西藏農業產值影響因子敏感性分析

李忠良 張余慶 陳成

摘要：通過建立經濟-氣候模型探究西藏自治區農業產值的影響要素并量化其貢獻率，分析各影響要素對農業總產值的敏感性。結果表明，1990—2016年農作物播種面積、農業機械總動力、年均氣溫對西藏農業總產值的貢獻表現為正向作用，農業機械能提高土地的精耕程度，增加單位面積產值;溫度升高能提高農作物的光合作用能力，同時可擴大適宜種植面積;而勞動力數量、化肥施用量、年降水量則表現為負向作用，可能是由于市場經濟條件下勞動力和化肥的成本相對較高，而農作物的經濟收益相對較低，導致其對西藏農業總產值的貢獻率為負。年降水量增加，可能是因為降水過多時云量增多，而輻射減少，當地的土壤含水量過高會導致土壤實際蒸散發變大，這樣會使近地面的溫度降低，農作物光合作用能力降低而不利于產量提高。另外，年降水量對產量若是正向影響，而市場需求是一定的，可能導致單價的降低，從而導致總產值下降。農作物播種面積（A）、農業機械總動力（M）、勞動力數量（L）和年平均氣溫（T）是敏感參數，化肥施用量（F）和年降水量（P）為不敏感參數，這與各要素變化影響農業總產值的貢獻程度相吻合。該結果對西藏地區農業生產和經濟發展規劃具有指導意義和政策價值。

關鍵詞：Cobb-Douglas模型;Extend FAST;氣候變化;農業產值;影響因子;敏感性;西藏

中圖分類號：F323.3文獻標志碼： A文章編號：1002-1302（2021）02-0209-08

收稿日期：2020-01-15

基金項目：江蘇省普通高校研究生科研創新計劃（編號：CXZZ13_0524）;國家自然科學基金青年基金（編號：41907384）。

作者簡介：李忠良（1986—），男，山東臨沂人，博士研究生，主要從事3S集成與氣象應用研究。E-mail：doctorlizl@126.com。

通信作者：張余慶，講師，主要從事流域水文模擬與氣候診斷研究。E-mail：8201711019@hytc.edu.cn。

農業作為社會的發展源泉，為人類的生存和社會的發展提供基礎的物質資料，是支撐整個國家經濟不斷發展的保障。我國作為農業大國，在國民經濟的發展中農業起著至關重要的作用[1-3]。農業產值的變化受很多要素的影響，因此在全球氣候變化背景下研究各要素對農業產值的影響具有積極意義，可為指導農業生產和農業格局的調整提供參考[3-5]。西藏地處高寒氣候區，獨特的氣候下形成特殊的農業結構，農業產值受氣候和社會經濟影響顯著[6]。近年來，氣候變化已是不爭的事實，聯合國政府間氣候變化專門委員會（IPCC）第5次報告指出，自 19 世紀后期以來，全球平均升溫0.85 ℃（0.65～1.06? ℃） [7]，與1951年相比，全球陸面過程的平均降水量減少，而極端的降水事件表現為增加趨勢。已有研究結果表明，西藏地區的增溫幅度明顯高于全球及我國平均水平[8-10];1986—2015 年年均氣溫、年均最高氣溫和年均最低氣溫均表現為線性上升趨勢[11]，每10年的增溫幅度約為 0.60、0.69、 0.68 ℃;年降水總體增多，波動較大[12]。目前針對西藏全區農業產值影響因子的研究較少，而西藏具有特殊的地理環境和垂直氣候帶，同時農作物播種面積、農業機械、勞動力等社會生產要素也對農業產值有極其重要的影響[13-14]。現階段關于糧食產值的研究多著重于研究其影響要素，并取得了豐碩的成果，但是仍存在部分局限性，主要體現為現有研究大多立足于單變量和農業產值的關系分析，未考慮多變量共同作用的影響，這增加了研究結果的不確定性。此外，現有研究大多數未綜合考慮氣候要素和社會生產要素對農業產值的影響。因此，氣候要素和獨特氣候環境下的農業生產對農業產值的影響研究對區域的農業生產和經濟發展規劃具有指導意義和政策價值。本研究分析1990—2016年西藏地區的氣候變化趨勢，建立經濟-氣候模型探究區域氣候變化對研究區農業產值的影響和各要素的貢獻率，通過敏感性分析模型分析各要素的敏感性系數。

