臺灣博碩士論文加值系統

氣候變遷對農業生產影響甚鉅。近年來全球持續暖化，使得各地區發生了極端的氣候變化事件，例如：2007年摩洛哥及英國發生嚴重的水災，然而在加拿大東南部、歐洲東南部、澳洲與南非卻成了無比的乾旱地帶；2008年中國的雪災與旱災等，均使得當地農業生產量大幅銳減。全球暖化會帶來農作物生產力的變化，進而影響糧食的供給。另一方面，近年來隨著全球經濟的快速成長，人口持續增加，使得糧食需求大幅成長。糧食的供需與糧食價格一直是全球各國關注的焦點，因此，本研究應用全球貿易一般均衡分析模型(Global Trade Analysis Project, GTAP)及其第六版資料庫，並利用加入農業生態區(Agro-Ecological Zoning)後的GTAP土地利用模型，模擬在IPCC SRES之A2情境下，到2020年時氣候變遷對全球糧食作物的生產、價格、土地利用與福利的影響。
本研究模擬結果顯示：(1)氣候變遷使得主要糧食作物：稻米、小麥、油脂作物的世界價格皆小幅上漲，而其他穀類作物價格上漲較多，最主要是因為在世界大多數地區的其他穀類作物生產力皆受到全球暖化負面的衝擊。另一方面，由於其他穀類作物是畜牧業的主要投入生產要素之一，所以畜牧產品的世界價格也隨之上漲；(2)在世界糧食生產方面，氣候變遷對世界稻米、小麥、油脂作物與其他穀類作物的產出影響皆不大；(3)在福利變動方面，大體而言，地處高緯度的已開發國家大多因氣候變遷而得利，位於中低緯度的開發中國家則因氣候變遷而受害。而且，地處高緯度的中歐、東歐與前蘇聯卻是世界所有國家中，福利下降最多的地區，最主要是其地區的農作物受到相當負面的影響所致。

目錄
第一章 緒論............................................ 1
第一節 研究背景及動機................................... 1
第二節 研究目的 ........................................2
第三節 研究方法........................................ 3
第四節 本文架構........................................ 3
第二章 文獻回顧........................................ 5
第一節 氣候變遷對糧食價格與生產的影響之文獻回顧............ 5
第二節 全球經濟及人口成長對糧價影響之文獻回顧.............. 10
第三章 理論架構........................................ 15
第一節 GTAP模型之架構與主要方程式 ........................15
第二節 GTAP土地利用模型與土地利用資料庫...................46
第三節 FARM模型介紹.................................... 54
第四章 模擬設計及相關資料處理............................ 63
第一節 模擬設計........................................ 63
第二節 衝擊值的資料介紹與選定............................ 67
第三節 GTAP資料庫加總及參數設定.......................... 82
第四節 需求面及供給面之衝擊值............................ 90
第五章 模擬結果分析.................................... 109
第六章 結論........................................... 151
參考文獻 .............................................. 155
附錄 .............................................. 159
附錄一 支出效用彈性關係式的數學推導過程與其在GTAP模型中家計部門的應用 ...............................................161
附錄二 GTAP模型中，區域家計單位與其各部門的需求方程式數學推導過程 .............................................. 165
附錄三 AIDADS函數介紹................................. 171
附錄四 本研究所使用的地區對照表........................ 177


表目錄
表2.1 使用GTAP模型模擬全球氣候變遷對農業生產的影響之文獻整理 9
表3.1 GTAP模型全球AEZ區位土地定義....................... 47
表3.2 GTAP土地利用資料庫的格式.......................... 49
表3.3 Darwin(1995)模擬受氣候變遷下，各氣候情境中世界農業相關產品產量的百分比變動模擬結果................................. 61
表4.1 本研究模擬情境之設定.............................. 63
表4.2 IPCC報告發展年代表............................... 67
表4.3 IIASA-SRES(A2r、B1與B2)故事情境之整理與比較....... 72
表4.4 IPCC(2000)特別報告中，IIASA在各SRES情境下量化未來的人口數量與IIASA (2007)修改後的人口數之比較.................... 73
