气候变化下埃塞俄比亚阿瓦什流域小农脆弱性评估：多指标框架与空间分异研究

本研究针对埃塞俄比亚阿瓦什流域小农面临的气候变化威胁，通过构建包含15项指标（暴露度6项、敏感度4项、适应能力5项）的评估体系，结合主成分分析（PCA）权重分配与0.1°高分辨率制图，揭示了1981–2019年间流域脆弱性的时空演变规律。研究发现干旱年份（如1984、2002、2015年）高达80%区域面临中高风险，灌溉设施与土地规模是提升适应能力的关键因子，成果为区域差异化气候适应策略提供了科学依据。

　　

埃塞俄比亚阿瓦什流域是该国重要的农业产区，养育着超过1800万人口，但近年来面临日益严峻的气候变化挑战。该流域以半干旱至干旱气候为主，降雨模式高度多变，且严重依赖雨养农业系统（仅4%耕地具备灌溉条件）。过去四十年间，极端气候事件频发，包括1984、1991、2002、2009、2011–2012、2015和2017年的严重干旱，导致主要谷物作物减产20–35%，预计到本世纪中叶减产幅度将达30–40%。小规模农户（smallholders）作为全球粮食生产的重要力量，其生计与农业活动紧密相连，却缺乏足够的资源和手段应对气候相关冲击，因而面临极高的脆弱性（vulnerability）。

为系统评估小农群体对气候变化的脆弱性，埃塞俄比亚学者Bisrat Zeleke、Mebruk Mohammed与Belete Berhanu Kidanewold合作，在《Environmental Toxicology and Pharmacology》上发表了一项研究。该研究基于IPCC第三次和第四次评估报告（TAR/AR4）提出的脆弱性框架，将脆弱性定义为暴露度（exposure）、敏感度（sensitivity）和适应能力（adaptive capacity）三者的函数，构建了一套包含15项指标的量化评估体系。其中，暴露度涵盖最高温度变异、平均温度变化、降水亏缺、干旱强度等6项气候指标；敏感度包括土地利用类型、植被覆盖密度、海拔、土壤持水能力等4项生物物理指标；适应能力则涉及人均耕地与牧场规模、灌溉设施、距水源基础设施步行距离、洪水农业实践等5项社会经济指标。

研究团队采用了多源数据融合与空间分析方法。时间序列指标（气候变量、植被健康）基于1981–2019月的月尺度数据，静态指标则来源于最近的遥感产品、再分析数据集和国家调查数据。关键数据包括CHIRPS降水数据、ERA-5再分析温度与土壤湿度数据、MODIS NDVI植被指数、ISRIC土壤数据库以及埃塞俄比亚中央统计局（CSA）的作物产量数据。通过主成分分析（PCA）确定各指标权重，并在0.1°空间分辨率下计算暴露度指数（EI）、敏感度指数（SI）和适应能力指数（ACI），最终集成小农脆弱性指数（ShVI = EI + SI – ACI）。此外，研究还利用作物产量数据和NDVI植被胁迫指标对脆弱性指数进行了验证，通过计算吻合率（agreement rate）和召回率（recall）评估其可靠性。

4.1. 暴露度：阿瓦什流域的气候胁迫因子

结果表明，温度变化指数（CTI）显示月平均温度随时间持续上升，在1980、1987、1998、2009和2015年出现显著峰值。夏季生长季（7–9月）的高温尤为明显，可能加剧植物胁迫。热胁迫指数（THI）分析表明，低地牧区多数处于中度至极端热胁迫范围，极端年份包括1983/4、1987、1994、1998/9、2004/5、2009、2015和2019年。降水亏缺指数（SPDI）显示1984、1987、1991、1995、1997、1999、2002、2009、2011、2012、2015和2017年存在显著降水不足。标准化降水蒸散指数（SPEI）揭示了干旱与非干旱年份的振荡特征，其中1984（8月）、1987（7月）、1991（9月）、1997（9月）、2009（9月）、2012（9月）和2015（7月）达到正常至干旱条件。土壤湿度亏缺指数（SMDI）呈下降趋势，且低地地区受影响最为严重。干 spell分析（DSC10）表明，9月干 spell持续时间较长且全流域分布均匀，2009年甚至出现20–30天无降雨期。PCA权重分析显示，土壤湿度亏缺（0.26）对暴露度的解释贡献最大，其次是CTI、SPEI、SPDI、THI和DSC10。

