2.3 收集种植业和畜牧业的数据和实证
减灾和气候变化适应政策是保障可持续发展的关键。然而，要想有能力做出准确而有效的决策，首先需要一个可靠的知识框架。尽管迫切需要了解灾害对农业生产的全面影响，但有关损失和损害的数据却没有得到系统性收集或报告，且覆盖范围依然有限。为解决这一问题，下文各节将利用二手数据，特别是国际灾害数据库EM-DAT和粮农组织数据库FAOSTAT的生产数据，对灾害给农业生产造成的影响进行量化，重点是种植业和畜牧业生产。
EM-DAT数据库提供有关历史灾害事件的最全面信息，包括风暴、洪水、干旱、极端温度、虫害、野火、地震、山体滑坡、板块运动和火山活动。这些危害类型是评估工作的基础l。我们采用FAOSTAT数据库提供的有关1991-2021年期间192种作物和牲畜的生产数据，估算出了这些灾害造成的直接损失，随后将按不同项目分列的全国平均生产率下降情况与根据全要素生产率增长情况估算得出的未发生灾害事件的虚拟情境进行比较（详情参见技术附件2），最后采用按2017年美元购买力平价扣除通胀因素后的价格，对不同产品的损失进行汇总。为估算与每种危害类型相关的损失，在缺乏关于其差异性潜在影响的可靠信息的情况下，我们使用混合效应回归模型的参数来计算权重。
需要注意的是，在这项工作采用的各种假设中，由于缺乏更精细的数据，因此与虚拟情境相比较出现的生产率下降都被归因于灾害。此外，当灾害来临时，它们会与原本的气候条件、社会经济因素和制度背景结合在一起，产生负面后果。这些影响还来自于种植业和畜牧业这两个子部门之间的动态相互作用。例如，干旱会导致缺水，影响作物的生长和牲畜的水合状态。洪水可造成农作物减产、土壤侵蚀和畜牧基础设施受损。同样，野火也会对作物、牧场和牲畜饲料造成破坏，对作物生产和牲畜健康构成风险。52然而，在我们的估算过程中，灾害对种植业和畜牧业生产的影响被视为独立和瞬时发生的事件，并没有考虑它们之间相互依存的动态属性。
2.3.1 作物和畜牧产品全球损失情况
估算结果显示，过去三十年中，种植业和畜牧业子部门的估计损失一直呈缓慢增加趋势。如将过去31年全球发生的极端事件造成的损失相加，估计损失总额达3.8万亿美元，相当于年均损失约1230亿美元（图9），相当于全球农业产值的5%。相比较看，31年的美元损失总额约相当于巴西2022年的国内生产总值。
图 9 农业生产损失估算总值
大约相当于1500亿美元的大峰值出现在1993年、2002年、2004年、2010年、2012年和2020年。由于此处介绍的估算值是所有已记录的不同强度事件所产生负面影响的汇总，因此很难将这些巨额损失与特定灾害事件联系起来。但我们仍可观察到与某些已记录灾害事件的相关性。例如，损失水平急剧上升反映了1993年影响北美洲谷物和大豆生产的大规模洪灾、2002年南亚和非洲发生的大规模干旱、2010年影响中国并在萨赫勒地区造成大面积饥荒的严重干旱以及俄罗斯同时遭遇的热浪、2012年影响南亚的季风受阻现象、2020年分别袭击中国和印度的洪水和旋风以及肆虐北美洲的破纪录大西洋飓风季。
全球损失总值掩盖了各国在遭受影响方面存在的巨大差异。从图9中标准差的大小就可以看出一些局部事件或不同国家发生的多个事件造成的损失程度。与早些时候相比，最近几年的标准差普遍较小。例如，1991年至1993年围绕中间值上下平均变化幅度约为±35%，但在过去三年中，这一平均值降至±17%。而相反，1991年至1993年世界各地平均报告156起灾害，而2019年至2021年这一数字高达397起m。这表明，随着时间的推移，损失的集中度有所下降，原因是每年造成损失的极端事件在不同国家和不同产品中分布得越来越普遍。因此，与20世纪90年代初相比，虽然总体损失（以价值为准）增加不多，但就其所影响的国家和产品而言，损失变得更加普遍。造成世界各地作物和牲畜损失的极端事件的协变性质似乎正在增强，其发生频率也在上升。
