近地面臭氧、高溫對中國糧食生產的影響

陸岐楠，劉子亨，曲曉睿

（1. 中國人民大學農業與農村發展學院，北京 100872； 2. 威斯康星大學麥迪遜分校農業與應用經濟系，美國 威斯康星 麥迪遜 53706； 3. 艾奧瓦州立大學經濟系，美國 艾奧瓦 埃姆斯 50011）

面對國際貿易的沖突、極端異常氣候的侵襲等復雜嚴峻的情勢，保障基本農產品供給是中國的重大戰略性問題［1-3］。由于土地供給剛性約束［4］和化肥投入量飽和［5］，通過增加要素投入提高糧食產量的空間已趨于狹小；相比之下，通過提高農業的全要素生產率則是提高糧食產量的有效措施之一，但是無論是技術進步還是制度創新，這都是一個漫長的過程。鑒于此，降低各種負面因素對于糧食生產的影響，是在既有資源稟賦、環境和制度條件等約束下保障糧食安全的另一思路。有大量的研究表明，極端氣候［6-8］和空氣污染［9-11］對農業生產有嚴重的不利影響。盡管近年來中國常見的空氣污染物（例如PM2.5）濃度有了明顯下降，但是近地臭氧的濃度則呈現明顯上升的趨勢［12］。此外，PM2.5和臭氧呈現“此消彼長”的關系，即PM2.5的下降可能會導致近地面臭氧濃度的上升［13］。例如，疫情期間，中國的PM2.5濃度下降，但是臭氧濃度卻出現了上升的跡象［14］。更值得關注的是，全球氣候變暖可能會進一步加劇近地臭氧污染，并且臭氧濃度的提高也會加劇氣候變化，從而很有可能形成惡性循環［15］。

已有研究分別發現了高溫和近地臭氧對于中國糧食生產的負面影響［16-18］。高溫可以顯著增加陽光下揮發性有機化合物（VOCs）和氮氧化物（NOx）相互反應生成的臭氧的量。但是，已有文獻在高溫和臭氧污染如何相互作用從而影響作物產量，以及這兩種因素對不同作物影響的異質性方面的研究較少。該研究首次使用雙變量半參數估計的方法測度了氣溫和臭氧對于作物產量的交互影響，它不僅為不同作物受臭氧、高溫影響的敏感度提供了視覺化圖形，還可以為指導農戶對農業生產進行適應性調整提供依據。此外，該研究還使用單變量半參數估計的方法評估臭氧、高溫分別對糧食生產的影響。單變量半參數方法能夠表征臭氧和高溫在每一濃度和溫度下對于作物單產的邊際影響，并且能夠清晰地顯示受損點以及損失加劇臨界點的位置，這為制定平衡污染治理成本與收益的政策提供了理論支撐。由于同時面臨著臭氧濃度上升和極端氣候等問題，中國的糧食生產可能受到臭氧和高溫的雙重不利影響。因此，探究臭氧濃度和高溫對于中國糧食生產的影響相對更為緊迫和必要。

1 背景與文獻綜述

1.1 簡要背景

臭氧可以分為平流層臭氧和對流層臭氧。平流層的臭氧因為可以阻擋紫外線，是地球生命系統的保護層；而對流層的臭氧（或近地面臭氧）是主要的空氣污染物之一，會對動植物產生不利影響，因此該研究關注的是近地面臭氧。因為臭氧的濃度與氣溫呈正相關關系，臭氧形成的光化學反應需要強紫外線、高溫等大氣環境，所以一天之中中午的臭氧濃度相較于其他時段更高、一年之中夏季的臭氧濃度相對于其他季節更高。除少數由平流層向近地面傳輸的臭氧，近地面的臭氧大部分是二次污染物。大部分近地臭氧是由它的兩個前體：揮發性有機化合物（VOCs）和氮氧化物（NOx）發生光化學反應而形成。

近幾十年，由于工農業的快速發展、化石燃料的燃燒和含氮化肥的大量使用，有研究顯示全球平均近地臭氧濃度從2010 年到2019 年以年均0.33%的速率增長，東亞地區的增長速率則更高［19］。近年來，中國的臭氧濃度也呈上升趨勢，這一趨勢在2015 年以后更為明顯：相比于2015 年，2019 年中國337 個城市的臭氧濃度平均值上升了20.1%［12］。已有監測數據顯示，2019 年中國337 個城市的臭氧濃度年平均值的范圍在89~229 μg/m3（即在標準狀態下的體積分數約為44.5×10-9~114.5×10-9）。并且，即使在臭氧濃度較低的農村，臭氧濃度也有高達100×10-9的記錄［12］。

