*Robert Mendelsohn，医学博士，曾任美国知名大医院院长，美国医学会主席。William Nordhaus，2018年诺贝尔经济学奖得主，耶鲁大学斯特林经济学讲席教授，研究领域包括环境、价格、能源、技术变革、经济增长、利润和生产率的增长趋势；萧代基（Daigee Shaw），现任台湾“中央研究院”经济研究所研究员、台北大学与政治大学教授，主要研究领域为环境与资源经济学。原文“The Impact of Global Warming on Agriculture： A Ricardian Analysis”发表于The American Economic Review，Vol. 84， No. 4 （Sep.， 1994）， 第753—771页，本文的翻译出版得到了AER的授权。
作者感谢美国国家科学基金会和经济研究局（USDA）对这一项目的资助，但本文仅代表作者的观点。作者还要感谢John Miranowski、Daniel Hellerstein、John Reilly、Katherine Segerson、Paul Waggoner和推荐人的帮助与建议，以及Susan Helms为本文绘制的地图。
过去10年，科学家对温室效应进行了广泛研究，并预计二氧化碳（CO2）和其他温室气体（GHG）的积累将在21世纪引发全球变暖和其他重大气候变化。大量研究表明，这对农业产生了重要影响，特别是如果美国中部地区出现严重的干旱和变暖现象。（*1.特别参见Intergovernmental Panel on Climate Change（1990）和The National Acadamey of Sciences Panel on Greenhouse Warming（1992）的报告。）事实上，几乎所有对经济影响的估测都依赖于一项我们称之为生产函数法的技术。
本研究比较了估算气候变化影响的传统生产函数法与探索气候及其他变量对土地价值和农业收入影响的新兴“李嘉图方法”。估算气候变化影响的传统方法依靠经验或实验生产函数预测环境损害（因而本研究称之为生产函数法）。
（*2.重要的研究包括John Callaway et al.（1982），W. Decker et al.（1986），Richard Adams et al.（1988，1990），Adams（1989），D. Rind et al.（1990），Cynthia Rosenzweig and Martin L. Parry（1994）。关于有用的综述，参见National Research Council（1983），Joel Smith and Dennis Tirpak（1989），National Academy of Sciences（1992），以及William Cline（1992）。）这种方法采用一个基本的生产函数，通过改变一个或多个输入变量（如温度、降水和二氧化碳浓度）来估算影响。这些估算可能依赖于极其精细校准的作物产量模型（如CERES，即作物环境资源合成模型；或SOY-GRO，即大豆生长模拟模型）以确定对产量的影响；研究结果通常预测全球变暖将导致产量严重下降。
这些研究为评估气候变化对农业的影响提供了有用的基准，但它们存在固有的偏差，往往会高估损害。这种偏差有时被称为“愚蠢的农夫场景”，因为它忽略了农民为应对经济和环境条件不断变化而习惯做出的各种适应。大多数研究都假设农民的适应性很小，只是简单计算气温变化对农场产量的影响。一些研究会考虑施肥、灌溉或栽培品种方面存在有限的变化（参见William Easterling et al.，1991）。但没有研究考虑农民能完全适应不断变化的环境条件。例如，这类文献并不考虑全新作物的引入（比如南方的热带作物）；技术变革；从农业到畜牧业、草原或林业的土地使用变化；或者在现代后工业社会中，土地向城市、养老院、露营地或其他各种生产性用地的转变。
