中国七大地区“气候变化—作物产量—经济影响”综合评价

• 花匠小妙招
• 2024-11-06 19:42

Comprehensive assessment of “climate change-crop yield-economic impact” in seven sub-regions of China

LIU Yuan1,2, WANG Fang1,2, ZHANG Zheng-Tao ,1,2, HUANG Cheng-Fang1,2, CHEN Xi1,2, LI Ning1,2

1 Key Laboratory of Environmental Change and Natural Disaster, Ministry of Education, Beijing Normal University, Beijing 100875, China

2 Academy of Disaster Reduction and Emergency Management, Ministry of Emergency Management and Ministry of Education & Beijing Normal University, Beijing 100875, China

引言

2019年底,全球平均地表温度比工业化前高出1.1℃,气候变化的后果已经以各种方式显现[1]。农业生产对降水与温度等气象要素高度敏感,因此直接受到气候变化的影响,而这一影响在世界范围内是显著的,且负面影响比正面影响更普遍[2]。我国是世界第三大农产品出口国和第二大农产品进口国[3],同时拥有全球近1/5的人口,气候变化对作物产量的影响更值得关注。此外,由于农业是经济发展的基础,与其他经济行业联系紧密,越来越多的研究不仅关注气候变化对作物产量的冲击[4,5,6],还进一步关注后续对整体经济产生的关联影响[7,8]。

然而,综合评价作物产量受气候变化冲击产生的经济影响需详细评价“气候变化—作物产量—经济影响”链的每一个过程。现阶段针对气候变化对作物产量的影响研究,受制于方法与参数来源的差异性,当前结果存在较大的不确定性。Yao等[9]预估了SRES B2排放情景下2071—2090年我国8个站点的水稻单产的变化,结果显示我国水稻单产可能下降0.3%~7.0%;Xiong等[6]对我国主要农作物2040—2049年（SRES B2）的单产进行预估,结果显示不考虑CO2肥效情况下,三大作物（水稻、玉米和小麦）单产变化范围为-6.3%~5.0%,若考虑CO2的肥效,单产增加5.9%~17.3%;Challinor等[10]对我国东北地区小麦产量变化进行预测,升温0~2℃、2~4℃和4~6℃情景下产量分别下降2.4%~18.6%、6.6%~30.6%和4.6%~44.5%。由此可见,由于不同研究存在前提假设,其基本参数以及适应性措施等方面存在较大差异,从而导致作物产量预测结果之间不可比且不确定性较大。因此,十分有必要从异质性较大的研究结果中整合出一致性的结论,进而定量识别气候变化对作物产量影响的趋势。自IPCC第四次评估报告（AR4）以来,关于气候变化农业领域文献结果的整合研究日益引起学者重视,目前最常用的文献结果整合方法为系统回顾和Meta分析。Knox等[5]开展了非洲和南亚地区的作物产量系统回顾,预计到21世纪中叶这两个地区作物平均产量下降8%;Challinor等[4]基于更新的AR4数据集,在全球范围内进行了作物产量的Meta分析,识别出热带地区和温带地区产量变化的差异性;周景博等[11]和解伟等[12]对我国主要作物产量进行了Meta回归分析,但这两项研究的建模方法、纳入文献数量和文献筛选标准等存在差异,结果具有一定的不确定性,且并未充分识别我国作物产量对气候变化响应的地区差异。

“气候变化—作物产量—经济影响”链的第二步是量化作物产量变化后对整体经济系统产生的影响。目前针对这一环节的研究已在不同尺度下开展：(1)全球尺度,2~3℃的升温造成的作物减产可能造成全球大幅度的社会福利下降[13];(2)区域尺度,到21世纪中叶,气候变化对农业的冲击可能造成中东和北非两个地区超过2%的GDP损失[14];(3)国家尺度,美国21世纪末农作物、犯罪率、沿海风暴、能源、人类健康和劳动力受气候变暖导致的直接与间接影响将造成GDP下滑1%~3%[7]。现阶段的研究多以国家作为最小研究单元,忽略了国家内不同地区之间的差异性,包括不同地区间海陆位置、降水、温度分布等差异,而这些差异往往导致气候变化对作物产量的冲击程度不同,从而进一步影响经济评价结果。在美国县域级别的评价中,虽美国整体经济因作物产量受气候变化影响下降,但一些县的经济反而从中获益[7]。我国国土面积幅员辽阔,跨越多个气候带,具有显著的降水与温度分异特征,且不同地区在经济发展、农业生产等方面存在巨大差异[15,16],且通过贸易进行的生产和消费的重新分配改变了气候变化的经济影响[17]：不同地区之间生产的相互依赖会减小或者放大正面或负面的经济影响。因此,相比从国家尺度综合评价作物产量受气候变化冲击造成的最终经济影响,从地区尺度评价不同地区作物受各自地区内气候变化冲击造成的地区内与地区间的经济波及影响再综合至国家尺度经济影响,更符合气候变化对农业经济影响的机理。因此,在评价我国作物产量受气候变化冲击产生的经济影响时,不仅将研究尺度局限在国家这一同质化单元中,更应考虑不同地区之间作物产量受气候变化影响的差异性进而导致的地区内与地区间的经济波及效应。

