設(shè)為首頁 | 加入收藏 | 今天是2024年12月23日 星期一

聚合智慧 | 升華財富
產(chǎn)業(yè)智庫服務(wù)平臺

七禾網(wǎng)首頁 >> 期貨股票期權(quán)專家

華泰期貨鄧紹瑞:印度百年高溫,產(chǎn)量影響幾何

最新高手視頻! 七禾網(wǎng) 時間:2022-06-07 13:41:56 來源:華泰期貨 作者:鄧紹瑞

【摘要】隨著全球變暖加劇,極端氣候頻發(fā),區(qū)域糧食產(chǎn)量不確定性持續(xù)增多。今年3月以來,印度遭受百年未有之高溫襲擊,尤其北部和西北區(qū)域,創(chuàng)下近122年來同期最高溫度記錄,此時正值印度冬季作物灌漿收獲的關(guān)鍵時期,勢必會對作物單產(chǎn)產(chǎn)生一定影響,進而影響總體產(chǎn)量。各大機構(gòu)從不同角度闡述分析了印度高溫對作物產(chǎn)量的影響,華泰期貨研究院農(nóng)產(chǎn)品組,基于客觀的衛(wèi)星遙感大數(shù)據(jù),并結(jié)合多種指標(biāo),從時空角度對印度高溫導(dǎo)致的作物產(chǎn)量的潛在變化進行了詳細的監(jiān)測和量化分析。


一、主要監(jiān)測方法及指標(biāo)介紹


作物產(chǎn)量不僅關(guān)系到農(nóng)民的生活,也決定著市場的波動和國家政策的制定。作物產(chǎn)量的形成是一個復(fù)雜的過程,中間涉及非常多的生理生化過程,氣象條件、土壤條件、田間管理、物候信息、農(nóng)時信息等都可以對產(chǎn)量產(chǎn)生重大影響。氣候變化尤其溫度和降水異常由于發(fā)生相對突然,自古便是農(nóng)業(yè)生產(chǎn)中的潛在風(fēng)險。對于風(fēng)險的管控可從多角度切入,但就市場而言,及時準(zhǔn)確的量化風(fēng)險的損益,便掌握了市場的主動權(quán)。


持續(xù)異常的印度氣溫到底會對作物的哪些方面產(chǎn)生影響?研究小組本著全面監(jiān)測的態(tài)度,對作物的生長發(fā)育過程和最后的產(chǎn)出做了詳細研究分析。首先,作物長勢的監(jiān)測通常采用歸一化植被指數(shù)(NDVI),增強型植被指數(shù)(EVI),植被狀態(tài)指數(shù)(VCI),葉面積指數(shù)(LAI)等指標(biāo),其中NDVI和EVI具有較高的可靠性,被廣泛應(yīng)用于美國農(nóng)業(yè)部(USDA)、聯(lián)合國糧農(nóng)組織(FAO)等組織機構(gòu)。


其次,作物產(chǎn)量的估測仍是學(xué)術(shù)界一大前沿課題,通常精度為68.1%到95.5%之間,平均精度為83.9%,目前作物估產(chǎn)模型達上百種之多,其理論基礎(chǔ)和側(cè)重點各不相同,粗分為經(jīng)驗統(tǒng)計模型、作物生長模型、光能利用率模型和耦合模型四大類。


其中光能利用率的模型邏輯高效,數(shù)據(jù)可以通過衛(wèi)星遙感技術(shù)獲取,被廣泛應(yīng)用于農(nóng)業(yè)監(jiān)測。其機理為:太陽光經(jīng)過大氣達到植被冠層表面后,經(jīng)過反射和透射,最終有一部分被葉片光合作用利用,這部分光能是作物產(chǎn)生糖類的主要能量,而糖類又是作物產(chǎn)量的物質(zhì)來源。通過對這個過程的監(jiān)測,可以從光能利用的角度對作物干物質(zhì)的積累過程進行測算。


第一凈生產(chǎn)力(NPP)和總初級生產(chǎn)力(GPP)是兩個表征光能利用有機物積累情況的重要指標(biāo)。GPP指單位時間、單位面積內(nèi)植物把無機物合成為有機物的總量或固定的總能量。該指標(biāo)是生態(tài)學(xué)中表征植被生物特征的重要指標(biāo),在國際上也有廣泛應(yīng)用。


NASA的Modis中分辨率衛(wèi)星遙感數(shù)據(jù)具有重訪周期短、光譜范圍廣、時間序列長的特點,是農(nóng)業(yè)衛(wèi)星遙感研究的重要數(shù)據(jù)源,而且Modis數(shù)據(jù)反演EVI和GPP有著成熟的研究基礎(chǔ),因此華泰期貨研究院農(nóng)產(chǎn)品組,以該遙感數(shù)據(jù)為主要數(shù)據(jù),反演EVI和GPP指標(biāo),并結(jié)合衛(wèi)星數(shù)據(jù)分類解譯耕地范圍,對印度高溫截止2022年5月9日(可獲取最新影像數(shù)據(jù))產(chǎn)生的影響進行全過程監(jiān)測。


