滇中地区气候变化对粮食单产的影响分析

，，(楚雄师范学院地理科学与旅游管理学院，云南 楚雄 675000)

滇中地区气候变化对粮食单产的影响分析

邱丽丽，彭燕梅，尹艳琼
(楚雄师范学院地理科学与旅游管理学院，云南 楚雄 675000)

根据地面气象观测和农业生产统计数据，采用线性回归和Mann-Kendall检验分析了滇中地区年平均气温和年降水量的动态变化。采用生产函数和经济-气候模型拟合验证气候变化对粮食单产的影响。1990—2012年，滇中地区粮食单产平稳上升。年平均气温呈升高趋势，升高速率为0.451 ℃/10 a；年降水量呈减少趋势，减少速率为-110.84 mm/10 a。C-D生产函数拟合表明劳动力和有效灌溉面积对粮食单产的影响显著，但农机动力和化肥投入对其影响并不显著。气温和降水的弹性系数分别是0.013和5.125×10-5。当气温和降水的二次方变量引入经济-气候模型后，其拟合优度明显提高；且表明，在其他投入要素不变的情况下，过去23年及未来滇中地区的气温升高不利于提高粮食单产；相反，年降水量的减少却对粮食单产的提高没有负作用。

气候变化；粮食单产；影响；年均气温；年降水；滇中地区

农业生产受到自然条件的限制和影响，对气候变化比较敏感[1-2]，因此很多学者基于气候视角分析其对农作物生产的影响。气候变化可引起农作物的生长发育、产量、作物的播种面积、种植制度与结构等方面的改变。刘杰等将极端降雨、高温、低温、干旱4个气候因子引入生产函数模型，分析发现这4个因子与农业经济产出呈负相关[3-4]。气温升高对粮食产量有正负作用。田涛等发现，温度每升高1 ℃，水稻、小麦、玉米的生育期分别平均缩短7～8 d、17 d、7 d左右，农作物产量平均下降5%～10%[5-6]。特别是在东北地区，气温升高会导致粮食增产[7]；而在南方一些地区，温度持续走高可能使粮食作物生育期缩短，极端天气频发，病虫害加剧，从而造成粮食减产[8-9]。气候变化往往会导致农作物的种植结构由单一性向多样化发展。气候变暖是引发我国农作物易播种面积增加的关键因素之一，升温使我国农作物的潜在播种面积有所增加，不可耕地面积减少[10]。李祎君等认为，升温导致西北干旱区作物种植结构发生突变，提高了作物的复种指数，进而提升了农作物的产量[11]。气候变暖也导致了云南气候带分布呈现整体向高海拔扩张和向高纬度北移的趋势[12]，从而使云南省种植制度发生了改变，一熟制地区的面积减少，二熟制地区将北移，而三熟制比例提高[13]。

滇中地区地跨北纬23°19′～27°03′，东经100°43′～104°50′，行政辖区上包括昆明、曲靖、楚雄和玉溪4市州。该区域以山地和山间盆地地形为主，地势起伏和缓，属亚热带高原季风气候。近年来由于全球变暖，加之该地区东、西、南三面高山对东南和西南来的暖湿空气的屏障作用，使得该区降水特别稀少，连年干旱。而滇中地区是云南省主要农业生产区域之一，常年粮食产量约占全省粮食总产量的1/3。本文通过地面气象观测和农业生产资料的分析，探明该地区气候变化特征及其对粮食单产的影响，以期为区域防灾减灾和农业可持续发展提供有意义的参考。

1 资料与方法

1.1 资料来源

气象要素数据源于“中国气象数据共享平台(http://cdc.cma.gov.cn/)”的“中国地面月值气候数据集”，包括1963—2012年昆明(25°00′N，102°39′E)、会泽(26°25′N，103°17′E)、沾益(25°35′N，103°50′E)、玉溪(24°20′N，102°33′E)、楚雄(25°02′N，101°33′E)5个国家地面气象基准站的月平均气温和月降水量。农业生产投入和产出要素数据来自1991—2013年云南统计年鉴和昆明、曲靖、玉溪和楚雄州年鉴资料。