针对上述“气候变化—作物产量—经济影响”各环节存在的不足,本文通过对55篇已发表文献的667项我国农作物未来产量预估值的Meta回归分析,得到2020—2090年我国七大地区在不同典型浓度路径（RCPs）情景下农作物产量变化的时间序列[18],并在此基础上采用适应性多区域投入产出模型（AMRIO),评价作物产量变化后对7个地区内以及地区之间的经济波及影响,从而探索完整的“气候变化—作物产量—经济影响”链式研究,为不同地区制定气候应对政策提供新的视角和数据支持。此外,文中将气候变化造成的作物产出变化表述为直接经济影响（DED),地区间的经济影响表述为经济波及效应（ERE）。

1 研究方法

本文采用综合建模方法。气候要素（气温、降水等）预估值的时间序列来自CMIP5中19个大气环流模式。鉴于单一作物模型在产量预测方面仍然相对有限,并且不同作物模型的结果不确定性较大[4],本研究采用Meta回归分析来综合大量文献结果,从而推导出作物产量对气候变量的定量响应关系。随后将气候要素变化作为输入来模拟作物产量变化的时间序列（2020—2099年),作为直接经济影响输入经济模型。最后,采用AMRIO模型来估算经济波及效应。

1.1 系统回顾和Meta回归分析

系统回顾方法是总结已发表文献中的结果范围和评估共识的方法,本研究遵循英国循证保护中心制定的系统回顾指南[19]。系统回顾方法主要包括4个要素：(1)数据库总体,3种主要作物（水稻、小麦和玉米);(2)外界干扰,根据19个全球气候模式关于气温和降水量的预估值确定2020—2099年的气候要素变化;(3)可比性,统一各个研究的作物产量变化基准期（1961—1990年),使不同文献结果具有可比性;(4)输出结果,气候变化下作物产量的变化趋势。本研究定义了系统回顾的关键词（“作物/小麦/水稻/玉米”“气候变化”“中国”和“产量”),并确定了科学数据库（Web of Science、ScienceDirect、Google Scholar和CNKI等）和其他数据库（联合国粮食及农业组织等)。本研究的文献检索重点关注IPCC AR4发表以来的研究,文献检索截至2019年1月18日,共获得1245篇文献。

首先进行文献的相关性筛选,文献的入选标准包括：(1)本研究侧重于气候变化对作物单产（即单位面积产量）的影响,并没有考虑作物总产量。本研究剔除了洪水、干旱和虫害等任何极端气候事件的影响。(2)为识别地区差异,本研究根据第三次国家气候变化评估报告将我国划分为7个地区（华北、东北、华中、华东、华南、西北和西南)。因此,本研究选取可以匹配到地区级别的文献,排除空间尺度模糊的数据。(3)为了确定对气候变量（如气温、降水和CO2）的响应,本研究排除考虑人类活动对作物产量影响的文献,例如作物品种、灌溉和耕作制度的适应。文献筛选的工作由3名独立研究人员进行,以确保所采用的接受/拒绝标准的一致性。本研究最终选取了55篇已通过同行评审的文献资料,获得了667个作物单产变化结果。

传统的系统回顾通常采用加权Meta分析整合文献结果[5],但是由于不同文献的作物单产预测方法不一致以及预测结果方差报告的不完整,本研究不能采用传统的分析方法。因此,本研究基于Challinor等[4]和解伟等[12]提出的统计回归模型,构建了不同作物和地区普通最小二乘模型：

∆Yijmn = α0 + α1∆Tmn+ α2∆Pmn + α3Ci+ εijmn。

(1)

式中：∆Yijmn表示在第i个研究的排放情景n下,作物j在m时间段内的单产变化率,%;∆Tmn和∆Pmn分别表示在排放情景n下m时间段内的温度升高（℃）和降水变化（%);Ci是一个二元变量,表示第i项研究是否考虑CO2肥效作用（0代表未考虑,1代表考虑);α0为常数项;α1,α2和α3为回归系数;ε为回归干扰项。

1.2 适应性多区域投入产出模型

本研究采用AMRIO模型捕获气候变化引起的作物产出下降造成的经济波及效应。AMRIO模型的基本框架为适应性区域投入产出（ARIO）模型,ARIO模型由Hallegatte[20]提出,主要针对自然灾害经济影响的评估[21,22]。近年来,随着气候变化的影响日益突出,该模型及其衍生版本[23,24,25]已经广泛应用于估算气候变化带来的经济影响。模型通过以下公式将投入产出表、供给侧和需求侧连接起来,以地区r经济部门i为例：

Yr(i)=∑Ns=1∑Mj=1Ars(i,j)Ys(j)+∑Ns=1Frs(i)+∑Ns=1∑Mj=1Drs(i,j)。

(1)

式中：i,j=1,2,…,M代表所有经济部门;r,s =1,2,…,N代表我国不同地区;Y代表总产出向量;A代表投入产出表;F代表最终需求矩阵;D为外部冲击输入,即气候变化造成的直接经济影响,即农业部门的产出下降,以作物生产的百分比变化来衡量;随后可以计算我国每个地区中每个经济部门的生产和消费量,以及作物减产导致的生产瓶颈。

由于未来人口政策和经济结构变化的不确定性,以及AMRIO模型基于2012年中国多区域投入产出表[15],本文将我国各地区人口和经济的规模和结构固定为2012年的值。同时,本研究采用无量纲指标（例如百分比变化）计算影响,以消除未来经济增长对模拟结果的干扰,保证了总体结果的无偏[7]。

