这是用户在 2025-1-30 9:01 为 https://app.immersivetranslate.com/pdf-pro/50812563-1c8a-4c81-9ef7-c7ec37c95c72 保存的双语快照页面，由 沉浸式翻译 提供双语支持。了解如何保存？

  一个地球


农业可持续性的定量评估揭示了各国之间的不同优先事项

  图形摘要

  亮点


  • 我们提供一个可持续农业矩阵，以跟踪全球各国的表现

  • 改善农业可持续性的优先领域取决于发展阶段

  • 指标之间权衡和协同的分析可以为国家政策提供信息

  作者


张欣，姚国林，斯里什提·维什瓦卡尔玛，……，马克·穆苏姆巴，艾米·海曼，埃里克·A·戴维森

  通信

  简而言之


可持续农业由于其复杂的环境、社会和经济问题的混合，难以定义或衡量。我们提出并分析了一组新的国家级、多学科和定量的可持续农业指标，以展示历史趋势、识别需要改进的领域，并研究指标之间的权衡和协同效应。这个可持续农业矩阵将有助于为国家和国际政策提供信息，以推动与农业相关的可持续发展目标。

全球目标的黄金标准
  3 吨
   CO 2 CO 2 CO_(2)\mathrm{CO}_{2} 偏移量

  文章


农业可持续性的定量评估揭示了各国之间的不同优先事项


张欣，姚国林，斯里什提·维什瓦卡尔玛，卡罗尔·达林，亚当·M·科马雷克，大卫·R·坎特，凯尔·弗兰克尔·戴维斯，金伯莉·费费尔，赵静，邹坦，保罗·D·奥多里科，克里斯蒂安·福尔贝特，费尔南多·加莱亚纳·罗德里格斯，杰西卡·范佐，洛伦佐·罗萨，威廉·丹尼森，马克·穆松巴，艾米·海曼，埃里克·A·戴维森
马里兰大学环境科学中心阿巴拉契亚实验室，美国马里兰州弗罗斯特堡布拉多克路 301 号，邮政编码 21532
伦敦大学学院巴特利特环境、能源与资源学院可持续资源研究所，中央大厦，14 Upper Woburn Place，伦敦 WC1H ONN，英国
国际食品政策研究所，华盛顿特区西北眼街 1201 号，邮政编码 20005，美国
昆士兰大学，农业与食品科学学院，澳大利亚昆士兰州加顿，邮政编码 4343
纽约大学环境研究系，美国纽约州纽约市梅西街 285 号，邮政编码 10003
特拉华大学地理与空间科学系，美国特拉华州纽瓦克学院街 125 号，邮政编码 19716
特拉华大学植物与土壤科学系，美国特拉华州纽瓦克南学院大道 531 号，邮政编码 19716
8 8 ^(8){ }^{8} 美国乐施会，华盛顿特区西北区第 17 街 1101 号，1300 套房，邮政编码 20036，USA
加利福尼亚大学伯克利分校环境科学、政策与管理系，穆尔福德大厅 130 号，伯克利，加利福尼亚州 94720，美国
10 10 ^(10){ }^{10} 生物多样性与自然资源项目，国际应用系统分析研究所，施洛斯广场 1 号，A-2361 拉克斯滕堡，  奥地利
社会学与综合保护，威廉与玛丽学院，博斯韦尔大厅 213，威廉斯堡，弗吉尼亚州 23185，美国
约翰霍普金斯大学伯曼生物伦理学研究所与高级国际研究学院，1809 阿什兰大道，巴尔的摩，马里兰州 21205，美国
瑞士苏黎世联邦理工学院能源与过程工程研究所，邮政编码 8092，瑞士苏黎世
马里兰大学环境科学中心集成与应用网络，2020 Horns Point Road, Cambridge, MD 21613, 美国
新墨西哥州立大学实验场，邮政信箱 30003，拉斯克鲁塞斯，NM 88003-8003，美国
联合国粮食及农业组织，卡拉卡拉温泉大道，00153 罗马，意大利
这些作者贡献相同   18 18 ^(18){ }^{18} 主要联系人
*通讯: xin.zhang@umces.edu (X.Z.), edavidson@umces.edu (E.A.D.)https://doi.org/10.1016/j.oneear.2021.08.015

  摘要


科学与社会 2015 年可持续发展目标为可持续未来提供了路径。农业部门是可持续发展的三个支柱：环境、经济和社会的基础。然而，可持续农业的定义及其可测量性仍然难以捉摸。对各国促进可持续农业努力的独立和透明的测量对于确保承诺的问责制和研究其有效性至关重要。在这里，我们基于农业的环境、社会和经济指标的历史数据，提出了可持续农业矩阵（SAM）。对这些数据的分析展示了进展的地方，确定了需要改进的优先事项，并揭示了各国指标之间的权衡和协同效应。随着更多数据的可用，SAM 将得到改进，但这个版本为量化趋势和为推动农业可持续性提供政策信息提供了独特的起点。

  摘要


农业是可持续发展的三个支柱——环境、社会和经济——的基础。然而，可持续农业的定义及其衡量能力仍然模糊不清。需要独立和透明的国家可持续性测量，以评估进展、促进问责并为政策提供信息。在此，我们开发了可持续农业矩阵（SAM），以量化各国在农业方面的绩效指标，并基于大多数国家的历史数据调查权衡和协同效应。结果揭示了各国需要改进的优先领域，并显示出

指标之间的权衡和协同效应往往有所不同。例如，经济与环境之间的常见权衡的例外情况为我们提供了从具有多重可持续性指标协同路径的国家学习的机会。这些 SAM 指标将在数据变得更加可用时得到改善，但这一版本为评估进展、确定改进优先事项以及为国家政策和可持续农业行动提供信息提供了一个有用的起点。

  引言


农业是社会的基础，是人类生存所必需的可靠营养来源。农业还为农村社区和整个食品供应链上的人们提供收入和就业。然而，为了满足日益增长和日益富裕的世界人口对更高农业生产力的追求，伴随着环境和社会的权衡日益加剧。例如，农业是森林砍伐和生物多样性丧失的主要驱动因素； 1 1 ^(1){ }^{1} 约占反应性氮 90 % 90 % 90%90 \% 和磷 (P) 输入的 ( N ) ( N ) (N)(\mathrm{N}) ，以及大多数农药化学品输入， 2 , 3 2 , 3 ^(2,3){ }^{2,3} 来自人类活动对地球生物地球化学循环的影响； 4 4 ^(4){ }^{4} 占人类温室气体排放的 21 % − 37 % 21 % − 37 % 21%-37%21 \%-37 \% ； 5 , 6 5 , 6 ^(5,6){ }^{5,6} 并且在全球范围内负责 90 % 90 % 90%90 \% 的淡水消耗。 7 7 ^(7){ }^{7} 除了这些严重的环境问题，许多以农业为主的农村社区还面临着贫困、营养不良和就业机会下降等社会问题，尽管整个农业部门的生产力不断提高，全球饥饿现象显著减少。 8 8 ^(8){ }^{8} 向前发展，农业仍面临提高生产力以满足日益增长的社会对食品、纤维和能源需求的挑战。 9 9 ^(9){ }^{9} 这一挑战因其对饮食和营养、气候变化以及环境退化的潜在影响而变得更加复杂。 4 , 10 , 11 4 , 10 , 11 ^(4,10,11){ }^{4,10,11} 因此，各国和全球必须发展一个可持续的农业部门，该部门不仅要高效生产，还要在营养上充足，与生态系统健康和生物多样性相兼容，并具备韧性。因此，可持续农业已明确被纳入可持续发展目标（SDGs；具体为 SDG 2.4.1），该目标于 2015 年获得所有联合国（UN）成员国的批准。

为了促进各国对可持续农业承诺的问责制并为政策制定提供信息，一致且透明的评估至关重要。然而，可持续农业的定义差异很大，迄今为止，关于世界各国农业可持续性的定量评估很少。一些学者和从业者将可持续农业视为一套管理策略，而另一些则将其定义为一种意识形态或一组具体目标（表 S1）。尽管如此，越来越多的共识认为，应根据可持续农业对可持续性三大支柱（即环境、经济和社会支柱）的影响来框定可持续农业。已经开发了多个框架和指标，以定量评估从国家到全球范围内的食品系统的可持续性（注 S2；表 S2）以及农场规模的可持续农业集约化。 然而，专注于评估农业生产对国家层面上可持续性多样化环境、经济和社会维度影响的研究者寥寥无几，建立阈值或目标

获取并分析这些影响之间的协同效应和权衡。例如，世界资源研究所（WRI）开发的可持续农业指标仅评估农业生产的环境影响（图 S2 和 S5）；可持续食品系统和健康饮食的综合指标以及食品可持续性指数则评估整个食品系统的表现，而不是专注于对农业可持续性三大支柱的影响。这些与农业相关的指标中，许多数据可用性较低（图 S2-S5）。

可持续农业指标作为可持续发展目标（SDG）指标框架的一部分，由联合国的一个跨机构和专家小组开发。最终用于衡量可持续农业的指标是：“SDG2.4.1：采用生产性和可持续农业实践的农业面积比例。”作为该指标的管理机构，联合国粮食及农业组织（FAO）主导了该指标的方法论开发，现已获得国际社会的认可。这些方法论基于农场调查，实施需要时间和资源，特别是在检测和比较历史趋势方面。