表4.5 IPCC(2000)特別報告中，IIASA在各SRES情境下量化未來GDP與IIASA (2007)修改後的 GDP之比較........................... 74
表4.6 使用HadCM3大氣環流模型模擬在IS92a與SRES情境下的二氧化碳濃度變化...................................................76
表4.7 使用HadCM3大氣環流模型模擬在IS92a與SRES情境下的未來全球溫度變化(相對於1961-1990年平均溫度)......................... 76
表4.8 本研究之地區別加總 ................................85
表4.9 本研究之部門加總................................. 86
表4.10 本研究使用之國產品與進口品之間以及進口來源國之間的Armington替代彈性值.............................. 88
表4.11 本研究使用之農業部門的初級要素替代彈性值與各AEZ區位土地之間的替代彈性值............................................. 89
表4.12 本研究使用之非農業部門的初級要素替代彈性值.......... 89
表4.13 IIASA-SRES地區分類與本研究使用之地區分類之對照..... 90
表4.14 本研究更新GTAP資料庫所使用之人口成長率衝擊值....... 95
表4.15 本研究更新GTAP資料庫所使用之GDP成長率衝擊值........ 96
表4.16 本研究使用之氣候變遷對作物生產力衝擊值............. 98
表5.1 本研究使用之2020年氣候變遷對各作物生產力(考慮CO2肥沃效果下)衝擊值.............................................. 111
表5.2 考慮CO2肥沃效果下，2020年氣候變遷對各地區農業相關部門產品之產量的影響............................................. 112
表5.3 考慮CO2肥沃效果下，2020年氣候變遷對各地區農業相關部門產品之生產成本的影響......................................... 113
表5.4 考慮CO2肥沃效果下，2020年氣候變遷對各地區農業相關部門產品之出口需求的影響........................................ 127
表5.5 考慮CO2肥沃效果下，2020年氣候變遷對各地區農業相關部門產品之進口需求的影響......................................... 130
表5.6 考慮CO2肥沃效果下，2020年氣候變遷對農業相關部門產品之世界出口價格的影響........................................... 132
表5.7 考慮CO2肥沃效果下，2020年氣候變遷對各地區農業相關部門產品之FOB價格的影響.......................................... 133
表5.8 考慮CO2肥沃效果下，2020年氣候變遷對阿根廷(ARG)農業相關部門之各AEZ區位土地單位地租的影響........................... 135
表5.9 考慮CO2肥沃效果下，2020年氣候變遷對阿根廷(ARG)農業相關部門之各AEZ區位土地需求的影響............................... 135
表5.10 考慮CO2肥沃效果下，2020年氣候變遷對巴西(BRA)農業相關部門之各AEZ區位土地單位地租的影響.............................. 136
表5.11 考慮CO2肥沃效果下，2020年氣候變遷對巴西(BRA)農業相關部門之各AEZ區位土地需求的影響................................. 136
表5.12 考慮CO2肥沃效果下，2020年氣候變遷對對美國(USA)農業相關部門之各AEZ區位土地單位地租的影響............................ 137
表5.13 考慮CO2肥沃效果下，2020年氣候變遷對美國(USA)農業相關部門之各AEZ區位土地需求的影響................................. 137
表5.14 考慮CO2肥沃效果下，2020年氣候變遷對各地區福利影響之拆解 ..............................................141
表5.15 2020年氣候變遷下，技術變動對各地區福利之影響－兩組模擬結果的比較.......................................... 145
表5.16 2020年氣候變遷下，貿易條件改變對各地區福利的影響－兩組模擬結果的比較....................................... 147
表5.17 2020年氣候變遷下，各地區貿易條件的改變－兩組模擬結果的比較 ..............................................148
表5.18 2020年氣候變遷對各地區福利水準的影響－兩組模擬結果的比較 ..............................................149
表C.1 當所得上升時，LES與C-D函數的消費行為特性調整與否..... 175

圖目錄
圖1.1 本研究方法示意圖................................. 4
圖2.1 OECD與FAO對未來糧食價格的預測..................... 12
