气候变化与中国粮食安全https://doi.org/10.1016/j.energy.2025.134852获取版权和内容全文访问亮点•本文从动态视角衡量中国的粮食安全水平。•功能性数据分析方法被用于粮食安全领域。•本文估算气候变化对中国粮食安全的影响。•气候变化对中国的粮食安全产生负面影响。摘要对于像中国这样农业大国来说，有效防止气候变化对粮食安全的影响至关重要。本研究利用2001年至2019年间的中国数据，定量估算气候变化对中国粮食安全的影响。实证结果显示，2019年中国的粮食安全为0.8473。这表明中国粮食安全有了显著改善。更重要的是，气候变化对中国的粮食安全，尤其是粮食生产能力产生了重大影响。此外，重要的全球粮食生产国（如美国、泰国和澳大利亚）的气候变化将限制中国的粮食安全。最后，本研究建议政府应关注气候变化对粮食安全的负面影响。上一篇文章下一篇文章关键词粮食安全气候变化功能性数据分析ADL-MIADS 模型1. 引言粮食安全意味着任何人在任何条件下都能获得生存和健康所需的食物。基于此，广泛接受的粮食安全定义是充足的粮食数量、稳定的食品价格和食品质量安全[1,2]。在这方面，粮食安全与国家经济运作息息相关，尤其是对中国这样的国家而言。中国是一个面积大国，耕地仅占全球7%，人口超过14亿。在此背景下，它在保障粮食安全方面面临诸多挑战[3]。中国粮食安全得到了显著改善，令人欣慰。一方面，它受益于大幅提升粮食生产能力（推广新型杂交稻米）。中国粮食产量从1949年的1.13亿吨增长到2020年的6.69亿吨（数据来源：CEIC中国经济数据库）。另一方面，贸易全球化使粮食资源在全球流动。如图1所示，中国部分国内供应依赖食品进口。2019年，中国食品进口量为1.11亿吨。图1下载：下载高分辨率图片（338KB）下载：下载全尺寸图片图1。中国2001年至2019年的食品生产和进口。数据资源：CEIC中国经济数据库。自1970年以来，地球表面温度在过去2000年中上升速度超过任何50年间隔[[4]， [5]， [6]]。气候变暖导致了频繁的极端自然天气事件。2000年至2019年间，全球记录了7348起自然灾害（联合国灾难与灾难报告，2020年）。在过去20年里，全球近50万人死亡直接与12000多起极端天气事件相关[[7]， [8]]。在此背景下，农业是气候变化影响最直接的部门[9]。气候变暖带来了极端天气、干旱以及昆虫和害虫侵扰，威胁粮食安全和生态环境[10]。IPCC（2014年）提到了粮食安全和农业生态系统因素。根据现有研究，气候变化通过以下渠道影响粮食安全。首先，气候变化导致农业生产的不确定性加剧。异常的温度和降雨直接导致粮食产量下降和粮食质量下降，增加了粮食供应的不确定性。在极端天气条件下，害虫和疾病对作物的破坏力更强，使控制变得更困难。极端天气如暴雨和暴雪将对农业设施造成重大损害，影响作物的产量和质量。其次，极端天气削弱了农民获取食物的能力。气候变化对农业生产造成的经济损失以及农民支付能力的下降。气候变化可能导致农业生产条件的变化，如灌溉需求增加以及化肥和农药的使用，导致农业成本显著上升。最后，气候变化影响国际农业贸易格局。一些粮食出口国遭遇极端天气，限制了粮食出口。这导致国际食品供应紧张，导致食品价格急剧上涨，影响中国食品进口的稳定性。本研究旨在衡量气候变化对中国粮食安全的影响。为此，本研究进行了以下研究。首先，采用功能熵权重法测量粮食安全子指标的权重曲线，动态评估中国粮食安全。随后，考虑到气候变化与粮食安全之间数据频率的差异，本研究利用ADL-MIDAS模型构建气候变化对粮食安全影响的混合数据模型。最终，这项研究考察了气候变化对中国粮食安全的影响。当前研究可能的边际贡献可从以下几个方面总结。首先，本研究采用功能熵权重法，以研究方法衡量中国的粮食安全。功能熵权重法从动态视角考虑每个子指标对粮食安全的影响。权重曲线反映了不同指标相对重要性随时间的变化。