氣候變化對農作物生產力與種植結構的影響
——基于DNDC-CGE模型的仿真研究

袁 鋒，于 冷，趙子健

（上海交通大學安泰經濟與管理學院，上海 200030）

氣候變化對農作物生產力與種植結構的影響
——基于DNDC-CGE模型的仿真研究

袁 鋒，于 冷，趙子健

（上海交通大學安泰經濟與管理學院，上海 200030）

農業作為“靠天吃飯”的行業，氣候變化勢必對農作物的生產力與種植結構產生深刻影響。結合增溫、降水減少和二氧化碳濃度增加進行情景設定，并通過所構建的中國地區DNDC－CGE模型開展仿真。研究發現，氣候變暖將促使大多數農作物（如玉米、水稻、甘蔗等）的單產增加，但市場的供求規律將使得相關農產品價格逆向浮動，進而改變農戶種植行為，促使他們將大量農地挪用于種植其他價高作物；降水減少使得甘蔗、馬鈴薯等單產減少，且水稻和谷物的種植面積、價格與行業增加值下降；二氧化碳濃度提高將使得絕大多數農作物的產量得到正向提升，僅不利于纖維作物增產。總體而言，氣候變化有利于中國整體的GDP增長。

種植結構；氣候變化；CO2肥效作用；DNDC-CGE模型

自20世紀70年代以來，人類對地球的深度開發導致溫室氣體排放迅速增加，造成全球溫度顯著上升，成為氣候變化最為重要的特征。IPCC第五份全球氣候變化綜合報告指出，1880—2012年之間的大氣平均溫度上升0.65～1.06℃，并預期21世紀末全球表面溫度變化可能超過1.5℃［1］。農業作為“靠天吃飯”的行業，溫度變化勢必對農作物的生產力（即單產）與種植結構產生深刻影響。溫度持續快速上升的結果可能是破壞性的，如Lin［2］就明確指出農作物產量會因此受到沖擊，導致農產品行業的巨大損失。但有限增溫對農業產生的影響并不明確，對于某些農作物而言，溫度上升有助于縮短其發育周期，并提高產量。單產的變化必然引起種植結構的轉變。改革開放以來，既有的溫度上升已使得我國種植北界持續北推，且水稻種植比例下降，玉米種植比例增加，而小麥比重起伏不定［3］。可以確信的是，進一步的氣候變化勢必繼續影響主要作物產量以及種植結構。

降水變化也會對農作物產量發生影響，降水增加的年份可以通過減少灌溉來防止澇災發生，但干旱氣候下缺水地區農業的減產無可避，由此在降水模擬上尤其需要注意干旱發生。近年來，我國干旱現象頻發，根據國家氣候中心網發布的極端天氣氣候時間統計，2004年中期到2010年末的干旱發生占到氣候災害的15%［4］，這進一步從現實層面提高了探討干旱的意義。

此外，還有一個要素需要納入考量，即CO2濃度上升。CO2濃度上升有助于提高農作物產量，發揮顯著的肥效作用。國內學者也注意到了這一問題，如黃德林等［5］發現考慮二氧化碳肥效作用之后，氣候變化對中國經濟的影響將由負轉正。

基于此，本研究設計多種氣候變化情景，利用反硝化—反分解（DeNitrification—DeComposition，DNDC）模型仿真氣候變化對主要農作物單產可能產生的沖擊，同時耦合可計算一般均衡模型（Computable General Equilibrium，CGE）模擬不同氣候條件下農作物單產變化對我國農業種植結構的影響。

