估计天气对农业的影响

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Estimating the Impact of Weather on Agriculture》
---
作者：
Jeffrey D. Michler, Anna Josephson, Talip Kilic, Siobhan Murray
---
最新提交年份：
2021
---
英文摘要：
  This paper quantifies the significance and magnitude of the effect of measurement error in remote sensing weather data in the analysis of smallholder agricultural productivity. The analysis leverages 17 rounds of nationally-representative, panel household survey data from six countries in Sub-Saharan Africa. These data are spatially-linked with a range of geospatial weather data sources and related metrics. We provide systematic evidence on measurement error introduced by 1) different methods used to obfuscate the exact GPS coordinates of households, 2) different metrics used to quantify precipitation and temperature, and 3) different remote sensing measurement technologies. First, we find no discernible effect of measurement error introduced by different obfuscation methods. Second, we find that simple weather metrics, such as total seasonal rainfall and mean daily temperature, outperform more complex metrics, such as deviations in rainfall from the long-run average or growing degree days, in a broad range of settings. Finally, we find substantial amounts of measurement error based on remote sensing product. In extreme cases, data drawn from different remote sensing products result in opposite signs for coefficients on weather metrics, meaning that precipitation or temperature draw from one product purportedly increases crop output while the same metrics drawn from a different product purportedly reduces crop output. We conclude with a set of six best practices for researchers looking to combine remote sensing weather data with socioeconomic survey data.
---
中文摘要：
本文量化了遥感气象数据中测量误差对小农农业生产力分析的重要性和影响程度。该分析利用了撒哈拉以南非洲六个国家17轮具有全国代表性的小组家庭调查数据。这些数据在空间上与一系列地理空间天气数据源和相关指标相关联。我们提供了测量误差的系统证据：1）用于模糊家庭精确GPS坐标的不同方法，2）用于量化降水和温度的不同指标，以及3）不同的遥感测量技术。首先，我们发现不同的模糊处理方法对测量误差没有明显的影响。第二，我们发现，简单的天气指标，如总季节降雨量和平均日温度，在广泛的环境中优于更复杂的指标，如降雨量与长期平均日数或增长日数的偏差。最后，我们发现了大量基于遥感产品的测量误差。在极端情况下，来自不同遥感产品的数据会导致气象指标系数的符号相反，这意味着来自一种产品的降水量或温度据称会增加作物产量，而来自不同产品的相同指标据称会减少作物产量。最后，我们为希望将遥感天气数据与社会经济调查数据相结合的研究人员提供了六种最佳实践。
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Estimating_the_Impact_of_Weather_on_Agriculture.pdf (18.02 MB)

2022-4-26 15:43:43 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：significance Quantitative Productivity Contribution coefficients

估计天气对农业的影响*世界银行亚利桑那大学发展数据组（DECDG）农业和资源经济系的Jeffrey D.Michler、Anna Josephson、Talip Kilic和Siobhan Murraydeparty of Agricultural and Resource Economics这篇论文量化了遥感天气数据中测量误差对小农农业生产力分析的重要性和程度。该分析利用了撒哈拉以南非洲六个国家17轮具有全国代表性的小组家庭调查数据。这些数据在空间上与一系列地理空间天气数据源和相关指标相关联。我们提供了关于测量误差的系统证据，这些误差由1）用于模糊家庭精确GPS坐标的不同方法、2）用于量化降水量和温度的不同指标，以及3）不同的遥感测量技术引入。首先，我们发现不同的模糊处理方法不会对测量误差产生明显影响。第二，我们发现，简单的天气指标，如季节性总降雨量和平均日温度，在广泛的环境中优于更复杂的指标，如降雨量与长期平均或增长度日的偏差。最后，我们发现了大量基于遥感产品的测量误差。在某些特殊情况下，从不同遥感产品中提取的数据会导致气象指标系数出现相反的迹象，这意味着从一种产品中提取的降水或温度据称会增加作物产量，而从不同产品中提取的相同指标据称会减少作物产量。

最后，我们为希望将遥感天气数据与社会经济调查数据相结合的研究人员提供了六种最佳实践。JEL分类：C83、O13、Q12关键词：遥感、农业生产、作物产量估算、撒哈拉以南非洲*通信给tkilic@worldbank.org和smurray@worldbank.org.本研究的预分析计划已采用开放科学框架（OSF）：https://osf.io/8hnz5/.我们感谢世界银行知识促进变革项目（KCP）的资助。本论文是通过与Leah Bevis的对话以及芝加哥和亚特兰大AAEA年会的研讨会参与者，以及2019年9月在亚利桑那州立大学、2019年11月在明尼苏达大学、2020年1月在世界银行、2021 8月第31届三年一度的ICAE会议和2021 9月在弗吉尼亚理工大学的代表形成的。我们特别感谢Alison Conley、Emil Kee Tui和Brian McGreal作为研究助理所做的辛勤工作，并感谢Oscar Barriga Cabanillas和Aleskandr Michuda在开发Stata天气包方面的早期帮助。我们对任何错误或误解概不负责。1简介农业调查数据的准确测量是官方农业统计和中央跟踪国家和国际发展目标进展的关键。

