來高溫天數(shù)顯著增加，東北、華北平原和西北旱區(qū)的旱災發(fā)生頻率顯著增大[4]。氣候變暖將加劇我國北方地區(qū)的干旱狀況， 使得南方地區(qū)高溫熱害[FL）]

及伏旱更加嚴重。中國南方地區(qū)雖然降水量較充足，但由于時空分布不均勻，伏旱、季節(jié)性干旱與秋旱時常發(fā)生，嚴重影響糧食生產(chǎn)。近年來，福建省、江西省、湖南省、浙江省等地區(qū)陸續(xù)發(fā)生了嚴重的伏旱、秋旱，給糧食生產(chǎn)帶來了巨大損失[7]。

中國長江及以南區(qū)域的極端降水事件發(fā)生更為頻繁，江淮流域的暴雨、洪澇災害明顯增加。長江流域自動觀測站資料表明，長江流域大部分地區(qū)年平均降水量逐漸增加，暴雨天數(shù)增多。長江上游夏季暴雨期逐年提前，在暴雨期間，長江中下游處于梅雨時節(jié)，同時發(fā)生的2種情況使上游來水成為負擔，發(fā)生洪災的概率因此增大。暴雨頻率增加會導致土壤侵蝕、水土流失，使得泥石流和滑坡等地質(zhì)災害的頻率和強度增大，這些都將對農(nóng)業(yè)生產(chǎn)產(chǎn)生嚴重的影響[8]。

2中國農(nóng)業(yè)生產(chǎn)中的主要天氣風險

氣象災害對中國農(nóng)業(yè)生產(chǎn)影響嚴重。如春季的低溫連陰雨影響江南早稻的育秧期，寒露風影響晚稻的抽穗揚花，干熱風影響北方冬麥區(qū)小麥生長，夏季低溫影響東北水稻、高粱、大豆生長，高溫干旱、洪澇、霜凍等災害性天氣影響華南及江淮地區(qū)農(nóng)作物的收獲。中國農(nóng)業(yè)生產(chǎn)面臨的主要天氣風險是干旱、洪澇、寒災、冷災等[9]。

旱災是影響中國農(nóng)業(yè)生產(chǎn)的首要天氣災害。中國季風氣候明顯，季風的不穩(wěn)定性導致干旱頻繁發(fā)生。旱災主要發(fā)生在北方黃淮海平原與河套平原、南方的江南丘陵與云貴高原。2000年是自1949年以來我國干旱最為嚴重的一年，冬小麥主產(chǎn)區(qū)嚴重干旱，東北三省、長江下游與四川地區(qū)的秋糧損失嚴重，全國因旱災減產(chǎn)糧食25%；河北省、河南省、山東省、江蘇省等15個糧食主產(chǎn)區(qū)2009年初出現(xiàn)大面積干旱，0.09億hm2 左右作物受旱嚴重；2010年，云南、貴州、廣西、四川、重慶西南5?。ㄊ?、區(qū)）遭遇特大旱災，受旱作物面積604.53萬hm2，重旱面積達到190.07萬hm2，干枯約 101萬hm2，造成經(jīng)濟損失超過350億元；2012年2月，云南省大旱，90個監(jiān)測站點發(fā)生了氣象干旱，旱災造成直接經(jīng)濟損失達23.42億元，農(nóng)業(yè)損失達22.19億元。

中國大部分地區(qū)年降水量不同年份間變化較大，都集中在夏季，洪澇災害發(fā)生頻繁。1998年，全國共有29個?。ㄊ?、區(qū)）受災，洪災導致糧食減產(chǎn)6 033萬t，減產(chǎn)幅度達12%；江南、華南、江淮、西南、東北等地區(qū)于2010年前后多次發(fā)生大范圍強降雨，洪災使0.13億hm2農(nóng)作物受災，減產(chǎn)糧食3 421萬t，減產(chǎn)幅度達到6%；2012年6月下旬，浙江省、江西省、福建省等省發(fā)生暴雨洪災，總經(jīng)濟損失達172.54億元。

雪災和低溫凍害會導致農(nóng)作物的凍傷與減產(chǎn)。2002年4月，山東省43個縣發(fā)生嚴重霜凍災害，作物受災面積達 51萬hm2，直接經(jīng)濟損失約64億元；2008年初，我國南方發(fā)生大范圍雨雪冰凍天氣，農(nóng)業(yè)遭受嚴重損失，成災面積達 0.174億hm2，絕收面積達197.1萬hm2。僅江蘇省農(nóng)業(yè)損失就達 10.9億元，占全部經(jīng)濟損失的50%。