插文 4 估算灾害造成的全球作物和牲畜损失的方法
为估算1991年至2021年全球灾害造成的农业损失，我们对186种农产品和197个国家/领土受灾年份的虚拟单产进行了估算（见技术附件2）。经显著性水平过滤后，估算出的虚拟单产和实际单产之间的差异相当于灾害引起的产量损失。采用国家层面特定农产品的单产损失估计值，我们就可以计算以吨为单位的产量损失和以2017年美元为单位的货币损失值。
灾害数据来自国际灾害数据库EM-DAT，产量和价格数据来自粮农组织统计数据库FAOSTAT，部分农业全要素生产率数据来自美国农业部。对不同国家和农产品时间序列，我们采用了三种虚拟估算方法：卡尔曼滤波的结构模型（58%）、基于全要素生产率聚类的统计法（39%）和基于全要素生产率数据的回归法（3%）。估算出虚拟产量和实际产量之间的差异后，同样的估算需重复1000次，其中包括各种随机灾害事件，形成零分布，从而确定显著性水平，并过滤掉严重产量损失事件。
所有主要作物和畜牧产品组别的损失都呈增加趋势（图10）。过去三十年，谷物估计累计损失达年均6900万吨，其次是水果蔬菜以及糖料作物，两者各年均损失近4000万吨。肉、奶、蛋类估计年均损失1600万吨，块根类也是如此，这两个组别的产品都呈现出明显增长趋势。这些数字巨大，略高于2021年法国的谷物总产量、日本和越南的水果蔬菜总产量以及墨西哥和印度的肉、奶、蛋类总产量。
图 10 主要产品组别估计损失值（1991-2021年）
为估算种植业和畜牧业相对于其他部门的损失，让我们查看一下灾后需求评估情况。如第2.2节所示，农业看起来在经济损失总量中占比23%，但借助这些数据仍不足以评估总体损失。世界气象组织最近公布，1970年至2021年间经济损失估计为4.3万亿美元，53该估算值采用EM-DAT数据库中3612次水文气象灾害事件计算得出。这些事件仅代表带有经济损失信息的灾害中的一小部分，仅相当于本节作物和牲畜损失估算值中包含的10000多起灾害中的35%。尽管EM-DAT数据库能提供有关总体经济损失的信息，但该数据库所记录的灾害事件中有40%以上并未包含损失值。54根据灾害流行病学研究中心和联合国减少灾害风险办公室的一份联合报告，研究结果表明在灾害报告工作上存在巨大差异。具体而言，1998年至2017年间，高收入国家有53%的事件报告了损失情况，而低收入国家仅13%的灾害事件报告了损失情况。报告特别强调，低收入国家约87%的灾害缺乏损失相关数据。55联合国减轻灾害风险办公室的一份最新报告指出，由于许多国家缺少数据，而且跟踪机制中遗漏了中长期经济损失，EM-DAT数据库中记录的经济损失数字很可能被低估。56
国家层面现有实证证明，采用EM-DAT数据库的数据集得出的经济损失总量估算值被低估了。例如，根据美国国家海洋和大气管理局的数据，美国发生的极端事件2018年至2022年间每年造成的经济损失超过1220亿美元，2000年至2022年间每年超过1490亿美元，且自20世纪80年代以来，这些数字一直在系统性地增加。9同样，仅2019年中国暴发的非洲猪瘟造成的损失和损害估计介于600亿美元至2970亿美元之间。24
虽然极端事件造成经济损失的绝对总值仍未可知，但本文估算的种植业和畜牧业损失值似乎与这些案例中提及的数额以及通过灾后需求评估得出的金额相一致，详情参见第2.2节。
世界各地损失情况
全球农业损失估算值掩盖了各区域、次区域和国家组别之间的巨大差异。由于原本存在的社会和环境条件以及农业和农业界在应对灾害风险方面的脆弱性或韧性，灾害对不同地区和国家会产生不同影响。由于适应力、韧性、减少风险和恢复的能力各异，因此各国受灾害影响的程度各不相同。虽然高收入国家和区域遭受的经济损失可能更大（这些国家和区域的农业所生产的商品和资产价值更高，且基础设施更普遍和发达），但由于农民和其他受影响的利益相关方应对损失或获得社会保护的能力相对较高，因此灾害所造成的社会后果可能相对较轻。而在低收入国家，与农业相关的商品、资产和基础设施往往价值较低，使得损失的净经济价值相对较低。但由于低收入国家在这种情况下从冲击中恢复的能力通常较弱，会对脆弱性产生连锁影响，并对生计造成破坏，最终对贫困和粮食不安全产生严重的长期后果。
