适应气候变化的中国粮食安全及经济增长研究——基于静态多区域农业一般均衡模型

黄德林，李新兴（中国农业科学院农业经济与发展研究所，北京100081）



适应气候变化的中国粮食安全及经济增长研究
——基于静态多区域农业一般均衡模型

黄德林，李新兴
（中国农业科学院农业经济与发展研究所，北京100081）

摘要：采用静态多区域农业一般均衡模型，把A2气候变化情景和B2气候变化情景导致粮食产量变化作为政策模拟条件，笔者研究了气候变化对中国粮食生产、消费及其经济增长的影响。模拟结果显示，无论是A2还是B2气候变化情景，中国玉米、小麦和水稻总体产出增加态势较为明显，中间投入需求和家庭消费需求明显增加，同时模拟结果还显示中国各地区玉米、小麦和水稻的出口将会随着产出的增长而大幅增加、进口随着产出的增加而大幅下降。在经济增长方面，绝大多数地区宏观经济呈增长态势，表现在实际GDP、实际投资、总进出口额的增加。基于研究结果本研究得出如下结论：气候变化会导致中国粮食总产量增加，中国经济增长得以保障。气候变化所引起的粮食产量变化地区间有所差异，总的来说，粮食主产区增长幅度要高于非主产区增长幅度，其中东北三省粮食增幅最为明显；不同作物产量因时（时间）因景（气候变化情景）有较大差异；虽然气候变化导致中国各地区粮食产量总体呈增加态势，但未来不确定因素较多，中国粮食安全问题仍不可忽视。

关键词：气候变化；粮食；影响；一般均衡模型

1　问题的提出

中国是一个人口大国，如果粮食安全问题得不到较好的解决，经济发展的基础就会动摇。确保粮食安为中国政府最重要的政策目标之一。无论是气候变化的50年尺度还是100年尺度，中国多数地区靠天吃饭的状况仍未完全转变，气候变化引起的粮食安全问题仍然是重大研究课题，全球变化研究国家重大科学研究计划项目（973）——气候变化对中国粮食生产系统的影响机理及适应机制研究（项目编号：2010CB951500）从4个方面立题研究，分别是气候变化背景下中国主要粮食作物产量动态变化模拟预测研究、气候变化背景下中国主要粮食作物空间格局动态变化模拟预测、气候变化对中国粮食生产影响的系统评价和对策仿真研究和气候变化对中国粮食作物区域布局物候特征影响及适应机制研究。在适应性机制研究中，Liming Ye等［2］采用多因子关联分析的研究思路，构建了包含农业资源要素、种植制度、农业灾变等生物物理因子以及人口总量、城市化率、耕地面积、技术进步、城乡人口粮食差别消费模式等社会经济因子在内的粮食安全状况系统评价模型，用于气候变化对中国2050年前后粮食安全影响的系统评价中。以粮食安全指数为指标对中国的粮食安全状况进行了评估和预测，结果表明：相对于耕地减少和人口增加的影响，在考虑CO2肥效作用的情况下，气候变化对中国粮食安全有温和的正效应；社会经济发展道路对中国粮食安全状况的未来发展趋势有重大影响。环境友好的均衡发展道路对长期粮食安全的保障作用远大于高人口、高排放的非均衡发展道路；维持单产年均增长率对保障粮食安全有重要意义，或者说单产增长率是一个比单产绝对值更有效的粮食安全指示指标。

与Liming Ye等的研究结论相近的研究有鲁向晖和姚凤梅。鲁向晖以中国豫西黄土丘陵区孟津县的冬小麦作为研究对象，其研究结果表明无论是否考虑CO2肥效作用孟津县的冬小麦产量在未来A2和B2气候变化情景下都表现出增产的趋势；姚凤梅在就未来气候变化对中国各地区水稻产量影响研究时得出这样的结论，在A2气候变化情境下，如果不考虑CO2的直接影响，水稻产量总体下降，而且各个地区产量下降幅度有一定差异，如果考虑CO2的肥效作用，长江流域以南和华南的双季稻产量会有10%～40%的增加，而长江以北地区和东北地区水稻产量则是有增有减，波动幅度在10%～20%左右。从而佐证了考虑CO2的肥效作用，气候变化对粮食增产的预测。未来50年气候变化导致粮食增产对中国粮食安全和经济增长所产生的影响是深远的，人们如何适应，需要全面考虑。中国多区域农业可计算一般均衡模型为人们提供了分析这种适应性的方法。鉴于所构建的中国多区域农业可计算一般均衡模型为静态模型，笔者将Liming Ye研究的气候变化影响粮食产量的时间序列数据作为模型模拟的基期，并计算绝对值，选取模型中表示产量变化的外生变量，将产量变化的绝对值进行基期（2008年）、中期（2030年）和远期（2050年）的模拟冲击，从而得到粮食产量变化对宏观经济和部门经济的影响。并还原粮食部门和宏观经济指标值，观测总量变化状况，提出适应适应气候变化的粮食安全政策。