为了降低由于将外生变量引入模型而导致的不确定性,AMRIO模型具有3个假设：(1)不同地区的土地面积保持2012年的水平不变,不考虑由此造成的农业部门产出变化;(2)将气候变化对农业的影响引入模型之后,最终经济体系的需求平衡仍以2012年的水平为参考;(3)可以替代不同地区相同部门提供的产品或服务,不同地区贸易环节的配给方案成比例变化。

1.3 不确定性分析

本研究的不确定性可以分解为未来产量变化和AMRIO模型的不确定性。未来产量变化的不确定性是由气候变量（气温和降水)、作物产量对气候变量的定量响应关系以及这些因素相互作用产生的不确定性驱动的。在每个RCP下,采用蒙特卡洛抽样方法确定气候要素（RCP2.6,RCP4.5,RCP8.5：19个预估结果;RCP6.0：13个预估结果）和作物产量对气候要素的定量响应关系（1000次重采样）的不确定性。AMRIO模型的不确定性来源于引入的外生变量,本研究设置了外生变量的变化区间（标准参数基础上分别上、下调30%),定义为不同的验证组,各组参数以5%间隔取值[26,27],以此确定AMRIO模型的不确定性。

2 研究区域及数据来源

2.1 研究区域

本研究参考《气候变化国家评估报告》中的划分方法,根据行政区划将我国34个省级行政区（由于缺乏数据,本研究暂不包括港澳台地区）划分为7个地区：东北地区（黑龙江、吉林和辽宁),华北地区（北京、天津、内蒙古、河北和山西),西北地区（陕西、宁夏、甘肃、青海和新疆),华中地区（河南、湖北和湖南),华东地区（山东、江苏、安徽、上海、浙江、江西和福建)、华南地区（广西、广东和海南）和西南地区（四川、重庆、贵州、云南和西藏）。

2.2 气候要素数据

本研究基于CMIP5中的19个全球气候模式（表1）预估结果,选取其2020—2100年的月平均气温和降水量①(① http://www.ipcc-data.org/index.html。)。CMIP5采用4种RCP路径预估未来气候变化。由于模式的空间分辨率不同,本研究通过反距离加权法将变量插值到1°×1°的网格上。最后,用算术平均法分别获得7个地区的气温和降水变化。

表1  本文选取的19个GCMs的基本概况

Table 1  A basic overview of 19 GCMs in this paper

新窗口打开|下载CSV

2.3 经济数据

本研究中,多区域投入产出表（MRIO）根据国家统计局发布的2012年中国多区域投入产出表编制而成[15]。原始的MRIO表包含30个经济部门、5类最终需求（包括农村居民消费、城市居民消费、政府消费、固定资产形成和存货变动）和4类增加值（包括劳动者报酬、生产净税、固定资本折旧和企业盈余)。考虑到数据可用性以及与前期研究保持一致,本文将MRIO表合并为7个地区。

AMRIO模型的外生变量包括贸易周转天数和超额生产参数。基于经济系统需求平衡保持不变的假设,本文的贸易周转天数参考我国统计年鉴中省级的货物周转量和货运量[28];超额生产参数参考我国农业年鉴中的第一产业固定资产投资额[29]。

3 结果与讨论

3.1 气候变化下我国不同地区作物产量的变化趋势

为量化我国不同地区作物产量对气候变化响应的差异,本研究将搜集到的667个我国七大地区的单产变化数据与对应情景下温度变化（ΔT)、降水变化率（ΔP/P）和是否考虑CO2肥效作用的二元变量代入回归方程中,并根据作物类型分别建立小麦、水稻和玉米的回归方程,以区分不同作物对气候变化的响应。

根据图1回归结果显示的不同地区主要作物对气温变化的响应程度（回归结果表略),可以将我国七大地区分为3类,东北和西北地区的主要作物对升温影响最敏感,华北、华中、华东和西南地区次之,华南地区受升温影响不明显。

图1

图1  我国七大地区温度变化和降水变化率与作物产量变化率的关系

注：直线表示回归方程,虚线表示通过95%信度检验区间。

Fig. 1  The relationship between temperature change and precipitation change rate and crop yield change rate in seven sub-regions of China (The curves represent 95% confidence levels)

东北地区文献数据主要为水稻和玉米,每升温1℃主要作物平均单产下降12.7%（t=-3.5,P=0.001)。根据不同作物的回归模型,玉米对温度升高的敏感性为-8.0%/℃（t=-2.3,P=0.026);水稻对升温的敏感性略高,为-9.0%/℃,但该结果不显著（t=-0.9,P=0.399)。降水量每升高1%主要作物平均单产下降1.7%（t=-2.0,P=0.046)。相对于其他地区,东北地区作物对气候变化的响应最为敏感。生长期的变化是原因之一,东北地区的升温幅度最大,不论是玉米还是水稻,其生长期相对于其他地区缩短更多[30,31]。西北地区主要作物为小麦和玉米,水稻种植区分布较少。回归结果表明温度每升高1℃,主要作物平均单产下降6.9%（t=-4.6,P<0.001)。其中小麦对升温敏感性最高,为-8.3%/℃（t=-4.3,P<0.001);水稻和玉米次之,分别为-3.6%/℃（t=-0.7,P=0.487）和-2.4%/℃（t=-1.1,P=0.272)。降水对西北地区主要作物单产的负效应显著,降水量每增加1%,主要作物平均单产下降1.3%（t=-2.8,P=0.006)。升温情景下,西北地区土壤蒸散量增加是作物减产的主要原因之一,作物用水效率在未来将会有不同程度的下降[32]。

