综述:综合粮食安全阶段分类系统:七个决定性特征

《Food Policy》:The integrated food security phase classification system: seven defining characteristics

【字体: 大 中 小 】 时间:2026年06月27日 来源:Food Policy 6.8

编辑推荐:

  综合粮食安全阶段分类(Integrated Phase Classification, IPC)是全球用于分析和分类粮食不安全(包括饥荒)的分析方法。虽然媒体关注往往集中于IPC饥荒分析,但IPC大多数分析在非饥荒背景下进行,提供对次国家粮食不安全的关键评估。

  
综合粮食安全阶段分类(Integrated Phase Classification, IPC)是全球用于分析和分类粮食不安全(包括饥荒)的分析方法。虽然媒体关注往往集中于IPC饥荒分析,但IPC大多数分析在非饥荒背景下进行,提供对次国家粮食不安全的关键评估。这些分析指导了大量的人道主义干预和投资。研究人员认为,当用户理解支撑并告知IPC调查结果的流程、数据和方法学保障措施时,IPC分析最有价值和最有效。研究人员提出并讨论了七个基本特征,以阐明IPC的操作和解释,包括其分析框架、基于共识的流程、报告产出解释和饥荒分类协议。这七个特征是IPC监测动态、重叠和慢性粮食不安全状况能力的关键。研究人员讨论了这些特征的优点和局限性,并阐述了解释和应用IPC产出的意义。虽然主要目标是阐明IPC流程,但最后一部分更具规范性,讨论了IPC在当前全球人道主义体系中的作用和意义。在人道主义系统面临巨大压力以及各级从业人员专业知识流失的背景下,更全面地理解IPC的流程将增强其在日益受限的人道主义环境中的效用。
本文主体围绕IPC的七个决定性特征展开论述,以下按小标题顺序进行总结。

1 IPC产生的粮食安全和急性营养不良分析超越饥荒分类

IPC分类是由技术指南管理的、协议驱动、共识主导流程的结果;所有IPC分析均遵循相同步骤。IPC分析由训练有素的技术工作组(Technical Working Group, TWG)执行,成员来自IPC伙伴组织、地方和国际非政府组织、中央和地方各级政府以及学术界。TWG使用二手数据并结合多种方法学途径,遵循IPC手册详细指南。会议在一国内举行(或混合模式),可能需要一至两周时间对次国家级分析区域进行分类。TWG编译、评分并使用定性和定量数据,将次国家级粮食安全或营养不良数据与全球阈值比较,确定每个区域所属的IPC阶段。随后通过引导共识流程生成分类量表和人口估计,任何成员可在任何阶段提出异议,不同意最终分析结果的参与方可以选择撰写异议报告并与已发布的IPC结果一并公开。
饥荒分析是IPC任务的关键方面,但IPC的独特之处在于其异常广泛的时间和地理范围,提供大规模的持续福利状况分析。常规IPC分析在慢性粮食不安全、持久危机和季节性压力的国家进行,这些国家具有不同的地理、气候和文化。IPC在过去十年中约30个国家每年进行两次或更多次分析。由于IPC技术指南在所有地点标准化,分析报告提供了方法连续性,支持跨国和跨时间的比较。
IPC生成急性粮食不安全(Acute Food Insecurity, AFI)和急性营养不良(Acute Malnutrition, AMN)分析,两者应视为独立但一致的。下文聚焦于AFI分析。理解IPC的AFI分析还需理解其与FEWS NET的关系,后者是IPC技术伙伴,但两者在共识流程、频率、覆盖范围和数据输入等方面存在差异。FEWS NET产生独立分析和预测,不依赖共识,通常每月发布展望,覆盖国家集与IPC略有不同,且不生成人口表格。美国目前不资助IPC但是FEWS NET的唯一资助者。饥荒分类程序在两系统间基本一致,任何FEWS NET的饥荒判定均由饥荒审查委员会(Famine Review Committee, FRC)审查。
启示:IPC分析在人道主义信息生态系统中因其空间和 temporal 范围及频率而独特。这种范围带来风险,即从业者和研究人员可能将IPC结果用作更广泛的危机指标或粮食不安全促成因素的代理变量。在数据匮乏环境中依赖IPC结果作为其他人道主义需求的代理应谨慎,此类应用超出了IPC的预期用途,可能导致错误决策和资源错配。