尽管多个组织付出了努力，但对全球农业监测的呼吁尚未产生实际的数据集，以便进行趋势评估。在多个维度上缺乏一致的农业可持续性量化，阻碍了识别农业干预措施的不良权衡以及在多个可持续性目标之间开发双赢解决方案。

在这里，我们通过开发可持续农业矩阵（SAM）来解决对一致且透明的可持续农业评估框架的迫切需求，SAM 是一组定量指标，用于衡量 218 个国家或地区的农业生产对环境、社会和经济可持续性维度的影响（有关框架和指标开发的详细方法，请参见“实验程序”部分）。SAM 最初由 M.S. Swaminathan 提出作为一个概念框架，强调了可持续性的多维特性，从单一的政策制定框架（如提高产量）转向在可持续农业的社会、经济和环境维度之间进行协调思考和行动。 为了将斯瓦米纳坦的示范性概念转化为可测量的指标，我们根据对现有框架和指标的广泛调查，确定了可持续农业在每个维度（环境、经济和社会）中的关键方面进行评估，通过综合来自多个来源和学科的现有数据，制定了一系列指标（有关指标开发的详细过程见实验程序），并为一系列定量社会经济和生物物理指标及其建立了合理性

图 1. SAM 评估的范围 虚线圆圈表示农业的直接和间接影响的边界。SAM 评估关注农业对环境和经济的直接影响，以及对社会的直接和更广泛的影响。

市场和信贷，提高农民管理风险的能力，减少供应链中的食品损失。从社会角度看，可持续农业改善了农民的福祉，尊重农民的权利，促进农村社区的公平机会，并通过增强食品供应系统的韧性和改善营养与健康，使整个社会受益。这些是 SAM 评估的农业可持续性的主要方面。

农业可持续性的状态可以通过识别上述主要方面的指标来捕捉，理想情况下，这些指标应与农业的一个主要方面密切相关并具有单调关系

可持续性阈值（详见附注 S3-S5 中对每个指标的详细讨论）。所得到的指标矩阵使得能够在国家层面对世界各国的农业可持续性进行评估。由于我们预计评估和改善政策因国家而异，我们的目的不是定义通用的可持续发展路径，而是为每个国家提供数据，以评估其自身的进展和适合其需求的政策。为此，我们还分析了各国指标之间的协同效应和权衡，并讨论了从各国历史中获得的经验教训的例子。

  结果


SAM 指标和阈值


我们的第一个结果是 SAM 本身，我们在这里描述 SAM 评估的范围及其指标，因为它们是文献调查和指标开发迭代过程的结果（见实验程序）。SAM 评估侧重于农业生产对环境和经济的直接影响，以及对整个社会的更广泛影响（见图 1），认识到农业与其他部门（例如工业）密切相关。具体而言，从环境的角度来看，可持续农业避免了水资源的低效使用，进一步减少了因将自然栖息地转变为农业用地而导致的生物多样性损失，不当使用化学化合物对当地和区域水质及空气质量产生负面影响，温室气体的排放破坏全球气候，以及土壤健康和肥力的损失。从经济的角度来看，可持续农业通过提高农业生产力和盈利能力、推动农业创新、为农民提供获取资源的机会，改善了农业部门的经济可行性。

自然可持续性；（2）对所有国家和多个年份都有可用数据；（3）衡量绩效而不是驱动因素或实践；（4）简单明了。然而，在实践中，这样的指标很少；因此，我们相应地建立了评估指标的标准，并设定了选择指标的原则（有关指标选择方法的详细信息，请参见实验程序）。

在筛选了 200 多个最初提出的指标后，选择并开发了 18 个指标用于 SAM（见表 1；每个指标的详细信息在附注 S3-S5 中描述）。总体而言，这组国家层面的 SAM 指标与联合国粮农组织（FAO）开发的农场规模评估框架有几个相似之处，并且与大多数可持续发展目标（SDG）相关（见图 S1）。诚然，目前的数据限制未能涵盖一些重要主题的指标，并且有些指标并非专门为农业开发。这组 18 个指标在未来可能会扩展或改进，但在我们看来，它们共同代表了当前可用的最佳和最全面的定量矩阵。

为了在指标之间进行交叉比较并确定一个国家绩效改进的优先事项，我们为每个指标定义了红色和绿色阈值，这与人类活动的行星和社会边界框架相一致。红色阈值表示存在不良环境、经济或社会影响的高风险，而绿色阈值则表明可接受的可持续性目标（有关每个指标阈值设定的更多细节，请参见注释 S3S5）。这些在 SAM 中的环境和社会经济指标的阈值有助于提供农业生产“安全和公正空间”的初步轮廓。

更具体地说，环境维度包括六个指标（表 1），衡量农业生产对主要环境问题的影响。那些环境
  主要方面   指标   数据来源   绿色阈值   红色阈值   单位
  环境维度
  水资源可用性
灌溉水消费的可持续性（水消费）		   罗萨等人 22 , 23 22 , 23 ^(22,23){ }^{22,23} 1 2
km 3 km 3 km^(3)\mathrm{km}^{3} 每公里总年灌溉水量 3 3 ^(3){ }^{3} 可持续年水消耗
  污染
N 过剩 P 过剩

张等人 24 24 ^(24){ }^{24} 邹等人 25 25 ^(25){ }^{25}
Zhang et al. ^(24) Zou et al. ^(25)| Zhang et al. ${ }^{24}$ | | :--- | | Zou et al. ${ }^{25}$ |
 52 3.5 52 3.5 {:[52],[3.5]:}\begin{gathered} 52 \\ 3.5 \end{gathered} 69 6.9 69 6.9 {:[69],[6.9]:}\begin{gathered} 69 \\ 6.9 \end{gathered}
千克氮/公顷/年 千克磷/公顷/年

土地利用与生物多样性的丧失
由于农业活动（土地利用变化）而失去的森林面积
全球森林观察，Curtis 等人 26 26 ^(26){ }^{26} 		0 0.0053
每公顷森林砍伐/每公顷耕地面积/每年
  气候变化
农业活动每单位收获面积的温室气体总排放量（温室气体）		 FAO 27 FAO 27 FAO^(27)\mathrm{FAO}^{27} 0.86 1.08   吨 CO 2 eq / ha CO 2 eq / ha CO_(2)eq//ha\mathrm{CO}_{2} \mathrm{eq} / \mathrm{ha}
  土壤健康   土壤侵蚀   博雷利等人 28 28 ^(28){ }^{28} 1 5   吨/公顷
  经济维度

农业劳动生产率
农业每个农业工人的 GDP（劳动生产率）

来源于世界银行（WDI） 29 29 ^(29){ }^{29}
derived from World Bank (WDI) ^(29)| derived from | | :--- | | World Bank (WDI) ${ }^{29}$ |
 7,946 460   2011 年美元购买力平价
  信贷可得性
农民的融资渠道（融资获取）		 E I U 30 E I U 30 EIU^(30)E I U^{30} 100 25   分数
  农民的风险
作物价格波动（价格波动）		   源自联合国粮食及农业组织 27 27 ^(27){ }^{27} 0.10 0.23 -
  农业支持
政府每位农业工人的农业支出（政府支持）
农业支出数据，国际食品政策研究所 31 31 ^(31){ }^{31} 和联合国粮食及农业组织 27 27 ^(27)^{27} ；农业工人，来源于世界发展指标		 2,405 25   2011 年美元购买力平价
  市场准入
农业出口总值占农业 GDP 的百分比（贸易开放度）
贸易数据，联合国商品贸易数据库； 32 32 ^(32){ }^{32} 农业 GDP，世界银行世界发展指标 29 29 ^(29){ }^{29} 		71 17 %
  食物损失
食品损失百分比（食品损失）		 EIU 30 30 ^(30){ }^{30} 2.2 6.6 %
  社会维度
  韧性
作物生产多样性 H 指数（作物多样性）

根据 Seekell 等人的计算 33 33 ^(33){ }^{33}
calculated following Seekell et al. ^(33)| calculated | | :--- | | following | | Seekell et al. ${ }^{33}$ |
 48 22   计数