可以预见的是，整个1991-2021年间各区域的损失总值分布情况能反映出各区域的总地域面积（图11）。亚洲到目前为止遭受的经济损失总量最大。而非洲、欧洲和美洲的损失总量相近，尽管它们在土地利用和农业实践方面存在巨大差异。而作为最小的区域，大洋洲的损失总值最低。
图 11 3.8万亿美元估计损失总值在各区域的分布情况（1991-2021年）
为客观看待这些损失，应将其与每个区域的农业总增加值进行对比（图12），因为产量损失会对每个区域的经济产生不同影响，具体取决于农业部门的重要性以及相对损失值。虽然亚洲在全球绝对损失值中所占份额最大（45%），但损失在其农业总产值中所占份额最小（4%）。而相比之下，非洲的损失总值约为亚洲的四分之一，但在其农业总增加值中占比近8%，是亚洲的两倍。欧洲和美洲的损失占比约为7.5%，大洋洲约为5%。
图 12 损失占农业总产值份额（1991-2021年）
资料来源:作者本人对粮农组织和国际灾害数据库数据的解读。
在次区域层面，经济损失的相对重要性揭示了更加微妙的情况（图13）。东非的情况十分突出，其农业增加值由于极端事件对作物和牲畜造成影响而损失近15%，这与21世纪10年代以及近年来非洲之角发生的大规模干旱所具有的破坏力有关。
图 13 各次区域农业损失总额占农业总产值份额（1991-2021年）
资料来源:作者本人对粮农组织和国际灾害数据库数据的解读。
同样，在拉丁美洲和加勒比区域，尽管原因不同，极端事件也造成了巨大损失，占农业增加值近10%。相反，亚洲各次区域看似遭受了重大损失，但损失在农业增加值中所占份额较小，尽管所经历的极端事件十分严重，如南亚的几次洪水，或受灾范围很广，如中国暴发的非洲猪瘟。同样值得注意的是，过去三十年中，北美洲也遭受了洪水、飓风和其他灾害带来的巨大损失（图13）。
如果超越区域界线来看按人均收入水平划分的国家组别，就能对情况有进一步的见解。本报告专门考虑了极易受到破坏性极端事件影响的小岛屿发展中国家。正如预期的那样，从绝对值看，高收入国家、中等偏下收入国家和中等偏上收入国家的损失值较高（图14上方）。相反，低收入国家和小岛屿发展中国家的绝对损失值极低。这反映出每组中这些国家加在一起所占实际面积较小，且所涉产品的单位价格较低。小岛屿发展中国家报告数值较低，其原因是实际面积小。而低收入国家报告数值低，则主要是因为作物和畜牧产品的单位价值低。
图 14 不同国家组别农业损失总额（上）和农业损失总额占农业总产值份额（下）（1991-2021年）
如考虑这些组别的损失值在农业增加值中所占相对份额，情况就会发生显著变化（图14下方）。从份额可以很明显看到，低收入国家遭受的损失平均是中等偏上收入国家损失的两倍多。在小岛屿发展中国家也可以看到类似情况，由于农业产量基数较小，导致其损失相对较大。高收入和中等偏下收入国家看起来处于中间地位，因为其农业产量基数较大且所记录的极端事件数量巨大。
同时也应该将种植业和畜牧业子部门的损失与产量做比较。报告每个主要产品组的估算损失时，先估算未发生极端事件的虚拟情境下的产量（详情参见技术附件2）。这种数据处理方法有助于了解有关每个主要产品组因灾害而损失的潜在产量的信息，并对世界各区域和不同国家经济组别的这一可能性进行定性。
采用按2017年美元购买力平价扣除通胀因素后的价格n，可以观察到所有作物和畜牧产品的整体损失与虚拟产量相比较的情况（图15）。结果突出显示了非洲几个地区损失的重要性，主要是非洲东部、北部和西部地区。极端事件的影响在东亚、南亚和东南亚看起来并不严重，尽管它们的绝对数值很大。这是由于这些地区的生产规模巨大，能吸收灾害频发带来的影响。