4.2. 阿瓦什流域的生物物理敏感度

敏感度模式反映了不同海拔下的主导土地利用系统。高海拔地区以耕作农业为主，通过耕地脆弱性表现出高敏感度；低地地区则通过牧场影响显示更大的敏感度，反映了其牧业重心。可用土壤水持水量（ASWC）分析表明，低地土壤持水能力较低，使其对水分胁迫更加敏感。地形湿度指数（TWI）显示，仅低地少数区域对气候变化敏感度较低，而高海拔地区因坡度引致的排水和有限持水能力表现出更高敏感度。在4项SI指标中，耕地面积的PCA权重最高（0.32），牧场最低（0.16）。复合敏感度指数值在全流域范围为极低（0）至极高（4），多数地区属于中至高敏感度类别。西南高海拔地区的小农敏感度最高，归因于持水能力差和耕地面积广阔；而SHP等牧业生计系统敏感度较低。

4.3. 适应能力：评估生计恢复力策略

人均耕地面积最高达1.8公顷，高海拔地区和人口稀疏低地地区拥有较大规模土地持有。灌溉设施分析表明，高海拔地区缺乏灌溉驱动的适应能力，仅南沃洛和北绍瓦高地的少数小规模灌溉覆盖20–40%的耕地。靠近阿瓦什河主干道的生计系统间接受益于为大型商业农场建设的灌溉设施。步行距离分析显示，随着距水源距离增加，水资源可及性和放牧能力逐步下降。洪水农业实践在Shinile、Erer、Chifra & Ewa以及Awra地区较为常见，而spate irrigation（洪水灌溉）见于Habru、Guba Lafto、Mille、Bosset和Dodota地区。PCA权重显示，灌溉设施（0.25）对适应能力指数（ACI）的解释贡献最大，步行距离权重最低（0.103）。复合适应能力指数显示，高海拔地区主要为极低至低值，少数区域在所有指标上达到高分，表明具有极高适应能力的区域有限。总体而言，靠近阿瓦什河的低地小农比高海拔 counterparts表现出更好的适应能力。

4.4. 农业小农脆弱性：分析贡献因子交互作用

4.4.1. 指标基础脆弱性指数

复合小农脆弱性指数识别出9个年份中超过50%的流域面临高至极高脆弱性。时间序列分析显示，脆弱性随时间加剧。早期脆弱年份（如1984年）的高脆弱性主要局限于低地，而近期事件（如2002、2011–12和2015年）表现出全流域影响且空间变异性降低。脆弱性中值从1980年代初的1（低）上升至2000年后持续高于2（中），极端年份峰值达到4（极高）。耕作生计在整个研究期表现出最高的中值脆弱性，干旱年份频繁超过3（高）。牧业生计系统保持较低的基线脆弱性值，农牧系统显示中间值。极端脆弱性年份期间，不同生计类型间的差异减小。

4.4.2. 脆弱性分组与空间分布

通过脆弱性子成分的根源分析，识别出流域内四类脆弱性区域：

i. 低暴露度、高敏感度、低适应能力（当前无风险区域）

ii. 高暴露度、高敏感度、高适应能力（潜在适应者区域）

iii. 高暴露度、低敏感度、低适应能力（具有持续潜力区域）

iv. 高暴露度、高敏感度、低适应能力（高风险区域）

频率分析表明，过去四十年间，流域内无任何小农区域完全无风险。经历高脆弱性的生计数量从1984年的14个增加至2015年的18个，多数生计因暴露度水平增加而脆弱性上升。基于指标交互作用，生计被分为三类脆弱性组别：组1（低脆弱性）：MTL和RVM生计，以高适应能力为特征；组2（高敏感度驱动脆弱性）：WKL、WBP、AMT、AWT、NSS和NSW地区，主要因生物物理特性而脆弱性较高；组3（暴露度驱动脆弱性）：多数生计因暴露度水平升高而面临中至高脆弱性。

