介绍
农业生产与天气有着内在的联系（Ray et al. 2015）。平均气温上升和降水模式变化显着改变了农作物（Lobell 等，2011）和牲畜（Gisbert-Queral 等，2021）的生长条件。
在全球范围内，人为气候变化已经造成农业生产力的重大损失（Ortiz-Bobea 等，2021）。
洪水、干旱或霜冻等极端天气事件日益频繁，对农业生产构成了额外的威胁（例如Barlow等，2015；Pullens等，2019；Schmidt等，2022；Trnka等，2014）从而影响粮食供应和质量（Dalhaus 等，2020）。
农场适应这些环境变化的能力对于农业部门未来的生存能力和复原力至关重要。
对农民透露的适应和生产决策的分析使我们能够了解他们对（极端）天气事件的反应，支持制定有针对性的政策以支持他们适应气候变化。
这项研究探讨了农业生产对天气趋势的反应。主要目标是量化产出供给和投入需求的变化，以应对预期和实际天气的变化，同时考虑广泛和密集边际的响应。
为此，我们提出了利润最大化问题，农民根据天气预报决定计划产量和投入水平。在种植季节，他们通过调整肥料等可变投入来应对同期的天气结果。
基于理论框架，我们估计了以经济和环境变量为条件的农场的最优产出供给和投入需求函数。然后，我们使用估计的参数来模拟干旱冲击对农民投入和产出选择的直接和持久影响。
我们的案例研究依赖于详细的面板数据，其中包含反映1638 个德国农作物农场（1996-2019 年）的14,796 个观测值，并与当地天气数据相匹配。
先前关于天气和气候对农业生产影响的研究通常依赖于大规模建模方法（例如，Agnolucci et al. 2020; Rosenzweig and Parry, 1994; Webber et al. 2018）或使用面板统计模型数据方法（Dschnes 和Greenstone，2007；Schlenker Roberts，2009）或横截面方法（Mendelsohn 等，1994）。
有人认为，面板数据模型捕获长期调整的能力有限，这可能会高估气候变化的影响（例如，Carter 等人，2018 年；Merrell 和Gammans，2021 年）。
相比之下，李嘉图方法旨在通过利用气候条件和农业经济回报的横截面变化来解释对不同气候的长期调整，但更容易受到遗漏变量偏差的影响。
上述方法都没有揭示农民如何根据不同的气候条件调整生产。例如，农民可以在短期内调整化肥使用水平或在全球变暖的情况下更换热敏作物（Reidsma et al. 2020）。
在这种情况下，结构模型的一个优点是它们保留了描述农民决策过程的参数估计。与专注于作物特定天气产量关系的简化模型相比，
我们的结构模型是在单个农场层面作为决策单元开发的，因此可以确定不同作物供应的权衡，这些权衡是农民根据预期和实际天气结果进行最佳资源分配的结果。
在气候变化的背景下，结构模型的应用很少。
概念框架
该研究旨在根据当地天气趋势评估农民的投入和产出决策，同时考虑粗放和集约的利润调整。当然，天气与农业产量之间的关系因作物而异。
例如，甜菜和马铃薯需要大量降水，无法在没有灌溉的干旱地区种植（Dll Siebert，2002；Siebert 等，2013）。
降水也是冬小麦的限制因素，而温度被认为是德国玉米和甜菜生产的限制因素（Lotze-Campen 等，2009）。
卡乔罗等人。 （2018）发现气温上升对夏季作物产量产生负面影响，尤其是甜菜和土豆。 Agnolucci 等人的作物模型。 （2020）预测德国气温上升将有利于油菜籽产量，但会降低豆类产量。
考虑到极端天气事件，Webber 等人。 （2020）发现干旱是德国东部青贮玉米产量损失的重要驱动因素，其次是大麦和小麦。
在同一项研究中，发现高温对小麦产量产生负面影响，而用于青贮饲料的油菜籽和玉米受异常高温的影响较小。
然而，为了评估对总体产量的影响，重要的是要超越纯粹的天气产量影响，并考虑农民对当地天气趋势的反应。
天气对农民生产决策的影响不仅取决于单个产量的影响，还取决于不同天气条件下每种作物的相对盈利能力。
例如，如果一种作物比另一种作物遭受更多干旱，则将更多资源分配给受影响较小的作物可能是合理的。
此外，经历天气冲击可能会改变农民的天气预期，从而不仅影响冲击当年的最佳生产选择，而且还会影响随后几年的最佳生产选择。
因此，考虑农民对天气趋势和冲击的行为反应（及其异质性）对于评估天气趋势和冲击对农业生产的作用非常重要。