图 15 各次区域农业损失总额占估计虚拟产量的百分比（1991-2021年）
尽管不同年份之间差异很大，但看起来极端事件造成的损失大约是全球虚拟产量的10%左右。此外，从这几个方面研究单个产品组，也有助于从一个有趣的视角了解其状态（图16）o。大多数产品组都呈现出这一比例，仅肉类除外，其比例略低。过去几年谷物的损失看起来在不断增加，而水果蔬菜的损失过去十年似乎有所减少。然而，自21世纪10年代中期以来，块根类的损失似乎一直在增加。
图 16 全球低收入国家和小岛屿发展中国家农业损失总额占估计虚拟产量的百分比，按商品组别分列（1991-2021年）
同样，从这些方面看，全球数字也掩盖了各区域和次区域之间的显著差异。在低收入国家（图16），过去三十年谷物的估算损失介于虚拟产量的10%至20%之间；也就是说，它们看起来是全球总比例的两倍。总的来说，所有产品组中似乎都存在极大差异，尤其是作为主粮的块根类。就小岛屿发展中国家而言（图16），损失在虚拟产量中所占比例似乎变化很大，且比例很高。谷物损失几乎每隔一年变化幅度就高达20%以上，尤其是在20世纪90年代，接下来的几十年里也是如此。水果蔬菜的损失也在频繁出现峰值。
特定危害对农业的影响
由于难以区分一年内发生的多起灾害的影响，因此无法通过上一节介绍的损失评估方法将损失归因于某些特定灾害类型。尽管第2.2节介绍的灾后需求评估覆盖范围有限，但借助它能更好地了解不同灾害类型对农业造成的损失分布情况。虽然每个数据集在范围和参数方面存在差异，但灾后需求评估和EM-DAT数据库对不同危害类型造成的损失分布情况的研究结果也与此类似。
根据灾后需求评估报告的数据，干旱似乎是2006-2022年间对农业造成损害最严重的灾害类型，其次是旋风和洪水。虽然干旱占2017年农业估算损失的80%以上，57但洪水与风暴和旋风一起造成的损失最大。随着气候变化相关风险不断增加，洪水和风暴等气象灾害以及干旱和极端温度的频率和强度预计将有所增加。56,5
为详细说明不同灾害类型对农业的影响程度，我们开展了进一步研究，评估1991-2021年间每种危害类型造成的平均产量损失。具体做法是采用混合效应回归模型，对特定国家特定产品在特定年份的损失（吨）与同一国家同一年份每种类型灾害所报告的事件数量进行回归处理。其结果为全球估算值，同时采用各种参数来计算每个区域每种危害类型的权重和单位损失。本次分析详情参见技术附件2a。
分析结果以每种危害类型在农业平均损失总额中所占百分比表示（图17）。在全球范围内，极端温度和干旱是单次事件造成影响最大的危害，其次是洪水、风暴和 野火。
图 17 每次事件给作物和牲畜造成的产量损失，按危害类型分列（1991-2021年）
如上文所述，本节介绍的灾害损失估算值是采用二手数据进行概率建模得出的。在理想的情况下，可通过问卷收集此类信息，以便获得国家和国家以下各层级关于灾害损失的统一信息。此类评估有一些成功经验（见插文5和插文6）。虽然目前没有标准化规则，但以下插文中的案例研究可提供参考信息，用于制定相关规则。
插文 5 动物卫生：2016/17年旱灾对索马里牧民的影响
因降雨量低于平均水平和高温，埃塞俄比亚、肯尼亚和索马里目前正在经历严重缺水和牧场退化问题，近2300万人受到影响。与2011年、2016-2017年和2020/2022年的旱情相似，本次旱情也与食品价格上涨和其他经济冲击叠加在一起。索马里在连续三季降雨不足后，于2017年宣布全国进入灾难状态。由于降水量有限，畜牧业是索马里主要的土地利用方式，2013-2016年间畜牧业占其国内生产总值的60%。58畜牧业的作用至关重要，为人们提供奶类、肉类、就业和生计，占索马里出口收入的80%。索马里严重依赖粮食援助和进口，即使在丰年，本国谷物产量平均也只能满足国内22%的需求。旱灾期间，牧民被迫出售牲畜，以购买食物和照料剩余牲畜，结果导致牲畜供应激增，价格下跌。为应对这种情况，一些牧民将家人送到其他地方，以减少对自家畜群的依赖，而另一些人则迁往城镇谋生（图18）。旱灾的影响因财富和资源而异，往往会加大贫富差距，规模较大的牧民仍有可能保留种畜，而规模较小的牧民则连生存都很困难。
