《Climate Risk Management》：Forecasting political instability from climate extremes: panel and machine learning approaches using global event data
编辑推荐：
气候极端事件可通过放大潜在脆弱性，推动国家走向动荡。气候效应能够影响不稳定的发生时机与强度。气候监测有助于识别不稳定风险升高的时期。VORTEX平台将该框架付诸实践，将气候异常转化为风险偏差。研究人员利用全球事件数据，采用面板模型与机器学习方法，研究了1982
气候极端事件可通过放大潜在脆弱性，推动国家走向动荡。气候效应能够影响不稳定的发生时机与强度。气候监测有助于识别不稳定风险升高的时期。VORTEX平台将该框架付诸实践，将气候异常转化为风险偏差。研究人员利用全球事件数据，采用面板模型与机器学习方法，研究了1982至2018年间140多个国家和地区的气候极端事件与政治不稳定之间的关系。分析以国家层面的非正规领导人更迭事件和基于GDELT的月度暴力冲突活动为结果变量，结合温度、降水、土壤湿度的标准化异常指数，以及GDP人均值、婴儿死亡率和人口增长率等结构性社会经济指标。广义逻辑回归结果显示，结构性脆弱性仍是政治不稳定的主导决定因素，但严重气候异常（超过历史标准差一个单位以上）可适度提高不稳定的发生概率，尤其在应对能力有限的国家中，风险增幅约为10%，在其他国家约为1%至2%。面板线性模型显示，降水赤字与暴力冲突活动增加显著相关，平均而言，一个标准差的降水减少对应一国全球暴力冲突份额约2.8%的上升，而在高脆弱性国家中该效应超过8%。随机森林模型进一步表明，水文变量（降水和土壤湿度）与温度在预测冲突中具有较高的重要性，能够捕捉参数模型未能反映的非线性与情境依赖关系。基于广义逻辑回归结果开发的VORTEX早期预警系统，利用谷歌地球引擎动态整合结构性基线脆弱性与持续更新的环境异常数据，生成国家层面政治不稳定的实时风险估计，并通过历史案例（如阿拉伯之春、卢旺达 genocide 前夕、印度尼西亚金融危机等）展示了气候异常如何与结构性脆弱性相互作用，提示不稳定风险在特定时期被放大的可能性。研究表明，气候变异并非不稳定的独立驱动因素，而是作为条件性触发因素，通过生计中断、财政与治理压力、人口迁移、基础设施压力和精英竞争等多重路径，调节不稳定事件的发生时机与强度。研究强调，将短期环境异常指标纳入政治不稳定监测和风险评估框架，有助于识别结构性脆弱性更可能转化为实际不稳定的时期，为早期预警和预防性应对提供补充性工具。
论文解读：气候极端事件与政治不稳定——基于全球事件数据的面板与机器学习分析
一、研究背景与问题
政治破坏性事件，包括非正规国家领导人更迭，对全球安全与发展构成重大风险。这些事件通常源于治理质量、经济稳定等结构性因素，以及政治危机、极端天气等暂时性影响的复杂交互。2022年政府间气候变化专门委员会（IPCC）报告指出，尽管社会经济和政治因素仍是冲突的主要驱动因素，但环境条件，尤其是极端天气事件，可通过挤压资源、迫使人口流离失所、助长不满情绪而加剧不稳定，从而起到“风险乘数”作用。既有研究在气候与冲突关系上结论不一：一些研究发现温度与降水异常与暴力冲突风险上升相关，例如Hsiang等人（2013）表明温度每升高1°C，群体间冲突概率约增加11%；而另一些研究则强调治理质量与经济韧性的中介作用，认为气候效应高度依赖情境。此外，尽管像暴力早期预警系统（ViEWS）这类预测框架在冲突持续性和空间扩散预测上表现优异，但其高度依赖冲突历史变量，且气候指标在其中的边际贡献存在争议。现有研究大多集中于次国家级别的局部暴力或抗议活动，对国家级别的非正规领导人更迭这类稀有但高影响事件的关注不足，而且国家级层面上短期环境异常与结构性脆弱性之间的条件交互作用尚未得到充分检验。因此，研究人员开展本研究，旨在将环境指标与结构性指标整合到一个全球框架中，评估稀有、高影响的政治不稳定事件，并显式检验条件放大机制。
二、研究内容与主要结论
该研究利用1982至2018年37余年间140多个国家和地区的数据，以非正规领导人更迭（来自Center for Systemic Peace的政变事件数据集）和月度暴力冲突活动（来自GDELT事件数据，以各国占全球冲突活动份额为连续变量）为结果变量，结合温度、降水、土壤水分的标准化异常指数（STI、SPI、SMI）以及GDP人均值、婴儿死亡率、人口增长率等滞后结构性指标，采用广义逻辑回归（GLR）、面板线性模型（PLM）和随机森林（RF）三种互补方法进行分析。研究还基于GLR结果开发了操作化早期预警平台VORTEX（Vulnerability from Overlapping Risks with Temperature and precipitation EXtremes），利用谷歌地球引擎实现近实时风险监测。
主要结论包括：结构性变量（婴儿死亡率、人口增长率、GDP人均值）解释了不稳定风险的大部分变异，是基线风险的主导决定因素；环境变量的平均效应相对温和，但方向一致——降水负异常和温度正异常与非正规领导人更迭概率上升相关；在面板模型中，降水赤字与暴力冲突增加显著相关，且在婴儿死亡率高于全球均值两个标准差以上的高脆弱性国家中，降水减少一个标准差对应冲突份额约8%的上升，而全样本中约2.8%；随机森林模型显示水文变量和温度在预测中具有较高重要性，可捕获非线性与情境依赖效应。总体来看，气候变异并非不稳定的独立驱动因素，而是作为条件性触发因素，调节不稳定事件的发生时机与强度。论文发表在《Climate Risk Management》。
