氣候變化對中國水稻產(chǎn)量及其區(qū)域差異性的影響

韓芳玉,張俊飚①,程琳琳,童慶蒙,劉 勇

(1.華中農(nóng)業(yè)大學經(jīng)濟管理學院,湖北 武漢 430070; 2.湖北農(nóng)村發(fā)展研究中心,湖北 武漢 430070)

水稻是我國三大主糧之一,產(chǎn)量接近糧食總產(chǎn)量的一半。但近年來,由于受全球氣候變化的影響,我國水稻生產(chǎn)不穩(wěn)定性顯著增加[1-2],主要表現(xiàn)在以下5個方面:一是農(nóng)業(yè)種植制度的變化[3-4],氣候變暖有利于多熟制作物種植面積擴大和復種指數(shù)提高;二是農(nóng)業(yè)品種布局的變化[5-6],氣候變化有利于中晚熟和喜溫作物的種植;三是對作物生長發(fā)育的影響[7-8],氣候變化使作物生長發(fā)育速度加快,生育期縮短;四是對農(nóng)業(yè)投入的影響[9-10],使農(nóng)業(yè)生產(chǎn)投入費用顯著增加;五是糧食產(chǎn)量波動增大[11-12],農(nóng)業(yè)生產(chǎn)不穩(wěn)定性大幅度增加。

氣候變化對農(nóng)業(yè)生產(chǎn)影響的現(xiàn)有研究多從自然科學角度出發(fā),利用實驗觀測作物動態(tài)生長過程或通過氣象模型模擬未來氣候變化情景的方法探究氣候?qū)ψ魑锂a(chǎn)量及生產(chǎn)潛力的影響[13-16],而往往忽略了生產(chǎn)主體對氣候變化的適應,這可能會高估氣候變化對農(nóng)業(yè)的負面影響[17]。糧食生產(chǎn)過程是“自然再生產(chǎn)與經(jīng)濟再生產(chǎn)的統(tǒng)一”[18],受自然條件和社會經(jīng)濟因素的雙重制約。因此,為了使氣候變化與糧食生產(chǎn)之間的關(guān)系得到更加科學客觀的反映,不能僅停留在自然因素層面,還應該綜合考慮社會、經(jīng)濟和人為因素。此外,由于氣候條件表現(xiàn)出明顯區(qū)域差異性,對糧食生產(chǎn)的影響程度不一,因此,考量氣候變化對糧食生產(chǎn)的區(qū)域效應與群組差異很有必要。基于以上分析,將氣候變化引進生產(chǎn)函數(shù)模型,在考慮農(nóng)戶對氣候變化的適應性行為基礎(chǔ)上,通過構(gòu)建“經(jīng)濟-氣候”模型,甄別氣候變化對我國水稻單產(chǎn)及其區(qū)域差異性的影響,以期為政府采取相應適應性措施提供參考。

1 材料與方法

1.1 數(shù)據(jù)來源與處理

1.1.1數(shù)據(jù)來源

1978—2015年逐月溫度、日照時長和降水量數(shù)據(jù)來源于中國氣象科學數(shù)據(jù)共享服務網(wǎng)《中國地面氣候資料月值數(shù)據(jù)集》(http:∥data.cma.cn/)。1978—2015年水稻產(chǎn)量、播種面積、有效灌溉面積、化肥、農(nóng)業(yè)機械數(shù)據(jù)來源于中華人民共和國國家統(tǒng)計局網(wǎng)站(http:∥www.stats.gov.cn/)、《中國統(tǒng)計年鑒》和《中國農(nóng)村統(tǒng)計年鑒》。參照《全國農(nóng)業(yè)可持續(xù)發(fā)展規(guī)劃(2015—2030年)》,結(jié)合水稻種植區(qū)域分布,將全國水稻產(chǎn)區(qū)劃分為東北、黃淮海、長江中下游、華南、西南、西北及長城沿線(簡稱西北)和青藏7個區(qū)域(表1)?？紤]數(shù)據(jù)完整性和可得性因素,劃分區(qū)域不包括青海、上海、臺灣、香港和澳門。

1.1.2數(shù)據(jù)處理

為避免數(shù)據(jù)和模型帶來的偏差,回歸分析前需檢驗模型個體效應。F檢驗和豪斯曼(Hausman)檢驗結(jié)果表明,采用固定效應模型效果最佳。由于擾動項有可能存在異方差或自相關(guān),模型分析采用普通最小二乘法(ordinary least squares,OLS)并結(jié)合面板校正標準誤(panel-corrected standard error, PCSE)方法。