1.2 分析方法

建立柯布-道格拉斯(C-D)生产函数来描述粮食生产的投入和产出过程[14]；并采用丑洁明等提出的“经济-气候(C-D-C)”模型[15]评价气候变化对粮食产量的影响。生产函数是在假定技术水平不变的情况下,一定时期内生产中所使用的各种生产要素的数量与所能生产的最大产量之间的关系函数[6]。若生产要素很多，C-D生产函数可表示为：

式中：Q表示生产总量；X1，X2，…，Xn表示生产要素的投入量；A是常数项；α1，α2，…，αn分别表示各生产要素对生产总量的弹性系数。

实际求解中，通常对上式取自然对数，转为多元线性回归形式来求解[16]。

lnQ=lnA+α1lnX1+α2lnX2+…+αnlnXn

本文选取昆明、曲靖、玉溪和楚雄州的劳动力(X1)、农用机械总动力(X2)、化肥施用量(X3)和有效灌溉面积(X4)作为投入资本要素。由于从统计年鉴中获得的4个要素数据包含了农林牧渔生产中的投入量，因此，采用粮食播种面积与农作物总播种面积的比值作为系数，对投入量进行了加权处理[17]，用来代表粮食生产过程中的投入。以粮食播种单产(Q)作为产出变量建立C-D生产函数线性化模型。因2006和2011年数据缺失，故未引入模型拟合计算过程。

建立C-D-C模型时，引入的气候要素是年平均气温和年降水量。以昆明、会泽、沾益、玉溪和楚雄5站年平均气温均值和年降水量均值代表滇中地区的年平均气温(X5)和年降水量(X6)。由于在粮食生产中，气候要素对其的影响并非是线性的，而是存在着一个最佳值，超过该值，将会有反面效应。因此，把年平均气温和年降水量的二次方作为变量进一步建立C-D-C模型，以此来更好地模拟气温和降水对粮食生产的非线性影响。

采用一元线性回归来揭示年平均气温和年降水量的整体变化趋势；Mann-Kendall检验分析[18-19]近50a(1963—2012年)年平均气温和年降水量的阶段性变化。Mann-Kendall检验能很好地揭示气候阶段性变化和突变点，其原理是根据样本时间序列构造一秩序列，计算定义的统计量UFk和UBk；当UFk>0，则表明序列呈上升趋势，UFk<0则表明序列呈下降趋势[20]。绘制UFk、UBk曲线，在给定的显著性水平α=0.05，有临界值Uα=±1.96；当UFk的值超过临界线时，表明上升或下降趋势显著。如果UFk和UBk两条曲线出现交点，且交点在临界线之间，那么交点对应的值便是突变开始的时间。数据处理均采用SPSS 22.0和Excel软件完成。

2 结果与分析

2.1 粮食生产动态变化

滇中地区粮食总产量自1990开始连续10年增产，2000年连续4年产量下降，2004年开始粮食产量出现恢复性增长，1990—2012年近23年中粮食总产量平均增长率1.917%。2012年粮食产量最高，达600.66万t。23年中，滇中地区粮食播种面积呈先增后减再增长的趋势，平均增长率0.89%，粮食作物播种面积占农作物播种面积的比重呈逐年下降趋势(图1)。2012年粮食播种面积最大，达到130.49万hm2。滇中地区粮食单产水平平稳上升，多年粮食单产平均为4287.76 kg/hm2，年平均增长率1.11%。2011年粮食单产达到历史最高水平4814.45 kg/hm2(图1)。

2.2 年平均气温和年降水量的变化

1963—2012年滇中地区年平均气温14.83 ℃，变幅2.37 ℃，线性倾向率为0.295 ℃/10 a。从年平均气温距平曲线可以看出，以1994年为界，1963—1993年平均气温多低于平均水平，1994—2012年平均气温高于平均水平，年平均气温整体表现为上升趋势(图2)。1990—2012年该区年平均气温15.38 ℃，线性倾向率是0.451 ℃/10a。

