陸岐楠，劉子亨，曲曉睿

（1. 中國人民大學(xué)農(nóng)業(yè)與農(nóng)村發(fā)展學(xué)院，北京 100872； 2. 威斯康星大學(xué)麥迪遜分校農(nóng)業(yè)與應(yīng)用經(jīng)濟(jì)系，美國 威斯康星 麥迪遜 53706； 3. 艾奧瓦州立大學(xué)經(jīng)濟(jì)系，美國 艾奧瓦 埃姆斯 50011）

面對國際貿(mào)易的沖突、極端異常氣候的侵襲等復(fù)雜嚴(yán)峻的情勢，保障基本農(nóng)產(chǎn)品供給是中國的重大戰(zhàn)略性問題［1-3］。由于土地供給剛性約束［4］和化肥投入量飽和［5］，通過增加要素投入提高糧食產(chǎn)量的空間已趨于狹小；相比之下，通過提高農(nóng)業(yè)的全要素生產(chǎn)率則是提高糧食產(chǎn)量的有效措施之一，但是無論是技術(shù)進(jìn)步還是制度創(chuàng)新，這都是一個漫長的過程。鑒于此，降低各種負(fù)面因素對于糧食生產(chǎn)的影響，是在既有資源稟賦、環(huán)境和制度條件等約束下保障糧食安全的另一思路。有大量的研究表明，極端氣候［6-8］和空氣污染［9-11］對農(nóng)業(yè)生產(chǎn)有嚴(yán)重的不利影響。盡管近年來中國常見的空氣污染物（例如PM2.5）濃度有了明顯下降，但是近地臭氧的濃度則呈現(xiàn)明顯上升的趨勢［12］。此外，PM2.5和臭氧呈現(xiàn)“此消彼長”的關(guān)系，即PM2.5的下降可能會導(dǎo)致近地面臭氧濃度的上升［13］。例如，疫情期間，中國的PM2.5濃度下降，但是臭氧濃度卻出現(xiàn)了上升的跡象［14］。更值得關(guān)注的是，全球氣候變暖可能會進(jìn)一步加劇近地臭氧污染，并且臭氧濃度的提高也會加劇氣候變化，從而很有可能形成惡性循環(huán)［15］。

已有研究分別發(fā)現(xiàn)了高溫和近地臭氧對于中國糧食生產(chǎn)的負(fù)面影響［16-18］。高溫可以顯著增加陽光下?lián)]發(fā)性有機(jī)化合物（VOCs）和氮氧化物（NOx）相互反應(yīng)生成的臭氧的量。但是，已有文獻(xiàn)在高溫和臭氧污染如何相互作用從而影響作物產(chǎn)量，以及這兩種因素對不同作物影響的異質(zhì)性方面的研究較少。該研究首次使用雙變量半?yún)?shù)估計的方法測度了氣溫和臭氧對于作物產(chǎn)量的交互影響，它不僅為不同作物受臭氧、高溫影響的敏感度提供了視覺化圖形，還可以為指導(dǎo)農(nóng)戶對農(nóng)業(yè)生產(chǎn)進(jìn)行適應(yīng)性調(diào)整提供依據(jù)。此外，該研究還使用單變量半?yún)?shù)估計的方法評估臭氧、高溫分別對糧食生產(chǎn)的影響。單變量半?yún)?shù)方法能夠表征臭氧和高溫在每一濃度和溫度下對于作物單產(chǎn)的邊際影響，并且能夠清晰地顯示受損點以及損失加劇臨界點的位置，這為制定平衡污染治理成本與收益的政策提供了理論支撐。由于同時面臨著臭氧濃度上升和極端氣候等問題，中國的糧食生產(chǎn)可能受到臭氧和高溫的雙重不利影響。因此，探究臭氧濃度和高溫對于中國糧食生產(chǎn)的影響相對更為緊迫和必要。

1 背景與文獻(xiàn)綜述

1.1 簡要背景

臭氧可以分為平流層臭氧和對流層臭氧。平流層的臭氧因為可以阻擋紫外線，是地球生命系統(tǒng)的保護(hù)層；而對流層的臭氧（或近地面臭氧）是主要的空氣污染物之一，會對動植物產(chǎn)生不利影響，因此該研究關(guān)注的是近地面臭氧。因為臭氧的濃度與氣溫呈正相關(guān)關(guān)系，臭氧形成的光化學(xué)反應(yīng)需要強(qiáng)紫外線、高溫等大氣環(huán)境，所以一天之中中午的臭氧濃度相較于其他時段更高、一年之中夏季的臭氧濃度相對于其他季節(jié)更高。除少數(shù)由平流層向近地面?zhèn)鬏數(shù)某粞?，近地面的臭氧大部分是二次污染物。大部分近地臭氧是由它的兩個前體：揮發(fā)性有機(jī)化合物（VOCs）和氮氧化物（NOx）發(fā)生光化學(xué)反應(yīng)而形成。

近幾十年，由于工農(nóng)業(yè)的快速發(fā)展、化石燃料的燃燒和含氮化肥的大量使用，有研究顯示全球平均近地臭氧濃度從2010 年到2019 年以年均0.33%的速率增長，東亞地區(qū)的增長速率則更高［19］。近年來，中國的臭氧濃度也呈上升趨勢，這一趨勢在2015 年以后更為明顯：相比于2015 年，2019 年中國337 個城市的臭氧濃度平均值上升了20.1%［12］。已有監(jiān)測數(shù)據(jù)顯示，2019 年中國337 個城市的臭氧濃度年平均值的范圍在89~229 μg/m3（即在標(biāo)準(zhǔn)狀態(tài)下的體積分?jǐn)?shù)約為44.5×10-9~114.5×10-9）。并且，即使在臭氧濃度較低的農(nóng)村，臭氧濃度也有高達(dá)100×10-9的記錄［12］。