表1全國水稻產(chǎn)區(qū)劃分

Table1Nationalriceproductiondivision

區(qū)域 省(自治區(qū)、直轄市) 水稻品種 東北黑龍江、吉林、遼寧中稻和一季晚稻 黃淮海北京、天津、河北、河南、山東中稻和一季晚稻 長江中下游江西、浙江、江蘇、安徽、湖北、湖南早稻、中稻和一季晚稻、雙季晚稻 華南福建、廣東、海南早稻、中稻和一季晚稻、雙季晚稻 西北及長城沿線新疆、寧夏、甘肅、山西、陜西、內(nèi)蒙古中稻和一季晚稻 西南廣西、貴州、四川、重慶、云南早稻、中稻和一季晚稻、雙季晚稻 青藏西藏中稻和一季晚稻

1.2 模型設定

農(nóng)業(yè)生產(chǎn)過程是社會經(jīng)濟因素和自然因素相互作用的結(jié)果[19]。社會經(jīng)濟因素包括化肥、機械動力、勞動力3種物質(zhì)投入要素,而自然因素中尤以氣候要素最為重要。農(nóng)業(yè)氣候要素主要包括光照、熱量和水分。這些要素不僅為農(nóng)業(yè)生產(chǎn)提供必要的物質(zhì)和能量,而且直接影響農(nóng)業(yè)生產(chǎn)過程[8]。傳統(tǒng)的C-D生產(chǎn)函數(shù)模型,僅將部分可控并且數(shù)量有限的要素考慮在內(nèi),對氣候要素這類不可控因素關(guān)注不足[20]。氣候變化背景下,降水、日照、氣溫等氣候要素的變化對農(nóng)業(yè)生產(chǎn)的影響更加明顯,將氣候要素納入生產(chǎn)函數(shù)模型能夠更加精準地表征農(nóng)業(yè)生產(chǎn)投入與產(chǎn)出之間的關(guān)系。

基于以上分析,參照丑潔明等[21]做法,根據(jù)生產(chǎn)要素和生產(chǎn)函數(shù)理論,以C-D生產(chǎn)函數(shù)模型為基礎(chǔ),將氣候要素作為重要生產(chǎn)要素加入模型,構(gòu)建“經(jīng)濟-氣候”模型(簡稱“C-D-C”模型),并分析氣候要素對作物產(chǎn)量的影響。同時,為了更加全面、科學地反映影響糧食產(chǎn)量的要素,模型中還引入科技進步、制度變遷和區(qū)域特征等變量?！癈-D-C”模型計算公式為

Y=F(X,C,TE,T,Dm)。

(1)

式(1)中,Y為作物產(chǎn)量;X為物質(zhì)投入;C為氣候因素;TE為技術(shù)進步;T為政策虛擬變量;Dm為一組區(qū)域虛擬變量。

為了驗證氣候變化與作物產(chǎn)量是否存在非線性關(guān)系,對“C-D-C”模型進行拓展,引入氣候因素的二次項,并進行對數(shù)化處理,模型Ⅰ計算公式為

lnyit=α0+α1lnTE,it+β1lnAC,it+β2lnLB,it+β3lnFT,it+β4lnAM,it+β5lnIR,it+γ1RF,it+γ2TP,it+γ3SU,it+γ4(RF,it)2+γ5(TP,it)2+γ6(SU,it)2+Tr+vit+μit。

(2)

由于不同區(qū)域社會、經(jīng)濟與自然條件存在差異,氣候因素對其水稻產(chǎn)量的影響也會不同。因此引入?yún)^(qū)域虛擬變量與氣候變化的交叉項,更加深入地考量氣候變化對糧食生產(chǎn)的區(qū)域效應與群組差異。模型Ⅱ計算公式為

lnyit=α0+α1lnTE,it+β1lnAC,it+β2lnLB,it+β3lnFT,it+

β4lnAM,it+β5lnIR,it+γ1RF,it+γ2TP,it+γ3SU,it+

Tr+vit+μit。

(3)

