南亚家庭和企业遭受高温和洪水的风险

南亚的家庭和企业暴露于热量和洪水 Patrick BehrerJonah Rexer Siddharth Sharma Margaret Triyana 政策研究工作文件 10947 Abstract 气候变化正在增加家庭对极端高温、洪水及其他自然灾害的暴露风险。本文研究了南亚地区较贫困家庭在高温和洪水方面所面临的不同暴露程度。利用空间详细的数据以及相对财富水平，本文的分析能够捕捉到财富、高温和洪水在地域上的高度局部化差异。研究发现，较贫困的南亚家庭 经历的高温程度超过经济状况较好的地区。在城市地区，贫困家庭还经历了更为频繁的洪水侵袭。利用涵盖印度所有企业的空间详细数据，本文还发现小型企业对高温和洪水的暴露程度更高。文章最后讨论了可能解释这些气候变化冲击暴露差异的潜在机制。 这篇论文由南亚地区首席经济学家办公室出品。它是世界银行为提供研究开放访问并为全球发展政策讨论做出贡献而进行的一项更大努力的一部分。政策研究工作论文也在网上发布于http://www.worldbank.org/prwp。作者可以联系abehrer@worldbank.org、jrexer@worldbank.org、ssharma1@worldbank.org和mtriyana@worldbank.org。 该政策研究工作论文系列旨在传播正在进行中的研究成果，以促进关于发展问题的交流与讨论。该系列的一个目标是在报告尚未完全完善的情况下迅速发布这些发现。论文应标注作者姓名，并据此引用。本文中表达的观点、解释和结论完全是作者的意见。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会成员或他们所代表的政府的观点。 南亚的家庭和企业暴露于热量和洪水* 乔纳 · 雷克瑟2玛格丽特 · 特里亚娜2 Patrick Behrer1Siddharth Sharma2 关键词 ： 气候变化 ， 热浪 ， 洪水 ， 家庭暴露 ， 企业暴露JEL 代码: Q50, Q52, Q54, Q56 1. Introduction 气候变化预计将在本世纪末导致全球平均温度上升0.9至5.4摄氏度（Hsiang和Kopp 2018；IPCC 2014），这对新兴市场和发展中国家（EMDEs）的经济增长和减贫构成了挑战。升温与国内生产总值（GDP）大幅下降相关（Bilal和Kanzig 2024；Burke、Hsiang和Miguel 2015；Dell、Jones和Olken 2014）。极端高温会增加死亡率和发病率（Ebi 2021），影响学生表现（Garg、Jagnani和Taraz 2020；Graff Zivin、Hsiang和Neidell 2018），迫使人们进行昂贵的迁移（Hoffmann等人2020；Mueller、Clark和Kosec 2014），降低农业产量并减少劳动力生产效率（Aragon 2021；Somanathan、Sudarshan和Tewari 2021；Zhang、Malikov和Miao 2024）。 自然灾害由于气候变化预计将变得更加频繁和剧烈，也会造成经济损害。例如，洪水会增加死亡率和发病率（Ahern等，2005年），导致学校关闭（Dahlin和Barón，2023年），降低农业工资（Banerjee，2010年；Mueller和Quisumbing，2011年）和工业产出（Balboni、Boehm和Waseem，2023年），从而抑制长期经济增长（Krichene等，2021年）。 贫困家庭尤其容易受到气候变化的影响。他们拥有的适应资源较少，居住和基础设施质量较低，且在灾后救济机制方面的获取渠道也较少（Carter 2007；Anttila-Hughes 和 Hsiang 2013；Hallegatte、Fay 和 Barbier 2018）。