考虑到这一点，它扩展了函数数据分析的应用，并为研究其他问题提供了新的思路。其次，现有文献大多以研究内容的角度考虑气候变化对粮食生产的影响。本研究利用ADL-MIDAS模型衡量气候变化对粮食安全的影响。此外，本研究还考察了气候变化对其他关键粮食生产国对中国粮食安全的影响。第三，研究结论具有实际且启发性的意义。函数熵权重法为研究粮食安全提供了新思路。此外，气候变化对中国的粮食安全产生了显著的负面影响。它为政策制定者提供了实证支持，使其高度重视气候变化对农业生产的影响。本研究的其余部分如下。第二部分呈现文献综述。第三部分介绍研究方法和数据。第四部分报告了本研究结果。最后，第5节提供了结论和政策建议。2. 文献综述与本研究密切相关的文献是与粮食安全相关的研究。粮食安全直接影响经济发展，确保粮食安全是国家战略的重点之一[11]。最新文献显示，政府及相关组织可以通过提供食品购买福利，帮助贫困家庭摆脱贫困。在保障粮食安全方面，刘等[12]建议，有必要通过发展智能农业和提升农民生产技术来保障粮食安全。换句话说，中国的粮食安全对全球粮食安全产生了重大影响[3]。在关于中国粮食安全的研究中，何等人[13]指出，饮食习惯的变化导致耕地和灌溉面积显著增加。特别是，未来人口高峰的到来将带来粮食安全的严峻挑战。陈等人[14]发现，中国作物缺水问题可能进一步加剧，尤其是在北方主要粮食生产区。这与Huang等人[15]的研究结论一致。此外，Ti等人[16]认为地下水位下降对华北平原粮食生产构成严重挑战。冬季休耕也是减轻水资源压力的重要方式。气候变化严重挑战全球发展[17]。其中，温室气体排放是气候变化的主要原因。2019年，中国的二氧化碳排放占全球二氧化碳排放量的28.75%。它是全球最大的二氧化碳排放体。近年来，极端天气事件频繁发生，逐渐威胁到经济和社会运营[18]。特别是农业生产部门与气候相关。最近，Ojo等人[19]利用Probit模型研究了南非农民获得信贷基金和气候变化策略的影响因素。正如Eichsteller等人[20]回顾的，他们分析了如何在气候变化期间减少肯尼亚的贫困。在气候变化测量方面，白等[21]基于河北省历年气象数据（如年气温、日照时数、相对湿度）构建气候变化指标。Agovino等人[22]研究气候变化对28个欧盟国家农业生产的影响。他们通过年平均气温和年平均降雨量来衡量气候变化。Mukhopadhyay等人[23]利用家庭损失来描述气候变化脆弱性。在最近的一项研究中，Feeny等人[24]采用了温度偏差指标来反映区域气候变化。研究显示，气候变化通过温度上升的渠道加剧了能源贫困。此外，降雨、温度和洪水也被用于构建巴基斯坦的气候变化指标[25]。功能性数据分析可以挖掘数据隐含的动态变化定律，直观地展示数据的变化趋势[26]。功能数据分析包括功能聚类分析、功能线性回归和功能主成分分析等方法[27]。在能源安全领域，王等人[28]构建了中国的能源安全指数，并利用函数熵权重法分析了2000年至2018年的中国能源安全。最近，Bamisile 等人[29]评估了中国省级能源投资对能源安全的动态影响。基于功能数据分析，Yang等[30]认为中国绿色制度环境水平呈现持续改善的趋势。Cerovecki 等人[31] 利用函数数据分析构建了金融领域的新型高频时间序列分析模型。MIDAS是一种混合数据处理模型，能够从高频数据中提取足够的信息，并将其应用于低频分析[32]。目前，该方法已被Duarte等人[33]、Götz等人[34]和Salisu等人[35]广泛采用。Ghysels 等人（2004）提出了基于 MIDAS 模型的自回归分布式滞后模型（ADL-NIDAS 模型）。赵等人[36]预测，合并后的MIDAS模型比单一模型具有更好的预测效果。最近，Kertlly de Medeiros 等人[37]利用高频投资者情绪和金融数据构建了一个混合数据的油价预测模型。