二、受影響區(qū)域的耕地提取


印度異常高溫波及范圍廣、影響時間長,但要影響農(nóng)作物必須同時滿足以下兩個條件:該區(qū)域有異常高溫且存在處于重要生長期的農(nóng)作物。


圖 1: 印度作物生長峰值時空分布



圖 2: 印度作物生長末期時空分布

 


數(shù)據(jù)來源:FAO華泰期貨研究院


圖3: 印度8個重點研究邦域



圖 4: 印度8個邦域內(nèi)的耕地提取

 


數(shù)據(jù)來源:Modis衛(wèi)星和Sentinel衛(wèi)星 華泰期貨研究院


因此,根據(jù)聯(lián)合國糧農(nóng)組織(FAO)基于SPOT衛(wèi)星NDVI的長時間序列分析結(jié)果(圖1和圖2),印度在3月份處于生長中后期的冬季作物主要集中在北部和西北部的8個邦,該區(qū)域也是溫度異常的典型區(qū)域。


進而將旁遮普邦、哈里亞納邦、北方邦、拉賈斯坦邦、古吉拉特邦、中央邦、比哈爾邦和西孟加拉邦8個邦(圖3)劃定為重點監(jiān)測區(qū)域。結(jié)合GADM行政矢量范圍和歐空局(ESA)Sentinel系列衛(wèi)星數(shù)據(jù)的深度學(xué)習(xí)土地分類結(jié)果,精準(zhǔn)的提取8個重點邦內(nèi)部的耕地區(qū)域(圖4綠色區(qū)域),進而開展下一步研究。


三、基于EVI指數(shù)的作物長勢分析


首先針對作物生長發(fā)育的整個過程,將Modis反演的16天時間間隔的EVI指標(biāo),按照時間順序排列,便可直觀體現(xiàn)作物生長的動態(tài)過程,反應(yīng)作物從播種、出苗、抽穗到成熟收割的EVI 變化過程。


圖 5: 2017-2022年印度研究區(qū)EVI每16天統(tǒng)計值



數(shù)據(jù)來源:Modis衛(wèi)星 華泰期貨研究院


縱觀2017年以來(圖5),就整個區(qū)域而言,嚴(yán)格的遵循了一年兩熟,夏季作物5-6月播種(EVI低值),9月達到生長峰值(EVI高值),10月收獲(EVI低值)。冬季作物10-11月播種(EVI低值),2月到達生長峰值(EVI高值),4-5月收獲(EVI低值)。此次印度高溫3月開始,所以直接作用的是該區(qū)域的冬季作物。就整個大規(guī)律而言,冬季作物EVI值沒有發(fā)生特殊變化,也沒有出現(xiàn)太大波動,因此進一步橫向?qū)Ρ?022年與2018-2021年冬季作物在整個生長周期(11月到次年5月)每16天的EVI值。


圖 6: 2017-2022年印度研究區(qū)冬季作物整個生長期同期EVI均值對比



數(shù)據(jù)來源:Modis衛(wèi)星 華泰期貨研究院


結(jié)果如圖6所示,在高溫作用下,2022年作物的長勢曲線的變化規(guī)律同往年一致,且具體數(shù)值與往年也只有小幅波動,處于合理震蕩范圍。換而言之,該區(qū)域農(nóng)作物在該時間段遭受高溫時其株高、葉片、根莖等物理特征發(fā)育基本成型,受影響較小。


四、基于GPP的作物產(chǎn)量分析


相同長勢的作物并不意味著產(chǎn)量一致。因為在作物中后期,氣候指標(biāo)的變化更多的是對作物的生化反應(yīng)產(chǎn)生影響。即對灌漿以及光合作用強度產(chǎn)生不同程度的影響,這些生化反應(yīng)直接影響作物的產(chǎn)量。因此研究從光能利用角度引入GPP指標(biāo)對區(qū)域農(nóng)作物進行監(jiān)測,具體反演了從2017年11月1日到2022年5月9日期間每8天間隔的GPP值,反應(yīng)了作物在生長發(fā)育過程中每8天在單位時間內(nèi),單位面積上,通過光合作用途徑所固定有機物質(zhì)總量或有機碳總量。