华北、华中、华东和西南地区分布着我国三大主要粮食产区——黄淮海平原、长江流域和四川盆地,也是气候变化的敏感区[33]。这4个地区主要作物单产对升温的敏感性相似,每升温1℃减产2.6%~4.9%。其中华北地区（t=-4.2,P<0.001）和华中地区（t=-3.4,P=0.002）小麦减产趋势较显著,华中地区水稻单产变化存在不确定性。华东和西南地区小麦和水稻单产受升温影响均呈现减产趋势,但由于文献数据量较少,因此作物级别的回归模型结果均不显著。降水量增加对这4个地区作物单产影响以负效应为主,但不确定性较大。

模型结果表明温度升高情景下,华南地区作物单产下降,但该结果并不显著（P=-0.747),数据量较少可能是原因之一。此外,气候变化影响下,气候带加速北移,华南地区产量不稳定性增大,高产年和低产年概率明显增加[34],造成了单产预测值的较大波动。

我国不同地区不同作物对气候变化的响应不同（图2),RCP8.5情景下,除了华南地区,其他6个地区作物单产均呈现明显的下降趋势,降幅有所不同。东北和西北地区降幅最大且存在很大的不确定性,这种不确定性在华北地区的作物产量中也有体现。而华南、华东、华中和西南地区的作物产量变化呈现出了很好的集中趋势。此外,东北、华北和华东地区的单产变化在2020—2060年出现了正值,表明气候变化对这些地区的作物产量影响可能存在正效应。

图2

图2  RCP8.5情景下我国不同地区农作物单产的变化趋势

注：阴影部分表示通过95%的信度区间。

Fig. 2  The trend of crop yield change in different sub-regions of China under RCP8.5 (The curves represent 95% confidence levels)

3.2 气候变化冲击我国作物生产造成的经济影响

我国农业增加值占GDP的7.2%~9.6%[28],因此气候变化对农业的影响也会影响整体经济。本文估算了这种影响对我国经济的影响（图3)。RCP2.6的结果表明将升温限制在低排放情景下可以最大限度降低气候变化对农业的影响,同时在该排放情景下气候变化对经济系统可能产生正影响（-0.1%~0.8%)。然而,RCP4.5、RCP6.0和RCP8.5的结果表明,21世纪末（2090—2099年）气候变化造成的农业歉收对我国整体经济的负影响将分别达到2.0%（0.3%~3.8%)、3.6%（1.3%~5.7%)和9.7%（5.9%~13.6%)。

图3

图3  2020—2099年气候变化冲击我国作物生产造成的ERE预估值

注：阴影部分表示通过95%的信度区间。

Fig. 3  The estimation of economic ripple effects (ERE) caused by the impact of climate change on crop production in China from 2020 to 2099 (The shaded areas represent the 95% confidence levels)

ERE的变化趋势表明气候冲击农业对我国整体经济的影响将在2040年后开始迅速增加,且不同的RCP下差异明显。综合了所有RCP下的结果,本文估计了ERE作为DED函数的条件分布（表2),发现DED达到GDP的1%意味着ERE达到GDP的17.8%。这种响应近似于一个二次函数,具有高度统计学意义（R2=0.889)。该结果表明气候变化带来的整体经济下滑是不可忽视的,应该重视由单一部门损失导致的经济波及效应,它对GDP的影响远远大于直接经济损失。

表2  ERE作为DED函数的条件分布

Table 2  The distribution of ERE as a direct economic damage (DED) function

注：*表示P<0.10,**表示P<0.05,***表示P<0.01。

新窗口打开|下载CSV

类似影响的评价已在世界范围内开展,2080年后（SRES A2和B2情景）气候变化对农业的冲击会造成欧洲0.2%~1.0%的社会福利损失[35];2080—2099年美国的农业歉收将造成GDP下滑0.9%~1.5%[7];Dellink等[36]评价了2060年全球多个地区的气候变化冲击农业生产造成的经济影响,印度经济预计下滑约2.7%,非洲经济将下滑1.7%~1.8%。分别对比上述研究与同时期的中国经济影响可以发现,中国遭受的经济影响高于欧洲和美国,与印度和非洲相当。这表明发展中经济体遭受的影响更严重,因为这些国家由气候引发的作物单产损失更大[37],还因为其经济结构决定着农业在总产值中占有相对较高的比例[38]。因此,气候变化对不同国家产生的影响并不均衡[3],这种非均衡影响也可能存在于国家内,特别是对于纬度差异巨大的国家。

图4给出了中国七大地区经济波及影响的结果（负值代表获益),可见RCP2.6低排放情景下西北地区为正影响,这是由于该情景下西北地区的农业产量增加。然而,随着二氧化碳浓度的变化,气候变化对我国经济的正影响有限,且每个地区ERE的变化均出现了较大波动,尤其是东北和华南地区。与系统回顾和Meta回归分析结果类似,东北地区未来产量的大幅度下降也影响了当地经济,预计2080—2099年的ERE达到东北地区GDP的14.9%~66.0%。华南地区主要在RCP6.0尤其是RCP8.5下2060年之后ERE增速加快;然而,前期的研究中并未显示华南地区农业产出2060年后的明显下降（见图2)。因此,华南地区ERE的异常升高可归因于地区间的经济联系,即使该地区农业未遭受严重影响,其他地区供给和需求的变化也会反映在该地区,重创其整体经济[39]。