2　研究方法

2.1多区域一般均衡理论

假设1个部门只能生产国家型产品或区域型产品，不能同时生产2种产品。

2.1.1国家型部门产出在各区域分配

式中：Grn为基期r区域n部门总产出比例，因为Grn固定，方程（1）意味着

2.1.2关于区域型产品的区域平衡方程所有区域产品总产出等于对该种产品的总需求为式（3）。

其中：B为销售份额。

假设式（5）。

不存在技术变化情况下有式（6）～（7）。

设所有a=0，将（6）～（7）代入到（4），简化得式（8）。

（1）区域投资。假设所有部门的投资分配给各区域的比例与其产出比例相同：

（2）各区域家庭消费。假设所有区域消费与劳动力收入有关，见式（13）。

式中：Vr为r区域总工资收入，V为整个经济体工资收入，其百分比变化形式为式（14）。

为r区域产品（us）消费关于经济体总消费（us）的消费弹性，rr（us）为r区域产品（us）。

消费关于r区域工资收入占总经济体比例的弹性。假设式（15）～（16）。

r为一用户参数，其值反映区域总消费对区域收入的依赖，ε（us）为整个经济体关于产品（us）的家庭支出弹性。

其百分比变化形式为：

Wrk为r区域k部门工资收入占r区域所有部门收入的份额。

其百分比变化形式为式（20）。

Wk为k部门工资收入占总经济收入的份额。

假设所有区域r中k部门单位产出所有就业百分比变化与整个经济k部门单位产出就业百分比变化相同：

将（20）代入到（14），（21）代入到（18）与（14），得到式（22）。

（3）各区域其他需求见式（23）。

为r区域对产品（us）的其它需求占整个经济对产品（us）的其他需求的份额，其百分比变化形式为式（24）。

（4）各区域国际出口。假设国际出口来源各区域固定见式（25）。

为r区域出口u占总国内出口u的份额，假设其为常数，上面方程的百分比变化形式为式（26）。

（5）区域部门产出的产品结构。在所有区域部门中，1个部门只生产1种产品见式（27）。

式中：m’为由区域部门m生产的区域产品，其百分比变化形式为式（28）。

2.1.3解区域产品的区域产出将方程（2）、（11）、（12）、（22）、（24）、（26）代入到方程（8），方程（28）用来消除zrm，得到式（29）。

2.2模型结构

模型结构见图1。

图1　多区域CGE结构图

2.3数据库结构

中国多区域数据库由176个部门组成，数据库构建基于2007年国家投入产出表。构建技术包括自上而下（top-down）方法，即对构建的国家水平的国家库，按比例分割成各区域结果，国家层次指标的变化结果为各区域相应指标结果变化的加权平均。以及自下而上（bottom-up）方法，即把各个区域独立的CGE链接起来，国家层次指标的变化结果为各区域相应指标结果变化的加权平均。

2.3.1数据库结构及区域间贸易流估计

区域间贸易流估计。在编制区域间投入产出表中利用引力模型的方法由Leontief和Strout提出，利用引力模型计算地区间各产业产品的贸易量由公式（31）决定。

式中：tRSi为产业i从地区R到地区S的流出量，xRi为地区R的i产业的总产出（总供给），dSi为地区S对i产业产品的总需求（中间需求与最终需求的合计），为全部地区i产业的总产出（等于总需求）；QRSi为i产业产品从地区R到地区S的贸易参数。

图2　多区域CGE模型的投入—产出表结构

运输量分布系数方法假定从某一地区向其他地区的物资输送量的分配比例与物资中重要的产品的分配比例存在近似性，因而这个分布系数可以被作为地区间产品流动的摩擦系数QRSi，用公式（32）表示。

式中：HRSi为R地区到S地区的i产业中重要产品的运输量，HROi为R地区的i产业相应产品总的发送量，HOSi为S地区的相应产品总的到达量，HOOi为全部地区i产业相应产品的总发送量（等于总到达量）。

2.3.2多区域CGE模型数据库最终形式见图3。

2.4政策模拟原理

区域d的厂商、家庭、投资者使用国产与进口产品，通过使用CES（固定替代弹性）嵌套函数使其成本最小，每一个嵌套函数包括数量和价格方程。厂商对中间投入的需求XINT（c，s，i，d）与i部门中间投入组合需求XINT_S（c，i，d）呈正比例，而且与某种来源中间投入价格PPUR（c，s，i，d）与组合需求加权价格PPUR_S（c，i，d）比例的替代弹性SIGMADOMIMP（c）次乘方呈反比。其中一种购买价格的变化会引起厂商使用更便宜的购买作为替代。

图3　数据库最终结构

模拟所需核心方程：对中间投入组合和基本要素组合需求方程，厂商生产使用中间投入XINT_S（c，i，d）和基本要素XPRIM（i，d），其生产函数为Leontief函数，厂商对基本要素的需求与总产出和技术系数呈比例：

XPRIM（i，d）=XTOT（i，d）×ATOT（i，d） ×APRIM（i，d）…………………………………………………… （33）

厂商对中间投入XINT_S（c，i，d）的需求也与总产品和技术系数呈比例，还与中间投入价格［ppur_s（c，i，d）与中间投入组合价格pint（i，d）的CES参数次方呈比例。在该方程中，有3种类型的技术参数，所有投入技术参数ATOT（i，d）、基本要素技术参数APRIM（i，d）、中间投入技术参数AINT_S（c，i，d），技术参数的变化意味着单位产品需要的投入变化，如技术提高即技术参数下降，在相同的产出水平下，厂商需要更少的基本要素XPRIM（i，d）或XINT_S（c，i，d）。

XINT_S（c，i，d）=ATOT（i，d）×AINT_S（c，i，d）×XTOT（i，d）×［ppur_s（c，i，d）×aint_s（c，i，d）/pint（i，d）］^-SIGINT（i，d）……………………………………………………（34）

根据市场出清条件，总收入等于总成本：XINT_S（c，i，d）=ATOT（i，d）×AINT_S（c，i，d）×XTOT（i，d）×［ppur_s（c，i，d）×aint_s（c，i，d）/pint（i，d）］^-SIGINT（i，d）………（35）

