食物系统转型将重塑全球农业

Food systems transformation would reshape global agriculture

作者信息Matthew Gibson, Marina Sundiang, Daniel Mason-D'Croz, Thais Diniz Oliveira, Felicitas Beier, Lauren Benavidez, Astrid Bos, Maksym Chepeliev, Jonathan Doelman, Shahnila Dunston, Shinichiro Fujimori, Tomoko Hasegawa, Petr Havlik, Jordan Hristov, Jonas Jägermeyr, Marta Kozicka, Marijke Kuiper, Page Kyle, Thijs de Lange, Benjamin Leon Bodirsky, Hermann Lotze-Campen, Hermen Luchtenbelt, David Meng-Chuen Chen, Abhijeet Mishra, Christoph Müller, Gerald Nelson, Amanda Palazzo, Ignacio Perez Dominguez, Alexander Popp, Ronald Sands, Marco Springmann, Elke Stehfest, Timothy B Sulser, Kiyoshi Takahashi, Gianmaria Tassinari, Ferike Thom, Philip Thornton, Kazuaki Tsuchiya, Willem-Jan van Zeist, Hans van Meijl, Dominique van der Mensbrugghe, Detlef Van Vuuren, Hannah H E van Zanten, Isabelle Weindl, Keith Wiebe, Xin Zhao, Mario Herrero

PMID42457963

期刊Nature

发布时间2026-09

DOI10.1038/s41586-026-10775-2

来源查看原文

实验完整度

低

研究基于多模型集合的情景模拟，属于宏观建模分析，未涉及具体实验操作与验证，实验方法主要为模型模拟与数据整合。

主要模型

十个全球经济模型集合（AIM、CAPRI、ENVISAGE、FARM、GCAM、GLOBIOM、IMAGE、IMPACT、MAGNET、MAgPIE）共享社会经济路径SSP2情景

重点核对

情景设定：食物系统转型（EL2）包括EAT–Lancet参考饮食、生产率提升、食物损失浪费减半基准对比：与一切照旧（BAU）情景比较，覆盖农业土地、生产、价格、排放等多模型一致性：高一致性定义为≥66%模型方向一致，报告模型数历史背景：利用1961-2020年FAOSTAT数据及HYDE长期土地数据不确定性评估：补充材料中介绍了模型变异性及敏感性分析（补充图4–6，补充表14–17）

摘要

食物系统是导致地球边界被超越的主要因素之一，且不良饮食质量是全球主要的死亡风险因素。预计的人口和收入增长可能会加剧这些挑战。对此，有人呼吁向健康和可持续的食物系统转型。然而，这种转型对农业影响的程度和分布尚未得到充分探索。在此，我们表明，到2050年，食物系统向健康饮食（采用EAT–Lancet参考饮食）、提高生产率和减少一半食物浪费的转型将导致全球农业的根本性重组，其某些方面与历史趋势相背离。使用十个全球经济模型组成的多模型集合进行的情景模拟显示，与2020年水平相比，农业用地中位数减少6%（范围为+1%至−26%）。到2050年，农业生产将比一切照旧情景预测低17%（范围为−2%至−32%），从经济角度看，这一生产的价值将降低1.6万亿美元（26%）（范围为+8%至−58%）。其中，畜牧业生产价值将大幅低于当前2050年预测（范围为−49%至−83%），而蔬菜、水果、坚果和豆类的生产价值将增加23%（范围为−33%至+106%）。结果取决于为实现转型情景而采取的假定政策。我们强调，食品政策应更积极地考虑这种转型的益处（改善人口健康、减少环境压力），并应对其影响的政治经济学。

情景设计与数据准备

定义基准（BAU）和食物系统转型（EL2）情景，并准备模型所需的人口、GDP、饮食等输入数据。

基于SSP2人口和GDP路径，结合EAT–Lancet参考饮食、生产率增长率计划及食物损失浪费减少目标，开发了EL2情景；同时设置BAU情景作为对照。输入数据包括饮食目标、生产率趋势、气候冲击数据（作物、牲畜、劳动力）。

多模型集合模拟

模拟不同模型对BAU和EL2情景的响应，获取农业、环境和经济效益变化。

十个全球经济模型（AIM、CAPRI、ENVISAGE、FARM、GCAM、GLOBIOM、IMAGE、IMPACT、MAGNET和MAgPIE）根据统一情景规格运行，结果经标准化后用于集成分析。

结果分析与不确定性评估

整合模型结果，评估一致性与不确定性，并分析与历史趋势的对比。

计算各模型结果的相对变化，报告集合中位数和范围；通过与历史数据（FAO 1961-2020，HYDE长期数据）对比，评估变化的历史背景。

环节	核对要点
情景定义	BAU和EL2情景的具体设定，包括饮食目标、生产率增长、食物损失和浪费比例，以及SSP选择（SSP2）阅读提示：Methods: Scenarios and data inputs
模型参与	参与的模型列表（十个模型）和每个模型使用的具体结构、输入数据来源阅读提示：Methods: Multimodel ensemble approach; Supplementary Table 3
报告协议	结果报告模板：包括部门分类、变量、区域，以及报告模型数量阅读提示：Methods: Reporting model outputs; Supplementary Table 6 and 7
历史数据应用	用于对比的历史数据来源和时期（FAO 1961-2020，HYDE长期数据），以及如何将预测变化应用于历史值阅读提示：Methods: Historic (1961–2020) food systems data; Long-run land use data
结果表达	使用的指标（中位数、范围）和方向一致性阈值（>66%模型），以及模型数量报告阅读提示：Methods: Reporting model outputs

环节

核对要点

情景定义

BAU和EL2情景的具体设定，包括饮食目标、生产率增长、食物损失和浪费比例，以及SSP选择（SSP2）

阅读提示：Methods: Scenarios and data inputs

模型参与

参与的模型列表（十个模型）和每个模型使用的具体结构、输入数据来源

阅读提示：Methods: Multimodel ensemble approach; Supplementary Table 3

报告协议

结果报告模板：包括部门分类、变量、区域，以及报告模型数量

阅读提示：Methods: Reporting model outputs; Supplementary Table 6 and 7

历史数据应用

用于对比的历史数据来源和时期（FAO 1961-2020，HYDE长期数据），以及如何将预测变化应用于历史值

阅读提示：Methods: Historic (1961–2020) food systems data; Long-run land use data

结果表达

使用的指标（中位数、范围）和方向一致性阈值（>66%模型），以及模型数量报告

阅读提示：Methods: Reporting model outputs

大家都在搜

大家都在搜