1.2 文獻(xiàn)綜述

農(nóng)作物產(chǎn)量主要受到基因性狀、農(nóng)業(yè)管理和環(huán)境壓力的影響［20］。轉(zhuǎn)基因技術(shù)是通過改造基因來提升農(nóng)作物產(chǎn)量的有效手段，例如，Nolan 等［21］，Chavas 等［22］探討了轉(zhuǎn)基因?qū)τ谔嵘绹衩讍萎a(chǎn)的積極影響。農(nóng)業(yè)管理對糧食生產(chǎn)的影響則是一個更加傳統(tǒng)的話題，比如農(nóng)藥、化肥的使用等，最近的文獻(xiàn)探討了在中國農(nóng)村結(jié)構(gòu)調(diào)整的大背景下因生產(chǎn)要素結(jié)構(gòu)變化導(dǎo)致的農(nóng)業(yè)生產(chǎn)管理的變化，例如Song 等［23］。越來越多的文獻(xiàn)討論了環(huán)境壓力對農(nóng)作物產(chǎn)量的作用，其中大部分的研究聚焦于干旱、高溫等極端氣候所造成的糧食減產(chǎn)。例如，Wang 等［24］估算了高溫對中國糧食主產(chǎn)區(qū)的生產(chǎn)效率的影響；Schlenker等［25］則聚焦于造成美國玉米和大豆減產(chǎn)的閾值溫度；Mohmmed 等［26］關(guān)注干旱造成的南亞地區(qū)的農(nóng)作物減產(chǎn)和經(jīng)濟(jì)損失。

近年來，一些研究發(fā)現(xiàn)近地面臭氧是作物面臨的除高溫等氣候因素外的另一重要的環(huán)境壓力來源。臭氧由氣孔進(jìn)入葉片細(xì)胞間隙后，會通過化合反應(yīng)產(chǎn)生過氧化氫、超氧自由基、羥基等活性氧物質(zhì)和一系列加速細(xì)胞衰老的信號，從而傷害和紊亂植物膜系統(tǒng)與代謝系統(tǒng)［27-28］，還會使植物利用太陽光生長的速度變慢［29］，即光合作用速率的下降。高溫則會增加植物的蒸騰作用、呼吸作用和代謝速率，縮短籽粒灌漿期和生育期，從而導(dǎo)致農(nóng)作物減產(chǎn)［30］。

已有大量的文獻(xiàn)從不同的角度研究了臭氧對于農(nóng)作物產(chǎn)量的影響。Rai 等［31］和Guarin 等［32］從生命科學(xué)的角度，探討了對流層臭氧對農(nóng)作物的影響，認(rèn)為對流層臭氧會對農(nóng)作物的光合作用、防御機(jī)制以及生長過程均產(chǎn)生不利影響，從而導(dǎo)致農(nóng)作物減產(chǎn)。在全球各個地區(qū)，已有研究為臭氧對作物產(chǎn)量的負(fù)面影響提供了大量的經(jīng)驗證據(jù)，例如美國［27，33］，東南亞［34］等。Carter等［16］，Yi等［17，35-36］研究了近地面臭氧對中國農(nóng)作物產(chǎn)量的影響。其中，Carter 等［16］發(fā)現(xiàn)了中國東南五省水稻產(chǎn)量與臭氧濃度之間的負(fù)向非線性關(guān)系；Yi 等［35］發(fā)現(xiàn)了近地面臭氧濃度的增加在作物的臭氧敏感期會降低冬小麥產(chǎn)量；Yi 等［17］還以玉米為對象進(jìn)行了進(jìn)一步的相關(guān)研究。但是，一方面，上述研究中的研究對象都是選取個別省份（或地區(qū)）的某種作物，且各省的水、溫、氣、土等條件差異較大，一省或若干省份的結(jié)果很難代表全國的影響；另一方面，上述研究中的水稻是水田作物，玉米或小麥為旱地作物，同時對這兩類作物進(jìn)行研究則可以更好地觀察臭氧對于不同作物產(chǎn)量影響的異質(zhì)性。

現(xiàn)有文獻(xiàn)中討論臭氧與高溫對農(nóng)作物產(chǎn)量的共同影響的研究僅發(fā)現(xiàn)以下三篇：Tai 等［18］使用社區(qū)地球系統(tǒng)模型（CESM）推導(dǎo)出在全球范圍內(nèi)氣候變化和臭氧污染對農(nóng)作物生產(chǎn)的負(fù)面影響，此研究還考慮到了臭氧與溫度對農(nóng)作物產(chǎn)量的協(xié)同作用，發(fā)現(xiàn)了小麥對臭氧更為敏感而玉米對溫度更為敏感；Tai 等［37］研究了臭氧污染與極端溫度對美國和歐洲農(nóng)作物產(chǎn)量的影響，發(fā)現(xiàn)小麥、玉米和大豆產(chǎn)量在高臭氧污染地區(qū)對臭氧的耐受性較強(qiáng)，而在溫暖地區(qū)種植的作物則具有較強(qiáng)耐熱性；運(yùn)用計量經(jīng)濟(jì)學(xué)的方法探討臭氧和高溫的聯(lián)合影響的只有Da 等［38］：該研究通過引入臭氧和高溫的交叉項，發(fā)現(xiàn)由氣候變化引起的臭氧水平升高，從而造成的美國作物產(chǎn)量的損失小于氣候變化本身所造成的損失。但是，該研究仍然假設(shè)了臭氧、高溫及其交互項的影響是線性的。線性的關(guān)系難以刻畫較為復(fù)雜的臭氧和高溫的交互作用。

通過梳理相關(guān)文獻(xiàn)，該研究發(fā)現(xiàn)可以從以下幾個方面進(jìn)行改進(jìn)：第一，現(xiàn)有文獻(xiàn)分別研究近地面臭氧和高溫對于作物生產(chǎn)的影響，而忽視了兩者的聯(lián)合影響。文中首次將二元半?yún)?shù)的估計方法應(yīng)用于評估臭氧和氣溫對農(nóng)作物產(chǎn)量的聯(lián)合影響，以填補(bǔ)該領(lǐng)域的空白。第二，已有研究較少考慮不同的作物對于高溫和臭氧的敏感程度的異質(zhì)性。

在現(xiàn)有文獻(xiàn)的基礎(chǔ)上，該研究的潛在貢獻(xiàn)如下：第一，基于全國縣級層面多種作物的數(shù)據(jù)評估了臭氧和高溫對于作物產(chǎn)量的影響，這對于理解空氣污染、氣候變化對中國糧食安全的影響具有重要意義。第二，在評估臭氧對糧食生產(chǎn)影響的研究中，首次使用雙變量半?yún)?shù)估計的方法，評估臭氧和氣溫的聯(lián)合影響，豐富了空氣污染和氣候變化對于作物產(chǎn)量聯(lián)合影響的認(rèn)知。第三，該研究的結(jié)論對于引導(dǎo)農(nóng)戶采取合理的適應(yīng)性行為具有指導(dǎo)意義。由于不同的作物對臭氧-溫度組合具有不同的敏感性，在其他條件允許的情況下，可以在高臭氧濃度但非高溫地區(qū)種植對臭氧敏感度相對較低的作物，在高溫但低臭氧濃度的地區(qū)種植對高溫敏感度較低的作物，即在現(xiàn)有的資源稟賦、空氣污染和氣候條件下，對農(nóng)業(yè)生產(chǎn)做出一定的適應(yīng)性調(diào)整。第四，為“兩山理論”提供了理論依據(jù)。若臭氧污染得到控制且極端高溫得到緩解，則有可能在現(xiàn)有的技術(shù)和土地剛性約束下，進(jìn)一步提高中國的糧食產(chǎn)量。嚴(yán)格控制臭氧水平固然會大幅降低對糧食生產(chǎn)的負(fù)面影響，但這一手段的社會或經(jīng)濟(jì)成本較高。該研究的結(jié)論啟示相關(guān)政府部門可以采取一種折中方案：將臭氧濃度控制在可接受的范圍之內(nèi)，即對作物生產(chǎn)造成嚴(yán)重負(fù)面影響的閾值范圍內(nèi)。