1.2 文獻綜述

農作物產量主要受到基因性狀、農業管理和環境壓力的影響［20］。轉基因技術是通過改造基因來提升農作物產量的有效手段，例如，Nolan 等［21］，Chavas 等［22］探討了轉基因對于提升美國玉米單產的積極影響。農業管理對糧食生產的影響則是一個更加傳統的話題，比如農藥、化肥的使用等，最近的文獻探討了在中國農村結構調整的大背景下因生產要素結構變化導致的農業生產管理的變化，例如Song 等［23］。越來越多的文獻討論了環境壓力對農作物產量的作用，其中大部分的研究聚焦于干旱、高溫等極端氣候所造成的糧食減產。例如，Wang 等［24］估算了高溫對中國糧食主產區的生產效率的影響；Schlenker等［25］則聚焦于造成美國玉米和大豆減產的閾值溫度；Mohmmed 等［26］關注干旱造成的南亞地區的農作物減產和經濟損失。

近年來，一些研究發現近地面臭氧是作物面臨的除高溫等氣候因素外的另一重要的環境壓力來源。臭氧由氣孔進入葉片細胞間隙后，會通過化合反應產生過氧化氫、超氧自由基、羥基等活性氧物質和一系列加速細胞衰老的信號，從而傷害和紊亂植物膜系統與代謝系統［27-28］，還會使植物利用太陽光生長的速度變慢［29］，即光合作用速率的下降。高溫則會增加植物的蒸騰作用、呼吸作用和代謝速率，縮短籽粒灌漿期和生育期，從而導致農作物減產［30］。

已有大量的文獻從不同的角度研究了臭氧對于農作物產量的影響。Rai 等［31］和Guarin 等［32］從生命科學的角度，探討了對流層臭氧對農作物的影響，認為對流層臭氧會對農作物的光合作用、防御機制以及生長過程均產生不利影響，從而導致農作物減產。在全球各個地區，已有研究為臭氧對作物產量的負面影響提供了大量的經驗證據，例如美國［27，33］，東南亞［34］等。Carter等［16］，Yi等［17，35-36］研究了近地面臭氧對中國農作物產量的影響。其中，Carter 等［16］發現了中國東南五省水稻產量與臭氧濃度之間的負向非線性關系；Yi 等［35］發現了近地面臭氧濃度的增加在作物的臭氧敏感期會降低冬小麥產量；Yi 等［17］還以玉米為對象進行了進一步的相關研究。但是，一方面，上述研究中的研究對象都是選取個別省份（或地區）的某種作物，且各省的水、溫、氣、土等條件差異較大，一省或若干省份的結果很難代表全國的影響；另一方面，上述研究中的水稻是水田作物，玉米或小麥為旱地作物，同時對這兩類作物進行研究則可以更好地觀察臭氧對于不同作物產量影響的異質性。

現有文獻中討論臭氧與高溫對農作物產量的共同影響的研究僅發現以下三篇：Tai 等［18］使用社區地球系統模型（CESM）推導出在全球范圍內氣候變化和臭氧污染對農作物生產的負面影響，此研究還考慮到了臭氧與溫度對農作物產量的協同作用，發現了小麥對臭氧更為敏感而玉米對溫度更為敏感；Tai 等［37］研究了臭氧污染與極端溫度對美國和歐洲農作物產量的影響，發現小麥、玉米和大豆產量在高臭氧污染地區對臭氧的耐受性較強，而在溫暖地區種植的作物則具有較強耐熱性；運用計量經濟學的方法探討臭氧和高溫的聯合影響的只有Da 等［38］：該研究通過引入臭氧和高溫的交叉項，發現由氣候變化引起的臭氧水平升高，從而造成的美國作物產量的損失小于氣候變化本身所造成的損失。但是，該研究仍然假設了臭氧、高溫及其交互項的影響是線性的。線性的關系難以刻畫較為復雜的臭氧和高溫的交互作用。

通過梳理相關文獻，該研究發現可以從以下幾個方面進行改進：第一，現有文獻分別研究近地面臭氧和高溫對于作物生產的影響，而忽視了兩者的聯合影響。文中首次將二元半參數的估計方法應用于評估臭氧和氣溫對農作物產量的聯合影響，以填補該領域的空白。第二，已有研究較少考慮不同的作物對于高溫和臭氧的敏感程度的異質性。

在現有文獻的基礎上，該研究的潛在貢獻如下：第一，基于全國縣級層面多種作物的數據評估了臭氧和高溫對于作物產量的影響，這對于理解空氣污染、氣候變化對中國糧食安全的影響具有重要意義。第二，在評估臭氧對糧食生產影響的研究中，首次使用雙變量半參數估計的方法，評估臭氧和氣溫的聯合影響，豐富了空氣污染和氣候變化對于作物產量聯合影響的認知。第三，該研究的結論對于引導農戶采取合理的適應性行為具有指導意義。由于不同的作物對臭氧-溫度組合具有不同的敏感性，在其他條件允許的情況下，可以在高臭氧濃度但非高溫地區種植對臭氧敏感度相對較低的作物，在高溫但低臭氧濃度的地區種植對高溫敏感度較低的作物，即在現有的資源稟賦、空氣污染和氣候條件下，對農業生產做出一定的適應性調整。第四，為“兩山理論”提供了理論依據。若臭氧污染得到控制且極端高溫得到緩解，則有可能在現有的技術和土地剛性約束下，進一步提高中國的糧食產量。嚴格控制臭氧水平固然會大幅降低對糧食生產的負面影響，但這一手段的社會或經濟成本較高。該研究的結論啟示相關政府部門可以采取一種折中方案：將臭氧濃度控制在可接受的范圍之內，即對作物生產造成嚴重負面影響的閾值范圍內。