滇中地区1963—2012年多年平均年降水量为899.01 mm，年降水量整体呈减少趋势，减少速率为-20.974 mm/10 a(图3)。从年降水量距平来看，1990—2002年降水量多高于平均水平，但2003—2012年降水量明显低于平均水平(图3)。1990—2012年多年平均年降水量894.59 mm，减少速率为-110.84 mm/10a。

根据Mann-Kendall检验方法分析气温阶段性变化，发现滇中地区年平均气温在近50 a表现为先下降后上升的趋势，突变点在1996年。年平均温度在1963—1987年下降(UFk<0)，1988—2012年上升(UFk>0)，特别是从1999年以来UFk>Uα，说明1999年以来该区年平均温度显著上升(图4)。

根据Mann-Kendall检验的统计量UFk值判断，滇中地区年降水量对应的UFk值除了1968年外，均<0，表明在各年代阶段，该区域多年降水量均是减少的趋势，特别是2012年显著减少(图4)。

2.3 气候因子对粮食单产的影响

根据滇中地区粮食生产投入产出数据，采用回归分析对其进行拟合。建立C-D生产函数线性模型(模型1)，引入年平均气温和年降水量后，建立C-D-C线性化模型(模型2)，引入气温和降水的二次方后建立C-D-C模型(模型3)。

模型1：lnQ=7.436-0.554lnX1-0.026lnX2+0.135lnX3+0.493lnX4

模型2：lnQ=7.917-0.607lnX1-0.052lnX2+0.166lnX3+0.41lnX4+0.013X5+5.125×10-5X6

表1 模型拟合效果参数

注：***，**，*分别表示估计的模型参数在1%、5%、10%的统计水平上的显著性；二次方程转折点(f)计算公式是f=∣β1/2β2∣(伍德里奇，2010)，其中，β1为一次项系数，β2为二次项系数。

3个方程的F检验均显著，调整后的R2值分别是0.908、0.912、0.970，说明投入要素对粮食单产的变化能作出较好的解释。拟合结果发现，变量系数大都通过了显著性的T检验(表1)。而且，引入气候变量后，模型的拟合优度提高，也说明在C-D生产函数中添加适当的气候变化因子，可以更好地模拟和揭示粮食生产过程中投入与产出的关系。模型1显示，劳动力(X1)和有效灌溉面积(X4)对粮食单产的影响显著，但农机动力和化肥投入对粮食单产的影响并不显著。根据模型2，年平均气温和年降水量的弹性系数分别是0.013和5.125×10-5，若其他投入恒定，年平均气温增加1 ℃或年降水量每增加100 mm，粮食单产将分别增加1.3%和0.5125%。

2.3.1 年平均气温对单产的影响

从模型3看，拟合优度最高，年平均气温的一次项和二次项系数均通过了1%显著性水平检验。年平均气温的一次项和二次项分别为2.151和-0.07，假定其他要素不变，则年平均气温对粮食单产的影响呈“倒U形”趋势，即在年平均气温较低时，年平均气温升高会使粮食单产提高，到某个点后，年平均气温升高将不利于提高粮食单产水平。计算得到年平均气温的最佳状态是15.36 ℃，即在其他要素水平既定的情况下，如果年总平均气温超过15.36 ℃，年平均气温的升高将对粮食单产带来不利影响。1990—2012年，该区域多年平均气温为15.38 ℃且具有升高的趋势，说明在其他要素不变的情况下，这一气候要素对当地的粮食生产表现为消极作用。