与其他方法相比，张和王[38]指出，使用ADL-NIDAS模型的效果优于MFVAR模型。受此启发，何和林[39]使用不同的权重函数预测中国未来的能源需求。正如Salisu 和 Ogbonnaya（2019）指出的，考虑能源对经济增长的影响可以显著提高ADL-NIDAS模型的预测准确性。总之，现有研究取得了丰硕成果。它为我们提供了关于气候变化和粮食安全的深刻见解。然而，值得注意的是，当前文献具有以下特点。关于粮食安全评估，它并不从动态视角衡量粮食安全。现有文献很少考虑气候变化对中国粮食安全的直接影响。气候变化对中国其他关键粮食生产国粮食安全的影响被忽视。3. 研究方法3.1. 泛函熵权重法各种因素对粮食安全的影响随着时间不断变化。鉴于此，有必要更好地理解影响粮食安全的来源是如何演变的。功能性数据分析在粮食安全中的应用潜力巨大。与其他方法相比，本文中使用函数熵权重法测量粮食安全的优势体现在以下方面。首先，函数熵权重法采取动态视角，考虑各种子指标对粮食安全随时间的影响。体重曲线反映了不同指标相对重要性的变化，为理解各种因素对粮食安全的影响提供了新的见解。其次，在功能熵权重法中，中国粮食安全的变化以连续曲线形式呈现，可随时衡量粮食安全水平。最后，本文提供了一种新的粮食安全测量方法，并拓展了函数熵权重法的应用领域[28]。如前所述，功能数据分析以函数曲线为分析对象。本研究所用的食品安全子指标不是功能性数据。根据他们的破线图，本研究发现它们并未显示出周期性趋势。使用B样条基函数拟合子指示符是合理的（Wang等，2021）。公式如下。(1)在方程（1）中，l（l = 1,2 ... ...L）代表基函数的数量。表示基函数。它可以写成.表示基函数系数[27]。因此，必须防止曲线过拟合导致的数据信息丢失。惩罚参数可以避免过拟合曲线。公式如下。(2)在方程（2）中， = .它代表的二阶导数。是粗糙度惩罚参数。它可以平衡数据拟合优度与曲线平坦化之间的关系（Wang 等，2021）。数值与拟合度负相关。可以通过广义交叉验证（GCV）计算。公式如下。(3)最优解（）通过方程（3）得到。由此可以确定，每个粮食安全的子指标都依赖于其变化特征[30]。基于此，本研究采用功能熵权重法动态加权粮食安全的子指标[40]。是粮食安全的功能。第一步标准化数据。对于正面指标和负面指标，分别使用以下公式。(4)(5)第二步计算粮食安全子指标的熵函数。(6)在方程（6）中，≤≤≤.第三步计算标准化F食品安全子指标的信息熵。(7)步骤4子指示符根据信息熵计算动态重量。(8)第五步本研究计算了中国2001年至2019年的粮食安全得分。(9)3.2. ADL-MIDAS 模型单变量MIDAS（m， k）在Salisu和Ogbonna[41]的公式如下。(10)在方程（10）中， = .K 是高频阶的最大滞后阶。w （k，）是滞后阶 [42]。由于时间序列数据通常具有序列相关性，分布式滞后模型会加上所解释变量的滞后项。该模型随后可以成为自回归分布式滞后模型（ADL-MIDAS 模型）。公式如下[43]。(11)在方程（11）中，A表示低频变量的频率。Q 表示高频变量的频率。m = Q/A。 表示y的最大滞后阶。现有文献使用Beta概率密度函数、标准化Almon指数滞后多项式、指数Almon多项式函数、无限制系数及其他方法来加权高频数据[44]。3.3. 数据本研究使用的数据包括粮食安全和气候变化数据。粮食安全是构建的综合指数（Pandya 和 Sharma，2022;Scott 等，2018;Staupe-Delgado，2020年）。它是通过泛函熵权重法计算的[45]。粮食安全包括维度信息，如供应、稳定生产、便捷获取和供应（CFS，2009）。基于现有研究，本研究选出20个子指标来描述中国的粮食安全[46]。它包括粮食生产能力、粮食生产稳定性、粮食获取能力和粮食利用能力。表1为粮食安全子指标的定义。受限于数据可用性，本研究数据期为2001年至2019年。