2 實證設(shè)計

2.1 臭氧、高溫對糧食生產(chǎn)的分別影響

2.1.1 雙向固定效應(yīng)模型

首先使用雙向固定效應(yīng)模型（Two-way Fixed Effects Model）作為基準(zhǔn)模型，來探究近地面臭氧和高溫分別對于糧食產(chǎn)量的影響。估計方程如下：

其中：yit為第i縣第t年的作物產(chǎn)量，Ozoneit為作物生長季的平均近地面臭氧濃度，Tempit為作物生長季的平均氣溫。參考Guarin 等［32］，該研究控制了一些其他的空氣污染物Pit，包括PM10，CO 等。參考McGrath 等［27］和Yi等［36］，該研究還控制了一些其他與氣候有關(guān)的變量Wit，包括生長季節(jié)的平均降雨量、≥20 ℃積溫、風(fēng)速等。在已有研究的基礎(chǔ)上，還搜集了一些其他的控制變量，包括縣級層面的化肥使用量、農(nóng)藥施用量、農(nóng)業(yè)機(jī)械總動力等。為了控制縣級層面不隨時間而變的因素，例如土地質(zhì)量、土地類型等，文中控制了個體（縣）固定效應(yīng)μi。此外，該研究還控制了對于所有縣都相同、但是隨時間變化的一些因素，例如國家級的農(nóng)業(yè)生產(chǎn)政策和國際糧食市場價格，即模型中的時間固定效應(yīng)γt。εit為符合獨立同分布的殘差項。文中選取了兩種主糧作物——水稻和玉米作為研究對象，將對這兩種作物分別進(jìn)行回歸以識別影響的異質(zhì)性。選取這兩種作物作為研究對象的原因如下：首先，玉米和水稻是中國種植范圍最廣、產(chǎn)量占比最高的兩種主糧作物，分列中國糧食產(chǎn)量的第一和第二位，具有一定的代表性。其次，玉米和水稻分別是旱地作物和水田作物，選取這兩者更具有比較的意義。總的來說，該研究在探索臭氧對于糧食產(chǎn)量的影響的同時，既考慮到與高溫的聯(lián)合影響，也考慮到作物的異質(zhì)性。

為了進(jìn)一步分析臭氧濃度在不同時間段對于作物影響的差異，將作物生長季分為前、中、后三個階段，并計算了三個生長季節(jié)平均的臭氧濃度和平均溫度，分別加入回歸模型。對于其他污染物以及氣候相關(guān)變量，相應(yīng)地將生長季平均值加入回歸模型。該回歸模型如下：

其中：Ozoneit，g分別為作物生長季前、中、后期的平均近地面臭氧濃度，Tempit，g為作物生長季前、中、后期的平均氣溫。其他變量的定義與公式（1）的相同。文中也進(jìn)一步檢驗了實證結(jié)果是否對生長季的劃分敏感：根據(jù)中國作物生長時令以及參考相關(guān)文獻(xiàn)，在基礎(chǔ)模型中定義三月到八月為作物生長季；在穩(wěn)健性檢驗部分對生長季的不同定義進(jìn)行了檢驗。

2.1.2 臭氧、氣溫分別對糧食生產(chǎn)的非線性影響：一元半?yún)?shù)估計

已有研究顯示臭氧和溫度對于作物單產(chǎn)的影響是非線性的［16-17］，公式（1）中的線性假設(shè)可能難以滿足，因此需要考慮使用非線性估計模型。在傳統(tǒng)的非線性模型中，一般通過增加被解釋變量的次數(shù)來表征解釋變量對被解釋變量的非線性影響。但是，當(dāng)被解釋變量的次數(shù)過高時，則存在過度擬合的問題，進(jìn)一步導(dǎo)致模型的可解釋性和外推性下降［39］。另一種常用的方法是將臭氧濃度或者溫度劃分為不同的區(qū)間，然后估計每個區(qū)間的系數(shù)，以探究每一個區(qū)間對于單產(chǎn)的影響［16］。這種方法可以探究每個區(qū)間臭氧濃度的異質(zhì)性，但是仍然存在一些缺點：①對于區(qū)間的劃分較為主觀；②估計結(jié)果對于各個區(qū)間的寬度以及臨界點的選擇較為敏感，不同端點的選擇對于非線性估計結(jié)果的影響較大；③對于每個區(qū)間內(nèi)部的同系數(shù)的假設(shè)較強(qiáng)；④如果區(qū)間寬度較大，難以較為細(xì)致地刻畫非線性的影響，也很難辨析出臭氧和氣溫產(chǎn)生負(fù)向作用的臨界點。

半?yún)?shù)廣義相加模型（Semi-parametric Generalized additive Model， SMGAM）較好地平衡了模型的復(fù)雜性和可解釋性，并且有助于分辨臭氧濃度和溫度的臨界點的具體數(shù)值。該估計方程如下：

其中：f(?)為平滑函數(shù)，被用來表征臭氧-單產(chǎn)和氣溫-單產(chǎn)的非線性關(guān)系。ln (yit)的條件均值被定義為平均響應(yīng)項。文中對于Ozoneit和Tempit采取了非參數(shù)估計，對于其他控制變量采取了參數(shù)估計，故該方程被稱為半?yún)?shù)估計方程。其他變量與參數(shù)的定義與公式（1）相同。

在該研究中，因為水稻和玉米縣級層面的單產(chǎn)（或模型的殘差項）基本近似于正態(tài)分布，使用了高斯分布（Gaussian Distributions）。因為高于四次通常被認(rèn)為解釋程度下降，使用三次懲罰回歸樣條（Penalized Cubic Regression Splines）作為平滑函數(shù)。Ozoneit和Tempit的平滑函數(shù)的平滑度取決于節(jié)點的數(shù)量以及自由度的有效數(shù)量。隨著節(jié)點個數(shù)的增加，公式（3）可以更好地擬合水稻和玉米的產(chǎn)量，但是也會使平滑函數(shù)的平滑度下降。文章采用最為常用的交叉驗證的方法選擇節(jié)點個數(shù)。