2.3.2 年降水量对单产的影响

从模型3来看，拟合优度最高，年降水量对应的拟合系数均通过了1%显著性水平检验。年降水量的一次项和二次项系数为-0.001和4.365×10-7，假定其他投入要素不变，则年降水量对粮食单产的影响呈“U形”趋势，即在年降水量较低时，尽管年降水量增加但粮食单产并不会提高，当年降水量达到最佳转折点后，年降水量的继续增加将利于粮食单产的提高。根据模型拟合参数计算，年降水量的最佳状态是1145.47 mm。而1990—2012年，该区域多年平均年降水量为894.59 mm，且一直表现为降水减少的趋势，说明在其他要素不变的情况下，降水减少对当地的粮食单产表现为积极的作用。

3 结论与讨论

3.1 结论

1990—2012年，滇中地区粮食单产水平呈平稳上升态势。年平均气温呈升高趋势，升高速率0.451 ℃/10 a；年降水量呈减少趋势，减少速率为-110.84 mm/10 a。

C-D生产函数拟合表明劳动力和有效灌溉面积对粮食单产的影响显著，但农机动力和化肥投入对其影响并不显著。经济-气候模型拟合表明，气温和降水的弹性系数0.013和5.125×10-5，二者对粮食单产的提高均有正效应。

当气温和降水的二次方变量引入经济-气候模型后，其拟合优度明显提高，且表明在其他投入要素不变的情况下，近23年来及未来滇中地区的气温升高不利于提高粮食单产；相反，年降水量的减少却对粮食单产的提高没有负作用。

3.2 讨论

经济-气候模型是最为典型的生产函数重构模型。鉴于模型存在的不确定性和资料的不完整所限，尽管在应用中模型预测估计值与实际资料值之间存在一定差异，但研究仍表明模型方法具有一定合理性、可靠性和较好的运用效果[15]。在本文中并没有把技术进步因素作为变量引入模型中，引入的气候变量中也未考虑极端气候事件和气象灾害因子，因此会造成拟合结果与实际单产之间的差异。

很多研究均表明，云南省年平均气温呈不断上升的趋势，年降水量呈现减少趋势；而且根据气候模式预测评估，未来云南省年平均气温呈上升趋势，年降水量呈减少趋势[21-22]。这与我们的结论有相似之处。而且，很多研究均表明，气候变暖对粮食单产的提高具有负面作用。对于近年来滇中地区年降水量的减少却并没有造成粮食单产的下降，反而是单产水平在提高，这需要综合考虑多个要素的影响，可能是极端天气事件发生频率与强度加大，导致降水的弹性系数为负数；而且降水的月际波动大，雨期间隔大，在农作物生长的关键时期，即使年降水量减少，但短期的强降水也会缓解旱情，对农业生产起到有效的调节作用，达到增产的效果。特别是滇中地区有效灌溉面积一直以来呈直线上升态势，对缓解干旱、粮食增产具有重要的影响。

气候变化对粮食单产的影响是气温和降水二者交互作用的结果；而且大气中CO2浓度、O3含量、平均气温、极端事件、水分及肥料的交互作用都对作物产量有非线性的影响，且这种影响很难预测。因此，既要考虑投入的多种因素量的变化，又要兼顾气候因子和极端气候事件的影响，要想对未来气候条件下的粮食单产水平作出预测是相当困难的，需要多种预测方法的综合运用才能有希望取得较理想的效果。

[1]吴敌，明洋．略论农业的弱质性[J]．农村经济，2004(11)：74-76．

[2]许小峰，王守荣，任国玉．气候变化应对战略研究 [M]．北京：气象出版社，2006．

[3]刘杰，许小峰，罗慧．极端天气气候事件影响我国农业经济产出的实证研究[J]．中国科学：地球科学，2012(7)：1076-1082．

[4]刘春，李青．气候变化对农业生产影响的研究进展[J]．北方园艺，2016(17)：197-201．

[5]田涛，陈秀峰．气候变化对我国农业环境的影响及对策[J]．农业环境与发展，2010，27(4)：23-25.