式(2)～(3)中,i和t分別為第i省份和第t年份;y為水稻總產(chǎn)量(包括早稻、中稻和一季晚稻、雙季晚稻),104t;AC為各省(直轄市、自治區(qū))水稻實際播種面積,103hm2。LB、FT、AM、IR分別為水稻生產(chǎn)過程中投入的勞動力(104人)、化肥(104t)、農(nóng)業(yè)機械(104kW)和有效灌溉面積(103hm2),參考朱紅根[20]方法,由水稻播種面積占農(nóng)作物播種面積的比例進行加權(quán)得到。RF、TP和SU分別為水稻生長季降水量(0.1 mm)、生長季平均溫度(0.1 ℃)和生長季日照時長(0.1 h),由全國756個氣象站月平均降水量、月平均溫度和月平均日照時長數(shù)據(jù)分省份計算得到[22]。TE反映技術(shù)進步的影響,一般以時間趨勢代替。由于技術(shù)進步主要體現(xiàn)在提高水稻單產(chǎn),并非擴大水稻種植面積,參考周曙東等[1]方法,以各省1978年水稻單產(chǎn)為基期,由各地區(qū)各年份實際水稻單產(chǎn)分別除以基期所得的系數(shù)表示。Tr反映政策對農(nóng)業(yè)產(chǎn)量的影響,選取1998年實施的糧食收購保護價政策(T1)和2004年出臺的糧食直接補貼政策(T2)。1998年后T1=1,1998年前T1=0;2004年后T2=1,2004年前T2=0。m為區(qū)域,1、2、3、4、5和6分別為東北、黃淮海、長江中下游、華南、西北和青藏區(qū)。Dm為區(qū)域虛擬變量,反映其他變量沒有直接說明的社會、經(jīng)濟和自然因素在時間和區(qū)域方面的差異。以西南區(qū)為參照,設置6個區(qū)域虛擬變量。東北區(qū)D1=1,其他區(qū)域D1=0;黃淮海區(qū)D2=1,其他區(qū)域D2=0;長江中下游區(qū)D3=1,其他區(qū)域D3=0;華南區(qū)D4=1,其他區(qū)域D4=0;西北區(qū)D5=1,其他區(qū)域D5=0;青藏區(qū)D6=1,其他區(qū)域D6=0。α、β、γ、ρ、φ、ω均為待估參數(shù);vit為誤差項;μit為隨機擾動項。表2為水稻生產(chǎn)要素投入和產(chǎn)出統(tǒng)計結(jié)果。

表21978—2015年全國生產(chǎn)要素投入和產(chǎn)出情況

Table2Nationalinputandoutputofproductionfactorsfrom1978to2015

變量名稱單位平均值標準差最小值最大值 水稻產(chǎn)量(y)104 t667.21730.710.132 644.81 有效灌溉面積(IR)103 hm2368.69419.410.121 599.12 化肥(FT)104 t27.3532.470.01146.07 農(nóng)業(yè)機械(AM)104 kW309.21423.950.052 781.78 水稻總播種面積(AC)103 hm21 140.561 248.880.174 506.90 勞動力(LB)104人157.86197.140.02914.52 生長季平均降水量(RF)0.1 mm8 733.624 963.26910.9022 115.65 生長季日照時長(SU)0.1 h21 798.305 063.271 005.6333 284.83 生長季平均溫度(TP)0.1 ℃126.3053.438.63243.39 技術(shù)進步(TE)%1.651.220.2311.66 糧食收購保護價政策(T1)—0.470.500.001.00 糧食直接補貼政策(T2)—0.320.470.001.00