1研究區概況與研究方法

1.1研究區概況與數據

西藏自治區地處我國西南部，位于26°50′～36°53′N、78°25′～99°06′E，總的地勢由西北向東南傾斜，地形復雜多樣，景象萬千;受地形和海拔影響氣候類型多樣，藏南藏北氣候差異較大。

本研究使用的氣象數據獲取于國家氣象科學數據中心（http：//data.cma.cn/），選取西藏區域1990—2016年地面氣象觀測站的逐日氣象數據，包括日平均氣溫、日降水量。農業相關數據來自《西藏統計年鑒》。

1.2研究方法

1.2.1線性傾向估計用xi表示樣本量為n的氣候要素變量，ti表示xi所對應的時間，采用一元線性回歸方程建立xi與ti之間關系：x^i=a+bti。回歸方程可認為是線性回歸最簡單的特殊形式，通過一條合理的直線表征xi與其時間ti之間的關系。其中a為回歸常數，b 為回歸系數（即彈性系數），a和b采用最小二乘法估算，其對應的最小二乘法估計為

b=∑ni=1xiti-1n（∑ni=1xi）（∑ni=1ti）∑ni=1t2i-1n（∑ni=1ti）

a=x-bt。（1）

式中：x=1n∑ni=1xi;t=1n∑ni=1ti，根據回歸系數和相關系數間的關系計算得到時間ti與變量xi之間的相關系數

r=∑ni=1t2i-1n（∑ni=1ti）2∑ni=1x2i-1n（∑ni=1xi）2。（2）

1.2.2曼-肯德爾法曼-肯德爾（Mann-Kendall）法作為非參數統計檢驗方法，也被稱為無分布檢測方法。這種方法的優點是檢驗樣本不須要遵循指定的分布規律，樣本中存在的少數異常值不會影響檢驗結果，非常適用于順序變量和類型變量。假設時間序列x的樣本大小為n，構造秩序列

sk=∑ki=1ri，k=2，3，…，n。（3）

其中

ri=1，xi>xj

0，xi≤xjj=1，2，…，i。（4）

式中：秩序列sk的含義為時間點i對應的數值大于時間點j對應的數值的累積數量。假設時間序列符合隨機獨立分布，定義統計量

UFk=[sk-E（sk）]var（sk），k=1，2，…，n。（5）

式中：UF1=0;E（sk）、var（sk）表示累計數sk的均值和方差，可以通過公式（6）計算得到;在x1，x2，…，xn是相互獨立且具有相同的連續分布情況下，

E（sk）=k（k-1）4

var（sk）=k（k-1）（2k+5）72，k=2，3，…，n。（6）

UFi稱作標準正態分布，它是根據給定時間序列x的順序x1，x2，…，xn計算得到的統計序列。對于給定顯著性水平α的情況下，如果|UFi|>Uα（即95%置信水平），就表示該序列具有顯著變化趨勢。對時間序列進行逆序排列，得到其逆序列xn，xn-1，…，x1，重復上述的計算過程，同時使UBk=-UFi（k=n，n-1，…，1），UB1=0。

1.2.3Cobb-Douglas模型研究技術進步的經典理論是Cobb-Douglas生產函數以及索洛模型。C-D 模型是Y=A0eεtKαLβ，索洛模型是Y=A（t）f（K，L）。這2種理論認為資本投入、勞動投入以及技術投入是作用于經濟增長的要素。基于C-D生產函數，其一般形式表現為Y=AeεtKαLβMγ。其中，α+β+γ表現為生產函數的規模報酬水平。如果 α+β+γ>1，即為規模報酬遞增;如果α+β+γ<1，則為規模報酬遞減;當α+β+γ=1時，則表示規模報酬不變。根據索洛模型Y=A（t）f（K，L，M）得到ΔYY=αΔKK+βΔLL+γΔMM+ε，即y=αk+βl+γm+ε。據此，可以進一步計算技術進步指標對經濟增長產生的貢獻率是EA=（y-αk-βl-γm）/y，資本投入、勞動投入和土地投入對經濟增長的貢獻率分別為El=αk/y、EL=βl/y、EM=γm/y。

