建構全球可耕地利用變動及相關溫室氣體排放之可計算一般均衡模型

(1)

行政院國家科學委員會專題研究計畫成果報告

建構全球可耕地利用變動及相關溫室氣體排放之可計算一

般均衡模型

研究成果報告(精簡版)

計畫類別：個別型計畫編號： NSC 97-2410-H-004-176- 執行期間： 97 年 08 月 01 日至 98 年 10 月 31 日執行單位：國立政治大學經濟學系計畫主持人：李慧琳計畫參與人員：碩士班研究生-兼任助理人員：鄧壬德碩士班研究生-兼任助理人員：黃萬霖碩士班研究生-兼任助理人員：鄭孟庭報告附件：出席國際會議研究心得報告及發表論文處理方式：本計畫涉及專利或其他智慧財產權，2 年後可公開查詢

中華民國 99 年 01 月 30 日

(2)

行政院國家科學委員會補助專題研究計畫

▇ 成果報告

□期中進度報告

建構全球可耕地利用變動及相關溫室氣體排放之

可計算一般均衡模型

計畫類別：▇ 個別型計畫 □ 整合型計畫

計畫編號：NSC 97－2410－H－004－176－

執行期間：97 年 8 月 1 日至 98 年 10 月 31 日

計畫主持人：李慧琳

計畫參與人員：鄭孟庭、鄧壬德、黃萬霖

成果報告類型(依經費核定清單規定繳交)：▇精簡報告 □完整報告

本成果報告包括以下應繳交之附件：

▇赴國外出差或研習心得報告一份

□赴大陸地區出差或研習心得報告一份

□出席國際學術會議心得報告及發表之論文各一份

□國際合作研究計畫國外研究報告書一份

處理方式：除產學合作研究計畫、提升產業技術及人才培育研究計畫、

列管計畫及下列情形者外，得立即公開查詢

□涉及專利或其他智慧財產權，□一年□二年後可公開查詢

執行單位：國立政治大學

中華民國 99 年 1 月 30 日

(3)

摘要:

氣候變遷對農業生產影響甚鉅。近年來全球各地因受到氣候系統持續暖化的影響而出現極端氣候事件，當地農業生產因此受到嚴重影響。全球暖化導致農作物生產力變動，進而影響糧食的供給。另一方面，近年來全球經濟快速成長，人口持續增加—尤以開發中國家為甚，如：中國、印度等—糧食需求因之大幅成長。隨著糧食貿易的高度全球化，世界糧食的供需與價格變動更加受到各國政府關注。因此，本研究建構一全球可耕地利用變動之可計算一般均衡模型，並將之應用於氣候變遷對全球糧食價格、生產及福利變動的影響分析。本研究之模型以 Hertel and Tsigas (1997)之全球貿易一般均衡分析模型(Global Trade Analysis Project, GTAP)及其第六版資料庫為基礎，並加以修改 GTAP 模型中農業部門之土地利用模式，引進以農業生態分區(Agro-Ecological Zoning, 簡稱 AEZ)方法，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。

AEZ 方法以地理資訊系統為基礎，結合作物模型與環境對應規則，以篩選出在不同要素投入量、天然降雨與人工灌溉等條件下之適栽作物、土地利用型態 (Land Utilization Types)，以及不同土地管理(land management)情況下各種作物生長的環境限制，並評估各農業生態區之土地生產力及預期作物生產量。AEZ 方法的長處在於評估全球各地理區在不同的氣候變遷情境下，農業所受到的影響及其脆弱性(vulnerability)，因此，本研究引進 AEZ 方法於 GTAP 模型之農業部門，以求更貼切地刻畫農地利用(land use)因應市場變動之調整。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。關鍵詞：可計算一般均衡模型、氣候變遷、土地利用、糧食供給。

(4)

一、前言

在全球經濟繁榮發展的同時，經濟活動過程中所排放的溫室氣體(Greenhouse Gases) 亦急速地在大氣當中累積，至今已有諸多研究指證地球的氣候系統因此受到影響，產生變遷(如：海平面上升、極端的天氣異常事件等)。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事件(weather events)—例如：2007年摩洛哥及英國發生嚴重的水災；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—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(crop productivity)的變化，進而影響糧食的供給。IPCC (2007)表示全球溫度若上升1-3度時，會帶給位於中高緯度國家的農作物生產力小小的利益(依作物種類不同而不同)，一旦溫度升幅超過這一範圍，農作物生產力隨即下降；在低緯度地區的國家，特別是季節性乾旱和熱帶地區，即使溫度微幅上升1-2度，農作物生產力隨即下降。在IPCC (2007)設定的一系列未來氣候假設情境下，預估到2080年非洲地區乾旱和半乾旱土地會增加 5%-8%、非洲某些以天然降雨灌溉的國家其農業 (rainfed agriculture)生產減幅將高達50%，並且預估許多非洲國家糧食的供給會受到嚴重影響。因此，氣候變遷有可能會造成糧食危機、引發糧食價格波動，甚至加劇營養不良等問題。另一方面，近年來隨著全球經濟的快速成長，人口持續增加—尤以開發中國家為甚，如：中國、印度等)—糧食需求隨之大幅成長。隨著糧食貿易的全球化，世界糧食的供需與價格變動更加受到各國政府關注。目前全世界的人口剛剛超過60億，而且根據聯合國估計2050年的世界人口會達到92億，在人口成長與經濟成長的趨動下，人類對糧食的需求急劇上升。在糧食供給的產能下降，而糧食需求卻大幅上升時，易引發糧食價格的攀升，使得消費福祉(consumer surplus)下降。由此可見，氣候變遷、農業生產、糧食價格皆與人類的生活密不可分。因此，本研究建構一全球可耕地利用變動之可計算一般均衡模型，並將之應用於氣候變遷對全球糧食價格、生產及福利變動的影響分析。本研究之模型以 Hertel and Tsigas (1997)之全球貿易一般均衡分析模型(Global Trade Analysis Project, GTAP)及其第六版資料庫為基礎，並加以修改 GTAP 模型中農業部門之土地利用模式，引進以農業生態分區(Agro-Ecological Zoning, 簡稱 AEZ)方法，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。

本文第二節回顧氣候變遷對糧食生產與價格之影響的相關文獻；第三節介紹本文所應用之 GTAP 土地利用模型及其區分 AEZ 之土地利用資料庫；第四節呈現主要實證結果及本研究之結論。

二、文獻回顧

Fisher, Shah, and van Velthuizen (2002)和 Fischer et al.(2005)先是利用農業生態區 (Agro-Ecological Zone, AEZ) 模型評估世界中適合發展農業的土地面積，並結合 HadCM3、CRISO、CGM2 與 NCAR 等四種大氣環流模型(GCMs)與 SRES 未來社會經

(5)

濟發展路徑，以預測受到氣候變遷影響下，世界各農業生態區會有多少土地還適合發展農業；然後，再將此土地依其利用型態對應至適合栽種的作物，以評估農業生產潛力－此稱為農業生態區(AEZ)方法論；最後，將各農業生態區的農業生產潛力變化結果代入 BLS(Basic Linked Systems)全球糧食生產與貿易一般均衡模型中，以分析氣候變遷對 2080 年全球糧食生產與貿易的影響。其結果顯示出：在所有氣候情境中，2080 年開發中國家皆持續性地面臨到穀類作物產量下降的窘境，在這情形下導致世界穀類作物的主要生產國家移轉至已開發國家，特別是北美和前蘇聯，產量上升了 6%-9%；在穀類作物的世界價格方面，以 HadCM3 氣候模型下之 A1 與 A2 未來經濟社會發展情境設定下的價格漲幅為最高，分別為 19.5%與 14.4%(以 1990 年價格衝量)，主要原因來自於兩方面：一方面，因為在 A1 與 A2 情境中假設經濟體系中的 GDP 成長速度較快，使得糧食需求擴張程度較大，另一方面，又因為 A1 與 A2 情境是屬於不注重環境永續性的未來世界，溫室氣體排放較高，使得作物生產力下降較多；因此，在糧食供給面降幅較大且需求面上升幅度也較高之時，使得最後均衡時的糧食價格漲幅更高。

Parry et al. (2004; 2005)先是使用農作物模型 IBSNAT(International Benchmark Sites Network for Agrotechnology Transfer)(其模型考慮了農民因應氣候變遷衝擊所作不同程度的調適行為1 )配合 GISS、GFDL 與 UKMO 氣候情境－兩倍 CO2濃度(555ppm)假設情境，以模擬氣候變遷對農作物生產力的衝擊，其後再結合 BLS 全球糧食生產與貿易一般均衡模型與 1980 年至 2060 年之間的未來經濟發展路徑2_{，以分析 2060 年氣候變遷對} 世界農業所造成的影響。結果顯示出：在一系列氣候情境下，相對於 2060 年的基線預測，若農民因應氣候變遷而做中等程度的調適行為後，世界穀類作物產量變動為 0%~ -5%，已開發國家為 4%~14%，開發中國家為-9%~ -12%。而且，農民若能因應氣候的改變而做生產管理的調適措施，會大幅減低氣候變遷對糧食生產的負面衝擊。