2 實證設計

2.1 臭氧、高溫對糧食生產的分別影響

2.1.1 雙向固定效應模型

首先使用雙向固定效應模型（Two-way Fixed Effects Model）作為基準模型，來探究近地面臭氧和高溫分別對于糧食產量的影響。估計方程如下：

其中：yit為第i縣第t年的作物產量，Ozoneit為作物生長季的平均近地面臭氧濃度，Tempit為作物生長季的平均氣溫。參考Guarin 等［32］，該研究控制了一些其他的空氣污染物Pit，包括PM10，CO 等。參考McGrath 等［27］和Yi等［36］，該研究還控制了一些其他與氣候有關的變量Wit，包括生長季節的平均降雨量、≥20 ℃積溫、風速等。在已有研究的基礎上，還搜集了一些其他的控制變量，包括縣級層面的化肥使用量、農藥施用量、農業機械總動力等。為了控制縣級層面不隨時間而變的因素，例如土地質量、土地類型等，文中控制了個體（縣）固定效應μi。此外，該研究還控制了對于所有縣都相同、但是隨時間變化的一些因素，例如國家級的農業生產政策和國際糧食市場價格，即模型中的時間固定效應γt。εit為符合獨立同分布的殘差項。文中選取了兩種主糧作物——水稻和玉米作為研究對象，將對這兩種作物分別進行回歸以識別影響的異質性。選取這兩種作物作為研究對象的原因如下：首先，玉米和水稻是中國種植范圍最廣、產量占比最高的兩種主糧作物，分列中國糧食產量的第一和第二位，具有一定的代表性。其次，玉米和水稻分別是旱地作物和水田作物，選取這兩者更具有比較的意義。總的來說，該研究在探索臭氧對于糧食產量的影響的同時，既考慮到與高溫的聯合影響，也考慮到作物的異質性。

為了進一步分析臭氧濃度在不同時間段對于作物影響的差異，將作物生長季分為前、中、后三個階段，并計算了三個生長季節平均的臭氧濃度和平均溫度，分別加入回歸模型。對于其他污染物以及氣候相關變量，相應地將生長季平均值加入回歸模型。該回歸模型如下：

其中：Ozoneit，g分別為作物生長季前、中、后期的平均近地面臭氧濃度，Tempit，g為作物生長季前、中、后期的平均氣溫。其他變量的定義與公式（1）的相同。文中也進一步檢驗了實證結果是否對生長季的劃分敏感：根據中國作物生長時令以及參考相關文獻，在基礎模型中定義三月到八月為作物生長季；在穩健性檢驗部分對生長季的不同定義進行了檢驗。

2.1.2 臭氧、氣溫分別對糧食生產的非線性影響：一元半參數估計

已有研究顯示臭氧和溫度對于作物單產的影響是非線性的［16-17］，公式（1）中的線性假設可能難以滿足，因此需要考慮使用非線性估計模型。在傳統的非線性模型中，一般通過增加被解釋變量的次數來表征解釋變量對被解釋變量的非線性影響。但是，當被解釋變量的次數過高時，則存在過度擬合的問題，進一步導致模型的可解釋性和外推性下降［39］。另一種常用的方法是將臭氧濃度或者溫度劃分為不同的區間，然后估計每個區間的系數，以探究每一個區間對于單產的影響［16］。這種方法可以探究每個區間臭氧濃度的異質性，但是仍然存在一些缺點：①對于區間的劃分較為主觀；②估計結果對于各個區間的寬度以及臨界點的選擇較為敏感，不同端點的選擇對于非線性估計結果的影響較大；③對于每個區間內部的同系數的假設較強；④如果區間寬度較大，難以較為細致地刻畫非線性的影響，也很難辨析出臭氧和氣溫產生負向作用的臨界點。

半參數廣義相加模型（Semi-parametric Generalized additive Model， SMGAM）較好地平衡了模型的復雜性和可解釋性，并且有助于分辨臭氧濃度和溫度的臨界點的具體數值。該估計方程如下：

其中：f(?)為平滑函數，被用來表征臭氧-單產和氣溫-單產的非線性關系。ln (yit)的條件均值被定義為平均響應項。文中對于Ozoneit和Tempit采取了非參數估計，對于其他控制變量采取了參數估計，故該方程被稱為半參數估計方程。其他變量與參數的定義與公式（1）相同。

在該研究中，因為水稻和玉米縣級層面的單產（或模型的殘差項）基本近似于正態分布，使用了高斯分布（Gaussian Distributions）。因為高于四次通常被認為解釋程度下降，使用三次懲罰回歸樣條（Penalized Cubic Regression Splines）作為平滑函數。Ozoneit和Tempit的平滑函數的平滑度取決于節點的數量以及自由度的有效數量。隨著節點個數的增加，公式（3）可以更好地擬合水稻和玉米的產量，但是也會使平滑函數的平滑度下降。文章采用最為常用的交叉驗證的方法選擇節點個數。