2 IPC当前和预测分类服务于不同目的

IPC分析包括对每次国家级以下分析区域当前粮食安全状态的分类以及对同一区域的预测分类。预测基于对所处情况在指定期限内演变的预期假设。整体分析期分为“当前”分类和一个或两个预测,各有特定有效期。有效期通常为四至六周(情况高度动态时)至六个月,多数预测为三个月增量。TWG为每个预测期记录潜在进展的假设,若事件未按预期发展,可决定进行新分析。
预测与实现当前状态分类可能因环境变化和人道主义粮食安全援助(Humanitarian Food Security Assistance, HFSA)的处理而偏离。只有确认的HFSA被纳入预测,由于HFSA的时机、规模和交付难以预测,IPC预测明确排除仅承诺未落实的援助。区分已拨款和仅承诺至关重要,因为捐助方优先事项可能改变,导致预测与下一期当前分类出现差异。此外,IPC预测的危机或更糟(IPC阶段3+)可能触发更多关注和资金,改善基本情况,使原始预测不准确,但这符合IPC目标:提供早期预警以促使行动。南苏丹案例说明了这一点:2025年5月对Ulang县的风险饥荒声明导致援助增加,改善了10月分类;而Nasir县因无法进入,仍被列为风险饥荒。
启示:尽管IPC当前和预测阶段分类在分析报告中一同呈现,但服务于不同目的。当前分类提供人口和地点当前粮食安全状态的完整概览,而预测代表最可能情况的最可能演变。预测和实现当前状态可能因多种原因偏离,直接比较可能产生误导。同样,跨国比较当前或预测粮食不安全应考虑不同人口水平和分类范围。

3 IPC是具有异质性证据输入的标准化分析系统

IPC为现有数据分析提供框架并促进分析工作的监督。IPC不收集一手数据。国家政府、联合国机构和非政府组织收集并提供数据给IPC。TWG依赖现有家庭调查和食品价格测量,以及关于促成因素的背景信息,包括粮食生产、来源、收入、生计策略、冲击、结构/经济因素和人道主义援助。
TWG在AFI分析过程中使用的基本数据是通过第三方调查收集的粮食安全指标。粮食安全测量仍是活跃的研究领域;一系列指标存在不同的解释、互补性、不一致和局限性。使用的指标包括家庭粮食安全与生计状态测量:食物消费得分(Food Consumption Score, FCS)、家庭膳食多样性得分(Household Dietary Diversity Scores, HDDS)、家庭饥饿量表(Household Hunger Scale, HHS)、降低应对策略指数(Reduced Coping Strategies Index, rCSI)、粮食不安全体验量表(Food Insecurity Experience Scale, FIES)、生计应对策略(Livelihood Coping Strategies, LCS)。死亡率和营养不良数据对阶段5分类和饥荒也至关重要。
挑战在于这些指标在文献中存在争议。最近研究探讨了广泛使用的指标的可比性和有效性,关注低收入和脆弱环境。研究发现FIES的敏感性、可靠性和跨国可比性存在问题;FCS和HDDS常作为充足消费的代理,但不捕获消费量且通常在家庭而非个人层面测量,需要设定阈值;rCSI等基于体验的测量可能具有背景特异性,缺乏跨时空的稳定解释。总之,IPC分析依赖于异质且有时冲突的指标集,其解释严重依赖分析师判断、与其他数据(价格和可用性)的三角验证以及其他背景因素。
特定第三方调查的组合因分析而异。IPC分析区域内可用的指标组合取决于当地收集的调查。数据收集频率从年度、半年度到月度监测系统(如WFP和FAO的计算机辅助电话访谈,Computer Assisted Telephone Interviews, CATI)不等。国家级数据收集通常遵循固定时间表,但可根据情况调整。IPC分析通常每年一到两次,理想情况下依赖分析研讨会前约一个月内收集和分析的数据,但实际差距可能更长。危机越严重,收集可信数据的难度越大,导致数据质量越低或完全不可用。悖论在于,情况越严重、需求越紧急,数据质量可能越低或越不可得。IPC有应对此挑战的机制,但数据可用性和质量不能被视为理所当然。
启示:IPC分类严重依赖底层第三方数据的质量、覆盖范围和及时性。定期调查数据和更频繁监测的混合使IPC能捕捉长期季节动态和突发冲击。基础数据的差异意味着分析基于不同的指标组合。第三方数据收集、分析和可用性受多种因素影响,不一定与IPC分析的空间和时间需求一致,特别是在冲突或基础设施中断地区。此外,数据收集能力高度依赖捐助资金;2025年国际援助削减可能影响数据可用性和质量。

