本文档报告了由Corey Lesk1, Pedram Rowhani2 & Navin Ramankutty1,3 共同完成的一项原创性研究。第一作者和通讯作者单位分别为：1加拿大麦吉尔大学地理系，2英国萨塞克斯大学地理系，3加拿大不列颠哥伦比亚大学全球议题刘氏学院与资源、环境及可持续发展研究所。该项研究于2016年1月7日 发表在顶级学术期刊 《Nature》 （第529卷）上。
这项研究属于全球变化科学、农业气象学与粮食安全 的交叉领域。研究的背景在于，近年来，极端天气灾害（Extreme Weather Disasters, EWDS）频繁发生，对区域农作物生产造成了部分或完全破坏，威胁到从地方到全球的粮食安全。尽管存在大量关于特定区域极端天气影响的详细研究，但干旱、洪水和极端温度等灾害对全球尺度 农作物生产的量化影响尚未明确。此外，以往研究多聚焦于极端天气对作物单产 的影响，但农作物总产量（Production）还受到收获面积 变化的影响，而总产量才是决定粮食安全的关键因素之一。同时，洪水与极端寒冷事件对农业的影响常被忽视。因此，本研究旨在首次在全球尺度上，实证量化评估1964年至2007年间报告的极端天气灾害对国家层面谷物生产的平均影响，并区分其对单产和收获面积的不同作用机制，以期为国际灾害风险减轻和适应努力的农业优先事项提供科学指导。
研究的详细工作流程围绕超级纪元分析（Superposed Epoch Analysis, SEA） 这一核心统计方法展开，该方法也称为合成分析，旨在从时间序列数据中增强特定事件（即灾害）的信号，同时减少无关变量造成的噪音。整个研究流程包含以下几个关键步骤：
第一步：数据收集与准备。 研究收集了两类核心数据。一是灾害数据，来源于紧急事件数据库（Emergency Events Database, EM-DAT）。该数据库收录符合以下至少一项标准的灾害事件：造成至少10人死亡、宣布进入紧急状态、请求国际援助、或至少100人受伤、无家可归或需要立即援助。研究选取了1964-2007年间来自177个国家的2184次洪水、497次干旱、138次极端高温和194次极端寒冷灾害。二是农业数据，来源于联合国粮农组织统计数据库（FAO），涵盖了上述177个国家从1961年至2010年共16种谷物 的国家级总产量、平均单产和总收获面积数据。
第二步：数据预处理与窗口提取。 对于每一次极端天气灾害，研究人员从农业数据的时间序列中，提取一个以灾害发生年份为中心的7年窗口期的数据，即灾害发生前3年、灾害发生当年、以及灾害发生后3年。对于持续多年的干旱事件，将所有干旱年份的数据进行平均，合并为一个“灾害年”数据点。接着，将所有时间序列数据标准化，即除以灾害发生前后各3年（共6年）的非灾害年份数据的平均值，以消除各国农业数据绝对量级的影响，使不同国家、不同时期的数据具有可比性。
第三步：合成分析与平均效应计算。 将经过标准化和窗口提取的、属于同一种灾害类型（如所有干旱）的多个时间序列，按年份（窗口内的相对年份，如-3, -2, -1, 0, +1, +2, +3）进行对齐并求平均值。这样就得到了每种灾害类型（干旱、极端高温、洪水、极端寒冷）对应的、分别关于总产量、单产和收获面积的共12条合成时间序列。合成过程强化了灾害发生年（第0年）的信号，同时抵消了事件前后非灾害年份的噪音。在合成过程中，若某个时间序列的某一年份与其他类型的灾害重合，则该数据点会被排除在平均值计算之外，以避免干扰。
第四步：显著性检验与控制实验。 为了判断观测到的灾害年效应是否显著，研究建立了“控制”估计。具体方法是，随机生成虚构的灾害年份和国家，用与真实分析完全相同的SEA流程，对这些虚构的“灾害”进行合成分析。将此过程重复1000次，得到1000条控制合成时间序列及其分布。通过比较真实灾害合成序列与这1000个控制合成的均值之间的差异，来量化灾害年的损失。将真实灾害年数据点落在控制合成数据分布之外的极端情况（前0.5%或后99.5%）定义为统计显著（对应99%置信水平）。此外，还使用类似“去一”刀切法（Delete-one Jackknife） 的方法估算了点估计值的95%置信区间。
第五步：深入分析。 在获得全球平均效应后，研究进一步进行了三项深入分析：1) 区域分析：将所有干旱灾害按发生地区分为北美/欧洲/澳大拉西亚、亚洲、非洲、拉丁美洲及加勒比海四个区域，分别进行SEA，比较不同地区受干旱影响的差异。2) 作物分析：分别针对玉米、水稻和小麦这三种主要谷物，分析它们受干旱和极端高温影响的差异。3) 时间趋势分析：将干旱灾害数据集大致平分为早期（1964-1984年）和近期（1985-2007年）两部分，分别进行SEA，考察影响是否随时间变化。