最近的工作表明，农业调查数据在一系列主题上存在系统测量误差，包括耕地面积、作物产量、产量和作物品种等（Carletto等人，2017年；Abayt等人，2019年；Kosmowski等人，2019年；Lobell等人，2020年；Gollin和Udry，2021；Kilic等人，2021）。这种误判给生成无偏点估计、进行有效参考以及最终提供合理的政策建议带来了挑战。这种实证研究缺乏对遥感气象数据中测量误差后果的探索。遥感天气产品的目标是记录一个客观事实：即给定地点在给定时间的降水量或温度。传感器（如红外、微波、光学）、用于将传感器数据转换为降雨或温度的算法（如再分析、插值）或数据分辨率（如空间、时间）引入的不准确意味着遥感产品可能会误判客观事实。简单地说，就“原始”天气数据而言，遥感产品所报告的某一特定位置的实际降雨量或温度可能存在实质性变化。图1和图2显示了六种遥感降水产品和三种温度产品的这种变化。一个降水产品报告网格单元东南角的降雨量为0-5mm，而不同的产品报告同一天同一位置的降雨量为47-64mm。

温度也因遥感产品而异，其中一种产品的最高温度为23摄氏度，另一种产品的最高温度为27摄氏度。在本文中，我们量化了上述每个来源的遥感数据中测量误差影响的重要性和大小。我们通过模拟天气和小农农业生产力之间的关系来检验这一点，通过全国代表性的小组家庭调查进行测量。农业生产除了本身是一个研究主题外，还经常被用来代表各种经济成果，包括经济增长（Desch^ene and Greenstone，2007）、家庭内部议价能力（Corno et al.，2020）和移民（Jayachandran，2006）。我们将九个地理空间天气数据集（六个降水量、三个温度）与来自六个撒哈拉以南非洲国家的地理参考住户调查数据相结合，这些数据正得到世界银行生活水平测量研究——农业综合调查（LSMS-ISA）倡议的支持。其目的是为遥感数据中因混淆精确的家庭坐标、量化天气的指标和遥感数据源而产生的误判提供系统证据。我们的目标是为那些希望在不经济的应用中使用遥感天气数据的研究人员提供指导，了解哪些数据源和天气指标在大量环境中具有强大的预测能力，而这些数据源和天气指标仅在高度特定的环境中有用。首先，我们没有发现明确的证据表明不同的模糊处理方法对农业产量的估计有影响。

目前，公开提供的遥感天气产品对于十种模糊处理方法中的任何一种都是非常粗糙的，这些模糊处理方法测试的目的是要对一个家庭最终使用的像素产生重大差异。其次，我们发现了关于不同计量方法如何量化降水和温度对产量估计的影响的混合证据。在我们测试的22个指标（14个降雨量和8个温度）中，只有6个在不同的模型和国家中表现良好。这些指标往往是更简单的指标，如季节总降雨量或日平均气温，而不是更复杂的指标，如降雨量与长期平均或生长度日（GDD）的偏差。尽管如此，一些指标在特定情况下表现尤其出色，比如尼日尔最长的干旱期和坦桑尼亚每日气温的变化。最后，我们发现了大量证据，表明从不同遥感产品中提取的数据与农业生产之间存在差异。遥感降水产品，如ARC2、TAMSAT和CHIRPS，融合了测量和卫星数据，在各种环境中都表现良好，并往往产生彼此相似的结果。与其他遥感产品相比，依赖同化模型的降水产品，如ERA5和MERRA2，往往报告的降水量要高得多。在某些情况下，从这些不同产品中提取的数据会导致降雨指标系数的符号相反，这意味着ARC2、TAMSAT和CHIRPS测量的降雨量据称会增加作物产量，而从ERA5和MERRA2中提取的相同指标据称会减少作物产量。

