農業氣象災害對糧食生產效率影響研究

鄧俊淼,董鎧進,王 瑄

(河南工業大學 經濟貿易學院,河南 鄭州 450001)

一、引言

農業氣象災害對糧食生產的穩定性造成了嚴峻的挑戰和威脅,2019年《全球糧食危機報告》指出,受到氣象災害的影響,全球糧食危機正在變得日益嚴重和復雜。相關研究表明:氣象災害成為影響我國糧食生產的重要因素之一[1],影響著整個糧食生產系統的平衡,降低了糧食的綜合生產能力[2],對我國糧食全要素生產率具有較大的影響,在一定程度上降低了我國糧食全要素生產率[3]。2005—2023年的中央一號文件中,均強調了農業氣象服務體系與農業防災能力建設等議題,這凸顯了這些議題在國家農業政策中的重要性。隨著我國農業基礎設施的逐步完善,糧食生產的安全程度也得到相應提升。然而,在此背景下,氣象災害對糧食生產效率的影響是否存在著動態變化仍待探討。此外,由于不同地區對糧食生產的重視程度和基礎設施水平存在差異,氣象災害對糧食生產效率的影響是否存在地區差異也值得研究。本文基于2001年至2020年的面板數據,對氣象災害對糧食生產效率的影響機制以及不同功能區之間影響效應的差異進行了深入分析。

二、文獻綜述

災害分析在全球氣候變化的背景下迅速發展,并已成為全球性的重要議題。早期的自然災害研究主要集中在災害的分類[4]、指標評估[5]、減災對策[6]、預防報警[7]、原因分析[8]等方面。目前,隨著全球性糧食安全問題的日益凸顯,學者們逐漸關注到氣象災害對糧食生產效率的影響。從要素投入角度分析,氣象災害對糧食生產效率的影響主要表現在兩方面:一方面,氣象災害導致農業減產,降低了農業經營性收入,提高了農業經營性風險,迫使農戶退出農業經營,從而使得糧食生產的勞動力投入不足[9];另一方面,氣象災害導致耕地質量下降[10],農田水利設施遭到破壞[11],農業科技裝備投入[12]、農業保險[13]和政策支持[14]等作用受限,從而使得糧食生產效率下降。從產出角度看,氣象災害通過影響糧食作物的生產和發育、降低了土壤肥力、影響糧食生產質量,從而導致糧食生產效率降低。高云等從產值的角度,分析了水災和旱災對糧食產值影響的差異,結果表明水災對農林牧漁總產值的負向影響大于旱災[17]。而孫良順從產量的角度,分糧食功能區分析旱災和水災對糧食產量的影響,結果表明無論是主產區還是非主產區,旱災對產量的影響都大于水災的影響[1]。從效率本身角度,劉春明等研究發現災害率顯著抑制糧食生產效率的提升[18];宿桂紅等研究發現糧食生產技術效率在很大程度上受到自然災害的影響[19]。

綜上所述,我國在農業基礎設施投資,氣象災害防范等方面的努力,使得我國受災面積、受災率等指標都顯著下降(見圖1),現有研究無論從糧食產值、產量還是從效率本身角度,都相對忽略了我國在氣象災害防范方面所付出的努力及成效,缺乏從不同功能區之間差異的角度出發來分析氣象災害對糧食生產效率的影響。因此,本文充分考慮基礎設施的投入和不同地區的生產條件差異等因素,進一步探索氣象災害對糧食生產效率的作用機理。

圖1 全國農作物受災面積、旱災受災面積、洪澇災受災面積及占比趨勢圖數據來源:國家統計局。

三、假說提出

(一)農業氣象災害對糧食生產效率的影響

農業氣象災害通過多種方式對糧食生產效率產生影響。首先,糧食產量是糧食生產效率的重要產出指標,而影響糧食產量的主要因素有播種面積和單產水平,農業氣象災害會使播種面積受限、糧食單產減少。一方面,農業氣象災害會導致農田受災面積增加,破壞農田的土壤結構和質量,使得一部分土地無法開展農作物種植,從而減少了播種面積;另一方面,農業氣象災害通常會破壞農作物的生長環境和生長發育過程,并影響其養分吸收和利用,例如,暴雨和洪水則可能造成水土流失,導致植物缺氧或養分流失。其次,農業氣象災害將對耕地質量造成損害,包括土壤養分喪失、侵蝕和酸化等。這些因素會降低土壤的肥力和水分保持能力,進而減少農作物的生長潛力。受到氣象災害影響的土地將需要更多的努力和資源來恢復其肥力和可耕性,這增加了農民的成本和糧食生產的難度。最后,氣象災害導致農戶生產糧食風險增加,降低了農戶生產糧食的積極性。一方面,氣象災害增加了農戶糧食生產的風險,進而加劇農戶的脆弱性[10],使得農戶采取適應性行為,調整種植結構,減少糧食種植面積或者退出糧食生產經營;另一方面,氣象災害導致農戶糧食生產的投入要素和成本增加[20],比如防災和減災所花費的成本,生產方式的轉變成本,基礎設施的投入成本等方面,這些成本的增加會影響糧食生產效率。

