5.3 全球粮食库存

引言

根据最近在“瑞典英语新闻”网站[4]上发布的一篇文章，“瑞典的粮食储备如此之低，在国家紧急情况下只能持续一个星期。”与此相应的是，根据其它不同信息来源[5]如国际谷物理事会(IGC)于2017年1月[6]发布的5年全球供应和需求预测等显示，2016-17年度全球食品库存达到了“历史最高水平”。这两个截然不同的声明揭示了国家政策的巨大差异只是影响粮食库存的众多复杂性和不确定性因素之一。的确，尽管许多实体（世界上大多数国家、世界粮农组织、许多农民和贸易商协会，以及由政府或专业协会资助的众多机构）发布粮食库存数据，但大多数信息都是间接获得的，并受到一些误差和不确定因素的影响。

不确定性和误差

国际粮食顾问大卫·麦基(麦基，2014)介绍，“在任何时候，在政府手中的全球谷物库存量可能在2到2.5亿吨，”这是大约一半的粮食库存，只占每年粮食产量很小的份额，目前全球粮食产量接近25亿吨，包括玉米，小麦，大米和大麦[8]。

在许多国家，一个主要的不确定因素是粮食库存的实际位置，其中可能包括家庭或村庄用于生活的库存；国家贸易商，进口商和出口商或是粮食生产者协会的库存；以及由政府或其他如“战略粮食储备”(SGR)所持有。

战略粮食储备SGRs的概念最初是在20世纪70年代发展起来的，当时是为了避免在20世纪60年代的萨赫利食品危机期间(Lynton-Evans，1997)所发生的紧急进口食品过程过于漫长的事情再次发生。在2008年粮食价格危机(Prakash，2011)之后，它们再次引起了人们的关注，这也导致出台了旨在监测和稳定粮食价格的一些举措，包括《尼斯宣言》(20国集团，2011)，主要是希望提高食品生产和库存的透明度从而避免未来的危机(世界粮农组织，2011)。然而，事情并不是那么简单，粮食库存和价格之间的联系还远远不明显(Gilbert and Morgan 2010, Wright 2012,Kornher and Kalkuhl 2013, Gouel 2014, and Kornher 2015)。例如，在两个多月前，世界粮食组织网站[11]指出，粮农组织2017年1月食品价格指数比2016年1月的水平高出16.4%，这明显与全球粮食库存的“历史峰值”相矛盾[12]。

粮食也可以用令人眼花缭乱的方法储存起来(Proctor，1994)。这不仅包括谷物和豆类，还包括水果、蔬菜、树根和块茎类等新鲜食品，尽管有些还可以用传统的技术(如空气干燥或盐渍)保存，但这种在村庄和生产者水平上使用的存储技术，已经可以利用现代技术进行大大扩展(例如，烘干、冷冻或冻干)，然而在发展中国家却很少有这种技术。食品储备的综合考虑同样也应该包括主要的蛋白质来源——动物产品。

尽管许多人呼吁提高价格、生产和库存的透明度，但全球食品库存（国家存储量的总和）是非常不完善的，甚至可能是不可知的(Schmidhuber，2015)。许多国家，包括一些主要的生产商，库存数据都是不可靠的，不仅因为实际的技术困难，同样也因为他们不愿意披露这些可能具有战略意义的信息。

最后，维持正规食品的库存也很昂贵，而且各国需要在本地生产、贸易和库存之间取得平衡，以确保在可接受的成本下，城市和农村的粮食供应平稳。亚洲的大米生产国和消费国往往使用相对较轻的政府干预和管理，从而使一个高效的私营部门得以繁荣发展。另一方面，在非洲，即使在非危机时期(Gilbert，2011)，许多国家也在努力维持食品存储的效率和成本效益。这个问题在西方的、南美的(巴西、阿根廷和乌拉圭)以及其它出口导向型国家(乌克兰、泰国)有所不同，这些国家的库存在国家食品安全中扮演着相对次要的角色。

目前还不清楚粮食库存是如何变化的。最大的库存是由北美和大洋洲的一些主要出口商持有，而欧洲、地中海和中东地区则持有较小的库存，这表明最大的一些国家同样也管理着最大的库存(Laio等，2016)。

