全球变暖对农业的影响：李嘉图分析法

1.测算气候对农业的影响

　　使用李嘉图方法，我们估算了气候对美国农业的影响。农业是最适合应用李嘉图方法的领域，一是因为气候对农业生产率有显著影响，二是因为农业投入和产出方面有大量的县级数据。

　　1.1数据来源与方法

　　我们的基本假设是，气候改变作物的生产函数。特定地点的农民将气候等环境变量视为已知条件，并相应地调整他们的投入和产出。此外，我们假设产品市场和要素市场是完全竞争的。更重要的是，我们假设经济已经完全适应给定的气候，因此土地价格达到了与各县气候相关的长期均衡。

　　在大多数情况下，数据都是1982年美国农业普查中各县的实际平均值，所以在获取这些变量的信息方面不存在严重问题。（*4.附录A包含本研究使用的各变量的完整描述和定义。）《县市数据手册》（美国普查局，1988）以及这些数据的计算机磁盘是本文使用的大部分农业数据的来源，包括每英亩农产品的销售价值、农场土地和建筑物价值（*5.农场价值变量的定义和来源对本研究至关重要，其推导见附录B。），以及美国各县农场的市场投入信息。此外，在多个模型设定中，我们纳入了每个县的社会、人口和经济数据；这些数据也来自《县市数据手册》。

　　在美国农业部丹尼尔·海勒斯坦（Daniel Hellerstein）和诺埃尔·戈尔洪（Noel Gollehon）的协助下，我们从《国家资源目录》（National Resource Inventory）中提取了土壤数据。该目录是关于美国土地特征的广泛调查；收集了近80万个地点的土壤样本或土地特征，每一项都提供了盐度、渗透性、含水量、黏土含量、沙子含量、洪水概率、土壤侵蚀（K因子）、雨水侵蚀（R因子）、斜坡长度、风蚀、地块是否为湿地，以及本文中未使用的诸多其他变量。每个样本还包含一个扩展因子，它是样本代表的该县土地数量的估计值。利用这些扩展因子，我们将所有数据汇总起来，得出每个土壤变量的全县估计值。

　　气候数据引出了更棘手的问题。它们由气象站而不是由县提供，所以必须估算县的平均气候。首先，气候数据来自美国国家气候数据中心，该中心收集了美国5 511个气象站的数据。除西南部的一些沙漠地区外，这些气象站组成了美国大部分地区密集的观测集。这些数据包括从1951年到1980年每个月的降水和气温信息。由于本研究的目的是预测气候变化对农业的影响，所以我们重点关注降水和气温对农业的长期影响，而不是天气的逐年变化。据此，我们研究了“正常”的气候变量，即各个气象站每个气候变量的30年平均值。在这项分析中，我们收集了1月、4月、7月和10月的正常日平均气温和正常月降水数据。我们聚焦这四个月是为了捕捉每个变量的季节性影响。例如，1月的低温可能对控制害虫很重要，温暖但不炎热的夏季可能有利于作物生长，而10月的温暖气温可能有助于作物收割。

　　为了将以县为单位的农业数据与以站为单位的气候数据联系起来，我们进行了空间统计分析，以考察各个县的气候决定因素。虽然我们在这项研究中分析的具体气候变量被频繁测量，但有些县没有气象站，另一些县则有若干个气象站。一些气象站的位置不具有代表性，譬如华盛顿山顶的气象站。此外，一些县非常大或者地形复杂，以致县内出现了气候变化。因此我们为每个县建立了平均气候。

　　首先，我们假设距离县城地理中心500英里（*英制单位，1英里约为1.61千米。）内的所有气象站都能提供某些有用的气候信息。500英里的圆内总是包含许多气象站，因此这些气候测量不会过于依赖任何一个站点。

　　其次，我们对500英里内所有气象站进行加权回归，从而估算该县周围的地面气候。权重是一个气象站到县中心距离的平方根的倒数，因为我们意识到，距离越近的站点包含越多县城中心的气候信息。鉴于500英里内的气象站和各个县的权重（距离）是唯一的，我们对每个县进行了单独的回归估算。因变量为30年间1月、4月、7月和10月的月平均气温和降水量。自变量包括纬度、经度、海拔以及与最近海岸线的距离。回归拟合这四个基本变量（包括交互项）的二阶多项式，所以回归中有14个最终变量，外加一个常数项。对3 000个县的每个县进行8次回归（4个季节×2个测量），得出了24 000多个回归估计值。

　　最后，我们计算了县城地理中心各个气候变量的预测值。气候回归得到的正常降水和气温预测值是财产值回归（property-value regression）中的气候自变量。这种复杂的插值程序旨在为每个县的气候变量提供地理上准确的估计。

　　各个县的气候参数估计值太多，无法呈现，但是我们在表1和表2中罗列了两个选定的县。表内显示了加利福尼亚州弗雷斯诺市和艾奥瓦州得梅因市的自变量以及系数和汇总回归统计数据。请注意，弗雷斯诺市的回归系数比得梅因市的回归系数显著。由于海岸和附近山脉的影响，弗雷斯诺市的样本存在更多变化。虽然弗雷斯诺市的回归系数更显著，但得梅因市的回归有更好的整体拟合度和更小的标准差。总的来说，经度100度以东（落基山脉东坡）的拟合度比西部更高。

　　为加大这种地理近似方法的可靠性，我们预测了每个气象站的气候。撇开气象站本身，我们用上述方式预测了500英里内所有气象站的气候变量。将这些结果与各个气象站的实际测量值进行比较，可以发现近似方法预测了美国大陆87%～97%的降水变化和97%～99%的温度变化。需要注意的是，即便在统计学上的稳定环境中，“气候”观测本身也存在误差，因为它们只包含30个观测结果。根据气候观测中的非系统性误差（idiosyncratic error）与我们方程中的设定误差（specification error）的相对重要性，这类预测实际上可能优于记录的观测结果本身。无论如何，这些预测都可以作为气象站之间精密的气候插值。