ERE的地区差异也反映在发达和欠发达地区。2080—2099年西南地区ERE比华东地区高2.8~8.5倍。美国县级尺度的研究也发现了类似的地区经济影响不均衡分布。欠发达地区的农作物歉收更为严重（图2),这将产生更大的经济影响;同时,由于发达地区的农业生产受变暖的影响较小,因此获得了更多的市场准入机会,而欠发达地区则可能面临更激烈的竞争并带来一定损失[3]。

图4

图4  2020—2099年气候变化冲击我国不同地区作物生产造成的ERE预估值

Fig. 4  The estimation of ERE caused by the impact of climate change on grain production in different sub-regions of China from 2020 to 2099

4 结论

本文在前期系列研究的基础上[17,24],系统回顾了我国三大作物（水稻、玉米、小麦）单产对气候变化的响应,并采用AMRIO模型,进一步评价了气候变化冲击我国七大地区作物产量造成的经济波及影响（ERE),同时分析了这一经济影响的空间分布不均衡等差异性特征,探索“气候变化—作物产量—经济影响”链式定量评价,结论如下。

(1)我国七大地区间作物单产受气候变化影响差异性显著。东北和西北地区作物单产对气候变化响应较敏感,每升温1℃,平均单产分别下降12.7%和6.9%;华北、华中、华东和西南地区次之,其减产趋势在2.6%/℃~4.9%/℃;华南地区作物响应程度并不显著。小麦单产对气候变化的响应最明显,其次是水稻和玉米。

(2)地区间的经济波及影响在气候变化经济影响的评价中不容忽视。气候变化引起的ERE约为DED的18倍。在RCP8.5高排放情景下,21世纪末作物产量下降引起的ERE（5.9%~13.6%）相当于基准年（2012年）我国农业总产出（7.2%~9.6%)。然而,在RCP2.6低排放情景下ERE对GDP的影响却降低至-0.1%~0.7%（负值表示收益)。因此,采取严格的减排措施可以获得巨大的经济收益[40]。

(3)我国七大地区遭受的经济影响受当地作物减产程度、当地产业结构以及与其他地区的产业联系关系密切。气候变化经济影响在我国地区间的分布并不均衡。东北地区由于作物减产较大从而承受了气候变化带来的大部分经济影响。2060年后,华南地区遭受的经济影响较为严重,但同期的农业生产没有明显下降趋势。因此,一个地区遭受经济影响有时不来源于当地作物减产,而是有可能来源于其他地区的经济波及影响。

(4)同时,气候变化对发达和欠发达地区的经济影响存在差异性,这一不平等在全球各国也普遍存在,似乎无法避免[41]。造成该现象的原因可能为区域间贸易可能会扩大不发达地区气候变化的经济影响。但是,开放的市场同时也能提高经济系统应对大规模负面冲击的能力[42]。

系统回顾方法和Meta回归分析受到数据收集的限制,大多数研究没有报告研究结果方差[4],这将导致系统回顾中缺乏可靠的数据;同时,本文并未考虑气候变化对森林生态系统、牲畜和农业劳动生产率的影响,因此文中结果并不是对气候变化农业影响的最终估计;此外,考虑CO2肥效的作物产量变化数据并未输入经济模型,虽然CO2肥效作用可以补偿由于变暖导致的作物减产,但是这种影响在现有的实验室研究和田间试验中可能被高估[43]。尽管存在上述局限性,但相比以往研究,本文旨在推动政府及相关决策者应当注意气候变化的总体后果,并在制定区域间气候减缓政策时考虑到其经济影响的差异性。

参考文献

[1]

WMO (World Meteorological Organization).

WMO statement on the state of the global climate in 2018

[R]. Geneva: WMO, 2019

[本文引用: 1]

[2]

Porter J R, Xie L, Challinor A J, et al. Food security and food production systems [M].

Cambridge:

Cambridge University Press, 2014

[本文引用: 1]

[3]

FAO (Food and Agriculture Organization).

The state of agricultural commodity markets 2018. Agricultural trade, climate change and food security

[R]. Rome: FAO, 2018

[本文引用: 3]

[4]

Challinor A J, Watson J, Lobell D B, et al.

A meta-analysis of crop yield under climate change and adaptation

[J]. Nature Climate Change, 2014, 4(4):287-291

DOI:10.1038/nclimate2153    URL     [本文引用: 5]

[5]

Knox J, Hess T, Daccache A, et al.

Climate change impacts on crop productivity in Africa and South Asia

[J]. Environmental Research Letters, 2012, 7(3):034032

DOI:10.1088/1748-9326/7/3/034032    URL     [本文引用: 3]

[6]

Xiong W, Conway D, Lin E, et al.

Future cereal production in China: the interaction of climate change, water availability and socio-economic scenarios

[J]. Global Environmental Change, 2009, 19(1):34-44

DOI:10.1016/j.gloenvcha.2008.10.006    URL     [本文引用: 2]

[7]

Hsiang S, Kopp R, Jina A, et al.