4 IPC分析结果可能与基础粮食不安全指标不同

TWG面临指标间一致性有限、数据及时性以及更广泛的数据可用性和解释的挑战。粮食安全分析本身具有挑战性:个体、家庭和区域的粮食安全涵盖广泛且不断扩展的组成部分、测量和领域。每个IPC结果指标(如FCS或粗死亡率)都有标准化的全球阈值定义“危机”或“紧急”等。研究表明,同一分析区域同一时间的粮食安全指标可能不对齐,甚至暗示不同严重程度。这种情况并不罕见,强调需要综合多种指标的方法。
此外,指标含义的解释可能因当地因素(包括饮食模式、季节性或基线情况)而异。共识方法允许TWG利用背景专业知识解释指标组合如何代表潜在粮食不安全,然后基于最差20%(或更多)人口得出区域分类。
IPC方法创造了机会和限制。分类基于具有全球设定阈值的定量指标,但分析师在纳入背景因素证据时仍使用判断。这些判断有可能在结果指标设定的界限和阈值内影响严重性或规模估计。这些方法护栏限制了影响范围,因此政治压力可能以微妙方式表现,但框架和技术指南大大约束了分类偏离底层证据的程度。除了这些护栏,政治干扰可能导致共识失败、TWG解散、发布延迟或分析中终止。
在高度动态情况下,TWG可能只能获得已过时的指标,此时需更依赖非粮食安全指标和信息源(如市场价格、诊所营养筛查、遥感、人口流动)来评估自上次数据收集以来情况的可能演变。分析师使用这些信息(“促成因素”)了解变化,并评估粮食不安全可能更低、相同或更高。不断变化的情况可能导致TWG分析结果与底层(尽管过时)指标所指示的全球阈值不同。
IPC分析结果也可能因数据质量而与底层指标不同。IPC在分析和工作组协议中系统考虑和记录数据质量。TWG仅使用具有足够可靠性评分的数据进行分类和人口估计。原则上,TWG对每个区域的每条证据评分,基于数据收集方法(包括抽样框架和抽取方式)和及时性。实际上,单一调查倾向于为单个分析区域收集多个指标,因此该区域大多数或全部结果指标具有相同的可靠性评分。类似地,TWG为每个分析区域分配总体证据水平,从一星到三星,分别表示可接受、中等和高。与可靠性评分一样,在特定时间点特定国家内证据水平变化不大。
启示:虽然IPC分析使用定量数据进行结果指标,并以数字形式表达结果,但分析并非机械或仅仅是算术统计练习。尽管IPC对每个底层指标有全球阈值,但对指标含义的理解和解释可能因当地因素而异,这些影响共识过程和结果。数据可靠性或证据水平通常变化很小,对面临来自同一调查的不一致指标的TWG提供的见解有限。

5 共识,以明确的方法学护栏为指导,是IPC流程的核心

共识是IPC分析的一个关键特征,作为一种程序机制而非目的本身。在IPC内达成共识涉及TWG跨越多个数据源和指标的structured deliberation,参考特定于指标的阈值和解释规则。IPC技术手册概述了应如何追求共识,但实践中反映了可用数据的限制、分析师的判断以及房间内专业知识的组合。
IPC共识有两个核心组成部分。首先,TWG成员同意遵守IPC技术手册中规定的技术规范和做法;参与即表示遵守这些指南。其次,分析研讨会本身作为一个facilitated、基于共识的机构召开,参与者可在任何时候提出关切。决策集体达成,结论由所有参与机构联合发布。
各种IPC流程旨在限制任何单一参与者或机构在分析活动中的影响。在IPC分析活动的规范化、结构化且技术精确的过程中,操纵空间极小。政治干扰必须通过强大行为者试图向其他参与者施压接受偏好结论的方式发生。然而,IPC有几个制度保障来防止这种情况。高级外部facilitator负责确保分析有技术依据,所有参与者都可以在认为结果或流程被操纵时提出关切。高级分析师和facilitator对照可用证据、季节模式、邻近区域和其他相关信息审查所有区域分析。额外响应包括IPC全球支持单位(Global Support Unit, GSU)质量分析团队的实时质量审查,或在严重情况下完全暂停活动。
实际上,未达到IPC技术标准分析不会进入发布。共识不强制发布;如果存在分析被破坏的可信担忧,分析就不会发布。具体而言,发布取决于IPC GSU与分析团队共同评估所有技术标准得到满足。每次活动还以正式自我评估过程结束,非正式GSU渠道在整个过程中保持开放。
最后,对于传统政府参与不可能的情况,存在替代模式。2024年,IPC引入了全球主导分析(Globally Led Analysis)模式。在此模式下,经IPC指导委员会批准,分析可在严重粮食不安全展开且可用证据表明大量人口处于IPC阶段3或以上的背景下进行。尽管例外,该机制为高度政治化环境中提供了操作空间,例如苏丹、加沙和也门。例如,在苏丹,2024年IPC分类境内流离失所者营地饥荒后,苏丹政府撤回与IPC的合作,IPC随后使用全球主导分析模式进行后续分析。
启示:关于IPC结果可能被操纵的担忧已被研究人员和记者提出。政府、非政府组织和其他行为者可能有激励影响分类以塑造政治叙事或资金流。在某些背景下,压力可能推向更高阶段分类;在其他背景下,则推向更低分类。理论上通胀和抑制分类都可能,压力当然可能因国家或随时间变化。虽然IPC流程设计了一系列保障措施以减少此类操纵或不适当影响的机会,但其成功程度可能因环境、数据可用性、TWG组成和背景政治动态而异。最近研究未发现2017-2023年间10,890个IPC分析单元系统性高估的证据,事实上,IPC分析系统性低估了急性粮食不安全人口。当然,缺乏系统性高估证据并不排除特定背景操纵,需要更多研究。关于IPC分类是否影响资金流的证据也喜忧参半:一项阿富汗研究表明从阶段3转到4有一些增加,而另一项发现相反。这些发现凸显了需要进一步研究——特别是在人道主义援助和监测预算下降的情况下——IPC分类是否、何时以及如何影响资源分配。