2 結(jié)果與分析

2.1 氣候變化對水稻產(chǎn)量的影響

表3為氣候變化對水稻產(chǎn)量影響的模型回歸結(jié)果。由表3可知,兩個模型整體擬合程度較好,各因素對水稻產(chǎn)量的影響也相對顯著。

2.1.1生長季降水量對水稻產(chǎn)量的影響

由表3可知,模型Ⅰ生長季降水量的半彈性系數(shù)為負,表明在其他因素不變的情況下,生長季總降水量每增加1%,水稻總產(chǎn)量將減少0.07%。模型Ⅱ生長季降水量的一次項和二次項系數(shù)分別為正數(shù)(3.22)和負數(shù)(-0.19)，均達1%顯著水平,表明降水量與水稻產(chǎn)量存在倒U型非線性關(guān)系。當降水量較少時,適當增加降水會使水稻總產(chǎn)量提高,一旦超過某個點,降水增加會對水稻產(chǎn)量產(chǎn)生負向影響。經(jīng)計算,年總降水量的適宜值為847 mm(一次項系數(shù)的絕對值與2倍的二次項系數(shù)的絕對值之比),即當其他因素既定的情況下,如果生長季降水總量超過847 mm,繼續(xù)增加降水將會對水稻總產(chǎn)量增加造成負面影響。我國北方稻區(qū)近40 a生長季平均降水量維持在500 mm左右,其中西北區(qū)年平均降水量僅為356 mm,屬于嚴重缺水區(qū)域,適當增加降水量,有利于水稻總產(chǎn)量的提高。與此相反,我國南方各區(qū)域近年來降水量普遍增加,尤其是華南區(qū)域,生長季年平均降水量高達1 676 mm,短時間的強降水將會對水稻生產(chǎn)造成極大威脅。這是因為一方面降水過多,造成稻田含氧量少,水稻分蘗數(shù)減少,從而抑制水稻生長發(fā)育[1,20];另一方面水稻處于生長關(guān)鍵期,特別是抽穗-揚花期,一旦降水量過大,潛在的洪澇、暴雨災害不利于水稻開花授粉,并最終影響水稻總產(chǎn)量[23-24]。

表3氣候變化對水稻產(chǎn)量的非線性影響

Table3Non-lineareffectsofclimatechangeonriceyield

變量名稱模型Ⅰ模型Ⅱ系數(shù)Z統(tǒng)計量 系數(shù)Z統(tǒng)計量有效灌溉面積(IR)0.52???19.17 0.59???22.80化肥(FT)0.041.420.08???3.33農(nóng)業(yè)機械(AM)0.33???11.840.26???9.28水稻播種面積(AC)0.13???10.380.13???10.26勞動力(LB)0.09???8.410.08???7.85生長季平均降水量(RF)-0.07?-1.873.22???8.26生長季日照時長(SU)-0.48???-7.343.22???3.44生長季平均溫度(TP)-0.32???-13.050.96???4.92生長季平均降水二次項(RF2)——-0.19???-8.73生長季日照時長二次項(SU2)——-0.20???-4.06生長季平均溫度二次項(TP2)——-0.15???-6.29技術(shù)進步(TE)0.10??2.140.16???3.67糧食收購保護價政策(T1)-0.14???-4.63-0.14???-4.87糧食直接補貼政策(T2)-0.12???-3.91-0.12???-4.20常數(shù)項(α0)7.19???8.66-26.34???-5.95

“—”表示無數(shù)據(jù)。*** 、**和*分別表示在1%、5%和10%水平上通過顯著性檢驗。

2.1.2生長季日照時長對水稻產(chǎn)量的影響

由表3可知,模型Ⅰ生長季日照時長的半彈性系數(shù)為負,表明在其他因素既定的情況下,生長季總?cè)照諘r長每增加1%,水稻總產(chǎn)量將減少0.48%。模型Ⅱ生長季日照時長一次項和二次項系數(shù)分別為正(3.22)和負(-0.20)，均達1%顯著水平,即日照時長與水稻總產(chǎn)量呈現(xiàn)顯著倒U型關(guān)系。這表明日照時長變化使水稻產(chǎn)量存在最大值,即日照時長過分增加會引起水稻產(chǎn)量顯著降低。這是因為水稻對水分的需求十分敏感,尤其在拔節(jié)-抽穗期,日照增加會加劇水稻葉面蒸發(fā),引起水稻供水不足,從而影響水稻籽粒的形成。