低收入人群的食品可负担性（食品可负担性）		   Seekell 等人 33 33 ^(33){ }^{33} 100 30 %
  健康与营养
营养不良的流行率（营养不良）		 FAO 27 FAO 27 FAO^(27)\mathrm{FAO}^{27} 0 7.5 %
  农民的福祉
农村贫困比例（农村贫困）		   世界银行 34 34 ^(34){ }^{34} 2 13 %
  平等
全球性别差距报告得分（性别差距）
世界经济论坛		 0.8 0.7   分数
  农民的权利   土地权利   地标 35 35 ^(35){ }^{35} 3 2   分数
Major aspect Indicators Data sources Green threshold Red threshold Units Environmental dimension Water availability sustainability of irrigation water consumption (water consumption) Rosa et al. ^(22,23) 1 2 km^(3) total annual irrigation water/km ^(3) sustainable annual water consumption Pollution N surplus P surplus "Zhang et al. ^(24) Zou et al. ^(25)" "52 3.5" "69 6.9" kg N/ha/year kg P/ha/year Land use and loss of biodiversity the lost forested area due to agricultural activities (land-use change) Global Forest Watch, Curtis et al. ^(26) 0 0.0053 ha deforested/ha cropland area/year Climate change total greenhouse gas emission from agriculture activities per harvested area (greenhouse gas) FAO^(27) 0.86 1.08 ton CO_(2)eq//ha Soil health soil erosion Borrellie et al. ^(28) 1 5 ton/ha Economic dimension Agricultural labor productivity agricultural GDP per agricultural worker (labor productivity) "derived from World Bank (WDI) ^(29)" 7,946 460 2011 US$ PPP Credit availability access to finance for farmers (finance access) EIU^(30) 100 25 score Farmer's risks crop price volatility (price volatility) Derived from FAO ^(27) 0.10 0.23 - Agricultural support government agricultural expenditure per agricultural worker (government support) agricultural expenditure data, IFPRI ^(31) and FAO ^(27); agricultural worker, derived from WDI 2,405 25 2011 US$ PPP Market access total agricultural export values as a percentage of agricultural GDP (trade openness) trade data, UN Comtrade; ^(32) agricultural GDP, World Bank WDI ^(29) 71 17 % Food loss food loss percentage (food loss) EIU ^(30) 2.2 6.6 % Social dimension Resilience crop production diversity H index (crop diversity) "calculated following Seekell et al. ^(33)" 48 22 counts food affordability by low-income population (food affordability) Seekell et al. ^(33) 100 30 % Health and nutrition prevalence of under-nourishment (under-nourishment) FAO^(27) 0 7.5 % Farmers' wellbeing rural poverty ratio (rural poverty) World Bank ^(34) 2 13 % Equality global gender gap report score (gender gap) World Economic Forum ^(34) 0.8 0.7 score Farmers' rights Land rights LandMark ^(35) 3 2 score| Major aspect | Indicators | Data sources | Green threshold | Red threshold | Units | | :---: | :---: | :---: | :---: | :---: | :---: | | Environmental dimension | | | | | | | Water availability | sustainability of irrigation water consumption (water consumption) | Rosa et al. ${ }^{22,23}$ | 1 | 2 | $\mathrm{km}^{3}$ total annual irrigation water/km ${ }^{3}$ sustainable annual water consumption | | Pollution | N surplus P surplus | Zhang et al. ${ }^{24}$ <br> Zou et al. ${ }^{25}$ | $\begin{gathered} 52 \\ 3.5 \end{gathered}$ | $\begin{gathered} 69 \\ 6.9 \end{gathered}$ | kg N/ha/year kg P/ha/year | | Land use and loss of biodiversity | the lost forested area due to agricultural activities (land-use change) | Global Forest Watch, Curtis et al. ${ }^{26}$ | 0 | 0.0053 | ha deforested/ha cropland area/year | | Climate change | total greenhouse gas emission from agriculture activities per harvested area (greenhouse gas) | $\mathrm{FAO}^{27}$ | 0.86 | 1.08 | ton $\mathrm{CO}_{2} \mathrm{eq} / \mathrm{ha}$ | | Soil health | soil erosion | Borrellie et al. ${ }^{28}$ | 1 | 5 | ton/ha | | Economic dimension | | | | | | | Agricultural labor productivity | agricultural GDP per agricultural worker (labor productivity) | derived from <br> World Bank (WDI) ${ }^{29}$ | 7,946 | 460 | 2011 US$ PPP | | Credit availability | access to finance for farmers (finance access) | $E I U^{30}$ | 100 | 25 | score | | Farmer's risks | crop price volatility (price volatility) | Derived from FAO ${ }^{27}$ | 0.10 | 0.23 | - | | Agricultural support | government agricultural expenditure per agricultural worker (government support) | agricultural expenditure data, IFPRI ${ }^{31}$ and FAO $^{27}$; agricultural worker, derived from WDI | 2,405 | 25 | 2011 US$ PPP | | Market access | total agricultural export values as a percentage of agricultural GDP (trade openness) | trade data, UN Comtrade; ${ }^{32}$ agricultural GDP, World Bank WDI ${ }^{29}$ | 71 | 17 | % | | Food loss | food loss percentage (food loss) | EIU ${ }^{30}$ | 2.2 | 6.6 | % | | Social dimension | | | | | | | Resilience | crop production diversity H index (crop diversity) | calculated <br> following <br> Seekell et al. ${ }^{33}$ | 48 | 22 | counts | | | food affordability by low-income population (food affordability) | Seekell et al. ${ }^{33}$ | 100 | 30 | % | | Health and nutrition | prevalence of under-nourishment (under-nourishment) | $\mathrm{FAO}^{27}$ | 0 | 7.5 | % | | Farmers' wellbeing | rural poverty ratio (rural poverty) | World Bank ${ }^{34}$ | 2 | 13 | % | | Equality | global gender gap report score (gender gap) | World Economic Forum ${ }^{34}$ | 0.8 | 0.7 | score | | Farmers' rights | Land rights | LandMark ${ }^{35}$ | 3 | 2 | score |

指标列中括号内的词是指标的缩写名称。确定阈值的理由详见注释 S3-S5。IFPRI，国际食品政策研究所；WDI，世界发展指标；PPP，购买力平价。

这些关注点，除了土壤侵蚀外，均与提议的行星边界相对应，这些边界受到农业活动的重大影响，包括淡水使用（水消耗：灌溉水消耗的可持续性）、对 N N NN 和 P P PP 循环的人类干扰（ N N NN 盈余和 P P PP 盈余）、土地系统变化、生物多样性丧失（土地利用变化：由于农业活动导致的森林砍伐）以及气候变化（温室气体：农业活动产生的温室气体排放）。因此，这些指标及其阈值的定义与行星边界文献相一致，但经过一些修改以允许国家级评估和跨国比较（注释 S3-S5）。尽管未包含在行星边界框架中，土壤侵蚀指标提供了土壤健康一个方面的初步国家级评估，尽管对此日益关注，但在国家层面上数据有限。虽然该指标并未反映土壤健康的所有关注点，但它是唯一具有全球覆盖、按国家和多个年份提供至少基本估算的指标。 诚然，农业生产还有其他环境影响，这些影响并未通过那六个指标直接衡量（例如，农药使用造成的环境损害以及由于作物组合变化或非森林砍伐的土地利用变化导致的生物多样性丧失），在 SAM 框架中评估这些影响需要未来在国家层面上开发新指标的概念、数据和阈值方面进行努力。

经济维度包括六个指标（表 1），用于衡量农民和农业企业的经济可行性，考虑到农业生产成本和收益。从成本的角度来看，经济维度衡量农民获得融资选择的能力（融资获取：融资获取指数）、政府的价格支持（政府支持：农业支出占农业国内生产总值 [GDP] 的百分比），这可能帮助农民和农业企业降低成本，提高创新能力以及减少供应链中的食品损失（食品损失：作为国内供应比例的收获后和消费者前食品损失的衡量）。从收益的角度来看，经济维度评估农民的劳动生产率（劳动生产率：农业 GDP 每农业工人）、农民的贸易开放程度（贸易开放：农业出口收入占农业 GDP 的比例，贸易开放指数的修订版）以及他们对作物价格波动的暴露程度（价格波动：作物价格的加权平均变异系数）。

与环境指标相比，大多数经济指标的限制并未得到广泛认可或建立，因此，在各国之间一致的阈值定义可能会很困难。作为解决这一问题的初步方法，我们确定了所有国家在所有年份中六个经济指标中五个的现有值的 75 th 75 th  75^("th ")75^{\text {th }} 和 25 th 25 th  25^("th ")25^{\text {th }} 百分位数（较高的值表示更大的可持续性，详见附注 S7）作为绿色和红色阈值。 40 − 44 40 − 44 ^(40-44){ }^{40-44} 在这种方法中，超出 75 th 75 th  75^("th ")75^{\text {th }} 百分位数的指标值表明可能的可持续实践，而低于 25 th 25 th  25^("th ")25^{\text {th }} 百分位数的值则可能是不可持续的。

社会维度包括六个指标（表 1），衡量农业对农民生计的直接影响和更广泛的社会影响。这些指标包括农民的福祉（农村贫困：农村贫困比例）、农民的权利（土地权利：

土地权利安全指数（来自 LandMark）和平等（性别差距：全球性别差距指数）。虽然福祉、权利和平等还有许多其他方面，但这些指标具有足够的数据，并捕捉到农民生计的重要方面。

农业生产对健康和营养的影响深远，通常依赖于社会规范、文化、信息获取以及其他社会经济和生理因素。虽然存在多种健康和营养指标，但我们报告了营养不良的流行情况，因为它提供了实现粮食安全的首要条件的有效衡量标准：足够的卡路里可用性和消费。然而，营养不良在衡量整体健康和营养状况方面是有限的（有关选择营养不良指标的额外理由，请参见附注 S5）。

可持续农业是食品系统韧性的基础；即食品系统适应外部干扰并提供稳定食品供应的能力。在这里，食品系统韧性通过两个指标进行衡量：考虑低收入家庭食品可负担性的社会经济韧性（即最低 20%收入分位数与平均食品支出之比），以及考虑作物生产多样性的食品生产韧性（即用于衡量提供每人一定数量卡路里的作物类型数量的 H 指数）。

与经济指标类似，定义社会指标的可持续性阈值也具有挑战性。社会指标的阈值主要基于文献和专家意见设定（注释 S5）。在一些阈值难以识别的情况下，例如作物多样性，我们采用了 25 th − 75 th 25 th  − 75 th  25^("th ")-75^("th ")25^{\text {th }}-75^{\text {th }} 百分位作为基准，正如经济指标所做的那样，以定义红色和绿色阈值。 46 46 ^(46){ }^{46}

