气候变化视角下我国粮食生产率增长及其影响因素分析

来源:用户上传      作者:

　　摘要：【目的】通過深入了解气候变化对粮食生产率增长的影响，为科学制定粮食生产政策提供理论依据。【方法】利用2000—2017年我国省际面板数据，使用HP滤波法分离粮食生产气候产量，并运用序列DEA方法测算是否考虑气候因素两种条件下的我国粮食全要素生产率，并实证检验气候变化、科技投入等因素对粮食生产率的影响。【结果】气候变化对粮食全要素生产率的测算结果具有较大影响，考虑气候变化因素后粮食全要素生产率更低。两种条件下我国粮食全要素生产率的增长均呈明显波动性变化，主要由技术进步推动，而技术效率起到阻碍作用。气候变化对粮食全要素生产率有显著影响，且具有明显的区域差异性，其中年平均气温具有正向影响，而年降水总量则表现出负向影响;科技投入对粮食全要素生产率增长的促进作用显著。【建议】政府应调整农业结构和种植制度，推动农业供给侧结构性改革;加大农业科技投入，培育新品种;完善农田基本设施建设，提高水资源利用率;建立和完善农业气象灾害监测预警服务体系，提高农业灾害性天气的预测能力。
　　关键词： 粮食全要素生产率;气候变化;科技投入;序列DEA方法
　　中图分类号： S117;F329.9                    文献标志码： A 文章编号：2095-1191（2019）02-0424-08
　　Abstract：【Objective】The impact of climate change on grain productivity growth was studied in order to provide a theoretical basis for the formulation of scientific grain production policies. 【Method】Using the China inter-provincial panel data from 2000 to 2017， sequence DEA method was used to calculate whether to consider the climatic factors of the grain total factor productivity based on using HP filtering separation grain yield climate production， and the influence mechanism of climate change， technology investment and other factors on grain productivity was empirically tested. 【Result】Climate change had great impact on the measurement of grain total factor productivity. After considering the factors of climate change， the grain total factor productivity was lower. Under the two conditions， the growth of total grain productivity showed obvious volatility， which was mainly driven by technological progress， while technical efficiency was hindering the effect. The climate changes had significant effects on the grain total factor productivity， and had clear regional differences. The annual average temperature had positive impact， while the annual total precipitation showed  negative effect. The contribution of technology investment to the growth of grain total factor productivity was very significant. 