SSP-RCP情景下气候变化对五大粮食主产国粮食安全的异质性影响研究

本研究针对现有研究在跨国比较和经济-气候耦合分析方面的不足，通过构建“气候-经济”模型（C-D-C模型），综合评估了SSP-RCP情景下气候变化对巴西、中国、印度、俄罗斯和美国五大全球主要粮食生产国的耕地面积和粮食生产的综合影响。研究发现，气候变化的影响存在显著的地区异质性，热带和发展中国家表现出更高的气候敏感性，而高纬度国家在特定情景下可能受益。研究结果为制定有针对性的国家政策以增强全球粮食安全提供了重要科学依据。

　　

随着全球人口持续增长，预计到2050年，全球粮食需求将比当前水平增加超过60%。然而，气候变化正以前所未有的方式深刻影响着农业系统和粮食生产。气温上升、降水模式改变以及极端天气事件频发，直接威胁着作物生长季节、产量和质量。尽管二氧化碳浓度升高可能促进植物光合作用，但高温和干旱的不利影响在很大程度上抵消了这种益处。在这一全球性挑战面前，巴西、中国、印度、俄罗斯和美国作为全球粮食生产的核心国家，其农业生产直接影响全球粮食市场的供应和价格波动，因此理解气候变化对这些国家粮食安全的影响至关重要。

以往的研究多集中于单一区域或单一作物，缺乏对主要粮食生产国及其主要粮食作物的系统比较。同时，现有研究“强调生物物理学，对经济和政治方面的覆盖不足”，这种局限性可能导致对全球粮食安全格局的片面理解，阻碍对气候变化对全球粮食系统整体影响的全面评估。由耦合模式比较计划第六阶段（CMIP6）发布的SSP-RCP情景，将“共享社会经济路径”（SSPs）与更新的“典型浓度路径”（RCPs）相结合，扩展了温室气体排放和社会经济发展的组合假设，有助于更好地衡量社会经济因素与未来气候结果之间的关系，从而为全球粮食安全评估提供更全面的框架。

发表在《Journal of Agriculture and Food Research》上的这项研究，旨在弥补上述研究空白。研究团队通过构建一个创新的“气候-经济”模型（C-D-C模型），系统分析了SSP-RCP情景下气候变化对五大全球主要粮食生产国（巴西、中国、印度、俄罗斯和美国）的耕地面积和粮食生产的综合影响。研究不仅考察了不同气候情景下耕地面积的变化趋势和空间格局，还利用直接市场价值法估算了耕地变化带来的经济损益，并预测了不同气候条件下粮食生产的变化。

为开展此项研究，研究人员主要应用了几项关键技术方法。首先，他们利用了SSP-RCPs全球土地预测数据集、粮食与农业数据以及社会贴现率数据。其次，研究采用了直接市场价值法来估算耕地面积增减引起的经济损益。核心方法是构建了基于柯布-道格拉斯生产函数框架的“经济-气候”模型（C-D-C模型），该模型将气候变量和生产投入整合到一个系统的分析框架中。通过普通最小二乘法（OLS）进行模型估计，并采用异方差和自相关一致标准误（HAC）进行调整以确保稳健性。此外，研究还定义了因子影响率（IR）来量化各因素对未来粮食产量变化的贡献，并基于历史数据和未来情景预测了2050年和2090年的影响。

研究结果揭示了丰富的信息。

3.1. SSP-RCPs情景下主要粮食生产国耕地的时空变化

研究发现，不同全球变化情景下各国的耕地面积变化差异显著。巴西的面积变化最为剧烈，在低增长和不平衡发展情景（SSP4）下显著减少，而在化石能源依赖情景（SSP5）下显著增加，反映了农业扩张和环境保护政策双重影响的复杂局面。中国的耕地面积在SSP3-RCP7.0和SSP4-RCP3.4情景下呈现出最极端的趋势，这与土地保护政策、农业技术进步和农业结构优化密切相关。印度是各情景下耕地面积变化最小的国家，这受限于其现有耕地占比已较高。俄罗斯的耕地面积变化受气候变化影响显著，在高辐射强迫情景下呈减少趋势，这与高纬度地区永久冻土融化和土地资源管理不足有关。美国耕地面积在多个情景下持续增长，特别是在SSP4和SSP5情景下，得益于农业政策支持和高效的土地利用技术。总体而言，社会经济和政策干预是耕地面积变化的主要驱动力，气候变化的辐射强迫在高纬度地区影响尤为突出。