农业可持续发展的现状

我们的第二个结果是 SAM 提供的全球农业可持续性概述（图 2A）。2010-2014 年的评估显示，所有国家（美国和加拿大除外）至少有一个指标为红色（表示不可持续和高风险），且没有国家的所有指标为绿色（表示人类活动的安全和公正空间 38 38 ^(38){ }^{38} ），这表明所有国家在农业可持续性的某些方面都需要进一步改善。在全球范围内，环境和社会维度的改善迫在眉睫。环境维度的六个指标中有四个（即氮盈余、磷盈余、温室气体、土壤侵蚀）表明超过 50 % 50 % 50%50 \% 的世界人口生活在红色区域的国家（图 S38），而社会维度的三个指标（即食品可负担性、营养不良、性别差距）也为红色。 相比之下，经济维度中只有一个指标（即贸易开放度）在红色区域国家中超过全球人口的 50 % 50 % 50%50 \% ；另一方面，经济维度中的所有指标在达到绿色阈值的国家中都低于全球人口的 20 % 20 % 20%20 \% 。

对于各个国家，改善的优先领域差异很大，如 SAM 报告卡所示（图 2A）。例如，中等收入国家（如巴西、中国和印度）和人口密集国家（如韩国和日本）在环境指标中有最多的红色标记。许多高收入国家的农业用地相对较小。

图 2. 全球农业可持续性概述

（A-D）2010-2014 年期间每个国家的整体 SAM 评分以及部分国家的报告卡。对于报告卡（见 A 左下角的图例），外环表示每个指标的表现，采用与行星边界文献相一致的交通信号灯颜色方案：红色表示“危险水平：严重影响的高风险”，黄色表示“不确定区：影响风险增加”，绿色表示“安全操作空间”。 36 − 38 36 − 38 ^(36-38){ }^{36-38} 中环和内环表示每个维度的分数和整体分数（有关报告卡和分数计算的详细设计，请参见实验程序）。每个面板中的箭头表示 2010 年和 2014 年之间的趋势。环境、经济和社会维度的分数分别映射在（B）、（C）和（D）中。有关每个指标的可持续性表现分布图（图 S44）和每个国家的报告卡（图 S45），请参见补充信息。 38 , 46 38 , 46 ^(38,46){ }^{38,46}

相对同质气候的地区面临作物生产多样性的挑战（例如，冰岛和英国），而欧洲大多数高收入国家迫切需要降低农业部门的温室气体排放。位于南亚、中东和撒哈拉以南非洲的中低收入和低收入国家对消除农村贫困、改善食品可负担性和营养状况表现出迫切需求，尤其是在低收入家庭中（图 S29、S44 和 S45）。

将 SAM 指标的表现总结到三个维度，我们发现一个国家在 SAM 的经济和社会维度的表现通常与其收入水平（例如，以人均 GDP 衡量）呈正相关，而在环境维度的表现则在中上收入组中最差（见图 3）。为了总结这一高度多样化的指标集，我们将每个指标的原始值转换为 0-100 的尺度（指标得分），基于红色和绿色阈值计算维度得分和整体表现得分（详细描述见实验程序）。结果显示，高收入国家在经济维度上实现可持续目标（绿色区域）的比例大于其他收入组。

随着国家在红色区域的比例从中上收入组增加到低收入组（图 3）。社会维度遵循类似的模式，但尽管收入水平，仍没有国家达到了绿色区域。随着收入的增长，各收入组中处于环境维度绿色区域的国家比例下降，而红色区域的比例在中上收入组中最高，这与环境库兹涅茨曲线理论一致（即，环境影响在经济发展初期先增加后减少）。


跟踪进展情况


除了提供关于农业绩效的概述，涵盖可持续发展的三个维度的多项指标外，SAM 还跟踪了 1961 年至 2016 年期间各个国家的绩效，这是我们的第三个结果（图 4）。

总体而言，大多数国家在其社会经济指标上取得了显著改善，但在环境指标上表现出不同程度的恶化（图 4 和 S41）。例如，来自不同收入组的八个示例国家在四个经济指标（即劳动生产率、政府支持、金融获取和贸易开放）和四个社会指标上大多观察到了显著改善。

图 3. 2010-2014 年各收入组农业可持续性表现（平均值）（A-D）各收入组中处于红色、黄色和绿色区域的国家比例根据总体得分（A）以及三个维度的得分（B-D）显示。得分计算的详细信息见实验程序。得分低于 33 或高于 67 对应红色和绿色区域，表示可持续性水平。得分在 33 到 67 之间对应黄色区域。有关各指标按收入组的表现，请参见图 S28。有关得分计算，请参见实验程序。

指标（即作物多样性、食品可负担性、营养不良、性别差距）。在经济和社会维度的其余四个指标中，所有历史趋势都不可检测或不显著，只有三个例外：中国的价格波动显著恶化，印度的食品损失显著增加，以及埃塞俄比亚的农村贫困指标显著改善。比较不同收入群体的社会经济指标时，可以观察到高收入国家的表现往往更好；然而，即使是澳大利亚和美国等高收入国家，也未能消除营养不良，实际上在过去十年中营养不良情况有所恶化，并可能因 COVID-19 大流行等突发社会危机而进一步加剧。相反，埃塞俄比亚在过去几十年中在消除营养不良方面取得了重大进展，但该国的营养不良指标仍处于红色阈值（图 4）。

环境指标的表现因国家而异，主要是由于自然资源、农业实践和发展阶段的差异。环境问题在快速发展的中等收入国家中尤为严重。例如，三大主要发展中国家（即中国、印度和巴西）的几乎所有环境指标都在恶化，大多数指标已跌入红色区域（见图 4）。中国和印度的土壤侵蚀情况有所改善，巴西的土地利用变化也有所好转；然而，这些改善尚不足以使这些国家的指标进入绿色区域。即使是埃塞俄比亚和塔吉克斯坦等低收入国家，也面临着日益增加的环境风险，如温室气体排放增加和土壤侵蚀加剧。相比之下，一些高收入国家的情况则有所不同。

一些国家，如澳大利亚和美国，在某些环境指标上表现出显著的改善趋势，例如水消耗、磷盈余和土壤侵蚀。然而，澳大利亚的 P P PP 盈余指标仍处于红色区域，而美国的几个指标，如氮盈余和土壤侵蚀，仍处于黄色区域。需要注意的是，SAM 关注的是国内农业生产的影响；因此，与从其他国家进口的农产品相关的环境影响不归因于进口国。换句话说，国家，特别是高收入国家，通过调整国内生产组合以更环保和更有利可图的产品，或通过进口更多的农业或食品产品（这些产品可能是以较不可持续的方式生产的），可能会表现出更好的表面环境绩效。 49 , 50 49 , 50 ^(49,50){ }^{49,50} 有关自 1961 年以来同八个国家的历史轨迹，请参见图 S30。对所有 218 个国家或地区的类似评估可在图 S46 中找到。


SAM 指标之间的权衡与协同效应


我们的第四个主要结果集中在揭示 SAM 指标之间的权衡和协同作用，以及它们在不同国家的变化。考虑到农业系统的复杂性和可持续性的多维关注，农业中的一次变化（例如，实施新技术或新政策）可能会在三个可持续性维度上引发多重连锁影响，因此，一些绩效指标可能会改善，而另一些则可能会下降。因此，理解指标之间的权衡和协同作用对于政策制定者制定可持续发展战略至关重要。 51 , 52 51 , 52 ^(51,52){ }^{51,52} 基于 SAM 指标的历史记录（图 4），

图 4. 1991-2016 年部分国家 SAM 指标的轨迹

在四个收入组（即高收入、中上收入、中下收入和低收入国家 47 47 ^(47){ }^{47} ）中，展示了两个国家（一个位于热带气候区，另一个位于温带气候区）在 2010-2014 年平均总农业 GDP 最高的情况。每一行记录了一个 SAM 指标的表现，每年一列，每个单元格的颜色由分数决定，如实验程序中所述。空白单元格表示相应指标/年份对的数据不可用。

我们调查了各国指标之间的权衡和协同作用（图 5），在这里，成对指标时间序列之间的统计显著（斯皮尔曼相关系数 p < 0.05 p < 0.05 p < 0.05p<0.05 ）正（或负）相关表明了协同作用（或权衡）。 51 51 ^(51){ }^{51} 尽管这些指标之间的统计关系并不意味着直接的因果联系，但它们提供了一个指示。

在具有复杂动态的多目标系统中，权衡和协同作用的分类可以帮助识别尚未得到充分认识的权衡。

SAM 指标的权衡与协同分析表明，不同可持续性问题之间存在复杂的关系，这些关系不一定是一致的

图 5. 112 个主要农业生产国的 SAM 指标之间的协同效应和权衡概述

（A）短指标名称位于图的对角线上，图的左下部分每个框总结了一对指标之间的关系。在每个框中，每个彩色条的高度由处于协同状态的国家比例决定（橙色：指标之间显著正相关， p < 0.05 p < 0.05 p < 0.05\mathrm{p}<0.05 ），权衡（蓝色：显著负相关）或无显著关系（黄色）；框中剩余区域表示无数据（浅灰色）。有关详细方法，请参见实验程序。

（B）三个子图展示了四个收入组中显著的权衡关系占总显著协同和权衡关系的百分比。 47 47 ^(47){ }^{47} 橙色线是 50 % 50 % 50%50 \% 权衡线，在线上方的点表示权衡主导关系，而在线下方的点表示协同主导关系。