圖 7: 2017-2022年印度研究區(qū)每8天GPP統(tǒng)計值



數(shù)據(jù)來源:Modis衛(wèi)星 華泰期貨研究院


如圖7所示,過去4年GPP的值呈現(xiàn)一定的規(guī)律性波動,數(shù)值呈現(xiàn)大小年的特征,但在今年3月出現(xiàn)了劇烈的震蕩。


為更詳細的了解GPP值的波動,橫向?qū)Ρ?個冬季生長周期內(nèi)同時間的GPP平均值(圖8),2022年GPP在3月份出現(xiàn)急劇上行后快速下降的特征,表明該時間段,光合作用先增強后快速減少,這一特征與光合作用中起催化作用的生物酶活性隨溫度升高而增強,但超過一定閾值后大幅下降的特征高度吻合。意味著,3月開始的高溫先促進了有機物的積累速度,然后又大幅的抑制了該過程。從另外一個角度,無論2017年到2021年產(chǎn)量如何,GPP在3-5月下降斜率基本保持一致,有機物的積累速度緩慢降低,但2022年該時期GPP曲線下降速率明顯高于其他年份。綜上,高溫對該區(qū)域光合作用強度產(chǎn)生一定影響。


圖 8: 2017-2022年印度研究區(qū)冬季生長期同期GPP均值對比



數(shù)據(jù)來源:Modis衛(wèi)星 華泰期貨研究院


但值得一提的是,2022年3月前的GPP值比往年同期均高,換而言之,如無高溫等極端氣候影響該區(qū)域今年產(chǎn)量可能增加,但高溫作用下,后期GPP值表現(xiàn)乏力。因此今年產(chǎn)量究竟如何? 研究組采用積分的方法量化對比各年份的有機物積累狀況,將各年份整個生長期內(nèi)每一塊耕地內(nèi)的GPP值進行累積,得到2018-2022年度的GPP累積空間分布圖。


圖 9: 2022年印度研究區(qū)冬季生長期GPP累積值



圖 10: 據(jù)歷史年份研究區(qū)冬季生長期GPP累積預(yù)測值

 


數(shù)據(jù)來源:Modis衛(wèi)星 華泰期貨研究院


對于歷史穩(wěn)定的指標(biāo)通常采用2018-2021年的均值作為參照與2022年(圖9)進行對比以確定變化量,但就GPP積累而言,2018-2021基本呈現(xiàn)波動上升趨勢,因此均值將在一定程度低估平均的有機物積累量,所以使用熵值法對2018-2021年賦予不同權(quán)重,以得到一個更為接近的往年預(yù)測值(圖10)。通過計算預(yù)測值與2022年真實GPP累積值之間的差異,得到每一塊耕地上的變化幅度。


圖 11: 印度研究區(qū)GPP累積量預(yù)測值與真實值變化情況



數(shù)據(jù)來源:Modis衛(wèi)星 華泰期貨研究院


如圖11,具體而言,占總面積4%的區(qū)域GPP積累量增加的區(qū)域,主要集中在拉賈斯坦邦(Rajasthan)東部區(qū)域、北方邦(Uttar Pradesh)西南區(qū)域。96%的下降區(qū)域中,降幅不超過1%的占總面積的69%,也就是這部分區(qū)域同往年產(chǎn)量基本持平,究其原因是該區(qū)域前期的有機物積累量已經(jīng)超過往年同期,后期的降幅基本抵消前期的增量。


圖 12: 印度研究區(qū)GPP累積量預(yù)測值與真實值變化情況分邦域統(tǒng)計



數(shù)據(jù)來源:Modis衛(wèi)星 華泰期貨研究院


但有占總面積27%的區(qū)域下降顯著,這些區(qū)域受高溫影響較大,這些區(qū)域分布于8個邦域,但主要集中在旁遮普邦(Punjub)、哈里亞納邦(Haryana)、北方邦(Uttar Pradesh)以及古吉拉特邦(Gujarat)等。


量化下降值,總體8個邦大面積區(qū)域GPP積累量較預(yù)測值下降10.62%,按照相關(guān)研究GPP與產(chǎn)量在99%的置信水平存在較強的相關(guān)關(guān)系,對于產(chǎn)量而言整個區(qū)域大約有近一成的減產(chǎn)。具體分區(qū)域統(tǒng)計各個行政區(qū)劃范圍內(nèi)的耕地產(chǎn)量,減產(chǎn)最嚴(yán)重的為北部的三個邦,旁遮普邦(Punjub)、哈里亞納邦(Haryana)、北方邦(Uttar Pradesh)幅度分別達到24.61%、18.32%和9.79%(如圖12)。