图 18 旱灾对养殖户的影响
与未发生旱灾的基准情境相比，旱灾的影响导致牲畜数量大幅减少（图19）。牲畜数量从旱灾前的5290万头减至旱灾年份年底的3610万头，降幅达32%。各类牲畜均受到影响，无一幸免，其中绵羊和山羊减少了30%以上，骆驼和牛减少了近20%。减少的原因既包括旱灾引起死亡率上升，也包括繁殖力下降，小型反刍动物尤其如此。在旱灾年份，死亡的牲畜多达400万头，而新出生的牲畜则较常年减少了1480万头，主要是山羊（减少1050万头）和绵羊（减少400万头），使得形势更为严峻。相比之下，高死亡率是旱灾年份骆驼和牛数量下降的主要原因，而生育率下降主要在旱灾后的年份才会体现出来。牲畜出栏量减少了约200万头，进一步加剧了死亡超量和出生减少（共1880万头）的叠加影响。在模型涵盖的时间段内，四个物种均未完全恢复到旱灾前的数量，牛的数量仍然比基准线少10万头（3%）。
图 19 牲畜数量与旱灾前年份相比相对差异
在旱灾结束后的第一年，活畜出栏量从灾前的1570万头大幅下降至820万头（图20），大幅下降的主要原因是前一年小型反刍动物的出生数减少。骆驼和牛的出栏量也显著下降，主要原因是旱灾年份死亡率升高。重建畜群的计划进一步导致出栏量下降。由于牲畜数量即使在五年后也未完全恢复至灾前水平，预计牲畜出栏量仍将略低于灾前水平。
图 20 牲畜销售量与旱灾前年份相比相对差异
在旱灾年份，奶类产量骤减了约175万吨，与灾前的240万吨相比减少了75%（图21）。灾后第一年里，奶类产量保持在170万吨左右，比灾前减少30%。随着饲料供应有所改善，小型反刍动物的产奶量出现反弹，而由于产犊率下降，牛和骆驼的产奶量仍然不足。尽管耐旱的骆驼是索马里产奶牲畜的重要组成部分，但在旱灾年份，奶类减产导致的损失占收入损失的近90%。在旱灾后的第一年，损失主要体现为活畜出栏量减少，原因既包括旱灾年份小反刍动物出生率急剧下降，也包括重建畜群的需要。重建需要时间，即使在灾后五年后，牲畜数量仍比基准线低近5%。
图 21 奶类销售量与旱灾前年份相比相对差异
图22展示的是旱灾前、旱灾中和旱灾后本地优质谷物、山羊和驼奶的农村市场价格和贸易条件，从中可以看出旱灾引发的价格波动。粮食安全和营养分析结果表明，在旱灾年份，活牛价格没有明显下降，而骆驼、山羊和绵羊价格下降了10%至15%。相反，奶价在旱灾年份上涨了20%至25%。灾后第一年，小型反刍动物价格出现反弹，比基准线上涨10%以上，而骆驼和牛的价格保持稳定。灾后小型反刍动物价格上涨，原因是需要用它们作为“种畜”用于种群繁育，而且对于普通消费者来说，其价格相对便宜。尽管奶类产量在灾后第一年翻了一番，但奶价仍略有上涨。
图 22 旱灾前、旱灾中和旱灾后各年份优质山羊和驼奶当地平均市场价格（美元）（图上方）和贸易条件（图下方）
与谷物相比，牲畜贸易条件的波动比牲畜价格的变化更为明显。在旱灾年份用牲畜交换谷物，能交换到的谷物数量下降了20%至40%，甚至更多，而在灾后年份，用山羊和绵羊交换谷物，能交换到的谷物数量增加了15%至20%。
就奶类而言，旱灾年份奶价上涨幅度与谷物平均价格上涨幅度相似，奶类与谷物之间的贸易条件相对未受影响。然而，在灾后第一年，奶价继续上涨，而谷物价格下降，导致奶类与谷物之间的贸易条件逐渐向有能力向市场供奶的牧民倾斜。这反映出典型的旱灾/灾后情境及其对收入分配的影响。
按照当时的农村市场价格，牲畜和奶类价值从旱灾前一年的30亿美元下降至旱灾年份的15亿美元。养牛收入受影响最大，原因是牛奶收入大幅减少，降幅约70%（图23）；其次是小型反刍动物带来的收入，降幅约50%；骆驼带来的收入降幅约40%。在灾后第一年，养牛收入仍比灾前低40%以上，而其他牲畜带来的收入仅比灾前低20%或更少，部分原因是灾后第一年小型反刍动物和奶类的价格出现上涨。直到灾后第四年，所有种类牲畜的估算收入损失才降至10%以下。在旱灾年份，牲畜与谷物相比较的贸易条件恶化，以千克-谷物当量计算，收入损失又额外增加了10%。