Tsigas, Fisvold, and Kuhn (1997)採用 GTAP 全球可計算一般均衡模型模擬氣候變遷對世界農業的影響，並比較部分均衡分析和一般均衡分析結果。其採用 Rosenweig and Iglesias (1994)之 GISS 氣候情境下模擬出的農作物生產力變動資料，並將之視為每個地區作物部門中的 Hicks 中性技術變數之變動，以代入 GTAP 模型做經濟福利的分析。其在一般均衡的模擬結果為：在不考慮 CO2 肥沃效果下，氣候變遷使得所有地區的福利水準皆下降；在考慮 CO2 肥沃效果下，加拿大、美國、歐盟、中國與澳洲福利上升，墨西哥、東南亞及世界其它地區則福利下降，但對全球福利影響是正面的。然而，部分均衡因為沒有考慮到農業部門與其他非農業部門互動的關係，使得其模擬結果中的福利水準較一般均衡分析來得低估。在國內文獻方面，李慕真(1999)也是採用 Rosenzweig and 1 IBSNAT 農作物模型將農民因應氣候變遷所作的調適行為分為三種程度：(1)無調適行為；(2)中等程度的調適：允許播種時間在一個月之內能往前或往後調整、加強灌溉於目前使用灌溉的農作物、種植多樣性的農作物以使更多作物能適合在氣候變遷後的氣候下生長；(3)高等程度的調適：屬於成本較高的調適行為，允許播種時間能往前或往後調整一個月以上、增加肥料的使用、發展新品種作物與新的灌溉設施。 2 (1)2060 年人口為 102 億人；(2)2020 年後，世界農產品有 50%允許自由貿易，例如取消進口設限；(3) 溫和的經濟成長(1980 年-2000 年：每年 3%，2040 年-2060 年：每年 1.1%)；(4)1990-2060 年因為農業技術進步使得作物生產力逐漸提升，在世界、開發中國家與已開發國家的穀類作物生產力每年分別提升 0.7%、0.9%與 0.6%。

(6)

Iglesias (1994)之 GISS 氣候情境下模擬出的農作物生產力變動資料，並應用 GTAP 模型模擬氣候變遷對亞太地區農產貿易的影響，在一般均衡分析結果為：氣候變遷使得加拿大與歐盟成為農產品的淨出口國，而東南亞及墨西哥幾乎成了所有農產品的進口國，其結論與上述 Tsigas 等人(1997)大致相同。

Darwin (1995)等人利用未來農業資源模型(Future Agricultural Resources Model, FARM)模擬氣候變遷對世界農業的影響。FARM 模型包含兩個架構，第一是地理資訊系統(Geographic Information System, GIS)的應用：在其資料庫中包含各地區的土地資源與水資源稟賦量，並將土地依 LGP(Length of Growing Period)不同而分為六個層級，每一層級的土地和特定的水資源供應量其實就隱含著一種農業生產技術，然後將 GISS、 GFDL、OSU 與 UKMO(兩倍 CO2濃度)氣候情境下的氣溫及雨量變化之預測結果使用空

間類比方法(Spatial Analogue Approach)應用至 GIS 資料庫中，模擬氣候變遷對土地與水資源的影響3_{；第二是 GTAP 模型的應用：其後，將土地與水資源所受到的影響以資源} 稟賦的變動量當作外生衝擊變數代入 GTAP 模型中，以做氣候變遷影響的推估。其結果顯示出：整體而言，在四個氣候情境下，世界糧食產量不會受到很大的影響，甚至小麥與畜牧產品之生產量皆小幅上升，分別上升了 0.47%~3.3%與 0.7%~0.9%；其他穀類作物在三個氣候情境下小幅上升 0.29%~0.41%，但在 OSU 氣候情境下為下降 0.12%。在 GDP 方面(以 1990 年 GDP 為基期價格)，在四個氣候情境下，加拿大與日本是受氣候變遷影響下得利最大的地區，分別上升了 1.6%~2.8%與 0%~0.8%；歐盟和東南亞的 GDP 則損失最多，分別是 -0.3%~ -1.1%與 -0.2%~ -1.3%；整體而言，對世界 GDP 影響相當小，為 -0.3%~0.1%。

Mendlsohn, Nordhaus, and Shaw (1994)使用 Ricardian 地租法做氣候變遷對福利影響的經濟評估，其屬於橫斷面計量模型的預測，由地租的變動推估氣候變遷對農業部門所受到的影響。先是利用美國 1978 年和 1982 年之 48 個州中每個郡的橫斷面資料 (cross-section data)，包括氣候、地價和地理資料等，分別以各郡的農地面積與農作收入為權數，使用統計迴歸方法估計出各變數對於各州地價的影響。他們發現除了秋季外，在其他季節的溫度愈高會降低地價；冬季和春季的雨量愈多會提高地價。然後再採用 CO2 ×2 氣候情境－根據 IPCC 這會使全球地表溫度上升華氏 5 度，且平均降雨量上升 8%，將此變動量納入迴歸式發現：以美國各郡農地面積為權數，衡量因氣候變遷造成全美國農地的地價損失約為$1,190 億~$1,410 億美元(以 1982 年物價衡量)，如再假設每年農作物產值為地價的 5%4_{，這表示每年損失約 60~80 億美元的農作價值；但是以農作} 收入為權數衡量地價時，氣候變遷則會使全美國地價上升 200 億~350 億美元。這顯著的差異是因為：以農作收入為權數衡量地價時，會因為此權重於西部和南部地區的灌溉農地(因其栽種較高價值作物)較大，因而造成美國地價上升較多。Mendlsohn 等人之研 3_{溫度的變化透過 LGP 的改變連結至各地區 6 個農業生態區的分佈及其面積變化，雨量的變化以逕流量(定} 義為一地區之降雨量其未經蒸散作用蒸發至空氣中的比例)來描繪，逕流量愈多表示地面上可用的水資源愈多，也可代表以灌溉方式來種植作物與使用水壩設施來儲存水資源(以利日後對農作物進行灌溉)的能力愈高，這對於因氣候變遷而造成乾旱的地區尤顯得重要。 4 根據 1974, 1978,與 1982 年的資料顯示出每年農作物淨所得/地價的比值約為 5.02%。

(7)

究方法特別之處在於他們使用「地價」之變化其實就已經隱含了農夫已因應氣候變遷做了完全的適應性措施；因為在完全競爭市場的假設下，地租會等於當土地做最有效的利用狀態下時的邊際生產力，故其不僅考慮到農夫可以因應氣候變遷而將土地改為栽種其他作物，土地也能乾脆不種作物而成牧草地，甚至拿來作非農業用地使用(例如：蓋房子)，故其允許土地在農業部門和非農業部門之間轉換。但 Mendlsohn 等人之方法有其限制，它無法像 GTAP 模型一樣呈現出氣候變遷對各經濟個體的影響(例如：私部門家計單位或生產者)，再者它屬於部份均衡分析法，也就是其假設氣候變遷不會影響到所有產品的價格、除了土地以外的投入要素價格與進出口貿易，顯而易見地，這不符合實際情形，這也是本研究採用一般均衡分析法的原因之一。 Cline (2007)首先使用 ECHAM4、HadCM3、CRISO-Mk2、CGCM2、GFDL-R30、 CCSR 等大氣模環流模型以預測 2080 年在 A2 未來社會發展情境下，氣候變遷對農作物生產力的影響。其後，分別利用 Ricardian 計量經濟模型與作物生長模型模擬出 2080 年氣候變遷對世界農業生產的影響。然而，因其認為同時考慮兩種不同研究方法模擬出來的結果較適切且客觀，所以依其主觀認定給予兩模型一權數來加總兩種模型的模擬結果，以推估 2080 年氣候變遷對世界農業生產的影響。其結果顯示：在無 CO2肥沃效果下，世界農業產出會下降 15.9%，而進一步考慮 CO2肥沃效果下則為下降 3.2%。本研究將使用 GTAP 一般均衡模型模擬全球氣候變遷對農業生產的影響之文獻做一摘要整理，如表 1 所示。由表 1 可看出 Darwin (1995)、李慕真(1999)與本研究間之主要差異在於： (1) 基準年(benchmark year)的選定。本研究為了考慮到引發糧食需求成長的重要趨動因子(driver)－人口成長與 GDP 成長，同時，也是為了模擬 2020 年全球氣候變遷(影響糧食供給)對糧食生產與價格的影響，因此使用人口成長率與 GDP 成長率當作衝擊值以將 GTAP 資料庫更新至 2020 年； (2) 採用的氣候情境不同。 (3) 對氣候變遷影響糧食供給面的趨動因子以不一樣的方法加以詮釋，而後將其代入 GTAP 模型中。例如：Darwin (1995)使用一地區資源稟賦的改變(土地資源與水資源) 當作衝擊值，而本研究則是使用農作物生產力的改變當作衝擊值。 (4) 本研究與 Darwin (1995)在 GTAP 模型中對於土地利用設定的方式有所不同。本研究依農業生態區(Agro-Ecological Zone)區分農地之作物適栽(crop suitability)特性，而 Darwin (1995)除了農業部門的土地利用方式之設定外，也在非農業部門加入了「其他用地」的設定；李慕真(1999)則是沿用 Hertel (1997)中對土地利用方式之設定。

即便存在上述差異，此三項研究所得到之結論頗為一致：地處高緯度的國家大多因氣候變遷而得利，位於中低緯度的國家則因氣候變遷而受害。

(8)

三、研究方法

本研究應用 GTAP (Global Trade Analysis Project 之簡稱) (Hertel,1997)全球貿易可計算一般均衡(Computable General Equilibrium, 簡稱 CGE)模型並加入土地利用變動之設定進行模擬 2020 年時氣候變遷對全球糧食生產、價格及福利變動的影響。3.1 節及 3.2 節分別介紹 GTAP 土地利用資料庫及本研究所應用之 GTAP 模型中土地利用變動的設定；3.3 節介紹本研究以 GTAP 土地利用模型模擬在考慮 CO2肥沃化效果下，2020 年時氣候變遷對全球糧食價格、生產及福利之影響的模擬設計。 3.1 農業生態分區法(Agro-Ecological Zoning) 在 Hertel (1997)之標準 GTAP 模型中，農地被設定為可以在各種農作物部門間移轉耕種，但是並非所有的農地皆適合栽種各類型的農作物，依農作物種類的不同所需的生長環境也會不同，例如：小麥屬於耐寒與耐旱的作物，所以即使在較為乾旱的土地上它仍能生長，但是這塊土地卻無法拿能種植喜高溫、需水量大的甘蔗。因此，本研究採用 Lee 等人(2005)修改後的 GTAP 土地利用模型，以更貼切的土地設定方式刻畫出土地性質與農作物生長特性之間的關係與適宜性。