2.2 臭氧與高溫對糧食生產的聯合影響

2.2.1 參數方法

已有研究顯示，高溫和臭氧不僅對作物產量分別產生不利影響，而且二者聯合也會對作物產量造成損害。具體而言，已有研究中突出了臭氧的兩個前體——揮發性有機化合物（VOCs）和氮氧化物（NOx）在高溫下相互反應的速率加快導致臭氧生成量增加，但是鮮有研究將這兩種因素結合起來，探究兩者對于作物產量的交互影響。首先根據臭氧濃度設定是否為高臭氧濃度的虛擬變量HOit。類似地，根據生長季平均溫度設定是否為高溫的虛擬變量HTit。具體而言，定義臭氧濃度在60×10-9及以上的為高臭氧濃度，定義氣溫在30 ℃及以上的為高溫。為估計高臭氧濃度和高溫的聯合影響，該研究還加入了兩者的交叉變量HOit×HTit。估計方程如下：

公式（4）中的其他變量與前文定義一致。

2.2.2 二元半參數估計方法

參數方法存在一定的缺陷，比如，對于高臭氧濃度和高溫的臨界點的劃分較為主觀。文中將使用基于雙變量的半參數估計方法（Bivariate semi-parametric estimation），探究臭氧和氣溫對于作物產量的聯合影響。該方法可以有效避免參數回歸主觀定義高濃度臭氧和高溫度的缺陷。其估計方程如下：

其中：f(?)為雙變量平滑函數，采用了在雙變量半參數回歸中最為常用的雙變量薄板樣條（Bivariate Thin Plate Spline）函數。其他變量、參數與模型的設定與前文相同。

3 數據與描述性統計

3.1 數據來源

為了分析臭氧和氣溫對于作物單產的影響，該研究在縣級層面匹配了若干個數據庫。各個數據的來源及介紹如下。

（1）縣級農業數據。由于縣一級的化肥和農藥數據難以獲取，多數研究在討論氣候變化或空氣污染對于作物產量的影響時并沒有控制化肥和農藥使用。眾所周知，化肥和農藥是對作物生長影響較大的若干變量之一。《中國農村統計年鑒（2021）》顯示，直至2015年，中國的化肥施用量每年都有一定的增幅，并且各地區之間存在較大差異。因此，控制化肥純量和農藥使用量，對于獲得臭氧和高溫對作物產量影響的準確估計至關重要。該研究的縣級農作物產量（包括水稻和玉米的種植面積及總產量）數據、化肥純量及農藥使用量數據均來源于原農業部的中國種植業信息網縣級農作物數據庫，該數據庫在2009年以后不再更新；農業機械總動力數據來自于《中國縣域統計年鑒》。文中所使用的來自ECMWF 的臭氧濃度、天氣狀況與其他污染物數據的可獲得年份為2003—2021年。因此，該研究的時間跨度取兩者的交集。

（2）近地面臭氧、污染物及地表氣溫數據。以往的研究較多使用的是地面約1 400 個檢測點的監測數據［16-18，35-36，40］，但是該監測數據存在一些缺陷：一是大部分監測點位于城市，而城市臭氧濃度的數值與農村的數值存在非常大的差異，這些監測點的數據應用于空氣污染對于城市人口、健康等方面的研究更為適合，如應用于對廣闊田野上生長的作物的影響則應有更好的數據源。二是這1 400 余個測點分布不均，僅可覆蓋約880 個縣級單位［17］，很多縣附近數百公里內都沒有監測點。文中所使用的來自ECMWF的再分析數據則能夠提供中國約3 000 個點的數據，并基于這3 000 個點的數據得到每個縣的臭氧濃度值。

每三小時的近地面臭氧、地表氣溫及其他月均污染物（包括CO 和PM10）數據均來源于歐盟中尺度天氣預報中心（European Centre for Medium-range Weather Forecasts， ECMWF）的第四代大氣成分再分析（4thGeneration ECMWF Atmospheric Composition Reanalysis， EAC4）數據，其分辨率為0.75°×0.75°。來自于ECMWF 的再分析數據被廣泛應用于環境經濟學等領域的研究中。基于ECMWF 再分析數據的關于中國的研究包括Hering等［41］，Cai 等［42］，Geng 等［43］。Mo 等［44］對來自ECMWF 再分析數據的中國地面臭氧濃度與來自地面監測站的數據進行了比較，發現再分析數據可以很好地表征中國地面臭氧濃度，且覆蓋范圍相對于地面檢測數據更為廣泛。再分析數據是基于大氣模型，通過對衛星數據和觀測結果進行再分析，整合為一個全球范圍的數據集（https：//atmosphere.copernicus.eu/，具體參考Inness 等［45］）。該數據集從地面到高空共分為60 層，文中的所有分析均基于地面層（Level 60）的數據。