模型由短期闭合向长期闭合转换，闭合规则转换如下：（1）消费内生，平均消费倾向（apc_gnp）外生；（2）投资内生，资本供给曲线平移（d_f_eeqror）外生；（3）政府支出外生，对应的平移变量（f5tot）外生；（4）进口内生，对进口的偏好外生（twistsrc_c）；（5）出口内生，出口需求曲线的平移（feq_gen）外生；（6）GDP价格指数内生，整个经济主要生产要素的生产率（a1primgen）外生。

参数推演方法主要是遵循历史趋势法，即认为历史的趋势是流行的，那么中国经济将会按照历史的趋势发展（见表1）。

2.5基期设定

鉴于中国农业CGE模型特征及数据库投入产出表，以2007年为基期，因此，基线模拟指以2007年投入产出表数据为基期的2030年和2050年2个节点年与基期数据对应的增长率。这样，笔者可以得到在没有冲击条件下，未来2030年和2050年与模型分析粮食产出、粮食价格、消费、进出口等的经济变量的变化过程。

2.6数据来源

本研究使用的主要数据包括：基于2007年的国家投入产出表［9］所构建的一般均衡模型分析数据库。一般均衡分析是以2007年的社会经济状况为基准情景。此外，三大作物的气候要素和单产变化数据来自叶立明、熊伟作物模型模拟的相关研究结论（见表1和表2），其研究的基准情景是主要气候要素在2000年左右的气候要素变化的均值。

模拟结果表明，在高排放的A2情景下，2020年温度会上升1.4℃，降水增加3.3%；2050年气温上升2.6℃，降水增加7.0%。而在中低排放情景的B2情景B2下，2020年温度会上升0.9℃，降水增加3.7%；2050年气温上升1.5℃，降水增加7.0%。将气温和降水数据输入到作物模型中得到未来3大作物的产量变化见表3。

表1　模型历史模拟结果　%

表2　与基准情景相比气候要素的变化［2］

换算成时间序列的绝对值为表4。

表3　考虑CO2肥效的未来中国三大作物的单产变化［2］kg/hm2

表4　A2和B2气候变化情景下三大作物产量变化%

2.7政策模拟方案

采用多区域一般均衡模型来分析气候变化对经济系统的影响，具体思路为：首先建立一个包含没有气候变化的基准情景。其次要识别2种气候情景下的气候要素从基期到2050年的变化，以及气温的变化或降水变化对作物产量的影响。最后将气候变化对农业部门单产的影响结果传导到多区域一般均衡模型中，进而模拟出对经济系统及粮食安全的影响。模型中冲击单产选择的变量是与土地直接相关的技术变化a1lnd，冲击a1lnd会使得单位土地的产出增加，即提高了粮食作物的单产面积。

根据气候变化在A2和B2气候情景下产量变化，因为作物产量的模拟结果只是2030年和2050年2个时间点，气候变化是一个长期的过程，模型中的模拟是逐年递归，因此把2个节点作为年均变化的累积，作为模拟的情景方案。具体模拟方案为：

2.7.1模拟方案1经济发展在A2（高排放）情景下运行，经济发展在A2（高排放）气候变化情景下运行，水稻、小麦、玉米三大作物单产到2030年分别增加9.94%、0.55%、5.54%；到2050年分别增加10.99%、-0.11%、6.55%。在此条件下，从区域宏观经济层面和部门层面上分析对各区域的宏观经济和部门的影响；并根据基期将绝对值变化转化成预测数值。

2.7.2模拟方案2经济发展在B2（中低排放）情景下运行，水稻、小麦、玉米三大作物单产分别到2030年分别增加18.67%、12.19%、10.27%；到2050年分别增加7.92%、8.47%、5.51%。在此条件下，从区域宏观经济层面和部门层面上分析对各区域的宏观经济和部门的影响；并根据基期将绝对值变化转化成预测数值。

3　模拟结果

3.1 A2和B2气候变化情境下，水稻、小麦、玉米产量增加对粮食部门产出影响

A2气候变化情景下，玉米的产量普遍增加，2030年玉米产出增幅最大的地区是吉林，其次是辽宁、湖南和江西，以上地区增幅均在2%以上，2050年以上地区的产出增幅在4%以上，其他地区增幅相对较小。从小麦产出方面来看，2030年除吉林、黑龙江、江西、湖南和贵州增幅在1%以上以外，其他地区增幅均在1%以下，2050年小麦在A2气候变化情景下产出大幅增加，各地区增幅均在4%以上，黑龙江、吉林和辽宁3个地区产出增幅均在10%以上。从水稻产出方面看，2030年去过个地区产出增幅普遍在3%以上，新疆、辽宁、吉林和黑龙江地区增幅普遍在6%以上，2050年以上地区产出增幅进一步提升，黑龙江以20.01%的产出增幅领先，吉林、辽宁和新疆产出增幅普遍在13%以上，其他地区产出增幅均在10%以下（表5）。

B2气候变化情景下，玉米、小麦和水稻同期变化存在较大差异，玉米产出增幅较大的地区有内蒙古、吉林和辽宁，3个地区2030年和2050年玉米产出增幅均在2%以上，其他地区2030年和2050年产出增幅在1%左右。从小麦产出方面来看，2030年各地区产出增幅普遍较小，但2050年产出有较大幅度增加，多数地区产出增幅在3%～4%之间，黑龙江和吉林地区产出增幅较大，分别为12.73%和8.85%。从水稻产出方面来看，2030年产出增幅普遍高于2050年产出增幅，黑龙江、吉林和辽宁地区产出增幅较为突出，其他地区产出增幅2030年集中在3%～5%之间，2050年产出增幅集中在2%～4%之间（表6）。