假說1:在其他影響因素不變的情況下,農業氣象災害會對糧食生產效率產生負向影響。

(二)農業基礎設施的調節效應

首先,農業基礎設施的改善有助于提高糧食生產抵抗氣象災害的能力。農業基礎設施可以提高糧食生產的韌性[21],在農業基礎設施較好的地區,農戶通過自身適應災害風險和自我調整能力的提升,來有效地降低氣象災害對糧食生產的影響程度,如農戶可以利用水利、電力、數字農業等基礎設施,提升自身氣象災害的防范能力,優化資源配置,調整資源投向,提高資源的配置和利用效率。同時,農業基礎設施水平的提高,使得一些技術含量較高的設備,技術創新等應用于糧食生產,能夠提高糧食生產資源的利用效率,如有效的灌溉設施能夠提高糧食作物的水資源利用效率[22]。其次,農業基礎設施水平的提高,能夠有效提高糧食生產主體預測和防范氣象災害的能力。一方面,基礎設施水平的提高,提高了糧食生產主體獲得氣象災害信息的數量和質量,降低信息的獲得成本,能夠提前做好防范氣象災害的準備;另一方面,基礎設施水平的提高,能有效地提升糧食生產主體防范災害的能力和效率,例如,提高糧食生產過程中的灌溉、搶收、運輸和改善種植環境等方面的能力,最大限度地降低氣象災害所帶來的損失。最后,基礎設施水平的提高,能夠有效提高糧食生產主體和政府對自然災害的響應效率。對氣象災害的響應速度是防災救災的關鍵,響應速度不僅表現在獲取災害預警信息上,更表現在應對災害的多主體聯動上,是一個系統層面的防范措施,不僅對單個層面基礎設施提出要求,更注重農業基礎設施之間的耦合協調性,基礎設施整體水平的提高,能夠提高各項基礎設施的耦合協調水平,從而提高糧食生產主體和政府對氣象災害響應的速度,降低響應的成本。

假說2:農業基礎設施能夠緩解氣象災害對糧食生產效率的負向影響。

四、模型、數據和變量

(一)模型構建

本文的被解釋變量是運用BCC模型測度的糧食生產綜合技術效率,其數值范圍在[0,1]之間,參考曾福生等使用面板隨機Tobit模型分析糧食生產效率的影響因素[23],本文選擇面板數據的隨機Tobit模型,模型如式(1):

(1)

其中,xi表示解釋變量,yit表示被解釋變量,β表示回歸參數,εit表示隨機擾動項。本文考慮隨機效應Tobit模型,通過LR檢驗判斷是否存在個體效應,然后判斷應該使用隨機效應的面板Tobit回歸還是混合Tobit回歸。

Teit=c+β1disasterit+β2incomeit+β3gdp+
β4irrigationit+β5fertilizerit+β6pesticideit+
β7agriculturalit+εit

(2)

Teit=c+β1droughtit+β2incomeit+β3gdp+
β4irrigationit+β5fertilizerit+β6pesticideit+
β7agriculturalit+εit

(3)

Teit=c+β1floodit+β2incomeit+β3gdp+
β4ittigationit+β5fertilizerit+β6pesticideit+
β7agriculturalit+εit

(4)

其中,i表示各省市,t表示年份。式(2)(3)(4)分別是總災害、旱災、洪澇災對糧食生產效率的影響的基準回歸模型。式(5)檢驗農業基礎設施的調節效應模型。

Teit=c+β1disasterit+β2infrait+β3disasterit*infrait+
β4incomeit+β5gdp+β6irrigationit+β7fertilizerit+
β8pesticideit+β9agriculturalit+εit

(5)

其中,infrait表示農業基礎設施建設,droughtit*infrait表示農業氣象災害和農業基礎設施的交互項,i和t是地區和時間。式(5)為調節效應模型,用于檢驗調節效應的作用方向和顯著性。

(二)數據來源及變量選取

本文使用2001—2020年31個省(自治區、直轄市)的面板數據,計量軟件為Stata17。樣本數據來源于《中國統計年鑒》《中國農村統計年鑒》《中國農業年鑒》及各省統計年鑒和國家統計局,此外,對于個別缺失數據,本文采用插值法計算求得。變量選取如下。

1.被解釋變量

綜合技術效率是對決策單元的資源配置能力、資源使用效率等多方面能力的綜合衡量與評價,因此選用由DEA模型計算的糧食綜合技術效率作為本文的被解釋變量。借鑒劉春明等的研究[18],本文運用權重法把糧食的投入數據從農業整體數據中分離出來,糧食的投入和產出指標如表1所示。