（3）其他氣象數據。月均氣象數據包括日總降水量和地表10米風速，其分辨率為0.25°×0.25°。月均氣象數據均來源于歐盟中尺度天氣預報中心（ECMWF）的第五代全球氣候和天氣再分析（5thGeneration ECMWF Reanalysis for the Global Climate and Weather， ERA5）數據（https：//climate.copernicus.eu/，具體參考Hersbach等［46］）。

表1 變量的定義與描述統計

此外，該研究使用逆向距離權重（Inverse Distance Weighted，IDW）空間插值法將臭氧和其他污染物、氣溫和其他氣象數據的經緯度柵格點與縣級農作物產量、化肥純量及農藥使用量數據相匹配，共成功匹配1 747 個縣級單位（即有水稻種植和玉米種植數據的全部縣）。具體方法為以縣級行政區中心點（Centroid）為樣本點，以縣中心點周圍的四個柵格數據點為插值點，將樣本點周圍的四個插值點距樣本點的逆向距離為權重進行加權平均，算出每個縣的臭氧濃度、天氣狀況及其他污染物的濃度值，每個縣的值均基于縣中心點周圍四個柵格點的數據算得。在穩定性檢驗中還使用了鄰近匹配法將再分析數據匹配至距離其最近的縣級單位。

3.2 變量構造

（1）近地面臭氧變量。由于短期暴露于高濃度臭氧環境與長期慢性暴露于臭氧環境均有可能對農作物單產產生影響，該研究參考McGrath 等［27］， Yi 等［17］和 Carter等［16］的做法，構建三個均值指數：臭氧平均濃度、M7 和M12；以及三個累積指數：AOT40、W126和SUM06。

（2）氣溫變量。該研究還控制了一系列氣溫變量：由于短期暴露于極端氣溫與長期均溫都會對農作物單產產生影響［40］，研究中控制了月氣溫最高值和≥20 ℃積溫。其中≥20 ℃積溫的計算公式為：

3.3 描述性統計

表1 列出了實證分析部分所使用的全部變量及其描述性統計結果。圖1 展示了近地面臭氧濃度的分布與變化，從空間上來看，近地面臭氧在沿海與高海拔地區濃度較高；從時間上看，近地面臭氧的濃度呈現夏季高、冬季低的趨勢。圖2展示了水稻與玉米單產的分布與變化，水稻與玉米的各縣級行政區年均單產基本穩定。

圖1 近地面臭氧濃度（左）和平均氣溫（右）的變化

圖2 水稻和玉米單產的變化

4 實證結果

4.1 臭氧、高溫對糧食產量的分別影響

4.1.1 參數估計

基于雙向固定效應模型，首先分析了臭氧、溫度對于糧食產量的分別影響。除了主要關注的臭氧濃度和高溫，還逐步控制了其他與氣候相關的變量、其他空氣污染相關的變量以及相關生產要素投入品。水稻和玉米的回歸結果分別見表2中的模型（1）—模型（8），該研究將集中分析表2 中的模型（4）和模型（8）。表2 中的模型（4）結果顯示，當臭氧在生長季節的平均濃度上升1×10-9，水稻的產量則會顯著下降0.46%；表2中的模型（8）結果顯示，玉米的單產將顯著下降1.12%。這與Carter 等［16］的結果基本一致，Carter 等［16］表明當臭氧濃度上升2.08×10-9時，水稻產量大約下降1%。Yi 等［17］顯示當臭氧濃度上升1×10-9時，玉米產量下降0.61%。

表2 臭氧、高溫對單產的影響

已有文獻也有一些聚焦于其他國家和地區的關于臭氧對糧食單產影響的研究。例如，美國的一項研究顯示，近地面臭氧濃度升高導致美國的玉米、大豆分別減產10%和5%［27］。Ghude 等［47］顯示，印度的臭氧污染導致的谷物損失約為每年印度所需谷物的9.2%。這些結果表明，臭氧普遍對于糧食生產存在較為顯著的負面影響。但是負面影響的差異大小會因各國種植品種、種植制度、氣候條件，以及污染程度等因素存在差異。

高溫也顯著降低了糧食的單產。具體而言，當生長季的最高溫度上升1 ℃，水稻單產將下降1.03%（表2 模型（4）），而玉米將下降2.48%（表2 模型（8））。Peng 等［7］表明旱季最低氣溫每升高1 ℃，水稻產量減少10%。文中的數值相較于其較小，可能的原因是該研究聚焦于旱季，從而放大了氣溫對于作物單產的影響。Tigchelaar 等［48］表明若全球氣溫升高4 ℃，四大玉米出口國同時減產超過10%的可能性為86%。