表 1: 印度糧食產(chǎn)量丨單位:千噸



資料來源:USDA 華泰期貨研究院


進一步量化各個邦主要作物的產(chǎn)量規(guī)模。據(jù)USDA數(shù)據(jù),印度四大糧食作物中只有玉米和小麥出口處于全球前十位,其中小麥為冬季作物,研究區(qū)內(nèi)的旁遮普邦、哈里亞納邦、北方邦、拉賈斯坦邦和中央邦貢獻全印度將近90%的小麥產(chǎn)量(如圖13所示),同時大麥也集中種植在拉賈斯坦邦和北方邦(如圖14所示)。因此結(jié)合USDA對于高溫前對于印度小麥和大麥的產(chǎn)量估測和研究的各個區(qū)域的減產(chǎn)幅度,對小麥和大麥兩個品類在各主產(chǎn)邦的產(chǎn)量進行進一步估算(表1可知USDA對于高溫影響前小麥2021/ 22年的產(chǎn)量估測為109586千噸。大麥估測為1656千噸)。


圖 13:印度小麥產(chǎn)量分布



圖 14: 印度大麥產(chǎn)量分布

 


數(shù)據(jù)來源:USDA 華泰期貨研究院


圖 15: 印度主要邦小麥產(chǎn)量預(yù)測分布



數(shù)據(jù)來源:Modis衛(wèi)星 華泰期貨研究院


圖 16: 印度主要邦大麥產(chǎn)量預(yù)測分布



數(shù)據(jù)來源:Modis衛(wèi)星 華泰期貨研究院


測算結(jié)果顯示:印度小麥各邦產(chǎn)量如圖15所示,5個邦總估測產(chǎn)量為:84395.47千噸,USDA高溫前估測產(chǎn)量為:96435.68千噸。依據(jù)區(qū)域小麥產(chǎn)量占比88%估算,假設(shè)其余區(qū)域保持穩(wěn)定,全國總產(chǎn)量為:95903.94千噸,小麥減產(chǎn)幅度為12.48%。但南部小麥產(chǎn)區(qū)如按照高溫前長勢,則會有一定比例增產(chǎn),所以總體減產(chǎn)量大概率會小幅低于該比例。大麥兩個主產(chǎn)區(qū)總產(chǎn)量為:1321.71千噸,USDA高溫前預(yù)估區(qū)域產(chǎn)量為:1424.16千噸,按照產(chǎn)區(qū)所占比例86%預(yù)測全國產(chǎn)量為:1536.88千噸,總體減產(chǎn)幅度為7.19%。


印度高溫持續(xù)不僅對于作物產(chǎn)生很大影響,也勢必會對人類作息行為產(chǎn)生一定影響,因此,冬季作物能否像往年一樣完全收割也是值得關(guān)注的問題。隨著全球氣候變化的影響,極端天氣的出現(xiàn)將更加的隨機,華泰期貨研究院農(nóng)產(chǎn)品組將持續(xù)實時追蹤極端氣候?qū)r(nóng)業(yè)基本面帶來的影響。

責(zé)任編輯:李燁

【免責(zé)聲明】本文僅代表作者本人觀點,與本網(wǎng)站無關(guān)。本網(wǎng)站對文中陳述、觀點判斷保持中立,不對所包含內(nèi)容的準(zhǔn)確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考,并請自行承擔(dān)全部責(zé)任。

本網(wǎng)站凡是注明“來源:七禾網(wǎng)”的文章均為七禾網(wǎng) m.yfjjl6v.cn版權(quán)所有,相關(guān)網(wǎng)站或媒體若要轉(zhuǎn)載須經(jīng)七禾網(wǎng)同意0571-88212938,并注明出處。若本網(wǎng)站相關(guān)內(nèi)容涉及到其他媒體或公司的版權(quán),請聯(lián)系0571-88212938,我們將及時調(diào)整或刪除。

聯(lián)系我們

七禾研究中心負責(zé)人:劉健偉/翁建平
電話:0571-88212938
Email:57124514@qq.com

七禾科技中心負責(zé)人:李賀/相升澳
電話:15068166275
Email:1573338006@qq.com

七禾產(chǎn)業(yè)中心負責(zé)人:果圓/王婷
電話:18258198313

七禾研究員:唐正璐/李燁
電話:0571-88212938
Email:7hcn@163.com

七禾財富管理中心
電話:13732204374(微信同號)
電話:18657157586(微信同號)

七禾網(wǎng)

沈良宏觀

七禾調(diào)研

價值投資君

七禾網(wǎng)APP安卓&鴻蒙

七禾網(wǎng)APP蘋果

七禾網(wǎng)投顧平臺

傅海棠自媒體

沈良自媒體

? 七禾網(wǎng) 浙ICP備09012462號-1 浙公網(wǎng)安備 33010802010119號 增值電信業(yè)務(wù)經(jīng)營許可證[浙B2-20110481] 廣播電視節(jié)目制作經(jīng)營許可證[浙字第05637號]

認證聯(lián)盟

技術(shù)支持 本網(wǎng)法律顧問 曲峰律師 余楓梧律師 廣告合作 關(guān)于我們 鄭重聲明 業(yè)務(wù)公告

中期協(xié)“期媒投教聯(lián)盟”成員 、 中期協(xié)“金融科技委員會”委員單位