综上所述，就A2和B2 2种气候变化情景而言，A2气候变化情景下的总体产出效果要优于B2气候变化情景，但从微观上看，不同作物产出存在差异，比如2030年A2气候变化情景下的水稻和玉米产出要低于B2气候变化情景下的产出，但在2050年A2的产出比B2气候变化情景下的产出高。A2气候变化情景下，2050年的3种作物的产出均高于2030年产出水平；B2气候变化情景下，2030年小麦的产出水平低于2050年产出水平，水稻和玉米2种作物产出变化与小麦相反。就地区而言，主产区产出增幅普遍高于非主产区，就三大作物品种而言，水稻的产出增幅要普遍高于同期玉米和小麦的产出增幅。

表5　A2气候变化情景下，水稻、小麦、玉米产量增加对粮食部门产出的影响%

表6　B2气候变化情景下，水稻、小麦、玉米产量增加对粮食部门产出的影响　%

3.2 A2和B2气候变化情境下，水稻、小麦、玉米产量增加对粮食部门产出价格的影响

A2气候变化情景下，3种粮食作物产出价格均在下降，其中水稻的产出价格下降幅度最大；此外，各地区之间下降幅度差异不大。具体来看，2030年仅北京、天津和上海玉米产出价格略低于6%，其他地区降幅均在6%～6.2%之间。从小麦产出价格来看，2030年小麦产出价格和其产量变化均不大，各地区产出价格降幅均在1%以下，2050年小麦产出价格随着产出的增加出现较大幅度的下降，降幅多在13%左右。2050年水稻产出价格降幅大约是2030年水稻产出价格降幅的2倍，2030年下降幅度普遍在10%左右，2050年降幅普遍在20%左右（表7）。

B2气候变化情景下，2030年玉米产出价格下降7%左右，2050年产出价格受产出增幅减少的影响，产出价格下降幅度在6%左右。从小麦产出价格方面来看，2030年仅贵州一地产出价格有所下降，其他地区产出价格小幅增加，2050年各地区产出价格下降幅度相对较大，各地区降幅均在9%以上。从水稻产出价格方面来看，2030年各地区产出价格下降幅度在11%以上，但2050年产出价格受产出增幅的影响，产出价格下降幅度多在8.5%上下（表8）。

综上所述，2030年B2气候变化情景下水稻和玉米的产出价格下降幅度高于A2气候变化情景下产出价格下降幅度，B2气候变化情景下小麦产出价格有所上升，同期在A2气候变化情景下小麦产出价格则是小幅下降。2050年A2气候变化情景下三大作物的产出价格均在下降，且降幅超过B2气候变化情景下产出价格下降幅度。就地区产出价格而言，各地区同种作物产出价格变化幅度趋同，但由于各地区基期产出价格不同，其实际产出价格变化也存在较大差异。

表7　A2气候变化情景下，水稻、小麦、玉米产量增加对粮食部门产出价格的影响　%

表8　B2气候变化情景下，水稻、小麦、玉米产量增加对粮食部门产出价格的影响　%

3.3 A2和B2气候变化情境下，水稻、小麦、玉米产量增加对粮食部门出口的影响

A2气候变化情景下，2030年各地区玉米出口增幅在24%～26%之间（表9），到2050年玉米出口增幅进一步增加，出口增幅增加到50%上下。从小麦出口量来看，2030年虽有增加但增幅不大，2050年出口增幅较大，各地区增幅普遍在60%上下。从水稻出口情况来看，2030年各地区出口增幅在48%上下波动，2050年除上海和西藏外，其他地区出口增幅均在100%以上（含100%）。

B2气候变化情景下，各地区玉米和水稻出口均大幅增加，小麦受产出影响2030年和2050年存在较大差异（表10）。2030年玉米出口增幅多在30%左右，2050年出口量有所下降，但出口增幅多数地区集中在24%～25%之间。2030年小麦出口小幅下降，降幅均在1%以下，2050年随着产出的大幅增加小麦出口量大幅上升，从整体来看，各地区出口增幅均在38%以上。2030年水稻出口增幅在51%以上，但随着产出的减少，2050年出口增幅集中在35%～37%之间。

总而言之，出口增长速度与粮食产量变化紧密相连。2030年B2气候变化情景下，水稻和玉米的出口增幅要高于A2气候变化情景下的出口增幅，小麦出口情况与水稻和玉米出口状况相反。2050年，A2气候变化情景下三大粮食作物出口增速均高于同期B2气候变化情景下的出口增速。就地区而言，由于不同地区出口基数存在较大差异，同样的出口增幅不同地区会有不同的出口增量，同时由于A2和B2气候变化情景下三大作物产出存在较大差异，同一地区在不同气候变化情景下出口也会有所差别。

表9　A2气候变化情景下，水稻、小麦、玉米产量增加对粮食部门出口的影响　%

表10　B2气候变化情景下，水稻、小麦、玉米产量增加对粮食部门出口的影响　%

3.4 A2和B2气候变化情境下，水稻、小麦、玉米产量增加对粮食部门进口的影响

A2气候变化情景下，进口波动幅度小于同期出口波动幅度，2030年各地区玉米进口量下降均在5%～9%之间，2050年进口波动幅度稍大，各地区进口下降幅度均在10%以上。从小麦进口情况来看，与2050年相比，2030年进口下降幅度多在1.5%以上，2050年进口降幅多在43%左右，地区间波动差异不大。从水稻进口方面来看，2030年和2050年水稻进口量均大幅下降，降幅分别在41%上下和68%上下（表11）。