【Suggestion】The government should adjust the agricultural structure and planting system， promote the reform of agricultural supply side; increase the investment of agricultural science and technology， cultivate new varieties; improve the construction of farmland infrastructure， improve the utilization rate of water resources; establish and improve the early warning service system of agro meteorological disaster monitoring， and improve the prediction ability of agricultural disastrous weather.
　　Key words： grain total factor productivity; climate change; technology investment; sequence DEA method 　　0 引言
　　【研究意义】自改革开放以来，我国粮食生产取得了举世瞩目的成就，2017年全国粮食总产量达61791万t。在全球气候变暖的背景下，极端气候变化对我国粮食生产带来了不利影响，近5年来每年因自然灾害造成的粮食损失高达5000万t左右，占粮食总产量的10%左右，如果不采取适当措施，预计到2030年我国粮食综合生产能力因气候变化将会下降5%～10%。农业科技能优化资源配置效率，降低气候变化对粮食生产的冲击作用（叶明华和庹国柱，2015）。因此，深入研究气候变化对粮食生产的影响，挖掘农业科技潜力，是提高我国粮食产量、增强粮食生产抵御风险能力及实现农业现代化发展的首要因素。2017年中央經济工作会议指出要积极推进农业供给侧结构性改革，农业供给侧结构性改革的核心标志和关键环节则在于提高全要素生产率。【前人研究进展】目前，已有许多学者从不同的角度对粮食全要素生产率展开了研究，但多数研究对粮食全要素生产率的分析框架主要集中于制度变迁、人力资本等经济因子，很少考虑气候变化对粮食全要素生产率的影响。近年来，学者们开始关注气候变化对粮食生产的影响。吴丽丽等（2015）基于1985—2011年中国省域面板数据，分析我国12个省的油菜生产及气候变化对油菜单产的影响;叶明华和庹国柱（2015）采用双函数模型分析得出，气候变化对粮食生产的短期波动有重要影响;尹朝静等（2016b）利用1984—2013年28个省份粮食生产的投入产出数据实证分析得出，降水量和气温对粮食产量的影响具有显著的非线性关系。上述研究主要集中在研究气候变化对粮食产量的影响，关于气候变化对粮食全要素生产率影响的研究有：姜岩等（2015）基于随机前沿生产函数模型分析了气候变化视角下江苏省8个地区水稻生产效率的时空分布;尹朝静等（2016c）采用DEA方法测度了是否考虑气候变化因素条件下的中国粮食全要素生产率。随着气候变化对粮食生产影响的加剧，许多学者提出了通过科技进步降低气候因素带来的影响。目前，我国粮食生产中科技进步贡献率在35%左右，与发达国家60%～80%的贡献率相比有较大差距。高鸣和宋洪远（2015）依据1978—2013年省级面板数据，分析得出技术进步正在替代人力资本对粮食经济增长做主要贡献。【本研究切入点】综上所述，现有文献对丰富我国粮食全要素生产率的研究具有重要借鉴价值，但仍存在不足。在研究方法上，多采用传统的当期DEA方法，而该方法会带来技术退步问题，可能对粮食全要素生产率的测算存在估计偏差。序列DEA方法优于当期DEA方法，在测算粮食全要素生产率时，将气候因素纳入随机扰动项，忽略粮食生产受气候因素影响存在明显的特质性。在研究内容上，尽管部分学者研究了气候变化、农业科技投入对粮食全要素生产率的影响，但极少同时考虑二者的作用。【拟解决的关键问题】将气候变化、科技投入和粮食全要素生产率纳入同一分析框架，实证检验气候变化和科技投入等因素对粮食全要素生产率的影响，为促进粮食生产、推动农业供给侧结构性改革提供理论参考。
