也门人道主义危机中早期发现粮食不安全的数据驱动方法（英）

授权公开披露 授权公开披露 政策研究工作文件10768 早期发现也门人道主义危机中粮食不安全的数据驱动方法 StevePensonMathijsLommeZachreyCarmichaelAlemuManniSudeepShrestha BoPieterJohannesAndrée 贫困与公平全球实践2024年5月 政策研究工作文件10768 Abstract 也门共和国正在忍受世界上最严重的旷日持久的人道主义危机，冲突，经济崩溃和自然灾害加剧。当前的食品安全性评估依赖于专家对证据的评估，其时间频率和远见有限。本文介绍了一种数据驱动的方法，用于早期发现和诊断食品安全紧急情况。该方法旨在简化和透明，并将定量指标与数据驱动的最佳阈值配对，以生成即将发生的粮食安全紧急情况的预警。 历史验证表明，在粮食安全急剧恶化之前，可以可靠地发出警告，只使用几个反映通货膨胀、冲突和农业生产率冲击的关键指标。这些指标在提前五个月时最准确地表明恶化。本文得出的结论是，简单的数据驱动方法显示出在也门产生可靠的粮食安全警告的强大能力，突出了其补充现有评估和增加有效干预准备时间的潜力。 本文是贫困与公平全球实践的产物。这是世界银行为开放其研究并为世界各地的发展政策讨论做出贡献的更大努力的一部分。政策研究工作文件也在http://www上发布。世界银行。org/prwp.作者可以通过speso@worldba联系。组织和badree@worldba。 政策研究工作文件系列传播了正在进行的工作结果，以鼓励就发展问题交换意见。该系列的目标是快速得出发现，即使演示文稿还不够完善。论文带有作者的姓名，应相应地引用。本文表达的发现、解释和结论完全是作者的观点。它们不一定代表国际复兴开发银行/世界银行及其附属组织的观点，也不代表世界银行执行董事或它们所代表的政府的观点。 由研究支持团队制作 早期发现粮食不安全的数据驱动方法也门人道主义危机 史蒂夫·彭森,a*MathijsLomme,a、bZachariCarmichael,aAlemuManni,cSudeepShrestha,bBoPieter 约翰内斯·安德烈,a*1 关键词:农业与粮食安全,危机,预警系统,粮食价格分析,脆弱性,经济监测果冻:C01,C14,C25,C53,O10 1a世界银行，bACAPS，c粮农组织，*电子邮件：speso@worldba。org和badree@worldba。世界银行粮食系统2030（FS2030）多方捐助者信托基金计划（授予TF0C0728和TF0C0828）的资金得到了感谢。本文件是作为联合监测报告（JMR）的背景编写的，该报告是也门的一项多伙伴监测倡议。我们要感谢通过JMR、AlaFchs、AlexadraChristiaHorst、和JoséLopez；以及关于扩大实时食品和能源价格监测的决定审查会议的同行评审员SergiyZorya，NicHaa，KamaWajohi，他们的评论有助于改进本文。作者要感谢JMR核心开发小组的成员，包括ACAPS，联合国儿童基金会，粮农组织，粮食计划署，世卫组织和世界银行的团队。还要感谢那些为背景分析和方法开发和审查做出贡献的人，包括弗朗西丝卡 ·马里尼，阿尔塔瓦兹德·哈克比扬，法伊扎·赫瑟姆·哈埃尔·艾哈迈德，尼克·帕勒姆，MalihaHssei,OlegBilha,ElijahOddo,IsmailKassim,PeterHailey,DaMaxwell,RebeccaSemmes,RihamAbismail,FawadRaza,GaravSighal,Hssei,AdresChamorro,AliaJae,OlafDeGroot,Emily最后，我们要感谢联合监测报告讲习班的参与者，包括也门社会发展基金（SFD）以及人道主义，发展和捐助伙伴，他们一直支持这项研究。本文反映了作者的观点，没有反映世界银行、其执行董事或他们所代表的国家的官方观点。 