GTAP 土地利用資料庫採用 IIASA/FAO 開發之農業生態分區法(Agro-Ecological Zoning)，將全球農地依其「生長期長度」(Length of Growing Period, 簡稱 LGP)分為六個土地區位，如表 2 所示。所謂 LGP 是指一年當中溫度高於攝氏 5 度且土壤濕度充足而使作物得以生長的天數。同一 LGP 分類下的土地再進一步按其氣候區劃分為熱帶、溫帶與寒帶，故全球共分為 18 個 AEZ 農業生態區，如圖 1 所示，紅色代表熱帶區下的 6 個 AEZ 區位土地，綠色為溫帶區，藍色為寒帶區，顏色愈深其 LGP 愈長 (Lee, et al., 2005)。表 3 所示為 GTAP 土地利用資料庫的格式，其表示該國家/地區之各農作物部門、畜牧部門與林業部門(直欄)使用各 AEZ 區位土地(AEZ=1~6)(橫列)之情形(包括面積及地租資料)。 3.2 GTAP 土地利用模型圖 2 為 GTAP 土地利用模型中的農業部門生產結構圖。農業部門的生產函數在弱可分割性(weak separability)的假設分為兩層，生產函數的第一層代表其產出水準是由總合初級要素投入與總合中間投入依 Leontief 函數加總而成；生產函數第二層中，將勞動、自然資源、土地及資本使用 CES 函數加總為其總合原始要素投入。圖 3 為各 AEZ 區位土地供給之巢式結構圖。各 AEZ 區位土地供給採弱可分(weak separability)的假設分為

三層，最下層先是將各區位土地供給設定為 CET 函數，按照各區位土地相對價格的變動分配於林業用地使用或農業用地使用；接著第二層中，農業用地再由 CET 函數的設定分配於農作物用地與畜牧用地使用；最上層又是由 CET 函數的設定將農作物用地分配於各農作物部門做使用。而且，由於最上層土地供給結構中的部門分類較細，故其 CET 函數之彈性設定值也比下面兩層之 CET 函數彈性值設定的來的大。圖 4 為各部門對於各 AEZ 區位土地需求之結構圖。各部門對各區位土地需求因應其相對

(9)

價格的變動程度進行調整，並按 CES 函數設定之替代彈性值相互替代以決定各區位土地之最適使用量。 3.3 模擬設計 (A) 模擬設計我們分兩步驟來模擬 2020 年時氣候變遷對全球經濟之衝擊，如圖 5 所示，橫軸為時間，縱軸為模型中之變數。步驟一(路徑 AB)：更新 GTAP 資料庫至 2020 年因 GTAP 第六版資料庫所呈現的是 2001 年各國的投入產出資料與經貿狀況，為模擬 2020 年氣候變遷對全球糧價的影響，我們採用 IIASA-SRES 之 A2r 情境中之人口與 GDP 成長，並以五年為一區段逐步將 IIASA-SRES 之 A2r 情境之經濟成長率與人口成長率帶入模型中，以更新 GTAP 資料庫直至 2020 年。步驟二(路徑 BC)：探討氣候變遷對糧食價格、生產與福利的影響為模擬在 2020 年氣候變遷對糧價的影響，本研究採用 Rosenzweig (2001)應用農作物模型 IBSNAT 並結合氣候模型 HadCM3 與 IS92a 溫室氣體排放路徑所估計出 2020 年時全球農作物生產力變動衝擊本研究之全球可計算一般均衡模型，並以步驟一更新後之資料庫為基準均衡(benchmark equilibrium)—即圖 5 中之 B 點。圖 5 中 C 點表示 2020 年時模型內之內生變數(如：糧食價格 P’2020)因應氣候變遷所導致之農作物生產力變化而調整後的新均衡點。 (B) GTAP 資料庫的加總本研究使用 GTAP 第六版資料庫進行實證分析，該資料庫呈現以 2001 年為基期年的全球商品/勞務交易資料，包含 87 個地區與 57 種商品。依本研究目的為對氣候變遷的探討，所以將地理位置相近較擁有相近氣候特色的準則加總為同一地區，另外參考 IIASA-SRES 情境中將世界分為 11 個地區的劃分方式(IIASA, 2007b)，並將 IIASA-SRES 情境定義的 11 個地區中的再分別挑出加拿大(CAN)、美國(USA)、澳洲(AUS)、日本 (JPN)、紐西蘭(NZL)、中國(CHN)5、印度(IND)、印尼(IDN)、巴西(BRA)、墨西哥(MEX) 與阿根廷(ARG)為獨立一個地區以凸顯出氣候變遷對各種緯度範圍地區影響的結果。此外，將 IIASA 定義的中歐與東歐(WEU)地區和前蘇聯(FSU)地區加總成一個中歐、東歐與前蘇聯地區(EEU_FSU)，如此本研究將 GTAP 資料庫加總為 19 個地區，如表 4 所示。 IIASA-SRES 情境之地區分類與本研究之地區分類對照，見表 5。在產品項目加總方面，因農產品為受氣候變遷影響首當其衝的商品，故對農產品有較詳細的劃分。然而，在農產品的生產過程中，由於農作物可做為畜牧產品的生產投入要素，所以農作物部門屬於上游產業，畜牧業部門屬於中游產業，又因農產加工產業－糖業、肉類加工品業與食用油脂產業分別使用甘蔗、畜牧品與油脂作物做為其生產的主要要素投入之一，故農產加工產業屬於下游產業。再者，氣候變遷在影響農產品之供給面的同時，也會造成森林資源的破壞，故本研究將林業獨立為一個部門。將以上各部門 5 因為在 Rosenzweig 等人(2001)的農作物生產力變動資料中，其將中國與台灣歸屬於同一地區，故本研究在做資料庫地區加總時，也將台灣與中國加總為成為一個地區。

(10)

層層相扣的關係納入考量後，這些部門將獨立為一個部門以凸顯出其部門特色與部門間互動的特性。本研究將 GTAP 資料庫 57 種商品加總為 17 種商品(如表 6)，其中 1 至 6 項為農作物產品，第 8 項為畜牧品，第 9 項為林產，第 7 項與第 10 至 14 項為農產加工品，第 15 至 17 項為非農產品。

(C) 資料庫更新：人口及 GDP 成長率

表 7 與表 8 為 IIASA-SRES 之 A2r 情境下各區域人口與 GDP 之預測值(IIASA, 2007b)。本研究使用此 GDP 與人口成長率資料，分四個時間階段更新 GTAP 資料庫至 2020 年。 (D) 2020 年時全球氣候變遷導致農作物生產力變動之衝擊值選定一般將「農作物生產力」定義為：每單位的收成面積所產出的農作物產量，例如： FAO 即是依照此定義來計算出各農作物的生產力，而且此農作物產量數值代表的是當時市場均衡時所決定的產量，故其是受市場上各種產品的供需價格與進出口需求等因素影響所決定出來的農作物產量。然而，本研究使用的農作物生產力資料代表的是純粹因為溫度、雨量等氣候因子所造成農作物生產力的變化，故不受任何市場因素的干擾。

本研究使用 Rosenweig and Iglesias (2001)應用農作物模型 IBSNAT(且在模型中假設農民可以因應氣候變遷作中等程度的調適行為6

)，並結合 HadCM3-A大氣環流模型 (GCM)與 IS92a 溫室氣體排放路徑(Emission scenarios)所模擬得出之 2020 年時農作物生產力的變動，以做為本研究之 GTAP 模型模擬情境中農作物部門—包含四種主要農作物：小麥、稻米、穀類作物(包括玉米及大麥)及油脂作物(大豆)—之技術變動的衝擊值，如表 9 所列。

四、實證模擬結果與討論

本節分為四大部分進行分析 2020 年時氣候變遷(考慮 CO2肥沃效果)對全球糧食生產、價格及福利變動之影響：一、各地區之糧食生產與單位生產成本的變動；二、糧食進出口的變動；三、農業部門地租之變動；以及四、各地區的福利變動。 4.1 糧食生產與單位生產成本的變動 (一) 稻米 由表 9 中可看出，在世界 19 個區域中，2020 年氣候變遷對於稻米產出率(crop yield) 變動以 BRA、LAM、EEU_FSU、MEX 等地區下降的最多，分別為下降 20%、14.7%、 14%與 11%，這導致其稻米產量受到相當負面的影響，分別下降了 8.22%、7.82%、3.4% 6 Rosenweig (2001)於農作物模型 IBSNAT 中定義的中等程度調適措施為：允許播種時間在一個月之內能往前或往後調整，加強灌溉於目前使用灌溉的農作物，種植多樣性的農作物以期適合在氣候變遷後的氣候下生長。

(11)