文中還控制了一系列其他的可能影響作物單產的變量。實證結果顯示，一氧化碳對于水稻和玉米的單產均有顯著的負向影響。然而，顆粒物（PM）對于水稻和玉米的影響并不顯著。已有文獻中關于PM 對于水稻和玉米單產的影響并沒有一致的結論：Yi等［17］發現PM對玉米的產量有顯著的負向影響，但是Zhou 等［49］并沒有發現PM對水稻生產有顯著的影響。降雨顯著降低了玉米的單產，但是對于水稻單產的影響并不顯著。風速對于玉米和水稻的單產都產生顯著的負向影響，可能的原因是密集的植物冠層會因為高風速引發的間歇性或持續摩擦而受損，同時被風吹起的土壤顆粒也會磨損和破壞植物組織；強風吹倒作物會使得農作物難以收割［50-51］。≥20 ℃積溫對水稻和玉米單產的影響都呈倒“U”型，這表明一定的積溫有利于促進水稻單產的提高。

為了進一步探索臭氧和高溫對于水稻和玉米單產具體的影響階段，將臭氧和高溫分別細化為前中后三個階段，回歸結果見表3。表3 中顯示臭氧對于水稻和玉米單產的影響主要集中于其生長的中后期，在生長前期影響并不顯著。這與Carter 等［16］與Yi 等［17］的結果一致：Carter等［16］發現水稻在結實期暴露在高臭氧濃度下會顯著降低其單產；Yi 等［17］發現玉米在生長期的第二個月末對臭氧濃度更敏感。高溫對于兩種作物的影響則存在較大的差異：高溫對于水稻的敏感期主要集中在其生長的中期；前期溫度的適當升高反而會增加玉米的單產，但是中后期的高溫則會顯著降低玉米的單產。Schlenker等［25］也發現玉米單產隨溫度升高而增加，但是當超過29℃后，溫度繼續上升會顯著降低玉米的單產。Hussain 等［52］發現高溫對水稻的幾乎所有生長階段都有負向影響，尤其是在種子的發育、出苗和生長階段。

表3 水稻和玉米對臭氧和高溫的敏感期

4.1.2 半參數估計

文中使用R中的mgcv軟件包估計了廣義相加模型。關于臭氧分別對于水稻和玉米單產的半參數估計結果如圖3（a）和3（b）所示。圖3（a）顯示，當臭氧濃度高于53×10-9時，臭氧濃度的上升對水稻單產產生負向影響，但是直到65×10-9，這一負向影響的斜率較小。當臭氧濃度超過65×10-9時，臭氧濃度對水稻單產的負向影響加劇。圖3（b）顯示，與水稻影響機制不同的是，當臭氧濃度超過60×10-9時，臭氧濃度的上升將大幅降低玉米的單產。當臭氧濃度上升到65×10-9時，臭氧濃度的上升對于玉米單產的負向影響趨于平穩。

圖3 臭氧濃度對水稻和玉米單產影響的半參數估計

關于高溫分別對于水稻和玉米單產的半參數估計結果如圖4（a）和4（b）所示。圖4（a）顯示，當氣溫高于19 ℃時，氣溫的上升對水稻單產產生負向影響。圖4（b）顯示，當氣溫超過18 ℃時，氣溫的上升對玉米單產產生負向作用。高溫對兩種作物的影響機制與臭氧對兩種作物的影響機制存在差別：例如，當臭氧濃度升高到某一數值以后，對于玉米單產的負面影響趨于穩定。但是當氣溫升高到19 ℃和18 ℃以后，氣溫分別對水稻和玉米單產的負向作用并沒有趨于穩定的區間；相反，會隨著溫度的升高，造成水稻和玉米單產的更大損失。

圖4 高溫對水稻和玉米單產影響的半參數估計

4.2 臭氧與高溫對糧食產量的聯合影響

4.2.1 臭氧與高溫對單產的聯合影響——參數估計

首先使用參數方法估計了臭氧和高溫對于水稻和玉米單產的聯合影響。具體而言，定義高臭氧濃度為60×10-9及以上，高氣溫為30 ℃及以上。對于水稻而言（表4），基準組為低臭氧濃度和非高溫地區的水稻單產，高臭氧濃度但非高溫地區的水稻單產與基準組相比顯著低3.52%，高溫但是非高臭氧濃度地區的水稻單產與基準組相比顯著低2.27%，同時高臭氧濃度和高溫度組顯著低2.37%（=3.42%-3.52%-2.27%）。對于玉米而言（表4），相對于基準組，高臭氧濃度和非高溫組與基準組并沒有顯著的差異，高氣溫但非高臭氧濃度組玉米的單產相對于基準組顯著低1.73%，這表明玉米對高溫更敏感。同時高氣溫和高臭氧濃度組的單產相比于基準組顯著低8.46%（=0.05%-1.73%-6.78%）。

表4 臭氧與高溫對單產的聯合影響

4.2.2 臭氧與高溫對單產的聯合影響——半參數估計

已有研究的模擬結果預測顯示，不同作物對于臭氧和高溫的敏感度存在異質性［18］，但是尚未有研究運用計量經濟學方法通過真實數據對該結論進行驗證。文中運用雙變量半參數估計的方法，聯合檢驗了臭氧濃度和氣溫對于糧食單產的影響，研究結果如圖5 所示。圖5（a）表示臭氧濃度和氣溫對于水稻單產的影響：淺灰色的線為等高線，表示位于該等高線上的臭氧-溫度組合對于水稻單產的影響相同。等高線上的數字表示位于該等高線上的臭氧濃度和氣溫的組合對于水稻單產的影響，例如，數值為-0.1 的等高線表示在控制其他因素后，位于該等高線上的單產相比于數值為0的等高線上的組合低10%。水稻的等高線斜率基本為負，且陡峭程度高于玉米的等高線，這表明水稻對于臭氧和氣溫都較為敏感。