1 氣候變暖對農業生產的影響研究概況

由于全球變化趨勢愈發明顯，由此對農業生產的各種效應得到了學界的高度重視。在增溫效應方面，Walthall等［6］比較了溫度與降水、極端等天氣事件對美國農林業的影響差異，指出溫度在植物授粉期的變化對植物生長的影響最大，溫度上升可能引起植物過早成熟，有助于實現作物一年多熟，但溫度較高幅度的上升會對農作物生長造成限制作用；Gohari等［7］使用隨機模型評估了扎因達魯德流域4種農作物受到溫度變化的具體影響，發現4種作物的種植周期都有所縮短，產量在溫度持續上升超過一定限度后開始下降，且玉米、水稻對溫度變化最為敏感；Hatfield等［8］的研究也取得類似結論。以我國為對象的研究也在陸續開展中，孫芳［9］通過設定不同氣候情景進行仿真模擬，發現氣候變暖將導致北方水稻種植比例增加、小麥減少以及西部玉米種植增加等結構性調整；劉穎杰［10］通過對前50年數據的分析，發現溫度上升使得東北地區產量增加，西北、西南地區產量減少，而華東、中南地區產量變化不明顯；云雅如［11］進一步發現溫度上升增加了東北地區的水稻種植面積，但減少了小麥種植面積；宋艷玲等［12］以1953—2000年新疆地區的種植情況為研究對象，發現溫度上升會促使棉花種植比例大幅提高。

在干旱效應方面，方強飛［13］研究發現干旱對冬小麥的影響較春小麥更嚴重，且干旱對不同地區的影響存在差異，北方受到的影響較嚴重；徐建文等［14］通過搜集歷史數據，進而使用DSSAT模型仿真干旱對冬小麥生育階段的影響，發現北方地區減產明顯，由此斷定干旱將對部分農作物的產量有不利的影響。降水與q氣溫也會產生協同效應，如劉曉英等［15］模擬了溫度上升1～4℃情形下華北地區農作物需水量的變動，發現冬小麥需求增幅最大，棉花次之，而夏玉米最小。

在CO2肥效方面，劉穎杰［10］發現CO2濃度上升對不同地區玉米生產有差異化作用，尤其是高濃度情景下，華北地區玉米呈現增產趨勢；王慧貞［16］通過中國北方FACE系統平臺對不同CO2濃度情景進行了模擬，發現水稻對CO2的反應最為積極，產量出現增加的趨勢；王晨光［17］指出高濃度CO2會促進冬小麥的光合能力，有助于積累更多有機物從而實現增產。

以上研究絕大多數隸屬于自然科學領域，依托歷史氣象資料、農業實際數據進行相關分析，以此探討氣候變化對于種植情況的影響。由于背景條件的差異，不同研究者的結論不盡相同。為了得到一個更為系統的結論，本研究從機理模型出發，將自然科學模型與經濟系統模型相互耦合形成模擬平臺，形成了獨特的研究方式，具有重要的理論意義。具體而言，利用DNDC這一生物地球化學模型測度氣候變化帶來的農作物生產力變化，并將其作為產量異動沖擊引入CGE模型，進而分析種植結構變化，為社會各界認識中國農業后續變化趨勢提供參考。

2 DNDC模型及仿真結果

2.1 DNDC模型與情景設定

DNDC模型是美國新罕布什爾州大學地球、海洋與空間研究所開發的一個大型生物地球化學模型，主要通過模仿生態系統中碳、氮元素受到環境營力作用的生物地球化學過程，仿真區域內的農作物生長、營養元素淋溶、溫室氣體排放以及土壤固碳。DNDC自開發以來，就受到世界各國研究人員的關注，大量研究也驗證這一模型具有較高的擬合準確性。

DNDC模型包括兩部分，即機理模型與數據庫。機理模型被開發成DNDC軟件，最新版本為DNDC 9.5（http://www.dndc.sr.unh.edu/）。中國地區數據庫由DNDC模型的提出者、新罕布什爾大學李長生教授構建，該數據庫將中國劃分為2 473個格點，搜集了各個格點的具體參數，包含地理位置、土壤性質、種植情況、灌溉比例、肥料使用以及氣象數據等，其中種植情況為2007年數據，而氣象數據對應2010年。

近年來，我國氣候變暖現象比較突出，《2015年中國氣候公報》指出當年是自1951年有完整氣象記錄以來平均氣溫最高的一年，平均氣溫較常年高出0.95℃。因此，本研究設定了兩種氣候變暖情景：一是溫度較基準情景（2010年）上升1℃；二是設定氣溫上升2℃，模擬增溫跨度加大的情景。同時，考慮到降水可能的減少，根據《2011年水資源公報》數據，當年降水較常年減少9.4%，因此采用減少10%作為可能出現的干旱情景，并探討了氣溫與降水同時變化的混合情景。根據美國國家海洋和大氣管理局地球系統研究實驗室對全球CO2濃度的觀測數據，2010年全球CO2濃度的月均值為390 μL/L，本研究以此為基準情形，并考慮了CO2肥效情景，即濃度上升為410 μL/L。此外，本研究也考慮了若干混合情景，由此共設計7個情景，具體見表1。