1Introduction 尽管提供了大量人道主义援助，但也门共和国的粮食危机仍然是世界上最严重的人道主义灾难之一。也门目前是世界第五大人口的家园，正经历着严重的粮食不安全危机（FSIN和全球粮食危机网络，2023年）。最新的2022年底全国多伙伴综合粮食安全阶段分类（IPC）评估（IPC，2022）估计，有1700万人处于粮食危机或更糟糕的境地，这意味着人口无法满足最低饮食需求而不采取不可逆转的应对策略。 可以从四个方面评估粮食安全，要求有粮食，个人可以获得这种粮食，粮食供应和获取稳定，粮食提供充足的营养 （粮食及农业组织（粮农组织），2008年）。当这些方面受到严重损害时，就会出现急性粮食不安全。也门面临的粮食安全挑战是巨大的，可能加剧严重粮食不安全的相互关联的因素很多。人道主义灾难源于冲突，贫困，极端天气，气候和粮食价格冲击之间的错综复杂的联系（Misselhor，2005；Headey，2011；Sigh，2012；D'Soza和Jolliffe，2013），由于持久的结构因素而加剧（Maxwell和Fitzpatric，2012），并最终导致脆弱人群严重营养不良和死亡率居高不下。 也门严重严重营养不良的流行对人口造成了影响，导致对健康问题和疾病的脆弱性增加，例如霍乱，发育迟缓，消瘦以及各种身心健康后果。在2015年冲突升级之前，也门已经是世界上营养不良程度最高的国家之一。冲突升级和经济衰退，以及最近新冠肺炎大流行和乌克兰战争的压倒性影响，加剧了局势。在此期间，许多援助项目，包括紧急粮食援助，WASH服务和营养不良治疗计划，这些项目高度依赖捐助伙伴的持续资助（联合国儿童基金会，2020年） ，由于资金短缺而定期中断。 营养不良对儿童的影响尤其严重，导致认知发育的长期下降和潜在的持久健康问题。Blac等人的评估。（2013）关于低收入和中等收入国家的孕产妇和儿童营养不良的报告显示，全世界近一半的儿童死亡与营养不良有关。2021-2022年，加蒂等人。（2023）估计，中东和北非地区的严重粮食价格冲击导致数十万儿童面临长期后果，包括生长迟缓。此外，除了直接的健康后果和生命损失外，严重的粮食危机对受影响家庭的儿童造成了持久的伤害，导致代际不良的健康和教育结果（Galler＆Barrett，2001；Veeedaal等。，2013；Galler&Rabiowitz，2014；Asfaw，2016)。 国际社会认识到这些代价，对也门的粮食危机作出了巨大的人道主义援助。根据世界银行关于援助和官方发展援助的数据，也门仅在2018年就获得了80亿美元的官方发展援助。在1.90美元的贫困线下，这足以支付粮农组织估计当年营养不良人口的年度支出的近90％。在对2020年援助计划的全面审查中，Ghorpade和Ammar（2021年）估计，人道主义和发展计划的综合覆盖范围足以覆盖甚至超过整个也门人口。除援助外，最近越来越强调预防和有针对性的干预，因为预防人道主义灾难往往比单独应对人道主义灾难更具成本效益和可持续性(Meeratt,Kolo,&Reso,2015;Mechler,2016)。 从被动援助转向主动援助需要投资于密切监测，以便在出现新的粮食安全风险时能够早期发现和快速反应(Maxwell&Hailey，2020)。已经存在不同的预警和粮食安全信息系统，以支持和告知人道主义和 发展规划，包括FEWSNET和综合粮食安全阶段分类(IPC)。迄今为止，IPC分析为跟踪粮食不安全风险提供了主要和常见的手段。然而，这些主要分析需要大量的资源和时间来进行，并且通常每年或最多每半年更新一次。由于准入限制、安全问题和缺乏资金，大规模的家庭调查很少发生。例如，自2015年战争爆发以来，世界银行就没有在也门进行过生活水平衡量研究和贫困评估。 虽然全面分析对于为方案编制提供信息至关重要，但有针对性的人道主义干预措施需要更频繁的监测，以减轻潜在的快速发展。