本研究的主要结果详实，逻辑清晰，逐步揭示了极端天气灾害对全球农业生产的复杂影响：
关于全球平均影响： 研究发现，干旱和极端高温对国家级谷物生产造成了显著且严重的损害。平均每次干旱导致国家谷物总产量减少10.1%（95%置信区间：9.9%-10.2%），而极端高温年份导致产量减少9.1%（8.4%-9.5%）。这些产量损失相当于大约6年的产量增长量。然而，灾害的影响是短期的，农业生产在灾后迅速反弹并恢复增长趋势。与此相反，洪水和极端寒冷灾害在国家层面的数据中未显示出显著的生产效应。研究者分析，这可能是因为洪水往往具有高度局部性，其影响在国家层面的统计数据中被稀释；而极端寒冷多发生在非生长季，与农业的相关性较低。
关于影响机制： 通过分解总产量为单产和收获面积，研究揭示了不同灾害的作用途径存在根本差异。干旱导致谷物单产下降5.1%，同时收获面积减少4.1%。这表明干旱既通过降低作物生长效率减少了单产，也可能因长期缺水导致作物完全绝收，从而农民放弃种植，减少了收获面积。相比之下，极端高温仅导致单产显著下降7.6%，对收获面积没有显著影响。这可能因为极端高温事件持续时间通常较短（所有分析事件均在一年内），虽损害作物生长降低单产，但尚未严重到导致完全绝收而迫使农民弃种的程度。
关于区域差异： 区域分析显示，发达国家的农业系统对干旱更为敏感。北美、欧洲和澳大拉西亚地区在干旱中平均遭受了19.9% 的生产损失，显著高于亚洲的12.1% 和非洲的9.2%，拉丁美洲及加勒比地区则未发现显著影响。这种差异主要由单产损失驱动：发达国家单产损失高达15.9%，而亚洲和非洲的单产损失不显著。研究者提出了几种可能解释：发展中国家农业多样性高、小农采用风险最小化策略，以及其平常年份的单产水平较低，可能缓冲了干旱的冲击。此外，亚洲地区在干旱中表现出8.8% 的收获面积显著减少，但单产无显著下降，暗示该地区在干旱时更倾向于发生作物完全绝收，而非收获低产作物。
关于作物差异： 作物特异性分析发现，三种主要谷物受干旱的影响相似（均造成约5-6%的产量损失）。但对于极端高温，仅有玉米表现出显著的产量损失（11.7%），且其单产也受到极端高温的显著影响（下降12.4%）。这可能与玉米主要在夏季生长，而夏季恰好是EM-DAT定义的极端高温事件高发期有关。水稻和小麦对极端高温的响应在统计上不显著。
关于时间变化： 时间趋势分析揭示了一个重要发现：近期（1985-2007年）的干旱造成的谷物生产损失平均为13.7%，显著高于早期（1964-1984年）干旱造成的6.7%的损失。这种增加可能是干旱严重程度加剧、系统脆弱性增加、暴露度上升或灾害报告更完善等多种因素共同作用的结果。
本研究的主要结论可归纳为四点：第一，1964-2007年间，干旱和极端高温在全球范围内对国家农业生产造成了实质性损害，而洪水和极端寒冷的影响在本研究框架下未被识别。第二，干旱通过同时降低单产和减少收获面积来影响生产，而极端高温主要通过降低单产起作用，这反映了导致总产量效应的内在过程存在清晰差异。第三，影响具有显著的时空异质性：灾害影响是短期的，但近期干旱的影响大于早期；发达国家农业系统受干旱影响更大；玉米对极端高温尤为敏感。第四，研究强调了在气候变化背景下，全球谷物生产系统适应极端事件的紧迫性。
本研究的科学价值与应用意义重大。在科学上，它首次在全球尺度上，基于实证数据系统量化了不同类型极端天气灾害对农业生产的平均影响，并厘清了其对单产和面积的不同作用机制，弥补了该领域的研究空白。其所采用的基于灾害人类影响（而非固定气象阈值）的数据集和超级纪元分析方法，有效地避免了以往研究可能低估灾害影响的偏差，为相关研究提供了新颖的方法论视角。在应用上，研究结果具有明确的政策指导意义：它指出干旱和极端高温是当前全球农业面临的主要气象灾害风险，国际社会和各国政府应将防灾减灾和适应努力的重点集中于应对这两种灾害。同时，研究揭示了发达国家和主要作物（如玉米）的特定脆弱性，有助于决策者进行更有针对性的资源配置和技术研发，例如加强灌溉设施、培育耐热抗旱品种、发展农业保险等，以保护最脆弱的农业生产系统和依赖它们的人口，从而保障全球粮食安全。
本研究的亮点突出：首先，在研究视角上具有全局性和综合性，首次实现了全球尺度的量化评估，并同时考虑了总产量、单产和收获面积三个维度。其次，在方法论上创新性地采用了基于人类影响的灾害数据集和合成分析，更好地捕捉了灾害的实际社会经济影响。再次，在研究发现上，不仅给出了全球平均效应，更深入揭示了影响的机制差异、区域异质性、作物敏感性和时间变化趋势，结论丰富而具有层次。最后，研究明确指出灾害影响的短期性和反弹能力，以及近期影响加剧的趋势，为理解农业系统的恢复力与脆弱性提供了关键信息。这些发现共同构成了对极端天气与农业生产关系的深刻而全面的新认知。