推文人 | 李静 

 

原文信息：

 

Chen, S., & Gong, B. (2021). Response and adaptation of agriculture to climate change: evidence from China. Journal of Development Economics, 148, 102557.

图片来源：网络

 

01 问题的提出

 

缓解和适应是减少气候变化风险的重要工具。在缓解方面，全球许多国家就减少和遏制全球温室气体排放达成了国际气候谈判和协议。然而，在适应方面，制定了减少气候变化脆弱性的战略原则，而不是操作的政策。农业是最容易受到气温上升影响的部门之一，并直接受到气候变化的影响。 因此，更清楚地了解气候变化如何影响农业的机制以及长期适应抵消的程度，有助于设计更好的农业和气候政策。

 

农业领域的早期研究通常利用平均温度和降水的横截面变化来检验它们与各地产量的关系。横断面范式通常使用横断面变异来比较不同气候地区的结果(Schelenker et al., 2006; Wang et al., 2009)。 但该范式遗漏内生性变量造成偏差等，新研究通常使用面板回归方法(Dell et al., 2012; Chen et al., 2016)。Burke和Emerick(2016)开发了一种长期差异（Long differences estimates）方法，并利用面板估计和长期差异估计之间的差异来量化农业适应。

 

在农业适应的经济结果方面，现有的研究主要集中在土地价值 (Mendelsohn et al., 1994) 或作物产量(Schlenker and Roberts, 2009)的角度。近年来，许多研究旨在评估气候变化对农业生产力的影响，其中农业生产力指的是产量(土地生产力)。Ruttan(2002)总结说，农业生产率的比较研究过去主要针对单一/部分要素生产率(如劳动生产率或土地生产率)的度量，近年来主要针对全要素生产率(TFP)的度量，更好地衡量了农业部门的技术进步和技术效率(Gong, 2020)。

 

近年来，各地农业投入组合更加多元化，土地生产力与全要素生产率的差距进一步扩大。因此，除了对产量的影响之外，还需要研究气候变化对TFP的影响，这在文献中研究相对较少。此外，研究全要素生产率对气候变化的响应有助于确定气候变化最终如何影响产量的机制。除了少数例外（例如 Aragon et al., 2020），大多数现有研究（Schlenker and Roberts, 2009; Burke and Emerick, 2016）估计气候变化对产量的总体影响，而不是将产量变化分解为全要素生产率的变化以及基于生产力分析的其他投入的变化。了解气候变化如何通过其对全要素生产率和投入利用的影响来影响产量有助于更好地分析公约协定中的适应行为，并阐明未来农业生产的适应。

 

除了少数例外（Welch et al., 2010; Lobell et al., 2011; Chen et al., 2016; Zhang et al., 2017），大多数检查气候变化对农业影响的经济分析都更多地关注发达国家。然而，农业的发展在发展中国家可能更为重要，因为它是实现减贫和可持续发展的重要而独特的工具（Thirtle et al., 2003; Mondiale, 2008; Zhang et al., 2020）。这种影响在大多数地区很可能是负面的，而且由于缺乏资金和技术，在发展中国家更难适应或预防。因此，气候变化对发展中国家农业生产的影响值得研究，这将有助于更好地推动气候和产业政策的向前发展。

 

本文旨在评估中国农业全要素生产率对气候变化的响应和适应，中国是全球最大的排放国和最大的发展中国家，拥有最大的农业经济和人口。中国的减排政策旨在通过产业结构调整、能源消费结构优化、能效提升、固碳能力提升、碳交易试点等方式降低温室气体排放强度。到2017年，中国的碳强度比2005年下降了46%左右。在适应政策方面，除了中国国家气候变化规划，我们还没有找到国家层面专门针对农业适应气候变化的政策。但是，其他一些政策，如“一免三补”政策，不仅是为了保障粮食安全、增加农民收入，而且是为了提高农业对气候变化的适应能力。这是因为它们不仅鼓励创新和采用可以减少生产力损失的耐热和抗旱物种，而且还鼓励对农业进行更多投资。了解这些政策如何通过生产力和投入利用等两个渠道在全球变暖的背景下减轻农业损失，对于制定更有效的适应政策具有重要意义。因此，本文还旨在通过气候变化对全要素生产率和投入利用的影响来确定气候变化影响产量的机制，以及中国农民的适应行为机制。

 