2.2 臭氧與高溫對糧食生產(chǎn)的聯(lián)合影響

2.2.1 參數(shù)方法

已有研究顯示，高溫和臭氧不僅對作物產(chǎn)量分別產(chǎn)生不利影響，而且二者聯(lián)合也會對作物產(chǎn)量造成損害。具體而言，已有研究中突出了臭氧的兩個前體——揮發(fā)性有機(jī)化合物（VOCs）和氮氧化物（NOx）在高溫下相互反應(yīng)的速率加快導(dǎo)致臭氧生成量增加，但是鮮有研究將這兩種因素結(jié)合起來，探究兩者對于作物產(chǎn)量的交互影響。首先根據(jù)臭氧濃度設(shè)定是否為高臭氧濃度的虛擬變量HOit。類似地，根據(jù)生長季平均溫度設(shè)定是否為高溫的虛擬變量HTit。具體而言，定義臭氧濃度在60×10-9及以上的為高臭氧濃度，定義氣溫在30 ℃及以上的為高溫。為估計高臭氧濃度和高溫的聯(lián)合影響，該研究還加入了兩者的交叉變量HOit×HTit。估計方程如下：

公式（4）中的其他變量與前文定義一致。

2.2.2 二元半?yún)?shù)估計方法

參數(shù)方法存在一定的缺陷，比如，對于高臭氧濃度和高溫的臨界點的劃分較為主觀。文中將使用基于雙變量的半?yún)?shù)估計方法（Bivariate semi-parametric estimation），探究臭氧和氣溫對于作物產(chǎn)量的聯(lián)合影響。該方法可以有效避免參數(shù)回歸主觀定義高濃度臭氧和高溫度的缺陷。其估計方程如下：

其中：f(?)為雙變量平滑函數(shù)，采用了在雙變量半?yún)?shù)回歸中最為常用的雙變量薄板樣條（Bivariate Thin Plate Spline）函數(shù)。其他變量、參數(shù)與模型的設(shè)定與前文相同。

3 數(shù)據(jù)與描述性統(tǒng)計

3.1 數(shù)據(jù)來源

為了分析臭氧和氣溫對于作物單產(chǎn)的影響，該研究在縣級層面匹配了若干個數(shù)據(jù)庫。各個數(shù)據(jù)的來源及介紹如下。

（1）縣級農(nóng)業(yè)數(shù)據(jù)。由于縣一級的化肥和農(nóng)藥數(shù)據(jù)難以獲取，多數(shù)研究在討論氣候變化或空氣污染對于作物產(chǎn)量的影響時并沒有控制化肥和農(nóng)藥使用。眾所周知，化肥和農(nóng)藥是對作物生長影響較大的若干變量之一?！吨袊r(nóng)村統(tǒng)計年鑒（2021）》顯示，直至2015年，中國的化肥施用量每年都有一定的增幅，并且各地區(qū)之間存在較大差異。因此，控制化肥純量和農(nóng)藥使用量，對于獲得臭氧和高溫對作物產(chǎn)量影響的準(zhǔn)確估計至關(guān)重要。該研究的縣級農(nóng)作物產(chǎn)量（包括水稻和玉米的種植面積及總產(chǎn)量）數(shù)據(jù)、化肥純量及農(nóng)藥使用量數(shù)據(jù)均來源于原農(nóng)業(yè)部的中國種植業(yè)信息網(wǎng)縣級農(nóng)作物數(shù)據(jù)庫，該數(shù)據(jù)庫在2009年以后不再更新；農(nóng)業(yè)機(jī)械總動力數(shù)據(jù)來自于《中國縣域統(tǒng)計年鑒》。文中所使用的來自ECMWF 的臭氧濃度、天氣狀況與其他污染物數(shù)據(jù)的可獲得年份為2003—2021年。因此，該研究的時間跨度取兩者的交集。

（2）近地面臭氧、污染物及地表氣溫數(shù)據(jù)。以往的研究較多使用的是地面約1 400 個檢測點的監(jiān)測數(shù)據(jù)［16-18，35-36，40］，但是該監(jiān)測數(shù)據(jù)存在一些缺陷：一是大部分監(jiān)測點位于城市，而城市臭氧濃度的數(shù)值與農(nóng)村的數(shù)值存在非常大的差異，這些監(jiān)測點的數(shù)據(jù)應(yīng)用于空氣污染對于城市人口、健康等方面的研究更為適合，如應(yīng)用于對廣闊田野上生長的作物的影響則應(yīng)有更好的數(shù)據(jù)源。二是這1 400 余個測點分布不均，僅可覆蓋約880 個縣級單位［17］，很多縣附近數(shù)百公里內(nèi)都沒有監(jiān)測點。文中所使用的來自ECMWF的再分析數(shù)據(jù)則能夠提供中國約3 000 個點的數(shù)據(jù)，并基于這3 000 個點的數(shù)據(jù)得到每個縣的臭氧濃度值。

每三小時的近地面臭氧、地表氣溫及其他月均污染物（包括CO 和PM10）數(shù)據(jù)均來源于歐盟中尺度天氣預(yù)報中心（European Centre for Medium-range Weather Forecasts， ECMWF）的第四代大氣成分再分析（4thGeneration ECMWF Atmospheric Composition Reanalysis， EAC4）數(shù)據(jù)，其分辨率為0.75°×0.75°。來自于ECMWF 的再分析數(shù)據(jù)被廣泛應(yīng)用于環(huán)境經(jīng)濟(jì)學(xué)等領(lǐng)域的研究中?；贓CMWF 再分析數(shù)據(jù)的關(guān)于中國的研究包括Hering等［41］，Cai 等［42］，Geng 等［43］。Mo 等［44］對來自ECMWF 再分析數(shù)據(jù)的中國地面臭氧濃度與來自地面監(jiān)測站的數(shù)據(jù)進(jìn)行了比較，發(fā)現(xiàn)再分析數(shù)據(jù)可以很好地表征中國地面臭氧濃度，且覆蓋范圍相對于地面檢測數(shù)據(jù)更為廣泛。再分析數(shù)據(jù)是基于大氣模型，通過對衛(wèi)星數(shù)據(jù)和觀測結(jié)果進(jìn)行再分析，整合為一個全球范圍的數(shù)據(jù)集（https：//atmosphere.copernicus.eu/，具體參考Inness 等［45］）。該數(shù)據(jù)集從地面到高空共分為60 層，文中的所有分析均基于地面層（Level 60）的數(shù)據(jù)。