　　1 数据来源与研究方法
　　1. 1 气候变化对粮食全要素生产率增长的影响机理
　　气候变化的主要特征是气候变暖带来积温上升，对粮食生产既有利也有弊，二者相互作用，在时间和空间上呈现错综复杂的现象和结果。气候变化对粮食全要素生产率增长的影响主要表现为：
　　（1）气候变化导致农业病虫害、气象灾害频发。气候变化为病虫害发生提供了条件，尤其是暖冬季节，十分有利于北方地区各种农作物病虫源安全过冬，使得病虫越冬死亡率降低，直接导致来年病虫害危害加剧。同时，气候变化引起农业旱涝等气象灾害趋于严重，影响农业产出效率，造成农业大幅度减产，粮食产量急剧下降。
　　（2）气候变化影响种植制度和生产布局。联合国政府气候变化专门委员会第四次评估报告认为气温每上升1 ℃，水稻和冬小麦的生育期将分别缩短7～8和17 d，一年两熟和一年三熟的种植地区将会北移。各种植区域为适应气候变化，必然会改变其种植制度、生产结构和布局，从而引起粮食生产过程中要素投入及产出的变化，进而对粮食全要素生产率的增长带来影响。
　　（3）气候变化影响粮食生产需要的自然资源要素。气候变化会带来光照、温度、水等资源发生改变，影响土壤有机碳、矿物质、有机质等含量，进而影响土壤本身的生产能力，最终影响粮食生产率的增长。
　　1. 2 粮食全要素生产率测算方法
　　序列DEA方法通过引入以前各期的技术，解决技术水平退步的问题，与当期DEA方法相比，其区别在于参考技术的定义。在序列DEA方法中，参考技术被定义为：
　　L'（x）={y∶yt≤zY t，zX t≤ x t，z≥0} （1）
　　式中，X t =（X t1，X t2[…]X t），yt =（yt1，yt2[…]yt）。计算每个地区投入导向的距离函数：
　　D[t0]（xt，yt）=sup{θ∶（xt，θyt）∈Lt} （2）
　　根据Caves等（1982）的方法构造序列Malmquist指数，即：
　　式中，Malmquist（M）生产率指数反映全要素生产率的变化率; TEC为技术效率变动指数，反映决策单位追赶最优技术前沿的努力;TC表示技术进步指数，反映决策单位面临的最优技术前沿随时间变化的轨迹。
　　本研究测算我国粮食全要素生产率时采用的投入产出指标如下：（1）产出指标。采用HP滤波法从各省粮食总产量中分离出历年的粮食趋势产量，反映社会经济科技变化因素导致的粮食产量变动。各省份的历年粮食总产量与趋势产量间的差额即为气候产量，反映气候因子导致粮食产量变动的状况，将粮食趋势产量作为产出指标。（2）投入指标。包括粮食生产劳动投入、农作物播种面积、农业机械总动力、化肥施用量（折纯量）和有效灌溉面积5个指标。为了将广义的农业中用于粮食生产的投入要素分离出来，借鉴马文杰（2010）使用的权重系数法，其中，粮食劳动力投入=各省农林牧渔业从业人员人数×（农业产值/农林牧渔总产值）×（粮食播种面积/农作物播种总面积），其余4个指标分别乘以（粮食播种面积/农作物播种总面积），从而使以上指标从大农业中剥离。研究使用的所有数据来源于历年的《中国统计年鉴》、《中国农村统计年鉴》及《中国农业年鉴》。 　　1. 3 粮食全要素生产率增长的影响因素模型
　　根据C-D生产函数构建产出函数，检验气候变化对粮食全要素生产率增长的影响，粮食全要素生产率为产出变量：
　　TFPi，t=CLC[βri，t]×[n=1pXβnit，n] （4）
　　式中，TFP（Total factor productivity）表示省份 i 在第t时期的粮食全要素生产率，CLC表示气候变化，X表示影响粮食全要素生产率的其他因素，n =1，2…p，表示除了气候变化的其他p种因素。对式（4）取自然对数可得：
