全球食物营养模型的敏感性分析：揭示谷物数据对营养供应评估的关键影响

《Food Security》：Sensitivity analysis of global food and nutrition modelling

本研究针对全球食物系统模型输出可靠性难以量化的问题，对DELTA Model?进行了敏感性分析。通过单因素和多重变量敏感性分析，发现谷物相关数据（供应量、浪费率和营养价值）对模型输出影响最大，硒、胱氨酸和碳水化合物供应最为敏感。该研究强调了准确谷物数据对食物政策制定的重要性，为营养建模领域的敏感性分析提供了示范。

　　

在全球人口持续增长和气候变化加剧的背景下，如何确保食物系统的可持续性已成为国际社会关注的焦点。根据联合国粮农组织（FAO）的定义，可持续食物系统需要同时满足经济、环境和社会的可持续发展要求，其中"为所有人提供食物安全和营养"更是核心目标。然而，由于食物系统的复杂性，预测不同干预措施的结果变得异常困难，这使得计算模型成为评估未来情景的重要工具。

目前存在多种全球食物系统模型，如IMPACT模型、GLEAM模型和MAgPIE模型等，但这些模型大多关注经济或环境维度，对营养层面的研究相对不足。尽管有少数模型开始纳入营养考量，如CiFoS模型、GENuS模型和DELTA Model?，但这些模型输出的可靠性往往缺乏系统评估。模型准确性高度依赖于基础数据的质量，当基础数据存在不确定性时，这种不确定性会传递到模型输出中，可能导致错误结论。遗憾的是，食物系统模型领域缺乏系统的敏感性和不确定性分析，使得我们对模型预测结果的信心难以量化。

为了解决这一局限性，研究人员对DELTA Model?进行了敏感性分析。该模型是一个确定性的线性质量平衡模型，通过整合FAO食物平衡表、加工数据、浪费数据、不可食部分数据、成分数据和生物利用度数据，计算全球营养供应量。选择该模型进行分析具有明显优势：其线性计算引擎与同类模型相似，运行时间可忽略不计，且使用FAO和USDA等公开数据，使得研究结果能够部分推广到其他使用相似数据的模型。

研究方法包括两个主要部分。首先进行单因素敏感性分析，将4019个基础数据点分别变化±50%，识别对模型输出影响最大的数据点。然后将各数据组中影响最大的两个数据点（共12个）纳入多重变量敏感性分析，模拟所有可能的±50%变化组合（共4096种情况）。通过比较新计算的营养供应量与基线值的偏差，评估模型的敏感性。

单因素分析结果

单因素分析显示，对模型输出影响最大的数据点主要与谷物相关。"小麦及其制品"和"大米及其制品"的食物供应数据对输出的影响程度是其他数据组的三倍以上，这与其全球供应量最大的地位相符。硒、碳水化合物和胱氨酸是受小麦和大米供应变化影响最显著的营养素。

不可食部分数据组中，"其他蔬菜"和"禽肉"的估计值影响最大，这反映了不可食部分大小、食物供应量和营养成分之间复杂的相互作用。加工收率数据组中，全奶生产奶油和黄油的收率估计影响最大，其次是豆油提取收率，但后者仅影响能量、脂肪和维生素E的供应。

消费者浪费数据组中，亚洲和美洲的谷物浪费估计值影响最大，这与人口规模和饮食中谷物的普遍性相符。食物成分数据组中，"小麦及其制品"的硒含量和"其他蔬菜"的维生素C含量影响最大。生物利用度数据组中，小麦和大米中胱氨酸的生物利用度估计值影响最为显著。

多重变量分析结果

多重变量分析显示，胱氨酸和硒的供应量变化最为敏感，最大变异超过80%。碳水化合物和能量次之，最大变异分别为44%和35%。其他营养素的变异均低于32%，其中维生素B₁₂（6%）和维生素A（7%）最不敏感。

更值得关注的是，敏感性分析中的变异导致12种营养素的供应充足性判断发生质变。DELTA Model?原本估计2020年除钙和维生素E外所有营养素供应均充足，但分析显示，能量、蛋白质、纤维、碳水化合物、铁、镁、钾、硒、锌、核黄素、维生素A和胱氨酸的供应变异范围涵盖了不足的可能性。相反，钙和维生素E的供应在所有情况下均不足。

关键技术与方法

本研究采用DELTA Model?作为分析平台，该模型基于线性质量平衡原理，整合多源数据计算全球营养供应。关键技术方法包括：使用FAO食物平衡表（FBS）获取100种食物商品的生产数据；应用不可食部分、加工损失和消费者浪费等调整因子估算实际消费量；匹配USDA食物成分数据计算29种营养素供应；对蛋白质和氨基酸进行消化率校正。敏感性分析采用单因素筛选和多重变量组合测试相结合的方法，系统评估基础数据不确定性对模型输出的影响。

讨论与意义

本研究结果强调了谷物数据在全球营养评估中的关键地位。谷物是全球产量最大的食物类别，提供近一半的膳食能量，因此对全球营养供应具有决定性影响。敏感性分析显示，与谷物相关的数据点（供应量、浪费率和营养价值）对模型输出影响最大，而硒、胱氨酸和碳水化合物等主要由谷物提供的营养素也最为敏感。

有趣的是，通常被认为是全球缺乏问题的营养素（如维生素A、B₁₂、铁、锌和钙）在本研究中并未表现出高度敏感性。这部分源于多重变量分析中包含的动物源食物相关数据点较少（仅禽肉不可食部分和奶制品加工收率），但也表明对这些营养素供应估计的信心可能高于预期，这对解决微量营养素缺乏问题具有积极意义。

需要指出的是，研究中使用的±50%变异属于"最坏情况"假设，实际数据的不确定性可能较低。特别是小麦和大米等主要谷物的全球供应量估计不太可能出现50%的误差，但食物成分数据（如胱氨酸含量）可能存在较大变异。本研究采用的针对性分析方法虽受计算能力限制，但为营养建模领域的敏感性分析提供了可行框架。

结论

通过对DELTA Model?的敏感性分析，本研究揭示了谷物相关数据对全球营养供应评估的关键影响，并识别出硒、胱氨酸和碳水化合物等敏感营养素。尽管结果应视为不确定性范围的指示而非精确估计，但强调了可靠谷物数据对食物政策制定和营养规划的基础性作用。研究为食物系统建模领域的敏感性分析提供了示范，鼓励更广泛地应用此类分析以提升模型结果的可靠性。未来研究可针对特定营养素或区域开展更精细的敏感性分析，为食物系统转型提供更可靠的决策支持。

作者贡献

Daniel Shippey负责概念化、方法论、形式分析和论文审阅；Nick Smith负责概念化、方法论、形式分析、监督和初稿撰写；Matthieu Vignes负责概念化、方法论、形式分析、监督和论文审阅；Warren McNabb负责概念化、监督和论文审阅。研究得到Riddet研究所的奖学金支持，未接受任何特定资助机构的资助。