气候变化数据为2001年1月至2019年12月的月度数据（数据来源：伯克利大学）。一些先前的研究也利用温度异常来测量气候变化，如Letta等[47]、Graff Zivin等[48]和Feeny等[24]。表1。中国粮食安全评估框架。尺寸 指示器 数据资源 属性食品生产能力 人均耕地面积 WIND数据库 +播种区 CEIC中国经济数据库 +单位耕地化肥施用量 中国统计年鉴 +农业生产资料价格指数 CEIC中国经济数据库 –中央政府资助综合农业发展 CEIC中国经济数据库 +人均食品产出 CEIC中国经济数据库 +粮食生产稳定性 食品进口依赖 中国统计年鉴 –粮食作物灾害区 中国研究数据服务平台 –粮食产量增长率 中国研究数据服务平台 +水土流失控制区 CEIC中国经济数据库 +有效农田灌溉面积 中国统计年鉴 +排水区 CEIC中国经济数据库 +粮食采购能力 交通 CEIC中国经济数据库 +国内食品价格指数 CEIC中国经济数据库 –单位粮食播种面积农业机械功率 中国研究数据服务平台 +经济发展水平 中国研究数据服务平台 +食品利用能力 消费者物价指数 CEIC中国经济数据库 –能够获得基本医疗服务的人口比例 世界银行数据库 +能够获得基本饮用水的人口比例 世界银行数据库 +人均粮食供应 粮食与农业组织 +4. 实证结果4.1. 中国粮食安全动态测量粮食安全子指标的惩罚参数基于公式（3）计算。不难看到基函数数量和惩罚参数的具体差异，如表2所示。同样，本研究计算了粮食安全信息维度的加权曲线。本研究考察了各粮食安全子指标变化趋势的明显差异。因此，本研究对这些指标进行归一化，并将其转换为0到1之间的值。随后，本研究计算每个子指标的加权曲线和粮食安全得分。如前所述，本研究计算了中国2001年至2019年的粮食安全得分。如图2所示，符合本研究预期，中国的粮食安全水平从2001年到2019年明显有所提升。然而，2004年中国粮食安全呈下降趋势。这可以归因于2004年全球37个国家爆发的粮食危机。为了应对粮食危机带来的严重后果，世界主要的粮食出口国宣布将限制粮食出口数量。食品供应方面的严重减产导致价格迅速飙升。在贸易全球化背景下，国际食品市场的影响损害了中国的粮食安全水平。中国在食品技术方面从2001年到2019年取得了显著进步。本研究认为以下因素是原因。首先，强有力的农业政策支持。政府实施严格的耕地保护政策，禁止非法占用耕地。这有效保护了可耕地资源，并为粮食生产提供了稳定的土地基础。同时，政府大力推动高标准农田建设，提升农田抗灾和减灾能力，提升粮食综合生产能力。中国建立了健全的粮食储备体系，确保关键时刻快速响应市场需求和粮食价格稳定。其次，技术创新为农业生产提供技术支持。通过农业技术的研发，已培育出多款高质量高产的新品种，这些新品种的推广显著提高了单位面积的粮食产量水平。不断改进的农业技术和设备提高了谷物生产效率。第三，得益于贸易全球化，中国积极利用国际粮食市场资源，粮食进口规模持续扩大。中国积极推动国际粮食合作，已与多个国家和地区签署粮食贸易协定，增强了粮食供应链的韧性。总之，本文认为这些原因显著改善了中国的粮食安全。表2。粮食安全子指标的拟合结果。变量 GCV Log（lambda） R 自由度0.0000036757 −2.40 17 16.343422.609475 −12.90 17 19.000.0000763875 −2.40 12 13.4916.75434474 −2.20 14 14.50697473115.241 −3.75 18 17.950.000044794 −4.60 16 17.930.0001330545 −0.10 4 5.4728668673.506 9.95 18 2.000.000994945 2.05 4 2.9715989.69367 −4.35 16 17.871870236.774 −2.50 17 