Estimating economic damage from climate change in the United States

[J]. Science, 2017, 356(6345):1362-1369

DOI:10.1126/science.aal4369    URL     [本文引用: 5]

[8]

Tol R S.

The economic impacts of climate change

[J]. Review of Environmental Economics and Policy, 2018, 12(1):4-25

DOI:10.1093/reep/rex027    URL     [本文引用: 1]

[9]

Yao F, Xu Y, Lin E, et al.

Assessing the impacts of climate change on rice yields in the main rice areas of China

[J]. Climatic Change, 2007, 80(3-4):395-409

DOI:10.1007/s10584-006-9122-6    URL     [本文引用: 1]

[10]

Challinor A J, Simelton E S, Fraser E D, et al.

Increased crop failure due to climate change: assessing adaptation options using models and socio-economic data for wheat in China

[J]. Environmental Research Letters, 2010, 5(3):034012

DOI:10.1088/1748-9326/5/3/034012    URL     [本文引用: 1]

[11]

周景博, 刘亮.

未来气候变化对中国小麦产量影响的差异性研究: 基于Meta回归分析的定量综述

[J]. 中国农业气象, 2018, 39(3):141-151.

[本文引用: 1]

Zhou J B, Liu L.

Study on the differences of the impact of future climate change on wheat yield in China: quantitative review based on Meta regression analysis

[J]. Chinese Journal of Agrometeorology, 2018, 39(3):141-151 (in Chinese)

[本文引用: 1]

[12]

解伟, 魏玮, 崔琦.

气候变化对中国主要粮食作物单产影响的文献计量Meta分析

[J]. 中国人口∙资源与环境, 2019, 29(1):79-85.

[本文引用: 2]

Xie W, Wei W, Cui Q.

The impacts of climate change on the yield of staple crops in China: a Meta-analysis

[J]. China Population, Resources and Environment, 2019, 29(1):79-85 (in Chinese)

[本文引用: 2]

[13]

Moore F C, Baldos U L C, Hertel T.

Economic impacts of climate change on agriculture: a comparison of process-based and statistical yield models

[J]. Environmental Research Letters, 2017, 12(6):065008

DOI:10.1088/1748-9326/aa6eb2    URL     [本文引用: 1]

[14]

Roson R, van Der Mensbrugghe D.

Climate change and economic growth: impacts and interactions

[J]. International Journal of Sustainable Economy, 2012, 4(3):270-285

DOI:10.1504/IJSE.2012.047933    URL     [本文引用: 1]

[15]

Mi Z, Meng J, Guan D, et al.

Chinese CO2 emission flows have reversed since the global financial crisis

[J]. Nature Communications, 2017, 8(1):1-10

DOI:10.1038/s41467-016-0009-6    URL     [本文引用: 3]

[16]

孙茹, 韩雪, 潘婕, 等.

全球1.5℃和2.0℃升温对中国小麦产量的影响研究

[J]. 气候变化研究进展, 2018, 14(6):573-582.

[本文引用: 1]

Sun R, Han X, Pan J, et al.

The impact of 1.5℃ and 2.0℃ global warming on wheat production in China

[J]. Climate Change Research, 2018, 14(6):573-582 (in Chinese)

[本文引用: 1]

[17]

Schlenker W, Roberts M J.

Nonlinear temperature effects indicate severe damages to US crop yields under climate change

[J]. Proceedings of the National Academy of Sciences, 2009, 106(37):15594-15598

DOI:10.1073/pnas.0906865106    URL     [本文引用: 2]

[18]

Liu Y, Li N, Zhang Z, et al.

The central trend in crop yields under climate change in China: a systematic review

[J]. Science of The Total Environment, 2020, 704:135355

DOI:10.1016/j.scitotenv.2019.135355    URL     [本文引用: 1]

[19]

Collaboration for Environmental Evidence.

Guidelines for systematic review and evidence synbook in environmental management, version 4.2

[M]. Bangor: Centre for Evidence-Based Conservation, 2013

[本文引用: 1]

[20]

Hallegatte S.

An adaptive regional input-output model and its application to the assessment of the economic cost of Katrina

[J]. Risk Analysis: An International Journal, 2008, 28(3):779-799

DOI:10.1111/risk.2008.28.issue-3    URL     [本文引用: 1]

[21]

Hallegatte S.

Modeling the role of inventories and heterogeneity in the assessment of the economic costs of natural disasters

[J]. Risk Analysis, 2014, 34(1):152-167

DOI:10.1111/risa.12090    PMID:23834029     [本文引用: 1]

Estimates of the cost of potential disasters, including indirect economic consequences, are an important input in the design of risk management strategies. The adaptive regional input-output (ARIO) inventory model is a tool to assess indirect disaster losses and to analyze their drivers. It is based on an input-output structure, but it also (i) explicitly represents production bottlenecks and input scarcity and (ii) introduces inventories as an additional flexibility in the production system. This modeling strategy distinguishes between (i) essential supplies that cannot be stocked (e.g., electricity, water) and whose scarcity can paralyze all economic activity; (ii) essential supplies that can be stocked at least temporarily (e.g., steel, chemicals), whose scarcity creates problems only over the medium term; and (iii) supplies that are not essential in the production process, whose scarcity is problematic only over the long run and are therefore easy to replace with imports. The model is applied to the landfall of Hurricane Katrina in Louisiana and identifies two periods in the disaster aftermath: (1) the first year, during which production bottlenecks are responsible for large output losses; (2) the rest of the reconstruction period, during which bottlenecks are inexistent and output losses lower. This analysis also suggests important research questions and policy options to mitigate disaster-related output losses.© 2013 Society for Risk Analysis.