（3）其他氣象數(shù)據(jù)。月均氣象數(shù)據(jù)包括日總降水量和地表10米風(fēng)速，其分辨率為0.25°×0.25°。月均氣象數(shù)據(jù)均來源于歐盟中尺度天氣預(yù)報中心（ECMWF）的第五代全球氣候和天氣再分析（5thGeneration ECMWF Reanalysis for the Global Climate and Weather， ERA5）數(shù)據(jù)（https：//climate.copernicus.eu/，具體參考Hersbach等［46］）。

表1 變量的定義與描述統(tǒng)計

此外，該研究使用逆向距離權(quán)重（Inverse Distance Weighted，IDW）空間插值法將臭氧和其他污染物、氣溫和其他氣象數(shù)據(jù)的經(jīng)緯度柵格點與縣級農(nóng)作物產(chǎn)量、化肥純量及農(nóng)藥使用量數(shù)據(jù)相匹配，共成功匹配1 747 個縣級單位（即有水稻種植和玉米種植數(shù)據(jù)的全部縣）。具體方法為以縣級行政區(qū)中心點（Centroid）為樣本點，以縣中心點周圍的四個柵格數(shù)據(jù)點為插值點，將樣本點周圍的四個插值點距樣本點的逆向距離為權(quán)重進(jìn)行加權(quán)平均，算出每個縣的臭氧濃度、天氣狀況及其他污染物的濃度值，每個縣的值均基于縣中心點周圍四個柵格點的數(shù)據(jù)算得。在穩(wěn)定性檢驗中還使用了鄰近匹配法將再分析數(shù)據(jù)匹配至距離其最近的縣級單位。

3.2 變量構(gòu)造

（1）近地面臭氧變量。由于短期暴露于高濃度臭氧環(huán)境與長期慢性暴露于臭氧環(huán)境均有可能對農(nóng)作物單產(chǎn)產(chǎn)生影響，該研究參考McGrath 等［27］， Yi 等［17］和 Carter等［16］的做法，構(gòu)建三個均值指數(shù)：臭氧平均濃度、M7 和M12；以及三個累積指數(shù)：AOT40、W126和SUM06。

（2）氣溫變量。該研究還控制了一系列氣溫變量：由于短期暴露于極端氣溫與長期均溫都會對農(nóng)作物單產(chǎn)產(chǎn)生影響［40］，研究中控制了月氣溫最高值和≥20 ℃積溫。其中≥20 ℃積溫的計算公式為：

3.3 描述性統(tǒng)計

表1 列出了實證分析部分所使用的全部變量及其描述性統(tǒng)計結(jié)果。圖1 展示了近地面臭氧濃度的分布與變化，從空間上來看，近地面臭氧在沿海與高海拔地區(qū)濃度較高；從時間上看，近地面臭氧的濃度呈現(xiàn)夏季高、冬季低的趨勢。圖2展示了水稻與玉米單產(chǎn)的分布與變化，水稻與玉米的各縣級行政區(qū)年均單產(chǎn)基本穩(wěn)定。

圖1 近地面臭氧濃度（左）和平均氣溫（右）的變化

圖2 水稻和玉米單產(chǎn)的變化

4 實證結(jié)果

4.1 臭氧、高溫對糧食產(chǎn)量的分別影響

4.1.1 參數(shù)估計

基于雙向固定效應(yīng)模型，首先分析了臭氧、溫度對于糧食產(chǎn)量的分別影響。除了主要關(guān)注的臭氧濃度和高溫，還逐步控制了其他與氣候相關(guān)的變量、其他空氣污染相關(guān)的變量以及相關(guān)生產(chǎn)要素投入品。水稻和玉米的回歸結(jié)果分別見表2中的模型（1）—模型（8），該研究將集中分析表2 中的模型（4）和模型（8）。表2 中的模型（4）結(jié)果顯示，當(dāng)臭氧在生長季節(jié)的平均濃度上升1×10-9，水稻的產(chǎn)量則會顯著下降0.46%；表2中的模型（8）結(jié)果顯示，玉米的單產(chǎn)將顯著下降1.12%。這與Carter 等［16］的結(jié)果基本一致，Carter 等［16］表明當(dāng)臭氧濃度上升2.08×10-9時，水稻產(chǎn)量大約下降1%。Yi 等［17］顯示當(dāng)臭氧濃度上升1×10-9時，玉米產(chǎn)量下降0.61%。

表2 臭氧、高溫對單產(chǎn)的影響

已有文獻(xiàn)也有一些聚焦于其他國家和地區(qū)的關(guān)于臭氧對糧食單產(chǎn)影響的研究。例如，美國的一項研究顯示，近地面臭氧濃度升高導(dǎo)致美國的玉米、大豆分別減產(chǎn)10%和5%［27］。Ghude 等［47］顯示，印度的臭氧污染導(dǎo)致的谷物損失約為每年印度所需谷物的9.2%。這些結(jié)果表明，臭氧普遍對于糧食生產(chǎn)存在較為顯著的負(fù)面影響。但是負(fù)面影響的差異大小會因各國種植品種、種植制度、氣候條件，以及污染程度等因素存在差異。

高溫也顯著降低了糧食的單產(chǎn)。具體而言，當(dāng)生長季的最高溫度上升1 ℃，水稻單產(chǎn)將下降1.03%（表2 模型（4）），而玉米將下降2.48%（表2 模型（8））。Peng 等［7］表明旱季最低氣溫每升高1 ℃，水稻產(chǎn)量減少10%。文中的數(shù)值相較于其較小，可能的原因是該研究聚焦于旱季，從而放大了氣溫對于作物單產(chǎn)的影響。Tigchelaar 等［48］表明若全球氣溫升高4 ℃，四大玉米出口國同時減產(chǎn)超過10%的可能性為86%。