3氣候風險對湖北省糧食產(chǎn)量的影響

湖北省是糧食大省，享有“湖廣熟、天下足”的美譽。中國的糧食安全主要依靠糧食核心生產(chǎn)區(qū)，2004年湖北省被中央確定為13個糧食主產(chǎn)省份之一。氣候變化使我國干旱、高溫等氣象災害發(fā)生更加頻繁，氣候災害帶來的巨大損失嚴重影響中國糧食安全。

3.1模型設(shè)定與指標選取

農(nóng)作物生長受光、水、溫等因素共同作用，氣候因素影響生產(chǎn)要素的使用效率。傳統(tǒng)C-D生產(chǎn)函數(shù)在描述產(chǎn)量與生產(chǎn)要素的關(guān)系時起到了重要作用[3]。分析氣候因素對糧食產(chǎn)量的影響時，同樣采用經(jīng)濟-氣候模型，即將氣候因子也作為外生變量引入C-D生產(chǎn)函數(shù)模型[10-11]：

[HS2][JZ（]lnyit=α0+∑[DD（]Kk=1[DD）]klnxkit。[JZ）][JY]（1）

式中：yit表示i區(qū)域在時間t的糧食產(chǎn)量，xkit表示因素k在i區(qū)域時間t的投入量，αj（j=0，1，…，K）為待估計參數(shù)。設(shè)定農(nóng)作物產(chǎn)量是各投入要素、技術(shù)、管理、土地、氣候因子的函數(shù)，雖然氣候因素不是生產(chǎn)因素，它卻影響生產(chǎn)要素投入的數(shù)量。

糧食產(chǎn)量作為解釋變量，選擇的解釋變量包括農(nóng)業(yè)勞動力、播種面積、有效灌溉面積、機械總動力、化肥施用量等。氣候因子也作為解釋變量，具體表現(xiàn)為以1年為單位的年平均氣溫、年平均降水總量與年平均日照總時數(shù)，同時，在解釋變量中加入氣候因子的二次項，以更貼近實際情況。除了各主要投入要素外，引入時間趨勢項t，體現(xiàn)技術(shù)進步對糧食產(chǎn)量的影響。各主要變量的描述性統(tǒng)計見表2。

由表2可知，糧食產(chǎn)量和各主要投入因素最大值、最小值間的差距很大，波動幅度也大，這反映了生產(chǎn)投入與獲得收益之間的不確定性。主要原因是糧食種植的分布區(qū)域較廣，相應的水平差異也較大。氣候因素中，氣溫的波動相對較小，降水、日照的波動較大，3個氣候因子的變化都會對糧食產(chǎn)量造成不同程度的影響。

各投入要素中除了播種面積之外，其他要素并不僅用于糧食作物。為了單獨計算對糧食的要素投入量， 衡量糧食生[FL）]

產(chǎn)中各縣市的農(nóng)業(yè)勞動力、化肥施用量以及機械總動力、有效灌溉面積的大小，對一些主要變量進行了處理：將每種投入量都乘以糧食種植面積與總農(nóng)作物種植面積的比值。其中：灌溉投入=有效灌溉面積×（糧食播種面積/農(nóng)作物播種面積）；化肥投入量=化肥施用量×（糧食播種面積/農(nóng)作物播種面積）[11-12]。

機械總動力和農(nóng)業(yè)勞動力這2種投入要素也應用在整個農(nóng)業(yè)部門，不僅是糧食種植上，相應地也對它們進行調(diào)整：農(nóng)業(yè)機械投入量=農(nóng)業(yè)機械總動力×（農(nóng)業(yè)總產(chǎn)值/農(nóng)林牧漁總產(chǎn)值）×（糧食播種面積/農(nóng)作物播種面積）；農(nóng)業(yè)勞動力投入量=農(nóng)林牧漁業(yè)從業(yè)人員數(shù)×（農(nóng)業(yè)總產(chǎn)值/農(nóng)林牧漁總產(chǎn)值）×（糧食播種面積/農(nóng)作物播種面積）。

3.2模型估計

采用的數(shù)據(jù)是湖北省78個縣市的面板數(shù)據(jù)。面板數(shù)據(jù)因為同時具有橫截面、時間2個維度，能夠解決單獨的截面或時間序列數(shù)據(jù)所不能解決的問題，它也能顯著增加樣本空間，提高自由度，可以提供更多的個體信息，進而使估計結(jié)果更為準確[13]。現(xiàn)有研究常常對混合OLS方法、固定效應模型（FE，fixed effects model）和隨機效應模型（RE，random effects model）進行比較，選取其中一種估計方法。但是如果面板數(shù)據(jù)存在組內(nèi)自相關(guān)、組間異方差或組間截面相關(guān)等問題時，上述方法的估計效果并不理想。這種情況下，可以考慮用可行廣義最小二乘法進行估計（feasible GlS，F(xiàn)GLS）[11-13]。