圖3.1 GTAP模型架構.................................... 16
圖3.2 GTAP模型之產業生產結構........................... 20
圖3.3 GTAP模型之最終需求結構........................... 24
圖3.4 GTAP模型全球投資分配機制示意圖..................... 34
圖3.5 投資部門組裝成品巢式架構圖......................... 35
圖3.6 EV示意圖........................................ 40
圖3.7 全球18個農業生態區(AEZ)分佈圖..................... 48
圖3.8 農業部門之生產結構樹狀圖.......................... 51
圖3.9 GTAP模型中CET結構之個別AEZ區位土地供給............. 52
圖3.10 部門別AEZ區位土地需求之CES結構樹狀圖............... 53
圖3.11 FARM模型架構.................................... 55
圖3.12 FARM模型中各區位土地供給結構圖.................... 56
圖3.13 FARM模型下的水資源市場的供需圖............. ...... 57
圖3.14 FARM模型的農業部門生產結構圖..................... 58
圖3.15 FARM模型之非農業部門生產結構圖................... 59
圖3.16 氣候變遷對土地資源稟賦的變化示意圖-當各類型土地數量供給固定在1990年水準時................................... ........60
圖4.1 模擬設計示意圖........................... ........63
圖4.2 IPCC未來社會-經濟發展情境概念圖.................... 69
圖4.3 使用HadCM3大氣環流模型模擬在IS92a與SRES情境下的二氧化碳濃度變化.................................................. 77
圖4.4 使用HadCM3大氣環流模型模擬在IS92a與SRES情境下的未來全球溫度變化(相對於1961-1990年平均溫度)......................... 77
圖4.5 Rosenzweig (2001)模擬氣候變遷對農作物生產力的影響之研究方法......................................................79
圖4.7 IPCC之 IS92a與SRES(A1,A2,B1,B2)排放情境下的溫室氣體排放路徑.................... ............................... 80
圖4.6 IPCC模擬全球CO2濃度穩定在555ppmv水準時的時間路徑示意圖 ............................................... 81
圖4.8 GTAP模型之投入產出資料庫型態...................... 83
圖4.9 IIASA之A2r情境在各時段下，各地區的人口年成長率...... 91
圖4.10 IIASA之A2r情境在各時段下，各地區的GDP年成長率...... 92
圖4.11 IIASA之A2r情境在各時段下，各地區的GDP年成長率...... 93
圖4.12 IIASA之A2r情境在各時段下，各地區的CO2年成長率...... 94
圖4.13 本研究使用之氣候變遷對稻米生產力衝擊資料............ 100
圖4.14 本研究使用之氣候變遷對稻米生產力衝擊資料(含CO2肥沃效果) ............................................... 101
圖4.15 本研究使用之氣候變遷對小麥生產力衝擊資料............ 102
圖4.16 本研究使用之氣候變遷對小麥生產力衝擊資料(含CO2肥沃效果) ............................................... 103
圖4.17 本研究使用之氣候變遷對其它穀類作物生產力衝擊資料..... 104
圖4.18 本研究使用之氣候變遷對其它穀類作物生產力衝擊資料(含CO2肥沃效果).................................................. 105
圖4.19 本研究使用之氣候變遷對油脂作物生產力衝擊資料........ 106
圖4.20 本研究使用之氣候變遷對油脂作物生產力衝擊資料之圖示(含CO2肥沃效果)......................................... 107
圖5.1 廠商生產技術進步對產品生產成本與產品供給的影響示意圖.. 109
圖5.2 考慮CO2肥沃效果下，2020年氣候變遷對稻米生產力、產量與生產成本的影響關係圖........................................ 114
圖5.3 考慮CO2肥沃效果下，2020年氣候變遷對小麥生產力、產量與生產成本的影響關係圖........................................ 116
圖5.4 考慮CO2肥沃效果下，2020年氣候變遷對油脂作物生產力、產量、生產成本與食用油脂生產成本的影響關係圖.................... 119
圖5.5 考慮CO2肥沃效果下，2020年氣候變遷對其它穀類作物產出率、產量與生產成本的影響關係圖....................................122
