研究背景与意义
气候变化与极端天气事件对全球人口，特别是脆弱社区产生深远影响。非洲及撒哈拉以南非洲地区的农民尤其易受气候变化的多种不利影响。塞内加尔作为撒哈拉以南非洲地区的一个典型案例，其农业系统体现了构建气候韧性的挑战与机遇。农业是塞内加尔粮食安全和收入创造的基石，但面临气候相关压力的日益增加。主要作物如小米、花生等极易受极端天气事件影响，加之农业投入有限、雨养农业普遍以及农村基础设施不足等挑战，凸显了理解和增强该地区适应能力与韧性策略的迫切性。
研究方法论
本研究采用多维方法框架评估塞内加尔花生盆地小农耕作系统在气候变率条件下的韧性。该框架旨在通过整合经济、卡路里摄入和风险指标来评估韧性，从而捕捉农业实践、气候冲击与家庭福利之间复杂的相互作用。方法路径包括四个核心组成部分：（i）使用基于恢复的指标（净现金农场收入NCFI和每日卡路里消费）测量韧性；（ii）估计这些指标的恢复期以评估家庭恢复到冲击前状态所需的时间；（iii）通过计算确定性等价（CE）纳入农民风险偏好以反映不确定性下的行为异质性；（iv）跨不同经济阶层和气候制度对农业干预措施进行综合评估。
韧性评估通过结合作物模型APSIM（Agricultural Production Systems sIMulator）和全农场模型FARMSIM（Farm Simulation Model）来模拟作物歉收和家庭层面的干扰。APSIM用于模拟历史小米产量（1990-2021年）在不同农艺实践（三种植物密度和三种播种日期）下的表现。这些模拟产量随后作为输入纳入FARMSIM进行全农场分析。FARMSIM用于生成家庭层面的经济、营养（卡路里和营养）以及风险相关输出。这些模拟根据塞内加尔农民（极贫、贫困、中等、富裕）的社会经济条件进行定制，其投入水平与其资源获取能力相对应。
韧性估算采用了一个故障-恢复结构，该结构模拟了NCFI和卡路里摄入在应对外部冲击时的故障和恢复。该结构通过图形和数学公式进行形式化，从而能够量化恢复系数。恢复系数使用逻辑回归得出，其中家庭收入和其他社会人口统计及冲击相关变量预测返回到冲击前粮食安全状态的概率。
风险通过使用Simetar的随机效率函数（SERF）工具整合到框架中，该工具能够在不同风险态度下评估替代农业实践，区分风险中性和风险厌恶型农民。CE值用于根据风险调整后的表现对替代方案进行排序。
最后，进行多标准评估以整合韧性、恢复期和风险分析的结果。在该框架中，只有当经济指标和卡路里摄入指标都恢复或超过其冲击前水平时，农业替代方案才被认为具有韧性。在评估了这些指标的故障-恢复动态后，进一步使用风险指标评估干预措施，将农民的风险偏好纳入分析。通过这种方式嵌入风险分析，使评估与农民的决策过程保持一致，提供了对干预措施可行性的更现实评估。
案例研究区域与农艺特征
花生盆地位于塞内加尔中西部，是该国最重要的农业区。该地区以混合畜牧业和种植业的小规模农业系统为主。尽管具有农业潜力，但花生盆地因气候变率和变化面临巨大挑战。该地区农业主要为雨养，使其高度易受降水模式变化、长期干旱和极端天气事件的影响。此外，矿质肥料和其他农业投入的使用有限进一步加剧了该地区面临的气候胁迫，降低了作物产量并威胁着农业社区的韧性。在塞内加尔，小米通常在6月至7月间播种，9月至11月间收获，主要生长期在8月。珍珠粟和花生是贡献农村家庭生计和收入 generation 的主要作物。因此，本研究计划调查在花生盆地从事小米和花生轮作的农民。