2.1.3生長季溫度對水稻產(chǎn)量的影響

由表3可知,模型Ⅰ生長季平均溫度的半彈性系數(shù)為負,表明在其他因素不變的條件下,生長季平均溫度每增加1%,水稻總產(chǎn)量將減少0.32%。模型Ⅱ生長季平均溫度的一次項系數(shù)為正(0.96),二次項系數(shù)為負(-0.15),均達1%顯著水平，表明溫度對水稻產(chǎn)量的影響也是倒U型。這意味著氣溫較低時,溫度增加會使水稻產(chǎn)量水平提高,一旦超過一定范圍,氣溫升高，產(chǎn)量則會減少。經(jīng)測算,適宜水稻生長的最佳溫度是32 ℃(一次項系數(shù)的絕對值與2倍的二次項系數(shù)的絕對值之比),這一結(jié)論與水稻現(xiàn)實生長環(huán)境大體一致。有研究表明,幼苗發(fā)芽最適宜溫度在28～32 ℃之間;而分蘗期日均溫在20 ℃以上,穗分化適溫在30 ℃左右;抽穗適溫為25～35 ℃;開花最適溫為30 ℃左右,低于20 ℃ 或高于40 ℃[25]條件下受精將會受到嚴重影響。即適當?shù)纳郎貙λ驹霎a(chǎn)有利,原因是氣溫升高,水稻生長季縮短,復種指數(shù)提高,種植范圍相應擴大,水稻產(chǎn)量有所增加。而溫度過高對水稻產(chǎn)量有顯著負影響,原因一是溫度升高,會使水稻生長發(fā)育加快,不利于水稻分蘗數(shù)增加,導致總干重和穗重減少[26];二是溫度升高容易引起高溫熱害,降低水稻的結(jié)實率,造成水稻減產(chǎn);另外高溫也易滋生雜草和病蟲害。我國南方各省區(qū),夏季尤其是七八月氣溫普遍較高,且近年來有愈演愈烈的趨勢,以2016年8月為例,長江中下游出現(xiàn)大范圍持續(xù)高溫天氣,多地氣溫逼近40 ℃,嚴重影響當年雙季稻產(chǎn)量。

2.1.4其他要素對水稻產(chǎn)量的影響

由表3可知,有效灌溉面積、化肥、農(nóng)業(yè)機械、播種面積、勞動力和技術(shù)進步等要素對水稻產(chǎn)量均有顯著正向影響。其中,有效灌溉面積每擴大1%,水稻將增產(chǎn)0.59%。應加強基本農(nóng)田水利建設,解決工程性、季節(jié)性及區(qū)域降水不均等導致的缺水問題,增強農(nóng)業(yè)氣候變化適應能力。技術(shù)進步率每增加1個百分點,水稻產(chǎn)量增加0.16%,由此可見水稻產(chǎn)量增加很大程度上依賴技術(shù)進步。我國水稻生產(chǎn)在改革開放以來取得了長足進步,這得益于水稻高產(chǎn)栽培技術(shù)、育苗技術(shù)、施肥技術(shù)等新技術(shù)的應用和推廣。另外,提高農(nóng)業(yè)機械化率、合理使用化肥、增加勞動力投入、擴大水稻種植面積等都是應對氣候變化對水稻不利影響的有效措施。但值得注意的是,糧食收購保護價政策和糧食直接補貼政策均對水稻產(chǎn)量增長呈現(xiàn)負向作用,說明這兩項政策在實施過程中與預期效果相去甚遠,其中的原因可能一方面來自于補貼發(fā)放不到位,由于補貼總是被層層克扣,實際到達農(nóng)民手里的補貼有限,再加上申請補貼手續(xù)繁多,降低了農(nóng)民積極性,所以農(nóng)業(yè)補貼大部分沒有起到應有的作用;另一方面由于最低收購價格高出目前市場價格,扭曲了市場價格的形成機制,由此使水稻產(chǎn)業(yè)受到影響,一定程度上造成了稻谷加工困難和稻米銷售受阻[27]。

2.2 氣候變化對水稻產(chǎn)量區(qū)域差異性的影響

表4為氣候變化對水稻產(chǎn)量區(qū)域差異性的影響。由表4可知,模型整體估計結(jié)果良好,大部分變量對水稻產(chǎn)量區(qū)域差異性具有顯著影響。