在融合了标准和卫星数据的降水产品与依赖同化模型的降水产品之间，截然不同的结果并不存在于极化标准数据产品或任何温度产品中。遥感数据中存在的测量误差非常重要。有大量文献依赖遥感天气数据来确定因果影响（戴尔等，2014年；唐纳森和斯托伊加德，2016年）。这包括对我们理解人力资本形成（Maccini and Yang，2009；Shah and Steinberg，2017；Garg et al.，2020）、劳动力市场（Jayachandran，2006；Chen et al.，2017；Kaur，2019；Morten，2019）、冲突和制度（Br–uckner and Ciccone，2011；Sarson，2015；K–onig et al.，2017）的重要贡献，农业生产和经济增长（Miguel et al.，2004；Desch^ene and Greenstone，2007；Barrios et al.，2010；Dell et al.，2012；Yeh et al.，2020），家庭内部谈判（Corno et al.，2020），技术应用（Suri，2011；Taraz，2018；Jagnani et al.，2021；Arag\'on et al.，2021；Tesfaye et al.，2021），以及极端天气影响（Wineman等人，2017年；Michler等人，2019年；McCarthy等人，2021年）。尽管这些研究注意确定其结果对不同建模假设和行政或调查数据中潜在测量误差的稳健性，但没有一项研究检查其结果对选择遥感数据源时潜在误测的稳健性。有关每种产品的完整说明，请参见第2.1节。天气数据是否被错误测量的问题不同于天气是否是外生的问题。这些问题的复杂性在于研究人员在分析中使用哪些可能的天气指标的自由度。

选择如何量化降水或温度可能导致I型错误的可能性增加。在经济研究中，p-hacking的机会尤其有害，因为目前还没有明确的理论来解释降雨或温度如何增加移民、刺激冲突或阻止采用新技术。是像inMiguel等人（2004年）那样用一年到下一年的降雨量百分比变化来预测流量，还是像Br¨uckner和Ciccone（2011年）那样用一年的总降雨量来预测流量？是否应使用出生年份的降雨量偏差来预测人力资本形成，如Maccini和Yang（2009）所述，还是应使用温度超过29摄氏度的天数，如Garg等人（2020）所述？即使在估计农业生产时，人们可能会假设农业生产的反应是明确的，但对于什么是重要的，人们几乎没有共识。从季节性降雨到生长度日（GDD），再到这些与长期平均值的偏差，再到这些和它们的高阶矩的组合，都可以并且已经被用于预测产量（Stallings，1961；Shaw，1964；Oury，1965；Desch^ene and Greenstone，2007；Ortiz Bobea and Just，2012；Tack等人，2012；Burke等人，2015；Michler等人，2019；McCarthy等人，2021）。对于降雨、温度或它们的组合如何进入生产函数的选择，研究人员几乎从未做出过调整。这引起了人们的担忧，即在缺乏预分析计划的情况下，研究人员可能会进行数据挖掘或p-hacking，以找到产生他们想要的结果的天气测量。

这个问题在工具变量（IV）估计（Brodeur等人，2016年、2020年）中尤其存在问题，这是经济研究中常用的天气数据。在误测方面，一个最终潜在的担忧来源是，将遥感数据与地块、家庭或社区的公共使用数据进行空间链接的过程造成了另一个测量误差来源。该来源是通过混淆抽样家庭的GPS坐标引入的，以保护调查受访者的隐私。图3显示了由许多不同的模糊处理方法引入的误判，这些方法可能会将单位记录的真实GPS坐标从经历高降雨量的位置移动到经历干旱条件的位置。当单位记录是国家或研究人员自己进行数据收集时，这不是一个问题，但经济学文献越来越多地依赖人口普查、行政或第三方数据，其中单位记录的真实位置被掩盖了。为了隐私而混淆坐标会牺牲估算的准确性和精确性，并可能导致II类错误。关于上述内容，我们研究了三个具体假设：1。H-为保护农场或住户隐私而实施的不同模糊处理程序对农业生产力的估计没有影响。2.H——不同的天气指标对农业生产力的估计有相同的影响。因此是一个有效的工具。迪顿（2010）和萨森（2015）已经解决了后一个问题。

H——不同的降水和温度测量技术对农业生产力的估计有相同的影响。为了验证第一个假设，我们使用空间特征和提取方法的十种不同组合提取LSMS-ISA调查地点的遥感天气数据。空间特征代表了不同的模糊处理技术（聚合和置换）和提取方法（简单、双线性和分区统计），代表了处理空间分辨率和位置不确定性的不同方法。然后将这些数据与家庭层面的农业生产数据相结合。根据Desch^ene and Greenstone（2007）的模型规范，我们随后估算了农业产量函数。这使我们能够测试在不同的模糊处理过程中，天气指标对产量的预测影响是否存在差异。同样，为了检验第二个假设，我们计算了经济学文献中常用的22种不同的天气指标。降雨量包括但不限于日平均降雨量、季节性总降雨量、与季节性降雨长期平均值的偏差，以及最长的季内干旱期。对于温度，这些包括但不限于测量，如日平均温度、GDD和GDD的长期偏差。通过单独测试这些天气指标，并将它们相互结合，我们可以确定哪种降雨或温度指标是产量的一致预测因子。从广义上讲，它们的预测能力很差，或者只能预测某一作物或某个国家的情况。最后，为了验证第三个假设，我们对来自六个不同遥感降水数据集和三个不同遥感温度数据集的数据进行了上述所有分析。