農業生產是光照、溫度、水分和氣（CO2）等自然要素和人類活動共同作用的共同體。為了量化研究氣候要素和人類活動影響農業產值的程度，分別選取氣候要素、農業投入要素2類指標作為因變量，具體指標為年平均氣溫、年總降水量、年累積溫度、農作物播種面積、農業機械總動力、化肥使用量、勞動力數量，最終得到概念模型如下

AGR=f（A，M，F，L，P，T，AT）。（7）

式中：AGR表示農業總產值;f表示各個要素的函數;A表示農作物播種面積;M表示農業機械總動力;F表示化肥施用量;L表示勞動力數量;P表示年總降水量;T表示年平均氣溫;AT表示年累積氣溫（即≥10 ℃的積溫）。假設農作物播種面積和影響產量的規模符合報酬不變，對柯布-道格拉斯生產函數進行適當變形，使用農業總產值為因變量，其形式如下

AGR=AertXa11Xa22Xa33Xa44Xa55Xa66Xa77。（8）

對于非線性模型的對數表達式為

ln AGR=a0+a1（lnX1）+a2（lnX2）+a3（lnX3）+a4（lnX4）+a5（lnX5）+a6（lnX6）+a7（lnX7）+μ。（9）

式中：ai（i=1，2，…，7）的經濟意義是變量Xi（i=1，2，…，7）的產出彈性系數，0≤ai≤1，a0表示常數虛擬變量，a0=lnA+r+t包含了技術進步、政策、制度等要素產生的難以量化的影響;μ表示描述變量之外的外界因素對模型干擾的隨機誤差項，它屬于噪聲項。

2結果與分析

2.11990—2016年西藏地區各要素變化趨勢分析

由圖1可知，1990—2016年西藏地區的農業總產值顯著增加，2005年后增長顯著;年平均氣溫波動上升，1990—2007年年平均氣溫上升趨勢明顯，2008—2016年年平均氣溫變化不明顯;年累積氣溫也表現出與年平均氣溫一致的變化趨勢，呈現為波動增加;年降水量幅度波動較大，總體表現為下降趨勢，1990—2000年年降水量增加，2001—2016年年降水量顯著減少;近27年來西藏農作物播種面積有所增加，其中2001—2007年稍有波動;農業機械總動力增多，2000年以后增加顯著;化肥施用量的變化在2000年以前呈減少趨勢，而2000年以后增加明顯;勞動力數量在波動中平穩增加。

統計小提琴圖作為箱形圖以及核密度圖的組合圖形，箱線圖展示了分位數的位置，小提琴圖可以確認密度較高或較低的數據分布位置。小提琴圖屬于非參數檢驗范疇，它可以展現不同密度的位置，盒型的范圍表示數據的下四分位點至上四分位點的數值區間，中間細線為中位數，豎直的細線表示須，外部形狀是核密度的估計值，用于估計數據分布的未知密度函數。根據各要素的小提琴圖形狀（中間大兩頭小，圖2）可知，西藏地區各統計要素分布不均勻，勞動力要素的分布較集中，其次是化肥施用量，其他要素的分布則較分散。根據圖中上側的須或下側須的長度可知各要素是否存在較明顯的離散值可知，勞動力數量無離散值，農業總產值、農業機械總動力、年降水量3個要素的離散值較明顯。