與 12.38%(見表 10)，為世界所有地區中稻米產量下降最多的前四個地區，同時也因為生產力大幅下降，其單位生產成本分別上升了 27.68%、20.64%、21.61%與 12.59%(見表 11)。 (二) 小麥 由表 9 可看出，與稻米作物的情況類似，2020 年氣候變遷對於小麥產出率負面影 響最大的地區為 BRA、EEU_FSU、LAM、MEX 與 SAS，但其產出率下降幅度較稻米為大，分別為-18%、-12%、-10.91%、-9%與-6.14%，這導致這些地區的小麥產量受到相當負面的影響，分別下降了 42.87%、5.72%、15.52%、15.88%與 4%(見表 10)，生產成本分別上升了 19.18%、19.27%、11.62%、7.81%與 9.15%(見表 11)，是世界所有地區中小麥生產成本上升幅度最大的六個地區。 (三) 油脂作物 由表 9 可看出，2020 年氣候變遷對於油脂作物產出率影響最負面的地區為 EEU_FSU、CHN、BRA、AFR 與 IND，其產出率分別下降 10%、5%、5%、4.97%與 4%，這導致這些地區油脂作物產量受到相當負面的影響，分別下降了 8.26%、4.21%、 8.72%、3.79%與 1.32%(表 10)，生產成本分別上升了 13.25%、5.85%、5.14%、5.96%與 8.4%(表 11)，是世界所有地區中油脂作物生產成本上升最多的五個地區。 (四) 其它穀類作物、畜牧品與肉類加工品 由表 9 可看出，2020 年氣候變遷對於其它穀類作物產出率影響最負面的地區為 EEU_FSU、USA 與 IND，其產出率分別下降為 14%、13%與 8%，這導致這些地區的其它穀類作物產量分別下降 0.37%、5.15%與 0.9%(表 10)，生產成本分別上升 23.58%、 18.74%與 19.16%(表 11)。 4.2 糧食進出口的變動 (一) 出口由表 12 可看出 ARG 是全世界稻米出口量上升最多的地區，其稻米出口量相較於沒有發生氣候變遷時上升了 200%，最主要是因為 LAM 與 BRA 其稻米生產力下降太多而大量進口 ARG 的稻米，加上 ARG 是世界中稻米生產力上升最多的前三個地區(僅次於 JPN 與 CPA)，故使得 ARG 稻米的出口量大幅成長。在氣候變遷的影響下，CHN 是世界所有地區中小麥生產力上升最多的地區，這使得 CHN 為全世界小麥出口量上升最多的地區，又以對 EEU_FSU 與 IND 的出口量成長最多。EEU_FSU 與 IND 對 CHN 小麥的進口需求上升是因為其小麥生產力分別下降了 12%與 6%，在其區域內小麥供給下降的同時，區域內需求卻無法等幅下降，因而產生大量的進口需求；然而，此兩個地區小麥主要的進口來源國皆非 CHN，但因為由 CHN 進口的小麥價格之漲幅低於此兩地區從其他地區進口小麥的平均價格之漲幅，所以仍向 CHN 進口小麥，也因此 CHN 小麥出口量將因 EEU_FSU 與 IND 的進口需求(見表 13：糧食進口需求變動的模擬結果)而大幅上升了 86.03%。在氣候變遷的影響下，JPN 是世界油脂作物生產力上升最多的地區，這使得 JPN 油脂作物出口量上升了 77.59%，其中以油脂作物生產力下降較多的 EEU_FSU、IND 與

(12)

BRA 為主要出口對象，故我們也可從表 13 看出 EEU_FSU、IND 與 BRA 三個地區的油脂作物進口量分別上升了 16.1%、20.15%與 4.26%。 (二) 進口由表 13 可看出 EEU_FSU、IND、LAM 與 BRA 是全世界稻米進口量上升最多的地區，分別大幅上升了 139.77%、113.97%、65.06%與 63.61%，最主要是因為其稻米生產力下降太多，使得這些地區必須增加稻米的進口以維持稻米的消費需求。 (三) 各地區農業相關部門產品之 FOB 價格表 14 是農業相關部門產品之世界價格 FOB 指數的百分比變動模擬結果(以各出口國的出口量為權數)。表 15 為各地區農業相關部門出口品的 FOB 價格變動之模擬結果。在 GTAP 模型中，在不考慮出口稅(或補貼)之下，產品 PFOB 的百分比變動會等於其生產者供給價格的百分比變動；在 CGE 模型中，產品供給價格的百分比變動也會等於其均衡時市場價格的百分比變動(pm)(pfob(i,r,s) = pm(i,r) - tx(i,r) - txs(i,r,s))；如果又進一步不考慮生產稅的百分比變動(to)，市場價格的百分比變動(pm)即會等於生產者成本的百分比變動(ps)(pm+to=ps)。然而，因為在本研究模擬中並未對稅率變數進行衝擊，所以我們可由表 15 看出：在氣候變遷下，各地區農業相關產品的 FOB 價格指數百分比變動大小(以其地區出口至各地區之出口量為權數)與其生產成本的百分比變動相同(表 11)。 4.3 農業部門地租之變動由於氣候變遷影響了農作物的生產力，農業部門勢必調整其土地要素的使用量以因應這個衝擊，然而並非所有農地皆適合栽種各類型的農作物，因此本研究於模型中的各農業部門加入土地利用的設定，更能清楚地呈現在氣候變遷的影響下，土地於各農業部門間的移轉與地租的變化情形。在此以 ARG 地區之模擬結果為例子，詳細分析此地區各農業相關部門的土地需求與地租變動的情形，並表達各農業相關部門間互動的行為。 ARG 因為稻米、小麥、其他穀類作物、油脂作物生產力都受氣候變遷正面的影響 (表 9)，所以 ARG 可以減少其要素投入量，即可維持原來的產出水準，但是因為 ARG 鄰近地區之作物：BRA 的稻米、EEU_FSU 的小麥、LAM 的其他穀類作物生產力大幅下降，使得這三個地區必須仰賴更多的進口糧食以維持糧食的消費需求。而且，因為 ARG 之稻米產量與出口量上升幅度均較其小麥、其他穀類作物、油脂作物等三個部門之增幅還高(見表 10 與表 12)，因此 ARG 稻米部門更積極地擴張土地需求以種植其稻米，但是土地總面積是固定的，於是 ARG 各部門就必須支付更高的地租以取得更多的土地面積種植其作物，競爭激烈的結果使得 ARG 地租全面上漲(表 16)，而且此四種糧食作物部門土地需求量也上升，其中以稻米部門的地租漲幅最大而且土地需求量上升幅度也最多(表 17)。另外，蔬果作物、甘蔗與牲畜部門土地使用量因受稻米、小麥、其他穀類作物、油脂作物等四個部門的剝奪而下降(表 17)。

(13)

4.4 福利變動表 18 為在考慮 CO2肥沃效果下，2020 年氣候變遷對各地區福利影響之模擬結果的拆解。 (一) 技術變動對福利水準的影響由表 18 中可看出 EEU_FSU 是受氣候變遷影響下，技術變動之福利水準下降最多的地區，這是因為 2020 年未出現氣候變遷之前(即更新 GTAP 資料庫至 2020 年時所呈現的經濟狀態)，EEU_FSU 是世界小麥的第二生產大國與其他穀類作物的第三生產大國 (以產值衡量)，但發生氣候變遷後(對農作物技術變動變數進行衝擊後) EEU_FSU 這兩種作物的生產力分別下降了 12%與 14%，幾乎成了世界所有地區中，該作物之生產力下降最多的地區，繼而 EEU_FSU 農作物的生產力下降效果完全反應在其原有的廣大耕地面積之上，最終造成其技術變動下的福利水準大幅下降了 4337.49(百萬美元)。

除了 EEU_FSU 之外，IND 與 AFR 也因農作物技術的變動使得其技術變動之福利水準大幅下降，最主要是尚未發生氣候變遷之前，我們預期 2001 年到 2020 年 IND 與 AFR 的 GDP 和人口成長率會高於世界大部分的地區，繼而引發強勁的糧食需求成長而使得 IND 大量增加小麥、油脂作物與稻米的生產(或耕種面積)，AFR 則是增加小麥與其他穀類作物的生產，但是 2020 年氣候變遷使得這兩個地區該項農作物之生產力全面下降，繼而使得此兩地區的農作物產值大幅下降，最後均衡時 IND 與 AFR 技術變動效果之福利水準分別下降了 2576.02(百萬美元)與 1417.61(百萬美元)。然而，位處高緯度的 USA 福利水準深受農作物生產力技術變動的影響明顯下降，這是因為 2020 年未出現氣候變遷之前，USA 為「其他穀類作物」的第一出口大國，出口需求使得 USA 成為世界其他穀類作物第一生產大國，但是 USA 其他穀類作物的生產力卻大幅下降(僅次於 EEU_FSU)，使得 USA 其他穀類作物的產量為世界所有地區中下降最多的地區(表 10)，繼而 USA 的其他穀類作物產值也大幅下降，最後均衡時，純粹因為技術變動效果使得 USA 福利水準下降了 1753.54(百萬美元)。 JPN 為受農作物生產力技術變動之福利水準正面影響最大的地區，最大的原因為在未發生氣候變遷之前，JPN 是世界稻米的第二生產大國，主要是滿足 CPA 因人口與 GDP 大幅成長產生的糧食進口需求成長，然而 2020 氣候變遷使得日本稻米生產力上升了 6%，成為全世界稻米生產力上升最大的地區，繼而反應至其廣大的稻米耕種面積之上、稻米產值因而大幅上升，因此，最後均衡時，JPN 技術變動效果之福利水準上升了 551.02(百萬美元)。 (二) 貿易條件改變對福利水準的影響由表 18 可看出：USA 是全世界貿易條件(TOT)改變之福利水準上升最多的地區。氣候變遷雖然使得 USA 糧食的單位生產成本上升(尤其以「其他穀類作物」漲幅最大)，但這反而提高了 USA 出口品的離岸價格，繼而提高 USA 出口品在世界市場上的競爭力。此外，由於 USA 原本就是一個貿易市場中的糧食出口大國，加上 USA 一籃出口品的離岸價格(pfob)上漲，且其一籃進口品之離岸價格下降，因此 USA 的貿易條件獲得改善，最後經濟體系達到均衡時，USA 貿易條件改變之福利水準大幅上升了 961.80(百萬

(14)