B2气候变化情景下，2030年和2050年玉米进口量小幅下降，2030年进口下降幅度在7%～9%之间，2050年进口下降幅度集中在6%～8%之间。从小麦方面看，2030年小麦进口量长增加趋势，河南进口增幅为2.04%，其他地区进口增幅均小于2%，2050年小麦进口量随产出增加大幅下降，各地区进口降幅在30%以上。从水稻方面来看，2030年各地区水稻进口额下降幅度均在44%以上，2050年进口量虽有所减少，但进口量下降幅度也多在33%～34%之间（表12）。

A2和B2气候变化情景下，2030年，A2气候变化情景下三大粮食作物进口均有所下降，B2情景下，水稻和玉米进口有所下降，小麦进口有所增加；2050年，A2和B2 2种气候变化情景下，中国粮食进口均有所减少，且A2气候变化情景下进口下降幅度要普遍高于B2气候变化情景下的下降幅度。从地区来看，尽管各地区进口波动幅度差异不大，但由于基期进口量存在差异，所以各地区实际进口量变化存在较大差异，特别是粮食主产区的表现：进口绝对量大幅下降。

3.5 A2和B2气候变化情境下，水稻、小麦、玉米产量增加对家庭粮食消费影响

A2气候变化情景下，2030年各地区对玉米的需求增幅多在1.5%以上，河南、湖北和西藏地区对玉米的需求增加较大，均达到1.93%，2050年各地区对玉米的需求进一步增加，各地区家庭消费玉米增幅均在3%以上，部分地区接近4%（表13）。从小麦消费情况来看，2030年小麦消费需求变化相对不大，除吉林、江西、湖南、重庆、贵州、云南和宁夏增幅在0.2%以下以外，其他地区需求增幅均大于此增幅，2050年各地区对小麦的需求有较大幅度增长，除北京、天津、吉林、黑龙江、上海、江苏、安徽、江西、湖南、广东、陕西、云南和宁夏增幅在4%以下以外，其他地区增幅均高于此水平。从水稻需求情况来看，各地区对水稻的消费需求变化不大，2030年需求波动幅度在3%～4%之间，2050年消费需求波动在5.5%～7.5%之间。

表11　A2气候变化情景下，水稻、小麦、玉米产量增加对粮食部门进口的影响　%

表12　B2气候变化情景下，水稻、小麦、玉米产量增加对粮食部门进口的影响　%

B2气候变化情景下，家庭消费存在区域和时间差异，2030年各地区玉米消费增幅在2%上下，天津、上海、江苏、江西和宁夏地区增幅要小于2%，其他地区则高于此增幅水平，2050年各地区对玉米的消费有所下滑，消费增幅普遍在2%以下。从小麦消费情况来看，2030年各地区小麦消费变动较小，吉林、江西、湖南、重庆、贵州、云南和宁夏消费有所减少，其他地区消费则有所增加，从2050年消费变化情况来看，各地区消费普遍上升，除宁夏和天津地区增幅在2.5%以下以外，各地区消费增幅普遍超过2.5%。从水稻消费变化情况来看，2030年各地区水稻消费增幅均在3%以上，2050年各地区对水稻的消费相对于2030年普遍减少，从总体来看，各地区对水稻的消费增幅均在3%以下。

综上所述，2030年和2050年居民家庭消费随着产出价格的升高而有所减少，随着产出价格的下降而有所增加，究其原因可能是因为未来粮食供需发生新的均衡，粮食的价格需求弹性较大，从而导致较小的需求变化造成较大的需求波动。就本研究而言，A2气候变化情景下2050年居民家庭消费水平高于2030年居民家庭消费水平，在B2气候变化情景下居民家庭消费变化与产出变化趋势一致。就地区而言，不同地区居民家庭消费在同种作物、同种气候变化情景下所表现的差异性较小。

3.6 A2和B2气候变化情境下，水稻、小麦、玉米产量增加对畜牧业、工业用粮、种子用粮影响

在A2气候变化情景下，受产出价格下降的影响，各地区畜牧业、工业用粮、种子用粮等随着产出价格的下降而有所增加。从玉米需求来看，2030年各地区对玉米的需求增幅多在1%以上，吉林地区对玉米的需求增加最大达3.38%。2050年各地区对玉米的需求进一步增加，从表15可以看到，除天津、上海、山东、新疆、青海和西藏外，其他地区消费增幅均在2%以上。从小麦消费情况来看，2030年小麦消费需求变化相对不大，除吉林、黑龙江、江西、湖南和贵州需求增幅在1%以上以外，其他地区需求增幅均小于此比例，但2050年，各地区对小麦的需求有较大幅度增长，特别是黑龙江、吉林和辽宁三个地区其增幅普遍在10%以上，其他地区增幅普遍在5%上下。从水稻需求情况来看，各地区对水稻的需求变化有较大差异，2030年需求波动幅度在4%～10%之间，2050年需求波动在5%～21%之间，主产区需求增幅相对较大。

表13　A2气候变化情景下，水稻、小麦、玉米产量增加对家庭粮食消费的影响　%

表14　B2气候变化情景下，水稻、小麦、玉米产量增加对家庭粮食消费的影响　%

在B2气候变化情景下，畜牧业、工业用粮、种子用粮等在不同时间不同地区对粮食需求变化存在一定差异，从玉米方面来看，2030年吉林以4.03%的需求增幅领先于其他地区，内蒙古、辽宁、江西、湖北、湖南和广西需求增幅在2%以上，其他地区增幅在1%上下波动，2050年各地区需求变动方向与2030年变动方向一致，但增幅略小于2030年需求增幅。从小麦需求方面来看，2030年江西、湖南和贵州需求增幅在1%以上，其他地区相对较小，2050年以黑龙江为代表绝大多数地区需求出现较大幅度增加，但各地区间需求存在较大差异。从水稻需求方面来看，各地区对水稻的需求随着产出增加而上升，从表16也可以看到，多数地区2030年需求增幅比2050年高出1%，同时，各地区对水稻需求变化不一，多数地区需求增幅集中在2%～5%之间。