2.21990—2016年西藏地區各要素MK檢驗

圖3可知，根據各要素的UF值和UB值是否大于0可以判斷各要素的上升或下降趨勢。如果其值超過臨界線閾值就說明時間序列呈現出顯著的上升或下降趨勢， 超過臨界線的范圍被標識為發生突變的時間區域。若UF和UB 2條曲線在臨界線范圍內出現交點，就把相應的時刻作為突變的開始時間。各要素的突變檢驗圖表明，西藏地區1990—2016年的農業總產值有所增加，2003年以后增加尤為顯著，未發生突變;農作物播種面積總體呈增加趨勢，1990—1995年增加，1996—2007年變化很小且呈波動減少趨勢，2008—2016年增加，2010年發生了突變;農業機械總體呈顯著增加趨勢，其中1990—1995年波動減少，1996—2016年增加，未發生突變，2003以后增加顯著;化肥施用量總體增多，1990—1995年波動減少，1996—2016年增加，在2010年發生突變;勞動力數量總體呈顯著增加趨勢，其中1992—2002年增速較快，2003—2004年則減少，2005—2006年變化不大，2007—2016年增加，1997年以后增加明顯，未發生突變;年降水量總體呈減少趨勢，1990—1999年波動增加，2000—2016年減少，在2004年發生突變，2009年后顯著減少;平均氣溫總體呈升高趨勢，升溫不顯著，未發生突變;年累積氣溫總體呈增加趨勢，1990—1998年波動較大，2005年以后增溫顯著，2003年發生了突變。

2.3Cobb-Douglas模型建立及分析

2.3.1模型的建立在進行建模之前，須要先對各

個要素數據進行單位根和協整檢驗，確定變量是否為平穩時間序列，以及變量間是否存在偽回歸。其中，單位根檢驗使用的ADF（augmented dickey-fuller）方法。在5%置信度水平下，各變量的ADF統計量均低于5%的臨界水平，說明數據為平穩時間序列。而在協整檢驗中，時間序列的ADF統計量同樣小于5%的顯著性水平，說明變量之間協整關系顯著，這樣得到的回歸結果真實可信。利用OLS方法，通過回歸分析得到影響西藏農業總產值多變量的輸出結果及其顯著性指標（表1）。在回歸過程中，發現年累積氣溫AT變量的顯著性檢驗無法通過95%置信度檢驗，故剔除年累積氣溫變量。

2.3.2模型的檢驗在顯著性水平α=0.05時，模型通過F檢驗，其調整后的R2達到99.13%，說明表面模型的擬合優度良好（表2）。

根據上述統計假設檢驗結果可知，R2、調整后的R2、F值、漢南-奎因準則、德賓-瓦特遜檢驗值均滿足統計檢驗要求，因此得到的模型是合理的。對回歸模型采用White異方差檢驗，檢驗結果位于α=0.05的顯著區間內，F值為0.48，對應的P值為0.82;Breusch-Godfrey LM檢驗統計量的值為338，其對應的P值為0.76，表明回歸方程不存在異方差性。

2.4模型結果分析

西藏地區農業總產值及其影響因素之間的回歸方程為

lnY=-1.745+4.882（lnA）+0.483（lnM）-0261（lnF）-0.099（lnL）-0.145（lnP）+0.226（lnT）+μ。

對回歸方程進行逆變換得到西藏地區1990—2016年的動態C-D生產函數為

AGR=-1.745×A4.882×M0.483×F-0.261×L-0.099×P-0.145×T0.226。

根據上述方程可知，土地的彈性系數為4.882，農業機械總動力的彈性系數為0.483，勞動力數量的彈性系數為-0.261，化肥施用量的彈性系數為 -0.099，年降水量的彈性系數為-0.145，年平均氣溫的彈性系數為0.226，因此，模型生產彈性的綜合系數為4882+0.483-0.261-0.099-0.145+0226=5086，說明目前西藏農業仍處于收益遞增階段，利用技術擴大生產規模來增加產出是有利的。根據各個要素的彈性系數可知，農作物播種面積提高1%，西藏的農業總產值增加4.882%;農業機械總動力提高1%，西藏的農業總產值增加0483%;勞動力數量增加1%，西藏的農業總產值減少0261%;化肥施用量增加1%，西藏的農業總產值減少0.099%;降水增加1%，西藏的農業總產值減少0.145%;平均氣溫增加1%，西藏的農業總產值增加0.226%。