此外，他们往往过度依赖农业和非正式的小型企业，而这些企业和大企业相比，在适应气候变化方面处于更为不利的地位（Rexer 和 Sharma 2024）。 穷人也可能更多暴露由于它们较难迁移到安全地区并投资于环境保护，因此在气候冲击面前更为脆弱。我们通过实证研究南亚地区家庭财富与两种对该地区影响显著的气候冲击之间的关系来探讨这一问题：极端高温和洪水。该地区的平均最高气温为30摄氏度，这已超过了美国职业安全与健康管理局（Occupational Safety and Health Administration 2017）规定的职业安全与健康风险阈值。随着气候变化，预计南亚将经历更多的极端高温（Watts et al. 2017）。该地区遭受洪水侵袭的土地面积平均比例高于新兴市场和发展中经济体（EMDE）的平均水平。预计该地区还将经历极端降雨量的增加。 与洪水和水淹事件相关（Trancoso等，2024；Letsch、Dasgupta和Robinson，2023；Otto等，2023；Nanditha和Mishra，2024）。 我们的分析依托于新获得的空间精细尺度相对财富数据——相对财富指数（RWI）（Chi等，2022）——以及南亚地区极端高温和洪水暴露程度的差异。尽管南亚大部分地区非常炎热，但该地区的部分区域海拔较高且平均气温较低。即使在非山区，平均最高温度也从28度到34度不等。图 1） 。同样 ， 虽然洪水影响了南亚近三分之一的地区 ， 但在各省和地区内 ， 洪水的暴露程度各不相同 （图 1). 鉴于此种差异，我们估计基于高分辨率空间数据的回归模型以考察RWI与高温和洪水之间的关联。 我们的首选模型将热浪指数（RWI）回归到平均年最高温度范围的指标上，允许热量与财富或企业规模之间关系可能存在非线性。我们使用洪水发生的指标以及洪水次数来衡量洪水暴露程度。鉴于城市和农村地区RWI分布的观察差异，我们在城市和农村分别进行独立回归分析。 我们发现，在南亚的城市和农村地区，较贫困的地方对高温更为敏感。与平均气温为30摄氏度的地方相比，平均气温为34摄氏度的地方在城市地区的综合热影响指数（RWI）低0.5个标准差（SDs），在农村地区低0.3个标准差。此外，在城市地区，较贫困的地方more暴露在洪水风险中。在城市地区，额外的洪水与RWI（居民幸福感指数）降低0.004个标 准差相关。而在农村地区，则情况相反：在农村地区，贫困程度较低的地方的情况恰好相反。less暴露在洪水中。 在低收入和中等收入国家，许多贫困家庭依赖小型非正式企业就业。因此，为进一步了解贫困群体对气候冲击的暴露程度，我们研究了极端高温和洪水对不同企业规模的影响是否存在差异。这一分析利用了印度经济普查中关于企业规模的空间精细数据。 在印度的企业中，较小的非农业企业比大型企业更易受到洪水和高温的影响。平均而言，平均气温为33摄氏度的地方员工数量比平均气温为31摄氏度的地方少0.25人，大约减少了12.5%。 Celsius。这一关系在城市地区更为显著，在农村地区不显著。对于洪水而言，一次额外的洪水与城市和农村地区的员工人数减少0.01有关。 我们为关于气候变化分布影响的研究文献做出了贡献。许多研究发现，贫困人群比其他人更严重地受到极端高温、洪水和其他气候冲击的影响。1(Kahn 2005；Hallegatte等，2016；Triyana等，2024)。然而，如Triyana等（2024）最近的综述中所指出的，关于不同群体对气候冲击差异暴露的证据相对有限且不一致。由于可用数据中家庭贫困和财富的空间细节有限，对该问题的研究受到了限制。实际上，大多数现有研究使用的是仅在行政单位（如区和县）之间变化的贫困或财富估计值。这是一项重要缺陷，因为区内和县内的财富变化非常显著。 近期的工作受益于贫困数据中越来越多的空间详细信息。例如，Park等人（2018）使用分辨率为0.5°×0.5°（赤道处约50公里×50公里）的地理参考家庭调查数据，研究了在52个国家中贫困家庭对极端高温的暴露情况，并发现在炎热国家，贫困家庭比非贫困家庭更容易受到高温的影响。