本文对现有文献主要有三个方面的贡献。首先，同时采用产量和全要素生产率来估计气候变化对农业的影响，后者是更好地衡量农业生产率，但在气候变化文献中研究不足。其次，据作者所知，这是第一篇文章，不仅确定了气候变化通过其对全要素生产率和投入利用的影响来影响产量的机制，而且还确定了适应行为机制。第三，基于35年的长期研究和县级特定空间格局，本文提供了一些最早的关于中国农业非线性温度效应和显著适应行为的实证证据。

 

02 理论分析及提出假说

 

根据C-D生产函数，气候变化可能通过两个途径影响产量：对各种投入品的影响和对全要素生产率的影响。假设农民根据以前的天气条件在t年选择最佳投入组合和合适的技术。一方面，即使投入利用率保持不变，极端高温也可能导致农业产量下降，因为炎热天气会影响作物的正常生长并降低其他投入的生产效率。这可能导致全要素生产率对气候变化的负面反应，从而提出第一个假说：

 

假说 1：气候变化在短期内对TFP有负面影响。

 

另一方面，当遭受极端高温时，农民可能会减少户外耕作活动，从而导致劳动力投入减少，从而在短期内减少肥料的施用。同时，农民在短期内改变资本存量的能力可能有限，例如购买新机器以替代劳动力。结果，投入组合不再是最优的，并且由于气候变化导致对农业产量的负面影响。据此，本文提出第二个假说：

 

假说 2：气候变化对劳动力和化肥利用率有负面影响，但短期内对资本存量（机械）无显著影响。

 

此外，考虑到前两个假设和生产函数，气候变化对产量的影响比对全要素生产率的影响更负面。提出第三个假说

 

假说 3：短期内气候变化对产量的负面影响大于对全要素生产率的负面影响。

 

除了应对气候变化外，本文还旨在分析农业对气候变化的长期适应。再次，农业适应机制可以用C-D生产函数来说明。一方面，在全球变暖的背景下，农民可能会采用耐热类型的作物，研究机构可能会发明更好地适应炎热天气的新品种，从而减少气候变化对农业全要素生产率的负面影响。据此，本文提出第四个假说：

 

假说4：长期来看，气候变化对TFP的负面影响小于短期，这意味着TFP的适应。

 

另一方面，从长远来看，当炎热天气更频繁发生时，农民可能会找到更多方法来抵御炎热天气，例如预防中暑的新药或者在黎明、黄昏时更多地工作，而不是在炎热的白天。这些适应可以减少气候变化对劳动力供应的负面影响，从而减少对施肥应用的负面影响。此外，从长远来看，农民可能会更多地投资于机械以解决劳动力短缺问题。因此，第五个假说是：

 

假说 5：从长远来看，气候变化对劳动力和化肥利用的负面影响较小，而对资本存量（机械）产生积极影响，这意味着所有三种投入都进行了适应。

 

考虑到第四个和第五个假说，以及生产函数，气候变化对长期产量的负面影响小于短期，提出第六个假说：

 

假说6 ：气候变化对产量的长期负面影响小于短期，这意味着对产量的适应。

 

最后，产量的适应大于全要素生产率的适应，因为农民也可以调整他们的投入组合以适应气候变化。因此，本文提出第七个假说：

 

假说7：产量的适应大于全要素生产率的适应。

 

除了这七个假说外，从长远来看，气候变化对产量的响应是否大于或小于对全要素生产率的响应尚不清楚。如果所有三个投入的适应度都非常小，这意味着气候变化对产量的负面影响将比长期对TFP的影响更大，类似于短期的情况。然而，如果所有三种投入的适应度都相当大，那么从长远来看，气候变化对产量的负面影响将小于对全要素生产率的负面影响。

 

综上所述，本文预测，在短期内，气候变化 1) 对劳动力和化肥利用率产生负面影响，但对资本存量（机械）没有显著影响，以及2)对TFP产生负面影响，对产量的影响并产生更负面的影响。从长远来看，我们预计三种投入都存在适应，产量的适应大于全要素生产率的适应（如图1）。

 

 

03 模型构建

 

采用随机前沿分析估算农业TFP。采用Schlenker and Roberts (2009)引入的面板方法来估计全球变暖对农业的短期影响（包括投入利用、TFP 和产量），以及Burke and Emerick (2016) 开发的长期差异方法（ 2016）来估计长期影响。最后，面板估计和长差估计之间的差异可以得出研究期间的气候适应。

 

04 数据来源

 