16.484725.722018 −2.55 17 16.540.000117404 −5.05 16 17.970.112516017 −7.35 16 18.000.013065487 −3.40 18 17.880.0000006158 −4.60 16 17.930.5858435230 −6.60 16 18.000.0000000782 −3.30 18 17.850.0000000866 −2.95 18 17.6821.99425 −1.85 15 14.19图2下载：下载高分辨率图片（154KB）下载：下载全尺寸图片图2。中国2001年至2019年的粮食安全评分。4.2. 气候变化对中国粮食安全的影响不可否认，气候变化是全球普遍关注的环境问题之一[9]。现有研究发现，气候变化可能对生态系统造成灾难性影响，尤其是在脆弱的农业部门最直接受气候变化影响时。例如，异常的温度和降雨直接影响作物的生长和发育。这导致粮食生产的不确定性增加。此外，气候变化还影响农业种植系统和食品品种的分布。本研究利用ADL-MIDAS模型计算气候变化对粮食安全的影响。此外，我们分别衡量气候变化对粮食生产能力、粮食生产稳定性、粮食获取能力和粮食利用能力的影响。表3显示了回归结果。表3。气候变化对中国粮食安全的影响。系数 粮食安全 食品生产能力 粮食生产稳定性 粮食采购能力 食品利用能力6.1385∗∗∗（2.43） 1.0130（0.15） 5.6258∗∗∗（4.72） 3.9630∗∗（1.96） 2.8446（0.69）−0.1566∗（-1.85） −0.4845∗（-1.67） 0.2452∗∗∗（2.34） −0.0803（-1.07） −0.5890（-1.53）1.34 1.37 0.99 1.35 0.9993.90 94.45 3.60 94.95 7.06注：∗∗∗、∗ ∗和∗分别代表1%、5%和10%的显著水平。后续表格中表达的含义是一致的。从表3第1栏来看，气候变化对中国粮食安全产生显著负面影响（−0.1566），这一负面影响在90%的水平上显著。这表明气候变化将损害中国的粮食安全。这一发现并不令人意外，因为异常温度直接影响作物生长，增加了粮食供应的不确定性。农业部门因极端天气和气候现象的频繁和强度而面临重大经济损失。它降低了农民支付和获取食物的能力[49]。与此同时，异常气候会增加疾病发病率，影响农业劳动生产力并威胁食品健康[50]。总体来看，气候变化损害了中国的粮食安全。表3中第（2）至（5）列的回归结果显示，气候变化显著影响粮食生产能力。气候异常（如每日温差上升）直接影响粮食作物的生长和供应。因此，粮食生产直接受到气候变化的影响。值得注意的是，气候变化对粮食获取和利用能力的回归系数为负但影响微不足道。这表明气候变化对这些维度的影响目前尚未反映出来。以下严格测试旨在验证结论的合理性。本研究使用更通用的MIDAS模型进行估算。我们替换了概率密度函数（阿尔蒙滞后多项式）的选择。表4显示了稳健的测试结果。从表4的第（1）至（2）栏，结果显示气候变化对粮食安全的回归系数为负且显著。本研究结论的合理性表明，气候变化对粮食安全有显著负面影响。表4。鲁棒性测试的回归结果。系数 通用MIDAS模型 系数 阿尔蒙滞后多项式−21.8475（-1.57） 6.1386∗∗∗（2.43）−2.1381∗∗∗（-2.96） −0.1566∗（-1.85）−2.6530∗∗∗（-2.74） 9.99−3.3190∗∗∗（-2.64） −3.514.3. 全球气候变化对中国粮食安全的影响直到现在，中国的粮食需求尚未达到顶峰。资源和环境的限制逐渐加剧，尽管食品供需脆弱性依然存在。基于上述动力，外部食品市场资源对于保障中国粮食安全至关重要。此外，根据比较优势理论，食品进口还能提升中国的资源配置效率。然而，值得注意的是，国际食品出口的供应高度集中在少数几个国家。