表1 不同情景的具體設定

需要指出的是，DNDC中的產量是指作物果實部分的含碳量，由于同一農作物中的含碳量相對穩定，因此含碳量變化可以視作產量變化；考慮到DNDC假定種植面積不變，由此可以進一步視其為農作物生產力或單產的變動率。本研究模擬了17種主要農作物在不同情景下的產量，并通過與基準情形進行比較得出單產的變化率。此外，為了與后續CGE模型中的作物大類進行匹配，需要將同類農作物進行合并，這需要知悉各種農作物的實際產量以便加總，因此將《中國統計年鑒》中農作物實際產量根據變化率進行調整與累加，表2給出了不同情景下各大類農作物單產相對于基準情景的變化率。

2.2 DNDC模型的仿真結果

2.2.1無二氧化碳肥效作用的氣候變化情景模擬 由DNDC模型仿真得到的無二氧化碳肥效作用下不同氣候情景的運行結果（表2）可以看出，玉米、水稻和甘蔗是單一增溫情景中單產增加最快的3類作物，這是源于玉米、水稻與甘蔗屬于喜溫作物，溫度上升對這3類作物的生長有極強的促進作用；而甜菜、花生、春小麥、高粱、燕麥和大豆在溫度上升后發生減產，源于這些作物大多喜涼或喜濕，增溫不適于作物生長。具體而言，春小麥的適宜生長溫度區間較低，增溫會抑制生長；而高溫加大了花生的蒸騰作用，水分流失不利花生成長。相較于單一增溫情景，干旱增溫情景中所有作物產量都出現了下降，尤其是甘蔗、馬鈴薯和燕麥。在高增溫混合情景中，蔬菜減產同樣十分嚴重。總體而言，升溫對水稻、向日葵與甜菜等作物產生的減產并不明顯；但由于干旱效應，冬小麥、小米、蔬菜、馬鈴薯、豆類、大豆、油菜、甘蔗以及棉花的產量都將發生大幅下滑。

表2 單一增溫與增溫干旱混合情景中各類農作物單產的變化率（%）

將DNDC模型的仿真結果根據作物類別進行累加，結果見表3。從大類作物角度來看，單一增溫情景中，僅油料作物和纖維作物（高增溫時）減產，而其他作物均增產，尤其是水稻和谷物。降水減少后，糖類作物減產最為明顯，同時蔬菜、油料作物以及纖維作物也呈現減產。

表3 單一增溫與增溫干旱混合情景中大類農作物生產力變化率（%）

2.2.2結合二氧化碳肥效作用的氣候變化情景模擬 考慮到二氧化碳肥效作用，本研究將二氧化碳濃度提升為410 μL/L，進而設計了3種情景，其中情景5僅考慮了肥效，而情景6和7結合了增溫和干旱，由此得到的DNDC結果見表4，對農作物進行歸類整理后的結果見表5。從表4、表5可以看出，在單一肥效情景中，棉花減產最為嚴重，其次是燕麥、小米與冬小麥，主要源于這些作物大多是喜涼作物；同時，大部分作物增產，尤其是甘蔗、春小麥與豆類等。這表明二氧化碳濃度提升有助于大部分農作物增產。

表4 結合肥效作用情景中的各類農作物生產力變化率（%）

表5 結合肥效作用情景中的大類農作物生產力變化率（%）

結合其他氣候變化因素進行綜合模擬。在低增溫干旱情景中，水稻、玉米、向日葵、油菜和豆類增產，而其他農作物減產，尤其是燕麥和棉花；在高增溫干旱情景中，水稻、向日葵、豆類等9類作物生產力增加，而燕麥、棉花、甜菜、花生等8類作物生產力減少。相比低增溫干旱情景，高增溫干旱情景下的水稻、玉米、小米、向日葵和冬小麥等10類作物單產提升，而甜菜、花生、大豆等7類作物單產下降。與無肥效作用的情景進行橫向比較，可以發現，二氧化碳濃度上升使得纖維作物減產最明顯，但對于水稻增產有著積極作用。