总而言之，在A2和B2气候变化情景下，2030年和2050年，各地区畜牧业、工业用粮、种子用粮等对玉米、小麦和水稻的需求存在较大差异，但从整体情况来看，以高排放为特征的A2气候变化情景下的粮食需求要高于低排放为特征的B2气候变化情景下粮食需求；此外在A2气候变化情景下，2030年的对粮食需求明显低于2050年需求水平，而在B2气候变化情景下，虽然2050年需求总量要高于2030年水平，但反映在对玉米、小麦和水稻的需求上则不太明显。

表15　A2气候变化情景下，水稻、小麦、玉米产量增加对畜牧业、工业用粮、种子用粮的影响　%

表16　B2气候变化情景下，水稻、小麦、玉米产量增加对畜牧业、工业用粮、种子用粮的影响　%

3.7 A2、B2气候变化情景下，水稻、小麦、玉米产量增加对经济增长影响

3.7.1 A2气候变化情景小麦、水稻和玉米3种粮食产量变化对宏观经济的影响主要表现在：实际GDP总体增长，2030年除天津外各地区增幅均未超过1%，2050年增幅相对较大，增幅在1%以上的地区较多。从就业方面看，山西、河南、湖北、广西、西藏、甘肃、青海和新疆就业情况均有所下降，其他地区就业虽在上升但是增幅较小。

实际投资总体增长，2030年和2050年各地区实际投资均在增加，2030年增幅均在0.1%以上，2050年投资额进一步增加，增幅均在0.2%以上。

出口总体增长，各地区出口均在增加，增幅最大的是吉林，2030年和2050年分别增加4.68%和9.83%，其次是黑龙江，增幅分别为2.90%和7.20%，再者就是江西和内蒙古，其他地区2030年均为突破1%，2050年均为突破2%。

进口增长缓慢，北京、福建、广东和云南四个地区进口量在2030年和2050年均有所下降，其他地区均有小幅增加，2030年增幅在0.1%左右，2050年增幅在0.2%左右。

实际工资增长区域性差异明显。2030年湖南和宁夏地区增幅较小，其他地区增幅均在0.3%以上，湖北、新疆和西藏地区工资增幅在0.5%以上，2050年实际工资增幅仅一步上升，涨幅均是2030年的2倍以上。

实际家庭消费总体增长，2030年和2050年除宁夏外各地区消费均在增加，其中，2030年消费增幅多在0.3%左右，2050年增幅约是2030年增幅的2倍。

从CPI价格指数方面来看，由于气候变化导致产出增加和产出价格下降，反映在CPI这个指标上就是其小幅降低，从总体情况来看，2030年各地区普遍在0.01%以下，2050年虽下降幅度较为明显，但也未突破0.2%，具体来说，山西、河南、青海和新疆地区下降幅度相对较大，其他地区下降幅度相对较小。

3.7.2 B2气候变化情景小麦、水稻和玉米3种粮食产量变化对宏观经济的影响主要表现在：实际GDP总体增长，区域有差异。部分地区如山西、河北、安徽、山东等2030年增幅高于2050年，北京、天津、内蒙古等地则相反，各地区波动幅度不大。

实际投资增总体增长，各地区实际投资均有所增长，但是2030年和2050年投资增幅波动幅度均不大，多数地区投资增幅在0.2%上下波动。

出口总体增长，2030年和2050年各地区出口均在增长，其中涨幅在1%以上的地区有内蒙古、黑龙江、吉林和江西，其他地区增幅相对较小。

进口小幅增长，2030年和2050年北京、福建、广东和云南四个地区进口小幅下降，其他地区虽在增加，但增幅不大。

中西部就业增长，东部就业下降。山西、河南、湖北、广西、海南、甘肃、青海、西藏和新疆2030年和2050年就业率有所增加，其他地区就业有所下降，降幅均较小。

平均实际工资总体增长，各区域实际工资均有所上涨，2030年和2050年涨幅普遍在0.4%以上，2030年和2050年差异较小。

实际家庭消费总体增长，2030年和2050年差异不大，2030年实际家庭消费略高于2050年实际家庭消费增幅水平，其中，河南和新疆两个地区增幅较大，其他地区变化较小。

出口价格指数总体下降，各地区出口价格指数虽均在下降，但不同地区存在较大差异，其中吉林地区出口价格指数降幅最大，2030年和2050年降幅均在1%以上，但多数地区降幅在0.1%左右。

消费价格指数总体下降，全国各地区消费价格指数均在下降，2030年下降幅度和2050年下降幅度大同小异，波动幅度在0.2%～0.6%之间。

综上所述，粮食产量增加促进GDP的增长，同时对实际投资、家庭消费和出口均有正向拉动作用，就A2气候变化情景和B2气候变化情景来看，A2气候变化情景长期对宏观经济的影响要优于B2气候变化情景所带来的影响。同时，A2气候变化情景下2050年宏观经济变化要好于2030年变化情况，B2气候变化变化情景下的结果则相反。很明显，不同区域的宏观经济变化状况因时（时间）因景（气候变化情景）而有所不同，黑龙江、吉林、辽宁等粮食主产地区对气候变化的反映更为敏感，表现在宏观经济变化方面较其他地区更为突出。

