在这个互联互通的世界上，相互交织、错综复杂的风险会给农业带来直接和间接的影响。风险无处不在且迅速增长，我们即使全力以赴，也应接不暇。气候变化、环境退化和生物多样性丧失等全球性风险事关生死存亡，是导致灾害风险不断增加的原因。除直接影响外，灾害的间接、连锁影响也不容忽视，甚至可能波及全球。本节将从农业部门视角出发，讨论风险的系统性本质。
要应对风险，不仅需要评估灾害的直接影响，还需要了解灾害的影响在部门内部、部门之间和跨地域如何相互关联、受影响系统中各要素在危害事件期间如何相互作用以及驱动风险的系统性因素。这取决于风险出现时的所处背景，包括政策和行动产生的不利或有利结果。除非能够系统性地解决脆弱性和危害暴露以及其他同时发生的危机，否则损害和损失的未来成本将继续上升。
本部分以第2部分的分析为基础，帮助各方进一步了解农业领域系统性风险的驱动因素和日益增加的风险暴露度，具体做法是根据以下四项标准选择了一系列案例研究：i）影响的范围；ii）数据可用性；iii）最近发生的事件；以及iv）从危害源头到全球范围影响相关实证。本部分介绍的研究案例反映出主要的潜在风险驱动因素，即气候变化、疫情和地方流行病以及冲突。由于可用的案例研究和数据集有限，导致可利用的实证数量有限，同时，尽管灾害和危机会对女性、老人、残疾人、移民或土著人民等弱势群体产生影响，但现阶段不可能在以下案例研究中详细分析这些细分内容。
第3部分第一节侧重于作为农业风险驱动因素之一的气候变化。在归因分析基础上，我们采用了一种影响建模方法，以厘清气候变化对农业产量和灾害风险增加的影响。如果气候变化的影响进一步增加，一些极端事件可能会变得更加频繁，更可能出现前所未有的强度、持续时间或空间范围。本节分析所涵盖的地域和产品范围有限，但建模方法向人们展示了一种可扩展和扩大的方法。推动人们了解受灾害影响的产量过去如何受到气候变化的影响十分重要，有助于在不断变化的风险现状中更好地理解这一因素。
在下一节中，讨论将转向生物危害的影响，即疫情和地方流行病，它们也会对农业和农业粮食体系造成重大损害和损失。2019冠状病毒病紧急情况被确定为一个大规模疫情案例，而非洲猪瘟暴发则被列为一个地方流行病案例。该节将分析生物危害造成的这些灾害在全球范围内产生的连锁影响及其与深层风险驱动因素之间的相互作用。本节还将补充介绍有关叙利亚、索马里和乌克兰武装冲突的信息，作为此类危害及其影响的一个重要实例。
这些案例研究有助于我们了解风险以及系统性风险的连锁属性。气候变化正在导致自然灾害的频率和强度不断上升。2019冠状病毒病疫情最初是一场公共卫生灾难，但由于它阻碍人们获得资源和服务，因此加剧了现有风险和脆弱性，加重了农业损失。非洲猪瘟就是一个绝佳的实例，向我们展示了不会传播给人类的跨界动物疾病是如何产生广泛的系统性影响，包括与2019冠状病毒病等其他灾难同时发生时所产生的影响。在冲突背景下，武装冲突、多重危害、气候变化和自然资源枯竭等问题相互交织在一起，正在加剧灾害风险。武装冲突会加剧一国的潜在风险暴露度和脆弱性，同时削弱其应对各种危害的能力。
这三小节共同提供了实证，帮助我们了解风险的系统性属性以及多个国家农业目前面临的日益加剧的脆弱性和灾害暴露度。从这些研究中汲取的经验教训和它们提出的建议告诉我们，政策、计划、方案和投资都应进一步调整方向，着眼于增强韧性。
3.1 气候变化与农业生产损失的关联
气候变化正导致危害日益频繁，增加了个人和系统的脆弱性和风险，并削弱了应对能力。5其后果不仅体现为作物和农业减产，还体现为对农业生计的破坏，继而产生负面连锁反应，在国内、社区、国家、区域甚至国际层面产生长期影响。
农业特别容易受气候系统中各种变化和事件的影响，从而影响农业生产、粮食安全和农业生计（图33）。与其他灾害和危机同时发生时，如生物危害和冲突（在第3部分后半段中讨论），气候变化风险将变得愈加复杂和难以管理。与气候和天气有关的危害已经对粮食安全产生了影响，特别是在低纬度地区。据估计，随着全球不断变暖，很可能会出现突发性和不可逆转的变化并产生影响。据政府间气候变化专门委员会报告，到2050年，气候变化将导致谷物价格上涨1-29%，面临饥饿风险的人数新增1百万至1.83亿。137更好地了解气候变化如何给粮食体系带来灾难风险十分重要，这有助于了解粮食体系将如何受到影响，同时影响政策、计划和融资机制的设计工作，以加强农业和农业粮食体系的韧性。
图 33 气候对农业粮食体系的影响以及相关归因概念
本章介绍的分析方法侧重于农作物。它在考虑多种气候危害相互作用的同时，分离出气候变化所起的作用，并对其影响进行建模。
3.1.1 有关气候变化对农业影响的归因分析