　　lnTFPi，t=βr lnCLCi，t+[n=1pβn lnXit] （5）
　　根据新经济增长理论，农业科技投入會降低气候变化对粮食全要素生产率的影响，从而推动农业经济增长。因此，本研究将气候变化和科技投入同时纳入生产函数模型中，可得到：
　　lnTFPi，t=βr lnCLCi，t+βh lnARDit+[n=1p-1βn lnXit] （6）
　　式中，ARD表示省份i在第t 时期的科技投入，衡量农业科技投入对粮食全要素生产率的影响。
　　由于粮食全要素生产率受到诸多因素的综合影响，包括劳动力、农业机械化水平、产业结构、农业基础设施水平及制度因素等。根据数据的可获取性及已有的相关研究，选取劳动力、农业机械化水平、化肥使用量和农业结构调整4个变量作为影响粮食全要素生产率的控制变量，最终构建如下计量模型：
　　lnTFPi，t=β0+β1 lnCLCi，t+β2 lnARDit+β3 lnALBit+
　　 β4 lnAMEit+β5 lnFERit+β6 lnASTit+f+ε （7）
　　式中，ALB表示劳动力，AME表示农业机械化水平，FER表示化肥使用量，AST表示农业结构调整，f 表示非观测的个体固定效应，ε表示随机误差项。
　　1. 4 变量选取及数据来源
　　1. 4. 1 核心变量 （1）气候变量。已有研究表明，气温和降水两个因素对粮食生产影响最显著（尹朝静等，2016b）。因此，气候变量选取气温和降水两个指标代替，气温（TEM）指标以年平均气温表示，降水（RFA）指标以年降水总量表示。（2）农业科技投入变量，使用农业科研机构经常费用支出表示，主要包括科研活动支出、生产经营活动支出和其他支出。
　　1. 4. 2 其他控制变量 （1）劳动力。基于数据的可获得性，从事粮食生产劳动力指标使用从事农林牧渔产业劳动力人数作为其代理变量。（2）农业机械化水平，使用农业机械总动力与农作物总播种面积的比值表示。（3）化肥使用量，使用亩均化肥指标衡量，用某地区化肥使用纯量除以该地区粮食播种面积表示。（4）农业结构调整，采用粮食播种面积占农作物总播种面积的比重表示，农业内部结构调整的优劣会对粮食全要素生产率的提高产生重要影响。本研究采用2000—2017年我国30个省份（西藏除外）的面板数据，实证检验分析气候变化、科技投入对我国粮食全要素生产率的影响。其中，气候变量数据来源于中国气象数据共享网上的中国地面气候资料年值数据集，科技投入变量数据来源于《中国科技统计年鉴》和《全国农业科技统计资料汇编》;其余4个控制变量使用的数据主要来源于历年《中国统计年鉴》、《中国农村统计年鉴》、《中国农业年鉴》、《新中国六十年农业统计资料》及各省的统计年鉴。
　　1. 5 统计分析
　　运用MAXDEA 7.0采用序列DEA方法测算我国粮食全要素生产率增长及其分解;使用Stata 14.0，通过建立的计量模型重点分析检验气候变化和科技投入两个因素对粮食全要素生产率的影响。
　　2 结果与分析
　　2. 1 我国粮食全要素生产率的测算及分析
　　根据表1可知，我国粮食全要素生产率（M）年均增长率在考虑气候因素条件下为0.6%，比未考虑气候因素条件下的数值（1.1%）下降0.5%（绝对值，下同）。从增长推动力来看，两种条件下我国粮食全要素生产率增长均有技术进步（TC）推动，年均增长率分别为1.2%和2.0%，考虑气候因素条件下技术进步年均增长低于未考虑气候因素0.8%，而技术效率（TEC）均呈现负增长态势，分别为-0.6%和-0.9%。从时间变化角度来看，考虑气候因素条件下的我国粮食全要素生产率并非都低于未考虑气候因素，在一定程度上说明气候变化对我国粮食全要素生产率的影响并不一定全为负面，适宜的气候条件可增长我国粮食生产地区的热量资源，有利于延长粮食作物生育期，增加单产，从而推动粮食全要素生产率的提高。但总体上，气候变化对粮食生产带来的弊大于利，特别是干旱、洪涝等极端气候事件频发，对粮食生产带来极大影响，导致粮食产量下降，综合生产能力下降，从而阻碍粮食全要素生产率的提高。