现有研究指出，一些食品出口国面临极端天气，因为食品出口受限，导致国际食品供应紧张，导致食品价格急剧上涨，危及粮食安全。本研究选取在全球食品市场占据重要地位的国家，以评估其气候变化对中国粮食安全的影响。回归结果见表5、表6。直观上，泰国的气候变化将显著影响中国的粮食安全（−0.2474，显著影响95%）。根据表6第（2）栏，澳大利亚的气候变化也将对中国的粮食安全产生负面影响（−0.1756，显著影响90%）。作为世界农业强国，美国是中国食品进口的重要来源，尤其是大豆进口。从表6第（3）栏，回归结果显示美国的气候变化将严重影响中国的粮食安全。此外，气候变化对中国其他国家粮食安全的影响是负面的（不显著）。气候变化对中国其他关键粮食生产国粮食安全的影响可能不会逐步显现。表5。气候变化对中国粮食安全影响的回归结果，涵盖巴西、加拿大和泰国。系数 巴西 加拿大 泰国6.9679∗∗∗（3.11） 8.1823∗∗∗（3.68） 7.5129∗∗∗（3.37）−0.0271（-0.54） −0.4314（-1.19） −0.2474∗∗（-2.12）1.0000e-08 1.0075 1.07005.0124 3.7833 21.0341表6。气候变化对印度、澳大利亚和美国粮食安全影响的回归结果。系数 印度 澳大利亚 美国5.4839∗（1.86） 8.0184∗∗∗（4.55） −4.6179（-0.80）−0.2730（-1.34） −0.1756∗（-2.04） −0.2851∗∗（-2.20）0.9967 1.0497 1.46618.2056 19.0112 115.43355. 结论与政策建议粮食安全与国家经济发展和战略独立性息息相关。本研究采用动态指数加权方法构建2001年至2019年中国的粮食安全。众所周知，极端天气的频率和强度正在逐渐增加，气候变化可能深刻影响农业部门的运营。本研究利用ADL-MIDAS模型计算气候变化对粮食安全的影响。一系列的鲁棒性检查支持结论的合理性。最后，本研究定量衡量了气候变化对其他关键粮食生产国对中国粮食安全可能产生的影响。我们的研究结果还提供了防止气候变化损失的参考文献和建议。具体的研究结论有三方面。首先，信息的各个维度对粮食安全的影响随时间变化。由于粮食生产能力和国际粮食贸易，中国的粮食安全从2001年到2019年有了显著改善。其次，气候变化对中国的粮食安全产生了显著负面影响。气候因素将限制中国粮食安全的改善。此外，稳健性测试还显示气候变化对粮食安全有显著负面影响。第三，气候变化对中国粮食安全的影响在国际食品市场关键生产国中存在差异。一些粮食生产国（如美国、泰国和澳大利亚）的气候变化对中国的粮食安全有重大影响。报告显示，气候变化对中国部分国家粮食安全的影响尚未被强调。本研究基于上述研究结论提出了以下政策启示。第一，加强国内粮食稳定和供应保障能力的基础。目前，中国粮食安全仍面临复杂的国内外局势挑战。基于粮食安全各维度信息的重要性，本文建议严格遵守耕地红线，加强粮食安全产业建设，弥补粮食生产技术的空白。同时，积极参与国际农贸，加强粮食进口风险管理，建设稳定的对外粮食供应体系。其次，我们高度重视气候变化对粮食安全的负面影响。一方面，我们需要加强农业基础设施建设，增强抵抗气候风险的能力。例如，改善农业灌溉设施和建设高标准农田可以增强农田的抗灾能力。另一方面，建立重大农业气象灾害预警机制，通过商业保险、政府援助等渠道减少气象灾害造成的损失，确保农村居民粮食生产能力。政府和保险公司正合作推出针对气候灾害的农业保险产品，以降低农民面临的损失风险。第三，建立多样化农产品进口渠道，为全球重要农产品出口国建立气候变化预警机制。中国应扩大农产品供应渠道的多元化，不应过度依赖少数农产品出口国，减少气候变化对个别出口国造成供应中断的风险。这能有效提升应对国际食品市场波动和风险的能力。对重要农产品出口国的气候变化实时追踪，为提前调整国内食品供需提供基础，并应对潜在气候风险。