表17　A2气候变化情景下，水稻、小麦、玉米产量增加对宏观经济增长的影响　%

续表17

表18　B2气候变化情景下，水稻、小麦、玉米产量增加对宏观经济增长的影响　%

续表18

4　结论与讨论

4.1气候变化，粮食产量增加，经济增长基础得以巩固

在未来A2气候变化情景（2030年和2050年，水稻单产分别增加9.94%和18.67%，小麦单产分别增加0.55%和12.19%，玉米增产5.54%和10.72%）和B2气候变化情景（2030年和2050年，水稻单产分别增加10.99%和7.92%，小麦单产分别增加-0.11%和8.47%，玉米增产6.55%和5.51%）下，由于粮食单产的提高所导致的GDP变化呈上升态势，投资、居民家庭消费、出口、进口均保持较快速度增长，由于技术的提高，在就业率有所下降的情况下，实际工资水平有所上涨，从总体而言，在未来A2和B2气候变化条件下，中国经济增长基础得到较好的巩固。

4.2气候变化，粮食产量增加，粮食主产区经济增长优于非主产区

粮食主产区不仅种植面积广而且商品化程度也比较高，主产区三大粮食作物单产的增加所产生的效益要普遍高于非主产区的效益。附表一中粮食主产区和非主产区增长率上差异不大，但由于各地区基期基数不同，通过还原之后的数据可以发现粮食主产区经济增长比非主产区好。

4.3同种气候变化情景下，不同品种表现出产量增加的差异性

就A2气候变化情景下，2030年和2050年水稻的产量增加要普遍高于小麦和玉米产量增加幅度，而在B2情景下，2030年水稻的产量增加幅度要高于小麦和玉米，但在2050年，小麦的产量增加幅度要高于水稻和小麦产量增加幅度，不同气候变化情景下不同作物品种在不同的时间产量表现各有所差异。

4.4气候变化导致粮食产量增加，但未来不确定因素很多，不可忽视

从模拟结果来看，未来的气候变化对中国粮食产量有正向促进作用，但这并不意味着中国的粮食安全问题可以高枕无忧，毕竟本模拟结果只是经济平稳运行状态下的一种预测，影响粮食产量变化的因素较多，无论是自然因素还是社会经济变化因素都可能对中国粮食安全产生重大影响，综上所述，在未来众多不确定因素的条件下，中国粮食安全问题决不能忽视。

参考文献

［1］International Centre for Trade and Sustainable Development. Climate Change and China’s Agricultural Sector:An Overview of Impacts，Adaptation and Mitigation［DB/OL］.Http://www.agritrade. org/events/documents/ClimateChangeChina_final_web，2013-05-01.

［2］Asian Development Bank.A general equilibrium analysis of theimpact of climate change on agriculture in the People’s Republic of China［DB/OL］.Http://mpra.ub.uni-muenchen.de/21127/1/MPRA_paper_21127，2013-05-01.

［3］World Bank.Ethiopia:Economics of Adaptation to Climate Change ［DB/OL］.Http://climatechange.worldbank.org/sites/default/files/documents/EACCSynthesis Report，2013-05-01.

［4］Centre of Policy Studies Monash University.Upgrading Irrigation Infrastructure in the Murray Darling Basin:is it worth it？［DB/OL］. Http://www.monash.edu.au/policy/ftp/workpapr/g-228，2013-05-01.

［5］Peter B.DIXON.Notes and problems in applied general equilibrium economics ELSEVER SCIENCE B.V，Sara Burgerhartstraat 25.P.O. BOX 211.1000AEAmsterdam The Netherlands.

［6］Peter B.Dixon and Maureen T.Trimmer Dynamic:General Equilibrium Modeling for Forecasting and Policy，ELSEVIER SCIENCE B.V.2002.

［7］Peter B.Dixon，B.R.Parmenter，John Sutton and D.P.Vincent: ORANI:A Multisectoral Model of the Australian Economy，North-Holland publishing companyAmsterdam.Newyork.Oxford.

［8］Peter B.Dixon，Maureen T.Rimmer and Marinos E.Tsigas.Macro，industry and state effects in the US of removing major tariffs and quotas.Centre of policy studies，Monash University，General Paper No.G-146，June 2004.

［9］Daniel Djauhari Pambudi.Regional strategy to attract investment: Using a computable general equilibrium model of Indonesia. Unpublished Doctorial Dissertation，Monash University.

［10］Michael Malakellis.ORANI-INT:An intertemporal computable general equilibrium model of the Australian economy.Unpublished Doctorial Dissertation，Monash University.

［11］Md.Serajul Hoque.A computable general equilibrium model of Bangladesh for analysis of policy reforms.Unpublished Doctorial Dissertation，Monash University.

［12］Shusaku Yamamoto.The development and application of ORANIRD for Japan:the Japanese economy from 2001 to 2004. Unpublished Doctorial Dissertation，Monash University.

［13］Somsachee Siksamat1998.A multi-regional computable general equilibrium model of the Thai economy:A surge in foreign capital. Unpublished Doctorial Dissertation，Monash University.

［14］Theip Van Ho.2000.A tariff increase with an offsetting reduction in consumption taxes:A general equilibrium analysis for Vietnam. Unpublished Doctorial Dissertation，Monash University.

［15］Unchana Beadnok.Impacts of trade liberalization in Thailand:A computable general equilibrium approach.Unpublished Master thesis，Monash University.

［16］Mark Horridge，John Madden.Using a highly disaggregated multiregional single-country model to analyse the impacts of the 2002-03 drought on Australia.Centre of policy studies，Monash University， General Paper No.G-141，October 2003.

