弥合鸿沟：将作物病虫害整合至农业前瞻模型以提升粮食安全评估

为解决农业综合评估模型(AIAMs)在粮食安全预测中忽略作物病虫害(P&P)关键影响的问题，研究人员提出系统性整合P&P生物物理模型与AIAMs的创新框架。通过构建通用型产量损失模型、扩展共享社会经济路径(SSPs)情景，该研究为全球尺度下量化P&P对粮食系统的复合影响提供了方法论突破，对制定气候适应策略具有重要政策意义。

　　

全球粮食安全正面临气候变化与生物胁迫的双重挑战。尽管农业综合评估模型(AIAMs)已成为预测未来粮食供需的主流工具，但其对作物病虫害(P&P)影响的量化存在显著空白——历史上P&P曾直接引发大饥荒（如1845年爱尔兰马铃薯晚疫病），当前全球作物因P&P年均损失仍高达20-40%。这种缺失使得AIAMs的预测可能严重低估风险，亟需建立跨学科整合方法。

国际生物多样性联盟的研究团队在《Food Security》发表研究，提出将P&P动态整合至AIAMs的系统方案。通过分析现有模型的局限性，团队指出三大核心挑战：多作物-多病原体的生物物理建模复杂性、人类干预行为的量化难题，以及气候-社会经济情景的耦合需求。研究创新性地提出"两步走"策略：开发适用于大尺度评估的通用型产量损失模型，并扩展共享社会经济路径(SSPs)框架以纳入P&P管理情景。

关键技术方法包括：1)基于Oerke和Savary等建立的全球作物损失数据库进行优先级排序；2)耦合气候敏感的病害传播模型（如Pequeno等开发的麦瘟病预测模型）；3)运用SSPs矩阵构建P&P管理情景，量化技术投资对产量损失的缓解效应。研究特别强调需协调生物物理模型的精细尺度与AIAMs的区域尺度差异。

生物物理建模需求
针对AIAMs多作物同步模拟的特点，提出"优先级筛选法"：选择影响粮食安全的关键作物（如小麦、水稻）及其主要P&Ps组合。研究发现现有耦合作物-病害模型（如DSSAT）受限于数据可获得性，仅能模拟少数作物病害系统（如稻瘟病、小麦锈病），而专家经验法（Godfray等采用）或病原体扩散转译法（Petsakos等应用）存在主观性强、普适性差的缺陷。

社会经济与情景
突破性地将人类干预纳入P&P影响评估框架，通过扩展SSPs情景量化管理措施效果。在SSP1（可持续发展路径）下，假设抗病品种推广可使区域平均产量损失降低30-50%；而SSP3（区域竞争路径）则反映贸易限制可能加剧损失。研究强调需建立跨学科工作组，统一社会经济驱动因子（如研发投入、政策法规）与生物物理参数的耦合标准。

结论与意义
该研究首次构建了AIAMs与P&P模型的耦合理论框架，其创新点在于：1)提出通用型产量损失模型的开发原则，平衡科学严谨性与模型简洁性；2)创建SSPs-P&P情景矩阵，实现社会经济适应措施的标准化表征。正如Rosegrant等指出，这种"从气候对P&P影响到P&P对粮食安全影响"的视角转换，将推动农业模型从单一胁迫评估转向多维度风险分析。研究成果已应用于欧盟共同农业政策（CAP）的农药减量评估（Barreiro-Hurle等），并为CGIAR等国际机构的粮食系统韧性规划提供方法论支持。