　　表2列出了我国东、中、西部地区及粮食主产区（包括河北、内蒙、辽宁等13个省份）的粮食全要素生产率增长结果。其中，东、中、西部地区在考虑气候因素条件下粮食全要素生产率增长率分别为0.5%、1.7%和-0.1%，而在不考虑气候因素条件下粮食全要素生产率增长率分别为1.3%、2.9%和-0.3%，相比之下，东、中、西部地区粮食全要素生产率增长率分别降低0.8%、1.2%和0.2%，说明气候变化对区域粮食全要素生产率增长产生阻碍作用。从粮食全要素生产率的构成进一步分解可知：（1）技术进步指数。东、中、西部地区在考虑气候因素条件下技术进步增长分别为1.3%、1.7%和0.7%，在不考虑气候因素条件下技术进步增长分别为2.4%、2.7%和1.0%，可见，引入气候因素之后东、中、西部地区技术进步均有不同程度降低，说明气候因素对技术进步具有一定程度的阻碍作用，需要通过提高粮食生产技术以降低气候灾害对粮食生产产生的负面作用。（2）技术效率变动。东、中、西部地区在考虑气候因素条件下粮食技术效率增长分别为-0.7%、0.1%和-0.8%，在不考虑气候因素条件下粮食技术效率增长分别为-1.1%、0.2%和-1.3%，比较发现，除中部地区外，考虑气候因素后东、西部地区粮食技术效率增长均出现不同程度下降，说明粮食生产者不能很好地采用新技术适应气候变化，可能由于受教育程度、技术推广等的制约，其在新产品、新农药等方面缺乏科学使用的技能，从而导致粮食技术效率低下。同时，粮食主产区在考虑气候因素条件下其粮食全要素生产率增长率为1.5%，低于不考虑气候条件下的粮食全要素生产率增长率（2.6%）;此外，两种条件下的粮食全要素生产率增长均有技术进步驱动，技术进步增长分别为2.7%和1.7%，而技术效率均出现负增长，分别为 -0.1%和-0.2%，因此，粮食主产区应在提高粮食生产技术的前提下，加强粮食生产管理，改善粮食技术效率，提高粮食对气候变化的适应能力。 　　2. 2 气候变化视角下我国粮食生产率增长的影响因素分析
　　本研究在测算我国粮食全要素生产率的基础上，利用公式（7），使用Stata 14.0重点分析检验气候变化和科技投入两个因素对粮食全要素生产率的影响。
　　2. 2. 1 整体样本回归 在检验过程中，采用逐步引入变量的方式进行，以保证估计结果的稳健性。检验结果如表3所示，表中PE（1）和RE（3）为只包含气候变化（气温和降水两个指标）和科技投入两个核心变量，利用公式（6）估计的结果;PE（2）和RE（4）是在PE（1）和RE（3）的基础上加上一系列控制变量，利用公式（7）估计的结果;RE（3）和RE（4）分别是未加入控制变量和加入控制變量后随机效应模型估计的结果。PE（1）和PE（2）通过使用固定效应模型回归，Hausman检验结果P均为0.000，即拒绝支持随机效应的原假设，因此，应该选择固定效应模型。从回归结果来看，年平均气温与粮食全要素生产率的系数为0.049，且在1%水平下显著，表明气温上升有利于提高粮食全要素生产率，可能是由于气温上升导致热量改变，而更有利于粮食作物的生长。年降水总量与粮食全要素生产率的系数为-0.358，且在1%水平下显著，表明年降水总量增加抑制了粮食全要素生产率的提高，可能是由于降水量的增加会产生一些自然灾害，改变粮食作物的生长环境，从而产生一定负面效果。科技投入与粮食全要素生产率的系数为0.119，在1%水平下显著，表明随着科技投入的不断增加，粮食全要素生产率将得到大幅提高，主要由于科技投入的增加会提高粮食生产的科技水平，通过采用新技术、新品种等促进粮食产量。其他控制变量中，劳动力系数为正值，但未通过显著性检验;农业机械化系数在1%水平下显著为正值;化肥使用量系数为负值，未通过显著性检验;农业结构调整系数显著为负值，且通过1%水平显著性检验。