表4氣候變化對水稻產(chǎn)量區(qū)域差異性的影響

Table4Regionalheterogeneityeffectsofclimatechangeonriceyield

變量系數(shù)Z統(tǒng)計量變量系數(shù)Z統(tǒng)計量 有效灌溉面積0.56???22.98生長季日照時長×D2-0.45???-5.25 化肥投入量0.08???3.20生長季日照時長×D3-0.17??-2.17 農(nóng)業(yè)機械投入量0.32???11.49生長季日照時長×D4-0.21?-1.75 水稻總播種面積0.08???7.41生長季日照時長×D5-0.46???-6.14 勞動力投入人數(shù)0.04???3.97生長季日照時長×D60.50???-3.38 生長季平均降水量0.74???5.52生長季平均溫度×D11.60???7.44 生長季日照時長0.070.87生長季平均溫度×D21.46???5.56 生長季平均溫度-1.80???-8.47生長季平均溫度×D32.02???6.93 生長季平均降水量×D1-0.85???-5.58生長季平均溫度×D41.94???7.12 生長季平均降水量×D2-0.35??-2.42生長季平均溫度×D52.05???8.64 生長季平均降水量×D3-0.96???-6.57生長季平均溫度×D62.19???8.78 生長季平均降水量×D4-0.90???-6.52技術(shù)進步0.26???4.98 生長季平均降水量×D5-0.61???-4.44糧食收購保護價政策-0.18???-7.23 生長季平均降水量×D6-0.66???-3.44糧食直接補貼政策-0.15???-5.95 生長季日照時長×D1-0.05-0.50常數(shù)項2.17???2.72

*** 、**和*分別代表在1%、5%和10%水平上通過顯著性檢驗;D1～D6分別為東北、黃淮海、長江中下游、華南、西北及長城沿線和青藏區(qū)域虛擬變量。

2.2.1降水量對水稻產(chǎn)量區(qū)域差異性的影響

由表4可知,生長季平均降水量與D1～D6的交互項均通過顯著性檢驗。生長季平均降水量對水稻產(chǎn)量總影響系數(shù)為0.74-0.85×D1-0.35×D2-0.96×D3-0.90×D4-0.61×D5-0.66×D6,降水量增加對西南區(qū)水稻產(chǎn)量影響系數(shù)為0.74,對黃淮海、西北和青藏區(qū)水稻產(chǎn)量影響系數(shù)分別為0.39、0.13和0.08,而對東北、長江中下游和華南區(qū)水稻產(chǎn)量影響系數(shù)分別為-0.11、-0.22和-0.16。這表明生長季平均降水量增加對西南、黃淮海、西北和青藏區(qū)水稻產(chǎn)量有顯著正向影響,對東北、長江中下游和華南區(qū)水稻產(chǎn)量具有顯著負影響。其中,生長季平均降水量對西南區(qū)水稻產(chǎn)量正向影響更大一些,原因是西南大部分地區(qū)近年來增暖趨勢明顯,降水量減少且區(qū)域分布不均,導致干旱災害增多，程度加重,降水量增加有利于緩解旱情,加快水稻生長發(fā)育,從而提高產(chǎn)量。同理可證黃淮海區(qū)域。而生長季平均降水量增加對于長江中下游和華南區(qū)則有顯著負面影響,這是因為降水量增加意味著強降水、臺風、洪澇等極端事件增多。7、8月正值水稻成熟期,一次超強臺風足以讓沿海地區(qū)1 a的收成毀于一旦。我國華南區(qū)域水稻產(chǎn)量減少趨勢明顯[28],與近年來東南沿海地區(qū)強降水、熱帶氣旋等極端氣候事件頻發(fā)、強度增強不無關(guān)系。

2.2.2日照時長對水稻產(chǎn)量區(qū)域差異性的影響

表4顯示,生長季日照時長與D2～D6的交互項均通過顯著性檢驗,而與D1的交互項未通過顯著性檢驗。日照時長對水稻產(chǎn)量總的影響系數(shù)為0.07-0.05×D1-0.45×D2-0.17×D3-0.21×D4-0.46×D5-0.50×D6,日照時長增加對西南區(qū)水稻產(chǎn)量影響系數(shù)為0.07,而對黃淮海、長江中下游、華南、西北和青藏區(qū)水稻產(chǎn)量影響系數(shù)分別為-0.38、-0.10、-0.14、-0.39和-0.43,表明生長季日照時長增加對這些區(qū)域水稻產(chǎn)量均有顯著負向影響。而1978—2015年我國各區(qū)域日照時長均呈現(xiàn)不同程度的減少趨勢[29],表明我國目前太陽輻射時間減少的趨勢除對西南區(qū)水稻產(chǎn)量有負向影響外,對其他區(qū)域水稻產(chǎn)量基本上不會造成負向影響。