本研究考察两个珍珠粟品种，Sanio和Souna，它们适应不同的降雨带：Souna适于年降雨量350-600毫米的地区，而Sanio适于年降雨量900-1200毫米的地区。蒂埃斯和卡夫林是本文的关键研究行政区，它们位于不同的气候区，分别为萨赫勒-苏丹区和苏丹区。这些地区在气候和农场特征上均存在差异，为分析农业气候韧性提供了宝贵的基础。
数据来源与建模
本研究使用了两种建模工具：（i）用于作物建模的APSIM；（ii）用于全农场系统分析的FARMSIM。每个模型都需要反映所研究农业系统生物物理和社会经济维度的不同输入参数集。
APSIM模型基于包括每日天气数据（温度、降雨和太阳辐射）、详细土壤剖面（例如质地、有机质、持水能力）和作物特定参数（例如种植密度、品种特性、物候）的输入来模拟作物生长。APSIM模拟中使用的气候、土壤和作物参数数据来自Vieira Junior等人的研究，该研究提供了该地区高质量的校准数据集。APSIM模型用于模拟珍珠粟产量的波动，而花生产量假设保持不变。APSIM模型的输出结果用作FARMSIM模型的输入，以根据替代农业实践和气候条件之间作物产量的变化来确定经济、卡路里摄入和风险相关数据。
FARMSIM需要更广泛的输入变量来代表小农农业系统的全部复杂性。这些包括作物相关数据（种植的作物类型、产量和生产成本）、牲畜相关数据（畜群规模、饲料成本和生产力）、经济数据（投入品和产出品的价格、家庭收入来源和资产所有权）以及食品消费数据（农场家庭内消费的食品类型和数量）。FARMSIM的数据来自多种来源，包括组织数据库、家庭调查、同行评审文献以及政府和非政府机构的报告。大部分数据来自塞内加尔农业分析、预测和统计局（DAPSA）和年度农业调查（EAA）2019年至2023年的年度报告。
为了考虑农业实践和资源获取的异质性，我们基于经济分类对农场系统进行了分层。定义这些经济等级（极贫、贫困、中等、富裕）的数据来源于萨赫勒地区的家庭经济分析（HEA）报告。这些分类为构建具有代表性的农场家庭概况以进行模拟提供了信息，特别关注那些从事花生-小米轮作耕作系统的家庭。
用于估计恢复系数的农民家庭级数据应用于估计家庭收入对恢复模式的影响，作为恢复系数的代理。该影响通过以下变量进行控制，这些变量代表居住在坦巴昆达和塞久（塞内加尔主要农业区）的农民家庭的特征：（i）农民暴露于气候冲击：遭受干旱、洪水、降雨模式不稳定、过量降水和强风冲击；（ii）主粮系统比较：以小米和稻米为主食与以玉米为主食的比较；（iii）居住区域：居住在坦巴昆达与塞久；（iv）家庭结构：女户主和联合户主家庭与男户主家庭的比较；（v）生计类型：依赖混合农牧业和纯种植业生计与其他类型生计的比较。
农民收入和其他上述变量对一个二元变量进行回归，该变量将家庭分为两组：（1）冲击后粮食需求恶化的家庭；（2）冲击后粮食需求保持不变或改善的家庭。本研究使用的数据来自Muriithi等人于2020年在坦巴昆达和塞久对1503名小农户进行的一项调查。
作物模型与农场模型链接
本研究采用APSIM 7.10版模拟塞内加尔主要产区的小米谷物产量。由Van Oosterom, Carberry, Hargreaves, and O'leary建立，并经Van Oosterom, Carberry, and O'leary以及Van Oosterom等人调整的APSIM-Millet模型，由Vieira Junior等人进一步定制，以适应塞内加尔的土壤和气候条件，以及两个主要的小米地方品种Sanio和Souna。