圖5 臭氧和高溫對水稻和玉米的聯合影響

圖5（b）表示臭氧濃度和氣溫對于玉米單產的影響。圖中的等高線及其等高線上的數字與圖5（a）一致。與圖5（a）不同的是，玉米的等高線在臭氧濃度低于65×10-9時基本呈現負斜率，其斜率的絕對值小于水稻的斜率。但是當臭氧濃度超過65×10-9以后，等高線基本保持水平，臭氧濃度的上升不再影響玉米的單產，玉米單產的下降主要受高溫影響。圖5（a）和圖5（b）表明，臭氧濃度和高溫聯合對于水稻單產和玉米單產的影響存在較大的差異。水稻單產對高臭氧濃度和高溫都非常敏感，但是玉米主要受高溫影響。這與已有研究預測的模擬結果一致［18］。

文中的結論對于引導農戶采取合理的適應性行為具有一定的指導意義。因為不同的作物對臭氧-溫度組合具有不同的敏感性，在其他條件允許的情況下，可以在高臭氧濃度但非高溫地區選擇一些對臭氧敏感度相對較低的作物。以此類推，在高溫但低臭氧濃度的地區選擇一些對高溫敏感度較低的作物。這有利于在現有的資源稟賦、空氣污染和氣候條件下，做出一定的適應性調整。

5 穩健性檢驗及拓展分析

5.1 穩健性檢驗

該研究從多個角度進行穩健性檢驗。首先是針對關鍵解釋變量——臭氧濃度。對于臭氧的度量方法，存在不同的定義。該研究通過改變臭氧濃度的度量方法，檢驗模型估計結果是否對不同臭氧濃度的指標較為敏感：文中使用了M7 和M12 兩個平均值的指標，對于水稻而言，其估計結果見表5 中的模型（1）和模型（2），其系數分別為-0.0044 與-0.0053。該結果與基準模型（表2 中的模型（4））的系數方向相同、大小基本一致。對于玉米的估計結果見表5中的模型（6）和模型（7），臭氧指標的系數分別為-0.0062 與-0.0089，也與基準模型（表2 中的模型（8））的回歸系數的方向相同、大小基本一致。此外，還采取了常用的統計一定時間內臭氧濃度累積的指標（即W126，AOT40 和SUM06），見表5 中的模型（3）—模型（5）和模型（8）—模型（10），該結果顯示模型的系數方向與表2相同。因為累計指標的臭氧濃度量級高于平均指標，所以該系數較平均指標較小。

表5 不同臭氧濃度的衡量指標對水稻和玉米單產影響的穩健性檢驗

其次，對于再分析數據如何匹配到縣級層面，在數據處理過程中存在多種插值方法。文中采取了較為常用的逆向距離權重（IDW）的方法匹配，該方法以逆向距離為權重，將縣域中心（centroid）附近柵格點的數據通過加權平均賦值給該縣。為了檢驗估計結果是否對插值方法較為敏感，還采用了較為直觀的近鄰插值法，將各個柵格點的污染和氣象數據匹配到每個縣。基于使用近鄰插值法重新生成的數據，重新估計了前文參數和半參數的回歸，估計結果見表6。回歸結果基本與前文保持一致，這表明該研究的結果不受不同的插值方法的影響。

表6 近鄰插值的穩健性檢驗

再者，中國幅員遼闊，不同地區的作物生長季節存在顯著差異，文中將進一步檢驗估計結果是否會受到作物生長季節定義的不同而產生顯著影響。為了檢驗不同的季節差異，參考Ortiz-Bobea 等［53］，對生長季節采取了不同的定義：3—9月、4—9月，并分別進行了回歸，回歸結果見表7 和表8。模型的估計結果顯示：除了對于水稻的回歸中，高溫的影響不再顯著（但方向相同）之外，其余主要變量的系數方向均相同，系數大小也變化較小。水稻受高溫影響不再顯著的一個可能原因是中國的水稻種植區域基本在9 月前就完成了收獲，所以加入9 月后計算的平均氣溫不再顯著影響其單產。

表7 不同種植季的穩健性檢驗（3—9月）

表8 不同種植季的穩健性檢驗（4—9月）

另外，已有文獻還考慮了作物產量之間的空間相關性［36］。相鄰的縣通常在作物種植經驗、品種選擇，以及面臨的農業政策等方面都存在較強的相關性。但是，這些因素一般難以控制，從而遺漏在殘差項中。為了檢驗這些因素是否對實證結果造成較大影響，文中放松了殘差項獨立同分布的假設，即允許相毗鄰的縣之間的殘差項存在相關。具體而言，允許雙向固定效應模型的殘差項存在空間相關，即雙向固定效應空間誤差模型。在該模型中，模型的擾動項εit=δMεit+νit。其中，δ為空間相關系數，M 為空間權重矩陣，文中采取了近鄰和逆向距離兩種加權方法。