［17］Peter B.Dixon and Maureen T.Rimmer，The US economy from 1992 to 1998:results from A detailed CGE model，Centre of policy studies，Monash University，General Paper No.G-144，April 2004.

［18］Ye and Xiong（2012）“Future Production simulation of China's major grain crops under Scenarios of Climate Change”.

［19］Paresh Kumar Narayan.2003.An econometric model of tourism demand and a computable general equilibrium analysis of the impact of the FIJI islands，Unpublished Doctorial Dissertation，Monash University.

［20］Md.Serajul Hoque.2006.A computable general equilibrium model ofBangladeshforanalysisofpolicyreforms，Unpublished Doctorial Dissertation，Monash University.

［21］Unchana Beadnok.2006.Impacts of trade liberalization in Thailand: A computable general equilibrium approach，Unpublished Doctorial Dissertation，Monash University.

［22］MichaelMalakellis.1994.ORANI-INT:Anintertemporal computable general equilibrium model of the Australian economy. Unpublished Doctorial Dissertation，Monash University.

［23］Shusaku Yamamoto.2007.The development and application of ORANIG-RD for Japan:the Japanese economy from 2001 to 2004. Unpublished Doctorial Dissertation，Monash University.

［24］Ye and Xiong（2012）“Future Production simulation of China's major grain crops under Scenarios of Climate Change”.

［25］Huangdelin，Li xiangyang Cai songfeng.Study on Impact of Arable Land Change on China Food Security，Based on China's Agricultural CGE Model［J］.Chinese Agricultural Science Bulletin，2010，26（23）:413-419）（in Chinese）.

［26］Mark Horridge，Preparing a TERM bottom-up regional database，Centre of Policy Studies，Monash University，Clayton Vic 3800，Australia，March 2006.

［27］Mark Horridge，Using levels GEMPACK to update or balance a complexCGEdatabase，CentreofPolicyStudies，Monash University，Clayton Vic 3800，Australia.October 2004.

［28］Horridge（2000），ORANI-G:A General Equilibrium Model of the Australian Economy，CoPS/IMPACT Working Paper Number OP-93，Centre of Policy Studies，Monash University，downloadable from:http://www.monash.edu.au/policy/elecpapr/op-93.htm.

［29］Wittwer，G.andHorridge，M.（2009），“Amulti-regional representation of China’s agricultural sectors”，China Agricultural Economic Review，1（4）:420-434.

［30］Horridge，M.and Wittwer，G.（2008），“SinoTERM，a multi-regional CGE model of China”，China Economic Review，19（4）:628-634，December.

附表：基期条件下，模型输出绝对值输的转换预测值

附表1　A2情景下中国粮食产出预测　万t

附表2　B2情景下产出变化　万t

续附表2

附表3　A2情景下粮食部门的产出价格　元/50kg主产品

续附表3

附表4　B2情景下粮食部门的产出价格变化　元/50kg主产品

续附表4

附表5　A2情景下出口变化　t

续附表5

附表6　B2情景下粮食部门的出口　t

续附表6

附表7　A2情景下粮食部门的进口　t

附表8　B2情景下粮食部门的进口　t

附表9　A2情景下家庭消费变化　万t

续附表9

附表10　B2情景下家庭消费变化　万t

续附表10

附表11　A2气候变化情景下饲料用料、工业用粮和种子用粮的变化

续附表11

附表12　B2气候变化情景下饲料用料、工业用粮和种子用粮的变化

续附表12

附表13　A2情景下宏观经济变化

续附表13

附表14　B2情景下宏观经济变化

续附表14

Grain Security and Economic Growth in China Adapting to Climate Change：Based on Multi-Regional General Equilibrium Model

Huang Delin，Li Xinxing
（Institute of Agricultural Economics and Development，Chinese Academy of Agricultural Sciences，Beijing 100081，China）

Abstract：This paper studied the effect of climate change on grain security and economic growth in China. With a static multi-regional computable general equilibrium（MGCGE）model，the authors conducted policy simulations for 31 Chinese provinces and autonomous districts on the basis of grain yield projections under the A2（high emissions）and B2（medium-low emissions）climate change scenarios.The results showed that：under both climate change scenarios，maize，wheat and rice production would grow significantly.Consumption demand of livestock，industry，seed and household would grow significantly.As production increases，exports of the three grains will increase，and imports decrease.Most provinces would experience growth in real GDP，real investments，and net exports.The main conclusions of our study were as followed：（1）climate change will boost China’s grain production，strengthen economic growth；（2）grain production growth resulting from climate change exhibit considerable regional variations；poduction would grow faster in major grain production provinces，such as the three northeast provinces，than in the rest of the nation；（3）production growth differed inmagnitude under different climate change scenarios；（4）in light of the uncertainty in many socioeconomic and environmental factors，grain food security should continue to be watched closely by China’s policy makers.

Key words：Climate Change；Grain；Influence；General Equilibrium Model

中图分类号：F321

文献标志码：A论文编号：casb15110149

基金项目：国家重点基础研究发展计划（“973”计划）“气候变化对我国粮食生产系统的影响机理及适应机制研究”（SQ2010CB553502）中的“气候变化驱动的我国粮食生产系统空间数值模拟预测研究”（2010CB951504）子课题“我国粮食生产适应气候变化的政策研究”（2010CB951504-5）；中国农业科学院科技创新工程［05（ASTIP-IAED-2015-05）］。

第一作者简介：男，研究员，博士，主要从事农业经济理论与政策研究。

通信地址：100081北京中关村南大街12号中国农业科学院农业经济与发展研究所，Tel：010-82106167，E-mail：huangdl@caas.net.cn。

收稿日期：2015-11-28，修回日期：2016-06-03。