指标表明，这些环境影响在大多数国家往往同时恶化（或改善）。另一方面，土地利用变化与环境维度中的大多数其他指标没有显著关系。土壤侵蚀与其他环境指标之间表现出权衡或协同关系。这种协同和权衡关系也显示出基于经济发展水平的强烈模式。与低收入和高收入国家相比，中等收入国家在土壤侵蚀方面的权衡关系案例更多，这表明一些中等收入国家已经开始经历土壤侵蚀减少，而其他环境指标仍在恶化（例如，图 5 中的 P P PP 盈余和土壤侵蚀面板）。

在各国之间。如图 5 所示，没有任何指标对在所有国家中仅显示权衡或仅显示协同效应。指标之间缺乏一致关系可能部分归因于国家特有的特征，例如地理位置和文化背景，以及其农业系统的不同组成和效率。虽然权衡和协同关系值得对每个国家案例进行研究，但可以观察到以下三个按收入组划分的普遍模式（图 5）：

在环境、社会和经济三个维度中，指标通常（但并非总是）显示出同一维度内指标之间的协同效应。一个指标的改善可能与另一个指标的改善相关联，但即使这两个指标属于可持续性关注的同一维度，这种情况也并不总是成立。以环境维度为例，氮 surplus、磷 surplus 和温室气体之间的关系主要表现为协同效应。

请参见图 S31 了解土壤侵蚀与其他指标之间的关系。

（2）权衡主导了大多数环境和社会经济指标之间的关系，这些关系与经济发展水平相关（图 5 和 S31）。高收入组国家中，显示劳动生产率指标与所有环境指标（除了土地利用变化）之间存在协同关系的国家比例最高，这表明更多的高收入国家成功地在减少污染和资源消耗的情况下提高了农业劳动生产率。在其他社会经济指标与环境指标之间的关系中也观察到了类似的模式。与其他环境指标相比，土壤侵蚀与劳动生产率之间显示出更强的协同关系（例如，在图 5 中，土壤侵蚀和劳动生产率面板中显示权衡的国家比例）。

生产力低于温室气体和劳动生产力的面板，以及大多数其他社会经济指标，而在收入较高的国家群体中，协同关系的比例更高，这表明土壤侵蚀的减少通常与农业的长期社会经济可持续性相一致。

并非所有社会指标都随着经济指标的增长而增加。令人惊讶的是，在许多国家，政府支持和贸易开放的增加并未伴随营养不良人口的减少（图 5）；在研究期间，少数国家甚至显示出营养不良与劳动生产率指标之间的权衡关系。这种缺乏协同效应可能表明多种因素的结合。例如，人口增长可能超过农业生产率的提高；消费模式的变化和收入群体之间食品分配的不均也可能延迟或减弱农业生产率提高对减少营养不良人口的影响；更便宜的农业进口可能通过压低农村家庭的收入来增加营养不良；国内政策可能偏向于扩大出口作物，而牺牲小农户的生计，甚至整个居民的生计。 性别平等、韧性与 SAM 的经济表现之间的关系大多不显著，这表明农业生产的社会维度并不会随着经济表现的提高而自动改善。这些结果表明，需要对权衡和协同效应进行更多国家特定的研究，并且可持续发展的路径对于许多国家可能是特定于上下文的。

  讨论


一个指示系统以通知行动


可持续农业矩阵为全球各国提供农业可持续性的定量评估，为跟踪各国在 2030 年可持续发展目标（SDGs）承诺方面的进展提供及时的信息。尽管可持续农业的官方指标（SDG 2.4.1）仍处于数据收集和能力建设阶段，但 SAM 的评估结果可以开始帮助各国理解其在农业可持续性方面的表现，并以定量的视角激励各国与同行及其历史趋势进行比较和学习。SAM 评估是对 SDG 2.4.1 指标的补充。SAM 独立于政府间进程开发，使用来自国家统计的公开数据，可以回顾到目前为止的趋势，保持数据综合方法的透明性，并专注于农业的影响，采用在各国之间一致的数据收集和综合方法。

SAM 指标在多个方面可能提供有价值的信息，以协助国家层面的决策

（1）尽管绿色和红色阈值的设定并不完美，但可能帮助各国识别改善农业可持续性的优先领域（例如，图 6A 中落在红色和黄色区域的指标）。需要注意的是，按百分位数方法设定的社会经济阈值使用了来自所有国家和所有年份的可用数据；因此，阈值随时间变化很小，理论上是

在将当前表现与历史表现进行比较时，几乎所有国家都可以在 25 th 25 th  25^("th ")25^{\text {th }} 百分位以上实现技术上的可行性。然而，我们认识到，由于自然资源禀赋和社会经济条件的差异，一些国家可能无法达到绿色标准。由于 SAM 指标跟踪一个国家的表现随时间的变化，它们展示了一个国家所取得的进展，并且与跨国比较相辅相成。

（2）以一致的方式展示农业的正面和负面影响为政府内不同机构和部门以及不同利益相关者（例如，农民、制造商、贸易商、消费者）之间进行建设性对话提供了独特的机会。实现可持续农业理想情况下要求所有指标朝着各自的可持续性目标发展。因此，这需要政府机构和利益相关者之间的合作。在 SAM 的开发过程中，我们通过由粮农组织北美联络办公室组织的政策圆桌会议和多次国际会议，与包括负责 SDG 2.4.1 开发的专家在内的广泛利益相关者分享了我们的进展，并利用 SAM 作为与各利益相关者进行开放讨论和共同学习的机会。这种共同开发不仅改善了 SAM 指标的设计和可视化，还促进了跨学科（涉及自然科学家、社会科学家和关键利益相关者）在分析和应用 SAM 以指导可持续农业追求方面的合作。

（3）SAM 对可持续农业的评估随着时间的推移，也提供了更好理解指标所代表的规范目标之间的权衡和协同作用的机会，这些目标是许多国际组织和发展机构的关键关注点。例如，粮农组织（FAO）认识到，实现可持续农业的主要挑战之一是“承认并探索可持续性与生产力之间的潜在权衡和在某些情况下的矛盾。”指标之间的权衡突显了当前农业系统中所需的必要变化，以便为每个国家创造协同效应。例如，我们的分析显示，许多国家在营养不良指标与经济指标（例如，政府支持和贸易开放；图 5A）之间存在强烈的权衡，而缺乏协同效应促使政策制定者重新考虑有利于出口产品或出口收入分配的农业政策。 中国在环境和经济维度之间的主导权衡关系表明，目前依赖于密集投入（例如灌溉水和矿物肥料）的强化方法需要转变为资源高效的方法，政府对农业生产的支持也需要重新设计（图 6A）。为了实现这种转变，可以借鉴那些已经展示出协同效应的国家的经验。例如，尽管中国、巴西和印度在农业每个工人的 GDP（劳动生产率指标）与氮盈余和水消耗等环境指标之间存在显著的权衡关系，但法国和美国在这些关系中则显示出协同效应（图 6B 和 6C）。中国和法国在农业土地利用压力方面相似（这里通过人均农业用地面积来衡量）。

   A A  ^("A "){ }^{\text {A }} 中国



图 6. 使用 SAM 指标探索国家内部和国家之间权衡与协同差异的示例 (A) 中国各指标的表现及其相互作用（所有 218 个国家的评估见图 S47）。对角线框的背景颜色由最近几年（2010-2014）指标表现决定，采用交通信号灯颜色方案作为报告卡的外环（详细方法见实验程序）。红色表示采取行动的高度紧迫性。其余框的颜色（不在对角线上的）表示指标之间的协同（橙色，显著正相关）和权衡（蓝色，显著负相关）。浅黄色表示关系不显著，灰色表示数据不足以进行相关性分析。彩色框中的数字是对应指标对之间相关性的斯皮尔曼值。

水消耗与劳动生产率之间的相关性。

© 所有国家的 N N NN 盈余与劳动生产率之间的相关性。具有正相关关系的国家（在每个图表的右侧，以 ISO 代码为基础的三字母缩写表示）表明存在协同关系，而具有负相关关系的国家（在每个图表的左侧）则表明存在权衡关系，中间的国家则没有显著相关性。y 轴由人均农业用地面积决定，表示每个国家的土地使用压力。

在图 6B 和 6C 的 y y yy 轴上，法国成功提高了每位农业工人的农业 GDP，并减少了氮污染和不可持续的灌溉用水。对这些指标的历史轨迹及相关政策（例如，农业补贴的变化、1990 年代欧洲硝酸盐指令的采用）以及法国和其他成功国家的技术变革进行进一步研究，将有助于识别有效的政策和技术，以及它们对其他 SAM 指标的潜在影响，从而为中国和其他国家的战略提供参考。与利益相关者共同开发案例研究将有助于加速有效战略的识别和实施。


寻找高质量指标和数据


SAM 指标的发展揭示了可持续农业这一复杂概念与国家层面和全球覆盖范围内现有数据和指标之间的差距。为了得出第一组 SAM 指标，不得不对数据限制做出妥协。例如，土地权利指标仅有一年的数据，但它们被纳入 SAM，因为它们为可持续农业的一个关键方面提供了测量，而没有其他相关指标在空间和时间覆盖方面优于土地权利。虽然大多数指标覆盖了广泛的国家，但许多指标在时间覆盖上存在不足，这限制了对进展的跟踪。目前，仅有少数指标包含自 1961 年以来的数据（例如，氮盈余、磷盈余、温室气体和作物多样性），一些指标自 1990 年代以来有数据（例如，水消耗、土地利用变化、土壤侵蚀、劳动生产率和贸易开放），而其余指标仅有过去几年的数据。确保用于计算 SAM 指标的原始数据持续收集并向公众提供是至关重要的。