4.4.3. 与作物产量和植被胁迫指标的比较

作物产量数据（1995–2019年）显示，1995、1997、2003、2005、2009、2012和2015年多数生计产量低于十分位数（12.32公担/公顷）。这些生计包括农牧生计区的CNO、SAP和ABW，以及耕作生计区的MAS、NWE、RCS、SMC、SWB、WBP和WMB。然而，一些非高脆弱性年份也出现低产量，可能是因数据不准、局部和社会经济因素以及非气候因子所致。此外，从普查区向生计区的转换引入了自身局限性。MODIS NDVI分析（2000–2018年）显示夏季生长季具有可比时间模式。7月初在2002、2011和2014–2015年植被胁迫增加；7月末和8月在2015年记录到最大植被胁迫，其次为2009和2002年；9月在2009和2008年观察到最大全流域植被胁迫，2015年偏差较轻。空间分析表明，在识别为高脆弱性的时期（2002、2009、2011、2012和2015年），具有良好吻合性。流域中部和东部的牧业和农牧生计区在所有时期均显示高召回率（>0.75），表明对脆弱性识别胁迫事件的可靠检测；而西部陡坡高海拔耕作区表现多变，吻合率和召回率在物候阶段间差异较大。8月P2（8月后15天）被确定为整体表现最佳时期，超过75%的研究区具有高吻合和高召回率。

5. 讨论

本研究通过集成15项指标（暴露度6项、敏感度4项、适应能力5项）的评估体系，揭示了埃塞俄比亚阿瓦什流域小农对气候变化的脆弱性时空格局。结果表明，1984、1991、2002、2007–2009、2011–2012、2015和2017年是脆弱性广泛存在的年份，与历史公认的干旱年相符，且近期脆弱性的频率和空间同质性增加。几乎所有耕作生计均显示高至极高脆弱性，仅六个生计（ABW、MTL、MTS、RVM、SME和SWS）呈现中度脆弱性水平。土壤湿度亏缺（暴露度）、耕地面积（敏感度）和灌溉设施（适应能力）被识别为整体脆弱性的最大贡献因子。该评估与作物产量和植被健康指标的验证相结合，为流域水资源管理和规划提供了有关脆弱性基本过程和决定因素的见解。

本研究发展的空间明确脆弱性类型学识别出流域内四类不同的风险剖面，每类需要量身定制的干预措施。具有高暴露度但存在适应能力的区域可通过水土保持措施从敏感度降低中受益；条件良好但基础设施受限的区域需要针对性灌溉开发；而最脆弱的地区则需要全面支持，包括改善水资源获取、土地管理干预和制度援助。总体而言，近期内，增强牧场可及性和管理可降低流域内牧业和农牧社区的脆弱性。对于耕作生计，设计获取农场级农业技术的方法可为降低敏感度和提升恢复力提供途径。分析确认，灌溉基础设施仍是该半干旱环境中构建适应能力的最关键因子。长期脆弱性减少方面，研究推荐适用于各生计区的多样化农业策略以及采用农业和灌溉技术。然而，任何策略均需降低生计对气候变化的敏感度和提高适应能力。

尽管评估侧重于生物物理和基础设施指标，但指数与观测作物产量和植被胁迫模式的对应关系支持了该方法的效用。使用遥感指标捕捉脆弱性动态表明，在其他数据有限区域应用类似评估的潜力，尽管与参与式方法结合将有助于捕捉通过遥感不易观察到的社会经济维度。本研究选择的指标是简化的，仅显示脆弱性图景的一部分，部分侧重于与水资源管理和规划相关的小农自然和物质资产。

展望未来，阿瓦什流域体现了非洲干地面临的更广泛挑战，其中加剧的气候压力与资源约束和发展需求相交织。此处识别的脆弱性模式表明，通过改良品种或季节调整的渐进适应将不足以应对，除非同时投资于水基础设施、土地管理系统和制度支持机制。构建恢复力的成功最终取决于将脆弱性视为一个动态过程，需要从地方社区到国家政策框架的持续监测、适应性管理和协调行动。本研究为此类集成方法提供了空间智能和时间基线，有助于在埃塞俄比亚最关键和气候敏感流域之一制定更具针对性和有效性的气候适应策略。