美元)。

MEA 是世界上因 TOT 惡化而使其 TOT 改變之福利水準下降最多的地區，這是因為氣候變遷雖然使得 MEA 大部分糧食的生產成本小幅上升，進一步提高其出口品之離岸價格，但是因為在 2020 年時，MEA 每種產品在出口貿易市場中所佔的份額相當小，所以對於 MEA 而言，其在出口貿易上的利得也相對較小。另一方面，由於 MEA 是世界貿易市場上糧食的淨進口國，而且仰賴的進口國其糧食之進口價格(PFOB)皆上漲(例如：USA 的其他穀類作物進口價格)，所以最後均衡時，使得 MEA 在貿易市場上收到的每單位出口品價格指數之增幅低於所支付的每單位進口品價格指數之增幅，最終貿易條件的惡化使得 MEA 貿易條件改變之福利水準下降了 225.58(百萬美元)。 (三) 考慮 CO2肥沃效果下，2020 年氣候變遷對總福利水準的影響圖 6 為考慮 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。

由圖 6 可看出，在考慮 CO2肥沃效果後，開發中國家(依 IIASA(2007)之 World Population Program 定義)－IND、AFR、LAM、MEX、BRA、CHN 與 SAS 福利皆下降，而已開發國家－AUS、JPN、CAN 與 NZL 福利皆上升，其與該地區農作物技術變動之衝擊值變動方向相一致。而且，位處高緯度且為已開發國家的 EEU_FSU 由於其農作物產出率受到最負面的影響，使得 EEU_FSU 成為世界總福利水準下降最多的地區；地處高緯度的 USA 也受氣候變遷的影響使其福利水準小幅下降，最主要的原因是我們預期在 2020 年未發生氣候變遷下，USA 是世界「其他穀類作物」的生產第一大國，但是 USA 因為「其他穀類作物」產出率受到全球暖化嚴重的負面衝擊，使得美國技術變動之福利水準下降，最終導致 USA 總福利水準也小幅下降。整體而言，本研究得到各地區的福利變動模擬結果為：地處高緯度的國家大多因氣候變遷而得利，位處中低緯度的國家則因氣候變遷而受害。 4.5 討論在本研究模擬結果中，氣候變遷對四種農作物：稻米、小麥、油脂作物與其他穀類作物的產出變化與生產成本變化之模擬結果，其大多明顯地與其相對應之農作物的生產力衝擊變化分別呈同方向變動與呈反方向變動關係；而且，由於投入－產出的關係：其他穀類作物可做為畜牧產品的生產投入要素，農產加工產業－糖業、肉類加工品業與食用油脂產業分別使用甘蔗、畜牧品與油脂作物做為其生產的主要要素投入之一，因此我們可以發現這些農產加工品的生產成本變化大致與其農作物投入要素成本的變化呈同方向變動。在糧食價格方面，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，而以「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生產投入要素之一，所以畜牧產品的世界價格也隨之上漲。在糧食生產方面，氣候變遷使得世界稻米、小麥、油脂作物與其他穀類作物的產出

(15)

小幅小降，而且，在考慮 CO2肥沃效果的情況下，將會降低世界農業產出的負面影響。在進出口方面，由於在氣候變遷影響下，中歐、東歐與前蘇聯的農作物產出率受到嚴重的負面衝擊，將預期在 2020 年時，其糧食進口需求將大幅成長；而屬於開發中國家的阿根廷因為鄰國巴西、拉丁美洲與加勒比海地區其國內農作物生產力下降太多而大量進口來自阿根廷的糧食作物，因此，預期在 2020 年時，阿根廷的糧食出口量將會大幅成長。另外，新興經濟體之一的中國(包括台灣)與亞洲中央計劃經濟體(包括香港、韓國、東亞其他國家、越南、東南亞其他國家)在 2020 年時的糧食出口量將顯著成長，這是因為在其國內糧食需求快速成長的同時，其區域內之農作物生產力變化相較於世界其他地區所受到的衝擊較小(亦即影響相對較正面)，因此在國內糧食產出水準提高且能夠滿足其國內需求之外，並且也使其在未來的世界糧食出口貿易市場具有一定的成長潛力，這與 OECD-FAO (2008)對 2017 年農產品市場預測之結果：「在未來多種農產品市場中，新興經濟體出口的成長力將預期超過 OECD 國家」是一致的。整體而言，位於低緯度之開發中國家(例如：印度、南亞、巴西、拉丁美洲與加勒比海地區、墨西哥與非洲等)由於國內的人口與經濟快速成長，加上其地區的農作物生產力普遍下降，所以將成為 2020 年的糧食進口國，相反地，大多數位於中高緯度之已開發國家(例如：日本、西歐、加拿大、美國)將為 2020 年的糧食出口國。

在福利變動方面，在考慮 CO2肥沃效果後，開發中國家(依 IIASA(2007)之 World Population Program 定義)－印度、非洲、拉丁美洲與加勒比海地區、墨西哥、巴西、中國與南亞福利皆下降，而已開發國家－澳洲、日本、加拿大與紐西蘭福利皆上升。大致而言，開發中國家因其地理位置較靠近赤道，原本炎熱的天氣型態在受到全球暖化的影響下更不適合農作物的生長，因而造成國內農作物生產力下降較多，最後福利水準也受到較負面的影響。但是，位處高緯度且為已開發國家的中歐、東歐與前蘇聯由於其農作物產出率受到最負面的衝擊，使得中歐、東歐與前蘇聯成為世界所有地區中福利下降最多的地區；地處高緯度的美國也受氣候變遷的影響使其福利小幅下降，最主要的原因是我們預期在 2020 年未發生氣候變遷下，美國是世界其他穀類作物的生產第一大國，但是美國因為「其他穀類作物」生產率受到全球暖化嚴重的負面衝擊，使得美國技術變動之福利水準下降，最終導致美國總福利水準也小幅下降。最後，在此將本研究之福利變動的模擬結果與其他氣候變遷相關研究之文獻作一比較：

本研究之模擬結果與 Fischer et al. (2002)應用 BLS 一般均衡模型模擬在 IPCC SRES 之 A2 情境下，2080 年氣候變遷對世界農業經濟的影響之結論一致：大體而言，地處高緯度的國家大多因氣候變遷而得利，位於中低緯度的國家則因氣候變遷而受害；而地處高緯度的中歐、東歐與前蘇聯卻是 GDP 下降最多的地區(在 Fischer et al. (2002)的結論為：歐洲 GDP 降幅最大，而蘇聯 GDP 小幅下降) 主要是該地區的農作物產出率大幅下降所致。然而，因為在 Fischer et al. (2002)之研究中，將美國與加拿大加總為一區(其稱為北美洲)，故我們無法得知其美國之 GDP 變動的模擬結果來與本研究模擬中的美國

(16)

GDP 變動結果互相比較。在李慕真(1999)應用 GTAP 模型模擬氣候變遷對亞太地區農產貿易的影響之結果中，其高緯度地區之福利變動的模擬結果均較本研究的結果來的正面許多，而低緯度地區之福利變動的模擬結果卻較本研究的結果來的負面，這是因為：大體而言，李慕真 (1999)所採用的 GISS 氣候模型－CO2×2 情境下之農作物生產力衝擊值與本研究所採用的 HadCM3-A 氣候模型預測 IS92a 溫室氣體排放路徑之 2020 年農作物生產力衝擊值中，其各作物所呈現的生產力衝擊值大小之型態也如同福利變化的模擬結果(例如：李慕真(1999)所採用的加拿大與美國(高緯度地區)農作物生產力衝擊值之升幅大致較本研究來的大，因此其加拿大與美國的福利水準上升幅度也較本研究的結果來的大；而李慕真(1999)所採用的墨西哥(低緯度地區)農作物生產力衝擊值之降幅較本研究來的大，因此其墨西哥福利水準下降也較本研究的結果來的多)。此外，由於本研究有加入 GTAP 土地利用模型的設定，故對於各地區農作物產量變動、地租變化等的模擬結果更適合詮釋氣候變遷對各經濟體的影響。不過，整體而言，我們仍然得到一致的結論：地處高緯度的國家大多因氣候變遷而得利，位於中低緯度的國家則因氣候變遷而受害。

參考文獻

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.

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 (2000a). SRES final data, from http://sres.ciesin.org/final_data.html

(17)

IPCC (2001). Technical Summary of the Working Group 1 Report.

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. 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. 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. 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.

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.

Tsigas, E., Frisvold, B., & Kuhn, B. (1997). Global climate change and agriculture Global trade analysis: modeling and applications (pp. 280-304): Cambridge: Cambridge University Press. 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. 李慧琳、鄭孟庭、張靜貞(2009, 12 月 19 日)。氣候變遷對全球糧食價格、生產及福利變動的影響分析--全球可計算一般均衡模型之應用。台灣經濟學會 2009 年年會，台北。李慧琳、鄭孟庭、張靜貞(2009, 12 月 12 日)。氣候變遷對全球糧食價格、生產及福利變動的影響分析--全球可計算一般均衡模型之應用。台灣農村經濟學會 2009 年年會，台中。鄭孟庭 (2009). 氣候變遷對全球糧食價格、生產及福利變動的影響分析-全球可計算一般均衡模型之應用. 經濟學研究所. 台北, 國立政治大學. 碩士: 200.