除了现有指标缺乏数据外，还需要开发指标以改善对可持续农业某些关键方面的测量，例如土壤健康。尽管在农场层面开发土壤健康指标的兴趣很大，但很少有土壤健康指标能够汇总到国家层面。例如，土壤有机质被认为赋予了许多有益的土壤健康特性，如改善的持水能力和有益生物的活性，但大多数测量是在局部地块尺度进行的，只有少数国家能够在汇总的国家层面评估土壤有机质的变化。人类健康和营养的指标应改进，以包括营养不良的所有方面，包括蛋白质和微量营养素的供应，从而反映营养敏感农业的指标。权利和平等的指标需要改进，以测量其他与农民或社区土地相关的基本权利和平等问题（例如，教育、性别平等）。本版本 SAM 中包含的每个指标的注意事项在附注 S5 中进一步讨论。

聚焦于国家层面的评估，目前的 SAM 指标在反映一个国家内部农业可持续性表现的异质性方面存在局限性。例如，由于其集约化的作物生产活动，美国玉米/大豆带的总氮 surplus 比其他美国地区更高，而中国东海岸地区相比于西部地区则更为发达且污染更严重。特征化

这种异质性表现对于评估农业可持续性至关重要。可以探索两个潜在方向：（1）在次国家层面实施 SAM 评估框架， 58 58 ^(58){ }^{58} 和（2）开发能够反映国家内部空间异质性的量身定制的国家级统计数据。由于许多 SAM 指标是基于次国家统计数据或考虑可用资源的空间异质性（例如，水消耗指标），因此按照这两个潜在方向开发 SAM 是可行的，以更好地反映一个国家内部农业可持续性表现的异质性。

  结论


我们开发了一个指标系统，SAM，用于系统地评估和可视化各国在可持续农业方面的表现，涵盖环境、社会和经济维度，跟踪朝向可持续发展目标的空间和时间变化，并识别多个可持续性目标之间的权衡和协同效应。正如预期的那样，没有任何一个国家在所有指标上都达到了可持续性目标，但 SAM 也揭示了各国在农业可持续性改善优先事项上的差异。通过突出每个国家改善农业可持续性的优先领域，SAM 评估可能为寻求改善农业可持续性的政策制定者和利益相关者提供必要的证据基础。 SAM 还展示了可持续发展目标之间在空间和时间上的变化互联性，揭示了农业生产中经济与环境绩效之间普遍存在的权衡，从而促进了影响广泛主题的政策制定者之间的潜在合作与协调，包括食品和农业政策、农村发展以及环境政策。各国评估的可视化也提供了识别有效政策和技术的机会，这些政策和技术在某些国家促进了农业环境、经济和社会维度之间的协同关系，因此可以为面临权衡挑战的其他国家的政策提供参考。尽管指标设计和数据可用性的持续改进是必要的，但 SAM 的广泛应用为朝着可持续农业采取更明智和协调的行动提供了机会。

  实验程序

  资源可用性
  主要联系人

进一步的信息和资源及试剂的结果应联系并由主要联系人 Xin Zhang（xin.zhang@umces.edu）提供。材料可用性

本研究未产生新的独特材料。

数据和代码可用性

本研究中分析的所有数据集均可公开获取，具体参考文章及补充信息。现有文献中收集的候选指标的汇总表可在 Dryad 上获取：https://doi.org/10.5061/dryad.6hdr7sr0c。

每个 SAM 指标的原始值和相应的分数可在同一链接中获得。分数计算的代码可在 https://github.com/yaoguolin/SustainableAgricultureMatrix 找到。


SAM 指标的发展


第一版 SAM 指标的开发是一个由跨学科专家小组进行的迭代过程，涉及自然科学家、经济学家、社会科学家和利益相关者。SAM 框架和指标是在 2017 年至 2021 年期间，通过国家社会环境综合中心（SESYNC）支持的一系列研讨会开发的，遵循以下步骤（图 S42）。

首先，我们回顾了可持续农业的现有定义和评估（附注 S1 和 S2）。对现有文献的回顾表明，在根据可持续性对环境、经济和社会维度的影响来定义可持续农业方面，越来越多的共识正在形成。因此，我们定义了 SAM 框架的范围，以评估农业生产对这三个可持续性维度的影响。考虑到农业与其他部门之间的相互联系，我们进一步细化了范围，以评估农业生产对环境和经济的直接影响，以及对整个社会的更广泛影响（图 1）。基于对与可持续农业相关的现有指标框架的回顾，我们还确定了一系列用于评估和选择指标的标准（表 S2），并在后续步骤的指标开发过程中应用了这些标准。

其次，在环境、经济和社会三个维度下，我们根据文献综述和专家意见识别并讨论了农业对可持续性影响的主要方面（例如，水资源可用性、污染、劳动生产率、市场准入、韧性、农民福祉）。

第三，我们识别并提出了相关指标，并根据现有农业可持续性框架的文献综述（例如，经济学人智库的食品可持续性指数 20 20 ^(20){ }^{20} ，EAT-SDSN-CGIAR 联合倡议的可持续食品系统和健康饮食的综合指标 19 19 ^(19){ }^{19} ，世界资源研究所的可持续农业指标 18 18 ^(18){ }^{18} ，粮农组织的 FAOSTAT 数据库 27 27 ^(27){ }^{27} ）以及专家意见，初步将其与最相关的主要方面进行匹配。

第四，我们根据以下标准评估了这些候选指标：

（1）与农业的相关性：该指标在多大程度上与农业生产的影响相关，而不是与其他人类活动相关。

（2）与可持续性的相关性：该指标在多大程度上与可持续性的一个维度或主要方面相关。

（3）绩效或驱动因素：该指标主要被视为农业部门的绩效（影响）还是可持续农业的驱动因素（原因）。

（4）KISS（保持简单，愚蠢）：指标的定义在多大程度上简单明了。优先考虑具有简单明了定义的指标。

（5）单调关系：该指标是否与农业可持续性的主要方面存在单调关系。例如，农药化学使用量与农业对环境的影响并不存在单调关系，因为并非所有农药对环境的危害都是相同的，有些农药可以与综合害虫管理（IPM）系统有效结合使用，从而同时惠及环境和农业生产力。这是我们列表中许多其他框架所忽视的最重要属性之一。这个属性很重要，因为指标的原始值将被转换为 0-100 的评分，较高的值表示更大的可持续性，然后将用于国家之间的比较和随时间的变化跟踪。

（6）数据可用性：各国和各年数据的可用程度如何？

第五，根据对指标的初步评估，我们选择了 SAM 的指标，遵循以下原则：

每个指标评估农业对可持续性一个主要方面的影响及其与该特定方面的关系

可持续性的标准必须是单调的（即，标准 1 和标准 2 被评为“高”，而标准 5 被评估为“是”）。

（2）农业可持续发展的每个主要方面应至少有一个指标，并且该指标应能够进行跨国比较。

可用的指标数据应覆盖超过 80 个国家（涵盖大多数农业生产国和全球人口），并且最好超过 3 年。 59 59 ^(59){ }^{59} 数据可用性的 3 年最低要求是首选，因为可持续系统的确定需要至少 3-5 年的观察。至少覆盖 80 个国家的最低指标要求是为了确保跨国比较和经验分享。

（4）每个主要方面都没有被过度呈现，也没有被许多高度相关的指标所淹没。

（5）优先考虑具有简单明了定义的绩效指标和指标。

以下示例说明了为步骤 2 中确定的可持续农业主要方面选择适当指标的过程。对于健康和营养这一主要方面，我们最初提出了微量营养素缺乏、儿童生长迟缓和营养不良，但前两个潜在指标仅衡量一个国家营养状况的狭窄方面（违反原则 5），因此我们决定仅使用第三个指标：营养不良的流行率。经过几轮迭代，仍然有一些主要方面（例如，权利、平等和土壤健康）最佳指标在国家和年份的数据覆盖方面较差。为了确保每个主要方面至少有一个指标（原则 2），我们在数据可用性原则（原则 3）上做出了妥协。

第六，初步指标清单与环境、经济和社会科学专家组的专家分享，他们讨论了这些指标的优缺点（附注 S3-S5），定义了红色和绿色阈值，并讨论了潜在的改进。绿色和红色阈值遵循熟悉的交通信号灯信号，与 Rockstrom 等人提出的行星边界概念一致 36 36 ^(36){ }^{36} ，并分别是“安全操作空间”、“不确定区：影响风险增加”和“危险水平：严重影响的高风险”的边界 37 37 ^(37){ }^{37} （图 S43A）。

第七，我们反复审查了主要方面及其指标，直到主要农业对可持续性的影响被充分考虑，所有选择 SAM 指标的原则尽我们所能得到满足，并且参与 SAM 开发的所有专家达成了一致意见。


成绩单设计与分数计算


为了衡量农业的环境和社会经济表现，SAM 指标具有不同的单位和数值，并且在农业可持续性方面具有不同的分布和含义；因此，使用原始数值进行指标之间的比较非常具有挑战性。为了解决这一挑战，我们设计了一份报告卡以及评分计算的方法，以提供每个国家农业可持续性的概述。报告卡的设计（图 2）和评分重点展示了每个指标与可持续性红色和绿色阈值之间的关系。

报告卡包括三个层次。外环使用交通信号灯颜色方案显示每个指标的表现（图 S43A）。指标的颜色由指标的原始值（例如，N 盈余指标的原始值以 kg N / N / N//\mathrm{N} / ha/年为单位测量）与为该指标确定的红色和绿色阈值之间的关系决定：如果指标的值介于红色和绿色阈值之间，则指标的颜色为黄色；如果值超出红色和绿色阈值确定的范围，则指标的颜色由离指标值更近的阈值的颜色决定；如果没有可用数据，则指标显示为灰色。