本研究使用的数据有两个来源。一方面，利用2495个县1981-2015年特定农业投入产出的国家统计年鉴面板数据。2495个县的不平衡县级面板，共71047个观测数据。该数据集每年包括每个县的农业产量、土地、劳动力、化肥和机械。由于本文旨在确定气候变化如何通过各种渠道影响产量，因此遵循有关中国农业投入和产出选择的文献（例如Wang et al., 2016）。产出变量是农业单产。投入分为三大类：劳动力（每公顷农业劳动力）、肥料（每公顷氮、磷、钾和复合肥的总重量）和机械（每公顷总功率千瓦）。当规模报酬不变假设放宽时，本文遵循Sheng et al. (2019)将土地加入生产函数。

 

另一方面，本文收集了隶属于中国国家气象信息中心的中国气象数据服务中心（CMDC）的天气数据。CMDC 每天记录中国 820 个气象站的天气信息，包括最低、最高和平均温度、降水、相对湿度、风速以及日照时数。本文使用反距离加权 (IDW) 方法匹配农业数据集中包含的 2495个县的天气数据，该方法在现有研究中广泛用于估算天气或污染数据(Schlenker and Walker, 2015)。对于2495个县中的每一个，该方法计算该县质心一定半径内所有气象站的加权平均值，其中反距离的平方是权重。本文选择100km作为阈值半径，结果对不同半径具有稳健性。

 

05 实证结果

 

一、TFP结果

 

农业生产力在 1980 年代初实现了显著提高，随后在 1980 年代末显著下降。TFP 随后在 1990 年代取得了显著改善，但自 21 世纪初以来逐渐失去动力。这种趋势与文献中的发现一致（例如Lin, 1992; Pratt et al., 2008）。此外，其他三个TFP 指标都证实了 TFP 趋势随时间推移的稳健性。

 

二、面板结果

 

农业和气象文献（例如，Baskerville and Emin, 1969; Roltsch et al., 1999; Dai et al., 2014）一般将GDD 分为三个部分：负积温（GDD 低于 0度）、无效积温（GDD 在0-10℃）和活动积温（GDD 10度以上）。由于GDD 10℃以上对农业有利，我们选择10摄氏度作为温度下界l0。值得注意的是，当选择 0摄氏度作为替代的温度下界时，所有的后续发现仍然成立。为了确定阈值 l1，循环了所有可能的阈值，范围从 25-40 摄氏度，其中 33摄氏度似乎是最合适的。因此，选择33摄氏度作为基线阈值，而在稳健性检查中使用了32和34摄氏度。除了l0 和 l1 的定义之外，农业 TFP 是由一年中的任何原因决定的，而不是特定的生长季节，因此汇总了全年的每日暴露以构建 GDD。模型中控制所有控制变量的结果（表3中的第五列）额外的一天在 33℃以上的温度下全年累积暴露一天，表明农业TFP预计将线性下降 2.6%。预计一年中如果在 33 摄氏度以上的温度下连续暴露1天，产量将下降4.4%。相对于对农业全要素生产率的这种影响，极端高温对产量的负面影响要高出近 71%。

 

三、长期估计

 

在 Burke and Emerick (2016)的建议下，本文选择5年的差异作为基线并报告估计结果。在1981-2015 年的研究期间，5年差异由最早的 5年期间 1981-1985 的平均值与最近 5 年期间 2011-2015 的平均值之间的差异给出。与面板估计类似，长期差异方法也揭示了当温度超过转折点时的倒 U形非线性，并且使用各种 TFP 估计得出的结果是稳健的。测算表明，全年多暴露1天气温高于33度，长期来看，中国农业全要素生产率下降近1.6%。从长远来看，预计产量会下降 2.3%。由于研究时间跨度为 35 年，还将构建10年和15年的差异估计作为稳健性检验。

 

四、适应性

 

由于长期差异估计说明了农民在研究期间对长期气候变化的适应，面板估计给出的短期响应与长期差异估计给出的长期估计之间的差异反映了最近的气候适应。长期适应分别抵消了极端高温对中国农业产量和农业全要素生产率的短期影响的46.8%和37.9%。

 

值得注意的是，本文只有中国 820 个气象站的天气记录，因此使用 IDW 方法匹配这 2495 个县的天气数据，其中选择100公里作为阈值半径。为了检查本文在不同阈值半径下估计的敏感性，仅对有一个或多个气象站的县进行回归。此外，还分别使用 50km、150km 和 200km 作为阈值半径运行回归。除了点估计之外，还通过boostrap程序进一步量化了气候适应的不确定性。