由于不考虑农民的全面调整，先前的研究高估了环境变化造成的损害。图1描绘了四个不同部门随单一环境变量“气温”变化的产出假设值，以说明这一偏差的普遍性。在每种情况下，我们假设生产函数法能够准确评估生产活动随气候变化的经济价值。这四个函数提供一个简化的示例，阐明小麦、玉米、放牧和养老院的价值如何随温度发生变化。譬如，图1最左边的曲线是假设的“小麦生产函数”，显示小麦的价值如何随着气温而改变，从A点的低温开始上升，然后在B点达到峰值，最终由于气温升得过高而下降。生产函数法可以沿着这条曲线估算不同气温下的小麦产值。
生产函数法之所以产生偏差，是因为它没有考虑随着条件变化而出现的经济替代活动。例如，当气温上升到C点以上时，适应性强且追求利润最大化的农民将从种植小麦转向种植玉米。随着气温的升高，生产函数法可能会计算出小麦的产量降至F点，但事实上小麦已经停产；真正实现的价值其实要高得多，即D点的玉米产量。在稍高的气温下，土地不再适合种植玉米，而是转向放牧，但不考虑这种转变的生产函数估算将再次高估气候变化造成的损失。最后在E点，即使最好的农业模型也会预测这块土地不适合耕种或放牧，并且破坏严重。更全面的方法也许会发现这片土地已经被改造成了退休养老之地，老人们蜂拥而至，以期在温暖的冬天和干燥的气候中四处转悠。
 |
诚然，以上所论都是说明性的。但它提出了关键的一点，即生产函数法会高估气候变化造成的损害，因为它既没有事实上也无法考虑随着气候变化，各种各样的替代、适应，以及新旧活动可能取代不再有利的生产。
在这项研究中，我们开发了一种新的方法，原则上可以通过使用土地价值的经济数据来校正生产函数法中的偏差。我们称之为“李嘉图方法”，借助这一方法，我们研究不同地区的气候如何影响农田的净租金或价值，而不是研究特定作物的产量。通过直接测算农场价格或收入，我们解释了气候对不同作物产量的直接影响，以及不同投入的间接替代、不同活动的引入，还有针对不同气候的其他潜在适应。如果市场运作正常，李嘉图方法将可以让我们衡量不同活动的经济价值，从而验证生产函数法隐含的经济影响是否能实地重现。
李嘉图方法的结果如图1所示。我们假设纵轴测算的“价值”是每英亩（*英制单位，1英亩约为0.004平方千米）。土地的净产值；更准确地说，它是产出价值减去所有投入的价值（不包括土地租金）。在竞争市场下，土地租金将等于土地得到充分和最优使用时的净收益。这一租金实际上就是图1中的粗实线。我们将图1中的这条实线标识为“最优使用价值函数”。
一般而言，我们不观察市场的土地租金，因为土地租金通常只占总利润的一小部分。不过对于农场，土地租金往往占总成本的很大部分，可以相当精确地估算。农场价值是未来租金的现值，因此，如果所有地块的利率、资本收益率乃至每英亩资本都相等，那么农场价值将与土地租金成正比。进而，通过观察农场价值与气候和其他变量的关系，我们可以推断图1中最优使用价值函数的形状。（*3.Mendelsohn et al.（1993）为本文的实证研究提供了分析基础。）
本项研究测算了气候变量对农业的影响。我们剖析气候数据和各种基本的地理、地球物理、农业、经济和人口因素，以确定气候对农田的内在价值。观察单位是美国南部48个州的县。我们不仅研究气候变量和非气候变量对土地价值和农业收入的影响，还纳入不少城市变量，以期衡量经济发展对农业土地价值的潜在影响。分析表明，气候通过气温和降水对农业租金产生系统性影响。这些影响往往是高度非线性的，并且随季节大幅变化。本文最后讨论了全球变暖对美国农场的影响。
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。
2.经验分析