评估方法和方法论问题

库存可以根据不同的技术方法进行评估。其中一种方法是对库存进行抽样调查，在理论上提供有用的信息，尤其是对估计的误差以及非正式的微型库存的统计分布。然而，调查却非常困难且容易出错，尤其是在发展中国家（其中包括人口最多的亚洲国家）。据Schmidhuber（2015）对许多国家开展评估工作来看，对家庭的调查低估了库存，尤其是在低收入国家，例如，在食品安全问题最严重的情况下。

重要的是，储存的食物(以及本节所涉及的作物)也携带不同含量的残余水分，这通常是一个温度和空气湿度相关的变量。在15-90%的相对湿度（RH）范围内，平衡谷物水分变化因为一个要素可以产生由2到5的变化(Hanson，1985；Rao et al，2006)；在谷物中，水分变化通常比油性种子高。在提到的15-90%的RH范围内，玉米和大麦的颗粒湿度从6%到20%不等，而豆科植物(如花生和大豆)的含量则从2%到13%不等。湿度水平通常控制在当代库存中，但仍然可以改变，从而导致存储量的变化，这些也可以对应为大量的粮食。

FBS方法

评估食品库存的另一种方法是使用食品资产负债表(FBS)，这是一个简单的模型，利用国家生产、进口和消费的信息来评估国家可利用粮食量。这一节中，这种方法主要针对Cropwatch中的主要谷物(玉米、水稻和小麦)和大豆。

StockT2= StockT1 + ΔT2-T1

在FBS方法中，库存的估算在针对特定的时间节点，T2。采用的信息包括(i)前一次时间T1的库存和(ii)库存在时间节点T1到T2内的变化量:

StockT2= StockT1 +ΔT2-T1

一般将T1到T2视为营销年度，在国家间发生变化。从上面的公式可以清楚地看出，影响stockT1的所有误差都将自动转入StockT2。此外,计算ΔT2-T1时假设变化是可能的但不能超过初始库存[14]。

ΔT2-T1 =ProdT2-T1 +ImpT2-T1– ExpT2-T1 - UseT2-T1 - WasteT2[A1] -T1

变化量ΔT2-T1是通过获得国家生产量，进口量，出口量，使用量和损失量(单位均为吨)获得，可以表示为如下：

ΔT2-T1= ProdT2-T1 + ImpT2-T1 - ExpT2-T1 - UseT2-T1- Waste T2-T1

在这个公式中，ProdT2-T1指在相关时期内的国家生产量；UseT2-T1是指国家消费量；ImpT2-T1是指进口量；ExpT2-T1是指出口量；WasteT2-T1是指“丢失”的或“浪费”的粮食量。如果用变量的“净”值重写这个方程，就可以省略浪费或损失项，但这将隐藏与食物链的低效率相关的FBS的一个重要方面。事实上，在食物链的所有阶段都有损失，包括在收获、脱粒(如果适用)、运输、储存和碾磨以及所有形式的加工过程。

FBS变量-玉米、大米、小麦和大豆的作物产量和库存变化

从产量到损失量，影响ΔT2-T1的要素发生在不同的空间和时间尺度(Ben-Ari and Makowski, 2014)。有些变量或多或少是周期性的(如ProdT2-T1)，这些变量受到当地因素如天气的影响，而另一些(如与贸易相关的ImpT2-T1和ExpT2-T1)变量则与购买粮食国家的社会经济状况和需求状况相关。总的说来，短期的变化量（季节性或年度）主要与食品安全规划相关，长期变量则主要与发展、地缘政治以及与其他行业(如工业)联系在一起。在所有的变量中，消耗量（UseT2-T1）可能是最不具有弹性的，至少在人为的费方面是如此，而国内产量（ProdT2-T1）可能是最易变的变量。

表5.1列出了各种作物的统计数据，与库存和生产量相关，可以用于“去趋势产量”的基准。去趋势产量更倾向于实际生产量，因为它排除了人口增长和改进技术(输入、品种)的影响，占主导地位的“随机”天气要素影响，以及农业政策等一次性要素影响。下表列出了一些细节变异：(i)生产(百分比，CV/P为去趋势产量的变异系数除以平均产量)，(ii)浪费(百分比，由生产和进口量的百分比计算获得)，(3)库存变化(百分比，D/P表示库存总变化占年平均产量的百分比)。