归因学s为我们提供了一个切入点，可估计气候变化对作物产量的影响，并评估极端和缓发性事件因气候变化加剧后对农业生产的影响程度。归因学旨在评估和宣传与气候变化相关的种种关联，43,138例如温室气体排放与气候和极端天气事件之间的关联以及对人类和自然系统的影响。将这些关联汇总在一起，有助于全面了解迄今为止气候变化对特定区域中特定危害类型的影响以及与不同危害和不同区域相关的不确定性。139
插文 10 将产量变化归因于气候变化的方法
此项分析旨在评估气候变化在不同背景下如何影响产量水平。研究人员选择阿根廷大豆、哈萨克斯坦和摩洛哥小麦、南非玉米，将观测到的产量与估算的虚拟和实际作物产量分布进行比较，得出分析结果（有关所用方法和数据的详细说明参见技术附件3）。
实际产量是模拟气候实际演变进程中的产量，虚拟产量则是模拟没有温室气体增加和其他人为气候胁迫因素时的产量。为此，研究人员建立了一个多变量作物产量统计模型，其依据是作物单产观测数据现有全部记录140和观测得出的气候数据（20CRv3–W5E5）。
接下来，他们将产量统计模型应用于一组实际和虚拟气候数据，这些数据取自耦合模型比对项目第6阶段（CMIP6）的探测和归因模型比对项目（DAMIP）。141开展的一系列历史模拟活动包括各种历史变化，既包括人为气候胁迫因素（温室气体、臭氧、气溶胶、土地利用等），也包括自然气候胁迫因素（太阳辐照度、火山气溶胶）。使用基于观测的统计模型中所选的变量和模型参数，可以得出实际和虚拟产量的分布，并由此推演出与特定极端事件相关的可能产量水平。
为证明这一方法的有效性，该方法被用于估计以下四个国家的作物损失和损害：阿根廷的大豆、哈萨克斯坦和摩洛哥的小麦以及南非的玉米，都是这几个国家在经济和粮食安全方面最重要的作物。表5 总结了气候变化对产量异常的影响，包括缓发性变化以及不同类型的极端天气和气候事件。“历史归因”结果表明，前工业时代以来的气候变化估计对2000-2019年间的总体产量产生了影响。这种影响对四个国家中的三个而言是负面的。影响的大小通过对气候变化对平均产量的影响给出最接近的估计来证明。“事件归因”结果补充说明气候变化有多大可能性对特定年份记录的产量水平产生影响。为此，我们选择了产量特别低的最近年份，记录这一年的重大社会经济影响。关于结果必须要注意的是，这些归因估计存在很大程度的不确定性，虽然未对该评估进行不确定性量化，但所有结果都应被视为近似值。
表 5 归因结果概览
注：结果存在不确定性，未量化。
归因分析结果
在阿根廷，模型显示，观测到的气温高低、降雨强度和干旱的变化能解释为何阿根廷产量最高省份所记录的大豆产量变化幅度较高。该模型表明，迄今为止，气候变化在统计学意义上对阿根廷的大豆产量产生了显著的益处（图34）。结果表明，气候变化使2000-2009年间平均产量增加了近0.1吨/公顷，占期间观测到的平均产量的约3%。2018年记录到的低产量是一个值得研究的案例，因为它所产生的持久性影响使其成为坏年景的参考点，罗萨里奥谷物交易所在2022年称之为“2018年的产量灾难幽灵”。”2,142结果还表明，气候变化导致阿根廷发生低于2018年水平的产量异常现象的可能性可能只有一半左右，但存在不确定性。但需注意的是，产量模型仅反映了记录到的产量异常现象中的一部分。
图 34 估算气候变化迄今对作物单产的影响：四个案例
资料来源：作者本人对粮农组织统计数据库作物产量数据的解读。2023。阿根廷、摩洛哥、南非。见：粮农组织。罗马。[2023年6月引用]。https://www.fao.org/faostat/en/#data/QCL和哈萨克斯坦国家统计局。2022。《农业、林业、狩猎和渔业统计》；气候再分析数据，来自Frieler, K.、Volkholz, J.；Lange, S.、Schewe, J.、Mengel, M.、del Rocío Rivas López, M.、Otto, C.等。2023。”第三轮部门间模型相互比较项目（ISIMIP3a）期间为影响模型评估和影响归因设定情境和胁迫数据“。预印本。见：EGUsphere。[2023年7月引用]。doi:10.5194/egusphere-2023-281；Lange, S.、Mengel, M.、Triu, S.和Büchner, M.。2022。ISIMIP3a大气气候输入数据（1.0版）。见：ISIMIP。[2023年7月引用]。doi:10.48364/ISIMIP.982724和其中的参考文献；MIROC6气候模型输出数据，来自Tatebe, H.、Ogura, T.、Nitta, T.、Komuro, Y.、Ogochi, K.、Takemura, T.、Sudo, K.等人。2019。”对模拟平均状态、内部变率和气候敏感性的描述和基本评估“。