6 IPC地图是IPC报告的补充而非替代品

IPC生成国家和次国家级结果,通常在分析后两个月内发布。结果以报告(完整报告为Brief,摘要为Snapshot)和地图呈现。IPC彩色编码分析地图允许鸟瞰给定时间点的分析,是国家IPC的知名产出。国家和全球地图是全球和国家级粮食不安全情况的快照,但最终只是TWG在国家层面产生信息的一小部分。
虽然IPC地图与Brief和Digest一起呈现,但它们可能成为用户焦点。国家地图按分析区域显示阶段分类,估计总人口和各阶段人口数量和比率。地图还提供其他相关信息,包括区域是否接受重大人道主义粮食援助或经历饥荒风险。IPC包含映射符号用于单独分类的小区域或人口群体,如境内流离失所者/难民安置区或城市定居点。
详细的IPC Brief和两页Snapshot文件伴随每张地图。Brief描述粮食不安全的关键驱动因素、分析团队所做的关键假设、要监测的风险因素和建议行动。Brief通常包括50页文本、表格、数据可视化和附件。Brief还描述了参与分析的伙伴、粮食安全指标的数据源和促成因素。Snapshot充当执行摘要。
启示:解释和使用IPC分析信息时有五个考虑相关。首先,阶段分析应与相应人口估计一起阅读。孤立解释阶段而不结合人口估计会掩盖分析区域粮食不安全的程度和强度。指定分类是至少20%人口处于该阶段或更高阶段的最高阶段。例如,三个分析区域都可能获得阶段3分类,但人口比例分布不同,因此阶段3在受影响人口或潜在严重性上并不相同。其次,TWG为人口的5%区间估计分类,百分比最好视为估计而非精确数字。第三,在动态人道主义危机中,审查发布日期和有效期特别重要。使假设失效的事件可能触发新的IPC分析。新数据收集和分析可能需要三个月或更长时间,因此分析滞后于变化。第四,AMN和AFI brief应并行阅读,它们不是替代品而是互补。实践中,急性营养不良和急性粮食不安全之间的关系并不一致,可能先于或后于对方出现。第五,如果任何伙伴不同意IPC分析的结果或建议,所有参与伙伴可选择通过提交少数派报告表达立场,该报告包含在最终出版物中。