李嘉图方法估测气候和其他变量对农田价值的重要性。如上所述，土地价值是未来预期租金的现值。美国各县的无风险利率差异不大，但土地价值的风险和资本收益可能会差别很大。例如，加利福尼亚州发展中城市附近的农业用地可能比经济停滞的阿巴拉契亚煤矿区的农村土地有更高的资本收益。此外，由于土地价值由农民估算，而这种估算往往并不可靠，因此土地价值的测算会有重大的潜在误差。不过，没有理由认为测算误差与气温或降水等独立数据紧密相关。测算误差会降低计量经济学估计值的精确度，但不会导致系数估计中的偏差或气候的农业经济价值影响估计中的偏差。
我们根据气候、土壤和社会经济变量对土地价值进行回归，以估算不同县的最优价值函数。我们共有2 933个横截面观测数据。在这项回归中，均值已从自变量中删除。因此二次气候变量更容易理解。线性项反映了按美国平均值评估的气候边际值，二次项则显示边际效应将如何随着偏离平均值而改变。
表3列出了若干回归。为理解模型中非农业变量的重要性，我们不妨从一个只包含气候变量的模型切入。表3中的第一组回归是一个二次模型，其中包括8项气候指标（4个月的降水量和温度）。每个变量都含有线性项和二次项，从而反映实地研究中明显的非线性。
在其余的回归里，我们纳入城市、土壤和其他环境变量，以控制影响土地价值和农场收入的外部因素。这就产生了一个问题，即这些县城应该如何进行加权。第一组回归使用农田权重，其中观测值按每个县的耕地比例加权。拥有大量耕地的县应能提供更好的价格决定数据，因为城市或森林等其他影响被最小化了；另外，这些结果尤其适用谷物种植带。第二组回归使用了作物收入权重；换言之，观测值按每个县的作物收入总价值加权。第二种加权方案关注那些对农业总产量最为重要的县，尽管有些县的土地价值可能受到邻近大城市的影响；这一方案还对种植更值钱作物的县赋予更大的权重。总之，农田指标倾向于关注玉米、小麦和大豆种植带，进而反映气候对这些谷物的影响。相比之下，作物收入权重对沿海地区的蔬菜农场（truck farm）和柑橘种植带的影响更大，因此作物收入回归反映了更广义的农业生产。
表3的（2）-（5）列给出回归结果。大多数气候变量的平方项都很显著，这意味着观测到的关系是非线性的。然而，一些平方项是正数，特别是对降水量而言，这表示存在一个最低产出水平的降水量，多于或少于该水平的降水量都会增加土地价值。二次项的负系数意味着存在一个最优水平的气候变量，其价值函数从该水平上向两个方向减小。
虽然定量估计各有不同，但通过边际效应衡量的气候总体影响在不同模型中基本相同。所有模型均表明，冬季和夏季的较高气温对作物有害；秋季的较高气温和冬春两季的较大降水量对作物有利；而夏季或秋季降水量增加则是有害的。然而，这两种加权方案在评估冬季与夏季气温的相对重要性方面有所不同。农田模型认为，冬季温度升高的危害性较小，升高1华氏度的影响大概是每英亩89~103美元；而作物收入模型认为，这种影响比较有害，估算的影响为每英亩138~160美元。但是根据作物收入模型，夏季气温每升高1华氏度，农业价值仅减少88~132美元，而在农田模型中将减少155~177美元。作物收入模型指出，除春季外，降水对土地价值的影响比农田模型大得多。譬如，作物收入模型表明，冬季降水使农场价值每月每英寸增加172~280美元，而农田模型显示其影响在每月每英寸57~85美元。
 |
图2和图3展示美国现行气候的总体预测影响。绘制的地图则列出1982年各县气候的李嘉图值，也即气候对农田价值的局部影响。为了制作每一张地图，我们首先要获得各个县的预估气候与全美平均气候的差异值。然后将这些差异值乘以表3中的估计系数，并将其与气候变量相加。图2和图3显示了气候对各县农田价值的估计贡献。结果与民间对农场价值的评估相吻合（例如，图2中清晰呈现了美国历史上家喻户晓的第100条子午线，即西部大平原）。最具价值的气候在美国西海岸、芝加哥附近的玉米种植带和东北部。价值最低的地区是西南部和东南部区域。这两幅图显示了几乎相同的地理格局，说明结果颇为稳定；使用1978年的数据也得出了类似的结果。