本研究重点考察不同气候条件对珍珠粟的影响，包括不同的植物密度和播种日期（称为替代方案），这些由Vieira Junior等人确定。选择这些实践在塞内加尔进行测试采纳，是因为它们相对于其他干预措施具有若干优势。首先，它们已被证明可以提高农业产量和生物量。其次，由于可用于耕作的土地有限且塞内加尔当前的小米种植密度较低，增加植物密度有潜力显著改善农业生产。第三，其他干预实践面临限制其可行性的约束，例如灌溉的使用和基础设施有限，以及肥料成本的波动。
不同的播种日期和植物密度与不同的氮肥施用率一起进行评估，分别代表极贫、贫困、中等和富裕等级的农民。购买更多种子的相关成本将被计入，以更好地理解替代实践之间的权衡。
蒂埃斯和卡夫林的历史降雨数据说明了在半干旱气候条件下种植作物的挑战。我们确定了1990年至2021年间连续五年生长季的平均降水量，按最低降水量（干旱）、中位数降水量（正常）和最高降水量（湿润）分类。在蒂埃斯生长季，最干旱的五年期发生在1990年至1994年，平均季节降雨量为295毫米。最湿润的五年期发生在2009年至2013年，平均季节降雨量为422毫米。这些极端条件也出现在卡夫林的生长季。最干旱的五年期是2011年至2015年，平均季节降雨量为392毫米，最湿润的是2015年至2019年，降雨量为481毫米。因此，即使在最湿润的年份，降雨量也仅能满足Souna品种的需求，但仍低于Sanio品种的要求。
作物模拟在35个空间分布点进行，研究区域（卡夫林和蒂埃斯区）的七个小米生产省各选择了五个等距站点。对于每个站点，在1990年至2021年期间模拟了九种不同的管理替代方案。这些替代方案基于三种播种日期（早期：6月初至7月下旬；中期：7月初至8月下旬；晚期：7月下旬至9月中旬）和三种植物密度（1.1、3.3和6.6株/平方米）的因子组合。氮肥根据经济状况确定，极贫和贫困农户为0公斤/公顷，中等农户为40公斤/公顷，富裕农户为100公斤/公顷。尿素作为氮源，在播种后21天和45天分两次施用，以反映标准农时。模型中实施的土壤参数和初始条件来源于Vieira Junior等人，包括土壤深度、容重、排水下限和上限、饱和含水量和pH值。
从APSIM模型获得的产量数据随后被纳入FARMSIM，后者提供了更详细的农场层面经济、营养和风险结果表示。FARMSIM是一个综合模拟模型，整合了作物、牲畜、农场和家庭支出、资产和消费行为，以评估农业干预措施在家庭、村庄和区域层面的影响。FARMSIM的输入变量在附表S1-S22中给出。FARMSIM设计用于模拟不确定性条件下的农业系统，使用蒙特卡洛技术在五年规划范围内生成概率预测，为每个关键输出变量（KOV）产生500次迭代。这些输出有助于评估替代农业实践的财务和营养后果。该模型在多个空间尺度（村庄、区或区域）上运行，特别适用于发展中国家的小农系统。该模型结合了用于风险分析和不确定性决策的模拟与计量经济学（Simetar）工具集。具体来说，它应用SERF框架，通过生成经验累积分布函数（CDF）来实现替代干预措施的比较分析。这些分布有助于基于CE在不同风险厌恶水平下对技术进行定量风险排序。此功能使政策制定者和发展从业者能够评估预期效用的权衡，并确定不确定性下最稳健的农业策略。