每个指标的得分根据以下步骤从指标的原始值转换而来：

（1）对数变换。为了改善指标之间值分布的一致性，我们首先对那些没有准正态分布的指标进行了对数变换。

（2）方向调整。为了确保每个指标的较高值对应于该特定评估主题中的更可持续表现，对于那些较高原始值意味着较低可持续性的指标，原始值乘以-1（例如，较高的氮盈余值意味着较低的可持续性，因此它们乘以-1）（有关每个指标的对数转换和方向调整的详细信息，请参见附注 S7 和表 S3）。

（3）得分计算。根据第一步和第二步的调整原始值（Raw adj adj  _("adj ")_{\text {adj }} ），我们进行了线性变换，考虑到红色和绿色阈值分别对应得分 33 和 67（即 0-100 得分范围的三分之一和三分之二；图 S43）。
Score = 33 ∗ ( Raw adj − Red a d j ) Green adj − Red adj + 33  Score  = 33 ∗  Raw  adj  −  Red  a d j  Green  adj  −  Red  adj  + 33 " Score "=(33**(" Raw "_("adj ")-" Red "_(adj)))/(" Green "_("adj ")-" Red "_("adj "))+33\text { Score }=\frac{33 *\left(\text { Raw }_{\text {adj }}-\text { Red }_{a d j}\right)}{\text { Green }_{\text {adj }}-\text { Red }_{\text {adj }}}+33
  （方程 1）

在这里，红色 a d j a d j _(adj){ }_{a d j} 和绿色 adj adj  _("adj ")_{\text {adj }} 是根据与指标相同的步骤 1 和 2 调整的红色和绿色阈值；得分表示每个指标经过线性变换后的得分值。该得分设计侧重于指标值与绿色和红色阈值之间的关系。该设计本质上与 Steffen 等人 37 37 ^(37){ }^{37} 提出的行星边界的展示相同，后者将每个指标的表现与上限和下限行星边界进行比较。经过线性变换后，我们将得分值低于 0 或高于 100 的值分别设定为 0 或 100。

报告卡的中间层显示了三个维度的汇总得分，即环境、经济和社会维度。每个维度的得分是该维度所有指标的平均得分。报告卡的中心是整体得分：三个维度得分的平均值。这种维度和整体得分的计算方法已被 SDGs 指数 60 60 ^(60){ }^{60} 、Schmidt-Traub 等 61 61 ^(61){ }^{61} 和 Xu 等 62 62 ^(62){ }^{62} 等指标系统使用。尽管这种汇总方法并不完美，但它提供了一个有用的视觉概述，展示了各国整体农业可持续性的状态。每个维度和单个指标的数值在附录 S3-S5 中提供，以便用户可以根据自己的汇总目的和偏好为指标分配不同的权重。

我们进行了敏感性分析，以测试通过随机移除一个到九个指标而导致的各国整体表现的潜在波动。我们发现，当从汇总得分中移除最多三个指标时，得分变化的一标准差小于 5（得分范围为 0 到 100），确认了在 SAM 中选择指标的稳健性（见图 S39）。


权衡与协同分析


我们通过检查 SAM 指标之间的统计关系来评估其权衡和协同效应，使用经过对数变换和方向调整后的每个指标的调整原始值（ R a w a d j R a w a d j R_(aw_(adj))R_{a w_{a d j}} ）。为了最小化潜在异常值对统计分析结果的影响，我们将每个指标的值限制在该指标所有可用数据的 5 th 5 th  5^("th ")5^{\text {th }} 和 95 th 95 th  95^("th ")95^{\text {th }} 百分位数之间。然后，对于每个国家和每对指标，我们对 SAM 指标的历史记录应用了斯皮尔曼等级相关分析 63 63 ^(63){ }^{63} 。斯皮尔曼分析已被应用于检查指标之间的权衡和协同效应。 63 63 ^(63){ }^{63} 如果一对指标显示出显著的（即斯皮尔曼相关 p < 0.01 p < 0.01 p < 0.01p<0.01 ）正相关，则表明指标之间存在协同效应，而显著的负相关则表明存在权衡。 28 28 ^(28){ }^{28} 此分析适用于 112 个农业活动和影响较高的国家（1961-2016 年平均收获面积 > 100 , 000 > 100 , 000 > 100,000>100,000 公顷；更多细节请参见注释 S11）。


补充信息


补充信息可以在网上找到，网址为 https://doi.org/10.1016/j.oneear.2021.08.015。

  致谢


本研究得到了国家科学基金会 CNS-1739823 和国家社会环境综合中心（SESYNC）的支持

来自国家科学基金会的资助 DBI-1639145。作者感谢所有参与 SESYNC 赞助的 SAM 研讨会的参与者。

  作者贡献


X.Z. 提出了初步想法。X.Z. 和 E.A.D. 获得了资金支持。X.Z.、E.A.D. 和 K.P. 领导了为期三年的 SAM 开发项目。所有作者都参与了 SAM 指标的概念化和开发，其中 C.D.、E.A.D. 和 X.Z. 负责环境维度，A.M.K.、D.R.K.、G.Y. 和 M.M. 负责经济维度，K.P.、F.G.、P.D. 和 K.F.P. 负责社会维度。X.Z. 和 G.Y. 负责数据收集，设计分析，并撰写初稿。G.Y. 负责经济和社会维度的数据分析和写作。X.Z.、S.V. 和 E.A.D. 负责环境维度的数据分析和写作。所有作者都审阅、修订并批准了最终版本的草稿。


利益声明


作者声明没有竞争利益。

收到日期：2020 年 6 月 24 日

修订日期：2021 年 3 月 26 日

接受日期：2021 年 8 月 23 日

发布于：2021 年 9 月 10 日

  参考文献


  1. 坎贝尔, B.M., 比尔, D.J., 本内特, E.M., 霍尔-斯宾塞, J.M., 英格拉姆, J.S., 哈拉米略, F., 奥尔蒂斯, R., 拉曼库提, N., 塞耶, J.A., 和辛德尔, D. (2017). 农业生产作为超越行星边界的地球系统主要驱动因素. 生态与社会, 22, 8. https://doi.org/10. 5751/ES-09595-220408.

  2. Bodirsky, B.L., Popp, A., Lotze-Campen, H., Dietrich, J.P., Rolinski, S., Weindl, I., Schmitz, C., Müller, C., Bonsch, M., 和 Humpenöder, F. (2014). 2050 年满足全球需求的反应性氮需求及其减缓氮污染的潜力. 自然通讯, 5, 1-7.

  3. Aktar, W., Sengupta, D., 和 Chowdhury, A. (2009). 农业中农药使用的影响：其益处与危害. 跨学科毒理学, 2, 1-12.

  4. 张, X., 戴维森, E., 邹, T., 拉萨莱塔, L., 全, Z., 李, T., 和张, W. (2020). 量化可持续营养管理的营养预算. 全球生物地球化学循环 34, e2018GB006060.

  5. 埃登霍费尔, O., 皮赫斯-马德鲁加, R., 索科纳, Y., 法拉哈尼, E., 卡德纳, S., 塞博斯, K., 阿德勒, A., 鲍姆, I., 布伦纳, S., 和艾克梅耶尔, P. (2014). 气候变化 2014：气候变化的缓解. 政府间气候变化专门委员会第三工作组对第五次评估报告的贡献. https://www.ipcc.ch/site/assets/uploads/2018/02/ipcc_wg3_ar5_frontmatter.pdf.

  6. Mbow, C., Rosenzweig, C., Barioni, L.G., Benton, T.G., Herrero, M., Krishnapillai, M., Liwenga, E., Pradhan, P., Rivera-Ferre, M.G., Sapkota, T., 等. (2019). 食品安全. 在《气候变化与土地：气候变化、沙漠化、土地退化、可持续土地管理、食品安全和陆地生态系统温室气体通量的 IPCC 特别报告》中.

  7. OECD（2019）。可持续管理水资源是食品和农业未来的关键。水与农业。https://www.oecd.org/agriculture/topics/water-and-agriculture/.

  8. 汤森德，R.（2015）。到 2030 年消除贫困和饥饿：全球食品系统议程（世界银行）。

  9. 贝尔特兰-佩尼亚，A.，罗萨，L.，和多多里科，P.（2020）。在可持续农业集约化背景下，21 世纪全球食品自给自足。环境研究快报，15，095004。

  10. Springmann, M., Clark, M., Mason-D’Croz, D., Wiebe, K., Bodirsky, B.L., Lassaletta, L., de Vries, W., Vermeulen, S.J., Herrero, M., 和 Carlson, K.M. (2018). 保持食品系统在环境限制内的选项. 自然 562, 519.

  11. Tilman, D., Balzer, C., Hill, J., 和 Befort, B.L. (2011). 全球食品需求与农业的可持续集约化. 美国国家科学院院刊 108, 20260-20264.

  12. Hayati, D. (2017). 关于可持续农业测量和监测框架与方法的文献综述（技术报告）。

  13. 联合国粮食及农业组织（FAO）（2018）。转变食品和农业以实现可持续发展目标。

  14. 斯瓦米纳坦，M.S.（1990）。食品安全挑战的变化性质：对农业研究和政策的影响（国际农业研究协商小组）。

  15. Béné, C., Prager, S.D., Achicanoy, H.A., Toro, P.A., Lamotte, L., Bonilla, C., 和 Mapes, B.R. (2019). 食品系统可持续性的全球地图和指标. 科学数据 6, 1-15.