采用Stata10.0軟件，分別使用混合回歸、固定效應模型（FE）、隨機效應模型（RE）、FGLS對模型進行估計，結(jié)果見表3。其中混合回歸、FE、RE都采用了聚類穩(wěn)健標準差。根據(jù)估計結(jié)果可以看到，F(xiàn)E、RE和混合回歸的估計效果均不理想，F(xiàn)GLS的估計結(jié)果最為穩(wěn)健。采用Stata10.0軟件對面板數(shù)據(jù)進行統(tǒng)計檢驗，結(jié)果見表4。[FL）]

根據(jù)檢驗結(jié)果，沃爾德檢驗強烈拒絕“組間同方差”的原假設(shè)，認為存在“組間異方差”；同時，也強烈拒絕“不存在一階組內(nèi)自相關(guān)”的原假設(shè)。表4僅列出了Pesarans檢驗，事實上，F(xiàn)riedman與Frees檢驗的P值均小于0.01，因此強烈拒絕“無截面相關(guān)”的原假設(shè)，認為存在組間截面相關(guān)。綜合考慮上述結(jié)果和模型的最終估計結(jié)果，本研究最終選取FGLS估計方法，該方法能較好地解決上述問題，使模型估計結(jié)果更為穩(wěn)健[13]。

3.3估計結(jié)果分析

根據(jù)上述分析以及FGLS估計結(jié)果，可以得到包含氣候因子在內(nèi)的各因素對糧食產(chǎn)量的影響程度。

3.3.1除氣候因子外其他投入要素的影響根據(jù)各投入要素對糧食產(chǎn)量的邊際影響，可以發(fā)現(xiàn)估計結(jié)果中播種面積系數(shù)為0.541，在1%水平上顯著。相對土地因素來說，其他投入要素的估計系數(shù)都較小。這是因為可耕地面積，尤其是較肥沃土地面積因為城鎮(zhèn)化而遞減，環(huán)境問題也造成土地的降級和荒廢[5]。土地可增加面積的減少使土地要素成為糧食種植面積擴大的嚴重約束。化肥施用量與機械總動力對糧食產(chǎn)量的影響也為正?；适┯昧康墓烙嬒禂?shù)為0.141，在1%水平上顯著，表明在糧食生產(chǎn)中化肥施用非常密集，邊際影響為正。機械總動力的系數(shù)為0.054 3，在1%水平上顯著，但相對土地要素的影響來說較小。這是因為，與中國其他地區(qū)一樣，湖北省也是以單個家庭經(jīng)營為主，沒有使用較大規(guī)模機械，小規(guī)模機械的使用更為普遍。農(nóng)業(yè)勞動力與有效灌溉面積的系數(shù)分別是0.172、0.151，說明對糧食產(chǎn)量的增長作用均為正向。

3.3.2氣候變化的影響根據(jù)模型估計結(jié)果，各氣候因素對糧食產(chǎn)量影響中，氣溫的影響在1%水平上顯著。依據(jù)氣溫項以及氣溫的二次項系數(shù)，可以看出氣溫變化對糧食產(chǎn)量的影響為拋物線形式（-2.555 lntem2+26.44 lntem），呈現(xiàn)倒“U”形曲線，表明氣溫變化對糧食作物產(chǎn)量影響存在最大值。降水變化的影響在5%上顯著，同氣溫變化一樣，降水變化對糧食產(chǎn)量影響的表現(xiàn)形式也是拋物線（-0.073 5 lnrain2+0.505 lnrain）。類似地，日照也具有對糧食產(chǎn)量影響的最大值，在10%水平上顯著。

糧食作物生長需要較穩(wěn)定的氣溫、降水、日照。氣溫過高、降水過少、日照強度過高均會引起干旱，氣溫過低會發(fā)生凍害，降水過多則會導致洪澇災害的發(fā)生[14-16]。這些都會對糧食生產(chǎn)產(chǎn)生負面影響。

