气候变化对农作物生产力与种植结构的影响——基于DNDC-CGE模型的仿真研究

袁 锋，于 冷，赵子健

（上海交通大学安泰经济与管理学院，上海 200030）

气候变化对农作物生产力与种植结构的影响
——基于DNDC-CGE模型的仿真研究

袁 锋，于 冷，赵子健

（上海交通大学安泰经济与管理学院，上海 200030）

农业作为“靠天吃饭”的行业，气候变化势必对农作物的生产力与种植结构产生深刻影响。结合增温、降水减少和二氧化碳浓度增加进行情景设定，并通过所构建的中国地区DNDC－CGE模型开展仿真。研究发现，气候变暖将促使大多数农作物（如玉米、水稻、甘蔗等）的单产增加，但市场的供求规律将使得相关农产品价格逆向浮动，进而改变农户种植行为，促使他们将大量农地挪用于种植其他价高作物；降水减少使得甘蔗、马铃薯等单产减少，且水稻和谷物的种植面积、价格与行业增加值下降；二氧化碳浓度提高将使得绝大多数农作物的产量得到正向提升，仅不利于纤维作物增产。总体而言，气候变化有利于中国整体的GDP增长。

种植结构；气候变化；CO2肥效作用；DNDC-CGE模型

自20世纪70年代以来，人类对地球的深度开发导致温室气体排放迅速增加，造成全球温度显著上升，成为气候变化最为重要的特征。IPCC第五份全球气候变化综合报告指出，1880—2012年之间的大气平均温度上升0.65～1.06℃，并预期21世纪末全球表面温度变化可能超过1.5℃［1］。农业作为“靠天吃饭”的行业，温度变化势必对农作物的生产力（即单产）与种植结构产生深刻影响。温度持续快速上升的结果可能是破坏性的，如Lin［2］就明确指出农作物产量会因此受到冲击，导致农产品行业的巨大损失。但有限增温对农业产生的影响并不明确，对于某些农作物而言，温度上升有助于缩短其发育周期，并提高产量。单产的变化必然引起种植结构的转变。改革开放以来，既有的温度上升已使得我国种植北界持续北推，且水稻种植比例下降，玉米种植比例增加，而小麦比重起伏不定［3］。可以确信的是，进一步的气候变化势必继续影响主要作物产量以及种植结构。

降水变化也会对农作物产量发生影响，降水增加的年份可以通过减少灌溉来防止涝灾发生，但干旱气候下缺水地区农业的减产无可避，由此在降水模拟上尤其需要注意干旱发生。近年来，我国干旱现象频发，根据国家气候中心网发布的极端天气气候时间统计，2004年中期到2010年末的干旱发生占到气候灾害的15%［4］，这进一步从现实层面提高了探讨干旱的意义。

此外，还有一个要素需要纳入考量，即CO2浓度上升。CO2浓度上升有助于提高农作物产量，发挥显著的肥效作用。国内学者也注意到了这一问题，如黄德林等［5］发现考虑二氧化碳肥效作用之后，气候变化对中国经济的影响将由负转正。

基于此，本研究设计多种气候变化情景，利用反硝化—反分解（DeNitrification—DeComposition，DNDC）模型仿真气候变化对主要农作物单产可能产生的冲击，同时耦合可计算一般均衡模型（Computable General Equilibrium，CGE）模拟不同气候条件下农作物单产变化对我国农业种植结构的影响。

1 气候变暖对农业生产的影响研究概况

由于全球变化趋势愈发明显，由此对农业生产的各种效应得到了学界的高度重视。在增温效应方面，Walthall等［6］比较了温度与降水、极端等天气事件对美国农林业的影响差异，指出温度在植物授粉期的变化对植物生长的影响最大，温度上升可能引起植物过早成熟，有助于实现作物一年多熟，但温度较高幅度的上升会对农作物生长造成限制作用；Gohari等［7］使用随机模型评估了扎因达鲁德流域4种农作物受到温度变化的具体影响，发现4种作物的种植周期都有所缩短，产量在温度持续上升超过一定限度后开始下降，且玉米、水稻对温度变化最为敏感；Hatfield等［8］的研究也取得类似结论。以我国为对象的研究也在陆续开展中，孙芳［9］通过设定不同气候情景进行仿真模拟，发现气候变暖将导致北方水稻种植比例增加、小麦减少以及西部玉米种植增加等结构性调整；刘颖杰［10］通过对前50年数据的分析，发现温度上升使得东北地区产量增加，西北、西南地区产量减少，而华东、中南地区产量变化不明显；云雅如［11］进一步发现温度上升增加了东北地区的水稻种植面积，但减少了小麦种植面积；宋艳玲等［12］以1953—2000年新疆地区的种植情况为研究对象，发现温度上升会促使棉花种植比例大幅提高。