5.2 福利分析

基于基準模型的估計結果，估計臭氧造成的水稻和玉米這兩種主糧產量的損失。具體計算方法為：①根據表2 中的模型（4）和模型（8）分別得到臭氧對水稻和玉米單產對數影響的系數大小；②通過圖3獲得臭氧對水稻和玉米產生負面影響的臨界點；③計算每個縣每年超過臨界點的臭氧濃度數值，并通過乘以（1）中得到的系數獲得某縣的每種糧食的該年損失比例，并進一步計算該縣損失量；④對每年全國的縣進行加總得到全國的每種糧食損失量。

研究結果表明，中國在2009 年因臭氧污染損失的水稻和玉米產量分別約為30 億kg 和 62 億kg。從2003 至2009 年，水稻和玉米因為臭氧的損失基本呈上升趨勢。根據半參數估計結果（圖3），因臭氧濃度的加大，臭氧濃度的邊際影響則會更大（斜率更大）。伴隨著中國臭氧濃度的提升，預計2010—2021 年中國因臭氧造成的糧食損失更大。

根據聯合國糧農組織的數據［54］，中國人每年平均消費水稻126.69 kg。因此，2009 年因臭氧造成的水稻損失量就可以為約2 400 萬人提供一年的稻谷消費。已有文獻中，Carter 等［16］通過對中國局部省份的實證研究，外推到2010年中國全國因近地面臭氧污染而造成的水稻減產約為200萬t。按照中國人年均消費126.69 kg計算，Carter 等［16］的結論是臭氧造成的水稻減產可以提供約1 600萬人一年的稻谷消費。因此，該結論與該研究的結論大體一致。如果臭氧可以得到有效控制，中國的糧食安全將得到進一步的保障。

實證結果表明，盡管嚴格控制臭氧水平會大幅降低對糧食生產的負面影響，但嚴格控制的社會或經濟成本較高。一種較為折中的做法是將臭氧濃度控制在可接受的范圍之內，即對作物生產造成嚴重負面影響的閾值范圍內。例如，盡管超過53×10-9，臭氧濃度就會對水稻單產造成負面影響，但是如圖3（a）所示，當臭氧濃度控制在65×10-9以內時，臭氧產生的負面影響是較弱的（斜率較小）。因此，兼顧社會與經濟發展，將臭氧濃度控制在一定的范圍內是比較經濟的做法。

6 結 論

臭氧和高溫是影響糧食生產的重要因素。該研究基于ECMWF的再分析數據，獲取了縣級的空氣污染和氣候相關的面板數據。在此基礎上，結合了作物單產及其他影響作物產量的社會經濟數據，首次使用二元半參數估計的方法，估計了臭氧和高溫對于單產的聯合影響。該研究發現，與已有研究一致，臭氧、高溫都分別對水稻和玉米產生顯著的負向影響。但是，臭氧和高溫對兩種作物的聯合影響存在異質性。具體表現為：水稻對臭氧和高溫都較為敏感，臭氧和溫度的任何一方升高都會造成水稻單產的下降；玉米對高溫的敏感性遠高于對臭氧的敏感性，當臭氧濃度上升到一定程度之后，單純的臭氧濃度提高對玉米單產的邊際影響幾乎為零，這與模型預測的數據一致［18］。該研究首次用真實的實際觀測數據驗證了該結論。

隨著近地臭氧污染逐年增加，并成為中國主要的空氣污染因素，臭氧對于糧食單產的負面影響預計將會加劇。這將對于中國糧食安全造成一定的風險，威脅到將“飯碗牢牢端在自己手中”這一政策目標的實現。考慮到中國糧食進出口在國際糧食市場的較大份額，這甚至可能會加劇全球發展中國家的營養不良率。相反，如果臭氧得到控制且極端高溫得到緩解，則可能在現有的技術和土地剛性約束下，進一步保障中國的糧食安全。

一元半參數估計對于平衡空氣污染治理成本和收益提供了一定的理論支撐。當臭氧濃度高于53×10-9時，臭氧濃度的上升會對水稻和玉米的產量造成負面影響。但是，只要將水稻種植區和玉米種植區的臭氧濃度控制在65×10-9和60×10-9以下，該負向影響則較小。考慮到近地面臭氧污染治理難度大、治理成本高，將臭氧濃度控制在合適的范圍內將實現污染治理成本和治理收益的平衡。

二元半參數估計結果表明，臭氧和高溫對作物單產的聯合影響是顯著的，且不同的作物對于不同濃度的臭氧和高溫組合表現出異質性。這啟示農業政策部門在考慮降低或消除臭氧對于糧食的負面影響時，應充分考慮不同作物對于臭氧和高溫敏感程度的異質性，并指導農民進行種植結構的適應性調整。