 

五、机制和其他解释

 

产量和 TFP 响应之间的差异是由于气候变化对投入利用的影响。极端高温对劳动力和肥料有显著的负面影响，但在短期内对机械没有显著影响。但从长远来看，劳动力和化肥的使用正在逐渐恢复，在炎热的天气里，机器的使用越来越多地取代了劳动力。七个假设都得到了支持。总而言之，对产量的影响是对投入使用的影响和对 TFP 的影响的结合。短期内，极端高温对劳动力、化肥、TFP 产生负面影响，导致短期内对产量的负面影响更大。从长远来看，投入利用和全要素生产率的适应都得到了验证，因此导致了更大的产量适应。

 

06 讨论与结论

 

大多数现有文献都基于对短期响应的估计来量化气候变化对经济结果的影响，而没有考虑从长远来看可能减轻短期响应的适应行为。最近的一些研究通过估计和比较短期和长期响应来捕捉这种对气候变化的长期调整。然而，了解响应和适应的机制是对公共政策更重要的投入。以农业为例，通过对全要素生产率和投入物利用的影响，确定气候变化如何影响产量的机制，以及农民如何适应这些影响的机制，可以为应对气候变化提供更多有用的信息。

 

本文利用 1981-2015 年 2495 个县的全年面板数据发现，极端炎热天气对农业 TFP 有负面影响，在短期内对产量的负面影响更大，因为TFP 和产量预计线性下降2.6% 和 4.4%，全年分别增加33 ℃以上的1 天累积暴露量。对TFP 和产量的影响之间的差异是由于极端炎热天气对劳动力和肥料使用的负面影响。

 

本文发现了 TFP 和所有三个投入的显著适应，这带来了更大的产量适应。长期适应似乎减轻了 TFP 短期影响的 37.9%（95%CI，5.3%-54.8%）。此外，中国农民缓解了极端炎热天气导致的劳动力和肥料减少，并使用更多机器来代替劳动力短缺。TFP 和投入中的所有这些适应行为共同显著抵消了46.8%（95% CI，30.2-58.0%）的短期产量影响。长期抵消的存在表明，根据先前文献中的面板估计，可能高估了气候变化的负面影响（Chen et al., 2016; Zhang et al., 2017）。根据，未来农业气候适应将通过两条途径产生：农业全要素生产率的适应和农业投入组合的适应。因此，政府应该制定更多的政策来促进技术变革和提高农业生产力。同时，机械购置补贴、农业保险等政策工具，也是推动农业投资的重要手段。

 

尽管气候适应正在发生，但考虑到一半以上的短期影响仍然存在，未来全球变暖仍可能对中国的农业生产力产生相当大的负面影响。此外，本文基于更长数据集重申的非线性提醒人们，长期来看气候变化的危害会不成比例地加剧，而长期来看适应度会下降。这意味着越早采取缓解措施，政策效果就会越好。除了应对气候变化的政策外，在看似不可避免的农业减产背景下，政府还必须制定相关政策以减少福利损失。

 

本文有一些值得强调的局限性。首先，劳动力边际的投入调整因缺乏工作时间数据而无法完全捕捉，本文估计很可能是气候变化对劳动力投入影响的下限。这意味着气候变化对劳动力投入的负面影响可能比本文预测的还要大。其次，由于本文没有样本期完整的商品县级数据，没有将农业的影响机制进一步分解为对种植方式变化的影响和对每种农产品的影响。未来的研究有必要更好地了解商品层面的机制。

 

Abstract

 

This article aims to identify the mechanism of how climate change affects agriculture through various channels and the mechanism of longer-run adaptation. Using a county-pane; dataset spanning the past 35 years, we evaluate the impact of global warming on agricultural total factor productivity (TFP) as well as the impacts on agricultural inputs and outputs in China. Results show that, in the short run, extreme heat has negative effects on China’s agricultural TFP and input utilization, which results in a more negative effect on agricultural output measured by yield. However, longer-run adaptation has offset 37.9% of the short-run effects of extreme heat exposure on TFP, while climate adaptation mitigates agricultural output loss to a greater extent due to more flexible adjustment in labor, fertilizer, and machines in the long run. Despite the detected climate adaptation, projections of impacts under future climate change scenarios still imply a substantial loss in China’s agriculture.