文中還控制了一系列其他的可能影響作物單產(chǎn)的變量。實證結(jié)果顯示，一氧化碳對于水稻和玉米的單產(chǎn)均有顯著的負(fù)向影響。然而，顆粒物（PM）對于水稻和玉米的影響并不顯著。已有文獻(xiàn)中關(guān)于PM 對于水稻和玉米單產(chǎn)的影響并沒有一致的結(jié)論：Yi等［17］發(fā)現(xiàn)PM對玉米的產(chǎn)量有顯著的負(fù)向影響，但是Zhou 等［49］并沒有發(fā)現(xiàn)PM對水稻生產(chǎn)有顯著的影響。降雨顯著降低了玉米的單產(chǎn)，但是對于水稻單產(chǎn)的影響并不顯著。風(fēng)速對于玉米和水稻的單產(chǎn)都產(chǎn)生顯著的負(fù)向影響，可能的原因是密集的植物冠層會因為高風(fēng)速引發(fā)的間歇性或持續(xù)摩擦而受損，同時被風(fēng)吹起的土壤顆粒也會磨損和破壞植物組織；強(qiáng)風(fēng)吹倒作物會使得農(nóng)作物難以收割［50-51］?！?0 ℃積溫對水稻和玉米單產(chǎn)的影響都呈倒“U”型，這表明一定的積溫有利于促進(jìn)水稻單產(chǎn)的提高。

為了進(jìn)一步探索臭氧和高溫對于水稻和玉米單產(chǎn)具體的影響階段，將臭氧和高溫分別細(xì)化為前中后三個階段，回歸結(jié)果見表3。表3 中顯示臭氧對于水稻和玉米單產(chǎn)的影響主要集中于其生長的中后期，在生長前期影響并不顯著。這與Carter 等［16］與Yi 等［17］的結(jié)果一致：Carter等［16］發(fā)現(xiàn)水稻在結(jié)實期暴露在高臭氧濃度下會顯著降低其單產(chǎn)；Yi 等［17］發(fā)現(xiàn)玉米在生長期的第二個月末對臭氧濃度更敏感。高溫對于兩種作物的影響則存在較大的差異：高溫對于水稻的敏感期主要集中在其生長的中期；前期溫度的適當(dāng)升高反而會增加玉米的單產(chǎn)，但是中后期的高溫則會顯著降低玉米的單產(chǎn)。Schlenker等［25］也發(fā)現(xiàn)玉米單產(chǎn)隨溫度升高而增加，但是當(dāng)超過29℃后，溫度繼續(xù)上升會顯著降低玉米的單產(chǎn)。Hussain 等［52］發(fā)現(xiàn)高溫對水稻的幾乎所有生長階段都有負(fù)向影響，尤其是在種子的發(fā)育、出苗和生長階段。

表3 水稻和玉米對臭氧和高溫的敏感期

4.1.2 半?yún)?shù)估計

文中使用R中的mgcv軟件包估計了廣義相加模型。關(guān)于臭氧分別對于水稻和玉米單產(chǎn)的半?yún)?shù)估計結(jié)果如圖3（a）和3（b）所示。圖3（a）顯示，當(dāng)臭氧濃度高于53×10-9時，臭氧濃度的上升對水稻單產(chǎn)產(chǎn)生負(fù)向影響，但是直到65×10-9，這一負(fù)向影響的斜率較小。當(dāng)臭氧濃度超過65×10-9時，臭氧濃度對水稻單產(chǎn)的負(fù)向影響加劇。圖3（b）顯示，與水稻影響機(jī)制不同的是，當(dāng)臭氧濃度超過60×10-9時，臭氧濃度的上升將大幅降低玉米的單產(chǎn)。當(dāng)臭氧濃度上升到65×10-9時，臭氧濃度的上升對于玉米單產(chǎn)的負(fù)向影響趨于平穩(wěn)。

圖3 臭氧濃度對水稻和玉米單產(chǎn)影響的半?yún)?shù)估計

關(guān)于高溫分別對于水稻和玉米單產(chǎn)的半?yún)?shù)估計結(jié)果如圖4（a）和4（b）所示。圖4（a）顯示，當(dāng)氣溫高于19 ℃時，氣溫的上升對水稻單產(chǎn)產(chǎn)生負(fù)向影響。圖4（b）顯示，當(dāng)氣溫超過18 ℃時，氣溫的上升對玉米單產(chǎn)產(chǎn)生負(fù)向作用。高溫對兩種作物的影響機(jī)制與臭氧對兩種作物的影響機(jī)制存在差別：例如，當(dāng)臭氧濃度升高到某一數(shù)值以后，對于玉米單產(chǎn)的負(fù)面影響趨于穩(wěn)定。但是當(dāng)氣溫升高到19 ℃和18 ℃以后，氣溫分別對水稻和玉米單產(chǎn)的負(fù)向作用并沒有趨于穩(wěn)定的區(qū)間；相反，會隨著溫度的升高，造成水稻和玉米單產(chǎn)的更大損失。

圖4 高溫對水稻和玉米單產(chǎn)影響的半?yún)?shù)估計

4.2 臭氧與高溫對糧食產(chǎn)量的聯(lián)合影響

4.2.1 臭氧與高溫對單產(chǎn)的聯(lián)合影響——參數(shù)估計

首先使用參數(shù)方法估計了臭氧和高溫對于水稻和玉米單產(chǎn)的聯(lián)合影響。具體而言，定義高臭氧濃度為60×10-9及以上，高氣溫為30 ℃及以上。對于水稻而言（表4），基準(zhǔn)組為低臭氧濃度和非高溫地區(qū)的水稻單產(chǎn)，高臭氧濃度但非高溫地區(qū)的水稻單產(chǎn)與基準(zhǔn)組相比顯著低3.52%，高溫但是非高臭氧濃度地區(qū)的水稻單產(chǎn)與基準(zhǔn)組相比顯著低2.27%，同時高臭氧濃度和高溫度組顯著低2.37%（=3.42%-3.52%-2.27%）。對于玉米而言（表4），相對于基準(zhǔn)組，高臭氧濃度和非高溫組與基準(zhǔn)組并沒有顯著的差異，高氣溫但非高臭氧濃度組玉米的單產(chǎn)相對于基準(zhǔn)組顯著低1.73%，這表明玉米對高溫更敏感。同時高氣溫和高臭氧濃度組的單產(chǎn)相比于基準(zhǔn)組顯著低8.46%（=0.05%-1.73%-6.78%）。