根據表5的結果，單一肥效情景中的纖維作物和小麥減產，而其他大類作物增產。在低增溫混合情景中，由于增溫和干旱的作用，蔬菜和糖類作物也顯現減產，但水稻和谷物產量上升；在高增溫混合情景中，水稻、谷物和小麥實現增產，而其他4類作物均減產，尤其是纖維作物。對不同情景進行橫向比較，可知氣溫上升使得作物產量波動幅度加大，也意味著負面作用被放大，這需要引起重視；與無肥效作用情景進行橫向比較，可以發現，二氧化碳濃度上升使得纖維作物的減產十分明顯，而除小麥和纖維作物之外的其他作物在單產方面有所增加。

3 CGE模型與仿真結果

CGE模型是以一般均衡理論為基礎，可以涵蓋不同商品與要素市場，并將居民、政府、企業以及世界其他地區等主體一并納入的開放經濟系統，它通過不同變量的設定與相應方程體系的構建，形成與現實匹配的大型數值模型。

3.1 CGE模型的原理與構建

CGE模型通過一系列方程描述經濟系統中商品、要素市場的供給、需求以及均衡關系，其中商品、要素的數量和價格是方程的內生變量。方程中包含著若干外生變量，而外生變量的改變會對整個方程組表示的經濟系統產生影響，表現為內生變量（商品、要素的價格和數量）產生波動，即系統從初始均衡轉變至另一個新均衡狀態。通過兩者之間的比較分析，可以得知外生沖擊對經濟體系的影響，以便給予全面分析。

CGE仿真結果的可信度一直是焦點問題之一，在本研究中表現為：數據搜集年份較早，而當時的經濟形勢與目前乃至今后的經濟運行狀況存在較大差別，基期模擬結果是否仍具適用性。這是目前CGE研究中普遍存在的問題，一些文獻采用動態遞歸的方法實現數據更新，進而在新數據基礎上進行模擬，以便提高研究的信度［5］。而本研究基于兩個原因仍采用靜態模擬方法：一是本研究僅希望測度出氣候沖擊帶來的比例變動，并不涉及對未來的總量預測，由此任何一個時點的比較靜態分析已經能夠滿足要求；二是為了與DNDC數據庫匹配，以便提升研究的合理性。

本研究構建的CGE模型以翟凡等［18］的研究為基礎，包括生產模塊、價格模塊、流通模塊、收入支出模塊以及閉合模塊，具體說明如下。

3.1.1生產模塊 生產模塊反映了行業生產的投入產出情況，模型假定資本、勞動以及中間投入是最主要的生產性投入，通過常替代函數（Constant Elasticity of Substitution，CES）以及Leontief函數進行結構性嵌套。

3.1.2價格模塊 價格模塊給出了企業對產出品的定價方式，由于模型假定所有商品市場為完全競爭市場，企業不存在超額利潤，由此各層投入價格為下一層投入價格的相應嵌套，行業產出價格是資本—勞動—土地與中間投入價格的CES合成。

3.1.3流通模塊 流通模塊中的商品存在國內與國外兩種生產來源，國內商品需求可以通過本國生產以及國外進口滿足，而國內商品供給存在國內出售以及對外出口兩種銷售渠道。在商品進口方面，模型使用了Armington假設；而在出口方面，模型使用常彈性轉換方程（Constant Elasticity of Transformation，CET）方程予以表示。由于我國在不同商品的國際市場上普遍缺乏定價權，故在進出口定價上選用小國假設，即我國是世界價格的接受者。

3.1.4收入支出模塊 政府、居民與企業是實際經濟的最主要參與者，本研究通過對其收支進行描述，以便表現其經濟參與情況。政府作為公共服務機構，其收入主要來源于土地收入、各類稅收（生產稅、關稅、所得稅等）；政府支出主要用于轉移支付以及政府購買。

居民是商品最主要的消費者以及勞務提供者，收入來源于勞動報酬以及來自政府、企業和世界其他地區的轉移支付；支出是對商品的消費支出以及向政府交納的各項稅費。其中，所得稅稅率、政府與世界其他地區的轉移支付外生給定，企業轉移支付占企業稅后收入的比例固定，同時模型假定居民具有Cobb—Douglas形式的效用函數。