2.5貢獻率的測算

1990—2016年西藏農業各要素的變化及其對農業總產值的貢獻率差異較大，近27年西藏地區各研究要素變化率最大的是農業機械總動力，達1250%;其次是勞動力數量，增加了10.43%;農業總產值的增長率為8.65%;變化率最小的是年降水量，化肥施用量的增長率高于年平均氣溫及農作物播種面積的增長率，其中年平均氣溫的變化率高于農作物播種面積的變化率。對于農業總產值，各要素的貢獻率根據彈性系數乘以變化率求得，因此西藏地區各要素對其農業總產值的貢獻率見表3。

由表3可知，農作物播種面積、農業機械總動力、年平均氣溫對農業總產值的貢獻表現為正向作用，農業機械總動力對西藏農業總產值的絕對貢獻率最大，達6.04%，農作物播種面積的絕對貢獻率次之，為3.56%;年平均氣溫對西藏農業總產值的絕對貢獻率為0.32%;而勞動力數量、化肥施用量、年降水量則表現為負向作用，其中，勞動力數量的負向貢獻率最高，為2.72%，年降水量對西藏農業總產值的負向貢獻率最小，為0.05%，化肥施用量的負向貢獻率為0.39%。綜上可知，各因素對西藏地區農業總產值的負向貢獻率排名為農業機械總動力>農作物播種面積>勞動力數量>化肥施用量>年平均氣溫>年降水量。

3敏感性分析

3.1模型介紹

Extend FAST（extend fourier amplitude sensitivity test）是基于FAST方法改進后，結合Sobol方法的優點定量分析變量全局敏感性的方法。它具有魯棒性、要求樣本數量少和計算效率高的特點。該方法將模型的敏感性劃分為單個變量的敏感性和多個變量間相互作用的敏感性[15]。對于單個要素獨立作用的敏感度采用主要敏感度（main effect）進行度量，而多個要素間的獨立和交互作用的參數總敏感性使用總敏感度（total effect）來衡量。

FAST（fourier amplitude sensitivity test）方法的核心是利用周期函數的曲線搜索參數的多維空間，采用傅立葉變換計算參數的振幅，其幅度越大，說明參數對于模型越敏感。假設模型y=f（x1，x2，…，xn）。存在n個參數，輸入參數的值域范圍限制為一個超立方體;Kn=（X|0≤xi≤1;i=1，…，n）內，定義s為獨立變量，引入s→X的映射;xi=Gi（s），i=1，2，…，n。其中，Gi表示搜索曲線函數。若xi服從均勻分布，s的取值范圍為[-π/2，π/2]。如果s發生變化，所有參數在Kn空間中都隨著某條曲線而改變。對于函數Gi，各參數xi的振蕩頻率為ωi，模型的輸出展示了不同振蕩周期函數的組合。參數變量對模型輸出的影響與頻率ωi振幅的變化成正比，二者同方向變化。利用傅立葉公式對模型結果進行變換，通過計算頻率ωi和更高諧振pωi的譜，得到由參數變量發生改變而導致的輸出方差D^i=∑p∈Z0Λpωi。其中，Λ表示傅立葉變換譜;Z0表示0以外的整數，Z0={-∞，…，-1，1，…，+∞}。

因此，模型總方差可通過所有頻率的頻譜累加得到，其公式為

D^=∑j∈Z0Λji=2∑+∞j=1Λj。（10）

輸入參數xi關于輸出y的敏感度SFASTi的計算公式為

SFASTi=D^1D^。（11）

Saltelli改進了FAST方法，引入Sobol方法對模型進行分解。Sobol方法將模型分解為單一參數和多參數交互結合的函數，因此，模型總方差也對應分解為單一參數和多參數組合的函數

D=∑nn=1Di+∑ni=1∑nj=1i≠jDij+…+D1，2，…，n。（12）

則根據公式（13）計算參數敏感度

Si1，…，is=Di1，…，isD。（13）

對于參數xi的總敏感度計算，設定xi的頻率為ωi，其余各參數的頻率為ωi′。計算頻率ωi′和頻率更高的諧振pωi′頻譜，得到除參數xi以外的各個參數以及由交互作用的影響而產生的輸出方差D（-i）。因此，參數xi的總敏感度為