表3的控制变量本身就提供了一组丰富的结果。经济和土壤变量在决定农场价值方面起着重要的作用。在人口稠密、经济增长较快的富裕县，农场的价值更高，因为当地对粮食的需求增加，而且土地有可能转为非农用地。农场价值对太阳通量（纬度）和海拔高度等其他环境因素的响应与预期一致。盐度、洪涝易发性、湿地的存在以及土壤侵蚀都会产生预期的负面影响。斜坡长度对土地价值影响较小。灌溉不列入表3所示的回归模型，因为灌溉明显是对气候的内生反应。不过如果将灌溉包括在内，它就是一个显著的正变量，会大幅增加土地价值；这不足为奇，因为在许多干旱的西部地区，灌溉至关重要。（*6.纳入灌溉不会显著改变本文的研究结果。）
理论部分提出的一个假设是，总收入模型会夸大环境效应的影响。在表4中，我们通过回归相同的气候和作物总收入控制变量来探讨这一假设。表4中农场收入模型的边际效应表明，除春季外，季节模式与农场价值方程相似。温暖的4月减少了农场收入，但增加了农场价值。根据农田模型，利于农场价值增长的较湿润的春季减少了农场收入；而在作物收入模型下，湿润的春季增加了农场收入。
然而，总收入模型预测的损害程度通常大于李嘉图模型预测的影响。为了比较这两种方法，我们需要使用第2节中定义的贴现率将年租金换算为土地价值。根据资产收益和农场收入，每年5%的实际贴现率似乎是合适的。（*7.根据Roger Ibbotson and Gary Brinson（1987）的研究，1947—1984年的农田价格产生了9.6%的复合年收益率（收入和资本收益），而GNP平减指数平均年增长率为4.4%。这继而产生了4.99%的实际年均收益率。相比之下，在此期间，所有房地产投资的实际年均收益率为4.4%。另一个比较是农场的利润率，定义为农场的净收入除以农场和农田的总价值。在1974年、1978年和1982年的人口普查中，农场的平均利润率为每年5.02%。）按照这个贴现率，表4中的边际系数应乘以20，这样就与表3中的现值估计具有可比性了。遵循这一调整，根据总收入模型，夏季气温每升高1华氏度，农场的现值将降低140~540美元，但根据李嘉图模型则仅降低 88~177美元。
 |
测算气候影响的李嘉图方法关切的一个问题是，随着时间的推移，结果可能并不稳健，而特定年份的天气和经济因素有可能扭曲结果。因此我们使用1978年的数据再次估算了模型。这些估计值已经用1991年《总统经济报告》中的国民生产总值（GNP）平减指数换算为1982年美元。1978年的结果与基于1982年数据的研究结果惊人得相似。控制变量在两年里具有类似的影响。同样，用全美平均值评估1978年的气候边际效应，并与1982年的结果进行比较，我们发现1978年和1982年的气候变量基本相同，且几乎没有例外。随着时间的推移，气候变化对农业的影响是稳健的，但某些因素显然会逐年改变影响的程度。
3.温室效应的影响
上一节用李嘉图方法所做的分析表明，气候对农业的影响非常复杂，呈现高度非线性并随季节变化。这一分析的一个重要应用是预测全球变暖对美国农业的影响。对于该预测，我们考虑一个传统的二氧化碳倍增场景：全球平均地表温度上升5华氏度（参见IPCC，1990；美国国家科学院温室效应小组，1992）。按照大多数预测，如果目前的趋势继续，这一气温上升将在21世纪下半叶的某个时候出现。依循政府间气候变化专门委员会（IPCC）的调查，气温每升高5华氏度，降水量将平均增加8%。在接下来的计算中，这些变化均按季节和地区统一应用于美国。理论上，它们显示了包含所有适应的气候变化影响，尽管忽略了二氧化碳的施肥效应（CO2 fertilization effects）和价格效应。