[22]

李宁, 张正涛, 陈曦, 等.

论自然灾害经济损失评估研究的重要性

[J]. 地理科学进展, 2017, 36(2):256-263.

DOI:10.18306/dlkxjz.2017.02.011     [本文引用: 1]

本文就当前国内外对灾害经济损失的认识、损失评估在灾害管理中的重要作用、灾害直接经济损失和间接经济损失评估存在的问题进行了综合分析,论证了灾害损失评估研究的重要性,区分了直接损失和间接损失的差异,阐述了间接损失评估的必要性和可行性。研究结果表明,直接损失和间接损失的评估同等重要、通过合理的评估方法得到的直接和间接损失的评估结果既是防灾减灾的迫切需求,也有利于提高防灾减损的管理水平。灾害学与经济学相结合是有效改进评估方法并提高灾害经济损失评估水平的有效途径。

Li N, Zhang Z T, Chen X, et al.

Importance of economic loss evaluation in natural hazard and disaster research

[J]. Progress in Geography, 2017, 36(2):256-263 (in Chinese)

[本文引用: 1]

[23]

Hallegatte S, Ranger N, Mestre O, et al.

Assessing climate change impacts, sea level rise and storm surge risk in port cities: a case study on Copenhagen

[J]. Climatic Change, 2011, 104(1):113-137

DOI:10.1007/s10584-010-9978-3    URL     [本文引用: 1]

[24]

Zhang Z, Li N, Xu H, et al.

Analysis of the economic ripple effect of the United States on the world due to future climate change

[J]. Earth’s Future, 2018, 6(6):828-840

DOI:10.1029/2018EF000839    URL     [本文引用: 2]

[25]

Liu Y, Li N, Zhang Z, et al.

Climate change effects on agricultural production: the regional and sectoral economic consequences in China

[J]. Earth’s Future, 2020, 8(9): e2020EF001617

[本文引用: 1]

[26]

Mendoza-Tinoco D, Guan D, Zeng Z, et al.

Flood footprint of the 2007 floods in the UK: the case of the Yorkshire and the Humber region

[J]. Journal of Cleaner Production, 2017, 168:655-667

DOI:10.1016/j.jclepro.2017.09.016    URL     [本文引用: 1]

[27]

张正涛, 崔鹏, 李宁, 等.

武汉市“2016.07.06”暴雨洪涝灾害跨区域经济波及效应评估研究

[J]. 气候变化研究进展, 2020, 16(4):433-441.

[本文引用: 1]

Zhang Z T, Cui P, Li N, et al.

Research on the assessment of the multi-regional economic ripple effect caused by disasters: a case study of a flood disaster in Wuhan city on July 6, 2016

[J]. Climate Change Research, 2020, 16(4):433-441 (in Chinese)

[本文引用: 1]

[28]

NBSC(National Bureau of Statistics of China).

China statistical yearbook 2019

[M]. Beijing: National Bureau of Statistics of China, 2019

[本文引用: 2]

[29]

MOA (Ministry of Agriculture of the People’s Republic of China).

China agriculture yearbook 2013

[M]. Beijing: Ministry of Agriculture of the People’s Republic of China, 2013

[本文引用: 1]

[30]

Tao F, Zhang Z.

Impacts of climate change as a function of global mean temperature: maize productivity and water use in China

[J]. Climatic Change, 2011, 105(3-4):409-432

DOI:10.1007/s10584-010-9883-9    URL     [本文引用: 1]

[32]

Kang Y, Ma X, Khan S.

Predicting climate change impacts on maize crop productivity and water use efficiency in the loess plateau

[J]. Irrigation and Drainage, 2014, 63(3):394-404

DOI:10.1002/ird.v63.3    URL     [本文引用: 1]

[33]

Xiong W, Conway D, Lin E, et al.

Potential impacts of climate change and climate variability on China’s rice yield and production

[J]. Climate Research, 2009, 40(1):23-35

DOI:10.3354/cr00802    URL     [本文引用: 1]

[34]

姚凤梅, 张佳华, 孙白妮, 等.

气候变化对中国南方稻区水稻产量影响的模拟和分析

[J]. 气候与环境研究, 2007, 12(5):659-666.

[本文引用: 1]

Yao F M, Zhang J H, Sun B N, et al.

Simulation and analysis of effects of climate change on rice yields in southern China

[J]. Climatic and Environmental Research, 2007, 12(5):659-666 (in Chinese)

[本文引用: 1]

[35]

Ciscar J C, Iglesias A, Feyen L, et al.

Physical and economic consequences of climate change in Europe

[J]. Proceedings of the National Academy of Sciences, 2011, 108(7):2678-2683

DOI:10.1073/pnas.1011612108    URL     [本文引用: 1]

[36]

Dellink R, Lanzi E, Chateau J.