STi=D-D（-i）D。（14）

通過計算參量i的頻率ωi和頻率更高的諧振pωi的頻譜獲取xi的主要敏感度。逐一計算各個參量，再對每個參數的總靈敏度進行歸一化計算，從而得到各參數對于模型的貢獻率。

3.2敏感性分析結果

Sobol模型作為典型的全局敏感性分析方法，依據分解模型的思想，分別計算各個參數的一階以及高階敏感度。通常而言，一階敏感度表征各個變量的主要影響，而高階敏感度則量化不同參數間相互作用的敏感度。相比于其他敏感性分析模型，Sobol方法具有采樣方法穩定的特性，根據參數對輸出方差的貢獻率對敏感性進行分級，可以高效量化不同參數及其相互作用的敏感性。

通過計算得到模型中各變量的全局敏感性系數（表5）。

參考Tang等的研究結果[16]，設定敏感性系數的閾值為0.01，即當敏感性系數大于0.01時，說明此參數對于模型敏感，反之亦然。本研究各參數對西藏地區農業總產值的一階敏感度見圖4。

以西藏地區農業總產值為目標函數時，化肥施用量（F）和年降水量（P）的參數敏感度都小于001，為不敏感參數;農作物播種面積（A）、農業機械總動力（M）、勞動力數量（L）和年平均氣溫（T）的參數敏感度都大于Sobol方法的敏感性閾值0.01，是敏感參數。由此可知，農作物播種面積（A）、農業機械總動力（M）、勞動力數量（L）和年平均氣溫（T）對西藏地區農業總產值有重要影響，而化肥施用量（F）和年降水量（P）則對西藏地區農業總產值影響很小，未通過敏感性檢驗。這和上述研究結果相相吻合，說明Sobol模型適用于農業總產值的相關性研究。

4結論與討論

本研究建立經濟-氣候模型探究西藏農業總產值的影響要素并量化其貢獻率，分析各影響要素對農業總產值的敏感性。結果表明，1990—2016年農作物播種面積、農業機械總動力、年平均氣溫對西藏農業總產值的貢獻表現為正向作用，而勞動力數量、化肥施用量、年降水量則表現為負向作用。過去的27年西藏地區農業機械總動力增加了1250%，其對西藏農業總產值的絕對貢獻率最大，達6.04%。農作物播種面積的絕對貢獻率次之，為3.56%。農業機械總動力增加有利于擴大農作物的播種面積并提高農業生產效率。年平均氣溫上升會促進植被光合作用和植被的吸水率，促進農作物的成長。勞動力數量（10.43%）對西藏農業總產值的負向貢獻率最大，為2.72%，化肥施用量（330%）的負向貢獻率很小，僅為039%。這可能是由于市場經濟條件下勞動力和化肥的成本相對較高，而農作物的經濟收益相對較低，導致其對西藏農業總產值的貢獻率為負。年降水量增加033%，但其對西藏農業總產值的貢獻率影響最小，為-0.05%。這可能是因為降水過多時意味著云量增多，陽光輻射量也在減少，當地的土壤含水量過高會致使土壤實際蒸散發變大，這樣會使近地面的溫度降低，進而導致農作物光合作用能力降低[17-18]，從而不利于產量增加;另外，降水對產量若是正向影響，產量增加，而市場需求是一定的，可能導致單價的降低，從而導致總產值下降。