企業作為商品生產者以及勞務購買者，其收入主要來源于產業資本報酬以及來自政府的轉移支付；支出主要是對居民的轉移支付以及向政府交納的各項稅費，其中稅收占比外生給定。

3.1.5閉合模塊 閉合模塊包括要素市場（資本、勞動和土地）以及投資—儲蓄的出清，其中投資額、要素供給總量、國外凈匯入外生，且將匯率作為基準價格。

3.2 CGE模型的數據基礎

CGE模型的數據基礎包括社會核算矩陣（Social Accounting Matrix，即SAM表）以及外生參數，其中SAM表以矩陣形式描述經濟系統內部生產活動以及各行為主體間的關聯方式。本研究編制的中國社會核算矩陣包括生產活動賬戶、商品賬戶、要素賬戶、居民賬戶、企業賬戶、政府賬戶以及資本賬戶和世界其他地區賬戶8類。編制過程中采用的行業數據來源于GTAP（Global Trade Analysis Project）8.0中的57部門數據，而其他數據采用了《中國統計年鑒（2008）》“資金流量表（實物量）”中的統計值。由于存在統計口徑差異，SAM表行列和在很多情況中可能出現不一致的現象，因此采用交叉熵方法對SAM表進行調平（表6）。

表6 調平后的中國SAM簡表（×1010元）

3.3 CGE模型的仿真結果

在模型耦合上，本研究將DNDC模型計算的單產變化率以技術沖擊的形式進入CGE模型，從而產生新的經濟均衡，并與基準情景對比得出沖擊帶來的種植結構變化。盡管增溫導致單位種植面積的生產力發生變化，但既有種植面積上的農資用品（化肥、農藥、農膜等）投入并沒有因此變化，由此需要對中間投入進行適當調整。

3.3.1農作物相關行業的模擬結果 （1）無二氧化碳肥效作用情景的CGE模型運行結果。將DNDC調整的大類作物單產變化率代入CGE模型予以運行，結果見表7、表8。從表7可以看出，由于水稻、谷物以及糖類作物屬于喜溫作物，增溫導致了增產，但均衡條件下的種植面積和行業增加值卻發生下降，其背后的邏輯是增產導致作物價格下降，進而改變農戶的種植決策。這在高增溫情景中尤為明顯，生產力增長趨勢越顯著，對應大類作物價格降幅就越大，最終所有作物價格均發生下滑。就具體種植結構變化而言，水稻面積和行業增加值減少較為嚴重，低增溫情景中分別減少3.18%和3.70%，而高增溫情景中分別減少4.96%和5.89%。小麥在低增溫情景中種植面積小幅上升，而在高增溫情景中出現了種植面積下降的現象，同時行業增加值均有所下降。增溫對蔬菜與纖維作物的單產影響不明顯，且對油料作物生長具有負向作用，但三者的種植面積擴張較為顯著，從而扭轉了產量下滑趨勢，并在行業增加值上顯現出正向增長。從表8可以看出，相比單一增溫情景，增溫干旱混合情景中水稻和小麥的變化幅度有所加大；谷物行業發展被全面抑制；蔬菜與糖類作物的種植面積、價格和增加值上升，但產量有所下降；油料作物的種植面積和價格呈現上升，而產量與增加值出現下滑，且產量縮減較為嚴重。

表7 單一增溫情景中的農作物種植結構變化率（%）

表8 增溫干旱混合情景中的農作物種植結構變化率（%）

（2）結合二氧化碳肥效作用情景的CGE模型運行結果。僅考慮二氧化碳濃度提升情景的模擬結果見表9，可以發現，除了纖維作物外的其他大類作物產量都有所提高，且小麥、油料作物和纖維作物的種植面積與行業增加值上升。在這個過程中，作物價格發揮了積極的調節作用，小麥與纖維作物的價格上升，其他作物價格下調，同時也引起除油料作物外的作物行業增加值削減。