The sectoral and regional economic consequences of climate change to 2060

[J]. Environmental and Resource Economics, 2019, 72(2):309-363

DOI:10.1007/s10640-017-0197-5     [本文引用: 1]

This paper presents a new detailed global quantitative assessment of the economic consequences of climate change (i.e. climate damages) to 2060. The analysis is based on an assessment of a wide range of impacts: changes in crop yields, loss of land and capital due to sea level rise, changes in fisheries catches, capital damages from hurricanes, labour productivity changes and changes in health care expenditures from diseases and heat stress, changes in tourism flows, and changes in energy demand for cooling and heating. A multi-region, multi-sector dynamic computable general equilibrium model is used to link different impacts until 2060 directly to specific drivers of economic growth, including labour productivity, capital stocks and land supply, as well as assess the indirect effects these impacts have on the rest of the economy, and on the economies of other countries. It uses a novel production function approach to identify which aspects of economic activity are directly affected by climate change. The model results show that damages are projected to rise twice as fast as global economic activity; global annual Gross Domestic Product losses are projected to be 1.0-3.3% by 2060. Of the impacts that are modelled, impacts on labour productivity and agriculture are projected to have the largest negative economic consequences. Damages from sea level rise grow most rapidly after the middle of the century. Damages to energy and tourism are very small from a global perspective, as benefits in some regions balance damages in others. Climate-induced damages from hurricanes may have significant effects on local communities, but the macroeconomic consequences are projected to be very small. Net economic consequences are projected to be especially large in Africa and Asia, where the regional economies are vulnerable to a range of different climate impacts. For some countries in higher latitudes, economic benefits can arise from gains in tourism, energy and health. The global assessment also shows that countries that are relatively less affected by climate change may reap trade gains.

[37]

O’neill B C, Kriegler E, Ebi K L, et al.

The roads ahead: narratives for shared socioeconomic pathways describing world futures in the 21st century

[J]. Global Environmental Change, 2017, 42:169-180

DOI:10.1016/j.gloenvcha.2015.01.004    URL     [本文引用: 1]

[38]

Cui H, Kuiper M, Van Meijl H, et al.

Climate change and global market integration: implications for global economic activities, agricultural commodities, and food security

[R]. Rome: the State of Agricultural Commodity Markets (SOCO), Background paper, 2018

[本文引用: 1]

[39]

OECD(Organization for Economic Co-operation and Development). The economic consequences of climate change [M].

Paris:

OECD Publishing, 2015

[本文引用: 1]

[40]

Burke M, Davis W M, Diffenbaugh N S.

Large potential reduction in economic damages under UN mitigation targets

[J]. Nature, 2018, 557(7706):549-553

DOI:10.1038/s41586-018-0071-9    URL     [本文引用: 1]

[41]

Mendelsohn R, Dinar A, Williams L.

The distributional impact of climate change on rich and poor countries

[J]. Environment and Development Economics, 2006, 11(2):159-178

DOI:10.1017/S1355770X05002755    URL     [本文引用: 1]

[42]

Baldos U L, Hertel T W, Moore F C.

Understanding the spatial distribution of welfare impacts of global warming on agriculture and its drivers

[J]. American Journal of Agricultural Economics, 2019, 101(5):1455-1472

DOI:10.1093/ajae/aaz027     [本文引用: 1]

This paper explores the interplay between the biophysical and economic geographies of climate change impacts on agriculture. It does so by bridging the extensive literature on climate impacts on yields and physical productivity in global crop production, with the literature on the role of adaptation through international trade in determining the consequences of climate change impacts. Unlike previous work in this area, instead of using a specific crop model or a set of models, we employ a statistical meta-analysis that encompasses all studies available to the IPCC-AR5 report. This permits us to isolate specific elements of the spatially heterogeneous biophysical geography of climate impacts, including the role of initial temperature, differential patterns of warming, and varying crop responses to warming across the globe. We combine these climate impact estimates with the Global Trade Analysis Project model of global trade in order to estimate the national welfare changes that are decomposed into three components: the direct (biophysical impact) contribution to welfare, the terms of trade effect, and the allocative efficiency effect. We find that when we remove the spatial variation in climate impacts, the terms of trade impacts are cut in half. Given the inherent heterogeneity of climate impacts in agriculture, this points to the important role of trade in distributing the associated welfare impacts. When we allow the biophysical impacts to vary across the empirically estimated uncertainty range taken from the meta-analysis, we find that the welfare consequences are highly asymmetric, with much larger losses at the low end of the yield distribution. This interaction between the magnitude and heterogeneity of biophysical climate shocks and their welfare effects highlight the need for detailed representation of both in projecting climate change impacts.

[43]

Long S P, Ainsworth E A, Leakey A D B, et al.

Food for thought: lower-than-expected crop yield stimulation with rising CO2 concentrations

[J]. Science, 2006, 312(5782):1918-1921

DOI:10.1126/science.1114722    URL     [本文引用: 1]

相关知识

气候变化对中国南方水稻产量的经济影响及其适应策略
凌霄花花卉与气候变化影响评价研究
NASA研究揭示气候变化及其对作物生长的环境影响
气候变化对植物的影响精选(九篇)
气候变化和人类活动对开都河上游径流量的影响评价
中国严寒地区国土空间规划气候适应性评价清单
改善气候变化的措施范文
新疆棉花产量受气候变化影响分析
气候变化对区域水循环系统影响的研究进展
粮食生产系统对气候变化的响应: 敏感性与脆弱性

网址: 中国七大地区“气候变化—作物产量—经济影响”综合评价 https://m.huajiangbk.com/newsview384543.html

上一篇: 中国科学院机构知识库网格系统:

下一篇: 母亲节将至，10元一大扎康乃馨哪