表5呈现了近期的实验结果及其权重。“影响”列显示全球变暖对农田价值的估计影响；如果它们导致土地价值低于零，则“截断影响”列将截断这些损失。这种截断影响是首选的经济指标。估计结果差异很大，取决于是使用农田还是作物收入进行加权。在用农田进行加权的情况下，气候变暖造成的土地价值损失从1 190亿美元到1 410亿美元不等；假设每年的作物损失是这一价值的5%（*8.关于这个问题的讨论参见最后一节和脚注⑥。），则每年的损失在60亿~80亿美元之间（按1982年价格及1978年或1982年产量水平计算）。这一损失额占1982年1 640亿美元农场总收入的4%~5%。农田模型强调，气候变暖对注重谷物生产的农业缺乏吸引力，毕竟谷物的每英亩价值相对较低，它们主要在美国北部相对凉爽的气候中茁壮生长。
如果我们使用作物收入法，就会产生截然不同的结果。因此，气候变暖的净影响（同样不考虑二氧化碳施肥效应）略为正，表现为农田价值增加了200亿~350亿美元。将这些资本价值按年计算，则每年可获得10亿~20亿美元的收益。转换为1982年的收入，相当于大约1%的增益。出现不同结果的原因是，作物收入法相对偏重西部和南部的灌溉土地，地中海和亚热带气候会使这些土地丰产，而全球变暖使这种气候更多地出现。把这一系列广泛的作物和适应性计算在内，可以绘出一幅较为乐观的图景，因为阳光地带作物的收益往往会抵消边缘粮食区的损失。
 |
作物收入法和农田方法之间的显著差异不失为一个有用的提醒，提醒人们注意自己会如何受想象情景（mental image）的误导。全球变暖的幽灵让人联想起玉米秸秆爆裂或者麦田干涸的景象。然而，在1982年的1 430亿美元农业销售额中，小麦和玉米等易受干旱影响的主要谷物仅占225亿美元。我们的研究结果表明，如果分析仅限于主要谷物，那么美国农业对气候变化的脆弱性可能被夸大了。研究的视野应当扩展到棉花、水果、蔬菜、大米、干草、葡萄等温暖气候作物，以及牲畜和家禽等其他行业。过去的生产函数研究遗憾地集中在脆弱的寒冷气候谷物上，而全面的作物收入李嘉图模型提示我们，灌溉型温暖气候作物也许是气候变化乌云背后的一线曙光。
图4和图5提供了这些全球变暖情景的地理细节。根据图4所示的农田模型，气候变暖将对美国整个南部地区构成极大的危害，而只会对美国北部边缘地区有利。相比之下，图5的作物收入模型表明，全球变暖将有利于加利福尼亚州和东南部的柑橘种植带，以及中西部的玉米和小麦种植带。在这个模型下，全球变暖只会对阿巴拉契亚山脉和落基山脉等相对次要的山区造成危害。
将这些评估与其他研究结果进行比较具有启发意义。史密斯和蒂尔帕克（Smith and Tirpak，1989）在研究中分析了许多不同的气候和农业模型，以估测二氧化碳倍增的影响。忽略二氧化碳施肥效应，美国环保署得出的结论是，二氧化碳倍增的年均影响在60亿~340亿美元（按1982年价格计算）。克莱因（Cline，1992）则使用了两种不同的方法：美国环保署的估算和林德等人（Rind et al.，1990）的校正。两种方法都预测在不计算二氧化碳施肥效应的情况下，每年的损失为200亿美元。值得注意的是，这些研究都依赖于生产函数法，并将该方法应用于估算气候变化对谷物的影响；因此，这些估算和我们的农田模型最接近，而且正如上文理论部分预测的，它们得出的损失估计值高于李嘉图方法：大约是表5中估计值的3倍。由于排除了非谷物和温暖气候作物，这些研究进一步推高了对损失的估计，这一点反映在农田模型和作物收入模型的比较中。
 |
 |
表5的结果基于高度典型化的全球变暖情景，因此是相当不确定的。在当前的研究中，我们不断从大规模大气环流模型中得出全球变暖的估计结果；这些结果应该纳入美国广大地区之间的差异。此外，还应考虑二氧化碳施肥效应，毕竟有研究表明，二氧化碳施肥可以显著提高产量。其他被忽略的变量包括气候变量的极端影响和值域，以及灌溉变化带来的影响。但尽管存在这些遗漏，本文仍然为预测全球变暖对美国农业的影响提供了一个基准。使用狭义的作物定义，负面影响估计在农场产出价值的4%~6%。而倘若使用更广泛的定义，即更加重视温暖气候作物和灌溉农业，那么我们的预测表明，全球变暖可能会略微有利于美国农业。
附录A 本研究使用的主要变量的定义
常数：等于1的项