图 23 牲畜和奶类估计销售量与旱灾前年份相比相对差异
总之，在旱灾年份，据估算大约超过400万头牲畜死亡，主要是小型反刍动物，造成的损害值约为2.9亿美元。旱灾年份奶类产量损失估计近13亿美元，因牲畜出栏量减少和降价造成的损失为1.6亿美元。灾后第一年，奶类减产造成的损失降至1.5亿美元，而牲畜减产造成的损失升至4.6亿美元，主要是因为旱灾年份幼崽和羔羊数量减少。由于牲畜存栏量一直低于灾前水平，牲畜出栏量未恢复到灾前水平，灾后第二至第五年又损失了6.4亿美元。
插文 6 实地作物损失情况：草地贪夜蛾案例
跨境虫害是缓发性灾害，给世界上许多地方造成了越来越大的农业损失。随着贸易和旅游业不断发展以及气候变化和生物多样性丧失等环境压力日益加剧，这一挑战在未来几年可能会恶化。59
草地贪夜蛾（Spodoptera frugiperda, J.E. Smith）原产于美洲热带和亚热带地区，几十年来一直是当地的主要作物害虫。2016年1月，草地贪夜蛾首次在美洲以外地区出现，当时西非报告暴发了严重疫情。60目前已证实，撒哈拉以南非洲大部分地区都出现了草地贪夜蛾。草地贪夜蛾具有极强的侵入性、流动性和破坏性，给全球农业造成严重损失，威胁到各国的农业发展，必须重点应对。2018年，印度卡纳塔克邦报告出现草地贪夜蛾，这是亚洲首次发现这种害虫。近期，澳大利亚、加那利群岛和新喀里多尼亚也报告发现了草地贪夜蛾（图24）。61
图 24 全球草地贪夜蛾成灾图
![作者本人对粮农组织数据和联合国地理空间数据的解读。联合国地理空间网络。2020。地图地理数据[shapefiles]。美国纽约，联合国。](../img/CC7900ZH_fig24.jpg)
草地贪夜蛾之所以能迅速扩散，特别是在非洲，原因有很多，包括草地贪夜蛾能够利用各种多年生植物作为宿主，温暖的气候条件适于其繁殖。虽然草地贪夜蛾可食用的作物多种多样，能吃的植物更是多达350多种，62但玉米（Zea mays L.）是其首选，而玉米是非洲的主要谷物作物，也是亚洲第二重要的谷物作物。
草地贪夜蛾导致的损失既包括可收获产量减少，也包括因虫害防控而增加的生产成本。据估计，巴西2009年共花费6亿美元用于防控草地贪夜蛾。在非洲，2017年加纳和赞比亚的玉米产量损失分别约为2.84亿美元和1.98亿美元，以此推导12个非洲国家的损失总额为25亿至63亿美元。63 随着草地贪夜蛾的扩散，整个撒哈拉以南非洲地区的玉米、水稻、高粱和甘蔗损失约为每年130亿美元。64
测算草地贪夜蛾疫情及其对作物造成的损害
由于作物种类、品种、生长周期、害虫生命阶段各异，再叠加天气、土壤健康和影响草地贪夜蛾的生态力量等其他混杂因素，很难将作物损失和损害归因于草地贪夜蛾。查阅公开文献、机构报告和其他数据来源，可以发现越来越多的研究开始评估草地贪夜蛾在非洲和亚洲的影响，尤其是对其对玉米的影响已进行了多次评估。这些评估主要针对单个地块，而全面评估或建模工作仍处于初始阶段。
分析文献数据后发现，草地贪夜蛾直接导致的玉米产量损失在0.4%至94.8%之间。各国的平均产量损失存在差异，从厄瓜多尔的15.7%到印度的45.7%不等。值得注意的是，这些损失并不包括品质下降，采用从大小不一的地块获得的测量数据，而且各国的观测次数也不尽相同。不同的产量损失估算方法会生成不同的结果。例如，在津巴布韦，根据农民的感受估算2017年玉米产量损失为58%，65而根据对2018年实地数据的严谨分析，结果则为12%。66这意味着农民可能高估了产量损失。67然而，目前尚无同一时空内此类估算结果可供对比。此外，由于地块大小不一，差异巨大，难以采用地块数据推导出整个国家的产量损失，因此测算草地贪夜蛾造成的全国损失十分困难。显而易见，有必要开发和应用标准化方法，纳入更多变量，有针对性地对大小不一的地块进行采样，并创建适当的作物模型，以支持针对草地贪夜蛾的有效干预。