  16. Chaudhary, A., Gustafson, D., 和 Mathys, A. (2018). 全球食品系统的多指标可持续性评估. 自然通讯. 9, 848.

  17. 史密斯，A.，斯纳普，S.，奇科沃，R.，索恩，P.，贝昆达，M.，和格洛弗，J.（2017）。在小农生态系统中衡量可持续集约化：一项综述。《全球粮食安全》12，127-138。

  18. Reytar, K., Hanson, C., 和 Henninger, N. (2014). 可持续农业指标：范围分析 (世界资源研究所)。

  19. EAT 倡议（2015）。后 2015 发展议程中可持续食品系统和健康饮食的综合指标_2015 年 9 月 17 日最终声明。https://cgspace.cgiar.org/handle/10947/4011#:~:text=https %3A//hdl.handle.net/10947/4011.

  20. 经济学人；经济学人智库（2016）。修复食品：迈向更可持续的食品系统（巴里拉食品与营养中心）。

  21. 萨克斯, J., 雷曼斯, R., 斯穆克勒, S., 温诺维茨基, L., 安德尔曼, S.J., 卡斯曼, K.G., 卡斯尔, D., 德弗里斯, R., 丹宁, G., 和范佐, J. (2010). 监测全球农业. 自然 466, 558-560.

  22. 罗萨，L.，鲁利，M.C.，戴维斯，K.F.，基亚雷利，D.D.，帕塞拉，C.，和 D’奥多里科，P.（2018）。在确保水资源可持续性的同时缩小产量差距。《环境研究快报》13，104002。

  23. 罗萨, L., 基亚雷利, D.D., 图, C., 鲁利, M.C., 和 多多里科, P. (2019). 农业贸易中的全球不可持续虚拟水流. 环境研究快报, 14, 114001.

  24. 张, X., 戴维森, E.A., 毛泽拉尔, D.L., 塞尔钦格, T.D., 杜马斯, P., 和沈, Y. (2015). 管理氮以实现可持续发展. 自然 528, 51.

  25. 邹涛，张晓，和大卫森，E.A.（2020）。提高农田中的磷利用效率以应对 2050 年的磷挑战（地球与空间科学开放档案）。

  26. 柯蒂斯，P.G.，斯莱，C.M.，哈里斯，N.L.，丘卡维纳，A.，和汉森，M.C.（2018）。全球森林损失驱动因素的分类 1111，1108-1111。


27. 联合国粮食及农业组织 (2018)。FAOSTAT 统计数据库。


  1. Borrelli, P., Robinson, D.A., Fleischer, L.R., Lugato, E., Ballabio, C., Alewell, C., Meusburger, K., Modugno, S., Schütt, B., Ferro, V., 等. (2017). 对 21 世纪土地利用变化对土壤侵蚀的全球影响的评估. 自然通讯, 8. https://doi.org/10.1038/s41467-017-02142-7.

  2. 世界银行（2018）。世界发展指标。

  3. EIU（2018）。全球食品安全指数（经济学人智库）。https://foodsecurityindex.eiu.com/.

  4. 国际食品政策研究所 (IFPRI) (2015)。经济发展公共支出统计 (SPEED)。

  5. 联合国商品贸易数据库（2019）。联合国商品贸易数据库。

  6. Seekell, D., Carr, J., Dell’Angelo, J., D’Odorico, P., Fader, M., Gephart, J., Kummu, M., Magliocca, N., Porkka, M., 和 Puma, M. (2017). 全球食品系统的韧性. 环境研究快报, 12, 025010.

  7. 世界经济论坛（2018）。2018 年全球性别差距报告（世界经济论坛）。

  8. 威利，L.A.，塔利亚里诺，T.，哈佛法学院，国际发展协会（LIDS），维达尔，A.，和萨尔塞多-拉维纳，C.（2016）。http://www.landmarkmap.org/。

  9. 罗克斯特伦, J., 斯特芬, W., 诺恩, K., 佩尔松, Å., 查平, F.S., 兰宾, E.F., 伦顿, T.M., 谢弗, M., 福尔克, C., 和 谢尔恩胡伯, H.J. (2009). 人类的安全操作空间. 自然 461, 472-475.

  10. Steffen, W., Richardson, K., Rockström, J., Cornell, S.E., Fetzer, I., Bennett, E.M., Biggs, R., Carpenter, S.R., De Vries, W., 和 De Wit, C.A. (2015). 行星边界：在变化的星球上引导人类发展. 科学 347, 1259855.

  11. Raworth, K. (2012). 人类的安全与公正空间：我们能否在甜甜圈内生活？（乐施会）。

  12. Raworth, K. (2017). 人类世的甜甜圈：21 世纪人类的指南针。柳叶刀行星健康 1, e48-e49.

  13. Hartzmark, S.M. 和 Sussman, A.B. (2018). 投资者重视可持续性吗？一项关于排名和基金流动的自然实验。https://doi.org/10.1111/jofi.12841.

  14. 陈, J. (2019). 晨星可持续性评级 (投资百科).

  15. Ghosh, A.R. 和 Wolf, H. (1998). 增长中的阈值与情境依赖性 (国家经济研究局)。

  16. Roulin, E. (2007). 中等范围水文集合预测的技能与相对经济价值。https://doi.org/10.5194/hess-11-725-2007。

  17. Stanojevic, R., Laoutaris, N., 和 Rodriguez, P. (2010). 关于经济重头玩家：95 百分位定价的夏普利值分析。页码，75-80。

  18. 斯图尔特，C.P.，伊安诺蒂，L.，德威，K.G.，米哈伊尔森，K.F.，和奥尼扬戈，A.W.（2013）。在更广泛的防止生长迟缓框架中对辅食进行情境化。母婴营养，9，27-45。

  19. 罗沃斯，K.（2017）。《甜甜圈经济学：21 世纪经济学家的七种思维方式》（切尔西绿色出版）。

  20. 世界银行（2018）。按收入和地区划分的世界。http://datatopics.worldbank.org/world-development-indicators/the-world-by-income-and-region.html。

  21. 戴维斯, K.F., 唐斯, S., 和 盖帕特, J.A. (2021). 朝着应对环境冲击的食品供应链韧性. 自然食品 2, 54-65.

  22. 黄, G., 姚, G., 赵, J., 利斯克, M.D., 余, C., 和 张, X. (2019). 为满足中国国内食品需求而进口农作物的环境和社会经济权衡. 环境研究快报, 14, 094021.

  23. Dalin, C., Wada, Y., Kastner, T., 和 Puma, M.J. (2017). 国际食品贸易中嵌入的地下水枯竭. 自然 543, 700.

  24. Pradhan, P., Costa, L., Rybski, D., Lucht, W., 和 Kropp, J.P. (2017). 可持续发展目标（SDG）相互作用的系统研究. 地球的未来 5, 1169-1179.

  25. Nerini, F.F., Tomei, J., To, L.S., Bisaga, I., Parikh, P., Black, M., Borrion, A., Spataru, C., Broto, V.C., 和 Anandarajah, G. (2018). 映射能源与可持续发展目标之间的协同效应和权衡. 自然能源 3, 10.

  26. 玛丽，S.（2019）。渴望自由贸易？发展中国家的食品贸易与极端饥饿。《食品安全》11，461-477。

  27. 麦克迈克尔, P. (2009). 食品体制的谱系. 农民研究杂志, 36, 139-169.

  28. 联合国粮食及农业组织（FAO）（2018）。通过战略目标 2（SO2）评估 FAO 在通过综合自然资源管理促进可持续农业发展方面的贡献。

  29. 诺里斯，C.E.，和康格里夫斯，K.A.（2018）。替代管理实践改善集约蔬菜种植系统中的土壤健康指标：一项综述。《环境科学前沿》6，50。

  30. Herforth, A., Nicolò, G., Veillerette, B., 和 Dufour, C. (2016). http://www.fao.org/3/i6275e/i6275e.pdf.

  31. 戴维斯，K.F.，查特雷，A.，拉奥，N.D.，辛格，D.，戈什-杰拉斯，S.，米里杜尔，A.，波布莱特-卡泽纳夫，M.，普拉丹，N.，和德弗里斯，R.（2019）。评估印度后绿色革命谷物的可持续性。《国家科学院院刊》116，25034-25041。

  32. Lynam, J.K. 和 Herdt, R.W. (1989). 感知与可持续性：可持续性作为国际农业研究的目标. 农业经济学. 3, 381-398.

  33. 萨克斯, J., 施密特-特劳布, G., 克罗尔, C., 杜兰-德拉克尔, D., 和 特克索兹, K. (2017). 可持续发展目标指数与仪表盘报告 2017. 纽约 (贝塔斯曼基金会和可持续发展解决方案网络 (SDSN)).

  34. 施密特-特劳布, G., 克罗尔, C., 特克索兹, K., 杜朗-德拉克尔, D., 和萨克斯, J.D. (2017). 在可持续发展目标指数和仪表板中评估的国家基准. 自然地球科学, 10, 547-555.

  35. 徐志，李勇，周思宁，迪茨，李超，万丽，张杰，张丽，李勇，钟美光（2020）。国际贸易对全球可持续发展的影响。《自然可持续性》3，964-971。

  36. 斯皮尔曼, C. (1961). 两者之间关联的证明与测量. https://doi.org/10.2307/1422689.