在干旱效应方面，方强飞［13］研究发现干旱对冬小麦的影响较春小麦更严重，且干旱对不同地区的影响存在差异，北方受到的影响较严重；徐建文等［14］通过搜集历史数据，进而使用DSSAT模型仿真干旱对冬小麦生育阶段的影响，发现北方地区减产明显，由此断定干旱将对部分农作物的产量有不利的影响。降水与q气温也会产生协同效应，如刘晓英等［15］模拟了温度上升1～4℃情形下华北地区农作物需水量的变动，发现冬小麦需求增幅最大，棉花次之，而夏玉米最小。

在CO2肥效方面，刘颖杰［10］发现CO2浓度上升对不同地区玉米生产有差异化作用，尤其是高浓度情景下，华北地区玉米呈现增产趋势；王慧贞［16］通过中国北方FACE系统平台对不同CO2浓度情景进行了模拟，发现水稻对CO2的反应最为积极，产量出现增加的趋势；王晨光［17］指出高浓度CO2会促进冬小麦的光合能力，有助于积累更多有机物从而实现增产。

以上研究绝大多数隶属于自然科学领域，依托历史气象资料、农业实际数据进行相关分析，以此探讨气候变化对于种植情况的影响。由于背景条件的差异，不同研究者的结论不尽相同。为了得到一个更为系统的结论，本研究从机理模型出发，将自然科学模型与经济系统模型相互耦合形成模拟平台，形成了独特的研究方式，具有重要的理论意义。具体而言，利用DNDC这一生物地球化学模型测度气候变化带来的农作物生产力变化，并将其作为产量异动冲击引入CGE模型，进而分析种植结构变化，为社会各界认识中国农业后续变化趋势提供参考。

2 DNDC模型及仿真结果

2.1 DNDC模型与情景设定

DNDC模型是美国新罕布什尔州大学地球、海洋与空间研究所开发的一个大型生物地球化学模型，主要通过模仿生态系统中碳、氮元素受到环境营力作用的生物地球化学过程，仿真区域内的农作物生长、营养元素淋溶、温室气体排放以及土壤固碳。DNDC自开发以来，就受到世界各国研究人员的关注，大量研究也验证这一模型具有较高的拟合准确性。

DNDC模型包括两部分，即机理模型与数据库。机理模型被开发成DNDC软件，最新版本为DNDC 9.5（http://www.dndc.sr.unh.edu/）。中国地区数据库由DNDC模型的提出者、新罕布什尔大学李长生教授构建，该数据库将中国划分为2 473个格点，搜集了各个格点的具体参数，包含地理位置、土壤性质、种植情况、灌溉比例、肥料使用以及气象数据等，其中种植情况为2007年数据，而气象数据对应2010年。

近年来，我国气候变暖现象比较突出，《2015年中国气候公报》指出当年是自1951年有完整气象记录以来平均气温最高的一年，平均气温较常年高出0.95℃。因此，本研究设定了两种气候变暖情景：一是温度较基准情景（2010年）上升1℃；二是设定气温上升2℃，模拟增温跨度加大的情景。同时，考虑到降水可能的减少，根据《2011年水资源公报》数据，当年降水较常年减少9.4%，因此采用减少10%作为可能出现的干旱情景，并探讨了气温与降水同时变化的混合情景。根据美国国家海洋和大气管理局地球系统研究实验室对全球CO2浓度的观测数据，2010年全球CO2浓度的月均值为390 μL/L，本研究以此为基准情形，并考虑了CO2肥效情景，即浓度上升为410 μL/L。此外，本研究也考虑了若干混合情景，由此共设计7个情景，具体见表1。

表1 不同情景的具体设定

需要指出的是，DNDC中的产量是指作物果实部分的含碳量，由于同一农作物中的含碳量相对稳定，因此含碳量变化可以视作产量变化；考虑到DNDC假定种植面积不变，由此可以进一步视其为农作物生产力或单产的变动率。本研究模拟了17种主要农作物在不同情景下的产量，并通过与基准情形进行比较得出单产的变化率。此外，为了与后续CGE模型中的作物大类进行匹配，需要将同类农作物进行合并，这需要知悉各种农作物的实际产量以便加总，因此将《中国统计年鉴》中农作物实际产量根据变化率进行调整与累加，表2给出了不同情景下各大类农作物单产相对于基准情景的变化率。