该模型评估了与经济和非物质维度相关的一系列广泛的KOV。在本研究中，KOV包括一个经济变量（净现金农场收入）和一个营养变量（卡路里（千卡））。此外，CE被用于评估替代实践的风险方面。FARMSIM内的营养建模考虑了来自多个来源的家庭消费：农场生产（作物和牲畜）、市场购买和食品捐赠。使用标准营养素值评估营养充足性，并将家庭摄入量与每成人当量的最低膳食需求进行比较。该模型已在多个国家的不同情况下使用，包括塞内加尔、马拉维、加纳、坦桑尼亚和埃塞俄比亚。
韧性分析框架概述
韧性可以通过两种不同的方法进行评估：（i）韧性作为回归均衡；（ii）韧性作为规范条件。作为回归均衡的韧性是指某个指标在受到冲击后下降并恢复到冲击前原始值的能力。作为规范条件的韧性是通过一个指标来衡量的，该指标在受到冲击后下降，随后恢复到之前的状态，前提是它保持在定义的最低生活标准（例如贫困线或最低营养评分）之上。然而，在本研究中，韧性被评估为回归均衡，定义为恢复到社区的初始状态。这种方法不施加预定义的阈值，如贫困线，承认一些社区可能经历长期的经济困境或营养不良，这代表了它们普遍的状况，而不是偏离正常。
使用FARMSIM模型开发的经济、营养和风险变量将在Moller等人开发的多维方法中进行评估。构成本研究多维方法的四个主要步骤是：（i）测量农民收入和卡路里摄入的韧性；（ii）通过最小化干扰来优化农民的恢复期；（iii）根据农民的韧性和恢复期长度评估农民；以及（iv）基于风险评估替代方案。
韧性与恢复期评估
替代方案基于NCFI和卡路里的恢复期进行评估，同时涵盖步骤1-3。步骤1通过一种新颖的韧性测量方法进一步详细说明，该方法基于一个故障-恢复模型，该模型跟踪某个指数（收入或卡路里摄入）返回其冲击前水平的速度和有效性。韧性度量源自冲击点和恢复点之间曲线下的面积，捕捉了影响的深度和持续时间。恢复系数（mfx）量化了在收入增加的情况下家庭实现完全恢复的可能性。这是通过逻辑回归模型确定的，该模型估计收入对家庭达到或超过其冲击前粮食需求概率的边际效应。
为了解决步骤2，我们制定了一个优化模型，该模型在受到技术和资源约束的情况下，最小化冲击造成的干扰。决策变量是恢复期，将其最小化以增强韧性。
根据步骤3，我们将上述恢复建模应用于一组替代方案，并通过比较NCFI和卡路里的恢复期来测量它们的韧性。收入和卡路里指标可能没有相似的恢复期，意味着它们可能在不同时间恢复。这种不平衡可能对家庭不利，因此我们只在两个指标都恢复后才认为家庭具有韧性。因此，两个指标中较长的恢复期将用于评估替代方案。这确保了只有那些在经济和卡路里摄入维度上都稳健的替代方案才被认为是足够的。
这种双维度恢复框架的新颖之处在于它明确整合了经济和卡路里摄入韧性，而不是依赖单一的代理度量。先前的韧性评估通常孤立地强调收入恢复或粮食安全，但很少评估两者之间的相互依赖性。通过要求在这两个基本领域同时恢复，我们的方法建立了一个更严格、更现实的韧性基准，更好地反映了家庭福祉。这确保了只有那些在经济和卡路里摄入维度上都稳健的替代方案才被认为是足够的，突出了该方法在桥接财务和营养恢复动态方面的独特性。
韧性风险评价
步骤4为我们的韧性评估引入了一个风险调整层。我们使用Simetar软件中的SERF工具来计算每个替代方案在不同风险厌恶水平（从风险中性到风险厌恶）下的CE。这种基于风险的评估承认农民在承担风险的意愿上存在差异。在实践中，那些在不同风险偏好下产生更高CE值的替代方案更有可能被采纳，因为它们更符合农民的决策行为。通过整合这一分析，我们确保韧性策略不仅在技术上有效，而且在社会和行为上具有相关性。