用损害等级量表进行测算，结果显示，玉米籽粒产量损失往往随着植物损害严重程度的增加而增加，损害等级评分每增加一个单位，产量损失就增加约10%（图25）。一些研究报告了损害等级大于3的植株所占比例，从中能观察到更强且具有统计显著性的关系（图26）。68这意味着一旦植株损害达到一定水平，产量可能会受到重大影响。此外，产量损失似乎还会受虫害侵袭水平的影响，即每株植株上的草地贪夜蛾幼虫数量。虽然这些结果依据的是地块层面数据，但说明不管地块大小如何，衡量草地贪夜蛾对产量损失的影响时，还应测量作物受损程度，可能的情况下，还应测量害虫种群水平。
图 25 产量损失总量（比例）按植株损害等级回归时的最佳拟合线
图 26 玉米产量损失（比例）回归时植株损害等级大于3的最佳拟合线
就草地贪夜蛾的影响建模，以估算减产可能导致的直接经济损失
为准确估算草地贪夜蛾可能造成的经济损失，必须考虑到草地贪夜蛾可能攻击的所有大宗作物，而且不仅要考虑质量和数量上的损失，还要考虑贸易机会的损失。63,69
以下是推荐的一个计算框架，用于估算草地贪夜蛾在无管理情况下可能造成的直接经济损失。67
ELP = 草地贪夜蛾入侵造成的潜在经济损失
YL = 草地贪夜蛾造成的作物产量损失的货币价值（Cr） 1，2…n
FC = 草地贪夜蛾的防控成本(Cr) 1,2…n，即应用于每种作物的各种防控方案的成本
QL = 草地贪夜蛾对作物造成的质量损失(Cr) 1,2…n，即作物因其质量降低或丧失而损失的经济价值
该模型通过估算不同作物产量损失的货币价值、防控措施的成本以及作物质量下降对应的价值，计算草地贪夜蛾入侵造成的损失。
事实上，草地贪夜蛾入侵仍继续对生产率产生不利影响，小农耕作系统受到的影响尤其大，大批非洲和亚洲小农的脆弱性因此加剧。草地贪夜蛾对人类健康也会产生间接不利影响，尽管目前还没有进行过任何系统性测算。草地贪夜蛾入侵造成的其他影响包括合成杀虫剂用量增加，虫害防治成本增加，作物减产及农场收入减少，环境和福利问题恶化。
气候预测表明，草地贪夜蛾对农业的影响可能会在未来几十年进一步加重。70,71这突显出建立有效且协调有序的管理系统的必要性，包括监督、监测和响应系统。在非洲和亚洲防控草地贪夜蛾时，人们提到和用到最多的方法依然是使用合成杀虫剂。72,73然而，使用合成杀虫剂有种种隐患，我们需要的防控策略必须既能有效抑制害虫，又不会损害人类健康、农业粮食生产体系的韧性和自然环境，其中包括综合病虫害防治框架内的基于自然的解决方案，如对草地贪夜蛾采用生物防控法。
2.3.2 灾害导致粮食供给中营养素损失
众所周知，灾害和危机会对粮食安全产生影响，对营养的影响更是巨大。它们还会通过其他途径影响营养，特别是给食物及其所含营养素造成损失，因而不利于健康膳食。种植业和畜牧业的全球损失可转换成人类所损失的相对应的能量和九种微量元素数值。将损失表示为在总需求量中所占百分比的做法有助于了解灾害和危机造成的粮食供给不足问题可能在多大程度上影响我们满足人口营养需求的能力。
必须强调，此处的重点是可供量，而不是因灾害造成的消费模式变化。要评估消费量损失了多少，需要有全面和具体的数据，但目前此类数据十分有限。必须认识到，粮食供给中的能量和营养素量并不一定等于个人摄入的量。
为衡量能量和营养素损失情况，我们采用食物成分数据，74将农业生产中的估算损失转换为九种维生素和矿物质（钙、铁、锌、维生素A、维生素B1、维生素B2、维生素C、镁和磷）以及能量的营养素损失，随后采用人口估计值将这些值转换为人均日均营养素损失值。我们依据每种营养素的每日平均需求估算量p，将损失值表示为占成人需求量的百分比q。75,76,77,78