使用相似空间分辨率的数据，Winsemius等人（2018）发现全球范围内，贫困家庭比非贫困家庭更易受到洪水的影响。 使用RWI使我们的研究能够利用更精细（2.4公里×2.4公里分辨率）的相对财富变化。此外，由于它是基于机器学习算法构建的，RWI是一种标准化的衡量标准，不依赖于研究人员在选择用于衡量财富的调查问题时的主观判断。另外，我们采用了一种跨国家可比的城市化定义（Nelson等，2019）。这些可比的定义使得我们的分析可以在全球其他环境中进行复制和重复。 我们还贡献了关于气候变化冲击对企业影响差异的研究文献。越来越多的研究关注极端高温、洪水等自然灾害如何影响企业的生产效率、投资以及生存能力。2但在少数几篇论文中才探讨了气候冲击是否对不同企业产生了不平等的影响。在美国，农业企业（Nath 2021）和主要服务于当地市场的企业（Gallagher, Hartley, and Rohlin 2023）遭受了更大的影响。 气候冲击造成的更大损害超过制造业和服务行业企业。表现较弱的企业在印度和印度尼西亚更容易受到自然灾害的影响（Pelli等，2023；谢，2022）。在大型风暴之后，资本重新分配到更具生产性的企业（Pelli等，2023）以及具有更大比较优势的行业（Pelli和Tschopp，2017）。在美国，小型企业和低生产率的设施在飓风卡特里娜造成的破坏中更不可能生存下来（巴瑟尔和米兰达，2017）。鉴于这些证据表明气候冲击对较小或较低生产率的企业有更大的负面影响，了解哪些类型的企业最容易受到冲击也变得尤为重要，而这一问题在现有文献中尚未得到系统性的研究。 本文结构如下：第2节描述了元分析中使用的数据和方法论。第3节呈现结果，第4节进行总结。 2. 数据和方法 2.1 Data 我们使用来自多个来源的数据来分析洪水、极端高温与相对财富（通过相对财富指数RWI代理）之间的关系。我们构建了一个类似的企业数据集，使用了最近的印度经济普查数据。 相对财富。相对财富指数（Relative Wealth Index，RWI）是由Meta的数据为善团队开发的一种指数，它结合了机器学习算法、卫星数据、地面调查数据以及其它公开可用的数据集，以估算细粒度空间分辨率下的财富分布。每个RWI数据点代表一个边长为2.4公里的正方形中心。该指数利用来自多个国家的代表性人口和健康调查（Demographic and Health Survey，DHS）的横截面家庭级数据，并将其与卫星影像等额外数据链接起来（Chi et al. 2022）。人口和健康调查系列是在多个包括南亚国家在内的国家中进行的一系列代表性调查。 印度的公司规模。我们使用了2013年印度第六次经济普查的最新横截面企业级数据，涵盖了印度超过580万家非农业企业，并包括了每家企业员工数量的数据（印度政府）。 2013年）。该全面的数据集由印度社会经济高分辨率城乡地理平台（SHRUG）共享，通过将企业级数据与2011年印度人口普查数据（包括镇和村庄层面的人口统计数据）匹配，将其聚合到更广泛的地理单位。这种聚合促进了村级层面的整合，形成了“SHRID”级别的数据集。“SHRID”描述了一个可以在多次印度经济普查中一致映射的地理单元。在大多数情况下，“SHRID”是一个村庄或城镇。该数据集包括私营企业的数量及其员工人数，用于计算截至2013年约505,000个空间单元中私营企业的平均规模（Asher等，2021）。 温度。温度数据包括南亚地区（南亚气候变化服务，2019）的日平均最高温度。然后将这些数据聚合到年度水平以计算5年平均年度最高温度。计算了2014年至2018年的5年平均年度最高温度，这是用于计算RWI的最新可用洪涝数据和大致DHS调查年份的时间段。随后将温度数据与RWI网格匹配。合并后的RWI和温度数据集包含约606,000个空间单位，覆盖孟加拉国、不丹