三、主要技术方法
研究使用了全球范围的栅格气候和水文数据集：降水数据来自CHIRPS，温度数据来自CFSv2，土壤水分数据来自ERA5。所有栅格数据在谷歌地球引擎（GEE）中处理，通过Python脚本提取国家层级的月均值，并利用scipy模块计算标准化降水指数（SPI）、标准化温度指数（STI）和标准化土壤湿度指数（SMI），分别构造1个月和12个月尺度的指标。结构性脆弱性指标包括来自世界银行的GDP人均值、婴儿死亡率、人口增长率，均滞后一年以减少同时性偏差。建模方法包括：广义逻辑回归（GLR），用于估计非正规领导人更迭的二分类结果；面板线性模型（PLM）含国家固定效应，用于分析月度暴力冲突份额与环境异常的关系；随机森林（RF）用于捕捉非线性交互并评估变量重要性。模型性能分别采用AUC、R2、均方根误差（RMSE）和平均绝对误差（MAE）等指标评估，并进行了随机分割和滚动窗口验证。
四、研究结果
4.1 GLR模型结果
广义逻辑回归模型包含4963个country-year观测，其中390个正例（非正规领导人更迭事件）。测试集AUC为0.71，表明对稀有事件具备中等判别能力。结构性变量中，婴儿死亡率和人口增长率的系数为正且显著，GDP人均值系数为负。环境变量中，SPI12为负（干燥条件）和STI12为正（温暖条件）均与非正规领导人更迭概率上升相关，但效应较小。严重环境异常（超过一个标准差）在应对能力有限的国家中可将非正规领导人更迭风险提高约10%，在其他国家约1%至2%。气候变量的加入未显著改善整体判别力，但有助于识别结构脆弱性更可能转化为实际不稳定的时期。
4.2 PLM模型结果
面板线性模型使用57900个country-month观测，以各国每月全球战斗事件份额为因变量。结果显示SPI12系数为负且显著（p<0.01），表明干燥条件与暴力冲突增加相关；SMI12为正且显著（p<0.05），而STI12不显著。结构性变量全部显著，其中婴儿死亡率贡献最大。全样本R2为0.007。在婴儿死亡率高于两个标准差的17个高脆弱性国家子样本中，降水效应大幅增强：一个标准差降水减少对应冲突份额约8%的上升（p<0.001），模型R2升至0.099。这表明环境压力在高脆弱性情境下对冲突动态的影响更强。
4.3 RF模型结果
随机森林模型在70%训练、30%测试的划分下取得0.77的样本外R2，预测与观测值的相关性为0.88（RMSE=0.0061，MAE=0.0024）。变量重要性分析（%IncMSE）显示温度、降水、人口增长率和土壤湿度是最重要的预测因子，其中水文变量贡献突出，表明环境指标提供了参数模型未能充分反映的非线性与情境依赖信息。
4.4 操作化早期预警系统（VORTEX）
研究将GLR模型操作化为VORTEX近实时预警仪表盘，集成结构性基线脆弱性与持续更新的环境异常数据，生成各国政治不稳定的动态风险估计。风险变化以基线概率的百分点偏差表示。对历史事件的回顾性应用显示，在阿拉伯之春前夕（2008-2011）、1994年卢旺达种族灭绝前夕（1993年12月）、1998年印度尼西亚金融危机与政府倒台前夕、2001年9/11事件前的阿富汗与巴基斯坦、2010年吉尔吉斯斯坦政变前夕、2016年埃塞俄比亚内战前抗议、2022年哈萨克斯坦全国抗议、以及2022年法国与意大利执政党选举败北和2023年突尼斯移民潮等事件中，VORTEX均显示出升高的风险异常。这些变化在绝对幅度上通常仅有0.25至0.5个百分点，但对稀有事件监测而言，即使小幅风险提升也可能具有实际预警意义，尤其是当风险持续存在且发生在结构性脆弱背景下。
五、讨论与结论
讨论部分指出，气候异常对不稳定风险的影响高度异质，并受基线结构性脆弱性的条件调节。低基线风险国家在气候冲击下预测不稳定概率变化很小，而高脆弱性国家则出现显著更大的风险上升。研究提出了若干合理机制：生计与农业中断、财政与治理压力、内部迁移与城市压力、精英竞争加剧，以及累积性气候压力。强效应集中在高脆弱性国家，部分原因可能是这些国家多位于热带和亚热带地区，气候变率本身较大，且反复暴露可能逐步侵蚀制度韧性和社会凝聚力。
结论部分强调，环境变异性——尤其是持续干旱和温度异常——对政治不稳定和暴力冲突具有统计显著但中等且累积的影响。结构性因素仍是主导，但短暂环境压力可在脆弱国家中放大风险。气候变异更应被视为条件性触发因素，塑造不稳定事件的时间与强度。研究支持将瞬态环境指标纳入政治不稳定监测与风险评估，VORTEX平台体现了从统计模型到操作工具的转化价值，可为分析人员和决策者提供气候压力与高基线脆弱性交叉时段的近实时风险信号。研究的局限性包括：栅格与再分析数据无法代表局地极端事件，国家尺度聚合平滑了次国家级异质性；标准化异常在非平稳气候下需谨慎解释；SPI未考虑温度驱动的蒸发需求变化；结构性指标仅刻画了脆弱性的部分维度；气候指标未经台站观测独立验证。尽管如此，研究仍表明，整合环境监测与政治风险分析有助于构建更稳健的早期预警系统，并为环境建设与可持续发展干预提供依据，以在环境冲击发生前增强韧性。