綜合模擬情景（情景6、情景7）的模擬結果（表9）表明，除纖維作物外的其他大類作物都實現了增產。就種植結構而言，水稻和谷物的種植面積和行業增加值下降，而其他大類作物的種植面積和增加值都得到提升。在價格方面，水稻、谷物和油料作物的價格下降，且高增溫情景中的小麥價格也將下滑。需要注意的是，纖維作物價格上調較快，這是由纖維作物生產力被較大幅度削弱所致。將肥效情景與相應無肥效情景進行橫向對比，可以發現肥效作用促使了絕大多數大類作物的增產，且小麥和纖維作物的種植面積、價格水平以及行業增加值都同步提升。

表9 結合肥效作用情景中的農作物種植結構變化率（%）

3.3.2其他行業與經濟總量方面的模擬結果 農業作為經濟系統的一部分，其結構變動必定引起關聯行業乃至整個體系的調整。表10統計了7個情景中GDP、三大產業增加值以及居民福利的變動情況，其中居民福利指以基年價格核算的居民消費總支出。從表10可以看出，單一增溫情景下第一產業增加值有輕微下降，而其他兩個產業以及整體GDP得到提升，尤其表現在第三產業上，同時，居民福利也得到較為顯著的提升。在增溫干旱情景中，三大產業與GDP都有所增長，但居民福利反轉下降，這與部分產品價格上升較大有關。與單一增溫情景相比，混合情景中第一產業增加值獲得明顯提振，但其他兩個產業乃至整體GDP略有收縮。在單一肥效情景中，第三產業增加值提升最為顯著，有效帶動了GDP的上揚，同時，第一產業與第二產業增加值下調，也引起居民福利下滑。在綜合情景中，第一產業增加值下降，其他兩個產業增加值以及GDP都表現為正向增長，居民福利隨之大幅改善；與相對應的無肥效情景進行對比，居民福利明顯改善，且第一產業和第二產業增加值下降，第三產業增加值上浮，產業層面變動的分化導致經濟總體表現上的變化并不確定。

表10 不同情景中宏觀與產業經濟層面的變化率（%）

4 結論

本研究構建了中國地區的DNDC－CGE模型，對不同氣候條件下農作物生產力變化與所引發的農業種植結構影響進行了仿真，結果表明：

（1）溫度提高是氣候變化最顯著的特征，會對不同農作物的生產力與種植結構產生復雜影響。具體而言，單一增溫情景下，只有油料作物和纖維作物（僅高增溫時）減產，其他作物均增產。由于市場供求規律的干預，作物增產將導致對應市場價格下降較快，進而逆向調整種植面積，進而導致水稻、谷物與糖類作物的種植面積下降，纖維作物和油料作物的種植面積增長。就最終均衡結果而言，所有作物的產量都有所提升。

（2）氣候變化還涉及降水變化，尤其表現在降水減少、干旱顯現之時。降水減少后，糖類作物減產最為明顯，同時蔬菜、油料作物以及纖維作物也呈現減產。市場均衡時，水稻和谷物的種植面積下降，而其他作物的種植面積均有所增長，最終使得蔬菜、油料作物、糖類作物和纖維作物的產量下滑，尤其是油料作物。

（3）大氣中的二氧化碳濃度上升會產生肥效作用，能夠提高大多數農作物的生產力，僅纖維作物和小麥例外。市場均衡時，小麥、纖維作物和油料作物的種植面積增加，且小麥、纖維作物與油料作物的增加值提升。

（4）將如上氣候要素均納入綜合情景予以考量，結果發現水稻、谷物和小麥（僅高增溫時）生產力上升。市場均衡時，水稻和油料作物的種植面積減少，在總產量上僅纖維作物大幅減產，其原因在于二氧化碳濃度上升極不利于纖維作物生長。

（5）就氣候變化的整體效應而言，氣候變化有利于經濟發展。就不同氣候變化要素的作用特征而言，增溫抑制了第一產業增加值形成，干旱損害了居民福利，而二氧化碳肥效作用有益于第三產業的發展。

［1］ Pachauri R K，Allen M R，Barros V R，et al.Climate change 2014：synthesis report// Contribution of working groups I，II and III to the fifth assessment report of the intergovernmental panel on climate change［M］.IPCC，2014.

［2］ Lin E.Agricultural vulnerability and adaptation to global warming in China ［J］.Water，Air，and Soil Pollution，1996（12）：63-73.

［3］ 李祎君，王春乙.氣候變化對我國農作物種植結構的影響［J］.氣候變化研究進展，2010，6（2）：123-129.