(18)

表

表 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

Darwin (1995) 李慕真(1999) 本研究

基準年 1990 1995 2020

氣候情境 GISS、GFDL、UKMO、OSU GISS HadleyCM3 衝擊變數土地資源與水資源百分比變動量(Darwin (1995) ,p.20 ,p.22) 農作物生產力百分比變動量農作物生產力百分比變動量 CO2肥沃效果不考慮考慮考慮技術與管理調適措施利用土地資源變動量的不同，表示允許加入新的農耕地做為調適措施不考慮在作物模型透過生產力變動量的不同表示存在調適措施(本研究採用中等調適措施下的生產力變動資料) 土地分類將土地分為 4 種類型-農業、畜牧、林業與其他用地，且再依 LGP 不同劃分為 6 個區位土地無土地類型分類將土地分為 2 種類型-農業 (包括農作物與畜牧用地) 與林業用地，且再依 LGP 不同劃分為 6 個區位土地土地利用設定所有部門皆使用土地只有農業部門使用土地只有農業部門使用土地水資源設定含水資源(農業與服務業部門 使用) 不考慮不考慮主要結論加拿大與日本 GDP 上升最多，而歐盟和東南亞 GDP 下降最多。整體而言，氣候變遷對全球糧食生產、價格與 GDP 影響不大。考慮 CO2肥沃效果下，中國與日本福利上升最多，而墨西哥與東南亞福利下降最多。氣候變遷對全球福利影響是正面的。在考慮 CO2肥沃效果下，阿根廷、澳洲與日本福利上升最多，而中歐、東歐與前蘇聯地區以及印度福利下降最多，氣候變遷對全球福利影響是負面的。

(19)

表 2 GTAP 模型全球 AEZ 區位土地定義

LGP 天數 Moisture regime 氣候區 GTAP 土地區位熱帶 AEZ 1 溫帶 AEZ 7 0~59 Arid 寒帶 AEZ 13 熱帶 AEZ 2 溫帶 AEZ 8 60~119 Dry semi-arid 寒帶 AEZ 14 熱帶 AEZ 3 溫帶 AEZ 9 120~179 Moist semi-arid 寒帶 AEZ 15 熱帶 AEZ 4 溫帶 AEZ 10 180~239 Sub-humid 寒帶 AEZ 16 熱帶 AEZ 5 溫帶 AEZ 11 240~299 humid 寒帶 AEZ 17 熱帶 AEZ 6 溫帶 AEZ 12 >300 天 Humid; year-round growing season 寒帶 AEZ 18 資料來源：Lee et al. (2005)。表 3 GTAP 土地利用資料庫的格式 r 地區土地利用型態 AEZ 區位土地農作物部門 1 … 農作物部門 N 畜牧部門 1 … 畜牧部門 N 林業部門 1 … 林業部門 1 AEZ 1 AEZ 2 AEZ 3 AEZ 4 AEZ 5 AEZ 6 總和資料來源：Lee et al. (2005)。

(20)

表 4 本研究之地區別加總編號本研究之地區別地區代碼 GTAP 資料庫之國家/地區 1 加拿大 CAN 加拿大 2 美國 USA 美國 3 西歐 WEU 北美其他地區, 奧地利, 比利時, 丹麥, 芬蘭, 法國, 德國, 英國, 希臘, 愛爾蘭, 義大利, 蘆森堡, 荷蘭, 葡萄牙, 西班牙, 瑞典, 瑞士, 其他歐洲自由貿易區, 塞普勒斯, 馬爾他, 土耳其 4 澳洲 AUS 澳洲 5 日本 JPN 日本 6 紐西蘭 NZL 紐西蘭 7 中歐、東歐與前蘇聯 EEU_FSU 歐洲其他國家, 阿爾巴尼亞, 保加利亞, 克羅埃西亞共和國, 捷克共和國, 匈牙利, 波蘭, 羅馬尼亞, 斯洛伐克, 斯洛維尼亞共和國, 愛沙尼亞, 拉脫維亞, 立陶宛, 俄羅斯聯邦, 前蘇聯其他國家 8 中國 CHN 中國, 台灣 9 亞洲中央計劃經濟體 CPA 香港, 韓國, 東亞其他國家, 越南, 東南亞其他國家 10 印度 IND 印度 11 南亞 SAS 孟加拉, 斯里蘭卡, 南亞其他國家 12 印尼 IDN 印尼 13 其他亞洲太平洋地區 PAS 大洋洲其他國家, 馬來西亞, 菲律賓, 新加坡, 泰國 14 東非與北非 MEA 中非與東非其他地區 15 巴西 BRA 巴西 16 墨西哥 MEX 墨西哥 17 拉丁美洲與加勒比海地區 LAM 哥倫比亞, 祕魯, 委內瑞拉, 安地斯條約其他地區, 智利, 烏拉圭, 南美其他國家, 中美地區, 其他北美自由貿易區, 加勒比海其他地區 18 阿根廷 ARG 阿根廷 19 非洲撒哈拉沙漠以南地區 AFR 摩洛哥, 突尼西亞, 北非其他國家, 波札那, 南非, 其他南非關稅聯盟地區, 馬拉威, 莫三比克, 坦尚尼亞, 尚比亞, 辛巴威, 其他南非發展共同體地區, 馬達加斯加, 烏干達, 撒哈拉沙漠其他地區

(21)

表 5 IIASA-SRES 地區分類與本研究使用之地區分類之對照 IIASA-SRES

地區編號

IIASA-SRES 地區分類本研究使用之地區分類

1 北美地區(NAM)* 加拿大(CAN), 美國(USA)

2 西歐(WEU)* 西歐(WEU)

3 太平洋 OECD 地區(PAO)* 澳洲(AUS), 日本(JPN), 紐西蘭(NZL) 4 中歐與東歐(EEU)*

5 前蘇聯(FSU) *

中歐、東歐與前蘇聯(EEU_FSU)

6 亞洲中央計劃經濟體(CPA) 中國(CHN), 亞洲中央計劃經濟體(CPA) 7 南亞(SAS) 印度(IND), 南亞(SAS)

8 其他亞洲太平洋地區(PAS) 印尼(IDN), 其他亞洲太平洋地區(PAS) 9 東非與北非(MEA) 東非與北非(MEA)

10

拉丁美洲與加勒比海地區(LAM) 巴西(BRA), 墨西哥(MEX), 拉丁美洲與加勒比海地區(LAM), 阿根廷(ARG)

11 非洲撒哈拉沙漠以南地區(AFR) 非洲撒哈拉沙漠以南地區(AFR) * IIASA-SRES 情境中定義的工業化地區(industrialized region)，其他未打*者屬於開發中地區 (developing region)；其中，前蘇聯(FSU)地區只有是屬於歐盟之國家才歸類為工業化地區。資料來源：World Population Program(IIASA, 2007a)。

(22)

表 6 本研究之部門加總 1 稻穀 pdr 16 漁業、紡織業、採礦業及製造業 ftmm 2 小麥 wht 漁產 fsh 3 其它穀類作物 gro 煤 coa 4 蔬果作物 v_f 其他礦產 omn 蔬菜及水果 v_f 紡織品 tex 園藝作物 pfd 成衣 wap 其他作物 ocr 皮革及其製品 lea 5 油脂作物 osd 木材製品 lum 6 甘蔗 c_b 紙及其製品 ppp 7 米及製粉 pcr 化學、橡膠及塑膠製品 crp 8 畜牧品 meat 非金屬礦物製品 nmm 動物 ctl 鋼鐵 i_s 動物副產品 oap 非鐵金屬 nfm 生乳 rmk 金屬製品 fmp 羊毛 wol 汽車及零件 mvh 9 林產 frs 其他運輸工具 otn 10 肉類加工品 pcm 電機及電子產品 ele 屠宰生肉 cmt 機械 ome 肉類製品 omt 其他製品 omf 乳製品 mil 17 服務業 sev 11 食用油脂 vol 電力 ely 12 糖 sgr 燃氣 gdt 13 其他食品 ofd 自來水 wtr 14 飲料及菸酒 b_t 營造工程 cns 15 煤、原油及天然氣 cog 貿易 trd 原油 oil 其他運輸 otp 天然氣 gas 海運 wtp 石油及煤產品 p_c 空運 atp 通訊 cmn 其他金融服務 ofi 保險 isr 其他商業服務 obs 娛樂與其他服務業 ros 公共行政、醫療及教育 osg 住宅服務 dwe

(23)

表 7 本研究更新 GTAP 資料庫所使用之人口成長率衝擊值單位：百分比變動(%) 本研究之地區分類 2001~2005 年 2005~2010 年 2010~2015 年 2015~2020 年 1 加拿大(CAN) 3.09 3.88 4.27 4.27 2 美國(USA) 3.09 3.88 4.27 4.27 3 西歐(WEU) 0.95 1.19 1.37 1.37 4 澳洲(AUS) 1.09 1.36 0.79 0.79 5 日本(JPN) 1.09 1.36 0.79 0.79 6 紐西蘭(NZL) 1.09 1.36 0.79 0.79 7 中歐、東歐與前蘇聯(EEU_FSU) 1.05 1.32 1.12 1.12 8 中國(CHN) 2.50 3.13 3.00 3.00 9 亞洲中央計劃經濟體(CPA) 2.50 3.13 3.00 3.00 10 印度(IND) 7.62 9.62 8.97 8.97 11 南亞(SAS) 7.62 9.62 8.97 8.97 12 印尼(IDN) 5.57 7.01 5.80 5.80 13 其他亞洲太平洋地區(PAS) 5.57 7.01 5.80 5.80 14 東非與北非(MEA) 9.66 12.22 11.78 11.78 15 巴西(BRA) 6.37 8.02 7.18 7.18 16 墨西哥(MEX) 6.37 8.02 7.18 7.18 17 拉丁美洲與加勒比海地區(LAM) 6.37 8.02 7.18 7.18 18 阿根廷(ARG) 6.37 8.02 7.18 7.18 19 非洲撒哈拉沙漠以南地區(AFR) 10.34 13.09 12.92 12.92 資料來源：由 IIASA-SRES 之 A2r 情境(IIASA (2007)資料庫)所設定的人口數據加以修改為本研究使用的人口成長率衝擊資料。

(24)