加强也门当前粮食安全监测进程的必要性已得到充分记录，例如IPC饥荒审查（Maxwell等人。，2022年）。为了提高预测粮食不安全何时，何地以及如何升级的能力，本文探讨了数据驱动的方法，以早期发现和诊断也门的粮食不安全紧急情况。该方法优化了简单性和透明度，并将定量指标与数据驱动的最佳阈值配对，以生成即将发生的粮食不安全紧急情况的预警。 以前的数据驱动的方法来预测即将发生的紧急情况，例如Mellor（1986），他强调经济脆弱性，作物歉收和价格信号作为饥荒的关键指标。这提供了今天仍然存在的建模模板。Seama和Holt（1980），Ctler（1984）和Kha （1994）在1972-1974年埃塞俄比亚饥荒和1984-1985年尼日尔饥荒的背景下提供了对价格信号和经济恶化的进一步见解，Adree（2022）根据宏观经济数据预测了191个国家的严重粮食不安全。最近，机器学习和时间序列方法已被用于粒度级别的预测，正如Adreée等人所证明的那样。，他使用粮食价格、农业生产率冲击和冲突的数据预测了当地未来的粮食危机。使用相同的数据，Wag等人。跨较低和较高粮食不安全阶段的模式过渡。此后，已经开发了相关方法来提供机器学习驱动的食品安全高频监测(Martii等人。，2022年）。 本文提出的方法建立在现有的粮食安全建模文献的基础上，特别侧重于简约，简单和透明。拟议的方法是对最近呼吁的回应，这些呼吁强调了粮食安全建模中简单性和透明度的重要性（例如Procedre，Baylis等人。，2021年；周等人。，2022；麦克布莱德等人。，2022年）。索马里粮食安全和营养分析股（FSNAU）开发的指标驱动警报系统也为该方法提供了信息，该系统提供了自动监测能力。所提出的方法通过在错误警报的不同容忍度下优化警报阈值，对不同指标进行基准测试以及根据历史验证选择最佳方法来扩展该系统。这导致了一个轻量级但有效的粮食安全监控系统，可以同时满足不同的目标战略，并补充现有的粮食不安全评估。 对警告的历史验证表明，粮食不安全紧急情况可以在发生之前可靠地发现，仅使用一些关键指标来反映通货膨胀，冲突和农业生产力冲击。本文得出的结论是，简单的数据驱动方法显示出检测即将发生的粮食安全紧急情况的强大能力，突出了它们补充现有评估并增加有效，及时和主动响应的准备时间的潜力。 本文结构如下。第2节介绍了数据，第3节建立了一个验证和校准指标和阈值的框架，特别注重平衡假阳性和假阴性。第4节给出了关键结果，第5节给出了结论。其他结果见补充附录。 2Data 2.1目标变量:紧急爆发 本文旨在预测过渡到粮食不安全的临界状态，并有足够的时间采取行动，仅使用易于观察的指标。该策略是将指标与最佳阈值配对，以在粮食不安全问题发生重大升级之前发出可靠的警告。这项工作特别借鉴了世界银行关于预测粮食危机的研究（Adreée等人。，2020年）。 官方IPC数据仅从2018年至今。由于目标是根据粮食不安全状况的历史时间序列校准指标，因此从FEWSNET收集了与IPC兼容的历史数据，涵盖了2014年10月至2023年7月在也门333个地区进行的定期评估。数据使用与IPC兼容的分析框架对粮食不安全的严重程度进行分类并推荐风险缓解政策来量化粮食不安全（Hillbrer和Moloey（2012）提供了对该过程的审查）。IPC量表区分了粮食不安全的五个阶段：（1）最低/无，（2）压力，（3 ）危机，（4）紧急情况和（5）饥荒/灾难。当粮食不安全达到危机水平时，IPC比额表建议进行重大政策转变 。具体而言，对于压力（2）及以下条件，重点是风险管理，而在危机级别（IPC第3阶段）及以上，则转向采取紧急行动以减轻结果（IPC，2021）。 FEWSNETIPC数据在国家以下生计区级别报告。为了获得一致的时间序列，使用空间叠加将数据映射到可比地区级别，并使用Meta2018高分辨率人口密度图（Meta，2024）计算人口密度。表1显示了汇总统计数据。 表1：2