韧性测定框架背景
测量韧性
我们的新颖方法通过整合指数（指标）故障后的恢复模式来测量韧性。卡路里摄入指标的恢复系数将在本文中确定，而NCFI指标的恢复系数先前已由Moller等人确定，其中A = (I0 , t0 )代表冲击事件前的关注指数（即NCFI和卡路里摄入）。冲击后，指数下降到B = (I1 , t1 )。假设一个自给农作家庭，AB曲线的凸性可以与生产函数相关联。故障事件后，恢复阶段在t1 开始，收入增加D = (I0 , t2 )。BD曲线对应于家庭恢复模式类别，完全恢复模式将具有更大的斜率。测量韧性的拟议方法由Moller等人详细说明。中间恢复概率和极端恢复概率有所不同。这里，mfx代表恢复系数，即关注指数改善对恢复模式概率的边际效应，r是韧性值。
恢复系数的代理
恢复系数定义为农民家庭收入改善对家庭从“部分恢复和未恢复”状态转变为“完全恢复”状态的概率的影响。该代理是逻辑回归估计对数收入边际效应的结果。本文遵循相同的方法，但将其应用于评估家庭收入改善对家庭满足其冲击前粮食需求概率的影响。该系数代表家庭在家庭收入增加的情况下，从“比冲击前更差”状态转变为在满足粮食需求方面“与冲击前相同或更好”状态的概率。
模拟韧性的故障-恢复结构
估计指标变量的恢复系数
卡路里摄入指标的恢复系数
估计农民收入对数（lninc）对家庭粮食需求满意度状态（“比冲击前更差”或“与冲击前相同或更好”）影响的方程。lninc或mfx的边际效应被认为是卡路里摄入指标恢复系数的代理。除了农民收入外，解释变量向量还包括控制变量（j = 2, …, 12），用于解释家庭粮食需求类别的概率，即经历的冲击类型（j = 2: 干旱；j = 3: 洪水；j = 4: 不稳定降雨模式；j = 5: 过量降雨；j = 6: 强风）、主粮类型（j = 7: 小米；j = 8: 大米）、户主类型（j = 9: 女户主；j = 10: 联合户主）和地区（j = 11: 坦巴昆达）。
NCFI指标的恢复系数
用于估计NCFI恢复系数的回归程序使用了一个Logit模型，该模型将恢复结果（完全恢复与未完全恢复）对收入对数和户主特征（包括年龄、教育程度和家庭自给自足程度）进行回归。使用相同的数据集来估计该回归方程的参数，该方程是为确定NCFI的恢复系数而开发的，详见Moller等人。
优化恢复期
为了测量NCFI和卡路里摄入的恢复期，我们定义了一个优化问题，该问题在受到技术和资源约束的情况下最小化干扰。优化问题的目标是最小化给定指标变量（i）函数故障造成的干扰。目标函数表示为跨基线耕作实践和八个替代方案（s = 基线, 1,…,8）与四个经济农民等级（e: 极贫、贫困、中等、富裕）交互的干扰系数与恢复期滞后的乘积之和。上标i包括关注指数，包括NCFI和卡路里摄入。当从基线转向替代耕作实践时，农民指标变量i的下降被定义为农民的韧性故障。干扰被认为是由于故障、补偿性故障以及故障和补偿性故障之间的滞后（或恢复期的滞后）形成的几何区域。
目标函数受到非零约束，限制为校正后的花生和珍珠粟产量相关系数的总和。校正过程通过将故障与皮尔逊相关系数相乘进行，该系数在八个空间物理地理变量和关注作物产量之间计算。约束进一步扩展。
农业干预措施的多维评估
每日卡路里摄入和NCFI的恢复期被用于评估不同替代方案的韧性。正如先前讨论所指出的，只有当两个指标都恢复时，才实现韧性，因为它们可能不会同时恢复。为了确保保守和全面的评估，两个恢复期中较长者被用作评估每个替代方案韧性的基准。恢复期较短的替代方案将被认为更具韧性，因为更快恢复到冲击前状态的农民将比那些需要更长时间或从未恢复的农民更好地维持其生计。