圖5.6 考慮CO2肥沃效果下，在2020年氣候變遷時，其他穀類作物、畜牧品與肉類加工品生產成本之間的關連示意圖...................... 123
圖5.7 考慮CO2肥沃效果下，2020年氣候變遷對糖與甘蔗生成產本的影響關係圖................................................. 125
圖5.8 考慮CO2肥沃效果下，2020年氣候變遷對各地區稻米、小麥、其他穀類作物與油脂作物出口量的影響..............................128
圖5.9 考慮CO2肥沃效果下，2020年氣候變遷對各地區稻米、小麥、其他穀類作物與油脂作物進口量的影響..............................131
圖5.10 考慮CO2肥沃效果下，2020年氣候變遷對各地區福利影響的拆解示意圖.................... .............................. 142
圖5.11 考慮CO2肥沃效果下，2020年氣候變遷對各地區總福利變動的影響之圖示...................................................143
圖5.12 考慮與不考慮CO2肥沃效果下，氣候變遷對各地區福利的影響. 150
圖C.1 在AIDADS函數設定下，第一類必需品之Engel曲線........ 174
圖C.2 在AIDADS函數設定下，第二類需品之Engel曲線...........174
圖C.3 在AIDADS函數設定下，奢侈品之Engel曲線............. 174

參考文獻
Abbott, P. C., Christopher Hurt, and Wallace E. Tyner (2008). What's driving food prices? : International Food Policy Research Institute.
Cline, W. R. (2007). Global warming and agriculture: impact estimates by country. Washington, D.C.: Center for Global Development: Peterson Institute for International Economics.
Darwin, R., Tsigas, M., Lewandrowski, J., & Raneses, A. (1995). World agriculture and climate change: economic adaptation, American Journal of Agricultural Economics. Washington DC: USDA. ERS Agricultural Economic Report.
FAOSTAT (2006). FAO Statistical Databases. http://faostat.fao.org
Fischer, G., Shah, M., Tubiello, F. N., & Velhuizen, H. V. (2005). Socio-economic and climate change impacts on agriculture: an integrated assessment, 1990-2080. Philosophical transactions of the royal society, 360, 2067-2083.
Fischer, G., Shah, M., & van Velthuizen, H. (2002). Climate change and agricultural vulnerability. Laxenburg, Austria: International Institute for Applied Systems Analysis.
Gouel, C., & Hertel, T. W. (2006). Introducing forest access cost functions into a general equilibrium model, from https://www.gtap.agecon.purdue.edu/resources/res_display.asp?RecordID=2215
Grubler, A., O'Neill, B., Riahi, K., Chirkov, V., Goujon, A., Kolp, P., et al. (2007). Regional, national, and spatially explicit scenarios of demographic and economic change based on SRES. Technological Forecasting and Social Change, 74(7), 980-1029.
IIASA (2007a). 13 IIASA-POP World Regions, Definition from http://www.iiasa.ac.at/Research/POP/edu01/countries.html
IIASA (2007b). GGI Scenario Database, from http://www.iiasa.ac.at/Research/GGI/DB/
IPCC (1997). Stablisation of atmospheric greenhouse gases: physical, biological and socio-economic implications.: Intergovernmental Panel on Climate Change.
