全球农业劳动力分布数据集

全球农业劳动力分布数据集是由科罗拉多大学开发的，涵盖了2000年至2100年每十年的全球农业劳动力分布情况。该数据集以0.083×0.083度的分辨率提供，约相当于赤道地区10公里×10公里的网格。数据集基于广义加性混合模型（GAMMs），整合了社会经济变量，如人均国内生产总值、总人口、农村人口规模和农业用地使用情况。数据集的创建过程包括数据清洗、特征整合和模型训练，旨在预测未来农业劳动力的分布。该数据集的应用领域广泛，主要用于研究劳动力健康、生产力和风险，以及制定应对农业气候韧性的前瞻性策略。The Global Agricultural Labor Force Distribution Dataset, developed by the University of Colorado, covers global agricultural labor force distributions every decade from 2000 to 2100. This dataset is provided at a spatial resolution of 0.083×0.083 degrees, which is approximately equivalent to a 10 km × 10 km grid in the equatorial region. Built on Generalized Additive Mixed Models (GAMMs), this dataset integrates socioeconomic variables including per capita gross domestic product (GDP), total population, rural population size, and agricultural land use. The development process of this dataset includes data cleaning, feature integration, and model training, aiming to predict the future distribution of agricultural labor forces. This dataset has a wide range of application scenarios, mainly used for researching labor force health, productivity, and risks, as well as formulating forward-looking strategies to address agricultural climate resilience.

搜集汇总

数据集介绍

构建方式

全球农业劳动力分布数据集通过一个基于广义加性混合模型（GAMMs）的实证建模框架构建，该框架整合了多种社会经济变量，包括人均国内生产总值、总人口、农村人口规模和农业用地使用情况。数据集的构建过程首先从国际劳工组织（ILO）和国家统计局等来源收集了2000年至2020年的国家和次国家层面的农业劳动力数据，随后通过GAMMs模型进行预测，生成了2000年至2100年每十年的全球农业劳动力分布数据，分辨率为0.083×0.083度，约等于赤道上的10公里×10公里。

使用方法

全球农业劳动力分布数据集可用于多种研究领域，包括劳动力健康、生产力和风险评估，以及气候变化对农业生产力的影响分析。通过将劳动力预测数据与气候预测数据相结合，研究人员可以更好地评估未来气候变化对农业生产力和工人健康的影响。此外，该数据集还可用于制定前瞻性策略，以应对农业中的气候适应性挑战，并为政策制定者提供关于劳动力市场需求的洞察，特别是在高温暴露导致工作时间减少或工人健康问题加剧的情况下。

背景与挑战

背景概述

全球农业劳动力分布数据集由Naia Ormaza Zulueta、Steve Miller和Zia Mehrabi等研究人员于2024年创建，旨在填补全球农业劳动力空间分布数据的空白。该数据集通过广义加性混合模型（GAMMs）整合了社会经济变量，如人均国内生产总值、总人口、农村人口规模和农业用地使用情况，预测了2000年至2100年间每十年的全球农业劳动力分布，分辨率为0.083×0.083度，约等于赤道上的10公里×10公里。该数据集与共享社会经济路径（SSP）一致，涵盖了从SSP1到SSP5的所有情景，为未来研究劳动力健康、生产力和风险提供了新的途径，特别是在气候变化背景下，对农业劳动力的影响尤为重要。

当前挑战

全球农业劳动力分布数据集的构建面临多重挑战。首先，农业劳动力数据的稀缺性和空间分辨率的不足限制了相关研究的深入。其次，气候变化、城市化进程以及技术进步等因素对农业劳动力的分布和需求产生了复杂的影响，这些因素的交互作用难以通过传统的数据模型准确捕捉。此外，数据集的构建过程中，如何整合不同来源的数据并确保其一致性和准确性也是一个重要挑战。最后，未来的预测模型需要考虑多种社会经济路径，这增加了模型的复杂性和不确定性。

常用场景

经典使用场景

全球农业劳动力分布数据集的经典使用场景在于其能够提供高分辨率的空间和时间维度上的农业劳动力分布信息，这对于研究全球农业劳动力的动态变化、区域差异以及未来趋势具有重要意义。该数据集可以用于分析不同国家和地区在农业劳动力方面的变化，尤其是在气候变化、经济发展和政策干预背景下的劳动力迁移和再分配。

解决学术问题

该数据集解决了长期以来全球农业劳动力数据稀缺的问题，尤其是在高分辨率空间和时间维度上的数据缺失。通过整合社会经济变量和气候预测，该数据集为研究农业劳动力的健康、生产力和风险提供了新的研究途径。它有助于理解气候变化对农业劳动力的影响，尤其是在极端天气事件和热应力增加的情况下，农业劳动力的生产力和健康状况的变化。

实际应用

在实际应用中，全球农业劳动力分布数据集可以为政策制定者提供关键的决策支持，尤其是在气候适应性农业策略的制定中。该数据集可以帮助识别哪些地区可能面临农业劳动力短缺或过剩，从而为劳动力迁移政策、农业技术推广和基础设施建设提供依据。此外，该数据集还可用于公共卫生研究，评估农业劳动力在农药暴露、热应力等环境因素下的健康风险。

数据集最近研究

最新研究方向

全球农业劳动力分布数据集的最新研究方向主要集中在通过高分辨率的空间数据分析，揭示全球农业劳动力的动态变化及其对未来农业生产力和粮食安全的影响。该数据集通过广义加性混合模型（GAMMs）整合了社会经济变量，如人均国内生产总值、总人口、农村人口规模和农业用地使用情况，预测了2000年至2100年间每十年的农业劳动力分布。研究特别关注气候变化和COVID-19等全球性事件对农业劳动力市场的影响，以及这些变化如何影响农业工人的健康、生产力和迁移模式。此外，该数据集还为未来气候变化对农业生产力的影响评估提供了重要依据，尤其是在极端天气、农药暴露和污染等风险因素的背景下，为制定更具气候适应性的农业政策提供了科学支持。

相关研究论文

• Geographic distribution of the global agricultural workforce every decade for the years 2000-2100

  科罗拉多大学 · 2024年