表1 測度糧食生產效率測度的投入和產出指標

2.核心解釋變量

在農作物受災面積統計中(如圖1),旱災和洪澇災所占比重非常大,最高年份占比可達85%。并且根據高云[17]和孫良順[1]的研究,水災與旱災對我國農業影響較為顯著且具有異質性,因此,出于科學性和可行性的考慮,本文將總受災率、旱災受災率和洪澇災受災率分別作為解釋變量,分析總的自然災害、旱災和洪澇災對糧食生產效率的影響。

3.調節變量

根據唐瑩等[21]、彭代彥等[24]、杜蓉等[25]、李自強等[26]的研究,交通、水利、電力、通信建設等都會對糧食生產效率產生影響,因此本文分別用水庫總容量、農村用電量、公路里程數(等級公路里程數除去一級公路里程數、二級公路里程數和高速公路里程數后加上等外公路里程數)、長途光纜線長度作為衡量各種建設的指標,并用熵值法計算綜合指數以檢驗農業基礎設施建設作為調節變量是否會弱化農業氣象災害對糧食生產效率的影響。

4.控制變量

參照田紅宇等研究[27],結合糧食生產現實,本文選擇如下變量作為影響糧食生產效率的控制變量,從而提高回歸模型的擬合效果。

(1)有效灌溉率:劉春明等用有效灌溉率作為糧食生產技術效率的技術損失函數的影響因素[18],本文用有效灌溉面積與農作物播種面積的比值反映。

(2)單位面積化肥施用量:曾福生等使用化肥施用量作為影響糧食生產技術效率的核心變量[23],本文用化肥使用量與農作物播種面積的比重反映。

(3)單位面積農藥施用量:用農藥使用量與農作物播種面積的比值反映。

(4)機械投入量:彭代彥等用人均機械總動力作為影響糧食生產技術效率的控制變量[24],本文用農業機械總動力來反映。

(5)地區經濟水平:閆晗等用人均GDP來衡量經濟發展水平,并作為影響糧食生產綜合技術效率的控制變量[28],本文也同樣使用人均地區生產總值反映。

(6)家庭經營性收入占比:杜蓉等用農村居民家庭人均純收入作為影響糧食技術效率的控制變量[25],本文用類似指標,使用家庭經營性收入與農村居民純收入的比值反映。

上述變量的描述性統計如表2所示:

表2 被解釋變量、解釋變量的描述性統計

五、實證結果

(一)基礎回歸

首先,本文將總受災率、旱災受災率、澇災受災率分別作為被解釋變量對糧食生產效率進行基礎回歸,構建模型1、2、3。其次,對各模型中變量使用VIF方法進行了多重共線檢驗和使用LLC方法進行了平穩性檢驗,結果顯示3個模型的解釋變量和控制變量的平均方差擴大因子為1.97、1.94、1.92,說明變量間不存在多重共線性,而LLC檢驗結果也均在1%、5%水平上顯著,因此可以認為所選的面板數據是平穩的。接著,分別對三個模型進行了混合Tobit回歸和隨機Tobit回歸,三個模型的LR值分別為953.69、973.37、944.56,且均在0.1%的水平上顯著,說明這三個模型均應該選擇隨機Tobit回歸。最后,加入農業基礎設施建設作為調節變量進行機制檢驗,構建模型4。回歸結果如表3所示。

表3 氣象災害對糧食生產效率的隨機Tobit模型估計結果

由表3回歸結果可知,總受災率在1%水平上對糧食生產效率具有顯著負向影響,說明總受災率是影響農戶轉入土地的關鍵因素,隨著受災率的提升,糧食生產效率會降低,假說1成立。旱災在1%水平上對糧食生產效率具有顯著負向影響,說明干旱會嚴重阻礙作物生長發育,對糧食生產效率產生直接影響。而洪澇災在回歸中不顯著的原因可能是洪澇災一般發生在雨季,受災地區土壤含水量較高,對作物的生長和產量影響相對較小。也可能是因為一些作物具有較好的耐澇性,能夠在一定程度的澇災下保持生長和產量。此外,一些受澇災影響的地區可能通過及時的排水和補救措施,減少了澇災對糧食生產的影響。在模型4中,農業氣象災害與農業基礎設施交互項的系數在5%水平上正向顯著,說明農業基礎設施確實對農業氣象災害與糧食生產效率之間的關系存在調節效應;主效應回歸的系數和交互項的系數符號相反,說明農業基礎設施建設會弱化農業氣象災害對糧食生產效率的影響,假說2成立。