7 饥荒分析是一个独特且受到高度审查的IPC功能,具有特殊的证据标准和审查

IPC饥荒分析有额外的数据要求,并接受比非饥荒分析更严格的内部审查。在可能饥荒的情况下,IPC饥荒审查涉及一系列超出TWG共识流程的步骤。FRC成立于2014年,为所有接近饥荒条件的IPC分类提供独立审查层。自2014年以来,IPC已完成485次国家级AFI分类,其中16次产生了FRC报告。FRC为饥荒和有合理证据的饥荒分类制作报告,所有阶段5结果都由技术精确定义支持。这16份FRC报告涉及五个国家:南苏丹(5次)、加沙(4次)、苏丹(2次)、索马里(2次)、也门(2次)和埃塞俄比亚(1次)。每种情况下冲突都是一个因素。
FRC审查IPC分析过程中识别为阶段5的所有区域,并考虑每个区域最多三个时期:当前、预测期一和预测期二。自FRC成立以来,仅在三种情况下在当前时期分类为饥荒:2017年南苏丹、2024年苏丹和2025年加沙。即使这些总结陈述也不精确,饥荒条件是在特定地理区域识别的,而非整个审查人口。具体而言,FRC分类饥荒于南苏丹Unity州Leer县(2017年2月)、苏丹El Fasher附近的Zamzam营地(2024年7月)和加沙地带加沙省(2025年8月)。鉴于“饥荒”一词描述的严重性,IPC有协议在主机国不同意结果时发布FRC报告,如2021年埃塞俄比亚和2024年苏丹。
饥荒分类门槛高且数据密集。要分类饥荒,必须满足三个不同阈值:20%家庭面临极端粮食短缺;30%儿童急性营养不良;每天每10,000人中2人死于直接饥饿或与疾病相互作用的营养不良。可靠数据,特别是饥荒相关死亡率数据,可能极难收集且经常不可用。因此,饥荒分类可进行“确凿证据”(指三个标准的高质量证据)或“合理证据”(指三个标准中两个的可接受证据)。在后一种情况下,必须对缺失证据的结果进行分析,以了解其达到饥荒水平的严重程度可能性。
IPC在饥荒分类中的公认权威和透明度与关于饥荒含义、IPC阈值及其预测能力的持续辩论共存。研究人员担忧上述每个指标的阈值如此之高,以至于必然使饥荒分类成为事后练习,稀释了IPC作为 preemptive 警告的效用。据称,IPC和FRC被认为如此权威,以至于冲突各方可能专注于防止官方IPC饥荒分类,而不是防止饥荒本身的发生。例如,一种“博弈”IPC技术协议的技术是限制分类所需的数据访问。相比之下,FRC和IPC旨在公共问责和透明,所有FRC报告公开可用。16份FRC报告构成了关于粮食危机和饥荒的独特丰富详细数据集,对研究人员具有潜在价值。
IPC饥荒分析的谨慎和严谨增加了已经密集过程的复杂性,这种复杂性并不总是被媒体和其他人清楚传达。IPC与饥荒相关的语言经过精心选择。饥荒由IPC过程分类——而非宣布。记者、政治家等人使用非技术语言描述人口“处于饥荒边缘”、“濒临饥荒”或“敲响饥荒之门”、“迫在眉睫的饥荒”,所有这些都与IPC过程的技术精度不一致。IPC传播风格指南已制定以标准化饥荒相关术语的使用,但这仍然是全球背景下模糊和混淆的持续来源,因为并非所有饥荒提及都遵守该技术指南。虽然讨论饥荒的语言和语义区别是微妙的,但IPC报告中应用的词语选择是经过精心挑选和精确的。在所有危机描述中逐字应用IPC所选术语可以减少歧义。
启示:虽然罕见,饥荒分析是IPC的核心功能,并在一定程度上定义了IPC的公共角色。保持这些分析的严谨性和清晰度,包括精确的术语,对于确保正确解释和使用至关重要。IPC作为识别极端粮食危机的受信任全球权威的角色以及FRC审议的分量是一项重大成就。饥荒分类占据头条;也许不足为奇(且恰当),有关饥荒分类的IPC具体流程细节经常被饥荒的发生所掩盖。
IPC饥荒分类并非旨在作为警告。饥荒分类是系统失败的声明。饥荒预测和风险饥荒是早期预警工具,但任何将等待饥荒分类才行动的IPC解释都是误读。
此外,饥荒是崩溃过程的最终阶段,尽管将饥荒视为独立事件的看法仍然存在,可以做更多工作来更好地发展和沟通在达到临界质量之前系统恶化的早期迹象。随着时间的推移,IPC通过添加旨在标记完全宣布之前饥荒可能性(或概率)的工具来回应这些关切,包括风险饥荒、饥荒预测,并强调已发布brief中的阶段4分类。“风险饥荒”指定表明在预测期内如果情况比最初预期更糟演变,发生饥荒的合理机会。对IPC饥荒协议的广泛审查(包括指标和截止值)计划于2026年完成。
简略IPC分析案例研究:南苏丹
虽然IPC技术指南在不同环境中标准化,其产出方法学一致,但它确实在一系列环境中运行,这些环境的操作复杂性可能差异很大——特别是在受冲突影响或数据受限(或两者兼有)的地区,分析必须协调不完整、异质或有争议的证据,同时实现跨参与者的技术共识。