表4 臭氧與高溫對單產(chǎn)的聯(lián)合影響

4.2.2 臭氧與高溫對單產(chǎn)的聯(lián)合影響——半?yún)?shù)估計

已有研究的模擬結(jié)果預(yù)測顯示，不同作物對于臭氧和高溫的敏感度存在異質(zhì)性［18］，但是尚未有研究運(yùn)用計量經(jīng)濟(jì)學(xué)方法通過真實數(shù)據(jù)對該結(jié)論進(jìn)行驗證。文中運(yùn)用雙變量半?yún)?shù)估計的方法，聯(lián)合檢驗了臭氧濃度和氣溫對于糧食單產(chǎn)的影響，研究結(jié)果如圖5 所示。圖5（a）表示臭氧濃度和氣溫對于水稻單產(chǎn)的影響：淺灰色的線為等高線，表示位于該等高線上的臭氧-溫度組合對于水稻單產(chǎn)的影響相同。等高線上的數(shù)字表示位于該等高線上的臭氧濃度和氣溫的組合對于水稻單產(chǎn)的影響，例如，數(shù)值為-0.1 的等高線表示在控制其他因素后，位于該等高線上的單產(chǎn)相比于數(shù)值為0的等高線上的組合低10%。水稻的等高線斜率基本為負(fù)，且陡峭程度高于玉米的等高線，這表明水稻對于臭氧和氣溫都較為敏感。

圖5 臭氧和高溫對水稻和玉米的聯(lián)合影響

圖5（b）表示臭氧濃度和氣溫對于玉米單產(chǎn)的影響。圖中的等高線及其等高線上的數(shù)字與圖5（a）一致。與圖5（a）不同的是，玉米的等高線在臭氧濃度低于65×10-9時基本呈現(xiàn)負(fù)斜率，其斜率的絕對值小于水稻的斜率。但是當(dāng)臭氧濃度超過65×10-9以后，等高線基本保持水平，臭氧濃度的上升不再影響玉米的單產(chǎn)，玉米單產(chǎn)的下降主要受高溫影響。圖5（a）和圖5（b）表明，臭氧濃度和高溫聯(lián)合對于水稻單產(chǎn)和玉米單產(chǎn)的影響存在較大的差異。水稻單產(chǎn)對高臭氧濃度和高溫都非常敏感，但是玉米主要受高溫影響。這與已有研究預(yù)測的模擬結(jié)果一致［18］。

文中的結(jié)論對于引導(dǎo)農(nóng)戶采取合理的適應(yīng)性行為具有一定的指導(dǎo)意義。因為不同的作物對臭氧-溫度組合具有不同的敏感性，在其他條件允許的情況下，可以在高臭氧濃度但非高溫地區(qū)選擇一些對臭氧敏感度相對較低的作物。以此類推，在高溫但低臭氧濃度的地區(qū)選擇一些對高溫敏感度較低的作物。這有利于在現(xiàn)有的資源稟賦、空氣污染和氣候條件下，做出一定的適應(yīng)性調(diào)整。

5 穩(wěn)健性檢驗及拓展分析

5.1 穩(wěn)健性檢驗

該研究從多個角度進(jìn)行穩(wěn)健性檢驗。首先是針對關(guān)鍵解釋變量——臭氧濃度。對于臭氧的度量方法，存在不同的定義。該研究通過改變臭氧濃度的度量方法，檢驗?zāi)Ｐ凸烙嫿Y(jié)果是否對不同臭氧濃度的指標(biāo)較為敏感：文中使用了M7 和M12 兩個平均值的指標(biāo)，對于水稻而言，其估計結(jié)果見表5 中的模型（1）和模型（2），其系數(shù)分別為-0.0044 與-0.0053。該結(jié)果與基準(zhǔn)模型（表2 中的模型（4））的系數(shù)方向相同、大小基本一致。對于玉米的估計結(jié)果見表5中的模型（6）和模型（7），臭氧指標(biāo)的系數(shù)分別為-0.0062 與-0.0089，也與基準(zhǔn)模型（表2 中的模型（8））的回歸系數(shù)的方向相同、大小基本一致。此外，還采取了常用的統(tǒng)計一定時間內(nèi)臭氧濃度累積的指標(biāo)（即W126，AOT40 和SUM06），見表5 中的模型（3）—模型（5）和模型（8）—模型（10），該結(jié)果顯示模型的系數(shù)方向與表2相同。因為累計指標(biāo)的臭氧濃度量級高于平均指標(biāo)，所以該系數(shù)較平均指標(biāo)較小。

表5 不同臭氧濃度的衡量指標(biāo)對水稻和玉米單產(chǎn)影響的穩(wěn)健性檢驗

其次，對于再分析數(shù)據(jù)如何匹配到縣級層面，在數(shù)據(jù)處理過程中存在多種插值方法。文中采取了較為常用的逆向距離權(quán)重（IDW）的方法匹配，該方法以逆向距離為權(quán)重，將縣域中心（centroid）附近柵格點的數(shù)據(jù)通過加權(quán)平均賦值給該縣。為了檢驗估計結(jié)果是否對插值方法較為敏感，還采用了較為直觀的近鄰插值法，將各個柵格點的污染和氣象數(shù)據(jù)匹配到每個縣?；谑褂媒彶逯捣ㄖ匦律傻臄?shù)據(jù)，重新估計了前文參數(shù)和半?yún)?shù)的回歸，估計結(jié)果見表6?；貧w結(jié)果基本與前文保持一致，這表明該研究的結(jié)果不受不同的插值方法的影響。

表6 近鄰插值的穩(wěn)健性檢驗

再者，中國幅員遼闊，不同地區(qū)的作物生長季節(jié)存在顯著差異，文中將進(jìn)一步檢驗估計結(jié)果是否會受到作物生長季節(jié)定義的不同而產(chǎn)生顯著影響。為了檢驗不同的季節(jié)差異，參考Ortiz-Bobea 等［53］，對生長季節(jié)采取了不同的定義：3—9月、4—9月，并分別進(jìn)行了回歸，回歸結(jié)果見表7 和表8。模型的估計結(jié)果顯示：除了對于水稻的回歸中，高溫的影響不再顯著（但方向相同）之外，其余主要變量的系數(shù)方向均相同，系數(shù)大小也變化較小。水稻受高溫影響不再顯著的一個可能原因是中國的水稻種植區(qū)域基本在9 月前就完成了收獲，所以加入9 月后計算的平均氣溫不再顯著影響其單產(chǎn)。

表7 不同種植季的穩(wěn)健性檢驗（3—9月）

表8 不同種植季的穩(wěn)健性檢驗（4—9月）

另外，已有文獻(xiàn)還考慮了作物產(chǎn)量之間的空間相關(guān)性［36］。相鄰的縣通常在作物種植經(jīng)驗、品種選擇，以及面臨的農(nóng)業(yè)政策等方面都存在較強(qiáng)的相關(guān)性。但是，這些因素一般難以控制，從而遺漏在殘差項中。為了檢驗這些因素是否對實證結(jié)果造成較大影響，文中放松了殘差項獨立同分布的假設(shè)，即允許相毗鄰的縣之間的殘差項存在相關(guān)。具體而言，允許雙向固定效應(yīng)模型的殘差項存在空間相關(guān)，即雙向固定效應(yīng)空間誤差模型。在該模型中，模型的擾動項εit=δMεit+νit。其中，δ為空間相關(guān)系數(shù)，M 為空間權(quán)重矩陣，文中采取了近鄰和逆向距離兩種加權(quán)方法。