1月温度：1951年至1980年1月的正常日平均温度（华氏度）
1月温度平方：1月温度的平方值
4月温度：1951年至1980年4月的正常日平均温度（华氏度）
4月温度平方：4月温度的平方值
7月温度：1951年至1980年7月的正常日平均温度（华氏度）
7月温度平方：7月温度的平方值
10月温度：1951年至1980年10月的正常日平均温度（华氏度）
10月温度平方：10月温度的平方值
1月降水量：1951年至1980年1月的正常降水量（英寸）
1月降水量平方：1月降水量的平方值
4月降水量：1951年至1980年4月的正常降水量（英寸）
4月降水量平方：4月降水量的平方值
7月降水量：1951年至1980年7月的正常降水量（英寸）
7月降水量平方：7月降水量的平方值
10月降水量：1951年至1980年10月的正常降水量（英寸）
10月降水量平方：10月降水量的平方值
人均收入：1984年县人均年收入
人口密度：1980年每平方英里常住人口
人口密度平方：人口密度的平方值
纬度：从美国最南端开始以度为单位测量的纬度
海拔：距离海平面的高度（英尺）
人口流动：1980年至1986年该县迁入人口减去迁出人口的净额
盐度：由于土壤中含有盐或碱性矿物而需要特殊处理的土地占比
易发洪水：易发洪水的土地占比
灌溉：灌溉至少提供50%需水量的土地占比
湿地：被视为湿地的土地占比
土壤侵蚀：K系数土壤（侵蚀系数，单位为百分之英寸）
坡长：斜坡长度（英尺，不是陡度）
风蚀：风蚀测量（百分之英寸）
农场价值：1982年包括建筑物的农田当前市场价值估计值（美元/英亩）
农场收入：1982年出售的作物总收入（美元/英亩）
距离：距最近海岸线的线性距离
经度：从美国最东端开始以度为单位测量的经度
渗透性：土壤渗透性（英寸/小时）
含水量：可用水容量（英寸/磅）
附录B 农场、土地及建筑物的价值数据
（*9.这一说明摘自《县市数据手册》，基础数据摘自1982年农业普查（U.S. Bureau of the Census，1984）。）
农场数据和农田价值数据是本文的核心。本附录描述数据的定义和来源。1974年农业普查最终报告首次使用的农场定义是指在人口普查年销售或通常会销售1 000美元或以上农产品的任何地方。农场的土地是一个经营单位概念，包括拥有和经营的土地以及从他人处租赁的土地。被指定为“农场土地”的面积主要包括用于作物种植、牧场或草场的农业用地；还包括实际上未被耕种或用于放牧或草场的林地和荒地，只要它们是农场经营者全部经营活动的一部分。
土地界定为位于经营者的主要县，即农产品生产价值最大的县。灌溉土地包括通过任何人工或控制手段灌溉的土地，如洒水装置、犁沟或沟渠和播撒堤坝等。农田包括收割作物或草料的土地，用作果园、柑橘园、葡萄园、苗圃和温室的土地，仅用作牧场或草场的土地，这类土地可用于种植作物而无须额外改良；以及所有种植作物但在作物成熟前被用于放牧的土地。最后，也包括用于轮流放牧的所有农田，以及政府土地转用计划中被用于放牧的土地。
受访者被要求报告他们拥有、租用或租给他人的土地和建筑物，以及租用或租给他人的土地的当前市场估值。市场估值指受访者对土地和建筑物按当前市场条件销售的估价。如果未报告土地和建筑物的价值，则在处理过程中使用同一地理区域内同类农场的土地和建筑物的平均价值进行估算。
农场销售的产品价值是指无论是谁收到付款，农场出售或运出的所有农产品的税前总市场价值和生产费用。此外，它还包括1982年因将商品列入商品信贷公司贷款计划而获得的贷款额。
（颜超凡 译）
参考文献
Adams， Richard.“Global Climate Change and Agriculture： An Economic Perspective.”American Journal of Agricultural Economics， December 1989， 71（5）， pp. 1272-79.