如表所示，谷物产量的变异性基本相当(平均为12至14%)，但大豆的变异量几乎翻倍[16]。

表 5.1. 基于Cropwatch观测的30+1（中国）个国家在2004至2013年之间库存和产量的变异性统计

注: CV=去趋势产量的变异系数；P=平均产量（吨）；I=进口量（吨）；D=库存变化量（吨）；CV/P表示去趋势产量的变异系数除以平均产量，即从趋势线偏离的标准生产偏差（吨）除以平均产量（吨），再乘以100%；Waste（%）用百分比（产量+进口量）表示，单位为吨；D/P表示库存（吨）的总变化占年均产量（吨）的百分比。库存总变化是指2004年至2013年之间年变化量之和；D1指低等分的变量；D9指上等分；> D9列出超过上等分的国家，由各个国家三个字母的ISO代码表示。ISO国家代码：AUS澳大利亚，BGD孟加拉国，BRA巴西，CAN加拿大，DEU德国，EGY埃及，ETH埃塞俄比亚，IND印度，IRN伊朗，KAZ哈萨克斯坦，KHM柬埔寨，MEX墨西哥，MMR缅甸，NGA尼日利亚，POL波兰，ROU罗马尼亚，RUS俄罗斯，TUR土耳其，VNM越南，ZAF南非。

数据源：FAOSTAT。

对于方程的变量2和3，进口和出口的数字通常能准确的获得，仅仅是因为出口大多可以被发达的农业行业所监控，包括交易者、海关、农业部门和运输,港口当局等联合监控。因此，接收端、进口同样众所周知。

其次，在剩余的使用和浪费条件下的粮食数量远不如人们所熟知。在粮农组织FBS，浪费作为一个明确的变量，尽管没有明确描述浪费估计的方法[19]。在表5.1中，它以生产和进口总和的百分比表征，因为一些出现在国家FBS中的作物不是在那里生产的，而是进口的，特别是小麦和大豆。浪费其实是评估的最困难的部分，因为不同的浪费与ΔT2-T1方程的其他方面都相关，主要包括上面已经提到的运输、储存、加工损失。如表中所示，小麦和大豆的平均浪费值高达3%，分别为3%和2.5%，而玉米（4.7%）和水稻（4.3%）更高。在一些国家（见表5.1，D1 统计）有非常低的值（接近0），而另一些国家（比如在一些发展中国家，如孟加拉，埃塞俄比亚，和尼日利亚）在大豆方面达到了5.0%，甚至在一些主要生产国如巴西、印度和墨西哥在玉米方面超过了10%。目前尚不清楚低浪费值与世界资源研究所博客表达的意见协调，博客中写道“全球约三分之一的食物是丢失或浪费,在全球近一万亿美元的成本,具有巨大的环境足迹包括土地、水、肥料,和温室气体排放” [20]。

最后，对于变量“使用量”，FAOSTAT将其分为食物、动物饲料、种子、加工和“其他”(主要包括非食物产品的使用，如从石油衍生的肥皂制造业或“玉米塑料”[23][24].的使用)。种子和饲料的弹性比食物大，而与工业加工相关的工业用途，如农作物生物质的能源生产有关，则缺乏弹性。表5.2显示了这些不同种类的食物的使用情况，表明，小麦特别是水稻主要用于食物，而只有四分之一的玉米用于人类食物，主要是在非洲和南美洲。在北美，只有1%的玉米被直接用作食物(Barton and Clark, 2014)。在过去的十年里，这些类别也发生了变化，例如玉米和小麦越来越重要，以饲料为代价的食物，甚至是大米的份额，食品失去了一些地面处理和其他用途。过去十年来，大豆的食物使用量增加了5%，大部分是以加工成本为代价的。

表 5.2. 主要粮食的使用分布（百分比）

注：由于四舍五入，每一行的和可能不是100.