此外，轮作的农艺方面也会影响作物结构的调整。因此，农民的生产对天气模式变化的反应很难先验评估，仍然是一个经验问题。
天气和生产决策
继Chambers 和Just（1989）之后，我们假设决策者是风险中性的，分两个阶段对作物季节开始时农民的决策过程进行建模。
在第一阶段，农民在给定固定资源配置的情况下最大化每种作物的预期利润。相应的作物特定利润函数表示为
E[c] 是产品c 的预期最大利润，E[pc] 是作物c 的预期价格，r 是可变投入价格的向量，xc 是用于生产作物c 的可变投入的向量，
zc 是作物生产固定但可分配投入的向量c，8 是特定地点特征的向量，E[w] 是预期天气结果的向量。
在作物季节，农民可以根据实际天气情况调整可变投入（例如化肥）。因此，如果实际天气与预期天气不同，观测到的投入使用可能会偏离季节开始时假设的投入使用。
此外，可以调整计划产量水平，因为将更多资源分配给实际天气条件最有利的作物具有经济意义。
当然，由于实际天气对作物产量的直接影响，实际产出水平可能会偏离计划产出水平，并且这种直接反应可能会通过影响过去的适应而依赖于过去的天气。
例如，与普遍湿润地区的农民相比，普遍干旱地区的农民可能会更好地为另一次干旱做好准备（Dell 等人，2014 年；Merrell & Ganmans，2021 年；Schlenk 等人，2013 年）。
非随机作物选择
农民通常不会种植他们每年考虑的所有农作物。在某一年种植某种作物的决定取决于其相对预期盈利能力，而这又受到天气预期以及经济、农艺和政治因素的影响。
因此，从计量经济学的角度来看，农民可以选择不同的种植计划。
在不考虑这种自我选择的情况下估计整个样本的产出供给函数会导致参数估计有偏差，因为我们只观察盈利能力高于某个（潜在）阈值的农作物的农场生产水平。
模拟生产对极端天气事件的响应
单独解释各种天气变量的（半）弹性并不简单。例如，在其他条件不变的情况下，解释干旱天数的影响需要保持总降水量固定，这在实践中可能是不合理的条件。
在这种情况下，模拟练习可以帮助更好地了解特定天气结果对生产选择的影响。此外，干旱等变革性事件可能与温度逐渐变化等增量事件对农民行为产生不同的影响（Wilke Morton，2017）。
因此，我们评估了特定天气事件的直接和持久影响，在Ramsey 等人的推动下，根据选择方程以及产出供应和投入的估计参数，模拟了10 年期间农场对一年干旱冲击的反应需求函数。
数据
农场生产数据
我们使用了1996 年至2019 年德国农作物农场的会计数据。该样本来自德国联邦食品和农业部（BMEL）提供的德国农场会计数据网络（FADN），构成德国对欧洲FADN的贡献。
这一贡献在文献中被广泛使用（例如，Ang，2019；Baldoni 和Esposti，2020；Moore 和Lobel，2014）。
该数据集是一个旋转的不平衡面板，按地区、专业化类型和经济规模分层，以确保其商业农业资产的代表性。
农民的参与是自愿的，但联邦国务院根据基于农场结构调查结果的选择计划鼓励农民参与。农民通过货币补偿和更有效的农场咨询服务从参与中受益。
我们预计进入、留下或退出农场调查的农民之间不会存在系统性差异（即无自然减员偏差），但强调样本代表商业农场和未来农场，而不是整个农场人口。
天气数据
天气数据由德国气象局（DWD，英文：German Weather Service）在1-1 年期间以1960 2019 km 网格单元生成（DWD，2021）。
为了将天气记录与农场级别的数据进行匹配，我们在市政府（LAU 2，以前的NUTS 5）级别对它们进行了汇总。
德国有11,000 多个城市，每个城市的平均面积约为33 平方公里，可以很好地近似农场层面的天气结果。
继拉姆齐等人之后。 （2021），我们考虑了以下天气变量：10至30C之间的生长季节天数（目录）、30C的生长季节天数（高GDD）、总降水量（毫米）（一般湖泊）和降水量小于1毫米的干燥天数（DD）。
按照D'Agostino 和Schlenker (2016) 的建议，按照Snyder (1985) 以及Schlenker 和Roberts (2009) 的建议，通过拟合每日最低和最高气温的正弦曲线来计算生长度日。
所有天气变量都是在生长季节（四月至九月）测量的。选择四个天气变量来描述平均气候条件（生长度日和降水量）以及极端天气条件。
图1：生长日(GOD)
综上所述
这项研究评估了农民对农作物供应和投入需求的天气趋势的反应。理论框架表明，预期天气通过分配固定投入来影响生产选择。