Adams， Richard， McCarl， Bruce， Dudek， Daniel and Glyer， David. “Implications of Global Climate Change for Western Agriculture.”Western Journal of Agricultural Economics， December 1988， 13（2）， pp.348-56.
Adams， Richard， Rosenzweig， Cynthia， Pearl， Robert， Ritchie， Joe， McCarl， Bruce， Glyer， David， Curry， Bruce， Jones， James， Boote， Kenneth and Allen， Hartwell. “Global Climate Change and U.S. Agriculture.”Nature， 17 May 1990， 345（6272）， pp. 219-24.
Callaway， John， Cronin， F.， Currie， J. and Tawil， J. “An Analysis of Methods and Models for Assessing the Direct and Indirect Economic Impacts of CO2-Induced Environmental Changes in the Agricultural Sector of the U.S. Economy.” Pacific Northwest Laboratory （Richland， WA） Working Paper No. PNL-4384， 1982.
Cline， William.The economics of global warming. Washington， DC： Institute of International Economics， 1992.
Decker， W.，Jones， V. andAchutuni， R. The impact of climate change from increased atmospheric carbon dioxide on American agriculture， DOE/NBB-0077. Washington， DC： U.S. Department of Energy， 1986.
Easterling， William， II，McKenney， Mary， Rosenberg， Norman and Lemon， Kathleen. Processes for identifying regionalof and responses to increasing atmospheric CO2 and climate change—The MINK project —Report IIB， DOE/RL/01830T-H8. Washington， DC： U.S. Department of Energy， 1991.
Ibbotson， Roger and Brinson， Gary. Investment markets. New York： McGraw-Hill， 1987.
Intergovernmental Panel on Climate Change. Climate change： The IPCC scientific assessment （J. T. Houghton， G. J. Jenkins， and J. J. Ephraums， eds.）.New York： Cambridge University Press， 1990.
Mendelsohn， Robert，Nordhaus， William and Shaw， Dai Gee. “The Impact of Climate on Agriculture： A Ricardian Approach.” in Yoichi Kaya， Nebojsa Nakicenovic， William Nordhaus， and Ferenc Toth， eds.， Costs， impacts， and benefits of CO2 mitigation. Laxemburg， Austria： International Institute of Applied Systems Analysis，1993， pp. 173-208.
National Academy of Sciences Panel on Greenhouse Warming. Policy implications of greenhouse warming： Mitigation， adaptation， and the science base. Washington， DC： National Academy Press， 1992.
National Research Council. Changing climate. Washington， DC： National Academy Press， 1983.
Rind， D.， Goldberg， R.， Hansen， J.， Rosenzweig， Cynthia and Ruedy， R. “Potential Evapotranspiration and the Likelihood of Future Drought.”Journal of Geophysical Research， June 1990， 95（D7）， pp. 9983-10004.
Rozenzweig， Cynthia and Parry， Martin L. “Potential Impact of Climate Change on World Food Supply.”Nature， 13 January 1994， 367（6459）， pp. 133-38.
Smith， Joel and Tirpak， Dennis， eds. The potential effects of global climate change on the United States： Report to Congress， EPA-230-05-89-050. Washington， DC： Environmental Protection Agency， 1989.
U.S. Bureau of the Census. 1982 Census of Agriculture. Washington， DC： U.S. Government Printing Office， 1984.
U.S. Bureau of the Census.County and city data book. Washington， DC： U.S. Government Printing Office， 1988.
然后点选“添加到主屏幕”添加快捷方式到桌面。