IPCC (2000a). SRES final data, from http://sres.ciesin.org/final_data.html
IPCC (2000b). Summary for policymarkers: emission scenarios.
IPCC (2001). Technical Summary of the Working Group 1 Report.
IPCC (2005). Vital climate change graphics.
IPCC (2007). Climate change 2007 : synthesis report. Switzerland and Geneva: Intergovernmental Panel on Climate Change.
Lee, H.-L., Hertel, T. W., Sohngen, B., & Ramankutty, N. (2005). Towards An Integrated Land Use Data Base for Assessing the Potential for Greenhouse Gas Mitigation.
McDougall, R. (2003). A new regional household demand system for GTAP, GTAP technical paper No.20.
Mendelsohn, R., Nordhaus, W. D., & Shaw, D. (1994). The impact of global warming on agriculture: A Ricardian analysis. The American Economic Review, 84(4), 753-771.
Monfreda, C., Ramankutty, N., & Foley, J. A. Farming the planet 2: the geographic distribution of crop areas and yields in the year 2000. Global Biogeochemical Cycles.
OECD-FAO (2008). Agricultural Outlook 2008-2017: Organisation for Economic Co-operation and Development
Food and Agriculture Organization.
Parry, M. L., Rosenzweig, C., Iglesias, A., Livermore, M., & Fischer, G. (2004). Effects of climate change on global food production under SRES emissions and socio-economic scenarios. Global Environmental Change, 53-67.
Parry, M. L., Rosenzweig, C., & Livermore, M. (2005). Climate change, global food supply and risk of hunger. Philosophical transactions of the royal society, 360, 2125-2138.
Ramankutty, N., Evan, A. T., Monfreda, C., & Foley, J. A. Farming the planet 1: the geographic distribution of global agricultural lands in the year 2000. Global Biogeochemical Cycles.
Riahi, K., Grubler, A., & Nakicenovic, N. (2007). Scenarios of long-term socio-economic and environmental development under climate stabilization. Technological Forecasting and Social Change, 74(7), 887-935.
Rimmer, M. T., & Powell, A. A. (1992) An implicitly directly additive demand system: estimates for Australia. The center of policy studies, Monash University.
Rimmer, M. T., & Powell, A. A. (1996). An implicitly additive demand system. Applied Economics, 28, 1613-1622.
Ronald, T. (2008). Global agricultural supply and demand: factors contributing to the recent increase in food commodity prices: United States Department of Agriculture.
Rosenzweig, C., & Iglesias, A. (2001). Potential Impacts of Climate Change on World Food Supply: Data Sets from a Major Crop Modeling Study from http://sedac.ciesin.columbia.edu/giss_crop_study/
Sohngen, B., & Mendelsohn, R. (2007). A sensitivity analysis of carbon sequestration. In human-induced climate change: an interdisciplinary assessment. Cambridge: Cambridge University Press.
Sohngen, B., Tennity, C., Hnytka, M., & Meeusen, K. (2008). Global forestry data for the economic modeling of land use. In T. W. Hertel, S. Rose & R. T. Routledge (Eds.), Economic Analysis of Land Use in Global Climate Change Policy.
Tsigas, E., Frisvold, B., & Kuhn, B. (1997). Clobal climate change and agriculture Global trade analysis: modeling and applications (pp. 280-304): Cambridge: Cambridge University Press.
USDA (2008). USDA Agricultural Projections to 2017: United States Department of Agriculture.
Yu, W., Hertel, T. W., Preckel, P. V., & Eales, J. S. (2003). Projecting world food demand using alternative demand systems. Economic Modelling, 21(1), 99-129.
吳榮杰 (2008). OECD與FAO對全球主要農產品市場之未來展望.
李慕真 (1999). 氣候變遷對亞太地區農產貿易的影響. 中國文化大學, 台北市.
林幸君、李篤華、許聖民、張靜貞、徐世勳 (2008). 國際糧食價格上漲對台灣物價及總體經濟之影響.