《地球科学模型开发》，第12（7）期：第2727-2765页。doi.org/10.5194/gmd-12-2727-2019，属于CMIP6/DAMIP的一部分（Eyring, V.、Bony, S.、Meehl, G.A.、Senior, C.A.、Stevens, B.、Stouffer, R.J.和Taylor, K.E.）。2016。”耦合模型比对项目第6阶段（CMIP6）实验设计和组织概述“。《地球科学模型开发》，第 9（5）期：第1937-1958页。doi.org/10.5194/gmd-9-1937-2016；Gillett, N.P.、Shiogama, H.、Funke, B.、Hegerl, G.、Knutti, R.、Matthes, K.、Santer, B.D.等。2016。”检测和归因模型比对项目（DAMIP 1.0版）对CMIP6的贡献“。《地球科学模型开发》，第9期：第3685-3697页。doi:10.5194/gmd-9-3685-2016）；偏差校正代码，来自Lange S.。2019。”采用ISIMIP3BASD（1.0版）进行趋势保持偏差调整和统计降尺度“。《地球科学模型开发》，第12期：第3055-3070页。doi:10.5194/gmd-12-3055-2019为ISIMIP3开发，方法根据气候归因和影响建模文献进行了调整和组合。
在哈萨克斯坦，结果表明，在产量最高的州，记录到的小麦产量变化中很大一部分可以用生长温度天数、气温变化、寒冷、降水变化和干旱等因素来解释。尽管产量模型的鲁棒性比不上其他案例，但该模型仍表明，迄今为止气候变化在统计学意义上对哈萨克斯坦这一地区的小麦产量产生了显著的不利影响（图34）。这表明，气候变化使2000-2009年间的平均产量下降了约0.1吨/公顷，占期间观测到的平均产量的10%以上。2010年记录到的低产量是一个有意思的案例，因为该年哈萨克斯坦北部的小麦产量创下了低于800万吨的历史新低。143模型结果还表明，气候变化导致哈萨克斯坦该地区出现低于2010年水平的产量异常现象的可能性可能是目前的2.5倍，但存在不确定性。
在摩洛哥，模型表明，产量最高地区所记录的小麦产量变化中很大一部分可以用气温变化、高温、干旱和降水量高来解释。模型表明，迄今为止气候变化在统计学意义上对摩洛哥的小麦产量产生了显著不利影响（图34）。这表明，气候变化使2000-2009年间的平均产量下降了近0.1吨/公顷，约占期间观测到的平均产量的2%。2019年记录到的低产量水平是一个有意思的案例，因为它引起了摩洛哥中央银行144的反应，接下来2020年的产量更低，145进一步加剧了影响。模型表明，气候变化导致摩洛哥发生低于2019年水平的产量异常现象的可能性可能稍有所提高，但存在不确定性。
在南非，模型表明，在产量最高的几个省份，记录到的玉米产量变化很大一部分可以用生长温度天数、温度变化、寒冷、干旱和高降水的变化来解释。迄今为止气候变化在统计学意义上对南非的玉米产量产生了显著的不利影响（图34）。这表明，气候变化使2000-2019年间的平均产量下降了0.2吨/公顷以上，占期间观测到的平均产量的5%以上，且气候变化的不利影响在产量最低的年份更严重。2007年记录到的低产量水平是一个特别有意思的案例，因为它随后引发了粮食不安全问题。再加上邻国莱索托的玉米产量出现了类似的异常现象（该国的天气和气候条件基本相同），南非该年的低产量可能与莱索托的粮食短缺有一定关系。146,5模型表明，迄今为止气候变化使南非发生低于2007年水平的玉米产量异常现象的可能性增加十倍以上，但存在不确定性。
结果显示，在四个案例中，有三个显示气候变化产生了不利影响，人为引发的气候变化给不同作物类型和国家造成了最高可达10%的减产，但存在尚未量化的不确定性。展望未来，重要的是应进一步评估气候变化给农业粮食体系中其他产量造成了多大影响。作物的营养含量也被认为受到了气候变化的影响g，5,147作物价值链其他环节（食品加工、聚集、运输、分销）、需求侧和其他农业部门，如动物和牲畜健康和生产力，或渔业产量和水产养殖等，也已受到气候变化的影响。5
总之，结果表明，气候变化可能已经在加重农业损失。结果还强调了投资于减少损失和损害的措施的重要性。如果采用此处介绍的方法来预测未来的气候，与虚拟的以往情境进行对比，同时对经济损失进行量化并考虑非经济损失，这些实证就能成为有用的依据，有助于开展全面的气候和灾害风险管理，同时还有助于开展损失和损害相关谈判，包括在联合国气候变化框架公约框架下就农业部门各方面开展谈判。
结果表明，气候变化可能已经加剧了农业损失，强调应投资于缓解、适应和减少灾害风险等措施的重要性，以避免、最大限度地减少和应对损失和损害。