通过应用Simetar程序中的SERF，可以评估一系列替代方案。在本研究中，我们使用了SERF选项，因为它能够评估不同风险厌恶水平（从0，表示风险中性，到4，表示风险厌恶）下的利润或CE。决策者可以使用这种方法来评估各种替代方案在不同风险系数下的表现，并选择在所有风险水平下始终产生最大CE的方案。不同农民水平的CE在替代风险厌恶系数上取平均值，并用于最终的风险排序，CE值越高排名越高，越受农民青睐。
结果与讨论
NCFI韧性结果
NCFI的测量韧性考虑了农民的韧性故障，该故障源于两个因素：（1）正常和极端气候条件之间的比较；（2）在给定气候条件下，基线耕作实践与替代农业实践之间的转变。总体结果表明，干预措施的有效性因地点而异，并且似乎取决于环境和管理因素的组合。在若干情况下，早期或中期播种日期配合中等至高密度支持了韧性，这可能是因为它们使作物生长与有利条件保持一致并最大化资源利用。相比之下，晚期播种日期或极低密度通常与减产同时发生，要么是因为错过了最佳生长窗口，要么是未充分利用可用资源。在生长条件通常更有利的卡夫林，一些较高密度和较晚播种是成功的，而在蒂埃斯，更保守的策略（较早播种和较低至中等密度）更有效。这些模式表明，当干预措施平衡播种时间和密度与当地生产环境时，效果最佳，而不是在不同区域应用统一策略。
初步营养评估
来自FARMSIM的模拟小米营养结果检测了在正常气候条件下基线五年期平均的潜在卡路里量以及蛋白质、脂肪、钙、铁和维生素A的成分。我们确定极贫和贫困类别的农民在任何类别中从未满足其营养需求，而中等和富裕农民通常满足或接近满足其卡路里、蛋白质和脂肪的营养需求。所有农民，无论类别如何，在两个地区都缺乏钙、铁和维生素A的营养。这一点很重要，因为即使在正常气候的基线条件下，营养不良在农民中也很普遍。因此，所有经济等级的农民，尤其是较低等级的农民，特别容易受到冲击。塞内加尔人口中的营养缺乏在几项研究中得到证实。另一项研究发现，塞内加尔人口通常满足其卡路里和蛋白质需求，而人口在其他领域营养不足。一项单独的研究按经济等级（贫困和非贫困）检查了西非的营养。结果表明，贫困类别的家庭未能满足最低每日卡路里需求，而非贫困类别的家庭始终超过此阈值。因此，需要进一步研究来调查不同经济条件下人们，特别是农民的营养缺乏情况，以更深入地了解当前实地情况。因此，本文旨在进一步扩展信息和评估塞内加尔农民经济等级中卡路里摄入方面的营养缺乏。
营养不良包括营养不足、营养过剩和微量营养素缺乏。根据联合国儿童基金会的指导方针，解决营养不良需要针对直接原因（如疾病）、潜在原因（如获得医疗保健）和基本原因（包括经济和生态条件）的多部门干预措施。在此背景下，本研究通过考察气候变率和农业生产系统如何影响卡路里可用性和恢复，明确关注营养不良的基本原因。
家庭特征与家庭恢复之间的关系
估计结果
回归结果确定了家庭粮食安全轨迹的决定因素。它们指出了哪些因素影响一个家庭是恢复到其冲击前的粮食安全水平、实现超越该水平的改善，还是经历恶化。家庭收入较高（以收入自然对数lninc衡量）的家庭报告粮食安全处于与冲击前相同或更高水平的可能性显著更大。这表明收入是从粮食相关干扰中恢复的关键保护因素。相反，在过去10年中经历过气候相关冲击（ 特 别 是 干 旱
打赏