数据源：FAOSTAT。

重要的是，处理，如浪费，是一个对很多解释都开放的术语。除了被消费的粮食(如收获)之外，所有的粮食都以某种方式“加工”。粮农组织自身(FAO，2015)提到，“食品法典标准”[26]一般不提供加工食品的定义，同样的操作被认为是一些商品的“加工”或“制造”，但不适用于其他商品。这些开放和灵活的定义显然影响了可用信息，如表5.2中所示，关于使用和使用的更改。

粮食库存最近的变化

表5.1中的D/P变量显示了2004-2013年的变化量的大小，或库存(吨)的总变化量除以平均产量(吨)。除玉米(+13%)外，由于一些异常值，其它作物平均值是极高的，因此，中位数是一个更具代表性的统计数据。根据Laio等(2016)的意见，总体而言，库存是固定的，玉米(+0.1%)和小麦(-0.1%)的变化接近0，而大米和大豆的变化则达到+3%。一些高变化量发生在各种商品的小生产者之间。

根据FBS的计算，图5.5展示了在2004年至2013年期间最大库存变化的国家和最近的年度变化。大的减少变化主要发生在墨西哥(主产国之一)，南非，德国和巴西(主要出口国之一)；在巴西，2005年(-200万吨)的大幅下降是由较前几年的低产量带来的，但2006年的部分复苏和此后的显著稳定性弥补了这一降幅。墨西哥库存减少始于2007年，跌幅最大。自2007年以来，中国一直在不断增加玉米库存，高达6400万吨，部分是通过从美国进口。美国是继中国之后的第二大库存增加国，库存大部分是在2013年积累，根据全国玉米种植协会[28]的数据，这是2016年的“所有时间都高”的开始，略低于6000万吨。在2008年粮食作物价格危机之后，埃塞俄比亚一直在不断增加库存。

根据CropWatch观测结果，在过去10年至2013年，孟加拉国的大米价格也出现了类似的持续增长，导致大米总量增加了2200万吨，世界上最大的粮食储备国。大米库存的下一个最大涨幅发生在中国（约300万吨）到印尼和泰国（约800万吨），其中泰国是大宗商品的最大出口国。巴基斯坦和印度则是另外两个主要的出口国，表现为库存年内减少高达100万吨（巴基斯坦）和150万吨（印度）。

图5.5.8个国家的2004年至2013年期间的年度库存和总库存变化(2004 - 2013个库存的总和)

注:8个国家包括2004年至2013年的最大库存的变动(4个正值和4个负值)。值是标准化的，因此对于每一个国家，其顺序都是由实际变化的直接比例所决定的，在图例中这个国家的总价值就会被显示出来。

从2004年以来小麦库存减少主要发生在三个主要出口国（阿根廷，减少1100万吨；美国，减少900万吨；澳大利亚，减少200万吨）和巴西（减少600万吨），所有这些都有明显的年度波动。除土耳其外，类似的波动影响了那些库存增加的国家（印度，中国，加拿大，均超过1000万吨），其中只有加拿大是主要出口国（1500万吨）。在土耳其，增长逐渐增加至2013年达到了最大绝对增长值（略低于1600万吨）。

美国、巴西和阿根廷是大豆的主要出口国，它们与本国农业景观的关系不同。虽然拉丁美洲国家生产的谷物和大豆差不多，但美国生产的谷物是大豆的4倍多。在美国和巴西，大约40%和45%的国民生产用于出口，而在阿根廷，这一比例更低(21%)。与谷类食品相比，大豆的最大库存变化很小，这表明三大主要生产国的库存量普遍较小：巴西和阿根廷的产量变化仍然低于100万吨（均为负值），而在美国则低于550万吨左右（负值）。在全球主要进口国中国，总变化为正(+1000万吨)，主要通过进口实现。

结论

除了少数例外，粮食库存在所有尺度（村到国家的全球水平）都有非常大的不确定性。在某种程度上，变化可以根据食品资产负债表会计方法进行评估。除了出口和进口，以及在较小程度上的生产，不确定性影响到每一个用于计算库存变化的变量，从而导致更大的错误。在某种程度上，这种不确定性也来源于定义。总的来说，当考虑到需求(在这里主要考虑10年时间尺度上受人口驱动的变化)时，全球库存通常被认为是平稳的，即使在年度和国家之间确实发生了巨大的差异。除了小麦外，2008年食品价格危机对库存没有明显的影响，这似乎和以往一样是由生产驱动的（即天气驱动）。