图27显示，在全球范围内，过去31年种植业和畜牧业子部门的灾害估算损失平均约为人均日均147千卡，分别相当于男性和女性平均能量需求量的约6%至7%（图28）。过去三十年，能量减少量相当于约4.55亿人（约4亿男性或5亿女性）的年需求量。
图 27 各类食品人均能量和营养素估计每日损失总值（1991-2021年）
图 28 能量和营养素估计每日损失值占人类需求量比例（1991-2021年）
谷物的能量和多种营养素损失最多（图27），包括铁、锌、镁、磷、维生素B1和维生素B2。谷物制品是许多地区的主食，也是这些营养素的重要来源。蔬菜损失的主要是维生素A。这突出说明蔬菜是这种必需维生素的重要来源，而这种维生素对视力、免疫功能和整体健康至关重要。水果和坚果，还有块根类，损失的主要是维生素C。这些食物组被公认富含维生素C，而维生素C是一种对免疫功能和胶原蛋白合成很重要的抗氧化营养素。奶类和蛋类损失的是钙、维生素A和维生素B2。这几类食物以其钙含量闻名，对强健骨骼和牙齿至关重要。奶类和蛋类还能提供对视力和免疫功能至关重要的维生素A以及对能量的产生至关重要的维生素B2。
与需求量相比，铁、磷、镁和维生素B1的营养损失似乎特别突出（图28）。钙、磷和维生素A的损失百分比对男女而言是相似的，但其他营养素的情况则不同。考虑到女性的需求量更大，锌、镁、维生素B1、维生素B2和维生素C对女性的潜在营养影响更为重要，这些营养素的损失在估算平均需求量中所占百分比要比男性高1%至5%。铁是唯一一种潜在损失对男性的影响比女性大7%的营养素。
在区域层面，估计因灾害减产而造成的营养损失在亚洲和美洲约为31%，在欧洲约为24%，在非洲约为11%，在大洋洲约为3%。但结合各区域人口的能量需求量来看，损失在大洋洲尤为突出，约占50%，其次是美洲，约占15%，欧洲约占13%。在非洲和亚洲，灾害造成的需求损失比例要低得多，分别约为3.5%和4.5%。值得注意的是，仅非洲的估算损失就相当于4350多万男性或5440多万女性的日均能量需求量。
如图29和图30所示，大洋洲的损失占日均需求估算量的百分比最大，男性和女性的铁、镁、磷、维生素B1的损失占日均需求估算量的百分比均超过100%，女性的锌损失百分比也超过100%。这里考虑的是营养素可供量损失，而非实际摄入量损失。虽然大洋洲的营养损失低于其他区域，但其人口相比之下较少，而且粮食出口量很大。这导致大洋洲人均日均营养素损失较高，因此损失在平均需求估算量中所占百分比极高。以铁为例，大洋洲的人均日均损失估计为12.7毫克。损失绝对值似乎并不令人担忧，但它对男性而言为需求量的212.5%（6 毫克/日需求量），对女性而言则为157.4%（8.1毫克/日需求量）。
图 29 各区域能量和营养素估计每日损失值占男性需求量比例（1991-2021年）
图 30 各区域能量和营养素估计每日损失值占女性需求量比例（1991-2021年）
最后，由于缺乏对损失的系统性估算，在评估可供量减少时未包括鱼类和水生食物，这一点可能非常重要，因为此类食物是特定营养素的重要来源。同时，如果具备此类细分数据，那么在评估特定国家的粮食供给可供性时，就能顾及具体背景r。
插文 7 估算灾害导致的营养素可供量减少
根据1991-2021年灾害对全球农业生产造成损失的估算结果，我们可以计算出卡路里和九种微量元素的营养损失，即全球食品供应量中减少的可供量。我们将因灾造成的作物和牲畜产品损失与全球营养价值换算表（包括钙、铁、锌、维生素A、维生素B1、维生素B2、维生素C、镁和磷）中相应的营养价值进行比较，同时考虑到可食用系数，再将1991年至2021年的营养损失总量除以世界人口和该时间段的天数，就能将数值转换为每人每天因灾损失的能量和营养素平均数值。所采用的国家人口数据来自粮农统计数据库。用每种营养素的每日人均损失量除以成年男性和女性的每日平均需要量，可以将结果表示为人体对这些营养素的需求量的百分比。