3.2. SSP-RCPs情景下世界主要粮食生产国粮食经济损益估算

通过经济损益估算发现，巴西的变化最为剧烈，在SSP5情景下最大收益达40.4亿美元，在SSP4情景下最大损失达28.8亿美元，凸显了资源开发与生态保护的矛盾。中国因耕地面积大、粮食价格高，呈现出最剧烈的经济损益波动（分别损失113.4亿美元和收益186.2亿美元）。印度因其耕地占比高，在各情景下波动最小。俄罗斯对高辐射强迫高度敏感。美国在大多数情景下因耕地扩张而获益，政策支持和技术效率提升是核心驱动力。总体而言，政策和技术可以缓解耕地面积变化带来的经济压力，而生态脆弱地区和发展不平衡的国家更容易受到辐射强迫和发展路径选择复合影响。

3.3. 全球主要粮食生产国气候变化对粮食安全影响的评估

通过“C-D-C”模型评估发现，气候变化对粮食生产的影响存在明显的国家异质性。

• •
  年均气候的影响：巴西粮食生产高度依赖年均气温和年降水量。中国粮食生产已逐渐从依赖传统要素转向依赖技术进步和资源优化。印度粮食生产更依赖化肥农药和农业机械化，但气温上升对农业生产的负面影响显著。俄罗斯粮食生产显著依赖于化肥和土地资源的利用。美国粮食生产价值受耕地面积和农业专利的显著影响。
• •
  极端气候的影响：巴西的极端高温对产量有显著正向影响。中国的极端低温对产量有显著负面影响。印度的霜冻日数对粮食生产有显著正向影响。俄罗斯的气候因子均未对粮食生产产生显著水平的影响。美国的霜冻日数对粮食生产有显著负面影响。

3.4. SSP-RCPs情景下世界主要粮食生产国粮食安全水平预测

对未来影响的预测表明，巴西粮食生产短期内受年均气温和极端高温轻微正向影响，长期随着排放加剧影响略增，耕地扩张的贡献最为突出且随时间增加。中国粮食生产仅受极端低温的较小程度影响，且随着排放增加，其负向贡献转向正向。印度粮食生产受到耕地扩张的显著抑制，年均气温和极端低温有弱负效应。俄罗斯粮食生产仅由耕地扩张驱动，在低排放情景下正向效应随适应能力增强而增加。美国粮食生产中霜冻日的负效应随变暖转为弱正，极端寒冷的负效应随时间略有减弱。

研究的讨论部分指出，本研究的发现与多项前人研究一致，增强了结果的可靠性和普适性。同时，研究也承认了一些局限性，例如数据不确定性、国家层面聚合可能掩盖区域异质性、以及未包含市场反馈、国际贸易和政策干预等动态机制。针对这些局限性，未来研究可以朝着采用更高分辨率的区域和作物层级数据集、整合动态机制以及进一步探索技术进步和适应策略的作用等方向拓展。

归纳研究结论与讨论，本研究通过构建“经济-气候”模型，综合揭示了SSP-RCP情景下气候变化对全球主要粮食生产国粮食安全的多维驱动机制。研究结论强调，气候变化的影响具有显著的地区和国家异质性，不能一概而论。热带和发展中国家（如巴西、印度）对气候条件的依赖性更强，而采用先进农业技术的国家（如中国、美国），气候因素的主导作用减弱。SSP-RCP情景为现实政策规划提供了重要启示：SSP1表明通过可持续政策和技术进步，可以在保护生态系统的同时维持粮食生产；SSP3则警示缺乏国际合作和技术支持将导致严峻的粮食安全挑战；SSP4和SSP5凸显了高排放和不均衡发展路径下的脆弱性。因此，必须加大适应策略和农业技术的投入，包括研发气候韧性作物品种、改进灌溉和水资源利用效率、加强气候保险和风险管理体系以及推广数字农业和精准农业。针对不同国家的具体情况，应采取差异化的政策导向，例如巴西需平衡耕地扩张与生态保护，中国需持续投资农业创新和气候韧性基础设施，印度需优先发展耐热耐旱技术并支持小农，俄罗斯需利用高纬度地区耕地扩张潜力同时谨慎管理生态风险，美国则需利用其技术能力进一步强化风险管理框架。这项研究为理解和应对气候变化下的全球粮食安全挑战提供了宝贵的科学依据，强调了制定针对性、国家特异性政策对于增强全球粮食安全的重要性。