　　上述结果均为静态面板数据下的估计结果，但从长期来看，粮食全要素生产率变动是一个动态过程，还需采用动态面板模型进行估计，因此在公式（7）中引入粮食全要素生产率的滞后一期项，采用差分广义矩估计法（DIF-GMM）和系统广义矩估计法（SYS-GMM）对动态面板进行估计。DIF-GMM（5）只包含核心变量采用差分广义矩估计法估计的结果，DIF-GMM（6）和SYS-GMM（7）是引入控制变量后分别采用差分广义矩估计法和系统广义矩估计法估计的结果，回归结果如DIF-GMM（6）和SYS-GMM（7）。如表3所示，差分GMM和系统GMM估计下年平均气温系数均为正值，分别为0.128和0.129，且在1%水平下显著，进一步说明气温上升有利于提高粮食全要素生产率;年降水总量的系数在两种方法下均为负值，其中差分GMM估计的系数为-0.207，在5%水平下显著，而系统GMM估计的系数为-0.187，通过10%的显著性检验，进一步证明年降水总量增加会对粮食全要素生产率产生阻碍作用;差分GMM估计下科技投入的系数在1%水平下显著为正值，系数为0.223，与系统GMM估计的系数在1%水平下显著为正值相符合，进一步证实科技投入对提高粮食全要素生产率的重要性。可见，两种方法下滞后一期的粮食全要素生产率均通过了1%水平下的显著性检验，表明粮食全要素生产率存在明显的经济惯性。上述分析得出，两种方法估计的结果基本一致，表明估计结果稳健。控制变量中劳动力变量系数均为正值，但均未通过显著性检验;农业机械化在差分GMM估计下不显著，而在系统GMM估计中在1%水平下显著为正值;化肥使用量在两种方法估计下系数为负值，均未通过显著性检验;农业结构调整在差分GMM和系统GMM估计下均表现为1%水平下显著为正值。另外，表3中AR（2）的结果表明动态面板估计结果均通过参差项二阶不相关检验;Hansen检验的P均大于0.5，表明回归结果不存在过度识别，即两种方法下估计的结果均有效和稳健。
　　2. 2. 2 分样本回归 由于我国地域辽阔，不同区域的经济发展水平也不一样，造成影响粮食全要素生产率的因素也具有差异性，因此有必要分区域探究气候变化、科技投入等因素对粮食全要素生产率的影响。根据上述模型和回归结果，采用系统GMM方法分别对东、中、西部地区进行估计。从表4可知，气候变化对粮食全要素生产率的影响具有明显差异性。其中，（1）年平均气温对东部地区粮食全要素生产率产生显著的负面影响，其影响系数为-0.134，通过1%水平下的显著性检验，而中部和西部地区年平均气温上升对粮食全要素生产率的提高起到促进作用，系数估计分别为0.051和0.062，在1%水平下显著。可能是由于气温上升会导致东部地区水稻种植产生病虫等自然灾害，而中部和西部地区气温上升会促进干旱地区小麦、玉米种植业的发展。（2）年降水总量对东、中和西部地区粮食全要素生产率影响的系数分别为-0.077、0.041和0.109，且均通过显著性检验。究其原因是由于水资源作为粮食生长的重要资源，将直接影响到粮食生产。东部地区大部分省份位于我国南方地区，降水量丰富，属于丰水区，中部和西部大部分省份位于我国北方地区，降水量相对匮乏，属于缺水区，研究表明我国南方地区平均年降水量每增加100 mm将会使粮食产量减产0.23%～0.35%，北方地区均年降水量每增加100 mm则会提高粮食产量0.12%～0.18%（尹朝静等，2016a）。因此，东部地区年降水量对粮食全要素生产率增长具有负向影响，而中部和西部地区具有正向影响。（3）科技投入对东、中和西部地区粮食全要素生产率的提高均起到促进作用，系数估计分别为0.218、0.232和0.178，均通过显著性检验，说明科技投入提升了粮食生产的科技含量，对粮食全要素生产率的提高起到显著的促进作用。（4）劳动力变量无论是东部还是中部和西部地区系数均为正值，但东部地区通过了5%显著性检验，而中部和西部地区未通过显著性检验。（5）农业机械化对东、中、西部地区粮食全要素生产率的影响均通过显著性检验。（6）化肥使用量在东、中和西部地区估计下系数均为负值，东部地区通过了显著性检验，而中部和西部地区未通过显著性检验。（7）农业结构调整在东部地区表现为5%水平下显著为负，中部地区则表现为1%水平下显著为正值，西部地区系数虽为正值，但未通过显著性检验。另外，表4中AR（2）的结果表明东、中、西部地区均通过参差项二阶不相关检验，Hansen检验的P均大于0.5，表明回归结果不存在过度识别，因此，采用系统GMM方法进行估计的结果有效且稳健。 　　2. 2. 3 稳健性检验 通过更换核心解释变量的方式进行稳健性检验，将气候变化和科技投入分别用水灾、旱灾受灾面积（叶明华和庹国柱，2015）与农业科技存量（尹朝静等，2016a）代替，再次利用固定效应（PE）、随机效应（RE）、差分广义矩估计法（DIF-GMM）和系统广义矩估计法（SYS-GMM）进行重新回归。估计结果表明，核心解释变量估计系数的正负性和显著性与文中上述全样本回归的结果基本一致，且通过了显著性检验，说明模型的计量分析具有稳健性。