2.2 DNDC模型的仿真结果

2.2.1无二氧化碳肥效作用的气候变化情景模拟 由DNDC模型仿真得到的无二氧化碳肥效作用下不同气候情景的运行结果（表2）可以看出，玉米、水稻和甘蔗是单一增温情景中单产增加最快的3类作物，这是源于玉米、水稻与甘蔗属于喜温作物，温度上升对这3类作物的生长有极强的促进作用；而甜菜、花生、春小麦、高粱、燕麦和大豆在温度上升后发生减产，源于这些作物大多喜凉或喜湿，增温不适于作物生长。具体而言，春小麦的适宜生长温度区间较低，增温会抑制生长；而高温加大了花生的蒸腾作用，水分流失不利花生成长。相较于单一增温情景，干旱增温情景中所有作物产量都出现了下降，尤其是甘蔗、马铃薯和燕麦。在高增温混合情景中，蔬菜减产同样十分严重。总体而言，升温对水稻、向日葵与甜菜等作物产生的减产并不明显；但由于干旱效应，冬小麦、小米、蔬菜、马铃薯、豆类、大豆、油菜、甘蔗以及棉花的产量都将发生大幅下滑。

表2 单一增温与增温干旱混合情景中各类农作物单产的变化率（%）

将DNDC模型的仿真结果根据作物类别进行累加，结果见表3。从大类作物角度来看，单一增温情景中，仅油料作物和纤维作物（高增温时）减产，而其他作物均增产，尤其是水稻和谷物。降水减少后，糖类作物减产最为明显，同时蔬菜、油料作物以及纤维作物也呈现减产。

表3 单一增温与增温干旱混合情景中大类农作物生产力变化率（%）

2.2.2结合二氧化碳肥效作用的气候变化情景模拟 考虑到二氧化碳肥效作用，本研究将二氧化碳浓度提升为410 μL/L，进而设计了3种情景，其中情景5仅考虑了肥效，而情景6和7结合了增温和干旱，由此得到的DNDC结果见表4，对农作物进行归类整理后的结果见表5。从表4、表5可以看出，在单一肥效情景中，棉花减产最为严重，其次是燕麦、小米与冬小麦，主要源于这些作物大多是喜凉作物；同时，大部分作物增产，尤其是甘蔗、春小麦与豆类等。这表明二氧化碳浓度提升有助于大部分农作物增产。

表4 结合肥效作用情景中的各类农作物生产力变化率（%）

表5 结合肥效作用情景中的大类农作物生产力变化率（%）

结合其他气候变化因素进行综合模拟。在低增温干旱情景中，水稻、玉米、向日葵、油菜和豆类增产，而其他农作物减产，尤其是燕麦和棉花；在高增温干旱情景中，水稻、向日葵、豆类等9类作物生产力增加，而燕麦、棉花、甜菜、花生等8类作物生产力减少。相比低增温干旱情景，高增温干旱情景下的水稻、玉米、小米、向日葵和冬小麦等10类作物单产提升，而甜菜、花生、大豆等7类作物单产下降。与无肥效作用的情景进行横向比较，可以发现，二氧化碳浓度上升使得纤维作物减产最明显，但对于水稻增产有着积极作用。

根据表5的结果，单一肥效情景中的纤维作物和小麦减产，而其他大类作物增产。在低增温混合情景中，由于增温和干旱的作用，蔬菜和糖类作物也显现减产，但水稻和谷物产量上升；在高增温混合情景中，水稻、谷物和小麦实现增产，而其他4类作物均减产，尤其是纤维作物。对不同情景进行横向比较，可知气温上升使得作物产量波动幅度加大，也意味着负面作用被放大，这需要引起重视；与无肥效作用情景进行横向比较，可以发现，二氧化碳浓度上升使得纤维作物的减产十分明显，而除小麦和纤维作物之外的其他作物在单产方面有所增加。

3 CGE模型与仿真结果

CGE模型是以一般均衡理论为基础，可以涵盖不同商品与要素市场，并将居民、政府、企业以及世界其他地区等主体一并纳入的开放经济系统，它通过不同变量的设定与相应方程体系的构建，形成与现实匹配的大型数值模型。