從控制變量來看,有效灌溉率對糧食生產效率的影響顯著,說明在農業生產中,合理利用水資源、完善水利設施和推廣先進的灌溉技術對提高糧食生產效率具有重要意義。單位面積化肥、農藥施用量對糧食生產效率影響不顯著的原因可能是由于化肥、農藥的不合理使用和土壤質量問題導致資源的效用沒有得到充分發揮。機械投入量在1%水平上負向影響糧食生產效率,原因可能是農業機械的使用需要消耗大量的能源,如柴油、煤炭等,這些能源的消耗增加了農業生產成本,從而降低了糧食生產效率。地區經濟水平在1%水平上負向影響糧食生產效率,說明人均地區生產總值越高,發展的重心越偏離農業生產,進而影響糧食生產效率。家庭經營性收入占比對糧食生產效率的影響負向顯著,可能的原因是農民將更多精力投入到經營非農業產業,如養殖業、務工等。這樣就會導致農村勞動力短缺、資金投入不足、農作物種植分散,從而降低了糧食生產的規模效益和專業化程度。

(二)異質性分析

結合前文分析,受災率和旱災受災率對我國糧食生產效率具有顯著影響,除此之外,在不同地區的影響情況也值得關注。因此,本小節進一步探討受災率在糧食主產區、糧食主銷區和產銷平衡區對糧食生產效率的差異性作用,表4顯示總受災率和旱災受災率對糧食生產效率的影響程度及顯著度水平。

表4 不同功能區氣象災害對糧食生產效率的面板Tobit模型估計結果

由表4可知,不同地區受災率對糧食生產效率的影響方向一致,但影響程度不同。從總受災率的影響來看,主銷區糧食生產效率受影響較小,主產區和產銷平衡區糧食生產效率受影響較大,原因可能是主銷區的糧食生產相對較少,而主產區和產銷平衡區的糧食生產相對較多,因此同樣的災害對主產區和產銷平衡區的影響可能會更大。從旱災受災率的影響來看,糧食主產區受影響較小,而主銷區和產銷平衡區受影響較大,可能的原因是主產區的氣候條件和土壤質量更有利于糧食生產,而主銷區和產銷平衡區的氣候條件和土壤質量可能不太適合糧食生產,因此在遭遇旱災時,主產區受到的影響可能較小。

六、穩健性檢驗

我們通過變換估計方法、替換核心解釋變量等方法檢驗穩健性。本文被解釋變量受限,因此采用縮短樣本年限和變換解釋變量的方法。2001—2010年受災率處于波動變化的趨勢,在2011年之后開始穩步下降,因此本文將樣本區間改為2011—2020年。受災面積和成災面積都是反映氣象災害對農作物造成的危害,因此用成災率替換受災率進行穩健性檢驗。對縮減后的樣本和替換解釋變量后的樣本仍然采用混合Tobit回歸和隨機Tobit回歸模型進行比較,結果如表5所示。

表5 氣象災害對糧食生產效率影響的不同方法估計結果

從表5的結果可以看出,無論改變樣本年限還是更換解釋變量,氣象災害對糧食生產效率的影響均具有負向影響,說明氣象災害對糧食生產效率產生了抑制作用,并且這種影響具有統計上的顯著性。同時,研究發現,在2010年以后氣象災害對糧食生產效率的影響效應有所降低。

七、結論及相關對策建議

(一)研究結論

總受災率和旱災受災率均顯著地負向影響我國糧食生產效率,而洪澇災對其影響不顯著;農業基礎設施顯著弱化氣象災害對糧食生產效率的負面影響;氣象災害對糧食主產區、主銷區和產銷平衡區的糧食生產效率影響存在差異,無論是總受災率還是旱災受災率,產銷平衡區的糧食生產效率受到影響最大。

(二)對策建議

1.加強氣象災害的防范和補救措施

建立氣象災害的監測體系,利用大數據和機器學習等技術加強對氣象災害的研究,提高預測精度。加強各相關部門的配合,在災害發生時要高效配合,形成政府部門、糧食生產主體、農戶等多主體協同聯動機制,有效防范和降低氣象災害對糧食生產效率的影響。

2.加大農業基礎設施建設力度

加強水利設施建設可以提高灌溉水的供應能力和儲存能力,保證農作物在干旱期間能夠得到充分的水分供應,提高抗旱能力;加強通信設施建設可以及時傳遞災情信息,讓農戶及時采取應對措施以減少災害損失[29];加強交通基礎設施建設可以提高農產品運輸能力,降低災害對糧食產銷鏈的影響。

3.加強糧食產銷平衡氣象災害防范力度

一方面,加大糧食產銷平衡區基礎設施投入力度,尤其與糧食生產相關的水利灌溉設施,防澇排洪設施等基礎設施的建設;另一方面,提高糧食產銷平衡區糧食生產的投入水平,提高糧食生產投入要素的質量,包括高標準農田建設,糧食生產信息化建設等。