2.2.3溫度對水稻產(chǎn)量區(qū)域差異性的影響

由表4可知,生長季平均溫度與D1～D6的交互項均通過顯著性檢驗。平均溫度對水稻產(chǎn)量總影響系數(shù)為-1.80+1.60×D1+1.46×D2+2.02×D3+1.94×D4+2.05×D5+2.19×D6,即平均溫度升高對西南區(qū)水稻產(chǎn)量影響系數(shù)為-1.80,對東北和黃淮海區(qū)水稻產(chǎn)量影響系數(shù)分別為-0.20和-0.34,而對長江中下游、華南、西北和青藏區(qū)水稻產(chǎn)量影響系數(shù)分別為0.22、0.14、0.25和0.39。這表明相對于西南區(qū),溫度升高對東北和黃淮海區(qū)水稻產(chǎn)量有負向影響,對長江中下游、華南、西北和青藏區(qū)水稻產(chǎn)量則有顯著正向影響。對于西南區(qū)域,氣溫升高意味著作物生育期縮短,不同品種的水稻產(chǎn)量也會有不同程度的減少,早稻、中稻和晚稻平均減產(chǎn)幅度分別為3.7%、10.5%和10.4%[26]。與西南區(qū)域相比,溫度升高對東北區(qū)域的負向影響要小很多,這是因為氣溫升高增加了東北區(qū)域的農(nóng)業(yè)熱量資源,從而使作物多熟制種植界限北擴西移,復種指數(shù)提高,顯著增加了水稻產(chǎn)量,從而有力緩解了氣溫升高的負向影響;另外溫度升高對青藏區(qū)域的益處最大,熱量條件的改善使青藏區(qū)域這種高海拔地區(qū)的作物種植品種、范圍有所增加,早熟品種演變成中、晚熟品種,水稻生長期延長,增產(chǎn)能力大大提高[19]。

3 結(jié)論與建議

3.1 結(jié)論

利用1978—2015年中國29個省(自治區(qū)、直轄市)的水稻投入產(chǎn)出數(shù)據(jù)和氣候資料,構(gòu)建“經(jīng)濟-氣候”模型,探究了氣候變化對我國水稻總產(chǎn)量及其區(qū)域差異性的影響。筆者研究發(fā)現(xiàn),降水量、日照時長、氣溫對中國水稻總產(chǎn)量均呈現(xiàn)倒U型關(guān)系且區(qū)域差異性明顯。降水量增加有利于西南、黃淮海、西北和青藏區(qū)域水稻產(chǎn)量的增加,而不利于東北、長江中下游和華南區(qū)域水稻產(chǎn)量的提高;日照時長增加對西南和東北區(qū)域水稻產(chǎn)量具有促進作用,而對黃淮海、長江中下游、華南、西北和青藏區(qū)域水稻產(chǎn)量增加不利;溫度升高對長江中下游、華南、西北和青藏區(qū)域水稻產(chǎn)量有正向影響,而對西南、東北和黃淮海區(qū)域水稻產(chǎn)量有顯著負向影響。

3.2 建議

為應對氣候變化對我國水稻生產(chǎn)帶來的不利影響,提高各地區(qū)水稻綜合生產(chǎn)能力,可以因地制宜,從微觀維度制定區(qū)域差異化的“適應氣候變化”措施,具體措施包括:

(1)完善糧食安全政策法規(guī),加強農(nóng)業(yè)生產(chǎn)頂層設計。十九大報告提出了“鄉(xiāng)村振興”這一戰(zhàn)略目標,在推進農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革的過程中,政府應建立以市場定價為主體的糧食價格形成機制,同時積極促進農(nóng)業(yè)調(diào)結(jié)構(gòu)、減庫存,配套建立農(nóng)業(yè)生產(chǎn)者補貼機制,提高糧食生產(chǎn)能力,確保糧食安全。

(2)發(fā)揮農(nóng)戶主觀能動性,因地制宜,提高各地區(qū)水稻投入產(chǎn)出比。對氣候變化的受益地區(qū),如近年來水熱條件明顯改善的西北和東北區(qū)域,可以適當擴大水稻種植面積,增加多熟制水稻品種種植面積,提高復種指數(shù)和氣候資源利用率。對洪澇、熱帶氣旋、強降水等氣象災害頻發(fā)的長江中下游和華南區(qū)域,應加強防汛抗旱體系和基礎(chǔ)設施建設力度,加大防災減災投入力度。對干旱缺水的西南和黃淮海區(qū)域,一方面可以適當調(diào)整水稻播期;另一方面提高水資源利用效率,加強基本農(nóng)田水利建設和節(jié)水灌溉技術(shù)推廣,改良作物品種,采用抗旱、耐高溫的水稻品種,必要時還可利用人工增雨等方式改善局部環(huán)境。