[6]李美娟．气候变化对我国粮食单产影响的实证分析[D]．北京:中国农业科学院，2014．

[7]李彩侠，李俏，孙天一，等．气候变化对黑龙江省主要农作物产量的影响[J]．自然灾害学报，2014，23(6)：200-208．

[8]马玉平．预测未来40年气候变化对我国玉米产量的影响[J]．应用生态学报，2015，26(1)：224-232．

[9]刘颖杰，林而达．气候变暖对中国不同地区农业的影响[J]．气候变化研究进展，2007，3(4)：229-233．

[10]付雨晴，丑洁明，用文杰．气候变化对我国农作物宜播种面积的影响[J]．气候变化研究进展，2014，10(2)：110-117．

[11]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．

[12]程建刚，王学锋，范立张，等．近 50 年来云南气候带的变化特征[J]．地理科学进展，2009，1(1)：18-25．

[13]龙红，朱勇，王学锋，等．云南农业应对气候变化的适应性对策分析[J]．云南农业科技，2010(4)：6-9．

[14]L.R.Klein．经济计量学讲义[M].北京：航空工业出版社，1990．

[15]丑洁明，叶笃正．构建一个经济-气候新模型评价气候变化对粮食产量的影响[J]．气候与环境研究，2006，11(3)：347-353．

[16]陈云飞，冯中朝．基于C-D生产函数的湖北省油菜单产影响因素实证分析[J]．湖北农业科学，2014，53(18)：4475-4480．

[17]朱红根．气候变化对中国南方水稻影响的经济分析及其适应策略[D]．江苏：南京农业大学，2010．

[18]魏凤英．现代气候统计诊断预测技术[M]．北京：气象出版社，1999：114-154．

[19]黄嘉佑．气象统计分析与预报方法[M]．北京：气象出版社，2000：215-237．

[20]李瑞，张飞，高宇潇，等．渭干河流域生态水文时间序列特征及影响因素[J]．中国沙漠，2016，36(6)：1713-1720．

[21]段旭，陶云．云南近 50 年来的气候变化 [J]．热带气象学报，2012，28(2)：243-251．

[22]马振锋，彭骏，高文良，等．近40年西南地区的气候变化事实[J]．高原气象，2006，25(4)：633-642．

ImpactofClimateChangeonGrainYieldintheMiddleRegionofYunnan

QIU Li-li, PENG Yan-mei, YIN Yan-qiong
(School of Geography and Tourism Management, Chuxiong Normal University, Chuxiong Yunnan 675000 ,China)

Based on the data from meteorological observation and agricultural production, linear regression and Mann-Kendall test were used to analyze the dynamic change of annual mean temperature and annual precipitation in the middle region of Yunnan. The impact of climate change on grain yield per unit area was verified by the C-D production function and economy-climate model. During the period of 1990 to 2012, the grain yield per unit area increased steadily in this area. Annual mean temperature increased by the rate of 0.451℃/10a, while annual precipitation decreased by -110.84mm/10a. The C-D production function showed that labor force and effective irrigation had significant effect on grain yield, while agricultural machinery power and fertilizer investment had no significant effect on it. The elastic coefficients of annual mean temperature and annual precipitation were 0.013 and 5.125×10-5, respectively. When the squares of annual mean temperature and annual precipitation were taken for independent variables, the fitting degree of economy-climate model was improved significantly. The result suggested that if other input factors were invariable, annual mean temperature rise was not conducive to improve grain yield per unit area during the past 23 years and the future, on the contrary, annual precipitation reducing indicatedzero negative effect on it.

climate change; grain yield per unit area; effect; annual mean temperature; annual precipitation; the middle of Yunnan Province

2017-05-12

国家社科基金项目(西部生态脆弱区生态保护功能定位与建立生态补偿机制研究14XMZ074)；云南省教育厅基金项目(滇中地区未来气候变化趋势的分形研究2013Y054)。

邱丽丽(1979-)，女，副教授，博士研究生，主要从事气候变化和土壤学方面研究工作。

X21

A

1673-9655(2017)06-0005-06