实际天气通过产量效应直接影响产量，通过农民的投入调整间接影响产量。基于这个概念框架，我们凭经验估计农场产量供应和投入需求作为预期和实际天气的函数。
这种结构建模方法捕捉了不同作物生产的权衡，这是农民对个别作物的最佳资源分配的结果。最佳资源配置取决于农作物的相对盈利能力。
相对盈利能力受到预期和实际天气结果的影响。然后使用估计的参数来模拟干旱事件对农民生产决策的直接和持久影响。
结果表明，天气趋势对个别作物的供应有异质性影响。例如，生长季节天数的增加将生产从谷物和油籽转向块根作物。
模拟练习表明，干旱事件导致蛋白质作物、谷物、油籽作物和玉米的供应减少，以及化肥使用量减少。玉米是干旱年份受灾最严重的作物（根据我们的基线模型，为-20%）。
在随后的几年里，蛋白质作物的供应量减少到比原来水平低20% 以下，块根作物的产量趋于增加。化肥需求在冲击当年和随后几年均有所下降。
因此，极端天气事件对农民的生产选择具有直接而持久的影响。我们还发现，无论是在极端事件发生的年份还是随后的几年，小型农场都比大型农场更容易受到干旱冲击。
虽然本研究重点关注天气趋势对农业产量供应和投入需求的净影响，但该领域的进一步研究可能会揭示固定可分配投入重新分配的产量影响。
这些见解可以让研究人员和政策制定者了解产量效应和适应性行为的相对重要性。在可变投入方面，应的研究重点是化肥的使用。
最后，需要进一步研究天气和气候的异质性影响，不仅要像本研究那样跨农场规模的耕地面积，还要跨不同农场类型（例如农作物农场与畜牧农场）和地区。
用户评论
这篇文章分析得很透彻！我一直觉得气候变化对我们的农作物产量有很大影响，不知道现在的人们在种植的时候会怎么做才能适应越来越频繁的天气异常情况啊。
有16位网友表示赞同！
说得好！咱们国家很多地区都属于气候差异很大的地方，今年春天回暖早了，一些农户就提前播种了，结果没想到降雨少，麦子就干枯了，太可惜了
有8位网友表示赞同！
我也在农场工作，每天看着各种极端天气我都挺担心的。文章里提到的应对策略我都正在尝试应用，希望能有效提高我们的抗风险能力。
有8位网友表示赞同！
农业生产确实要做好防范措施！我记得小时候就经常听大人说，每年播种前都要查看天气预报，选择合适的品种，现在科技发达了，应该有更好的方法预测天气趋势吧？
有19位网友表示赞同！
天气变化对我们农民影响太大，有时候一场暴雨就能摧毁一年的收成。但总感觉国家在这些方面做的力度不够啊，希望政府能加大支持农业生产的投入！
有5位网友表示赞同！
气候变化是一个全球性的挑战，农业生产受到的影响是十分巨大的。希望这篇博文能引起更多人的关注，共同探讨应对措施！
有10位网友表示赞同！
我们不能只是被动地面对天气趋势的变化，更要积极主动地适应和应对！文章提到的精准农业和气候智能农业技术很好，相信科技可以帮我们化解难题。
有16位网友表示赞同！
我觉得这篇文章比较悲观啊，虽然天气变化确实是個挑戰，但农民们很勤劳聪明，我相信他们有能力通过自身的努力克服困难，获得丰收！
有7位网友表示赞同！
对农业生产的影响太严重了！希望相关部门能加强对农户的指导和支持，帮助我们做好灾害防范准备工作。
有8位网友表示赞同！
文章很有条理，分析非常清晰。我以前没关注过天气趋势对农业的影响，看来以后得好好学习一下!
有17位网友表示赞同！
这篇博文真是开门见山！直接说出了农业生产面临的困境，希望能吸引更多的人关注这个问题，共同为可持续发展贡献力量！
有17位网友表示赞同！
天气变化越来越频繁，农业生产确实越来越困难。我们应该多思考，如何利用科技手段来提高农业抗风险能力？
有15位网友表示赞同！
我建议文章可以更详细地介绍一下一些具体的应对措施，比如哪些品种的农作物更加适应极端气候条件?
有17位网友表示赞同！
写得真好！把咱们农民的心聲都體現出来了。希望政府能多多帮助農民们解决实际难题，让大家能安稳地发展农业生产。
有6位网友表示赞同！
天气预报越来越准确啦，但我听说有些地方的农户还是老办法种田，好像不太适应新科技呢？
有8位网友表示赞同！
文章分析得很对，现在很多地区的耕地质量都下降了，再加上极端天气频繁，农民们的压力真的很大！
有10位网友表示赞同！
气候变化是一个长期难题，农业生产面临的挑战也十分严峻。需要多方共同努力，加强科研投入，推广先进技术，提升农业的抗风险能力!
有15位网友表示赞同！
农业是基础产业，对粮食安全至关重要，政府应该加大对于农业的支持力度！
有5位网友表示赞同！