本研究基于Sobol模型探討農業各要素的變化對西藏地區農業總產值的影響，發現農作物播種面積（A）、農業機械總動力（M）、勞動力數量（L）和年平均氣溫（T）是敏感參數，化肥施用量（F）和年降水量（P）為不敏感參數。其中，農作物播種面積（A）敏感性值最大，其對西藏地區農業總產值有非常顯著的影響。這是由于西藏自治區土地資源豐富，總面積達到122萬km2，然而耕地總面積僅為 36萬hm2。西藏土地資源的最大特點是未利用土地占土地總面積的30.71%，可利用潛力很大[19]。農作物播種面積的增加能顯著提高西藏地區的農業總產值，而其他農業各要素受制于各種條件限制很難起到這種顯著的作用。農業機械總動力（M）和勞動力數量（L）的投入能提高土地的精耕程度，增加單位面積產值。年平均氣溫（T）升高能提高農作物的光合作用能力，同時可擴大適宜種植面積，繼而影響西藏地區的農業總產值。而化肥施用量（F）和年降水量（P）對西藏地區農業總產值影響未通過顯著性檢驗，這與各要素變化影響農業總產值的貢獻程度相吻合。在氣候變化背景下，現代農業生產的脆弱性和敏感性是亟須解決的重要問題[4，20]，本研究能夠指導西藏地區高效利用自然資源和社會政策資源，保證土地的可持續利用，適時調整農作物耕作制度，提高農業產量，保證糧食安全。但由于西藏不同地區自然條件差異較大，農作物種植呈分散狀[21-23]，因此研究農業各要素的變化對西藏地區農業總產值的影響可為西藏各地農業政策的制定提供參考[24-26]。

根據農業發達國家的發展經驗可知，純粹依靠擴大耕種面積、大量投入化肥和農藥等傳統手段對于現代化農業發展的促進作用逐漸削弱，取而代之的是更多依賴于現代農業的科技進步來提高各種資源利用效率和新技術在農業領域的應用廣度和深度[27-29]。同時，要緊緊圍繞經濟市場的供需關系適時適度地調整種植結構和農業發展方向，才能提高農業生產的經濟效益[30-31]。在現代市場經濟條件下，農業產量的提高不一定能保證農業產值的提高，如歷史上常常出現的“谷賤傷農”現象，其產生的根本原因就是我國的農業以小農經濟為主，規模化、集約化、專業化程度較低。為了提高農業產值，必須提高農業專業化水平，這須要大力發展農業經濟合作社，將分散的農民組織起來，擴大農業產業的規模化，提升抵御市場經濟風險的能力[32]。加速西藏農業現代化發展的根本出路就是要實現產業結構的轉變，從傳統的資源消耗型轉換為科技推動型，提高農業生產的科技化水平，加快農業科研產業的發展，提升和推廣農業技術體系，還要加快農業機械化進程，轉變農業發展方式，使農業由粗放型增長向集約型增長發展，這是農業產值實現可持續增長的必然趨勢。

參考文獻：

[1]陳錫文. 中國農業發展形勢及面臨的挑戰[J]. 農村經濟，2015（1）：3-7.

[2]毛飛，孔祥智. 中國農業現代化總體態勢和未來取向[J]. 改革，2012（10）：9-21.

[3]郭建平. 氣候變化對中國農業生產的影響研究進展[J]. 應用氣象學報，2015，26（1）：1-11.

[4]宋建新. 農業氣候變化脆弱性及治理研究進展[J]. 生態經濟，2016，32（10）：164-168.

[5]Du M，Kawashima S，Yonemura S，et al. Mutual influence between human activities and climate change in the Tibetan Plateau during recent years[J]. Global and Planetary Change，2004，41（3/4）：241-249.

[6]Zhang G，Dong J，Zhou C，et al.Increasing cropping intensity in response to climate warming in Tibetan Plateau，China[J]. Field Crops Research，2013，142：36-46.

[7]Mastrandrea M D，Katharine J M，Gian-kasper P，et al.The IPCC AR5 guidance note on consistent treatment of uncertainties：a common approach across the working groups[J]. Climatic Change，2011，108（4）：675-691.

[8]丁一匯，王會軍. 近百年中國氣候變化科學問題的新認識[J]. 科學通報，2016，61（10）：1027-1041.

[9]杜軍，路紅亞，建軍. 1961—2010年西藏極端氣溫事件的時空變化[J]. 地理學報，2013，68（9）：1269-1280.