　　3 讨论
　　本研究结果发现，2000—2017年期间我国粮食全要素生产率呈现增长趋势，但考虑气候变化因素测算的结果低于不考虑气候变化因素，两种情况下我国粮食全要素生产率的增长均有技术进步推动，而技术效率起阻碍作用;同时考虑气候变化因素后，东、中、西部地区粮食全要素生产率普遍变低，除东部地区外，中、西部地区技术进步均有不同程度的增长，且呈现出明显的区域差异性，而粮食技术效率增长均出现不同程度的下降，与尹朝静等（2016c）提出的考虑气候因素之后粮食全要素生产率降低、技术效率恶化程度在一定程度上受气候因素影响的结果一致。气温上升和年降水量的增加有利于提高中、西部地区粮食全要素生产率，但对东部地区产生显著的负面影响，与尹朝静等（2016b）提出降水增加和气温上升对粮食产量变动均具有积极促进作用的结果基本一致。本研究还发现，科技投入显著提高了粮食全要素生产率，科技投入的增加能够优化和改善粮食生产要素的配置结构，促进农业经济增长，与董莹（2016）提出的农业科技对粮食全要素生产率增长具有正向影响、粮食生产率的提高必须依靠农业技术的结果一致。本研究仅从降水和气温两个方面解释气候变化，但气候变化是一个复杂的因素，因此研究的结果具有一定局限性。
　　4 建议
　　4. 1 调整农业结构和种植制度，推动农业供给侧结构性改革
　　在充分分析气候变化对粮食生产效率影响的基础上，各地区应根据气候条件的变化调整农业结构和种植制度，充分利用农业气候资源，优化种植结构;南方地区可利用气温上升带来积温增加的优势，大力推广双季稻，西北和东北地区则需要改良小麦品种，提高小麦应对气候变化造成粮食减产的能力，从而大幅度提高粮食总产量，实现农业供给侧结构性改革。
　　4. 2 加大农业科技投入，培育新品种
　　农业技术进步可抵消气候变化对粮食生产带来的不利影响，提高粮食生产适应气候变化的能力。因此，各级政府应在保证财政支持的前提下，吸收社会资金进入农业科研领域，鼓励多种形式进行农业科研创新，加大对农业生产中关键技术的科研攻关力度，积极培育耐高温、抗旱涝、抗病虫害等新品种，以便充分利用热量资源，应对气候变暖和干旱的影响。根据农业部《农业主导品种和主推技术推介发布办法》，各地区要因地制宜，积极引进和培育相应的水稻、小麦、玉米等新品种，确保粮食生产的高产、优质和高效。
　　4. 3 完善农田基本设施建设，提高水资源利用率
　　小型农田水利设施是提高粮食综合生产能力的有力保障。由于历史原因，大部分农业水利设施是由原有的沟、水塘等改造而成，且由于财政制约，在运行管理中未得到及时的维修和改造，造成农田水利设施落后，难以发挥其应有的作用。各级水利部门应加强农田水利基础设施建设，多方筹资，整合财力，确保效益。另外，应合理开发、高效利用、优化配置、全面节约，有效、科学地管理水资源，严格控制地下水开采，加大水资源工程建设力度，提高农业供水保证率。
　　4. 4 建立和完善农业气象灾害监测预警服务体系，提高农业灾害性天气的预测能力
　　气候变化导致气象灾害时有发生，对粮食生产带来极大危害。提高气象灾害监测预报的准确性和时效性已成为当务之急，应努力探索现代农业气象灾害预警技术，健全农业气象灾害预警监测体系、农业气象灾害预警和评估系统、农业气象灾害风险分析及风险管理对策，为增强农业灾害性天气的中长期预测的准确率提供有力支持。
　　参考文献：
　　董莹. 2016. 全要素生产率视角下的农业技术进步及其溢出效应研究[D]. 北京：中国农业大学. [Dong Y. 2016. Research on China’s agricultural technological progress from the perspective of total factor productivity and its spillover effects[D]. Beijing： China Agricultural University.]
