综述：灾害预测与预报：全球传统与地方知识扫描

这篇综述系统梳理了全球423个案例，揭示传统和地方知识（TLK）在灾害预测中的科学价值。通过天文、气象和生物三大类33个子指标（如动物行为、云层变化等），证实TLK能有效预测气象（33%）、水文（27%）等灾害。尽管现代技术（如卫星遥感、AI）进步，TLK仍因成本低、易获取成为灾害风险减轻（DRR）的重要补充，尤其适用于资源匮乏地区。文章呼吁加强TLK科学验证，以推动其融入《仙台框架》等国际DRR战略。

　　

Abstract
千百年来，全球各地通过观察动物行为、植物物候、天气模式和天体现象预测灾害。尽管这类传统与地方知识（Traditional and Local Knowledge, TLK）具有重要价值，但其研究仍显不足。本文整合53篇研究文献中的423个案例，将预测指标归纳为天文、气象和生物三大类，涵盖33个子指标（如鸟类活动、土壤变化等）。数据显示，气象灾害（如热带气旋）占比最高（33%），动物行为成为最常用预测指标（39%），其科学机制涉及低频振动感知（如大象预警地震）和磁场变化响应（如昆虫）。

Introduction
自然灾害在过去20年造成4亿人受灾，经济损失达2.97万亿美元。虽然卫星遥感和AI提升了现代预警能力，但高昂成本限制其普及。TLK凭借直觉经验和生态观察，在资源匮乏地区展现出独特优势。《仙台框架》等国际政策明确要求整合TLK，但其应用仍受限于文档化不足和科学验证缺失。

Data Sources and Search Strategy
研究通过Scopus和Web of Science数据库，以"traditional knowledge*"等关键词检索文献，筛选出53篇实证研究。

Results
• 动物行为主导预测：哺乳动物通过感知次声波预警地震，昆虫迁徙模式与风暴关联
• 水文指标次之（12%）：如井水浑浊度预示洪水
• 跨文化差异显著：菲律宾通过云层预测台风，而秘鲁依赖植物开花周期判断干旱

Conclusions
TLK的本地化特征要求避免普适化解读。未来需建立科学评估体系验证其可靠性，例如通过生物电信号监测验证植物预警机制。资金投入与跨学科合作将是推动TLK融入现代DRR体系的关键。