3.1 CGE模型的原理与构建

CGE模型通过一系列方程描述经济系统中商品、要素市场的供给、需求以及均衡关系，其中商品、要素的数量和价格是方程的内生变量。方程中包含着若干外生变量，而外生变量的改变会对整个方程组表示的经济系统产生影响，表现为内生变量（商品、要素的价格和数量）产生波动，即系统从初始均衡转变至另一个新均衡状态。通过两者之间的比较分析，可以得知外生冲击对经济体系的影响，以便给予全面分析。

CGE仿真结果的可信度一直是焦点问题之一，在本研究中表现为：数据搜集年份较早，而当时的经济形势与目前乃至今后的经济运行状况存在较大差别，基期模拟结果是否仍具适用性。这是目前CGE研究中普遍存在的问题，一些文献采用动态递归的方法实现数据更新，进而在新数据基础上进行模拟，以便提高研究的信度［5］。而本研究基于两个原因仍采用静态模拟方法：一是本研究仅希望测度出气候冲击带来的比例变动，并不涉及对未来的总量预测，由此任何一个时点的比较静态分析已经能够满足要求；二是为了与DNDC数据库匹配，以便提升研究的合理性。

本研究构建的CGE模型以翟凡等［18］的研究为基础，包括生产模块、价格模块、流通模块、收入支出模块以及闭合模块，具体说明如下。

3.1.1生产模块 生产模块反映了行业生产的投入产出情况，模型假定资本、劳动以及中间投入是最主要的生产性投入，通过常替代函数（Constant Elasticity of Substitution，CES）以及Leontief函数进行结构性嵌套。

3.1.2价格模块 价格模块给出了企业对产出品的定价方式，由于模型假定所有商品市场为完全竞争市场，企业不存在超额利润，由此各层投入价格为下一层投入价格的相应嵌套，行业产出价格是资本—劳动—土地与中间投入价格的CES合成。

3.1.3流通模块 流通模块中的商品存在国内与国外两种生产来源，国内商品需求可以通过本国生产以及国外进口满足，而国内商品供给存在国内出售以及对外出口两种销售渠道。在商品进口方面，模型使用了Armington假设；而在出口方面，模型使用常弹性转换方程（Constant Elasticity of Transformation，CET）方程予以表示。由于我国在不同商品的国际市场上普遍缺乏定价权，故在进出口定价上选用小国假设，即我国是世界价格的接受者。

3.1.4收入支出模块 政府、居民与企业是实际经济的最主要参与者，本研究通过对其收支进行描述，以便表现其经济参与情况。政府作为公共服务机构，其收入主要来源于土地收入、各类税收（生产税、关税、所得税等）；政府支出主要用于转移支付以及政府购买。

居民是商品最主要的消费者以及劳务提供者，收入来源于劳动报酬以及来自政府、企业和世界其他地区的转移支付；支出是对商品的消费支出以及向政府交纳的各项税费。其中，所得税税率、政府与世界其他地区的转移支付外生给定，企业转移支付占企业税后收入的比例固定，同时模型假定居民具有Cobb—Douglas形式的效用函数。

企业作为商品生产者以及劳务购买者，其收入主要来源于产业资本报酬以及来自政府的转移支付；支出主要是对居民的转移支付以及向政府交纳的各项税费，其中税收占比外生给定。

3.1.5闭合模块 闭合模块包括要素市场（资本、劳动和土地）以及投资—储蓄的出清，其中投资额、要素供给总量、国外净汇入外生，且将汇率作为基准价格。

3.2 CGE模型的数据基础

CGE模型的数据基础包括社会核算矩阵（Social Accounting Matrix，即SAM表）以及外生参数，其中SAM表以矩阵形式描述经济系统内部生产活动以及各行为主体间的关联方式。本研究编制的中国社会核算矩阵包括生产活动账户、商品账户、要素账户、居民账户、企业账户、政府账户以及资本账户和世界其他地区账户8类。编制过程中采用的行业数据来源于GTAP（Global Trade Analysis Project）8.0中的57部门数据，而其他数据采用了《中国统计年鉴（2008）》“资金流量表（实物量）”中的统计值。由于存在统计口径差异，SAM表行列和在很多情况中可能出现不一致的现象，因此采用交叉熵方法对SAM表进行调平（表6）。