4農(nóng)業(yè)天氣風險管理實現(xiàn)路徑

在全球氣候變暖和變化異常的大背景下，常有低溫、干旱、洪澇、龍卷風等災害性天氣出現(xiàn)，嚴重威脅糧食生產(chǎn)。從世界各國的經(jīng)驗來看，農(nóng)業(yè)保險是轉(zhuǎn)嫁農(nóng)業(yè)天氣風險的重要途徑。但在實踐上，各國農(nóng)業(yè)保險都面臨著信息不對稱而導致的逆向選擇、道德風險及災后理賠效率低、成本高、誤差大等問題，造成需求有限、供給不足的窘境。市場需求是金融創(chuàng)新的重要動力之一，天氣指數(shù)保險和天氣衍生品是一種新興的金融衍生工具，它們的交易標的是與天氣相關(guān)的指數(shù)，如溫度指數(shù)、風速指數(shù)、降水量指數(shù)、降雪量指數(shù)等，這有利于農(nóng)業(yè)生產(chǎn)者對天氣風險進行套期保值。天氣指數(shù)產(chǎn)品所依據(jù)的都是由氣象部門提供的氣溫、降水量、風速等數(shù)據(jù)，因此客觀性強，得到的信息不會受合約持有者影響，很大程度降低了道德風險。農(nóng)業(yè)生產(chǎn)者可以直接參與購買天氣衍生品或天氣指數(shù)保險；農(nóng)業(yè)生產(chǎn)者也可以先購買農(nóng)業(yè)保險，由保險公司或再保險公司用所得保費收入來購買天氣衍生品，用以對沖農(nóng)業(yè)天氣風險。這些方式擴大了風險承保范圍，能夠?qū)⑥r(nóng)業(yè)天氣風險轉(zhuǎn)移給更有能力或更愿意承擔風險方，因此有利于借助資本市場分散與轉(zhuǎn)移農(nóng)業(yè)天氣風險。也有助于化解農(nóng)業(yè)保險所面臨的道德風險，保障國家糧食安全，增加農(nóng)民收入以及促進農(nóng)業(yè)和農(nóng)村經(jīng)濟發(fā)展。

[HS2*5][HT8.5H]參考文獻：

[1]Matsumoto K，Andriosopoulos K. Energy security in East Asia under climate mitigation scenarios in the 21st century[J]. Omega，2016，59：60-71.

[2]埃里克·班克斯. 天氣風險管理：市場、產(chǎn)品和應用[M]. 北京：經(jīng)濟管理出版社，2010.

[3]崔靜，王秀清，辛賢，等. 生長期氣候變化對中國主要糧食作物單產(chǎn)的影響[J]. 中國農(nóng)村經(jīng)濟，2011（9）：13-22.

[4]肖風勁，張海東，王春乙，等. 氣候變化對我國農(nóng)業(yè)的可能影響及適應性對策[J]. 自然災害學報，2006，15（6）：327-331.

[5]蔡運龍. 全球氣候變化下中國農(nóng)業(yè)的脆弱性與適應對策[J]. 地理學報，1996，51（3）：202-212.

[6]丁一匯. 中國氣候變化——科學、影響、適應及對策研究[M]. 北京：中國環(huán)境科學出版社，2012.

[7]周曙東，周文魁，林光華，等. 未來氣候變化對我國糧食安全的影響[J]. 南京農(nóng)業(yè)大學學報（社會科學版），2013，13（1）：56-65.

[8]王向輝，雷玲. 氣候變化對農(nóng)業(yè)可持續(xù)發(fā)展的影響及適應對策[J]. 云南師范大學學報（哲學社會科學版），2011，43（4）：18-24.

[9]霍治國，李世奎，王素艷，等. 主要農(nóng)業(yè)氣象災害風險評估技術(shù)及其應用研究[J]. 自然資源學報，2003，18（6）：692-703.[ZK）]

[10]曾小艷. 農(nóng)業(yè)天氣風險管理的金融創(chuàng)新路徑研究[D]. 武漢：華中農(nóng)業(yè)大學，2013.

[11]Holst R Y，Grün C. Climate change，risk and grain yields in China[J]. Journal of Integrative Agriculture，2013，12（7）：1279-1291.

[12][JP2]周曙東，朱紅根. 氣候變化對中國南方水稻產(chǎn)量的經(jīng)濟影響及其適應策略[J]. 中國人口·資源與環(huán)境，2010，20（10）：152-157.[JP]

[13]陳強. 高級計量經(jīng)濟學及Stata應用[M]. 北京：高等教育出版社，2010.

[14]馬銳，江敏，石春林. 氣候變化對農(nóng)業(yè)影響評價研究進展[J]. 江蘇農(nóng)業(yè)科學，2015，43（10）：16-19.

[15]張怡，史本林. 氣候變化對豫東冬小麥產(chǎn)區(qū)的綜合影響[J]. 江蘇農(nóng)業(yè)科學，2015，43（2）：336-339.

[16]陳波，方偉華，何飛，等. 湘江流域洪澇災害與降水的關(guān)系[J]. 自然災害學報，2008，17（1）：92-96.[ZK）][HT][HJ][FL）]