表 8 本研究更新 GTAP 資料庫所使用之 GDP 成長率衝擊值單位：百分比變動(%) 本研究之地區分類 2001~2005 年 2005~2010 年 2010~2015 年 2015~2020 年 1 加拿大(CAN) 8.93 11.29 13.01 13.01 2 美國(USA) 8.93 11.29 13.01 13.01 3 西歐(WEU) 7.60 9.59 8.67 8.67 4 澳洲(AUS) 6.65 8.38 8.36 8.36 5 日本(JPN) 6.65 8.38 8.36 8.36 6 紐西蘭(NZL) 6.65 8.38 8.36 8.36 7 中歐、東歐與前蘇聯(EEU_FSU) 5.38 6.77 30.45 30.45 8 中國(CHN) 30.30 39.21 34.81 34.81 9 亞洲中央計劃經濟體(CPA) 30.30 39.21 34.81 34.81 10 印度(IND) 18.93 24.19 24.92 24.92 11 南亞(SAS) 18.93 24.19 24.92 24.92 12 印尼(IDN) 17.46 22.28 19.63 19.63 13 其他亞洲太平洋地區(PAS) 17.46 22.28 19.63 19.63 14 東非與北非(MEA) 19.20 24.55 29.21 29.21 15 巴西(BRA) 14.14 17.98 19.26 19.26 16 墨西哥(MEX) 14.14 17.98 19.26 19.26 17 拉丁美洲與加勒比海地區(LAM) 14.14 17.98 19.26 19.26 18 阿根廷(ARG) 14.14 17.98 19.26 19.26 19 非洲撒哈拉沙漠以南地區(AFR) 11.17 14.15 19.11 19.11 資料來源：由 IIASA-SRES 之 A2r 情境(IIASA (2007)資料庫)所設定的 GDP 數據加以修改為本研究使用的 GDP 成長率衝擊資料。

(25)

表 9 本研究使用之氣候變遷對作物生產力衝擊值 (單位：百分比變動量) 本研究之模擬情境含 CO2肥沃效果下的農作物生產力變動量編號地區別與商品別稻米小麥其他穀類作物油脂作物 1 加拿大(CAN) 0.00 -1.00 -3.00 12.00 2 美國(USA) -2.00 0.00 -13.00 1.00 3 西歐(WEU) 0.12 3.15 -2.28 1.60 4 澳洲(AUS) -1.00 6.00 4.00 8.00 5 日本(JPN) 6.00 1.00 0.00 12.00 6 紐西蘭(NZL) 0.00 -3.00 -7.00 0.00 7 中歐、東歐與前蘇聯(EEU_FSU) -14.00 -12.00 -14.00 -10.00 8 中國(CHN) -1.00 6.00 -6.00 -5.00 9 亞洲中央計劃經濟體(CPA) 3.00 4.00 0.00 4.00 10 印度(IND) -8.00 -6.00 -8.00 -4.00 11 南亞(SAS) -0.74 -6.14 -5.87 0.99 12 印尼(IDN) 1.00 0.00 -2.00 1.00 13 其他亞洲太平洋地區(PAS) 1.59 4.29 -0.80 5.49 14 東非與北非(MEA) -2.52 -2.15 -6.50 -3.64 15 巴西(BRA) -20.00 -18.00 1.00 -5.00 16 墨西哥(MEX) -11.00 -9.00 -3.00 -2.00 17 拉丁美洲與加勒比海地區(LAM) -14.70 -10.91 -3.00 -2.38 18 阿根廷(ARG) 2.00 4.00 0.00 9.00 19 非洲撒哈拉沙漠以南地區(AFR) -6.37 -1.79 -6.98 -4.97 資料來源：由 Rosenweig 等人(2001)的農作物生產力變動數據加以修改為本研究使用的農作物生產力衝擊資料。

(26)

表 10 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單位：百分比變動 qo 稻米小麥其他穀類作物蔬果油脂作物甘蔗米及製粉牲畜林產肉類加工品食用油脂糖加拿大(CAN) 14.93 0.20 6.80 -0.45 29.42 0.47 -1.92 0.33 -0.13 0.02 0.48 0.49 美國(USA) 7.71 2.18 -5.15 -0.43 0.49 -0.02 -0.55 -0.71 -0.05 -0.30 -0.07 -0.01 西歐(WEU) 7.02 12.99 3.40 -0.12 4.52 0.11 -0.80 0.19 -0.06 0.03 0.07 0.14 澳洲(AUS) -0.17 19.82 15.48 -0.56 16.54 0.09 -1.02 0.06 -0.17 -0.22 -0.29 -0.10 日本(JPN) 2.49 4.63 11.31 0.13 8.55 0.04 0.69 -0.08 -0.01 -0.02 0.50 0.03 紐西蘭(NZL) 0.38 -4.03 -0.24 0.63 0.20 0.10 0.12 0.37 -0.25 0.06 0.04 0.08 中歐、東歐與前蘇聯(EEU_FSU) -3.40 -5.72 -0.37 -0.65 -8.26 -0.21 -1.04 -0.34 -0.08 -0.86 -1.19 -0.70 中國(CHN) 0.12 2.51 0.96 0.06 -4.21 0.05 0.00 0.04 -0.06 0.15 -0.43 0.30 亞洲中央計劃經濟體(CPA) 2.79 2.68 5.67 0.16 5.96 0.02 2.22 0.19 -0.18 0.13 -0.59 0.00 印度(IND) -1.09 -1.91 -0.90 -0.59 -1.32 -0.39 -0.47 -0.47 -0.11 -0.58 -4.94 -0.52 南亞(SAS) -0.01 -4.00 -0.84 0.01 0.05 -0.01 -0.12 -0.09 -0.04 -0.05 -0.39 0.07 印尼(IDN) 0.14 9.71 0.89 0.15 0.81 0.05 0.14 0.09 -0.20 0.08 0.26 0.05 其他亞洲太平洋地區(PAS) 1.96 27.87 1.64 0.03 7.12 0.13 1.09 0.19 -0.22 0.20 0.16 0.15 東非與北非(MEA) -0.69 -1.66 -0.43 0.02 -2.26 -0.55 0.13 -0.08 -0.02 -0.10 -1.25 -0.59 巴西(BRA) -8.22 -42.87 7.56 0.46 -8.72 0.32 -1.48 0.11 -0.01 0.12 -2.52 0.54 墨西哥(MEX) -12.38 -15.88 1.63 0.03 -4.24 -0.15 -0.43 0.18 -0.01 0.02 0.05 -0.16 拉丁美洲與加勒比海地(LAM) -7.82 -15.52 2.00 0.20 -2.48 -0.48 -2.07 -0.06 -0.08 -0.04 -1.03 -0.70 阿根廷(ARG) 49.82 14.99 8.98 -1.24 16.91 -0.51 -4.10 -0.49 -1.19 -0.57 13.10 -0.71 非洲撒哈拉沙漠以南地區(AFR) -6.21 -1.75 -0.49 -0.05 -3.79 -0.52 -6.34 -0.35 -0.12 -0.34 -2.24 -0.49

(27)

表 11 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單位：百分比變動 ps 稻米小麥其他穀類作物蔬果油脂作物甘蔗米及製粉牲畜林產肉類加工品食用油脂糖加拿大(CAN) 0.05 2.20 5.14 0.79 -7.96 0.36 1.93 0.59 -0.05 0.24 -0.38 0.08 美國(USA) 6.10 1.76 18.74 0.79 -0.34 0.71 0.27 1.64 -0.03 0.44 -0.08 0.04 西歐(WEU) 0.57 -1.44 3.58 0.56 -0.78 0.44 0.23 0.35 -0.13 0.11 0.03 0.07 澳洲(AUS) 1.86 -1.11 0.08 0.90 -4.42 0.90 0.46 0.46 -0.14 0.27 0.17 0.23 日本(JPN) -6.21 -0.60 1.36 -0.10 -11.33 -0.11 -3.18 0.71 -0.06 0.19 -0.77 0.01 紐西蘭(NZL) 0.06 3.18 8.58 0.27 0.14 0.06 0.06 0.22 -0.32 0.17 0.11 0.08 中歐、東歐與前蘇聯(EEU_FSU) 21.61 19.27 23.58 1.05 13.25 1.00 1.87 3.93 -0.06 0.61 0.90 0.55 中國(CHN) 1.37 -6.84 9.87 0.07 5.85 0.04 0.28 0.03 -0.06 0.02 0.65 -0.02 亞洲中央計劃經濟體(CPA) -3.02 -4.69 3.18 0.23 -2.48 0.06 -2.43 0.06 -0.46 0.02 0.50 0.01 印度(IND) 16.59 12.05 19.16 1.16 8.40 1.18 2.01 0.28 -0.93 0.07 2.89 0.49 南亞(SAS) 1.29 9.15 11.81 0.28 -1.39 0.26 0.36 0.05 -0.53 -0.01 -0.52 0.04 印尼(IDN) -1.50 -0.02 5.27 0.39 -1.26 0.16 -1.00 0.08 -0.49 0.03 -0.07 0.02 其他亞洲太平洋地區(PAS) -1.13 -4.00 3.18 0.42 -4.05 0.36 -0.62 0.10 -0.50 0.04 -0.03 0.08 東非與北非(MEA) 3.19 2.48 8.40 0.04 4.30 -0.08 0.18 0.38 -0.16 0.14 0.73 0.88 巴西(BRA) 27.68 19.18 -0.52 0.06 5.14 0.00 4.82 -0.00 -0.12 -0.05 1.96 -0.08 墨西哥(MEX) 12.59 7.81 5.87 0.55 1.81 0.54 0.39 0.44 -0.07 0.07 -0.29 0.32 拉丁美洲與加勒比海地(LAM) 20.64 11.62 5.19 0.27 2.61 -0.03 2.40 0.08 -0.27 0.10 0.69 0.76 阿根廷(ARG) 7.19 -1.03 2.93 1.63 -5.69 1.73 4.16 1.19 0.85 1.18 -2.56 1.40 非洲撒哈拉沙漠以南地區(AFR) 7.56 2.21 10.22 0.21 5.96 0.06 6.14 0.03 -1.02 0.10 0.88 0.47

(28)