表6 调平后的中国SAM简表（×1010元）

3.3 CGE模型的仿真结果

在模型耦合上，本研究将DNDC模型计算的单产变化率以技术冲击的形式进入CGE模型，从而产生新的经济均衡，并与基准情景对比得出冲击带来的种植结构变化。尽管增温导致单位种植面积的生产力发生变化，但既有种植面积上的农资用品（化肥、农药、农膜等）投入并没有因此变化，由此需要对中间投入进行适当调整。

3.3.1农作物相关行业的模拟结果 （1）无二氧化碳肥效作用情景的CGE模型运行结果。将DNDC调整的大类作物单产变化率代入CGE模型予以运行，结果见表7、表8。从表7可以看出，由于水稻、谷物以及糖类作物属于喜温作物，增温导致了增产，但均衡条件下的种植面积和行业增加值却发生下降，其背后的逻辑是增产导致作物价格下降，进而改变农户的种植决策。这在高增温情景中尤为明显，生产力增长趋势越显著，对应大类作物价格降幅就越大，最终所有作物价格均发生下滑。就具体种植结构变化而言，水稻面积和行业增加值减少较为严重，低增温情景中分别减少3.18%和3.70%，而高增温情景中分别减少4.96%和5.89%。小麦在低增温情景中种植面积小幅上升，而在高增温情景中出现了种植面积下降的现象，同时行业增加值均有所下降。增温对蔬菜与纤维作物的单产影响不明显，且对油料作物生长具有负向作用，但三者的种植面积扩张较为显著，从而扭转了产量下滑趋势，并在行业增加值上显现出正向增长。从表8可以看出，相比单一增温情景，增温干旱混合情景中水稻和小麦的变化幅度有所加大；谷物行业发展被全面抑制；蔬菜与糖类作物的种植面积、价格和增加值上升，但产量有所下降；油料作物的种植面积和价格呈现上升，而产量与增加值出现下滑，且产量缩减较为严重。

表7 单一增温情景中的农作物种植结构变化率（%）

表8 增温干旱混合情景中的农作物种植结构变化率（%）

（2）结合二氧化碳肥效作用情景的CGE模型运行结果。仅考虑二氧化碳浓度提升情景的模拟结果见表9，可以发现，除了纤维作物外的其他大类作物产量都有所提高，且小麦、油料作物和纤维作物的种植面积与行业增加值上升。在这个过程中，作物价格发挥了积极的调节作用，小麦与纤维作物的价格上升，其他作物价格下调，同时也引起除油料作物外的作物行业增加值削减。

综合模拟情景（情景6、情景7）的模拟结果（表9）表明，除纤维作物外的其他大类作物都实现了增产。就种植结构而言，水稻和谷物的种植面积和行业增加值下降，而其他大类作物的种植面积和增加值都得到提升。在价格方面，水稻、谷物和油料作物的价格下降，且高增温情景中的小麦价格也将下滑。需要注意的是，纤维作物价格上调较快，这是由纤维作物生产力被较大幅度削弱所致。将肥效情景与相应无肥效情景进行横向对比，可以发现肥效作用促使了绝大多数大类作物的增产，且小麦和纤维作物的种植面积、价格水平以及行业增加值都同步提升。

表9 结合肥效作用情景中的农作物种植结构变化率（%）

3.3.2其他行业与经济总量方面的模拟结果 农业作为经济系统的一部分，其结构变动必定引起关联行业乃至整个体系的调整。表10统计了7个情景中GDP、三大产业增加值以及居民福利的变动情况，其中居民福利指以基年价格核算的居民消费总支出。从表10可以看出，单一增温情景下第一产业增加值有轻微下降，而其他两个产业以及整体GDP得到提升，尤其表现在第三产业上，同时，居民福利也得到较为显著的提升。在增温干旱情景中，三大产业与GDP都有所增长，但居民福利反转下降，这与部分产品价格上升较大有关。与单一增温情景相比，混合情景中第一产业增加值获得明显提振，但其他两个产业乃至整体GDP略有收缩。在单一肥效情景中，第三产业增加值提升最为显著，有效带动了GDP的上扬，同时，第一产业与第二产业增加值下调，也引起居民福利下滑。在综合情景中，第一产业增加值下降，其他两个产业增加值以及GDP都表现为正向增长，居民福利随之大幅改善；与相对应的无肥效情景进行对比，居民福利明显改善，且第一产业和第二产业增加值下降，第三产业增加值上浮，产业层面变动的分化导致经济总体表现上的变化并不确定。