我们提出一个来自南苏丹的简短案例研究,以阐明IPC操作和流程实践。我们首先解释南苏丹IPC的一般结构,然后具体讨论2025年分析活动,包括数据输入和质量评估。南苏丹案例说明了传统的IPC分析结构和通过技术共识达成的过程,包括分析中使用的各类数据和指标、地理范围和TWG操作涉及的参与者,但也解释了可能出现的与物理访问和数据可用性相关的挑战,并介绍了IPC TWG如何应对。
自2017年以来,南苏丹每年一直位列世界十大最严重粮食危机之一。2026年4月,780万人面临严重粮食不安全,220万儿童营养不良,三个县(或分析单元)被确定为风险饥荒。IPC已为南苏丹召集FRC五次会议,并在2017年和2020年两次确定饥荒。
继2021年对南苏丹IPC的审查(导致修订监督、领导和治理结构)之后,南苏丹IPC已成为测试新IPC工具、程序和技术的场所,包括冲突分析、粮食不安全性别影响评估以及在数据收集有限或无访问权的区域进行分析的流程。此外,南苏丹率先采用综合AFI和AMN分析,同时进行AFI和AMN分析。联合全体会议汇集粮食安全和营养专家,协调AFI和AMN阶段分类的任何差异,最终形成单一联合报告。
南苏丹的IPC分析遵循与季节农业日历一致的时间表。IPC TWG每年第三季度进行一次完整分析,包括当前期分析和两个预测期。该年度分析辅以第二季度预测更新,审查并根据需要修订第三季度分析的假设,并更新贫季(通常为4月至6月)的阶段分类和人口数字。
每次年度分析活动持续两到三周,与大型国家的IPC分析所需时间大致相当。南苏丹IPC核心团队(约15人)由南苏丹政府官员和高级联合国人员担任主席,并由FAO提供的秘书处支持。该核心团队监督分析活动的管理、规划和协调,包括所有分析facilitator;即运行分析会议的高级人员。所有facilitator均获得IPC二级或三级认证(三级为最高),意味着他们在不同国家多个分析环境中具有经验,熟练进行小组facilitation,并精通IPC协议。认证由IPC GSU管理,包括混合学习方法,如授课和在分析活动中的在职学习,使从业者有机会承担更多责任,同时提高粮食安全分析熟练度。
与其他IPC分析国家一样,核心团队作为南苏丹国内TWG的中心节点。TWG包括国家层面IPC伙伴关系所有参与机构、中央和州级政府机构官员、联合国机构和非政府组织专家以及技术伙伴如FEWS NET和REACH。
当分析活动开始时,完整分析团队包括TWG和从国外加入的专家。分析由各州级团队进行。南苏丹有10个州和两个行政区,相当于93个分析单元(相当于行政三级)。分析团队总共约130人,AFI约90人,AMN约40人,包括来自南苏丹的营养、健康、粮食安全、WASH和统计专家的多机构和多部门团队。IPC区域和全球支持单位提供技术支持,包括分析活动的整体facilitation。
在每次分析之前,IPC举办为期两天的AFI和AMN复习培训,让参与者有机会温习技能,了解自上次分析以来的任何技术或技术发展,并讨论与即将进行的活动特别相关的问题。
基于这种综合的分析结构和跨粮食安全与营养领域的协调,2025年11月的南苏丹IPC分析作为一个例子,说明如何从多个来源组装证据基础,为AFI和AMN分类提供信息。
2025年11月联合南苏丹AFI-AMN分析的主要数据来源是第31轮粮食安全与营养监测系统(Food Security and Nutrition Monitoring System, FSNMS),于2025年7月至9月由WFP、FAO、UNICEF和国家统计局合作进行。FSNMS是全国范围的面对面数据收集,涉及约8,500户家庭,由国家统计局抽样,允许在IPC分析水平上具有统计代表性结果,置信区间95%,误差范围10%。FSNMS数据清理和分析由FAO、WFP和UNICEF联合进行。2025年AFI分析还使用了粮食安全集群伙伴的实地评估、市场分析和价格预测、降雨估计和预报、人口流动数据、人道主义援助记录和机构级应急行动计划的信息。2025年AMN分析使用了FSNMS的中上臂围(Mid-Upper Arm Circumference, MUAC)结果,以及县级标准化监测和评估救灾过渡(Standardized Monitoring and Assessment of Relief and Transitions, SMART)调查、MUAC筛查和项目接纳趋势。
在指标方面,基于上述数据收集活动,2025年11月南苏丹所有分析区域可用的IPC结果指标包括:家庭膳食多样性得分、食物消费得分、家庭饥饿得分、降低应对策略指数和生计应对策略。基于IPC证据可靠性指南(协议2.4),这些指标被确定为R1+,反映良好的时间相关性但由于样本量导致的有限方法健全性,因此可用于分析。