　　高鳴，宋洪远. 2015. 生产率视角下的中国粮食经济增长要素分析[J]. 中国人口科学，（1）： 59-69. [Gao M，Song H Y. 2015. Factor analysis on China’s grain economic growth in productivity perspective[J]. Chinese Journal of Population Science，（1）： 59-69.]
　　姜岩，朱晓莉，周宏，王筠菲. 2015. 气候变化对江苏水稻生产效率变动的影响[J]. 农业技术经济，（12）： 109-116. [Jiang Y，Zhu X L，Zhou H，Wang J F. 2015. Effects of climate change on rice production efficiency in Jiangsu Province[J]. Journal of Agrotechnical Economics，（12）： 109-116.]
　　马文杰. 2010. 中国粮食综合生产能力研究[M]. 北京： 科学出版社. [Ma W J. 2010. Study on Overall Grain Production Capability in China[M]. Beijing： Science Press.] 　　吴丽丽，李谷成，尹朝静. 2015. 生长期气候变化对我国油菜单产的影响研究——基于1985～2011年中国省域面板数据的实证分析[J]. 干旱区资源与环境，29（12）： 198-203. [Wu L L，Li G C，Yin C J. 2015. Impact of climate change in rapeseed’s growing seasons on rapeseed production in China[J]. Journal of Arid Land Resources and Environment，29（12）： 198-203.]
　　叶明华，庹国柱. 2015. 要素投入、气候变化与粮食生产——基于双函数模型[J]. 农业技术经济，（11）： 4-13. [Ye M H，Tuo G Z. 2015. Factor input，climate change and grain production—Based on double function model[J]. Journal of Agrotechnical Economics，（11）： 4-13.]
　　尹朝静，李谷成，范丽霞，高雪. 2016a. 气候变化、科技存量与农业生产率增长[J]. 中国农村经济，（5）： 16-28. [Yin C J，Li G C，Fan L X，Gao X. 2016a. Climate change，technology stocks and agricultural productivity growth[J]. Journal of Chinese Rural Economy，（5）： 16-28.]
　　尹朝静，李谷成，高雪. 2016b. 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，30（6）： 89-95. [Yin C J，Li G C，Gao X. 2016b. Impacts of climate change on China’s grain production—Empirical analysis based on provincial panel data[J]. Journal of Arid Land Resources and Environment，30（6）： 89-95.]
　　尹朝静，李谷成，葛静芳. 2016c. 粮食安全：气候变化与粮食生产率增长——基于HP滤波和序列DEA方法的实证分析[J]. 资源科学，38（4）： 665-675. [Yin C J，Li G C，Ge J F. 2016c. Food security，climate change and grain productivity growth based on HP filter and sequential DEA methods[J]. Resources Science，38（4）： 665-675.]
　　Caves D W，Christensen L R，Diewert W E. 1982. The economic theory of index numbers and the measurement of input，output，and productivity[J]. Econometrica，50（6）： 1393-1414.
　　（責任编辑 邓慧灵）
转载注明来源:https://www.xzbu.com/1/view-14717511.htm