表10 不同情景中宏观与产业经济层面的变化率（%）

4 结论

本研究构建了中国地区的DNDC－CGE模型，对不同气候条件下农作物生产力变化与所引发的农业种植结构影响进行了仿真，结果表明：

（1）温度提高是气候变化最显著的特征，会对不同农作物的生产力与种植结构产生复杂影响。具体而言，单一增温情景下，只有油料作物和纤维作物（仅高增温时）减产，其他作物均增产。由于市场供求规律的干预，作物增产将导致对应市场价格下降较快，进而逆向调整种植面积，进而导致水稻、谷物与糖类作物的种植面积下降，纤维作物和油料作物的种植面积增长。就最终均衡结果而言，所有作物的产量都有所提升。

（2）气候变化还涉及降水变化，尤其表现在降水减少、干旱显现之时。降水减少后，糖类作物减产最为明显，同时蔬菜、油料作物以及纤维作物也呈现减产。市场均衡时，水稻和谷物的种植面积下降，而其他作物的种植面积均有所增长，最终使得蔬菜、油料作物、糖类作物和纤维作物的产量下滑，尤其是油料作物。

（3）大气中的二氧化碳浓度上升会产生肥效作用，能够提高大多数农作物的生产力，仅纤维作物和小麦例外。市场均衡时，小麦、纤维作物和油料作物的种植面积增加，且小麦、纤维作物与油料作物的增加值提升。

（4）将如上气候要素均纳入综合情景予以考量，结果发现水稻、谷物和小麦（仅高增温时）生产力上升。市场均衡时，水稻和油料作物的种植面积减少，在总产量上仅纤维作物大幅减产，其原因在于二氧化碳浓度上升极不利于纤维作物生长。

（5）就气候变化的整体效应而言，气候变化有利于经济发展。就不同气候变化要素的作用特征而言，增温抑制了第一产业增加值形成，干旱损害了居民福利，而二氧化碳肥效作用有益于第三产业的发展。

［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.气候变化对我国农作物种植结构的影响［J］.气候变化研究进展，2010，6（2）：123-129.

［4］ 孟旭芹，童俊，刘园园.我国气象灾害特征分析［J］.科技风，2016（2）：211.

［5］ 黄德林，李喜明，鞠劭芃.气候变化对中国粮食生产、消费及经济增长的影响研究—— 基于中国农业一般均衡模型［J］.中国农学通报，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］ 孙芳.农业适应气候变化能力研究—— 种植结构与技术方向［D］.北京：中国农业科学院，2008.

［10］ 刘颖杰.气候变化对中国粮食产量的区域影响研究—— 以玉米为例［D］.北京：首都师范大学，2008.

［11］ 云雅如.过去20年我国黑龙江省主要粮食作物种植格局变化同气候变暖之间的关系［D］.呼和浩特：内蒙古师范大学，2004.

［12］ 宋艳玲，张强，董文杰，等.气候变化对新疆地区棉花生产的影响［J］.中国农业气象，2004，25（3）：15-20.

［13］ 方强飞.基于中分辨率遥感数据的全国小麦主产区干旱及对小麦产量影响研究［D］.南京：南京大学，2014.

［14］ 徐建文，居辉，梅旭荣，等.近30年黄淮海平原干旱对冬小麦产量的潜在影响模拟［J］.农业工程学报，2015，21（6）：150-158.

［15］ 刘晓英，林而达.气候变化对华北地区主要作物需水量的影响［J］.水利学报，2004（2）：77-82.

［16］ 王惠贞.CO2浓度增高对北方水稻生理代谢影响的研究［D］.沈阳：沈阳农业大学，2014.

［17］ 王晨光.大气CO2浓度升高对冬小麦生长及产量的影响［D］.晋中：山西农业大学，2015.

［18］ 翟凡，李善同，冯珊.一个中国经济的可计算一般均衡模型［J］.数量经济技术经济研究，1997，7（3）：38-44.

（责任编辑 邹移光）

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

国家自然科学基金重点项目（71333010）；国家自然科学基金（71573173）；国家社会科学基金重点项目（15AZD010）；上海交通大学博士后研究基金（14X100030025）

袁锋（1993-），男，在读硕士生，E-mail：reganyuan@163.com

袁锋，于冷，赵子健.气候变化对农作物生产力与种植结构的影响——基于DNDC-CGE模型的仿真研究［J］.广东农业科学，2016，43（12）：159-167.