[1]                https://www.thelocal.se/20170213/swedens-food-would-only-last-a-week-in-an-emergency-experts-warn-new

[2]                https://cereals.ahdb.org.uk/markets/market-news/2017/february/09/breaking-news-february-2017-usda-report.aspx

[3]                http://www.igc.int/en/downloads/grainsupdate/IGC_5year_projections2016.pdf

[4]                https://www.thelocal.se/20170213/swedens-food-would-only-last-a-week-in-an-emergency-experts-warn-new

[5]                https://cereals.ahdb.org.uk/markets/market-news/2017/february/09/breaking-news-february-2017-usda-report.aspx

[6]                http://www.igc.int/en/downloads/grainsupdate/IGC_5year_projections2016.pdf

[7]                See for example section 5.1 of the November 2016 CropWatch bulletin.

[8]                See for example section 5.1 of the November 2016 CropWatch bulletin.

[9]                http://www.world-grain.com/articles/news_home/World_Grain_News/2017/02/
FAO_Cereal_prices_continue_to.aspx?ID={7DDFBE88-A0EF-4C1C-B9C5-18EAC0E28A25.

[10]              See http://www.action-for-food-reserves.org/what-do-experts-think-of-our-idea/for a collection of expert quotes about prices and stocks.

[11]              http://www.world-grain.com/articles/news_home/World_Grain_News/2017/02/
FAO_Cereal_prices_continue_to.aspx?ID={7DDFBE88-A0EF-4C1C-B9C5-18EAC0E28A25.

[12]              See http://www.action-for-food-reserves.org/what-do-experts-think-of-our-idea/for a collection of expert quotes about prices and stocks.

[13]              If this should happen, ΔT2-T1would be equivalent to the available stock, and no food would be in stock atthe end of the period. While the situation does undoubtedly occur in extremecases of widespread famine, the FBS provides no certainty about its occurrencewhen computed over large areas.

[14]        如果发生这种情况，ΔT2-T1相当于将现有的库存，没有粮食会在期末有货。虽然这种情况确实可以发生在大范围饥荒的极端情况下，但在大面积的计算中，FBS无法确定其发生的可能性。

[15]              Averages are larger than the corresponding median values becauseamong the major producers covered by CropWatch (which make up 80% of globalcereal and soybean production) some countries are characterized by unusuallylarge production variability, even among some major producers. Weather andgeopolitics seem to play a dominant part.

[16]        平均值大于相应的中值，因为Cropwatch中的主要生产国中（占全球80%的谷物和大豆生产），一些国家具有非常大的产量变化。天气和地缘政治似乎占主导地位。

[17]              FAO is far from explicit about how waste is estimated (refer to theFAOSTAT definitions (http://www.fao.org/faostat/en/#data/BC) including FAO1986, a document that could not be located in the FAO document repository.

[18]              http://www.wri.org/blog/2017/04/3-new-trends-cut-food-loss-and-waste

[19]              FAO is far from explicit about how waste is estimated (refer to theFAOSTAT definitions (http://www.fao.org/faostat/en/#data/BC) including FAO1986, a document that could not be located in the FAO document repository.

[20]              http://www.wri.org/blog/2017/04/3-new-trends-cut-food-loss-and-waste

[21]              http://www.fao.org/faostat/en/#data/FBS

[22]              https://en.wikipedia.org/wiki/Biodegradable_bag

[23]              http://www.fao.org/faostat/en/#data/FBS

[24]              https://en.wikipedia.org/wiki/Biodegradable_bag

[25]              http://www.fao.org/fao-who-codexalimentarius/en/

[26]              http://www.fao.org/fao-who-codexalimentarius/en/

[27]       http://www.worldofcorn.com/#us-corn-ending-stocks

[28]       http://www.worldofcorn.com/#us-corn-ending-stocks