5.2 福利分析

基于基準(zhǔn)模型的估計結(jié)果，估計臭氧造成的水稻和玉米這兩種主糧產(chǎn)量的損失。具體計算方法為：①根據(jù)表2 中的模型（4）和模型（8）分別得到臭氧對水稻和玉米單產(chǎn)對數(shù)影響的系數(shù)大??；②通過圖3獲得臭氧對水稻和玉米產(chǎn)生負(fù)面影響的臨界點；③計算每個縣每年超過臨界點的臭氧濃度數(shù)值，并通過乘以（1）中得到的系數(shù)獲得某縣的每種糧食的該年損失比例，并進(jìn)一步計算該縣損失量；④對每年全國的縣進(jìn)行加總得到全國的每種糧食損失量。

研究結(jié)果表明，中國在2009 年因臭氧污染損失的水稻和玉米產(chǎn)量分別約為30 億kg 和 62 億kg。從2003 至2009 年，水稻和玉米因為臭氧的損失基本呈上升趨勢。根據(jù)半?yún)?shù)估計結(jié)果（圖3），因臭氧濃度的加大，臭氧濃度的邊際影響則會更大（斜率更大）。伴隨著中國臭氧濃度的提升，預(yù)計2010—2021 年中國因臭氧造成的糧食損失更大。

根據(jù)聯(lián)合國糧農(nóng)組織的數(shù)據(jù)［54］，中國人每年平均消費水稻126.69 kg。因此，2009 年因臭氧造成的水稻損失量就可以為約2 400 萬人提供一年的稻谷消費。已有文獻(xiàn)中，Carter 等［16］通過對中國局部省份的實證研究，外推到2010年中國全國因近地面臭氧污染而造成的水稻減產(chǎn)約為200萬t。按照中國人年均消費126.69 kg計算，Carter 等［16］的結(jié)論是臭氧造成的水稻減產(chǎn)可以提供約1 600萬人一年的稻谷消費。因此，該結(jié)論與該研究的結(jié)論大體一致。如果臭氧可以得到有效控制，中國的糧食安全將得到進(jìn)一步的保障。

實證結(jié)果表明，盡管嚴(yán)格控制臭氧水平會大幅降低對糧食生產(chǎn)的負(fù)面影響，但嚴(yán)格控制的社會或經(jīng)濟(jì)成本較高。一種較為折中的做法是將臭氧濃度控制在可接受的范圍之內(nèi)，即對作物生產(chǎn)造成嚴(yán)重負(fù)面影響的閾值范圍內(nèi)。例如，盡管超過53×10-9，臭氧濃度就會對水稻單產(chǎn)造成負(fù)面影響，但是如圖3（a）所示，當(dāng)臭氧濃度控制在65×10-9以內(nèi)時，臭氧產(chǎn)生的負(fù)面影響是較弱的（斜率較小）。因此，兼顧社會與經(jīng)濟(jì)發(fā)展，將臭氧濃度控制在一定的范圍內(nèi)是比較經(jīng)濟(jì)的做法。

6 結(jié) 論

臭氧和高溫是影響糧食生產(chǎn)的重要因素。該研究基于ECMWF的再分析數(shù)據(jù)，獲取了縣級的空氣污染和氣候相關(guān)的面板數(shù)據(jù)。在此基礎(chǔ)上，結(jié)合了作物單產(chǎn)及其他影響作物產(chǎn)量的社會經(jīng)濟(jì)數(shù)據(jù)，首次使用二元半?yún)?shù)估計的方法，估計了臭氧和高溫對于單產(chǎn)的聯(lián)合影響。該研究發(fā)現(xiàn)，與已有研究一致，臭氧、高溫都分別對水稻和玉米產(chǎn)生顯著的負(fù)向影響。但是，臭氧和高溫對兩種作物的聯(lián)合影響存在異質(zhì)性。具體表現(xiàn)為：水稻對臭氧和高溫都較為敏感，臭氧和溫度的任何一方升高都會造成水稻單產(chǎn)的下降；玉米對高溫的敏感性遠(yuǎn)高于對臭氧的敏感性，當(dāng)臭氧濃度上升到一定程度之后，單純的臭氧濃度提高對玉米單產(chǎn)的邊際影響幾乎為零，這與模型預(yù)測的數(shù)據(jù)一致［18］。該研究首次用真實的實際觀測數(shù)據(jù)驗證了該結(jié)論。

隨著近地臭氧污染逐年增加，并成為中國主要的空氣污染因素，臭氧對于糧食單產(chǎn)的負(fù)面影響預(yù)計將會加劇。這將對于中國糧食安全造成一定的風(fēng)險，威脅到將“飯碗牢牢端在自己手中”這一政策目標(biāo)的實現(xiàn)。考慮到中國糧食進(jìn)出口在國際糧食市場的較大份額，這甚至可能會加劇全球發(fā)展中國家的營養(yǎng)不良率。相反，如果臭氧得到控制且極端高溫得到緩解，則可能在現(xiàn)有的技術(shù)和土地剛性約束下，進(jìn)一步保障中國的糧食安全。

一元半?yún)?shù)估計對于平衡空氣污染治理成本和收益提供了一定的理論支撐。當(dāng)臭氧濃度高于53×10-9時，臭氧濃度的上升會對水稻和玉米的產(chǎn)量造成負(fù)面影響。但是，只要將水稻種植區(qū)和玉米種植區(qū)的臭氧濃度控制在65×10-9和60×10-9以下，該負(fù)向影響則較小。考慮到近地面臭氧污染治理難度大、治理成本高，將臭氧濃度控制在合適的范圍內(nèi)將實現(xiàn)污染治理成本和治理收益的平衡。

二元半?yún)?shù)估計結(jié)果表明，臭氧和高溫對作物單產(chǎn)的聯(lián)合影響是顯著的，且不同的作物對于不同濃度的臭氧和高溫組合表現(xiàn)出異質(zhì)性。這啟示農(nóng)業(yè)政策部門在考慮降低或消除臭氧對于糧食的負(fù)面影響時，應(yīng)充分考慮不同作物對于臭氧和高溫敏感程度的異質(zhì)性，并指導(dǎo)農(nóng)民進(jìn)行種植結(jié)構(gòu)的適應(yīng)性調(diào)整。