基于可用数据的数量和质量,2025年11月分析被分配了两星证据水平(共三星可能),表明至少有两条R1(+或-)或一条R2直接证据用于食物消费或生计变化结果之一,以及另外五条R1(+或-)证据,其中至少两条来自分析季节。
分析从州级开始,州级分析团队审查给定州内每个分析单元的信息。鉴于南苏丹距离和后勤挑战,IPC分析采用结合面对面和虚拟参与的混合方法。TWG参与者从南苏丹境内和国外加入。在某些情况下,这种混合模式应用于次国家级,如2025年10月上尼罗州,当时冲突和恶劣天气妨碍了州级分析团队在一个地方聚集。
这些团队审查并整合关于结果指标、促成因素、趋势和风险的所有相关信息,用于当前和预测期。团队通过TWG内的小组讨论进行分析。团队在IPC分析平台(专用云基平台)中记录观察结果,每个州和分析单元有专门页面。在这些讨论结束时,分析团队为每个分析单元提供当前和预测期的阶段分类和人口数字,然后起草分类理由解释如何得出结论。
一旦州级工作会议完成,所得分类和理由在全体会议上由完整分析团队审查,每个州TWG有机会审查并评论其他州的结论。对单元级别提议分类的任何调整都在全体会议上讨论,分析团队根据需要向草案分类添加建议。首席facilitator在最终全体会议上介绍国家级摘要。任何未解决问题在此最终全体会议上解决,并确定分析中浮现的关键讯息。最后一步是撰写IPC国家报告和Snapshot,由核心团队在GSU支持下协调。基于IPC传播指南,TWG应在分析研讨会完成后21天内制作报告。
过程中的并发症本身是IPC分析中的常规。例如,2025年在南苏丹,由于上尼罗州缺乏人道主义准入和持续暴力,Luakpiny/Nasir缺乏结果指标数据,特别是家庭饥饿得分。尽管如此,所有可用证据,包括IPC AMN阶段5阈值的营养不良数据,都指向极度严重的粮食安全危机。可用数据辅以额外的焦点小组访谈,分析师考虑了“具有合理发生机会的最坏情况”,这一过程用于确定是否识别了饥荒风险——一个技术指定,尽管本身不是饥荒分类——为Luakpiny/Nasir。这在brief中总结如下:“在合理最坏情况下,持续不安全、残留洪水、疾病爆发和持续人道主义准入限制的结合可能导致食物消费、急性营养不良和死亡率跨越饥荒阈值的条件,标志着在南部Luakpiny/Nasir两个预测期内迫在眉睫的饥荒风险。”
结论:数据稀缺和政治争议加剧时代的IPC
IPC的空间和时间覆盖以及分析频率在人道主义信息生态系统中是独一无二的全面。其全面性可能导致粮食不安全相对于其他优先人道主义问题(如保护和住所)受到过度关注。然而,2025年标志着人道和发展背景的巨大变化。由于全球北方捐助国国际援助的全面大幅削减以及这些削减引发的“人道主义重置”,人道主义部门已被颠覆。同时,更广泛的国际环境的特点是日益分裂和政治争议;对专家权威、国际接触、人道主义资金和 neutrality 以及二战后多边机构和参与的价值日益怀疑。对于像IPC这样依赖多边参与和透明方法、技术专长和广泛利益相关者信任的系统,这些转变带来了超越融资的巨大挑战。近期政治重优先化驱动的资助削减正在整个系统中感受到。IPC也不例外。
作为一个依赖伙伴进行数据收集、依靠专家参与分析活动并旨在支持循证决策的联盟,数据收集和实地专业知识的资金损失对IPC的影响深远。IPC分析主要基于涉及政府和人道主义组织的协作活动产生的数据;在受危机影响地区或弱治理背景下,这些努力依赖外部资金和人道主义准入。人道主义预算削减已经缩减了一些数据收集,为分析周期引入额外的不可预测性,而不安全和冲突使许多地点的实地数据收集和人道主义行动日益困难。
虽然一系列与IPC潜在相关的替代数据日益可用,如IOM全球流离失所概况、索马里死亡率估计数据库(Somalia Mortality Estimation Database, S-MED)以及ACAPS管理的各种仪表板,如风险雷达和Inform严重性指数,但这些不能取代IPC分析所基于的核心粮食安全指标集。IPC需要关于其参考表中包含指标的定期、一致和高质量的结果数据。系统面临日益增长的压力,要在不损害技术标准的情况下适应日益数据贫乏的环境。
IPC已开发了机制以支持在此类约束下的分析,包括热点分析、相似附近区域协议以及有限或无人道准入区域的指南。这些方法有助于在高度受限环境(包括脆弱和受冲突影响国家)维持分析覆盖,但也涉及效率权衡,需要大量规划以最大化有限可用数据的价值。管理分析严谨性、操作可行性和恶化数据环境之间的紧张关系可能仍是IPC的核心挑战。