表 12 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單位：百分比變動 qxw(i,r) 稻米小麥其他穀類作物蔬果油脂作物甘蔗米及製粉牲畜林產肉類加工品食用油脂糖加拿大(CAN) 58.19 0.15 13.33 -1.15 39.34 0.35 -8.41 1.34 -0.41 0.19 2.46 0.76 美國(USA) 22.98 3.24 -13.32 -1.25 1.25 -2.33 -0.33 -3.70 -0.60 -1.50 0.47 0.95 西歐(WEU) 25.11 27.30 9.57 -0.13 11.58 0.41 -1.28 1.45 -0.42 0.30 0.34 1.00 澳洲(AUS) 2.94 25.88 26.04 -1.85 17.72 -3.30 -2.40 0.32 -1.07 -0.54 -0.95 -0.17 日本(JPN) 45.59 34.95 21.03 2.54 77.59 2.28 21.39 -0.52 -1.09 -0.30 4.90 1.04 紐西蘭(NZL) 3.53 -14.29 1.90 1.01 1.68 1.62 1.04 1.28 -0.42 0.08 -0.51 0.76 中歐、東歐與前蘇聯(EEU_FSU) -61.74 -60.75 -22.06 -1.92 -36.84 -1.68 -8.35 -9.27 -0.40 -2.57 -4.22 -1.15 中國(CHN) 8.67 86.03 -1.54 1.55 -17.63 1.63 1.96 2.45 -0.86 1.41 -3.25 1.15 亞洲中央計劃經濟體(CPA) 101.82 74.55 15.74 1.22 5.56 0.52 10.57 1.97 -0.97 1.38 -2.21 0.99 印度(IND) -69.90 -51.99 -19.76 -2.91 -26.73 -4.31 -5.81 1.33 3.29 0.42 -15.61 -1.16 南亞(SAS) 5.96 -39.30 -4.52 0.79 8.21 0.43 0.92 2.03 0.42 0.08 2.84 1.20 印尼(IDN) 21.65 14.05 9.95 0.52 3.76 0.92 4.25 1.67 -0.80 0.57 0.88 1.05 其他亞洲太平洋地區(PAS) 39.37 55.52 13.55 0.14 18.03 -0.00 6.01 1.74 -0.55 0.89 0.40 0.58 東非與北非(MEA) 15.78 -3.92 0.34 1.70 -11.55 1.37 1.19 0.75 -0.66 0.11 -2.91 -2.26 巴西(BRA) -72.48 -72.42 26.00 2.02 -17.30 1.33 -17.30 2.91 -1.69 1.96 -11.35 1.75 墨西哥(MEX) 7.00 -42.01 8.97 0.17 -10.78 -1.03 -1.95 2.46 -0.70 1.18 1.55 -0.12 拉丁美洲與加勒比海地(LAM) -17.24 -54.44 11.67 1.20 -4.99 1.16 -2.72 2.12 -0.77 0.84 -4.37 -2.13 阿根廷(ARG) 200.24 21.70 15.78 -4.52 30.67 -6.25 -11.14 -2.39 -3.43 -6.98 17.22 -4.74 非洲撒哈拉沙漠以南地區(AFR) -16.98 -3.73 2.29 1.25 -17.50 1.43 -19.26 1.78 2.22 0.16 -4.97 -0.90

(29)

表 13 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單位：百分比變動 qim(i,r) 稻米小麥其他穀類作物蔬果油脂作物甘蔗米及製粉牲畜林產肉類加工品食用油脂糖加拿大(CAN) -4.71 -9.02 -9.85 0.10 -6.32 0.07 0.05 -0.93 -0.19 -0.38 -0.81 -0.05 美國(USA) 23.67 -2.56 16.01 0.63 7.13 0.22 2.43 2.17 0.10 0.66 -0.43 -0.96 西歐(WEU) -3.14 -5.96 -0.63 0.15 -2.41 0.44 0.83 -0.74 -0.02 -0.11 -0.15 -0.50 澳洲(AUS) 5.98 -19.30 -12.79 0.95 -3.44 1.28 2.38 -0.24 -0.19 0.38 0.86 0.25 日本(JPN) -28.15 -1.06 -1.00 -0.67 -0.68 -1.09 -5.57 -0.24 0.11 -0.17 -3.30 -0.16 紐西蘭(NZL) -0.09 7.71 3.81 -0.30 1.20 -0.07 0.10 -0.55 -0.46 -0.25 -0.29 -0.07 中歐、東歐與前蘇聯(EEU_FSU) 139.77 26.10 11.56 0.43 16.10 1.40 6.06 3.84 0.02 0.47 1.70 -0.09 中國(CHN) 9.91 -24.36 0.22 -0.67 3.85 -0.05 2.49 -2.00 0.39 -0.65 1.83 -0.26 亞洲中央計劃經濟體(CPA) -2.12 -9.79 -1.35 -0.37 -1.30 -0.16 -4.48 -1.20 -0.37 -0.66 0.77 -0.34 印度(IND) 113.97 51.11 9.69 1.23 20.15 2.14 7.46 -0.68 -1.40 -0.49 7.66 0.56 南亞(SAS) 2.39 17.60 2.90 -0.52 -0.96 -0.40 3.72 -0.82 -0.49 -0.66 0.63 -0.77 印尼(IDN) 2.51 0.13 -5.20 -0.20 -1.75 -0.54 0.07 -0.76 -0.92 -0.50 -2.20 -0.26 其他亞洲太平洋地區(PAS) -4.94 0.11 -2.53 0.02 -0.42 0.17 1.86 -0.62 -0.39 -0.30 0.63 -0.11 東非與北非(MEA) 0.84 0.59 -0.34 -0.52 3.58 -0.47 -0.66 -0.63 0.08 -0.05 1.06 1.32 巴西(BRA) 63.61 10.98 -3.99 -1.21 4.26 -0.67 6.79 -1.85 0.17 -2.35 9.84 -1.25 墨西哥(MEX) 19.78 14.17 -7.28 -0.27 0.49 0.41 1.30 -1.85 0.09 -1.10 -1.24 0.55 拉丁美洲與加勒比海地(LAM) 65.06 26.52 -6.49 -0.68 2.17 -1.28 5.83 -1.60 -0.61 -0.58 3.46 0.36 阿根廷(ARG) 58.87 -15.25 -6.35 2.36 -6.88 3.04 11.55 0.52 1.43 4.47 -9.02 3.14 非洲撒哈拉沙漠以南地區(AFR) 31.84 2.12 -3.29 -0.53 7.60 -0.76 10.47 -1.20 -2.00 -0.60 2.23 0.18

(30)

表 14 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單位：百分比變動產品出口品世界價格稻穀 2.28 小麥 1.64 其它穀類作物 11.14 蔬果作物 0.50 油脂作物 0.07 甘蔗 0.36 米及製粉 -0.38 畜牧品 0.87 林產 -0.26 肉類加工品 0.20 食用油脂 -0.22 糖 0.30

(31)

表 15 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 價格的影響單位：百分比變動 pxw(i,r) 稻米小麥其他穀類作物蔬果油脂作物甘蔗米及製粉牲畜林產肉類加工品食用油脂糖加拿大(CAN) 0.05 2.20 5.14 0.79 -7.96 0.36 1.93 0.59 -0.05 0.24 -0.38 0.08 美國(USA) 6.10 1.76 18.74 0.79 -0.34 0.71 0.27 1.64 -0.03 0.44 -0.08 0.04 西歐(WEU) 0.57 -1.44 3.58 0.56 -0.78 0.44 0.23 0.35 -0.13 0.11 0.03 0.07 澳洲(AUS) 1.86 -1.11 0.08 0.90 -4.42 0.90 0.46 0.46 -0.14 0.27 0.17 0.23 日本(JPN) -6.21 -0.60 1.36 -0.10 -11.33 -0.11 -3.18 0.71 -0.06 0.19 -0.77 0.01 紐西蘭(NZL) 0.06 3.18 8.58 0.27 0.14 0.06 0.06 0.22 -0.32 0.17 0.11 0.08 中歐、東歐與前蘇聯(EEU_FSU) 21.61 19.27 23.58 1.05 13.25 1.00 1.87 3.93 -0.06 0.61 0.90 0.55 中國(CHN) 1.37 -6.84 9.87 0.07 5.85 0.04 0.28 0.03 -0.06 0.02 0.65 -0.02 亞洲中央計劃經濟體(CPA) -3.02 -4.69 3.18 0.23 -2.48 0.06 -2.43 0.06 -0.46 0.02 0.50 0.01 印度(IND) 16.59 12.05 19.16 1.16 8.40 1.18 2.01 0.28 -0.93 0.07 2.89 0.49 南亞(SAS) 1.29 9.15 11.81 0.28 -1.39 0.26 0.36 0.05 -0.53 -0.01 -0.52 0.04 印尼(IDN) -1.50 -0.02 5.27 0.39 -1.26 0.16 -1.00 0.08 -0.49 0.03 -0.07 0.02 其他亞洲太平洋地區(PAS) -1.13 -4.00 3.18 0.42 -4.05 0.36 -0.62 0.10 -0.50 0.04 -0.03 0.08 東非與北非(MEA) 3.19 2.48 8.40 0.04 4.30 -0.08 0.18 0.38 -0.16 0.14 0.73 0.88 巴西(BRA) 27.68 19.18 -0.52 0.06 5.14 0.00 4.82 -0.00 -0.12 -0.05 1.96 -0.08 墨西哥(MEX) 12.59 7.81 5.87 0.55 1.81 0.54 0.39 0.44 -0.07 0.07 -0.29 0.32 拉丁美洲與加勒比海地(LAM) 20.64 11.62 5.19 0.27 2.61 -0.03 2.40 0.08 -0.27 0.10 0.69 0.76 阿根廷(ARG) 7.19 -1.03 2.93 1.63 -5.69 1.73 4.16 1.19 0.85 1.18 -2.56 1.40 非洲撒哈拉沙漠以南地區(AFR) 7.56 2.21 10.22 0.21 5.96 0.06 6.14 0.03 -1.02 0.10 0.88 0.47