气候变化与农业生产韧性(APR):基于网络Meta分析(Network Meta-Analysis)的跨国证据

《Sustainability》:Climate Change and Agricultural Production Resilience: Cross-Country Evidence Based on Network Meta-Analysis

【字体: 大 中 小 】 时间:2026年07月02日 来源:Sustainability 4.1

编辑推荐:

  气候变暖及极端气候事件频发对全球农业生产韧性(Agricultural Production Resilience, APR)造成系统性冲击,明确其影响机制对保障全球粮食安全至关重要。本研究采用跨国交叉网络Meta分析(Network Meta-Analysi

  
气候变暖及极端气候事件频发对全球农业生产韧性(Agricultural Production Resilience, APR)造成系统性冲击,明确其影响机制对保障全球粮食安全至关重要。本研究采用跨国交叉网络Meta分析(Network Meta-Analysis)框架,系统整合2005—2025年发表的76项实证研究,旨在量化五种气候因子——极端高温(extreme high temperature)、极端干旱(extreme drought)、极端洪涝(extreme flooding)、降水变率(precipitation variability)及温度异常(temperature anomaly)——对APR的影响。研究人员检验了纬度区域、农业生产方式、农业结构与灌溉条件间的异质性与调节效应,并进行了稳健性检验与发表偏倚分析。结果表明:(1)跨国尺度上,五类气候因子均对APR产生显著负向影响,影响强度由强到弱依次为极端洪涝>极端高温>极端干旱>降水变率>温度异常,极端气候为主导风险因素;(2)影响效应存在显著纬度异质性,低纬度地区APR受不利冲击的绝对值明显大于中高纬度国家,极端洪涝是低纬度首要风险,极端高温则是中高纬度主导风险;(3)雨养农业与作物种植业受气候影响显著强于灌溉农业与畜牧业;(4)农业结构与生产方式具显著调节作用,作物种植与雨养农田占比越高负面影响越强,畜牧业、设施农业及完善灌溉设施可部分缓解此类扰动。本研究为各国各地区在农业气候治理框架下制定差异化适应政策、提升APR提供了实证依据。
一、研究背景与意义
全球变暖已成持续性环境趋势,IPCC第六次评估报告指出全球平均地表温度较工业化前已上升约1.1℃,未来数十年该趋势仍将持续,极端高温、持续干旱、区域性洪涝及台风频次与强度均呈增加态势。农业生产高度依赖气候条件,异常天气扰动土壤肥力、水分供给及病虫害周期,引致作物产量波动,气候变化因此成为威胁全球粮食安全、可持续农业与农户收入稳定的关键外部因素。农业生产韧性(Agricultural Production Resilience, APR)指农业系统抵御气候冲击、稳定产出、恢复生产力并实现长期适应性增长的综合能力,通常划分为抵抗性(resistance)、恢复力(recovery capacity)与适应性(adaptability)三维度,但因理论与测度标准不一,既有文献缺乏适用于大尺度全球区域的一致结论,且多为单区域或单气候因子研究,难以横向比较多种极端气候事件影响,跨国产异分析亦较浅显,传统分析方法无法同时整合与排序多气候因子效应,全球气候变化对APR影响的总体格局尚不明晰。在此背景下,研究人员通过跨国网络Meta分析(Network Meta-Analysis)系统合成全球实证文献,量化不同气候因子对APR的冲击强度、区域异质性与农业内部结构之调节效应,为差异化的农业气候适应政策提供实证支撑。该文发表于《Sustainability》。
二、主要关键技术方法
研究人员按Cochrane系统评价PICOS框架制定纳入排除标准,检索CNKI、Wanfang、VIP、Web of Science、Scopus及PubMed数据库并辅以引文追踪与灰色文献补充,初检3268篇,去重后经题目摘要及全文两级独立筛选,最终纳入2005—2025年跨国实证定量研究76篇(中英文各38篇),提取文献基本信息、气候与APR变量测度指标、回归统计效应量及分层样本特征并统一编码。以标准化均差(Standardized Mean Difference, SMD)为统一效应量,将原始回归系数、t值或95%置信区间换算为SMD,负面气候冲击统一赋负值。构建以正常气候为基线、含极端洪涝(extreme flooding)、极端高温(extreme high temperature)、极端干旱(extreme drought)、降水变率(precipitation variability)、温度异常(temperature anomaly)五暴露因子的网络证据体,行全局一致性检验(p>0.05为一致)与闭合环不一致性检验(inconsistency factor, IF),采用一致性模型合并效应量,以累积排序概率曲线下面积(Surface Under the Cumulative Ranking Curve, SUCRA)量化各气候因子冲击强度排序。按纬度(低纬度/中高纬度)、农业生产方式(雨养作物种植/灌溉农业+畜牧业)、农业产业结构(作物主导≥60%、均衡30–60%、畜牧与设施农业主导≥60%)及雨养/灌溉占比分层行分层网络Meta分析与Meta回归以识别异质性与调节效应。通过留一法(leave-one-out)、仅期刊文献敏感性分析及漏斗图结合trim-and-fill行稳健性与发表偏倚检验。
三、研究结果
4.1 纳入研究基本特征(Basic Characteristics of Included Studies)
纳入76项研究覆盖亚洲、非洲、欧洲、美洲及大洋洲36个国家与地区,低纬度热带亚热带41项、中高纬度35项,含发达与发展中国家,样本时空与尺度多元,整体无显著区域或时段聚集偏倚,满足网络Meta分析数据要求。
4.2 气候变化因子网络证据结构特征(Structural Characteristics of the Network Evidence for Climate Change Factors)