[10]徐宗學，孟翠玲，鞏同梁，等. 西藏自治區氣溫變化趨勢分析[J]. 自然資源學報，2009，24（1）：162-170.

[11]萬運帆，李玉娥，高清竹，等. 西藏氣候變化趨勢及其對青稞產量的影響[J]. 農業資源與環境學報，2018，35（4）：374-380.

[12]赤曲. 西藏近45年之氣候變化特征淺析[J]. 西藏科技，2017（1）：54-59.

[13]楊衛明，李炳軍. 基于灰色組合模型的我國糧食生產影響因素差異分析[J]. 廣東農業科學，2018，45（9）：151-156，173.

[14]肖體瓊，何春霞，陳永生，等. 基于SPSS的江蘇省農機化發展影響因素多元回歸分析[J]. 中國農機化學報，2014，35（3）：263-267.

[15]李艷，黃春林，盧玲. 基于EFAST方法的SEBS模型參數全局敏感性分析[J]. 遙感技術與應用，2014，29（5）：719-726.

[16]Tang Y，Reed P，Wageneer T，et al.Comparing sensitivity analysis methods to advance lumped watershed model identification and evaluation[J]. Hydrology and Earth System Sciences Discussions，2007，3（6）：793-817.

[17]王芳，高永剛，白鳴祺. 近 50 年氣候變化對濕地第一性凈生產力的影響[C]//第 32 屆中國氣象學會年會，2015.

[18]Li Y，Liu J，Zhou G，et al.Warming effects on photosynthesis of subtropical tree species：a translocation experiment along an altitudinal gradient[J]. Scientific Reports，2016，6：24895.

[19]張曉平，朱道林，許祖學. 西藏土地利用多功能性評價[J]. 農業工程學報，2014，30（6）：185-194.

[20]陳兆波，董文，霍治國，等. 中國農業應對氣候變化關鍵技術研究進展及發展方向[J]. 中國農業科學，2013，46（15）：3097-3104.

[21]余成群，鐘志明. 西藏農牧業轉型發展的戰略取向及其路徑抉擇[J]. 中國科學院院刊，2015，30（3）：313-321.

[22]徐瑤，何政偉，陳濤. 西藏農牧業生態環境現狀與可持續發展對策[J]. 廣東農業科學，2011，38（13）：147-149.

[23]宋連久，張涪平，孫自保，等. 投入要素對西藏農業經濟增長的貢獻研究[J]. 華中農業大學學報（社會科學版），2010（6）：52-56.

[24]劉清元，嚴昌榮. 西藏農業推廣模式的現狀、問題及對策[J]. 西藏農業科技，2010，32（4）：1-3.

[25]蔣兵濤，王喜龍，楊曉菊. 合理調整產業結構促進西藏農業發展[J]. 中國園藝文摘，2011，27（1）：46-48.

[26]關樹森，巴果，劉國一. 西藏農牧業發展的障礙因素及解決辦法[J]. 西藏農業科技，2011，33（2）：45-48.

[27]高強，孔祥智. 農業科技創新與技術推廣體系研究：日本經驗及對中國的啟示[J]. 世界農業，2012（8）：9-16.

[28]楊艷麗，馬紅坤，王曉君，等. 發達國家區域性農業科技創新中心的構建經驗及對京津冀區域的啟示[J]. 中國農業科技導報，2019，21（11）：9-16.

[29]吳學兵，丁建軍. 發達國家農業現代化的主要做法及其啟示——以美法日為例[J]. 農業經濟，2016（9）：10-12.

[30]馮淑清. 加大農業產業結構調整確保農民穩定增收[J]. 農業工程技術，2019（11）：12.

[31]唐紅群，李慶華，彭金波，等. 深化區域農業產業結構調整推進宜昌農村經濟優化升級[J]. 時代金融，2019（3）：10-11.

[32]楊丹，唐羽. 合謀視角下的農民合作社績效與評級[J]. 農業技術經濟，2019（3）：75-86.賈海發，卿鑫. 西寧市生態文明建設及其耦合協調發展測度[J]. 江蘇農業科學，2021，49（2）：217-222.