全球还存在其他粮食不安全分析,包括WFP的CARI和USG的FEWS NET。这些测量之间的比较应谨慎进行和解释。关于人道主义援助的潜在假设、分析时机、使用的数据和分析方法在这些信息源之间存在差异;并不总是可能调和不同的数据。由于这些原因,用户和研究人员不应期望这些不同的信息产品在粮食不安全严重性或人口估计排名上产生相同结果,无论是在国家内部还是跨国。
与此同时,人工智能(Artificial Intelligence, AI)用于人道主义分析迅速发展,为IPC等系统带来机遇和重要挑战。最近的例子说明了变化的速度:2025年2月,Premise发布了关于刚果民主共和国东部的简报,使用“AI驱动的媒体监控”生成结果。此类方法可能延续系统性不公和家长式作风的风险。AI的潜在应用可能为IPC创造新的数据流,但其意义仍是一个悬而未决的问题。例如,鉴于所涉及数据的敏感性以及全球南方弱势人群与专家主导的AI支持过程之间的权力不平衡,AI人道主义使用的伦理影响相当大,加剧了数字鸿沟。随着人道主义组织越来越多地采用商业开发的系统,关于数据权利、算法不透明和私营部门影响的担忧变得更加突出。
一个相关且活跃的文献正致力于应用机器学习(Machine Learning, ML)方法预测粮食不安全和饥荒风险。最近的论文使用遥感、冲突事件、天气条件和异常、食品价格和流离失所测量的组合来预测IPC阶段、FEWS评估、食物消费结果或急性营养不良状况,跨各种空间和时间尺度。这些方法有潜力改善早期预警能力,特别是在传统调查收集方法延迟、成本高昂或后勤不可能的地点和时间。ML在识别食品价格或生产异常趋势、整合不同空间尺度的数据以及生成恶化情况的概率预测方面可能特别有用。这些都可能构成流入IPC共识流程的有用数据和信息流。
即便如此,基于ML的预测系统具有与IPC类型分析相关的重要局限性。大多数ML模型依赖基于调查的输入进行训练、重新训练、校准和验证。这意味着ML必须补充而非取代传统数据收集系统。更广泛地说,人道主义预测的ML方法面临结构性限制,可能制约其对IPC风格粮食不安全危机分析的有用性。这些挑战在人道主义危机异质且在非平稳、稀疏数据和有限历史可比性的环境中快速演变时尤为严峻。预测准确性可能在冲突影响地区、快速变化和流离失所地区或历史训练数据往往稀疏的罕见情况下恶化。政治暴力、流离失所、市场中断和气候冲击可以迅速改变潜在关系,降低模型预测的外部有效性。在此类设置中,ML系统可能产生不可靠、误导或偏见的预测。虽然基于ML的预测可能成为IPC分析和全球危机早期预警系统的有价值的补充,但其产出应被视为决策支持工具,而非IPC基于deliberative、共识流程的替代品。
最后,ML和AI生成的指标通常是“黑箱”产出,不能干净地映射到IPC的证据层次或指标阈值。如果没有不确定性量化、模型文档和外部验证的透明方法,这些产出可能与更成熟的数据源不协调。负责任地整合AI将需要仔细评估IPC应承认何种AI衍生证据、如何定义证据可靠性、在共识流程中如何加权此类证据以及需要什么程序保障以防止过度依赖模型产出。
尽管如此,潜在好处是显著的。IPC的挑战不仅在于是否采用AI,还在于如何以保留透明度、保持分析严谨性和避免过度声称AI能可靠提供什么的方式这样做。鉴于这些紧张关系,AI几乎肯定将成为IPC不断发展的工具包的一部分,但其纳入需要有意、以实证为基础并与IPC核心方法原则一致。
IPC的基于共识的分析流程以国家和地方层面的人类主导决策为中心。虽然基于共识的流程对外人可能显得不透明或繁琐,并且更快产生结果的替代方法(例如严格算法方法)可用,但共识在促进对所分析区域的共同理解和产生结果的广泛所有权方面发挥了关键作用。应对粮食不安全需要利益相关者承认手头的问题,IPC仍然是这样做的合理稳健手段。IPC的价值增值可以理解为既是过程的结果(即阶段分类、人口表、地图和叙述),又根本上是过程本身。
我们以谨慎的语气结束。随着全球行为者日益认识到IPC调查结果的重要性,特别是与饥荒相关的,将会有越来越复杂和精密的努力试图诋毁IPC。在支持人道主义数据收集、分析和响应的资金萎缩的时代,许多从业者因环境被迫离开实地,存在捐赠机构内部和粮食不安全国家本身对IPC知识流失的风险。这些风险在当前政治时刻更加复杂,当前政治贬低专业知识并拒绝作为人道主义学说标志的中立立场。对于恶意行为者,IPC对透明的承诺为利用系统性弱点提供了机会,因为这些弱点被识别。不能假定IPC分析活动的结果将受到普遍欢迎或接受。任何形式的饥饿都太政治化,不可能做到这一点。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号