五气候冲击加统一正常气候对照组构成完整网络证据结构,含11条直接比较路径与4个间接比较闭合环,节点连通无孤立,网络完整稳定,满足网络Meta分析前提。
4.3 网络证据一致性检验结果(Results of the Consistency Test for the Network Evidence Network)
全局一致性检验p=0.127>0.05,四闭合环IF之95% CI均含0,直接与间接比较估计无系统偏差,网络一致性良好,采用一致性模型进行后续合并与排序。
4.4 气候变化对APR的总体影响(Overall Impact of Climate Change on APR)
五气候因子对APR均为显著负向影响(p<0.001),合并SMD由强至弱:极端洪涝(SMD=?0.352)、极端高温(SMD=?0.327)、极端干旱、降水变率、温度异常(SMD=?0.105),气候异常程度与负向冲击强度正相关,验证H1。
4.5 气候因子对APR影响强度的SUCRA排序(SUCRA Ranking of Impact Intensity of Climate Factors on APR)
SUCRA值由高到低:极端洪涝(92.6)>极端高温(78.3)>极端干旱(69.4)>降水变率(41.7)>温度异常(18.0),排序与合并SMD结果一致,极端洪涝为全球APR首要气候胁迫因子。
4.6 气候变化影响效应的异质性验证(Heterogeneity Validation of Climate Change Impact Effects)
4.6.1 纬度异质性(Latitudinal Heterogeneity)
低纬度组合并SMD=?0.452(95% CI [?0.531, ?0.373]),中高纬度组SMD=?0.198(95% CI [?0.264, ?0.132]),低纬度所受负面冲击更强,低纬度核心风险因子为极端洪涝,中高纬度为极端高温,验证H1a。
4.6.2 基于农业生产方式的异质性(Heterogeneity Based on Agricultural Production Mode)
雨养农业/作物种植组SMD=?0.436(95% CI [?0.509, ?0.363]),灌溉农业/畜牧业组SMD=?0.209(95% CI [?0.275, ?0.143]),前者显著更易受气候冲击,验证H1b。
4.7 农业结构与生产方式的调节效应验证(Validation of the Moderating Effects of Agricultural Structure and Production Mode)
4.7.1 农业结构总体调节效应(Overall Moderating Effect of Agricultural Structure)
作物主导组SMD=?0.468(95% CI [?0.545, ?0.391]),均衡结构组SMD=?0.302(95% CI [?0.365, ?0.239]),畜牧/设施农业主导组SMD=?0.185(95% CI [?0.247, ?0.123]),作物种植占比与气候冲击强度正相关,畜牧与设施农业占比与之负相关,验证H2与H2a。
4.7.2 作物种植内生产方式的调节效应(Moderating Effect of Production Modes Within Crop Farming)
高雨养组(≥80%)SMD=?0.512(95% CI [?0.593, ?0.431]),中雨养(40–80%)SMD=?0.405(95% CI [?0.478, ?0.332]),低雨养高灌溉(<40%,灌溉≥60%)SMD=?0.226(95% CI [?0.289, ?0.163]),雨养占比与负面冲击强度正相关,完善灌溉显著缓解气候冲击,验证H2与H2b。
4.8 稳健性检验(Robustness Check)
留一法逐一剔除76篇文献重建网络,气候因子SUCRA排序、纬度及生产方式异质性特征、调节效应方向与显著性均基本不变;剔除学位论文与会议论文仅保留49篇期刊文献重新分析,全样本合并SMD=?0.315、期刊亚组SMD=?0.311(p均<0.001),冲击排序与异质性模式一致,核心结论不受单一研究或文献类型干扰,研究结论高度稳健。
4.9 发表偏倚检验结果(Results of Publication Bias Test)
漏斗图近似对称,不对称检验斜率=0.082,p=0.217>0.05,trim-and-fill法未引起合并效应量明显偏移,效应量集中比89.5%,无显著发表偏倚。
四、讨论与结论总结
研究人员指出:(1)五种气候扰动均显著降低跨国尺度APR,冲击强度随极端天气严重程度递增,影响强度排序为极端洪涝(SMD=?0.352)>极端高温>极端干旱>降水变率>温度异常(SUCRA依次为92.6、78.3、69.4、41.7、18.0),填补了多灾害统一量化排序的研究空白;(2)低纬度农业系统APR损失远高于中高纬度(低纬SMD=?0.452 vs 中高纬SMD=?0.198),低纬以极端洪涝为主控风险,中高纬以极端高温为主控风险,具显著纬度异质性;(3)雨养作物种植较灌溉农业与畜牧业对气候敏感得多(雨养作物SMD=?0.436 vs 灌溉/畜牧SMD=?0.209),生产方式驱动显著异质性;(4)农业产业结构与灌溉设施具显著调节作用,作物专业化区>种养均衡区>畜牧/设施主导区(SMD分别为?0.468、?0.302、?0.185),高雨养占比加剧冲击而完善灌溉可缓冲;(5)留一法、期刊子样敏感性分析及发表偏倚检验表明核心实证模式高度稳健。基于上述发现,研究人员建议构建跨国农业气候风险协作治理体系、实施纬度差异化适应策略(低纬重点防涝排涝与抗涝品种推广,中高纬侧重高温干旱防御与节水灌溉)、依禀赋优化农业结构推进多元化与设施农业发展、以灌排水利为核心强化农田基础设施及加大抗逆育种与气候智能农业技术研发推广,以提升全球APR与粮食供应链韧性。本研究局限含APR多源测度指标需统一及测量不变性检验、非英文文献可能遗漏、调节变量维度待扩展、静态综合分析未揭示时变特征及未定量解析中介传导机制,可供后续研究深化。
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