［4］ 孟旭芹，童俊，劉園園.我國氣象災害特征分析［J］.科技風，2016（2）：211.

［5］ 黃德林，李喜明，鞠劭芃.氣候變化對中國糧食生產、消費及經濟增長的影響研究—— 基于中國農業一般均衡模型［J］.中國農學通報，2016，32（20）：165-176.

［6］ Walthall C L，Hatfield J，Backlund P，et al.Climate Change and Agriculture in the United States：Effects and Adaptation［R］.Washington DC：USDA Technical Bulletin 1935，2012.

［7］ Gohari A，Eslaian S，Abedi-Koupaei J，et al.Climate change impacts on crop production in Iran's Zayandeh-Rud River Basin［J］.Science of the Total Environment，2013，442C：405-419.

［8］ Hatfield J L，Boote K J，Kimball B A，et al.Climate impacts on agriculture：implications for crop production ［J］.Agronomy Journal，2011，103（2）：351-371.

［9］ 孫芳.農業適應氣候變化能力研究—— 種植結構與技術方向［D］.北京：中國農業科學院，2008.

［10］ 劉穎杰.氣候變化對中國糧食產量的區域影響研究—— 以玉米為例［D］.北京：首都師范大學，2008.

［11］ 云雅如.過去20年我國黑龍江省主要糧食作物種植格局變化同氣候變暖之間的關系［D］.呼和浩特：內蒙古師范大學，2004.

［12］ 宋艷玲，張強，董文杰，等.氣候變化對新疆地區棉花生產的影響［J］.中國農業氣象，2004，25（3）：15-20.

［13］ 方強飛.基于中分辨率遙感數據的全國小麥主產區干旱及對小麥產量影響研究［D］.南京：南京大學，2014.

［14］ 徐建文，居輝，梅旭榮，等.近30年黃淮海平原干旱對冬小麥產量的潛在影響模擬［J］.農業工程學報，2015，21（6）：150-158.

［15］ 劉曉英，林而達.氣候變化對華北地區主要作物需水量的影響［J］.水利學報，2004（2）：77-82.

［16］ 王惠貞.CO2濃度增高對北方水稻生理代謝影響的研究［D］.沈陽：沈陽農業大學，2014.

［17］ 王晨光.大氣CO2濃度升高對冬小麥生長及產量的影響［D］.晉中：山西農業大學，2015.

［18］ 翟凡，李善同，馮珊.一個中國經濟的可計算一般均衡模型［J］.數量經濟技術經濟研究，1997，7（3）：38-44.

（責任編輯 鄒移光）

Influence of climate change on the agricultural productivity and planting structure—Simulation study based on DNDC-CGE model

YUAN Feng，YU Leng，ZHAO Zi-jian
（Antai College of Economics and Management, Shanghai Jiao Tong University, Shanghai 200030, China）

Agriculture is the industry that would be seriously affected by weather, and climate change would have profound impacts on crop productivity and planting structure.To make clear this problem, this paper set several scenarios considering temperature changes, precipitation decline and CO2concentration increase, and build a DNDC—CGE model of China to simulate them.The results show that temperature rise will increase the unit yields of most crops, but market supply-demand discipline would make their prices float reversely, which change framers’ behavior, transferring farmlands to plant other crops which price would be increased by the marker forces.Precipitation decline will decrease most crops’ yields, especially sugarcane and potato, and the planting area, price and added value of rice and grain will decrease.On the other hand, CO2concentration increase will increase most crops’ yields, but it is unbeneficial to fiber crop’s production increase.In total, Climate change is good for the GDP growth of China.

planting structure; climate change; CO2fertilization effect; DNDC—CGE model

S162.5+7

A

1004-874X（2016）12-159-09

10.16768/j.issn.1004-874X.2016.12.026

2016-09-25

國家自然科學基金重點項目（71333010）；國家自然科學基金（71573173）；國家社會科學基金重點項目（15AZD010）；上海交通大學博士后研究基金（14X100030025）

袁鋒（1993-），男，在讀碩士生，E-mail：reganyuan@163.com

袁鋒，于冷，趙子健.氣候變化對農作物生產力與種植結構的影響——基于DNDC-CGE模型的仿真研究［J］.廣東農業科學，2016，43（12）：159-167.